中國貨幣政策對實體經(jīng)濟的沖擊——基于金融加速器理論的視角

江　春 ，甘　煦

(武漢大學 a.經(jīng)濟發(fā)展研究中心;b.經(jīng)濟與管理學院,湖北 武漢　430070)

?

中國貨幣政策對實體經(jīng)濟的沖擊
——基于金融加速器理論的視角

江春a,b，甘煦b

(武漢大學 a.經(jīng)濟發(fā)展研究中心;b.經(jīng)濟與管理學院,湖北 武漢430070)

摘要：貨幣政策的變動會直接影響到銀行的貸款供給行為與企業(yè)的投融資行為，因此，基于金融加速器理論，結合我國信貸市場獨特的制度環(huán)境，從商業(yè)銀行與企業(yè)兩個微觀層面來探究我國貨幣政策信貸傳導機制的微觀基礎具有重要的現(xiàn)實意義。此外，考慮到金融加速器效應的存在影響了貨幣政策的調(diào)控效果，并結合我國實際情況，為優(yōu)化央行的貨幣政策與宏觀調(diào)控提出相關政策建議。

關鍵詞：貨幣政策傳導機制；金融加速器；GMM估計；動態(tài)面板數(shù)據(jù)

一、問題的提出

近年來，由于勞動力、土地以及資源成本上升，已有的制度改革紅利衰減，中國的潛在增長率趨于下滑，投資回報率降低，貨幣增速持續(xù)下降，通縮隱憂浮現(xiàn)，宏觀經(jīng)濟下行壓力加大，故我國央行自2014年11月以來，半年內(nèi)四次降息以刺激經(jīng)濟增長。同時，由于中國的金融體系沒有充分發(fā)揮合理配置資源的功能，大量的企業(yè)融資困難且融資成本過高，這也進一步影響了中國經(jīng)濟的增長。此外，考慮到對貨幣政策傳導機制的研究一直以來都是國內(nèi)外學者關注的重點，并且貨幣政策的變動會直接影響到銀行的貸款供給行為與企業(yè)的投融資行為。但是現(xiàn)階段大多數(shù)研究都是從宏觀視角著手，重點關注宏觀經(jīng)濟實體對貨幣政策的反應，這往往忽略了貨幣政策傳導的微觀基礎與微觀經(jīng)濟主體所受到的沖擊。

因此，深入研究貨幣政策對企業(yè)投融資活動的影響，以便根據(jù)中國企業(yè)投融資活動的需要來制定合適的金融政策，以此刺激中國企業(yè)的投融資活動，從而使中國在“新常態(tài)”下繼續(xù)實現(xiàn)經(jīng)濟的持續(xù)增長就成為擺在我們面前的一個重大課題?；诖?，我們從金融加速器理論著手，從銀行與企業(yè)兩個層面來探究我國貨幣政策的微觀傳導機制，同時深入分析貨幣政策變動對微觀經(jīng)濟主體的影響程度與影響機制。

二、文獻綜述

20世紀50年代，隨著信息經(jīng)濟學的發(fā)展，西方學者提出貨幣政策傳導機制的“信用觀”，認為貨幣政策可通過銀行信用影響局部投資水平，進而影響產(chǎn)出。與此同時，Roosa 和Kareken等提出了信貸可得性理論并認為貨幣政策的變動可以通過信貸可得性進行傳導。信貸傳導機制的理論研究基本遵循兩條主線。一是從信貸配給角度研究貨幣政策傳導。隨著20世紀70年代均衡信貸配給理論的建立，經(jīng)濟學家們逐步發(fā)現(xiàn)：信貸市場上的配給行為加強了貨幣政策的效力，因此信貸配給成為了一條重要的貨幣政策傳導渠道[1]。二是由Bernanke 和Blinder率先提出的將信貸渠道提煉為銀行借貸渠道和資產(chǎn)負債表渠道。其中，前者側重于中央銀行運用貨幣政策影響存貸機構的貸款供應能力，同時在信息不對稱的條件下，銀行貸款融資對于融資渠道相對單一且對其依賴度高的特定貸款人具有不可替代性，中小企業(yè)就是其中的典型。而資產(chǎn)負債表渠道則注重貨幣政策對借款者資產(chǎn)負債表狀況的潛在影響，即貨幣政策變動會通過改變借款者外源融資溢價的大小，影響其投資以及消費決策[2]。Bernanke和Gertler通過進一步研究還發(fā)現(xiàn)貨幣政策影響借款者的財務狀況，進而影響企業(yè)外部融資能力。1996年，Bernanke、Gertler與Gilchrist通過分析貨幣政策緊縮時期企業(yè)投資支出與現(xiàn)金流的變化，發(fā)現(xiàn)小型企業(yè)在此時期比大型企業(yè)更容易出現(xiàn)外部融資約束，且其投資、存貨以及短期債務減少的速度均快于大型企業(yè)[3]?；诖?，三位學者正式提出了金融加速器理論。此外，貨幣政策信貸傳導機制在企業(yè)與銀行層面的實證研究也逐漸引起了各國學者的重視。Gertler 和 Gilchrist 通過研究指出公司規(guī)模與其對銀行貸款依賴程度呈負相關。同時，緊縮性的貨幣政策對不同規(guī)模的公司也有不同效應[4]。Holmstrom和Tirole發(fā)現(xiàn)大公司相比于小公司有多種融資渠道，資金來源較寬松。在信貸緊縮時期，小公司更容易受到?jīng)_擊[5]。同時，Kiyotaki 和Moore指出企業(yè)獲得的銀行貸款數(shù)量由其抵押擔保能力決定且兩者呈正相關,因此信貸沖擊對抵押貸款能力弱的公司影響較大。Berg等人從微觀層面對瑞典企業(yè)進行實證研究，發(fā)現(xiàn)金融加速器效應顯著存在并在經(jīng)濟周期上具有重要作用。Nagahata與Sekine運用日本企業(yè)的面板數(shù)據(jù)研究了資產(chǎn)價格泡沫破滅后貨幣政策對企業(yè)投資的具體沖擊[6]。Bougheas、Mizen和Yalcin實證分析了英國企業(yè)的特征變量對其在金融市場上融資可得性的影響，研究結果表明，規(guī)模較小、尚未建立起良好信譽、資產(chǎn)抵押能力弱的企業(yè)更易受到緊縮性貨幣政策以及融資約束的影響[7]。Roman等人通過企業(yè)支付利率的視角研究貨幣政策信貸傳導渠道上的金融加速器效應如何影響企業(yè)的投資活動[8]。

我國在貨幣政策微觀傳導機制領域的研究相對滯后，2000年以前，我國學者對該領域的研究主要集中于定性分析，2000年以后才陸續(xù)出現(xiàn)了相關的實證研究。王振山、周英章等均通過計量分析指出信貸渠道是我國貨幣政策的主要傳導渠道[9]。趙振全等運用門限向量自回歸模型對我國信貸市場與宏觀經(jīng)濟波動的關系進行分析，發(fā)現(xiàn)我國存在顯著的金融加速器效應[10]。在此基礎上，吳建環(huán)和席瑩通過實證研究發(fā)現(xiàn)我國貨幣政策對不同規(guī)模的高科技企業(yè)具有金融加速器效應。袁申國和劉蘭鳳運用計量方法研究不同行業(yè)的金融加速器效應，結果表明貨幣政策的金融加速器效應也存在行業(yè)上的非對稱性。在分析我國貨幣政策的信貸渠道對企業(yè)投融資行為影響的研究中，程海波、方軍雄等一致得出結論：常處于貸款邊緣線上的民營企業(yè)會比國有企業(yè)受到更大的信貸渠道沖擊[11]。Huang和Song以及張春均發(fā)現(xiàn)，中國企業(yè)通過短期應付款項進行融資的比例較大，因此企業(yè)可以通過增加應付款項來解決信貸緊縮時期的融資困境[12]。胡奕明等通過研究借款人財務狀況與貸款利率間的關系，發(fā)現(xiàn)借款人財務狀況越好，其貸款利率越低[13]。曾海艦、蘇冬蔚研究發(fā)現(xiàn)，銀行體系可貸資金變動對企業(yè)的影響主要與其規(guī)模大小、民營化程度以及擔保能力呈正相關[14]。曹永琴實證分析貨幣政策行業(yè)非對稱性形成機理時發(fā)現(xiàn)，行業(yè)運營資本比重、銀行依賴程度、財務杠桿水平等微觀指標決定了不同行業(yè)的企業(yè)受到貨幣政策沖擊的程度。肖爭艷等通過實證研究發(fā)現(xiàn)，中小企業(yè)在受到緊縮性貨幣政策沖擊后，其產(chǎn)出水平相對于大企業(yè)下降數(shù)倍[15]。張四燦發(fā)現(xiàn)，我國貨幣政策傳導過程中的金融加速器效應與市場化水平也密切相關，市場化程度較低時，政府對企業(yè)的干預較大，企業(yè)投資受到金融加速器效應的影響也較大[16]。在既有研究成果的基礎上，我們利用中國上市公司的數(shù)據(jù)以及相關指標建立面板數(shù)據(jù)模型，并主要運用廣義矩估計(GMM)的方法從微觀層面對中國信貸市場的金融加速器效應進行實證研究，同時對我國貨幣政策信貸傳導機制的銀行借款渠道與資產(chǎn)負債表渠道進行了深入探討。

創(chuàng)新之處主要體現(xiàn)在以下幾個方面。第一，微觀分析的方法。大多數(shù)學者對此課題的研究主要集中于宏觀經(jīng)濟層面，從而忽視了貨幣政策微觀層面的傳導機制。我們從我國貨幣政策信貸傳導渠道著手，研究其在微觀層面的具體傳導機制。此外，將宏觀經(jīng)濟政策與微觀企業(yè)行為相結合，并能基于金融加速器理論的視角清楚地解釋二者之間的關系。第二，對銀行借款渠道的實證研究。在研究貨幣政策傳導渠道的論文中，大部分都著重于資產(chǎn)負債表渠道的研究，對銀行借款渠道的分析基本上也都停留在理論層面，很少有實證研究。我們則利用我國上市公司的面板數(shù)據(jù)對銀行借款渠道進行了實證研究，從而得出貨幣政策銀行借款渠道的微觀傳導機制。第三，在數(shù)據(jù)選取方面克服了已有研究中面板數(shù)據(jù)有效性的問題，選取了從1998年到2014年我國564家企業(yè)的微觀數(shù)據(jù)，在時間跨度與樣本容量兩方面均有較大的改進。此外，考慮到1998年是我國貨幣政策改革的分水嶺，故統(tǒng)一采用1998年以后的數(shù)據(jù)以保證研究的嚴謹性、科學性與一致性。

三、基本模型

1.資產(chǎn)負債表渠道模型

考慮到貨幣政策的信貸傳導渠道主要分為企業(yè)資產(chǎn)負債表渠道與銀行信貸渠道，而前者也是中國信貸市場金融加速器效應微觀基礎的重要體現(xiàn)。因此，基于金融加速器理論，我們先構建了動態(tài)面板數(shù)據(jù)模型，旨在從微觀層面驗證貨幣政策的金融加速器效應對企業(yè)的沖擊。

(1) 基本模型

為了檢驗我國貨幣政策的金融加速器效應通過企業(yè)資產(chǎn)負債表渠道對實體經(jīng)濟的沖擊，同時驗證我國信貸市場上金融加速器效應的微觀基礎，我們在Vermeulen的銷售加速器模型[17]的基礎上加以改進，建立符合中國經(jīng)濟實際情況的實證模型。

首先建立了一個基本的動態(tài)面板數(shù)據(jù)模型驗證企業(yè)資產(chǎn)負債表狀況對其投資支出的影響，模型如下：

IKit=α+βIKi,t-1+γSKi,t-1+θBSi,t-1+μt+υi+εit

(3.1)

其中，IKit是在t時期公司i的投資資本比，在模型中用來量化企業(yè)的投資狀況；SKi,t-1是在t-1期公司i的銷售收入資本比；BSi,t-1是在t-1期反映公司i資產(chǎn)負債表狀況的測量指標，即為資產(chǎn)負債率、短期債務與總債務比、短期債務與流動資產(chǎn)比、總資產(chǎn)利潤率或利息保障倍數(shù)。μt是t時期的時間固定效應；υi是公司i觀測不到的企業(yè)固定效應；εit是隨機干擾項，與模型中涉及的所有t-1期變量均不相關。此外，系數(shù)θ反映了企業(yè)的投資資本比對其資產(chǎn)負債表各指標變化的敏感程度，如果我國信貸市場資產(chǎn)負債表渠道的金融加速器效應存在，則當BSi,t-1分別代表總資產(chǎn)利潤率或利息保障倍數(shù)時，系數(shù)θ的符號應為正，當BSi,t-1代表其他指標時，系數(shù)θ的符號應為負?？紤]到公式(3.1)中包含被解釋變量IKit的一階滯后項IKi,t-1和企業(yè)固定效應υi，若使用最小二乘法回歸會出現(xiàn)有偏估計，因此我們采用動態(tài)面板數(shù)據(jù)的差分GMM估計方法求解。在進行GMM估計時，通過Arellano-Bond檢驗，檢驗了差分后殘差序列的一階和二階相關性,相應的檢驗結果分別以R1和R2表示。此外，還通過Sargan檢驗對模型的過度約束情況進行了說明。

(2)周期與企業(yè)規(guī)模非對稱性模型

為了驗證金融加速器效應在經(jīng)濟周期與企業(yè)規(guī)模上存在的非對稱性，我們在上述基本模型的基礎上首先引入代表經(jīng)濟周期的虛擬變量，得到如下模型：

IKit=α+βIKi,t-1+γSKi,t-1+(θ1+θ2Dt)BSi,t-1+μt+υi+εit

(3.2)

IKit=α+βIKi,t-1+γSKi,t-1+θ1SiBSi,t-1+θ2MiBSi,t-1+θ3LiBSi,t-1+μt+υi+εit

(3.3)

最后，為同時檢驗金融加速器效應的雙重非對稱性，我們在基本模型的基礎上同時引入上述兩類虛擬變量，得到如下模型：

IKit=α+βIKi,t-1+γSKi,t-1+(θ1+θ2Dt)SiBSi,t-1+(θ3+θ4Dt)MiBSi,t-1+(θ5+θ6Dt)LiBSi,t-1+μt+υi+εit

(3.4)

2.銀行借款渠道模型

我們基于貨幣政策傳導的另一主要渠道——銀行借款渠道，研究貨幣政策如何通過此渠道影響企業(yè)的融資情況以及在此渠道上是否也存在非對稱性效應。因此，通過構建固定效應模型，從微觀層面驗證貨幣政策通過銀行借款渠道對企業(yè)的具體沖擊。在Bougheas、Mizen和Yalcin提出的理論模型基礎上，建立符合中國經(jīng)濟實際情況的實證模型[7]。

(1) 基本模型

我們首先建立一個基本的固定效應模型檢驗企業(yè)異質(zhì)性指標對銀行信貸的影響，模型如下：

ietdi,t=α+βXi,t+γratet+μt+υt+εi,t

(3.5)

其中，ietdi,t是在t時期公司i的應付利息與總負債的比率，表示企業(yè)的利息負擔也即融資成本；ratet作為貨幣政策代理變量，模型中用銀行貸款基準利率表示；Xi,t是表示企業(yè)異質(zhì)性的變量，包含企業(yè)規(guī)模、杠桿率水平、資產(chǎn)質(zhì)押能力、流動性比率以及盈利能力；μt表示t時期的時間固定效應；υt表示t時期無法觀測的企業(yè)固定效應；εi,t表示無序列相關的隨機干擾項。系數(shù)β反映了企業(yè)異質(zhì)性各指標與銀行借款融資成本的關系，根據(jù)幾個指標的實際含義，當Xi,t代表杠桿率時，系數(shù)β的符號應為正，當Xi,t代表其他指標時，系數(shù)β的符號應為負。系數(shù)γ表示貸款利率ratet與融資成本間的關系，由于二者是正相關，系數(shù)γ的符號應為正。

(2)貨幣政策非對稱性效應模型

為了檢驗銀行信貸對企業(yè)融資是否有非對稱性效應，我們在基本模型的基礎上依次添加貨幣政策時期虛擬變量與企業(yè)規(guī)模虛擬變量，得到相應模型。

首先根據(jù)上文對貨幣政策時期虛擬變量的定義，引入代表貨幣政策緊縮時期的虛擬變量Pt(在貨幣政策緊縮時期，Pt取1)與利率的交叉項，得到如下方程：

ietdi,t=α+βXi,t+(γ1+γ2Pt)ratet+μt+υt+εi,t

(3.6)

ietdi,t=α+β1SiXi,t+β2MiXi,t+β3LiXi,t+γ1Siratet+γ2Miratet+γ3Liratet+μt+υt+εi,t

(3.7)

最后，為檢驗不同規(guī)模企業(yè)在不同貨幣政策時期受到的沖擊，我們在基本模型的基礎上加入貨幣政策時期虛擬變量與企業(yè)規(guī)模虛擬變量的交叉項，得到如下方程：

ietdi,t=α+β1SiXi,t+β2MiXi,t+β3LiXi,t+(γ1+γ2Pt)Siratet+(γ3+γ4Pt)Miratet+(γ5+γ6Pt)Liratet+μt+υt+εi,t

(3.8)

四、實證分析

在上文已建立的兩個大模型的基礎上，運用STATA軟件對模型中的參數(shù)進行估計與檢驗。在對資產(chǎn)負債表渠道模型的參數(shù)估計中，我們將所有滯后兩期的變量設定為工具變量。

1. 資產(chǎn)負債表渠道模型實證結果分析

(1) 指標與數(shù)據(jù)

我們在相關文獻的基礎上[17]，選取企業(yè)的幾個重要財務指標來反映資產(chǎn)負債表的健康情況，即為資產(chǎn)負債率DA、短期債務與總債務比SD、短期債務與流動資產(chǎn)比SDL、總資產(chǎn)利潤率PA以及利息保障倍數(shù)COV。其中，資產(chǎn)負債率DA是企業(yè)期末總負債除以總資產(chǎn)的比率；短期債務與總債務比SD反映了企業(yè)期末的債務情況以及其不同期限的融資情況；短期債務與流動資產(chǎn)比SDL是企業(yè)期末短期債務與其流動資產(chǎn)之比，反映了企業(yè)短期流動性；總資產(chǎn)利潤率PA是企業(yè)利潤總額與資產(chǎn)平均總額之比，反映了企業(yè)利用資金進行盈利活動的基本能力與企業(yè)資產(chǎn)綜合利用效果；利息保障倍數(shù)COV是企業(yè)生產(chǎn)經(jīng)營所獲得的息稅前利潤與利息費用的比率，反映了企業(yè)利息支付能力。故DA、SD、SDL越高，企業(yè)資產(chǎn)負債表健康狀況越差；PA、COV越高，其資產(chǎn)負債表健康狀況越好。

為量化企業(yè)投融資狀況，我們在實證模型中還用到投資資本存量比IK與營業(yè)收入資本比SK這兩個指標。其中：

(4.1)

(4.2)

說明： PPI是以1985年為基期100計算所得，GDP增長率是按可比價格計算所得，兩者數(shù)值均來自國家統(tǒng)計局數(shù)據(jù)中心。

對于經(jīng)濟周期的界定，我們綜合考慮Vermeulen與 Roman[17]的觀點，將PPI與GDP年度增長率結合起來作為界定我國經(jīng)濟周期的標準，從而更為科學地評價中國1998—2014年的經(jīng)濟走勢。

根據(jù)上表，同時結合我國經(jīng)濟總體形勢，我們將1999—2002年以及2009—2014年定為中國經(jīng)濟下行期。對于企業(yè)規(guī)模的界定，根據(jù)企業(yè)的資產(chǎn)總額將樣本企業(yè)平均分為小型企業(yè)、中型企業(yè)和大型企業(yè)三個組進行討論。

我們的企業(yè)數(shù)據(jù)均來自國泰安數(shù)據(jù)庫，經(jīng)過抽樣與篩選，最終在滬深兩市的上市公司中選擇了符合條件的564家企業(yè)的1998—2014年年度數(shù)據(jù)作為研究樣本。

(2) 資產(chǎn)負債表指標與投資支出

根據(jù)上文中的指標選取與基本模型方程(3.1)設定，運用STATA對模型求解得到以下結果。

表2　企業(yè)投資支出與其資產(chǎn)負債表指標關系檢驗

說明：表中括號內(nèi)為各指標數(shù)值以及檢驗統(tǒng)計量對應的標準誤，其中第一行括號內(nèi)的標準誤是在5%的顯著性水平下。R1和R2分別為Arellano-Bond檢驗中一階、二階自相關檢驗結果。

由上表可知，資產(chǎn)負債表各指標變量估計值的符號都與我們預期相符并符合經(jīng)濟現(xiàn)實，并且均通過了Wald檢驗。此外，Arellano-Bond檢驗的結果表明擾動項的差分不存在自相關，故保證了GMM估計結果為一致估計。在上述指標的Sargan檢驗結果中，僅BSi,t-1=DAi,t-1這個回歸模型存在過度識別，其余四個指標的檢驗結果都較理想。由此可知，我國企業(yè)的資產(chǎn)負債表狀況對其投資支出有顯著影響，同時也驗證了我國信貸市場金融加速器效應的微觀基礎。

(3) 金融加速器效應的周期非對稱性

為了驗證金融加速器效應在經(jīng)濟周期上對企業(yè)存在的非對稱性，我們根據(jù)上一節(jié)方程(3.4)的設定，運用STATA求解得到以下結果。

表3　金融加速器周期非對稱性檢驗

顯然，資產(chǎn)負債表各指標變量估計值的符號以及與虛擬變量的交叉乘積項符號都和我們預期基本相符且符合經(jīng)濟現(xiàn)實，并且基本通過Wald、Arellano-Bond與Sargan檢驗。同時，各變量與虛擬變量乘積項對應的系數(shù)絕對值大于各變量絕對值且基本通過了5%的顯著性水平檢驗，符合上文中周期非對稱性模型的設定。

因此，實證結果基本證明金融加速器效應存在的周期非對稱性，即與其他時期相比，經(jīng)濟下行期企業(yè)受到的來自資產(chǎn)負債表渠道對投資的沖擊更顯著。

(4) 金融加速器效應的企業(yè)規(guī)模非對稱性

為了解金融加速器效應與企業(yè)規(guī)模之間的關系，我們對方程(3.5)中的模型進行回歸，得到以下結果。

表4　金融加速器企業(yè)規(guī)模非對稱性檢驗

顯然，指標SD、SDL與COV的回歸結果均表明小型企業(yè)對應的系數(shù)絕對值最大，中型企業(yè)次之，大型企業(yè)對應值最小，符合我們預期與模型的設定，并且相應系數(shù)基本通過了顯著性檢驗。

而對于指標DA與PA的回歸結果，雖然小型企業(yè)對應的系數(shù)絕對值最小，但是中型企業(yè)對應的系數(shù)絕對值都大于大型企業(yè)的相應值且均通過了顯著性檢驗。

此外，上表中各指標均通過了Wald檢驗與Arellano-Bond檢驗；在Sargan檢驗結果中，BSi,t-1代表DAi,t-1以及COVi,t-1的回歸模型通過檢驗，即不存在過度識別的問題。

綜上，回歸結果基本驗證了金融加速器效應的企業(yè)規(guī)模非對稱性，即小型企業(yè)投資支出對資產(chǎn)負債表狀況的敏感程度最高，中型企業(yè)次之，大型企業(yè)的敏感程度最低。

(5)金融加速器效應的雙重非對稱性

為了進一步檢驗金融加速器效應的微觀基礎，我們對方程(3.6)中既包含經(jīng)濟下行期又包含企業(yè)規(guī)模虛擬變量的模型回歸，得到以下結果。

表5　金融加速器雙重非對稱性檢驗

回歸結果基本表明，相比其他時期，經(jīng)濟下行期企業(yè)規(guī)模越小，其投資支出對資產(chǎn)負債表相應指標的敏感性越高。具體表現(xiàn)為：除上表中個別指標的SiBSi,t-1項不符合模型預期以及未通過顯著性檢驗外，其余指標數(shù)值基本上符合模型設定與經(jīng)濟實際，同時通過了5%的顯著性檢驗。

此外，上表中各指標均通過了Wald檢驗與Arellano-Bond檢驗，在Sargan檢驗結果中，雖然各指標對應的回歸模型存在或多或少的過度識別問題，但是考慮到方程(3.6)中包含兩個虛擬變量，同時交叉乘積項以及回歸時用到的工具變量也較多，因此Sargan檢驗結果并不能否定整體回歸結果的有效性。

綜上所述，金融加速器效應在經(jīng)濟周期與企業(yè)規(guī)模上均存在非對稱性，即中國企業(yè)在經(jīng)濟下行期投資對資產(chǎn)負債表狀況的敏感程度高于其他時期，小型企業(yè)表現(xiàn)出的投資支出對資產(chǎn)負債表狀況的敏感程度高于中型企業(yè)與大型企業(yè)。同時，我國貨幣政策金融加速器效應的微觀基礎也通過以上四個模型的實證結果得以驗證。

2. 銀行借款渠道模型實證結果分析

(1) 指標與數(shù)據(jù)

考慮到銀行信貸的特點，我們選取企業(yè)規(guī)模、杠桿率水平、資產(chǎn)質(zhì)押能力、流動性比率以及盈利能力指標代表企業(yè)異質(zhì)性。企業(yè)規(guī)模(logasset)是銀行衡量企業(yè)償還能力的重要指標，本模型中，我們用企業(yè)總資產(chǎn)的對數(shù)值來表示企業(yè)規(guī)模。銀行在對借款企業(yè)的選擇上，傾向于選擇規(guī)模較大的企業(yè)；同時，規(guī)模較大的企業(yè)融資渠道也不僅限于銀行借款。杠桿率水平在本模型中用總負債對總資產(chǎn)的比率衡量，即前文提到的資產(chǎn)負債率(DA)。企業(yè)的杠桿率水平越高，其承擔的風險以及面臨的代理成本也越高，因此融資渠道相對較少，故更依賴銀行借款。資產(chǎn)質(zhì)押能力(AP)是企業(yè)有形資產(chǎn)占總資產(chǎn)的比重。比重越高，其資產(chǎn)質(zhì)押能力也越強，表明企業(yè)能夠在除銀行以外的渠道獲得融資的可能性越高，因此資產(chǎn)質(zhì)押能力較強的企業(yè)對銀行借款的依賴性較低。流動性比率(LR)是企業(yè)流動性資產(chǎn)對流動負債的比率。比率越高的企業(yè)，其融資渠道也越多，因此對銀行借款的依賴性也越低。企業(yè)盈利能力在本模型中用總資產(chǎn)利潤率(PA)衡量，即企業(yè)利潤總額對其資產(chǎn)平均總額的比率。該比率越高，表明企業(yè)效益越好，銀行更愿意向此類企業(yè)提供借款；同時，盈利能力高的企業(yè)融資選擇也越多，故對銀行借款的依賴程度也較低。為了衡量貨幣政策對銀行信貸的影響，我們在實證模型中選擇我國一年期貸款基準利率作為貨幣政策代理變量，因為政策性利率是最能代表當前央行政策意圖以及國家宏觀貨幣政策方向的變量。為界定我國不同的貨幣政策時期，我們參照央行對貸款利率的調(diào)控，即通過一年期貸款基準利率的變化來劃分貨幣政策緊縮期與擴張期。

根據(jù)我國1998年至2014年間貸款基準利率變化，同時結合我國經(jīng)濟整體運行態(tài)勢，將我國貨幣政策調(diào)控時段分為緊縮期與擴張期，其中1998—2002年、2008—2009年、2012—2014年為擴張性貨幣政策時期。對于企業(yè)規(guī)模的界定，參照4.1.1的方法；此外，對于實證數(shù)據(jù)選擇，我們在前文的基礎上，選取564家上市公司1998—2014年的相關數(shù)據(jù)進行分析。

(2)企業(yè)異質(zhì)性特征對銀行信貸的影響

根據(jù)指標選取與基本模型方程(3.7)設定，運用STATA對模型求解得到以下結果。

表6　企業(yè)異質(zhì)性特征與銀行信貸關系

說明：表中括號內(nèi)為各指標數(shù)值以及檢驗統(tǒng)計量對應的標準誤，其中前兩行括號內(nèi)的標準誤是在5%的顯著性水平下。F1、F2分別表示參數(shù)聯(lián)合檢驗以及固定效應顯著性檢驗的結果。

上表中，各企業(yè)異質(zhì)性指標與融資成本對應的系數(shù)符合基本模型預期：DA與融資成本呈正相關；logasset、AP、LR、PA與融資成本均呈負相關。

同時，各指標在5%的顯著性水平下較顯著，每個變量對應的F統(tǒng)計量也表明模型中參數(shù)聯(lián)合檢驗結果以及模型整體固定效應相當顯著。

(3) 貨幣政策的非對稱性效應

根據(jù)方程(3.2)中建立的模型，運用STATA軟件對三個固定效應方程分別進行回歸，得到以下結果。

表7　銀行信貸貨幣政策周期非對稱性檢驗

上表為引入貨幣政策時期虛擬變量Pt的模型即方程(3.8)回歸結果，結果表明：各企業(yè)異質(zhì)性指標與融資成本的關系符合模型預期且基本通過了5%的顯著性檢驗；貨幣政策時期虛擬變量與貸款利率交叉乘積項系數(shù)的絕對值大于貸款利率系數(shù)的絕對值，并且通過了顯著性檢驗；模型對應的F統(tǒng)計量也表明回歸結果通過參數(shù)聯(lián)合檢驗與固定效應顯著性檢驗。

因此，銀行信貸在不同貨幣政策時期存在的非對稱性得以驗證，即在貨幣政策緊縮時期，銀行信貸對企業(yè)的沖擊較大且大于來自擴張性貨幣政策時期的沖擊。

表8　銀行信貸企業(yè)規(guī)模非對稱性檢驗

表8為引入企業(yè)規(guī)模虛擬變量Si、Mi、Li的方程(3.9)回歸結果。結果表明，企業(yè)各異質(zhì)性指標與融資成本的系數(shù)符號關系基本符合模型預期，并且各指標與企業(yè)規(guī)模虛擬變量的交叉項系數(shù)關系也符合實際情況，即企業(yè)規(guī)模越大，其杠桿率越低、資產(chǎn)質(zhì)押能力越高、流動性越強并且利潤率也越高。同時，企業(yè)規(guī)模虛擬變量與貸款利率的交叉項系數(shù)絕對值基本符合模型預期，即規(guī)模越小的企業(yè)，其對銀行貸款的依賴程度越高，故貸款利率對融資成本的影響越大。

此外，上表中各指標數(shù)值基本上通過了顯著性檢驗，并且模型的F統(tǒng)計量也表明整體回歸結果顯著。因此，銀行信貸對不同規(guī)模企業(yè)的非對稱性得以驗證。

表9　銀行信貸雙重非對稱性檢驗

表9為同時引入貨幣政策時期虛擬變量與企業(yè)規(guī)模虛擬變量的方程(3.10)回歸結果，上表中雖有一些指標結果未通過顯著性檢驗且符號不符合模型預期，但大部分指標結果呈現(xiàn)出符合模型預期的關系且通過了相應檢驗。因此，可得出結論：模型整體回歸結果基本上可以驗證銀行信貸在貨幣政策周期以及貸款企業(yè)規(guī)模上均存在非對稱性，即在貨幣政策緊縮時期，貸款利率上升對企業(yè)融資成本的沖擊效應大于貨幣政策擴張時期的沖擊效應，同時銀行信貸對不同規(guī)模的企業(yè)也有不同程度的沖擊，小企業(yè)受到的影響最大，大企業(yè)受到的影響較小。此外，以上回歸結果還表明，在貨幣政策緊縮時期，銀行貸款收縮主要針對規(guī)模較小的企業(yè)，而規(guī)模較大的企業(yè)受到的影響則較小，故貨幣政策在企業(yè)層面上的傳導主要是通過規(guī)模相對較小的企業(yè)進行。

綜上所述，通過實證研究，我國貨幣政策銀行借款渠道的微觀基礎得以驗證，同時貨幣政策傳導對企業(yè)銀行借款存在的非對稱性效應也得以證實，非對稱性效應具體表現(xiàn)在貨幣政策周期以及企業(yè)規(guī)模上，即在貨幣政策緊縮時期，政策性利率的變化對企業(yè)融資帶來的沖擊要大于貨幣政策擴張時期的相應沖擊；此外，銀行信貸對規(guī)模較小企業(yè)的沖擊也大于對規(guī)模較大企業(yè)的沖擊。

五、結論與啟示

考慮到目前的大多數(shù)研究著重從宏觀視角分析貨幣政策傳導機制，往往忽略了微觀經(jīng)濟主體在傳導機制中發(fā)揮的重要作用，導致此類研究缺乏貨幣政策傳導的微觀基礎。因此，基于金融加速器理論的視角，我們從銀行以及企業(yè)這兩個貨幣政策傳導的微觀主體出發(fā)，通過實證研究驗證了我國貨幣政策在由資產(chǎn)負債表渠道以及銀行借款渠道傳導的過程中，對企業(yè)存在顯著的非對稱性影響，從而為深入研究我國貨幣政策的傳導效應以及作用機理奠定了微觀基礎，為優(yōu)化央行的貨幣政策與宏觀調(diào)控提出更好的政策建議。

基于此，為我國貨幣政策宏觀調(diào)控提供以下幾點政策建議。

第一，加快推進利率市場化改革的進程。我國利率市場化改革從1996年的同業(yè)拆借利率市場化開始一直貫穿于我國金融市場培育和發(fā)展的全過程。利率市場化是經(jīng)濟市場化條件下貨幣政策有效調(diào)控宏觀經(jīng)濟的基本前提，也是央行貨幣政策能影響微觀經(jīng)濟主體的重要條件。由于我國央行的利率政策對銀行信貸供給的調(diào)節(jié)效果不理想，故央行很難通過利率變化改變商業(yè)銀行的貸款供給意圖，從而導致銀行貸款在大型企業(yè)與小型企業(yè)間不均勻分配進而影響企業(yè)投融資情況。

因此，加快推進利率市場化改革，可以使央行的貨幣政策早日達到市場化調(diào)控的效果，也能使商業(yè)銀行按照央行的政策意圖調(diào)整信貸供給，解決小型企業(yè)的融資難問題，同時也能使各金融機構對市場利率水平形成共識，防止其無序競爭。但在推進利率市場化的過程中，也要關注中小型金融機構由于定價問題產(chǎn)生的風險，穩(wěn)步有序地推進改革進程。

第二，政府在對經(jīng)濟的宏觀調(diào)控中要充分考慮到金融加速器效應帶來的影響，提高對經(jīng)濟走勢的準確把握能力，同時根據(jù)企業(yè)規(guī)模制定有區(qū)別的宏觀調(diào)控政策。由于在我國貨幣政策傳導過程中存在的非對稱性金融加速器效應會放大以及持續(xù)傳播各種沖擊，因此政府在制定宏觀經(jīng)濟政策時，應充分考慮到金融加速器效應的存在性，并能在盡可能短的時間內(nèi)準確地捕捉真實的經(jīng)濟信息，分析清楚經(jīng)濟變動趨勢。只有快速準確全面地了解當前經(jīng)濟形勢，才能及時應對并制定合適的調(diào)控政策，避免發(fā)生較大經(jīng)濟波動。此外，考慮到金融加速器效應在企業(yè)規(guī)模上存在的顯著非對稱性，小型企業(yè)經(jīng)常面臨融資難的問題，并且投資也受到較大約束。因此，為了減輕金融加速器效應對實際經(jīng)濟情況的放大作用，從而優(yōu)化企業(yè)投融資環(huán)境，央行在制定貨幣政策時，應引導商業(yè)銀行給予中小型企業(yè)一定程度的融資支持，按照企業(yè)規(guī)模實施有區(qū)別的貨幣政策。

第三，完善我國信貸市場的建設，建立多層次的信貸市場。由于信貸市場上的金融加速器效應會放大宏觀經(jīng)濟波動，與此同時，我國信貸市場上存在嚴重的不均衡現(xiàn)象，即大型銀行與大型企業(yè)占據(jù)了絕大部分的市場與資源。因此，造成了中小企業(yè)融資難的現(xiàn)狀。建立多層次的信貸市場完全符合我國當前需求，并能有效解決信貸市場上資源分配不均衡的現(xiàn)象。建立多層次信貸市場的重點應是擴大中小市場的層次，大力發(fā)展中小金融機構，增加中小規(guī)模信貸供給者數(shù)量來實際解決中小企業(yè)融資難的問題。

第四，提高中小企業(yè)的自身融資能力，優(yōu)化其融資外部環(huán)境。在經(jīng)濟下行期，中小企業(yè)由于其整體規(guī)模較小且數(shù)量較多，融資難的問題顯得尤為突出，因此，中小企業(yè)可通過提高內(nèi)源融資意識與增強內(nèi)源融資能力提高其自身融資能力。此外，中小企業(yè)還可通過提高自身核心競爭力，完善管理制度以提高自身的抗風險能力，緩解融資困境，有利于可持續(xù)發(fā)展。優(yōu)化中小企業(yè)融資外部環(huán)境包括完善相關法律法規(guī)，為中小企業(yè)融資提供政策保障；鼓勵發(fā)展風投基金與眾籌項目幫助中小企業(yè)融資，近年來，風險投資基金因其為中小企業(yè)發(fā)展提供更好的融資渠道與服務，幫助一批成長性高的中小型企業(yè)而迅速發(fā)展，因此，鼓勵風投基金發(fā)展能建立更加完善與健全的多層次融資結構[18]。

當然，我們的研究還存在著許多可延伸之處。如若在已有模型基礎上考慮開放條件下的外生沖擊對貨幣政策傳導產(chǎn)生的影響，雖不會改變實證結論，但會更加全面地分析貨幣政策傳導機制，也會使模型的適用性更廣。此外，若在貨幣政策的傳導過程中，考慮到家庭這個微觀主體產(chǎn)生的影響，也可以拓展這方面的研究。

參考文獻：

[1]BLINDER A S,STIGLITZ J E.Money,Credit Constraints,and Economic Activity[J].American Economic Review,1983,73(2):297-302.

[2]BERNANKE B S,BLINDER A S.The Federal Funds Rate and the Channels of Monetary Transmission[J].American Economic Review,1992,84(4):901-921.

[3]BERNANKE B,GERTLER M,Simon G.The Financial Accelerator and the Flight to Quality[J].The Review of Economics and Statistics,1996,78(1):1-15.

[4]GERTLER M,GILCHRIST S.Monetary Policy,Business Cycles and the Behavior of Small Manufacturing Firms[J].Quarterly Journal of Economics,1994(109):309-340.

[5]HOLMSTROM B,Tirole J.Financial Intermediation,Loan able Funds,and the Real Sector[J].Quarterly Journal of Economics,1997(112):663-691.

[6]NAGAHATA T,SEKINE T.Firm Investment,Monetary Transmission and Balance-Sheet Problems in Japan:an Investment Using Micro Data[J].Japan and the world Economy,2005,17(3):345-369.

[7]BOUGHEAS S,MIZEN P,Yalcin C.Access to External Finance:Theory and Evidence on the Impact of Monetary Policy and Firm-Specific Characteristics[J].Journal of Banking and Finance,2006,30(1):199-227.

[8]ROMAN H,FIDRMUC J,Horvathova E.Corporate Interest Rates and the Financial Accelerator in the Czech Republic[J].Emerging Markets Finance and Trade,2010,46(4):41-54.

[9]周英章，蔣振聲.貨幣渠道、信用渠道與貨幣政策有效性——中國1993—2001年的實證分析和政策含義[J].金融研究，2002(9):34-43.

[10]趙振全，于震，劉淼.金融加速器效應在中國存在嗎？[J].經(jīng)濟研究，2007(6)：27-38.

[11]方軍雄.所有制、制度環(huán)境與信貸資金配置[J].經(jīng)濟研究,2007(12):82-93.

[12]HUANG G,SONG F M.The Determinants of Capital Structure Evidence from China[J].China Economics Review,2008(17):14-36.

[13]胡奕明，林文雄，李思琦，等.大貸款人角色：我國銀行具有監(jiān)督作用嗎？[J].經(jīng)濟研究，2008(10)：52-64.

[14]曾海艦,蘇冬蔚.信貸政策與公司資本結構[J].世界經(jīng)濟，2010(8):17-42.

[15]肖爭艷，郭豫媚，潘璐.企業(yè)規(guī)模與貨幣政策的非對稱效應[J].經(jīng)濟理論與經(jīng)濟管理，2013(9)：74-86.

[16]張四燦.市場化水平與中國經(jīng)濟波動的平穩(wěn)化——基于擴展的RBC模型分析[J].經(jīng)濟與管理研究，2014(11)：5-13.

[17]VERMEULEN P.Business Fixed Investment:Evidence of a Financial Accelerator in Europe [J].European Central Bank Working Paper Series,2000(37):5-33.

[18]田艷芬.金融資源的內(nèi)涵與配置效率[J].長春大學學報，2013(7):798-800.

(責任編輯朱春花)

On the Impact of Monetary Policy on the Real Economy in China:Based on the Financial Accelerator Theory

JIANG Chuna,b,GAN Xub

(a.research center of economic development;b.School of Economics and Management, Wuhan University, Wuhan 430070, Hubei, China)

Abstract：Based on the financial accelerator theory and combined with the distinctive conditions of the credit market in China,this paper explored the micro-foundation of the credit channel in China's monetary policy transmission mechanism in two aspects,that is,the commercial banks and enterprises.In addition, it also proposed some suggestions for the actual situations to optimize the monetary policy and macro-control of China in the consideration of that the existence of financial accelerator effect would influence the regulation effects of the monetary policy.

Key words：Monetary Policy Transmission Mechanism；Financial Accelerator；GMM Estimation；Dynamic Panel Data

中圖分類號：F822.0

文獻標志碼：A

文章編號：1674-3571(2016)01-0044-10

作者簡介：江春(1960- )，男，湖北鄂州人，武漢大學經(jīng)濟與管理學院金融系教授，兼武漢大學經(jīng)濟發(fā)展研究中心研究員，經(jīng)濟學博士，博士生導師，主要從事貨幣經(jīng)濟學研究；甘煦(1993- )，女，湖北武漢人，武漢大學經(jīng)濟與管理學院金融系碩士研究生，主要從事貨幣經(jīng)濟學研究。

基金項目：國家自然科學基金項目“中國利率、匯率與央行資產(chǎn)負債及貨幣供應之間的交互影響：實證分析與政策意涵”(71373187)；“中央高?；究蒲袠I(yè)務費”資助項目

收稿日期：2015-10-20