新冠肺炎疫情下逆周期信貸政策效用研究：基于企業(yè)資產(chǎn)負債表渠道與銀行風險承擔渠道視角

肖 虹，裘益政，劉巧瑜

(1.廈門大學 管理學院，福建 廈門 361000；2.浙江工商大學 金融學院，浙江 杭州 310018； 3.泉州市豐澤區(qū)天權(quán)投資咨詢合伙企業(yè)，福建 泉州 362000)

一、 引 言

如何恰當運用逆周期信貸工具促進經(jīng)濟恢復發(fā)展，切實提高信貸政策傳導有效性，是全球信用貨幣體系的重要理論問題和現(xiàn)實問題，也是中國全力滿足疫情防控領(lǐng)域信貸需求、健全重大疫情防控的信貸支持機制的客觀需要。2020年1月，新冠肺炎疫情(簡稱“COVID-19疫情”)暴發(fā)，嚴重沖擊了國際國內(nèi)經(jīng)濟。面對復雜多變的經(jīng)濟形勢，中國央行聯(lián)合五部委果斷發(fā)布《關(guān)于進一步強化金融支持防控新型冠狀病毒感染肺炎疫情的通知》(1)中央銀行聯(lián)合五部委：《關(guān)于進一步強化金融支持防控新型冠狀病毒感染肺炎疫情的通知》，銀發(fā)2020年第29號文。(簡稱“《強化金融支持防控COVID-19疫情的通知》”)，明確提出實施加大逆周期信貸投放以支持實體經(jīng)濟恢復發(fā)展，并陸續(xù)出臺30條具體措施。合理評估該逆周期信貸政策的實施效果，不僅是確保其所釋放的流動性切實進入實體經(jīng)濟以實現(xiàn)重大疫情防控下信貸支持目標的要求，也是疫情防控常態(tài)化時期進一步疏通逆周期信貸傳導機制的基礎(chǔ)。然而有關(guān)該政策實施效用及其微觀傳導問題，目前的現(xiàn)存文獻證據(jù)還不充分。

在此背景下，本文將《強化金融支持防控COVID-19疫情的通知》的實施視為沖擊實體經(jīng)濟的“準自然實驗”，運用PSM-DID實證方法，基于實體企業(yè)的經(jīng)營效率視角，考察逆周期信貸政策效用及其微觀傳導機理。研究結(jié)果表明，對沖COVID-19疫情影響的逆周期信貸政策實施，有助于顯著提升實體企業(yè)經(jīng)營效率并具有隨時間動態(tài)邊際遞增的特征，政策作用持續(xù)釋放，總體有效。同時該信貸政策具有“雙渠道”傳導的特點，分別通過企業(yè)資產(chǎn)負債表傳導渠道與銀行風險承擔傳導渠道，以調(diào)節(jié)效應(yīng)路徑方式對實體企業(yè)的經(jīng)營效率產(chǎn)生正向促進作用。此外，該逆周期信貸政策效用也受到企業(yè)性質(zhì)、行業(yè)與區(qū)域的異質(zhì)性約束。其中，相比非民營企業(yè)，民營企業(yè)的逆周期信貸政策效用較高，并且信貸資源更多傾向于流向傳統(tǒng)行業(yè)，在區(qū)域?qū)用嫘в脛t呈現(xiàn)“南強北弱，東強西弱”的非均衡格局。本文運用平行趨勢檢驗和安慰劑檢驗方法進行的穩(wěn)健性檢驗結(jié)果顯示，上述結(jié)論均未改變。據(jù)此，本文為完善應(yīng)對突發(fā)公共衛(wèi)生事件沖擊的逆周期信貸支持機制提供政策性建議。

本文的可能貢獻主要體現(xiàn)為：(1)關(guān)于銀行信貸渠道相關(guān)研究，現(xiàn)存文獻主要聚焦檢驗實體經(jīng)濟部門的宏觀經(jīng)濟效應(yīng)，如從宏觀層面探討信貸政策、銀行信貸供給和實體經(jīng)濟部門產(chǎn)出的關(guān)系，基于微觀組織視角的研究證據(jù)還很不充分。雖然根據(jù)明斯基“投資的融資理論”及“金融不穩(wěn)定假說”，經(jīng)濟金融發(fā)展是“融資—投資—盈利—償債”的循環(huán)過程(Minsky，1976；Minsky，1986；Minsky，1992)[1-3]，信貸對生產(chǎn)具有實質(zhì)性增量解釋力(Bernanke,1983)[4]，然而如何看待信貸渠道的微觀企業(yè)效用及其傳導效果，缺乏明確的經(jīng)驗證據(jù)，至今仍是待解命題。本文創(chuàng)新性地依托COVID-19疫情場景，評估信貸政策逆周期調(diào)節(jié)作用的有效性，從實體企業(yè)的微觀層面視角出發(fā)，考察逆周期信貸政策效用，并結(jié)合銀行信貸渠道分析其傳導特點，拓展了現(xiàn)存文獻研究。(2)如何有針對性地把握好信貸政策逆周期調(diào)節(jié)的結(jié)構(gòu)及力度，通過結(jié)構(gòu)性逆周期信貸投放來有效應(yīng)對實體經(jīng)濟所受負面沖擊，是COVID-19疫情暴發(fā)以來央行逆周期信貸政策制定所面臨的嚴峻挑戰(zhàn)，也是評估重大疫情防控信貸支持機制經(jīng)濟后果時關(guān)注的重點。因此本文分別從企業(yè)性質(zhì)層面、行業(yè)層面和區(qū)域?qū)用?，檢驗?zāi)嬷芷谛刨J政策效用的異質(zhì)性約束，深入分析其政策傳導的結(jié)構(gòu)性特點與非均衡性，研究結(jié)論有助于完善逆周期信貸政策設(shè)計和調(diào)控機制，為科學制定有效推動經(jīng)濟高質(zhì)量增長的逆周期信貸政策提供決策參考依據(jù)。

二、 文獻綜述、理論分析與假設(shè)提出

(一) 逆周期信貸政策傳導：實體企業(yè)微觀效用

作為最受關(guān)注的信貸政策傳導渠道，銀行信貸渠道及其實體經(jīng)濟的傳導有效性是現(xiàn)存文獻相關(guān)領(lǐng)域持續(xù)關(guān)注的重點議題。其中Friedman和Schwartz(1963)[5]認為信貸政策能夠給實體經(jīng)濟帶來明顯影響。Bernanke和Blinder(1988)[6]基于CC-LM模型，提出了信貸傳導機制假說。Bernanke和Gertler(1989)[7]、Bernanke等(1996)[8]、Bernanke等(1999)[9]提出了信貸政策及其銀行信貸渠道傳導的金融加速器理論。Bernanke和Gertler(1995)[10]通過分析資產(chǎn)負債表對銀行信貸的影響，將信貸傳導機制分為銀行風險承擔渠道和企業(yè)資產(chǎn)負債表渠道。

關(guān)于銀行信貸傳導機制的有效性，現(xiàn)存文獻研究顯示，在從緊政策下傳導效果較強，在寬松政策下效果較差(Oliner和Rudebusch，1996；Ibarra，2016)[11-12]，不同經(jīng)濟發(fā)展程度國家之間的傳導效果也具有明顯差別(Romer等，1990)[13]。在中國，金融體系的銀行主導特征決定了銀行信貸渠道在信貸政策傳導中具有基礎(chǔ)性的地位，其政策工具主要涉及信貸投放總量、扶持性信貸流向政策、限制性信貸政策、防范信貸風險的法律法規(guī)等。同時，長期以來中國的銀行信貸實踐也顯示，中小企業(yè)的銀行信貸歧視、信貸流動性的“脫實向虛”等問題，嚴重地影響了信貸政策傳導的有效性。

中國央行對沖COVID-19疫情影響的主要逆周期信貸政策工具是信貸投放總量與信貸資金流向。COVID-19疫情暴發(fā)以來，國際國內(nèi)經(jīng)濟形勢復雜多變，對實體企業(yè)的生產(chǎn)經(jīng)營活動造成較大的負面沖擊。從宏觀經(jīng)濟層面來看，供給衰退、有效需求銳減，CPI先升后降、PPI聯(lián)動下降，經(jīng)濟下行風險加大。(2)例如，統(tǒng)計數(shù)據(jù)顯示，2020年第一季度GDP增速-6.8%，全年經(jīng)濟增長承壓。從中觀行業(yè)層面來看，銷售滯緩、進出口受阻、投資需求下降，上下游產(chǎn)業(yè)鏈中斷風險攀升。特定行業(yè)的生產(chǎn)經(jīng)營近乎停擺、破產(chǎn)出清速度加速。從微觀企業(yè)層面來看，價值鏈、供應(yīng)鏈不穩(wěn)，企業(yè)資產(chǎn)負債表短期快速惡化。企業(yè)在生產(chǎn)經(jīng)營過程中面臨的內(nèi)外部不確定性因素增多和財務(wù)風險加大，供需兩端受阻，疊加資金面收緊，降低了要素投入轉(zhuǎn)化為有效產(chǎn)出的效率，即對企業(yè)經(jīng)營效率產(chǎn)生了較大的不利影響。面對收入和成本兩端惡化、利潤空間壓縮的問題，具有經(jīng)營脆弱性及融資約束嚴重特點的中小微實體企業(yè)外部融資環(huán)境對企業(yè)經(jīng)營效率的影響加大。(3)例如，統(tǒng)計數(shù)據(jù)顯示，2020年2月中型企業(yè)和小型企業(yè)PMI分別為35.5%和34.1%，同比下降15.4個和14.5個百分點。

為此，2020年1月央行聯(lián)合五部委下發(fā)《強化金融支持防控COVID-19疫情的通知》，要求加大信貸政策逆周期調(diào)節(jié)力度，對沖COVID-19疫情影響。具體而言，一方面，通過降準降息、再貸款、再貼現(xiàn)、創(chuàng)新直達實體企業(yè)等政策進行逆周期信貸投放，為實體經(jīng)濟注入大量流動性，通過MLF操作等方式為商業(yè)銀行提供低成本中長期資金來源，同時督促和引導金融機構(gòu)推行結(jié)構(gòu)性逆周期信貸政策，對受疫情影響較大的企業(yè)減費讓利、延期還本付息、推出疫情防控信貸產(chǎn)品等優(yōu)惠條款，緩解了實體企業(yè)的融資約束問題，讓企業(yè)有更多的資金和資源投入生產(chǎn)，有助于企業(yè)經(jīng)營效率損失的修復。另一方面，通過提速新基建為實體經(jīng)濟增長注入新動能、提高企業(yè)融資意愿和推動融資增長，加快信貸需求的有效釋放。顯然，上述對沖COVID-19疫情影響的逆周期信貸政策實施，意在疏通信貸政策的銀行信貸傳導渠道，從供需兩側(cè)改善企業(yè)經(jīng)營效率，逐步緩釋流動性風險，促進實體經(jīng)濟的發(fā)展形成正向循環(huán)反饋?；谝陨戏治?，本文提出以下研究假設(shè)：

假設(shè)1：對沖COVID-19疫情沖擊的逆周期信貸政策實施顯著提升了實體企業(yè)的經(jīng)營效率。

(二) 逆周期信貸政策效用的微觀傳導渠道

關(guān)于信貸政策效用的微觀傳導效應(yīng)，新凱恩斯主義(4)孫亮：《金融加速器視角下貨幣政策沖擊的產(chǎn)生效應(yīng)研究》，上海社會科學出版社，2021第17-18頁。認為，主要通過影響銀行貸款行為發(fā)揮作用，并且存在企業(yè)資產(chǎn)負債表傳導渠道和銀行風險承擔傳導渠道兩個不同假說。

1.信貸政策的企業(yè)資產(chǎn)負債表傳導渠道假說。企業(yè)資產(chǎn)負債表傳導渠道假說(Bernanke和Gertler，1989)[14]認為，在信息不對稱的經(jīng)濟環(huán)境中，信貸政策的松緊狀態(tài)會改變銀行的信貸供應(yīng)量，引發(fā)貸款利率變化，影響企業(yè)資產(chǎn)負債表。借款企業(yè)的資產(chǎn)負債表則通過影響其外部融資成本與內(nèi)部融資成本的差價(即外部融資溢價)，進而影響其企業(yè)的總借貸條款和產(chǎn)出(Bernanke等，1996；Bernanke等，1999；Bernanke和Gertler，1995)[8-10]。對此，基于金融加速器存在性理論，現(xiàn)存文獻研究已證明中國信貸政策的企業(yè)資產(chǎn)負債表渠道傳導基本暢通，經(jīng)濟主體對信貸政策的調(diào)整反應(yīng)敏感，信貸政策調(diào)控會對企業(yè)資產(chǎn)負債表產(chǎn)生較顯著的影響(朱新蓉和李虹含，2013)[15]。

在COVID-19疫情情景下，本文認為，如果信貸政策傳導的企業(yè)資產(chǎn)負債表渠道仍具存在性，則逆周期信貸政策下的貨幣供應(yīng)量增加，將分別通過“資產(chǎn)價格”和“現(xiàn)金流”兩種方式，導致企業(yè)凈資產(chǎn)變化，影響借款企業(yè)資產(chǎn)負債表，進而緩解COVID-19疫情對實體經(jīng)濟運行的不利沖擊。例如，一方面，寬松信貸政策使名義利率降低，社會平均資產(chǎn)價格上漲，進而增加企業(yè)凈資產(chǎn)，提高企業(yè)信貸可得性并降低其還款負擔；另一方面，利率降低或減免，直接減少企業(yè)利息支出，增加消費者支出，間接增加企業(yè)收入，在兩者共同作用下增加企業(yè)現(xiàn)金流、增加企業(yè)凈資產(chǎn)，導致企業(yè)外部融資溢價降低，融資可得性增加，融資成本降低，最終增加實體企業(yè)產(chǎn)出，反向影響企業(yè)凈資產(chǎn)變化并形成逆周期信貸政策的微觀效用。基于以上分析，本文提出以下研究假設(shè)：

假設(shè)2-1：對沖COVID-19疫情沖擊的逆周期信貸政策通過企業(yè)資產(chǎn)負債表傳導渠道實現(xiàn)其微觀效用。

2.信貸政策的銀行風險承擔傳導渠道假說。信貸政策的銀行風險承擔傳導渠道假說(Borio和Zhu，2012)[16]認為，信貸政策通過影響金融機構(gòu)的風險容忍度與風險偏好，改變其資產(chǎn)組合配置，使其愿意向信用等級較低的借款人發(fā)放貸款，并最終作用于產(chǎn)出變動(金鵬輝等，2014；Delis和Kouretas，2011；Ioannidou等，2014)[17-19]。這種假說的中國信貸政策傳導存在性，也得到了現(xiàn)存文獻一些研究結(jié)果的支持(牛曉健和裘翔，2013；張迎春等，2019)[20-21]。

在COVID-19疫情情景下，本文認為，逆周期信貸政策投放的銀行風險承擔傳導渠道，主要改變銀行的風險承擔偏好和意愿，通過實體經(jīng)濟主體風險承擔水平、同業(yè)風險承擔水平這兩種途徑，對銀行風險承擔產(chǎn)生影響。例如，一方面，寬信用的逆周期信貸投放帶來估值效應(yīng)和保險效應(yīng)，提升了銀行對實體經(jīng)濟主體的風險承擔水平。所謂估值效應(yīng)，主要指低利率通過提高抵押品價值和借款企業(yè)的信用評級，提高銀行的實體經(jīng)濟風險承擔意愿。所謂保險效應(yīng)，主要指央行所實施的逆周期信貸政策為經(jīng)濟下行的銀行風險承擔提供了保險，提高銀行對不良貸款的容忍度，激勵銀行主動承擔更多信用風險，加大逆周期信貸投放，由此緩解COVID-19疫情對實體經(jīng)濟的負面沖擊；另一方面，寬信用的逆周期信貸政策改變了銀行對同業(yè)的風險承擔水平。在寬松信貸政策支持下，面對外部COVID-19疫情沖擊，大型銀行提高了其對中小銀行的風險承擔意愿，由此影響中小銀行的信貸資金可得性和成本，銀行系統(tǒng)的流動性得以輸送至中小微實體企業(yè)。顯然，逆周期信貸政策的銀行風險承擔傳導渠道，拓寬了銀行讓利于實體經(jīng)濟的空間，有助于糾偏在信息不對稱下的非均衡信貸配給現(xiàn)象與信貸錯配現(xiàn)象，優(yōu)化信貸政策對實體經(jīng)濟的傳導效果?；谝陨戏治觯疚奶岢鲆韵卵芯考僭O(shè)：

假設(shè)2-2：對沖COVID-19疫情沖擊的逆周期信貸政策通過銀行風險承擔傳導渠道實現(xiàn)其微觀效用。

(三) 逆周期信貸政策效用異質(zhì)性：企業(yè)性質(zhì)效應(yīng)、行業(yè)效應(yīng)與區(qū)域效應(yīng)

首先，關(guān)于逆周期信貸政策效用的企業(yè)性質(zhì)異質(zhì)性效應(yīng)。對沖COVID-19疫情影響的逆周期信貸政策，在投放對象上具有十分明確的指向性，主要聚焦受COVID-19疫情沖擊較大的中小微民營企業(yè)，通過加大對其信貸投放，助力其在COVID-19疫情防控中穩(wěn)步復工復產(chǎn)、修復經(jīng)營。但是由于中小微民營企業(yè)通常具有較高的經(jīng)營風險、較強的融資約束，有可能降低銀行對其風險承擔意愿，進而減弱了逆周期信貸政策的調(diào)控效果。

其次，關(guān)于逆周期信貸政策效用的行業(yè)異質(zhì)性效應(yīng)。信貸政策的行業(yè)結(jié)構(gòu)效應(yīng)，最早由Bernanke和Gertler(1995)[10]從信貸傳導機制角度予以了證明。行業(yè)資本生產(chǎn)率、要素密集程度和產(chǎn)品需求彈性等方面的較大差異性，必然會導致不同行業(yè)的信貸政策沖擊反應(yīng)不盡相同。在中國，基于借貸雙方信息不對稱的銀行主動信貸配給、基于政府政策引導與要求的銀行被動信貸配給，是以銀行中介主導的金融系統(tǒng)的主要信貸配給形式。為了對沖COVID-19疫情對經(jīng)濟的負面影響，政策主張銀行讓利實體經(jīng)濟，加大對企業(yè)的逆周期信貸投放，尤其是受疫情影響較大的行業(yè)和疫情防控重點行業(yè)企業(yè)，而不同行業(yè)間的信貸資源配給敏感度不同，導致逆周期信貸政策沖擊呈現(xiàn)出明顯的行業(yè)非對稱性特點。其中傳統(tǒng)行業(yè)具有重資產(chǎn)運營和成熟穩(wěn)定的財務(wù)表現(xiàn)，容易滿足銀行低風險和抵押擔保的信貸配置需求，對銀行信貸資源的吸引力較大；而戰(zhàn)略性新興行業(yè)雖然具備高效益特點，但其技術(shù)創(chuàng)新導向決定行業(yè)發(fā)展具有高度不確定性，對銀行信貸資源的吸引力不足(曹永琴，2010)[22]。

最后，關(guān)于逆周期信貸政策效用的區(qū)域異質(zhì)性效應(yīng)。區(qū)域金融、經(jīng)濟結(jié)構(gòu)差異性下信貸政策的區(qū)域非均衡沖擊效應(yīng)，最早由Scott在1955年所證明。(5)Scott I.:The Regional Impact of Monetary Policy,Quarterly Journal of Economics,1955,No.69.基于中國情景的相關(guān)文獻研究也顯示，金融發(fā)展水平、地區(qū)開放程度(劉玄和王劍，2006)[23]、產(chǎn)業(yè)結(jié)構(gòu)和金融結(jié)構(gòu)(蔣益民和陳璋，2009)[24]是造成信貸政策效應(yīng)差異性的主要因素。其中東部地區(qū)的信貸政策傳導速度深度優(yōu)于中西部地區(qū)，經(jīng)濟主體對信貸政策的敏感性由東往西逐漸減弱。COVID-19疫情對各省份的沖擊程度不同，政策引導逆周期信貸資源優(yōu)先向受災(zāi)嚴重的地區(qū)投放和傾斜，因此區(qū)域資源分配及其配套政策執(zhí)行力度的差異性，有可能導致逆周期信貸政策的區(qū)域?qū)嵤┬Ч煌?。其中與發(fā)達地區(qū)相比較，不發(fā)達地區(qū)的逆周期信貸投放傳導效應(yīng)相對較低。綜上所述，逆周期信貸政策效應(yīng)的微觀傳導機制如圖1所示?；谝陨戏治?，本文提出以下研究假設(shè)：

圖1 逆周期信貸政策效用的微觀傳導機制

假設(shè)3：對沖COVID-19疫情沖擊的逆周期信貸效用具有異質(zhì)性，受到企業(yè)性質(zhì)因素、行業(yè)因素和區(qū)域因素的非對稱約束。

三、 研究設(shè)計

(一) 樣本和數(shù)據(jù)來源

本文選取2019—2021年滬深兩市A股上市公司的半年度數(shù)據(jù)作為初始研究樣本，并對樣本進行以下篩選：(1)剔除ST和* ST類上市公司，因為此類公司的財務(wù)表現(xiàn)異常；(2)剔除房地產(chǎn)行業(yè)和金融行業(yè)上市公司，因為此類公司屬于非實體經(jīng)濟；(6)周小川：第九屆《財經(jīng)》年會“精確實體經(jīng)濟概念，更好支持實體經(jīng)濟發(fā)展”，新華社，2011-12-25。(3)剔除2020年當年及以后新上市公司，以保持數(shù)據(jù)可比性和連續(xù)性。最終得到總數(shù)為3325家上市公司的研究樣本。

為平衡面板數(shù)據(jù)，對數(shù)據(jù)進行以下處理：(1)對相關(guān)數(shù)據(jù)進行對數(shù)化和標準化處理，以緩解異方差問題；(2)投入產(chǎn)出中涉及的價格變量，以2019年上半年為基期，采用GDP平減指數(shù)法進行平減處理，以消除通貨膨脹的影響；(3)對公司層面的連續(xù)變量進行上下1%的Winsorize極端值縮尾處理，以消除離群值的影響。

數(shù)據(jù)主要來源于Wind、東方財富Choice、中國人民銀行官網(wǎng)和上市公司年報，回歸分析采用MAXDEA8.0和STATA16.0。

(二) 變量選取

1.被解釋變量。企業(yè)經(jīng)營效率(TFP)。經(jīng)營效率的度量方法，主要包括以SFA為代表的參數(shù)法、以LP為代表的半?yún)?shù)法和以DEA為代表的非參數(shù)法。由于DEA計算生產(chǎn)前沿面不需要具體函數(shù)形式，能夠處理多投入與多產(chǎn)出問題，避免函數(shù)設(shè)定形式錯誤而導致的估計結(jié)果偏誤問題，并且能夠兼容投入產(chǎn)出指標的數(shù)量級差，因此本文采用DEA分析法，將上市公司作為決策單元，參考Tone和Tsutsui(2010)[25]的研究成果，即運用同時包含徑向與SBM兩類距離函數(shù)的超效率EBM混合模型，結(jié)合Malmquist指數(shù)，測算上市公司經(jīng)營效率(TFP)。通過放寬投入要素同比例變動假設(shè)，在一定程度上避免以CCR和BCC為代表的徑向模型以及基于松弛變量以SBM為代表的非徑向模型的缺陷。

由于Malmquist指數(shù)能夠利用距離函數(shù)反映出每個決策單元的變化率，因此本文采用全局參比Malmquist指數(shù)來反映不同期間不同上市公司之間效率的變化情況，同時可進一步分解為技術(shù)效率變化EC和生產(chǎn)技術(shù)變化TC。

參照已有文獻研究(王卓，2007；孟川瑾等，2008；樊秀峰和王美霞，2011)[26-28]，本文選取凈利潤作為產(chǎn)出指標，職工總數(shù)、固定資產(chǎn)凈值和營業(yè)支出作為投入指標來衡量上市公司經(jīng)營效率。非導向DEA-Malmquist模型下上市公司內(nèi)部的運作過程如圖2所示。其中X和Y分別表示投入和產(chǎn)出要素，上市公司經(jīng)營效率的目標可表述為追求投入最小化和產(chǎn)出最大化。

圖2 非導向DEA-Malmquist模型下上市公司“投入—產(chǎn)出”的運作過程

2.主要解釋變量。(1)逆周期信貸政策與政策支持企業(yè)對象的交乘項(DID):逆周期信貸政策效用的凈效應(yīng)。逆周期信貸政策作為時間虛擬變量。以2020年1月央行聯(lián)合五部委發(fā)布《強化金融支持防控COVID-19疫情的通知》為政策沖擊時間節(jié)點，定義2020年1月前，取值為0；2020年1月后，取值為1。政策支持對象作為分組虛擬變量。以《強化金融支持防控COVID-19疫情的通知》及具體施行政策的扶持對象指向，即中小微實體企業(yè)，特別是疫情較重地區(qū)、受疫情影響較大的行業(yè)和疫情防控重點企業(yè)為處理組。其他上市公司為對照組。逆周期信貸政策與政策支持企業(yè)對象的雙重差分交乘項(DID)的系數(shù)，即為逆周期信貸政策效用的凈效應(yīng)。

(2)企業(yè)凈資產(chǎn)(Equity)：表征資產(chǎn)負債表渠道傳導。由于微觀層面企業(yè)凈資產(chǎn)與外部融資溢價的反向互動傳導關(guān)系，是企業(yè)資產(chǎn)負債表渠道理論的核心機理。因此基于金融加速器效應(yīng)，(7)孫亮：《金融加速器視角下貨幣政策沖擊的產(chǎn)出效應(yīng)研究》，上海社會科學院出版社，2021，第19頁。本文選取“企業(yè)凈資產(chǎn)”衡量資產(chǎn)負債表渠道傳導效率，并按照總資產(chǎn)進行數(shù)據(jù)標準化處理。在此，凈資產(chǎn)/總資產(chǎn)的比值越高，則信貸政策通過企業(yè)資產(chǎn)負債表渠道的微觀傳導效率越高。

(3)銀行風險承擔(BankRisk)：表征銀行風險承擔渠道傳導。在現(xiàn)存文獻中，“銀行風險承擔”的代理變量主要有Z-score(周再清等，2017；段軍山等，2018)[29-30]、銀行風險加權(quán)資產(chǎn)占總資產(chǎn)比重(蔣海和黃敏，2017；鄧向榮和張嘉明，2018)[31-32]、信貸標準(Paligorova和Santos，2017)[33]等指標。根據(jù)研究需要，本文選取更具一般意義的“不良貸款率”指標來衡量銀行風險承擔水平(王晉斌和李博，2017)[34]，并定義該指標等于貸款撥備率和撥備覆蓋率的比值。在此，不良貸款率越高，則銀行的風險承擔越大。

3.控制變量。參考已有文獻的研究成果(何熙瓊等，2016；陳燕麗等，2018；李小林等，2021)[35-37]，本文選取總資產(chǎn)規(guī)模(Asset)、銷售增長率(Sale)、銷售毛利率(GPM)、資產(chǎn)負債率(Leverage)、資產(chǎn)周轉(zhuǎn)率(TAT)、股權(quán)集中度(CR10)和實體企業(yè)上市年限(Age)作為控制變量。

變量匯總和描述性統(tǒng)計如表1和表2所示，所有變量均通過LLC、ADF和IPS單位根平穩(wěn)性檢驗。

表1 變量匯總表

表2 描述性統(tǒng)計

(三) 模型設(shè)定

1.對沖COVID-19疫情沖擊的逆周期信貸政策效用：假設(shè)1基準模型。為識別逆周期信貸政策的微觀效用，本文基于準自然實驗研究框架建立雙重差分模型(DID)并結(jié)合傾向匹配方法(PSM)(控制樣本選擇性偏誤)進行檢驗，基于假設(shè)1，構(gòu)建基準模型(1)如下：

TFPit=α0+α1treatit×periodit+α2controlsit+λi+μt+εit

(1)

其中TFP為實體企業(yè)經(jīng)營效率；treat表示分組變量，若個體在處理組取值為1，否則取值為0；period表示時間虛擬變量，2020年1月后取值為1，之前取值為0；treat和period的乘積即為雙重差分的交乘項(DID)。α1表示逆周期信貸政策效用的總效應(yīng)；controls為控制變量；λ為個體固定效應(yīng)，μ為時間固定效應(yīng)，ε為隨機擾動項。

2.對沖COVID-19疫情沖擊的逆周期信貸政策效用傳導機制及路徑比較：假設(shè)2的中介路徑模型與調(diào)節(jié)路徑模型。為檢驗?zāi)嬷芷谛刨J政策對實體企業(yè)經(jīng)營效率的作用機制，進一步驗證企業(yè)資產(chǎn)負債表傳導渠道和銀行風險承擔傳導渠道的有效性，分別以標準化后的企業(yè)凈資產(chǎn)和銀行不良貸款率為中介調(diào)節(jié)變量(R)，基于假設(shè)2-1和假設(shè)2-2，建立中介效應(yīng)與調(diào)節(jié)效應(yīng)的比較檢驗?zāi)Ｐ腿缦拢?/p>

(1)中介路徑效應(yīng)：假設(shè)2-1和假設(shè)2-2

Rit=δ0+δ1treatit×periodit+δ2controlsit+λi+μt+εit

(2-a)

TFPit=β0+β1treatit×periodit+β2Rit+β3controlsit+λi+μt+εit

(2-b)

(2)調(diào)節(jié)路徑效應(yīng):假設(shè)2-1和假設(shè)2-2

TFPit=γ0+γ1treatit×periodit+γ2Rit+γ3Rit×treatit×periodit+γ4controlsit+λi+μt+εit

(3)

其中模型2為中介路徑模型，δ1表示逆周期信貸政策沖擊對調(diào)節(jié)變量的影響。β1表示控制了調(diào)節(jié)變量，逆周期信貸政策沖擊對實體企業(yè)經(jīng)營效率的直接效應(yīng)。β2表示控制了逆周期信貸政策沖擊，調(diào)節(jié)變量對實體企業(yè)經(jīng)營效率的影響。δ1×β2表示經(jīng)由中介調(diào)節(jié)變量的傳導，逆周期信貸政策沖擊對實體企業(yè)經(jīng)營效率的間接效應(yīng)。模型3為調(diào)節(jié)路徑模型，γ3表示調(diào)節(jié)效應(yīng)。

(四) 實體企業(yè)經(jīng)營效率的總體時序特征和結(jié)構(gòu)性變動趨勢：假設(shè)3

實體企業(yè)經(jīng)營效率(TFP)，可進一步分解為技術(shù)效率變化指數(shù)(EC)和技術(shù)進步指數(shù)(TC)。其中EC表示t期到(t+1)期每個觀測對象對生產(chǎn)前沿的追趕程度，TC測度t期到(t+1)期生產(chǎn)前沿的移動。

由圖3可知，一方面，2020年COVID-19疫情對TFP造成較大的沖擊，2019年下半年到2020年上半年的TFP下降趨勢明顯；另一方面，2019年上半年和2020年上半年的生產(chǎn)率指數(shù)增長趨勢主要受技術(shù)進步驅(qū)動，其他期間的生產(chǎn)率指數(shù)逐漸下降主要受技術(shù)效率惡化影響，說明雖然實體企業(yè)的生產(chǎn)技術(shù)在進步，但是經(jīng)營效率在低位運行。

圖3 實體企業(yè)經(jīng)營效率及分解的總體時序特征

由圖4可知，按照行業(yè)和區(qū)域進行TFP拆分的結(jié)果表明：(1)傳統(tǒng)行業(yè)的TFP高于戰(zhàn)略性新興行業(yè)，并且受COVID-19疫情沖擊的波動幅度更大；(2)東南部區(qū)域的TFP最高，由東往西，由南往北的TFP及波動性逐漸減小，顯示TFP在行業(yè)和區(qū)域分布上總體呈現(xiàn)高值聚集東南區(qū)域的傳統(tǒng)行業(yè)，這種高位運行狀態(tài)在受時空非均衡擾動時仍保持穩(wěn)定。

圖4 實體企業(yè)經(jīng)營效率的行業(yè)和區(qū)域結(jié)構(gòu)性變動趨勢

四、 回歸結(jié)果分析

(一) 傾向得分匹配結(jié)果(PSM)

雙重差分要求“處理組”和“對照組”之間除了處理變量外，其他變量間的差異是平衡的。因此在DID之前通過PSM來平衡組間差距能夠使共變量獨立于處理分配，在一定程度上避免了選擇性偏差，通常分為估計傾向值、匹配、平衡性檢驗和估計處理效用四個步驟。

首先，根據(jù)PSM原則，需要將影響實體企業(yè)經(jīng)營效率的盡可能多的變量包括進來，參照現(xiàn)有研究選取總資產(chǎn)規(guī)模、銷售增長率、銷售毛利率、資產(chǎn)負債率、資產(chǎn)周轉(zhuǎn)率、股權(quán)集中度和企業(yè)上市年限作為協(xié)變量，結(jié)合Logit回歸估計傾向得分。為了提高匹配質(zhì)量，如圖5所示，僅保留傾向得分重疊部分的16595個樣本觀測值，其中處理組和對照組分別為5335個和11260個，樣本損失率為0.18%較小，對估計偏差影響較小。

圖5 傾向得分的共同取值范圍和描述性統(tǒng)計

其次，根據(jù)傾向得分作為距離函數(shù)進行匹配，具體方法包括K近鄰匹配、半徑匹配、卡尺內(nèi)最近鄰匹配、核匹配、局部線性回歸匹配和樣條匹配等方法，本文選擇核匹配進行傾向得分匹配。由表3可知，匹配后協(xié)變量的t檢驗均不拒絕處理組和對照組無系統(tǒng)差異的原假設(shè)，初步認為匹配結(jié)果可以接受。

表3 協(xié)變量的傾向匹配得分

再次，采用標準化均值的差值和t檢驗法進行平衡性檢驗，考察匹配后的協(xié)變量分布在“處理組”和“對照組”之間的分布是否平衡。由圖6上半部分可知，匹配后標準化均值的差值相比匹配前更靠近0，說明匹配后平衡性更好；下半部分的t檢驗圖表明，匹配后“處理組”和“對照組”分布覆蓋區(qū)域基本一致，均值和密度函數(shù)相近，說明平衡性較好。

圖6 平衡性檢驗結(jié)果

最后，根據(jù)匹配后的樣本計算平均處理效應(yīng)來評價PSM匹配結(jié)果。由表4可知，處理組平均處理效應(yīng)(ATT)、對照組平均處理效應(yīng)(ATU)和全樣本平均處理效應(yīng)(ATE)均通過5%的顯著性檢驗，表明匹配效果較好，滿足隨機分組要求，用PSM匹配后的樣本進行回歸估計能夠在很大程度上減少觀測數(shù)據(jù)的偏差。

表4 PSM匹配效果

(二) 雙重差分回歸結(jié)果(DID)

1.對沖COVID-19疫情沖擊的逆周期信貸政策效用：假設(shè)1。在PSM基礎(chǔ)上構(gòu)建雙重差分模型結(jié)合雙向固定效應(yīng)估計模型1，考察逆周期信貸政策效用，結(jié)果如表5的列(1)所示。同時，為了更好地識別逆周期信貸政策效用的因果效應(yīng)，引入?yún)f(xié)變量驗證是否影響估計結(jié)果的穩(wěn)健性，結(jié)果如列(2)所示。

表5 逆周期信貸政策效用檢驗結(jié)果:基準模型

此外，為了測度逆周期信貸政策效用的動態(tài)效應(yīng)，分別假設(shè)逆周期信貸政策沖擊的時間滯后一期至二期作為時間虛擬變量，與分組變量的交乘項加入模型1中，結(jié)果如表5的列(3)和列(4)所示。

由表5的列(1)和列(2)可知，無論是否加入控制變量，逆周期信貸政策效用的總效應(yīng)為正且均通過1%的顯著性檢驗，假設(shè)1成立。對此，本文認為逆周期信貸投放的增加，提高了銀行體系流動性，降低了企業(yè)的綜合融資成本，從供需兩側(cè)修復了COVID-19疫情沖擊下的實體經(jīng)營效率損失。

列(3)和列(4)結(jié)果表明，動態(tài)地看，滯后一期和滯后二期的雙重差分交乘項的系數(shù)呈現(xiàn)遞增趨勢且均通過1%的顯著性檢驗，說明逆周期信貸政策效用的正向作用具有邊際遞增的動態(tài)非均衡時間趨勢特征，逆周期調(diào)控效果具有一定的滯后性。

2.對沖COVID-19疫情沖擊的逆周期信貸政策效用傳導機制及路徑：假設(shè)2。為考察逆周期信貸政策效用的微觀傳導機制及其路徑，本文分別以企業(yè)凈資產(chǎn)指標表征企業(yè)資產(chǎn)負債表渠道、以銀行不良貸款率指標表征銀行風險承擔渠道的傳導機制，建立中介效應(yīng)檢驗?zāi)Ｐ?-a、模型2-b與調(diào)節(jié)效應(yīng)檢驗?zāi)Ｐ?，其回歸結(jié)果如表6和表7所示。

表6 逆周期信貸政策效用的企業(yè)資產(chǎn)負債表傳導渠道檢驗結(jié)果

表7 逆周期信貸政策效用的銀行風險承擔傳導渠道檢驗結(jié)果

表6的列(2)顯示，雖然雙重差分交乘項系數(shù)通過5%的顯著性水平檢驗，表明逆周期信貸政策沖擊對實體企業(yè)經(jīng)營效率的直接效應(yīng)顯著為正，但是列(1)的雙重差分交乘項系數(shù)不顯著，列(1)的雙重差分交乘項系數(shù)和列(2)的雙重差分交乘項系數(shù)的乘積不顯著，表明逆周期信貸政策效用并非通過中介效應(yīng)發(fā)揮作用。列(3)結(jié)果表明，企業(yè)凈資產(chǎn)與雙重差分的交乘項系數(shù)顯著為正并通過1%的顯著性水平檢驗，說明企業(yè)凈資產(chǎn)的增加有助于提升逆周期信貸政策的效用。并且在這個過程中主要是通過調(diào)節(jié)效應(yīng)發(fā)揮作用，即企業(yè)凈資產(chǎn)越高，則逆周期信貸政策效用越大，假設(shè)2-1成立。

由表7的列(1)和列(2)可知，雖然逆周期信貸政策沖擊對實體企業(yè)經(jīng)營效率的直接效應(yīng)顯著為正，但是列(1)的雙重差分交乘項對銀行不良貸款率的影響不顯著，進而表明逆周期信貸政策效用并非通過銀行風險承擔傳導渠道的中介效應(yīng)發(fā)揮作用。列(3)結(jié)果表明，銀行不良貸款率與雙重差分交乘項的系數(shù)顯著為正并通過1%顯著性水平檢驗，顯示銀行風險承擔水平的增加有助于提升逆周期信貸政策效用，并且主要是通過調(diào)節(jié)效應(yīng)發(fā)揮作用，即銀行風險承擔水平越高，逆周期信貸調(diào)控效果越好，假設(shè)2-2成立。由此可知，逆周期信貸政策效用主要通過企業(yè)資產(chǎn)負債表傳導渠道和銀行風險承擔傳導渠道、以調(diào)節(jié)路徑方式作用于實體企業(yè)。

3.對沖COVID-19疫情沖擊的逆周期信貸政策效用異質(zhì)性：假設(shè)3。為研究逆周期信貸政策效用的企業(yè)性質(zhì)異質(zhì)性效應(yīng)、行業(yè)異質(zhì)性效應(yīng)和區(qū)域異質(zhì)性效應(yīng)，本文將企業(yè)分為“民營企業(yè)”和“非民營企業(yè)”，將行業(yè)分為“傳統(tǒng)行業(yè)”和“戰(zhàn)略性新興行業(yè)”(簡稱“新興行業(yè)”)，將區(qū)域分為“北部”“東南部”“中部和西部”，對模型1進行分組回歸，其異質(zhì)性檢驗結(jié)果如表8、表9和表10所示。

表8 逆周期信貸政策效用的異質(zhì)性檢驗結(jié)果：企業(yè)性質(zhì)效應(yīng)

表9 逆周期信貸政策效用的異質(zhì)性檢驗結(jié)果：行業(yè)效應(yīng)

表10 逆周期信貸政策效用的異質(zhì)性檢驗結(jié)果：區(qū)域效應(yīng)

由表8的列(1)和列(2)可知，無論是否加入控制變量，民營企業(yè)的逆周期信貸政策效用均顯著為正且通過1%的顯著性水平檢驗。列(3)和列(4)的回歸結(jié)果則顯示，非民營企業(yè)的逆周期信貸政策效用不顯著，由此說明逆周期信貸效用受企業(yè)性質(zhì)的異質(zhì)性影響。

由表9的列(1)和列(2)可知，無論是否加入控制變量，傳統(tǒng)行業(yè)的逆周期信貸政策效用均顯著為正，分別通過5%和1%的顯著性水平檢驗。列(3)和列(4)的回歸結(jié)果表明，新興行業(yè)的逆周期信貸政策效用不顯著。相比新興行業(yè)，傳統(tǒng)行業(yè)對逆周期信貸政策的響應(yīng)程度較高。

對此，本文認為，可能是因為傳統(tǒng)行業(yè)主要為重資產(chǎn)行業(yè)，承擔抵押品和財富保值增值等功能，其資產(chǎn)低風險特征容易吸引低成本的信貸資源以支撐其經(jīng)營活動。而新興行業(yè)以科技型和創(chuàng)新型企業(yè)為主，總體處于產(chǎn)品生命周期中的導入期和成長期，高風險經(jīng)營特征難以通過逆周期信貸方式滿足融資需求。

表10的回歸結(jié)果表明，東南部和北部區(qū)域的逆周期信貸政策效用均顯著為正且分別通過1%和10%的顯著性水平檢驗，中部和西部區(qū)域則不顯著，逆周期信貸政策效用呈現(xiàn)“南強北弱，東強西弱”的區(qū)域分布格局。其中，東南部區(qū)域?qū)δ嬷芷谛刨J政策的敏感性最強，往北和往西則逐漸衰減。

對此，本文認為，有可能因為東南沿海區(qū)域的中小微企業(yè)比重較高，而逆周期政策效用傳導渠道在中小微企業(yè)占比較大的地區(qū)較順暢，(8)張輝、黃澤華：《我國貨幣政策和財政政策傳導機制與宏觀調(diào)控研究》，北京大學出版社，2016，第222頁。加上地方政府行為和配套政策執(zhí)行力度的差異，導致逆周期信貸政策的區(qū)域調(diào)控效果呈現(xiàn)差異性。至此，假設(shè)3成立。

五、 穩(wěn)健性檢驗

(一) 平行趨勢檢驗

雙重差分法的應(yīng)用前提是逆周期信貸政策沖擊前的處理組和對照組之間不存在隨時間變化的系統(tǒng)性差異，即二者之間的發(fā)展趨勢應(yīng)當一致。基于此，為了驗證假設(shè)1基準模型的平行趨勢假設(shè)前提，本文將政策實施的時間分別提前一期和兩期，當期及以后的時間虛擬變量取值為1，其他期間取值為0，與分組變量的交乘項加入基準模型中進行回歸分析。

由表11可知，政策實施時間提前一期或兩期，交乘項系數(shù)均不顯著，表明在政策出臺前，處理組和對照組的變化趨勢具有一致性，不存在顯著性差異，從而驗證了應(yīng)用雙重差分法檢驗假設(shè)1的平行趨勢假設(shè)前提。

表11 基準回歸的平行趨勢檢驗結(jié)果

(二) 安慰劑檢驗

基于反事實檢驗框架設(shè)計安慰劑檢驗，驗證假設(shè)1基準回歸結(jié)果的穩(wěn)健性。假設(shè)逆周期信貸政策沖擊的發(fā)生時間提前至2019年1月、2019年6月，或者推遲至2020年6月、2021年1月，對應(yīng)樣本期分別為2018年1月至2019年12月、2018年1月至2020年12月、2019年1月至2021年6月、2020年1月至2021年6月，同樣采用半年度面板數(shù)據(jù)進行PSM-DID回歸，考察是否仍存在逆周期信貸政策沖擊對實體企業(yè)綜合效率的影響。

如果時間虛擬變量和分組變量的交乘項系數(shù)顯著，則表明還存在其他不可觀測的外部沖擊因素驅(qū)動了實體企業(yè)綜合效率變化，前文測度的沖擊效應(yīng)并非完全由逆周期信貸政策引起。反之，則可排除其他干擾因素影響，提高本文研究結(jié)論的可靠性。由表12可知，雙重差分的交乘項的系數(shù)均不顯著，因此可以排除其他隨機因素的干擾，說明逆周期信貸政策的實施確實有效修復了實體企業(yè)綜合效率。

表12 基準回歸的安慰劑檢驗結(jié)果

上述穩(wěn)健性檢驗結(jié)果表明本文研究結(jié)論比較穩(wěn)健可靠。

六、 結(jié)論與建議

本文參考超效率EBM模型并結(jié)合Malmquist指數(shù)，評價和分解實體企業(yè)經(jīng)營效率。在此基礎(chǔ)上，將對沖COVID-19疫情影響的逆周期信貸政策實施作為“準自然實驗”，通過考察其實體企業(yè)經(jīng)營效率的修復作用，驗證該逆周期信貸政策效用及其微觀傳導機制。本文研究發(fā)現(xiàn)：(1)逆周期信貸政策的實施顯著提升了COVID-19疫情沖擊下的實體企業(yè)綜合效率，并且這種政策效用具有動態(tài)效應(yīng)邊際遞增的非均衡特征。(2)逆周期信貸政策效用具有“雙渠道傳導”特點，主要通過企業(yè)資產(chǎn)負債表傳導渠道和銀行風險承擔傳導渠道，以調(diào)節(jié)效應(yīng)路徑發(fā)揮正向促進作用。(3)相比非民營企業(yè)，民營企業(yè)的逆周期信貸政策效用較高。相比傳統(tǒng)行業(yè)，戰(zhàn)略性新興行業(yè)的逆周期信貸政策效用較高。此外，逆周期信貸政策效用呈現(xiàn)“南強北弱，東強西弱”的區(qū)域分布格局。上述結(jié)論在基于平行趨勢檢驗、安慰劑檢驗后仍然成立。

基于上述研究結(jié)論，本文對健全應(yīng)對突發(fā)公共衛(wèi)生事件的逆周期信貸政策提出相應(yīng)建議：其一，基于逆周期信貸政策效用發(fā)揮的時間特點，應(yīng)進一步配套相應(yīng)的預(yù)期指引以提高政策有效性?；谛刨J政策效用的異質(zhì)性特征，應(yīng)充分把握政策設(shè)計的方向和力度，不僅要聚焦民營企業(yè)，也要關(guān)注重點區(qū)域的有效供給，通過引導信貸資源配置適當傾斜，提高結(jié)構(gòu)性調(diào)節(jié)功能。與此同時，也應(yīng)提前做好非常規(guī)政策工具的退出時間和退出路徑安排。其二，基于逆周期信貸政策在COVID-19疫情環(huán)境中的“雙渠道傳導”特點，應(yīng)從企業(yè)與銀行兩個方面創(chuàng)造條件進一步疏通其微觀傳導機制。其中在企業(yè)資產(chǎn)負債表傳導效率方面，要以降低實體企業(yè)綜合融資成本為基調(diào)，既要為降低企業(yè)的外部融資約束提供適宜的貨幣金融環(huán)境，同時也要通過充分挖掘國內(nèi)市場需求潛力，為實體經(jīng)濟增長注入新動能，逐步釋放內(nèi)需潛力，提高實體企業(yè)的資產(chǎn)負債表效應(yīng)。在銀行風險承擔傳導效率方面，要加快構(gòu)建商業(yè)銀行資本補充長效機制，降低銀行讓利實體經(jīng)濟產(chǎn)生的信用風險累積的負面效應(yīng)，提高資金流動性的實體經(jīng)濟傳導有效性，同時引動銀行主動擴大對實體企業(yè)的中長期低成本信貸投放，完善突發(fā)公共衛(wèi)生事件信貸支持機制。