地方政府基础设施投资会抑制企业技术创新吗？　　

(二)模型识别问题

      在利用省级基础设施数据和制造业企业研发支出数据检验理论假说时，模型识别可能会存在以下3个问题。

      第一，样本自选择问题。本文意在评估基础设施对企业研发决策的影响，而各省份经济发展不平衡使得企业在各省份的分布并非一个随机样本⑧。基础设施可提高当地土地价格和平均工资，生产效率低下的企业不能承受高地价和高工资，只能向中西部地区转移，留下高生产率企业。因而拥有良好基础设施的东部地区聚集了大量高生产率大企业，这些高生产率大企业往往是研发主力军，使基础设施资本存量与企业研发呈现正相关。

      第二，删截样本问题。只有研发收益超过一定阀值，才可以观察到企业研发支出。本文样本中只有大约11%左右的企业存在研发活动，大部分企业研发支出为0。这意味着我们得到的是一个删截样本，企业研发支出的分布不再满足最小二乘法(OLS)的经典假设。

      第三，基础设施资本空间溢出效应⑨。鉴于交通、通讯等基础设施具有较强空间网络性，且随着区域经济一体化日益加深，忽略基础设施的空间溢出效益可能会造成基础设施的本地效应被高估。

      我们采用企业面板数据固定效应模型处理样本自选择问题，并从企业研发概率和研发密度两个角度估计基础设施对企业研发决策的影响。企业不可观测生产率特征影响企业在不同省份的样本分布。如果该异质性和基础设施建设同时影响企业研发，通过控制企业固定效应，可以控制企业不可观察的生产效率异质性对研发支出的作用。即通过观察同一家企业在不同基础设施投资下的研发支出行为，就可以排除由于企业生产效率异质性产生的样本自选择问题。再通过控制企业规模和投资机会等企业特征，可识别出相同规模和相同投资机会的企业研发支出因政府基础设施投资而改变的效应。

      我们在回归中加入基础设施资本空间滞后项，避免遗漏空间溢出效应，减少估计偏差。本文标准化权重矩阵有两个定义：一是两个区域地理位置是否相邻；二是经济空间权重矩阵(林光平等，2006)。其中，经济空间权重矩阵，W为地理位置是否相邻矩阵：

      

      表示第i个省份t年人均GDP。地区间经济发展程度相近则市场规模相似，经济距离越短，基础设施空间网络增强，溢出效应越大。以上两个权重矩阵兼顾了各地区地理和经济上的相互联系。加入空间滞后解释变量后，基础设施资本的规模效应被细分为本地效应和溢出效应，且我们仍可使用标准的计量方法进行估计。

      (三)作用机制检验问题

      由于难以度量规模经济指标，我们不便用常规计量方法直接验证规模经济的作用机制，大企业从基础设施改善中获利大于小企业，该差异性为检验产品市场规模效应提供了便利。借鉴Rajan和Zingales(1998)的思想⑩，我们通过基础设施资本和企业规模的交互效应间接检验规模经济作用机制，并进一步证实基础设施和企业研发的因果关系。

      在规模经济作用机制检验方法设计上，我们假设：(1)基础设施资本存量对企业研发产生影响存在两种可能——一种可能是存在规模效应；第二种可能是不存在规模效应。(2)每个地区企业有两种不同规模——具有规模经济的大企业，不具有规模经济的小企业。即使不考虑基础设施产生的规模效应，大企业研发支出以及从事研发可能性通常也高于小企业；如果存在规模效应，则基础设施会增加大企业研发支出以及从事研发的概率，从而加大不同规模企业研发支出以及从事研发投资概率的差异。如果能够证实两类企业研发支出和从事研发概率的差异因为基础设施资本存量不同而出现变化，那么我们就能更加确信这样的因果关系：基础设施资本可以产生规模效应，促进企业研发投资。

      我们采用两种方法检验挤出效应的作用机制：首先，由于小企业更容易受到融资约束，这种挤出效应会增加大小企业研发支出和从事研发投资概率的差异，使用基础设施投资和企业资产交互项也可以间接检验挤出效应作用机制；其次，利用我国资金市场地区分割和基础设施融资特点，用地级市数据进一步验证地方政府基础设施投资对企业债务融资成本的影响。相关内容见本文第七部分。

      五、数据、变量和特征事实

      (一)数据来源和样本处理

      本文数据来源主要有：规模以上工业企业数据库2004-2007年、《中国统计年鉴》2004-2007年、《中国城市年鉴》2004-2007年，金戈(2016)估算的省级基础设施资本数据。规模以上工业企业数据库包括了采矿业、制造业和电力、燃气及水的生产和供应业。由于采矿业受国家政策影响干预较大，而电力、燃气及水的生产和供应业本身属于基础设施产业，因此我们仅使用制造业企业样本。为避免异常值干扰，去掉在政治和经济方面都比较特殊的省份西藏。

      本文企业特征的数据主要来源于中国制造业规模以上企业2004-2007年数据，这套数据包含全部国有企业以及年销售收入在500万元以上的非国有企业。本文所用工业库关键变量加总值，其中包括企业数量、工业总产值、工业增加值、从业人数、出口量，与Brandt等(2012)无差异。虽然我们把企业研发投资研究限定于3个年份的变化，但由于该数据企业样本足够大，本文模型识别不因样本量过小而受到限制，且可以在全样本下估计基础设施对企业研发投资的总体效应。

      地方政府基础设施数据来源于金戈(2016)估算的省级基础设施资本存量数据。相比于以往有关基础设施研究，本文使用金戈(2016)估算的数据有以下优点。第一，以往研究常使用基础设施实物存量或使用量指标——如公路(铁路)里程、交通设施密度，电话交换机容量、电话普及率、电力装机容量、能源消耗量等指标。采用实物存量或使用量指标的一个最大问题是，各种不同类型基础设施的实物指标很难加总，因此，研究者只能分别评价不同类型基础设施的经济效应，却难以对基础设施的整体效应做出准确评价。第二，真正改善投资环境的是基础设施存量而非流量。与仅使用当年基础设施投资流量指标的研究相比，本文可以区分基础设施资本存量的市场规模挤入效应和当年基础设施投资流量的金融挤出效应。第三，用省级层面基础设施数据配合企业层面研发支出数据，使基础设施和企业研发的因果关系更为清晰，减少因变量和自变量互为因果的内生性问题。

      我们对工业企业数据库企业样本处理如下(Cai and Liu，2009；Feenstra et al.，2014；聂辉华等，2012)：(1)删除关键变量(总资产、平均就业人数、固定资产)数据缺失的观察值；(2)删除平均就业人数小于10人的观察值；(3)删除负数的观察值：总资产-流动资产、总资产-固定资产年平均值、总资产-固定资产净值、累积折旧-当期折旧、当期折旧、流动负债-应付账款、负债-长期负债、财务费用、利息支出、资本项(国有资本、集体资本、外商资本、私人资本)、开业年份、年份-开业年份；(4)去掉只有一年观测值的样本；(5)变量的异常值处理参见变量定义。

      

      

      图3 基础设施资本存量和研发企业数量

      (二)描述性事实

      1.描述性统计

      表1显示了本文回归分析中变量的描述性统计。在回归分析样本中，约10%的企业从事研发投资，与成力为、戴小勇(2012)的结果相一致。成力为、戴小勇(2012)对2005-2007年工业企业研发投入分布特征做了较为详细的描述统计，发现我国企业研发活动集中在通讯电子设备制造、交通运输设备制造、电气机械制造等行业，这些行业与基础设施投资密切相关。

      2.基础设施资本与企业研发决策：规模效应

      在产品市场规模效应驱使下，地区研发企业数量与当地基础设施资本存量以及经济规模相匹配。图3显示了省级层面地区基础设施资本存量与研发企业数量的关系(11)。从数据上看，基础设施资本存量、研发企业主要集中在东部地区，尤其是江苏、广东和浙江三省，地区差异巨大。基础设施建设可以破除中国严重市场分割、加深经济一体化程度，使江浙沪、珠三角地区成为我国经济一体化程度较高的地区。由于市场规模扩大会激励当地企业从事研发投资，因而东部基础设施发达地区研发企业数量领先于全国。西部地区基础设施最落后，具有研发行为的企业也最少。

      拥有良好基础设施的东部地区还有较高平均利润、更多企业进入以及更少企业退出(12)，如图4、图5和图6所示。城市基础设施有助于企业从规模经济中获得成本优势，从而保持较高盈利水平。在利润刺激下，为获得规模经济，新企业偏向于进入基础设施良好的地区生产。同时这些企业通过加大研发投资，不断推出新产品以获得更强竞争优势。在图5中，基础设施资本存量与企业进入呈倒U型。原因可能是长三角和珠三角地区市场化程度高，前期已有大量企业进入，市场竞争日趋激烈。在位企业一旦获得强大竞争优势，其所处行业迅速变为由少数第一批行动者主宰的垄断竞争结构。于是企业技术创新构成新的进入障碍，除非有技术上重大突破，新企业难以进入这些行业。而中部地区市场化程度低于东部地区，竞争程度较低，反而有更多企业进入。随着大企业把市场份额在地理位置上不断拓展，基础设施落后地区的低效率企业不得不被淘汰出局，因而西部地区有较高的企业退出率。

      

      图4 基础设施资本存量与地区平均利润

      

      图5 基础设施资本存量与企业进入

      

      图6 基础设施资本存量与企业退出

      

      图7 基础设施投资规模和地区平均债务融资溢价

      3.基础设施与企业研发决策：挤出效应

      另一方面，基础设施投资增加对企业研发也存在挤出效应。图7显示了基础设施投资与地区非国有企业平均债务融资溢价的关系(13)。西部地区基础设施资本存量较小，但是在西部大开发战略背景下，西部地区上马了大量基础设施投资项目，中西部地区基础设施投资占GDP的比例反而高于东部地区。政策干预可以缩小基础设施资本存量的地区差异，但同时也外生地改变了这些地区的资源配置，使大量资源投入到基础设施投资中，从而推高了中西部地区非国有企业融资成本，企业由于融资约束上升而削减研发投资。在图8中基础设施投资规模与研发企业数量呈现负相关。

      4.基础设施对不同规模企业研发决策的差异化影响

      在产品市场规模效应和金融市场挤出效应共同作用下，地方政府基础设施建设对不同规模企业研发决策存在差异性影响：基础设施更鼓励大企业增加研发投资。我们用有研发支出的大企业与小企业从事研发概率差异(14)，反映基础设施建设对不同规模企业研发决策的差异性影响。如果存在规模效应，大企业更容易因基础设施改善而扩大市场规模，摊薄研发固定投入，那么当基础设施资本存量增加时，在从事研发的大企业的比例将上升。因而规模效应使得在图9中基础设施资本和大小企业从事研发概率差异呈现正相关。地方政府为刺激经济而增加基础设施投资时，大量金融资源被分配到地方政府项目，金融市场利率上升且银行信贷额度紧张。相比于融资能力强的大企业，小企业更容易因融资困难而放弃研发投资，挤出效应使得在图10中基础设施投资和大小企业从事研发概率差异也呈现正相关。

      

      图8 基础设施投资和研发企业数量

      

      图9 基础设施资本与大小企业研发概率差异

      

      图10 基础设施投资与大小企业研发概率差异

      六、基础设施与企业研发实证结果

      (一)基础设施对企业研发的规模效应和挤出效应的实证结果

      1.线性概率模型的基本回归结果

      我们依次用线性概率模型、Logit模型、Probit模型估计基础设施对企业是否投入研发的影响。由于线性概率模型、Logit模型可以控制企业固定效应，避免企业不可观测因素造成的非随机样本问题，我们重点使用这两个模型。表2列1控制双向固定效应，基础设施资本的本地效应和溢出效应均显著为正，基础设施投资估计系数显著为负。该回归结果初步表明：地区基础设施资本增加1%，本地区企业从事研发概率上升6.2%，而相邻地区基础设施资本增加1%，本地企业研发概率上升9.4%；短期内基础设施投资增加10%，本地区企业研发概率降低1.4%。

      表2列1其他控制变量的估计结果均符合我们的预期。企业规模对企业研发决策的影响非常显著，进一步验证了研发行为由大企业主导的经验事实。现金流比率和市场占有率的估计系数为正，说明高成长性和拥有更多投资机会的企业更有动力从事研发。出口企业的研发比例也高于非出口企业。地方GDP代表了当地经济发展水平，当地人口可以代表地方市场规模。在经济发展水平较高，市场规模大的地区，企业有更强的动力从事研发投资。第三产业发展对企业研发倾向也有积极影响。在政府对市场干预越少的地区，企业研发活动更为活跃，这反映了政府行政控制力量对企业研发存在隐性抑制作用。

      

      2.稳健性检验(1)：排除间接渠道

      除了规模效应和挤出效应外，基础设施还可能通过FDI知识溢出效应、集聚外部性、加剧市场竞争、增加创新基础设施建设以及推动房价上涨等多种渠道间接影响企业研发决策。如果不控制这些间接