企業關聯委托貸款與全要素生產率

【摘要】本文通過手工收集上市公司委托貸款數據， 考察企業關聯委托貸款對全要素生產率的影響及作用渠道。實證分析發現： 企業關聯委托貸款對全要素生產率具有顯著的負向影響， 其主要通過擠占創新投入和加劇信息不對稱進而導致全要素生產率降低。進一步分析發現： 發放方與接收方的股權關聯程度越高， 企業關聯委托貸款對全要素生產率的抑制作用越強； 在規模較小、 內外部公司治理水平較低的企業中， 關聯委托貸款與全要素生產率的負相關關系更顯著。拓展性檢驗表明， 企業關聯委托貸款既增加了要素投入又降低了產出， 從而導致全要素生產率下降。本文的研究對于引導非正規金融良性發展和助推經濟高質量發展具有一定的啟示意義。

【關鍵詞】關聯委托貸款；創新投入；信息不對稱；全要素生產率；股權關聯程度

【中圖分類號】 F275；F832.4" " "【文獻標識碼】A" " " 【文章編號】1004-0994（2025）08-0037-7

一、 引言

鑒于金融資源的稀缺性， 我國在經濟趕超中采用金融抑制政策為趕超戰略配置資金， 以銀行為代表的正式金融向國有和大型企業傾斜， 而快速發展的民營和中小企業面臨著信貸不足的困境。此時， 外部資本市場的低效率使得處于融資劣勢的中小企業或民營企業轉而尋求非正規金融， 進而催生了企業的內部資金借貸， 即金融創新工具——委托貸款①。中國人民銀行發布的《2023年社會融資規模存量統計數據報告》顯示， 2023年末對實體經濟發放的委托貸款余額為11.27萬億元， 占同期社會融資規模的3%， 是除銀行貸款和債券融資外， 實體經濟從金融體系獲取資金的第三大渠道， 成為非正規金融的重要組成部分。關聯委托貸款②業務不僅實現了關聯企業之間資金拆借的合法化， 滿足了上市公司整體內部渠道融資的多樣性要求， 而且降低了公司整體的財務費用（錢雪松和李曉陽，2013；Allen等，2019）。然而， 企業間信貸具有交叉關聯性， 一旦資金借入方無法如期償還資金， 不僅會導致資金發放方的流動性受損， 還會引發對銀行的債務違約風險， 從而對我國金融體系的穩定構成重大威脅。近幾年的中央經濟工作會議一再強調既要“穩增長”又要“防控金融風險”， 并提出要防范化解金融風險， “牢牢守住不發生系統性金融風險的底線”。因此， 探究企業如何高效從事關聯委托貸款業務并防范金融風險， 具有重要的理論意義和實踐價值。

黨的二十大報告及二十屆三中全會均強調了“高質量發展是全面建設社會主義現代化國家的首要任務”， 《中共中央關于進一步全面深化改革 推進中國式現代化的決定》中提出， “健全相關規則和政策， 加快形成同新質生產力更相適應的生產關系， 促進各類先進生產要素向發展新質生產力集聚， 大幅提升全要素生產率”。在企業層面， 全要素生產率代表了內部要素——勞動、 資本、 技術、 管理、 組織的平均產出水平， 即投入轉化為最終產出的總體效率（Hsieh和Klenow，2009）。金融的本質功能在于服務實體經濟， 而當金融發展超過合理界限時， 就會從促進經濟增長轉變為抑制經濟增長。那么， 作為金融創新工具， 企業關聯委托貸款的發放是否有助于服務實體經濟？是促進了經濟增長還是抑制了經濟增長？本文通過手工收集上市公司委托貸款數據， 從企業關聯委托貸款發放方的角度出發， 探究游離于正規金融監管體系之外的關聯委托貸款如何影響企業全要素生產率。探討這一問題既能夠科學地評估企業關聯委托貸款的微觀經濟效應， 為非正規金融能否發揮金融的本質功能提供政策參考， 又可為從微觀視角探尋經濟高質量發展途徑提供新思路。

相較于以往文獻， 本文的貢獻如下： 第一， 為企業關聯委托貸款的理論研究提供了新思路。本文從全要素生產率的角度檢驗了企業發放關聯委托貸款的經濟后果， 為從發放方的視角理解關聯委托貸款的經濟后果提供了理論證據。第二， 為企業關聯委托貸款的實證研究提供了新的經驗證據。由于數據獲取困難， 當前和關聯委托貸款相關的文獻集中于理論層面， 鮮有研究進行實證檢驗。本文根據上市公司公布的委托貸款公告手工構建了委托貸款數據庫， 該數據庫包含關聯委托貸款的規模、 利率和借貸雙方股權關聯程度等豐富的特征數據， 為研究關聯委托貸款的經濟后果提供了實證經驗證據。第三， 為全要素生產率影響因素的研究提供了新方向?，F有文獻已從各角度研究了企業全要素生產率的影響因素， 但鮮有研究從關聯委托貸款這一非正規金融角度考察其對全要素生產率的影響， 而本文從這一獨特視角出發， 為全要素生產率影響因素的研究提供了新方向。

二、 文獻回顧與理論分析

（一） 文獻回顧

作為我國金融抑制背景下的一種金融創新方式， 關聯委托貸款使得資金由充裕的大型或國有企業流向了匱乏的中小或民營企業， 既拓寬了融資渠道， 又促進了資金的有效流動。然而， 若企業過分追求關聯委托貸款發放的經濟利益， 而不考慮長遠發展， 則會對金融穩定及企業自身產生負面影響。從對金融穩定的影響來看， 與發達國家影子銀行的順周期性相反， 以關聯委托貸款為代表的影子銀行在信貸緊縮時發生的幾率和規模都會增加， 是市場對信貸短缺的反映， 呈現出逆周期的特征（Allen等，2019）， 而逆周期性降低了貨幣政策的有效性， 這加劇了金融市場波動并威脅到金融體系穩定性（Hsu等，2010）。從對企業的影響來看， 由于股權關聯關系的存在， 委托貸款的發放在非競爭條件下容易出現貸款利率偏低、 規模偏大等有失公允的情形（李西文等，2015）， 特別是上市公司信息披露機制尚不完善， 加之關聯委托貸款交易的隱蔽性高、 被監管性弱等特征， 使得企業可能利用交易活動進行利益輸送或掏空， 從而發放低利率的委托貸款， 侵占部分中小股東的利益（錢雪松等，2015）。此外， 白俊等（2021）研究發現， 企業關聯委托貸款具有隱蔽性和迷惑性等特征， 導致其發放會加劇信息不對稱， 進而提高股價崩盤風險。

現有文獻主要從宏觀和微觀兩個層面對企業全要素生產率的影響因素進行了研究?；诤暧^層面的視角， 崔惠玉等（2023）指出， 增值稅減稅政策顯著提高了企業全要素生產率， 這種積極效應在東部地區企業和輕資產企業中更明顯。王榮基和王玨（2024）從政府外部激勵視角研究了“畝均論英雄”的改革政策效果， 發現畝均改革政策通過提高資本投資效率、 土地配置效率等提升了企業全要素生產率。沈坤榮等（2024）分析認為， 智能制造政策促進了企業全要素生產率的提升， 這種影響將轉換為高收入、 高市場份額和低風險， 進而推動企業可持續發展。此外， 現有文獻還發現產業政策（Aghion等，2015）、 勞動市場監管（Bellocchi等，2020）、 數字普惠金融（王敏等，2023）及地方政府環境規制（賈俊雪等，2023）等宏觀因素會對企業全要素生產率產生影響。基于微觀層面的視角， 黃先海和高亞興（2023）認為， 數字經濟與實體經濟的深度融合既改善了企業創新質量， 又擴大了企業知識寬度， 進而促進了全要素生產率的提升。袁蓉麗等（2024）認為， 董事信息技術背景能夠增加信息技術投資和提高固定資產的運營效率， 進而提高企業全要素生產率。余鵬翼等（2024）指出， 并購雙方資源配置戰略差異越大， 并購后并購方企業的全要素生產率越低。此外， 現有文獻還發現研發投入（Aw等，2011）、 融資約束（Caggese和Cu?at，2013）、 多元化經營（王佳悅等，2023）及開展供應鏈金融業務（成程等，2023）等微觀因素會對企業全要素生產率產生影響。

由于關聯委托貸款處于金融監管范圍之外， 具有被監管性弱、 隱蔽性高以及迷惑性大等特點， 其具體業務活動情況和相關數據難以獲取， 導致目前缺乏企業發放關聯委托貸款影響后果的相關文獻。而本文從全要素生產率的角度檢驗了企業關聯委托貸款的經濟后果， 既有助于撥開異象， 更清晰地厘清以委托貸款為代表的非正規金融的經濟后果， 又為從非正規金融的角度探究經濟高質量發展途徑提供了新思路。

（二） 理論分析

理論上而言， 為了支持子公司發展以提高公司整體利益而發放的關聯委托貸款， 一方面有可能擠占發放方即上市公司研發創新所需資金， 另一方面由于其具有交叉關聯性、 隱蔽性、 迷惑性及易引發盈余管理等特性， 會加劇信息不對稱， 從而導致全要素生產率降低。

首先， 企業關聯委托貸款會擠占創新投入， 進而降低全要素生產率。由于關聯委托貸款的接收方主要為上市公司的全資、 控股以及參股等下屬子公司， 子公司的經營狀況與上市公司整體發展息息相關。為了上市公司的整體利益， 上市公司不得不通過發放低利率的關聯委托貸款用以支持子公司的發展： 一方面， 用于解決子公司生產經營流動性資金不足以及項目建設資金緊張的問題， 助力其擴大再生產， 保障公司的可持續發展； 另一方面， 節省公司整體財務費用， 降低融資成本， 提高資金整體使用效率。但是， 在一定時期內， 上市公司能夠使用的資金是有限的， 當上市公司發放關聯委托貸款用于降低公司整體融資成本或救助關聯公司時， 其用于改進技術、 開發新產品等的投入降低， 從而不利于提升創新水平和經營質量， 導致上市公司的資本配置扭曲。由此可知， 上市公司為緩解子公司資金不足以及降低公司整體融資成本而發放的關聯委托貸款將會擠占原本可用于自身的創新投入資源， 從而導致全要素生產率降低。

其次， 企業關聯委托貸款會加劇信息不對稱， 進而降低全要素生產率。企業關聯委托貸款作為非正規金融的組成部分， 常常游離于正規金融監管體系之外， 隱蔽性較高； 同時， 委托商業銀行等金融機構作為第三方， 貌似具有規范的貸款程序， 但貸款背后的真實目的對投資者而言難以知曉， 迷惑性較大。在此背景下， 企業發放關聯委托貸款容易加劇公司內部與外部投資者之間的信息不對稱（白俊等，2021）。此外， 企業發放關聯委托貸款容易引發真實盈余管理問題， 同樣會提升公司內外部之間的信息不對稱程度。一方面， 關聯企業間的委托貸款交易容易成為大股東攫取中小股東利益和轉移公司資源的手段， 出現“隱蔽性”資金轉移和融資功能“異化”等現象（錢雪松等，2015）； 另一方面， 關聯企業間的委托貸款交易也是一種管理層通過操縱企業集團內部利潤盈虧以規避納稅或達到其他目的的工具（李梅和孫彥娜，2013）。由此可知， 企業關聯委托貸款為大股東利益輸送及規避納稅等創造了條件， 成為真實盈余管理的工具。盈余管理程度越高， 管理層越容易掩蓋公司負面信息， 投資者獲取信息的難度越大， 從而使得公司內外部之間的信息不對稱程度越高。而信息不對稱會導致嚴重的代理問題和融資約束問題， 從而影響上市公司的投資效率， 最終降低其全要素生產率（Hopenhayn，2014）?？梢?， 由于關聯委托貸款具有交叉關聯性、 隱蔽性、 迷惑性及易引發盈余管理等特性， 企業發放關聯委托貸款會提高信息不對稱程度， 進而降低全要素生產率。

綜上所述， 企業發放關聯委托貸款， 既有可能因擠占自身的創新投入資金而降低全要素生產率， 又有可能因加劇信息不對稱而降低全要素生產率。因此， 本文提出如下研究假說：

H1： 企業發放關聯委托貸款降低了全要素生產率。

三、 研究設計

（一） 樣本選擇和數據來源

本文選擇我國A 股上市公司為研究對象， 樣本期間為2007 ～ 2023年。初始樣本按以下方式進行篩選： 剔除ST、 金融類、 資產負債率大于1及主要變量缺失的公司樣本； 為減少極端值的影響， 對連續變量進行上下1%的縮尾處理。本文的關聯委托貸款數據根據巨潮資訊網上發布的委托貸款公告手工收集獲得， 其他財務數據來自CSMAR數據庫。鑒于關聯委托貸款樣本相對較少， 為緩解研究樣本規模不匹配的問題， 本文采用傾向得分匹配法（PSM）進行處理。首先， 選取公司規模（Lna-sset）、 資產負債率（Lev）、 總資產收益率（Roa）和經營性現金流（Cashflow）作為匹配變量； 其次， 根據傾向得分進行1∶4的近鄰匹配。匹配后， 獲得2210個發放了關聯委托貸款的樣本和2838個③未發放關聯委托貸款的樣本， 共5048個樣本。

（二） 變量定義

1. 被解釋變量： 全要素生產率（TFP_op）。參考魯曉東和連玉君（2012）及王鈺和殷詩絮（2024）的研究， 采用Olley和Pakes（1996）提出的OP法測算企業全要素生產率。在進行穩健性檢驗時， 采用Levinsohn和Petrin（2003）提出的LP法測算企業全要素生產率。

2. 解釋變量： 關聯委托貸款（AffEn）。參考Allen等（2019）的研究， 設置企業是否發放關聯委托貸款虛擬變量， 當企業發放關聯委托貸款時取值為1， 否則為0。

3. 控制變量。參考現有文獻（崔惠玉等，2023； 袁蓉麗等，2024）的做法， 本文控制了財務特征、 公司治理特征等因素的影響， 具體包括如下變量： 公司規模（Lnasset）、 資產負債率（Lev）、 總資產收益率（Roa）、 經營性現金流（Cashflow）、 固定資產占比（Ppe）、 公司成長性（Grow）、 獨立董事規模（Indirect）、 公司年齡（Age）。上述變量定義如表1所示。

（三） 模型設計

由前述理論分析可知， 企業關聯委托貸款可能會降低全要素生產率， 為驗證這一推斷， 本文建立了如下回歸模型：

TFP_opi，t=α0+α1AffEni，t+α2Controlsi，t+∑Firm+

∑Year+εi，t" （1）

其中， 下標t表示年度、 i表示企業， Controls為控制變量， Firm為公司個體固定效應， Year為年份固定效應。

四、 實證分析結果

（一） 描述性統計

主要變量的描述性統計結果見表2 。被解釋變量全要素生產率（TFP_op）的均值為20.047， 最小值為17.330， 最大值為22.669。解釋變量關聯委托貸款（AffEn）的均值為0.438， 說明在PSM樣本中， 關聯委托貸款樣本占比為43.8%。各控制變量的數值和現有文獻較為相似。此外， 本文還對關聯委托貸款契約特征變量進行了描述性統計， 包括關聯委托貸款規模（AffEn_size，關聯委托貸款總規模/1000000）、 關聯委托貸款期限（AffEn_term，關聯委托貸款發放時間）和股權關聯程度（關聯委托貸款發放方和接收方的股權關聯包括全資、控股和參股三種類型， 對應的股權關聯程度由高到低）。企業發放的關聯委托貸款規模最小值為1萬元、 最大值為125億元、 中位數為8000萬元， 整體金額不高， 但是差異較大。關聯委托貸款期限最少為1個月， 最多為144個月， 但是集中于12個月， 說明關聯委托貸款多數為短期借款。在發放了關聯委托貸款的樣本中， 接收方為全資子公司的樣本占比為34.1%， 接收方為控股子公司的樣本占比為56.7%， 接收方為參股子公司的樣本占比為9.2%， 可見上市公司大多向全資和控股等持股程度較高的子公司發放關聯委托貸款， 以便于控制貸款風險。

（二） 基準回歸

基準回歸結果如表3所示。其中， 第（1）列僅控制了公司個體和年份固定效應， 關聯委托貸款的系數為-0.051， 在1%的水平上顯著。第（2）列進一步加入了所有控制變量， 關聯委托貸款的系數為-0.042， 在5%的水平上顯著。這說明相較于無關聯委托貸款的企業， 發放了關聯委托貸款的企業全要素生產率平均下降了4.1%（0.042/1.033）， 即企業發放關聯委托貸款降低了全要素生產率， 驗證了H1。

（三） 穩健性檢驗

1. 替換被解釋變量的測度方法。為保證回歸結果不受特定測量方法的影響， 首先， 采用基準回歸方法， 即根據OLS 法估計Cobb-Douglas 生產函數后得出的殘差值作為全要素生產率的替代變量。其次， 由于采用OLS法估計的全要素生產率具有同步性和選擇性問題， 為緩解這些問題， 進一步參照Levinsohn和Petrin（2003）提出的LP法來估計全要素生產率?；貧w結果顯示（限于篇幅， 穩健性檢驗結果略， 下同）， 替換被解釋變量的測度方法后， 關聯委托貸款的系數均在1%的水平上通過了顯著性測試， 說明本文的實證結果不受被解釋變量特定測量方法的影響。

2. 替換解釋變量的測度方法。為保證回歸結果的可靠性， 本文進一步采用企業發放關聯委托貸款的規模這一連續變量來進行檢驗。借鑒錢雪松等（2017）和Allen等（2019）的衡量方式， 分別采用關聯委托貸款發放金額與總資產之比、 關聯委托貸款發放金額加1后取自然對數， 作為關聯委托貸款的替代變量。回歸結果顯示， 在替換解釋變量的測度方法后， 關聯委托貸款的系數均在1%的水平上通過了顯著性測試， 說明企業關聯委托貸款的發放規模越大， 越容易降低全要素生產率。

3. 改變PSM匹配方法。前述實證回歸主要采用1∶4的近鄰匹配方法， 為保證回歸結果不受匹配比例的影響， 本文進一步改變PSM匹配比例， 分別采用1∶2、 1∶3及1∶5的近鄰匹配方法重新對模型（1）進行回歸?；貧w結果顯示， 在改變PSM匹配比例后， 關聯委托貸款的系數至少在10%的水平上通過了顯著性測試， 說明本文實證結果不受樣本匹配比例的影響。

4. 內生性問題處理。為使回歸結果更具可靠性， 本文采用工具變量法來解決可能存在的內生性問題。借鑒現有文獻的做法（孫云云等，2023）， 以《國務院辦公廳關于加強影子銀行監管有關問題的通知》（國辦發［2013］107號）這一外部政策沖擊作為工具變量（IV107）， 該通知頒布之后的年份（2014年及之后）取值為1， 之前的年份（2014年之前）取值為0。將工具變量加入模型， 并進行兩階段回歸（2SLS）。結果顯示： 在第一階段， 工具變量的系數在1%的水平上通過了顯著性測試， 符合相關性原則； 在第二階段， 將第一階段回歸得到的關聯委托貸款的擬合值作為自變量加入模型（1）重新回歸后， 關聯委托貸款擬合值的系數在1%的水平上通過了顯著性測試， 表明在控制內生性問題后， 本文的研究結論仍然成立。

5. 控制行業和年份虛擬變量。在基準回歸中， 本文控制了公司個體和年份固定效應， 為使回歸結果更具可靠性， 首先控制行業和年份固定效應， 然后進一步加入控制變量分別進行回歸。結果顯示， 關聯委托貸款的系數至少在5%的水平上通過了顯著性測試， 與基準回歸結果一致。

（四） 作用渠道檢驗

上文的理論分析表明， 企業關聯委托貸款之所以會降低全要素生產率， 一方面是因為企業發放關聯委托貸款擠占了創新投入， 導致企業分配到設備更新升級和產品研發創新中的資金不足； 另一方面是因為企業發放關聯委托貸款加劇了信息不對稱。接下來， 本文將對這兩個作用渠道進行檢驗， 借鑒溫忠麟等（2004）的方法構建中介效應檢驗模型， 即在模型（1）的基礎上進一步設立模型（2）和模型（3）。

Mi，t=β0+β1AffEni，t+β2Controlsi，t+∑Firm+∑Year+ εi，t （2）

TFP_opi，t=γ0+γ1AffEni，t+γ2Mi，t+γ3Controlsi，t+

∑Firm+∑Year+εi，t （3）

其中， M為中介變量， 分別代入創新投入水平（Innip）和信息不對稱程度（Disacc）。

1. 創新投入水平。借鑒徐悅等（2018）的研究， 以研發投入與總資產之比來衡量創新投入水平（Innip）。回歸結果如表4所示： 第（1）列為模型（2）的回歸結果， 關聯委托貸款的系數為-0.002， 在5%的水平上顯著， 說明企業發放關聯委托貸款降低了創新投入水平； 第（2）列為模型（3）的回歸結果， 在控制中介變量創新投入水平后， 關聯委托貸款的系數為-0.029， 依然在5%的水平上顯著， 但其絕對值小于基準回歸中的系數（-0.042）絕對值， 這說明創新投入是關聯委托貸款影響全要素生產率的部分中介因子。由此可知， 旨在提高企業整體利益而發放的關聯委托貸款， 擠占了發放方自身研發創新所需的資金， 最終導致全要素生產率下降。

2. 信息不對稱程度。參考羅棟梁等（2024）的方法， 使用修正Jones模型估計的應計盈余管理來度量信息不對稱程度（Disacc）， 該值越大， 意味著信息不對稱程度越高?；貧w結果如表4所示： 第（3）列為模型（2）的回歸結果， 關聯委托貸款的系數為0.014， 在5%的水平上顯著， 說明企業發放關聯委托貸款加劇了信息不對稱； 第（4）列為模型（3）的回歸結果， 在控制中介變量信息不對稱程度后， 關聯委托貸款的系數為-0.037， 依然在5%的水平上顯著， 但其絕對值小于基準回歸中的系數（-0.042）絕對值， 這說明信息不對稱是關聯委托貸款影響全要素生產率的部分中介因子。由此可知， 關聯委托貸款的隱蔽性、 迷惑性以及容易產生盈余管理問題等特征， 導致企業發放關聯委托貸款會加劇信息不對稱， 進而降低全要素生產率。

（五） 股權關聯程度的調節效應

從關聯委托貸款發放方和接收方的股權關聯程度來看， 隨著股權關聯程度的提高， 上市公司利用關聯委托貸款降低整體融資成本和救助關聯企業的動機變強， 而且能夠更加便利地進行盈余管理。因此， 本文預測發放方和接收方的股權關聯程度越高， 企業關聯委托貸款對全要素生產率的抑制作用越強。首先， 按照股權關聯程度將發放了關聯委托貸款的樣本劃分為高股權關聯和低股權關聯樣本， 若接收方是發放方的全資或者控股子公司則為高股權關聯， 若接收方是發放方的參股子公司則為低股權關聯。然后， 借鑒鐘凱等（2018）的檢驗方法， 采用模型（1）進行回歸， 結果如表5所示。在第（1）列中關聯委托貸款的系數在1%的水平上通過了顯著性測試， 在第（2）列中關聯委托貸款的系數沒有通過顯著性測試?？梢?， 發放方和接收方的股權關聯程度越高， 企業關聯委托貸款對全要素生產率的抑制作用越強。

（六） 異質性檢驗

1. 公司規模。由于市場對不同類型公司的信息需求存在差異， 且不同類型公司進行信息披露的能力和意愿不同， 從而使得規模較大的公司和規模較小的公司信息透明度具有一定的差異。規模較大的公司擁有的投資者較多， 對員工、 消費者以及社會等所承擔的責任更大， 政府監管部門對其要求較高， 相應地也會吸引更多的媒體關注和分析師跟蹤， 此時公司的政治成本相對較高， 從而信息披露更為完善； 而且市場上也有較多與其相關的各種財務或非財務信息， 在一定程度上降低了公司與外部投資者之間的信息不對稱。而規模較小的公司則情況相反， 其擁有的投資者較少， 媒體關注和分析師跟蹤本身就較少， 所以其信息披露動機比大規模公司更弱， 信息披露渠道更少， 從而信息透明度較低（施先旺等，2015）。因此， 相對于小規模公司， 大規模公司的信息披露更為完善， 信息透明度更高， 能夠在一定程度上緩解企業發放關聯委托貸款所引發的信息不對稱。

表6報告了公司規模異質性的分組回歸結果， 在第（1）列規模大組中， 關聯委托貸款的系數沒有通過顯著性測試， 在第（2）列規模小組中， 關聯委托貸款的系數在1%的水平上通過了顯著性測試。由此可知， 當關聯委托貸款發放方為規模較小的公司時， 關聯委托貸款對全要素生產率的抑制作用更顯著。

2. 公司治理水平。良好的公司治理， 一方面使得企業經營更加科學有效， 能夠更好地監督企業資金配置行為， 為創新投入的增加創造良好的條件， 從而減少不當關聯委托貸款發放所引發的創新資源擠占行為； 另一方面能夠提升企業信息透明度， 便于外部投資者及監管層了解與掌握企業的生產運營、 收入和成本等構成， 使得管理層難以通過構造復雜交易、 轉移收益等方式進行盈余管理（程博等，2021）， 故通過關聯委托貸款進行盈余管理的機會成本提高。因此， 在公司治理水平不同的企業中， 企業發放關聯委托貸款對全要素生產率的影響可能存在差異。

首先， 借鑒馬連福和張曉慶（2020）的研究， 分別從股權制衡度和機構投資者持股兩個方面衡量公司內、 外部治理水平， 股權制衡度、 機構投資者持股比例越高， 公司內、 外部治理水平越高。其次， 分別根據股權制衡度和機構投資者持股比例的年度行業中位數將樣本分為內部治理水平高組和內部治理水平低組、 外部治理水平高組和外部治理水平低組。分組回歸結果如表6所示， 在第（3）列和第（5）列內、 外部治理水平高組中， 關聯委托貸款的系數均沒有通過顯著性測試， 在第（4）列和第（6）列內、 外部治理水平低組中， 關聯委托貸款的系數均在1%的水平上顯著。這說明公司治理水平低的企業關聯委托貸款與全要素生產率之間的負相關關系更顯著， 良好的內、 外部公司治理均可以緩解企業關聯委托貸款對全要素生產率的抑制作用。

（七） 拓展性檢驗： 關聯委托貸款、 投入和產出

全要素生產率反映了生產過程中各種投入要素轉化為最終產出的總體效率， 顯然投入和產出是生產率的決定因素， 高（低）生產率意味著使用同樣的資本或勞動力投入就能獲得高（低）產出?；诖?， 本文預測企業關聯委托貸款通過增加投入或減少產出來影響全要素生產率。

借鑒Bennett等（2020）的方法， 使用企業的運營成本（Sga）和人工成本（Labor）作為投入的代理變量， 分別以銷售費用與管理費用之和除以總資產、 支付給職工的薪酬取自然對數來度量； 使用收入（Revenue）作為產出的代理變量， 以營業收入的自然對數來度量?；貧w結果如表7所示： 在第（1）列， 關聯委托貸款的系數在1%的水平上顯著為正， 表明企業發放關聯委托貸款導致運營成本增加； 在第（2）列， 關聯委托貸款的系數在1%的水平上顯著為正， 表明發放關聯委托貸款的企業在員工工資上的花費更多； 在第（3）列， 關聯委托貸款的系數在1%的水平上顯著為負， 表明企業關聯委托貸款對產出具有負效應。整體而言， 企業發放關聯委托貸款既增加了要素投入又降低了產出， 導致資源配置失衡， 要素轉化能力受損， 直接體現為全要素生產率的下降。

五、 結論與建議

作為非正規金融的重要組成部分， 游離于正規金融體系之外的關聯委托貸款業務受到了監管部門和學術界的集中關注， 研究企業關聯委托貸款的經濟后果是一個新鮮而有趣的話題， 但由于數據的可獲得性， 現有文獻鮮有探究。有鑒于此， 本文基于手工收集的上市公司委托貸款數據， 考察企業關聯委托貸款對全要素生產率的影響及作用渠道， 得到如下結論： 企業關聯委托貸款顯著降低了全要素生產率； 企業關聯委托貸款通過擠占創新投入和加劇信息不對稱兩條路徑導致全要素生產率下降； 發放方與接收方的股權關聯程度越高， 企業關聯委托貸款對全要素生產率的抑制作用越強； 在規模較小、 內外部公司治理水平較低的企業中， 關聯委托貸款與全要素生產率之間的負相關關系更顯著； 企業發放關聯委托貸款既增加了要素投入又降低了產出， 從而導致全要素生產率下降。

從接收方的角度來看， 關聯委托貸款是中小企業或民營企業無法從正規金融機構獲取融資時的替代性選擇， 一定程度上支持了實體經濟的發展。然而， 從發放方的角度來看， 關聯委托貸款的發放會導致企業自身的全要素生產率降低。因此， 需辯證地看待關聯委托貸款的影響。據此， 本文提出如下政策建議： 第一， 金融監管部門及時開展委托貸款業務清理整頓工作， 規范銀行經營行為。針對發現的和委托貸款有關的違法違規問題應要求立即整頓， 如果超出一定時間仍不整改或整改不符合要求， 應依法依規進行處罰。由此， 促使委托貸款業務真正回歸本源、 走上正路， 更好地服務實體經濟。第二， 證券監管部門督促公司及時披露委托貸款到期收回、 續借、 展期、 逾期等進展情況， 便于金融、 稅務等監管部門的了解與監控， 避免委托貸款淪為管理層以及大股東等內部人輸送利益的工具。

【 注 釋 】

① 根據《貸款通則》的規定， 委托貸款是指由政府部門、 企事業單位及個人等委托人提供資金， 由金融機構（即受托人）根據委托人確定的貸款對象、 用途、 金額、 期限、 利率等代為發放、 監督使用并協助收回的貸款業務。

② 本文的關聯委托貸款僅限于股權關聯， 即借貸雙方中一方持有另一方股權并能對其經營決策施加影響。

③ 公司一年中可能會發放多筆關聯委托貸款， 因此樣本的匹配按照是否發放關聯委托貸款的公司—年度樣本即747個進行匹配， 而非按照2210個關聯委托貸款樣本匹配。

【 主 要 參 考 文 獻 】

白俊，孫云云，邱善運．關聯委托貸款引發了股價崩盤風險嗎？［ J］．中南財經政法大學學報，2021（5）：28 ～ 37+50．

成程，田軒，徐照宜．供應鏈金融與企業效率升級——來自上市公司公告與地方政策文件的雙重證據［ J］．金融研究，2023（6）：132 ～ 149．

程博，許宇鵬，林敏華．媒體監督的公司治理效應研究：基于企業避稅行為視角的考察［ J］．審計與經濟研究，2021（2）：105 ～ 115．

崔惠玉，王寶珠，王偉同．降低增值稅稅率能夠提升企業全要素生產率嗎［ J］．會計研究，2023（2）：133 ～ 148．

賈俊雪，羅理恒，顧嘉．地方政府環境規制與經濟高質量發展［ J］．中國工業經濟，2023（5）：99 ～ 117．

李梅，孫彥娜．我國上市公司委托貸款動因的實證研究［ J］．西北師大學報（社會科學版），2013（1）：111 ～ 115．

李西文，申富平，周歡歡．上市公司委托貸款的形成機理研究［ J］．河北經貿大學學報，2015（1）：107 ～ 112．

魯曉東，連玉君．中國工業企業全要素生產率估計： 1999-2007［ J］．經濟學（季刊），2012（2）：541 ～ 558．

羅棟梁，羅健，苗連琦．股東關系網絡、 信息透明度與企業資本結構動態調整［ J/OL］．南開管理評論，1 ～ 25［2024-09-13］.http： //kns.cnki.net/kcms/detail/12.1288.f.20240912.1141.002.html．

馬連福，張曉慶．控股股東股權質押與投資者關系管理［ J］．中國工業經濟，2020（11）：156 ～ 173．

錢雪松，杜立，馬文濤．中國貨幣政策利率傳導有效性研究： 中介效應和體制內外差異［ J］．管理世界，2015（11）：11 ～ 28+187．

錢雪松，李曉陽．委托貸款操作機理與金融風險防范： 源自2004～2013年上市公司公告數據［ J］．改革，2013（10）：125 ～ 134．

錢雪松，謝曉芬，杜立．金融發展、影子銀行區域流動和反哺效應——基于中國委托貸款數據的經驗分析［ J］．中國工業經濟，2017（6）：60 ～ 78．

沈坤榮，喬剛，林劍威．智能制造政策與中國企業高質量發展［ J］．數量經濟技術經濟研究，2024（2）：5 ～ 25．

施先旺，李志剛，劉拯．分析師預測與上市公司審計收費研究——基于信息不對稱理論的視角［ J］．審計與經濟研究，2015（3）：39 ～ 48．

孫云云，白俊，陳師雯．企業集團委托貸款與全要素生產率：“價值創造”抑或“價值減損”［ J］．財貿研究，2023（12）：78 ～ 91．

王佳悅，范源浩，范亞東．多元化經營、連鎖股東與企業全要素生產率［ J］．財會月刊，2023（20）：44 ～ 52．

王敏，張博文，許瑜．數字普惠金融與企業高質量發展［ J］．財會月刊，2023（23）：135 ～ 142．

王榮基，王玨．政府激勵設計與企業全要素生產率——來自“畝均論英雄”改革的證據［ J］．財經研究，2024（9）：139 ～ 153．

王鈺，殷詩絮．居民消費結構升級對企業全要素生產率的影響研究［ J］．經濟學家，2024（2）：101 ～ 110．

徐悅，劉運國，蔡貴龍．高管薪酬粘性與企業創新［ J］．會計研究，2018（7）：43 ～ 49．

袁蓉麗，黨素婷，李瑞敬等．董事信息技術背景與企業全要素生產率［ J］．會計研究，2024（7）：70 ～ 89．

鐘凱，孫昌玲，王永妍等．資本市場對外開放與股價異質性波動——來自“滬港通”的經驗證據［ J］．金融研究，2018（7）：174 ～ 192．

Aghion P.， Cai J.， Dewatripont M.， et al.. Industrial policy and competition［ J］． American Economic Journal： Macroeconomics，2015（4）：1 ～ 32．

Allen F.， Qian Y.， Tu G.， et al.. Entrusted loans： A close look at China's shadow banking system［ J］． Journal of Financial Economics，2019（1）：18 ～ 41．

Aw B. Y.， Roberts M. J.， Xu D. Y.. Ramp;D investment， exporting， and productivity dynamics［ J］． American Economic Review，2011（4）：1312 ～ 1344．

Bellocchi A. E.， Sanchez C.， Travaglini G.. Asymmetries in the Euro Area and TFP growth： Evidence from three major European economies［ J］． Journal of Economic Studies，2020（5）：945 ～ 967．

Bennett B.， Stulz R.， Wang Z.. Does the stock market make firms more productive？［ J］． Journal of Financial Economics，2020（2）：281 ～ 306．

Caggese A.， Cu?at V.. Financing constraints， firm dynamics， export decisions， and aggregate productivity［ J］． Review of Economic Dynamics，2013（1）：177 ～ 193．

Hopenhayn H. A.. Firms， misallocation and aggregate productivity： A review［ J］． Annual Review of Economics，2014（1）：735 ～ 770．

Hsieh C. Y.， Klenow P. J.. Misallocation and manufacturing TFP in China and India［ J］． Quarterly Journal of Economics，2009（4）：1403 ～ 1448．

Hsu J.， Moroz M.， Gregoriou G.. Shadow banks and the financial crisis of 2007-2008［ J］． The Banking Crisis Handbook，2010（3）：39 ～ 56．

Levinsohn J.， Petrin A.. Estimating production functions using inputs to control unobservables［ J］． Review of Economic Studies，2003（1）：317 ～ 342．

Olley S.， Pakes A.. The dynamics of productivity in the telecommunications equipment industry［ J］． Econometrica，1996（6）：1263 ～ 1297．