企业的“脱实向虚”具有同群效应吗？①

王春峰， 姚守宇， 程飞阳*， 房振明

(1. 天津大学管理与经济学部， 天津 300072； 2. 天津大学金融工程研究中心， 天津 300072)

0 引 言

自2008年经济危机以来，我国面临结构性失衡和发达国家再工业化的巨大压力，实体经济的发展正经历艰难爬坡.在实体经济持续疲软、资产部门持续膨胀的背景下，我国经济呈现出了“脱实向虚”的发展趋势.经济“脱实向虚”引起了党和国家领导人以及监管机构的密切关注.早在2015年底中央经济工作会议上，习近平总书记就我国经济发展过程中出现的“脱实向虚”发表了“大量资金流向虚拟经济，使得资产泡沫膨胀，金融风险逐步显现，社会再生产中的生产、流通、分配、消费整体循环不畅”的重要讲话.2018年4月27日，中国人民银行、中国银行保险监督管理委员会以及中国证券监督管理委员会则联合发布了《关于加强非金融企业投资金融机构监管的指导意见》，明确指出“非金融企业应围绕自身主业发展需要，科学布局对金融机构投资，审慎稳健经营，强化资本约束，控制杠杆率，避免盲目扩张和脱实向虚”.此外，国资委在2019年工作会议上也强调“要严防央企‘脱实向虚’，严控金融业务新增投资，对主业经营绩效不佳、产融结合效果不明显、风险隐患较大的存量业务进行清理整顿”.因此，缓解经济“脱实向虚”、引导经济“脱虚向实”，着力提高金融对实体经济的支持力度，不但是防范系统性金融风险、维护金融稳定的重要途径[1]，也是下一阶段我国经济发展的重要目标.

非金融企业作为实体经济的代表和支柱，其金融化行为是经济“脱实向虚”的最重要方式，主要包含企业金融资产持有比例日益增长、金融资产投资占比不断提升以及金融渠道获利在企业利润中占比不断提升3个方面[2].就我国资本市场而言，近年来大量非金融企业不断脱离实体经济投资而涉足金融活动，众多微观企业呈现出了显著的金融化趋势[3].图1展示了2007年～2019年间我国非金融部门整体金融化程度与固定资产投资占比走势图，可以明显看出，区间内我国非金融部门金融投资占比呈现出大幅上升趋势，而固定资产投资占比则出现了明显下降，从2007年占比30%左右下降至2019年占比20%左右.上述趋势一定程度上佐证了金融化对实业投资的“挤出效应”[4].

图1 2007年～2019年我国非金融部门金融化程度与固定资产

然而，非金融企业的主营业务并非金融投资，如果越来越多的非金融企业热衷于参与金融投资活动、寻求金融渠道收益，而忽视主营业务的存续和创新，最终会导致大量的资金脱离实体经济而奔向虚拟经济.鉴于企业金融化对企业发展前景和实体经济发展的重要影响，对企业金融化的相关研究显得极为重要.已有研究主要集中于企业金融化的影响因素和经济后果两个方面.就其影响因素而言，彭俞超等[1]、闫海洲和陈百助[5]、杨筝等[6]、周弘等[7]及张成思[2]研究发现，企业税负、经济政策不确定性、管理者过度自信、企业多元化经营特征、融资约束、利率管制是影响企业持有金融资产的重要因素；就其经济后果而言，除了基于流动性开展的经典研究认为金融资产的较高流动性能够缓解企业财务困境之外，张成思和张步昙[4]、彭俞超等[1]、杜勇等[8]、刘贯春等[9]等众多研究均指出企业金融化会显著提升企业融资成本、抑制固定资产投资、加剧股价崩盘风险、提高审计定价，对上市公司以及实体经济发展具有显著负面影响作用.

就上述文献来看，已有研究均集中于从公司个体特征视角解释其金融化行为，尚未关注到不同公司之间的相互学习效应.不同于上述研究，本文首次从同群效应视角，探究不同企业间“脱实向虚”行为的学习效应，从中、微观角度挖掘了行业及地区内“企业脱实向虚同群效应”背后的影响机制.本研究的开展对于深刻理解我国实体企业大规模“脱实向虚”现状、阻断过度金融化带来的不利经济后果具有重要指导意义.

具体而言，不同于传统研究所依赖的企业自身独立决策的前提，叶蓓和袁建国[10]等研究指出，企业在决策制定和执行过程中会学习同行业、同地区或其他关联企业，即企业决策存在“同群效应”.现有研究表明，同群效应广泛存在于企业经营管理的方方面面，如资本结构[11]、企业现金持有[12]、IPO决策[13]以及企业信息披露[14]等.此外，Parsons等[15]、陆蓉等[16]、李志生等[17]以及Cao等[18]还发现上市公司在违规行为、过度负债以及社会责任履行等方面均存在同群效应.基于上述有关企业决策同群效应的相关文献，本文试图探究如下3个问题：非金融企业的金融化行为是否存在同群效应？若上述同群效应存在，产生的内在机制是什么？不同类别企业的金融化同群效应是否存在异质性？

采用2007年～2019年中国A股市场非金融行业、非房地产行业上市公司样本进行实证分析，本文发现：1)无论在行业层面，还是在地区层面，企业的金融化行为均存在显著的同群效应，上述结论在一系列稳健性检验和内生性处理后依然显著；2)就行业层面来看，上市公司所在行业竞争越激烈，越容易激发行业内企业金融化的同群效应，且该行业与金融行业之间较高的收益率差距会加剧上述行业竞争程度的影响；3)就地区层面来看，地区内的信息交流是上市公司金融化行为地区同群效应的潜在机制，较低的地区融资约束会加剧信息交流式学习对企业金融化同群效应的影响，而较高的地区金融监管程度则会缓解上述影响；4)不同公司特征和监督机制下，非金融企业金融化的行业及地区同群效应具有差异性.大市值、国有企业中企业金融化的同群效应更为明显，而较强的监督机制(如较强的董事会独立性、采用国际四大会计师事务所进行审计)则有助于抑制企业金融化的同群效应.

本研究的可能贡献如下：首先，在我国目前经济呈现出“脱实向虚”的背景环境下，不同于已有文献，本文从企业决策者行为的角度入手，首次基于“同群”视角，分析了行业和地区内上市公司间金融化行为的相互影响作用.拓展了企业金融化行为的相关研究，将企业金融化由企业内部的决策行为拓展到了企业间决策的同群效应，其对于理解我国经济“脱实向虚”的现状具有重要意义；其次，本研究的结论是对“同群效应”已有研究的有益补充，将同群效应拓展至企业金融化行为层面.不仅揭示了企业金融化同群效应的存在性，并且深入考察了其产生机制和影响因素，加深了对我国目前非金融上市公司集中开展金融投资业务的理解；最后，从实践角度看，探究非金融企业进行金融投资活动的同群效应及其驱动机制，可以为宏观政策的调整提供科学依据.更重要的是，为了让政策调整具有针对性，需要关注不同类别企业的金融化同群效应是否存在异质性.本文相关研究结论及异质性分析可为缓解实体经济“脱实向虚”、促使经济“脱虚向实”提供重要的政策参考.

1 理论分析与研究假设

1.1 企业金融化的同群效应

随着公司金融领域研究的不断深入，部分研究开始关注到其他公司行为所产生的影响，发现公司的财务决策不仅受其个体因素的影响，同时也会受到同地区或者同行业内其他公司决策行为的影响[19].具体到企业投资的相关研究来看，Khan和Tsoukalas[20]指出，投资的本质是以当前确定的资金投入换取未来不确定性的产出，因此投资是一项具有不确定性的决策，而信息则在上述财务决策中发挥着重要作用.在此情况下，同群效应的产生源于决策的不确定性以及决策者的有限理性，拥有有限信息的决策者会通过学习和模仿同群者的决策以应对决策的不确定性.更为重要的是，在投资决策过程中，为了避免公司业绩落后于同行业其他公司，众多经理人会参考其他企业的相关投资决策，在学习其他企业决策的基础上做出相似的投资决策.此外，方军雄[21]等进一步指出，在经理人相对绩效考核机制盛行的现状下，公司对行业内其他公司投资决策的参考会更为明显，在检验中国上市公司中投资决策同群效应的存在性及其经济后果之后，他发现上市公司投资决策存在显著的同群效应，并且这种同群效应会恶化行业绩效.Foucault和Fresard[22]也发现，企业会根据同行业企业的公司估值判断自身的投资机会，使得同行业企业的公司估值与自身投资水平之间呈现出显著的相关关系.

不同于上述基于行业层面对同行业企业间的相互模仿学习行为所进行的分析，李志生等[17]认为，同地区内企业面临的相同地区经济环境和商业条件(如经济发展水平与目标、金融监管程度、市场化竞争程度等)，同样可能引致企业模仿和学习同地区内其他企业的决策行为.而且，在外部经济不确定性较高的情况下，企业将同地区内其他企业作为参照系实施决策的可能性会进一步提升.因此，除了同行业企业，在地理位置上与上市公司邻近的企业也经常被选择作为参照企业进行模仿和学习，进而形成地区层面的同群效应.Dougal等[23]研究发现，由于面临相同的地区环境，美国上市公司的投资行为表现出显著的地区同群效应.此外，陆蓉和常维[16]、李志生等[17]等也分别探究了上市公司违规行为以及过度负债的地区同群效应，均佐证了同地区内不同上市公司财务决策行为之间存在相互影响.

综合上述分析，当企业自身私有信息存在噪音时，企业为实现决策的最优化和利润最大化，会选择更多地参照和模仿同行业和同地区内的其他上市公司.依据上述分析，作为企业投资决策的重要内容以及其利润的重要来源渠道，上市公司的金融投资活动可能会存在显著的同群效应.由此，提出第一个研究假设：

H1企业金融化行为存在显著的行业同群效应和地区同群效应.

1.2 企业金融化同群效应的产生机制

上市公司在进行决策时，既可以通过理性计算，也可以通过模仿其他公司已实施的行为作出决策.针对企业间决策行为的同群效应，Lieberman和Asaba[24]指出，模仿行为包含竞争性模仿和信息获取性模仿两种作用机制.具体而言，前者指组织为了应对竞争需要而模仿其竞争对手的行为，后者则指组织通过获取有价值的信息，进而模仿和学习，开展决策.本文将基于上述两种机制探讨企业金融化行为同群效应的产生机制.

首先，就行业同群效应来看，Gimeno等[25]研究发现企业为了维持行业内的竞争地位和减弱来自对手的压力，通常会特别注意同行竞争对手的行为以便做出及时反应.上述竞争性压力会激发企业的“抢占先机”和“攀比动因”，最终驱使行业内的众多企业做出类似的投资决策.此外，虽然也有部分研究从信息获取型模仿机制视角指出，同行业内的上市公司往往面临着相似的市场环境，具有很强的可比性，彼此之间的经验借鉴对企业决策的参考意义也会较高.但就其模仿和学习的本质而言，这种行业内部的“跟随”和借鉴往往来自于竞争压力，即通过学习同行而获取竞争优势，而非完全源于“理性效率”.并且，随着市场竞争的不断加剧，企业为了节约信息甄别的成本，会采取“跟随”行为降低误判的损失和风险.因此，企业获取或保持竞争优势的目的越强，其争取“抢占先机”优势的动机会越强烈，越有可能“攀比”先行者开展金融化投资.基于上述分析，本文认为行业内的竞争程度是企业金融化同群效应的潜在产生机制.据此，提出如下研究假设：

H2a企业所在行业的竞争程度是行业层面金融化同群效应的潜在机制.

在上述分析的基础上，进一步分析了“行业收益率差距”对竞争在企业金融化行业同群效应影响中的调节作用.张成思[2]指出，金融业与传统生产行业利润率的缺口是吸引企业从实业投资转向金融化的显著影响因素之一(1)在后文分析中，排除了金融行业较高收益率可能会导致虚假同群效应的可能性.在控制住了金融行业收益率因素后，企业间的金融化仍存在较强的学习行为..具体而言，我国资本市场中银行信贷歧视和资产价格泡沫的存在，使得实业投资与金融资产投资之间的收益率差距不断扩大，这种不断扩大的收益率差距导致我国上市公司金融资产持有占比不断提升[3].类似地，罗来军等[26]通过“利润迷失”来解释企业的虚拟经济投资现象，他们认为在股市热、房地产热和高利贷热的背景下，资本的逐利天性会促使企业将资本和获取的利润投资于虚拟经济，而非实体经济.并且，苏治等[27]发现在宏观经济下行的“新常态”背景和金融部门利润率高于实体经济利润率的现实面前，巨大的生存和发展压力会激发企业参与金融投资的强烈意愿.结合上述研究，如若企业所在行业与金融行业存在较大的利润差距，其利润差将促使部分企业率先投资金融性资产，进而催发更多的竞争性学习，产生更强的行业同群效应.综合上述分析，提出如下研究假设：

H2b企业所在行业与金融行业之间较高的收益率差距会加剧行业竞争程度对企业金融化同群效应的影响.

针对地区化同群效应，Kaustia和Rantala[19]指出，由于面临相同的地区宏观环境，地区内众多企业面临的宏观不确定性因素相似，此时社会参照因素可以部分替代理性计算因素，成为企业中高管决策的重要信息来源.同时，在地区网络效应的作用下，相关知识、技术等要素能够在网络中快速流动和扩散，进而加深了同地区内不同企业间高管决策过程中的相互交流与学习行为.因此，在投资决策中，公司决策者会将地区同群企业的相关投资决策作为本企业投资决策的信息来源，以降低不确定性因素的影响.更为重要的是，处于同一地区内的企业由于地理位置相近，高管有更多的机会建立社交网络及有价值的联系，因此会有更多的交流机会，从而形成信息交流式的学习与模仿行为[16].并且，陆蓉和常维[16]、李志生等[17]也均指出地区内不同企业间的信息交流是上市公司资产结构和信息披露等决策行为地区同群效应的产生机制.基于上述分析，本文认为地区内高管之间的信息交流是企业金融化的地区同群效应产生的重要原因(2)Dougal等[23]、陆蓉和常维[16]、李志生等[17]等现有研究均基于信息获取型模仿机制探讨上市公司投融资决策或信息披露行为地区同群效应的产生机制.此外，对于竞争性同群而言，相比同行业内上市公司之间的竞争，同地区内非同行业的企业之间竞争较小.如果存在部分竞争，其目标大多在于获取政府补助或税收优惠.然而，考虑到同地区内不同行业中企业主营业务等自身条件存在较大差异，其通过竞相投资于金融项目而占据地区盈利主导地位的可能性较小.下文中对地区内不同企业间政府补助差异性与企业金融化地区同群效应间关系的探讨佐证了本文的猜想，即竞争性模仿机制未在企业金融化地区同群效应的产生中起到有效作用..据此，提出如下研究假设：

H3a地区内高管的信息交流式学习为企业金融化行为的地区同群效应提供了基础.

此外，本文进一步分析了地区融资约束和地区金融监管在高管信息交流对企业金融化行为地区同群效应影响中的调节作用.彭俞超和黄志刚[3]指出，在信息不对称的情况下，企业从银行获取融资时将受到一定程度的融资约束.低风险企业往往更容易获得银行的青睐，从而受到较低的融资约束；而高风险企业则因其未来现金流收入的不确定性较高，相对而言较难获取信贷资源.在此背景下，难以从银行获取直接融资的高风险企业往往会通过金融市场和影子银行寻求其他融资渠道.在我国金融市场仍不发达的情况下，影子银行成为高风险企业获取资金的主要渠道，这也将不断推升影子银行的投资收益率(3)Du等[28]研究发现，在影子银行收益率不断提升的同时，受银行信贷歧视较低的企业基于盘活资金、提高资金利用效率的需求会将自身从银行获取的部分资金投资于影子信贷体系，最终成为高风险企业的资金提供方.彭俞超和黄志刚[3]在已有文献的基础上称之为“实体中介”，来代指那些将银行的贷款转贷给其他企业的非金融企业..基于上述文献，本文认为地区融资约束对企业金融化的地区同群效应的产生具有重要影响.整体而言，地区金融发展程度较高、金融机构数量较多、金融机构提供贷款额较高，则表明该地区内上市公司可获取的信贷资源越多，其融资约束程度越低.在融资约束程度较低的地区内，由于其资金较为充裕，一旦有部分企业开始实施金融投资或持有金融资产，地区内的其他企业可能也会开始模仿实施金融化行为，进而加剧信息获取性模仿在企业金融化地区同群效应中的作用.

进一步地，马思超和彭俞超[30]通过检验地区金融监管对非金融企业“脱实向虚”行为的影响，发现较强的金融监管对企业金融资产投资具有显著的抑制作用.此外，他们还指出，在较强的地区金融监管下，银行会缩减融资软约束企业的信贷从而减少非正规金融的资金供给，最终降低地区内的企业金融化水平.因此，本文认为，较强的地区监管可以在一定程度上抑制信息获取性模仿在企业金融化地区同群效应中的作用.综合上述分析，提出如下研究假设：

H3b1较低的地区融资约束会加剧信息交流式学习对企业金融化同群效应的影响.

H3b2较高的地区金融监管程度能够缓解信息交流式学习对企业金融化同群效应的影响.

2 研究设计

2.1 模型设定

为检验企业金融化是否存在同群效应，参照Dougal等[23]，本文估计如回归模型(1)所示.其中，被解释变量为Fin_Invi,aj,t，表示第t年度地区a、行业i中上市公司j的金融化水平；主要解释变量为刻画同群效应代理指标(简写为p)，包含Fin_Invi,-ap,t、Fin_Inv-i,ap,t和Fin_Invi,ap,-j,t，分别表示同行业不同地区企业的金融化平均水平、同地区不同行业企业的金融化平均水平以及同地区同行业其他企业的金融化平均水平.Controlsk, j,t表示一组有关上市公司特征的控制变量，包含上市公司规模Size、账面市值比BM、杠杆率Lev、资产收益率ROA、固定资产占比Tangible、总资产增长率Growth、上市年限Age、机构投资者持股比例IO、董事会独立性水平Board、上市公司是否处于亏损状态虚拟变量Loss.为了避免上市公司个体因素和年份异质性因素带来的影响，模型中还控制了公司个体固定效应和年份固定效应.此外，借鉴Petersen[31]的稳健估计方法，本文在公司层面对回归系数的标准误差进行了聚类调整

Fin_Invi,aj,t=β0+β1Fin_Invi,-ap,t+

β2Fin_Inv-i,ap,t+β3Fin_Invi,ap,-j,t+

∑kβk,tControlsk, j,t+εj,t

(1)

为了分析企业金融化同群效应的产生机制以及行业和地区因素的影响作用，分别从行业层面和地区层面构建了如回归模型(2)～模型(5)所示.

Fin_Invi,aj,t=β0+β1Fin_Invi,-ap,t+β2Competitioni,t+β3Fin_Invi,-ap,t×Competitioni,t+

∑kβk,tControlsk, j,t+εj,t

(2)

Fin_Invi,aj,t=β0+β1Fin_Invi,-ap,t+β2Competitioni,t+β3Fin_Invi,-ap,t×Competitioni,t+

β4Ret_Difi,t+β5Fin_Invi,-ap,t×Competitioni,t×Ret_Difi,t+

∑kβk,tControlsk, j,t+εj,t

(3)

Fin_Invi,aj,t=β0+β1Fin_Inv-i,ap,t+β2Informationa,t+β3Fin_Inv-i,ap,t×Informationa,t+

∑kβk,tControlsk, j,t+εj,t

(4)

Fin_Invi,aj,t=β0+β1Fin_Inv-i,ap,t+β2Informationa,t+β3Fin_Inv-i,ap,t×Informationa,t+

β4Finan_Constrainta,t(Monitora,t)+β5Fin_Inv-i,ap,t×Informationa,t×

Finan_Constrainta,t(Monitora,t)+∑kβk,tControlsk, j,t+εj,t

(5)

其中Competitioni,t表示第t年上市公司j所在行业i的竞争程度；Ret_Difi,t表示第t年上市公司j所在行业i的投资回报率与同年度金融行业投资回报率的差距；Informationa,t表示第t年上市公司i所在地区a内高管之间的信息交流便捷程度；Finan_Constrainta,t表示第t年上市公司j所在地区a的融资约束程度，Monitora,t表示第t年上市公司j所在地区a的金融监管水平.Controlsk, j,t表示一组控制变量，与模型(1)相同.类似地，模型(2)～模型(5)中也控制了公司个体固定效应和年份固定效应.

2.2 变量定义

2.2.1 企业金融化的度量

现有研究主要从资产和利润两个角度度量上市公司从事金融投资活动的程度.就基于资产科目的度量方式而言，Demir[32]采用上市公司披露的流动资产投资等科目衡量企业金融化行为.借鉴Demir[32]的衡量方式，众多学者基于中国上市公司的报表格式进一步细化了企业金融投资的度量方式：彭俞超等[1]采用交易性金融资产、买入返售金融资产、可供出售金融资产、发放贷款及垫款、持有至到期投资5个科目的年末余额之和在上市公司总资产中的占比衡量企业的金融化；杜勇等[8]进一步将投资性房地产净额纳入企业金融投资中；彭俞超和黄志刚[3]、马思超和彭俞超[30]则继续引入了衍生金融资产和长期股权投资，使得企业金融投资的度量范围更加全面.基于上述已有研究，本文采用资产负债表中交易性金融资产、衍生金融资产、买入返售金融资产、发放贷款及垫款、可供出售金融资产、持有至到期投资、投资性房地产和长期股权投资8个科目之和在上市公司总资产中的占比衡量企业金融化行为.

2.2.2 机制检验变量的度量

在检验企业金融化行为行业同群效应的作用机制时，主要采用如下两个变量：行业竞争程度以及上市公司所在行业与金融行业收益率的差距.参照先前研究，本文采用赫芬达尔-赫希曼指数HHI(即行业内各上市公司市场份额的平方和)描述行业内的竞争激烈程度.为便于后文中的实证分析的开展，采用1和HHI的差值(1-HHI)来衡量行业竞争程度，该数值越大，表示行业竞争程度越高.此外，Demir[32]指出，企业金融化的部分目的是追求利润最大化，当金融投资收益率显著高于实体经济投资收益率时，企业会以金融资产投资代替实体经济投资.并且，张成思和张步昙[4]也指出，追求金融投资的高回报率是我国企业金融化的主要动机.参照上述研究，本文选取“金融行业投资回报率与上市公司所在行业投资回报率之差”衡量上市公司所在行业收益率与金融行业收益率之间的差距.

在检验企业金融化地区同群效应的作用机制时，本文主要使用了上市公司所在地区管理层信息交流便捷程度、地区融资约束程度和地区监管程度3个变量.Chen等[33]指出，管理层中的高级管理人员在公司的日常经营决策中占据主导地位.作为联结地区内众多企业信息交流与协作的重要平台，商会这种组织实际上承担着地区内所认同的意识形态生产，构建了一种能够强化地缘关系的地区性关系型网络，其能够开展职业教育和培训、行业统计、收集信息等众多服务，在地区内不同企业高管间的交流与合作中发挥着重要作用.鉴于商会在地区企业交流中的重要作用，本文采用各省市商会数量作为地区内管理层信息交流便捷程度的代理指标.此外，参照“实体中介”理论，认为若地区内融资约束较弱，则地区内的企业更容易从银行获得资金.在此背景下，企业更有动机通过影子信贷体系将自有闲散资金或银行信贷资金投资于金融活动中获取收益.借鉴上述研究结论，本文采用地区内金融机构发展程度来衡量地区融资约束水平，选取地区金融机构资产总额作为地区融资约束变量的反向代理指标.最后，马思超和彭俞超[30]指出，严格的地区监管可以通过限制商业银行放贷和限制上市公司金融业务的开展两个渠道减少上市公司的金融化行为.参照马思超和彭俞超[30]，本文采用各地区银监会公务员招聘人数与当期全国公务员招聘人数之比作为地区金融监管水平的代理变量.

2.3 样本选择与数据来源

选取的初始样本包含2007年～2019年全部A股上市公司.样本起始期为2007年，自2007年1月1日起我国实施新的会计准则后，用于计算企业金融投资变量的指标才可得[1].为保证样本分布均衡，除制造业采用二级行业分类标准外，其余行业均采用证监会2012年一级行业分类标准进行划分；地区则以公司总部所在的省、自治区或直辖市来划分(4)限于篇幅，未报告样本分布情况，留存备索.此外，按照证监会2012年一级行业分类、二级行业分类以及制造业2001年二级行业标准、其余行业2012年一级行业分类标准对样本进行了划分，结果未发生实质性变化..参照张成思和张步昙[4]、彭俞超和黄志刚[3]和李志生等[17]，本文按照以下标准对样本进行了筛选：1)剔除金融类上市公司样本；2)由于持有投资性房地产不能算作金融投资，故也剔除了房地产行业的上市公司样本；3)剔除处于特殊状态(ST、*ST、暂停上市、退市)的上市公司样本；4)剔除某年度地区或行业内上市公司数量少于5家的相关样本；5)剔除数据有缺失的样本.此外，为排除变量极端值对实证结果的影响，对所有的连续型变量进行了1%和99%分位的缩尾处理.最终，本文使用的样本中包含24 677个公司-年度样本.

实证分析过程中使用的财务数据均来源于CSMAR数据库和Wind数据库.机制检验部分使用的地区商会数据来源于CNRDS数据库，地区金融机构总资产数据来源于Wind数据库，衡量地区监管采用的地区银监会公务员招聘人数来源于各年度公务员招聘公告.表1为主要变量的描述性统计结果.

表1 主要变量的描述性统计

由表1可知，上市公司金融投资占比Fin_Invi,aj,t的最小值和最大值分别为0.000和0.499，不同上市公司的金融化水平存在较大差异.不同行业竞争程度Competitioni,t、不同行业与金融行业收益率差距Ret_Difi,t、不同地区融资约束程度Finan_Constrainta,t以及不同地区金融监管水平Monitora,t也存在明显差异.此外，本文也分析了主要变量之间的相关性，结果显示同行业不同地区、同地区不同行业以及同地区同行业上市公司金融化水平的均值均与上市公司自身的金融化水平存在显著的正相关关系.为了更准确地探究企业金融化同群效应的存在性，将采用回归模型(1)做进一步分析.

3 实证结果与分析

3.1 金融化行为同群效应的存在性检验

上市公司金融化行为同群效应存在性的检验结果见表2.第(1)列～第(3)列分别列示了加入同行业不同地区、同地区不同行业以及同地区同行业上市公司金融化水平和上市公司特征变量后的回归结果；第(4)列列示了同时加入同行业不同地区、同地区不同行业上市公司金融化水平以及上市公司特征变量后的回归结果；第(5)列列示了同时包含3个同群效应指标以及公司特征变量后的回归结果.结果显示，Fin_Invi,-ap,t、Fin_Inv-i,ap,t和Fin_Invi,ap,-j,t的回归系数均在1%的水平上显著为正.

表2 金融化同群效应的存在性检验

由此可见，同行业不同地区、同地区不同行业以及同地区同行业上市公司的金融化水平均会对上市公司的金融化行为产生显著影响，即企业金融化行为无论是在行业层面还是在地区层面，均表现出明显的同群效应，上述结果验证了研究假设H1.

此外，从表2中可以看出，Fin_Invi,-ap,t的系数均大于Fin_Inv-i,ap,t的回归系数，表明行业层面的同群效应相比地区层面的同群效应更加强烈.3个同群效应指标中，Fin_Invi,ap,-j,t的回归系数最小，表明同地区同行业企业金融化带来的同群效应影响可能最弱，可能是同地区同行业中上市公司数量较少所引致(5)通过对样本进行统计，发现样本期内同地区同行业上市公司数量的均值仅为8家..

3.2 金融化行为同群效应的内在机制检验

前文分析表明，行业层面企业金融化同群效应的形成主要源于行业内部的竞争程度，而地区层面的企业金融化同群效应则主要源自于地区内上市公司高管之间的信息交流与学习行为.下文将从上述角度对企业金融化行业同群效应和地区同群效应的形成机制展开实证检验.

表3第(1)列展示了模型(2)中对行业层面企业金融化同群效应产生机制进行探究的回归结果. 回归结果表明， 主要观察变量Fin_Invi,-ap,t×

表3 行业层面企业金融化同群效应产生机制

Competitioni,t的回归系数均在1%的水平上显著为正，表明当上市公司所在行业的竞争越激烈时，行业层面的企业金融化同群效应更加明显.此外，变量Competitioni,t的回归系数也显著为正，表明当公司所在行业的竞争越激烈，其实施金融项目投资的动机越强.第(2)列报告了模型(3)中上市公司所在行业收益率与金融行业收益率差距对上述关系的调节结果，收益率差距指标Ret_Difi,t的系数与三重交乘变量Fin_Invi,-ap,t×Competitioni,t×

Ret_Difi,t的回归系数均显著为正.上述结果表明上市公司所在行业的收益率比金融行业收益率越低，行业竞争程度对企业金融化同群效应的作用越强.

进一步控制了行业资产规模对金融化行业同群效应的影响.具体而言，行业平均资产规模越大，其竞争程度可能更为激烈，因此上述行业竞争效应的影响可能来源于行业资产规模.为排除上述因素的影响，在模型(3)中进一步控制了行业平均资产规模Ind_Sizej,t及其与企业金融化行业同群指标交乘项Fin_Invi,-ap,t×Ind_Sizej,t的影响.表3第(3)列和第(4)列回归结果表明，在控制行业平均资产规模对企业金融化行为的影响后，Fin_Invi,-ap,t×Competitioni,t的系数仍显著为正.上述实证结果验证了本文的研究假设H2a和假设H2b，即：企业所在行业的竞争程度是行业层面金融化同群效应的潜在机制，且该行业与金融行业之间较高的收益率差距会加剧行业竞争程度对企业金融化同群效应的影响(6)探究了信息获取性模仿在企业金融化的行业同群效应中的作用.具体而言，分别按照公司规模、利润率和市场占有率(公司经营收入占行业营业收入的比例)对行业内的样本上市公司进行排序，将排名前30%的公司视为领导者，排名后30%的公司视为跟随者.在分析行业领导者(跟随者)的金融化行为对跟随者(领导者)的影响时，样本使用行业领导者(跟随者)的子样本，但计算同行企业金融化行为时，仅将除本公司之外的所有同行跟随者(领导者)公司作为同行公司.未列示的回归结果表明，行业内领导者对跟随者金融化行为的反应均不显著，而跟随者对领导者的反应仅在采用公司规模进行分组时在10%的水平上显著为正，其他两个变量不显著.上述结果从侧面验证了信息获取型学习行为在企业金融化行业同群效应的产生中不占主要地位..

在分析完企业金融化行业同群效应的影响机制后，继续分析企业金融化地区同群效应的产生机制.表4报告了高管信息交流在企业金融化地区同群效应产生过程中发挥的作用以及地区融资约束和地区监管水平对上述关系的影响.类似地，本部分还进一步控制了上市公司所在地区经济发展水平的影响.具体而言，地区内上市公司高管信息交流对同群效应的作用可能会随着地区经济发展水平的高低呈现出差异，即高管信息交流的作用可能来源于地区经济发展水平，而非其自身.因此，除已有控制变量外，还控制了地区人均GDP(GDP_Pera,t)及其与金融化地区同群效应指标交乘项Fin_Inv-i,ap,t×GDP_Pera,t的影响.

表4 地区层面企业金融化同群效应产生机制

表4第(1)列的回归结果表明，主要观察变量Fin_Inv-i,ap,t×Informationa,t的回归系数在5%的水平上显著为正，表明地区内高管之间的信息交流便捷程度越高，企业金融化的地区同群效应更强，验证了研究假设H3a，即地区内高管的信息交流式学习为企业金融化行为的地区同群效应提供了基础.此外，第(2)列报告了模型(5)中地区融资约束程度的调节作用.回归结果显示，三重交乘变量Fin_Inv-i,ap,t×Informationa,t×Finan_Constrainta,t的回归系数显著为正，表明地区金融机构资产总额越高(即地区融资约束程度越低)，高管信息交流便捷程度对企业金融化同群效应的加剧作用更明显.Finan_Constrainta,t的回归系数显著为正则表明当地区内企业的融资约束程度越低时，企业可获取的资金越多，越有可能产生闲置资金，从而促使企业将其投资于金融资产，这与彭俞超和黄志刚[3]的研究结论相符.同时，加入地区金融机构资产总额的影响后，主要变量Fin_Inv-i,ap,t×Informationa,t的系数绝对值和显著程度均有所提高，表明地区内信息交流式学习对金融化行为地区同群效应的影响有所增强.

表4第(3)列为模型(5)中地区金融监管程度调节作用的回归结果.地区金融监管程度指标Monitora,t的系数与三重交叉变量Fin_Inv-i,ap,t×

Informationa,t×Monitora,t的回归系数均至少在5%的水平上显著为负，且引入上述两个变量之后变量Fin_Inv-i,ap,t×Informationa,t的显著程度有所下降.该结果表明：一方面，上市公司所在行业的金融监管强度越高，上市公司投资于金融科目上的占比会降低；另一方面，随着地区监管严厉程度越高，高管间信息交流对企业金融化同群效应的影响会有所减弱.上述结果验证了研究假设H3b，即：较低的地区融资约束会加剧信息交流式学习对企业金融化同群效应的影响，而较高的地区金融监管程度则会缓解上述影响(7)探究了竞争性模仿机制对企业金融化地区同群效应的影响.具体而言，基于各地区内上市公司政府补助总额在该公司总资产中的占比，计算了各地区内不同上市公司之间政府补助占比的标准差，以此衡量地区内企业的竞争程度.该标准差越大，表明地区内不同企业获取的政府补助差距越大，企业间的竞争动机也会更强.基于各地区内不同公司之间政府补助占比的标准差，采用类似于模型(4)的回归方程探究了地区内企业间的竞争程度对企业金融化同群效应的影响.未列示的回归结果表明地区内企业间的竞争程度未对企业金融化的地区同群效应产生显著影响..

3.3 金融化行为同群效应的异质性分析

为了更加深入地理解企业金融化的同群效应，本文进一步对其他可能的影响因素进行了补充性检验.具体而言，重点关注公司特征和公司治理两类因素对企业金融化同群效应的影响，主要从公司规模、产权属性以及董事会独立性、外部审计质量4个角度开展讨论(8)限于篇幅，未列示异质性检验的实证结果，留存备索..

3.3.1 公司特征因素对金融化同群效应的影响

首先，从公司市值来看，分组回归结果显示，大市值样本下企业金融化的同群效应均更为显著.此外，分组回归系数差异性检验的结果也显示大小市值组间的回归系数存在显著差异.本文认为，相比小市值上市公司，大市值上市公司更有可能获取银行贷款，其使用闲置资金从事金融项目投资或参与影子银行业务的可能性也更大，当行业或者地区内部分相同或者类似规模的上市公司参与金融投资时，会促使其他上市公司也积参与到金融投资中，从而引致行业或者地区内其他相同或者类似企业金融投资占比的提升，即加剧企业金融化.其次，从国有、非国有的产权属性来看，回归结果显示，无论从回归系数大小来看，还是从显著性水平来看，国有企业样本下企业金融化的同群效应均显著强于非国有样本中的影响.对于上述结果，本文认为国有企业在经营过程中更多受到政府政策的支持和影响，相比非国有上市企业，其获取银行贷款以及其他渠道资金支持的可能性更高.在此情况下，国有企业将闲置资金投资于金融项目中的可能性也会更高.更为重要的是，当行业或者地区内部分国有企业将闲置资金投资于金融项目时，会激发其他国有企业的金融化行为.因此，国有企业样本下的企业金融化同群效应更为强烈.

3.3.2 公司治理因素对金融化同群效应的影响

从内部治理来看，本文按照同年度同行业上市公司董事会中独立董事占比的中位数将样本划分为高董事会独立性上市公司样本组和低董事会独立性上市公司样本组.结果显示，高董事会独立性样本中企业金融化的同群效应更低.上述结果表明较高的董事会独立性水平能够有效抑制企业金融化同群效应给本公司金融化带来的影响.特别地，这种抑制作用在同行业不同地区金融化同群效应上更加显著(高董事会独立性样本下Fin_Inv-i,ap,t的系数显著小于低董事会独立性样本下的系数).上述结果表明，有效的内部治理能够规避对其他企业(尤其是同行业其他企业)金融化行为带来的影响.对于外部治理而言，将样本企业划分为高审计质量样本组(受国际四大会计师事务所审计)和低审计质量样本组(未受国际四大会计师事务所审计).结果表明，受国际四大审计的样本中企业金融化的同群效应均不显著，说明有效的外部治理能够降低企业金融化同群效应带来的影响.综上所述，公司治理因素对企业金融化的同群效应有着重要影响，较高水平的内外部公司治理能够抑制企业金融化同群效应带来的影响.

4 稳健性检验与内生性处理

4.1 金融化同群效应存在性的稳健性检验

为确保结果的稳健性，本文主要进行了下述3种稳健性检验.1)更换金融化衡量指标.参照张成思和张步昙[4]，采用“(投资净收益+公允价值变动损益+汇兑净收益+其他综合收益)/营业利润”衡量企业金融化水平.由检验结果可知，主要同群效应指标的回归系数仍显著为正，即表明本文回归结果较为稳健；2)控制潜在的时变行业因素与地区因素.参照Liu[34]，在控制上市公司个体固定效应的基础上，进一步控制了行业×年份、地区×年份固定效应，以排除行业增长机会等随时间变化的行业特质因素和地区经济环境等随时间变化的地区特质因素对实证结果的影响.由回归结果可知，各主要同群指标的回归系数仍显著为正，与表3相比，结果未发生实质性变化；3)安慰剂测试.为进一步排除本文回归结果纯粹由变量间的虚假相关性所驱动的可能性，参照Grennan[35]的做法，本文进行了安慰剂检验.如果将样本上市公司随机分配到一个完全不同于其真实所在地区和所在行业的地区和行业中，并且根据随机分配后的伪地区和伪行业重新计算企业金融化的3项同群指标，同群指标Fin_Invi,-ap,t、Fin_Inv-i,ap,t和Fin_Invi,ap,-j,t若不再显著，则说明本文所观察到的结果来自于真实的行业与地区同群行为.由回归结果可知，将上市公司分配至完全不同于其自身真实所在的地区和行业后，相应的同群效应指标不再显著，排除了变量间的虚假相关性(9)由于篇幅原因，稳健性结果未能列示，留存备索..

4.2 内生性处理

4.2.1 动态面板模型

采用以下方法处理实证分析过程中可能存在的内生性问题.首先，上市公司金融资产投资占比易受其过去金融资产投资情况的影响，而动态面板模型则可以考虑过去因素对当前的影响.借鉴庄毓敏等[36]等系列研究，本文构建差分动态面板模型，将上市公司金融资产投资占比的滞后项引入模型，以期控制相关滞后因素带来的影响.由表5的回归结果可知，在控制金融化指标的滞后项后，各同群效应指标仍显著为正，表明本文结果较为稳健.

表5 动态面板回归

4.2.2 控制金融行业收益率的影响

正如研究假设部分所指出的，金融业与传统生产行业利润率的缺口是驱动企业从实业投资转向金融化的显著影响因素之一[2].并且，苏治等[27]也发现在宏观经济下行的“新常态”背景和金融部门利润率高于实体经济利润率的现实面前，巨大的生存和发展压力会激发企业参与金融投资的强烈意愿.因此，金融业较高的投资收益率可能是吸引非金融企业开展金融资产投资的重要因素之一.在此情况下，如果上市公司投资收益率越低，则其越有可能开展金融化投资.为进一步排除金融行业高收益率对于本文观测到的金融化同群效应的潜在影响(即如果企业受金融行业高收益率的驱动，从而不约而同地实施金融化行为，那么本文所观测到的金融化同群行为将存在虚假结果的可能性)，在已有控制变量的基础上继续加入了金融行业投资收益率Return_Financet.表6所示的回归结果显示，所有同群指标仍显著为正.此表明，即使控制住了金融行业高收益率的内在驱动因素，非金融企业金融化行为也确实存在显著的同群效应(10)为进一步剔除企业的逐利性同时受到行业及地域因素的影响，本文在未报告的结果中，进行了相应的检验.在控制个体效应、行业×年份、地区×年份固定效应的模型中，进一步将金融行业收益率作为控制变量加入到回归模型中.上述模型设定的含义为，同时排除企业逐利因素的影响，以及排除行业及地域因素带来的影响.在同时控制住上述潜在因素后发现，无论从行业层面来看，还是从地区层面来看，上市公司金融化的同群效应仍显著存在.即本文结论不受影响..

表6 控制金融行业收益率

阶和二阶序列相关，Hansen Test和Difference-in-Hansen Tests用来验证GMM估计中水平和差分形式的工具变量是否合法.

4.2.3 控制行业或地区共同投资趋势的影响

由于无法轻易识别企业采取与行业或地区内其他企业相同的投资决策到底是基于对其他企业的模仿，还是由于同一行业或地区面临相同的投资机会所引致的投资决策趋同，因此会产生内生性问题.参照Khan和Tsoukalas[20]，本文在回归模型(1)中加入了以下行业内以及地区内共同投资因素

Comov(Fin_Inv)i(a),t=

Max(NFin_Inv_increasei(a),t,NFin_Inv_decreasei(a),t)NFin_Inv_increasei(a),t+NFin_Inv_decreasei(a),t

(6)

其中Comov(Fin_Inv)i(a),t用来测度第t年度内行业i(或地区a)中上市公司金融化的共同趋势.NFin_Inv_increase为某年度行业或地区内金融投资占比增加的上市公司数量，NFin_Inv_decrease为金融投资占比减少的上市公司数量.上述指标测度的是指定年度和行业(或地区)内金融投资机会增加或减少的公司数目中的较大者在行业(或地区)内所有公司中的占比.金融投资机会增加或减少的上市公司数目较多，则表明该年度该行业(或地区)内共同投资趋势的上升或下降.

由表7可知，加入行业共同投资趋势因素Comov(Fin_Inv)i,t以及地区共同投资趋势因素Comov(Fin_Inv)a,t后，同群指标Fin_Invi,-ap,t、Fin_Inv-i,ap,t和Fin_Invi,ap,-j,t的回归系数仍在1%的水平上显著为正.该结果表明，在控制行业与地区共同投资趋势因素后，无论从行业层面来看，还是从地区层面来看，上市公司金融化的同群效应仍显著存在.

表7 加入共同投资趋势指标

4.2.4 工具变量法

在前述分析中，本文控制了企业的逐利性以及潜在的行业因素和地域因素对于研究结果的影响.参照Leary和Roberts[11]的做法，继续使用工具变量，同时剔除企业的逐利行为以及潜在的行业与地区因素的影响，以期更加严格地同时控制相应的外部因素对实证结果的潜在影响.参照Leary和Roberts[11]，计算了公司层面的特有收益，同时剔除了金融市场收益、行业层面以及地区层面的共同外部因素影响.所获取的公司层面的特有收益可以较好的满足工具变量的选择要求：1)公司层面特有收益与内生变量具有相关性，公司的特有收益与公司的金融投资决策显著相关；2)具有外生性，公司特有收益计算过程中同时剔除了金融市场收益、行业层面以及地区层面的共同外部因素影响，可以更为清晰地反映公司的自身基本情况.具体而言，本文采用模型(7)计算年度内企业各月的特质性收益

ri,aj,m=αi,aj,m+βMarket(yMarketm-rfm)+

βIndustry(yIndustry_peeri,-a,m-rfm)+

βArea(yArea_peer-i,a,m-rfm)+εi,aj,m

(7)

其中ri,aj,m为处于i行业a地区的个体j的股票收益率，yMarketm为m月的股票市场收益率(用以表示金融行业平均收益率)，yIndustry_peeri,-a,m为个体j同行业企业(不包含同地区其他个体)在m月的平均股票收益率，yArea_peer-i,a,m为个体j同地区企业(不包含同行业其他个体)在m月的平均股票收益率，rfm为m月的无风险收益率.采用(m-36,m-1)的36个月作为滚动估计窗口，可以获取m月时点的方程估计系数.利用m月的真实收益率减去通过方程获取的预测期望收益率，可以获取该个体在m月的残差估计量，即企业j在第m月的特有收益.随后，将各年度内月度数值取平均，即可获得企业年度股票特有收益率.最后，按照同样的方法，采用企业年度特有收益率，分别计算个体j同行业不同地区的企业年度特有收益均值以及同地区不同行业的企业年度特有收益均值，并将其作为本文的工具变量.利用上述公司特质收益构造的工具变量，分别继续检验了上市公司金融化的行业同群效应与地区同群效应.具体结果见表8.

表8 工具变量法

从表8的(1)和(3)所代表的第一阶段回归中可以发现，本文所构造的工具变量对相应的行业同群变量以及地区同群变量的影响显著为正，符合相应的预期，即企业的特有收益越高，企业将会存在更多的金融投资决策.表8中的(2)和(4)为第二阶段的回归结果，可以发现，相应的工具变量估计系数仍然显著为正，表明当控制住企业逐利性以及潜在的行业和地域影响后，无论从行业层面来看，还是从地区层面来看，上市公司金融化的同群效应依然显著存在.此外，本文的弱工具变量的检验结果远大于10，拒绝了存在弱工具变量的原假设，符合经验法则.综上所述，当将上市公司金融化的行业同群效应以及地区同群效应分别作为主要探究问题时，采用相应的工具变量进行回归后，本文的结论仍然显著存在.在排除相应的共同外部因素后，本文相应的结论仍然显著存在.

4.2.5 排除分选效应的影响

企业行为的地区联动效应也可能来自于分选效应[17]，即企业金融化与地区层面企业金融化水平的显著相关性可能来自于同类企业的集聚，而非同群效应.具体而言，如果新上市公司参照地区内已上市公司的金融化水平来选择自身上市注册的地点，也有可能引致上市公司自身金融化水平与地区内其他上市公司金融化水平显著相关.为避免上述“集聚效应”对本文实证结果的影响，选取研究区间内的新上市公司作为研究样本，分析其上市前一年度所在地区上市公司金融化水平均值对新上市公司上市年度的金融化水平的影响.由表9可知，Fin_Inv-i,ap,t-1和Fin_Invi,ap,-j,t-1的回归系数均不显著，表明新上市公司上市年度的金融化水平不受其注册地前一年度上市公司金融化水平的影响.上述结果可在一定程度上缓解企业金融化的地区集聚效应带来的影响，验证了本文结果的稳健性.

表9 剔除上市地点自选择性带来的“集聚效应”

5 结束语

已有的关于企业金融化的研究均基于企业独立决策开展，目前尚未有研究关注到企业之间金融化行为的相互作用.不同于已有研究，本文以2007年～2019年我国A股上市公司为样本，实证检验了企业金融化中行业同群效应和地区同群效应的存在性及其形成机制.研究结果表明，我国上市公司的金融化行为存在显著的行业同群效应和地区同群效应，即公司的金融投资占比会受到同行业和同地区其他上市公司金融投资行为的影响.机制分析的结果显示，企业所在行业的竞争程度是行业层面金融化同群效应的潜在机制，且该行业与金融行业之间较高的收益率差距会加剧行业竞争程度对企业金融化同群效应的影响；对于企业金融化的地区同群效应，地区内高管的信息交流式学习是其产生的主要原因，较低的地区融资约束会加剧信息交流式学习对企业金融化地区同群效应的影响，较高的地区金融监管程度则能够缓解信息交流式学习的影响.进一步地，本文还发现公司规模、公司产权属性和公司治理水平对企业金融化的同群效应存在显著影响，大规模企业、国有企业下的金融化同群效应更为明显，而较强的监督机制(如较强的董事会独立性、采用国际四大会计师事务所进行审计)则有助于抑制企业金融化的同群效应.

本文研究结论的政策启示在于，企业金融化现象的产生并非只是企业自身独立决策或者外部经济政策变动所致的结果，同群企业的金融投资行为也是加剧我国目前上市公司争相追逐金融投资、持有金融资产的重要原因.因此，在资本市场发展尚不完善的现状下，如何有效发挥地区金融监管的作用、稳步推进异质性企业之间融资门槛的降低是当前抑制企业金融化同群效应不利影响以及缓解实体经济“脱实向虚”的关键所在.此外，国家也应积极引导资金回归实体领域.例如，加大对科技的投入、提高产出效率，增强自主创新能力与创新的示范效应，增强金融业为实体经济服务的能力，进行部分税收减免，提高实体经济的利润率，为实体企业营造更好的发展环境，进而从源头引导更多资金进入实体经济建设.同时，监管部门也要加强对资本运作的监管，促进各监管部门的协调联动，提高监管规则一致性，减少套利空间.对于实业企业开展金融投资，要严格执行牌照准入制度，严格执行监管要求，依法依规、审慎经营.