选择性产业政策、资源配置扭曲与僵尸企业形成_周文婷.pdf

产业经济评论 2023 年第 3 期 54 选择性产业政策、资源配置扭曲与僵尸企业形成选择性产业政策、资源配置扭曲与僵尸企业形成 周文婷 吴一平*摘 要：选择性产业政策导致资源配置的扭曲，严重制约了我国经济高质量发展。本文利用1998-2013 年中国工业企业数据，选择了财政补贴这样一项被地方政府广泛应用的产业政策作为切入点，探究选择性产业政策与我国僵尸企业形成之间的内在联系。结果发现，随着以财政补贴集中度度量的选择性财政补贴政策力度不断加大，企业僵尸化的可能性也相应提高。选择性财政补贴影响僵尸企业的形成主要是通过企业过度投资实现的，伴随着企业盲目扩张和过度投资，企业盈利能力逐步下降，行业产能过剩不断加剧，最终增加了企业僵尸化风险。更为重要的是，面对选择性财政补贴政策的激励，国有企业更可能成为僵尸企业。但是，随着行业竞争度的提升以及法律制度的完善，选择性财政补贴政策的负面影响会显著下降。本研究对于我国产业政策的优化以及僵尸企业的风险防范与治理具有一定的借鉴意义。关键词：选择性产业政策；财政补贴；僵尸企业 一、引 言 产业政策作为政府调节市场的重要手段，广泛地运用在经济发展众多领域。20 世纪 80 年代以来，我国各级政府出台了一系列的产业政策文件，其内容覆盖到了各行各业的各个领域。产业政策逐渐成为我国政府进行宏观调控的重要工具。中国的产业政策具有明显的“选择性”特点，政府运用各种行政手段对市场进行直接干预，挑选出具有发展潜力的产业和企业加以扶持（江飞涛和李晓萍，2010；陈钊和熊瑞祥，2015；江飞涛和李晓萍，2018）。在经济发展初期，选择性的产业政策对于帮助企业突破行业壁垒、提升技术创新，促进地区产业结构升级以及生产效率的提高起到了积极的作用（宋凌云和王贤彬，2013；黎文靖和李耀淘，2014；余明桂等，2016；韩永辉等，2017）。但是，随着中国经济发展进入新常态阶段，以往依靠政府之手干预经济、挑选“赢者”的选择性产业政策模式所积累的矛盾日益凸出，逐渐成为制约我国经济高质量发展的重要阻碍（孙早和席建成，2015；程俊杰，2015；余明桂等，2016；王克敏等，2017；钱雪松等，2018）。2020 年中共中央、国务院联合发布的关于新时代加快完善社会主义市场经济体制的意见中明确指出，为了扫除我国经济高质量发展过程中的体制机制障碍，必须推动产业政策向普惠化和功能性转型，加强产业政*周文婷，杭州电子科技大学经济学院，讲师；吴一平，上海财经大学公共经济与管理学院教授。通信作者：吴一平 E-mail：。本文为国家自然科学基金项目“企业创新的财政激励机制扭曲：形成机制、经济后果与改革策略”（项目编号：71673174）的阶段性成果。1989 年 3 月，国务院发布了我国第一部产业政策法规，即国务院关于当前产业政策要点的决定。该法规详细列出了重点支持生产和严格限制生产的产业、产品，重点支持基本建设和停止或严格限制基本建设的产业、产品，重点支持技术改造和严格限制技术改造的产品目录。之后又相继出台了一系列旨在促进产业结构调整和经济发展的政策措施，如1994 年国务院颁布的90 年代国家产业政策纲要成为政府制定各项产业政策的指导和依据，该纲要明确指出要努力加快机械电子、石油化工、汽车制造和建筑业的发展，使它们成为国民经济的支柱产业。此外，1998 年发布的国家重点鼓励发展的产业、产品和技术目录列出了重点鼓励的 29 个领域共 440 种产品、技术和工艺等。DOI:10.19313/10-1223/f.2023.03.006周文婷等：选择性产业政策、资源配置扭曲与僵尸企业形成 55 策和竞争政策的协同性。选择性产业政策的实施推动财政补贴等各类资源在短时间内源源不断地涌向受产业政策支持的经济领域，诱导企业过度投资，进而引发行业产能过剩。长此以往，企业的盈利水平被持续挤压，加上缺乏有效的市场退出机制以及行政力量对市场的干预，导致企业无法有序退出，这样一来，一部分正常经营的企业在选择性产业政策的驱动下容易演变为僵尸企业。僵尸企业作为低端无效供给的代表，长期占用稀缺性资源却不产生经济效益，已经成为我国制造业新旧动能转换和供给质量提升的一大障碍，严重阻碍了经济结构调整和产业转型升级（王一鸣，2017）。僵尸企业的存在不仅打破了“创造性破坏”这一过程，阻碍了经济的长期可持续增长（Hoshi&Kashyap，2004；Ahearne&Shinada，2005；Jaskowski，2015），扭曲了资源的有效配置（Caballero et al.，2008；Hirata，2010；Lin et al.，2015；王永钦等 2018），还会挤压正常企业的生产空间，产生“劣币驱逐良币”的现象（Ahearne&Shinada，2005；Papava，2010；Hoshi&Kim，2012；谭语嫣等，2017；肖兴志等，2019）。目前关于僵尸企业成因分析的文献较多，主要包括以下三个方面。其一，为了维持辖区内的经济增长，保持就业的稳定，地方政府有激励运用财政补贴等方式救助那些本应破产退出的企业，使其存续在市场中，进而演变为僵尸企业（申广军，2016；黄少卿和陈彦，2017；范子英和王倩，2019）。其二，银行一方面受到资本充足率的监管要求，另一方面出于企业间连保互保容易引发系统性金融风险的现实考虑，加上地方政府直接干预以阻止银行抽贷，只能持续给僵尸企业放贷，帮助其存活下去（黄少卿和陈彦，2017；谭语嫣等，2017；乔小乐等，2019；蔡宏波等，2020）。其三，我国缺乏有效的市场退出机制，导致僵尸企业在市场中清退过程受阻，从而恶化了僵尸企业的问题（朱舜楠和陈琛，2016；聂辉华等，2016；黄少卿和陈彦，2017）。综上所述，目前对僵尸企业成因的分析主要集中于正常企业出现经营问题之后，探讨了这些企业本应破产退出却为何得以在市场上持续存在，继而演变为僵尸企业。但是，企业何以陷入依靠自身能力难以为继的窘境，却较少受到关注，而这恰恰是企业僵尸化的深层次原因。只有挖掘出问题背后的本质因素，才能够对症下药，从根源上防范我国僵尸企业的形成。虽然部分学者据此展开了讨论，指出地方选择性产业政策（邓洲，2016；聂辉华等，2016）、市场的外部需求冲击（何帆和朱鹤，2016）以及企业自身发展问题（申广军，2016；熊兵，2016）是我国企业僵尸化的重要推手，但上述研究也仅仅止步于理论层面的简要探讨，缺乏更为细致的剖析以及实践经验的佐证。大量研究表明，企业在陷入经营困境之前普遍都进行了大规模的非理性扩张，这种扩张背后往往都与我国特有的治理体制以及由此衍生出的选择性产业政策密切相关（聂辉华等，2016）。财政补贴作为我国产业政策的重要工具，在政府扮演“扶持之手”（helping hand）时发挥着重要作用（Frye&Shleifer，1997）。基于上述考虑，本文利用 1998-2013 年中国工业企业数据，从财政补贴这一重要的产业政策工具入手，探究选择性财政补贴政策对我国僵尸企业形成的影响机理。研究结果表明，选择性财政补贴政策是我国僵尸企业形成的主要原因之一，随着财政补贴政策配置趋于集中化，企业僵尸化风险也在增加。究其原因，选择性财政补贴政策推动企业盲目扩张规模、过度投资，进而形成僵尸企业。过度投资一方面降低了企业的盈利能力，另一方面引发行业产能过剩，在 余明桂等（2016）指出，我国产业政策既包括目录指导、市场准入等直接干预方式，也包括财政补贴、税收优惠等间接干预手段。江飞涛和李晓萍（2010）认为，我国的目录指导并不仅仅只是“指导”那么简单，而是直接与税收优惠和土地优惠等财政补贴政策的获取紧密相关。由此可见，在我国的产业政策中，财政补贴的身影无处不在，是我国产业政策具体实施过程中的重要手段。产业经济评论 2023 年第 3 期 56 上述合力的作用下，企业僵尸化风险逐渐增加。此外，考虑到选择性财政补贴政策对企业僵尸化的影响可能依赖于企业所有制、行业竞争程度以及法律完备度，本文进一步考察了以上因素的异质性影响。研究发现，相比非国有企业，国有企业更易受到选择性财政补贴政策的影响成为僵尸企业。行业竞争度能够在一定程度上削弱这一负面效应，行业竞争度越大，企业由于选择性财政补贴而引发的僵尸化风险则越小。企业破产法的颁布也能有效降低选择性财政补贴对企业僵尸化的负向影响。以上结论在经过了大量的稳健性检验后依然成立。本文的边际贡献主要包括以下几个方面：其一，本文回答了如何设计有效的产业政策这一问题。设计有效的产业政策以促进经济发展是我国治理能力现代化的重要体现。尽管在经济发展的初期政府干预是必要的，但随着市场机制逐渐完善，政府的职能应当从经济活动的干预者转变为竞争秩序的维护者。弱化政府“扶持之手”的力量，赋予市场更多的自由和活力，才是我国产业政策模式转型的方向。其二，本文丰富了僵尸企业形成领域的研究文献。现有的关于我国僵尸企业成因的研究大多属于定性分析（聂辉华等，2016；何帆和朱鹤，2016；熊兵，2016），缺乏从实证角度对僵尸企业成因进行识别的研究。本文从地方政府干预这一制度性因素出发，探讨了选择性财政补贴政策对企业僵尸化的影响机理，为我们理解僵尸企业的形成提供了新的视角。其三，本研究对于完善我国僵尸企业治理体系提供了启示。现有的关于僵尸企业治理策略的研究多强调僵尸企业形成后的清退（黄少卿和陈彦，2017；盛垒，2018），然而扬汤止沸不如釜底抽薪，只有深入挖掘出僵尸企业形成的深层次原因，才能对症下药，从根本上建立僵尸企业的风险防范与治理体系。本文从选择性财政补贴政策这一视角展开研究，为破解僵尸企业之谜提供了新的思路。本文后续部分安排如下：第二部分是理论分析与研究假说；第三部分为研究设计；第四部分为实证检验的主要结果；第五部分为机制检验；最后一部分为结论与启示。二、理论分析与研究假说 理论上，由于存在市场失灵，政府通过实施产业政策可以有效降低由此所产生的效率损失，促进产业升级和技术进步（Rodrik，1996；宋凌云和王贤彬，2013b）。但从现实情况来看，产业政策的实施效果往往不尽人意。受制于有限的地方政府能力以及现行激励机制的内在缺陷，产业政策的实施难以达到预期效果，甚至背离了弥补市场失灵的初衷，沦为地方政府谋求短期经济增长的工具（耿强等，2011）。自 1978 年我国财政体制改革以来，地方政府在财政支出方面具有较大的自主裁量权，在资源配置中拥有了重要的话语权（Li&Zhou，2005）。在中央统一的政策安排下，地方政可以结合自身的资源禀赋和地区经济发展水平，制定辖区内的产业政策实施细则。就中央政府设计和实施产业政策初衷而言，实施产业政策的目标在于提升经济增长质量（孙早和席建成，2015）。然而从晋升考核机制来看，追求短期内 GDP 的增长才是地方主政官员努力的方向。为了获得相对较多的晋升机会，地方官员具有强烈的动机运用自身掌握的各类资源，通过实施以财政补贴为代表的产业政策，激励企业扩大投资以推动辖区内经济规模的快速扩张（周黎安，2007；Xu，2011；王贤彬等，2014）。由于地方官员单个任期相对较短，加上产业政策实施的预期效果受到多种因素的影响，产业政策实施的实际效果难以考核，因此地方政府在平衡经济增长质量的长期目标与经济增长速度的短期目标之间的关系时，往往选择忽略社会整体的经济效益，把天平向后者倾斜，引导企业采取规模扩张的发展战略（耿强等，2011）。周文婷等：选择性产业政策、资源配置扭曲与僵尸企业形成 57 在实施财政补贴等产业政策追求短期经济增长的过程中，相比于小企业，大企业在推动投资扩张、经济增长以及税收增加等方面更具优势，因此地方政府倾向于选择它们作为政策扶持的主要对象，由此，产业政策呈现出“扶大限小”的选择性特点（江飞涛和李晓萍，2010；王立国和鞠蕾，2012；江飞涛等 2014；王文甫等，2014；范林凯等，2015）。地方政府通过实施扶持大企业扩张与限制中小型企业发展的非对称策略来推动投资迅速增长。对于大企业而言，在“扶大限小”的选择性财政补贴政策激励下，企业既具有规模扩张的外在激励，又具备过度投资的内在动力。具体而言，一方面，大企业获得财政补贴后，自然而然要承接地方政府的主政愿景，进行大规模的投资扩张，帮助地方政府实现短期增长的目标。另一方面，财政补贴促使企业内部成本外部化，企业投资成本的降低进一步提高了企业管理者过度投资的内在冲动（王立国和鞠蕾，2012）。而从小企业的角度来看，为了寻求稀缺的市场资源，避免受到地方政府的“补贴歧视”，也有强烈的扩大企业规模的倾向（聂辉华等，2016）。中小企业积极扩张投资、片面做大，以避免沦为选择性产业政策下被强行淘汰、牺牲的对象。最终，各类企业竞相扩张规模，形成整体性过度投资的局面，为僵尸企业的形成埋下了隐患。除此之外，从产业层面来看，中央和各级政府利用产业政策选择重点发展的行业，并通过各类产业政策工具对供给端进行激励，这也是引起过度投资的另一主要原因（程俊杰，2015）。在选择性产业政策的诱导下，包括财政补贴在内的各类生产要素和社会资源容易在短时间内集中涌向政策支持的产业，引发投资的“潮涌现象”（耿强等，2011；黎文靖和李耀淘，2014）。韩国高等（2011）基于我国制造业企业数据，余东华和吕逸南（2015）以战略性新兴产业为例，均发现了选择性产业政策导致过度投资、产能过剩的有力证据。最后，地方政府之间的激烈竞争在一定程度上加速了过度投资的进程（江飞涛等，2012）。地方政府间的竞争使得各地为招商引资竞相发放投资补贴，展开补贴竞争。通过实施财政补贴等产业政策扭曲要素价格，诱导性地干预企业的投资决策，引发更多企业进入到产业政策支持的产业，形成产能过剩（程俊杰，2015；余靖雯等，2022）。综上分析，企业层面的“扶大限小”政策倾向、行业层面的投资“潮涌现象”、地方政府层面的补贴竞争说明了选择性财政补贴政策会引发企业的过度投资。盲目的规模扩张、过度投资虽然在短期内能够营造出经济增长的非理性繁荣，但从长期来看这一泡沫必然破碎，随之而来的是企业盈利能力的下降以及整个行业的产能过剩。过度投资导致市场供给大量增加，短期内需求没有较大增量的变化，容易引发产能过剩问题。这些过剩的产能最终要在市场上经过竞争的洗礼。持续的供大于求，产品价格下降，在成本不变的情况下，企业利润被挤压。随着企业的盈利水平持续下降，企业的现金流不断恶化，原本能够正常盈利的企业就有可能出现亏损，甚至出现资不抵债，最终形成僵尸企业。中国式开发区作为选择性产业政策的典型案例，在财政补贴、税收、土地等方面享有诸多优惠。根据吴一平和李鲁（2017）的研究，开发区在招商引资时更偏爱大规模企业，而本应获得企业创新财政激励政策的中小企业则难以进入开发区，并且即使部分中小企业入驻开发区后，也难以获得足够的财政激励。作者于 2021 年 1 月和 2021 年 3 月在中部地区某省份调研了经济技术开发区和高新技术开发区的实际情况，发现各大开发区管委会会对开发区内企业的投资规模等经济指标进行定期的绩效评估，只有投资规模达到一定水平时方可获得当年的财政补贴，如果考核指标持续不达标则面临清退的风险。该类绩效考核模式，扭曲了企业的投资行为，增加了企业过度投资的倾向，在一定程度上导致了开发区内大量僵尸企业的形成。陶智南和刘旭光（2020）的研究也印证了这一点，他们发现僵尸企业大量存在于各级经济技术开发区和高新技术开发区，以 A 市高新技术开发区为例，近三年招商项目 350 个，产生僵尸企业 80 家，占比 22.8%。产业经济评论 2023 年第 3 期 58 前期选择性产业政策引致下的过度投资越严重，积累下的产能过剩越多，企业的盈利能力缩减幅度也越大，在后续的市场竞争中能够洗净铅华、脱颖而出的企业则越少，而出现问题、难以为继的企业则越多。但是，为了实现稳增长、保就业的经济目标，地方政府不得不采取更多的产业政策手段，扶持救助辖区内那些在市场竞争中被淘汰、本应破产退出的低效率企业，这些企业因此能够依靠外部的持续性输血僵而不死，成为僵尸企业（申广军，2016；黄少卿和陈彦，2017；范子英和王倩，2019a；蔡宏波等，2020）。综合以上分析可知，在我国僵尸企业的形成过程中，以选择性财政补贴为代表的产业政策是其中的主要影响因素之一。由于地方政府实施“扶大限小”的选择性财政补贴政策，企业盲目进行规模扩张，从而削减了企业的盈利能力，引发行业性的产能过剩，最终导致僵尸企业的形成。基于此，本文提出以下两条有待论证的假说：假说 1：选择性财政补贴是我国僵尸企业形成的主要原因之一。具体来说，随着财政补贴政策配置的集中程度提高，企业僵尸化的风险也相应增大。假说 2：选择性财政补贴影响僵尸企业形成的主要渠道是企业过度投资。企业过度投资导致企业盈利能力下降和行业产能过剩，最终增加了企业僵尸化的风险。三、研究设计（一）变量选择与数据来源 为了检验本文第二部分提出的理论假说，本文利用 1998-2013 年中国工业企业数据库进行了实证检验。该数据集包含 300 多万个原始观测数据，涵盖了制造业、采矿业、电力、燃气及水的生产和供应业等行业。本文参考黄少卿和陈彦（2017）的方法对原始数据做了以下处理：（1）删除关键变量如资产总计、固定资产合计、补贴收入、利息支出等缺失的观测值。（2）剔除不合理的观测值。例如，总资产小于流动资产，总资产小于总资产，企业员工人数、总资产、固定资产等小于等于 0，营业收入、负债合计、工业总产值等为负的样本，研究最终使用的样本有 2 644 306 个观测值。本文研究使用的主要变量说明如下：被解释变量是企业是否为僵尸企业（zom）。如果企业当年被识别为僵尸企业，则赋值为 1，反之为 0。僵尸企业的识别方法参考了朱鹤和何帆（2016）、张栋等（2016）、聂辉华等（2016）、申广军（2016）、黄少卿和陈彦（2017）、范子英和王倩（2019）、李超旭和王俊毅（2020）、周文婷和冯晨（2022）等的文献，以 FN 识别方法为基准进行修正调整。如果企业扣除政府补贴和银行信贷补贴之后的实际利润为负，说明企业主要依靠外部资源输血维持经营，属于僵尸企业。同时考虑到，FN 识别方法也有一定的缺陷，主要表现为没有考虑时间因素。如果一家正常企业只是经历了暂时性的困难，按照这种方法它很有可能被识别成僵尸企业。为了解决这一潜在问题，本文同时参考 Imai（2016）的修正方法，用企业连续三年内的实际利润之和作为改进后的盈余标准，如果三年内的实际利润之和为负，可以被认为是僵尸企业。具体识别步骤如下：第一步，计算出企业 i 在 t 年正常经营下需要支付的最低利率水平：Imai（2016）分别取 1-9 年作为样本时期，测度日本僵尸企业的数量，结果表明，当时期为 3 年及以上时，测度出的僵尸企业数量基本保持稳定。基于此，本文将时期设为 3 年，按照上述方法识别僵尸企业。后续本文也采用两年期的实际利润之和为标准重新识别僵尸企业，作为稳健性检验。周文婷等：选择性产业政策、资源配置扭曲与僵尸企业形成 59 RAi,t=rst-1*BSi,t-1+(1/55j=1rlt-j)BLi,t-1 （1）其中，BSit与 BLit分别为银行短期贷款和长期贷款。rst与 rlt分别为银行 t 的一年期和五年期平均的长期基准贷款利率。第二步，估算企业获得的信贷补贴Ri,t：Ri,t=RBi,t-RAi,t （2）其中，RBit表示企业当年实际发生的利息支出。第三步，计算扣除信贷补贴和财政补贴之后的实际利润 RPit：RPit=EBITi,t-Ri,t-Subi,t （3）其中，EBITi,t表示企业当年的息税前利润，Subi,t为企业当年获得的政府补贴。如果 RP 小于 0则表示企业在扣除信贷补贴和财政补贴之后的实际利润小于 0。然而，考虑到除了向企业提供较低利率的贷款外，给予企业更多持续性的新增贷款也是另一种信贷补贴的方式（Fukuda&Nakamura，2011），因此，针对这一可能性，本文参考 Fukuda&Nakamura（2011）的做法，引入“持续贷款标准”（Evergreen Lending Criterion）来对上述问题进行修正。在满足 RP0 的前提下，加入以下两个标准：1.企业当年的资产负债率大于 0.5；2.当年总负债相比上年有所增加。只有当企业同时满足以上三个条件时，才被认定为僵尸企业。同时，考虑到部分具有长期增长能力的初创型企业一般在企业发展前期都获得了政府补贴和银行信贷用于研发创新活动，按照上述的标准来识别容易将目标企业误判为僵尸企业。因此，针对这种类型的企业，本文采用黄少卿和陈彦（2017）的方法，以净资产连续增长的条件加以修正。具体而言，如果企业连续三年净资产都持续增加，则将其识别为非僵尸企业。解释变量是选择性财政补贴政策（policy）。选择性财政补贴政策刻画的是财政补贴政策的集中度，即财政补贴是以一种普惠的方式配置给企业，还是以一种差异化的、选择性的方式发放给企业。为了衡量选择性财政补贴政策的强度，本文参考黄先海等（2015）的做法，借鉴泰尔指数的构造方法，设计了选择性财政补贴政策（policy）指标。考虑到僵尸企业比其他企业更容易获得政府补贴，为了缓解该政策可能存在的内生性问题，本文在具体计算过程中，分子和分母均减去了企业 i 自身获得的补贴数额，以剔除相应的政策支持干扰，同时在控制变量中加入了企业获得的政府补贴这一指标。policy 数值越大，表明补贴政策越集中，更可能以选择性的方式配置到各行业中的企业，即财政补贴政策配置更具有选择性特征；该数值越小，表明政府更倾向于以普惠的方式给予 由于中国工业企业数据库中没有企业贷款数量的相关信息，故本文借鉴参考谭语嫣等（2017）以及王永钦等(2018)的做法，BSit 用流动负债合计减去流动负债中的应付项合计表示，Blit 用长期负债表示。其中应付项包括应付账款、应交增值税、应交所得税、应付工资以及应付福利费等。如果某些年份存在缺失项则根据企业其他年份的应付项进行调整。由于数据中除应付账款以外，其他应付项均为全年累计额而不是年末余额，本文根据各项目缴纳时间规定，视所有企业应交所得税年末余额为全年累计额的 1/4（季度缴纳），应交增值税、应付工资、应付福利费年末余额为全年累计额的 1/12（月度缴纳）。目前对于该指标的度量主要是借鉴产业集中度的测度方式，然而黄先海等（2015）认为，该度量方式没有考虑到同行业企业间的获得补贴的均匀度。除此之外，另一常用的计算方式为赫芬达尔指数（HHI），这一指标避免了产业集中度的缺点，但由于 HHI 容易受到行业内企业数量的影响，因此也无法准确刻画出财政补贴的离散性和均匀性。而泰勒指数则能够很好地规避以上可能存在的问题。后续，本文将使用赫芬达尔指数的构造方法作为选择性财政补贴政策的替代指标进行稳健性检验，并进一步控制所处行业的企业数量。产业经济评论 2023 年第 3 期 60 行业内所有企业相应的补贴政策支持，即该补贴政策更具有功能性产业政策的特征。在谭语嫣等（2017）、李旭超等（2018）研究的基础上，本文在计量模型设定时选取了以下控制变量：企业规模（asset）、企业年龄（age）、企业所有制（soe）、资产负债率（la）、固定资产比例（fixeda）以及政府补贴（subsidy）。其中，企业规模（asset）用企业总资产表示；企业年龄（age）为当年年份减去企业成立年份；企业所有制（soe）为企业的产权性质，当企业为国企时取值为 1，反之为 0；资产负债率（la）代表企业的长期偿债能力，用企业总负债除以总资产表示；固定资产比例（fixeda）用企业固定资产总额除以总资产表示；政府补贴（subsidy）用企业当年获得的政府补贴金额除以企业总资产表示。所有变量均在 1%水平上做了缩尾处理。具体变量的定义和处理方法见表 1。表 1 变量的定义及赋值处理 变量类型 变量名称 变量定义 赋值和处理方法 被解释变量 zom 企业否为僵尸企业 如果企业为僵尸，取值为 1，反之为 0 解释变量 L.policy 选择性财政补贴政策 泰尔指数 控制变量 asset 企业规模 企业总资产，取自然对数处理 age 企业年龄 当年年份-企业成立年份+1 soe 所有制 国企为 1，反之为 0 la 资产负债率 负债总计资产总计 fixeda 固定资产比例 固定资产净值资产总计 subsidy 政府补贴 政府补贴，取自然对数处理 注：以上变量内容由作者构造并整理所得。（二）实证模型设定 为了探究选择性财政补贴政策是否会导致企业更易僵尸化，本文构造如下的实证模型，运用固定效应模型对理论假说进行实证检验。zomi,t=0+1L.Policyi,t+jControli,t+i+Tt+j,t+i,t （4）其中，i 表示企业、t 表示年份，被解释变量 zom 代表企业当年是否被识别为僵尸企业。policy表示选择性财政补贴政策，即财政补贴的集中度。control 表示一系列的控制变量，为了控制企业层面不随时间变化的影响和宏观经济冲击，本文在模型中分别加入了企业层面的固定效应 i和年份固定效应 Tt。考虑到主要解释变量 policy 是在行业层面计算的，因此一些行业固有特征以及潜在的行业层面随时间变化的因素也会对实证结果造成影响，本文进一步加入了2 位数行业和时间的联合固定效应 j,t，以吸收不同年份的行业间财政补贴等因素的差异。0表示截距项，i,t表示扰动项。本文对核心解释变量采取滞后一期的方式来处理，以此缓解双向因果关系隐患下的内生性问题。本文主要关心的回归系数为 1，如果模型（4）中的回归系数 1显著为正，则说明选择性的财政补贴政策是我国僵尸企业形成的原因之一，财政补贴的配置越集中，企业僵尸化的风险则越大。表 2 为主要变量的描述性统计。表 2 主要变量的描述性统计 变量名 观测值 均值 标准差 最小值 最大值 zom 1 576 989 0.281 7 0.449 8 0.000 0 1.000 0 policy 1 576 989 0.073 6 0.115 4 0.000 0 0.870 2 asset 1 576 989 9.863 3 1.464 8 6.845 9 14.281 2 age 1 576 989 10.522 6 11.329 5 0.000 0 52.000 0 周文婷等：选择性产业政策、资源配置扭曲与僵尸企业形成 61 续表 变量名 观测值 均值 标准差 最小值 最大值 soe 1 576 989 0.078 2 0.268 5 0.000 0 1.000 0 la 1 576 989 0.566 1 0.293 3 0.007 1 1.443 0 fixeda 1 576 989 0.337 0 0.223 7 0.002 9 0.920 6 subsidy 1 576 989 0.002 2 0.009 8 0.000 0 0.070 7 四、实证结果（一）基准回归分析 首先，为了检验假说 1，本文对模型（4）进行实证分析，回归结果见表 3。其中，第（1）列只加入了个体、时间的固定效应以及 2 位数行业*时间的联合固定效应（以控制 2 位数行业层面随时间变化的一系列因素，其中包括 2 位数行业的分布变化特征、行业管理政策的变化以及投资管制等政策），选择性财政补贴政策 policy 的回归系数为 0.030 7，在 1%的统计水平上显著为正，表明一组完全集中的补贴（policy 为 1），将使得企业僵尸化的概率增加 3.07 个百分点，即随着财政补贴政策选择性增强，企业僵尸化的概率也显著增加。其次，我们逐步加入其他控制变量，进一步观察 subsidy 的回归系数是否发生显著变化。第（2）列加入了企业规模（asset）、企业年龄（age）、企业所有制（soe）、资产负债率（la）、固定资产比例（fixeda）以及政府补贴（subsidy）等控制变量。结果显示，policy 的回归系数依然显著为正。第（3）列进一步控制了省份*时间的联合固定效应，以缓解某些随时间变化的省份层面的遗漏变量引发的估计有偏问题，比如，省份层面逐年变化的经济波动可能会同时影响财政补贴配置方式和企业的经营状况。回归结果显示，policy 的系数为 0.026 2，依然在 1%的统计水平上显著为正。最后，在此基础上本文进一步加入 4 位数行业的赫芬达尔指数来衡量行业的集中（industry_comp），以排除更精细行业维度上的行业集中度的影响，实证结果如表 3 第（4）列所示，policy 的回归系数依然显著，估计结果进一步支持了假说 1。政府出于获得短期经济增长的目的，运用包括财政补贴在内的选择性产业政策，激励企业扩大规模、增加投资，最终增大了企业的僵尸化风险，导致“繁荣”过后的僵尸化浪潮的出现。表 3 基准回归实证结果 变量 zom (1)(2)(3)(4)(0.007 6)(0.005 9)(0.006 3)(0.006 3)asset -0.056 7*-0.056 9*-0.056 9*(0.002 5)(0.002 5)(0.002 5)age 0.009 5*0.010 4*0.010 4*(0.002 5)(0.002 3)(0.002 3)soe 0.055 9*0.055 4*0.055 3*(0.006 5)(0.006 4)(0.006 4)la 0.421 5*0.420 7*0.420 8*(0.013 0)(0.013 2)(0.013 2)fixeda 0.078 1*0.077 1*0.077 1*(0.009 9)(0.009 7)(0.009 7)本文借鉴王文（2014）的做法，以销售收入计算的赫芬达尔指数（herf_sale）来测度行业的竞争程度。同时为了使该指标的数值大小与竞争程度的高低保持一致，取 1-herf_sale 来衡量行业竞争度，该指标越大，表明行业竞争度越高。在此，我们特别感谢审稿专家所提出的宝贵意见。产业经济评论 2023 年第 3 期 62 续表 变量 zom subsidy 0.328 7*0.339 1*0.339 0*(0.112 5)(0.113 1)(0.113 1)industry_comp -0.011 0*(0.006 1)_cons 0.330 8*0.478 8*0.410 2*0.420 5*(0.014 9)(0.031 5)(0.037 5)(0.038 4)个体效应 YES YES YES YES 行业*时间 YES YES YES YES 省份*时间 NO NO YES YES N 1 576 893 1 389 163 1 389 163 1 389 163 R2 0.002 0 0.049 6 0.050 0 0.050 0 注：（1）所有回归聚类到省份层面，括号内为标准误值；（2）*、*、*分别表示在 10%、5%和 1%的置信水平上显著。（二）稳健性检验 针对以上基准回归结果，本文进一步实施以下稳健性检验对本文的基本结论进行巩固和验证。1.在不同层级聚类。在基准回归中，我们将样本在省级层面聚类，原因在于省级聚类可能更为严格，识别了企业所在较高组群程度上的异方差和自相关问题。在本节中，我们将放宽回归中的聚类要求，将样本分别在城市层面以及个体层面聚类，以观察 policy 的回归系数的变化，结果见表4 的第（1）-（2）列。其中第（1）列为在城市层面聚类结果，第（2）列为在个体层面聚类结果。我们可以发现，各类层级聚类的估计结果均显示，选择性财政补贴政策的系数显著为正，与基准回归结果保持一致。2.替换解释变量的度量指标。其一，在基准回归中，本文借鉴的是泰尔指数的构造思路来计算财政补贴的集聚程度。在此，我们参考 Aghion et al.（2015）的做法，使用赫芬达尔指数的计算方法重新测度选择性财政补贴政策（herf_sub）。具体计算方法如下：herf_subi,t=(subijt/subjt)2。其中 subijt表示行业 j 中的企业 i 在 t 年获得的财政补贴，subjt表示 j 行业所有企业获得的财政补贴总额。考虑到补贴可能会偏向市场上生产率较高的企业或者经营状况较差的企业，因此该计算方式可能存在一定的内生性问题。因此，本文在计算过程中 Herfindahl 指数时，分子分母均减去了企业i 自身获得的财政补贴，以剔除企业自身获得政策支持的影响。同时，在回归中对企业获得的财政补贴这一变量加以控制。黄先海等（2015）认为，Herfindahl 指数的大小容易受到行业内企业数量的影响，因此本文在加入上述基准回归中的控制变量的前提下，进一步控制了企业所处行业的企业数量。herf_sub 越大，表明政府补贴的配置越集中，更偏向于采用选择性财政补贴政策。估计结果见表 4 第（3）列。选择性财政补贴政策的回归系数显著为正，说明在更换了选择性财政补贴政策的度量指标以后，估计结果依然稳健。其二，考虑到原有的 policy 更多的反映的是行业内的财政补贴配置状况，因此本文进一步计算不同行业间的补贴离散度，再与原基础的 policy 交乘得到新变量policy_new，这一新变量 policy_new 不仅包含了行业内的财政补贴的配置情况，还包括了行业间的财政补贴配置状况，能够更加全面地反映选择性产业政策的特点。实证结果对应表 4 第（4）列。当考虑了上述一系列因素之后，policy_new 的回归系数依旧显著为正。3.替换被解释变量的度量指标。我们主要使用两种新方法对僵尸企业进行测度。其一，在基 在此，我们特别感谢审稿专家所提出的宝贵意见。周文婷等：选择性产业政策、资源配置扭曲与僵尸企业形成 63 准回归中，我们在 FN 识别方法的基础上，参考 Imai（2016）的修正方法，用企业连续三年内的实际利润之和作为改进后的盈余标准，如果三年内的实际利润之和为负，则被识别为僵尸企业。在此，我们将窗口缩小和扩大，采用两年期、四年期、五年期的实际利润之和为标准重新识别僵尸企业（zom1、zom2、zom3），回归结果见表 4 的第（5）-（7）列，policy 的回归系数依然显著为正。其二，在基准回归中，我们在测度僵尸企业的公式（3）中使用的是企业的利润总额，考虑到其中可能包含了企业的非经常性损益项目，因此，我们借鉴谭语嫣等（2017）的做法，在此使用企业的营业利润率进行替代，对僵尸企业进行重新识别（zom4）。实证结果对应表 4 第（8）列，可以看出在更换了僵尸企业的识别方法后，结果依然与基准回归结果保持一致。4.工具变量。尽管上述的一系列分析和检验为我们识别选择性财政补贴政策对企业僵尸化的影响提供了有力的支撑，但实证分析中可能仍然存在一些不可观测的遗漏变量以及潜在的反向因果等内生性隐患，从而导致估计结果有偏。具体而言，其一，反向因果的问题无法完全排除。尽管我们在基准回归中对核心解释变量进行了滞后一期处理，能够在一定程度上缓解反向因果的问题，但考虑到这一方法有其局限性，无法完全排除反向因果下的内生性问题。其二，潜在的遗漏变量的问题无法完全排除。尽管我们在基准回归中加入了一系列可能影响到企业僵尸化的控制变量，并进一步控制了各类固定效应，但不可观测的遗漏变量的问题依然存在，例如来自城市层面的经济差异可能同时会对政府的补贴配置以及客户的经营状况产生影响，从而影响企业的僵尸化风险。因此，为了缓解上述可能存在的内生性问题，我们进一步采用工具变量方法修正估计偏误。具体来说，本文选取了不包括企业 i 所在城市样本的其他地区同行业的企业补贴数据，计算了相应的泰尔指数（policy_iv），以此作为基准回归中选择性财政补贴政策的工具变量。使用这一工具变量的合理性有几下几点：其一，同行业中除本城市之外的其他地区的补贴配置与整个行业的补贴分配方式密切相关，因此采用该方法计算得到的泰尔指数与选择性财政补贴政策存在高度的相关性。其二，从排他性的角度来看，该企业所处城市之外的其他地区的财政补贴配置模式很难通过除财政补贴政策之外的其他渠道来影响到企业僵尸化的概率，因此变量满足工具