经济部门杠杆率变化对产业结构优化的影响研究——基于三大经济圈省际数据的实证检验

吴志军 陈海东

一、引言及文献综述

自2001年加入世界贸易组织以来，我国经济得到长足高效发展，创造了举世瞩目的成就。我国各个省(区、市)根据地域特征和相对优势实现了经济的差异化竞争格局，珠三角、长三角和京津冀三大经济圈成为我国当前经济制度下先进生产力发展的代表区域，这些区域在轻工业、机械制造、电子、制药、金融等领域实现了跨越式发展。三大经济圈的经济发展和产业结构变迁是我国区域经济发展研究的重点，同时也最具有代表性和政策探索意义。2008年金融危机后，出于应对经济增速放缓的需要，我国不同经济部门的杠杆率迅速上扬。高杠杆率在一定程度上刺激了经济的高速发展，但也有可能引发系统性风险进而对产业结构优化产生影响，由此，我国政府实施了一系列的降杠杆政策。2015年10月，为确保经济持续稳定健康发展，党的十八届五中全会第一次提出了“降低杠杆率”的要求。2016年10月，国务院印发的《关于积极稳妥降低企业杠杆率的意见》(国发〔2016〕54号)提出了去杠杆的具体方针，并着重强调了市场化、法治化、统筹协调的原则。2018年4月，中央财经委员会提出了去杠杆的可操作思路，即要分部门、分债务类型进行去杠杆，并将去杠杆作为一项长期任务来抓，以不断促进产业结构优化，实现宏观经济的稳定运行。随着国际经济环境和我国经济发展阶段的不断变化，我国实体经济杠杆率到2019年底已经明显降低，但由于受疫情冲击，不同经济部门的杠杆率再度大幅提高。随着经济的逐步修复，宏观政策对防风险的关注加大，中国经济再度进入新一轮的结构性去杠杆过程。

经济部门杠杆率对经济发展和经济结构的影响在学术界受到诸多关注。Ameida H.等通过研究2007年国际经济危机中世界各国的表现发现，杠杆率越高的国家在经济危机出现时更容易出现经济衰退。(1)Ameida H.，Campello M.，Laranjeir A B. , “Corporate Debt Maturity and the Real Effects of the 2007 Credit Crisis”, Social Science Electronic Publishing, 2009, 1 (1) , pp.3-58.Wagner W.认为，各国金融发展水平与国家杠杆率紧密相关，金融发展水平越高的国家，企业容易过度借贷，进而导致杠杆率过高，引发系统性金融风险。(2)Wagner W., “Diversification at Financial Institutions and Systemic Crises”, Journal of Financial Intermediation, 2010,19(3), pp.373-386.Mendoza E.指出，杠杆率过高会引起约束效应，降低资产价格和信贷规模，从而导致产出水平下降。(3)Mendoza E., “Sudden Stops，Financial Crises，and Leverage”, American Economic Review, 2010, 100(5), pp.1941-1966.Reinhart C M.等的研究表明，无论是金融部门、非银行业金融部门还是居民部门，过度举债都会大幅提高经济的系统性风险。(4)Reinhart C M.，Rogoff K S., “This Time Is Different：Eight Centuries of Financial Folly ”,Economics Books, 2012, 20(18),pp.191-194.也有学者研究发现，杠杆率与经济发展呈现“倒U型”关系，即在经济发展水平较低和初期，适度的杠杆率水平能有效增加产出，促进经济发展；但一旦杠杆率过高，其反馈机制则会阻碍经济的进一步发展，甚至引发经济危机。国内学者通过对我国地方政府债务的研究也得到了相关的结论。(5)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》,《金融研究》2017年第2期。杠杆率过高会显著增加企业偿还压力，一定程度后会增加整个经济体的违约风险甚至引发系统性金融风险，导致出现企业破产潮和“僵尸企业”等问题。(6)申广军、张延、王荣:《结构性减税与企业去杠杆》,《金融研究》2018年第12期。高杠杆率会对产业结构调整产生一定的影响。杠杆率的变化让不同成长周期的行业获得信贷融资的可能性有明显差异，进而对产业结构调整产生影响，经济杠杆率增加时期，高成长行业更有可能得到信贷融资，在杠杆率下降时期，信贷融资的减少也主要发生在高成长行业。(7)叶康涛、祝继高:《银根紧缩与信贷资源配置》,《管理世界》2009年第1期。由此可知，各学者关于杠杆率对经济影响的研究结论较为一致，即在杠杆率上扬的初期，能刺激经济扩张，但一旦过高，则会造成各类不良影响并通过金融路径传导，引发各类风险。总体而言，传统产业为金融杠杆率使用较为集中的产业，其杠杆率在经济扩张阶段往往增长较快；而高新技术产业杠杆使用水平相对较低，对资金的依赖程度较小，当经济体的杠杆率水平发生变化时，产业结构会发生调整。

本文以全国发展最快的三大经济圈为分析基础，对金融部门、非银行业金融部门和居民部门杠杆率变化对我国产业结构优化的影响和路径进行分析，拓展了杠杆率对影响产业结构优化升级机制的研究，以期为保持宏观杠杆率基本稳定、缓释金融风险提供思路与证据，为地区产业发展和决策制定提供一定的借鉴。

二、我国三大经济圈经济部门杠杆率和产业结构现状

(一)经济部门杠杆率情况

2020年，珠三角(广东)的银行业储蓄存款余额为30.38万亿元，贷款余额为22.24万亿元，银行业杠杆比率为136.6%；长三角三省市(上海、江苏、浙江)的银行业储蓄存款余额为54.51万亿元，贷款余额为43.20万亿元，银行业杠杆比率为126.2%；而京津冀三省市(北京、天津、河北)的银行业储蓄存款余额为35.54万亿元，贷款余额为21.28万亿元，银行业杠杆比率为167.0%。从银行业的杠杆率来看，长三角和珠三角地区杠杆率较低，而京津冀地区偏高，说明京津冀地区贷款发放的相对规模较大，企业对银行业贷款的依赖程度较高，银行业金融体系的风险积累也较高。从各省市企业部门杠杆率来看，2020年河北省的杠杆率最高，达到60.6%，北京、上海的杠杆率分别为42.1%和47.7%，处于较低范围，其他各省市都在50.0%至60.0%之间。从居民部门杠杆率的角度，即新增住房资产占家庭收入的比重来看，最低的为广东，比值为0.96，最高的为河北，达17.22，可能原因在于河北的房价相对于居民收入偏高，或是因为北京的部分居民选择在河北省区域内购买房产所致。

(二)产业结构现状

珠三角、长三角以及京津冀三大经济圈是我国经济发展的主要区域经济发展极，三大经济圈在约4%的土地面积上创造了全国40%以上的GDP，且其经济和金融的发达程度直逼世界先进水平，也是我国参与国际贸易和经济合作的主要平台。2020年，三大经济圈创造的GDP达40.32万亿元，占全国GDP的比重为44.3%。其中，涵盖珠三角各城市的广东省的GDP达11.08万元，占全国GDP的比重为12.2%；长三角的上海、江苏和浙江GDP共计20.65万亿元，占全国GDP的比重为22.3%；涵盖北京、天津和河北的京津冀地区GDP共计8.64万亿元，占全国GDP的比重为9.5%。2020年，京津冀、长三角和珠三角地区的高新技术产业总产值分别为3.54万亿元、9.75万亿元和6.97万亿元，占各地区GDP的比重分别为41.0%、47.3%和62.9%。(8)数据来源：国家统计局省级经济数据统计。三大经济圈作为我国经济的“领头羊”，持续为我国经济发展和产业升级提供动力。珠三角作为我国传统的经济开放门户，进出口贸易发达，并有着完整的电子、机械制造等产业链；长三角以上海为中心，辐射长江中下游地区，有着发达的金融业和加工制造业，同时，民营经济和商品经济发达，成为珠三角之后的又一经济增长极；而京津冀地区作为北方的经济中心，在科技、教育、传统工业方面有着重要地位。虽然目前京津冀地区的经济规模和发展速度无法与其他两个经济圈相比，但仍凭借天然资源优势和政治优势发挥着重要作用。从整体来看，2008年以来，高新技术产业产值占地区GDP的比重持续增加，我国产业结构持续优化。珠三角和长三角产业结构较为相似，2020年第三产业与第二产业的比率分别为1.39∶1和1.41∶1，而京津冀地区为2.33∶1，说明珠三角和长三角的工业和制造业较为发达，占比相对较高。而珠三角地区的高新技术产业比率一直较高，可能与珠三角地区IT产业、信息技术等前沿科技行业的高速发展有关。

三、理论机制分析和研究假设

(一)经济部门杠杆率与产业结构优化的内在关系分析

从本文关注的产业结构的定义来看，高新技术产业存在资金使用效率高、环境友好等优势，因此一个地区的产业结构优化通常指经济产出中高新技术产业占比的持续增加。而非高新技术产业往往具有资金密集和人力密集的特点，因此总体债务水平较高。这一差异会直接体现在不同经济部门的资金偏好上，一般而言，企业部门杠杆率越低的地区，企业直接融资比重越高，高新技术产业就会更加发达，产业结构水平也更高。但考虑到其他诸如GDP水平、科技水平、社会投资水平等因素，这一结论存在不准确性和特异性。本文的研究重点之一就是对这一效应进行实证检验，因此提出假设1：

H1:银行业金融部门、非银行业金融部门及居民部门的杠杆率变化会对产业结构优化产生显著影响。

另外，银行业金融部门、非银行业金融部门和居民部门杠杆率虽然没有与产业结构存在直接经济意义上的关联，但仍有可能与其他经济变量共同作用于产业结构的调整。银行业金融部门的杠杆率水平主要取决于吸纳的社会存款，在银行放大货币效应的基础下，更高的杠杆率往往意味着更高的社会债务水平，但同时也会受货币政策和利率水平的影响；非银行业金融部门的资金投资范围更加广泛，相对于银行业金融部门风险偏好更高，尤其偏好高新技术产业，因此，该部门杠杆率对于产业结构调整应当有更显著的指向作用；居民部门的杠杆主要源于贷款购房，虽然其与产业结构没有直接关系，但会对银行贷款资金投向产生挤压，减少社会直接融资的潜在来源，进而间接影响产业结构。因此，本文对各经济部门杠杆率与产业结构之间的关系将进行多层次实证分析，提出假设2：

H2: 银行业金融部门、非银行业金融部门及居民部门的杠杆率与其他部门国民经济指标存在交互效应，共同影响产业结构的优化调整。

(二)经济部门杠杆率变化对产业结构影响的路径分析

根据前文分析，各经济部门杠杆率变化对产业结构存在直接或间接的影响。杠杆率的高低对应潜在社会融资水平，而社会融资水平影响产业结构的路径包括融资结构和融资用途两个方面。融资结构体现为资金是投向实体经济还是非实体经济，当资金更多地投向新兴产业时才能有效优化经济体的产业结构；融资用途主要分为生产资料投资和研发投入，当经济体资金更多地投入科技研发时，将促进技术密集型产业的发展，从而产业结构得以优化。但社会资本如何通过新兴产业投资和技术投资影响产业结构的调整仍存在不确定性。从科技行业的发展模式来看，资本投资初期效果往往不明显，但长期的积累通常可以形成有效的产业规模效应和行业壁垒，从而获得更高的资本回报率，因此，社会资本影响产业结构的调整有可能存在同样的效应，进而会反映在经济部门杠杆率对产业结构的影响上。提出假设3：

H3:社会投资水平对经济部门杠杆率的产业结构影响具有门槛效应。

四、不同经济部门杠杆率变化对产业结构影响的实证分析

(一)变量选择

本文聚焦于研究不同经济部门杠杆率变化对产业结构优化的影响。这里使用高新技术产业产值占比作为被解释变量，银行业金融部门、非银行业金融部门和居民部门的杠杆率作为核心解释变量，同时选取一系列控制变量，构建符合经济实际的模型。

1.被解释变量

由于产业结构优化主要指高新技术产业的发展，本文用各省市高新技术产业产值占地区生产总值(GDP)的比率作为产业结构的衡量指标，记为industryrate。

2.解释变量

银行业金融部门杠杆率，记为finlev。有学者将资产负债率等作为衡量金融机构杠杆率指标，(9)潘敏、袁歌骋:《金融去杠杆对经济增长和经济波动的影响》,《财贸经济》2018年第6期。也有学者用M2占GDP的比率来衡量金融机构的杠杆率，(10)陈雨露:《大金融框架下的金融发展》,《中国金融》2014年第19期。本文使用各省市“银行业金融机构存款余额/银行业金融机构贷款余额”作为衡量指标。非银行业金融部门杠杆率记为infinlev，用非金融企业的资产负债率作为衡量非银行业金融部门的杠杆率指标。(11)乔小乐、宋林、安磊:《去杠杆有助于提高企业资金使用效率吗——来自中国制造业上市企业的经验证据》,《山西财经大学学报》2018年第3期。居民部门杠杆率，记为civilev，使用各省市的“住宅用房销售总额/城镇居民收入总额”作为居民部门杠杆率的变量。(12)潘敏、刘知琪:《居民家庭“加杠杆”能促进消费吗?——来自中国家庭微观调查的经验证据》,《金融研究》2018年第4期。

3.其他控制变量

为保证模型的完整性和科学性，本文在研究过程中加入GDP初始值(上一期GDP)、规模工业企业研发投入、经济开放度、投资比率、城镇人口数作为控制变量，对于绝对值过大的变量取自然对数处理。各变量名及计算方法见表1。

表1 回归变量

(二)数据与模型设定

1.数据来源与处理

由于考虑到数据完备性和可得性，本文选取的数据时间跨度为2008—2020年，其中社会融资总额数据来自中国人民银行官网，其他数据来自国家统计局，个别省份缺失的部分变量通过该省的经济数据公报查询得到，表2是各个变量的描述性统计。

表2 变量的描述性统计

这里以2008年作为基期，对各年份数据进行了平减处理。同时，为了保证各变量在数量级上的一致性，对GDP、研发投入和人口规模进行对数处理。个别缺失数据采用线性插值法进行补全。对各个变量进行多重共线性检验，通过检验方差膨胀因子的大小，发现VIF统计量整体表现较好，只有lngdp、lnres和civinum的VIF值较大，其余变量的VIF值都小于10，显示各省份的GDP、研发投入和城镇人口数存在多重共线性，尤其是GDP和研发投入的多重共线性较强，这里通过逐步回归法解决多重共线问题。对通过ADF检验的变量是否存在单位根进行平稳性检验，检验结果显示面板数据中的industryrate、finlev、civilev等多个变量存在单位根，因此对非平稳的变量做一阶差分处理，再进行平稳性检验，结果显示经过一阶差分处理后的数据不再存在单位根。

2.模型设定

(1)交互效应模型。由于固定效应模型适合研究数据内部之间的差别，本文选用固定效应模型研究目标解释变量与其他变量的交互效应关系。根据面板数据进行混合回归，建立交互效应模型：(13)刘晓光、刘元春:《杠杆率重估与债务风险再探讨》,《金融研究》2018年第8期。

(2)门槛模型。本文使用门槛模型检验有效宏观经济门槛变量在不同水平条件下对产业结构调整的影响。根据需要研究的目标问题，分析影响经济部门杠杆率和产业结构的宏观指标和其他社会指标，选择投资比率(社会融资总额/GDP)作为门槛变量，验证杠杆率的变化对产业结构变化的实际影响，构造如下门槛模型：(14)Hansen B, “Threshold Effects in Non-Dynamic Panels：Estimation，Testing，and Inference”, Journal of Econometrics, 1999, 93(2), pp.345-368.

(三)实证结果

在前文模型设计中交互效应表示的是将两个变量的乘积单独放到模型中进行检验。即XiXj表示两个变量的交互效应，系数是交互效应的大小。根据变量间的相关性分析，银行业金融机构杠杆率与GDP水平、研发投入、开放水平、投资比率和城镇居民人口数量的交互效应衡量变量表示为fg、fr、fo、fi、fc。同理，非银行业金融部门杠杆率与对应指标的交互效应衡量变量表示为ig、ir、io、ii、ic，居民部门与GDP水平、投资比率和人口数量的交互效应衡量变量表示为cg、ci、cc。加入上述交互效应衡量变量后分别对三大经济圈7个省市的面板数据进行回归，回归结果见表3～5。

1.银行业金融部门杠杆率与宏观经济指标对产业结构优化影响的交互效应

表3的模型(1)只有解释变量和被解释变量加入模型，模型(2)加入了控制变量，模型(3)～(6)加入了金融部门与相关控制变量的交互效应代理变量。表3回归结果显示，银行业金融部门的杠杆率对产业结构影响的效应不显著，意味着银行业金融部门的杠杆率提升或者下降并不会对产业结构的调整产生直接影响。由于银行业金融部门吸纳存款是面对全社会的，包括企业资金和居民存款，因此银行业负债的增加对产业结构影响不显著。从交互效应来看，银行业金融部门杠杆率、研发投入水平、人口数量及投资比率的交互效应都无法影响到产业结构的调整，但经济体开放水平对产业结构比率的交互效应十分显著，可能原因在于高新技术产业的发展在引入外资、学习国外技术方面存在一定关联。因此，分析结果可以认为银行业金融部门杠杆率下降不会直接引起产业结构优化，但如果社会的对外开放水平提高，银行业金融部门杠杆率上升有助于社会产业结构的优化。

表3 银行业金融部门杠杆率对产业结构影响的交互效应回归结果

续表3

2.非银行业金融部门杠杆率与宏观经济指标对产业结构优化的交互影响

表4是不同控制变量参与回归的结果，模型(3)和模型(4)加入了非银行业金融部门与相关控制变量的交互效应代理变量。从结果来看，非银行业金融部门杠杆率在1%统计水平上显著，且系数都为负值，意味着如果非银行业金融部门杠杆率下降，能直接提升高新技术产业的比率，有利于经济高科技含量高、经济效益好的产业转化。从交互效应的代理变量来看，非银行业金融部门杠杆率、研发投入水平、人口数量的交互效应都无法影响到产业结构的调整，但投资比率对产业结构提升的交互效应十分显著。本节实证检验表明，提升非银行业金融部门的杠杆率水平能有效优化产业结构，促进经济从第二产业向第三产业转化，同时引导企业加大科技研发方向的资金投入进而有效促进产业结构升级。

表4 非银行业金融部门杠杆率对产业结构调整的交互效应回归结果

续表4

3.居民部门杠杆率与宏观经济指标对产业结构优化的交互影响

表5是居民部门杠杆率对产业结构调整的回归结果，模型(1)～(5)加入了居民部门与相关控制变量的交互效应代理变量。居民部门杠杆率的变化对产业结构的调整没有直接关系，但居民部门杠杆率与社会投资水平的交互效应对产业结构的调整在10%的统计水平上显著，且为正值。由此说明，经济体在一定GDP发展水平下，如果社会投资水平越高，则该经济体产业结构处于较高水平，高新技术产业比率会越高。

表5 居民部门杠杆率对产业结构调整的交互效应回归结果

4.门槛效应分析及稳健性检验

因为各部门杠杆率的变化对于产业结构优化的影响可能并不一定是线性的，中间变量和控制变量会影响到杠杆率对产业结构优化的速率。通过对各宏观经济指标的门槛效应检验，发现投资比率(invesrate)对非银行业金融部门杠杆率与产业结构优化的速率具有门槛效应，且经检验其门槛类型为单一门槛，具体检验方法和结果如下：

通过使用Hansen提出的格点搜索法确定其门槛值，并使用自抽样法对门槛值进行显著性检验。(15)Hansen B, “Threshold Effects in Non-Dynamic Panels：Estimation，Testing，and Inference”, Journal of Econometrics, 1999, 93(2),pp.345-368.本文将模型中的所有修正比例定为0.05，格点值定为400，自抽样的次数定为300次，最终得到投资比率作为门槛变量对非银行业金融部门杠杆率与产业结构化比率的影响门槛值为0.1624，置信区间[0.1579,0.2134]。当投资比率小于0.1624时，对企业部门杠杆率对产业结构优化的影响不具有额外推动效果；当投资比率大于0.1624时，则额外效果显著，即随着投资规模的逐步增加，非银行业金融部门降杠杆在优化产业结构方面的效果更加明显，因此，对于投资比率较高的省市，非银行业金融部门降杠杆可以得到更好效果。

对前文回归数值和显著性进行稳健性检验。表5的m1和m2模型显示，未加入宏观经济变量与加入宏观经济变量后，非银行业金融部门对产业结构优化的影响都具有显著效应，说明该结果是稳健可靠的。

(四)内生性检验

本文采用两阶段最小二乘法对非银行业金融部门杠杆率是否有内生性问题进行Hausman检验。经检验，当以非银行业金融部门杠杆率作为内生变量进行Hausman检验时，在1%的置信水平下无法拒绝原假设，说明非银行业金融部门杠杆率存在内生性问题。从经济逻辑上说，非银行业金融部门杠杆率与产业结构可能存在双向因果关系，即非银行业金融部门杠杆率的下降可以促进产业结构优化，同时，产业结构的优化会通过淘汰落后产能带来非银行业金融部门整体杠杆率下降。为了解决内生性问题，本文采用工具变量法。从前文的检验结果来看，在加入控制变量的回归分析中，除了GDP之外各控制变量与产业结构都没有直接的相关关系，货币供应量(M2)与非银行业金融部门杠杆率相关性较高，因此，这里将通过两阶段最小二乘法检验这两个变量的外生性。结果显示Shea’s Partial R2为0.196，F值为8.464，在1%的置信水平上显著，说明将M2作为工具变量是合理的，且不存在过度识别问题。用两阶段最小二乘法对解释变量和工具变量进行回归，(16)限于篇幅，本文未报告工具变量模型回归结果，如有需要可向作者索取。当使用可靠工具变量货币供应量(M2)进行回归时，两阶段最小二乘法的结果与固定效应模型结果相似，即非银行业金融部门杠杆率的变化对产业结构的变化具有显著影响，表明当非银行业金融部门即企业部门杠杆率下降时，能有效优化样本中各省产业结构。且GDP对数的一阶滞后项对产业结构的变化也分别在1%的置信水平上显著，说明GDP越高的地区，产业结构水平也越高。

五、研究结论与政策建议

本文的研究发现，不同经济部门杠杆率对产业结构优化具有不同效果。其中，银行业金融部门杠杆率和居民部门杠杆率对产业结构优化没有直接影响，但非银行业金融部门的杠杆率变化对产业结构优化具有显著的直接影响。当非银行业金融部门杠杆率下降时，能够有效优化产业结构，增加高新技术产业增加值在总体经济增加值中的比例。通过交互效应模型的研究发现，虽然三个部门杠杆率对产业结构优化的影响不同，银行业金融部门与居民部门的杠杆率对产业结构优化没有直接影响，但这两个经济部门的杠杆率与其他变量的交互效应会对产业结构产生影响。经济学意义上，即银行信贷扩张伴随着更多资本参与投资行为以及整体投资比率的上升，能对产业结构产生优化效果；对非银行业金融部门而言，即非信贷机构的杠杆率会直接对产业结构变化产生显著影响，即投资的增加往往伴随着产业结构调整优化，高新技术产业比率会增加，而资金密集型的工业和制造业通常是杠杆率较高的行业，结构性降杠杆直接会对该类企业的经营和生存造成影响，同时会促使资金向科技含量高的科技型企业和服务业转移，从而优化产业结构。同时GDP水平和投资比率对非银行业金融部门杠杆率存在着显著的正向交互效应，说明经济发展程度和投资水平能促进产业结构优化；就居民部门杠杆率而言，由于居民部门负债以房贷为主，杠杆率的变化无法直接影响到产业结构，即居民支出比例的调整对产业结构没有直接影响，但其与社会投资水平的交互项对产业结构有影响。

从三个经济部门杠杆率变化对产业结构优化的效果实证研究来看，在直接效应上，应该更加注重非银行业金融部门的杠杆率变化。只有非银行业金融部门的杠杆率调整对于产业结构优化具有明显影响。以社会投资水平作为门槛变量的研究发现，研发投入存在单一门槛点，在低于门槛值时，社会投资水平对于结构化去杠杆的产业结构优化效应没有显著影响，但高于门槛值，社会投资水平能有效地促进结构化去杠杆的产业结构优化效应。说明社会投资水平对于经济的正向意义不是简单的线性关系，而是非线性的，社会投资具有规模特征，即更多的社会投资具有更加高效的经济和社会效果。

根据上述实证研究结果，笔者提三条对策建议：一是落实企业部门降杠杆政策，淘汰落后产能。企业部门负债过高一方面会加重企业负担，影响企业的长期经营发展，另一方面会导致部分企业效益降低，成为“僵尸企业”。降杠杆政策就是要控制部分企业杠杆率，防止高负债压垮企业，避免过多资金尤其是信贷资金成为企业的“毒药”，并坚决对落后产能和经营效益特别差的企业去杠杆，让市场淘汰部分没有竞争力的企业，而不是用银行资金“苟延残喘”。二是在结构化降杠杆的同时，鼓励非银行业金融机构的权益投资，提高非银行业金融机构的投资比率。三是鼓励社会资本投资，尤其是权益投资和早期风险投资能够有效促进产业结构优化调整。我国要实现产业结构的优化调整，一方面可采取行政手段对金融机构和落后产能企业进行限制，另一方面可用政策性手段鼓励和支持社会资本持续进行产业投资，以优化产业结构、提升产业水平。