我国信贷市场顺周期性实证研究

内容摘要：本文从微观角度分析在微观信贷市场上，即企业层面中是否存在金融加速器效应，通过面板回归模型和面板向量自回归（PVAR）模型考察企业资产负债状况对企业投资支出的影响。结果表明：我国信贷市场确实存在金融加速器效应，但是不如其它研究中观测到的强烈。尽管如此，随着我国金融系统的不断完善，金融加速器效应将会日益显著，因此仍然有必要通过政策手段对信贷市场的顺周期性进行正向的引导，从而为熨平经济周期、保持经济健康增长起到良好的促进作用。

关键词：金融加速器 信贷市场 经济周期

引言

改革开放之后，我国改变了“大一统”模式，建立了以中央银行为核心、以专业银行为主体、多种金融机构并存的金融组织体系。银行体系形成政策性银行、国有商业银行、股份制银行、地方性银行以及农信社等多种银行机构并存的结构，极大地促进了我国信贷市场的发展。2002 年我国加入世贸组织之后，外资银行逐步进入我国，形成对原有银行结构的有效补充。在国有商业银行进行股份制改革之后，四大国有商业银行陆续上市，提高了这 些银行的运营效率，完善了商业银行的竞争机制，我国银行体系的发展日益成熟，银行在经济发展中起到的作用越来越大。如今，我国的信贷规模已达到GDP的1.16倍，为金融与经济的顺周期联动性提供了条件。

文献综述

（一）国外研究

随着金融加速器理论的发展，许多学者将其拓展到新的研究领域，主要有开放经济下的金融加速器和不同市场的金融加速器效应分析。Gerlter、Gilchrist和Fabio（2007）建立了开放条件下名义价格刚性的小国经济一般均衡模型，分析了金融加速器机制和汇率制度之间的关系。研究结果发现在固定汇率制度下， 金融加速器的传导效应比浮动汇率制度要大。Gatti和Gallegati（2010）构建了包含上下游企业和银行的一般均衡模型，研究发现下游企业的资产净值水平变动可能引发整个经济体系的波动。 Nadeau 和 Wasmer（2010）分析了美国劳动力市场中的金融加速器效应，发现工资和劳动需求的波动具有金融加速器的放大效应。

（二）国内研究

国内对金融顺周期性的研究起步较晚，到2000年以后才开始有学者开始对金融加速器理论进行研究，并对我国的情况进行分析。袁申国、刘兰凤（2009）对制造业30个子类行业的货币政策金融加速器效应进行分析，认为有15个子行业没有表现出明显的金融加速器效应，另外15个行业则表现出行业层面的金融加速器效应，其中金属制造业表现出的效应最大。

杨胜刚、侯坤（2011）运用中国宏观经济 1994 年第一季度至2010年第三季度的数据对金融加速器传导机制的非对称性进行了实证研究，结果表明我国的金融加速器传导机制具有明显的非对称性，负面冲击加速经济衰退的作用明显 大于证明冲击对经济增长的作用。

研究设计

（一）研究假设与模型建立

本文做出如下假设并对其分别进行验证：

假设一：企业资产负债表的状况是企业投资支出状况的重要决定因素。这个假设是金融加速器效应存在的前提条件。

本文用企业投资与企业总资产的比率IKit来衡量企业投资支出，用企业的资产负债率DAit来衡量资产负债表的状况，当企业资产净值恶化时，DAit将会随之下降。为验证假设一，本文建立如下模型：

Ikit=α+β1DAit-1+β2PAit-1+β3DSit-1+∑sI=1β4IControllit+et+fi+εit

其中，被解释变量IKit表示企业投资支出与总资产的比值，解释变量DAit表示企业的资产负债率，PAit表示企业当期总利润与总资产的比值，DSit表示企业的债务结构，即流动负债占总负债的比值，Controllit是一组控制变量，包括货币供应量的增速M2t，GDP同比增长率GDPt。考虑到金融加速器的作用机制有滞后效应，即本期的财务指标影响企业下期的信贷和投资，因此将与企业财务状况有关的解释变量作滞后一期的处理。检验中重点关注系数β1，如果假设一成立，则β1应当显著为负。

假设二：经济衰退时期企业资产负债表状况对企业投资的影响程度比经济繁荣时期大。这是金融加速器传导机制的非对称性。

为检验经济周期中不同时期的影响，本研究设立虚拟变量Downt，经济上行时期Downt=0，经济下行时期Downt=1。加入虚拟变量后模型设定为：

如果假设二成立，则β1和β2应存在明显的差异。

假设三：资产负债表状况对小企业投资支出的影响程度大于对大企业的影响。

为验证这一假设，本研究仍使用假设一中的模型，并设置虚拟变量Scalei，令大企业Scalei=1，小企业Scalei=0，建立模型：

如果假设三成立，则β1和β2应存在明显的差异。

（二）数据说明

本文的数据来自国泰君安经济、金融数据研究服务中心的数据库和中国统计年鉴。根 据财务报表季度数据的连续性和数据完整性，选取2003年第一季度起至2011年第三季度作为样本区间、847个企业作为样本的面板数据。根据企业的投资支出、总资产、总负债、流动负债、总利润等财务指标分别计算出IK、DA、PA、DS等指标作为变量。

实证分析

（一）平稳性检验

本研究使用ADF-Fisher单位根检验来进行数据的平稳性检验，假设变量存在单位根，结果如表1所示。

从结果可见，6个变量全部在99%的置信水平上拒绝存在单位根的原假设，通过了单位根检验，都是平稳序列。

（二）模型选择

首先对变量进行BP检验以确定使用混合模型还是面板模型。

表2的BP检验结果显示 p 值接近于零，因此拒绝原假设，认为个体效应十分显著，不能使用混合模型。endprint

其次进行Hausman检验以确定使用固定效应模型还是随机效应模型，检验结果如下：

chi2（6）=108.73

Prob>chi2=0.0000

检验结果显示p值接近于零，因此拒绝原假设，认为应该使用固定效应模型。在进行固定效应模型的估计之后，本研究对结果进行了Wooldridge检验以确定固定效应模型的残差项是否存在一阶序列相关，原假设是不存在一阶序列相关，检验结果如下：

F（1846）=915.723

Prob>F=0.0000

结果拒绝原假设，因此认为残差序列存在一阶自相关，因此需要考虑动态面板模型。

（三）实证结果

根据检验结果，本研究选择构建固定效应模型和动态面板模型，在假设一的检验上使 用的数据为全部847家企业的面板数据，被解释变量为IK，解释变量为滞后一期的DA、DS、CA以M2增速和GDP同比增速。动态面板模型中还包含IK的滞后项。模型回归结果如表3所示。

从表3可以看出，三个模型的系数都十分显著，均通过了1%的显著性检验，且除被解释变量的滞后项以外系数符号方向均相同，结果较为稳健。固定效应模型通过了F检验，模型是显著的。动态模型的Sargan检验值大于0.05，可以认为不存在过度约束，工具变量是有效的。在相关性的Arellano-Bond检验上，两个动态面板模型的一阶差分残差项均存在一阶自相关，而不存在二阶自相关，因此通过了Arellano-Bond检验，认为模型的残差不存在自相关。动态面板模型中还包含了被解释变量IK的滞后三期项。根据前人的研究，在有限样本下，系统广义矩估计比差分广义矩估计的偏差更小，效率更高。而且对比差分GMM方法和系统GMM方法的系数估计值，可以发现差分GMM法的三个滞后项系数均为负，且滞后期数越多系数绝对值越大，而系统GMM法滞后一阶项的系数为正，且滞后项对当期的影响程度随着滞后期数的增加而减少，因此认为系统GMM法的结果比较符合真实情况。接下来以系统 GMM 的估计结果为准进行分析。

实证结果表明，所有解释变量对被解释变量都具有显著性的影响。解释变量DA的系数为-0.0652，是小于0的，因此可以认为我国的信贷市场上确实存在金融加速器效应，企业的资产负债率对企业投资支出有显著性的影响。资产负债情况的恶化，也就是资产负债率上升，使得企业外部融资成本的上升，进而使得企业投资减少。解释变量DS的系数为-0.1490，小于0，这反映了企业负债结构对企业投资支出的影响是负向的，即持有流动负债越多的企业对投资支出的意向越低，可以解释为流动负债的偿还期限较短，而企业往往倾向于用偿还期限长的长期负债进行企业投资，因此流动负债率越高，企业的投资支出越少。解释变量PA的系数为0.1086，大于0，说明企业上期的利润对本期的投资支出有正向影响，上期的利润越大，则企业本期的财务报表状况越好，更加愿意扩大投资规模。可见，企业上一期的财务状况确实对企业本期的投资支出产生显著的影响，这是金融加速器机制的前提条件。

在对假设二的检验中，为研究经济周期不同阶段的情况，本研究使用虚拟变量Down来区分经济的不同周期，值为1表示经济的下行周期，值为0则表示经济的上行周期。被解释变量仍然为IK，解释变量则为滞后一至三期的IK，滞后一期的Down*DA、（1-Down）*DA、DS、PA以及当期的M2增速和GDP同比增速。模型回归结果如表4所示。

实证结果表明，模型所有的系数均通过了1%的显著性检验，因此所有解释变量对被解释变量都具有显著性的影响。在假设一的检验基础上将DA变量拆分为Down*DA和（1-Down）*DA，Down*DA变量系数为-0.0670，（1-Down）DA变量系数为-0.0521，二者均小于 0且通过了t检验，因此这个虚拟变量的加入是显著的。且Down*DA变量系数的绝对值大于（1-Down）*DA，这说明在经济周期的不同时期，资产负债表对企业投资的影响程度存在显著的不同：在经济周期的上行期间，资产负债率对企业投资支出的影响系数是-0.0521，而在经济的下行期间，资产负债率对企业投资支出的影响系数是-0.0670，在下行期间资产负债状况对投资支出的影响程度大于经济的上行期间。

因此，这个结果验证了假设二，由此可见金融加速器的传导机制具有非对称性，在经济下行期间的作用强于在经济上行期间的作用。在对假设三的验证中，本研究按照与验证假设二类似的方法，设定虚拟变量，大企业的值为1，小企业的值为0。被解释变量为IK，解释变量则为滞后一至三期的IK，滞后一期的Scale*DA、（1-Scale）DA、DS、PA以及当期的M2增速和GDP同比增速。模型回归结果如表5所示。

实证结果表明，模型所有的系数均通过了1%的显著性检验，因此所有解释变量对被解释变量都具有显著性的影响。在假设一的检验基础将变量 DA 拆分为Scale*DA和（1-Scale）*DA，Scale*DA的系数为0.1613，（1-Scale）*DA的系数为-0.3076，二者都通过了t值的显著性检验，因此虚拟变量Scale的加入对模型有显著性影响。

从系数可以看出，对于大企业而言，资产负债率对企业投资支出的影响为0.1613，显著大于0，而对于小企业而言，资产负债率对企业投资支出的影响为-0.3076，显著小于0。因此资产负债率对大企业和小企业的影响是明显不同的，小企业体现出强烈的金融加速器效应，而大企业不仅未体现出金融加速器效应，反而出现资产负债率越高则下期的投资支出越大的反金融加速器现象。

综上可以看出：尽管模型结果与假设三的系数设想有些出入，但也从侧面验证了假设三，说明金融加速器效应在 企业规模上存在非对称性，小企业的金融加速器效应强于大企业。大企业出现反金融加速器现象，这可能是因为在经济转轨期间我国的金融机制并不十分完善， 未能做到完全的市场化，而大企业中国有企业较多，国有企业在融资方面较民营企业有着天然的优势，在资产负债状况较差的时候有足够的能力从外部获得更多融资，从而进行投资以期改善资产负债状况，这也是我国金融加速器效应的特点。

结论

本研究从微观角度通过847家上市公司从 2003 年第一季度到2011年第三季度的面板数据对我国金融加速器效应进行研究，发现企业资产负债表的状况对企业投资支出产生显著的影响，并且也观察到了经济周期和企业规模上的非对称性，金融加速器在经济下行周期中更加显著。且从企业规模上看，仅在小企业中存在金融加速器效应，而大企业中则出现了逆金融加速器效应。这与其他学者的研究结果相类似，认为我国信贷市场确实表现出具有特点的金融加速器效应。结果表明我国信贷市场确实存在金融加速器效应，但是不如其它研究中观测到的强烈。尽管如此，随着我国金融系统的不断完善，金融加速器效应将会日益显著，因此仍然有必要通过政策手段对信贷市场的顺周期性进行正向的引导，从而为熨平经济周期，保持经济健康增长起到良好的促进作用。

参考文献：

1.巴曙松，刘海博.信贷周期理论研究综述[J].湖北经济，2009（5）

2.曹建珍.房地产价格波动对经济的影响及对策—基于金融加速器效应的视角[J].金融经济，2011（20）

3.陈守东，王淼.我国银行体系的稳健性研究—基于面板VAR的实证分析[J].经济研究，2011（10）

4.崔光灿.资产价格、金融加速器与经济稳定[J].世界经济，2006（114）

5.何建勇.顺周期性效应的金融加速器机制解析[J].企业改革与管理，2010（3）

作者简介：

叶红梅（1973年-），女，陕西岐山人， 经济学硕士，西安外事学院讲师，主要研究方向为西方经济学。endprint

其次进行Hausman检验以确定使用固定效应模型还是随机效应模型，检验结果如下：

chi2（6）=108.73

Prob>chi2=0.0000

检验结果显示p值接近于零，因此拒绝原假设，认为应该使用固定效应模型。在进行固定效应模型的估计之后，本研究对结果进行了Wooldridge检验以确定固定效应模型的残差项是否存在一阶序列相关，原假设是不存在一阶序列相关，检验结果如下：

F（1846）=915.723

Prob>F=0.0000

结果拒绝原假设，因此认为残差序列存在一阶自相关，因此需要考虑动态面板模型。

（三）实证结果

根据检验结果，本研究选择构建固定效应模型和动态面板模型，在假设一的检验上使 用的数据为全部847家企业的面板数据，被解释变量为IK，解释变量为滞后一期的DA、DS、CA以M2增速和GDP同比增速。动态面板模型中还包含IK的滞后项。模型回归结果如表3所示。

从表3可以看出，三个模型的系数都十分显著，均通过了1%的显著性检验，且除被解释变量的滞后项以外系数符号方向均相同，结果较为稳健。固定效应模型通过了F检验，模型是显著的。动态模型的Sargan检验值大于0.05，可以认为不存在过度约束，工具变量是有效的。在相关性的Arellano-Bond检验上，两个动态面板模型的一阶差分残差项均存在一阶自相关，而不存在二阶自相关，因此通过了Arellano-Bond检验，认为模型的残差不存在自相关。动态面板模型中还包含了被解释变量IK的滞后三期项。根据前人的研究，在有限样本下，系统广义矩估计比差分广义矩估计的偏差更小，效率更高。而且对比差分GMM方法和系统GMM方法的系数估计值，可以发现差分GMM法的三个滞后项系数均为负，且滞后期数越多系数绝对值越大，而系统GMM法滞后一阶项的系数为正，且滞后项对当期的影响程度随着滞后期数的增加而减少，因此认为系统GMM法的结果比较符合真实情况。接下来以系统 GMM 的估计结果为准进行分析。

实证结果表明，所有解释变量对被解释变量都具有显著性的影响。解释变量DA的系数为-0.0652，是小于0的，因此可以认为我国的信贷市场上确实存在金融加速器效应，企业的资产负债率对企业投资支出有显著性的影响。资产负债情况的恶化，也就是资产负债率上升，使得企业外部融资成本的上升，进而使得企业投资减少。解释变量DS的系数为-0.1490，小于0，这反映了企业负债结构对企业投资支出的影响是负向的，即持有流动负债越多的企业对投资支出的意向越低，可以解释为流动负债的偿还期限较短，而企业往往倾向于用偿还期限长的长期负债进行企业投资，因此流动负债率越高，企业的投资支出越少。解释变量PA的系数为0.1086，大于0，说明企业上期的利润对本期的投资支出有正向影响，上期的利润越大，则企业本期的财务报表状况越好，更加愿意扩大投资规模。可见，企业上一期的财务状况确实对企业本期的投资支出产生显著的影响，这是金融加速器机制的前提条件。

在对假设二的检验中，为研究经济周期不同阶段的情况，本研究使用虚拟变量Down来区分经济的不同周期，值为1表示经济的下行周期，值为0则表示经济的上行周期。被解释变量仍然为IK，解释变量则为滞后一至三期的IK，滞后一期的Down*DA、（1-Down）*DA、DS、PA以及当期的M2增速和GDP同比增速。模型回归结果如表4所示。

实证结果表明，模型所有的系数均通过了1%的显著性检验，因此所有解释变量对被解释变量都具有显著性的影响。在假设一的检验基础上将DA变量拆分为Down*DA和（1-Down）*DA，Down*DA变量系数为-0.0670，（1-Down）DA变量系数为-0.0521，二者均小于 0且通过了t检验，因此这个虚拟变量的加入是显著的。且Down*DA变量系数的绝对值大于（1-Down）*DA，这说明在经济周期的不同时期，资产负债表对企业投资的影响程度存在显著的不同：在经济周期的上行期间，资产负债率对企业投资支出的影响系数是-0.0521，而在经济的下行期间，资产负债率对企业投资支出的影响系数是-0.0670，在下行期间资产负债状况对投资支出的影响程度大于经济的上行期间。

因此，这个结果验证了假设二，由此可见金融加速器的传导机制具有非对称性，在经济下行期间的作用强于在经济上行期间的作用。在对假设三的验证中，本研究按照与验证假设二类似的方法，设定虚拟变量，大企业的值为1，小企业的值为0。被解释变量为IK，解释变量则为滞后一至三期的IK，滞后一期的Scale*DA、（1-Scale）DA、DS、PA以及当期的M2增速和GDP同比增速。模型回归结果如表5所示。

实证结果表明，模型所有的系数均通过了1%的显著性检验，因此所有解释变量对被解释变量都具有显著性的影响。在假设一的检验基础将变量 DA 拆分为Scale*DA和（1-Scale）*DA，Scale*DA的系数为0.1613，（1-Scale）*DA的系数为-0.3076，二者都通过了t值的显著性检验，因此虚拟变量Scale的加入对模型有显著性影响。

从系数可以看出，对于大企业而言，资产负债率对企业投资支出的影响为0.1613，显著大于0，而对于小企业而言，资产负债率对企业投资支出的影响为-0.3076，显著小于0。因此资产负债率对大企业和小企业的影响是明显不同的，小企业体现出强烈的金融加速器效应，而大企业不仅未体现出金融加速器效应，反而出现资产负债率越高则下期的投资支出越大的反金融加速器现象。

综上可以看出：尽管模型结果与假设三的系数设想有些出入，但也从侧面验证了假设三，说明金融加速器效应在 企业规模上存在非对称性，小企业的金融加速器效应强于大企业。大企业出现反金融加速器现象，这可能是因为在经济转轨期间我国的金融机制并不十分完善， 未能做到完全的市场化，而大企业中国有企业较多，国有企业在融资方面较民营企业有着天然的优势，在资产负债状况较差的时候有足够的能力从外部获得更多融资，从而进行投资以期改善资产负债状况，这也是我国金融加速器效应的特点。

结论

本研究从微观角度通过847家上市公司从 2003 年第一季度到2011年第三季度的面板数据对我国金融加速器效应进行研究，发现企业资产负债表的状况对企业投资支出产生显著的影响，并且也观察到了经济周期和企业规模上的非对称性，金融加速器在经济下行周期中更加显著。且从企业规模上看，仅在小企业中存在金融加速器效应，而大企业中则出现了逆金融加速器效应。这与其他学者的研究结果相类似，认为我国信贷市场确实表现出具有特点的金融加速器效应。结果表明我国信贷市场确实存在金融加速器效应，但是不如其它研究中观测到的强烈。尽管如此，随着我国金融系统的不断完善，金融加速器效应将会日益显著，因此仍然有必要通过政策手段对信贷市场的顺周期性进行正向的引导，从而为熨平经济周期，保持经济健康增长起到良好的促进作用。

参考文献：

1.巴曙松，刘海博.信贷周期理论研究综述[J].湖北经济，2009（5）

2.曹建珍.房地产价格波动对经济的影响及对策—基于金融加速器效应的视角[J].金融经济，2011（20）

3.陈守东，王淼.我国银行体系的稳健性研究—基于面板VAR的实证分析[J].经济研究，2011（10）

4.崔光灿.资产价格、金融加速器与经济稳定[J].世界经济，2006（114）

5.何建勇.顺周期性效应的金融加速器机制解析[J].企业改革与管理，2010（3）

作者简介：

叶红梅（1973年-），女，陕西岐山人， 经济学硕士，西安外事学院讲师，主要研究方向为西方经济学。endprint

其次进行Hausman检验以确定使用固定效应模型还是随机效应模型，检验结果如下：

chi2（6）=108.73

Prob>chi2=0.0000

检验结果显示p值接近于零，因此拒绝原假设，认为应该使用固定效应模型。在进行固定效应模型的估计之后，本研究对结果进行了Wooldridge检验以确定固定效应模型的残差项是否存在一阶序列相关，原假设是不存在一阶序列相关，检验结果如下：

F（1846）=915.723

Prob>F=0.0000

结果拒绝原假设，因此认为残差序列存在一阶自相关，因此需要考虑动态面板模型。

（三）实证结果

根据检验结果，本研究选择构建固定效应模型和动态面板模型，在假设一的检验上使 用的数据为全部847家企业的面板数据，被解释变量为IK，解释变量为滞后一期的DA、DS、CA以M2增速和GDP同比增速。动态面板模型中还包含IK的滞后项。模型回归结果如表3所示。

从表3可以看出，三个模型的系数都十分显著，均通过了1%的显著性检验，且除被解释变量的滞后项以外系数符号方向均相同，结果较为稳健。固定效应模型通过了F检验，模型是显著的。动态模型的Sargan检验值大于0.05，可以认为不存在过度约束，工具变量是有效的。在相关性的Arellano-Bond检验上，两个动态面板模型的一阶差分残差项均存在一阶自相关，而不存在二阶自相关，因此通过了Arellano-Bond检验，认为模型的残差不存在自相关。动态面板模型中还包含了被解释变量IK的滞后三期项。根据前人的研究，在有限样本下，系统广义矩估计比差分广义矩估计的偏差更小，效率更高。而且对比差分GMM方法和系统GMM方法的系数估计值，可以发现差分GMM法的三个滞后项系数均为负，且滞后期数越多系数绝对值越大，而系统GMM法滞后一阶项的系数为正，且滞后项对当期的影响程度随着滞后期数的增加而减少，因此认为系统GMM法的结果比较符合真实情况。接下来以系统 GMM 的估计结果为准进行分析。

实证结果表明，所有解释变量对被解释变量都具有显著性的影响。解释变量DA的系数为-0.0652，是小于0的，因此可以认为我国的信贷市场上确实存在金融加速器效应，企业的资产负债率对企业投资支出有显著性的影响。资产负债情况的恶化，也就是资产负债率上升，使得企业外部融资成本的上升，进而使得企业投资减少。解释变量DS的系数为-0.1490，小于0，这反映了企业负债结构对企业投资支出的影响是负向的，即持有流动负债越多的企业对投资支出的意向越低，可以解释为流动负债的偿还期限较短，而企业往往倾向于用偿还期限长的长期负债进行企业投资，因此流动负债率越高，企业的投资支出越少。解释变量PA的系数为0.1086，大于0，说明企业上期的利润对本期的投资支出有正向影响，上期的利润越大，则企业本期的财务报表状况越好，更加愿意扩大投资规模。可见，企业上一期的财务状况确实对企业本期的投资支出产生显著的影响，这是金融加速器机制的前提条件。

在对假设二的检验中，为研究经济周期不同阶段的情况，本研究使用虚拟变量Down来区分经济的不同周期，值为1表示经济的下行周期，值为0则表示经济的上行周期。被解释变量仍然为IK，解释变量则为滞后一至三期的IK，滞后一期的Down*DA、（1-Down）*DA、DS、PA以及当期的M2增速和GDP同比增速。模型回归结果如表4所示。

实证结果表明，模型所有的系数均通过了1%的显著性检验，因此所有解释变量对被解释变量都具有显著性的影响。在假设一的检验基础上将DA变量拆分为Down*DA和（1-Down）*DA，Down*DA变量系数为-0.0670，（1-Down）DA变量系数为-0.0521，二者均小于 0且通过了t检验，因此这个虚拟变量的加入是显著的。且Down*DA变量系数的绝对值大于（1-Down）*DA，这说明在经济周期的不同时期，资产负债表对企业投资的影响程度存在显著的不同：在经济周期的上行期间，资产负债率对企业投资支出的影响系数是-0.0521，而在经济的下行期间，资产负债率对企业投资支出的影响系数是-0.0670，在下行期间资产负债状况对投资支出的影响程度大于经济的上行期间。

因此，这个结果验证了假设二，由此可见金融加速器的传导机制具有非对称性，在经济下行期间的作用强于在经济上行期间的作用。在对假设三的验证中，本研究按照与验证假设二类似的方法，设定虚拟变量，大企业的值为1，小企业的值为0。被解释变量为IK，解释变量则为滞后一至三期的IK，滞后一期的Scale*DA、（1-Scale）DA、DS、PA以及当期的M2增速和GDP同比增速。模型回归结果如表5所示。

实证结果表明，模型所有的系数均通过了1%的显著性检验，因此所有解释变量对被解释变量都具有显著性的影响。在假设一的检验基础将变量 DA 拆分为Scale*DA和（1-Scale）*DA，Scale*DA的系数为0.1613，（1-Scale）*DA的系数为-0.3076，二者都通过了t值的显著性检验，因此虚拟变量Scale的加入对模型有显著性影响。

从系数可以看出，对于大企业而言，资产负债率对企业投资支出的影响为0.1613，显著大于0，而对于小企业而言，资产负债率对企业投资支出的影响为-0.3076，显著小于0。因此资产负债率对大企业和小企业的影响是明显不同的，小企业体现出强烈的金融加速器效应，而大企业不仅未体现出金融加速器效应，反而出现资产负债率越高则下期的投资支出越大的反金融加速器现象。

综上可以看出：尽管模型结果与假设三的系数设想有些出入，但也从侧面验证了假设三，说明金融加速器效应在 企业规模上存在非对称性，小企业的金融加速器效应强于大企业。大企业出现反金融加速器现象，这可能是因为在经济转轨期间我国的金融机制并不十分完善， 未能做到完全的市场化，而大企业中国有企业较多，国有企业在融资方面较民营企业有着天然的优势，在资产负债状况较差的时候有足够的能力从外部获得更多融资，从而进行投资以期改善资产负债状况，这也是我国金融加速器效应的特点。

结论

本研究从微观角度通过847家上市公司从 2003 年第一季度到2011年第三季度的面板数据对我国金融加速器效应进行研究，发现企业资产负债表的状况对企业投资支出产生显著的影响，并且也观察到了经济周期和企业规模上的非对称性，金融加速器在经济下行周期中更加显著。且从企业规模上看，仅在小企业中存在金融加速器效应，而大企业中则出现了逆金融加速器效应。这与其他学者的研究结果相类似，认为我国信贷市场确实表现出具有特点的金融加速器效应。结果表明我国信贷市场确实存在金融加速器效应，但是不如其它研究中观测到的强烈。尽管如此，随着我国金融系统的不断完善，金融加速器效应将会日益显著，因此仍然有必要通过政策手段对信贷市场的顺周期性进行正向的引导，从而为熨平经济周期，保持经济健康增长起到良好的促进作用。

参考文献：

1.巴曙松，刘海博.信贷周期理论研究综述[J].湖北经济，2009（5）

2.曹建珍.房地产价格波动对经济的影响及对策—基于金融加速器效应的视角[J].金融经济，2011（20）

3.陈守东，王淼.我国银行体系的稳健性研究—基于面板VAR的实证分析[J].经济研究，2011（10）

4.崔光灿.资产价格、金融加速器与经济稳定[J].世界经济，2006（114）

5.何建勇.顺周期性效应的金融加速器机制解析[J].企业改革与管理，2010（3）

作者简介：

叶红梅（1973年-），女，陕西岐山人， 经济学硕士，西安外事学院讲师，主要研究方向为西方经济学。endprint