信貸政策對(duì)企業(yè)投資的門(mén)檻效應(yīng)

冉 渝，張弘瀅

(貴州財(cái)經(jīng)大學(xué) 會(huì)計(jì)學(xué)院，貴州 貴陽(yáng) 550025)

一、問(wèn)題提出

近年來(lái)伴隨著金融創(chuàng)新，信貸調(diào)控對(duì)實(shí)體企業(yè)的影響越來(lái)越大。全球金融危機(jī)的爆發(fā)使得政府干預(yù)政策再次受到理論界的追捧。十八大報(bào)告強(qiáng)調(diào)中國(guó)經(jīng)濟(jì)進(jìn)入了以增速放緩、結(jié)構(gòu)升級(jí)與創(chuàng)新驅(qū)動(dòng)為特征的新增長(zhǎng)模式，要堅(jiān)持穩(wěn)中求進(jìn)的工作基調(diào)，主動(dòng)適應(yīng)、把握、引領(lǐng)經(jīng)濟(jì)發(fā)展，著力推進(jìn)供給側(cè)結(jié)構(gòu)性改革。國(guó)外已有研究表明，信貸市場(chǎng)在將貨幣政策傳導(dǎo)到實(shí)體經(jīng)濟(jì)方面起到了關(guān)鍵作用[1-3]。同時(shí)，隨著中國(guó)經(jīng)濟(jì)體制改革的深化和金融市場(chǎng)的發(fā)展，也有不少學(xué)者研究發(fā)現(xiàn)，中國(guó)貨幣政策通過(guò)貨幣渠道和信貸渠道共同發(fā)揮作用，相比之下信貸渠道占主導(dǎo)地位[4-5]。中國(guó)人民銀行在《中國(guó)人民銀行辦公廳關(guān)于做好2017年信貸政策工作的意見(jiàn)》文件中也指出，中國(guó)當(dāng)前的經(jīng)濟(jì)增量已處于世界前位，經(jīng)濟(jì)發(fā)展的目標(biāo)已不再局限于貨幣供給的總量調(diào)控，國(guó)家現(xiàn)在更多的著力點(diǎn)在于經(jīng)濟(jì)的高質(zhì)量發(fā)展，用新發(fā)展理念進(jìn)行產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化調(diào)整，促進(jìn)經(jīng)濟(jì)可持續(xù)發(fā)展。由此可見(jiàn)，信貸政策對(duì)新時(shí)期中國(guó)產(chǎn)業(yè)結(jié)構(gòu)性調(diào)整的重要性。然而，郭明(2009)研究銀行信貸對(duì)中國(guó)三大產(chǎn)業(yè)的貢獻(xiàn)度發(fā)現(xiàn)，其在三大產(chǎn)業(yè)之間存在明顯差異[6]。張強(qiáng)和韓俊瑩(2015)也發(fā)現(xiàn)中國(guó)信貸政策對(duì)產(chǎn)業(yè)結(jié)構(gòu)的影響效應(yīng)存在顯著的門(mén)限效應(yīng)，其對(duì)第三產(chǎn)業(yè)的影響明顯弱于第一、第二產(chǎn)業(yè)[7]。因此，信貸政策能否與產(chǎn)業(yè)發(fā)展相匹配，信貸體系能否將資金配置在行業(yè)中進(jìn)行優(yōu)化配置，對(duì)中國(guó)新常態(tài)經(jīng)濟(jì)結(jié)構(gòu)調(diào)整起著至關(guān)重要的作用。

以制造業(yè)為代表的第二產(chǎn)業(yè)作為中國(guó)工業(yè)體系的核心，其生產(chǎn)效率直接影響著中國(guó)經(jīng)濟(jì)增長(zhǎng)的速度和質(zhì)量。進(jìn)入21世紀(jì)以后，全球經(jīng)濟(jì)的發(fā)展越來(lái)越注重產(chǎn)業(yè)間的協(xié)調(diào)發(fā)展，中國(guó)人民銀行為進(jìn)一步增強(qiáng)金融機(jī)構(gòu)支持結(jié)構(gòu)調(diào)整的能力，提出大力推動(dòng)以服務(wù)業(yè)為代表的第三產(chǎn)業(yè)的發(fā)展，提高其發(fā)展速度和經(jīng)濟(jì)比重，加快實(shí)施“中國(guó)制造2025”，推進(jìn)工業(yè)化和信息化融合。同時(shí)加強(qiáng)對(duì)以農(nóng)業(yè)為代表的第一產(chǎn)業(yè)的支持力度，推動(dòng)農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革，實(shí)現(xiàn)農(nóng)業(yè)的綠色發(fā)展。十九大報(bào)告再次強(qiáng)調(diào)要特別注重產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)，提高產(chǎn)業(yè)核心競(jìng)爭(zhēng)力，促進(jìn)三大產(chǎn)業(yè)融合協(xié)調(diào)發(fā)展，增強(qiáng)服務(wù)業(yè)對(duì)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)的帶動(dòng)力。三大產(chǎn)業(yè)作為推動(dòng)中國(guó)經(jīng)濟(jì)發(fā)展的三大主力，信貸政策對(duì)其所在產(chǎn)業(yè)的微觀主體的傳導(dǎo)效果是否達(dá)到預(yù)期，且在不同產(chǎn)業(yè)之間是否存在差異是本文的研究重點(diǎn)。傳統(tǒng)關(guān)于信貸政策對(duì)產(chǎn)業(yè)結(jié)構(gòu)的研究大多基于宏觀層面，主要探討信貸政策對(duì)產(chǎn)業(yè)經(jīng)濟(jì)總量的影響，缺乏信貸政策對(duì)微觀經(jīng)濟(jì)主體影響的經(jīng)驗(yàn)證據(jù)[6-10]。而宏觀經(jīng)濟(jì)政策作為微觀企業(yè)決策不可控的重要外部環(huán)境因素，其對(duì)調(diào)控微觀企業(yè)行為以及影響宏觀經(jīng)濟(jì)走勢(shì)具有重要作用。因此，本文試圖從以農(nóng)業(yè)、制造業(yè)和服務(wù)業(yè)為代表的三大產(chǎn)業(yè)視角出發(fā)，分別研究中國(guó)信貸政策對(duì)企業(yè)投資的傳導(dǎo)效應(yīng)。

本文的研究貢獻(xiàn)和研究特色主要為以下幾點(diǎn)：(1)從宏觀經(jīng)濟(jì)的視角出發(fā)，突破貨幣政策總量調(diào)控的作用，將信貸政策從貨幣政策中抽離出來(lái)，研究其與微觀企業(yè)投資的非線性關(guān)系，豐富了企業(yè)投資的相關(guān)研究。(2)分別從以農(nóng)業(yè)、制造業(yè)和服務(wù)業(yè)為代表的三大產(chǎn)業(yè)出發(fā)，研究信貸政策的產(chǎn)業(yè)結(jié)構(gòu)性調(diào)整功能，從微觀層面?zhèn)鲗?dǎo)來(lái)解釋其結(jié)構(gòu)性傳導(dǎo)與作用機(jī)制，提出“信貸政策→信貸投放→產(chǎn)業(yè)差異→企業(yè)投資行為”的傳導(dǎo)路徑，從而打開(kāi)信貸政策產(chǎn)業(yè)效應(yīng)傳導(dǎo)的“黑箱”，從而更加全面地了解中國(guó)信貸政策的微觀傳導(dǎo)效應(yīng)，評(píng)價(jià)宏觀經(jīng)濟(jì)政策的實(shí)施效果。(3)通過(guò)分位數(shù)回歸和門(mén)檻效應(yīng)模型進(jìn)行綜合研究，實(shí)現(xiàn)宏微觀經(jīng)濟(jì)學(xué)的結(jié)合，為當(dāng)前財(cái)務(wù)會(huì)計(jì)領(lǐng)域提供思路。

本文余下的部分結(jié)構(gòu)安排如下：第二部分為文獻(xiàn)綜述；第三部分為研究設(shè)計(jì)；第四部分為實(shí)證分析；第五部分為研究結(jié)論和政策啟示。

二、文獻(xiàn)綜述

金融政策對(duì)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的研究主要集中于貨幣政策對(duì)產(chǎn)業(yè)結(jié)構(gòu)的非對(duì)稱(chēng)影響。甘利和薩爾蒙(Ganley & Salmon，1998)通過(guò)VAR模型研究英國(guó)1970—1995年25年間貨幣政策沖擊的產(chǎn)業(yè)效應(yīng)時(shí)，認(rèn)為制造業(yè)的利率敏感性強(qiáng)于服務(wù)業(yè)與農(nóng)業(yè)[11]。曹永琴(2010)運(yùn)用ARMA和VAR模型考察了中國(guó)1978—2005年在統(tǒng)一的貨幣政策沖擊下三大產(chǎn)業(yè)的不同反應(yīng)發(fā)現(xiàn)，第一產(chǎn)業(yè)反應(yīng)最為強(qiáng)烈，第三產(chǎn)業(yè)次之，第二產(chǎn)業(yè)最小[12]。此外，呂光明(2013)、侯杜娟(2013)、龐念偉(2016)等學(xué)者也都證實(shí)了中國(guó)貨幣政策在不同產(chǎn)業(yè)間所存在的非對(duì)稱(chēng)效應(yīng)[13-15]。從20世紀(jì)80年代開(kāi)始，西方學(xué)者對(duì)貨幣政策的信貸渠道研究逐漸重視起來(lái)，相關(guān)理論研究也非常豐富[16-18]。意識(shí)到了信貸渠道的重要性后，越來(lái)越多的學(xué)者開(kāi)始將信貸政策從貨幣政策中獨(dú)立出來(lái)，研究其對(duì)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的作用。郭明等(2009)研究銀行信貸對(duì)三大產(chǎn)業(yè)的增長(zhǎng)作用時(shí)發(fā)現(xiàn)，中國(guó)銀行信貸對(duì)第二產(chǎn)業(yè)增長(zhǎng)的貢獻(xiàn)度大于對(duì)第一產(chǎn)業(yè)的貢獻(xiàn)度[6]。鄧奇志(2011)也發(fā)現(xiàn)中國(guó)信貸投入對(duì)三大產(chǎn)業(yè)的增加值存在明顯的非對(duì)稱(chēng)性，其對(duì)第一、第二產(chǎn)業(yè)的影響強(qiáng)于第三產(chǎn)業(yè)[9]。田青(2017)認(rèn)為銀行信貸規(guī)?？偭康脑黾訉?duì)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化并沒(méi)有顯著的促進(jìn)作用，且在宏觀上存在顯著的結(jié)構(gòu)性錯(cuò)配效應(yīng)[10]。

上述文獻(xiàn)主要集中于宏觀政策對(duì)宏觀經(jīng)濟(jì)數(shù)據(jù)的研究層面。然而，微觀企業(yè)作為宏觀政策作用的途徑與目標(biāo)，任何經(jīng)濟(jì)政策的制定與調(diào)整最終都將反映在企業(yè)的投資決策中[19]。為了能更明確地評(píng)價(jià)政策制定的傳導(dǎo)效果，近年來(lái)也有越來(lái)越多的學(xué)者將宏觀經(jīng)濟(jì)調(diào)整與微觀企業(yè)投資行為相結(jié)合進(jìn)行研究，考察宏觀政策對(duì)微觀企業(yè)的傳導(dǎo)效應(yīng)，主要集中于貨幣政策和產(chǎn)業(yè)政策。陳艷(2012)、謝軍和黃志忠(2014)發(fā)現(xiàn)，貨幣政策對(duì)企業(yè)投資具有積極的調(diào)控作用，寬松的貨幣政策能夠有效降低企業(yè)的融資約束，提高企業(yè)的新增投資支出[20-21]。靳慶魯?shù)?2012)發(fā)現(xiàn)了貨幣政策對(duì)企業(yè)投資的非線性影響[22]。黎文靖和李耀淘(2014)從中國(guó)產(chǎn)業(yè)政策的視角出發(fā)，發(fā)現(xiàn)產(chǎn)業(yè)政策對(duì)企業(yè)投資沒(méi)有顯著作用[23]。而何熙瓊等(2016)則得出相反結(jié)論，認(rèn)為受到政策支持的企業(yè)更容易獲得貸款去進(jìn)行投資活動(dòng)決策[24]。

綜上所述，在對(duì)企業(yè)投資行為影響因素的研究中，學(xué)者們對(duì)于宏觀經(jīng)濟(jì)對(duì)企業(yè)投資的影響已經(jīng)有了較為廣泛的關(guān)注，不論是貨幣政策還是產(chǎn)業(yè)政策，外部宏觀政策的沖擊終將會(huì)反映在企業(yè)投資決策上。貨幣政策主要是通過(guò)調(diào)控貨幣供給量來(lái)影響微觀主體，而產(chǎn)業(yè)政策是政府制定國(guó)家產(chǎn)業(yè)指令性和指導(dǎo)性計(jì)劃來(lái)引導(dǎo)國(guó)家產(chǎn)業(yè)發(fā)展方向，推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)并協(xié)調(diào)產(chǎn)業(yè)結(jié)構(gòu)。中國(guó)人民銀行制定的信貸政策將兩者有機(jī)地融合起來(lái)，充分發(fā)揮金融機(jī)構(gòu)信貸資金的結(jié)構(gòu)性調(diào)整功能，以期促進(jìn)產(chǎn)業(yè)間協(xié)調(diào)發(fā)展。而關(guān)于信貸政策對(duì)企業(yè)投資影響的研究較少，其主要集中于信貸資源配置對(duì)企業(yè)投資效率影響的研究[25-26]。鮮有文獻(xiàn)研究信貸政策對(duì)微觀企業(yè)投資行為的傳導(dǎo)效應(yīng)，其中對(duì)于信貸政策產(chǎn)業(yè)的微觀傳導(dǎo)機(jī)制的研究更是少之又少。而從宏觀層面，不少學(xué)者已經(jīng)證實(shí)了信貸政策的產(chǎn)業(yè)結(jié)構(gòu)傳導(dǎo)效應(yīng)的差異[7-10，27]，這為本文進(jìn)行微觀層面的結(jié)構(gòu)傳導(dǎo)研究奠定了堅(jiān)實(shí)的基礎(chǔ)。因此，本文試圖從信貸政策的角度出發(fā)，探討其對(duì)不同產(chǎn)業(yè)企業(yè)投資行為的產(chǎn)業(yè)結(jié)構(gòu)性傳導(dǎo)效應(yīng)，這不僅能豐富信貸政策的微觀傳導(dǎo)研究，而且對(duì)政府完善信貸政策也具有現(xiàn)實(shí)意義。

三、研究設(shè)計(jì)

(一)樣本選擇與數(shù)據(jù)來(lái)源

本文研究樣本為滬深兩市A股上市公司，樣本期間為2006—2016年，為了盡可能保證數(shù)據(jù)的有效性，本文剔除金融類(lèi)上市公司、ST公司和存在數(shù)據(jù)缺失的公司。據(jù)此在整個(gè)樣本期間本文共獲得700家公司11年的平衡面板數(shù)據(jù)。以往學(xué)者在研究信貸政策對(duì)產(chǎn)業(yè)結(jié)構(gòu)的關(guān)系時(shí)，采用金融機(jī)構(gòu)各項(xiàng)貸款余額來(lái)衡量信貸政策[25-27]。信貸政策是對(duì)金融機(jī)構(gòu)的貸款增量、投向及質(zhì)量進(jìn)行適當(dāng)引導(dǎo)、調(diào)節(jié)與監(jiān)督的政策，銀行對(duì)某些部門(mén)貸款數(shù)額的改變會(huì)直接影響到這些部門(mén)的生產(chǎn)能力和產(chǎn)業(yè)規(guī)模，并打破原有的產(chǎn)業(yè)結(jié)構(gòu)，形成新的產(chǎn)業(yè)結(jié)構(gòu)[31]。因此，本文使用信貸余額增長(zhǎng)率來(lái)衡量信貸政策。本文所采用的微觀企業(yè)數(shù)據(jù)來(lái)源于CSMAR數(shù)據(jù)庫(kù)，信貸規(guī)模來(lái)自中國(guó)人民銀行發(fā)布的各省市地區(qū)《區(qū)域金融運(yùn)行報(bào)告》中的金融機(jī)構(gòu)各項(xiàng)貸款額，為了避免極端值可能產(chǎn)生的影響，本文對(duì)模型中的變量采用上下1%的Winsorize縮尾處理，并使用STATA 14.0進(jìn)行實(shí)證分析。

本文實(shí)證分析中，被解釋變量企業(yè)投資(Inv)采用“購(gòu)建固定資產(chǎn)、無(wú)形資產(chǎn)和其他長(zhǎng)期資產(chǎn)支付的現(xiàn)金/期初資產(chǎn)總額”，解釋變量信貸政策(Credit)采用“(當(dāng)期人民幣貸款規(guī)模-上期人民幣貸款規(guī)模)/上期人民幣貸款規(guī)模”作為替代變量，此外，控制變量有：投資機(jī)會(huì)(Tobinq；公司市值/總資產(chǎn)賬面價(jià)值)、現(xiàn)金流量(CF；經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~/總資產(chǎn))、經(jīng)營(yíng)業(yè)績(jī)(Profit；營(yíng)業(yè)利潤(rùn)/總資產(chǎn))、財(cái)務(wù)杠桿(Lev；總負(fù)債/總資產(chǎn))、股權(quán)制衡度(Bal；第一大股東持股比例/第二至第十大股東比例之和)、公司規(guī)模(Size；總資產(chǎn)的對(duì)數(shù))、融資約束(FC；當(dāng)年公司發(fā)放股利取值為1，否則為0)、資產(chǎn)擔(dān)保價(jià)值(Value；(存貨+固定資產(chǎn)凈額)/總資產(chǎn))、現(xiàn)金持有量(Cash；貨幣資金/總資產(chǎn))、公司性質(zhì)(State；公司為國(guó)有性質(zhì)取值為1，否則為0)、兩權(quán)分離度(Hold；公司實(shí)際控制人控制權(quán)-現(xiàn)金流權(quán))、盈利能力(Roe；凈資產(chǎn)收益率)、營(yíng)運(yùn)資本(NWC；(流動(dòng)資產(chǎn)-流動(dòng)負(fù)債)/總資產(chǎn))、非債務(wù)稅盾(NDTS；累積折舊與攤銷(xiāo)/總資產(chǎn))、年份及行業(yè)虛擬變量(Ind)。

(二)實(shí)證模型

羅杰和巴塞特(Koenker & Bassett，1978)提出了“分位數(shù)回歸”方法，使用殘差絕對(duì)值的加權(quán)平均作為最小化的目標(biāo)函數(shù)，從而使結(jié)果不易受極端值的影響，更為穩(wěn)健[28]。相比普通最小二乘回歸，分位數(shù)回歸能更精確地描述自變量對(duì)于因變量的分布產(chǎn)生的不同影響[29]。

分位數(shù)回歸是假設(shè)yit的條件分布的θ位分位數(shù)在xit中是線性的，可以將條件分位數(shù)回歸模型寫(xiě)為：

(1)

(2)

參照之前的文獻(xiàn)，本文同時(shí)估計(jì)了五種不同的分位數(shù)(即θ=p10，p25，p50，p75和p90的五個(gè)分位數(shù))，并使用拔靴法(bootstrap)進(jìn)行“自抽樣”來(lái)估計(jì)系數(shù)。

在這個(gè)框架下，為驗(yàn)證信貸政策對(duì)企業(yè)投資的非線性效應(yīng)，本文構(gòu)建模型(3)來(lái)檢驗(yàn)信貸政策與企業(yè)投資之間的關(guān)系。在模型(3)中，被解釋變量為企業(yè)投資(Inv)，主要解釋變量為Credit。

(3)

分位數(shù)回歸的優(yōu)勢(shì)在于它將解釋變量分為多個(gè)位數(shù)來(lái)觀察其與被解釋變量之間的關(guān)系，相比于OLS模型而言，它能夠更詳細(xì)地觀察在不同分位數(shù)上解釋變量對(duì)被解釋變量的不同影響，但其缺陷在于不能確切地觀察出精確的轉(zhuǎn)折點(diǎn)。為了彌補(bǔ)其缺陷，本文通過(guò)建立多元門(mén)檻回歸模型進(jìn)一步研究，其模型可表示為：

yit=uit+β1xitI(q≤γ)+β2xitI(q>γ)+eit

(4)

本文通過(guò)上述模型設(shè)定，建立信貸政策對(duì)企業(yè)投資的門(mén)檻效應(yīng)研究模型(5)如下：

Invit=α1CredititI(Creditit≤γ1)+α2CredititI(γ1β3Profitit+β4Levit+β5Balit+β6Sizeit+β7FCit+β8Valueit+β9Cashit+β10State+
β11Holdit+β12Roeit+β13NWCit+β14NDTSit+μ

(5)

其中，Creditit為門(mén)檻變量，γ為門(mén)檻值，I為虛擬變量，α1、α2分別為當(dāng)Creditit≤γ1和Creditit>γ1時(shí)信貸政策對(duì)企業(yè)投資的影響程度。若門(mén)檻值γ設(shè)置合理，信貸政策對(duì)企業(yè)投資在不同區(qū)間上會(huì)存在顯著差異。該分析主要針對(duì)單一門(mén)檻值，當(dāng)存在多重門(mén)檻時(shí)，其設(shè)定方法與單一門(mén)檻一致。

四、實(shí)證分析

(一)描述性統(tǒng)計(jì)

從變量的描述性統(tǒng)計(jì)結(jié)果看，樣本公司2006—2016年的企業(yè)投資(Inv)均值為0.063 2，在不同分位數(shù)水平上，企業(yè)投資(Inv)存在明顯差異，其在10分位數(shù)下為0.004 1，90分位數(shù)下為0.146 4，最大值為0.420 2，最小值為0.000 1。解釋變量信貸政策(Credit)均值為0.166 5，在10分位數(shù)下為0.093 2，90分位數(shù)下為0.253 1，最大值為0.623 0，最小值為-0.020 1。由此可見(jiàn)，貸款增長(zhǎng)率和企業(yè)投資在不同分位數(shù)水平上都存在明顯差異，可初步判斷出貸款增長(zhǎng)率與企業(yè)投資可能存在非線性效應(yīng)。

(二)分位數(shù)回歸

表1中列示了模型(3)的條件分位數(shù)回歸結(jié)果，其中選擇不同的分位數(shù)(p10，p25，p50，p75和p90)來(lái)衡量信貸政策對(duì)企業(yè)投資在不同分位數(shù)水平上的影響作用。鑒于本文主要考察的是信貸政策對(duì)企業(yè)投資的影響，本文著重關(guān)注Credit的系數(shù)，從表1中的實(shí)證結(jié)果可以發(fā)現(xiàn)，信貸政策對(duì)企業(yè)投資的影響作用在p50開(kāi)始才變得顯著，在p50、p75和p90系數(shù)分別為0.032 3、0.066 5和0.152 2。而在p10時(shí)，系數(shù)為負(fù)，其在p25時(shí)才由-0.005 0轉(zhuǎn)為+0.003 0。由此可以看出，當(dāng)貸款余額增長(zhǎng)率較低時(shí)，其對(duì)企業(yè)投資并沒(méi)有起到促進(jìn)作用，相反卻有不顯著的抑制作用，而當(dāng)貸款余額增長(zhǎng)率逐漸增加時(shí)，其促進(jìn)作用才逐步體現(xiàn)。這初步證實(shí)了信貸政策對(duì)企業(yè)投資的非線性效應(yīng)，即貸款余額增長(zhǎng)率可能存在“門(mén)檻效應(yīng)”，使得其對(duì)企業(yè)投資在每個(gè)區(qū)間存在不同的影響程度。由于本文的研究重點(diǎn)在于考察信貸政策對(duì)企業(yè)投資的非線性關(guān)系，因此本文使用漢森(Hansen，1999)[30]提出的多元門(mén)檻回歸模型進(jìn)一步分析貸款增長(zhǎng)率對(duì)企業(yè)投資的門(mén)檻效應(yīng)，使用門(mén)檻效應(yīng)模型的優(yōu)勢(shì)在于能找出其對(duì)應(yīng)的門(mén)檻值。

表1 分位數(shù)回歸結(jié)果

注：*、**、***分別表示在1%、5%、10%水平上顯著，后同。F值采用Bootstrap方法模擬抽樣100次之后得到的結(jié)果。

(三)門(mén)檻值模型檢驗(yàn)及分析

在設(shè)立門(mén)檻模型之前，需要對(duì)門(mén)檻值存在與否進(jìn)行檢驗(yàn)，本文使用漢森(Hansen，1999)[30]提出的Bootstrap方法進(jìn)行100次自抽樣得到檢驗(yàn)統(tǒng)計(jì)量P值，從而判斷模型是否存在門(mén)檻效應(yīng)及其合理性。門(mén)檻自抽樣的結(jié)果如表2所示，其結(jié)果顯示，在單一門(mén)檻模型下，得到F統(tǒng)計(jì)值為31.827，P值為0.010，這表示在1%的顯著性水平下可以拒絕存在單一門(mén)檻的原假設(shè)，門(mén)檻值為0.223。然后進(jìn)行雙重門(mén)檻檢驗(yàn)，得到F統(tǒng)計(jì)值為7.396，P值為0.050，表明該結(jié)果在5%的顯著性水平下被拒絕存在雙重門(mén)檻的原假設(shè)，其門(mén)檻值在進(jìn)行雙重門(mén)檻檢驗(yàn)時(shí)，搜索出第二個(gè)門(mén)檻值為0.161，同時(shí)第一個(gè)門(mén)檻值被調(diào)整為0.222。最后進(jìn)行三重門(mén)檻檢驗(yàn)，得到F統(tǒng)計(jì)值為7.387，P值為0.020，結(jié)果顯示，在原假設(shè)存在兩個(gè)門(mén)檻的情況下，在5%水平下顯著拒絕，說(shuō)明存在第三個(gè)門(mén)檻，其門(mén)檻值為0.105。同時(shí)，本文觀察了95%的置信區(qū)間，證明了門(mén)檻估計(jì)值有效。因此，樣本公司的模型應(yīng)設(shè)定為三重門(mén)檻模型。

表2 門(mén)檻自抽樣檢驗(yàn)

結(jié)合豪斯曼(Hausman)檢驗(yàn)和門(mén)檻效應(yīng)檢驗(yàn)，本文采用固定效應(yīng)的面板門(mén)檻模型，回歸結(jié)果如表3所示。

表3 門(mén)檻模型參數(shù)估計(jì)結(jié)果

為了與非線性門(mén)檻模型相比較，表3還給出了OLS和固定效應(yīng)模型的參數(shù)估計(jì)結(jié)果。從OLS和固定效應(yīng)模型的參數(shù)回歸結(jié)果可以看出，解釋變量貸款余額增長(zhǎng)率(Credit)對(duì)被解釋變量企業(yè)投資(Inv)總體上起到了顯著的正向影響作用，且控制變量影響效果基本一致。從門(mén)檻模型估計(jì)結(jié)果可以看出，當(dāng)貸款余額增長(zhǎng)率(Credit)未超過(guò)第一門(mén)檻的10.5%時(shí)，其對(duì)企業(yè)投資的影響系數(shù)為-0.047，說(shuō)明貸款增長(zhǎng)率小于10.5%時(shí)，不僅沒(méi)有起到促進(jìn)作用，還存在不顯著的抑制作用；當(dāng)貸款余額增長(zhǎng)率(Credit)超過(guò)第一門(mén)檻的10.5%未超過(guò)第二門(mén)檻的16.1%時(shí)，其對(duì)企業(yè)投資的影響系數(shù)才由負(fù)向影響轉(zhuǎn)為正向影響，系數(shù)為0.033，但其結(jié)果不顯著。這都說(shuō)明了低水平的貸款增長(zhǎng)率對(duì)企業(yè)投資并沒(méi)有起到顯著的促進(jìn)作用。但是當(dāng)貸款余額增長(zhǎng)率(Credit)超過(guò)第二門(mén)檻的16.1%未超過(guò)第三門(mén)檻的22.2%，其對(duì)企業(yè)投資的影響在5%水平下顯著，系數(shù)為0.081，說(shuō)明該區(qū)間內(nèi)信貸政策對(duì)企業(yè)投資起到了明顯的促進(jìn)作用；同時(shí)，當(dāng)貸款余額增長(zhǎng)率(Credit)超過(guò)第三個(gè)門(mén)檻的22.2%時(shí)，其對(duì)企業(yè)投資的影響仍在5%水平下顯著，但系數(shù)降為0.036。可以看出，貸款余額增長(zhǎng)率對(duì)企業(yè)投資呈現(xiàn)出復(fù)雜的非線性關(guān)系，只有當(dāng)其達(dá)到特定區(qū)間，才能對(duì)企業(yè)投資起到最優(yōu)的配置效果。當(dāng)信貸投入超過(guò)一定程度，會(huì)造成企業(yè)對(duì)信貸資金依賴(lài)過(guò)大，導(dǎo)致企業(yè)經(jīng)營(yíng)性資金流短缺，從而影響企業(yè)的投資決策，對(duì)企業(yè)投資產(chǎn)生邊際效應(yīng)遞減效果，而過(guò)低的增長(zhǎng)率對(duì)企業(yè)投資不產(chǎn)生作用。

(四)第一產(chǎn)業(yè)、第二產(chǎn)業(yè)與第三產(chǎn)業(yè)門(mén)檻模型檢驗(yàn)及分析

信貸政策對(duì)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的影響是本文的重點(diǎn)考察目標(biāo)，筆者將樣本按公司行業(yè)代碼劃分為農(nóng)業(yè)、制造業(yè)和服務(wù)業(yè)[注]按照證監(jiān)會(huì)2012年修訂的《上市公司行業(yè)分類(lèi)指引》，將樣本公司代碼為A劃分為農(nóng)業(yè)，公司代碼為C劃分為制造業(yè)，公司代碼為F、G、H、I、J、K、L、M、N、O、P、Q、R、S劃分為服務(wù)業(yè)。，分別代表第一產(chǎn)業(yè)、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)。與全樣本的分析過(guò)程類(lèi)似，以農(nóng)業(yè)為代表的第一產(chǎn)業(yè)在進(jìn)行雙重門(mén)檻檢驗(yàn)時(shí)，得到F值7.783，P值0.050，門(mén)檻值為0.149和0.146。在進(jìn)行三重門(mén)檻檢驗(yàn)時(shí)，結(jié)果并不顯著，因此接受原假設(shè)存在雙重門(mén)檻的結(jié)論。由此推出第一產(chǎn)業(yè)存在雙重門(mén)檻。以制造業(yè)為代表的第二產(chǎn)業(yè)在單一門(mén)檻檢驗(yàn)時(shí)，得到F值為28.656，P值為0.220，進(jìn)行雙重門(mén)檻檢驗(yàn)獲得F值為5.974，P值為0.040，門(mén)檻值為0.139和0.283。進(jìn)行三重門(mén)檻時(shí)，拒絕原假設(shè)存在兩個(gè)門(mén)檻的結(jié)論，搜索出第三個(gè)門(mén)檻值0.143，F(xiàn)值為7.153，P值為0.050。由此推出第二產(chǎn)業(yè)存在三重門(mén)檻。

再觀察以服務(wù)業(yè)為代表的第三產(chǎn)業(yè)，其在進(jìn)行單一門(mén)檻檢驗(yàn)時(shí)得到門(mén)檻值0.223在1%的水平下顯著，其F值和P值分別為22.309和0.000；在雙重門(mén)檻檢驗(yàn)下，其在10%水平下顯著，其F值和P值分別為3.739和0.100。在進(jìn)行三重門(mén)檻檢驗(yàn)時(shí)，接受原假設(shè)有雙重門(mén)檻的結(jié)論，因此應(yīng)停止檢驗(yàn)，接受樣本存在雙重門(mén)檻的假設(shè)。由此推出第三產(chǎn)業(yè)存在雙重門(mén)檻。

表3還給出了將分樣本劃分為第一、二、三產(chǎn)業(yè)之后的模型參數(shù)估計(jì)結(jié)果，從OLS和固定效應(yīng)模型結(jié)果可以看出，貸款余額增長(zhǎng)率(Credit)對(duì)企業(yè)投資總體上仍起到了顯著的正向影響。對(duì)于表中門(mén)檻模型估計(jì)結(jié)果，從以農(nóng)業(yè)為代表的第一產(chǎn)業(yè)企業(yè)來(lái)看，當(dāng)貸款余額增長(zhǎng)率(Credit)≤14.6%時(shí)，其對(duì)企業(yè)投資的影響系數(shù)為-0.097且并不顯著，說(shuō)明較低水平的貸款增長(zhǎng)率對(duì)農(nóng)業(yè)公司投資不起作用；當(dāng)14.6%14.9%，系數(shù)為-0.025?？梢?jiàn)信貸政策對(duì)第一產(chǎn)業(yè)企業(yè)的投資整體傳導(dǎo)效應(yīng)并不明顯。

觀察以制造業(yè)為代表的第二產(chǎn)業(yè)發(fā)現(xiàn)，當(dāng)貸款余額增長(zhǎng)率(Credit)小于第一門(mén)檻值13.9%時(shí)，其對(duì)企業(yè)投資的影響系數(shù)為0.244，并在1%水平下顯著，說(shuō)明即使在較低水平增長(zhǎng)作用下其對(duì)第二產(chǎn)業(yè)企業(yè)投資的影響也是相對(duì)敏感的；當(dāng)13.928.3%，其影響顯著，但降為0.097?？梢钥闯鰧?duì)于第二產(chǎn)業(yè)來(lái)說(shuō)，貸款增長(zhǎng)率對(duì)企業(yè)投資整體上起到了促進(jìn)作用，隨著增長(zhǎng)率的提高，作用漸漸減弱，而當(dāng)貸款增長(zhǎng)率達(dá)到14.3%時(shí)，促進(jìn)作用又再次增強(qiáng)，之后又呈現(xiàn)出邊際遞減效應(yīng)。

從以服務(wù)業(yè)為代表的第三產(chǎn)業(yè)來(lái)看，當(dāng)貸款余額增長(zhǎng)率(Credit)小于第一門(mén)檻值7%時(shí)，其對(duì)企業(yè)投資的影響系數(shù)為-0.339，說(shuō)明較低水平的貸款增長(zhǎng)率對(duì)第一產(chǎn)業(yè)公司投資并沒(méi)有起到促進(jìn)作用；當(dāng)7.0%22.4%后，系數(shù)雖顯著但降為0.057?？梢钥闯觯瑢?duì)于服務(wù)行業(yè)來(lái)說(shuō)，貸款增長(zhǎng)率對(duì)第三產(chǎn)業(yè)企業(yè)投資的影響在達(dá)到7%之后才起到促進(jìn)作用，并且隨著貸款增長(zhǎng)率的增加，其促進(jìn)作用在減弱，說(shuō)明貸款增長(zhǎng)率并不是越高越好，當(dāng)貸款增長(zhǎng)率處于合理區(qū)間時(shí)，其促進(jìn)作用才是最優(yōu)的。

綜上，對(duì)三大產(chǎn)業(yè)進(jìn)行比較可以發(fā)現(xiàn)，信貸政策對(duì)第二產(chǎn)業(yè)的傳導(dǎo)效應(yīng)強(qiáng)于第一產(chǎn)業(yè)和第三產(chǎn)業(yè)，對(duì)第一產(chǎn)業(yè)的傳導(dǎo)最弱。由于中國(guó)信貸結(jié)構(gòu)較為單一、信貸投向的政策扶持意圖不明確、與產(chǎn)業(yè)政策缺乏協(xié)調(diào)配合[7]，使得中國(guó)信貸政策在推進(jìn)第三產(chǎn)業(yè)服務(wù)業(yè)發(fā)展和扶農(nóng)建設(shè)等的過(guò)程中，沒(méi)有完全發(fā)揮出結(jié)構(gòu)調(diào)整的優(yōu)勢(shì)作用。此外，雖然央行有對(duì)重點(diǎn)產(chǎn)業(yè)的扶持計(jì)劃，但也不能忽視金融機(jī)構(gòu)的商業(yè)化因素，其貸款對(duì)象往往會(huì)偏向回報(bào)率較高，資金流動(dòng)性較強(qiáng)的企業(yè)，而對(duì)回收周期長(zhǎng)、回報(bào)率低的行業(yè)如農(nóng)業(yè)、林業(yè)、漁業(yè)等第一產(chǎn)業(yè)通常不愿意提供貸款。

五、研究結(jié)論和政策啟示

本文以貸款余額增長(zhǎng)率為門(mén)檻變量，運(yùn)用固定效應(yīng)的面板門(mén)檻模型，分析了中國(guó)貸款余額增長(zhǎng)率與企業(yè)投資行為之間的非線性關(guān)系。本文得到的主要結(jié)論如下：(1)信貸政策對(duì)企業(yè)投資整體上是起促進(jìn)作用的，但其對(duì)企業(yè)投資的促進(jìn)作用在不同信貸增長(zhǎng)水平上存在非線性關(guān)系，在貸款增長(zhǎng)率較低的水平下，其與企業(yè)投資存在弱相關(guān)關(guān)系，隨著增長(zhǎng)率的逐步遞增，該促進(jìn)作用才逐步顯現(xiàn)。當(dāng)然，這種促進(jìn)作用在不同產(chǎn)業(yè)間的影響作用也是不同的。(2)信貸政策對(duì)企業(yè)投資的影響存在三門(mén)檻效應(yīng)，同時(shí)也存在邊際效率遞減效應(yīng)。低于門(mén)檻值的貸款增長(zhǎng)率對(duì)企業(yè)投資呈現(xiàn)負(fù)向作用，而過(guò)高的增長(zhǎng)率水平對(duì)企業(yè)投資的影響作用有限。(3)該傳導(dǎo)效應(yīng)在三大產(chǎn)業(yè)之間存在明顯的差異，信貸政策對(duì)第二產(chǎn)業(yè)的傳導(dǎo)效果最好，其次為第三產(chǎn)業(yè)，第一產(chǎn)業(yè)最弱，且當(dāng)貸款余額增長(zhǎng)率達(dá)到一定水平后，對(duì)三大產(chǎn)業(yè)都呈現(xiàn)出邊際遞減的現(xiàn)象。同時(shí)，信貸增長(zhǎng)在第一、第二和第三產(chǎn)業(yè)的最佳取值區(qū)間分別為14.6%～14.9%、14.3%～28.3%和7.0%～22.4%，在此區(qū)間內(nèi)，信貸政策能有效地帶動(dòng)企業(yè)投資。

通過(guò)本文的研究結(jié)論，可以發(fā)現(xiàn)中國(guó)第二產(chǎn)業(yè)在信貸政策扶持上具有明顯的領(lǐng)先優(yōu)勢(shì)，從而使得三大產(chǎn)業(yè)間發(fā)展差異逐漸拉大。因此，要實(shí)現(xiàn)三次產(chǎn)業(yè)間的協(xié)調(diào)發(fā)展可以從以下幾方面進(jìn)行思考：(1)國(guó)家可以在宏觀層面上進(jìn)一步加強(qiáng)對(duì)第一產(chǎn)業(yè)和第三產(chǎn)業(yè)優(yōu)化升級(jí)的定向金融資金支持，推進(jìn)三農(nóng)產(chǎn)業(yè)和現(xiàn)代服務(wù)業(yè)的發(fā)展，其中實(shí)證結(jié)果顯示，信貸投入對(duì)第一產(chǎn)業(yè)的企業(yè)投資的促進(jìn)效果并沒(méi)有達(dá)到預(yù)期效果，政府必須要從政策上對(duì)第一產(chǎn)業(yè)予以扶持，通過(guò)前期適當(dāng)合理的信貸投入水平，推動(dòng)其產(chǎn)業(yè)發(fā)展。(2)央行應(yīng)將信貸增長(zhǎng)控制在合理范圍內(nèi)，實(shí)現(xiàn)資金流增量在各產(chǎn)業(yè)間的最優(yōu)配置，避免過(guò)低或過(guò)高的信貸投入對(duì)企業(yè)投資產(chǎn)生的負(fù)向或邊際遞減效應(yīng)。(3)進(jìn)一步地，央行應(yīng)不斷創(chuàng)新、完善和豐富貸款調(diào)控工具并鼓勵(lì)銀行加大金融服務(wù)創(chuàng)新力度，將信貸政策的結(jié)構(gòu)性調(diào)整功能與貨幣政策和產(chǎn)業(yè)政策相配合，更好地發(fā)揮出其定向調(diào)控功能，合理引導(dǎo)和加強(qiáng)信貸資金增量在各產(chǎn)業(yè)間的分配和流動(dòng)，推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)型升級(jí)。