货币政策不确定性、金融摩擦与企业投资

徐亚平，汪 虹

一、引 言

早期在经济领域关于不确定性的研究并不多，但自2008年全球金融危机后，由于不确定性急剧增加，其在经济衰退中所扮演的角色得到了广泛关注，在此背景下有关不确定性的研究进一步拓展和深入。从经济层面来看，不确定性主要包括两个方面，即经济运行不确定性和经济政策不确定性。近年来，关于经济政策不确定性的研究日益受到国内外学术界的重视，人们普遍认为，金融危机以及经济的缓慢复苏在很大程度上是由于美国以及欧洲各国的经济政策不确定性所导致的(Baker et al.,2016)。

关于经济政策不确定性对企业投资的影响，传统理论主要是从实物期权的角度进行分析，当投资不可逆或部分不可逆时，企业的投资决策就会考虑经济政策不确定性的影响。Myers(1977)、Bernanke(1983)、McDonald等(1986)建立了不确定性条件下实物期权投资理论，从而为经济政策不确定性环境下企业投资决策奠定了基本分析框架。其基本思想是，当面临较大经济政策不确定性时，决策者可以等待去了解和掌握更多信息以避免投资损失。但2007—2009年金融危机期间信用价差的爆棚和资产价格波动，使得一些研究开始注意到金融摩擦机制是不确定性影响经济运行的另一种渠道(Christiano et al.,2014),不确定性通过金融摩擦因素导致经济增长停滞或放缓(Al-Thaqeb et al.,2019)。国外一些研究显示，金融摩擦是经济体系实际运作中普遍存在的现象，而且它会显著地强化经济政策不确定性对投资的负面影响(Christiano et al.,2010)。金融摩擦是指金融市场在信息等方面的不完善所导致的交易成本增加。根据该理论，由于存在信息不对称，贷款人会承担违约风险，需要支付较高核实成本，因而要求资本溢价补偿，从而存在与借款人净值负相关、逆周期的外部融资溢价。在经济政策不确定性增加时，金融市场的风险溢价会进一步上升，从而改变企业的投资决策。

近年来我国学者也逐步关注经济政策不确定性对企业投资的影响。李凤羽等(2015)的研究显示，我国经济政策不确定性的提高会对企业投资产生抑制作用，并且该抑制作用在2008年金融危机之后表现得更加明显，他们的研究支持了实物期权理论的基本预测。陈国进等(2016)从金融的视角研究了经济政策不确定性影响企业投资的作用机制，其研究表明，经济政策不确定性对企业投资的抑制作用通过资金成本渠道和资本边际收益率渠道传导。谭小芬等(2017)的研究认为，经济政策不确定性通过实物期权和金融摩擦两种渠道抑制了中国企业投资，但从整个上市公司的样本来看，实物期权渠道占据主导地位。饶品贵等(2017)从企业管理层、股东和债权人等多角度分析了经济政策不确定性对企业投资的影响，认为总体而言经济政策不确定性的升高对企业投资会产生负向影响。张成思等(2018)认为，从中国经济政策不确定性的变动趋势看，经济政策不确定性与实业投资率下降有紧密联系，进一步的机制分析显示，经济政策不确定性通过未来现金流预期、固定资产收益率和现金流不确定性影响企业投融资决策。李鹏飞(2018) 的研究表明，将金融摩擦因素纳入分析框架后，经济政策不确定性对民间固定资产投资增速的抑制效应更大。

货币政策在宏观调控中具有核心地位，货币政策不确定性在各种政策不确定性中对经济运行的影响尤为显著。当前我国经济环境复杂，货币政策调控面临较大挑战，货币政策不确定性也较为突出。从相关文献来看，现有研究多以整体经济政策不确定性为视角，而较少有文献关注货币政策不确定性所带来的经济效应。同时，大多数文献以经典期权理论为研究基础，但从当前我国企业普遍存在的“融资难、融资贵”现状来看，金融摩擦机制可能发挥着重要作用。本文的贡献在于：第一，根据当前我国货币市场的运行和发展情况，使用上海同业拆放市场报价利率的标准差构建我国货币政策不确定性衡量指标，并对货币政策不确定性如何影响企业投资进行了较为翔实的实证检验；第二，结合中国实际，对货币政策不确定性的金融摩擦放大机制进行了较深入研究，从新的角度解释当前我国企业投资波动的问题；第三，为经济下行期我国货币政策的优化提供了新的研究思路。

二、中国的特征事实

(一)经济运行复杂多变与货币政策不确定性

1.经济运行复杂多变，货币政策调控的时机、节奏和力度更难把握。2007年到2008年上半年，由于投资增长过快、信贷投放过多等问题的出现，货币政策从过去十年的“稳健”基调开始转为“稳中适度从紧”。但从2008年3季度开始，考虑到金融危机的冲击，央行政策突然转向，短短四个月内接连宣布五次降息以及四次不同范围的降准，央行通过增加流动性促进经济增长的意图十分明显。2009年，为应对国际金融危机所带来的巨大冲击，我国推出大规模的经济刺激计划，全年信贷增量远超市场预期，M2增速也达到高峰。2010—2012年，在极度释放流动性后，货币政策宽松力度减弱，逐步回归稳健。2013—2014年，随着我国经济逐渐步入新常态，经济增速出现下滑，政府开始关注经济运行的结构性问题，货币政策调控强调针对性和灵活性，为了增强政策的调控能力，央行在此阶段开创了多种非常规货币政策工具。2015年，经济面临通缩风险，货币政策名义上稳健实则宽松，全年共开展五次降息操作。2016—2017年，国际上不确定性因素增多，国内资产价格出现泡沫，为了防范系统性金融风险，央行着力完善宏观审慎政策框架，继续推进利率市场化改革。2018年以来，在确定经济高质量发展的目标后，央行政策基调是在保持稳健前提下做好预调微调，面对当下存在的“融资难、融资贵”问题，引导金融机构加大对民营企业、小微企业的服务力度，激发微观经济主体活力。在经济增长迈入新阶段以及国际环境不断变动的形势下，为了更好地服务于实体经济，央行的政策需要不断优化和创新，把握政策调控的难度加大。

2.货币政策调控模式不甚明确，客观上增加了货币政策调控的难度和不确定性。从总量宽松到结构调控、从数量型调控到价格型调控的转型，反映出我国过去较为倚重的数量型调控政策的有效性趋于下降。其根本原因在于，我国过去靠投资驱动的增长模式导致信贷投放过多，整体杠杆率已经偏高；另一方面，各种结构性问题凸显，部分产能过剩行业和国有企业占据较多金融资源，中小企业、民营企业面临较为严重的信贷约束，整体资金使用效率有待提高。因而当前总量刺激性政策的空间有限，如何兼顾总量与结构调控，是我国货币政策所面临的一项挑战。

3.经济下行时期货币政策调控的有效性下降。在金融周期下行阶段，经济下行压力加大，市场预期不稳定，各种结构性问题普遍存在。严峻复杂的经济形势使得货币政策内外平衡的压力加大，向实体经济的传导面临梗阻，货币政策调控的效果面临较大不确定性。

(二)货币政策不确定性的金融摩擦放大效应

经济下行时期，资金风险溢价提高，在货币政策向实体经济的传导过程中，因为资金风险溢价的对冲，实体经济融资成本下降空间受限。而货币政策作为一种宏观和总量性调控政策，其不确定性上升会进一步提高风险溢价，使“融资贵”问题更加凸显。

另一方面，经济政策不确定性上升会使信贷配给问题更加突出。在现代信贷配给理论的发展中，Jaffee等(1976)指出，凡是影响到违约风险的相关不确定性都会对信贷配给产生影响。进入经济新常态以来，国内外经济环境发生很大变化，货币政策需要承担稳增长、调结构等多重任务，在这种背景下，货币政策不确定性会对银行的信贷配给行为产生更大影响。此外，由于企业产权的异质性，民营企业和中小企业面临的信贷配给问题更加严重，致使“融资难”问题更加凸显。

三、理论分析和研究假设

(一)货币政策不确定性与企业投资波动

传统的投资理论普遍忽视了现实中大多数投资决策具有不可逆性，从20世纪80代起，一种被称作不可逆的投资理论开始兴起，该理论认为当企业的投资是完全或部分不可逆时，企业的投资机会类似于金融看涨期权。当企业做出不可逆转的投资支出时，就相当于放弃了等待新消息出现的机会，如果经济政策发生不利变化，企业的投资支出形成沉没成本，不能收回。因而当经济政策不确定性上升时，企业很可能延缓投资决策，以等待更多有利于投资的消息出现。

货币政策作为最重要的宏观调控举措，具有明显的相机抉择特征。货币政策的相机抉择性和经济形势的难以预测性，决定了不确定性是货币政策的本质属性。2008年金融危机的发生使得全球经济都遭遇了较大冲击，货币政策的操作难度进一步加大，货币政策频繁调整带来的不确定性上升，也受到学术界的广泛重视。Sinha(2016)基于新凯恩斯DSGE模型分析了货币政策不确定性对市场参与者行为的影响，证实利率不确定性的提高会增加家庭预防性储蓄、降低消费。Husted等(2017)研究发现，货币政策不确定性所产生的冲击与紧缩型货币政策相当，会提高信贷利差、降低产出。

基于上述不可逆的投资理论假设，货币政策不确定性上升会增加等待期权的价值，当企业所面临的投资项目是完全或部分不可逆时，企业为避免决策失误，会延缓其投资决策，直到不确定性降低或消除。再结合现有的相关文献研究，普遍共识是货币政策不确定性上升对经济产生了收缩效应，其效果类似于负面需求冲击。因而，本文提出研究假设1：

假设1：货币政策不确定性上升会降低企业的投资水平。

(二)货币政策不确定性传导的金融摩擦机制

2008年全球金融危机引发的经济衰退，揭示出金融摩擦是导致经济波动最重要的驱动因素之一。近年来，金融摩擦影响宏观经济的传导机制，已经成为理论界和实务界研究的热点与难点。Arellano等(2019)指出，实践中信贷息差的变化对投资有很大影响，因而提出金融摩擦是不确定性波动影响宏观经济的主要机制。考虑到信贷渠道是货币政策的主要传播渠道，货币政策的变动会对信贷供给产生冲击，进而影响实体经济中信贷资源的分配，因而金融摩擦很可能是货币政策不确定性传导的重要渠道。Lambert等(2012)基于理性预期模型分析不同投资者之间的信息差异如何影响资本成本，他们的研究结果表明，信息的准确性是决定资本成本的主要因素。政策不确定性上升会加大企业经营者和投资者之间的信息不对称(Wittenberg-Moerman，2008)，在这种情况下，资金提供方将难以有效判断企业的资质情况，借贷的违约风险溢价率便会提高。若企业的内部现金流不能满足其投资需求，外部融资成本的增加会导致企业投资盈利降低，企业投资活动最终减少。

此外，货币政策不确定性上升时期往往伴随着经济衰退或大幅波动，企业的资产负债状况容易恶化，较低的现金流和资产净值将对企业投资产生负面影响。首先，企业内部融资来源将减少，因而不得不寻求银行等外部渠道融资；其次是企业抵押品价值减少导致贷款人收缩放贷，外部融资成本进一步增加。Gilchrist等(2014)指出，不确定性冲击导致企业违约概率增加，从而收缩实体经济活动。在货币政策不确定性上升时，不同资质的企业所面临的融资成本和融资可得性是不一致的。企业的被感知风险越高，贷款人的预期损失也就越大，借贷难度和成本也就越高。基于以上分析，本文提出研究假设2：

假设2：货币政策不确定性通过金融摩擦机制被进一步放大，融资约束程度大的企业更易受到货币政策不确定性的影响。

四、研究框架

(一)计量模型

1.基准模型设定。为检验货币政策不确定性对企业投资水平的影响，本文构建模型(1)作为基准模型来检验假设1。其中，i和t分别代表第i个企业和第t个时期；被解释变量INVESTi,t代表企业i在第t期的投资水平；核心解释变量货币政策不确定性(MPU)指标使用滞后一期值；X代表企业层面的控制变量，全部滞后一期处理，主要包括托宾Q值(TQ)、经营性现金流(CF)、总资产收益率(ROA)、企业规模(SIZE)、营业收入增长率(OIGR)以及应收账款周转率(ART)；宏观层面的控制变量选择滞后一期的GDP同比增长率(GDPG)；wVOL代表上个季度市场周收益率的标准差，用来控制经济形势不确定性的影响(饶品贵，2017)；αi为不可观测的个体效应；QRTt为季节虚拟变量；εi,t为随机扰动项。

INVESTi,t=β0+β1MPUt-1+∑ηX+β2GDPGt-1+β3wVOLi,t-1+αi+QRTt+εi,t

(1)

2.金融摩擦传导机制检验。为了检验货币政策不确定性传导的金融摩擦机制，本文首先选取融资成本(DC)和资产负债率(LEV)作为企业融资约束的代理指标。融资成本(DC)用企业利息支出除以总负债来衡量，企业的融资成本越高，融资约束程度越大。资产负债率(LEV)用负债总额与资产总额之比来衡量，该指标值越大，说明对该企业发放贷款的安全程度越小，该企业的融资约束程度越大。接下来是检验方法的选择，本文首先在基准模型的基础上依次引入融资约束代理指标以及它们与货币政策不确定性的交叉项，扩展后见模型(2)。其中，FF为上述两个融资约束变量。若假设2成立，则模型(2)交叉项的系数应该显著为负。

INVESTi,t=β0+β1MPUt-1+δ1FFi,t-1+δ2FFi,t-1×MPUt-1+∑ηX

+β2GDPGt-1+β3wVOLi,t-1+αi+QRTt+εi,t

(2)

在模型2的基础上，为了进一步判断金融摩擦机制是否起作用，本文还采用Hansen(1999)发展的门槛回归模型，该方法通过自动识别数据来确定门槛值，将样本按照融资约束程度的不同来划分区间，以识别货币政策不确定性与企业投资水平的非线性关系。门槛回归模型设定如下：

INVESTi,t=β0+MPUt-1(FFi,t-1<γ)ω1+MPUt-1(FFi,t-1≥γ)ω2

+∑ηX+β1GDPGt-1+β2wVOLi,t-1+αi+QRTt+εi,t

(3)

若金融摩擦传导机制起作用，当模型(3)使用融资成本和资产负债率作为门槛变量时，应有ω1>ω2,且ω2显著小于零。

(二)变量描述与数据来源

1.MPU指标的构建。研究货币政策不确定性的关键是构建货币政策不确定性衡量指标。当前衡量货币政策不确定性的方法主要分为三类，第一是问卷调查法，例如纽约联邦储备银行自2004年开始，在FOMC每次会议召开前一周，对一级交易商进行调查，要求受访者直接报告他们预测的政策利率和预测的不确定性；第二是基于市场交易数据的衡量方法，如Chang等(2013)通过计算利率期货的已实现波动率和利率期权的隐含波动率来衡量未来货币政策的不确定性；第三是以Baker等(2016)为代表，根据媒体报道中出现的某些特定关键词，编制了包括财政、货币、贸易、医疗保健、国家安全和监管政策在内的总体经济政策不确定性指数(EPU)，该指数在宏观经济学研究中已得到较广泛应用(1)Husted 等(2019)遵循该方法构建了货币政策行为和结果的不确定性指数；李凤羽等(2015)、Gulen等(2016)、谭小芬等(2017)在实证中使用了Baker等(2016)构建的EPU指数。。

考虑到市场交易数据往往涵盖了投资者情绪等信息，而基于媒体关键词构建的政策不确定性指数有可能与其他宏观经济因素产生的不确定性相关，因而本文根据当前国内货币市场的发展和运行情况，使用上海同业拆放利率报价数据的标准差来构建货币政策不确定性指数(MPU)。上海银行间同业拆放利率(Shibor)是由上海同业拆借中心根据十几家报价银行每日自主提供的报价利率计算形成的(2)具体见《上海银行间同业拆放利率(Shibor)实施准则(修订版)》。，是央行重点培育的市场化利率基准参考，市场认可度高并且应用广泛。各报价行会根据自身情况以及对市场的判断给出利率的估值，如果利率估值的标准差变大，则意味着各报价行对未来利率走势判断的分歧在变大，反映出货币政策的不确定性在上升。

本文首先使用7天Shibor的报价数据标准差来构建货币政策不确定性日指数(3)数据来源于http://www.shibor.org.，再使用日指数的月算术平均值构建货币政策不确定性月指数。在后面的实证分析中为了使货币政策不确定性指数的频率与企业季度会计数据相匹配，借鉴Gulen等(2016)的做法，取每个日历季度三个月的指数加权平均值，使用1/2、1/3、1/6的权重，即MPUt=(3MPUm+2MPUm-1+MPUm-2)/6，其中MPUm指每个日历季度结束当月的货币政策不确定性月指标。该加权方案考虑了近期不确定性水平对投资决策可能产生更大的影响。

图1为货币政策不确定性的季度指标走势，时间跨度为2006年第四季度至2018年第四季度。图中显示样本期内指数波动幅度较大，并且在一些关键时期，如2008年金融危机、2011年欧洲主权债务危机、2013年我国银行资产荒以及2015年美联储加息预期升温前期，指数波动达到阶段峰值。这也表明货币政策不确定性在经济形势严峻时期会上升。

图1 货币政策不确定性(MPU)的季度走势

2.其他变量定义及描述。文中模型所使用的其他变量定义见表1，各变量的描述性统计见表2。根据表2所示，样本企业的平均投资支出占总资产比例约为3%，并且企业之间的投资水平存在明显差异。除此之外，反映企业融资约束程度的两个变量指标，融资成本和资产负债率也表现出样本间较大的差异性。

3.数据选取。本文选择2007年以前在我国A股上市的企业作为研究样本，为了使企业的财务数据与货币政策不确定性指标的衡量时间相匹配，样本时间跨度为2007年1季度至2018年4季度，并剔除了银行、保险等金融类行业以及关键财务变量数据缺失的企业，最终样本包含1122家上市公司共53856个观测值。为了避免极端异常观测值的干扰，企业层面的连续变量数据均采取了双边1%的缩尾处理(4)本文也试图将未经过缩尾处理的原始数据放入模型中检验，研究结果未有改变。。样本中所有上市公司的财务数据以及市场交易数据均来自Wind数据库。

表1 主要变量定义及说明

说明：(1)*选取不变价GDP同比增长率，剔除价格波动对GDP计算的影响；(2)**周收益率=ln(周收盘价/周开盘价)，N为区间内星期数；(3)***总利息支出=分配股利、利润或偿付利息支付的现金-区间现金分红。

表2 主要变量描述性统计

说明：除MPU外，其他变量数据根据Wind数据库整理。

五、实证结果分析

(一)货币政策不确定性与企业投资水平

基准模型的回归结果见表3。第(1)列仅考察货币政策不确定性指标对企业投资水平的影响，第(2)～(4)列依次加入企业层面控制变量、宏观经济变量以及经济不确定性变量。结果显示，随着控制变量的不断加入，模型估计结果存在一定差异，但货币政策不确定性的系数始终在1%水平上显著为负，这说明结论是稳健的。因而实证结果证实了假设1，货币政策不确定性的上升降低了企业投资水平。

在企业层面的控制变量方面，托宾Q值(TQ)、经营性现金流(CF)、总资产收益率(ROA)、企业规模(SIZE)、营业收入增长率(OIGR)的系数在统计上均显著为正，表明企业的投资水平与投资机会、经营规模正相关，并且企业较高的现金流能力、盈利能力和成长能力会显著提高其投资水平，但应收账款周转率(ART)的系数在统计上不显著；宏观层面控制变量GDP同比增长率(GDPG)的系数显著为正，表明企业投资具有顺周期特征；由股价波动率所反映的经济不确定性与企业投资水平显著负相关，也进一步验证了实物期权理论。

表3 货币政策不确定性对企业投资影响的基准回归

说明：括号中是异方差稳健的回归系数t值：***、**、*分别表示能够通过显著水平为1%、5%、10%的统计检验。所有回归方程包含个体效应，并控制季度虚拟变量。表4～表7同。

(二)金融摩擦机制的传导效应

若货币政策不确定性通过金融摩擦机制作用于企业投资，则融资约束程度大的企业应更易受到货币政策不确定性的影响。本文首先检验融资约束与货币政策不确定性交叉项对企业投资水平的影响，回归结果见表4。列(1)和列(3)为分别在基准模型基础上加入控制变量融资成本和资产负债率的回归估计，结果显示融资成本、资产负债率的系数均显著为负，表明融资成本的增加、资产负债率的上升会抑制企业投资水平。模型(3)的回归结果见列(2)和列(4)。列(2)显示，当采用融资成本作为融资约束的代理指标时，其与货币政策不确定性交叉项的系数为-0.149，且在10%的水平上显著；列(4)显示，当采用资产负债率作为融资约束代理指标时，其与货币政策不确定性交叉项的系数值为-0.050，并在1%的水平上显著。以上结果表明，当货币政策不确定性上升时，企业面临的融资约束程度越大，其投资水平下降幅度也越大。

表4 金融摩擦机制检验

说明：为节省篇幅，控制变量的系数未列出；表6、表7同。

表4的回归结果证实，企业的融资约束程度可以影响货币政策不确定性对企业投资水平的抑制作用，但不同的融资约束区间是否会导致货币政策不确定性对企业投资水平的影响呈现非线性特征？模型(3)通过门槛面板回归检验这一设想。本文选用融资成本和资产负债率作为门槛变量，对货币政策不确定性与企业投资之间是否存在门槛效应进行检验，结果见表5。检验结果发现融资成本和资产负债率均只通过单一门槛效应显著性检验，因而它们均适用于单一门槛模型。其中，当使用融资成本作为门槛变量时，门槛值为0.039；当使用资产负债率作为门槛变量时，门槛值为0.6586。

表5 门槛效应检验结果

说明：BS次数为300。

门槛回归的估计结果见表6。列(1)给出了以融资成本为门槛变量的回归结果：当融资成本低于门槛值0.039时，货币政策不确定性的系数为-0.010，在10%的水平上统计显著；当融资成本高于门槛值0.039时，货币政策不确定性的系数为-0.116，在1%的水平上显著。列(2)给出了以资产负债率为门槛变量的回归结果：当资产负债率低于门槛值0.6586时，货币政策不确定性的系数在统计上不显著；当融资成本高于门槛值0.6586时，货币政策不确定性的系数为-0.082，且在1%水平上显著。由此可见，当企业的融资成本和资产负债率低于门槛值时，企业的融资约束程度较小，货币政策不确定性对企业投资的影响极其微弱甚至不显著；然而随着企业融资成本和资产负债率的增加并且超过门槛值时，企业的融资约束程度变大，货币政策不确定性对企业投资水平产生显著的抑制作用。

综合模型(2)和(3)的实证检验结果，企业的融资约束程度会影响货币政策不确定性与企业投资水平之间的关系，企业面临的融资约束程度越大，货币政策不确定性对企业投资的负面影响越显著。因而实证结果支持假设2，证实了货币政策不确定性传导的金融摩擦机制。

表6 金融摩擦与货币政策不确定性关系的门槛回归结果

六、进一步分析与稳健性检验

(一)货币政策不确定性、产权异质性与企业投资

图2 样本分组特征

货币政策不确定性总体而言会导致企业投资水平下降，但这种作用对于不同企业的影响是否存在差异是一个值得进一步关注的问题。由于产权性质不同，国有企业和非国有企业在融资约束、经营效率等方面存在差异。图2对比了样本内国有企业和非国有企业的资产负债率(LEV)、融资成本(DC)、总资产收益率(ROA)和投资率(INVEST)的平均值。可以看出，虽然国有企业的资产收益率较低，却享有信贷成本低、信贷资源丰富的优势。非国有企业与国有企业相比较，存在融资难、融资贵的困扰，而国有企业的资本配置效率则有待提高。

为了检验产权异质性是否影响货币政策不确定性与企业投资之间的关系，本文构建了产权性质(SOE)虚拟变量，国有企业取值为1，非国有企业取值为0。将产权性质以及产权性质和货币政策不确定性的交叉项(MPU×SOE)放入基准模型中回归，结果见表7列(1)，可以看到交叉项系数在统计上显著为负。接着，将研究样本按照产权性质分组，再将分组样本分别进行回归，结果见表7列(2)和列(3)。可以看到，货币政策不确定性在国有企业和非国有企业分组回归中的系数分别为-0.033和-0.019，通过自举法(bootstrap)获得的经验p值为0.030，表明两组MPU系数差异在5%水平上显著。综合表7结果来看，货币政策不确定性对国有企业投资水平的负面影响更大。

一般认为，国有企业更易受到信贷资金的青睐(王婷 等，2017)，按照金融摩擦的作用机制，理论上国有企业受货币政策不确定性的影响应该相对较小。但国有企业由于其股东特性和高管的政治背景，相较于非国有企业而言，往往具有更紧密的政治联系。国有企业在享有政治资源的同时，也承担着更多的政治责任，因而对政策本身更加敏感(才国伟 等，2018)。因此国有企业尽管面临的融资约束程度较小，但由于其紧密的政治联系，反而更易受到货币政策不确定性的影响。这样，在经济下行期，金融摩擦的放大效应使得更多资金配给到国有企业，但国有企业投资同样也会受到政策不确定性的影响，这也在一定程度上解释了货币政策向实体经济传导梗阻的现象。

表7 货币政策不确定性对企业投资、投资敏感度的分组回归

(二)稳健性检验

1.为了避免遗漏变量偏差造成内生性问题，本文在构建模型时除了考虑企业层面的控制变量，还加入宏观经济形势变量以及经济不确定性变量，但依然需要考虑其他政策不确定性可能对企业投资产生的影响。因而本文将Baker等构建的政策不确定性指数(EPU)对货币政策不确定性指数(MPU)和宏观经济形势变量(GDPG)进行回归，将回归残差视为其他政策不确定性指数，并滞后一期放入基准模型中检验，结果显示关键解释变量MPU的系数依旧显著为负。

2.前文使用了融资成本和资产负债率这两种单一指标来衡量企业的融资约束程度，在稳健性检验中，本文采用Kaplan等(1997)构建的KZ指数这一综合指标作为融资约束的代理指标，放入模型(2)和(3)中检验，原先的假设检验结果依旧成立。

3.本文将样本企业按照产权性质进一步细分为中央国有企业、地方国有企业和非国有企业，将模型按照新的分组进行回归，结果未发生明显改变，结论依旧成立。

七、结 论

本文利用上海同业拆放市场报价数据的标准差构建货币政策不确定性指数，旨在判断货币政策不确定性对企业投资的影响，从而为货币政策不确定性影响企业投资的金融摩擦放大机制提供微观证据。实证研究结果显示：货币政策不确定性的提高，通过金融摩擦放大效应，会进一步提高企业的风险溢价，使“融资贵”问题更加凸显，同时民营企业和中小企业面临的信贷配给问题也更加严重，致使“融资难”问题更加突出；由于企业产权的异质性，信贷资金会更多配给到国有企业，但国有企业投资同样会受到政策不确定性的影响，它们在货币政策不确定性上升时会保持更高的谨慎性和风险意识，这在一定程度上影响了资金向实体投资的转化。

本文的结论具有较强的政策含义。在经济增长趋缓并面临下行压力的情况下，货币政策要承担稳增长、调结构、防风险等多重责任。如果货币政策本身不甚明确，或调控过于活跃，则可能进一步加剧货币政策调控的不确定性，反而在一定程度上抵消货币政策的调控效应。因此，为更好地实现货币政策的调控目标，需要提高货币政策的稳定性和连续性，加强对公众预期的前瞻性引导，避免政策本身成为经济扰动的根源。同时，需要高度关注不确定性冲击的金融摩擦放大效应，一方面，采取切实措施缓解民营企业和中小企业融资难、融资贵的问题；同时，也需要提高国有企业的投资水平和效率，避免资金脱实向虚，改善货币政策向实体经济的有效传导。