内容提要：定向产业政策是实施对象专门针对单个企业或一组企业的选择性产业政策工具，近年来在各国政策实践中日益增多，而在理论上产业政策是否要定向支持特定企业争论颇多。本文基于中国省级层面五年规划文本，系统识别和整理了定向产业政策信息，并评估其对企业全要素生产率的影响。研究发现：(1)整体来看，定向产业政策对企业全要素生产率具有显著提升作用。(2)定向产业政策主要通过引导新企业进入、克服产业链上下游协调失败以及促进基础技术创新供给等机制发挥作用。(3)信息缺陷和监管俘获弱化了定向产业政策对企业全要素生产率的提升作用，说明政策有效性高度依赖于政府的信息识别能力、治理能力和监督约束机制。(4)对于技术创新能力较强或创新不确定性较高的企业，定向产业政策的生产率提升效应有限，说明在新质生产力发展过程中，政策支持不宜过早锁定特定企业。本文对于厘清产业政策的有效干预逻辑、探索现代产业治理模式具有重要启示。
关键词：定向产业政策/ 全要素生产率/ 市场失灵/ 新质生产力/
作者简介：王海成，北京师范大学经济与工商管理学院，E-mail：hquhaicheng＠163.com(北京 100857)；张伟豪(通讯作者)，广西大学经济学院，E-mail：whzhang95＠163.com(广西 南宁 530004)。
原文出处：《经济学动态》(京)2026年第5期 第100-125页
标题注释：国家社会科学基金一般项目“政府采购推动更大力度吸引和利用外资的机制与对策研究”(25BJL009)。
一、引言
“十五五”规划纲要强调，健全产业政策制定实施、信息披露、评估调整和退出机制。①改革开放四十多年来，赶超性产业政策作为一种生产要素资源配置政策，始终是政府快速推进中国工业化进程的重要制度安排(黄群慧和贺俊，2023)，其主要特征是“选择性”(江飞涛等，2021)。赶超性产业政策除了选择具体产业，往往会选择具体企业来完成追赶目标(黄少卿，2022)，②这种定向企业的产业政策(以下简称“定向产业政策”)通常偏好扶持大企业。关于定向产业政策，一种常见的批评是，由于“信息缺陷”和“监管俘获”，挑选出来的企业未必是高效率企业，或者高效率企业在获得产业政策支持后由于缺乏竞争未必实现规模经济，从而导致“挑选输家”。本文关心的是，尽管定向产业政策可能存在部分“挑选输家企业”的情况，但产业政策的成功不应由单个项目的成功或失败来判断，而是必须系统地评估整体经济的表现(Stiglitz，2017)，定向产业政策是否可以通过克服市场失灵实现产业整体效率的提升?否则我们无法解释当前全球超过60％的产业政策是定向企业的政策，③在实践中不少经济体(如韩国的电子信息、日本的汽车)通过定向支持少数企业，实现了关键技术突破和国际竞争力的提升；中国在5G技术研发等领域也取得显著成效，如5G标准必要专利占比全球第一，网络建设规模位居世界前列(贺俊，2022)。
在探讨定向产业政策是否可以提升全要素生产率的基础上，我们需要进一步分析其背后的影响机制，即定向产业政策何以有效或何以无效。Stiglitz(2017)认为产业发展是集体学习的结果，在产业发展过程中，个体层面的共性行为特征和不可分解的集体特征同时存在，这二者共同决定了一国特定产业发展的成效。因此，评估定向产业政策是否有效可以等同于评估其对个体共性特征和集体共性特征是否具有正向影响(黄群慧和贺俊，2023)。这意味着需要考察政策是否可以通过矫正个体失败和集体失败来促进产业发展。如果我们能够明确定向产业政策影响企业全要素生产率的具体途径，就可以更有效地强化这些途径，从而帮助政策制定者更有针对性地设计产业政策。
进一步地，我们关注新发展阶段如何优化设计产业政策以“更好统筹质的有效提升和量的合理增长”。④产业政策广泛意义上作为一种自我发现、自我调整的过程，真正的挑战不在于重新设立产业政策，而在于重新部署和调整已有产业政策以使其更好发挥作用(Rodrik，2008；黄群慧和贺俊，2021)。具体到本文，在回答定向产业政策是否会影响企业全要素生产率的基础上，我们还关注两个问题：第一，关于定向产业政策的批评主要集中于信息缺陷和监管俘获两点。我们需要考察中国情境下这些问题是否存在，以便制定相应的配套措施减轻不利影响，从而建立“设计得当”的产业政策(吴敬琏，2016)。第二，党的二十届三中全会指出，健全相关规则和政策，加快形成同新质生产力更相适应的生产关系，促进各类先进生产要素向发展新质生产力集聚。⑤新质生产力是创新起主导作用的先进生产力质态，从企业的技术特征看，定向产业政策能否有效发挥作用，还是会出现穿“新鞋走老路”的情况?
为探究上述问题，本文基于省级层面的“十五”计划至“十二五”规划，手工整理了国民经济行业四位码(以下简称“CIC4位码”)层面的定向产业政策信息，并利用2001-2014年的中国工业企业数据库，系统考察了定向产业政策对企业全要素生产率的影响。研究发现，定向产业政策显著提升了企业全要素生产率。我们排除了非定向产业政策、产业规模偏好以及贸易自由化和投资自由化等三个方面的竞争性解释，并通过克服选择性偏误导致的逆向因果问题、长差分模型估计等进行了稳健性检验，结论依然成立。其次，影响机制检验发现，定向产业政策主要通过三个途径提升全要素生产率：引导新企业进入、克服协调失败和促进基础技术创新供给。再次，我们考察了外部制度环境的调节作用，发现信息缺陷和监管俘获弱化了定向产业政策对全要素生产率的提升作用。最后，我们考察了面向培育和发展新质生产力的定向产业政策的有效边界，发现对于技术创新水平高和技术创新不确定性高的企业，定向产业政策对其全要素生产率的促进作用并不明显，需要慎重实施定向产业政策。
本文余下内容安排如下：第二部分进行文献述评与影响机制分析；第三部分介绍研究设计；第四部分展开实证检验；第五部分重点考察信息缺陷和监管俘获的影响；第六部分探究定向产业政策在培育和发展新质生产力方面的适用性；最后给出本文的研究结论和政策含义。
二、文献述评与影响机制
(一)文献述评
早期考察产业政策效应的相关研究并不支持产业政策能显著提高生产率的结论(Krueger & Tuncer，1982；Beason & Weinstein，1996；Harris & Robinson，2004)。近年来，产业政策的合理性及其潜在后果研究已有大量综述性文献(Juhász & Steinwender，2023；Juhász et al.，2025)。最近的研究包括对拿破仑封锁的简约式估计(Juhász，2018)、基于文本分析衡量的各种类型产业政策(Juhász et al.，2025)、金融摩擦条件下的最佳产业政策理论分析(Itskhoki & Moll，2019；Liu，2019)以及理论与数据相结合分析产业政策规模经济效应(Bartelme et al.，2025)。关于产业政策对全要素生产率影响的评估研究也取得了重要进展，Nunn & Trefler(2010)利用包含63个国家的跨国面板数据，分析了行业层面的关税保护对生产率增长的影响，发现生产率增长与关税保护导致的“技能偏差”显著正相关，设计得当的关税政策会提升全要素生产率。Aghion et al.(2015)基于两时期两产品的理论模型指出，行业竞争性越强，产业政策实施效果越好。同时，他们通过对1998-2007年中国大中型制造业企业的实证分析发现，如果产业政策通过诱导和鼓励新企业进入来促进行业竞争，而非集中支持个别或少数企业，将更大程度促进整体企业生产率的提高。在中国情境下，宋凌云和王贤彬(2013)发现，重点产业政策通过资源重置效应促进了产业生产率的提高，且这种促进作用对不同产业类型具有明显异质性。张莉等(2019)则利用1999-2007年的中国工业企业数据库，发现重点产业政策对所支持行业内的企业全要素生产率具有显著的抑制作用。Mao et al.(2021)实证发现，中国的产业政策和科技政策对产业生产率增长的促进作用，取决于该产业与世界前沿产业的相对发展阶段，对全球新兴高科技产业生产率增长的促进作用要明显高于其他产业。
相较于既有文献，我们的改进和创新主要体现在以下三个方面：
第一，率先考察了定向产业政策对全要素生产率的影响。现有关于重点产业政策的研究主要通过五年规划中某一产业是否冠以“重点发展产业”“重点扶持产业”“支柱产业”“优先发展产业”，以及用“做大做强”“大力发展”“着力培养”等词语来判断是否为未来五年标示的重点产业(宋凌云和王贤彬，2013；张莉等，2019)。进一步地，王海成等(2023)关注到了规划文本中蕴含的产业规模偏好特征，并发现这种规模扩张导向的政策会导致企业效率受损。然而，上述研究均在一定程度上忽略了中国产业政策实践中的一个重要特征：诸多产业政策在遴选重点行业的同时，还会将支持对象进一步细化至产业内的特定企业或微观主体群体。需要厘清的是，王海成等(2023)探讨的“规模偏好”侧重于考察产业政策的“目标设定”，而本文界定的“定向产业政策”则聚焦于产业政策的“干预方式与作用对象”，即着重考察政策资源配置是否具有微观企业定向性。⑥尽管文本中的“龙头企业”“上市公司”等定向标签可能与规模偏好存在一定重叠，但“专精特新”“隐形冠军”“单项冠军”及“瞪羚企业”等定向政策，则更多体现了地方政府对微观主体技术专长、成长潜力和细分领域竞争优势的扶持，并不必然体现为对企业规模的盲目追求。此外，尽管Aghion et al.(2015)曾关注过扶持特定微观主体对全要素生产率的影响，但正如Stiglitz(2017)所言，产业政策的成效不应仅以个别受扶持项目的成败来衡量，而必须置于更广泛的市场与产业生态中进行系统性评估。因此，本文将定向产业政策纳入整体经济表现的考察框架，不仅从微观政策对象选取的维度深化了以王海成等(2023)为代表的产业政策特征研究，也从政策评估的视角拓展了Aghion et al.(2015)的理论边界。
第二，从市场失灵的细分维度出发，厘清了产业政策在提升企业全要素生产率中的具体作用机制。讨论是否需要产业政策，不能仅仅通过是否存在市场失灵或政府失灵来回答，而是需要深入探讨产业政策的运行逻辑和特征，要通过剖析市场失灵的内在原因来界定可能的作用机制(朱富强，2017)。宋凌云和王贤彬(2013)发现重点产业政策主要通过对产业内部企业间的资源进行重新分配来促进生产率的提高，即推动资源向生产率增长水平更高的企业流动，促使其快速提高行业份额，进一步发挥重点产业政策的资源重置效应。反之，张莉等(2019)发现，由于重点产业政策引导资源从非重点行业流向重点行业，导致资源流入行业中企业出现过度投资的问题，进而使得投资效率降低，抑制了行业整体全要素生产率的提升。而Aghion et al.(2015)的研究表明，产业政策对生产率增长的影响机制因政策工具不同而异，低息政策和税收优惠促进了生产率增长的广延边际(市场份额重新分配)，补贴主要在集约边际发挥作用(内部改进)。以上研究关于影响机制的分析主要关注资源要素在产业内和产业间的分配，为我们提供了一定的洞见，但产业政策干预的基本理由不是为了优化资源配置从而推动市场均衡，而是用以创造资源和打破均衡，最终培育出自主掌握技术能力和改变国际竞争格局的本土竞争性企业。本文则从产业政策实施依据出发，解构市场失灵的具体维度(信息外部性、协调失灵和公共物品)，揭示其中的作用机制，尝试打开产业政策影响全要素生产率的黑箱，有助于我们更加深入地理解产业政策对企业全要素生产率的影响过程，从而为产业政策制定提供更加科学的理论基础。
第三，深化了关于发展新质生产力的产业政策讨论。新质生产力具有迥异于传统产业、成熟产业的技术经济特征，因此，在追赶阶段行之有效的产业政策可能与新质生产力发展存在不适配问题。学界对培育和发展新质生产力的产业政策已展开深入讨论，刘志彪(2024)认为产业政策要帮助行业克服“卡脖子”领域和技术，而非帮助特定企业扩大生产规模；李晓华(2024)认为由于新兴产业大规模试错的产业发展范式不适合采取强选择性产业政策，产业政策要由强选择性产业政策主导向功能性产业政策主导转变。总的来说，以上文献提出了产业政策转型的原则性方向，但缺乏坚实的实证支撑。本文的创新之处在于，通过企业技术创新水平和技术创新不确定性来刻画新质生产力，实证发现定向产业政策对于提升新质生产力的全要素生产率并没有明显效果，不仅深化了对定向产业政策有效性的认识，也为产业政策的转型提供了重要的实证依据。
(二)影响机制
对定向产业政策的经济学理论依据及其影响全要素生产率的机制，大致可以从三个大类展开：信息外部性、协调失灵和公共产品。前两类与众所周知的市场失灵有关，而第三类则与特定经济活动的专门性有关。下面我们分别展开论述：
一是引导新企业进入。产业发展往往是一个“自我发现”的过程，即企业家通过不断的探索和尝试，找到能够在本地条件下盈利的生产活动(Hausmann & Rodrik，2003)。在这个过程中，“探索者”企业在产业发展初期承担了探索市场、验证商业模式的重要职能，为整个行业的发展积累了宝贵的知识和经验。然而，信息外部性导致“探索者”企业的创新探索收益难以完全内部化，其付出的成本和承担的风险难以从市场中得到充分补偿(Rodrik，2009)。政府对“探索者”企业的定向支持具有双重效应：一方面直接补偿其试错成本，降低创新探索风险；另一方面向市场传递产业发展前景的积极信号，发挥示范引导作用。这种政策干预能够触发产业发展的良性循环：政府信号吸引新企业进入，后进入者可借鉴先行者经验降低试错成本，市场规模扩大又创造更多发展机会，进而吸引更多企业加入，推动产业持续壮大。
二是克服“协调失败”。这种市场失灵现象指的是单个生产者的盈利能力往往依赖于其他生产者所进行的相关经济活动的水平(Juhász et al.，2024)。具体而言，从产业链的视角来看，产业的发展高度依赖于上下游企业之间的紧密协作，上游企业为下游企业的加工制造提供基础零部件和原材料，并在技术、质量等方面满足这些下游产业的需求，对产业部门具有前向推动力。与此同时，作为上游企业的需求者，下游企业通过后向联系，以稳定的需求信号、适度竞争的买方市场结构以及对卖家质量和技术的严格筛选等市场行为，反过来又影响着上游产业的发展(刘志彪，2019)。上游企业的投资决策往往依赖于下游企业的投资意愿，反之亦然。然而，当某个企业的成败与其他企业的决策息息相关时，协调失败的风险便可能会出现。为了解决这一协调失败的问题，定向产业政策显得尤为重要。政府可以通过提供补贴等优惠政策，降低上下游企业的投资风险，激励其积极投资。在某些情况下，政府甚至只需向企业提供一个关于协调失败时的补贴承诺，而不必实际支付大量补贴。此外，如果协调失败与上下游企业的选址有关，政府可以通过为特定企业提供优惠政策，吸引相关企业入驻(寇宗来，2017)，从而提升整个产业链的竞争力。
三是促进基础技术创新供给。在产业发展过程中，基础技术发挥着重要作用(Aghion & Howitt，1999)。基础技术具有两个显著特征：一是具有通用的性质，可以大范围地应用于不同产业、不同领域的工艺、产品和服务，共性技术的效益很容易溢出到研发主体之外的其他主体和部门之中，社会收益远远高于研发主体的私有收益，具有很高的经济外部性。二是处于竞争前阶段，商业应用前景往往并不明朗，主要是为后续的产品技术开发和商业应用提供技术基础(Justman & Teubal，1991)。由于技术的性能指标、应用前景和经济指标都属于未知数，研发风险高，研发收益难以预测，具有很高的信息不完全性(黄群慧和贺俊，2021)。两个经济特征相叠加，致使基础技术研发面临着严重的市场失灵问题。为了激励企业进行具有正外部性的研发投入，政府可以通过为基础技术发明企业提供研发支出的税收减免政策等多种措施进行干预，减轻企业在创新过程中所面临的财务压力，使得企业能够更积极地投入到研发之中，从而整体提升产业发展水平。
三、研究设计
(一)计量模型设定
为了检验定向产业政策对企业全要素生产率的影响，建立如下计量模型：
tfpfpit=α+β·specificpit+ϕ·Zft+ψ·Gpt+σ·Hit+λf+λt+εfpit
(1)
其中，f为企业，p为省份，i为CIC4位码行业，t为年份。tfpfpit为企业全要素生产率，specificpit为省份—行业层面定向产业政策，如果某CIC4位码行业在其所在省份五年规划中定向选择企业，则赋值为1，否则为0，系数β衡量了定向产业政策对企业全要素生产率的影响。Z、G、H分别为企业、省份、行业层面控制变量。λf、λt分别为企业、年份固定效应，εfpit为随机误差项。为了消除可能存在的异方差和自相关问题，所有回归在省份-CIC4位码行业层面聚类。
(二)指标选取与测算方法
1.全要素生产率(tfp)。本文主要以ACF方法测算的全要素生产率进行回归分析。⑦
2.定向产业政策(specific)。主要通过以下三个步骤进行识别：
(1)概念界定。虽然前文给出了定向产业政策的初步解释，但没有给出清晰的定义。根据黄群慧和贺俊(2023)、Juhász et al.(2025)，我们首先将产业政策界定为以提升特定产业竞争力为“直接目标”的政府政策，由于产业政策的目标是结构性变革，其关键特征是政府的选择和裁量权：“支持X产业而不是Y产业”，尽管后半部分通常是隐含的。其关键点有三：一是直接目标而非间接目标，直接目标通常包括促进创新、提高生产率和经济增长，还包括促进气候转型、创造就业、支持落后地区发展、扩大出口或实现进口替代等，教育、医疗等公共服务等虽然影响产业发展，但并非以提升产业竞争力为直接目标，这类政府干预不纳入产业政策范畴；二是产业政策并不完全以制造业为对象，也包括对服务业以及特定类型研发的支持。产业政策与区域政策(Slattery & Zidar，2020)、基于区位的政策(Neumark & Simpson，2015)以及创新政策有所重叠，例如政府推动某些特定行业建设国家实验室、建立产业联盟、协调行业技术标准等也属于产业政策；三是政策实施主体为各级政府。虽然中央政府会与地方政府协调合作，确立目标和政策措施，但地方政府是负责落实具体政策的主力。综上，我们将定向产业政策界定为：实施对象专门针对单个企业或一组特定企业的产业政策，旨在通过直接支持和干预以实现某些公共目标。该定义强调两个关键点：第一，政策对象是特定企业或企业群体，而非一般行业；第二，基于前文的影响机制，政策目标是实现产业发展、技术突破、协同配套等公共目标，而非单纯扩大产业规模。
(2)构建文本词库。一是企业词库。(1)直接提及企业名称，如××集团、××公司、××股份等，企业简称或代号，直接提及项目名称，如××项目、××工程、××基地等；(2)虽然未提及企业名称，但实际数量有限、指代明确的企业，如龙头企业、骨干企业、领军企业、隐形冠军、单项冠军、专精特新企业、瞪羚企业、独角兽企业、重点国有企业、上市公司、新三板企业等；(3)某某品牌，如老干妈等。
二是政策工具词库。⑧根据江飞涛等(2021)，定向产业政策工具主要包括以下四个环节：(1)市场进入环节，重点扶持意向投资者，引进重大项目，促进项目落地；(2)资本和技术形成环节，对特定企业提供优惠条件，包括建设改造、资金和财务支持、技术创新支持等；(3)贸易投资环节，包括扩大进出口贸易、拓展国际市场、支持企业走出去等；(4)收益分配环节，提供税收宽减方面的优惠待遇；(5)整体目标，包括规模质量目标和其他整体目标。
(3)对应行业代码。一是将五年规划中的产业门类与CIC4位码对应；二是由于地方产业发展特色、地方政府官员对产业方向的个性化表达，部分行业名称并没有严格按照国民经济行业分类方法，我们逐一建立了战略性新兴产业与国民经济行业分类(GB/ T 4754-2017)的对应关系。
图1展示了CIC2位码行业层面定向产业政策覆盖比重与企业平均全要素生产率的散点分布关系。初步观察表明，这两个变量之间存在正向相关性，即政策覆盖比重较高的行业往往表现出较高的平均全要素生产率水平。然而，这种相关性的统计显著性及因果关系的确立，还需要在后文通过严格的计量方法和识别策略进行系统检验。
图1 定向产业政策覆盖比重与企业平均全要素生产率
控制变量。企业层面控制变量包括：(1)存续年限(age)，使用企业数据库所在年份与企业开业年份之差加1的自然对数衡量；(2)规模(size)，使用取自然对数的企业年平均就业人数衡量；(3)出口状况(export)，出口额大于0则赋值为1，否则为0；(4)进口状况(import)，进口额大于0则赋值为1，否则为0；(5)企业所有制类型(ownership)，包括外资企业(fie)和民营企业(pri)。⑨省份层面控制变量包括：(1)人口规模(pop)，用取自然对数的常住人口数量衡量；(2)基础设施(infras)，用取自然对数的人均等级公路里程衡量；(3)人均工资(wage)，用取自然对数的人均工资衡量。行业层面控制变量包括：(1)行业进入壁垒(entrybarrier)，借鉴Lu & Yu(2015)的方法，使用行业企业年平均固定资产取对数衡量。(2)行业大规模企业数量(big)，用根据国家统计局《统计上大中小微型企业划分标准(2017)》计算的大型规模以上工业企业数量表示⑩。(3)行业竞争水平(hhi)，由行业层面所有企业的市场份额的平方和表示。
(三)数据来源与描述性统计(11)
本文的数据来源于四个方面：一是企业层面生产数据，来源于2001-2014年中国工业企业数据库(以下简称ASIF)。(12)二是企业定向产业政策数据，来自作者手工收集整理。各省五年规划文本分别来自国家发展改革委及规划司编著的纲要汇编。三是省级层面的相关数据，来自国家统计局及各省统计年鉴。四是企业层面进出口数据，来源于中国海关进出口数据库(以下简称CCTD)，我们利用企查查大数据平台获取CCTD中企业的唯一识别码，用于ASIF、CCTD的匹配。
四、实证检验
(一)基准回归
表1给出了基于全样本的回归结果，各列均控制了企业、年份固定效应。列(1)为未添加任何控制变量的估计结果，定向产业政策的估计系数在1％的水平上显著为正，列(2)—列(4)中依次加入了企业、省份、行业层面的控制变量，各列中定向产业政策的估计系数均在1％的水平上显著为正，即给定其他条件不变的情况下，定向产业政策提升了企业全要素生产率。进一步地，我们考察经济显著性，从列(4)来看，在其他条件不变的情况下，定向产业政策使得企业全要素生产率在平均水平上提高了1.503％(0.042/2.795)。
(二)排除竞争性解释
基准回归得出了定向产业政策提升全要素生产率的结论，但可能存在若干竞争性解释，需要我们逐一排除。
1.控制非定向产业政策的影响
依据计量模型(1)，定向产业政策=1的估计系数实际上是相对于定向产业政策=0的情况，而定向产业政策=0包含了两种不同的情况：无产业政策和非定向产业政策。因为我们无法确定这个系数究竟是相对于哪种情况的效应，可能会导致估计系数的解释产生偏差，如果非定向产业政策也对企业有正面影响，那么specific=1的估计系数可能会低估定向产业政策的实际效应。相反，如果非定向产业政策对企业有负面影响，那么估计系数可能会高估定向产业政策的效应。因此，我们在计量模型(1)的基础上加入非定向产业政策变量。表2给出了估计结果，列(1)中我们单独估计了非定向产业政策对全要素生产率的影响，非定向产业政策的估计系数在1％的水平上显著为正，说明非定向产业政策对全要素生产率有促进作用，意味着specific=1的估计系数会低估定向产业政策的实际效应，从列(2)可以看出，在控制了非定向产业政策的影响后，specific的估计系数仍在1％的水平上显著为正，说明低估了定向产业政策的影响。综上，在控制了非定向产业政策的影响后，基准回归的结论依然成立。
2.剥离产业规模偏好的影响
王海成等(2023)基于地方政府五年规划文本，发现地方政府的产业规模偏好显著降低了企业的全要素生产率。为求稳健，我们在基准回归的基础上剥离产业规模偏好的影响。具体做法如下：第一，控制变量法。我们根据王海成等(2023)的词库和识别方法，在本文的数据中复刻了产业规模偏好这一省份—行业层面的虚拟变量，并将其作为控制变量加入到基准回归模型中。第二，剔除交叉词库法(纯粹的定向政策)。我们将本文词库中与王海成等(2023)重合的“规模偏好”词汇(如大企业、大集团、龙头企业)剥离，仅保留纯粹针对中小微创新主体、单项冠军、具体点名企业以及专精特新等“非规模偏好型定向词汇”，重新生成了纯粹定向产业政策变量进行回归。
表2列(3)和列(4)分别给出了估计结果，在控制了产业规模偏好变量，或使用剔除交叉词汇后生成的纯粹定向产业政策变量进行回归后，本文的核心解释变量定向产业政策的系数依然在1％的水平上显著为正。这表明，在剥离了地方政府产业规模偏好的干扰后，本文的结论依然稳健。
3.排除贸易自由化和投资自由化的影响
中国2001年加入世界贸易组织所带来的工业品进口、外商直接投资对国内的经济环境和资源配置格局产生了重要影响：一是中国作为成员国，产业政策的手段和工具选择会受到世界贸易组织有关规则的制约；二是面对进口产品的冲击和外资的激烈竞争，地方政府倾向于支持特定企业，以更灵活、迅速地应对市场变化和竞争压力，通过“精准施策”提升本土企业的竞争力，即存在定向产业政策的产业可能开放度更高，如果成立，那么企业全要素生产率的提高可能不是定向产业政策，而是加入世界贸易组织带来的。既有的实证研究也发现，无论是贸易自由化还是投资自由化都对中国企业的全要素生产率产生了明显影响(余淼杰，2010；Brandt et al.，2017)。
为此，我们整理各行业外资鼓励和禁止目录，在基础计量模型的基础上加入是否为鼓励行业、限制行业、禁止行业的虚拟变量，表3列(1)—列(3)分别给出了估计结果。此外，构造CIC4位码行业层面的投入关税水平和产出关税水平，用于衡量不同行业面临的进口冲击，列(4)和列(5)分别给出了估计结果。可以发现，定向产业政策的估计系数仍然显著为正，即排除了贸易自由化和投资自由化的影响后，基准结果得出的结论依然成立。
(三)其他稳健性检验(13)
1.克服选择性偏误导致的逆向因果问题
本文的研究主题是定向产业政策的处理效应，政策的受益对象并不是随机选择的，政府可能有意选择了生产效率较高的企业进行政策优待，即可能存在逆向因果问题。为了进一步缓解逆向因果问题对本文结论的影响，本文用Heckman两步法进行估计，并选择各省份—CIC2位码行业层面苏联援建的项目数量作为外生变量。
新中国成立后，“一五”计划提出采取优先发展重工业的战略，其目的就是要建立巩固的国防，满足人民需要和对国民经济实现社会主义改造的物质基础。为此，必须首先集中力量进行苏联援建我国的156个工业单位建设。我们将省份—CIC2位码行业层面苏联援建项目的数量作为外生变量，其有效性主要体现在以下两个方面：一是，苏联援建项目建立的大型国有企业和重工业设施构成了当地的支柱产业，长期塑造了当地产业结构(赵学军，2021)。即使在中国由计划经济向市场经济转型的过程中，这些地区仍保留了大量国有企业和重工业基础设施。特别是，围绕援建项目形成的管理体制、决策机制和政策导向已深度嵌入地方政府的运作方式。这种制度惯性使政策制定者更易沿用既有思维模式，倾向于支持传统大型企业。二是，苏联援建项目的数量及选址主要受当时国际政治环境的影响。这些项目在地理分布上更多偏向于靠近苏联和远离东南沿海等受西方封锁的前沿地区，且在选址过程中基本没有考虑中国的既有工业基础(事实上当时中国也普遍缺乏工业基础)，这种特殊的历史背景赋予了苏联援建项目较高的外生性(王伟同等，2019)。由于历史上苏联援建的项目数量数据只在横截面上发生变动，无法作为面板数据的工具变量，本文借鉴Duflo & Pande(2007)及Lipscomb et al.(2013)的做法，将截面数据乘以时间趋势，得到的交叉变量在横截面和时间双维度上都存在变化。
表4给出了基于Heckman两步法的估计结果。第一步，我们使用省份—行业—年份层面面板数据进行估计，由于第一步解释变量为省份—行业层面，需去掉企业层面控制变量，Wooldridge(2010)认为第二步中解释变量出现的任何一个因素，应该是第一步选择方程中的一个解释变量，从选择方程中去掉一些元素也是可行的。列(1)苏联援建项目数量×时间趋势的估计系数在5％的水平上显著为正，拒绝存在样本选择性偏差的原假设。列(2)报告第二步结果，相对于修正偏误前的结果(见表1列(4))，定向产业政策的估计系数仍然在1％的水平上显著为正，说明选择性偏误导致的逆向因果问题并不影响基准回归的结论。
2.长差分模型估计
考虑到地方政府五年规划文本每五年更新一次，使得样本期内省份—行业层面定向产业政策的变动较小，那么，基准回归的结果可能源于省份—行业层面不可观测的因素，而并非定向产业政策导致的结果。为此，我们借鉴Ghani et al.(2016)的做法，使用长差分模型重新估计，由于本文的样本期涉及三个五年规划时期，我们将本文的样本期划分为两部分，分别进行两次长差分估计，一是“十一五”时期对比“十五”时期，对应样本期为2001-2010年，二是“十二五”时期对比“十一五”时期，对应样本期为2006-2014年。长差分估计的模型设定如下：
Δtfpfpit=α+β1·specificpit+ϕ·Zf(2001；2006)+ψ·Gp(2001；2006)+σ·Hi(2001；2006)+εfpit
(2)
其中，Δtfpfpit为企业全要素生产率的变化值，specificpit为省份—行业层面定向产业政策，以“十一五”对比“十五”的长差分模型为例，如果某CIC4位码行业在其所在省份在“十一五”规划中定向选择企业，而在“十五”规划中未定向选择企业，则赋值为1，否则为0；Z、G、H分别为企业、省份、行业层面控制变量在样本期内的初始值；εfpit为随机误差项。需要说明的是，长差分模型研究的是样本期内连续存活的在位企业，估计的样本为截面数据。
表5给出了长差分模型的估计结果。列(1)为“十一五”时期对比“十五”时期的估计结果，定向产业政策的估计系数在1％的水平上显著为正；列(2)为“十二五”时期对比“十一五”时期的估计结果，定向产业政策的估计系数仍在1％的水平上显著为正。这说明对于在位企业而言，定向产业政策显著促进了企业全要素生产率的提升，基准回归的结论依然稳健。
类似长差分模型估计的思路，为了缓解样本期内省份—行业层面定向产业政策的变动较小可能带来的识别问题，我们按照三个五年规划的时期，分别计算出各变量的均值，形成一个连续3年的面板数据重新进行估计。估计结果如表5列(3)所示，定向产业政策的估计系数在5％的水平上显著为正，基准回归的结论不变。
(四)定向产业政策为何有效：影响机制检验
1.引导新企业进入
基于信息外部性理论，定向政策通过支持特定的“探索者”企业，释放产业发展前景良好信号，引导更多企业进入进而会提升全要素生产率。我们按照Melitz & Polanec(2015)的方法对省份—行业层面加总企业全要素生产率进行分解，方式如下：
其中，
为企业生产率的算术平均，cov为考虑企业市场份额与生产率的协方差项，S表示企业市场份额作为权重，Φ表示各类企业全要素生产率，下标S、E、X分别表示生存企业、进入企业和退出企业样本，t和t-1分别表示当期和上一期。式(3)等号右边各项刻画了加总生产率变化的来源，依次为组内效应、组间效应、进入效应和退出效应。
由于企业状态识别和企业市场份额的衡量也会对生产率分解的结果造成影响，考虑到中国工业企业数据库采用主营业务收入对全部工业企业进行筛选，具有截尾特征，借鉴吴利学等(2016)的做法，采用企业成立原则对企业状态进行识别，分别采用营业收入和总产值衡量企业市场份额，并把分解得到的进入效应作为被解释变量进行回归估计，表6给出了估计结果。结果显示，定向产业政策对进入效应的影响均在5％的水平上显著为正，而对组内效应、组间效应和退出效应的影响不显著，说明定向产业政策通过引导新企业进入对全要素生产率产生了促进作用。
2.克服协调失败
基于前文的理论分析，我们从两个方面识别克服协调失败的影响机制：
第一，定向产业政策克服协调失败的重要途径是通过产业链上下游间的投入产出关系发生作用，我们借鉴孙浦阳等(2015)、Lu et al.(2017)、杨汝岱等(2023)，将上文测算的定向产业政策变量与投入产出关系结合起来，对中国制造业行业上、下游行业的定向产业政策水平进行度量。具体指标构建如下：
upsteamit=Σj≠i(intputijt/Σjinputijt)×specificijt
(4)
downsteamit=Σk≠i(outputikt/Σkoutputikt)×specificikt
(5)
其中，upsteam、downsteam分别为上、下游行业的定向产业政策水平，inputijt表示行业i从上游j行业所得中间品，Σjinputijt则表示加总行业i从上游行业中所得的中间投入。outputikt表示行业i向下游k行业售出的中间品，Σkoutputikt则表示加总行业i向下游行业售出的所有中间品。其中，2001-2004年、2005-2008年、2009-2011年和2012-2014年的分段数据分别应用2002年、2007年、2010年和2012年的省际投入产出表。
表7给出了估计结果。列(1)中，上游行业定向产业政策的估计系数在1％的水平上显著为正，说明上游定向产业政策水平显著提高了企业全要素生产率；列(2)中，下游行业定向产业政策的估计系数在5％的水平上显著为正，说明下游定向产业政策水平同样会提升企业全要素生产率。同时，上游行业定向产业政策的估计系数明显大于下游行业，可能的解释是相比下游部门，上游部门更有可能获得产业政策支持，实际税率更低(林晨等，2023；Liu，2019)。
第二，根据交易成本理论，资产专用性衡量了产业链上下游在要素投入上的互补性和依赖程度。在资产专用性较高的行业中，如果上游企业进行了大量研发投入而下游未能同步匹配，上游的专用性资产将面临贬值甚至被“敲竹杠”的风险。因此，理论上，定向产业政策通过提供隐性担保和稳定需求信号的机制，有助于克服产业链上下游之间的协调失败。为此，我们借鉴周煜皓和张盛勇(2014)的做法，分别采用固定资产净值占总资产的比重和无形资产占总资产的比重衡量CIC4位码行业的资产专用性，并按均值将样本分为高资产专用性和低资产专用性两组。
表7给出的分组回归估计结果显示，高资产专用性组列(3)和列(5)中，定向产业政策的估计系数在1％的水平上显著为正，低资产专用性组列(4)和列(6)中，定向产业政策的估计系数仅在10％的水平上显著为正，且高资产专用性组定向产业政策的估计系数明显大于低资产专用性组。综上，定向产业政策通过产业链上下游克服协调失败提升了企业全要素生产率。
3.促进基础技术创新供给
关于基础技术创新的衡量，目前尚未有较好的方法(Petralia，2020)。我们基于专利数据，采用如下衡量方式：(1)专利被引次数，即本专利被其他专利引用的次数，高引用量通常说明专利在该领域有较高的影响力和重要性，其核心技术或概念被广泛接受和应用，可以为后续的研发提供坚实的基础。(2)专利知识宽度，指的是专利所涵盖的技术领域的多样性和广度，知识宽度大的专利往往涵盖多个IPC分类号或技术细分领域，表明该专利在不同技术方向的应用与影响，反映了其基础性。国家知识产权局IPC分类号的格式为“部—大类—小类—大组—小组”，同一专利可以有多个分类号，借鉴Akcigit et al.(2016)，本文首先计算大组层面的赫芬达尔—赫希曼指数(HHI)以衡量专利知识的集中度。在此基础上，构建了知识宽度指标，即1-HHI。该指标越大，说明专利包含的学科知识领域范围越广越分散，知识宽度越大。企业层面的专利被引次数和知识宽度均在专利层面取均值。表8给出了估计结果，无论是以专利引用次数还是以专利知识宽度衡量的基础技术创新，定向产业政策的估计系数均在1％的水平上显著为正，说明定向产业政策显著促进了基础技术创新。
五、信息缺陷和监管俘获存在吗?
对定向产业政策的批评主要集中于两点：信息缺陷和监管俘获。这两者若存在，可能导致资源配置扭曲，反而抑制企业生产率的提升。本部分中，我们将重点分析信息缺陷与监管俘获现象存在与否。
(一)信息缺陷
根据前文的理论分析，定向产业政策的有效性建立在可以精准识别“探索者”企业、影响行业整体行动的关键企业以及提供行业公共产品的企业，这对政府的信息能力提出了较高要求。在政府信息能力不足的情况下，则会发生资源要素的错配，从而降低整体效率。关于政府信息能力的衡量，目前尚未有较好的指标。Juhász et al.(2024)认为，产业政策本身是能力密集型的管理，往往需要对市场和与之互动的企业有深入的了解，并且公务员并不是万能的，需要具有领域专业知识的人员提供意见。为此，我们选择地方发展改革委是否成立专门政策研究机构作为代理变量。发展改革委作为地方五年规划的牵头部门和主要负责部门，由于人员编制和能力等方面的限制，通常借助外部力量支持规划编制。其中，下属政策研究机构发挥了重要作用，如参照国家发展改革委宏观经济研究院设立的地方研究机构(包括研究院、研究所、研究中心等)。以安徽省经济研究院为例，该机构于2007年12月成立，主要职责是负责安徽省经济社会发展战略、中长期规划、区域经济及生产力布局、宏观经济调控等宏观经济决策和管理问题的研究。(14)因此，可以推测如果某省发展改革委设立了相应的研究机构，规划编制能力则会相应提高，可能会较好地减少企业选择的信息缺陷。
我们手工整理了各省发展改革委成立专门政策研究机构的时间，(15)并根据五年规划制定当年是否设立研究机构进行分组，设立则认为信息能力较高，否则较低。表9列(1)和列(2)给出了分政府信息能力的估计结果，两组中定向产业政策的估计系数均显著为正，但高信息能力组明显大于低信息能力组，说明地方政府信息能力越高，定向产业政策对企业全要素生产率的促进作用越大。
(二)监管俘获
关于产业政策的批评观点认为，即使政府拥有(或能够获得)相关信息，产业政策也会为私利游说和政治影响活动敞开大门，使政府转而从事那些只为私人利益致富而不扩大社会蛋糕的活动，公共选择学派将其中的机制解释为监管俘获。在一些国家的产业政策实践中，即使政策制定者了解阻碍产业发展的主要问题和有效解决方案，他们仍可能因自身或利益集团的影响，选择效率较低的决策方案(Robinson，2011)。李晓萍和江飞涛(2019)认为广泛干预微观经济的产业政策可能导致寻租问题，会诱致企业家将更多精力投入寻租活动，从而减少在降低成本、提升产品质量和开发新产品上的努力，削弱了经济的整体活力。
由于本文五年规划定向产业政策的制定与实施是全省层面，因此，对省份廉洁水平的衡量主要聚焦于省级层面。参考Jiang & Nie(2014)以及Demir et al.(2022)的研究，我们采用省长是否存在腐败行为作为衡量标准。表9列(3)和列(4)给出了分政府廉洁水平的估计结果，高廉洁水平组定向产业政策的估计系数在1％的水平上显著为正，在低廉洁水平组则没有通过显著性检验，说明地方廉洁水平越高，定向产业政策对企业全要素生产率的促进作用越大。
六、面向新质生产力的定向产业政策有效边界
虽然新质生产力是一个全新的政策概念，但新质生产力对应的后发国家在新技术革命中崛起为新兴强国的现象，却已经是经济史中的特征事实(贺俊，2024)。鉴于企业是新技术的直接创造者，本部分从企业的微观技术特征(技术创新水平和技术创新不确定性)讨论定向产业政策的有效边界。
(一)技术创新水平
对后发国家而言，在与世界科技前沿存在较大差距时，主要进行模仿创新，重复发达国家已经历的技术路径(李晓华，2024)。新质生产力是相对于传统生产力的质的飞跃，唯有新的科学发现或科技发明方能实现此效果。因此，推动新质生产力发展的科技创新以原创性为主。对企业技术创新水平的衡量，我们采用如下方式：(1)是否属于高技术产业，高技术产业是指研发投入大、产品附加值高、国际市场前景良好的技术密集型产业，(16)根据《高技术产业(制造业)分类(2017)》判断某一CIC4位码行业是否属于高新技术产业。(17)(2)是否属于全球新兴产业，Mao et al.(2021)将生物化学与生物技术(2632、2760)通讯设备(4011、4012、4013、4014、4019)、计算机制造(4041、4042、4043)、电子元件(4051、4052、4053、4059)界定为全球新兴产业。
表10给出了按照企业技术水平分组的估计结果。列(1)和列(2)中specific在高技术产业组没有通过显著性检验，在非高技术产业组则在1％的水平上显著为正；列(3)和列(4)中定向产业政策在全球新兴产业组没有通过显著性检验，在非全球新兴产业组则在1％的水平上显著为正。综上，在高技术产业与全球新兴产业中，定向产业政策并未对企业全要素生产率产生显著的提升作用。需要指出的是，这一结果并不意味着此类产业不属于地方政府的重点支持范畴，而是揭示了“政策工具选择”与“产业技术特征”之间的匹配性问题。高技术与全球新兴产业通常处于技术范式转换与产业萌发阶段，其技术路线、商业模式及主导标准均存在高度的不确定性。在此情境下，若采取强选择性的定向企业支持工具，往往面临两个方面的困境：其一，政府面临极高的信息劣势，难以准确甄别哪一条技术路线或哪一家微观主体能够最终胜出；其二，过早地将政策资源集中于少数特定企业，容易造成技术路线锁定，压缩了行业内其他潜在路线的开放试错空间，并可能引发对行业内其他企业的竞争抑制效应。因此，在技术前沿领域，定向产业政策的正向效应可能被更强的信息不对称与试错空间受限所抵消，最终表现为生产率提升效应不显著。
(二)技术创新不确定性
不同于传统生产力，新质生产力所依托的新技术和新产业处于技术探索和产业萌发阶段，存在多条技术路线的竞争。此时的技术创新具有高度的不确定性，政策制定者和企业家都难以精准洞察和判断技术进步的方向，以及哪条技术路线最终会在技术上成功并被市场接受。这种情况呈现出所谓的“大规模试错”产业发展特征(贺俊，2024；李晓华，2024)。关于技术创新不确定性的衡量，我们借鉴Aghion et al.(2024)关于企业生产率前沿水平的测度方法(以生产率是否高于其所属的2位码行业中位数作为判断依据)，以企业IPC号新增数量是否高于CIC2位码中位数进行判断。如果行业内只有少数企业申请相关专利，这可能表明该技术仍具有较高的不确定性，其他企业可能在观望，等待技术的成熟和市场的进一步明确。相反，则意味着该技术已经开始在市场上得到不同应用场景的实际尝试，在行业内获得了普遍认可，此时技术创新不确定性大大减少。
表10报告了基于技术创新不确定性分组的异质性检验结果。在列(5)和列(6)按技术创新不确定性划分的子样本中，核心解释变量定向产业政策的系数仅在低技术创新不确定性组显著为正，组间差异检验表明，低技术创新不确定性组的政策促进效应显著强于高技术创新不确定性组。上述结果意味着，定向产业政策对企业全要素生产率的提升作用，更多集中于技术创新不确定性较低的领域。这一实证发现揭示了定向产业政策发挥作用的边界条件。当行业技术路线相对明晰、产业链上下游协作关系较为成型时，地方政府面临的识别成本较低，更容易通过锁定核心微观节点来缓解市场协调失败。反之，在技术迭代频繁、不确定性较高的前沿创新环境中，政府“挑选赢家”面临的信息不对称劣势被进一步放大，导致定向干预转化为实际生产率改善的难度随之增加。
七、研究结论与政策含义
习近平总书记强调，要深化经济体制、科技体制等改革，着力打通束缚新质生产力发展的堵点卡点，建立高标准市场体系，创新生产要素配置方式，让各类先进优质生产要素向发展新质生产力顺畅流动。(18)在科学测度定向产业政策特征事实的基础上，本文系统考察了定向产业政策对企业全要素生产率的整体影响、作用机制、外部环境约束和有效边界。研究发现，定向产业政策显著提升了企业全要素生产率。机制检验发现，定向产业政策主要通过引导新企业进入、克服协调失败和促进基础技术创新供给促进企业全要素生产率提高。进一步分析发现，信息缺陷和监管俘获弱化了定向产业政策对全要素生产率的提升作用。最后，考察面向培育和发展新质生产力的定向产业政策的有效边界，发现对于技术创新水平高和技术创新不确定性高的企业，定向产业政策对其全要素生产率的促进作用并不明显。本文的政策含义在于以下四个方面：
第一，进一步优化定向产业政策的实施策略，在有效市场和有为政府更好结合中提升资源配置效率。尽管理论上定向产业政策可能面临“挑选赢家”失败甚至“挑选输家”的风险，但本文结果表明，定向产业政策并未系统性抑制企业效率，反而能够改善企业生产率表现，说明在特定发展阶段和特定产业领域，政府通过产业政策引导资源流向具有战略意义和成长潜力的部门，有助于缓解市场自发配置中的短期性、分散性和外部性不足问题。因此，在当前加快建设现代化产业体系、推动高质量发展的背景下，继续制定并实施定向产业政策，仍然是构建高水平社会主义市场经济体制的重要内容。
第二，精细化设计政策工具，强化机制传导效应。鉴于定向产业政策主要通过“引导新企业进入”“克服协调失败”和“促进基础技术创新供给”来提升企业全要素生产率，应在这些传导机制上进行重点发力：一是优化市场准入与预期管理，引导新企业进入。应通过清晰的产业导向和稳定的政策预期，降低潜在进入者的信息成本与不确定性，鼓励更多新企业进入目标产业，激发市场活力。二是聚焦产业链关键节点，克服协调困难。将政策支持的重点从单一企业转向产业链生态，识别并扶持关键核心技术或产品领域的上中下游核心企业，加强产业链上下游企业的协同创新与投资。三是加大基础技术创新供给，强化知识溢出效应。鉴于基础技术创新具有高风险和强外部性，政策应定向支持具有技术积累的特定企业开展基础性与共性技术研发，促进技术扩散与知识外溢，为全行业提供更广泛的技术供给。
第三，定向产业政策的制定和实施需要高度重视信息缺陷与监管俘获等潜在约束。应进一步完善产业信息收集、监测和反馈机制，提高政策制定的科学性和针对性。尤其是在技术迭代较快、产业边界不断变化的领域，要建立常态化的专家咨询、企业调研、第三方评估和市场反馈机制，使政策选择更加符合产业演进规律和企业真实需求。须防范监管俘获对政策效果的侵蚀。定向产业政策往往伴随财政补贴、税收优惠、信贷支持、土地供给和项目审批等稀缺资源配置，一旦缺乏透明规则和有效监督，就可能被少数企业或利益集团俘获，导致政策资源流向低效率企业。因此，应健全政策制定、执行和评估全过程的监督机制，强化信息公开和问责制度，提高政策实施透明度。
第四，面向培育和发展新质生产力，应审慎把握定向产业政策的适用边界，推动政策工具向普惠化和功能性转型。在面向新质生产力的政策设计中，政府干预应更多从直接选择特定企业、特定项目和特定技术路线，转向为多主体的平行试错提供充足的空间，避免因过早锁定特定技术路线而造成的效率损失。具体而言，应加大基础研究和共性技术研发投入，完善国家实验室、公共技术平台、中试验证平台和产业创新基础设施建设，降低企业开展前沿创新的基础成本；强化知识产权保护和数据、技术、人才等要素市场建设，促进先进优质生产要素顺畅流动；维护开放、公平、充分竞争的市场环境，充分激发各类经营主体的内生动力和创新活力。
感谢匿名审稿专家的宝贵意见，文责自负。
注释：
①《中华人民共和国国民经济和社会发展第十五个五年规划纲要》，《人民日报》2026年3月14日。
②即可以分为定向产业的产业政策和定向企业的产业政策。
③近年来，全球产业政策中相当高比例具有企业定向特征。Juhász et al.(2025)基于全球贸易警报数据库发现，超过60％的产业政策具有企业定向属性。中国五年规划文本中也存在大量支持龙头企业、骨干企业、企业集团和重点企业的表述。因此，定向产业政策并非产业规模偏好的附属现象，而是一类具有独立研究价值的产业政策类型。
④《牢牢把握高质量发展这个首要任务》，《人民日报》2023年3月6日。
⑤《中共中央关于进一步全面深化改革 推进中国式现代化的决定》，《人民日报》2024年7月22日。
⑥一般产业政策的政策对象是整个行业。例如，规划提出“大力发展新能源汽车产业”，这意味着该行业内的所有企业(无论新老、规模大小)在面对市场准入、税收减免或用地指标时，均处于同一起跑线，享受“阳光普照”式的普惠支持。定向产业政策的政策对象是行业内的极少数特定主体。当规划明确提出“支持某某集团”“培育隐形冠军/专精特新/单项冠军企业”时，政策的受惠边界被严格框定。这意味着，同样处于某一产业内，只有被挑选出来并赋予标签的特定企业(如骨干企业、单项冠军)才能拿到关键补贴、特殊信贷或研发立项，而行业内的其他企业则被排除在外。综上，尽管两者都可能服务于同一个“行业发展目标”，但一般产业政策是对整个行业，而定向产业政策是人为地在行业内部制造了“非对称性干预”。
⑦计算企业全要素生产率的方法主要有OLS、FE、OP、LP、ACF等。由于OLS和FE方法未考虑内生性问题，通常被认为存在较大缺陷，OP、LP和ACF法为半参数估计方法，虽能够较好地处理内生性问题，但OP法使用企业投资作为生产率的代理变量，造成大量零投资的观测值无法估计，LP法则使用中间投入作为代理变量，在第一阶段估计中存在共线性和不可识别问题，ACF方法在LP法的基础上进一步考虑企业投入决策的顺序结构，既缓解了内生性问题，也避免了零投资导致样本量损失的问题。
⑧政策工具词库见《经济学动态》官方网站本文链接附录。
⑨广义外资企业(fie)包括合资经营企业(港澳台资)、合作经营企业(港澳台资)、港澳台商独资经营企业、港澳台商投资股份有限公司、中外合资经营企业、中外合作经营企业、外资企业和外商投资股份有限公司，由于2012年、2013年中国工业企业数据库未提供企业登记注册类型变量，我们按照Brandt et al.(2014)的做法，根据企业实收资本将企业所有制类型划分为国有、集体、独立法人、私人所有、港澳台和非港澳台外商投资企业等六种不同的所有制类型，将国有归为国有企业，港澳台和非港澳台外商投资企业归为外资企业(fie)，其他类型归为民营企业(pri)。
⑩大型规模企业需要满足从业人员X≥1000人以及营业收入Y≥40000万元两个条件。
(11)描述性统计结果见《经济学动态》官方网站本文链接附录。
(12)对于ASIF进行如下处理：利用企业代码、名称、法定代表人、地址、邮编、行业代码、主要产品、区县、开业年份对企业样本进行匹配，采用序贯识别法重新构建面板数据。具体做法为：首先，将ASIF中的企业信息导入企查查数据平台，采用精准匹配和模糊匹配两种方式匹配到相应企业，得到企查查内部系统提供的企业唯一识别码；然后，利用企业唯一识别码对原有匹配结果进行调整，对共用企业名称或注册代码而被错误识别为同一企业的样本进行纠正，对原有方法未能识别的样本进行补充，并完善企业信息。通过以上方法，纠正和补充样本共计194902条，约占有效样本的5％。将行业代码统一匹配为GB/T4754-2002。删除企业员工少于10人，总资产、净固定资产、销售额、工业总产值缺失，流动资产大于总资产，总固定资产大于总资产的样本。对主要变量进行价格指数平减。剔除数据质量可靠性存疑的2010年数据。
(13)本文还进行了缓解前定企业数量导致的内生性问题、分时期双重差分模型估计、改变全要素生产率的衡量方式等一系列稳健性检验，检验结果见《经济学动态》官方网站本文链接附录。
(14)资料来源：省经济研究院_安徽省发展和改革委员会，https://gffgga0c04ccbe5fa4757sco0o6cqv6vnb6bwwfgzb.hbpu.wttczd-86544418598.com/jgsz/wsdw/sjjyjy/index.html。
(15)北京(1984年)、天津(1982年)、河北(1995年)、山西(2018年)、内蒙古(2016年)、辽宁(2019年)、吉林(1978年)、黑龙江(2005年)、上海(2007年)、江苏(2012年)、浙江(1997年)、安徽(2007年)、福建(1984年)、山东(2010年)、河南(1978年)、湖北(2001年)、湖南(2013年)、广东(2016年)、广西(2019年)、海南(2022年)、重庆(2001年)、四川(1980年)、贵州(1980年)、云南(1979年)、西藏(1986年)、陕西(2020年)、甘肃(1987年)、青海(2001年)、宁夏(2000年)、新疆(2006年)。
(16)按照《高技术产业(制造业)分类(2017)》，高技术产业包括：医药制造，航空、航天器及设备制造，电子及通信设备制造，计算机及办公设备制造，医疗仪器设备及仪器仪表制造，信息化学品制造等6大类。
(17)国家统计局：《高技术产业(制造业)分类(2017)》，https://gffggbc2241e4e10c406fsco0o6cqv6vnb6bwwfgzb.hbpu.wttczd-86544418598.com/sj/tjbz/gjtjbz/202302/t20230213_1902772.html。
(18)习近平：《发展新质生产力是推动高质量发展的内在要求和重要着力点》，《求是》2024年第11期。
原文参考文献
[1]贺俊，2022：《新兴技术产业赶超中的政府作用：产业政策研究的新视角》，《中国社会科学》第11期。
[2]贺俊，2024：《新质生产力的经济学本质与核心命题》，《人民论坛》第6期。
[3]黄群慧、贺俊，2021：《面向制造强国的中国产业政策》，中国社会科学出版社。
[4]黄群慧、贺俊，2023：《赶超后期的产业发展模式与产业政策范式》，《经济学动态》第8期。
[5]黄少卿，2022：《颠覆性技术创新与产业政策范式转换》，《比较》第1辑。
[6]江飞涛等，2021：《理解中国产业政策》，中信出版集团。
[7]寇宗来，2017：《从共识出发：“特惠”视角下产业政策的关键问题》，《探索与争鸣》第2期。
[8]李晓华，2024：《构建适应新质生产力发展的产业政策体系》，《人民论坛·学术前沿》第9期。
[9]李晓萍、江飞涛，2019：《中国产业政策的制定程序与组织机制研究》，《比较》第3辑。
[10]林晨、陈荣杰、徐向宇，2023：《渐进式市场化改革、产业政策与经济增长——基于产业链的视角》，《中国工业经济》第4期。
[11]刘志彪，2019：《产业基础高级化：动态比较优势运用与产业政策》，《江海学刊》第6期。
[12]刘志彪，2024：《加快发展新质生产力的主要措施与产业政策转型》，《上海师范大学学报(哲学社会科学版)》第3期。
[13]宋凌云、王贤彬，2013：《重点产业政策、资源重置与产业生产率》，《管理世界》第12期。
[14]孙浦阳、蒋为、陈惟，2015：《外资自由化、技术距离与中国企业出口——基于上下游产业关联视角》，《管理世界》第11期。
[15]王海成、张伟豪、夏紫莹，2023：《产业规模偏好与企业全要素生产率——来自省级政府五年规划文本的证据》，《经济研究》第5期。
[16]王伟同、张玲、谢佳松，2019：《国企环境、体制身份与人口迁移》，《财经研究》第9期。
[17]吴利学、叶素云、傅晓霞，2016：《中国制造业生产率提升的来源：企业成长还是市场更替?》，《管理世界》第6期。
[18]吴敬琏，2016：《产业政策的研讨需要深化》，《比较》第6辑。
[19]杨汝岱、李艳、孟珊珊，2023：《企业数字化发展、全要素生产率与产业链溢出效应》，《经济研究》第11期。
[20]余淼杰，2010：《中国的贸易自由化与制造业企业生产率》，《经济研究》第12期。
[21]张莉、朱光顺、李世刚、李夏洋，2019：《市场环境、重点产业政策与企业生产率差异》，《管理世界》第3期。
[22]赵学军，2021：《“156项”建设项目对中国工业化的历史贡献》，《中国经济史研究》第4期。
[23]周煜皓、张盛勇，2014：《金融错配、资产专用性与资本结构》，《会计研究》第8期。
[24]朱富强，2017：《为何需要产业政策：张维迎和林毅夫之争的逻辑考辩》，《社会科学战线》第4期。
[25]Aghion,P.& P.Howitt(1999),"On the Macroeconomic Effects of Major Technological Change",Nordic Journal of Political Economy,25:15-32.
[26]Aghion,P.et al.(2015),"Industrial Policy and Competition",American Economic Journal:Macroeconomics,7(4):1-32.
[27]Aghion,P.et al.(2024),"The Heterogeneous Impact of Market Size on Innovation:Evidence from French Firm-level Exports",Review of Economics and Statistics,106(3):608-626.
[28]Akcigit,U.et al.(2016),"Taxation and the International Mobility of Inventors",American Economic Review,106(10):2930-2981.
[29]Bartelme,D.G.et al.(2025),"The Textbook Case for Industrial Policy:Theory Meets Data",Journal of Political Economy,133(5):1527-1573.
[30]Beason,R.& D.E.Weinstein(1996),"Growth,Economies of Scale,and Targeting in Japan(1955-1990)",Review of Economics and Statistics,78(2):286-295.
[31]Brandt,L.et al.(2014),"Challenges of Working with the Chinese NBS Firm-level Data",China Economic Review,30:339-352.
[32]Brandt,L.et al.(2017),"WTO Accession and Performance of Chinese Manufacturing Firms",American Economic Review,107(9):2784-2820.
[33]Demir,F.et al.(2022),"Local Corruption,Total Factor Productivity and Firm Heterogeneity:Empirical Evidence from Chinese Manufacturing Firms",World Development,151:105770.
[34]Duflo,E.& R.Pande(2007),"Dams",Quarterly Journal of Economics,122(2):601-646.
[35]Ghani,E.et al.(2016),"Highway to Success:The Impact of the Golden Quadrilateral Project for the Location and Performance of Indian Manufacturing",Economic Journal,126(591):317-357.
[36]Harris,R.& C.Robinson(2004),"Industrial Policy in Great Britain and Its Effect on Total Factor Productivity in Manufacturing Plants,1990-1998",Scottish Journal of Political Economy,51(4):528-543.
[37]Hausmann,R.& D.Rodrik(2003),"Economic Development as Self-discovery",Journal of Development Economics,72(2):603-633.
[38]Itskhoki,O.& B.Moll(2019),"Optimal Development Policies with Financial Frictions",Econometrica,87(1):139-173.
[39]Jiang,T.& H.Nie(2014),"The Stained China Miracle:Corruption,Regulation,and Firm Performance",Economics Letters,123(3):366-369.
[40]Juhász,R.& C.Steinwender(2023),"Industrial Policy and the Great Divergence",NBER Working Paper,No.31736.
[41]Juhász,R.(2018),"Temporary Protection and Technology Adoption:Evidence from the Napoleonic Blockade",American Economic Review,108(11):3339-3376.
[42]Juhász,R.et al.(2024),"The New Economics of Industrial Policy",Annual Review of Economics,16:213-242.
[43]Juhász,R.et al.(2025),"Measuring Industrial Policy:A Text-based Approach",NBER Working Paper,No.33895.
[44]Justman,M.& M.Teubal(1991),"A Structuralist Perspective on the Role of Technology in Economic Growth and Development",World Development,19(9):1167-1183.
[45]Krueger,A.O.& B.Tuncer(1982),"An Empirical Test of the Infant Industry Argument",American Economic Review,72(5):1142-1152.
[46]Lipscomb,M.et al.(2013),"Development Effects of Electrification:Evidence from the Topographic Placement of Hydropower Plants in Brazil",American Economic Journal:Applied Economics,5(2):200-231.
[47]Liu,E.(2019),"Industrial Policies in Production Networks",Quarterly Journal of Economics,134(4):1883-1948.
[48]Lu,Y.& L.Yu(2015),"Trade Liberalization and Markup Dispersion:Evidence from China's WTO Accession",American Economic Journal:Applied Economics,7:221-253.
[49]Lu,Y.et al.(2017),"Identifying FDI Spillovers",Journal of International Economics,107:75-90.
[50]Mao,J.et al.(2021),"Industrial Policy Intensity,Technological Change,and Productivity Growth:Evidence from China",Research Policy,50:104287.
[51]Melitz,M.J.& S.Polanec(2015),"Dynamic Olley-Pakes Productivity Decomposition with Entry and Exit",Rand Journal of Economics,46(2):362-375.
[52]Neumark,D.& H.Simpson(2015),"Place-based Policies",In:Handbook of Regional and Urban Economics,Elsevier,5:1197-1287.
[53]Nunn,N.& D.Trefler(2010),"The Structure of Tariffs and Long-term Growth",American Economic Journal:Macroeconomics,2(4):158-194.
[54]Petralia,S.(2020),"Mapping General Purpose Technologies with Patent Data",Research Policy,49(7):104013.
[55]Robinson,J.A.(2011),"Industrial Policy and Development:A Political Economy Perspective",In:Lessons from East Asia and the Global Financial Crisis,World Bank.
[56]Rodrik,D.(2008),"Normalizing Industrial Policy",International Bank for Reconstruction and Development,World Bank.
[57]Rodrik,D.(2009),"Industrial Policy:Don't Ask Why,Ask How",Middle East Development Journal,1(1):1-29.
[58]Slattery,C.& O.Zidar(2020),"Evaluating State and Local Business Incentives",Journal of Economic Perspectives,34(2):90-118.
[59]Stiglitz,J.E.(2017),"Industrial Policy,Learning,and Development",In:The Practice of Industrial Policy:Government-business Coordination in Africa and East Asia,Oxford Academic.
[60]Wooldridge,J.M.(2010),Econometric Analysis of Cross Section and Panel Data,MIT Press.
