山東省企業(yè)融資需求綜合指數(shù)研究與應(yīng)用

趙 杉劉曉東關(guān) 健

（1.中國人民銀行濟南分行，山東 濟南250021；2.中國人民銀行菏澤市中心支行，山東 菏澤274000）

山東省企業(yè)融資需求綜合指數(shù)研究與應(yīng)用

趙 杉1劉曉東1關(guān) 健2

（1.中國人民銀行濟南分行，山東 濟南250021；2.中國人民銀行菏澤市中心支行，山東 菏澤274000）

本文依托山東省企業(yè)財務(wù)數(shù)據(jù)調(diào)查、企業(yè)家問卷調(diào)查、銀行家問卷調(diào)查的數(shù)據(jù)結(jié)果和企業(yè)實際運營數(shù)據(jù)，研究運用動態(tài)因子分析方法編制企業(yè)融資需求綜合指數(shù)（FRI）。同時，從22個行業(yè)中選取高耗能行業(yè)和高新技術(shù)行業(yè)，基于PVAR模型對影響融資需求指數(shù)的宏、微觀因素進行分離解析。結(jié)果顯示，高耗能行業(yè)短期融資需求具有順周期性，中期受經(jīng)濟周期影響較小，高新技術(shù)行業(yè)中短期融資需求受經(jīng)濟周期的影響均不顯著。從流動性角度看，短期流動性增加不會對高耗能行業(yè)和高新技術(shù)行業(yè)融資需求產(chǎn)生顯著影響，但中期流動性增加可以刺激高耗能行業(yè)融資需求提升，同時降低高新技術(shù)行業(yè)的融資意愿。

動態(tài)因子分析；企業(yè)融資需求綜合指數(shù)；PVAR模型

一、引言

當前，部分行業(yè)企業(yè)產(chǎn)能過剩、盈利收窄、償債能力下降，金融機構(gòu)綜合平衡收益和風險，收緊信貸政策、提高準入門檻，企業(yè)資金來源受限；隨著信貸資產(chǎn)質(zhì)量管控壓力增加，金融機構(gòu)對客戶群體的選擇更趨謹慎，部分中小企業(yè)正常生產(chǎn)經(jīng)營的融資需求得不到有效滿足。由于固定貸款利率同市場實際資本利息存在差異，銀行有套利空間可尋，通過理財資金投資非標資產(chǎn)等諸多方式，使資金在金融體系內(nèi)空轉(zhuǎn)，融通環(huán)節(jié)拉長、資金成本提升、使用效率下降，并未真正對實體經(jīng)濟形成及時有效的支撐。因此，了解企業(yè)真實資金需求，根據(jù)需求變化靈活調(diào)整金融資源配置的結(jié)構(gòu)和方向，引導(dǎo)信貸資金向重點領(lǐng)域和薄弱環(huán)節(jié)傾斜，既能提高金融服務(wù)的針對性、有效性，也是銀企互聯(lián)、互通、互信的應(yīng)有之義。

企業(yè)融資需求大小和滿足程度高低是銀行貸款利率水平、貸款難易程度、企業(yè)經(jīng)營狀況、產(chǎn)品市場需求、資金周轉(zhuǎn)狀況等各項因素共同作用的結(jié)果，不同因素的影響程度和方向存在差異，單個或幾個指標難以有效反映融資需求的整體情況。20世紀90年代以來，人民銀行先后建立5000戶企業(yè)財務(wù)數(shù)據(jù)調(diào)查、企業(yè)家問卷調(diào)查、銀行家問卷調(diào)查等多項調(diào)查制度，20多年的時序調(diào)查數(shù)據(jù)為開展研究分析提供了重要保障。因此，本文依托各項調(diào)查數(shù)據(jù)結(jié)果和企業(yè)實際運營數(shù)據(jù)，編制綜合性融資需求指數(shù)，以期準確、持續(xù)、動態(tài)反映企業(yè)融資需求狀況，監(jiān)測市場供求關(guān)系變化，引導(dǎo)信貸資金向重點領(lǐng)域和薄弱環(huán)節(jié)傾斜，提高金融服務(wù)的針對性和有效性。

文章的結(jié)構(gòu)安排如下：首先，梳理專家學者有關(guān)企業(yè)融資需求和綜合性指數(shù)編制的研究成果，選擇運用動態(tài)因子分析方法構(gòu)建多維度指標體系，編制企業(yè)融資需求綜合指數(shù)。其次，將監(jiān)測企業(yè)按照行業(yè)進行分類，以各行業(yè)指標數(shù)據(jù)作為研究對象，依次進行公因子提取、因子載荷矩陣計算、得分矩陣計算、數(shù)據(jù)歸一化處理、綜合指數(shù)合成等步驟，最終得到企業(yè)融資需求綜合時序指數(shù)。最后，對計算結(jié)果進一步驗證分析，基于PVAR模型將影響企業(yè)融資需求變化的各項宏、微觀因素進行分離，通過客觀數(shù)據(jù)體現(xiàn)不同因素的影響程度，并與主觀感受相互印證。

二、文獻綜述

（一）企業(yè)融資需求研究現(xiàn)狀

當前，國內(nèi)外專家學者大都是在宏觀層面圍繞企業(yè)融資需求的現(xiàn)狀、特點、影響因素、解決途徑等方面進行分析，研究對象多以中型、小型、微型企業(yè)為主。鮮少有依托具體指標數(shù)據(jù)，對某一企業(yè)群體總體融資需求趨勢性、階段性變化的持續(xù)監(jiān)測。

融資特點方面，蒲祖河（2007）認為，中小企業(yè)在成長和發(fā)展的不同階段具有不同的融資需求特征；李建軍和胡鳳云（2013）認為，由于正規(guī)金融系統(tǒng)資金難以進入中小企業(yè)，中小企業(yè)面臨結(jié)構(gòu)性資金供給不足的困境。融資影響因素方面，羅荷花和李明賢（2016）認為，小微企業(yè)普遍有著強烈的融資需求，但難以獲得所需的發(fā)展資金，期望融資比率越大、信用狀況越差的小微企業(yè)，融資可獲得性越低。融資需求解決途徑方面，惠恩才（2010）認為，解決中小企業(yè)融資難，要加大金融創(chuàng)新步伐，構(gòu)建多層次融資體系，拓展直接融資渠道。華荷峰（2014）認為，只有將發(fā)展目標定位在基礎(chǔ)能力之上，科技型中小企業(yè)的投入才會更加積極，才能吸引相關(guān)主體參與并推廣知識產(chǎn)權(quán)融資。

（二）指數(shù)編制的研究現(xiàn)狀

編制指數(shù)是應(yīng)用基礎(chǔ)數(shù)據(jù)、研究反映社會經(jīng)濟現(xiàn)象的常用方法。高鐵梅和梁云芳（2006）將我國重要領(lǐng)域和宏觀總量景氣指數(shù)結(jié)合，構(gòu)建多維數(shù)據(jù)結(jié)構(gòu)框架，系統(tǒng)性監(jiān)測我國經(jīng)濟周期波動的總體狀況和經(jīng)濟未來發(fā)展趨勢。許滌龍、劉妍瓊和封艷紅（2014）為編制金融狀況指數(shù)，對不同賦權(quán)方法進行了比較研究，運用VAR模型方法和因子分析法構(gòu)建的指數(shù)預(yù)測效果較好。李庭輝和陳璐（2014）利用熵權(quán)法編制了中國經(jīng)濟轉(zhuǎn)型總成本綜合指數(shù)。陳黎明、廖高可和李正輝（2015）從安全性、流動性、盈利性、創(chuàng)新能力、發(fā)展能力和經(jīng)營效率六個方面構(gòu)建評價指標體系，采用因子分析法對我國上市中小商業(yè)銀行競爭力進行實證分析。

三、企業(yè)融資需求指數(shù)的指標選擇及編制方法

（一）企業(yè)融資需求指數(shù)的指標選擇

本文從企業(yè)財務(wù)數(shù)據(jù)調(diào)查、企業(yè)家問卷調(diào)查、銀行家問卷調(diào)查三項調(diào)查合計300余項指標中抽取備選指標。指標選取遵循以下原則：一是直接相關(guān)原則。調(diào)查主體不同，對同一問題反映的準確度和靈敏度也存在差異，指標與融資需求相關(guān)性越高，編制結(jié)果越合理。因此篩選時應(yīng)選取與企業(yè)自身融資需求關(guān)系最為直接的指標。二是口徑一致原則。20世紀90年代各項調(diào)查制度建立以來，其間幾經(jīng)調(diào)整，歷次調(diào)整都會刪減或新增部分指標，也會對某些指標的問題和選項進行改動，導(dǎo)致指標之間時序長短不一、前后口徑發(fā)生變化。為保證指標時序統(tǒng)一，避免口徑變化對調(diào)查結(jié)果產(chǎn)生系統(tǒng)性影響，在篩選過程中要做到逐個核實。

按照上述方法和原則，初步選取指標28個，其中企業(yè)財務(wù)數(shù)據(jù)調(diào)查指標10個、企業(yè)家問卷調(diào)查指標12個、銀行家問卷調(diào)查指標6個。同時，根據(jù)指標含義，簡單劃分為外部融資環(huán)境、生產(chǎn)經(jīng)營需求、資金流動性狀況三大類，以及融資成本、融資難易、經(jīng)營信心、總體需求、經(jīng)營性資金需求、投資性資金需求、償債能力、資金周轉(zhuǎn)狀況、杠桿水平等九小類。以季度為頻度，截取2010年第一季度—2017年第二季度30個時點的連續(xù)時間序列數(shù)據(jù)，綜合考慮時序長度和指標個數(shù)的關(guān)系，對初步選取的28個指標進行相關(guān)性檢驗，最終確定用于研究的15個指標（見表1）。

表1：最終確定用于研究的15個指標數(shù)據(jù)

（二）企業(yè)融資需求指數(shù)編制方法

為了能夠直觀體現(xiàn)企業(yè)融資需求的趨勢性和階段性變化，我們選用連續(xù)時間序列數(shù)據(jù)進行分析和研究。由于連續(xù)時間序列數(shù)據(jù)之間可能存在相關(guān)性，不符合常規(guī)因子分析方法對基礎(chǔ)數(shù)據(jù)的基本要求，因此我們選擇動態(tài)因子分析方法進行數(shù)據(jù)的處理分析和指數(shù)的編制。

1.動態(tài)因子分析法。動態(tài)因子分析法基于傳統(tǒng)因子分析方法，綜合考慮樣本個體、變量指標和時間序列三種因素，構(gòu)造三維陣列的多元統(tǒng)計分析方法。在繼承傳統(tǒng)因子分析優(yōu)點的同時，動態(tài)因子分析法克服常規(guī)因子分析不能直接作用于時間序列數(shù)據(jù)的缺憾，實現(xiàn)對三維數(shù)據(jù)的全面綜合評價。具體分析步驟如下：

（1）對三維數(shù)據(jù)xijt進行Z標準化處理，去除量綱化影響，得到Zijt，其中，i表示第i個觀測值（個體），j表示第j個變量，t表示第t個時間點。

（2）根據(jù)各時點的協(xié)方差矩陣S(t)，計算求得平均矩陣ST，具體公式如下：

（3）計算ST的特征值、特征向量，以及各個公因子的方差貢獻率和累積方差貢獻率。

（4）根據(jù)各個公因子的方差貢獻率，提取公因子，建立因子載荷矩陣。

（5）通過如下公式計算各個體的靜態(tài)得分矩陣：

其中：

表示個體平均向量，表示總體平均向量，ah表示特征向量；

（6）計算動態(tài)得分矩陣，具體計算公式如下所示：

（7）以各主成分所對應(yīng)的特征根占所提取主成分對應(yīng)的總特征根之和的比例作為權(quán)重，計算主成分綜合得分。

2.PVAR模型。模型由Holtz-Eakin在1988年提出，繼承傳統(tǒng)VAR模型優(yōu)點的同時，兼具自身特色。首先，該模型可以減少傳統(tǒng)VAR模型的多重共線和內(nèi)生性問題，著重分析解釋變量和被解釋變量相互沖擊下的動態(tài)反應(yīng)。其次，只要T≥m+3（T為時間序列長度，m為滯后項長度）便可對模型的參數(shù)進行估計，且當T≥2m+2時，可在穩(wěn)態(tài)下估計滯后變量的參數(shù)，因此該模型可用于時間序列長度較小的樣本分析。第三，該模型中所用變量都可視為內(nèi)生變量，通過正交化脈沖響應(yīng)函數(shù)，分離得到其中一個內(nèi)生變量的沖擊對其他內(nèi)生變量產(chǎn)生影響的程度，同時引入個體效應(yīng)和時點效應(yīng)變量，分別捕捉個體差異性和不同截面受到的共同沖擊。最后，在GMM估計下，該模型的Helmert過程具有良好的統(tǒng)計性質(zhì)。

四、企業(yè)融資需求指數(shù)的編制和分析

（一）運用動態(tài)因子分析法編制企業(yè)融資需求指數(shù)

1.計算各公因子的方差貢獻率和累積方差貢獻率。按照動態(tài)因子分析方法的計算步驟，首先對篩選出的三維指標數(shù)據(jù)進行去量綱化處理，計算平均矩陣及其特征值和特征向量，得到各個公因子的方差貢獻率和累積方差貢獻率。在此基礎(chǔ)上，按照累積方差貢獻率大于85%的原則，提取6個公因子，6個公因子的累積方差貢獻率為85.09%（見表2）。

表2：前6項公因子的特征值、方差貢獻率和累積方差貢獻率

2.對公因子分類命名。提取公因子后，為了更好地反映每個公因子所代表的信息，采用方差最大法計算得到因子載荷矩陣（見表3）。其中：

F1因子在企業(yè)總體經(jīng)營狀況、國內(nèi)產(chǎn)品訂單、固定資產(chǎn)投資支出上具有較大載荷，這三個指標主要體現(xiàn)企業(yè)生產(chǎn)經(jīng)營狀況，命名為企業(yè)經(jīng)營景氣因子。

F2因子在企業(yè)資金周轉(zhuǎn)狀況、銀行貸款獲得情況、貸款需求三個指標上具有較大載荷，命名為貸款需求程度因子。

F3因子在流動比率、資產(chǎn)負債率、利息保障倍數(shù)、流動資產(chǎn)周轉(zhuǎn)率、負債融資占比等五個指標上具有較大載荷，命名為企業(yè)償債能力因子。

F4因子在銀行貸款利率水平、貸款審批條件兩個指標上具有較大載荷，這兩個指標反映資金供給方的政策和價格對企業(yè)融資需求的影響，命名為企業(yè)議價能力因子。

F5因子、F6因子分別在出口產(chǎn)品訂單、企業(yè)盈利情況兩個指標上具有較大載荷，分別命名為出口需求因子、盈利能力因子。

表3：因子載荷矩陣

前文提到，動態(tài)因子分析方法要求基礎(chǔ)數(shù)據(jù)是一個三維數(shù)據(jù)。因此，在指標和時間序列已經(jīng)構(gòu)成數(shù)據(jù)兩個維度的基礎(chǔ)上，考慮增加分行業(yè)維度，以滿足方法對基礎(chǔ)調(diào)查數(shù)據(jù)的要求。目前，山東省408戶監(jiān)測企業(yè)分布在26個行業(yè)，其中石油和天然氣開采（1戶）、印刷復(fù)制（2戶）、其他工業(yè)（2戶）企業(yè)數(shù)量較少，電氣熱由于行業(yè)特殊性沒有出口產(chǎn)品訂單指標，因此在后面的計算過程中將這4個行業(yè)剔除，只保留剩余的22個行業(yè)。

3.計算分行業(yè)得分矩陣和行業(yè)融資需求指數(shù)。按照既有公式，分別計算各個體的平均得分矩陣、動態(tài)得分矩陣。由于因子得分是標準化之后的數(shù)據(jù)，分值圍繞0上下波動，可能會出現(xiàn)正負相間的情況。在這樣的情況下，單純依靠因子得分只能進行簡單的排序，不能直觀判斷融資需求的大??；更不能因為得分為負，就片面地認為融資需求也是負的。因此我們考慮通過如下公式對動態(tài)因子得分進行指數(shù)化處理，使其均衡地分布在0-100之間（見表4）：

其中，xit表示第i個行業(yè)在t時點的因子得分，indexit表示第i個行業(yè)在t時點的融資需求指數(shù)，X表示包含各行業(yè)不同時點得分值的集合。該公式的實質(zhì)是以maxX作為xit的參照值，將xit與最小得分值的距離占最大距離的比值作為反映融資需求大小的指數(shù)。

受篇幅限制，表4中并未將全部時點的數(shù)據(jù)列出，僅列出部分調(diào)查年度第一季度的數(shù)據(jù)，但各行業(yè)的平均值和綜合排名是基于所有時點數(shù)據(jù)計算所得。其中，數(shù)字1—22分別代表電氣機械及家電制造、紡織、化學原料制品、機械設(shè)備制造、交通運輸設(shè)備制造、食飲煙、醫(yī)藥制造、造紙及紙制品、電子及通信設(shè)備制造、非金屬礦采選、非金屬礦物品、服裝及纖維、黑色金屬冶煉及壓延加工、化學纖維制品、金屬礦采選、金屬制品、煤炭采選業(yè)、石油加工煉焦、塑料制品、橡膠制品、儀器儀表、有色金屬冶煉及壓延加工等22個行業(yè)。

4.計算全省監(jiān)測企業(yè)融資需求綜合指數(shù)。以各時點、各行業(yè)工業(yè)總產(chǎn)值的占比作為權(quán)重，將各時點、各行業(yè)的融資需求指數(shù)加權(quán)求和，即可得到山東省企業(yè)融資需求綜合指數(shù)的時間序列（見表5）。

表4：22個行業(yè)部分間斷時點的指標數(shù)據(jù)和綜合排名

（二）融資需求指數(shù)編制結(jié)果簡析

1.根據(jù)編制方法，融資需求指數(shù)應(yīng)與PMI等指數(shù)類似，分布在0—100%的區(qū)間范圍。編制結(jié)果顯示，山東省企業(yè)融資需求指數(shù)在40%—60%的區(qū)間波動，分布范圍合理。

2.為了更直觀地觀察企業(yè)融資需求綜合指數(shù)的時序效果，我們將指數(shù)分別與工業(yè)固定資產(chǎn)投資累計同比增速和制造業(yè)固定資產(chǎn)投資累計同比增速進行時差相關(guān)性檢驗。結(jié)果顯示，企業(yè)融資需求綜合指數(shù)先行于制造業(yè)固定資產(chǎn)投資累計同比增速兩個季度，時差相關(guān)系數(shù)為0.63。這與基礎(chǔ)數(shù)據(jù)全部來源于制造業(yè)企業(yè)，以及需求轉(zhuǎn)化為實際投放需要一定的實現(xiàn)過程相吻合。

3.為進一步觀察各行業(yè)融資需求指數(shù)的趨勢性變化，我們利用HP濾波法將各行業(yè)指數(shù)序列進行趨勢分解，去除季節(jié)因素和循環(huán)因素影響，得到長期趨勢項。以醫(yī)藥制造業(yè)、紡織業(yè)、黑色金屬冶煉及壓延加工業(yè)為例，觀察其融資需求指數(shù)的時序變化趨勢。

表5：2010年第一季度—2017年第一季度山東省企業(yè)融資需求指數(shù)

（1）醫(yī)藥制造業(yè)。目前監(jiān)測企業(yè)中有醫(yī)藥制造企業(yè)16戶，以大型優(yōu)質(zhì)企業(yè)居多。作為新動能的代表行業(yè)之一，監(jiān)測的醫(yī)藥制造企業(yè)總體生產(chǎn)經(jīng)營狀況較好，盈利能力較強，融資渠道和融資方式的選擇相對多元，對以銀行貸款為主要形式的間接融資需求呈現(xiàn)下降態(tài)勢（見圖1）。

（2）紡織業(yè)。當前山東省紡織企業(yè)以中小型企業(yè)居多，產(chǎn)品附加值偏低，市場競爭激烈，總體生產(chǎn)經(jīng)營景氣度相對低迷。監(jiān)測企業(yè)結(jié)構(gòu)與山東省情況相似。從圖2顯示的情況看，近幾年紡織企業(yè)在金融機構(gòu)行業(yè)信貸政策收緊和自身轉(zhuǎn)型升級需要的共同作用下，融資需求指數(shù)有所回升；同時，由于多數(shù)企業(yè)仍以謹慎穩(wěn)健的生產(chǎn)經(jīng)營策略為主，融資需求指數(shù)回升相對溫和。

圖1：醫(yī)藥制造業(yè)融資需求指數(shù)趨勢圖

圖2：紡織行業(yè)融資需求指數(shù)趨勢圖

圖3：黑色金屬冶煉和壓延加工業(yè)融資需求指數(shù)趨勢圖

（3）黑色金屬冶煉及壓延加工業(yè)。黑色金屬冶煉及壓延加工業(yè)（該行業(yè)監(jiān)測企業(yè)主要是鋼鐵企業(yè)）融資需求指數(shù)總體呈現(xiàn)先減后增的“U”形變化態(tài)勢。2010年以來，受我國宏觀經(jīng)濟“三期疊加”影響，行業(yè)產(chǎn)能過剩問題凸顯，經(jīng)營效益下降，融資需求趨弱。隨著2013年10月國務(wù)院《關(guān)于化解產(chǎn)能嚴重過剩矛盾的指導(dǎo)意見》等文件相繼出臺，行業(yè)過剩產(chǎn)能化解和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整步伐加快。在金融機構(gòu)信貸政策收緊、外部資金來源受限、環(huán)保支出等生產(chǎn)經(jīng)營成本不斷增加的共同影響下，企業(yè)經(jīng)營性融資需求提升；同時，在推進新舊動能轉(zhuǎn)換的政策背景下，企業(yè)淘汰舊動能、培育新動能的融資需求也相應(yīng)有所增加（見圖3）。

（三）融資需求指數(shù)編制方法的推廣應(yīng)用

按照前述融資需求指數(shù)編制的方法原理，我們同樣可以嘗試用分規(guī)模、分所有制的時間序列數(shù)據(jù)組成面板數(shù)據(jù)，編制相應(yīng)的融資需求指數(shù)并觀察變化趨勢。以分規(guī)模為例，利用HP濾波法將編制得到的大型企業(yè)指數(shù)序列和小微型企業(yè)指數(shù)序列進行趨勢分解，去除季節(jié)因素和循環(huán)因素影響，得到長期趨勢項（見圖4）。

圖4中DXQY為大型企業(yè)融資需求指數(shù)的長期趨勢曲線，XWQY為小微型企業(yè)的長期趨勢曲線?？梢钥闯觯海?）大型企業(yè)由于融資渠道相對廣泛、信貸資源的競爭力較強，基本融資需求的滿足可以得到保證，融資需求指數(shù)總體變動較為平穩(wěn)。（2）小微型企業(yè)受制于自身規(guī)模、財務(wù)制度、盈利能力以及金融機構(gòu)信貸政策、風險把控等諸多因素，融資需求不能得到有效滿足，融資需求指數(shù)總體呈現(xiàn)上升態(tài)勢。（3）近三年來，小微型企業(yè)的融資需求指數(shù)始終高于大型企業(yè)，表明當前小微型企業(yè)的融資意愿和需求較大型企業(yè)更為迫切。

圖4：大型企業(yè)和小微型企業(yè)融資需求指數(shù)趨勢圖

五、基于PVAR模型的企業(yè)融資需求指數(shù)宏觀影響因素分析

編制企業(yè)融資需求指數(shù)時構(gòu)建的指標體系，采用的指標均為調(diào)查數(shù)據(jù)、財務(wù)數(shù)據(jù)等微觀指標，未包括外部宏觀經(jīng)濟指標。無論企業(yè)家問卷調(diào)查數(shù)據(jù)還是銀行家問卷調(diào)查數(shù)據(jù)，都是參與調(diào)查微觀主體基于宏觀經(jīng)濟狀況、結(jié)合自身實際情況作出的客觀判斷和預(yù)期。為了解內(nèi)、外部因素以及不同外部因素的影響程度，我們以經(jīng)濟周期和貨幣供應(yīng)量作為宏觀影響因素，從22個行業(yè)中選取高耗能行業(yè)和高新技術(shù)行業(yè)兩種類型，運用PVAR模型進行對比分析。其中，高耗能行業(yè)包括化學原料制品、非金屬礦物品、石油加工煉焦、黑色金屬冶煉及壓延加工業(yè)、有色金屬冶煉及壓延加工業(yè)等5個行業(yè)；高新技術(shù)行業(yè)包括醫(yī)藥制造業(yè)、電氣機械及家電制造業(yè)、電子及通信設(shè)備制造業(yè)、儀器儀表等4個行業(yè)。

（一）模型選擇

建立PVAR模型如下：

其中，yit為包含各指標的向量，αi為反映個體異質(zhì)性的變量，γi,t為反映個體時點效應(yīng)的變量，誤差項ui,t為服從正態(tài)分布的擾動項。下文中，用index表示各行業(yè)融資需求指數(shù)，用山東省GDP累計同比增速（RGDP）衡量經(jīng)濟周期，用M2/GDP（LI）衡量宏觀流動性。

（二）檢驗過程及估計結(jié)果分析

1.單位根檢驗。盡管面板數(shù)據(jù)形式可以降低變量間的相關(guān)性，但仍需對時間序列變量的平穩(wěn)性進行檢驗。本文選擇LLC和IPS兩種方法進行單位根檢驗，結(jié)果顯示：無論是高耗能行業(yè)還是高新技術(shù)行業(yè)，各指標序列在5%顯著水平下都是平穩(wěn)的。

2.GMM估計結(jié)果。估計面板數(shù)據(jù)之前，通常需要消除樣本中的固定效應(yīng)，克服模型中時點效應(yīng)和個體效應(yīng)造成的估計系數(shù)偏差。本文使用截面均值差分消除時點效應(yīng)γi,t，使用向前均值差分（Helmert轉(zhuǎn)換）消除個體效應(yīng)αi，確保滯后變量與轉(zhuǎn)換后的變量正交，從而將滯后變量作為工具變量進行估計。分別用GMM方法對高耗能行業(yè)和高新技術(shù)行業(yè)的PVAR模型進行估計，如表7所示。

表6：時間序列變量單位根檢驗結(jié)果

表7：PVAR模型GMM估計結(jié)果

根據(jù)表7的估計結(jié)果：（1）從短期看，經(jīng)濟周期對高耗能行業(yè)融資需求的提高具有正向作用，對高新技術(shù)行業(yè)的影響不顯著；從中期看，經(jīng)濟周期對高耗能行業(yè)和高新技術(shù)行業(yè)的影響均不顯著。（2）對于高耗能行業(yè)和高新技術(shù)行業(yè)而言，短期流動性的增加不會對融資需求產(chǎn)生顯著影響；中期流動性對高耗能行業(yè)有顯著正向影響、對高新技術(shù)行業(yè)有顯著負向影響，中期流動性增加可以刺激高耗能行業(yè)融資需求提升，同時降低高新技術(shù)行業(yè)的融資意愿。

表8是方差分解結(jié)果。分別選擇對高耗能行業(yè)和高新技術(shù)行業(yè)10、20、30預(yù)測期進行比較，可以看出：一是10期預(yù)測值與20、30期預(yù)測值之間已無明顯差異，說明10期之后，系統(tǒng)基本穩(wěn)定。二是高耗能行業(yè)和高新技術(shù)行業(yè)融資需求指數(shù)的變動受自身影響較大，自身因素的方差貢獻率分別為85.8%、81.9%。

六、小結(jié)

本文依托山東省企業(yè)財務(wù)數(shù)據(jù)調(diào)查、企業(yè)家問卷調(diào)查、銀行家問卷調(diào)查等制度性調(diào)查的數(shù)據(jù)結(jié)果，以及企業(yè)實際運營數(shù)據(jù)，運用動態(tài)因子分析方法編制企業(yè)融資需求綜合指數(shù)。通過結(jié)果分析，企業(yè)融資需求綜合指數(shù)先行于制造業(yè)固定資產(chǎn)投資累計同比增速兩個季度，時差相關(guān)系數(shù)為0.63，這與基礎(chǔ)數(shù)據(jù)全部來源于制造業(yè)企業(yè)，以及需求轉(zhuǎn)化為實際投放需要一定的實現(xiàn)過程相吻合。分行業(yè)看，醫(yī)藥制造業(yè)總體融資需求指數(shù)呈現(xiàn)下降態(tài)勢，紡織行業(yè)近兩年溫和回升，黑色金屬冶煉及壓延加工業(yè)（監(jiān)測企業(yè)主要是鋼鐵企業(yè)）呈現(xiàn)先減后增的“U”形變化態(tài)勢。分規(guī)?？?，大型企業(yè)融資需求指數(shù)變動較為平穩(wěn)，小微企業(yè)呈上升態(tài)勢；相比大型企業(yè)，小微型企業(yè)的融資意愿和需求更為迫切。

表8：方差分解結(jié)果

通過運用PVAR模型對高耗能行業(yè)和高新技術(shù)行業(yè)融資需求內(nèi)、外部影響因素的分析發(fā)現(xiàn)，高耗能行業(yè)短期融資需求具有順周期性，中期受經(jīng)濟周期的影響較小，經(jīng)濟周期對高新技術(shù)行業(yè)中短期融資需求的影響均不顯著。短期流動性增加不會對高耗能行業(yè)和高新技術(shù)行業(yè)融資需求產(chǎn)生顯著影響，但中期流動性增加可以刺激高耗能行業(yè)融資需求提升，同時降低高新技術(shù)行業(yè)的融資意愿。

[1]Holmes，S.and Kent，P.1991.An empirical analysis of the financial structure of small and large Australian manufacturing enterprises.Journal Of Small Business Finance，Vol.1，No.2.

[2]Covas，F(xiàn).and Den Haan，W.2006.The Cyclical Behavior of Debt and Equity：Evidence from A Panel Of Canadian Firms.Bank of Canada and University of Amsterdam.

[3]Inessa Love and Lea Zicchino.2006.Financial Development and Dynamic Investment Behaviour：evidence from Panel VAR.The Quarterly Review of Economics and Finance，（46）.

[4]羅荷花，李明賢.小微企業(yè)融資需求及其融資可獲得性的影響因素分析[J].經(jīng)濟與管理研究，2016.370（2）.

[5]蒲祖河.中小企業(yè)融資需求層次研究——基于美國經(jīng)驗數(shù)據(jù)的分析及政策啟示[J].財貿(mào)經(jīng)濟，2007，（10）.

[6]李建軍，胡鳳云.中國中小企業(yè)融資結(jié)構(gòu)、融資成本與影子信貸市場發(fā)展[J].宏觀經(jīng)濟研究，2013，（5）.

[7]惠恩才.促進中小企業(yè)融資發(fā)展問題研究[J].經(jīng)濟社會體制比較，2010，（3）.

[8]華荷鋒.科技型中小企業(yè)知識產(chǎn)權(quán)融資模式選擇研究[J].技術(shù)經(jīng)濟與管理研究，2015，（5）.

[9]高鐵梅，梁云芳.我國工業(yè)景氣調(diào)查數(shù)據(jù)的綜合分析[J].預(yù)測，2002，（4）.

[10]李庭輝，陳璐.基于熵權(quán)的經(jīng)濟轉(zhuǎn)型成本指數(shù)編制與應(yīng)用研究[J].北京工商大學學報（社會科學版），2014，29（1）.

Research and Application of Funds Requirement Index of Shandong Province

Zhao Shan1Liu Xiaodong1Guan Jian2
（1.Jinan Branch of People's Bank of China，Shandong Jinan 250021；2.PBC Heze Sub-branch，Shandong Heze 274000）

In this paper，we rely on the results of investigations，using Dynamic Factor Analysis Method to work out Funds Requirement Index（FRI），in order to reflect the corporate financing needs，monitor market supply and demand changes and improve policy effectiveness.Also，we choose high energy consumption industry and high technology industry from 22 industries，based on PVAR model to analyze the effect of macro factors and micro factors.In the short term，the financing demand of high energy consumption industry is cyclical，and in the medium term，economic cycle has less impact.In regard to high technology industry，economic cycle has less impact on either short-term or medium-term financing needs.From the perspective of liquidity，the increase in medium-term liquidity can stimulate the financing needs of high energy consumption industry enterprises，at the same time，it can reduce the financing willingness of high technology industry enterprises.

dynamic factor analysis，F(xiàn)unds Requirement Index，PVAR Model

F832.42

A

1674-2265（2017）11-0054-07

2017-09-30

趙杉，供職于中國人民銀行濟南分行；劉曉東，供職于中國人民銀行濟南分行；關(guān)健，供職于中國人民銀行菏澤市中心支行。

（責任編輯 耿 欣；校對 GX）