經濟政策不確定性與信貸調控對企業杠桿率調整的影響研究

［摘 要］ 基于2003-2019年A股上市企業數據，研究了經濟政策不確定性與信貸調控對企業杠桿率調整的影響及作用機制。結果顯示，較低的經濟政策不確定性會使企業加速向目標杠桿率調整，而信貸緊縮則會削弱這種影響。此外，在低不確定性下放寬信貸對企業杠桿率調整的加速作用相對較大；而在高不確定性下收緊信貸對企業杠桿率調整的減速作用相對較大。進一步考慮企業杠桿率相對位置后發現，企業目標杠桿率兩側的杠桿率調整不僅呈現非對稱性，而且還會隨著企業杠桿率調整速度變化而動態翻轉。

［關鍵詞］ 杠桿率調整；經濟政策不確定性；信貸調控；雙重作用

［中圖分類號］" F270．3"" ［文獻標識碼］ Ａ"" ［文章編號］ 1008-1763（2025）01-0078-12

A Study of the Impact of Economic Policy Uncertainty

and Credit Control on Firm Leverage Ratio Adjustment

ZHAO Hongyan， CHEN Wenjie

（Glorious Sun School of Business and" Management， Donghua University， Shanghai 200051， China）

Abstract：Based on the data of A-share listed firms from 2003 to 2019， this paper investigates the impact and mechanism of economic policy uncertainty and credit control on the" firm leverage ratio adjustment. The results show that lower economic policy uncertainty can accelerate firm leverage adjustment to the target leverage ratio， while tightening credit has opposite effect. In addition， easing credit control under low uncertainty has the relatively greatest accelerating effect on firms’ leverage adjustment， while tightening credit under high uncertainty has the relatively greatest decelerating effect. Further consideration of firm leverage ratio relative position reveals that adjusting leverage on either side of firm’ target is not only asymmetric， but also dynamically flip as the speed of leverage adjustment changes.

Key words：" leverage ratio adjustment; economic policy uncertainty; credit control; joint impact

一 引 言

自1958年MM定理提出后，企業杠桿率逐漸成了企業治理領域的研究熱點^[1]。動態權衡理論認為，企業為實現價值最大化，存在最優杠桿率，即目標杠桿率。企業在向目標杠桿率趨近的過程中，會由于外部環境變化而不斷改變杠桿率調整速度。這一外部環境是復雜因素的集合體，涵蓋了客觀非可控部分和政策可調控部分。近幾年來，我國經濟正處于增長速度換擋期、結構調整陣痛期、前期刺激政策消化期“三期疊加”的特殊階段，這使得我國當前的經濟政策不確定性相對較高。同時，政府需要通過信貸調控來反映國家政策導向。隨著日益增多的不確定性因素與政府信貸調控策略的頻繁變化，進而形成了本研究的關鍵問題：經濟政策不確定性和信貸調控會對企業杠桿率調整產生什么影響？這個問題既關乎宏觀調控效應，也關系到企業杠桿決策的趨勢預判，是政府和企業始終關注的重要問題。

經濟政策不確定性源于經濟和政治等各種可預知和不可預知的情況，比如國際關系、經濟危機、地區沖突、環境氣候、重大會議、突發事件等，具有非可控特點。目前，我國的經濟政策不確定性指數（EPU）主要采用新聞指數測度法^[2-4]。由Bloom、楊薪燕、宮汝凱等的研究可知，經濟政策不確定性是影響企業杠桿決策的重要外部因素，反映了企業外部環境的客觀部分^[5-7]。與之相對應的是企業外部環境中的可調控部分。信貸調控是我國金融政策的重要抓手，控制著外部融資總量，直接關系到企業杠桿決策^[8-9]。我國從2015年提出“供給側改革”，到“去杠桿，降金融風險”，再到“穩杠桿，重金融健康”，央行調控信貸的身影無處不在。信貸調控不僅能遏制經濟過熱，還能確保整體經濟有序健康發展^[10-11]。因此，信貸調控既是政策目標，又是政策手段。Allen和Gale通過研究信貸波動模型發現，在經濟上升期，若任由信貸規模擴張，勢必會帶動亢奮的投資熱情，進而形成過度負債和資產價格泡沫化，加劇系統性風險^[12]。這種風險往往會在經濟下行時觸發金融危機。因此，國家調控信貸具有充分的合理性和必要性。央行從1984年開始對信貸實施指令性計劃管控，到1998年轉變為指導性計劃管控。然而，指令和指導在具體操作層面上并非涇渭分明，通常是由總行核批季度貸款最高限額，然后對各級銀行進行指標管控。2008年，央行不再對信貸進行硬約束，逐漸轉變為“全面監控+窗口指導”，即體現為對銀行機構的隨時指導，并通過及時、事前、過程化的管理，進一步壓縮“靈活操作”空間。在此基礎上，央行在2011年開始實施“合意信貸”，即對不符合央行指導的信貸，強制繳納懲罰性準備金。該舉措逐步演化，最終在2016年初被納入宏觀審慎評估（MPA）考核體系之中，成為“資產負債情況”這一大類目錄下“廣義信貸”子項目的重要組成部分。在吸取了2008年全球金融危機經驗后，2022年中央經濟工作會議進一步加強了信貸調控，這再次成為各方的關注熱點。然而，反映我國信貸調控的信貸規模數據卻在2011年后不再公布，這增加了相關研究的難度。一方面，宏觀指標數據，如貨幣供應量、基準利率等，由于存在中間通道和機制扭曲，無法完全反映出實際信貸調控^[13];另一方面，公開披露信貸信息的銀行只是少部分，無法代表整體^[14]，因此選取合理的信貸調控代理指標也是本研究的重要工作之一。

研究發現，經濟政策不確定性會阻礙企業杠桿率調整，而放寬信貸調控則會促進企業杠桿率調整。兩種作用交織后發現，在不確定性較低時，放寬信貸調控對企業杠桿率調整的促進作用相較于不確定性較高時期更為明顯；反之，在不確定性較高時，緊縮信貸調控對企業杠桿率調整的抑制作用比在不確定性較低時期突出。進一步考慮企業杠桿率相對位置后發現，企業目標杠桿率兩側的杠桿率調整不僅具有非對稱性，而且還會隨著企業杠桿率調整速度變化而動態翻轉。

本文的主要貢獻在于：首先，使用場景式的組合影響來研究企業杠桿率調整行為，更貼近于企業杠桿率調整的實際環境，拓展了宏觀因素與微觀企業杠桿決策之間的關系研究。其次，本文的研究結論具有實用性，使政策制定者和企業決策者能根據不確定性和信貸調控對企業杠桿率調整進行趨勢預判，進而快速形成心理預期。

二 相關研究動態

（一）經濟政策不確定性

根據Bloom的定義，不確定性廣泛用于表征未來發展的不明朗和風險變化，是宏觀經濟特征的二階矩^[5]。目前已經有較多學者考察了經濟政策不確定性與宏觀經濟的關系，認為不確定性與經濟下行高度相關^[2]。Pastor和Veronesi對這種相關性的解釋是，政府會把經濟上行時期的向好發展歸因于當前政策的有效性，此時政府更傾向于對現有政策的維持和微調，經濟政策不確定性就會相對較低；而在經濟下行時，政府急于改變現狀，從而使推行新政策的阻力變小，政策試錯屬性增強，這導致朝令夕改現象與新舊政策不連貫情況疊加，即政策實施和后果的雙重不明朗，進而推高了經濟政策不確定性^[15]。學者們普遍認為，經濟政策不確定性會加劇股市、匯市和商品市場價格波動^[4]。這些金融風險因素往往會在經濟下行時放大，而在經濟上行時相對平緩，即體現為逆周期特征。當企業決策者面對不確定因素時，往往會產生規避和觀望心理，即通常所說的觀望效應^[16-17]。在此基礎上，Fajgelbaum等的研究發現，觀望效應會導致企業延遲決策或降低決策頻率，進而使企業間互相參照的信息減少，加劇了信息不對稱性，金融摩擦隨之變大^[18]。Bhatia等的研究也證實了該觀點^[19]。而郝大鵬等則認為這種觀望效應源于企業難以準確預測未來市場需求，風險承擔能力變弱，這是導致企業投融資計劃推遲或取消的重要因素^[20]。

針對經濟政策不確定性指數的測度方法尚未形成共識。在既有文獻中，雖然Baker等所測度的中國經濟政策不確定性指數受到了國內外學者的廣泛關注，但其缺點是該指數的信息來源局限于英文報紙《南華早報》^[2]。此后，Davis等和Huang等分別以我國主流中文報刊作為信息來源，分別構建了符合我國主流語境的EPU指數^[3-4]。然而，由于我國新聞審查制度較為嚴格，學術界對這兩個EPU指數依然存在爭議。盡管這些指數趨勢相近，但差異明顯，如圖1陰影部分所示。為此，本文通過主成分分析法，合成為一個綜合指數，如圖1實線所示。

（二）信貸調控

信貸調控最初受到社會廣泛關注可追溯到2008年后的“四萬億計劃”。該計劃帶來的信貸規模擴張緩解了企業融資困境^[21]。隨后“去杠桿”和“穩杠桿”等一系列政策，再次驗證了信貸調控對企業融資的重要作用^[22]，這主要歸結為兩方面的原因。一方面，信貸調控作為我國貨幣政策的關鍵閘口，決定了社會融資規模^[23-24]；另一方面，由于我國金融市場主要是以銀行間接融資為主，信貸調控往往與企業貸款利率緊密相關，能直接影響企業融資成本^[25]。信貸調控放寬不僅有助于激發企業投融資需求^[26]，還會加劇商業銀行間競爭，使得銀行在面對信息非對稱借貸行為時，更有可能降低貸款門檻，進而提高企業融資能力^[27]。與之相反，林毅夫和李永軍認為，信貸調控緊縮會使企業獲得的外部融資減少，企業間的融資約束加大，導致企業活力受到抑制，具體可體現為企業流動性資產留存增多，所形成的“流動性緩沖”會使企業資本結構調整靈活性降低^[28]。Chang等的研究進一步驗證了這個觀點^[29]。

通過梳理既有文獻后發現，學界對經濟政策不確定性的研究較為豐富，而關于信貸調控的研究則以宏觀分析為主。現有文獻在探討經濟政策不確定性和信貸調控時，較少關注兩者對企業杠桿率調整的影響。兩者作為企業杠桿決策的重要影響因素，只有納入同一研究框架，才能更真實地反映出企業杠桿率調整的實際環境，進而為政策制定者和企業治理者提供準確的杠桿率調整趨勢預判。為此，本文將深入考察經濟政策不確定性與信貸調控對企業杠桿率調整的影響。

三 作用機制及研究假設

（一）經濟政策不確定性對企業杠桿率調整的作用機制

經濟政策不確定性會從四個角度影響企業杠桿率調整：其一，從企業投融資決策角度。Huang和Luk認為，隨著經濟政策不確定性增加，企業管理層對未來經濟環境和政策走向預期會逐漸變得模糊^[4]。一方面，企業更有可能推遲或取消原投資項目，以避免因政策變動而帶來的投資風險；另一方面，不確定性加劇了企業現金流波動，企業違約風險隨之上升^[7]。這兩方面都會減少企業的投融資需求，使企業杠桿率調整靈活性下降，進而阻礙了企業向目標杠桿率調整。其二，從企業財務穩健性角度。當經濟政策不確定性較高時，企業為了確保經營穩定性，不僅會提高自身的財務柔性儲備，還會主動降低債務水平，以減少潛在的財務風險^[14]。然而，這種保守策略會降低企業向目標杠桿率調整的動力。其三，風險溢價角度。在經濟政策不確定性不斷升高時，金融機構為了控制風險，不僅會抬高企業融資成本，還會提出更多附加條件^[15]，進而直接干預企業經營決策，限制企業杠桿率調整空間。其四，信息不對稱角度。經濟政策不確定性使企業難以獲取準確、及時的市場信息，加大了企業管理層對未來市場趨勢預判的分歧^[7]，導致企業在面對市場波動時，難以快速有效地調整杠桿率。因此，本文提出以下假設。

假設1：經濟政策不確定性會對企業杠桿率調整產生負向影響，即降低企業杠桿率調整速度。

（二）信貸調控對企業杠桿率調整的作用機制

信貸調控會從三個角度影響企業杠桿率調整。首先，從融資環境角度。Chang等認為信貸放寬不僅意味著市場中的信貸總供給量增加，也意味著金融機構之間的競爭加劇^[29]。金融機構為了爭奪市場份額，往往會降低貸款利率或提供額外優惠條件，企業杠桿率調整成本隨之下降。其次，投資意愿角度。信貸調控放寬會降低企業融資門檻，使企業能更容易地籌集到所需資金，有助于推動項目實施，增強企業投資信心^[24]。根據市場擇時理論，企業往往更傾向于利用市場融資時機進行擴張，從而為杠桿率調整提供了空間。再次，市場信號角度。信貸調控是政府引導市場預期和管理宏觀經濟的一種手段^[26]，信貸調控放寬是在向市場傳遞積極信號，有助于穩定市場預期和降低企業違約風險，使企業能更專注于價值最大化，即向目標杠桿率靠攏。因此，本文提出以下假設。

假設2：信貸調控放寬會對企業杠桿率調整產生正向影響，即提高企業杠桿率調整速度。

（三）雙重作用機制

較低的經濟政策不確定性，往往與經濟上行相關聯。此時，市場參與者對未來經濟走向有較為明確的預期，市場信心相對穩定，企業決策者的風險厭惡性也相對較低，投融資需求增加^[3]。此時放寬信貸調控，不僅能促進金融機構間的競爭和改善企業融資環境，還能使企業更專注于自身價值最大化，有利于推動企業向目標杠桿率調整。相比之下，在經濟政策不確定性較高的環境中，市場參與者對未來經濟的預期存在較大分歧，市場信心往往不足，金融機構的風險評估趨于謹慎，導致企業觀望心態加劇，更傾向于采用保守的經營策略，比如減少對高風險項目投資、增加現金儲備以應對潛在風險等^[9]。若此時放寬信貸調控，盡管政府“救市”意圖明顯，但鑒于市場仍然對宏觀不確定性存在顧慮，信貸調控作用被削弱。因此，本文提出以下假設。

假設3：相較于高不確定性下放寬信貸調控（高寬），低不確定性下放寬信貸調控（低-寬）對企業杠桿率調整的正向影響更加明顯。

收緊信貸雖然能有效抑制經濟過熱并降低金融風險，但其執行往往伴隨著不可忽視的政策風險。在不確定性較低的市場環境中，此類調控易導致市場信心下降，企業陷入財務困境的風險隨之增加，進而促使企業推遲投資并增加現金儲備^[4]。與此同時，金融中介機構在信貸供給上的選擇性偏好也愈發明顯，加劇了不同企業融資的難度差異。相比之下，在高不確定性環境下，收緊信貸則很少發生于主動政策決策中，往往出現于高不確定性初期^[12]。此時，政策尚未及時調整，仍然沿用原來的管控指標，輿論監管也尚未全面到位，市場處于恐慌與應激狀態。在此背景下，金融中介會出于本能反應，減少資金供給，形成了事實上的信貸緊縮，進而加劇了對企業杠桿率調整的負向影響。因此，本文提出以下假設。

假設4：相較于低不確定性下收緊信貸調控（低緊），高不確定性下收緊信貸調控（高-緊）對企業杠桿率調整的負向影響更加明顯。

四 研究設計與樣本選擇

（一）數據與樣本

本文以A股上市公司作為研究樣本，數據來源于國泰安數據庫，并參照Zhang等，使用季度數據^[14]。時間跨度為2003年第二季度到2019年第三季度，即從SARS暴發之后到新冠肺炎疫情爆發之前。樣本剔除了金融性企業和ST企業，并對連續變量的1%和99%進行Winsor處理，要求企業樣本至少連續兩年，資產負債比在0和1之間。經過篩選后，最終得到了3142家公司的118959個觀察值。銀行債務總值和GDP數據來自國家統計局網站。經濟政策不確定性指數源于policyuncertainty.com和economicpolicyuncertaintyinchina.weebly.com。

（二）變量選擇及測度

1.企業杠桿率

參照Drobetz和Wanzenried^[30]及Devos等^[31]，本文采用企業總負債與總資產之比來測度企業杠桿率。其中，企業總負債包含了長期負債和短期負債，以更全面體現企業杠桿水平。如果企業杠桿只考慮長期負債，很可能無法反映企業短期償債能力和流動性風險，使企業杠桿的真實變化延遲顯現，進而會對企業財務健康產生錯覺，尤其是我國大量中小企業更依賴于短期債務進行日常運營和資金流轉^[32]。企業杠桿率的分母采用企業賬面總資產，而非企業市值總資本，主要是基于以下三點考慮：一是從穩定性角度，企業賬面總資產不受市場情緒和股價波動的直接影響，具有一定的穩定性和可靠性。尤其是我國股票市場波動并不完全基于市場自身因素。二是從適用性角度，基于企業賬面總資產的研究對非上市企業杠桿決策有可比性，從而能使研究過程和結論得到進一步拓展。三是從財務透明角度，相比企業市值，企業賬面總資產數據的操縱空間更小。

2. 經濟政策不確定性

已有文獻對經濟政策不確定性的衡量廣泛采用基于新聞指數的測度法^[2]，即依據國家和地區的政策和經濟不確定性相關新聞報道和文章出現頻次來衡量各個時期的不確定性。經濟政策不確定性指數被廣泛接受的原因可歸納為三點：第一，相比特定渠道指標的波動性，如股市指數^[33]、GDP變化^[6]等，該指數能更全面反映全球政治和經濟事件的關聯性；第二，相比以離散事件作為導向的不確定性測度，比如官員更替^[34]、重大選舉^[35]等，該指數能突破單一事件維度，具有連續性和時變性；第三，該指數能夠量化突發事件和連鎖事件的市場焦慮程度，對熱點感知靈敏。目前，我國的EPU指標測度主要有三個來源：一是Baker等基于《南華早報》的英語新聞提取指數^[2]，二是Davis等根據兩家中央直屬的頂級中文報刊提取新聞指數^[3]，三是Huang和Luk依據國內十家主流中文報刊提取新聞指數^[4]。這三個指數的構建差異如表1所示。

為避免單一信息源的測度偏差，本文采用主成分分析法（PCA）對以上三種EPU指數進行合成。首先對各EPU指標進行離差標準化，以統一量綱，數值區間限為0到100。離差標準化公式為：

yt=xi-min（xi）max（xi）-min（xi）×100

上式中，xi為各EPU指數的原始數據，yi則為對應指數的離差標準化處理值。表2中的KMO檢驗系數和Bartlett球體檢驗P值表明，適合采用主成分分析方法；且各EPU之間相關性較高，信息冗余較大，符合數據降維條件。表2中還顯示了第一主成分特征值為1.98，不僅大于1，且方差貢獻率達到了78%，遠超第二主成分。將標準化后的EPU數據矩陣乘以第一主成分的特征向量，所得到的新向量為EPU指數在主成分方向上的投影，即降維后的經濟政策不確定性指標，如圖1實線所示。圖中的陰影部分是標準化后的三種EPU指數共同形成的包絡，反映了指數間的差異。其中，上包絡線的表達式為：max{BakerEPUt， DavisEPUt， HuangEPUt}，下包絡線的表達式為：min{BakerEPUt， DavisEPUt， HuangEPUt}。本文參照Zhang等，將月度主成分EPU加權平均后轉變為季度，即EPUseason=（3EPUmonth + 2EPUmonth-1 + EPUmonth-2）/6，以衡量季度經濟政策不確定性^[14]。

3.信貸調控

信貸調控的關鍵指標是信貸規模，但該指標在2011年后就不再公布，故需要找到相應代理指標。央行信貸調控的落實單位是銀行，而我國微觀經濟體融資也主要依賴銀行^[8-9]，因此可通過銀行信貸供給來反映信貸調控政策。根據Gornall等^[36]推導的融資供應鏈模型可知，當銀行資本結構中沒有負債時，企業債務收益就會被抵消，即企業債務優勢來源于銀行，而過低的銀行杠桿不僅會阻礙銀行向企業傳遞債務優勢，還會增加由銀行放貸收入所產生的所得稅，導致企業負債成本上升，融資吸引力下降。而當銀行資本結構全部為負債時，若不考慮銀行違約風險，企業實現債務收益最大。然而，在現實情況中，銀行在向企業傳遞債務收益的過程中，必然伴隨著成本支出，其中破產成本便是一個不可忽視的因素。因此，如果銀行不能充分利用杠桿，就會在損失差額利息收入的同時還承受著破產成本。為獲得最大限度的杠桿優勢，銀行總負債與銀行信貸規模之間存在耦合關系，即銀行會根據央行核批的控制指標調整自身杠桿比例。據此，本文將銀行負債總和作為信貸規模的代理變量。該變量與2011年前央行公布的信貸規模顯著相關，Pearson系數達到0.901。通過將銀行負債總和除以當季GDP，并進行一階差分處理，獲得信貸規模變化的相對值，以反映信貸調控。此代理指標從融資供應鏈機制出發，不受樣本企業特質影響，突出信貸調控下的供給側特質。

4.控制變量

除以上變量外，研究中的控制變量主要包括企業融資靈活性指標、融資需求指標、信息不對稱性指標和財務風險指標四類。具體而言，企業融資靈活性采用資產收益率（ROA）來測度。根據權衡理論，高收益率會降低債務和權益之間的轉換成本，使企業能更靈活地進行杠桿率調整。融資需求分別用資本支出比（CER）和融資約束（FC）來控制。前一種融資需求來自企業發展驅動，后一種融資需求來自企業生存壓力。融資約束指標參照Whited和Wu^[37]。信息不對稱分別用企業規模（Size）和市賬比（MBR）來控制。這里的企業規模用總資產的自然對數表示。財務風險用資產有形性（Tan）和Altman’s Z-score來控制。表3報告了主要變量的描述性統計結果。

（三）模型構建

企業向目標杠桿率調整的過程中，存在各種摩擦因素，諸如破產成本、不完全市場、信息不對稱、代理成本等，這導致企業偏離最優杠桿率，然后逐漸向最優狀態靠攏。現有研究普遍采用杠桿率偏差模型來估計杠桿率調整速度。根據Devos等^[31]的研究，杠桿率調整模型設定如下：

Levi，t-Levpi，t-1=v（Levi，t-Levpi，t-1）+γXi，t+μi+i，t（1）

式（1）中，Levi，t為企業目標杠桿率。由于企業目標杠桿率無法被直接觀察到，因此根據Fama和French^[38]，可將目標杠桿率表示為：

Levi，t=ΣβXi，t-1+μi（2）

式（2）用本期杠桿率作為上一期杠桿率的預測值來擬合目標杠桿率，i為企業，t為時間。X代表了決定目標杠桿率的自變量，包括資本支出比（CER）、融資約束（FC）^[37]、企業規模（Size）、市賬比（MBR）、資產有形性（Tan）、Altman’s Z-score和資產收益率（ROA）以及行業杠桿率中值，并同時用固定效應擬合企業的非時變特征。

式（1）中，v是調整系數，即杠桿率調整的平均速度。Xi，t為控制變量，與式（2）相同。Levpt-1參照Faulkender等^[39]，將總債務D除以總資產A與下一周期凈收入NI之和，即Levpi，t-1=Di，t-1/（Ai，t-1+NIi，t，從而弱化杠桿率調整過程中的被動性，突出其在資本市場的主動性。Levi，t-Levpi，t-1是企業杠桿率的主動調整幅度，記為ΔLevi，t;Levi，t-Levpi，t-1是企業杠桿率偏離程度，記為LevDevi，t。由此，式（1）可簡化為：

ΔLevi，t=νLevDevi，t+γXi，t+μi+δt+i，t（3）

此外，根據王朝陽等^[40]的研究，可由常數項和影響因子構成杠桿率調整速度的線性函數，即如下式所示。

ν=c0+c1EPU（4）

ν=d0+d1CDC（5）

ν=b0+b1EPU+b2CDC（6）

參照Drobetz和Wanzenried^[30]和王朝陽等^[40]的研究方法，分別將以上三式代入式（3）中，并整理得到：

ΔLevi，t=c0LevDevi，t+c1EPUi，t×LevDevi，t+γXi，t+μi+δt+i，t（7）

ΔLevi，t=d0LevDevi，t+d1CDCi，t×LevDevi，t+γXi，t+μi+δt+i，t（8）

ΔLevi，t=b0LevDevi，t+b1EPUi，t×LevDevi，t+b2CDCi，t×LevDevi，t+γXi，t+μi+δt+i，t（9）

式（7）-式（9）構成了經濟政策不確定性和信貸調控對企業杠桿率調整影響的基準模型。由于經濟政策不確定性與信貸調控的計量單位不同，式（9）只能做變量的單獨分析。為了檢驗兩者共同構成的影響，就需要對模型進一步拓展。首先，根據Devos等^[31]的研究，在杠桿率部分調整式（3）的基礎上，通過增加啞變量的方式來去除變量單位不一致的問題，即

ΔLevi，t=∑u=（h，l）（βu，1LevDevi，t+

βu，2EPUdummyu，i，t+βu，3LevDevi，t×

EPUdummyu，i，t）I（u）+γXi，t+μi+δt+i，t（10）

ΔLevi，t=∑s=（h，l）（βs，1LevDevi，t+

βs，2CDCdummys，i，t+βs，3LevDevi，t×

CDCdummys，i，t）I（s）+γXi，t+μi+δt+i，t

（11）

EPUdummyu，i，t的狀態u依據經濟政策不確定性連續8個季度窗口滾動中值來區分不確定性的高低，以近似人對不確定性的短期敏感性。其滾動過程為，初始8個序列季度的判斷值Ki=EPUi – Median[EPU1，…， EPU8]， i=（1…8），當Kigt;0時，歸為高不確定性（h），反之則為低不確定性（l）。當處于高不確定性狀態時，高不確定性對應的觀測值設為1，其余為0，反之亦然。類似地，信貸調整的狀態設為s，當信貸調控變量值大于零時，則為信貸調控放寬（h）；反之則為信貸調控緊縮（l）。當處于信貸調控放寬狀態時，信貸調控放寬對應的觀測值設為1，其余為0，反之亦然。參照Devos等^[31]的做法，在式（10）和式（11）的基礎上，將經濟政策不確定性和信貸調控納入同一模型框架。通過增加啞變量及其交叉項，來反映兩者對企業杠桿率調整的影響，如公式（12）所示。

ΔLevi，t=∑u，s=（h，l）（βu，s，1LevDevi，t+

βu，s，2EPUdummyu，i，t+βu，s，3LevDevi，t×

EPUdummyu，i，t+βu，s，4CDCdummys，i，t+

βu，s，5LevDevi，t×CDCdummys，i，t+

βu，s，6EPUdummyu，i，t×CDCdummys，i，t+

βu，s，7LevDevi，t×EPUdummyu，i，t×

CDCdummys，i，t）I（u，s）+γXi，t+μi+δt+i，t

（12）

式中交叉項系數βu，s，7為經濟政策不確定性和信貸調控兩者對企業杠桿率調整的影響。

五 實證結果與分析

（一）基準回歸分析

采用面板固定效應模型，估計結果見表4，其中列（2）的EPU×LevDev項顯著為負，表明隨著經濟政策不確定性程度上升，企業向目標杠桿率調整的速度會隨之降低，與假設1一致。列（3）的CDC×LevDev項顯著為正，說明隨著信貸調控放寬，企業向目標杠桿率調整的速度會隨之增加，與假設2一致。列（4）將經濟政策不確定性和信貸調控共同納入模型，其對應系數的符號與列（2）和列（3）一致，表明回歸結果穩健。

（二）經濟政策不確定性與信貸調控的雙重作用

1. 內生性問題

盡管對于企業而言，經濟政策不確定性和信貸調控這兩個變量相對外生，并且我們采用企業固定效應模型控制了企業層面不隨時間變化的因素，但仍舊無法忽視潛在的內生性問題。為此，本文采用兩種措施予以緩解。其一，排除融資約束指標后十分之一的輕融資約束樣本，以避開融資敏感樣本在信貸放寬時產生的強烈反應，因為這種強烈反應往往并不完全由經濟政策不確定性或信貸調控本身所驅動^[41]。排除此類樣本能降低解釋變量與隨機擾動項的相關性，進而緩解內生性問題。其二，參照李曉溪等的研究^[42]，使用傾向得分匹配法（PSM），以減少樣本差異對估計結果的影響，從而能在一定程度上控制那些不可觀測但可能影響結果的變量，以進一步緩解內生性問題。將信貸調控放寬下的樣本與信貸調控緊縮下的樣本進行匹配后，表5報告了匹配前后企業特征總體的t檢驗結果，其p值增大，且標準化差異大幅下降了22.7%-99.3%，匹配效果較好。在采用了以上措施后，本文通過傳遞效應檢驗發現^[40]，信貸調控在經濟政策不確定性對企業杠桿率調整影響中的傳遞作用顯著減弱。這充分表明了這兩個研究變量之間的內生性傳遞路徑已被部分控制，在這條傳遞路徑上的其他遺漏變量的影響也隨之得到了抑制，雙向因果關系被削弱，內生性問題得到緩解，進而使回歸結果更為穩健和可信。

2.經濟政策不確定性與信貸調控的獨立作用

基于Devos等^[31]的研究方法，式（10）和式（11）的估計結果見表6，其中列（1）和列（3）是基于目標杠桿率期望值所獲得的檢驗結果。列（1）表明低不確定性會促進企業向目標杠桿率調整，平均增速達到6.3%（0.002/0.032），而高不確定性會阻礙企業向目標杠桿率調整，平均減速達到5.9%（-0.002/0.034）。由此可知，從低不確定性到高不確定性，企業杠桿率調整會從增速變為減速，即不確定性升高抑制了企業杠桿率調整，再次驗證假設1，具有穩健性。與此同時，列（3）表明信貸調控緊縮會減緩企業向目標杠桿率調整，平均減速達到7.9%（-0.003/0.038）；而信貸調控放寬有助于企業向目標杠桿率調整，平均增速達到8.1%（0.003/0.037）。由此可知，信貸調控由緊縮到放寬會對企業杠桿率調整形成正向影響，再次驗證假設2，具有穩健性。表6列（2）和列（4）是基于目標杠桿率中值所獲得的檢驗結果，所得結論分別與列（1）和列（3）一致，檢驗結果穩健。

3. 經濟政策不確定性與信貸調控的雙重作用

根據Devos等^[31]的研究方法，表7中列（1）是基于目標杠桿率期望值所獲得的檢驗結果，顯示在低不確定性下信貸調控放寬能使企業杠桿率調整的平均增速達到46.4%（0.013/0.028），對企業杠桿率調整的正向作用最大。而在高不確定性下信貸調控放寬，企業杠桿率調整的平均增速只有9.38%（0.003/0.032），比低不確定性下放寬信貸調控產生的影響小，與假設3一致。此外，列（1）表明低不確定性下信貸調控緊縮對企業杠桿率調整的影響不顯著。這說明，盡管經濟發展形勢明朗，緊縮信貸依舊會讓企業重新陷入猶豫和觀望；此時，金融中介機構的選擇性偏好也愈發明顯，加劇了不同企業融資難度的差異性，使杠桿率調整無法形成顯著趨勢。而在高不確定性下緊縮信貸主要發生在不確定性爆發的初期，體現的是政策調控滯后，此時，企業杠桿率調整的減速效應最為明顯，達到了10.5%（-0.004/0.038），與假設4一致，這進一步說明了政府實施信貸調控的必要性。表7中列（2）報告了基于目標杠桿率中值所獲得的檢驗結果，所得結論與之前一致，檢驗結果穩健。

（三）穩健性檢驗

企業目標杠桿率無法直接觀察得到，只能通過模型估計間接獲得。因此，若只將結論建立在目標杠桿率的期望值或中值上，仍然會有穩健性的擔憂。對此，本文使用分位數回歸，在整個目標杠桿率分布上均勻估計出多個目標值，以反映出相對完整的杠桿率調整全景。采用分位數回歸的另一優點是減少異常值的影響，放寬誤差一致性和變量正態分布的前提假設。圖2顯示了基于式（10）獲得的分位數回歸結果。其中的經濟政策不確定性對企業杠桿率調整的影響覆蓋了整個目標杠桿率分布。圖2中虛線上各值小于零，說明高不確定性對企業杠桿率調整有穩健負向影響；而實線上各值大于零，說明低不確定性對企業杠桿率調整有穩健正向影響。由此可知，從低不確定性到高不確定性，企業杠桿率調整所受到的影響從正向變為負向，即不確定性升高抑制了企業杠桿率調整，再次驗證假設1，該結論穩健。圖3顯示了基于式（11）獲得的分位數回歸結果，也同樣覆蓋了整個目標杠桿率分布。在該圖中，虛線上各值小于零，說明信貸調控緊縮對企業杠桿率調整有穩健負向影響；而實線上各值大于零，說明信貸調控放寬對企業杠桿率調整有穩健正向影響。由此可知，信貸調控由緊縮到放寬會對企業杠桿率調整產生正向影響，再次驗證假設2，該結論穩健。

圖4所報告的是經濟政策不確定性和信貸調控兩者共同作用于企業杠桿率調整，覆蓋了整個目標杠桿率分布。圖4中實線位置遠高于虛線，說明在低不確定性下放寬信貸比在高不確定性下放寬信貸對杠桿率調整的促進作用更加明顯，再次與假設3一致，該結論穩健。同時，圖4中點線處于底部，其相對位置表明在高不確定性下緊縮信貸要比在低不確定性下緊縮信貸對杠桿率調整的抑制作用更加明顯，再次與假設4一致，該結論穩健。

此外，根據大數理論，若對企業目標杠桿率的估計偏高，則低于目標杠桿率的調整會充分顯現。反之，若對企業目標杠桿率的估計偏低，則高于目標杠桿率的調整會充分顯示。圖4中實線對應的場景條件是低不確定性下放寬信貸，該線呈現為大于零且為上揚趨勢。這表明在企業杠桿率調整增速時，低于目標杠桿率的企業比高于目標杠桿率的企業相對增速幅度更大。而圖4中點線對應的場景條件是高不確定性下緊縮信貸，呈現為小于零且有下降趨勢。這表明在企業杠桿率調整減速時，低于目標杠桿率的企業比高于目標杠桿率的企業相對減速幅度更大。因此，企業目標杠桿率兩側的杠桿率調整不僅具有不對稱性，而且還會隨著企業杠桿率調整速度變化而動態翻轉。我們從圖2和圖3中也能發現類似特征，表明結果具有穩健性。

六 研究結論與啟示

經濟政策不確定性和信貸調控作為企業杠桿率調整的關鍵外部因素，共同構成了企業杠桿決策外部環境中的客觀部分和調控部分。通過研究兩者對企業杠桿率調整的影響，不僅能直觀地獲得信貸調控在不確定性下對企業杠桿率調整的實際作用，還能為政策制定者和企業治理者提供企業杠桿率調整趨勢預判。研究發現：（1）經濟政策不確定性會抑制企業向目標杠桿率調整；而信貸調控放寬則會促進企業向目標杠桿率調整。（2）進一步研究兩者的雙重影響后可知，相較于高不確定性下放寬信貸，在低不確定性下放寬信貸對企業杠桿率調整的正向影響更加明顯；而相較于低不確定性下收緊信貸，在高不確定性下收緊信貸對企業杠桿率調整的負向影響更加明顯。（3）企業目標杠桿率兩側的杠桿率調整不僅具有非對稱性，而且還會隨著企業杠桿率調整速度變化而動態翻轉。

基于本文的研究結論，我們獲得如下啟示：

其一，較低的經濟政策不確定性往往與經濟上行緊密關聯。此時，不僅銀行有信貸供給意愿，企業也有投融資需求，信貸供需匹配度相對較高。從政策角度，若政府在此階段放寬信貸管控，實質上就是對市場信貸規模隨需求自然擴張的一種默許態度。然而，信貸調控的價值體現在能防止金融供給側和需求側過于“興奮”。反之，若政府有意實施信貸收緊政策，雖然系統性風險防范效果明顯，但同時也將伴隨著較大的政策執行風險。尤其是對企業而言，信貸調控緊縮往往意味著陷入財務困境的可能性變大，使其無法靈活調整資本結構，導致其偏離目標杠桿率。這樣不僅阻礙了企業自身價值最大化，還可能增加企業非理性決策，增加了市場不穩定因素，進而削弱了低不確定性對企業杠桿率調整的加速作用。因此，經濟環境穩定時期的信貸緊縮調控更應強調謹慎和“軟著陸”，避免過度干擾市場的自然運行節奏，從而實現經濟平穩健康發展與金融穩定的雙重目標。

其二，經濟政策不確定性體現的是經濟運行中的宏觀不確定性，其源頭多樣且難以預測，諸如突發傳染病、戰爭沖突、國內外領導人更迭等，均可能成為不確定性的觸發因素，而高不確定性往往伴隨著經濟下行。金融機構在面對違約風險時，往往會采取保守策略，主動收縮信貸規模以規避風險。在此背景下，政府的及時介入顯得尤為關鍵。從政策制定的戰略高度來看，這一時期恰恰是國家進行戰略布局的黃金窗口期。政府可通過精準施策，以局部帶動整體，通過積極的信貸政策來打破由不確定性引發的市場觀望與猶豫氛圍，引導企業重新將治理重心聚焦于價值最大化這一目標上。這樣的政策響應更加貼近于資本決策的理性邏輯，對穩定市場情緒具有積極作用。但同時需要關注的是一系列干預措施所帶來的不確定性會削弱信貸放寬對企業杠桿率調整的正面激勵效果。

其三，在傳統政策執行的框架下，決策者往往會依據企業的行業歸屬、所有制形式、規模大小及地域特征等標簽來界定信貸支持的受益群體。這種做法雖然目標明確，便于操作，卻也容易導致政策制定陷入標簽化思維，忽視了企業個體的真實狀況。具體而言，信貸政策需要考慮企業杠桿率實際所處的相對位置，對于杠桿率低于最優值的企業，應適度放寬信貸限制，以促進其健康發展；而對于杠桿率高于最優值的企業，則應審慎收緊信貸供給，防范潛在風險。這種基于企業實際情況的差異化策略，能夠精準定位信貸政策的受益對象，有效避免“一刀切”的粗放模式，確保政策既具有針對性，又能促進資源的合理配置。

［參 考 文 獻］

［1］ Modigliani F. The cost of capital， corporation finance and the theory of investment[J]. American Economic Review， 1958（3）：261-297.

[2] Baker S R， Bloom N， Davis S J. Measuring economic policy uncertainty[J]. The Quarterly Journal of Economics， 2016（4）：1593-1636.

[3] 潘文泳，朱小明．經濟不確定性對企業并購的影響研究［J］．大連理工大學學報（社會科學版），2023（3）：36-43．

[4] "Huang Y， Luk P. Measuring economic policy uncertainty in China[J]. China Economic Review， 2020，59：101367.

[5] Bloom N. The impact of uncertainty shocks[J]. Econometrica， 2009（3）：623-685.

[6] 楊薪燕.宏觀經濟波動對企業資本結構影響的實證[J].統計與決策， 2020（2）：156-159.

[7] 宮汝凱.政策不確定環境下的資本結構動態決策[J].南開經濟研究， 2021（4）：97-119.

[8] Allen F， Qian J， Qian M J. Law， finance， and economic growth in China[J]. Journal of Financial Economics， 2005（1）：57-116.

[9] 顧海峰，于家珺.中國經濟政策不確定性與銀行風險承擔[J].世界經濟， 2019（11）：148-171.

[10]盧露，楊文華.供給側結構性改革與企業杠桿率調整——基于上市工業企業數據的實證研究[J].當代財經， 2020（7）：15-27.

[11]賈慶英，高蕊.房地產價格、經濟杠桿與金融系統性風險[J].南京審計大學學報， 2020（6）：69-78.

[12] Allen F， Gale D. Bubbles and crises[J]. The Economic Journal， 2000， 460：236-255.

[13] Dietrich D， Shin J K， Tvede M. Debt constraints and monetary policy[J]. Journal of Mathematical Economics， 2020，87：31-42.

[14] Zhang G L， Han J L， Pan Z Y，et al. Economic policy uncertainty and capital structure choice： evidence from China[J]. Economic Systems， 2015（3）：439-457.

[15] Pstor L′，Veronesi P. Political uncertainty and risk premia[J]. Journal of Financial Economics， 2013（3）：520-545.

[16] Gilchrist S， Sim J W， Zakrajsek E. Uncertainty， financial frictions， and investment dynamics[J]. Washington DC： FEDS Working Paper， 2014（69）：1-58.

[17] 顧文濤，潘莉燕，李恒奎.經濟政策不確定性、銀行信貸與企業投資：基于企業異質性視角的實證分析[J].投資研究， 2017（2）：17-32.

[18] Fajgelbaum P， Schaal E， Taschereau-Dumouchel M. Uncertainty Traps[R]. NBER Working Papers， 2014.

[19] Bhatia V， Pareek B， Das D. Uncertainty of fiscal policy and corporate leverage decisions[J]. Economics Letters， 2024，243：111908.

[20] 郝大鵬，劉元春，方意.雙循環背景下外部經濟政策不確定性負向沖擊的化解研究：基于企業投資行為視角[J].財貿經濟， 2024（4）：141-156.

[21] 王賢彬，王淑芳.刺激計劃與企業融資——基于“四萬億”政策的理論分析與實證檢驗[J].產業經濟評論， 2019（3）：50-67.

[22] 吳侃，冉渝.信貸供給、資本結構動態調整與企業投資[J].財會通訊， 2020（21）：99-103.

[23] 茍琴，黃益平.我國信貸配給決定因素分析——來自企業層面的證據[J].金融研究， 2014（8）：1-17.

[24] 謝超峰.貨幣政策產業結構效應與非金融企業杠桿率分化[J].經濟體制改革， 2023（1）：155-164.

[25] Ippolito F， Ozdagli A K， Perez-Orive A. The transmission of monetary policy through bank lending： the floating rate channel[J]. Journal of Monetary Economics， 2018（95）：49-71.

[26] 張弘瀅，耿成軒.金融發展、信貸供給與企業投資——基于系統GMM和門檻模型的分析[J].技術經濟與管理研究， 2021（5）：44-48.

[27] 李夢花，聶思玥.我國信貸規模、資產價格波動與銀行脆弱性——基于有向無環圖的應用研究[J]．當代經濟科學， 2015（5）：22-31+124-125.

[28] 林毅夫，李永軍.中小金融機構發展與中小企業融資[J].經濟研究， 2001（1）：10-18.

[29] Chang B， Gomez M， Hong H. Sorting out the effect of credit supply[J]. Journal of Financial Economics， 2023（3）：103719.

[30] Drobetz W， Wanzenried G. What determines the speed of adjustment to the target capital structure[J]. Applied Financial Economics， 2006（3）：941-958.

[31] Devos E， Rahman S， Tsang D. Debt covenants and the speed of capital structure adjustment[J]. Journal of Corporate Finance， 2017（45）：1-18.

[32] 劉暢，曹光宇，馬光榮.地方政府融資平臺擠出了中小企業貸款嗎[J].經濟研究， 2020（3）：50-64.

[33] 王志強，梁曉穎.中國股市β異象對公司杠桿率的影響——“高杠桿率之謎”的一種解釋[J].財經問題研究， 2021（9）：53-62.

[34] 羅黨論，佘國滿.地方官員變更與地方債發行[J].經濟研究， 2015（6）：131-146.

[35] Jens C E. Political uncertainty and investment： causal evidence from U.S. gubernatorial elections[J]. Journal of Financial Economics， 2017（3）：563-579.

[36] Gornall W，" Strebulaev I A. Financing as a supply chain： the capital structure of banks and borrowers[J]. Journal of Financial Economics， 2018（3）：510-530.

[37] Whited T M， Wu G J. Financial constraints risk[J]. Review of Financial Studies， 2006（2）：531-559.

[38] Fama E F， French K R. Testing trade-off and pecking order predictions about dividends and debt[J]. Review of Financial Studies， 2002（1）：1-33.

[39] Faulkender M， Flannery M J， Hankins K W，et al. Cash flows and leverage adjustments[J]. Journal of Financial Economics， 2012（3）：632-646.

[40] 王朝陽，張雪蘭，包慧娜.經濟政策不確定性與企業資本結構動態調整及穩杠桿[J].中國工業經濟， 2018（12）：134-151.

[41] 呂峻，石榮.宏觀經濟因素對公司資本結構影響的研究：兼論三種資本結構理論的關系[J].當代經濟科學， 2014（6）：95-105+125-126.

[42] 李曉溪，饒品貴，岳衡.銀行競爭與企業杠桿操縱[J].經濟研究， 2023（5）：172-189.