断点回归分析被认为是最接近随机实验的检验方法，由于断点回归能有效地避免参数估计的内生性问题，真实地反映出变量之间的因果关系（Lee，2008），因此，20世纪90年代以来，越来越多的研究开始运用断点回归来估计不同经济背景下的政策效应（Lee，etal，2010）。目前，断点回归在劳动经济学（李江一等，2017；邹红等，2015）、制度经济学（雷根强等，2015）及教育经济学（刘生龙等，2016）等领域中均有使用。在断点回归的基本思想中，解释变量施行供给侧结构性改革政策的时间X是影响被解释变量制造企业改革意愿Y的重要变量，但这种影响通常假定是平滑的。因此，一旦制造企业改革意愿的条件分布函数的连续性特征在断点处呈现出差异，即可认为被解释变量Y的增加或减少是由某项政策所产生的影响，参考断点回归中有关局部实验效应的估计方法（Imbens，et al，2008），得到如下断点回归模型：

其中，Yt表示第t个月时企业的改革意愿强度；Zi,t表示第t个月时第i类协变量的数值，其系数表示相应的协变量的作用效果；εi则是无法精确测量的误差值。

基于以上模型，本章假设在有一个国家供给侧结构性改革政策断点的情况下，研究制造企业改革“发文数量”这一因变量是否发生突变。具体来说，就是研究在2016年3月两会召开之后，国家确定全面推行供给侧结构性改革政策这一行为是否对我国制造企业的改革意愿起到显著的促进效果。断点回归需要保证除了政策因素之外，其他因素在断点前后的变化是连续的。尽管供给侧结构性改革政策出台前政府也在一定程度上对企业进行调控，但是这种调控是循序渐进的，并没有像供给侧结构性改革一样有着非常明确的时间点，所以本研究背景符合这一要求。其次，环境要求政策对于因变量的影响是立刻产生的。

(www.daowen.com)

图3-1　制造企业改革发文数量变动趋势

注：改革发文数量源自网络爬虫技术爬取东方财富网网站的结果并进行统计。

根据图3-1可以看出，确立推进供给侧结构性改革政策全面深化时，因变量改革发文数量的变化趋势产生了明显的变化，因此可大致推断本文的研究同样符合断点回归的第二点要求，因此得到检验模型如图3-2所示。

图3-2　检验模型