【视频】张国清出席全国进一步深化国资国企改革动员部署视频会议

国资国企改革的核心制度变革是实现从"管资产"到"管资本"的转型，其中考核评价体系是激励传导的关键枢纽。本研究构建三阶段理论框架：首先，基于Jensen & Meckling（1976）代理成本理论，国有企业的多层委托代理链（人民→政府→国资委→董事会→经理层）在传统"规模导向"考核下产生严重激励扭曲，经理人偏好过度投资扩张而非价值创造。其次，引入Holmström & Milgrom（1991）多任务委托代理模型，分析分类考核如何将公益类与商业类国企的多元目标解耦，减少考核指标的噪声干扰。第三，运用Stern Stewart的EVA框架，论证以经济增加值替代会计利润作为核心考核指标，能够将资本的机会成本内部化至经理人决策函数中——只有当ROIC超过WACC时，经理人才能获得正向激励。由此提出三个研究假说：H1（代理成本假说），分类考核与EVA核算的引入显著降低国企管理费用率（perk consumption proxy），提升经营效率；H2（投资效率假说），改革后国企过度投资（Richardson 2006模型残差为正）显著减少，投资-Q敏感度提升；H3（异质性假说），商业一类（竞争性）国企的改革效应强于公益类，中央企业强于地方国企（因监管力度差异）。

核心识别挑战在于国企考核改革并非随机分配——改革推进更快的省份可能本身治理水平更高，导致OLS估计高估改革效应。本研究采用两项识别策略：第一，利用各省分批推行分类考核与EVA核算的时间差异（2015-2022年各省国资委陆续发布新版考核办法），构建多期双重差分模型（staggered DID），以同一省份内未改革年份的国企作为对照组。第二，利用央企的行政层级属性（国务院国资委直接监管 vs 地方国资委监管）作为工具变量：央企在改革中面临更强的行政推动力，且其行政层级由历史路径决定（国资委2003年成立时划定的央企名单），满足外生性条件。参考Callaway & Sant'Anna（2021）的方法，对staggered DID中可能存在的"坏比较"（already-treated units as controls）进行组别-时期加权处理。平行趋势检验：检验改革前3年处理组与对照组的ROIC、管理费用率、过度投资水平是否保持平行趋势，并报告动态处理效应（改革后1-5年的逐年效应）。

基准回归采用双向固定效应模型：

Y_it = α + β₁·Classify_it + β₂·EVA_it + β₃·(Classify_it × EVA_it) + γ·X_it + δ_i + λ_t + ε_it

其中，Y_it为企业i在t年的经营绩效（以ROIC与WACC之差衡量价值创造、以管理费用率衡量代理成本、以Richardson模型残差衡量投资效率）；Classify_it为分类考核实施虚拟变量（该省在该年已实施=1）；EVA_it为EVA考核纳入年度薪酬决定机制的虚拟变量；交互项Classify_it × EVA_it捕捉两项制度的互补效应——分类考核为EVA提供清晰的核算边界（公益类资产按成本加成、商业类资产按市场回报考核），EVA为分类考核提供量化的价值标尺。控制变量X_it包括：企业规模（ln总资产）、资产负债率、前十大股东持股集中度、独立董事占比、行业赫芬达尔指数、省级GDP增速。δ_i为企业固定效应（控制不随时间变化的企业异质性），λ_t为年份固定效应（控制宏观周期）。标准误在企业层面进行聚类。

被解释变量方面：（1）价值创造指标采用ROIC-WACC差额，其中ROIC = NOPAT/投入资本，WACC按CAPM模型估算（无风险利率用10年期国债收益率、权益风险溢价用Damodaran中国ERP 5.5%、β从CSMAR提取），该指标直接对应EVA核算逻辑；（2）代理成本指标采用管理费用率（管理费用/营业收入），参照Ang, Cole & Lin（2000）的方法，该指标捕捉经理人在职消费、冗员等代理行为；（3）投资效率采用Richardson（2006）预期投资模型残差取绝对值，残差为正代表过度投资、为负代表投资不足。解释变量方面：从各省国资委官网和国务院国资委文件手工收集并编码分类考核与EVA考核的实施年份，构建省级-年度-企业所有制维度的政策处理矩阵。控制变量来源：CSMAR公司治理数据库、Wind行业数据库、《中国统计年鉴》省级GDP增速。样本范围：2013-2025年A股国有上市公司，剔除金融类、ST类及关键变量缺失样本，最终样本约1,200家国企×13年≈15,600个观测值。

第一，DID估计量分解检验：采用Goodman-Bacon（2021）分解法，将多期DID的总体处理效应分解为不同处理时序组别的加权平均，检验是否存在"坏比较"导致的估计偏误（如早期处理组作为晚期处理组的对照组），并报告未受污染的组别-时期ATT；若发现问题，进一步使用Sun & Abraham（2021）的交互加权估计量进行修正。第二，熵平衡匹配（Entropy Balancing）：以改革前一年的企业规模、资产负债率、行业竞争度、所在省份市场化指数（樊纲指数）作为匹配变量，在处理组与对照组之间实现一阶矩、二阶矩甚至三阶矩的精确平衡，消除可观测特征差异导致的混淆偏误，在匹配后样本上重新估计基准模型。第三，安慰剂检验：随机生成伪改革时间（在真实改革前2-5年区间内随机抽取），重复1,000次，绘制伪处理效应的核密度分布，检验真实效应是否显著位于分布尾部。第四，排除替代性解释：控制同期其他国企改革政策（混合所有制改革试点、员工持股计划、董事会授权改革）的固定效应，确保识别出的效应归因于分类考核与EVA核算而非混淆政策。第五，关键变量替代测量：以总资产周转率替代管理费用率衡量经营效率，以Biddle et al.（2009）的条件投资-增长机会匹配模型替代Richardson模型衡量投资效率。

---

国企重组整合不仅是经济效率问题，更是央地政治博弈的集中体现。本研究从三个理论维度构建分析框架。第一，财政分权维度：依据Qian & Weingast（1997）市场维护型联邦主义理论，中国式财政分权赋予地方政府"剩余索取权"，但同时也使地方政府高度依赖辖区内国企的税收贡献和就业安置功能。当中央推行"三个集中"——即国有资本向关系国家安全、国民经济命脉的重要行业和关键领域集中，向前瞻性战略性新兴产业集中，向优势企业集中——这意味着地方政府必须放弃部分"自留地"国企，与地方财税利益形成张力。第二，代理成本维度：地方国资委扮演"双重代理人"角色，既要对中央国资委负责（执行"三个集中"），又要对地方政府负责（保障本地税基和就业），由此产生Oi（1992）所描述的"地方国家法团主义"激励扭曲——地方政府有动机将优质国企留在本地、将亏损企业推向重组。第三，监督与制衡维度：中央巡视制度作为中央对地方的矫正机制，其外生冲击（巡视组进驻时间并非地方政府可控）为因果识别提供了理想条件。据此提出三个假说：H1（财政压力假说），地方财政自给率越低，该省国企"三个集中"重组推进速度越慢，无关多元化程度越高（赫芬达尔指数越低）；H2（巡视矫正假说），中央巡视组进驻后，被巡视省份的国企主业集中度显著提升（+1年内），无关多元资产剥离事件增加；H3（绩效分化假说），重组后中央企业的TFP提升幅度显著大于地方国企，因为央企重组面临更少的本地利益阻挠。

本研究面临的核心内生性问题是：国企重组速度较快的省份，是否本身具有更好的治理能力或产业结构，而非中央政策的推动效应？为分离因果，采用双策略识别。策略一：利用中央巡视组进驻的外生性——巡视组的巡视对象和进驻时间由中央领导小组统筹安排，地方政府无法预测或操纵本省的巡视时间表，构成准自然实验。以巡视前1-2年作为对照期、巡视后1-3年作为处理期，构建事件研究法（Event Study）框架，估计巡视对国企重组强度的平均处理效应及动态轨迹。策略二：利用地方财政自给率与中央政策强度的交互项分析。地方财政自给率（地方一般公共预算收入/地方一般公共预算支出）反映地方对中央转移支付的依赖程度——依赖度越高，地方越容易受到中央"隐性杠杆"（如转移支付附加条件）的约束。因此，财政自给率可作为中央-地方博弈中地方政府谈判筹码的代理变量。识别假定：财政自给率主要由历史产业结构决定（资源型省份vs制造业省份），在短期内不受国企重组政策影响，满足外生性。事件研究的基本设定为以巡视组进驻前一年为基期，估计前3年至后3年的逐期处理效应。

基准模型采用双向固定效应：

Restructure_pt = α + β₁·FiscalPressure_pt + β₂·PostInspection_pt + β₃·(FiscalPressure_pt × PostInspection_pt) + γ·X_pt + δ_p + λ_t + ε_pt

其中，Restructure_pt为p省在t年的国企重组强度，以三种方式度量：（a）该省当年发生的国企并购重组事件数量/该省国企总数；（b）无关多元化剥离事件（标的与收购方不属于同一两位码行业的M&A）占比；（c）主业集中度指数（该省国企销售收入的赫芬达尔-赫希曼指数变动）。FiscalPressure_pt为核心解释变量之一，以地方财政自给率衡量。PostInspection_pt为巡视后虚拟变量。交互项系数β₃是本研究的核心参数——若β₃显著为正，表明巡视的正向矫正效应在财政压力更大的省份更强（即"越是依赖转移支付的省份，巡视的威慑力越大"）。控制变量X_pt包括：省级GDP增速、二产占比、市场化指数（樊纲）、省委书记任期年数（控制地方领导更替周期的影响）、央企省属企业产值比。δ_p为省份固定效应（消除不随时间变化的省际差异），λ_t为年份固定效应（控制全国性政策周期）。

被解释变量"国企重组强度"的构造采用Wind并购重组数据库中的国企M&A事件（买卖方至少一方为国有控股），按省份-年度聚合，并按交易类型分类：（1）横向整合（同一四位码行业）；（2）纵向整合（产业链上下游）；（3）无关多元化剥离（不同两位码行业、交易性质为"资产出售"）。构造三个指标：重组总量强度（事件数/省属国企数）、无关多元化剥离率（无关剥离事件/总M&A事件）、主业赫芬达尔指数变动。解释变量方面，地方财政自给率 = 地方一般公共预算收入/地方一般公共预算支出，数据来自历年《中国财政年鉴》和各省财政决算报告。巡视变量通过手工整理中央纪委国家监委网站"巡视进驻"公告，记录每一轮中央巡视的进驻省份及进驻精确日期（年-月），对于年中进驻的省份，当年编码为部分处理年份（按进驻后月份数/12加权），次年及以后视为完全处理后年份。控制变量来自《中国统计年鉴》、樊纲《中国市场化指数》报告及各省领导干部数据库。样本范围为31个省级行政区×13年（2013-2025），共约403个观测值。

第一，改变重组度量方式：以"国企重组交易金额/该省国企总资产"替代事件数量度量，消除因部分大额交易主导重组计数而导致的度量偏误；进一步以"省级国资委年度工作报告中'聚焦主业''重组整合'等关键词出现频率"（基于TF-IDF文本分析）作为替代性政策执行力度量。第二，安慰剂巡视时间：将每省的真实巡视时间向前随机平移2-4年，重复进行1,000次伪巡视的事件研究，核密度图检验真实处理效应是否位于分布的95%分位数外。第三，合成控制法（Synthetic Control Method, Abadie & Gardeazabal 2003）：对每个被巡视省份，以未被巡视或后巡视省份的加权平均构造"反事实"重组强度路径，比较真实路径与合成路径在巡视后的差异，可视化巡视的因果效应。第四，排除央企总部迁移的混淆效应：近年来部分央企总部从北京迁往地方（如中国电子迁深圳、三峡集团迁武汉），可能改变省级国企统计口径，敏感性分析中剔除央企总部所在省份或控制央企省属企业产值比。第五，异质性分析：按巡视组组长来源（中央纪委/中组部/审计署）分组，检验不同来源巡视组的国企改革推动力是否存在差异（若仅有中央纪委来源的巡视组效应显著，则印证"威慑渠道"而非"信息渠道"）。

---

国有经济增加值核算是本次国资国企改革最具经济学理论根基的制度设计。从新古典投资理论审视，国企传统以净利润或ROE为核心的考核体系存在根本缺陷——该指标忽略股权资本的机会成本，默许经理人将"免费"的国有资本投入任何正利润的项目，即使该项目回报低于社会平均资本成本。Stern Stewart的EVA框架对此提出精确修正：EVA = NOPAT − 投入资本×WACC，只有当企业为股东（国家）创造超过其资本机会成本的回报时，才真正创造了"经济价值"。将此框架内嵌至国企考核，意味着经理人的薪酬、晋升与留任开始取决于"是否跨越资本成本门槛"。由此，EVA考核引入了一个关键的制度性门槛——国资委通常设定统一资本成本率（历史上曾为5.5%），EVA值在门槛之上（及格）与之下（不及格）对经理人具有截然不同的激励含义。基于Jorgenson（1963）新古典投资理论的最优资本存量条件（资本边际收益=资本使用成本），本研究提出三个假说：H1（投资筛选假说），EVA及格线上的国企与略不及格的国企相比，新增投资的边际Q显著更高——及格国企仅在投资回报超过WACC时扩大资本支出，不及格国企的投资决策对回报率不敏感；H2（资产剥离假说），连续EVA不及格的国企，在下一年度显著增加低效率资产的剥离和处置行为；H3（资本市场反馈假说），EVA信息的公开披露（年报中强制披露EVA指标）增强分析师预测准确度，降低国企股价同步性（Morck, Yeung & Yu 2000），改善资本市场信息效率。

EVA考核天然提供一个精确断点回归（RDD）的识别框架。国资委在《中央企业负责人经营业绩考核办法》中明确设定了EVA的考核计分规则：EVA>0且较上年改善得满分（或及格），EVA连续为负则扣分甚至不称职。在EVA=0（或特定的及格阈值）附近微小区间内，国企经理人面临截然不同的激励强度——EVA微正（恰好及格）的经理人获得完整绩效薪酬和晋升资格，EVA微负（恰好不及格）的经理人面临薪酬扣减和问责风险。由于企业不可精确操纵EVA至及格线（EVA受到大量随机性因素干扰，如原材料价格波动、汇率变动、一次性资产减值等），在断点附近的国企可以被视为局部随机分组。本研究采用Sharp RDD设计：以EVA评分=及格线（EVA/投入资本=国资委设定资本成本率5.5%）为断点c，以EVA与断点的距离为驱动变量（running variable），比较断点两侧窄带宽内（如EVA/投入资本在5.0%-6.0%区间）国企的后续投资行为差异。识别假设：国企无法精确操纵EVA值至断点之上（McCreary 2008密度检验），且在断点附近除考核结果外的其他影响投资的因素连续变化。带宽选择采用Calonico, Cattaneo & Titiunik（2014）的均方误差最优带宽和覆盖率误差率最优带宽两种方法。

基准RDD估计方程为：

Investment_i = α + τ·Above_i + β₁·f(EVA_distance_i) + β₂·Above_i × f(EVA_distance_i) + γ·X_i + ε_i

其中，Investment_i为企业i在考核年度后一年的新增投资率（资本支出/期初固定资产净值）；Above_i为指示变量（EVA/投入资本 ≥ 国资委设定资本成本率，即考核及格=1）；f(EVA_distance_i)为驱动变量的局部线性或局部二次多项式函数（允许断点两侧斜率不同）；τ为本研究的核心参数——EVA考核及格对国企投资的局部平均处理效应（LATE）。带宽选择：基准回归采用CCT（2014）均方误差最优带宽，并在±25%、±50%、±100%带宽下进行敏感性分析。核函数采用三角核（triangular kernel），在断点附近赋予更高权重。为进一步量化EVA考核的全分布效应，补充采用分位数处理效应方法（Callaway, Li & Oka 2018），估计EVA考核在不同投资效率分位数上的异质性处理效应。控制变量X_i在RDD框架中主要起到降低残差方差的作用，包括企业规模、资产负债率、营业收入增长率、行业集中度（HHI）、国有企业层级（央企/省属/市属）。

被解释变量方面：（1）新增投资率参照Richardson（2006）和Biddle et al.（2009），以（购建固定资产、无形资产和其他长期资产支付的现金 − 处置上述资产收回的现金净额）/期初总资产度量；（2）投资效率以边际Q度量——新增投资的边际Q = Δ企业价值/Δ资本存量，从CSMAR提取Tobin's Q数据并计算增量边际Q；（3）资产剥离虚拟变量——若公司在下一年度有重大资产出售公告（Wind M&A数据库），取值为1。驱动变量EVA_distance = (EVA/投入资本) − 国资委设定基准资本成本率（2010-2013年为5.5%，2014后部分央企调整为差异化资本成本率）。EVA原始数据来自CSMAR"国资委EVA考核专项"数据库（含NOPAT计算明细、投入资本调整项目、资本成本率），同时手工交叉比对国资委考核办法文件的规则变动。控制变量来自CSMAR公司治理数据库、Wind财务数据库。样本范围：2010-2025年A股中央及地方国有控股上市公司，剔除金融类、ST类及关键变量缺失样本，最终样本约980家央企和地方国企×16年≈15,680个观测值。

第一，McCreary（2008）密度检验：检验EVA指标在断点附近的分布是否存在不连续性（即经理人是否通过盈余管理或会计操纵将EVA粉饰至及格线上方），若检验无法拒绝密度连续性假设，则支持"无操纵"的RDD有效性；若存在密度跳跃，进一步采用"甜甜圈RDD"（Donut-hole RDD）剔除断点附近最可能存在操纵的微小区间。第二，伪断点检验：将断点人为移动至驱动变量分布的不同分位数点（如25百分位、50百分位、75百分位），重复RDD估计，真实断点效应应显著异于各伪断点的零效应。第三，前定变量连续性检验：检验企业规模、资产负债率、成立年限、所在行业等前定特征在断点两侧是否连续分布（局部线性回归各自对驱动变量回归，检验Above的系数是否显著），以佐证断点附近的局部随机化。第四，替换结果窗口：将投资行为度量的时间窗口从考核后1年延长至2年和3年，检验EVA考核的激励效应是否持续衰减还是具有长期持久性。第五，排除非国资委考核企业的安慰剂检验：以未纳入国资委EVA考核范围的民营企业为样本，在相同EVA断点上进行RDD分析，预期不应发现显著的投资行为跳跃，验证效应来自制度激励而非EVA指标本身的内在经济含义。

---

张国清副总理在讲话中将"促进科技创新和产业创新深度融合"置于国企改革核心议程，这表明政策制定者期望国有企业不仅做大规模，更要在国家创新体系中承担"创新整合者"的战略角色。从发展经济学视角审视，这一政策定位具有深刻的理论意涵。Gerschenkron（1962）的后发优势理论指出，落后国家可以通过引进、吸收和改良前沿技术实现技术追赶，而国有企业因其规模优势和资源动员能力，理应在"吸收-消化-扩散"链条中发挥关键枢纽作用。然而，Amsden（1989）的发展型国家理论和Lee（2013）的技术赶超周期模型同时警示：国有企业在"短周期技术"领域（如互联网应用）因决策链条过长往往处于劣势，但在"长周期技术"领域（如高端装备、新材料、生物医药）可凭借长期资本承诺获得制度优势。Mazzucato（2013）在其"企业家型国家"理论中进一步论证，国家在基础研究的"耐心资本"投入和技术基础设施的公共品供给中的作用不可替代。本研究由此构建一个"技术转化漏斗"三阶段模型：基础研究（大学/研究所）→应用开发（国企/领军企业）→产品商业化（产业链下游企业）→技术扩散（行业全要素生产率提升）。提出三个假说：H1（转化加速假说），受改革影响更深（EVA考核+分类考核双重实施）的国企，其专利从申请到被下游产品专利引用的平均时滞显著缩短（Cox比例风险模型中的风险比>1）；H2（桥梁角色假说），改革强化了国企在"大学-产业"之间知识流动网络中的中介中心性（Betweenness Centrality），表现为国企与大学联合申请专利数量及国企专利被非国企引用次数的增长；H3（产业带动假说），国企创新融合度的提升通过投入产出关联和人才流动渠道，对同行业非国企的全要素生产率产生正向溢出效应。

识别国企改革对创新融合的因果效应面临三重挑战：改革选择偏误（创新意愿强的国企更可能被选为改革试点）、遗漏变量偏误（产业政策、补贴、税收优惠与改革同步推进）、溢出效应污染对照组。本研究采用三重差分法（DDD）进行识别：第一重差异为国企 vs 非国企（所有制维度），第二重差异为改革前 vs 改革后（时间维度），第三重差异为技术差距大 vs 技术差距小的行业（产业维度——高差距行业更需要技术追赶，改革的边际效应理论上更大）。三重差分的估计量为：DDD = (SOE_Post_HighGap − SOE_Pre_HighGap) − (NonSOE_Post_HighGap − NonSOE_Pre_HighGap) − [(SOE_Post_LowGap − SOE_Pre_LowGap) − (NonSOE_Post_LowGap − NonSOE_Pre_LowGap)]。识别假设：在没有国企改革的情况下，高技术差距行业中SOE与Non-SOE创新融合度的变化趋势在改革前后与低技术差距行业中的变化趋势是相同的（平行趋势的差分）。技术差距的定义：行业i在t年的劳动生产率与OECD同行业前沿水平（取前5%最高劳动生产率的OECD国家均值）的比值。事前安慰剂检验：检验2015年（国企改革深化文件《关于深化国有企业改革的指导意见》发布前），高差距与低差距行业中SOE与Non-SOE的创新指标变动是否满足平行趋势。此外，使用专利引用网络中的引用滞后作为生存分析因变量，引入Cox比例风险模型估计改革对"专利-产品转化"的加速因子（hazard ratio）。

三重差分基准回归模型：

InnovationOutcome_ijt = α + β₁·SOE_i + β₂·Post_t + β₃·HighGap_j + β₄·(SOE_i × Post_t) + β₅·(SOE_i × HighGap_j) + β₆·(Post_t × HighGap_j) + β₇·(SOE_i × Post_t × HighGap_j) + γ·X_ijt + δ_i + λ_jt + ε_ijt

其中，InnovationOutcome_ijt为企业i（行业j、年份t）的创新融合结果变量，包括：（a）专利到产品的引用滞后中位数（企业年度内所有被授权专利从申请日到首次被下游企业产品专利引用的天数中位数，取对数）；（b）大学联合专利占比（企业与大学或科研机构共同申请专利数/企业当年总专利申请数）；（c）非国企引用数（该企业专利在申请后3年内被非国有企业专利引用的次数总和）。SOE_i为国企控股虚拟变量（国有股>50%或国资委/地方国资委为实际控制人=1），Post_t为2018年后虚拟变量（2018年为新一轮国资国企改革深化起点），HighGap_j为该行业技术差距高于全行业中位数的虚拟变量。三重交互项系数β₇是核心参数，预期β₇在滞后模型中为负（加速转化）、在大学联合专利与非国企引用模型中为正（强化桥梁角色）。控制变量X_ijt包括：企业R&D存量（永续盘存法，折旧率15%）、企业规模、出口占营收比、政府补贴/营收比、行业进口渗透率。δ_i为企业固定效应（吸收所有制和时间不变的企业异质性），λ_jt为行业-年份交互固定效应（控制行业层面的时变政策冲击，如产业补贴、进口关税调整）。

专利数据来自国家知识产权局（CNIPA）专利数据库，涵盖2010-2025年所有公开的发明专利和实用新型专利申请。专利引用关系从专利说明书中的"引证文献"字段提取，构建专利-专利引证网络（约200万节点×500万引用边）。关键变量"专利到产品转化时滞"构造分三步：第一步，利用贝叶斯文本分类器对专利标题和摘要进行"基础研究型专利"vs"产品应用型专利"的二分类标注（训练集从IPC分类号与国民经济行业分类对照表中人工标注5,000条）；第二步，在引证网络中追踪每件"基础研究型专利"最早被一件"产品应用型专利"引用的时间，计算引用时滞（天）；第三步，匹配至专利申请企业。联合专利数据通过CNIPA的"申请人"字段识别多申请人的专利，按申请人类型（大学、科研院所、企业、个人）分类。技术距离数据通过OECD STAN产业数据库提取OECD国家各行业（按ISIC Rev.4）的劳动生产率，与NBS中国行业劳动生产率进行同期对比，构建行业-年度的技术差距面板。投入产出数据来自国家统计局发布的2017与2020年投入产出表，构建行业关联度矩阵用于知识溢出分析。企业层面财务和研发数据来自CSMAR。

第一，替代技术差距度量：以行业专利存量比（中国该行业每千名从业人员专利数/美国同行业每千名从业人员专利数）替代劳动生产率差距，消除因劳动力市场制度差异导致的度量偏差；进一步以行业研究人员密度比（每万名从业人员中R&D人员全时当量）作为人力资本维度的技术差距度量。第二，排除产业政策混淆：在基准模型中新增控制"该行业是否纳入《中国制造2025》十大重点领域""是否享有高新技术企业所得税优惠（15%税率）""是否纳入战略性新兴产业分类"三个政策虚拟变量及其与SOE×Post的交互项，将国企改革效应从产业政策效应中分离。第三，改变样本期与处理组定义：以2015年《关于深化国有企业改革的指导意见》作为替代性改革时点前移处理期，检验效应的敏感度；以"企业是否被纳入国资委国有资本投资运营公司试点"替代基于改革时间的模糊处理组定义，构建更精确的政策处理哑变量。第四，专利质量加权：以专利被引次数加权（forward citation-weighted patent count）替代简单计数，以三方专利（同时在中美欧申请的专利）子样本分析，排除实用新型等低质量专利对结论的干扰。第五，空间溢出性检验：构建省级空间权重矩阵（反距离权重与经济距离权重），以空间杜宾模型（Spatial Durbin Model）检验国企创新融合度是否存在跨省的空间溢出效应及其衰减半径。

---

国企在中国宏观经济调控中扮演双重角色——既是微观层面的市场竞争主体，又是宏观层面逆周期调节的政策工具。这一制度设计的理论张力在本次改革中被显性化：一方面，EVA核算和分类考核要求国企"突出价值创造导向"，以资本回报率为核心决策变量，这意味着国企投资行为向利润最大化收敛；另一方面，在总需求不足时，政府仍期望国企充当"反周期投资先锋"，即使部分项目的边际收益低于社会平均资本成本。这一张力在凯恩斯理论框架中可以精确表述：财政扩张的有效性取决于乘数效应的强度，而乘数效应的实现依赖于经济中存在"非利润最大化"的投资主体——能够在经济下行期逆势增加资本支出、填补私人投资缺口。国企正是这一角色的天然承担者。然而，以EVA为核心的改革实质上是在国企投资决策函数中植入一个"利润门槛"——只有当预期ROIC ≥ WACC时，经理人才有激励推动投资计划。这可能导致改革后的国企投资对财政信号的响应弹性下降，削弱财政乘数。本研究构建一个简单的理论模型：令国企投资为I_SOE = I_0 + θ·G（G为财政支出冲击），其中θ为"财政响应弹性"。EVA改革通过将经理人目标函数从规模最大化转换为EVA最大化，降低θ。由此提出三个假说：H1（传导存在性假说），财政扩张（政府投资/GDP比率上升1个百分点）后，国企固定资产投资增速的脉冲响应显著为正且持续4-6个季度；H2（弹性削弱假说），EVA改革强度每提升1个标准差（以省际EVA考核覆盖率度量），财政冲击对国企投资的传导弹性θ下降约0.1-0.2个百分点；H3（省份异质性假说），在国有经济占比较高的省份（SOE产出/GDP > 30%），改革对财政乘数的削弱效应更为显著，因为国企投资渠道在总乘数中的权重更大。

识别财政冲击对国企投资的因果效应面临两个核心挑战：财政支出本身是内生的（经济下行时自动扩张）、国企与民企投资受共同的宏观周期驱动。本研究采用Blanchard & Perotti（2002）的结构VAR识别策略克服内生性问题：利用财政政策的制度性时滞——财政支出的季度决策需要经过预算审批流程，当季GDP冲击无法在同季度影响政府投资决策——作为排他性约束，在季度SVAR中识别未预期的外生财政冲击。在此基础上，本研究采用Jordà（2005）局部投影法估计状态依赖的脉冲响应函数，以避免传统VAR模型对数据生成过程的强参数假设。局部投影法的核心思想是在每个预测期h单独估计一个回归方程，直接获得脉冲响应估计，并灵活纳入状态依赖项。具体而言，以省份-季度面板数据估计：

y_{p,t+h} − y_{p,t-1} = α_h + β_h·FiscalShock_{p,t} + γ_h·FiscalShock_{p,t} × ReformIntensity_{p,t} + δ_h·ReformIntensity_{p,t} + θ·Controls_{p,t} + μ_p + λ_t + ε_{p,t+h}

其中FiscalShock_{p,t}为省p在第t季度的外生财政冲击（从国家层面SVAR提取的财政冲击成分按各省历史财政支出弹性分配至省级），ReformIntensity_{p,t}为省p在t时的国企改革强度（省属国企EVA考核覆盖率×国企董事会独立董事占比均值）。系数β_h为未改革状态下财政冲击对GDP（或国企投资）在h期后的累积脉冲响应，而交互项系数γ_h反映改革对脉冲响应的调节效应。若γ_h < 0，则改革确实削弱了财政政策的传导效力。

省级季度局部投影模型（基准设定）：

Δ_h SOE_Investment_{p,t} = α_h + β_h·FiscalShock_{p,t} + γ_h·FiscalShock_{p,t} × ReformIndex_{p,t-4} + δ_h·ReformIndex_{p,t-4} + θ₁·GDP_gap_{p,t} + θ₂·Credit_growth_{p,t} + θ₃·RealEstate_{p,t} + μ_p + λ_{quarter} + ε_{p,t+h}

其中，Δ_h SOE_Investment_{p,t}为省份p中国企固定资产投资同比增速从t-1期到t+h期的累积变化（h = 0,1,...,8季度）；FiscalShock_{p,t}为前述SVAR提取的省级外生财政冲击；ReformIndex_{p,t-4}为滞后4期（一年前）的国企改革强度指数，采用滞后值以缓解当期投资与当期改革的双向因果；交互项系数γ_h是核心分析参数——若对于h = 1至6季度，γ_h持续为负且统计显著，则支持改革削弱传导弹性的假说。控制变量集包含：产出缺口（以HP滤波提取省级GDP趋势偏离）、信贷增速（省内银行贷款余额同比增速）、房地产市场景气度（商品房销售面积同比增速），以分离货币政策和房地产渠道对投资的混淆影响。μ_p为省份固定效应（消除不随时间变化的投资倾向差异），λ_{quarter}为季度固定效应（控制季节性）。标准误采用Driscoll-Kraay（1998）标准误，同时对省份聚类相关性和序列相关性进行修正，因局部投影法产生的序列相关在h>0时尤为严重。

被解释变量"国企固定资产投资增速"从国家统计局"分登记注册类型固定资产投资"月度数据中提取国有控股企业投资完成额，按季度聚合并计算同比增速（消除季节效应）。对于缺失月度观测值，采用线性插值补全。财政冲击变量构造分两步：第一步，在国家层面估计三变量结构VAR（政府消费+投资/GDP、GDP、CPI，参考Blanchard & Perotti 2002），识别假设为财政支出不受同期GDP和CPI影响（利用财政支出的决策时滞），提取结构财政冲击序列；第二步，将国家层面的财政冲击按各省历史财政支出弹性（省级财政支出对全国财政支出的回归β系数）分配至省级，构造省级外生财政冲击变量。国企改革强度指数ReformIndex为两个子指标的算术平均：（1）EVA覆盖率——该省已实施EVA考核的省属国企数量/省属国企总数（数据来自手工整理的各省国资委考核办法文件）；（2）董事会独立性——省属国企独立董事占比的算术均值（数据来自CSMAR和Wind公司治理数据库）。将该指数标准化为均值为0、标准差为1的z-score。控制变量产出缺口通过HP滤波（λ=1600，季度数据标准参数）从省级季度GDP序列中提取。信贷增速来自中国人民银行《区域金融运行报告》和各省金融统计年鉴。房地产市场数据来自国家统计局房地产开发投资月度统计。样本期为2010Q1至2025Q4，31个省级行政区，约31×64≈1,984个省份-季度观测值。

第一，替代性财政冲击识别：采用Ramey（2011）的叙事法（narrative approach），利用国务院常务会议"稳增长""扩内需"等政策表述词频变化构造外生财政冲击的时间序列，替代SVAR识别结果；进一步以《政府工作报告》中年度赤字率目标与上一年实现的差值作为年度外生财政冲击的替代度量。第二，替换改革强度度量：以"国企混合所有制改革试点覆盖企业数/省属国企总数"替换EVA覆盖率指标，以"省属国企高管市场化选聘比例"替换董事会独立性指标，检验结论对改革度量方式的敏感度；若结论在不同度量间一致，则增强对"改革本身而非特定指标"效果推断的信度。第三，改变投影期数：将h的最大投影期从8季度扩展至12季度（3年），检验改革对财政传导弹性的削弱效应是短期的（仅在政策冲击当期和近期出现）还是长期持续的结构性变化；同时缩短h的步长至半年，测试脉冲响应的短周期精细动态。第四，子样本分析：剔除2020Q1-2022Q4（新冠疫情及其恢复期），因疫情期间财政扩张具有非常规性质且国企承担了额外的社会责任（如减免租金、保障物资供应），其投资行为不反映常态机制；单独估计2018-2025子样本（改革深化期）与2010-2017子样本（改革前期）的脉冲响应差异。第五，反事实模拟：利用估计的参数构建一个简单的DSGE模型（包含国企与民企两个生产部门、财政与货币两种政策工具），反事实模拟"无改革"情景下2020-2025年的财政乘数路径，与"有改革"情景对比，量化改革的宏观福利效应。

---