金融激励政策组合的有效性问题探讨*

梁任敏，巴曙松

(1 云南大学经济学院， 云南昆明 650000；2 北京大学汇丰金融研究院， 北京 100010)

一、问题提出

金融激励是指通过金融政策满足技术创新对资本需求的过程。金融激励政策组合主要由利率价格政策、汇率政策与数量型货币政策组成。 纵观世界各国的经济发展历史，无论是处于技术前沿的发达国家， 还是处于技术追赶地位的发展中国家，都普遍采用包括利率价格政策、汇率政策与数量型货币政策等在内的一系列金融激励政策组合来促进技术创新并推动经济增长。

尽管研究者围绕金融激励政策组合是否有效展开了广泛的讨论，但在如何准确地衡量不同类型的金融激励政策组合的效果方面还充满挑战。金融激励政策组合效果评价的难点在于：第一，各国的金融激励政策组合是一个复杂的系统且充满变化，此时采用的金融激励政策组合可能在彼时已经弃用，难以持续地观测金融激励政策的组合效应。 第二，金融激励政策有多种组合，就主要的数量型货币政策、利率政策、汇率政策而言，存在多种组合，难以清晰地识别某国具体实施的是何种金融激励政策组合，对于分析其效果更是具有困难。第三，金融激励政策组合往往具有选择性，政策评价过程中存在严重的选择性偏误。在不同的金融激励政策组合目标下，中高收入国家可能更倾向于利用金融激励政策组合来激励技术创新与提升经济增长质量，如果不考虑选择性偏误，经验研究得到的金融激励政策组合有效或无效的结论， 可能是金融激励政策组合实施过程中挑选赢家或扶持弱者的表征。 第四，不仅要关注金融激励政策组合对所有国家样本的影响， 也要关注对中高收入国家与中低收入国家两类国家的差异化影响效果。 各国都希望能够通过金融激励政策组合有效地实现其经济增长质量与创新水平的提升， 但事实上各种类型的国家都能够得偿所愿吗？ 这是需要探讨的一个重要问题。 第五，金融激励政策组合的影响效果可能存在较大的异质性， 不同类型的金融激励政策组合、实施该金融激励政策组合的国家自身特征、对金融激励政策组合的把控水平、 国家金融发展水平与实施方式的差异， 都可能影响金融激励政策组合的最终实施效果。

为研究金融激励政策组合的有效性，本文选择世界主要国家样本， 并按照人年均10000 美元的GDP 标准，把世界主要国家划分为中高收入国家与中低收入国家；按照年度国家全要素生产率与平均国家全要素生产率的水平对比，把国家划分为创新国家与非创新国家；检验金融激励政策组合对于不同类型国家创新与经济增长质量的影响。在检验金融激励政策组合对创新与经济增长质量的影响过程中进行如下分析：（1） 利用佩恩表 （Penn World Table） 所估算的全要素生产率与研发支出占GDP的比重来衡量创新， 同时， 借鉴钞小静和任保平（2011）估计经济增长质量的方法，并在此基础上应用Yuan 等（2020）的研究方法，把经济增长质量用整体经济增长质量指数与经济增长质量进步指数来衡量；（2） 把国家分为中高收入国家与中低收入国家、创新国家与非创新国家，并把8 种金融激励政策组合对于创新与经济增长质量的影响效果划分为“创新友好型-经济增长质量友好型”“创新较友好型-经济增长质量较友好型”“创新友好型-经济增长质量较友好型”“创新不友好型-经济增长质量较友好型”等多种类型。 分析不同类型的金融激励政策组合对创新与经济增长质量的影响；检验普惠性与竞争性的环境下金融激励政策是否有效。

二、文献回顾与理论基础

（一）文献综述

中国的经济处于要素驱动型向创新驱动型转型的阶段（张远，2016），而创新驱动是实现经济持续增长的战略选择（杨骏，2015）。 现有研究显示，金融结构对经济增长有影响（许燕等，2021），而金融激励政策对创新与经济增长的影响尚未得到广泛的关注。 一些学者认为，金融激励能够有效地促进创新或经济增长 （熊彼特，1942；Saperstein 和Rouach，2002； 李九斤,2018）；Bernanke 和Blinder（1992）认为宽松的货币政策能够通过信贷投放促进投资，进而促进经济增长；任碧云和高鸿（2010）把货币供应量的增长作为推动GDP 增长的关键要素。 另一些学者认为金融激励政策会抑制创新（Mckinnon，1973）。 如王少华和上官泽明（2019）发现，与货币政策紧缩的年度相比，宽松的货币政策将强化过度金融化对创新的挤出效应。 具体来说，存在金融激励政策对研发投资的挤出效应， 一是由于股息与股票占据了内部资金， 降低了企业对长期规划的关注； 二是金融激励政策通过影响管理层的激励， 进而抑制创新活动 （Seo 和Kim，2016）。

另外一些学者研究了不同的金融激励政策组合对于推动创新或经济增长的效果差异。 如张永安和郄海拓（2017）构建了7 种金融政策组合，发现多数金融政策组合对企业技术创新有积极的效应，证实了金融激励政策组合的有效性。 黄志忠等（2015）发现货币政策对国有企业的研发支出投入影响不显著，但会影响民营企业创新投资-现金流敏感性，并提升民营企业研发投入；王少华和上官泽明（2019）研究发现，考虑企业金融化的异质性，货币政策在国有企业、 成熟期企业与高主业增长企业中表现出了更强的调节效应。Mojon 等（2002）研究发现，利率对企业投资影响显著，但并不存在不同规模企业间的异质性。 现有文献一定程度上涉及了金融激励政策组合对创新与经济增长的影响，本文对其进行了理论推导，并用相关的经验证据进行验证。

（二）理论基础

在IS-LM 模型与蒙代尔-弗莱明模型的基础上， 分析金融激励政策组合对经济增长质量的影响。 与IS-LM 模型不同的是，本研究假设在开放经济环境中引入净出口和实际汇率； 与蒙代尔-弗莱明模型不同的是，本研究假设并非所有国家都是理性的投资者，能够准确地识别出套利机会，因此，利率并没有固定在世界水平上，不同国家有不同的实际利率水平。

1.拓展的蒙代尔-弗莱明模型

（1）开放经济的IS 曲线

在蒙代尔-弗莱明模型基础上，在IS-LM 模型基础上加入了净出口这个新项，认为产品市场可以用以下表达式表达：

总收入是消费、投资、政府购买和净出口nx 之和。 消费是可支配收入y 的增函数， 投资是利率r的减函数，净出口是汇率e 的减函数。 以上产品市场均衡条件下有两个金融变量（利率和汇率）影响产品和服务的产出，此时，先考虑汇率对产出的影响，而关于利率对产出的影响将在LM 曲线中进行分析。

（2）货币市场与LM 曲线

用与IS-LM 模型相类似的一个方程代表货币市场：

该方程表明，实际货币供应M/P 等于货币需求L（r,y），实际货币需求反向地取决于利率，正向地取决于收入y。

（3）蒙代尔-弗莱明模型的拓展

把前述IS 和LM 曲线结合起来就是本文所拓展的蒙代尔-弗莱明模型，可以用两个方程表达：

IS 方程描述了产品市场的均衡，LM 模型描述了货币市场的均衡，认为财政变量g、物价水平P 是外生的，而货币供应量M 是内生的，各国利率并不等于世界利率，汇率、利率与货币都是内生变量。 图1 表明，经济均衡处于IS-LM 曲线的交点，这个交点表示产品市场与货币市场都均衡时的汇率与收入水平，根据该图，可以用蒙代尔-弗莱明模型来说明收入y 对“汇率-利率-货币”政策变化所做出的反应，而市场中货币供应量、 利率水平与汇率水平的改变会相应地影响产出水平， 但是对产出水平的影响方向不确定，具体视“汇率-利率-货币”政策的改变方向而定，进而推出假设1。

图1 拓展的蒙代尔-弗莱明模型

假设1：“利率-汇率-货币”等金融政策组合会影响经济增长质量，但影响方向不确定。

2.拓展的内生增长模型

在Romer（1990）、Grossman 和Helpman（1992）以及Aghion 和Howitt（1992）的研究基础上予以拓展，建立在三部门模型基础上，该模型认为经济体有产品生产部门、研发支出部门与国际贸易部门组成。 劳动力中份额为αL的部分被用于研究与开发部门，（1-αL）的份额被用于产品生产部门，同理，资本存量中份额为αK的部分被用于研究与开发部门，（1-αK）的份额被用于产品生产部门，国民收入Y 中，份额为τ 的部分来自净出口且是汇率e 的函数，记作τ（e）。αL和αK都是外生且不变的。 因为对于一种思想或知识在一个场合的使用并不妨碍其在其他地方的使用，所以三部门都会使用全部的资本存量K。 因此，在考虑净出口的情况下，t 时生产的产品数量为：

式（4）意味着资本和劳动的规模报酬不变。 新思想的产生取决于投入研究的资本、劳动的数量与技术水平。 设生产函数为一般的柯布-道格拉斯生产函数形式，可以写为：

其中，B 是转移参数，K 代表资本存量，L 代表劳动力数量，A 代表技术水平，t 代表时间，式（4）的字母含义相同。 模型中有两个内生变量A 和K,集中研究A 和K 的增长动态学，将式（4）代入资本累积方程=sY（t）。 此时，不考虑折旧问题，但是，由于实际情况中储蓄水平、资本存量与技术创新会受到金融激励政策组合的影响，本文假设储蓄率、 资本存量与技术创新为时间t、 货币供应量M与利率r 的函数，可以得出：

式（6）两边同时除以K（t），并定义CK=（1-αK）α（1-αL）1-α可得：

对式（7）两边取对数并对于时间求微分，可得：

所以，gS（r,t,M）与[gA（r,t,M）+n-gK（r,t,M）]同号，则gK上升，若二者异号，则gK下降，若其中之一为0，则gK不变。 同理，对式（5），即=B[αKK（t）]β[αLL（t）]γA（t）θ，B＞0，β≥0，γ≥0 两边同时除以A，可以得到A 的增长率表达式：

其中，CA≡BαKβαLγ，对公式（9）两边取对数并求微分,有：，把公式（7）代入，可得

因此技术进步的增长取决于βCKS（r,t,M）的符号，其为正，gA上升，反之，则gA下降，由此可以得出假设2。

假设2：“利率-汇率-货币”等金融激励政策组合影响技术创新但方向不确定。

三、指标构建、测算方法、数据处理与统计分析

（一）指标体系构建及测算方法

1.金融激励政策组合的指标体系构建

（1）在世界各国层面构建金融激励政策实施主体的虚拟变量。市场中货币供应量的充足性将影响创新资本来源的充足性，设定数量型货币政策虚拟变量（Dummy_Monetary），用某国某年广义货币供应量占总储蓄的比例与其年均值比较，高于均值设为1，否则设为0；实际利率的高低（低利率政策或高利率政策）将影响创新的成本，构建利率政策虚拟变量（Dummy_Interest），用某国某年实际利率与其年均值比较，低于均值设为1，否则设为0；货币币值变化（汇率变化）将影响本国货币的价值，设定汇率政策虚拟变量（Dummy_Exchange），用某国某年实际汇率指数（本国汇率/美元价，市场价与估值法）与其年均值比较，高于均值设为1，否则设为0。

（2）在中高收入国家与中低收入国家层面构建反映金融激励政策离散程度的变量。 借鉴Hopenhayn（2014）、Restuccia 和Rogerson（2008）以及戴小勇和成力为（2019），并将其应用于金融激励政策的研究， 认为不恰当的金融激励政策所伴随的政策错配将会带来创新投入资源的错配， 政策扭曲对创新主体的差异化程度越高， 全要素生产率损失也就越大， 构建反映金融激励政策分别在中高收入国家与中低收入中各国家各地区间的离散程度指标：

其 中，Policyijnt代 表Monetaryijnt、Interestijnt或Exchangeijnt， 分别表示隶属发达程度为n 地区j 的地区 （n 为1 表示发达国家，n 为0 表示发展中国家，j 由除南极洲以外的世界六大洲组成，用虚拟变量1-6 表示）i 在时间t 的货币激励政策、利率激励政策或汇率激励政策。 其中，货币激励政策用各国的广义货币供应量占总储蓄的比率表示，利率激励政策用各国实际利率表示，汇率激励政策用各国的汇率指数表示，Sum_policynjt代表金融激励政策在“中高收入国家-中低收入国家”不同地区层面的加总。 Dispersion_Policynjt越大，意味着国家获得的利率激励政策、 汇率激励政策与货币激励政策越分散，金融激励政策对于同一发达程度且同一地区内部的国家差异化程度越低，金融激励政策越具有普惠性。

（3）在不同地理区位层面构建反映金融激励政策与区域竞争程度相关性的指标。同一地理区位的国家间的技术创新既存在相互竞争，又存在空间区域溢出效应，同一地理区位的国家间会展开相互学习， 且竞争通常是存在于同质发达程度的国家间。借鉴Aghion 等（2015）及戴小勇和成力为（2019）的研究，构建反映金融激励政策和区域竞争相关性的指标，并在中高收入国家与中低收入国家层面进行测算：

其中，Policyijt表示隶属地区j 的国家i 在t 时期所受到的货币激励政策、利率激励政策或汇率激励政策的影响，Competotopnjt,t-1代表该大洲地理区域在上一时期的竞争程度。 同样是借鉴戴小勇和成力为（2019）的方法并予以拓展，采用赫芬达尔-赫希曼指数（HHI）体现大洲区域的集中程度，集中度高则竞争度低。

其中t 代表时期，i 代表国家，j 代表国家隶属大洲,l 代表具体的金融激励政策 （l=1 代表货币激励政策，l=2 代表利率激励政策，l=3 代表汇率激励政策），n 代表i 国家隶属大洲j 的所有国家数量。把某大洲的金融激励政策组合l 的区域竞争度设为：Competitionjt=1-HHIjt，取值越大则竞争越充分。（12）式中的相关系数Competition_Policyjt的取值越大，意味着金融激励政策组合倾向于扶持金融竞争度更高的区域。

2.技术创新水平（TFP）的测算

目前测算TFP 的方法主要包括三种：（1） 增长核算， 预估资本和劳动份额是前提；（2） 非参数方法，主要用于面板数据，可以把TFP 分解为技术进步、技术效率和规模效率等不同内容，该方法仅有相对意义；（3） 参数法， 具体包括SFP、OLS、FE 和GMM 等参数方法以及如OP 和LP 等半参数方法（余泳泽，2017）。 鉴于本文的TFP 数值不需要进行测算，已由佩恩表（Penn World Table）计算得出，将不再对全要素生产率的测算问题做赘述。

3.增长质量综合指标 （HQPer 和HQPro）的构建

（1）指标体系。 本文认为经济增长质量并非体现在某单一的指标上，而是由一系列的指标体系构成，并从各方面反映经济增长的质量。 经济增长质量综合指标由经济增长的结构组成、经济增长的稳定性、福利状况与成果分配、资源利用与生态环境代价等4 个维度的指标体系构成（表1）。

表1 经济增长质量指标体系

维度指标 分类指标 具体指标 数据获取方式（计算公式或直接获取） 单位 指标方向 权重资源利用与生态环境 代 价（0.191）资源利用 17.资本生产率 GDP/ 资本存量 % + 0.067生态环境代价 18.单位产出二氧化碳排放量 二氧化碳排放量/GDP 千吨/ 美元 - 0.032 19.单位产出颗粒物损害 颗粒物排放量损害/GDP 倍数 - 0.042 20.单位产出PM2.5 空气污染物排放量PM2.5 空气污染排放量/GDP 微克每立方米/ 美元- 0.050

（2）权重计算。 应用李豫新和王改丽（2015）的熵值指标赋权法，对每一指标用极差法进行标准化处理，取值在[-1,1]，对于表1 中的正向指标（+），标准 化 处 理 公 式 为对于负向指标（-），公式为是第i 个国家的第j 项具体指标在第t 年标准化处理后的结果，xijt′代表第i 个国家的第j 项指标在第t 年的实际值；G 表示正向指标，B 表示负向指标，为确保取值不为0 或1， 保证标准化处理后的取值在（0,1），若标准化处理后的值为1，则用0.99 替代，若为0，则用0.01 替代。 xijtmax、xijtmin分别表示所有国家的第j项指标在第t 年的最大值和最小值。 具体来说，熵值法的计算过程如下： ①i 国家，j 指标在t 年的贡献度；②i 国j 指标的信息熵③i 国家j 指标在t 年的信息效用值：dijt=1-eijt；④j 指标的权重：wj=是年份。

接下来，构建维度指标的权重，用A、B、C、D 分别代表世界各国经济发展质量的4 个维度指标层：式中的wj是各指标的权重。

（3） 经济增长质量的指标估计。 在Yuan 等（2020） 的研究基础上构建世界经济增长质量的整体经济增长质量指数（HQPer）和经济增长质量进步指数（HQPro），分别用于评价世界各国经济增长质量现状和经济增长质量进步。

各维度的整体经济增长质量指数计算公式如下：

①整体经济增长质量指标(HQPer)的计算公式如式（15）：

HQPerd表示的是整体经济的增长质量，d 表示经济增长的结构组成、经济增长的稳定性、福利状况与成果分配、资源利用与生态环境代价等四个维度的经济发展质量，Gd、Bd、wij含义同上， 同样是使用熵值法对该指标进行赋权计算，差异化的权重指标间没有互补关系。

②整体经济增长质量进步指数（HQPro）阐述的是世界经济增长质量的进步指数，“世界经济增长质量的转变”是计算这一指标的核心与关键。 同时，经济增长质量进步指数被认为是正向指标的增加以及负向指标的负向减少，计算方法如下：

式16 中，x0是具体指标的期初值，x1是该具体指标的期末值，x*是该具体指标的变化目标， 进一步借鉴Yuan 等（2020） 的研究定义目标值， 如式（17）所示：

式（17）中，t 表示目标门槛值，参照相关文献的一般做法， 假设它是正向指标期初值与增加后的期末之间30%的分位数，对于负向指标，认为它是成本指标期初值与最终值的70%的分位数，λ 代表正向指标的80%分位数的值与初始值之间的比例，β 代表负向指标的20%分位数的值与初始值之间的比例。 建立在上述式（16）与式（17）的基础上，世界经济增长质量进步指数的计算方式如式（18）所示。

对于细分层级的经济增长质量进步指数，用式（19）表达。

式（19）表达了经济增长的结构组成、经济增长的稳定性、福利状况与成果分配、资源利用与生态环境代价等4 个层面的经济增长质量的进步指数，wij是熵值法估算的权重系数，Gd和Bd分别表示正向指数与负向指数。不同层面的经济增长质量进步指数不具有互补性，同理，可以求出世界经济增长质量进步指数，如式（20）所示。

（二）数据处理及统计分析

1.数据来源与数据处理

数据来自《世界银行数据库》与PENN WORLD Table10.1， 包含了1960 年-2019 年间的世界各国数据。通过两个数据库计算并匹配出的数据具有样本容量大、指标全面、时间跨度长的优点，但也存在数据缺失、异常值及测量误差等问题，且部分相关指标并非从两个数据库直接获取， 需要计算得出。最后得到58 个国家1960-2019 年间的3480 个样本，数据属于平衡面板数据。

2.测算结果及统计分析

为了检验金融激励政策组合的有效性是否与金融激励政策组合的具体方式有关， 本文计算了金融激励政策组合在同类发展水平国家与同大洲之间的离散程度（Dispersion_Policy）的指标，并计算了金融激励政策组合与同类国家、 同大洲的竞争度相关性 （Competition_policy）， 结果如表2 所示。 平均而言，金融激励政策组合的离散程度为（-42.660），利率政策的离散程度最低（-24.762），其次是数量型货币政策 （-15.762） 与汇率政策（-0.524）。 金融激励政策组合的离散程度越高，说明同类国家、 同大洲内国家获得金融激励政策扶持的差异化程度越低， 意味着金融激励政策越具有普惠性。 因此，以上结果说明金融激励政策组合的差异化程度较低，并不具有普惠性，尤其是利率政策与数量型货币政策的差异化程度特别大。 表2的结果还表明， 样本国家的金融激励政策组合并没有偏向竞争度较高的国家， 金融激励政策组合与国家间竞争度的相关系数较低，甚至呈负相关，意味着金融激励政策组合偏向了市场竞争度较低的国家。 其中当期金融激励政策组合与上期同类同大洲国家上期的竞争度的相关系数取值范围为-1～0.6349，均值为-0.880，这说明大部分金融激励政策组合甚至是集中于市场竞争度较低的国家，从各类金融激励政策组合来看，无论是数量型货币政策、利率政策还是汇率政策，这一指标也均为负，且接近于-1，意味着金融激励政策高度集中于市场竞争度较低的国家。

表2 金融激励政策及其组合特征变量的描述性统计

根据国家的经济增长质量与技术创新的测算结果，图2 的核密度函数曲线说明，实施宽松数量型货币政策的国家的整体经济增长质量指数明显高于实施紧缩数量型货币政策的国家。 图4 的核密度函数曲线说明，实施高汇率政策国家的整体经济增长质量指数明显高于实施低汇率政策的国家， 但是，对于经济增长质量进步指数、全要素生产率、研发支出占GDP 的比率而言， 其对实施宽松数量型货币政策与实施紧缩数量型货币政策的国家、实施高利率政策与实施低利率政策的国家以及实施高汇率政策与实施低汇率政策的国家的影响都差不多，多个子图里的核密度函数是重合的，对于实施高利率政策国家与实施低利率政策国家的整体经济增长质量指数也是如此，差异并不十分明显。然而，金融激励政策并非单独实施的，现实生活中也难以观察到单独实施某个金融激励政策的政策效应，其多是以政策组合的形式出现。为了识别金融激励政策组合的净影响，不能简单地观测宽松数量型货币政策与紧缩数量型货币政策、 高利率政策与低利率政策、高汇率政策与低汇率政策国家之间的创新与经济增长质量间的差异， 而必须剔除事先的选择效应，此处使用倾向得分匹配方法绘制图2-图4。

图2 实施宽松数量型货币政策与实施紧缩数量型货币政策国家的经济增长质量与技术创新

在图2-图4 中， 除不同数量型货币政策与不同汇率政策对于国家经济增长质量的影响差异较大外，其余的图均显示各种政策对于国家的整体经济增长质量进步指数、 全要素生产率、研发支出占GDP 比重的影响差异不大， 图3 甚至显示，不同的利率政策对于整体经济增长质量指数的影响效果也不明显。 为此，我们产生了三个疑问：

图3 实施高利率政策与低利率政策国家的经济增长质量与技术创新

图4 实施高汇率政策与低汇率政策国家的经济增长质量与技术创新

第一个疑问是， 难道金融激励政策中仅有数量型货币政策与汇率政策对于整体经济增长质量指数的影响效果比较明显， 而其他金融激励政策并不具备影响创新与经济增长质量的效应？ 第二个疑问是， 如果从金融激励政策的单个政策效果来看， 其对创新与经济增长质量的影响并不是十分明显，那么其政策组合的效应又如何呢？ 第三个疑问是，究竟是金融激励政策本身没有效果，还是研究对象样本没有进行合理分类， 进而使得金融激励政策组合的效果没有真正地显现出来？

带着本文所提出的疑问以及描述性统计分析中出现的几组问题，本文接下来将展开进一步的分析。

四、不同金融激励政策组合的有效性：对比分析

（一）创新与经济增长质量的效果类型

参考现有相关文献（林毅夫和姜烨，2006；林毅夫和孙希芳，2008；叶德珠和曾繁清，2019）的做法，并兼顾数据的可得性，选择体现产业结构变迁状况的第一产业增加值占总增加值的比重(C1)、体现政府干预水平的政府财政支出水平占总GDP 的比重(C2)、 反映资本开放水平的实际利用外资水平占GDP 的比重(C3)、反映企业的国际化水平的对外直接投资占GDP 的比重(C4)、固定资本形成总额占总产出的比重(C5)以及体现宏观经济稳定性的GDP平减指数(C6)作为控制变量。

表3 对经济增长质量与创新影响的类型

为了区分各种类型的金融激励政策组合，把金融激励政策组合定义为由利率政策、汇率政策与数量型货币政策组成， 以国家为参照对象，如果该国1960-2019 年间使用的某金融激励政策的均值大于或等于该金融激励政策的均值，认为其使用的是高程度的金融激励政策，否则认为其使用的是低程度的金融激励政策，把三大金融激励政策划分为高利率政策、低利率政策、高汇率政策、低汇率政策、宽松数量型货币政策与紧缩数量型货币政策等六种类型， 发现利率政策、汇率政策与数量型货币政策三者间共有8 种金融激励政策组合。

（二）倾向得分预测及匹配的平衡性

根据上文设定的倾向得分匹配模型，我们分别以国家是否执行了8 种金融激励政策中的某一种作为因变量，通过估计logit 模型预测国家获得每项金融激励政策组合的倾向得分， 继而采用和匹配算法为实验组的国家匹配倾向得分分值最为接近的对照组国家。为保证模型的匹配效果，参考戴小勇和成力为（2019）的做法，从两方面进行匹配的平衡性检验：（1）匹配变量在实验组与对照组的标准偏差，如果匹配完成后匹配变量的标准偏差大大降低， 那么意味着匹配效果比较好；（2）研究匹配前后倾向得分分值情况， 如果匹配后实验组与对照组的倾向得分分值更加接近，那么意味着匹配效果比较好。

以同时执行高利率、低汇率与宽松数量型货币政策的金融激励政策组合为例，倾向得分匹配模型的平衡性检验意味着， 在使用倾向得分匹配模型前，从匹配变量的标准偏差来看，同时执行高利率、低汇率与宽松数量型货币政策组合的国家更倾向于第一产业增加值占总增加值的比重更低、政府干预水平更高、资本开放水平更低、国际化水平更高、固定资本形成总额占总产出的比重更低、宏观经济稳定性更高的国家，这反映了金融激励政策的多重目标以及对国家特征选择性偏好。 在匹配完成后，匹配变量的标准差大大降低，而t 检验表明匹配后实验组国家与对照组国家不再存在系统性特征差异，模型的匹配效果较好。

图5 匹配前后倾向得分值的核密度函数

同样的，本文对其他7 种金融激励政策组合的倾向得分匹配模型进行了检验，其平衡性检验与共同支撑检验均认为匹配模型具有有效性。

（三）分样本国家效应检验与对比分析

如表4 所示，对于全样本而言，仅有金融激励政策组合（1）和（7）有利于整体经济增长质量与创新综合效应的提升；对于中高收入国家而言，金融激励政策组合（1）、（2）、（7）、（8）有利于整体经济增长质量与创新综合效应的提升；对于中低收入国家而言，没有任何金融激励政策组合有利于其整体经济增长质量与创新综合效应的改善。横向对比全样本、中高收入国家样本与中低收入国家样本的金融激励政策组合效应可以发现， 金融激励政策组合更有可能对中高收入国家产生积极的经济增长质量与创新综合效应，而对于中低收入国家而言，无论采用何种金融激励政策组合， 其通常都是无效或会带来负向综合影响效应的。

表4 不同类型国家的金融激励政策组合效果对比

五、金融激励政策的国家间效应再检验

为进一步确保第四部分研究结论的稳健性，本部分按照国家的创新水平是否大于所有国家创新水平的均值（即按照全要素生产率水平的均值）进一步把国家划分为创新国家（全要素生产率大于该年平均全要素生产率的国家）与非创新国家（全要素生产率小于该年平均全要素生产率的国家），进一步分析金融激励政策组合对于创新国家与非创新国家经济增长质量与创新水平的影响。 如表5所示，金融激励政策组合（3）、（4）、（6）、（7）有利于提升创新国家的经济增长质量与创新的综合效应，其他金融激励政策组合是无效或负向效应的；仅有金融激励政策组合（1）能够提升非创新国家的经济增长质量与创新的综合效应， 其他金融激励政策组合都是无效或有害的。 通常来说，创新水平较高的国家会伴随着较高的发展水平， 且更有可能成为更发达的国家， 而创新水平较低的国家可能会伴随着较低的发展水平， 且更有可能成为发展水平更低的国家， 因此进一步证实了第四部分结论的稳健性。

表5 不同类型国家的金融激励政策效果对比

六、进一步拓展：金融激励政策组合的普惠性与竞争性

（一）基准回归结果分析

表6 结果显示，对于全样本而言，金融激励政策组合的普惠性对整体经济增长质量指数的影响不显著，促进市场竞争特征的金融激励政策组合有利于整体经济增长质量指数的提高。 在（1） 列中Dispersion_Policy（金融激励政策的普惠性）的系数不显著， 说明金融激励政策组合的普惠性与否，对于整体经济增长质量的影响并不大。就全样本国家而言，各国实施何种金融激励政策组合，对他国的影响并不大，各国所使用的金融激励政策组合是一致或不同并不影响其整体经济增长质量指数。对于全样本的整体经济增长质量进步指数、全要素生产率与研发支出占GDP 的比重而言， 金融激励政策组合普惠性的影响相类似，原因主要在于世界国家众多，金融市场的发达程度参差不齐，有的国家金融市场较为发达，而有的国家金融市场还处于起步阶段，基本上谈不到金融激励政策组合的普惠性与否，其影响甚微。

表6 金融激励政策对经济增长质量与创新的影响（全样本）

金融激励政策组合的竞争性对整体经济增长质量指数的影响显著为正，说明金融激励政策越能促进市场竞争则越有利于整体经济增长质量指数的提高，市场竞争机制越完善，越有利于整体经济增长质量的进步。原因在于完善的市场竞争有利于市场主体优胜劣汰，而完善的金融市场也是整体经济增长质量的重要组成部分，金融市场的竞争程度也是其发展程度的重要表现之一。金融激励政策组合的竞争性对于整体经济增长质量进步指数的影响并不显著，要推动整体经济增长质量进步指数的提高，更应该依托实体经济，而不是虚拟金融市场的加杠杆。金融激励政策组合的竞争性对于全要素生产率与研发支出占GDP 比重的影响显著为负，这意味着金融市场的竞争性并不有利于创新，金融市场的竞争性发达程度过高将抑制创新。原因在于创新是一种高投入、高风险、意外性具有较高不确定性的活动，往往需要大量的资金支持，而这些研发资金有部分是来自金融市场的融资，如果金融市场对于创新活动的资金支撑约束过紧或过度甄别创新活动以提供融资，将降低创新的积极性，进而影响创新产出。

如表7 所示，对于中高收入国家而言，由于金融市场普遍较为发达， 会显现出对经济增长质量与创新的影响。具体来说：（1）金融激励政策组合的普惠性对整体经济增长质量指数的影响显著为负， 说明金融激励政策越具有普惠性， 则越不利于发达国家整体经济增长质量指数的提高， 原因在于不同发达国家虽然都有着金融市场较为发达的特点， 但并不意味着不同的发达国家应该采用比较相似的金融激励政策组合来提升其整体经济增长质量， 不同发达国家应采用适合其国情的金融激励政策组合来应对经济增长过程中所遇到的问题， 而不是采用一致的金融激励政策组合；（2）金融激励政策组合的普惠性对于全要素生产率的影响显著为正， 原因在于金融激励政策组合惠及的创新主体越多， 则能够给创新主体更多开展创新的机会， 越有可能带来实际创新产出的提升；（3）金融激励政策组合的普惠性对于中高收入国家研发支出占GDP 比重的影响显著为负，原因在于发达国家的金融市场比较发达， 创新活动很大程度上依赖于向金融市场融资， 而普惠的金融激励政策会降低那些研发支出占比较大的国家的实际融资水平， 进而降低研发支出占GDP 的比重；（4）与全样本国家相类似， 金融激励政策组合的普惠性与竞争性对推动整体经济增长质量的提高作用并不显著， 整体经济增长质量的提高还是应该更多的依托实体经济而非虚拟经济；（5）金融激励政策组合的竞争性对创新的影响与全样本相类似，原因也相类似。

表7 金融激励政策对经济增长质量与创新的影响（中高收入国家样本）

如表8 所示，中低收入国家的金融激励政策组合对经济增长质量与创新的影响与全样本相类似，多数形成原因也相类似，金融激励政策组合的普惠性对各指标的影响不显著的原因在于中低收入国家的金融市场发达程度整体较低，尚谈不上金融激励政策组合的普惠性问题。

表8 金融激励政策对经济增长质量与创新的影响（中低收入国家样本）

七、结论与政策启示

本文使用1960-2019 年世界58 个国家的样本数据，检验了8 种金融激励政策组合对经济增长质量与创新的影响。结果显示：对全样本国家而言，金融激励政策组合的效果并不十分理想，仅有少数金融激励政策组合是有效的，能够改善经济增长质量与创新水平； 对于中高收入国家或创新国家而言，金融激励政策组合的有效性有所提升，一半及以上的金融激励政策组合能够有效地促进中高收入国家与创新国家的经济增长质量与创新水平提升；对于中低收入国家或非创新国家而言，多数金融激励政策组合是无效或产生负向效应的，仅有一项金融激励政策组合有利于非创新国家的经济增长质量与创新水平的提升。 另外，在引入金融激励政策组合竞争程度指标与金融激励政策组合分散程度指标后发现，金融激励政策组合的普惠性的影响只在中高收入国家之间才有效应，在整体国家样本与中低收入国家样本间还谈不上金融激励政策的普惠性问题。 对于发达国家而言，金融激励政策组合的普惠性负向显著影响其整体经济增长质量。金融激励政策组合的竞争性对全样本与中低收入国家样本整体经济增长质量的影响显著为正，意味着金融市场在完善过程中会有利于提升整体经济增长质量，但对中高收入国家样本的整体经济增长质量的影响不显著。