任保全，吴小璇

(1.常州大学 经济学院，江苏 常州 213159；2.常州大学 管理学院，江苏 常州 213159)

0 引言

2020年国家明确提出了“2030碳达峰，2060碳中和”的战略构想。新能源产业作为创新驱动和推动新旧动能转换的先导[1]，其发展是实现双碳目标必不可少的环节。近年来，我国新能源产业产业化日益成熟，取得了瞩目成就。首先，供给端实现了高质量发展。2019年，《新时代的中国能源发展》白皮书中显示，中国多晶硅、光伏电池、光伏组件的产量分别约占全球总产量份额的67%、79%、71%，位居世界第一[2]。2021年，我国多晶硅产量49万吨，占全球总量的78%，全球多晶硅第一大国的地位更加巩固。其次，可再生能源的消费比重快速增长。2020年中国能源消费同比增长2.1%，在全球可再生能源消费中，中国的可再生能源消费量达7.79艾焦耳，为全球贡献了能源消费主要的增长。尽管新能源产业发展迅猛，但其行业的发展仍面临诸多问题。一是新能源产业的非技术成本即软成本下降较难。有研究表明，可再生能源的软成本下降速度远不如硬成本，中国光伏行业协会秘书长王勃华[3]曾表示“非技术成本已达总投资成本的20%以上。”二是融资约束，与传统产业相比，新能源产业属于资本、技术以及知识高度密集型的产业，高投资、高收益、高风险的行业特征使其更易面临融资约束这一普遍性难题。显然，非技术成本和融资约束成为阻碍新能源产业发展的主要因素。此外，全要素生产率(TFP)是衡量产业高质量发展的重要指标之一，因此，用全要素生产率来衡量新能源产业的发展现状。现有文献多基于土地价格和融资成本视角研究企业生产率，鲜有文献基于非技术成本视角。同时大多数学者聚焦于融资约束视角研究生产率且研究结论不尽相同，鲜有文献同时从非技术成本和融资约束视角研究我国新能源产业全要素生产率的状况。

那么，我国新能源产业高质量发展的趋势如何？由多方要素构成的非技术成本是促进还是抑制了新能源产业全要素生产率的增长？融资约束是否阻碍了该产业全要素生产率的提升？在异质性视角下该影响有何差异？因此本文利用新能源产业微观数据，探究非技术成本及融资约束对全要素生产率的影响，具有重要的理论和现实意义。

1 文献综述与假设提出

1.1 非技术成本与全要素生产率

新能源产业的非技术成本指土地租金、税费、融资成本、前期的开发费以及“路条费”等外部成本[4]。其中占比较大的是地价及税费。现有文献直接关注土地价格及相关税费对企业全要素生产率影响的较少。部分学者认为土地价格与企业创新之间存在正面影响机制。首先，由于土地价格本身与区位价值有着密切的关系，位于高地价区位的企业往往可以享受更多的集聚经济带来的正外部性，进而更有利于企业创新[5]。再者，用地成本的上升通过要素替代效应促进企业创新，具体表现为当土地价格短期上升时会影响其他因素对土地要素的替代，长期上涨则会促进企业技术创新[6]。另外，用地成本上升会通过“创造性破坏”效应促进企业技术创新，因为对企业而言，用地成本的上升意味企业整体成本上升，会对企业造成生存压力，为获得竞争优势企业势必会提高创新水平[7]。但是，闫昊生等[8]却认为地价的上涨不仅使企业面临资金约束，同时也影响了企业的资源配置，最终造成企业研发投入的缩减。

融资成本在非技术成本中占比次之。近年来，学者们大多从融资方式和融资结构来研究其对技术创新的影响，而从融资成本视角研究的文献鲜有，戴新民等[9]利用上市公司的微观数据分析权益融资成本、盈余质量与投资效率之间的关系。研究结果表明：高水平的盈余管理能提高盈余质量，消除内外部信息的不对称，进而改变资源分布水平，从而提高企业的入股效果。此外，提高权益资金成本对投资效率的提升有促进作用，而技术创新是一种特殊的投资。因此，权益资金成本的提高能够促进入股技术创新效果的提升。张天亿[10]利用实证分析和规范分析研究了融资成本与技术创新之间的关系，其指出融通资金的费用对企业技术创新水平有着促进作用，其中权益资金成本发挥着主导作用。

1.2 融资约束与全要素生产率

融资约束是影响企业业务活动及发展的重要因素，而全要素生产率综合反应了企业的生产经营状况。目前，关于融资约束对全要素生产率的影响存在两类观点即融资约束促进论和融资约束抑制论，融资约束是促进还是抑制了企业全要素生产率的提升，一直是值得深究和探讨的话题。

新能源产业作为战略性新兴产业，创新过程的长周期性决定其需要大量的资金，其资金主要来源于自有资金和外部融资两方面。“啄食顺序理论”认为，信息不对称和交易成本的存在使得企业优先选择内源性融资，而后选择外源融资。但企业在研发创新过程中往往会面临不确定性和信息不对称性，这使得投资于创新过程的回报可能会被极度扭曲[11]。另外，高度的信息不对称性以及资本市场的流动性风险会使得代理成本远高于一般情况下投资者和企业家之间的代理成本。上述因素的存在使得企业在进行创新活动时面临较高的融资成本且难以获得充足的外源资金，产生的融资约束问题致使企业的创新效率不断下降，最终导致企业的生产率降低[12]。如刘家悦等[13]从所有权异质性层面发现融资约束对全要素生产率产生一定的抑制作用，且民营企业所受到的抑制作用最大。段梅等[14]研究表明企业面临的融资约束是经济政策不确定性影响企业全要素生产率的一个重要因素，当企业面临融资约束时经济政策不确定性会对企业全要素生产率产生负面影响。FEERANDO等通过研究欧元区国家融资约束与企业全要素生产率之间的关系得出融资约束对企业全要素生产率有着显著的负向影响。

但也有学者认为，融资约束有利于企业全要素生产率的提升。MUSSO等[16]利用法国制造业面板数据研究得出，企业的外部融资约束有助于其自身的增长，同时融资约束能够促进企业短期生产率的提升。LI[17]认为，当企业面临较大资金约束和不确定性时进行创新活动的动机更强，其更倾向于提高创新效率来获得更大的收益。刘小玄等[18]认为融资约束的存在促使管理者具有较高的风险意识，同时投资者对投资项目的回报率要求升高，为立足于市场企业不得不提高生产率。

综上所述，现有文献从土地价格和融资成本视角研究生产率的较多，从非技术成本视角的研究较少。关于融资约束的研究较多，但与非技术成本相结合的比较性研究较少。针对新能源产业研究的文献本身较少，从外部融资约束和内部融资约束视角探究其对全要素生产率影响的文献更少。那么在新能源产业中，内部融资约束和外部融资约束对全要素生产率的影响是遵循促进论还是抑制论，值得进一步探究。

基于上述分析，本文提出：

假设1：由于非技术成本由多方要素构成，不同因素影响作用不同，因此非技术成本对新能源产业全要素生产率产生的影响复杂，存在一定程度的多变性。

假设2：由于融资约束可细分为内源性融资和外源性融资，因此融资约束对新能源产业全要素生产率产生的影响存在异质性。

2 实证设计

2.1 分位数回归模型

采用OLS(普通最小二乘法)对面板数据进行估计只能度量“平均影响”而无法全面反应自变量X对因变量Y在不同条件分布上的影响，该估计方法存在一定的局限性，而分位数回归能够克服该局限性。因此，本文采取KOENKER等[19]提出的分位数回归模型，探讨在不同分布水平上，非技术成本及融资约束对新能源产业TFP的影响。下面具体解释该模型

设随机变量Y的分布函数见式(1)

F(y)=P(Y≤y)

(1)

则Y的第τ分位数Q(τ)定义见式(2)

Q(τ)=lnf(y∶F(v)≥τ)

(2)

式中：τ为回归线以下的数据占比；y的整个分布被其分为2部分；(1-τ)为位于分位数Q(τ)以上的部分。对于任意的0<τ<1，则损失函数见式(3)

(3)

式中：u为参数;ρτ(u)为被解释变量y处于τ分位上以及分位下的概率密度函数。设分位数回归模型见式(4)

yi=xiβ(τ)+ε(τ)i

(4)

因此假定u=1，则τ分位的样本分位数线性回归β(τ)的求解转化为最小化问题式(5)

(5)

代入损失函数后，即为最优解见式(6)

(6)

显然，极端值的波动对分位数回归的影响小于OLS回归。因此，线性样本分位数回归中，给定x的τ分位数函数见式(7)

(7)

本文使用分位数回归能够更好探究不同分布水平上非技术成本和融资约束对新能源产业TFP的影响。

2.2 变量选取及模型设定

2.2.1 被解释变量

全要素生产率(TFP)：用来衡量技术进步在生产中的贡献，是资本、劳动、土地等生产要素投入量不变时，生产量仍能够增加的部分[20]。本文借鉴鲁晓东[21]等学者采用LP法测量新能源产业上市公司TFP，同时以OP法测量结果作为稳健性检验。

2.2.2 核心解释变量

非技术成本(NTC)：非技术成本由土地租金、税费、融资成本、前期的开发费以及“路条费”等外部成本构成。由于非技术成本的指标测量没有明确的界定，同时对新能源产业而言研发支出构成技术成本，因此本文采取“余值扣除法”即从营业成本中剔除研发支出来衡量非技术成本。

融资约束(FC)：本文借鉴陈娟娟[22]、成力为等[23]将融资约束细分为外部融资约束与内部融资约束以更好探究融资约束对新能源产业全要素生产率的影响。内部融资约束采用企业现金存量占比来衡量。外部融资约束则参考HADLOCK[24]等学者采用SA指数来度量，当SA越大，企业受到的融资约束程度越严重。

2.2.3 控制变量

为更加准确的测量非技术成本与融资约束对TFP的影响，本文参照已有文献，在计量模型中加入可能影响企业全要素生产率的其他变量具体包括：资产负债率(LEV)用上市公司总负债除以总资产衡量。企业盈利水平(ROA)用企业净利润与总资产比值衡量。资本密集度(CAPINT)用上市公司的固定资产与总资产的比值衡量。劳动力投入取对数(LnL)用上市公司年平均人数的对数衡量。另外，本文还控制了年份因素。

基于上述变量的分析，本文的计量模型设定见式(8)

(8)

式中：下标i为企业个体；下标t为企业年份；α为常数项；β为对应变量的估计参数；ε为随机扰动项。被解释变量为lnTFP(全要素生产率取对数)，NTC(非技术成本)、IFC(内部融资约束)、FC(外部融资约束)为核心解释变量，其余为控制变量，包括LEV(资产负债率)、ROA(企业盈利水平)、CAPINT(资本密集度)、LnL(劳动力投入)以及year(年份效应)。

以上各变量的定义和说明详见表1。

表1 变量符号定义及来源

2.2 数据来源与处理

本文以中国战略性新兴产业综指指数为基础，根据《战略性新兴产业分类(2018)》中的重点产品和服务及主营业务筛选出本文的初选样本即145家新能源产业上市公司2010—2021年数据。数据来源于Wind数据库和国泰安(CSMR)，部分缺失数据来自巨潮资讯网中上市公司的财务报表，通过手工整理获得。对原始数据进行以下处理：剔除2010—2021年出现ST、ST*、PT的样本，剔除金融公司，剔除所需变量存在缺失的数据，共得到12年936个观测值。

具体各变量的描述性统计见表2。

表2 变量的描述性统计

3 实证结果及分析

3.1 全要素生产率及非技术成本趋势分析

全要素生产率及非技术成本的趋势分析(图1)。图1中2010—2021年新能源产业TFP整体处于逐步上升的趋势，TFP平均值的最小值为8.47，最大值为9.37，新能源产业内各企业间TFP在均值8.82附近浮动，波动性不大。因此，新能源产业整体发展效率在波动上升。同时，新能源产业上市公司的非技术成本整体处于逐步上升的趋势。对比2010年与2021年新能源产业上市公司的非技术成本，其数值由330千万元左右上升至900千万元左右。那么，非技术成本对全要素生产率存在什么影响？下面将通过实证进一步探究。

图1 2010—2021新能源产业上市公司非技术成本与全要素生产率趋势

3.2 整体估计

非技术成本及融资约束对新能源产业TFP影响的整体估计结果见表3。表3的第(1)列是OLS稳健性回归，第(2)-(6)列为10%～90%分位数回归。具体结果分析如下：

表3 整体估计

第一，核心解释变量非技术成本(NTC)在OLS回归和各条件分位点上的分位数回归均显著为正，非技术成本的二次项(NTC^2)在OLS回归和各条件分位点上的分位数回归均显著为负，说明非技术成本与新能源产业TFP之间存在显著的倒U型关系。从而使假设1得到了验证。在分位数回归中非技术成本二次项的估计系数整体呈上升趋势，且低分位点(10%和25%)上的估计系数小于高分位点(75%和90%)，说明在TFP水平较高的企业，非技术成本与生产率之间倒U型关系更显著。

第二，内部融资约束(IFC)在OLS回归和各条件分位点上的分位数回归均显著为负，说明内部融资约束不利于新能源产业TFP的提升。从而印证了假设2。在分位数回归中，内部融资约束在10%分位点的估计系数最大，且各分位点的估计系数呈递减趋势，说明内部融资约束对TFP较低的企业存在更强的抑制作用。

第三，外部融资约束(FC)在OLS回归和各条件分位点上的分位数回归均显著未正，说明外部融约束可对全要素生产率产生促进作用，有利于新能源产业全要素生产率的提升。从而印证了假设2。在分位数回归中，外部融资约束在10%分位点的估计系数最大，且各分位点的估计系数呈递减趋势，说明外部融资约束对生产率水平较低企业的促进作用大于生产率水平较高的企业。

第四，控制变量中，资产负债率、企业盈利水平以及劳动力投入均促进了企业TFP的提升，在OLS和分位数回归中均显著。资本密集度对企业TFP存在抑制作用，不利于企业生产率的提升。

3.3 产权性质的异质性

现有研究表明，对不同产权性质的企业，在数字金融的作用性、代理成本、企业管理模式等方面存在差异，为研究企业在不同产权性质下自变量对因变量影响的差异性，本文进一步划分国有和非国有企业进行分组回归，回归结果见表4，其中列(1)(3)(5)(7)(9)(11)为国有企业的样本回归结果，列(2)(4)(6)(8)(10)(12)为非国有企业的样本回归结果。

表4 分产权性质估计

对比国有企业和非国有企业的回归结果，可得出如下结论：

第一，非技术成本在OLS回归和各分位点的分位数回归均显著为正。对于非技术成本的二次项，除位于90%分位点的国有企业外，估计系数在OLS回归和各条件分位点上的分位数回归均显著为负。因此，非国有企业存在更显著的倒U型特征。在分位数回归中，非国有企业非技术成本的二次项在低分位点(10%和25%)上的估计系数小于高分位点(75%和90%)，说明在TFP水平较高的非国有企业，非技术成本与生产率之间倒U型关系更显著。

第二，内部融资约束在非国有企业的OLS回归和10%～90%分位点上的回归均显著为负，在国有企业中并不显著，说明内部融资约束对非国有企业TFP存在更强的抑制作用，对比非国有企业各分位点的估计系数可以发现，TFP较低的企业(10%和25%分位点)更易受内部融资约束的抑制。

第三，外部融资约束在非国有企业的OLS回归和各分位点上的分位数回归均显著为正，但在国有企业中，仅在TFP水平较低的企业(10%和25%分位点)显著为正，综合整体估计系数，外部融资约束对TFP较低的企业的促进作用更大。

第四，控制变量中，资产负债率、企业盈利水平、资本密集度和劳动力投入在非国有企业OLS和各分位点上的回归都较为显著，而国有企业仅资本密集度在OLS和各分位数点上的回归显著。

3.4 区域异质性

相关研究表明各省在市场化进程、金融发展水平等方面都存在差异，因此，本文按照东部和中西部两大经济区域划分，进一步考察非技术成本和融资约束在不同地区对全要素生产率影响的差异性，回归结果见表5。其中列(1)(3)(5)(7)(9)(11)为东部地区的样本回归结果，列(2)(4)(6)(8)(10)(12)为中西部地区的样本回归结果。

表5 区域异质性估计

对比东中西部地区新能源产业上市公司的回归结果，可得出以下结论：

第一，非技术成本在东部地区和中西部地区的OLS回归和各分位点上的分位数回归均显著为正，说明非技术成本有利于东中西部地区TFP的提升。且对比东部和中西部的估计系数发现，非技术成本的促进作用在中西部地区更显著。对于非技术成本的二次项，东部地区和中西部地区的OLS回归和各分位点上的分位数回归均显著为负，说明在东部和中西部地区，倒U型特征显著。同时，对比东部和中西部地区，中西部地区存在更显著的倒U型特征。另外，对东部地区而言，倒U型特征在TFP水平较高(75%和90%分位点)的企业更显著。对中西部地区而言，倒U型特征的显著性呈现先上升后下降的趋势。

第二，内部融资约束在东部地区的OLS回归和各分位点上的分位数回归均显著为负，说明内部融资约束不利于东部地区生产率的提升，且内部融资约束对TFP水平低(10%和25%分位点)的企业存在更强的抑制作用。而在中西部地区，内部融资约束在OLS回归和50%、10%分位点上显著。

第三，外部融资约束对中西部地区的OLS回归和各分位点上的分位数回归均显著为正，且外部融资约束对TFP水平低(10%和25%分位点)的企业存在更强的促进作用。在东部地区，除位于90%分位点外，东部地区的OLS回归和各分位点上的分位数回归均显著为正。对比东部及中西部地区发现，相比东部地区，外部融资约束对中西部地区生产率的促进作用更大。

第四，控制变量中，资产负债率的升高显著促进了东部和中西部生产率的提升，企业盈利水平对中西部的促进作用强于东部地区，资本密集度对东部地区的抑制作用强于中西部地区，劳动力投入总体上对东中西部地区存在显著的促进作用。

3.5 稳健性检验

3.5.1 更换因变量全要素生产率衡量方式回归

在本文的实证分析中全要素生产率采用LP法测量，为确保实证的可靠性，更换全要素生产率的测量方法即采用OP法测量结果进行回归，发现非技术成本与TFP之间倒U型特征显著，同时内部融资约束不利于生产率的提升，外部融资约束显著促进生产率的提升，与前述结果保持一致。因此，上述结果具有稳健性。

3.5.2 改变样本量的分组回归

根据东部地区和中西部地区分组回归的结果可以发现，东部和中西部地区在OLS回归和各分位点上的分位数回归均显著为正，在非技术成本的二次项中，东部地区和西部地区的OLS回归和各分位点上的分位数回归均显著为负。同时，东部和中西部地区的内部融资约束与外部融资约束TFP的影响均显著。此外，本文采取随机抽样的方式，随机抽取了样本的80%并在此基础上进行回归，实证结果依旧一致。

3.5.3 数据再处理回归

为解决内生性问题，本文将自变量非技术成本、内部融资约束及外部融资约束的数据滞后一期，进一步检验各自变量对TFP的影响。结果显示，滞后一期的非技术成本和内外部融资约束与TFP之间的关系仍然显著，原结论具有稳健性。

4 研究结论与建议

4.1 结论

本文在OLS回归的基础上采用分位数回归模型，利用新能源产业上市公司的数据，从整体产业、产权性质、地区差异性多层面探究了非技术成本和内外部融资约束对新能源产业全要素生产率的影响。结果表明：首先，一定程度的非技术成本能够促进全要素生产率的提升，但当非技术成本达到一定临界值后，却呈现了阻碍新能源产业发展的现象。从异质性回归结果看，该特征在非国有企业及中西部地区更显著。其次，内部融资约束不利于新能源产业全要素生产率的提升，该抑制作用对非国有企业及生产率水平较低的企业更显著，同时，内部融资约束对东部地区全要素生产率的抑制作用明显高于中西部地区。最后，外部融资约束对全要素生产率存在显著的促进作用，该促进作用在非国有企业和生产率水平较低的企业中更显著，同时，相比东部地区，外部融资约束对中西部地区的促进作用更大。

4.2 建议

第一，实施精准化政策降低非技术成本。首先，企业应加强与政府间的沟通和联系以便更好了解新能源产业发展现状。在了解行业现状的基础上，政府应制定并出台具有针对性的政策。其次，在中西部差异性分析中非技术成本对中西部地区存在更显著的抑制作用，因此应制定差别化的土地政策，对中西部地区扩大土地税费优惠力度，进一步支持西部地区补短板，强弱项。最后，为降低非技术成本中“路条费”，还应降低税收优惠的申请成本，简化审批程序，提高审批效率。

第二，摆脱融资约束助力研发创新。在研发创新的过程中国有企业及非国有企业均会面临融资约束。企业内部融资成本低且更易获得，因此企业在进行研发创新时，往往会优先选择内部融资来解决资金缺口，但对于生产率水平较低的企业以及一些非国有企业，它们在行业竞争中易处于劣势地位，因此前期积累的少量现金流很难投入新的生产和创新活动。对该类企业应减少内部融资，更多依靠外部融资渠道。同时，现有金融机构对非国有企业及小规模且生产率低的企业研发投入的支持力度不大，从而导致外部融资约束对其创新行为的影响相比其他企业更显著。因此，政府应率先给予非国有企业和中小企业更大的资金投入，通过信号传递机制和政策机制号召更多的金融机构为其研发创新活动提供保障，实现融资成本最小化，从根本上解决融资难问题，以期促进全要素生产率的提升。

第三，利用产业金融手段推动产业发展。一方面应设法扩充产业资金融汇渠道，实现多条腿向前进，利用融资平台，通过专项资金、众筹资金、低息贷款等收入降低成本。另一方面应充分利用互联网背景下逐渐多元化的金融工具。多元金融工具的使用可以优化股权结构，为产业发展提供足够的资金支持，缓解融资约束问题，从而促进企业核心技术研发。比如碳金融市场可通过提升可再生能源发电规模，促进企业技术创新。因此，未来可依托碳金融市场拓宽可再生能源企业的融资渠道。另外，还可以利用数字普惠金融，丰富融资途径，助力新能源产业的发展。