近年来，全球经济增速放缓、贸易萎缩等风险加剧，外贸市场面临多重压力和不确定性，抵御外部风险挑战对我国经济发展尤为重要。党的二十大报告指出，要着力扩大内需，增强消费对经济发展的基础性作用[1]。2022年12月，中共中央、国务院印发《扩大内需战略规划纲要（2022—2035年）》指出，扩大内需是有效应对外部风险挑战、提升经济发展韧性的有效渠道[2]。体育消费是扩大内需的关键途径[3]，对经济韧性起着重要作用。为应对新冠疫情对体育产业的影响，2020年5月，国家体育总局在全国40个城市开展了体育消费试点工作，促进体育消费回补和潜力释放[4]。可见，体育消费试点城市政策以体育产业发展为突破口，是增强经济韧性的有效尝试。体育企业是体育产业发展的微观主体[5]。因此，探讨国家体育消费试点城市政策对体育企业韧性的影响是非常必要的。这既是对体育消费试点城市政策实施效果的检视，也是提升企业治理水平、推动体育企业高质量发展及国民经济稳序增长的重要议题。
“韧性”一词起源于工程力学领域，后有学者将其引入组织管理学领域，提出了“组织韧性”的概念。组织韧性指的是企业在不利环境中拥有良好的社会关系和风险抵抗能力，依然能较好地维持其业务的持续性和资源的可得性[6]。接着拉开了企业韧性研究的帷幕，但其内涵和本质尚未形成权威统一的认知。目前，关于企业韧性的概念界定主要形成以下两类观点[7-8]。一是动态观，分为过程和能力两个视角。从过程视角来看，企业韧性是指危机前企业识别、改变并避免冲突升级，危机后迅速适应并恢复的动态过程；从能力视角来看，企业韧性是指企业遭遇危机时仍能够快速恢复并持续发展的生存能力。二是静态观，分为特质和结果两个视角。从特质视角来看，企业韧性是指企业遭遇危机时仍维持组织状态的理想特质；从结果视角来看，企业韧性指的是企业能够快速度过危机并恢复到原始的状态。然而，企业韧性是多维度、跨层次的复杂概念，需综合以上视角来探析，故本文主要参考王楠楠等[9]和阳旸等[10]的文章，将企业韧性定义为可以预测潜在威胁、有效应对突发事件以及从这些事件中学习的能力，从而促进组织变革和成长。
目前，关于企业韧性的研究主要聚焦于：刘建秋等[6]应用倾向得分匹配法分析了ESG表现对企业韧性的影响效应，发现存在市场竞争优势、融资成本、企业声誉和抗风险能力四条中介路径。蒋峦等[11]基于双元创新视角，即探索式创新和利用式创新，揭示了数字化转型对企业韧性的作用机制。左嘉涵等[12]采用多种中介模型，证明了数字化转型主要通过缓解企业融资约束和提高企业绩效等渠道来提升体育企业的韧性。关于体育消费试点城市政策的研究主要聚焦于：赵剑缘等[13]基于政策工具视角，对体育消费试点政策进行文本分析，深入研究体育消费试点城市建设、推进的总体特征；尹钰潼等[14]使用双重差分法分析体育消费试点政策的冲击进行检验，发现该政策对城市社会经济韧性的增强主要依靠产业结构优化效应和就业效应实现；刘圣文等[15]运用双重差分法和倾向得分匹配法，考察体育消费试点政策对体育企业的创业效应，发现该政策显著提升了试点城市体育企业的年新增数量；陈刚等[16]通过双重差分法检验了体育消费试点政策对体育企业创新的影响，发现该政策有效地促进了企业在自主研发和技术引进上的资金投入，但对企业研发人员无显著影响。但鲜见有关体育消费试点城市政策对体育企业韧性的影响研究。基于此，选取2016—2023年A股体育上市企业数据，运用双重差分法进行准自然实验，研究国家体育消费试点城市政策对当地体育企业韧性的影响，并提出针对性建议。本文可能的边际贡献在于：1）梳理了体育消费试点城市政策影响体育企业韧性的内在机理，为体育消费政策研究提供了新的微观视角，有利于明晰消费促进政策赋能体育企业高质量发展的多维功能；2）采用双重差分法评估了国家体育消费试点城市政策促进当地体育企业韧性的效果，进一步拓展了体育消费试点政策促进体育企业韧性的实践认识；3）探究后疫情时期体育企业创新模式的特点，为政府优化体育产业政策提供了实证依据，对推动体育企业在复杂环境中实现可持续发展具有重要的学术价值与现实意义。
1 理论基础与研究假设
1.1 国家体育消费试点城市政策与体育企业韧性
国家体育消费试点城市政策能够提升体育企业韧性。体育消费试点城市建设旨在促进体育消费回补和潜力释放，推动体育消费机制创新、政策创新、模式创新、产品创新[4]，其动力机制源于供给侧、需求侧要素间相互作用和相互促进的结果[17]。在需求端，体育消费试点城市政策通过扩大并稳定本地体育消费需求的规模与结构，显著提升体育企业韧性。根据“需求引致创新理论”，不断扩大的市场规模与多元化消费需求能够激励体育企业增加创新投入，并通过开发差异化的新产品与服务构筑市场竞争优势[18]。政策引导下，政府往往配以消费券、赛事补贴、场馆运营改革等措施，刺激居民体育参与频次与消费支出，形成更具可预测性的本地市场容量[19]。这一稳定扩大的需求基础降低了企业经营性现金流的波动幅度，使企业在面临外部冲击时拥有更宽裕的财务缓冲空间[20]。同时，试点政策通常会推动消费者需求从传统体育用品向智能穿戴、健身服务、沉浸式体验等多元化方向分化，企业不再依赖单一产品线或固定客群，而是面对多个细分需求节点[21]。需求的分化与叠加，倒逼企业分散市场风险，即便某一品类需求萎缩，其他品类仍然贡献收入[22]。此外，消费试点的长期政策信号效应赋予企业对未来需求趋势的稳定预期，企业在资本支出、库存管理与人力储备上可获得更理性的决策依据[23]，避免因短期波动过度收缩或扩张。需求侧的持续反馈进而内化为企业调整生产计划与产品组合的参照系，韧性由此体现为对市场节奏的主动跟随而非被动挣扎[24]。在供给端，体育消费试点城市政策有助于供给端精准满足体育需求，显著提升体育企业韧性。突如其来的新冠疫情对体育企业产生了较大冲击，线下消费场景受限、市场需求波动加剧，企业现金流和经营稳定性面临较大压力[25]。在此背景下，体育消费试点城市政策通过拓展体育消费场景、优化体育服务供给、搭建消费促进平台等方式，释放更加明确的市场需求信号，引导体育企业调整产品结构、服务模式和渠道布局[26]。这种供给侧的适应性调整，不仅有助于企业提高产品与服务供给的灵活性，降低对单一业务场景和传统线下渠道的依赖，也有助于企业在外部冲击下更快调整经营策略、重组资源配置并维持业务连续性[14,16]。基于此，提出以下研究假设：
假设H1：国家体育消费试点城市政策能够提升体育企业韧性。
1.2 体育产业创新活跃度的中介效应分析
国家体育消费试点城市政策能够通过政策信号释放与消费场景创新两条路径提升体育产业创新活跃度。从政策信号释放来看，体育消费试点具有较强的示范带动与资源吸附效应[27]。在试点创建任务与绩效考核压力下，地方政府通常会围绕体育消费场景建设、服务供给优化和消费平台搭建完善配套支持[28]，引导体育产业资源向消费场景、数字服务和产品创新环节集聚[29]。例如：西安市通过“政银企”对接机制，将体育企业纳入融资担保支持范围；长春市对健身场所实行低于一般工业标准的能源价格政策。这类制度供给有助于优化体育产业资源配置结构，为企业开展产品创新、服务创新与模式创新提供制度基础。从消费场景创新来看，体育消费试点政策通过赛事举办、消费券发放以及“体育+文旅”等融合业态发展，不仅扩大了体育消费规模，也显著丰富了消费应用场景[30]。例如：兰州市依托马拉松赛事打造“票根经济”，联动多行业形成消费协同网络；合肥市通过“体育夜市”与智慧健身设施建设拓展夜间消费空间。消费需求的扩张与结构升级将倒逼企业围绕市场需求开展产品迭代、服务创新和技术改良[31]，这些创新活动在城市层面累积推动体育相关专利申请数量的增加，进而提升体育产业创新活跃度。
体育产业创新活跃度的提升能够从产品迭代和市场适应两个方面增强体育企业韧性。首先，创新活跃度加快了产品功能更新、技术路线更替和服务模式重构，促使体育企业缩短产品迭代周期，并在持续创新中积累模块化开发与柔性制造经验[32]。当外部冲击发生时，体育企业能够依托既有迭代路径快速推出替代性方案或对现有产品进行适应性改进，从而降低对单一产品结构和固定供给模式的依赖[33]。同时，活跃的创新生态还推动体育用品与智能硬件、健康管理等跨界技术融合，这种融合反过来促使体育企业在产品迭代中形成应对技术波动的能力[34]。从这一意义上看，持续的产品迭代本身就是对体育企业应变能力的动态检验，有助于企业形成以多元产品组合应对需求波动的内在机制，更及时地识别市场需求变化并调整供给策略[35]。其次，在创新环境较为活跃的情境下，体育企业需要持续感知消费者偏好变化、政策调整和竞争格局重组等外部信号，并将其转化为组织学习、决策更新和资源配置优化的依据[36]。创新的风险性和不确定性迫使体育企业不断增强自身的动态能力，对内外部资源进行整合、重组并构建具有弹性的组织结构[37]，以便在需求萎缩或规则突变时能够迅速调整目标客群、服务场景与定价策略。此外，区域创新网络加大了信息溢出和协同效应，体育企业通过与高校、科研机构等主体互动，降低对市场趋势的误判风险，并建立起对潜在风险的早期预警与预案储备[38-39]。基于此，提出以下研究假设：
假设H2：体育消费试点城市政策能够通过提升体育产业创新活跃度促进体育企业韧性。
1.3 数字化同群效应的中介效应分析
体育消费试点政策能够增强数字化同群效应，主要体现在数字化发展环境、企业间合作交流和竞争压力三方面。首先，试点政策营造了数字化发展环境。《实施方案》提出各试点城市要积极发展数字体育、线上培训等新业务，推动体育场馆智能化、信息化建设。试点政策通过营造集群式发展环境与构建系统性数字技术创新生态圈，提高了当地数字化转型水平[40]。在此背景下，企业更倾向于进入数字化领域，以获得更多利益相关者的支持和认可，从而产生数字化转型的地区同群效应[41]。其次，试点政策创造了合作交流。体育消费试点城市与非试点城市之间通过政策交流、信息共享、资源互补等机制，形成了良性互动的局面[3]。企业间数字技术信息的交流与共享，可以推动关联企业的数字化转型，并出现同群效应[42]。再次，试点政策强化了企业间的竞争压力。在大数据、云计算等新技术的应用下，体育企业能够实现消费需求趋势预测，形成供给与需求的精准匹配[16]，实现信息的高效采集、存储和分析[43]，推动从产品研发、生产制造到市场营销全链条的数字化转型[44]，从而在市场竞争中占据优势地位。当企业观察到同行业或同地区企业通过数字化转型获取竞争优势时，他们往往会加快自身的数字化转型进程，进而催生数字化同群效应[45]。
数字化同群效应能够提升体育企业韧性，主要体现在知识溢出效应和规模经济效应两方面。首先，就知识溢出效应来说。数字化同群效应能够打破时间与空间限制，为企业间知识、技术的流动及溢出提供有力支持[46]。体育企业通过数字化平台与其他主体进行互动以获取自身所需的技术、人才等要素，提升对复杂环境变化的适应力[37]。其次，就规模经济效应来说。一方面，在数字化同群效应推动下，企业将数字技术广泛应用于生产经营，能够大幅度降低内部运行成本，提高生产效率和运营能力，增强企业受到冲击后的调整复原力[47]。就体育企业而言，数字化转型能够对体育产品生产、销售等流程的数据进行整合与统筹，提高企业供应链效率和管理效益[48]。如2020年新冠疫情爆发，部分体育企业采取数字化运营，积极拓展线上服务，在一定程度上缓解了疫情带来的冲击[49]。另一方面，数字化转型同群效应促进了企业与生态系统内其他企业的协同演化、共享资源[45]，能够扩大体育企业的交易对象，简化交易流程、提高监管效率，进而降低外部交易成本，形成一个风险共担、利益共享的完整体育产业链，提升体育产业链韧性[50]。基于此，提出以下研究假设：
假设H3：国家体育消费试点城市政策能够通过强化数字化同群效应促进体育企业韧性。
1.4 融资约束的中介效应分析
体育消费试点政策通过扩大市场需求和提供金融支持，有效缓解了体育企业发展过程中面临的融资约束。首先，在扩大市场需求方面。体育消费试点政策旨在激发市场活力和消费热情，促进体育消费回补和潜力释放，这为扩大体育内需提供了重要支撑[14]，如举办体育赛事及长三角体育节、开展全民健身活动、发放体育消费券、开设体育夜市等系列创新举措[3]，增强企业未来经营的可预期性。稳定的内源性资金不仅能缓解融资约束，更能启动“投资-升级-再融资”的良性循环，增强企业创新意愿[51]。其次，在提供金融支持方面。《实施方案》提出，各试点城市要积极发挥行业协会商会的作用，对体育企业在市场推介、投资融资等方面予以支持。如西安市开展了体育产业的“政银企”对接，吸引社会资本投资体育产业，为体育企业提供综合性招商和融资服务。在政府支持下，企业开辟了除银行贷款和市场融资外的资金渠道，缓解了内外部融资压力[52]。
融资约束从资源获取、供应链稳定、财务风险三方面影响体育企业韧性[12]。首先，在资源获取方面。根据资源基础理论，企业韧性形成的关键在于资源可获得性[53]。多元的融资渠道和较低的融资门槛能够帮助企业调动更多资源进行决策与生产，快速从不利环境中恢复，展现出较强的企业韧性[54]。尤其是充足的资金来源支持，能够减少企业在危机中面对负面冲击时产生的损失，防止不良状况的恶化[10]。其次，在供应链稳定方面。融资约束使企业缺少资金用于研发新技术和新设备，当整个产业链供应链在面对外部冲击时，难以通过技术手段及时调整生产方式[55]，导致企业无法按时支付货款或租金，也导致供应商减少供货或提高供货条件，破坏供应链稳定性[12]。最后，在财务风险方面。融资约束导致企业放弃许多净现值为正的项目[56]，大大降低企业的经营效率，显著增加企业资金链断裂压力以及财务风险[57]，进而影响体育企业韧性。基于此，提出以下研究假设：
假设H4：国家体育消费试点城市政策能够通过缓解融资约束促进体育企业韧性。
1.5 体育消费试点城市政策对体育企业韧性的异质影响
由于企业所处的外部环境与内部属性存在差异，这一政策效应可能表现出显著的异质性。本文从地理区域、技术密集度及行业属性3个维度提出异质性影响的研究假设。
假设H5：体育消费试点城市政策对东部地区体育企业韧性的提升作用强于中西部地区。
假设H6：体育消费试点城市政策对高科技行业体育企业韧性的提升作用强于非高科技行业。
制造业与非制造业企业在资产结构、创新模式及资本依赖程度方面存在系统性差异。首先，相比库存较大的制造业企业，非制造业企业的经营活动更多依赖线下消费场景、人力服务供给以及即时性消费需求，容易受到外部环境的冲击[64-65]。其次，非制造业企业具有轻资产特征，对外部资本投入和固定资产抵押融资的依赖程度相对较低[66]。而制造业企业通常具有较高的固定资产，拥有更强的信贷可得性和抵押融资能力[67]，更容易获得试点政策配套的“政银企”对接、金融信贷等融资支持。最后，部分非制造业企业的创新成果难以依托专利、实体工艺落地转化[68]，而制造业企业作为技术密集型和创新主战场，其创新成果更容易落地为新材料、新工艺、智能装备等实体技术，并形成标准化专利载体[69]，更可能将政策带来的市场需求和创新资源转化为企业成长能力[70]。基于此，提出以下研究假设：
假设H7：体育消费试点城市政策对制造业体育企业韧性的提升作用强于非制造业。
2 研究设计
2.1 变量选取
2.1.1 被解释变量：体育企业韧性
被解释变量为体育企业韧性。参考王楠楠等[9]和阳旸等[10]的研究，将体育企业韧性分为抵御能力、恢复能力和成长能力3个维度构建指标体系，并利用熵值法进行综合评价。首先，抵御能力包括财务活力、潜在资源、股价波动率和负债权益比。财务活力可以帮助企业有效抵御突发事件带来的冲击，潜在资源为企业带来抵御风险的预防价值，股价波动率来衡量企业抵抗能力，较低的负债股权比能够应付危机的中长期紧急情况。其次，恢复能力包括净资产收益率、总资产周转率和人力质量。企业净资产收益率、总资产周转率是企业在面临不确定性外部环境时安全度过危机的关键；人力质量是支撑企业发展的根本动力，有助于企业更快的恢复运营。最后，成长能力包括创新质量、营业增长率和总资产增长率。高创新质量能够不断优化要素配置效率以培育优质人力资源，营业增长率和总资产增长率等财务指标能够反映企业的盈利能力与市场开拓能力，是企业成长能力的直接体现。具体计算方法如表1所示。
表1 体育企业韧性评价指标体系 |
 |
2.1.2 核心解释变量：体育消费试点城市政策
核心解释变量为国家体育消费试点城市政策（DID），是城市虚拟变量与政策实施时间虚拟变量的交互项（Treat×Post）。若年度在2020年及以后，且属于国家体育消费试点城市的样本个体，取值为1，其余情况取值为0。
2.1.3 中介变量
融资约束（KZ）。参考高智林等[75]的研究，选用KZ指数作为衡量指标，其在测度企业融资约束时综合了经营现金流、现金股利、托宾Q、现金持有量与资产负债率五项指标，能够更加全面、直观地刻画企业所面临的融资约束程度。
2.1.4 控制变量
2.2 模型设定
本文采用双重差分法检验国家体育消费试点城市政策对当地体育企业韧性的影响。传统政策效果评估方法存在两类问题：1）比较同一主体在政策实施前后的差异，无法排除在政策实施期间是否是因其他因素带来的影响，将其误认为政策实施的结果；2）比较不同主体在政策实施前后的差异，无法判断实验结果是源于研究对象自身还是政策实施，将其均归为政策实施效果的一部分。双重差分法通过设置双虚拟变量及其交互项避免了上述两类问题。相较于传统政策效果评估方法，双重差分模型能够避免政策作为解释变量所存在的内生性问题，既能控制样本之间不可观测的个体异质性，又能控制随时间变化的不可观测总体因素的影响，从而能够得到对政策效果的无偏估计[76]。基于此，构建双重差分模型如下：
Yit=α0+β0Xit+γ0 Cit+μi+θt+εit
式中:Yit为被解释变量，表示企业i在第t年的企业韧性水平；Xit为核心解释变量，表示第i个企业第t年受到的消费试点政策影响；Cit为系列控制变量；α0为常数项；β0、γ0为影响系数；εit表示随机干扰项。同时，在回归中加入了聚类稳健标准误，即μi表示个体固定效应；θt表示时间趋势项。
为验证城市体育产业创新活跃度、数字化同群效应和融资约束在国家体育消费试点城市政策影响体育企业韧性中的中介效应，依据温忠麟等[77]等提出的逐步检验法，在模型（1）的基础上构建如下中介效应模型：
Mit=α1+β1Xit+γ1Cit+μi+θt+εit
Yit=α2+β2Xit+β3Mit+γ2Cit+μi+θt+εit
式中:Mit为中介变量的集合，即城市体育产业创新活跃度、数字化同群效应和融资约束；其余变量同上。中介效应的检验分为三步。第一步，若模型（1）β0显著，则继续使用模型（2）验证政策对中介变量的影响。第二步，若β1显著，则继续使用模型（3）验证政策影响、中介变量与企业韧性三者之间的关系。第三步，若模型（3）中：β2不显著、β3显著，说明存在完全中介效应；β2和β3都显著，说明存在部分中介效应；β2和β3都不显著，说明中介效应不存在。同时，考虑到传统逐步检验法在小样本条件下统计功效偏低，且间接效应通常不满足正态分布假定，进一步采用Bootstrap法和Sobel检验对间接效应进行检验。具体而言，通过重复抽样500次构建间接效应的经验分布，并报告95%偏差校正置信区间，若Bootstrap置信区间不包含0，则认为中介效应成立。
2.3 数据来源
本文以2016—2023年沪深A股体育上市企业作为研究对象。解释变量基于2020年8月国家体育总局公布的首批40个国家体育消费试点城市名单。被解释变量、中介变量以及系列控制变量主要来源于国泰安数据库（CSMAR）、Wind数据库、中国知网专利数据库、深圳证券交易所和上海证券交易所，根据企业注册地将试点城市与上市企业进行匹配。为使样本更具有代表性，进行以下处理：1）参考刘圣文等[15]的研究，剔除2020年当年及以后上市的企业；2）根据被解释变量综合指标体系中“股价波动率”这一变量，剔除嘉必优、仙乐健康等缺失值较多的企业；3）剔除2021年之后数据缺失值较多的退市企业；4）剔除所在地级市控制变量缺失值较多的企业。最终选取58家体育企业（表3）、453个样本观测值，其中处理组企业23家，对照组企业35家，并且为避免极端值的影响，对数据进行上下1%的缩尾处理。
表3 研究样本基本情况 |
 |
3 实证分析
3.1 基准回归结果
表4报告了国家体育消费试点城市政策对体育企业韧性的基准回归结果。其中，列（1）考察了基准回归结果的净效应，即仅控制个体固定效应和时间趋势项，体育消费试点城市政策（DID）的回归系数为0.031，且在5%的置信水平上显著。列（2）在加入系列控制变量后，DID的回归系数为0.041，且在1%的置信水平上显著。因此，体育消费试点政策能够显著增强体育企业韧性，研究假说H1得到验证。从影响程度看，以列（2）的结果为例，体育消费试点政策每增加一个标准差（0.409），体育企业韧性水平提高约0.017（0.041×0.409×100%），相较于样本期间体育企业韧性均值0.179而言增加了约9.5%（0.017/0.179×100%）。这说明无论是从统计学意义还是从经济意义，体育消费试点政策确实有助于提升当地体育企业韧性。整体而言，体育消费试点政策带来了体育企业韧性增强的净效应。
表4 基准回归结果 |
 |
注：***p<0.01、 **p<0.05。 |
3.2 稳健性检验
3.2.1 平行趋势检验
运用双重差分模型检验政策效果时，需通过平行趋势检验，即在体育消费试点城市政策发布前，试点城市和非试点城市的所在地体育企业韧性变化趋势应该是相同的。在2016—2023年加入年份虚拟变量，并与政策处理变量形成交互项，绘制系数变动趋势图。由图1可知，在政策实施前，系数估计值接近于0且不显著，表明处理组和对照组的体育企业韧性并未表现显著差异，即满足平行趋势检验。根据体育消费试点城市设立之后的回归系数可看出，实施该政策的地区其当年体育企业韧性水平在政策实施当年及第一年明显升高，之后呈现平稳趋势，表明政策影响存在一定的持续性。
最新研究发现，平行趋势假设的经验证据可能存在2个无法忽视的问题：一是由于没有明确的偏差判定标准，传统的处理前趋势检验在统计意义上可能是低功效的；二是传统检验方法将事后的非平行趋势完全归因于政策实施，却难以排除其他因素可能带来的干扰。因此，本文设定最大偏差度Mbar = 2×标准误，以检验事后处理效应的平行趋势敏感性。图2为试点政策实施当年及实施后三年的敏感性检验结果。结果表明，在最大偏离程度下，政策实施当年及实施后3年的系数在90%的稳健置信区间内均不包含0值，说明消费试点政策对体育企业韧性的提升效应较为稳健。
3.2.2 安慰剂检验
为检验体育消费试点城市政策对体育企业韧性的影响不是由其他随机因素导致的，本文利用反事实方法进行安慰剂检验。采用随机抽样的方法对基准回归模型进行安慰剂检验，主要思路是：如果在第t年有N个城市设定为处理组，在伪试点城市中随机抽取N个作为新的政策冲击城市组，将剩余的城市列为对照城市组，最后随机抽样得到城市个数与实际政策中的实验组城市个数保持一致。参考胡洁等[78]的做法，随机抽样500次构建“伪政策虚拟变量”，并以模型（1）重新回归估计，检验其系数和p值分布。结果如图3所示，“伪政策虚拟变量”对体育企业韧性的回归系数主要分布在0附近，且远小于基准回归系数的绝对值（0.041）。此外，回归系数分布接近于正态分布，且p值大多大于0.1，即在10%的置信水平上不显著。这一结果表明，体育消费试点城市政策对体育企业韧性的正向影响并非由其他随机因素导致的，基准回归结果是稳健的。
3.2.3 剔除部分样本
参考田淑英等[79]的做法，采用剔除疫情时段样本和直辖市样本两种方法，对基准回归结果进行稳健性检验。第一，为避免2020年新冠疫情对回归结果产生影响，将该时段样本剔除后进行回归。回归结果如表6列（1）所示，DID的回归系数为0.056，且在1%置信水平下显著，较基准回归中的0.041有所上升。这一变化说明，疫情期间政策对体育企业韧性的提升作用受到限制，可能是由于疫情冲击导致消费场景受限、政策传导受阻等因素，使得政策效应在疫情期间未能充分释放。第二，为避免直辖市与其它地区的行政地位、经济发展差异对回归结果产生影响，将北京市、上海市、天津市和重庆市剔除后进行回归。回归结果如表6列（2）所示，DID的回归系数为0.050，在1%置信水平下显著，表明体育消费试点政策主要是针对非直辖市体育企业带来红利，与试点城市名单相符。综上所述，无论是剔除疫情时段样本还是直辖市样本，回归结果依旧显著为正，表明基准回归结果具有稳健性。
表6 稳健性检验结果 |
 |
注：***p<0.01、 **p<0.05、 *p<0.10。 |
3.2.4 前置被解释变量
为检验基准回归模型结果的稳健性，同时避免双向因果的问题，本文将被解释变量前置一期（F.OR）重新进行回归。从表6列（3）结果可以看出，DID的回归系数仍显著为正，证明了基准回归结果是稳健的，也进一步表明体育消费试点政策的动态延续效应。
3.2.5 倾向得分匹配法
采用倾向得分匹配-双重差分法（PSM-DID）来控制因试点城市自身优势等选择偏差可能导致的内生性问题。表6列（4）报告了PSM-DID的回归结果，发现在对处理组和控制组进行核匹配后，核心解释变量的系数仍显著为正，与基准结果相差不大，进一步验证了体育消费试点政策对体育企业韧性的积极影响。另外，判断PSM是否有效的一般做法是查看匹配变量的标准偏差绝对值，标准偏差绝对值越小，匹配效果越好。表7为匹配样本的平行条件假设检验结果，可以看出，匹配之后的变量标准化偏差在10%之内，且t检验结果不拒绝原假设，与匹配前相比，变量的标准化偏差明显缩小，说明通过PSM后的样本有效地消除了由变量的系统性差异导致的研究结果偏误，通过了平衡性检验。
表7 匹配平衡性假定检验结果 |
 |
为进一步检验PSM的质量，在对处理组和对照组进行匹配后绘制了核密度函数曲线（图5）。在匹配前，处理组分布较为松散，对照组倾向左偏且分布较为集中，两组样本的倾向得分值的概率密度分布存在明显差异，如果不加以匹配，会产生一定的估计偏误。在匹配后，保留下来的两组样本的概率密度分布明显趋于一致，这表明匹配后两组样本各方面特征已非常接近，样本的选择性偏差基本消除。相比匹配之前，处理组与对照组的核密度分布偏离显著减小，表明匹配质量较好。
3.2.6 排除其他试点政策的影响
在本文的样本期内，2019年开始的人工智能创新发展试验区政策、2019年陆续获批的体育产业示范基地政策以及2021年提出的双减政策，可能会造成本文结果的偏误。因此，采用与体育消费试点政策相同的做法构建“是否受政策影响”与“政策实施前后”虚拟变量的交乘项，并将这些变量引入模型（1）中来控制其他同期政策对体育企业韧性的影响。回归结果如表6列（5）所示，可以看出，在控制了3项政策变量后，核心解释变量的系数仍然显著为正，且系数值变化不大，这表明体育消费试点政策具有显著促进体育企业韧性的效应，基准回归结果仍然稳健。
4 进一步分析
4.1 作用机制检验
表8 中介效应检验结果 |
 |
注：***p<0.01、**p<0.05、*p<0.10。 |
表9 体育产业创新活跃度与企业吸收能力的交互效应检验 |
 |
注：***p<0.01、**p<0.05、*p<0.10。 |
4.2 异质性分析
4.2.1 地理区域异质性
表10 异质性检验 |
 |
注：***p<0.01、**p<0.05。 |
4.2.2 是否属于高科技行业
4.2.3 是否属于制造业
根据企业所在行业是否为制造业对样本企业进行分组，将制造业企业赋值为1，非制造业企业赋值为0，构造是否制造业（Manu）虚拟变量。在检验制造业与非制造业异质性之前，考察政策实施前试点城市与非试点城市企业特征是否存在系统性差异，以回应样本选择偏误问题。基于2016—2019年政策实施前样本，分别在制造业和非制造业子样本中比较试点城市与非试点城市企业的主要特征。结果如表11所示，政策实施前两类样本在部分变量上存在一定差异，说明直接进行分组异质性检验可能受到试点城市选择性差异的影响。
表11 试点城市与非试点城市企业特征平衡性检验：制造业与非制造业样本 |
 |
注：***p<0.01、**p<0.05、*p<0.10。 |
为缓解上述问题，在制造业和非制造业子样本中分别采用倾向得分匹配方法，选取全部控制变量作为协变量开展核匹配。匹配后结果如表12所示，制造业样本中各控制变量在试点城市与非试点城市之间的均值差异均不显著。非制造业样本中各控制变量的均值差异同样均不显著，说明匹配后处理组与对照组在主要企业特征和城市特征上具有较好的可比性。在此基础上，进一步分别对制造业企业和非制造业企业进行DID估计。结果如表13所示，制造业样本中DID系数为0.071，并在5%水平上显著；非制造业样本中DID系数为0.043，并在10%水平上显著。该结果说明，体育消费试点政策对非制造业体育企业韧性同样具有正向促进作用，但制造业企业的政策效应更大。
表12 制造业与非制造业样本PSM平衡性检验 |
 |
表13 制造业与非制造业样本匹配后的DID结果 |
 |
注：**p<0.05, *p<0.10。 |
将其与体育消费试点政策（DID）的交互项引入基准模型进行回归。估计结果如表10列（3）所示，体育消费试点与是否为制造业的交互项（DID×Manu）回归系数为0.054，通过了1%水平的显著性检验，这表明体育消费试点政策存在行业差异化特征，对制造业体育企业的韧性提升效果更强，研究假设H7得到验证。这可能是因为：体育消费试点政策虽然直接刺激服务消费，但服务消费扩张会通过体育用品、智能装备、场馆设施等需求链条向制造业传导；同时，制造业企业具有更强的产能调整、库存调节、供应链协同和技术转化能力，因此更容易把消费扩张转化为资产增长和创新产出。
5 结论与建议
5.1 结论
本研究以2016—2023年A股体育上市企业为样本，探讨国家体育消费试点政策对体育企业韧性的影响效应及作用机制。研究发现：1）体育消费试点城市政策对当地体育企业韧性有显著且正向的影响，这一结论在平行趋势检验、安慰剂检验等系列稳健性检验后依然成立，验证了假设H1；2）作用机制检验揭示，体育消费试点政策能够通过提升体育产业创新活跃度、强化数字化同群效应和缓解融资约束促进体育企业韧性，验证了假设H2、H3和H4；3）异质性研究表明，相较于中西部地区、非高科技体育企业和非制造业体育企业，体育消费试点政策对东部地区、高科技体育企业和制造业体育企业的韧性促进效果更大，验证了假设H5、H6和H7。本研究为体育产业政策的研究提供了新的视角，为体育消费试点城市政策与当地体育企业韧性的关系提供了经验证据，对于优化政府体育产业政策、提升体育企业抗风险能力具有重要的指导意义。
5.2 建议
1）扩大政策试点覆盖范围，加大试点工作绩效评估监测。体育消费试点城市政策在激发体育消费市场活力方面已经有一定成效，未来应该扩大试点覆盖范围，为当地经济水平和体育企业高质量发展提供推动作用。一方面，各试点城市要建立健全体育消费数据的收集、分析机制，实时掌握体育消费市场变化，支持体育企业的决策制定。同时，激发市场体育消费活力，鼓励依法利用工业厂房、仓储用房等打造体育运动空间，支持在体育公园、运动营地等打造沉浸式体育消费场景。另一方面，构建动态监测体系，加强对政策实施效果的评估。各试点城市要及时分析试点政策的成效与不足，建立试点城市间的经验交流机制，总结可复制、可推广的典型案例和成功经验，推动先进经验在更大范围内复制推广，形成以点带面、梯次推进的体育产业韧性提升格局。
2）体育产业创新在城市试点政策影响体育企业韧性过程中发挥中介作用。各试点城市应围绕体育消费新场景和体育企业创新需求，支持体育企业开展产品研发、服务创新和数字化应用，推动体育相关创新成果转化。一方面，建立体育产业创新资源共享平台，推动技术、人才等创新要素在区域内高效流动和优化配置。各试点城市应设立体育科技创新中心或体育产业孵化器，建立产学研协同创新机制，完善体育产业人才培养和引进体系。另一方面，应设立体育科技创新专项资金，对企业研发投入给予税收抵扣、财政补贴等激励，同时建立体育产业创新成果评价和转化机制，支持企业申请专利。
3）数字化同群效应在试点政策提升体育企业韧性中发挥中介作用。各试点城市应把握数字经济发展机遇，通过营造数字化发展环境、促进企业合作交流等方式，激发体育企业数字化转型的同群效应。一方面，应加快推进体育场馆、体育设施的智能化、信息化建设，建设智慧体育公共服务平台，对开展数字化转型的企业给予资金补助、贷款贴息等政策支持。另一方面，应建立体育产业数字化转型联盟，搭建企业间技术交流、经验分享、资源对接平台，推动先进数字技术和成功转型经验在企业间交流共享。
4）缓解融资约束是提升体育企业韧性的重要途径。各试点城市应构建多层次、广覆盖的体育产业金融支持体系，系统性缓解体育企业面临的融资约束问题。一方面，持续创新体育消费促进措施，通过发放消费券、开设夜市等方式，扩大体育消费规模，增强体育企业未来收入的稳定性和可预期性，提升企业内源性融资能力。另一方面，应建立健全“政银企”对接机制，定期组织银行、投资机构与体育企业开展项目对接活动，搭建融资信息沟通桥梁；引导政府性融资担保机构将体育企业纳入重点支持范围，降低企业融资门槛和担保成本；支持符合条件的体育企业通过发行债券、股票等方式开展直接融资，拓宽融资渠道。
5）体育消费试点城市政策对东部地区、高科技行业和制造业的体育企业韧性促进作用更显著。对此，应避免“一刀切”的政策模式，根据不同地区、不同类型企业的特征建立分层分类的政策支持体系。
第一，针对东部地区体育企业，应充分发挥其产业集群优势和较低融资约束特征，重点支持产业链关键环节的技术创新和数字化升级，鼓励龙头企业带动产业链上下游企业协同发展，形成具有国际竞争力的体育产业集群。针对中西部地区体育企业，应加大财政补贴和金融支持力度，通过设立体育产业发展专项基金、建立政府性融资担保机制等方式，解决当地企业融资难、融资贵问题，同时加强其与东部地区的产业协作与技术转移，逐步培育完整的产业链体系。
第二，针对高科技行业体育企业，应强化研发资助和创新激励政策，支持企业开展关键核心技术攻关，推动智能健身器材、可穿戴运动装备等科技成果转化应用。针对非高科技行业体育企业，应注重提升其基础管理能力和服务质量，通过开展体育企业管理培训、建立行业标准规范等方式，帮助企业夯实发展基础，同时鼓励其与高科技企业开展合作，通过技术引进、联合开发等方式逐步提升创新能力。
第三，围绕体育消费新场景带动装备更新、用品升级和智慧场馆建设需求，鼓励体育制造企业参与赛事服务、健身设施、户外运动装备和智慧体育场景供给，推动消费需求向制造端有序传导。针对非制造业体育企业，应聚焦提升客户体验和优化业务流程，支持企业开展服务模式创新，推动“体育+”融合发展，通过举办体育消费节、发放体育消费券等方式扩大服务业市场需求，增强服务业企业的盈利能力和抗风险能力。
6 研究局限与展望
本研究旨在探究国家体育消费试点城市政策对体育企业韧性的影响，试图为体育企业韧性相关政策制定、实施以及完善体育消费试点城市政策提供经验证据，但是由于数据有限，本研究还有一些局限。
第一，受体育上市企业数量和数据可得性限制，样本仅覆盖沪深A股体育上市企业，处理组企业数量相对有限，部分交互项和分组检验的统计功效可能不足，研究结论的外部适用范围仍需进一步检验。未来研究可进一步扩大样本范围，将非上市体育企业、中小微体育企业和不同类型体育服务企业纳入分析。
第二，本文以城市层面A63小类体育相关专利数量衡量体育产业创新活跃度，虽然较全市专利总量更贴近体育产业，但仍难以完全覆盖体育服务模式创新、商业模式创新等非专利型创新活动。同时，企业吸收能力主要以研发支出强度衡量，测度较为单一，可能无法全面刻画企业对外部知识、市场信息和政策资源的识别、吸收与转化能力，部分结论应谨慎解释，不能据此否定企业吸收能力在其他情境下的可能作用。
第三，PSM-DID和平衡性检验虽能缓解可观测特征差异带来的选择偏误，但仍难以完全排除不可观测因素影响。未来可结合体育消费数据、企业调研数据和典型城市案例进一步检验政策效应。同时，可采用更丰富的中介效应和动态效应检验方法，考察政策效果在不同实施阶段、不同消费场景中的差异，以提高研究结论的解释力和政策参考价值。
