关于定向降准政策效用的实证研究——基于对中小企业融资约束影响的分析

项 东 姜 倩

(齐鲁工业大学(山东省科学院)管理学院，济南 250353)

中国经济在历经了30多年的粗放型增长后进入“新常态”，引导经济转型升级，进行结构性改革，促进金融资源合理配置成为当前经济发展的首要目标。中国人民银行参考国外经验，创立了一系列结构性货币政策工具，定向降准政策便是其中最具代表性的一种。定向降准政策是中国首次独创式的结构性货币政策，不同于普通降准政策“大水漫灌”式的总量调控，定向降准政策的特点在于“精准滴灌”，精准性更高、针对性更强，意在更好地引导金融资源流入实体经济的重点和薄弱领域。

由于中小企业存在企业规模小、资金运转不周、没有形成良好健全的财务管理体系和公司管理体系等问题,因此中小企业普遍处于融资困境。尤其在当前新常态时期，结构性问题突出，市场竞争日益激烈，中小企业融资的难度更是大大增加。有效破解中小企业融资问题对促进经济发展起着至关重要的作用。为鼓励金融机构将金融资源更好地投放到“三农”、小微等弱势企业并有效调整经济结构，中国人民银行于2014年创立定向降准政策。那么，以精准发力、反应迅速为特点的定向降准政策能够有效降低中小企业融资约束吗？这个问题的解答对引导金融资源合理配置、化解经济结构矛盾具有重要的理论和现实意义。

目前学术界对于定向降准政策的研究不仅实证研究较少，且现有的研究样本大多采用了银行数据而不是企业微观数据，难以实现对企业信贷的客观评价。鉴于此，本文尝试采用中小板与创业板上市公司数据，运用DID模型，研究定向降准政策对缓解中小企业融资约束的效果。

1 文献综述与研究假设

学术界关于定向降准政策的实施效果争议颇多，有学者认为定向降准政策是积极有效的。郭烨等引入实证模型发现定向降准政策具有普惠效应，为银行信贷流入农业和小微企业起到了激励作用[1]；马理等指出定向降准这种微刺激货币政策有助于使经济结构得到调节并有效防止资产价格泡沫[2]。也有部分学者认为该政策存在着一定的局限性，汪仁洁认为定向降准政策并不能解决经济运行结构性矛盾，金融资源并未全部流入特定领域[3]；冯明等则发现只是部分定向降准新释放的可贷资金流向了其定向支持领域,而多半仍被非定向领域所运用[4]。总之，对定向降准的实施效果的研究仍存在较大争议，尚未达成统一意见。定向降准政策，意在引导更多金融资源流入弱势企业，从而起到优化经济结构的作用。基于此，本文提出假设1：

H1：定向降准政策有助于缓解中小企业的融资约束。

企业面临的融资约束与企业规模和企业的产权性质有着十分密切的联系。相对来说，小规模企业与民营企业在经济生活中处于弱势地位，而这些弱势企业往往会面临着更大的融资约束。从企业规模来看，相比大规模企业，小规模企业因为信息披露不够规范和完善，不仅会面临着更高的信息不对称程度，而且与银行之间的信贷业务无法形成规模效应，从而需要付出更高的信息搜寻和谈判的成本[5]。从产权性质来看，相比民营企业，一方面国有企业有政府为其提供隐性担保支持，另一方面银行获取国有企业的信息成本也明显更低[6]，因而国家和银行对民营企业存在着“信贷歧视”。综上分析可以得知，小规模企业和民营企业等弱势企业面临的融资约束水平更高，因此当定向降准政策的实施增加金融资源的供给时，这些弱势企业获得金融资源的增长程度会相对更大，融资约束的缓解程度也会更加明显。基于以上分析，本文提出假设2与假设3：

H2：定向降准政策对小规模企业融资约束的缓解作用大于大规模企业。

H3：定向降准政策对民营企业融资约束的缓解作用大于国有企业。

2 研究设计与数据来源

2.1 样本选择与数据来源

本文将中小企业融资约束作为研究对象，从企业微观角度评估定向降准政策的实施效果。定向降准政策自2014年4月份开始实施，为了避免2008年经济危机后的一系列经济刺激的影响，本文采用我国中小板与创业板上市公司2011—2019年数据进行研究，并对初始样本进行了如下清洗：金融类企业不会出现融资约束问题，因此剔除金融行业的上市公司；避免ST企业财务状况或其他状况出现异常左右模型估计结果，剔除ST的上市企业；剔除重要数据存在缺失状况的上市公司样本；对个别连续变量进行了1%水平双边缩尾处理以消除极端值影响。经过以上数据处理，最终得到2011—2019年共9 787个样本观测值。本文数据来源于CSMAR国泰安数据库，统计分析工具为Stata15.0。

2.2 变量定义与度量

2.2.1 被解释变量

企业年度新增资本投资水平。目前有关企业融资约束测度的方法主要分为两大类，第一类为以投资—现金流敏感型模型与现金—现金流敏感性模型为代表的现金流敏感性模型；第二类则为指数衡量方法，主要包括KZ指数、WW指数与SA指数。各种模型本身均有一定的固有缺陷，目前来说并没有公认的最佳测度方法。其中，投资—现金流敏感型模型作为学术界公认的标准方法，认可度较高，也相对较为成熟，因此本文采用此模型对企业融资约束水平进行衡量。

2.2.2 核心解释变量

现金流量(CF)。CF代表公司当年经营活动现金净流量。

定向降准政策变量(D)。本文采取以下方式定义定向降准政策：第一，根据行业将样本企业划分为农业企业与非农企业；第二，本文在2013年末对中小微企业与大型企业进行了划分；第三，本文将划分出的农业与中小微企业指定为定向降准政策支持企业，剩余企业为非定向降准政策支持企业；第四，将定向降准政策变量D设置为虚拟变量，当公司处于2014年及之后受定向降准政策支持的企业时被赋值为1，否则为0。

2.2.3 控制变量

参考其他学者的研究，本文控制变量选取了现金持有(Cash)、企业的投资机会(TobinQ)、公司规模(Size)、资产负债率(Lev)、总资产收益率(ROA)、企业年龄(Age)、所有者权益比率(Capitalratio)以及资产流动性(Liquidity)，同时控制个体固定效应与年度固定效应(见表1)。

表1 变量名称、代码及定义

2.3 模型设计

在模型设计方面，本文选择Fazzari等[7]提出的投资—现金流敏感性模型，其基本原理为：当外部融资成本显著高于内部融资时，则公司投资会舍弃外部融资而尽可能采用内部融资，从而企业投资水平会受到现金流量显著的正向影响，投资—现金流敏感性越高，融资约束越强。本文参照以往文献，构建模型(1)作为基本模型：

Investi,t=β0+β1CFi,t+∑Controlleri,t+μi+ωt+εi,t

(1)

式(1)的因变量Investi,t代表企业i在t年的企业年度新增资本投资水平，CF代表企业的现金流量，Controller代表本文的其他基本控制变量，另外，该回归模型也对样本企业和年份均进行了固定，分别用μi与ωt表示。为检验定向降准政策对中小企业融资约束的影响，本文在模型(1)基础上加入定向降准政策虚拟变量(D)以及它与现金流量(CF)的交乘项构造模型(2)，此时则需要关注交乘项前的系数β3，β3显著小于0时，说明定向降准政策能够显著降低企业的投资—现金流敏感性，从而起到了缓解企业融资约束的作用。

Investi,t=β0+β1CFi,t+β2Di,t+β3Di,t×CFi,t+∑Controlleri,t+μi+ωt+εi,t

(2)

由于受定向降准政策支持的企业对象的选择并不是随机产生的，若直接采用传统的DID模型进行估计，估计结果很有可能会发生偏误，因此，为了避免严重的样本选择偏误问题，使定向降准政策支持企业与非定向降准政策支持企业更具有可比性。本文在具体估计时，先通过倾向性得分匹配为处理组寻找相似的对照组，再用DID模型来考察定向降准政策对中小企业融资约束的影响。

3 实证结果与分析

3.1 描述性统计

各主要变量的描述性统计如表2所示。其中，被解释变量企业年度新增资本投资水平(Invest)的均值为0.068，由此可知样本公司的企业年度新增资本投资水平在总资产中的占比不大。现金流量(CF)均值为0.051，中位数为0.049，两者差距不大，说明样本公司持有的现金流量约占总资产的5%。定向降准政策变量(D)均值为0.279，说明样本中有27.9%的企业属于2014年后受定向降准政策支持的企业，该比例基本符合本文研究需要。除此之外，其他变量均在合理范围内，可以满足研究需要，此处不再详细论述。

表2 描述性统计

3.2 倾向得分匹配(PSM)

本文对定向降准政策变量(D)进行配对，将受定向降准政策支持的企业作为处理组，将不受定向降准政策支持的企业作为对照组。参考相关文献，本文基于数据可得性选取公司规模Size、企业年龄Age、总资产收益率ROA、所有者权益比率Capitalratio和资产流动性Liquidity5个指标作为协变量进行一对一近邻有放回匹配，表3展示平衡性检验结果，匹配后变量的标准化偏差(%bias)大幅度减小，绝对值均低于5%，说明实验组与对照组变量之间的显著差异得以基本消除。

表3 匹配前后平衡假设检验

3.3 定向降准政策对中小企业融资约束的影响分析

表4给出了进行倾向得分匹配前后模型(1)与模型(2)的实证结果。其中，1列和2列为对模型(1)和模型(2)直接进行回归的实证结果，3列和4列为先进行PSM之后再对模型(1)和模型(2)回归的结果。1列和3列为模型(1)的回归结果，2列和4列为模型(2)的回归结果。由表4可知，1列和3列模型(1)的具体回归结果中CF前的系数值β1均在1%的水平上显著为正，表明企业经营现金流量的增加将使得企业的资本投资水平显著增加，说明企业存在融资约束。2列和4列模型(2)的实证回归结果中β1均显著为正，β3均显著为负，其中传统的DID模型在5%的水平上显著为负，进行PSM-DID的模型在1%的水平上显著为负，说明定向降准政策显著降低了企业的投资—现金流敏感性，即对中小企业的融资约束水平起到了显著的缓解作用，由此本文的假设1得以验证。

表4 定向降准政策对中小企业融资约束的影响

3.4 异质性分析

由前文实证结果可知，定向降准政策的实施能够缓解中小企业融资约束，但需要明确的是,定向降准政策对不同类型企业融资约束并非都会产生同等影响，其影响可能存在一定差别。因此本文进一步分别研究定向降准政策对不同企业规模与不同产权性质的企业融资约束的缓解效果。结果显示，大规模企业组与小规模企业组的CF的回归系数均在1%的水平上显著为正，但大规模企业组的系数值并不显著，而小规模企业组CF×D的系数值在1%的显著性水平上显著为负，说明定向降准政策能够显著降低小规模企业组的企业融资约束，但对大规模企业融资约束的影响却不显著，由此本文的假设2得以验证。另外，无论是国有企业组或是民营企业组，其CF变量系数均显著为正，这表明国有和民营企业都存在一定程度的融资约束问题，而国有企业CF变量系数在5%的显著性水平上显著为正，民营企业中该系数在1%的显著性水平上显著为正，说明民营企业面临的融资约束比国有企业更大。民营企业的系数值β3在1%的水平上显著为负，而国有企业中β3却不显著，说明相对国有企业，定向降准政策对民营企业融资约束的缓解程度更高，这也验证了本文的假设3。

3.5 稳健性检验

3.5.1 共同趋势假定检验

为检验处理组与对照组在定向降准政策实施前是否呈现平行趋势，本文进行共同趋势假定检验。假定定向降准政策是在2014年之前的某一年所提出，如果回归结果显示定向降准政策能够对中小企业融资约束产生显著影响，则说明2014年之前处理组与对照组间并无共同趋势。相反，如果回归结果表明定向降准政策对中小企业融资约束的影响不显著，则表示处理组与对照组在2014年之前存在共同趋势，则本文DID的结果稳健。本文分别将政策实施提前一年、提前两年进行检验，回归结果显示CF×D的回归系数均不显著，说明共同趋势假定在定向降准政策实施前成立。

3.5.2 更换融资约束测度方法

为证明结果的稳健性，本文更换融资约束测度方法，由“现金持有的变化”来替代被解释变量“企业年度新增资本投资水平”，实证结果显示CF×D的系数在5%的显著性水平上显著为负，说明定向降准政策能够显著降低中小企业的融资约束，证明了本文结论的稳健性。

3.5.3 改变PSM匹配比例

前文采用了1∶1有放回近邻匹配进行实证研究，此处进一步改变PSM匹配比例来对上文研究结果进行检验。本文对定向降准政策变量(D)进行配对，选择同前文相同协变量集合，改为1∶2的比例进行匹配，回归后实证结果的符号和显著性与原有结果基本相同，说明上文研究结论稳健。

4 结论与启示

本文以中小板与创业板上市公司为研究对象，运用DID模型进行分析研究，结果显示定向降准政策对中小企业融资约束起到缓解作用。异质性分析表明，定向降准政策对小规模企业和民营企业等弱势企业融资约束的缓解作用较为显著，对大规模企业和国有企业融资约束的缓解作用不佳，原因在于大规模企业与国有企业更受银行青睐，融资约束程度相对较低。

本文研究结论有如下政策启示:中国应该重视定向降准政策的结构优化与应用，适当增加定向降准的频率和强度，帮助弱势行业和企业获取所需要的金融资源，从而改善经济发展不平衡不协调的现象。应该加强监管措施，合理筛选与定期审查定向降准对象，以保证金融资源能够精准流入所需要弱势领域与企业而不是产能过剩的行业领域。对金融资源配置起决定性作用的只能是市场，而定向降准政策发挥的只是信号作用和结构引导的作用，因此结构调整问题的解决并不能依赖货币政策而要充分发挥市场机制的作用。