代 乾 仇娟東 何風(fēng)雋

1 引 言

改革開放以來，通過發(fā)揮自身的組合優(yōu)勢和承接國際產(chǎn)業(yè)轉(zhuǎn)移，我國經(jīng)濟實現(xiàn)了多年高速增長，國際金融危機后,經(jīng)濟發(fā)展進入了新時代，我國經(jīng)濟開始了由高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段的轉(zhuǎn)變。企業(yè)作為國民經(jīng)濟最基本最重要的組成，是居民和政府之間的重要紐帶，既承擔(dān)了穩(wěn)定就業(yè)的角色，又是國家稅收的主要來源。雖然近年來我國貨幣增速較快，金融資產(chǎn)總量不斷膨脹，但受實體經(jīng)濟投資回報率走低和房地產(chǎn)價格上漲過快等影響，融資問題依然困擾著實體企業(yè)。

金融集聚的概念最早是由Kindleberger（1973)［1］提出，他認為金融中心的集聚效應(yīng)主要體現(xiàn)在支付效率和金融資源配置效率的提升上。隨著金融資源聚集效應(yīng)的逐漸增強，學(xué)界對金融聚集與經(jīng)濟發(fā)展之間關(guān)系的關(guān)注度也越來越高，其研究內(nèi)容從金融聚集對經(jīng)濟增長有正向促進作用（郭永等，2022［2］），延伸至其作用機制是通過提升創(chuàng)新水平（張?zhí)焓娴龋?022［3］）和幫助企業(yè)提升資金周轉(zhuǎn)頻次、節(jié)省資金周轉(zhuǎn)成本（陳文鋒和平瑛，2008［4］；成學(xué)真和岳松毅，2017［5］）從而正向影響區(qū)域經(jīng)濟增長。企業(yè)作為經(jīng)濟的重要組成部分，學(xué)界進一步開始對金融聚集對微觀主體的影響進行研究，發(fā)現(xiàn)金融聚集對企業(yè)成長也有促進作用，其中創(chuàng)新水平的提升是一個重要的途徑（張玄等，2016［6］）。融資約束是影響企業(yè)發(fā)展的重要因素，部分學(xué)者從融資成本、融資便利性以及緩解信息不對稱的分析了金融聚集緩解企業(yè)融資約束的理論機制（潘英麗，2003［7］，黃解宇和楊再斌，2006［8］，劉軍等，2007［9］），但現(xiàn)有成果多以定性的理論分析為主，通過定量的實證研究對這一理論分析結(jié)論形成有力支撐的成果還有所不足，因此本文嘗試從以下三方面進行定量研究：第一，金融聚集能否對緩解企業(yè)的融資約束起到積極作用；第二，如果能，是通過何種機制實現(xiàn)對企業(yè)融資約束緩解的；第三，銀行、證券保險三種不同金融業(yè)態(tài)的聚集，對企業(yè)融資約束緩解的作用程度是否不同。

本文的研究可能具有以下意義：理論方面：相較于現(xiàn)有多是定性分析的研究，本文擬通過定量分析對已有理論研究關(guān)于金融聚集可以緩解企業(yè)融資約束的理論進行實證檢驗，同時從緩解信息不對稱的角度驗證這一機制是否有效，最后從金融業(yè)態(tài)的異質(zhì)性出發(fā)對其緩解企業(yè)融資約束程度的不同進行驗證和分析，這是與現(xiàn)有研究相比可能的創(chuàng)新。實踐方面：為政策制定者促進金融與實體經(jīng)濟結(jié)合、提升金融支持實體經(jīng)濟的發(fā)展提供思路。同時為企業(yè)更好地利用金融資源促進自身發(fā)展和壯大，探索企業(yè)融資約束緩解的多元化途徑提供參考。總的來說，本次研究是對現(xiàn)有理論和成果中微觀機制部分的豐富和完善。

2 文獻綜述與研究假設(shè)

本文按照企業(yè)面臨融資約束的內(nèi)涵和原因、金融聚集的含義、金融聚集對經(jīng)濟發(fā)展的影響、金融聚集對企業(yè)的影響和金融聚集對企業(yè)融資約束的影響這一結(jié)構(gòu)進行文獻的梳理。

2.1 融資約束的內(nèi)涵

最先提出企業(yè)融資約束（Financing Constraints）概念的是John Meyer（1957)［10］，傳統(tǒng)的融資約束理論認為信息不對稱、代理問題和交易成本是產(chǎn)生融資約束的主要原因。Modigliani 和Miller（1958）［11］提出MM 理論，認為在完全資本市場下公司的投資決策和資本結(jié)構(gòu)無關(guān),就是在企業(yè)的外部融資和內(nèi)部融資的成本是可以相互替代，沒有差異的。在完美市場下,公司的投資決策和資本結(jié)構(gòu)無關(guān), 即企業(yè)的內(nèi)源融資和外部資金是可以相互替代的。但是, 由于外部資本市場不完善、信息不對稱性以及交易成本的存在，Myers 和Majluf（1984）［12］提出企業(yè)中內(nèi)部融資比外部融資成本低，信息不對稱導(dǎo)致逆向選擇和道德風(fēng)險的產(chǎn)生，投資人要求的高收益加大了企業(yè)放棄融資機會的概率。使得企業(yè)內(nèi)外部融資成本有差異從而產(chǎn)生了融資約束。Bernanke 和Gertler（1988）［13］、Gertler（1988）［14］指出在信息不對稱的情況下，代理問題也會使外部融資成本高于內(nèi)部融資成本。即使不存在信息不對稱和代理問，Stiglitz 和Weiss（1981）［15］認為企業(yè)通過外部金融市場融資會存在談判、簽約、監(jiān)督等各種交易費用，高額的交易費用也會使企業(yè)面臨融資約束。

2.2 金融聚集的含義

Kindleberger（1973）［1］最先提出金融集聚的概念，他發(fā)現(xiàn)金融參與者會傾向于在一個集中的區(qū)域中交易，隨著產(chǎn)業(yè)的不斷發(fā)展，這種集中會更加明顯，當(dāng)其規(guī)模達到一定程度后，就會產(chǎn)生空間外部性和規(guī)模經(jīng)濟效應(yīng)，從而又進一步吸引更多金融機構(gòu)在此投資并最終形成了金融產(chǎn)業(yè)集聚的現(xiàn)象。Gehrig（1998）［16］從金融產(chǎn)品的屬性角度，對金融集聚的形成進行分析，認為流動性和信息敏感度是兩個重要因素，對信息比較敏感的金融交易更有可能集中在一個信息集中、交流充分的中心區(qū)域，由此產(chǎn)生了金融產(chǎn)業(yè)的集聚。Clark 等（2004)［17］也認為地理接近的很重要，因為信息不對稱和非標(biāo)準(zhǔn)信息在金融服務(wù)業(yè)的普遍存在，因此面對面的交流必不可少。

2.3 金融聚集對經(jīng)濟發(fā)展的影響

張秀艷等（2019）［18］從金融集聚促進經(jīng)濟增長路徑的角度進行分析，金融集聚具有橫向和縱向兩種效應(yīng)，對實體經(jīng)濟的拉動實質(zhì)是通過資金的積累與技術(shù)的創(chuàng)新來實現(xiàn)的。衣保中（2021）［19］則發(fā)現(xiàn)其對經(jīng)濟增長具有顯著的非線性影響，并且在不同的區(qū)域內(nèi)部表現(xiàn)出不同的特征。龔勤林等（2021）［20］綜合了以上學(xué)者的觀點，認為金融集聚對經(jīng)濟增長具有顯著的正向效應(yīng)，并且這種效應(yīng)在各區(qū)域之間有較大的差別。郭永（2022）［21］發(fā)現(xiàn)金融集聚以空間溢出及擴散的方式正向推動經(jīng)濟發(fā)展且效果較為顯著。而金融聚集可以促進創(chuàng)新是學(xué)界認為對經(jīng)濟增長的主要機制，張?zhí)焓娴龋?022）［3］、丁煥峰等（2023）［22］都證實了這一點。但是李標(biāo)等（2016）［23］發(fā)現(xiàn)金融聚集對創(chuàng)新活動的支持具有延遲性，而且劉建華等（2022）［24］發(fā)現(xiàn)過度的金融聚集會阻礙技術(shù)創(chuàng)新。

2.4 金融聚集對企業(yè)的影響

對企業(yè)影響方面，現(xiàn)有研究成果大多集中在金融聚集與企業(yè)創(chuàng)新研發(fā)。張冰等（2012）［25］發(fā)現(xiàn)區(qū)域金融產(chǎn)業(yè)集聚顯著地促進了企業(yè)研發(fā)投入增長。馬子紅等（2016）［26］以企業(yè)創(chuàng)新效率為研究對象，金融集聚對企業(yè)創(chuàng)新效率具有顯著的正向效應(yīng)，但不同區(qū)域的影響程度卻存在著顯著差異，東部地區(qū)遠大于中、西部地區(qū)，中部地區(qū)高于西部地區(qū)。孫維峰等（2015）［27］根據(jù)所有權(quán)異質(zhì)性進行區(qū)分，發(fā)現(xiàn)地區(qū)金融集聚程度與企業(yè)的R&D 投資強度顯著正相關(guān)且對僅在非國有控股企業(yè)樣本組中成立。但是，張玄等（2016）［6］、李雪濤等（2016）［28］以民營企業(yè)為研究對象，發(fā)現(xiàn)金融集聚對于企業(yè)研發(fā)投入與民營企業(yè)成長之間關(guān)系的正向調(diào)節(jié)效應(yīng)并不顯著，認為這是由于民營企業(yè)成長缺少從金融支持轉(zhuǎn)向技術(shù)創(chuàng)新的動力。馮玨等（2023）［29］則發(fā)現(xiàn)金融聚集通過緩解信息不對稱對企業(yè)全要素生產(chǎn)率的正向影響，但這種影響隨著距離的增加呈倒U 型。

2.5 金融聚集對企業(yè)融資約束的影響

定性研究方面，潘英麗（2003）［7］認為金融聚集使得資金規(guī)模得到增長，幫助了貸款人以更低的資金成本獲得了更多的資金。黃解宇和楊再斌（2006）［8］認為金融聚集通過學(xué)習(xí)和擴散效應(yīng)提升了經(jīng)營和管理效率，同時競爭的加劇有利于降低融資成本。劉軍等（2007）［9］認為金融集聚可以提升金融功能，金融集聚效應(yīng)通過外部規(guī)模效益、網(wǎng)絡(luò)效益、創(chuàng)新效益、加速技術(shù)進步效益、自我強化效益優(yōu)化了金融解決信息不對稱、風(fēng)險管理、公司治理以及資源配置等功能從而緩解企業(yè)的融資約束。鄭威和陸遠權(quán)（2019）［30］從交易成本的角度出發(fā)認為金融聚集有助于降低各類交易成本從而緩解企業(yè)融資約束。定量研究方面，張冰潔和張芬（2021）［31］發(fā)現(xiàn)金融聚集通過溢出效應(yīng)對企業(yè)直接和間接融資成本的降低起到了積極作用。羅薇薇和曾五一（2020）［32］使用全國和區(qū)域的行政面積與金融業(yè)增加值計算出的區(qū)域熵衡量金融聚集水平，發(fā)現(xiàn)金融集聚可以緩解中小企業(yè)融資約束，但具有門檻效應(yīng)。對金融集聚水平較低地區(qū)的中小企業(yè)融資約束有明顯作用，但其影響隨著金融集聚水平的增加而減少。當(dāng)金融集聚水平超過高門檻值時，這一作用就不顯著了。李京蓓（2022）［33］得到使用現(xiàn)金流敏感模型得到了同樣的結(jié)論，同時對不同地區(qū)以及銀行、證券和保險三種不同的業(yè)態(tài)聚集進行了異質(zhì)性檢驗，發(fā)現(xiàn)金融聚集對全國和東部地區(qū)企業(yè)融資約束的緩解有門檻效應(yīng)，對中西部則沒有。全國范圍內(nèi)銀行和保險業(yè)聚集在低于門檻值時對融資約束有明顯緩解作用，高于門檻值時后緩解作用大幅下降。證券業(yè)聚集在低于門檻值時沒有緩解作用，高于門檻值后產(chǎn)生緩解作用。張瑞毅（2023）［34］以新三板公司為樣本，使用SA 指數(shù)和雙向固定效應(yīng)模型則得出不同結(jié)論，在全國范圍內(nèi)金融聚集有助于緩解中小企業(yè)也融資約束，但在地區(qū)和行業(yè)上存在異質(zhì)性，東部地區(qū)、非國有企業(yè)和工業(yè)等行業(yè)的緩解作用更加顯著。

2.6 文獻述評與研究假設(shè)

現(xiàn)有關(guān)于金融聚集的理論研究成果已經(jīng)比較豐富，實證研究近年來的成果也越來越多但多集中于金融聚集與宏觀、中觀層面經(jīng)濟發(fā)展的關(guān)系方面。企業(yè)作為經(jīng)濟組成中的重要微觀主體，融資約束是企業(yè)發(fā)展研究領(lǐng)域的重要方向之一。在已有定性研究基礎(chǔ)上，近年來有部分以中小企業(yè)為研究對象的定量研究出現(xiàn)，但因為目標(biāo)樣本、變量的選取以及所用模型方法不同所得出的結(jié)論也不同。具體來說樣本方面有使用中小企業(yè)上市公司也有使用新三板上市公司為樣本的，同時因為《中國金融年鑒》的最新數(shù)據(jù)截止2019 年所以多用現(xiàn)有研究數(shù)據(jù)普遍截止到2019 年，但尚未見使用上市公司全樣本數(shù)據(jù)的定量研究成果。在融資約束指標(biāo)上有使用現(xiàn)金流敏感模型也又用SA 指數(shù)類衡量，金融聚集程度上有使用區(qū)域熵也有金融產(chǎn)值密度的。但根據(jù)陳藝萍等（2022）［35］的研究，KZ 指數(shù)更適合評價我國企業(yè)融資約束的程度，區(qū)域熵是已有研究中衡量金融聚集程度的常見方法，但因為全國和區(qū)域的行政面積一般不變動，所以多數(shù)研究會采用金融業(yè)增加值與當(dāng)年全國與地方的GDP 數(shù)據(jù)與金融業(yè)增加值的變動來計算區(qū)域熵。結(jié)論方面既有金融聚集可以對企業(yè)融資約束起到緩解作用，此外也有可以起到緩解作用但呈現(xiàn)非線性關(guān)系。

因為金融聚集對全樣本上市公司融資約束能否起到緩解作用這一結(jié)論尚不明確，同時在研究樣本和方法上現(xiàn)有研究有所不足，所以本文擬對以上不足進行補充研究。根據(jù)已有理論研究金融聚集可以促進金融功能的提升，緩解信息不對稱就是金融的重要功能之一，現(xiàn)有許多成果證實了信息不對稱的緩解能夠緩解企業(yè)融資約束。

因此本文提出假設(shè)，金融聚集水平的提升可以幫助企業(yè)融資約束得到緩解。

3 研究設(shè)計

3.1 模型構(gòu)建

本文為了檢驗金融聚集對企業(yè)融資約束的影響，同時控制不同行業(yè)和年份宏觀經(jīng)濟的影響，構(gòu)建如下基準(zhǔn)模型：

同時采取逐步加入控制變量的方法對以下模型進行檢驗：有量的變化，為總資產(chǎn)周轉(zhuǎn)率，為凈利潤率，為企業(yè)年齡的對數(shù)，為企業(yè)規(guī)模的對數(shù)，

3.2 樣本選取與數(shù)據(jù)來源

本文以2009-2019 年我國A 股上市公司的數(shù)據(jù)作為研究樣本，上市公司數(shù)據(jù)來自CSMAR 數(shù)據(jù)庫，借鑒已有研究，我們采用以下標(biāo)準(zhǔn)對樣本進行篩選與處理: (1)剔除金融、保險業(yè)、ST 及將要退市的上市公司；（2）剔除相關(guān)數(shù)據(jù)缺失的樣本；(3)為消除極端值影響，對本文所涉及到的主要連續(xù)變量，在1%和99%的水平進行Winsorize 處理。衡量區(qū)域金融聚集水平的數(shù)據(jù)來自《中國統(tǒng)計年鑒》和《中國金融年鑒》，這些數(shù)據(jù)包括各省份和地區(qū)歷年的GDP、人口數(shù)、金融業(yè)增加值、銀行儲蓄存款余額、股票市值總額和保費收入總額。

3.3 變量定義

3.3.1 被解釋變量，融資約束（KZ）。本文借鑒陳藝萍等（2022）［35］的研究，通過構(gòu)建優(yōu)化的KZ 指數(shù)來衡量企業(yè)的融資約束程度。

3.3.2 核心解釋變量，金融聚集（cluster）。本文選擇區(qū)位熵指數(shù)來衡量每個地區(qū)的金融集聚度。區(qū)位熵指數(shù)大于1，說明金融業(yè)在該地區(qū)的專業(yè)化水平較高；區(qū)位熵指數(shù)小于或等于1，則認為金融行業(yè)在該地區(qū)集聚效應(yīng)不明顯。

3.3.3 控制變量?？紤]到影響融資約束的因素很多，如企業(yè)成長情況、現(xiàn)金持有量、企業(yè)規(guī)模，企業(yè)年齡，治理結(jié)構(gòu)等；同時，結(jié)合已有研究，本文選取的控制變量主要包括：營業(yè)收入增長率（growth）、現(xiàn)金持有量變化（cash）、總資產(chǎn)周轉(zhuǎn)率（at）、企業(yè)年齡（age）和企業(yè)規(guī)模（size）。此外，為了控制行業(yè)和不同年份宏觀環(huán)境的影響，設(shè)置行業(yè)和年份虛擬變量，本文主要變量定義表見表1。

表1 變量定義表

3.4 描述性分析

表2 中報告了模型中所有連續(xù)型變量的基本描述性統(tǒng)計結(jié)果（為統(tǒng)一展示變量的描述性結(jié)果，這里對融資約束和金融聚集的指標(biāo)也一并進行描述，具體的測度在下一章中），發(fā)現(xiàn)：（1）全樣本的融資約束KZ指數(shù)平均值為2.044，說明企業(yè)融資約束情況普遍存在，但不同個體的差異較大。KZ 指數(shù)最小值為-166，最大值為7.111。（2）營業(yè)收入增長率在不同微觀個體企業(yè)的表現(xiàn)差異巨大，最小值為-1.309%，最大值為47958%，標(biāo)準(zhǔn)差達到385。

4 核心變量測度

4.1 融資約束

衡量企業(yè)融資約束程度的方法和指標(biāo)較多，主要包括投資-現(xiàn)金流敏感性模型（FHP）、現(xiàn)金-現(xiàn)金流敏感性模型（ACW）、KZ 指數(shù)、WW 指數(shù)等，已有成果對以上指標(biāo)和方法均有使用，但不同的指標(biāo)和方法有時會得出不一致的研究結(jié)論，根據(jù)陳藝萍等（2022）［35］的研究成果，KZ 指數(shù)能更準(zhǔn)確地評價我國公司的融資約束程度，這一指標(biāo)更適用于我國市場。但最初的KZ 指數(shù)是選取了49 家美國上市公司1970-1984 年的樣本，通過有序回歸得到的一個綜合指數(shù)，所以本文在兼顧指標(biāo)的可比性和綜合性基礎(chǔ)上，借鑒魏志華（2014）［36］的研究，通過構(gòu)建優(yōu)化的KZ 指數(shù)來衡量企業(yè)的融資約束程度。KZ 指數(shù)的具體構(gòu)建過程如下：對我國上市公司2009-2019 年的財務(wù)數(shù)據(jù)分別計算經(jīng)營性活動現(xiàn)金凈流量/期初總資產(chǎn)（CFA）、現(xiàn)金股利/期初總資產(chǎn)（DIVA）、期末現(xiàn)金及現(xiàn)金等價物持有量/期初總資產(chǎn)（CA）、資產(chǎn)負債率（LEV）和托賓Q值（Q）這五個指標(biāo)；對全樣本各年度數(shù)據(jù)分別進行賦值，如果CFA 的值小于中位數(shù)，則KZ1=1，否則為0。如果DIVA 的值小于中位數(shù)，則KZ2=1，否則為0。如果CA 的值小于中位數(shù)，則KZ3=1，否則為0。如果LEV 的值大于中位數(shù)，則KZ4=1，否則為0。如果Q 的值大于中位數(shù)，則KZ5=1，否則為0；加總計算KZ 值，即KZ=KZ1+KZ2+KZ3+KZ4+KZ5；使用排序邏輯回歸（Order Logistic Regress），以KZ 為被解釋變量，對CFA、DIVA、CA、LEV 和Q 進行回歸，得到各變量的回歸系數(shù)；根據(jù)5 個解釋變量的值和回歸系數(shù)，分別計算出每一家上市公司的KZ 指數(shù)，KZ 指數(shù)越大，表明該企業(yè)面臨的融資約束程度越高。排序邏輯回歸見表3，CFA、DIVA 以及CA 與融資約束程度負相關(guān)，而資產(chǎn)負債率和托賓Q 指標(biāo)與融資約束程度正相關(guān)且所有P 值均小于0.1，其中對企業(yè)融資約束正向影響最大的是資產(chǎn)負債率，而對其負向影響最大的指標(biāo)是現(xiàn)金股利/期初總資產(chǎn)。根據(jù)表3 的結(jié)果，我國2009-2019 年上市公司的融資約束指標(biāo)KZ =-0.046*CFA-31.198*DIVA-0.291*CA+4.684*LEV+0.242*Q。

表3 上市公司融資約束模型的回歸結(jié)果

4.2 金融聚集

本文選擇區(qū)位熵指數(shù)來衡量每個地區(qū)的金融集聚度：

表4 金融聚集水平測算結(jié)果

整體來說全國金融聚集指數(shù)呈上升趨勢。2009 年全國金融聚集指數(shù)為0.97，而到2019 年則上升至1.01。其中2013 年的金融聚集指數(shù)出現(xiàn)了明顯的峰值，達到了1.02。從地區(qū)差異來看，東部地區(qū)的金融聚集指數(shù)整體上高于中部和西部地區(qū)。在東部地區(qū)中，北京、上海、浙江和江蘇的金融聚集指數(shù)較高，其他東部地區(qū)的金融聚集指數(shù)相對較低，一般都在1 以下。中部地區(qū)的金融聚集指數(shù)整體上呈現(xiàn)出穩(wěn)步上升的趨勢，但增長速度相對緩慢，且各省份之間差異較大。西部地區(qū)中寧夏的金融聚集水平最高，平均值為1.20。西部地區(qū)各省份的金融聚集水平存在較大的差異，從2009 年至2019 年，西部地區(qū)的金融聚集水平整體呈現(xiàn)出增長趨勢。在這11 年間，金融聚集水平僅有寧夏、青海、新疆三個省份有所提升，其他省份的金融聚集水平則大多呈現(xiàn)波動或下降的趨勢。

5 實證分析

5.1 相關(guān)性分析

為避免多重共線性問題，本文進一步分析解釋變量之間的相關(guān)性，相關(guān)系數(shù)矩陣見表5。解釋變量之間的相關(guān)性都在0.1 以下，僅負總資產(chǎn)周轉(zhuǎn)率和企業(yè)規(guī)模之間的相關(guān)性為0.204，可見解釋變量之間不存在高度相關(guān)，由此排除了回歸中的多重共線性問題。

表5 變量相關(guān)系數(shù)矩陣

5.2 回歸分析

5.2.1 基準(zhǔn)回歸結(jié)果

本文利用式（1）基準(zhǔn)模型檢驗金融聚集程度對企業(yè)融資約束的影響并通過加入控制變量分析不同因素對融資約束的影響，具體結(jié)果見表6。列（1）中金融聚集的系數(shù)為-0.096 且在1%水平下顯著，說明金融聚集對企業(yè)融資約束指標(biāo)存在顯著負向影響，所以金融聚集有助于緩解企業(yè)的融資約束。列（2）回歸中加入企業(yè)成長和現(xiàn)金持有指標(biāo)后，金融聚集對企業(yè)融資約束的緩解依然有效且效果更顯著，相關(guān)系數(shù)為-0.102 且在1%水平下顯著。企業(yè)營收增長率，現(xiàn)金持有量變化的系數(shù)在1%水平下顯著為負，說明企業(yè)營收增長率越高、現(xiàn)金及等價物增加程度越大，越可以緩解企業(yè)的融資約束。列（3）回歸中繼續(xù)加入資產(chǎn)周轉(zhuǎn)率和凈利率指標(biāo)，發(fā)現(xiàn)凈利率的提升對企業(yè)融資約束有緩解作用，這說明企業(yè)經(jīng)營指標(biāo)的優(yōu)化可以緩解企業(yè)融資約束，但資產(chǎn)周轉(zhuǎn)率的提升反而會加劇企業(yè)的融資約束程度。列（4）中加入企業(yè)規(guī)模和企業(yè)年齡的變量后，金融聚集對企業(yè)融資約束的相關(guān)系數(shù)-0.122 且在1%水平下顯著，同時隨著企業(yè)規(guī)模和年齡的增大，企業(yè)面臨的融資約束會加強。基準(zhǔn)回歸驗證了前文金融聚集有助于緩解企業(yè)融資約束的假設(shè)。

表6 金融聚集對企業(yè)融資約束影響的基準(zhǔn)回歸結(jié)果

5.2.2 內(nèi)生性問題

考慮到模型中金融聚集對企業(yè)融資約束可能存在的內(nèi)生性問題對回歸結(jié)果造成影響，本文在回歸過程中使用被學(xué)界廣泛認可和應(yīng)用的工具變量法進行回歸來處理其中可能存在的內(nèi)生性問題，回歸過程中采用2LS（兩階段最小二乘法）進行回歸, 使用Kleibergen-Paaprk LM 統(tǒng)計量和Kleibergen-Paap rk Wald F 統(tǒng)計量分別做工具變量的不可識別檢驗、弱工具變量檢驗。工具變量的選擇方面，采用與金融聚集密切相關(guān)但又獨立于或弱相關(guān)于企業(yè)融資約束的變量作為工具變量，工具變量的選擇過程中，采用本省份以外其他省份金融聚集程度的均值作為金融聚集的工具變量，后續(xù)工具變量法回歸分析中各種工具變量有效性檢驗的結(jié)果證明本文工具變量的選擇是有效的?；貧w過程中，繼續(xù)采用逐步添加控制變量的歸回進行檢驗。

表7 報告了工具變量法回歸結(jié)果，由（1）-（4）列結(jié)果可發(fā)現(xiàn)Kleibergen-Paaprk LM 檢驗拒絕了工具變量識別不足的原假設(shè)，同時，Kleibergen-Paap rk Wald F 檢驗也均拒絕了其工具變量弱識別的原假設(shè)，本文工具變量的有效性得到驗證。在有效控制可能存在內(nèi)生性問題的情況下，表7（1）-（4）中金融聚集的回歸結(jié)果顯著為負，這說明在整體層面上，金融聚集有對緩解企業(yè)融資約束有積極作用，這與基準(zhǔn)回歸結(jié)果所得結(jié)論一致，支持了前文的假設(shè)。

表7 工具變量法回歸結(jié)果

5.2.3 穩(wěn)健性分析

為研究上述回歸結(jié)果的可靠性，進一步進行穩(wěn)健性檢驗。本文使用兩種方法進行穩(wěn)健性檢驗，第一種是替換核心解釋變量的方法，使用金融發(fā)展水平指標(biāo)（fina）對金融聚集指標(biāo)進行替換，結(jié)果見表8 第（1）-（4）列。第二種是使用隨機效應(yīng)模型進行回歸結(jié)果分析,結(jié)果見第（5）-（8）列。表7 的回歸結(jié)果中，除現(xiàn)金持有量的系數(shù)在（6）和（7）列與前文回歸結(jié)果不一致，在加入所有控制變量后也與前文保持了一致，與其他回歸結(jié)果相比在5%水平下顯著，其余回歸結(jié)果方向與前文均保持一致且都在1%水平下顯著，說明前文的實證結(jié)果是穩(wěn)健的，進一步支持了本文提出的金融聚集可以緩解企業(yè)融資約束的假設(shè)。

表8 穩(wěn)健性檢驗結(jié)果

6 機制分析

為了進一步考察金融集聚影響企業(yè)融資約束的作用機制，本文嘗試從信息不對稱的視角展開研究。借鑒李春濤等（2020）［37］的思路構(gòu)建模型：

其中ASY 表示企業(yè)信息不對成水平，本文沿用Amihud （1997）［38］、 Amihud（2002）［39］和Pastor和Stambaugh（2003）［40］基于日頻交易數(shù)據(jù)的方法來測算信息不對稱程度?；舅悸肥悄嫦蜻x擇問題越輕，則股票流動性越高，單位成交量對應(yīng)的價格變化越小。首先計算得出流動性比率指標(biāo)LR，計算方式如下：

然后計算非流動性比率指標(biāo)ILL，計算方式如下

表9 是式（5）（6）（7）的檢驗結(jié)果，列（5）顯示金融聚集對信息不對稱的回歸系數(shù)在1%水平顯著為負，表明金融聚集可以緩解信息不對稱。列（6）中信息不對稱對企業(yè)融資約束的回歸系數(shù)在1%水平顯著為正，說明信息不對稱加劇了企業(yè)的融資約束。列（7）中金融聚集與信息不對稱的交互項回歸系數(shù)在1%水平顯著為負，表明金融聚集通過緩解信息不對稱對企業(yè)融資約束的緩解起到了積極作用。這些檢驗結(jié)果與前文中定性的理論相一致，即信息不對稱會加劇融資約束而金融聚集可以緩解信息不對稱，從而進一步可以對企業(yè)融資約束起到緩解作用。

表9 機制分析

7 進一步的研究

金融聚集在已有研究中通常指金融業(yè)的聚集，銀行業(yè)、證券業(yè)、保險業(yè)是金融業(yè)最重要的組成部分，同時也是微觀企業(yè)主體最重要的融資渠道和資金來源，所以基于前文的模型，對銀行業(yè)、證券業(yè)和保險業(yè)聚集對企業(yè)融資約束的影響做進一步研究。

7.1 模型構(gòu)建

參考前文中（4）式，為了檢驗銀行業(yè)聚集、證券業(yè)聚集和保險業(yè)聚集對企業(yè)融資約束的影響，構(gòu)建如下固定效應(yīng)模型：

7.2 變量測度

借鑒黎杰生等（2017）［41］的方法，對銀行業(yè)聚集、證券業(yè)聚集、保險業(yè)聚集做如下表述：

銀行業(yè)區(qū)位熵：

7.3 回歸分析

根據(jù)表10 的回歸結(jié)果，銀行業(yè)聚集、證券業(yè)聚集、保險業(yè)的聚集均可對企業(yè)融資約束起到緩解的作用，其系數(shù)分別為-0.043、-0.01、-0.098，且都在1%水平下顯著，其他控制變量相關(guān)系數(shù)的符號也與基準(zhǔn)回歸結(jié)果相同，企業(yè)營收增長率，現(xiàn)金持有量變化和凈利潤率的系數(shù)均顯著為負，總資產(chǎn)周轉(zhuǎn)率、企業(yè)年齡、企業(yè)規(guī)模的系數(shù)顯著為正且所有控制變量均在1%水平下顯著。

表10 不同類型金融業(yè)態(tài)聚集對融資約束的影響

7.4 結(jié)果分析

這一結(jié)果說明保險業(yè)的聚集對企業(yè)融資約束的緩解作用最為顯著，其次為銀行業(yè)的聚集，證券業(yè)的聚集對企業(yè)融資約束緩解的作用最弱。這個結(jié)果與我們的一般認知有所出入，我國是以銀行業(yè)為主導(dǎo)的間接融資體系，銀行業(yè)的聚集對企業(yè)融資約束的緩解作用應(yīng)該最為顯著。證券行業(yè)作為直接融資的重要機構(gòu)和渠道，也應(yīng)對企業(yè)融資約束有較強緩解作用。一種可能的邏輯是企業(yè)通過銀行融資需要經(jīng)過銀行各類審核和評估，雖然銀行業(yè)的聚集可以提高銀行部門間的競爭和市場化水平，但企業(yè)融資依然要符合相關(guān)制度和規(guī)定，不能違規(guī)或無視企業(yè)相關(guān)情況隨意提供融資便利。同時上市對于企業(yè)各方面要求較高，多數(shù)企業(yè)無法通過上市進行融資，所以證券業(yè)的聚集對企業(yè)融資約束的作用相比較銀行業(yè)不那么顯著。保險具有融通資金的作用，可將暫時不需賠付的資金用于投資（魏華林等，2012［42］）。同時相較于商業(yè)銀行，保險資金存在較長的積累期不需過分擔(dān)心流動性，從而可以投資期限較長的項目且靈活性更高（謝利人，2006［43］）。此外保險資金的流向更加精細化，因為保險公司收集和評估信息的能力使得其判斷投資決策的能力更高，這有助于其提升資本配置的效率（Arena，2008［44］）。

8 結(jié)論與政策啟示

本文以2009-2019 年CSMAR 企業(yè)數(shù)據(jù)為研究樣本，通過中國金融年鑒和中國統(tǒng)計年鑒相關(guān)數(shù)據(jù)構(gòu)建了金融聚集指標(biāo)，運用固定效應(yīng)模型實證檢驗發(fā)現(xiàn)金融聚集對企業(yè)融資約束的緩解起到了積極的作用，而這一作用可通過信息不對稱的緩解實現(xiàn)；通過進一步的研究，發(fā)現(xiàn)保險業(yè)聚集對企業(yè)融資約束緩解的作用強于銀行業(yè)聚集，證券業(yè)聚集起到的作用弱于前兩者。因為《中國金融年鑒》最新數(shù)據(jù)截止到2019 年，所以本文研究結(jié)論只能基于截止與2019 年的數(shù)據(jù)所得出，因為2020 年疫情開始對我國乃至全球經(jīng)濟造成巨大影響，對本文研究所得結(jié)論亦有可能產(chǎn)生影響，所以本文的結(jié)論具有一定局限性，在今后的研究中需要進一步跟進和驗證。

本文可能的政策啟示：第一，根據(jù)金融集聚在不同地區(qū)的差異，地方政府應(yīng)加快各地區(qū)金融集聚進程。東部地區(qū)金融聚集程度較高，應(yīng)繼續(xù)加強金融集聚和以此帶來的學(xué)習(xí)和溢出效應(yīng)，像更廣泛的領(lǐng)域輻射。中西部地區(qū)因為金融聚集程度較低，地方政府應(yīng)加大區(qū)內(nèi)金融聚集的引導(dǎo)力度，有意的安排金融機構(gòu)的入駐和聚集，同時提升綜合服務(wù)能力提升對金融資源的吸引力。

第二，針對具體的金融業(yè)態(tài)，即銀行業(yè)、證券業(yè)和保險業(yè)金融資源的引導(dǎo)與聚集制定專門政策。因為不同類型業(yè)態(tài)的聚集對經(jīng)濟產(chǎn)生效用的側(cè)重點可能不同，地方可以就自身特點運用地方性稅收、金融人才計劃等優(yōu)惠政策有傾向性的引導(dǎo)。加大保險業(yè)的發(fā)展的支持力度，因為該行業(yè)對緩解企業(yè)融資約束的作用強于銀行業(yè)和證券業(yè)。政府可以在保險業(yè)方面提供更多的支持和優(yōu)惠政策，鼓勵其在不同地區(qū)進行聚集。

第三，進一步完善相關(guān)金融和法律制度。因為金融具有自我驅(qū)動發(fā)展的特點，但人為的分割與隔離會降低金融服務(wù)經(jīng)濟的效果，所以建立統(tǒng)一且相互配合的金融市場有利于金融資源實現(xiàn)市場化的高效配置和聚集。但同時因為金融又有自我強化和容易泡沫化的特點，所以統(tǒng)一的、相互配合協(xié)調(diào)的監(jiān)管和法律也是金融發(fā)揮好自身功能的必要條件，在這方面除了法律和制度的完善，以監(jiān)管流程為導(dǎo)向的機構(gòu)搭建尤為重要。