中國(guó)制造業(yè)金融加速器非對(duì)稱性的估計(jì)

夏飛

中國(guó)制造業(yè)金融加速器非對(duì)稱性的估計(jì)

夏飛

通過(guò)分析703個(gè)上市公司2001～2014年的年度數(shù)據(jù)，運(yùn)用門限面板模型（panel threshold model）內(nèi)生得到企業(yè)資產(chǎn)負(fù)債比的臨界，結(jié)果表明：以資產(chǎn)負(fù)債比0.6801為門限，負(fù)債率高于該值的公司金融加速器效應(yīng)要大于低于該值的公司金融加速器效應(yīng)。

中國(guó)制造業(yè)；金融加速器；對(duì)稱性；門限面板模型

一、引言

中國(guó)經(jīng)濟(jì)周期存在金融加速器效應(yīng)已成為不爭(zhēng)的事實(shí)，相關(guān)的實(shí)證文獻(xiàn)更從不同角度分析了中國(guó)金融加速器效應(yīng)的非對(duì)稱性。宏觀層面，趙振全等（2007）運(yùn)用門限向量自回歸模型分析了我國(guó)宏觀經(jīng)濟(jì)和信貸市場(chǎng)的非對(duì)稱性關(guān)聯(lián)；微觀層面，袁申國(guó)等（2011）運(yùn)用微觀企業(yè)層面的面板數(shù)據(jù)，考察了我國(guó)金融加速器效應(yīng)依地域、企業(yè)規(guī)模和宏觀經(jīng)濟(jì)形勢(shì)三個(gè)方面而呈現(xiàn)出的非對(duì)稱性。袁申國(guó)等（2009）和曹永琴（2011）從行業(yè)層面分析了金融加速器效應(yīng)的非對(duì)稱性。

值得注意的是，除了地域和行業(yè)層面存在客觀的劃分方式外，對(duì)于公司規(guī)模的金融加速器效應(yīng)非對(duì)稱性的分析，以往的劃分方式都過(guò)于主觀化，也即作者往往經(jīng)驗(yàn)性設(shè)定某個(gè)企業(yè)規(guī)模為劃分大小企業(yè)的標(biāo)準(zhǔn)，或干脆把樣本按大公司、小公司對(duì)半分。本文認(rèn)為，對(duì)金融加速器非對(duì)稱性的考察，不應(yīng)該只建立在對(duì)樣本的經(jīng)驗(yàn)性劃分基礎(chǔ)上，其劃分標(biāo)準(zhǔn)本身應(yīng)該有其理論的合理性和統(tǒng)計(jì)意義上的顯著性，。所以本文認(rèn)為，將應(yīng)劃分標(biāo)準(zhǔn)，或者說(shuō)門檻參數(shù)，同樣作為未知參數(shù)進(jìn)行估計(jì)，鑒于此，本文使用門限面板模型來(lái)解決這個(gè)問(wèn)題；其次，袁申國(guó)等（2011）的研究結(jié)果表明，全國(guó)層面的427家上市公司在1999年至2009年期間內(nèi)的公司規(guī)模金融加速器效應(yīng)并不明顯，特別是東部地區(qū)的上市公司尤為突出。我們認(rèn)可袁申國(guó)等的研究結(jié)果，同時(shí)這個(gè)結(jié)論也使得我們更進(jìn)一步的思考，金融市場(chǎng)的摩擦和信息不對(duì)稱是客觀存在的，而且中小企業(yè)融資難的問(wèn)題的確是擺在我國(guó)金融市場(chǎng)上一個(gè)不可置否的現(xiàn)象。然而如果這種非對(duì)稱性并不是顯著體現(xiàn)在公司規(guī)模這個(gè)絕對(duì)值上，是否是體現(xiàn)在負(fù)債資產(chǎn)比這個(gè)相對(duì)值上呢？關(guān)于企業(yè)面臨的外部融資約束問(wèn)題，早在1988年，F(xiàn)azzarietal開(kāi)創(chuàng)了經(jīng)典的FHP范式，在考察企業(yè)面臨的融資約束及非對(duì)稱性時(shí)，對(duì)企業(yè)的劃分就使用了長(zhǎng)期負(fù)債對(duì)資產(chǎn)的比率為標(biāo)準(zhǔn)。我們借鑒FHP選取門檻值的方式，展開(kāi)相應(yīng)研究。

本文后續(xù)內(nèi)容安排如下，第二部分介紹變量的選取和計(jì)量模型設(shè)定；第三部分進(jìn)行實(shí)證分析；第四部分為本文結(jié)論，并提出相應(yīng)的政策建議。

二、變量與模型設(shè)定

本文數(shù)據(jù)全部來(lái)自Wind數(shù)據(jù)庫(kù)，包括了滬深兩家證券交易所上市的703個(gè)制造業(yè)企業(yè)，從2001年到2014年的年度微觀財(cái)務(wù)數(shù)據(jù)看，剔除了樣本期間內(nèi)數(shù)據(jù)缺失和嚴(yán)重資不抵債的公司，并對(duì)微觀層面的財(cái)務(wù)數(shù)據(jù)進(jìn)行winsorize處理，即將每個(gè)變量1%分位數(shù)以下的觀測(cè)值用1%分位數(shù)觀測(cè)值截取，99%分位數(shù)以上的觀測(cè)值使用99%分位數(shù)觀測(cè)值截取。宏觀數(shù)據(jù)包括價(jià)格水平，基準(zhǔn)貸款利率。其中為了得到通貨膨脹真實(shí)利率，本文用名義利率減去通貨膨脹率求得。

（一）變量選擇與描述性統(tǒng)計(jì)

金融加速器理論告訴我們，在資產(chǎn)負(fù)債表渠道中，經(jīng)濟(jì)環(huán)境的改變會(huì)影響到企業(yè)的資產(chǎn)負(fù)債表狀況，進(jìn)而改變企業(yè)外部融資成本，對(duì)投資行為的變動(dòng)產(chǎn)生顯著效果。因此，企業(yè)層面的投資行為和各項(xiàng)財(cái)務(wù)指標(biāo)是本文分析的關(guān)鍵，這里我們參照相關(guān)文獻(xiàn)，引入Invest，投資，作為回歸分析的被解釋變量；Debt，負(fù)債對(duì)總資產(chǎn)的比率，反映了企業(yè)資產(chǎn)負(fù)債表的狀況，并以其系數(shù)來(lái)測(cè)度微觀層面金融加速器效應(yīng)。控制變量包括：Income，營(yíng)業(yè)收入對(duì)總資產(chǎn)的比率；lnNV，公司規(guī)模，以凈資產(chǎn)的自然對(duì)數(shù)表示；r，月度加權(quán)的一年期基準(zhǔn)貸款利率。門限變量Debt，同上。需要指出的是，門限變量，就是依此變量某個(gè)具體取值為標(biāo)準(zhǔn)對(duì)樣本進(jìn)行劃分的變量。變量的描述性統(tǒng)計(jì)和度量方法如下表所示。

表1 描述性統(tǒng)計(jì)及度量方法

（二）計(jì)量模型設(shè)定

參考以往文獻(xiàn)的方法，本文引入模型一:

除了利率使用當(dāng)期以外，所有解釋變量及門限變量取一階滯后放入方程中。I(·)為示性函數(shù)，表示當(dāng)括號(hào)內(nèi)的條件滿足時(shí)，取值為1；不滿足時(shí)取0。Const為常數(shù)項(xiàng)，μi為個(gè)體異質(zhì)性，為分析方便，設(shè)定E(μ|x)≠0，其中X為全部解釋變量，也即固定效應(yīng)模型；ε為隨機(jī)擾動(dòng)。

門限回歸模型的特點(diǎn)，就是將門限參數(shù)（用以劃分樣本的標(biāo)準(zhǔn)）作為未知參數(shù)進(jìn)行估計(jì)。R.Hansen（1999）建立了面板數(shù)據(jù)門限估計(jì)的方法和一系列統(tǒng)計(jì)檢驗(yàn)。模型一中，不僅包括系數(shù)α，β和常數(shù)項(xiàng)為待估參數(shù)，門限參數(shù)q同樣也為待估計(jì)參數(shù)。這樣做的好處是，避免了以往樣本分組的隨意性和主觀性。

門限回歸不僅包括了變量系數(shù)，門限參數(shù)的估計(jì)和假設(shè)檢驗(yàn)，對(duì)模型本身也需要假設(shè)檢驗(yàn)，即對(duì)于模型一，我們有理由懷疑回歸模型的“門限效應(yīng)”是否顯著存在，也即，我們提出原假設(shè)H0：不存在門限效應(yīng)。方程形式為：

（2）式相對(duì)于（1）式的區(qū)別在于，由于不存在門限效應(yīng)（反映在模型中即不存在金融加速器的非對(duì)稱性），對(duì)于所有樣本，投資對(duì)負(fù)債資產(chǎn)比均使用相同的偏系數(shù)回歸。在此假設(shè)檢驗(yàn)下構(gòu)造的統(tǒng)計(jì)量取值如果過(guò)大，或?qū)?yīng)的P值很小，我們有理由否定原假設(shè)，即承認(rèn)門限效應(yīng)，或者說(shuō)非對(duì)稱性的存在。

值得注意的是，以往對(duì)大小公司的劃分實(shí)際上忽略了中間“過(guò)渡”性規(guī)模企業(yè)的存在，也即“不大不小”規(guī)模的企業(yè)，他們同樣存在區(qū)別于其他規(guī)模的金融加速器效應(yīng)，體現(xiàn)在回歸模型中，我們應(yīng)該使用兩個(gè)分類標(biāo)準(zhǔn)將樣本切割為三部分，即模型：

q1與q2分別表示兩個(gè)閥值（閥值，即門限參數(shù)）水平。（3）式實(shí)際上是對(duì)門限模型（1）所進(jìn)行的模型設(shè)定檢驗(yàn)，在驗(yàn)證門限效應(yīng)確實(shí)存在后，必須繼續(xù)確認(rèn)是單閥值模型還是雙閥值模型，如果原假設(shè)單閥值效應(yīng)被否定，接受存在雙閥值的門限效應(yīng)模型。當(dāng)然，對(duì)于更多的閥值和更高階的檢驗(yàn)，重復(fù)上述過(guò)程即可。

為了進(jìn)一步考慮金融加速器效應(yīng)時(shí)期差異性和資產(chǎn)負(fù)債結(jié)構(gòu)非對(duì)稱性的交互作用，引入模型二：

這里T為時(shí)間虛擬變量，表示在經(jīng)濟(jì)下滑時(shí)期取1，經(jīng)濟(jì)增長(zhǎng)時(shí)取0。承接模型一的估計(jì)結(jié)果，本文使用已估的閥值q作為區(qū)分公司的門限參數(shù)（當(dāng)然，如果雙閥值的模型顯著成立，則（4）可以繼續(xù)擴(kuò)展，其他的情況不再贅述）。系數(shù)向量α的意義分別是：α11與α12表示資產(chǎn)負(fù)債率不大于q的企業(yè)在經(jīng)濟(jì)衰退和經(jīng)濟(jì)增長(zhǎng)時(shí)的金融加速器效應(yīng)；α21和α22分別表示資產(chǎn)負(fù)債率高于q的企業(yè)在經(jīng)濟(jì)衰退和增長(zhǎng)時(shí)的金融加速器效應(yīng)。關(guān)于經(jīng)濟(jì)下滑時(shí)期的定義，本文使用GDP增長(zhǎng)率來(lái)衡量，具體的標(biāo)準(zhǔn)是，如果后一年的GDP增長(zhǎng)率低于前一年，則記后一年為經(jīng)濟(jì)下滑年度，經(jīng)濟(jì)上升的年度依次類推。

（三）待論證命題

參照理論分析和以往實(shí)證研究結(jié)果，本文提出以下待論證命題：

命題1：以資產(chǎn)負(fù)債率為標(biāo)準(zhǔn)劃分的不同企業(yè)，金融加速器效應(yīng)存在差異，即模型一中，|α1|<|α2|。如果存在多閥值門限效應(yīng)，結(jié)果類推。

命題2：經(jīng)濟(jì)下滑時(shí)期的金融加速器效應(yīng)要大于經(jīng)濟(jì)增長(zhǎng)時(shí)期金融加速器效應(yīng)，即模型二中，|α11|<|α12|，|α21|<|α22|。如果存在多閥值效應(yīng)，則對(duì)每類分割的樣本而言，金融加速器時(shí)期效應(yīng)同時(shí)存在。

三、實(shí)證分析

（一）模型一

由于本文模型的數(shù)據(jù)結(jié)構(gòu)是703面板個(gè)體，時(shí)間維度為14期，屬于典型的短面板，在估計(jì)系數(shù)的標(biāo)準(zhǔn)差和進(jìn)行顯著性檢驗(yàn)時(shí)，為了排除擾動(dòng)項(xiàng)組內(nèi)自相關(guān)性，在門限參數(shù)的估計(jì)結(jié)束后，對(duì)方程的估計(jì)采用聚類穩(wěn)健的標(biāo)準(zhǔn)誤。首先考察門限效應(yīng)是否顯著存在的假設(shè)檢驗(yàn)：

表1顯示，單閥值效應(yīng)檢驗(yàn)，即原假設(shè)：不存在門限效應(yīng)，p值為0.04，在5%的水平上拒絕原假設(shè)，即存在門限效應(yīng)；同時(shí)，雙閥值效應(yīng)檢驗(yàn)中，原假設(shè)：只存在單閥值效應(yīng)（備擇假設(shè)為存在雙閥值效應(yīng)），P值為0.143，無(wú)法通過(guò)顯著性檢驗(yàn)，故認(rèn)為非線性的門限效應(yīng)存在，且為單閥值模型。

表2 門限效應(yīng)檢驗(yàn)

表3 門限參數(shù)點(diǎn)估計(jì)及區(qū)間估計(jì)

通過(guò)模型內(nèi)生選擇門限參數(shù)而最優(yōu)擬合非線性模型，得到門限參數(shù)q，也即資產(chǎn)負(fù)債比，估計(jì)值為0.6801。以此為界限，資產(chǎn)負(fù)債比高于0.6801，對(duì)應(yīng)于傳統(tǒng)金融加速器理論意義上的“小公司”，所受到金融加速器影響理論上應(yīng)大于資產(chǎn)負(fù)債率低于0.6801的公司。下表給出了不同年份的大公司和小公司的占比。

表4 各年份屬于不同資產(chǎn)負(fù)債比區(qū)間的公司比例（單位：%）

表5 模型一的回歸結(jié)果

表3所示，所有系數(shù)均通過(guò)1%水平的顯著性檢驗(yàn)，且經(jīng)濟(jì)學(xué)意義良好，投資關(guān)于企業(yè)規(guī)模偏效應(yīng)為負(fù)并非違反理論預(yù)期，這和本文變量的度量有關(guān)，因?yàn)檫@里投資使用的是投資對(duì)總資產(chǎn)的比值，只是企業(yè)規(guī)模越大，總資產(chǎn)的增長(zhǎng)速度越大于投資的增長(zhǎng)速度，所以表現(xiàn)出企業(yè)凈值的邊際效應(yīng)為負(fù)。投資對(duì)資產(chǎn)負(fù)債率顯著為負(fù)，說(shuō)明在中國(guó)制造業(yè)內(nèi)，企業(yè)層面存在明顯的金融加速器效應(yīng)，其中資產(chǎn)負(fù)債率高于0.68的企業(yè)金融加速器效應(yīng)為-0.122，即資產(chǎn)負(fù)債率提高1個(gè)百分點(diǎn)，投資率將會(huì)下降0.122個(gè)百分點(diǎn)；而資產(chǎn)負(fù)債率低于0.68的公司，投資對(duì)資產(chǎn)負(fù)債率的偏效應(yīng)只有-0.104，絕對(duì)值低于高負(fù)債率公司的0.122，說(shuō)明不同資產(chǎn)負(fù)債結(jié)構(gòu)的公司間存在不同的金融加速器效應(yīng)，這驗(yàn)證了我國(guó)制造業(yè)金融加速器效應(yīng)的非對(duì)稱性，只是不同于以往文獻(xiàn)的分析，本文對(duì)非線性區(qū)間的劃分，不是依據(jù)絕對(duì)的企業(yè)規(guī)模，而是資產(chǎn)負(fù)債結(jié)構(gòu)，然而這種做法的直覺(jué)依然是明顯的：在金融市場(chǎng)存在摩擦，信息不對(duì)稱的條件下，企業(yè)外部融資溢價(jià)和資產(chǎn)負(fù)債率成正比，因?yàn)檫^(guò)高的資產(chǎn)負(fù)債率意味著企業(yè)的還債能力弱，違約的可能性更大，所以在金融市場(chǎng)上借貸的風(fēng)險(xiǎn)溢價(jià)更高。

至此，命題1得到驗(yàn)證，即：以資產(chǎn)負(fù)債率為標(biāo)準(zhǔn)劃分的不同企業(yè)，金融加速器效應(yīng)存在差異，負(fù)債率高的企業(yè)金融加速器效應(yīng)大于負(fù)債率低的企業(yè)，表現(xiàn)在模型一中，|α1|<|α2|。

（二）模型二

模型二中，利用模型一的結(jié)果，直接按已估的門限參數(shù)將樣本分割，同時(shí)按照經(jīng)濟(jì)上升和下降的年份再次將樣本分割，進(jìn)而考察不同資產(chǎn)負(fù)債結(jié)構(gòu)的公司，在不同經(jīng)濟(jì)環(huán)境下表現(xiàn)出的金融加速器非對(duì)稱性。依據(jù)前文的年份劃分方式，選取2002、2003、2005、2006、2009、2012、2013、2014，八個(gè)年份為經(jīng)濟(jì)下降期，其余的年份為經(jīng)濟(jì)上升期。同模型一的回歸分析一致，模型二仍然使用聚類穩(wěn)健標(biāo)準(zhǔn)誤。

表6 模型二回歸結(jié)果

T*Debt*I(Debt>q)表示經(jīng)濟(jì)下降年份低高負(fù)債率公司的投資對(duì)滯后一期的資產(chǎn)負(fù)債率偏系數(shù)，T*I(Debt<=q)*Debt表示經(jīng)濟(jì)下降年份低負(fù)債率公司的偏系數(shù)，(1-T)*I(Debt>q)*Debt表示經(jīng)濟(jì)上升年份高負(fù)債率公司的偏系數(shù)，(1-T)*I(Debt<=q)*Debt表示濟(jì)上升年份低負(fù)債率公司的偏系數(shù)。

由表5知，在經(jīng)濟(jì)下行時(shí)期，資產(chǎn)負(fù)債率高于0.68的企業(yè)金融加速器效應(yīng)為-0.128，負(fù)債率低于此值的公司，金融加速器效應(yīng)為-0.108；在經(jīng)濟(jì)上升時(shí)期，資產(chǎn)負(fù)債率高于0.68的企業(yè)金融加速器效應(yīng)為-0.104，負(fù)債率低于此值的公司，金融加速器效應(yīng)為-0.091。這個(gè)結(jié)果不僅說(shuō)明了金融加速器效應(yīng)在不同資產(chǎn)負(fù)債結(jié)構(gòu)和外部經(jīng)濟(jì)環(huán)境下呈現(xiàn)明顯的差異性，同時(shí)這種非對(duì)稱性與理論預(yù)期非常吻合?？刂仆獠拷?jīng)濟(jì)環(huán)境，從不同資產(chǎn)負(fù)債結(jié)構(gòu)引至的差異性上看，在經(jīng)濟(jì)上行時(shí)期，高負(fù)債公司的偏系數(shù)絕對(duì)值0.104大于低負(fù)債的0.09，在經(jīng)濟(jì)下行時(shí)期，高負(fù)債公司偏系數(shù)絕對(duì)值0.128大于低負(fù)債公司的0.108，說(shuō)明在任何時(shí)期，負(fù)債率高的企業(yè)金融加速器效應(yīng)大于低負(fù)債企業(yè)；而控制公司資產(chǎn)負(fù)債結(jié)構(gòu)，從不同時(shí)期外部經(jīng)濟(jì)環(huán)境引至的差異性來(lái)看，資產(chǎn)負(fù)債率高于0.68的企業(yè)，在經(jīng)濟(jì)下行時(shí)的金融加速器效應(yīng)為-0.128，絕對(duì)大于其在上行時(shí)期的效應(yīng)-0.104，資產(chǎn)負(fù)債率低于0.68的企業(yè)，在經(jīng)濟(jì)下行時(shí)的金融加速器效應(yīng)為-0.108，絕對(duì)大于其在上行時(shí)期的-0.091，說(shuō)明控制住不同的資產(chǎn)負(fù)債結(jié)構(gòu)，經(jīng)濟(jì)下行時(shí)期的金融加速器效應(yīng)要大于經(jīng)濟(jì)上行時(shí)期金融加速器效應(yīng)。這種資產(chǎn)負(fù)債結(jié)構(gòu)和經(jīng)濟(jì)環(huán)境的交互非對(duì)稱性很好的符合了理論預(yù)期。

至此，命題二得到驗(yàn)證，即：經(jīng)濟(jì)下滑時(shí)期的金融加速器效應(yīng)要大于經(jīng)濟(jì)增長(zhǎng)時(shí)期金融加速器效應(yīng)，體現(xiàn)在模型二中，|α11|<|α12|，|α21|<|α22|。

四、結(jié)論與啟示

本文利用中國(guó)制造業(yè)703家上市公司2001年到2014年年度財(cái)務(wù)數(shù)據(jù)和相關(guān)宏觀數(shù)據(jù)，運(yùn)用門限面板回歸模型，實(shí)證分析了我國(guó)制造業(yè)微觀企業(yè)層面金融加速器效應(yīng)的非對(duì)稱性，具體的結(jié)論如下：（1）我國(guó)制造業(yè)企業(yè)依資產(chǎn)負(fù)債結(jié)構(gòu)的不同存在明顯的金融加速器效應(yīng)非對(duì)稱性。（2）將考察非對(duì)稱性的樣本分割內(nèi)生化處理，即構(gòu)造門限參數(shù)并進(jìn)行估計(jì)，得出資產(chǎn)負(fù)債比0.68為劃分樣本的標(biāo)準(zhǔn)，為門限參數(shù)估計(jì)結(jié)果。資產(chǎn)負(fù)債比高于0.68的企業(yè)金融加速器效應(yīng)要明顯大于資產(chǎn)負(fù)債比低于0.68的企業(yè)。（3）共同考察資產(chǎn)負(fù)債結(jié)構(gòu)和外部經(jīng)濟(jì)環(huán)境的交互作用和其非線性表現(xiàn)形式，發(fā)現(xiàn)控制住外部經(jīng)濟(jì)環(huán)境，資產(chǎn)負(fù)債率高于0.68企業(yè)的金融加速器效應(yīng)要明顯大于資產(chǎn)負(fù)債率低于0.68企業(yè)的金融加速器效應(yīng)；控制住企業(yè)間不同的資產(chǎn)負(fù)債結(jié)構(gòu)，經(jīng)濟(jì)下行時(shí)期，企業(yè)的金融加速器效應(yīng)，要明顯大于經(jīng)濟(jì)下行時(shí)期企業(yè)的金融加速器效應(yīng)，說(shuō)明我國(guó)制造業(yè)的確存在依資產(chǎn)負(fù)債結(jié)構(gòu)和外部經(jīng)濟(jì)環(huán)境差異而產(chǎn)生的金融加速器效應(yīng)非對(duì)稱性。

本文研究意味著：政府在制定相應(yīng)的貨幣政策促進(jìn)制造業(yè)發(fā)展時(shí)，應(yīng)考慮到其公司層面的金融加速器效應(yīng)和其非對(duì)稱性，具體的信貸政策應(yīng)針對(duì)不同資產(chǎn)負(fù)債結(jié)構(gòu)的企業(yè)差別對(duì)待。而在運(yùn)用貨幣及信貸政策調(diào)整經(jīng)濟(jì)短期波動(dòng)時(shí)，更要針對(duì)在經(jīng)濟(jì)景氣或衰退時(shí)，金融加速器效應(yīng)的不同特征，相機(jī)干預(yù)。

[1]曹永琴.中國(guó)貨幣政策行業(yè)非對(duì)稱效應(yīng)研究——基于30個(gè)行業(yè)面板數(shù)據(jù)的實(shí)證研究[J].上海經(jīng)濟(jì)研究,2011,(01):3-15.

[2]趙振全,于震,劉淼.金融加速器效應(yīng)在中國(guó)存在嗎?[J].經(jīng)濟(jì)研究,2007,(06):27-38.

[3]袁申國(guó),陳平,劉蘭鳳.匯率制度、金融加速器和經(jīng)濟(jì)波動(dòng)[J].經(jīng)濟(jì)研究,2011,(01):57-70.

[4]袁申國(guó),劉蘭鳳.中國(guó)金融加速器效應(yīng)的地區(qū)差異比較研究[J].財(cái)經(jīng)研究,2011,(11):91-101.

[5]B.S.Bernake&M.Gertler.Agency Cost,Net Worth,and Business Fluctuations[J].America Economic Review,1989，(03)：45-47.

[6]M.Gertler,S.Gilchrist.Monetary Policy,Business Cycle and the Behavior of Small Manufacture Firms[J].NBER working paper, 1991，(04):21-22.

[7]B.S.Bernake,M.Gertler,S.Gilchrist.The Financial Accelerator and the Flight to Quality [J].Review of Economics and Statistics,1996，(05):33-35.

[8]B.S.Bernanke,M.Gertler,S.Gilchrist.The Financial Accelerator in a Quantitative Business Cycle Framework [Z].NBER working paper,1998:3-6.

[9]R.B.Hansen. Threshold Effects in Non-dynamic Panels: Estimation,Testing,and Inference [J].Journal of Econometrics, 1993，(02):345-368.

[10]B.Mojon,F.Smets,P.Vermeulen.Investment and Monetary Policy in the Euro Area[J].Journal of Banking and Finance.2002,26: 2111-2129.

[11]P.Vermeulen.Business Fixed Investment:Evidence of a Financial Accelerator in Europe[J].Oxford Bulletin of Econoics and Statistics. 2002,64，(03):217-235.

夏飛，上海海事大學(xué)經(jīng)濟(jì)管理學(xué)院碩士研究生。

F832.3

A

1008-4428（2016）06-26-04