銀行業與制造業協同集聚對制造業企業投資水平的影響

朱昇之

（揚州大學，江蘇 揚州 225000）

引言

改革開放以來，我國金融業得到迅速發展并取得了歷史性成就。習近平總書記多次強調要深化金融供給側結構性改革，而金融供給側改革實際上就是不斷放松對銀行業的管制，市場準入管制也是政府監管銀行的重要方式之一（蔡衛星，2016）。隨著金融體制改革的推進，各類城市商業銀行、農村商業銀行等興起，進一步提升了銀行業的集聚程度，與制造業形成互動發展的格局。銀行貸款是我國企業融資的主要方式。銀行貸款的可獲得性會導致企業面臨內部融資成本和外部融資成本的巨大差異，從而出現投資中斷等問題，繼而嚴重影響到企業投資水平。在制造業發展過程中，形成了多種專業化的產業集聚園區，呈現出明顯的產業集聚現象，出現了生產性服務業的跟隨集聚，同時生產性服務業的集聚也吸引了制造業的靠近。銀行業屬于生產性服務業。銀行業為制造業提供資金，所以制造業企業會向銀行業聚集的地區趨近；與此同時，銀行業為了拓展業務而不斷接近制造業企業，為了節省交易成本，銀行業會選擇趨向于制造業企業周圍，由此會產生銀行業與制造業企業協同集聚的現象。銀行業與制造業協同集聚能夠通過產業間的互動形成銀行業與制造業的共生經濟，提高制造業企業的產出效率與產出質量，形成規模經濟。中國經濟“做大經濟規模”的目標在高速增長階段已基本達成，如今“提升發展質量”已成為新時代的主導方向。在此背景下，從協同集聚的角度，研究銀行業與制造業協同集聚對制造業企業投資水平的影響，必然是事關中國經濟增長領域的前沿問題。

基于以上思考，本文通過構建我國銀行業和制造業在地級市層面上協同集聚指數，研究協同集聚對我國制造業企業投資水平的影響情況。本文較以往研究有以下創新點。首先，構建了衡量銀行業和制造業企業協同集聚程度的指標，是國內少數關于銀行業與制造業協同集聚的相關研究。其次，利用工業企業數據在研究樣本的過程中更能全面反映協同集聚對制造業企業投資水平的影響情況。

一、理論分析

Ellison and Glaeser等（1977）首次提出產業協同集聚，并對其進行定量分析。路江涌等（2016）研究表明，我國制造業之間的協同集聚水平逐漸提高。楊桐彬等（2020）提出，生產性服務業產生的規模經濟促進了信息流通，從而降低了企業交易成本，加快形成了制造業和生產性服務業的協同集聚。已有文獻一直在嘗試探究影響企業投資水平的因素。Allen et al.（2017）提出，我國企業融資主要通過向銀行貸款進行，銀行集聚導致的銀行競爭會進一步有效發揮銀行的資源配置作用，促進企業的信貸可獲得性，從而有利于提高企業投資水平。而有少部分學者則認為，企業融資約束的加劇會降低企業投資水平（張新民，等，2017）。

銀行業作為生產性服務業為制造業企業提供信貸，降低了制造業企業的融資成本，所以制造業企業趨近于銀行業聚集的地區；同時，銀行業為了拓展業務，節省交易成本，會選擇趨向于制造業企業周圍，由此產生了銀行業與制造業的協同集聚現象。銀行業與制造業協同集聚在增加信貸供給的同時也提高了企業負債水平，出于維護自身利益的目的，銀行有動機對借款企業發揮治理作用，優化貸款條款，加強客戶篩選，進而改善貸款質量，從而促使企業投資優化，提高企業投資水平。據此提出本文的研究假設：銀行業和制造業協同集聚促進了制造業企業投資水平的提高。

二、實證模型

（一）設定模型

在參考已有文獻以及數據樣本特征的基礎上，設定如下模型進行檢驗：

其中，Investment為制造業企業的投資水平，下標i、j、k、t分別表示企業、行業、地區和年份；Co_agg為核心解釋變量，表示銀行業與制造業協同集聚指數；Ctrl為微觀層面控制變量的集合。考慮到企業所屬行業等存在異質性，采用混合OLS模型進行檢驗，即加入行業層面的虛擬變量η、省份層面的虛擬變量η、年份層面的虛擬變量η。ε為隨機擾動項。

（二）變量及說明

1.被解釋變量

被解釋變量Investment表示企業投資水平，為在t年地級市k屬于行業j的企業i的固定資產及無形資產的增量占總資產的比例。

2.主要解釋變量

解釋變量Co_agg表示銀行業和制造業協同集聚指數（Co_agg，co-agglomeration），表示地級市k制造業行業j和銀行業在t年的協同集聚程度。參考張虎等（2017）的處理方法，在構建制造業和銀行業區位熵指數以刻畫集聚程度的基礎上，估算制造業與銀行業協同集聚程度，公式如式（2）所示：

LQ是j地區i產業在全國的區位熵指數，q是j地區i產業的就業人數；q是j地區份制造業與銀行業的就業人數，q是全國i產業的就業人數，q是全國制造業與銀行業的就業人數。

式（3）中，LQ為制造業的集聚指數，LQ為銀行業的集聚指數，LQ為制造業與銀行業協同集聚指數。

3.控制變量

Ctrl為控制變量，其中，企業規模（Size）用年均從業人數的自然對數表示，創新（Innovation）用新產品產出與銷售額的比值表示，技術水平（TFP）使用OP半參數方法計算。資產負債率（Lev），以總負債與總資產之比表示。還設計了行業層面的虛擬變量（η），省份層面的虛擬變量（η）以及年份層面的虛擬變量（η）；最后，ε是隨機誤差項。

4.其他變量

首先，設計了行業層面的虛擬變量（η），來控制行業層面的固定效應產生的各種影響。其次，設計了省份層面的虛擬變量（η），控制省份層面的固定效應產生的各種影響。再次，設計了年份層面的虛擬變量（η），用來控制我國金融發展階段性變化等各種影響。最后，ε是隨機誤差項。

（三）數據和相關處理

本文數據主要來源于金融活動普查數據及中國工業企業數據庫，銀行業集聚指標根據銀監會對銀行業2006—2011年金融活動普查數據提供的銀行就業人數等信息計算得出，制造業企業相關數據為按二分位行業標準劃分的30個制造業行業企業數據。本文剔除了固定資產總值小于零或缺失的樣本，以及流動資產小于固定資產、固定資產小于總資的樣本企業來保證數據的有效性，并對地級市代碼進行匹配，得到2006—2011年257個地級市銀行業集聚指標，以及353 808家微觀企業的企業財務指標。

（四）描述性統計

表1為本文主要變量的描述性統計結果。從表1中可以發現，企業投資水平的均值為15.51，表示制造業企業投資呈增加態勢，制造業企業平均規模為4.8，全要素生產率的均值為7.175，創新的均值為0.118，資產負債率的均值為51.8%。

表1 主要變量的描述性統計

三、實證檢驗

（一）基準回歸

根據表2基準模型回歸結果，第（1）列展示了利用二分位計算的協同集聚指數進行回歸的結果，回歸系數為0.114且在1%的水平上通過了顯著性檢驗，可以得出，銀行業和制造業的協同集聚顯著促進了企業投資水平的提高；第（3）列利用四分位行業計算的協同集聚指數進行回歸，回歸系數顯著為正。

本文參照Chong et al.（2013），運用工具變量來緩解協同集聚與企業投資水平之間可能存在的反向因果問題，工具變量采用相鄰地區銀行業和制造業的協同集聚指數。具體結果見表2第（2）、（4）列，協同集聚指數系數仍然顯著為正，進一步說明檢驗結果穩健。

表2 基準模型回歸結果

四、結論與啟示

本文利用2006—2011年工業企業數據以及銀監會對全國銀行業的金融活動普查數據，研究銀行業制造業協同集聚對制造業企業投資水平的影響。研究發現，銀行業制造業協同集聚促進了制造業企業投資水平的提高。

本文的研究結論對促進我國金融供給側結構性改革及制造業企業的高質量發展具有重要作用。首先，我國銀行業與制造業協同集聚的整體水平仍然偏低，未來可以通過制定相關政策進一步加大對金融體制的改革，逐漸提高銀行業與制造業企業協同集聚的水平。其次，近年來我國致力于提高銀行市場化程度，打破了國有銀行的壟斷地位；今后應該繼續擴大金融服務機構的覆蓋范圍，促進普惠金融發展，通過發揮銀行集聚的信息、資金優勢，優化制造業集聚，促進制造業企業投資水平的提高。最后，我國銀行業應該更加充分地發揮金融機構服務實體經濟的作用，為中小企業發展提供動力，促進經濟的高質量發展。