产业政策、正规金融融资与企业产能利用率

（大连理工大学经济管理学院，大连 116024）

引 言

作为一种常用的宏观经济政策，产业政策被世界各国广泛的运用到经济发展中。产业政策可以增强溢出效应和解决市场失灵问题[1，2]，但是受制于市场环境或制度安排也有可能出现束缚经济发展的情况[3，4]。因此，在现阶段考察产业政策的实际效果对于制定宏观和微观经济的决策均具有重要意义。如何将国家宏观政策落实到微观层面，缓解中国式产能过剩成为了学界和实务界关注的重要话题。政府干预对银行信贷资金配置有着重要的影响，作为政府干预经济的一种手段，产业政策扶持一定程度上能够为企业带来更多的正规金融融资，从而缓解企业的融资约束[5-7]。然而，这种基于产业政策扶持的信贷支持资源配置的效率性尚有待考证。

本文从微观企业的产能利用率视角检验产业政策对实体经济的影响，考察了基于产业政策的信贷支持资源配置的效率性。

本文可能存在的贡献如下：（1）本文从企业正规金融融资的视角表明，产业政策在企业融资活动中可以发挥积极作用，支持了Czarnitzki和Hottenrot[5]、 Byrd 和 Mizruchi[6]的观点。 产业政策扶持会为企业带来更多的信贷支持，这一发现为企业解决融资问题提供了一个新的视角，同时也丰富了缓解企业融资约束问题方面的研究；（2）本文利用产业政策这个外生事件考察政府干预对企业产能利用率的影响，对林毅夫、周黎安等的企业产能过剩影响因素方面的文献起到了一定的丰富作用[8，9]；（3） 本文从企业产能利用率的角度考察了基于政府产业政策扶持的信贷支持在资源配置方面的效率性，本文丰富了新兴资本市场国家政府干预文献体系，也具有一定的政策意义。

1 理论分析与研究假设

产业政策对企业债务融资来源的影响主要体现为资源引导效应。为了实现预期的产业发展目标，政府往往会采取经济手段、行政手段来推进产业政策的落地，如信贷政策、土地政策、税收政策、财政补贴政策。我国金融体系主要以大型国有商业银行为主，政府干预对银行信贷资金配置有着重要的影响。政府通过贷款行政审批、项目审批和核准来引导信贷资金的投向，为产业政策支持的企业进行金融资源的配给输送或放松金融管制。另外，央行会结合国家的产业政策形成信贷政策工作意见下发给各银行业金融机构，切实发挥信贷政策导向，使其服务于国家的产业结构调整战略。在央行的窗口指导下，银行业金融机构会调整贷款重点投向和贷款变动数量，以保证产业政策扶持行业发展的资金需要。因此，本文认为产业政策的资源引导效应可以帮助受产业政策扶持企业获得更多的银行信贷资源。同时，银行信贷融资还可以给企业带来抵税效应，而非正规金融融资却不具有这个效应，因此企业会选择银行信贷等正规融资来源。基于此，产业政策会对企业的债务融资来源产生重要影响，本文提出如下研究假设：

假设1：相对于未受到产业政策扶持的行业企业而言，受到产业政策扶持的行业企业的正规金融融资更多。

周业樑和盛文军认为，由于地方政府存在通过创造更多生产能力促进GDP增长的动机，因此政府参与产业投资的冲动是我国产能过剩的重要原因[10]。林毅夫指出，由于存在后发优势，发展中国家的企业很容易对下一有前景的产业产生共识，在投资上出现 “潮涌现象”，由此导致产能过剩[8]。江飞涛等发现，体制扭曲背景下政府对企业投资的补贴性竞争是导致产能过剩的主要原因[11]。由此可见，政府的行为对企业的产能利用率具有很大影响。政府的产业政策在为企业提供资金便利的同时也会加剧企业的产能过剩问题，基于此，本文提出假设2：

假设2：由于产业政策扶持所获得的正规金融融资会降低企业产能利用率。

2 研究设计

2.1 样本数据

本文以2000～2018年为时间窗口，以A股上市公司为研究对象，剔除了ST公司、数据缺失公司、金融行业公司和财务数据异常公司，最终得到33154个公司年度观测样本。产业政策数据为作者从 “五年规划”中手工整理获得，公司财务、治理数据来自于CSMAR数据库。本文对所有连续型变量进行了Winsorize处理。

2.2 变量选择与定义

产能利用率（CU）：本文采用余淼杰等的研究方法计算得出，体现了企业投入转化为最终产出的总体效率[12]。该指标为反向指标，值越小表明产能过剩程度越小，产能利用率越高。正规金融融资（Formal）：本文采用（发行债券收到的现金+取得借款收到的现金-偿还债务支付的现金）／总负债来表征。产业政策扶持（IP）：本文根据 “五年规划”中相关行业的发展规划来确定企业是否属于受产业政策所支持的行业，若属于则产业政策（IP）取值为1，否则为0。控制变量：本文参考祝继高等[13]、 Rodano 等[14]的类似研究，主要选取了如下的控制变量：企业规模（Size），总资产的自然对数；盈利能力（ROE），净资产收益率；成长能力（Growth），营业收入增长率；资产抵押担保能力（FA），固定资产／总资产；流动比率（Cur），流动资产／流动负债；现金流量（CF），经营活动现金流净值／总资产；董事会规模（Bsize），董事会人数的自然对数；独董比率（PID），独董人数／董事会人数；监事会规模（Ssize），监事会人数的自然对数；股权集中度（Top1），第一大股东持股比例。

2.3 模型设计

为了检验产业政策对企业正规金融融资的影响，本文构建了如下检验模型：

其中，Formalit为i公司在t年的正规金融融资；IPit为i公司在t年的产业政策扶持情况，受到产业政策扶持则取值为1，否则为0；其他控制变量如前所述。

本文建立了如下模型来衡量产业政策扶持引发的信贷支持对企业产能利用率的影响：

其中，CUit为i公司在t年的产能利用率；Formalit为i公司在t年的正规金融融资；IPit为i公司在t年的产业政策扶持情况，受到产业政策扶持则取值为1，否则为0；其他控制变量如前所述。

3 实证结果与分析

3.1 描述性统计分析

表1为本文主要变量的描述性统计结果。从表中的结果可知，产能利用率（CU）的均值为0.011，中位数为-0.006；最小值为-0.838，最大值为0.908，标准差为0.286；可以发现，上市公司的产能利用率整体看来还有待提高。产业政策扶持（IP）变量的均值为0.490，中位数为0，可以发现，样本中获取产业政策支持的公司约占了50%。正规金融融资（Formal）的均值为0.016，中位数为0.003；最大值为0.525，最小值为-0.976，标准差为0.212，由此可见上市公司的融资能力和金融融资情况存在较大的差异。

表1 变量的描述性统计分析结果

3.2 单因素分析

本文采用T检验和Wilcoxon Z检验来考察不同产业政策扶持样本组之间变量的差异。表2展示的单变量分析结果显示：正规金融融资（Formal）变量在无产业政策扶持的样本中均值为0.202，而在有产业政策扶持的样本中均值为0.220，且这种差异在0.01的水平上显著。Wilcoxon Z检验的结果得到的结论与此一致：正规金融融资（Formal）变量的中位数在无产业政策扶持的样本中为0.160，而在有产业政策扶持的样本中为0.183，且这种差异在0.01的水平上显著。这表明，与未受产业政策扶持的公司相比，受到产业政策扶持的公司所获得的正规金融融资更多，更易受到信贷支持。产能利用率（CU）变量在无产业政策扶持的样本中均值为0.016，而在有产业政策扶持的样本中均值为0.006，可见在无产业政策扶持样本组中公司的产能利用率更高，且这种差异在0.01的水平上显著。同理，根据Wilcoxon Z检验的结果，产能利用率（CU）变量在无产业政策扶持的样本中中位数为0.008，而在有产业政策扶持的样本中中位数为0.004，且这种差异在0.01的水平上显著。与未受产业政策扶持的样本相比，受到产业政策扶持的样本正规金融融资更多、产能利用率更低。

表2 基于产业政策的单因素分析结果

3.3 主检验回归结果

表3汇报了主检验的回归结果。其中，列（1）和列（2）为产业政策影响企业正规金融融资的回归结果。可以看出，在T期，产业政策IP与企业正规金融融资Formal的回归系数为0.009和0.004，且在1%的水平上显著。由此可以说明，相对于没有产业政策扶持的企业而言，受到产业政策扶持企业的正规金融融资水平更高，基本证实了本文的研究假设1。考虑到产业政策对企业正规金融融资的影响可能存在一定的滞后效应，本文还考察了产业政策对T+1期的企业正规金融融资的影响。在T+1期，产业政策IP与企业正规金融融资Formal的回归系数为0.004，且在10%的水平上显著，与前文保持一致。列（3）和列（4）汇报了基于产业政策扶持的信贷支持对产能利用率的影响。与前述一致，我们汇报了从T期到T+1期的回归结果。可以发现，交乘项IPit×Formalit的回归系数在T期和T+1期分别为-0.012和-0.037；且于T期在5%的水平上显著，于T+1期在1%的水平上显著。这表明产业政策扶持为企业带来更多信贷支持的同时也降低了企业的产能利用率。本文的研究结论还具有如下的经济意义：相对于未受到产业政策扶持的企业而言，受到产业政策扶持的企业产能利用率降低了约3.7%，本文的假设2得以验证。

表3 主检验回归结果

3.4 内生性测试

受到产业政策扶持的企业会获得更多的正规金融融资。为了排除内生性问题对这一结论的影响，本文借鉴余明桂等的研究[15]，设置如下模型：

其中，Post用来表示 “五年规划”变更事件时间，事件冲击的时间为 “十一五”规划实施的年度。当产业一直受到产业政策扶持时，IP赋值为1，否则为0。

其中，CU为企业的产能过剩程度。交乘项的回归系数是关注的重点，若其显著为负，则表明上文基于产能利用率视角的回归结果未受到内生性的干扰。从表4的结果可知，交乘项IP×Post、IP×Post×Formal的回归系数均显著为负，这与前文的研究结论一致。可见，在采用双重差分模型进行检验后，本文的结论仍然成立。

表4 双重差分模型的回归结果

3.5 稳健性检验

（1）更换变量的计量方法。为了增强结论的稳健性，本文用省级产业政策扶持变量替换产业扶持（IP），并引入省级产业政策扶持与正规金融融资的交乘项，对基本模型进行回归，得到了与前述一致的结论。另外，本文采用LP方法计算得出企业全要素生产率，以此来衡量企业的产能利用状况，该指标越大，说明企业的生产效率越高，产能过剩情况越轻。以此为基础进行回归后，基于产业政策扶持的信贷支持与产能利用率依然显著负相关。可见，本文的研究结果未受到更换计量方法的影响。

（2）控制宏观因素的影响。要准确地分析产业政策所带来的微观经济后果，需要考虑宏观因素的影响。因此本文借鉴连立帅等的方法[16]，在基本模型中控制了广义货币增长率和衡量经济发展水平的国内生产总值增长率，在此基础上进行回归。所得结果与前文一致，限于篇幅不再赘述。

4 产业政策经济后果的异质性分析

4.1 产业政策的异质性分析

为了实现国家战略意图，国家 “五年规划”会重点扶持一些产业，这就会导致这些受到重点扶持的产业能获得更多的资源和政策倾斜。因此，本文参考陈冬华和姚振晔的做法[17]，对产业政策进行了进一步细化，识别出产业政策中重点扶持的行业企业（KIP），以进行产业政策扶持经济后果的异质性分析。通过对产业政策进行文本分析，当某行业谈及 “大力发展”、“大力推进”、“大力扶持”、“大力培育”、“重点扶持”、“重点发展”、“重点抓好”、“重点开发”、“重点培育”、“做大做强”、“着力抓好”、“做大做强”、“重点建设”等时，若企业受到产业政策重点扶持，此时KIP取值为1，否则为0。为了检验不同支持力度的产业政策引发的信贷支持对企业产能利用率的影响，本文引入产业政策重点扶持（KIP）与正规金融融资（Formal） 的交乘项KIP×Formal，并设置如下回归模型：

其中，CU为企业的产能利用率；KIP为企业是否受到产业政策重点扶持；其他控制变量含义如前所述。表5的列（1）和列（2）展示了模型（5）的回归结果。从回归结果中可知，交乘项KIPit×Formalit在T期和T+1期的回归系数分别为-0.019和-0.024，并于T+1期在5%的水平上显著。这表明，基于产业政策扶持的信贷支持与产能利用率之间具有显著负相关的关系，而产业政策重点扶持将会增强这种负相关关系。

4.2 外部环境的异质性分析

为了检验在不同外部环境下，基于产业政策扶持的信贷扶持对企业过度投资、过度生产、库存积压等行为的影响，本文在基本回归模型中控制了外部环境的变量市场化程度（Mar），具体由经济的货币化程度，即广义货币占国内生产总值的比率计算得出。在此基础上引入交乘项IPit×Formalit×Marit，控制变量的含义如前文所述。企业的市场化程度（Mar）越高，则其对价格机制的敏感度就越高，有利于企业获得最大化的利润，降低政府配置资源的高昂成本。因此，本文预期企业市场化程度越高，基于产业政策扶持的信贷扶持导致的相对低下的资源配置效率对其影响越小，即市场化程度将会缓解产业政策扶持引发的信贷支持资源配置效率低下的问题。模型设计如下：

其中，CU为企业的产能利用率；Mar为企业的市场化程度；其他控制变量的定义如前所述。表5的列（3）和列（4）汇报了模型（6）的回归结果。可以发现，交乘项IPit×Formalit×Marit在T期和T+1期的回归系数分别为0.003和0.008，且均在5%的水平上显著。这说明，企业的市场化程度能够削弱产能利用率与基于产业政策的信贷支持之间的负相关关系，企业的市场化程度越高，产业政策引发的信贷支持对企业产能利用率的影响越小；企业市场化程度会减轻产业政策引发的信贷支持资源配置效率低下的问题。

表5 基于重点扶持和外部环境的异质性分析

4.3 企业特征的异质性分析

（1） 产权性质

我国金融体系存在着严重的 “所有制歧视”，在国家产业政策的指引下金融资源的配置是否还会存在 “所有制歧视”？前文研究得出产业政策扶持会使得企业更容易获得正规金融融资，那么产业政策的这种溢出效应会不会因企业性质而异呢？因此，在考察基于产业政策扶持的信贷支持所进行的资源配置效率时，应考虑企业性质的影响。具体地，以产能利用率为视角，进行基于产权性质的异质性分析，设置模型如下：

其中，CU为企业的产能利用率；SOE为i公司在t年的产权性质，当企业为国有企业时SOE为1，否则为0；其他控制变量的定义如表1所示。表6的列（1）和列（2）展示了模型（7）的回归结果。可以看出，交乘项IPit×Formalit×SOEit在T期和T+1期的回归系数分别为-0.029和-0.078，且均在5%的水平上显著。这说明，基于产业政策的信贷支持与产能利用率的负相关关系在国有企业中更加显著，即在国有企业中，产业政策引发的信贷支持更易造成产能利用率降低的情况，产业政策引发的信贷支持资源配置效率低下的情况更明显。

（2） 政治关联

在研究产业政策扶持为企业带来的信贷支持所进行的资源配置效率检验时，政治关联是需要考虑的重要因素。同样受到产业政策扶持的企业，由于其政治关联不同，产业政策扶持所带来的信贷扶持可能存在差异。因此，本文将企业是否具有政治关联（PC）纳入研究中。具体地，为了考察政治关联对以产能利用率为视角的产业政策经济后果的影响，引入政治关联（PC）与基于产业政策扶持的信贷支持的交乘项IPit×Formalit×PCit，设置如下模型：

其中，CU为企业的产能利用率；PC为企业是否具有政治关联，当企业具有政治关联时PC为1，否则为0；其他控制变量的定义如表1所示。表6的列（3）和列（4）汇报了模型（8）的回归结果。结果显示，交乘项IPit×Formalit×PCit在T期和T+3期的回归系数分别为-0.078和-0.116，且均在1%的水平上显著。由此可以说明，在具有政治关联的企业中产业政策引发的信贷资源配置效率更低。

表6 基于产权性质和政治关联的异质性分析

5 研究结论

产业政策是国家意志的体现，反映了国家产业调整和升级的战略意图，对企业微观行为产生重要的影响。本文以2000～2018年中国沪深A股33154个公司年度观测样本为研究对象，考察了产业政策扶持与企业正规金融融资的关系，并从企业的产能利用率视角探讨了基于产业政策扶持的信贷支持所进行的资源配置效率问题。在此基础上从企业产权性质、政治关联、外部环境差异等方面做了一系列异质性分析。研究结论表明：受到产业政策扶持的企业更容易受到信贷支持，从而持有大量现金，而这种基于产业政策扶持的信贷支持会使企业的产能利用率下降，即基于产业政策扶持的信贷支持所进行的资源配置效率是有待提升的。该结论在控制内生性问题之后依然稳健。异质性分析结果表明，基于产业政策扶持的信贷支持所进行的资源配置效率相对低下问题在受到产业政策重点扶持的企业、国有企业和具有政治关联的企业中更为明显，而这种作用对市场化程度较高的企业影响相对较小。本文的研究丰富了产业政策扶持经济后果方面的文献，也具有一定的政策意义，企业和金融机构应当注重基于产业政策扶持的信贷扶持在资源配置方面的效率，以更好地发挥产业政策促进生产发展和经济平稳运行的作用。