關(guān)于定向降準政策效用的實證研究
——基于對中小企業(yè)融資約束影響的分析

項 東 姜 倩

(齊魯工業(yè)大學(xué)(山東省科學(xué)院)管理學(xué)院，濟南 250353)

中國經(jīng)濟在歷經(jīng)了30多年的粗放型增長后進入“新常態(tài)”，引導(dǎo)經(jīng)濟轉(zhuǎn)型升級，進行結(jié)構(gòu)性改革，促進金融資源合理配置成為當前經(jīng)濟發(fā)展的首要目標。中國人民銀行參考國外經(jīng)驗，創(chuàng)立了一系列結(jié)構(gòu)性貨幣政策工具，定向降準政策便是其中最具代表性的一種。定向降準政策是中國首次獨創(chuàng)式的結(jié)構(gòu)性貨幣政策，不同于普通降準政策“大水漫灌”式的總量調(diào)控，定向降準政策的特點在于“精準滴灌”，精準性更高、針對性更強，意在更好地引導(dǎo)金融資源流入實體經(jīng)濟的重點和薄弱領(lǐng)域。

由于中小企業(yè)存在企業(yè)規(guī)模小、資金運轉(zhuǎn)不周、沒有形成良好健全的財務(wù)管理體系和公司管理體系等問題,因此中小企業(yè)普遍處于融資困境。尤其在當前新常態(tài)時期，結(jié)構(gòu)性問題突出，市場競爭日益激烈，中小企業(yè)融資的難度更是大大增加。有效破解中小企業(yè)融資問題對促進經(jīng)濟發(fā)展起著至關(guān)重要的作用。為鼓勵金融機構(gòu)將金融資源更好地投放到“三農(nóng)”、小微等弱勢企業(yè)并有效調(diào)整經(jīng)濟結(jié)構(gòu)，中國人民銀行于2014年創(chuàng)立定向降準政策。那么，以精準發(fā)力、反應(yīng)迅速為特點的定向降準政策能夠有效降低中小企業(yè)融資約束嗎？這個問題的解答對引導(dǎo)金融資源合理配置、化解經(jīng)濟結(jié)構(gòu)矛盾具有重要的理論和現(xiàn)實意義。

目前學(xué)術(shù)界對于定向降準政策的研究不僅實證研究較少，且現(xiàn)有的研究樣本大多采用了銀行數(shù)據(jù)而不是企業(yè)微觀數(shù)據(jù)，難以實現(xiàn)對企業(yè)信貸的客觀評價。鑒于此，本文嘗試采用中小板與創(chuàng)業(yè)板上市公司數(shù)據(jù)，運用DID模型，研究定向降準政策對緩解中小企業(yè)融資約束的效果。

1 文獻綜述與研究假設(shè)

學(xué)術(shù)界關(guān)于定向降準政策的實施效果爭議頗多，有學(xué)者認為定向降準政策是積極有效的。郭燁等引入實證模型發(fā)現(xiàn)定向降準政策具有普惠效應(yīng)，為銀行信貸流入農(nóng)業(yè)和小微企業(yè)起到了激勵作用[1]；馬理等指出定向降準這種微刺激貨幣政策有助于使經(jīng)濟結(jié)構(gòu)得到調(diào)節(jié)并有效防止資產(chǎn)價格泡沫[2]。也有部分學(xué)者認為該政策存在著一定的局限性，汪仁潔認為定向降準政策并不能解決經(jīng)濟運行結(jié)構(gòu)性矛盾，金融資源并未全部流入特定領(lǐng)域[3]；馮明等則發(fā)現(xiàn)只是部分定向降準新釋放的可貸資金流向了其定向支持領(lǐng)域,而多半仍被非定向領(lǐng)域所運用[4]?？傊瑢Χㄏ蚪禍实膶嵤┬Ч难芯咳源嬖谳^大爭議，尚未達成統(tǒng)一意見。定向降準政策，意在引導(dǎo)更多金融資源流入弱勢企業(yè)，從而起到優(yōu)化經(jīng)濟結(jié)構(gòu)的作用?；诖耍疚奶岢黾僭O(shè)1：

H1：定向降準政策有助于緩解中小企業(yè)的融資約束。

企業(yè)面臨的融資約束與企業(yè)規(guī)模和企業(yè)的產(chǎn)權(quán)性質(zhì)有著十分密切的聯(lián)系。相對來說，小規(guī)模企業(yè)與民營企業(yè)在經(jīng)濟生活中處于弱勢地位，而這些弱勢企業(yè)往往會面臨著更大的融資約束。從企業(yè)規(guī)模來看，相比大規(guī)模企業(yè)，小規(guī)模企業(yè)因為信息披露不夠規(guī)范和完善，不僅會面臨著更高的信息不對稱程度，而且與銀行之間的信貸業(yè)務(wù)無法形成規(guī)模效應(yīng)，從而需要付出更高的信息搜尋和談判的成本[5]。從產(chǎn)權(quán)性質(zhì)來看，相比民營企業(yè)，一方面國有企業(yè)有政府為其提供隱性擔保支持，另一方面銀行獲取國有企業(yè)的信息成本也明顯更低[6]，因而國家和銀行對民營企業(yè)存在著“信貸歧視”。綜上分析可以得知，小規(guī)模企業(yè)和民營企業(yè)等弱勢企業(yè)面臨的融資約束水平更高，因此當定向降準政策的實施增加金融資源的供給時，這些弱勢企業(yè)獲得金融資源的增長程度會相對更大，融資約束的緩解程度也會更加明顯。基于以上分析，本文提出假設(shè)2與假設(shè)3：

H2：定向降準政策對小規(guī)模企業(yè)融資約束的緩解作用大于大規(guī)模企業(yè)。

H3：定向降準政策對民營企業(yè)融資約束的緩解作用大于國有企業(yè)。

2 研究設(shè)計與數(shù)據(jù)來源

2.1 樣本選擇與數(shù)據(jù)來源

本文將中小企業(yè)融資約束作為研究對象，從企業(yè)微觀角度評估定向降準政策的實施效果。定向降準政策自2014年4月份開始實施，為了避免2008年經(jīng)濟危機后的一系列經(jīng)濟刺激的影響，本文采用我國中小板與創(chuàng)業(yè)板上市公司2011—2019年數(shù)據(jù)進行研究，并對初始樣本進行了如下清洗：金融類企業(yè)不會出現(xiàn)融資約束問題，因此剔除金融行業(yè)的上市公司；避免ST企業(yè)財務(wù)狀況或其他狀況出現(xiàn)異常左右模型估計結(jié)果，剔除ST的上市企業(yè)；剔除重要數(shù)據(jù)存在缺失狀況的上市公司樣本；對個別連續(xù)變量進行了1%水平雙邊縮尾處理以消除極端值影響。經(jīng)過以上數(shù)據(jù)處理，最終得到2011—2019年共9 787個樣本觀測值。本文數(shù)據(jù)來源于CSMAR國泰安數(shù)據(jù)庫，統(tǒng)計分析工具為Stata15.0。

2.2 變量定義與度量

2.2.1 被解釋變量

企業(yè)年度新增資本投資水平。目前有關(guān)企業(yè)融資約束測度的方法主要分為兩大類，第一類為以投資—現(xiàn)金流敏感型模型與現(xiàn)金—現(xiàn)金流敏感性模型為代表的現(xiàn)金流敏感性模型；第二類則為指數(shù)衡量方法，主要包括KZ指數(shù)、WW指數(shù)與SA指數(shù)。各種模型本身均有一定的固有缺陷，目前來說并沒有公認的最佳測度方法。其中，投資—現(xiàn)金流敏感型模型作為學(xué)術(shù)界公認的標準方法，認可度較高，也相對較為成熟，因此本文采用此模型對企業(yè)融資約束水平進行衡量。

2.2.2 核心解釋變量

現(xiàn)金流量(CF)。CF代表公司當年經(jīng)營活動現(xiàn)金凈流量。

定向降準政策變量(D)。本文采取以下方式定義定向降準政策：第一，根據(jù)行業(yè)將樣本企業(yè)劃分為農(nóng)業(yè)企業(yè)與非農(nóng)企業(yè)；第二，本文在2013年末對中小微企業(yè)與大型企業(yè)進行了劃分；第三，本文將劃分出的農(nóng)業(yè)與中小微企業(yè)指定為定向降準政策支持企業(yè)，剩余企業(yè)為非定向降準政策支持企業(yè)；第四，將定向降準政策變量D設(shè)置為虛擬變量，當公司處于2014年及之后受定向降準政策支持的企業(yè)時被賦值為1，否則為0。

2.2.3 控制變量

參考其他學(xué)者的研究，本文控制變量選取了現(xiàn)金持有(Cash)、企業(yè)的投資機會(TobinQ)、公司規(guī)模(Size)、資產(chǎn)負債率(Lev)、總資產(chǎn)收益率(ROA)、企業(yè)年齡(Age)、所有者權(quán)益比率(Capitalratio)以及資產(chǎn)流動性(Liquidity)，同時控制個體固定效應(yīng)與年度固定效應(yīng)(見表1)。

表1 變量名稱、代碼及定義

2.3 模型設(shè)計

在模型設(shè)計方面，本文選擇Fazzari等[7]提出的投資—現(xiàn)金流敏感性模型，其基本原理為：當外部融資成本顯著高于內(nèi)部融資時，則公司投資會舍棄外部融資而盡可能采用內(nèi)部融資，從而企業(yè)投資水平會受到現(xiàn)金流量顯著的正向影響，投資—現(xiàn)金流敏感性越高，融資約束越強。本文參照以往文獻，構(gòu)建模型(1)作為基本模型：

Investi,t=β0+β1CFi,t+∑Controlleri,t+μi+ωt+εi,t

(1)

式(1)的因變量Investi,t代表企業(yè)i在t年的企業(yè)年度新增資本投資水平，CF代表企業(yè)的現(xiàn)金流量，Controller代表本文的其他基本控制變量，另外，該回歸模型也對樣本企業(yè)和年份均進行了固定，分別用μi與ωt表示。為檢驗定向降準政策對中小企業(yè)融資約束的影響，本文在模型(1)基礎(chǔ)上加入定向降準政策虛擬變量(D)以及它與現(xiàn)金流量(CF)的交乘項構(gòu)造模型(2)，此時則需要關(guān)注交乘項前的系數(shù)β3，β3顯著小于0時，說明定向降準政策能夠顯著降低企業(yè)的投資—現(xiàn)金流敏感性，從而起到了緩解企業(yè)融資約束的作用。

Investi,t=β0+β1CFi,t+β2Di,t+β3Di,t×CFi,t+∑Controlleri,t+μi+ωt+εi,t

(2)

由于受定向降準政策支持的企業(yè)對象的選擇并不是隨機產(chǎn)生的，若直接采用傳統(tǒng)的DID模型進行估計，估計結(jié)果很有可能會發(fā)生偏誤，因此，為了避免嚴重的樣本選擇偏誤問題，使定向降準政策支持企業(yè)與非定向降準政策支持企業(yè)更具有可比性。本文在具體估計時，先通過傾向性得分匹配為處理組尋找相似的對照組，再用DID模型來考察定向降準政策對中小企業(yè)融資約束的影響。

3 實證結(jié)果與分析

3.1 描述性統(tǒng)計

各主要變量的描述性統(tǒng)計如表2所示。其中，被解釋變量企業(yè)年度新增資本投資水平(Invest)的均值為0.068，由此可知樣本公司的企業(yè)年度新增資本投資水平在總資產(chǎn)中的占比不大。現(xiàn)金流量(CF)均值為0.051，中位數(shù)為0.049，兩者差距不大，說明樣本公司持有的現(xiàn)金流量約占總資產(chǎn)的5%。定向降準政策變量(D)均值為0.279，說明樣本中有27.9%的企業(yè)屬于2014年后受定向降準政策支持的企業(yè)，該比例基本符合本文研究需要。除此之外，其他變量均在合理范圍內(nèi)，可以滿足研究需要，此處不再詳細論述。

表2 描述性統(tǒng)計

3.2 傾向得分匹配(PSM)

本文對定向降準政策變量(D)進行配對，將受定向降準政策支持的企業(yè)作為處理組，將不受定向降準政策支持的企業(yè)作為對照組。參考相關(guān)文獻，本文基于數(shù)據(jù)可得性選取公司規(guī)模Size、企業(yè)年齡Age、總資產(chǎn)收益率ROA、所有者權(quán)益比率Capitalratio和資產(chǎn)流動性Liquidity5個指標作為協(xié)變量進行一對一近鄰有放回匹配，表3展示平衡性檢驗結(jié)果，匹配后變量的標準化偏差(%bias)大幅度減小，絕對值均低于5%，說明實驗組與對照組變量之間的顯著差異得以基本消除。

表3 匹配前后平衡假設(shè)檢驗

3.3 定向降準政策對中小企業(yè)融資約束的影響分析

表4給出了進行傾向得分匹配前后模型(1)與模型(2)的實證結(jié)果。其中，1列和2列為對模型(1)和模型(2)直接進行回歸的實證結(jié)果，3列和4列為先進行PSM之后再對模型(1)和模型(2)回歸的結(jié)果。1列和3列為模型(1)的回歸結(jié)果，2列和4列為模型(2)的回歸結(jié)果。由表4可知，1列和3列模型(1)的具體回歸結(jié)果中CF前的系數(shù)值β1均在1%的水平上顯著為正，表明企業(yè)經(jīng)營現(xiàn)金流量的增加將使得企業(yè)的資本投資水平顯著增加，說明企業(yè)存在融資約束。2列和4列模型(2)的實證回歸結(jié)果中β1均顯著為正，β3均顯著為負，其中傳統(tǒng)的DID模型在5%的水平上顯著為負，進行PSM-DID的模型在1%的水平上顯著為負，說明定向降準政策顯著降低了企業(yè)的投資—現(xiàn)金流敏感性，即對中小企業(yè)的融資約束水平起到了顯著的緩解作用，由此本文的假設(shè)1得以驗證。

表4 定向降準政策對中小企業(yè)融資約束的影響

3.4 異質(zhì)性分析

由前文實證結(jié)果可知，定向降準政策的實施能夠緩解中小企業(yè)融資約束，但需要明確的是,定向降準政策對不同類型企業(yè)融資約束并非都會產(chǎn)生同等影響，其影響可能存在一定差別。因此本文進一步分別研究定向降準政策對不同企業(yè)規(guī)模與不同產(chǎn)權(quán)性質(zhì)的企業(yè)融資約束的緩解效果。結(jié)果顯示，大規(guī)模企業(yè)組與小規(guī)模企業(yè)組的CF的回歸系數(shù)均在1%的水平上顯著為正，但大規(guī)模企業(yè)組的系數(shù)值并不顯著，而小規(guī)模企業(yè)組CF×D的系數(shù)值在1%的顯著性水平上顯著為負，說明定向降準政策能夠顯著降低小規(guī)模企業(yè)組的企業(yè)融資約束，但對大規(guī)模企業(yè)融資約束的影響卻不顯著，由此本文的假設(shè)2得以驗證。另外，無論是國有企業(yè)組或是民營企業(yè)組，其CF變量系數(shù)均顯著為正，這表明國有和民營企業(yè)都存在一定程度的融資約束問題，而國有企業(yè)CF變量系數(shù)在5%的顯著性水平上顯著為正，民營企業(yè)中該系數(shù)在1%的顯著性水平上顯著為正，說明民營企業(yè)面臨的融資約束比國有企業(yè)更大。民營企業(yè)的系數(shù)值β3在1%的水平上顯著為負，而國有企業(yè)中β3卻不顯著，說明相對國有企業(yè)，定向降準政策對民營企業(yè)融資約束的緩解程度更高，這也驗證了本文的假設(shè)3。

3.5 穩(wěn)健性檢驗

3.5.1 共同趨勢假定檢驗

為檢驗處理組與對照組在定向降準政策實施前是否呈現(xiàn)平行趨勢，本文進行共同趨勢假定檢驗。假定定向降準政策是在2014年之前的某一年所提出，如果回歸結(jié)果顯示定向降準政策能夠?qū)χ行∑髽I(yè)融資約束產(chǎn)生顯著影響，則說明2014年之前處理組與對照組間并無共同趨勢。相反，如果回歸結(jié)果表明定向降準政策對中小企業(yè)融資約束的影響不顯著，則表示處理組與對照組在2014年之前存在共同趨勢，則本文DID的結(jié)果穩(wěn)健。本文分別將政策實施提前一年、提前兩年進行檢驗，回歸結(jié)果顯示CF×D的回歸系數(shù)均不顯著，說明共同趨勢假定在定向降準政策實施前成立。

3.5.2 更換融資約束測度方法

為證明結(jié)果的穩(wěn)健性，本文更換融資約束測度方法，由“現(xiàn)金持有的變化”來替代被解釋變量“企業(yè)年度新增資本投資水平”，實證結(jié)果顯示CF×D的系數(shù)在5%的顯著性水平上顯著為負，說明定向降準政策能夠顯著降低中小企業(yè)的融資約束，證明了本文結(jié)論的穩(wěn)健性。

3.5.3 改變PSM匹配比例

前文采用了1∶1有放回近鄰匹配進行實證研究，此處進一步改變PSM匹配比例來對上文研究結(jié)果進行檢驗。本文對定向降準政策變量(D)進行配對，選擇同前文相同協(xié)變量集合，改為1∶2的比例進行匹配，回歸后實證結(jié)果的符號和顯著性與原有結(jié)果基本相同，說明上文研究結(jié)論穩(wěn)健。

4 結(jié)論與啟示

本文以中小板與創(chuàng)業(yè)板上市公司為研究對象，運用DID模型進行分析研究，結(jié)果顯示定向降準政策對中小企業(yè)融資約束起到緩解作用。異質(zhì)性分析表明，定向降準政策對小規(guī)模企業(yè)和民營企業(yè)等弱勢企業(yè)融資約束的緩解作用較為顯著，對大規(guī)模企業(yè)和國有企業(yè)融資約束的緩解作用不佳，原因在于大規(guī)模企業(yè)與國有企業(yè)更受銀行青睞，融資約束程度相對較低。

本文研究結(jié)論有如下政策啟示:中國應(yīng)該重視定向降準政策的結(jié)構(gòu)優(yōu)化與應(yīng)用，適當增加定向降準的頻率和強度，幫助弱勢行業(yè)和企業(yè)獲取所需要的金融資源，從而改善經(jīng)濟發(fā)展不平衡不協(xié)調(diào)的現(xiàn)象。應(yīng)該加強監(jiān)管措施，合理篩選與定期審查定向降準對象，以保證金融資源能夠精準流入所需要弱勢領(lǐng)域與企業(yè)而不是產(chǎn)能過剩的行業(yè)領(lǐng)域。對金融資源配置起決定性作用的只能是市場，而定向降準政策發(fā)揮的只是信號作用和結(jié)構(gòu)引導(dǎo)的作用，因此結(jié)構(gòu)調(diào)整問題的解決并不能依賴貨幣政策而要充分發(fā)揮市場機制的作用。