企业风险承担与全要素生产率的相关性研究

（博士生导师），

企业风险承担是指管理层在投资中的风险选择倾向，代表企业为了追求利润愿意付出代价的倾向（Lumpkin、Dess，1996）。企业在追求绩效增长的同时必然要承担一定的风险，现有研究也大多肯定了企业风险承担的积极影响。在企业风险承担的经济后果研究方面，已有的文献集中于讨论风险承担如何影响企业的经营绩效。但与传统企业绩效指标相比，作为衡量除劳动力和资本外其他生产要素投入带来的产出增长率的指标，全要素生产率也许更能反映最根本的问题。从微观角度来说，高水平的全要素生产率代表企业对资源的有效利用程度，传统意义上被理解为非生产性投入对产出的贡献，其更能使企业保持长期的竞争力。引申至宏观角度来说，现代西方经济学理论普遍认为，拉动经济增长的动力来源于劳动力增长、资本存量的增长以及全要素生产率的增长，而劳动和资本投入所带来的均不是可持续的经济增长（Krugman P.，1994）。因此，从全要素生产率的角度来研究企业风险承担的经济后果更能反映其对经济增长的根本影响。

早期国内关于企业风险承担的研究集中于金融行业，而关于一般企业风险承担的研究起步较晚。总体而言，研究大多集中在企业风险承担所受到的外部制度和内部治理的影响方面，如社会层面主要包括社会网络、市场化进程、政府补贴以及货币政策等；企业层面主要包括董事会结构、股权结构和债务分布等；管理层个体特征层面主要包括过度自信、管理层异质性等。在经济后果方面，已有文献大多肯定了企业风险承担能够对企业业绩带来积极影响（Conrad、Plotkin，1968；John等，2008；李文贵、余明桂，2012）。而董保宝（2014）提出，对于新企业来说，风险承担与新企业绩效之间呈倒U型关系，风险平衡是新企业的最佳选择。但企业风险承担带来的高绩效水平并不等同于高水平的全要素生产率，根据现有文献，鲜有学者关注企业风险承担对资源配置效率的影响，仅研究企业风险承担与绩效水平两者的关系不能全面地反映风险承担对企业以及宏观经济造成的影响。因此，从全要素生产率的角度讨论企业的风险承担问题，考察风险承担是否能帮助企业保持长期竞争力就显得十分必要。

具体而言，本文想要回答的问题是：风险承担水平高的企业是否会有更高的全要素生产率？高风险承担水平意味着企业对投资机会的识别和利用更加充分，表明企业会更多地选择高风险、高回报的项目，而高资本配置效率也意味着企业在增加投资高回报项目的同时会减少投资低回报项目。John等（2008）曾从宏观角度指出，风险承担水平高的国家伴随着高水平的全要素生产率。因此，本文预期企业风险承担水平与全要素生产率正相关。

一、理论分析和研究假设

（一）企业风险承担和全要素生产率

全要素生产率是指企业在生产过程中单位总投入的总产量，是指产出增长率不能归因于加权要素投入的部分。全要素生产率衡量了企业技术进步、资源利用效率、组织创新能力和规模经济等不易直接观测的方面。企业选择风险较小的投资机会虽然会获得稳定的回报，但也会使生产率长期停留在一个较低的水平（Acemoglu、Zilibotti，1997），而风险承担水平高的企业在面临不确定性时，倾向于选择利用风险创造价值。本文预期企业通过对投资项目的风险选择来对全要素生产率产生积极影响（John等，2008）。企业风险承担影响全要素生产率的逻辑链条如下：

1.风险承担始于对机会的识别和把握。在机会识别方面，低风险承担水平的企业会为了避免损失而对市场契机反应迟钝，不能迅速识别有价值的机会，从而不利于企业的长远发展（Covin J.G.等，2006）；但当风险承担水平较高时，企业对于未来不确定性中所蕴含的机会具有很强的洞察力，更善于识别而不是被动地等待市场中的良好机会。在机会把握方面，低风险承担水平的企业更容易陷入一种“能成功才尝试”的经营模式，因为低风险承担水平意味着企业不愿去接受那些难以监控的投资项目，如包含R&D支出的投资项目或其他关于无形资产的投资，同时低风险承担也会伴随低资本性支出（Leonce、Bargeron L.，2009）。也就是说，高水平风险承担表明公司勇于承担风险，善于把握其所识别的机会，更容易接受高风险的投资项目，从而利用这些机会创造价值，市场也会将其视为积极行为。除此之外，愿意承担风险的程度越高，企业越有动力源源不断地投入必要的资源去开发新的机会，以获取新机会的潜在价值所带来的好处，同时这种对新机会的开发和利用也会不断提升所识别机会的价值。总的来说，风险承担水平高意味着公司善于识别和把握任何有利可图的机会。

2.善于识别和把握机会有助于全要素生产率的提升。对于制造业企业来说，风险承担水平高意味着公司会利用前瞻性的视野更好地识别和把握投资机会，带来的最主要和最直接的效果是企业销售收入的增长（Kallapur、Trombley，1999）。因为风险承担水平高意味着企业更容易接受高风险的投资项目，而高风险意味着高收益，从而企业的产出增加、资源配置效率提高，销售收入的增长带来的产值增加和规模经济效应可以带动全要素生产率的增长。另外，销售规模更大，意味着企业有更雄厚的资金实力和更大的市场份额，使得企业创新的单位成本减少以驱动全要素生产率水平的增长（孙俊新等，2011）。除了销售收入的增加，把握和识别投资机会也会带来一部分附加效应以对全要素生产率产生正向影响。一方面，高水平风险承担往往伴随着较多的研发支出（Hilary、Hui，2009），而研发投入是技术进步长期持续下去的途径之一，不仅在引进新技术阶段需要研发投入的支持，后续阶段为适应新技术的组织制度和政策建设仍需要研发投入，进而通过技术变动驱动全要素生产力水平的上升（吴延兵，2008）；另一方面，高水平风险承担企业往往创新积极性更高（Hilary、Hui，2009），而创新有利于驱动企业全要素生产率的增长（杨汝岱，2015；叶静怡、林佳，2016）。

上述机制使得企业风险承担水平对全要素生产率的正向影响得以实现。鉴于此，本文提出如下假设：

假设1：企业风险承担水平和全要素生产率呈正相关关系。

（二）产权性质、企业风险承担和全要素生产率

企业风险承担水平的提高之所以能够带来全要素生产率的增长，一个很重要的因素是管理层必须是基于获利目的主动承担风险，在此基础上的风险承担才有助于企业效率的提升。但在国有企业中，由于存在严重的政府干预，经营目标出现扭曲且缺失一定的管理层激励约束机制（Shleifer、Vishny，1998），导致企业风险承担影响全要素生产率的逻辑链条缺失。就经营目标来说，学术界大多数学者认为国有企业应该承担更多的社会功能，国有企业对于经营目标的定位应在“企业营利性”和“国家公共性”之间实现均衡（周耀东、余晖，2012），同时国有企业的投资决策受到政府的直接干预，因此企业在进行投资时可能会出于政治或社会目标而接受一些风险高但收益低的项目。

就管理层激励约束机制的缺失来说，一方面，激励机制的缺失加之国有企业中管理层对收益所享有的份额远低于非国有企业（Hart等，1997），管理层缺乏承担风险以追求收益的动机，这会使得国有企业的管理层对机会的识别和把握较为迟钝。另一方面，管理层约束机制的缺失为管理者机会主义行为提供了空间，除了导致管理层的偷懒行为，还会使管理层在做投资选择时从自身利益出发而不是建立在必要性和投资风险能被企业接受的前提下，即使投资决策被证明是错误的，管理层也会想办法维持项目而不是立即停止，以免因决策失误在其任职期间的暴露而给其自身利益带来损害，从而使得高风险高收益的逻辑推理不成立。此外，已有学者证明，出于国有资产保值增值的目标以及寻租现象的存在，相对于非国有企业，国有企业的管理层往往不愿意接受高风险的投资项目，即使该项目存在获得高收益的可能性（李文贵、余明桂，2012）。

综合以上分析，在国有企业中风险承担影响全要素生产率的路径相对弱化或是不存在。鉴于此，本文提出如下假设：

假设2：在其他条件不变的情况下，与国有企业相比，非国有企业中风险承担水平对全要素生产率的正向影响更加显著。

二、研究设计

（一）样本数据及来源

由于本文研究的是企业风险承担对全要素生产率的影响，而全要素生产率主要反映企业的生产效率，因此本文样本为2006～2015年制造业上市公司数据，并剔除造成异常影响的ST/PT样本、中途退市以及数据有缺失的样本。另外，为了避免极值的影响，对连续变量进行了上下各1%分位的缩尾处理。最终得到9091个观测值。本文所有数据均来自CSMAR数据库。

（二）回归模型

参考孔东民、代昀昊和李阳（2014）的研究，本文建立模型（1），运用全样本数据进行回归，以检验假设1；再分别对国有和非国有企业样本进行回归，以检验假设2。此外，在模型分析中，为了降低企业风险承担和全要素生产率之间的内生性、剔除其他控制变量与企业风险承担对全要素生产率的共同影响，引入模型（2）进行了正常企业风险承担的拟合，用模型拟合后的残差作为上市公司的超额风险承担衡量变量，用超额风险承担变量代替原变量对模型（1）进行回归。

模型（1）中，tfp为公司本年度全要素生产率；risk表示企业风险承担，为模型主要的考察变量；β1反映了风险承担水平对全要素生产率的影响，其系数预计为正。参考已有文献，加入了企业规模、市场份额、固定资产占比等控制变量，其中：size代表企业规模，为企业期末总资产的对数；cost代表代理成本，参考李寿喜（2007）的文献，代理成本等于公司当年管理费用和销售收入之比；fa代表固定资产比例，等于固定资产与年末总资产之比；profit代表企业的盈利能力，等于销售收入与年末总资产之比；share代表企业市场份额，等于企业销售收入占行业总销售收入的比例；soe和soe1代表最终控制人类型，其中soe表示是否为国有控股，公司为国有控股取1，否则取0，soe1表示是否为外资企业，公司为外资企业取1，否则取0；city_id表示企业所在城市的虚拟变量。此外，模型还对行业和年度效应进行了控制。

（三）变量定义

1.全要素生产率。现有的全要素生产率测算方法大致可以分为三类。

第一类为参数法，含Cobb-Douglas生产函数和超越对数生产函数等，其回归得到的残差即为全要素生产率的衡量指标。该方法建立在生产函数对现实做出一系列假设的基础上，而现实往往不符合这些假定条件，从而会导致对全要素生产率的测算存在偏误（聂辉华、贾瑞雪，2011；鲁晓东、连玉君，2012）。

第二类是以OP法（Olley、Pakes，1996）和LP法（Levinsohn、Petrin，2003）为代表的半参数法，虽然OP法和LP法在一定程度上缓解了传统计量方法中的内生性以及样本选择偏误的问题，但其仍然基于生产函数进行计量估计，同时Wooldridge（2009）指出OP和LP方法均用了两个阶段来进行参数估计，而两阶段估计有可能因为忽略了跨越两个方程的误差之间的同期相关性而不能有效地解释误差中的序列相关或者异方差，从而使得该方法的估计有效性降低。

第三类为非参数法，包括指数法和DEA法。Caves、Christensen和Diewert（1982）提出了DEAMalmquist指数方法，该方法是指结合DEA和Malmquist指数法对全要素生产率进行估计，非参数法避免了由生产函数设定不当带来的偏误。本文通过比较全要素生产率各类衡量指标的优劣，借鉴孔东民、代昀昊和李阳（2014）的做法，利用非参数法中的Tornqvist指数法（Caves，1982）计算全要素生产率，该方法的优势之一是容许企业之间技术异质性的存在。计算方法如式（3）所示。

式（3）中，q、l和k分别代表总产出、劳动投入和资本投入的对数值，s代表总投入中劳动投入所占份额，下标i，t代表公司i在观测时段内t年度的观测值，下标t表示t年度公司所在行业的平均值。考虑到公司的适用性，本文选择企业增加值作为总产出的衡量指标，劳动投入和资本投入分别由员工人数和固定资产净额来衡量。

2.企业风险承担。参照余明桂（2013）和吕文栋（2015）的做法，本文选择企业盈利的波动性［σ（ROA）］来衡量企业风险承担水平，计算方式如式（4）、式（5）所示。

式（4）和式（5）中，roa等于企业息税前利润除以年末总资产。先计算每个企业的roa，然后减去行业平均值以剔除行业因素的影响，再计算调整后roa的标准差以衡量企业风险承担水平。该指标值越大，表明企业当年风险承担水平越高。在稳健性检验中，本文还用了营业收入的波动性以及观测时段内roa的最大值与最小值之差来衡量企业风险承担水平。

相关变量的定义如表1所示。

表1 变量及其定义

三、实证结果与分析

（一）描述性统计

表2为主要变量的描述性统计结果。在表2中，全要素生产率tfp的均值和中位数分别为1.199、0.938，基于tfp测度的标准差可以发现企业间全要素生产率存在较大差异。企业风险承担risk的平均值为0.078，中位数为0.029，最大、最小值分别为0.961和0.002，这说明企业间风险承担水平差距较大，因为本文只研究制造业企业，与吕文栋等（2015）的统计结果相比，表明制造业企业风险承担水平相对全部行业的平均水平要高。在控制变量方面：代理成本cost的平均值为0.093，表明管理费用占销售收入的比例平均为9.3%；soe的平均值为0.417，表明样本中大约41.7%的企业属于国有企业；soe1的平均值为0.019，表明将近2%的企业属于外资企业。

表2 描述性统计

（二）相关性分析

表3列示了模型中主要变量的Pearson相关系数。结果显示，所有变量的相关系数均小于0.5，且在vif检验中所有变量的vif值在1和2左右，远小于10，表明变量之间不存在多重共线性问题。其中，risk与tfp两者没有表现出较强的相关性，这可能是由于企业风险承担和公司其他特征存在一定的相关性。就单变量来说，risk和公司其他特征如size、cost和le⁃verage等对全要素生产率产生了不同的影响，从而导致企业风险承担和全要素生产率在相关性的混合效应方面表现不显著。考虑到企业风险承担和其他控制变量之间存在相关性可能带来的潜在共线性问题，如前所述，本文借鉴吕敏康等（2015）的做法，引入模型（2）计算了超额企业风险承担以对这种可能性加以控制，减少其对本文回归结果的影响。

表3 主要变量的Pearson相关系数矩阵

（三）回归分析

表4列出了企业风险承担与全要素生产率相关关系的检验结果。列（1）和列（2）中，无论是否控制行业和年度，企业风险承担risk的系数都在1%的水平上显著为正，这说明在控制其他因素的情况下，企业风险承担水平越高，其全要素生产率水平也越高，验证了假设1。结果揭示，当企业的风险承担水平较高时，意味着企业对投资机会的识别和把握更加充分，也更容易接受风险高的投资项目，在带来销售收入提高的同时也会带来技术水平的提升等附加正效应，从而提高全要素生产率水平。在控制变量方面，size、profit、share、leverage、soe1与全要素生产率显著正相关，cost、fa和soe与全要素生产率显著负相关，这与孔东明等（2014）和任曙明等（2014）的研究结论基本一致，该结果表明固定资产比例的下降和代理成本的降低都能促进企业生产效率的提升，且国有企业的生产效率显著低于非国有企业。

列（3）和列（4）是以是否为国有企业进行分组后的回归结果。已有文献证明，国有企业和非国有企业的全要素生产率水平存在显著差异，考虑到残差的异质性，本文对假设2进行分组回归检验，以增加结果的稳健性。列（3）是非国有企业的回归结果，列（4）是国有企业的回归结果。列（3）中，tfp和risk在1%的水平上显著正相关，但在列（4）中，risk的系数没有表现出显著性，验证了假设2。这进一步表明，企业风险承担对全要素生产率的正向影响机制存在于非国有企业，而对于国有企业而言，由于经营目标的扭曲和管理层激励约束机制的缺失，企业风险承担水平的变化不会影响全要素生产率。国有企业样本回归结果中soe1的系数缺失是因为外资企业只存在于非国有企业中，非国有企业样本中控制变量的系数和显著性基本保持不变。

总的来看，列（1）和列（2）中risk的系数显著为正，验证了假设1；列（3）中risk的系数显著为正，但列（4）中系数不显著，验证了假设2。除此之外，本文还将风险承担变量替换为式（2）的残差项——超额风险承担水平代入模型中进行回归，发现系数和显著性几乎不变（由于篇幅限制，此处没有列出结果）。

（四）进一步分析

基于前文的假设，在企业风险承担对全要素生产率产生影响的路径中，最主要的路径是当企业对机会的识别和把握更充分时，其销售增长会带来全要素生产率水平的提高，该逻辑链条是，企业风险承担水平高意味着充分识别和把握投资机会，而投资机会的识别和把握带来销售的增长（Kallapur、Trombley，1999），通过销售增长带来的产出增加、规模经济以及企业创新单位成本的降低来带动全要素生产率的提高（孙俊新等，2011）。因此，本文将进一步分析销售增长率对企业风险承担和全要素生产率之间关系的中介效应。为检验销售增长率的中介效应，本文借鉴了Baron等（1986）和温忠麟等（2014）提出的四个条件：①被解释变量和解释变量相关系数显著；②中介变量和解释变量相关系数显著；③被解释变量和中介变量的系数显著；④当解释变量和中介变量都加入模型时，中介变量系数显著，解释变量的回归系数变小。将解释变量和中介变量同时加入模型时，若解释变量的系数仍然显著，则为部分中介效应，若解释变量的系数不再显著，则为完全中介效应。基于此，除了模型（1），本文还提出模型（6）、模型（7）来检验产出的中介效应。

表4 企业风险承担对全要素生产率的解释作用

回归结果如表5所示。基于前文对假设1的验证已经得到企业风险承担能够显著解释全要素增长率的波动，而从表5的第（1）列和第（3）列可以看出，对于全样本和非国有企业样本来说，企业风险承担能够显著解释销售增长率的波动，第（2）列和第（4）列展示当销售增长率和风险承担同时被纳入模型时，销售增长率和全要素生产率在1%的水平上显著正相关，而企业风险承担的系数仍然显著为正但系数减小（0.185＜0.199，0.232＜0.277），将风险承担变量替换为式（2）的残差项即超额风险承担水平代入中介模型中进行回归，结果不变。因此，销售增长率的部分中介效应显著，说明企业风险承担带来的销售收入的增加是实现风险承担对全要素生产率正效应的重要机制。

表5 销售收入增长的中介效应回归结果

四、稳健性检验

为了保证上述结果的稳健性，本文主要进行了如下两类稳健性检验：①企业风险承担变量的选择。根据Boubakri等（2013）的研究，选择观测期（三年）内roa最大值和最小值之差为风险承担水平的替代变量。另外，根据余明桂等（2013）的研究，选取观测期内营业收入/总资产的标准差作为企业风险承担水平的衡量变量代入模型。②内生性检验。首先，引入除本企业外同行业风险承担水平的平均值作为工具变量，运用两阶段最小二乘法进行回归；其次，将所有解释变量取滞后一期的值代入模型进行回归，以减少内生性可能带来的影响，样本量减少至7668个。结果发现，risk和tfp在5%的水平上显著正相关，结果均不存在实质性的改变，这说明本文的结论比较稳健。

五、小结

本文分析了企业风险承担的经济后果，以2006～2015年A股上市公司的数据为样本，研究了总样本和不同产权性质下企业风险承担对全要素生产率的影响，以及销售增长率对上述影响的中介作用。研究发现：更高的企业风险承担水平有助于提高全要素生产率水平；由于国有企业经营目标的扭曲和管理层激励约束机制的缺失，上述影响在国有企业样本中不显著；进一步研究发现，销售增长率在企业风险承担对全要素生产率的影响机制中起着中介作用。

在我国当前所处的发展阶段，重中之重是寻求经济增长新动力，实现创新发展，其中一大新动力就是提高全要素生产率水平，且越是在更高的经济发展阶段上，越要靠全要素生产率的提高实现经济增长（蔡昉，2015）。本研究肯定了企业风险承担对于企业效率的提升作用，结论有助于上市公司更好地理解“企业家精神”的重要性，打破因“保守经营”而带来的企业效率低下的局面，提高微观层面以及整个社会的全要素生产率水平。但研究也存在一定的局限性：一方面本文虽然对企业风险承担进行了相对准确且全面的衡量，但风险承担水平也容易受到管理层的操控或是资本市场投机行为的影响；另一方面，本文对于企业风险承担影响全要素生产率的路径研究较为单一，有待未来进一步进行拓展研究。

Acemoglu D.，Zilibotti F..Was Prometheus Unbound by Chance？［J］.Journal of Political Economy，1997（4）.

Baron R.M.，Kenny D.A..The Moderator-Mediator Variable Distinction in Social Psychological Research： Conceptual，Strategic，and Statistical Considerations［J］.Journal of Personality&Social Psychology，1986（6）.

Boubakri N.，J.Cosset，W.Saffar.The Role of Stateand Foreign Ownersin CorporateRisk-Taking：Evidence from Privatization［J］.Journal of Finance and Economics，2013（3）.

Conrad G.R.，Plotkin I.H..Risk/return：U.S.Industry pattern［J］.Harvard Business Review，1968（2）.

Cootner P.H.，Holland D.M..Rate of Return and Business Risk［J］.The Bell Journal of Economics and Management Science，1970（2）.

Covin J.G.，Green K.M.，Slevin D.P..A Comment and Empirical Results Pertaining to the Dimensionality of EO［J］.Entrepreneurship Theory and Practice，2006（1）.

Hilary G.，Hui K.W..Does Religion Matter in Corporate Decision Making in America［J］.Journal of Financial Economics，2009（3）.

蔡昉.全要素生产率是新常态经济增长动力［N］.北京日报，2015-11-23.

董宝国.风险需要平衡吗：新企业风险承担与绩效倒U型关系及创业能力的中介作用［J］.管理世界，2014（01）.

李文贵，余明桂.所有权性质、市场化进程与企业风险承担［J］.中国工业经济，2012（12）.

吕文栋，刘巍，何威风.管理者异质性与企业风险承担［J］.中国软科学，2015（12）.

吕敏康，刘拯.媒体态度、投资者关注与审计意见［J］.审计研究，2015（3）.

孙俊新，蓝乐琴.制造业企业出口和生产率的关系［J］.经济与管理，2011（3）.

吴延兵.自主研发、技术引进与生产率——基于中国地区工业的实证研究［J］.经济研究，2008（8）.

岳彩东，程静.全要素生产率文献综述［J］.经济研究导刊，2013（9）.