產業政策、正規金融融資與企業產能利用率

（大連理工大學經濟管理學院，大連 116024）

引 言

作為一種常用的宏觀經濟政策，產業政策被世界各國廣泛的運用到經濟發展中。產業政策可以增強溢出效應和解決市場失靈問題[1，2]，但是受制于市場環境或制度安排也有可能出現束縛經濟發展的情況[3，4]。因此，在現階段考察產業政策的實際效果對于制定宏觀和微觀經濟的決策均具有重要意義。如何將國家宏觀政策落實到微觀層面，緩解中國式產能過剩成為了學界和實務界關注的重要話題。政府干預對銀行信貸資金配置有著重要的影響，作為政府干預經濟的一種手段，產業政策扶持一定程度上能夠為企業帶來更多的正規金融融資，從而緩解企業的融資約束[5-7]。然而，這種基于產業政策扶持的信貸支持資源配置的效率性尚有待考證。

本文從微觀企業的產能利用率視角檢驗產業政策對實體經濟的影響，考察了基于產業政策的信貸支持資源配置的效率性。

本文可能存在的貢獻如下：（1）本文從企業正規金融融資的視角表明，產業政策在企業融資活動中可以發揮積極作用，支持了Czarnitzki和Hottenrot[5]、 Byrd 和 Mizruchi[6]的觀點。 產業政策扶持會為企業帶來更多的信貸支持，這一發現為企業解決融資問題提供了一個新的視角，同時也豐富了緩解企業融資約束問題方面的研究；（2）本文利用產業政策這個外生事件考察政府干預對企業產能利用率的影響，對林毅夫、周黎安等的企業產能過剩影響因素方面的文獻起到了一定的豐富作用[8，9]；（3） 本文從企業產能利用率的角度考察了基于政府產業政策扶持的信貸支持在資源配置方面的效率性，本文豐富了新興資本市場國家政府干預文獻體系，也具有一定的政策意義。

1 理論分析與研究假設

產業政策對企業債務融資來源的影響主要體現為資源引導效應。為了實現預期的產業發展目標，政府往往會采取經濟手段、行政手段來推進產業政策的落地，如信貸政策、土地政策、稅收政策、財政補貼政策。我國金融體系主要以大型國有商業銀行為主，政府干預對銀行信貸資金配置有著重要的影響。政府通過貸款行政審批、項目審批和核準來引導信貸資金的投向，為產業政策支持的企業進行金融資源的配給輸送或放松金融管制。另外，央行會結合國家的產業政策形成信貸政策工作意見下發給各銀行業金融機構，切實發揮信貸政策導向，使其服務于國家的產業結構調整戰略。在央行的窗口指導下，銀行業金融機構會調整貸款重點投向和貸款變動數量，以保證產業政策扶持行業發展的資金需要。因此，本文認為產業政策的資源引導效應可以幫助受產業政策扶持企業獲得更多的銀行信貸資源。同時，銀行信貸融資還可以給企業帶來抵稅效應，而非正規金融融資卻不具有這個效應，因此企業會選擇銀行信貸等正規融資來源。基于此，產業政策會對企業的債務融資來源產生重要影響，本文提出如下研究假設：

假設1：相對于未受到產業政策扶持的行業企業而言，受到產業政策扶持的行業企業的正規金融融資更多。

周業樑和盛文軍認為，由于地方政府存在通過創造更多生產能力促進GDP增長的動機，因此政府參與產業投資的沖動是我國產能過剩的重要原因[10]。林毅夫指出，由于存在后發優勢，發展中國家的企業很容易對下一有前景的產業產生共識，在投資上出現 “潮涌現象”，由此導致產能過剩[8]。江飛濤等發現，體制扭曲背景下政府對企業投資的補貼性競爭是導致產能過剩的主要原因[11]。由此可見，政府的行為對企業的產能利用率具有很大影響。政府的產業政策在為企業提供資金便利的同時也會加劇企業的產能過剩問題，基于此，本文提出假設2：

假設2：由于產業政策扶持所獲得的正規金融融資會降低企業產能利用率。

2 研究設計

2.1 樣本數據

本文以2000～2018年為時間窗口，以A股上市公司為研究對象，剔除了ST公司、數據缺失公司、金融行業公司和財務數據異常公司，最終得到33154個公司年度觀測樣本。產業政策數據為作者從 “五年規劃”中手工整理獲得，公司財務、治理數據來自于CSMAR數據庫。本文對所有連續型變量進行了Winsorize處理。

2.2 變量選擇與定義

產能利用率（CU）：本文采用余淼杰等的研究方法計算得出，體現了企業投入轉化為最終產出的總體效率[12]。該指標為反向指標，值越小表明產能過剩程度越小，產能利用率越高。正規金融融資（Formal）：本文采用（發行債券收到的現金+取得借款收到的現金-償還債務支付的現金）／總負債來表征。產業政策扶持（IP）：本文根據 “五年規劃”中相關行業的發展規劃來確定企業是否屬于受產業政策所支持的行業，若屬于則產業政策（IP）取值為1，否則為0。控制變量：本文參考祝繼高等[13]、 Rodano 等[14]的類似研究，主要選取了如下的控制變量：企業規模（Size），總資產的自然對數；盈利能力（ROE），凈資產收益率；成長能力（Growth），營業收入增長率；資產抵押擔保能力（FA），固定資產／總資產；流動比率（Cur），流動資產／流動負債；現金流量（CF），經營活動現金流凈值／總資產；董事會規模（Bsize），董事會人數的自然對數；獨董比率（PID），獨董人數／董事會人數；監事會規模（Ssize），監事會人數的自然對數；股權集中度（Top1），第一大股東持股比例。

2.3 模型設計

為了檢驗產業政策對企業正規金融融資的影響，本文構建了如下檢驗模型：

其中，Formalit為i公司在t年的正規金融融資；IPit為i公司在t年的產業政策扶持情況，受到產業政策扶持則取值為1，否則為0；其他控制變量如前所述。

本文建立了如下模型來衡量產業政策扶持引發的信貸支持對企業產能利用率的影響：

其中，CUit為i公司在t年的產能利用率；Formalit為i公司在t年的正規金融融資；IPit為i公司在t年的產業政策扶持情況，受到產業政策扶持則取值為1，否則為0；其他控制變量如前所述。

3 實證結果與分析

3.1 描述性統計分析

表1為本文主要變量的描述性統計結果。從表中的結果可知，產能利用率（CU）的均值為0.011，中位數為-0.006；最小值為-0.838，最大值為0.908，標準差為0.286；可以發現，上市公司的產能利用率整體看來還有待提高。產業政策扶持（IP）變量的均值為0.490，中位數為0，可以發現，樣本中獲取產業政策支持的公司約占了50%。正規金融融資（Formal）的均值為0.016，中位數為0.003；最大值為0.525，最小值為-0.976，標準差為0.212，由此可見上市公司的融資能力和金融融資情況存在較大的差異。

表1 變量的描述性統計分析結果

3.2 單因素分析

本文采用T檢驗和Wilcoxon Z檢驗來考察不同產業政策扶持樣本組之間變量的差異。表2展示的單變量分析結果顯示：正規金融融資（Formal）變量在無產業政策扶持的樣本中均值為0.202，而在有產業政策扶持的樣本中均值為0.220，且這種差異在0.01的水平上顯著。Wilcoxon Z檢驗的結果得到的結論與此一致：正規金融融資（Formal）變量的中位數在無產業政策扶持的樣本中為0.160，而在有產業政策扶持的樣本中為0.183，且這種差異在0.01的水平上顯著。這表明，與未受產業政策扶持的公司相比，受到產業政策扶持的公司所獲得的正規金融融資更多，更易受到信貸支持。產能利用率（CU）變量在無產業政策扶持的樣本中均值為0.016，而在有產業政策扶持的樣本中均值為0.006，可見在無產業政策扶持樣本組中公司的產能利用率更高，且這種差異在0.01的水平上顯著。同理，根據Wilcoxon Z檢驗的結果，產能利用率（CU）變量在無產業政策扶持的樣本中中位數為0.008，而在有產業政策扶持的樣本中中位數為0.004，且這種差異在0.01的水平上顯著。與未受產業政策扶持的樣本相比，受到產業政策扶持的樣本正規金融融資更多、產能利用率更低。

表2 基于產業政策的單因素分析結果

3.3 主檢驗回歸結果

表3匯報了主檢驗的回歸結果。其中，列（1）和列（2）為產業政策影響企業正規金融融資的回歸結果。可以看出，在T期，產業政策IP與企業正規金融融資Formal的回歸系數為0.009和0.004，且在1%的水平上顯著。由此可以說明，相對于沒有產業政策扶持的企業而言，受到產業政策扶持企業的正規金融融資水平更高，基本證實了本文的研究假設1。考慮到產業政策對企業正規金融融資的影響可能存在一定的滯后效應，本文還考察了產業政策對T+1期的企業正規金融融資的影響。在T+1期，產業政策IP與企業正規金融融資Formal的回歸系數為0.004，且在10%的水平上顯著，與前文保持一致。列（3）和列（4）匯報了基于產業政策扶持的信貸支持對產能利用率的影響。與前述一致，我們匯報了從T期到T+1期的回歸結果。可以發現，交乘項IPit×Formalit的回歸系數在T期和T+1期分別為-0.012和-0.037；且于T期在5%的水平上顯著，于T+1期在1%的水平上顯著。這表明產業政策扶持為企業帶來更多信貸支持的同時也降低了企業的產能利用率。本文的研究結論還具有如下的經濟意義：相對于未受到產業政策扶持的企業而言，受到產業政策扶持的企業產能利用率降低了約3.7%，本文的假設2得以驗證。

表3 主檢驗回歸結果

3.4 內生性測試

受到產業政策扶持的企業會獲得更多的正規金融融資。為了排除內生性問題對這一結論的影響，本文借鑒余明桂等的研究[15]，設置如下模型：

其中，Post用來表示 “五年規劃”變更事件時間，事件沖擊的時間為 “十一五”規劃實施的年度。當產業一直受到產業政策扶持時，IP賦值為1，否則為0。

其中，CU為企業的產能過剩程度。交乘項的回歸系數是關注的重點，若其顯著為負，則表明上文基于產能利用率視角的回歸結果未受到內生性的干擾。從表4的結果可知，交乘項IP×Post、IP×Post×Formal的回歸系數均顯著為負，這與前文的研究結論一致。可見，在采用雙重差分模型進行檢驗后，本文的結論仍然成立。

表4 雙重差分模型的回歸結果

3.5 穩健性檢驗

（1）更換變量的計量方法。為了增強結論的穩健性，本文用省級產業政策扶持變量替換產業扶持（IP），并引入省級產業政策扶持與正規金融融資的交乘項，對基本模型進行回歸，得到了與前述一致的結論。另外，本文采用LP方法計算得出企業全要素生產率，以此來衡量企業的產能利用狀況，該指標越大，說明企業的生產效率越高，產能過剩情況越輕。以此為基礎進行回歸后，基于產業政策扶持的信貸支持與產能利用率依然顯著負相關。可見，本文的研究結果未受到更換計量方法的影響。

（2）控制宏觀因素的影響。要準確地分析產業政策所帶來的微觀經濟后果，需要考慮宏觀因素的影響。因此本文借鑒連立帥等的方法[16]，在基本模型中控制了廣義貨幣增長率和衡量經濟發展水平的國內生產總值增長率，在此基礎上進行回歸。所得結果與前文一致，限于篇幅不再贅述。

4 產業政策經濟后果的異質性分析

4.1 產業政策的異質性分析

為了實現國家戰略意圖，國家 “五年規劃”會重點扶持一些產業，這就會導致這些受到重點扶持的產業能獲得更多的資源和政策傾斜。因此，本文參考陳冬華和姚振曄的做法[17]，對產業政策進行了進一步細化，識別出產業政策中重點扶持的行業企業（KIP），以進行產業政策扶持經濟后果的異質性分析。通過對產業政策進行文本分析，當某行業談及 “大力發展”、“大力推進”、“大力扶持”、“大力培育”、“重點扶持”、“重點發展”、“重點抓好”、“重點開發”、“重點培育”、“做大做強”、“著力抓好”、“做大做強”、“重點建設”等時，若企業受到產業政策重點扶持，此時KIP取值為1，否則為0。為了檢驗不同支持力度的產業政策引發的信貸支持對企業產能利用率的影響，本文引入產業政策重點扶持（KIP）與正規金融融資（Formal） 的交乘項KIP×Formal，并設置如下回歸模型：

其中，CU為企業的產能利用率；KIP為企業是否受到產業政策重點扶持；其他控制變量含義如前所述。表5的列（1）和列（2）展示了模型（5）的回歸結果。從回歸結果中可知，交乘項KIPit×Formalit在T期和T+1期的回歸系數分別為-0.019和-0.024，并于T+1期在5%的水平上顯著。這表明，基于產業政策扶持的信貸支持與產能利用率之間具有顯著負相關的關系，而產業政策重點扶持將會增強這種負相關關系。

4.2 外部環境的異質性分析

為了檢驗在不同外部環境下，基于產業政策扶持的信貸扶持對企業過度投資、過度生產、庫存積壓等行為的影響，本文在基本回歸模型中控制了外部環境的變量市場化程度（Mar），具體由經濟的貨幣化程度，即廣義貨幣占國內生產總值的比率計算得出。在此基礎上引入交乘項IPit×Formalit×Marit，控制變量的含義如前文所述。企業的市場化程度（Mar）越高，則其對價格機制的敏感度就越高，有利于企業獲得最大化的利潤，降低政府配置資源的高昂成本。因此，本文預期企業市場化程度越高，基于產業政策扶持的信貸扶持導致的相對低下的資源配置效率對其影響越小，即市場化程度將會緩解產業政策扶持引發的信貸支持資源配置效率低下的問題。模型設計如下：

其中，CU為企業的產能利用率；Mar為企業的市場化程度；其他控制變量的定義如前所述。表5的列（3）和列（4）匯報了模型（6）的回歸結果。可以發現，交乘項IPit×Formalit×Marit在T期和T+1期的回歸系數分別為0.003和0.008，且均在5%的水平上顯著。這說明，企業的市場化程度能夠削弱產能利用率與基于產業政策的信貸支持之間的負相關關系，企業的市場化程度越高，產業政策引發的信貸支持對企業產能利用率的影響越小；企業市場化程度會減輕產業政策引發的信貸支持資源配置效率低下的問題。

表5 基于重點扶持和外部環境的異質性分析

4.3 企業特征的異質性分析

（1） 產權性質

我國金融體系存在著嚴重的 “所有制歧視”，在國家產業政策的指引下金融資源的配置是否還會存在 “所有制歧視”？前文研究得出產業政策扶持會使得企業更容易獲得正規金融融資，那么產業政策的這種溢出效應會不會因企業性質而異呢？因此，在考察基于產業政策扶持的信貸支持所進行的資源配置效率時，應考慮企業性質的影響。具體地，以產能利用率為視角，進行基于產權性質的異質性分析，設置模型如下：

其中，CU為企業的產能利用率；SOE為i公司在t年的產權性質，當企業為國有企業時SOE為1，否則為0；其他控制變量的定義如表1所示。表6的列（1）和列（2）展示了模型（7）的回歸結果。可以看出，交乘項IPit×Formalit×SOEit在T期和T+1期的回歸系數分別為-0.029和-0.078，且均在5%的水平上顯著。這說明，基于產業政策的信貸支持與產能利用率的負相關關系在國有企業中更加顯著，即在國有企業中，產業政策引發的信貸支持更易造成產能利用率降低的情況，產業政策引發的信貸支持資源配置效率低下的情況更明顯。

（2） 政治關聯

在研究產業政策扶持為企業帶來的信貸支持所進行的資源配置效率檢驗時，政治關聯是需要考慮的重要因素。同樣受到產業政策扶持的企業，由于其政治關聯不同，產業政策扶持所帶來的信貸扶持可能存在差異。因此，本文將企業是否具有政治關聯（PC）納入研究中。具體地，為了考察政治關聯對以產能利用率為視角的產業政策經濟后果的影響，引入政治關聯（PC）與基于產業政策扶持的信貸支持的交乘項IPit×Formalit×PCit，設置如下模型：

其中，CU為企業的產能利用率；PC為企業是否具有政治關聯，當企業具有政治關聯時PC為1，否則為0；其他控制變量的定義如表1所示。表6的列（3）和列（4）匯報了模型（8）的回歸結果。結果顯示，交乘項IPit×Formalit×PCit在T期和T+3期的回歸系數分別為-0.078和-0.116，且均在1%的水平上顯著。由此可以說明，在具有政治關聯的企業中產業政策引發的信貸資源配置效率更低。

表6 基于產權性質和政治關聯的異質性分析

5 研究結論

產業政策是國家意志的體現，反映了國家產業調整和升級的戰略意圖，對企業微觀行為產生重要的影響。本文以2000～2018年中國滬深A股33154個公司年度觀測樣本為研究對象，考察了產業政策扶持與企業正規金融融資的關系，并從企業的產能利用率視角探討了基于產業政策扶持的信貸支持所進行的資源配置效率問題。在此基礎上從企業產權性質、政治關聯、外部環境差異等方面做了一系列異質性分析。研究結論表明：受到產業政策扶持的企業更容易受到信貸支持，從而持有大量現金，而這種基于產業政策扶持的信貸支持會使企業的產能利用率下降，即基于產業政策扶持的信貸支持所進行的資源配置效率是有待提升的。該結論在控制內生性問題之后依然穩健。異質性分析結果表明，基于產業政策扶持的信貸支持所進行的資源配置效率相對低下問題在受到產業政策重點扶持的企業、國有企業和具有政治關聯的企業中更為明顯，而這種作用對市場化程度較高的企業影響相對較小。本文的研究豐富了產業政策扶持經濟后果方面的文獻，也具有一定的政策意義，企業和金融機構應當注重基于產業政策扶持的信貸扶持在資源配置方面的效率，以更好地發揮產業政策促進生產發展和經濟平穩運行的作用。