謝 里，張 斐

（1. 中國人民大學(xué) 國家發(fā)展與戰(zhàn)略研究院，北京 100872；2. 湖南大學(xué) 經(jīng)濟(jì)與貿(mào)易學(xué)院，湖南 長沙 410079）

在2008年金融危機(jī)爆發(fā)之后不到一年時間里，中國不僅迅速擺脫了國際金融危機(jī)的陰籬和成功實(shí)現(xiàn)快速增長，而且成為促進(jìn)全球經(jīng)濟(jì)擺脫低迷深淵的中流砥柱。究其原因，幾乎所有的目光都集中于中國政府在2008年11月出臺的總額“四萬億”新增投資為主的一攬子“逆經(jīng)濟(jì)周期”的刺激計(jì)劃。從這項(xiàng)計(jì)劃實(shí)施方向來看，具有兩個明顯特征：一方面，重點(diǎn)向重大基礎(chǔ)設(shè)施、保障性住房、災(zāi)后恢復(fù)與重建、自主創(chuàng)新與結(jié)構(gòu)調(diào)整、民生工程、節(jié)能減排和生態(tài)工程以及社會文化事業(yè)等相關(guān)行業(yè)和企業(yè)傾斜；另一方面，向中國中西部地區(qū)、弱勢群體相關(guān)聯(lián)的行業(yè)和企業(yè)傾斜。①參見2009年3月5日在第十一屆全國人民代表大會第二次會議上的《政府工作報(bào)告》。雖然這項(xiàng)計(jì)劃已經(jīng)完成，但其實(shí)施效果至今一直備受關(guān)注和爭議，且這些爭議更多體現(xiàn)在對中國和世界經(jīng)濟(jì)增長、就業(yè)和投資等宏觀層面的效應(yīng)上（Wen和Wu，2014；Ouyang和Peng，2015；Richard 和 Marc，2015）。

與金融危機(jī)時期中國經(jīng)濟(jì)快速“起低回升”相伴隨的是，自金融危機(jī)爆發(fā)以來，中國企業(yè)的杠桿率在整體層面不斷上升，且呈現(xiàn)出結(jié)構(gòu)性特征（鐘寧樺等，2016），這也成為推動全社會杠桿率上升的主要結(jié)構(gòu)性因素。由此引發(fā)的思考是，“四萬億”經(jīng)濟(jì)刺激計(jì)劃為中國經(jīng)濟(jì)增長恢復(fù)注入了活力的同時，是否促進(jìn)了全社會負(fù)債水平特別是企業(yè)和地方政府負(fù)債水平的迅速累積？回答這一問題，有利于探尋中國企業(yè)“高杠桿率”之謎的成因，這不僅要考慮金融危機(jī)本身對企業(yè)杠桿率調(diào)節(jié)的影響效應(yīng)，而且可能還要考慮“逆經(jīng)濟(jì)周期”宏觀經(jīng)濟(jì)政策對中國企業(yè)杠桿率的影響。本文按是否為“四萬億”經(jīng)濟(jì)刺激計(jì)劃實(shí)施的重點(diǎn)傾向行業(yè)劃分參照組與處理組，以便于清晰考察該項(xiàng)計(jì)劃實(shí)施對不同區(qū)域不同行業(yè)企業(yè)杠桿率的影響效果。另外，文章采用了中國上市公司作為分析樣本的同時，還采用了中國國有企業(yè)分行業(yè)的樣本數(shù)據(jù)。上市公司樣本中包含了國有或國有控股企業(yè)和非國有企業(yè)，而國有企業(yè)分行業(yè)樣本中包含國有企業(yè)的上市公司和非上市公司，采用這樣兩套樣本數(shù)據(jù)同時研究“四萬億”經(jīng)濟(jì)刺激計(jì)劃與企業(yè)杠桿率之間的關(guān)系，可以使研究結(jié)論形成相互印證和補(bǔ)充。

二、文獻(xiàn)評述

隨著企業(yè)投融資理論的完善和實(shí)證的發(fā)展，探索企業(yè)杠桿率變化趨勢和原因的研究逐步從企業(yè)、產(chǎn)業(yè)和地區(qū)特性層面轉(zhuǎn)向?qū)暧^經(jīng)濟(jì)環(huán)境或政策對企業(yè)杠桿率影響機(jī)制的討論（Kang等，2013）。相同條件下，企業(yè)會依據(jù)不同時期宏觀經(jīng)濟(jì)環(huán)境差異而選擇不同的負(fù)債水平（Korajczyk和Levy，2003）。Choe等（1993）曾認(rèn)為宏觀經(jīng)濟(jì)景氣時，企業(yè)更傾向于債務(wù)融資而提高其杠桿率。特別是對于大企業(yè)，宏觀經(jīng)濟(jì)景氣增加了企業(yè)投資機(jī)會，而當(dāng)大企業(yè)在沒有遇到融資約束時，更傾向于采用債務(wù)融資（Gertler和 Hubbard，1993）。但 Rober和 Amnon（2003）及蘇冬蔚和曾海艦（2009）等則相反地認(rèn)為宏觀經(jīng)濟(jì)景氣時，企業(yè)更傾向于股權(quán)融資，宏觀經(jīng)濟(jì)不景氣時，只有外部融資便利的企業(yè)才傾向于采用債務(wù)融資，此時，這類企業(yè)的杠桿率將提高。然而，1997年亞洲金融危機(jī)和2008年全球金融危機(jī)改變了世界各國宏觀經(jīng)濟(jì)情景，前者對日本和馬來西亞等亞洲國家的企業(yè)杠桿率產(chǎn)生了影響（Voutsinas和Werner，2011），后者對美國、英國、德國和阿拉伯等國家的企業(yè)杠桿率產(chǎn)生了影響（Amrit和Anna，2012），雖然研究發(fā)現(xiàn)金融危機(jī)對不同地區(qū)、不同行業(yè)的企業(yè)杠桿率影響存在差異，對影響機(jī)制的解讀和影響程度也未取得一致，但是這些研究結(jié)果都表明除了資源型行業(yè)或國有企業(yè)以外，金融危機(jī)時期資金供給和需求錯配會導(dǎo)致企業(yè)杠桿率下降（Rami，Akram 和 Karim，2017）。

然而，政府應(yīng)對不同時期宏觀經(jīng)濟(jì)周期變化和股票價(jià)格非預(yù)期波動（Kang等，2013）所采取的宏觀經(jīng)濟(jì)政策會通過影響企業(yè)面臨的外部融資環(huán)境（Zhang等，2015）、流動性（Guariglia等，2011）、不同資產(chǎn)價(jià)值變化（Korajczyk和Levy，2003）而改變企業(yè)的投資和融資決策，進(jìn)而使企業(yè)杠桿率發(fā)生變化（黃益平，2016）。一方面，財(cái)政政策通過影響企業(yè)融資方式使其杠桿率發(fā)生變化，財(cái)政政策擴(kuò)張與企業(yè)內(nèi)部融資的概率成正比，當(dāng)企業(yè)確定進(jìn)行外部融資時，財(cái)政政策又與企業(yè)選擇債務(wù)融資的概率成正比（雒敏和聶文忠，2012）。另一方面，企業(yè)對其杠桿率的選擇依賴于資金供給的規(guī)模和渠道（Victoria和David，2010）。特別是金融危機(jī)時期，銀行信貸供給收縮，企業(yè)杠桿率也會隨之改變（Amrit和 Anna，2012；Rami，Akram 和 Karim，2017 等）。

有研究表明，國有企業(yè)作為政府政策執(zhí)行工具，政府為國有企業(yè)提供隱性擔(dān)保，使得國有性質(zhì)企業(yè)具有融資軟約束且降低了企業(yè)未來的償債風(fēng)險(xiǎn)（Brandt和Li，2003），同時，中國銀行體系中國有性質(zhì)銀行占比較高，當(dāng)銀行存在信貸所有制偏好時，國有企業(yè)比非國有企業(yè)從國有銀行進(jìn)行債務(wù)融資更為便利，因而當(dāng)企業(yè)購買固定資產(chǎn)以擴(kuò)大生產(chǎn)規(guī)模時會偏向于銀行貸款（Chen，2004；Frank 和 Goryal，2009），從而提高了該類企業(yè)杠桿率（方軍雄，2007；Li等，2011）。然而，Chang，Chen和Liao（2014）從企業(yè)內(nèi)部視角研究企業(yè)杠桿率動態(tài)調(diào)整的影響因素時，有研究認(rèn)為國有企業(yè)往往通過銀行貸款實(shí)現(xiàn)政府的政治目標(biāo)，但研究卻發(fā)現(xiàn)即便在2009年國際金融危機(jī)時期，中央政府實(shí)行“四萬億”經(jīng)濟(jì)刺激計(jì)劃，國有企業(yè)或國有控股性質(zhì)的企業(yè)杠桿率沒有發(fā)生顯著變化。同時，由于存在多重債務(wù)融資條件的約束，經(jīng)濟(jì)不景氣時期，政府采取的擴(kuò)張型財(cái)政政策和貨幣政策對小企業(yè)或非國有企業(yè)的幫扶作用有限（Gertler和Gilchrist，1994）。然而，一方面，Chang，Chen和Liao（2014）的研究僅限于1998年至2009年的樣本，而“四萬億”經(jīng)濟(jì)刺激計(jì)劃實(shí)施效果可能存在滯后性，在評估“四萬億”經(jīng)濟(jì)刺激計(jì)劃對企業(yè)杠桿率影響時，應(yīng)當(dāng)考慮該項(xiàng)計(jì)劃出臺前后的短期和長期效應(yīng)；另一方面，Chang，Chen和Liao（2014）雖然考慮到了國有企業(yè)作為政府執(zhí)行政策的工具，考察了政府政策對國有控股企業(yè)杠桿率的影響，但是，沒有區(qū)分對不同地區(qū)和不同行業(yè)企業(yè)的影響效應(yīng)。事實(shí)上，中央政府出臺“四萬億”經(jīng)濟(jì)刺激計(jì)劃存在政策傾斜的重點(diǎn)地區(qū)和目標(biāo)行業(yè)，那么，這些位處重點(diǎn)區(qū)域和目標(biāo)行業(yè)的企業(yè)，可能更容易受到“四萬億”經(jīng)濟(jì)刺激計(jì)劃的影響，其杠桿率與其他地區(qū)或行業(yè)的企業(yè)杠桿率可能存在差異。

與 Chang，Chen 和 Liao（2014）的研究不同且更進(jìn)一步的是，Wen 和 Wu（2014）在剖析 2006 年至2010年期間“四萬億”經(jīng)濟(jì)刺激計(jì)劃實(shí)施對經(jīng)濟(jì)增長和就業(yè)的影響機(jī)制時，認(rèn)為國有企業(yè)承擔(dān)了政府實(shí)施“四萬億”經(jīng)濟(jì)刺激計(jì)劃的政策執(zhí)行者，在金融危機(jī)時期，即使中央政府采取擴(kuò)張性財(cái)政政策引致寬松的貨幣政策，降低了銀行貸款的門檻和利率，試圖刺激企業(yè)擴(kuò)大投資，但非國有企業(yè)可能會因預(yù)期投資前景暗淡、投資風(fēng)險(xiǎn)較大而縮減投資規(guī)模，國有企業(yè)則在利潤低迷甚至入不敷出的條件下，仍然繼續(xù)通過增加銀行借款方式擴(kuò)大固定資產(chǎn)投資。雖然Wen和Wu（2014）探討了國有和非國有企業(yè)杠桿率的短期變化效應(yīng)，但仍然側(cè)重于評估和分析“四萬億”經(jīng)濟(jì)刺激計(jì)劃實(shí)施后所產(chǎn)生的短期宏觀經(jīng)濟(jì)增長效應(yīng)（Ouyang和Peng，2015）。因而，異質(zhì)性企業(yè)的杠桿率在“四萬億”刺激計(jì)劃實(shí)施后的短期和長期變化依然需要進(jìn)一步解讀和剖析。此外，Widjaja（2014）以及Rami，Akram和Karim（2017）等在研究2008年國際金融危機(jī)對企業(yè)杠桿率變動時，僅考察了國際金融危機(jī)影響美國、歐盟、阿拉伯等國家和地區(qū)不同行業(yè)的企業(yè)杠桿率變化，沒有考察國家和地區(qū)政府實(shí)施反周期宏觀政策對企業(yè)杠桿率變動的影響，更缺乏來自發(fā)展中國家實(shí)施反周期宏觀經(jīng)濟(jì)政策對企業(yè)杠桿率微觀影響效應(yīng)的經(jīng)驗(yàn)證據(jù)?？紤]到2008年我國政府為了抵制金融危機(jī)而實(shí)施了有重點(diǎn)傾向行業(yè)和地區(qū)的“四萬億”經(jīng)濟(jì)刺激計(jì)劃，本文采用國有企業(yè)行業(yè)樣本來考察“四萬億”經(jīng)濟(jì)刺激計(jì)劃對國有企業(yè)杠桿率的影響，從而將上市公司和國有企業(yè)行業(yè)兩套樣本的研究結(jié)果相互印證，從“四萬億”經(jīng)濟(jì)刺激計(jì)劃實(shí)施的微觀效應(yīng)角度，探尋企業(yè)“高杠桿率”的來源以及杠桿率在不同行業(yè)異質(zhì)性企業(yè)之間可能呈現(xiàn)的結(jié)構(gòu)性變化規(guī)律。

三、研究設(shè)計(jì)

（一）計(jì)量模型設(shè)計(jì)。本文采用了雙重差分（Difference in Difference）方法估計(jì)“四萬億”經(jīng)濟(jì)刺激計(jì)劃在短期和長期對不同行業(yè)或不同地區(qū)不同行業(yè)企業(yè)杠桿率的影響差異。同時，分別采用上市公司樣本和國有企業(yè)行業(yè)樣本設(shè)定杠桿率影響因素模型來分別探究“四萬億”經(jīng)濟(jì)刺激計(jì)劃對上市公司或國有企業(yè)行業(yè)杠桿率的影響差異。

其中，i表示行業(yè)，j表示地區(qū)，t表示時間，LEV表示杠桿率，上標(biāo)LF和SOE分別表示上市公司和國有企業(yè)行業(yè)，εi表示行業(yè)固定效應(yīng)，ωj表示地區(qū)固定效應(yīng)，μij,t表示特異誤差，α0為常數(shù)項(xiàng)。YEARt表示刺激計(jì)劃實(shí)施時間的虛擬變量，2008年（含）以前取值為0，表示政府未實(shí)施“四萬億”經(jīng)濟(jì)刺激計(jì)劃，2009年（含）以后取值為1，表示實(shí)施該經(jīng)濟(jì)刺激計(jì)劃，δ1為其估計(jì)系數(shù)；REGIj表示地區(qū)虛擬變量，δ2為其估計(jì)系數(shù)；Di表示是否為“四萬億”經(jīng)濟(jì)刺激計(jì)劃重點(diǎn)傾向行業(yè)的虛擬變量，在2009年之前，所有行業(yè)都取值為0，表示都沒有受到“四萬億”經(jīng)濟(jì)刺激計(jì)劃的影響，而2009年后（含2009年）如果是該計(jì)劃重點(diǎn)傾向行業(yè)則視為受處理組，則該變量取值為1，反之，則視為參照組取值為0，①在上市公司和國有企業(yè)行業(yè)全樣本分析中，將處理組和參照組視作兩類大行業(yè)，前者取值為1，后者取值為0，在分行業(yè)和分地區(qū)分行業(yè)樣本估計(jì)中，“四萬億”經(jīng)濟(jì)刺激計(jì)劃重點(diǎn)傾向的每一個行業(yè)作為處理組取值為1，將其余非重點(diǎn)傾向行業(yè)都作為參照組。這便于從整體和重點(diǎn)行業(yè)角度分別考察“四萬億”經(jīng)濟(jì)刺激計(jì)劃對處理組與參照組杠桿率影響效應(yīng)的差異。δ3為其估計(jì)系數(shù)向量；REGIj×Di是地區(qū)與是否為計(jì)劃重點(diǎn)傾向行業(yè)的虛擬變量交互項(xiàng)，其估計(jì)系數(shù)δ4表示刺激計(jì)劃對不同地區(qū)重點(diǎn)行業(yè)與非重點(diǎn)行業(yè)企業(yè)杠桿率的影響差異向量；YEARt×Di是該計(jì)劃實(shí)施與否與是否為計(jì)劃重點(diǎn)傾向行業(yè)的虛擬變量交互項(xiàng)，其估計(jì)系數(shù)β1表示刺激計(jì)劃對受影響年份重點(diǎn)傾向與非重點(diǎn)傾向行業(yè)企業(yè)杠桿率的影響差異向量；YEARt×REGIj是刺激計(jì)劃實(shí)施與否與地區(qū)虛擬變量交互項(xiàng)，其估計(jì)系數(shù)β2表示該經(jīng)濟(jì)刺激計(jì)劃對受其影響年份不同地區(qū)企業(yè)杠桿率的影響差異向量；YEARt×Di×REGIj是刺激計(jì)劃、重點(diǎn)傾向行業(yè)和地區(qū)虛擬變量交互項(xiàng)，其估計(jì)系數(shù)β3表示該刺激計(jì)劃實(shí)施與否對不同地區(qū)不同行業(yè)企業(yè)杠桿率的影響差異向量； othersij,t為其他控制變量，δ5為其相應(yīng)估計(jì)系數(shù)向量。

控制變量說明。在上市公司杠桿率影響因素計(jì)量經(jīng)濟(jì)模型中，從以下五個方面對該模型實(shí)施了變量控制：①盈利能力。反映企業(yè)盈利能力變量主要包括資產(chǎn)回報(bào)率（ROA）、主營業(yè)務(wù)收入增長率（GROW）和人均利潤（PEOP）。其中，資產(chǎn)回報(bào)率與杠桿率呈負(fù)相關(guān)關(guān)系（Chang等，2014）；主營業(yè)務(wù)收入增長率與短期杠桿率呈負(fù)相關(guān)關(guān)系（Zhang等，2015）；利潤則是企業(yè)內(nèi)部融資的首要來源（Frank 和 Goyal，2009）。②資產(chǎn)結(jié)構(gòu)。Chen（2004）以及 Frank 和 Goyal（2009）分別用有形資產(chǎn)比率和資本支出作為企業(yè)資產(chǎn)結(jié)構(gòu)的代理變量，并認(rèn)為前者與杠桿率呈正相關(guān)關(guān)系（Margaritis和 Psillaki，2010）；后者與杠桿率呈負(fù)相關(guān)關(guān)系（Frank 和 Goyal，2009），因而，本文用有形資產(chǎn)比率（TANG）和資本支出（CAPE）來反映企業(yè)資產(chǎn)結(jié)構(gòu)狀況。③所有權(quán)結(jié)構(gòu)。Li，Yue和Zhao（2009）用國有股衡量了所有權(quán)結(jié)構(gòu)，而Margaritis和Psillaki（2010）等的研究表明，國有股比例影響企業(yè)杠桿率，因而，本文也采用國有股比例反映所有權(quán)結(jié)構(gòu)（OWN）。④企業(yè)規(guī)模與年齡。企業(yè)規(guī)模和年齡都會對杠桿率產(chǎn)生影響（Chang等，2014等），因而，分別采用企業(yè)資產(chǎn)總額和成立時間衡量企業(yè)規(guī)模（SIZE）和年齡（AGE）。⑤宏觀經(jīng)濟(jì)狀況。Frank和Goyal（2009）等都認(rèn)為宏觀經(jīng)濟(jì)繁榮和蕭條會影響企業(yè)杠桿率的選擇及其調(diào)整速度，因而，采用GDP增長率作為衡量地區(qū)宏觀經(jīng)濟(jì)狀況的變量。此外，對于國有企業(yè)行業(yè)樣本的分析，基于可獲得數(shù)據(jù)，本文采用了國有企業(yè)行業(yè)數(shù)據(jù)，選擇了行業(yè)人均利潤（PERT）和人均稅收（PERP）作為衡量國有企業(yè)行業(yè)盈利狀況的變量。同時，兩套樣本均設(shè)計(jì)了行業(yè)和地區(qū)虛擬變量以控制異質(zhì)性行業(yè)和地區(qū)特征。

（三）樣本與數(shù)據(jù)。本文選取了2005年至2012年作為樣本分析時段，首先，這一樣本時段既涵蓋了2009年至2010年間中央政府實(shí)施“四萬億”經(jīng)濟(jì)刺激計(jì)劃時期，也涵蓋了實(shí)施該項(xiàng)計(jì)劃之前和之后的年份，同時，按“四萬億”刺激計(jì)劃實(shí)施時間將樣本年份劃分為2005年至2008年和2009年至2012年兩個階段，以前一個階段和后一個階段的累計(jì)年份組成子樣本，如考察該計(jì)劃在2009年對企業(yè)杠桿率的影響，則樣本年份為2005年至2009年，以此類推，以考察“四萬億”經(jīng)濟(jì)刺激計(jì)劃對企業(yè)杠桿率的短期和長期影響效應(yīng)。其次，“四萬億”經(jīng)濟(jì)刺激計(jì)劃的支出結(jié)構(gòu)在行業(yè)和地區(qū)層面都會表現(xiàn)出非均衡性特征，該計(jì)劃在基礎(chǔ)設(shè)施建設(shè)、災(zāi)后恢復(fù)重建以及保障性住房方面的支出比重高達(dá)73%，主要涉及交通運(yùn)輸業(yè)、冶金工業(yè)、機(jī)械工業(yè)、建筑業(yè)、林業(yè)和建材工業(yè)等行業(yè)；在技術(shù)創(chuàng)新領(lǐng)域的支出比重達(dá)到9%，主要涉及信息技術(shù)服務(wù)業(yè)、金融服務(wù)業(yè)等行業(yè)；在醫(yī)療衛(wèi)生、教育、文化等社會事業(yè)支出比重達(dá)到4%，主要涉及醫(yī)藥工業(yè)、教育文化廣播業(yè)、社會服務(wù)業(yè)等；同時，“四萬億”經(jīng)濟(jì)刺激計(jì)劃支出更傾向于中西部地區(qū)。①依據(jù)2013年3月6日國家發(fā)改委主任張平答記者問（http://lianghui.people.com.cn/2013npc/GB/357184/357923/）整理。本文分別選取2005年至2012年全國31個省、自治區(qū)和直轄市在中國上海證券交易所和深圳證券交易所全部上市公司為樣本，依據(jù)中國證券監(jiān)督管理委員會2013年10月發(fā)布的《上市公司行業(yè)分類指引（2012年修訂）》將其劃歸為28個行業(yè)，結(jié)合“四萬億”經(jīng)濟(jì)刺激計(jì)劃實(shí)施的重點(diǎn)區(qū)域和重點(diǎn)傾向行業(yè)進(jìn)行劃分，以2008年至2010年《中國財(cái)政年鑒》中的中央財(cái)政預(yù)算和決算在各個行業(yè)中的“投資支出絕對數(shù)”、“調(diào)整預(yù)算數(shù)大于預(yù)算數(shù)”和“決算數(shù)與調(diào)整預(yù)算數(shù)的比值大于100%”這三項(xiàng)指標(biāo)為依據(jù)，將農(nóng)業(yè)、林業(yè)、機(jī)械工業(yè)、建材工業(yè)、房地產(chǎn)業(yè)、冶金工業(yè)、建筑業(yè)、交通運(yùn)輸業(yè)、醫(yī)藥工業(yè)、地質(zhì)勘查及水利業(yè)、教育文化廣播業(yè)、社會服務(wù)業(yè)、信息技術(shù)服務(wù)業(yè)和金融保險(xiǎn)業(yè)這14個行業(yè)作為處理組，其余14個行業(yè)為參照組。②剔除上市公司樣本中385個杠桿率大于1的觀測樣本之后，上市公司行業(yè)包括農(nóng)業(yè)、林業(yè)、畜牧業(yè)、漁業(yè)、煤炭工業(yè)、石油和石化工業(yè)、冶金工業(yè)、建材工業(yè)、化學(xué)工業(yè)、森林工業(yè)、食品工業(yè)、紡織工業(yè)、醫(yī)藥工業(yè)、機(jī)械工業(yè)、電子工業(yè)、電力工業(yè)、市政公用工業(yè)、其他工業(yè)、建筑業(yè)、地質(zhì)勘查及水利業(yè)、交通運(yùn)輸業(yè)、倉儲業(yè)、批發(fā)和零售餐飲業(yè)、房地產(chǎn)業(yè)、信息技術(shù)服務(wù)業(yè)、社會服務(wù)業(yè)、教育文化廣播業(yè)和金融保險(xiǎn)業(yè)；14個行業(yè)作為受處理組，其余14個行業(yè)為參照組。同時，還假設(shè)在所有樣本杠桿率在2008年（含）之前都沒有受到經(jīng)濟(jì)刺激計(jì)劃的影響，而2008年之后受到經(jīng)濟(jì)刺激計(jì)劃影響，固定效應(yīng)估計(jì)模型甄別表明，受處理組和參照組分類與經(jīng)濟(jì)刺激計(jì)劃的重點(diǎn)傾向行業(yè)劃分一致。數(shù)據(jù)均來源于國泰安數(shù)據(jù)庫（CSMAR），共計(jì)2 662家上市公司14 305個觀測值。考慮中國企業(yè)既包含上市公司，也包含非上市公司，然而從選用的樣本和數(shù)據(jù)來看，2010年后包含全國非上市公司的財(cái)務(wù)數(shù)據(jù)和信息缺乏，《中國國有資產(chǎn)監(jiān)督管理年鑒》中發(fā)布了按32個行業(yè)劃分的中國國有企業(yè)行業(yè)數(shù)據(jù)，在其數(shù)據(jù)統(tǒng)計(jì)時段包含了國有企業(yè)上市公司及其非上市公司，因而又選擇了樣本時段中國國有企業(yè)32個行業(yè)作為樣本，采用兩套樣本數(shù)據(jù)③剔除國有企業(yè)行業(yè)樣本中308個杠桿率大于1的觀測樣本之后，在包含了除金融保險(xiǎn)業(yè)以外的上市公司27個行業(yè)的基礎(chǔ)上，國有企業(yè)行業(yè)還包括了煙草工業(yè)、郵電通信業(yè)、衛(wèi)生體育福利業(yè)、科學(xué)研究和技術(shù)服務(wù)以及機(jī)關(guān)社團(tuán)及其他共計(jì)32個行業(yè)。其中，受處理組行業(yè)劃分與上市公司受處理組行業(yè)劃分一致，其余18個國有企業(yè)行業(yè)作為參照組。同時，固定效應(yīng)估計(jì)模型甄別表明，國有企業(yè)行業(yè)受處理組行業(yè)和參照組行業(yè)分類與經(jīng)濟(jì)刺激計(jì)劃的重點(diǎn)傾向行業(yè)一致。同時研究“四萬億”經(jīng)濟(jì)刺激計(jì)劃與企業(yè)杠桿率變化之間的關(guān)系，進(jìn)而使研究結(jié)論形成相互印證和補(bǔ)充。國有企業(yè)行業(yè)數(shù)據(jù)來自2006年至2013年《中國國有資產(chǎn)監(jiān)督管理年鑒》、《中國工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒》、《中國第三產(chǎn)業(yè)統(tǒng)計(jì)年鑒》、《中國農(nóng)業(yè)統(tǒng)計(jì)年鑒》和《中國勞動統(tǒng)計(jì)年鑒》，共計(jì)7 075個觀測值。④采用加權(quán)算法pkPEOP=ckPEOP×[ckTOTASSET/(ckTOTASSET+pkTOTASSET)]+pkPEOP×[pkTOTASSET/(ckTOTASSET+pkTOTASSET)]和 LEVk=[(ckTOTASSET+pkTOTASSET)?(ckFTOTASSET+pkFTOTASSET)]/(ckTOTASSET+pkTOTASSET)將《中國國有資產(chǎn)監(jiān)督管理年鑒》中大連、寧波、青島、廈門和深圳等五個城市數(shù)據(jù)歸并到相應(yīng)省份，其中，下標(biāo)k表示單列市，上標(biāo)表示名稱，c和p分別表示單列城市對應(yīng)指標(biāo)和對應(yīng)的省份指標(biāo)數(shù)據(jù)，PEOP表示人均利潤、TOTASSET表示資產(chǎn)總額、FTOTASSET表示年末資產(chǎn)總額，同時，部分缺失數(shù)據(jù)采用三期移動加權(quán)平均法進(jìn)行補(bǔ)充。

此外，由于地區(qū)宏觀經(jīng)濟(jì)發(fā)展水平可能影響企業(yè)杠桿率，因而，本文東、中、西部地區(qū)劃分如下：東部包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南和遼寧，中部包括山西、安徽、江西、河南、湖北、湖南、吉林和黑龍江；西部地區(qū)包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆和西藏。

（四）描述性統(tǒng)計(jì)。表1的Panel A和Panel B分別報(bào)告了上市公司和國有企業(yè)行業(yè)樣本“四萬億經(jīng)濟(jì)刺激計(jì)劃”實(shí)施之前和實(shí)施之后兩個時段的描述統(tǒng)計(jì)結(jié)果。從關(guān)鍵變量的描述性統(tǒng)計(jì)值來看，雖然上市公司和國有企業(yè)行業(yè)兩套樣本的杠桿率變量均值和最大值在“四萬億”經(jīng)濟(jì)刺激計(jì)劃實(shí)施之后的2009年至2012年時段比該計(jì)劃實(shí)施之前的2005年至2008年時段都低，但是該變量的最小值和標(biāo)準(zhǔn)差在計(jì)劃實(shí)施之后時段比實(shí)施前時段都高，說明“四萬億”經(jīng)濟(jì)刺激計(jì)劃時段更多的企業(yè)調(diào)整了杠桿率，“四萬億”經(jīng)濟(jì)刺激計(jì)劃提高了一些企業(yè)杠桿率。此外，上市公司和國有企業(yè)行業(yè)樣本變量的相關(guān)系數(shù)矩陣說明兩套數(shù)據(jù)樣本中各變量沒有明顯的線性相關(guān)性。

表1 變量描述統(tǒng)計(jì)結(jié)果

四、上市公司樣本的實(shí)證結(jié)果分析

（一）全樣本分析。表2報(bào)告了樣本年份分段且按重點(diǎn)傾向和非重點(diǎn)傾向行業(yè)分為受處理組和參照組兩大類的分段估計(jì)結(jié)果。從時間虛擬變量與計(jì)劃重點(diǎn)傾向行業(yè)虛擬變量的交互項(xiàng)的估計(jì)系數(shù)來看，各變量估計(jì)系數(shù)顯著為正，表明與非重點(diǎn)傾向行業(yè)上市公司相比，“四萬億”經(jīng)濟(jì)刺激顯著提高了重點(diǎn)行業(yè)上市公司杠桿率。表2還報(bào)告了中國東部、中部和西部地區(qū)結(jié)合受處理組和參照組兩大類行業(yè)的估計(jì)結(jié)果。東部地區(qū)，地區(qū)虛擬變量、計(jì)劃重點(diǎn)傾向行業(yè)虛擬變量分別與各年份時間虛擬變量三者的交互項(xiàng)估計(jì)系數(shù)雖然顯著為正，但其系數(shù)呈遞減趨勢，說明與東部地區(qū)非重點(diǎn)傾向行業(yè)相比，“四萬億”經(jīng)濟(jì)刺激計(jì)劃提高了該地區(qū)重點(diǎn)傾向行業(yè)上市公司的杠桿率，但這種影響在長期逐漸減弱。中部地區(qū)，地區(qū)虛擬變量、計(jì)劃重點(diǎn)傾向行業(yè)僅與2010年時間虛擬變量的交互項(xiàng)估計(jì)系數(shù)顯著為正，表明“四萬億”經(jīng)濟(jì)刺激計(jì)劃僅短期相對提高了中部地區(qū)上市公司的杠桿率。西部地區(qū)，地區(qū)虛擬變量、重點(diǎn)傾向行業(yè)僅與2012年的時間虛擬變量三者交互項(xiàng)估計(jì)系數(shù)顯著，表明西部地區(qū)受“四萬億”經(jīng)濟(jì)刺激計(jì)劃直接影響的重點(diǎn)傾向行業(yè)上市公司杠桿率與其他非重點(diǎn)傾向行業(yè)上市公司杠桿率之間短期沒有顯著的差異，但在長期提高了該計(jì)劃重點(diǎn)傾向行業(yè)上市公司的杠桿率。之所以東、中、西部地區(qū)之間存在差異化效應(yīng)是由于“四萬億”經(jīng)濟(jì)刺激計(jì)劃對于中西部地區(qū)支持主要通過財(cái)政撥付、稅收優(yōu)惠或轉(zhuǎn)移支付等方式，這類支持方式?jīng)]有直接體現(xiàn)在企業(yè)債務(wù)水平上。同時，銀行信貸也有向中西部企業(yè)傾斜的優(yōu)惠政策。然而，銀行在金融危機(jī)時期為了降低貸款風(fēng)險(xiǎn)，也會考慮企業(yè)資產(chǎn)抵押物價(jià)值、盈利能力、利潤率波動和投資機(jī)會等（Chang，Chen和Liao，2014），中西部地區(qū)上市公司整體實(shí)力低于東部地區(qū)，這在一定程度上制約了中西部地區(qū)上市公司債務(wù)的融資渠道和融資規(guī)模（Korajczyk和Levy，2003）。

表2 上市公司樣本和國有企業(yè)行業(yè)樣本估計(jì)結(jié)果

（二）分行業(yè)差異分析。依據(jù)上市公司按行業(yè)分類，表3歸整了“四萬億”經(jīng)濟(jì)刺激計(jì)劃重點(diǎn)傾向行業(yè)劃分為14個受處理行業(yè)與14個參照組行業(yè)樣本年份分段逐一組成子樣本的估計(jì)結(jié)果。①本文還分別將上市公司和國有企業(yè)行業(yè)兩套樣本分行業(yè)子樣本估計(jì)結(jié)果不顯著的行業(yè)也歸并到相應(yīng)的參照組行業(yè)中，所得結(jié)果顯著性和符號與表3的結(jié)果相比沒有差異?？芍?，與非重點(diǎn)傾向行業(yè)上市公司相比，“四萬億”經(jīng)濟(jì)刺激計(jì)劃在短期或長期對一些重點(diǎn)傾向行業(yè)上市公司杠桿率的影響存在顯著差異。從行業(yè)整體結(jié)構(gòu)上看，一方面，機(jī)械工業(yè)、醫(yī)藥工業(yè)、教育文化廣播業(yè)、建材工業(yè)、社會服務(wù)業(yè)和金融保險(xiǎn)業(yè)等都是“四萬億”經(jīng)濟(jì)刺激計(jì)劃實(shí)施的重點(diǎn)目標(biāo)行業(yè)，受該計(jì)劃的影響，這些行業(yè)上市公司杠桿率在短期比其他非重點(diǎn)傾向行業(yè)上市公司杠桿率高；另一方面，房地產(chǎn)業(yè)、冶金工業(yè)和信息技術(shù)服務(wù)業(yè)的上市公司杠桿率在長期比其他非重點(diǎn)傾向行業(yè)上市公司杠桿率高。同時，受“四萬億”經(jīng)濟(jì)刺激計(jì)劃的影響，交通運(yùn)輸業(yè)上市公司杠桿率短期比參照組行業(yè)上市公司杠桿率低，但卻在長期提高了該類上市公司杠桿率。此外，“四萬億”經(jīng)濟(jì)刺激計(jì)劃實(shí)施在短期和長期沒有使農(nóng)業(yè)、林業(yè)和地質(zhì)勘查及水利業(yè)等上市公司的杠桿率顯著異于參照組其他行業(yè)上市公司杠桿率?？偟膩砜?，受“四萬億”經(jīng)濟(jì)刺激計(jì)劃的影響，絕大多數(shù)該計(jì)劃重點(diǎn)傾向行業(yè)上市公司杠桿率與非重點(diǎn)傾向行業(yè)上市公司杠桿率之間存在明顯差異。特別是，“四萬億”經(jīng)濟(jì)刺激計(jì)劃在基礎(chǔ)設(shè)施、災(zāi)后恢復(fù)重建以及保障性住房和技術(shù)創(chuàng)新領(lǐng)域累計(jì)支出比例達(dá)到82%，這為這些領(lǐng)域相關(guān)行業(yè)企業(yè)的債務(wù)融資提供了相對充裕的資金來源，因而，在計(jì)劃重點(diǎn)傾向行業(yè)中，“四萬億”經(jīng)濟(jì)刺激計(jì)劃支出比例高的行業(yè)，其上市公司杠桿率體現(xiàn)出比其他非重點(diǎn)傾向行業(yè)上市公司更高的杠桿率。

表3 分行業(yè)樣本估計(jì)結(jié)果歸納表

（三）分地區(qū)分行業(yè)差異分析。表4歸整了“四萬億”經(jīng)濟(jì)刺激計(jì)劃按樣本年份分段結(jié)果，以及三大地區(qū)14個受處理行業(yè)組分別與所在地區(qū)其他14個參照組行業(yè)組成子樣本的估計(jì)結(jié)果。①本文還將上市公司分地區(qū)分行業(yè)子樣本估計(jì)結(jié)果不顯著的行業(yè)也相應(yīng)歸并到各地區(qū)參照組行業(yè)中，除了原本接近所設(shè)定的顯著性水平行業(yè)估計(jì)值在所設(shè)定的顯著性水平上變顯著，其他結(jié)果與表4中歸納結(jié)果的顯著性和符號沒有差異。從子樣本估計(jì)結(jié)果的系數(shù)和顯著性來看，與全樣本分行業(yè)的估計(jì)結(jié)果表現(xiàn)一致。首先，“四萬億”經(jīng)濟(jì)刺激計(jì)劃在短期和長期提高了東部地區(qū)重點(diǎn)傾向的絕大多數(shù)重點(diǎn)行業(yè)上市公司的杠桿率。受該計(jì)劃的影響，東部地區(qū)建筑業(yè)、房地產(chǎn)業(yè)、交通運(yùn)輸業(yè)和社會服務(wù)業(yè)上市公司杠桿率在長期表現(xiàn)出比其他行業(yè)更高的杠桿率，而機(jī)械工業(yè)、冶金工業(yè)、醫(yī)藥工業(yè)、信息技術(shù)服務(wù)業(yè)和金融保險(xiǎn)業(yè)上市公司則在短期表現(xiàn)出比其他行業(yè)更高的杠桿率。其次，“四萬億”經(jīng)濟(jì)刺激計(jì)劃僅在短期顯著提高了中部地區(qū)重點(diǎn)傾向部分行業(yè)上市公司杠桿率。如中部地區(qū)機(jī)械工業(yè)、房地產(chǎn)業(yè)、冶金工業(yè)、交通運(yùn)輸業(yè)、教育文化廣播業(yè)和社會服務(wù)業(yè)上市公司僅短期顯著表現(xiàn)出比非重點(diǎn)傾向行業(yè)上市公司更高的杠桿率。再次，“四萬億”經(jīng)濟(jì)刺激計(jì)劃僅在長期顯著提高了西部地區(qū)重點(diǎn)傾向部分行業(yè)上市公司杠桿率。除林業(yè)外，西部地區(qū)的機(jī)械工業(yè)、房地產(chǎn)業(yè)、醫(yī)藥工業(yè)、社會服務(wù)業(yè)和金融保險(xiǎn)業(yè)的上市公司在長期顯著表現(xiàn)出比其他非重點(diǎn)傾向行業(yè)上市公司更高的杠桿率。

表4 上市公司分地區(qū)分行業(yè)子樣本估計(jì)結(jié)果歸納表

續(xù)表4 上市公司分地區(qū)分行業(yè)子樣本估計(jì)結(jié)果歸納表

五、國有企業(yè)行業(yè)樣本分析與比較

（一）全樣本分析。中國企業(yè)既包含上市公司，也包含非上市公司；既包含國有企業(yè)，也包含非國有企業(yè)。一方面，僅用上市公司作為分析樣本而忽視非上市公司，不能全面反映“四萬億”經(jīng)濟(jì)刺激計(jì)劃對企業(yè)杠桿率的影響，另一方面，國有企業(yè)既包含上市公司，也包含非上市公司，因而，本文進(jìn)一步選擇以中國國有企業(yè)行業(yè)數(shù)據(jù)為樣本，與上市公司樣本實(shí)證結(jié)果進(jìn)行對比和相互補(bǔ)充印證。

表2將國有企業(yè)行業(yè)樣本按“四萬億”經(jīng)濟(jì)刺激計(jì)劃重點(diǎn)行業(yè)分為受處理組和參照組兩大類，且列示結(jié)合樣本年份分段的估計(jì)結(jié)果。與Chang，Chen和Liao（2014）的研究結(jié)論不同，國有企業(yè)行業(yè)樣本和上市公司樣本估計(jì)都發(fā)現(xiàn)“四萬億”經(jīng)濟(jì)刺激計(jì)劃在短期和長期顯著提高了其重點(diǎn)傾向國有企業(yè)行業(yè)杠桿率。然而，兩套樣本實(shí)證結(jié)果差異在于，從長期來看，該項(xiàng)計(jì)劃對重點(diǎn)行業(yè)國有企業(yè)行業(yè)杠桿率的影響程度呈相對上升趨勢，而對上市公司杠桿率的影響程度呈相對下降趨勢。一方面，考慮到企業(yè)杠桿率既反映了企業(yè)未來的融資能力，也反映了企業(yè)績效和未來可持續(xù)發(fā)展能力，上市公司可能更看重負(fù)債壓力在股票市場上向投資者傳遞負(fù)面信息，以及對企業(yè)未來的融資和長期發(fā)展所產(chǎn)生的負(fù)面影響，因而，其在長期通過股票市場融資以降低企業(yè)杠桿率，消化上市公司債務(wù)壓力對其未來發(fā)展帶來的不利影響（Rami，Akram和Karim，2017）；另一方面，受“四萬億”經(jīng)濟(jì)刺激計(jì)劃的影響，中國國有企業(yè)作為抵制金融危機(jī)的微觀主體為擴(kuò)大生產(chǎn)投資和維持社會總需求而大規(guī)模舉債（Wen和Wu，2014），同時，考慮到國有企業(yè)包含了上市公司和非上市公司，結(jié)合上市公司樣本估計(jì)結(jié)果說明，非上市國有企業(yè)杠桿率在長期受“四萬億”經(jīng)濟(jì)刺激計(jì)劃影響較大。Korajczyk和Levy（2003）的研究表明，上市公司比非上市公司有更多的融資渠道且融資約束相對較少，上市公司會依據(jù)經(jīng)濟(jì)周期變化轉(zhuǎn)換融資渠道，進(jìn)而調(diào)整其杠桿率。因而，與上市國有企業(yè)相比，非上市國有企業(yè)的外部融資渠道相對少，使得這些企業(yè)受“四萬億”經(jīng)濟(jì)刺激計(jì)劃影響所產(chǎn)生的高負(fù)債壓力難以通過轉(zhuǎn)換融資渠道等方式化解，由此，“四萬億”經(jīng)濟(jì)刺激計(jì)劃對非上市國有企業(yè)杠桿率的長期影響一直沒有被消化。

表2還報(bào)告了國有企業(yè)行業(yè)分地區(qū)處理組和參照組分段的估計(jì)結(jié)果，可知“四萬億”經(jīng)濟(jì)刺激計(jì)劃對國有企業(yè)行業(yè)杠桿率的影響在不同地區(qū)不同時間節(jié)點(diǎn)呈現(xiàn)差異化特征。一方面，與上市公司樣本的估計(jì)結(jié)果大致一致的是，相比于非重點(diǎn)國有企業(yè)行業(yè)，“四萬億”經(jīng)濟(jì)刺激計(jì)劃在2009年和2011年對東部地區(qū)國有企業(yè)行業(yè)杠桿率的影響顯著為正，說明“四萬億”經(jīng)濟(jì)刺激計(jì)劃加重了東部地區(qū)重點(diǎn)傾向行業(yè)國有企業(yè)的短期債務(wù)負(fù)擔(dān)。但是，兩套樣本在中部和西部地區(qū)的估計(jì)結(jié)果卻不一致，國有企業(yè)行業(yè)樣本估計(jì)結(jié)果顯示，2009年和2012年該經(jīng)濟(jì)刺激計(jì)劃對中部地區(qū)國有企業(yè)杠桿率的影響顯著為正，2009年至2012年該經(jīng)濟(jì)刺激計(jì)劃對西部地區(qū)國有企業(yè)杠桿率的影響顯著為正，“四萬億”經(jīng)濟(jì)刺激計(jì)劃對中西部地區(qū)重點(diǎn)傾向行業(yè)國有企業(yè)杠桿率具有延時效應(yīng)，受該計(jì)劃的影響，中西部地區(qū)重點(diǎn)傾向行業(yè)國有企業(yè)杠桿率在長期比非重點(diǎn)傾向國有企業(yè)的杠桿率提高更明顯。由于國有企業(yè)行業(yè)樣本包含了上市公司和非上市公司信息，而上市公司樣本包含了國有企業(yè)和非國有企業(yè)信息，從中西部地區(qū)兩套樣本的實(shí)證結(jié)果差異來看，可知該項(xiàng)經(jīng)濟(jì)刺激計(jì)劃對中西部地區(qū)非上市國有企業(yè)杠桿率的影響更為長遠(yuǎn)。Demirguc-Kunt和Maksinovic（1996）認(rèn)為，證券資本市場發(fā)達(dá)地區(qū)，企業(yè)更多傾向于發(fā)行股票融資，反之，則企業(yè)更多傾向于債務(wù)融資。我國中西部地區(qū)市場化發(fā)育程度和資本市場發(fā)達(dá)程度都不及東部地區(qū)，使得這些地區(qū)的非上市國有企業(yè)高杠桿率更難通過股票市場等渠道消化，由此這兩個地區(qū)的非上市國有企業(yè)長期都表現(xiàn)出高杠桿率。

（二）分行業(yè)樣本差異分析。表3歸納了按是否為“四萬億”經(jīng)濟(jì)刺激計(jì)劃重點(diǎn)傾向行業(yè)劃分為14個處理行業(yè)與18個參照組行業(yè)結(jié)合樣本年份分段逐一組成子樣本的估計(jì)結(jié)果，發(fā)現(xiàn)：一方面，“四萬億”經(jīng)濟(jì)刺激計(jì)劃在2009年分別對教育文化廣播業(yè)、建材工業(yè)、交通運(yùn)輸業(yè)和社會服務(wù)業(yè)以及2010年對房地產(chǎn)業(yè)和社會服務(wù)業(yè)的國有企業(yè)杠桿率影響顯著為正，這表明，該計(jì)劃的實(shí)施在短期相對提高了這些行業(yè)國有企業(yè)杠桿率。另一方面，“四萬億”經(jīng)濟(jì)刺激計(jì)劃分別在2011年和2012年對林業(yè)、冶金工業(yè)和科學(xué)研究和技術(shù)服務(wù)業(yè)的國有企業(yè)杠桿率影響顯著為正，表明從長期來看，該計(jì)劃提高了這些行業(yè)國有企業(yè)杠桿率。此外，無論從短期還是長期來看，“四萬億”經(jīng)濟(jì)刺激計(jì)劃顯著提高了農(nóng)業(yè)、機(jī)械工業(yè)、建筑業(yè)、信息技術(shù)服務(wù)業(yè)、交通運(yùn)輸業(yè)、地質(zhì)勘查及水利業(yè)的國有企業(yè)杠桿率?？偟膩砜矗m然“四萬億”經(jīng)濟(jì)刺激計(jì)劃對重點(diǎn)傾向不同行業(yè)的國有企業(yè)杠桿率影響存在顯著差異，但與上市公司相比，“四萬億”經(jīng)濟(jì)刺激計(jì)劃更加顯著地提高了該計(jì)劃重點(diǎn)傾向所有行業(yè)的國有企業(yè)杠桿率，特別是重點(diǎn)傾向行業(yè)中支持力度較強(qiáng)的行業(yè)，如機(jī)械工業(yè)、建筑業(yè)和信息技術(shù)服務(wù)業(yè)等國有企業(yè)表現(xiàn)出更高的杠桿率。

（三）分地區(qū)分行業(yè)差異分析。表5歸納了按樣本年份分段并結(jié)合三大地區(qū)14個受處理行業(yè)與對應(yīng)地區(qū)18個參照組行業(yè)逐一組成子樣本的估計(jì)結(jié)果。①本文還將國有企業(yè)行業(yè)分地區(qū)分行業(yè)子樣本估計(jì)結(jié)果不顯著的行業(yè)也相應(yīng)歸并到各地區(qū)參照組行業(yè)中，除了原本接近所設(shè)定的顯著性水平行業(yè)估計(jì)值在所設(shè)定的顯著性水平上變顯著外，其他結(jié)果的顯著性和符號與表5中結(jié)果相比沒有差異。從東部地區(qū)來看，“四萬億”經(jīng)濟(jì)刺激計(jì)劃短期顯著提高了該地區(qū)建筑業(yè)、醫(yī)藥工業(yè)、交通運(yùn)輸業(yè)、社會服務(wù)業(yè)以及科學(xué)研究與技術(shù)服務(wù)業(yè)的國有企業(yè)杠桿率，且在長期顯著提高了農(nóng)業(yè)、林業(yè)、教育文化廣播業(yè)、冶金工業(yè)的國有企業(yè)杠桿率，同時，還在長期和短期都顯著提高了地質(zhì)勘查及水利業(yè)的國有企業(yè)杠桿率。從中部地區(qū)來看，該計(jì)劃短期顯著提高了醫(yī)藥工業(yè)、冶金工業(yè)和信息技術(shù)服務(wù)業(yè)的國有企業(yè)杠桿率，其長期顯著提高了科學(xué)研究和技術(shù)服務(wù)業(yè)的國有企業(yè)杠桿率，同時，雖然該計(jì)劃短期顯著降低了林業(yè)和地質(zhì)勘查及水利業(yè)的國有企業(yè)杠桿率，卻在長期提高了這兩個行業(yè)國有企業(yè)杠桿率。此外，該計(jì)劃還在短期和長期顯著提高了林業(yè)、醫(yī)藥工業(yè)和教育文化廣播業(yè)的國有企業(yè)杠桿率。從西部地區(qū)來看，該計(jì)劃短期顯著提高了房地產(chǎn)業(yè)、信息技術(shù)服務(wù)業(yè)、建材工業(yè)、社會服務(wù)業(yè)的國有企業(yè)杠桿率，但長期顯著提高了機(jī)械工業(yè)、建筑業(yè)、林業(yè)、冶金工業(yè)、科學(xué)研究和技術(shù)服務(wù)業(yè)的國有企業(yè)杠桿率，同時，在短期和長期還提高了醫(yī)藥工業(yè)、交通運(yùn)輸業(yè)、地質(zhì)勘察及水利業(yè)、科學(xué)研究和技術(shù)服務(wù)業(yè)的國有企業(yè)杠桿率?？傮w來看，與上市公司樣本估計(jì)結(jié)果相比，“四萬億”經(jīng)濟(jì)刺激計(jì)劃對該計(jì)劃重點(diǎn)傾向行業(yè)國有企業(yè)杠桿率的影響范圍更大，且對重點(diǎn)傾向的中西部地區(qū)重點(diǎn)行業(yè)國有企業(yè)杠桿率影響更顯著，特別是西部地區(qū)受該計(jì)劃支持力度強(qiáng)的重點(diǎn)傾向行業(yè)的國有企業(yè)在長期表現(xiàn)出了更高的杠桿率。另一方面，在上市公司中部地區(qū)子樣本中，醫(yī)藥工業(yè)、地質(zhì)勘察及水利業(yè)、信息技術(shù)服務(wù)業(yè)等，以及西部地區(qū)子樣本中的農(nóng)業(yè)、建材工業(yè)、建筑業(yè)、冶金工業(yè)、交通運(yùn)輸業(yè)、地質(zhì)勘察及水利業(yè)等計(jì)劃重點(diǎn)傾向行業(yè)的估計(jì)結(jié)果不顯著，但在對應(yīng)地區(qū)的國有企業(yè)行業(yè)子樣本中，估計(jì)結(jié)果卻在短期或長期都表現(xiàn)顯著，說明該計(jì)劃長期顯著提高了中西部地區(qū)重點(diǎn)傾向行業(yè)中非上市國有企業(yè)的杠桿率。

表5 國有企業(yè)分地區(qū)分行業(yè)子樣本估計(jì)結(jié)果歸納表

續(xù)表5 國有企業(yè)分地區(qū)分行業(yè)子樣本估計(jì)結(jié)果歸納表

六、結(jié)論與政策啟示

本文選取了2005年至2012年中國上市公司和國有企業(yè)行業(yè)兩套樣本數(shù)據(jù)，分別按“四萬億”經(jīng)濟(jì)刺激計(jì)劃重點(diǎn)傾向行業(yè)與否將其劃分為處理組和參照組兩類，從全樣本、分行業(yè)和分地區(qū)分行業(yè)角度考察了2008年實(shí)施的“四萬億”經(jīng)濟(jì)刺激計(jì)劃在短期和長期對企業(yè)杠桿率的影響效應(yīng)。一方面，兩套樣本實(shí)證結(jié)果相互印證表明，“四萬億”經(jīng)濟(jì)刺激計(jì)劃顯著提高了該計(jì)劃重點(diǎn)傾向行業(yè)企業(yè)杠桿率，且在這些行業(yè)中該計(jì)劃支持力度相對較強(qiáng)的行業(yè)企業(yè)長期表現(xiàn)出更高的杠桿率；另一方面，兩套樣本實(shí)證結(jié)果互為補(bǔ)充表明，該計(jì)劃雖然長期顯著提高了東部地區(qū)重點(diǎn)傾向行業(yè)上市公司杠桿率，但也提高了中西部地區(qū)重點(diǎn)傾向行業(yè)國有企業(yè)杠桿率，特別是中西部地區(qū)非上市國有企業(yè)杠桿率。

雖然企業(yè)提高杠桿率短期能支撐企業(yè)度過金融危機(jī)，緩解自有資金不足和穩(wěn)定宏觀經(jīng)濟(jì)增長，但如果高杠桿率在長期不能被消化，則為企業(yè)未來發(fā)展以及宏觀經(jīng)濟(jì)增長帶來了巨大風(fēng)險(xiǎn)。特別是當(dāng)前中國經(jīng)濟(jì)步入“新常態(tài)”的發(fā)展模式下，以習(xí)近平同志為核心的黨中央在十九大報(bào)告中明確將“堅(jiān)持去杠桿”作為新時代“深化供給側(cè)改革”和“打好防范化解重大風(fēng)險(xiǎn)的攻堅(jiān)戰(zhàn)”的重要任務(wù)。為此，依據(jù)本文研究結(jié)論，在“去杠桿”的方向上，決策機(jī)構(gòu)應(yīng)重點(diǎn)考慮降低2008年底實(shí)施“四萬億”經(jīng)濟(jì)刺激計(jì)劃重點(diǎn)指向行業(yè)的非上市國有企業(yè)，特別是位處中西部地區(qū)的這些企業(yè)的杠桿率。一方面，政府既可以通過加快國有企業(yè)上市審批等方式拓寬融資渠道，提高企業(yè)在資本市場上采用股票等方式的直接融資比重，并從宏觀層面加快中西部市場化改革進(jìn)程和完善多層次資本市場，為中西部地區(qū)非上市國有企業(yè)搭建多元化融資渠道，以逐步消化這些企業(yè)的部分負(fù)債壓力。另一方面，政府應(yīng)繼續(xù)為國有企業(yè)特別是中西部地區(qū)非上市的國有企業(yè)減負(fù)，激勵這些企業(yè)提高盈利能力和經(jīng)營績效，推動國有資本做強(qiáng)做優(yōu)做大，通過國有資產(chǎn)的保值增值來化解企業(yè)“高杠桿率”風(fēng)險(xiǎn)。

[1]雒敏，聶文忠. 財(cái)政政策、貨幣政策與企業(yè)資本結(jié)構(gòu)動態(tài)調(diào)整——基于我國上市公司的經(jīng)驗(yàn)證據(jù)[J]. 經(jīng)濟(jì)科學(xué)，2012，（5）：18?32.

[2]蘇冬蔚，曾海艦. 宏觀經(jīng)濟(jì)因素與企業(yè)公司資本結(jié)構(gòu)變動[J]. 經(jīng)濟(jì)研究，2009，（12）：52?65.

[3]鐘寧樺，劉志闊，何嘉鑫，等. 我國企業(yè)債務(wù)的結(jié)構(gòu)性問題[J]. 經(jīng)濟(jì)研究，2016，（7）：102?117.

[4]Amrit J，Anna K. Credit market conditions and the impact of access to the public debt market on corporate leverage[J].International Review of Financial Analysis，2012，25（6）： 28?63.

[5]Brandt L. Bank discrimination in transition economics：Ideology，information，or incentives？[J]. Journal of Comparative Economics，2003，31（3）： 387?413.

[6]Chang C，Chen X，Liao G. What are the reliably important determinants of capital structure in China？[J]. Pacific-Basin Finance Journal，2014，30： 87?113.

[7]Chen J J. Determinants of capital structure of Chinese-listed companies[J]. Journal of Business Research，2004，57（12）：1341?1351.

[8]Choe H，Masullis R W，Nanda V. Common stock offerings across the business cycle：Theory and evidence[J]. Journal of Empirical Finance，1993，1（1）： 3?31.

[9]Demirguc-Kunt A L，Maksimovic V. Stock market development and financing choices of firms[J]. The World Bank Economic Review，1996，10（2）： 341?369.

[10]Firth M，Lin C，Wong S M L. Leverage and investment under a state-owned bank lending environment：Evidence from China[J]. Journal of Corporate Finance，2008，14（5）： 642?653.

[11]Frank M，Goryal V K. Capital structure decisions：Which factors are reliably important？[J]. Financial Management，2009，38（4）： 1?37.

[12]Gertler M. Corporate financial policy，Taxation and macroeconomic risk[J]. RAND Journal of Economics，1993，24（2）：286?303.

[13]Guariglia A，Liu X. Internal finance and growth：Microeconometric evidence on Chinese firms[J]. Journal of Development Economics，2011，196（1）： 79?94.

[14]Kang W，Lee K，Ratti R. Economic policy uncertainty and firm-level investment[J]. Journal of Macroeconomics，2013，39（3）： 42?53.

[15]Li K，Yue H，Zhao L. Ownership，institutions and capital structure：Evidence from China[J]. Journal of Comparative Economics，2009，37（3）： 471?490.

[16]Margaritis D，Psillaki M. Capital structure，equity ownership and firm performance[J]. Journal of Banking&Finance，2010，34（3）： 621?632.

[17]Myers S C，Majluf N S. Corporate financing and investment decisions when firms have information that investors do not have[J]. Journal of Financial Economics，1984，13（2）： 187?221.

[18]Ouyang M，Peng Y L. The treatment-effect estimation：A case study of the 2008 economic stimulus package of China[J]. Journal of Econometrics，2015，188（2）： 545?557.

[19]Rami Z，Akram T，Karim M. Do financial crises alter the dynamics of corporate capital structure？ Evidence from GCC countries[J]. The Quarterly Review of Economics and Finance，2017，63： 21?33.

[20]Richard C K，Marc B D. Assessing the impact of the Chinese stimulus package at home and abroad：A damp squib[J].China Economic Review，2015，33： 137?162.

[21]Robert A K，Levy A. Capital structure choice：Macroeconomic conditions and financial constraints[J]. Journal of Financial Economics，2003，68（1）： 75?109.

[22]Voutsinas K，Werner R. Credit supply and corporate capital structure：Evidence from Japan[J]. International Review ofFinancial Analysis，2011，20（5）： 320?334.

[23]Wen Y，Wu J. Withstanding great recession like China[R]. Federal Reserve Bank of ST. LOUIS Working Paper No.2014?007A，2014.

[24]Zhang G，Han J，Pan Z，et al. Economic policy uncertainty and capital structure choice：Evidence from China[J]. Social Science Electronic Publishing，2015，39（3）： 439?457.