企業經營狀況、杠桿率和投資結構研究
——以重慶市制造業為例

劉 濤，李 群

(1.中國社會科學院研究生院， 北京 102488；2.中國社會科學院 數量經濟與技術經濟研究所， 北京 100732)

一、問題的提出

在供給側結構性改革的背景下，如何通過定量的方法對經濟發展方式是否合理進行評價，是制定結構性改革政策的重要依據。全國不同地區對供給側結構性改革的著眼點與主要任務有很大差別，針對全國整體的供給側結構性改革的經濟研究往往忽略了中國不同地區的區位因素、產業結構特色和區域功能定位。

重慶市自2011年以來，積極通過各項舉措嚴格控制過剩產能、限制房地產投資，實現了近期良好的經濟增長。作為成渝城市群經濟發展的主要推動力量，分析重慶市工業企業和其他產業經濟結構的變動趨勢是歸納總結重慶市經濟發展經驗、豐富與完善供給側結構性改革理論的重要方法。

二、重慶市制造業分析模型

向量自回歸模型(簡稱VAR模型)已經成為產業經濟研究中較為主流的方法。在近年開展的制造業自身產業升級的研究中，張峰等建立了涵蓋制造業能源消耗、國際競爭力和勞動力成本的VAR模型，并觀察廣義脈沖響應，得到清潔能源比重與工資水平同制造業競爭力的正向關系[1]。張曉濤等使用MS-VAR(馬爾可夫區制轉移向量自回歸)模型對制造業和相應配套服務業相互的影響關系進行分析，在模型中區分“低相關”和“高相關”兩個區制，得出中國近年來配套性服務業對制造業的影響作用大于制造業對服務業的影響[2]。在制造業和其他宏觀經濟變量關系研究方面，白玉紅建立了代表制造業情況的PMI和需求端消費信心指數之間的VAR和ECM模型，分析了其對長期均衡和短期波動的影響，認為短期(1～2年)制造業受到消費信息指數的影響，但是邊際貢獻率遞減[3]。在運用VAR模型對負債狀況開展的研究中，劉偉江等建立涵蓋企業桿杠率、資產價格和經濟產出的MS-VAR模型，使用廣義脈沖響應進行分析，認為資產價格和經濟產出的非對稱效應顯著，具體表現在企業杠桿率、資產價格和經濟增長有逆周期變動的特點[4]。

在供給側結構性改革的議題下，必須綜合分析去杠桿、降低成本、防范系統性風險和產業升級的關系[5-9]。本文首先通過灰色關聯分析對資產貢獻率、杠桿率水平、產業間投資結構等因素的關系做出基本判斷，在此基礎上建立VAR模型，使用《國家統計年鑒》中重慶市2012—2015年相關產業數據對制造業產出、投資、杠桿率水平和房地產行業投資開展實證分析。

(一)模型變量的選取

本文以重慶市39個制造業企業的基本經營狀況數據、重慶市行業固定資產投資數據和部分重慶市金融統計數據為依據，統計區間為2012—2015年主要制造業產業月度經營數據(由于1月的特殊性，不計入統計)，將制造業產業中39個行業大類企業主營業務收入、主營業務成本、流動資金情況、固定資產情況、負債情況、庫存量情況作為模型變量。

1.變量數據描述性統計

為避免季節因素的影響，本文采用各個指標的同比數據，在2012—2015年(除1月)得到29個觀察期?？傮w上，重慶市企業主營業務收入和主營業務成本自2012年開始總量均有增加。

進一步觀察39個行業的經營狀況形態發現，受到經濟下行期的影響，自2012年開始，盡管主營業務輸入呈現緩慢上升趨勢，但是主營業務成本同樣攀高，甚至漲幅略高于輸入，導致制造業行業整體利潤水平略微下降。需要注意的是，在2015年前兩個季度，工業品產成品庫存迅速上升，2015年下半年開始逐步回落。

計算重慶市制造業行業主營業務收入/成本變化情況，在2012—2015年有較大的階段性特征。2012年收入/成本增長波動較大，從2012年2月的85%快速提升，在2013年2月達到最高點108%并開始回落。除2013年7月外，重慶市制造業行業主營業務收入/成長均在100%左右波動。從2014年2月開始，制造業收入/成本開始穩步提升，在2015年10月達到107%(見圖1)。

圖1 重慶市制造業行業主營業務收入/成本增長比(%)

觀察重慶市制造業企業的產成品庫存同比增速，可以看出，在2012年2月第一季度產成品庫存增速較高，在2012年3月達到了當年最高值18.8%，隨后在2012年第2—3季度回落，在2012年10月達到最低點7.5%。2013年全年基本呈現庫存增速提升的情況，在2013年12月達到觀察期最高值16.3%(見圖2)。

圖2 重慶市制造業企業產成品庫存同比增速(%)

觀察重慶市制造業企業流動資產同比增速、總資產同比增速和負債同比增速3項財務指標的變化情況(圖3)，可以看出2012年2月—2013年9月3項指標呈現下降趨勢。整體來看，2012年2—9月負債增速水平盡管呈現下降趨勢，但仍然高于資產增速和流動資產增速兩項指標；2013年11月—2014年11月，流動資產的增速遠低于資產和負債的增速，制造業企業處于資本形成階段，但是經濟動能尚未形成；2014年12月—2015年10月，流動資產和資產增長速遞兩項指標增速交替變化，并在2015年6—7月出現了流動資產增速超過資產增速的情況，2015年全年負債增速低于資產和流動資產增速。

圖3 重慶市制造業企業財務指標變化情況(%)

2.重慶市投資狀況

重慶市房地產全年投資增長速度在2012—2015年逐年下降，從2012年2月的31.5%下降到2015年10月的6%，同時，制造業投資增長速度提升(見圖4)。

重慶市其他行業投資保持穩定，在2012—2015年，租賃和商業服務業年均增速最高，為94%，科學研究、技術服務和地質勘查業固定資產投資增速為25%(見圖5)。

圖4 重慶市房地產投資增長速度(%)

圖5 重慶市其他行業投資年均增速(%)

3.重慶市杠桿率水平

通過計算39個制造業行業總負債與總資產的比例發現，自2012年開始重慶市制造業杠桿率呈現緩慢下降趨勢，盡管2013年受到政策性影響和經濟下行的作用導致企業杠桿率有所上升，2013年4月更是達到幾年來的最高水平0.645，但是隨后逐步下降，2015年杠桿率水平降低至0.63。

從重慶市本外幣存貸比的變化來看，自2012年開始均處于1.2以上，基本保持穩定。2013年存款水平較高，除7月以外，全年處于1.26以上，2014年下半年開始，對應投資逐步增加，存貸比逐步下降，2014年下半年至2015年上半年低于124%，在2015年上半年開始回升(見圖6)。

圖6 重慶市本外幣存貸比(%)

關于政府有義務償還債務上，重慶市政府負債從2012年的3 412.4億元上升至2014年的3 575.09億元，2015年2—10月的負債水平是3 294.41億元(見圖7)。

圖7 重慶市政府債務水平(億元)

下面將對經濟變量的數據進行進一步判斷，通過數據共線性和數據平穩性建立供給側結構性改革經濟動力分析模型，這里首先對39個制造業行業的生產經營相關指標進行匯總并進行共線性判斷。

三、模型估計

(一)變量相關性分析

在數據共線性判斷上，本文采用灰色關聯分析方法對范圍內經濟變量進行關聯分析。除了一些指標內部存在數量關系的情況外，我們發現制造業的主營業務收入、成本同房地產行業投資關系非常密切，灰色關聯系數達到了0.8，同物流倉儲、郵政投資灰色關聯系數較高，分別達到0.79和0.77，其他方面，制造業企業流動資產的余額同主營業務收入、成本、產成品庫存等企業自身生產經營情況指標有較高關聯外，同制造業負債水平和金融機構存貸比均達到0.78的高關聯水平。

制造業企業杠桿率水平同制造業的生產經濟水平相關性不大，但是同企業的財務指標——流動資產和負債水平關聯較高，分別達到0.72和0.68，相對于企業內部經營狀況和財務狀況，制造業企業的杠桿率水平同商業服務業的投入關聯較高，為0.72(見表1)。

通過對共線性分析后，我們對數據的內生性和可能存在的模型關系有了基本掌握，在進一步構建向量自回歸模型前，需要對數據的時間序列平穩性進行檢驗和相關變換，確保數據平穩。

(二)數據平穩性檢驗

數據平穩性檢驗是建立VAR模型的基礎，這里我們采用ADF檢驗和PP檢驗2種方法，首先對經濟指標原始時間序列進行ADF單位根檢驗，發現部分指標不能接受平穩性假設，對指標進行一階差分后，大部分可以在95%置信區間上接受平穩性假設(見表2)。

然后，通過PP對原始時間序列和一階差分序列進行檢驗，本文發現原始序列除制造業杠桿率外，均可以接受平穩性假設，在一階差分變換后，全部達到平穩(見表3)。

因此，綜合使用以上2種平穩性檢驗方法，這里采用一階差分作為構建計量模型的實證研究數據。

表1 模型經濟變量灰色關聯度

注：a表示強關聯度； b表示次強關聯度； c表示中關聯度； d表示弱關聯度； e表示無關聯度

表2 經濟變量ADF檢驗結果

表3 經濟變量PP檢驗結果

(三)滯后期計算

表4 VAR模型滯后期測算

首先，構建制造業企業內部經營指標VAR模型，選取主營業務收入月增量、主營業務成本增量、產成品庫存增量、流動資產平均余額增量、資產增量、負債增量、杠桿率等期的一階差分數據構建VAR模型，運用AIC、HQ、SC、FPE 4種統計量來進行最優滯后期選取，見表4。

根據滯后期相關的統計量判斷，認為在設定VAR模型時，滯后期為4效果最好。

(四)模型回歸結果

首先對企業內部的經營狀況進行VAR建模，選擇滯后期為3期，然后通過數據差分使變量平穩，消除了趨勢項，并且通過極值無量綱化方法消除變量中可能存在的截距項。在回歸中不考慮固定效應和趨勢效應，使用R語言3.3.2版，vars程序包進行回歸(見表5)。

通過觀察回歸結果，我們可以發現企業內部經營的部分經濟動力現象：在3個滯后期的水平上，企業的主營業務收入增加值與流動資產余額正相關，分別達到了1.11、0.99、1.03的系數，主營業務的生產成本同企業的杠桿率水平在滯后一期上有負相關表現，但是可信度沒有達到95%臨界值，需要注意的是企業杠桿率水平會在滯后三期時對流動資產余額造成影響；主營業務的成本和收入在滯后二期、滯后三期水平上對產成品庫存產生影響；資產與負債的自回歸特征明顯，在滯后三期上，資產的自回歸影響最顯著，系數為-1.33；主營業務收入在滯后二、三期同杠桿率呈正相關，分別達到1.56和1.09水平。

進一步觀察沖擊響應函數(圖8)可見，在主營業務成本在當期對業務收入造成沖擊后，在滯后二期造成最低值，然后逐步回穩，流動資產余額與負債在第四期使主營業務獲得最大響應。在主營業務成本方面，資產增量對主營業務成本的沖擊首先會降低，至第四期達到響應頂點；流動資產對主營業務成本的沖擊在第一期產生最大響應，在第四期后回穩；負債增加的沖擊會導致主營業務成本首先在第一期出現負響應，然后在第四期達到正響應的頂點，然后回穩。

表5 重慶市企業經營內部VAR結構模型回歸結果

續表(表5)

圖8 制造業內部VAR模型組沖擊響應函數

本文進一步將模型擴展，將其他產業的投入、地區總存貸比和制造業產出作為模型變量，通過統計量判斷后，確定滯后期為3(見表6)。

通過觀察VAR模型組回歸結果，我們發現以下具備顯著性關系的變量：制造業企業收入水平和倉儲物流服務業的投資同當地商業服務業在滯后一期有顯著相關性，回歸后系數分別為0.89和1.17，商業服務業的投資在滯后一期上有明顯的自回歸，回歸系數為-0.69(見圖9)。

表6 制造業產出外部變量VAR模型組回歸結果

通過觀察沖擊響應函數，我們發現當房地產投資產生一個沖擊時，制造業主營業務收入會在10個時期內產生不穩定波動，而這種波動對經濟的影響是復雜且不可預測的，房地產行業產生一個投資后，會對制造業在第三期產生一個負效應，達到0.05，在第四期形成影響的峰值，達到0.1左右，隨后影響進一步波動，在第七期產生次峰值。

當物流行業投資產生一個沖擊后，制造業產出主體向優化方向反饋，在第五期形成最大反饋，接近0.1。當科技投資產生一個沖擊后，會在前七個觀察期逐步放大，在第六期達到峰值，約為0.8，然后回歸平穩。商業服務業投資在第五期達到最大響應，約0.06，隨后逐步平穩。金融服務的投資會使制造業產出前期響應較小，在第九期產生最大響應，為0.03。地區存貸比對企業產出的影響相對其他行業投資響應較弱，在第三期達到最大響應，為0.05，隨后波動持續到第七期逐步平穩。

四、結論

通過分析VAR模型的回歸結果和觀察沖擊響應函數，我們發現：

對于制造業企業自身，企業的流動資金不僅對企業產出影響最大，還對整體經濟增長有較大的推動作用，主營業務的成本和收入在兩個月內會對制造業產業的產成品庫存產生持續6個月左右的積極影響。

在其他行業投資對制造業企業的影響方面，表現為制造業企業收入水平和倉儲物流服務業的投資同當地商業服務業在滯后一期有顯著相關性。房地產業和金融業的投資增量會在一個月的時間對制造業的主營業務收入產生顯著的正面促進作用，但是這種作用持續時間較短。通過沖擊響應函數的反饋情況，我們認為房地產投資和金融服務業的投資能夠在5個月(4個滯后期)左右產生正面影響。

綜合這些結論，我們可以描繪在重慶市制造業供給側結構性改革過程中投資、杠桿率、企業產出這些經濟變量之間的關系：

杠桿率高企帶來的財務成本壓力對企業的長期盈利能力產生負面影響，但是這種影響在短期內不是最為重要的。在提高企業產出方面，讓制造業企業具備更好的資產流動性比單純地降低企業資產負債比更有意義。同時，結合制造業企業基本的資產負債變化情況，可以認為2015年重慶市制造業企業的資產負債率相對安全。

商業服務業、物流產業、金融產業投資對制造業產業均有促進作用，但科技投入在制造業經營能力提升上并未顯現，從制造業自身研發支出比重和科研產業投資增速來看，重慶市相對于東部經濟發達省份仍然有差距。