僵尸企业的传染效应及作用机理

邵 慰，刘 敏

(浙江财经大学经济学院，浙江 杭州 310018)

1 研究背景

僵尸企业引发的资源扭曲和投资挤出等问题已引起学术界的广泛关注并达成了逐步让僵尸企业出清的共识，但关于僵尸企业对正常企业是否存在影响，以及存在怎样的影响，即僵尸企业的传染效应学术界尚未达成统一的结论。传染效应主要描述的是个体之间的关联性，指的是一家企业出现问题，风险将会随着某种链条进行传染并呈现出不断扩大的趋势。当僵尸企业处于这一链条之上，僵尸企业是否会产生传染效应从而影响其他公司的稳健运行，并对经济发展造成较大的负面影响结论尚不明确。因此，从传染效应视角探究僵尸企业的不利影响，有助于加快处理僵尸企业，促进中国经济的稳健发展。

妥善处置僵尸企业的前提在于正确识别僵尸企业的传染效应机制，现有关于僵尸企业的不利影响的文献主要从投资挤出、要素扭曲、抑制经济增长等角度进行研究。不同于现有研究，本文从一个新的角度研究僵尸企业的负面影响：传染效应。与美国、日本等发达国家不同，中国独特的金融体系特征导致国有金融部门占据主导地位，信贷歧视广泛存在，直接融资并不发达[1]。因此，企业为了获得信贷资源，往往会进行相互担保，形成担保网络。然而，由于信息不对称问题，信用担保网络出现了众多问题。山东地区担保网络问题就是一个典型的例子。2017年3月底，山东省邹平县齐星集团等几家大型民企爆出资金链断裂和债务危机等问题，齐星集团负债上百亿元，濒临破产，与其互保的多家企业也因资金断裂陷入危机。如果一个企业由于各种原因成为僵尸企业，那么是否会对担保网络中的其他企业有影响？位于担保网络中的僵尸企业又是如何产生传染效应的?这是本文关注的问题。

本文运用2010—2016年制造业上市企业数据，研究了担保网络内的僵尸企业对正常企业是否存在传染效应。与之前的研究相比，本文的拓展之处在于：第一，在实证上检验了僵尸企业是否存在传染效应，从一个新的角度论证了僵尸企业的负面影响。第二，将传染效应和僵尸企业联系起来并纳入我们的视野有利于我们将僵尸企业的治理问题从对单个僵尸企业的视域拓展到关联网络企业层面，进而提出更有效的政策建议。

2 僵尸企业研究相关文献回顾

本文的研究主要与两类文献有关，一是研究僵尸企业的文献，二是研究传染效应的文献。

国内外学者对僵尸企业问题进行了广泛而深入的研究，研究主要分为两类：第一类文献主要研究的是僵尸企业的形成原因。国外学者认为会社制度下的银企关系是僵尸企业产生的重要原因。Okamura、Lin等[2，3]学者都通过对日本僵尸企业借贷情况的实证探究发现，当银行坏账较多、资本金不足而陷入困境时，会增加对企业的信贷供给，从而使本应退出市场的僵尸企业得以继续生存。国内学者则认为政府和企业自身的原因才是导致僵尸企业形成的重要原因。例如，陈运森[4]实证检验了省级官员基于本省地级市的任职经历而形成的地域偏爱关系对僵尸企业形成的影响，发现在中国的制度背景下，政府官员可能会出于身份认同和地域熟悉度两个层面影响企业的资源获取从而导致僵尸企业的出现。申广军[5]以新结构经济学的视角研究认为违背比较优势的企业更容易成为僵尸企业。李永友、邵慰、孙婷等[6-8]学者关注了政府补贴、环境规制等也是造成僵尸企业形成的重要因素。马轶群[9]也发现政府不当干预是制造业产能过剩的重要原因。

第二类文献主要关注僵尸企业造成的负面影响。僵尸企业主要存在两方面问题：一是僵尸企业会导致资源错配问题，Kwon等[10]探究了日本制造业 “僵尸企业”对行业资源配置效率的扭曲效应。类似观点还包括Ahearne和Shinada[11]。二是僵尸企业会对其他企业产生挤出效应，国外学者Hirata、Rawdanowicz等[12，13]都认为，银行的 “僵尸借贷”会造成贷款利率的上升，对正常企业的投资产生抑制作用。国内学者谭语嫣[14]通过中国工业企业数据库也得出了相同的结果。

上述文献为深入了解僵尸企业提供了丰富的见解，但是这些文献并没有涉及僵尸企业的传染效应。特别是在研究僵尸企业带来的负面影响时，大部分学者关注的是僵尸企业导致的资源错配问题和投资挤出效应，忽视了企业之间的关联性。而在全球经济化的大背景下，传染效应一词常用来形容如今金融危机的连锁效应，并且这种相互影响变得越来越突出。然而，就僵尸企业的传染效应来看，我们的认知无疑是很有限的。因此，将传染效应和僵尸企业联系起来并纳入我们的视野有利于我们更深入了解僵尸企业。

关于传染效应的文献研究主要集中于传染效应是否真正存在及其存在的判断标准。传染效应主要描述的是个体之间的关联性，这一关联性通常是以企业间的资金借贷形成的网络组织及其他广泛的商业往来为基础。一旦其中的某些企业出现大的经营危机时，就会产生传染效应，对其他企业的绩效产生负面冲击。关于传染效应是否存在的问题，Kaufman、Allen、Acemoglu等[15-17]学者以商业银行作为研究对象，认为异地银行的资产关联性会导致银行危机的溢出，从而产生传染效应；另一部分学者主要关注企业间传染效应是否存在，Lang和Stulz[18]发现某一行业中某企业破产会导致竞争对手的股票价值平均下跌1%；Hertzel 等[19]则发现，当某家企业提出破产申请，上下游企业形成的商业信用会导致下游企业遭受更大的绩效冲击。上述研究都基于网络组织的传染效应是否存在展开，研究结论也比较一致，认为传染效应普遍存在。除此之外，也有部分学者注意到了担保网络的传染问题。吴宝等[20]认为企业在融资过程中会过度依赖社会资本，这会提高担保网络的聚合度，提高了担保网络的传染风险。这一研究结论主要是基于案例分析得出，并没有通过大样本数据进行实证分析。除了传染效应存在性的研究外，部分学者还探讨了网络组织是否存在传染效应的判断标准。刘海明、黄俊等[21,22]学者认为当担保网络内的企业出现经营危机，对其他企业的总资产收益率、息税前利润率产生负面冲击时，即可认为存在传染效应。

综合来看，上述研究虽然集中分析了传染效应是否存在及其存在的判定标准的问题，但是并没有从加入担保网络的僵尸企业角度进行考察。因此，本文利用大样本数据研究了加入担保网络的僵尸企业的传染效应是否存在。如果加入担保网络的僵尸企业真的对其他企业有不利影响，说明僵尸企业的存在会反向作用于整体经济增长。深入理解这一问题对妥善处置僵尸企业，加快供给侧改革有重要意义。

3 研究假说

传染效应是指事物个体间相互感染的现象。当前产业链深度融合，各个企业之间不再是独立的微观个体，而是存在着各种联系。这种企业间的联系又以信贷市场上企业的相互担保最为普遍，因此大量学者从信用风险方面对企业层面是否存在传染效应进行研究。在银行与企业的合作过程中，信息不对称问题的存在使得企业总是占据信息优势地位，而银行要解决这一问题需要付出高昂的监督成本。银行为了避免坏账损失往往会要求企业寻求其他企业担保，因此担保条款在中国信贷市场上广泛存在。然而刘海明等[21]研究发现，信用担保具有契约特征，一些信息不对称、盈利水平较低的公司更可能在经营恶化时加入担保网络。也就是说，当一家企业盈利较低又无政府扶持，要想获得银行的信贷支持，这些盈利低下的企业之间就会进行相互担保，这也就说明了盈利水平低的劣质企业更有可能加入担保网络形成负面冲击。尽管部分企业是基于处在信息优势位置才愿意加入担保网络成为担保方，但一些地方政府官员会基于自身利益推动企业通过非关联方担保获取资金[23]。虽然一些企业并不了解被担保企业，但是地方官员 “牵线”，促成了双方的担保。此时的被担保方不受担保方的监督，一旦被担保方出现经营危机，将更有可能对担保网络内的企业造成负面冲击。基于上述逻辑，我们预设担保网络内的僵尸企业的确存在传染效应，并提出假设1：加入担保网络的僵尸企业会对担保网络内的其他企业产生传染效应。

如前文所述，越是盈利低下的劣质企业越有可能加入担保网络。那么，担保体系中的劣质企业出现经验风险或财务风险而不能如期偿还债务时，会对担保体系中的其他企业造成较大的冲击。担保体系中的企业要么继续为问题企业提供担保，要么自己为问题企业偿还债务。当问题企业实在无法经营下去成为僵尸企业时，担保体系中的其他企业的资金链条可能会全面断裂，绩效也因此受到影响，最终也成为僵尸企业。这样的风险链条最终会放大初始小的风险，从而导致越来越多的企业成为僵尸企业。如此，一个地区的僵尸企业越多，就会导致更多的正常企业成为僵尸企业。我们将 “地区”的范围确定在省级层面，首先是因为典型的担保圈往往都是以区域划分的；另外，一个县或者地级市内往往上市企业数量过少，甚至没有上市企业存在，企业之间的相互影响往往会被低估。基于上述逻辑，本文提出假设2：当一个地区的僵尸企业越多，传染效应会导致正常企业成为僵尸企业的概率越高。

4 数据、指标说明与计量模型

4.1 僵尸企业的识别

国外研究者在识别僵尸企业时更注重企业是否从银行获得了低于市场利率的支持。而国内企业除了获得银行的低利率支持外，还拥有政府官员的支持从而获得各种财政补贴和税收返还。因此，本文借鉴朱鹤等[24]的研究，运用多条件识别法，只有企业同时满足下述三个条件时才被认为是僵尸企业:资产负债率超过50%、实际利润为负、负债比上一年增加。在计算实际利润时将企业获得的政府补贴和税收返还考虑在内，因此，在本文中，实际利润指的是账面利润减去非营业性收入，若为负，则有可能是僵尸企业。

4.2 数据来源

本文选取2010—2016年同花顺中新证监会行业类的制造业检验僵尸企业是否存在传染效应。选取上市公司作为数据样本是因为在实际中，大型企业的担保圈问题最早引人关注，特别是以上市公司为核心的企业担保圈。上市公司一般都是给具有各种各样关联关系的企业提供贷款担保，一方面，控股母公司为下属子公司提供担保；另一方面，下设子公司也进行相互担保。在此基础上，逐渐形成了以上市公司为核心的担保圈。此外，上市公司的数据披露也较为全面，数据缺失问题相对而言没有那么严重。

本文在数据处理过程中对数据做如下处理：剔除部分数据缺失的上市企业；删除与一般会计准则不一致的上市企业，如总资产小于流动资产，总资产小于固定资产的企业等。本文一共得到10150个样本，数据整理及统计分析工作均借助excel2010和stata14.0来完成。

4.3 模型设定与变量定义

为了验证假设1，本文构建以下模型检验僵尸企业对正常企业的传染效应是否存在：

Depi,t+1=β0+β1Postit+β2Assetit+β3Levit+β4Growthit+β5Ageit+β6Salesit+μi+τt+εit

(1)

式中，下标i表示企业，t表示年份。该模型验证的是传染效应是否存在，因此该模型只保留加入担保网络的样本。由于企业之间互相担保的大数据不可得，我们退而求其次，将融资需求作为企业是否加入担保网络的代理变量。这是因为企业融资需求越高，外部融资对于其意义更大，企业愿意支付更高的融资成本来获取融资，也更愿意通过加入担保网络来获取融资，这就说明了企业融资需求与企业是否加入担保网络之间具有极高的相关性。本文借鉴Demirguc-kunt等[25]提出的衡量融资需求的计算方法，该计算公式为 (At-At-1)/At-1-ROEt/(1-ROEt)，其中A表示资产规模，ROE为净资产收益率，计算结果越大表示企业融资需求越大。在此基础上，将计算结果大于行业年度均值的记为1，表示加入担保网络，否则记为0，视为没有加入担保网络。Depit是模型 (1)的被解释变量，表示i企业在t年的绩效水平；Postit是模型的核心解释变量，表示加入担保网络的企业产生的负面绩效冲击；Assetit表示企业的总资产；Levit表示企业的资产负债率；Growthit表示企业的成长机会；Ageit表示企业的成立时间；Salesit表示企业的销售额；μi是企业的个体固定效应；τt是时间固定效应；εit表示随机误差项。除了企业成立年限，模型所涉及的其他企业特征等一系列控制变量均选用一阶滞后项。

为了验证假设2，本文构建以下模型检验一省僵尸企业比例是否会影响正常企业成为僵尸企业概率：

Zombiei,j,t+1=β0+β1Zjt+β2Assetijt+β3Levijt+β4Growthijt+β5Ageijt+β6Salesijt+μij+τt+εijt

(2)

式中，下标i表示企业、j表示省份、t表示年份。Zombieijt表示i企业在t年的僵尸企业情况；Zjt是上面模型的核心解释变量，表示i企业所在省份在t年的僵尸企业比重，分别用一个省份在t年的僵尸企业总数除以该省份的企业总数和一个省份在t年的僵尸企业总资产除以该省份所有企业总资产来衡量，记为Zombie_numberjt和Zombie_assetjt。用两个指标来衡量僵尸企业比例主要是为了检验实证结果是否稳健，且用一个指标来衡量一个省份的僵尸企业情况可能不够准确；其他变量与参数说明和模型 (1)一样。除了企业成立年限，模型所涉及的其他企业特征等一系列控制变量均选用一阶滞后项。表1列出了模型中各个变量的定义及计算方法。

(1)因变量。本文第一个假设验证的是加入担保网络的僵尸企业是否存在传染效应，而这一传染效应主要指的是僵尸企业会对正常企业的绩效产生负面冲击。因此，本文采用企业绩效的浮动来判断僵尸企业的传染效应是否存在。企业绩效的常用衡量指标为总资产收益率和息税前利润，息税前利润的数值通常很大，为了减少数据波动性，将息税前利润除以总资产作为绩效的衡量指标。因此本文第 (1)个模型中因变量的选择遵循刘海明[21]的做法，将ROA(总资产收益率)和EBIT(息税前利润/总资产)作为模型 (1)的被解释变量。第 (2)个模型中因变量的选择遵循已有研究的共同做法，例如聂辉华等[26]都是将僵尸企业定义为1，正常企业定义为0。

表1 变量定义

(2)自变量。第 (1)个模型中的自变量Post是根据黄俊等[22]的研究，将担保网络内某家企业ROA低于-5%视为负面冲击，若加入担保网络的某家企业存在负面冲击，则Post取值为1，否则为0。在第 (2)个模型中，本文根据谭语嫣[14]、方明月等[27]的测算方法，将一个省份的僵尸企业总数除以该省份的企业总数及将一个省份的僵尸企业资产除以该省份全部企业总资产来分别衡量僵尸企业比例。

(3)控制变量。控制变量的选择依然遵循已有研究的共同做法。将一系列企业特征变量作为模型的控制变量，主要是为了控制企业自身因素可能带来的对僵尸企业的影响。其中本文采用营业收入增长率作为企业成长机会的衡量指标，是因为该指标能较全面地反映企业的成长机会[28]。

5 实证检验

5.1 描述性统计

本文的主要变量的描述性统计如表2所示，是基于10150个样本得出的。从表2可以看出，Zombie的平均值为0.040，说明样本中僵尸企业占比约为4%。Zombie_number的平均值为0.040，Zombie_asset的平均值为0.063，这表明用两种指标衡量的僵尸企业占比分别为4%和6.3%，并且用资产占比衡量的僵尸企业占比略高于用数量占比衡量的僵尸企业占比。其他企业层面的特征变量的描述性统计不再赘述。

表2 主要变量的描述性统计

5.2 僵尸企业传染效应检验

这一部分我们沿用模型 (1)，对加入担保网络内的僵尸企业是否存在传染效应进行检验。基于加入担保网络的样本的回归结果如表3所示。为了保证结果的稳健性，这部分运用了ROA和EBIT两个指标衡量企业绩效。第 (1)列和第 (3)列没有控制企业固定效应和年份固定效应，第 (2)列和第 (4)列同时控制了企业固定效应和年份固定效应，并且除了企业成立年限以外，其他控制变量均采取滞后一期处理。计量结果显示，无论有没有对企业一系列特征变量进行控制，主要解释变量Post的系数显著为负，说明在担保网络中，表现较差的企业甚至是僵尸企业会产生负面冲击，使处在担保网络里的其他企业绩效水平降低。详细来看，第 (2)列和第 (4)列表明受到负面外部冲击的企业绩效比没有加入担保网络的企业低5.923%和0.035%，并且结果都在1%的水平上显著，从而证明了假设1。

表3 僵尸企业的传染效应

注：*、**、***分别表示在10%、5%、1%的水平上显著，括号里的数值为P值，下同。

5.3 僵尸企业的传染效应带来的负面影响

基于所有企业样本的回归结果如表4所示，第 (1)列和第 (3)列没有控制企业固定效应和年份固定效应，第 (2)列和第 (4)列同时控制了企业固定效应和年份固定效应，并且除了企业成立年限以外，其他控制变量均采取滞后一期处理。

表4 僵尸企业传染效应的负面影响

第 (1) (2)列以省份僵尸企业数量占比作为主要解释变量，从表4的结果可以看到，无论是否控制企业层面的特征变量，当地区内僵尸企业数量占比越高，正常企业成为僵尸企业的概率越大。具体来说，第 (2)列的结果显示，当僵尸企业数量占比上升1%，正常企业成为僵尸企业的概率上升20%左右。第 (3) (4)列以地区内僵尸企业资产占比作为主要解释变量，表4的结果同样表明，无论是否控制企业层面的特征变量，当区域内僵尸企业资产占比越高，正常企业成为僵尸企业的概率越大。第 (4)列的结果表明，当僵尸企业资产占比上升1%，正常企业成为僵尸企业的概率上升4%。以上结果都在1%的显著性水平上显著，因此假设2得到了验证，即当一个地区的僵尸企业越多，传染效应会导致正常企业成为僵尸企业的概率越高。

企业层面控制变量的符号也比较符合预期。Asset和Lev系数符号为正表明，企业规模越大、资产负债率越高的企业，越有可能成为僵尸企业。Growth系数为负表明企业在未来的成长机会越好、资产收益率越高企业越不太可能成为僵尸企业。

6 结论与建议

作为供给侧结构性改革的一项重要措施，实现 “三去一降一补”五大任务，加快僵尸企业出清市场并不是目的，而是一种手段。以处置僵尸企业实现供给侧结构性改革，把长期占据大量资源、挤压正常企业的生存空间、加剧了行业内的产能过剩问题的僵尸企业出清市场，最终实现产业的转型升级。在企业融资困难的大背景下，许多企业相互担保形成了担保网络，一旦其中的某个企业出现问题，担保网络中的其他企业也会受到影响，部分企业也因此成为僵尸企业。尽管这种经济现象一直存在，但相关研究却付之阙如。因此，本文从僵尸企业的传染效应角度出发，通过对2010—2016年制造业上市企业数据的分析，研究发现加入担保网络的僵尸企业的确存在传染效应，并且这一传染效应主要会导致正常企业的绩效下降。进一步地分析显示，当一个地区的僵尸企业比例越高，传染效应还会大幅提高正常企业成为僵尸企业的概率。

对于政府部门来说，清理处置现有的僵尸企业很重要，但是如何避免正常企业被 “感染”为新的僵尸企业进而推进供给侧结构性改革同样重要。因此本文的实证结果对于中国出清僵尸企业具有重要启示:第一，充分发挥市场配置作用，实现资源优化配置。政府应该取消对僵尸企业的 “援助”，让信贷资源、土地资源及其他资源在市场机制下自由流动。政府的干预在短期内虽然能起到稳定就业、增加税收的作用，但长期来看，最终的结果是市场资源扭曲，资源的使用效率低下。第二，谨慎使用产业政策。政府实施产业政策，大量企业涌入国家重点扶持产业，形成 “潮涌”现象，最终导致某一领域产生严重的产能过剩现象。第三，由于僵尸企业的传染效应大部分是通过担保网络所扩散的，因此为了避免大规模的风险扩散，金融监管机构应当重点监控担保网络中的企业，关注担保网络中企业的退出，尤其是优质企业的退出。在贷款决策中，银行等金融机构也要对企业之间的担保网络进行详细的评估和调查；最后，政府官员的 “父爱主义”导致了银行的信贷资源严重偏向于国有企业，非国有企业面临高昂的融资成本。因此政府应该尽快落实金融市场的市场化改革，降低企业的融资成本。