裝備制造企業生產效率與融資租賃決策
——基于融資約束視角

史燕平 楊文濤

(對外經濟貿易大學國際經濟貿易學院, 北京 100105)

引 言

新興工業化國家的經驗表明， 將有限金融資源集中來支持主導產業優先發展是促進產業轉型升級的成功路徑［1］。 裝備制造業①是向國民經濟各行業提供技術裝備的戰略性產業， 如何利用金融資源和金融工具促進裝備制造業自主創新、 生產效率提升， 進而支持我國產業結構轉型升級， 是我國當前經濟轉型發展中的重要問題。 在我國金融體系不發達的背景下， 我國信貸資源配置存在區域內、 區域間、 所有制類型等多個維度的扭曲，不同行業對技術升級的資本投入需求不同， 在對外融資依賴方面存在行業異質性［2］。 從融資視角來看， 盡管裝備制造企業固定資產額度總體相對較大， 但實際中因產品在技術、 生產和使用上具有特殊性， 且研發、 生產制造過程中固定投入巨大， 內源性融資和銀行信貸經常難以滿足發展的資金需求， 整個行業面臨較強的金融約束［3］。 中國人民銀行下屬支行開展的地方實地調研研究顯示，裝備制造企業目前整體金融支持力度不足， 融資渠道仍然相對偏窄， 長期依賴銀行貸款， “先還后貸” 和“短貸長用” 加大了企業的資金壓力［4，5］。隨著我國融資租賃市場的快速發展， 融資租賃已成為我國裝備制造企業除銀行信貸方式之外獲取資金的另一渠道， 2007 ～2017 年間裝備制造上市企業采用融資租賃方式進行融資的比例從4.6%上升至21.45%②， 融資租賃這一特色金融工具對緩解我國裝備制造業發展的金融約束發揮了重要作用。

關于企業生產效率與融資約束的關系， 國外學者們利用美國、 歐元區國家、 保加利亞、 印度等不同國家的企業數據進行了實證研究， 多數的經驗證據支持“融資約束抑制論”， 即融資約束對企業生產效率確實具有負向作用。 從融資視角來看， 面臨融資約束的企業無法做出最優決策(放棄凈現值為正的項目）， 其固定資產投入、 存貨投資、 研發投資、 員工雇傭等活動缺少金融資源的有效支持， 進而影響生產效率的提升。 從資源配置視角來看， 融資約束使得企業間資本和勞動力的邊際產出之間出現楔子， 這種低效率配置造成了行業內全要素生產率的損失［6］。 針對不同融資方式對企業生產效率的影響， Ayyagari 等(2010） 從融資來源的角度區分了正規和非正規金融機構融資［7］， Levine 等(2014） 分別考察了股權融資和債權融資對企業生產效率的影響［8］， Wang 和Kong(2019） 主要關注了商業信用對企業生產效率的影響［9］。 另外， 國內學者結合我國的經濟現實和制度背景， 從企業所有制差異(何光輝和楊咸月，2012）［10］、 企業出口行為(趙春明等， 2015）［11］、政府補貼(任曙明和呂鐲， 2014）［3］、 產業政策(錢雪松等， 2018）［12］等多個維度進一步豐富了融資約束與企業生產效率關系的研究。

融資約束對企業生產效率的影響方面已取得豐富的研究成果， 但鮮有學者關注企業生產效率水平和獲取外部資金途徑之間的關系。 不同生產效率水平的裝備制造企業是否具有融資異質性？不同生產效率水平的裝備制造企業對融資租賃這一金融工具的應用是否具有顯著差異？ 針對以上問題， 本文基于我國裝備制造企業的融資現狀，從企業融資約束視角來研究裝備制造企業生產效率與融資租賃決策之間的關系， 這對如何拓展融資渠道解決裝備制造企業的融資約束問題具有重要的現實意義。

1 理論分析與研究假設

生產效率較高的企業能夠有效利用要素投入，在保持或增加利潤率的同時降低產出價格， 獲取競爭優勢， 因而經營活動產生的現金流量能夠支持企業的生產效率提升項目， 內源性融資也解釋了我國民營企業在缺少信貸融資支持下仍保持較高生產效率的原因［13］。 相比高生產效率企業， 低生產效率企業的內源性融資通常不足， 這進一步限制其外部資金的可得性， 容易陷入“融資困難—增長緩慢—融資更難” 的陷阱。 當遭遇外部環境沖擊時， 低生產效率的企業相比高生產效率企業承受更高的調整成本， 因而低生產效率的企業更易受商業周期的影響， 具有更高的隱含資本成本［14］。 因此當經濟下行壓力較大時， 企業的還款能力下降， 銀行向低生產效率企業提供貸款的成本(風險） 更大， 這激勵銀行采取抽貸、 停貸等信貸緊縮行為， 從而降低了低生產效率企業向銀行進行信貸融資的可得性， 促使低生產效率企業尋求替代性的融資渠道。 由此， 本文提出假設1：

H1a： 在其他條件相同的情況下， 裝備制造企業生產效率越低則選擇融資租賃的概率越大。

H1b： 在其他條件相同的情況下， 裝備制造企業生產效率越低則選擇融資租賃的強度越大。

裝備制造業具有外部融資依賴性強、 生產設備等資產專用性強的行業特征， 因此低生產效率的裝備制造企業面臨更強的融資約束［15］。 根據金融合約理論， 融資租賃能夠降低企業因信息不對稱產生的融資溢價成本［16，17］、 債務人和債權人之間的代理成本［18］、 債務人的破產成本［18］。 融資租賃相比其他債務合約具有兩個顯著區別： (1）融資租賃與設備資產緊密聯系， 以融物的形式進行融資， 資金用途相對明晰， 有利于降低資產替代風險， 降低債權人的監督成本； (2） 融資租賃交易下由出租人享有設備資產的所有權， 在法律保護效力方面高于無擔保債權和其他類型的擔保債權， 承租人信用違約時， 出租人具有取回租賃物的權利， 這有利于降低融資過程中的代理成本和破產成本， 擴大承租人的債務容量［20］， 緩解承租人投資不足的問題。 此外， 租賃企業作為融資租賃交易中的實際出資方， 相比一般金融機構在設備生產性能和殘余價值方面更具有信息優勢(如設備制造廠商投資設立的租賃企業）， 這有利于降低融資雙方之間的信息不對稱， 從而緩解債務人的融資約束問題。 融資租賃作為一種特殊的金融合約， 能夠幫助企業降低融資交易成本(代理成本和破產成本）， 將物化的固定資產轉變成流動性強的現金資產(售后回租交易）， 增加低生產效率裝備制造企業的外部融資可得性。 基于以上分析， 本文提出假設2：

H2： 相比低融資約束的裝備制造企業， 生產效率水平對企業融資租賃決策的影響在高融資約束的裝備制造企業中更大。

2 研究設計

2.1 樣本選擇

本文參考相關學者對裝備制造企業實證研究的樣本選擇方法， 依據《國民經濟行業分類》 (GB／T4757－2011） 選擇金屬制品業、 通用設備制造業、專用設備制造業、 汽車制造業、 鐵路船舶航空航天和其他運輸設備制造業、 電氣機械和器材制造業、 計算機通信和其他電子設備制造業、 儀器儀表制造業8 個行業的A 股上市公司作為研究對象。 考慮到我國融資租賃市場自2007 年商業銀行重新參與后得到快速發展， 本文選擇樣本的時間跨度為2007～2017 年， 并進行如下處理： (1） 刪除ST 類的企業樣本； (2） 刪除主營業務變更的企業樣本； (3） 刪除數據缺失的企業樣本。 經過上述篩選過程， 本文最終得到6105 個樣本觀測值。 裝備制造企業融資租賃數據為作者根據上市公司財務年報手工搜集整理而得， 企業基本信息和財務數據來自CSMAR 數據庫和銳思數據庫。為避免極端值的影響， 本文對所有連續型變量均進行1%和99%的Winsorize 處理。

2.2 變量定義

2.2.1 融資租賃決策

在考察裝備制造企業生產效率對融資租賃決策的影響時， 本文試圖分別從企業當年是否采用融資租賃進行融資和應用的強度兩個方面來進行檢驗。 我國上市公司融資租賃相關情況主要在財務報表附注中進行披露， 本文通過逐年手工搜集的方式進行數據獲取和變量定義， 并借鑒馬文杰和丁劍平(2015）［21］的數據篩選方式， 依據以下信息來衡量企業是否存在融資租賃行為和融資租賃的強度選擇： (1） 固定資產明細列表中融資租入固定資產的條目； (2） 長期應付款明細列表中企業應付融資租賃款余額； (3） 1 年內到期的非流動負債明細列表中企業應付融資租賃款余額。設置虛擬變量lease＿dummy 來衡量企業是否采用融資租賃進行融資， 若以上3 類信息反映企業當年存在融資租賃行為， 則lease＿dummy 取值為1，相反取值為0。 設置變量lease 來衡量企業選擇融資租賃的強度， lease 定義為企業應付融資租賃款余額與期末總資產之比(企業應付融資租賃款余額=長期應付款明細列表中企業應付融資租賃款余額＋1 年內到期的非流動負債明細列表中企業應付融資租賃款余額）。

2.2.2 企業生產效率

本文借鑒鄭寶紅和張兆國(2018）［22］、 任勝剛等(2019）［23］的研究， 利用LP 半參數估計方法(Levinsohn 和Petrin， 2003）［24］計算出的全要素生產率tfp 來衡量上市企業的生產效率。 LP 方法以中間投入作為代理變量， 能夠避免OP (Olley 和Pakes， 1996）［25］方法要求投資變量不為0而產生的數據截斷問題。 在具體的生產函數設定時， 本文以企業營業收入作為產出(Y）， 以企業固定資產凈值、 員工人數、 購買商品及接收勞務支付的現金分別作為資本要素投入(K）、 勞動要素投入(L）、 中間投入(M）， 其中Y、 K、 M 分別采用國家統計局公布的工業生產者出廠價格指數、 固定資產投資價格指數、 工業生產者購進價格指數， 以2007 年為基準進行平減處理。

2.2.3 控制變量

本文借鑒Eisfeldt 和Rampini (2009）［26］等研究企業融資租賃動因的變量選擇， 選擇資產規模size (企業期末總資產的自然對數）、 企業年齡age(當年年份與企業成立年份之差）、 資本結構lev(期末總負債與期末總資產之比）、 盈利能力roa(凈利潤與期末總資產之比）、 成長性q (托賓q值）、 固定資產比重fix (期末固定資產凈額/期末總資產）、 現金流比率cf (經營活動產生的現金流量凈額/期末總資產）、 持有現金比率cash (期末現金及現金等價物余額/期末總資產）、 企業實際所得稅率tax (所得稅費用/利潤總額） 作為控制變量Control。

表1 變量名稱及定義

續 表

2.3 模型設定

本文分別從融資租賃選擇概率和強度兩個方面來考察裝備制造企業生產效率對融資租賃決策的影響。 融資租賃選擇概率模型應用式(1） 進行估計， 分別采用Logit 和Probit 回歸。 融資租賃選擇強度模型應用式(2） 進行OLS 估計， 考慮到lease 變量具有左端截取特征， 為了避免采用OLS方法無法得到一致估計， 本文同時采用Tobit 模型對式(2） 進行回歸。 為了避免融資租賃決策對裝備制造企業生產效率具有反向因果關系而造成潛在內生性問題， 本文在將融資租賃決策相關變量作為被解釋變量時， 解釋變量和控制變量均采用滯后一期數據。 同時考慮到異方差等因素的影響， 本文在進行參數估計時均采用異方差調整后的穩健標準誤。

3 實證結果分析

3.1 描述性統計

表2 列示了我國A 股裝備制造上市企業采用融資租賃進行融資的歷年分布情況， 2007 ～2017年間應用融資租賃的企業樣本觀測值共計761 個，占總樣本觀測值6105 的12.47%。 從歷年分布的絕對數量來看， 應用融資租賃的企業樣本觀測值呈現逐年增加的趨勢。 從歷年分布的相對數量來看， 應用融資租賃的企業樣本觀測值占比從2007年的4.6%增長至2017 年的21.45%， 這表明越來越多的裝備制造上市企業應用融資租賃這一融資渠道進行融資。 表3 分行業的融資租賃樣本統計結果顯示， 融資租賃在裝備制造上市企業的應用中存在一定的細分行業差異， 其中鐵路、 船舶、航空航天和其他運輸設備制造業應用融資租賃占比最高(20.22%）， 其次是汽車制造業(16.89%），最低為儀器儀表制造業(7.53%）。 表4 列示了主要變量的描述性統計情況， 其中lease 的平均值為0.002， 25%四分位數、 中位數、 75%四分位數處的觀測值均為0， 顯示lease 具有左端截取的分布特征， 另外lease 的最大值為0.069， 即應付融資租賃款余額占期末總資產的比例接近7%， 表明個別裝備制造上市企業采用融資租賃進行融資的比例較大。 經LP 方法測算的全要素生產率最小值為9.485， 最大值為13.82， 表明樣本企業的生產效率整體上存在一定的差異性。 此外， fix 的平均值為0.191， 表明裝備制造上市企業的固定資產占比整體平均接近20%， 但個體上表現出較大的差異性(最小值為0.016， 最大值為0.521）。

表2 融資租賃樣本歷年分布情況

表3 融資租賃樣本按行業分布情況

表4 主要變量的描述性統計

3.2 回歸結果分析

本文分別從融資租賃選擇概率和強度兩個方面考察裝備制造企業生產效率與融資租賃決策的關系， 回歸結果見表5 的(1）～(4） 列。 表5 的第(1） 列和第(2） 列回歸結果顯示， tfp 的系數均在1%的置信水平上顯著為負， 這表明裝備制造企業生產效率越低， 則選擇融資租賃的概率越大， H1a 得到驗證。 由于Logit 和Probit 均為非線性模型， 其系數不具有線性回歸模型的系數含義， 本文進一步計算了Logit 回歸模型中tfp 變量的平均邊際效應為－0.0596 (Probit 模型為－0.0637），即在其他條件相同的情況下， 裝備制造企業的生產效率每降低1 個單位， 選擇融資租賃的概率增加約6%。

表5 的第(3） 列和第(4） 列報告了裝備制造企業生產效率對融資租賃選擇強度的影響。 第(3） 列采用了包含個體、 時點的雙向固定效應模型進行估計， 回歸結果顯示tfp 的系數在5%的置信水平上顯著為負， 這表明裝備制造企業生產效率越低， 則選擇融資租賃的強度越大， H1b 得到驗證。 具體地來看， 在其他條件相同的情況下，裝備制造企業的生產效率每降低1 個單位， 選擇融資租賃融資的強度增加0.0019。 另外， 為了避免被解釋變量lease 左端截取造成OLS 估計不一致， 第(4） 列采用了Tobit 模型進行估計， 回歸結果顯示tfp 的系數在1%的置信水平上顯著為負，同樣支持H1b。 由于Tobit 也屬于非線性模型， 經調整因子計算后的平均邊際效應為－0.0024， 表明在其他條件相同的情況下， 裝備制造企業的生產效率每降低1 個單位， 選擇融資租賃的強度增加0.0024 (比OLS 略大）。

為了考察融資約束程度是否影響裝備制造企業生產效率與融資租賃決策的關系， 本文計算樣本企業的KZ 指數(Kaplan 和Zingales， 1997）［27］來衡量企業的融資約束程度， 并按照排序大小分成3 組， KZ 指數較高的樣本組定義為高融資約束組， KZ 指數較低的樣本組定義為低融資約束組，然后進行分組回歸， 結果見表5 的(5）～(8） 列。

第(5） 列和第(7） 列的回歸結果顯示， 高融資約束樣本的tfp 系數在1%的置信水平上顯著為負， 而低融資約束樣本的tfp 系數不顯著， 這表明裝備制造企業生產效率與融資租賃選擇概率的關系在高融資約束樣本中更顯著。 第(6） 列和第(8） 列的回歸結果顯示， 高融資約束樣本的tfp 系數在1%的置信水平上顯著為負， 而低融資約束樣本的tfp 系數僅在10%的置信水平上顯著為負。 并且經過對Tobit 模型進行調整因子計算后，高融資約束樣本tfp 的平均邊際效應為－0.0034，低融資約束樣本tfp 的平均邊際效應為－0.0011。即在其他條件相同的情況下， 高融資約束裝備制造企業的生產效率每降低1 個單位， 選擇融資租賃的強度增加0.0034 (約為低融資約束樣本的3倍）。 此外， cf (經營活動產生的現金流量凈額/期末總資產） 的系數在高融資約束樣本中均顯著為負， 而在低融資約束樣本中均未通過檢驗， 這表明內源性融資不足時， 企業選擇融資租賃的概率和強度更大， 這進一步驗證了融資約束對企業生產效率與融資租賃決策關系的影響。 以上結果顯示， 相比低融資約束的裝備制造企業， 生產效率水平對企業融資租賃決策的影響在高融資約束的裝備制造企業中更大， 即H2 得到驗證。

表5 裝備制造企業生產效率與融資租賃決策的檢驗結果

3.3 穩健性檢驗

為進一步保證本文研究結論的可靠性， 本文分別做了如下的穩健性檢驗(結果表略）： (1） 為了避免各省份經濟形勢和地方金融發展差異性的影響， 本文在基準回歸的基礎上加入省份和年份的交互效應； (2） 企業生產效率測度方式的差異可能對研究結論具有潛在影響， 本文采用ACF 方法(Ackerberg 等， 2015）［28］重新計算裝備制造企業的全要素生產率來作為新的解釋變量進行回歸；(3） 本文利用SA 指數［29］來衡量企業融資約束程度， 按照KZ 指數的分組方式分別對高融資約束樣本和低融資約束樣本進行檢驗。 以上穩健性檢驗的結果與前文分析結果基本一致。

4 進一步分析

在搜集裝備制造上市企業融資租賃相關信息的過程中發現， 開展的融資租賃業務以企業存量資產的售后回租模式為主， 且租賃標的物以機器設備類資產為主。 另外， 以上的回歸結果顯示， fix(固定資產占比） 對企業選擇融資租賃的概率和強度均具有顯著的正向作用。 當企業面臨融資約束時， 以自有資產進行融資(如抵押借款、 售后回租等） 具有對債務人約束的治理作用， 能夠幫助融資企業降低外部融資成本、 擴大債務容量［30］。專用性資產用于替代或者使用人變更時通常難以發揮生產價值， 將影響企業利用抵押渠道獲取外部資金的能力［31］。 相比房屋建筑物類資產， 裝備制造企業生產裝備產品的機器設備在技術和使用上具有特殊性， 在抵押貸款融資過程中一旦債務人違約， 銀行則難以快速變現實現債權清償。 而融資租賃在融資交易過程中具有租賃物所有權和使用權相分離的特點， 由出租人擁有租賃標的物的所有權， 不影響承租人的設備使用。 當融資企業違約時， 出租人憑借所有權有取回租賃物保護債權的優勢， 且出租人相比銀行等一般金融機構具有更好的設備處置能力， 因而低生產效率裝備制造企業的機器設備類資產可能更易通過融資租賃方式獲得融資。

本文試圖從上述資產類別與外部融資渠道的關系來解釋低生產效率的裝備制造企業傾向于選擇融資租賃進行融資的內在機制。 本文根據銳思數據庫財務報表附注項目中的固定資產明細數據，分別設置變量equip (機器設備類資產占期末固定資產的比例） 與real＿estate (房屋建筑物類資產占期末固定資產的比例）， 并將它們與生產效率的交互項放入到回歸模型(式(3）～(6））， 以檢驗上述機制是否得到支持。 回歸結果如表6 所示，主要關注equip、 real＿estate 分別與生產效率tfp 交互項系數(即γ1、 γ2、 σ1、 σ2） 的正負和統計顯著性。

表6 機制檢驗

續 表

表6 第(1） 列和第(2） 列的回歸結果顯示， 機器設備資產占比equip 的系數在1%的置信水平上顯著為正， 表明機器設備資產占比越高，則選擇融資租賃進行融資的概率和強度越大。 并且equip 和tfp 的交互項系數均在5%的置信水平上顯著為負， 表明機器設備資產占比對生產效率與融資租賃選擇概率的關系具有顯著的調節作用。具體來說， 當裝備制造企業機器設備資產占比較高時， 生產效率越低， 則選擇融資租賃進行融資的概率和強度更大。 表6 第(3） 列和第(4） 列的回歸結果顯示， 房屋建筑物類資產占比real＿estate、 real＿estate 與tfp 的交互項系數均不顯著， 這表明房屋建筑物類資產占比對生產效率與融資租賃決策的關系不具有調節作用。

為進一步驗證低生產效率的裝備制造企業主要通過動產融資渠道來選擇融資租賃融資， 本文利用CSMAR 企業借貸明細項目中的抵押貸款數據進行補充性對照分析。 設置變量collateral (抵押貸款余額/期末總資產） 作為被解釋變量， 利用式(4） 和(6） 進行回歸， 結果見表6 的第(5）列和第(6） 列。 結果顯示， 機器設備資產占比equip 越高， 則企業抵押貸款比率越低， 且equip和tfp 的交互項系數均在10%的置信水平上顯著為正。 這表明當裝備制造企業機器設備資產占比較高時， 生產效率越低， 則抵押貸款融資的比率越低。

綜合表6 各列的實證結果， 可以得出低生產效率水平的裝備制造企業更傾向于選擇融資租賃的作用機制是動產融資渠道， 即相比銀行抵押貸款融資渠道， 裝備制造企業的機器設備類動產更易通過融資租賃方式獲得融資。

5 結論與啟示

本文關注融資租賃這一金融工具， 考察了裝備制造企業生產效率與融資租賃決策的關系。 研究結果表明， 生產效率越低的裝備制造企業選擇融資租賃的概率和強度均顯著增加， 且上述關系在高融資約束樣本中更顯著。 進一步研究后發現，低生產效率水平的裝備制造企業更傾向于選擇融資租賃的作用機制是動產融資渠道， 即相比銀行抵押貸款融資渠道， 裝備制造企業的機器設備類動產更易通過融資租賃方式獲得融資。

本文研究結果表明， 融資租賃作為一種特殊的金融工具， 其資產融資屬性在緩解裝備制造企業融資約束方面能夠發揮獨特的作用。 特別是針對具有專用性的資產， 租賃企業擁有租賃物所有權和較強的資產處置能力， 相比銀行機構更有利于向融資約束的企業提供融資支持。 本文研究結論為企業生產效率水平和獲取外部資金途徑之間的關系提供了新的證據， 這在我國強調金融回歸本源和促進實體經濟發展、 裝備制造業金融支持不足的背景下， 為探討如何利用金融資源和金融工具促進裝備制造業自主創新、 生產效率提升提供了思路。

注釋：

①根據《國民經濟和社會發展統計公報》， 裝備制造業包括金屬制品業， 通用設備制造業， 專用設備制造業， 汽車制造業， 鐵路、船舶、 航空航天和其他運輸設備制造業， 電氣機械和器材制造業， 計算機、 通信和其他電子設備制造業， 儀器儀表制造業。

②來源于本文手工收集裝備制造上市企業應用融資租賃情況的數據。