銀行業競爭、 資本配置與制造業上市企業全要素生產率
——基于異質性融資依賴視角

李 琳

一 引 言

制度低效導致的宏觀金融資源錯配(張杰等，2017)和代理沖突導致的微觀企業資金配置效率低下(Jensen和Meckling，1976；Stein，2003)嚴重制約了我國制造業的高質量發展。尤其是近些年隨著實體經濟投資回報率持續下降，經濟更是呈現出了“脫實向虛”趨勢(韓珣和李建軍，2020)。因此，如何通過金融供給側結構性改革切實提升制造業企業的外部融資能力和資金配置效率是我國經濟實現高質量發展亟需解決的一個重要現實問題。通過持續引入新的商業銀行、促進競爭的漸進式改革是中國金融體制改革的主線之一，特別是2001年12月加入WTO后，中國政府進一步加大了推動銀行市場競爭環境的建設力度，經過多年發展，國有銀行的絕對壟斷地位已大幅下降，銀行業競爭愈發激烈。

大量文獻從微觀企業視角研究銀行業競爭的經濟后果。基于中國銀行業競爭制度背景的不少研究認為，銀行業競爭在增加企業融資規模和降低企業融資成本方面發揮了積極作用(張杰等，2017；李志生等，2020)，并促進了企業全要素生產率提升(蔡衛星，2019；Gao et al.，2019；Li和Huang, 2015；盛安琪和耿獻輝，2021)。近年來，祝繼高等(2020)、李志生和金凌(2021)等學者嘗試探討了銀行業競爭對企業投資效率的影響，發現銀行業競爭通過發揮債權治理效應顯著提高了企業的投資水平和投資效率。本文在已有研究基礎上，利用中國銀監會網站公開的金融許可證信息構造了地級市銀行業競爭指標，以2006—2019年中國滬深兩市A股制造業上市企業為研究樣本，基于異質性融資依賴視角，深入分析了銀行業競爭對制造業上市企業全要素生產率的影響及機制。本文可能的貢獻為：一是與現有研究主要使用中國工業企業數據不同，本文利用上市企業數據，一方面可在較長的樣本區間研究持續的銀行業競爭環境變化對微觀企業的作用，另一方面上市企業相較工業企業一定程度上能反映金融摩擦最小狀態下企業的實際融資需求(Rajan和Zingales，1998)，有助于厘清銀行業競爭對制造業企業全要素生產率的真實影響及機制路徑。二是現有研究主要考察了銀行業競爭促進企業全要素生產率的融資約束機制，本文則重點考察了銀行業競爭作用于企業全要素生產率的資本配置機制，打開了銀行業競爭作用于制造業企業全要素生產率的“黑箱”，深化了銀行業改革支持實體經濟發展的研究，豐富了銀行業競爭與企業資本配置的文獻。三是已有銀行業競爭代理變量，主要衡量了各地區的宏觀銀行業競爭水平。然而，不同企業由于要素密集度不同，外部融資依賴度有較大差異(Rajan和Zingales，1998)。采用地區銀行業競爭度無法識別對不同融資依賴企業的真實影響。本文基于異質性融資依賴視角的研究，有利于更加精確地評估銀行業競爭對制造業企業全要素生產率的影響。

二 理論分析及研究假說

優序融資理論認為，企業是否尋求外部融資由其持有的自由現金流與投資項目所需的現金流資金缺口決定。當企業發展進入資本密集或研發密集階段時，企業會加大外部融資需求(Rajan和Zingelas，1998)。在MM理論資本市場完美假設條件下，企業內外部融資成本相等，不存在融資約束。但現實中信息不對稱問題卻使經濟主體獲得外部融資需付出高額的成本(Myers和Majluf，1984)，特別是外部資金需求高的企業，項目風險及周期相較于一般企業更大、更長，所面臨的融資約束更為嚴重(Rajan和Zingales，1998)。在我國以銀行為主導的金融體系下，制造業上市企業外部融資依然高度依賴于銀行信貸，而受制于金融市場化程度較低及制造業企業整體信用風險偏高，我國高融資依賴制造業企業的融資約束尤為嚴重。高融資約束環境使企業不得不將那些風險相對較高、投資周期較長，但回報更高、更有利于企業全要素生產率提升的投資項目削減，從而造成了嚴重效率損失。

產業組織理論的“市場力量假說”認為銀行業競爭加劇將削弱壟斷銀行對信貸市場的控制力，降低銀行期望收益率和保本貸款額，促使銀行增加信貸供給，降低信貸均衡利率，緩解企業融資約束(Besanko和Thakor，1992；Guzman，2000)。而以信息不對稱理論為基礎的“信息假說”認為通過壟斷可激勵銀行與借款人形成長期關系，緩解信息不對稱所引致的逆向選擇與道德風險問題，但銀行業競爭提高導致的信息溢出與搭便車現象，將阻礙銀企關系形成，造成借貸決策低效(Petersen和Rajan，1995)。因此，根據“市場力量假說”，銀行業競爭通過緩解高融資依賴企業融資約束可提升企業全要素生產率；根據“信息假說”，銀行業競爭將通過抑制高融資依賴企業信貸而降低企業全要素生產率。“市場力量假說”和“信息假說”兩種觀點都有大量經驗研究支持，但這些結論主要建立在歐美發達國家制度背景下。基于中國情境的經驗研究，總體上支持了“市場力量假說”。據此提出假說1。

假說1：銀行業競爭有利于高融資依賴企業全要素生產率的提升。

高效率的資本配置是指企業合理將資本投資于生產經營所需的生產要素進而實現生產率最大化的方式(Almeida和Wolfenzon，2006)。“自由現金流假說”認為，兩權分離下所有者和管理者利益目標相悖，可引發管理者基于自利性目的而濫用資金進而侵占股東利益的第一類委托代理問題(Jensen, 1986)。而金字塔式股權結構下終極控制權和現金流權不對等又會導致終極控股人為獲取私利而利用資產轉移、內部交易、關聯投資等方式侵占中小股東利益的第二類委托代理問題。因股權結構相對集中，我國資本市場的第二類委托代理問題尤為突出(Jiang和Kim，2015)。在大股東終極控制模式下，固定資產、專用資產等是大股東從上市企業謀取控制收益的重要來源，上市企業更傾向于對這些資產進行投資，從而擠占R&D 投資和其他技術性資產的長期投資(Dyck和Zingales，2004)。代理成本問題的存在使企業資本并不能按照傳統金融理論中邊際收益和成本相等的原則在新古典完美市場均衡條件下自動實現最優配置(Stein，2003)，不利于企業全要素生產率提升。

可見，通過提升企業資本配置效率促進企業全要素生產率的關鍵是發揮公司的治理能力。債權治理在抑制企業資本非效率配置方面可發揮重要作用。一是債權人通過約定債務期限、規模、利率、設置限制性條款、要求提供擔保物等方式向企業施壓以保障自身按期收回本息的舉措，可減少管理層支配的自由現金流，抑制管理層的自利性行為(Jensen和Meckling，1976)；二是銀行通過降低大股東信用評級、提高后續借款成本、提前收回貸款等方式，可懲戒大股東謀求控制權私有的行為(Lin et al.，2011)。我國銀行債權具有積極的外部治理效應，尤其是隨著銀行業競爭程度提升，銀行的債權治理能力將被強化。這源于銀行通過信貸擴張獲取利潤的行為，提高了銀行風險偏好水平。為降低銀行經營風險，銀行將主動與企業保持溝通，從而更有效地監督企業資金使用行為(李志生等，2020)。據此提出假說2。

假說2：銀行業競爭通過促進信貸強化債權治理效應有助于提升企業資本配置效率，進而提高企業全要素生產率。

三 研究設計

(一)數據來源

本文的研究樣本為2006—2019年中國滬深A股上市企業。為保證數據的完整性和研究結果的可靠性，在使用前剔除了數據短缺嚴重的企業，最終得到15278個樣本。數據源于國泰安數據庫。為消除樣本離群值的影響，對所有連續變量在99%和1%分位處縮尾處理。

(二)模型設定

為檢驗銀行業競爭對制造業企業全要素生產率的影響，參考Rajan和Zingales(1998)的方法，設計了如下實證模型:

TFP

=

α

+

γ

×

Comp

×

EXD

-1+∑

β

×

Control

-1+

d

+

d

+

μ

(1)

式(1)中，被解釋變量

TFP

代表企業

i

在第

t

年的全要素生產率；核心解釋變量

Comp

為企業

i

所在城市

t

年的銀行業競爭水平；

EXD

表示企業

i

在

t

年的外部融資依賴度；控制變量

Control

是一系列企業特征因素；

d

為企業個體固定效應，用于捕捉不隨時間變化的企業特征；

d

是年份固定效應，用來控制隨時間變化的不可觀測因素；

μ

為企業層面聚類穩健標準誤。

γ

衡量了銀行業競爭對異質性外部融資依賴制造業企業的全要素生產率效應，結果顯著為正，表明銀行業競爭能促進高外部融資依賴制造業企業全要素生產率；為負表示會抑制高外部融資依賴制造業企業全要素生產率。為緩解可能存在的內生性問題，本文企業層面變量進行了滯后一期處理。

(三)變量定義

1.被解釋變量：全要素生產率

常用的測算企業全要素生產率的方法主要有OP方法和LP方法。但OP法要求企業真實投資必須為正，在估計時將會損失不少樣本，而LP方法可通過替換變量解決樣本損失問題。在這一考慮下，選擇LP方法測度企業全要素生產率較為合適(任勝鋼等，2019)。全要素生產率計算過程中用到的產出變量為企業主營業務收入，勞動力投入為支付給職工以及為職工支付的現金，資本投入為企業固定資產凈額，中間投入為主營業務成本與財務費用、管理費用、銷售費用之和減固定資產折舊與支付給職工以及為職工支付的現金之和。以上變量都是以1992年為基期的實際值的對數，其中主營業務收入、勞動力投入、中間投入使用企業所在省份GDP指數平減，企業固定資產凈額使用固定資產投資價格指數平減。

2.核心解釋變量：銀行業競爭

有關銀行業競爭的代理變量，以銀行業市場結構指標或放松管制的準自然實驗居多，但這兩類指標主要衡量了各地區的宏觀銀行業競爭水平。Rajan和Zingales(1998)開創性地提出一國金融體系促進經濟增長的機制在于發達的金融市場能夠降低高融資依賴行業的融資約束。這意味著銀行業競爭對企業全要素生產率的影響與行業的外部融資依賴度密不可分。本文發現，即使是在同一行業內部，不同企業的融資依賴水平也存在較大差異。參考Rajan和Zingales(1998)的研究思路，采用各地級市銀行業競爭度與企業外部融資依賴度的乘積作為企業銀行業競爭的代理變量。本文同時將各城市各年銀行業赫芬達爾—赫希曼指數(

HHI

)和前三大銀行分支機構占比(

CR

3)作為地區銀行業競爭程度的替代變量，因此，企業銀行業競爭指數可表示為

HHI

*

EXD

和

CR

3*

EXD

，本文分別定義為

BHHID

和

BCR

3

D

。銀行業競爭度和企業外部融資依賴度的具體測算方式如下。(1)銀行業競爭。借鑒張杰等(2017)、蔡衛星(2019)的研究，利用國泰安數據庫中提供的銀行機構金融許可證信息，基于手工計算的各銀行各年度在各個城市的分支機構數量，構建了衡量各城市銀行業競爭水平的銀行業赫芬達爾—赫希曼指數(

HHI

)，為保證結果的穩健性，參考現有研究，同時計算了前三大銀行分支機構占比(

CR

3)。與既有研究一致，考慮到政策性銀行、農村合作銀行、農村信用社的特殊性，本文僅保留了國有商業銀行、股份制商業銀行、城市商業銀行、農村商業銀行、外資銀行幾類商業銀行。各城市各年的銀行業赫芬達爾—赫希曼指數(

HHI

)計算方法如下:

(2)

其中，

Branch

為第

k

個銀行在

C

城市的分支機構數量，

Total

為

C

城市銀行分支機構數量。各城市各年的前三大銀行分支機構占比(

CR

3)計算方法如下:

(3)

其中，

Branch

1、

Branch

2 、

Branch

3分別為

C

城市分支機構數量最多的三家銀行的機構數量，

Total

為

C

城市銀行分支機構數量。以上兩個指標的取值范圍為(0， 1)，數值越小，表示銀行業競爭度越大。參考蔡衛星(2019)的研究，本文通過定義

BHHI

=1-

HHI

和

BCR

3=1-

CR

3將各城市銀行業競爭指標正向化，即數值越大，意味著銀行業競爭程度越高。

(2)企業融資依賴度。Rajan和Zingales(1998)首次運用20世紀 80年代美國上市企業數據，運用“外部融資依賴度=(資本支出-經營性現金流)/資本支出”的方法計算了各行業的外部融資依賴度，該方法在國內外研究中得到了廣泛運用。本文根據這一方法計算了制造業上市企業的外部融資依賴度。

3. 控制變量

參考現有研究，本文控制了企業規模(

Size

)、杠桿率(

Lev

)、企業年齡(

Age

)、成長性(

Rg

)、規模擴張(

Ag

)、盈利能力(

Roe

)、技術選擇(

Tech

)、經營凈現金流(

Cash

)、勞動力質量(

Labq

)、股權集中度(

Top

1)、企業所有制(

Soe

)對制造業企業全要素生產率的影響。變量定義見表1。

表1 變量定義

4.描述性統計

主要變量描述性統計結果見表2。與任勝鋼等(2019)的研究結果相似，本文發現樣本期間對數形式的平均全要素生產率為6.458，且呈現穩步上升趨勢，說明上市企業高質量發展能力在逐步提升。地級市的

BHHI

指數和

BCR

3指數在樣本期間呈遞增趨勢，意味著隨著銀行業放松管制政策的推進，各城市銀行業競爭程度在不斷加劇。與此同時，不同城市間的銀行業競爭程度差距較大，信貸市場表現出了顯著的本地市場特征。考慮企業融資依賴程度構造的

BHHID

指數和

BCR

3

D

指數，最大值和最小值之間存在顯著差異，說明不同企業對外部融資的依賴水平差異明顯，構造包含外部融資依賴度的銀行業競爭指數具有合理性。

表2 主要變量的描述性統計

四 實證結果與分析

(一)基本估計結果

表3報告了銀行業競爭影響制造業上市企業全要素生產率的基準回歸結果。列(1)和列(2)企業銀行業競爭

HHI

指數的回歸結果表明，無論是否添加控制變量，企業銀行業競爭

HHI

指數的估計系數均顯著為正。列(3)和列(4)企業銀行業競爭

CR

3指數的回歸結果表明，回歸系數雖有所降低，但仍顯著為正。以上結論表明，地區銀行業競爭水平對高融資依賴制造業上市企業全要素生產率產生了較強促進作用，也意味著促進地方銀行業競爭的政策使金融資源配置到了資金更短缺的企業，支持了實體經濟的高質量發展。

表3 銀行業競爭對制造業上市企業全要素生產率影響的基準回歸結果

(續上表)

(二)穩健性檢驗

1.替換

TFP

為排除指標測量誤差造成的估計偏誤，運用OLS 方法測算的全要素生產率進行穩健性檢驗，再次按式(1)回歸，結果如表4所示。與表 3相比，企業層面銀行業競爭

HHI

指數和銀行業競爭

CR

3指數回歸系數有所降低，但仍分別在10%和5%的統計水平下顯著，這說明改變被解釋變量測算方法不會影響本文的估計結果。

表4 替換被解釋變量的回歸結果

2.替換融資依賴度

采用地級市銀行業競爭指標考察企業經濟后果可緩解逆向因果問題，因為單個企業不太可能影響銀行設立分支機構的決策。然而，本文用各城市銀行業競爭指數與企業融資依賴度相乘構造的變量來衡量銀行業競爭水平，一定程度上加劇了逆向因果。同時，不同企業甚至同一企業不同年份的融資依賴程度差異較大，可能存在由測量誤差帶來的估計偏誤問題。為緩解逆向因果和測量誤差帶來的估計偏誤問題，本文使用行業融資依賴度作為企業融資依賴度的替代變量。Rajan和Zingales(1996)曾測度了ISIC3位數的美國34個行業外部融資依賴度。因美國資本市場在世界范圍內最為發達，金融摩擦較小，美國行業外部融資的數量接近或等于其實際需求數量。在全球化背景下，各國行業生命周期和融資特征呈趨同性，可將美國行業融資依賴程度作為我國行業融資依賴度的替代變量(Hsu et al.，2014)。為避免中美行業潛在發展差異的影響，本文也根據我國上市企業數據計算了我國制造業行業在樣本期間的融資依賴度。表5列(1)和列(2)、列(3)和列(4)分別報告了替換為美國行業融資依賴度和中國行業融資依賴度的回歸結果，結果并未發生顯著改變。

表5 替換融資依賴度的回歸結果

3.考慮地區、行業特征趨勢

考慮到企業全要素生產率可能會受行業、地區隨時間變化的不可觀測因素影響。在式(1)基礎上，進一步引入城市固定效應與年份固定效應交互項、行業固定效應與年份固定效應交互項，以控制諸如地區逐年經濟波動、行業逐年需求波動、行業信貸政策逐年變化等的影響。表6列(1)—列(3)依次在前列基礎上控制了年份、個體、行業-年份、城市-年份固定效應，可以看到隨著控制程度的提升，核心解釋變量的系數并未發生顯著變化，結果依然穩健。

表6 考慮地區、行業特征趨勢

4.考慮樣本自選擇偏誤

高生產率企業相較于低生產率企業面臨更多成長和投資機會，進而有更高的外部融資依賴度，這將導致不同融資依賴企業樣本存在較大差異，產生樣本選擇偏誤。本文采用 PSM 方法，根據融資依賴度分位數將樣本分為三組，在此基礎上生成虛擬變量

Dummyexd

，定義最高融資依賴組為1，剩余融資依賴組為0，以

Dummyexd

為控制變量，以成長性、所屬行業、杠桿率、經營凈現金流為匹配變量，使用Logit回歸，傾向分值選取近鄰方法，在兩組之間進行1:1有放回回歸。匹配后高融資依賴組和非高融資依賴組平衡性檢驗顯示，4個變量偏差分別降低81.6%、83.3%、51.7%、96.1%，從而使得匹配后的樣本不存在顯著差異，緩解了本文可能存在的樣本選擇偏誤問題。表7列(3)和列(4)報告了匹配后樣本的回歸結果，結果表明銀行業競爭對高融資依賴企業全要素生產率的影響仍顯著為正。

表7 考慮樣本自選擇偏誤

5.考慮專利質押政策和知識產權保護的影響

為解決企業因抵押物缺乏而導致的融資難、融資貴問題，我國于2008年起逐步開始推行專利質押政策。因此，高融資依賴企業全要素生產率的提升可能來自專利質押政策，而不是銀行業競爭。因專利質押政策是分城市逐步推行的，可將專利質押政策視為一項準自然實驗。基于此，在式(1)的基礎上，加入

Patentpolicy

變量取值為1表示企業所在城市為專利質押試點城市且政策已經實施，取值為0則表示企業所在城市不是試點城市或雖是試點城市但時間處于政策實施之前。。表8列(1)和列(2)的結果表明，控制專利質押政策后，銀行業競爭仍顯著促進了高融資依賴企業的全要素生產率。另外，根植于法律體系的產權保護和投資者保護決定了銀行業競爭水平，可能是更有力的知識產權保護而不是銀行業競爭水平影響了高融資依賴企業的全要素生產率。本文以 2012年開始實施的“國家知識產權示范城市”這一準自然實驗作為知識產權保護的代理變量，在式(1)的基礎上，加入變量

Propertypolicy

取值為1表示企業所在城市為知識產權示范城市且政策已經實施，取值為0則表示企業所在城市不是知識產權示范城市或雖是知識產權示范城市但時間處于政策實施之前。。表8列(3)和列(4)的回歸結果同樣表明，控制知識產權保護后，銀行業競爭對高融資依賴企業全要素生產率的影響仍是穩健的。

表8 考慮專利質押和知識產權保護政策的影響

(三)異質性分析

1.基于企業所有制的異質性分析

我國上市國有企業主要分布在重資產行業，有充足的抵押物，再加上政府的隱性擔保，相較于民營企業更易獲得貸款(Gao et al.，2019)，因此，民營高融資依賴企業相較于國有高融資依賴企業面臨更高的融資約束。如果銀行業競爭能使信貸資源配置到更依賴外部融資的企業，那么，銀行業競爭程度更高的地區，民營高融資依賴企業全要素生產率提升更快。本文根據企業所有制，將樣本分為國有企業和民營企業分別進行回歸。結果如表9所示，銀行業競爭對民營高融資依賴企業產生了顯著影響，而對國有高融資依賴企業雖然也產生了正向效應，但并不顯著。這也間接表明銀行業競爭使金融資源在所有制之間的錯配得到了緩解。

表9 基于企業所有制異質性分析

2.基于產業類型的異質性分析

創新活動具有高投入、長周期、高風險的屬性，銀行為克服信息不對稱和道德風險，對創新型企業往往會采取提高抵押物要求和變相提高貸款利率的策略，從而加劇創新型企業的融資約束(Cornaggia et al.，2015)。根據我國《戰略性新興產業分類(2018)》，戰略性新興產業是以重大技術突破和重大發展需求為基礎的產業。這意味著戰略性新興產業企業相較于非戰略性新興產業企業面臨更高的外部融資約束。可以預見，銀行業競爭程度更高的地區，戰略性新興產業高融資依賴企業全要素生產率提升更快。本文將《戰略性新興產業分類(2018)》與中國證監會二級行業分類相匹配，將樣本分為戰略性新興產業企業和非戰略性新興產業企業兩組。結果如表10所示，銀行業競爭對戰略性新興產業高融資依賴企業的全要素生產率產生了顯著正向影響，說明促進銀行業競爭的政策對我國經濟高質量發展具有重要意義。

表10 基于產業類型的異質性分析

3. 基于企業規模的異質性檢驗

相較于小企業，大企業往往有更多抵押品(Gelos和Werner，2002)，小規模企業相對于大規模企業融資約束程度更高。可以預見，銀行業競爭程度更高的地區，小規模高融資依賴企業全要素生產率提升更快。本文根據企業規模分位數將樣本分為三組，取規模最大組和最小組分別進行回歸。結果如表11所示，銀行業競爭對小規模高融資依賴企業全要素生產率產生了更為積極的影響。這說明銀行業競爭促使信貸資源向規模相對較小的企業傾斜，一定程度上提高了社會資金的配置效率。

表11 基于企業規模的異質性分析

五 機制分析

(一)資本配置效率機制

本文借助溫忠麟等(2005)的中介效應模型檢驗銀行業競爭促進制造業企業全要素生產率的資本配置效率機制。根據中介效應模型的檢驗程序，先檢驗式(4)中的

ρ

是否顯著。如果

ρ

顯著，再檢驗式(5)與式(6)，如果

λ

和

γ

均顯著，但

γ

不顯著，說明中間變量發揮了完全中介效應；如果

γ

顯著，意味著中間變量僅發揮了部分中介效應。

TFP

=

α

+

ρ

×

Comp

×

EXD

-1+∑

β

×

Control

-1+

d

+

d

+

μ

(4)

Intermediary

=

α

+

λ

×

Comp

×

EXD

-1+∑

β

×

Control

-1+

d

+

d

+

μ

(5)

TFP

=

α

+

γ

×

Comp

×

EXD

-1+

γ

Intermediary

+∑

β

×

Control

-1+

d

+

d

+

μ

(6)

其中

Intermediary

為中間變量，表示企業資本配置效率。根據李志生和金凌(2021)的做法，將式(7)回歸殘差項的絕對值作為企業資本配置效率的度量指標。

Rg

表示企業主營業務收入增長率，代表企業擁有的投資機會，模型的擬合項為企業最優資本配置水平。殘差項指企業實際資本配置水平與最優資本配置水平之間的差額，表示企業資本配置效率(

Inve

)，取絕對值后，數值越大，表示配置效率越低。由表12列(2)和列(5)可知，企業銀行業競爭

HHI

指數和

CR

3指數對高融資依賴企業資本配置效率的影響系數分別在10%和5%的統計水平下顯著，意味著地區銀行業競爭使高融資依賴企業的資本配置效率提升更多；而列(3)和列(6)中，企業資本配置效率對全要素生產率的影響系數在1%水平下顯著為負，說明資本配置效率的提升可對企業全要素生產率產生促進作用。以上結論驗證了資本配置效率提升是銀行業競爭促進高融資依賴企業全要素生產率的機制。

Inveit=α+γ1×Rgit-1+μit (7)

前文分析表明，銀行業競爭可通過提高資本配置效率促進高融資依賴企業全要素生產率提升。但企業投資行為依然是一個黑箱，還是無法了解企業在各要素之間的配置情況。為此，本文分析了銀行業競爭對高融資依賴企業在員工數量、人均工資、資本、中間品、研發投入等要素方面的配置行為。結果如表13所示，銀行業競爭對高融資依賴企業的員工數量、人均工資、中間品和研發投入四類要素的配置有正向作用，特別是顯著提升了人均工資和中間品的配置，而對代表固定資產等有形資產的資本配置則產生了顯著的抑制作用。

表13 要素配置行為(1)

那么何種要素配置行為能促進企業全要素生產率提升？本文進一步借助中介效應模型，將受到顯著影響的人均工資、中間品和資本要素作為中介變量進行檢驗。表14列(1)和列(4)顯示，人均工資對企業全要素生產率產生了負向影響，說明高融資依賴企業在獲得銀行信貸后，將大量資金用于應對上漲的勞動力成本。不過，人均工資回歸系數不顯著，說明勞動力成本上漲尚未對我國企業全要素生產率產生顯著抑制作用，但這種負面影響不能忽視。伴隨著金融危機之后大規模經濟刺激計劃的實施，我國固定資產投資持續攀升，資本深化程度顯著提高，然而過快的資本深化速度可能導致資本要素產出效率受損，進而抑制全要素生產率(余東華等，2019)。這意味著減少資本投入可提升企業全要素生產率。表14列(2)和列(5)的結果表明，我國上市制造業企業減少資本投入確實對企業全要素生產率產生了顯著的積極影響，說明資本投入是銀行業競爭促進高融資依賴企業全要素生產率提升的渠道。中間品，尤其是進口中間品可通過技術溢出促進企業技術進步。然而進口中間品在信息搜集、渠道構建、技術調整等固定成本和關稅方面的花費更高，因此，企業較高的融資約束將限制企業進口中間品(武力超和劉莉莉，2018)。可見，銀行業競爭通過緩解高融資依賴企業的融資約束無疑將有利于企業增加中間品的投入。表14列(3)和列(6)顯示，納入中間品投入后，銀行業競爭對企業全要素生產率的作用不再顯著，而中間品投入對企業全要素生產率的效應在1%統計水平下顯著，且回歸系數為0.539，遠高于資本投入減少帶來的正向效應，說明中間品投入是銀行業競爭促進高融資依賴企業全要素生產率提升的主要原因。這也意味著通過銀行業競爭，可大力支持企業通過引進先進技術的方式提升全要素生產率。不過，隨著我國進入高質量發展階段，繼續依靠中間品投入促進技術進步需有較高的自主創新能力為依托(姚博和汪紅駒，2019)，而如表13列(5)所示，自主創新有較高的風險，銀行業競爭對自主創新的支持力度有限。

表14 要素配置行為(2)

(二)進一步分析

以上分析表明，高融資依賴企業在獲得融資后將資金理性地配置到生產所需的要素上，從而實現資本的優化配置，提升了企業全要素生產率。這源于銀行信貸擴張帶來的經營風險加劇，倒逼銀行增加對企業的信息挖掘，進而形成了較強的債權治理效應。即信貸越多的企業，銀行業競爭通過提升資本配置效率促進企業全要素生產率的作用應更強。通常長期負債與R&D等長期投資相關，可產生更強的債權治理效應(唐瑋等，2017)。本文根據長期借款/年初總資產的中位數，將樣本分為低借款率和高借款率兩組。表15(1)的回歸結果表明，低借款率樣本中，銀行業競爭并未對高融資依賴企業全要素生產率產生顯著影響；列(2)—列(4)的結果則說明，高借款率樣本中，銀行業競爭對高融資依賴企業全要素生產率產生了顯著促進效應，且這種效應主要是通過提升企業資本配置效率產生的。

表15 債權治理效應

(續上表)

如果銀行業競爭產生的積極債權治理效應是因銀行主動加強了信息挖掘，這意味著信息不對稱程度高的企業，銀行業競爭通過提升資本配置效率促進企業全要素生產率的作用應更強。分析師通過現場調研等活動深入挖掘企業信息、公開分析報告，有助于降低企業與外部投資者之間的信息不對稱(Chang et al.，2006)。因此，借款率較高的企業中，較少分析師關注的企業信息不對稱程度更高。本文根據分析師人數分位數將高借款率樣本分為三組，并取最低和最高分析師人數兩組分別回歸。表16顯示，高債權治理效應體現在分析師關注較低的組中，從而驗證了銀行業競爭產生積極債權治理效應是由于銀行主動加強了信息挖掘。

表16 信息挖掘

六 研究結論和政策啟示

目前，我國金融改革進入深水區，以銀行業為主導的金融體系如何改革才能更好地支持經濟高質量發展？為回答這一重大現實問題，本文利用中國銀監會網站公開的金融許可證信息構造了地級市銀行業競爭指標，以2006—2019年中國滬深兩市A股制造業上市企業為研究樣本，基于異質性融資依賴視角，深入分析了銀行業競爭對制造業企業全要素生產率的影響及機制。結果顯示，銀行業競爭顯著促進了高融資依賴制造業上市企業的全要素生產率，且這種積極影響在民營高融資依賴企業、戰略性新興產業高融資依賴企業、小規模高融資依賴企業中更顯著。機制分析發現，銀行業競爭通過促進信貸發揮的債權治理效應實現了資源在企業內部的優化配置是高融資依賴企業全要素生產率提升的主要原因。

本文研究結論具有重要的政策啟示：一是銀行業競爭可促進高融資依賴企業全要素生產率提升的結論，為我國堅持打破壟斷、促進競爭的銀行業改革思路提供了有力的證據支持。未來應在風險可控的前提下，著力增加中小金融機構比重，支持中小銀行的健康發展，充分發揮中小銀行服務中小企業的基礎性作用。二是銀行業競爭主要通過增加高融資依賴企業對中間品投入而不是研發投入的方式促進了企業全要素生產率的提升，說明銀行業競爭主要支持了企業的引進式創新，而對風險較高的自主創新的支持作用相對不足。未來在加強銀行業競爭、大力發展中小銀行的同時，也要強化科技賦能，助力銀行業提高風險識別能力和風險定價水平，并大力發展以資本市場為代表的直接融資，優化金融結構，全面增強金融服務實體經濟高質量發展的能力。三是高融資依賴企業獲得銀行信貸后，將大量資金用于應對勞動力成本的上漲，對企業全要素生產率產生了一定的負面影響，說明我國制造業國內“成本洼地”優勢日漸消失。未來應進一步深入貫徹落實減稅降費政策，幫助企業減輕負擔，進而激發企業創新活力，支持制造業高質量發展。