四部门部署实施创业模式引领行动

在Lucas（1978）的职业选择模型中引入政策引致的分类信息信号：政府通过"科技成果+创业"、"职业技能+创业"等标签发布需求信号，降低了创业者的市场搜寻成本。假说H1：分类引导政策使创业者进入与自身禀赋匹配的领域，提升行业层面的资本边际产出均等化程度；H2：相对于传统普惠式补贴，"按类施策"的边际配置效率提升随行业异质性增大而递增；H3：政策效果在信息不对称程度较高的行业（如民生需求类服务）中更为显著，因为分类标签直接压缩了需求不确定性。

以2026年四部门印发通知为外生政策冲击，构造多期DID。处理组为四类创业模式明确覆盖的二位数行业（科技服务业、农副产品加工业、居民服务业、职业技能培训业），对照组为未被政策分类提及的创业领域。识别假定是：在政策出台前，处理组与对照组的创业进入趋势满足平行趋势；利用事件研究法检验事前趋势，并控制同期其他创业扶持政策（如减税降费、营商环境改革）的混淆效应。

基准回归设定为：$Y_{it} = \alpha + \beta \cdot Treat_i \times Post_t + \gamma X_{it} + \mu_i + \lambda_t + \varepsilon_{it}$。其中 $Y_{it}$ 为行业 $i$ 在 $t$ 时期的创业进入数量与平均资本效率（行业内企业ROA均值），$Treat_i$ 为四类覆盖行业虚拟变量，$Post_t$ 为2026年6月之后的时间虚拟变量。进一步采用交互项模型：$Y_{it} = \alpha + \beta_1 Treat_i \times Post_t + \beta_2 Treat_i \times Post_t \times InfoAsym_i$，其中 $InfoAsym_i$ 为行业层面的信息不对称度量（行业集中度HHI的倒数）。

被解释变量：（1）创业进入率 = 行业月度新注册企业数 / 行业存量企业数；（2）资本配置效率 = 行业内企业ROA的标准差（标准差越小，资源配置越优化）；（3）创业存活率 = 成立12个月后仍存续企业占比。核心解释变量：行业是否属于四类模式覆盖范围（手动编码）。控制变量：行业平均工资、行业市场集中度、地区市场化指数。数据跨度为2023年1月至2028年12月的月度面板。

策略一：替换政策时点，将虚拟政策时点前移12个月进行安慰剂检验，若安慰剂DID系数不显著，则排除前定趋势。策略二：使用合成控制法（SCM），以非覆盖行业线性组合构造反事实处理组，比较真实处理组与合成反事实之间的差异。策略三：变换行业编码方式，将创业模式覆盖识别从二位数行业改为三位数细分行业，检验结果对行业聚合测度的敏感性。策略四：排除一线城市样本，检验政策效果在非核心城市的异质性，排除大城市创业生态本身优越性的混淆效应。

---

创业补贴不同于基础设施投资，其乘数效应的传导渠道包括：直接效应（创业者消费倾向引致需求）、间接效应（创业带动就业引致工资消费）、供给侧滞后效应（新企业形成产能）。根据Blanchard & Leigh（2013），在经济下行期财政乘数更大。假说H1：创业补贴支出的即期需求乘数在0.8-1.5之间，低于基建投资的乘数，但供给侧滞后效应使累计乘数在24个月后超过基建。假说H2：民生需求类创业的短期消费乘数高于科技创业，但科技创业的长期资本形成效应更强。H3：在失业率高于自然率时，创业补贴乘数显著放大。

采用Jorda（2005）局部投影法，将各省创业扶持支出的跨期变异作为外生冲击来源。关键识别问题在于：创业支出额度可能与地方经济状况内生—经济越差的省份越倾向于申请更多转移支付。为此，利用中央对地方转移支付中的"公式分配"部分（由人口、辖区面积等外生变量决定）作为工具变量。识别假定是：中央转移支付公式中的权重变量（如常住人口）与地方创业支出的残差项不相关，满足排他性约束。

基准方程：$y_{i,t+h} - y_{i,t-1} = \alpha_i^h + \beta_h \cdot \Delta G_{i,t}^{entrep} + \gamma_h \cdot X_{i,t} + \varepsilon_{i,t+h}$，其中 $y$ 为地区GDP或消费的对数，$h = 0,1,...,24$ 为响应期数，$\Delta G^{entrep}$ 为创业扶持支出的外生变动（以IV拟合值替代）。进一步引入状态依赖：$\beta_h = \beta_h^L \cdot I(z_{i,t} \le c) + \beta_h^H \cdot I(z_{i,t} > c)$，其中 $z$ 为经济状态变量（产出缺口或失业率偏离自然率的程度），$c$ 为数据驱动的门槛值。

核心解释变量：省级创业扶持财政支出 = 就业补助资金中"创业扶持"项 + 科技支出中"中小企业创新"项 + 商务部门"电子商务进农村"等创业相关专项。被解释变量：省级月度GDP增速（以工业增加值+服务业生产指数合成）、社会消费品零售总额增速、城镇新增就业人数。控制变量：地方一般公共预算支出总额（扣除创业项）、M2增速、房地产开发投资增速。数据跨度为2018年至2028年的省级月度平衡面板。

策略一：改变工具变量构造方式，以滞后一期的"中央转移支付中创业相关科目的全国均值"作为B-C风格的偏移份额IV（Bartik IV），检验结果对弱工具变量的敏感性。策略二：做变量替换，将GDP增速替换为夜间灯光数据和增值税发票开票额这两个更及时的经济活动指标。策略三：将面板频率从月度转为季度，检验数据平滑是否改变乘数估计值。策略四：剔除2020-2022年疫情冲击期的特殊样本，在正常经济状态子样本中重新估计。

---

科研人员的知识资产具有高度专用性——前沿领域的知识若不及时转化，其市场价值随时间快速折旧。离职创业面临的"专用性锁定"风险（创业失败后无法返回科研岗位）抑制了转化激励。离岗创业制度通过保留编制，实质上为专用性人力资本提供了"看跌期权"保护。假说H1：享受离岗创业政策的科研人员创办企业存活率高于直接辞职创业者，但企业创新激进性（专利引用距离）低于后者（制度安全网降低了冒险意愿）。H2：政策效果在科研成果"技术就绪度"中等水平时最大化——太低则无创业基础，太高则企业资本化需求超过政策保护价值。H3：设有专业化技术经理人机构的单位，其科研人员创业存活率更高（交易成本治理机制与制度激励的互补性）。

核心识别挑战在于自选择偏差——选择离岗创业的科研人员可能自身能力较弱或科研成果市场化前景较差。利用各省份"离岗创业年限"政策差异（3年 vs 5年 vs 8年）以及政策推出时间差异构造多断点回归（Multiple RD）。同时，以科研人员所在单位的学科评估等级作为创业能力的代理变量，在PSM第一阶段的匹配中消除能力差异。关键识别假定：各省份离岗创业政策差异由省级行政决策时间决定，与个体科研人员的成果质量不相关。

基准模糊RD设定：$Y_i = \alpha + \tau \cdot D_i + f(X_i) + \gamma W_i + \varepsilon_i$，其中 $D_i$ 为是否利用离岗创业政策的二元变量，$X_i$ 为驱动变量（政策年限差异的标准化处理值），$f(X_i)$ 为局部线性或局部二次拟合。第二阶段引入制度互补性交互：$Y_i = \alpha + \tau \cdot D_i + \delta \cdot (D_i \times TM_i) + \beta W_i + \varepsilon_i$，$TM_i$ 是机构层面是否有技术经理人团队的虚拟变量，$\delta$ 捕捉治理机制与制度激励的互补效应。

被解释变量：（1）企业3年存活率；（2）创业企业首轮融资时间（成立到获得外部投资的月份数）；（3）创业后专利引用数量与引用方向中位数（测量创新质量与方向）。核心解释变量：是否使用离岗创业政策（手动匹配人事备案数据与企业注册信息）。控制变量：科研人员年龄、职称、学科领域、所属高校层次、创业前5年论文发表数（h指数）。样本覆盖2018-2028年期间离岗创业与辞职创业的科研人员。

策略一：改变RD带宽选择，使用Calonico-Cattaneo-Titiunik（CCT）最优带宽与手动±1年、±2年带宽进行交叉验证。策略二：使用Cox比例风险模型替代线性概率模型，考虑创业失败风险随时间变化的特征。策略三：以"政策推出前5年"样本作为伪处理组进行安慰剂检验，排除科研人员创业趋势本身的结构性变化。策略四：使用Heckman两阶段模型处理样本选择问题，以"所在省份离岗创业政策年限"作为选择方程中的排他性工具变量。

---

根据Camerer & Lovallo（1999），创业者在进入决策中普遍存在"参照组忽视"——高估自身能力而低估竞争强度。四分类模式清单充当了"聚焦型助推"，将无限可能的创业方向压缩为可比较的四选项菜单，降低了选项过载和模糊厌恶。假说H1：接受分类菜单引导的创业者决策时间更短且事后满意度更高（选择质量提升）。H2：分类菜单中的"科技成果+创业"选项产生了锚定效应——高学历创业者的选择被向上引导至该选项，而低学历者可能向下选择"民生需求+创业"，即菜单具有"能力-选项匹配"的排序功能。H3：分类引导降低了创业失败后的后悔程度，因为"按政策建议选择"提供了外部归因通道（减少认知失调）。

采用分层随机对照实验（Stratified RCT）：在各省创业培训班中，将学员随机分配至处理组（提供四分类模式详细指南，包括每个模式的市场需求分析、技能匹配建议、成功案例）和对照组（提供等量的通用创业信息，不做分类引导）。实验前测量学员的过度自信指数（以"你认为你的创业成功概率比同类学员高多少"的10分制量表衡量）。主要结果变量为：培训后填写的创业方向计划、6个月后实际注册类型、12个月后企业存活状态。分层变量为学历（高中及以下 / 大专本科 / 研究生）和年龄段。

基准ITT（Intention-to-Treat）估计：$Y_i = \alpha + \beta \cdot T_i + \gamma X_i + \delta_s + \varepsilon_i$，其中 $T_i$ 为处理组虚拟变量，$\delta_s$ 为分层固定效应。关键机制检验：$M_i = \alpha + \theta \cdot T_i + \gamma X_i + \delta_s + \varepsilon_i$，$M_i$ 为中介变量（决策时间、选项集规模、选项集中度赫芬达尔指数）。进一步估计CATE（条件平均处理效应）：$\beta(z) = E[Y(1)-Y(0)|Z=z]$，以过度自信指数 $Z$ 为条件变量，采用因果森林（Causal Forest）估计个体化处理效应，检验处理效应是否随过度自信程度单调变化。

主要因变量：创业方向与四类模式匹配度（二元变量，手动匹配）；创业启动率（6个月内完成工商注册）；创业存活（12个月后仍存续）。机制变量：决策时间（从培训结束到填写创业计划的天数）；选项数量（学员考虑过的创业方向数量）；信心校准度（预期成功率与实际成功率的差值绝对值）。实验样本量为每组至少300人，总样本约600人，统计功效在效应量为0.25标准差的条件下达到80%。

策略一：排除Hawthorne效应——增设"弱处理组"，仅提供四类模式名称不加解释，与完整处理组和对照组三重比较，若弱处理组效应显著弱于完整处理组，则机制可信。策略二：替换主要因变量为创业质量指标（如初始雇佣人数、注册资本），检验分类引导是否仅影响"是否创业"而不影响"如何创业"的边界。策略三：使用多重插补（Multiple Imputation）处理失访样本的选择性磨损（12个月追踪损失率若超过15%）。策略四：以创业培训班所在地级市的网络搜索指数（"创业项目"、"什么生意好做"等关键词）作为补充因变量，检验信息需求端是否同步变化。

---

传统的Lewis模型预测劳动力从农业向工业单向转移，但在数字经济与县域交通基础设施大幅改善的背景下，返乡创业成为一种"携带资本和知识回流的双向转移"。Hausmann & Rodrik（2003）强调，产业升级的关键瓶颈在于"发现何种产品具有比较优势"的成本——外出务工人员在城市产业中积累了行业知识与市场渠道，返乡创业实质上将"成本发现"从城市外溢至县域。假说H1：返乡创业密集的县域，制造业内部产业结构复杂度（Economic Complexity Index）提升速度快于非返乡创业密集县域。H2：返乡创业者选择的产业与其曾务工的城市产业存在显著相关性，且该关联度随务工年限增加而增强（技能携带效应）。H3：返乡创业产生的就业乘数效应在服务业（尤其是民生需求类）中大于制造业——每个制造型返乡企业平均带动2-3个本地服务业新就业岗位。

返乡创业的内生性挑战在于：经济条件较好的县域本身吸引更多人返乡，而非返乡创业推动了县域发展。采用两阶段策略：第一，以"外出务工人员集中流入城市的产业衰退冲击"作为返乡决策的工具变量——当沿海某制造业城市因产业外迁或贸易冲击而减少用工需求时，源自该城市的返乡务工人员被动增加，提供了返乡决策的外生变异。第二，以"第一批返乡创业者"（2018年前）的县域分布作为工具变量，利用创业的先发优势和网络效应识别后续返乡创业的因果效应。排他性约束：历史返乡创业分布仅通过影响当前的返乡创业潮来影响县域经济，而不通过其他渠道（如政策偏袒、基础设施历史投资）直接影响当前产业升级。

基准2SLS设定：第一阶段 $ReturnEntrep_{ct} = \alpha + \pi \cdot Shock_{c,t-1} + \gamma X_{ct} + \mu_c + \lambda_t + \varepsilon_{ct}$；第二阶段 $Y_{ct} = \alpha + \beta \cdot \widehat{ReturnEntrep}_{ct} + \gamma X_{ct} + \mu_c + \lambda_t + \varepsilon_{ct}$。其中 $ReturnEntrep_{ct}$ 为县域 $c$ 第 $t$ 年的返乡创业企业数量（对数），$Shock_{c,t-1}$ 为基于滞后一期的外出务工人员流入城市加权产业衰退指数：$Shock_{c,t-1} = \sum_j w_{cj} \cdot Decline_{j,t-1}$——$w_{cj}$ 为县域 $c$ 在流入城市 $j$ 的外出务工人员占比，$Decline_{j,t-1}$ 为城市 $j$ 制造业从业人员同比下降率。

被解释变量：县域制造业产业结构复杂度（ECI，基于细分行业就业分布计算）；县域GDP增速（与全省均值之差）；县域第三产业就业占比变化。核心解释变量：返乡创业企业密度 = 当年县域内由"曾在外地务工人员"注册的新企业数 / 县域劳动力人口。工具变量：流出城市加权产业衰退指数（需构建县域-城市务工人员流出矩阵）。控制变量：县域高速公路密度、县域互联网宽带接入率、县域中学教育水平、县域金融服务可得性（银行网点数）。数据为2015-2028年县级面板，约2000个县级行政单位。

策略一：将返乡创业的产业类型按四类模式细分（科技成果/产业转移/技能/民生），检验不同模式的返乡创业对产业升级的异质性贡献——期望结果是产业转移型对制造业复杂度贡献最大，民生型对服务业就业贡献最大。策略二：使用行业层面的偏离-份额分析（Shift-Share），识别县域产业结构变化中的"返乡创业引致的竞争效应"分量。策略三：空间杜宾模型（SDM）估计返乡创业的跨县域空间溢出效应——邻近县域的返乡创业是否对本县域产生竞争效应或示范效应。策略四：以同期实施的乡村振兴衔接资金和产业扶贫项目作为混淆政策进行控制，剥离返乡创业政策的独立效应。

---