經(jīng)濟(jì)政策不確定性、金融加速器與企業(yè)績(jī)效*

耿慶峰，林騰雄

（閩江學(xué)院，福建 福州 350108）

一、引言

近年來經(jīng)濟(jì)政策不確定性的加劇引起了學(xué)者們的注意。我國當(dāng)前處于三期疊加的特殊時(shí)期，如何確保經(jīng)濟(jì)穩(wěn)定運(yùn)行、減少經(jīng)濟(jì)波動(dòng)是一個(gè)重要命題。自2007 年后，我國經(jīng)濟(jì)增速開始放緩，經(jīng)濟(jì)政策不確定指數(shù)不斷攀高并且波動(dòng)較大，在2008 年金融危機(jī)沖高回落，又在2010-2012 年升至階段性最高點(diǎn)，2015 年股市的暴漲暴跌再一次抬高了貨幣政策的不確定性。在經(jīng)濟(jì)下行時(shí)期，政策不確定性上升的原因主要有兩個(gè)：一是政府為提振經(jīng)濟(jì)往往會(huì)頻繁采取政策手段刺激經(jīng)濟(jì)恢復(fù)，二是此時(shí)對(duì)經(jīng)濟(jì)系統(tǒng)進(jìn)行新的變革成本較低（Bachmann 和Moscarini ，2011）。但是，政策頻繁變動(dòng)本身可能會(huì)不利于經(jīng)濟(jì)的運(yùn)行。政策不確定會(huì)使未來變得難以預(yù)測(cè)，加大了微觀個(gè)體決策的難度。企業(yè)在國民經(jīng)濟(jì)中扮演了重要角色，企業(yè)績(jī)效的優(yōu)劣直接關(guān)系到國民經(jīng)濟(jì)的表現(xiàn)和資本市場(chǎng)上投資者的判斷。面對(duì)日益加劇的經(jīng)濟(jì)政策不確定性，企業(yè)尤其是民營企業(yè)面臨較大的挑戰(zhàn)。在這樣的背景下，研究政策不確定性對(duì)企業(yè)績(jī)效的影響具有較強(qiáng)的現(xiàn)實(shí)意義。

二、文獻(xiàn)綜述

關(guān)于政策不確定性對(duì)企業(yè)的影響。從國外研究看，不確定性產(chǎn)生的影響在微觀上表現(xiàn)為企業(yè)生產(chǎn)率和投資決策的變動(dòng)。投資包括人力和物質(zhì)的投資。Alessandria 等（2015）在兩國模型中討論了不確定性對(duì)廠商生產(chǎn)率的一階矩和二階矩沖擊。在此之前已有學(xué)者研究了不確定性與投資波動(dòng)的關(guān)系（Bernanke，1983）。后面有不少研究結(jié)論表明，不確定性在短期抑制消費(fèi)、投資和產(chǎn)出，中期會(huì)恢復(fù)到正常水平。Christiano 等（2014）強(qiáng)調(diào)不確定性對(duì)投資的沖擊，投資和生產(chǎn)率受到負(fù)面沖擊，都會(huì)反映在產(chǎn)出水平上。Bloom（2009）在二階矩時(shí)變模型下發(fā)現(xiàn)不確定性在短期抑制企業(yè)產(chǎn)出，而一階矩的沖擊是長(zhǎng)期的。從國內(nèi)看，不少文獻(xiàn)集中于政策不確定性對(duì)企業(yè)投融資行為的影響（李鳳羽和楊墨竹，2015；才國偉等，2018；王紅建等，2014），這些文獻(xiàn)都認(rèn)為，政策不確定性會(huì)抑制企業(yè)投資。何斌和劉雯（2019）探討了經(jīng)濟(jì)政策不確定性對(duì)企業(yè)股權(quán)和股價(jià)的影響。顧夏銘等（2018）研究了經(jīng)濟(jì)政策不確定性與企業(yè)創(chuàng)新的關(guān)系，認(rèn)為經(jīng)濟(jì)政策不確定性最終會(huì)反映在企業(yè)績(jī)效上。

關(guān)于金融摩擦對(duì)企業(yè)績(jī)效的影響。自Bernanke 等（1999）建立包含以金融摩擦為誘因的金融加速機(jī)制模型之后，不少文獻(xiàn)將這一機(jī)制加以擴(kuò)展。金融危機(jī)的爆發(fā)促使學(xué)者們更加關(guān)心金融在經(jīng)濟(jì)中扮演的角色。目前較多研究認(rèn)為，金融摩擦?xí)蛊髽I(yè)的生產(chǎn)率受創(chuàng)，生產(chǎn)率的低迷反過來抑制企業(yè)的再借貸，形成加速機(jī)制（張建華等，2018；簡(jiǎn)則等，2018）。

目前將經(jīng)濟(jì)政策不確定性、金融加速器與企業(yè)績(jī)效放在統(tǒng)一的理論框架下進(jìn)行分析的研究較少，相關(guān)文獻(xiàn)較為缺乏。本文嘗試用一個(gè)統(tǒng)一的理論框架將以往的研究成果和新進(jìn)展整合在一起，論證經(jīng)濟(jì)政策不確定性、金融加速器與企業(yè)績(jī)效的關(guān)系。本文的邊際貢獻(xiàn)主要如下：第一，在統(tǒng)一的框架下討論了經(jīng)濟(jì)政策不確定性與企業(yè)績(jī)效關(guān)系，對(duì)傳導(dǎo)機(jī)制作了初步總結(jié)，闡述了經(jīng)濟(jì)政策不確定性是從企業(yè)勞動(dòng)需求和投資抑制了企業(yè)績(jī)效。加深了相關(guān)研究領(lǐng)域，不局限于政策不確定性對(duì)企業(yè)投融資行為的改變，而是進(jìn)一步研究企業(yè)績(jī)效受到的沖擊。第二，拓展了經(jīng)濟(jì)政策不確定的相關(guān)領(lǐng)域，對(duì)經(jīng)濟(jì)政策不確定性的作用渠道進(jìn)行中介效應(yīng)檢驗(yàn)，進(jìn)一步考慮了企業(yè)績(jī)效的長(zhǎng)短期反應(yīng)、金融摩擦因素、企業(yè)性質(zhì)。研究上豐富了層次，政策上可以為政策制定提供參考。第三，與已有研究使用的政策不確定衡量指標(biāo)不同，本文既不是使用官員變動(dòng)等政治指標(biāo)，也不是使用Baker 等（2016）編制的指數(shù)，而是使用Huang 和Luk（2018）針對(duì)中國情況編制的指數(shù)，將政策不確定分為貨幣政策不確定和財(cái)政政策不確定進(jìn)行討論。第四，在動(dòng)態(tài)隨機(jī)一般均衡中引入了貨幣政策不確定性、財(cái)政政策不確定性、企業(yè)績(jī)效、金融加速器和居民部門的金融摩擦。

三、理論模型

參考Bernanke 等（1999）、Christensen 和 Dib（2008）的研究，建立一個(gè)包含政策不確定、金融加速器與企業(yè)績(jī)效的動(dòng)態(tài)隨機(jī)一般均衡模型。在新凱恩斯框架下引入了價(jià)格粘性、名義債務(wù)、投資調(diào)整?？偣舶ㄈ齻€(gè)部門：居民部門包含了負(fù)債情形與盈余情形，生產(chǎn)部門分為企業(yè)、資本生產(chǎn)者和零售商，政府分為財(cái)政部門和貨幣政策執(zhí)行部門。

（一）居民部門

假設(shè)每個(gè)居民具有無限期的生命，每個(gè)居民都向生產(chǎn)者提供同質(zhì)勞動(dòng)。居民通過選擇消費(fèi)、現(xiàn)金、儲(chǔ)蓄、借款和勞動(dòng)來最大化生命周期效用。每個(gè)居民在每一期與金融機(jī)構(gòu)的往來要么是存款，要么是借款，兩件可能事件構(gòu)成完備事件。居民將通過選擇勞動(dòng)和儲(chǔ)蓄最大化其效用：

面臨的約束條件如下：

其中：t表示時(shí)間，β為貼現(xiàn)因子，γ為消費(fèi)與貨幣持有量的替代彈性，ωs為居民向銀行存款的概率，η為閑暇在效用函數(shù)中所占的比重，e為消費(fèi)偏好沖擊，b為貨幣需求沖擊，c為消費(fèi)，M為貨幣持有量，P為價(jià)格水平，L為勞動(dòng)，f×B為借款時(shí)的溢價(jià)本息和，W為工資，R、D為無風(fēng)險(xiǎn)儲(chǔ)蓄本息，T為總稅收。家庭以無風(fēng)險(xiǎn)利率存款，以溢價(jià)進(jìn)行借款。由于居民的市場(chǎng)地位較弱，只能是外部融資溢價(jià)的接受者，基于此將金融加速器機(jī)制引入居民部門。

（二）生產(chǎn)部門

企業(yè)通過借款融資，將資本轉(zhuǎn)化為零售商品。企業(yè)對(duì)資本的需求取決于預(yù)期資本回報(bào)率，即資本邊際產(chǎn)出與資本增值的和：

企業(yè)向銀行借款，因?yàn)樾畔⒉粚?duì)稱的存在，銀行只能以企業(yè)的資產(chǎn)負(fù)債表為判斷標(biāo)準(zhǔn)，確定融資溢價(jià)水平：

其中：n為凈資產(chǎn)，q為資產(chǎn)價(jià)格，Kp為私人資本，π為通貨膨脹水平，mk為資本邊際產(chǎn)出，ψ為企業(yè)杠桿的外部融資溢價(jià)彈性。企業(yè)的杠桿越高，外部融資溢價(jià)將越高，加重了企業(yè)的成本負(fù)擔(dān)，使企業(yè)資產(chǎn)負(fù)債表進(jìn)一步惡化，帶來了惡性循環(huán)。為防止企業(yè)資產(chǎn)的無窮積累，假設(shè)每一期企業(yè)沒有退出市場(chǎng)的概率為v，凈資產(chǎn)的積累方程為：

由企業(yè)績(jī)效度量指標(biāo)ROE 的定義可以得出：

不考慮技術(shù)增長(zhǎng)，企業(yè)的生產(chǎn)函數(shù)為：

其中：α1、α2、α3 分別表示私人資本、勞動(dòng)收入和公共資本所占有的份額，KG為公共資本。A為技術(shù)水平，它的沖擊服從AR（1）過程。

其中：κ為投資調(diào)整參數(shù)，δ為折舊率。私人資本積累方程為：

零售商利用企業(yè)生產(chǎn)的中間產(chǎn)品無成本地生產(chǎn)零售商品。每件商品是異質(zhì)的，所以零售商具有一定的壟斷力量。零售商的生產(chǎn)函數(shù)為：

其中：下標(biāo)i 表示不同的產(chǎn)品，ψj為不同中間產(chǎn)品的替代彈性。中間產(chǎn)品產(chǎn)量和最終產(chǎn)品產(chǎn)量的關(guān)系為：

每個(gè)零售商在每一期有θ的概率保持價(jià)格不變，有1-θ的概率最優(yōu)化價(jià)格水平，因此整個(gè)市場(chǎng)有1-θ的廠商選擇了最優(yōu)價(jià)格。通過Calvo 定價(jià)，確定了價(jià)格水平。Calvo 定價(jià)規(guī)則與最終產(chǎn)品價(jià)格水平的表達(dá)式如下：

（三）政府部門

政府部門分為財(cái)政當(dāng)局和貨幣政策執(zhí)行部門進(jìn)行討論。貨幣政策執(zhí)行部門參考Ireland（2003）設(shè)置為：

其中：下標(biāo)ss表示穩(wěn)態(tài)，γu、γY和γπ分別為對(duì)貨幣增長(zhǎng)速度、對(duì)產(chǎn)出缺口和對(duì)通貨膨脹的反應(yīng)系數(shù)，u為貨幣增長(zhǎng)，SR為貨幣政策沖擊，其隨機(jī)沖擊變量的分布為N（0，σt2）。參考Bloom（2009）和Arellano 等（2012），貨幣政策不確定σt服從AR（1）過程的隨機(jī)沖擊：

政策不確定性沖擊的引入一定程度上回答了外生沖擊的問題（Bloom，2014）。方差越大表示政策的不確定性越大。在我國并不存在完全規(guī)則或者完全相機(jī)決策的財(cái)政調(diào)整（張佐敏，2014）。參照吳化斌等（2011）的做法：

政策沖擊過程均服從AR（1）過程，公共資本穩(wěn)態(tài)的計(jì)算參考了Junior（2016）。給定市場(chǎng)出清條件：

四、數(shù)值模擬

（一）參數(shù)校準(zhǔn)

對(duì)于不能調(diào)價(jià)概率θ參照金春雨等（2018）取0.627。季度折舊率δ按照慣例取0.025。主觀貼現(xiàn)率β根據(jù)許志偉（2019）的估算取0.99。α1、α2、α3 分別取0.5、0.5、0.1（吳化斌等，2011）。ψj依據(jù)Christensen 和 Dib（2008）設(shè)為6。S、k與n的比例穩(wěn)態(tài)值、v、ψ、κ、γ、γπ、γY、γμ以及部分一階自回歸系數(shù)參照劉一楠、王亮（2018）設(shè)置為1.008、2、0.975、0.04、0.575、1.315、0.985、0.027、0.07 等。居民盈余和負(fù)債的概率各為0.5。

對(duì)于剩下的參數(shù)，運(yùn)用經(jīng)濟(jì)數(shù)據(jù)進(jìn)行估計(jì)校準(zhǔn)。穩(wěn)態(tài)通貨膨脹率的估計(jì)使用國家統(tǒng)計(jì)局近20 年數(shù)據(jù)的均值，估計(jì)值為1.005。隨機(jī)沖擊的自回歸系數(shù)和標(biāo)準(zhǔn)差的估計(jì)使用Chang 等（2015）處理的數(shù)據(jù)，在進(jìn)行單邊濾波后，對(duì)波動(dòng)項(xiàng)進(jìn)行AR（1）估計(jì)可以得到參數(shù)。政府投資標(biāo)準(zhǔn)差0.04，一階自回歸系數(shù)0.827。貨幣政策沖擊系數(shù)的估計(jì)使用銀行同業(yè)間拆解利率，標(biāo)準(zhǔn)差為0.0038，一階自回歸系數(shù)0.909。Baker 等（2016）編制的經(jīng)濟(jì)政策不確定性指數(shù)盡管被用于廣泛研究，但是刻畫的是經(jīng)濟(jì)政策籠統(tǒng)的概念，而且不是專門針對(duì)中國而設(shè)計(jì)。Huang 和Luk（2018）針對(duì)中國情況詳細(xì)設(shè)計(jì)了財(cái)政不確定指數(shù)和貨幣政策不確定指數(shù)。用上述方法對(duì)數(shù)據(jù)處理，得到貨幣政策不確定指數(shù)標(biāo)準(zhǔn)差0.227，一階自回歸系數(shù)0.448，財(cái)政政策不確定指數(shù)標(biāo)準(zhǔn)差0.307，一階自回歸系數(shù)0.274。

（二）動(dòng)態(tài)模擬

為保持?jǐn)?shù)據(jù)的一致性，對(duì)實(shí)際數(shù)據(jù)取對(duì)數(shù)后使用單邊HP 濾波得到波動(dòng)項(xiàng)。KP 值顯示，對(duì)于波動(dòng)幅度模擬地較好，描述了消費(fèi)略小于產(chǎn)出波動(dòng)、投資波動(dòng)5～6 倍于產(chǎn)出波動(dòng)的經(jīng)驗(yàn)事實(shí)，一階自回歸系數(shù)的模擬程度次之，相關(guān)系數(shù)矩陣的模擬程度最不理想。盡管如此，文章研究的是政策不確定性對(duì)宏觀經(jīng)濟(jì)和企業(yè)績(jī)效的影響，當(dāng)存在政策不確定的沖擊時(shí)，會(huì)放大外生沖擊對(duì)宏觀經(jīng)濟(jì)的影響，可以理解為政策不確定性在一定程度上會(huì)帶來外生沖擊。移除經(jīng)濟(jì)政策不確定性沖擊后，企業(yè)績(jī)效波動(dòng)從0.0022 下降到0.0021，降幅4.55%?？梢钥闯?，經(jīng)濟(jì)政策不確定性會(huì)放大企業(yè)績(jī)效的波動(dòng)幅度。

隨后給出一單位標(biāo)準(zhǔn)差下的脈沖響應(yīng)圖，觀測(cè)政策不確定性的具體影響。圖1 是貨幣政策不確定性沖擊的脈沖響應(yīng)，除了現(xiàn)金需求出現(xiàn)上升外，其余變量是下降的，表現(xiàn)為負(fù)向需求沖擊。圖2 是政府投資不確定性沖擊的脈沖響應(yīng)，結(jié)果與圖1 相似，大多數(shù)變量是下降的，消費(fèi)和現(xiàn)金需求是上升的，但產(chǎn)出是先降后升，即表現(xiàn)為負(fù)向的需求沖擊，相比較于貨幣政策不確定的沖擊，波動(dòng)程度明顯減小。另外，方差分解結(jié)果表明，貨幣政策本身的沖擊幾乎解釋了所有宏觀變量的波動(dòng)，說明貨幣政策對(duì)經(jīng)濟(jì)波動(dòng)的最大。政策制定者在制定政策時(shí)尤為注意貨幣政策，避免對(duì)經(jīng)濟(jì)造成較大的波動(dòng)。值得注意的是，不論是貨幣政策不確定性沖擊，還是財(cái)政政策不確定性沖擊，企業(yè)績(jī)效都出現(xiàn)了在穩(wěn)態(tài)值上下波動(dòng)的情形。

圖1 貨幣政策不確定的沖擊

圖2 財(cái)政政策不確定的沖擊

（三）傳導(dǎo)機(jī)制

經(jīng)濟(jì)政策不確定性上升時(shí)，居民出于預(yù)防性動(dòng)機(jī)，增加現(xiàn)金的需求和儲(chǔ)蓄。借貸市場(chǎng)的供給增加，利率下降。正如前文所述，企業(yè)對(duì)資本的需求取決于對(duì)資本回報(bào)率的預(yù)期，利率出現(xiàn)下降，生產(chǎn)部門會(huì)減少投資，以此減少資本。而生產(chǎn)邊際成本與勞動(dòng)力數(shù)量成正比，利率水平的下降帶動(dòng)生產(chǎn)邊際成本的下降，導(dǎo)致勞動(dòng)力的需求下降。勞動(dòng)力需求和投資發(fā)揮了中介作用，使得企業(yè)產(chǎn)出減少，企業(yè)績(jī)效下降。進(jìn)一步，在不確定環(huán)境下，由于信息不對(duì)稱性，銀行要求更高的利率以平衡風(fēng)險(xiǎn)，銀行以企業(yè)杠桿率和融資外部溢價(jià)彈性來確定融資溢價(jià)水平，杠桿率越低的企業(yè)融資成本越低，反之亦然。經(jīng)濟(jì)政策不確定性使得企業(yè)績(jī)效下滑，杠桿率上升，企業(yè)成本上升，進(jìn)一步惡化企業(yè)績(jī)效，而金融在經(jīng)濟(jì)中扮演了加速的角色。Fajgelbaum 等（2017）認(rèn)為，經(jīng)濟(jì)政策不確定的上升會(huì)提高未來投資機(jī)會(huì)的價(jià)值和減緩信息流動(dòng)速度，從而延緩?fù)顿Y和加大金融摩擦。

總的來看，一旦經(jīng)濟(jì)出現(xiàn)了通貨緊縮，將會(huì)增加企業(yè)的債務(wù)負(fù)擔(dān)，惡化資產(chǎn)負(fù)債表；在存在金融摩擦的情形下，會(huì)進(jìn)一步降低企業(yè)績(jī)效，形成勞動(dòng)力需求和投資負(fù)向沖擊—通縮—金融加速的加速機(jī)制。

（四）反事實(shí)分析

模擬結(jié)果表明，政策不確定沖擊是負(fù)向的需求沖擊。為了驗(yàn)證金融加速機(jī)制對(duì)企業(yè)績(jī)效的影響程度，將企業(yè)的外部融資溢價(jià)彈性設(shè)置為0，移除金融摩擦，并且與前面的結(jié)果進(jìn)行比較，結(jié)果如圖3 所示。F 表示模型存在金融摩擦，NF 表示模型不存在金融摩擦。第一行三個(gè)圖為貨幣政策不確定沖擊下的脈沖響應(yīng)模型，第二行三個(gè)圖為財(cái)政政策不確定下的脈沖反應(yīng)?？梢钥闯?，因?yàn)榻鹑诩铀贆C(jī)制的存在，政策不確定性的沖擊使得產(chǎn)出、企業(yè)績(jī)效和總投資下跌幅度更大。表現(xiàn)在圖3 中，金融加速機(jī)制使企業(yè)績(jī)效加速下跌的程度大于產(chǎn)出和總投資。

圖3 金融摩擦的反事實(shí)驗(yàn)證

另一方面，當(dāng)政策不確定的加劇對(duì)經(jīng)濟(jì)造成負(fù)面影響后，政府是否應(yīng)當(dāng)繼續(xù)積極地干預(yù)經(jīng)濟(jì)、使經(jīng)濟(jì)回到原來的運(yùn)行軌道上，還是充分發(fā)揮市場(chǎng)的作用、讓市場(chǎng)自我恢復(fù)？政府的后續(xù)干預(yù)是否會(huì)對(duì)經(jīng)濟(jì)造成二次沖擊是值得關(guān)注的問題。為了方便對(duì)比，將原本的參數(shù)設(shè)置為基準(zhǔn)模型，將改變參數(shù)后的模型設(shè)置為實(shí)驗(yàn)?zāi)Ｐ?。?shí)驗(yàn)?zāi)Ｐ椭胸泿耪叩姆磻?yīng)參數(shù)均改為原來的兩倍，觀察變量的變化。從圖4 可以看到，在貨幣政策不確定的沖擊下，如果央行的反應(yīng)更為靈敏，不僅減弱負(fù)向沖擊的反應(yīng)，而且降低宏觀經(jīng)濟(jì)的波動(dòng)。企業(yè)績(jī)效的降幅會(huì)降低，上升幅度也會(huì)減弱。財(cái)政政策不確定沖擊下，若央行對(duì)經(jīng)濟(jì)波動(dòng)的反應(yīng)更為劇烈，將使得變量轉(zhuǎn)負(fù)為正，但與此同時(shí)，偏離穩(wěn)態(tài)的程度會(huì)變得比原來更大，企業(yè)績(jī)效從0.3% 快速回到穩(wěn)態(tài)后出現(xiàn)小幅的降低。不過，從整體來看，宏觀指標(biāo)的波動(dòng)程度都出現(xiàn)了明顯的降低，企業(yè)績(jī)效的波動(dòng)幅度從0.0098 減少到0.0066，降幅32.65%，其余宏觀指標(biāo)也受到同樣的影響?？偟膩碚f，致力于穩(wěn)定經(jīng)濟(jì)的央行能夠有效地降低經(jīng)濟(jì)波動(dòng)，減弱政策不確定帶來的負(fù)向沖擊。對(duì)于財(cái)政政策不確定沖擊尤為明顯，出現(xiàn)較大的反向穩(wěn)態(tài)偏離。因此，政府可以根據(jù)目標(biāo)，區(qū)分貨幣政策不確定沖擊與財(cái)政政策不確定沖擊，有針對(duì)性地實(shí)施穩(wěn)健的貨幣政策。

圖4 改變貨幣政策反應(yīng)系數(shù)的反事實(shí)驗(yàn)證

五、實(shí)證分析

（一）研究設(shè)計(jì)

從前文分析可以看到，經(jīng)濟(jì)政策不確定性以勞動(dòng)力需求和投資為中介，對(duì)企業(yè)績(jī)效造成沖擊。由于金融摩擦的存在，企業(yè)的融資會(huì)受到杠桿率和融資外部溢價(jià)彈性的影響，企業(yè)成本的上升加速惡化企業(yè)績(jī)效。

首先，討論貨幣政策不確定性和財(cái)政政策不確定性分別對(duì)企業(yè)績(jī)效的影響。鑒于上述的論證，政策不確定性表現(xiàn)為對(duì)企業(yè)投資和勞動(dòng)需求的沖擊，進(jìn)而影響企業(yè)績(jī)效。關(guān)于政策不確定性抑制企業(yè)投資需求的理論主要有二，一為金融摩擦，二為實(shí)物期權(quán)（譚小芬和張文婧，2017）。在經(jīng)濟(jì)政策不確定性上升時(shí)，經(jīng)濟(jì)前景并不明朗，金融中介為規(guī)避風(fēng)險(xiǎn)而提高利率，實(shí)物期權(quán)則是在資本不可逆時(shí)發(fā)揮作用，政策不確定性抑制企業(yè)對(duì)勞動(dòng)需求的理論依據(jù)是預(yù)防性儲(chǔ)蓄。企業(yè)投資和勞動(dòng)需求成為了待驗(yàn)證的兩條傳播途徑，提出假設(shè)1。

假設(shè)1：經(jīng)濟(jì)政策不確定性通過抑制企業(yè)對(duì)勞動(dòng)的需求和投資進(jìn)而影響了企業(yè)的績(jī)效。

為了檢驗(yàn)假設(shè)1，參考溫忠麟等（2004）的方法，設(shè)計(jì)模型如下：

其中：Y是因變量，X是自變量，控制變量分別為人均GDP 增長(zhǎng)率growth、企業(yè)總資產(chǎn)的對(duì)數(shù)ln(asset)、托賓Q、資產(chǎn)負(fù)債率Lev和經(jīng)營現(xiàn)金流CFO。人均GDP 增長(zhǎng)率控制了宏觀層面因素，其余四個(gè)變量對(duì)企業(yè)層面因素進(jìn)行控制。采用個(gè)體與時(shí)間的雙固定效應(yīng)模型，是每個(gè)季度的不可觀測(cè)變量，Quar是每個(gè)個(gè)體的不可觀測(cè)特質(zhì)，μ因此不再考慮企業(yè)成立年限等變量。

中介效應(yīng)檢驗(yàn)順序如下：第一，企業(yè)績(jī)效對(duì)自變量政策不確定性指數(shù)的滯后一期進(jìn)行回歸；第二，中介變量投資和勞動(dòng)力需求分別對(duì)自變量政策不確定性指數(shù)回歸；第三，企業(yè)績(jī)效分別對(duì)兩個(gè)中介變量回歸；第四，在第一步的基礎(chǔ)上分別引入中介變量。

其次，討論經(jīng)濟(jì)政策不確定性對(duì)企業(yè)績(jī)效的影響。在數(shù)值模擬中，企業(yè)績(jī)效的波動(dòng)程度小于其他變量，持續(xù)時(shí)間較短，更重要的是出現(xiàn)了在穩(wěn)態(tài)值上下波動(dòng)的情形。這不僅僅與指標(biāo)本身有關(guān)，還與經(jīng)濟(jì)系統(tǒng)運(yùn)行有關(guān)。在國內(nèi)，企業(yè)受到市場(chǎng)和政府雙重因素影響，宏觀經(jīng)濟(jì)的波動(dòng)使政府出臺(tái)政策更為謹(jǐn)慎，經(jīng)濟(jì)政策不確定性上升，短期內(nèi)增加個(gè)體決策難度，但此時(shí)處于政策“真空期”，企業(yè)可以更多依賴于經(jīng)濟(jì)層面。僵尸企業(yè)會(huì)在經(jīng)濟(jì)波動(dòng)中被市場(chǎng)淘汰，生存下來的企業(yè)會(huì)不斷提高自身的運(yùn)營能力，有助于長(zhǎng)期發(fā)展（鄧美薇，2019）。Abel（1983）指出，企業(yè)在面對(duì)高度不確定時(shí)會(huì)減少產(chǎn)出，反之亦然，不確定性帶來的收益是大于虧損的。但是，生產(chǎn)規(guī)模的調(diào)整需要一定時(shí)限，盡管Hartman-Abel 效應(yīng)在短期不明顯，在中長(zhǎng)期卻能發(fā)揮作用，提高企業(yè)的績(jī)效?；诖耍岢黾僭O(shè)2。

假設(shè)2：經(jīng)濟(jì)政策不確定性在短期不利于企業(yè)績(jī)效，在長(zhǎng)期促進(jìn)企業(yè)績(jī)效的提高。

再次，分析金融摩擦對(duì)企業(yè)融資的影響，具體分為債券融資和股權(quán)融資作為代理變量。在不完全信息市場(chǎng)上，企業(yè)的資產(chǎn)負(fù)債表成為衡量財(cái)務(wù)狀況的關(guān)鍵。若企業(yè)的融資約束越大，那么杠桿對(duì)企業(yè)融資的負(fù)向作用就越大，受到金融摩擦的程度會(huì)越深，反之亦然。企業(yè)受到融資約束的大小取決于企業(yè)本身的財(cái)務(wù)狀況，兩者交織在一起，相互影響?；诖?，提出假設(shè)3。

假設(shè)3：資產(chǎn)負(fù)債率對(duì)企業(yè)融資的抑制隨著融資約束的增加而增強(qiáng)。

最后，進(jìn)行分組回歸分析，分別根據(jù)企業(yè)所有制性質(zhì)和企業(yè)規(guī)模進(jìn)行劃分。通過分組回歸，觀測(cè)政策不確定對(duì)企業(yè)績(jī)效是否存在差別，還有金融摩擦是否不同。在國內(nèi)，國有企業(yè)比非國有企業(yè)相對(duì)更容易獲得貸款，受到的金融摩擦較小。大企業(yè)比小企業(yè)擁有更強(qiáng)的風(fēng)險(xiǎn)分散能力，具有一定的規(guī)模優(yōu)勢(shì)，更容易獲得融資?；诖耍岢黾僭O(shè)4。

假設(shè)4：政策不確定性存在選擇效應(yīng)，在不同性質(zhì)和不同規(guī)模的企業(yè)具有不同的影響。

為了檢驗(yàn)假設(shè)2，在回歸方程（19）中將因變量設(shè)置為市場(chǎng)指標(biāo)托賓Q 來代表企業(yè)的長(zhǎng)期績(jī)效（Murray，1989），并對(duì)企業(yè)短期績(jī)效給予控制。為了驗(yàn)證假設(shè)3，在回歸方程（19）的基礎(chǔ)上引入資產(chǎn)負(fù)債率和融資約束因子的交叉項(xiàng)。交叉項(xiàng)進(jìn)行去均值處理，避免變量間的相關(guān)。交叉項(xiàng)的設(shè)置與理論模型相互對(duì)照，實(shí)證結(jié)果應(yīng)該是交叉項(xiàng)系數(shù)小于0，因變量分別設(shè)置為債權(quán)融資和股權(quán)融資。為了驗(yàn)證假設(shè)4，企業(yè)規(guī)模以75%為劃分標(biāo)準(zhǔn)，在分位數(shù)以上的為大規(guī)模企業(yè)，反之為小企業(yè)。

（二）數(shù)據(jù)來源

宏觀經(jīng)驗(yàn)數(shù)據(jù)主要使用Chang 等（2015）所處理的數(shù)據(jù)，政策不確定性指數(shù)使用Huang和Luk（2018）所構(gòu)建的，滬深兩市上市公司的財(cái)務(wù)數(shù)據(jù)來源于Wind 數(shù)據(jù)庫。對(duì)政策不確定性指數(shù)月度數(shù)據(jù)取平均值得到季度數(shù)據(jù)，選取2003 年第二季度到2018 年第三季度的季度數(shù)據(jù)作為最終樣本。上市公司財(cái)務(wù)數(shù)據(jù)剔除了金融類和ST 公司，剔除了數(shù)據(jù)缺失過多的公司，并進(jìn)行1% 的縮尾處理，最終得到了非平衡面板，其中平衡面板有34658 個(gè)觀測(cè)值。關(guān)鍵變量均通過了IPS 單位根檢驗(yàn)，使用聚類標(biāo)準(zhǔn)誤控制了異方差。變量相關(guān)系數(shù)顯示除了貨幣政策不確定性指數(shù)與財(cái)政政策不確定性指數(shù)的相關(guān)性較高以外（0.884），其余變量的相關(guān)系數(shù)都在0.5 以下，不存在多重共線性。債權(quán)融資和股權(quán)融資的計(jì)算參考了McLean 和Zhao（2014）， 融資約束的計(jì)算參考了Hadlock 和 Pierce（2010），企業(yè)規(guī)模等于總資產(chǎn)的對(duì)數(shù)，投資和經(jīng)營現(xiàn)金流的計(jì)算參考了譚小芬和張文婧（2017），托賓Q 的計(jì)算參考了吳超鵬和唐菂（2016），勞動(dòng)力需求以應(yīng)付員工薪酬比滯后一期總資產(chǎn)的值來衡量，與投資形成對(duì)照。具體見表1。

表1 變量定義

（三）實(shí)證結(jié)果分析

Panel A 到Panel D 報(bào)告了企業(yè)投資的中介檢驗(yàn)，Panel E 到Panel H 報(bào)告了勞動(dòng)力需求的中介檢驗(yàn)。系數(shù)全部都是顯著的，說明企業(yè)投資和勞動(dòng)需求都是貨幣政策不確定性影響企業(yè)績(jī)效的渠道，證明了貨幣政策不確定性通過需求端抑制了企業(yè)投資和勞動(dòng)力需求。具體來看，貨幣政策不確定性對(duì)企業(yè)績(jī)效的影響是負(fù)向的，而財(cái)政政策不確定性的估計(jì)系數(shù)是正數(shù)，這可能是遺漏了某部分關(guān)鍵變量，比如貨幣增量。如果單獨(dú)在財(cái)政政策不確定性方程中引入貨幣增量，則回歸系數(shù)變?yōu)樨?fù)數(shù)。這表明，財(cái)政政策不確定性對(duì)企業(yè)績(jī)效的影響要大于貨幣政策?？偟膩砜?，不論是貨幣政策不確定還是財(cái)政政策不確定，都會(huì)顯著降低企業(yè)對(duì)投資和勞動(dòng)的需求，進(jìn)而影響企業(yè)績(jī)效。

在驗(yàn)證了經(jīng)濟(jì)政策不確定性對(duì)企業(yè)短期績(jī)效的負(fù)向沖擊后，下一步驗(yàn)證經(jīng)濟(jì)政策不確定性對(duì)企業(yè)長(zhǎng)期績(jī)效的影響。從表3可以看到，貨幣政策不確定性的估計(jì)系數(shù)與預(yù)期一致，而財(cái)政政策不確定性與此相反。而在對(duì)貨幣增量進(jìn)行控制后，系數(shù)就轉(zhuǎn)負(fù)為正。這表明，貨幣政策不確定性支持了假設(shè)1和假設(shè)2，財(cái)政政策不確定性在控制了貨幣增量后才能支持假設(shè)1和假設(shè)2。21世紀(jì)第一個(gè)十年，外資大量流入國內(nèi)，央行大量發(fā)行貨幣進(jìn)行對(duì)沖，促使我國逐漸變成產(chǎn)業(yè)資本大國。2010年左右開始，貸款新增量中大型企業(yè)、中型企業(yè)、小型企業(yè)各占三分之一。到2016年，大、中、小三個(gè)部分企業(yè)的人民幣貸款余額各占三分之一，總額超過60萬億人民幣。4萬億刺激計(jì)劃后，財(cái)政政策主要體現(xiàn)在減稅降費(fèi)上，2013至2017年，營改增改革、小微企業(yè)稅收優(yōu)惠、清理各種稅收等措施一共減輕企業(yè)負(fù)擔(dān)3萬多億元。從背景上看，貨幣政策對(duì)企業(yè)的影響是大于財(cái)政政策。在樣本期內(nèi)，貨幣因素才是關(guān)鍵。這與DSGE方差分解所揭示的結(jié)果相似，即與財(cái)政政策相比，貨幣政策解釋了大部分的波動(dòng)。所以，在沒有考慮貨幣因素條件下，財(cái)政政策不確定性的估計(jì)系數(shù)出現(xiàn)與預(yù)期相悖的情況。但是，如果考慮了貨幣因素，控制了貨幣增量這個(gè)關(guān)鍵變量，那么結(jié)果就與預(yù)期一致了。Panel B報(bào)告了企業(yè)債券融資對(duì)經(jīng)濟(jì)政策不確定性的回歸結(jié)果。關(guān)鍵變量的系數(shù)都在1%顯著性水平下顯著。企業(yè)債權(quán)融資對(duì)經(jīng)濟(jì)政策不確定性回歸的系數(shù)都是負(fù)的，而且兩者的估計(jì)系數(shù)極為相近。因?yàn)橹笜?biāo)設(shè)置的緣故，企業(yè)杠桿和企業(yè)債權(quán)融資是同向的。企業(yè)杠桿對(duì)債權(quán)融資的邊際效用為0.0246-0.0057SA，融資約束越大杠桿的負(fù)向作用越強(qiáng)，效用的正負(fù)取決于企業(yè)的融資約束情況。若SA大于4.3158，則杠桿帶來負(fù)向作用。交叉項(xiàng)的系數(shù)與預(yù)期相符，融資約束對(duì)債權(quán)融資的邊際效用為-0.0057Lev。企業(yè)的杠桿越高，融資約束對(duì)企業(yè)債權(quán)融資的負(fù)向影響越大。Panel C匯報(bào)了因變量為股權(quán)融資的回歸結(jié)果。與債權(quán)融資類似，經(jīng)濟(jì)政策不確定性對(duì)企業(yè)股權(quán)融資的影響都是負(fù)向且在1%顯著性水平下顯著，其余變量的回歸系數(shù)也十分相近。貨幣政策不確定性的負(fù)向沖擊始終大于財(cái)政政策不確定性的沖擊。不同的是，股權(quán)融資下資產(chǎn)負(fù)債率的回歸系數(shù)變?yōu)樨?fù)數(shù)，這是因?yàn)閭鶛?quán)融資和股權(quán)融資是存在替代效應(yīng)的（Jermann和Quadrini，2012）。企業(yè)在經(jīng)濟(jì)衰退時(shí)偏好股權(quán)融資而減少債權(quán)融資，反之亦然。資產(chǎn)負(fù)債率和交叉項(xiàng)的估計(jì)系數(shù)變?yōu)樵瓉淼膬杀蹲笥?，說明股權(quán)融資對(duì)企業(yè)資產(chǎn)負(fù)債率的反應(yīng)更為敏感，資產(chǎn)負(fù)債表差的企業(yè)更容易受到融資約束。假設(shè)3得到驗(yàn)證。

從表2和表3的回歸結(jié)果，可以看到，經(jīng)濟(jì)政策不確定性通過企業(yè)投資和勞動(dòng)需求兩條渠道降低了需求，給企業(yè)績(jī)效造成了負(fù)面影響，使企業(yè)的資產(chǎn)負(fù)債表縮水，成立年限較短且資產(chǎn)規(guī)模較小的企業(yè)受到的融資約束更為嚴(yán)重，表現(xiàn)為較少的融資金額。融資的受限再次降低企業(yè)的資金需求，導(dǎo)致企業(yè)績(jī)效下降，形成了加速下跌機(jī)制。

表2 經(jīng)濟(jì)政策不確定的中介效應(yīng)檢驗(yàn)

表3 經(jīng)濟(jì)政策不確定、長(zhǎng)期績(jī)效與企業(yè)融資的回歸結(jié)果

注：受篇幅限制，表中未列出控制變量的回歸結(jié)果。下同。

（四）分樣本回歸分析

一般認(rèn)為，國有企業(yè)受金融摩擦影響較小，而非國有企業(yè)受金融摩擦影響程度較大。規(guī)模越大的企業(yè)面臨的金融摩擦越大，規(guī)模越小的企業(yè)面臨的金融摩擦越小。為驗(yàn)證經(jīng)濟(jì)政策不確定性對(duì)企業(yè)的影響是否存在異質(zhì)性，進(jìn)行分組回歸。參考連玉君（2010）的研究方法，模擬1000次進(jìn)行實(shí)證分析。表4匯報(bào)了貨幣政策不確定性的估計(jì)結(jié)果。從Panel A的回歸結(jié)果可以看到，貨幣政策不確定性系數(shù)的顯著性與數(shù)值均出現(xiàn)下降。差異性檢驗(yàn)結(jié)果顯示，在5%顯著性水平下貨幣政策不確定性對(duì)國有企業(yè)和非國有企業(yè)的績(jī)效不存在異質(zhì)性沖擊，對(duì)不同規(guī)模企業(yè)存在異質(zhì)性沖擊，且小規(guī)模企業(yè)的負(fù)向影響更大。Panel B給出債權(quán)融資的分組回歸結(jié)果，貨幣政策不確定性對(duì)企業(yè)的債券融資的影響存在異質(zhì)性，且對(duì)非國有企業(yè)的負(fù)效應(yīng)更大。Panel C給出了因變量為股權(quán)融資的結(jié)果，除了貨幣政策不確定性對(duì)企業(yè)的股權(quán)融資沒有異質(zhì)性影響以外，其余關(guān)鍵變量的系數(shù)都有顯著性差別，說明在股權(quán)融資上存在異質(zhì)性金融摩擦，非國有企業(yè)和小規(guī)模企業(yè)受到的影響更大?？偟膩砜?，政策不確定性對(duì)不同規(guī)模企業(yè)績(jī)效的影響具有顯著的異質(zhì)性差異，小規(guī)模企業(yè)受到的影響更大；在股權(quán)融資方面，不同所有制和不同規(guī)模企業(yè)受到金融摩擦的影響程度也存在顯著差異。表明經(jīng)濟(jì)政策不確定性確實(shí)會(huì)導(dǎo)致資源重新分配，惡化企業(yè)間的差距，假設(shè)4得證。

表4 經(jīng)濟(jì)政策不確定性分組回歸結(jié)果

Panel C：因變量為股權(quán)融資Epu -0.0002***（0.0000）-0.0004***（0.0004）Lev -0.0438***（0.0035）-0.0004***（0.0001）-0.0002**（0.0001）-0.0592***（0.0043）Lev×SA -0.0050*（0.0019）-0.0609***（0.0016）-0.0721***（0.0157）-0.0185***（0.0027）R^2 0.0150 0.0280 0.0171 0.0209 F 10.63*** 10.58*** 4.92*** 11.12***-0.0183***（0.0028）0.0080（0.0060）

（五）穩(wěn)健性檢驗(yàn)

為保證實(shí)證結(jié)果的穩(wěn)健性，從以下三個(gè)方面展開穩(wěn)健性檢驗(yàn)：

第一，盡管對(duì)經(jīng)濟(jì)政策不確定指數(shù)做滯后一期處理，但不可排除控制變量的內(nèi)生性，對(duì)控制變量作滯后一期處理觀測(cè)是否會(huì)改變上述結(jié)果（顧夏銘等，2018），實(shí)證結(jié)果再一次驗(yàn)證了前述假設(shè)。

第二，對(duì)季度經(jīng)濟(jì)政策不確定指數(shù)的計(jì)算賦予不同的權(quán)重，重新計(jì)算指數(shù)（Gulen和Ion，2016）。新指數(shù)的結(jié)果沒有發(fā)生實(shí)質(zhì)性的變化。

第三，因?yàn)閷?shí)證檢驗(yàn)包含了金融危機(jī)前和后的數(shù)據(jù)，所以將全樣本分為金融危機(jī)前和后兩部分，分別進(jìn)行檢驗(yàn)。金融危機(jī)前的樣本僅個(gè)別地方的結(jié)果發(fā)生變化，但大體不變。比起金融危機(jī)前的數(shù)據(jù)，后金融危機(jī)時(shí)代數(shù)據(jù)所得到的結(jié)果更為穩(wěn)健。

六、研究結(jié)論

本文建立了一個(gè)包含金融摩擦的動(dòng)態(tài)隨機(jī)一般均衡模型，探究政策不確定性對(duì)企業(yè)績(jī)效的影響。研究結(jié)果發(fā)現(xiàn)：第一，經(jīng)濟(jì)政策不確定性會(huì)引發(fā)企業(yè)績(jī)效波動(dòng)，金融摩擦的存在加速企業(yè)績(jī)效的下跌。經(jīng)濟(jì)政策不確定性產(chǎn)生的負(fù)向需求沖擊對(duì)企業(yè)績(jī)效影響相對(duì)較小且時(shí)間較短，并使之出現(xiàn)正向偏離穩(wěn)態(tài)的情形。第二，經(jīng)濟(jì)政策不確定性通過抑制企業(yè)投資和對(duì)勞動(dòng)的需求來影響企業(yè)績(jī)效。第三，經(jīng)濟(jì)政策不確定性對(duì)企業(yè)績(jī)效短期內(nèi)是負(fù)向作用，而長(zhǎng)期內(nèi)反而起到了促進(jìn)的作用。第四，金融摩擦的存在加劇了企業(yè)融資困難，杠桿率對(duì)企業(yè)融資的抑制隨著融資約束的增加而增加，從而受到的金融摩擦越大。第五，政策不確定性對(duì)不同所有制企業(yè)績(jī)效的負(fù)向沖擊沒有產(chǎn)生顯著性差異，對(duì)不同規(guī)模企業(yè)存在顯著性差異。非國有企業(yè)和小規(guī)模企業(yè)績(jī)效受金融摩擦的影響更大。

基于上述研究結(jié)論，為維護(hù)經(jīng)濟(jì)穩(wěn)健發(fā)展、保障企業(yè)平穩(wěn)運(yùn)營，提出以下建議：第一，在實(shí)施經(jīng)濟(jì)政策調(diào)整經(jīng)濟(jì)運(yùn)行時(shí)，應(yīng)通過媒體等渠道合理地引導(dǎo)公眾預(yù)期，減少經(jīng)濟(jì)政策的不確定性。雖然政策不確定性在長(zhǎng)期并不有損于企業(yè)績(jī)效，但對(duì)其余宏觀變量的沖擊較為深遠(yuǎn)，這種負(fù)作用還被市場(chǎng)上的各種摩擦所放大。第二，應(yīng)當(dāng)及時(shí)采取積極措施降低國際資本市場(chǎng)所帶來的風(fēng)險(xiǎn)，維護(hù)國內(nèi)經(jīng)濟(jì)的穩(wěn)定。在應(yīng)對(duì)國際經(jīng)濟(jì)波動(dòng)時(shí)，積極地干預(yù)市場(chǎng)，維護(hù)經(jīng)濟(jì)的穩(wěn)定運(yùn)行。第三，完善金融體系的建設(shè)，使金融系統(tǒng)服務(wù)于實(shí)體經(jīng)濟(jì)，避免虛擬經(jīng)濟(jì)過度膨脹，同時(shí)加強(qiáng)信息的流動(dòng)程度，減少金融摩擦。