大型企业异质性冲击与经济增长率和中小企业生产率

唐齐鸣　赵传玺

摘 要：本文基于2000—2018年中国上市企业数据，从粒度特征角度构建异质性冲击的衡量指标，研究了最大100家企业异质性冲击对经济增长率的影响和11个分行业大型企业异质性冲击对行业内中小企业生产率的影响。研究结果显示：最大100家企业异质性冲击与经济增长率显著正相关;11个分行业大型企业异质性冲击与行业内中小企业生产率显著负相关，其通过加剧中小企业的融资约束来降低其生产率，且在低技术行业、非国有企业和新企业中尤其显著。本文的研究结论不仅补充了关于企业异质性冲击方面的已有文献，也为政策制定者提供了新思路。

关键词：异质性冲击;经济增长;企业生产率;融资约束;粒度特征

中图分类号：F425文献标识码：A

文章编号：1000-176X（2020）06-0122-08

一、问题的提出

自2018年以来，中国经济受到国内外不确定性因素的共同作用：在国内层面，宏观上面临着顺周期下行的压力，微观上面临高企业杠杆率、产能过剩和家庭债务增加等问题;在国际层面，中美贸易摩擦使得中国金融开放程度加快，面临着全球金融市场相互依存的风险。重要的、系统性的金融机构存在规模较大、结构和业务复杂、与其他金融机构关联性强的特点，一旦倒闭或遭遇困境事件，可能将对金融体系或实体经济产生不利影响。2008年9月雷曼兄弟破产后美国次贷危机急速加速就证明了这一点。2008年全球金融危机让人们意识到需要保住重要的、系统性的大型机构。经济状态取决于相互依赖的大型企业的行为，大型企业之所以重要，是因为企业存在粒度特征（Granular Effect）。粒度特征是指如果经济中的企业规模为幂律分布，即呈现厚尾特征——少数大型企业与大量小型企业共存，这种特征会使中心极限定理失效，大型企业异质性冲击在总体上不会相互抵消。Bremus等[1]认为，在金融较为封闭的经济体中，粒度特征更显著。Gabaix[2]根据非金融机构的粒度特征提出了粒度假说理论（Granular Hypothesis），该理论认为大型企业受到的异质性冲击不会相互抵消，对总体波动的影响显著。因此，不仅要关注经济顺周期性波动冲击，防止各种冲击通过金融体系内部或者金融体系与宏观经济的相互作用被催生甚至放大，也要关注大型机构，防止各种冲击通过机构之间的相互关联性，导致金融体系或宏观经济体系受到较大影响，防止发生系统性金融风险。

Gabaix[2]最早利用物理学中的粒度概念研究了美国最大100家企业，使用规模加权冲击与总收入之比构建了粒度残差指标，发现经济总产出的波动很大一部分来自于大型企业受到的异质性冲击，可见大型企业对经济的影响不容忽视。Corsetti等[3]提出了一个模型来解释大型交易者对小型交易者行为的影响。Siriwardane[4]发现，少量出售者存在的信用违约互换（CDS）市场，市场集中度很高，因而CDS合约价格受到出售者的影响很大。Blank等[5]研究了德国银行业异质性冲击，发现大型银行受到的成本冲击将增加小银行破产的可能性。Jinjarak和Zheng[6]揭示了大型金融机构与全球各个市场投资风险之间的关系，研究结果表明，对大型企业投资者的异质性冲击能够显著影响市场风险和跨市场风险的相互依赖性，此影响在2007—2009年尤为突出。此外，Di Giovanni和Levchenko[7]在国际贸易领域扩展了粒度假说理论，发现更开放的贸易对宏观经济增长的影响更大。

近年来，国内已有一些研究关注了机构异质性冲击。然而，鲜有研究涉及中国企业以及各行业大型企业的粒度特征。目前，中国少数大型企业与大量小型企业共存，规模前100的企业在过去10年里平均总收入占GDP将近20%，一些行业中存在“一支独大”的现象。任曙明和吕镯[8]认为，受制于金融市场的发展落后，中国存在着金融资源配置不合理和大型企业资源垄断现象，表征是中小企业融资难及融资贵，融资约束对其生产率产生较大的负面影响。从这个意义上来讲，解读行业的异质性冲击与中小企业生产率的关系就成为一个非常有意义的话题。林毅夫等[9]认为，该主题的研究主要聚焦于宏观维度，从微观企业角度的研究证据相对较少。

本文基于2000—2018年中国上市企业数据，从粒度特征角度构建异质性冲击的衡量指标，研究了最大100家企业异质性冲击对经济增长率的影响和11个分行业大型企业异质性冲击对行业内中小企业生产率的影响。上述文献为本文提供了研究思路，本文的贡献在于：首先，从粒度特征角度构建异质性冲击指标，分析了最大100家企业异质性冲击对经济增长率的影响。既从学术上丰富了粒度假说理论，也有助于防范由大型企业异质性冲击引起的系统性风险。其次，分析了11个分行业大型企业异质性冲击对行业内中小企业生产率的影响，并从债务比率和投资—现金流敏感性视角探讨了其影响机制。

二、理論分析与研究假设

理论上，大型企业异质性冲击引起整体波动，主要源于以下两个方面：首先，Gabaix[2]证明了当系统中企业规模为幂律分布时，大型企业受到的冲击不能被分散，可能产生总体波动，他将其称为粒度假说理论。该理论与传统观点中心极限定理相悖，中心极限定理认为，当系统中有数以万计的公司时，正向冲击与负向冲击可能会相互抵消。然而，当少数大型企业与大量小型企业共存时，大型企业受到的异质性冲击对总体发展的影响不会被抵消。Bremus等[1]提到，尤其是在财务较为封闭的经济体中，粒度特征往往不容忽视。其次，Di Giovanni和Levchenko[10]认为，大型企业的重要地位体现在国际贸易是显著影响宏观经济增长的重要因素。然而，大型企业异质性冲击会通过企业之间的相互联系来影响整体波动。这是由于大型企业每年可能从其他企业消费产品和服务，例如，软件开发、物流、食品服务和办公用品等。当大型企业与小型企业企业互动时，这些小型企业可能会在其组织结构、管理实践和运营等方面作出改进。这些变化有利于小型企业技术升级和提升效率，进一步实现财务稳定。另外，受益于大型企业的新知识和新模式的溢出效应，同行业的小型企业可能更容易获得信贷和其他商业机会。当一些小型企业改进其系统或商业模式时，其他小型企业会从中学习并提高自身竞争力，进而提高整个小型企业的生产效率。

粒度假说理论在不同国家得到了经验证据的支持。Ignacio[11]利用1988—2011年11个欧盟国家按产品划分的出口数据，得出主要产品的异质性冲击可能对较小国家的总出口产生重大影响的结论。Blank等[5]构建了银行业粒度残差指标，分析了欧洲大型银行信贷的异质性冲击对实体经济的影响，发现大型银行信贷的变化对GDP增长具有显著的短期影响，产生这种影响的主要驱动因素为负信贷增长，且东欧地区比西欧地区更显著。Buch和Neugebauer[12]分析了2005—2013年德国银行的主权债务敞口数据，发现主权债券主要由规模较大的银行持有，且低风险的政府债券降低了德国银行的风险，尤其是储蓄银行和合作银行。Jinjarak[6]揭示了大型金融机构与全球各个市场投资风险之间的关系，对大型企业投资者的异质性冲击能够显著影响市场风险和跨市场风险的相互依赖性，此影响在2007—2009年全球金融危机期间尤为突出。

自1999年以来，中国最大规模的企业总收入占GDP的比重不断上升，从小于5%到2017年将近四分之一，可见企业规模分布存在幂律分布特征。另外，相较于发达国家，中国金融开放度较低且较为封闭，当企业规模分布存在幂律分布时，大型企业受到的异质性冲击也可能会影响到经济增长率。在金融机构中，中国五大国有商业银行和国有控股企业在银行借贷中占主导地位，集中程度较高，规模也存在分布不均的情况。张天顶和赵梦婷[13]参照Gabaix[2]与Blank等[5]的研究范式，揭示了中国商业银行的信贷冲击具有显著的实际经济效应，其研究证明了中国商业银行信贷规模服从幂律分布，这表明商业银行信贷增长的异质性冲击将不能在商业银行之间相互抵消，会影响到宏观经济总体运行绩效。基于对国内外文献的梳理，笔者提出如下假设：

假设1：大型企业异质性冲击与经济增长率显著正相关。

大型企业更容易从金融机构获得信贷支持，因而中小企业面临的融资约束会对其生产率产生负面影响，原因如下：首先，融资约束导致中小企业改变投资决策，放弃一些本应获利的投资项目，尤其是具有长期性特征的助推企业提高生产率的投资机会。Myers和Majluf[14]认为，中小企业的融资难加剧了融资贵的恶性循环，倒逼企业使用内部沉淀或者积累的资金进行固定资产投资。然而，Badia和Slootmaekers[15]认为，有价值的投资项目规模和资金需求往往较为巨大，单纯依靠企业自身资金难以负担，导致企业放弃投资，从而资源配置失调，进而拉低了生产效率。其次，融资约束将中小企业置于高流动性风险环境内。Aghion等[16]发现，由于不确定性因素的存在，一般企业没有意愿投资高收益但回收周期长的项目，尤其是基础技术领域内的项目，此种选择影响了企业技术进步和效率提升。最后，融资约束严重制约了中小企业的技术升级和产品研发，阻碍了生产率的有效提升。蔡卫星[17]发现，产品研发往往需要投入大量前期资金和沉没成本，对于新兴行业的中小企业，其融资来源主要为内源性融资，资金不足和融资来源匮乏导致产品研发停滞，进而使生产率无法得到提升。基于上述分析，笔者提出如下假设：

假设2：受融资约束的影响，大型企业异质性冲击与中小企业生产率显著负相关。

三、研究设计

（一）变量定义

1.被解释变量

经济增长率（Growth），借鉴Gabaix[2]与张天顶和赵梦婷[13]，本文使用季度GDP增长率（gGDP）、季度人均GDP增长率（gGDPppl）和季度工业增加值增长率（IndAdd）三个指标衡量。

中小企业生产率（g），借鉴蔡卫星[17]、简泽等[18]与任曙明和吕镯[8]，定义劳动生产率z的表达式为：zit=ln（TotalRevit/nit）。其中，TotalRev为企业营业收入，n为企业员工人数。进而，定义中小企业生产率为：git=zit-zi，t-1。其中，g为中小企业生产率的近似值。

2.解释变量

最大100家企业异质性冲击（GR_100），本文用粒度残差指标衡量。基于Gabaix[2]的方法，将理想的粒度残差指标Γ*定义为：Γ*t=∑Ki=1Si，t-1/Yt-1εit。其中，S表示企业总收入，Y表示GDP，K为100。上式表示加权规模下企业异质性冲击总和。为了得到ε，用t-1时期的Q≥K个企业来估计企业异质性冲击。利用估计的企业生产率g得到it=git-′Xit，X表示样本的平均增长率。粒度残差指标Γ为：Γt=∑Ki=1Si，t-1/Yt-1it。若Γ与Γ*十分接近，则认为识别出了粒度残差指标。有两点需要说明：第一，可以使用最简单的方法，即等权规模来控制样本中的平均增长率，Xit=git，git=Q-1∑Qi=1git。实际中，通常用K=100来构建粒度殘差指标，Q=1 000或100来计算平均值。进而得到：GR_100t=Γt=∑Ki=1Si，t-1/Yt-1（git-git）。此外，使用企业i所在行业的平均生产率g来表示平均增长率，Xit=gIndit，有：GR_100t=Γt=∑Ki=1Si，t-1/Yt-1（git-gIndit）。上式代表加权规模下企业生产率减去行业内平均企业生产率。（git-gIndit）更加接近真实ε，因为gIndit更好地控制了企业所在行业内的波动，比如整个行业的价格波动。本文使用后一种方法，原因在于其控制了最大100家上市企业所在行业的平均增长率，得到的粒度残差指标更加接近真实的ε。

分行业大型企业异质性冲击（GR_Ind），同理也用粒度残差指标衡量。由于每一行业大型企业的数量不同，每一行业中最大的K家企业取值不同，用n表示。因此，用GR_Ind表示K=n时分行业大型企业异质性冲击，计算公式如下：GR_Indt=Γ_Indt=∑K=ni=1Si，t-1/Yt-1（git-gIndt）。其中，Ind表示行业;Si，t-1/Yt-1表示分行业内大型企业i在t-1时期产量与行业总产值的比值。除了分行业大型企业异质性冲击反映行业的集中度外，赫芬达尔指数也被广泛使用，后文用其作为替代指标进行稳健性检验。市场集中度（HHI），用企业所在行业的赫芬达尔指数衡量。

3.调节变量

债务比率（DebtR），用企业总负债与总资产的比值衡量;企业现金流（CF），用（营业利润+当期折旧）/总资产衡量。

4.控制变量

借鉴Blank等[5]与张天顶和赵梦婷[13]，宏观经济层面控制变量包括：信贷总额占GDP比重（Credit）、进出口总额占GDP比重（Trade）、居民消费价格指数（CPI）、政府消费占GDP比重（Gov）。

借鉴简泽等[18]与任曙明和吕镯[8]，企业层面控制变量包括：企业规模（Asset），用总资产的自然对数值衡量;财务杠杆（Lev），用企业总负债与股东权益的比值衡量;技术选择（KI），用企业人均资本的自然对数值衡量;企业年龄（Age），用（样本年份-成立年份）的自然對数值衡量;企业所在省份宏观经济增速（GDP_pro）。

（二）数据说明

本文使用的企业数据主要来自于国泰安数据库，包括中国A股市场2000年1月1日至2018年12月31日的所有上市企业。基于原始数据，做如下处理：剔除行业中金融类企业，其中，包括货币金融服务类、其他金融类、资本市场服务类、保险类企业;剔除ST和*ST类企业，共得到3 461家企业，剔除观测值缺失的样本，最终得到29 318个观测值;本文使用的国民经济核算指标类数据来自于国家统计局数据库。

根据《国民经济行业分类》（GB/T 4754—2017）中行业代码（字母）门类代码，并结合《统计上大中小微型企业划分标准》，本文将样本数据划分为11个行业，分别为：农、林、牧、渔业;采矿业;制造业;电力、热力、燃气及水生产和供应业;建筑业;批发业和零售业;交通运输和仓储业;住宿和餐饮业;信息传输、软件和信息技术服务业;房地产业;其他行业。根据《统计上大中小微型企业划分标准》中从业人数、销售金额和资产总额等三项指标，对不同行业的大中小企业进行划分。如此划分的原因如下：首先，以从业人数划分企业类型，清晰简单，符合国际通用做法。其次，客观上，总收入反映了企业真实的经营体量和市场竞争实力，且该指标在中国现行指标中数据较为完整，获取难度较低。最后，资产总额指标从生产要素和资源两个维度体现了公司整体规模。

（三）模型设定

为了分析中国最大100家企业异质性冲击对经济增长率的影响，构建如下模型：

Growthit=β0+β1Growthi，t-1+β2GR_100it+∑βmControlsit+Yeart+εit（1）

其中，i和t分别表示企业和年份;Controls表示一系列控制变量，包括信贷总额占GDP比重（Credit）、进出口总额占GDP比重（Trade）、居民消费价格指数（CPI）和政府消费占GDP比重（Gov）;Year表示时间效应;ε表示随机扰动项。

为了分析分行业大型企业异质性冲击对中小企业生产率的影响，构建如下模型：

git=β0+β1GR_Indit+∑βmControlsit+Indi+Yeart+λi+εit（2）

其中，Controls表示一系列控制变量，包括企业规模（Asset）、财务杠杆（Lev）、技术选择（KI）、企业年龄（Age）、企业所在省份宏观经济增速（GDP_pro）;Ind、Year和λ分别表示行业固定效应、时间效应和个体效应;ε表示随机扰动项。

四、实证结果及分析

（一）描述性统计分析

表1是主要变量的描述性统计结果，分行业大型企业异质性冲击的标准差比最大100家企业异质性冲击的标准差大，意味着分行业异质性冲击差别很大;中小企业生产率的均值为0.117，且在样本期间呈稳步上升趋势，但分行业大型企业异质性冲击为稳步下降趋势。

（二）基准回归结果及分析

1.最大100家企业异质性冲击与经济增长率

表2是最大100家企业异质性冲击与经济增长率的回归结果，列（1）、列（2）和列（3）分别报告了全国季度GDP增长率（gGDP）、季度人均GDP增长率（gGDPppl）和季度工业增加值增长率（IndAdd）作为被解释变量的系统GMM回归结果。

从表2可以看出，列（1）最大100家企业异质性冲击的回归系数为1.412，且在1%的水平下显著，说明最大100家企业异质性冲击对经济增长率具有显著正向影响。列（2）和列（3）显示，最大100家企业异质性冲击的回归系数分别为1.486和0.932，且均在1%的水平下显著。假设1得以验证。其他控制变量的回归结果也与其经济含义一致。

2.分行业大型企业异质性冲击与行业内中小企业生产率

表3是分行业大型企业异质性冲击与行业内中小企业生产率的回归结果，列（1）和列（2）分别报告了没有控制变量和引入控制变量的固定效应回归结果。

从表3可以看出，列（1）和列（2）显示，分行业大型企业异质性冲击的回归系数均为负，且在5%水平下显著，在加入了控制变量后，系数的绝对值有所增长，说明分行业大型企业异质性冲击会显著降低行业内中小企业生产率，假设2得以验证。

（三）分行业大型企业异质性冲击对行业内中小企业生产率的影响机制

1.基于债务比率的讨论

Myers和Majluf[14]与Aivazian等[19]认为，分行业大型企业异质性冲击影响行业内中小企业生产率的核心环节在于其面临的融资约束，债务较高可能是限制中小企业进行外部融资来投资或产生投资激励的原因。为了检验分行业大型企业异质性冲击对行业内中小企业融资约束的影响，构建如下模型：

git=α0+α1GR_Indit+α2GR_Indit×DebtRi，t-1+α3DebtRi，t-1+∑αmControlsit+Indi+Yeart+λi+εit（3）

其中，Controls表示一系列控制变量，与模型（2）中的控制变量相同。

表4是分行业大型企业异质性冲击与行业内中小企业的融资约束的回归结果。

表4列（1）是基于模型（3）的回归结果，分行业大型企业异质性冲击与债务比率交互项的回归系数为负，且在1%的水平下显著，说明分行业大型企业异质性冲击越大，行业内中小企业债务比例越高，进而导致其生产率越低。

2.基于投资—现金流敏感性的讨论

本文借鉴Fazzari等[20]构建的投资—现金敏感性模型，检验分行业大型企业异质性冲击对行业内中小企业融资约束的影响，构建如下模型：

I/Kit=α0+α1GR_Indit+α2GR_Indit×CFi，t-1+α3CFi，t-1+∑αmControlsit+indusi+Yeart+λi+εit（4）

其中，I/K表示企業新增投资，用周期内固定资产增量/期初固定资产衡量;Controls表示一系列控制变量，与模型（2）中的控制变量相同。

Fazzari等[20]认为，融资约束程度较高时，企业更加倾向于使用内部资金完成融资，即项目投资所需资金多来自于企业自身现金流。由此，若CF的系数α3显著为正，则系数反映融资约束程度。各行业大型企业异质性冲击与现金流指标的交互项，即GR_Ind×CF表明往往大型企业正向异质性冲击对同行业中小企业融资约束具有额外效应，若交互项系数α2显著为正，则表示各行业企业异质性冲击加剧了中小企业的融资约束。

表4列（2）是基于模型（4）的回归结果，企业现金流的回归系数为正，且在1%的水平下显著，说明现金流对投资支出具有正向效应;分行业大型企业异质性冲击与内部现金流的交互项系数显著为正，说明大型企业异质性冲击提高了行业内中小企业的投资—现金流敏感性。由于企业更多地依赖于内部资金进行融资决策，进而企业投资所需资金则主要来源于自身现金流。因此，分行业大型企业异质性冲击通过加剧行业内中小企业的融资约束，导致其生产率下降，假设2进一步得以验证。

3.不同企业特征的分类讨论

Bah和Dumontier[21]与王燕梅[22]研究发现，从行业属性角度，较之低技术行业，高技术行业企业受限于无形资产占比过高，融资约束尤甚。Claessens和Tzioumis[23]的研究表明，从企业性质角度，非国有企业比国有企业更有可能面临融资约束。从企业生命周期角度，张杰等[24]发现，信息不对称导致了新企业比老企业更容易遭遇融资约束。因此，本文根据上述三个维度划分子样本，比较分行业大型企业异质性冲击对行业内中小企业生产率的影响在异质性企业中的差异。具体而言，按照国家统计局公布的行业分类标准，可以将中小企业分为两大类，即高技术行业和低技术行业;按照国泰安数据库的企业股权性质划分，将股权结构中含有国有股的中小企业归入国有企业，其他则归为非国有企业;根据企业年龄不同，分为新企业和老企业两类企业，具体回归结果如表5所示。

从表5中可以看出，分行业大型企业异质性冲击对行业内中小企业生产率具有负向冲击，这在具有强融资约束特征的非国有和新企业中更为显著。然而，与预期不同的是，在高技术行业中，大型企业异质性冲击会对中小企业生产率有显著正向影响，但是在低技术产业中，作用方向相反，这与张杰等[24]与蔡卫星[17]的研究结果一致。可能的原因是，高技术产业需大量依靠产品研发来促进生产效率提升，而这一过程需要巨大的资金投入和沉没成本，对于新兴的、技术密集型中小企业，很难承担研发活动所需的巨额前期投入，但他们可以得益于行业内大型企业新兴技术或创新模式的应用来提高企业生产率，即大型企业异质性冲击在高技术产业中具有很强的正外部效应。

（四）稳健性检验

1.次贷危机下分行业大型企业异质性冲击

为了增强结论的稳健性，研究次贷危机期间分行业大型企业异质性冲击对行业内中小企业生产率的影响，本文将样本时间选择为2007—2009年重新回归。稳健性检验结果显示，限于篇幅，稳健性检验结果未在正文列出，留存备索。大型企业异质性冲击的回归系数为-0.307，且在10%的水平下显著，因此，即使在全球金融危机的影响下，分行业大型企业异质性冲击依然与行业内中小企业生产率显著负相关，证实了研究结果的稳健性。

2.使用替代指标

本文使用市场集中度替代分行业大型企业异质性冲击进行回归，稳健性检验结果显示，市场集中度的回归系数显著为负。市场集中度越高，代表行业结构的垄断程度越大，该结果与上文一致。

五、研究结论与政策建议

本文基于2000—2018年中国上市企业数据，从粒度特征角度构建异质性冲击的衡量指标，研究了最大100家企业异质性冲击对经济增长率的影响和11个分行业大型企业异质性冲击对行业内中小企业生产率的影响。研究发现：最大100家企业异质性冲击与经济增长率显著正相关;11个分行业大型企业异质性冲击与行业内中小企业生产率显著负相关，其通过加剧中小企业的融资约束来降低其生产率，且在低技术行业、非国有企业和新企业中尤其显著。

根据以上研究结论，笔者提出如下政策建议：首先，对于政府而言，要继续深化经济体制改革。优化市场资源配置，做好顶层设计，兼顾大型企业的发展与中小企业的成长，促进各类型企业良性发展。同样，应当以“大型创新企业为驱动，带动中小企业发展”的整体思路制定政策目标，并防范由大型龙头企业异质性冲击引起的系统性风险。其次，对于大型企业而言，应持续提升产品质量、服务质量和市场竞争力，提高自身的生产效率和市场占有率。最后，对于中小企业而言，要克服资源错配的困境，坚持通过发展创新推动自身成长。

参考文献：

[1] Bremus，F.，Buch，C.，Russ，K. Big Banks and Macroeconomic Outcomes：Theory and Cross-Country Evidence of Granularity[R]. National Bureau of Economic Research Working Paper Series， No. 19093，2013.

[2] Gabaix，X. The Granular Origins of Aggregate Fluctuations[J]. Econometrica，2011，79（3）：733-772.

[3] Corsetti，G.，Dasgupta，A.，Morris，S.， et al. Does One Soros Make a Difference？ A Theory of Currency Crises With Large and Small Traders[J]. Review of Econmic Studies，2004，71（1）：87-113.

[4] Siriwardane， E. Limited Investment Capital and Credit Spreads[R].Harvard Business School Finance Working Paper，No.16-007，2018.

[5] Blank，S.，Buch，C. M.，Neugebauer，K.Shocks at Large Banks and Banking Sector Distress： The Banking Granular Residual[J]. Journal of Financial Stability，2009，5（4）：353-373.

[6] Jinjarak，Y.，Zheng，H. Granular Institutional Investors and Global Market Interdependence[J].Journal of International Money and Finance，2014，46（3）： 61-81.

[7] Di Giovanni，J.，Levchenko，A.A. Country Size，International Trade，and Aggregate Fluctuations in Granular Economies[J]. Journal of Political Economy，2012，120（6）：1083-1132.

[8] 任曙明，呂镯.融资约束、政府补贴与全要素生产率——来自中国装备制造企业的实证研究[J].管理世界，2014，（11）：10-23.

[9] 林毅夫，孙希芳，姜烨.经济发展中的最优金融结构理论初探[J].经济研究，2009，（8）：4-17.

[10] Di Giovanni，J.，Levchenko，A. A.Large Firms and International Business Cycle Co-Movement[J]. The American Economic Review，2017，107（5）：598-602.

[11] Ignacio，D.R.The Granular Hypothesis in EU Country Exports[J].Economics Letters， 2013， 120（3）：433-436.

[12] Buch，C. M.， Neugebauer，K. Bank-Specific Shocks and the Real Economy[J]. Journal of Banking and Finance， 2011， 35（8）：1-21.

[13] 张天顶，赵梦婷.商业银行部门、特质性冲击以及中国省际经济增长[J].南方金融，2013，（9）：4-10.

[14] Myers，S.，Majluf，N.Corporate Financing and Investment Decisions When Firms Have Information That Investors Do not Have[J].Journal of Financial Economics，1984，13（2）：187-221.

[15] Badia，M.，Slootmaekers，V.The Missing Link Between Financial Constraints and Productivity[R].IMF Working Paper，No.72，2009.

[16] Aghion，P.G.，Angeletos，A.，Banerjee，K. M. Volatility and Growth： Credit Constraints and Productivity-Enhancing Investment[R]. NBER Working Paper，No.11349，2005.

[17] 蔡卫星.银行业市场结构对企业生产率的影响——来自工业企业的经验证据[J].金融研究，2019，（4）：39-55.

[18] 简泽，张涛，伏玉林.进口自由化、竞争与本土企业的全要素生产率——基于中国加入WTO 的一个自然实验[J].经济研究，2014，（8）：120-132.

[19] Aivazian，V.A.，Ge，Y.，Qiu，J. The Impact of Leverage on Firm Investment： Canadian Evidence[J]. Journal of Corporate Finance， 2005，11（1）：277-291.

[20] Fazzari，S. M.，Hubbard，R. G.，Petersen，B. C.Financial Financing Constraints and CorporateInvestment[J]. Brooking Papers on Economic Activity，1988，19（1）：141-206.

[21] Bah，R.，Dumontier，P.R&D Intensity and Corporate Financial Policy： Some International Evidence[J]. Journal of Business Finance and Accounting，2011，28（5）：672-692.

[22] 王燕梅.高技术产业化中的融资问题研究[J].中国工业经济，2000，（9）：67-71.

[23] Claessens，S.，Tzioumis，K. Measuring FirmsAccess to Finance[R]. World Bank Working Paper，2006.

[24] 张杰，芦哲，郑文平，等.融资约束、融资渠道与企业R&D投入[J].世界经济，2012，（10）：66-90.

（责任编辑：孙 艳）

收稿日期：2020-02-15

基金项目：国家社会科学基金一般项目“基于分层管理视角的系统性风险顺周期性波动效应与异质性冲击效应研究”（19BJY258）

作者简介：唐齐鸣（1956-），女，湖北武汉人，教授，博士，博士生导师，主要从事金融计量学、货币金融理论等方面研究。E-mail：tqm@hust.edu.cn

赵传玺（1992-），女，河南郑州人，博士研究生，主要从事金融计量学研究。E-mail：zhaochuanxi1218@163.com