大型企業(yè)異質(zhì)性沖擊與經(jīng)濟增長率和中小企業(yè)生產(chǎn)率

唐齊鳴　趙傳璽

摘 要：本文基于2000—2018年中國上市企業(yè)數(shù)據(jù)，從粒度特征角度構(gòu)建異質(zhì)性沖擊的衡量指標，研究了最大100家企業(yè)異質(zhì)性沖擊對經(jīng)濟增長率的影響和11個分行業(yè)大型企業(yè)異質(zhì)性沖擊對行業(yè)內(nèi)中小企業(yè)生產(chǎn)率的影響。研究結(jié)果顯示：最大100家企業(yè)異質(zhì)性沖擊與經(jīng)濟增長率顯著正相關(guān);11個分行業(yè)大型企業(yè)異質(zhì)性沖擊與行業(yè)內(nèi)中小企業(yè)生產(chǎn)率顯著負相關(guān)，其通過加劇中小企業(yè)的融資約束來降低其生產(chǎn)率，且在低技術(shù)行業(yè)、非國有企業(yè)和新企業(yè)中尤其顯著。本文的研究結(jié)論不僅補充了關(guān)于企業(yè)異質(zhì)性沖擊方面的已有文獻，也為政策制定者提供了新思路。

關(guān)鍵詞：異質(zhì)性沖擊;經(jīng)濟增長;企業(yè)生產(chǎn)率;融資約束;粒度特征

中圖分類號：F425文獻標識碼：A

文章編號：1000-176X（2020）06-0122-08

一、問題的提出

自2018年以來，中國經(jīng)濟受到國內(nèi)外不確定性因素的共同作用：在國內(nèi)層面，宏觀上面臨著順周期下行的壓力，微觀上面臨高企業(yè)杠桿率、產(chǎn)能過剩和家庭債務(wù)增加等問題;在國際層面，中美貿(mào)易摩擦使得中國金融開放程度加快，面臨著全球金融市場相互依存的風險。重要的、系統(tǒng)性的金融機構(gòu)存在規(guī)模較大、結(jié)構(gòu)和業(yè)務(wù)復雜、與其他金融機構(gòu)關(guān)聯(lián)性強的特點，一旦倒閉或遭遇困境事件，可能將對金融體系或?qū)嶓w經(jīng)濟產(chǎn)生不利影響。2008年9月雷曼兄弟破產(chǎn)后美國次貸危機急速加速就證明了這一點。2008年全球金融危機讓人們意識到需要保住重要的、系統(tǒng)性的大型機構(gòu)。經(jīng)濟狀態(tài)取決于相互依賴的大型企業(yè)的行為，大型企業(yè)之所以重要，是因為企業(yè)存在粒度特征（Granular Effect）。粒度特征是指如果經(jīng)濟中的企業(yè)規(guī)模為冪律分布，即呈現(xiàn)厚尾特征——少數(shù)大型企業(yè)與大量小型企業(yè)共存，這種特征會使中心極限定理失效，大型企業(yè)異質(zhì)性沖擊在總體上不會相互抵消。Bremus等[1]認為，在金融較為封閉的經(jīng)濟體中，粒度特征更顯著。Gabaix[2]根據(jù)非金融機構(gòu)的粒度特征提出了粒度假說理論（Granular Hypothesis），該理論認為大型企業(yè)受到的異質(zhì)性沖擊不會相互抵消，對總體波動的影響顯著。因此，不僅要關(guān)注經(jīng)濟順周期性波動沖擊，防止各種沖擊通過金融體系內(nèi)部或者金融體系與宏觀經(jīng)濟的相互作用被催生甚至放大，也要關(guān)注大型機構(gòu)，防止各種沖擊通過機構(gòu)之間的相互關(guān)聯(lián)性，導致金融體系或宏觀經(jīng)濟體系受到較大影響，防止發(fā)生系統(tǒng)性金融風險。

Gabaix[2]最早利用物理學中的粒度概念研究了美國最大100家企業(yè)，使用規(guī)模加權(quán)沖擊與總收入之比構(gòu)建了粒度殘差指標，發(fā)現(xiàn)經(jīng)濟總產(chǎn)出的波動很大一部分來自于大型企業(yè)受到的異質(zhì)性沖擊，可見大型企業(yè)對經(jīng)濟的影響不容忽視。Corsetti等[3]提出了一個模型來解釋大型交易者對小型交易者行為的影響。Siriwardane[4]發(fā)現(xiàn)，少量出售者存在的信用違約互換（CDS）市場，市場集中度很高，因而CDS合約價格受到出售者的影響很大。Blank等[5]研究了德國銀行業(yè)異質(zhì)性沖擊，發(fā)現(xiàn)大型銀行受到的成本沖擊將增加小銀行破產(chǎn)的可能性。Jinjarak和Zheng[6]揭示了大型金融機構(gòu)與全球各個市場投資風險之間的關(guān)系，研究結(jié)果表明，對大型企業(yè)投資者的異質(zhì)性沖擊能夠顯著影響市場風險和跨市場風險的相互依賴性，此影響在2007—2009年尤為突出。此外，Di Giovanni和Levchenko[7]在國際貿(mào)易領(lǐng)域擴展了粒度假說理論，發(fā)現(xiàn)更開放的貿(mào)易對宏觀經(jīng)濟增長的影響更大。

近年來，國內(nèi)已有一些研究關(guān)注了機構(gòu)異質(zhì)性沖擊。然而，鮮有研究涉及中國企業(yè)以及各行業(yè)大型企業(yè)的粒度特征。目前，中國少數(shù)大型企業(yè)與大量小型企業(yè)共存，規(guī)模前100的企業(yè)在過去10年里平均總收入占GDP將近20%，一些行業(yè)中存在“一支獨大”的現(xiàn)象。任曙明和呂鐲[8]認為，受制于金融市場的發(fā)展落后，中國存在著金融資源配置不合理和大型企業(yè)資源壟斷現(xiàn)象，表征是中小企業(yè)融資難及融資貴，融資約束對其生產(chǎn)率產(chǎn)生較大的負面影響。從這個意義上來講，解讀行業(yè)的異質(zhì)性沖擊與中小企業(yè)生產(chǎn)率的關(guān)系就成為一個非常有意義的話題。林毅夫等[9]認為，該主題的研究主要聚焦于宏觀維度，從微觀企業(yè)角度的研究證據(jù)相對較少。

本文基于2000—2018年中國上市企業(yè)數(shù)據(jù)，從粒度特征角度構(gòu)建異質(zhì)性沖擊的衡量指標，研究了最大100家企業(yè)異質(zhì)性沖擊對經(jīng)濟增長率的影響和11個分行業(yè)大型企業(yè)異質(zhì)性沖擊對行業(yè)內(nèi)中小企業(yè)生產(chǎn)率的影響。上述文獻為本文提供了研究思路，本文的貢獻在于：首先，從粒度特征角度構(gòu)建異質(zhì)性沖擊指標，分析了最大100家企業(yè)異質(zhì)性沖擊對經(jīng)濟增長率的影響。既從學術(shù)上豐富了粒度假說理論，也有助于防范由大型企業(yè)異質(zhì)性沖擊引起的系統(tǒng)性風險。其次，分析了11個分行業(yè)大型企業(yè)異質(zhì)性沖擊對行業(yè)內(nèi)中小企業(yè)生產(chǎn)率的影響，并從債務(wù)比率和投資—現(xiàn)金流敏感性視角探討了其影響機制。

二、理論分析與研究假設(shè)

理論上，大型企業(yè)異質(zhì)性沖擊引起整體波動，主要源于以下兩個方面：首先，Gabaix[2]證明了當系統(tǒng)中企業(yè)規(guī)模為冪律分布時，大型企業(yè)受到的沖擊不能被分散，可能產(chǎn)生總體波動，他將其稱為粒度假說理論。該理論與傳統(tǒng)觀點中心極限定理相悖，中心極限定理認為，當系統(tǒng)中有數(shù)以萬計的公司時，正向沖擊與負向沖擊可能會相互抵消。然而，當少數(shù)大型企業(yè)與大量小型企業(yè)共存時，大型企業(yè)受到的異質(zhì)性沖擊對總體發(fā)展的影響不會被抵消。Bremus等[1]提到，尤其是在財務(wù)較為封閉的經(jīng)濟體中，粒度特征往往不容忽視。其次，Di Giovanni和Levchenko[10]認為，大型企業(yè)的重要地位體現(xiàn)在國際貿(mào)易是顯著影響宏觀經(jīng)濟增長的重要因素。然而，大型企業(yè)異質(zhì)性沖擊會通過企業(yè)之間的相互聯(lián)系來影響整體波動。這是由于大型企業(yè)每年可能從其他企業(yè)消費產(chǎn)品和服務(wù)，例如，軟件開發(fā)、物流、食品服務(wù)和辦公用品等。當大型企業(yè)與小型企業(yè)企業(yè)互動時，這些小型企業(yè)可能會在其組織結(jié)構(gòu)、管理實踐和運營等方面作出改進。這些變化有利于小型企業(yè)技術(shù)升級和提升效率，進一步實現(xiàn)財務(wù)穩(wěn)定。另外，受益于大型企業(yè)的新知識和新模式的溢出效應，同行業(yè)的小型企業(yè)可能更容易獲得信貸和其他商業(yè)機會。當一些小型企業(yè)改進其系統(tǒng)或商業(yè)模式時，其他小型企業(yè)會從中學習并提高自身競爭力，進而提高整個小型企業(yè)的生產(chǎn)效率。

粒度假說理論在不同國家得到了經(jīng)驗證據(jù)的支持。Ignacio[11]利用1988—2011年11個歐盟國家按產(chǎn)品劃分的出口數(shù)據(jù)，得出主要產(chǎn)品的異質(zhì)性沖擊可能對較小國家的總出口產(chǎn)生重大影響的結(jié)論。Blank等[5]構(gòu)建了銀行業(yè)粒度殘差指標，分析了歐洲大型銀行信貸的異質(zhì)性沖擊對實體經(jīng)濟的影響，發(fā)現(xiàn)大型銀行信貸的變化對GDP增長具有顯著的短期影響，產(chǎn)生這種影響的主要驅(qū)動因素為負信貸增長，且東歐地區(qū)比西歐地區(qū)更顯著。Buch和Neugebauer[12]分析了2005—2013年德國銀行的主權(quán)債務(wù)敞口數(shù)據(jù)，發(fā)現(xiàn)主權(quán)債券主要由規(guī)模較大的銀行持有，且低風險的政府債券降低了德國銀行的風險，尤其是儲蓄銀行和合作銀行。Jinjarak[6]揭示了大型金融機構(gòu)與全球各個市場投資風險之間的關(guān)系，對大型企業(yè)投資者的異質(zhì)性沖擊能夠顯著影響市場風險和跨市場風險的相互依賴性，此影響在2007—2009年全球金融危機期間尤為突出。

自1999年以來，中國最大規(guī)模的企業(yè)總收入占GDP的比重不斷上升，從小于5%到2017年將近四分之一，可見企業(yè)規(guī)模分布存在冪律分布特征。另外，相較于發(fā)達國家，中國金融開放度較低且較為封閉，當企業(yè)規(guī)模分布存在冪律分布時，大型企業(yè)受到的異質(zhì)性沖擊也可能會影響到經(jīng)濟增長率。在金融機構(gòu)中，中國五大國有商業(yè)銀行和國有控股企業(yè)在銀行借貸中占主導地位，集中程度較高，規(guī)模也存在分布不均的情況。張?zhí)祉敽挖w夢婷[13]參照Gabaix[2]與Blank等[5]的研究范式，揭示了中國商業(yè)銀行的信貸沖擊具有顯著的實際經(jīng)濟效應，其研究證明了中國商業(yè)銀行信貸規(guī)模服從冪律分布，這表明商業(yè)銀行信貸增長的異質(zhì)性沖擊將不能在商業(yè)銀行之間相互抵消，會影響到宏觀經(jīng)濟總體運行績效。基于對國內(nèi)外文獻的梳理，筆者提出如下假設(shè)：

假設(shè)1：大型企業(yè)異質(zhì)性沖擊與經(jīng)濟增長率顯著正相關(guān)。

大型企業(yè)更容易從金融機構(gòu)獲得信貸支持，因而中小企業(yè)面臨的融資約束會對其生產(chǎn)率產(chǎn)生負面影響，原因如下：首先，融資約束導致中小企業(yè)改變投資決策，放棄一些本應獲利的投資項目，尤其是具有長期性特征的助推企業(yè)提高生產(chǎn)率的投資機會。Myers和Majluf[14]認為，中小企業(yè)的融資難加劇了融資貴的惡性循環(huán)，倒逼企業(yè)使用內(nèi)部沉淀或者積累的資金進行固定資產(chǎn)投資。然而，Badia和Slootmaekers[15]認為，有價值的投資項目規(guī)模和資金需求往往較為巨大，單純依靠企業(yè)自身資金難以負擔，導致企業(yè)放棄投資，從而資源配置失調(diào)，進而拉低了生產(chǎn)效率。其次，融資約束將中小企業(yè)置于高流動性風險環(huán)境內(nèi)。Aghion等[16]發(fā)現(xiàn)，由于不確定性因素的存在，一般企業(yè)沒有意愿投資高收益但回收周期長的項目，尤其是基礎(chǔ)技術(shù)領(lǐng)域內(nèi)的項目，此種選擇影響了企業(yè)技術(shù)進步和效率提升。最后，融資約束嚴重制約了中小企業(yè)的技術(shù)升級和產(chǎn)品研發(fā)，阻礙了生產(chǎn)率的有效提升。蔡衛(wèi)星[17]發(fā)現(xiàn)，產(chǎn)品研發(fā)往往需要投入大量前期資金和沉沒成本，對于新興行業(yè)的中小企業(yè)，其融資來源主要為內(nèi)源性融資，資金不足和融資來源匱乏導致產(chǎn)品研發(fā)停滯，進而使生產(chǎn)率無法得到提升。基于上述分析，筆者提出如下假設(shè)：

假設(shè)2：受融資約束的影響，大型企業(yè)異質(zhì)性沖擊與中小企業(yè)生產(chǎn)率顯著負相關(guān)。

三、研究設(shè)計

（一）變量定義

1.被解釋變量

經(jīng)濟增長率（Growth），借鑒Gabaix[2]與張?zhí)祉敽挖w夢婷[13]，本文使用季度GDP增長率（gGDP）、季度人均GDP增長率（gGDPppl）和季度工業(yè)增加值增長率（IndAdd）三個指標衡量。

中小企業(yè)生產(chǎn)率（g），借鑒蔡衛(wèi)星[17]、簡澤等[18]與任曙明和呂鐲[8]，定義勞動生產(chǎn)率z的表達式為：zit=ln（TotalRevit/nit）。其中，TotalRev為企業(yè)營業(yè)收入，n為企業(yè)員工人數(shù)。進而，定義中小企業(yè)生產(chǎn)率為：git=zit-zi，t-1。其中，g為中小企業(yè)生產(chǎn)率的近似值。

2.解釋變量

最大100家企業(yè)異質(zhì)性沖擊（GR_100），本文用粒度殘差指標衡量?；贕abaix[2]的方法，將理想的粒度殘差指標Γ*定義為：Γ*t=∑Ki=1Si，t-1/Yt-1εit。其中，S表示企業(yè)總收入，Y表示GDP，K為100。上式表示加權(quán)規(guī)模下企業(yè)異質(zhì)性沖擊總和。為了得到ε，用t-1時期的Q≥K個企業(yè)來估計企業(yè)異質(zhì)性沖擊。利用估計的企業(yè)生產(chǎn)率g得到it=git-′Xit，X表示樣本的平均增長率。粒度殘差指標Γ為：Γt=∑Ki=1Si，t-1/Yt-1it。若Γ與Γ*十分接近，則認為識別出了粒度殘差指標。有兩點需要說明：第一，可以使用最簡單的方法，即等權(quán)規(guī)模來控制樣本中的平均增長率，Xit=git，git=Q-1∑Qi=1git。實際中，通常用K=100來構(gòu)建粒度殘差指標，Q=1 000或100來計算平均值。進而得到：GR_100t=Γt=∑Ki=1Si，t-1/Yt-1（git-git）。此外，使用企業(yè)i所在行業(yè)的平均生產(chǎn)率g來表示平均增長率，Xit=gIndit，有：GR_100t=Γt=∑Ki=1Si，t-1/Yt-1（git-gIndit）。上式代表加權(quán)規(guī)模下企業(yè)生產(chǎn)率減去行業(yè)內(nèi)平均企業(yè)生產(chǎn)率。（git-gIndit）更加接近真實ε，因為gIndit更好地控制了企業(yè)所在行業(yè)內(nèi)的波動，比如整個行業(yè)的價格波動。本文使用后一種方法，原因在于其控制了最大100家上市企業(yè)所在行業(yè)的平均增長率，得到的粒度殘差指標更加接近真實的ε。

分行業(yè)大型企業(yè)異質(zhì)性沖擊（GR_Ind），同理也用粒度殘差指標衡量。由于每一行業(yè)大型企業(yè)的數(shù)量不同，每一行業(yè)中最大的K家企業(yè)取值不同，用n表示。因此，用GR_Ind表示K=n時分行業(yè)大型企業(yè)異質(zhì)性沖擊，計算公式如下：GR_Indt=Γ_Indt=∑K=ni=1Si，t-1/Yt-1（git-gIndt）。其中，Ind表示行業(yè);Si，t-1/Yt-1表示分行業(yè)內(nèi)大型企業(yè)i在t-1時期產(chǎn)量與行業(yè)總產(chǎn)值的比值。除了分行業(yè)大型企業(yè)異質(zhì)性沖擊反映行業(yè)的集中度外，赫芬達爾指數(shù)也被廣泛使用，后文用其作為替代指標進行穩(wěn)健性檢驗。市場集中度（HHI），用企業(yè)所在行業(yè)的赫芬達爾指數(shù)衡量。

3.調(diào)節(jié)變量

債務(wù)比率（DebtR），用企業(yè)總負債與總資產(chǎn)的比值衡量;企業(yè)現(xiàn)金流（CF），用（營業(yè)利潤+當期折舊）/總資產(chǎn)衡量。

4.控制變量

借鑒Blank等[5]與張?zhí)祉敽挖w夢婷[13]，宏觀經(jīng)濟層面控制變量包括：信貸總額占GDP比重（Credit）、進出口總額占GDP比重（Trade）、居民消費價格指數(shù)（CPI）、政府消費占GDP比重（Gov）。

借鑒簡澤等[18]與任曙明和呂鐲[8]，企業(yè)層面控制變量包括：企業(yè)規(guī)模（Asset），用總資產(chǎn)的自然對數(shù)值衡量;財務(wù)杠桿（Lev），用企業(yè)總負債與股東權(quán)益的比值衡量;技術(shù)選擇（KI），用企業(yè)人均資本的自然對數(shù)值衡量;企業(yè)年齡（Age），用（樣本年份-成立年份）的自然對數(shù)值衡量;企業(yè)所在省份宏觀經(jīng)濟增速（GDP_pro）。

（二）數(shù)據(jù)說明

本文使用的企業(yè)數(shù)據(jù)主要來自于國泰安數(shù)據(jù)庫，包括中國A股市場2000年1月1日至2018年12月31日的所有上市企業(yè)?；谠紨?shù)據(jù)，做如下處理：剔除行業(yè)中金融類企業(yè)，其中，包括貨幣金融服務(wù)類、其他金融類、資本市場服務(wù)類、保險類企業(yè);剔除ST和*ST類企業(yè)，共得到3 461家企業(yè)，剔除觀測值缺失的樣本，最終得到29 318個觀測值;本文使用的國民經(jīng)濟核算指標類數(shù)據(jù)來自于國家統(tǒng)計局數(shù)據(jù)庫。

根據(jù)《國民經(jīng)濟行業(yè)分類》（GB/T 4754—2017）中行業(yè)代碼（字母）門類代碼，并結(jié)合《統(tǒng)計上大中小微型企業(yè)劃分標準》，本文將樣本數(shù)據(jù)劃分為11個行業(yè)，分別為：農(nóng)、林、牧、漁業(yè);采礦業(yè);制造業(yè);電力、熱力、燃氣及水生產(chǎn)和供應業(yè);建筑業(yè);批發(fā)業(yè)和零售業(yè);交通運輸和倉儲業(yè);住宿和餐飲業(yè);信息傳輸、軟件和信息技術(shù)服務(wù)業(yè);房地產(chǎn)業(yè);其他行業(yè)。根據(jù)《統(tǒng)計上大中小微型企業(yè)劃分標準》中從業(yè)人數(shù)、銷售金額和資產(chǎn)總額等三項指標，對不同行業(yè)的大中小企業(yè)進行劃分。如此劃分的原因如下：首先，以從業(yè)人數(shù)劃分企業(yè)類型，清晰簡單，符合國際通用做法。其次，客觀上，總收入反映了企業(yè)真實的經(jīng)營體量和市場競爭實力，且該指標在中國現(xiàn)行指標中數(shù)據(jù)較為完整，獲取難度較低。最后，資產(chǎn)總額指標從生產(chǎn)要素和資源兩個維度體現(xiàn)了公司整體規(guī)模。

（三）模型設(shè)定

為了分析中國最大100家企業(yè)異質(zhì)性沖擊對經(jīng)濟增長率的影響，構(gòu)建如下模型：

Growthit=β0+β1Growthi，t-1+β2GR_100it+∑βmControlsit+Yeart+εit（1）

其中，i和t分別表示企業(yè)和年份;Controls表示一系列控制變量，包括信貸總額占GDP比重（Credit）、進出口總額占GDP比重（Trade）、居民消費價格指數(shù)（CPI）和政府消費占GDP比重（Gov）;Year表示時間效應;ε表示隨機擾動項。

為了分析分行業(yè)大型企業(yè)異質(zhì)性沖擊對中小企業(yè)生產(chǎn)率的影響，構(gòu)建如下模型：

git=β0+β1GR_Indit+∑βmControlsit+Indi+Yeart+λi+εit（2）

其中，Controls表示一系列控制變量，包括企業(yè)規(guī)模（Asset）、財務(wù)杠桿（Lev）、技術(shù)選擇（KI）、企業(yè)年齡（Age）、企業(yè)所在省份宏觀經(jīng)濟增速（GDP_pro）;Ind、Year和λ分別表示行業(yè)固定效應、時間效應和個體效應;ε表示隨機擾動項。

四、實證結(jié)果及分析

（一）描述性統(tǒng)計分析

表1是主要變量的描述性統(tǒng)計結(jié)果，分行業(yè)大型企業(yè)異質(zhì)性沖擊的標準差比最大100家企業(yè)異質(zhì)性沖擊的標準差大，意味著分行業(yè)異質(zhì)性沖擊差別很大;中小企業(yè)生產(chǎn)率的均值為0.117，且在樣本期間呈穩(wěn)步上升趨勢，但分行業(yè)大型企業(yè)異質(zhì)性沖擊為穩(wěn)步下降趨勢。

（二）基準回歸結(jié)果及分析

1.最大100家企業(yè)異質(zhì)性沖擊與經(jīng)濟增長率

表2是最大100家企業(yè)異質(zhì)性沖擊與經(jīng)濟增長率的回歸結(jié)果，列（1）、列（2）和列（3）分別報告了全國季度GDP增長率（gGDP）、季度人均GDP增長率（gGDPppl）和季度工業(yè)增加值增長率（IndAdd）作為被解釋變量的系統(tǒng)GMM回歸結(jié)果。

從表2可以看出，列（1）最大100家企業(yè)異質(zhì)性沖擊的回歸系數(shù)為1.412，且在1%的水平下顯著，說明最大100家企業(yè)異質(zhì)性沖擊對經(jīng)濟增長率具有顯著正向影響。列（2）和列（3）顯示，最大100家企業(yè)異質(zhì)性沖擊的回歸系數(shù)分別為1.486和0.932，且均在1%的水平下顯著。假設(shè)1得以驗證。其他控制變量的回歸結(jié)果也與其經(jīng)濟含義一致。

2.分行業(yè)大型企業(yè)異質(zhì)性沖擊與行業(yè)內(nèi)中小企業(yè)生產(chǎn)率

表3是分行業(yè)大型企業(yè)異質(zhì)性沖擊與行業(yè)內(nèi)中小企業(yè)生產(chǎn)率的回歸結(jié)果，列（1）和列（2）分別報告了沒有控制變量和引入控制變量的固定效應回歸結(jié)果。

從表3可以看出，列（1）和列（2）顯示，分行業(yè)大型企業(yè)異質(zhì)性沖擊的回歸系數(shù)均為負，且在5%水平下顯著，在加入了控制變量后，系數(shù)的絕對值有所增長，說明分行業(yè)大型企業(yè)異質(zhì)性沖擊會顯著降低行業(yè)內(nèi)中小企業(yè)生產(chǎn)率，假設(shè)2得以驗證。

（三）分行業(yè)大型企業(yè)異質(zhì)性沖擊對行業(yè)內(nèi)中小企業(yè)生產(chǎn)率的影響機制

1.基于債務(wù)比率的討論

Myers和Majluf[14]與Aivazian等[19]認為，分行業(yè)大型企業(yè)異質(zhì)性沖擊影響行業(yè)內(nèi)中小企業(yè)生產(chǎn)率的核心環(huán)節(jié)在于其面臨的融資約束，債務(wù)較高可能是限制中小企業(yè)進行外部融資來投資或產(chǎn)生投資激勵的原因。為了檢驗分行業(yè)大型企業(yè)異質(zhì)性沖擊對行業(yè)內(nèi)中小企業(yè)融資約束的影響，構(gòu)建如下模型：

git=α0+α1GR_Indit+α2GR_Indit×DebtRi，t-1+α3DebtRi，t-1+∑αmControlsit+Indi+Yeart+λi+εit（3）

其中，Controls表示一系列控制變量，與模型（2）中的控制變量相同。

表4是分行業(yè)大型企業(yè)異質(zhì)性沖擊與行業(yè)內(nèi)中小企業(yè)的融資約束的回歸結(jié)果。

表4列（1）是基于模型（3）的回歸結(jié)果，分行業(yè)大型企業(yè)異質(zhì)性沖擊與債務(wù)比率交互項的回歸系數(shù)為負，且在1%的水平下顯著，說明分行業(yè)大型企業(yè)異質(zhì)性沖擊越大，行業(yè)內(nèi)中小企業(yè)債務(wù)比例越高，進而導致其生產(chǎn)率越低。

2.基于投資—現(xiàn)金流敏感性的討論

本文借鑒Fazzari等[20]構(gòu)建的投資—現(xiàn)金敏感性模型，檢驗分行業(yè)大型企業(yè)異質(zhì)性沖擊對行業(yè)內(nèi)中小企業(yè)融資約束的影響，構(gòu)建如下模型：

I/Kit=α0+α1GR_Indit+α2GR_Indit×CFi，t-1+α3CFi，t-1+∑αmControlsit+indusi+Yeart+λi+εit（4）

其中，I/K表示企業(yè)新增投資，用周期內(nèi)固定資產(chǎn)增量/期初固定資產(chǎn)衡量;Controls表示一系列控制變量，與模型（2）中的控制變量相同。

Fazzari等[20]認為，融資約束程度較高時，企業(yè)更加傾向于使用內(nèi)部資金完成融資，即項目投資所需資金多來自于企業(yè)自身現(xiàn)金流。由此，若CF的系數(shù)α3顯著為正，則系數(shù)反映融資約束程度。各行業(yè)大型企業(yè)異質(zhì)性沖擊與現(xiàn)金流指標的交互項，即GR_Ind×CF表明往往大型企業(yè)正向異質(zhì)性沖擊對同行業(yè)中小企業(yè)融資約束具有額外效應，若交互項系數(shù)α2顯著為正，則表示各行業(yè)企業(yè)異質(zhì)性沖擊加劇了中小企業(yè)的融資約束。

表4列（2）是基于模型（4）的回歸結(jié)果，企業(yè)現(xiàn)金流的回歸系數(shù)為正，且在1%的水平下顯著，說明現(xiàn)金流對投資支出具有正向效應;分行業(yè)大型企業(yè)異質(zhì)性沖擊與內(nèi)部現(xiàn)金流的交互項系數(shù)顯著為正，說明大型企業(yè)異質(zhì)性沖擊提高了行業(yè)內(nèi)中小企業(yè)的投資—現(xiàn)金流敏感性。由于企業(yè)更多地依賴于內(nèi)部資金進行融資決策，進而企業(yè)投資所需資金則主要來源于自身現(xiàn)金流。因此，分行業(yè)大型企業(yè)異質(zhì)性沖擊通過加劇行業(yè)內(nèi)中小企業(yè)的融資約束，導致其生產(chǎn)率下降，假設(shè)2進一步得以驗證。

3.不同企業(yè)特征的分類討論

Bah和Dumontier[21]與王燕梅[22]研究發(fā)現(xiàn)，從行業(yè)屬性角度，較之低技術(shù)行業(yè)，高技術(shù)行業(yè)企業(yè)受限于無形資產(chǎn)占比過高，融資約束尤甚。Claessens和Tzioumis[23]的研究表明，從企業(yè)性質(zhì)角度，非國有企業(yè)比國有企業(yè)更有可能面臨融資約束。從企業(yè)生命周期角度，張杰等[24]發(fā)現(xiàn)，信息不對稱導致了新企業(yè)比老企業(yè)更容易遭遇融資約束。因此，本文根據(jù)上述三個維度劃分子樣本，比較分行業(yè)大型企業(yè)異質(zhì)性沖擊對行業(yè)內(nèi)中小企業(yè)生產(chǎn)率的影響在異質(zhì)性企業(yè)中的差異。具體而言，按照國家統(tǒng)計局公布的行業(yè)分類標準，可以將中小企業(yè)分為兩大類，即高技術(shù)行業(yè)和低技術(shù)行業(yè);按照國泰安數(shù)據(jù)庫的企業(yè)股權(quán)性質(zhì)劃分，將股權(quán)結(jié)構(gòu)中含有國有股的中小企業(yè)歸入國有企業(yè)，其他則歸為非國有企業(yè);根據(jù)企業(yè)年齡不同，分為新企業(yè)和老企業(yè)兩類企業(yè)，具體回歸結(jié)果如表5所示。

從表5中可以看出，分行業(yè)大型企業(yè)異質(zhì)性沖擊對行業(yè)內(nèi)中小企業(yè)生產(chǎn)率具有負向沖擊，這在具有強融資約束特征的非國有和新企業(yè)中更為顯著。然而，與預期不同的是，在高技術(shù)行業(yè)中，大型企業(yè)異質(zhì)性沖擊會對中小企業(yè)生產(chǎn)率有顯著正向影響，但是在低技術(shù)產(chǎn)業(yè)中，作用方向相反，這與張杰等[24]與蔡衛(wèi)星[17]的研究結(jié)果一致?？赡艿脑蚴牵呒夹g(shù)產(chǎn)業(yè)需大量依靠產(chǎn)品研發(fā)來促進生產(chǎn)效率提升，而這一過程需要巨大的資金投入和沉沒成本，對于新興的、技術(shù)密集型中小企業(yè)，很難承擔研發(fā)活動所需的巨額前期投入，但他們可以得益于行業(yè)內(nèi)大型企業(yè)新興技術(shù)或創(chuàng)新模式的應用來提高企業(yè)生產(chǎn)率，即大型企業(yè)異質(zhì)性沖擊在高技術(shù)產(chǎn)業(yè)中具有很強的正外部效應。

（四）穩(wěn)健性檢驗

1.次貸危機下分行業(yè)大型企業(yè)異質(zhì)性沖擊

為了增強結(jié)論的穩(wěn)健性，研究次貸危機期間分行業(yè)大型企業(yè)異質(zhì)性沖擊對行業(yè)內(nèi)中小企業(yè)生產(chǎn)率的影響，本文將樣本時間選擇為2007—2009年重新回歸。穩(wěn)健性檢驗結(jié)果顯示，限于篇幅，穩(wěn)健性檢驗結(jié)果未在正文列出，留存?zhèn)渌鳌４笮推髽I(yè)異質(zhì)性沖擊的回歸系數(shù)為-0.307，且在10%的水平下顯著，因此，即使在全球金融危機的影響下，分行業(yè)大型企業(yè)異質(zhì)性沖擊依然與行業(yè)內(nèi)中小企業(yè)生產(chǎn)率顯著負相關(guān)，證實了研究結(jié)果的穩(wěn)健性。

2.使用替代指標

本文使用市場集中度替代分行業(yè)大型企業(yè)異質(zhì)性沖擊進行回歸，穩(wěn)健性檢驗結(jié)果顯示，市場集中度的回歸系數(shù)顯著為負。市場集中度越高，代表行業(yè)結(jié)構(gòu)的壟斷程度越大，該結(jié)果與上文一致。

五、研究結(jié)論與政策建議

本文基于2000—2018年中國上市企業(yè)數(shù)據(jù)，從粒度特征角度構(gòu)建異質(zhì)性沖擊的衡量指標，研究了最大100家企業(yè)異質(zhì)性沖擊對經(jīng)濟增長率的影響和11個分行業(yè)大型企業(yè)異質(zhì)性沖擊對行業(yè)內(nèi)中小企業(yè)生產(chǎn)率的影響。研究發(fā)現(xiàn)：最大100家企業(yè)異質(zhì)性沖擊與經(jīng)濟增長率顯著正相關(guān);11個分行業(yè)大型企業(yè)異質(zhì)性沖擊與行業(yè)內(nèi)中小企業(yè)生產(chǎn)率顯著負相關(guān)，其通過加劇中小企業(yè)的融資約束來降低其生產(chǎn)率，且在低技術(shù)行業(yè)、非國有企業(yè)和新企業(yè)中尤其顯著。

根據(jù)以上研究結(jié)論，筆者提出如下政策建議：首先，對于政府而言，要繼續(xù)深化經(jīng)濟體制改革。優(yōu)化市場資源配置，做好頂層設(shè)計，兼顧大型企業(yè)的發(fā)展與中小企業(yè)的成長，促進各類型企業(yè)良性發(fā)展。同樣，應當以“大型創(chuàng)新企業(yè)為驅(qū)動，帶動中小企業(yè)發(fā)展”的整體思路制定政策目標，并防范由大型龍頭企業(yè)異質(zhì)性沖擊引起的系統(tǒng)性風險。其次，對于大型企業(yè)而言，應持續(xù)提升產(chǎn)品質(zhì)量、服務(wù)質(zhì)量和市場競爭力，提高自身的生產(chǎn)效率和市場占有率。最后，對于中小企業(yè)而言，要克服資源錯配的困境，堅持通過發(fā)展創(chuàng)新推動自身成長。

參考文獻：

[1] Bremus，F(xiàn).，Buch，C.，Russ，K. Big Banks and Macroeconomic Outcomes：Theory and Cross-Country Evidence of Granularity[R]. National Bureau of Economic Research Working Paper Series， No. 19093，2013.

[2] Gabaix，X. The Granular Origins of Aggregate Fluctuations[J]. Econometrica，2011，79（3）：733-772.

[3] Corsetti，G.，Dasgupta，A.，Morris，S.， et al. Does One Soros Make a Difference？ A Theory of Currency Crises With Large and Small Traders[J]. Review of Econmic Studies，2004，71（1）：87-113.

[4] Siriwardane， E. Limited Investment Capital and Credit Spreads[R].Harvard Business School Finance Working Paper，No.16-007，2018.

[5] Blank，S.，Buch，C. M.，Neugebauer，K.Shocks at Large Banks and Banking Sector Distress： The Banking Granular Residual[J]. Journal of Financial Stability，2009，5（4）：353-373.

[6] Jinjarak，Y.，Zheng，H. Granular Institutional Investors and Global Market Interdependence[J].Journal of International Money and Finance，2014，46（3）： 61-81.

[7] Di Giovanni，J.，Levchenko，A.A. Country Size，International Trade，and Aggregate Fluctuations in Granular Economies[J]. Journal of Political Economy，2012，120（6）：1083-1132.

[8] 任曙明，呂鐲.融資約束、政府補貼與全要素生產(chǎn)率——來自中國裝備制造企業(yè)的實證研究[J].管理世界，2014，（11）：10-23.

[9] 林毅夫，孫希芳，姜燁.經(jīng)濟發(fā)展中的最優(yōu)金融結(jié)構(gòu)理論初探[J].經(jīng)濟研究，2009，（8）：4-17.

[10] Di Giovanni，J.，Levchenko，A. A.Large Firms and International Business Cycle Co-Movement[J]. The American Economic Review，2017，107（5）：598-602.

[11] Ignacio，D.R.The Granular Hypothesis in EU Country Exports[J].Economics Letters， 2013， 120（3）：433-436.

[12] Buch，C. M.， Neugebauer，K. Bank-Specific Shocks and the Real Economy[J]. Journal of Banking and Finance， 2011， 35（8）：1-21.

[13] 張?zhí)祉?，趙夢婷.商業(yè)銀行部門、特質(zhì)性沖擊以及中國省際經(jīng)濟增長[J].南方金融，2013，（9）：4-10.

[14] Myers，S.，Majluf，N.Corporate Financing and Investment Decisions When Firms Have Information That Investors Do not Have[J].Journal of Financial Economics，1984，13（2）：187-221.

[15] Badia，M.，Slootmaekers，V.The Missing Link Between Financial Constraints and Productivity[R].IMF Working Paper，No.72，2009.

[16] Aghion，P.G.，Angeletos，A.，Banerjee，K. M. Volatility and Growth： Credit Constraints and Productivity-Enhancing Investment[R]. NBER Working Paper，No.11349，2005.

[17] 蔡衛(wèi)星.銀行業(yè)市場結(jié)構(gòu)對企業(yè)生產(chǎn)率的影響——來自工業(yè)企業(yè)的經(jīng)驗證據(jù)[J].金融研究，2019，（4）：39-55.

[18] 簡澤，張濤，伏玉林.進口自由化、競爭與本土企業(yè)的全要素生產(chǎn)率——基于中國加入WTO 的一個自然實驗[J].經(jīng)濟研究，2014，（8）：120-132.

[19] Aivazian，V.A.，Ge，Y.，Qiu，J. The Impact of Leverage on Firm Investment： Canadian Evidence[J]. Journal of Corporate Finance， 2005，11（1）：277-291.

[20] Fazzari，S. M.，Hubbard，R. G.，Petersen，B. C.Financial Financing Constraints and CorporateInvestment[J]. Brooking Papers on Economic Activity，1988，19（1）：141-206.

[21] Bah，R.，Dumontier，P.R&D Intensity and Corporate Financial Policy： Some International Evidence[J]. Journal of Business Finance and Accounting，2011，28（5）：672-692.

[22] 王燕梅.高技術(shù)產(chǎn)業(yè)化中的融資問題研究[J].中國工業(yè)經(jīng)濟，2000，（9）：67-71.

[23] Claessens，S.，Tzioumis，K. Measuring FirmsAccess to Finance[R]. World Bank Working Paper，2006.

[24] 張杰，蘆哲，鄭文平，等.融資約束、融資渠道與企業(yè)R&D投入[J].世界經(jīng)濟，2012，（10）：66-90.

（責任編輯：孫 艷）

收稿日期：2020-02-15

基金項目：國家社會科學基金一般項目“基于分層管理視角的系統(tǒng)性風險順周期性波動效應與異質(zhì)性沖擊效應研究”（19BJY258）

作者簡介：唐齊鳴（1956-），女，湖北武漢人，教授，博士，博士生導師，主要從事金融計量學、貨幣金融理論等方面研究。E-mail：tqm@hust.edu.cn

趙傳璽（1992-），女，河南鄭州人，博士研究生，主要從事金融計量學研究。E-mail：zhaochuanxi1218@163.com