利率市場化與企業全要素生產率
——一項基于中國人民銀行取消貸款利率上限的準自然實驗

孫建軍 孫 楠

一 引言及文獻概述

黨的十九大報告指出，轉變經濟發展方式必須提高全要素生產率(Total Factor Productivity，簡稱TFP)。改革開放四十多年來，以人口紅利為基礎的高投資、高出口拉動型發展模式促進了經濟高速發展。但隨著中國社會步入老齡化，人口紅利逐漸消失，資本形成和出口即使維持現有水平都已經非常困難(楊汝岱，2015)[1]。并且，一些產業中還存在許多效率極低的僵尸企業，占據了大量的生產要素，造成嚴重的產能過剩，阻礙了中國經濟的發展。TFP作為經濟增長的內生動力，在優化資源配置、調整產業結構以及轉變經濟發展方式等方面發揮著至關重要的作用。因此，在我國經濟發展邁入“新常態”的背景下，現有依托人口紅利的粗放型發展模式必須向依托TFP提升的內生增長模式轉型，使生產要素從產出效率低的產業流向產出效率高的產業，助推中國經濟從高速增長轉向高質量增長。

資源配置效率對TFP的影響是學術界關注的重點。大量研究發現，政府干預過多、要素市場扭曲等原因導致資源配置效率不高，阻礙了TFP的提升。Restuccia和Rogerson(2008)[2]的研究表明，政策不對稱造成的資金錯配導致美國整體經濟TFP大約下降30%。Ziebarth(2012)[3]研究發現美國在1929-1932年經濟危機時期，銀行系統運作失常加劇了資源錯配，從而對整體經濟TFP帶來了負向沖擊。受制于金融市場不夠發達、資本項目開放嚴重滯后等原因，中國仍然具有金融抑制的特征，資源配置效率不高(張杰等，2011)[4]。Hiseh和Klenow(2009)[5]指出，假如中國的資源配置效率可上升至同期美國的水平，制造業TFP將提高30%-50%；若資源完全得到了有效配置，制造業TFP將提高86.6%-115%。但是，Hiseh和Klenow(2009)[5]衡量資源配置效率的前提假設是企業生產規模報酬不變，若假設不成立，該方法所估計的結果可能會產生較大偏差。因此，龔關和胡關亮(2013)[6]進一步放寬了企業規模報酬不變的假設，采用資本邊際產出價值和勞動邊際產出價值來衡量資源配置效率，實證結果顯示，1998-2007年期間，總體資源配置效率改善將促進TFP提升大約20.8%，其中，資本配置效率和勞動配置效率的改善可分別促進TFP提高大約10.1%和7.3%。值得注意的是，金融抑制特征所帶來的資源配置效率低下，使得中國整體TFP水平還非常低。正是如此，TFP水平還有較大的提升空間，這也將成為未來中國經濟持續穩定增長的內生動力(楊汝岱，2015)[1]。

利率管制作為一種典型的金融抑制政策，往往導致資源不能以市場化的方式進行有效配置(譚語嫣等，2017)[7]。根據“金融抑制理論”可知，利率管制尤其是貸款利率上限管制會導致實際利率水平遠低于市場均衡水平。在這一背景下，相對于國有企業，非國有企業由于沒有政府的背書，且缺乏良好的抵押品，使得資金無法配置給風險較高的非國有企業，導致它們普遍面臨融資約束(王紅建等，2018)[8]。對于受融資約束的企業，它們將無法通過研發活動來提高TFP(何光輝和楊咸月，2012)[9]。而隨著利率市場化的不斷推進，金融機構可在中央銀行指定基準利率的基礎上自主決定貸款利率水平，根據資金使用風險調整使用成本，進而通過提高利率的方式將資金配置給風險較高的企業，一定程度上解決了企業融資難的問題(楊箏等，2019)[10]。根據上述分析可知，在利率管制的背景下，資本作為一種重要的生產要素，配置扭曲突出表現為融資約束，阻礙了企業TFP的提升，而利率市場化可通過改善資本配置效率緩解企業融資約束，因此，利率市場化對企業TFP的影響是當前值得探究的一個問題。

利率市場化的理論內涵源于Mckinnon(1973)[11]和Shaw(1973)[12]提出的“金融抑制理論”和“金融深化理論”。該理論認為，只有讓市場決定利率水平，才能正確引導資本流向，從而促進經濟持續平穩增長。因此，早期有關利率市場化對TFP的影響研究主要集中在金融發展是如何通過影響TFP進而促進經濟增長。Calderón和Liu(2003)[13]研究發現，金融發展通過促進TFP增長和資本積累兩種渠道影響經濟增長，但前一種渠道作用更明顯。在此基礎上，Rioja和Valev(2004)[14]進一步研究發現，金融發展通過提升TFP而影響經濟增長僅在發達國家中出現，發展中國家只能通過促進資本積累來促進經濟增長。然而，Kumbhakar和Mavrotas(2005)[15]得出了相反的結論，即對于發展中國家而言，金融發展主要通過提升TFP而促進經濟增長。利率市場化進程中，多數發展中國家逐漸放寬他們所實行的“金融抑制”政策，引起了學術界對利率市場化的關注。近年來，一些研究探討了利率市場化對TFP的影響，初步指出了利率市場化在宏觀層面的作用。Brandt和Zhu(2010)[16]的研究指出，發展中國家的要素市場扭曲現象更為嚴重，導致整體經濟TFP水平較低，但隨著利率管制的逐漸放開，資本要素扭曲程度得以緩解，從而對經濟體TFP產生了正向影響。譚語嫣等(2017)[7]認為，由于利率市場化改革包括取消利率管制的“價格改革”和消除信貸干預的“數量改革”兩方面，應該對此區分研究。雖然紀洋等(2016)[17]提出過該問題，指出利率市場化的價格部分與數量部分對經濟效率的影響并不相同，但未作進一步分析。在此基礎上，譚語嫣等(2017)[7]通過對這兩部分的研究發現，消除信貸干預的數量改革有利于提高經濟整體的TFP，而保持信貸干預僅取消價格管制的改革會降低經濟整體的TFP。此外，現有研究在微觀層面上探討利率市場化對TFP的影響還較少。蔡雯霞和邱悅爽(2018)[18]在探究利率市場化對企業TFP的影響時發現，利率市場化可以通過信貸資源配置的集約邊際效應和擴展邊際效應對上市企業TFP產生積極影響。

綜上可知，當前文獻對資源配置與TFP關系的討論大多測度資源配置不當對TFP的影響，對如何進一步地降低資源配置扭曲程度以提高TFP則較少涉及。在這其中，圍繞利率市場化對TFP影響的研究主要集中于宏觀層面TFP的影響，雖然也有少數學者從微觀層面進行探討，但在選取樣本時，僅使用上市企業數據，而一般來說上市企業的融資約束程度相對較弱，因此得到的結論可能并不具有普適性。

因此，受上述研究的啟發，本文嘗試用更微觀的工業企業數據，實證檢驗利率市場化對TFP的影響。同時為更準確地識別因果關系，選取利率市場化進程中的關鍵事件——2004年放開貸款利率上限這一外生沖擊作為準自然實驗，并基于產權性質差異構造雙重差分模型，實證分析貸款利率上限放開對企業TFP的影響，同時對理論機制進行探索。研究結果表明，貸款利率上限放開能夠顯著提升企業TFP，且替換TFP指標進行穩健性檢驗時也得出相同的結論。機制檢驗發現，貸款利率上限放開可通過緩解融資約束提升企業TFP。

本文可能的邊際貢獻在于：第一，區別于現有大多側重于宏觀層面的研究，本文用微觀的工業企業數據分析利率市場化與經濟增長之間關系；第二，從資本配置扭曲的突出表現，即融資約束視角出發，探究其影響機制，有助于進一步厘清貸款利率上限放開影響企業TFP的重要渠道；第三，在樣本選取上，數據來源于工業企業數據庫，而不僅僅局限于上市企業數據。工業企業數據庫涵蓋了中國所有的國有工業企業和規模以上的非國有工業企業，樣本量非常大。從統計學角度講，大樣本的優勢在于可降低估計的近似偏誤，提高估計效率；第四，本文采用利率市場化進程的沖擊(2004年貸款利率上限放開)作為準自然實驗，以及安慰劑檢驗等方法，較好地處理了內生性問題，使因果識別更加穩健，增強了結果的可靠性。

二 制度背景、理論分析與研究假設

(一)制度背景

利率管制放松一直是我國政府部門和學術界關注的焦點問題之一。在利率管制時期，金融機構往往習慣于被動接受央行統一確定的利率及浮動范圍，尤其是對貸款利率上限的管制，使金融機構在風險定價方面的能力十分有限，導致資金無法得到有效配置(王紅建等，2018)[8]。鑒于此，中國開始了以利率市場化為標志的金融自由化改革實踐。其中，2004年是中國利率市場化進程中的關鍵年份，具有里程碑意義。2004年1月1日，中國人民銀行決定將商業銀行和城市信用社的貸款利率上浮區間擴大至基準利率的1.7倍，將農村信用社貸款利率的上浮區間擴大至基準利率的2倍。同年10月28日，中國人民銀行決定取消金融機構(不包括城鄉信用社)的人民幣貸款利率上限，標志著中國在利率市場化的道路上邁出了重要一步。貸款利率上限放開后，利率的決定權從央行轉移到金融機構，這就意味著金融機構在進行放貸決策時，可采取差別定價的方式為企業提供貸款，特別是當那些風險程度較高但創新潛力較大的企業產生融資需求時，金融機構不再僅僅依賴于行政部門的判斷，而是根據市場的供求關系和金融機構的風險識別，給予更高的利率水平，使貸款利率有效覆蓋風險溢價，從而有利于信貸資源以市場化的手段進行優化配置(巴曙松，2004)[19]。

雙重差分模型被廣泛應用于對外生政策實施效果的評估，當檢驗外部政策沖擊時，雙重差分模型可以控制宏觀外部環境變化，更好地建立因果關系。因此，為緩解利率市場化期間一些宏觀因素的干擾，本文選取2004年貸款利率上限放開這一準自然實驗，使用雙重差分的估計方法進行實證分析。具體而言，貸款利率上限放開是中國人民銀行為實現利率市場化目標、促進金融發展而推出的，并非個別企業為獲取更多金融資源推動人民銀行通過的，因此貸款利率上限放開這一政策沖擊對企業而言具有外生性，可將其視為一次準自然實驗(陳勝藍和馬慧，2018)[20]。其次，在利率管制時期，國有企業由于具有政府的信用背書，可通過低成本的方式獲得大量資金，而非國有企業即使能夠承擔更高的融資成本也無法獲得信貸支持(戰明華等，2013)[21]。貸款利率上限放開后，金融機構可根據貸款的風險成本確定較高的利率以彌補風險溢價，使金融機構借款給非國有企業也有利可圖，所以非國有企業受該政策影響較大，而國有企業本身能夠以較低的利率獲得貸款，該政策對國有企業的影響有限(馬弘和郭于瑋，2016)[22]。本文借鑒楊箏等(2017)[23]、王紅建等(2018)[8]的研究，選取非國有企業為處理組，國有企業為對照組。

(二)理論分析與研究假設

企業一般通過固定資產、存貨及研發投資來提高自身的TFP，一旦這類投資活動受到融資約束，就會對其TFP造成負向沖擊。這是因為當外部融資受阻時，企業只能使用內部資金進行投資(Myers和Majluf，1984)[24]。然而，由于內部現金流通常不穩定，企業在進行投資時容易產生資金斷裂的風險(鞠曉生等，2013)[25]，尤其是對于那些周期較長且收益不確定的研發活動而言，僅僅依靠內源融資無法滿足其所需的巨額投入(任曙明和呂鐲，2014)[26]。因此，較高的融資約束程度將會對企業TFP的提升產生不利影響。融資約束與企業TFP之間的關系也得到了經驗證據的支持，學者們普遍認為外部資金的支持有利于企業TFP的提升，而融資約束通常對企業TFP帶來負向沖擊。Gatti 和 Love(2008)[27]運用比利時企業的截面數據檢驗了信貸可得性對TFP的影響，研究顯示信貸支持對企業TFP具有顯著正面影響。Badia和Slootmaekers(2009)[28]利用愛沙尼亞企業數據進行研究時發現，融資約束顯著降低了研發類企業TFP的增長。中國的情況亦是如此，Ayyagari et al.(2010)[29]認為，盡管中國正規金融體系發展不夠完善，且企業主要依靠內源融資，但從正規金融機構融資有利于企業TFP的增長。何光輝和楊咸月(2012)[9]的研究顯示，在制造業上市企業中，外部融資約束顯著抑制了民營企業TFP的增長。

在中國資本市場尚不發達的背景下，只有少數優質企業能夠在證券市場上進行直接融資(孫靈燕和李榮林，2012)[30]，因此，銀行主導的金融體系決定了間接融資是中國企業獲取外部資金的主要方式(楊箏等，2019)[10]。然而，利率管制尤其是貸款利率上限管制會導致實際利率水平遠低于市場均衡水平，從而引發銀行信貸資源在企業間的配置失衡。具體而言，由于銀行的利率水平調整范圍有限，導致其在放貸決策中無法進行差別化定價，這就意味著銀行無法通過提高利率的方式為風險較高的企業發放貸款，使得這類企業很難獲取外部資金的支持(陳勝藍和馬慧，2018)[20]。貸款利率上限放開賦予了銀行自主定價權，即銀行可根據資金使用風險調整使用成本，通過提高貸款利率的方式為風險較高的企業配置資金，一定程度上緩解了企業融資難的問題(王東靜和張祥建，2007)[31]。根據上述分析可知，貸款利率上限放開后，銀行可通過差別化定價的方式為企業提供資金，從而增加了企業的貸款可得性。當企業獲得外部資金后，便可啟動周期較長、風險較大但收益很高的研發項目，進而有助于TFP的提升?；谏鲜鲇懻?，本文提出以下假設：

H1：貸款利率上限放開對企業TFP具有正面影響。

H2：貸款利率上限放開可以通過緩解融資約束提升企業TFP。

三 研究設計

(一)數據來源與處理

本文使用的數據來自中國工業企業數據庫，該數據庫由國家統計局建立，全稱為“全部國有及規模以上非國有工業企業數據庫”。這里的“工業”統計口徑包括“國民經濟行業分類”中的“采掘業”、“制造業”以及“電力、燃氣及水的生產和供應業”三個門類，其中制造業占比達90%以上?！耙幠Ｒ陨稀币笃髽I每年的主營業務(即銷售額)在500萬元及以上，2011年該標準改為2000萬元及以上。該數據庫的優勢在于樣本量非常大，指標非常多。但也存在樣本匹配混亂、變量定義模糊等嚴重問題(聶輝華等，2012)[32]。本文采取與聶輝華等(2012)[32]相同的步驟對初始數據進行了處理，最終得到1998-2014年3340000個企業-年度觀測值構成的初始樣本。

(二)變量選取

1.被解釋變量

本文選取的被解釋變量為企業TFP。TFP通常被定義為技術進步等無形要素投入對產出增長的貢獻程度，它也是衡量企業生產率的重要指標(Renzo，2008)[33]。常用的企業層面TFP估計方法有索洛殘差法(SR)、個體固定效應法(IFE)、OP法以及LP法。在估計TFP之前，需要設定生產函數形式。根據魯曉東和連玉君(2012)[34]的研究，假設企業生產函數形式為Cobb-Douglas生產函數：

(1)

式(1)中，Yi, t、Li, t、Ki, t分別代表企業i在時間t的產出、勞動和資本。TFP為扣除有形生產要素貢獻后剩余的生產率水平，因此eai, t代表企業TFP。為了估計方便，對式(1)的兩邊取對數：

lnYi, t=αlnKi, t+βlnLi, t+ai, t

(2)

針對同時性偏差，個體固定效應法(IFE)假設企業自身決策跨時不變，僅因企業而異，即影響企業決策的那部分可觀測TFP不隨時間變化，那么在上述方法的基礎上引入個體固定效應則可解決同時性偏差問題(魯曉東和連玉君，2012)[34]。然而，該方法只考慮跨個體的變化，而忽略了時間變化所帶來的大量信息。針對個體固定效應法存在的問題，Olley和Pakes(1996)[36]提出了新的估計方法，即OP法。該方法假定企業會根據當前生產率狀況作出投資決策，因而選用當期投資作為企業可觀測TFP的代理變量，從而解決了同時性偏差問題。不僅如此，OP法還借用貝爾曼(Bellman)方程設計了一個生存概率函數，來估計企業的進入和退出，有效地控制了樣本選擇偏差。但由于存在較大的調整成本，大量企業在當期可能并沒有投資行為，這意味著它們在樣本中會被舍棄。針對這個問題，Levinsohn和Petrin(2003)[37]發展了一種新的TFP估計方法，即LP法。該方法認為，從數據角度出發，中間投入更易獲得，因此用中間投入替換當期投資作為企業可觀測TFP的代理變量進行估計，很大程度上提高了可用樣本數目。本文首先以索洛殘差法(SR)計算企業TFP進行基準回歸分析，再分別用個體固定效應法(IFE)、OP法和LP法的計算結果進行穩健性檢驗。

2.核心解釋變量

在核心解釋變量設計中，本文根據產權性質的不同將企業分為非國有企業和國有企業，并選取非國有企業為處理組，國有企業為對照組。這是因為國有企業承擔了過多的政策性負擔(林毅夫和劉培林，2001)[38]，政府通常會以國家信用的形式為其提供隱性擔保，使其能以較低的貸款利率獲得大量資金；而信息成本和違約風險相對較高的非國有企業即使能夠承擔更高的債務融資成本也難以獲得信貸支持，即所謂的“信貸歧視”(陸正飛等，2015)[39]。但是，2004年貸款利率上限放開政策實施后，金融機構可根據企業的違約風險確定較高的利率以彌補風險溢價，從而有利于非國有企業獲取信貸配給(楊箏等，2017)[23]，因此該政策對非國有企業產生了較大影響；而此時國有企業因具有政府信用背書的特征而受到貸款利率政策改變的影響有限，仍然能以較低的利率獲得貸款(馬弘和郭于瑋，2016)[22]。同時，企業的產權性質并不會因貸款利率政策的實施而改變，即產權性質的決定外生于貸款利率管制放開。根據上述分析可知，2004年實施的貸款利率上限放開政策對國有企業與非國有企業的影響存在顯著不同。因此，借鑒楊箏等(2019)[10]以及王紅建等(2018)[8]的研究，本文選取非國有企業為處理組，國有企業為對照組，并構造貸款利率上限放開虛擬變量(Post2004)與非國有企業虛擬變量(Nonstate)的交互項，以捕捉貸款利率上限放開對企業TFP的影響。其中，Post2004表示貸款利率上限虛擬變量，即2004年之后取值為1，否則取值為0；Nonstate表示非國有企業虛擬變量，即當企業為非國有企業時取值為1，否則取值為0。

3.控制變量

參照企業全要素生產率的相關研究，本文選取的控制變量主要包括企業年齡、企業規模、資本勞動比、凈營運資本、資產負債率、管理水平、償債能力以及出口，同時還控制了年度、行業和地區效應(周黎安等，2007[40]；李春頂，2010[41]；劉維剛等，2017[42]；孫曉華和王昀，2014[43])。

(三)模型設定

1.平行趨勢檢驗模型設定

使用雙重差分估計方法的前提之一是處理組和對照組在政策實施之前滿足平行趨勢假設。因此，本文借鑒Roberts和Whited(2013)[44]的方法，設定如下模型進行平行趨勢檢驗：

Yi, t=α0+α1before3i, t+…α3before1i, t+α4after1i, t+…α10after7i, t+φt+φs+φl+εi, t

(3)

其中，i表示企業，t表示年份。Yi, t為企業i在t年的全要素生產率。before和after表示政策實施前與實施后年份虛擬變量與處理組(非國有企業)虛擬變量的交互項，比如before3i, t表示若觀測值是受到政策沖擊前第1年的數據，則該變量取值為1，否則取值為0；after1i, t表示若觀測值是受到政策沖擊后第1年的數據，該變量取值為1，否則取值為0，其中，φt、φs、φl分別為年度、行業和地區固定效應。

2.雙重差分模型設定

2004年貸款利率市場化改革是金融自由化改革的重要內容，其目的是建立金融機構的市場化資金配置機制，提高資金配置效率，它并不由一些企業特征所決定。因此，貸款利率上限放開的政策沖擊對企業而言具有外生性，進而為本文提供了天然的實驗場所。同時，由于該政策對非國有企業和國有企業的影響程度有顯著差異，從而為本文提供了良好的處理組(非國有企業)和對照組(國有企業)。為了準確識別利率市場化對企業TFP的影響，本文利用2004年貸款利率上限放開這一準自然實驗，構造含有非國有企業虛擬變量與貸款利率上限放開虛擬變量交互項的DID模型，并選取可能影響企業TFP的控制變量。其中，模型的交互項是本文關注的重點，其系數即為貸款利率上限放開對企業TFP的影響。具體模型如下：

Yi, t=β0+β1Post2004t+β2Nonstatei, t+β3Nonstatei, t×Post2004t+

∑βj+3Controli, t+φt+φs+φl+εi, t

(4)

其中，Post2004t表示貸款利率上限放開的虛擬變量，即2004年之后取值為1，否則取值為0。Nonstatei, t×Post2004t為非國有企業虛擬變量與貸款利率上限放開虛擬變量的交互項。本文選取的控制變量為企業年齡(AGE)、企業規模(SIZE)、資本勞動比(KL)、凈營運資本(LIQUID)、資產負債率(LEV)、管理費用(MAN)、償債能力(DEBT)以及出口(EX)，其它變量在式(3)中均有說明，相關變量的具體定義詳見表1。根據研究假設，系數β3為待檢驗系數，若β3顯著為正，表明貸款利率上限放開能夠提高企業TFP，支持假設H1。

表1 變量的具體定義

(四)描述性統計

表2是變量的描述性統計結果。從表2中可以看出，TFP的最大值為11.41，最小值為-8.58，均值為3.21，樣本企業TFP存在較大差異。從Nonstate變量看，有70%的企業為非國有企業?？刂谱兞恐校兞縇IQUID和DEBT的波動性非常大，表明不同企業的償債能力差別較大。此外，變量LEV的均值為171.94，符合中國整體企業杠桿率過高的背景。不僅如此，本文將樣本分為國有企業(State)和非國有企業(Nonstate)后發現，無論是國有企業還是非國有企業杠桿率的均值都非常高，并且國有企業杠桿率的均值遠高于非國有企業。

表2 主要變量的描述性統計

四 實證結果

(一)基準回歸結果

1.平行趨勢檢驗結果

首先對式(3)進行估計，檢驗處理組和對照組在政策沖擊之前是否具有平行趨勢。圖1顯示了式(3)中before3i, t到after7i, t的回歸系數及置信區間的估計結果。從圖1可以看出，貸款利率上限放開政策實施前的系數都不顯著異于0，表明處理組(非國有企業)與對照組(國有企業)在政策實施前不存在顯著差異，平行趨勢檢驗得到滿足。而政策實施后的系數均顯著不為0，說明處理組和對照組在政策沖擊后出現了顯著差異，這進一步驗證了本文選取對照組與處理組的合理性。

圖1 平行趨勢檢驗

2.雙重差分回歸結果

表3為采用索洛殘差法(SR)衡量企業TFP的回歸結果。從中可以發現：首先，表3列(1)未加入控制變量的結果顯示，交互項Nonstate×Post2004估計系數為1.0760，且在1%的水平下顯著，說明貸款利率上限放開顯著提高了企業TFP；其次，在加入控制變量，且依次控制年度、行業和地區變量時，交互項Nonstate×Post2004估計系數均在1%的水平下顯著為正。綜合來看，表3的估計結果支持了研究假設H1，即貸款利率上限放開顯著提升了企業TFP。

控制變量中，企業年齡對TFP有顯著負效應，表明隨著時間推移，多數企業在經營過程中“因循守舊”，不注重研發創新，未提升全要素生產率；企業規模對TFP有顯著正效應，即企業規模越大TFP越高?！靶鼙颂丶僬f”認為，小企業的創新效率不高，而隨著規模的擴大，企業引進先進設備和技術型人才，進而促進TFP的提高；中國出口企業TFP可能比非出口企業更低，該結果與Lu(2010)[45]提出的“出口企業生產率之謎”相一致。“出口企業生產率之謎”是指，一系列經驗和理論研究發現，幾乎所有國家的出口企業TFP顯著高于非出口企業(Melitz，2003[46]；Bernard et al.，2003[47]；Kimura和Kiyota，2006[48])，而中國企業的情況恰恰相反，即出口企業的TFP顯著低于非出口企業，故稱為“生產率之謎”。其原因可能是中國進出口貿易中，加工貿易占據了一半的份額，這些加工貿易企業利用廉價的勞動力資源，為國外產品“貼牌”生產，從而拉低了中國出口企業整體的TFP均值水平(李春頂，2010)[41]。

表3 貸款利率上限放開與企業TFP

注：***、**、*分別表示在1%、5%、10%水平顯著，括號內為t值。

(二)機制檢驗

如前所述，貸款利率上限放開影響企業TFP的關鍵環節在于融資約束。因此，本文參考Baron和Kenny(1986)[49]的方法，在式(4)的基礎上構建式(5)和式(6)，即中介效應模型，以考察貸款利率上限放開對企業TFP的影響機制。其中，借鑒于洪霞等(2011)[50]的研究，本文使用經企業銷售收入調整后的應收賬款額，即應收賬款額占銷售收入比例(AR)作為企業融資約束的測量指標，其它變量定義與式(4)一致。具體形式如下：

ARi, t=ρ0+ρ1Post2004t+ρ2Nonstatei, t+ρ3Nonstatei, t×Post2004t+

∑ρj+3Controli, t+φt+φs+φl+εi, t

(5)

Yi, t=γ0+γ1Post2004t+γ2Nonstatei, t+γ3Nonstatei, t×Post2004t+γ4ARi, t+

∑γj+4Controli, t+φt+φs+φl+εi, t

(6)

表4為機制分析的回歸結果，列(1)～列(3)分別為式(4)～式(6)的估計結果。表4列(1)顯示，貸款利率上限放開顯著提高了企業TFP；列(2)中，交互項Nonstate×Post2004系數為負，表明貸款利率上限放開緩解了企業融資約束；列(3)回歸結果中，變量AR的系數仍然顯著，而交互項Nonstate×Post2004的系數變小。根據經典中介效應模型，這說明貸款利率上限放開確實可通過緩解融資約束提升企業TFP，驗證了假設H2。

表4 影響機制分析：融資約束的中介效應

注：***、**、*分別表示在1%、5%、10%水平顯著，括號內為t值。

五 穩健性檢驗

(一)替換被解釋變量衡量指標

如上文所述，企業TFP存在多種估計方法，因此本文分別使用個體固定效應法(IFE)、OP法以及LP法重新估計企業TFP，以此作為被解釋變量進行回歸分析，具體結果見表5。表5顯示，貸款利率上限放開對這三類方法所估計的企業TFP均在1%水平上有顯著正向效應，且具體數值與基準回歸估計值相差不大。由此可見，不同測算方法的選擇，并沒有影響本文關于貸款利率上限放開對企業TFP影響的分析。

表5 穩健性檢驗：使用企業TFP的替代指標

(續上表)

變量(1)TFP_IFE(2)TFP_OP(3)TFP_LP時間YesYesYes行業YesYesYes地區YesYesYesN219552521955252195525R20.124 0.108 0.104

注：***、**、*分別表示在1%、5%、10%的水平顯著，括號內為t值。

(二)安慰劑檢驗

為了更好地說明貸款利率上限放開對企業TFP的影響的確是由2004年貸款利率上限放開政策所致，本文將貸款利率上限放開這一外生政策往前移一年，即假定貸款利率上限放開政策實施年份為2003年，并基于產權性質隨機選擇處理組和對照組，構造交互項來進行安慰劑檢驗。表6的檢驗結果顯示，無論是否加入控制變量，關鍵變量Nonstate×Post2003的系數均不顯著，間接說明確實是2004年貸款利率上限放開對企業TFP產生了影響，安慰劑檢驗基本通過。

表6 安慰劑檢驗

(續上表)

變量(1)TFP(2)TFP(3)TFP(4)TFPMAN-0.0004???-0.0004???-0.0004???(-7.90)(-8.00)(-7.99)EX-0.0515???-0.0442???-0.0535???(-35.36)(-30.10)(-35.74)常數項3.2083???1.8331???1.8200???1.7952???(3637.83)(327.86)(283.60)(251.31)時間NoYesYesYes行業NoNoYesYes地區NoNoNoYesN3145746219693121969312196931R20.001 0.059 0.078 0.104

注：***、**、*分別表示在1%、5%、10%的水平顯著，括號內為t值。

六 結語及政策含義

本文以1998-2014年中國工業企業數據庫中全部國有和規模以上非國有企業為樣本，選取利率市場化進程中的關鍵事件——2004年放開貸款利率上限這一外生政策變化作為準自然實驗，并基于產權性質差異構建雙重差分模型，實證檢驗了貸款利率上限放開對企業TFP的影響。結果表明，貸款利率上限放開顯著提升了企業TFP?？紤]到TFP的測度有許多種方法，本文采用目前主流的方法，即個體固定效應法、OP法和LP法重新測度TFP，以此進行穩健性檢驗，檢驗結果均支持前文的基本結論。此外，本文還進一步采用機制檢驗的方式考察了貸款利率上限放開影響企業TFP的潛在路徑。檢驗結果表明，貸款利率上限放開會通過緩解融資約束進而提升企業TFP。

本研究政策含義：第一，中國經濟進入高質量發展階段，依靠粗放型增長方式難以推動經濟持續穩定發展，必須轉向依托TFP提升的內生增長模式。本文的研究結果顯示，貸款利率上限放開對企業TFP產生了正向影響。因此，未來中國應進一步加快利率市場化進程，以優化金融資源配置，從而促進TFP的提升，實現經濟的可持續發展；第二，雖然利率市場化改革賦予了金融機構自主決定貸款利率水平的定價權，但監管部門也應對金融機構的利率定價行為予以監督，防止出現金融機構不合理定價，進而導致資金供求不平衡的情況；第三，本文進一步探討了貸款利率上限放開影響企業TFP的中介機制——融資約束，這有利于更好地理解企業由于信貸歧視所面臨的融資困境，雖然利率市場化在一定程度上可緩解由于信貸歧視導致的資源錯配問題，但中國在未來不僅需要繼續推進利率市場化進程，發揮利率在信貸資源配置中的積極作用，還需從根本上消除信貸歧視，營造一個公平、競爭的融資環境；第四，在銀行主導的金融體系下，我國企業的直接融資占比還非常小，并且大型國有銀行的壟斷地位使得銀行業缺乏競爭性，難以達到最優的資源配置狀態。因此，為了更好地服務于實體經濟，中國還需進一步深化金融體系結構性改革，以優化資金配置效率，促進TFP的提高。首先，從融資結構上看，有關部門應加大政策支持力度，提升股權融資、債券融資比重，尤其應鼓勵那些創新效率較高的成長型企業擴大直接融資規模；其次，從銀行業結構上看，我國應打破大型國有銀行的壟斷地位，引導中小銀行發展，提升銀行間的競爭程度，從而拓寬優質中小企業的融資渠道，以滿足不同群體的融資需求。