科技金融政策如何提升企业产能利用率

刘林; 时晓青; 许江涛

科技金融政策如何提升企业产能利用率

石河子大学经济与管理学院，新疆石河子 832000

基金项目:

国家自然科学基金项目 72363030

国家级青年人才项目 2021QNYC133

详细信息

作者简介:
刘林(1983-)，男，山东滨州人，石河子大学经济与管理学院教授，博士生导师

许江涛(1998-)，女，安徽芜湖人，石河子大学经济与管理学院博士研究生

通讯作者:
时晓青(1995-)(通讯作者)，女，内蒙古乌兰察布人，石河子大学经济与管理学院博士研究生

中图分类号: F273.1
计量
- 文章访问数: 5
- HTML全文浏览量: 5
- PDF下载量: 0
- 被引次数: 0
出版历程
- 收稿日期: 2026-02-06
- 网络出版日期: 2026-09-08
- 刊出日期: 2026-07-28

How Does Sci-tech Finance Policy Enhance Corporate Capacity Utilization?

School of Economics and Management, Shihezi University, Shihezi 832000, China

摘要

摘要: 提升产能利用率是化解低端同质化产能过剩、整治“内卷式”竞争和推动实体经济高质量发展的重要抓手。以2008—2023年沪深A股科创板、创业板、原中小板上市公司为样本，将“科技金融试点政策”作为准自然实验，采用多期双重差分模型考察它对企业产能利用率的影响机制。研究发现，该政策显著提升了企业产能利用率，主要是通过改善企业融资条件、促进技术创新和降低非效率投资三条路径实现。异质性分析表明，提升效应在成熟期企业、劳动密集型与技术密集型行业，以及环境规制强度较高、市场一体化程度较高地区的企业中更为显著。文章拓展了金融服务实体经济的研究边界，为完善科技金融政策体系、构建“科技-产业-金融”良性循环提供了经验证据与政策启示。
- 科技金融 /
- 产能利用率 /
- 技术创新 /
- 供需结构性错配
Abstract: Improving capacity utilization is essential for addressing low-end homogeneous overcapacity, curbing "involutionary" competition, and promoting the high-quality development of the real economy. Using data on Chinese A-share firms listed on the STAR Market, the ChiNext Board, and the former SME Board from 2008 to 2023, this study treats the pilot policy for promoting the integration of science, technology and finance as a quasi-natural experiment, and applies a staggered difference-in-differences (DID) model to examine its impact on corporate capacity utilization and the underlying mechanisms. The results show that the policy significantly improves corporate capacity utilization mainly through three channels: improving financing conditions, promoting sci-tech innovation, and reducing inefficient investment. Heterogeneity analyses indicate that the positive effect is more pronounced among mature firms, firms in labor-intensive and technology-intensive industries, and firms located in regions with stricter environmental regulation and greater market integration. This study extends the literature on finance serving the real economy, and provides empirical evidence and policy implications for improving the sci-tech finance policy system, and fostering a virtuous cycle among technology, industry, and finance.
- sci-tech finance /
- capacity utilization /
- technological innovation /
- structural mismatch between supply and demand

HTML全文

图 1 平行趋势检验

下载: 全尺寸图片幻灯片

图 2 异质性处理效应下的动态效应

下载: 全尺寸图片幻灯片

图 3 安慰剂检验

下载: 全尺寸图片幻灯片

表 1 变量描述性统计

变量类型	变量名称	样本量	均值	标准差	最小值	最大值
被解释变量	CU	14 894	0.750	0.047	0.558	0.872
核心变量	Tf	14 894	0.633	0.482	0.000	1.000
控制变量	Dar	14 894	0.360	0.191	0.050	0.906
	Cal	14 894	0.045	0.067	-0.172	0.241
	CR	14 894	0.986	0.636	0.117	5.432
	Tang	14 894	9.389	25.022	0.262	210.989
	Top	14 894	31.044	13.606	8.370	74.020
	Tobin Q	14 894	2.233	1.309	0.840	8.587
	Age	14 894	2.189	0.822	0.000	3.638
	Indep	14 894	0.379	0.053	0.333	0.571
	Gdp	14 894	0.152	0.048	0.075	0.297
	Fin	14 894	9.390	1.413	5.949	12.063
	Gov	14 894	4.217	1.740	1.311	7.976

下载: 导出CSV

表 2 基准回归

变量	(1)	(2)	(3)
Tf	0.011^***	0.008^***	0.008^***
	(0.004)	(0.003)	(0.003)
Dar		-0.000	-0.000
		(0.005)	(0.005)
Cal		0.044^***	0.044^***
		(0.002)	(0.002)
CR		0.047^***	0.047^***
		(0.005)	(0.005)
Tang		0.000^***	0.000^***
		(0.000)	(0.000)
Top		0.000	0.000
		(0.000)	(0.000)
Tobin Q		0.004^***	0.004^***
		(0.000)	(0.000)
Age		-0.010^***	-0.010^***
		(0.001)	(0.001)
Indep		0.002	0.002
		(0.011)	(0.011)
Gdp			0.047^**
			(0.021)
Fin			0.007^*
			(0.004)
Gov			0.000
			(0.001)
常数项	0.743^***	0.708^***	0.638^***
	(0.002)	(0.007)	(0.039)
时间固定效应	是	是	是
企业固定效应	是	是	是
样本量	14 894	14 894	14 894
Adj.R²	0.644	0.779	0.779
注：*、、*分别表示1%、5%和10%的显著性水平，括号内为聚类至城市层面的标准误。下表同。

下载: 导出CSV

表 3 更换双重机器学习模型检验结果

变量	随机森林	梯度提升	神经网络
变量	(1)	(2)	(3)
Tf	0.006^**	0.005^**	0.032^***
	(0.003)	(0.002)	(0.002)
常数项	-0.0001	0.000^***	0.067^***
	(0.0001)	(0.0001)	(0.007)
控制变量一次项	是	是	是
控制变量二次项	是	是	是
时间固定效应	是	是	是
样本量	14 894	14 894	14 894

下载: 导出CSV

表 4 工具变量回归结果

变量	Tf	CU
变量	(1)	(2)
IV1	0.128^***
	(0.002)
Tf		0.008^***
		(0.003)
控制变量	是	是
时间/企业固定效应	是	是
样本量	13 082	13 082
Kleibergen-Paap rk Wald F统计量	4 303.783{16.380}
Cragg-Donald Wald F统计量	1 200 000{16.380}
Kleibergen-Paap rk LM统计量	38.233[0.000]
Durbin-Wu-Hausman统计量	47.070[0.000]
Adj.R²		0.376
注：{}内为Stock-Yogo弱识别检验10%水平上的临界值；[]内为对应统计量的P值。

下载: 导出CSV

表 5 倾向得分匹配、熵平衡匹配与排除其他政策干扰检验结果

变量	匹配法		剔除并行政策
	PSM	EBM	Gfri	Inc	同时剔除
	(1)	(2)	(3)	(4)	(5)
Tf	0.008^**	0.013^***	0.008^***	0.008^**	0.008^**
	(0.003)	(0.003)	(0.003)	(0.003)	(0.003)
Gfri			-0.001		-0.001
			(0.001)		(0.001)
Inc				0.002	0.001
				(0.002)	(0.002)
常数项	0.654^***	0.627^***	0.637^***	0.636^***	0.635^***
	(0.043)	(0.053)	(0.039)	(0.040)	(0.040)
控制变量	是	是	是	是	是
时间/企业固定效应	是	是	是	是	是
样本量	9 949	14 894	14 894	14 894	14 894
Adj.R²	0.783	0.825	0.779	0.779	0.779

下载: 导出CSV

表 6 其他稳健性检验结果

变量	调整研究样本			调整聚类层级	高维固定效应
	缩尾5%	剔除直辖市	剔除疫情年份		城市×时间	行业×时间
	(1)	(2)	(3)	(4)	(5)	(6)
Tf	0.006^**	0.007^**	0.007^***	0.008^**	0.009^***	0.008^**
	(0.003)	(0.003)	(0.003)	(0.003)	(0.003)	(0.003)
常数项	0.677^***	0.647^***	0.553^***	0.638^***	0.610^***	0.641^***
	(0.040)	(0.042)	(0.058)	(0.045)	(0.062)	(0.039)
控制变量	是	是	是	是	是	是
时间/企业固定效应	是	是	是	是	是	是
城市×时间固定效应	否	否	否	否	是	否
行业×时间固定效应	否	否	否	否	否	是
样本量	14 894	11 946	7 190	14 894	14 894	14 894
Adj.R²	0.804	0.783	0.788	0.779	0.792	0.782

下载: 导出CSV

表 7 改善融资条件机制检验结果

变量	Lncash	Lnloan	Bank_loan	Credit	Cost
变量	(1)	(2)	(3)	(4)	(5)
Tf×HighKZ	0.558^***	0.470^*	0.008^***	0.003^*	-0.008^***
	(0.151)	(0.263)	(0.003)	(0.002)	(0.003)
Tf	0.091	1.229	0.009	-0.003	0.019^***
	(0.647)	(0.752)	(0.007)	(0.007)	(0.005)
常数项	-5.158	-9.646	-0.029	0.055	-0.015
	(6.794)	(13.408)	(0.129)	(0.096)	(0.077)
控制变量	是	是	是	是	是
时间/企业固定效应	是	是	是	是	是
样本量	12 702	12 951	12 951	14 894	11 019
Adj.R²	0.544	0.694	0.780	0.783	0.249

下载: 导出CSV

表 8 技术创新与非效率投资机制检验结果

变量	Invest	Rd	PT	LnTec_trans	Ine_invest
变量	(1)	(2)	(3)	(4)	(5)
Tf×HighRD	0.287^***	0.087^***	0.169^***	0.021^**
	(0.022)	(0.033)	(0.039)	(0.009)
Tf×HighAgc					-0.004^*
					(0.002)
Tf	-0.163	0.082	-0.169	-0.084^**	0.003
	(0.108)	(0.078)	(0.215)	(0.035)	(0.008)
常数项	13.908^***	4.135^***	-1.240	6.072^***	0.186^**
	(1.289)	(0.679)	(1.821)	(0.254)	(0.065)
控制变量	是	是	是	是	是
时间/企业固定效应	是	是	是	是	是
样本量	14 742	12 483	13 367	14 724	14 009
Adj.R²	0.841	0.880	0.510	0.588	0.153

下载: 导出CSV

表 9 企业与行业层面异质性分析结果

变量	成长期	成熟期	衰退期	技术密集型	资本密集型	劳动密集型
变量	(1)	(2)	(3)	(4)	(5)	(6)
Tf	0.009	0.009^**	0.004	0.007^*	0.009	0.011^*
	(0.007)	(0.004)	(0.007)	(0.004)	(0.006)	(0.006)
常数项	0.764^**	0.668^**	0.596^***	0.624^***	0.774^***	0.644^***
	(0.070)	(0.051)	(0.062)	(0.067)	(0.065)	(0.070)
控制变量	是	是	是	是	是	是
时间/企业固定效应	是	是	是	是	是	是
样本量	2 267	7 181	4 245	8 478	2 097	3 476
Adj.R²	0.812	0.783	0.804	0.811	0.767	0.817

下载: 导出CSV

表 10 地区层面异质性分析结果

变量	环境规制强度较高	环境规制强度较低	市场一体化程度较高	市场一体化程度较低
变量	(1)	(2)	(3)	(4)
Tf	0.008^**	0.000	0.010^**	0.006
	(0.003)	(0.008)	(0.005)	(0.004)
常数项	0.679^***	0.562^***	0.648^***	0.642^***
	(0.054)	(0.084)	(0.053)	(0.060)
控制变量	是	是	是	是
时间/企业固定效应	是	是	是	是
样本量	6 202	6 481	5 342	6 811
Adj.R²	0.785	0.805	0.778	0.788

下载: 导出CSV

参考文献(36)

[1]	黄卓, 陶云清, 刘兆达, 等. 智能制造如何提升企业产能利用率——基于产消合一的视角[J]. 管理世界, 2024, 40(5): 40-59.
[2]	杨桐彬, 朱英明, 张云矿. 区域一体化能否缓解制造业产能过剩——基于长江经济带发展战略的研究[J]. 产业经济研究, 2021(6): 58-72.
[3]	马永强, 王尹, 陈伟忠. 海外投资规范提升企业产能利用率了吗?[J]. 财贸研究, 2026, 37(2): 28-46.
[4]	朱桂龙, 陈字理, 欧阳芳. 投资效率视角下企业数字化对产能利用率影响研究[J]. 管理评论, 2025, 37(7): 15-28.
[5]	盛天翔, 马赵平, 范从来, 等. 科技金融对区域资本流入的"撬动效应"研究[J]. 国际金融研究, 2025(8): 49-62.
[6]	刘锦华, 杨梦佳, 陈姗姗. 科技金融体制创新对关键数字技术创新的影响研究——来自"科技支行"的证据[J]. 财经研究, 2026, 52(3): 34-48.
[7]	韩国高, 胡文明. 要素价格扭曲如何影响了我国工业产能过剩?——基于省际面板数据的实证研究[J]. 产业经济研究, 2017(2): 49-61.
[8]	王修华, 刘锦华. 科技金融与企业全要素生产率: 来自"企业创新积分制"的证据[J]. 经济研究, 2025, 60(7): 102-121.
[9]	孙鹏, 韩松宸. 从"货畅其流"到"物尽其用": 西部陆海新通道对企业产能利用率的影响研究[J/OL]. 南开管理评论, 2025-11-24. https://link.cnki.net/urlid/12.1288.F.20251124.1006.002.
[10]	林毅夫, 巫和懋, 邢亦青. "潮涌现象"与产能过剩的形成机制[J]. 经济研究, 2010, 45(10): 4-19.
[11]	张祥建, 韩欣彤. 同群企业数字化转型与企业产能利用率[J]. 经济管理, 2026, 48(3): 170-193.
[12]	Zheng X, Zou F, Liu Z, et al. How does digitalization affect capacity utilization in the energy sector? evidence from China[J]. Energy Economics, 2025, 144: 108337. doi: 10.1016/j.eneco.2025.108337
[13]	王浩旸, 黄漫宇, 杨露. 全国统一大市场建设如何影响企业产能利用率[J]. 中国农村经济, 2025(7): 104-124.
[14]	王韧, 马红旗, 李志伟. 信贷扭曲、投资效率与产能过剩: 微观数据实证[J]. 财贸研究, 2019, 30(5): 13-24.
[15]	孙成浩, 沈坤荣. 降低银行贷款规模有利于提升产能利用率吗?——基于中国制造业企业的实证研究[J]. 产业经济研究, 2018(3): 27-39.
[16]	于海云, 郑明波. 科技金融会激励中国企业进行绿色创新吗?——基于"促进科技和金融结合试点"政策的证据[J]. 科学学研究, 2025, 43(6): 1237-1249.
[17]	周阔, 曲植, 曾思棚, 等. 科技金融与关键数字技术突破: 来自"专精特新"企业的证据[J]. 世界经济, 2025, 48(11): 3-32.
[18]	佘楷文, 申宇, 赵绍阳. 科技金融的信贷支持研究——来自银行微观贷款数据的证据[J]. 管理世界, 2025, 41(9): 25-48.
[19]	王晓丹, 柯杨健. 工业机器人应用如何破解"内卷式"竞争?——基于制造业产能治理视角[J]. 广东财经大学学报, 2026, 41(2): 4-15.
[20]	林毅夫, 孙希芳, 姜烨. 经济发展中的最优金融结构理论初探[J]. 经济研究, 2009, 44(8): 4-17.
[21]	史贞. 数据要素市场化赋能金融新质生产力的关键问题[J]. 郑州大学学报(哲学社会科学版), 2025, 58(1): 75-84, 141.
[22]	Zhang D. Capacity utilization under credit constraints: a firm-level study of Latin American manufacturing[J]. International Journal of Finance & Economics, 2022, 27(1): 1367-1386.
[23]	Agarwal M K, Ma Z, Park C H, et al. The impact of a manufacturer's financial liquidity on its market strategies and pricing and promotion decisions in retail grocery markets[J]. Journal of Business Research, 2022, 142: 844-857. doi: 10.1016/j.jbusres.2022.01.022
[24]	韩国高, 陈庭富, 刘田广. 数字化转型与企业产能利用率——来自中国制造企业的经验发现[J]. 财经研究, 2022, 48(9): 154-168.
[25]	王红建, 过江明, 吴甜甜. 金融科技能够提升实体企业产能利用率吗?[J]. 审计与经济研究, 2023, 38(6): 86-96.
[26]	Callaway B, Sant Anna P H C. Difference-in-differences with multiple time periods[J]. Journal of Econometrics, 2021, 225(2): 200-230. doi: 10.1016/j.jeconom.2020.12.001
[27]	Chernozhukov V, Chetverikov D, Demirer M, et al. Double/debiased machine learning for treatment and structural parameters[J]. The Econometrics Journal, 2018, 21: C1-C68. doi: 10.1111/ectj.12097
[28]	Clarke P S, Polselli A. Double machine learning for static panel models with fixed effects[J]. Econometrics Journal, 2026, 29(1): 69-86. doi: 10.1093/ectj/utaf011
[29]	巩艳红, 肖昱玲. 科技金融政策对碳中和技术创新的影响[J]. 中国人口·资源与环境, 2024, 34(10): 66-79.
[30]	严兵, 王云开. 数据跨境流动监管与企业供应链转移[J]. 经济研究, 2026, 61(1): 143-166.
[31]	陆菁, 鄢云, 王韬璇. 绿色信贷政策的微观效应研究——基于技术创新与资源再配置的视角[J]. 中国工业经济, 2021(1): 174-192.
[32]	李世辉, 尤碧莹, 牛珂, 等. 绿色信贷、非正规金融融资与重污染企业绿色创新[J]. 经济研究, 2025, 60(9): 198-217.
[33]	Chen F, Hope O, Li Q, et al. Financial reporting quality and investment efficiency of private firms in emerging markets[J]. Accounting Review, 2011, 86(4): 1255-1288. doi: 10.2308/accr-10040
[34]	梁上坤, 张宇, 王彦超. 内部薪酬差距与公司价值——基于生命周期理论的新探索[J]. 金融研究, 2019(4): 188-206.
[35]	袁赛, 潘雄锋, 王梦洋. 环境规制、要素资源错配与工业低碳转型[J]. 统计研究, 2025, 42(6): 79-92.
[36]	张亚丽, 项本武. 城市群一体化水平的测度及其经济增长效应研究——来自中国十大城市群的经验证据[J]. 宏观经济研究, 2021(12): 136-148.