1. 引言
2023年9月，习近平总书记在黑龙江考察时指出，需“整合科技创新资源，引领战略性新兴产业与未来产业发展，加速新质生产力形成”。翌年政府工作报告进一步将新质生产力发展置于政府工作十大任务首位，明确提出“着力推进现代化产业体系建设，加快新质生产力发展步伐”。这一重要论述为新时代经济发展注入全新动能，成为推动中国经济向高质量发展阶段迈进的核心驱动力[1]。企业作为驱动新质生产力发展的关键主体，在相关进程中发挥核心作用。助力企业培育新质生产力，对于推动传统产业改造升级、促进要素跨部门高效流动、优化资源配置效率以及加速产业现代化进程均具有重要意义。不难看出，企业发展新质生产力不仅是推动经济高质量发展的关键一环，也是全力促进中国式现代化建设的有力抓手，对实现中华民族伟大复兴具有重要意义。
2020年底举行的中央经济工作会议指出，需牢牢把握供给侧结构性改革主线，强化需求侧管理，通过需求端引导供给升级，依托供给创新创造需求增量，以此提升国民经济体系的整体效能与发展质量。自《政府采购法》施行以来，政府采购作为政府借助市场机制与企业构建经济关联的政策工具之一，成为“政府有为”与“市场有效”有机结合的关键纽带，日益成为政府经济调控的重要工具。其采购金额规模从2002年的1009.6亿元攀升至2023年的33929.6亿元，占全国财政支出比重达12%，社会关注度与市场影响力持续提升。对政府而言，政府采购是推动市场供需更高水平动态平衡的重要制度设计；对企业而言，政府采购是助力企业实现从“流质供给依赖”向“固体能力自主”的思维与能力转型的必要途径。从理论逻辑上看，政府采购作为先进生产关系作用于生产力，也是能够促进新质生产力发展的重要途径。为此，如何通过政府采购促进新质生产力的发展是助力经济高质量发展的重要课题。
2. 理论分析与研究假设
以公共属性为基础，政府采购依托采购对象丰富、市场规模庞大，其政策效应愈发受到学者的重视。政府采购所具备的规模性、前瞻性与持续性特征，使其能够对市场价值的理性演进形成持续引领，在完善保持就业形势稳定[2]、资源配置效率[3]、促进产业结构升级[4]等方面发挥了积极效应。与政府补贴、税收优惠等传统政府调控方式不同，政府采购突破了政府“单一扶持”的职能定位[5]，有利于提高企业的生产效率[6]和技术创新水平[7]，促进金融与实体经济发展更加平衡[8]。针对以上分析，提出假设1：
H1：政府采购能够显著提升企业新质生产力。
政府采购具备市场属性。当前中国的融资体系本质上是以银行为主导。银行对风险的容忍程度较低，更注重贷款项目收入的稳定性，并且对有形抵押品有特殊的偏好，导致企业在资本市场上的融资难度较大。首先，政府采购凭借隐性担保功能降低外部融资门槛。企业与政府的商业合作形成政治关联，这种“信贷光环”效应可直接降低银行信贷的担保条件，提升融资效率。经验证据表明，政治关联能显著增强企业获取银行贷款的能力[9]。其次，政府采购通过订单背书产生声誉信号效应。在我国信贷市场信息渠道有限的背景下，政府采购订单因具备购买力强、收益稳定、坏账风险低的特性[10]，成为企业信用的显性背书，有助于获得银行以外的其他资金供给方认可，进一步拓宽外部融资渠道。因此，获得政府采购订单的企业也更能获得除银行外的其他资金供给方的认可，因而更易获得融资，企业融资约束得以缓解。最后，依托稳定现金流提升内源融资能力。政府作为优质客户，其订单带来的规模化稳定收入可直接提高企业资金周转率与盈利水平，减少对高成本外部融资的依赖，缓解内源融资约束[10]。
政府采购具备监管属性。《政府采购法》第一章第十一条规定：“政府采购的信息应当在政府采购监督管理部门指定的媒体上及时向社会公开发布，但涉及商业秘密的除外。”技术标准、履约评估及绩效数据等指标的披露，不仅建立了市场可比的技术基准体系，更倒逼企业提升研发过程透明度[6]。媒体监督还有助于优化政府采购的治理环境，通过揭示政府采购活动中产品与服务的流程细节，促进公众参与到监督进程中来，增强了采购流程的公正性。其次，与政府建立合作关系的供应商企业需接受审计监管。政府采购订单的支出属于财政支出的组成部分，政府有监督供应商企业财务状况和经营决策的义务。作为一种高效的外部监管措施，政府审计能够显著提升公司信息披露水准。针对以上分析，提出假设2：
H2：政府采购能够通过缓解企业融资约束和降低信息不透明程度提升企业新质生产力。
3. 模型设计
3.1. 数据来源及其处理
本文所需的政府采购数据来源于中国政府采购网公告信息，考虑到该平台自2015年起才系统性地公开采购合同明细数据，因此鉴于数据可得性，选取2015年作为样本年限起点，构建2015~2023年的面板数据集。具体数据处理如下：1) 剔除存在主要数据缺失或异常值的企业样本；2) 剔除ST、*ST类企业；3) 对连续变量进行1%的缩尾处理，减少极端值对结果的影响。最终得到公司年度观测值共18,904个。
3.2. 模型构建
为检验政府采购对企业新质生产力的影响，构建如下模型：
模型中，NPro代表企业新质生产力；Proc_S代表政府采购订单金额；Control为控制变量；Indu和Year代表行业固定和年份固定；ε是随机扰动项；下标i和t代表个体企业和时间。
3.3. 变量定义
1) 被解释变量
被解释变量为企业新质生产力(NPro)，参照宋佳[11]等做法，建立新质生产力指标体系，采用熵值法进行衡量。
2) 解释变量
本文以上市公司及其子公司获取的整体政府采购订单金额的对数(Proc_S)来衡量政府采购。
3) 控制变量
本文选取以下控制变量：公司年龄(age)、企业属性(ownership)、资产负债率(lev)、托宾Q值(Q)、第一大股东持股比例(owncon1)、企业规模(size)作为控制变量，具体变量见表1。
Table 1. Variable definition table
表1. 变量定义表
类型 |
变量名称 |
变量符号 |
变量含义 |
被解释变量 |
新质生产力 |
NPro |
|
解释变量 |
政府采购金额 |
Proc_S |
企业获得政府采购订单总金额的自然对数 |
控制变量 |
公司年龄 |
age |
公司自上市以来的年限 |
|
企业属性 |
owns |
国营或国有控股为1，否则为0 |
|
资产负债率 |
lev |
年末总负债除以总资产 |
|
审计意见 |
aud |
标准无保留意见为1，否则为0 |
|
董事会规模 |
boa |
董事会人数 |
|
企业规模 |
size |
总资产的自然对数 |
|
总资产净利润率 |
roa |
净利润/平均资产总额 |
4. 实证结果与分析
4.1. 描述性统计
描述性统计结果见表2。被解释变量即企业新质生产力(NPro)的最大值与最小值分别为43.17和0.0464，标准差为2.585，显示样本企业的新质生产力水平存在显著差异。
Table 2. Descriptive statistics of variables
表2. 描述性统计
VARIABLES |
N |
mean |
SD |
min |
max |
NPro |
18,904 |
5.381 |
2.585 |
0.0464 |
43.17 |
Proc_S |
18,904 |
0.690 |
1.398 |
0 |
5.981 |
lev |
18,904 |
0.466 |
1.332 |
0.009 78 |
178.3 |
roa |
18,904 |
0.0282 |
0.0735 |
−0.307 |
0.219 |
boa |
18,904 |
6.738 |
3.727 |
0 |
14 |
size |
18,904 |
22.58 |
1.369 |
15.98 |
28.64 |
owns |
18,904 |
0.432 |
0.495 |
0 |
1 |
aud |
18,904 |
0.952 |
0.213 |
0 |
1 |
Age |
18,904 |
14.17 |
7.150 |
0 |
32 |
4.2. 基准回归结果
结果见表3，无论是否加入固定效应或控制变量，政府采购的系数均在1%的水平上显著为正，这说明政府采购对于提高企业新质生产力具有正向促进作用。假设1得到验证。
4.3. 稳健性及内生性检验
1) 替换解释变量
以企业获取的整体政府采购订单数量对数(Proc_N)替换原解释变量。表4中列(1)结果显示政府采购系数为0.1812，在1%的水平上显著为正，回归结果未发生改变。
Table 3. Benchmark regression analysis results
表3. 基准回归分析结果
|
NPro |
NPro |
NPro |
NPro |
Proc_S |
0.2404*** |
0.1471*** |
0.2457*** |
0.1093*** |
|
(18.02) |
(9.49) |
(18.14) |
(6.93) |
age |
|
|
−0.0601*** |
−0.0427*** |
|
|
|
(−19.59) |
(−13.24) |
aud |
|
|
0.0891 |
0.0984 |
|
|
|
(0.96) |
(1.14) |
owns |
|
|
0.6916*** |
0.7074*** |
|
|
|
(15.44) |
(15.27) |
size |
|
|
0.0216 |
0.1157*** |
|
|
|
(1.43) |
(6.57) |
boa |
|
|
0.0043 |
0.0044 |
|
|
|
(0.85) |
(0.95) |
roa |
|
|
−0.3188 |
−0.4337* |
|
|
|
(−1.19) |
(−1.67) |
lev |
|
|
0.0016 |
0.0179*** |
|
|
|
(0.11) |
(2.71) |
_cons |
5.2155*** |
5.2799*** |
5.1694*** |
2.8736*** |
|
(250.84) |
(279.23) |
(15.73) |
(7.27) |
N |
18,904 |
18,904 |
18,904 |
18,904 |
r2 |
0.0169 |
0.2352 |
0.0392 |
0.2520 |
year |
否 |
是 |
否 |
是 |
indu |
否 |
是 |
否 |
是 |
注：括号内为t统计量；***、**、*分别表示在1%、5%、10%的水平下显著，下表同。
2) 系统GMM方法
本文在基准回归模型的基础上添加企业新质生产力滞后一期项(L.NPro)重新进行估计。表4中列(2)结果显示，AR1的p值 < 0.1且AR2的p值 > 0.1，此时满足扰动项不存在自相关。Hansen的p值 > 0.1，未拒绝原假设，即认为工具变量有效。说明政府采购对企业新质生产力的影响依然显著，再次验证了基准回归结果的稳健性。
3) 剔除异常年份
考虑公共卫生事件对企业的冲击，剔除2020~2022年三年数据后回归，表4中列(3)结果显示政府采购系数在1%水平上显著为正，说明政府采购对企业新质生产力水平仍有促进作用。
4) 工具变量法
关注到政府采购与新质生产力的双向因果问题，采用企业所在省份自然灾害直接经济损失对数(ln_Disaster)作为工具变量。该变量通过弱识别与过度识别检验，K-Paap Wald rk F统计量大于临界值，排除弱工具变量问题。表5中列(1)显示工具变量与政府采购负相关，表5列(2)表明政府采购对新质生产力的影响在1%水平显著为正，与基准结果一致，说明内生性不影响二者关系。
Table 4. Endogeneity and robustness test results
表4. 内生性及稳健性检验结果
|
替换解释变量 |
Gmm |
剔除异常年份 |
|
NPro |
NPro |
NPro |
Proc_S |
|
0.022** |
0.1058*** |
|
|
(1.96) |
(4.77) |
Proc_N |
0.1812*** |
|
|
|
(7.08) |
|
|
L.NPro |
|
0.860*** |
|
|
|
(30.30) |
|
ln_Disaster |
|
|
|
|
|
|
|
N |
18,904 |
16,541 |
11,815 |
year |
控制 |
控制 |
控制 |
indu |
控制 |
控制 |
控制 |
AR1 |
|
0.000 |
|
AR2 |
|
0.341 |
|
Hansen检验 |
|
0.200 |
|
Table 5. Instrumental variable method
表5. 工具变量法
变量 |
第一阶段 |
第二阶段 |
Proc_S |
NPro |
Proc_S |
|
1.101*** |
|
|
(0.172) |
IV_Disaster |
−0.0681*** |
|
|
(0.0055) |
|
Kleibergen-Paap rk Wald F |
|
151.321 |
Kleibergen-Paap rk LM |
|
149.983 |
控制变量 |
控制 |
控制 |
年份/行业固定 |
控制 |
控制 |
N |
18,858 |
18,858 |
4.4. 异质性检验
1) 企业所有权属性
研究依据企业产权属性将样本划分为国有企业与非国有企业两个组别。表6结果显示，不论企业属于国有还是非国有，政府采购均能对企业新质生产力发展产生促进作用。不过具体而言，非国有企业的系数数值高于国有企业，表明政府采购对非国有企业新质生产力发展的促进效果显著强于国有企业。
2) 企业生命周期
企业在不同生命周期阶段面临的外部环境压力不同，内部资源禀赋亦有差别。研究借鉴李云鹤[12]关于企业生命周期的划分方法，将样本具体划分为成长期、成熟期和衰退期三个阶段。表6结果表明，无论是在各时期，政府采购均可显著促进企业发展新质生产力，但系数值和显著性有所差异，政府采购对于成长期和衰退期的企业效果更优。
Table 6. Heterogeneity test results
表6. 异质性检验结果
|
国企 |
非国企 |
成长期 |
成熟期 |
衰退期 |
|
NPro |
NPro |
NPro |
NPro |
NPro |
Proc_S |
0.0464** |
0.1524*** |
0.2204*** |
0.0707** |
0.1255*** |
|
(1.98) |
(7.12) |
(4.01) |
(2.44) |
(6.19) |
_cons |
2.3379*** |
4.5132*** |
2.5626* |
3.3526*** |
2.0368*** |
|
(4.03) |
(6.59) |
(1.86) |
(4.72) |
(3.73) |
控制变量 |
控制 |
控制 |
控制 |
控制 |
控制 |
固定效应 |
控制 |
控制 |
控制 |
控制 |
控制 |
N |
8173 |
10,731 |
1898 |
5795 |
10,084 |
r2 |
0.3234 |
0.2420 |
0.2911 |
0.2740 |
0.2754 |
4.5. 机制分析
根据理论分析，融资约束在政府采购可通过缓解融资约束来提升企业新质生产力水平。因此采用SA指数衡量融资约束程度并进行中介效应检验，表7列(1)结果显示，Proc_S系数为0.012且在1%水平显著，表明政府采购能有效缓解企业融资约束。从信息透明度机制来看，政府采购通过强化政府监督职能、吸引投资者与分析师关注，形成多方外部约束，促使企业提高信息透明度并减少杠杆操纵行为。为验证这一机制，研究参照Balakrishnan等[13]的方法，以关注企业的证券分析师人数加1后的自然对数(I_attention)衡量信息透明度。表7列(2)结果显示，Proc_S系数为0.0271且在1%水平显著，表明政府采购对企业信息透明度有显著提升作用。综上，政府采购可通过缓解融资约束和提高信息透明度两条路径影响企业新质生产力，信息透明度机制得到实证支持。
Table 7. Mechanism test results
表7. 机制检验结果
|
SA |
I_attention |
NPro |
Proc_S |
0.0120*** |
0.0271*** |
0.1093*** |
|
(8.93) |
(4.86) |
(6.93) |
_cons |
−4.9278*** |
−8.9395*** |
2.8736*** |
|
(−102.00) |
(−67.47) |
(7.27) |
控制变量 |
控制 |
控制 |
控制 |
固定效应 |
控制 |
控制 |
控制 |
N |
18,904 |
18,904 |
18,904 |
r2 |
0.4239 |
0.4535 |
0.2520 |
5. 研究结论与对策建议
百年变局下，新质生产力成为经济高质量发展的核心驱动力，政府采购作为政策工具因对其具有提升效应而受到关注。本文基于2015~2022年上市企业数据实证发现：政府采购显著促进企业新质生产力，经稳健性与内生性检验结论不变；该效应在非国有企业及非成熟期企业中更显著；其通过缓解融资约束、提高信息透明度两条路径发挥作用。基于以上研究结论，得出以下启示。
一、充分发挥政府采购政策在需求侧的引导作用。数据显示，目前我国政府采购占GDP的比重仅为OECD成员国的约1/4，表明政府采购作为宏观调控工具仍具有较大的政策实施空间，应进一步扩大我国政府部门的采购规模。比如从政府治理维度，各地需加速推进治理现代化进程，完善决策、执行、协同、监察机制，通过提升政府治理效能强化政府采购的政策传导效应。
二、精准定位采购需求，鼓励对具有优势的企业进行适当政策倾斜。政府采购不应仅仅停留在“大而全”的层面，而应更加注重“精而准”。各级政府部门应形成差异化的支持体系和针对性的遴选机制，培育以国有企业为龙头的产业链，对处于成长期、衰退期的企业给予更多倾斜。政府也应给予中标企业更多的信用支持，推动银行机构对企业进行适当倾斜，以政府采购的信用为其背书，减轻企业在信贷市场上受到的限制。
三、打造良好的营商环境、提高信息透明度。政府应健全采购信息公开制度，关键信息需全面、及时、准确地公开，并借助现代信息技术实现采购信息集中发布与便捷查询，通过提升信息获取效率缓解市场主体间信息不对称问题。从采购行为规范看，应着力纠偏地方保护主义导致的政策倾斜，通过构建公平竞争的市场环境增强公共政策普惠性，同时坚持企业主体导向，探索新型政商协同发展路径，为新质生产力培育提供制度保障。
基金项目
天津市哲学社会科学基金项目“生态约束下津冀港口群物流协同发展机制、模式与政策仿真研究”(TJYY19-006)。
NOTES
*通讯作者。