出口管制政策對企業投資的影響
——來自美國實體清單政策的證據

首陳霄，談振林

(湖南師范大學商學院，湖南 長沙 410081)

一、引 言

在制造強國戰略的指引下，中國制造業加速轉型升級，逐漸從世界產業鏈中低端邁向中高端，但外部政策環境的變化正成為中國制造業發展的重要阻礙。為維護制造業領域的領先優勢，美國不斷推出各種針對中國制造業企業的限制措施。特別是2018年之后，伴隨中美貿易摩擦的日益升級，美國對華實施一系列嚴厲的出口管制政策，其中以實體清單政策最為嚴格。截至2021年12月31日，中國有385個實體被列入清單，涉及252家企業。實體清單是由美國商務部工業與安全局(BIS)發布，嚴格限制美國相關企業對我國出口先進技術和產品的政策。該政策不僅影響企業自美國的進口貿易，也可能阻礙企業與其他國家的貿易往來(基于美國的“長臂管轄”政策)。可以預見的是，被列入實體清單的企業必然面臨市場環境的惡化、投資決策也深受影響，而企業投資在其發展過程中扮演著重要角色，是企業保持可持續發展、實現轉型升級的重要動力[1]。為此，本文從微觀數據出發，探討實體清單政策下企業投資行為的變化及其內在機制，以幫助國內企業更好地應對實體清單政策的威脅。

考慮到數據的及時性和可得性，本文使用2010—2021年的A股上市公司樣本，結合手工收集整理的歷年實體清單名錄，運用多期雙重差分模型檢驗被列入實體清單政策的上市企業(又稱“受限企業”)是否改變其投資水平。經研究發現，被列入實體清單對上市企業的投資水平具有顯著的負面影響。被實體清單政策制裁后，受限企業的投資率平均下降1.99個百分點。動態趨勢分析進一步表明，該負向的顯著影響在大約3期之后逐漸消失。該發現通過一系列的穩健性檢驗和內生性處理。同時，列入實體清單政策對非國有、高固定資產比例和高資本密集度的企業的影響更大。機制分析亦表明，列入實體清單對企業投資的影響主要通過削弱企業的經營績效、增大企業融資難度來實現。本文進一步驗證實體清單政策風險影響的存在，即同行業的非受限企業面對實體清單政策風險顯著降低其投資水平，且經營績效和融資約束機制在實體清單政策風險的影響中仍然成立。

由于出口管制政策的復雜性，當前關于微觀定量分析的文獻相對較少。在一般性的分析中，一類文獻主要關注出口管制政策本身(如美國對華管制的趨勢)[2][3]；另一類文獻則關注出口管制政策對中美宏觀經濟的影響[4][5][6][7]。微觀定量分析主要針對的是出口管制對企業創新的影響。以美國實體清單政策為研究對象，余典范等(2022)利用2010—2017年的上市公司數據，實證發現出口管制對企業創新短期內具有負向沖擊[8]，主要是通過降低進口產品質量、壓縮海外業務規模及擠出研發投入來抑制企業創新。相對地，楊策和鄭建明(2022)則以2016—2019年上市公司為樣本，發現出口管制對企業創新活動具有促進作用[9]。此外，紀順洪和陳興淋(2017)從行業層面探討不同出口管制強度下企業的創新路徑問題[10]。

除制裁導致的直接負面沖擊外，實體清單政策還通過提升政策風險影響非受限企業，因此本文的研究也豐富了政策不確定性影響的相關文獻。政策不確定性一直以來就倍受關注[11][12][13]。政策不確定性最為直接的影響就是企業投資。Bernanke(1983)、Pindyck(1988)、Dixit和Pindyck(1994)認為如果投資不可逆，高度的不確定性使企業推遲投資[14][15][16]。許多實證文獻進一步驗證政策不確定性對投資的負面影響[17][18][19]。Handley和Lim?o(2015，2017)通過構建異質性廠商模型，發現貿易政策的不確定性升高會降低企業在出口準入和技術升級方面的投資[20][21]。本文探討的實體清單政策風險本質上屬于貿易政策的不確定性，但無論何種政策不確定性，其內在邏輯是一致的。

總體而言，當前針對出口管制的微觀實證文獻探討創新的較多，分析其他微觀經濟行為的較少且忽視了政策風險的可能影響。本文的邊際貢獻主要包括：第一，進一步豐富出口管制的研究文獻。相比于已有文獻，本文收集到最新和更廣泛的數據，使實證分析能更準確地評估列入實體清單對企業的影響效應，在企業投資行為的相關分析方面是一個有益補充。第二，探討實體清單政策風險的影響，更全面刻畫實體清單政策造成的直接和間接影響。由于實體清單政策嚴重影響到企業的正常生產經營活動，其風險對企業來說屬于極端風險，因而提供一個企業投資行為相關研究的極端政策風險的新視角。

二、政策背景與理論機制

(一)出口管制的政策背景

出口管制政策由來已久，最早在20世紀初就已有相關條例。在第一次世界大戰后期的1917年，美國國會通過了《敵國貿易法》。該法案賦予美國總統在戰時或面臨其他緊急狀態時擁有極大的權力。準確來說，在此期間(戰時或緊急狀態)，總統有權改變或調整與相關敵對國家的貿易往來。1949年，美國與英國、法國等歐洲大國共同成立“巴黎統籌委員會”，主要目的是限制以蘇聯為首的社會主義陣營國家進口歐美國家先進的技術、設備和有關原材料。20世紀70年代，現代意義上的出口管制政策正式成型。1979年，美國國會通過《1979年出口管理法》(Export Administration Act of 1979)，為人熟知的實體清單(Entity List)為該法案的第744部分并由美國BIS發布，實體清單中的實體包括不同國家的企業、事業單位、高校和個人。這些實體想要獲得美國受管制產品必須得到BIS頒布的出口許可。該法案的“出口”含義十分寬泛，不僅包括美國產品或技術對相關實體的直接出口或再出口(Reexport)，也包括依賴美國產品(或技術)生產的他國產品出口或再出口。2018年，美國國會通過新版的《出口管制改革法案》(Export Control Reform Act)。該法案擴大了美國出口管制的范圍，新增對“新興和基礎技術”的出口控制。

我國實體被列入實體清單的情況乃近些年才發生的事情。在2018年之前，美方對華出口管制程度相對較輕，出口限制的焦點主要是航空航天領域。自2018年中美貿易摩擦以來，大批從事高新技術產業的企業相繼被美方列入實體清單。截至2021年12月31日，中國有385個實體被列入清單。具體來看，列入實體清單的受限企業252家(占比超過65%)，為最主要的受限對象，包括2019年的華為、2020年的中芯國際和中船重工等。圖1顯示了2011—2021年我國受限企業數量的變化。可見，自2018年中美貿易摩擦后，美方對中方企業的制裁力度陡然加大，每年新增的受限企業從2018年之前的平均不足10家迅速上升到2019年之后的50家以上。

圖1 受限企業數量變化

通過對照行業分類表，本文對截至2021年12月31日的受限企業所屬行業進行初步歸類，以分析美國對華實施技術出口管制的行業特征(如表1所示)。結果顯示，美國的出口管制政策主要針對的是高新技術行業，包括科技推廣和應用服務業、計算機通信和其他電子設備制造業等。此外，先進制造業也是出口管制政策重點關注的行業(如電氣機械和器材制造業)。這說明出口管制涉及的領域通常是我國的薄弱環節，美國希望藉由制裁限制中國技術進步和先進制造業的發展。

表1 各行業受限企業數量

(二)理論機制與研究假設

1.列入實體清單對企業投資的影響。我國高端制造業許多產品的生產仍嚴重依賴國外的先進設備、關鍵技術和高質量中間品。被列入實體清單后，我國受限企業難以獲得美國的相關技術和產品，進而影響正常的生產經營活動。同時，受限企業被迫選擇其他可替代的技術和中間品時可能增加采購成本、減少經營收入，而可替代中間品質量的下降則降低生產的效率和產品的質量并削弱其市場競爭力[22][23][24]。這兩方面的作用，打擊了受限企業的投資意愿。市場亦預期受限企業的生產經營將出現困難，轉而增加相關替代品的購買，進一步削弱了受限企業的投資意愿。

此外，實體清單政策助推企業對未來政策不確定的預期。當面臨不明朗的政策前景時，等待期權的價值上升使企業傾向于推遲投資[14][15][16]。基于以上分析，本文提出研究假設1：列入實體清單對企業的投資水平產生負向影響。

2.實體清單政策直接沖擊的影響機制。作為一種極端的政策沖擊，實體清單政策明顯影響企業財務狀況。首先，實體清單政策破壞企業的正常生產經營活動。它限制我國企業獲取美國核心、關鍵產品和技術的途徑，危害我國生產供應鏈的安全。被列入實體清單的企業因關鍵技術和中間品的采購限制造成生產經營困難，導致營業收入和利潤下降，損害企業的財務狀況，最終影響企業的投資行為。其次，替代技術設備和中間品的質量劣勢削弱了企業的市場競爭力。為規避實體清單政策的制裁，受限企業尋求替代的技術和中間品而增加采購成本。但替代的技術和中間品作為之前的次優選擇必然影響企業的生產效率和產品質量[22][23]，從而降低企業的市場競爭力，導致企業績效的下降，最終影響企業的投資能力。因此，企業績效是實體清單政策影響的重要機制之一。據此，本文提出研究假設2：實體清單政策帶來的沖擊通過影響企業績效來抑制企業的投資行為。

實體清單政策通過企業績效的下降損害企業的內部融資能力，也增加其外部融資約束。一方面，企業績效的下降削弱企業的償債能力，影響銀行對企業的信用評估。銀行可能基于審慎原則收緊對企業的信貸，導致企業的融資約束上升。另一方面，在被列入實體清單后，企業無法預料美國或其他國家是否采取進一步的限制措施，因而面臨更大的政策不確定性。銀行或外部投資者可能基于風險厭惡而減少對該類企業的投資或基于風險補償原則要求更高的資本收益。因此，外部融資約束程度越高的企業受政策沖擊的影響越大[25][26]。基于上述分析，本文提出研究假設3：實體清單政策帶來的沖擊通過企業的融資約束來影響企業的投資行為。

3.實體清單政策對企業投資的影響存在異質性。相較于國有企業，非國有企業面臨更為嚴重的外部融資約束[27]，所處的行業競爭也更為激烈，承受外部政策負面沖擊的能力較差。而國有企業基于特殊的政治關聯易獲取外部的資金和政策支持，在行業內具有優勢甚至壟斷地位，建立了較高的行業進入壁壘。因此，國有企業遭遇外部的負面沖擊時影響較小，能憑借自身的壟斷地位向市場轉嫁成本，減輕企業績效所受的影響。另外，外部投資者面對投資環境不確定性時也傾向于投資風險較小的國有企業[28]。

企業固定資產比例和資本密集度的差異也左右實體清單政策對企業投資的影響程度。越高的固定資產比例意味著企業生產需較多的設備、廠房等固定成本的投入。由于固定資產(尤其是專用性資產)的投資具有較高程度的不可逆性，企業的投資決策愈加謹慎，面臨外部政策的沖擊時更傾向于減緩投資。企業的資本密集度越高，其生產經營對資本的需求越大。在受到融資約束時，資本密集度高的企業面臨較大的融資成本上升壓力，導致投資激勵不足。基于以上分析，本文提出研究假設4：實體清單政策對非國有企業、高固定資產比例企業和高資本密集度企業的影響更大。

4.實體清單政策風險影響同行業非受限企業的投資。基于“寒蟬效應”，某一企業被實體清單政策制裁后不僅自身遭受直接沖擊，同行業的其他企業(尤其是行業地位較高的企業)擔心外部政策的進一步變化(即感知到政策風險的上升)也會做出相應的應對。基于等待期權的價值理論，Bernanke(1983)和Pindyck(1988)認為由于投資存在不可逆性，企業為避免政策出現不利狀況下的投資損失可能選擇等待直至不確定性得到解決[14][15](1)如果高政策風險長期存在，隨著延后投資導致的現金流損失大于等待期權的價值，企業就不再繼續推遲投資[18]。。Handley和Lim?o(2015，2017)針對貿易政策不確定性的分析也得出類似結論[20][21]。由于出口市場進入存在沉沒成本，貿易政策不確定性上升提高了企業的出口和技術升級投資的門檻，最終降低企業的出口和技術投資。基于上述分析，本文提出研究假設5：實體清單政策風險降低同行業非受限企業的投資水平。

三、數據來源與估計方法

(一)數據來源

樣本上市公司中最早被列入實體清單的時間為2014年，因此本文選取2010—2021年共12期的滬深A股上市企業作為研究對象。相關的上市公司財務數據來自國泰安CSMAR數據庫，實體清單數據源于美國BIS官方網站，行業分類標準參考我國證監會的《上市公司行業分類指引》(2012年修訂版)。由于金融行業相對于非金融行業具有太多的特殊性，故剔除金融行業的企業樣本。同時，本文剔除ST、*ST和PT類企業及樣本期內數據大量缺失的上市企業。

(二)估計方法與變量

為估計實體清單政策對企業投資的影響，本文參考Beck等(2010)的多期雙重差分模型[29]，建立如下的回歸方程：

(1)

其中，i、t分別表示企業和年份，被解釋變量Investit表示企業投資水平，核心解釋變量Regulationit表示企業被列入實體清單，μi、τt分別為企業個體和年份固定效應，εit為誤差項。

本文的關鍵因變量是企業投資水平(Invest)。參考李佳霖等(2019)、李鳳羽和楊墨竹(2015)的做法，本文以購建固定資產、無形資產和其他長期資產支付的現金減去處置固定資產、無形資產和其他長期資產收回的現金凈額的差值作為投資額[25][30]。同時，為方便比較不同規模企業的投資水平，參考Gulen和Ion(2016)的做法，本文將投資額用期初的總資產標準化[18]。此外，上市公司當期被列入實體清單時，Regulation取值為1，否則為0。這里，我們未考慮企業被列入實體清單又被移出的情形，因為即使后來被移出，企業被列入實體清單的影響在樣本期內依然存在。因此，如果某一企業在t年被列入實體清單，t年之后的所有年份的Regulation取值均為1。

為有效識別實體清單對企業投資的影響，有必要控制既影響企業投資水平又可能決定企業是否被實體清單政策制裁的相關因素。結合現有研究企業投資影響因素的文獻，本文選取以下的控制變量：

首先，為控制企業的投資機會和能力的差異，本文控制企業的托賓Q(tq)和經營現金流(cfo)[17][18]。其中，托賓Q(tq)以企業市場價值與資本重置成本之比衡量，經營現金流(cfo)為總資產標準化后的經營現金流凈額。

其次，考慮到企業的某些特征決定著企業是否被列入實體清單，而這些特征又影響企業的投資水平，因此本文控制以下的企業特征變量：企業規模(size)，以企業總資產衡量并取對數；企業年齡(age)，以企業的存續時間(當期時間減去企業成立時間)衡量；總資產收益率(roa)，以凈利潤與總資產之比衡量；資產負債率(lev)，以企業總負債占總資產的比例衡量，反映企業的財務杠桿水平；速動資產(qa)，以企業速動資產占總資產的比例衡量，反映企業短期債務償還能力。

最后，本文使用海外收入(fin)來控制企業的海外擴張能力，因為企業的海外擴張能力在一定程度上反映了企業的國際競爭力。海外收入(fin)采用海外營業收入并取對數。

表2是主要變量的描述性統計結果，發現企業投資水平(又稱“投資率”)均值為4.4%、標準差為4.5%，表明企業的投資水平通常只占總資產的很小比例。

表2 變量的描述性統計

四、回歸結果分析

(一)基礎回歸

表3展示了回歸方程(1)的結果。各列回歸的標準誤均聚類在二級行業層面上。Regulation的系數是我們的主要關注點，它反映了被納入實體清單后的受限企業相對于非受限企業的平均投資水平變化。列(1)沒有添加任何控制變量，Regulation的系數在1%的水平上顯著為負。列(2)參考典型的托賓Q投資預測模型，添加經營現金流(cfo)和托賓Q(tq)兩個控制變量，以控制企業的投資能力和機會。結果顯示，雙重差分Regulation的系數仍顯著為負。列(3)在列(2)的基礎上控制一些可能影響企業投資水平的企業特征變量，發現Regulation的系數比之前略小、但依然在1%的水平上顯著。列(4)增加海外收入(fin)以控制企業的海外經營績效，發現Regulation的系數仍顯著為負。列入實體清單使受限企業的投資率相對于非受限企業下降1.99個百分點。由于企業投資率的均值為4.4%，所以1.99個百分點的下降相當于均值的45%，表明實體清單政策沖擊的影響在經濟上十分顯著。總體而言，回歸結果顯示實體清單政策對企業投資產生明顯的負面影響，從而驗證了研究假設1。

表3 基礎回歸結果

(二)平行趨勢檢驗

根據多期差分回歸成立的條件，受限企業(處理組)相對于非受限企業(控制組)的趨勢變化一般僅出現在政策沖擊之后，因此本文參考文獻中的事件研究方法并采用下式進行平行趨勢檢驗[31]。

(2)

其中，j表示距離被列入實體清單年份的期數，j<0表示列入實體清單前的第j年，j>0表示列入實體清單后的第j年；Regulationij為虛擬變量，表示企業i是否處于被列入實體清單前或后的第j年。考慮到展示的方便性和樣本期，本文將的取值范圍限定為[-5，4]并以被列入實體清單的前一年為基期。因此，βj衡量了實體清單政策對企業投資影響的逐期變化。

圖2顯示了系數βj的估計值。其中，0表示列入實體清單的時點，0之前的時點反映該企業被列入實體清單之前的期數，0之后的時點則是之后的期數。可見，被列入實體清單前的系數均不顯著，說明列入實體清單前處理組與控制組之間不存在顯著差異，故平行趨勢假設成立。被列入實體清單后，企業投資率出現顯著下降且負向影響在第二年達到最大，隨后負向影響逐漸緩解，表明列入實體清單對企業投資率的影響偏短期、長期影響不顯著。但考慮到投資的累積效應，短期的投資不足仍可能影響企業的長遠發展。

圖2 平行趨勢檢驗

(三)穩健性檢驗

表4匯報了穩健性檢驗結果(2)本文還進行了隨機抽取實驗組的安慰劑檢驗分析，限于篇幅未列示，作者備索。。由于不同行業之間可能存在不同的時間趨勢，列(1)控制行業-時間交互固定效應(3)行業-時間交叉固定效應可控制實體清單政策對非受限企業的影響，包括實體清單政策風險的影響和受限企業所受影響的溢出效應，從而增加雙重差分識別策略的可靠性。列(1)的結果顯示實體清單政策對非受限企業的影響給估計結果造成的波動不大。，意味著此時雙重差分的估計結果比較的是同行業受限企業與非受限企業之間的差異。可見，估計結果仍在5%的水平上顯著為負。為控制不同地域之間的差異，列(2)控制省份-時間交叉固定效應，發現估計系數的大小略有下降、但仍顯著。現將標準誤聚類在更高一層的一級行業層面上，意味著允許更多企業彼此存在關聯，進一步放松企業之間相互獨立的假設。通常來說，估計系數更難通過顯著性檢驗，但列(3)的結果顯示依然顯著為負。列(4)更換企業投資的度量方式，采用投資總額而非前文的投資凈額，發現估計結果依然穩健。為防止異常值的影響，列(5)對數據實行前后1%的縮尾，發現估計結果與基礎回歸保持一致。為避免無關行業樣本對回歸結果的干擾，列(6)僅保留受限企業所在行業的企業樣本，發現估計結果仍顯著為負。以上的穩健性分析表明基礎回歸結果是穩健的，即列入實體清單明顯抑制企業的投資水平。

表4 穩健性檢驗結果

(四)內生性問題

1.PSM-DID。由于受限企業的數量較少，所以在前面的總體樣本回歸中處理組與控制組之間的樣本量差異較大，從而可能影響雙重差分的估計有效性。為排除前面的結果可能是樣本量差異過大導致的估計偏差并消除樣本選擇偏差，本文使用傾向匹配得分法(PSM)構造相對均衡且可靠的對照組進行雙重差分回歸[32]。這里，以企業規模(size)、企業年齡(age)、托賓Q(tq)、總資產收益率(roa)、經營現金流(cfo)和資產負債率(lev)作為協變量對受限企業及其他上市企業進行1∶5的近鄰匹配，并采用逐期匹配的方法。基于傾向得分匹配的樣本，表5的列(1)回歸結果顯示Regulation的系數顯著為負且大小與前述相近。

表5 PSM-DID和工具變量回歸結果

2.工具變量回歸。考慮到某些戰略性新興產業中實力較強的企業更易被列入實體清單，本文在前面的回歸分析中通過控制變量和行業-年份固定效應盡量控制影響被列入實體清單的因素，然而無法窮盡所有因素。這里，我們嘗試使用工具變量回歸解決前述的內生性問題。借鑒張杰等(2015)、余典范等(2022)的做法，使用二級行業層面被列入實體清單的企業數量，預測同行業個體企業被列入實體清單的概率[33][8]。行業中被列入實體清單的企業數量不會直接影響個體企業的投資水平，但與位于該行業的企業被實體清單制裁的概率密切相關。表5的列(2)的工具變量回歸顯示，估計結果與基礎回歸相一致，且一階段F統計量表明工具變量不是弱工具變量。

(五)異質性分析

為驗證研究假設4，表6從股權性質、固定資產比例和資本密集度三個方面展開異質性分析。列(1)和(2)的結果表明實體清單政策沖擊對非國有企業具有明顯的負面作用，而對國有企業的影響不顯著。列(3)和(4)將企業樣本按固定資產比例(固定資產/總資產)的均值劃分為高、低兩組，發現實體清單政策僅顯著降低固定資產比例較高的企業的投資水平。列(5)和(6)將企業樣本按資本密集度(總資產/營業收入)的均值劃分為高、低兩組，發現實體清單政策僅顯著降低資本密集度較高的企業的投資水平。總體來說，所有的異質性檢驗結果與研究假設4基本一致。

表6 異質性分析

五、進一步分析

(一)機制分析

根據前文的研究假設2和3，實體清單政策通過降低企業績效和增加企業融資難度抑制了企業投資水平。為驗證該機制，本文參考譚小芬和張文婧(2017)、李鳳羽和楊墨竹(2015)的研究方法，檢驗實體清單政策是否影響企業績效和融資約束[26][30]。

本文使用企業總資產收益率(roa)和企業利潤(profit)作為公司績效的量度。表7的列(1)和(2)的公司績效機制檢驗結果表明，實體清單政策顯著降低企業的總資產收益率和利潤水平，表明公司績效確實是實體清單政策影響企業投資的機制之一。另外，使用SA指數來衡量企業的融資約束程度[34]。表7的列(3)的融資約束機制檢驗結果表明，實體清單政策顯著提高企業的融資約束，而融資約束的上升則強化實體清單政策對企業投資的負面影響[25][26]，因此融資約束也是實體清單政策影響企業投資的機制之一。可見，實體清單政策惡化了企業的經營績效，削弱企業內部融資的能力；同時，加大了企業外部融資的壓力，因難以獲得外部的資金支持而導致企業投資率的下降。

表7 機制分析(N=14125)

(二)實體清單政策風險的影響

前文的分析主要針對的是實體清單政策對受限企業投資的直接影響。然而，根據研究假設5，實體清單政策對同行業的非受限企業也可能產生間接的負向影響。當然，除負向影響外，也可能存在間接的正向影響。基于“替代效應”，同行業某一企業被列入實體清單后，整個市場競爭力下降，市場份額可能轉移到同行業的其他企業，因而這些企業的績效得以提升、投資擴張被激發。但這種正向的間接效應不屬于政策風險的影響。

為檢驗是否存在實體清單政策風險對企業投資的影響，本文針對非受限企業樣本運行與方程(1)類似的回歸模型：

(3)

其中，i、t分別表示企業和年份，d表示二級層面的行業。核心解釋變量Regulation的下標為d而非i，表示行業d中當期存在受限企業時Regulation取值為1，否則為0。如果t年行業d中有企業被列入實體清單(以最早被列入的企業為基準)，那么t年之后的所有年份的Regulation對行業d中的其他非受限企業均取值為1。表8的列(1)的結果顯示，同行業某一企業被列入實體清單導致該行業其他企業的投資率顯著下降，其系數無論在經濟意義上還是統計意義上都十分顯著。這種實體清單政策的負向間接效應說明實體清單政策風險的影響確實存在，進而驗證了研究假設5。

表8 實體清單政策風險的影響(N=5004)

另外，企業的績效和融資約束可能也是實體清單政策風險的影響機制。一方面，客戶未雨綢繆，轉移或分散訂單以避免未來可能的實體清單政策的沖擊，從而降低企業的績效；另一方面，融資可獲得性是政策不確定性影響企業投資的重要前提之一，融資約束越大，實體清單政策風險的影響也越大[19]。為檢驗這兩種機制，本文以企業的績效(以總資產收益率和利潤衡量)和融資約束(以SA指數衡量)的相關變量為因變量，估計Regulation是否對這些因變量產生顯著影響。表8的列(2)和(3)分別匯報了企業總資產收益率和企業利潤的結果，發現實體清單政策風險顯著降低企業的總資產收益率和利潤水平，表明實體清單政策風險的上升阻礙企業績效的改善，進而壓減了企業投資。列(4)報告了企業融資約束的結果，發現實體清單政策風險顯著提高企業的融資約束，增加了企業外部融資的困難，進而影響企業的投資水平。上述分析結果驗證企業的績效和融資約束也是實體清單政策風險的影響機制。為緩解實體清單政策風險的影響，提高企業的經營管理水平和融資的可獲得性是重要的途徑。

六、結論與政策建議

本文以多期雙重差分的方法，使用2010—2021年A股上市公司樣本檢驗實體清單政策對企業投資水平的影響。研究發現，實體清單政策顯著抑制企業的投資水平，主要通過降低企業績效、增加企業融資難度兩個渠道來實現。進一步分析發現，實體清單政策對非國有企業、高固定資產比例企業和高資本密集度企業的影響更大。同時，實體清單政策對同行業非受限企業的影響的回歸結果驗證政策風險的影響確實存在。該風險顯著抑制非受限企業的投資水平，而企業的績效和融資約束仍是其中的重要機制。

基于以上分析，本文提出如下的政策建議：一是增加外部融資渠道，緩解企業融資壓力。外部融資是企業資金的重要來源，實體清單政策提高了企業融資難度，實體清單政策風險也使企業融資約束陡增。因此，政府應建立合適的金融扶助體系和政策，降低受限企業的信貸成本，減輕企業的融資壓力。二是提高公司管理水平。實體清單政策及其風險均顯著削弱企業的盈利能力。企業管理水平越高，越有利于改善企業當前的經營狀況，有助于紓解因收入水平下降帶來的財務困難。三是扶持生產性服務業的發展。通過完善資產租賃和交易市場，提高專用性資產的復用性和交易性，減少企業購買固定資產導致的資金占用，激發高固定資產企業的投資積極性。通過建立完善的股權交易市場，促進資金的有效利用。資本需求高的企業可吸收閑散資金、分散經營風險。