基于2007—2023年中国276个地级市的面板数据,运用工具变量法分析用地价格、结构和供给方式三个维度的工业用地要素错配对企业创新的影响及其机制,并对财政支出的优化作用进行探讨。研究发现:城市工业用地价格错配和供给方式错配会抑制企业创新,而结构错配则对企业创新产生正向影响。政府财政支出的优化作用分析显示,在工业用地价格错配的情况下,财政支出对企业创新产生显著的正向调节作用。基于此,应进一步明确政府与市场的角色与边界,动态优化土地价格和调整土地供应结构,并充分考虑地区差异,提升城市工业用地资源配置效率,优化公共财政支出结构,强化企业科技创新主体地位。
Based on the panel data of 276 prefecture-level cities in China from 2007 to 2023, this paper uses instrumental variable regression to explore the impact mechanism of different forms of industrial land misallocation on the innovation level of enterprises, and whether fiscal expenditure can optimize these effects. It is found that industrial land price mismatch and supply mode mismatch will inhibit enterprise innovation, while structural mismatch will have a positive impact on enterprise innovation. Further analysis of the optimization effect of government fiscal expenditure shows that when the price of industrial land is mismatched, fiscal expenditure can have a significant positive impact on the level of enterprise innovation. Based on this, it is suggested that in the future policy formulation, the role and boundary of the government and the market should be further clarified, the land price should be dynamically optimized, the land supply structure should be adjusted, the regional differences should be fully considered, the allocation of industrial land resources should be adjusted, the structure of public financial expenditure should be optimized, and the dominant position of enterprises in scientific and technological innovation should be strengthened.
[1] 徐邵军,刘修岩,倪克金.偏向型技术进步、要素价格扭曲与要素配置效率[J].经济评论,2024(5):3-19
[2] 刘美玲,王佳.区域创新要素、配置效率与创新绩效[J].统计与决策,2022(9):169-174
[3] 张瑞,文兰娇,王宁柯,等.科技创新对城市土地绿色利用效率的影响——以武汉都市圈48个区县为例[J].资源科学,2023(2):264-280
[4] 王湘君.土地资源错配、政府补助与企业创新关系研究——基于沪深两市A股上市公司的实证分析[J].中国物价,2018(9):24-26
[5] 谢呈阳,胡汉辉.中国土地资源配置与城市创新:机制讨论与经验证据[J].中国工业经济,2020(12):83-101
[6] 李勇刚.土地资源错配、空间溢出效应与绿色技术创新[J].现代经济探讨,2023(7):84-101
[7] Chen R, Wu L.Calculation and analysis of the efficiency of resource allocation for technological innovation in China[J].PLoS ONE, 2024 (8):20
[8] Zhou Y, Wang L, Ren H, et al. Influence of financial subsidies on innovation efficiency of start-up enterprises[J]. Frontiers in Environmental Science, 2022 (10):1-13
[9] 谢冬水.土地资源错配与城市创新能力——基于中国城市面板数据的经验研究[J].经济学报,2020(2):86-112
[10] 李冬,杨万平.高质量发展诉求下中国要素配置结构效率的状态识别、差异分解与时空演化[J].中国软科学,2024(12):164-174
[11] 毛文峰,陆军.土地要素错配如何影响中国的城市创新创业质量——来自地级市城市层面的经验证据[J].产业经济研究,2020(3):17-29,126
[12] 李建成,黎婉玉,黄丹蕾,等.土地“放管服”改革与跨区域合作创新效率[J].中国工业经济,2024(3):100-118
[13] 王春杰,黄金升,邹伟.差别化以地引资对城市创新的影响研究——基于土地市场交易数据的考察[J].财经论丛,2022(8):29-36
[14] 严金明,蒲金芳,夏方舟.创新配置土地要素保障新质生产力发展:理论逻辑、基本模式与路径机制[J].中国土地科学,2024(7):1-11
[15] 姜妍,张建平,李晶维.要素配置扭曲视角下的创新效率研究[J].经济问题探索,2019(9):158-171
[16] 李婉红,李娜,李策.要素配置效率、选择性产业政策与制造业结构转型——基于东北地区的实证研究[J].产业经济评论,2021(2):53-64
[17] 李晓峰,卢紫薇.珠三角地区创新要素配置效率评价——基于超越对数生产函数的分析[J].改革,2021(6):97-111
[18] 安勇,赵丽霞.土地资源错配、空间策略互动与城市创新能力[J].中国土地科学,2021(4):17-25
[19] 李玉龙.土地财政抑制了企业创新吗?——基于信贷错配视角的分析[J].财经理论与实践,2019 (1):111-117
[20] 董翔宇,赵守国,王忠民.政府效率与要素市场配置效率——基于财政收支效率视角[J].华东经济管理,2019(3):94-103
[21] 王建民,杨力.长三角创新要素、配置效率与创新绩效[J].上海经济研究,2020(1):75-85
[22] 张莉,刘昭聪,程可为,等.产业用地审批改革与资源配置效率——基于微观企业土地存量数据的研究[J].中国工业经济,2023(9):61-79
[23] 景保峰,任政坤,周霞.我国创新型产业集群科技资源配置效率研究[J].科技管理研究,2019(20):195-200
[24] 刘杨,王海芸,高海洋.京津冀城市群高技术产业科技资源配置效率及影响因素[J].科技管理研究,2024(11):97-107
[25] 曹亚军.要素市场扭曲如何影响了资源配置效率:企业加成率分布的视角[J].南开经济研究,2019(6):18-36,222
[26] 罗朝阳,李雪松.我国行业间要素配置效率及其对全要素生产率的影响[J].经济纵横,2023(1):73-83
[27] Hsieh C T,Klenow P J. Misallocation and manufacturing TFP in China and India[J].Quarterly Journal of Economics,2009(4):1403-1448
[28] 谢婷婷,张辉.土地供给约束、工业用地优化配置与企业效率——来自耕地保护政策的证据[J].经济研究,2024(5):190-208
[29] 毕学成,谷人旭,曹贤忠.服务业过度发展是否抑制了工业企业创新——基于省域面板数据的实证分析[J].山西财经大学学报,2019(11):40-54
[30] 陈美球,王检萍,张淑娴.以提升土地要素配置效率加快新质生产力的形成[J].中国土地,2024(6):22-25
[31] 黄健柏,徐震,徐珊.土地价格扭曲、企业属性与过度投资——基于中国工业企业数据和城市地价数据的实证研究[J].中国工业经济,2015(3):57-69
[32] 田文佳,余靖雯,龚六堂.晋升激励与工业用地出让价格——基于断点回归方法的研究[J].经济研究,2019(10):89-105
[33] Han J, Miao J, Du G, et al. Can market-oriented reform inhibit carbon dioxide emissions in China? A new perspective from factor market distortion[J]. Sustainable Production and Consumption, 2021(27): 1498-1513
[34] Zhang S, Zhu J, Fang Q, et al. Solving the time-varying cobb-douglas production function using a varying-coefficient quantile regression model[J]. Journal of Advanced Computational Intelligence and Intelligent Informatics, 2019(5): 831-837
