| 研究问题 | 装备制造业与高技术产业销售收入的快速增长是否伴随资源配置效率的改善?要素从传统行业向高端制造业的再配置对全要素生产率(TFP)的贡献有多大? |
| 理论框架 | Hsieh & Klenow(2009)资源错配模型、Melitz(2003)异质性企业贸易理论、Restuccia & Rogerson(2008)政策扭曲与生产率分析框架 |
| 研究方法 | 使用OP/LP/Wooldridge法估计企业层面TFP,结合Olley & Pakes(1996)分解法将行业加总生产率分解为企业内效应与再配置效应 |
| 数据来源 | 国家税务总局增值税发票数据库(行业—企业层面销售收入与进销项)、中国工业企业数据库、国家统计局行业分类数据 |
| 创新点 | 首次利用增值税发票高频全量数据测度资源配置效率,突破传统基于规模以上工业企业调查数据的局限,可覆盖中小企业和新兴行业 |
在新古典增长框架下,产业升级的本质是要素从低生产率部门向高生产率部门流动。本研究构建包含行业异质性的资源配置模型:H1,装备制造业与高技术产业的销售收入份额提升伴随行业间要素再配置效率改善;H2,计算机通信、集成电路等细分行业内部的企业选择效应(低效企业退出、高效企业扩张)是销售收入增长的主要微观机制;H3,增值税进销项匹配度越高的行业,资源配置效率改善越显著,反映市场信号的有效传导。
核心识别挑战在于销售收入增长与资源配置效率之间的内生性:高效率可能同时驱动增长和再配置。本文利用"金税三期"在全国分批上线的时间差构造工具变量——系统上线外生地提高了发票数据覆盖率和税收征管精度,降低了企业间交易的信息摩擦,但与企业自身生产率无关。采用Bartik工具变量(行业层面初始份额与全国层面增长率交互)进行因果识别,排除需求侧冲击的混淆效应。
基准回归采用行业—年份面板的双向固定效应模型:ΔTFP_{it} = α + β·ShareHighTech_{it} + γ·ReallocationIndex_{it} + δ·X_{it} + μ_i + λ_t + ε_{it}。其中,ShareHighTech为高技术产业销售收入占行业总销售收入比重,ReallocationIndex为OP分解的再配置项。进一步使用工具变量2SLS估计,第一阶段:ShareHighTech_{it} = θ·GoldenTax_{it} + φ·Bartik_{it} + 控制变量 + 固定效应。
核心被解释变量为行业层面TFP增长率(LP法估计);解释变量包括销售收入份额变动、OP协方差项(衡量再配置效率)、行业集中度(HHI)。数据层面,将增值税发票按《国民经济行业分类》(GB/T 4754)四位码行业加总,时间跨度为2018—2026年月度面板。控制变量包括行业平均企业年龄、出口依存度(基于发票销项方向判断)、行业外资占比等,以剔除产业生命周期和外部需求的影响。
第一,替换TFP估计方法,分别使用ACF法(考虑劳动投入的内生选择)和Levinsohn-Petrin法(中间投入作为代理变量),验证结果不依赖特定估计方法。第二,排除极端样本,剔除销售收入增长率前1%和后1%的行业,检查离群值驱动效应的可能。第三,安慰剂检验,将"金税三期"上线时间随机前置2年,若效应仅在实际政策实施后出现,则支持因果链。第四,子样本回归,仅保留民营企业和中小企业样本,检验资源配置效率改善是否惠及非国有部门。
---