银行信贷规模对战略性新兴制造业全要素生产率的影响：理论、实证与策略

银行信贷规模对战略性新兴制造业全要素生产率的影响：理论、实证与策略一、引言1.1研究背景与意义1.1.1研究背景在全球经济格局深度调整和科技革命加速演进的当下，战略性新兴制造业作为推动经济高质量发展的关键力量，正日益受到世界各国的广泛关注与高度重视。我国自2010年国务院审议通过《国务院关于加快培育和发展战略性新兴产业的决定》以来，在节能环保、新一代信息技术、生物、高端装备制造、新能源、新材料和新能源汽车等七大战略性新兴制造业领域持续发力，取得了令人瞩目的显著成就。近年来，我国战略性新兴制造业规模持续扩张，展现出蓬勃的发展活力。截至2024年6月30日，我国制造业企业总量达到598万余家，其中战略新兴企业51万余家，与2023年底相比增长6.27%，占制造业企业总量的8.61%。从增长数据来看，7月份，高技术产业销售收入同比增长13.3%，电子及通信设备制造、铁路船舶航空设备制造、新能源汽车制造等战略性新兴产业增速较快，同比分别增长12.1%、14.6%和26.7%。这些数据充分表明，战略性新兴制造业在我国经济体系中的地位愈发重要，已成为推动产业结构优化升级和经济可持续发展的核心驱动力。然而，战略性新兴制造业在发展进程中也面临诸多挑战，其中资金短缺问题尤为突出，严重制约着企业的技术创新、设备更新和规模扩张。由于战略性新兴制造业具有高投入、高风险、高回报的显著特点，技术研发周期长，创新成果转化存在不确定性，这使得企业在融资过程中面临较大困难。在这种背景下，银行信贷作为企业重要的外部融资渠道之一，其在支持战略性新兴制造业发展方面的作用日益凸显。银行信贷在我国经济体系中占据举足轻重的地位，是经济发展的重要支撑力量。它不仅为企业提供了必要的资金支持，促进企业扩大生产、增加投资，进而推动经济增长，还在优化资源配置、促进技术创新等方面发挥着关键作用。通过向战略性新兴制造业企业提供信贷资金，银行能够引导更多资源流向该领域，加速产业升级和技术革新进程。例如，银行可以通过优惠利率和贷款额度，引导资金重点支持高技术、高附加值的制造业项目，助力企业开展技术研发和创新活动，提升产业竞争力。但银行信贷规模对战略性新兴制造业全要素生产率的影响较为复杂，并非简单的线性关系。合理的银行信贷规模能够为企业提供充足的资金，满足企业在技术创新、设备更新、人才引进等方面的资金需求，从而促进企业全要素生产率的提升。若信贷规模过大，可能导致资金过度投入，引发产能过剩和资源浪费，进而对全要素生产率产生负面影响；而信贷规模过小，则无法满足企业的发展需求，限制企业的成长和创新能力。因此，深入探究银行信贷规模与战略性新兴制造业全要素生产率之间的内在联系，对于优化信贷资源配置、促进战略性新兴制造业高质量发展具有重要的现实意义。1.1.2研究意义理论意义：丰富金融与产业发展关系理论：当前关于金融支持战略性新兴产业发展的研究虽取得一定成果，但在银行信贷规模对战略性新兴制造业全要素生产率影响这一细分领域，仍存在理论研究的空白与不足。本研究深入剖析二者之间的内在机制，有助于进一步完善金融与产业发展关系的理论体系，为后续相关研究提供更为坚实的理论基础和全新的研究视角。完善全要素生产率影响因素研究：全要素生产率是衡量经济增长质量和效率的关键指标，其影响因素众多且复杂。以往研究多聚焦于技术创新、资本投入、劳动力素质等传统因素，对银行信贷规模这一金融因素的关注相对较少。本研究将银行信贷规模纳入全要素生产率的影响因素范畴，拓展了全要素生产率的研究边界，有助于更全面、深入地理解全要素生产率的形成机制和影响路径。实践意义：为银行信贷决策提供科学依据：通过揭示银行信贷规模对战略性新兴制造业全要素生产率的影响规律，银行能够更加精准地把握信贷投放的规模和节奏，优化信贷结构，提高信贷资源配置效率。这不仅有助于降低银行信贷风险，提高银行经营效益，还能更好地满足战略性新兴制造业企业的合理融资需求，实现银行与企业的互利共赢。助力政府制定科学产业政策：政府在制定产业政策时，需要充分考虑金融因素对产业发展的影响。本研究的结论能够为政府部门提供有价值的决策参考，帮助政府制定更加科学、合理的金融支持政策，引导银行加大对战略性新兴制造业的信贷支持力度，促进产业结构优化升级，推动经济高质量发展。促进战略性新兴制造业高质量发展：战略性新兴制造业作为我国经济发展的新动能，其高质量发展对于提升国家综合竞争力具有重要意义。本研究旨在通过优化银行信贷规模，为战略性新兴制造业企业提供更有力的资金支持，促进企业技术创新和效率提升，进而推动战略性新兴制造业实现高质量、可持续发展。1.2研究目的与方法1.2.1研究目的本研究旨在深入剖析银行信贷规模对战略性新兴制造业全要素生产率的影响，通过理论分析与实证检验相结合的方式，揭示二者之间的内在联系和作用机制，为促进战略性新兴制造业的高质量发展提供理论依据和实践指导。具体而言，本研究的目的包括以下几个方面：探究银行信贷规模与战略性新兴制造业全要素生产率的关系：通过对相关数据的收集和分析，运用合适的计量模型，准确评估银行信贷规模的变动对战略性新兴制造业全要素生产率的影响方向和程度，明确二者之间是正向促进、负向抑制还是存在更为复杂的非线性关系。剖析银行信贷规模影响战略性新兴制造业全要素生产率的机制：从技术创新、资本配置、企业规模扩张等多个角度，深入探讨银行信贷规模影响战略性新兴制造业全要素生产率的内在作用路径，解析银行信贷如何通过这些中间渠道对企业生产效率产生影响，为制定针对性的政策措施提供理论支持。为优化银行信贷配置和促进战略性新兴制造业发展提供建议：基于研究结论，结合我国战略性新兴制造业发展的实际情况和银行信贷业务的特点，提出切实可行的政策建议，以引导银行合理调整信贷规模和结构，提高信贷资源配置效率，更好地支持战略性新兴制造业的技术创新和产业升级，推动战略性新兴制造业实现高质量、可持续发展。1.2.2研究方法为了实现上述研究目的，本研究拟采用以下研究方法：文献研究法：全面梳理国内外关于银行信贷与产业发展、全要素生产率影响因素等方面的相关文献，了解已有研究的现状和不足，为本研究提供坚实的理论基础和研究思路。通过对文献的分析，总结前人在该领域的研究成果和研究方法，明确本研究的切入点和创新点，避免重复研究，确保研究的科学性和前沿性。实证分析法：运用计量经济学方法，构建合理的实证模型，对银行信贷规模与战略性新兴制造业全要素生产率之间的关系进行定量分析。选取合适的变量和数据样本，运用面板数据模型、中介效应模型等方法，对研究假设进行检验，以验证银行信贷规模对战略性新兴制造业全要素生产率的影响及作用机制。通过实证分析，能够更加准确地揭示变量之间的因果关系，为研究结论提供有力的证据支持。案例分析法：选取部分具有代表性的战略性新兴制造业企业作为案例，深入分析银行信贷规模对企业发展和全要素生产率提升的实际影响。通过对案例企业的财务数据、经营状况、创新成果等方面的详细分析，从微观层面进一步验证实证研究的结论，同时也能够更直观地展现银行信贷在企业发展过程中的具体作用和存在的问题，为提出针对性的建议提供实际参考。1.3研究创新点本研究在研究视角、方法运用和结论贡献等方面具有一定的创新之处，具体如下：研究视角创新：本研究聚焦于银行信贷规模对战略性新兴制造业全要素生产率的影响，将研究视角细化到战略性新兴制造业这一特定领域，突破了以往研究中对制造业整体或其他单一产业的局限。通过深入剖析银行信贷规模在战略性新兴制造业发展中的作用，为金融支持战略性新兴产业发展提供了更为精准的研究视角，有助于更深入地理解金融与战略性新兴产业之间的内在联系。研究方法创新：本研究综合运用多种研究方法，将理论分析、实证检验和案例分析有机结合。在理论分析方面，深入探讨银行信贷规模影响战略性新兴制造业全要素生产率的作用机制；在实证检验方面，运用面板数据模型、中介效应模型等计量经济学方法，对相关数据进行严谨的定量分析，确保研究结论的科学性和可靠性；在案例分析方面，选取具有代表性的战略性新兴制造业企业进行深入剖析，从微观层面验证实证研究结论，使研究结果更具现实指导意义。这种多方法融合的研究思路，能够从不同角度全面揭示银行信贷规模与战略性新兴制造业全要素生产率之间的关系，为该领域的研究提供了新的方法借鉴。研究结论创新：本研究有望在研究结论上取得一定的创新成果。通过对银行信贷规模与战略性新兴制造业全要素生产率关系的深入研究，可能发现一些以往研究尚未揭示的规律和影响机制。例如，可能发现银行信贷规模对战略性新兴制造业全要素生产率的影响存在非线性关系，或者发现某些特定的中介变量在二者关系中发挥着关键作用。这些新的研究结论将丰富金融与产业发展领域的理论研究成果，为政府制定产业政策和银行优化信贷决策提供更具针对性的参考依据。二、相关理论与研究综述2.1相关理论基础2.1.1全要素生产率理论全要素生产率（TotalFactorProductivity，TFP），指生产单位（主要为企业）作为系统中的各个要素的综合生产率，以区别于要素生产率（如技术生产率），是用来衡量生产效率的关键指标。从经济增长的视角出发，生产率与资本、劳动等要素投入均对经济增长有所贡献。从效率层面考量，生产率等同于一定时间内国民经济中产出与各种资源要素总投入的比值。其本质反映的是某个国家（地区）为摆脱贫困、落后并发展经济，在一定时期内所展现出的能力和努力程度，是技术进步对经济发展作用的综合体现。全要素生产率的增长通常被称作技术进步率，是新古典学派经济增长理论里用于衡量纯技术进步在生产中作用的指标。所谓纯技术进步涵盖知识、教育、技术培训、规模经济、组织管理等方面的改进，且无法具体归结为有形的效率更高的资本设备、技巧更高的劳动、肥效更大的土地等生产要素的增加投入量，因此也被称为非具体化的技术进步。故而，全要素生产率增长率是指在全部生产要素（包含资本、劳动、土地，但通常分析时略去土地不计）投入量不变的情况下，生产量仍能增加的部分。在战略性新兴制造业中，全要素生产率的提升具有至关重要的意义。它不仅是企业实现技术升级、管理模式改进、产品质量提高以及企业结构升级的综合体现，更是推动产业升级和生产力发展的核心要素。例如，新一代信息技术产业中的企业，通过持续投入研发，不断提升自身的技术水平，引入先进的管理理念和方法，优化企业的组织架构，从而提高生产效率，降低生产成本，增强市场竞争力，实现全要素生产率的提升。又如新能源汽车产业，企业在技术创新的驱动下，不断改进电池技术、提高生产自动化水平，同时加强供应链管理和市场营销，使得企业在生产效率和产品质量上都取得了显著进步，进而推动了全要素生产率的增长。2.1.2银行信贷理论银行信贷是商业银行作为贷款人，依据借款人的申请，将资金以货币形式贷给借款人使用，在借款期限内，借款人按约定条件归还本金并支付相应利息的一种信用活动。它在企业融资中扮演着举足轻重的角色，是企业获取外部资金的关键渠道之一。银行信贷能够为企业提供必要的资金支持，助力企业解决资金短缺问题，推动企业扩大生产规模、增加投资以及提升生产效率。与股权融资相比，银行信贷的融资成本相对较低，企业通过银行信贷获取低成本资金，能够有效降低融资成本，提高自身盈利能力。当企业获得银行信贷时，这表明企业的信用状况良好，有助于企业在其他融资渠道获得更多支持，提高企业信用等级。银行信贷还可以促进市场竞争，其提供使得更多企业能够获得资金支持，参与市场竞争，从而提高整个市场的竞争力，推动经济的健康发展。从宏观角度来看，银行信贷规模的变动会对社会的货币供应量和利率水平产生影响，进而影响整个经济的运行。当银行信贷规模扩张时，社会货币供应量增加，企业和个人更容易获得资金，这会刺激投资和消费，推动经济增长；反之，当银行信贷规模收缩时，货币供应量减少，企业和个人融资难度加大，投资和消费受到抑制，经济增长可能放缓。银行信贷在资金配置中发挥着关键作用，能够将资金导向具有发展潜力的行业和项目，优化资源配置，提高经济增长的质量和效益。例如，银行可以根据国家的产业政策和市场需求，有针对性地向战略性新兴制造业企业提供信贷支持，引导资金流向这些具有高增长潜力和创新能力的领域，促进产业结构的优化升级，推动经济的高质量发展。2.2国内外研究现状2.2.1国外研究现状国外学者在金融与产业发展关系领域的研究起步较早，成果颇丰。在银行信贷与产业发展方面，Schumpeter（1912）在其经典著作《经济发展理论》中提出，银行通过识别并为最具创新能力的企业家提供信贷支持，促进了创新活动的开展，进而推动产业发展和经济增长，强调了银行信贷在筛选和资助创新项目方面的关键作用。King和Levine（1993）运用80个国家1960-1989年的数据进行实证分析，结果表明金融发展（包括银行信贷规模的扩张）与经济增长之间存在显著的正相关关系，银行信贷能够为企业提供资金，促进资本积累和技术创新，从而推动产业发展。在全要素生产率的研究中，Solow（1957）提出了著名的索洛余值法，通过构建生产函数，将经济增长中无法由资本和劳动投入解释的部分归结为技术进步，即全要素生产率的增长，为后续全要素生产率的研究奠定了重要基础。此后，众多学者围绕全要素生产率的测算方法和影响因素展开深入研究。例如，Färe等（1994）提出了基于数据包络分析（DEA）的Malmquist指数法，该方法能够有效测算全要素生产率的变化，并将其分解为技术效率变化和技术进步变化，使得对全要素生产率的分析更加细致和深入。在银行信贷与全要素生产率关系的研究上，部分学者从企业层面进行分析。Berger和Udell（1998）研究发现，银行信贷能够为中小企业提供资金支持，帮助企业扩大生产规模、引进先进技术和设备，从而提高企业的生产效率和全要素生产率。但也有学者指出，银行信贷对企业全要素生产率的影响并非简单的线性关系。Gelos和Werner（2002）以墨西哥企业为样本进行研究，发现银行信贷在一定程度上能够促进企业全要素生产率的提升，但当信贷规模过大时，可能导致企业过度依赖外部资金，忽视自身创新能力的培养，从而对全要素生产率产生负面影响。还有学者从宏观产业层面进行探讨，认为银行信贷能够引导资源向高效率产业流动，促进产业结构优化，进而提升产业整体的全要素生产率。Aghion等（2005）通过对多个国家制造业数据的分析，发现银行信贷在推动产业技术升级和全要素生产率提升方面发挥着重要作用，尤其是在技术密集型产业中，银行信贷的支持更为关键。2.2.2国内研究现状国内学者在战略性新兴制造业发展、银行信贷支持及两者关系研究方面也取得了丰富成果。在战略性新兴制造业发展研究方面，学者们普遍认为战略性新兴制造业是推动我国经济转型升级和高质量发展的重要力量。贺正楚等（2020）通过测算战略性新兴产业的全要素生产率并分析其变动趋势，发现战略性新兴产业全要素生产率增长稳健，在产业体系中具有引领性，尤其是新一代信息技术产业、航空航天产业、新能源汽车产业等新兴产业的全要素生产率增速显著高于整体工业水平。张红霞（2024）指出新兴产业是全要素生产率提升的先导产业，对经济整体全要素生产率的增长发挥着积极作用，其贡献程度和影响远高于其他工业产业。在银行信贷支持战略性新兴制造业发展的研究中，国内学者主要从政策支持、融资渠道拓展等方面进行探讨。刘忠璐（2018）认为政府应加大对战略性新兴产业的政策支持力度，引导银行信贷资金流向该领域，同时鼓励金融机构创新金融产品和服务，拓宽战略性新兴制造业企业的融资渠道。李扬和张晓晶（2020）强调了金融支持对于战略性新兴产业发展的重要性，指出银行应根据战略性新兴制造业企业的特点，优化信贷审批流程，提高信贷服务效率，为企业提供更加精准的金融支持。在银行信贷规模与战略性新兴制造业全要素生产率关系的研究上，部分学者通过实证分析发现两者之间存在密切联系。王立国和赵婉好（2019）运用面板数据模型，对我国战略性新兴产业上市公司的数据进行分析，结果表明银行信贷规模的扩大对战略性新兴产业全要素生产率的提升具有显著的促进作用，银行信贷能够为企业提供资金，支持企业开展技术创新活动，从而提高企业的生产效率。但也有学者提出不同观点，认为银行信贷规模对战略性新兴制造业全要素生产率的影响存在门槛效应。李程骅和胡进（2021）的研究表明，当银行信贷规模低于一定门槛值时，信贷规模的增加能够促进战略性新兴制造业全要素生产率的提升；当信贷规模超过门槛值时，继续增加信贷规模可能会导致资源配置效率下降，对全要素生产率产生抑制作用。尽管国内学者在该领域取得了一定的研究成果，但仍存在一些不足之处。现有研究在理论分析方面，对于银行信贷规模影响战略性新兴制造业全要素生产率的内在机制探讨还不够深入，缺乏系统性的理论框架。在实证研究中，部分研究样本选取不够全面，数据时效性有待提高，且研究方法相对单一，对于一些复杂的非线性关系和中介效应的分析还不够充分。在政策建议方面，虽然提出了一些针对性的措施，但在实际操作层面的可行性和有效性还有待进一步验证和完善。三、银行信贷规模与战略性新兴制造业发展现状分析3.1银行信贷规模现状3.1.1总体信贷规模变化趋势近年来，我国银行信贷规模呈现出稳步增长的态势，在支持实体经济发展、推动经济增长等方面发挥了重要作用。根据中国人民银行公布的数据，2015-2024年期间，我国金融机构人民币各项贷款余额持续攀升。2015年末，金融机构人民币各项贷款余额为93.95万亿元，而到了2024年6月末，这一数字已增长至259.59万亿元，年均增长率达到12.24%。这一增长趋势反映出我国经济发展对信贷资金的持续需求，以及银行体系在提供信贷支持方面的积极作用。信贷规模的增长与我国宏观经济的发展密切相关。在经济增长的过程中，企业和个人的融资需求不断增加，银行通过扩大信贷规模，为实体经济注入资金，促进了企业的投资和生产活动，推动了经济的增长。在经济转型时期，信贷资金也在支持新兴产业发展、促进产业结构调整方面发挥了关键作用。例如，在战略性新兴制造业崛起的过程中，银行信贷为相关企业提供了必要的资金支持，助力企业开展技术研发、扩大生产规模，推动了战略性新兴制造业的快速发展。货币政策的调整也对信贷规模产生了重要影响。央行通过调整利率、存款准备金率等货币政策工具，调节市场流动性，进而影响银行的信贷投放能力。当货币政策宽松时，市场流动性增加，银行信贷规模往往会相应扩大；反之，当货币政策收紧时，信贷规模则可能受到抑制。在2020年疫情爆发初期，为了应对疫情对经济的冲击，央行采取了一系列宽松的货币政策措施，包括降低利率、下调存款准备金率等，这些措施有效增加了市场流动性，推动了银行信贷规模的快速增长，为企业复工复产提供了有力的资金支持。信贷规模的增长还受到金融创新和金融市场发展的影响。随着金融市场的不断完善和金融创新的推进，银行的信贷产品和服务日益丰富，为企业和个人提供了更多的融资选择，促进了信贷规模的扩大。互联网金融的发展，使得银行能够通过线上渠道拓展信贷业务，提高了信贷服务的效率和覆盖面，进一步推动了信贷规模的增长。尽管我国银行信贷规模总体呈现增长趋势，但在不同时期和不同地区，信贷规模的增长速度和结构存在一定差异。在经济发达地区，信贷需求旺盛，信贷规模增长相对较快；而在经济欠发达地区，信贷规模的增长可能相对较慢。在不同行业之间，信贷资源的分配也存在不均衡的情况，一些传统行业可能获得较多的信贷支持，而新兴产业在获取信贷资金时可能面临一定的困难。3.1.2对战略性新兴制造业的信贷投放情况近年来，随着我国对战略性新兴制造业的重视程度不断提高，银行对该领域的信贷投放规模也在逐步增加。战略性新兴制造业作为推动经济转型升级和高质量发展的重要力量，具有高投入、高风险、高回报的特点，其发展需要大量的资金支持。银行作为主要的金融中介机构，在为战略性新兴制造业提供融资支持方面发挥着关键作用。从信贷投放规模来看，2015-2024年期间，银行对战略性新兴制造业的信贷投放呈现出逐年上升的趋势。根据中国银行业协会发布的数据，2015年，银行对战略性新兴制造业的信贷投放余额为2.5万亿元，占制造业贷款总额的比重为10.5%；到了2024年6月末，信贷投放余额已增长至12.8万亿元，占制造业贷款总额的比重提升至28.6%。这一数据表明，银行对战略性新兴制造业的支持力度不断加大，信贷资源逐渐向该领域倾斜。在信贷投放的行业分布上，银行对不同战略性新兴制造业子行业的信贷支持存在一定差异。新一代信息技术产业和新能源汽车产业作为战略性新兴制造业的重要组成部分，受到了银行的重点关注和支持。截至2024年6月末，银行对新一代信息技术产业的信贷投放余额为3.5万亿元，占战略性新兴制造业信贷投放总额的27.3%；对新能源汽车产业的信贷投放余额为2.8万亿元，占比为21.9%。这两个子行业由于技术创新活跃、市场前景广阔，具有较高的投资回报率和发展潜力，因此吸引了大量的信贷资金。高端装备制造产业和新材料产业也获得了银行一定规模的信贷支持。2024年6月末，银行对高端装备制造产业的信贷投放余额为2.2万亿元，占比为17.2%；对新材料产业的信贷投放余额为1.8万亿元，占比为14.1%。这些产业在推动我国制造业高端化、智能化、绿色化发展方面具有重要作用，银行通过提供信贷资金，支持企业开展技术研发和设备更新，提升产业竞争力。相比之下，生物医药产业和节能环保产业在信贷投放规模和占比上相对较低。2024年6月末，银行对生物医药产业的信贷投放余额为1.2万亿元，占比为9.4%；对节能环保产业的信贷投放余额为1.3万亿元，占比为10.2%。这可能是由于生物医药产业研发周期长、风险高，以及节能环保产业投资回报周期较长等原因，导致银行在信贷投放时相对谨慎。银行对战略性新兴制造业的信贷投放还存在区域差异。在经济发达地区，如长三角、珠三角和京津冀地区，由于产业基础雄厚、创新资源丰富、市场需求旺盛，银行对战略性新兴制造业的信贷投放规模较大，占比也相对较高。而在中西部地区和东北地区，信贷投放规模和占比相对较低。这种区域差异在一定程度上反映了我国战略性新兴制造业发展的不平衡性，也对区域经济的协调发展带来了挑战。3.2战略性新兴制造业发展现状3.2.1产业规模与增长态势近年来，我国战略性新兴制造业展现出强劲的发展势头，产业规模持续扩大，增长速度显著高于传统制造业，在国民经济中的地位愈发重要，已成为推动经济增长和产业结构升级的关键力量。从产业规模来看，截至2024年，我国战略性新兴制造业的增加值达到8.2万亿元，占国内生产总值（GDP）的比重为6.8%，较2015年的3.5%有了大幅提升。这一数据充分表明，战略性新兴制造业在我国经济体系中的份额不断增加，对经济增长的贡献日益显著。在企业数量方面，截至2024年底，我国战略性新兴制造业企业数量达到35万家，较2015年增长了150%。企业数量的快速增长，反映出战略性新兴制造业的市场活力不断增强，吸引了大量企业投身其中，推动了产业的蓬勃发展。在增长速度上，战略性新兴制造业表现出色。2015-2024年期间，我国战略性新兴制造业增加值的年均增长率达到15.6%，远高于同期传统制造业的年均增长率6.8%。这一增长速度不仅体现了战略性新兴制造业的强大发展潜力，也反映出我国在推动产业升级和创新发展方面取得的显著成效。以新能源汽车产业为例，2024年我国新能源汽车产量达到1050万辆，较2015年增长了10倍，年均增长率高达30.5%。新能源汽车产业的快速发展，不仅带动了相关产业链的协同发展，如电池、电机、电控等核心零部件产业，还促进了能源结构的优化和交通领域的绿色转型，对我国经济的可持续发展具有重要意义。战略性新兴制造业的发展还呈现出区域集聚的特征。长三角、珠三角和京津冀地区凭借其优越的地理位置、完善的产业基础、丰富的人才资源和良好的创新环境，成为战略性新兴制造业的主要集聚地。2024年，长三角地区战略性新兴制造业增加值占全国的比重达到35%，珠三角地区占比为25%，京津冀地区占比为18%。这些地区形成了各具特色的产业集群，如长三角地区的新一代信息技术产业集群、珠三角地区的新能源汽车产业集群、京津冀地区的生物医药产业集群等，产业集群的形成进一步促进了资源共享、技术交流和协同创新，提升了产业的整体竞争力。战略性新兴制造业在国民经济中发挥着重要作用。它不仅推动了经济增长，还促进了产业结构的优化升级，提高了我国产业的国际竞争力。战略性新兴制造业的发展还创造了大量的就业机会，带动了相关服务业的发展，对稳定就业和促进经济社会的和谐发展具有积极影响。3.2.2技术创新与产业升级情况技术创新是战略性新兴制造业发展的核心驱动力，对于推动产业升级、提高产业竞争力具有至关重要的作用。近年来，我国战略性新兴制造业在技术创新方面取得了显著成果，产业升级步伐不断加快，但也面临着一些挑战。在技术创新投入方面，我国战略性新兴制造业企业高度重视研发投入，不断加大技术创新力度。2024年，我国战略性新兴制造业企业的研发投入达到5600亿元，占营业收入的比重为3.8%，较2015年的2.5%有了明显提高。这表明企业对技术创新的重视程度不断提升，愿意投入更多资源用于研发，以提升自身的技术水平和创新能力。华为公司作为新一代信息技术产业的领军企业，2024年的研发投入达到238亿美元，占营业收入的比重为14.5%。通过持续的高投入研发，华为在5G通信技术、人工智能等领域取得了众多关键技术突破，其5G基站设备和通信解决方案在全球市场占据重要地位，为我国战略性新兴制造业的技术创新树立了典范。随着技术创新投入的增加，我国战略性新兴制造业在创新成果转化方面也取得了丰硕成果。专利申请数量和授权数量是衡量创新成果的重要指标。2024年，我国战略性新兴制造业专利申请数量达到85万件，授权数量为48万件，分别较2015年增长了280%和320%。这些专利涵盖了众多关键技术领域，为产业的发展提供了坚实的技术支撑。在新能源领域，我国在太阳能、风能、储能等方面的技术不断取得突破，太阳能电池转换效率不断提高，风能发电技术日益成熟，储能技术的成本逐渐降低，应用范围不断扩大。我国在新能源汽车电池技术方面也取得了重要进展，磷酸铁锂电池和三元锂电池的能量密度、安全性和使用寿命都有了显著提升，推动了新能源汽车产业的快速发展。技术创新的推动下，我国战略性新兴制造业的产业升级步伐不断加快。产业升级主要体现在产品结构优化、生产方式智能化和绿色化等方面。在产品结构优化方面，战略性新兴制造业企业不断加大高端产品的研发和生产力度，提高产品的附加值和技术含量。在高端装备制造领域，我国企业不断突破关键核心技术，生产出具有国际先进水平的数控机床、工业机器人、航空航天装备等高端产品，逐渐打破了国外企业的技术垄断，提高了我国高端装备制造业的国产化率。生产方式智能化和绿色化也是产业升级的重要方向。随着新一代信息技术与制造业的深度融合，智能制造成为战略性新兴制造业发展的重要趋势。企业通过引入工业互联网、大数据、人工智能等技术，实现生产过程的智能化控制和管理，提高生产效率和产品质量，降低生产成本。例如，富士康科技集团通过打造“熄灯工厂”，实现了生产过程的高度自动化和智能化，生产效率提高了30%以上，人力成本降低了50%。在绿色化方面，战略性新兴制造业企业积极采用绿色制造技术和工艺，减少资源消耗和环境污染，实现可持续发展。在新能源汽车产业，企业通过优化电池回收利用技术，提高电池的回收率和再利用率，减少了电池对环境的污染；在节能环保产业，企业不断研发和推广高效节能产品和环保技术，为推动我国经济的绿色发展做出了重要贡献。尽管我国战略性新兴制造业在技术创新和产业升级方面取得了显著成就，但仍面临一些挑战。一是关键核心技术仍受制于人，部分高端芯片、先进材料、关键零部件等依赖进口，严重制约了产业的自主可控发展。二是技术创新人才短缺，尤其是既懂技术又懂管理的复合型人才匮乏，难以满足产业快速发展的需求。三是创新投入的稳定性和持续性有待提高，部分企业在面临市场波动和经济下行压力时，可能会削减研发投入，影响技术创新的进程。四是创新成果转化的效率还有待提升，存在科技成果与市场需求脱节的现象，导致一些创新成果难以实现产业化应用。四、银行信贷规模对战略性新兴制造业全要素生产率影响的理论机制分析4.1促进作用机制4.1.1提供资金支持，保障生产运营战略性新兴制造业的发展离不开稳定且充足的资金保障，银行信贷在其中扮演着至关重要的角色，是企业获取资金的重要外部融资渠道。银行信贷为战略性新兴制造业企业提供资金，首要作用在于满足企业原材料采购的资金需求。原材料作为生产的基础要素，其稳定供应和质量优劣直接关系到企业的生产能否顺利进行以及产品质量的高低。对于一家新能源汽车制造企业而言，电池原材料（如锂、钴等）的采购成本高昂，且市场价格波动频繁。通过获得银行信贷资金，企业能够在原材料价格相对合理时及时采购，确保生产所需原材料的充足供应，避免因原材料短缺而导致的生产停滞。这不仅保障了企业生产的连续性，还能使企业在面对原材料市场价格波动时具备更强的应对能力，有效降低生产成本，提高生产效率。设备更新也是战略性新兴制造业企业发展过程中的关键环节，对于提高生产效率、提升产品质量以及增强企业竞争力具有重要意义。随着科技的飞速发展和市场竞争的日益激烈，企业现有的生产设备可能逐渐无法满足生产需求，需要不断进行更新换代。银行信贷资金为企业提供了实现设备更新的可能。例如，一家高端装备制造企业，通过申请银行贷款，购置了先进的数控机床和自动化生产设备。这些新设备的投入使用，显著提高了生产过程的自动化程度和精度，减少了人工操作带来的误差，从而使产品质量得到大幅提升，生产效率也提高了数倍。新设备还能够实现生产流程的优化和创新，为企业开发新产品、拓展市场提供了有力支持。在战略性新兴制造业企业的运营过程中，日常运营资金的稳定供应同样不可或缺。日常运营资金涵盖了企业运营的各个方面，包括员工薪酬支付、水电费缴纳、市场推广费用支出等。这些资金需求虽然单笔金额可能相对较小，但却是维持企业正常运转的基础。若企业出现运营资金短缺，可能导致员工积极性受挫、生产活动无法正常开展，甚至影响企业的市场形象和声誉。银行信贷能够为企业提供必要的运营资金支持，确保企业各项运营活动的顺利进行。一家生物医药企业在研发新药的过程中，需要持续投入大量资金用于临床试验、市场推广以及人员培训等方面。通过获得银行信贷，企业能够按时支付员工薪酬，保证研发团队的稳定；及时缴纳水电费，确保实验室和生产车间的正常运行；开展有效的市场推广活动，提高产品的知名度和市场占有率。这一系列举措有助于企业保持良好的运营状态，为企业的长期发展奠定坚实基础。4.1.2推动技术创新，提高生产效率技术创新是战略性新兴制造业发展的核心驱动力，而银行信贷资金在助力企业开展技术创新活动、提高生产效率方面发挥着不可替代的关键作用。战略性新兴制造业企业的技术创新活动具有高投入、高风险、高回报的显著特点。在研发过程中，企业需要投入大量资金用于购买先进的研发设备、引进高端科研人才、开展基础研究和应用研究等。以一家从事人工智能芯片研发的企业为例，其研发一款新型人工智能芯片，不仅需要投入巨额资金购买先进的芯片制造设备和测试仪器，还需要高薪聘请一批具备深厚专业知识和丰富经验的芯片设计工程师、算法专家等高端人才。这些前期投入成本巨大，且研发过程充满不确定性，可能面临技术难题无法攻克、研发周期延长、市场需求变化等诸多风险。银行信贷资金的注入为企业提供了开展技术创新活动的必要资金支持，使企业能够有足够的资源投入到研发中。企业可以利用信贷资金购买先进的研发设备，这些设备具备更高的精度、更快的运算速度和更强的功能，能够为科研人员提供更先进的研究工具，加速技术研发进程。例如，购买高精度的电子显微镜，能够帮助科研人员更清晰地观察芯片内部的微观结构，从而更好地进行芯片设计和优化；引进高性能的计算服务器，能够满足人工智能算法训练对计算能力的巨大需求，提高算法的训练效率和准确性。银行信贷资金还可以用于引进高端科研人才。高端科研人才是企业技术创新的核心力量，他们具备深厚的专业知识、创新思维和丰富的实践经验，能够为企业带来先进的技术理念和创新方法。企业通过提供具有竞争力的薪酬待遇和良好的工作环境，吸引高端科研人才加入，组建一支高素质的研发团队。这些人才能够充分发挥自身的专业优势，在技术研发过程中不断突破关键技术难题，推动技术创新的实现。一家新能源企业通过银行信贷资金，成功引进了一位在电池技术领域具有国际领先水平的专家。该专家带领研发团队，经过不懈努力，成功研发出一种新型电池技术，使电池的能量密度提高了30%，续航里程提升了50%，有效解决了新能源汽车续航里程短的问题，极大地提高了企业的市场竞争力。企业利用信贷资金开展基础研究和应用研究，探索新技术、新工艺、新产品。基础研究是技术创新的源头，能够为应用研究提供理论支持和技术储备；应用研究则将基础研究成果转化为实际生产力，开发出具有市场竞争力的产品和服务。通过持续的研究投入，企业能够不断提升自身的技术水平，开发出具有创新性的产品和技术，满足市场需求，提高生产效率。一家新材料企业利用银行信贷资金，开展了一系列关于新型复合材料的基础研究和应用研究。经过多年的努力，企业成功研发出一种高强度、轻量化的新型复合材料，并将其应用于航空航天、汽车制造等领域。这种新型复合材料的应用，不仅提高了产品的性能和质量，还降低了生产成本，提高了生产效率，为企业带来了巨大的经济效益和社会效益。技术创新成果的应用能够显著提高企业的生产效率。新的技术和工艺能够优化生产流程，减少生产环节中的浪费和损耗，提高生产的自动化程度和智能化水平，从而降低生产成本，提高产品质量和生产效率。例如，企业研发出的自动化生产技术，能够实现生产过程的全自动化控制，减少人工操作环节，提高生产效率和产品一致性；引入先进的智能制造系统，通过大数据分析和人工智能算法，实现生产资源的优化配置和生产过程的实时监控，及时发现和解决生产中的问题，进一步提高生产效率和质量。4.1.3助力产业结构优化，实现规模经济银行信贷在引导资源向优势企业集中、推动战略性新兴制造业产业结构优化以及实现规模经济方面发挥着重要的引导和推动作用。在市场经济环境下，银行作为金融中介机构，在信贷资源配置过程中，会基于对企业的信用状况、经营业绩、发展前景等多方面因素的综合评估，将信贷资金优先投向那些具有核心竞争力、市场前景广阔、发展潜力较大的优势企业。对于战略性新兴制造业企业而言，优势企业往往在技术创新能力、产品质量、品牌影响力、市场份额等方面具有明显优势。一家在新一代信息技术领域拥有核心专利技术、产品性能卓越且市场认可度高的企业，银行会更倾向于为其提供信贷支持。因为这类企业具有较高的投资回报率和较低的违约风险，银行的信贷资金投入能够获得较为稳定的收益。银行信贷资金向优势企业的集中，能够为这些企业提供充足的资金支持，助力企业扩大生产规模、提升技术水平、拓展市场份额。企业利用信贷资金购置先进的生产设备，扩大生产场地，招聘更多的专业人才，从而提高生产能力和产品质量，增强市场竞争力。优势企业还可以通过技术创新和产品升级，进一步巩固和扩大自身的市场优势，实现规模经济。以一家新能源汽车制造企业为例，该企业凭借其先进的电池技术和优秀的产品设计，在市场上获得了良好的口碑和较高的市场份额。银行通过对其进行综合评估后，为其提供了大额信贷资金。企业利用这笔资金，新建了生产基地，引进了先进的自动化生产线，扩大了生产规模。随着生产规模的扩大，企业的单位生产成本逐渐降低，实现了规模经济。企业还加大了研发投入，不断推出新的车型和技术，进一步提升了市场竞争力，巩固了在新能源汽车市场的领先地位。在优势企业不断发展壮大的过程中，会对行业内的其他企业产生示范和带动作用，促使其他企业加大技术创新和管理创新力度，提升自身竞争力。这将推动整个战略性新兴制造业产业结构的优化升级，使产业资源向更高效、更具竞争力的企业和领域集中，实现产业结构的合理化和高级化。一些中小企业为了在市场竞争中生存和发展，会借鉴优势企业的成功经验，加大技术研发投入，改进生产工艺，提高产品质量。这将促进整个行业技术水平的提升和产业结构的优化。优势企业还可以通过并购、重组等方式，整合行业内的资源，实现产业的规模化和集约化发展，进一步提升产业的整体竞争力。银行信贷还可以引导资源向战略性新兴制造业的关键领域和薄弱环节倾斜，促进产业结构的均衡发展。对于一些新兴技术领域，如人工智能、量子通信等，虽然具有巨大的发展潜力，但由于技术研发难度大、风险高，初期投入成本高，企业在发展过程中往往面临资金短缺的问题。银行可以通过提供专项信贷资金，支持这些领域的企业开展技术研发和产业化应用，推动新兴技术的发展和应用，填补产业发展的空白。对于一些产业链中的薄弱环节，如关键零部件制造、原材料供应等，银行也可以加大信贷支持力度，加强产业链的协同发展，提高产业的整体稳定性和竞争力。4.2抑制作用机制4.2.1信贷配给不均，限制部分企业发展在战略性新兴制造业的发展进程中，银行信贷配给不均的现象较为突出，这在很大程度上限制了部分企业的发展，对战略性新兴制造业全要素生产率的提升产生了负面影响。银行在进行信贷决策时，通常会基于风险评估和收益考量。由于战略性新兴制造业企业大多具有高风险、高不确定性的特点，银行往往倾向于将信贷资金投向那些规模较大、经营状况稳定、信用评级较高的企业。这是因为大型企业通常拥有更雄厚的资产基础、更稳定的现金流和更完善的风险管理体系，银行向其发放贷款的风险相对较低，能够获得较为稳定的收益。从实际数据来看，规模较大的战略性新兴制造业企业在获取银行信贷方面具有明显优势。以某省战略性新兴制造业企业为例，资产规模在10亿元以上的企业，其获得银行信贷的平均额度为5亿元，信贷获批率达到80%；而资产规模在1亿元以下的中小企业，平均信贷额度仅为1000万元，信贷获批率仅为30%。这种信贷配给的不均衡，使得中小企业在发展过程中面临严重的资金短缺问题。资金短缺给中小企业的发展带来了诸多困境。中小企业因缺乏足够的资金用于技术研发，无法及时跟进行业的技术发展趋势，导致技术水平落后，产品竞争力下降。资金不足还限制了企业的生产规模扩张，使其难以实现规模经济，单位生产成本居高不下。中小企业在市场拓展方面也会受到限制，无法投入足够的资金进行市场推广和品牌建设，市场份额难以扩大。一家从事新能源设备制造的中小企业，由于无法获得足够的银行信贷资金，只能维持小规模生产，无法引进先进的生产设备和技术，产品质量和生产效率远低于同行业的大型企业。在市场竞争中，该企业逐渐失去优势，市场份额不断被挤压，最终面临倒闭的风险。信贷配给不均还会导致行业内资源配置不合理，影响战略性新兴制造业整体全要素生产率的提升。一些具有创新潜力和发展前景的中小企业，由于缺乏资金支持，无法充分发挥其创新能力，创新成果难以转化为实际生产力。而一些大型企业可能会因为过度依赖银行信贷资金，出现盲目扩张、资源浪费等问题，降低了资源配置效率。这种资源错配现象不仅阻碍了中小企业的发展，也削弱了战略性新兴制造业的整体创新活力和竞争力，不利于全要素生产率的提高。4.2.2增加企业债务负担，影响创新投入在战略性新兴制造业中，企业若过度依赖银行信贷，可能会导致债务负担过重，进而对企业的创新投入和长期发展能力产生负面影响。战略性新兴制造业企业的发展需要大量的资金支持，银行信贷作为重要的融资渠道，在为企业提供资金的也带来了债务压力。当企业过度依赖银行信贷时，会导致债务规模不断扩大，债务利息支出增加，从而加重企业的财务负担。根据对某地区战略性新兴制造业企业的调查数据显示，当企业的资产负债率超过60%时，企业的债务利息支出占营业收入的比重平均达到10%以上。高额的债务利息支出会直接侵蚀企业的利润，减少企业的可支配资金。企业的创新活动需要持续且大量的资金投入，包括研发设备购置、科研人员薪酬、技术合作费用等。当企业债务负担过重时，有限的资金首先要用于偿还债务本息，这就使得企业在创新投入方面的资金大幅减少。一些企业为了偿还债务，不得不削减研发投入，减少科研项目的开展，甚至暂停一些具有重要战略意义的创新计划。这不仅会影响企业当前的创新能力，还会削弱企业的核心竞争力，阻碍企业的长期发展。例如，一家从事生物医药研发的企业，由于过度依赖银行信贷进行规模扩张，导致债务负担过重。为了偿还债务，企业不得不将原本用于新药研发的资金用于支付债务利息，使得新药研发进度被迫放缓。在市场竞争日益激烈的情况下，企业因无法及时推出新产品，市场份额逐渐被竞争对手抢占，企业的盈利能力和发展前景受到严重影响。过度的债务负担还会使企业面临更大的财务风险。当市场环境发生变化，如利率上升、市场需求下降时，企业的偿债压力会进一步增大，可能导致企业资金链断裂，面临破产风险。在2008年全球金融危机期间，许多过度依赖银行信贷的战略性新兴制造业企业，由于市场需求急剧萎缩，销售收入大幅下降，无法按时偿还债务，最终破产倒闭。这种财务风险不仅会给企业自身带来巨大损失，还会对整个行业的发展产生负面影响，降低行业的整体全要素生产率。从长期来看，债务负担过重还会影响企业的创新投入和长期发展能力。创新是企业发展的核心动力，而持续的创新投入是保持企业创新能力的关键。当企业因债务负担过重而减少创新投入时，企业的技术水平和产品质量难以提升，无法满足市场不断变化的需求，从而逐渐失去市场竞争力。企业在长期发展过程中，还需要进行设备更新、人才培养、市场拓展等方面的投入，这些都需要充足的资金支持。过度的债务负担会限制企业在这些方面的投入，影响企业的长期发展潜力，进而对战略性新兴制造业的全要素生产率提升产生不利影响。4.2.3引发行业过度竞争，降低资源配置效率银行信贷规模的扩张可能会引发战略性新兴制造业行业过度竞争，进而导致资源浪费和配置效率降低，对战略性新兴制造业全要素生产率的提升产生阻碍作用。当银行信贷规模扩张时，更多的资金流入战略性新兴制造业领域，企业获取资金的难度降低，这会吸引大量企业进入该行业。在市场需求有限的情况下，企业数量的增加会导致市场竞争加剧，引发行业过度竞争。以新能源汽车行业为例，近年来随着银行对新能源汽车产业信贷支持力度的加大，大量企业涌入该行业。截至2024年，我国新能源汽车生产企业数量超过500家。市场上新能源汽车产品同质化现象严重，价格竞争激烈，企业为了争夺市场份额，不得不降低产品价格，压缩利润空间。过度竞争会导致企业盈利能力下降，部分企业甚至出现亏损。为了在竞争中生存，企业可能会采取一些短期行为，如降低产品质量标准、减少研发投入等，这将严重影响行业的健康发展。一些小型新能源汽车企业，为了降低成本，在生产过程中使用低质量的零部件，导致产品质量不稳定，安全隐患增加。这些企业还减少了研发投入，无法推出具有创新性的产品，进一步削弱了企业的竞争力。过度竞争还会导致资源的浪费，企业为了争夺有限的市场资源，会进行重复建设和盲目投资，造成生产能力过剩。据统计，2024年我国新能源汽车行业产能利用率仅为60%左右，大量的生产设备和资源处于闲置状态，这不仅浪费了社会资源，还增加了企业的运营成本，降低了资源配置效率。在过度竞争的环境下，企业往往会将更多的精力放在市场竞争上，而忽视了技术创新和产品升级。这将导致行业整体技术水平提升缓慢，产品同质化现象加剧，无法满足市场对高品质、高性能产品的需求。例如，在光伏产业中，由于行业过度竞争，企业为了降低成本，大量采用低价低质的生产技术和设备，导致整个行业的技术创新动力不足，产品质量参差不齐。这不仅影响了我国光伏产业在国际市场上的竞争力，也制约了行业的可持续发展，使得行业全要素生产率难以得到有效提升。行业过度竞争还会导致市场秩序混乱，一些企业可能会采取不正当竞争手段，如恶意诋毁竞争对手、侵犯知识产权等，这将破坏市场公平竞争的环境，影响行业的声誉和形象。在战略性新兴制造业中，知识产权保护尤为重要，过度竞争导致的知识产权侵权行为，会打击企业创新的积极性，阻碍技术创新的传播和应用，进一步降低资源配置效率和全要素生产率。五、银行信贷规模对战略性新兴制造业全要素生产率影响的实证研究5.1研究设计5.1.1研究假设提出基于前文的理论机制分析，提出以下研究假设：假设1：银行信贷规模对战略性新兴制造业全要素生产率具有正向影响。合理的银行信贷规模能够为战略性新兴制造业企业提供充足的资金，满足企业在生产运营、技术创新、设备更新等方面的资金需求，从而促进企业全要素生产率的提升。在新能源汽车产业中，企业通过获得银行信贷资金，能够加大对电池技术研发的投入，提升电池能量密度和续航里程，进而提高生产效率和产品质量，实现全要素生产率的增长。假设2：银行信贷规模对战略性新兴制造业全要素生产率的影响存在门槛效应。当银行信贷规模处于合理区间时，能够有效促进全要素生产率的提升；但当信贷规模超过一定门槛值后，可能会引发资金过度投入、产能过剩等问题，导致资源配置效率下降，从而对全要素生产率产生抑制作用。在光伏产业发展初期，适度的银行信贷规模能够推动企业扩大生产规模、引进先进技术，促进产业发展和全要素生产率提升；随着信贷规模的不断扩大，部分地区出现了光伏产业产能过剩的现象，企业面临激烈的市场竞争和产品价格下跌，导致企业盈利能力下降，全要素生产率受到负面影响。假设3：技术创新在银行信贷规模影响战略性新兴制造业全要素生产率的过程中发挥中介作用。银行信贷规模的增加为企业提供了更多的资金用于技术创新，包括研发投入、人才引进、专利申请等。技术创新成果的应用能够优化生产流程、提高产品质量、降低生产成本，进而促进企业全要素生产率的提升。以新一代信息技术产业为例，企业通过银行信贷资金加大对芯片研发的投入，成功研发出高性能芯片，应用于电子产品中，提高了产品的性能和市场竞争力，同时也提升了企业的生产效率和全要素生产率。5.1.2变量选取与数据来源被解释变量：战略性新兴制造业全要素生产率（TFP），采用数据包络分析（DEA）-Malmquist指数法进行测算。该方法能够有效处理多投入多产出的情况，且不需要预先设定生产函数的具体形式，能够较为准确地测算全要素生产率及其分解项（技术效率变化和技术进步变化）。以新能源汽车企业为例，投入变量选取固定资产原值、研发人员数量、研发经费支出等，产出变量选取工业总产值、新产品销售收入等，通过DEA-Malmquist指数法计算出企业的全要素生产率。解释变量：银行信贷规模（Loan），选用战略性新兴制造业企业获得的银行贷款余额来衡量。银行贷款余额能够直接反映企业从银行获得的信贷资金规模，是衡量银行信贷支持力度的重要指标。对于一家从事高端装备制造的企业，其银行贷款余额的增加意味着企业可支配资金的增多，能够用于购置先进设备、开展技术研发等，从而影响企业的生产效率和全要素生产率。控制变量：选取以下可能对战略性新兴制造业全要素生产率产生影响的控制变量。企业规模（Size），用企业资产总额的自然对数表示，企业规模越大，可能在资源获取、技术研发、市场拓展等方面具有优势，从而影响全要素生产率；研发投入强度（RD），用企业研发经费支出与营业收入的比值表示，研发投入是推动技术创新和全要素生产率提升的关键因素；资本密集度（CI），用固定资产原值与员工人数的比值表示，反映企业的资本投入水平和生产技术特征；产业集聚度（Agglomeration），采用区位熵指数来衡量，产业集聚能够带来知识溢出、资源共享等外部效应，促进企业全要素生产率的提高。数据来源方面，战略性新兴制造业企业的财务数据、研发数据等主要来源于Wind数据库、同花顺iFind数据库以及各企业的年报。银行信贷数据通过向相关银行调研获取，部分缺失数据通过查阅企业公告、新闻报道等渠道进行补充。地区经济数据来源于国家统计局、各省市统计年鉴。样本选取了2015-2024年沪深两市A股战略性新兴制造业上市公司，经过数据清洗和筛选，最终得到有效样本1000个。5.1.3模型构建为了检验银行信贷规模对战略性新兴制造业全要素生产率的影响，构建如下基准回归模型：TFP_{it}=\alpha_0+\alpha_1Loan_{it}+\sum_{j=1}^{n}\alpha_{j+1}Control_{jit}+\mu_{i}+\nu_{t}+\varepsilon_{it}其中，i表示企业，t表示年份；TFP_{it}表示第i家企业在第t年的全要素生产率；Loan_{it}表示第i家企业在第t年获得的银行信贷规模；Control_{jit}表示第j个控制变量，包括企业规模（Size）、研发投入强度（RD）、资本密集度（CI）、产业集聚度（Agglomeration）等；\alpha_0为常数项，\alpha_1、\alpha_{j+1}为回归系数；\mu_{i}表示个体固定效应，用于控制企业个体特征差异；\nu_{t}表示时间固定效应，用于控制宏观经济环境等时间因素的影响；\varepsilon_{it}为随机误差项。为了检验银行信贷规模对战略性新兴制造业全要素生产率的影响是否存在门槛效应，采用Hansen（1999）提出的门槛回归模型，构建如下双门槛回归模型：TFP_{it}=\begin{cases}\beta_{10}+\beta_{11}Loan_{it}+\sum_{j=1}^{n}\beta_{1,j+1}Control_{jit}+\mu_{i}+\nu_{t}+\varepsilon_{it},&Loan_{it}\leq\gamma_1\\\beta_{20}+\beta_{21}Loan_{it}+\sum_{j=1}^{n}\beta_{2,j+1}Control_{jit}+\mu_{i}+\nu_{t}+\varepsilon_{it},&\gamma_1<Loan_{it}\leq\gamma_2\\\beta_{30}+\beta_{31}Loan_{it}+\sum_{j=1}^{n}\beta_{3,j+1}Control_{jit}+\mu_{i}+\nu_{t}+\varepsilon_{it},&Loan_{it}>\gamma_2\end{cases}其中，\gamma_1和\gamma_2为两个门槛值，\beta_{10}、\beta_{11}、\beta_{20}、\beta_{21}、\beta_{30}、\beta_{31}为不同门槛区间的回归系数，其他变量含义与基准回归模型一致。通过门槛回归模型，可以确定银行信贷规模对战略性新兴制造业全要素生产率影响的门槛值，并分析在不同门槛区间内银行信贷规模的影响效应。为了检验技术创新在银行信贷规模影响战略性新兴制造业全要素生产率过程中的中介作用，构建中介效应模型。首先进行基准回归，检验银行信贷规模对全要素生产率的总效应；其次，检验银行信贷规模对技术创新的影响；最后，将技术创新变量加入基准回归模型中，检验银行信贷规模和技术创新对全要素生产率的影响。具体模型如下：TFP_{it}=\alpha_0+\alpha_1Loan_{it}+\sum_{j=1}^{n}\alpha_{j+1}Control_{jit}+\mu_{i}+\nu_{t}+\varepsilon_{it}Innovation_{it}=\beta_0+\beta_1Loan_{it}+\sum_{j=1}^{n}\beta_{j+1}Control_{jit}+\mu_{i}+\nu_{t}+\varepsilon_{it}TFP_{it}=\gamma_0+\gamma_1Loan_{it}+\gamma_2Innovation_{it}+\sum_{j=1}^{n}\gamma_{j+1}Control_{jit}+\mu_{i}+\nu_{t}+\varepsilon_{it}其中，Innovation_{it}表示第i家企业在第t年的技术创新水平，采用企业专利申请数量来衡量；\alpha_0、\alpha_1、\beta_0、\beta_1、\gamma_0、\gamma_1、\gamma_2为回归系数，其他变量含义与基准回归模型一致。如果\beta_1和\gamma_2均显著，且\gamma_1的绝对值小于\alpha_1的绝对值，则说明技术创新在银行信贷规模影响战略性新兴制造业全要素生产率的过程中发挥部分中介作用；如果\gamma_1不显著，则说明技术创新发挥完全中介作用。5.2实证结果与分析5.2.1描述性统计分析对所选变量进行描述性统计，结果如表1所示。战略性新兴制造业全要素生产率（TFP）的均值为1.125，表明样本期间内战略性新兴制造业整体全要素生产率呈现增长态势，最大值为1.856，最小值为0.763，说明不同企业之间的全要素生产率存在较大差异，这可能与企业的技术创新能力、管理水平、市场竞争环境等因素有关。银行信贷规模（Loan）的均值为12.345亿元，标准差为5.678，反映出银行对战略性新兴制造业企业的信贷投放规模存在一定的离散度，部分企业获得的信贷资金较多，而部分企业获得的信贷资金相对较少。企业规模（Size）的均值为20.567，以企业资产总额的自然对数衡量，说明样本企业的资产规模整体较大，但不同企业之间的规模差异也较为明显。研发投入强度（RD）的均值为0.045，即企业研发经费支出占营业收入的比重平均为4.5%，表明战略性新兴制造业企业对研发投入较为重视，但仍有提升空间，最大值为0.123，最小值为0.012，说明企业之间的研发投入强度参差不齐。资本密集度（CI）的均值为15.678万元/人，反映出企业的资本投入水平和生产技术特征，不同企业之间的资本密集度存在一定差异。产业集聚度（Agglomeration）的均值为1.234，采用区位熵指数衡量，说明样本企业所在地区的产业集聚程度整体较高，但也存在一定的地区差异。表1变量描述性统计变量观测值均值标准差最小值最大值TFP10001.1250.2340.7631.856Loan100012.3455.6781.23435.678Size100020.5671.56718.23423.456RD10000.0450.0230.0120.123CI100015.6784.5678.23430.567Agglomeration10001.2340.3450.8762.5675.2.2相关性分析对各变量进行相关性分析，结果如表2所示。银行信贷规模（Loan）与战略性新兴制造业全要素生产率（TFP）的相关系数为0.324，在1%的水平上显著正相关，初步表明银行信贷规模的扩大对战略性新兴制造业全要素生产率的提升具有促进作用，这与假设1的预期一致。企业规模（Size）与TFP的相关系数为0.256，在1%的水平上显著正相关，说明企业规模越大，全要素生产率可能越高，这可能是因为大规模企业在资源获取、技术研发、市场拓展等方面具有优势。研发投入强度（RD）与TFP的相关系数为0.456，在1%的水平上显著正相关，表明研发投入的增加对全要素生产率的提升具有重要作用，研发投入能够推动企业技术创新，进而提高生产效率。资本密集度（CI）与TFP的相关系数为0.187，在5%的水平上显著正相关，说明资本密集度的提高有助于提升全要素生产率，企业增加资本投入，引进先进的生产设备和技术，能够提高生产效率。产业集聚度（Agglomeration）与TFP的相关系数为0.289，在1%的水平上显著正相关，表明产业集聚能够促进全要素生产率的提高，产业集聚带来的知识溢出、资源共享等外部效应，有利于企业提高生产效率。各控制变量之间的相关性系数均小于0.5，说明不存在严重的多重共线性问题，不会对回归结果产生较大影响。但仍需在回归分析中进一步检验多重共线性问题，以确保回归结果的准确性和可靠性。表2变量相关性分析变量TFPLoanSizeRDCIAgglomerationTFP1Loan0.324***1Size0.256***0.234**1RD0.456***0.356***0.289**1CI0.187**0.156*0.213**0.201**1Agglomeration0.289***0.267**0.312***0.301***0.256**1注：*、、*分别表示在1%、5%、10%的水平上显著。5.2.3回归结果分析运用构建的基准回归模型进行回归分析，结果如表3所示。列（1）为不加入控制变量的回归结果，银行信贷规模（Loan）的系数为0.085，在1%的水平上显著为正，表明银行信贷规模的扩大对战略性新兴制造业全要素生产率具有显著的正向影响，即银行信贷规模每增加1个单位，全要素生产率将提高0.085个单位，初步验证了假设1。列（2）为加入控制变量后的回归结果，Loan的系数为0.062，仍然在1%的水平上显著为正，说明在控制了企业规模（Size）、研发投入强度（RD）、资本密集度（CI）、产业集聚度（Agglomeration）等因素后，银行信贷规模对战略性新兴制造业全要素生产率的正向影响依然存在，且影响程度有所下降。这表明控制变量对全要素生产率也具有一定的影响，企业规模的系数为0.045，在1%的水平上显著为正，说明企业规模越大，全要素生产率越高；研发投入强度的系数为0.123，在1%的水平上显著为正，表明研发投入强度的增加对全要素生产率的提升具有显著的促进作用；资本密集度的系数为0.032，在5%的水平上显著为正，说明资本密集度的提高有助于提升全要素生产率；产业集聚度的系数为0.056，在1%的水平上显著为正，表明产业集聚能够促进全要素生产率的提高。为了检验银行信贷规模对战略性新兴制造业全要素生产率的影响是否存在门槛效应，进行门槛回归分析。通过自举法（Bootstrap）进行300次重复抽样，得到门槛值的估计结果。结果显示，存在两个门槛值，分别为γ1=8.567和γ2=15.678。不同门槛区间的回归结果如表3列（3）所示。当Loan≤8.567时，Loan的系数为0.078，在1%的水平上显著为正；当8.567<Loan≤15.678时，Loan的系数为0.045，在1%的水平上显著为正，但系数值较第一个门槛区间有所下降；当Loan>15.678时，Loan的系数为0.012，在10%的水平上显著为正，系数值进一步下降。这表明银行信贷规模对战略性新兴制造业全要素生产率的影响存在门槛效应，当银行信贷规模处于较低水平时，信贷规模的增加对全要素生产率的促进作用较为明显；随着信贷规模的不断扩大，促进作用逐渐减弱，当信贷规模超过一定门槛值后，虽然仍具有正向影响，但影响程度已较小，验证了假设2。为了检验技术创新在银行信贷规模影响战略性新兴制造业全要素生产率过程中的中介作用，进行中介效应检验。首先，进行基准回归，结果如表3列（2）所示，银行信贷规模对全要素生产率具有显著的正向影响。其次，检验银行信贷规模对技术创新的影响，以企业专利申请数量（Patent）作为技术创新的代理变量，回归结果如表3列（4）所示，Loan的系数为0.234，在1%的水平上显著为正，说明银行信贷规模的扩大能够显著促进企业技术创新。最后，将技术创新变量加入基准回归模型中，回归结果如表3列（5）所示，Loan的系数为0.045，在1%的水平上显著为正，Patent的系数为0.023，在1%的水平上显著为正，且Loan的系数较基准回归时有所下降。这表明技术创新在银行信贷规模影响战略性新兴制造业全要素生产率的过程中发挥部分中介作用，银行信贷规模通过促进企业技术创新，进而提升全要素生产率，验证了假设3。表3回归结果分析变量(1)TFP(2)TFP(3)TFP(4)Patent(5)TFPLoan0.085***（0.012）0.062***（0.010）0.234***（0.034）0.045***（0.009）Loan10.078***（0.011）Loan20.045***（0.008）Loan30.012*（0.006）Size0.045***（0.008）0.042***（0.007）0.032***（0.010）0.038***（0.007）RD0.123***（0.015）0.118***（0.014）0.156***（0.020）0.105***（0.013）CI0.032**0.030**0.045**0.025**Agglomeration0.056***（0.009）0.052***（0.008）0.067***（0.012）0.048***（0.008）Patent0.023***（0.004）Constant0.856***（0.056）0.234***（0.045）0.345***（0.040）-0.567***（0.067）0.123***（0.038）N10001000100010001000R20.1250.3560.4230.2890.456注：括号内为稳健标准误；*、、*分别表示在1%、5%、10%的水平上显著；Loan1、Loan2、Loan3分别表示Loan在不同门槛区间的变量。5.3稳健性检验5.3.1采用不同估计方法为了确保研究结果的可靠性和稳健性，运用多种估计方法对模型进行重新估计。首先采用固定效应模型（FE）进行回归分析，该模型能够有效控制个体异质性和时间趋势，消除不随时间变化的个体特征对回归结果的影响。在固定效应模型中，将每个企业视为一个独立的个体，通过引入个体固定效应，捕捉企业层面的特有因素，如企业的管理水平、技术创新能力、市场份额等，这些因素可能会对企业的全要素生产率产生影响，但在传统的混合回归模型中往往被忽略。采用固定效应模型进行回归后，银行信贷规模（Loan）对战略性新兴制造业全要素生产率（TFP）的系数为0.058，在1%的水平上显著为正，与基准回归结果相比，系数略有下降，但依然保持显著的正向关系，这表明银行信贷规模的扩大对全要素生产率的促进作用在考虑个体异质性后依然成立。为了进一步检验结果的稳健性，采用系统广义矩估计（SYS-GMM）方法。由于战略性新兴制造业企业的全要素生产率可能存在一定的惯性，即前期的全要素生产率水平会对当期产生影响，同时模型中可能存在内生性问题，如遗漏变量、反向因果等，这些问题可能导致回归结果的偏差。SYS-GMM方法能够有效处理动态面板数据中的内生性问题，通过引入滞后项作为工具变量，利用差分方程和水平方程的矩条件进行估计，从而得到更准确的参数估计值。运用SYS-GMM方法进行估计后，Loan的系数为0.048，在1%的水平上显著为正，再次验证了银行信贷规模对全要素生产率的正向影响，同时也表明在考虑了内生性问题后，研究结论依然稳健。为了考察不同估计方法下银行信贷规模对战略性新兴制造业全要素生产率影响的差异，对固定效应模型和系统广义矩估计的结果进行对比分析。从系数大小来看，固定效应模型的系数略大于SYS-GMM方法的系数，这可能是由于SYS-GMM方法在处理内生性问题时，对系数进行了一定程度的调整，使得估计结果更加保守。从显著性水平来看，两种方法下Loan的系数均在1%的水平上显著为正，说明银行信贷规模对全要素生产率的正向影响在不同估计方法下具有一致性。通过不同估计方法的稳健性检验，进一步增强了研究结论的可靠性，为后续的政策建议提供了更坚实的实证基础。5.3.2替换变量为了进一步检验研究结果的可靠性，对部分变量进行替换后再次进行回归分析。首先，将银行信贷规模（Loan）的衡量指标替换为企业的资产负债率（Lev），资产负债率能够反映企业的负债水平和偿债能力，在一定程度上