金融资产配置与实体企业全要素生产率：“产融相长”还是“脱实向虚”

盛明泉 汪 顺 商玉萍

(1.安徽财经大学 会计学院，安徽 蚌埠233030； 2.暨南大学 管理学院，广东 广州510632；3.上海财经大学 财经研究所，上海200433)

一、引言

自我国经济步入“新常态”，如何破题经济结构的转型升级，实现要素驱动与投资驱动向创新驱动的转变，共享改革成果，便成为全面建成小康社会目标下的重点问题。党的十九大报告明确提出提高全要素生产率的要求，这充分表明提升全要素生产率对于实现经济高质量增长具有重要意义。然而，如何提高全要素生产率，仍是一个有待检验和深入讨论的重大经济问题。近年来，我国大量的实体企业纷纷涉足房地产与金融两大“暴利”行业，例如以服装巨头雅戈尔为代表的一大批优质实体企业放弃主业，专攻金融与地产投资等，由此也引发理论界与实务界针对实体经济与虚拟经济之间关系的激烈争论，我国实体经济的“脱实向虚”现象已成为另一个亟待讨论的重大经济结构性问题。那么，这两大经济问题之间是否存有质的联系呢？从理论演绎来看，如果实体企业金融化表现为“蓄水池”效应，则有助于缓解企业的外部融资约束，提高资源配置效率；但如果企业配置金融资产仅仅旨在“投机套利”，即以减少经营资产投资、牺牲实体经济发展机会为代价来追逐金融投机收益，则会对实体经济产生“挤出”效应，从而不利于企业全要素生产率的提升。当前，我国愈演愈烈的企业金融化趋势到底会对全要素生产率产生何种影响，是体现为“产融相长”还是“脱实向虚”？

基于上述分析，本文选取2007—2015年我国A股上市公司的经验数据，实证检验了实体企业金融化与企业生产率之间的关系。研究表明：金融化程度负向影响企业全要素生产率，实体企业金融化更多地体现为“脱实向虚”，而非“产融相长”；进一步地，检验金融化与全要素生产率二者之间的传导路径发现，金融化会通过挤占实体投入以及抑制企业创新进而降低企业全要素生产率，并且这种负面影响在融资约束更低以及短视性更强的样本企业内更加凸显；不同类型的金融资产配置行为对于全要素生产率的影响存在结构性差异，相对而言，配置交易性金融资产对于全要素生产率的影响不明显，但配置高投机性的长期股权投资以及投资性房地产仍会负向影响全要素生产率。

本文的边际贡献在于：(1)实体企业金融化本质上是企业财务政策的体现，而全要素生产率则是企业生产经营过程的体现，因此本文进一步打开了企业财务政策与企业生产经营过程之间的理论“黑箱”，不仅从微观层面丰富了全要素生产率领域的相关文献，同时也为实体企业金融化这一理论热点提供了较为全面的经验发现。(2)本文结论也具有一定的政策价值，研究显示“脱实向虚”不利于全要素生产率的提升，因此全要素生产率提升这一国家战略的顺利实现，不仅要大力倡导科技创新，更应强调实体经济的“脱虚向实”；本文关于实体企业金融资产配置与全要素生产率之间的经验分析不仅进一步丰富了上述论断，也为当下我国提振实体经济、提升全要素生产率水平提供了重要的方向性参考。

二、文献回顾与假设提出

20世纪80年代以来，实体经济金融化现象在发达国家蔚然成风，并引致理论界与实务界的广泛关注。有关实体经济金融化的研究重点关注两个方面的主题：一是，实体企业金融化的动因；二是，实体企业金融化的经济后果。

关于实体企业金融化的动因，虽然现有研究结论表述各异，但究其本质，可以将其归结为金融资产的“蓄水池”效应以及“投机套利”两种视角。其中，“蓄水池”效应是指企业提前将过剩的资源转化为金融资产，一旦在企业面临严苛的融资约束或恶劣的市场环境时，可以再将持有的金融资产转化为实体资源；投机套利动因则是指，企业将主要的资源分配至金融以及地产等高收益领域，旨在谋取短期超额利润。基于上述逻辑，现有文献分别从实体投资与虚拟投资的收益率差异(Demir，2009)、宏观经济周期与货币投放量变动(胡奕明 等，2017)、经济政策不确定性(彭俞超 等，2018)等宏观层面，以及公司业绩(宋军 等，2015)、外部竞争压力(王红建 等，2016)、内部控制质量(唐雪松，2016)等微观层面探讨企业金融化行为。

关于实体企业金融化的经济后果，尽管现有研究仍未取得收敛的结果，但通过文献梳理不难发现，由于企业金融化的动因不同，其经济后果亦不尽相同。Orhangazi(2008)发现，实体企业金融化将挤占其对于实业资产的投入；王红建等(2017)的研究显示，金融化趋势不利于企业的研发创新；实体企业金融化短期内会提升企业业绩(王红建 等，2016)，但最终却将导致企业长期业绩的减损(杜勇 等，2017)。上述对于经济后果的研究主要从金融化的“投机套利”动因出发。亦有部分研究表明，“实体”+“金融”的产融结合模式具有“产融相长”的经济职能，不仅会直接降低企业的融资成本，缓解外部融资约束，同时也能够充分释放实体企业自身的竞争力(盛安琪 等，2018；李维安 等，2014；黎文靖 等，2017)。

从理论演绎的角度而言，实体企业金融资产配置行为对于全要素生产率的影响，可能存在两种经济后果。一旦实体企业出于“投机套利”的动机，而将资金投资于金融和房地产等经济领域，则会出现资金“脱实向虚”现象，进而对企业全要素生产率产生负面影响。具体表现在：一方面，实体企业将资金配置于金融资产时，实业资金必然受到挤占，从而会降低实业投资；另一方面，实体企业将资金配置于金融和房地产等高投机性行业时，同样会挤占企业创新资源，阻碍内部技术升级，从而导致企业全要素生产率降低。当企业出于“蓄水池”动机，采用金融化策略应对外部融资约束时，则有助于优化企业内部的资源使用效率，体现为“产融相长”，客观上会直接驱动企业创新，在提高全要素生产率的同时也将极大地促进企业竞争力的提升。基于上述分析，本文提出如下竞争性假设：

假设1a：给定其他条件不变，实体企业金融化将负向影响其全要素生产率，体现为“脱实向虚”；

假设1b：给定其他条件不变，实体企业金融化将正向影响其全要素生产率，体现为“产融相长”。

三、研究设计

本文的研究设计按如下思路进行：首先，实证检验企业金融化对于其全要素生产率的影响方向及作用效果，以确立本文的主效应；然后，进一步探索企业金融资产配置与全要素生产率二者之间的作用路径、不同金融化动机的调节效应以及不同类型金融资产配置行为之间的结构化差异。

(一)样本选择与数据来源

本文的初始数据集为2007—2015年的A股上市公司。参考盛明泉等(2017)的数据清洗步骤，对初始数据进行如下处理：(1)删除ST与金融类样本；(2)剔除基础数据缺失，或基本指标存在明显偏误的样本(如负债率大于1)，并在此基础上进行Winsorize处理。随后，按照鲁晓东等(2012)的估计思路，由于半参数估计方法能够更好地处理样本数据间的联立性偏差与选择性偏差问题，因而本文采用LP方法作为全要素生产率的主要估计方法，这与简泽等(2014)使用的处理办法也是一致的，即利用上市公司财务数据计算出企业的全要素生产率水平(TFP_LP)。另外，为保证实证结果的稳健性，本文还使用OP法估计了企业的全要素生产率水平(TFP_OP)。经过上述处理，我们最终得到包含9681个公司年度样本的非平衡面板。本文主要的财务数据以及治理数据来自于国泰安数据库(CSMAR)，企业研发数据以及实际控制人数据来自于Wind数据库。

(二)基本模型设定

为检验企业金融化资产配置行为对其全要素生产率的影响方向，本文借鉴聂辉华等(2014)以及盛明泉等(2017)的研究设计，建立如下模型，以考察金融化与企业生产率之间的互动性关系。

TFP= β0+β1Fin+β2Size+β3Lev+β4Roe+β5Grow+β6Dual+β7Insti+

β8Boardsize+β9Inde+Year+Ind+ε

(模型1)

其中：被解释变量为企业全要素生产率(TFP)；解释变量为金融化比率(Fin)，其系数β1是本文的核心关注点，若该系数显著小于0，则表明金融资产配置负向影响全要素生产率，体现为“脱实向虚”。此外，参考现有文献的做法，本文还控制了一系列财务指标与公司治理指标，如企业规模、负债率、成长性以及董事会结构等，β2至β9分别为各控制变量的系数。β0为模型常数项，Ind和Year分别为行业效应和年度效应,ε为估计残差。

(三)变量说明

1．被解释变量：全要素生产率(TFP)

在本文的基准模型中，被解释变量为企业全要素生产率水平(TFP)。现有文献中，有关TFP的计算方法主要有三种：参数法、非参数法以及半参数法。由于半参数估计结合了生产函数估计和非参数估计的思想，能较好地解决TFP估计过程中的联立性偏误(即企业的TFP水平反向影响企业的要素选择所导致的互为因果)以及选择性偏误(即竞争会导致低TFP的企业退出市场从而使得样本TFP被高估)，因此，半参数方法现已成为估计微观企业全要素生产率的主要方法，鲁晓东等(2012)以及杨汝岱(2015)均采取了这一估计思路。由于半参数估计主要包含OP估计法以及修正的OP估计法(即LP法)，因此，本文借鉴简泽等(2014)，使用LP法测算的全要素生产率TFP_LP作为主要的因变量，同时利用OP法计算的全要素生产率TFP_OP开展稳健性检验[注]对全要素生产率的LP估计以及OP估计均有相应的Stata实现程序，其中：LP法的Stata程序名levpet.ado；OP法的Stata程序为opreg.ado。感兴趣的读者可通过运行命令ssc install levpet或ssc install opreg下载安装相应的程序包。。

2．自变量及其含义

借鉴杜勇等(2018)的研究思路，将交易性金融资产、衍生金融资产、可供出售金融资产、持有至到期投资、投资性房地产和长期股权投资等六个科目划分为金融资产。需要说明的是，尽管货币也属于金融资产，但经营活动本身也会产生货币，因此，本文中的金融资产并未包括货币资金。此外，现代房地产越来越脱离实体经济部门，呈现虚拟化特征(宋军 等，2015；王红建 等，2016)，因而，本文在衡量企业金融化水平的过程中同样将投资性房地产涵盖在内。由此，企业金融化程度(Fin)的计算公式为：Fin=(交易性金融资产+衍生金融资产+可供出售金融资产+持有至到期投资+投资性房地产+长期股权投资)/总资产。

3．控制变量

参考黎文靖等(2012)以及盛明泉等(2017)的做法，本文进一步控制了企业财务特征变量以及治理特征变量。其中，财务特征变量包含企业规模(Size)、资本结构(Lev)、成长性(TobinQ)以及盈利能力(Roe)，而治理特征变量则包含两职合一(Dual)、机构投资者(Insti)、董事会规模(Boardsize)以及独董比例(Inde)。

各主要变量的具体释义如表1所示。

表1 变量说明

四、实证结果及分析

(一)主要变量的基础性描述

主要变量的描述性统计结果见表2。从中可以看出，因变量TFP的均值近乎等于中位数，且标准差较小，表明我国企业的全要素生产率分布大致符合正态分布。另外，企业金融化水平呈右偏分布的特征(均值大于中位数)，多数企业的金融化程度较低，标准差较高说明不同企业间的金融化水平具有较高的异质性。同时，各控制变量的结果与已有相关的主要文献亦保持了较高的一致性。

表2 描述性统计表

(二)相关性分析

表3列示了本文主要变量的皮尔森相关系数。从中可见：首先，企业金融化水平(Fin)与其全要素生产率(TFP_LP)负相关，且在1%的统计水平上显著，这表明实体企业金融化一定程度上不利于其全要素生产率的提升，但上述观测结果并未考虑公司、行业、时间等异质性特征的影响，尚需通过回归分析加以进一步检验；其次，机构投资者持股(Insti)和董事会规模(Boardsize)均与TFP_LP在1%的统计水平上显著正相关，而两职合一(Dual)却负向影响企业全要素生产率，这表明公司治理对于企业全要素生产率提升具有重要作用；最后，企业规模(Size)、成长性(TobinQ)等企业特征与全要素生产率的关系也与已有相关研究结论一致。

表3 相关性分析

注：表内数字为皮尔森相关系数；***、**、*分别表示在1%、5%、10%水平上显著。

(三)实证结果及其讨论

表4报告了金融化对企业全要素生产率的影响结果。具体而言，列(1)为未加入各控制变量以及未控制年度与行业效应的回归结果，随后，我们依据逐步回归的思想，在列(2)中控制了公司财务特征，在列(3)中进一步控制了公司治理特征，在列(4)中加入了行业与年度效应。

表4 主效应回归

注：括号里的数字为t值；***、**、*分别表示在1%、5%、10%水平上显著。下同。

表4中的实证结果表明，在上述所有回归中，金融化(Fin)变量的回归系数均显著为负，且在1%的水平上显著，这表明在控制各种异质性条件的基础上，实体企业金融化将负向影响全要素生产率，前文的假设1a得证。另外，相较于列(1)而言，列(2)、(3)、(4)的Adj_R2稳步上升，一定程度上佐证了模型架构的合理性。各控制变量的回归结果显示，杠杆率(Lev)负向影响企业全要素生产率，表明去杠杆对于提升生产率的重要性；企业成长性(TobinQ)正向影响全要素生产率，与杨汝岱(2015)的研究结论一致。

(四)内生性问题与稳健性检验

1．内生性问题

本文旨在探讨企业金融资产配置对其全要素生产率的影响，然而企业如何配置其金融化资产这一哑变量很可能存在内生性困扰，因为全要素生产率较低的企业往往更有可能采用金融化的经营策略以弥补自身主营业务的不足，因此，企业的生产率越低，其金融化水平越高。此时，使用普通OLS回归可能存在较强的反向因果问题。为控制这一内生性问题，借鉴王红建等(2017)的处理思路，本文选择投资收益占净利润之比(Invprofit)作为工具变量。原因在于，该收益属于企业非主营业务产生的利润，其与金融资产配置水平高度相关，但却与企业日常的生产经营活动无关。理论上，该工具变量应该无法通过除却金融化路径之外的其他路径影响企业的全要素生产率水平，所以其能够较好地满足工具变量所需具备的相关性与排他性要求(Roberts et al.,2013)。

两阶段最小二乘的结果见表5。第一阶段的回归结果显示，企业投资收益率(Invprofit)与企业金融化水平(Fin)正相关，且高度显著，这与现有的理论预期一致。第二阶段的回归结果表明，无论是使用LP方法还是OP方法估计的全要素生产率作为代理变量，企业金融化水平(Fin)的系数仍显著为负，表明即使充分考虑了内生性偏误，金融化的“脱实向虚”性质仍未发生改变，再次验证了假设1a。

表5 工具变量法回归

2．稳健性检验

为测试实证结果的稳定性，本文开展了一系列稳健性检验，结果见表6。首先，更换全要素生产率的估计方法，使用OP法重新估计的全要素生产率(TFP_OP)作为被解释变量，回归结果如列(1)所示。从中可见，金融化(Fin)的回归系数依然负向显著。其次，选取具有代表性的制造业样本重述金融化对于企业全要素生产率的影响，结果如列(2)所示。可以发现，在制造业样本中，仍得到了与全样本相一致的估计结果。再者，使用滞后一期的全要素生产率水平(TFP_LPt+1)作为因变量，重新回归，结果见列(3)。不难发现，金融化(Fin)的系数依然负向显著。最后，考虑到公司个体层面可能存有部分不随时间而改变的干扰因素，因而采用个体固定效应重述前文的主效应模型，结果如列(4)所示。从中可见，金融化(Fin)的回归结果仍然显著。上述稳健性检验结果表明，前文研究结论是可靠的。

表6 稳健性检验

注：列(2)与列(3)由于分别采用制造业样本与滞后一期样本，因而损失了部分样本量；列(1)、(2)、(3)中的R2均为经调整后的R2(Adj_R2)；列(4)采用个体固定效应回归作为估计方法，因而R2为组内R2(Within_R2)。

五、进一步研究

(一)作用路径检验

上文研究表明，金融化不利于企业全要素生产率的提升，并且这一结论具有稳健性。那么，实体企业金融化究竟通过何种路径对其全要素生产率水平产生影响，中间的传导机制如何？围绕这一问题，本文尝试从实业投资以及企业创新两条路径出发，以期打开企业金融化作用于全要素生产率的“黑箱”。

首先，实体企业金融化意味着企业将其内在资源更多地投至虚体业务，客观上会对实业投资形成挤压，而实业投资的降低，不仅仅意味着企业资源分配偏好的改变，同样也意味着实体经营活动所能支配的资源总量在降低。作为实体经营活动效率的体现，全要素生产率理应受到实业投资变化的影响，本文将“金融化—实业投资—全要素生产率”这一路径称为实业投资路径。另外，创新与技术进步是企业全要素生产率提升的内核，然而由于企业研发活动具有天然的高风险性，其往往需要大量的长期稳定的资金投入；与之相似，金融化也具有高风险、高收益的特征，但其与研发活动存在本质不同，金融化通常还带有一定的投机套利性质。因而，还可能存在另一条影响路径，本文称之为创新路径，即“金融化—企业创新—全要素生产率”。为验证上述的理论分析，本文设计了两组路径检验，回归结果见表7。

在表7中，列(1)、列(2)展示了实业投资路径的检验结果[注]借鉴杜勇等(2017)的研究设计，本文中的实业投资水平采用Δ(固定资产+在建工程+工程物资)/总资产表示。。其中，金融化负向影响企业的实业投资水平(Fin的回归系数为-0.0464，且在1%的水平上显著)；列(2)显示实业投资对于企业全要素生产率具有显著的正向影响(Inv的回归系数为0.2021，且在1%的水平上显著)。上述结果一定程度上说明，“金融化—实业投资—全要素生产率”这一传导路径是真实存在的，也揭示出企业“脱实向虚”式的资源配置策略对于全要素生产率的负面效应。列(3)、列(4)展示了创新路径的检验结果[注]借鉴王红建等(2017)的研究设计，本文采用研发支出/营业收入表示企业的创新投入水平。。列(3)表明，金融化挤出了企业的创新投入(Fin的回归系数显著为负)；列(4)表明，企业创新能够显著提升其全要素生产率(Rdratio的回归系数为正，且在5%的水平上显著)。上述检验结果证实，“金融化—企业创新—全要素生产率”这一传导路径是成立与存在的。

表7 作用路径检验

(二)金融化与企业全要素生产率：融资约束与企业短视性的调节效应

实体企业可能出于不同的动机配置金融资产，而通过上文的分析可知，基于不同金融化动机的企业，其金融资产配置行为对于企业全要素生产率的影响程度显然是不同的(胡奕明 等，2017)。因此，如果企业的某项特质能影响到企业的金融化动机，那么这一特质将在金融化与企业全要素生产率之间起到一定的调节效应，换言之，金融化对于企业全要素生产率的影响，会随着该项调节变量的改变而改变。

从理论上来看，企业所面临的融资约束应该具有负向的调节效应，这是因为融资约束的程度会直接影响企业的金融化动机(王红建 等，2017)。对于融资约束严重的企业而言，金融化的“蓄水池”效应能够有效发挥缓解企业融资约束的功能，此时的金融化行为更多地体现为企业的一种策略性应对。而对于“预算软约束”的企业而言，由于其并不缺乏资金支持，因此金融化更可能被视为套利手段，在此情形下，金融化对于企业全要素生产率的负面影响应该更为显著。另外，企业自身的短视性也会造成金融化动机的差异，由于“蓄水池”功能的实现通常需要一定的等待期，对于短视性的企业而言，这一等待期往往是不能接受的，因此强短视性企业一般更加青睐金融化资产的投机套利属性，此时，金融化的负向效应可能更加凸显。

本文通过分组回归的方法验证上述调节效应，具体结果如表8所示。其中，列(1)与列(2)展示了按融资约束[注]参考饶品贵等(2016)，本文使用SA指数衡量企业融资约束程度，该指数的构建方程为：SA=-0.737×Size+0.043×Size2-0.04×Age。分组的回归结果，对于融资约束程度较低的企业样本，金融化(Fin)的系数显著为负，但对于融资约束程度较高的企业组，其对于企业全要素生产率的负面影响并不显著。这表明，对于融资约束较低的企业样本而言，金融化更可能是出于“套利动机”，因为缺乏采用“蓄水池”策略应对外部融资约束的前提，这一实证结果也验证了融资约束具有负向调节效应的理论预期。列(3)与列(4)则展示了按企业短视性[注]通过对管理层决策视阈的分组区分企业是否短视(虞义华 等，2018)，而管理层决策视域的重要外在表现形式为投资期限结构，该指数等于公司短期投资项目与长期投资项目之比。分组的回归结果，对于强短视性企业，金融化更多地体现了“投机套利”属性，而对于弱短视性企业，金融化对于全要素生产率并未呈现出明显的负面效应。

表8 影响因素检验

(三)金融化对于生产率影响的结构性特征

上文已经证实，金融化会负向影响全要素生产率。进一步地，金融资产还可以被细分为不同种类，那么在企业金融化的过程中，配置不同种类的金融资产，对于实体企业全要素生产率的影响是否存在结构性差异呢？为解决这一问题，本文将金融资产划分为交易性金融资产、长期股权投资、投资性房地产以及其他长期金融资产四类，并按其对应的总资产占比分别进行回归。从细分种类资产的流动性来看，交易性金融资产流动性较强，转换成本较低，因此配置此类金融资产的“蓄水池”动机较强；而投资性房地产与长期股权投资类金融资产流动性相对较低，转换成本也较高，因而其更有可能体现为投机套利动机。由此，可以合理预期，交易性金融资产比率与企业全要素生产率之间的负向关系更弱，而持有至到期投资以及投资性房地产与全要素生产率之间的负向关系更强。

相关回归结果报告于表9中。不难发现，列(1)中交易性金融资产占比(Fin1)的回归系数为负且不显著；在列(2)、列(3)以及列(4)中，长期股权投资比率(Fin2)、投资性房地产比率(Fin3)以及其他长期金融资产(Fin4)的回归系数均显著为负。这不仅说明企业将主要资源配置到资本运作以及房地产市场等套利行为不利于其生产率的提升，亦再次揭示不同种类、不同动机的金融资产配置行为对于企业发展的影响存在结构性差异。

六、研究结论与政策建议

使用微观企业样本，本文研究了金融资产配置对于实体企业全要素生产率的影响，结论显示：(1)总体上看，实体企业的金融资产配置负向影响其全要素生产率，体现为“脱实向虚”。在经过工具变量法、变量替换、回归方法调整等一系列稳健性测试之后，这种负向影响依然显著。(2)进一步的机制检验表明，实体企业金融化之所以能够负向影响全要素生产率，其对于实业投资以及企业创新的挤出效应是两条重要的作用路径。(3)金融化对于全要素生产率的负向影响，在低融资约束以及强短视性的企业样本组内更显著，这表明企业金融化行为可能是“蓄水池”与“投机套利”动机共同作用的结果。(4)不同种类的金融资产配置行为对于企业全要素生产率的影响存在结构性差异，相对而言，高流动性的交易性金融资产对于全要素生产率的影响不明显；而高投机性的长期股权投资与投资性房地产对于全要素生产率则具有显著的负面影响。

本研究结论具有重要的启示：首先，要积极为实体企业的生产经营活动营造良好的环境，大力引导实体企业回归主业，这不仅有助于抑制当下愈演愈烈的“脱实向虚”，还可以防范金融化过程中的“投机套利”问题，促进企业全要素生产率不断提升。其次，应强化对实体企业资金投向的引导和监管，一方面，需密切追踪实体企业在金融和房地产领域的资金动向，加强对实体企业金融投机行为的监管和打击力度；另一方面，要出台相应的鼓励性政策，加大对企业转型升级、技术创新等与日常主业经营密切相关领域的帮扶力度，缩小实业投入、创新投入与套利投入之间的收益率差距。最后，实体企业应进一步优化所持金融资产的结构，切实发挥金融化行为的“蓄水池”效应。这就要求实体企业在配置资金的过程中，应优先考虑主业发展所需，然后再将剩余资金依次配置于交易性金融资产、持有至到期投资以及投资性房地产等领域，以减少乃至消除金融化对于企业全要素生产率的不利影响。

当然，本文也存在一些局限。比如，囿于数据限制，本文对于金融资产的分类稍显粗糙，未来研究可尝试收集更为精细的金融资产配置数据(例如上市公司购买理财产品数据)，进一步完善现有结论。