装备制造企业生产效率与融资租赁决策——基于融资约束视角

史燕平 杨文涛

(对外经济贸易大学国际经济贸易学院, 北京 100105)

引 言

新兴工业化国家的经验表明， 将有限金融资源集中来支持主导产业优先发展是促进产业转型升级的成功路径［1］。 装备制造业①是向国民经济各行业提供技术装备的战略性产业， 如何利用金融资源和金融工具促进装备制造业自主创新、 生产效率提升， 进而支持我国产业结构转型升级， 是我国当前经济转型发展中的重要问题。 在我国金融体系不发达的背景下， 我国信贷资源配置存在区域内、 区域间、 所有制类型等多个维度的扭曲，不同行业对技术升级的资本投入需求不同， 在对外融资依赖方面存在行业异质性［2］。 从融资视角来看， 尽管装备制造企业固定资产额度总体相对较大， 但实际中因产品在技术、 生产和使用上具有特殊性， 且研发、 生产制造过程中固定投入巨大， 内源性融资和银行信贷经常难以满足发展的资金需求， 整个行业面临较强的金融约束［3］。 中国人民银行下属支行开展的地方实地调研研究显示，装备制造企业目前整体金融支持力度不足， 融资渠道仍然相对偏窄， 长期依赖银行贷款， “先还后贷” 和“短贷长用” 加大了企业的资金压力［4，5］。随着我国融资租赁市场的快速发展， 融资租赁已成为我国装备制造企业除银行信贷方式之外获取资金的另一渠道， 2007 ～2017 年间装备制造上市企业采用融资租赁方式进行融资的比例从4.6%上升至21.45%②， 融资租赁这一特色金融工具对缓解我国装备制造业发展的金融约束发挥了重要作用。

关于企业生产效率与融资约束的关系， 国外学者们利用美国、 欧元区国家、 保加利亚、 印度等不同国家的企业数据进行了实证研究， 多数的经验证据支持“融资约束抑制论”， 即融资约束对企业生产效率确实具有负向作用。 从融资视角来看， 面临融资约束的企业无法做出最优决策(放弃净现值为正的项目）， 其固定资产投入、 存货投资、 研发投资、 员工雇佣等活动缺少金融资源的有效支持， 进而影响生产效率的提升。 从资源配置视角来看， 融资约束使得企业间资本和劳动力的边际产出之间出现楔子， 这种低效率配置造成了行业内全要素生产率的损失［6］。 针对不同融资方式对企业生产效率的影响， Ayyagari 等(2010） 从融资来源的角度区分了正规和非正规金融机构融资［7］， Levine 等(2014） 分别考察了股权融资和债权融资对企业生产效率的影响［8］， Wang 和Kong(2019） 主要关注了商业信用对企业生产效率的影响［9］。 另外， 国内学者结合我国的经济现实和制度背景， 从企业所有制差异(何光辉和杨咸月，2012）［10］、 企业出口行为(赵春明等， 2015）［11］、政府补贴(任曙明和吕镯， 2014）［3］、 产业政策(钱雪松等， 2018）［12］等多个维度进一步丰富了融资约束与企业生产效率关系的研究。

融资约束对企业生产效率的影响方面已取得丰富的研究成果， 但鲜有学者关注企业生产效率水平和获取外部资金途径之间的关系。 不同生产效率水平的装备制造企业是否具有融资异质性？不同生产效率水平的装备制造企业对融资租赁这一金融工具的应用是否具有显著差异？ 针对以上问题， 本文基于我国装备制造企业的融资现状，从企业融资约束视角来研究装备制造企业生产效率与融资租赁决策之间的关系， 这对如何拓展融资渠道解决装备制造企业的融资约束问题具有重要的现实意义。

1 理论分析与研究假设

生产效率较高的企业能够有效利用要素投入，在保持或增加利润率的同时降低产出价格， 获取竞争优势， 因而经营活动产生的现金流量能够支持企业的生产效率提升项目， 内源性融资也解释了我国民营企业在缺少信贷融资支持下仍保持较高生产效率的原因［13］。 相比高生产效率企业， 低生产效率企业的内源性融资通常不足， 这进一步限制其外部资金的可得性， 容易陷入“融资困难—增长缓慢—融资更难” 的陷阱。 当遭遇外部环境冲击时， 低生产效率的企业相比高生产效率企业承受更高的调整成本， 因而低生产效率的企业更易受商业周期的影响， 具有更高的隐含资本成本［14］。 因此当经济下行压力较大时， 企业的还款能力下降， 银行向低生产效率企业提供贷款的成本(风险） 更大， 这激励银行采取抽贷、 停贷等信贷紧缩行为， 从而降低了低生产效率企业向银行进行信贷融资的可得性， 促使低生产效率企业寻求替代性的融资渠道。 由此， 本文提出假设1：

H1a： 在其他条件相同的情况下， 装备制造企业生产效率越低则选择融资租赁的概率越大。

H1b： 在其他条件相同的情况下， 装备制造企业生产效率越低则选择融资租赁的强度越大。

装备制造业具有外部融资依赖性强、 生产设备等资产专用性强的行业特征， 因此低生产效率的装备制造企业面临更强的融资约束［15］。 根据金融合约理论， 融资租赁能够降低企业因信息不对称产生的融资溢价成本［16，17］、 债务人和债权人之间的代理成本［18］、 债务人的破产成本［18］。 融资租赁相比其他债务合约具有两个显著区别： (1）融资租赁与设备资产紧密联系， 以融物的形式进行融资， 资金用途相对明晰， 有利于降低资产替代风险， 降低债权人的监督成本； (2） 融资租赁交易下由出租人享有设备资产的所有权， 在法律保护效力方面高于无担保债权和其他类型的担保债权， 承租人信用违约时， 出租人具有取回租赁物的权利， 这有利于降低融资过程中的代理成本和破产成本， 扩大承租人的债务容量［20］， 缓解承租人投资不足的问题。 此外， 租赁企业作为融资租赁交易中的实际出资方， 相比一般金融机构在设备生产性能和残余价值方面更具有信息优势(如设备制造厂商投资设立的租赁企业）， 这有利于降低融资双方之间的信息不对称， 从而缓解债务人的融资约束问题。 融资租赁作为一种特殊的金融合约， 能够帮助企业降低融资交易成本(代理成本和破产成本）， 将物化的固定资产转变成流动性强的现金资产(售后回租交易）， 增加低生产效率装备制造企业的外部融资可得性。 基于以上分析， 本文提出假设2：

H2： 相比低融资约束的装备制造企业， 生产效率水平对企业融资租赁决策的影响在高融资约束的装备制造企业中更大。

2 研究设计

2.1 样本选择

本文参考相关学者对装备制造企业实证研究的样本选择方法， 依据《国民经济行业分类》 (GB／T4757－2011） 选择金属制品业、 通用设备制造业、专用设备制造业、 汽车制造业、 铁路船舶航空航天和其他运输设备制造业、 电气机械和器材制造业、 计算机通信和其他电子设备制造业、 仪器仪表制造业8 个行业的A 股上市公司作为研究对象。 考虑到我国融资租赁市场自2007 年商业银行重新参与后得到快速发展， 本文选择样本的时间跨度为2007～2017 年， 并进行如下处理： (1） 删除ST 类的企业样本； (2） 删除主营业务变更的企业样本； (3） 删除数据缺失的企业样本。 经过上述筛选过程， 本文最终得到6105 个样本观测值。 装备制造企业融资租赁数据为作者根据上市公司财务年报手工搜集整理而得， 企业基本信息和财务数据来自CSMAR 数据库和锐思数据库。为避免极端值的影响， 本文对所有连续型变量均进行1%和99%的Winsorize 处理。

2.2 变量定义

2.2.1 融资租赁决策

在考察装备制造企业生产效率对融资租赁决策的影响时， 本文试图分别从企业当年是否采用融资租赁进行融资和应用的强度两个方面来进行检验。 我国上市公司融资租赁相关情况主要在财务报表附注中进行披露， 本文通过逐年手工搜集的方式进行数据获取和变量定义， 并借鉴马文杰和丁剑平(2015）［21］的数据筛选方式， 依据以下信息来衡量企业是否存在融资租赁行为和融资租赁的强度选择： (1） 固定资产明细列表中融资租入固定资产的条目； (2） 长期应付款明细列表中企业应付融资租赁款余额； (3） 1 年内到期的非流动负债明细列表中企业应付融资租赁款余额。设置虚拟变量lease＿dummy 来衡量企业是否采用融资租赁进行融资， 若以上3 类信息反映企业当年存在融资租赁行为， 则lease＿dummy 取值为1，相反取值为0。 设置变量lease 来衡量企业选择融资租赁的强度， lease 定义为企业应付融资租赁款余额与期末总资产之比(企业应付融资租赁款余额=长期应付款明细列表中企业应付融资租赁款余额＋1 年内到期的非流动负债明细列表中企业应付融资租赁款余额）。

2.2.2 企业生产效率

本文借鉴郑宝红和张兆国(2018）［22］、 任胜刚等(2019）［23］的研究， 利用LP 半参数估计方法(Levinsohn 和Petrin， 2003）［24］计算出的全要素生产率tfp 来衡量上市企业的生产效率。 LP 方法以中间投入作为代理变量， 能够避免OP (Olley 和Pakes， 1996）［25］方法要求投资变量不为0而产生的数据截断问题。 在具体的生产函数设定时， 本文以企业营业收入作为产出(Y）， 以企业固定资产净值、 员工人数、 购买商品及接收劳务支付的现金分别作为资本要素投入(K）、 劳动要素投入(L）、 中间投入(M）， 其中Y、 K、 M 分别采用国家统计局公布的工业生产者出厂价格指数、 固定资产投资价格指数、 工业生产者购进价格指数， 以2007 年为基准进行平减处理。

2.2.3 控制变量

本文借鉴Eisfeldt 和Rampini (2009）［26］等研究企业融资租赁动因的变量选择， 选择资产规模size (企业期末总资产的自然对数）、 企业年龄age(当年年份与企业成立年份之差）、 资本结构lev(期末总负债与期末总资产之比）、 盈利能力roa(净利润与期末总资产之比）、 成长性q (托宾q值）、 固定资产比重fix (期末固定资产净额/期末总资产）、 现金流比率cf (经营活动产生的现金流量净额/期末总资产）、 持有现金比率cash (期末现金及现金等价物余额/期末总资产）、 企业实际所得税率tax (所得税费用/利润总额） 作为控制变量Control。

表1 变量名称及定义

续 表

2.3 模型设定

本文分别从融资租赁选择概率和强度两个方面来考察装备制造企业生产效率对融资租赁决策的影响。 融资租赁选择概率模型应用式(1） 进行估计， 分别采用Logit 和Probit 回归。 融资租赁选择强度模型应用式(2） 进行OLS 估计， 考虑到lease 变量具有左端截取特征， 为了避免采用OLS方法无法得到一致估计， 本文同时采用Tobit 模型对式(2） 进行回归。 为了避免融资租赁决策对装备制造企业生产效率具有反向因果关系而造成潜在内生性问题， 本文在将融资租赁决策相关变量作为被解释变量时， 解释变量和控制变量均采用滞后一期数据。 同时考虑到异方差等因素的影响， 本文在进行参数估计时均采用异方差调整后的稳健标准误。

3 实证结果分析

3.1 描述性统计

表2 列示了我国A 股装备制造上市企业采用融资租赁进行融资的历年分布情况， 2007 ～2017年间应用融资租赁的企业样本观测值共计761 个，占总样本观测值6105 的12.47%。 从历年分布的绝对数量来看， 应用融资租赁的企业样本观测值呈现逐年增加的趋势。 从历年分布的相对数量来看， 应用融资租赁的企业样本观测值占比从2007年的4.6%增长至2017 年的21.45%， 这表明越来越多的装备制造上市企业应用融资租赁这一融资渠道进行融资。 表3 分行业的融资租赁样本统计结果显示， 融资租赁在装备制造上市企业的应用中存在一定的细分行业差异， 其中铁路、 船舶、航空航天和其他运输设备制造业应用融资租赁占比最高(20.22%）， 其次是汽车制造业(16.89%），最低为仪器仪表制造业(7.53%）。 表4 列示了主要变量的描述性统计情况， 其中lease 的平均值为0.002， 25%四分位数、 中位数、 75%四分位数处的观测值均为0， 显示lease 具有左端截取的分布特征， 另外lease 的最大值为0.069， 即应付融资租赁款余额占期末总资产的比例接近7%， 表明个别装备制造上市企业采用融资租赁进行融资的比例较大。 经LP 方法测算的全要素生产率最小值为9.485， 最大值为13.82， 表明样本企业的生产效率整体上存在一定的差异性。 此外， fix 的平均值为0.191， 表明装备制造上市企业的固定资产占比整体平均接近20%， 但个体上表现出较大的差异性(最小值为0.016， 最大值为0.521）。

表2 融资租赁样本历年分布情况

表3 融资租赁样本按行业分布情况

表4 主要变量的描述性统计

3.2 回归结果分析

本文分别从融资租赁选择概率和强度两个方面考察装备制造企业生产效率与融资租赁决策的关系， 回归结果见表5 的(1）～(4） 列。 表5 的第(1） 列和第(2） 列回归结果显示， tfp 的系数均在1%的置信水平上显著为负， 这表明装备制造企业生产效率越低， 则选择融资租赁的概率越大， H1a 得到验证。 由于Logit 和Probit 均为非线性模型， 其系数不具有线性回归模型的系数含义， 本文进一步计算了Logit 回归模型中tfp 变量的平均边际效应为－0.0596 (Probit 模型为－0.0637），即在其他条件相同的情况下， 装备制造企业的生产效率每降低1 个单位， 选择融资租赁的概率增加约6%。

表5 的第(3） 列和第(4） 列报告了装备制造企业生产效率对融资租赁选择强度的影响。 第(3） 列采用了包含个体、 时点的双向固定效应模型进行估计， 回归结果显示tfp 的系数在5%的置信水平上显著为负， 这表明装备制造企业生产效率越低， 则选择融资租赁的强度越大， H1b 得到验证。 具体地来看， 在其他条件相同的情况下，装备制造企业的生产效率每降低1 个单位， 选择融资租赁融资的强度增加0.0019。 另外， 为了避免被解释变量lease 左端截取造成OLS 估计不一致， 第(4） 列采用了Tobit 模型进行估计， 回归结果显示tfp 的系数在1%的置信水平上显著为负，同样支持H1b。 由于Tobit 也属于非线性模型， 经调整因子计算后的平均边际效应为－0.0024， 表明在其他条件相同的情况下， 装备制造企业的生产效率每降低1 个单位， 选择融资租赁的强度增加0.0024 (比OLS 略大）。

为了考察融资约束程度是否影响装备制造企业生产效率与融资租赁决策的关系， 本文计算样本企业的KZ 指数(Kaplan 和Zingales， 1997）［27］来衡量企业的融资约束程度， 并按照排序大小分成3 组， KZ 指数较高的样本组定义为高融资约束组， KZ 指数较低的样本组定义为低融资约束组，然后进行分组回归， 结果见表5 的(5）～(8） 列。

第(5） 列和第(7） 列的回归结果显示， 高融资约束样本的tfp 系数在1%的置信水平上显著为负， 而低融资约束样本的tfp 系数不显著， 这表明装备制造企业生产效率与融资租赁选择概率的关系在高融资约束样本中更显著。 第(6） 列和第(8） 列的回归结果显示， 高融资约束样本的tfp 系数在1%的置信水平上显著为负， 而低融资约束样本的tfp 系数仅在10%的置信水平上显著为负。 并且经过对Tobit 模型进行调整因子计算后，高融资约束样本tfp 的平均边际效应为－0.0034，低融资约束样本tfp 的平均边际效应为－0.0011。即在其他条件相同的情况下， 高融资约束装备制造企业的生产效率每降低1 个单位， 选择融资租赁的强度增加0.0034 (约为低融资约束样本的3倍）。 此外， cf (经营活动产生的现金流量净额/期末总资产） 的系数在高融资约束样本中均显著为负， 而在低融资约束样本中均未通过检验， 这表明内源性融资不足时， 企业选择融资租赁的概率和强度更大， 这进一步验证了融资约束对企业生产效率与融资租赁决策关系的影响。 以上结果显示， 相比低融资约束的装备制造企业， 生产效率水平对企业融资租赁决策的影响在高融资约束的装备制造企业中更大， 即H2 得到验证。

表5 装备制造企业生产效率与融资租赁决策的检验结果

3.3 稳健性检验

为进一步保证本文研究结论的可靠性， 本文分别做了如下的稳健性检验(结果表略）： (1） 为了避免各省份经济形势和地方金融发展差异性的影响， 本文在基准回归的基础上加入省份和年份的交互效应； (2） 企业生产效率测度方式的差异可能对研究结论具有潜在影响， 本文采用ACF 方法(Ackerberg 等， 2015）［28］重新计算装备制造企业的全要素生产率来作为新的解释变量进行回归；(3） 本文利用SA 指数［29］来衡量企业融资约束程度， 按照KZ 指数的分组方式分别对高融资约束样本和低融资约束样本进行检验。 以上稳健性检验的结果与前文分析结果基本一致。

4 进一步分析

在搜集装备制造上市企业融资租赁相关信息的过程中发现， 开展的融资租赁业务以企业存量资产的售后回租模式为主， 且租赁标的物以机器设备类资产为主。 另外， 以上的回归结果显示， fix(固定资产占比） 对企业选择融资租赁的概率和强度均具有显著的正向作用。 当企业面临融资约束时， 以自有资产进行融资(如抵押借款、 售后回租等） 具有对债务人约束的治理作用， 能够帮助融资企业降低外部融资成本、 扩大债务容量［30］。专用性资产用于替代或者使用人变更时通常难以发挥生产价值， 将影响企业利用抵押渠道获取外部资金的能力［31］。 相比房屋建筑物类资产， 装备制造企业生产装备产品的机器设备在技术和使用上具有特殊性， 在抵押贷款融资过程中一旦债务人违约， 银行则难以快速变现实现债权清偿。 而融资租赁在融资交易过程中具有租赁物所有权和使用权相分离的特点， 由出租人拥有租赁标的物的所有权， 不影响承租人的设备使用。 当融资企业违约时， 出租人凭借所有权有取回租赁物保护债权的优势， 且出租人相比银行等一般金融机构具有更好的设备处置能力， 因而低生产效率装备制造企业的机器设备类资产可能更易通过融资租赁方式获得融资。

本文试图从上述资产类别与外部融资渠道的关系来解释低生产效率的装备制造企业倾向于选择融资租赁进行融资的内在机制。 本文根据锐思数据库财务报表附注项目中的固定资产明细数据，分别设置变量equip (机器设备类资产占期末固定资产的比例） 与real＿estate (房屋建筑物类资产占期末固定资产的比例）， 并将它们与生产效率的交互项放入到回归模型(式(3）～(6））， 以检验上述机制是否得到支持。 回归结果如表6 所示，主要关注equip、 real＿estate 分别与生产效率tfp 交互项系数(即γ1、 γ2、 σ1、 σ2） 的正负和统计显著性。

表6 机制检验

续 表

表6 第(1） 列和第(2） 列的回归结果显示， 机器设备资产占比equip 的系数在1%的置信水平上显著为正， 表明机器设备资产占比越高，则选择融资租赁进行融资的概率和强度越大。 并且equip 和tfp 的交互项系数均在5%的置信水平上显著为负， 表明机器设备资产占比对生产效率与融资租赁选择概率的关系具有显著的调节作用。具体来说， 当装备制造企业机器设备资产占比较高时， 生产效率越低， 则选择融资租赁进行融资的概率和强度更大。 表6 第(3） 列和第(4） 列的回归结果显示， 房屋建筑物类资产占比real＿estate、 real＿estate 与tfp 的交互项系数均不显著， 这表明房屋建筑物类资产占比对生产效率与融资租赁决策的关系不具有调节作用。

为进一步验证低生产效率的装备制造企业主要通过动产融资渠道来选择融资租赁融资， 本文利用CSMAR 企业借贷明细项目中的抵押贷款数据进行补充性对照分析。 设置变量collateral (抵押贷款余额/期末总资产） 作为被解释变量， 利用式(4） 和(6） 进行回归， 结果见表6 的第(5）列和第(6） 列。 结果显示， 机器设备资产占比equip 越高， 则企业抵押贷款比率越低， 且equip和tfp 的交互项系数均在10%的置信水平上显著为正。 这表明当装备制造企业机器设备资产占比较高时， 生产效率越低， 则抵押贷款融资的比率越低。

综合表6 各列的实证结果， 可以得出低生产效率水平的装备制造企业更倾向于选择融资租赁的作用机制是动产融资渠道， 即相比银行抵押贷款融资渠道， 装备制造企业的机器设备类动产更易通过融资租赁方式获得融资。

5 结论与启示

本文关注融资租赁这一金融工具， 考察了装备制造企业生产效率与融资租赁决策的关系。 研究结果表明， 生产效率越低的装备制造企业选择融资租赁的概率和强度均显著增加， 且上述关系在高融资约束样本中更显著。 进一步研究后发现，低生产效率水平的装备制造企业更倾向于选择融资租赁的作用机制是动产融资渠道， 即相比银行抵押贷款融资渠道， 装备制造企业的机器设备类动产更易通过融资租赁方式获得融资。

本文研究结果表明， 融资租赁作为一种特殊的金融工具， 其资产融资属性在缓解装备制造企业融资约束方面能够发挥独特的作用。 特别是针对具有专用性的资产， 租赁企业拥有租赁物所有权和较强的资产处置能力， 相比银行机构更有利于向融资约束的企业提供融资支持。 本文研究结论为企业生产效率水平和获取外部资金途径之间的关系提供了新的证据， 这在我国强调金融回归本源和促进实体经济发展、 装备制造业金融支持不足的背景下， 为探讨如何利用金融资源和金融工具促进装备制造业自主创新、 生产效率提升提供了思路。

注释：

①根据《国民经济和社会发展统计公报》， 装备制造业包括金属制品业， 通用设备制造业， 专用设备制造业， 汽车制造业， 铁路、船舶、 航空航天和其他运输设备制造业， 电气机械和器材制造业， 计算机、 通信和其他电子设备制造业， 仪器仪表制造业。

②来源于本文手工收集装备制造上市企业应用融资租赁情况的数据。