李振亮，楊瑛瑩

（1.臺(tái)州學(xué)院，浙江 臺(tái)州 318000；2.杭州市疾病預(yù)防控制中心，杭州 310021）

1 引言

2019年10月20日，國家發(fā)展和改革委員會(huì)、中央網(wǎng)信辦宣布正式啟動(dòng)建設(shè)國家數(shù)字經(jīng)濟(jì)創(chuàng)新發(fā)展試驗(yàn)區(qū)（以下簡稱“試驗(yàn)區(qū)”）。在聯(lián)合刊發(fā)的《國家數(shù)字經(jīng)濟(jì)創(chuàng)新發(fā)展試驗(yàn)區(qū)實(shí)施方案》（以下簡稱《實(shí)施方案》）中，首次公布了包括河北?。ㄐ郯残聟^(qū)）、浙江省、福建省、廣東省、重慶市、四川省在內(nèi)的6 個(gè)試點(diǎn)省市。從宏觀層面來看，“試驗(yàn)區(qū)”的建立旨在形成一系列可操作、能復(fù)制的典型做法，加強(qiáng)對(duì)于數(shù)字未知領(lǐng)域的探索。從微觀層面來看，“試驗(yàn)區(qū)”的建立旨在為企業(yè)數(shù)字化轉(zhuǎn)型提供政策支持，實(shí)現(xiàn)企業(yè)高質(zhì)量發(fā)展。因此，“試驗(yàn)區(qū)”的設(shè)立能否實(shí)現(xiàn)預(yù)期目標(biāo)，促進(jìn)企業(yè)高質(zhì)量發(fā)展，實(shí)現(xiàn)企業(yè)價(jià)值提升，是值得探討的話題之一。近年來，針對(duì)“試驗(yàn)區(qū)”的相關(guān)研究主要有韓騫、王子晨[1]采用灰色關(guān)聯(lián)度分析法，以浙江省、福建省、廣東省和四川省四座“試驗(yàn)區(qū)”為研究對(duì)象，從研發(fā)投入強(qiáng)度、研發(fā)經(jīng)費(fèi)內(nèi)部支出、研發(fā)人員全時(shí)當(dāng)量、本地技術(shù)合同金額四大方面與數(shù)字經(jīng)濟(jì)發(fā)展進(jìn)行關(guān)聯(lián)評(píng)價(jià)，總結(jié)出把握新風(fēng)口、探索新治理、建設(shè)新設(shè)施、開發(fā)新場景等“四新”做法來提升“試驗(yàn)區(qū)”的引領(lǐng)作用，進(jìn)一步壯大數(shù)字經(jīng)濟(jì)。李志起、張靈[2]分別對(duì)六省市在“試驗(yàn)區(qū)”建設(shè)中的探索路徑以及存在的問題不足進(jìn)行深入剖析，并在此基礎(chǔ)上提出相應(yīng)的改進(jìn)措施。徐瀅[3]基于大數(shù)據(jù)分析方法研究六個(gè)“試驗(yàn)區(qū)”在數(shù)字經(jīng)濟(jì)相關(guān)方面的先進(jìn)做法，為天津創(chuàng)建新“試驗(yàn)區(qū)”提供經(jīng)驗(yàn)借鑒。覃劍[4]從“試驗(yàn)區(qū)”的建設(shè)進(jìn)展、面臨的主要挑戰(zhàn)以及探索方向三個(gè)方面對(duì)“試驗(yàn)區(qū)”進(jìn)行綜合論述。綜合現(xiàn)有文獻(xiàn)可以看出，更多的文獻(xiàn)側(cè)重于對(duì)于“試驗(yàn)區(qū)”自身建設(shè)的思考和研究，而針對(duì)“試驗(yàn)區(qū)”對(duì)上市企業(yè)價(jià)值的影響評(píng)估還較為鮮見。為彌補(bǔ)相關(guān)研究空白，本文主要貢獻(xiàn)在于：第一，在研究方法方面，以“試驗(yàn)區(qū)”的設(shè)立作為準(zhǔn)自然實(shí)驗(yàn)，借助雙重差分傾向得分匹配計(jì)量方法來探究“試驗(yàn)區(qū)”的設(shè)立對(duì)上市公司價(jià)值影響機(jī)制，豐富了相關(guān)課題研究方法。第二，在研究視角方面，不同于“試驗(yàn)區(qū)”的建設(shè)對(duì)國家宏觀層面數(shù)字經(jīng)濟(jì)的研究，本文從企業(yè)微觀層面探究對(duì)上市公司價(jià)值的影響，為投資者進(jìn)行相關(guān)企業(yè)投資提供數(shù)據(jù)參考。

2 研究設(shè)計(jì)

2.1 數(shù)據(jù)來源

本文數(shù)據(jù)來源于CSMAR，并選取2017 至2021年中國滬深A(yù) 股上市企業(yè)面板數(shù)據(jù)作為研究樣本，并對(duì)原始數(shù)據(jù)進(jìn)行如下處理[5]：①剔除研究期中ST 以及ST*企業(yè)數(shù)據(jù)和其他重要信息有所缺失的樣本數(shù)據(jù)；②剔除金融、保險(xiǎn)類等特殊行業(yè)公司數(shù)據(jù)；③為防止奇異值的干擾，將所得數(shù)據(jù)統(tǒng)一采取上下1%的Winsorize 處理。

2.2 計(jì)量模型

雙重差分法（DID）是將研究對(duì)象分為受政策影響和不受政策影響的兩個(gè)組別，以兩個(gè)組別的平均變化之差來剔除個(gè)體固有差異，最終判斷政策所帶來的影響?？紤]到在進(jìn)行DID 模型處理過程中存在選擇性偏誤和自我選擇效應(yīng)，需要在DID 分析之前對(duì)所選數(shù)據(jù)進(jìn)行傾向得分匹配（PSM）處理。PSM 處理模型是兩個(gè)組別的研究對(duì)象進(jìn)行得分匹配，來尋找與受政策影響組別中可觀測特征最接近的研究對(duì)象。

結(jié)合上述兩個(gè)模型的特點(diǎn)，本文建立如下PSM-DID 回歸模型[6]：

其中，TobinQ 表示被解釋變量，i 和t 分別表示企業(yè)和年份；Zjit代表每一個(gè)控制變量，ε 是隨機(jī)擾動(dòng)項(xiàng)。Treated 和Year 為兩個(gè)虛擬變量，Treated=1 和Treated=0 分別表示納入“試驗(yàn)區(qū)”所在的六省市上市企業(yè)和未納入“試驗(yàn)區(qū)”所在的省市上市企業(yè)。Year=1 和Year=0 分別是表示《實(shí)施方案》發(fā)布之后的2019 至2021年以及《實(shí)施方案》發(fā)布之前的2017 與2018年。

2.3 變量定義

2.3.1 被解釋變量

本文的被解釋變量是企業(yè)價(jià)值，并采用托賓Q 值來作為被解釋變量的代理變量。

2.3.2 解釋變量

核心解釋變量為Treated 和Year 兩個(gè)虛擬變量的交互乘積項(xiàng)（Treated×Year），如表1 所示。其中表示政策效應(yīng)所產(chǎn)生的凈影響。

表1 模型中參數(shù)變化表

2.3.3 控制變量

為了防止其他變量對(duì)企業(yè)價(jià)值產(chǎn)生影響，本文借鑒了毛建輝、張蕊和管超[7]的研究，選擇速動(dòng)比率、產(chǎn)權(quán)比率、凈利潤增長率、固定資產(chǎn)周轉(zhuǎn)率、資產(chǎn)報(bào)酬率5 個(gè)財(cái)務(wù)指標(biāo)分別代表研究模型中的控制變量。

所有變量具體如表2 所示。

表2 變量說明

3 實(shí)證分析

3.1 描述性統(tǒng)計(jì)分析

表3 是變量描述性統(tǒng)計(jì)以及變量分組描述性統(tǒng)計(jì)結(jié)果。從表中可以看出：企業(yè)凈利潤增長率和固定資產(chǎn)周轉(zhuǎn)率的標(biāo)準(zhǔn)差分別約為3.693 和26.846，說明各家上市企業(yè)中存在較大差異。

表3 變量描述性統(tǒng)計(jì)分析

3.2 傾向得分匹配處理

為了能降低選擇性偏差和自我選擇效應(yīng)，更好地滿足相同變化趨勢的假定，本文將采用傾向得分匹配法對(duì)協(xié)變量做選擇。匹配結(jié)果如表4 所示。

表4 匹配變量平衡性檢驗(yàn)

從表中可以看出：相比匹配前，匹配后的所有協(xié)變量的差異均出現(xiàn)了一定程度的下降。在T 檢驗(yàn)結(jié)果中，匹配后除了產(chǎn)權(quán)比率在10%顯著性水平下拒絕控制組和處理組有差異這一原假設(shè)，其余變量均不拒絕，這說明變量個(gè)體特征差異縮小，選擇性偏差進(jìn)一步降低。

更直觀地如圖1 所示，匹配后的變量標(biāo)準(zhǔn)化偏差大多在0 附近，說明匹配后變量個(gè)體差異特征得到進(jìn)一步下降，此次PSM 處理是有效的。

3.3 雙重差分回歸分析

在PSM 匹配處理后，進(jìn)一步對(duì)新樣本進(jìn)行DID 回歸分析。如表5 所示，表5 中第2 列至第6 列表示逐步加入?yún)f(xié)變量的回歸結(jié)果。結(jié)果顯示：在逐步加入控制變量中，交互項(xiàng)Treated×Year 的回歸系數(shù)均為正，并在5%顯著性水平下顯著。表明“試驗(yàn)區(qū)”的設(shè)立會(huì)對(duì)上市企業(yè)價(jià)值產(chǎn)生正向影響。

表5 PSM-DID 檢驗(yàn)結(jié)果

3.4 穩(wěn)健性檢驗(yàn)

安慰劑檢驗(yàn)具體操作是將“試驗(yàn)區(qū)”設(shè)立時(shí)間人為提前一年和延后一年，若交互項(xiàng)系數(shù)結(jié)果仍顯著為正，說明企業(yè)價(jià)值波動(dòng)并非是“試驗(yàn)區(qū)”設(shè)立所帶來的，原結(jié)果不穩(wěn)健。反之，原實(shí)驗(yàn)結(jié)果穩(wěn)健。具體安慰劑檢驗(yàn)結(jié)果如表6 所示。

表6 PSM-DID 檢驗(yàn)(安慰劑檢驗(yàn))

從表6 可以看出：在逐步加入?yún)f(xié)變量過程中，交互項(xiàng)系數(shù)均不顯著。說明”試驗(yàn)區(qū)”設(shè)立時(shí)間無論前移一年還是后移一年不能對(duì)上市企業(yè)價(jià)值產(chǎn)生顯著影響。表7 給出匹配過程中均值差異顯著性檢驗(yàn)。從表7 中可以看出，除了固定資產(chǎn)周轉(zhuǎn)率匹配后的均值在1%顯著性水平下存在顯著差異外，其余變量匹配后均不存在顯著性差異，證明該匹配結(jié)果有效。

表7 PSM-DID 匹配變量均值差異顯著性檢驗(yàn)（安慰劑檢驗(yàn)）

4 結(jié)論與建議

本文基于PSM-DID 模型，以2017 至2021年“試驗(yàn)區(qū)”的上市企業(yè)相關(guān)數(shù)據(jù)作為實(shí)驗(yàn)組，非“試驗(yàn)區(qū)”的相關(guān)企業(yè)數(shù)據(jù)作為對(duì)照組，研究試驗(yàn)區(qū)設(shè)立對(duì)企業(yè)價(jià)值所產(chǎn)生的影響。研究表明：國家數(shù)字經(jīng)濟(jì)創(chuàng)新發(fā)展試驗(yàn)區(qū)的設(shè)立促進(jìn)了企業(yè)價(jià)值的提升?；谠撗芯堪l(fā)現(xiàn)，本文提出如下三點(diǎn)建議：第一，在政府政策制定層面上看，《實(shí)施方案》的頒發(fā)為企業(yè)數(shù)字化轉(zhuǎn)型提供政策支持，促進(jìn)企業(yè)價(jià)值提升?；谠撜咚鶐淼恼嬗绊?，政策制定者可考慮適當(dāng)擴(kuò)大試點(diǎn)范圍，進(jìn)一步加強(qiáng)引導(dǎo)數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)的深層次融合。第二，在企業(yè)發(fā)展機(jī)遇層面上看，政策覆蓋中的企業(yè)應(yīng)該把握機(jī)遇，強(qiáng)化數(shù)字思維，發(fā)揮先發(fā)優(yōu)勢，積極探索數(shù)字經(jīng)濟(jì)發(fā)展新動(dòng)能，為上市企業(yè)數(shù)字化轉(zhuǎn)型規(guī)劃提供新思路。第三，在投資者投資層面上看，“試驗(yàn)區(qū)”的設(shè)立給企業(yè)發(fā)展產(chǎn)生正面效應(yīng)，投資者在選擇投資對(duì)象時(shí)可將受政策影響的相關(guān)行業(yè)和企業(yè)納入正向考核指標(biāo)，擴(kuò)大投資回報(bào)機(jī)率。