姜闖 蔣靜逸 李怡葭 王楠晰 齊海強(qiáng)

摘 要：從政府、銀行、企業(yè)三方視角，基于中國主板上市公司數(shù)據(jù)，探討政治地理、銀行不良貸款率對(duì)企業(yè)杠桿率的影響，從區(qū)域?qū)用?、企業(yè)所有權(quán)屬性層面和行業(yè)層面進(jìn)行了實(shí)證研究。計(jì)量結(jié)果表明，政治地理因素對(duì)企業(yè)財(cái)務(wù)杠桿率的影響僅存在于非國有企業(yè)中；政治地理因素對(duì)東部企業(yè)影響不顯著，但對(duì)西部企業(yè)具有顯著的正面影響，對(duì)中部企業(yè)具有顯著的負(fù)面影響。銀行不良貸款率對(duì)企業(yè)財(cái)務(wù)杠桿率的影響呈現(xiàn)區(qū)域差異，東部樣本影響為顯著正相關(guān)。

關(guān)鍵詞：政治地理；銀行不良貸款率；企業(yè)杠桿率；區(qū)域差異

中圖分類號(hào)：F832.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1008-4428（2018）08-0109-06

一、 引言

近年來我國進(jìn)入了以高負(fù)債為主要特征的加杠桿周期，政府、銀行、企業(yè)等各部門杠桿率上升迅速。國際清算銀行的數(shù)據(jù)顯示，2008—2016年，我國非金融企業(yè)負(fù)債占GDP的比重從95%上升至166%。截至2016年年末，我國政府、居民和非金融企業(yè)部門的杠桿率分別為46%、50.6%和141%，遠(yuǎn)超國際警戒線。

從現(xiàn)有數(shù)據(jù)看，非金融部門債務(wù)是中國債務(wù)的主體，也是近年中國杠桿率快速上升的主要推動(dòng)因素。企業(yè)部門杠桿率過高主要集中在國有企業(yè)和部分產(chǎn)能過剩企業(yè)；而從金融結(jié)構(gòu)看，國內(nèi)資本市場不夠發(fā)達(dá)，企業(yè)部門主要以間接融資為主，債務(wù)負(fù)擔(dān)沉重。據(jù)數(shù)據(jù)統(tǒng)計(jì)可得，中國實(shí)體部門的債務(wù)規(guī)模占GDP的比重，從2008年的157%上升到2016年的250%，8年上升93個(gè)百分點(diǎn)?？梢姡袊陙淼呢?fù)債規(guī)模仍是呈上升趨勢，去杠桿勢在必行。

針對(duì)我國經(jīng)濟(jì)發(fā)展現(xiàn)狀，尋找平衡企業(yè)追求利潤最大化與降低企業(yè)債務(wù)風(fēng)險(xiǎn)的杠桿率是維護(hù)企業(yè)利益的必要選擇。本文根據(jù)我國經(jīng)濟(jì)進(jìn)入新常態(tài)，在習(xí)近平同志為總書記的黨中央創(chuàng)造性地提出“三去一降一補(bǔ)”五大任務(wù)的背景下，決定研究上市公司的杠桿率與政治關(guān)聯(lián)及地區(qū)政治地理相關(guān)方面的聯(lián)系。目前，中國金融體系債務(wù)負(fù)擔(dān)較高，商業(yè)銀行仍是企業(yè)融資貸款的重要金融機(jī)構(gòu)。所以研究銀行不良貸款與企業(yè)杠桿的關(guān)系可以對(duì)我國去杠桿的改革前景做出合理預(yù)估和規(guī)劃，推動(dòng)我國金融市場金融資源合理配置，債務(wù)危機(jī)規(guī)模得到控制，維持經(jīng)濟(jì)的平前穩(wěn)發(fā)展。

二、 研究綜述

（一）國內(nèi)外杠桿率相關(guān)研究現(xiàn)狀

目前，國內(nèi)外學(xué)者對(duì)金融機(jī)構(gòu)杠桿率的研究較多。Michal Dewally、YingyingShao（2012）研究了49個(gè)國家金融類企業(yè)杠桿率順周期變化情況，發(fā)現(xiàn)杠桿率增長和資產(chǎn)增長存在正的相關(guān)關(guān)系。車青玲（2015）指出非金融企業(yè)營業(yè)利潤率增加在短期內(nèi)將降低杠桿率，長期則相反；而工資、在建工程、企業(yè)規(guī)模、銀行依存度上升都會(huì)提高非金融企業(yè)的杠桿率。許一涌（2014）分別從宏觀和微觀兩個(gè)角度入手，發(fā)現(xiàn)我國非金融企業(yè)杠桿率存在一定的行業(yè)分化，且主要是由企業(yè)融資方式單一、刺激性投資增加、地方政府GDP考核方式等造成的。

對(duì)于現(xiàn)中國企業(yè)較高杠桿率的現(xiàn)狀，許多學(xué)者研究分析后也提出了可行的建議。李揚(yáng)（2016）指出我國應(yīng)保持中高速的經(jīng)濟(jì)增長，堅(jiān)持供給側(cè)改革，穩(wěn)定經(jīng)濟(jì)發(fā)展的同時(shí)降低杠桿率。賈慶英、孔艷芳（2016）指出貨幣供給對(duì)經(jīng)濟(jì)杠桿有明顯的正向沖擊作用，當(dāng)前我國經(jīng)濟(jì)增長速度放緩，伴隨著債務(wù)問題的出現(xiàn)，其提出可以建立經(jīng)濟(jì)杠桿的逆周期監(jiān)管機(jī)制。胡志鵬（2014）構(gòu)建了一個(gè)涵蓋居民、企業(yè)、金融機(jī)構(gòu)和貨幣當(dāng)局的DSGE模型來考察“穩(wěn)增長”和“控杠桿”雙重目標(biāo)下貨幣當(dāng)局最優(yōu)政策設(shè)定。但是他認(rèn)為貨幣當(dāng)局政策對(duì)去杠桿效果不明顯，缺乏穩(wěn)定性。

（二）國內(nèi)外政治地理相關(guān)研究現(xiàn)狀

政治地理（political geography）作為一種特殊形態(tài)的社會(huì)關(guān)系在更早的時(shí)候就得到學(xué)術(shù)界的關(guān)注，諸多學(xué)者研究發(fā)現(xiàn)，政治地理能夠?qū)ζ髽I(yè)產(chǎn)生積極的影響（Faccio，2006，F(xiàn)accio和Parsley，2009；Goldman et al.，2009），并且這一現(xiàn)象在世界各國都普遍存在。更具體的，與政府關(guān)系密切能夠?yàn)槠髽I(yè)帶來更多的資源和優(yōu)惠，包括更低的稅率（Adhikari et al.，2006），更多的銀行貸款（Claessens etal.，2008）和更大強(qiáng)度的政府援助（Faccio et al.，2006）等。Kim， Pantzalis and Park（2012）三位學(xué)者對(duì)于政治地理因素他們指出：地區(qū)政治資源、政治能量越豐富，該地企業(yè)的股票初始回報(bào)率以及風(fēng)險(xiǎn)調(diào)整后的收益率表現(xiàn)越好，公司價(jià)值也越大。蔡慶豐、郝凱、黃振東（2017）由此想到，在中國綜合了“政治關(guān)聯(lián)”與“同鄉(xiāng)效應(yīng)”的“政治地理效應(yīng)”是否也影響地方企業(yè)的業(yè)績表現(xiàn)呢？如果說企業(yè)家的政治關(guān)聯(lián)是企業(yè)個(gè)體的政治資源，那么地方的政治資源就可以視為政治關(guān)聯(lián)在地區(qū)層面的一種表現(xiàn)。目前，國內(nèi)外有關(guān)政治地理的文獻(xiàn)相對(duì)較少，本文將從與政治地理聯(lián)系較為緊密的政治關(guān)聯(lián)進(jìn)行文獻(xiàn)梳理。

通過梳理已有文獻(xiàn)可以發(fā)現(xiàn)，政治關(guān)聯(lián)公司的財(cái)務(wù)杠桿率較高，同時(shí)財(cái)務(wù)風(fēng)險(xiǎn)也較高。但也仍存在對(duì)解決現(xiàn)有的企業(yè)高杠桿率明確有效的方法還較少，且大多數(shù)的研究側(cè)重于企業(yè)自身運(yùn)營模式、整體宏觀經(jīng)濟(jì)發(fā)展，對(duì)于不同行業(yè)其杠桿率的影響研究課題較少。因此，本文課題將立足于政府、企業(yè)、銀行三方，利用上市公司相關(guān)數(shù)據(jù)進(jìn)行分析，圍繞非金融企業(yè)杠桿率的影響因素，結(jié)合多方角度研究出行業(yè)合適的杠桿率，在減小企業(yè)債務(wù)風(fēng)險(xiǎn)的同時(shí)尋求企業(yè)經(jīng)濟(jì)平穩(wěn)發(fā)展。

（三）企業(yè)杠桿率影響機(jī)制分析（見圖1）

1. 政治地理與企業(yè)杠桿率影響機(jī)制

政治地理因素是微觀層面的政治關(guān)聯(lián)和各種社會(huì)關(guān)系在宏觀層面上的表現(xiàn)，同樣也會(huì)對(duì)企業(yè)的行為產(chǎn)生影響。有研究構(gòu)建的地區(qū)政治能量指數(shù)是對(duì)政治地理因素的度量，它通過統(tǒng)計(jì)出生于各地市的中央委員和中央候補(bǔ)委員數(shù)量，反映一個(gè)地市的上市公司能夠直接或者借助老鄉(xiāng)關(guān)系間接獲得政治資源幫助的能力。該研究發(fā)現(xiàn)：地區(qū)政治能量高的地區(qū)上市公司具有更低的債務(wù)融資成本，從而使企業(yè)具有更高的財(cái)務(wù)杠桿率；但是，這種現(xiàn)象只存在于非國有企業(yè)之中；地區(qū)政治能量對(duì)于企業(yè)的擴(kuò)張行為具有促進(jìn)作用，且這種促進(jìn)作用在非國有企業(yè)表現(xiàn)得更為明顯。

2. 銀行不良貸款與企業(yè)杠桿率影響機(jī)制

在我國，金融體系屬于典型的銀行主導(dǎo)型，企業(yè)外部融資仍然以銀行貸款為主，企業(yè)對(duì)銀行貸款的依賴度將顯著影響企業(yè)杠桿率。銀行作為一類特殊的企業(yè)，同樣追求銀行利潤最大化，會(huì)將銀行貸款發(fā)放給資質(zhì)較高、正常經(jīng)營的優(yōu)質(zhì)企業(yè)，從而降低銀行不良貸款規(guī)模，減少銀行風(fēng)險(xiǎn)暴露。企業(yè)為了追求自身利潤最大化會(huì)根據(jù)市場環(huán)境的變化調(diào)整企業(yè)生產(chǎn)規(guī)模，進(jìn)而增加或者減少銀行貸款，改變企業(yè)杠桿率。銀行追求利潤最大化，降低不良貸款率與企業(yè)追求自身利潤最大化，調(diào)整企業(yè)杠桿率之間產(chǎn)生矛盾，并進(jìn)行博弈，最終確定一個(gè)銀行體系和企業(yè)都能接受的企業(yè)合適杠桿率。

金融市場不斷發(fā)展，但是銀行貸款仍是大多數(shù)企業(yè)融資的首選渠道。企業(yè)對(duì)銀行的依賴度顯著影響其杠桿率水平，在銀行產(chǎn)品創(chuàng)新少、抵押貸款為主導(dǎo)的情況下，企業(yè)杠桿率水平也受自身規(guī)模的影響。企業(yè)負(fù)債內(nèi)部結(jié)構(gòu)對(duì)財(cái)務(wù)杠桿有著重要影響，銀行在放貸的同時(shí)需追求自身的利益最大化。所以我們將會(huì)篩選不同的企業(yè)，根據(jù)它們的銀行依賴度，不同的信貸規(guī)模來分析對(duì)杠桿率的影響。

3. 政治地理、銀行不良貸款對(duì)上市公司杠桿率的影響機(jī)制

政治地理因素，政府為了追求自身政績最大化，要求提高企業(yè)杠桿率；同時(shí)要求銀行向所有符合銀行貸款條件的企業(yè)發(fā)放貸款。銀行不良貸款因素，銀行為了自身利潤最大化，降低銀行不良貸款率，將向優(yōu)質(zhì)企業(yè)發(fā)放規(guī)模更大、利率更低的貸款，而對(duì)于劣質(zhì)企業(yè)，將提高審批條件，不發(fā)放貸款，或者為了迎合政府的要求，向劣質(zhì)企業(yè)發(fā)放規(guī)模更小、利率更高、條件更加苛刻的貸款。企業(yè)一方面將根據(jù)市場要求確定生產(chǎn)規(guī)模，向銀行申請(qǐng)貸款，另一方面，為了密切與政府的關(guān)系，將部分迎合政府要求企業(yè)產(chǎn)出最大化的要求。政府政績最大化與銀行利潤最大化、企業(yè)利潤最大化共同作用，相互博弈，并最終確定一個(gè)政府、銀行、企業(yè)都能接受的企業(yè)合適杠桿率。

三、 變量選取、數(shù)據(jù)來源與計(jì)量模型

（一）變量選取

1. 被解釋變量

財(cái)務(wù)杠桿比率（LEV）：選用資產(chǎn)負(fù)債率，即上市公司當(dāng)年年末總負(fù)債與總資產(chǎn)的比值作為衡量指標(biāo)，考察上市公司的債務(wù)融資行為。（單位：%）

2. 解釋變量

地區(qū)政治能量指數(shù)（PPI）：收集整理2007—2016年間（對(duì)應(yīng)十八屆）中央委員和中央候補(bǔ)委員這一層級(jí)黨政官員的籍貫地信息，并相應(yīng)地進(jìn)行簡單的賦值處理，其中，中央委員賦值3分，中央候補(bǔ)委員賦值2分，原為中央候補(bǔ)委員后遞補(bǔ)為中央委員的賦值2.5分，然后對(duì)各地市的分值進(jìn)行加總，得到全國各地市兩屆的政治能量指數(shù)。

銀行不良貸款率（NPL）：指銀行不良貸款占總貸款余額的比重，計(jì)算公式：不良貸款率=（次級(jí)類貸款+可疑類貸款+損失類貸款）/各項(xiàng)貸款·100%，主要考察銀行資本對(duì)企業(yè)杠桿率的影響。（單位：%）

3. 控制變量

上市公司所有權(quán)屬性（SO）：依照我國上市公司第一大股東的屬性分為國有企業(yè)和非國有企業(yè)。當(dāng)國有控股時(shí)，SO=1；非國有控股時(shí)，SO=0。

有息負(fù)債率（IR）：上市公司當(dāng)年企業(yè)負(fù)債當(dāng)中需要支付利息的債務(wù)占總負(fù)債的比率。（單位：%）

每股凈資產(chǎn)（BPS）：作為公司規(guī)模的衡量，用于控制公司規(guī)模對(duì)企業(yè)債務(wù)融資和企業(yè)擴(kuò)張的影響。

每股收益（EPS）：稅后利潤與股本總數(shù)的比值，綜合反映公司獲利能力。

每股經(jīng)營性現(xiàn)金流量（OCF）：經(jīng)營性現(xiàn)金流與股本總數(shù)的比值，用以控制現(xiàn)金管理情況因素對(duì)上市公司杠桿率的影響。

人均GDP：用于控制地區(qū)經(jīng)濟(jì)狀況對(duì)于企業(yè)債務(wù)融資行為的影響。

市場化指數(shù)（MI）：來自樊綱和王小魯編寫的《中國市場化指數(shù)》，用于控制市場環(huán)境因素對(duì)于企業(yè)債務(wù)融資行為的影響。

（二）數(shù)據(jù)來源

選取2007—2016年（十七屆和十八屆）中央委員和中央候補(bǔ)委員，計(jì)算兩屆政治能量指數(shù)。同時(shí)選取該時(shí)段A股主板上市公司作為研究對(duì)象，加總十年的數(shù)據(jù)并剔除數(shù)據(jù)不全的公司，為了保證實(shí)證研究的客觀性和準(zhǔn)確性，根據(jù)以下標(biāo)準(zhǔn)對(duì)原始樣本進(jìn)行篩選。

1. 由于金融保險(xiǎn)類企業(yè)的業(yè)務(wù)特殊性，其財(cái)務(wù)特征和融資結(jié)構(gòu)與一般企業(yè)有很大差別，因此，剔除上市公司中的金融類公司，本文的研究對(duì)象為非金融類的上市公司。

2. 剔除在研究區(qū)間內(nèi)被ST、*ST、暫停上市、退市的公司，保留正常上市的公司。

3. 本文根據(jù)中國證監(jiān)會(huì)2017年2月16日發(fā)布的《2016年4季度上市公司行業(yè)分類結(jié)果》對(duì)樣本上市公司進(jìn)行劃分，并剔除行業(yè)分類和制造業(yè)此類中公司樣本數(shù)只有1家的行業(yè)及其所屬上市公司。最終涉及15個(gè)行業(yè)，共1141家上市公司。

（三）計(jì)量模型

我們首先研究地區(qū)PPI、NPL對(duì)地區(qū)上市公司LEV的影響。我們重點(diǎn)關(guān)注PPI的系數(shù)，若系數(shù)顯著大于1，則地區(qū)政治能量會(huì)顯著影響地方上市公司的杠桿率，增加上市公司的財(cái)務(wù)風(fēng)險(xiǎn)。

其中，LEV為被解釋變量，PPI、NPL為解釋變量。借鑒Bliss和Gul（2012）的研究，我們引入IR、NPL和PPI的交乘項(xiàng)作為控制變量。公司規(guī)模對(duì)企業(yè)債務(wù)融資和企業(yè)擴(kuò)張的影響用BPS來衡量；公司業(yè)績用EPS來衡量；現(xiàn)金管理情況因素對(duì)上市公司杠桿率的影響用OCF來衡量。借鑒盛丹和王永進(jìn)（2012）的研究，我們選取了人均GDP和市場化指數(shù)（MI）作為地市層面控制變量；考慮到同一地區(qū)不同公司由于性質(zhì)的不同，對(duì)于當(dāng)?shù)卣钨Y源利用的能力可能存在差別，我們引入SO、SO與PPI的交乘項(xiàng)作為控制變量。

四、 實(shí)證結(jié)果及分析

（一）區(qū)域?qū)用娴拿姘鍖?shí)證分析

我國的政治能量的分布較集中，省際之間差距較為明顯，東部明顯高于西部，經(jīng)過統(tǒng)計(jì)，17、18屆政治能量加總排名前五的省份分別為山東省、河北省、江蘇省、浙江省和遼寧省，且排名前十的省份占了全國政治能量的67.36%。本文按照企業(yè)注冊(cè)地區(qū)域?qū)颖緞澐譃闁|部、中部、西部三個(gè)樣本組，探討區(qū)域?qū)傩詫?duì)于企業(yè)杠桿率的影響，可得表1區(qū)域政治能量統(tǒng)計(jì)。

由表2區(qū)域?qū)用娴拿姘鍖?shí)證分析可以發(fā)現(xiàn)，針對(duì)解釋變量PPI，東部與西部回歸結(jié)果PPI系數(shù)為正，分別為0.0519和0.4034，同時(shí)西部樣本PPI通過顯著性檢驗(yàn)，顯著性水平為5%，T統(tǒng)計(jì)量為1.9979，這說明在西部省份，政治地理因素與企業(yè)杠桿率顯著正相關(guān)。

結(jié)合市場化指數(shù)MI的描述性統(tǒng)計(jì)，東部地區(qū)由于市場化指數(shù)最高，政府對(duì)企業(yè)經(jīng)營干涉較少，因此政府對(duì)企業(yè)杠桿率的影響較弱，未通過顯著性檢驗(yàn)。

對(duì)于中部樣本，PPI 的T統(tǒng)計(jì)量為-7.4303，PPI系數(shù)為-13.0398，PPI在1%的顯著性水平下與企業(yè)杠桿率顯著負(fù)相關(guān)，這與之前的文獻(xiàn)研究結(jié)論不符，之前的研究表明，企業(yè)擁有的政治資源有利于企業(yè)獲得政府補(bǔ)貼、援助、政策扶持等，企業(yè)發(fā)展速度更快，杠桿率水平更高。而中部樣本回歸結(jié)果表明，PPI對(duì)中部企業(yè)杠桿率水平的影響為顯著負(fù)相關(guān)，本文認(rèn)為中部地區(qū)發(fā)展速度高于東部地區(qū)，經(jīng)濟(jì)基礎(chǔ)好于西部地區(qū)，中部地區(qū)的政府官員為了謀求經(jīng)濟(jì)平穩(wěn)發(fā)展，避免企業(yè)風(fēng)險(xiǎn)暴露過大，因此力求降低企業(yè)杠桿率水平，一旦中部地區(qū)企業(yè)杠桿率水平過高，將增加企業(yè)破產(chǎn)風(fēng)險(xiǎn)，不利于地方政府官員的政績和升遷。

針對(duì)解釋變量地區(qū)政治能量指數(shù)PPI與銀行不良貸款NPL的交互項(xiàng)，東部樣本在1%的顯著性水平下與企業(yè)杠桿率顯著正相關(guān)，這說明，在東部地區(qū)，政府追求政績最大化與銀行追求利潤最大化兩者共同作用，對(duì)企業(yè)杠桿率的影響顯著。而對(duì)于中部樣本和西部樣本，該交互項(xiàng)的系數(shù)分別為正和負(fù)，并且都沒有通過顯著性檢驗(yàn)。

（二）企業(yè)所有權(quán)屬性層面的面板實(shí)證分析

我國銀行體系屬于典型的銀行主導(dǎo)型，且銀行在貸款時(shí)偏向與政府和銀行關(guān)系更加密切的國有企業(yè)，從而產(chǎn)生銀行貸款的所有制偏向。本文將樣本按照企業(yè)所有權(quán)屬性劃分為國有企業(yè)樣本組與非國有企業(yè)樣本組，樣本組描述性統(tǒng)計(jì)見表3所有權(quán)屬性分類各變量描述性統(tǒng)計(jì)。

從表3國有企業(yè)財(cái)務(wù)杠桿比率比非國有企業(yè)更低，有息負(fù)債率高于非國有企業(yè)，可看出國有企業(yè)對(duì)銀行有息貸款更加依賴。由EPS和BPS可以看出，相較于非國有企業(yè)，國有企業(yè)獲利能力更強(qiáng)，規(guī)模更大，這和政府的扶持以及國家經(jīng)濟(jì)資源的分配密不可分。

通過最小二乘法得到國有企業(yè)與非國有企業(yè)財(cái)務(wù)杠桿比率的方程，各系數(shù)由上表4給出。表4企業(yè)所有權(quán)屬性層面的面板實(shí)證分析發(fā)現(xiàn)，對(duì)于解釋變量PPI，國有企業(yè)與非國有企業(yè)差異明顯，國有企業(yè)樣本PPI系數(shù)為正，但未通過顯著性檢驗(yàn)，非國有企業(yè)PPI系數(shù)為負(fù)，在1%的顯著性水平下，對(duì)非國有企業(yè)杠桿率顯著負(fù)相關(guān)?？山忉尀閲衅髽I(yè)與政府關(guān)系更為密切，政府傾向于將自身的政治目標(biāo)轉(zhuǎn)移至國有企業(yè)，要求國有企業(yè)承擔(dān)更多的社會(huì)責(zé)任，因此政治地理因素對(duì)國有企業(yè)杠桿率的影響為正。

觀察BPS和EPS兩個(gè)指標(biāo)，BPS對(duì)企業(yè)杠桿率均具有顯著正相關(guān)影響，顯著性水平為1%，說明企業(yè)規(guī)模越大，企業(yè)杠桿率水平傾向于越高。EPS對(duì)于國有企業(yè)與非國有企業(yè)杠桿率均具有顯著負(fù)相關(guān)影響，顯著性水平為1%，說明企業(yè)獲利能力越強(qiáng)，經(jīng)營狀況越良好，企業(yè)越傾向于穩(wěn)健經(jīng)營，保持合理的杠桿率水平，謀求企業(yè)長足發(fā)展。

（三）行業(yè)層面的面板實(shí)證分析

本文按照行業(yè)標(biāo)準(zhǔn)將樣本進(jìn)行分類，各變量描述性統(tǒng)計(jì)見下表5，對(duì)于不同行業(yè)來說，杠桿比率最高的為采礦業(yè)B，而有息負(fù)債率為電力熱力業(yè)D最高。國有化水平中，除交通運(yùn)輸業(yè)G以及電力熱力業(yè)D國有企業(yè)占比最高，其他均為非國有企業(yè)占比最高。

另一方面，杠桿比率較高的產(chǎn)業(yè)，其市場化指數(shù)也越高。市場化程度高，企業(yè)現(xiàn)有資金支持不了快速的產(chǎn)業(yè)發(fā)展速度，就需要財(cái)務(wù)杠桿來支持。且財(cái)務(wù)杠桿越高的產(chǎn)業(yè)，其GDP也就越高，這正符合了杠桿經(jīng)營的規(guī)律。此外，高杠桿率對(duì)企業(yè)的管理水平要求極高，否則容易引發(fā)財(cái)務(wù)危機(jī)，導(dǎo)致破產(chǎn)。所以從表5行業(yè)屬性分類各變量描述性統(tǒng)計(jì)中OCF可以看到，采礦業(yè)B這類高杠桿的行業(yè)，其OCF水平要遠(yuǎn)大于其他杠桿較小的行業(yè)。

在樣本15個(gè)行業(yè)中，本文選擇了樣本數(shù)大于30的行業(yè)進(jìn)行重點(diǎn)研究，分別對(duì)以下7個(gè)行業(yè)十年的數(shù)據(jù)進(jìn)行面板回歸。

通過觀察表6行業(yè)層面的面板實(shí)證分析發(fā)現(xiàn)，銀行不良貸款率對(duì)采礦業(yè)B和電力熱力D的影響是負(fù)相關(guān)，對(duì)其他行業(yè)的影響均為正相關(guān)，但對(duì)于所有行業(yè)樣本，該指標(biāo)均未通過顯著性檢驗(yàn)，表明在行業(yè)屬性對(duì)企業(yè)杠桿率的影響分析中，銀行不良貸款率指標(biāo)不具有典型性。

地區(qū)PPI對(duì)采礦業(yè)B、批發(fā)零售業(yè)F、交通運(yùn)輸G、信息技術(shù)I等行業(yè)在至少5%的顯著性水平上，對(duì)企業(yè)杠桿率具有負(fù)相關(guān)的影響；而對(duì)于電力熱力D和房地產(chǎn)K行業(yè)，PPI對(duì)企業(yè)杠桿率水平在至少5%的顯著性水平上具有正相關(guān)的影響。

（四）系統(tǒng)GMM估計(jì)結(jié)果

面板數(shù)據(jù)的OLS估計(jì)方法，通常會(huì)面臨擾動(dòng)項(xiàng)自相關(guān)問題以及某些回歸變量是先決變量等問題的困擾。此外，企業(yè)的財(cái)務(wù)杠桿率往往具有持續(xù)性特征，從資產(chǎn)負(fù)債率的角度來看，同樣如此。因此，將財(cái)務(wù)杠桿率的滯后項(xiàng)作為解釋變量之一納入計(jì)量模型后，相應(yīng)的就有了如下動(dòng)態(tài)面板數(shù)據(jù)模型：

顯然，在上述計(jì)量模型中，由于解釋變量含有被解釋變量的一階滯后項(xiàng)，從而與擾動(dòng)項(xiàng)相關(guān)；與此同時(shí)，財(cái)務(wù)杠桿率與其他變量之間可能存在著反向因果關(guān)系。內(nèi)生性問題的存在使得一般的最小二乘法容易帶來“動(dòng)態(tài)面板估計(jì)偏誤”的不良結(jié)果（Roodman，2007）。因此，我們運(yùn)用廣義矩陣估計(jì)方法（GMM）對(duì)上述動(dòng)態(tài)面板數(shù)據(jù)模型進(jìn)行估計(jì)。由于變量滯后項(xiàng)并非是一階差分方程的理想工具變量，我們選擇系統(tǒng)GMM估計(jì)法進(jìn)行估計(jì)，而其中一步法系統(tǒng)GMM估計(jì)更為有效（Bond，2002）。此外，本文設(shè)定的上述動(dòng)態(tài)面板模型中還包括其他控制變量，因此，在系統(tǒng)GMM估計(jì)過程中還需對(duì)這些變量進(jìn)行類型選擇，分辨變量屬于內(nèi)生變量還是外生變量?；诒疚难芯磕康暮蛢?nèi)容，我們將地區(qū)政治能量指數(shù)PPI和銀行不良貸款率NPL視為外生變量，其他控制變量視為內(nèi)生變量。為降低可能存在的異方差的影響，本文參數(shù)估計(jì)值的標(biāo)準(zhǔn)誤均采用穩(wěn)健估計(jì)量。表格中最后幾行列出了主要的模型設(shè)定檢驗(yàn)結(jié)果：AR（2）統(tǒng)計(jì)量均不顯著，說明這些模型沒有發(fā)現(xiàn)水平方程誤差項(xiàng)存在序列相關(guān)問題，而判斷工具變量過度識(shí)別問題的Sargon檢驗(yàn)表明，工具變量的選擇整體上是有效的。最終獲得的系統(tǒng)GMM估計(jì)結(jié)果見表7系統(tǒng)GMM回歸估計(jì)結(jié)果。

表7系統(tǒng)GMM回歸估計(jì)結(jié)果第一欄至第三欄給出的結(jié)果，是僅考慮基礎(chǔ)解釋變量時(shí)進(jìn)行回歸所得，第四欄和第六欄的回歸結(jié)果是納入其他控制變量后進(jìn)行回歸所得。從回歸結(jié)果，我們可以得出以下基本結(jié)論：第一，在所有各欄的回歸結(jié)果中，作為解釋變量的滯后一期財(cái)務(wù)杠桿率均在1%的顯著性水平上對(duì)當(dāng)前財(cái)務(wù)杠桿率具有顯著的正面影響，這一結(jié)果意味著財(cái)務(wù)杠桿率的確存在著持續(xù)性特征。第二，在所有的回歸結(jié)果中，地區(qū)政治能量指數(shù)PPI對(duì)被解釋變量均具有負(fù)面影響，但沒有跡象表明其對(duì)財(cái)務(wù)杠桿率產(chǎn)生了顯著性影響，從而說明了地區(qū)政治能量指數(shù)PPI對(duì)財(cái)務(wù)杠桿率影響的不確定性。第三，在納入每股收益EPS、每股凈資產(chǎn)BPS、人均GDP等控制變量并進(jìn)行回歸后，我們發(fā)現(xiàn)每股凈資產(chǎn)BPS在1%的顯著性水平上對(duì)財(cái)務(wù)杠桿率具有顯著的正面影響，每股收益EPS和人均GDP在1%的顯著性水平上對(duì)財(cái)務(wù)杠桿率具有顯著的負(fù)面影響，這說明企業(yè)生產(chǎn)規(guī)模越大，企業(yè)越傾向于杠桿經(jīng)營，提高企業(yè)的杠桿率水平，企業(yè)所在的地區(qū)經(jīng)濟(jì)越發(fā)達(dá)，人均GDP越高，企業(yè)獲利能力越強(qiáng)，企業(yè)越傾向于穩(wěn)健經(jīng)營，保持合理的杠桿率水平。

（五）穩(wěn)健性檢驗(yàn)

為了確保實(shí)證結(jié)果的穩(wěn)健性，本文采用地區(qū)政治能量調(diào)整指數(shù)Adj.PPI（指數(shù)的構(gòu)建方法：將地區(qū)每一屆政治能量對(duì)應(yīng)到各年份，并除以各年份該地區(qū)上市公司數(shù)量，從而得到每一年每一家上市公司所能分配到的地區(qū)政治能量作為地區(qū)政治能量調(diào)整指數(shù)）替代地區(qū)政治能量指數(shù)PPI，重新衡量地方政治資源，模型的其他變量與前文相同，穩(wěn)健性檢驗(yàn)見表8穩(wěn)健性檢驗(yàn)結(jié)果研究結(jié)果同樣發(fā)現(xiàn)，國有企業(yè)的財(cái)務(wù)杠桿率與地區(qū)政治能量調(diào)整指數(shù)呈正相關(guān)，非國有企業(yè)的財(cái)務(wù)杠桿率與地區(qū)政治能量調(diào)整指數(shù)呈顯著負(fù)相關(guān)關(guān)系，并且顯著性只存在于非國有企業(yè)中。由于國有企業(yè)具有天然的政治關(guān)聯(lián)，地區(qū)政治能量并沒有對(duì)國有企業(yè)的財(cái)務(wù)杠桿率產(chǎn)生顯著性影響。因此，地區(qū)政治能量對(duì)于上市公司財(cái)務(wù)杠桿率的顯著影響只存在于非國有企業(yè)中，從而說明了回歸結(jié)果的穩(wěn)健性。

五、 結(jié)論

近年來，我國企業(yè)杠桿率高，債務(wù)規(guī)模增長過快，債務(wù)負(fù)擔(dān)不斷加重，企業(yè)風(fēng)險(xiǎn)也隨之增大。保持經(jīng)濟(jì)穩(wěn)增長，同時(shí)合理降杠桿成了現(xiàn)今企業(yè)面臨的一大難題。受Kim， Pantzalis和Park（2012）的啟發(fā)，引用構(gòu)建了地區(qū)政治能量指數(shù)（PPI），圍繞政府、銀行、企業(yè)三方面考慮合適的杠桿率，從企業(yè)區(qū)域?qū)傩浴⑵髽I(yè)所有權(quán)屬性和企業(yè)行業(yè)屬性對(duì)樣本進(jìn)行分類和OLS回歸，并對(duì)所有數(shù)據(jù)進(jìn)行系統(tǒng)GMM估計(jì)和穩(wěn)健性檢驗(yàn)。通過實(shí)證分析，我們得出了以下結(jié)論：

第一，企業(yè)的所有權(quán)性質(zhì)、所處行業(yè)性質(zhì)以及所在區(qū)域都會(huì)對(duì)企業(yè)杠桿率產(chǎn)生影響。根據(jù)調(diào)查結(jié)果可以發(fā)現(xiàn)相較于非國有企業(yè)，國有企業(yè)由于受國家扶持，獲利能力強(qiáng)，有息負(fù)債率較高，財(cái)務(wù)杠桿低。在對(duì)深圳上市的所有非金融類上市公司的研究發(fā)現(xiàn)，行業(yè)屬性不同，國有化水平不同，也會(huì)導(dǎo)致杠桿率差異。由于不同行業(yè)屬性的市場化程度需要，支持產(chǎn)業(yè)發(fā)展速度所對(duì)應(yīng)的杠桿率不同。

第二，政治地理因素會(huì)對(duì)上市公司的財(cái)務(wù)杠桿率產(chǎn)生不確定影響。通過對(duì)所有數(shù)據(jù)進(jìn)行系統(tǒng)GMM檢驗(yàn)，我們發(fā)現(xiàn)地區(qū)政治能量指數(shù)PPI未通過顯著性檢驗(yàn)。按照企業(yè)所有權(quán)屬性分類，發(fā)現(xiàn)PPI對(duì)企業(yè)財(cái)務(wù)杠桿率的影響僅存在于非國有企業(yè)中，對(duì)國有企業(yè)的影響不顯著。按照企業(yè)區(qū)域?qū)傩赃M(jìn)行分類，PPI對(duì)東部企業(yè)影響不顯著，但對(duì)西部企業(yè)具有顯著的正面影響，對(duì)中部企業(yè)具有顯著的負(fù)面影響。

第三，銀行不良貸款率對(duì)企業(yè)財(cái)務(wù)杠桿率的影響呈現(xiàn)區(qū)域差異。針對(duì)解釋變量地區(qū)政治能量指數(shù)PPI與銀行不良貸款NPL的交互項(xiàng)，東部樣本在1%的顯著性水平下與企業(yè)杠桿率顯著正相關(guān)，這說明，在東部地區(qū)，政府追求政績最大化與銀行追求利潤最大化兩者共同作用，對(duì)企業(yè)杠桿率的影響顯著。而對(duì)于中部樣本和西部樣本，該交互項(xiàng)的系數(shù)分別為正和負(fù)，并且都沒有通過顯著性檢驗(yàn)。

參考文獻(xiàn)：

[1]蔡慶豐，郝凱，黃振東.IPO熱潮中的政治地理效應(yīng)——來自中國資本市場的實(shí)證發(fā)現(xiàn)[N].證券市場導(dǎo)報(bào)，2017（5）：4-12.

[2]車青玲.非金融企業(yè)杠桿率波動(dòng)及影響因素研究——基于地方代表性企業(yè)面板數(shù)據(jù)的研究[J].華北金融，2015（5）：9-13.

[3]胡旭陽.民營企業(yè)家的政治身份與民營企業(yè)的融資便利——以浙江省民營西強(qiáng)企業(yè)為例[J].管理世界，2006（5）：107-133.

[4]胡志鵬.“穩(wěn)增長”與“控杠桿”雙重目標(biāo)下的貨幣當(dāng)局最優(yōu)政策設(shè)定[J].經(jīng)濟(jì)研究，2014（12）：60-71.

[5]賈慶英，孔艷芳.資產(chǎn)價(jià)格、經(jīng)濟(jì)杠桿與價(jià)格傳遞——基于國際PVAR模型的實(shí)證研究[J].國際金融研究，2016，345（1）：28-37.

[6]許一涌.我國非金融企業(yè)杠桿率問題研究[J].金融與經(jīng)濟(jì)，2014（10）：38-41.

[7]余明桂，潘紅波.政治關(guān)系、制度環(huán)境與民營企業(yè)銀行貸款[J].管理世界，2008（8）：9-21.

[8]于蔚，汪淼軍，金祥榮.政治關(guān)聯(lián)和融資約束：信息效應(yīng)與資源效應(yīng)[J].經(jīng)濟(jì)研究，2012（9）：125-139.

[9]Ajay Adhikari， Chek Derashid and Hao Zhang. Public policy， political connections， and effective tax rates： Longitudinal evidence from Malaysia[J]. Journal of Accounting and Public Policy，2006（25）：574-595.

[10]Asim Ljaz Khwaja， AtifMian. Do Lenders Favor Politically Connected Firms？ Rent Provisionin an Emerging Financial Market[J]， Quarterly Journal of Economics，2005，120（4）：1371-1411.

[11]Faccio， M， Masulis R. W， and McConnell J. Political Connections and Corporate Bailouts[J]. Journal of Finance，2006.

[12]Goldman， E.， Rocholl， J.， So， J. Do politically connected boards affect firm value？[J]. Review of Financial Studies，2009（22）.

[13]Joel R Houston， Chen Lin， Yue Ma. Media ownership， concentration and corruption in banklending[J]. Journal of Financial Economics，2011，100（2）：326-350.

[14]M Dewally， Y Shao， Leverage， wholesale funding and national risk attitude[J]. Journal of International Financial Markets Institutions & Money，2013，23（2）：179-195.

[15]M Faccio， DC Parsley： Sudden Deaths：Taking Stock of Geographic Ties[J]. Journal of Financial & Quantitative Analysis，2009，44（3）：683-718.

[16]M Faccio： Politically Connected Firms[J]. Social Science Electronic Publishing，2006，96（1）：369-386.

[17]Penelope B. Prime， Li Qi， Determinants of Firm Leverage[J]. Chinese Economy，2013，46（2）：74-106.

作者簡介：

姜闖，男，安徽淮南人，浙江工商大學(xué)金融學(xué)院學(xué)生，研究方向：金融學(xué)；

蔣靜逸，女，浙江海寧人，浙江工商大學(xué)金融學(xué)院學(xué)生，研究方向：金融學(xué)；

李怡葭，女，浙江嘉興人，浙江工商大學(xué)金融學(xué)院學(xué)生，研究方向：金融CFA；

王楠晰，女，浙江寧波人，浙江工商大學(xué)金融學(xué)院學(xué)生，研究方向：金融CFA；

齊海強(qiáng)，男，浙江臺(tái)州人，浙江工商大學(xué)統(tǒng)計(jì)與數(shù)學(xué)學(xué)院學(xué)生，研究方向：數(shù)學(xué)。