僵尸企业、资源错配与企业全要素生产率——来自中国工业企业的经验证据

张 璇，王凯丽，司海涛

(1.中南财经政法大学 统计与数学学院，湖北 武汉 430073；2.中南财经政法大学 金融学院，湖北 武汉 430073)

一、问题的提出

“去产能”是中国目前“三去一降一补”供给侧结构性改革的关键问题之一。产能过剩不仅阻碍了中国经济的可持续发展，更加剧了整个经济的系统性风险。僵尸企业是导致产能过剩的重要原因之一，在僵尸企业占比越高的行业中，产能过剩现象也越严重[1]。然而，僵尸企业一旦破产就会牵连相关联的企业、银行和民众，尤其是国有僵尸企业的破产会引发一系列连锁反应[2]。因此，众多僵尸企业“不敢死”“不能死”“死不起”。相较于正常企业，僵尸企业能够通过政府补贴、银行放贷续贷和税收优惠等途径占据更多的社会资源[2-3]。僵尸企业对资源的挤占不仅降低了投入要素的边际报酬[1]，而且致使资源无法流向生产效率更高的企业。资源配置的扭曲不仅造成社会福利的损失，还导致社会整体生产率水平的下降，进而阻碍经济的持续增长[4-5]。因此，厘清僵尸企业对资源配置的扭曲问题，才能有效处理僵尸企业，使资源流向更有效率的企业，提升TFP水平，从而促进经济的可持续、高质量发展。

僵尸企业是指那些面临经济困境、本应破产却由于政府补助和银行续贷等原因没有实施破产的企业。僵尸企业的存在严重扭曲了资源配置。一方面，低效的僵尸企业通过银行信贷优惠、政府补贴和税收优惠政策等占据了大量的土地、资金、原材料、劳动力等社会资源，侵蚀了有限的市场空间，扭曲了生产要素配置，加剧了资源错配程度[5]。另一方面，僵尸企业抢占了其他健康企业的资源与机会，产生劣币驱逐良币效应，破坏了市场优胜劣汰的机制和公平竞争的环境[6]。僵尸企业对资源配置的扭曲还进一步降低了整个社会的全要素生产率[1]。一方面，僵尸企业本身就是负债企业，虽然在政府和银行等的支持下占据了大量的资源，但缺失主动创新和提高效率的能力，生产率与要素边际产出相比于正常企业更低，难以产生经济效益，这导致了整体全要素生产率的降低。另一方面，僵尸企业对资源的挤占，增加了正常企业的投入要素成本，不利于全要素生产率的提高[7]。Hsieh 和 Klenow[4]认为，如果资源能够从低边际产出的企业分配到高边际产出的企业，总的生产率将会提高。然而，僵尸企业的边际产出严重低于正常企业，因而僵尸企业对资源配置的扭曲导致了全要素生产率的下降。

僵尸企业的识别标准是研究的难点。早期的识别方法比较粗糙，主要是捕捉一些反常现象，如银行贷款流向那些资产负债率很高和经营效益很差的企业[8]。后来，Hoshi[9]提出，僵尸企业是指那些丧失自我修复能力和自我发展能力，本应退出市场，但由于政府补贴、银行续贷等非市场因素而得以生存的企业。此后，Caballero等[1]提出了经典的CHK标准，将实际支付利率比最低利率还低的企业判定为僵尸企业，后来Fukuda 和 Nakamura[10]在此基础上通过增加盈利和常青贷款指标，建立了改进的CHK标准，也称过度借贷法，避免了CHK方法的一些误判：部分表现超常的企业会被认定为僵尸企业，一些靠贷款等方式存活的僵尸企业会被遗漏。由于中国特殊的国情，僵尸企业的判定不能完全沿用国外的标准。何帆和朱鹤[11]借鉴传统CHK方法提出了中国僵尸企业识别的过度借贷法，即将资产负债率较高、实际经营处于亏损状态但外部融资规模较上年有所增加的企业定义为僵尸企业。本文以过度借债法为基础，考虑僵尸企业的嗜血性，按照聂辉华等[6]的标准：如果企业连续两年都被认定为僵尸企业，则该企业最终被识别为僵尸企业。此外，有学者强调过度借债法没有考虑政府补贴这一中国企业获得救助的重要方式[7]，企业账面利润中的非营业性收入包含了大量的政府补贴，这难以反映其真实的盈利能力[2]。因此，本文按照谭语嫣等[7]的方法，在过度借债法中利用营业利润替代利润总额识别僵尸企业，用于稳健性检验。何帆和朱鹤[11]还提出了简单易行的实际利润法，即连续三年实际净利润为负就被判定为僵尸企业。虽然这种方法比较粗略，但条件明确，本文也运用此方法进行识别并用于稳健性检验。

目前对中国僵尸企业的研究除僵尸企业的识别以外，主要集中于僵尸企业的成因和资源配置的扭曲方面，没有着重考察僵尸企业对城市行业层面TFP的影响及机制。另外，目前对中国僵尸企业的研究都未考虑内生性问题的影响，实际上模型中可能的遗漏变量和重要变量的测量误差都会带来内生性问题，此外，僵尸企业在样本中的占比通常也比较小，这都会导致实证结论的不可靠。因此，本文运用倾向得分匹配(PSM)的方法，从正常企业中为僵尸企业寻找匹配样本，建立对照组，用匹配后的样本进行分析，以揭示僵尸企业与城市行业层面企业TFP之间的因果关系。基于此，本文采用1998—2007年中国工业企业数据，利用改进后的CHK方法对僵尸企业进行识别，考察僵尸企业对城市行业层面TFP的影响及机制。

本文的边际贡献在于：一是区别于现有文献，本文从资源配置扭曲的视度，考察僵尸企业对城市行业层面TFP的影响机制，通过僵尸企业对地区资源错配程度和对投入要素边际报酬的影响，深刻揭示僵尸企业降低整体生产效率的原因；二是本文采用PSM为僵尸企业寻找对照组，弱化内生性问题，实证结果更可信。

二、数据、模型与变量

(一)数据来源与描述

本文使用的数据来源于“全部国有及规模以上非国有工业企业数据库”，样本覆盖全国31个省、自治区及直辖市的全部国有及规模以上非国有工业企业，统计单位为企业法人。其中，“工业”统计口径包含“国民经济行业分类”中的“采掘业”“制造业”及“电力、燃气及水的生产和供应业”三个门类，以制造业为主体(按43个两位数行业代码统计，制造业占其中29个)。

虽然中国工业企业数据库包含丰富的企业信息，但在实际使用中存在一些问题，包括样本难以匹配、部分年份的指标存在缺失、大小异常、测度误差明显和定义模糊等[12]。因此，本文参考Brandt等[13]采用的方法对数据进行跨期匹配。根据法人代码和企业名称对企业进行交叉匹配，未能匹配上的样本再依次根据“地址代码+法人代表姓名”和“地址代码+电话号码+开业年份”进行匹配。另外，在数据匹配后，本文按照聂辉华等[12]、杨汝岱[14]的方法对样本进行了进一步处理。首先，剔除了从业人数、资产总计、物质资本存量、出口交货值、工业增加值存在缺失的样本。其次，剔除了总资产小于流动资产，总资产小于固定资产净值，累计折旧小于本年折旧，固定资产年平均余额、出口交货值、本年应付工资总额、工业增加值、实收资本小于0，从业人数小于8的企业样本。最后，本文选取1998—2007年的制造业企业，剔除了位于前后1%分位点的异常值，最终得到包括中国30个省级区域(不包括西藏)的1 882 335个研究样本，共计507 486家企业。

(二)模型设计

为了考察僵尸企业对城市行业层面全要素生产率的影响，本文构建固定效应模型(1)：

TFPcjt=α0+α1Zombie_ratiocjt+β2Xcjt+λcj+λt+εcjt

(1)

其中，TFPcjt表示城市c行业j在t年的全要素生产率，采用城市行业中企业的平均生产率替代。Zombie_ratiocjt表示城市行业中僵尸企业的占比，包括僵尸企业资产占比和数量占比。Xcjt则表示城市行业层面企业的一些控制变量，包括平均企业资本密集度(K/L_m)、平均企业年龄(Age_m)、平均企业规模(Size_m)、国有企业占比(SOE_ratio)、平均企业出口倾向(Export_m)和市场化程度(Index)。λcj和λt分别表示城市行业固定效应和年份固定效应。εcjt表示随机扰动项。

(三)变量选择

1. TFP

TFP衡量了企业在给定要素投入下的产出效率。目前，核算企业TFP的方法有索洛残差法、OP法和LP法等。索洛残差法通过假设生产函数为柯布道格拉斯函数，通过回归的方法来估计TFP，但会存在联立性与样本选择问题。OP法假定企业的投资是生产率、中间投入和资本的函数，可以同时解决TFP估计中出现的联立性与样本选择问题。Levinsohn和Petrin[15]使用中间投入作为生产率的代理变量，可以较好地解决OP法遇到的低估样本量的问题，但会存在中间投入斜率为1的无效情况。由于样本的选择非常重要，考虑到本文样本跨期时间长，企业之间异质性较大，因而本文主要选择OP法来估计企业的TFP，以LP法测算的TFP结果进行稳健性检验。

2.僵尸企业

目前对僵尸企业的定义和识别还没有统一的标准。Kane[16]认为，僵尸企业是指那些没有办法继续经营、应该破产但又没有实施破产的企业，这些企业以银行贷款和政府补助为生。目前学术研究中对僵尸企业的识别，都是基于中国国情在CHK方法上进行了部分改进。本文采用三种方法对僵尸企业进行识别，具体识别步骤如下：

改进的CHK方法(Zombie)。对过度借债法的改进。如果企业的实际利息支出与最低利息支出的差额与总贷款额的比值小于0则初步认定为僵尸企业。然后再进行删选，纠正误判的情况。首先，考虑到初步测定方法可能将经营绩效好的企业误认为僵尸企业，因而如果企业的息税前利润大于其最小净利息支出，则将其判定为非僵尸企业。其次，考虑亏损的高负债企业仍不断增加贷款的情况，同时满足以下三个条件的企业在前面判定的基础上追加定义为僵尸企业：净利润+所得税+利息<最优应付利息-最优应收利息，滞后一期的资产负债率>滞后一期的资产负债率的70%分位数，负债大于上期负债。最后，连续两年都被认定为僵尸企业的企业，才被最终认定为僵尸企业。

营业利润法(Zombie1)。在上述改进的CHK方法中，将营业利润替代利润总额来剔除政府补贴对企业利润的影响。

实际利润法(Zombie2)。采用将实际净利润连续三年小于0的企业定义为僵尸企业，其中，实际净利润=利润总额-应交所得税-补贴收入，这种识别僵尸企业的办法考虑了政府补贴的影响。

为了考察不同僵尸企业识别方法的差异，本文分别运用上述三种识别方法分析僵尸企业的分布特征。结果发现，改进的CHK方法和营业利润法的识别结果比较一致，实际利润法的粗糙识别标准会遗漏许多僵尸企业。然而，三种识别方法下僵尸企业占比的变化趋势却完全一致。在整个研究样本跨期内，僵尸企业的占比明显呈现下降趋势。因此，本文主要运用改进的CHK方法和营业利润法识别僵尸企业，将实际利润法作为有益补充。

3.其他控制变量

资产负债率(DR)为企业总负债与总资产的比值。资本密集度(K/L)为人均固定资产。企业年龄(Age)为企业经营年限的对数值。企业规模(Size)为企业总销售额的对数值。企业出口(Export)的赋值方法为，出口交货值大于零的企业为出口型企业，Export取值为1，否则为0。企业所有制(SOE)的赋值方法为，企业的性质若是国有企业，SOE取值为1，否则为0；另外，企业的性质若是民营企业和外资企业时，Private和Foreign变量取值为1，否则为0。市场化程度(Index)为王小鲁等[17]计算的中国市场化指数。

城市行业层面企业的控制变量是基于企业层面累加得到的变量。本文运用城市行业层面企业平均资本密集度来表示平均企业资本密集度(K/L_m)，用城市行业层面企业平均经营年限来表示平均企业年龄(Age_m)，用城市行业层面企业平均总资产的对数值来表示平均企业规模(Size_m)，用城市行业层面企业平均出口交货值占总销售额之比来表示平均企业出口倾向(Export_m)，用同城市行业内国有企业数量与企业总数量之比来衡量国有企业占比(SOE_ratio)。

(四)描述性统计

表1报告了城市行业层面主要变量的描述统计值。除了市场化程度为省级指标变量，其余变量均为根据中国工业企业数据库中企业相关变量计算得到。M_TFP表示用OP法计算得到的城市行业层面企业的全要素生产率，M_TFP_LP则是采用LP法计算的。asset_ratio和num_ratio是采用改进的CHK方法识别出的同城市行业中僵尸企业的资产占比和数量占比，asset_ratio1和num_ratio1是采用营业利润法计算的，asset_ratio2和num_ratio2是采用实际利润法计算的。城市行业层面企业的控制变量包括平均企业资本密集度(K/L_m)、平均企业年龄(Age_m)、平均企业出口倾向(Export_m)和国有企业占比(SOE_ratio)。

表1主要变量描述性统计

三、结果分析

(一)僵尸企业对城市行业层面TFP的影响

表2报告了固定效应模型(1)的回归结果，显示了僵尸企业对城市行业层面企业TFP的影响。列(1)回归结果显示，城市行业中僵尸企业资产占比的系数为负，且在1%的水平上显著，这表明在城市行业水平上，僵尸企业的资产占比越高，企业TFP水平就会显著下降。如果在此基础上加入控制变量，列(2)的回归结果显示，僵尸企业资产占比的估计系数仍然在1%的水平上显著为负，僵尸企业资产占比的提高不利于城市行业层面企业TFP水平的提升。列(3)和列(4)显示了运用僵尸企业数量占比的估计结果，其系数也在1%的水平上显著为负。这与前两列的回归结果完全一致，表明城市行业层面，僵尸企业的占比越高，相应的平均生产率就越低。可能的原因：一是僵尸企业本身就是负债企业，虽然得到政府和银行的救助，但缺失主动创新和提高效率的能力，即使不断追加要素投入，也难以产生经济效益，从而导致了整体生产率水平的下降；二是大量僵尸企业债台高筑，相应的负债成本也持续提升，这使得社会平均利润率越来越低，TFP水平难以提升。而僵尸企业对资源的挤占，增加了正常企业的投入要素成本，也不利于TFP的提高。

表2还报告了其他控制变量的回归结果，城市行业平均企业年龄(Age_m)的系数显著为负，这是因为通常企业成立的时间越长，企业的历史负担越重，更容易沉浸于成功的光环中不再重视创新投入而墨守成规，从而导致企业生产率下降。城市行业平均企业规模(Size_m)在1%的水平上显著为正，进一步表明企业规模越大，越具有采购先进技术设备的能力，有足够的资金从事高风险的技术创新活动，以及对员工进行充分的职业培训，从而有利于提高企业生产率水平。城市行业内国有企业占比(SOE_ratio)的系数在1%的水平上显著为负，表明国有企业占比越高，城市行业层面的生产率水平就越低，这是因为国有企业往往缺乏有效的监督与竞争机制，软约束导致国有企业效率远远低于外资企业与民营企业。

表2僵尸企业对TFP影响的回归结果

注：***、**和*分别表示 1%、 5%和 10%的显著性水平，N表示样本数量，R2表示拟合优度，括号内的为城市行业聚类效应修正过的标准误。下同。

(二)稳健性检验

1.更替TFP测算方法的稳健性检验

运用OP法测算企业的TFP可以解决TFP估计中出现的联立性与样本选择问题，但这种方法可能会出现低估样本量的问题。LP法使用中间投入作为生产率的代理变量，可以较好地解决OP法遇到的问题，但也会存在中间投入斜率为1的无效情况。因此，本文将其作为稳健性检验。(1)考虑到篇幅限制，稳健性检验结果及文后的匹配平衡性检验结果、匹配样本的回归结果未作报告，留存备索。结果显示，僵尸企业资产占比与数量占比的系数在1%的水平上显著为负，这说明主回归的结果较为稳健，进一步表明城市行业中僵尸企业的比例越高，企业的平均生产率水平会显著降低。可能的原因是由于低效的僵尸企业严重扭曲了资源配置，挤占了正常企业的资源与机会，因而进一步造成了整体TFP的下降。其他控制变量的估计系数也与主要回归结果基本保持一致。

2.更替僵尸企业识别方法的稳健性检验

本文的回归中采用了改进的CHK方法来识别僵尸企业。考虑到中国的国情，这种识别僵尸企业的方法没有考虑政府补贴。由于企业账面利润中的非营业性收入包含政府补贴，所以不能反映企业真实的盈利能力。因此，本文在上述改进的CHK方法上采用营业利润法对僵尸企业进行识别，将其用于稳健性检验。另外，本文还运用考虑了政府补贴的实际利润法识别僵尸企业并进行稳健性检验。结果显示，僵尸企业资产占比和数量占比的系数都显著为负，这说明僵尸企业占比的提高会导致城市行业中企业的TFP显著下降。这进一步说明城市行业中僵尸企业的占比会影响整体TFP的水平，证明了主要回归结果的稳健性。在考虑政府补贴后，僵尸企业对整体TFP水平的影响依然与主回归结果一致，表明僵尸企业对TFP的不利影响是十分稳健的。

(三)内生性问题

目前对中国僵尸企业的研究都未考虑内生性问题的影响，实际上模型中可能的遗漏变量和重要变量的测量误差都会带来内生性问题，此外，僵尸企业在样本中的占比通常也比较小，这都会导致实证结论的不可靠。因此，本文运用PSM方法从正常企业中为僵尸企业尽可能寻找匹配样本，建立对照组，用匹配后的样本进行分析，以揭示僵尸企业与城市行业层面企业TFP之间的因果关系。

PSM方法的步骤如下：首先，为了考量企业在占用资本(k表示资本投入)、劳动力(l表示劳动力投入)要素相同的情况下，生产效率在僵尸企业与正常企业之间的区别，本文以企业资本自然对数(lnk)和劳动力自然对数(lnl)为基准匹配变量，同时控制企业的所有制类型、行业和城市特征。其次，本文使用Logit模型估计在给定企业资本与劳动力水平的情况下，正常企业成为对照组的概率，即倾向得分P(x) ，本文构建的经验方程如式(2)所示：

T=[(Y(1)|D=1)-(Y(0)|D=0)]|P(x)

(2)

其中，T表示在满足共同支持条件下，经过得分匹配后的两家企业生产率差异；Y(1)表示僵尸企业的生产率，Y(0)则表示正常企业的生产率；D=1表示僵尸企业，D=0则表示正常企业；P(x)表示倾向得分。

最后，在进行倾向得分匹配时，考虑到僵尸企业在样本中的占比较小，为了提高匹配的精度，本文对2000—2007年每一年的企业样本采用1∶4最近邻匹配的方法为僵尸企业匹配对照组。

为保证使用匹配样本进行估计的可信性，本文对匹配结果进行了平衡性检验，发现匹配后的处理组与控制组企业不存在显著的差异。

利用匹配样本进一步考察在城市行业层面上僵尸企业对TFP水平的影响。结果显示，僵尸企业资产占比与数量占比的系数都显著为负，这与前文的结论一致。这进一步证实，在排除了其他影响因素后，城市行业中僵尸企业的存在会影响整体TFP的水平，僵尸企业的占比越高，城市行业中企业的TFP会随之降低。

四、机制探讨

如果资源可以自由流动，不存在任何扭曲问题，那么所有企业的生产率都会相等，即不会出现资源错配。如果存在资源错配，即便个体企业的生产率水平不下降，整体TFP水平也会下降[4]。僵尸企业的存在扭曲了资源配置，抢占了其他健康企业的资源与机会，产生劣币驱逐良币效应，这种配置扭曲降低了整体TFP水平[1]。首先，僵尸企业本身就是负债企业，虽然在政府和银行等的支持下占据了大量的资源，但缺失主动创新和提高效率的能力，因而其要素边际产出会降低，即使不断追加要素投入，由于企业自身的生产效率低下难以产生经济效益，从而导致整体TFP的降低。其次，僵尸企业对资源的挤占，增加了正常企业的投入要素成本，降低了正常企业的生产率水平，不利于TFP的提高。

(一)僵尸企业对资源错配程度的影响

1.模型设计

为了考察僵尸企业对城市行业层面资源错配程度的影响，本文建立固定效应模型(3)：

Losscjt=β0+β1Zombie_ratiocjt+β2Xcjt+λcj+λt+εcjt

(3)

其中，Losscjt表示城市c行业j在t年的资源错配程度，采用城市行业层面资源配置无效率时导致的TFP损失替代。Zombie_ratiocjt与模型(1)中的定义一致，表示城市行业中僵尸企业的占比。Xcjt表示城市行业层面的控制变量，包括平均企业年龄(Age_m)、平均企业规模(Size_m)、国有企业占比(SOE_ratio)、平均企业出口倾向(Export_m)和市场化程度(Index)。λcj、λt分别表示城市行业固定效应和年份固定效应。εcjt表示随机扰动项。

2.变量选择

资源错配程度(Loss)：资源配置无效率带来的损失。假设在理想的市场经济中，每个企业都有着同样的要素价格，同一行业的要素在各个企业间重新分配得到最大化总产出，由此可以得到各个行业的最大可能产出。现实经济中的产出与理想化的最大产出之差就可以看做资源错配的程度，即资源配置无效率带来的损失。

(4)

资源配置不当导致的扭曲使得资本和劳动力的边际报酬在各企业之间产生差异。通过求解式(4)最大化利润函数的一阶条件，可以求得企业资本和劳动力的边际报酬分别为式(5)和式(6)：

(5)

(6)

借鉴Midrigan 和 Xu[18]对于行业加总TFP和有效TFP的计算方法，进而推算出资源错配导致的TFP损失如式(7)和式(8)所示：

lnTFPagg=ln(∑nYit)-αln(∑nKit)-βln(∑nLit)

(7)

(8)

因此，资源错配导致的TFP损失为：TFPloss=lnTFPeff-lnTFPagg 。

边际报酬(MRPL/ MRPK)：行业中的各企业在产品和要素市场上都是价格接受者，无摩擦的情况下，资本和劳动力的价格分别为R和ω。由于各行业面临着不同的扭曲税率，本文假设企业在资本市场中面临着资本扭曲τki和劳动力扭曲τLi。资源配置不当导致的扭曲是劳动和资本的边际报酬在各企业之间存在的差异，本文基于Midrigan和Xu[18]的测算模型，根据企业利润最大化函数，通过一阶条件，计算出企业的劳动力边际报酬(MRPL)和资本边际报酬(MRPK)。

3.僵尸企业对城市行业层面资源错配程度的影响

僵尸企业对资源错配程度影响的回归结果如表3所示，回归结果显示，僵尸企业资产占比和数量占比的估计系数显著为正，表明同城市行业内僵尸企业资产占比和数量占比越大，资源错配的程度越严重。如果在此基础上加入控制变量，僵尸企业资产占比和数量占比的估计系数均依然显著为正，且在1%的水平上显著，这进一步表明僵尸企业的存在加剧了资源错配程度，因而降低了资源的配置效率。这一发现与Peek 和 Rosengren[8]、Kwon等[5]的研究结论一致。僵尸企业已经资不抵债，其存活完全是不断依靠政府补贴、银行放贷续贷和税收优惠等。虽然僵尸企业占据了大量的资源，但由于其低效性，不能产生经济效益，扭曲了生产要素的配置，使得社会资源整体利用效率降低，造成了严重的资源错配问题。

同城市行业平均企业年龄(Age_m)的估计系数显著为正，这主要是因为企业经营年限越长的行业由于长期经营形成市场垄断势力，导致新企业无法进入，而在位的低生产率企业未被淘汰出市场，从而导致一定程度的资源错配。国有企业占比(SOE_ratio)对资源错配程度的估计系数为正，且在1%的水平上显著，表明随着同城市行业内国有企业数量占比的提高，生产率离散度也会随之增大，即资源错配程度也越来越严重。这可能是因为国有企业占比的增大往往带来企业的激励机制疲软与效率缺失，但国有企业市场退出机制缺乏与政策倾斜使得低效率国有企业仍然活跃在行业之中，从而增大了资源错配程度。市场化程度(Index)对生产率离散程度的回归系数显著为负，表明在市场化程度越高的地区，行业的市场离散程度越低。这是由于市场化程度的完善促使新企业进入与低生产率企业退出的机制更加畅通，资源配置效率得以提高，极大地改善了资源错配，从而带来行业生产率离散程度的下降与生产率水平的提升。

表3 僵尸企业对资源错配程度影响的回归结果

(二)僵尸企业对投入要素的挤占

1.模型设计

为了考察僵尸企业对企业层面TFP的影响，构建固定效应模型(9)：

TFPit=α0+α1Zombieit/Zombie_ratiocjt+α2Xit+λc+λt+εit

(9)

其中，TFPit表示企业i在t年的全要素生产率，采用OP法和LP法进行测算。Zombieit为虚拟变量，表示企业i在t年为僵尸企业时取值为1，否则为0；而当考察僵尸企业对正常企业的影响时，Zombie_ratiocjt表示僵尸企业的资产占比。Xit表示企业层面的控制变量，包括资产负债率(DR)、资本密集度(KL)、企业年龄(Age)、企业规模(Size)、企业出口(Export)和企业所有制(Private和Foreign)。λc、λt分别表示企业和年份固定效应。εit表示随机扰动项。

为进一步考察僵尸企业对劳动力、资本边际报酬的影响，构建固定效应模型(10)、模型(11)：

MRPLit=γ0+γ1Zombieit/Zombie_ratiocjt+γ2Xit+λc+λt+εit

(10)

MRPKit=γ0+γ1Zombieit/Zombie_ratiocjt+γ2Xit+λc+λt+εit

(11)

其中，MRPLit、MRPKit分别表示企业i在t年的劳动力边际报酬和资本边际报酬，Zombieit为虚拟变量，表示企业i在t年为僵尸企业时取值为1，否则为0；而当考察僵尸企业对正常企业的影响时，Zombie_ratiocjt则表示僵尸企业的资产占比。Xit表示其他一系列控制变量，与模型(9)中一致。

2.僵尸企业对TFP、劳动力和资本边际产出的影响

一方面，本文考察僵尸企业对企业层面TFP的影响，如表4所示。结果显示，僵尸企业的系数为负，且在1%的水平上显著，这表明僵尸企业相比于正常企业的生产率水平更低，僵尸企业的存在不利于企业层面TFP水平的提高。表4考察了僵尸企业相对于正常企业而言，其自身的劳动力边际报酬和资本边际报酬的变化情况。回归结果显示，僵尸企业在所有回归中的系数均为负，且在1%的水平上显著，这表明相对于正常企业而言，僵尸企业的劳动力边际报酬和资本边际报酬均更低，即僵尸企业每增加一个单位劳动和资本要素投入量所增加的产出均比正常企业的低。僵尸企业本身占据大量的社会资源，挤占了正常企业的生存空间，由于其本身的生产效率与边际产出又非常低下，这就导致资源不能分配到高效率的地方，从而降低了社会的整体资源利用率与生产率水平。

表4僵尸企业对投入要素挤占的回归结果

注：括号内的为企业层面聚类效应修正过的标准误。

本文还考察了僵尸企业的存在对行业中其他正常企业的影响，表4的第5—7列显示了影响结果。第5列显示僵尸企业占比的估计系数为负，且在1%的水平下显著，表明僵尸企业不仅自身生产效率低下，而且也挤占了正常企业的空间，从而降低了正常企业的生产率。第6列和第7列报告了僵尸企业对正常企业劳动和资本边际报酬的回归结果，结果显示，僵尸企业占比的估计系数为正，且均在1%的水平上显著，表明僵尸企业的存在提高了正常企业的边际报酬。如果不存在扭曲，所有企业的边际报酬应该一致，但存在扭曲时，在利润最大化的目标下，企业的边际报酬等于要素投入成本与扭曲程度的乘积。因此，僵尸企业对正常企业的要素挤占，增加了正常企业的要素投入成本，从而导致边际报酬上升。僵尸企业占用大量资金和劳动等生产要素，扭曲了生产要素的配置，使得正常企业的资本和劳动投入受到约束，要素投入的成本增加。僵尸企业借助外部力量占有生产资源，对正常企业产生挤出效应，阻碍高效率企业的成长和扩张，甚至在经济调整时期挤出先进产能，从而造成严重的资源错配问题，损害经济增长潜力。

五、结 论

僵尸企业由于政府补贴、银行放贷续贷和税收优惠等原因，占据了大量社会资源，侵蚀了有限的市场空间，间接地影响了正常企业，不利于TFP的提升。本文采用1998—2007年中国工业企业数据，利用改进后的CHK方法对僵尸企业进行识别，考察僵尸企业对城市行业层面TFP的影响及机制。研究结果发现：僵尸企业的存在显著降低了城市行业层面的生产率水平，通过一系列稳健性检验和运用PSM弱化内生性问题后，这一结论仍然成立。进一步研究发现，僵尸企业不利于提高城市行业生产率水平的主要原因是其造成了严重的资源错配，在僵尸企业资产和数量占比越高的地区，生产率损失就越大。一方面，僵尸企业依靠政府补贴、银行放贷续贷和税收优惠等占据了大量的资源，但低下的生产效率难以产生经济效益，这使得社会资源整体利用效率降低；另一方面，僵尸企业的存在破坏了市场优胜劣汰的机制和公平竞争的环境，抢占了其他健康的企业的资源与机会，产生了劣币驱逐良币的效应，从而降低了整体全要素生产率。

目前，有效处理僵尸企业还面临较多困境，但清理僵尸企业对于化解产能过剩、提高资源配置效率和社会经济水平的增长至关重要。首先，合理识别僵尸企业，依法清理真正的僵尸企业，使资源合理配置到高效率企业，才能提高社会的整体资源利用率。其次，政府这只“有形的手”要合理发挥作用，减少过度干预，减少对持续僵尸企业的过度输血。再次，银行要积极处理僵尸企业的放贷续贷问题，避免资本继续配置到低效的企业，减少金融系统的风险。最后，对僵尸企业的清理不能只采取单一的破产或重组方式，要因企而异，要避免僵尸企业“僵而不改”。此外，要制定相关配套的法律政策，提高企业的监督管理水平，真正地为处理僵尸企业问题保驾护航。