专栏名称: 文献和生活都在这里打卡吧

每天阅读一篇论文并不定期分享生活，坚持不下来是小狗！汪！

（2024.05.09）【世界经济】电子商务政策与企业家创业精神

文献和生活都在这里打卡吧 · 公众号 · · 2024-05-09 17:15

正文

文章在理论分析电子商务影响新企业进入内在机理的基础上，借助国家电子商务示范城市试点政策这一准自然实验，运用多期双重差分模型探讨了电子商务政策对企业家创业精神的影响。

1. 政策背景与理论分析

（1）政策背景与理论分析

2009年，深圳市被批准为中国第一个国家电子商务示范城市试点。在深圳市试点经验的基础上，商务部与发改委将示范城市试点进行了更大范围地推广。2011年3月，发改委和商务部等多部委共同出台了《关于开展国家电子商务示范城市创建工作的指导意见》（后文简称指导意见），确定了加快电子商务健康快速发展这一核心目标。同年，北京市、上海市、宁波市和青岛市等22个城市也被批为国家电商示范城市；之后，遵循“试点先行，逐步推广”的原则，分别在2014和2017年又分批次批复了若干电商示范城市，至此，共有70个城市成为国家电商示范城市。

（2）理论分析与研究假说

在理论分析部分，文章从3个维度对电子商务示范城市试点政策如何影响企业家创业精神的理论机制进行分析，即融资便捷机制、市场准入扩大机制及多样化配套服务机制。其中，融资便捷机制分析主要借鉴Cullen and Gordon（2007）的研究框架，构建了包含电子商务发展的企业家个体创业选择模型，进而揭示电子商务政策影响企业家创业精神的理论机制。通过理论分析得到如下假说：

假说1 ：国家电商示范城市试点政策可以激发企业家创业精神，增加城市创业活动。
假说2 ：国家电商示范城市试点政策可以通过降低银企间的信息不对称性，提高银行对企业的贷款供给与金融服务可及性、便捷性，缓解企业的融资约束，从而激发企业家创业精神，增加城市创业活动。
假说3 ：国家电商示范城市试点政策可以通过促进风险投资进入与集聚缓解企业融资约束和提升风险承担能力，从而激发企业家创业精神，增加城市创业活动。
假说4 ：国家电商示范城市试点政策可以通过扩大市场准入激发企业家创业精神，增加城市创业活动。
假说5 ：国家电商示范城市试点政策可以通过提供多样化配套服务激发企业家创业精神，增加城市创业活动。

2. 研究设计

（1）模型设定

（2）变量选取及数据说明

①变量的选取

被解释变量为企业家创业精神（CEA），采用由北京大学国家发展研究院和龙信数据研究院联合编制的“朗润-龙信创新创业指数”体系中的新建企业数量指数衡量，因为企业家创业精神主要指创业者根据自己的新想法与努力工作建立新企业。此外，采用城市每万人中新建企业数量和每平方公里内新建企业数量作为替换指标进行稳健性检验。

核心解释变量为国家电子商务示范城市虚拟变量（NEDC），当某城市获批国家电商示范城市试点当年和以后年份取值为1，否则为0 ，它是城市分组虚拟变量与政策实施年份虚拟变量的交互项。

控制变量包括经济发展水平（pergdp）、产业结构（IS）、人口密度（pop_d）、外商直接投资（fdi）、城市化率（urbanr）、金融发展水平（finance）、人力资本（hum_cap）、政府财政支出（gov）、城市公共服务（pub_serv）、基础设施水平（infra）和“宽带中国”战略试点政策（broadband）。

②数据来源说明

以2005-2018年中国286个地级及以上城市样本为研究对象。目前为止共有70个城市获批为国家电子商务示范城市，各试点城市的获批时间和具体细节来自发改委、科技部网站以及各省（市、自治区）政府网站和媒体报道。城市创业数据主要来自《朗润龙信中国区域创新创业指数2019》，其中的新建企业数量指数基于全国工商注册企业信息数据计算得到。其他控制变量的数据来自《中国城市统计年鉴》、全球统计数据分析平台（EPS数据平台）及中国经济数据库（CEIC）等。

表1列出了本研究主要变量的描述性统计结果，其中 Panel B 对处理组城市与控制组城市两组样本的企业家创业精神进行了T值检验。结果显示，电商示范城市的企业家创业精神要显著强于非电商示范城市，初步表明电商示范城市的企业家创业精神相对更强。

Stata代码：

***=======表1 描述性统计=======***use 表1表2.dta,clearsum CEA NEDC pergdp ISr pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadbandttable2 CEA , by(Treat) f(%12.4f)

3. 经验结果分析

（1）基准回归结果与分析

表2在控制城市与年份固定效应的同时纳入了其他控制变量，第（1）列的标准误聚类在城市层面；第（2）列的标准误聚类在城市-年份层面；第（3）列采用的是城市和年份双向聚类的稳健标准误；而第（4）列采用的是Driscoll-Kraay标准误（Driscoll and Kraay，1998）。结果显示， NEDC的估计系数均显著为正，表明在其他条件不变的情况下，国家电商示范城市试点政策显著激发了企业家创业精神。以上结果初步验证了前文假说1成立。

Stata代码：

***=======表2 基准回归结果=======***use 表1表2.dta,clearxtset cityid yearreghdfe CEA NEDC pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband,absorb(cityid year) cluster(cityid)est store a1reghdfe CEA NEDC pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband,absorb(cityid year) cluster(cityid#year) est store a2vce2way reghdfe CEA NEDC pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband,absorb(cityid year) cluster(cityid year) est store a3xtscc CEA NEDC pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband yeardummy*,feest store a4

（2）共同趋势检验与动态效应

Stata代码：

***=======图1 共同趋势假设与动态检验=======***use 图1.dta,cleartwoway (connected beta plyear ,yaxis(1) sort lcolor(black) color(black) lwidth(medthick)) (rcap highl lowl plyear ,  yaxis(1) sort lpattern(dash) dcolor(black) lcolor(black)),legend(label(2 `"95%{fontface "宋体":置信区间}"') label(1 `"{fontface "宋体": 估计系数}"') rows(1) order(1 2) ) xlabel(-6(1)6) ylabel(-0.05(0.05)0.15,format(%002.1f) ) xtitle(`"{fontface "宋体": 距离“政策冲击”的相对年份}"') ytitle(`"{fontface "宋体": 估}"'`"{fontface "宋体": 计}"'`"{fontface "宋体": 系}"'`"{fontface "宋体": 数}"', axis(1) orientation(horizontal)) yline(0, lp(dash) lc(black*0.3)) xline(-1, lp(dash) lc(black*0.3)) graphregion(color(white)) scheme(s1mono)  legend(region(fcolor(none) )) yline(-0.05,  lstyle(grid) lwidth(thin)) yline(0.05,  lstyle(grid) lwidth(thin))  yline(0.1,  lstyle(grid) lwidth(thin))  yline(0.15,  lstyle(grid) lwidth(thin))  graphregion(fcolor(white)) plotregion(lcolor(none))

（3）工具变量估计

采用明朝驿站（iv1_mingyz）与1984年各城市人均邮电业务量（iv2_1984post）为电商示范城市试点政策的工具变量。

表3第（1）列结果显示，两个工具变量iv1_mingyz和iv2_1984post与试点政策变量都是高度相关的，同时Kleibergen-Paap LM与 Kleibergen-Paap Wald F 检验也证明本文所选工具变量不存在识别不足与弱识别问题。第（2）列可知，NEDC的系数为正且在1%水平下显著。表3第（3）和（4）列结果显示，电商示范城市试点政策的系数依然显著为正，而工具变量的系数不显著，表明工具变量只能通过影响电商示范城市试点政策进而影响企业家创业精神，满足外生性条件。

Stata代码：

***=======表3 工具变量法=======***use 表3.dta,clearxtset cityid yearxtivreg2 CEA (NEDC = iv2_1984post iv1_mingyz ) pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband yeardummy* ,fe first rest store b1xtreg CEA NEDC iv1_mingyz  pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband yeardummy*,fe rest store b2xtreg CEA NEDC iv2_1984post pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband yeardummy*,fe rest store b3

（4）稳健性检验

包括：安慰剂检验；倾向得分匹配-双重差分（PSM-DID）估计；合成双重差分估计；排除其他干扰性政策（国家创业型城市建设、“一带一路”倡议、高铁开通以及跨境电商综合试验区政策）；其他稳健性检验（更换被解释变量；控制城市行政级别的时间趋势项；剔除部分样本）；合成控制法识别（合成控制法可以对若干控制组进行适当的加权平均或线性组合，进而合成出一个更加合适的“反事实”控制组）；考虑多时点DID的处理效应异质性（首先采用De Chaisemartin and D’Haultfoeuille（2020）多期DID双向固定效应模型异质性处理效应稳健性的检验方法，还采用Gardner（2021）的两阶段DID模型重新进行估计）。

Stata代码：

***=======图2




    
 安慰剂检验=======***use 图2.dta,cleartwoway (kdensity beta , yaxis(2)) (scatter p_value beta , msymbol(smcircle_hollow) mcolor(grey) yaxis(1)), ///xlabel(-0.01(0.005)0.02) ///ytitle(`"{fontface "宋体":P值}"',axis(1) size(medlarge)) ///ytitle(`"{fontface "宋体":核密度}"',axis(2) size(medlarge)) ///ylabel(,axis(1) angle(0)) ylabel(,axis(2) angle(0)) ///xline(0.0171, lwidth(mediumthin) lp(longdash))  ///xtitle(`"{fontface "宋体":估计系数}"') ///yline(0.1,lwidth(vthin) lp(dash)) ytitle("p值") ///legend(label(1 `"{fontface "宋体":估计系数核密度}"') label( 2 `"{fontface "宋体":P值}"') size(*1) position(11) ring(0) row(2) symxsize(10)) ///graphregion(color(white)) scheme(s1mono)
***=======表4 PSM-DID=======***//核密度匹配use 表4和附图1.dta,clearpsmatch2 Treat pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband, outcome(CEA) kernel  ate ties commonpstest  pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband, both graphgen  NEDCpsm= _treated*Postreghdfe CEA NEDCpsm pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband if _support!=.&_support!=0,absorb(year cityid) cluster(cityid)est store c1
//1:1近邻匹配use 表4和附图1.dta,clearpsmatch2 Treat pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband, outcome(CEA) n(1)  ate ties logit commonpstest  pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband, both graphgen  NEDCpsm= _treated*Postreghdfe CEA NEDCpsm pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband if _support!=.&_support!=0,absorb(year cityid) cluster(cityid)est store c2
//卡尺匹配use 表4和附图1.dta,clearpsmatch2 Treat pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband, outcome(CEA) radius cal(0.01) ate ties logit commonpstest  pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband, both graphgen  NEDCpsm= _treated*Postreghdfe CEA NEDCpsm pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband if _support!=.&_support!=0,absorb(year cityid) cluster(cityid)est store c3

***=======表5 SDID合成控制双重差分法sdid CEA city year NEDC, vce(bootstrap) seed(1213) covariates(pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband, optimized)
sdid CEA city year NEDC, vce(bootstrap) seed(1213) covariates(pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband, projected) 


***=======表6 排除其他干扰政策=======***use 表6.dta,clearreghdfe CEA NEDC 国家创业型城市 pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband,absorb(cityid year) cluster(cityid)est store d1reghdfe CEA NEDC 一带一路倡议 pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband,absorb(cityid year) cluster(cityid)est store d2reghdfe CEA NEDC 高铁开通 pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband,absorb(cityid year) cluster(cityid)est store d3reghdfe CEA NEDC 跨境电商综试区 pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband,absorb(cityid year) cluster(cityid)est store d4reghdfe CEA NEDC 国家创业型城市 一带一路倡议  高铁开通 跨境电商综试区 pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband,absorb(cityid year) cluster(cityid)est store d5

***=======附表1 其他稳健性分析=======***use 附表1.dta,clearreghdfe CEA1 NEDC pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband,absorb(cityid year) cluster(cityid)est store e1reghdfe CEA2 NEDC pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband,absorb(cityid year) cluster(cityid)est store e2reghdfe CEA NEDC  pergdp ISr pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband,absorb(cityid year i.cityrank#c.trend) cluster(cityid#year)est store e3reghdfe CEA NEDC pergdp ISr pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband if cityid!=338 & cityid!=271 & cityid!=149 & cityid!=276,absorb(year cityid) cluster(id#year)est store e4reghdfe CEA NEDC pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband pergdp0_trend IS0_trend pop_d0_trend urbanr0_trend hum_cap0_trend gov0_trend fdi0_trend finance0_trend pub_serv0_trend infra0_trend pergdp0_trend2 IS0_trend2 pop_d0_trend2 urbanr0_trend2 hum_cap0_trend2 gov0_trend2 fdi0_trend2 finance0_trend2 pub_serv0_trend2 infra0_trend2 ,absorb(cityid year) cluster(cityid#year)est store e5reghdfe CEA NEDC pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband c.pergdp#i.year c.IS#i.year c.pop_d#i.year c.urbanr#i.year c.hum_cap#i.year c.gov#i.year c.fdi#i.year c.finance#i.year c.pub_serv#i.year c.infra#i.year broadband#i.year ,absorb(cityid year) cluster(cityid#year)est store e6

***=======附图2 合成控制法（SCM)=======***
//合成控制法-上海市use 附图2.dta,cleardrop if Treat==1&city!="上海市"xtset cityid yearsynth CEA1 pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband CEA1(2005) CEA1(2006) CEA1(2007) CEA1(2008) CEA1(2009) CEA1(2010) ,tru(271) trp(2011)  xperiod(2005(1)2018)  fig  unitnames(city) replace
//合成控制法-成都市use 附图2.dta,cleardrop if Treat==1&city!="成都市"xtset cityid yearsynth CEA1 pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband CEA1(2005) CEA1(2006) CEA1(2007) CEA1(2008) CEA1(2009) CEA1(2010) ,tru(349) trp(2011)  xperiod(2005(1)2018)  fig  unitnames(city) replace
//合成控制法-长沙市use 附图2.dta,cleardrop if Treat==1&city!="长沙市"xtset cityid year synth CEA1 pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband CEA1(2005) CEA1(2006) CEA1(2007) CEA1(2008) CEA1(2009) CEA1(2010) CEA1(2011) CEA1(2012) CEA1(2013),tru(48) trp(2014)  xperiod(2005(1)2018)  fig  unitnames(city) replace
//合成控制法-合肥市use 附图2.dta,cleardrop if Treat==1&city!="合肥市"xtset cityid year synth CEA1 pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband CEA1(2005) CEA1(2006) CEA1(2007) CEA1(2008) CEA1(2009) CEA1(2010) CEA1(2011) CEA1(2012) CEA1(2013),tru(158) trp(2014)  xperiod(2005(1)2018)  fig  unitnames(city) replace
//合成控制法-济南市use 附图2.dta,cleardrop if Treat==1&city!="济南市"xtset cityid year   synth CEA1 pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband CEA1(2005) CEA1(2006) CEA1(2007) CEA1(2008) CEA1(2009) CEA1(2010) CEA1(2011) CEA1(2012) CEA1(2013),tru(183) trp(2014)  xperiod(2005(1)2018)  fig  unitnames(city) replace
//合成控制法-芜湖市use 附图2.dta,cleardrop if Treat==1&city!="芜湖市"xtset cityid year   synth CEA1 pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband CEA1(2005) CEA1(2006) CEA1(2007) CEA1(2008) CEA1(2009) CEA1(2010) CEA1(2011) CEA1(2012) CEA1(2013),tru(318) trp(2014)  xperiod(2005(1)2018)  fig  unitnames(city) replace
//合成控制法-赣州市use 附图2.dta,cleardrop if Treat==1&city!="赣州市"xtset cityid year    synth CEA1 pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband CEA1(2005) CEA1(2006) CEA1(2007) CEA1(2008) CEA1(2009) CEA1(2010) CEA1(2011) CEA1(2012) CEA1(2013),tru(145) trp(2014)  xperiod(2005(1)2018)  fig  unitnames(city) replace

4. 作用机制检验

（1）融资便捷机制

构建信息不对称程度的代理变量（AsyInfor），该指标的数值越大代表信息不对称程度越严重，计算该指标所需数据来自CSMAR数据库。将信息不对称程度（AsyInform）作为解释变量，然后估计电商示范城市试点政策对其影响，结果报告在表8第（1）列。从中可知，试点政策NDEC的估计系数显著为负，表明在政策实施后，电商示范城市相对于非电商示范城市的银企间信息不对称程度得到了显著降低。

然后，构造城市层面银行业金融机构给予小微企业的贷款供给量（SMEs_loan），计算该指标的数据一方面来自Wind数据库中的各大银行历年的小微企业贷款余额数据（2011-2018年）；另一方面来自中国银监会发布的全国金融机构的金融许可证信息数据库。表8第（2）列可知， NEDC估计系数显著为正，表明电商示范城市试点政策显著促进了城市小微企业贷款额的提升，意味着企业创业经营的融资约束得到了一定缓解。

将风险投资作为被解释变量，该指标数据来自《朗润龙信中国区域创新创业指数2019》中的风险投资指数，估计结果见表8第（3）列。从中可知，NEDC估计系数显著为正，表明在政策实施后，电商示范城市相对于非电商示范城市的风险投资水平得到了显著提升。

Stata代码：

***=======表8 融资便捷机制检验=======***use 表8.dta,clear
//表8 第(1)列回归 reghdfe 信息不对称程度 NEDC size dual soe indep banklev cflow lev roa lnage pop_d infra fdi yeardummy* ,absorb( indid cityid ) cluster(cityid)est store g1//表8第(2)、(3)列回归 reghdfe 小微企业贷款 NEDC pergdp ISr pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband ,absorb(cityid year) cluster(cityid#year)est store g2reghdfe 风险投资 NEDC pergdp ISr pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband,absorb(cityid year) cluster(cityid#year)est store g3

（2）市场准入扩大机制

参考张梦婷等（2018）关于市场准入的测度思路，构建市场准入的测度指标（MAi）。表9第（1）列报告了城市市场准入机制的回归结果，从中可知，电商示范城市试点政策对城市市场准入水平具有显著促进作用，其估计系数在1%水平上显著为正。

Stata代码：

***=======表9 市场准入和多样化配套服务机制检验=======***use 表9.dta,clearreghdfe 市场准入  NEDC pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband,absorb(cityid year) cluster(cityid)est store h1reghdfe PSDA NEDC pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband,absorb(cityid year) cluster(cityid#year)est store h2reghdfe CEA NEDC##ODIV pergdp IS pop_d urbanr  hum_cap gov fdi finance pub_serv infra broadband if occup_diver!=. ,absorb(year cityid) cluster(cityid)est store h3

（3）多样化配套服务机制

（2024.05.09）【世界经济】电子商务政策与企业家创业精神

正文

请到「今天看啥」查看全文