央行货币政策对实体经济创新传导效应的评估——基于企业债务融资的视角

万阿俊 李连发

(1.中国人民银行上海总部，上海 200120；2.北京大学 经济学院，北京 100871)

十九大报告提出了改革金融部门以支持经济高质量发展的新目标。这既是一项新的政策要求，也与经济转轨国情下保持多目标的长期货币政策方向一脉相承。“生产率不是一切，但从长远来看，它几乎是一切”[1]。就当前的政策目标要求，需要回答的是，中国货币政策和创新增长的关系如何，内在机制和动力如何——这是理解高质量发展下货币政策走向的基石。

一、问题、文献和意义

文献上看，评估货币政策和高质量发展的范畴一般基于总量视角——注重于探讨高质量发展等因素对供给或潜在产出的影响，进而影响平衡社会总供给和总需求的货币政策操作[2][3]。总量之外，另一类文献探讨了货币政策的部分中间指标如债务融资等对生产率的影响。这一类文献提及了货币政策的信用传导机制，认为货币政策通过企业外部融资约束影响高质量发展行为[4][5]。总体而言，这类研究使用宏观数据，并因理论上的模棱两可与内生性，以及国别效应不同等导致未得到一致的结论。

相比传统研究，与本文接近的是第二类文献，本文的主要工作在于：第一，从企业债务融资视角出发，建立一个货币政策与实体经济创新的理论模型。第二，基于中国企业大数据，探索评估货币政策对微观企业的创新动能，且将研究视野进一步扩展至长期负债、短期贷款以及利率价格等指标，在更微观的视角评估货币政策的创新效应。第三，鉴于大数据也会带来挑战，此时带有识别变化的传统固定效应方法的有效性大打折扣[6]。为了克服这一难题，本文使用机器学习等新方法建立基于数据驱动的模型。

本文发现：(1)理论来看，货币对创新的效应并非明确为正或负，关键是取决于微观企业主体，取决于企业在创新和非创新两类生产的替代关系——体现为社会总体的创新精神这一指标上。(2)实证来看，2007-2016年期间，中国信贷等货币政策指标与生产率的关系为负或不存在。这与理论模型揭示的路径是契合的，反映了当前企业创新意愿存在的问题。(3)进一步，本文发现货币政策指标与微观企业“非主营投资收入”的关系紧密，即大量资金用于偏离主业的非创新投资领域。这一解释尽管具有一定的同义反复性，但也带来了有关货币政策效应更深层次的结构解析意义，这反映了货币政策本身不是关键，企业在货币政策下的决策行为偏差才是关键。(4)另外从方法论来看，机器学习方法的计量结果总体稳健，在大数据背景下具有比肩甚至超越面板方法的潜力。

本文研究的政策意义在于：(1)在货币金融与实体经济的关系上，首要的是实业导致了货币无效、非货币导致实业无效。(2)货币政策促进经济结构调整的作用亦应重新评估，货币政策的结构调整作用不应脱离微观基础。(3)货币政策促进高质量发展的着眼点应是为企业家精神的发挥创造良性环境。

二、货币政策与实体经济创新的理论分析——基于企业债务融资视角

本模型讨论的不是货币政策如何改变金融市场特质、进而有助于某些所谓“独角兽”等企业创新融资问题，而是希望研究在间接融资为主体的融资结构下，央行流动性能否转换为可获得信贷企业的实际创新投入。我们认为，这是央行货币政策这一总量政策所应考虑的重要问题，也是建模的出发点。

模型构建思路如下：定义创新产品和普通产品在生产函数方面存在的区别；考察企业的创新动机，也就是给出影响企业做出产品创新决策的关键因素；基于企业债务融资与上述关键因素的相关情况，考察企业债务融资对其创新的影响。

创新是创新投入与生产率“双向促进”的一种生产状态，创新投入提升生产率，生产率提升反过来促使企业增加创新投入。创新投入和生产率之间存在相互促进的生产过程，其所形成的是创新产品，而投入增加没有带来生产率增加的生产过程所形成的是普通产品。没有形成生产率增加的投入实际是与生产率和创新无关的投入(以下将这类投入称为普通投入)。上述定义的合理性在于：在索罗模型的生产函数中加入创新投入，所描述的依然是一种投入中心或投入驱动的经济；而简单地将生产率理解为一种随机现象的模型处理方法——并将生产率理解为是不需要投入的，还值得商榷。

关于创新动机，企业在生产创新产品和普通产品之间选择：生产创新产品采用的是带有创新投入的生产函数，创新产品的产出增长由生产率增长和投入增长两部分组成；生产普通产品采用的是有投入但生产率不变的生产函数，产出增长仅由普通投入增长组成。

(一)定义创新产品和普通产品的生产函数

以(1)式中生产函数g(k(t),d(t))代表生产的产品是创新产品。用k(t)表示t期创新投入，k(t)既处于生产率的位置，又处于投入的位置；d(t)代表创新投入之外的、不带来生产率提升的普通投入。

g(k(t),d(t))=αk(t)f(k(t),d(t)),α>0,fk>0,fd>0,fkd=fdk,fkk<0,fdd<0,fkdf>fkfd

(1)

以(1)式中f(k(t),d(t))代表生产的产品是普通产品。生产普通产品时，k(t),d(t)均是不改变生产率的普通投入。

假设创新产品和普通产品一旦被生产出来就是同质产品。创新产品的特征体现在其采用的生产函数为g(k,d)，普通产品的特征体现在其采用的生产函数为f(k,d)。(1)式的生产函数将创新产品的产出增长分为两部分：一部分是生产率带来的产出增长，另一部分是投入带来的产出增长。即：

(2)

其中，上标·代表变量对时间t的导数，省略时间符号t。在创新产品的生产中，生产率对产出的贡献弹性是1；生产率之外的f(k,d)对产出的贡献弹性也是1。在普通产品的生产中，普通产品的产出增长完全是由投入所致。

在创新产品的生产中，g(k,d)中的k和d不同在于，k既是创新投入(竞争性投入)又是生产率(非竞争性投入)。将创新投入与生产率用一个变量来代表的可能性被新古典生产理论排除了。在本文中，k既不完全是竞争性投入，也不完全是非竞争性投入。在创新产品的生产中，k的边际产出不等同于普通投入的边际产出；构建g(k,d)的必要性在于强调k和d的区别，避免将两者的差异理解为两种不同的非竞争性投入之间的差异。

g(k,d)中的k是投入与生产率相互促进的创新投入，f(k,d)中的k是普通投入。两个生产函数都用k表示，是基于二者市场价格相同的假设。设定的理由是：k是具有提升生产率潜力的投入，在g(k,d)中k提升生产率的潜力实现了，而在f(k,d)中k提升生产率的潜力未实现；由于潜力能否实现在市场定价时不为市场各方所了解，所以两种投入的市场价格相同。

(二)考察企业的创新动机，给出影响企业生产创新产品决策的关键因素

(三)考察货币政策对企业创新的影响——基于债务融资的视角

毋庸置疑，货币政策对企业债务融资具有巨大的解释力，一系列文献均体现了货币供给影响企业信贷的可得性，从理论和实证上证明了货币政策与贷款等债务融资存在直接联系[7][8][9][10]。因此，鉴于中国以间接融资为主的融资结构，以债务融资等指标来讨论货币研发关系具有一定合理性。所以，我们把债务融资作为货币政策关键指标纳入理论模型。此时，考虑以下几种情况：

1.基准状态，企业债务融资不改变-pd/pk

企业的生产成本可记为kpk+dpd,其中d的价格为pd，k价格为pk。由于一单位资金对发放贷款者(银行)的边际利益低于企业，后者通过支付贷款利率i为前者提供贷款的动机。假定成本的δ∈(0,1]部分通过债务融资支付——而这部分很大程度受货币政策影响，同时，我们假定银行不对k和d区别对待；其余部分成本则通过自有资金或其他渠道支付，为简化处理，不考虑债务融资以外的融资成本。可得企业总成本是(kpk+dpd)(1-δ+δ(1+i))。此时，企业债务融资并未改变成本预算约束线斜率即-pd/pk。

2.企业成本预算约束线斜率因债务融资而改变

3.企业创新决策涉及的不确定性

以上的简单模型为洞悉货币政策如何作用于企业创新提供了一个视角：

第二，关于这一创新关键指标，其为两类生产函数公切线的斜率。从宏观视角来看，有关某一社会两类生产函数曲线的具体位置，很难精确地界定和刻画，所以这一指标更多意义上是提供一个思想实验——很大程度上，它反映了一个企业或者社会关于创新和非创新产品的评价和替代关系，归根结底体现出一个社会的企业家精神或者总体的创新氛围。这可能是理论模型值得关注的地方。

三、货币政策与实体经济创新发展——实证模型与分析

以下首先讨论分析的背景框架。在使用机器学习方法之前，先展示传统方法的结果。

(一)数据背景与制度框架

1.数据来源

数据来自欧洲金融信息服务商亚太企业分析库。该数据库是全球最具权威性的亚太地区企业贸易投资信息库，包含约2428万家中国企业。数据库中涵盖了资产负债表、损益表等财务以及行业发展数据信息。基于数据可得性，本文聚焦于2007-2016年持续经营且至少拥有一年研发费用数据的样本，得到包含7750家企业的子样本，涉及77500条微观数据。

2.部分关键指标的确立

本文以企业研发的指标来度量创新。提升创新能力，微观上需要在研发领域持续跟入。因此，我们选择以数据库中的“研发费用”指标作为创新发展的替代指标。原因在于：其一，可得且可比较。其二，从内涵来看，研发费用包括企业在产品、技术等研发过程中产生的各种费用，相比于纯粹的研发投资指标波动要小，在经济周期中更为稳定。其三，从会计规则来看，其在创新度量上比研发投资更具有相关性和有效性。此外，研发费用与TFP相关系数为0.81，研发费用、研发费用占全社会固定资产投资的比率对TFP增长具有显著的正相关关系(限于篇幅，在此不呈现具体结果)。

度量中国的货币政策，一个统一的“政策利率”或数量指标并不能反映企业的真实状况。如前所述，本文从债务融资视角探讨货币政策对创新的传导效应。我们从数据库中选择了“短期贷款”“长期负债”两项指标表征数量型调控框架的传导影响，以“利息费用”指标表征价格杠杆的传导作用。我们选择反映市场利率而非政策利率的指标，希望更为精确地刻画微观特征。另外，从理论和经验上看，政策利率向贷款市场利率传导效率也非常高，具体应用中以“利息费用/(短期贷款+长期负债)”来衡量利率价格情况。相比传统方法，这些指标更能反应中国企业所能感受到的货币政策情况。这在大数据背景下，有助于揭示货币政策的结构含义。当然，宏观货币政策传导至微观企业行为时往往涉及融资约束问题[4]。但是，融资约束本身难以测度。另外，本研究样本均为中国大型企业，融资约束相对较弱，特别在近十年总体货币扩张的背景下。此外，以短期贷款、长期负债来衡量货币政策同时也含有融资约束等结构性意义，因此没有专门引入变量来表示融资约束问题。

3.汇总统计

表2呈现了本文重点关注的数据。研发费用平均值占短期贷款以及长期负债的比重分别为4%和3%，与目前中国研发费用占GDP比重为2%的数据较为接近(参见中国科技部网站www.most.gov.cn/kjtj/)，表明微观企业的研发行为与宏观情况是有关联的。当然，本文更感兴趣的是研发费用和短期贷款、长期负债及利率价格的关系，接下来将以计量检验予以查证。

表1 数据描述

(二)标准的面板数据分析——传统方法的再回顾

1.模型设置

对于i公司t时间的研发投入，构建如下模型：

log(RDexpensesit)=α(L)log(RDexpensesit-1)+β(L)log(loanit)+e(L)lnterestprlceit+δ(L)log(longtermdebtit)+θ(L)log(Saleit)+θ(L)log(Loanit)*log(Saleit)+π(L)Interestpriceit*log(Saleit)+ρ(L)log(Longtermdebtit)*log(Saleit)+μj+γt+εit

(3)

其中，RDexpensesit为企业研发费用，Loanit、Longtermdebtit、Interestpriceit分别表示短期贷款、长期负债、利率价格指标，Sale为销售收入，L代表滞后期。需要注意的是，较之企业销售收入，短期贷款、利率价格等货币政策指标对企业研发的传导效应时滞较短、方式简单，且本文使用的是年度数据，在模型中考虑滞后1期。对于长期负债，则考虑滞后2期。对于本文的主要控制变量——变量Sale，则考虑2期甚至更多期的滞后性，具体滞后选择将参考方程显著程度及检验指标而定。μj、γt分别是企业固定效应和时间固定效应，εit为不可观察的干扰变量。另外，也希望考察以销售收入度量的经济周期状态与货币政策对研发的交互影响。可以发现，本方程是一个典型的动态面板数据模型。考虑到内生性问题，比如销售收入等企业特征变量可能与研发费用相互决定，为了提升结果稳健性，将同时呈现多类计量方法的估计结果。

2.估计结果

表2显示了估计结果。考虑到主要变量可能存在多重共线性，本文对短期借款、长期负债和利率价格、研发费用、销售收入作了相关性及VIF检验，均拒绝了存在多重共线性的可能(限于篇幅，此处不具体展现结果)。具体而言，在本文所关注的货币政策指标中，仅有长期负债指标滞后二期在统计上显著程度较高，但为负值。短期贷款、利率价格的影响效应仅在少数回归中显著——如短期贷款滞后1期在系统GMM估计4-5式中显著为负，利率则在估计5式中当期效应显著为正。使用固定效应回归发现：长期负债前二期的提升将导致企业研发费用支出在本期有2.3-2.7个百分点的下降，而其他期则不显著；短期贷款、利率价格的影响效应显著程度仍不高，且不稳定。另外，OLS估计发现：长期负债指标的显著性则发生较大改变，其当期效应显著为正，滞后二期仍然为负值；短期贷款指标与利率价格指标则不显著。总之，传统计量方法结果略为敏感，但无疑都指向一个结论——货币政策对于企业研发并没有发挥正向作用。

模型中的主要控制变量——销售收入的表现非常稳健。这表明，企业研发与企业业绩规模紧密相关，其具有较强的经济顺周期性。这一结论与研发活动顺周期的实证研究是一致的[11]。最后，引入货币政策中间指标与销售收入指标变量进行交叉评判，并没有显著性结果。从经济意义上看，这表明中国货币政策和经济周期对于企业研发的作用可能是独立的，两者对于企业研发并没有增强或者削弱的效果。

表2 货币政策指标对企业研发的效应——传统计量方法

(三)机器学习方法

1.方法介绍

机器学习方法目前已经超越了早前神经网络等仅有预测能力而无内在结构关系呈现的“黑箱方法”，可以使计量经济学从一个更为广阔的空间来选择模型，不会面临不断试验、错误或者研究者对实证结果的不诚实行为[12]。在具体方法中，本文沿用了h2o.ai开源机器学习平台相关方法，使用了广义线性模型方法。模型形式为：

(4)

其中，左边为似然函数，右边为正则化惩罚项，以使消除噪声特征和关联特征。在缩减系数方法中，同时采用了LASSO和岭回归双重方法，以平衡模型复杂度和预测误差。其中，弹性网络参数α∈[0,1]控制惩罚分布情况，γ控制惩罚力度。在正则化惩罚项参数γ、α的设定上，采用了网格搜索方法。另外，在基础算法之上进行了扩展。引入了时间、公司变量等控制效应进入模型，使机器学习方法与上述面板方法衔接。另外，使用了k折交叉验证等方法。另外，根据经济理论及以往经验，研究货币政策可能涉及时序滞后关系等问题，也一并考虑。

2.主要结果

表3显示了结果。我们发现其结果对传统方法总体而言是印证的，同时部分结论更为稳健清晰。值得注意的是，这是在放松传统回归模型约束、施加正则性等要求下的结果。

当不控制企业效应时：

(1)货币政策数量指标——长期负债、短期贷款等债务融资均对企业研发费用有显著的负向效应。

(2)货币政策价格指标——利率价格变量对研发费用一期的影响效应并不显著；当控制时间效应后，其二期影响效应在10%置信区间下显著为负。

(3)从销售收入来看，其在1、2项估计中显示出显著的正向作用，与传统面板估计的结论一致。

关注控制企业效应时的结果，发现结论较为稳定：

(1)企业研发与货币政策相关变量——债务融资指标以及利率价格均无任何关系。这一指标与研发缺乏关联的结论，与阿塔纳索夫等研究是一致的[13]，但与马光荣等对中国的研究结果不一致[5]。本文认为，这一结论与近年来众多企业“资金空转”“脱实向虚”而不注重原创性科技研发的现状是高度契合的，具有合理性。在利率方面的效应上，机器学习得到的结论与传统计量方法是一致的，表明研发行为与融资成本可能关联不大。总之，研究发现，中国企业的研发并不是“货币现象”，其与货币政策不存在任何正向积极关系，而是有其自身逻辑。

(2)一如之前，具有规模以及经济周期等多重含义的企业“销售收入”指标继续对研发费用呈现正向关系。这进一步表明了创新投资活动具有顺周期性，反映了企业创新的主要动力来源于企业内部特别是市场需求的拉动。

(3)最后，货币政策中间指标与销售收入指标交互项不显著，一如传统计量。

总之，基于机器学习方法研究发现，近年来中国企业的研发投入更多取决于销售收入等内源性原因，而与货币政策等外部因素的关联为负向或者不存在——尤其当控制企业异质性特征时。这与理论模型所揭示的路径之一是契合的。

表3 货币政策指标对企业研发的效应——机器学习方法

(四)讨论：简单的进一步稳健性检验——基于专利量的考量

为了进一步加强结果稳健性，本文转向创新能力的一个更为直接的指标——企业专利数量。但欠缺的是，专利数量指标仅有2016年截面数据，无法有效控制企业个体效应。表4发现，长期负债、利率价格、短期贷款等指标基本符号与表3相似。当然，由于因变量的调整以及无法控制个体效应等原因，回归系数存在一定敏感性，但无疑仍进一步支持了前文主要结论，即货币政策相关变量对企业创新的正向作用不显著。

表4 简单的进一步稳健性检验——基于专利数量的度量

四、多余的资金去哪里了——关于货币政策对企业研发效应的解释

针对上一部分的结果，一个自然的问题是，信贷资金为什么进入不了企业的创新环节？

事实上，中国信贷融资占总体社会融资规模的比重近十年一直维持在87%-95%的高位，货币信贷确实是进入了企业！而从资金进入企业后的货币传导“后端”看，现有文献基本语焉不详。事实上，理论模型早已回答：如果企业主体不愿意创新，流动性增加仅仅导致与创新相关度低的普通品投资或其他费用增加。经验上看，这在近十年中国企业的身上体现得尤为显著——即货币政策扩张引致的多余资金未必进入研发等实体领域，而是资金空转，进入研发之外投机领域的行为占用了大量外源资金，并对企业研发资金形成替代和挤压效应。由此，回归到理论模型所揭示的情境，本文认为，信贷资金进入非主营非创新领域，导致了货币政策创新传导在中国的失灵。上述猜测将作为研究假设。

为此，本文如下设计：首先，构造了一个企业在货币政策影响下，偏离“以研发投入提升高质量发展”或者“主业投资”行为的响应变量。为此，构建了“非主营投资收入”变量，即以“收入-销售收入”来代表。其涵盖主营收入之外的其他收入，一般为资产交易和投资收入等。总体而言，这一指标具有一定合理性：企业主营收入而不是非主营收入占比大，说明其越专注主业并越可能形成创新。一些基于中国的研究也表明，偏离主业的多元化经营挤占了研发投入并导致创新效率损失[14]。此外，政策层面也对非主业投资进行了清理，要求央企回归主业加大创新力度[15]。其他保持不变，见表5报告的结果。

表5 货币政策对企业“非主营投资收入”影响效应

从表5可以发现：货币政策数量指标——短期贷款在所有回归中均显著为正，长期负债指标则在4-9式显著为正。表明总体而言，债务融资等数量指标对于微观企业“非主营投资收入”具有明显的正向推动作用，印证了理论模型推论的场景。

观察货币政策价格型指标——利率，发现其不太稳定，但在机器学习方法中比较稳定。总之，货币政策相关指标尤其是短期贷款对企业“非主营投资收入”具有显著正向影响效应。尽管某种意义上，这一解释具有一定的同义反复性，但也带来了有关中国货币政策信用传导机制的深层次结构解析意义。回归到理论模型，这表明流动性的增多导致研发之外的“普通品”甚至投机行为的增加，要诉诸于企业主体本身创新动力和意愿问题。因此，在“货币”与“实业”上，货币政策本身不是关键，企业的决策行为才是关键。

五、结论及政策意义

本文在货币政策何以支持中国新的发展目标这一叙事下，探讨宏观货币政策指标与企业生产率的关系以及潜在机制。本文研究的结论及政策意义如下：

第一，实业导致了货币无效，而非货币导致实业无效。货币政策能否有效转化为微观企业的研发动力并最终支持经济转型升级，更核心地取决于微观企业行为，取决于企业家职能和精神的发挥。

第二，传统货币政策结构调整的效果亦应重新评估。本研究表明，调整货币政策适应高质量发展目标不取决于货币总量及结构配置，而是取决于微观企业的行为，因此，货币政策的结构调整作用也不应脱离微观基础。

第三，与其探讨货币政策在总量或结构上促进创新转型、提升“高质量发展”的作用，不如研究货币政策在提升企业家精神、完善基础制度环境等方面的作用。从具体政策操作层面来看，首要的是，货币政策应秉持币值和价格稳定，着力实现有序竞争的稳定市场环境，使得企业家的决策信号不发生扭曲。可能只有这样，货币政策促进创新的效应才能最终有效进入创新过程之中。