一、引　言

党的十九大强调“推动经济发展质量变革、效率变革、动力变革，提高全要素生产率”。在中国经济由高速增长转向高质量发展的新阶段，改善要素资源错配、提升全要素生产率成为推动宏观经济实现高质量增长的核心动力。企业作为宏观经济增长的基础单元，其全要素生产率的增长不仅是自身生产经营优势的来源，更是从微观层面推进高质量发展的重要保障。然而，长期以来政府主导下的市场准入管制，致使市场竞争不足、要素资源扭曲，严重损害了企业研发意愿，限制了生产要素配置效率和配置范围，不利于企业全要素生产率的提升（赵玉奇和柯善咨，2016），这与依托全要素生产率的增长来实现经济高质量发展的目标背道而驰。党的二十大报告中明确提出“构建全国统一大市场，深化要素市场化改革，建设高标准市场体系”。2022年3月颁布的《中共中央 国务院关于加快建设全国统一大市场的意见》进一步指出，要破除市场壁垒，打通制约经济循环的堵点，建设高水平的全国统一大市场。破除市场分割和市场壁垒障碍，既是构建全国统一大市场的题中应有之义，更是不断提升资源配置效率、推动全要素生产率增长的关键所在。因此，在全国统一大市场建设情境下探究要素市场化配置对我国微观企业高质量发展的影响是业界与学界的重要话题。

强大统一的市场建设离不开市场准入制度规则的统一。负面清单制度既是统一市场准入的主要渠道和实现载体（王雄元和徐晶，2022），更是激发市场活力、充分发挥市场在资源配置中起决定性作用的重要前提，为优化市场营商环境、提升要素配置效率提供了制度保障。2016年3月国务院联合多部门发布市场准入负面清单，明确列出限制投资经营和禁止的业务、领域、行业等负面清单范围。对于负面清单不涉及的内容，各类市场主体可依法平等进入，其管理模式严格落实“全国一张清单”，严禁各地区各部门单外设单。此后，党的十九大报告明确提出“全面实施市场准入负面清单制度” ¹ 。2020年和2021年先后发布的《中共中央 国务院关于构建更加完善的要素市场化配置体制机制的意见》《建设高标准市场体系行动方案》，强调了实施市场准入负面清单制度的重要性；2022年和2023年的《政府工作报告》相继明确，市场准入负面清单制度的全面实施是加快建设全国统一大市场、建设高标准市场体系、营造市场化法治化国际化营商环境的坚强支撑。由此可见，实施市场准入的负面清单制度对扭转要素资源错配、持续推动国内市场高效畅通运行，进而提高全国范围内要素资源配置效率意义重大。

实行统一的市场准入原则和建设高标准市场体系一直是政府工作的重要内容。在负面清单制度实施之前，严格的市场准入审批制度致使很多行业存在进入壁垒高（罗党论和刘晓龙，2009）、投资过度（陈少凌等，2021）、产能过剩（徐业坤和马光源，2019）、资本配置扭曲（戴魁早和刘友金，2020）等一系列问题。同时，学界也从外资准入管制、区域市场准入管制以及行业准入管制等方面，对统一市场准入和降低政府管制的必要性进行了探讨。在外资准入管制方面，放松外资准入管制不仅具有价格平抑、扩大内需（陈林和罗莉娅，2014），促进东道国企业生存（陈强远等，2021）等政策红利，还会产生“示范效应”与“竞争效应”，以改善内资企业生产技术与管理效率（Meyer，2004）。在地区准入管制方面，区域内规制性壁垒减弱有利于地区跨部门协调，推动企业进入市场，促进公平竞争（毕青苗等，2018）。在行业准入管制方面，Cornaggia等（2015）、Rose（2014）分别以银行业和航空业为例，发现放松准入管制能促进企业创新，带动企业全要素生产率的增长。综上，现有研究大多从市场准入改革的单一维度出发，探讨了不同时期政策的经济后果，但存在适用范围较小、影响相对有限等问题。鉴于全国范围内畅通市场准入机制是实现公平竞争营商环境的重要保障，负面清单制度在全国范围内统一实行，不仅能够解决微观企业政府干预较多、投资机会较少等问题，还有助于宏观层面市场竞争的强化以及营商环境的改善。因此，基于全要素生产率的维度评估市场准入负面清单的政策效果，对实现经济高质量发展、加速全国统一大市场建设具有重要的理论与现实意义。

基于此，本文利用上市公司2011—2020年样本尝试回答以下问题：负面清单制度如何影响企业全要素生产率？其背后的理论逻辑与影响机制是什么？伴随着负面清单制度下市场竞争能力强化与营商环境改善，政策效果是否存在异质性？本文的边际贡献如下：（1）立足当前加快建设全国统一大市场的现实背景，将放宽市场准入管制与微观企业全要素生产率提升相联系，以负面清单制度作为准自然实验系统评估市场竞争在优化资源配置效率方面的政策效果，在理论内涵与实证数据上丰富学界对放宽市场准入管制政策经济效果的解读；（2）区别于以往文献关注自由贸易试验区、区域行政壁垒管制以及行业市场准入管制等影响范围有限的市场准入政策，本文聚焦辐射范围更为广泛的负面清单制度，并尝试从企业技术进步、技术效率改善以及资源配置优化三方面探讨负面清单制度影响企业全要素生产率的提升路径，为“十四五”新发展阶段持续完善负面清单制度、推进市场经济建设提供实践参考；（3）自《中共中央 国务院关于加快建设全国统一大市场的意见》发布以来，学界成果大多聚焦统一大市场建设的历史演变、逻辑方向及实现路径等理论探讨（刘志彪和孔令池，2021；刘志彪，2022），鲜有实证分析支撑全国统一大市场建设的实践价值。鉴于统一的市场准入制度是加快建设全国统一大市场的首要任务，本文对负面清单制度的阶段性政策效应进行评估，研究结论支持了破除市场准入壁垒和发挥全国统一大市场下大国经济优势的必要性和重要性，一定程度上为进一步激发市场主体活力、充分发挥全国统一大市场的大国经济优势带来积极的政策内涵。

二、制度背景与研究假设 (一) 负面清单制度背景

《中共中央 国务院关于加快建设全国统一大市场的意见》指出，全面推进国内市场统一建设的关键是强化产权保护、市场准入、公平竞争、社会信用等市场基础制度规则的统一，而统一的市场准入制度是建设全国统一大市场的重要前提。现阶段，作为市场准入制度体系的重要组成部分，市场准入负面清单制度的实施标志着市场准入管理模式的转变。长期以来实行的正面清单市场准入管理模式下，只有在法律许可的行业、领域、业务中市场主体才能进入。具体操作上由于政策解释不同，各地市场准入规则存在较大差异。地方保护主义盛行，致使企业通过寻租进入规制领域并开展经营活动的现象普遍存在，削弱了企业创新意愿并损害了企业创新能力（赵晶和孟维烜，2016）。此外，政府干预导致市场在资源配置中的作用无法有效发挥，“政府替代市场”“行政性壁垒”等现象限制了区域内企业的健康持续发展（邵传林，2023）。

为顺应推进高质量发展的新时代要求、解决正面清单模式存在的诸多问题，建立健全统一的市场准入负面清单制度，是重塑政府与市场关系，实现市场准入规范畅通、开放有序、竞争充分的重要内容。党的十八届三中全会首次明确“实行统一的市场准入制度，在制定负面清单基础上，各类市场主体可依法平等进入清单之外领域”。2016年3月，《市场准入负面清单草案（试点版）》由国家发改委与商务部联合发布，率先在上海、天津等四省市推行市场准入负面清单试点政策；2017年6月，政策范围进一步扩大，辽宁、吉林等11个省份进入试点；2018年底负面清单制度在全国范围内正式实施。党的十九大报告明确提出“全面实施市场准入负面清单制度”。2020年和2021年先后发布的《中共中央 国务院关于构建更加完善的要素市场化配置体制机制的意见》《建设高标准市场体系行动方案》，强调了实施市场准入负面清单制度的重要性。2022年和2023年的《政府工作报告》相继明确，市场准入负面清单制度的全面实施是加快建设全国统一大市场、建设高标准市场体系、营造市场化法治化国际化营商环境的坚强支撑。

负面清单制度的突出特征表现为“统一市场”“平等权利”“完善监管”，其核心理念在于“非禁即入”，即：负面清单明确列出禁止准入及限制准入的行业、业务、领域等，清单外的领域各经营主体均可平等进入，而列于禁止准入类的经营领域各经营主体均不得进入，实现了内外资企业、国资与民资企业的权利平等。负面清单由国务院统一发布，各地方行政部门均不得在此基础上出台市场准入方面的额外规定，降低了政府调整市场准入管理的随意性，实现市场准入规则在全国范围内的统一。首先，负面清单制度明确了政府与市场的边界，为实现“有效市场”和“有为政府”创造了有利条件，“法无禁止皆可为”不仅激发了市场活力，降低了制度性交易成本，还促使政府职能由事前审批向事中事后监管转变，实现政府管理的科学化与规范化（耿明阳等，2022）。其次，企业自由选择进入负面清单外的领域，有利于其公平参与市场竞争，进而为企业进行创新活动提供了巨大空间（王雄元和徐晶，2022）。最后，负面清单通过将权力嵌入制度管理框架，促进了全国统一市场准入管理措施与地方性具体实施措施的有效衔接，有助于充分发挥市场在资源配置中的决定性作用，实现资源优化配置，为新发展格局下建设全国统一大市场奠定坚实基础。

(二) 负面清单制度与全要素生产率

全要素生产率表现为不同维度经济主体的投入产出效率。Färe等（1994）基于生产前沿变动将全要素生产率的增长分解为技术进步与技术效率改进，而Kumbhakar等（2000）则根据CD生产函数将全要素生产率的增长分解为技术进步、技术效率改善、规模效率增长与资源配置效率提升。与前述研究类似，在中国情境下，覃家琦等（2009）从技术效率变化率、技术进步变化率、规模效应变化率和资本配置效率变化率四个维度论证了企业全要素生产率的作用机制，任胜钢等（2019）、谢雁翔等（2023）对企业全要素生产率影响机制的实证分析也基于上述框架展开。因此，考虑到微观企业经济行为植根于宏观制度背景之下，借鉴全要素生产率的分析框架，负面清单制度下市场竞争强化与营商环境优化将通过促进技术进步、改善技术效率以及提升资源配置，进而带动企业全要素生产率的增长。

首先，负面清单制度能够促进企业技术进步，从而推动全要素生产率的提升。负面清单制度下市场竞争程度的提升会冲击企业原有的经营模式，在位企业存在较强的激励，通过增加研发创新投入推动技术进步，从而在激烈的竞争中获得持续成长的优势，维持其既得利益（Aghion等，2009）。研发创新驱动下的技术进步成为推动企业发展的内生动力，促使企业生产技术前沿面整体外移，推动企业在现有投入水平下获得更大产出，从而提升企业的全要素生产率（李姝等，2023）。其次，负面清单制度通过改善企业技术效率推动全要素生产率的增长。实际经营中，受限于企业内部管理和组织协调问题，理论上的最优生产技术前沿面难以企及。一方面，负面清单制度下市场竞争强化，竞争压力加剧有助于完善企业内部治理、提升管理水平（姜付秀等，2009）；另一方面，营商环境优化将进一步改善经营技术效率（杨豪，2022）。因此，技术效率的改善优化了企业资本与劳动等生产要素的协调程度，进而促进全要素生产率的提升。最后，负面清单制度能够推动资源的优化配置，从而提升企业的全要素生产率。负面清单制度以“放管服”改革为依托，是实现政府职能转变、优化市场资源配置的关键。负面清单制度放松了市场准入管制，一方面，市场机制作用下资源要素将由低效率部门转向高效率部门，企业对于负面清单以外领域的自由进入，将有利于其更好地把握投资机会，资源要素的充分流动有助于提升全要素生产率（王雄元和徐晶，2022）；另一方面，负面清单下资源优化配置意味着企业生产率所决定的边际产出与要素价格相等且等于要素市场的竞争性价格，要素价格信号能够有效改善要素价格扭曲、促进资源要素流动（Hsieh和Klenow，2009）。综上所述，提出假设H1：

H1：负面清单制度能够促进企业全要素生产率的提升，且作用路径表现为技术进步、技术效率改善以及资源配置优化。

(三) 市场竞争与营商环境的异质性影响

考虑到放松市场管制对强化市场竞争以及优化营商环境的直接影响，负面清单制度对企业全要素生产率的提升作用可能存在较大的结构性差异。对于市场竞争的影响，负面清单制度下市场竞争的强化作用可从行业竞争与产业链竞争两个层面考察。在行业竞争层面，正面清单制度下政府规制性壁垒赋予在位企业排他性经营权，竞争缺位导致在位企业缺乏主动提升技术水平的外部激励（Borghesi等，2015）；负面清单制度下，新进入企业会对在位企业展开技术追逐，加剧市场竞争。伴随着行业内众多新企业竞争者的涌入，在位企业不仅在原有生产经营模式方面受到较大冲击，而且出于维持行业竞争优势的动机，会加大研发投入，提升技术水平，以应对激烈的市场竞争。鉴于原有高垄断行业存在超额利润，会吸引更多的新进入者，负面清单制度市场下竞争的提升效果会更加明显。因此，提出假设H2：

H2：负面清单制度下市场竞争强化，高行业垄断企业全要素生产率的提升效果更强。

在供应链竞争层面，负面清单制度赋予各类经营主体在不同行业领域内的“平等权利”，市场竞争程度的加剧不再局限于企业所在行业，供应链上下游的竞争水平同样显著提升。一方面，伴随着上游供应商集中程度的下降，企业将有效避免被套牢的风险，缓解上游供应商对其收益蚕食和剥削（Barone和Cingano，2011）；另一方面，伴随着企业下游客户集中程度的下降，企业将避免因受制于低议价能力而被迫降低价格、延长商业信用、经营利润受损等“敲竹杠”困境的产生（Piercy和Lane，2006）。可以预见，负面清单制度下企业在供应链中的议价能力显著提升，通过与上下游供应链的充分互动，不仅会获得“价廉质优”的产品及服务，避免资源和利益被侵占，还能够有效提升企业供应链的网络中心度，从而发挥信息优势和技术资源优势，以提高全要素生产率（Bell，2005）。因此，提出假设H3：

H3：负面清单制度下市场竞争强化，高供应链集中度企业全要素生产率的提升效果更强。

对于营商环境的影响，负面清单制度下营商环境的改善主要体现在企业寻租行为的减少与投资机会的增加。在企业寻租层面，正面清单模式下企业为获得某一特定领域的生产许可权，会对行政主管部门进行大量的寻租活动。寻租作为个体基于自身利益对政府资源再分配决策施加影响的非生产性活动，不但会造成要素资源损失（Williams等，2016），还会损害企业创新意愿与创新能力（赵玉奇和柯善咨，2016）。负面清单制度在市场准入方面降低了政府的行政干预，各经营主体得以在更加公平的制度规则下参与市场经营，极大地压缩了企业的寻租空间，被寻租挤占的资源能够重新配置到生产经营领域，有效提升了企业经营活力，并改善了资源利用效率。因此，提出假设H4：

H4：负面清单制度下营商环境优化，高寻租程度企业全要素生产率的提升效果更强。

在投资机会层面，正面清单模式下市场准入规则分别由各地区、各部门发布，市场准入规则分散复杂致使资本进入门槛较高，企业所能掌控的投资机会有限。此外，区域间的准入规则具有较大差异，也在一定程度上阻碍了资本的跨区域流动。由此，高效率的社会资本难以进入高成长性企业，形成了资源要素错配，阻碍了企业生产率的提升。负面清单制度“非禁即入”的特征降低了企业准入门槛，提升了企业投资机会。同时，高投资机会企业能够吸引更加优质的资本进入，在更大程度上促进其全要素生产率的提升。因此，提出假设H5：

H5：负面清单制度下营商环境优化，高投资机会企业全要素生产率的提升效果更强。

三、研究设计 (一) 数据选择与样本处理

负面清单制度于2016年在上海、广东等4个省份实施，辽宁、吉林等11个省份于2017年被纳入试点范围，2018年负面清单制度在全国范围内展开 ² 。为减少研究区间过长而可能存在的潜在噪音，以2011—2020年沪深A股全部上市公司作为初始样本。参考已有文献，对初始样本进行如下处理：（1）剔除样本期内ST、PT及IPO年度样本；（2）剔除金融、房地产行业样本；（3）剔除关键变量缺失及异常的样本；（4）对全部连续型变量进行两端1%的缩尾处理。处理后得到23 832个“公司—年度”观测样本，涉及3 344家公司。相关数据源自CSMAR数据库、WIND数据库。

(二) 模型设定与变量说明

参考耿明阳等（2022）、王雄元和徐晶（2022）的研究设计，根据政策试点进程，以企业经营地是否处于负面清单制度实施省（市）作为处理组设置依据 ³ ，通过多期双重差分模型检验负面清单制度对企业全要素生产率的影响。同时控制年度、公司固定效应，具体为：

$ TF{P_{it}} = {\alpha _0} + {\alpha _1}OPE{N_{it}} + \sum {C{V_{it}} + \sum {Fir{m_i} + \sum {Yea{r_t} + {\varepsilon _{it}}} } } $

(1)

其中，OPEN为负面清单政策变量，若i公司t年经营地所在省份实行政策则取值为1，否则为0；TFP为企业全要素生产率； $\displaystyle\sum CV_{it}$ 为相关控制变量，用以控制公司层面随时间变化的因素对企业全要素生产率的影响； $\displaystyle\sum Firm_{i}$ 为公司固定效应，用以控制不随时间变化的企业特征； $\displaystyle\sum Year_{t}$ 为年度固定效应，用以控制年度经济周期特征；ε为随机残差项；α₁为重点关注系数，表示负面清单制度对企业全要素生产率的影响程度。在公司层面聚类调整以缓解异方差及序列相关。

(三) 变量定义

1.被解释变量：全要素生产率（TFP）。借鉴李姝等（2022）的做法，企业资本投入以固定资产净额测度，企业劳动投入以员工人数测度，企业中间品投入和企业投资额分别以购买商品和提供劳务支付的现金净额以及购建固定资产无形资产和其他长期资产所支付的现金测度，企业当年产出指标以主营业务收入表征。此外，以经营地工业生产者价格指数平减主营业务收入，以经营地固定资产投资价格指数平减投资额和固定资产净额。

2.核心解释变量（OPEN）。借鉴耿明阳等（2022）、王雄元和徐晶（2022）的做法，OPEN为哑变量，表示企业经营地所在省份是否实行市场准入负面清单制度。其中，经营地处于首批政策试点省份的样本在2016年及以后年份取值为1；经营地处于第二批政策试点省份的样本在2017年及以后年份取值为1；剩余省份样本在2018年及以后年份取值为1；否则OPEN取值为0。

3.控制变量（CV）。借鉴李姝等（2022）的研究，从经营财务和公司治理两方面选择控制变量，具体为盈利能力（roa）、公司规模（size）、公司成长性（grow）、上市年龄（age）、财务杠杆（lev）、固定资产（tang）、产权性质（soe）、管理层持股（manr）、董事会规模（board）、独董比例（indr）、两职兼任（dual）、股权集中度（top1）。变量定义如表1所示。

四、实证结果分析 (一) 描述性统计

主要变量的描述性统计如表2 Panel A所示。从中可知，TFP_LP均值（中位数）为15.9302（15.8238），标准差为1.0627；TFP_OP均值（中位数）为17.0504（16.9340），标准差为0.9863；二者相关系数为0.97 ⁴ ，结果相近且均未表现出明显的偏态特征。OPEN均值为0.4778，表明有47.78%的上市公司样本受到负面清单制度的影响。控制变量分布均在合理范围内，不再赘述。单变量分析考察了政策实施前后全要素生产率均值的变化，表2 Panel B显示负面清单制度实施前后企业全要素生产率变量均存在显著差异（显著性水平均为1%）。具体来看，政策实施后企业的TFP_LP均值比政策实施前提升0.1884，而TFP_OP均值比政策前提升0.1863，初步验证假设H1。

相关系数检验显示负面清单制度（OPEN）与全要素生产率（TFP_OP、TFP_LP）均在1%水平上显著为正，表明负面清单制度对企业全要素生产率具有提升作用，初步印证了假设H1。VIF检验显示方差膨胀系数平均值及最大值分别为1.45和1.80，均小于10，表明样本数据中不存在严重的共线性问题 ⁵ 。

(二) 基准回归

表3基准回归检验第（1）、（3）列分别对应TFP_LP、TFP_OP在不加入控制变量的情况下，负面清单制度对企业全要素生产率的影响。从中可知，负面清单制度（OPEN）的系数均在1%的水平上显著为正，表明相对于未受负面清单制度影响的企业，受负面清单制度影响的企业在政策实施后全要素生产率显著提升。表3第（2）、（4）列分别为对应加入控制变量后的结果，从中可知，模型解释力度进一步增强且负面清单制度（OPEN）的系数仍在1%的水平上显著为正，验证了假设H1中负面清单制度对企业全要素生产率的促进作用。在经济意义方面，以第（2）列的估计系数为例，负面清单制度实施后，试点区域内企业的全要素生产率平均提升0.192%（0.0306/15.9302）。鉴于高质量发展阶段我国经济提质增效、全要素生产率增长放缓，实施负面清单制度、发展全国统一大市场对于促进微观企业全要素生产率的增长具有显著的经济内涵（林毅夫，2021）。由于控制变量非本文关注的重点且可能存在内生性问题，不再进行详细阐述。

(三) 稳健性检验

1.事件研究法的异质性处理效应分析。考虑到逐步开展的负面清单制度在不同时间段潜在的差异化影响效果（heterogeneous treatment effects），常规动态效应的平行趋势检验失效，为检验政策实施的时间动态影响以及平行趋势，借鉴袁礼和周正（2022），运用事件研究法（event study）、考虑异质性处理效应，研究负面清单制度对企业全要素生产率的影响，对式（1）中表示负面清单政策实施前后若干年的虚拟变量求和，其他变量不变，具体模型为：

$ {Y_{it}} = {b_0} + \prod\limits_{s \geqslant - 5}^4 {{b_s}{D_s} + \sum {C{V_{it}}} + \sum {Fir{m_i} + \sum {Yea{r_t} + {\varepsilon _{it}}} } } $

(2)

其中，s取负数，对应政策实施前相应年份；D₀是负面清单制度政策实施具体年份的虚拟变量，正数为政策推行后s年，以政策实施前一年为基准。图1左侧为估计系数及其90%置信区间，从中可知，政策实施前系数b不显著，政策实施当年及之后年份系数均在10%的水平上显著为正，表明企业全要素生产率的变化趋势在负面清单制度实施之前是一致的，企业全要素生产率的变化不太可能是由负面清单制度实施之前发生且未被纳入模型考虑的其他因素所导致的，双重差分模型的平行趋势假设成立。此外，基于事件研究法的回归结果同时反映了负面清单制度的异质性处理效应，即负面清单制度对企业全要素生产率的正向影响稳中有升。

2.安慰剂检验。借鉴谢雁翔等（2022a），为排除其他非观测因素对负面清单制度的影响进行安慰剂检验。以表4中第（2）列为基准模型，在总样本中对应的相应年份随机选择相应数量企业作为处理组进行检验。式（3）中OPEN系数估计值α^*的表达式为：

$ {\alpha ^*} = {\alpha _1} + \theta \frac{{{{cov}}(OPE{N_{it}},{\varepsilon _{it}}|\displaystyle\sum {C{V_{it}}} )}}{{{var} (OPE{N_{it}}|\displaystyle\sum {C{V_{it}}} )}} $

(3)

式（3）中，可以通过随机抽样模拟估计α^*反推θ，若α^*为0，则θ取值为0，∑CV为模型（1）中所有控制变量。通过随机过程自抽样1000次进行检验，估计系数的概率密度分布如图1右侧所示。可以看出，α^*随机分布的估计值呈钟形均匀分布在0两侧，基准回归系数0.0306显著异于0，反证θ为0，表明不存在其他随机因素影响基本结论。

3.其他稳健性检验。（1）替换核心解释变量。其一，针对上市公司存在注册地与经营地不一致的问题，使用公司注册地重新匹配负面清单制度，用OPEN2表示。其二，鉴于负面清单制度的政策效果可能存在时滞，将时间延后半年作为OPEN变量的政策识别时点，用OPEN3表示；估计结果见表4第（1）、（2）列。（2）替换被解释变量。参考鲁晓东和连玉君（2012）、李姝等（2023）的方法，分别使用OLS、固定效应、GMM、ACF与Wooldridge等方法重新进行全要素生产率检验，估计结果见表4第（3）−（8）列。（3）聚类调整。在“公司—年度”维度进行双层聚类调整，估计结果见表4第（9）、（10）列。（4）控制遗漏变量。第一，鉴于个体和时间的双向固定效应模型对内生性控制不够严格，使用“时间×行业”的高阶联合固定效应方法，估计结果见表4第（11）列。第二，考虑到各地区负面清单制度对企业全要素生产率的影响可能受到区域经济发展水平、教育及研发水平等宏观因素的影响，在省份层面控制区域固定效应；此外，参考顾雪松和韩立岩（2018）、李政和刘丰硕（2022），纳入表示区域经济发展水平、教育及研发的控制变量 ⁶ ，具体估计结果见表4第（12）、（13）列。（5）子样本回归。首先，由于制造业企业与服务业在技术转化、新产品开发、物资消耗、员工薪酬等方面存在明显差异，仅保留样本中制造业企业进行检验；其次，考虑到负面清单制度经历了试点期并在2018年后推广至全国，删除样本2018—2020年度数据进行检验；最后，考虑到企业进入退出产生的自选择偏误对全要素生产率的影响，保留平衡面板数据检验。上述估计结果见表4第（14）−（16）列。（6）样本自选择检验。一方面，运用PSM-DID解决可观测变量的选择偏差并缓解时变与非时变的未观测变量的影响，通过前文控制变量预测样本受到政策影响的概率，以1∶1最近邻匹配进行分析；另一方面，鉴于传统PSM法在处理组与匹配控制组内各协变量均值上无法完全相近且存在样本损失的问题，运用熵平衡匹配估计（谢雁翔等，2022b），结果见表4第（17）、（18）列。（7）异质性稳健估计。鉴于传统双向固定效应潜在的负权重估计偏误及处理效应异质性问题，借鉴Callaway和Sant’Anna（2021）的方法，分别采用双重稳健逆概率加权法（DRIPW）和改进的双重稳健逆概率倾斜加权最小二乘法（DRIMP）估计“组别－时期平均处理效应”，结果见表4第（19）、（20）列。由表4的稳健性检验结果可知 ⁷ ，假设H1的研究结论具有稳健性。

五、拓展性研究 (一) 影响机制分析

为进一步验证上述结论背后的理论逻辑，遵循Färe等（1994）、Kumbhakar等（2000）的全要素生产率研究框架，分别从技术进步、技术效率改善以及资源配置优化三个层面进行检验。

1.技术进步。技术进步表现为企业生产前沿的外移，体现为企业创新水平的提升。本文通过创新投入和创新产出两个维度分别探讨负面清单制度对企业技术进步的影响。对于创新投入，在内生增长理论的经济学分析框架下，研发投入是企业实现技术进步的关键因素（Aghion和Howitt，1992），分别选取研发投入强度（RD）、创新型员工占比（LAB）作为企业创新过程中资本和劳动投入的代理变量 ⁸ ；对于创新产出，鉴于发明专利比实用新型和外观设计专利更能体现企业的创新水平，选取发明专利申请总量（PAT）来测度。中介效应检验模型如下：

$ R{D_{it}}(LA{B_{it}},PA{T_{it}}) = {\beta _0} + {\beta _1}OPE{N_{it}} + \sum {C{V_{it}}} + \sum {Fir{m_i} + \sum {Yea{r_t} + {\varepsilon _{it}}} } $

(4)

$ TF{P_{it}} = {\gamma _0} + {\gamma _1}OPE{N_{it}} + {\gamma _2}R{D_{it}}(LA{B_{it}},PA{T_{it}}) + \sum {C{V_{it}}} + \sum {Fir{m_i} + \sum {Yea{r_t} + {\varepsilon _{it}}} } $

(5)

表5的Panel A第（1）列为中介效应检验第一步，即负面清单制度与企业全要素生产率的基准回归结果。在创新投入维度，表5第（2）−（5）列的研发强度（RD）与创新型员工（LAB）对全要素生产率（TFP_LP）的回归系数均显著为正且通过了Sobel检验，表明负面清单制度下研发资金与人员投入的提升促进企业全要素生产率的增长。在创新产出维度，表5第（6）−（7）列的发明专利（PAT）系数均显著为正且通过了Sobel检验，表明负面清单制度下，企业技术进步产出发挥部分中介作用，进而促进企业全要素生产率的提升。

2.技术效率改善。技术效率体现为企业实际生产对于生产前沿面的趋近程度，即企业内部整合及利用资源进行生产的能力。选取管理费用率（AGENT）及总资产周转率（TATR）来测度负面清单制度下企业技术效率的改善。中介效应检验模型如下：

$ AGEN{T_{it}}(TAT{R_{it}}) = {\phi _0} + {\phi _1}OPE{N_{it}} + \sum {C{V_{it}}} + \sum {Fir{m_i} + \sum {Yea{r_t} + {\varepsilon _{it}}} } $

(6)

$ TF{P_{it}} = {\varphi _0} + {\varphi _1}OPE{N_{it}} + {\varphi _2}AGEN{T_{it}}(TAT{R_{it}}) + \sum {C{V_{it}}} + \sum {Fir{m_i} + \sum {Yea{r_t} + {\varepsilon _{it}}} } $

(7)

表5的Panel B第（1）−（5）列的中介效应估计均通过了Sobel检验，表明负面清单制度下技术效率改善能够在促进企业全要素生产率提升的过程中发挥部分中介效应。其中，管理费用率（AGENT）显著为负，总资产周转率（TATR）显著为正，表明负面清单制度下，伴随着市场竞争加剧以及营商环境优化，企业能够有效改善内部治理效率，提升技术效率。

3.资源配置优化。为验证负面清单管理模式下资源配置效率优化对于全要素生产率的提升作用，借鉴方军雄（2007）的方法，以“投资—投资机会”敏感性模型进行检验，具体为：

$ inves{t_{it}} = {\eta _0} + {\eta _1}OPE{N_{it}} \times {Chance}_{it} + {\eta _2}OPE{N_{it}} + {\eta _3}Chanc{e_{it}} + \sum {C{V_{it}} + } \sum {Fir{m_i} + \sum {Yea{r_t} + {\varepsilon _{it}}} } $

(8)

其中，invest为投资水平 ⁹ ，Chance为投资机会，分别以roa和Q表示，OPEN×Chance的系数η₁为负面清单制度对企业投资效率的影响。估计结果如表5的Panel C所示，第（1）、（2）列的估计结果显示OPEN×roa与OPEN×Q系数均显著为正，表明负面清单制度下，企业能够通过优化资本配置效率推动全要素生产率的提升。

综上所述，负面清单制度下存在技术进步、技术效率改善以及资源配置优化三个层面的作用机制，促进企业全要素生产率的增长，验证了假设H1。

(二) 异质性分析

考虑到放松市场管制对强化市场竞争以及优化营商环境的直接影响，负面清单制度对企业全要素生产率的提升作用可能存在较大的结构性差异。因此，分别从提升市场竞争以及改善营商环境的角度，检验负面清单制度下企业行业垄断程度、供应链集中程度、寻租程度以及企业投资机会的差异性对全要素生产率提升的异质性影响。具体模型如下：

$ \begin{aligned} TF{P_{it}} =& {\lambda _0} + {\lambda _1}OPE{N_{it}} \times {{GROU}}{{{P}}_{it}} + {\lambda _2}OPE{N_{it}} + {\lambda _3}{{GROU}}{{{P}}_{it}} + \sum {C{V_{it}} }\\ &+ \sum {Fir{m_i} + \sum {Yea{r_t} + {\varepsilon _{it}}} } \end{aligned}$

(9)

其中，GROUP分别为对应垄断程度、供应链集中度、寻租程度及投资机会的分组变量，当其大于年度行业中位数时为1，否则为0；其他变量同式（1）。

1.行业垄断程度。垄断企业依靠其在市场中的垄断地位能够获得超额利润，而高垄断行业由于受到市场准入规则的限制，对于蕴含高风险性的研发活动需求并不迫切（Aghion等，2009）。负面清单制度的实施放松了市场准入管制，垄断行业面临着较高的进入威胁。在位垄断企业有着更强的动机提升技术创新水平，以持续保障竞争优势。以赫芬达尔指数测度行业垄断程度并代入式（9）进行检验。根据表6列（1），OPEN×GROUP系数在5%水平上显著为正，表明负面清单制度的全要素生产率的提升作用对于高垄断企业更为明显，验证了假设H2。

2.供应链集中程度。供应商集中度高的企业更容易被收取垄断高价、侵占资源，客户集中度高的企业则面临下游企业“敲竹杠”的风险。借鉴方红星等（2017），分别计算企业供应商集中度和客户集中度并代入式（9）进行检验，从表6第（2）、（3）列的结果可知，OPEN×GROUP均在10%水平上显著为正，表明负面清单制度的全要素生产率提升作用对于高供应链集中度的企业更为明显，验证了假设H3。

3.企业寻租程度。寻租作为企业基于自身利益对政府资源再分配决策施加影响的非生产性活动，不仅会损害企业的创新意愿和创新能力，还会造成资源配置的扭曲（赵玉奇和柯善咨，2016）；负面清单制度弱化了政府对市场的管控，极大地压缩了企业的寻租空间。借鉴杜兴强等（2010），计算企业超额管理费用率测度企业寻租程度并代入式（9）进行检验，由表6第（4）列的结果可知，OPEN×GROUP系数在5%水平上显著为正，表明负面清单制度的全要素生产率提升作用对高寻租程度的企业更为明显，验证了假设H4。

4.企业投资机会。负面清单制度的“非禁即入”“平等权利”特征将加速要素资源配置，催生更多的投资机会，有助于企业强化研发创新、把握增长机会（王雄元和徐晶，2022）。此外，营商环境优化、行政干预减少将促使生产要素向高成长性行业聚集，更好地发挥市场在资源配置中的作用。鉴于托宾Q潜在的过度前瞻问题，以营业收入增长率测度企业成长性并代入式（9）进行检验。由表6列（5）可知，OPEN×GROUP系数在1%水平上显著为正，表明负面清单制度的全要素生产率提升作用对于高投资机会企业更为明显，验证了假设H5。

六、结论与启示

负面清单制度的实施不仅明确了政府与市场的边界，规范了政府干预市场准入的基准，更有助于市场主体公平参与市场竞争、自主进行生产经营决策，是高质量发展阶段优化营商环境、激发市场活力的重要内容。本文以2011—2020年沪深A股非金融业上市公司为研究样本，将2016年逐步开展的负面清单制度作为准自然实验，探究负面清单制度下放松市场准入管制对企业全要素生产率的影响。研究发现：负面清单制度的实施能够显著促进企业全要素生产率的增长，平行趋势检验、安慰剂检验及多种稳健性检验下上述结论具有稳健性。影响机制分析显示，研发创新提升、技术效率改善以及资源配置优化是负面清单制度的作用路径。考虑到负面清单制度下市场竞争强化、营商环境改善的特点，异质性分析显示，在垄断程度高、投资机会多、寻租程度高以及供应链集中的样本中负面清单制度对全要素生产率的提升作用更为显著。结合高质量发展要求下负面清单政策深入推进及新时期《中共中央 国务院关于加快建设全国统一大市场的意见》的政策导向，由上述结论得出如下启示：

首先，放宽市场准入，持续完善负面清单制度，充分发挥市场在全国范围内优化要素配置效率的积极作用。在顶层设计层面合理增减市场准入负面清单，破除行政和贸易壁垒，通过形成负面清单制度体系推动各地要素和资源市场的互联互通，打造统一的大市场，最大限度地纠正要素错配，降低效率损失，实现企业全要素生产率的增长，为新发展格局下构筑全国统一大市场奠定坚实基础。其次，激发市场活力，多措并举，推动效率变革，全面引导市场竞争的提升与营商环境优化对企业生产经营的提升作用。结合高质量发展要求，在政策制定和后续推进过程中，引导企业充分把握“非禁即入”的市场准入机遇，将创新思维、创业精神嵌入企业生产研发过程，积极推进企业研发合作和技术创新。同时，鼓励企业在激烈的市场竞争中找准自身定位，切实提高自身产品质量，优化投资决策与投资效率，充分发挥市场在资源配置中的决定性作用，通过质量变革、效率变革、动力变革，提高全要素生产率。最后，合理规划设计、灵活调整并明确政府市场边界，统筹实现“有效市场”和“有为政府”的双目标要求。政府部门应通过多方监管协同持续完善市场营商环境，切实践行“放管服”的职能转变。针对企业在市场经营环境中长期存在的行业垄断、要素扭曲等异质性影响因素，灵活运用负面清单管理，实施“规制沙盒”动态管理，通过完善清单内容精准调整市场准入范围，真正实现“非禁即入，非限即入”，从政策层面为企业市场经营运行彻底扫清障碍，推动微观企业提质增效并实现市场经济健康稳步发展。

1本文涉及的负面清单制度、负面清单政策、市场准入负面清单均指同一概念，后文不再做区分。

22016年3月，国家发改委与商务部联合发布《市场准入负面清单草案（试点版）》。在上海、天津、广东、福建4个省份率先开展市场准入负面清单试点；2017年6月，试点范围扩大到辽宁、吉林、黑龙江、浙江、河南、湖北、湖南、重庆、四川、贵州、陕西11个省份；2018年12月《市场准入负面清单（2018年版）》发布，负面清单制度在全国范围内正式实施。

3公司经营地信息来源于CSMAR数据库中上市公司基本信息表，考虑到企业注册地变更不及时、经营地不易变更等特征，参考耿明阳等（2022）的做法，本文选取企业实际办公经营地址匹配上市公司数据进行研究。需要说明的是，对于上市公司办公地，CSMAR数据库提供了详细的经纬度信息及办公地址条目，通过文本分析和百度地图相结合的方式确定上市公司办公地数据。在稳健性检验中匹配了上市公司注册地址进行验证，结论并未发生变化。

4鉴于LP法以中间品投入代替了企业投资，是对OP法的改进，具有更高的灵活性与适用性，本文主要选取LP法进行讨论。

5篇幅所限，相关系数检验及VIF检验详细结果留存备索。

6区域经济发展水平以各省份年人均GDP测度，区域教育水平以高等学校在校生人数/总人口测度，区域研发水平以研发经费内部支出/GDP测度。

7需要说明的是，匹配过程中对未成功匹配的样本进行剔除，因此不同匹配方法回归样本量不一致；非平衡面板数据的双重稳健估计量在 DID 分析中挑选部分样本进行回归，存在缺失值。

8参考李姝等（2022），研发投入强度为研发投入与营业收入的比值，创新型员工占比为硕士研究生学历及以上的员工占比。

9投资水平=（购建固定资产无形资产和其他长期资产支付现金−处置固定资产无形资产和其他长期资产回收的现金）/期末总资产。