产业政策的资源误置效应及其微观机制研究

张龙鹏 汤志伟

(电子科技大学 公共管理学院，四川 成都 611731)

一、引言

随着中国步入中等收入国家，原先支撑经济高速增长的一些因素正在发生变化。投资率不断下降，人口结构发生改变，廉价劳动力优势不断缩小，外部压力不断增加，从而导致中国经济增长进入下滑轨道。现有粗放的经济增长方式越来越难以为继，中国经济增长的方式亟待转变，需要新动能、新举措方能确保经济中高速增长，并逐步向中高端经济发展水平迈进。中共十九大报告指出，要使市场在资源配置中起决定性作用，更好发挥政府作用。这明确了中国未来经济体制改革目标和发展方式转型的方向，即通过完善政府职能与优化市场机制实现资源优化配置。Hsieh et al.(2009)的研究也表明，中国通过改革经济体制中阻碍资源有效配置的因素，能够使经济产出提高30%～50%。然而，Dollar et al.(2007)、聂辉华等(2011)、蒋为等(2015)等研究发现，中国存在较为严重的资源误置效应，要素资源并未在企业间实现有效配置。因此，深入研究造成资源误置的原因，有助于改善市场中的资源配置效率，实现经济增长方式转变，提高经济增长活力。

产业政策作为政府干预经济活动的重要方式，对于有效发挥政府与市场在资源配置中的作用具有重要价值。产业政策倾向于利用行政审批、行业准入等直接干预性的行政手段以及财政、金融、土地、贸易等间接干预性的经济手段扶持某一产业发展，进而影响产业内的资源配置情况。在一个不受产业政策干预的市场环境中，行业内企业间的资源配置情况仅取决于企业生产率的高低，为获得更高收益，生产要素资源将从低生产率企业流向高生产率企业，这时资源实现了重置与优化，行业生产率将得以提高。然而，在一个存在产业政策的市场环境中，由于产业政策的干预，资源会在产业政策的作用下流入相关企业。在产业政策所支持的行业内，并非所有企业都能够获得产业政策支持，通常也只有少数企业能够得到扶持，因此，产业政策会表现出差异化的执行特征。差异化的产业政策使得生产要素资源在不同政策支持力度的企业之间流动和重新配置。当生产要素资源从低政策支持力度企业流向高政策支持力度企业，且低政策支持力度企业的生产率更高时，资源误置效应就产生了。此外，产业政策支持少数企业，尤其是倾向于支持低生产率企业，而这将扭曲市场的进入退出机制，低生产率企业因得到产业政策的支持不能有序退出市场，高生产率企业由于缺乏政策支持难以进入市场，从而降低了市场资源配置的动态效率。那么，中国的产业政策是否存在资源误置效应呢？如果存在，是否由差异化的产业政策所导致的呢？对于这两个问题的研究，有助于我们认识中国产业政策的执行效果与经济效应，从而明确产业政策转型方向与优化的目标。

二、文献综述

作为政府干预微观经济活动的重要方式，产业政策一向是产业经济学和发展经济学关注的热点，尤其是林毅夫与张维迎围绕着产业政策进行了大讨论。一方面，Stiglitz et al.(2015)、Krugman(1986)、Rodrik(2007)、林毅夫(2017)等从市场失灵角度论证了产业政策存在的必要性，而张维迎(2016)、江飞涛等(2010)等则从政府的机会主义行为与政府失灵的角度说明产业政策的无效性；另一方面，Beason et al.(1996)、Criscuolo et al.(2012)、Du et al.(2014)、Aghion et al.(2015)等研究了不同国家产业政策的执行效应与经济效应。由于中国是使用产业政策较多的国家，学者尤其关注产业政策对中国经济所造成的影响，以期规划和构筑新时代中国产业政策转型与优化的新方向与新体系。现有研究主要探讨了中国产业政策对生产率、创新、投资、产能过剩等方面的影响，但这些研究所得到的结论并未达成共识。其中，产业政策与生产率的研究和本文的主题密切相关。

现有文献研究中国产业政策对生产率的影响并未得出一致性结论。宋凌云等(2013)基于政府五年规划文件数据构建产业政策变量的研究发现，产业政策总体上提升了行业生产率，这一效应产生的微观机制在于政府将政策资源导向了生产率增长较快的企业，从而实现了资源重置与优化。然而，其他学者以政府补贴、税收优惠、信贷扶持等产业政策工具度量产业政策，结果发现产业政策对行业生产率的影响是复杂的。舒锐(2013)、李骏等(2017)研究发现，补贴与税收优惠均未促进生产率的提升，但信贷扶持对行业生产率具有正向作用。于良春等(2016)基于汽车行业的研究发现，产业政策中的固定资产投资促进了生产率增长，研发投资却对此产生了抑制作用。鉴于产业政策影响的不一致性，部分学者更加注重探讨如何更好地实施产业政策以提升行业生产率。最具代表性的Aghion et al.(2015)的研究指出，如果中国产业政策配置到竞争性行业或促进了行业竞争，就能够提升行业生产率。这一结论也得到了李骏等(2017)、韩超等(2017)等的支持。熊瑞祥等(2017)认为，产业政策需要与本地生产性结构保持一致才能发挥其促进生产率的作用。孙早等(2015)认为，产业政策能否起到促进生产率提高作用受到中央政府对地方政府考核的影响：当中央政府考核目标由“偏增长”转向“重转变”，地方政府产业政策的实施目标也由追求短期经济增长向提升生产率转变。

产业政策对生产率的影响不仅体现在生产率水平上，也体现在生产率的波动性上，因而需要研究产业政策对企业间生产率离散程度的影响，考察产业政策是否产生资源误置效应。蒋为等(2015)研究补贴与生产率离散程度的关系后指出，补贴政策导致了行业内企业间生产率离散程度的扩大，这表明补贴政策提高了行业的资源误置程度，造成这一结果的主要原因是补贴在行业内的差异化使用。蒋为(2016)进一步指出，增值税的差异化使用也是导致生产率离散程度扩大与产生资源误置的重要因素。

综上，当前关于产业政策与生产率波动的研究文献较少，仅有的研究只是探讨了某一产业政策工具的使用方式对生产率波动的影响，并没有明确差异化产业政策的资源误置效应是由支持何种企业导致的。因此，只有深入研究产业政策与生产率波动的关系，才能揭示产业政策对生产率的影响，进而了解产业政策是否促进了资源配置效率的提升。针对现有研究的薄弱之处，本文致力于分析产业政策对生产率离散程度的影响，以考察产业政策是否存在资源误置效应。具体研究过程如下：首先，根据产业政策文件构建产业政策变量，从整体上研究产业政策与生产率离散程度的关系；其次，构建产业政策工具的代理变量，研究产业政策工具及其执行方式对生产率离散程度的影响；最后，检验产业政策对资源误置影响的微观机制。

三、计量模型、变量测度与数据说明

(一)计量模型

本文需要论证的核心问题是：产业政策是否导致了行业内企业之间生产率离散程度的拉大，从而造成行业资源出现误置。为了检验产业政策对资源误置的影响，本文构建如式(1)所示的计量模型：

(1)

其中，i、t分别表示四位码行业、年份；Dispersion表示行业的资源误置程度，本文利用行业内企业间的生产率离散程度作为代理变量；Policy表示产业政策执行情况；Ctr表示控制变量；μ表示行业固定效应；ν表示时间固定效应；ξ为随机误差项；α1是本文重点关注的估计系数，如果其显著为正，则表明产业政策会导致行业内企业间生产率离散程度的拉大，从而产生资源误置效应。

(二)变量测度

1．被解释变量

如果资源可以自由流动，不存在任何扭曲，那么所有企业的生产率应该相同，因为生产率高的企业会兼并或挤出生产率低的企业(Hsieh et al.,2009;聂辉华 等,2011)。基于此，我们可以利用行业内企业之间的生产率离散程度表示行业的资源误置程度(聂辉华 等,2011;蒋为 等,2015)。企业之间的生产率离散程度越大，表明行业的资源误置程度越高。为测算资源误置程度，需要先测算企业的生产率。由于利用中国工业企业数据库测算企业的生产率，因此根据聂辉华等(2011)的建议，采用Olley et al.(1996)的方法计算企业的生产率。该方法不仅有效解决传统OLS方法估计生产率所带来的缺失变量问题，还考虑了企业进入退出带来的样本选择偏差问题。估算的具体形式如式(2)所示:

Yft=β0+βLLft+βKKft+βMMft+ηft+εft

(2)

其中，Y、L、K、M分别表示企业产出、就业人数、资本存量、中间品投入量的对数值；ηft是被企业决策者观察到而未被研究人员观察到的生产率冲击；εft是既没被企业决策者也没被研究人员观察到的生产率冲击。由于传统OLS方法忽略了ηft的存在，然而企业劳动雇佣决策和投资等都受到生产率ηft的影响，直接使用传统OLS方法估计将带来内生性问题，从而造成回归结果有偏，在此借鉴Olley et al.(1996)的方法。Olley et al.(1996)的办法的核心思想是，如果企业投资和生产率呈现单调正相关关系，生产率ηft就可以写成企业投资的函数，将这个函数形式带入式(2)就可以解决由生产率ηft带来的缺失变量问题，进而测算出每个企业的生产率水平[注]此处的生产率为对数形式。。由于生产率水平趋势成分的存在，本文对生产率水平去除其趋势成分，对所得序列进行标准化处理，进而得到一个可比的生产率波动序列[注]本文将企业的生产率序列考虑为一个退势平稳过程，把企业生产率对年份趋势回归后的残差作为退势平稳的生产率序列。此外，标准化处理采用了z-score标准化的方法。。借鉴蒋为(2016)、聂辉华等(2011)的研究，本文采用对数生产率波动序列的标准差作为行业内企业间生产率离散程度的代理变量。标准差越大，表明生产率离散程度越大，行业资源误置程度越高。生产率离散程度的度量方式如式(3)所示:

(3)

2．核心解释变量

Policy表示产业政策执行情况，为本文的核心解释变量。Policy为一个虚拟变量，行业如果得到国家产业政策支持，赋值为1，否则为0。本文借鉴宋凌云等(2013)、余明桂等(2016)的研究，利用国家“九五”计划、“十五”计划、“十一五”规划文件刻画了产业政策的执行情况。“五年计划(规划)”文件中提到的产业名称五花八门，难以与国民经济行业分类中的名称对应。为此，我们借鉴宋凌云等(2013)的研究，在二位码行业层面考察某行业是否得到国家产业政策的支持：首先，对于重点支持的行业，“五年计划(规划)”文件会明确使用“发展”、“积极发展”、“支持发展”、“重点开发”等词汇，本文将这些行业提取出来，按照国民经济行业代码(GB/T 4754-2003)将其归入相应的二位码行业；其次，对于文件中提到的具体制造产品，本文也按照国民经济行业代码将其归入相应的二位码行业；最后，文件中提到的新材料、新能源等涉及面甚广，无法归入具体行业，本文暂不考虑。由于我们是在二位码行业层面考察行业是否得到产业政策的支持，但是在四位码行业层面进行相关问题的研究，因此在构建产业政策变量时，我们需要做如下处理：如果某二位码行业得到国家产业政策的支持，则认为其下属的四位码行业均得到产业政策支持，Policy就赋值为1。

3．控制变量

(三)数据说明

一方面，借鉴聂辉华等(2011)、蒋为等(2015)的研究办法，采用1998—2007年中国工业企业数据库测算行业的资源误置程度；另一方面，我们根据宋凌云等(2013)、余明桂等(2016)、Aghion et al.(2015)的研究办法，利用中国的“五年计划(规划)”文件识别产业政策执行情况，同时使用中国工业企业数据库构建不同产业政策工具的代理变量。相关数据的具体情况与处理过程如下：

中国工业企业数据库包括了中国全部国有工业企业与年销售额500万人民币以上的非国有工业企业。本文在国民经济行业分类的基础上剔除非制造业企业，并按照Brandt et al.(2012)的调整代码将2003年前后的行业代码调整为统一的小类行业代码。对数据所涉及样本年份内区域行政编码的调整，我们参考了Lu et al.(2009)的方法进行调整。此外，根据樊娜娜等(2017)、聂辉华等(2012)的建议：删除工业总产值、固定资产净值平均余额等缺失的样本；删除累计折旧小于当年折旧、总资产小于流动资产、总资产小于固定资产净值平均余额的样本；删除职工人数小于8人的样本。

关于产业政策的刻画，现有文献主要有两种方法：一种基于产业政策文件的文本分析情况构建产业政策变量;另一种利用补贴、税收、信贷等产业政策工具直接刻画产业政策执行情况。这两类方法各有优缺点:第一种方法能够从整体上刻画产业政策的实施情况，但不能细致地反映产业政策的执行程度情况;第二种方法虽然能较为细致地反映各行业受产业政策影响的程度，但产业政策实施的复杂性导致难以单凭几个产业政策工具反映中国的产业政策整体情况。基于此，本文综合使用这两种方法，先采用第一种方法从整体上研究产业政策的资源误置效应，再利用第二种方法研究产业政策产生资源误置效应的微观机制。产业政策工具代理变量的度量需要利用中国工业企业数据库数据。

中国是使用产业政策较多的国家之一，从中央政府到各级地方政府均出台许多推动产业发展的政策文件。在这些产业政策文件中，政府“五年计划(规划)”是中国产业政策体系的最重要组成部分(李文贵 等，2016)，也是地方政府制定产业政策的蓝本，将引导“五年计划(规划)”时期中国产业发展方向。因此，学者们也主要根据“五年计划(规划)”文件构建产业政策变量(宋凌云 等，2013；余明桂 等，2016；李文贵 等，2016)。遵循现有研究的思路，本文采用中央政府出台的“五年计划(规划)”作为主要依据材料，进而刻画中国产业政策的执行情况。“五年计划(规划)”文件专门有一章论述工业发展与工业结构调整目标，本文就是通过对该章的内容进行文本分析，进而对产业政策进行识别。由于中国工业企业数据库的时间跨度为1998—2007年，因而我们分析产业政策的文件分别为国家“九五”计划(1996—2000年)、“十五”计划(2001—2005年)以及“十一五”规划(2006—2010年)。

四、实证结果与分析

(一)基准回归结果与分析

根据式(1)，本文采用面板数据固定效应模型估计产业政策对资源误置的影响，回归结果如表1所示。模型(1)未加入任何控制变量，单独检验了产业政策与资源误置的关系，模型(2)加入了行业的成本特征变量，模型(3)进一步控制了行业的开放程度，模型(4)填加了所有制变量，模型(5)最后控制了市场结构对资源误置的影响。在逐步加入控制变量的过程中，产业政策变量(Policy)的估计系数变化不大，且均在1%的显著性水平上为正。回归结果表明，对于得到国家产业政策重点支持的行业而言，企业之间的生产率离散程度较大，资源误置程度较高，从而说明中国的产业政策存在资源误置效应。这表明产业政策为手段的政府干预扭曲了企业之间的资源配置，限制了市场机制作用的发挥，因此我们需要重新审视中国产业政策的实际效果，要考虑产业政策是否应以促进市场竞争为前提，从根本上改进产业政策的执行方式，促进政策执行效果的提升，让市场机制在经济活动中发挥决定性作用。

表1 基准回归结果

注：***、**、*分别表示1%、5%、10%的显著性水平；( )内为稳健标准差。下同。

接下来，进一步对表1中的控制变量做简要说明。固定成本(FC)的估计系数在5%的显著性水平上为负，这表明固定成本较高的行业具有较低的生产率离散程度，资源误置程度更小，这与蒋为等(2015)、Ding et al.(2014)的研究结论一致。行业固定成本的增加将导致行业的临界生产率上升，低生产率企业将从市场中退出，企业间生产率的离散程度将降低。出口比重(Export)的估计系数在1%的显著性水平上为负，这表明出口比重越高，行业资源误置程度越低，这也验证了Melitz(2003)的研究，即出口有助于行业资源配置效率的提升。国有企业比重(SOE)的估计系数在1%的显著性水平上为正，表明国有企业比重高的行业，资源误置程度也高。蒋为等(2015)认为，国有企业普遍面临预算的软约束，这将造成国有企业并不受临界生产率的限制。即使面临亏损，国有企业仍然能够继续生产与经营，从而拉大生产率离散程度。因此，国有企业比重越高的行业，生产率离散程度越大，资源误置程度也越明显。

(二)稳健性检验与分析

1．资源误置指标的再度量

基准回归结果使用标准差度量了企业之间生产率的离散程度，进而测度了行业的资源误置程度，但生产率离散程度的度量方法有多种。为了说明回归结果不受生产率离散程度度量方式的影响，接下来采用其他方式重新进行度量。本文使用四分位差与90/10分位差重新度量了行业内企业间的生产率离散程度。四分位差为生产率的75分位数减去25分位数；90/10分位差为生产率的90分位数减去10分位数。四分位差与90/10分位差越大，生产率离散程度就越大，资源误置程度越高。表2的模型(1)与模型(2)分别汇报了四分位差与90/10分位差的回归结果，产业政策的估计系数均在1%的显著性水平上为正，表明产业政策存在资源误置效应，本文的研究结论并不受生产率离散程度度量方式的影响。

2．按行业分组

政府对所支持行业的选择通常依赖于一定的标准。一般而言，资本密集型行业比劳动密集型行业更容易得到产业政策的支持。同时，行业内企业间的生产率离散程度也会受到行业性质的影响。如果忽略行业的异质性，将会因遗漏重要解释变量而产生内生性问题。为避免该问题对估计结果造成的影响，本文将样本划分为资本密集型行业组与劳动密集型行业组[注]鉴于本文是在二位码行业层面构建产业政策变量，因此我们计算1998—2007年各二位码行业资本劳动比的均值，以衡量行业的资本密集型程度，资本劳动比大于中位数的行业为资本密集型行业，小于或等于中位数的行业为劳动密集型行业。，以重新检验产业政策与资源误置之间的关系。表2的模型(3)与模型(4)分别是资本密集型行业组与劳动密集型行业组的回归结果。估计结果表明，即使根据资本密集程度进行行业分组，产业政策依然显著造成了行业的资源误置，研究结论并未受到行业异质性的影响。

3．按地区分组

本文主要通过构建行业面板数据以研究产业政策对资源误置的影响。由于行业的资源配置效率会受到地区因素的影响，因而基于行业面板数据的研究会遗漏这一重要解释变量。为说明研究结论不受地区因素的影响，一个可行的办法是将样本按地区分组，检验研究结论在各组是否依然成立。本文将研究样本分为东部地区组和中西部地区组[注]东部地区组包括北京、天津、河北、辽宁、上海、江苏、浙江、山东、福建、广东、海南；中西部地区组包括黑龙江、吉林、安徽、江西、山西、河南、湖北、湖南、内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、青海、甘肃、宁夏、新疆。，相应的回归结果如表2的模型(5)与模型(6)所示。不论是在东部地区组还是在中西部地区组，产业政策变量的估计系数均在1%的显著性水平上为正，并且估计值与基准回归结果中的估计值并无明显差异。在控制地区因素后，产业政策依然导致了生产率离散程度的扩大，产生了资源误置效应。

4．内生性处理

按行业与地区分组的稳健性检验部分解决了因遗漏重要解释变量而产生的内生性问题，但这还不能得到较为完整的估计结果。为了更好地处理内生性问题，本文参考余明桂等(2016)的研究办法，利用“十一五”规划对支持行业进行大范围调整[注]根据本文的研究，“九五”计划、“十五”计划、“十一五”规划支持的行业数分别为12个、18个、8个。可见，从“十五”计划到“十一五”规划，产业政策的调整范围较大，从而为本文利用DID模型研究产业政策与资源误置提供了很好的契机。，选取试验组与对照组，构建如式(4)所示的DID模型：

(4)

其中，Treat等于1为试验组，代表“十五”计划与“十一五”规划中都被产业政策支持的行业；Treat等于0为对照组，代表“十五”计划中被产业政策扶持，但“十一五”规划中未被产业政策扶持的行业。事件冲击的时间为“十一五”规划实施的年度即2006年，Post等于1为2006年及以后，等于0为2006年之前。其余变量的定义与式(1)一致。由于式(1)已经控制了行业固定效应与时间固定效应，因此不再将Treat与Post两个变量单独放入估计模型中。在DID模型中，α1是我们关注的估计系数，其反映了产业政策对资源误置的影响。

表2的模型(7)汇报了基于式(4)的DID模型的回归结果。Treat×Post的估计系数在1%的显著性水平上为正，表明产业政策拉大了行业内企业间的生产率离散程度，出现了资源误置效应。由此可见，本文采用DID模型的估计方法后，研究结论依然成立。

接下来进一步参考车嘉丽等(2017)的研究，利用“九五”计划与“十五”计划中对产业政策的调整，从另外一个角度构建DID模型。Treat等于1为试验组，代表“九五”计划中未被产业政策支持的行业，但“十五”计划中被产业政策支持的行业；Treat等于0为对照组，代表“九五”计划与“十五”计划中均未被产业政策支持的行业。事件冲击的时间为“十五”计划实施的年度，即2001年，Post等于1为2001年及以后，等于0为2001年之前。基于此，表2的模型(8)汇报了相应的估计结果。Treat×Post的估计系数显著为正，表明重新构建DID模型后产业政策依然导致了行业资源误置。

模型(7)与模型(8)的DID模型均需要满足一个基本的前提条件，即平行趋势假设。因此，为了验证DID模型的有效性，本文进行了平行趋势检验。根据Mora et al.(2014)的研究，我们利用Stata软件中的didq命令进行平行趋势检验。检验结果表明，模型(7)与模型(8)均满足平行趋势假设前提。

表2 稳健性检验回归结果

五、产业政策的资源误置效应的微观机制分析

产业政策的实施依赖于一系列的政策工具。补贴、税收优惠、信贷扶持、关税保护等都是政府常用的产业政策工具(Du et al.,2014；Aghion et al.,2015)。对于政府支持的行业而言，其将获得更大力度的补贴、税收优惠、信贷扶持，以及获得更为严格的关税保护。政府通过产业政策工具的组合使用，从而达成其产业政策目标。因此，分析产业政策资源误置效应的微观机制必须从产业政策工具入手。本文将从两个层面探讨产业政策是如何导致资源误置的：先研究产业政策工具对资源误置的影响，然后探讨产业政策工具的使用方式与资源误置的关系。

(一)产业政策工具与资源误置

前文通过对国家“五年计划(规划)”文件的解读，进而构建产业政策变量探讨中国产业政策是否存在资源误置效应。然而，基于政策文件构建的产业政策变量只是初步刻画了产业政策的实际执行情况，可能还存在潜在的识别问题，因为政策文件中没有明确支持的行业并不意味着这些行业得不到相应的产业政策资源；此外对于明确支持的行业，实际支持力度也会有所不同。而本文在构建变量时对此均赋予了相同的数值。因此，接下来利用中国工业企业数据库构造产业政策工具的代理变量，以进一步研究产业政策的资源误置效应，这不仅能更为细致地考察产业政策对资源误置的影响，还能明确具体哪些政策工具产生了资源误置效应。

表3 产业政策工具与资源误置的回归结果

本文在四位码行业层面构造了四个产业政策工具变量。(1)补贴强度(Subsidy)：行业补贴强度为行业内企业补贴强度的均值。企业补贴强度为补贴与销售额的比值。(2)税收优惠(Tax)：行业税收优惠为行业内企业税收优惠的均值。企业税收优惠的计算方法为：税收优惠=企业法定适用税率×利润总额-实际应交所得税(宋凌云 等，2013)。在本文的样本期内，内资企业统一法定税率为33%，外资企业为15%。根据中国工业企业数据库中的企业控股情况变量，本文将国有控股、集体控股、私人控股和其他控股的企业视为内资企业，港澳台商控股和外资控股的企业则视为外资企业(宋凌云 等，2013)。另外，本文计算企业税收优惠时，剔除利润总额为负的企业，因为所得税按照企业税前利润作为税基，税前利润为负，企业并不需缴纳所得税(蒋为，2016)。(3)信贷扶持(Credit)：行业信贷扶持为行业内企业信贷扶持的均值。根据李骏等(2017)、Aghion et al.(2015)的研究，企业信贷扶持可定义为行业平均贷款利率减去企业贷款利率的数值，差值越大，表明企业信贷扶持力度越大。企业贷款利率利用企业利息支出与流动负债的比值来度量。(4)关税保护(Tariff)：本文采用WTO 报告的中国海关在1997年、2000—2007 年(1998年与1999年两年未报告)HS6位码产品的关税税率，并对海关编码与国民经济行业进行匹配，得到四位码行业的平均关税(蒋为，2016)，进而衡量行业的关税保护程度。关税税率越高意味着越关税保护越严格。在实证分析中，上述四个产业政策工具变量均取自然对数。

表3汇报了产业政策工具与资源误置的回归结果。模型(1)—(4)分别研究了补贴强度、税收优惠、信贷扶持、关税保护对资源误置的影响。除了信贷扶持变量的估计系数未通过显著性检验外，其余产业政策工具变量的估计系数均显著为正，这表明产业政策支持力度越大的行业，生产率离散程度越高，即产业政策存在资源误置效应。产业政策的执行效果可能因为政策工具组合的不同而不同，不同政策工具之间可能存在替代效应或协同效应。模型(5)同时考察了四种产业政策工具对资源误置的影响。估计结果显示，补贴强度更高、税收优惠更大、关税保护更严格，行业资源误置效应更明显，信贷扶持对资源误置的影响更不显著。考虑了产业政策工具的组合后，产业政策的资源误置效应依然存在。本文通过对产业政策工具的识别与度量，较为细致地刻画了中国产业政策的执行情况，也进一步表明了本文研究结论的稳健性。更为重要的是，表3的估计结果表明，产业政策通过补贴、税收、信贷、关税等工具降低了行业的资源配置效率。

(二)产业政策工具执行方式与资源误置[注]由于同一行业内企业面临的关税税率是一致的，并不存在关税的执行方式问题，因此这里主要讨论补贴、税收优惠、信贷扶持的执行方式。

研究产业政策工具与资源误置关系只是为了说明使用何种政策工具会产生资源误置效应，但还未能说明产业政策工具的执行方式与资源误置的关系。本部分将就这一问题进行深入研究。

产业政策工具通常有两种执行方式：一种是产业政策资源能够惠及行业内大多数企业，即普惠式产业政策；另一种是产业政策资源向行业内少数企业倾斜，即差异化产业政策。就中国产业政策的实践来看，差异化产业政策是主要的产业政策工具执行方式。如表4所示，就补贴这一政策工具的使用而言，1998—2007年仅有12%左右的企业获得了政府补贴，其中少数企业占有了巨额的补贴资源，这与Aghion et al.(2015)、蒋为等(2015)、邵敏等(2011)等的研究结论一致。从税收优惠政策工具的使用来看，样本期内均值以上税收优惠的企业比重为12.99%，这表明少数企业享有极为可观的税收优惠，产业政策工具执行的差异化特征显著。与补贴、税收优惠的使用情况不同，信贷扶持的使用较为分散，信贷扶持在均值以上的企业比重为77.49%。或许正是因为信贷扶持工具使用的较为分散，这才在表3中表现出：信贷扶持对资源误置没有产生显著的影响。

表4 产业政策工具的执行情况(单位：%)

资料来源：作者根据中国工业企业数据库计算。

更为关键的是，产业政策资源不仅被配置到少数企业，而且这些获得政策资源的企业通常是低效率的，中国的产业政策更多地体现了“保护弱者”的倾向(邵敏 等，2011)。表5检验了何种类型企业更容易获得产业政策资源，因此我们重点关注企业生产率与产业政策资源之间的关系。参考邵敏等(2011)的研究，我们考察了以下企业特征与产业政策资源的关系：(1)企业生产率(TFP)，可以根据式(2)计算而得；(2)企业规模(Size)，利用企业销售收入的自然对数值度量；(3)所有制变量(SOE、FIE)，如果是国有企业，SOE赋值为1，否则为0，如果是外资企业，FIE赋值为1，否则为0；(4)新产品产值占比(Product)，该变量为企业新产品产值与工业总产值的比值；(5)企业出口行为(Export)，企业如果存在出口行为，Export赋值为1，否则为0。表5的模型(1)采用Probit模型研究了生产率对企业获得补贴可能性的影响，模型(2)利用OLS方法分析了生产率对企业获得税收优惠的影响。回归结果表明，企业生产率的估计系数均显著为负，这表明生产率较高的企业获得补贴的可能性较低，获得的税收优惠也较少。模型(3)利用OLS方法考察了企业生产率与其得到的信贷扶持之间的关系。企业生产率的估计系数未通过显著性检验，说明企业生产率对其获得信贷扶持额度的大小没有产生显著影响。表5的回归结果表明，整体而言，产业政策资源主要流向了生产率较低的企业。

产业政策资源配置到低生产率企业将扭曲市场机制，低生产率企业因受政策扶持不能及时有序退出市场，新创企业因不能享受政策优惠而难以进入市场。不通畅的企业进入退出通道将阻碍市场机制作用的发挥，进而产生资源误置效应。基于上述分析可知，产业政策资源配置到行业内少数低生产率企业，从而形成了差异化的产业政策工具执行方式，进而导致了行业内企业之间生产率离散程度的扩大，从而阻碍了行业资源配置效率的提升。接下来，我们将检验产业政策工具执行的差异化是否导致了资源误置，以进一步阐述产业政策的资源误置效应的微观机制。

表5 企业特征与产业政策工具的回归结果

为研究产业政策工具执行方式对资源误置的影响，本文根据许家云等(2017)、蒋为等(2015)等的研究办法，利用标准差度量产业政策工具执行的差异化程度，即标准差越大，产业政策工具执行的差异化程度越大。由于行业关税是统一的，并不存在企业间的差异化问题，因此我们主要计算补贴、税收优惠、信贷扶持的差异化程度。

补贴差异化、税收优惠差异化、信贷扶持差异化的计算方法分别如式(5)、式(6)、式(7)所示：

(5)

(6)

(7)

基于对产业政策工具执行差异化的度量，表6汇报了产业政策工具执行的差异化对资源误置的影响。表6模型(1)—(3)分别探讨了补贴强度差异化、税收优惠差异化、信贷扶持差异化对资源误置的影响。补贴强度差异化与税收优惠差异化的估计系数显著为正，信贷扶持差异化的估计系数虽然为正，但未通过显著性检验。补贴、税收优惠被少数低生产率企业所占有，从而扭曲了市场机制，低生产率企业不能有序退出市场，高生产率企业难以进入市场，拉大了行业内企业间的生产率离散程度，造成了资源误置；由于信贷扶持工具的使用较为分散，并没有明显倾向于低生产率企业，因而信贷扶持差异化对行业的资源误置程度没有造成显著影响，这也从侧面揭示了产业政策资源误置效应的微观机制是差异化的产业政策。由于产业政策工具通常并非单独使用，产业政策对其所支持的行业可能同时使用了多种产业政策工具，因此模型(4)一并研究了补贴强度差异化、税收优惠差异化、信贷扶持差异化与资源误置的关系。回归结果显示，当我们同时考察三种产业政策工具的执行方式对资源误置的影响时，补贴强度差异化、税收优惠差异化、信贷扶持差异化的估计系数均显著为正，这表明产业政策工具的使用存在互补效应，这些产业政策工具共同加强了行业的资源误置程度。

表6 产业政策工具执行方式与资源误置的回归结果

六、结论与政策启示

产业政策是政府推动产业发展的重要政策方式。对产业政策经济效应的评估能够了解产业政策执行成效，进而为产业政策的转型与优化提供经验支撑。本文基于生产率离散程度的视角，从产业政策、产业政策工具、产业政策工具执行方式三个层面研究产业政策对行业资源误置的影响，并对其微观机制进行了检验与分析。首先，通过对国家“五年计划(规划)”文件进行文本分析，构建了产业政策变量，进而从整体上研究了产业政策对资源误置的影响。研究发现，在产业政策支持的行业，企业间的生产率离散程度较大，产业政策存在资源误置效应。由于产业政策的实施依赖于补贴、税收优惠、信贷扶持、关税保护等政策工具，因而本文研究了这四种政策工具对资源误置的影响。研究结果表明，补贴、税收优惠、信贷扶持、关税保护均导致了资源误置效应的产生。最后，本文探讨了产业政策及其政策工具产生的资源误置效应微观机制。研究结论认为，产业政策产生资源误置效应的微观机制在于中国产业政策使用的差异化。由于产业政策倾向于支持少数企业，并且获得补贴、税收优惠等政策资源的企业通常是低生产率企业，从而扭曲了市场机制，导致低生产率企业占有大量资源，不能有序退出市场，高生产率企业因难以获得资源支持，市场进入动力不足，从而导致了资源误置。

基于本文的研究，给我们的政策启示是：中国现行产业政策是反竞争性的，与竞争性的产业政策格格不入。因此，中国产业政策转型与优化的要点在于实现产业政策与竞争政策的深度融合。新时代下产业政策的主要特征应该是提供信息、建立市场秩序、强化市场竞争功能，从而真正为产业发展提供动力。此外，在产业政策调整过程中，应注意政策调整的系统性。正如本文研究所指出的那样，由于产业政策中信贷扶持工具的使用较具普惠式特征，因而其单独使用并未对行业资源误置产生显著性影响，但当与其他政策工具的使用时，信贷扶持工具的使用在一定程度上也造成了行业的资源误置。换言之，我们不仅要准确评估各种产业政策工具的使用方式及其经济影响，也要系统性对产业政策进行调整，此时方能取得预期的经济绩效。