经营性负债、金融周期与企业全要素生产率

胡文卿，左拙人

(南京大学 商学院，江苏 南京 210093)

一、问题提出

全要素生产率(TFP)是指所有能够观测到的要素投入所能得到的产出效率。索洛(Solow，1957)提出将技术进步纳入经济增长的理论模型[1]，此后全要素生产率成为衡量经济增长质量的重要指标。从宏观和中观层面来看，技术进步和结构转换都是促进TFP增长的重要途径[2]。提高全要素生产率是中国实现更高质量、更有效率、更可持续的经济发展的重要路径[3]。因此，多角度探索企业全要素生产率的影响机制具有十分重要的现实意义。

在金融深化背景下，以真实经济周期为基础的传统周期理论并未对银行的风险认知和资产价格的循环周期引起足够重视，难以对金融市场的周期性波动作出合理解释[4]。博里奥(Borio，2014)在对全球金融危机的反思中提出了金融周期的概念——金融变量扩张与收缩导致的周期性波动[5]。随着经济学文献将金融市场的摩擦和冲击引入宏观经济模型中[6]，越来越多的研究发现金融冲击是驱动中国经济周期波动的最主要力量，金融抑制和金融摩擦这两种机制在很大程度上可以解释企业负债的经济周期性[7]。如果说企业的债权融资和股权融资都具有经济周期性[8]，那么探讨微观企业财务变量是否与金融周期存在联系，以及存在怎样的联系具有重要的理论意义和实际意义。

在现有研究的基础上，本文以2003—2018年A股上市公司数据为研究样本，在微观模型中引入金融周期变量，考察金融周期变量对经营性负债与全要生产率之间相关关系的作用机制。本文创新点主要表现在以下方面：第一，宏观层面的研究表明，技术进步和技术效率的提高可以提升全要素生产率，而在给定技术进步水平的情况下，可以通过企业内部因素来增加要素间协调性以实现TFP增长。本文使用上市公司数据来考察金融周期性因素对经营性负债与全要素生产率之间的影响机制，为这类研究提供了微观层面的实证证据。第二，本文的研究结论可能为企业提升经营和管理水平提供了一个新的决策视角，即企业应客观看待金融周期波动机制及其前瞻信号，并根据自身特点制定合适的经营管理和投融资决策，以便更好地提升生产效率。第三，“保持合理的社会融资规模”自2010年开始成为中国人民银行的一个重要宏观指标，而本文构建的金融周期指数中包含了“社会融资规模”这一变量，因此本文研究结论对于社会融资规模的宏观调控具有一定的政策意义。

二、文献综述

(一)金融周期及其经济后果

金融变量的周期性波动现象一直深受经济学家的关注。德雷曼等(Drehmann et al.，2012)将房价和股价引入金融周期的测算[9]。陈雨露等(2016)考察了金融周期与金融危机之间的关系[10]。李雪松和罗朝阳(2019)研究了金融周期和美联储加息两种因素对金融危机的影响，认为在金融周期上升阶段要避免过度加杠杆，在金融周期顶部区域要采取结构性去杠杆策略[11]。邓创和徐曼(2019)认为现阶段中美两国金融周期波动定向溢出表现为显著的非对称特征，应当制定统一的金融监管标准以防范两国金融体系共振带来更多的金融风险[12]。还有文献集中于探究金融周期、信贷周期与经济周期的作用机制[13-14]，一些学者认为金融周期的顺周期性来自银行信贷和广义信用(包括影子银行)，能够对经济衰退和复苏的时间和强度产生重要影响，其频率要低于传统经济周期[15]。

根据金融周期指标的测算方法可以将相关文献大致分为以下几类：第一，一些学者以信贷、股市、房地产市场等变量构建金融周期指标来检验经济周期与金融周期之间的传导机制，并认为“非金融部门信贷/GDP”对金融危机具有预测作用[9，15]，其后便有一类文献倾向于使用单一金融变量来测度金融周期[10，16]。第二，使用信贷和房价等变量的合成指标来解释金融周期[4，17-18]。第三，基于包含多个金融子市场的金融体系，选取多个金融指标构建金融形势指数(FCI)，如马勇等(2016)构建了一般性总体金融周期序列，发现中国金融周期领先于实体经济，并对其具有良好的预测能力[19]；王博和李昊然(2018)以GDP、信贷、信贷/GDP、股市和房地产五个宏观金融变量作为衡量金融周期的指标，并认为中国应同时关注金融短周期与中周期的特征[20]。

(二)企业全要素生产率的影响因素

许多研究表明，微观层面上不同企业之间的投入、产出和生产率水平总是表现出明显且持久的差异[21]；继而修正的产业组织理论提出假设：对于同一产业的不同企业，其生产效率存在明显差异，而更有效率的企业具有更大的市场份额[22]。从企业内部来说，企业制度结构的差异、企业家才能的差异、生产要素的差异、创新和技术转移因素差异以及人力资本差异等均能够导致企业间的生产率差异；从外部因素来说，金融发展能够通过技术效率的提高来促进企业全要素生产率[23]；交通、能源和信息基础设施对中国全要素生产率存在溢出效应[24]。苏洪和刘渝琳(2015)提出，“初始规模条件依赖”“文化堕距阻碍”和“制度约束陷阱”三种潜路径对全要素增长率具有负面影响[25]。郑宝红和张兆国(2018)以中国2008年新所得税税法的实施为外生事件，并发现所得税税率降低能够提高企业全要素生产率[26]。

资源错配对企业生产率的影响也受到很多关注[27]。李力行等(2016)结合土地出让数据和工业企业数据，估计土地资源错配对中国工业企业生产率的影响，认为以协议方式出让的建设用地比例越高，其工业企业间的资源配置效率越低[28]。在技术进步和技术效率方面，郭家堂和骆品亮(2016)认为中国全要素生产率属于技术进步主导型，而互联网正是通过这种技术进步推动了中国全要素生产率的提升[29]。叶康涛和孙苇杭(2019)发现在非上市公司中，会计软件的性能与生产率显著正相关[30]。

多数文献认为，金融发展程度越高的地区，全要素生产率的增长速度越高[31-32]；而金融不稳定程度越高，全要素生产率越低[33]。王晋斌等(2019)发现，全球金融周期通过影响企业的投融资活动来影响TFP；当全球金融周期由景气转为不景气时，发展中国家的TFP将显著降低[34]。

现有文献对于环境政策与企业全要素生产率之间的关系则一直持不同意见。环境政策作为企业的一种外部压力，可能在增加企业负担的同时使得企业在短期内降低其生产效率[35]；但另一些研究则以行业数据为样本发现，环境规制下企业的研发投入比例显著增加从而提高了企业生产效率[36]。王杰和刘斌(2014)认为环境政策与全要素生产率之间呈倒N型关系，合理的环境规制强度可以促进生产率提升[37]。任胜钢等(2019)发现排污权交易制度主要通过促进企业技术创新和改善资源配置效率两条路径作用于全要素生产率，且非国有企业比国有企业对排污权交易制度更敏感[38]。

实证研究表明，企业资金可获得性与企业生产率存在显著联系。一些学者认为，债务融资不仅无法提高生产率，甚至与生产率呈负向关系[39]；而另一些学者认为，中国企业融资主要靠内源融资，来自金融机构的债务融资与企业生产率增长具有正相关关系，但是其他替代渠道融资则没有这种效应[40]。何光辉和杨咸月(2012)还发现，国内民营上市公司生产率的提高显著依赖于内源资金[41]。

通过对现有文献的梳理可见，关于金融周期的很多研究局限于周期的测度，以及其与经济周期的相互关系等宏观层面，很少有研究将金融周期变量引入公司财务模型，即将金融周期与微观企业层面的数据结合起来并证实金融周期对实体经济的影响机制；在有关全要素生产率的研究中，也多是将全要素生产率作为一种反映经济增长质量的指标，即便在财务学文献中涉及到全要素生产率，也往往沿着技术因素的路径展开，缺乏对金融周期变量与企业生产率关系的深入探究。基于以上分析，本文使用公司财务层面的数据，研究企业全要素生产率随金融周期波动而变化的特征，以期丰富该领域的实证文献，为金融周期理论奠定一定的实证基础。

三、理论分析与假设提出

金融市场上的信息不对称和代理问题所产生的融资约束会抑制企业投资，进而降低生产率水平。金融借款能够通过促进投资带动企业生产率的增长；而融资约束则显著抑制企业生产率的增长[41]。一方面，处于较强融资约束下的企业内部资金不足以覆盖投资支出时，难以对其经营活动做出最优决策，或者放弃净现值为正的投资机会，从而扭曲其资源配置并影响生产率的增加。另一方面，由于生产率是生产要素的函数，企业生产率的提高很大程度上依赖于研发投入。研发投入产出比率往往存在重大不确定性，因而研发投入通常形成较高的风险溢价，进而增加了企业融资成本，相应地，在面临融资约束增强的状况时，该类融资更容易被削减，以致企业无法通过研发投入来提高企业生产率。但是，企业可以通过商业信用、库存现金、政府补助等方式补充运营资金、缓解融资约束，通过增加投资来平滑或提高其生产率[42]。来自商品市场的经营性负债多数来自基于商业契约关系的供应商和客户，无论从利息和代理成本的角度，其相对于金融性负债而言融资成本较低，因而为企业带来的破产风险相对金融性负债要低。有些被企业长期占用的经营负债不仅能够补足临时性缺口，而且能够支持企业进行更多的经营和投资活动[43]，成为一项十分重要的资金来源，来支撑企业获得促使其生产率更高增长的替代性、互补性债务融资。因此，本文提出假设：

H1：经营性负债与企业全要素生产率存在正相关关系：当经营性负债较高时，全要素生产率也较高。

信贷周期理论、金融加速器理论和金融中介理论都解释了金融因素对实体经济的影响[44-45]。基于上述研究，金融摩擦、金融冲击以及金融中介自身缺陷是金融周期的形成因素，并可以通过金融加速器机制、抵押约束机制和银行中介机制传导至实体经济。根据金融加速器机制，由于信息不对称和金融市场的不完美，债权人始终面临逆向选择和道德风险问题，因而借款企业的融资状况与其抵押资产价值密切相关。当企业面临负向金融冲击时，对于企业来说，资产负债表状况的恶化会限制企业融资能力和投资需求，增加其违约风险；对于银行来说，面临不良资产规模上升的风险，银行需要对贷款进行价格和规模上的限制，而这将造成企业实际产出的进一步下降。

加入了银行中介部门的抵押信贷约束机制理论则认为，资产价值直接影响企业的信贷能力，抵押资产价格受金融市场和资产定价中多重不确定因素的影响。当金融市场繁荣时，投资需求的增加推动资产价格上涨，企业用于银行信贷的抵押资产价值上升；进一步地，信贷资产宽松政策释放更多可贷资金，最终带来信贷规模、杠杆率、投资和生产等螺旋式上升的综合机制[11]。

基于上述理论，金融周期上行阶段，往往会容易形成信贷扩张、企业风险偏好增加与资产价格上涨等因素交互增强的状态：资产价格作为要素市场资源配置的信号，提高了具有风险偏好的企业进入市场的积极性，而扩张的信贷资源则支持了具有较高全要素生产率的企业占领更多市场份额并尽快达到最优生产规模。此时，高效的资源配置使得企业获得的资金能够覆盖其研发投入的沉没成本和溢出效应，信贷资金可以提供较为充足的现金流，因而企业可能会为了获得更多的市场份额而增加风险较高的研发投入[46-47]。因此，在金融周期上行时，信贷宽松政策释放更多的信贷资金，企业更容易获得金融机构借款。企业可以凭借抵押资产价格的上涨获得更多信贷资金，通过更多的投资获取更高的增长率。进一步地，在金融周期上行期间，投资、需求、生产和杠杆率的上升机制可能提高企业风险偏好，企业可能愿意增加金融性负债，经营性负债规模对企业的边际效用降低，导致经营性负债与企业全要素生产率之间的正相关关系趋于减弱。

当金融周期下行时，基于金融加速器原理，信息不对称使得借款企业提供更高的融资溢价，企业外部融资成本更高。由于金融摩擦和融资之间交互作用的存在，当金融周期下行时，抵押资产价格下跌甚至远低于理想融资金额，外部融资可能因此大幅下跌，金融摩擦的增加使得负债融资对企业生产率的负向冲击扩大。与此同时，企业经营绩效的下降也将影响到外部融资信用评级和风险预期，导致企业进一步陷入融资困境。在这种情况下，信贷规模、抵押资产价值和信贷可得性下降，企业会优先考虑成本和风险相比于金融性负债而言都较低的经营性负债，而这种融资能够为企业缓解融资约束、增加其研发投入等，有助于提高生产率的投资需求，从而缓解金融周期下行因素对提高企业生产率的阻力。因此，本文提出假设：

H2：金融周期因素对经营性负债和全要素生产率之间的正相关关系存在逆向调节作用：当金融周期上行时，经营性负债与全要素生产率之间的正相关关系减弱；当金融周期下行时，经营性负债与全要素生产率之间的正相关关系增强。

四、研究设计

(一)研究样本与数据来源

本文选取2003—2018年中国沪深A股上市公司为初始样本，由于社会融资规模数据从2002年起开始公布以及相关变量缺失的原因，选取2003年为样本起点。本文对中国A股上市公司(截至2018年底)进行了如下筛选：(1)剔除金融保险类上市公司；(2)剔除财务数据缺失的公司；(3)剔除创业板和中小板上市公司，最终得到18 190笔数据。微观企业财务与治理数据来自国泰安(CSMAR)数据库和万得(Wind)数据库，宏观数据来自万得(Wind)资讯金融终端数据库。

(二)变量定义

1.金融周期的度量

本文的主要解释变量为金融周期。根据前人研究，主要有以下两种度量方式：

(1)单变量测度。根据刘尧成和李想(2019)[48]、彭文生(2019)[49]的相关研究，衡量金融周期的一个重要指标是非金融企业和家庭部门债务还本付息占GDP的比例。

(2)多变量测度。参考李雪松和罗朝阳(2019)[11]、韩田(2018)[50]的相关研究，将非金融部门负债、非金融部门融资/GDP、社会融资规模以及M2/GDP标准化后进行HP滤波，并根据范小云等(2017)[4]的方法将滤波后的数据进行主成分分析，根据其得分合成为金融周期波动项。

2.企业全要素生产率的度量

因变量TFP也即企业全要素生产率，现有文献中对于中国全要素生产率的核算方式主要有基于宏观层面的增长核算法、索洛生产函数和基于微观企业层面的最小二乘法、OP法和LP法[51-53]。参考叶康涛和孙苇杭(2019)[30]的方法，本文同时使用OLS法和LP法衡量企业全要素生产率：根据模型(1)使用OLS回归并计算出残差，得到TFP_ols：

lnVA=a+bklnK+bllnL+FixedEffects+εit

(1)

根据模型(2)进行半参数回归得到TFP_lp：

TFP_lp=αit+βitlnL+γitlnK+δitlnM+εit

(2)

3.控制变量

根据叶康涛和孙苇杭(2019)[30]、姜付秀等(2017)[54]的相关研究，本文使用公司规模、公司上市年龄、财务杠杆、成长机会、产权性质、个股回报率、现金收益率、经营活动现金流量、每股收益、资本支出等变量用以控制企业历史盈利能力、投资支出、对市场需求变化的应对方式等可能影响全要素生产率的因素；同时，控制第一大股东持股比例、独立董事占比、董事会规模、管理层持股比例等作为公司治理的控制变量；此外，使用GDP增长率与M2增长率的差来控制宏观经济状况。具体变量及定义见表1。

表1 主要变量定义

(三)模型设定

本文借鉴郭家堂和骆品亮(2016)[29]关于互联网对全要素生产率的研究以及周爱民和刘欣蕊(2020)[55]关于经济政策不确定性指标对银行收入结构多元化的研究，构建如下模型：

TFPit=α0+α1FCIt+α2Varit+α3Xit+vi+εit

(3)

TFPit=β0+β1FCIt+β2Varit+β3Varit×FCIt+β4Xit+vi+εit

(4)

其中，TFPit为基于模型(1)和模型(2)计算得到的因变量TFP_ols和TFP_lp；FCI是金融周期变量，对应的是FCI1和FCI2；Varit为代表公司特征变量；Xit为控制变量；vi为个体固定效应；εit为误差扰动项。所有回归均使用异方差调整和公司聚类(cluster)调整得到稳健性标准误。

五、检验结果分析

(一)描述性统计

本文主要变量的描述性统计结果见表2，连续变量在1%和99%分位均进行了缩尾处理。企业全要素生产率(TFP_ols和TFP_lp)的均值分别为-0.003和10.882，标准差分别是0.966和1.190，说明样本企业的生产率存在较大差异，且该结果与已有研究[30]较为接近。另外，中国非金融部门债务占GDP比重小于社会融资规模占GDP比重，但总体上较为接近。根据豪斯曼检验结果，本文使用面板固定效应。

表2 描述性统计结果

(二)金融周期与企业全要素生产率：基本结果

表3报告了本文主检验回归结果。列(1)—列(4)和列(5)—列(8)分别使用TFP_ols或者TFP_lp作为衡量全要素生产率的因变量。进一步地，列(1)和列(2)、列(5)和列(6)使用FCI1来衡量金融周期变化；列(3)和列(4)、列(7)和列(8)则使用FCI2作为金融周期的代理变量。在列(1)—列(8)中，经营性负债的系数均在1%的水平上显著为正，说明经营性负债规模可以促进企业全要素生产率的提高，验证了假设H1。

表3 主检验结果

进一步地，将经营性负债变量和金融周期变量的交互项加入模型，结果报告于表4和表5，其中列(1)—列(4)是以TFP_ols为因变量，列(5)—列(6)以TFP_lp为因变量；列(1)—列(2)以单变量测度的金融周期指标(FCI1)作为衡量金融周期的代理变量，列(3)—列(4)以多变量测度的金融周期指标(FCI2)作为衡量金融周期的代理变量。在表4中，以列(2)为例，列(2)在列(1)基础上加入了经营性负债(Opedebt)滞后项与金融周期代理变量(FCI1)滞后项的交互项，其系数在1%的水平上显著为负，体现了金融周期变量对经营性负债和生产率之间的相关关系存在显著的逆向调节作用。列(4)的回归结果也显示，经营性负债(Opedebt)与金融周期指标(FCI2)交互项的系数显著为负。列(5)—列(8)在因变量为TFP_lp的情况下，经营性负债(Opedebt)滞后项均在1%的水平上显著为正，且其与金融周期代理变量(FCI1)滞后项的交互项也显著为负，进一步验证了假设H2。

根据范小云等(2017)[4]对于金融周期的测算，将样本中2003—2008年划分为金融周期上行期；2009—2015年划分为金融周期下行期；设置年份哑变量d，当会计年度小于等于2008年时，d的取值为1，否则取0。表5中将年份哑变量d加入回归模型，列(2)、列(4)、列(6)和列(8)中L.Opedebt×d的系数显著为正，说明相比2008年之前的金融周期上行期，2009年及以后年份的金融周期下行期，经营性负债与全要素生产率之间的相关关系增强了，验证了假设H2。

总体上说，表4和表5中交互项系数的显著性和符号在经济学意义上是保持一致的。这表明经营性负债作为一种低成本、低风险的债务融资，能够在金融周期下行期在一定程度上缓解融资压力，为企业经营和投资提供相应的资金来源，从而减轻信贷收缩和资产价格下跌带来的负向冲击，验证了假设H2。

表4 金融周期因素的调节效应(1)

表5 金融周期因素的调节效应(2)

(三)稳健性检验

社会融资规模(FCI3)是全面衡量金融对实体经济资金支持状况的重要指标，近年来一些文献开始使用它来代替传统信贷指标并纳入金融指标选取体系[12]。因此，本文将社会融资规模作为测算金融周期的指标，结果显示其整体波动态势与前文中其他两个金融周期指标一致，同时本文其他核心变量系数的符号及显著性也与前文一致。具体结果如表6所示。

本文的样本期间为2003—2018年，但其中2008年为国际金融危机，为了排除该因素的干扰，参照相关学者[8,56]的做法，将2007—2010年视为金融危机爆发和持续时期，然后剔除这4年的样本进行检验并发现，所有关键变量的符号和显著性均与前文保持一致。具体结果如表7所示。

表6 稳健性检验(1)

表7 稳健性检验(2)

六、研究结论与现实启示

基于2003—2018年中国A股上市公司数据样本，本文研究了金融周期波动对企业全要素生产率的影响，结果表明：企业经营性负债与全要素生产率存在显著的正相关关系；金融周期因素对两者相关关系存在逆向调节作用，在金融周期上行期，经营性负债与企业全要素生产率之间的正相关关系减弱，而在金融周期下行期，两者的相关关系增强。

本文的研究为探究金融周期变量对企业全要素生产率的影响提供了微观证据，并在金融周期性波动的背景下为企业决策提供了一个可能的视角。对于企业而言，需要理解和重视金融对实体企业的影响方向。在金融周期上行阶段，根据内外部风险水平采用积极的融资决策来增加人力资本投资、提高研发项目的创新能力，在最大程度上提升企业生产率；在金融周期下行阶段，企业应根据自身发展状况和金融环境，通过寻求更多的经营性负债或者增加现金持有来灵活应对未来期间支付的不确定性，抵御金融周期下行阶段信贷紧缩、金融资产下跌以及金融摩擦增加等抑制债权融资的因素传导至企业全要素生产率的风险。对于监管机构而言，需要认识到金融周期波动与微观企业之间的联系，例如金融周期下行时期企业也将面临较大的金融摩擦，使其外部融资的难度上升、破产风险增加，甚至可能导致企业的长期低迷。这时应加强金融监管使金融的顺周期性下降来防范金融市场的系统性危机，并通过规范和健全金融市场，拓展企业融资渠道，为企业提升其生产率创造高效、健康的外部环境。