胡振兴
(重庆工商大学 经济学院, 重庆 400067)
2008年国际金融危机以来,我国金融杠杆率持续攀升。2015年习近平总书记在中央财经领导小组首次提出供给侧结构性改革,标志着我国经济进入新常态的发展阶段。在经济发展的新时期面临新机遇,也有新挑战。当前,我国正处在前期刺激经济的消化期,前期政策的累积效应和溢出效应还在发挥作用,这对我国当前实施宏观经济政策调控形成了掣肘,调控余地有所减小。为应对这一系列问题,我国推出了供给侧结构性改革,其中去杠杆成为供给侧结构性改革的重要组成部分,要以去杠杆为手段,减小我国金融业系统性金融风险发生的可能性,更要助力我国实体经济的发展,不断推动我国经济向高质量的方向发展,为我国实现“两个一百年”奋斗目标贡献力量。
经济学中的杠杆率一般指债务与资产的比值。在不同条件下选取不同的分子、分母的替代指标,杠杆率有不同的表现形式。在宏观领域,通常以一个国家的债务水平与国内生产总值的比值作为金融杠杆的代理变量[1]。冯明在研究一国宏观杠杆率时对此进行了分解,将债务与GDP的比值分解为“债务/总资本与总资本/GDP”的乘积,并认为债务与总资本的比值才是真正意义上的金融杠杆率[2]。马勇、陈雨露则认为用反映经济社会中企业部门和居民部门的私人信贷总额与反映一个国家总体经济收入的国内生产总值之比作为衡量一国金融杠杆的指标更为准确[3]。在微观领域,尤其是在金融部门、非金融企业部门、政府部门以及居民部门,杠杆率的衡量标准差异很大。陈雨露认为,用广义货币(M2)与国内生产总值的比值作为金融部门的杠杆率十分合适[4];何德旭、王朝阳则认为用金融业增加值与国内生产总值的比重、私人部门信贷与国内生产总值的比重来衡量金融部门的杠杆率更为合适[5]。
各国经济发展的实践经验表明,杠杆率过高会对一国经济发展产生较大的影响,国内外学者一致认为杠杆率过高会导致实体经济对流动性的吸收能力下降、增大金融体系的不稳定性并加剧企业的财务风险。自2008年我国实行有计划的量化宽松政策以来,宏观流动性持续宽松[6],然而货币宽松并未转化为信用宽松,相当一部分的信贷资金和货币资金在金融机构之间内部循环,实体经济的发展没有得到全额的资金支持,社会融资规模下降[7]。金融杠杆在经济发展中扮演着十分重要的角色,但当杠杆率过高时就会危及经济发展,引发经济危机[8]。金融杠杆的存在放大了可使用资金的数量,但也带来了一些问题。申广军等人研究发现杠杆率过高不仅会增加企业的偿还债务的压力、增加违约风险引发经济危机,还会造成严重的资源错配,产生大量的“僵尸”企业[9]。
过高杠杆率威胁经济的健康运行,因此采取合理的手段降低经济部门的杠杆率成为世界各国必须解决的实际问题,这也成为许多学者的研究对象。潘敏、袁歌骋认为金融部门在去杠杆时主要采取的去杠杆措施就是卖出问题资产、减少信贷供给以及筹集新资本[10]。刘一楠通过我国工业企业的数据研究发现,我国大型国有企业的杠杆率显著高于私营企业,杠杆率存在企业所有制形式差异[11];因此,在采取去杠杆手段时,必须考虑企业的所有制形式,对高杠杆的国有企业快速实现去杠杆,对杠杆率较低的私营企业平稳去杠杆。刘一楠、宋晓玲通过构造动态随机均衡模型(DSGE)研究杠杆率失衡问题,认为降杠杆必须从不同经济部门入手,采取结构性去杠杆的解决办法[12]。张晓晶、常欣等人认为不同经济部门的负债能力、运行效率以及风险防御能力等诸多方面存在差异,因此,我国去杠杆要采取结构性去杠杆的方法,在保持宏观总体杠杆率平稳的条件下,改善各经济部门的杠杆率[13]。李丰团对我国非金融企业的去杠杆进行了深入研究,并提出企业兼并重组、盘活存量资产、优化债务结构、市场化债转股、开展股权融资等措施[14]。
本文在构建经济高质量发展这一复合型指标时,参考覃成林、黄建欢、梁流涛等人做法[15-17],从经济自身发展质量、经济创新发展质量、经济绿色发展质量、经济协调发展质量、经济开放发展质量、经济共享发展质量六个维度构建经济高质量发展评价指标,如表1所示。经济高质量发展指标数据来自中国人民银行、中华人民共和国国家统计局、EPS数据库、RESSET数据库。
表1 经济高质量发展综合指标
在对数据处理的基础上,运用熵权TOPSIS法计算出了各省市经济高质量发展指标值。
本文参考王国刚[18]的做法,将金融企业和非金融的杠杆率指标定义为:债务总额/资产总额(负债+所有者权益)。
现有的文献研究显示,金融杠杆与经济高质量发展有着密不可分的联系,本文假定金融杠杆与经济高质量发展之间存在非线性关系。为了验证和研究金融杠杆对我国经济高质量发展的非线性影响,本文利用Hansen提出的门槛模型,构建了门槛计量模型。门槛效应是指当某一经济参数达到并突破特定的临界值之后,将会引起另一经济参数的结构性突变。传统门槛模型存在门槛值外生给定、置信区间无法估计以及估计结果的有效性不可靠等问题。为了克服传统门槛模型存在的缺陷, Hansen通过将门槛值及其个数内生化和基于渐进分布理论来构建置信区间构建新的门槛回归模型[19]。Hansen将门槛回归模型的基本形式设定为(2)和(3)的形式,本文构建的门槛面板模型为式(4)。
InHIGH=β0+β1Xi,t+β2FLi,t(FD<γ1)+β3FLi,t(FD>γ1)+εi,t
(4)
式(4)中,lnHIGH表示经济高质量发展水平;X为控制变量,包括通货膨胀率、城镇化水平、人口老龄化程度、贸易开放度、教育水平、外商投资水平、金融风险等一系列影响经济高质量发展的因素;FL为金融杠杆;FD为金融发展水平,作为模型的门槛变量,代表具体的门槛值;下标i、t分别表示个体省份和时间;εi,t为随机误差项。当存在两个门槛值时,模型可进一步扩展为式(5):
InHIGH=β0+β1Xi,t+β2FLi,t(FD<γ1)+β3FLi,t(FD≤γ2)+β2FLi,t(FD>γ2)+εi,t
(5)
1.被解释变量
经济高质量发展水平使用熵值法得到的权重与原始数据相乘获得。
2.核心解释变量
在现有研究中,国内外学者对一国宏观杠杆率和微观企业的杠杆率都进行了研究,但采用的指标不尽相同。分析一国宏观杠杆率时普遍采用债务总额/GDP来衡量,分析微观企业杠杆率时较客观科学的指标是采用债务总额/资产总额(负债+所有者权益)这一指标。本文采用债务总额/资产总额作为金融杠杆的替代变量。
3.门槛变量
金融杠杆是金融影响经济高质量发展的重要途径,金融的发展变化必然会对其自身以及其作用产生一定的影响。因此,本文将金融发展水平作为门槛变量,以探究其对金融杠杆在经济发展中的门槛效应。本文从金融规模、金融效率、金融结构三个方面反映金融发展情况,具体选取的指标分别为总资产占GDP 的比重、资本形成总额/总储蓄、总资产/贷款余额。
4.控制变量
经济发展具有系统性和复杂性,为了保证实证分析结果的科学性、严谨性与客观性,本文采用通货膨胀率、贸易开放度、城镇化水平、人口老龄化程度、教育程度、外商投资水平、金融风险等一系列指标作为控制变量。各变量计算方法如表2所示。
考虑到数据的可得性和完整性,本文选择我国长江经济带11个省市2008—2017年的数据作为研究样本。为了分析金融行业和非金融行业企业去杠杆对经济高质量发展的影响,所选公司剔除了ST、*ST、暂停退市、退市、三板市场及数据不完整公司。本文所采用的数据主要来源于中国国家统计局、EPS数据库、RESSET数据库。对于部分缺失数据,本文采用线性插值法进行补充,尽量保证数据的连续性。
表2 门槛面板模型变量
在不考虑门槛变量和门槛效应的前提下,本文首先采用静态面板模型估计金融杠杆对我国经济高质量发展的影响。本文根据豪斯曼(haus-man)检验判断选用固定效应模型,通过异方差检验判定固定效应模型存在异方差,因此用FGLS对固定效应模型进行修正。根据表3的结果,FGLS回归模型显示非金融企业金融杠杆的系数为-0.00912,且在5%水平下显著;FGLS回归模型显示金融企业金融杠杆的系数为-0.0951,且在1%水平下显著,说明我国现阶段的金融杠杆对我国经济高质量发展产生了一定的阻碍作用。固定效应模型和随机效应模型在不同程度上也说明金融杠杆的系数为负。
在对面板数据的基准回归分析中,本文发现变量之间表现出严重的内生性问题。为了解决这一问题,进一步检验结构性去杠杆对我国经济高质量发展的影响,本文采用差分广义矩估计(差分GMM)和系统广义矩估计(系统GMM)估计方法对金融企业与非金融企业的杠杆率进行研究分析,以便可以很好地解决变量之间的内生性问题。系统GMM是对差分GMM的扩展,差分GMM是对原方程作差分,使用变量滞后阶作为工具变量。系统GMM可以规避差分GMM的缺陷:差分时消除了非观测截面个体效应及不随时间变化的其他变量,且有时变量滞后阶并非理想工具变量。系统GMM相当于联立差分方程和原水平方程,使用变量滞后阶作为差分方程的工具变量,同时使用差分变量的滞后项作为水平方程的工具变量。因此,系统GMM具备更好的回归效果。本文回归结果具体如表4所示。
在对非金融企业进行差分GMM和系统GMM回归时,回归结果大致相同。差分GMM回归结果显示金融杠杆的系数为正,且在5%的统计水平上显著;系统GMM回归结果显示金融杠杆的系数同样为正。这与前文中用固定效应模型与随机效应模型检验非金融企业杠杆率系数为正但不显著形成对照,进一步说明我国非金融企业杠杆率处于一种稳定且有助于经济高质量发展的水平。在对金融企业进行差分GMM和系统GMM回归时,回归结果显示金融杠杆均为负值,且在1%的统计水平上显著,表明现阶段我国金融企业杠杆率确实过高,不利于我国经济的高质量发展。
在对门槛效应估计前,首先采用Hansen提出的格点搜索方法确定模型中存在的门槛值,并通过自抽样法( Bootstrap) 对门槛效应的显著性进行检验。按照上述方法,本文进行400次反复抽样后确定了门槛值并对其进行显著性检验。从表5、6门槛效应检验结果可以发现,选择不同的金融发展变量作为门槛变量时,在一定的显著性水平下存在门槛效应,说明金融杠杆对经济发展的作用具有门槛效应。具体来看,在对非金融企业进行门槛检验时,金融规模、金融效率和金融结构作为门槛变量时均不存在门槛效应;在对金融企业进行门槛效应检验时发现,金融规模和金融结构作为门槛变量时具有单重门槛效应,但不具有多重门槛效应,金融效率作为门槛变量不具有门槛效应。具体如表5—7所示。
表3 基准回归结果
注:***、**、*分别表示1%、5%和10%水平上显著
根据门槛效应检验结果,采用不同类型的门槛模型对金融杠杆的门槛效应进行检验分析。门槛面板模型回归结果中,金融企业金融杠杆的系数均为负值,说明现阶段我国金融企业的金融杠杆对经济高质量发展有不利影响,这与静态面板回归结果一致。但随着门槛变量取值范围的不同,核心解释变量的系数和显著性发生了较大变化,说明金融杠杆对我国经济高质量发展的影响发生了变化,由此可判定金融杠杆对我国经济高质量发展存在显著的门槛效应。
表8的第A列选取的是金融规模作为门槛变量进行门槛面板模型回归分析,估计结果显示金融规模存在显著的单门槛效应:当金融规模小于或等于门槛值0.0322时,金融杠杆的系数为-0.0777,并在1%统计水平上显著,金融杠杆对我国经济高质量发展产生了阻碍作用;当金融规模大于门槛值时,金融杠杆的系数上升为-0.0360,且在5%的统计水平上显著。由此说明现阶段我国金融企业杠杆率过高阻碍了我国经济的高质量发展,金融规模的不断扩大会导致金融资金向金融企业聚集,实体企业缺乏资金支持。更严重的后果就是使得虚实经济发展严重不和,泡沫经济滋长。为了助力实体经济的高质量发展、平衡发展金融企业和非金融企业,我国政府从2015年就推行结构性去杠杆,力求削弱金融企业的杠杆率,促进我国经济的高质量发展。表8的第B列选取的是金融结构作为门槛变量进行门槛面板模型回归分析,估计结果显示金融结构有显著的单门槛效应:当金融结构小于或等于0.1194时,金融结构的系数为-0.0793,并在1%
表4 非金融企业和金融企业GMM回归结果
注:***、**、*分别示1%、5%和10%水平上显著
表5 非金融企业门槛效应检验结果
表6 金融企业门槛效应检验结果
注:***、**、*分别示1%、5%和10%水平上显著
表7 金融企业门槛估计值结果
统计水平上显著,金融结构的不均衡同样阻碍了我国经济的高质量发展。金融结构的不平稳增长会使得虚拟资产超过初始货币,当到达一定程度时,金融系统的极小震荡就会引发经济危机或者金融危机。
在对门槛模型进行稳健性检验时,为了进一步验证金融杠杆的门槛效应,本文重新选取指标计算各省市的金融杠杆,采用的新杠杆率指标为:银行业金融机构各项贷款/银行业金融机构各项存款。面板模型回归结果显示,非金融行业金融杠杆不具有门槛效应,但金融行业的金融杠杆具有门槛效应,与前文研究结果一致,门槛模型统计结果如表8的第C列和第D列所示。
金融企业的金融杠杆存在门槛效应,即金融杠杆对经济高质量发展的阻碍作用会随着金融发展水平的变动而显著变化。具体来看, 以金融效率作为衡量金融发展水平的门槛变量时不具有门槛效应;以金融规模衡量作为金融发展水平的门槛变量时,金融杠杆的阻碍作用呈现单重门槛效应,金融杠杆系数值显著为负,表明金融规模的扩张会阻碍金融杠杆对经济的高质量发展;金融结构作为门槛变量时,金融杠杆的阻碍作用呈现单重门槛效应,且显著为负,说明金融结构的不合理状况不利于我国经济的高质量发展。差分GMM和系统GMM回归结果显示我国金融企业杠杆率现状和非金融企业杠杆率现状对我国经济高质量发展具有完全不同的影响。实证结果表明,金融企业的高杠杆不利于我国经济的高质量发展,这与门槛面板模型回归结果一致;非金融企业杠杆率水平处于一种合理水平,不仅有助于非金融企业自身的发展,对于助力我国经济整体的高质量发展也有十分显著的促进作用。
表8 门槛效应估计结果
注:***、**、*分别表示1%、5%和10%水平上显著
1.大力提升非金融企业直接融资水平,完善健全投资者保护机制
无论是基于全国还是基于各省市的角度,都应该大力提升直接融资水平,而对于非金融企业领域的实体企业,要结合其在经济发展中的作用提高金融服务的可得性,努力解决其融资难、融资贵的问题,提高资本配置效率,避免金融风险过度集中于金融机构或商业银行。
2.促使金融企业去杠杆
重视金融去杠杆应重点关注金融企业的杠杆率过高问题,防止过多的社会资金涌入资本市场;同时也要加强对跨市场和跨行业金融风险传染的控制,为金融企业去杠杆提供良好的金融环境,确保金融体系稳定、高效的运行。
3.发挥政府对经济的调控作用
在金融制度和金融市场不断完善的背景下,国家也应通过相关政策实施,如政策性优惠贷款、商业性贷款的政策性担保等金融政策措施,结合相关的产业政策,鼓励以高新技术企业为代表的新兴产业发展,进一步加大对第二产业改造转型和第三产业优化升级的贷款投入和资金支持,改善资金供给水平和配置结构,推动产业结构高级化。