加载中...
Central Fiscal Incentives, Local Coordinated Governance, and Employment Growth: Evidence from Micro and Small Enterprises
小微企业是吸纳就业的主力军,推动其扩大劳动雇佣规模是实现稳就业目标的关键路径。本文首先构建了一个包含目标奖惩的“政府—企业”两部门模型,比较均衡结果表明,中央政府通过建立奖励支持与绩效考核机制,强化地方政府在政策执行中的主体责任,能够有效提高小微企业的最优劳动雇佣规模。实证研究发现,小微企业创业创新基地城市示范政策显著提升了试点城市小微企业劳动雇佣规模。机制分析表明,示范政策推动试点城市统筹财政、税务、工商等部门共同支持小微企业发展,通过降低小微企业交易成本、融资难度与税费负担等方式激励小微企业扩大劳动雇佣规模。并且,企业劳动雇佣规模的提升效果在改革前营商环境较差、金融深化程度较低以及财政压力较大的地区更为显著。进一步分析显示,示范政策提升了小微企业的劳动产出效率,并且显著改善了员工薪酬待遇。本文为完善小微企业政策激励体系、实现稳就业目标提供了重要政策启示。
Abstract
小微企业是吸纳就业的主力军,推动其扩大劳动雇佣规模是实现稳就业目标的关键路径。本文首先构建了一个包含目标奖惩的“政府—企业”两部门模型,比较均衡结果表明,中央政府通过建立奖励支持与绩效考核机制,强化地方政府在政策执行中的主体责任,能够有效提高小微企业的最优劳动雇佣规模。实证研究发现,小微企业创业创新基地城市示范政策显著提升了试点城市小微企业劳动雇佣规模。机制分析表明,示范政策推动试点城市统筹财政、税务、工商等部门共同支持小微企业发展,通过降低小微企业交易成本、融资难度与税费负担等方式激励小微企业扩大劳动雇佣规模。并且,企业劳动雇佣规模的提升效果在改革前营商环境较差、金融深化程度较低以及财政压力较大的地区更为显著。进一步分析显示,示范政策提升了小微企业的劳动产出效率,并且显著改善了员工薪酬待遇。本文为完善小微企业政策激励体系、实现稳就业目标提供了重要政策启示。
小微企业示范政策显著提升试点城市小微企业劳动雇佣规模约10.6%
基于2011-2020年全国税收调查数据,采用双重差分模型估计,在控制企业层面控制变量、城市前定变量与年份虚拟变量交互项及企业和年份固定效应后,核心解释变量policy的回归系数为0.106,在1%水平上显著为正,表明相较于非试点城市,该政策使试点城市小微企业劳动雇佣规模平均扩大10.6%。
示范政策通过降低交易成本、缓解融资约束与减轻税费负担促进就业
机制检验发现,示范政策显著降低了小微企业的业务招待成本(系数-0.002)和市场交易成本(系数-0.007),表明政策有效降低了制度性与市场性交易成本。同时,政策显著提高了企业融资规模(系数0.051)并降低了融资成本(系数-0.001),并且显著提升了税收优惠落地概率(系数0.104),降低了企业实际税负(系数-0.002)与非税负担(系数-0.006)。上述结果表明,地方政府统筹各部门协同施策是政策发挥就业促进效应的关键渠道。
政策效果在营商环境差、金融深化低、财政压力大的地区更显著
异质性分析显示,按2014年城市商业信用环境指数、金融深化程度和财政压力的中位数分组回归,示范政策对小微企业劳动雇佣的提升效果仅在改革前营商环境较差、金融深化程度较低以及财政压力较高的地区显著为正,而在对应的高水平组中不显著,说明政策在初始约束更强的地区具有更大的边际效应。
示范政策提升了劳动产出效率并改善了员工薪酬
进一步分析发现,示范政策显著提升了小微企业的劳动产出效率(系数0.563,5%水平显著),同时企业工资总额(系数0.143)和员工平均薪酬(系数2.649)均显著上升,表明就业规模的增长并非通过虚增人数、低效雇佣或压减工资实现,而是真实、有效率的就业增长。
示范政策就业创造效应显著,政策周期内新增就业不低于80.66万人
基于基准回归系数10.6%与处理组企业平均员工数38人/企业,计算得出单位企业新增就业约4人。乘以样本期内受到政策实际影响的201648家小微企业,估算政策周期内就业总增量不低于806592人,且由于抽样样本的局限性,实际就业创造效应高于此直接测算值。
核心解释变量
核心解释变量为policy_ct,表示小微企业所在城市c在t年是否已入选小微企业创业创新基地城市示范名单,入选当年及之后赋值为1,否则为0。
被解释变量
被解释变量为小微企业劳动雇佣规模(Labor_ict),用企业当年平均职工人数((年初职工人数+年末职工人数)/2)的对数值来测度。
样本与数据
样本为2011-2020年全国税收调查数据中筛选出的小微企业。按照《中小企业划型标准规定》剔除中型及以上企业和个体工商户,剔除关键变量缺失或数值异常的样本,并对连续变量进行1%的双边缩尾处理。宏观数据来自《中国城市年鉴》和《中国财政年鉴》。
识别方法 / 模型设定
利用小微企业创业创新基地城市示范政策分批试点带来的外生冲击,构建双重差分(DID)模型进行因果识别。控制了企业和年份固定效应,以及2014年城市层面特征(金融深化程度、人均GDP、创业活跃度、城镇失业率)与年份虚拟变量的交互项以缓解政策非随机性问题。同时进行了平行趋势检验、试点政策随机性检验和平衡性检验。
内生性及稳健性检验
稳健性检验包括:①事件研究法平行趋势检验;②更换被解释变量测度方法(年末职工人数对数、职工人数增长率);③改变企业存续年限设定以排除企业搬迁与退出干扰;④使用堆叠法、插补法和组别—时期平均处理效应三种异质性稳健估计方法;⑤排除同期政策干扰;⑥改变固定效应与回归标准误聚类层级;⑦PSM-DID;⑧检验不可观测遗漏变量偏误(Oster方法);⑨置换检验。
更多相关数据正在补充