銀行業(yè)聯(lián)合授信機制提高了企業(yè)的債權(quán)融資效率嗎？
——基于PSM-DID模型的分析

聯(lián)合授信機制實施可以規(guī)范約束企業(yè)的多頭融資和過度融資行為，防控金融風(fēng)險，提高社會資金使用效率。實證結(jié)果表明：在微觀企業(yè)層面，盈利能力越高、資產(chǎn)規(guī)模越大或資產(chǎn)負(fù)債率較高的企業(yè)更可能施行聯(lián)合授信機制，固定資產(chǎn)比例高的企業(yè)更傾向不實施聯(lián)合授信機制；從政策效果看，聯(lián)合授信機制有助于提升企業(yè)的債權(quán)融資效率，其中相較于國有企業(yè)，聯(lián)合授信機制對于非國有企業(yè)的債權(quán)融資效率提升效果更為顯著。

一、引言

債權(quán)融資是企業(yè)獲取資金的重要外部渠道之一。但近些年來，一些企業(yè)因從多家銀行借貸、過度融資、高杠桿經(jīng)營的問題日趨突出，存在嚴(yán)重風(fēng)險隱患，部分企業(yè)已爆發(fā)了信用違約風(fēng)險①，加大了系統(tǒng)性金融風(fēng)險，嚴(yán)重影響了金融的穩(wěn)定性。這種多頭借貸融資和過度融資也擠占了稀缺的金融資源，降低了資源配置效率。為有效防控企業(yè)多頭授信和過度授信，提升銀行業(yè)金融機構(gòu)信用風(fēng)險管控能力，優(yōu)化金融資源配置，提高社會資金的使用效率，關(guān)于聯(lián)合授信的探索早在2013年由溫州地區(qū)各銀行自發(fā)開展并取得成效。2014年開始，聯(lián)合授信機制的相關(guān)實踐在全國范圍內(nèi)大規(guī)模展開，從公開可查的新聞報道可見，浙江、福建、江蘇、重慶、山東等省份在2014年即開展了聯(lián)合授信的相關(guān)探索，2018年5月22日中國銀保監(jiān)會制定了《銀行業(yè)金融機構(gòu)聯(lián)合授信管理辦法（試行）》，明確了聯(lián)合授信機制內(nèi)涵，并對參與聯(lián)合授信的企業(yè)進行規(guī)范，②以實現(xiàn)優(yōu)化金融資源配置、降低企業(yè)杠桿率、防范化解重大金融風(fēng)險的作用。

由于聯(lián)合授信機制的推出尚處于實踐探索階段，其政策效果在理論界并未進行充分論證。基于此，本文以2009—2019年中國滬深兩市A股上市公司的數(shù)據(jù)為研究樣本，將2014年作為全國范圍內(nèi)大規(guī)模開展聯(lián)合授信的時間分割線③，以2009—2013年為對照組、2014—2019年為實驗組，借鑒PSM-DID模型對聯(lián)合授信機制的政策效應(yīng)進行評估，以檢驗聯(lián)合授信機制在微觀領(lǐng)域?qū)ζ髽I(yè)債權(quán)融資效率的政策效果，并在此基礎(chǔ)上針對國有和非國有企業(yè)的融資效率影響效果差異進行對比研究，最后探索性提出提升企業(yè)債權(quán)融資效率的具體操作性建議。

二、文獻評述與研究假設(shè)

關(guān)于融資效率影響因素研究，既有從宏觀經(jīng)濟及行業(yè)角度進行的研究，也有從微觀企業(yè)層面進行的研究。（1）從宏觀層面。通貨膨脹會降低企業(yè)獲得融資的可能性進而降低融資效率。［1］GDP增長率上升會提高企業(yè)融資效率，而CPI提高則會降低企業(yè)的融資效率。［2］經(jīng)濟政策不確定性上升使企業(yè)融資效率下降。［3］［4］（2）從微觀層面。張根明采用DEA方法并從籌資效率和資源配置效率兩個維度對中小企業(yè)板塊上市公司的債務(wù)融資效率進行實證研究，發(fā)現(xiàn)企業(yè)僅注重降低融資成本或提高資金使用效率是導(dǎo)致其債權(quán)融資效率偏低的主要原因。［5］吳婭玲研究會計穩(wěn)健性對公司債權(quán)融資效率的影響，結(jié)果發(fā)現(xiàn)會計穩(wěn)健性與債權(quán)融資效率呈正相關(guān)關(guān)系，穩(wěn)健的會計政策會降低債權(quán)人面臨的債務(wù)違約風(fēng)險，提高公司債權(quán)融資效率。［6］Eisdorfer等發(fā)現(xiàn)企業(yè)經(jīng)理人的個人行為影響企業(yè)融資效率。［7］胡云飛研究發(fā)現(xiàn)，公司的負(fù)債比率與盈利能力和非負(fù)債稅盾負(fù)相關(guān)，與企業(yè)規(guī)模、所有權(quán)結(jié)構(gòu)、成長機會、短期負(fù)債、融資擔(dān)保正相關(guān)。［8］黃海燕通過實證分析發(fā)現(xiàn)，民營企業(yè)家的政治關(guān)系、銀行關(guān)系、工作經(jīng)歷與企業(yè)的融資效率呈現(xiàn)顯著正相關(guān)關(guān)系。［9］Bauer和Esqueda認(rèn)為，信用等級改善了企業(yè)獲得外部資金的途徑，提高了融資效率。［10］（3）從銀行規(guī)模角度分析對企業(yè)融資效率的影響。翁舟杰和楊纮鑄采用實證分析方法對比大銀行和中小銀行對中小企業(yè)融資效率影響效果，發(fā)現(xiàn)大銀行對中小企業(yè)融資效率提升效果要優(yōu)于中小銀行。［11］

由此可見，現(xiàn)有關(guān)于企業(yè)債權(quán)融資效率的影響因素研究成果多站在企業(yè)自身角度進行分析，從融資銀行及融資結(jié)構(gòu)本身對企業(yè)債權(quán)融資效率的影響探討的并不多，而由于聯(lián)合授信機制的推出尚處于實踐探索階段，其政策效果在理論界并未進行充分論證，也缺少充分有效的數(shù)據(jù)加以檢驗，因此關(guān)于聯(lián)合授信機制與企業(yè)債權(quán)融資效率兩者關(guān)系的研究到目前為止尚未開展過。

聯(lián)合授信機制歸根結(jié)底是銀行向企業(yè)提供債權(quán)融資的一種方式，基于債權(quán)融資契約約定還本付息強制性［12］，企業(yè)舉借債務(wù)能夠有效約束投資過度［13］。因外部融資成本過高，企業(yè)會減少融資并造成投資不足。［14］在聯(lián)合授信機制中，各授信參與銀行共同收集并交叉驗證所獲得的企業(yè)信息，共同協(xié)商確定企業(yè)的聯(lián)合授信總量，統(tǒng)一設(shè)置企業(yè)融資風(fēng)險的預(yù)警線,并按照協(xié)議對企業(yè)提供授信和管控風(fēng)險，不僅有助于減少銀企之間的信息不對稱，而且對授信企業(yè)的對外投資行為具有管理和約束作用。通過聯(lián)合授信對企業(yè)的銀行授信總量進行控制，使企業(yè)的外部債權(quán)融資保持在企業(yè)經(jīng)營所需的合理范疇，減少企業(yè)經(jīng)理人因企業(yè)擁有過于充裕的資金而引發(fā)投資過度風(fēng)險。因此，提出假設(shè)1：聯(lián)合授信機制對企業(yè)債權(quán)融資效率具有顯著積極影響。

從企業(yè)產(chǎn)權(quán)屬性看，國有企業(yè)相較于非國有企業(yè)風(fēng)險較小，其對外投資較多承擔(dān)的是政治任務(wù)和社會責(zé)任［15］，因此，銀行在對國有企業(yè)的授信核定時風(fēng)險容忍度相對較高，對國有企業(yè)的融資約束相對較小，對其融資資金的使用效率考量較少；相反，非國有企業(yè)在獲取外部融資時，聯(lián)合授信更多地考慮企業(yè)自身的實際資金需求及風(fēng)險承受能力，通常盈利能力強、成長性好、流動性強、規(guī)模大的企業(yè)，更能得到外部融資機構(gòu)的認(rèn)可，從而有利于拓寬其融資渠道，增強融資能力，因而聯(lián)合授信對該類企業(yè)的融資效率的作用更為顯著，因此提出假設(shè)2：聯(lián)合授信機制對提升非國有企業(yè)債權(quán)融資效率效果較國有企業(yè)更為顯著。

基于以上假設(shè)，本文圍繞聯(lián)合授信機制對債權(quán)融資效率的政策效用進行研究，首先采用簡潔的Cobb-Dougals生產(chǎn)函數(shù)，采用時變隨機前沿技術(shù)（SFA）對上市企業(yè)債權(quán)融資效率進行測度；其次，為了控制樣本選擇性偏誤，本文借鑒PSM-DID模型對聯(lián)合授信機制的政策效應(yīng)進行評估。即先采用傾向得分匹配（PSM）法通過傾向得分值將多個指標(biāo)濃縮成一個指標(biāo)，從而找到與實驗組盡可能相似的控制組，有效降低樣本的選擇性偏誤，并將匹配后的數(shù)據(jù)運用雙重差分（DID）模型檢驗實施聯(lián)合授信機制是否提高了企業(yè)債權(quán)融資效率。

三、研究設(shè)計與實證分析

（一）企業(yè)的債權(quán)融資效率分析

1.企業(yè)的債權(quán)融資效率測度?，F(xiàn)有研究中，對企業(yè)融資效率測度的方法較多，主要包括單一因素法、灰色關(guān)聯(lián)法、模糊綜合評價法、熵權(quán)法、數(shù)據(jù)包絡(luò)分析法（DEA）以及隨機前沿分析法（SFA），其中DEA和SFA法運用相對較多。DEA為非參數(shù)法，該方法的優(yōu)點是不需要設(shè)定具體的模型，可以允許由多種投入和多種產(chǎn)出，但由于該方法的模型是不確定的，無法納入由隨機不確定因素所帶來的影響，且測算的效率值不穩(wěn)定，容易受異常值的影響。因此借鑒顏瑞等人的做法［16］，采用單一產(chǎn)出、多投入的隨機前沿分析法（SFA）對上市企業(yè)債權(quán)融資效率進行測算。相對于非參數(shù)DEA，隨機前沿分析法可以在模型中加入隨機誤差項將無效率項與隨機誤差分開，同時傳統(tǒng)的統(tǒng)計檢驗也可以進行，估計得到的效率值相對比較穩(wěn)定。SFA為參數(shù)法，因此需要給定生產(chǎn)函數(shù)，本文采用簡潔的Cobb-Dougals生產(chǎn)函數(shù)，借鑒Battese和Coelli提出的面板隨機前沿模型對上市公司債權(quán)融資效率進行測算。［17］具體模型設(shè)定如公式（1）所示。

其中，Yit表示廠商i在t時期的總產(chǎn)出，Xit為廠商i在t時期的投入要素，β為待估參數(shù)。Vit為隨機擾動項，服從均值為0，方差為σ2的正態(tài)分布，Uit為非效率項，服從半正態(tài)、對數(shù)或截尾正態(tài)分布，一般大于等于0且Vit與Uit相互獨立。為了測算技術(shù)效率，假定各廠商均可得到前沿效率，且樣本期間內(nèi)效率只隨時間的變化而變化，即Uit=0，則有：

其中，TEit表示債權(quán)融資效率。模型（2）表明廠商的前沿效率等于實際產(chǎn)出與期望產(chǎn)出之比，且廠商的技術(shù)效率是隨時間變化的，因此用時變隨機前沿分析相對更加合理。

在現(xiàn)有研究的基礎(chǔ)上，遵循評價指標(biāo)的客觀性、全面性、適用性、可獲得性以及可操作性原則，本文選取一個產(chǎn)出指標(biāo)和三個投入指標(biāo)，具體變量信息如下：

產(chǎn)出指標(biāo)。根據(jù)現(xiàn)有研究，大多文獻選取了企業(yè)績效、總資產(chǎn)周轉(zhuǎn)率以及企業(yè)成長性作為資金配置的產(chǎn)出指標(biāo)，由于隨機前沿分析法可以有多個投入變量只能有一個產(chǎn)出變量，而總資產(chǎn)周轉(zhuǎn)率反映了企業(yè)資產(chǎn)的質(zhì)量管理和利用效率，營業(yè)收入增長率反映了企業(yè)的成長性和市場占有能力，該兩項財務(wù)指標(biāo)較好的發(fā)展最終都能夠在盈利能力上體現(xiàn)，因此本文選取用以反映企業(yè)盈利能力的凈資產(chǎn)收益率（ROE）作為產(chǎn)出指標(biāo)。

投入指標(biāo)。借鑒Zou和Adams的方法［18］，選取債權(quán)融資成本（DFC）、債權(quán)融資風(fēng)險（DFR）以及債權(quán)融資比例（DFRA）作為投入指標(biāo)。其中債權(quán)融資風(fēng)險（DFR）反映了公司自有資金對償債風(fēng)險的承受能力，采用產(chǎn)權(quán)比例即負(fù)債與所有者權(quán)益之比表示，該比例越大說明債權(quán)融資風(fēng)險越大；債權(quán)融資成本（DFC）反映公司獲取債權(quán)融資所支付的成本，采用利息支出與資本化利息之和與債權(quán)融資總額之比來度量，該比例越大說明債權(quán)融資成本越高；債權(quán)融資比例（DFRA）反映債權(quán)融資在企業(yè)所有外部融資中的占比，采用債權(quán)融資總額/（債權(quán)融資總額+股本+資本公積）進行量化，該比例越大說明企業(yè)外部資金來源更多地來自債權(quán)融資。

投入產(chǎn)出數(shù)據(jù)均來自于WIND數(shù)據(jù)庫和CSMAR國泰安數(shù)據(jù)庫并進行相應(yīng)的整理得到。由于在后文中需要設(shè)置2009—2013年為對照組，因此，選取的樣本期間為2009—2019年。由于A股上市企業(yè)較多，用Excel軟件對下述5種情況的樣本進行了篩選或剔除：（1）剔除了被ST、ST*或PT類處理的企業(yè)；（2）剔除了關(guān)鍵變量數(shù)據(jù)嚴(yán)重缺失的企業(yè)；（3）剔除了數(shù)據(jù)明顯異常的企業(yè)，如企業(yè)資產(chǎn)負(fù)債率大于100%或企業(yè)績效為負(fù)；（4）剔除了金融類上市企業(yè)；（5）剔除了2013年之后上市的企業(yè)。在進行效率測度之前，對各變量的數(shù)字特征進行描述性分析。為了避免異常值的影響，對投入產(chǎn)出變量進行了縮尾處理，且后續(xù)研究均采用處理后的數(shù)據(jù)。

2.時變隨機前沿估計結(jié)果分析。在進行測度之前，本文同時對隨機前沿分析的適用性以及時變隨機前沿分析的必要性進行LR檢驗。檢驗結(jié)果見表1。

表1 LR檢驗表

由LR檢驗可知，不存在無效率項的LR檢驗p值小于0.05，故應(yīng)拒絕原假設(shè)，說明企業(yè)債權(quán)融資存在無效率項，使用SFA估計比OLS估計更優(yōu)。不存在時變性的LR檢驗P值小于0.05，故應(yīng)拒絕企業(yè)債權(quán)融資效率非時變的原假設(shè)，因此有必要采用時變隨機前沿分析法進行效率的測度。

借助Frontier 4.1軟件進行隨機前沿模型的參數(shù)估計，參數(shù)估計結(jié)果見表2。為了便于比較，同時將非時變的情形也披露在表2中。兩個方程的γ系數(shù)在1%的顯著性水平下均顯著非0，說明SFA模型適用。η的系數(shù)為-0.0212，且通過了1%顯著性水平檢驗，說明債權(quán)融資效率會隨時間變化，且系數(shù)小于0，說明隨時間呈現(xiàn)衰減趨勢。第二列的μ值在1%的顯著性水平下顯著，說明存在技術(shù)無效率項。參數(shù)估計表明，債權(quán)融資成本和債權(quán)融資風(fēng)險越高，不利于企業(yè)盈利能力的提高，債權(quán)融資比例對企業(yè)績效具有積極的影響。

（二）實證模型的設(shè)定

為了控制樣本選擇性偏誤，本文借鑒PSM-DID模型對聯(lián)合授信機制的政策效應(yīng)進行評估。首先采用傾向得分匹配（PSM）法通過傾向得分值將多個指標(biāo)濃縮成一個指標(biāo)，從而找到與實驗組盡可能相似的控制組，有效降低樣本的選擇性偏誤，并將匹配后的數(shù)據(jù)運用雙重差分（DID）模型檢驗實施聯(lián)合授信機制是否提高了企業(yè)債權(quán)融資效率。

表2 時變隨機前沿模型參數(shù)估計表

傾向得分匹配法（PSM）最開始應(yīng)用于醫(yī)學(xué)方面的研究，用于檢驗?zāi)撤N新研制藥物的作用，后續(xù)逐漸被運用于經(jīng)濟、金融等方面的政策效應(yīng)評估。該方法的原理是用除實驗變量之外的多個維度為實驗組匹配出控制組，實驗組和控制組之間以是否進行了實驗為區(qū)分，避免受其他影響因素對實驗效果的干擾。本文希望通過PSM方法降低內(nèi)生性問題，并降低實驗組與控制組的差異性。具體步驟如下：

首先，確立初始樣本，通過傾向得分值將多個指標(biāo)整合為一個指標(biāo)，進而獲得實驗組和控制組數(shù)據(jù)，具體模型設(shè)定如公式（3）所示。

其次，將匹配得到的實驗組與控制組樣本進行雙重差分模型檢驗聯(lián)合授信在企業(yè)債權(quán)融資效率的政策效應(yīng)。具體模型設(shè)定如公式（4）所示。

其中，TE為企業(yè)債權(quán)融資效率，由隨機前沿分析法測算得到。Treat和Post分別為分組虛擬變量和時間虛擬變量。雖然2018年銀保監(jiān)會以頒布正式文件方式全面實施聯(lián)合授信機制，但聯(lián)合授信的實踐從2014年起在多個省份就已經(jīng)展開。為了增加樣本量，本文將2014年聯(lián)合授信的試點年份作為聯(lián)合授信實施的分界點，因此2014年之前Post取值為0，即為控制組，2014—2019年P(guān)ost取值為1,即為實驗組；對于處理變量，由于上市企業(yè)的融資數(shù)據(jù)存在一定年份的缺失，因此將上市企業(yè)2014—2019年平均融資余額在20億以上且融資機構(gòu)在3家及以上的企業(yè)Treat取值為1，否則取值為0。④控制變量或協(xié)變量為企業(yè)總資產(chǎn)規(guī)模（ROA）、總資產(chǎn)周轉(zhuǎn)率（TAT）、資產(chǎn)負(fù)債率（LEV）、規(guī)模（SIZE）、固定資產(chǎn)比例（FCR）以及企業(yè)年齡（AGE）。ind為行業(yè)虛擬變量，year為年度虛擬變量。

（三）樣本匹配結(jié)果分析

借助Stata15.1軟件，運用Logit回歸計算樣本的傾向得分，采用近鄰1:2有放回匹配的方法選擇控制樣本。Logit回歸結(jié)果見表3。

由Logit回歸可知，在5%的顯著性水平下，企業(yè)盈利能力、資產(chǎn)負(fù)債率以及資產(chǎn)規(guī)模對施行聯(lián)合授信政策的可能性具有顯著的正向影響，而固定資產(chǎn)比例對施行聯(lián)合授信政策的可能性具有顯著的負(fù)向影響，說明盈利能力越高、資產(chǎn)規(guī)模越大或資產(chǎn)負(fù)債率較高的企業(yè)更加可能施行聯(lián)合授信政策，固定資產(chǎn)比例高的企業(yè)更傾向不實施聯(lián)合授信政策。

表3 Logit回歸參數(shù)估計表

一般而言，銀行對企業(yè)給予企業(yè)核定授信額度并進行融資投放主要從企業(yè)本身的信用狀況和資金需求的合理性兩個方面的因素考慮?；诖耍?guī)模大和盈利能力強的企業(yè)必然是大多數(shù)銀行競相爭取合作的對象，因而為實施聯(lián)合授信政策提供了基礎(chǔ)和條件；而企業(yè)資產(chǎn)負(fù)債率高說明其所承擔(dān)的外部負(fù)債較多，銀行和企業(yè)為了有效防控風(fēng)險會傾向于組建聯(lián)合授信機制；相反，固定資產(chǎn)比例高的企業(yè)本身具有相對較多的可用于辦理抵質(zhì)押擔(dān)保的資產(chǎn)，因而融資渠道較為暢通，故參與聯(lián)合授信的概率相對固定資產(chǎn)少的企業(yè)更低。

通過近鄰1:2有放回匹配雖然得到了匹配后的實驗組和控制組，但是還需要通過平衡性檢驗傾向得分匹配的效果。通過平衡性檢驗結(jié)果可知，在匹配之前除了企業(yè)年限外，其他協(xié)變量之間均存在顯著差異，經(jīng)過傾向得分匹配之后，t檢驗表明，變量間不存在顯著差異，說明匹配之后，處理值與控制組在各匹配維度上基本相同，從而有效避免了由樣本自主選擇偏誤導(dǎo)致的內(nèi)生性問題。

（四）PSM-DID模型參數(shù)估計

通過傾向得分匹配后，本文運用匹配后的樣本進行雙重差分模型檢驗（DID模型），最終的估計結(jié)果見表4。為了避免行業(yè)和年度的影響，對行業(yè)和年度因素進行控制。同時對各企業(yè)按照產(chǎn)權(quán)屬性進行了分組，用于檢驗實行聯(lián)合授信機制的政策效果是否在產(chǎn)權(quán)屬性上存在差異。

由DID模型的參數(shù)估計表可知，（1）列Treat×Post的系數(shù)為0.0015，且通過了1%顯著性水平的檢驗，說明相對于沒有實施聯(lián)合授信機制的企業(yè)，實施聯(lián)合授信機制的企業(yè)債權(quán)融資效率得到顯著提升，表明企業(yè)實行聯(lián)合授信政策有助于提高企業(yè)的債權(quán)融資效率，本結(jié)果驗證了假設(shè)1；（2）列Treat×Post的系數(shù)為0.0001，但是未通過顯著性水平的檢驗；（3）列Treat×Post的系數(shù)為0.0034，且在1%的顯著性水平下顯著，說明聯(lián)合授信政策的實施對企業(yè)債權(quán)融資效率的影響存在差異，相對于國有企業(yè)，非國有企業(yè)實行聯(lián)合授信政策對債權(quán)融資效率的提高作用更為顯著，以上結(jié)果驗證了假設(shè)2。

由于國有企業(yè)本身具有區(qū)別于自由市場經(jīng)濟下一般企業(yè)的獨特性，國有企業(yè)普遍背負(fù)著諸如經(jīng)濟發(fā)展戰(zhàn)略、就業(yè)、稅收、社會穩(wěn)定等政策性使命和負(fù)擔(dān)，造成國有企業(yè)資金募集、資金使用和收益的低效率，同時政治關(guān)系、政府干預(yù)等因素也影響了銀行向國有企業(yè)的貸款決策。在中國經(jīng)濟轉(zhuǎn)型的背景下，國有企業(yè)和非國有企業(yè)所面臨的融資約束在模式上存在不同，國有企業(yè)普遍存在著預(yù)算軟約束。［19］結(jié)合產(chǎn)權(quán)理論、代理理論和信息不對稱理論，也可以得出聯(lián)合授信機制對國有企業(yè)債權(quán)融資效率提高的影響作用要弱于非國有企業(yè)的結(jié)論。

表4 聯(lián)合授信對債權(quán)融資效率的影響分析

（五）穩(wěn)健性檢驗

基礎(chǔ)回歸采用傾向得分匹配后的數(shù)據(jù)進行DID模型參數(shù)估計，為了檢驗上述模型的穩(wěn)定性，還需要對模型進行穩(wěn)健性檢驗，下文分別采用平行趨勢檢驗和改變匹配方法的DID參數(shù)估計兩種方法。

1.平行趨勢檢驗。本文通過PSM-DID驗證了聯(lián)合授信政策促進了企業(yè)債權(quán)融資效率。DID模型是基于平行趨勢的假定下，即實驗組和控制組在政策時點前具有一致的趨勢。現(xiàn)通過在回歸中加入各時點虛擬變量與政策變量的交互項，若政策前的交互項系數(shù)不顯著，則表明的確具有平行趨勢。因此借助Stata15.1軟件，繪制了時間虛擬變量與政策變量交互系數(shù)圖（圖1）。橫坐標(biāo)的數(shù)字0反映的是政策當(dāng)年，0的左邊為政策前，右邊為政策實施后。垂直的線段表示系數(shù)標(biāo)準(zhǔn)誤，若標(biāo)準(zhǔn)誤不包含0，則說明系數(shù)在5%顯著性水平下顯著。

由圖1可知，在政策發(fā)生前，虛擬變量與政策交互項系數(shù)不顯著，說明政策前實驗組與控制組具有共同的趨勢。政策實施當(dāng)年至第三年，聯(lián)合授信表現(xiàn)出負(fù)的政策效果，第四期開始聯(lián)合授信的正向政策效果開始顯現(xiàn)，在1%的顯著性水平下交互項系數(shù)顯著為正。

2.改變匹配方法的DID參數(shù)估計。本文采用核匹配、卡尺匹配、局部線性匹配以及1:1無放回匹配法進行實驗組與對照組的匹配，然后再次進行DID估計，參數(shù)估計結(jié)果見表5。（1）、（2）、（3）、（4）列中交互項的系數(shù)均顯著為正。綜合上述結(jié)果可知，聯(lián)合授信對融資效率的政策效應(yīng)對匹配方法不敏感，驗證了模型的穩(wěn)健性。

圖1 平行趨勢檢驗圖

表5 穩(wěn)健回歸參數(shù)估計

四、結(jié)論與政策建議

本文研究聯(lián)合授信機制對企業(yè)債權(quán)融資效率的影響作用，研究結(jié)論如下：（1）聯(lián)合授信機制對企業(yè)債權(quán)融資效率具有顯著的積極影響。從控制變量來看，企業(yè)盈利能力、總資產(chǎn)周轉(zhuǎn)率、資產(chǎn)負(fù)債率和資產(chǎn)規(guī)模與企業(yè)債權(quán)融資效率呈現(xiàn)顯著的正向關(guān)系；固定資產(chǎn)比例與企業(yè)債權(quán)融資效率呈現(xiàn)顯著的負(fù)向關(guān)系。（2）從聯(lián)合授信政策效應(yīng)評估研究結(jié)果看，聯(lián)合授信機制的實施對債權(quán)融資效率的影響存在差異，相較于國有企業(yè)，非國有企業(yè)更加可能施行聯(lián)合授信政策且政策效應(yīng)更為明顯；盈利能力越高、資產(chǎn)規(guī)模越大或資產(chǎn)負(fù)債率較高的企業(yè)更加可能施行聯(lián)合授信政策，固定資產(chǎn)比例高的企業(yè)更不傾向?qū)嵤┞?lián)合授信政策。

基于以上結(jié)論，本文認(rèn)為聯(lián)合授信機制對企業(yè)債權(quán)融資效率的相關(guān)影響研究無論對企業(yè)選取合適的融資策略還是對聯(lián)合授信機制的有效實行都具有積極的指導(dǎo)意義。

第一，企業(yè)可通過積極參與聯(lián)合授信提升其融資效率。在對合作銀行的選擇上要考慮企業(yè)自身發(fā)展所需的銀行數(shù)量，并對單一最大授信銀行、單一最高融資占比、融資期限和融資擔(dān)保等具體融資方式進行選擇和布局。企業(yè)在選擇授信機構(gòu)時，要選擇風(fēng)險、成本最佳組合的金融機構(gòu)作為授信合作單位，對資金需求和信貸投放進度，要提前謀劃，及早對接，減少因無法獲得授信而產(chǎn)生的流動性風(fēng)險。在融資期限的選擇上，由于債務(wù)期限結(jié)構(gòu)不均衡會影響企業(yè)融資效率，短期融資成本較低但容易產(chǎn)生流動性壓力從而導(dǎo)致企業(yè)融資風(fēng)險加大，而長期融資對企業(yè)投資活動現(xiàn)金流具有改善作用但資金成本較高，因此，企業(yè)要利用聯(lián)合授信機制優(yōu)化自身債務(wù)結(jié)構(gòu)，使企業(yè)的融資結(jié)構(gòu)與資產(chǎn)結(jié)構(gòu)相匹配，避免融資期限錯配，進而使企業(yè)投融資效率得到提升。

第二，企業(yè)可以參與聯(lián)合授信為契機，對企業(yè)自身內(nèi)部相關(guān)的生產(chǎn)、銷售、財務(wù)等相關(guān)管理制度進行全面自查并在此基礎(chǔ)上加以完善。企業(yè)通過獲得聯(lián)合授信額度的過程，了解融資機構(gòu)所關(guān)注企業(yè)所存在的風(fēng)險點，從而查漏補缺完善企業(yè)的各項管理，降低公司的融資風(fēng)險，提高融資效率。對于企業(yè)管理者，企業(yè)可依據(jù)法律法規(guī)、規(guī)章制度以及內(nèi)控管理體系等建立對管理者行為的有效監(jiān)管和約束機制，進而減少道德風(fēng)險和逆向選擇的發(fā)生概率，從而防止管理者損害公司利益的行為，確保公司健康有序地發(fā)展。

第三，銀行在組建聯(lián)合授信時，應(yīng)有針對性選擇參與聯(lián)合授信的企業(yè)，將關(guān)注點集中在民營企業(yè)，使聯(lián)合授信政策對企業(yè)的債權(quán)融資效率起到顯著的積極效用。在組建聯(lián)合授信過程中，也要對聯(lián)合授信的銀行參與方及參與授信額度進行合理規(guī)劃和管理，對參與聯(lián)合授信的銀行家數(shù)、牽頭銀行屬性及規(guī)模、授信額度的分配以及增信措施均要給予考慮和布局。建立和完善對企業(yè)風(fēng)險的識別能力。通過貸前盡調(diào)和貸后管理，與企業(yè)保持密切的信息交流，充分了解企業(yè)的財務(wù)及信用情況相關(guān)數(shù)據(jù)信息，同時可通過銀行與企業(yè)之間的信息化系統(tǒng)對接，采用現(xiàn)代科技手段降低企業(yè)信息披露成本，保證信息披露安全、完整、透明和及時，維護企業(yè)信用，降低企業(yè)與融資機構(gòu)之間信息不對稱的概率，以便企業(yè)可在最短時間內(nèi)獲得銀行授信的同時也降低了融資的成本，保障企業(yè)經(jīng)營和投資的順利進行。同時，聯(lián)合授信銀行也應(yīng)該對企業(yè)建立有效的監(jiān)管機制及合理的信用風(fēng)險評價機制，防止企業(yè)在獲取銀行融資后進行無效投資或投資過度，在防控風(fēng)險、穩(wěn)定銀企關(guān)系的同時幫助企業(yè)提升資金使用效率，促進企業(yè)健康發(fā)展。

第四，政策層面需區(qū)分國有企業(yè)和非國有企業(yè)，有的放矢地提升債權(quán)融資效率。研究表明聯(lián)合授信機制對國有企業(yè)的投融資效率并不會有顯著改善的作用，對于國有企業(yè)中所存在的因內(nèi)部現(xiàn)金流過于充足而產(chǎn)生非效率投資的情況，政府應(yīng)加快國有企業(yè)的制度創(chuàng)新和改革，盡快建立和完善產(chǎn)權(quán)市場，實現(xiàn)國有資產(chǎn)的合理流動，加快國有大中型企業(yè)投資主體多元化進程，將市場化機制引入國有企業(yè)治理當(dāng)中，完善企業(yè)激勵機制，推進國有企業(yè)兼并重組，使國有企業(yè)能夠迅速擴大資本，通過做強、做大優(yōu)勢企業(yè)來提高企業(yè)的投融資效率。而對于民營企業(yè)融資成本相對較高，融資約束相對較大，政府可以通過定向降準(zhǔn)、鼓勵面向特殊領(lǐng)域的專項貸款或補貼等多種方式，拓寬民營企業(yè)的資金獲取渠道，降低民營企業(yè)的融資成本。

注釋：

①如渤海鋼鐵、東北特鋼、中鋼集團、雨潤集團、齊星集團、賽維集團、輝山乳業(yè)、樂視集團、海航集團等。

②聯(lián)合授信是指超過3家以上的銀行業(yè)金融機構(gòu)向同一家企業(yè)（集團）提供債務(wù)融資的情況。聯(lián)合授信管理是約束多家銀行對單一企業(yè)過度融資的一種監(jiān)管制度。規(guī)定對在3家以上銀行業(yè)金融機構(gòu)有融資余額，且融資余額合計在50億元以上的企業(yè)，應(yīng)建立聯(lián)合授信機制；對在3家以上的銀行業(yè)金融機構(gòu)有融資余額，且融資余額合計在20億～50億元之間的企業(yè)，可自愿建立聯(lián)合授信機制。

③盡管聯(lián)合授信政策的推出是在2018年，考慮到實證研究中對樣本量的要求以及2014年開始在浙江、江蘇、福建、重慶、山東等全國多個省份進行了聯(lián)合授信管理的實踐嘗試，從而界定本文研究實行聯(lián)合授信機制的樣本時間區(qū)間為2014—2019年。

④該標(biāo)準(zhǔn)主要基于審慎選擇、數(shù)據(jù)可得性原則以及樣本量考慮而確定。由于2014年聯(lián)合授信開始在全國各地開展，各地區(qū)在聯(lián)合授信實踐中選擇的企業(yè)對象標(biāo)準(zhǔn)不一，如：浙江省實施聯(lián)合授信機制的企業(yè)標(biāo)準(zhǔn)采用“授信總額在1億元以上且授信銀行或擬授信銀行3家（含）以上的企業(yè)（含集團客戶）”，福建省采用“授信銀行在2家（含）以上，授信總額8億元（含）以上的企業(yè)集群”，重慶市采用“授信總額20億元以上且授信銀行2家（含）以上的企業(yè)（含集團客戶）”，山東省采用“對授信20億元、10億元以上的區(qū)域性重要客戶”，河南省以“債務(wù)規(guī)模在3億元以上且3家以上債權(quán)銀行”，但在2018年中國銀保監(jiān)會通過制度方式明確了聯(lián)合授信的實施對象，即“在3家以上銀行業(yè)金融機構(gòu)有融資余額，且融資余額合計在50億元以上的企業(yè)，銀行業(yè)金融機構(gòu)應(yīng)建立聯(lián)合授信機制；對在3家以上的銀行業(yè)金融機構(gòu)有融資余額，且融資余額合計在20億～50億元之間的企業(yè)，銀行業(yè)金融機構(gòu)可自愿建立聯(lián)合授信機制”。在后續(xù)實踐中各地區(qū)銀行業(yè)協(xié)會均以從嚴(yán)原則執(zhí)行銀保監(jiān)會的聯(lián)合授信管理辦法。因此，本文比照聯(lián)合授信管理辦法中提議自愿建立聯(lián)合授信機制的企業(yè)標(biāo)準(zhǔn)，選擇2014—2019年期間授信銀行在3家以上，融資余額在20億元以上的A股上市的企業(yè)作為實行聯(lián)合授信機制的樣本。