供给侧结构性改革背景下企业经营状况与企业杠杆率关系研究——以重庆企业为例

李 群，刘 涛,b

(中国社会科学院 a.数量经济与技术经济研究所，北京 100732； b.研究生院，北京 102488)



供给侧结构性改革背景下企业经营状况与企业杠杆率关系研究
——以重庆企业为例

李 群a，刘 涛a,b

(中国社会科学院 a.数量经济与技术经济研究所，北京 100732； b.研究生院，北京 102488)

降低杠杆率是供给侧改革的主要任务之一，提升企业经营水平是降低非金融企业杠杆率水平的重要手段，也是培养经济新动力的前提条件。通过分析重庆市经济增长指标和TFP增长率同重庆上市企业整体杠杆率水平，研究杠杆率和宏观经济指标与技术进步率之间的关系。在此基础上建立动态面板模型对重庆部分具备代表性企业的杠杆率水平同企业经营相关指标进行定量分析，综合得出降低杠杆率对经济宏观和企业微观的影响。

动态面板模型；杠杆率；供给侧结构改革；重庆

一、引言

降低杠杆率是当前供给侧改革五大任务之一，也是和降低系统性风险最为紧密相关的任务。杠杆率作为风险资本管理和资本充足率监管的有效补充，是衡量一个地区经济安全稳定的重要指标。2013—2015年是中国三期叠加状态较为明显的一个时期，特别是前期大规模经济刺激政策消化压力较大。杠杆率指标同房地产去库存、过剩产能消减、降低企业经营成本密切相关，同时又相互制约。

IMF公布的2015年《全球金融稳定报告》显示，主要新兴市场经济体企业债务水平急剧上升，报告认为杠杆率大幅度提升的原因是更为宽松的金融条件而非经济基本面改善。在中国，一些机构和学者对当前中国的杠杆率进行了分析，如任泽平等经过测算得出金融危机之后中国全社会杠杆率为260.8%，以及2008—2015年杠杆率上升90.28%的结论[1]；吴敬琏指出中国的杠杆率风险有自身特色，中国居民、企业债务占比相对于日本、美国等发达经济体都要高，因此偿债风险更高，降低杠杆率的必要性也更高[2]。

为此，2014年《国务院关于加强地方政府性债务管理的意见》(国发〔2014〕43号)出台，并且实施了新的预算法，严格控制地方政府债务。重庆市在2016年6月发布《重庆市金融去杠杆风险专项方案》，严格控制高息融资操作和其他高风险投资型金融产品。

2014年重庆市全年GNP同比增长10.9%，为全国之首。深入研究重庆市企业杠杆率水平和相关政策的影响，归纳总结重庆供给侧改革经验，分析降低杠杆率的作用，对推进全国范围内的供给侧结构性改革、防范系统性风险和培育经济增长新动能有十分重要的意义。

二、文献综述

杠杆率(Leverage Ratio)是指权益资本与资产负债表中总资产的比率，它是一个衡量公司负债风险的指标，能从侧面反映公司的还款能力。过高的杠杆率是系统性经济危机的根源。杠杆率计算方法为：

杠杆率=总资产/权益资本×100%

杠杆率= 1/(1-资产负债率)×100%

在2008年之后，巴塞尔委员会给出了一个关于资本监管的非常重要的建议，即对商业银行实施杠杆率限制。国内外学者围绕杠杆率展开了充分的研究。国外学者对杠杆率和经济增长做出了一些定量研究，Cecchetti在对18个OECD国家的政府、居民1980—2010年债务水平进行分析后得出当企业债务水平达到90%时会对经济增长产生抑制作用的结论[3]；Cuerpo等在分析欧洲私营部门债务水平的基础上建立了去杠杆工作对经济活动影响的定量分析框架，通过DSGE 模型仿真，得出经济结构的灵活性和经济新动能对去杠杆有显著的正面促进作用，这两点也是推动经济走向新的均衡状态的重要原因[4]。

与此同时，国内学者大多从宏观方面对国家整体杠杆率进行分析，并通过模拟、推演等方法分析在不发生系统风险的前提下杠杆率应当维持在何种水平上才能够保证企业的充分发展。刘信群等基于2002—2012年全国面板数据对杠杆率和经营绩效进行了定量分析[5]。诸建芳等分析了2012年杠杆率结构，认为居民杠杆率的上升速度需要控制、政府的杠杆率则需要保持稳定，未来几年中国杠杆率可能略有下降，这将对经济增长有所抑制[6]。

在杠杆率的结构研究方面，中国人民银行杠杆率研究课题组对2014年中国杠杆率进行评估和结构分析，认为当前中国最大的风险不是杠杆率的绝对水平，因而可以灵活运用目前仍然存在的杠杆率空间优化债务结构，并在经济增长过程中逐步降低杠杆率水平[7]。张明等比较分析了惠誉和穆迪对中国主权信用评级变化的原因，认为过高的企业杠杆率是中国经济两大潜在风险之一[8]。谭海鸣等在中国长周期一般均衡模型中，结合杠杆率分析和人口老龄化、人口迁移等因素得出金融杠杆率在确定上限基础上不应该过度压制杠杆率自然上升的结论[9]。

目前，杠杆率的研究主要集中在金融企业和政府部门，对一般性、非金融实体企业的研究较少[10]。对一般企业的杠杆率水平进行定量分析，是对供给侧结构性改革推进过程中进行效果评估、风险分析，寻找工作着力点的重要前提性工作。针对重庆地区具有代表性企业的分析是进行全国范围内供给侧结构性改革中去杠杆工作前期工作经验的归纳与总结。本文在对比分析重庆市非金融企业杠杆率、重庆整体杠杆率与经济产出、潜在增长率基础上，构建了动态面板回归模型并进行GMM回归分析。

三、重庆市杠杆率水平和经济增长潜力

中国供给侧结构性改革是应对中国经济增速不断下探、破解中等收入陷阱难题的必然选择，衡量供给侧改革的成功与否，需要综合考虑当期的经济增长率和未来的潜在经济增长率。潜在经济增长率的测算方法较多，较为常用的方法是通过索洛经济增长模型对包含多种投入的Cobb-Douglas 模型变形并计算全要素生产率。如张林通过包含人力资源的Cobb-Douglas模型，推算出2012—2020年我国GDP增长率大致在6.6%～7.8%[11]。

首先对重庆市杠杆率水平和两个主要经济增长指标——TFP和GNP进行对比分析。本文对TFP的测算采用Cobb-Douglas函数，仅考虑劳动力与资本投入，见式(1)。

(1)

本文选取2004—2014年《中国统计年鉴》中各省GDP面板数据为经济产出(Y)，以城镇单位就业人数、私营企业就业人数、个体户就业人数之和为劳动力投入(L)。资产投入采用永续盘点法测算，以1987年固定资产总额作为基期，以《中国统计年鉴》中固定资产形成额作为资本增量，根据会计习惯将资产折旧率设定为20%。

式(1)中α值一般根据一个国家或地区的投资拉动与劳动力投入之比进行估计，国外学者根据经验在20世纪90年代将公式中的α值一般设定为0.3。而一些国内学者对α的取值提出质疑，认为西方国家将α值放在较低水平会夸大TFP增长率在经济增长中的作用。

为保证计算的合理性，本文分别在α=0.3、0.5、0.6水平上进行测算。通过观察各省TFP增长率我们发现，将α值设定在0.6是一个较为合理的选项，能够反映近年来中国的实际情况。测算结果显示：中国全要素生产率总体上来说是增长的，但是全要素增长率的增长速度在2008年由于经济危机出现了很大下降；在2009年短暂的回升之后2010年至2013年逐步下降，甚至在2013年部分省份出现了负增长；随着2013年中国开始大力推进供给侧结构性改革，大部分省份全要素增长率逐步回升。

重庆市在制造业产业升级和控制杠杆率水平上采取了一系列有力措施，保证了经济发展潜力。通过对比2007—2014年全国TFP增长率算数平均值和重庆TFP增长率可以发现，自2012年后的3年时间重庆TFP增长率优于全国水平。

数据来源：《中国统计年鉴》，经Cobb-Douglas模型计算索洛残差所得。

图1 全国与重庆地区TFP增速对比

同时对比经济增长率，重庆GNP自2013年开始一直维持高增长率，优于全国水平，见表1。

表1 重庆GNP与全国GDP对比 %

数据来源：《中国统计年鉴》。

自开展供给侧结构性改革以来，重庆市经济表现和经济潜力是优于全国的，在杠杆率测量上我们采用重庆市44家*截至2016年9月，重庆市上市企业共45家，由于本文研究对象集中在实体企业，故将西南证券排除在外。上市企业的财务数据来代表重庆市企业的杠杆率水平，采用算术平均法测算平均杠杆率水平。截至2015年12月，重庆市44家上市企业整体资产负债率为66.51%，大大低于A股市场企业的平均值84.73%。从经营业绩来看，重庆市上市企业流动资产比例为58.09%，高于全国水平8个百分点。从偿债能力来看，重庆市上市企业归属母公司股东的权益/负债合计0.477 9,高于全国0.166 0。从时间上来看，重庆市上市企业自2013年开始资产负债率水平一直维持在66%左右。

从上市企业财务数据来看，自2013年起，全国企业总体短期借款水平上升，是杠杆率上升的主要推动因素，重庆企业各类负债水平都低于全国水平，但是自2012年以来上升速度较快，见表2。

可见，重庆良好的GDP与TFP增速表现同重庆企业较低的杠杆率水平有着共同的趋势。分析重庆企业杠杆率水平较低的成因和对经济发展的积极影响是供给侧结构性改革工作的重要方面。重庆市企业杠杆率水平不仅同外部整体经济相关，也和企业内部经营状况有密切联系。因此，对企业内部的经营状况和企业杠杆率水平关系进行定量分析十分必要。

表2 重庆上市企业资产负债水平

数据来源：万德FA数据库。

四、重庆市企业杠杆率与经营状况实证分析

面板数据模型是建立在面板数据之上、用于分析变量之间相互关系的计量经济模型。我们将重庆企业分季度财务报表作为时间方向，将不同企业作为截面方向构建面板模型。

回归模型设定必须根据面板数据的特性来分析回归模型设定是否有效，因此对模型的随机效应模型(Random-Effect Model)、固定效应模型(Fixed-Effect Model)进行检验，并且如果一个模型同时存在时间和个体两种效应，就称作双向固定效应。在时间和个体效应的估计上一般通过F统计量检验来判断模型的有效性，对混合估计和随机效应通常使用LM检验来判断有效性，对固定效应和随机效应模型应采取豪斯曼检验(Hausman Test)[12]。

首先判断是应当选取固定效应模型还是随机效应模型，构建面板数据模型如式(2)所示：

Yi,t=∑βtXi,t+μi,t

(2)

其中，Y代表该企业资产负债率，X向量为公司内部经营和财务系列指标。本文选取了归属母公司股东的权益、管理费用、流动比率、存货周转天、长期负债占比代表公司的内部治理、股权结构、资金状况和经营状况等。豪斯曼检验(Hausman Test)是一种一般性检验，用于模型选择时通过设定原假说为非观测效应与解释变量不相关来进行检测。为判断两种模型的有效性，本文采用豪斯曼检验，分别运用面板数据根据模型(2)进行固定效应模型回归和随机效应模型回归，获得回归结果WI、RE，将固定效应回归结果(WI)与随机效应回归结果(RE)统一进行豪斯曼检验，结果见表3。

表3 Hausman检验(固定效应与随即效应模型)

豪斯曼检验结果P值极小，因此选取固定效应模型。进一步判断是否存在个体或时间上的效应。通过R语言PLM包提供针对池数据的单位根检验方法，分别对个体效应和时间效应进行检验，结果见表4。

表4 POOL数据单位根检验(时间效应与个体效应)

个体效应和时间效应检验结果P值均小于0.01，表明面板数据中时间效应和个体效应都非常明显，因此应当选择建立双向(two-ways)模型。

由于资产负债率和其他指标的关联度因为数据报告期等因素较易产生数据滞后和影响滞后，因此需要对模型是否存在序列相关性进行检查。目前序列相关检验方法有DW检验、自回归检验、LM检验、Wooldridge检验、Breusch-Godfrey检验等方法。本文采用Wooldridge检验和Breusch-Godfrey检验，两者的结果P值小于0.01，均表示存在序列相关性，见表5。

表5 序列相关性检验

构建动态面板回归模型是分析本文数据中关于控制杠杆率和企业运行成本关系的有效方法。我们认为杠杆率对企业经营活动的影响时间较短，因此企业运行其他指标设定一阶滞后。根据上述检验结果，应当建立动态面板回归模型如式(3)：

Yi,t=αYi,t-1+∑βt-1Xi,t-1+ξi+μi,t-1

(3)

同时考虑到本文X向量当期相关的情况，构建了仅有自变量滞后一期的动态面板数据回归模型，见式(4)：

Yi,t=αYi,t-1+∑βt-1Xi,t+ξi+μi,t

(4)

考虑到一些变量可能同资产负债比是指数型相关，因此在模型(3)的基础上进行指数变形，设计模型(5)用来分析可能存在的指数相关性。

lnYi,t=lnYi,t-1+∑βt-1lnXi,t-1+μi,t-1

(5)

对上述动态面板数据的估计，可以采用OLS、LM等一般估计方法和WLS等针对异方差情况的调整方法。由于GMM方法不需要考虑数据分布差异问题，因此本文采用双向固定效应模型(two-ways within model)，并通过GMM方法回归。回归结果见表6～8。

式(3)回归统计量中，调整后的R2为0.103 91，模型解释力较好，F统计量在自由度DF6～338中为7.808 99，模型整体P值为小于0.01，模型整体可信度较高。回归指标中，资产负债率和母公司股东权益滞后一期回归结果显著。资产负债率财务流动比率有相关性，但P值超过0.01。

式(4)回归统计量中，调整后R2为0.081 434，模型具有解释力，F统计量在自由度DF6～338中为5.941 53，模型整体P值为小于0.01，模型整体可信度较高。回归指标中，公司杠杆率和母公司股东权益当期回归结果显著，财务流动比率和长期负债占比有一定相关性。

式(5)回归统计量中，调整后R2为0.046 205，模型具有解释力，F统计量在自由度DF6～338中为3.224 03，模型整体P值为小于0.01，模型整体可信度较高。回归指标中，公司杠杆率和管理费用与资产负债率呈现一阶指数显著正相关。

表6 模型(3)回归结果

表7 模型(4)回归结果

表8 模型(5)回归结果

五、结论与展望

总体上，我国近十年潜在增长率增速不断下降，中国经济发展动力不足的情况普遍存在。如何优化产业结构，需要对不同地区的供给侧结构性改革的相关政策制定与实施效果评价进一步研究。降低杠杆率水平是供给侧结构性改革中较为紧迫的任务，牢牢守住不发生系统性风险的底线是供给侧结构性改革能够顺利实施、保持经济社会稳定的前提条件。通过对比分析重庆企业和全国企业的财务构成可以发现，较低的杠杆率水平是经济潜力提升和经济稳定高速增长的先决性条件，重庆企业的财务数据体现了重庆市主动将杠杆率控制在合理水平的决心。

通过建立定量模型，我们发现降低杠杆率水平同企业内部资本形成、企业治理水平密切相关，这为供给侧结构性改革提供了从企业内部降低杠杆率水平的一些思路和手段。企业杠杆率本身是一把双刃剑，过低的杠杆率水平会影响企业资本形成，从而抑制经济增长。

降低杠杆率是一项系统而艰巨的工程，杠杆率过高的问题不仅是政府部门、金融企业和一般居民所面临的问题，非金融企业同样受杠杆率的影响，但这种影响存在时间上的滞后。

杠杆率在金融机构、政府、不同行业间的传导机制对供给侧结构性改革和非金融企业的影响是显著的，也是供给侧结构性改革中降低杠杆率这一重要任务的重点研究方向。

[1] 任泽平，冯赟.供给侧改革去杠杆的现状、应对、风险与投资机会[J].发展研究，2016(3)：8-13.

[2] 吴敬琏.追根产能过剩之源[J].新经济导刊，2013(7)：8-9.

[3] CECCHETTI S G,MOHANTY M S,ZAMPOLLI F.The real effects of debt[J].Bis Working Papers,2011,68(3):145-196.

[4] CUERPO C,DRUMOND I,LENDVAI J,et al.Private sector deleveraging in Europe[J].Economic Modelling, 2015,44:372-383.

[5] 刘信群，刘江涛.杠杆率、流动性与经营绩效——中国上市商业银行2004—2011年面板数据分析[J].国际金融研究，2013(3):88-95.

[6] 诸建芳，孙稳存.中国降杠杆的新思路[J].银行家，2014(9)：65-67.

[7] 中国人民银行杠杆率研究课题组.中国经济杠杆率水平评估及潜在风险研究[J].金融监管研究,2014(5):23-38.

[8] 张明，贺军.中国经济去杠杆化的潜在风险[J].金融市场研究，2013(5)：4-9.

[9] 谭海鸣，姚余栋，郭树强，等.老龄化、人口迁移、金融杠杆与经济长周期[J].经济研究,2016(2):69-81.

[10]朱鸿鸣,薄岩.中国全社会及各部门杠杆率测算[J].重庆理工大学学报(社会科学),2016(2):1-6.

[11]张林.中国潜在GDP增长率的测算[D].广州：华南理工大学，2013.

[12]HAUSMAN J A，TAYLOR W E.Panel data and unobservable individual effects[J].Econometrica，1981，49：1377-1398.

(责任编辑 魏艳君)

Study on the Relationship Between Enterprise Management and Enterprise Leverage Ratio Under the Background of Supply Side Structural Reform:Taking Chongqing Enterprise as an Example

LI Quna, LIU Taoa,b

(a.Institute of Quantitative and Technical Economics, Chinese Academy of Social Sciences, Beijing 100732, China; b.Graduate School, Chinese Academy of Social Sciences, Beijing 102488, China)

Reducing leverage ratio is one of the main tasks of supply side structural reforms. Enhancing the management level of enterprises is an important means to reduce the level of non-financial enterprises leverage ratio and the prerequisite for cultivating new economic force. Through analyzing of Chongqing economic growth indicators and TFP growth of the listed companies with Chongqing overall leverage levels, based on this level we construct dynamic panel model to make quantitative analysis on the level of the leverage ratio of some representative enterprises in Chongqing with the related index of enterprise management. It concludes that reducing the leverage ratio may have macroscopic effect on economic and microscopic effect on enterprise.

dynamic panel model; leverage ratio; supply side structural reform; Chongqing

2017-01-06 基金项目：国家社会科学基金项目“经济发展方式转变成效评价研究及其实证分析”(11BTJ015)；中国社会科学院哲学社会科学创新工程基础研究学者资助项目“经济评价的理论、方法与实证分析”(2014—2018)

李群(1961—)，男，山东临清人，中国社会科学院基础研究学者，数量经济与技术经济研究所研究员，博士生导师，综合研究室主任，研究方向：经济预测与评价、人力资源与经济发展。

李群，刘涛.供给侧结构性改革背景下企业经营状况与企业杠杆率关系研究——以重庆企业为例[J].重庆理工大学学报(社会科学)，2017(4):51-57.

format：LI Qun, LIU Tao.Study on the Relationship Between Enterprise Management and Enterprise Leverage Ratio Under the Background of Supply Side Structural Reform:Taking Chongqing Enterprise as an Example[J].Journal of Chongqing University of Technology(Social Science)，2017(4):51-57.

10.3969/j.issn.1674-8425(s).2017.04.008

F121

A

1674-8425(2017)04-0051-07