人才政策支持与企业全要素生产率

盛明泉， 项春艳，盛安琪2,

(1.安徽财经大学 会计学院，安徽 蚌埠 233030；
2.南京农业大学 经济管理学院，江苏 南京 210095)

党的十九大报告指出，创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。在这一发展背景下，党中央以及各地政府陆续推出地区创新发展战略，其中包括创新型城市建设、技术扶持政策、专利政策等，以此来带动社会生产率增长，实现经济高质量发展。企业创新的关键在于人才，要把高质量人才资源作为企业战略资源和提升企业全要素生产率的核心因素。因此，各地区相继出台并实施人才政策，旨在吸引人才、防止人才流失。比如各地的人才引进政策以及“千人计划”等，各级政府试图实施积极的人才政策，留住人才，实现地区经济高质量发展，实现由“要素驱动”向“创新驱动”的经济发展方式转变，通过技术创新提高企业全要素生产率。全要素生产率作为衡量企业效率与经济高质量发展较为综合的指标，一直以来是学术界与实务界关注的焦点。学者们围绕全要素生产率展开一系列研究，包括产业政策、创新政策等对企业全要素生产率的影响，却没有把目光聚焦到人才这一稀缺的生产要素上。因此，本文将人才政策与全要素生产率这一综合指标放于同一研究框架，探究各级政府实施的各类人才政策能否有助于企业全要素生产率提升；
如何以人才作为发展引擎，提升企业创新能力、融资能力，形成人才聚集效应，对促进企业全要素生产率提升和全面理解人才政策的实施效果具有重要意义。

本文的边际贡献体现在以下三个方面：第一，拓宽了人才政策的研究视域。现有研究大多探究人才政策对区域创新及发展的影响，鲜有文献关注对微观企业的影响。本文探究人才政策对企业全要素生产率的影响，丰富和拓展了人才政策对微观企业的影响研究。第二，探讨了人才政策在不同行业、不同制度环境、不同产权性质下对企业全要素生产率提升的影响，丰富了全要素生产率的相关研究。第三，人才是实现民族振兴、赢得国际竞争主动权的战略资源。人才政策作为政府公共政策体系的重要组成部分，旨在吸引和招揽人才，而企业是接收和汇聚人才的集中地。因此，探究人才政策对企业全要素生产率的影响，对于形成人才集聚效应、推动企业高质量发展具有重要意义，也为后续人才政策实施的经验研究提供一定借鉴。

(一)政策背景

一个企业、一个地区乃至一个国家的发展离不开人才支撑，人才的培育与引进对经济社会发展至关重要。人才政策也是各个国家推动社会经济发展、提升综合国力的有力工具之一。为了推动社会经济发展，我国各级政府相继出台各类人才政策。一般来说，中央政府先制定政策(纲要和指导文件)，随后，各级地方政府会制定一系列细化的实施政策。近些年来，中央与各级地方政府关于人才方面的政策正在步步抓紧落实。从中央层面来看，中共中央在2016年印发了《关于深化人才发展体制机制改革的意见》，提出人才发展体制机制改革是全面深化改革的重要组成部分。教育部制定并实施《教育人才规划》，坚持走人才强教、人才强校之路，建设高素质教育人才队伍，对于加快人才资源开发，全面推动教育事业科学发展，办好人民满意的教育，建设人力资源强国、人才强国和创新型国家具有重大意义。从各级政府来看，上海在2016年公布《关于进一步深化人才发展体制机制改革加快推进具有全球影响力的科技创新中心建设的实施意见》。针对人才引得进、留得住、用得好等人才发展关键问题，在以往政策的基础上不断完善。数据显示，上海市2020年全年共引进海内外各类人才113 635人，同比增长26.7%，其中，办理人才落户53 481人，同比增长40.8%。山东省在2017年颁布了《支持重点企业加快引进高层次产业人才实施办法》，以此来选择人才建设企业，其中一个重要的标准是企业近5年拥有高层次人才入选国家“千人计划”“万人计划”等国家或省级重点人才工程。

(二)文献综述

通过梳理近年来学者关于各项政策与全要素生产率的研究，总结起来有两种观点：第一种观点认为，政策的实施促进了全要素生产率的提升。殷红等[1]针对我国财政政策对全要素生产率的影响进行实证研究，研究发现各时期财政税收的增加对全要素生产率产生显著的促进作用。黄策等[2]发现，我国自2012年开始的“营改增”试点提高了上市企业全要素生产率，分工和研发投入是其主要途径。晏艳阳和吴志超[3]研究了我国创新政策对企业全要素生产率的影响，研究结论也是促进作用。孙阳阳和丁玉莲[4]实证检验了我国产业政策冲击对企业全要素生产率的影响，结果显示产业政策显著促进了企业全要素生产率的提升。此外，与各类政策相关的当属政府补助类政策的效果研究。研究表明，政府补助在促进企业创新投入与水平增长的同时有利于企业全要素生产率的提升。夏清华和何丹[5]基于信号传递理论，发现政府补贴所释放的积极信号有利于企业获取外部创新资源，促进企业创新。王薇和艾华[6]将政府补贴、创新投入与企业全要素生产率放入同一研究框架，发现政府补助显著促进企业全要素生产率的提高，且创新投入发挥部分中介作用。第二种观点认为，政策的实施并没有提高全要素生产率。Obeng和Sakano[7]研究发现，政府政策显著地降低了全要素生产率；
闫志俊和于津平[8]与任优生和邱晓东[9]研究发现，政策下放的资金补助(政府补贴)没有取得预期作用，反而对全要素生产率产生显著抑制作用。徐保昌和谢建国[10]发现，政府补贴不利于我国制造业全要素生产率的提升。

已有文献关于人才类政策效果的研究相对较少，大多以理论为主。人才政策出台后，对企业创新投入、创新产出以及研发效率均具有积极作用，且受到人才政策影响的企业，研发人员招聘数量显著上升。郭金花和郭淑芬[11]利用省级数据研究发现，创新人才集聚有利于全要素生产率增长，且具有空间溢出效应。卢洪友等[12]利用市级数据，基于“人才新政”准自然实验，结果表明实施“人才新政”后，政府提高高科技投入水平，促进城市创新水平上升。刘春林和田玲[13]对政府补助明细项目中的人才类补助进行衡量，形成人才政策支持变量，实证检验人才政策支持与企业创新之间的关系，结果表明，人才政策支持有助于企业获得政府资源(创新补贴)以及提高企业商业信用，从总体上促进企业创新，但未造成企业策略性创新倾向。因此，从已有文献来看，目前学术界大多从产业政策、财政政策等方面研究其对全要素生产率的影响，鲜有文献关注人才政策对全要素生产率的作用。本文将人才政策与全要素生产率相结合，探究人才政策对全要素生产率的影响，具有一定的创新性。上述文献梳理为人才政策支持与全要素生产率关系的研究提供以下启示：人才政策对企业全要素生产率产生何种影响，人才政策的实施是否可以达到预期效果？

人才是实现民族振兴、企业获取竞争优势最为稀缺的战略资源。自我国实施人才强国计划以来，人才便受到各级政府的重视。各地区自此开始了“抢人大战”，也开启了“政府搭台、企业唱戏”的模式。因此，探究人才政策对企业发展的影响显得尤为重要。

首先，政府的人才类补助直接投入企业，增加企业资金流动性，降低企业的融资难度，在一定程度上降低资金需求对企业发展的约束，提高资源配置效率，进一步提高企业全要素生产率。基于信号传递理论，获得政府补助的企业可以释放出企业具有技术优势和良好市场前景等信息，向外传递的积极信号会降低企业与外部投资者的信息不对称，帮助企业获得银行信贷以及风险投资等外部投资，满足企业扩大生产规模或者提升企业生产能力对资金的需要，进而有利于企业全要素生产率的提升。

其次，人才政策通常与政府研发政策存在交集，实质上，人才政策就是在企业层面对人才建设进行资助以及奖励，政府的人才类补助直接投入企业作为企业的研发投入，理论上会促进企业创新。企业创新活动的增加，也会加快企业创新成果的转化，这些创新成果可以有效帮助企业开拓新市场，寻求新的发展机遇，进而可以提高企业全要素生产率。此外，企业创新还可以通过新技术提高企业全要素生产率，对企业的经营绩效以及技术突破具有重要意义，是企业提高生产率的关键驱动力。

最后，人才政策可以形成人才集聚效应。一方面，集聚有利于降低“运输成本”，包括运物、运人、运思想的成本，(1)马歇尔在1920年出版的《经济学原理》一书中提到。因此，人才集聚有利于降低企业薪酬成本；
另一方面，人才要素集聚能够保证人才之间高效率互动，促进创新合作，实现创新活动风险分担、收益共享模式，提高创新成果转化率。企业薪酬成本降低以及创新成果转换率提高均有利于促进全要素生产率的增长。综上所述，笔者提出以下假设：

假设：人才政策支持对企业全要素生产率具有促进作用。

(一)样本选取与数据来源

本文采用所有A股上市企业2009—2019年数据。对数据进行如下处理：删除ST与金融类样本；
剔除基础数据缺失，或基本指标存在明显偏误的样本，在此基础上为了消除极端值的影响，对主要连续变量1%以下和99%以上进行Winsorize处理。本文变量所涉及的财务数据、治理数据来源于CSMAR(国泰安)数据库，专利数据来源于CNRDS数据库，使用Stata15.0进行数据分析。

(二)变量定义

1. 被解释变量

本文的被解释变量为全要素生产率(TFP)，关于全要素生产率的测量方法有OP、LP、OLS、FE、DEA等。本文借鉴Olley和Pakes[14]与鲁晓东和连玉君[15]的研究方法与模型，采用OP法对全要素生产率进行运算，具体模型如下：

lnYit=β0+β1+lnKit+β2lnLit+β3lnMatit+β4Ageit+β5Exportit+β6Soeit+β7Exitit+Yeari+lndi+εit

(1)

其中，i代表企业，t代表时间，Y表示企业主营业务收入额，K为固定资产金额，L为企业当年的员工数量，Mat为企业中间品投入，Age为企业年龄，Export 为是否进出口，Soe为产权性质，国有企业为1，非国有企业为0，Exit为是否退出市场，Year与Ind分别表示年度与行业，ε为随机扰动项。使用opreg命令对上述模型进行回归，残差即为全要素生产率(TFP_op)。(2)对全要素生产率OP估计有相应的Stata实现程序，OP法的Stata程序为opreg.ado。感兴趣的读者可通过运行命令ssc install opreg下载安装相应的程序包。

2.解释变量

本文的解释变量为人才政策支持，采用企业获得的政府人才项目资助作为衡量指标。该项数据来源于CSMAR数据库中财务报表附注中的“政府补助明细”中，在“政府补助明细”中包含了政府补助明细项目、政府补助明细项目本期金额、上期金额等。本文借鉴刘春林和田玲[13]、Chen等[16]与吴伟伟和张天一[17]在Excel软件中运用关键词筛选法对政府补助明细中的项目名称和说明进行搜索。本文以“人才”“院士”“博士”“专家”“教授”“团队”“人物”“百人”“千人计划”“万人计划”“英才”等作为关键词进行筛选，确定属于人才政策支持的项目。之后将筛选出来的项目与相应企业、年份进行匹配，形成两个解释变量。第一个变量为Sum，表示企业当年获得人才政策支持的资金数量(以百万为单位)，如果该企业当年未获得人才政策支持，此变量为0。第二个变量为Dum，表示企业当年是否获得人才政策支持，获得人才政策支持则为1，未获得支持则为0，此变量运用于稳健性检验部分。

3.中介变量

本文的中介变量为企业创新、人才集聚和融资约束。对于企业创新从创新投入与创新产出两方面来衡量。创新投入采用研发投入与企业总资产的比值来衡量。如果采用研发投入的绝对量，会忽略一个重要的事实，即大企业的研发规模大于小企业研发规模。因此，本文采用研发投入的相对量来衡量企业创新投入，避免企业规模等因素的影响。对于创新产出比较广泛的度量指标是专利申请数和专利授权数，参照普遍的做法，本文以专利申请数作为创新产出的衡量指标进行实证研究。本文采用企业研究生学历及以上员工占比数衡量人才集聚。

参考陈峻和郑惠琼[18]建立模型(2)和模型(3)衡量企业的融资约束程度，以此来检验融资约束的中介效应：

(2)

(3)

其中，size表示企业资产规模，lev表示企业资产负债率，CashDiv表示企业当年发放的现金股利，MB表示企业账面市值比，NWC表示企业净营运资本，EBIT表示企业息税前利润，tα表示企业总资产。

第一步，按照年度对企业规模、企业年龄、现金股利支付率三个变量进行标准化处理，并根据标准化后的变量均值对上市企业进行排序，分别以上下三分位点作为融资约束的分界点，确定融资约束虚拟变量QUFC：大于66%分位的上市企业定义为低融资约束组，QUFC=0；
小于33%分位的上市企业定义为高融资约束组，QUFC=1。第二步，对模型(3)进行Logit回归，拟合企业每一年度的融资约束发生概率P，并将其定义为融资约束指数FC(取值在0—1之间)，FC越大，表示企业的融资约束问题越严重。

4.控制变量

本文参考已有研究，选取以下控制变量：企业规模(Size)、资产负债率(Lev)、企业成长性(Grow)、总资产收益率(Roa)、股权集中度(Top1)、现金流水平(Cash)、独立董事占比(Indsize)、企业年龄(Age)、两职合一(Dual)。通常大规模企业存在资源优势，会对企业全要素生产率产生影响，本文借鉴江红莉和蒋鹏程[19]做法，采用员工人数自然对数值衡量，同时还控制了年度(Year)和行业(Ind)效应。各变量的具体定义如表1所示。

表1 变量定义

(三)实证模型

本文结合以往相关研究以及本文研究目的，以全要素生产率为被解释变量，人才政策支持为解释变量，构建以下基准模型(4)：

(4)

为了进一步探究企业创新、融资约束及人才集聚对人才政策支持与全要素生产率之间关系的中介效应，本文借鉴温忠麟和叶宝娟[20]所提出的中介效应检验程序进行检验，在模型(4)的基础上构建如下模型：

(5)

其中，i,t分别代表企业与年份，Controls代表所有控制变量，α0为常数项，ε为随机扰动项。TFP表示本文被解释变量全要素生产率，Sum表示本文解释变量人才政策支持，RD、Pt、FC、Tal分别表示创新投入、创新产出、融资约束、人才集聚。

(一)描述性统计

表2列示了主要变量的描述性统计。从表2可以看出，本文采用OP法计算的全要素生产率平均值为6.297，中位数为6.267，标准差为0.363，说明TFP_op大致符合状态分布。人才政策支持的平均值和中位数分别为0.080和0，表明呈右偏分布的特征(平均值>中位数)。其他控制变量总体上分布合理，与现有文献也保持较高一致性。

表2 主要变量描述性统计

(二)实证结果分析

表3 人才政策支持与全要素生产率(N=15 711)

(三)稳健性检验

1.替代测量

考虑到本文单一的变量测算方法所获得的相关结果可能具有偶然性与误差，因此，本文更换解释变量与被解释变量的计算方法，回归结果如表4所示。对被解释变量(TFP)采用OLS法计算企业的全要素生产率(TFP_ols)。从列(1)可以看出，人才政策支持(Sum)与全要素生产率(TFP_ols)的回归系数为0.057，且在1%水平上显著，可见结果稳健。对解释变量人才政策支持，在此引入替代变量Dum，表示当年是否受到政府人才政策支持，受到支持为1，未受到支持为0。从列(2)可以看出，人才政策支持(Dum)与全要素生产率(TFP_op)的回归系数为0.026，且在1%水平上显著。变量衡量方法改变或者引入替代变量后的结果均显示，人才政策支持对全要素生产率均为显著正向影响，该结论不变。

2.全要素生产率前置一期

本文将企业全要素生产率前置一期作为因变量重新回归。从表4列(3)可以看出，人才政策支持与前置一期的全要素生产率系数为0.052，且在1%水平上显著。支持本文的结论。

3.采用制造业样本

本文采用具有代表性特征的制造业样本重新回归，探究人才政策支持对企业全要素生产率的影响。从表4列(4)可以看出，人才政策支持与企业全要素生产率在1%水平上显著为正，证明了本文结果的稳健性。

表4 稳健性检验

(四)内生性检验

1. 双向因果内生性检验

为缓解政府人才政策支持与企业全要素生产率之间存在的双向因果内生性问题，本文借鉴夏清华和何丹[5]做法，选取滞后一期的人才政策支持作为工具变量，采用两阶段最小二乘法(2SLS) 重新检验人才政策支持对企业全要素生产率的影响(如表5所示)。表5列(1)为第一阶段结果，滞后一期的人才政策支持系数为0.447，且在1%水平上显著，验证了工具变量相关性假定，与预期一致。列(2)为第二阶段结果，人才政策支持的系数为0.127，且在1%水平上显著，说明在缓解内生性后，本文的结论依然成立，即人才政策支持显著正向影响企业全要素生产率。

2.样本选择偏误内生性检验

通常受到人才政策支持的企业为少数企业，且受到人才政策支持的企业也是政府经过严格筛选出来的，所以对于此类企业而言，可能具有“筛选效应”。因此，企业的全要素生产率可能也会影响政府人才政策的筛选倾向。基于此，本文选择倾向得分匹配(PSM)方法来探究可能因样本选择带来的内生性问题。将样本分为处理组与待匹配组，以全要素生产率为因变量，按照企业规模(Size)、总资产收益率(Roa)、现金流水平(Cash)、企业成长性(Grow)和企业资产负债率(Lev)进行了人才政策支持强度是否高水平的1∶1最近邻无放回的匹配，一共获得5 669个样本。具体结果如表5列(3)所示，在缓解内生性后，本文的结论依然成立，即人才政策支持显著正向影响企业全要素生产率。

(五)作用机制分析

如上文所述，人才政策支持可以通过促进企业创新、降低企业融资难度以及形成人才集聚效应促进全要素生产率提升。因此，本文依次从融资约束、企业创新及人才集聚效应三个方面系统检验人才政策支持对企业全要素生产率的作用机制。

1.融资约束的中介效应检验

表6报告了“人才政策支持—融资约束—全要素生产率”的机制检验结果。从列(2)可以看出，人才政策支持与融资约束的系数为-0.011，在5%的水平上显著，说明人才政策支持有助于缓解企业融资约束；
从列(3)可以看出，此时人才政策支持与全要素生产率仍然显著正相关，表明企业融资约束在人才政策支持与全要素生产率的关系中起到部分中介效应。受到人才政策支持的企业会传递积极信号，降低企业与外部投资者之间的信息不对称程度，缓解企业融资约束，提升企业全要素生产率。

2.企业创新的中介效应检验

表7报告了“人才政策支持—企业创新—全要素生产率”的机制检验结果，得出人才政策支持与创新投入的回归结果如下：从列(1)—列(2)可以看出，人才政策支持对企业创新投入的影响显著为正(人才政策支持系数分别为0.048和0.005，且均在1%水平上显著)，验证了人才政策支持有助于企业增加创新投入；
列(3)显示将人才政策支持、创新投入与全要素生产率纳入同一研究模型中，结果显示创新投入的系数为0.605，且在1%水平上显著，说明企业创新投入对企业全要素生产率具有显著的正向影响。从列(4)可以看出，人才政策支持与创新产出的系数为0.327，在1%的水平上显著，说明人才政策支持显著促进企业创新产出；
从列(5)可以看出，此时人才政策支持与企业全要素生产率仍然显著正相关，表明创新产出促进全要素生产率提升。上述检验结果在一定程度上可以说明“人才政策支持—企业创新—全要素生产率”这条路径是存在的。当企业获得政府人才政策支持，将会有更多资金投入到企业的创新活动中，企业技术等条件得到改善，促进创新产出，企业综合实力得到增强。

表6 人才政策支持、融资约束与全要素生产率

表7 人才政策支持、企业创新与全要素生产率

3.人才集聚的中介效应检验

表8报告了“人才政策支持—人才集聚—全要素生产率”的机制检验结果。从列(2)可以看出，人才政策支持与人才集聚的系数为1.656，在1%的水平上显著，说明人才政策支持有助于形成人才集聚效应；
从列(3)可以看出，此时人才政策支持与全要素生产率仍然显著正相关，表明人才集聚效应在人才政策支持与全要素生产率的关系中起到部分中介效应。人才政策可以吸引更多人才来到当地工作，形成人才集聚效应，实现创新活动风险分担、收益共享模式，提高创新成果转化率，促进全要素生产率的增长。

表8 人才政策支持、人才集聚与全要素生产率

(一)异质性分析

1. 基于行业异质性的子样本分析

高科技企业的发展离不开创新技术的支撑，政府对高科技企业的关注度也一直只增不减。高科技企业的核心资源是人力资本和知识资本，政府的人才政策也正是对准企业人力资源。因此，本文将进一步探讨人才政策支持对全要素生产率的影响是否会因为行业不同而存在差异？本文将研究对象分为高科技企业与非高科技企业(根据统计局对高科技行业的分类标准)，试图探究人才政策的实施效果在两类企业中是否有所不同。表9列(1)和列(2)显示了人才政策的实施效果在高科技企业与非高科技企业之间的情况。从列(1)可以看出，人才政策支持对于高科技企业全要素生产率的影响系数为0.049，且在1%的水平上显著；
对于非高科技企业全要素生产率的影响系数为0.032，在10%水平上显著。由此可以看出，相比非高科技企业，人才政策的实施效果在高科技企业更为显著。随着时代发展，尤其在当前行业竞争激励、经济压力增大的背景下，高科技企业也面临着生存难题。政府所实施的人才政策对于整个行业，尤其是高科技企业具有显著的帮扶作用，更能激发企业创新活力，增强企业员工技术技能，提高企业综合实力。

2.基于制度环境的子样本分析

政策的实施效果往往会因地区不同而不同，地区的发展水平以及制度环境等都会影响政策的实施效果。因此，本文将进一步探讨人才政策支持对全要素生产率的影响是否会因为地区制度环境的不同而存在差异？本文借鉴已有文献，将我国市场化指数作为制度质量的代理变量，之后根据上市企业注册地所在省份与各省份的市场化指数进行匹配。参考刘春林和田玲[13]的做法，根据均值将制度环境质量划分为高水平与低水平。高于制度环境质量指数均值的为制度环境质量较高组，低于均值为制度环境质量较低组。相关结果如表9列(3)、列(4)所示，在制度环境较高组中，人才政策支持与全要素生产率在1%水平上显著为正；
在制度环境较低一组，人才政策支持对全要素生产率促进作用并不显著。这说明较高的制度环境质量能够显著激发政府的人才政策实施效果，增加所在地区企业全要素生产率。夏清华和何丹[5]也曾研究发现，制度环境质量越高，政府的研发补贴对企业创新的激励作用越明显。因为良好的制度环境质量可以有效帮助企业控制外部环境中的不确定性，此外，制度环境质量较高说明该地区具有较高的发展水平，比如拥有发达的金融中介机构，基于人才政策的信号传递理论，上述因素可以缓解企业的融资困境。

3.基于产权异质性的子样本分析

企业的发展离不开技术进步的支撑，一个企业的核心资源是人力资本和知识资本。目前，不同产权性质企业共同发展，产权性质的差异对我国企业发展的影响也日益凸显。相比国有企业来说，民营企业在发展中面临更强的资金问题，此外，面临大多人才的就业选择偏向于国有单位，民营企业对人才以及研发资金的需求更加迫切。政府的人才政策支持可以明显缓解民营企业的创新投入资金以及人才方面的压力。因此，本文借鉴盛明泉[21]的思路，将总样本分为国有企业与民营企业，进一步探讨人才政策支持对全要素生产率的影响是否会因为产权性质不同而存在差异。本文将研究对象分为国有企业与民营企业，试图探究人才政策的实施效果在二者之间是否有所不同。表9列(5)、列(6)显示，在民营企业中，人才政策支持与全要素生产率在1%的水平上显著为正；
而在国有企业中，人才政策支持对全要素生产率的影响并不显著，这也与预期相符。人才政策支持对全要素生产率的影响在不同产权性质的企业之间存在差异。

表9 异质性分析

(二)调节效应分析

关注已有研究可以发现，企业金融化的动因可以分为“蓄水池”“投机套利”两种视角。“蓄水池”效应指的是企业将剩余资源投向金融领域，配置变现能力强的一些金融资产，当企业面临严苛的融资约束或者遇到突发情况的资金需求时，可以将持有的金融资产转化为企业的实体资源，缓解企业的融资不足，表现为“蓄水池”效应；
“投机套利”指的是企业将其主要的资源投向流动性较低、回报高的金融资产或地产领域，意图谋取短期超额利润，表现为“投机套利”。

企业金融化的“蓄水池”效应可以有助于缓解企业的外部融资约束，稳定企业的收益，降低交易成本以及生产经营的不确定性。盛明泉等[22]认为，企业金融化的“投机套利”动机将会挤占企业的实业投资，企业的投资重心偏向于金融部门，不利于企业的研发创新。企业注重短期利益，出现资金“脱实向虚”现象，进而会对全要素生产率产生影响。因此，当企业金融化呈现“蓄水池”效应将有利于提升人才政策所发出积极信号引致的创新资源水平，缓解外部融资约束，优化资源配置效率，进而强化人才政策支持对全要素生产率的积极影响；
而“投机套利”动机则可能使人才政策支持未能落实到实处，企业将资金配置于金融资产时，实业资金必然受到挤占，同样也会挤占企业的创新资源，阻碍技术创新，进而削弱人才政策支持对全要素生产率的积极影响。在此基础上，这里分析了企业金融化对于人才政策支持和全要素生产率之间的影响是正向调节作用还是负向调节作用。在表10列(2)中，Fin×Sum的系数为-0.360，且在5%水平上显著，说明企业金融化水平对人才政策支持和全要素生产率之间的影响是负向调节作用。具体而言，企业金融化水平越高，企业对于资源的运用未能充分体现在实业中，越能削弱人才政策支持对企业全要素生产率的正向影响。

表10 企业金融化调节作用

考虑到创新政策所面临的企业策略性行为的挑战，中国的人才政策是否也面临相同情况？中国人才政策的实施能否达到预期效果？对此，本文利用2009—2019年所有A股非金融类上市公司数据，系统考察了中国人才政策支持对企业全要素生产率的影响。实证结果表明，从总样本来看，中国人才政策支持显著提升了企业全要素生产率。从分样本来看，人才政策支持在制度环境质量较低的地区实施效果没有达到预期，对企业全要素生产率的提升作用不显著，对制度环境质量较高的地区，人才政策支持对企业全要素生产率产生显著的正向作用；
在民营企业中，人才政策支持对企业全要素生产率影响显著，而在国有企业中，人才政策支持对企业全要素生产率影响并不显著。对于不同行业而言，人才政策支持对高科技企业全要素生产率的提升作用大于非高科技企业。此外，本文从企业创新、融资约束以及人才集聚三方面分析人才政策支持对全要素生产率的中介效应，结果显示人才政策的实施可以通过缓解企业融资约束、促进企业创新、形成人才集聚效应来提高企业全要素生产率。进一步研究显示，企业金融化在人才政策支持对全要素生产率的影响中具有负向调节作用。

本文为中国人才政策支持能够提升企业全要素生产率提供了有力证据，根据实证结果提出以下建议与启示：第一，充分发挥政府的“有形之手”的作用，提升企业全要素生产率。政府基于人才政策下发的补贴以及带给企业的福利需要充分发挥引导作用，同时还需发挥人才政策的信号传递作用，促进社会资源向企业集聚，提高企业创新实力，增加企业实质性创新，提升企业全要素生产率。针对各地区经济发展水平、人力资本水平等情况，政府需要增加人才政策的“针对性”，让人才政策在各地区发挥出更大作用。第二，打造良好的制度环境质量，保障政策实施效果。良好的制度环境质量可以有效帮助企业控制外部环境中的不确定性，引导创新要素合理流动，提高资源配置效率以及各要素产出效率。而制度环境质量较好的地区，其法律制度、金融发展等方面都具有较高水平，更有利于发挥国家政策的实施效果，所以良好的制度环境是政策实施的基础。第三，政府应当提高对人才政策的重视，加大人才政策支持力度。当前，与政府对企业研发资金的支持强度相比，人才政策的支持力度处于较低水平。但是,人才政策支持却能显著提升企业全要素生产率，激励企业实质性创新，人才政策需要得到充分重视，发挥更大作用。第四，针对不同性质的企业，调整人才政策支持力度。对行业、产权性质不同的企业，其发展规划需要不断调整。政府应当结合对行业性质、产权性质的思考，针对不同企业，调整支持力度，提高财政资金的配置效率，助力企业效益最大化。政府应从源头出发，将人才项目资金进行合理分配，优化人力资源配置，实现经济高质量发展。

猜你喜欢 生产率要素变量 中国城市土地生产率TOP30决策(2022年7期)2022-08-04抓住不变量解题小学生学习指导(高年级)(2021年4期)2021-04-29也谈分离变量河北理科教学研究(2020年2期)2020-09-11掌握这6点要素，让肥水更高效当代水产(2020年4期)2020-06-16跟踪导练（三）4时代英语·高一(2019年1期)2019-03-13外资来源地与企业生产率智富时代(2018年1期)2018-03-26外资来源地与企业生产率智富时代(2018年1期)2018-03-26观赏植物的色彩要素在家居设计中的应用现代园艺(2017年22期)2018-01-19论美术中“七大要素”的辩证关系河北书画研究(2017年1期)2017-08-22关于机床生产率设计的探讨中国市场(2016年45期)2016-05-17