金融结构、非金融企业部门杠杆率与系统性风险——基于2008—2020年跨国面板数据的研究

张甜迪 田 莎

（湖北工业大学经济与管理学院，湖北 武汉 430068）

一、引言

新冠肺炎疫情冲击下，百年变局加速演进，主权债务激增，流动性快速放收，全球金融结构发生了根本性变革。我国金融结构中直接融资规模不断扩大。根据国家统计局数据，我国股票市场总市值占GDP的比重在2008年为38%，此后历经多次波动，但大体上呈上升趋势，截至2020年底，该比重升至78.7%的历史高位。但与发达国家相比，我国仍以间接融资为主，直接融资占比较低（见图1）。美国直接融资占比一直处于较高水平，而德国、日本等银行主导型国家，金融结构市场化倾向也在不断加强。金融结构在金融体系的稳定运行中发挥着重要作用。中国经济正处在新旧动能转换阶段，如何提高金融结构适应性，对服务经济转型升级、增强经济和金融韧性有重要意义。

图1：股票市场市值/银行对私人部门信贷的国际比较

与此同时，非金融企业部门杠杆率居高不下已为我国主要的系统性风险点（苟文均等，2016）[1]。2008年美国次贷危机以来，我国非金融企业部门杠杆率显著攀升，虽然2015年实施供给侧结构性改革后有所下降，但该指标在2020年底达到160.6%，远高于发达经济体103.8%和新兴市场经济体119.9%的平均水平（见图2）。

图2：非金融企业部门杠杆率的国际比较（%）

金融结构是否会通过影响企业部门杠杆率进而影响系统性风险？在不同经济发展水平下，国家（地区）金融结构对系统性风险的影响是否有差异?我国正处于经济转型的关键阶段，探究不同经济发展水平国家（地区）的金融结构对系统性风险的影响，对我国增强金融韧性、建立前瞻性风险防控机制具有重要意义。

鉴于此，本文基于2008—2020年44个国家（地区）的跨国面板数据，分析了金融结构对系统性风险的影响，并探究企业部门杠杆率的中介效应。本文的边际贡献主要有以下三点：第一，从研究视角上，现有文献大多从金融体系的脆弱性角度解释系统性风险的成因，较少从金融结构层面展开研究，这将导致难以从制度层面有效预防和应对金融风险。因此，本文从金融结构理论出发，探究不同金融结构对系统性风险的影响，为我国金融供给侧结构性改革和防范化解系统性风险提供有益参考。第二，从研究方法上，现有少量文献主要研究金融结构对系统性风险的直接影响，较少关注其中的影响机制。本文将企业部门杠杆率纳入研究框架，检验金融结构对系统性风险的影响机制，厘清企业部门杠杆率在金融结构影响系统性风险中的作用机制，能够为我国非金融企业稳杠杆政策提供经验证据。第三，从研究对象上，已有研究大都选取发达国家，而这些国家金融发展相对成熟，对新兴市场国家缺乏参考价值。因此，本文将发展中国家考虑在内，增强了研究的科学性，对新兴市场国家优化金融结构和防范系统性风险更具有启示意义。

二、文献综述

系统性风险的成因可归纳为内因和外因两个部分。内部因素是金融体系自身的脆弱性，主要包括金融机构的脆弱性和金融市场的脆弱性两个方面。一方面，金融机构的高杠杆性、流动性错配、非息收入占比过高和金融机构之间的复杂网络联系带来的负外部性等特征直接导致金融机构的内在脆弱性，给整个金融体系带来风险，当面临较大幅度的冲击时风险传染更严重，易造成系统性风险（Silva，2019；Brunnermeier等，2020）[2，3]。另一方面，金融市场的亲周期性、过度创新和跨境资本流动使金融市场具有内生不稳定性，并进一步放大金融风险，加大系统性风险的发生频率（关筱谨等，2021；庞念伟，2021）[4，5]。外部因素主要基于宏观经济环境进行研究。例如，金融体系对外部条件的变化十分敏感，欧阳资生等（2021）[6]研究发现经济政策不确定性与系统性风险之间存在因果关系，Abuzayed等（2021）[7]指出极端事件的冲击会导致系统性风险的集聚和爆发。

关于金融结构对系统性风险的影响，现有研究尚未达成一致，主要有以下三种观点：一是认为金融结构市场化程度提高会降低系统性风险。Ji等（2019）[8]以中国的商业银行为研究对象，发现金融结构市场化能通过增强企业的偿债能力、减缓银行的信贷增速和加强对银行的监管来降低系统性风险。二是认为金融结构市场化程度提高会增加系统性风险。Bavoso（2018）[9]以欧盟的资本市场为研究对象，发现市场主导型融资渠道的过度发展造成金融市场过度创新，使资产证券化和企业债券泛滥，由此推高宏观杠杆率，加剧金融体系的脆弱性，并加大系统性风险。三是认为金融结构对系统性风险的影响是非线性的。夏越（2021）[10]用中国省级面板数据进行实证研究，发现金融结构对系统性风险的影响依赖于某些条件（如经济发展水平）的变化而呈现出非线性变化的趋势。Bats和Houben（2020）[11]以22个OECD国家为研究对象，发现在不考虑外部因素的影响时，金融结构与系统性风险的非线性关系依然成立。

可以看出，现有文献对金融结构与系统性风险的关系进行了研究，取得了一定的成果，但仍有待完善：第一，关于金融结构对系统性风险影响的研究较少，且学者们尚未形成共识。第二，金融结构影响系统性风险的机制尚不清晰，鉴于企业部门杠杆率高企的现实特点，有必要进一步拆解金融结构通过企业部门杠杆率影响系统性风险的机理。第三，已有研究样本主要以发达国家为主，金融全球化下，发达国家与新兴市场国家风险相互影响，且金融结构与企业杠杆率都有所差异，有必要将新兴市场国家纳入实证范围。

三、理论分析与研究假设

（一）金融结构与系统性风险

金融结构市场化程度提高可以抑制系统性风险的发生。其作用机制主要有以下四个方面：一是金融市场通过向投资者提供多样化金融工具，实现风险的横向分散。根据投资组合理论，投资者将不同期限、不同“风险—收益”结构的金融工具灵活组合，实现不同金融风险的横向分散。二是金融市场通过资产价格信息的显示，有效改进金融风险管理，增强金融体系的抗风险能力。根据信息不对称理论，金融市场中各类金融工具的价格具有公开揭示并传递代理人私人信息的作用，这成为风险管理特别是风险测度的信息源。金融市场的信息披露功能缓解了信息不对称问题，从而极大提升了金融风险管理的有效性。三是金融市场通过向企业提供多元化融资渠道，分散银行风险承担水平，降低高杠杆金融机构的系统性风险。基于融资约束理论，金融市场的发展是缓解企业融资约束的根本途径，处于市场主导型金融结构中的企业大部分融资来自股权，债务违约风险较低，减少了对高杠杆金融机构的依赖，有助于降低银行部门的系统性风险。四是金融市场提升金融资源配置效率，避免金融风险过度集中。根据金融深化理论，市场作为主体具备对资源实施有效配置的能力，金融市场能通过为市场上高效率、高技术以及高资本利用率的实体企业提供金融资源，防止由于资源错配致使金融风险快速集聚（刘立新和李鹏涛，2019）[12]。

反之，金融结构银行化程度提高会加大系统性风险的发生频率。原因主要有以下三点：一是信贷市场存在“信贷歧视”，导致银行主导型金融结构的金融资源配置效率不高，从而使金融风险快速集聚。二是在银行主导型金融结构中，往往存在众多中小银行，其风险会呈现“涌现”现象，触发级联故障引发系统性风险（范小云等，2021）[13]。三是大量金融机构面临风险约束引起宏观杠杆顺周期将加剧系统性金融风险的产生（Cincinelli等，2021）[14]。因此，本文提出研究假设1。

假设1：金融结构市场化程度提高会降低系统性风险。

（二）经济发展水平的异质性影响

当经济发展水平不同时，金融结构对系统性风险的影响具有异质性。当经济发展水平较低时，金融市场发展水平也较低，金融结构一般属于银行主导型，可能存在银行垄断造成的信贷市场不完善，导致金融资源错配日益严重，使金融风险快速集聚（Batuo等，2018）[15]。此时金融市场的发展壮大提高了金融资源配置效率，有效降低了银行高杠杆诱发的系统性风险。然而金融市场规模扩张具有一定的惯性，当经济发展水平较高时，伴随着金融自由化程度不断深化的市场主导型金融结构通常更易引发信贷扩张和资产价格泡沫，此时金融结构市场化程度提高降低系统性风险的边际效应逐渐递减。因此，本文提出研究假设2。

假设2：金融结构市场化程度提高对不同经济发展水平国家系统性风险的降低作用具有异质性：当经济发展水平较低时，降低作用较强；当经济发展水平较高时，降低作用较弱。

（三）企业部门杠杆率的中介效应

一方面，金融结构市场化程度提高可以降低企业部门杠杆率。具体来看，一是金融市场通过替代效应降低企业部门杠杆率。在市场主导型金融结构中，企业以股权融资为主，对债务产生显著的替代效应，使杠杆率相对较低。二是金融市场通过激励效应降低企业部门杠杆率。资本市场的信息披露机制对企业的经营业绩形成外在约束，有效地激励企业提高经营效率、缩减负债规模，并降低杠杆率（陈志强等，2019）[16]。三是金融市场通过竞争效应降低企业部门杠杆率。金融市场的发展完善会对银行产生冲击，促使银行增强自身业务能力，提高信贷资金配给效率，从而降低企业部门杠杆率（李娟等，2020）[17]。

另一方面，企业部门杠杆率升高会加大系统性风险，因此，降低企业部门杠杆率有助于系统性风险的降低。一是杠杆率较高的企业在遭受外部冲击时，债务违约的风险增加，系统性风险加大（Cecchetti和 Kharroubi，2012）[18]。二是由于“金融加速器”机制，企业部门杠杆率攀升易造成资产价格的过度波动，并通过风险传染效应引发系统性风险。三是由于“挤出效应”的作用，企业部门高杠杆会加剧金融错配，造成金融风险集聚。当企业部门杠杆率水平不断增加时，金融错配背景下拥有融资优势的低效率企业会对高效率企业产生“挤出效应”，促使金融资源不断流向自身，而高杠杆企业易出现债务积压问题，造成金融风险集聚（宁薛平和张庆君，2020）[19]。四是过度利用杠杆的企业股价崩盘风险会增加，加剧系统性风险。企业部门杠杆率偏离通过增加企业与外界的信息不对称程度，加大管理层隐藏负面消息的动机，使股价崩盘风险的概率增加，从而加剧系统性风险（郑丽雅和易宪容，2022）[20]。

综合前文对金融结构、企业部门杠杆率和系统性风险的分析，本文认为金融结构市场化程度提高会降低系统性风险，同时，金融结构市场化程度提高也会降低企业部门杠杆率，而企业部门杠杆率降低会推动系统性风险的降低。因此，企业部门杠杆率在金融结构和系统性风险之间发挥中介作用。基于此，本文提出假设3。

假设3：企业部门杠杆率具有中介效应，金融结构市场化程度提高会通过降低企业部门杠杆率而降低系统性风险。

四、研究设计

（一）计量模型设定

为验证假设1和假设2，本文构建了金融结构与系统性风险关系的计量模型：

其中，i表示国家，i=h时，样本为高收入国家；i=l时，样本为中低收入国家。t则表示年份。被解释变量LNSRISKi,t代表i国家t期的系统性风险水平，解释变量FSi,t度量了金融结构。Xi,t表示控制变量集合，ui表示各国家的个体效应，ηt代表时间效应，εi,t为随机误差项，且服从独立同分布。

为验证假设3，本文在模型（1）的基础上进一步构建中介效应模型：

图3：金融结构影响系统性风险的理论框架

其中，中介变量LNLEVi,t代表i国家t期的企业部门杠杆率，其他变量和系数的含义与模型（1）保持一致。

（二）变量说明

1.被解释变量：系统性风险指数。Brownlees和Engle（2017）[21]提出的系统性风险指数（SRISK）表示当危机影响整个金融系统时特定金融机构的预期资本短缺。为了增强数据可比性和减少异方差的影响，本文对其取自然对数，记为LNSRISK，作为系统性风险的代理变量。

2.核心解释变量：金融结构指数。本文参考谭小芬等（2019）[22]的做法，从金融结构活跃度、金融结构规模、金融结构效率三个维度衡量国家（地区）的金融结构，并用主成分分析法得到金融结构市场化程度的综合指标，记为FS，此指标值越大，表明金融结构越倾向于市场主导型。金融结构活跃度指标用股票市场活跃度与银行活跃度之比表示，其中，股票市场活跃度用股票市场交易总额占GDP的比重进行衡量，银行活跃度用银行对私人部门的信贷占GDP的比重进行衡量。金融结构规模指标用股票市场规模与银行规模之比表示，其中，股票市场规模用股票市场市值占GDP的比重进行衡量，银行规模用银行对私人部门的信贷占GDP的比重进行衡量。金融结构效率指标用股票市场效率与银行效率相乘表示，其中，股票市场效率用股票市场交易总额占GDP的比重进行衡量，银行效率用银行净利润占总资产的比重进行衡量。

3.中介变量：非金融企业部门杠杆率。本文借鉴江红莉和刘丽娟（2020）[23]的做法，用非金融企业部门的国内信贷占GDP的比重作为企业部门杠杆率的代理变量，并对其取对数，记为LNLEV，该指标值越大，说明企业部门杠杆率越高。

4.控制变量。参考Bats和Houben（2020）[11]、朱凯和王君（2020）[24]的做法，并结合研究的具体问题，本文选取以下变量为控制变量：（1）银行集中度（LNBSC），用国家（地区）最大的三家商业银行的总资产占所有商业银行总资产的比重作为银行集中度的代理变量，并对其取对数；（2）银行非利息收入（LNBNI），用银行的非利息收入占总收入的比重作为银行非利息收入的代理变量，并对其取对数；（3）通货膨胀率（DFL），用GDP平减指数作为通货膨胀率的代理变量；（4）经济增长速度（RGDP），用GDP年度增长率来衡量经济增长速度。

（三）数据来源

本文以2008—2020年44个国家（地区）的面板数据为研究样本①。样本国家（地区）广泛分布于世界各地，既包括发达国家，又包括新兴市场国家，经济发展水平和金融结构各不相同。因此，本文的研究样本具备一定的代表性。系统性风险指数来源于美国纽约大学斯特恩商学院波动实验室（New York University Stern's Volatility Laboratory），金融结构指数、银行集中度和银行非利息收入相关的数据来源于全球金融发展数据库（GFDD），非金融企业部门杠杆率的相关数据来源于国际清算银行（BIS），其他变量数据均来自世界银行的世界发展指标库（WDI）。对于部分缺失数据，本文采用插值法进行补充，以尽量保证数据的连续性。

（四）描述性统计

本文主要变量的描述性统计结果如表1所示。在样本区间内，系统性风险指数的均值为2.26，最大值为7.20，最小值为-3.91，偏度为-0.21，峰度为2.24，表明不同年份、不同国家（地区）之间系统性风险的差异较大，且呈左偏的尖峰分布。金融结构指数的最大值和最小值分别为7.42和-2.18，偏度和峰度分别为3.43和17.16，表明不同年份、不同国家（地区）的金融结构存在较大差异，且呈右偏的尖峰分布。企业部门杠杆率的均值为4.36，最大值达到5.83，最小值为2.63，偏度为-0.39，峰度为3.12，表明在观测期内主要国家（地区）的企业部门杠杆率处于较高水平，但在观测期内不同国家的企业部门杠杆率水平差异较大，且呈左偏的尖峰分布。

表1：变量描述性统计

五、实证结果与分析

（一）金融结构对系统性风险的影响

本文运用基准回归模型（1）对金融结构与系统性风险的关系进行检验，鉴于本文使用的是跨国（地区）面板数据，通过F检验和Hausman检验确定应使用个体时间双固定效应模型。回归结果如表2所示。

表2：基准模型回归结果

表2列（1）描述了在未加入任何控制变量时金融结构与系统性风险的关系，金融结构指数的估计系数为负并在1%的水平上显著，说明金融结构市场化程度提升可以显著降低系统性风险；列（2）为纳入所有控制变量后的回归结果，金融结构指数的回归系数仍然为负并在5%的水平上显著，初步说明估计结果是稳健的。由此，假设1得证，即金融结构市场化程度提高有利于降低系统性风险。

为了进一步检验金融结构对不同经济发展水平国家（地区）系统性风险影响的差异，根据世界银行的分类标准将全样本分为高收入国家（地区）与中低收入国家（地区）两个子样本，并进行实证检验②。回归结果如表2列（3）、列（4）所示。结果显示，无论是高收入国家（地区）还是中低收入国家（地区），市场主导型金融结构均对系统性风险起到降低作用。从费舍尔组合检验的经验P值可以看出，中低收入国家（地区）的金融结构指数的估计系数的绝对值显著大于高收入国家（地区）。由此，假设2得证，即金融结构市场化程度提高降低了系统性风险，但对不同经济发展水平国家（地区）的影响存在异质性，对中低收入国家（地区）的降低作用显著强于高收入国家（地区）。

（二）内生性检验

上述关于金融结构影响系统性风险的基准回归中，可能存在两个内生性问题：一是可能遗漏重要变量，导致误差干扰项与解释变量相关；二是核心解释变量金融结构指数与被解释变量系统性风险指数之间可能存在双向因果关系。因此，本文通过增加控制变量、移动平均处理法和工具变量法解决内生性问题。

1.排除遗漏变量造成的内生性问题。为了最大程度上减轻遗漏变量造成的内生性问题，本文参考刘晓光等（2019）[25]的做法，进一步控制了资本账户开放度（KAOPEN）和贸易依存度（TOPEN）。关于资本账户开放度，用KAOPEN指数衡量，通过IMF每年发布的《汇兑安排与汇兑限制年报》中给出的信息，分析得到各国对资本账户子项目的限制情况，从而计算得出各个国家（地区）的资本账户开放度。对于贸易开放度的衡量，用进出口总额占GDP的比重作为贸易开放度的代理变量。估计结果如表3列（1）所示。

估计结果显示，金融结构指数的估计系数在5%的显著性水平上为负，说明本文结论稳健，即金融结构市场化程度提高使系统性风险降低。

2.移动平均处理法。本文采用取五年移动平均值的方式重新构造金融结构指数，估计结果如表3列（2）所示。估计结果显示，金融结构指数的估计系数为负并在1%的水平上显著，说明金融结构与系统性风险的负向关系仍然成立。

表3：基准模型的内生性及稳健性检验回归结果

3.工具变量法。本文借鉴盛斌和景光正（2019）[26]的做法，选取金融结构指数的滞后一期作为工具变量。表3列（3）显示，由不可识别检验结果可知，K-Paaprk LM统计量值通过了1%的显著性检验，表明工具变量满足可识别性；弱工具变量K-Paaprk F检验的结果显示拒绝原假设，表明选取的工具变量有效。利用工具变量法控制内生性问题后，金融结构市场化程度提高对系统性风险的降低效应仍成立。

（三）稳健性检验

为了检验金融结构对系统性风险的影响是非随机的，本文通过替换解释变量、替换被解释变量和动态面板估计验证基准回归结果是否可靠。

1.替换解释变量。本文参考谭小芬等（2019）[22]的做法，用金融结构规模指标替换解释变量，即使用股票市场市值与银行对私人部门的信贷之比作为金融结构的另一种度量方式，并进行对数化处理，记为LNFS2，估计结果如表3列（4）所示。估计结果显示，金融结构指数的估计系数仍为负并在1%的水平上显著，说明本文的估计结果具有较好的稳健性。

2.替换被解释变量。用系统性压力综合指数（CISS）来衡量系统性风险，数据来源于欧洲中央银行（ECB）统计数据库③，估计结果如表3列（5）所示。估计结果显示，金融结构指数的估计系数仍为负并在1%的水平上显著，再次验证了金融结构市场化程度提高能够降低系统性风险。

3.动态面板估计。为了克服由于模型设定导致的估计偏误问题，本文将被解释变量进行滞后一期处理，建立动态面板模型：

采用系统GMM方法对模型（4）进行估计，从表3列（6）的估计结果可以看出，Hansen检验的P值和AR（1）、AR（2）的P值均通过相关检验，表明工具变量设定合理且不存在序列自相关；金融结构指数的估计系数显著为负，则表明改变模型设定后，本文的结果仍然是稳健的。

（四）中介机制检验

1.中介机制分析。本文构建中介效应模型探究企业部门杠杆率的中介作用，表4为相关检验结果。列（2）描述了金融结构对企业部门杠杆率的影响，金融结构指数在10%的水平上显著为负，表明金融结构市场化程度越高，企业部门杠杆率越低。列（3）描述了在金融结构不变的情况下企业部门杠杆率对系统性风险的影响，企业部门杠杆率在1%的水平上显著为正，表明企业部门杠杆率越高，系统性风险越高，中介效应成立。同时，在加入企业部门杠杆率后，金融结构指数对系统性风险的影响系数仍然显著，表明企业部门杠杆率发挥的是部分中介效应，假设3得证。

表4：中介效应检验回归结果

2.中介效应的内生性检验。为了避免内生性因素导致回归结果有偏的问题，本文将被解释变量进行滞后一期处理，并采用系统GMM方法对中介效应进一步估计，估计结果如表5所示。各模型均通过了Hansen检验和AR（1）、AR（2）检验，表明系统GMM的实证结果是可靠的；中介检验结果与前文基本一致，说明中介效应具有稳健性。

表5：中介效应的内生性检验

3.中介效应的稳健性检验：（1）替换解释变量。如前文，用LNFS2指标替换解释变量，估计结果如表6所示。检验结果与前文基本一致，说明假设3的结论具有稳健性。（2）更换检验方法。为进一步验证企业部门杠杆率在金融结构与系统性风险的关系中发挥的中介效应，本文采用Sobel检验法和Bootstrap法对中介效应进行稳健性检验，结果如表7所示。以FS为解释变量时，Sobel检验的Z值显著为负，表明企业部门杠杆率的中介效应显著存在，并且中介效应的占比为23.07%。同样地，以LNFS2为解释变量的Sobel检验结果也证实了企业部门杠杆率发挥的中介作用。

表6：替换解释变量的中介效应稳健性检验

六、进一步研究

（一）门槛效应

1.门槛效应的检验。前文从线性关系角度分析了金融结构对系统性风险的影响，为了进一步探究金融结构与系统性风险的关系是否具备门槛特征，本文建L立了金融结构对系统性风险影响的面板门限模型：

其中，I(*)是指示函数，FSi,t是门槛变量，Υ1是门槛值。I(*)函数值取决于门槛变量与门槛值之间的大小关系：当括号内表达式为真时，函数值取1，否则取0。

依次进行单一门槛、双重门槛与三重门槛的检验，检验结果如表8所示。可以看出，单一门槛效应在1%的水平上显著，双重门槛效应在10%的水平上显著，三重门槛效应不显著，说明金融结构与系统性风险之间存在显著的双门槛特征。接下来，本文对门槛估计值展开分析，表9给出了门槛的估计值以及相应的置信区间。

表8：门槛效应检验

表9：门槛估计结果

2.门槛回归结果。对金融结构与系统性风险的双重门槛模型进行参数估计，估计结果如表10所示。当金融结构指数低于第一门槛值0.61，即金融结构市场化程度较低时，其系数估计值是-1.0646，并在1%的水平上显著为负；当金融结构指数高于第一门槛值0.61且低于第二门槛值0.74时，其系数估计值变为-0.6701，并在1%的水平上显著为负；当金融结构指数高于第二门槛值0.74时，其系数估计值变为-2.7873，并在1%的水平上显著为负。综上可知，金融结构市场化程度提高对系统性风险的降低作用是非线性的，当金融结构指数较低（位于第一门槛值以下）或较高（超过第二门槛）时，金融结构市场化程度提高对系统性风险的降低作用更强。原因可能在于，当金融市场发展水平较低时，金融结构一般为银行主导型，大多数企业只能通过银行系统进行融资，致使企业杠杆率高位运行，推高系统性风险，这时金融市场的发展不仅有利于提高金融资源配置效率，而且能降低企业杠杆率，从而使系统性风险降低；当金融市场进一步发展时，融资规模的增长速度可能超过实体经济的发展需求，从而使得大量信贷资金“脱实向虚”，在金融监管制度滞后的情况下，导致严重的资产泡沫和高杠杆问题，使金融结构市场化对系统性风险的降低作用减弱；此后，为了应对新的潜在风险，金融监管体系往往会不断调整，加之多元化、多层次的金融机构体系和金融市场体系日益完善，金融结构市场化程度提高对系统性风险的降低作用逐渐增强。

表10：门槛模型回归结果

（二）调节效应

1.调节效应分析。前文的基准回归结果表明，从总体上看，金融结构市场化程度较高的国家（地区）的系统性风险低于金融结构市场化程度较低的国家（地区），但是，金融结构对系统性风险的影响也许会因国家（地区）特征的不同而不同。例如，国家（地区）国民储蓄率和银行经营水平的不同会对金融结构和区域性金融风险造成显著影响（杨天宇和朱光，2021）[27]；国家（地区）政府治理能力的不同也会对金融结构和金融风险产生影响。因此，本文将进一步从国民储蓄率、银行经营水平以及政府治理能力三个方面考察金融结构对系统性风险的影响，构造模型如下：

其中，MODERi,t表示调节变量。本文用国民总收入减去总消费加上净转移支付占GDP的比重对国民储蓄率（SAVE）进行衡量，变量取值越大表示国民储蓄率越高，数据来源于世界银行的世界发展指标库（WDI）；用银行的资产收益率对银行经营水平（ROI）进行衡量，变量取值越大表示商业银行经营越稳健，数据来源于全球金融发展数据库（GFDD）；用公众话语权与政府问责的指标对政府治理水平（IG）进行衡量，变量取值越大表示政府治理能力越强，数据来源于世界银行的世界治理数据库（WGI）。

表11列（1）的估计结果显示了国民储蓄率在金融结构影响系统性风险中的调节作用。金融结构指数与国民储蓄率交互项的系数显著为正，说明国民储蓄率的增加会减弱金融结构市场化程度提高对系统性风险的负向影响，原因可能是国民储蓄率水平提高会带动投资，造成企业部门杠杆率高企，加大整体系统性风险，从而弱化了金融结构市场化程度提高对系统性风险的降低作用。列（2）的估计结果显示了银行经营水平在金融结构影响系统性风险中的调节作用。金融结构指数与银行经营水平交互项的系数显著为负，说明国家（地区）的银行经营水平的提高会增强金融结构市场化程度提高对系统性风险的负向影响，即金融结构市场化程度提高对系统性风险的负向影响在银行经营稳健的国家（地区）会更强，原因可能是银行的稳健经营使银行系统性风险下降，有利于整体系统性风险的降低，从而强化了金融结构市场化程度提高对系统性风险的降低作用。列（3）的估计结果显示了政府治理能力在金融结构影响系统性风险中的调节作用。金融结构指数与政府治理能力交互项的系数显著为负，说明国家（地区）的政府治理能力的提升会增强金融结构市场化程度的提高对系统性风险的负向影响，原因可能是公众话语权与政府问责从促进政府廉政建设、提高政府透明度和提高公共资金使用效率等方面提升政府治理能力，有利于提高防范系统性风险的能力，从而强化了金融结构市场化程度提高对系统性风险的降低作用。

表11：调节效应检验结果

上述实证结果意味着，较低的国民储蓄率、稳健的银行经营水平和较强的政府治理能力会增强金融结构市场化程度提高对系统性风险的降低作用。

2.调节效应的内生性检验。为了避免内生性因素导致的回归偏误，本文将被解释变量进行滞后一期处理，建立动态面板模型，并采用系统GMM方法对模型（6）进行重新估计，估计结果如表12所示。各模型均通过了Hansen检验和AR（1）、AR（2）检验，表明系统GMM的实证结果是可靠的；检验结果与前文基本一致，说明调节效应具有稳健性。

表12：调节效应的内生性检验回归结果

七、结论与启示

本文基于2008—2020年44个国家（地区）的面板数据，研究了金融结构对系统性风险的影响以及企业部门杠杆率的中介效应。主要结论是：第一，从全样本看，金融结构与系统性风险之间存在显著的负相关关系，即金融结构市场化程度越高，系统性风险越低。第二，金融结构对系统性风险的影响在不同经济发展水平的国家（地区）间表现出一定的异质性，即金融结构对系统性风险的负向影响在经济发展水平较低的国家（地区）中表现得更加明显。第三，金融结构市场化程度提高通过降低企业部门杠杆率抑制系统性风险。第四，金融结构对系统性风险的影响存在双门槛特征，当金融结构指数位于第一门槛值（0.61）和第二门槛值（0.74）之间时，金融结构市场化程度提高对系统性风险的降低作用最弱。第五，国家（地区）较低的国民储蓄率、稳健的银行经营水平和较强的政府治理能力会显著增强金融结构市场化程度提高对系统性风险的抑制作用。

结合研究结论，本文得到以下启示：第一，坚持金融供给侧结构性改革，持续推动资本市场高质量发展。一方面，继续优化金融结构，发展多层次资本市场，提升直接融资的比重，平稳有序地推进非金融企业去杠杆；另一方面，着力提升资本市场的市场化水平，发挥市场的信息披露等功能，使资本市场成为促进市场竞争的力量，通过提升我国金融结构市场化程度来提升经济金融韧性，降低系统性风险。第二，强化金砖银行在新兴市场中的作用，连接不同经济发展水平国别之间的金融配置，减少金融结构国别异质性对系统性风险的影响，发挥金融在“一带一路”中的引领作用。第三，推进RCEP贸易圈，连接欧亚大陆，联结欧洲金融结构与亚太金融结构，发挥较高及较低金融结构市场化程度国家（地区）的风险韧性优势，促进欧亚大陆双循环。

注：

①这些国家（地区）包括阿根廷、澳大利亚、奥地利、比利时、加拿大、瑞士、瑞典、中国、哥伦比亚、捷克、德国、丹麦、西班牙、芬兰、法国、英国、希腊、中国香港、匈牙利、印度尼西亚、印度、爱尔兰、以色列、意大利、日本、韩国、卢森堡、墨西哥、马来西亚、荷兰、挪威、新西兰、波兰、葡萄牙、俄罗斯、沙特阿拉伯、瑞典、泰国、土耳其、美国、南非、越南、新加坡和巴西。

②根据世界银行的分类标准，高收入国家（地区）有：奥地利、澳大利亚、比利时、加拿大、捷克、丹麦、芬兰、法国、德国、希腊、中国香港、匈牙利、爱尔兰、意大利、以色列、日本、韩国、卢森堡、荷兰、新西兰、挪威、波兰、葡萄牙、沙特阿拉伯、新加坡、西班牙、瑞士、瑞典、英国和美国；中低收入国家（地区）有：阿根廷、巴西、中国、哥伦比亚、印度、印度尼西亚、马来西亚、墨西哥、菲律宾、俄罗斯、南非、泰国、土耳其和越南。

③选取该数据库中包含的所有国家即奥地利、比利时、中国、德国、西班牙、芬兰、法国、英国、爱尔兰、意大利、荷兰、葡萄牙和美国共13个国家作为样本。