全球新冠疫情基本结束，外部不确定性增强，中国经济如何实现稳定增长，顺利转型升级备受瞩目。2020年中央财经委员会第七次会议上，习近平总书记强调构建国际国内双循环发展的新格局，要以创新为基础，培育新的经济增长点。创新是一国经济增长的动力源泉，关键核心技术不断实现突破更是经济长期增长的重要保障。2020年通过的中共中央十九届五中全会公报中也强调2035年实现关键核心技术突破，使我国进入创新性国家行列。2022年党的二十大报告明确指出“加快高水平科技自强自立，坚决打赢关键核心技术攻坚战，强化企业科技创新主体地位，着力提高全要素生产率，推动经济实现质的有效提升和量的合理增长”。可见，创新尤其是关键核心技术实现突破已上升至国家发展战略层面，攸关经济高质量增长能否落到实处。

企业作为宏观经济最重要的微观主体，其创新活动对于我国经济增长模式的转变至关重要。通常学界将创新产出划分为发明专利、实用新型专利和外观设计专利。但这种三分法过于笼统，未能揭示真正的关键核心技术。事实上，2001−2015年历次《国家科技创新规划》对关键核心技术进行了明确的界定和阐释。因此，可以结合《国家科学技术发展规划》确定的关键核心技术标准，通过匹配企业专利数据库来确定企业层面的关键核心技术。现有研究对关键核心技术的关注颇少，揭示关键核心技术对全要素生产率的作用及影响机制具有重要意义：一是有利于提升企业对关键核心技术重要性的认识，领会其对企业长远发展的重要作用；二是有助于提升企业对关键核心技术的“生产率溢价”及其对高质量增长作用的认知。

本文以中国工业企业数据库、海关数据专利数据库匹配的企业为样本，首先采用语义文本分析法，根据专利摘要库提取企业层面关键核心技术，然后采用PSM−DID方法，考察关键核心技术对企业全要素生产率的影响。同时构建中介效应分析框架，进一步探究关键核心技术对企业全要素生产率的作用机制。

本文主要创新点在于：（1）构建关键核心技术指标。学术界关于关键核心技术的研究还处在定性阶段，并未进行深入剖析。本文采用文本分析方法，以《国家科技创新规划》为蓝本构建关键核心技术词库，针对企业专利描述进行文本分析，确定并筛选出关键核心技术，深入探究不同核心程度的创新对企业全要素生产率影响的差异性；（2）将关键核心技术的成功研发作为自然实验，利用DID方法考察关键核心技术对全要素生产率的影响；（3）深入分析关键核心技术影响全要素生产率的两条机制，为后续研究提供思路。

本文结构安排如下：第二部分为文献综述，第三部分为理论基础与研究假设，第四部分为研究设计，第五部分为实证分析，第六部分为影响机制分析，第七部分为结论与启示。

本文主要从以下三方面进行文献梳理。第一，全要素生产率相关研究；第二，创新对企业全要素生产率的影响；第三，创新对企业全要素生产率的影响路径分析。

新古典增长理论认为，全要素生产率可以打破资本报酬递减规律，保持经济可持续增长的决定性作用被广为接受。自此诸多学者对全要素生产率展开了深入研究。姚耀军（2010）利用界限检验法，基于ARDL法的协整系数估计、向量误差修正模型及其 Granger 因果关系检验等方法考察了全要素生产率与金融发展等变量的关系。实证结果表明，从长期来看，金融发展、外商直接投资、经济自由度皆是全要素生产率变动的原因；而从短期来看，只有经济自由度是全要素生产率变动的 Granger原因。叶明确和方莹（2013）基于出口内生增长模型，考虑技术和知识的空间依赖性以及出口的溢出效应，构建了空间杜宾模型，研究了出口与我国全要素生产率增长的关系。结果表明，出口额对当地的全要素生产率没有显著促进作用，但是对其他地区以及整体的全要素生产率都有显著的促进作用。于斌斌（2015）基于两部门经济增长模型，利用2003−2012年中国285个地级及以上城市的统计数据，运用动态空间面板模型对产业结构调整和生产率提升的经济增长效应进行了实证检验，研究发现，从整体层面看，中国城市经济增长动力已由产业结构调整转换为全要素生产率提升。余静文等（2017）利用匹配的中国工业企业数据和35个大中城市宏观数据，探究了高房价对行业全要素生产率的影响，发现高房价对行业全要素生产率产生了负面影响，房价收入比提高10%，行业全要素生产率下降2.56%。燕洪国和潘翠英（2022）基于 2008−2020 年沪深A股制造业上市公司研究样本进行实证研究，发现税收优惠对企业全要素生产率具有显著的激励作用；税收优惠是通过促进企业加大创新要素投入对企业全要素生产率发挥政策激励作用，其中研发资金投入与研发人员投入均发挥中介作用。可见，已有文献对于全要素生产率的影响因素的研究较为丰富，且研究从宏观层面逐渐转向微观层面。

关于创新对全要素生产率的影响研究，已有研究可以分为“抑制派”和“促进派”。“抑制派”认为创新对全要素生产率有显著的抑制作用，相关文献主要集中于国内。张海洋（2005）以1999−2002年的中国内资工业部门分行业为样本进行实证研究，发现R&D支出比例越高的行业生产率提高越少，原因在于R&D吸收能力较差，抑制了生产率的增长。李小平和朱钟棣（2006）基于6种方法计算出外国R&D资本，首次就R&D对中国工业行业技术进步的溢出效应进行研究，发现由于不完善的市场环境使得资源的动态配置效率差、市场退出机制不成熟，导致国内工业行业R&D对全要素生产率的影响为负。唐未兵等（2014）利用我国1996−2011年的省份数据，运用GMM估计方法进行研究，发现技术创新与经济增长集约化水平负相关，而外资技术溢出和模仿创新效应有利于经济增长集约化水平的提升。从已有研究可以看出，技术创新抑制全要素生产率的主要原因在于外部约束。市场的不完备以及企业创新成功率过低等原因，扼杀了企业创新成功后对全要素生产率的促进作用。

而与之相对的“促进派”的研究成果颇为丰富。宏观层面，程郁和陈雪（2013）以2002−2010年52个国家高新区的面板数据为基础，运用超越对数的随机前沿生产函数模型，通过对全要素生产率（TFP）增长的测算和分解，发现高新区的 TFP 增长率明显高于其所在省区水平，且TFP的增长主要是由技术进步贡献的，技术进步对高新区经济增长的贡献率高达26.81%。余泳泽和张先轸（2015）以1978−2011年我国29个省为样本，采用面板门限回归模型验证了创新模式的选择应该与要素禀赋、制度环境与经济发展阶段相匹配，只有当一个地区经济发展水平、要素禀赋水平以及制度环境达到一定程度后，采取以自主研发为主的内源式创新模式才有利于提升该区域技术进步水平，否则采取技术引进基础上的模仿性创新是相对有效的。Shen等（2019）基于1978−2014年中国30个省份的面板数据，利用OLS、2SLS以及GMM估计方法研究发现，企业研发投入可以通过吸收外商直接投资和对外贸易所体现的新技术来促进区域全要素生产率增长。俞伯阳（2022）基于我国2001−2019年的省际数据研究发现，我国数字经济新业态通过提升各类要素市场化配置效率，显著推动了区域创新能力，其中，东部和西部地区的提升效果显著。Kijek和Matras-Bolibok（2019）利用2015年欧盟国202个地区的截面数据，基于空间滞后模型进行研究，发现区域创新对区域全要素生产率有显著促进作用，且创新的溢出效应与距离成反比。Yuan等（2021）基于中国2005−2016年宏观层面数据，从政策环境和市场环境两个维度出发，引入经济政策不确定性（EPU）和市场化进程作为调节变量，考察创新对中国环境全要素生产率（ETFP）的影响，发现创新促进了ETFP，这一过程中EPU有显著的抑制作用，而市场化进程的抑制作用不显著。Dhanora等（2021）分析了2000−2013年印度医药行业企业技术创新与全要素生产率的影响，研究发现技术创新是企业生产力的正向来源，而且这种正向效应对跨国企业的影响更强。微观企业层面，Albert等（2005）利用中国国家统计局10000家企业1995−1999年的数据进行研究，发现企业研发可以通过吸收外部技术进而对企业全要素生产率产生显著的正向作用。吴延兵（2008）基于1996−2003年中国地区工业面板数据，运用固定效应估计方法，研究发现自主研发只对东部和中部地区的生产率有显著正效应，而国外技术引进只对西部地区的生产率有显著正效应。孙晓华和王昀（2014）利用2005−2007年中国工业企业数据研究R&D投入对企业生产率的影响，发现有研发企业的生产率水平较之无研发企业高出 21.5%，且研发强度以0.488%为临界值与企业生产率呈正U型关系。可见，大多数学者认为企业创新有助于全要素生产率的提升。

虽然关于企业创新与全要素生产率的研究成果颇为丰富，但企业创新影响全要素生产率的机制研究成果相对较少。本文对现有相关文献进行梳理并进行分析。

一是关于企业创新、融资约束和全要素生产率。关于企业创新与融资约束，龙勇和常青华（2008）基于宏观角度以2007年2−10月对深圳、重庆、西安和北京四个地区高新技术企业及其风险投资情况的调研数据为样本，基于中介效应分析模型研究发现，创业能力通过诱发突发创新而为企业带来更多的风险融资。文守逊等（2021）基于微观角度以2013−2016年深交所中小板上市公司为研究样本，对不同生命周期的企业进行分组回归，发现企业的技术创新能力与权益资本成本、债务资本成本间都存在显著的负相关关系。可见，企业创新成功后，其拥有的关键核心技术将会为企业带来无形资产增值，譬如品牌声誉提升、更高的市场期望等。这一方面有利于吸引激进的风险投资者，另一方面，金融机构提供贷款利率也会下降。此外，如果企业将专利的使用权商业化，还会给企业带来一笔稳定的现金流。因此，创新成功能够有效缓解企业融资约束压力。

关于融资约束对全要素生产率的影响，Marialuz 和Veerle（2009）认为仅依靠内部资金，企业无法通过固定资产、存货及研发等投资来提高自身的生产率。Jin等（2019）基于1998−2007年中国31万家制造业企业的非平衡面板数据探讨了融资约束和生产率之间的关系，研究发现金融约束与企业生产率之间存在倒U型关系。如果将企业的财务水平调整搭配最优化水平，生产率短期内会提升11%，长期将提高16%。国内学者何光辉和杨咸月（2012）基于2003−2009年中国制造业上市公司面板数据，运用附加融资约束变量的增广生产函数和系统广义矩估计方法，研究发现民营企业存在显著的融资约束，对企业生产率产生了显著的抑制作用。任曙明和吕镯（2014）以1999−2007年装备制造企业为样本，采用随机边界模型估计发现融资约束的负向效应造成生产率低于有效水平21.88%。赵春明等（2015）利用1998−2007年中国工业企业数据库，实证研究发现融资约束显著降低了我国企业的全要素生产率。可见当企业面临较严重的融资约束时，会明显限制企业投资以及生产活动，最终严重阻碍企业全要素生产率的提升。我国企业大多数都面临一定的融资约束压力，因此研究企业全要素生产率的影响因素时，融资约束的作用不可忽视。

二是关于企业创新、资本劳动比和企业全要素生产率。研究创新对企业资本劳动比影响的文献较少。Qiao等（2021）采用广义GMM方法对2010−2019年中国可再生能源行业面板微观数据进行分析，研究发现高创新效率对要素市场扭曲有缓冲作用，低创新效率对要素市场扭曲有强化作用。张庆君和白文娟（2020）选取中国1997−2019年宏观经济时序数据为研究样本，以2008年全球金融危机为时间节点，运用聚类稳健标准误回归，研究发现在亚洲金融危机和2008年全球金融危机后，科技创新的资本配置效率显著优于利用外资。企业创新成功带来的新的生产技术能够更有效地利用生产要素，提升企业资本劳动比。因此，企业创新与资本劳动比有显著正向关系。

关于资本劳动比对全要素生产率的影响。孙琳琳和任若恩（2005）基于相对效率几何递减模型计算资本的投入数据，发现资本投入是全要素生产率增长的首要原因。龚关和胡关亮（2013）利用1998−2007年中国制造业微观数据，基于垄断竞争模型分析，发现资本配置效率的改善促进TFP提升大约10.1%。王星媛和白俊红（2021）以2001−2013年29个省份的面板数据，利用空间面板模型实证研究发现资源错配的改善有利于全要素生产率的提升。可见，企业资本劳动比的提升会潜移默化地影响企业的生产效率。随着生产要素更高效的组合，资本劳动比应该会逐步提升，最终对企业全要素生产率产生促进作用。

纵观已有文献，研究创新对企业全要素生产率影响的文献颇多，但并未达成统一的研究结论。主要原因可能在于：（1）研究层面不同。张海洋（2005）、余泳泽和张先轸（2015）等主要是从中宏观层面考察创新对全要素生产率的影响，认为创新存在一定的门槛效应，因而对全要素生产率没有显著的促进作用；而吴延兵（2008）、孙晓华和王昀（2014）等主要从微观层面考察创新对企业全要素生产率的影响，倾向于认为企业进行创新对于全要素生产率的提升有积极作用。（2）数据测算差异。对于全要素生产率的测算，程郁和陈雪（2013）等采用基于超越对数的随机前沿生产函数模型，而其他大部分学者则是利用OLS、2SLS和GMM等方法测算TFP；此外，现有文献对于创新的衡量多采用研发投入、专利数量、专利引用量等指标进行衡量，并未对创新作进一步区分。采用不同方法衡量指标可能存在一定的差异，可能也是导致结论截然相反的原因之一。

鉴于已有文献的特点，以及国家对关键核心技术标准的认定，本文尝试对企业创新进一步剖析，深入探究不同关键核心程度的技术对企业全要素生产率的影响，并分析关键核心技术影响全要素生产率的可能路径。

根据熊彼特经济增长理论，内生的研发和创新是促进技术进步和经济增长的决定性因素。企业追逐利润的动机促使其创新，进而生产出新产品和新方法。同时创新的过程是一个创造性毁灭的过程，新方法和新产品会逐步将旧方法和旧产品挤出市场。由此可见，创新是推动企业优胜劣汰、推动社会发展的重要力量。大部分学者的实证研究也证实了这一点。陶长琪和齐亚伟（2010）对中国1987−2007年28个省区的全要素生产率的变动趋势和空间差异进行测算，东中西部存在明显的技术差距，技术效率的恶化是全要素生产率下降的主要原因。赵志耘和杨朝峰（2011）利用索洛残差法对中国自改革开放以来的全要素生产率进行了估算，同时引入制度变迁、自主创新和技术引进三个要素，研究发现1994年以后中国制度变迁对经济增长的作用已从推动资本、劳动增长转到推动全要素生产率的增长上来。

本文认为，关键核心技术是创新活动最具价值的产物，与具体生产活动密切相关。关键核心技术持有者往往能够以最低成本、最快速度开展生产活动，拥有一定的市场价格决定权，因此拥有关键核心技术的企业的产品更具市场竞争力；另外，拥有关键核心技术能够提高资本劳动比、降低融资约束，因而能提高企业全要素生产率。基于此，本文提出假设1。

假设1：关键核心技术促进企业全要素生产率的提升。

全要素生产率是指各要素（如资本和劳动等）投入之外的技术进步和能力实现等导致的产出增加，是剔除要素投入贡献后所得到的残差，故也称为索洛残差。假设柯布道格拉斯生产函数为以下形式：

其中，Y_it为企业i在时期t的产出水平，K_it、L_it分别代表资本和劳动要素投入水平，α_k、α_L分别为资本和劳动的产出弹性，且α_k、α_L均小于1。而A_it就是本文所关注的全要素生产率TFP，也就是索洛增长模型中的索洛剩余。

对式（1）取对数得到下式（2）：

其中y_it、l_it和k_it分别表示Y_it、L_it和K_it的对数形式。公式（2）的残差项包含了全要素生产率A_it的对数形式的信息。

从公式（1）中可以看出，全要素生产率相比于资本和劳动能够带来更显著的经济增长。从公式（2）可以看出，经济增长与资本、劳动密切相关。同样地，学者们的实证研究也证实了这一结论。龚关和胡关亮（2013）利用1998−2007年中国制造业微观数据进行研究，发现若资本和劳动均为有效配置，1998年我国的制造业全要素生产率将提高57.1%，而2007年将提高30.1%。袁志刚和解栋栋（2011）利用资源错配对TFP影响的核算框架和中国改革开放30年的宏观经济、产业相关数据进行研究，发现劳动力错配对TFP有明显负效应。由此可见，资本和劳动的高效配置对于全要素生产率的影响至关重要。结合熊彼特的创新理论，创新是创造一种新的、更高效的生产方式，最终带来全要素生产率的提升、经济的持续增长。可以推测，成功创新将会使得资本、劳动得到更有效的配置，进而促进全要素生产率的提升。基于此，本文提出假设2。

假设2：关键核心技术会通过提高企业资本劳动比进而促进企业全要素生产率的提升。

众所周知，创新活动需要持续大量的资金投入、周期长并且风险高。正因为创新这种较高的调整成本和明显的不确定性，导致没有稳定融资来源的企业望而却步。解维敏和方红星（2011）以中国上市公司2000−2006年数据为样本，实证研究发现银行业市场化改革的推进、地区金融发展水平拓宽了企业融资渠道，进而对上市公司R&D投入产生积极影响。鞠晓生等（2013）基于1998−2008年中国非上市公司工业企业数据，研究发现企业受到的融资约束越严重，营运资本对创新的平滑作用越突出。由此可以看出融资约束对企业创新的作用至关重要。企业成功创新之后能够为企业带来更多的融资渠道，是否能缓解企业的融资约束？答案是肯定的。前述的龙勇和常青华（2008）、文守逊等（2021）的研究表明，创新成功能够为企业带来良好的发展前景，有利于为企业吸引更多的风险投资，同时也会降低债务融资成本。可见，企业创新成功后，其拥有的关键核心技术将会为企业带来无形资产增值，譬如品牌声誉、市场期望提升等。这一方面有利于吸引激进的风险投资者，另一方面，金融机构提供贷款利率也会下降。此外，如果企业将专利的使用权商业化，还会给企业带来稳定的现金流。由此可见，企业创新成功的积极作用可能与能为企业带来更多的融资机会密切相关，毕竟持续不断的资金流是企业得以长久生存的必要条件。基于此逻辑，本文提出假设3。

假设3：企业关键核心技术会通过缓解融资约束进而促进企业全要素生产率的提升。

为了考察关键核心技术对企业全要生产率的影响，本文首先从incoPat数据库（www.incoPat.com）获取2001−2015年的专利申请数据，用《国家科技创新规划》中载明的关键核心技术词汇描述，运用语义文本分析法筛选出关键核心技术；在此基础上，进一步将关键核心技术数据和工业企业、海关匹配数据进一步匹配合并，最终构建包含企业基本信息、财务信息以及专利数据的多维度微观数据库。

从incoPat数据库获取的专利数据信息包括专利名称、专利号、申请日期、公开日期、申请人、专利类型和专利摘要。本文首先建立一个关键核心技术的识别变量coretec，然后利用语义文本分析法对每条专利的摘要内容进行筛选。如果摘要中含有特定的关键词句，则将该条专利认定为关键核心技术，该条专利的coretec变量取值为1，否则取值为0。这样就将专利区分为关键核心技术和非关键核心技术两类。同时又根据发明性质从关键核心技术中遴选出关键发明核心技术。

本文主要参照戴觅和施炳展（2013）的处理方式，对中国工业企业数据库和海关数据库进行匹配。首先，对工业企业数据库进行梳理：（1）剔除固定资产大于总资产、流动资产大于总资产、累计折旧小于本年折旧等不符合会计准则的数据；（2）剔除就业人数小于 8 人的样本；（3）删除总资产、固定资产、流动资产、所有者权益、本年应付工资总额、工业总产值、工业中间投入总额、工业销售产值、出口交货值为负值的数据；（4）删除成立时间无效（成立月份大于 12 或小于 1）、法人代码缺失的企业。接着，采用清洗后的工业企业数据和海关数据匹配，先按照企业名称一致，进一步按照邮政编码和电话号码后七位数相同原则匹配。

本文主要将专利数据库中的申请人信息和工业企业−海关合并数据的企业名称进行匹配合并。如果某条专利的申请人为工业企业−海关合并数据库中的某个企业，则该企业的专利数量加1；如果该条专利为关键核心技术，那么该企业的关键核心技术数量加1。

本文采用企业专利申请数据衡量企业创新。为了更深入地分析不同关键核心程度的技术对企业全要素生产率异质性影响，本文将企业创新划分为关键核心技术领域创新和非关键核心技术领域创新。对于关键核心技术和非关键技术的划分，主要依据国家科技部公布的“十五”至“十三五”《国家科技创新规划》，从中提取出描述关键核心技术的词库，利用strmatch命令将词库与每条专利的摘要内容进行匹配筛选。如果该专利摘要内容中含有特定的关键词，则将该专利认定为关键核心技术，否则认定为非关键核心技术。关键核心技术和非关键核心技术是对立关系，两者之和等于专利申请总量，两者在核心程度上表现为关键核心发明技术强于非关键核心技术。

目前，对于企业全要素生产率的测算方法主要有固定效应估计法、OP法（Olley和Pakes，1996）、LP法（Levinsohn和Petrin，2003）和GMM估计法。由于固定效应估计无法体现出时间变化所带来的信息，在实际操作中难以令人信服。GMM估计法需要对样本进行大量的差分和滞后值处理以寻求合意的工具变量，使得对样本信息的利用受到了限制。相较而言，OP法和LP法在解决同步偏差和选择性偏误问题的同时，所受限制较少，使用较为灵活广泛，因此本文对在实证分析部分采用LP法测算的企业全要素生产率、后续采用OP法计算的全要素生产率作稳健性检验。

本文采用资本劳动比反映资源配置效率，具体采用固定资产净值与企业从业人数的比率代表企业资本劳动比。于泽和徐沛东（2014）认为投资导致的资本劳动比上升是我国经济增长的重要源泉。张杰等（2016）通过研究融资约束对企业资本劳动比的影响来探讨中国经济增长问题。因为资本劳动比的高低及其变化往往是由生产的技术条件决定的，因此资本劳动比是经济增长的重要因素。

现有文献中衡量企业融资约束的指标包括单一指标如资产规模、利息保障倍数、股利支付率等，复合指标如WW指标、SA指标、KZ指标，还有投资−现金流敏感度、现金−现金流敏感度等方法。考虑中国工业企业数据的可得性、指标的全面有效性，本文采用SA指数衡量企业所面临的融资约束。

SA指数计算公式如下式（3）：

其中，size表示企业总资产（单位：百万元人民币）的对数，size²表示企业总资产对数的平方，age表示企业年龄。SA指数一般为负数，数值越大表示企业面临的融资约束越重。在稳健性检验部分，本文使用企业利息支出的对数度量企业融资约束。

本文选取的控制变量主要包括微观层面、中观层面以及宏观层面的变量。微观层面控制变量包括：（1）企业年龄，用企业年龄的对数表示；（2）人均工资，用（应付工资+应付福利费）/员工数量，再取对数表示；（3）资产负债率，用负债总额占资产总额的比例表示；（4）速动比率，用（流动资产−存货）/流动负债表示；（5）资产周转率，用营业收入/总资产表示；（6）资产收益率，用（利润总额−应交所得税）/资产总计表示；（7）产权比率，用所有者权益/负债合计表示；（8）中观层面控制变量主要是市场收益率，采用上证综指收益率；（9）人均GDP，国内生产总值除以年中人口数 ¹ ；（10）货币政策宽松程度，采用孙骏可等（2019）的方法，按公式（4）测算：

其中，ΔM2/M2为货币供应量增长率，ΔGDP/GDP为经济增长率，ΔCPI/CPI为通胀率，MP越大表示货币政策越趋于紧缩，反之则货币政策趋于宽松。

所有变量的描述性统计见表1。

企业成功研发关键核心技术将会对于企业的生产经营产生重大影响，因此本文将其作为一项事件冲击。考察冲击的影响通常使用DID模型进行分析。由于每个企业成功研发关键核心技术的时点不统一，而且一个企业可能会在不同的时点多次研发出关键核心技术，因此本文采用多时点DID模型，并将企业在样本期内首次研发出关键核心技术的时点作为冲击时点。本文将DID基准回归模型设定为下式（5）：

其中，lntfp表示企业全要素生产率的对数，Treat表示处理组和控制组的0‒1变量，如果企业在样本期间内有关键核心技术出现，则将该企业认定为处理组，该企业2001−2015年Treat变量取值为1；如若企业在整个样本期间内均未出现过关键核心技术，则将该企业认定为控制组，该企业Treat变量取值为0。Post为政策时点变量，在企业出现关键核心技术当年以及以后年份取值为1，在企业关键核心技术出现以前的年份取值为0。由于每个企业出现关键核心技术的时点不一致，Post变量的下标i表示企业，t表示时间。譬如某个企业2010年关键核心技术指标大于0，则该企业2001−2009年的Post变量取值为0，2010−2015年的Post变量取值为1。Treat_i×Post_t的系数代表拥有关键核心技术的企业相对于没有关键核心技术的企业的生产率差异。controls表示控制变量，σ_t和ν_i表示控制时间和个体固定效应，µ_it表示扰动项。

运用DID模型分析政策实施效果，前提是处理组和控制组满足平行趋势假设。即如果所有企业都没有研发出关键核心技术时，其全要素生产率变化趋势无差异。但这一假定在大多数情况下都难以得到满足。然而，Heckman等（1997）、 Heckman等（1998）提出的PSM-DID方法有效地解决了这一难题。

PSM的基本思想是在没有成功研发关键核心技术（控制组）中找到某个企业，使得其与有成功研发关键核心技术（处理组）中的某个企业的可观测变量尽可能近似，这样就使得控制组和处理组成功研发关键核心技术的概率相同，从而使两个企业具有可比性。在实际匹配过程中，需要考虑个体间的相似距离，本文主要采用近邻1∶1匹配的方法，后续采用卡尺匹配作稳健性检验。

双重差分法实际上蕴含着“反事实”分析的思想，由于现实中无法观察到处理组在没有关键核心技术时的情况，所以需要通过倾向得分匹配法从未有关键核心技术的企业样本中挑选出与处理组企业（即存在关键核心技术的企业）最接近的样本作为控制组，以控制组作为参照继而得出关键核心技术对企业全要素生产率的影响程度。

本文选取资本劳动比、速动比率、资产收益率、平均工资和杠杆率五个指标作为匹配的协变量，采用最近邻匹配方法，匹配时将全部样本的倾向得分控制在同一区间以满足样本重叠假设。为检验匹配质量，本文对PSM后的样本进行了平衡性检验，结果见图1。PSM后的处理组和控制组在主要控制变量方面差异性显著减少，绝大部分协变量的p值大于0.1，因此匹配效果较为理想。

图  1  平衡性检验

双重差分模型假设被解释变量具有平行趋势。为验证样本是否满足该假设，绘制处理组和控制组的全要素生产率差异的时间趋势图，具体结果见图2。从图中可以看出，在政策时点前4期至前1期，处理组和控制组的全要素生产率无显著差异，满足平行趋势；政策时点及以后处理组和控制组的全要素生产率差异逐渐扩大，直至5期后差异有所缩小，符合预期。但政策时点前1期，处理组和控制组的全要素生产率已经出现了显著的差异。本文认为主要原因有两点：一是企业申请专利的时间可能存在一定的滞后，即企业研发成功后可能没有及时登记申请；二是某些专利可能具有一定的组合性，当这个专利的第一部分研发成功后，这一部分就可为企业带来更高的效益，但企业需要等到完整的专利技术完成后才会去申请专利，因此导致处理组和控制组的企业全要素生产率在政策时点前1期就出现了明显差异。总体来看，样本数据满足平行趋势假设，满足DID模型的前提假设。

图  2  平行趋势图

基于PSM后的样本进行DID模型回归的结果见表2。列（1）是没有加入控制变量的回归结果，列（2）是加入控制变量后的回归结果，列（3）和列（4）是在加入所有控制变量后进一步控制个体固定效应和时间固定效应。可以看出，随着控制变量的加入，Treat×Post的系数始终都显著为正，说明相比没有关键核心技术的企业，拥有关键核心技术的企业获得生产率溢价，具体表现为拥有关键核心技术的企业其全要素生产率比没有关键核心技术的企业全要素生产率平均高出16% ² 。

以列（4）为基准，控制变量的估计结果如下：（1）企业年龄lnAge的系数显著为正，说明企业经营时间越长，生产率越高；（2）企业资产周转率Asset_turnover的系数显著为正，说明企业资产周转越快，其生产率越高；（3）企业总资产收益率ROA的系数显著为正，说明收益率越高的企业生产率往往也越高；（4）货币政策紧缩度MP的系数显著为负，说明紧缩的货币政策不利于企业生产率的提高。

本文从企业所处行业、所有权性质以及规模大小三个角度进行异质性分析。

首先，根据国民经济行业分类，制造业可细分为31个具体行业。进一步将这31个具体行业归为劳动密集型、资本密集型和技术密集型三类分样本回归，结果见表3 ³ 。可以看出，关键核心技术对劳动密集型、资本密集型和技术密集型都有显著的促进作用，因此，技术创新对我国产业发展发挥重要作用。对比来看，关键核心技术对劳动密集型企业的促进作用最大、对技术密集型企业的全要素生产率促进作用次之、对资本密集型企业的全要素生产率促进作用最小。这一点不难理解：劳动密集型行业需要大量的劳动投入，如果一些关键核心技术能够成功突破，可能会实现用机器代替人力，这样生产效率就会极大地提升。资本密集型企业需要大量的资本投入，关键核心技术能够以更低的成本进行生产，且有利于扩大生产规模，最终推进企业全要素生产率的提升。而技术密集型企业本身对技术的依赖性较强，如果某一项技术实现突破，在原有基础上生产率会有所提升，但是根据边际效益递减规律，其生产率提升程度低于劳动密集型企业。

其次，根据企业所有权性质分样本回归，结果见表3。列（4）和（5）的结果表明，关键核心技术对国有企业全要素生产率的促进作用不显著。可能的原因在于国有企业多关注国计民生和重大发展战略的技术研发，这类技术专利往往只有垄断的国有企业所掌握，且国有企业的关键核心技术往往市场化程度低，技术使用效率低，最终导致对国有企业全要素生产率促进作用小。

最后，根据企业的资产规模和从业人数将样本划分为大企业和中小企业。列（6）和（7）的结果表明，关键核心技术对中小规模企业的全要素生产率促进作用显著，但对大规模企业全要素生产率无明显促进作用。中小规模企业相比于大规模企业有更大的进步空间，一项关键核心技术的成功研发可能会给企业带来较大的效益，而大规模企业可能由于规模经济已经达到最优，对于关键核心技术的应用受限。

本文从替换变量、改变样本容量、改变匹配方法、变化估计方式、安慰剂检验以及内生性问题六个角度进行。

替换变量。基准回归中，采用的是否为处理组以及政策时点的交互项，是0−1变量。本文首先将自变量替换为连续的的关键核心技术指标，将因变量替换为OP法计算的全要素生产率。具体回归结果见表4列（1）和（2）。关键核心技术指标的系数以及Treat×Post系数都显著为正，说明关键核心技术能够为企业带来更高的生产率，替换变量后保持稳健。

改变样本容量。2008年的金融危机给企业的生存带来了巨大的挑战，因此企业的研发必然也会受到重创。为排除2008年金融危机对企业关键核心技术的影响，本文剔除2008的样本数据后再进行回归，结果见表4列（3）。可以看出，交互项系数依然显著为正，因此主回归结果稳健。

更换匹配方法。基准回归中，运用近邻1∶1匹配方法确定处理组和控制组，此处本文采用核匹配方法，具体回归结果见表4列（4）。可以看出，交互项系数显著为正，但数值有所减小，主回归的结论依旧稳健。

变化估计方式。基准回归中使用的是双固定效应，这里本文采用系统GMM模型对（5）式进行估计，估计结果见表4列（5）。可以看出，Treat×Post系数依旧显著，因此主回归结果在变换估计方法情况下依旧成立，结论稳健。

安慰剂检验。安慰剂检验是用来验证DID模型结果稳健性的一种常用方法，其具体使用方法有三种：一是随机政策发生时间，二是将处理组随机化，三是政策发生时点和处理组随机化结合。本文采用政策时点和处理组随机化结合的方法进行安慰剂检验，结果见图3。从图中可以看出，无论是哪种检验方法，交互项系数都不再显著，说明企业全要素生产率的提升确实是由于企业获得了关键核心技术带来的。以上检验结果表明关键核心技术对企业全要素生产率存在显著影响这一结论稳健。

图  3  安慰剂检验

内生性问题。企业生产率的提升有利于企业专利技术的成功研发，因此关键核心技术与企业全要素生产率之间可能存在由于反向因果带来的内生性问题。本文采用交互项的滞后一期进行回归，结果见表4列（6）。可以看出，滞后一期的交互项系数显著为正，说明在考虑了内生性问题后，关键核心技术依然能够为企业带来更高的生产率，因此主回归结果具有较强稳健性。

上述检验表明，拥有关键核心技术的企业相比于没有关键核心技术的企业有更高的生产率，那么，关键核心技术是如何带来更高的全要素生产率的？基于前文的理论分析和研究假设，本文认为，关键核心技术可能通过两个渠道间接影响企业全要素生产率：一是通过企业资本劳动比影响企业全要素生产率，二是通过融资约束影响企业全要素生产率。因此资本劳动比和融资约束可能在关键核心技术与企业全要素生产率之间发挥中介作用。

本文基于Kosuke等（2010）、温忠麟和叶宝娟（2014）的中介效应分析框架，构建以下分析模型：

式（5）、式（6）和式（7）构成了中介效应分析框架。式（5）中的系数a₁为关键核心技术对企业全要素生产率的总影响。式（6）的系数b₁表示关键核心技术对企业资本密集度的影响。将式（6）代入式（7），可以得到式（8）：

其中，w₀代表截距项，等于c₀+b₀c₂。b₁c₂衡量的是关键核心技术通过资本劳动比进而影响全要素生产率的中介效应。式（7）的系数c₁表示在控制了资本劳动比对全要素生产率的间接影响后，关键核心技术对全要素生产率的直接影响。根据中介效应检验规则，如果式（6）的系数b₁显著大于0，式（7）的系数c₂显著大于0，则中介效应成立，中介程度为b₁c₂/a₁。

同样地，基于中介效应分析框架，构建以下分析模型：

式（5）、式（9）和式（10）组合构成验证融资约束的中介效应模型。式（9）的系数d₁反映关键核心技术对企业融资约束的影响，根据前文分析以及融资约束指标的特性，系数d₁应该为负；式（10）中的系数e₁表示在控制融资约束对企业全要素生产率的影响后，关键核心技术对全要素生产率的直接影响。

实证回归结果见表5 ⁴ 。表5列（4）是将两个中介变量同时加入主回归得出的结果。根据回归结果、结合中介效应判断规则以及中介程度计算结果得出，融资约束在汇率变动影响全要素生产率过程中发挥显著的中介作用，中介程度高达39.58%，而资本劳动比在汇率变动影响全要素生产率过程中存在遮掩效应，遮掩程度为1.26%。把两个中介变量同时放在主回归中，资本劳动比的中介作用不再明显，可能的原因在于融资约束对于资本劳动比中介作用的发挥存在一定的影响。为此，本文进一步考察了融资约束对资本劳动比的调节作用，回归结果见表5列（5）。可以看出，较强的融资约束会降低资本劳动比提升对全要素生产率的促进作用。

本文基于128167组中国工业企业数据库、中国海关数据库和专利数据库的匹配数据，通过构建PSM−DID模型探究了关键核心技术对企业全要素生产率的作用及其作用机制。研究发现：

（1）关键核心技术能够为企业带来生产率溢价，具体表现为有关键核心技术的企业相对于没有关键核心技术的企业生产率平均高出16%，这一结论在替换变量、改变样本容量、安慰剂检验以及考虑内生性情况下结论依然稳健；

（2）异质性分析表明，关键核心技术对全要素生产率的促进作用在劳动密集型、资本密集型行业、非国有企业和小规模企业表现明显；

（3）融资约束在关键核心技术影响全要素生产率过程中发挥显著的中介作用，中介程度高达39.58%。

根据上述研究结论得出以下政策启示：

第一，关键核心技术能够带来显著的生产率溢价，在全球新冠疫情基本结束和外部不确定性显著增强的大背景下，企业经营业绩可能普遍存在下降趋势。在这样的压力下，企业进行自主关键技术领域创新的机会成本反而更小。因此，企业要及时抓住这个关键窗口期，在保证企业自身生存的情况下，积极探索关键核心技术的多样化实现路径，为企业的长远发展赢得先机。

第二，关键核心技术对全要素生产率的异质性作用预示政府在支持企业创新时应具有针对性，对非国有企业和中小型企业的创新活动给予充分的财政补助、税收减免等政策保障，搭建中小企业与大企业的创新合作平台，构建良好的创新生态，推动中小企业“专精特新”之路。而对于国有企业和大型企业，政府应引导大企业组建创新联合体参与重大创新任务，并推动大企业带动产业链上的小企业融通创新，提高创新成果的应用转化率。

第三，要降低行业壁垒、减少市场垄断，使市场更有效地发挥资源配置作用，消除人力资本流动障碍和技术资源交易障碍，为企业创新高效转化为生产率提供条件。

第四，深化金融体制改革，引导金融机构信贷资源“脱虚向实”，切实有效地解决企业融资难融资贵问题，缓解企业创新面临的融资约束难题。