微观非金融企业杠杆治理的加减法

殷孟波 吴佳其 许坤

摘要：信贷市场是我国非金融企业债务融资的“活水”之源，是治理我国企业去杠杆和加杠杆难题的枢纽。文章基于2005—2015年获得信贷支持的5 977笔非金融企业贷款数据，从信贷交易视角考察了信贷市场中企业杠杆率的异质性、影响因素及其潜在的去杠杆对象。在宏观快速加杠杆期间，银行信贷总体上发挥了微观稳杠杆的作用。实证研究发现大型、公有制和异地企业更容易加杠杆，但异地大型企业的高杠杆缺乏经营效率支撑应是去杠杆的对象。文章还发现银企关系、资产专用性等交易因素与杠杆率显著相关。文章的研究结果为增进我国企业杠杆治理的协同性和精准度提供了明晰的政策参考。

关键词：非金融企业;去杠杆;加杠杆;资本结构;信贷市场;金融改革

中图分类号：F832.0;F832.4;F275   文献标志码：A   文章编号：1008-5831（2021）03-0245-14

引言

信贷市场是我国非金融企业债务融资主要的“活水”之源，是治理企业去杠杆和加杠杆难题的枢纽。2008年全球金融危机以后，我国非金融企业杠杆率高且增长迅速，成为实体经济高杠杆的根源[1]。为维护金融稳定，国内对经济去杠杆迅速形成了广泛共识。然而，在国际形势更加复杂、国内市场对去杠杆的反应愈加剧烈的现实背景下，为减缓经济增长下行压力，经济去杠杆化更需统筹兼顾[2]，尤其需要兼顾企业为减缓流动性压力所诱致的合理加杠杆的需求。

中国社会科学院的统计数据显示，2008—2015年我国进入长达7年的快速加杠杆时期，实体经济杠杆率年均增长率超过12%，图1直观地呈现了我国实体经济杠杆率及其构成的变化趋势。从图中可以看出，相比于政府和居民部门，非金融企业部门占实体经济杠杆率的比重达到了约70%，对实体经济的高杠杆产生了重要影响[3]。快速加杠杆所衍生的金融风险引起了中央的重视，党的十八届五中全会迅速提出去杠杆要求，2015年年底的中央经济工作会议将去杠杆作为供给侧结构性改革的核心目标之一，实体经济正式进入去杠杆时期。2017年，非金融企业部门杠杆率在当年年底实现了自2008年以来的首次下降。

中央财经委员会在2018年4月首次提出结构性去杠杆思路，为市场化的去杠杆方式提供了科学指引。结构性去杠杆思路进一步明确了去杠杆的重点，对分部门、分债务类型提出了不同要求，还特别指明不求宏观杠杆率的快速下降，而是在宏观杠杆率相对平稳的情况下实现局部去杠杆。研究国内外去杠杆经济后果的文献资料，印证了我国结构性去杠杆思路的科学性。Mian和Sufi的研究表明，次贷危机后美国的去杠杆伴随着信贷紧缩、失业率上升和总需求下降[9]。在去杠杆环境下，日本部分企业对边际收益为正的项目也无投资愿意，导致企业资产负债表衰退[11]。金融部门去杠杆会抑制经济增长，加剧经济波动[12]。金融部门和非金融部门在去杠杆中会相互影响形成具有放大效应的负反馈循环，这可能诱致经济深度衰退[13]。市场化改革是我国治理宏观杠杆难题的重要政策选项[14]。短期而言，结构性去杠杆更有赖于政府高质量的制度供给，这有助于微观市场主体形成稳定的政策预期，同政府形成杠杆治理的合力[15-16]。需要进一步思考的问题是，如何借助信贷资源市场化配置的力量化解我国微观非金融企业的“去”或“加”杠杆难题？本文基于2005—2015年获得信贷支持的5 977笔非金融企业贷款数据，把这一问题细分为以下两个子问题求解。

一是信贷市场中影响企业加杠杆的主要因素有哪些？回答该问题的主要目的是从总体上把握异质企业杠杆结构的特征，以便于在杠杆治理中对症下药。这方面的研究与资本结构理论相关。王朝阳等认为影响企业杠杆的因素与影响其资本结构的因素是一致的，企业加杠杆或去杠杆实质上是反映资本结构的调整[15]。Baker和Martin[17]、朱武祥等[18]、谭小芬等[19]对这些影响因素作了系统阐述。Newman等考察了1 539个浙江民营中小企业，发现杠杆率与规模正相关，与盈利负相关，与固定资产比率的相关性不显著[20]。Bhabra等選用我国上市公司数据，实证结果发现杠杆率与规模和固定资产比率正相关，与盈利和成长性负相关[21]。与先前研究不同的是，本文基于信贷市场，重点考察了多个与银行表内授信直接相关的指标和杠杆率之间的关系，这既可以与已有资本结构理论研究文献形成有效互补，还可以拓展银企关系等相关领域的研究[22-24]。通过描述性统计和实证分析，发现的第一类事实是：在宏观快速加杠杆期间，银行表内授信总体上发挥了稳杠杆作用;企业规模、公有制属性对加杠杆有显著正向影响;银企合作时间与企业杠杆率之间呈倒U形;异地企业对加杠杆有显著正向影响。

二是企业加杠杆的行为是否得到了自身经营效率的支撑？该问题关系到识别信贷资源是否配置给了有效率的企业，分辨出哪些杠杆是“好”的，哪些是“坏”的，进而识别潜在的去杠杆对象。这方面的研究与预算软约束理论和僵尸企业问题相关。2008年全球金融危机以后，我国以信贷驱动的投资模式有效地化解了经济“硬着陆”风险，但是巨额的信贷投放就和非金融企业快速加杠杆有了内在的联系。加之我国近年经济增长面临的不确定性有所增加，将信贷资源配置给有效率的企业就变得尤为重要了[4]。林毅夫和李志赟认为，政策性负担是企业预算软约束的直接诱因，低经营效率的企业会要求政府提供信贷补贴等，这一现象在民营企业中同样存在[25]。纪洋等借助预算软约束视角对企业杠杆治理进行了分析[16]。从识别方法可以看出，预算软约束企业和僵尸企业有高关联性。Caballero等提出的CHK方法将是否获得信贷补贴作为识别僵尸企业的标准，后续改进的FN-CHK方法进一步考虑了经营绩效因素[26]。基于我国的情况，黄少卿和陈彦在FN-CHK方法基础上增加了政府补贴等指标[27]。蒋灵多和陆毅认为处置僵尸企业最关键的还是要发挥市场机制的作用[10]。由此可见，经营效率是信贷市场中识别去杠杆对象的重要依据。通过描述性统计和实证分析，我们发现的第二类事实是：在样本观测期，企业经营效率对其加杠杆行为有显著的正向影响，影响程度与企业规模显著正相关;异地企业规模越大越容易实现加杠杆，但是异地大型企业的高杠杆率缺乏经营效率的支撑，因而是潜在的去杠杆对象。

本文的边际贡献主要体现在以下三个方面：（1）银行信贷是我国企业债务融资的主要资金来源，企业杠杆治理亦需追本溯源。但先前文献鲜有来自信贷市场的经验证据，本文纵向拓展了该领域的研究视野，是对杠杆治理、资本结构理论文献的重要补充[28-30]。（2）结合银行表内授信的决策指标，发现即便是相同的杠杆率影响因素（例如固定资产比率，本文以资产专用性变量ASI代理），在不同金融市场的影响结果迥异，说明企业杠杆治理需结合信贷市场异质性辨证施治。（3）宏观经济去杠杆需以改善微观企业杠杆质量为基础，企业杠杆率是否获得经营效率的支撑有助于辨别杠杆质量，还有助于辨别软预算约束体、僵尸企业，这可以增进政府制度供给的协同性和精准度。

一、数据来源与描述性统计

（一）数据来源与样本选择

本文以某国有银行省级分行2005—2015年的信贷交易为样本来验证上述两类事实。样本涵盖我国银行业主要表内授信业务，其中流动资金贷款5 977笔，占总贷款笔数的92.77%。这也印证了企业的融资困境主要表现为流动性不足。受信企业的行业分属《国民经济行业分类》（GB/T4754-2017）20个门类中的19个。我们对这些信贷交易作了进一步筛选与处理：剔除了样本中的金融企业;剔除2005年以前的交易记录;参照样本银行贷款政策，剔除杠杆率大于75%的样本;剔除债项分类为可疑、损失以及数据缺失的样本;对主要连续变量在1%和99%的水平做winsorize处理，以消除极端值影响。本文最终得到4 414笔有效样本观测值。

（二）描述性统计一

基于以上对我国不同杠杆期间的讨论，图2描述了全样本企业在2009—2015年快速加杠杆期间杠杆率的变化趋势。杠杆率的均值为0.48，中位数为0.49，说明数据结构无明显偏态杠杆率等概念的定义请见本文的“模型与变量”部分。。2009年以后，样本企业的杠杆率总体呈下降趋势，这与相同时期图1所示的我国非金融企业杠杆率快速上升的事实相反。说明样本银行表内授信在快速加杠杆时期非但没有推波助澜，还在一定程度上发挥了稳杠杆的功能。多年来，这一事实似乎并未引起学术界的关注，这为深入研究我国企业的高杠杆是否源于银行表外授信或者非银行体系提供了启发。

图3描述了不同规模企业杠杆率的情况。企业规模均值为2.80，中位数为3.00，说明样本中的大中型企业相对较多。图3表明，2009—2015年大中型企业的杠杆率明显高于小微企业，并且趋势比较平稳。可以初步证实，企业规模对加杠杆有正向影响，即规模越大的企业更容易实现加杠杆。

图5描述了受信企业地域、规模特征与杠杆率之间的关系。是否异地贷款变量的均值为2.24，中位数为2，说明该样本主要为非异地借贷。图5表明，异地企业的杠杆率明显高于本地企业; 以规模分

（三）描述性统计二

图6描述了企业杠杆率与经营效率之间的关系。企业经营效率的中位数为0.58，均值为0.82，数据结构存在右偏，说明获得银行信贷支持的企业的经营效率总体较高，符合信贷资源市场化配置的效率优先原则。在信贷资源市场化配置中，那些有经营效率支撑的高杠杆可以归属为“好”杠杆，否则就可以归属为去杠杆的对象。根据图6，在2011年之前，总体上符合高效率—高杠杆和低效率—低杠杆特征;此后，则出现了低效率—高杠杆和高效率—低杠杆的现象，说明信贷资源市场化配置的趋势发生了一定的偏离。这也为协同治理企业高杠杆和贷款难，明确潜在的去杠杆对象提供了增量信息。

图6所呈现的企业加杠杆行为与经营效率之间的关系背后，实际上还具有更严密的授信制度逻辑。我国《商业银行授信工作尽职指引》规定“商业银行应认真评估客户的财务报表，对影响客户财务状况的各项因素进行分析评价，预测客户未来的财务和经营情况”。对授信尽职调查中定量和定性信息收集、信用等级评定、授信限额核定等提出了详尽的要求和评定标准。我国《流动资金贷款管理暂行办法》对增量负债额度的测算给予了明确规定，其计算公式为：增量負债额度=营运资金量-借款人自有资金-现有流动资金贷款-其他渠道提供的营运资金，而营运资金量则通过“营运资金量=上年度销售收入×（1-上年度销售利润率）×（1+预计销售收入年增长率）/ 营运资金周转次数”计算得出。从这两个最基本的公式可以看出，企业自身经营效率对其能否获得信贷支持而实现加杠杆具有决定性的影响[31-32]。

鉴于本部分描述性统计提供的有关企业加杠杆行为及其影响因素的信息较为初步，接下来将通过回归分析作进一步考察，以更深入地验证上述两类事实。

三、实证结果与分析

（一）企业加杠杆影响因素的回归结果

表1以模型（1）为基础，先对变量按类别单独估计，然后对全部变量进行估计。回归结果显示，除变量Times的系数估计值的显著性有差异以外，其他主要变量的系数估计符号及显著性基本一致，说明估计结果比较稳健。依据全变量估计结果，在控制其他变量的情况下，D_ scale对杠杆率的影响在1%水平下显著为正，说明与小微企业相比，大中型企业的杠杆率较高;D_ group、D_ ownship、D_ yddk也均在1%水平下显著为正，说明集团客户、公有制企业、异地企业的杠杆率更高;Length与杠杆率之间的关系呈倒U型。综合表1报告的结果看，本文的第一类事实基本上得到了实证结果的支持。

表2在表1基础上基于企业规模分组对模型（1）作出进一步的估计，分析不同规模企业中影响杠杆率的因素是否存在差异。结果表明，是否为集团客户、是否为异地贷款和是否为公有制企业变量系数显著性及方向与表1一致。

进一步比较表2中各变量系数估计值在样本组之间的差异，以揭示规模异质性对杠杆率的影响存在差异的可能因素。经过基于似无相关模型SUR的检验，D_ group、Length、ASI的系数在各规模子样本之间存在显著差异，说明银行在授信决策时这些信息会区别对待。大中型企业组中D_ yddk显著为正，说明与本地大中型企业相比，异地大中型企业的杠杆率更高，这为提升治理企业高杠杆的精准度提供了更有效的增量信息。

（二）企业加杠杆与经营效率关系的回归结果

表3以模型（2）为依据，在表2基础上加入经营效率变量Turnover，分全样本、大型企业组、中型企业组、小微企业组样本分别估计。除变量Turnover以外，全样本其他变量系数估计结果的符号及显著性与表1一致，子样本其他变量系数估计结果与表2基本一致。对于全样本，Turnover对杠杆率的影响在1%水平下显著为正，说明经营效率总体上对企业加杠杆行为有显著的正向影响。

但是，经过SUEST检验，我们发现不同规模样本组Turnover估计系数在5%水平下存在显著差异，说明经营效率对杠杆率的影响存在规模差异。其中，大型和中型企业组中Turnover系数估计值显著为正，说明大中型企业的加杠杆行为是有经营效率支撑的。对于小微企业而言，Turnover对杠杆率的影响并不显著。这说明小微企业通过信贷市场加杠杆减缓流动性压力可能会面临更高的信息约束。

（四）稳健性检验

模型（1）至模型（4）报告的回归结果，总体上已证实了本文要验证的两类事实。根据信贷资源市场化配置效率优先的大前提，去杠杆的目标理应首先锁定于低效率的企业，而加杠杆呼声最高的是小微企业。为了解答非金融企业杠杆治理中“去”和“加”的难题，我们对模型稳健性的检验也主要从规模、效率两个维度展开，将样本按照规模和效率分为四个子样本，它们依次为：大中型—高效率、大中型—低效率、小微型—高效率、小微型—低效率。表6报告了将样本进行分组后的检验结果。

表6报告的回归结果与前面各表的结果基本一致，其中经营效率变量的系数估计值除小微型—高效率组以外均显著为正，规模变量除小微型—低效率组外均显著为正。本文表1至表6显示ASI与杠杆率总体显著负相关，这与前述文献形成了有效互补。除此之外，我们还分别采用去除政府平台样本、用等级变量Area作为变量D_ yddk的替代变量再次对上述模型进行了稳健性检验，结果表明主要系数估计值的统计特征基本不变。说明模型是符合稳健性要求的。

四、结语

在2017年的全国金融工作会议上，习近平总书记明确表示，我国金融风险的源头在杠杆率。基于我国现实的投融资制度环境，信贷市场是治理非金融企业部门高杠杆难题的枢纽。鉴于此，本文立足于我国信贷市场，结合非金融企业的加杠杆记录，主要回答了两个问题：（1）信贷市场中影响企业加杠杆行为的主要因素是什么？（2）信贷资源市场化配置中，企业加杠杆行为是否得到了自身经营效率的支撑？本文主要发现，在我国快速加杠杆时期，银行表内授信发挥了稳杠杆的作用;多个银行表内授信指标与企业杠杆率显著相关，经营效率对企业加杠杆有显著的正向影响;异地大型企业的高杠杆缺乏自身经营效率的支撑，因而是信贷市场去杠杆的对象。本文的研究发现对我国企业杠杆治理衍生了以下的政策启示。

第一，我国的结构性去杠杆工作可以立足于我国高储蓄率、高信贷投资率和企业异质性等客观实际，抓好信贷市场这个“牛鼻子”，对非金融企业杠杆的“去”或“加”难题辨证施治。事实上，我国非金融企业的杠杆治理近年已取得可喜的局面，结合“三位一体”的金融工作任务，可以继续发挥信贷市场对当前“稳杠杆”形势的调理作用，进一步巩固杠杆治理工作所取得的阶段性成果。

第二，结构性去杠杆思路的平稳性和局部性要求，内生地对政府制度供给的协同性和精准度提出了更高要求。考察非金融企业加杠杆行为是否得到了经营效率的支撑，是识别信贷市场“去”或“加”杠杆对象的可行之策，有助于提升政府去杠杆制度供给的协同性和精准度。就治理异地大型企业的高杠杆而言，政府职能部门可以建立覆盖银行表内、表外异地授信业务的风险监测预警系统，督促银行完善异地贷款业务的授权审批制度，引导银行审慎开展此类业务。

参考文献：

[1]徐忠.去杠杆的标本兼治之策[J].金融经济，2017（11）：20-22.

[2]蒋灵多，陆毅，纪珽.贸易自由化是否助力国有企业去杠杆[J].世界经济，2019 （9）：101-125.

[3]张晓晶，常欣，刘磊.结构性去杠杆：进程、逻辑与前景：中国去杠杆2017年度报告[J].经济学动态，2018（5）：16-29.

[4]钟宁桦，刘志阔，何嘉鑫，等.我国企业债务的结构性问题[J].经济研究，2016（7）：102-117.

[5]马勇，陈雨露.金融杠杆、杠杆波动与经济增长[J].经济研究，2017（6）：31-45.

[6]张一林，蒲明.债务展期与结构性去杠杆[J].经济研究，2018（7）：32-46.

[7]BHATIA A V，BAYOUMI T.Leverage？ What leverage？ A deep dive into the U.S. flow of funds in search of clues to the global crisis[R].IMF Working Paper，2012.

[8]楊雪峰.去杠杆背景下的流动性危机研究[J].世界经济研究，2018（11）：44-50，64，136.

[9]MIAN A，SUFI A.What explains high unemployment？The deleveraging-aggregate demand hypothesis[R]. University of California，Berkeley and NBER，Working Paper，2011.

[10]蒋灵多，陆毅.市场竞争加剧是否助推国有企业加杠杆[J].中国工业经济，2018（11）：155-173.

[11]顾永昆.金融杠杆、金融制度与经济增长：理论及日本的经验分析[J].财经科学，2017（9）：1-11.

[12]潘敏，袁歌骋.金融去杠杆对经济增长和经济波动的影响[J].财贸经济，2018（6）：58-72，87.

[13]杨明秋.发达国家金融系统的去杠杆化趋势及其影响[J].中央财经大学学报，2011（2）：33-38，87.

[14]谭小芬，李源，王可心.金融结构与非金融企业“去杠杆”[J].中国工业经济，2019（2）：23-41.

[15]王朝阳，张雪兰，包慧娜.经济政策不确定性与企业资本结构动态调整及稳杠杆[J].中国工业经济，2018（12）：134-151.

[16]纪洋，王旭，谭语嫣，等.经济政策不确定性、政府隐性担保与企业杠杆率分化[J].经济学（季刊），2018，17（2）：449-470.

[17]BAKER H K，MARTIN G S.Capital structure and corporate financing decisions：Theory，evidence，and practice[M].Hoboken，NJ，USA：John Wiley & Sons，2011.

[18]朱武祥，魏炜，王正位.回归经典：资本结构研究60年思考[J].金融研究，2014（12）：194-206.

[19]谭小芬，尹碧娇，杨燚.中国非金融企业杠杆率的影响因素研究：2002—2015年[J].中央财经大学学报，2018（2）：23-37.

[20]NEWMAN A，GUNESSEE S，HILTON B.Applicability of financial theories of capital structure to the Chinese cultural context：A study of privately owned SMEs[J].International Small Business Journal，2012，30（1）：65-83.

[21]BHABRA H S，LIU T，TIRTIROGLU D.Capital structure choice in a nascentmarket：Evidence from listed firms in China[J]. Financial Management，2008，37（2）：341-364.

[22]殷孟波，翁舟杰，梁丹.解读中小企业贷款难理论谜团的新框架：租值耗散与交易费用视角[J].金融研究，2008（5）：99-106.

[23]尹志超，钱龙，吴雨.银企关系、银行业竞争与中小企业借贷成本[J].金融研究，2015（1）：134-149.

[24]劉畅，刘冲，马光荣.中小金融机构与中小企业贷款[J].经济研究，2017（8）：65-77.

[25]林毅夫，李志赟.政策性负担、道德风险与预算软约束[J].经济研究，2004（2）：17-27.

[26]CABALLERO R J，HOSHI T，KASHYAP A K.Zombie lending and depressed restructuring in Japan[J].American Economic Review，2008，98（5）：1943-1977.

[27]黄少卿，陈彦.中国僵尸企业的分布特征与分类处置[J].中国工业经济，2017（3）：24-43.

[28]马勇，田拓，阮卓阳，等.金融杠杆、经济增长与金融稳定[J].金融研究，2016（6）：37-51.

[29]纪敏，严宝玉，李宏瑾.杠杆率结构、水平和金融稳定：理论分析框架和中国经验[J].金融研究，2017（2）：11-25.

[30]刘莉亚，刘冲，陈垠帆，等.僵尸企业与货币政策降杠杆[J].经济研究，2019（9）：73-89.

[31]张金昌，杨国丽，周亚平.流动资金需求测算方法研究[J].中国工业经济，2016（5）：144-160.

[32]刘丽君.流动资金贷款需求测算方法的缺陷与改进应用：兼析流动资金贷款业务的审计思路[J].福建金融，2019（4）：39-44.

[33]李梦雅，严太华，郝晨.债务结构、产权性质与公司成长性[J].重庆大学学报（社会科学版），2018（5）：80-94.

[34]饶艳超，胡奕明.银行信贷中会计信息的使用情况调查与分析[J].会计研究，2005（4）：36-41，94-95.

[35]BERGER A N，BONACCORSI DI PATTI E.Capital structure and firm performance：A new approach to testing agency theory and an application to the banking industry[J].Journal of Banking and Finance，2006，30（4）：1065-1102.

[36]MORELLEC E，NIKOLOV B，SCHRHOFF N.Corporate governance and capital structure dynamics[J].The Journal of Finance，2012，67（3）：803-848.

[37]LIAO L K，MUKHERJEE T，WANG W.Corporate governance and capital structure dynamics：An empirical study[J].Journal of Financial Research，2015，38（2）：169-192.

Abstract： Credit market is the source of non-financial enterprises debt financing in China， and it is also the key to solve the problems of leveraging and deleveraging. Based on the data of 5 977 non-financial enterprises credit from 2005 to 2015， this paper examines the heterogeneity of enterprises leverage in the credit market， the influencing factors of leveraging and the potential goal of deleveraging. It is found that bank credit has played a role in stabilizing leverage; large-scale， public owned and non local enterprises are more likely to increase leverage; however， the high leverage of large non local enterprises lacks the support of operating efficiency， so it is the focus of deleveraging. It is also found that bank-firm relationship and asset specificity have significant influence on leveraging. The results of this study provide a clear reference for enhancing coordination and accuracy of leverage governance in China.

Key words： non-financial enterprises; deleveraging; leveraging; capital structure; credit market; financial reform

（責任编辑 傅旭东）