４６ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 量ꎮ 具体而言ꎬ基于中国投入产出表中制造业各行 密度最大(２.００２ 台 / 百万小时) ꎬ但基于投入产出关 业的投入产出关系ꎬ以行业 ｊ 向上游行业 －ｊ 购买中间 系测算出的其上游行业的工业机器人使用密度则较 投入占行业 ｊ 向所有上游行业购买的中间投入品总 小ꎬ仅 为 ０. １２７ 台 / 百 万 小 时ꎻ ( ２ ) 橡 胶 和 塑 料 业 和的比值为权重ꎬ将行业 ｊ 所有上游行业的工业机 (１５) 的工业机器人使用密度仅次于汽车及其他交 器人使用密度加权平均ꎬ从而得到前向关联渠道的 通业ꎬ为 ０.４６２ 台 / 百万小时ꎬ但其上游行业的工业 机器人使用密度最小( ０.０５２ 台 / 百万小时) ꎻ( ３) 相 工业机器人使用密度( ｒｂｕｐ) ꎬ测算公式如下: 反ꎬ对于纺织业( ８—１０) 、造纸业( １２) 、木材和家具 业(１１) 来说ꎬ行业内机器人使用密度均小于０.０１台 / ∑ｒｂｕｐｊｔ ＝ ωｊꎬ－ｊ × ｒｂ －ｊ ｔ ( １７) 百万小时ꎬ但其上游行业机器人使用密度较大ꎬ均大 于 ０.１１ 台 / 百万小时ꎮ －ｊ ꎬ －ｊ ≠ｊ 　 　 其中ꎬ行业 －ｊ 是企业 ｉ 所在行业 ｊ 的上游行业ꎬ ωｊꎬ－ｊ 表示权重ꎬｒｂ－ｊ ｔ 表示 ｔ 年上游行业 －ｊ 的机器人使用 密度ꎮ 将前向关联渠道的工业机器人使用密度按年 份平均ꎬ进而绘制出 ２００６—２０１５ 年前向关联渠道的 中国工业机器人使用密度ꎬ如图 ４ 所示ꎮ 可以看出ꎬ 在样本期内前向关联渠道的工业机器人使用密度整 体呈逐年递增的趋势ꎬ２０１５ 年为 ０. ４３５ 台 / 百万小 时ꎮ 此外ꎬ在 ２００６—２００９ 年间ꎬ前向关联渠道的工 业机器 人 使 用 密 度 大 于 行 业 内 机 器 人 使 用 密 度ꎬ ２００９ 年后行业内机器人使用密度超过前向关联渠 道ꎬ二者之间的差距逐渐拉大ꎮ 　 　 数据来源:作者根据相关测算结果绘制而成ꎮ 图 ５　 分行业前向关联渠道机器人使用密度均值 ４.后向关联渠道的工业机器人使用密度 行业 ｊ 向所有下游行业提供的中间投入品中下 游行业 ｊ 所占份额作为权重ꎬ将行业 ｊ 所有下游行业 ＿ 的工业机器人使用密度加权平均ꎬ从而得到后向关 联渠道的工业机器人使用密度( ｒｂｄｏｗｎ) ꎬ测度公式 如下: 　 　 数据来源:作者根据相关测算结果绘制而成ꎮ ∑ｒｂｄｏｗｎｊｔ ＝ ω ｊꎬｊ × ｒｂ ｊｔ ( １８) 图 ４　 ２００６—２０１５ 年前向关联渠道机器人使用密度 ｊ ꎬｊ ≠ｊ ＿ ＿ 图 ５ 表示中国分行业的前向关联渠道工业机器 人使用密度ꎮ 由图 ５ 可知ꎬ前向关联渠道的工业机 ＿＿ 器人使用密度的行业间差异同样较大ꎬ其中最高的 行业是基本金属业(１７) ꎬ上游制造业行业的工业机 　 　 其中ꎬ行业 ｊ 是企业 ｉ 所在行业 ｊ 的下游行业ꎬ 器人使用密度为 ０.２３９ 台 / 每百万小时ꎻ最低的行业 ＿ 为橡胶和塑料业(１５) ꎬ上游制造业行业的工业机器 人使用密度为 ０.０５２ 台 / 百万小时ꎮ 对比行业内的 ω ｊꎬｊ 为权重ꎬｒｂ ｊｔ 表示 ｔ 年下游行业 ｊ 的机器人使用密 工业机器人使用密度和前向关联渠道的工业机器人 ＿＿ 使用密度ꎬ我们发现二者行业间纵向差异较大ꎬ具体 ＿ 地:(１) 汽车及其他交通业(２３) 的工业机器人使用 度ꎮ 将后向关联渠道的工业机器人使用密度按年份 平均ꎬ进而绘制出 ２００６—２０１５ 年后向关联渠道的中 国工业机器人使用密度ꎬ如图 ６ 所示ꎮ 可以看出ꎬ在 样本期内后向关联渠道的工业机器人使用密度同样 呈现出逐年递增的趋势ꎬ２０１５ 年每百万小时的工业 机器人数量达到 ０.９０５ 台ꎮ 在 ２００６—２０１２ 年间ꎬ后 向关联渠道的工业机器人使用密度与行业内机器人 使用密度差距 较 小ꎻ２０１２ 年 后 二 者 之 间 的 差 距 拉

　 总第 ２２５ 期　 　 　 　 　 　赵春明　 谷均怡:工业机器人应用、上下游产业关联与中国企业出口产品质量 ４７ 大ꎬ后向关联渠道的工业机器人使用密度明显大于 密度对企业出口产品质量的影响同样非常重要ꎬ且 行业内ꎮ 上下游行业机器人使用密度与行业内机器人使用密 度差异较大ꎬ本文从上下游产业关联的视角深入分 　 　 数据来源:作者根据相关测算结果绘制而成ꎮ 析工业机器人对中国企业出口产品质量的影响ꎬ考 图 ６　 ２００６—２０１５ 年后向关联渠道机器人使用密度 察上述影响是否因同行业和跨行业的差异而有所不 同ꎬ有利于从整体上评估机器人采用对企业产品质 　 　 图 ７ 表示中国分行业的后向关联渠道工业机器 量升级的影响ꎮ 人使用密度ꎮ 其中ꎬ最高的行业是工业机械制造业 (１９) ꎬ下游行业的每百万小时工作的工业机器人数 ( 三) 数据来源与描述性统计 量为 ０.７１４ 台ꎻ最低的行业是食品和饮料业(６) ꎬ下 考虑到中国从 ２００６ 年才开始逐步使用工业机 游行业的每百万小时工作的工业机器人数量仅为 器人ꎬ同时受微观数据可获得性的限制ꎬ本文的数据 ０.０１０台ꎮ 我们再次对比行业内的工业机器人使用 跨度为 ２００６—２０１５ 年ꎮ 行业层面的工业机器人数 密度和后向关联渠道的工业机器人使用密度ꎬ发现 据来源于国际机器人联盟( ＩＦＲ) 数据库ꎬ该数据库 二者行业间纵向差异同样较大ꎬ具体体现为:(１) 相 提供了 １９９３—２０１９ 年全球近 １００ 个国家或地区的 比于行业内工业机器人使用密度最大的汽车及其他 工业机器人安装量和保有量ꎮ 鉴于工业机器人在中 交通业(２３) ꎬ其下游行业的工业机器人使用密度为 国主要应用于制造业部门尤其是汽车制造业领域ꎬ ０.０９８ 台 / 百万小时ꎬ仅高于食品和饮料业( ６) ꎻ( ２) 而农业和服务业部门的工业机器人使用量较少且仅 工业机械制造业( １９) 的下游行业机器人使用密度 涵盖部分行业ꎬ本文仅保留制造业行业的中国工业 最高ꎬ但其行业内工业机器人使用密度仅为 ０. ０６０ 机器人数据ꎮ 行业层面的员工工作时长总数数据来 台 / 百万小时ꎬ二者之间相差 ０.６５３ 台 / 百万小时ꎮ 源于 ＷＯＲＬＤ ＫＬＥＭＳ 数据库ꎬ该数据库由哈佛大学 Ｊｏｒｇｅｎｓｏｎ 教授所倡导而成立ꎬ提供了欧盟、美国、中 　 　 数据来源:作者根据相关测算结果绘制而成ꎮ 国等大多数国家详细的行业层面投入产出数据ꎮ 由 图 ７　 分行业后向关联渠道机器人使用密度均值 于 ＩＦＲ 行业分类、ＫＬＥＭＳ 行业分类与 ２０１７ 年国民 经济行业分类的标准不一致ꎬ本文将三者进行匹配ꎬ 鉴于此ꎬ考虑到上下游产业的工业机器人使用 最终计算出 １３ 个制造业细分行业的工业机器人使 用密度ꎮ 本文选取 ２００２ 年 ４２ 个部门之间的中国投入产 出表ꎬ计算出前向关联渠道和后向关联渠道中的固定 投入产出系数ꎬ以避免权重内生变化ꎮ 本文以 ２００６— ２０１５ 年中国沪深 Ａ 股制造业上市公司为研究对象ꎬ 数据来源于国泰安数据库ꎮ 参照以往文献ꎬ我们将股 票交易被证监会特殊处理、从业人数小于 ８ 人、资不 抵债的样本删除ꎮ 此外ꎬ本文还使用了中国海关数据 库来测算企业出口产品质量ꎬ并根据企业名称与年份 将上市公司数据和中国海关数据进行一对一匹配ꎬ最 终得到 ２９０ ５８１ 个企业－产品－出口目的国层面的观 测值ꎮ 表 １ 表示主要变量的描述性统计ꎮ 　 　 四、实证结果分析 　 　 (一)基准估计结果 为了基于产业关联视角探讨工业机器人应用对

４８ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 行业间企业出口产品质量的垂直溢出效应ꎬ本文以 提升效应主要来自行业内和行业间前向关联渠道ꎬ 行业内、行业间前向关联渠道和后向关联渠道的工 行业内工业机器人使用密度每增加 １０％ꎬ企业出口 业机器人应用作为核心解释变量采用 ＨＤＦＥ 高维固 产品质量提高约 ０.４４％ꎻ从上下游产业关联角度来 定效应模型对公式(１０) 进行估计ꎬ回归结果见表 ２ꎮ 看ꎬ上游行业的工业机器人使用密度每增加 １０％ꎬ 结果显示ꎬ工业机器人采用所带来的出口产品质量 下游企业出口产品质量提高约 ０.０２％ꎮ 由此可见ꎬ 变量 表 １　 主要变量描述性统计 均值 最大值 最小值 ｑｕａｌｉｔｙ ０.４２６ １.０００ ０.０００ ｌｎｒｂ 指标 ０.２３７ ０.０００ ２.００１ ｌｎｒｂｕｐ 企业出口产品质量 ０.１８０ ０.００２ ０.５９１ ｌｎｒｂｄｏｗｍ 行业内的工业机器人使用密度 ０.３７７ ０.０００ １.１９６ ｌｎｔｆｐ 前向关联渠道的工业机器人使用密度 １３.１７７ ５.５３９ １７.４９２ ｌｎｋｌ 后向关联渠道的工业机器人使用密度 １２.２９２ ６.５７０ １７.６７１ ｐｒｏｆｉｔ 企业生产率 ０.０７９ ０.０００ ２.０４４ ｆｉｎａｎｃｅ 企业资本劳动密集度 ０.００２ ０.０００ ２.１７６ ｌｎｓｉｚｅ 企业利润率 ７.６８３ ２.３０２ ２.１７６ ｌｎａｇｅ 企业融资能力 ２.５５４ ０.６９３ ３.７１３ ＨＨＩ 企业规模 ０.００３ ０.０００ ０.１２５ 企业年龄 行业市场集中度 表 ２　 各渠道工业机器人应用影响企业出口 同行业内工业机器人应用对企业出口产品质量提升 产品质量的基准估计结果 产生直接的促进作用ꎬ而跨行业渠道产生的质量提 升效应相对较弱ꎬ特别是后向关联渠道ꎬ下游行业机 ｌｎｒｂ (１) (２) (３) 器人应用对上游企业的倒逼式创新和技术溢出效应 ＨＤＦＥ ＨＤＦＥ ＨＤＦＥ 有限ꎮ 鉴于此ꎬ要提升中国企业的同行业内工业机 ｌｎｒｂｕｐ ０.００５∗∗∗ ０.０３８∗∗∗ ０.０４４∗∗∗ 器人应用对企业出口产品质量提升产生直接的促进 ( ０.００１) ( ０.００９) 作用ꎬ而跨行业渠道产生的质量提出口竞争力ꎬ除了 ｌｎｒｂｄｏｗｍ ０.００２∗ ( ０.００９) 增加同行业的工业机器人数量外ꎬ更要构建中国制 是 ( ０.００１) ０.００２∗∗ 造业自动化生产方面具有竞争力的上游供应体系ꎬ ｌｎｔｆｐ ２６４ꎬ６５６ ０.００１ 这对于中国实现出口贸易转型升级是尤为重要的ꎮ ( ０.００３) ( ０.００１) ｌｎｋｌ ０.２９２ －０.００２ ( 二) 内生性处理与稳健性检验 是 １.内生性处理 ｐｒｏｆｉｔ ２６４ꎬ６５６ ( ０.００３) 相较于自动化生产来说ꎬ人工生产的产品质量 ０.００１ 较低ꎬ导致产品质量越高的企业越有动力使用工业 ｆｉｎａｎｃｅ ０.６０９ 机器人ꎬ进而使得工业机器人与企业产品质量之间 ( ０.００１) 可能存在双向的因果关系ꎮ 为了解决可能存在的内 ｌｎｓｉｚｅ ０.００１∗∗ 生 性 问 题ꎬ 借 鉴 Ａｃｅｍｏｇｌｕ 和 Ｒｅｓｔｒｅｐｏ 的 做 法[２６]２１８８－２２４４ ꎬ本文选取同时期各行业以及上下游行 ｌｎａｇｅ ( ０.００１) 业的美国工业机器人使用密度作为同行业和跨行业 ０.００７∗∗∗ 各渠道中国工业机器人使用密度的工具变量ꎬ采用 ＨＨＩ 工具变量高维固定效应法( ＩＶ －ＨＤＦＥ) 对基准回归 固定效应 ( ０.００３) 模型进行重新估计ꎬ估计结果见表 ３ 第(１) 列ꎮ 中 样本量 ０.０２９ 国企业出口产品质量产生直接影响ꎬ满足排他性假 Ｒ２ ( ０.０２２) －０.００１ ( ０.００１) － ０. ０１３ ∗∗∗ ( ０.００３) － ０. １８０ ∗∗∗ ( ０.０５５) 是 ２６４ꎬ６５６ ０.６０９ 　 　 注:∗∗∗、∗∗、∗分别表示 ｐ<０.０１、ｐ<０.０５ 和 ｐ<０.１ꎻ 括号内为聚类到企业层面的稳健标准误ꎬ下同ꎮ

　 总第 ２２５ 期　 　 　 　 　 　赵春明　 谷均怡:工业机器人应用、上下游产业关联与中国企业出口产品质量 ４９ 设ꎮ 美国工业机器人使用密度通过了不可识别检验 渠道的估计结果仍然显著为正ꎬ后向关联渠道的估 和弱工具变量检验ꎬ是有效的工具变量ꎮ 在处理内 计结果仍然在统计上不显著ꎬ进一步表明了本文结 生性问题后ꎬ行业内与上游行业工业机器人应用对 论的稳健性ꎮ 企业出口产品质量的影响依然显著为正ꎬ且影响程 度有所提高ꎬ下游行业机器人应用对产品质量的影 (３)控制其他影响企业出口质量的因素ꎮ 本文 响仍然不显著ꎮ 平均来看ꎬ行业内工业机器人使用 从上下游产业关联的视角分析工业机器人应用与企 密度每增加 １０％ꎬ该行业内企业的出口产品质量会 业出口产品质量的因果关系ꎮ 但是ꎬ同时期除了由 上升 １.０９％ꎬ而上游行业机器人使用密度上升 １０％ꎬ 制造业自动化水平提高所导致的出口产品质量变化 企业出口产品质量将上升 ０.１０％ꎮ 以上结果表明在 之外ꎬ可能还存在其他影响因素导致产品质量变化ꎮ 借助工具变量对回归方程进行重新估计后ꎬ本文得 外资管制放松可以通过投资、市场竞争等渠道影响 到的结论并未改变ꎬ具有很好的稳健性ꎮ 东道国企业出口产品质量[３] ꎬ我们采用行业内外资 企业数量的对数值衡量外资管制程度并加入回归方 此外ꎬ由于本文仅使用出口企业样本研究机器 程ꎮ 进口关税削减ꎬ尤其是中间品关税削减会通过 人对出口产品质量的影响ꎬ可能存在样本选择偏误 影响企业进口中间品种类和质量[２７]２５０－２６２ 、自主创新 问题ꎮ 对此ꎬ本文采用 Ｈｅｃｋｍａｎ 两步法处理潜在的 能力[２８]２６－４４ 、员工 技 能 结 构[２９]８２－９４ 等 对 企 业 出 口 产 样本选择性偏误问题ꎮ 首先根据企业层面数据构建 品质量产生较大冲击ꎬ我们借鉴 Ｌｉｕ 和 Ｑｉｕ 的方法 Ｐｒｏｂｉｔ 企业出口参与决策模型ꎬ解释变量与基准回 采用各行业间的投入产出关系和中国最终品进口关 归相同ꎬ然后将估计出的逆米尔斯比率匹配至企业 税数据构建出 ＣＩＣ － ２ 位数层面的中间品进口关税 －产品－出口目的国层面并代入基准回归模型ꎮ 结 指标[３０]１６６－１８３ ꎬ将 ＣＩＣ － ２ 位数层面的中间品进口关 果显示ꎬ逆米尔斯比率的估计系数不显著ꎬ说明本文 税和最终品进口关税指标与 ＫＬＥＭＳ 行业匹配后加 不存在样本选择偏误ꎮ 入基准回归模型ꎬ估计结果见表 ３ 第(５) 列ꎮ 结果 显示ꎬ在控制其他外生冲击后ꎬ行业内和行业间各渠 ２.稳健性检验 道工业机器人应用对企业出口产品质量的影响并未 本文采取了一系列稳健性检验ꎬ以确保研究结 发生变化ꎮ 论为的稳健性ꎬ估计结果报告见表 ３ꎮ 稳健性检验 的具体操作如下: (４)更换研究维度ꎮ 本文的研究是在企业－产 ( １) 在前文测算企业出口产品质量时我们将产 品－目的国层面ꎬ我们进一步将产品质量分别加权 品间替代弹性设定为 ４ꎬ在此部分借鉴 Ｆａｎ 等[２] ꎬ令 平均至企业 － 产 品 层 面 和 企 业 层 面 进 行 重 新 估 计ꎮ 替代弹性取值为 ５ 重新测算企业出口产品质量ꎬ估 如表 ３ 第(６)列和第(７)列所示ꎬ同行业和前向关联 计结果如表 ３ 第(２) 列所示ꎮ 此外ꎬ本文还采用出 渠道的估计结果仍然显著为正ꎬ后向关联渠道的估 口产品价格作为被解释变量ꎬ估计结果见第(３) 列ꎮ 计结果仍然不显著ꎮ 从结果来看ꎬ行业内与行业间前向关联渠道的机器 人使用密度的估计系数依然显著为正ꎬ说明同行业 ( 三) 异质性分析 和上游行业的工业机器人应用增加有利于促使出口 １.基于企业所有制的异质性分析 产品质量升级这一结论是稳健的ꎮ 行业内和行业间工业机器人应用对企业出口产 (２) 参 照 Ａｃｅｍｏｇｌｕ 和 Ｒｅｓｔｒｅｐｏ[２６]２１８８－２２４４ ꎬ 采 用 品质量的促进作用是否会受到所有制类型的影响? 行业层面工业机器人存量与基期(２００４ 年) 同行业 为回答这一问题ꎬ本文采用分样本回归ꎮ 可以看出ꎬ 劳动力就业人数(单位:万人) 的比值衡量行业层面 同行业工业机器人使用对外资企业以及民营企业的 的工业机器人使用密度ꎬ并重新计算出各渠道的机 产品质量升级效应明显ꎬ但对国有企业没有显著影 器人使用密度ꎬ行业层面的劳动力就业人数来自第 响ꎮ 行业间前向关联渠道工业机器人使用对下游企 一次全国经济普查ꎮ 在此基础上进行回归ꎬ估计结 业出口产品质量的促进作用主要体现在外资企业和 果见表 ３ 第(４) 列ꎮ 结果显示ꎬ同行业和前向关联 民营企业上ꎬ对国有企业没有明显影响ꎬ这主要与各 类企业的技术吸收能力和资源配置效率有关ꎮ

５０ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 表 ３　 内生性处理与稳健性检验 ｌｎｒｂ (１) (２) (３) (４) (５) (６) (７) ＩＶ－ＨＤＦＥ σ＝５ 控制其他 企业层面 ｌｎｒｂｕｐ ０.１０９∗∗∗ ０.１０５∗∗∗ 出口产品 机器人使 影响因素 企业－产品 ( ０.０３７) ０.０５１∗∗∗ ０.０３３∗∗ ｌｎｒｂｄｏｗｎ ０.０１０∗∗∗ 价格 用密度 层面 ( ０.００２) ４.３５７∗∗∗ ０.０２２∗∗∗ ( ０.００９) ０.０２０∗∗∗ ( ０.０１５) 外资管制放松 ０.００３∗∗∗ ０.０１２∗ －０.００４ ( ０.０３６) ( ０.７４２) ( ０.００４) ( ０.００６) 最终品进口关税 ( ０.００７) ０.０１０∗∗∗ ０.１５７∗∗∗ ０.００７∗∗∗ ( ０.００１) ０.００６∗∗∗ ( ０.００６) ０.００１ －０.０１２ 中间品进口关税 １５６２.１５７∗∗∗ ( ０.００２) ( ０.０４５) ( ０.００１) ( ０.００１) 不可识别检验 １１９８.９０２∗∗∗ －０.００４ ０.０８８ －０.００４ ( ０.００３) －０.００５ ( ０.０１５) 弱工具变量检验 － ０. ００４ ∗∗∗ 控制变量 是 ( ０.００７) ( ０.１４４) ( ０.００３) ( ０.００６) 固定效应 是 ( ０.００１) 样本量 ２６４ꎬ６５６ 是 是 是 ０.０４０ 是 是 Ｒ２ ０.４１３ 是 是 是 是 是 ２６４ꎬ６５６ ２６４ꎬ６５６ ２６４ꎬ６５６ ( ０.０６９) ２５ꎬ７０７ ４ꎬ１５１ ０.６３１ ０.８０５ ０.６０９ ０.０４３∗∗ ０.９３５ ０.８２４ ( ０.０２０) 是 是 ２６４ꎬ６５６ ０.６０９ 　 　 具体来说ꎬ一方面ꎬ尽管早在 １９７８ 年开始实施 中位数将企 业 样 本 平 均 分 为 两 组ꎬ 分 别 进 行 回 归ꎮ 的国企改革使得国有企业“ 铁饭碗” 的用工制度被 如表 ４ 第(４)列和第(５)列所示ꎬ员工技能结构较高 逐渐打破ꎬ但是其仍然承担着“ 稳就业” 的职责ꎬ导 企业的行业内机器人使用密度系数在统计上不显 致无法通过低技能劳动力的替代和生产率提高来实 著ꎬ技能结构较低企业的系数均 在 １０％ 水 平 上 显 现企业产品质量的提升ꎻ另一方面ꎬ国有企业行业间 著ꎬ说明机器人应用仅对低技能劳动力占比较高的 投入产出关联度较弱以及由于政府庇护导致的其技 企业产品质量提升发挥了重要作用ꎮ 可能的原因 术吸收能力和学习意愿较低ꎬ使得跨行业工业机器 是ꎬ工业机器人能够对从事程序化任务的低技能劳 人应用对国有企业产品质量的影响有限ꎮ 对于外资 动力进行替代ꎬ对高技能劳动力的替代效应有限ꎮ 企业和民营企业来讲ꎬ由于这两类企业用工制度的 灵活性更高ꎬ使得机器人使用更加容易提高这两类 根据表 ４ 第(４) 列ꎬ行业间前向关联渠道工业 企业的出口产品质量ꎮ 但是ꎬ民营企业在技术水平 机器人使用密度的估计系数在 ５％ 水平上显著为 以及创新潜力方面与外资企业相比存在一定差距ꎬ 正ꎬ第(５)列中前向关联渠道的估计系数在 １％水平 其有效吸收上游行业工业机器人使用所带来的技术 上显著为正ꎮ 对比估计系数大小ꎬ我们发现与行业 溢出的能力有待进一步提高ꎮ 因此ꎬ与外资企业相 内机器人采用的结果不同ꎬ上游行业机器人应用对 比ꎬ民营企业受行业间前向关联渠道机器人使用密 员工技能结构较高的企业出口产品质量的提升作用 度的影响相对较小ꎮ 更大ꎮ 可能的原因在于:一方面ꎬ上游行业自动化技 术的应用提高了企业中间投入品质量ꎬ高技能劳动 ２.基于企业员工技能结构的异质性分析 力更容易在生产中学习高质量中间品内含的生产知 行业内和跨行业各渠道工业机器人应用对企业 识和技术等ꎬ并在“干中学” 过程中将上游行业带来 出口产品质量的影响在不同员工技能结构的企业是 的技术溢出转化为自身的高质量产出ꎻ另一方面ꎬ上 否存在差异? 本文将大专及以上学历员工定义为高 游行业机器人应用通过降低中间品价格促使企业生 技能劳动力ꎬ反之为低技能劳动力ꎬ计算出各企业低 产成本下降ꎬ使得企业拥有充足的资金开展研发创 技能劳动力占职工总数的比重ꎬ并在此基础上根据 新ꎬ而高技能劳动力占比较高的企业整体创新质量

　 总第 ２２５ 期　 　 　 　 　 　赵春明　 谷均怡:工业机器人应用、上下游产业关联与中国企业出口产品质量 ５１ 较高ꎬ产品质量提升更为明显ꎮ 样本分为出口目的国为中低收入国家和高收入国家 ３.基于不同出口市场经济发展水平的异质性分析 两组ꎬ进行分样本回归ꎮ 表 ４ 第(６) 列和第(７) 列的 机器人应用对企业出口产品质量的正面效应是 估计结果显示ꎬ行业内和上游行业工业机器人应用 对中国向中低收入国家和高收入国家出口的产品质 否会因出口目的国经济发展水平而产生差异性影响 量具有显著的促进作用ꎮ 呢? 基于此ꎬ本文根据出口目的国经济发展水平将 表 ４　 工业机器人应用对不同所有制和技能结构企业出口产品质量的影响 (１) (２) (３) (４) (５) (６) (７) 低技能劳动 低技能劳动 中低收入 高收入 国有企业 外资企业 民营企业 ｌｎｒｂ 力占比高 力占比低 国家 国家 ０.０７６ ０.０４０∗∗∗ ０.０３８∗ ０.０７６∗ ０.００８ ０.０２７∗∗ ０.１２７∗∗∗ ｌｎｒｂｕｐ ( ０.０６１) ( ０.０１３) ( ０.０２０) ( ０.００４) ( ０.０６２) ( ０.０１２) ( ０.０１８) ｌｎｒｂｄｏｗｍ －０.０２３ ０.０３２∗ ０.０１２∗∗∗ ０.００４∗∗ ０.０１６∗∗∗ ０.００３∗∗ ０.００７∗∗∗ 控制变量 固定效应 ( ０.０１６) ( ０.０１７) ( ０.００２) ( ０.００２) ( ０.００６) ( ０.００１) ( ０.００２) －０.０１８ －０.００８ ０.００６ ０.００３ ０.０１６ －０.００１ ０.００４ 样本量 Ｒ２ ( ０.０２５) ( ０.００６) ( ０.００５) ( ０.０１５) ( ０.０１９) ( ０.００４) ( ０.００６) 是 是 是 是 是 是 是 是 是 是 是 是 是 是 ８２ꎬ９６０ １８ꎬ２１８ １６３ꎬ１４５ １３１ꎬ５０８ １２２ꎬ２０８ １６３ꎬ１１８ １０１ꎬ４０８ ０.６５４ ０.６８６ ０.６３１ ０.３１０ ０.５９３ ０.３０７ ０.６４１ 　 　 ４.基于不同行业要素密集度的异质性分析 渠道机器人应用对劳动密集型和资本密集型企业出 考虑到工业机器人应用对企业出口产品质量的 口产品质量提升存在显著的促进作用ꎬ其中劳动密 集型行业的作用效果相对更大ꎮ 而行业间各渠道机 影响效应可能因行业要素密集度的差异而有所不 器人应用均对技术密集型行业出口产品质量提升具 同ꎮ 本文参照谢建国将行业分为劳动密集型、资本 有显著的正向影响ꎬ但是同行业机器人应用对其无 密集型和技术密集型行业进行分样本回归[３１]３４－３９ ꎮ 显著影响ꎮ 可能的原因是机器人应用对技术密集型 工业机器人应用对劳动密集型行业的就业替代效应 企业的劳动力替代效应有限ꎬ但技术密集型行业更 更大、生产率提升作用相对较强ꎮ 因此ꎬ本文预期在 为接近科技前沿ꎬ研发创新能力相对较强ꎬ进而使得 劳动密集型行业中各渠道工业机器人应用提升企业 企业因下游行业机器人应用引致的技术创新倒逼机 出口产品质量的效果更加明显ꎮ 表 ５ 第(１) 列至第 制更为明显ꎮ ( ３) 列验证 了 上 述 预 期ꎬ 同 行 业 和 行 业 间 前 向 关 联 表 ５　 工业机器人应用对不同行业出口产品质量的影响 ｌｎｒｂ (１) (２) (３) (４) (５) (６) 劳动密集 资本密集 技术密集 食品和 纺织和 木材和 ｌｎｒｂｕｐ 型行业 型行业 型行业 饮料业 服装业 家具业 ｌｎｒｂｄｏｗｍ ０.７３７∗∗∗ ０.１０６∗∗∗ ０.０５５ ０.１６３∗∗∗ －２.５８４ ０.１６３∗∗ 控制变量 固定效应 ( ０.１９７) ( ０.０２７) ( ０.０１３) ( ０.０４７) ( １.８０２) ( ０.０６９) ０.３１８∗∗∗ ０.０８２∗∗∗ ０.００４∗∗∗ ０.１２１∗∗ １.４１９∗ ０.１５４∗∗∗ 样本量 Ｒ２ ( ０.１０５) ( ０.０２８) ( ０.００２) ( ０.０６１) ( ０.８６３) ( ０.０４９) ０.２２０ －０.００５ ０.０４０∗ ０.１０５ ６.８２１ ４.３９２ ( ０.３５９) ( ０.００３) ( ０.０２７) ( ０.５１４) ( ５.２１１) ( ３.４５２) 是 是 是 是 是 是 是 是 是 是 是 是 ３５ꎬ３４６ ２４ꎬ２５８ ２０４ꎬ７１５ １ꎬ１０８ ３０ꎬ８７９ ３ꎬ３３９ ０.５１９ ０.６３３ ０.８０１ ０.５０７ ０.３５５ ０.６１０

５２ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 　 　 为验证前文所述的机器人应用对劳动密集型行 Ｍａｙｅｒ 等构建了一个多产品企业模型ꎬ在假定多产 业内部的差异化影响ꎬ我们分别对食品和饮料业、纺 品出口企业产品间生产效率存在异质性且现有产品 织业以及木材和家具业进行回归ꎬ估计结果见表 ５ 的生产效率远高于新加入产品的基础上ꎬ研究发现ꎬ 第(４)列至第(６)列ꎮ 结果与预期相符ꎬ上游行业工 贸易自由化引致的市场规模效应和竞争效应会促使 业机器人使用有利于劳动密集型行业产品质量升 企业缩小出口产品范围ꎬ将更多的资源转移至核心 级ꎬ但行业内工业机器人应用仅显著提升了食品和 产品上ꎬ形成产品间的蚕食现象[３４]４９５－５３６ ꎮ 而企业生 饮料业以及木材和家具业的出口产品质量ꎬ对纺织 产率提高会导致企业出口产品范围扩大[３５]７０－９７ ꎮ 本 和服装业产品质量的影响呈负向抑制作用ꎬ但不显 文中机器人应用可能导致边际成本较高的非核心产 著ꎮ 造成这一现象的原因可能是纺织和服装业企业 品克服出口固定成本ꎬ从而扩大企业出口产品范围ꎮ 大多为民营企业ꎮ 在本文的研究样本中民营企业约 在这个过程中ꎬ产品转换行为可能引致资源在核心 占纺织服装业企业总数的 ７３％ꎬ近年来民营企业融 产品和非核心产品间的重置ꎬ进而对企业核心产品 资成本上涨、融资难等问题促使企业仅能引进智能 和非核心产品的质量产生差异化影响ꎮ 为检验这一 搬运机器人、无纺布自动化生产线这类成本较低的 点ꎬ本文构建了如下计量估计方程: 初级自动化设备①ꎬ对于劳动力最密集的车缝环节 仍然无法采用机器人进行替代ꎬ导致尽管纺织和服 Ｙｉｊｔ ＝ α０ ＋ α１ｌｎｒｂｊｔ ＋ α２ｌｎｒｂｕｐｊｔ ＋ 装 业 的 机 器 人 数 量 不 低ꎬ 但 劳 动 力 替 代 率 有 α３ ｌｎｒｂｄｏｗｎｊｔ ＋ γＸｉｊｔ ＋ μｉ ＋ μｔ ＋ εｉｊｔ (１９) 限[３２]１０４－１１９ ꎬ而初级自动化设备的引进无疑会给企业 　 　 其中ꎬＹｉｊｔ 表示 ｔ 年行业 ｊ 企业 ｉ 的出口产品范 带来较大的成本压力ꎬ最终使得机器人应用的质量 围ꎬ采用企业出口的 ＨＳ６ 位码种类数量衡量ꎬ其余 提升效应受到抑制ꎮ 由此可见ꎬ要提高以加工贸易 变量含义均与基准回归方程相同ꎮ 表 ６ 第(１) 列报 为主的纺织服装业的产品质量ꎬ政府应继续提高上 告了企业层面各渠道工业机器人应用对出口产品范 游行业的自动化生产水平ꎬ大力扶持纺织服装业引 围的估计结果ꎮ 从结果来看ꎬ同行业内和上游行业 进高自动化水平的机器人ꎬ避免因企业内部实施智 机器人应用显著增加了企业出口产品种类ꎮ 接下 能制造带来过大的融资压力而造成企业国际竞争力 来ꎬ我们借鉴 Ｃｈａｔｔｅｒｊｅｅ 等的做法[３６]７７－１１０ ꎬ将当年企 下降ꎮ 业出口金额最大的产品视为核心产品ꎬ其余为非核 心产品ꎬ对两类产品进行分组回归ꎮ 如表 ６ 第( ２) 　 　 五、拓展性分析:工业机器人应用的 列和第(３) 列所示ꎬ行业内机器人应用对核心产品 资源再配置效应 和非核心产品质量的影响显著为正ꎬ但对核心产品 　 　 基于单一产品企业假设的异质性企业理论认为 表 ６　 工业机器人应用的资源再配置效应 贸易会导致资源由低生产率企业转移至高生产率企 业ꎬ这种行业内企业间的资源再配置效应使得行业 ｌｎｒｂ (１) (２) (３) 整体生产率水平和社会福利水平提升ꎮ 然而该理论 出口产品种类 核心产品 非核心产品 忽 视 了 多 产 品 出 口 企 业 普 遍 存 在 的 贸 易 事 实ꎬ ｌｎｒｂｕｐ ０.４６４∗∗∗ ０.０４１∗∗∗ ２０００—２００６ 年 ７５％ 以上的制造业企业出口多个产 ０.００４∗ 品ꎬ且多产品出口企业总产出占工业总产值的 ８０％ ｌｎｒｂｄｏｗｍ ( ０.０９９) ( ０.０１３) 以上ꎬ多产品出口企业毋庸置疑是我国对外贸易的 控制变量 ０.１９９∗∗∗ ０.００３∗ ( ０.００２) 主要载体ꎮ 不同于行业内企业间的资源再配置ꎬ在 固定效应 ０.００２ 应对外部冲击时多产品企业内部的产品转换行为是 样本量 ( ０.０６０) ( ０.００１) 实现其资源优化配置的重要形式[３３]１２７１－１３１８ ꎮ 例如ꎬ Ｒ２ ０.１８３ ０.００１ ( ０.００４) －０.００１ ( ０.３５１) ( ０.００４) 是 是 ( ０.００２) 是 是 是 是 ４ꎬ３４６ ７０ꎬ８０７ １９３ꎬ６９７ ０.８７３ ０.７６６ ０.５７３ ①资料来源:« 纺织业“ 十三五” 拟推六大智能生产线» ꎬ中国农村网ꎬ２０１５ꎮ

　 总第 ２２５ 期　 　 　 　 　 　赵春明　 谷均怡:工业机器人应用、上下游产业关联与中国企业出口产品质量 ５３ 的提升效果更明显ꎬ行业间前向关联渠道机器人应 用对劳动密集型行业产品质量的促进作用仅体现在 用仅对核心产品质量存在显著的正向影响ꎬ对非核 食品和饮料业以及木材和家具业ꎬ对纺织和服装业 心产品的影响不显著ꎬ行业间后向关联渠道对核心 的产 品 质 量 升 级 具 有 负 向 抑 制 作 用ꎬ 但 不 显 著ꎮ 产品和非核心产品的出口质量均不存在显著影响效 ( ３) 拓展分 析 结 果 表 明ꎬ 各 渠 道 机 器 人 应 用 导 致 企 应ꎮ 上述结果说明ꎬ工业机器人应用推动企业实施 业出口产品范围扩张ꎬ而在这个过程中企业将更多 多元化出口策略以规避外部市场风险ꎬ而对于已经 资源转移至核心产品上ꎬ使得行业内和行业间前向 实施多元化策略的企业而言ꎬ机器人应用更有利于 关联渠 道 机 器 人 应 用 对 核 心 产 品 的 促 进 作 用 更 提高核心产品质量ꎮ 明显ꎮ 　 　 六、结论及政策启示 本文研究结论不仅从实证层面佐证了政府“ 加 快发展智能制造助推中国制造业转型升级” 具备战 　 　 本文利用 ２００６—２０１５ 年中国沪深 Ａ 股制造业 略上的正确性ꎬ而且为中国企业提高核心产品竞争 上市公司数据、中国海关数据以及国际机器人联盟 力、实施多元化出口战略提供了经验支持ꎬ具有重要 数据ꎬ从上下游产业关联视角实证分析了行业内和 的政策含义ꎮ 第一ꎬ本文研究发现行业的机器人应 行业间各渠道工业机器人应用对企业出口产品质量 用不仅促进了该行业企业的发展ꎬ还通过产业关联 的影响ꎮ 研究发现:(１) 行业内和行业间前向关联 带动国内其他行业企业的发展ꎬ从而实现国内产业 渠道机器人应用显著促进了企业出口产品质量升 价值链上下游企业的产品质量共同升级ꎬ推动出口 级ꎬ行业间后向关联渠道机器人应用对企业产品质 贸易高质量发展ꎮ 因此ꎬ我国应加强国内上下游产 量变动不存在显著影响效应ꎮ 这一结论在替换核心 业联动和结构调整ꎬ完善国内制造业产业链ꎮ 第二ꎬ 解释变量和被解释变量、控制同时期其他政策冲击、 政府在推动自动化生产技术普及应用时ꎬ要注意产 更换研 究 维 度 等 一 系 列 稳 健 性 检 验 后 依 然 稳 健ꎮ 业选择ꎬ并 不 是 所 有 企 业 都 要 大 规 模 使 用 机 器 人ꎮ ( ２) 异质性分析表明:第一ꎬ各渠道工业机器人应用 对于纺织和服装业而言ꎬ低端自动化生产设备的引 对中国企业出口产品质量的影响与企业所有制类型 进对出口升级产生了负向影响ꎮ 因此ꎬ我国企业的 密切相关ꎮ 同行业和行业间前向关联渠道机器人应 工业智能化应当选择那些具有高技术含量和高附加 用对产品质量的影响主要体现在外资企业和民营企 值的优势产业ꎬ同时为争取工业智能化在产业联动 业上ꎬ其中外资企业受前向关联渠道机器人应用的 的作用下对中国出口产品质量带来最大的正向影 影响效果更明显ꎮ 第二ꎬ行业内机器人应用显著促 响ꎬ还应选择那些产业供应链较长、对中国出口结构 进了低技能劳动力占比较高的企业产品质量升级ꎬ 转型升级和高质量发展辐射带动效果较大的产业ꎮ 但对低技能劳动力占比较低的企业出口产品质量无 第三ꎬ不同要素密集度的企业应有针对性地重视上 显著影响ꎻ而行业间前向关联渠道机器人应用对不 下游行业工业智能化水平ꎬ更大程度地发挥机器人 同员工技能结构的企业出口质量提升均存在显著的 应用的产业联动效应ꎮ 劳动密集型和资本密集型企 正向影响ꎬ但对低技能劳动力占比较低的企业产品 业应当积极使用工业机器人ꎬ并在购买中间投入品 质量提升效果更明显ꎮ 第三ꎬ相较于中低收入国家ꎬ 时选择机器人应用水平高的上游企业ꎬ以此来提升 行业内和行业间前向关联渠道机器人应用对出口到 自身出口产品质量ꎮ 对于技术密集型企业而言ꎬ要 高收入国家的产品质量升级效应更大ꎮ 第四ꎬ同行 选择自动化水平高的上下游企业ꎬ适当增加企业自 业和行业间前向关联渠道机器人应用对劳动密集型 身的机器人使用规模ꎬ通过前向关联和后向关联效 和资本密集型企业出口产品质量提升存在显著的促 应实现技术密集型企业出口产品质量提升ꎮ 进作用ꎬ其中劳动密集型行业的作用效果相对更大ꎮ 而行业间各渠道机器人应用均对技术密集型行业出 参考文献: 口产品质量提升具有显著的正向影响ꎬ但同行业机 器人应用对其无显著影响ꎮ 此外ꎬ同行业机器人应 [１] ＦＥＥＮＳＴＲＡ Ｒ ＣꎬＲＯＭＡＬＩＳ Ｊ. Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｐｒｉｃｅｓ ａｎｄ Ｅｎ￣ ｄｏｇｅｎｏｕｓ Ｑｕａｌｉｔｙ[ Ｊ] . Ｑｕａｒｔｅｒｌｙ Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｎｏｍｉｃｓꎬ２０１４

５４ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 ( ２) . [１９] 刘霞ꎬ张天硕ꎬ曲如晓.外国在华专利与中国企业出口行 [ ２] ＦＡＮ ＨꎬＬＩ Ｙ ＡꎬＹＥＡＰＬＥ Ｓ Ｒ.Ｔｒａｄｅ ＬｉｂｅｒａｌｉｚａｔｉｏｎꎬＱｕａｌｉｔｙꎬ 为:基于同行业和跨行业视角的理论与实证分析[ Ｊ].经 济评论ꎬ２０２１(５) . ａｎｄ Ｅｘｐｏｒｔ Ｐｒｉｃｅｓ[ Ｊ] .Ｒｅｖｉｅｗ ｏｆ Ｅｃｏｎｏｍｉｃｓ ａｎｄ Ｓｔａｔｓꎬ２０１５ ( ５) . [２０] 刘莉亚ꎬ等.生产效率驱动的并购:基于中国上市公司微 [３] ＡＮＷＡＲ Ｓꎬ ＳＵＮ Ｓ. Ｆｏｒｅｉｇｎ Ｄｉｒｅｃｔ Ｉｎｖｅｓｔｍｅｎｔ ａｎｄ Ｅｘｐｏｒｔ 观层面数据的实证研究[ Ｊ] .经济学( 季刊) ꎬ２０１８(４) . Ｑｕａｌｉｔｙ Ｕｐｇｒａｄｉｎｇ ｉｎ Ｃｈｉｎａ’ ｓ Ｍａｎｕｆａｃｔｕｒｉｎｇ Ｓｅｃｔｏｒ[ Ｊ] . Ｉｎ￣ ｔｅｒｎａｔｉｏｎａｌ Ｒｅｖｉｅｗ ｏｆ Ｅｃｏｎｏｍｉｃｓ ＆ Ｆｉｎａｎｃｅꎬ２０１８( ＭＡＲ.) . [２１] ＫＨＡＮＤＥＬＷＡＬ Ａ ＫꎬＳＣＨＯＴＴ Ｐ ＫꎬＷＥＩ Ｓ Ｊ.Ｔｒａｄｅ ｌｉｂｅｒ￣ [４] ＦＡＮ Ｈꎬ ＬＡＩ Ｌ Ｃꎬ ＬＩ Ｙ Ａ. Ｃｒｅｄｉｔ Ｃｏｎｓｔｒａｉｎｔｓꎬ Ｑｕａｌｉｔｙꎬ ａｎｄ ａｌｉｚａｔｉｏｎ ａｎｄ Ｅｍｂｅｄｄｅｄ Ｉｎｓｔｉｔｕｔｉｏｎａｌ Ｒｅｆｏｒｍ:Ｅｖｉｄｅｎｃｅ Ｆｒｏｍ Ｅｘｐｏｒｔ Ｐｒｉｃｅｓ:Ｔｈｅｏｒｙ ａｎｄ Ｅｖｉｄｅｎｃｅ Ｆｒｏｍ Ｃｈｉｎａ[ Ｊ] .Ｊｏｕｒｎａｌ Ｃｈｉｎｅｓｅ Ｅｘｐｏｒｔｅｒｓ [ Ｊ ] . Ａｍｅｒｉｃａｎ Ｅｃｏｎｏｍｉｃ Ｒｅｖｉｅｗꎬ ２０１３ ｏｆ Ｃｏｍｐａｒａｔｉｖｅ Ｅｃｏｎｏｍｉｃｓꎬ２０１５(２) . ( ６) . [５]王永进ꎬ施炳展.上游垄断与中国企业产品质量升级[ Ｊ]. 经济研究ꎬ２０１４(４) . [ ２２ ] ＢＲＯＤＡ Ｃꎬ ＧＲＥＥＮＦＩＥＬＤ Ｊꎬ ＷＥＩＮＳＴＥＩＮ Ｄ Ｅ. Ｆｒｏｍ [ ６] 张洋.政府补贴提高了中国制造业企业出口产 品 质 量 吗 Ｇｒｏｕｎｄｎｕｔｓ ｔｏ Ｇｌｏｂａｌｉｚａｔｉｏｎ:Ａ Ｓｔｒｕｃｔｕｒａｌ Ｅｓｔｉｍａｔｅ ｏｆ Ｔｒａｄｅ [ Ｊ] .国际贸易问题ꎬ２０１７(４) . ａｎｄ Ｇｒｏｗｔｈ[ Ｊ] .Ｒｅｓｅａｒｃｈ ｉｎ Ｅｃｏｎｏｍｉｃｓꎬ２０１７(４) . [７]方森辉ꎬ毛其淋. 高校扩招、人力资本与企业出口质量 [ Ｊ] .中国工业经济ꎬ２０２１(１１) . [２３] 施炳展ꎬ邵文波.中国企业出口产品质量测算及其决定 [８] ＫＵＧＬＥＲ ＭꎬＶＥＲＨＯＯＧＥＮ Ｅ.ＰｒｉｃｅｓꎬＰｌａｎｔ Ｓｉｚｅꎬａｎｄ Ｐｒｏｄ￣ 因素:培育出口竞争新优势的微观视角[ Ｊ]. 管理世界ꎬ ｕｃｔ Ｑｕａｌｉｔｙ[ Ｊ] .Ｒｅｖｉｅｗ ｏｆ Ｅｃｏｎｏｍｉｃ Ｓｔｕｄｉｅｓꎬ２０１２(１) . ２０１４(９) . [９] ＤＥＳＴＥＦＡＮＯ Ｔꎬ ＴＩＭＭＩＳ Ｊ Ｄ. Ｒｏｂｏｔｓ ａｎｄ Ｅｘｐｏｒｔ Ｑｕａｌｉｔｙ [ Ｊ] .Ｐｏｌｉｃｙ Ｒｅｓｅａｒｃｈ Ｗｏｒｋｉｎｇ Ｐａｐｅｒ Ｓｅｒｉｅｓꎬ２０２１. [２４] ＧＲＡＥＴＺ ＧꎬＭＩＣＨＡＥＬＳ Ｇ. Ｒｏｂｏｔｓ Ａｔ Ｗｏｒｋ [ Ｊ] . Ｔｈｅ Ｒｅ￣ [１０] 蔡震坤ꎬ綦建红.工业机器人的应用是否提升了企业出 ｖｉｅｗ ｏｆ Ｅｃｏｎｏｍｉｃｓ ａｎｄ Ｓｔａｔｉｓｔｉｃｓꎬ２０１８(５) . 口产品质量:来自中国企业数据的证据[ Ｊ].国际贸易问 题ꎬ２０２１(１０) . [２５] ＷＡＮＧ ＺꎬＷＥＩ Ｓ ＪꎬＹＵ Ｘꎬｅｔ ａｌ.Ｒｅ－ｅｘａｍｉｎｉｎｇ ｔｈｅ Ｅｆｆｅｃｔｓ [１１] ＬＩＮ ＣꎬＸＩＡＯ ＳꎬＹＩＮ Ｚ.Ｈｏｗ ｄｏ Ｉｎｄｕｓｔｒｉａｌ Ｒｏｂｏｔｓ Ａｐｐｌｉｃａ￣ ｏｆ Ｔｒａｄｉｎｇ ｗｉｔｈ Ｃｈｉｎａ ｏｎ Ｌｏｃａｌ Ｌａｂｏｒ Ｍａｒｋｅｔｓ: Ａ Ｓｕｐｐｌｙ ｔｉｏｎｓ Ａｆｆｅｃｔ ｔｈｅ Ｑｕａｌｉｔｙ Ｕｐｇｒａｄｅ ｏｆ Ｃｈｉｎｅｓｅ Ｅｘｐｏｒｔ Ｔｒａｄｅ? Ｃｈａｉｎ Ｐｅｒｓｐｅｃｔｉｖｅ[ Ｊ] .ＮＢＥＲ Ｗｏｒｋｉｎｇ Ｐａｐｅｒｓꎬ２０１８. [ Ｊ] .Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｐｏｌｉｃｙꎬ２０２２(１０) . [１２] 李郇.机器代人总报告:珠三角城市化如何应对“ 机器代 [２６] ＡＣＥＭＯＧＬＵ ＤꎬＲＥＳＴＲＥＰＯ Ｐ. Ｒｏｂｏｔｓ ａｎｄ Ｊｏｂｓ:Ｅｖｉｄｅｎｃｅ 人” [ Ａ] / / ２０１９ 年再造新优势:珠江三角洲城市化如何 Ｆｒｏｍ ｕｓ Ｌａｂｏｒ Ｍａｒｋｅｔｓ [ Ｊ] . Ｊｏｕｒｎａｌ ｏｆ Ｐｏｌｉｔｉｃａｌ Ｅｃｏｎｏｍｙꎬ 响应“ 机器代人” .中山大学中国区域协调发展与乡村建 ２０２０(６) . 设研究院ꎬ２０２０. [１３] ＢＡＬＤＷＩＮ Ｒꎬ ＨＡＲＲＩＧＡＮ Ｊ. Ｚｅｒｏｓꎬ Ｑｕａｌｉｔｙꎬ ａｎｄ Ｓｐａｃｅ: [２７] ＢＡＳ ＭꎬＳＴＲＡＵＳＳ－ＫＡＨＮ Ｖ. Ｉｎｐｕｔ －Ｔｒａｄｅ Ｌｉｂｅｒａｌｉｚａｔｉｏｎꎬ Ｔｒａｄｅ Ｔｈｅｏｒｙ ａｎｄ Ｔｒａｄｅ Ｅｖｉｄｅｎｃｅ [ Ｊ] . Ａｍｅｒｉｃａｎ Ｅｃｏｎｏｍｉｃ Ｅｘｐｏｒｔ Ｐｒｉｃｅｓ ａｎｄ Ｑｕａｌｉｔｙ Ｕｐｇｒａｄｉｎｇ[ Ｊ] .Ｊｏｕｒｎａｌ ｏｆ Ｉｎｔｅｒｎａ￣ Ｊｏｕｒｎａｌ:Ｍｉｃｒｏｅｃｏｎｏｍｉｃｓꎬ２０１１(２) . ｔｉｏｎａｌ Ｅｃｏｎｏｍｉｃｓꎬ２０１５. [１４] 樊海潮ꎬ李亚波ꎬ张丽娜.进口产品种类、质量与企业出 口产品价格[ Ｊ] .世界经济ꎬ２０２０(５) . [２８] 宋跃刚ꎬ郑磊.中间品进口、自主创新与中国制造业企业 [１５] 李磊ꎬ徐大策.机器人能否提升企业劳动生产率:机制与 出口产品质量升级[ Ｊ] .世界经济研究ꎬ２０２０(１１) . 事实[ Ｊ] .产业经济研究ꎬ２０２０(３) . [１６] ＢＯＮＦＩＧＬＩＯＬＩ Ａꎬ ＣＲＩＮò Ｒꎬ ＦＡＤＩＮＧＥＲ Ｈꎬ ｅｔ ａｌ. Ｒｏｂｏｔ [２９] 石小霞ꎬ刘东.中间品贸易自由化、技能结构与出口产品 Ｉｍｐｏｒｔｓ ａｎｄ Ｆｉｒｍ－ ｌｅｖｅｌ Ｏｕｔｃｏｍｅｓ[ Ｊ] . ＣＥＳｉｆｏ Ｗｏｒｋｉｎｇ Ｐａ￣ 质量升级[ Ｊ] .世界经济研究ꎬ２０１９(６) . ｐｅｒ Ｓｅｒｉｅｓꎬ２０２０. [１７] Ｋｏｃｈ ＭꎬＭａｎｕｙｌｏｖ ＩꎬＳｍｏｌｋａ Ｍ. Ｒｏｂｏｔｓ ａｎｄ Ｆｉｒｍｓ[ Ｊ] . Ｔｈｅ [３０] ＬＩＵ Ｑꎬ ＱＩＵ Ｌ Ｄ. Ｉｎｔｅｒｍｅｄｉａｔｅ Ｉｎｐｕｔ Ｉｍｐｏｒｔｓ ａｎｄ Ｉｎｎｏｖａ￣ Ｅｃｏｎｏｍｉｃ Ｊｏｕｒｎａｌꎬ２０２１(６３８) . ｔｉｏｎｓ: Ｅｖｉｄｅｎｃｅ ｆｒｏｍ Ｃｈｉｎｅｓｅ Ｆｉｒｍｓ ’ Ｐａｔｅｎｔ Ｆｉｌｉｎｇｓ [ Ｊ ] . [１８] 孔高文ꎬ刘莎莎ꎬ孔东民.机器人与就业:基于行业与地 Ｊｏｕｒｎａｌ ｏｆ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｅｃｏｎｏｍｉｃｓꎬ２０１６. 区异质性的探索性分析[ Ｊ] .中国工业经济ꎬ２０２０(８) . [３１] 谢建国.外商直接投资与中国的出口竞争力:一个中国 的经验研究[ Ｊ] .世界经济研究ꎬ２００３(７) . [３２] 李磊ꎬ王小霞ꎬ包群.机器人的就业效应:机制与中国经 验[ Ｊ] .管理世界ꎬ２０２１(９) . [３３] ＢＥＲＮＡＲＤ Ａ ＢꎬＲＥＤＤＩＮＧ Ｓ ＪꎬＳＣＨＯＴＴ Ｐ Ｋ. Ｍｕｌｔｉｐｒｏｄ￣ ｕｃｔ Ｆｉｒｍｓ ａｎｄ Ｔｒａｄｅ Ｌｉｂｅｒａｌｉｚａｔｉｏｎ[ Ｊ] .Ｔｈｅ Ｑｕａｒｔｅｒｌｙ Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｎｏｍｉｃｓꎬ２０１１(３) . [３４] ＭＡＹＥＲ Ｔꎬ ＭＥＬＩＴＺ Ｍ Ｊꎬ ＯＴＴＡＶＩＡＮＯ Ｇ. Ｍａｒｋｅｔ Ｓｉｚｅꎬ Ｃｏｍｐｅｔｉｔｉｏｎꎬａｎｄ ｔｈｅ Ｐｒｏｄｕｃｔ Ｍｉｘ ｏｆ Ｅｘｐｏｒｔｅｒｓ[ Ｊ] .Ａｍｅｒｉｃａｎ Ｅｃｏｎｏｍｉｃ Ｒｅｖｉｅｗꎬ２０１４(２) . [３５] ＢＥＲＮＡＲＤ Ａ ＢꎬＲＥＤＤＩＮＧ Ｓ ＪꎬＳＣＨＯＴＴ Ｐ Ｋ. Ｍｕｌｔｉｐｌｅ －

　 总第 ２２５ 期　 　 　 　 　 　赵春明　 谷均怡:工业机器人应用、上下游产业关联与中国企业出口产品质量 ５５ ｐｒｏｄｕｃｔ Ｆｉｒｍｓ ａｎｄ Ｐｒｏｄｕｃｔ Ｓｗｉｔｃｈｉｎｇ[ Ｊ] .Ａｍｅｒｉｃａｎ Ｅｃｏｎｏｍ￣ Ｍｕｌｔｉ－ｐｒｏｄｕｃｔ Ｆｉｒｍｓ ａｎｄ Ｅｘｃｈａｎｇｅ Ｒａｔｅ Ｆｌｕｃｔｕａｔｉｏｎｓ[ Ｊ] .Ａ￣ ｉｃ Ｒｅｖｉｅｗꎬ２０１０(１) . ｍｅｒｉｃａｎ Ｅｃｏｎｏｍｉｃ Ｊｏｕｒｎａｌ:Ｅｃｏｎｏｍｉｃ Ｐｏｌｉｃｙꎬ２０１３(２) . [３６] ＣＨＡＴＴＥＲＪＥＥ ＡꎬＤＩＸ －ＣＡＲＮＥＩＲＯ ＲꎬＶＩＣＨＹＡＮＯＮＤ Ｊ. Ｉｎｄｕｓｔｒｉａｌ Ｒｏｂｏｔ ＡｐｐｌｉｃａｔｉｏｎｓꎬＩｎｐｕｔ－ｏｕｔｐｕｔ Ｒｅｌａｔｉｏｎｓｈｉｐ ａｎｄ ｔｈｅ Ｑｕａｌｉｔｙ ｏｆ Ｅｘｐｏｒｔ Ｐｒｏｄｕｃｔｓ ＺＨＡＯ Ｃｈｕｎ－ｍｉｎｇ１　 ＧＵ Ｊｕｎ－ｙｉ２ (１.Ｓｃｈｏｏｌ ｏｆ ＢｕｓｉｎｅｓｓꎬＢｅｉｊｉｎｇ Ｎｏｒｍａｌ ＵｎｉｖｅｒｓｉｔｙꎬＢｅｉｊｉｎｇ １００８７５ꎬＣｈｉｎａꎻ ２.Ｓｃｈｏｏｌ ｏｆ Ｅｃｏｎｏｍｉｃｓ ａｎｄ ＦｉｎａｎｃｅꎬＵｎｉｖｅｒｓｉｔｙ ｏｆ Ｉｎｔｅｒｎａｔｉｏｎａｌ ＲｅｌａｔｉｏｎｓꎬＢｅｉｊｉｎｇ １０００９１ꎬＣｈｉｎａ) Ａｂｓｔｒａｃｔ:Ｂａｓｅｄ ｏｎ ｔｈｅ ｄａｔａ ｏｆ ｌｉｓｔｅｄ ｃｏｍｐａｎｉｅｓ ｉｎ Ｃｈｉｎａ’ ｓ Ｓｈａｎｇｈａｉ ａｎｄ Ｓｈｅｎｚｈｅｎ Ａ－ｓｈａｒｅ ｍａｎｕｆａｃｔｕｒｉｎｇ ｉｎｄｕｓｔｒｙ ｆｒｏｍ ２００６ ｔｏ ２０１５ꎬｃｕｓｔｏｍｓ ｄａｔａ ａｎｄ ｔｈｅ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｒｏｂｏｔｉｃｓ Ａｌｌｉａｎｃｅ ｄａｔａꎬｔｈｉｓ ｐａｐｅｒ ｅｘｐｌｏｒｅｓ ｔｈｅ ｉｍ￣ ｐａｃｔ ｏｆ ｉｎｄｕｓｔｒｉａｌ ｒｏｂｏｔ ａｐｐｌｉｃａｔｉｏｎ ｏｎ ｔｈｅ ｑｕａｌｉｔｙ ｏｆ Ｃｈｉｎｅｓｅ ｅｎｔｅｒｐｒｉｓｅｓ’ ｅｘｐｏｒｔ ｐｒｏｄｕｃｔｓ ｆｒｏｍ ｔｈｅ ｐｅｒｓｐｅｃｔｉｖｅ ｏｆ ｕｐ￣ ｓｔｒｅａｍ ａｎｄ ｄｏｗｎｓｔｒｅａｍ ｉｎｄｕｓｔｒｙ ａｓｓｏｃｉａｔｉｏｎ.Ｔｈｉｓ ｓｔｕｄｙ ｆｏｕｎｄ ｔｈａｔ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｉｎｔｒａ－ｉｎｄｕｓｔｒｙ ａｎｄ ｉｎｔｅｒ－ｉｎｄｕｓ￣ ｔｒｙ ｆｏｒｗａｒｄ－ｃｏｎｎｅｃｔｅｄ ｃｈａｎｎｅｌ ｒｏｂｏｔｓ ｈａｓ ｓｉｇｎｉｆｉｃａｎｔｌｙ ｐｒｏｍｏｔｅｄ ｔｈｅ ｕｐｇｒａｄｉｎｇ ｏｆ ｅｘｐｏｒｔ ｐｒｏｄｕｃｔ ｑｕａｌｉｔｙ ｏｆ ｅｎｔｅｒｐｒｉ￣ ｓｅｓꎬａｎｄ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｉｎｔｅｒ－ｉｎｄｕｓｔｒｙ ｂａｃｋ－ｃｏｎｎｅｃｔｅｄ ｃｈａｎｎｅｌ ｒｏｂｏｔｓ ｈａｓ ｎｏ ｓｉｇｎｉｆｉｃａｎｔ ｉｍｐａｃｔ ｏｎ ｔｈｅ ｃｈａｎｇｅ ｏｆ ｅｎｔｅｒｐｒｉｓｅ ｐｒｏｄｕｃｔ ｑｕａｌｉｔｙ.Ｔｈｅ ｉｍｐａｃｔ ｏｆ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｉｎｄｕｓｔｒｉａｌ ｒｏｂｏｔｓ ｉｎ ｖａｒｉｏｕｓ ｃｈａｎｎｅｌｓ ｏｎ ｔｈｅ ｑｕａｌｉｔｙ ｏｆ Ｃｈｉｎｅｓｅ ｅｎｔｅｒｐｒｉｓｅｓ’ ｅｘｐｏｒｔ ｐｒｏｄｕｃｔｓ ｉｓ ｃｌｏｓｅｌｙ ｒｅｌａｔｅｄ ｔｏ ｔｈｅ ｔｙｐｅ ｏｆ ｅｎｔｅｒｐｒｉｓｅ ｏｗｎｅｒｓｈｉｐ ａｎｄ ｔｈｅ ｉｎｔｅｎｓｉｔｙ ｏｆ ｉｎｄｕｓ￣ ｔｒｉａｌ ｆａｃｔｏｒｓ.Ａｍｏｎｇ ｔｈｅｍꎬｔｈｅ ｐｒｏｍｏｔｉｏｎ ｅｆｆｅｃｔ ｏｆ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｉｎｄｕｓｔｒｉａｌ ｒｏｂｏｔｓ ｉｎ ｔｈｅ ｓａｍｅ ｉｎｄｕｓｔｒｙ ｏｎ ｔｈｅ ｑｕａｌｉｔｙ ｏｆ ｐｒｏｄｕｃｔｓ ｉｎ ｌａｂｏｒ－ｉｎｔｅｎｓｉｖｅ ｉｎｄｕｓｔｒｉｅｓ ｉｓ ｏｎｌｙ ｒｅｆｌｅｃｔｅｄ ｉｎ ｔｈｅ ｆｏｏｄ ａｎｄ ｂｅｖｅｒａｇｅ ｉｎｄｕｓｔｒｙ ａｎｄ ｔｈｅ ｗｏｏｄ ａｎｄ ｆｕｒｎｉｔｕｒｅ ｉｎｄｕｓｔｒｙꎬａｎｄ ｈａｓ ａ ｎｅｇａｔｉｖｅ ｉｎｈｉｂｉｔｉｏｎ ｅｆｆｅｃｔ ｏｎ ｔｈｅ ｕｐｇｒａｄｉｎｇ ｏｆ ｐｒｏｄｕｃｔ ｑｕａｌｉｔｙ ｉｎ ｔｈｅ ｔｅｘｔｉｌｅ ａｎｄ ｃｌｏｔｈｉｎｇ ｉｎｄｕｓｔｒｙꎬｂｕｔ ｉｓ ｎｏｔ ｓｉｇｎｉｆｉｃａｎｔ.Ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｉｎｄｕｓｔｒｉａｌ ｒｏｂｏｔｓ ｈａｓ ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｒｅｓｏｕｒｃｅ ｒｅａｌｌｏｃａｔｉｏｎꎬａｎｄ ｔｈｅ ａｐ￣ ｐｌｉｃａｔｉｏｎ ｏｆ ｒｏｂｏｔｓ ｉｎ ｔｈｅ ｆｏｒｗａｒｄ ｒｅｌａｔｅｄ ｃｈａｎｎｅｌｓ ｗｉｔｈｉｎ ａｎｄ ｂｅｔｗｅｅｎ ｉｎｄｕｓｔｒｉｅｓ ｈａｓ ａ ｍｏｒｅ ｏｂｖｉｏｕｓ ｐｒｏｍｏｔｉｏｎ ｅｆｆｅｃｔ ｏｎ ｃｏｒｅ ｐｒｏｄｕｃｔｓ. Ｋｅｙ ｗｏｒｄｓ:ｉｎｄｕｓｔｒｉａｌ ｒｏｂｏｔｓꎻｉｎｐｕｔ－ｏｕｔｐｕｔ ｒｅｌａｔｉｏｎｓｈｉｐꎻｑｕａｌｉｔｙ ｏｆ ｅｘｐｏｒｔ ｐｒｏｄｕｃｔｓꎻｉｎｄｕｓｔｒｙ ｈｅｔｅｒｏｇｅｎｅｉｔｙ (责任编辑　 熊亚菲)

第 ５４ 卷第 １ 期 　 　　 　 　 南昌大学学报( 人文社会科学版) 　 ２０２３ 年 ２ 月 　 ＪＯＵＲＮＡＬ ＯＦ ＮＡＮＣＨＡＮＧ ＵＮＩＶＥＲＳＩＴＹ( Ｈｕｍａｎｉｔｉｅｓ ａｎｄ Ｓｏｃｉａｌ Ｓｃｉｅｎｃｅｓ) 美联储非预期货币政策对中国企业 Ｒ＆Ｄ 的非线性溢出效应 欧阳志刚１ꎬ２ 　 李　 伟１ (１.中南财经政法大学 金融学院ꎬ湖北 武汉　 ４３００７３ꎻ２.华东交通大学 经济管理学院ꎬ江西 南昌　 ３３００３１) 　 　 摘　 要:通过在实物期权模型中引入美联储非预期货币政策ꎬ理论研究美联储非预期货币政策对中国企业 Ｒ＆Ｄ 的溢出效应ꎮ 研究发现ꎬ美联储非预期货币政策通过不确定性与利率渠道对中国企业 Ｒ＆Ｄ 产生负向溢出效 应且具有非线性特征ꎮ 在此基础上ꎬ提出基于泰勒规则度量美联储非预期货币政策的方法ꎬ并构建双阈值门限面 板模型实证研究美联储非预期货币政策对中国企业 Ｒ＆Ｄ 的非线性溢出效应ꎮ 结果表明:美联储非预期货币政策 对中国企业 Ｒ＆Ｄ 的非线性负向溢出效应分别由机制Ⅰ( 经济繁荣、经济政策不确定性高) 和机制Ⅱ( 经济萧条、经 济政策不确定性高)刻画ꎮ 机制Ⅰ中的负向溢出效应大于机制Ⅱ中的负向溢出效应ꎬ且这种效应随着所有权性质、 行业属性具有异质性特征ꎮ 　 　 关键词:非预期货币政策ꎻＲ＆Ｄꎻ溢出效应ꎻ非线性ꎻ传导渠道 　 　 中图分类号:Ｆ８２３　 　 文献标志码:Ａ　 　 文章编号:１００６－０４４８(２０２３)０１－００５６－２１ 　 　 一、引言 储在最后一次货币政策会议上ꎬ以全面转“ 鹰” 的姿 态宣告年度收官ꎬ市场对美联储加息预期普遍升温ꎮ 　 　 货币政策是宏观经济调控的主要手段ꎬ作为世 由此看出美联储货币政策调整的可能性不断升高ꎬ 界第一大经济体的美国ꎬ其货币政策不仅对自身有 这种“未雨绸缪” 的操作体现了基于相机决策的规 重要影响ꎬ对中国以及其他主要国家均会产生显著 则性ꎬ而操作时间的突然性则反映了货币政策的非 的溢出效应[１]５４７－５７１ ꎮ 因此ꎬ中国以及其他主要国家 预期性ꎬ由此表明美联储的货币政策是基于相机决 在进行经济政策调整和经济改革时ꎬ若忽视美联储 策的规则性并凸显非预期性ꎮ 由于美联储货币政策 货币政策带来的影响ꎬ很可能会导致经济政策效果 的规则性会被提前预料ꎬ因此其影响会被各国央行 不佳甚至适得其反ꎮ 正是基于这一事实ꎬ中国及其 加以消除ꎬ但非预期性的存在使得美联储货币政策 他国家的学术界和政策制定者对美联储货币政策的 无法被各国央行完全对冲ꎬ这会对各国市场利率、资 调整均格外关注ꎮ 从近年美联储的货币政策操作来 产价格等造成影响ꎮ 中国当前正在实施以科技创新 看ꎬ为了缓解新冠疫情带来的生产冲击ꎬ２０２０ 年开 为核心的供给侧结构性改革ꎬ企业创新活动需要依 始美联储由原先加息周期进入降息时代ꎬ这也使得 赖大量外源融资进行[２]１１６－１３５ꎬ[３]１１５－１２９ ꎬ这就使得市场 美国经济出现严重的通胀现象ꎮ 因而 ２０２１ 年ꎬ美联 利率会直接影响企业创新活动的成本ꎬ进而影响企 收稿日期:２０２２ － １２ － ０８ 基金项目:国家 自 然 科 学 基 金 项 目 “ 新 常 态 下 多 种 货 币 政 策 工 具 的 组 合 效 应 与 特 质 效 应———基 于 ＦＡＶＡＲ 的 理 论 与 应 用 研 究 ” (７１６６１００９) ꎻ国家自然科学基金项目“ 中美经济政策不确定性、科技创新与高质量经济增长” (７１９７３０４４) ꎻ江西省主要学科学术 与技术带头人项目(２０１８ＢＣＢ２２００８) ꎮ 作者简介:欧阳志刚(１９７１—　 ) ꎬ男ꎬ江西樟树人ꎬ教授ꎬ博士生导师ꎬ从事货币政策理论与运用的研究ꎻ李伟( １９９６—　 ) ꎬ男ꎬ安徽六安人ꎬ 博士研究生ꎬ从事高维数据与计量经济学研究ꎮ

　 总第 ２２５ 期　 　 　 　 　 欧　 阳志刚　 李伟:美联储非预期货币政策对中国企业 Ｒ＆Ｄ 的非线性溢出效应 ５７ 业创新活动ꎮ 因此ꎬ基于美联储货币政策操作特征ꎬ 坦、菲律宾、印度、印度尼西亚与马来西亚) 的货币 揭示美联储非预期货币政策对中国科技创新的影 收入有显著溢出效应ꎬ而货币供给的影响则并不显 响ꎬ对于中国以科技创新为核心供给侧结构性改革 著 ꎮ[１３]２９９－３１３ Ｇｕｐｔａ 等研究了美国、欧元区、日本以及 的顺利实施具有非常重要的理论与现实意义ꎮ 英国股市的跳跃强度对美联储货币政策的反应ꎬ研 究发现ꎬ美联储货币政策正向影响了各国股市的跳 长期以来ꎬ货币政策是政府宏观调控的主要工 跃强度并且美国货币政策主导了另外国家的货币政 具ꎬ合理有效地利用货币政策工具ꎬ能够熨平宏观经 策 ꎮ[１４]２９８－３１２ 由于中美两国经济联系的较高紧密程 济波动ꎬ降低福利损失ꎮ 早期相关研究多数关注货 度ꎬ越来越多的学者开始关注美国货币政策对中国 币政策对宏观政策目标( 产出、通胀和就业等) 的传 经济的影响ꎮ 例如ꎬ丁志国等基于 ＦＡＶＡＲ 模型实 导渠道和传导效应 ꎮ 随[４]５１２－５２３ꎬ[５]２６－４４ꎬ[６]３３－４３ꎬ[７]１０２－１１５ 证研究了美国货币政策对中国价格体系的直接影响 着经济发展水平的提高和科技创新的迅速发展ꎬ创 和间接传导机制ꎬ结果表明 Ｍ２ 主导的美国市场流 新驱动在世界主要国家的经济发展中的贡献进一步 动性对中国价格体系形成显著且持续性最长的正向 凸显ꎬ货币政策对科技创新或研发投入的传导渠道 溢出[１５]３－１８ ꎮ Ｈｏ 等的 ＦＡＶＡＲ 模型研究 发 现ꎬ 金 融 和传导效应得到学术界的高度关注ꎮ 货币政策可以 危机之后ꎬ美国利率下降造成中国房地产市场投资 通过投资渠道和信贷渠道对企业研发投资产生影 的显著增加[１６]１５４３－１５６９ ꎮ 杨子荣等基于 ＤＳＧＥ 模型研 响ꎬ其中投资渠道可进一步划分为直接利率渠道与 究中美两国货币政策溢出效应ꎬ发现美国货币政策 托宾 Ｑ 渠道[８]３６９－４２２ ꎮ 在直接利率渠道下ꎬ宽松的货 对中国投资具有显著的抑制作用ꎬ且中美两国数量 币政策会降低市场利率ꎬ进而使得企业融资成本下 型货币 政 策 的 溢 出 效 应 显 著 强 于 价 格 型 货 币 政 降ꎬ最终影响企业研发投资ꎮ 在托宾 Ｑ 渠道下ꎬ宽 策 ꎮ[１７]１４－２４ 但这些文献几乎都没有对货币政策的内 松的货币政策使得货币供给超过货币需求ꎬ人们会 涵加以区分ꎮ 由经济理论可知ꎬ根据人们对货币政 减少货币持有ꎬ进而增加在股票市场的投资ꎬ从而推 策变化是否被预期到ꎬ央行货币政策操作可以划分 动股价上涨ꎬ这就导致企业的托宾 Ｑ 上升ꎬ最终企 为预期部分和非预期部分ꎮ 非预期的货币政策是指 业研发投资增加ꎮ 类似地ꎬ货币政策的信贷传导渠 经济主体未能预料到的货币政策变动ꎬ是经济政策 道也可以进一步划分为银行信贷渠道和资产负债表 不确定性的重要组成部分ꎮ 货币政策是否被合理预 渠道ꎮ 在银行信贷渠道下ꎬ宽松的货币政策使得银 期ꎬ 对 于 经 济 变 量 的 影 响 则 具 有 显 著 的 差 行存款准备金增加ꎬ银行的可借贷资金增加ꎬ从而带 异 ꎮ[１８]５２３－５４４ꎬ[１９]３７－５５ 这就意 味 着 区 分 预 期 的 货 币 政 来企业研发投资的增加ꎮ 在资产负债表渠道下ꎬ宽 策和非预期的货币政策ꎬ对于宏观调控的准确实施 松的货币政策使得股票价格上涨ꎬ企业和消费者的 具有显著的意义ꎮ 正是基于这一思想ꎬ国外学者对 资产负债表的净资产增加ꎬ净资产的增加意味着企 美联储非预期货币政策的跨国溢出效应作出一系列 业可抵押资产增加ꎬ因而银行愿意增加贷款ꎬ最终使 有益的探索ꎮ Ｂｒｅｄｉｎ 等研究了德国、英国和美国三 得企业研发投资增加ꎮ 围绕上述货币政策的传导理 国货币政策“非预期调整” 对各国债券收益的影响ꎬ 论ꎬ 国 内 外 学 者 进 行 了 一 系 列 有 益 的 实 证 研 结果发现债券超常收益主要源自国内货币政策而不 究 ꎮ[９]２６ꎬ[１０]１１－１９ꎬ[１]２３－３１ꎬ[１２]５３－６６ 随 着 全 球 和 区 域 经 济 是国外溢出效应[２０]９８８－１００２ ꎮ Ｂｒｅｄｉｎ 等研究了美国货 一体化的不断加深ꎬ国际金融市场的联系愈来愈紧 币政策公告对爱尔兰证券市场收益和波动的影响ꎬ 密ꎬ一国货币政策不仅会对国内经济变量产生影响ꎬ 发现 ＦＯＭＣ 会 议 前 一 天 股 价 波 动 将 会 下 降ꎬ 而 在 还会对他国或多或少地产生溢出效应ꎬ尤其是作为 ＦＯＭＣ 决 定 货 币 政 策 之 后 股 价 波 动 将 会 迅 速 上 国际经济主导的美国ꎬ其货币政策的溢出效应更是 升 ꎮ[２１]１２４３－１２５０ Ｆａｔｕｍ 和 Ｓｃｈｏｌｎｉｃｋ 利用联邦基金利率 不容忽视ꎮ 正是如此ꎬ国内外学者围绕美联储货币 期货数据研究非预期货币政策对汇率的影响ꎬ结果 政策的溢出效应展开丰富的研究ꎮ 这方面代表性文 表明ꎬ如果不能将非预期部分从货币政策调整中剥 献包括 Ｍｉｙａｋｏｓｈｉ 和 Ｊａｌｏｌｏｖ 使 用 ＥＧＡＲＣＨ 模 型 发 离出来ꎬ将会低估货币政策的影响ꎬ甚至会作出拒绝 现ꎬ美国联邦基金利率对亚洲六国 ( 韩国、巴基斯

５８ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 货币政策影响汇率假设的错误结论[２２]１０７６－１０８６ ꎮ 近期 模ꎮ 在两 类 理 论 中ꎬ 实 物 期 权 理 论 占 据 主 导 地 部分学者还发现美联储非预期货币政策的溢出效应 具有非线性特征ꎬ例如 Ｅｎｄｅｒｓ 等发现货币政策的意 位 ꎮ[２５]３－２６ 基于此ꎬ 本文在实物期 权 理 论 分 析 框 架 外变动会改变公司的未来预期ꎬ改变的程度与货币 政策的意外程度有关[２３]４５－６３ ꎮ 张夏发现美联储非预 内ꎬ纳入美联储非预期货币政策ꎬ理论研究美联储非 期的货币政策对中国金融市场的溢出效应具有非线 性特征[２４]１２－２２ ꎮ 预期货币政策对中国企业 Ｒ＆Ｄ 的溢出效应ꎮ 通过梳理国内外文献ꎬ可以发现已有的研究仍 参考 Ｄｉｘｉｔ 和 Ｐｉｎｄｙｃｋ 的分析框架ꎬ假定典型性 有进一步扩展的空间:首先ꎬ尽管少数理论和实证文 献研究了美联储非预期货币政策的非线性溢出效 企业风险中性ꎬ其最优投资决策行为遵循利润最大 应ꎬ但还没有理论文献研究美联储非预期货币政策 对他国企业创新的溢出效应ꎻ其次ꎬ还未发现实证研 化原则ꎮ 因受到市场不确定性的冲击ꎬ企业研发投 究美联储非预期的货币政策对中国企业 Ｒ＆Ｄ 溢出 效应及其传导机制的文献ꎮ 因此ꎬ针对中国宏观经 资的单位产出价格 ｐｓ 服从几何 布 朗 运 动[２６]１７９－１８９ ꎮ 济的运行特征ꎬ扩展和改进现有文献的理论模型和 在上述假设下ꎬ企业研发投资的单位产出收益可以 实证框架ꎬ系统研究美联储非预期货币政策对中国 企业创新的非线性溢出效应及其传导机制并揭示异 表示如下: 质性ꎬ不仅是对现有研究的进一步推进和完善ꎬ对当 前中国以科技创新为主要驱动力的供给侧结构性改 ｄｐｓ ＝ ｕｐｓｄｔ ＋ σｐｓｄｚ (１) 革也具有重要的现实意义ꎮ 其中ꎬｕ ∈ [０ꎬρ] 表示单位产出收益的瞬时漂移率ꎬ 本文的创新与贡献体现在三个方面:第一ꎬ本文 将美联储非预期货币政策纳入的实物期权模型ꎬ理 σ > ０ 为企业研发投资项目收益的方差波动率ꎬ表 论上研究美联储非预期货币政策对中国企业 Ｒ＆Ｄ 的非线性影响及其传导机制ꎻ第二ꎬ针对理论研究的 示市场收益不确定性ꎮ ｄｚ 为维纳增量过程且 ｄｚ ~ 结论ꎬ本文构建基于面板数据的双阈值门限面板模 型ꎬ率先实证研究美联储非预期货币政策对中国企 Ｎ(０ꎬｄｔ)ꎬρ 表示无风险利率ꎮ 实践中ꎬ 企业的研发 业 Ｒ＆Ｄ 的非线性溢出效应和传导渠道ꎬ并揭示特征 企业的异质性ꎻ第三ꎬ本文利用泰勒规则提取了美国 投资受到各种不确定性经济政策的影响ꎮ Ｈａｓｓｅｔｔ 非预期的货币政策变动ꎬ为度量非预期的货币政策 提供了一种新思路ꎮ 和 Ｍｅｔｃａｆｆ 认为经济政策调整具有间歇性与持续性 　 　 二、理论基础与计量模型 特征ꎬ即经济政策不会连续变化ꎬ但一旦变化往往会 　 　 (一)理论基础 持续一段时间ꎮ 因此ꎬ泊松分布适合刻画各种经济 非预期货币政策属于经济政策不确定性的范 政策不确定性的典型特征[２７]３７２－３９３ ꎮ 对于货币政策ꎬ 畴ꎬ是经济政策不确定性的一部分ꎮ 经济政策不确 定性影响企业 Ｒ＆Ｄ 的理论研究主要有两类:第一类 假设货币当局实施了非预期的偏松货币政策ꎬ政策 是实物期权理论ꎬ其核心是经济政策不确定性通过 干扰企业最优研发投资的时机ꎬ进而影响研发投资 实施一段时期后ꎬ货币当局会根据市场状况评估是 决策ꎻ第二类是金融摩擦理论ꎬ经济政策不确定性通 过影响企业的融资约束来影响企业的研发投资规 否需要再次调整当前政策ꎬ而不是朝令夕改ꎮ 基于 此ꎬ本文使用泊松分布描述货币政策的不确定性ꎮ 令 φｔ 表示因货币政策变化而对企业研发投资成本 下降的影响ꎮ φｔ ~ [ φ０ꎬφ１] 服从泊松跳跃过程ꎬφ０ 与 φ１ 分别表示对企业研发投资成本下降影响的下 限与上限ꎬ区间上限可理解为货币政策变化导致企 业研发资金成本下降的最大值ꎬ区间下限为货币政 策变化对企业研发资金成本下降的最小值ꎮ 当货币 政策变化对企业研发投资产生不利影响时ꎬ区间值 就变为负值ꎮ 货币政策不确定性对企业研发投资成 本的影响表示如下: ìïΔφꎬθ１ ｄｔ ｄφｔ ＝ ïï０ꎬ(１ － θ１ｄｔ) (２) í ï－ Δφꎬθ０ｄｔ îïï０ꎬ(１ － θ０ｄｔ) 其中ꎬ Δφ ＝ φ１ － φ０ > ０ 表示不同货币政策对中国企 业研发资金成本的影响之差ꎬφｔ ~ [φ０ꎬφ１]ꎬ表示货 币政策可以在区间内任意改变并相应调整 Δφ 的幅

　 总第 ２２５ 期　 　 　 　 　 欧　 阳志刚　 李伟:美联储非预期货币政策对中国企业 Ｒ＆Ｄ 的非线性溢出效应 ５９ 度ꎮ θ１ｄｔ 反映了货币政策转向更有利于研发资金成 与前述相似ꎬπｔ 表示 ｔ 时刻中国经济政策对企业研 本下降的概率ꎬ由于 ｄｔ 表示单位时间ꎬ因此 θ１ 表示 发投资成本下降的影响ꎬπｔ ~ [π０ꎬπ１] 服从泊松跳 货币政策转向更有利于研发资金成本下降的转移参 跃过程ꎮ π０ 与 π１ 分别表示中国经济政策带来企业 研发资金成本下降的上限与下限ꎬΔπ ＝ π１ － π０ > ０ 数ꎬ该值直接控制了转移概率 θ１ｄｔ 的大小ꎬ体现货币 表示两种经济政策对企业研发资金成本下降影响的 政策在 φ０ 发生调整的非预期性即不确定性ꎮ θ０ 与 数值之差ꎬ中国经济政策可以灵活调整从而使得 πｔ 上述类似ꎬ表示货币政策由对研发资金成本从有利 在[π０ꎬπ１] 两个水平值之间任意改变并调整幅度 Δπꎮ λ１ 表示美联储货币政策由偏紧( 对中国企业 方式影响转移至不利方式的转移参数ꎬ体现货币政 研发投资相对不利) 转向偏松的转移参数ꎬλ０ 表示 美联储货币政策由偏松( 对中国企业研发投资相对 策在 φ１ 发生调整的非预期性ꎮ 进一步地ꎬ根据阐述 有利) 转向偏紧的转移参数ꎮ ω１ 表示中国政府应对 的含义ꎬ货币政策非预期的调整包含 θ０ 和 θ１ 两种情 美联储由相对不利的货币政策转向相对有利于货币 形ꎬ因此 θ ＝ θ０ ＋ θ１ 就表示总的货币政策非预期性ꎮ 政策而作出利于研发成本下降政策的调整系数ꎮ 若 因为美国是世界经济的主导国家ꎬ美元是世界最主 系数为正ꎬ意味着当美联储货币政策由偏紧转向偏 松时中国经济政策也会随之朝有利于降低研发成本 要的储备货币和国际货币ꎬ美国货币政策的变化对 改变ꎻ若为负ꎬ 则反之ꎮ ω２ 表示中国政府应对美联 储由相对有利的货币政策转向相对不利货币政策而 与其经济往来密切的经济体都会产生显著的溢出效 作出有利于研发成本下降的政策的调整系数ꎮ 若系 数为正ꎬ意味着当美联储货币政策由偏松转向偏紧 应 ꎮ[２８]９０－１１０ 因此ꎬ考虑到中美经 济 的 密 切 关 联ꎬ 美 中国经济政策反而会朝有利于降低研发成本转变ꎻ 若系数为负ꎬ则反之ꎮ θ０ 表示中国政府仅考虑国内 联储非预期货币政策也会对中国企业研发投资成本 经济状况而决定将经济政策由对企业有利影响转移 至不利影响的转移参数ꎮ 因此ꎬ考虑了美国货币政 产生一定的溢出效应ꎮ 从现有货币政策不确定性的 策非预期后ꎬ中国经济政策不确定性对企业研发成 本由有利影响转移至不利影响的总转移参数为( θ１ 跨国溢出文献来看ꎬ美联储非预期货币政策对中国 ＋ ω１ λ１ ＋ ω２ λ０ ) ꎬ１ － ( θ１ ＋ ω１ λ１ ＋ ω２ λ０ ) ｄｔ 则表示在 此种影响下ꎬ中国经济政策维持连续性即不作出改 企业研发投资的溢出渠道为:美联储非预期货币政 变的概率ꎮ 类似地ꎬω３ 表示中国政府应对美联储由 相对不利的货币政策转向相对有利货币政策而作出 策引致了中国经济政策不确定性ꎬ进而影响中国企 不利于研发成本下降政策的调整系数ꎮ 若系数为 正ꎬ意味着当美联储货币政策由偏紧转向偏松中国 业研发投资成本ꎮ 其作用机理是:美国作为世界最 经济政策反而会朝不利于降低研发投资成本改变ꎻ 若为负ꎬ则反之ꎮ ω４ 表示中国政府应对美联储由相 大的经济体ꎬ其政策变化会对世界各国造成一定程 对有利的货币政策转向相对不利货币政策而作出不 利于研发成本下降政策的调整系数ꎮ 若系数为正ꎬ 度的溢出效应ꎮ 特别地ꎬ美国与中国的经贸关系比 意味着当美联储货币政策由偏松转向偏紧中国经济 政策与会朝不利于降低研发投资成本改变ꎮ θ１ 表示 较密切ꎬ是中国排名靠前的贸易经济体ꎬ美国货币政 仅考虑中国经济政策由对企业研发投资由相对有利 影响转移至相对不利影响的转移参数ꎮ 这样ꎬ受美 策对中国的溢出效应不容忽视ꎬ中国政策制定者对 国非预期货币政策影响后ꎬ中国经济政策不确定性 于美国货币政策的变化会更加关注ꎬ因此两国之间 的经济政策联动性相对更高[２９]４１３－４３１ ꎬ这种联动性一 般具有同向性ꎮ 当前美国货币政策不断发生改变 时ꎬ中国也会在政策上作出相应调整ꎮ 由此可以预 见ꎬ当美国货币政策不确定性增加时ꎬ中国经济政策 不确定性也会增加ꎮ 而中国的经济不确定性上升 时ꎬ企业经理人预期未来经营前景的不确定性加大ꎬ 出于对不确定性的谨慎态度而更加倾向于推迟研发 投入ꎬ从而抑制企业研发投入ꎬ由此实现传递ꎬ本文 将该渠道称为不确定性引致渠道ꎮ 因此ꎬ考虑美联 储非预期货币政策对中国经济政策不确定性的影 响ꎬ中国经济政策不确定性可进一步表示如下: ìïΔπꎬ( θ１ ＋ ω１λ１ ＋ ω２λ０) ｄｔ ｄπｔ ＝ ïï０ꎬ１ － ( θ１ ＋ ω１ λ１ ＋ ω２ λ０ ) ｄｔ (３) í ＋ ω３ λ１ ＋ ω４ λ０ ) ｄｔ ï－ Δπꎬ(θ０ îïï０ꎬ１ － ( θ０ ＋ ω３λ１ ＋ ω４λ０) ｄｔ

６０ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 对企业研发成本由不利影响转移至有利影响的总转 策的利率渠道ꎬ(４) 式中 ψＴ 等于 ０ꎬ(４) 式就缺少(１ － ψＴ) 项ꎮ 如果不考虑美联储货币政策的不确定性 移参数为( θ０ ＋ ω３λ１ ＋ ω４λ０) ꎮ 对应地ꎬ１ － ( θ０ ＋ 引致渠道ꎬ(４) 式中的 πＴ 转变为 φｔꎮ 如果两个传导 ω３λ１ ＋ ω４λ０)ｄｔ 表示在此种影响下ꎬ中国经济政策 渠道都不考虑ꎬ(４) 式退化为 Ｄｉｘｉｔ 和 Ｐｉｎｄｙｃｋ 的基 维持连续性即不作出改变的概率ꎮ 因此ꎬ根据上述 模型的设定ꎬδ ＝ ( ω１ ＋ ω３) λ１ ＋ ( ω２ ＋ ω４) λ０ ＋ θ１ ＋ 本模型[２６]１７９－１８９ ꎮ 由 Ｄｉｘｉｔ 和 Ｐｉｎｄｙｃｋ 的研究结果可 θ０ 就表示中国经济政策的不确定性ꎬ此时中国经济 政策不确定性既包含国内政策冲击ꎬ也含有美联储 知ꎬ企业在决定是否进行研发投入的过程中ꎬ存在两 个引起企业执行投资决策的阈值 ｐ０ 与 ｐ ꎮ[２６]１７９ － １８９ １ 货币政策引发的变动ꎮ 这两个阈值将企业是否执行研发投资划分为三个区 模型( ３) 直观地描述了美联储非预期货币政策 域ꎮ 不妨令 ｐ１ < ｐ０ꎬ企业的最优投资规则为:如果 单位产品价格 ｐｓ 在 ｐｓ < ｐ１ 区域(区域 Ⅰ)ꎬ此时无论 对中国经济政策不确定性的引致渠道ꎬ美联储非预 中国经济政策与美联储货币政策对企业研发投资成 期货币政策还会直接影响中国市场利率ꎬ导致中国 企业融资成本发生变化ꎬ最终改变中国企业研发投 本的影响处于最高水平还是最低水平ꎬ企业均不进 资ꎮ 其蕴 含 的 机 理 是: 作 为 全 球 流 动 性 的 “ 总 阀 行研发投资ꎻ如果在区域 ｐ１ < ｐｓ < ｐ０(区域 Ⅱ)ꎬ只 有当中国经济政策与美联储货币政策对企业研发投 门” ꎬ当美联储实施偏松的货币政策ꎬ国际市 场注入 大量流 动 性ꎬ 造 成 新 兴 市 场 国 家 中 长 期 利 率 的 下 资成本的影响都达到最高水平时ꎬ企业才会进行研 降[３０]６２－８１ ꎬ企业可以通过较低的成本获取资金ꎬ企业 发投资ꎬ否则ꎬ企业则 不 会 进 行 研 发 投 资ꎻ 如 果 在 区 研发投资增加ꎻ反之ꎬ全球市场流动性缩紧ꎬ新兴市 域 ｐ０ < ｐｓ(区域 Ⅲ)ꎬ无论中国经济政策和美联储货 币政策对企业研发投资成本的影响在最高水平还是 场国家中长期利率上升ꎬ企业获取资金的成本也就 相应提高ꎬ企业研发投资减少ꎮ 这一传导渠道为利 最低水平ꎬ企业都会执行研发投资ꎮ 因此ꎬ当产品价 率渠道[３１]５３－６５ ꎮ 为揭示这一传导渠道ꎬ类似于模型 格 ｐｓ 与企业执行研发投资的两个阈值 ｐ０、ｐ１ 相触碰 时ꎬ即为企业可以获取利润最大化ꎮ (２)ꎬ令 ψｔ 表示 ｔ 时刻美联储非预期货币政策通过 利率渠道直接对中国企业研发投资成本下降的影 在上述理论模型设定和 Ｄｉｘｉｔ 和 Ｐｉｎｄｙｃｋ[２６] 的 响ꎬ以 Δψ ＝ ψ１ －ψ０ >０ 表示美联储不同非预期货币政 基本框架下ꎬ可以方便研究美联储非预期货币政策 策影响中国企业研发资金成本下降数值之差ꎬ这就 对中国企业研发投资的溢出效应ꎮ 首先ꎬ考虑区域 反映了美联储非预期货币政策通过利率渠道影响中 Ⅰꎬ此时产品价格低于第一个阈值 ｐ１ꎮ 在这个区域 里ꎬ不管中国经济政策和美国货币政策对企业研发 国企业的研发投资ꎮ 美联储货币政策可以在 ψｔ ~ [ψ０ꎬψ１] 两个水平之间任意改变ꎬ并相应调整 Δψ 的 投资成本影响处于最高水平还是最低水平ꎬ都不会 幅度ꎬλ ＝ λ１ ＋λ０ 表示美联储非预期货币政策的总非 预期性ꎮ 有企业进行研发投资ꎮ 不妨令 Ｖ１ 表示中国经济政 策和美联储货币政策处于对企业研发投资影响最高 考虑了美联储非预期货币政策的上述影响后ꎬ 水平时企业在该区域持有的期权价值ꎮ 同理ꎬＶ０ 表 在任意给定的产品价格和资本成本下ꎬ企业期望未 示中国经济政策和美联储货币政策对企业研发投资 来现金流的现值最大化ꎬ企业最优的研发投资选择 影响处于最低水平时企业在该区域持有的期权价 应该满足下述的方程: 值ꎮ 根据贝尔曼方程得: ∫∞ ρＶ０ｄｔ ＝ Ｅ(ｄＶ０) (５) Ｖ ＝ ＭａｘＥ{ ｐｓ Ｆ( ＫＴ) ｅ －ρｓ ｄｓ － ρＶ１ｄｔ ＝ Ｅ(ｄＶ１) (６) Ｔ Ｔ (１ － πＴ) (１ － ψＴ) ｐｋ ＫＴｅ －ρＴ} (４) 　 　 对(５)(６)使用伊藤引理得出: 　 　 其中ꎬ生产函数满足 Ｆ(.) ′ > ０ꎬＦ(.) ″ < ０ꎬ企 Ｅ( ｄＶ１ ) ＝ [０.５σ２ ｐ２ Ｖ１ｐｐ ＋ μｐＶ１ｐ － ( λ０ ＋ θ０ ＋ ω３λ１ ＋ ω４λ０)(Ｖ１ － Ｖ０)]ｄｔ ＋ Ａ(ｄｔ) ２ (７) 业研发投资的成本为 ＫＴꎬｐｋ 为单位成本价格ꎮ (４) 式表明企业研发投资收益的现值等于产出收益与研 Ｅ( ｄＶ０ ) ＝ [０.５σ２ ｐ２ Ｖ０ｐｐ ＋ μｐＶ０ｐ ＋ ( θ１ ＋ ω１ λ１ ＋ ω２λ０ ＋ λ１)(Ｖ１ － Ｖ０)]ｄｔ ＋ Ｂ(ｄｔ)２ (８) 发投资成本之差ꎮ 如果不考虑美联储非预期货币政

　 总第 ２２５ 期　 　 　 　 　 　欧阳志刚　 李伟:美联储非预期货币政策对中国企业 Ｒ＆Ｄ 的非线性溢出效应 ６１ 由于(ｄｔ)２ 可以近似看为 ０(伊藤引理解法)ꎬ将(７) 至此ꎬ已经完成区域Ⅰꎬ即企业未执行研发投资情况 (８)代入(５)(６)中ꎬ并且同时两边除以 ｄｔ 可得到下 列等式: 下ꎬ在中国经济政策和美联储货币政策对企业研发 投资影响的两种情况下企业持有投资期权的价值ꎮ ρＶ１ ＝ ０.５σ２ ｐ２ Ｖ１ｐｐ ＋ μｐＶ１ｐ － 在区域Ⅱ内ꎬ当中国经济政策和美联储货币政 (λ０ ＋ θ０ ＋ ω３λ１ ＋ ω４λ０)(Ｖ１ － Ｖ０) (９) 策处于对企业研发投资影响的最高水平时ꎬ企业进 ρＶ０ ＝ ０.５σ２ ｐ２ Ｖ０ｐｐ ＋ μｐＶ０ｐ ＋ ( θ１ ＋ ω１ λ１ ＋ ω２ λ０ ＋ λ１ ) ( Ｖ１ － Ｖ０ ) (１０) 行研发投资ꎬ其运算步骤与上文类似ꎮ 我们将上述 　 　 (９) 式、(１０) 式分别表示在中国经济政策和美 公式简单变动以示该区域下企业持有期权价值ꎮ ρＶ０ｄｔ ＝ Ｅ(ｄＶ０) ( １９) 联储货币政策对企业研发投资影响处于最高水平和 Ｖ１ ＝ ＰＴ Ｆ( Ｋ１ ) － (１ － π１ ) ( １ － ψ１ ) Ｋ１ ( ２０) ρ－μ 最低水平下ꎬ在区域Ⅰ中企业持有投资期权的价值ꎮ 　 　 (１９) 式的 Ｅ( ｄＶ０) 与(５) 式相同ꎬ但是(２０) 式则 为了进一步求解上式ꎬ令 Ｚ ＝ Ｖ１ －Ｖ０ꎬＸ ＝ ( θ１ ＋ω１λ１ ＋ ω２ λ０ ＋λ１ ) Ｖ１ ＋( λ０ ＋θ０ ＋ω３ λ１ ＋ω４ λ０ ) Ｖ０ ꎬ将(９) ( １０) 替 与(６) 式不同ꎬ同时( ２０) 式明确给出了 Ｖ１ 的表达 代后变成两个简化的二阶微分方程: 式ꎬ因此我们只需求解一个微分方程即可ꎬ其表达式 如下: ρＺ ＝ ０.５σ２ｐ２Ｚｐｐ ＋ μｐＺｐ － ( λ ＋ δ) Ｚ (１１) Ｖ０ ＝ Ｃ１Ｐη１ ＋ Ｃ２Ｐη２ ＋ ρＸ ＝ ０.５σ２ｐ２Ｘｐｐ ＋ μｐＸｐ ＋ ( λ ＋ δ) Ｘ (１２) 　 　 分别解上述两个微分方程得到 Ｚ 和 Ｘ 的解析 (ρ (θ１ ＋ ω１λ１ ＋ ω２λ０ ＋ λ１) ＰＴＦ(Ｋ１) － 解从而得到 Ｖ００ 和 Ｖ１０ 的解析解ꎮ 我们使用 Ａｐγ 的形 － μ)(ρ － μ ＋ θ１ ＋ ω１λ１ ＋ ω２λ０ ＋ λ１) 式寻找 Ｚ 的解ꎬ将其代入式( １１) 得到该微分方程ꎬ 其中 γ 是下述二次方程的根: (θ１ ＋ ω１λ１ ＋ ω２λ０ ＋ λ１)(１ － π１)(１ － ψ１)Ｋ１ ρ ＋ θ１ ＋ ω１λ１ ＋ ω２λ０ ＋ λ１ ( ２１) Ｒ(ｘ) ＝ １ σ２ ｘ( ｘ － １) ＋ μｘ － (ρ ＋λ ＋ δ) 　 　 其中 η１ 与 η２ 是二次方程 Ｓ(ｘ) ＝ ０.５σ２ｘ( ｘ－１) ２ ＋μｘ－( ρ＋θ１ ＋ω１λ１ ＋ω２λ０ ＋λ１) 的两个根ꎮ Ｃ１、Ｃ２ 为常 系数ꎮ ( １３) 　 　 同理ꎬ以相似的形式寻找 Ｘ 的解ꎬ其中 β 是下 最后在区域Ⅲ内ꎬ不管中国经济政策和美联储 述二次方程的根: 货币政策对企业研发投资影响处于最高水平还是最 １ σ２ 低水平ꎬ企业都会进行研发投资ꎬ因此企业持有的期 ２ Ｒ(ｘ) ＝ ｘ( ｘ － １) ＋ μｘ －ρ ( １４) 权价值可以表示如下: 　 　 因为区域Ⅰ下ꎬ企业并没有执行研发投资ꎬ且必 Ｖ０ ＝ ｐＴ Ｆ( Ｋ０ ) － (１ － π０ ) ( １ － ψ０ ) Ｋ０ ( ２２) 须满足边界初始条件ꎬ上述解析式保留如下: ρ－μ Ｚ ＝ Ａ１ｐγ１ ( １５) Ｖ１ ＝ ｐＴ Ｆ( Ｋ１ ) － (１ － π１ ) ( １ － ψ１ ) Ｋ１ ( ２３) ρ－μ Ｘ ＝ Ｂ１ｐβ１ ( １６) 　 　 通过求解企业在三个区域下持有期权的价值并 　 　 上式中 β１ >１ꎬλ１ >１ꎬ即保留(１３) ( １４) 中大于 １ 且利用价值匹配与平滑粘贴原则ꎬ我们可以构建出 的根ꎮ 由此可以将(１５) (１６) 代入 Ｚ ＝ Ｖ１ －Ｖ０、Ｘ ＝ ( θ１ 以下 ８ 个等式: ＋ω１λ１ ＋ω２λ０ ＋λ１) Ｖ１ ＋( λ０ ＋θ０ ＋ω３λ１ ＋ω４λ０ ) Ｖ０ꎬ由此 １ δ[ Ａ１ ｐ１β － ( θ１ ＋ ω１ λ１ ＋ ω２ λ０ ＋ λ１ ) Ｂ ｐ γ ] ＝ λ＋ １ 解出 Ｖ１、Ｖ０: １ Ｖ０ ＝ １ δ[ Ａ１ ｐβ － ( θ１ ＋ ω１ λ１ ＋ ω２ λ０ ＋ λ１ ) Ｂ１ ｐγ ] Ｃ１Ｐ１ η１ ＋ Ｃ２Ｐ１ η２ ＋ λ ＋ (θ１ ＋ ω１λ１ ＋ ω２λ０ ＋ λ１)Ｐ１Ｆ(Ｋ１) － ( １７) (ρ － μ)(ρ － μ ＋ θ１ ＋ ω１λ１ ＋ ω２λ０ ＋ λ１) Ｖ１ ＝ １ δ[ Ａ１ ｐβ ＋ ( λ０ ＋ θ０ ＋ ω３ λ１ ＋ ω４ λ０ ) Ｂ１ ｐγ ] (θ１ ＋ ω１λ１ ＋ ω２λ０ ＋ λ１)(１ － π１)(１ － ψ１)Ｋ１ ＋ λ ρ ＋ θ１ ＋ ω１λ１ ＋ ω２λ０ ＋ λ１ ( １８) ( ２４)

６２ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 １ δ[ Ａ１ ｐ１β ＋ ( λ０ ＋ θ０ ＋ ω３ λ１ ＋ ω４ λ０ ) Ｂ１ ｐ γ ] ＝ 业研发成果收益的方差波动率即市场收益不确定性 λ＋ １ σ ＝ ０.１０ꎮ 对于中国经济不确定性参数 δꎬ如果 δ ＝ ０ꎬ 表明没有任何不确定性ꎬ如果 δ 是趋向于 １ 的数值ꎬ ｐ１ Ｆ( Ｋ１ ) － (１ － π１ ) ( １ － ψ１ ) Ｋ１ ( ２５) 也说明没有不确定性ꎻ因此只有 δ 处于中间水平才 ρ－μ 具有不确定性ꎬ本文设定 δ ＝ ０.１ꎮ π０ ＝ ０.１０ 表明经 济政策使企业研发投资成本下降的最小水平ꎻπ１ ＝ Ｃ１Ｐ０ η１ ＋ Ｃ２Ｐ０ η２ ＋ ０.１５表明经济政策使企业研发投资成本下降的最大 水平ꎬ上述设定表明两种水平下的经济政策对企业 (ρ (θ１ ＋ ω１λ１ ＋ ω２λ０ ＋ λ１) Ｐ０Ｆ(Ｋ１) － 资金成本的影响具有差异化ꎮ 对于参数 ω１、ω２、ω３ － μ)(ρ － μ ＋ θ１ ＋ ω１λ１ ＋ ω２λ０ ＋ λ１) 和 ω４ꎬ由上文模型可知ꎬ它们表示美联储不同操作 方向的货币政策对中国不同类型经济政策的影响ꎬ ( θ１ ＋ ω１ λ１ ＋ ω２λ０ ＋ λ１)(１ － π１)(１ － ψ１ ) Ｋ１ ＝ 其取值应基于相关实证研究、理论文献或者现实情 ρ ＋ θ１ ＋ ω１λ１ ＋ ω２λ０ ＋ λ１ 况而定ꎮ 参考金春雨和张龙的结论[３２]２５－４２ ꎬ我们设 定 ω１ ＝ ０.０４ꎬ ω２ ＝ － ０. ０３ꎬ ω３ ＝ － ０. ０５ꎬ ω４ ＝ ０. ０４ꎮ 同 ｐ０ Ｆ( Ｋ０ ) － (１ － π０ ) ( １ － ψ０ ) Ｋ０ ( ２６) 理ꎬλ 在边界处的取值同样无意义ꎬ本文设定 λ 的取 ρ－μ 值范围为 ０.０５—０.３５、ψ０ ＝ ０.０５ꎬψ１ ＝ ０.１０ 分别表示 美联储非预期货币政策使中国企业资金成本下降的 １ δ[Ａ１βｐ１ β－１ － 最小水平与最大水平ꎮ 根据上述参数设定ꎬ本文首 λ＋ 先报告美联储非预期货币政策对企业研发投资阈值 的影响ꎬ见图 １ꎮ (θ１ ＋ ω１λ１ ＋ ω２λ０ ＋ λ１) Ｂ１γｐ１γ－１] ＝ 美联储非预期货币政策 Ｃ１η１Ｐ１ η１－１ ＋ Ｃ２η２Ｐ１ η２－１ ＋ 图 １　 美联储非预期货币政策对企业研发投资阈值影响 (θ１ ＋ ω１λ１ ＋ ω２λ０ ＋ λ１)Ｆ(Ｋ１) 图 １ 可以看出ꎬ美联储非预期货币政策与中国 (ρ － μ)(ρ － μ ＋ θ１ ＋ ω１λ１ ＋ ω２λ０ ＋ λ１) 企业执行研发投资的两个阈值呈现正向关系ꎬ这表 明美联储非预期货币政策上升会使得阈值上升ꎬ延 ( ２７) 迟企业最优投资时机ꎬ进而抑制企业研发投资ꎮ 近 期ꎬ相关文献研究还表明ꎬ经济政策不确定性对企业 １ [ Ａ１ βｐ β － １ ＋ ( λ０ ＋ θ０ ＋ ω３ λ１ ＋ 投资的效应具有非线性特征ꎬ产生非线性的主要原 λ＋ δ 因是经济政策不确定性程度的提高[３３]９８６－１０００ 和经济 １ 周期阶段的变化[３４]２１－１２５ ꎮ 原因在于ꎬ经济政策不确 定性可以通过倒逼机制影响企业研发投资ꎮ 当面对 ω４λ０)Ｂ１γｐ１ γ－１] ＝ Ｆ( Ｋ１ ) ( ２８) 较高的经济政策不确定时ꎬ企业未来价值出现下滑 ρ－μ ０ ＝ ｐ１ Ｆ‘( Ｋ１ ) － (１ － π１ ) ( １ － ψ１) ( ２９) ρ－μ ０ ＝ ｐ０Ｆ′( Ｋ０) － (１ － π０ ) ( １ － ψ０) ( ３０) ρ－μ Ｃ１η１Ｐ０ η１－１ ＋ Ｃ２η２Ｐ０ η２－１ ＋ (ρ (θ１ ＋ ω１λ１ ＋ ω２λ０ ＋ λ１)Ｆ(Ｋ１) λ１) ＝ － μ)(ρ － μ ＋ θ１ ＋ ω１λ１ ＋ ω２λ０ ＋ Ｆ( Ｋ０ ) ( ３１) ρ－μ 　 　 虽然(２４) 至(３１) 这 ８ 个等式对应 ８ 个未知变 量 ｐ０、ｐ１、Ｃ１、Ｃ２、Ａ１、Ｂ１、Ｋ０、Ｋ１ꎻ但由于等式的复杂 性ꎬ上述方程组并不能直接获得 ８ 个未知变量的解 析式ꎬ因此为了直观展示分析结果ꎬ本文对理论模型 结果进行仿真模拟ꎮ 基本参数按照 Ｈａｓｓｅｔｔ 和 Ｍｅｔ￣ ｃａｌｆꎬ设定单位产出的瞬时漂移率 μ ＝ ０ ( Ｈａｓｓｅｔｔ 和 Ｍｅｔｃａｌｆ 仅仅为了方便模拟ꎬ也可以取其他数值) ꎬ无 风险利率即折现率 ρ ＝ ０.０５[２７]３７２－３９３ ꎮ 生产函数形式 为 Ｆ ＝ ｌｎ(１＋Ｋ) ꎬ该函数形式满足一阶导数大于 ０ꎬ二 阶导数小于 ０ꎬ体现边际报酬递减的生产规律ꎮ 企

　 总第 ２２５ 期　 　 　 　 　 　欧阳志刚　 李伟:美联储非预期货币政策对中国企业 Ｒ＆Ｄ 的非线性溢出效应 ６３ 的风险ꎬ为抵御未来价值损失风险并谋求企业自身 币政策对企业研发投资的抑制效应随着中国经济不 的发展而增加研发投入ꎮ 相反地ꎬ经理人预期未来 确定性的变化呈现非线性特征ꎮ 进一步地ꎬ本文还 经营前景的不确定性加大时ꎬ出于对不确定性的谨 模拟了美联储非预期货币政策对中国企业研发投资 慎态度也可能倾向于推迟研发投入ꎮ 由于不确定性 的影响随着经济周期变化而呈现的变化ꎮ 为此ꎬ我 引致渠道是美联储非预期货币政策通过引致中国经 们改变参数 σ 和 ρ 取值ꎬ通过仿真模拟得到美联储 济政策不确定性而对企业研发投资产生溢出效应ꎬ 非预期货币政策对企业研发投资的影响与 σ 和 ρ 因此ꎬ当中国经济政策不确定性程度发生显著改变ꎬ 之间的非线性关系ꎬ具体见图 ３ꎮ 溢出效应也可能发生显著变化ꎮ 另外ꎬ当经济周期 发生阶段性改变时ꎬ本文模型中结构参数也将随着 执行创新研发阈值 (A) 变化ꎮ 例如ꎬ当经济处于繁荣阶段ꎬ市场需求旺盛ꎬ 企业生产前景乐观ꎬ研发成果市场收益不确定性 σ 0.60 0.20 处于低水平ꎬ无风险利率 ρ 可能处于高位ꎻ当经济处 0.55 0.15 于衰退阶段ꎬ市场需求萎靡ꎬ企业生产前景悲观ꎬ研 0.50 0.10 发成果市场收益不确定性 σ 处于高水平ꎬ无风险利 0.45 无风险利率 率 ρ 可能处于低位ꎮ 这就意味着随着经济周期阶段 0.40 的变化ꎬ结构参数 σ 与 ρ 改变ꎬ美联储非预期货币 0.35 政策对 中 国 企 业 研 发 投 资 的 溢 出 效 应 也 非 线 性 0.30 变化ꎮ 美联0储.4非0预.3期0货.2币0政.1策0 0.05 为了体现上述非线性变化特征ꎬ本文首先模拟 执行创新研发阈值 (B) 了随着中国经济政策不确定性程度的变化ꎬ美联储 非预期货币政策对中国企业研发投资的非线性溢出 1.2 0 0.04 0.06 0.08 0.10 0.120.14 效应ꎬ见图 ２ꎮ 1.0 研发成果市场 0.8 0.6 收益不确定性 0.4 0.2 0 0.4 期美货联0币.储3政非策0预.2 0.1 执行创新研发阀值 图 ３　 美联储非预期货币政策对阈值的三维仿真模拟 美联储非预期货币政策 中国经济政策不确定性 图 ３ 的(Ａ)图形模拟的是无风险利率变化情形 下ꎬ美联储非预期货币政策溢出效应的变化ꎬ图 ３ 的 图 ２　 美联储非预期货币政策对企业研发 ( Ｂ) 图形模拟的是研发成果市场收益不确定性改变 情形下溢出效应的变化ꎮ 可以看出ꎬ给定无风险利 投资阈值影响的三维仿真模拟 率的前提下( 例如 ０.１)ꎬ美联储货币政策非预期程 度上升(下降)会造成企业研发投资阈值 ｐ０、ｐ１ 提高 图 ２ 表明ꎬ在给定中国经济政策不确定性程度 ( 下降) ꎮ 如果无风险利率由 ０.１ 上升至 ０.１５ꎬ美联 的前提下( 如 ０.１)ꎬ美联储货币政策不确定性的增 储非预期货币政策对企业研发投资阈值的影响发生 加会导致企业研发投资阈值的上升ꎬ导致企业研发 显著改变ꎮ 由此体现明显非线性特征ꎬ但这种非线 投资下降ꎮ 如果将中国经济政策不确定性程度由 ０. 性特征并非简单的递增或递减ꎬ因为阈值 ｐ０ 呈现出 １ 提高到 ０.２ꎬ可以发现美联储货币政策不确定性对 较为复杂的凹型曲面ꎮ 类似地ꎬ在给定研发成果收 中国企业研发投资的抑制效应增强了ꎬ该结果与有 益不确定性程度( 如 ０.０６) 的前提下ꎬ美联储货币政 关经济政策不确定性对企业研发投资影响的文献相 策非预期程度上升( 下降) 会造成企业研发投资阈 一致 ꎮ[３３]９８６－１０００ 这一结果也意味着美联储非预期货 值 ｐ０、ｐ１ 提高(下降)ꎮ 如果研发成果收益不确定性 程度由 ０.０６ 上升至 ０.１ꎬ美联储货币政策非预期程 度上升对企业研发投资阈值的影响发生显著改变ꎬ

６４ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 即随着研发成果收益不确定性程度上升ꎬ美联储非 态变量的变化而随机变化ꎬ这种非线性方式不适合 预期货币政策对企业研发投资抑制效应上升了ꎮ 本文研究的问题ꎬ因为企业研发投资决策不会随着 ( 二) 计量模型的设定 经济不确定的提高而随机改变ꎮ 阈值机制转移模型 上述理论分析表明ꎬ美联储非预期货币政策对 适宜描述经济结构关系随着某个( 些) 经济变量的 中国企业 Ｒ＆Ｄ 投入的溢出效应随着中国经济政策 变化而产生非线性的特征ꎬ因此ꎬ它具有明确具体而 不确定性程度ꎬ以及与经济周期相关的结构参数的 且直观的经济含义ꎬ这是这类模型的显著优势ꎮ 这 变化而体现非线性ꎮ 现有相关文献大多都将这种非 一优势正好适用于本文研究的问题和研究目标ꎬ因 线性变化的原因归结为经济政策不确定性程度的变 而本文选择阈值机制转移模型刻画美联储非预期货 化和经 济 周 期 阶 段 的 变 化[３３]９８６－１０００ꎬ[３４]２１－１２５ ꎮ 为 此ꎬ 币政策对中国企业 Ｒ＆Ｄ 投入的非线性溢出效应ꎮ 本文参照现有多数文献的做法ꎬ使用经济政策不确 Ｈａｎｓｅｎ 提 出 了 单 阈 值 变 量 的 门 限 面 板 模 定性和经济周期刻画非线性转换的原因ꎮ 在描述货 型[３８]３５８ꎮ 本文理论发现美联储非预期货币政策对 币政策效果的非线性特征方面ꎬ国内外主流文献一 中国企业 Ｒ＆Ｄ 投入的溢出效应是随着中国经济政 般使用时变参数模型、阈值机制转移模型和马尔可 策不确定性和经济周期阶段的联合变化而且具有非 夫机制 转 移 模 型[３５]１０７－１４２ꎬ[３６]２６－３４ꎬ[３７]３２０－３４２ ꎬ 这 三 种 非 线性ꎬ现有的一些相关实证研究也印证了这一点ꎮ 因 线性表述方式各有相对优势和不足ꎮ 时变参数模型 此ꎬ本文单阈值变量的门限面板模型拓展为双阈值变 方便描述经济结构的复杂的、连续的时变非线性ꎬ但 量 的 门 限 面 板 模 型ꎮ 同 时 参 考 近 期 相 关 文 其时变方式必须预先给定而不是通过检验设定ꎬ同 献[３９]８０－９１[４０]２６－３６ ꎬ将核心解释变量系数设定为随机制 时还有经济意义不直观ꎬ样本长度要求“ 很长” 的不 变化而发生非线性变换ꎬ其余变量系数设定为不发生 足ꎮ 马尔可夫机制转移模型刻画的非线性是随着状 机制变化ꎮ 由此获得双阈值变量门限面板模型: ïìα０ ＋ λ１ ＲＶｉꎬｔ－１ ＋ φＸｉꎬｔ－１ ＋ ηｉ ＋ ηｙｅａｒ ＋ εｉꎬｔ ꎬｙｇａｐꎬｔ－ｄ > ηꎬｅｐｕｔ－ｄ ≥ θ ｒｄｉꎬｔ ＝ ïïα０ ＋ λ２ ＲＶｉꎬｔ －１ ＋ φＸｉꎬｔ －１ ＋ ηｉ ＋ ηｙｅａｒ ＋ εｉꎬｔ ꎬｙｇａｐꎬｔ －ｄ ≤ ηꎬｅｐｕｔ－ｄ ≥θ ( ３２) í ＋ λ３ ＲＶｉꎬｔ －１ ＋ φＸｉꎬｔ －１ ＋ ηｉ ＋ ηｙｅａｒ ＋ εｉꎬｔ ꎬｙｇａｐꎬｔ －ｄ > ηꎬｅｐｕｔ－ｄ <θ ïα０ îïïα０ ＋ λ４ ＲＶｉꎬｔ－１ ＋ φＸｉꎬｔ－１ ＋ ηｉ ＋ ηｙｅａｒ ＋ εｉꎬｔ ꎬｙｇａｐꎬｔ－ｄ ≤ ηꎬｅｐｕｔ－ｄ < θ 　 　 模型( ３２) 是一个带有截面个体以及时间效应 机制中结构参数 λｉ( ｉ ＝ １ꎬ２ꎬ３ꎬ４) 的显著不相同体现 的双阈值变量的四机制门限面板模型ꎬ其中 α０ 表示 了非线性ꎬφ 表示不随机制变化的控制变量系数ꎮ 截距项ꎬＲＶｉꎬｔ－１ 表示美联储非预期的货币政策ꎬ ｒｄｉꎬｔ 因此ꎬ系数 λｉ 直观地刻画了美联储非预期的货币政 为上市公司 ｉ 的研发投入ꎮ Ｘｉꎬｔ－１ 为一系列影响企业 策对中国企业 Ｒ＆Ｄ 的溢出效应随着中国经济政策 研发投资的控制变量ꎬηｙｅａｒ以及 ηｉ 分别表示时间、个 不确定性和经济周期阶段的变化而发生非线性机制 体的固定效应ꎮ ｙｇａｐ为产出缺口ꎬ表示经济周期ꎬｅｐｕ 转换ꎮ 为中国经济政策不确定性ꎮ ｄ 为位置参数ꎬ用于确 １.模型的估计方法 定机制转移发生的位置ꎬη、θ 表示阈值ꎮ 根据 Ｃｈｅｎ 为表述 方 便ꎬ 先 介 绍 估 计 方 法ꎮ 令 系 数 λｊ ＝ 等的研究ꎬ设定 ｙｇａｐ >０ 表示经济繁荣时期ꎬｙｇａｐ <０ 则 表示经济衰 退 时 期[４１]３８９１－３９３６ ꎬ 因 此 模 型 选 择 η ＝ ０ꎮ (λ１ꎬλ２ꎬλ３ꎬλ４)ꎬγ ＝ (ηꎬθ)ꎬＩ(γ) 为指示函数ꎮ 定义 双阈值机制转移模型所刻画的非线性特征可用四个 Ｉ１( γ) ＝ Ｉ( ｙｇａｐꎬｔ－ｄ >０ꎬｅｐｕｔ－ｄ ≥θ) ꎬＩ２( γ) ＝ Ｉ( ｙｇａｐꎬｔ－ｄ ≤０ꎬ 机制描述:ｙｇａｐꎬｔ－ｄ > ０ꎬｅｐｕｔ－ｄ ≥ θ 表示经济繁荣、经济 政策不确定 程 度 高 ( 机 制 Ⅰ) ꎻ ｙｇａｐꎬｔ－ｄ ≤０ꎬ ｅｐｕｔ－ｄ ≥ θ ｅｐｕｔ－ｄ ≥θ) ꎬＩ３( γ) ＝ Ｉ ( ｙｇａｐꎬｔ－ｄ > ０ꎬｅｐｕｔ－ｄ < θ) ꎬＩ４( γ) ＝ Ｉ 表示经 济 衰 退、 经 济 政 策 不 确 定 性 程 度 高 ( 机 制 ( ｙｇａｐꎬｔ－ｄ ≤０ꎬｅｐｕｔ－ｄ <θ) ꎮ 模型可改写为: Ⅱ) ꎻｙｇａｐꎬｔ－ｄ >０ꎬｅｐｕｔ－ｄ <θ 表示经济繁荣、经济政策不 确定性程度低( 机制Ⅲ) ꎻｙｇａｐꎬｔ－ｄ ≤０ꎬｅｐｕｔ－ｄ <θ 表示经 ４ 济衰退、经济政策不确定性程度低( 机制Ⅳ)ꎮ 四个 ∑ｒｄｉꎬｔ ＝ α０ ＋ Ｉｊ( γ) λｊ ＲＶｉꎬｔ－１ ＋ ｊ＝１ φＸｉꎬｔ－１ ＋ ηｉ ＋ ηｙｅａｒ ＋ εｉꎬｔ ( ３３) 　 　 参考 Ｃｈｅｎ 等的估计方法ꎬ 首先假定 ( γꎬ ｄ) 已 ︿︿ 知ꎬ再使用条件最小二乘法ꎮ 以 ＲＳＳ ( γꎬｄ) 表示上

　 总第 ２２５ 期　 　 　 　 　 欧　 阳志刚　 李伟:美联储非预期货币政策对中国企业 Ｒ＆Ｄ 的非线性溢出效应 ６５ 述模型的残差平方和ꎬ最小的 ＲＳＳ 对应的阈值和位 设为含有三个机制ꎮ 这样两机制对三机制的检验有 三种情况ꎬ每个情况都是检验某一个机制是否存在ꎬ ︿︿ 分别对其进行检验ꎮ 如果三种不同情况均被拒绝ꎬ 则接受 Ｈ１ 即模型存在三机制ꎬ否则模型含有两机 置参数就是所要估计的结果ꎬ即( γꎬｄ) ＝ ａｒｇｍｉｎ ＲＳＳ 制ꎮ 检验统计量和计算程序与检验非线性相类似ꎮ (γꎬ ｄ )ꎬ 与 之 相 对 应 的 系 数 即 为 模 型 估 计 结 　 　 三、变量的选取与数据的来源 果 ꎮ[４２]１４２－１７０ 　 　 (一)变量的选取 １.核心解释变量 ２.模型的检验方法 泰勒规则通常被用来描述美联储货币政策ꎮ 本 进行模型(３３) 的估计之前ꎬ我们应先检验非线 文参考 Ｈａｙａｔ 和 Ｍｉｓｈｒａ 将美联储货币政策设置为如 下泰勒规则形式[４３]１２９２－１３０１ : 性是否存在以及所含机制的数量ꎬ参考 Ｈａｎｓｅｎ 提出 ｉｔ ＝ γ０ ＋ γｉ ｉｔ －１ ＋ γ ππ ｇａｐꎬｔ －１ ＋ γ ｙｇ ｇａｐꎬｔ －１ ＋ εｔ 的基于 Ｆ 型统计量的 Ｂｏｏｔｓｔｒａｐ 计算经验 Ｐ 值检验 ( ３４) 方法 ꎮ[３８]３４５－３６８ 　 　 其中 ｉ 表示联邦基金利率ꎬｉｔ－１ 表示上一期的联 邦基金利率ꎬπｇａｐ 表示通胀缺口ꎬｙｇａｐ 表示产出缺口ꎮ (１)设定原假设 Ｈ０:不存在非线性关系( 只有 由模型(３４) 的设定可以看出ꎬ美联储货币政策的联 一个机制)ꎬ备择假设 Ｈ１:存在非线性 ( 两机制)ꎮ 邦基金利率分解为两部分:随经济基本面而变化的 在原假设成立的条件下ꎬ计算线性模型残差平方和 内生性部分和不随经济基本面变化的外生性部分ꎮ 内生性部分是由货币政策目标和利率平滑描述的部 ＲＳＳ０ꎮ 计算备择假设下的残差平方和 ＲＳＳ１ꎬ然后计 分ꎬ它随货币政策目标的变化而变化ꎬ因而容易被经 济主体预期到ꎮ 货币政策外生部分是不随经济基本 算真实的检验统计量 Ｆ０ ＝ ( ＲＳＳ０ －ＲＳＳ １) ꎬ Ｍ 为样本 面变化的非预期货币政策冲击ꎬ这种非预期冲击体 æ ＲＳ Ｓ１ ö 现了经济主体无法确切预知货币当局是否、何时以 ç ÷ 及如何改变现行的货币政策ꎬ因而是货币政策的非 Ｔ－１) ) 预期部分ꎮ èＭ( ø 为估计( ３４) ꎬ我们参考美联储官方以核心 ｐｃｅ 公司个数ꎬＴ 为样本容量ꎮ 作为通货膨胀率度量ꎬ记为 πꎮ π∗ 为目标通货膨胀 率ꎬ美联储官方一直强调 ２％为其目标通货膨胀率ꎬ (２)利用有放回抽样重复上述(１) Ｎ 次ꎬ得到 Ｎ 因此通胀缺口: πｇａｐ ＝ 核心 ｐｃｅ 减 去 目 标 通 货 膨 胀 率ꎮ 参考 Ｈａｙａｔ 和 Ｍｉｓｈｒａ[４３] ꎬ本文构建的产出缺口 个检验统计量 Ｆ 的值ꎮ 为:ｙｇａｐ ＝ ( 实际 ｇｄｐ－实际潜在 ｇｄｐ) / 实际潜在 ｇｄｐ× １００ꎮ 由于美国实际 ｇｄｐ 和潜在 ｇｄｐ 均为季度数据ꎬ (３)计算出经验 Ｐ 值 Ｐ ＝ Ｃ( Ｆ >Ｆ０ ) / Ｎꎬ其中 Ｃ 本文使用二次插值法( Ｑｕａｄｒａｔｉｃ) 将季度数据转化为 (Ｆ>Ｆ０)表示 Ｎ 个 Ｆ 值中大于 Ｆ０ 的个数ꎬＮ 为抽样 月度 数 据ꎮ 上 述 数 据 分 别 来 源 于 Ｆｅｄｒａｌ Ｒｅｓｅｒｖｅ 总次数ꎮ ｂａｎｋ ｏｆ ｓｔ.ｌｏｕｉｓꎮ 完成(３４) 估计ꎬ我们得到美联储货 币政策的非预期成分 ｕｎｅｘｐｅｃｔｅｄ ＝ εｔꎮ 进一步地ꎬ美 若经验 Ｐ 值在 １％或 ５％的显著性水平下统计 联储非预期的货币政策实质上体现的是美联储货币 政策的不确定性ꎮ 在经济意义上ꎬ不确定性都是使 显著ꎬ则说明非线性阈值机制转换存在ꎻ若不显著ꎬ 用方差的形式度量ꎮ 因此ꎬ本文对度量的月度 ＴＵ 和 则不拒绝单机制线性模型的原假设ꎮ 若非线性检验 验证模型存在非线性机制转换ꎬ紧接着检验非线性 模型含有的机制数量ꎬ根据从一般到特殊的原则ꎬ首 先进行三机制与四机制检验ꎮ 设定原假设 Ｈ０:原模 型仅有某一个机制 ｋ ( ｋ ＝ Ⅰꎬ Ⅱꎬ Ⅲꎬ Ⅳ) 不 存 在ꎮ Ｈ１:原模型所有机制 ｋ ( ｋ ＝ ⅠꎬⅡꎬⅢꎬⅣ) 都存在ꎮ 这样的原假设表明模型存在三个机制ꎬ备择假设表 明模型含有四个机制ꎮ 机制数量的检验统计量和计 算程序与上述非线性检验相类似ꎬ在此不赘述ꎮ 如果拒绝存在三机制原假设ꎬ表明模型存在四 机制ꎬ则不需要继续进行二机制对三机制的检验ꎻ若 不拒绝原假设ꎬ则需进一步检验二机制对三机制ꎮ 由于已经剔除了不显著一个机制ꎮ 因此ꎬ模型( ３３) 退化为三机制模型ꎮ 针对退化后的三机制模型ꎬ设 定原假设 Ｈ０:模型中某个机制不存在ꎬＨ１:模型所有 机制都存在ꎮ 这样原假设为含有两个机制ꎬ备择假

６６ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 ＦＦ 数据取平方ꎬ然后加总为年度数据ꎬ由此即得到了 进一步地ꎬ为了探讨美国非预期的货币政策对 美联储非预期货币政策的年度数据简记为 ＲＶꎮ 中国企业的异质性溢出效应ꎬ使用 φ 表示企业所有 权性质ꎮ 本文依据 Ｗｉｎｄ 数据库将其按所有权性质 ２.被解释变量 的不同划分为国有企业、非国有企业ꎬ其中 φ ＝ １ 表 关于企业 Ｒ＆Ｄ 投入的度量ꎬ目前有多种形式ꎬ 示国有企业ꎬφ ＝ ０ 表示非国有企业ꎮ ω 表示行业属 参照顾夏铭等[４４]１０９－１２３ ꎬ本文使用企业研发支出 / 企 性ꎬ本文按照国家统计局高技术产业分类标准ꎬ将企 业销售额收入的百分比来衡量企业 Ｒ＆Ｄ 投入水平ꎬ 业划分为高科技企业、非高科技企业ꎬ其中 ω ＝ １ 表 记为 Ｒ＆Ｄꎮ 示高科技企业ꎬω ＝ ０ 表示非高科技企业ꎮ ３.阈值变量 Ｂａｋｅｒ 等基于« 南华早报» ꎬ通过关键词搜索的 ( 二) 数据的来源及处理 方式构建了中国经济政策不确定性指数[４５]１５９３－１６３６ ꎮ 本文研究 中 所 使 用 的 数 据 来 源 为: ２００８—２０２１ 由于该指数数据为月度数据ꎬ因此参考顾夏铭等的 年 Ａ 股上市公司企业研发支出、有形资产比率、资 度量方法[４４]１０９－１２３ ꎬ采取年度算术平均值的方式将月 产收益率、现金流比率、总资产、净负债率、营业收 度经济政策不确定性转化为年度经济政策不确定 入、Ｍ２ 同比增长率均来自 Ｗｉｎｄ 数据库ꎬ其中 Ｍ２ 同 性ꎬ简记为 ｅｐｕꎮ 参考欧阳志刚和史焕平[４６] 使用 ＨＰ 比增长率为 月 度 数 据ꎬ 结 合 本 文 研 究 需 要ꎬ 将 月 度 滤波方法得到潜在 ＧＤＰ 增长率ꎬ并以潜在 ＧＤＰ 增 Ｍ２ 同比增长率通过算术平均值得到年度 Ｍ２ 同比 长率作 为 目 标 增 长 率[４６]２８－３７ ꎬ 由 此 得 到 ｙｇａｐ ＝ ｙｒｅａｌ － 增长率ꎮ 衡量中国经济政策不确定性的指数来自芝 ｙ ꎮｐｏｔｅｎｔｉａｌ 根据有关文献ꎬｙｇａｐ > ０ 表示经济繁荣ꎬｙｇａｐ ≤ 加哥大学和斯坦福大学联合发布的经济政策不确定 ０ 表明经济衰退[４１]３８９１－３９３６ ꎮ 性指数( ｅｐｕ) ꎮ 测度经济周期所使用的 ｇｄｐ 增长率 ４.控制变量 来源于 Ｗｉｎｄ 数据库ꎬ以上均为年度数据ꎬ时间跨度 本文模型中使用的控制变量主要参考了国内有 为 ２００８—２０２１ 年ꎮ 度量美国货币政策不确定性的 关企业 Ｒ＆Ｄ 影响因素的文献ꎬ顾夏铭等[４４] 选取了 数据来源自 Ｆｅｄｒａｌ Ｒｅｓｅｒｖｅ ｂａｎｋ ｏｆ ｓｔ.ｌｏｕｉｓꎬ时间跨度 企业规模、年龄、资产收益率、托宾 Ｑ 值、有形资产 为 ２００２—２０２１ 年ꎬ我们截取美联储非预期的货币政 比率、资产负债率、现金流比率等作为控制变量ꎮ 孟 策 ２００８—２０２１ 年的数据进行分析ꎮ 考虑到数据的 庆斌和师倩[４７]７５－９８ 则选择公司规模、资产收益率、市 质量及可获 得 性ꎬ 在 进 行 实 证 分 析 之 前ꎬ 我 们 剔 除 账比、资产负债率、营业增长率、市场力量等作为控 了:(１) 观测期内被 ＳＴ、∗ＳＴ 上市公司ꎻ(２) 保险、金 制变量ꎮ 结合本文研究需要ꎬ参考相关文献ꎬ我们选 融类公司ꎻ(３) 当年成立及重要财务数据严重缺失 取了有形资产比率( Ｔａｎ) ꎬ使用有形资产 / 总资产度 的企业ꎮ 实证分析中ꎬ为便于统一分析ꎬ消除数据量 量ꎮ 有形资产比率越高ꎬ企业 Ｒ＆Ｄ 投入可能会越 纲影响ꎬ我们对美联储非预期的货币政策数据进行 低ꎮ 现金流比率(Ｃ)ꎬ反映企业可用现金数量ꎬ现金 了标准化的处理ꎮ 为减少异常值可能带来的影响ꎬ 流比率越大ꎬ企业 Ｒ＆Ｄ 投入可能更高ꎮ 企业规模 所有微观变量均经过前后 １％ 的缩尾处理ꎬ同时为 (ＴＡ) 使用总资产对数形式ꎬ一般而言规模越大的企 缓解内生性问题ꎬ解释变量、控制变量采用滞后被解 业ꎬＲ＆Ｄ 投入可能会越高ꎮ 净负债率( Ｄ) 表明企业 释变量一期ꎮ 财务风险ꎬ净 负 债 率 越 低ꎬ 企 业 面 临 的 财 务 风 险 越 ( 三) 描述性统计 低ꎬ 企 业 越 有 可 能 进 行 Ｒ＆Ｄ 投 入ꎮ 资 产 收 益 率 表 １ 为本文主要变量的描述性统计结果ꎬ其中 ( ＲＯＡ) 使用净利润 / 总资产表示ꎬ盈利能力越强的 企业 Ｒ＆Ｄ 投入的均值为 ４.５７ꎬ标准差为 ４.２２ꎬ最小 企业ꎬ可能会有更多资金进行 Ｒ＆Ｄ 投入ꎮ 同时考虑 值为 ０.０４３ꎬ最大值为 ２５.２５ꎬ表明样本期内ꎬ各个企 到中国企业 Ｒ＆Ｄ 投入也会受到国内货币政策的影 业 Ｒ＆Ｄ 投入具有较大差异性ꎮ 同时美联储非预期 响ꎬ参考 Ｆａｔｕｍ 和 Ｓｃｈｏｌｎｉｃｋ 在模型中加入中国货币 的货币政策( ＲＶ) 均值为 ０.００６２ꎬ标准差为 １.００４ꎬ最 政策作为控制 变 量[２２]１０７６－１０８６ ꎬ 使 用 Ｍ２ 同 比 增 长 率 小值为－０.３６８ꎬ最大值为 ３.３０２ꎬ同样说明样本期内ꎬ 作为中国货币政策代理变量( Ｍ) ꎮ 美联储非预期的货币政策变动较大ꎮ

　 总第 ２２５ 期　 　 　 　 　 欧　 阳志刚　 李伟:美联储非预期货币政策对中国企业 Ｒ＆Ｄ 的非线性溢出效应 ６７ 表 １　 主要变量的描述性统计 网格搜索ꎬ基于此区间进行模型( ３３) 的非线性估计 以及所包含的机制数量检验ꎮ 在具体检验过程中ꎬ 变量名 样本数 均值 标准差 最小值 最大值 我们分析了 ２００８—２０２１ 年中国 ＧＤＰ 增长率与经济 Ｒ＆Ｄ １５ ４１４ ４.５７ ４.２２ ０.０４３ ２５.２５ 政策不确定性指数ꎬ发现中国不存在机制Ⅳ( 经济 ＲＶ １５ ４１４ ０.００６２ １.０４ －０.３７ ３.３０ 衰退、经济政策不确定性程度低) ꎬ这可能与中国政 ＴＡ １５ ４１４ ２１.２６ １.３２ １７.８０ ２４.８９ 府首要任务是促进经济增长有关ꎮ 因为当经济衰退 Ｃ １５ ４１４ １.５４ ２.５６ ０.０６ １６.２０ 时ꎬ政府会出台一系列政策刺激经济增长ꎬ由此带来 Ｄ １５ ４１４ －１.９８ ４９.７２ －９４.４３ １８５.９７ 经济 政 策 不 确 定 性 的 提 高ꎮ 基 于 这 一 事 实 模 型 ＲＯＡ １５ ４１４ ７.５６ ７.５０ －１０.３２ ３６.８７ (３３) 中的机制Ⅳ也就不存在ꎬ因此使用上文方法对 Ｔａｎ １５ ４１４ ５１.０４ ２１.１２ １.７６ ９２.５１ 模型(３３) 展开检验是先检验非线性是否存在ꎬ然后 Ｍ １５ ４１４ １５.６０ ４.４９ ９.６６ ２６.５１ 从三个机制开始检验机制数量ꎮ φ １５ ４１４ ０.２４ ０.４３ ω １５ ４１４ ０.５５ ０.５０ ０ １ 基于前述的检验方法ꎬ对模型( ３３) 进行非线性 ｅｐｕ １５ ４１４ ２１７.９９ １１７.８９ ０ １ 检验ꎬ原假设 Ｈ０:线性模型ꎬλ１ ＝ λ２ ＝ λ３ꎻ备择假设 ｙｇａｐ １５ ４１４ －０.２５ ０.６９ ９８.８９ ４６０.４７ Ｈ１:非线性模型ꎬλ１≠λ２ ＝ λ３ꎮ 按照本文所介绍的检 －１.４８ ０.８０ 验方法分别计算原假设与备择假设下的模型( ３３) ꎬ 重复抽样１０００次ꎬ计算经验 Ｐ 值ꎬ得到 Ｐ ＝ ０ꎮ 这表 　 　 四、实证结果 明在 １％的显著水平下可以拒绝原假设 Ｈ０ꎬ接受备 择假设 Ｈ１ꎬ意味着美联储非预期货币政策对中国企 　 　 (一)非预期的货币政策溢出效应的估计结果 业 Ｒ＆Ｄ 会随着阈值的变化出现非线性机制转移ꎮ １.模型的检验结果 紧接着检验模型存在的机制数量ꎬ根据原假设与备 本文首先确定阈值参数 θ 及位置参数 ｄ 的取值 择假设ꎬ我们 进 行 上 文 机 制 数 量 的 检 验ꎬ 重 复 抽 样 １０００次ꎬ计算得出经验 Ｐ 值ꎮ 从表 ４ 来看ꎬ机制Ⅰ不 范围ꎮ 考虑到本文样本时间跨度为 ２００８—２０２１ 年ꎬ 存在、机制Ⅱ不存在的原假设在 １％ 统计水平上经 样本长度相对较少ꎬ所以位置参数 ｄ 取值范围设定 验 Ｐ 值都是显著的ꎮ 机制Ⅲ不存在的原假设的经 为:－１ ~ ＋１ꎮ 阈值参数的选择是为了捕捉样本内出 验 Ｐ 值为 １.００ꎬ在 １０％ 的显著水平下不显著ꎬ故不 现的非线性ꎬ因此阈值参数的取值必须在样本期间 拒绝原假设ꎮ 又因为非线性效应已经检验证实ꎬ故 数值范围之内ꎮ 如果阈值参数取值范围在样本数值 不需进一步检验便可确定样本期内美联储非预期的 之外或样本数值边界上ꎬ将无法合理刻画样本期内 货币政策对中国企业 Ｒ＆Ｄ 投入的模型包括两个机 的非线性特征ꎮ 本文按照 Ａｎｄｒｅｗｓ 的建议ꎬ将中国 制ꎬ分别是机制Ⅰ、机制Ⅱꎮ 这与中国实际经济运行 经济政策不确定性指数按照从小到大顺序排列ꎬ去 情况相吻合ꎮ 检验结果见表 ２ꎮ 除排列在最前面和最后面的若干数值后ꎬ将 θ 的取 值范围设定为 １１３.８９—１２７.６３ꎮ 这样做的目的是为 保证每个机制内有一定的样本容量ꎬ使得估计参数 有充分自由度和估计结果准确可靠ꎮ 根据上文分析 η ＝ ０ 是已知的ꎬ因此在 η、θ、ｄ 构成的三维空间进行 表 ２　 模型检验结果 非线性检验 二机制对三机制检验结果 Ｈ１(１) :λ１ ＝ λ２ ＝ λ３ Ｈ０(１) :λ１ ≠λ２ ＝ λ３ Ｈ１(１) :ｓ ＝ ３ 机制Ⅰ存在 机制Ⅱ存在 机制Ⅲ存在 Ｈ０(１) :ｓ ＝ ２ 机制Ⅲ不存在 ０.００∗∗∗ 经验 Ｐ 值 机制Ⅰ不存在 机制Ⅱ不存在 １.００ 经验 Ｐ 值 ０.００∗∗∗ ０.００∗∗∗ 注:∗∗∗表示 １％统计显著水平ꎬｓ 表示所含机制个数ꎮ 　 　 根据检验结果ꎬ我们发现样本期内ꎬ美联储非预 是否充分刻画了可能存在的非线性ꎬ上述序列检验 期货币政策对中国企业 Ｒ＆Ｄ 溢出效应分别由机制 还无法完整回答ꎮ 为此ꎬ本文使用非线性残余检验 Ⅰ与机制Ⅱ刻画ꎮ 在上述模型设定中ꎬ本文是以机 方法进一步进行检验ꎮ 该检验的基本思想是:如果 制转移模型刻画可能存在的非线性ꎮ 机制转移模型 机制Ⅰ与机制Ⅱ充分刻画了模型中的非线性ꎬ则模

６８ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 型估计的残差不再存在非线性残余ꎻ如果机制Ⅰ与 回归中交互项数量ꎬＮ 表示公司个数ꎬＴ 表示样本时 间长度ꎮ 检验的原假设为不存在非线性残余ꎮ 计算 机制Ⅱ不能充分刻画模型中的非线性ꎬ则模型估计 得到 Ｆ 统计量为 １.４３ꎬ小于 ５％ 显著性水平对应的 临界值 １.９５ꎬ因此ꎬ不能拒绝两机制的模型( ３３) 中 的残差存在非线性残余ꎮ 基于这一思想ꎬ非线性残 残差不存在非线性残余的原假设ꎮ 由此表明ꎬ模型 (３３) 的两机制设定充分拟合了美联储非预期货币 余的检验程序如下:首先估计两机制的模型( ３３) 进 政策对中国企业 Ｒ＆Ｄ 的非线性效应ꎮ 而得到残差 εｔꎬ以残差作为被解释变量构造辅助回 ２.模型的估计结果 归模型ꎮ 辅助回归模型的解释变量分别是阈值变量 基于上文设置的三维区间ꎬ对该区间每个格点 进行非线性最小二乘法估计ꎬ能使残差平方和最小 (经济政策不确定性和经济周期) 与美联储非预期 的估计结果即为模型(３３) 的估计结果ꎬ其中被解释 变量为 Ｒ＆Ｄꎮ 详细结果见表 ３ꎮ 货币政策滞后一期的交互项ꎮ 如果辅助回归的交互 项系数为 ０ꎬ则表明不存在非线性残余ꎬ否则ꎬ存在 非线性残余ꎮ 检验统计量仍然使用前述的 Ｆ 型统 计量ꎮ 记辅助回归有约束的残差平方和 ＲＳＳ０ꎬ无约 束的残差平方和 ＲＳ Ｓ１ꎬ构建 Ｆ 统计量:Ｆ( ＫꎬＮＴ－Ｋ) ＝ ( ＲＳＳ０ －ＲＳＳ１ / Ｋ) 表示约束条件个数即为辅助 ( ＲＳ Ｓ１) ꎬＫ 表 ３　 中国企业 Ｒ＆Ｄ 与美联储非预期的货币政策关系估计结果 解释 Ｃｏｎｓｔａｎｔ ＲＶ１ ＲＶ２ Ｔａｎ ＲＯＡ Ｃ ＴＡ Ｄ Ｍ 变量 １２.７２∗∗ ２.７３∗∗∗ － ２.４７ ∗∗∗ － ０.００１ － ０.０２ ∗∗∗ ０.１７∗∗∗ － ０.２５ ∗∗ － ０.００ － ０.２５ ∗∗∗ 其余 变量 ( ５.３９) ( －５.４４) ( －５.５９) ( ０.７１) ( －２.７０) ( ４.８８) ( －２.５５) ( －０.２３) ( －９.０６) 时间效应 个体效应 样本量 ｄ θ Ｒ２ １５ ４１４ －１ Ｙｅｓ Ｙｅｓ １１３.８９ ０.１００ ８ 　 　 　 　 注:∗∗∗、∗∗、∗表示 １％、５％、１０％显著水平ꎬ括号内的值为聚类稳健标准误对应下的 ｔ 统计量值ꎮ 　 　 表 ３ 报告的是两机制模型的估计结果ꎮ ＲＶ１ 表 制中偏效应数值的差异直观地揭示了美联储非预期 示机制Ⅰ 中ꎬ美联储非预期货币政策对中国企业 的货币政策中国企业 Ｒ＆Ｄ 的非线性溢出效应ꎮ Ｒ＆Ｄ 的估计系数ꎻＲＶ２ 表示机制Ⅱ中ꎬ美联储非预 期货币政策对中国企业 Ｒ＆Ｄ 的估计系数ꎮ 估计的 机制Ⅰ中ꎬ美联储非预期的货币政策对中国企 业 Ｒ＆Ｄ 形成显著负向的溢出效应ꎬ与理论预期相 ︿ 符ꎮ 机制Ⅱ中ꎬ美联储非预期的货币政策对中国企 业的溢出效应也是显著负向效应ꎬ与前述理论结论 阈值变量 θ ＝ １１３.８９ꎬ因此ꎬ美联储非预期的货币政 一致ꎮ 对比机制Ⅰ与机制Ⅱꎬ可以发现机制Ⅰ即经 策在中国经济政策不确定性指数 ｅｐｕｔ－１ ＝ １１３.８９ꎬ经 济繁荣、经济政策不确定性高时期ꎬ美联储非预期的 济周期 ｙｇａｐꎬｔ－１ ＝ ０ 两侧ꎬ对中国企业 Ｒ＆Ｄ 产生非线 货币政策对中国企业 Ｒ＆Ｄ 投入的抑制效应相对更 性的溢出效应ꎬ其非线性特征由不同机制中偏效应 加大ꎮ 出现这种差异的原因在于:在机制Ⅱ中ꎬ经济 的系数值差异所刻画ꎮ 例如ꎬ２０１２ 年中国经济政策 已经处于衰退阶段ꎬ包括 Ｒ＆Ｄ 等各项投资已处于较 不确定性指数为 ２４４.４ꎬ产出缺口为－０.８７％ꎬ此时美 低水平ꎬ政府首要任务是保增长ꎮ 因此ꎬ当经济出现 国非预期的货币政策对中国企业 Ｒ＆Ｄ 的溢出效应 衰退时ꎬ政府将出台各种有力措施促进经济复苏ꎬ这 由机制Ⅱ描述ꎬ美国非预期的货币政策对中国企业 会导致经济主体会对未来经济形势保持一定 “ 耐 Ｒ＆Ｄ 偏效应为 － ２.４７( ｔ ＝ － ５.５９) ꎮ ２０１８ 年ꎬ中国经 心” ꎬ在较低 Ｒ＆Ｄ 的投资水平下不会急于进一步削 济不确定性指数为 ４６０.４７ꎬ产出缺口为 ０.２７％ꎬ分别 减ꎬ因此所受抑制效应较小ꎮ 然而在机制Ⅰ中ꎬ经济 高于阈值参数估计值ꎬ美联储非预期的货币政策对 处于繁荣时期ꎬＲ＆Ｄ 等各项投资水平较高ꎬ但是过 中国企业的溢出效应由机制Ⅰ刻画ꎬ美国非预期的 高的经济政策不确定性会造成经济波动ꎬ导致经济 货币政 策 对 中 国 企 业 Ｒ＆Ｄ 偏 效 应 为 － ２. ７３ ( ｔ ＝ 周期趋于衰退ꎮ 高的不确定性时刻提醒着投资者经 －５.４４) ꎮ 两机制中偏效应系数为负表明美联储非预 济可能随时会走向萧条ꎬ投资者更愿意采取未雨绸 期的货币政策会抑制中国企业 Ｒ＆Ｄ 投入ꎮ 不同机

　 总第 ２２５ 期　 　 　 　 　 　欧阳志刚　 李伟:美联储非预期货币政策对中国企业 Ｒ＆Ｄ 的非线性溢出效应 ６９ 缪的方式度过未来的困境ꎮ 美联储非预期货币政策 未来投资机会变量所引发的内生性问题[４８] ꎮ 为此ꎬ 会引致中国经济政策不确定性提高ꎬ加剧投资者更 大幅 度 地 削 减 Ｒ＆Ｄ 投 资 意 愿ꎬ 因 而 受 抑 制 效 应 参考李风羽和杨墨竹做法ꎬ本文在微观及宏观层面 更大ꎮ 又分别加入企业经营现金流( ｊｙｘｊ) 以及 ＧＤＰ 增长率 ３.关于内生性问题的进一步讨论 本文研究的核心变量是美国非预期的货币政 作为控制变量以反映企业未来投资机会[３]１１５－１２９ ꎬ并 策ꎬ该 变 量 作 为 一 种 外 生 冲 击 变 量ꎬ 与 中 国 企 业 Ｒ＆Ｄ 投入几乎不存在直接反向因果关系ꎬ但遗漏解 分别进行回归ꎬ回归结果在表 ４ 中的模型列示ꎮ 模 释变量可能带来另一个内生性来源ꎮ 为了有效降低 内生问题ꎬ我们将控制变量与核心解释变量取滞后 型 １ 表明ꎬ加入反映企业微观和宏观投资机会的控 一阶ꎬ这一做法可以有效降低内在反向因果而带来 的内生性问题ꎮ 同时ꎬ本文严格控制年份、行业以及 制变量后ꎬ本文估计结果依旧稳健ꎮ 进一步地ꎬ对于 地区的固定效应ꎬ部分避免了遗漏变量带来的内生 性问题ꎮ 为了使得估计结果更加稳健ꎬ本文还进一 阈值机制转移模型的内生校正ꎬＣａｎｅｒ 和 Ｈａｎｓｅｎ 提 步根据 Ｇｕｌｅｎ 和 Ｉｏｎ 的论述ꎬ认为不确定性与企业 投资之间关系的实证研究主要面临的是遗漏企业 出了基于 ＧＭＭ 方法的估计ꎬ以此消除核心解释变 量的内生性ꎬ具体如下: 设定 θ１、θ２ 是本文两机制模型下的感兴趣参 数ꎬ令 Ｘ１、Ｘ２ 为 Ｚ１ 和 Ｚ２ 的工具变量集ꎬ其中 Ｚ１ 为 本文估计的第一个机制下的核心解释变量ꎬＺ２ 为本 文估计的第二个机制下的核心解释变量ꎬ我们首先 计算不同机制下的待估系数 θ１、θ２ 的 ２ＳＬＳ 估计量: ︿ ＝ ( Ｚ Ｔ Ｘ １( Ｘ Ｔ Ｘ － １ Ｘ１Ｔ Ｚ１ － １( Ｚ Ｔ Ｘ １( Ｘ Ｔ Ｘ － １ Ｘ１Ｔ Ｙ) １ １ １ １ 表 ４　 内生性分析 θ１ １ １ 因变量 Ｒ＆Ｄ Ｒ＆Ｄ ( ３６) 自变量 模型 １ 模型 ２ ︿ ＝ ( Ｚ Ｔ Ｘ ２( Ｘ Ｔ Ｘ － １ Ｘ２Ｔ Ｚ２ － １( Ｚ Ｔ Ｘ ２( Ｘ Ｔ Ｘ － １ Ｘ２Ｔ Ｙ) ２ ２ ２ ２ 机制Ⅰ 机制Ⅱ 机制Ⅰ 机制Ⅱ θ２ ２ ２ ＲＶ －４.４１∗∗∗ －２.３４∗∗∗ －３.９９∗∗∗ －２.０６∗ ( ３７) ( －１０.８８) ( －９.１０) ( －２.９５) ( －１.７４) 由此得到阈值模型的残差: Ｔａｎ － ０.００ － ０.０２ ∗∗∗ ︿︿ ( －０.６０) ( －６.３１) εｉ ＝ ｙｉ － ｚ Ｔ θ１ Ｉ( ｙｇａｐꎬｔ > ０ꎬ － ０.０２ ∗∗∗ ０.０１∗ ｉ － ｄ ( －２.２７) ( １.６５) ＲＯＡ ︿ Ｃ ０.１８∗∗∗ ０.４６∗∗∗ ｅｐｕ ｔ － ｄ ≥ θ) － ｚ Ｔ θ２ Ｉ( ｙ ｇａｐꎬｔ － ｄ ≤ ０ꎬｅｐｕｔ－ｄ ≥ θ) ( ５.３８) ( １４.４５) ｉ ( ３８) ＴＡ －０.３２∗∗∗ － ０.７０ ∗∗∗ 通过得到的残差ꎬ我们能够构造不同机制下的权重 ( －４.２２) ( －１９.０８) Ｄ － ０.００ － ０.０１ ∗∗∗ ︿︿ ( －０.７３) ( －１２.５２) 矩阵 Ω１、Ω１ 以进行 ＧＭＭ 估计ꎬ其 ＧＭＭ 估计量为: Ｍ －０.１６∗∗∗ － ０.２１ ∗∗∗ ︿ ＝ ( Ｚ Ｔ Ｘ Ω︿ １－ １ Ｘ１Ｔ Ｚ ) － １( Ｚ１Ｔ Ｘ１ Ω︿ １－ １ Ｘ１Ｔ Ｙ) ( ３９) ( －１２.７６) ( －２０.４６) １ θ１ １ １ ｊｙｘｊ － ０.０４ ∗∗∗ ︿ ＝ ( Ｚ２Ｔ Ｘ２ Ω︿ ２－ １ Ｘ Ｔ Ｚ ) － １( Ｚ２Ｔ Ｘ２ Ω︿ ２－ １ Ｘ２Ｔ Ｙ) ( ４０) ( －１.４０) ２ θ２ ２ ＧＤＰ ０.０１∗ 　 　 基于上述估计步骤ꎬ我们针对本文估计得出的 ( １.７８) 两机制模型展开了 ＧＭＭ 估计ꎮ 首先选择核心解释 １３.３０∗∗∗ ２２.２７∗∗∗ Ｃｏｎｓｔａｎｔ ( ７.０５) ( ２２.３５) 变量美联储非预期货币政策( ＲＶ) 的滞后 ２ 阶作为 年份效应 Ｙｅｓ Ｙｅｓ 内生性解释变量 ＲＶ 的工具变量ꎬ并且将反映企业 个体效应 Ｙｅｓ Ｙｅｓ 宏观层面的未来投资机会即 ＧＤＰ 增长率取滞后 ３ Ｊ 检验－Ｐ 值 ０.６３ ｄ －１ －１ 阶作为工具变量ꎮ 另外ꎬ如前文所述美联储非预期 θ １１３.８９ １１３.８９ 货币政策属于美国经济政策不确定性的一部分ꎬ因 Ｒ２ ０.１００１ ０.１７７７ 此ꎬ我们还选取美国经济政策不确定性的滞后 ２－３ 样本量 １５ ４１４ １２ ６７０ 　 　 　 注:∗∗∗、∗∗、∗表示 １％、５％、１０％统计显著水平ꎬ括号内 阶作为工具变量ꎬ由此构成工具变量集ꎮ 利用上述 的值为聚类稳健标准误对应下的 ｔ 统计量值ꎮ 选取的工具变量进行( ３６) 至( ４０) 的 ＧＭＭ 估计ꎬ获

７０ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 得美联储非预期货币政策与中国企业 Ｒ＆Ｄ 关系的 国有企 业ꎬ 美 联 储 非 预 期 的 货 币 政 策 对 中 国 企 业 一致估计ꎮ 具体估计结果如表 ４ 的模型 ２ 所示ꎮ 估 Ｒ＆Ｄ 的溢出效应总体表现出了一致的负向效应ꎬ但 计结果显示ꎬ美联储非预期货币政策在两个机制下 是两者在负向幅度上存在明显差异ꎮ 机制Ⅰ中ꎬ国 的估计系数显著为负ꎬ表明美联储非预期货币政策 有企业受到的抑制效应高于非国有企业ꎮ 其原因在 对中国企业 Ｒ＆Ｄ 具有显著抑制作用ꎬ与本文实证回 于ꎬ机制Ⅰ 对 应 的 时 期 正 处 于 经 济 繁 荣 时 期ꎬ Ｒ＆Ｄ 归结果并不存在明显差别ꎬ因此本文所得估计关系 等各项投资水平较高ꎬ但是过高的经济政策不确定 具有稳健性ꎮ 性会造成经济波动ꎬ导致经济周期趋于衰退ꎮ 高的 不确定性时刻提醒着投资者经济可能随时会走向萧 ( 二) 非预 期 的 货 币 政 策 对 中 国 特 征 企 业 的 异 条ꎬ投资者更愿意采取未雨绸缪的方式度过未来的 质溢出效应 困境ꎮ 国有企业由于回避风险的态度及依靠垄断地 位获取利润的方式ꎬ使得国有企业创新活动所受影 １.公司所有权性质 响相对较大ꎬ而非国有企业获得市场份额最有效的 由于所有制歧视和信贷规模歧视是我国信贷市 方式就是进行创新ꎬ因此ꎬ非国有企业创新活动受到 场一直存在的经济现象[４９]２６－３６ ꎬ具体表现为银行信 的影响相对较小ꎮ 在机制Ⅱ中ꎬ美联储非预期的货 贷资源更愿意向国有企业倾斜[５０]２２－２８ ꎬ国有企业贷 币政策对国有企业 Ｒ＆Ｄ 的抑制效应同样更大ꎮ 这 款成本低而非国有企业贷款成本高[５１]１３７－１５０[５２]５７－７５ ꎬ 是因为机制Ⅱ对应的时期为经济持续下行ꎮ 相较于 这就意味着不同所有制的企业贷款成本也有所差 非国有企业ꎬ国有企业更多地从银行取得贷款ꎬ但是 异ꎮ 因此ꎬ美联储非预期货币政策通过不确定性引 金融危机以及经济持续下行造成了市场流动性紧 致渠道和利率渠道对不同所有制企业的研发投资行 张ꎬ国有企业面临较为严重的融资约束ꎻ而非国有企 为的溢出效应可能会出现行业异质性ꎮ 基于此ꎬ我 业由于相对较少依赖银行贷款ꎬ对融资约束的影响 们将企业区分为国有企业与非国有企业ꎬ从而探讨 相对不严重ꎮ 另外ꎬ在经济衰退期ꎬ美联储非预期货 不同所有制企业面临美联储非预期货币政策时ꎬ企 币政策的提升将恶化企业面临的经济政策不确定 业研发投资行为的不同表现ꎮ 具体估计结果见表 性ꎬ国有企业由于回避风险的态度使得创新活动所 ５ꎮ 在表 ５ 的模型 １ 估计结果中ꎬ虚拟变量 φ ＝ １ 表 受影响相对较大ꎮ 示国有企业ꎬφ ＝ ０ 则表示非国有企业ꎮ 可以直观地 看出模型 １ 的两个机制中ꎬ无论是国有企业还是非 表 ５　 异质性企业 Ｒ＆Ｄ 与美联储非预期的货币政策关系估计结果 因变量 Ｒ＆Ｄ Ｒ＆Ｄ 自变量 模型 １ 模型 ２ ＲＶ 机制Ⅰ 机制Ⅱ 机制Ⅰ 机制Ⅱ φ＝１ φ＝０ φ＝１ φ＝０ ω＝１ ω＝０ ω＝１ ω＝０ － ３.５５ ∗∗∗ － ２.５２ ∗∗∗ － ３.３９ ∗∗∗ － ２.３８ ∗∗∗ － ３.４３ ∗∗∗ － ２.１４ ∗∗∗ － ２.９０ ∗∗∗ － ２.４８ ∗∗∗ ( －５.７３) ( －４.７５) ( －６.０９) ( －４.９３) ( －６.１８) ( －３.７２) ( －５.９４) ( －４.６５) ＡＬＬ Ｃｏｎｔｒｏｌｓ Ｙｅｓ Ｙｅｓ ｄ －１ －１ θ １１３.８９ １１３.８９ Ｒ２ ０.１００ ２ ０.１００ ８ 样本量 １５ ４１４ １５ ４１４ 　 　 注:∗∗∗、∗∗、∗表示 １％、５％、１０％ 统计显著水平ꎬ括号内的值为聚类稳健标准误对应下的 ｔ 统计量值ꎬＡｌｌ Ｃｏｎｔｒｏｌｓ 包括普通控制变量、年份、企业个体层面虚拟变量ꎮ 　 　 ２.行业属性 征[５３]１１６－１３５ ꎬ这说明面对美联储引致的经济政策不确 中国正在实施以科技创新为核心的供给侧结构 定性上升和融资成本的提高ꎬ企业的研发投资难以 快速调整ꎮ 由于高科技企业研发投资比重相对较 性改革ꎬ为了实现国家综合创新能力的提高ꎬ科技型 高ꎬ因此较之非高科技企业ꎬ高科技企业所受到的美 企业扮演至关重要的作用ꎮ 企业研发投资活动具有 联储非预期货币政策的抑制效用会更大ꎮ 本文区分 巨 额 的 前 期 成 本、 周 期 长 以 及 高 风 险 的 特

　 总第 ２２５ 期　 　 　 　 　 欧　 阳志刚　 李伟:美联储非预期货币政策对中国企业 Ｒ＆Ｄ 的非线性溢出效应 ７１ 高科技企业与非高科技企业ꎬ研究美联储非预期货 联储非预期的货币政策对两种企业具有异质溢出效 币政策对企业研发投资的影响ꎮ 应ꎬ并且高科技企业受到的抑制效应大于非高科技 企业ꎬ与上述实证部分相吻合ꎮ 估计结果见表 ５ 的模型 ２ꎮ 虚拟变量 ω ＝ １ 表 示高科技企业ꎬω ＝ ０ 则表示非高科技企业ꎮ 通过两 表 ６　 中国企业 Ｒ＆Ｄ 与美联储非预期的 类企业在不同机制下的偏效应对比ꎬ可以发现美国 非预期货币政策对中国企业 Ｒ＆Ｄ 投入具有异质溢 货币政策关系估计结果 出效应ꎬ 高 科 技 企 业 所 受 抑 制 效 应 大 于 非 高 科 技 企业ꎮ 因变量 Ｒ＆Ｄ Ｒ＆Ｄ 自变量 ( 三) 稳健性讨论 机制Ⅰ 模型 １ 模型 ２ １.美联储非预期的货币政策重新测度 本文所使用的美联储非预期的货币政策数据是 ＲＶ 机制Ⅱ 机制Ⅰ 机制Ⅱ 基于泰勒规则分解得到ꎬ为了保证实证结果的稳健 性ꎬ我们又根据 Ｇｅｒｔｌｅｒ 和 Ｋａｒａｄｉ 方法对联邦基金利 机制Ⅰ 机制Ⅱ 机制Ⅰ 机制Ⅱ 率进行分解ꎬ依据联邦基金利率期货隐含利率计算 得到美联储非预期的货币政策[５４]４４－７６ ꎬ以此作为核 －０.０４∗∗ －０.０６∗∗∗ －３.２５∗∗∗ －２.９７∗∗∗ 心解释变量并且重复上述实证过程ꎬ实证结果表明 本文结论依然成立ꎬ详细结果见表 ６ꎮ ( －２.３７) ( －４.１４) ( －６.７６) ( －６.７３) 我们又使用重新测度的美联储非预期货币政策 对不同特征企业 Ｒ＆Ｄ 受到的抑制作用进行分析ꎬ表 Ｔａｎ － ０.００ － ０.００ ７ 中的模型 １ 估计结果表明在两个机制中ꎬ美联储 ( －０.６７) ( －０.６２) 非预期的货币政策对中国国有企业、 非国有企业 Ｒ＆Ｄ 均为抑制效应ꎮ 这一结果与上述实证结果类 ＲＯＡ － ０.０２ ∗∗∗ － ０.０２ ∗∗∗ 似ꎮ 表 ７ 中的模型 ２ 估计结果表明两个机制中ꎬ美 ( －２.６６) ( －２.６７) 联储非预期的货币政策对中国高科技、非高科技企 业具有抑制效应ꎻ同时反应系数的差别也表明了美 Ｃ ０.１８∗∗∗ ０.１９∗∗∗ ( ５.４０) ( ５.４４) ＴＡ －０.３３∗∗∗ － ０.３５ ∗∗∗ ( －４.２６) ( －４.５３) Ｄ － ０.００ － ０.００ ( －０.６５) ( －０.７４) Ｍ － ０.２４ ∗∗∗ － ０.２６ ∗∗∗ ( －７.６４) ( －１２.１０) Ｃｏｎｓｔａｎｔ １４.８３∗∗∗ １４.４１∗∗∗ ( ７.４９) ( ７.３３) 时间效应 Ｙｅｓ Ｙｅｓ 个体效应 Ｙｅｓ Ｙｅｓ ｄ －１ －１ θ １１３.８９ １１３.８９ Ｒ２ ０.０９８ ９ ０.０９８ ６ 样本量 １５ ４１４ １５ ４１４ 　 　 　 注:∗∗∗、∗∗、∗表示 １％、５％、１０％统计显著水平ꎬ括号内 为聚类稳健标准误对应下的 ｔ 统计量值ꎮ 表 ７　 重新测度的美联储非预期的货币政策与异质性企业 Ｒ＆Ｄ 估计关系 因变量 Ｒ＆Ｄ Ｒ＆Ｄ 自变量 模型 １ 模型 ２ 机制Ⅰ 机制Ⅱ 机制Ⅰ 机制Ⅱ φ＝１ φ＝０ φ＝１ φ＝０ ω＝１ ω＝０ ω＝１ ω＝０ ＲＶ － ０.０７ ∗∗∗ － ０.０３ ∗ －０.０９∗∗∗ －０.０５∗∗∗ － ０.０１ －０.０８∗∗∗ －０.０７∗∗∗ －０.０６∗∗∗ ( －３.４８) ( －１.６７) ( －５.１０) ( －３.１３) ( －０.３３) ( －３.９２) ( －４.０４) ( －３.３９) ＡＬＬ Ｃｏｎｔｒｏｌｓ Ｙｅｓ Ｙｅｓ ｄ －１ －１ θ １１３.８９ １１３.８９ Ｒ２ ０.０９９ ３ ０.０９９ ８ 样本量 １５ ４１４ １５ ４１４ 　 　 注:∗∗∗、∗∗、∗表示 １％、５％、１０％ 统计显著水平ꎬ括号内的值为聚类稳健标准误对应下的 ｔ 统计量值ꎬＡｌｌ Ｃｏｎｔｒｏｌｓ 包括普通控制变量、年份、个体层面虚拟变量ꎮ 　 　 ２.被解释变量的重新测度 映企业收入ꎬ我们又采用企业研发投入占营业总收 本文度量企业 Ｒ＆Ｄ 投入的方式为企业研发投 入的百分比衡量企业 Ｒ＆Ｄ 投入ꎬ然后重复进行本文 的实证过程ꎮ 入 / 企业销售额收入的百分比衡量ꎬ为了验证本文结 果的稳健性ꎬ考虑到企业销售额收入并不能完全反 表 ６ 中模型 ２ 的估计结果表明ꎬ在机制Ⅰ和机

７２ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 制Ⅱ中ꎬ美联储非预期的货币政策对中国企业 Ｒ＆Ｄ 文理论推导与实证部分相一致ꎬ证明了本文结果稳 投入均具有抑制作用ꎮ 为了确保本文估计的异质性 健性ꎮ 表 ８ 的模型 ２ 估计结果则表明了重新测度下 企业受到抑制作用的估计系数也具有稳健性ꎬ我们 的中国高科技、非高科技企业 Ｒ＆Ｄ 投入与美联储非 进一步对异质性企业的结果重新估计ꎬ表 ８ 的模型 预期货币政策的关系可以发现ꎬ两个机制中美联储 １ 估计结果表明了两个机制中ꎬ美联储非预期的货 非预期的货币政策对中国高科技企业、非高科技企 币政策对中国企业 Ｒ＆Ｄ 投入均为抑制作用ꎻ同时国 业均具有抑制效应ꎬ且具有明显差异ꎬ与本文实证部 有企业受到的抑制作用明显大于非国有企业ꎬ与上 分基本吻合ꎬ表明了本文结果具有稳健性ꎮ 表 ８　 美联储非预期的货币政策与异质性企业 Ｒ＆Ｄ 估计关系 因变量 Ｒ＆Ｄ Ｒ＆Ｄ 自变量 模型 １ 模型 ２ ＲＶ ＡＬＬ Ｃ－ｏ１ｎｔｒｏｌｓ 机制Ⅰ 机制Ⅱ 机制Ⅰ 机制Ⅱ φ＝１ φ＝０ φ＝１ φ＝０ ω＝１ ω＝０ ω＝１ ω＝０ －４.３４∗∗∗ －１.９２∗∗∗ －３.６０∗∗∗ －２.２１∗∗∗ －３.１６∗∗∗ －３.２８∗∗∗ －３.０２∗∗∗ －２.９９∗∗∗ ( －８.４０) ( －３.５９) ( －７.８０) ( －４.４２) ( －５.０４) ( －６.７９) ( －５.３７) ( －６.５８) Ｙ－ｅ１ｓ Ｙｅｓｄ θ １１３.８９ １１３.８９ Ｒ２ ０.０９９ ２ ０.０９８ ５ 样本量 １５ ４１４ １５ ４１４ 　 　 注:∗∗∗、∗∗、∗表示 １％、５％、１０％ 统计显著水平ꎬ括号内的值为聚类稳健标准误对应下的 ｔ 统计量值ꎬＡｌｌ Ｃｏｎｔｒｏｌｓ 包括普通控制变量、年份、个体层面虚拟变量ꎮ 　 　 五、传导渠道的检验 证部分的控制变量相同ꎬηｉ 、ηｙｅａｒ 表示个体、时间的固 定效应ꎮ 观察表 ９ 中的模型 １ꎬ回归结果表明不同 　 　 前述理论模型阐述了美联储非预期货币政策可 机制下ꎬ美联储非预期货币政策对中国经济政策不 以通过不确定性引致渠道和融资约束传导渠道对中 确定性的估计系数显著为正ꎬ表明美联储非预期货 国企业研发投资产生抑制性效应ꎮ 本文进一步进行 币政策的提升提高了中国经济政策不确定性ꎮ 同时 传导渠道检验ꎬ以便揭示不同机制下ꎬ美联储非预期 模型 ２ 中ꎬ不同机制下ꎬ中国经济政策不确定性估计 货币政策对中国企业 Ｒ＆Ｄ 投入产生抑制作用的背 系数显著为负ꎬ表明中国经济政策不确定性显著抑 制企业 Ｒ＆Ｄ 投入ꎮ 在模型 ３ 中ꎬ不同机制下的美联 后作用传导路径ꎮ 储非预期货币政策与中国经济政策不确定性交互项 的估计系数显著为负表明美联储非预期货币政策通 ( 一) 不确定性引致渠道 过中国经济政策不确定性渠道进而对企业 Ｒ＆Ｄ 投 入的产 生 抑 制 作 用ꎬ 由 此 表 明 不 确 定 性 引 致 渠 道 参考 李 春 涛 等 检 验 传 导 渠 道 的 设 定 思 存在ꎮ 路[５５]８１－９８ ꎬ我们设置如下模型以验证不同机制下美 ( 二) 利率渠道 利率传 导 渠 道 检 验 的 模 型 设 定 与 上 述 模 型 联储非预期货币政策对中国企业 Ｒ＆Ｄ 投入的传导 (４１) 至(４３) 相同ꎬ且控制变量选取也相同ꎬ在此不 赘述ꎮ 为了检验利率渠道是否存在ꎬ首先应选取合 机制ꎬ具体模型为: 适的指标以反映市场利率水平ꎮ 就货币市场利率而 言ꎬ同业拆借利率是货币市场的核心利率ꎬ也是整个 ２ 金融市场上具有代表性的利率ꎬ它能够及时、灵敏、 准确地反映货币市场乃至整个金融市场资金供求关 ∑Ｅｐｕｉꎬｔ ＝ Ｉｊ( γ) λｊ ＲＶｉꎬｔ－１ ＋ φＸｉꎬｔ－１ ＋ ηｉ ＋ ηｙｅａｒ ＋ εｉꎬｔ 系ꎮ 当同业拆借利率持续上升时ꎬ反映资金需求大 ｊ＝１ 于供给ꎬ预示市场流动性可能下降ꎻ当同业拆借利率 ( ４１) ２ ∑ｒｄｉꎬｔ ＝ Ｉｊ( γ) λｊ Ｅｐｕｉꎬｔ－１ ＋ φＸｉꎬｔ－１ ＋ ηｉ ＋ ηｙｅａｒ ＋ εｉꎬｔ ｊ＝１ ( ４２) ２ ∑ｒｄｉꎬｔ ＝ Ｉｊ( γ) λｊ ＲＶｉꎬｔ－１ × Ｅｐｕｉꎬｔ－１ ＋ ｊ＝１ φＸｉꎬｔ－１ ＋ ηｉ ＋ ηｙｅａｒ ＋ εｉꎬｔ ( ４３) 　 　 其中 Ｅｐｕ 表示中国经济政策不确定性ꎬＸｉꎬｔ－１ 表 示取滞后一期的控制变量ꎬ其余变量选取与本文实

　 总第 ２２５ 期　 　 　 　 　 　欧阳志刚　 李伟:美联储非预期货币政策对中国企业 Ｒ＆Ｄ 的非线性溢出效应 ７３ 下降时ꎬ情况相反ꎮ 鉴于此考虑ꎬ我们选取银行间 ７ 利率的上升对企业 Ｒ＆Ｄ 的影响并不显著ꎻ在机制Ⅱ 天同业拆借利率作为指标记为 ｉꎬ取滞后一阶ꎮ 然后 下ꎬ货币市场利率的上升则显著抑制企业 Ｒ＆Ｄꎮ 而 对模型(４１) 至( ４３) 进行回归ꎮ 表 １０ 的模型 １ 中ꎬ 在模型 ３ 中ꎬ不同机制下的美联储非预期货币政策 不同机制下ꎬ美联储非预期货币政策对货币市场利 与货币市场利率交互项的估计系数在 ５％显著性水 率的估计系数显著为正ꎬ表明美联储非预期货币政 平显著为负ꎮ 因此ꎬ整体来看ꎬ美联储非预期货币政 策上升会显著提高中国货币市场利率ꎮ 模型 ２ 表明 策可以通过货币市场利率显著抑制企业 Ｒ＆Ｄ 投入ꎬ 不同机制下ꎬ中国货币市场利率的提高对中国企业 检验表明利率传导渠道存在ꎮ Ｒ＆Ｄ 的影响具有一定差异ꎮ 在机制Ⅰ下ꎬ货币市场 表 ９　 不确定性引致传导渠道分析结果 因变量 Ｅｐｕ Ｒ＆Ｄ Ｒ＆Ｄ 自变量 模型 １ 模型 ２ 模型 ３ 机制Ⅰ 机制Ⅱ ４.７１∗∗ ( ２.３０) ＲＶ ０.９４∗∗∗ ４.５１∗∗∗ (９４.２６ ) (４２１.３８) Ｅｐｕ 机制Ⅰ 机制Ⅱ － ２.０２ ∗∗∗ － ０.０９ ∗∗ － ０.２５ ∗∗∗ ( －３.１２) ( －２.１０) ( －４.８２) ＲＶ×Ｅｐｕ 机制Ⅰ 机制Ⅱ － ５.８５ ∗∗∗ － ４.５３ ∗∗∗ ( －３.０５) ( －２.７３) Ｃｏｎｔｒｏｌｓ Ｙｅｓ Ｙｅｓ Ｙｅｓ 时间效应 Ｙｅｓ Ｙｅｓ Ｙｅｓ 个体效应 Ｙｅｓ Ｙｅｓ Ｙｅｓ 样本量 １５ ４１４ １５ ４１４ １５ ４１４ 　 　 注:∗∗∗、∗∗、∗表示 １％、５％、１０％ 统计显著水平ꎬｃｏｎｔｒｏｎｓ 表示本文选取的控制变量 括号内的值为聚类稳健标准误对应下的 ｔ 统计量值ꎮ 表 １０　 利率传导渠道分析结果 因变量 ｉ Ｒ＆Ｄ Ｒ＆Ｄ 自变量 模型 １ 模型 ２ 模型 ３ 机制Ⅰ 机制Ⅱ ０.１５∗∗ ( ４.５１) ＲＶ ８.１０∗∗∗ ５.６２∗∗∗ (１６.７４ ) (１２.４４) 机制Ⅰ 机制Ⅱ ０.０２ ( ０.３２) ｉ ０.１４ － ０.３４ ∗∗∗ ( １.４０) ( －３.８５) ＲＶ×ｉ 机制Ⅰ 机制Ⅱ － １.２０ ∗∗∗ － ０.８２ ∗∗∗ ( －６.９２) ( －５.８９) Ｃｏｎｔｒｏｌｓ Ｙｅｓ Ｙｅｓ Ｙｅｓ 时间效应 Ｙｅｓ Ｙｅｓ Ｙｅｓ 个体效应 Ｙｅｓ Ｙｅｓ Ｙｅｓ 样本量 １５ ４１４ １５ ４１４ １５ ４１４ 　 　 注:∗∗∗ 、∗∗、∗表示 １％、５％、１０％统计显著水平ꎬｃｏｎｔｒｏｎｓ 表示本文选取的控制变量括 号内的值为聚类稳健标准误对应下的 ｔ 统计量值ꎮ 　 　 六、结论与建议 显著加强的背景ꎬ扩展现有实物期权理论模型ꎮ 使 用扩展后的理论模型研究美联储非预期货币政策对 　 　 美联储非预期货币政策不仅对美国具有显著的 中国企业 Ｒ＆Ｄ 的非线性溢出效应及传导机制ꎬ基于 调节效应ꎬ对中国及其他国家也会产生显著的溢出 理论研究结论ꎬ本文构建双阈值门限面板模型实证 效应ꎮ 本文针对近期美联储货币政策操作非预期性 研究美联储非预期货币政策对中国企业 Ｒ＆Ｄ 的非

７４ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 线性溢出效应ꎮ 研究结果可概述如下: 业所受抑制效应的差异ꎬ制定不同的补贴政策ꎬ防止 ( １) 本文的 理 论 研 究 表 明ꎬ 美 联 储 非 预 期 货 币 “ 大水漫灌” 现象造成的资源浪费ꎬ将有限的资源放 在“刀刃”上ꎮ 例如ꎬ当前高科技企业所受的抑制效 政策可以通过两条传导渠道影响中国企业 Ｒ＆Ｄꎬ分 应更大ꎬ政府应基于这一现象适当减少对非高科技 别是不确定性引致渠道和利率渠道ꎮ 溢出效应是负 企业的补贴ꎬ同时增加对高科技企业的补助力度ꎬ减 向的并且还具有非线性ꎬ非线性特征表现为溢出效 征或免征企业所得税ꎬ相关的政策银行应加大对高 应随着中国经济周期和经济政策不确定的变化而产 科技企业的放贷力度或给予更加优惠的贷款等ꎮ 生非线性转换ꎮ 具体而言ꎬ随着中国经济政策不确 定性的 升 高ꎬ 美 联 储 非 预 期 货 币 政 策 对 中 国 企 业 参考文献: Ｒ＆Ｄ 的抑制效应逐渐增加ꎮ 随着经济周期阶段的 改变ꎬ研发成果收益不确定性程度和无风险利率等 [１] ＨＡＵＳＭＡＮ ＪꎬＷＯＮＧＳＷＡＮ Ｊ. Ｇｌｏｂａｌ Ａｓｓｅｔ Ｐｒｉｃｅｓ ａｎｄ ＦＯ￣ 结构参数也发生改变ꎬ由此导致美联储非预期货币 ＭＣ Ａｎｎｏｕｎｃｅｍｅｎｔｓ[ Ｊ] . Ｊｏｕｒｎａｌ ｏｆ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｍｏｎｅｙ ａｎｄ 政策的溢出效应也发生显著改变ꎮ 特别是随着研发 Ｆｉｎａｎｃｅꎬ２０１１(３) . 成果收益不确定性程度上升ꎬ美联储非预期货币政 策对企业研发投资抑制效应也上升ꎮ [２] ＨＳＵ Ｐ ＨꎬＴＩＡＮ ＸꎬＸＵ Ｙ.Ｆｉｎａｎｃｉａｌ Ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ Ｉｎｎｏ￣ ｖａｔｉｏｎ:Ｃｒｏｓｓ－Ｃｏｕｎｔｒｙ Ｅｖｉｄｅｎｃｅ[ Ｊ] . Ｊｏｕｒｎａｌ ｏｆ Ｆｉｎａｎｃｉａｌ Ｅ￣ ( ２) 实证研 究 表 明ꎬ 样 本 期 内 美 联 储 非 预 期 的 ｃｏｎｏｍｉｃｓꎬ２０１４(１) ꎬ 货币政策对中国企业 Ｒ＆Ｄ 的非线性溢出效应可由 机制Ⅰ(经济繁荣、经济政策不确定性高) 和机制Ⅱ [ ３] 李风羽ꎬ杨墨竹. 经济政 策不确 定性会 抑 制 企 业 投 资 吗: (经济衰退、经济政策不确定性高) 刻画ꎮ 在机制Ⅰ 基于中国经济政策不确定性指数的实证研究[ Ｊ] .金融研 和机制Ⅱ中ꎬ美联储非预期的货币政策对中国企业 究ꎬ２０１５(４) . Ｒ＆Ｄ 投入具有显著抑制效应ꎬ且在机制Ⅰ中的抑制 效应相对更大ꎮ 美联储非预期的货币政策对中国企 [４] ＦＲＩＥＤＭＡＮ ＭꎬＳＣＨＷＡＲＴＺ Ａ Ｊ.Ａ Ｍｏｎｅｔａｒｙ Ｈｉｓｔｏｒｙ ｏｆ ｔｈｅ 业 Ｒ＆Ｄ 产生负向非线性溢出效应分别是通过经济 Ｕｎｉｔｅｄ Ｓｔａｔｅｓꎬ１８６７－１９６０[ Ｊ] .Ｎｂｅｒ Ｂｏｏｋｓꎬ１９６３(１) . 不确定性引致渠道以及利率渠道实现的ꎮ 实证研究 还发现ꎬ样本期内美联储非预期货币政策对中国企 [５] ＯＳＯＲＩＯ ＣꎬＵＮＳＡＬ Ｄ Ｆ.Ｉｎｆｌａｔｉｏｎ Ｄｙｎａｍｉｃｓ ｉｎ Ａｓｉａ:Ｃａｕｓｅｓ 业 Ｒ＆Ｄ 投入具有异质性的非线性溢出效应ꎮ 具体 Ｃｈａｎｇｅｓ Ｓｐｉｌｌｏｖｅｒｓ ｆｒｏｍ Ｃｈｉｎａ[ Ｊ] .Ｊｏｕｒｎａｌ ｏｆ Ａｓｉａ Ｅｃｏｎｏｍ￣ 而言ꎬ机制Ⅰ和机制Ⅱ中ꎬ美联储非预期的货币政策 ｉｃｓꎬ２０１１(１１) . 对国有企业的抑制效应略大于非国有企业ꎬ对高科 技企业的抑制效应大于非高科技企业ꎮ [６]张成思.中国通胀惯性特征与货币政策启示[ Ｊ].经济研 究ꎬ２００８(２) . ( ３) 基于 上 述 结 论ꎬ 本 文 的 政 策 建 议 为: 首 先ꎬ 中国政府在推进以科技创新为主的供给侧结构性改 [ ７] 欧阳志刚ꎬ史焕平. 后金融危机的货币供给过剩及其效应 革过程中ꎬ新出台的经济政策应尽可能地保持连贯 [ Ｊ] .经济研究ꎬ２０１１(７) . 性与一致性ꎬ增加政策的透明度ꎬ尽量避免新时代新 政策带来不确定性的上升ꎬ尽可能给企业未来生产 [８] ＢＯＩＶＩＮ ＪꎬＫＩＬＥＹ Ｍ ＴꎬＭＩＳＨＫＩＮ Ｆ Ｓ.Ｈｏｗ Ｈａｓ ｔｈｅ Ｍｏｎｅ￣ 经营活动一个稳定的预期ꎮ 其次ꎬ应加快促进金融 ｔａｒｙ Ｔｒａｎｓｍｉｓｓｉｏｎ Ｍｅｃｈａｎｓｉｍ Ｅｖｏｌｖｅｄ Ｏｖｅｒ ｔｉｍｅ[ Ｊ] . Ｈａｎｄ￣ 市场的发展与健全ꎬ降低金融市场融资成本ꎬ减少企 ｂｏｏｋ ｏｆ Ｍｏｎｅｔａｒｙ Ｅｃｏｎｏｍｉｃｓ ( Ｅｌｓｅｖｉｅｒ: Ａｍｓｔｅｒｄａｍ) ꎬ ２０１０ 业面临的融资约束ꎻ建立一套能够有效缓解金融摩 ( ３) . 擦现象的制度ꎬ为企业进行创新活动创造一个良好 的经济制度环境ꎬ减少金融市场可能的信贷资源错 [９] ＫＡＯＲＵ Ｈꎬ ＤＡＩＳＵＫＥ Ｍ. Ｂｕｓｉｎｅｓｓ Ｃｙｃｌｅꎬ Ｍｏｎｅｔａｒｙ Ｐｏｌｉｃｙ 配ꎮ 最后ꎬ为减少当前美联储非预期的货币政策对 ａｎｄ Ｂａｎｋ Ｌｅｎｄｉｎｇ: Ｉｄｅｎｔｉｆｙｉｎｇ ｔｈｅ Ｂａｎｋ Ｂａｌａｎｃｅ Ｓｈｅｅｔ 中国科技创新能力的影响ꎬ政府应根据不同特征企 Ｃｈａｎｎｅｌ ｗｉｔｈ Ｆｉｒｍ－Ｂａｎｋ Ｍａｔｃｈ－ｌｅｖｅｌ Ｌｏａｎ Ｄａｔａ[ Ｃ] ＲＩＥＴＩ Ｄｉｓｃｕｓｓ Ｐａｐｅｒ Ｓｅｒｉｅｓꎬ２０１４(１４) . [１０] ＭＡＳＵＤＡ Ｋ.Ｆｉｘｅｄ Ｉｎｖｅｓｔｍｅｎｔꎬｌｉｑｕｉｄｉｔｙ Ｃｏｎｓｔｒａｉｎｔ ａｎｄ Ｍｏ￣ ｎｅｔａｒｙ Ｐｏｌｉｃｙ :Ｅｖｉｄｅｎｃｅ ｆｒｏｍ Ｊａｐａｎｅｓｅ Ｂａｌａｎｃｅ－Ｓｈｅｅｔ Ｄａｔａ ｂｙ Ｆｉｒｍ Ｓｉｚｅ[ Ｊ] .Ｊａｐａｎｅｓｅ Ｅｃｏｎｏｍｉｃ Ｒｅｖｉｅｗꎬ２０１５(３３) . [１１] 田志存ꎬ付辉ꎬ刘可.紧缩性货币政策的投资异质性效应 [ Ｊ] .经济学动态ꎬ２０１４(７) . [１２] 欧阳志刚ꎬ薛龙.新常态下多种货币政策工具对特征企 业的定向调节效应[ Ｊ] .管理世界ꎬ２０１７(２) . [１３] ＭＩＹＡＫＯＳＨＩ Ｔꎬ ＪＡＬＯＬＯＶ Ｍ. Ｍｏｎｅｙ － Ｉｎｃｏｍｅ Ｃａｕｓａｌｉｔｙ

　 总第 ２２５ 期　 　 　 　 　 欧　 阳志刚　 李伟:美联储非预期货币政策对中国企业 Ｒ＆Ｄ 的非线性溢出效应 ７５ Ｒｅｖｉｓｉｔｅｄ ｉｎ ＥＧＡＲＣＨ:Ｓｐｉｌｌｏｖｅｒｓ ｏｆ Ｍｏｎｅｔａｒｙ Ｐｏｌｉｃｙ ｔｏ Ａｓｉａ ｐｒｏａｃｈ[ Ｊ] . Ｔｈｅ Ｎｏｒｔｈ Ａｍｅｒｉｃａｎ Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｎｏｍｉｃｓ ａｎｄ ｆｒｏｍ ｔｈｅ ＵＳ[ Ｊ] .Ｊｏｕｒｎａｌ ｏｆ Ａｓｉａｎ Ｅｃｏｎｏｍｉｃｓꎬ２００５(２) . Ｆｉｎａｎｃｅꎬ２０１９(８) . [１４] ＧＵＰＴＡ ＲꎬＣＨＩ ＫꎬＬＡＵ ＭꎬＬＩＵ ＲꎬＭＡＲＦＡＴＩＡ Ｈ.Ａ.Ｐｒｉｃｅ [ ２９] ＫＩＭ Ｓ ＪꎬＮＧＵＹＥＮＮ Ｄ Ｑ Ｔ.Ｔｈｅ Ｓｐｉｌｌｌｏｖｅｒ Ｅｆｆｅｃｔｓ ｏｆ Ｔａｒｇｅｔ Ｊｕｍｐｓ ｉｎ Ｄｅｖｅｌｏｐｅｄ Ｓｔｏｃｋ Ｍａｒｋｅｔｓ: Ｔｈｅ Ｒｏｌｅ ｏｆ Ｍｏｎｅｔａｒｙ Ｉｎｔｅｒｅｓｔ Ｒａｔｅ Ｎｅｗｓ ｆｒｏｍ ｔｈｅ ＵＳ Ｆｅｄ ａｎｄ Ｅｕｒｏｐｅａｎ Ｃｅｎｔｒａｌ Ｐｏｌｉｃｙ Ｃｏｍｍｉｔｔｅｅ Ｍｅｅｔｉｎｇｓ[ Ｊ] .Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｎｏｍｉｃｓ ａｎｄ Ｆｉ￣ Ｂａｎｋ ｏｎ ｔｈｅ Ａｓｉａ－ｐａｃｉｆｉｃ Ｓｔｏｃｋ Ｍａｒｋｅｔｓ[ Ｊ] .Ｊｏｕｒｎａｌ ｏｆ Ｉｎｔｅｒ￣ ｎａｎｃｅꎬ２０１９(４３) . ｎａｔｉｏｎａｌ Ｆｉｎａｎｃｉａｌ ＭａｒｋｅｔｓꎬＩｎｓｔｉｔｕｔｉｏｎｓ＆ Ｍｏｎｅｙꎬ２００９(３) . [１５] 丁志国ꎬ徐德财ꎬ赵晶.美国货币政策对中国价格体系的 [３０] ＣＨＥＮ Ｑꎬ ＦＩＡＲＤＯ Ａꎬ ＨＥ Ｄꎬ ＺＨＵ. Ｆｉｎａｎｃｉａｌ Ｃｒｉｓｉｓꎬ ＵＳ 影响机制[ Ｊ] .数量经济技术研究ꎬ２０１２(８) . Ｕｎｃｏｎｖｅｎｔｉｏｎａｌ Ｍｏｎｅｔａｒｙ Ｐｏｌｉｃｙ ａｎｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｐｉｌｌｏｖｅｒｓ [１６] ＨＯ Ｓ ＷꎬＺＨＡＮＧ ＪꎬＺＨＯＵ Ｈ.Ｈｏｔ Ｍｏｎｅｙ ａｎｄ Ｑｕａｎｔｉｔａｔｉｖｅ [ Ｊ] .Ｊｏｕｒｎａｌ ｏｆ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｍｏｎｅｙ ａｎｄ Ｆｉｎａｎｃｅꎬ２０１６(７) . Ｅａｓｉｎｇ:Ｔｈｅ Ｓｐｉｌｌｏｖｅｒ Ｅｆｆｅｃｔｓ ｏｆ Ｕ. Ｓ. ｍｏｎｅｔａｒｙ Ｐｏｌｉｃｙ ｏｎ ｔｈｅ [３１] 杨阳ꎬ干杏娣.美国非常规的货币政策对中国上市公司 Ｃｈｉｎｅｓｅ Ｅｃｏｎｏｍｙ [ Ｊ] . Ｊｏｕｒｎａｌ ｏｆ Ｍｏｎｅｙꎬ Ｃｒｅｄｉｔ ａｎｄ Ｂａｎｋ￣ 投资的影响[ Ｊ] .上海金融ꎬ２０１９(７) . ｉｎｇꎬ２０１８(７) . [３２] 金春雨ꎬ张龙.美联储货币政策对中国经济的冲击[ Ｊ] . [１７] 杨子荣ꎬ徐奇渊ꎬ王书朦.中美大国货币政策双向溢出效 中国工业经济ꎬ２０１７(１) . 应比较研究:基于两国 ＤＳＧＥ 模型[ Ｊ] . 国际金融研究ꎬ [３３] 欧阳志刚ꎬ何富美ꎬ薛龙.经济政策不确定性ꎬ双轮驱动 ２０１８(１１) . 与经济增长[ Ｊ] .系统工程理论与实践ꎬ２０１９(４) . [１８] ＫＵＴＴＮＥＲ Ｋ Ｎ. Ｍｏｎｅｔａｒｙ Ｐｏｌｉｃｙ Ｓｕｒｐｒｉｓｅｓ ａｎｄ Ｉｎｔｅｒｅｓｔ [３４] ＦＯＮＴＡＩＮＥ Ｉꎬ ＤＩＤＩＥＲ Ｌꎬ ＲＡＺＡＦＩＮＤＲＡＶＡＯＳＯＬＯＮＩＲＩ￣ Ｒａｔｅｓ:Ｅｖｉｄｅｎｃｅ ｆｒｏｍ ｔｈｅ Ｆｅｄ Ｆｕｎｄｓ Ｆｕｔｕｒｅｓ Ｍａｒｋｅｔ [ Ｊ ] . ＮＡ Ｊ.Ｆｏｒｅｉｇｎ Ｐｏｌｉｃｙ Ｕｎｃｅｒｔａｉｎｔｙ Ｓｈｏｃｋｓ ａｎｄ ＵＳ Ｍａｃｒｏｅｃｏ￣ Ｊｏｕｒｎａｌ ｏｆ Ｍｏｎｅｔａｒｙ Ｅｃｏｎｏｍｉｃｓꎬ２００１(３) . ｎｏｍｉｃ Ａｃｔｉｖｉｔｙ:Ｅｖｉｄｅｎｃｅ ｆｒｏｍ Ｃｈｉｎａ[ Ｊ] .Ｅｃｏｎｏｍｉｃｓ Ｌｅｔｔｅｒｓꎬ [１９] 姜富伟ꎬ郭鹏ꎬ郭豫媚.美联储货币政策对中国资产价格 ２０１７. 的影响[ Ｊ] .金融研究ꎬ２０１９(５) . [３５] ＮＡＫＡＪＩＭＡ Ｊ. Ｔｉｍｅ － ｖａｒｙｉｎｇ Ｐａｒａｍｅｔｅｒ ＶＡＲ Ｍｏｄｅｌ ｗｉｔｈ [２０] ＢＲＥＤＩＮ Ｄꎬ ＳＴＵＡＲＴ Ｈꎬ ＲＥＩＬＬＹ Ｇ Ｏ. Ｍｏｎｅｔａｒｙ Ｐｏｌｉｃｙ Ｓｔｏｃｈａｓｔｉｃ Ｖｏｌａｔｉｌｉｔｙ:Ａｎ Ｏｖｅｒ－ｖｉｅｗ ｏｆ Ｍｅｔｈｏｄｏｌｏｇｙ ａｎｄ Ｅｍ￣ Ｓｕｒｐｒｉｓｅ ａｎｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｂｏｎｄ Ｍａｒｋｅｔｓ[ Ｊ] . Ｊｏｕｒｎａｌ ｏｆ Ｉｎ￣ ｐｉｒｉｃａｌ Ａｐｐｌｉｃａｔｉｏｎｓ [ Ｊ ] . Ｍｏｎｅｔａｒｙ ａｎｄ Ｅｏｎｏｍｉｃ Ｓｔｕｄｉｅｓꎬ ｔｅｒｎａｔｉｏｎａｌ Ｍｏｎｅｙ ａｎｄ Ｆｉｎａｎｃｅꎬ２０１０(６) . ２０１１(１３) . [２１] ＢＲＥＤＩＮ ＤꎬＧＡＶＩＮ ＣꎬＲＥＩＬＬＹ Ｇ Ｏ. ＵＳ Ｍｏｎｅｔａｒｙ Ｐｏｌｉｃｙ [３６] 赵进文ꎬ闵婕.央行货币政策操作效果非对称性实证研 Ａｎｎｏｕｃｅｍｅｎｔｓ ａｎｄ Ｉｒｉｓｈ Ｓｏｃｋ Ｍａｒｋｅｔ Ｖｏｌａｔｉｌｉｔｙ[ Ｊ] . Ａｐｐｌｉｅｄ 究[ Ｊ] .经济研究ꎬ２００５(２) . Ｆｉｎａｎｃｉａｌ Ｅｃｏｎｏｍｉｃｓꎬ２００５(３) . [３７] ＩＮＯＵＥ ＴꎬＴＡＴＳＵＹＯＳＨＩꎬＯＫＩＭＯＴＯ.Ｗｈｅｒｅ ｔｈｅｒｅ Ｓｔｒｕｃｔｕｒ￣ [２２] ＦＡＴＵＭ ＲꎬＳＣＨＯＬＮＩＣＫ Ｂ.Ｍｏｎｅｔａｒｙ Ｐｏｌｉｃｙ Ｎｅｗｓ ａｎｄ Ｅｘ￣ ａｌ Ｂｒｅａｋｓ ｉｎ ｔｈｅ Ｅｆｆｅｃｔｓ ｏｆ Ｊａｐａｎｅｓｅ Ｍｏｎｅｔａｒｙ Ｐｏｌｉｃｙ [ Ｊ] . ｃｈａｎｇｅ Ｒａｔｅ Ｒｅｓｐｏｎｓｅｓ: Ｄｏ Ｏｎｌｙ Ｓｕｒｐｒｉｓｅｓ Ｍａｔｔｅｒ? [ Ｊ ] . Ｊｏｕｒｎａｌ ｏｆ Ｊａｐａｎｅｓｅ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｅｃｏｎｏｍｉｃｓꎬ２００８(３) . Ｊｏｕｒｎａｌ ｏｆ Ｂａｎｋｉｎｇ ａｎｄ Ｆｉｎａｎｃｅꎬ２００８(６) . [３８] ＨＡＮＳＥＮ.Ｔｈｒｅｓｈｏｌｄ Ｅｆｆｅｃｔｓ ｉｎ Ｎｏｎ－Ｄｙｎａｍｉｃ Ｐａｎｅｌｓ:Ｅｓｔｉ￣ [２３] ＥＮＤＥＲＳ ＺꎬＨüＮＮＥＫＥＳ ＦꎬＭＵＬＬＥＲ Ｇ Ｊ.Ｍｏｎｅｔａｒｙ Ｐｏｌｉｃｙ ｍａｔｉｏｎꎬＴｅｓｔｉｎｇꎬａｎｄ Ｉｎｆｅｒｅｎｃｅ[ Ｊ] . Ｊｏｕｒｎａｌ ｏｆ ｅｃｏｎｏｍｅｔｒｉｃｓꎬ Ａｎｎｏｕｎｃｅｍｅｎｔｓ ａｎｄ Ｅｘｐｅｃｔａｔｉｏｎｓ: Ｅｖｉｄｅｎｃｅ ｆｒｏｍ Ｇｅｒｍａｎ １９９９. Ｆｉｒｍｓ[ Ｊ] .Ｊｏｕｒｎａｌ ｏｆ Ｍｏｎｅｔａｒｙ Ｅｃｏｎｏｍｉｃｓꎬ２０１９(８) . [３９] 胡文骏. 个人所得税、非货 币 性 收 入 差 异 与 收 入 分 配 [２４] 张夏.美国非预期的货币政策冲击对我国的影响[ Ｊ] .财 [ Ｊ] .统计研究ꎬ２０１７(８) . 经科学ꎬ２０１７(８) . [４０] 张天顶.规模的门限效应、综合化经营与我国商业银行 [２５] 谭小芬ꎬ张文婧.经济政策不确定性影响企业投资的渠 系统性风险[ Ｊ] .统计研究ꎬ２０１９(１１) . 道分析[ Ｊ] .世界经济ꎬ２０１７(１２) . [ ４１] ＣＨＥＮ Ｋꎬ ＪＵＥ Ｒꎬ ＴＡＯ Ｚ. Ｔｈｅ Ｎｅｘｕｓ ｏｆ Ｍｏｎｅｔａｒｙ Ｐｏｌｉｃｙ [２６] ＤＩＸＩＴ ＡꎬＰＩＮＤＹＣＫ Ｒ ＳꎬＳøＤＡＬ Ｓ Ａ. Ｍａｒｋｕｐ Ｉｎｔｅｒｐｒｅｔａ￣ ａｎｄ Ｓｈａｄｏｗ Ｂａｎｋｉｎｇ ｉｎ Ｃｈｉｎａ[ Ｊ] . Ａｍｅｒｉｃａｎ Ｅｃｏｎｏｍｉｃ Ｒｅ￣ ｔｉｏｎ ｏｆ Ｏｐｔｉｍａｌ Ｉｎｖｅｓｔｍｅｎｔ Ｒｕｌｅｓ[ Ｊ] .Ｔｈｅ Ｅｃｏｎｏｍｉｃ Ｊｏｕｒｎａｌꎬ ｖｉｅｗꎬ２０１８(１２) . １９９９(５) . [４２] ＣＨＥＮ ＨꎬＣＨＯＮＧ Ｔ Ｔ ＬꎬＢＡＩ Ｊ.Ｔｈｅ Ｔｈｅｏｒｙ ａｎｄ Ａｐｐｌｉｃａ￣ [２７] ＨＡＳＳＥＴＴ Ｋ ＡꎬＭＥＴＣＡＬＦ Ｇ Ｅ.Ｉｎｖｅｓｔｍｅｎｔ ｗｉｔｈ Ｕｎｃｅｒｔａｉｎ ｔｉｏｎｓ ｏｆ ＴＡＲ Ｍｏｄｅｌ ｗｉｔｈ Ｔｗｏ Ｔｈｒｅｓｈｏｌｄ Ｖａｒｉａｂｌｅｓ[ Ｊ] .Ｅｃｏｎ￣ Ｔａｘ Ｐｏｌｉｃｙ: Ｄｏｅｓ Ｒａｎｄｏｍ Ｔａｘ Ｐｏｌｉｃｙ Ｄｉｓｃｏｕｒａｇｅ Ｉｎｖｅｓｔ￣ ｏｍｅｔｒｉｃ Ｒｅｖｉｅｗｓꎬ２０１２(２) . ｍｅｎｔ? [ Ｊ] .Ｔｈｅ Ｅｃｏｎｏｍｉｃ Ｊｏｕｒｎａｌꎬ１９９９(７) . [４３] ＨＡＹＡＴ ＡꎬＭＩＳＨＲＡ Ｓ . Ｆｅｄｅｒａｌ Ｒｅｓｅｒｖｅ Ｍｏｎｅｔａｒｙ Ｐｏｌｉｃｙ [２８] ＴＲＵＮＧ Ｎ Ｂ. Ｔｈｅ Ｓｐｉｌｌｏｖｅｒ Ｅｆｆｅｃｔｓ ｏｆ ＵＳ Ｅｃｏｎｏｍｉｃ Ｐｏｌｉｃｙ ａｎｄ ｔｈｅ Ｎｏｎ－ｌｉｎｅａｒｉｔｙ ｏｆ ｔｈｅ Ｔａｙｌｏｒ Ｒｕｌｅ[ Ｊ] .Ｅｃｏｎｏｍｉｃ Ｍｏｄ￣ Ｕｎｃｅｒｔａｉｎｔｙ ｏｎ ｔｈｅ Ｇｌｏｂａｌ Ｅｃｏｎｏｍｙ: Ａ Ｇｌｏｂａｌ ＶＡＲ Ａｐ￣ ｅｌｌｉｎｇꎬ２０１０(３) .

７６ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 [４４] 顾夏铭ꎬ陈勇民ꎬ潘士远.经济政策不确定性与创新:基 界ꎬ２００９(１) . 于中国上市公司的实证分析[ Ｊ] .经济研究ꎬ２０１８(２) . [５１] 李广子ꎬ刘力.债务融资成本与民营信贷歧视[ Ｊ] . 金融 [４５] ＢＡＫＥＲ Ｓ ＲꎬＢＬＯＯＭ ＮꎬＤＡＶＩＳ Ｓ Ｊ. Ｍｅａｓｕｒｉｎｇ Ｅｃｏｎｏｍｉｃ 研究ꎬ２００９(１２) . Ｐｏｌｉｃｙ Ｕｎｃｅｒｔａｉｎｔｙ[ Ｊ] .Ｑｕａｒｔｅｒｌｙ Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｎｏｍｉｃｓꎬ２０１６ [５２] 宋全云ꎬ李晓ꎬ钱龙.经济政策不确定性与企业贷款成本 ( ４) . [ Ｊ] .金融研究ꎬ２０１９(７) . [４６] 欧阳志刚ꎬ史焕平.我国货币政策的非线性操作及其转 [５３] ＨＳＵ Ｐ ＨꎬＴＩＡＮ ＸꎬＸＵ Ｙ.Ｆｉｎａｎｃｉａｌ Ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ Ｉｎｎｏ￣ 换时机的选择[ Ｊ] .管理世界ꎬ２０１０(１１) . ｖａｔｉｏｎ:Ｃｒｏｓｓ－Ｃｏｕｎｔｒｙ Ｅｖｉｄｅｎｃｅ[ Ｊ] . Ｊｏｕｒｎａｌ ｏｆ Ｆｉｎａｎｃｉａｌ Ｅ￣ [４７] 孟庆斌ꎬ师倩.宏观经济政策不确定性对企业研发的影 ｃｏｎｏｍｉｃｓꎬ２０１４(１) . 响理论与经验研究[ Ｊ] .世界经济ꎬ２０１７(９) . [５４] ＧＥＲＴＬＥＲꎬ ＭＡＲＫꎬ ＰＥＴＥＲ Ｋ. Ｍｏｎｅｔａｒｙ Ｐｏｌｉｃｙ Ｓｕｒｐｒｉｓｅꎬ Ｃｒｅｄｉｔ Ｃｏｓｔｓꎬａｎｄ Ｅｃｏｎｏｍｉｃ Ａｃｔｉｖｉｔｙ[ Ｊ] .Ａｍｅｒｉｃａｎ Ｅｃｏｎｏｍｉｃ [４８] ＧＵＬＥＮ ＨꎬＩＯＮ Ｍ.Ｐｏｌｉｃｙ Ｕｎｃｅｒｔａｉｎｔｙ ａｎｄ Ｂａｎｋ Ｌｏａｎ Ｃｏｎ￣ Ｊｏｕｒｎａｌ:Ｍａｃｒｏｅｃｏｎｏｍｉｃｓꎬ２０１５(１) . ｔｒａｃｔｉｎｇ[ Ｊ] .Ｗｏｒｋｉｎｇ ＰａｐｅｒꎬＳＳＲＮ.２０１２ [５５] 李春涛ꎬ闫续文ꎬ宋敏ꎬ等.金融科技与企业创新:新三板 上市公司的证据[ Ｊ] .中国工业经济ꎬ２０２０(１) . [４９] 张杰ꎬ刘元春ꎬ翟福昕ꎬ等.银行歧视ꎬ商业信用和企业发 展[ Ｊ] ꎬ世界经济ꎬ２０１３(９) . [５０] 叶康涛ꎬ祝继高.银根紧缩与信贷资源配置[ Ｊ] . 管理世 Ｔｈｅ Ｎｏｎ－ｌｉｎｅａｒ Ｓｐｉｌｌｏｖｅｒ Ｅｆｆｅｃｔ ｏｆ ｔｈｅ Ｆｅｄ’ ｓ Ｕｎｅｘｐｅｃｔｅｄ Ｍｏｎｅｔａｒｙ Ｐｏｌｉｃｙ ｏｎ Ｃｈｉｎｅｓｅ Ｅｎｔｅｒｐｒｉｓｅｓ’ Ｒ＆Ｄ ＯＵＹＡＮＧ Ｚｈｉ－ｇａｎｇ１ꎬ２　 ＬＩ Ｗｅｉ１ (１.Ｓｃｈｏｏｌ ｏｆ ＦｉｎａｎｃｅꎬＺｈｏｎｇｎａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｅｃｏｎｏｍｉｃｓ ａｎｄ ＬａｗꎬＷｕｈａｎ ４３００７３ꎬＣｈｉｎａꎻ ２.Ｓｃｈｏｏｌ ｏｆ Ｅｃｏｎｏｍｉｃｓ ａｎｄ ＭａｎａｇｅｍｅｎｔꎬＥａｓｔ Ｃｈｉｎａ Ｊｉａｏｔｏｎｇ ＵｎｉｖｅｒｓｉｔｙꎬＮａｎｃｈａｎｇ ３３００３１ꎬＣｈｉｎａ) Ａｂｓｔｒａｃｔ:Ｔｈｉｓ ｐａｐｅｒ ｉｎｔｒｏｄｕｃｅｓ ｔｈｅ Ｆｅｄｅｒａｌ Ｒｅｓｅｒｖｅ’ ｓ ｕｎｅｘｐｅｃｔｅｄ ｍｏｎｅｔａｒｙ ｐｏｌｉｃｙ ｉｎｔｏ ｔｈｅ ｒｅａｌ ｏｐｔｉｏｎ ｍｏｄｅｌꎬ ａｎｄ ｔｈｅｏｒｅｔｉｃａｌｌｙ ｓｔｕｄｉｅｓ ｔｈｅ ｓｐｉｌｌｏｖｅｒ ｅｆｆｅｃｔｓ ｏｆ ｔｈｅ Ｆｅｄｅｒａｌ Ｒｅｓｅｒｖｅ’ ｓ ｕｎｅｘｐｅｃｔｅｄ ｍｏｎｅｔａｒｙ ｐｏｌｉｃｙ ｏｎ Ｃｈｉｎｅｓｅ ｅｎｔｅｒ￣ ｐｒｉｓｅｓ’ Ｒ＆Ｄ.Ｉｔ ｉｓ ｆｏｕｎｄ ｔｈａｔ ｔｈｅ ｆｅｄｅｒａｌ Ｒｅｓｅｒｖｅ’ ｓ ｕｎｅｘｐｅｃｔｅｄ ｍｏｎｅｔａｒｙ ｐｏｌｉｃｙ ｈａｓ ａ ｎｅｇａｔｉｖｅ ｓｐｉｌｌｏｖｅｒ ｅｆｆｅｃｔ ｏｎ Ｃｈｉｎｅｓｅ ｆｉｒｍｓ’ Ｒ＆Ｄ ｔｈｒｏｕｇｈ ｕｎｃｅｒｔａｉｎｔｙ ａｎｄ ｉｎｔｅｒｅｓｔ ｒａｔｅ ｃｈａｎｎｅｌｓꎬａｎｄ ｈａｓ ｎｏｎｌｉｎｅａｒ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ.Ｏｎ ｔｈｉｓ ｂａｓｉｓꎬ ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｓ ａ ｍｅｔｈｏｄ ｔｏ ｍｅａｓｕｒｅ ｔｈｅ ｆｅｄｅｒａｌ Ｒｅｓｅｒｖｅ’ ｓ ｕｎｅｘｐｅｃｔｅｄ ｍｏｎｅｔａｒｙ ｐｏｌｉｃｙ ｂａｓｅｄ ｏｎ Ｔａｙｌｏｒ ｒｕｌｅꎬ ａｎｄ ｃｏｎｓｔｒｕｃｔｓ ａ ｔｗｏ－ｔｈｒｅｓｈｏｌｄ ｐａｎｅｌ ｍｏｄｅｌ ｔｏ ｅｍｐｉｒｉｃａｌｌｙ ｓｔｕｄｙ ｔｈｅ ｎｏｎ－ｌｉｎｅａｒ ｓｐｉｌｌｏｖｅｒ ｅｆｆｅｃｔ ｏｆ ｔｈｅ Ｆｅｄｅｒａｌ Ｒｅ￣ ｓｅｒｖｅ’ ｓ ｕｎｅｘｐｅｃｔｅｄ ｍｏｎｅｔａｒｙ ｐｏｌｉｃｙ ｏｎ Ｃｈｉｎｅｓｅ ｅｎｔｅｒｐｒｉｓｅｓ’ Ｒ＆Ｄ. Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｎｏｎｌｉｎｅａｒ ｎｅｇａｔｉｖｅ ｓｐｉｌｌｏｖｅｒ ｅｆｆｅｃｔｓ ｏｆ ｔｈｅ ｆｅｄｅｒａｌ Ｒｅｓｅｒｖｅ’ ｓ ｕｎｅｘｐｅｃｔｅｄ ｍｏｎｅｔａｒｙ ｐｏｌｉｃｙ ｏｎ Ｃｈｉｎｅｓｅ ｆｉｒｍｓ’ Ｒ＆Ｄ ａｒｅ ｃｈａｒａｃｔｅｒｉｚｅｄ ｂｙ ｍｅｃｈａｎｉｓｍ Ｉ ( ｅｃｏｎｏｍｉｃ ｐｒｏｓｐｅｒｉｔｙꎬｈｉｇｈ ｕｎｃｅｒｔａｉｎｔｙ ｏｆ ｅｃｏｎｏｍｉｃ ｐｏｌｉｃｙ) ａｎｄ ｍｅｃｈａｎｉｓｍ ＩＩ ( ｅｃｏｎｏｍｉｃ ｄｅｐｒｅｓｓｉｏｎꎬ ｈｉｇｈ ｕｎｃｅｒｔａｉｎｔｙ ｏｆ ｅｃｏｎｏｍｉｃ ｐｏｌｉｃｙ) .Ｔｈｅ ｎｅｇａｔｉｖｅ ｓｐｉｌｌｏｖｅｒ ｅｆｆｅｃｔ ｉｎ ｍｅｃｈａｎｉｓｍ Ｉ ｉｓ ｌａｒｇｅｒ ｔｈａｎ ｔｈａｔ ｉｎ ｍｅｃｈａｎｉｓｍ ＩＩꎬａｎｄ ｔｈｅ ｓｐｉｌｌｏｖｅｒ ｅｆｆｅｃｔ ｉｓ ｈｅｔｅｒｏｇｅｎｅｏｕｓ ｗｉｔｈ ｔｈｅ ｐｒｏｐｅｒｔｙ ｏｆ ｏｗｎｅｒｓｈｉｐ ａｎｄ ｉｎｄｕｓｔｒｙ. Ｋｅｙ ｗｏｒｄｓ:ｕｎｅｘｐｅｃｔｅｄ ｍｏｎｅｔａｒｙ ｐｏｌｉｃｙꎻＲ＆Ｄꎻｓｐｉｌｌｏｖｅｒ ｅｆｆｅｃｔｓꎻｎｏｎｌｉｎｅａｒꎻｔｒａｎｓｍｉｓｓｉｏｎ ｃｈａｎｎｅｌｓ (责任编辑　 刘雪斌)

第 ５４ 卷第 １ 期 　 　　 　 　 南昌大学学报( 人文社会科学版) 　 ２０２３ 年 ２ 月 　 ＪＯＵＲＮＡＬ ＯＦ ＮＡＮＣＨＡＮＧ ＵＮＩＶＥＲＳＩＴＹ( Ｈｕｍａｎｉｔｉｅｓ ａｎｄ Ｓｏｃｉａｌ Ｓｃｉｅｎｃｅｓ) 数字经济对能源强度的影响研究 岳书敬ａꎬｂ 　 张鑫和ａ ( 东南大学 ａ.经济管理学院ꎻｂ.中国特色社会主义发展研究院ꎬ江苏 南京　 ２１１１８９) 　 　 摘　 要:从数据价值化、数字产业化、产业数字化、数字化治理四个维度构建数字经济发展水平评价体系ꎬ测度 ２０１１—２０１８ 年中国分地区数字经济发展水平ꎬ并进一步探究数字经济发展对能源强度的影响ꎮ 结果表明:中国数 字经济发展水平整体提升、结构固化ꎬ并呈现出一定程度的“ 马太效应”ꎻ数字经济发展对能源强度具有显著的“ 抑 制” 作用ꎬ数字经济发展水平每提高 １％ꎬ可以使能源强度降低 ０.２６％ꎬ作用强度具有边际递减特征ꎻ技术进步和制 造业升级是发挥数字经济“抑制”作用的主要渠道ꎮ 上述“抑制”作用在能源分类、数字经济分维度、能源强度分解 和分区域检验中表现出显著的异质性ꎮ 　 　 关键词:数字经济ꎻ能源强度ꎻ能源消费 　 　 中图分类号:Ｆ４２６　 　 文献标志码:Ａ　 　 文章编号:１００６－０４４８(２０２３)０１－００７７－１４ 　 　 一、引言 字经济逐渐成为引领新一轮技术、能源革命的新业 态[３]９１ꎮ 当前中国数字经济蓬勃发展ꎬ 国家信通院 　 　 改革开放以来ꎬ中国能源消费总量一直在快速 数据显示ꎬ中国数字经济占 ＧＤＰ 比重逐年上升ꎬ由 增长ꎬ目前已成为世界上最大的能源生产国和消费 ２００５ 年的 １４.２％增加至 ２０１９ 年的 ３６.２％ꎬ数字经济 国ꎬ能源问题的重要性愈发凸显ꎮ 能源强度是中国 在经济发展中的作用有目共睹ꎮ 相比之下ꎬ数字经 能源问题的核心掣肘能源储量不断下降ꎬ能源安全 济发展对中国能源消费有何影响? 其背后的驱动逻 会威胁经济的持续健康发展[１]６６ꎮ 在此背景下ꎬ 中 辑是什么? 这是目前中国在能源领域亟须厘清的 国政府在“ 十三五” 时期提出实施能耗总量和强度 问题ꎮ “双控”行动ꎬ“ 十四五” 规划又进一步明确要求ꎬ到 ２０２５ 年单位 ＧＤＰ 能耗比 ２０２０ 年降低 １３. ５％ꎮ 然 数字经济和能源消耗分别作为中国经济转型发 而ꎬ即使有政策的推动ꎬ能源转型进程仍存在很多障 展的重要推力和约束条件ꎬ两者之间或许存在着不 碍ꎮ 国家发改委公布的«２０２１ 年上半年各地区能耗 可忽视的机制内联ꎮ 从能源消费的角度来看ꎬ数字 双控目标完成情况晴雨表» 显示ꎬ不及半数省( 区、 经济发展对能源消耗总量兼具直接、间接两种作用ꎮ 市) 能耗强 度 降 低 进 展 总 体 顺 利ꎬ 能 源 消 费 总 量 控 直接作用是指数字化设备在投资和持续运营过程中 制压力仍大ꎮ 政府的相关政策措施只是引导能源转 增加的能耗ꎮ 例如ꎬ相关研究指出ꎬ全球信息与通信 型的基础[２]１６８－１８１ ꎬ数字化技术的融合发展才是新时 技术( ＩＣＴ) 行业的总体运营能源需求从 ２００７ 年的 代能源转型的关键驱动ꎬ以数字化技术为内核的数 ６５８ 太瓦时增长到 ２０１２ 年的 ９０９ 太瓦时ꎬＩＣＴ 在全 球电力消费中的份 额 从 ３. ９％ 增 加 到 ４. ６％[４]６４－７６ ꎮ 收稿日期:２０２２ － １０ － ０５ 基金项目:国家社会科学基金一般项目“ 数据要素视角下区域协调发展的新机制与新路径研究” (２１ＢＪＬ０５６) ꎮ 作者简介:岳书敬(１９７９—　 ) ꎬ男ꎬ河南新乡人ꎬ教授、博士生导师ꎬ研究员ꎬ从事数字经济与创新经济研究ꎻ张鑫和( １９９３—　 ) ꎬ男ꎬ安徽天 长人ꎬ２０２１ 级博士研究生ꎬ从事数字经济与环境经济研究ꎮ

７８ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 间接作用一方面是指ꎬ数字技术的发展可以消除生 实践应用上ꎬ本文实证检验了数字经济对能源消费 产过程的冗余浪费ꎬ提高能源利用效率ꎻ降低信息不 和能源强度的影响ꎬ并从数字经济角度探索了有效 对称和交易成本ꎬ提高能源传输系统的决策效率ꎻ整 实现节能减排目标、能源转型升级的可行路径ꎮ 合企业生产流程与信息流ꎬ提高能源管理效率ꎮ 即 数字经济发展可以通过能源效率提升间接降低能源 　 　 二、文献综述、理论分析及研究假设 消耗[５]４ꎮ 另一方面ꎬ间接作用还体现在能源的回弹 效应ꎬ数字经济虽然能够带来能源效率的提升ꎬ但是 　 　 (一)文献综述 效率提高反而会增加消费者和生产者的能源依赖ꎬ 现有文献对能源消费、能源强度等问题进行了 进而导致能源消费量的不降反升ꎮ 数字经济对能源 消费的实际影响是直接、间接作用的加总ꎬ测度数字 丰富探讨ꎮ 但从数字经济角度出发ꎬ探讨其与能源 经济的实际影响是我们主要关注的问题ꎮ 发展关系的研究相对较少ꎮ 事实上ꎬ目前无论是数 字经济ꎬ还是数字经济与能源的关系都是较为新颖 值得注意的是ꎬ数字经济发展对能源消耗产生 的研究命题ꎮ 经过系统的文献梳理发现ꎬ与本文最 影响的同时还促进了经济的高质量发展[６]６５ꎮ 这意 为接近的文献主要有如下三类: 味着ꎬ评估数字经济发展的能耗效应更应该从能源 强度的角度入手ꎬ能源强度的变动反映了数字经济 第一ꎬ数字经济的作用ꎮ 近年来ꎬ中国数字经济 对能源消费和经济增长的复合影响ꎬ是对数字经济 的发展势头迅猛ꎬ但数字经济的理论研究相对滞后ꎬ “能耗－经济”双重效应的相对测度ꎮ 那么ꎬ数字经济 既无法系统性地解释数字经济中出现的一系列新现 与能源强度之间究竟是“协同演进” 还是“二律背反” 象ꎬ也不能为数字经济的健康发展提供逻辑一贯的 (二律背反是指自然界存在的两种运动力量之间呈此 政策建 议[７]２０４－２０８ ꎮ 既 有 研 究 主 要 探 讨 了 数 字 经 济 消彼长、相背相反的作用ꎬ本文是指数字经济发展与 的经济效应ꎬ因为数字经济具有典型的网络特性ꎬ满 能源强度两种力量的相反运动ꎬ即数字经济发展水平 足梅特卡夫法则网络的价值等于其节点数的平方ꎮ 越高ꎬ反而能源强度值越高)? 这需要通过深入的机 网络上联网的节点越多ꎬ单个节点的价值越大ꎮ 摩 制分析和数据挖掘进行验证ꎮ 基于此ꎬ本文测算了 尔定律和达维多定律进入市场的第一代产品能够自 ２０１１—２０１８ 年中国分地区数字经济的变化趋势ꎬ并利 动获得 ５０％的市场份额ꎬ体现的是网络经济中的马 用计量模型评估其对能源强度的影响ꎬ旨为 ２１ 世纪 太效应ꎮ 三大定律ꎬ可以多渠道并行带动经济增长ꎮ 以来中国能源强度的持续下降提供理论注解ꎮ 例如数字经济可以激发大众创业ꎬ 赋能高质量发 展[６]６５－７６ ꎻ可以优化农民创业行为ꎬ实现创业机会均 本文可能的创新点和贡献如下:(１) 在研究内 等化ꎬ以普惠特性实现经济包容性增长[８]７１－８６ ꎻ可以 容方面ꎬ本文尝试将数字经济纳入能源消费研究框 提升地区的全要素生产率并发挥溢出效应ꎬ促进经 架ꎬ在一定程度上拓宽了能源经济学的研究领域ꎬ梳 济的高效发展[９]３－１５ ꎻ还可以一定程度上缓解效率与 理了数字经济发展对能源强度的作用机制ꎮ 并且ꎬ 公平的悖论ꎬ全面提升经济增长质量[１０]１９０－１９５ ꎮ 学术 与现有研究不同的是ꎬ本文尝试将数字经济对能源 界从不同角度研究了数字经济的作用效果ꎬ得到了 强度和能源消费的影响分离ꎬ进一步揭示数字经济 丰富的研究成果ꎬ这为本文探索数字经济对能源强 发展过程中的能耗传导路径ꎮ ( ２) 在研究数据方 度的影响奠定了基础ꎮ 面ꎬ随着数字经济的发展ꎬ其内涵也从“ 两化” 发展 到“四化” ( 即数据价值化、数字产业化、产业数字 第二ꎬ能源强度的影响因素ꎮ 诸多学者从产业 化、数字化治理四个维度)ꎬ“ 四化” 框架更能反映生 结构角度分析了其对能源强度的影响ꎬ例如张伟等 产要素创新、生产力提升和生产关系变革ꎮ 现有研 认为ꎬ产业结构、能源结构、能源使用技术对能源强 究鲜有从“ 四化” 角度刻画数字经济发展水平ꎬ本文 度具有显著影响[１１]６２－７５ ꎮ 沈小波等的研究证实了产 基于“ 四化” 框架测度了 ２０１１—２０１８ 年中国分地区 业结构扭曲可以有效降低能源强度[１２]１５７－１７３ ꎮ 祝树 数字经济发展水平ꎬ弥补了现有研究空白ꎮ (３) 在 金等研究表明ꎬ制造业服务化可以通过技术创新和 要素结构优化显著降低能源强度[１３]１２６－１２８ ꎮ Ｌｉｎ ａｎｄ Ｚｈｕ 以中国 １９３ 个城市为样本ꎬ证实了新型城镇化

　 总第 ２２５ 期　 　 　 　 　 　 岳书敬　 张鑫和:数字经济对能源强度的影响研究 ７９ 可以通过产业结构效应和技术进步效应实现能源强 次ꎬ数字经济可以发挥“ 达维多” 作用ꎬ即快速的信 度的下降[１４]１－２ꎮ Ｌｕａｎ 等利用 １９９７—２０１６ 年中国省 息技术进步带来生产技术的迭代升级ꎬ提高生产运 级数据ꎬ实证分析了产业结构与能源强度之间的关 行、组织协调和管理控制效率ꎬ改善企业生产设备和 系ꎮ 结果表明ꎬ第三产业比重每增加 １％ꎬ能源强度 工艺流程ꎬ实现低耗能生产设备对高耗能设备的替 下降约 ０.０３％ꎬ产业结构优化每增加 １％ꎬ能源强度 代ꎬ倒逼落后产能淘汰和转型升级ꎬ进而提高能源效 下降约 ０.０２％[１５]３－１０ ꎮ 这些文献为本文控制变量及 率 ꎮ[１７]１５５－１７３ 最后ꎬ 数 字 经 济 可 以 发 挥 “ 技 术 溢 出” 机制变量的选取提供了参考ꎮ 作用ꎬ这种技术溢出效应首先发生在信息技术生产 部门内部ꎬ然后扩散到信息技术使用部门[２０]２８２－２９２ ꎬ 第三ꎬ数字经济发展对能源强度的作用ꎮ 邬彩 进而提升企业乃至全行业的能源效率ꎮ 特别对于能 霞和高媛探讨了数字经济与低碳产业的发展关系ꎬ 源消费总量大的行业而言ꎬ技术扩散可以带来显著 使用能源强度作为替代变量进行了稳健性检验ꎬ结 的能源“ 示范效应” 和“ 节省效应” ꎬ从长期来看能够 果表明 数 字 经 济 对 能 源 强 度 具 有 显 著 的 负 向 影 显著降低能源强度ꎮ 响 ꎮ[１６]１５５－１６１ 张三峰和魏下海利用中国制造业企业 微观数据ꎬ研究了企业 ＩＴＣ 发展对企业能源消耗的 ２.数字经济通过“制造业升级效应”降低能源强度 影响ꎬ 证 实 了 ＩＴＣ 和 能 源 强 度 之 间 显 著 的 负 向 关 从行业层面来看ꎬ制造业是能耗占比较高的行 系 ꎮ[１７]１５５－１５８ Ｌｕ 认为ꎬ 互 联 网 通 过 发 挥 网 络 效 应 对 业ꎬ能源是约束制造业发展的重要条件ꎮ 作为产业 包括能源利用在内的企业具有积极的溢出效应ꎬ促 数字化的核心主体ꎬ制造业升级导致了生产要素资 进了企业能源技术效率的提高[１８]１３５１－１３６５ ꎮ Ｒｅｎ 等研 源的重新配置ꎮ 原始资源要素和新资源要素都从配 究表明ꎬ互联网发展可以通过经济增长、研发投入、 置效率较低的产业转移至配置效率高的技术密集型 人力资本、金融发展和产业结构升级等渠道加速能 产业ꎬ导致技术密集型产业所占份额越来越大ꎮ 数 源强度的下降[１９]２－１５ ꎮ 字经济主要可以从两个渠道提升工业产业的资源配 置效率ꎮ 首先ꎬ数字经济的高频性和开放性可以促 既有文献对数字经济、能源强度分别进行了大 进企业创新知识的共享ꎬ为尚未获得有效配置的资 量探讨ꎬ但从数字经济出发ꎬ探索其对能源强度影响 源提供了低成本的共享平台和渠道ꎬ降低了企业的 的研究较少ꎮ 另外ꎬ数字经济与能源强度之间存在 搜索成本ꎬ使更多的创新要素和资源流向高效率行 多重的作用叠加和环环相扣的机制牵引ꎬ本文综合 业ꎬ进而促进制造业发展升级ꎮ 第二ꎬ数字技术促进 考虑数字经济对能源强度和能源消费的影响ꎬ并分 了信息和资源的有效整合ꎬ强化了市场环境中优胜 解传导路径ꎬ为探索中国能源高效化发展提供“ 数 劣汰的竞争机制ꎬ倒逼传统落后产业淘汰出局ꎬ促进 字” 路径解释ꎮ 制造业产业升级ꎬ从而提高能源强度[２１]９４－１００ ꎮ 从企业层面来看ꎬ数字经济发展加速了企业生 ( 二) 理论分析与研究假设 产过程的知识要素嵌入ꎬ增加了虚拟要素对实体要 通过文献梳理ꎬ本文认为数字经济可能通过促 素的替代ꎬ优化了企业生产要素的结构配置ꎬ降低了 进技术进步和制造业升级两个渠道提高能源效率、 企业对能源的依赖程度[１３]１２６－１４０ ꎮ 例如ꎬ通过数字孪 降低能源强度ꎮ 生技术模拟企业生产试验的运行场景ꎬ实现虚实交 １.数字经济通过“ 技术进步效应” 降低能源强度 互、数据融合的虚拟映射ꎬ有效实现企业生产的节能 数字经济的特点之一是以数字技术作为生产要 降耗ꎮ 其次ꎬ海量的数据要素通过数字化产业系统 素ꎬ数字技术本身蕴含了技术进步作用ꎮ 数字技术 平台积累、交互共享ꎬ有助于打通原材料、生产设备、 要素与实体生产要素融合可以通过三个作用促进技 检测设备等各环节企业间协同创新堵点ꎬ进一步消 术进步、降低能源强度ꎮ 首先ꎬ数字经济可以发挥 除各生产环节的冗余浪费ꎬ提高企业能源使用效率ꎮ “ 梅特卡夫” 作用ꎬ即数字技术能够提高信息搜寻效 第三ꎬ数字技术的应用加速了制造企业的智能化发 率、扩大信息传播渠道和范围、降低信息获取和传播 展ꎬ提高了企业设计、加工、装配和服务的智能化水 成本、加速要素空间结构关联和网络外部性的溢出ꎬ 进而提高了各生产节点的时空联系和能源效率ꎮ 其

８０ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 平ꎬ进而提升企业生产效率、降低能源强度ꎮ 产业ꎻ其广义内涵是将数字经济视为一种经济活动ꎬ 通过上文的梳理总结ꎬ本文提出如下假说ꎮ 该定义取自于 ２０１６ 年中国发布的« 二十国集团数字 假说 １:在控制其他变量的情况下ꎬ数字经济发 经济发展与 合 作 倡 议» ꎬ 是 以 数 字 化 信 息 与 知 识 作 为生产要素ꎬ以信息化网络为载体ꎬ以信息化技术促 展有利于降低能源强度ꎮ 进效率提升和结构优化的经济活动总和[２３]２３－４１ ꎮ 假说 ２:数字经济可以通过“ 技术进步效应” 和 基于对数字经济内涵的不同理解ꎬ现有研究从 “ 制造业升级效应” 降低能源强度ꎮ 不同维度对数字经济进行量化分析ꎮ 中国信通院在 « 中国数字经济发展白皮书( ２０２０ 年) » 中ꎬ首次提 　 　 三、数字经济与能源强度测度 出数字经济“ 四化” 的框架ꎬ在数字产业化和产业数 字化的基础上ꎬ增加了对数据价值化和数字化治理 　 　 (一)数字经济发展水平的指标体系 的研究梳理ꎮ “ 四化” 框架更为全面地刻画了中国 随着信息通信技术领域的快速发展ꎬ数字经济 现阶段数字经济的发展现状ꎮ 基于此ꎬ本文从数字 经济的广义内涵出发ꎬ结合“ 四化” 框架构建评价中 的内涵也在不断丰富和完善[２２]１－１６ ꎮ 其狭义内涵是 国数字经济发展的指标体系ꎬ具体内容如表 １ 所示ꎮ 将数字经济视为一种产业经济ꎬ是将数字化货物和 服务的生产、消费与分配活动从依附于传统国民经 济活动的部门中剥离出来ꎬ进行独立核算的数字化 表 １　 数字经济发展水平的综合评价指标体系 目标 一级指标 二级指标 单位 数据来源 数 产 　 业 邮政业从业人员 人 中国统计 字 数 邮电业务总量 亿元 年鉴 　 字 快递业务量 万件 经 化 农村用电量 亿千瓦 / 小时 中国统计 　 年鉴 济 光缆线路长度 公里 　 万个 ＣＮＲＤＳ 发 数 域名数 万个 数据库 　 字 网页数 万户 北京大学 展 亿元 数字金融 　 产 互联网宽带接入用户 部 / 百人 研究中心 水 业 万户 　 化 固定资产投资 平 移动电话普及率 数字电视用户数 数据价 高技术产业主营业务收入 亿元 值化 高技术产业专利情况 件 数字化 数字金融覆盖广度 ％ 治理 数字金融使用深度 ％ 普惠金融数字化程度 ％ 　 　 需要指出的是ꎬ对于数据化治理数据ꎬ目前尚未 一定的正相关性ꎮ 考虑到数据的可得性ꎬ本文利用 有完备的数据来源可以借鉴ꎬ本文采用中国数字普 ２０１１—２０１８ 年中国大陆地区 ３０ 个省( 区、市) 的数 惠金融指数进行表征ꎬ具体包括数字金融覆盖广度、 据进行评价分析ꎬ其中西藏地区由于数据缺失较多 数字金 融 使 用 深 度、 普 惠 金 融 数 字 化 程 度 三 个 方 暂不加入研究样本ꎮ 面 ꎮ[２４]１４０１－１４１８ 原因在于ꎬ数据化治理是指借助数字 化技术对社会体制机制、决策、监督和实施等环节进 ( 二) 中国各省( 区、市) 数字经济发展水平的测 行综合性管理ꎬ解决便捷、效率、连通、公平的问题ꎮ 算与结果分析 而数字普惠金融指数涵盖了支付、信贷、保险、投资、 信用等多维特征ꎬ在一定程度上反映了地区金融业 基于上文的评价体系与指标选择结果ꎬ使用熵 务服务的数字化程度ꎬ与地区数字化治理水平具有 值法计算得到 ２０１１—２０１８ 年中国 ３０ 个省( 区、市) 的数 字 经 济 发 展 指 数ꎮ 选 择 ２０１１ 年、 ２０１４ 年 和 ２０１７ 年 ３ 个截面数据进行排序展示ꎬ结果如图 １ 所

　 总第 ２２５ 期　 　 　 　 　 　 岳书敬　 张鑫和:数字经济对能源强度的影响研究 ８１ 示( 图中 虚 线 为 各 年 数 字 经 济 发 展 水 平 的 样 本 均 究院、腾讯研究院发布的排名结果进行对比ꎬ结果发 值) ꎮ 为了验证评价结果的可靠性ꎬ将 ２０１７ 年各省 现并无显著差异ꎮ 这证实了本文的指标体系在一定 ( 区、市) 数字经济发展排名情况与中国信息通信研 程度上是可靠、合理的ꎮ 图 １　 ２０１１ 年、２０１４ 年和 ２０１７ 年中国 ３０ 个省( 区、市) 数字经济发展排名 　 　 由图 １ 可知ꎬ中国各省( 区、市) 数字经济发展 用的经济效益ꎬ一般采用地区能源消费总量和地区 水平整体呈现逐年上升的趋势ꎬ但各地区的增长趋 ＧＤＰ 比值衡量ꎮ ２０１１—２０１８ 年 ３０ 个省( 区、市) 的 势略有差异ꎮ 分年度来看ꎬ２０１１ 年ꎬ数字经济发展 能源强度见图 ２ꎮ 水平在均值之上的地区共有 ７ 个ꎬ按照排名分别为 广东、江苏、北京、浙江、上海、山东、福建ꎬ而贵州、甘 图 ２ 显示了样本期间各省( 区、市) 能源强度分 肃、海南、宁夏和青海为数字经济发展的最后五名ꎻ 布情况ꎬ图中展示了不同年份各地区能源强度的大 ２０１４ 年ꎬ数字经济发展水平在均值之上的地区共有 小、极值、均值等分布信息ꎮ 整体来看ꎬ箱体位置逐 ６ 个ꎬ按照排名分别为广东、江苏、北京、浙江、上海、 年下移ꎬ这说明中国的能源强度整体呈现下降的趋 山东ꎬ后五名的省( 区、市) 未发生变化ꎻ２０１７ 年ꎬ数 势ꎮ 从下降速度来看ꎬ２０１２—２０１５ 年能源强度下降 字经济发展水平在均值之上的地区共有 ７ 个ꎬ按照 显著ꎬ２０１６—２０１８ 年能源强度下降速度有所放缓ꎬ 排名分 别 为 广 东、 江 苏、 浙 江、 北 京、 福 建、 上 海、 山 并且 ２０１７、２０１８ 年部分地区能源强度出现一定程度 东ꎬ后 五 名 的 地 区 为 新 疆、 甘 肃、 海 南、 宁 夏、 青 海ꎮ 的回弹ꎬ数值再次上升至 ２.０ 以上ꎬ与 ２０１１ 年的最 广东和江苏的数字经济发展一直处于前两名ꎬ北京 高值相当ꎮ 从平均值来看ꎬ２０１１—２０１６ 年能源强度 和浙江一直紧随其后ꎻ而甘肃、海南、宁夏、青海等地 呈现为持续下降ꎬ２０１７、２０１８ 年则有所反弹ꎮ 区数字经济发展一直处于落后地位ꎮ 各地区数字经 济发 展 呈 现 出 整 体 提 升、 结 构 固 化ꎬ 强 弱 分 化 的 由图 ３(左图) 可知ꎬ在不考虑其他变量影响的 特征ꎮ 情况下ꎬ数字经济发展与能源强度呈现出一定的负 相关关系ꎬ即一个地区的数字经济发展水平越高ꎬ其 ( 三) 数字经济发展与能源强度的相关性 能源强度往往越低ꎻ由图 ３(右图)可知ꎬ在不考虑其 能源强度反映了生产过程中各行业能源综合利 他变量影响的情况下ꎬ数字经济发展与能源消耗呈 现出一定的正相关关系ꎬ但并不显著ꎬ表明地区数字

８２ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 经济发展和能源消耗之间并不是简单的线性关系ꎬ 其他变量的综合影响ꎬ图 ３ 展示的变量关系是否依 二者之间可能存在多种关系的组合ꎮ 当然如果考虑 然成立? 下文将通过实证检验进行证实ꎮ 图 ２　 ２０１１—２０１８ 年中国 ３０ 个省( 区、市) 能源强度分布箱型图 　 　 上文分别展示了中国各省( 区、市) 数字经济和 了双变量散点图( 数据均进行对数处理) ꎬ并添加了 能源强度的发展情况ꎮ 那么ꎬ是否一个地区的数字 线性拟合曲线( 图中按照 ９９％ 的置信水平添加了置 经济水平越高ꎬ其能源强度就越低呢? 为了直观展 信区间)ꎮ 同时ꎬ加入数字经济发展水平和能源消 示数字经济发展水平与能源强度的相关关系ꎬ绘制 费的散点图进行对照ꎬ具体如图 ３ 所示ꎮ 图 ３　 数字经济发展水平和能源强度、能源消费散点图 　 　 四、研究设计 水平ꎬＬＮ( Ｚｉｔ ) 是由一组控制变量构成的向量ꎬλｔ 是 时间效应ꎬθｉ 是个体效应ꎬεｉｔ 是随机误差项ꎮ β０ 为 　 　 (一)模型设定 常数系数ꎬβ１ 为数字经济发展水平的系数ꎬβｚ 为控 制变量向量的系数集ꎮ β１ 为本文最关心的系数ꎬ如 为检验数字经济发展对能源强度的影响ꎬ构建 果 β１ 为负数ꎬ则表明数字经济发展有助于降低能源 强度ꎮ 为防止异方差问题ꎬ同时明确变量间的变化 如下基本模型: 弹性系数ꎬ本文将各变量的对数形式加入模型ꎮ ＬＮ( ＥＩ) ｉｔ ＝ β０ ＋ β１ＬＮ( Ｄｉｇｉｔａｌ) ｉｔ ＋ ( 二) 变量测度与说明 本文的被解释变量是地区的能源强度ꎬ核心解 βｚＬＮ( Ｚｉｔ ) ＋ λｔ ＋ θｉ ＋ εｉｔ (１) 式(１)中ꎬ下脚注 ｉ 和 ｔ 分别代表省(区、市) 和年份ꎬ ＬＮ( ＥＩ) ｉｔ 为能源强度ꎬＬＮ( Ｄｉｇｉｔａｌ) ｉｔ 为数字经济发展

　 总第 ２２５ 期　 　 　 　 　 　 岳书敬　 张鑫和:数字经济对能源强度的影响研究 ８３ 释变量为数字经济发展水平ꎮ 另外ꎬ为了控制其他 ６.对外贸易水平( ＦＴ) :分地区进出口贸易总额 变量对能源强度的影响ꎬ在模型中加入了能源价格、 与 ＧＤＰ 的比值ꎮ 绿色技术创新、外商直接投资、对外贸易水平和产业 结构等控制变量ꎮ 具体的变量释义如下所示: ７.产业 结 构 ( ＳＴ) : 分 地 区 第 三 产 业 增 加 值 与 ＧＤＰ 的比值ꎮ １.能源强度( ＥＩ) :分地区各行业能源消费总量 与地区 ＧＤＰ 的比值ꎮ ( 三) 数据来源和描述性统计 分地区 各 行 业 能 源 强 度、 ＦＤＩ、 第 三 产 业 增 加 ２.数字经济( Ｄｉｇｉｔａｌ) :上文测度得到的地区数 值、ＧＤＰ 和燃料价格指数的数据来源于« 中国统计 字经济发展水平指数ꎮ 年鉴» ꎻ数字 经 济 发 展 水 平 指 数 由 上 文 综 合 指 标 评 价计算得出ꎻ绿色发明占地区年度申请的专利总数 ３.能源价格( Ｐｒｉｃｅ) :使用各地区商品零售价格 百分比数据来源于 ＣＮＲＤＳ 数据库ꎻ地区进出口贸 指数中的燃料价格指数( 上年为 １００) 来度量ꎮ 易总额数据来源于 ＣＥＩＣ 中国经济数据库ꎮ 考虑到 数字经济发展指数的样本年限ꎬ本文所有变量的时 ４.绿色技术创新( ＧＴ) :用绿色发明占地区年度 间跨度为 ２０１１—２０１８ 年ꎮ 表 ２ 呈现了各相关变量 申请的专利总数百分比作为度量指标ꎮ 的描述性统计值ꎮ ５.外商直接投资( ＦＤＩ) :分地区外商直接投资总 额与 ＧＤＰ 的比值ꎮ 表 ２　 变量描述性统计 变量 单位 观测数 均值 标准差 最小值 最大值 ＬＮ ＥＩ ％ ２４０ －０.３３５ ０.４７８ －１.５１６ ０.７１９ ＬＮ Ｄｉｇｉｔａｌ — ２４０ －６.１５３ １.１３９ －９.４９９ －３.００５ ＬＮ Ｐｒｉｃｅ ％ ２４０ ４.６９２ ０.０６９３ ４.４９３ ４.８４３ ＬＮ ＧＴ ％ ２４０ ０.０２１２ ０.９２０ －２.５１０ １.０４０ ＬＮ ＦＤＩ ％ ２４０ －３.２７６ ０.８１９ －４.８７４ －１.３３５ ＬＮ ＦＴ ％ ２４０ －３.６２０ ０.９４３ －５.９３５ －１.４２８ ＬＮ ＳＴ ％ ２４０ －０.７９４ ０.１９２ －１.２１５ －０.１８５ 　 　 五、经验结果与讨论 式ꎬ分别使用省域数字经济专利数据和综合测算的 数字经济发展水平指数进行稳健性检验ꎬ结果分别 　 　 (一)基准回归结果 见第(４)、(５) 列ꎮ 从第( ４)、( ５) 列的结果可知ꎬ数 表 ３ 报告了数字经济对能源强度和能源消费影 字经济对能源强度的回归系数依然显著为负ꎬ在一 定程度上证实了模型的稳健性ꎮ 响的基准结果ꎮ 在第(１) 列仅使用数字经济发展水 平对能源强度进行回归ꎬ此时回归系数 为 － ０. ２２３ꎬ通 从回归结果来看ꎬ数字经济发展与能源强度之 过了 １０％的显著性水平检验ꎮ 结果表明ꎬ在不考虑 间呈现出一种“协同演进” 的态势ꎬ即数字经济发展 其他变量的情况下ꎬ地区数字经济发展水平每提高 水平越高ꎬ单位产值所消耗的能源越少ꎮ 这表明数 １％ꎬ当地的能源强度将下降 ０.２２３％ꎻ第(２) 列中加 字经济的技术内核可以与能源行业深度融合ꎬ提升 入了 ＦＤＩ 和对外贸易水平作为控制变量ꎬ此时回归 能源利用效率ꎮ 尤其是以物联网、大数据和云计算 系数为－０. ２１２ꎬ通过了 １０％ 的显著性水平检验ꎻ第 等为核心的数字技术可以有效提高能源采集效率、 ( ３) 列中继 续 加 入 了 能 源 价 格、 绿 色 技 术 创 新 和 产 强化在线互联程度、助力能源精准调度ꎬ实现能源供 业结构作为控制变量ꎬ此时回归系数为 － ０. ２４７ꎬ通 过 给环节的集约化、精细化、高效化ꎮ 比如国内的大唐 了 １％的显著性水平检验ꎮ 结果表明ꎬ在控制了其 集团有限公司通过先进通信技术和软件架构构建 他变量的影响后ꎬ数字经济水平每提高 １％ꎬ能源强 ３Ｄ 虚拟电厂ꎬ实现空间地理位置分散的聚合和协调 度将显著下降 ０.２４７％ꎮ 另外ꎬ为了增强回归结果的 优化ꎬ其智能控制系统实时管控生产电力过程、完成 稳健性ꎬ本文参考罗佳等[２５]９５－１０９ 、王军等[２６]２６－４２ 的方 能源储存与合理配置[２７]１０１９－１０２９ꎮ 当然ꎬ数字经济发展

８４ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 对能源强度影响的具体作用机制还有待进一步检验ꎮ 表 ３　 基准回归结果 变量 ＥＩ( １) ＥＩ( ２) ＥＩ( ３) ＥＩ( ４) ＥＩ( ５) Ｄｉｇｉｔａｌ － ０. ２１２ ∗ － ０. ２４７ ∗∗∗ － ０. ０９２ ∗∗ － ０. ９３８ ∗∗ － ０. ２２３ ∗ ( －１.９８) ( －－２.１１) ( －－２.３７) ＦＤＩ ( －１.８５) ( －３.０１) ＦＴ ０.１５４∗∗∗ ０.１６６∗∗∗ ０.１５７∗∗∗ Ｐｒｉｃｅ ( ２.８５) ０.１７６∗∗∗ ( －３.４７) ( －３.６１) ( ３.５５) ０.０９０ ０ ０.０８２ ０.１７４∗∗∗ ( １.３４) ０.０７４ ５ ( －１.４９) ( －２.９５) ( １.５７) ０.３４２ ０.３１２ ０.２７０ ( －０.８２) ( －１.０１) ( ０.６７) ＧＴ ０.０５９ ９ ０.０４９ ０.０５５ ( １.４６) ( －１.３７) ( ０.９７) ＳＴ ０.５９７∗∗ ０.６２５∗∗ ０.２８８ ( ２.６３) ( －２.７１) ( １.３５) ＿ｃｏｎｓ － １. ６６２ ∗ －０.７３７ －１.６９４ ０.４３９ －２.６６１ ( －２.０１) ( －０.９６) ( －０.８８) ( －０.２１) ( －０.１７) Ｎ ２４０ ２４０ ２４０ ２４０ １８０ 省(区、市)固定 是 是 是 是 是 年份固定 是 是 是 是 是 ａｄｊ－Ｒ２ ０.６４３ ０.６８９ ０.７３１ ０.７３３ ０.６５３ 　 　 注:∗∗∗、∗∗、∗分别代表 １％、５％、１０％ 的显著性水平ꎬ括号内数值为 ｔ 统计值ꎬ所有回归均采用了省( 区、市) 和年份层面的固定效应ꎬ下同ꎮ 　 　 (二)内生性问题处理 表 ４ 中ꎬ第(１) 列为数字经济发展对能源强度 基准模型或存在一定程度的内生性问题:一方 关系的一阶段回归结果ꎬ回归系数显示工具变量与 内生变量显著正相关ꎬ满足相关性假设ꎻ第( ２) 列为 面ꎬ不可观测因素可能同时影响数字经济发展和能 源强度ꎬ导致遗漏变量问题ꎻ另一方面ꎬ地区经济发 表 ４　 工具变量回归结果 展水平越高ꎬ其 ＩＴＣ、互联网和数字治理等产业一般 发展越好ꎬ数字经济水平一般也越高ꎬ这可能导致反 ＩＶ ＥＩ 向因果问题ꎮ 为此ꎬ本文通过工具变量检验数字经 Ｄｉｇｉｔａｌ 第一阶段 第二阶段 济发展对能源强度的真实效应ꎮ 控制变量 (１) (２) 借鉴黄群慧等的方法ꎬ采用各地区历史邮电数 ０.３９１∗∗∗ 据作为数字经济发展水平的工具变量[２８]１６ꎮ 其逻辑 在于ꎬ首先互联网作为传统通信技术的延续发展ꎬ当 ( ５.９０) 地历史上的电信基础设施会从技术水平和使用习惯 － ０. ２６０ ∗∗ 等因素影响到后续阶段互联网技术的应用ꎬ满足相 ( －２.１６) 关性ꎻ其次ꎬ传统电信工具对经济发展的影响随着使 用频率下降而逐渐式微ꎬ满足排他性ꎮ 结合数据可 是是 得性ꎬ本文利用 １９９９ 年分地区邮电业务总量作为工 具变量ꎬ并使用互联网宽带接入端口数作为邮电业 省( 区、市) 是是 务总量指标的交乘项ꎬ构造出最终的时变工具变量ꎮ 利用两阶段最小二乘方法( ２ＳＬＳ) 进行进一步分析 年份 是 是 检验ꎮ 工具变量相关数据来源于国家统计局ꎬ回归 结果见表 ４ꎮ 常数项 － ５. ８０４ ∗∗∗ － ２. ４７２ ∗∗ ( －３.５１) ( －２.０２) Ｎ ２４０ ａｄｊ－Ｒ２ ２４０ ０.９６５ Ｋｌｅｉｂｅｒｇｅｎ－Ｐａａｐ ｒｋ ＬＭ ｓｔａｔｉｓｔｉｃ ０.９９０ Ｃｒａｇｇ－Ｄｏｎａｌｄ Ｗａｌｄ Ｆ ｓｔａｔｉｓｔｉｃ ６７.９２４∗∗∗ Ｋｌｅｉｂｅｒｇｅｎ－Ｐａａｐ Ｗａｌｄ ｒｋ Ｆ ｓｔａｔｉｓｔｉｃ ６４７.２５７ ７０５.１５１

　 总第 ２２５ 期　 　 　 　 　 　 岳书敬　 张鑫和:数字经济对能源强度的影响研究 ８５ 数字经济发展对能源强度关系的二阶段回归结果ꎬ 其次ꎬ本文对控制变量进行滞后一期的处理ꎬ表 ５ 第 系数显示数字经济发展对能源强度具有抑制效果ꎬ 在 ５％水平上显著ꎬ与基准回归结果相符ꎮ 工具变 (３)列报告了具体的回归结果ꎮ 在对控制变量进行 量的回归系数显示ꎬ平均来看ꎬ数字经济发展水平每 提高 １％ꎬ可以使能源强度降低 ０.２６％ꎮ 这说明基准 滞后一期处理后ꎬ数字经济的回归系数 为 － ０. ３２７ꎬ通 回归模型低估了数字经济 ５.２６％的作用效果ꎮ 过 １％的显著性检验ꎮ 这说明在剔除反向因果问题 ( 三) 稳健性检验 为了避免变量、指标、样本选择偏误和模型设定 后ꎬ数字经济发展对于能源强度的下降仍然具有显 错误等问题导致的估计偏差ꎬ进一步通过替换核心变 量、滞后变量和面板分位数模型等进行稳健性检验ꎮ 著解释力ꎮ １.替换衡量指标 能源利用过程会伴随着二氧化碳( ＣＯ２) 的大量 ３.分位数面板回归 排放ꎬ因此采用单位产出 ＣＯ２ 排放量 ＩＰＣＣ 部门法 的二氧化碳排放量是根据能源消费数据和排放因子 以上计量分析是基于平均值角度展开ꎬ没有具 计算的ꎬ数据来源于 ＣＥＡＤＳ 数据库ꎬ具体用法参考 Ｓｈａｎ 等 “ Ｃｈｉｎａ ＣＯ２ ｅｍｉｓｓｉｏｎ ａｃｃｏｕｎｔｓ ２０１６—２０１７. 体考察不同能源强度地区数字经济发展的作用差 Ｓｃｉｅｎｔｉｆｉｃ Ｄａｔａ” ( 碳 强 度) 作 为 能 源 强 度 的 替 代 指 标ꎮ 这种替代可能在总量上低估能源强度ꎬ但可以 异ꎮ 本文进一步利用分位数回归模型进行检验ꎮ 此 消除垄断性定价的影响ꎬ降低能源成本不一致的问 题ꎮ 表 ５ 报告了替换被解释变量的回归结果ꎬ其中ꎬ 方法可由解释变量估计被解释变量的条件分位数ꎬ 第(１) 列结果表明ꎬ数字经济回归系数为－０.２７０ꎬ在 １％水平下显著ꎮ 这说明使用碳强度作为能源强度 相比于 ＯＬＳ 模型能够得出更稳健的估计结果ꎮ 本 的替代指标后ꎬ数字经济发展水平的作用系数仍然 显著ꎬ证明了本文模型的稳健性ꎮ 文选取 １５％、３０％、４５％、６０％、７５％和 ９０％作为分位点 ２.滞后一期变量 为了避免核心变量间的反向因果问题ꎬ本文首 进行回归ꎮ 参数估计时ꎬ使用自适应 ＭＣＭＣ 算法进 先将滞后一期的解释变量加入模型ꎬ回归结果见表 ５ꎮ 表 ５ 第 ( ２) 列 显 示ꎬ 数 字 经 济 的 回 归 系 数 为 行重复抽样估计ꎬ设置抽签次数为 １ ０００ 次ꎬ系统排除 －０.２６０ꎬ通过 １％的显著性检验ꎬ表明在滞后解释变 量后ꎬ数字经济与能源强度的负向关系仍然成立ꎮ 次数设置为 １００ 次ꎬ算法接受率设置为 ０.５ꎬ模型同时 固定了年份和省(区、市)效应ꎮ 回归结果见表 ６ꎮ 表 ６ 显示在不同分位点上ꎬ数字经济对能源强 度均具有显著的抑制作用ꎮ 并且随着能源强度由低 分位点向高分位点上升ꎬ数字经济对能源强度的抑 制效果呈现出一定的上升趋势ꎮ 在 ７５％ 分位数水 平下ꎬ数字 经 济 对 能 源 强 度 的 抑 制 效 用 达 到 最 大ꎮ 这说明在能源强度高的地区ꎬ数字经济对能源强度 的抑制作用更大ꎬ在能源强度较低的地区ꎬ抑制作用 有所减弱ꎬ总体呈现出边际效用递减的特征ꎮ 分位 数回归 结 果 表 明ꎬ 数 字 经 济 对 高 能 源 强 度 地 区 的 “治理”效果更好ꎮ 其原因可能在于ꎬ高能源强度地 区的数字能源技术应用尚不广泛ꎬ其能源强度还存 在较大的优化空间ꎬ“ 能源＋数字化” 的边际融合能 够带来较好的“强度改进”ꎮ 另外ꎬ相比于其他控制 表 ５　 稳健性检验结果 变量ꎬ数字经济对低能源强度地区的“ 治理” 效果也 替换被 滞后 １ 期 滞后一期 更为突出ꎮ 这说明尽管数字经济具有异质性的能源 解释变量 解释变量 控制变量 治理效应ꎬ但在众多影响因素中ꎬ数字经济对能源效 (１) (２) (３) 率的改进作用仍处于核心位置ꎮ － ０. ２７０ ∗∗∗ － ０. ２６０ ∗∗∗ －.３２７∗∗∗ Ｄｉｇｉｔａｌ ( －３.０２) ( －３.０８) ( －４.１４) ( 四) 数字经济对能源强度的机制检验 是 是 控制变量 是 是 是 根据前文的机制分析ꎬ数字经济主要通过促进 省( 区、市) 是 是 是 是 技术进步和制造业升级降低能源强度ꎮ 本部分构建 年份 ２４０ ２４０ Ｎ ２４０ 如下回归模型进行作用机制的检验: ０.６９７ ０.６９９ ａｄｊ.Ｒ２ ０.６７１ ＥＩｉｔ ＝ β０ ＋ β１ Ｄｉｇｉｔａｌｉｔ ＋ βｚ Ｚｉｔ(１) ＋ λ１ｔ ＋ θ１ｉ ＋ ε１ｉｔ (２)

８６ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 表 ６　 分位数回归结果 (１) (２) (３) (４) (５) (６) １５％ ３０％ ４５％ ６０％ ７５％ ９０％ Ｄｉｇｉｔａｌ － ０. ２２６ ∗∗∗ － ０. ２７１ ∗∗∗ － ０. ２８９ ∗∗∗ － ０. ３９２ ∗∗∗ － ０. ４４７ ∗∗∗ － ０. ３０６ ∗∗∗ ( －３２.６０) ( －７.１０) ( －２３１１.９８) ( －１４.０３) ( －４０.４８) ( －４２.４３) ＦＤＩ － ０. １５８ ∗∗∗ －０.０４７９ － ０. ０７５３ ∗∗∗ －０.０１７２ ０.０５８７∗∗∗ － ０. ０９０４ ∗∗∗ ( －６９.５２) ( －０.４５) ( －２０２.２５) ( －０.７３) ( ４.０１) ( －７.０１) ＦＴ ０.１０２∗∗∗ －０.０３２２ ０.００９７０∗∗∗ －０.０４６２ － ０. ０２００ ∗ － ０. ０８１４ ∗∗∗ ( ３２.７９) ( －０.７１) ( ４６.９１) ( －０.６６) ( －１.７２) ( －３.６３) Ｐｒｉｃｅ ０.２１１∗∗∗ ０.１９１ － ０. ０４７６ ∗∗∗ － ２. ４６７ ∗∗∗ － １. ７３０ ∗∗∗ ０.３７１∗∗ ( ７.２０) ( ０.５０) ( －１８.７１) ( －２.９７) ( －１２.５０) ( ２.１５) ＧＴ ０.１１８∗∗∗ ０.１１８∗∗∗ ０.０８４７∗∗∗ －０.０５４７ ０.２６２∗∗∗ ０.１１８∗∗∗ ( ２４.００) ( ４.０３) ( ２９５.４３) ( －０.７１) ( １３.５７) ( ８.９０) ＳＴ ０.１３６∗∗ ０.１５６ ０.０３４３∗∗∗ － ０. ２６０ ∗∗ １.０８６∗∗∗ ０.５５０∗∗∗ ( ２.５７) ( ０.６１) ( ２３.６０) ( －２.２１) ( ６.９６) ( ４.５９) 是 是 是 年份 是 是 是 是 是 是 是 ２４０ 是 ２４０ ２４０ 省( 区、市) 是 ２４０ ２４０ Ｎ ２４０ Ｍｅｄｉｔ ＝ δ０ ＋ δ１ Ｄｉｇｉｔａｌｉｔ ＋ δｚ Ｚｉｔ(２) ＋ 级ꎮ 具体的ꎬ本文使用 Ｒ＆Ｄ 经费支出作为技术进步 ( Ｔｅｃｈｎｏｌｏｇｙ) 的代理变量ꎬ使用第二产业增加值占 λ２ｔ ＋ θ２ｉ ＋ ε２ｉｔ (３) ＧＤＰ 比重作为制造业升级( Ｍａｎｕｆａｃｔｕｒｅ) 的代理变 量ꎮ 式(３)和(４)中的其余变量与式(２)相同ꎮ ＥＩｉｔ ＝ ρ０ ＋ ρ１Ｄｉｇｉｔａｌｉｔ ＋ ρ２Ｍｅｄｉｔ ＋ 机制检验回归结果如表 ７ 所示ꎮ 第(２) 列 Ｄｉｇ￣ ρｚ Ｚｉｔ(３) ＋ λ３ｔ ＋ θ３ｉ ＋ ε３ｉｔ (４) ｉｔａｌ 的系数为 ０.３７７ꎬ在 １％水平下显著ꎬ表明数字经 式( ２) 与前文的方程 ( １) 相同ꎬ式 ( ３) 和 ( ４) 中的 Ｍｅｄｉｔ 为机制变量ꎬ 其含义为技术进步和制造 业 升 表 ７　 机制检验结果 变量 ＥＩ Ｔｅｃｈｎｏｌｏｇｙ ＥＩ Ｍａｎｕｆａｃｔｕｒｅ ＥＩ (１) (２) (３) (４) (５) Ｄｉｇｉｔａｌ － ０. ２４７ ∗∗∗ － ０. １７１ ∗∗ ( －３.０２) ０.３７７∗∗∗ － ０. １１１ ∗ ０.１０３∗∗∗ ( －２.１２) Ｔｅｃｈｎｏｌｏｇｙ ( ２.９８) ( －１.８５) ( ３.３２) 是 － ０. ７４０ ∗∗ Ｍａｎｕｆａｃｔｕｒｅ 是 是 － ０. ３６２ ∗∗∗ ( －２.１０) 控制变量 是 是 ( －４.２８) 省( 区、市) ２４０ 是 是 ０.７３１ ２４０ 是 是 是 年份 ０.８４３ 是 是 是 Ｎ 是 是 ２４０ ２４０ ２４０ ０.７５５ ａｄｊ.Ｒ２ ０.７８７ ０.９０２ 济发展对技术进步有显著的推动作用ꎬ数字经济水 用能源强度的机制变量ꎮ 第(４) 列 Ｄｉｇｉｔａｌ 的系数为 平每提高 １％ꎬ技术进步提高了 ０. ３７７％ꎮ 第( ３) 列 ０.１０３ꎬ在 １％的水平下显著ꎬ说明数字经济发展对制 中 Ｄｉｇｉｔａｌ 和 Ｔｅｃｈｎｏｌｏｇｙ 的系数均显著为负ꎬ表明控 造业升级有显著的推动作用ꎬ数字经济水平每提高 制了技术进步机制变量后ꎬ数字经济对能源强度影 １％ꎬ制造业水平提高了 ０.１０３％ꎮ 第(５) 列中 Ｄｉｇｉｔａｌ 响的直接、间接效应均显著ꎬ技术进步是数字经济作 和 Ｍａｎｕｆａｃｔｕｒｅ 的系数均显著为负ꎬ表明控制了制造

　 总第 ２２５ 期　 　 　 　 　 　 岳书敬　 张鑫和:数字经济对能源强度的影响研究 ８７ 业升级机制变量后ꎬ数字经济对能源强度影响的直 现ꎬ数字经济主要通过影响电力消费降低能源强度ꎬ 接、间接效应也均显著ꎬ制造业升级是数字经济影响 该结论与中国社会发展的典型事实相符:数字经济 能源强度的作用渠道之一ꎮ 综上ꎬ机制检验结果表 作为一种新型的经济活动ꎬ主要通过以互联网为代 明ꎬ数字经济主要通过技术进步和制造业升级两个 表的新一代信息技术与消费和生产领域交叉融合促 渠道降低地区能源强度ꎬ证实了假说 ２ꎮ 进社会进步ꎮ 其中ꎬ电子商务、共享经济、金融科技、 智能制造等各板块的发展都依托于电力系统的支 　 　 六、进一步分析 撑ꎮ 数字经济发展在消耗电力的同时带动了经济的 增长ꎬ总体上实现了电力消费强度的降低ꎮ 　 　 (一)能源异质性分析 数字经济对能源强度的抑制效果是否会因能源 ( 二) 数字经济分维度分析 数字经济由数字产业化、产业数字化、数据价值 种类的差别而不同ꎬ即是否存在能源异质性ꎮ 具体 化和数字化治理 ４ 个维度组成ꎬ本部分从这 ４ 个维 来看ꎬ中国的能源消费主要包括煤炭、电力、天然气 度出发ꎬ分别考虑数字经济不同维度对能源强度的 和原油等ꎮ 为梳理数字经济对具体能源消费强度的 影响ꎮ 使用熵权法计算得到的权重进行分维度加 影响ꎬ并结合数据可得性部分省( 区、市) 的原油消 总ꎬ得到数字产业化、产业数字化、数据价值化和数 费数据缺失ꎬ故本文未将原油消费强度纳入回归模 字化治理各自的发展指数ꎬ将其作为解释变量带入 型ꎬ本文分别检验了数字经济对煤炭消费强度、电力 模型(１)中进行参数估计ꎮ 结果如表 ９ 所示ꎮ 消费强度和天然气消费强度的影响情况ꎮ 分品种的 能源强度是指:一个地区在一定时间内分品种能源 表 ９　 数字产业化、产业数字化、数据价值化 的实际消耗与 ＧＤＰ 的比值ꎮ 结果如表 ８ 所示ꎮ 和数字化治理对能源强度的影响 表 ８　 数字经济发展对电力强度、煤炭强度和 ＥＩ ＥＩ ＥＩ ＥＩ 天然气强度的回归结果 (１) (２) (３) (４) 数字产业化 －０.３２７∗∗ 电力强度 煤炭强度 天然气强度 ( －１.９９) － ０. ３２８ ∗ (１) (２) (３) ( －１.６８) 产业数字化 ０.１２１ －０.０１２５ 是 Ｄｉｇｉｔａｌ －０.３４８∗∗∗( －４.０４) ( ０.９５) ( －０.０５) 是 －０.０８９ ６∗ 是 ( －１.７２) 控制变量 是 是 是 数据价值化 ２４０ 省( 区、市) 是 是 是 ０.９５１ 是 是 是 数字化治理 是 是 －０.４２４ 年份 ２４０ ２４０ 是 是 ( －１.６２) ２４０ ０.０５４ ０.６４７ 控制变量 是 是 Ｎ 省( 区、市) 是 ａｄｊ.Ｒ２ ０.３８９ ２４０ ２４０ 是 年份 是 　 　 表 ８ 第(１)列展示了数字经济发展对电力强度 Ｎ ０.９６０ ０.９４９ ２４０ 的影响ꎬ作用系数为－ ０.３４８ꎬ且通过了 １％ 的显著性 检验ꎮ 回归结果表明ꎬ 数字经济发展水平每提高 ａｄｊ.Ｒ２ ０.９５３ １％ꎬ可以使电力强度下降 ０.３４８％ꎬ相比于前文对加 总能源强度的回归结果ꎬ数字经济发展对电力强度 　 　 表 ９ 第(１)列报告了数字产业化对能源强度的 的影响更大ꎻ第(２) 列报告了数字经济发展对煤炭 影响ꎬ作用系数为 － ０. ３２７ꎬ通过 ５％ 的显著性检验ꎮ 强度的影响ꎬ回归系数为 ０.１２１ꎬ但不显著ꎬ结果表明 结果表明ꎬ数字产业化水平每提高 １％ꎬ可使能源强 数字经济发展并不能降低煤炭消费强度ꎻ第(３) 列 度下降 ０.３２７％ꎮ 第( ２) 列报告了产业数字化对能 报告了数字经济发展对天然气强度的影响ꎬ回归系 源强度的影响ꎬ回归系数为－０.３２８ꎬ通过 １０％的显著 数为－０.０１２５ꎬ但不显著ꎬ结果表明ꎬ数字经济发展可 性检验ꎮ 结果表明ꎬ产业数字化水平每提高 １％ꎬ可 能在一定程度上降低了天然气的消费强度ꎬ但该结 使能源强度下降 ０.３２８％ꎮ 第( ３) 列报告了数据价 论的有效性缺乏显著性支撑ꎮ 通过分品种回归发 值化对能源强度的影响ꎬ回归系数为 － ０.０８９６ꎬ通过 １０％的显著性检验ꎮ 结果表明ꎬ数据价值化水平每 提高 １％ꎬ可使能源强度下降 ０.０８９６％ꎮ 第( ４) 列报

８８ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 告了数字化治理对能源强度的影响ꎬ回归系数为－０. 步检验ꎬ结果如表 １１ 所示ꎮ ４２４ꎬ但不显著ꎮ 总体来看ꎬ产业数字化、数字产业化 和数据价值化对能源强度产生了负向依次减弱的影 表 １１　 数字经济对东、中、西部地区能源强度的影响 响ꎬ而数字化治理对能源强度的作用尚未显现ꎮ Ｄｉｇｉｔａｌ 东部地区 中部地区 西部地区 ( 三) 能源强度分解的作用分析 (１) (２) (３) 能源强度是能源消费和经济增长的复合ꎬ其系 控制变量 数反映了对数字经济“能耗－经济” 双重效用的相对 省( 区、市) －０.０４９ － ０. ４８６ ∗∗∗ －０.１８２ 测度ꎮ 数字经济可能通过影响能源消费或经济产出 ( －１.０５) ( －３.４６) ( －０.９７) 对能源强度产生作用ꎬ所以有必要从指标分解角度 年份 是 进行检验分析ꎮ 本文将地区 ＧＤＰ 产值和能源消费 Ｎ 是 是 是 总量作为被解释变量进行回归检验ꎮ 结果如表 １０ 是 是 是 所示ꎮ ａｄｊ.Ｒ２ 是 ７２ 是 ９６ ７２ ０.９２１ ０.９８２ ０.９５６ 表 １０　 数字经济对经济增长和能源消费的影响 由表 １１ 可知ꎬ数字经济对东、中、西部地区能源 强度的影响均为负ꎬ数字经济的作用方向与前文仍 Ｄｉｇｉｔａｌ 经济增长 能源消费 然一致ꎮ 从系数绝对值大小来看ꎬ数字经济对中部 (１) (２) 地区能源强度的抑制作用最大ꎬ其次分别是西部地 控制变量 区和东部地区ꎬ其中仅中部地区的回归系数在 １％ 省( 区、市) ０.８３５６∗∗∗ －０.０５７９ 的水平下显著ꎮ 这表明ꎬ东、西部地区在数字经济和 ( ５.１６) ( －０.７２) 能源强度协同演进方面还有优化空间ꎮ 值得一提的 年份 是 是ꎬ国家发 改 委 在 ２０２２ 年 正 式 全 面 启 动 “ 东 数 西 Ｎ 是 是 算” 工程ꎬ通过全国一体化的数据中心布 局建设ꎬ提 是 是 高算力使用效率ꎬ实现全国算力规模化集约化发展ꎮ ａｄｊ.Ｒ２ ２４０ 是 这在一定程度上与该研究结论形成映射ꎮ ２４０ ０.９８６ 　 　 七、结论与建议 ０.９９２ 　 　 本文从数据价值化、数字产业化、产业数字化、 表 １０ 第(１) 列为数字经济对经济增长的回归 数字化治理四个维度构建数字经济发展水平评价体 结果ꎬ回归系数为 ０.８３５ ６ꎬ在 １％ 的水平下显著ꎬ说 系ꎬ测度 ２０１１—２０１８ 年中国分地区数字经济发展水 明数字经济发展对经济增长具有显著的促进作用ꎮ 平ꎬ并进一步探究数字经济发展对能源强度的影响ꎮ 第( ２) 列为 数 字 经 济 对 能 源 消 费 的 回 归 结 果ꎬ 回 归 具体结论概括如下: 系数为－０.０５７ ９ꎬ但并不显著ꎮ 这说明数字经济发 展与能源消费之间或许存在“ 二律背反” 的关系ꎮ 第一ꎬ２０１１—２０１８ 年ꎬ中国 ３０ 个省( 区、市) 的 正如前文所述ꎬ数字经济发展通过“ 直接效应” 增加 数字经济发展水平具有整体提升、结构固化的趋势ꎬ 能源消费ꎬ并且通过“回弹效应” 进一步放大能源消 地区间数字经济发展差异显著ꎬ呈现出强者恒强的 费规模ꎮ 直接效应与回弹效应的叠加对冲了数字化 马太效应ꎮ 发展带来的“ 效率改进效应” ꎬ从而使得数字经济发 展对能源消费的作用系数并不显著ꎮ 这说明目前中 第二ꎬ数字经济发展对能源强度具有显著的抑 国的数字经济发展对能源强度的影响主要体现在 制效果ꎮ 并且对于低能源强度地区ꎬ数字经济的这 “ 经济促进” 效应上ꎬ其对能源消费总量的影响并不 种抑制效果有所减弱ꎬ作用强度呈现出边际递减的 显著ꎬ即数字经济对能源 强 度 的 抑 制 效 果 是 一 种 特征ꎮ 机制分析表明ꎬ数字经济发展通过促进技术 “ 稀释” 作用ꎬ而非真实的“ 节能” 作用ꎮ 进步和制造业升级引致能源强度降低ꎮ ( 四) 区域异质性分析 第三ꎬ能源分类回归结果表明ꎬ数字经济发展主 考虑到不同地区自然禀赋、产业结构差异ꎬ数字 要通过降低电力强度来降低能源强度ꎬ其对煤炭强 经济对地区能源强度的影响可能存在异质性ꎬ将不 度和天然气强度的作用并不显著ꎻ数字经济分维度 同省( 区、市) 按照东、中、西进行区域划分进行进一

　 总第 ２２５ 期　 　 　 　 　 　 岳书敬　 张鑫和:数字经济对能源强度的影响研究 ８９ 回归结果表明ꎬ产业数字化、数字产业化和数据价值 [５] ＬＡＮＧＥ ＳꎬＳＡＮＴＡＲＩＵＳ ＴꎬＰＯＨＬ Ｊ .Ｄｉｇｉｔａｌｉｚａｔｉｏｎ ａｎｄ Ｅｎｅｒ￣ 化对能源强度产生了负向依次减弱的影响ꎬ而数字 ｇｙ Ｃｏｎｓｕｍｐｔｉｏｎ. Ｄｏｅｓ ＩＣＴ Ｒｅｄｕｃｅ Ｅｎｅｒｇｙ Ｄｅｍａｎｄ? [ Ｊ] . 化治理的作用尚未显现ꎻ能源强度分解回归结果表 Ｅｃｏｌｏｇｉｃａｌ Ｅｃｏｎｏｍｉｃｓꎬ２０２０(１０) . 明ꎬ现阶段数字经济发展主要通过促进经济增长来 降低能源强度ꎬ其对能源消费的直接抑制效果并不 [６]赵涛ꎬ张智ꎬ梁上坤. 数字经济、创业活跃度与高质量发 显著ꎮ 区域异质性分析表明ꎬ数字经济对中部地区 展:来自中国城市的经验证据[ Ｊ] .管理世界ꎬ２０２０(１０) . 的能源强度具有显著的抑制作用ꎬ对于东、西部的抑 制作用不显著ꎮ [ ７] 刘航ꎬ伏霖ꎬ李涛ꎬ等. 基于中国实践的互联网与数字经济 研究:首届互联网与数字经济论坛综述[ Ｊ]. 经济研究ꎬ 本研究具有重要的政策意义ꎮ 首先ꎬ数字经济 ２０１９(３) . 发展有利于降低能源强度ꎬ相关部门应进一步推动 数字经济发展ꎬ加强数字技术在能源行业的融合应 [ ８] 张勋ꎬ万广华ꎬ张 佳 佳ꎬ等. 数字 经 济、普 惠 金 融 与 包 容 性 用ꎬ提高能源利用的经济效率ꎻ其次ꎬ数字经济对能 增长[ Ｊ] .经济研究ꎬ２０１９(８) . 源消费的影响并不显著ꎬ各地区在发展数字经济时 要做好能耗评价ꎬ要重视数字化设备( 如大型服务 [９]杨慧梅ꎬ江璐.数字经济、空间效应与全要素生产率[ Ｊ]. 器、数字中心等) 建设使用过程中的直接能耗ꎬ推进 统计研究ꎬ２０２１(４) . 数据中心向高效、清洁、集约、循环方向转变ꎬ加强绿 色数据中心建设ꎻ第三ꎬ数字经济发展对能源强度的 [１０] 谢康ꎬ廖雪华ꎬ肖静华.效率与公平不完全相悖:信息化 作用效果边际递减ꎬ针对高能源强度地区ꎬ应重视数 与工业化融合视角[ Ｊ] .经济研究ꎬ２０２１(２) . 字化建设的经济效应ꎬ通过数字经济发展带动经济 增长ꎬ实现能源强度下降ꎮ 对于低能源强度地区ꎬ应 [１１] 张伟ꎬ朱启贵ꎬ高辉.产业结构升级、能源结构优化与产 重视数字化设备本身绿色节能属性的建设ꎬ通过技 业体系低碳化发展[ Ｊ] .经济研究ꎬ２０１６(１２) . 术突破、政策规制等手段发挥数字经济的“ 真实节 能”作用ꎮ 最后ꎬ现阶段数字经济对能源强度的抑 [１２] 沈小波ꎬ陈语ꎬ林伯强.技术进步和产业结构扭曲对中国 制作用是一种“ 稀释” 作用ꎬ而非真实的“ 节能” 作 能源强度的影响[ Ｊ] .经济研究ꎬ２０２１(２) . 用ꎮ 发展数字经济时ꎬ应重点提高数字技术效率水 平ꎬ完善数字设备全生命周期管理和能效管理机制ꎬ [１３] 祝树金ꎬ谢煜ꎬ吴德胜.制造业服务化的节能效应及其中 加强对节能减排类数字技术、设备的研发与支持ꎬ真 介机制研究[ Ｊ] .财贸经济ꎬ２０２０(１１) . 正激发数字经济的节能降耗潜力ꎮ [ １４] ＬＩＮ Ｂ ＱꎬＺＨＵ ＪＰ.Ｉｍｐａｃｔ ｏｆ Ｃｈｉｎａ’ ｓ Ｎｅｗ－ｔｙｐｅ Ｕｕｒｂａｎｉｚａ￣ 参考文献: ｔｉｏｎ ｏｎ Ｅｅｎｅｒｇｙ Ｉｉｎｔｅｎｓｉｔｙ:Ａ Ｃｃｉｔｙ－ｌｅｖｅｌ Ａｎａｌｙｓｉｓ[ Ｊ] .Ｅｎｅｒ￣ ｇｙ Ｅｃｏｎｏｍｉｃｓ ２０２１. [ １] 周倩玲ꎬ方时姣. 地区能源禀赋、企业异质性和能源效率: 基于微观全行业企业样本数据的实证分析[ Ｊ]. 经济科 [１５] ＬＵＡＮ Ｂ ＪꎬＺＯＵ ＨꎬＣＨＥＮ Ｓ Ｘꎬｅｔ ａｌ.Ｔｈｅ Ｅｆｆｅｃｔ ｏｆ Ｉｎｄｕｓｔｒｉ￣ 学ꎬ２０１９(２) . ａｌ Ｓｔｒｕｃｔｕｒｅ Ａｄｊｕｓｔｍｅｎｔ ｏｎ Ｃｈｉｎａ’ ｓ Ｅｎｅｒｇｙ Ｉｎｔｅｎｓｉｔｙ: Ｅｖｉ￣ ｄｅｎｃｅ ｆｒｏｍ ｌｉｎｅａｒ ａｎｄ Ｎｏｎｌｉｎｅａｒ Ａｎａｌｙｓｉｓ.Ｅｎｅｒｇｙꎬ２０２１. [２]莫建雷ꎬ段宏波ꎬ范英ꎬ等. « 巴黎协定» 中我国能源和气 候政策目标:综合评估与政策选择[ Ｊ] . 经济研究ꎬ２０１８ [１６] 邬彩霞ꎬ高媛.数字经济驱动低碳产业发展的机制与效 ( ９) . 应研究[ Ｊ] .贵州社会科学ꎬ２０２０(１１) . [ ３] 柏培文ꎬ张云. 数 字经济、人 口红 利 下降 与 中 低 技 能 劳 动 [１７] 张三峰ꎬ魏下海.信息与通信技术是否降低了企业能源 者权益[ Ｊ] .经济研究ꎬ２０２１(５) . 消耗:来自中国制造业企业调查数据的证据[ Ｊ].中国工 业经济ꎬ２０１９(２) . [４ ] ＨＥＤＤＥＧＨＥＭ Ｗ Ｖꎬ ＬＡＭＢＥＲＴ Ｓꎬ ＬＡＮＮＯＯ Ｂꎬ ｅｔ ａｌ. Ｔｒｅｎｄｓ ｉｎ Ｗｏｒｌｄｗｉｄｅ ＩＣＴ Ｅｌｅｃｔｒｉｃｉｔｙ Ｃｏｎｓｕｍｐｔｉｏｎ Ｆｒｏｍ [１８] ＬＵ Ｗ Ｃ. Ｔｈｅ Ｉｍｐａｃｔｓ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ２００７ ｔｏ ２０１２[ Ｊ] .Ｃｏｍｐｕｔｅｒ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓꎬ２０１４(９) . Ｔｅｃｈｎｏｌｏｇｙꎬ Ｅｎｅｒｇｙ Ｃｏｎｓｕｍｐｔｉｏｎꎬ Ｆｉｎａｎｃｉａｌ Ｄｅｖｅｌｏｐｍｅｎｔꎬ ａｎｄ Ｅｃｏｎｏｍｉｃ Ｇｒｏｗｔｈ ｏｎ Ｃａｒｂｏｎ Ｄｉｏｘｉｄｅ Ｅｍｉｓｓｉｏｎｓ ｉｎ １２ Ａ￣ ｓｉａｎ Ｃｏｕｎｔｒｉｅｓ [ Ｊ] . Ｍｉｔｉｇａｔｉｏｎ ａｎｄ Ａｄａｐｔａｔｉｏｎ Ｓｔｒａｔｅｇｉｅｓ ｆｏｒ Ｇｌｏｂａｌ Ｃｈａｎｇｅꎬ２０１８(２３) . [１９] ＲＥＮ Ｓ ＹꎬＨＡＯ ＹꎬＸＵ Ｌꎬｅｔ ａｌ. Ｄｉｇｉｔａｌｉｚａｔｉｏｎ ａｎｄ Ｅｎｅｒｇｙ: Ｈｏｗ Ｄｏｅｓ Ｉｎｔｅｒｎｅｔ Ｄｅｖｅｌｏｐｍｅｎｔ Ａｆｆｅｃｔ Ｃｈｉｎａ’ ｓ Ｅｎｅｒｇｙ Ｃｏｎ￣ ｓｕｍｐｔｉｏｎ? [ Ｊ] Ｅｎｅｒｇｙ Ｅｃｏｎｏｍｉｃｓꎬ２０２１. [２０] ＣＥＣＣＯＮＥＬＬＩ ＭꎬＧＩＴＴＯ ＳꎬＭＡＮＣＵＳＯ Ｐ.ＩＣＴ Ｃａｐｉｔａｌ ａｎｄ Ｌａｂｏｕｒ Ｐｒｏｄｕｃｔｉｖｉｔｙ Ｇｒｏｗｔｈ:Ａ Ｎｏｎ － ｐａｒａｍｅｔｒｉｃ Ａｎａｌｙｓｉｓ ｏｆ １４ ＯＥＣＤ Ｃｏｕｎｔｒｉｅｓ [ Ｊ] . Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｐｏｌｉｃｙꎬ ２０１２ ( ４) . [２１] ＶＡＳＳＩＬＥＶＡ ＩꎬＷＡＬＬＩＮ ＦꎬＤＡＨＬＱＵＩＳＴ Ｅ. Ｕｎｄｅｒｓｔａｎｄｉｎｇ

９０ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 Ｅｎｅｒｇｙ Ｃｏｎｓｕｍｐｔｉｏｎ Ｂｅｈａｖｉｏｒ ｆｏｒ Ｆｕｔｕｒｅ Ｄｅｍａｎｄ Ｒｅｓｐｏｎｓｅ 全要素生产率:来自上市公司专利数据的证据[ Ｊ].财经 Ｓｔｒａｔｅｇｙ Ｄｅｖｅｌｏｐｍｅｎｔ[ Ｊ] .Ｅｎｅｒｇｙꎬ２０１２(１) . 研究ꎬ２０２３(２) . [２２] ＭＩＡＯ Ｚ . Ｄｉｇｉｔａｌ Ｅｃｏｎｏｍｙ Ｖａｌｕｅ Ｃｈａｉｎ: Ｃｏｎｃｅｐｔꎬ Ｍｏｄｅｌ [２６] 王军ꎬ朱杰ꎬ罗茜. 中国数字经济发展水平及演变测度 Ｓｔｒｕｃｔｕｒｅꎬ ａｎｄ Ｍｅｃｈａｎｉｓｍ [ Ｊ ] . Ａｐｐｌｉｅｄ Ｅｃｏｎｏｍｉｃｓꎬ ２０２１ [ Ｊ] .数量经济技术经济研究ꎬ２０２１(７) . ( ２) . [２７] 陈晓红ꎬ胡东滨ꎬ曹文治ꎬ等. 数字技术助推我国能源行 [２３] 许宪春ꎬ张美慧.中国数字经济规模测算研究:基于国际 业碳中和目标实现的路径探析[ Ｊ]. 中国科学院院刊ꎬ 比较的视角[ Ｊ] .中国工业经济ꎬ２０２０(５) . ２０２１(９) . [２４] 郭峰ꎬ王靖一ꎬ王芳ꎬ等.测度中国数字普惠金融发展:指 [２８] 黄群慧ꎬ余泳泽ꎬ张松林.互联网发展与制造业生产率提 数编制与空间特征[ Ｊ] .经济学( 季刊) ꎬ２０２０(４) . 升:内在机制与中国经验[ Ｊ] .中国工业经济ꎬ２０１９(８) . [２５] 罗佳ꎬ张蛟蛟ꎬ李科.数字技术创新如何驱动制造业企业 Ｓｔｕｄｙ ｏｎ ｔｈｅ Ｉｍｐａｃｔ ｏｆ Ｄｉｇｉｔａｌ Ｅｃｏｎｏｍｙ ｏｎ Ｅｎｅｒｇｙ Ｉｎｔｅｎｓｉｔｙ ＹＵＥ Ｓｈｕ－ｊｉｎｇａꎬｂ　 ＺＨＡＮＧ Ｘｉｎ－ｈｅａ ( ａ.Ｓｃｈｏｏｌ ｏｆ Ｅｃｏｎｏｍｉｃｓ ａｎｄ Ｍａｎａｇｅｍｅｎｔꎻ ｂ.Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｓｏｃｉａｌｉｓｔ Ｄｅｖｅｌｏｐｍｅｎｔ ｗｉｔｈ Ｃｈｉｎｅｓｅ ＣｈａｒａｃｔｅｒｉｓｔｉｃｓꎬＳｏｕｔｈｅａｓｔ ＵｎｉｖｅｒｓｉｔｙꎬＮａｎｊｉｎｇ ２１１１８９ꎬＣｈｉｎａ) Ａｂｓｔｒａｃｔ:Ｔｈｉｓ ｐａｐｅｒ ｃｏｎｓｔｒｕｃｔｓ ａｎ ｅｖａｌｕａｔｉｏｎ ｓｙｓｔｅｍ ｏｆ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｌｅｖｅｌ ｏｆ ｔｈｅ ｄｉｇｉｔａｌ ｅｃｏｎｏｍｙ ｆｒｏｍ ｔｈｅ ｆｏｕｒ ｄｉｍｅｎｓｉｏｎｓ ｏｆ ｄａｔａ ｖａｌｕｅꎬｄｉｇｉｔａｌ ｉｎｄｕｓｔｒｉａｌｉｚａｔｉｏｎꎬｉｎｄｕｓｔｒｉａｌ ｄｉｇｉｔａｌｉｚａｔｉｏｎ ａｎｄ ｄｉｇｉｔａｌ ｇｏｖｅｒｎａｎｃｅꎬｍｅａｓｕｒｅｓ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｌｅｖｅｌ ｏｆ ｔｈｅ ｄｉｇｉｔａｌ ｅｃｏｎｏｍｙ ｉｎ Ｃｈｉｎａ’ ｓ ｒｅｇｉｏｎｓ ｆｒｏｍ ２０１１ ｔｏ ２０１８ꎬａｎｄ ｆｕｒｔｈｅｒ ｅｘｐｌｏｒｅｓ ｔｈｅ ｉｍｐａｃｔ ｏｆ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｔｈｅ ｄｉｇｉｔａｌ ｅｃｏｎｏｍｙ ｏｎ ｅｎｅｒｇｙ ｉｎｔｅｎｓｉｔｙ.Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｏｖｅｒａｌｌ ｌｅｖｅｌ ｏｆ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ Ｃｈｉｎａ’ ｓ ｄｉｇｉｔａｌ ｅｃｏｎｏｍｙ ｈａｓ ｂｅｅｎ ｉｍｐｒｏｖｅｄꎬｔｈｅ ｓｔｒｕｃｔｕｒｅ ｈａｓ ｂｅｅｎ ｓｏｌｉｄｉｆｉｅｄꎬａｎｄ ａ ｃｅｒｔａｉｎ ｄｅｇｒｅｅ ｏｆ “ Ｍａｔｔｈｅｗ ｅｆｆｅｃｔ” ｈａｓ ｂｅｅｎ ｐｒｅｓｅｎｔｅｄ.Ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｔｈｅ ｄｉｇｉｔａｌ ｅｃｏｎｏｍｙ ｈａｓ ａ ｓｉｇｎｉｆｉｃａｎｔ “ ｒｅｓｔｒａｉｎｉｎｇ” ｅｆｆｅｃｔ ｏｎ ｅｎｅｒｇｙ ｉｎｔｅｎｓｉｔｙ.Ｅｖｅｒｙ １％ ｉｎｃｒｅａｓｅ ｉｎ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｌｅｖｅｌ ｏｆ ｔｈｅ ｄｉｇｉｔａｌ ｅｃｏｎｏｍｙ ｃａｎ ｒｅｄｕｃｅ ｅｎｅｒｇｙ ｉｎｔｅｎｓｉｔｙ ｂｙ ０.２６％ꎬ ａｎｄ ｔｈｅ ｅｆｆｅｃｔ ｉｎｔｅｎｓｉｔｙ ｈａｓ ａ ｍａｒｇｉｎａｌ ｄｅｃｌｉｎｅ ｆｅａｔｕｒｅ.Ｔｅｃｈｎｏｌｏｇｉｃａｌ ｐｒｏｇｒｅｓｓ ａｎｄ ｍａｎｕｆａｃｔｕｒｉｎｇ ｕｐｇｒａｄｉｎｇ ａｒｅ ｔｈｅ ｍａｉｎ ｃｈａｎｎｅｌｓ ｔｏ ｐｌａｙ ｔｈｅ “ ｒｅｓｔｒａｉｎｉｎｇ” ｒｏｌｅ ｏｆ ｔｈｅ ｄｉｇｉｔａｌ ｅｃｏｎｏｍｙ.Ｉｎ ａｄｄｉｔｉｏｎꎬｔｈｅ ａｂｏｖｅ “ ｉｎｈｉｂｉｔｉｏｎ” ｅｆｆｅｃｔ ｓｈｏｗｓ ｓｉｇｎｉｆｉｃａｎｔ ｈｅｔｅｒｏｇｅｎｅｉｔｙ ｉｎ ｅｎｅｒｇｙ ｃｌａｓｓｉｆｉｃａｔｉｏｎꎬｄｉｇｉｔａｌ ｅｃｏｎｏｍｙ ｓｕｂ－ｄｉｍｅｎｓｉｏｎꎬｅｎｅｒｇｙ ｉｎｔｅｎｓｉｔｙ ｄｅｃｏｍｐｏｓｉｔｉｏｎ ａｎｄ ｒｅｇｉｏｎａｌ ｔｅｓｔ. Ｋｅｙ ｗｏｒｄｓ:ｄｉｇｉｔａｌ ｅｃｏｎｏｍｙꎻ ｅｎｅｒｇｙ ｉｎｔｅｎｓｉｔｙꎻ ｅｎｅｒｇｙ ｃｏｎｓｕｍｐｔｉｏｎ (责任编辑　 熊亚菲)

第 ５４ 卷第 １ 期 　 　　 　 　 南昌大学学报( 人文社会科学版) 　 ２０２３ 年 ２ 月 　 ＪＯＵＲＮＡＬ ＯＦ ＮＡＮＣＨＡＮＧ ＵＮＩＶＥＲＳＩＴＹ( Ｈｕｍａｎｉｔｉｅｓ ａｎｄ Ｓｏｃｉａｌ Ｓｃｉｅｎｃｅｓ) 社会治理视域下社会工作 情感劳动的困境及其破解 袁小平ａꎬｂ 　 姜春燕ａ ( 南昌大学 ａ.马克思主义学院ꎻｂ.中国乡村振兴研究院ꎬ江西 南昌　 ３３００３１) 　 　 摘　 要:社会工作服务具有丰富的情感劳动内涵ꎬ社会工作服务结案阶段的情感离场特征表现为社会工作者 容易呈现情感付出非标准化、情感关系延绵以及情感记忆犹存等困境ꎬ其原因在于社会工作者的情感劳动分配、情 感体验以及情感管理方面出现异化ꎮ 从情感社会学分析视角来看ꎬ这种困境其实是国内特殊的社会情境造成的不 合理的痛苦ꎬ通过实践者自身的角色调适、打造情感情境以及重新思考情感劳动规则是消解困境的出路ꎮ 这也为 新时代社会治理效能的提升提供了参考ꎮ 　 　 关键词:社会治理ꎻ情感劳动ꎻ社会工作 　 　 中图分类号:Ｃ９１６　 　 文献标志码:Ａ　 　 文章编号:１００６－０４４８(２０２３)０１－００９１－０８ 　 　 一、问题的提出 Ｈｏｃｈｓｃｈｉｌｄ) 提出的ꎬ即个体的情感管理活动[１]６ꎮ 之 后ꎬ情感劳动内涵不断丰富ꎬ“ 员工在服务过程中表 　 　 在全面建设社会主义现代化国家、向第二个百 现出组织所期望的情感” [２]１１１ꎮ 不难看出ꎬ情感劳动 年奋斗目标进军的新征程上ꎬ完善社会治理体系、提 的内核是情感管理ꎬ这点在涂尔干的研究中也有所 升社会治理效能对国家福利治理提出了新要求ꎮ 国 体现ꎮ 家通过福利供给来确保社会成员享有某些重要的服 务ꎬ但福利从 来 不 是 单 一 的 概 念ꎬ 这 其 中 涵 盖 了 现 管理的目的在于实现价值ꎮ 在情感劳动领域ꎬ 金、权利、机会、能力、发展以及服务等内容ꎮ 近年 情感管理的初衷是为了实现情感劳动最大价值ꎮ 但 来ꎬ随着人民群众获得感、幸福感、安全感内涵的不 学者们关于这种价值的讨论存在两种针锋相对的观 断丰富ꎬ福利中的情感元素再次被关注ꎬ情感劳动正 点ꎮ 一种是情感劳动的“ 情感价值” 论ꎬ认为情感劳 成为实现中国式现代化的重要福利工具ꎮ 社会服务 动的发生可以让服务者与服务对象实现共赢ꎮ 例 领域存在大量的情感劳动ꎬ教育、育婴以及养老照料 如ꎬ柯林斯( Ｒａｎｄａｌｌ Ｃｏｌｌｉｎｓ) 就提出情感既能鼓舞个 等服务都离不开丰富的情感投入ꎮ 如何对情感劳动 人ꎬ也能团结社会ꎬ这就是情感劳动的“ 情感价值” 进行有效管理成为提升社会服务质量的关键议题ꎮ 所在ꎬ劳动者自身在情感劳动的过程中获得了积极 的情感体验ꎮ 另一种是以马克思为主要代表的情感 情感劳 动 的 概 念 最 早 是 由 霍 克 希 尔 德 ( Ａｒｌｉｅ 劳动异化观点ꎬ包括劳动异化、价值异化ꎬ认为这种 收稿日期:２０２２ － １１ － ０５ 基金项目:国家社会科学基金项目“ 阻断农村代际传递的政策效果评估与机制优化研究” ( ２０ＢＳＨ０１０) ꎻ江西省高校人文社会科学研究项 目“ 精准扶贫中资产建设的经验、困境与提升策略研究” ( ＳＨ１９１０６) ꎻ南昌大学中国乡村振兴研究院 ２０２１ 年度项目“ 组织动员社 会力量参与乡村振兴研究” ( ＸＣＺＸ００２) ꎮ 作者简介:袁小平(１９８１—　 ) ꎬ男ꎬ江西永丰人ꎬ教授ꎬ博士生导师ꎬ从事社会政策的理论与应用研究ꎻ姜春燕( １９９５—　 ) ꎬ女ꎬ江西上饶人ꎬ ２０２２ 级马克思主义理论专业博士研究生ꎬ从事马克思主义中国化研究ꎮ

９２ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 异化 会 降 低 实 践 者 情 感 获 得 的 积 极 性ꎮ 西 美 尔 社会工作者情感体验的内容ꎮ 如同其他服务业一 ( Ｇｅｏｒｇ Ｓｉｍｍｅ) 在对货币文化和都市文化货币的批 样ꎬ情感是有规则的ꎬ社会工作者的情感体验与整饰 评中也提到ꎬ金钱成为情感的目的ꎬ导致情感的功能 都应当发生在伦理框架之内ꎬ这要求社会工作者不 发生异化ꎬ情感劳动“ 从目标价值性沦落为手段工 断进行情感管理ꎬ习得情感规则ꎬ纠正情感偏差ꎬ积 具性” [３]７５ꎮ 作为法兰克福学派“ 弗洛伊德主义的马 极改变已经发生的情感状态ꎮ 在这一系列过程中ꎬ 克思主义” 之代表人物ꎬ弗罗姆( Ｅｒｉｃｈ Ｆｒｏｍｍ) 也是 社会工作的结案最有挑战难度ꎬ是专业关系、服务关 情感异化研究的集大成者ꎮ 情感劳动其实是劳动者 系、情感关系的多重结束ꎮ 它不仅要求社会工作者 的沉重代价ꎬ造成他们的自我疏离ꎬ而且“ 情感剩余 撇清与服务对象的情感关系ꎬ更要做到情感记忆的 价值” 也受到剥削ꎬ“ 这实际上是对马克思经典论题 清除ꎮ 在人情交织的社会ꎬ情感关系、情感记忆处理 的深化” [４]９２ ꎮ 不当容易被贴上“不讲感情” 的标签ꎬ既不利于巩固 已有的服务成效ꎬ也容易造成工作者与服务对象的 作为一项专业化助人服务ꎬ社会工作一直是社 二次伤害ꎬ甚至出现情感劳动异化ꎮ 会福利递送的积极实践者ꎬ社会工作领域存在着丰 富的情感劳动ꎬ案主与社会工作者的关系充满了强 为了回应情感劳动的“ 情感价值” 论与情感劳 烈的情感元素[５]１１ꎮ 在国外ꎬ 社会工作者建立了多 动异化观点ꎬ弥补国内学者对社会服务领域情感劳 样化的情感投入机制ꎬ包括社会工作情感教育[ ６] ４６９ 、 动困境的忽视ꎬ本文以社会工作服务为例ꎬ探究在结 情感评估[７]８７４等ꎮ 对社会工作情感属性的重视加之 案阶段为什么会出现情感离场困境ꎬ社会工作者该 西方主要以机构为主提供服务ꎬ社会工作者很容易将 如何借助情感管理的理论进路去消解这些困境ꎮ 通 服务对象的问题从其生活中抽离出来ꎬ因而在服务结 过对这两个问题的回答ꎬ本文尝试从社会服务领域 束后也能很快区分情感的“ 公” 与“ 私”ꎬ切断专业关 的情感层面为新时代社会治理效能提升提供参考ꎮ 系外的情感联系ꎮ 国内学者对社会工作情感劳动的 公开 讨 论 最 早 出 现 于 ２００７ 年 郭 景 萍 的 « 社 会 工 　 　 二、 社 会 工 作 情 感 离 场 的 理 想 与 作———作为一种情感劳动的探讨» 一文ꎬ文中提出相 现实 比于服务行业ꎬ社会工作的情感劳动在“ 目的、角色地 位、情感投入的真实度以及报酬方面” 都有不同[８]１６９ꎮ 　 　 情感离场是社会工作服务结案阶段的重要内 但这并未掀起社会工作情感劳动的讨论热潮ꎮ ２０１８ 容ꎬ是通用流程中的需要ꎮ 衡量情感离场是否成功 年之后ꎬ借着情感社会学和社会工作专业的蓬勃发 在于社会工作者与服务对象是否切断情感关系ꎬ储 展ꎬ社会工作情感劳动才不断被学者们关注ꎬ并围绕 存的情感回忆是否从记忆中清除ꎮ 但这只是理想化 社会工作情感对社会治理现代化的作用[ ９] ２４ 、情感劳 的情感劳动离场ꎬ在实务领域ꎬ社会工作的情感离场 动发生的影响因素[ １０] ５４ 等主题展开了研究ꎮ 往往呈现的是一种“ 身不由己” 结案ꎮ 回顾文献ꎬ可以发现ꎬ对情感劳动的分析主要集 ( 一) 理想化的社会工作情感离场 中在“ 情动” 的前期和过程分析ꎬ对情感劳动承担者 根据社会工作实务模式ꎬ结案阶段的社会工作 的情感离场和受到的情感创伤关注偏少ꎬ这一趋势 者需要在情感关系和记忆两个维度做好情感管理ꎬ 在社会工作情感劳动领域更加明显ꎮ 基于社会工作 以避免在服务结束后出现新的情感诱发ꎬ产生新的 的专业理念和价值伦理ꎬ工作者运用同理心、共情、 伦理问题ꎮ 接纳、理解等技巧开展专业服务ꎮ 在这一过程中ꎬ社 １.情感关系的切断 会工作展开一系列的情感劳动ꎬ包括情感体验、情感 社会工作与服务对象的情感以服务为载体ꎬ以 整饰以及情感管理ꎮ 对社会工作者而言ꎬ情感体验 冲突、理解、信任、尊重、认同等为内容ꎮ 社会工作伦 既是消极的也是积极的ꎬ工作者与被服务对象的关 理准则要求ꎬ在服务的中后期ꎬ工作者应当逐渐减少 系建构、情感交换是动态的ꎬ关系建立前期的冲突、 直至结案后不再与服务对象及其家庭发生情感往 排斥、拒绝以及后期的理解、尊重、认同、信任等都是 来ꎮ 随着专业服务的结束ꎬ社会工作者与服务对象 的情感关系也应当画上句号ꎮ 国外社会工作情感关

　 总第 ２２５ 期　 　 　 　 　 　 袁小平　 姜春燕:社会治理视域下社会工作情感劳动的困境及其破解 ９３ 系切断的实现主要体现在对社会工作者一套完整的 被服务者之 间 的 互 动 状 况ꎬ 受 服 务 主 体、 对 象 的 能 结案演练体系上ꎬ这样的情感劳动使工作者能够潜 力、互动关系以及互动场域中的惯习、文化等影响ꎮ 在地“ 扮演” 一个角色并在结束后远离它[１１]４３２ ꎬ结束 由于我国专业社会工作发展较晚ꎬ一线实务人员的 建立的情感关系ꎮ 情感关系的切断在很大程度上避 情感劳动往往容易陷入离场困境ꎬ影响劳动价值的 免了社会工作者结案后与服务对象保持联络从而产 实现ꎮ 生新的伦理问题ꎬ实现服务专业性与情感理性的统 一ꎮ 但是ꎬ情感是社会结构以及文化互动的综合性 １.社会工作者个人情感与专业情感冲突下情感 产物ꎬ不同于国内的人情社会ꎬ情感关系的切断是建 付出的非标准化 立在西方的社会工作职业关系、专业信任优于人际 信任的大环境之上ꎬ这也是国内社会工作者在结案 作为独立的个体ꎬ社会工作者有着个人情感ꎻ作 后情感关系处理的难点和盲点ꎮ 为一项职业ꎬ社会工作者要理解和接受专业情感ꎮ 实践发现ꎬ在社会工作服务领域ꎬ个人情感与专业情 ２.情感记忆的清除 感的冲突屡见不鲜ꎮ 道德、情感、价值所涉使社会工 情感关系的切断是社会工作者情感离场的第一 作有别于其他服务ꎬ专业核心价值是社会工作者要 步ꎬ但仅仅切断情感联系还不能达到真正意义上的 优先考量的ꎮ 情感劳动离场困境的出现其实是伦理 离场ꎬ打破持久深层的情感联系[１２]２０１ ꎬ消除情感记 困境、价值观冲突、道德实践的结果ꎬ并通过社会工 忆是关键ꎮ 在社会工作情感服务领域ꎬ情感记忆既 作者个人情感与专业情感的冲突表现出来ꎮ 是动词也是名词ꎮ 在前期ꎬ社会工作者与服务对象 进行互动ꎬ积累情感记忆ꎮ 随着服务的推进ꎬ工作者 在实践中ꎬ社会工作者的个人情感要求其在工 与被服务者难免发生一些不可避免的碰撞ꎬ例如活 作中能进行深层表演ꎬ尽量与服务对象达到感同身 动的不配合、消极参与等ꎮ 这个时候工作者会不断 受ꎬ但专业性则要求工作者时刻保持专业理性ꎬ在实 唤起自身及服务对象储藏在记忆里关于双方的美好 践中恰当地表达情感ꎬ开展适度的情感劳动ꎬ与服务 情感ꎬ进而更好地开展深层表演ꎮ 在专业伦理要求 对象产生情感“ 共振” 又不反移情、不陷入负面情绪 下ꎬ社会工作者结案后应当清除情感记忆ꎬ避免情感 纠缠中ꎮ 在这种十分复杂的情感互动下ꎬ社会工作 被诱发ꎮ 但情感具有非意识性ꎬ对社会工作者而言ꎬ 者如何在既“ 专业冷漠” 与由内而外关心服务对象 情感表演是 “ 真实” 自我和 “ 表演” 自我的合二为 之间达成平衡? 又应当如何把握情感的“适度” “ 恰 一[ １] １６６ ꎬ意味着情感 的 唤 起 和 体 验 并 不 一 定 需 要 进 当”原则? 在产生了冲突之后ꎬ社会工作者很难得 入意识当中ꎬ工作者在多数情况下很难意识和辨别 到明确而清晰的指导ꎬ经常陷入困境之中ꎮ 正如一 自身的感受[１３]２０９ ꎮ 带有情感的记忆一旦被有意识 位在一线工作 １０ 年的社工而言:“ 有些服务对象的 或无意识地储存ꎬ加之情境作用ꎬ情感记忆会更加深 经历和处境非常艰难甚至可怜ꎬ即使工作这么多年ꎬ 刻ꎮ 在国外ꎬ完成情感记忆的清除也并非易事ꎬ需要 在结案、分离的时候ꎬ我还是会比较迷茫ꎻ按照社工 多方努力合作ꎮ 机构和督导注重情感澄清ꎬ帮助社 专业伦理ꎬ我不能再建立联系ꎬ但是人本来就是情感 会工作者区分服务中产生的情感并进行溯源ꎬ鼓励 动物ꎬ有时候这种情感不受我自己控制ꎬ会不自觉地 社会工作者监控自身和服务对象感受ꎮ 对情感进行 流露出来ꎬ不过我在慢慢摸索形成自己的一套处理 及时区分和澄清能够帮助社会工作者在服务结束后 经验ꎮ” 理性看待并清除存留的情感记忆ꎮ 虽然情感记忆的 清除并不是要一蹴而就的ꎬ但是对国内社会工作者 ２.女性为主的社会工作者情感关系延绵不断 而言ꎬ在情感支持不足的情况下ꎬ完成潜意识情感记 女性为主的社会工作者有助于情感和服务的进 忆的移除绝非一件易事ꎮ 场ꎬ而在具体的情感服务中ꎬ女性工作者比男性工作 ( 二) 现实中的社会工作情感离场 者更容易受到情感劳动的负面影响ꎬ这也增加了情 在社会工作服务中ꎬ情感离场关涉到服务者与 感离场的难度ꎮ 女性的生理特质是情感更难离场的内在因素ꎮ 在与弱势群体的情感互动中ꎬ女性社会工作者自带 的生物性特点ꎬ使得她们在情感服务中容易被激发

９４ 南昌大学学报( 人文社会科学版) ２０２３ 年第 １ 期　 出潜在的母性情感ꎬ助人关系逐渐类亲属化ꎬ专业情 使其难以从原有的情感中剥离出来ꎮ 例如ꎬ一位社 感与私人情感的界限容易模糊ꎮ 此外ꎬ社会文化因 工机构负责人提到:“ 有一次我们接到电话ꎬ反映家 素是女性社会工作者的情感难以抽离的外因ꎬ这里 里老人在服务结束后心情一直很低落ꎬ很想念原来 的社会文化因素主要是对女性家庭角色的期待ꎮ 除 的社工ꎬ请求能不能再开展社工服务ꎮ 其实社工有 了工作上的情感输出ꎬ下班后女性社会工作者在家 时候也会不适应ꎮ” 庭中的情感角色比较重ꎮ 而社会工作的情感劳动挤 占了女性在私人领域的情感付出ꎬ尤其是社会工作 专业性要求社会工作者在结案后结束与服务对 服务对象大都以弱势群体为主ꎬ相比其他服务业ꎬ女 象的往来ꎬ做好情感管理ꎮ 但在实践层面ꎬ社会工作 性社会工作者要处理更多的负面情感ꎬ他们容易出 者往往会陷入三重情感离场困境ꎮ 社会工作者与服 现情感耗竭和职业倦怠ꎮ 在这种情感能量过多消 务对象的感情更加“ 剪不断ꎬ理还乱”ꎬ情感的顺利 耗、情感支持不足的情况下ꎬ女性社会工作者容易转 离场“ 难上加难” ꎮ 向自动屏蔽结案阶段切断情感关系的职业要求ꎮ 结 案后与服务对象继续保持情感往来ꎬ并赋予这种情 　 　 三、社会工作离场困境的原因分析 感关系以“ 朋友” 身份ꎬ以期从这种友情中缓解情感 疲劳ꎬ这其实也是情感劳动的离场困境ꎮ 一位开展 　 　 情感劳动的分析框架随着理论的完善不断发 留守儿童服务的社工提到:“ 我是三个小孩的母亲ꎬ 展ꎬ戈夫曼( Ｅｒｖｉｎｇ Ｇｏｆｆｍａｎ) 主张在场景、情境中讨 这有利于我观察到留守儿童更需要的是关注和温 论情感劳动ꎬ霍克希尔德发展了这种观点ꎬ提出了情 暖ꎬ我很珍惜也会全身心地给予她们母亲般的温暖ꎮ 感管理的实现仰赖于情感生活三项基本元素( 情感 有些小孩在服务结束后还会经常到机构来找我ꎬ有 工作、感受规则和社会交换) 的转变[１]１５１ꎮ 不同于其 一次还有一个小男孩悄悄塞给我一张纸条ꎬ上面写 他行业的情感劳动ꎬ社会工作的情感劳动有其自身 了他能不能喊我妈妈ꎮ 不好的地方就是留给自己小 的实践特点ꎬ情感劳动分配、情感体验以及情感管理 孩的陪伴和耐心会减少ꎬ家里面觉得我对自己小孩 与其情感困境密切相关ꎮ 照顾不周ꎬ我也很无奈ꎮ” ( 一) 以女性为主的情感劳动分配 ３.社会工作情感与服务对象情感冲突下情感记 女性一直是社会工作的积极实践者ꎮ 经过不断 忆的犹存 发展ꎬ女性群体在社会工作中的占比越来越大ꎬ社会 工作又被称为“女性专业”ꎮ 从我国现实情况来看ꎬ 社会工作者与服务对象在生理、心理、情境、文 女性在社会工作者的占比明显高于全球ꎮ “ 根据深 化、社会等都有很大差异ꎬ多重因素作用之下两者的 圳市社会工作协会的统计数据ꎬ在深注册社工的男 情感互动与结束很难始终保持在同一个频率ꎮ 中国 女性别比高达 １:１.８３” [１５]９８ꎮ 实践表明ꎬ女性开展社 是一个人情社会ꎬ社会工作更多地依赖社会工作者 会工作服务时在情感进场、情感感知力和情感实践 个人能力创建的人情关系开展社会工作ꎬ是一种人 上具有一定优势ꎮ 不论从生物学、心理学还是美学 情、面子、关系等多种因素影响形成的“ 专业关系 ＋ 角度ꎬ女性都更具有亲和力ꎮ 这种亲和力在前期有 工作关系＋朋友” 的实质性信任关系[１４]１０２ ꎮ 随着对 利于社会工作者情感劳动的进场ꎬ在后期她们不仅 社会工作者信任的加深ꎬ服务对象被服务的同时会 能比较熟练地使用社会工作专业手法ꎬ更容易利用 “ 礼尚 往 来 ” ꎬ 积 极 投 入 情 感 配 合 开 展 社 会 工 作 服 “ 自身的女性特质或女性经验” 开展情感服务[１５]９９ꎮ 务ꎮ 这种带有人情特点的社会工作专业关系会呈现 在开展困境儿童服务时ꎬ女性社会工作者潜意 在双方的日常生活中ꎬ不断加深工作者与服务对象 识里的“ 母爱” 能更好地帮助其尊重、接纳困境儿童 的情感记忆ꎮ 社会工作者也很难直接完全抹去储存 的处境和情感需求ꎬ产生比较好的“ 母职替代” 效 的情感记忆ꎬ部分工作者会选择通过其他手段延续 果ꎮ 一些研究也揭示女性社会工作者倾向加入自己 情感联系ꎮ 对服务对象而言ꎬ情感关系的直接终止 的经验和情感ꎬ运用自己的女性经验理解困境儿童 容易使其产生“被抛弃” 的挫败感ꎬ情感记忆的涌现 家长的难处并与其产生情感上和经历上的共鸣ꎮ 在 自我披露中与困境儿童家长建立信任关系和亲密关

　 总第 ２２５ 期　 　 　 　 　 　 袁小平　 姜春燕:社会治理视域下社会工作情感劳动的困境及其破解 ９５ 系ꎬ这在一定程度上可以帮助女性社会工作者开展 会工作者陷入“ 情感主导理性” ꎬ加重了情感离场难 情感劳动服务ꎬ但是这种情感劳动服务的专业性有 度ꎮ 例如ꎬ一位一线社会工作者指出:“ 个案说结束 待商榷ꎮ 此外ꎬ社会工作情感劳动虽然可以借助女 是可以结束的ꎬ但是情感你说怎么能做到结束得这 性的天然优势更好地完成进场ꎬ但在服务结束后ꎬ不 么干脆ꎬ我们倾注了自己的感情去做工作ꎬ结束的过 论是在实践层面还是意识层面ꎬ女性都容易陷入离 程对我们工作者来说很为难的ꎮ” 场盲区ꎮ 例如ꎬ一位女性社会工作者反映:“ 服务结 束后ꎬ有些服务对象会跟我讨论生活、教育小孩ꎬ我 ( 三) 高度依赖实践者个人能力的情感管理 们都很有话题ꎬ很聊得来ꎮ 我觉得虽然服务结束了ꎬ 价值和情感是内在性、潜在性和精神性的ꎬ这决 但是以朋友身份进行交流是可以的吧ꎮ” 定了对服务对象的干预是一个综合性、由浅到深、需 要多方力量参与协助的过程ꎮ 服务对象在“ 出生背 ( 二) 全过程的情感体验 景、成 长 环 境、 遗 传 禀 性、 个 性 特 征ꎬ 以 及 受 教 育 程 社会工作的专业使命是“ 助人自助”ꎬ通过专业 度、持有的价值观念、面临的问题” 各有差异[１７]１２９ ꎬ 服务发掘弱势群体的潜能和优势ꎬ从而使其达到自 对社会工作者专业技能和情感劳动提出了很高的要 救、自立、自助和自强ꎮ 这是一个长期、复杂且涉及 求ꎮ 然而实际情况却是对社会工作者个人情感能力 各种情感的劳动过程ꎮ 按照社会工作通用的过程模 的高度依赖ꎮ 由于我国专业化社会工作发展还不成 式ꎬ社会工作的情感渗透在接案、预估与计划、介入、 熟ꎬ社会工作督导对一线工作者的情感支持还处在 评估、结案等五个结构化阶段ꎮ 特别需要注意的是ꎬ 相对薄弱的阶段ꎬ当前社会工作督导主要将关注点 不同于一般服务行业的情感劳动ꎬ社会工作的情感 落在社会工作者专业技能方面ꎬ容易忽视一线工作 应当是一种在专业理念指导下产生的专业情感ꎮ 在 者的情感需求ꎮ 接案阶段ꎬ社会工作者需要运用倾听、尊重、真诚、无 社会工作实践为社会工作的情感劳动提供了一 差别技巧对待服务对象与潜在服务对象ꎬ在会谈中 个场域ꎬ在这个框架内的情感服务则高度依赖于社 注意语气、语调、动作和情绪的变化ꎬ力求与服务对 会工作者的个人能力ꎮ 这种能力不仅包括与服务对 象建立信任关系ꎮ 在预估与计划阶段ꎬ同理心是重 象本人及其支持系统的直接情感服务ꎬ也包括社会 要技巧ꎬ它是一个具有多维结构的概念ꎬ指社会工作 工作者自身的情感自愈能力ꎮ 个体情感价值观念以 者要理解服务对象内心感受后产生行为传递的过 及所面临的实 践 场 域 的 不 同[ １８] １８ ꎬ 加 之 情 感 支 持 的 程ꎮ 同理心要求社会工作者利用共情能力接纳服务 不足ꎬ这对一线社会工作者来说要进行积极的情感 对象ꎬ评估服务对象的现实需求与情感需求ꎬ鼓励服 劳动有不小的挑战ꎬ多数一线工作者最终会陷入情 务对象建立积极心态ꎬ与服务对象一起制定科学、合 感无助困境ꎮ 例如ꎬ一位从事了 ５ 年一线实务的工 理、有效的计划ꎮ 在介入阶段ꎬ社会工作者则应当通 作者反映:“ 其实社会工作说难不难ꎬ因为 毕竟 很多 过情感介入、适度的自我表露ꎬ引导和支持服务对象 都是有技巧的ꎻ但是说容易也不容易ꎬ因为这个工作 采取积极的行为进行改变ꎬ强化积极情绪ꎬ产生情感 说白了就是 做 人 的 工 作ꎬ 一 旦 涉 及 感 情ꎬ 那 就 很 难 能量ꎬ帮助其摆脱困境ꎮ 在结束阶段ꎬ社会工作者要 了ꎮ 我们要付出自己的真情实感去服务ꎬ但是我们 处理好分离的情绪ꎬ既帮助服务对象从已经建立的 遇到了情感问题又只能往肚子里咽ꎬ不知道我们工 亲密关系、信任关系、专业关系中抽离ꎬ又不影响已 作者又该向谁求助ꎮ” 经取得的服务效果ꎮ 可以看出ꎬ社会工作的五个阶段都涉及不同层 　 　 四、情感劳动困境的破解 次的情感劳动ꎬ相比其他服务业ꎬ社会工作者承担了 比较重的情感输出ꎮ 这种高强度的情感互动使得工 　 　 情感离场的困境是社会工作者情感管理脱离专 作者与服务对象的情感记忆不断丰富、情感关系不 业伦理要求产生的不规范现象ꎬ这其实是社会工作 断加强ꎮ 但是正如任何心理事件都不是独立自存的 者“不合理的痛苦”ꎬ还会影响情感劳动的质量ꎮ 说 一样[１６]１２２ ꎬ缺乏情感支持、仅凭个人能力容易使社 其“ 痛苦” ꎬ是因为这种情感是社会工作者在吸收了 国内人情与道德准则后与西方社会工作价值伦理产