595 浏览关键词: 政府隐性担保；杠杆率；金融错配；
摘要: 文章选取2010~2020年我国沪深两市A股上市公司数据，构建动态面板模型对杠杆率变动和企业金融错配之间的关系和影响机制进行了实证分析，并检验了政府隐性担保对其关系的调节作用。研究表明：1) 杠杆率变动和企业金融错配之间存在“U”型关系。相较于低盈利、低成长、大规模企业，杠杆率变动对高盈利、高成长、小规模企业金融错配的边际影响更大。2) 政府隐性担保在杠杆率变动与企业金融错配的关系中发挥调节作用，政府隐性担保使得企业杠杆率和金融错配之间的“U”型关系更加平缓。综合上述逻辑传导，在金融供给侧改革和支持民营企业发展的政策实践中，应当妥善解决高杠杆可能引发的金融风险和民营企业仍存在融资难问题，助力产业的转型升级，早日实现经济高质量发展。1. 引言
改革开放以来我国经济保持了多年的高速增长，这种主要通过大规模的资本要素投入刺激经济增长的方式被称为“中国式增长模式”。于此同时中国实体经济的宏观杠杆率逐年攀升，自2008年至2021年，包括居民、非金融企业和政府部门的实体经济杠杆率从141.3%增加到272.5%，上升了131.2%1。但随着我国经济发展进入新时期，经济发展的方式和理念发生了改变。2015年12月，中央经济会议首次提出“三去一降一补”的政策方针，并将去杠杆作为供给侧改革的重要抓手。党的十九大报告明确指出当前我国社会的主要矛盾已经转化为人民日益增长的美好生活需要同不平衡不充分的发展之间的需要。习近平总书记在中央政治局集体学习中对推动金融业高质量发展做出了重要部署，实现经济的高质量发展需要优化资源配置和金融创新能力。
我国经济似乎处于这样一种窘迫的境地，部分高杠杆企业生产效率低下，却占有了大量的信贷资金；而多数更加高效的民营企业却面临着苛刻的融资条件，高杠杆企业和低杠杆企业均面临着金融资源的非效率配置。诚然，杠杆率高企提高了经济运行的总体风险，加剧了金融危机的发生概率，但在现有国情下，“一刀切”的去杠杆政策显然有失偏颇。
本文尝试解决以下问题：企业杠杆率对金融错配是否存在影响？二者之间的关系是否存在异质性特征？政府隐性担保是否对杠杆率和企业金融错配之间的关系存在调节作用？通过以上问题的探究，将进一步完善现有研究的不足，为更好的去杠杆、支持民营企业发展提供理论和实践的借鉴意义。
2. 文献回顾
金融错配即金融资源配置结构与效率之间的不匹配性 [1]。金融资源具有稀缺性，金融资源首先应配置于高效率企业和部门，而我国金融资源配置却表现出非效率特征，占有更多债务资源的主体却未能创造高效率和高增长，这直接导致高效率企业无法获得充分的资金，最终扼制了高效率企业的发展，弱化了经济发展的活力。
当前学者普遍从金融市场扭曲、政府的不当干预和金融体系缺陷三个方面对金融错配的进行研究。由于存在“逆向选择”和“道德风险”问题，银行的预期收益并非随着利率单调递增，当利率高于某一临界值时，利率的提高反而会降低银行的预期收益，因而在面对超额信贷需求时，银行通常不会通过提高利率来维持信贷供需平衡 [2]。此外政府的部分政策如政府补贴、行业准入限制、规模管控等是造成金融资源错配的重要原因 [3]。也有学者指出在信贷市场不完善的情况下，银行可以按照综合贷款条件，将企业进行排序，并优先将资金贷给综合信贷条件较好的企业。但政府可以通过直接补贴或者提供隐性担保等方式影响综合信贷条件，进而使得信贷资源优先向上述企业倾斜 [4]。
尽管经过多年发展，我国金融体系已发生巨大改变，但在资源配置上政府仍起重要主导作用 [5]。金融错配引发了资源的非效率分配，造成国有企业的投资过度与民营企业的投资不足。对比国有企业，无论直接融资还是间接融资，民营企业都面临更多限制，为克服高融资成本带来的不利影响，民营企业必须获得更高的资本回报率 [6]。
综上，现有文献主要聚焦于信贷资金非效率配置导致的金融错配以及可能引发的后果，却鲜有文献研究杠杆率变动和企业金融错配的关系，且尚未涉及两者关系的异质性特征及作用机制的考察。本文的边际贡献在于：第一，构建动态面板回归基准模型，考察杠杆率变动对企业金融错配的影响。第二，构建调节效应模型，考察政府隐性担保对杠杆率变动与企业金融错配关系的调节作用。本文的研究成果将为实现中国经济高质量发展和“供给侧结构性改革”提供有益的借鉴。
3. 理论分析与研究假设
3.1. 企业杠杆率水平对金融错配的非线性影响
在最初的MM定理下，全部股权融资的公司价值和借债融资的公司价值相等：
3.2. 政府隐性担保的调节作用
尽管在信贷配给过程中银行日益重视风险控制和经营绩效之间的平衡，但由于受国有企业享有政府隐性担保预期的影响，银行信贷配给仍存在显著的所有制偏好。政府隐性担保能够降低银行面临的信用风险，但也可能加剧道德风险。当政府隐性担保较弱时，能更好的发挥利率市场化作用，按照效率分配金融资源；而较强的政府隐性担保会增强银行的风险承担意愿，使信贷资源优先向国有企业倾斜，而经营绩效更高的民营企业却存在融资难问题。基于此，本文提出如下假设：
假设H2：政府隐性担保对杠杆率变动与金融错配的关系具有非对称性调节作用。
4. 实证研究设计
4.1. 样本数据来源
本文选取的研究样本为2010~2020年我国沪深两市A股上市公司，因将金融错配的滞后一阶作为解释变量，实际样本区间为2011~2020年。在借鉴过往研究的基础上，对原始数据采取如下处理：1) 剔除金融类上市公司；2) 剔除ST、*ST、PT等上市公司；3) 为降低极端值对回归结果的影响，对连续型变量进行首尾1%的截尾处理。最终得到3361家上市公司，23957个观测值。所有数据均来自于国泰安数据库或wind数据库。
4.2. 变量定义与构造
4.2.1. 政府隐性担保
当前学者关于政府隐性担保的测度主要基于所有权性质、政府补贴、政治关联等视角，在实证过程中往往采用“0，1”虚拟变量，存在精确度不够的弊端，本文将借鉴IMF的研究方法 [7]，利用默顿期权模型重新刻画政府隐性担保，该方法克服了基本特征差异的缺陷，且在该方法下，政府隐性担保为连续变量，虚拟变量的刻画方法，精确度明显提高。
根据默顿期权定价模型，利用时变的金融市场数据，将政府隐性担保定义为：
表1. 变量定义与构造
4.3. 计量模型构建
4.3.1. 杠杆率变动与金融错配的回归方程
将企业杠杆率和金融错配建立面板回归模型，通过杠杆率二次项和一次项系数的显著性等指标判断是否存在“U”型关系和拐点的具体位置，模型设定如下：
4.3.2. 政府隐性担保下杠杆率变动对金融错配的回归方程
关于二次项调节效用的分析比较复杂，Haans等认为可以通过以下两个方面考察调节变量对“U”型曲线产生的影响：1) 调节变量可能导致“U”型曲线的拐点向左移动或者向右移动；2) 调节变量可能造成“U”型曲线的形态变得更加陡峭或平坦 [10]。本文将借鉴该研究思路，通过着眼于“U”型曲线拐点的漂移和“U”型曲线开口形态的变动，研究调节变量对“U”型曲线的影响。
为检验调节效应，本文将调节变量纳入基准模型，建立如下方程：
4.4. 变量描述性统计
表2显示了各变量的描述性统计，被解释变量金融错配(Fh)的最小值接近0，最大值超过2.88，说明不同企业间的融资成本差异较大，面临金融错配的差异也较大。表3对金融错配(Fh)按照杠杆率划分进一步分析，发现随杠杆率(Debt)上升，金融错配(Fh)均值并非单调递增或递减，而是呈现先下降后上升的趋势，说明金融错配(Fh)与杠杆率(Debt)可能存在非线性的“U”型关系，这和先前的分析基本一致。同时发现在低杠杆率组(0%~25%)和高杠杆率组(75%~100%)均存在严重的金融错配，但造成二者金融错配的原因存在显著区别，低杠杆组是由于融资难、融资贵等问题造成资金缺乏进而导致严重的金融错配；而高杠杆组是由于经营绩效低下，却占有过多的信贷资金，造成资金冗余，引发低效率投资进而导致严重的金融错配。且低杠杆组的金融错配均值为0.73，远高于高杠杆率组(75%~100%)的金融错配程度(均值为0.52)，表明低杠杆企业存在的金融错配程度比高杠杆企业更严峻，侧面说明解决中小微企业的融资难、融资贵问题比高杠杆企业去杠杆更迫切。
表2. 变量描述性统计
表3. 金融错配描述性统计
5. 实证检验与结果分析
5.1. 基准模型检验：企业杠杆率变动对金融错配的影响及其异质性特征
本文选取全样本数据对企业杠杆率变动对金融错配的影响进行回归分析。回归结果由表4所示，在此基础上本文将借鉴Lind等(2010) [11] 提出的三步法对“U”型关系进行检验：1) 解释变量的一次项系数、二次项系数显著且方向正确。2) 曲线两端的斜率要足够陡峭。3) 曲线的转折点(拐点)必须在样本区间内。由回归结果列(2)可以发现企业杠杆率(Debt)的回归参数在1%的水平上显著小于0，而其二次项(Debt2)的回归参数在1%的水平上显著大于0，满足条件1。
由于本文研究企业杠杆率变动于金融错配之间的关系，控制变量不影响曲线形态，因此可以将基准模型简化为以下表达方式：
融错配之间存在显著的非线性“U”型关系，且当企业杠杆率低于0.6时，企业通过借贷增加杠杆可以缓解金融错配；当企业杠杆率大于0.6时，企业继续借贷增加杠杆会加重金融错配。
此外，本文将从盈利能力、成长性和企业规模三个企业微观特征研究企业杠杆率变动对金融错配的异质性影响。本文分别以ROA，Growth和LnSize的平均数0.035，0.174和22.311为划分依据，将全样本分别划分为低盈利/高盈利组，低成长/高成长组，小规模/大规模组并分别进行分组检验。异质性检验回归结果见表4第(2)~(7)列所示。
表4第(2)列和第(3)列的回归结果表明企业杠杆率与金融错配之间的非线性“U”型关系在不同盈利能力的企业中依然存在。对比不同盈利能力企业样本的拐点，其中低盈利组企业的拐点为0.657，高盈利组企业的拐点为0.544，均落在本文样本有效区间内，并且相较于低盈利组，高盈利组企业的拐点更早到来。有学者在研究企业金融化与非效率投资时发现，相较于高杠杆企业，低杠杆企业非效率投资拐点更早到来 [12]。这可能和每个企业面对的有限投资机会有关，高盈利组企业的边际投资收益已经接近或者等于边际投资成本，进一步增加负债融资，可能造成资金冗余，为了避免现金拖累，企业可能会选择投资实际边际收益小于边际成本的项目，进而造成资金的无效率使用。而有些企业处于高速发展期,虽然表现为低盈利(ROA为负值)，但面对的投资组合选择，边际收益远大于边际成本，增加负债融资能够提高资金的使用效率，缓解金融错配。此外对比两个子样本中企业杠杆率的二次项(debt2)回归系数，可以得知高盈利组企业的debt2系数(1.8085)显著大于低盈利组企业的回归系数(0.9524)，说明对比低盈利企业，高盈利企业杠杆率变动对金融错配的边际影响更大。
表4第(4)列和第(5)列的回归结果显示企业杠杆率与金融错配在不同成长能力的企业之间存在非线性的“U”型关系。对比不同成长能力企业样本的拐点，其中低成长组企业的拐点为0.6152，高成长组企业的拐点为0.6219，均落在本文样本有效区间内。比照低成长组和高成长组企业的拐点发现，低成长组企业的拐点更早到来，该观测结果证明，企业杠杆率上升对金融错配的加重作用首先在低成长性企业中出现。同时对比两个子样本中企业杠杆率的二次项(Debt2)回归系数，可以得知高成长组企业的Debt2系数(1.3818)显著大于低成长组企业的回归系数(1.1993)，说明对比低成长性企业，高成长性企业杠杆率变动对金融错配的边际影响更大。
表4第(6)列和第(7)列的回归结果显示企业杠杆率与金融错配在不同规模的企业之间存在非线性的“U”型关系。对比不同规模企业样本的拐点，其中小规模组企业的拐点为0.6187，大规模组企业的拐点为0.7971，均落在本文样本有效区间内。比照小规模企业组和大规模企业组企业的拐点发现，小规模组企业的拐点更早到来，该观测结果证明，企业杠杆率上升对金融错配的加重作用首先在小规模企业中出现。同时对比两个子样本中企业杠杆率的二次项(Debt2)回归系数，可以得知小规模组企业的Debt2系数(1.5772)显著大于大规模组企业的回归系数(0.6652)，说明对比规模较大的企业，规模较小的企业杠杆率变动对金融错配的边际影响更大。
表4. 杠杆率变动对金融错配影响及其异质性检验结果
注：表中Debt2和Debt分别表示杠杆率的二次项和一次项，*、**、***分别表示在10%、5%、1%的显著性水平下显著，括号内为T值，下同。
5.2. 调节作用检验：政府隐性担保
表5报告了政府隐性担保的调节作用检验结果，其中列(1)为基准回归模型，列(2)为加入调节项政府隐性担保后的回归模型。相较于基准模型，列(2)显示，政府隐性担保与杠杆率的一次项、二次项的交互项，以及政府隐性担保本身均在1%的显著性水平下显著，说明政府隐性担保对企业杠杆率和金融错配之间的关系产生显著调节作用。
接下来研究加入政府隐性担保这一调节变量后，对企业杠杆率和金融错配之间“U”型关系的影响，首先研究调节变量对“U”型曲线拐点的影响。当二次函数的一阶导数为0时即可求得极值，对公式(16)求导，即可得到“U”型曲线新的转折点 Debt∗ (极小值)：
由公式(21)可知，调节变量对“U”型曲线形态的变化主要通过系数 β5 正负来体现，回归结果列(2)中系数 β5 在1%的显著性水平下不等于0，说明调节变量Guar对“U”型曲线形态产生了影响，其次 β5=−4.0156<0，说明当政府隐性担保越强时，顶点曲率C越小，即“U”型曲线开口形态越平缓。相较于政府隐性担保较强的情况下，在政府隐性担保较弱时，按照市场规律分配资金，提高资金的使用效率，低杠杆企业增加杠杆对金融错配的缓解作用(负向关系)更强；而在政府隐性担保较强的情况下，相较于较低的政府隐性担保水平，高杠杆企业增加杠杆对金融错配的仍存在加剧作用(正向关系)但差异不明显。
表5. 政府隐性担保调节作用的检验
5.3. 稳健性检验
5.3.1. 替换被解释变量
本文首先将采用替代解释变量的方式检验模型的稳健性。本文借鉴谭小芬等(2019) [13] 的方法，将杠杆率进一步细分为短期杠杆率( Debts )和长期杠杆率( Debtl )，短期杠杆率( Debts )用流动资产与总资产之比表示，长期杠杆率( Debtl )用非流动资产和总资产之比表示，回归结果如表6第(1)、(2)列所示。回归结果(1)所示，短期杠杆率( Debts )的一次项、二次项均在1%的显著性水平下显著；当 Debts 取最小值时，端点斜率为−1.21，当 Debts 取最大值时，端点斜率为2.36；曲线的拐点为0.51落在样本有效区间。通过“U”型曲线三步检验，说明企业短期杠杆率对金融错配仍存在“U”型影响关系。回归结果(2)所示，长期杠杆率( Debtl )的一次项、二次项均在1%的显著性水平下显著；当 Debtl 取最小值时，端点斜率为−0.70，当 Debtl 取最大值时，端点斜率为1.11；曲线的拐点为0.28落在样本有效区间。通过“U”型曲线三步检验，说明企业长期杠杆率对金融错配存在“U”型影响关系。
5.3.2. 更换模型
其次本文参照先前学者的研究，重新运用系统GMM模型和普通最小二乘法对基准模型进行回归，回归结果如表6第(3)、(4)列所示。回归结果(3)所示，金融错配(Fh−1)的滞后一阶在1%的显著性水平下显著，杠杆率(Debt)的一次项、二次项均在10%的显著性水平下显著；当Debt取最小值时，端点斜率为−4.16，当 取最大值时，端点斜率为4.79；曲线的拐点为0.45落在样本有效区间。通过“U”型曲线三步检验，说明在系统GMM模型下企业杠杆率对金融错配仍存在“U”型影响关系。回归结果(4)所示，杠杆率(Debt)的一次项、二次项均在1%的显著性水平下显著；当Debt取最小值时，端点斜率为−0.63，当Debt取最大值时，端点斜率为0.43；曲线的拐点为0.55落在样本有效区间。通过“U”型曲线三步检验，说明在普通最小二乘法下企业杠杆率对金融错配也存在“U”型影响关系。
表6. 杠杆率变动对金融错配影响的稳健性检验结果
6. 结论与建议
本文利用中国2010~2020年间A股上市公司面板数据，利用默顿期权定价公式计算了政府隐性担保的价值，从理论和实证两个角度分析了杠杆率变动对企业金融错配的影响。
本文的研究结论主要如下：1) 企业杠杆率变动对金融错配的影响是非线性的，二者存在“U”型关系。当企业杠杆率较低时，增加杠杆率可以缓解金融错配；当企业杠杆率较高时，增加杠杆率会加重金融错配。2) 高杠杆企业去杠杆和低杠杆企业增加杠杆都能缓解金融错配，但相较于降低高杠杆企业杠杆率水平，加大对低杠杆企业的信贷支持力度，增加低杠杆企业杠杆率，对金融错配的缓解效应更加显著。3) 政府隐性担保对企业杠杆率和金融错配之间的关系存在调节作用。政府隐性担保使得企业杠杆率和金融错配之间的“U”型关系更加平缓，同时政府隐性担保也会使“U”型的拐点向右移动。4) 企业杠杆率变动对金融错配的影响具有异质性特征。相较于低盈利、低成长性、大规模企业，企业杠杆率变动对高盈利、高成长性、小规模企业面临的金融错配边际影响更大。
针对上述结论，本文给出如下建议：1) 明确企业杠杆率最优阈值，分门别类去杠杆。必须避免“一刀切”的去杠杆政策，要明确不同经济主体杠杆率的最优阈值，加强对企业杠杆率水平的动态监管，只有当企业杠杆率高于目标水平时，再施与差异化的去杠杆政策，帮助企业杠杆率回归最优区间。2) 加大普惠金融支持力度，切实缓解民营企业融资难问题。必须把缓解民营企业融资难、融资贵问题放到突出位置。可以利用金融科技，降低信贷机构的服务成本和企业的融资成本，进而降低中小微企业的融资成本。3) 减少政府隐性担保，发挥市场决定资源的主导作用。政府要有壮士断腕的决心，对部分效益低下的企业要落实破产机制，减少国有企业的预算软约束。其次商业银行在信贷资源配给时要消除产权歧视，削弱商业银行对政府“兜底”的预期。
1数据来自wind数据库，由作者整理得。
参考文献
[1] 周煜皓, 张盛勇. 金融错配、资产专用性与资本结构[J]. 会计研究, 2014(8): 75-80+97.
[2] Stiglitz, J.E. and Weiss, A. (1981) Credit Rationing in Markets with Imperfectin Formation. American Economic Review, 71, 393-410.
[3] Restuccia, D. and Rogerson, R. (2008) Policy Distortions and Aggregate Productivity with Heterogene-ous Plants. Review of Economic Dynamics, 11, 707-720.
https://doi.org/10.1016/j.red.2008.05.002
[4] Mutsuyama, K. (2007) Aggregate Implications of Credit Market Imperfections. NBER Working Paper.
https://doi.org/10.3386/w13209
[5] 张庆君, 李萌. 金融错配、企业资本结构与非效率投资[J]. 金融论坛, 2018, 23(12): 21-36.
[6] 邵挺. 金融错配、所有制结构与资本回报率: 来自1999-2007年我国工业企业的研究[J]. 金融研究, 2010(9): 51-68.
[7] IMF (2014) Moving from Liquidity-to Growth-Driven Markets. Global Financial Sta-bility Report.
[8] 陈延林, 吴晓. A股上市公司ST风险预警——基于KMV模型的大样本经验实证[J]. 华南师范大学学报(社会科学版), 2014(4): 92-99+182.
[9] 宁薛平, 张庆君. 企业杠杆率水平、杠杆转移与金融错配——基于我国沪深A股上市公司的经验证据[J]. 南开管理评论, 2020, 23(2): 98-107+120.
