债务杠杆对企业全要素生产率的影响及作用机制

胡海峰　宋肖肖　张超

摘要：基于2007～2019年中国上市公司数据，通过构建中介效应模型，研究债务杠杆对企业全要素生产率的影响关系及作用机制。研究表明：企业债务杠杆在总体上对TFP具有显著的负向影响，但短期杠杆较长期杠杆对TFP的伤害更大;企业债务杠杆主要通过增加財务成本、降低资本利用效率和劳动使用效率对企业未来的TFP产生不利影响;大规模企业、国有企业以及高融资约束企业受到债务杠杆的影响程度更大。

关键词：企业债务杠杆;全要素生产率;财务成本;资本利用效率;劳动使用效率

文章编号：2095-5960（2021）03-0062-12;中图分类号：F832;文献标识码：A

党的十九大报告提出：“我国经济已由高速增长阶段转向高质量发展阶段”。高质量发展是对我国经济长期增长可持续的要求，强调了从科技进步到提高全要素生产率的改革实现路径，其核心就是要提高全要素生产率在长期增长中的作用，逐渐形成创新驱动的发展动力。实现高质量发展必须要建立与之相匹配的金融制度和结构安排以平衡企业的资金需求和风险分担。在我国现有的以银行为主导的融资体系下，债务型融资一直在社会融资规模中占主导地位，企业主要通过银行信贷获取资金并投入经营和投资活动中，客观上促进了资本形成和创新活动。但在“债务—投资”驱动的增长模式下，中国非金融企业的债务规模也不断攀升，企业的债务风险问题已经引起了中央决策层的高度重视。关于债务杠杆的研究对于企业长期发展具有重要意义，而企业的长期可持续发展是实现中国高质量发展的必然要求。

企业全要素生产率（TFP）是衡量企业长期可持续发展的关键，但目前关于企业债务杠杆与TFP关系仍然没有达成一致的结论。债务杠杆对企业TFP的影响最早可追溯到融资优序理论，即企业偏好不同的融资结构，企业外部融资可以通过增加企业在创新及研发活动方面的投资进而促进企业生产率的提升。[1]Ayyagari等通过对47个发展中国家企业的研究发现，获得外部融资与企业创新存在正向关系，且使用外部资金与私营企业的更大创新有显著关系，但在国有企业中这种正向关系却并不显著。[2]Butler & Cornaggia利用美国农业方面的数据，研究发现外部融资渠道对生产率具有正向影响。[3]Girma & Vencappa以印度的工业企业数据为基础，分析了外部融资的结构对企业TFP的影响，发现银行贷款对企业TFP影响最大。[4]Gomis & Khatiwada利用1986～2014年100多个国家企业的微观数据进行了研究，发现企业杠杆率与生产率呈正相关，且杠杆率对生产率的影响是边际递减的，在控制了国家的经济金融发展水平后，一国的总杠杆对企业生产率具有负向影响。[5]Levine & Warusawitharana利用外生TFP部分解决了反对反向因果关系的干扰，其研究发现企业债务增长与企业生产率增长之间存在很强的正相关关系[6]。

债务虽然会对企业TFP有正向影响，但杠杆水平超过一定的水平后可能会不利于企业TFP的增长。Kiyotaki & Moore展示了企业杠杆率的增加如何导致更高的违约概率，促使企业外部融资成本上升，并降低投资和产出。[7]Coricelli等在对中东欧国家样本公司的分析中发现企业杠杆和TFP之间的关系存在一个门槛效应，在账面杠杆达到临界阈值之前，企业杠杆的增加会对TFP有显著的正向效应，而超过临界阈值之后，杠杆的持续上升就会降低TFP的增长。[8]这一结果表明存在一种最优杠杆率，对于杠杆率过低的公司来说，增加杠杆率会带来生产率的提升。罗来军等利用中国工业企业统计数据，研究企业债务对经济发展的影响，发现企业债务对研发投入、全要素生产率和企业规模的影响皆存在显著的非线性U型关系。[9]胡育蓉等研究发现企业杠杆率与全要素生产率之间存在“倒U型”关系，当企业杠杆率低于阈值水平时，杠杆的运用能够显著促进全要素生产率的提升，但是当企业杠杆率高于阈值水平时，会对全要素生产率提升产生不利影响。[10]

从债务期限结构看，Zeitun & Tian的研究认为短期债务对企业绩效会起到积极作用。[11]马如飞和王艳基于上市公司数据的分析，发现当企业不存在流动性风险时，缩短债务期限结构能够有效地促进企业投资，然而如果考虑流动性风险的影响，缩短债务期限结构对企业投资的影响效果将因为流动性风险的存在而减弱，此时降低杠杆更能够缓解企业投资不足的问题。[12]Converse对杠杆的结构研究表明，当企业通过短期借款为长期项目提供融资而陷入期限错配时，对未来财务状况的更大不确定性会减少对长期项目的投资，导致投资和产出下降，并导致内生的TFP下降。[13]胡育蓉等杠杆结构角度的研究表明：短期企业杠杆率对全要素生产率有显著负向影响，中长期企业杠杆率却对全要素生产率有显著正向影响。[10]

目前关于债务杠杆与企业TFP的研究仍然存在以下不足：1.债务杠杆与企业TFP之间的线性关系仍然没有达成一致，债务杠杆对TFP既有正向影响也有负向影响。2.债务杠杆与企业TFP之间的非线性关系也没有确定，如Coricelli等和胡育蓉等发现债务杠杆与企业TFP之间存在显著的“倒U型”关系[8，10]，但罗来军等却发现债务杠杆与企业TFP存在显著的“U型”关系[9]。3.缺乏债务杠杆与企业TFP之间的关系机制研究，债务杠杆与TFP之间的关系可能和背后复杂的影响机制有关系。由此本文提出以下问题：在整体上企业债务杠杆到底与企业全要素生产率之间存在着怎样的作用关系？不同期限结构的杠杆对全要素生产率的影响是否有不同？更进一步，企业的债务杠杆又是通过何种传导作用机制对全要素生产率产生影响的？这种影响机制是否会因企业特征的不同而发生改变？本文试图回答以上问题，以对债务杠杆与企业长期发展之间的争论提供一定的经验证据。

一、理论分析和假设提出

本文认为债务杠杆与企业TFP之间的关系之所以没有定论，可能是因为债务杠杆与TFP之间复杂的影响机制。因此，本文基于债务杠杆的性质和企业TFP的影响因素两个角度，重点阐述债务杠杆可能影响企业TFP的作用机制。首先，债务杠杆的本质是企业必须承担偿还债务的义务，具有偿本付息的硬约束，这会直接影响企业后续的资本配置和经营策略等行为，对企业TFP产生影响。其次，TFP指标反映的是超出企业资本和劳动力投入所能解释的增加值的增加部分，TFP的增加表明企业在保持要素投入不变的情况下实现了更多的增加值，企业TFP的增长可能有无数的原因，包括提高资本的利用效率和雇佣工人的使用效率等渠道[6]，如果债务杠杆对企业TFP产生影响，则会体现在资本利用效率和劳动使用效率这两个企业TFP的重要组成部分上。

（一）债务杠杆与财务成本

使用债务融资的财务成本和破产成本可能是巨大的，包括与破产谈判争端有关的交易费用以及花费的管理时间等直接成本，也包括销售损失、利润损失以及公司可能无法获得信贷或发行证券等方面的间接成本，比如破产风险的提升会影响企业的信誉，投资者担心企业破产而减少对其投资，消费者也因担心企业为其产品持续服务的能力而减少产品购买。为了避免破产带来的巨大损失，企业的决策者们会避免不确定性较大的高效率投资而采取一种风险更低的持续经营策略，以维持高现金盈利业务。

苗妙等研究也表明固定资产投资风险小、见效快，同时担保价值高，更易获得银行的贷款，这会导致企业更可能利用债务融资投资于固定资产，从而进一步导致固定资产资本利用效率的下降。[14]另一方面，从企业内部来看，较高的债务杠杆加剧了企业未来的融资约束，企业为应对高企的债务压力也不得不减少生产与投资支出，从而加剧企业创新激励扭曲[15]，不利于企业生产效率提升。

由此，本文提出假设1：

H1：债务杠杆通过增加企业财务成本，直接对企业未来TFP产生不利影响。

（二）债务杠杆与资本利用效率

一方面，企业股东和管理层之间的代理问题会造成企业过度投资，管理层出于个人财富、职位安全等的考虑，会进行旨在提升其声誉的短期性行为，这使得他们更注重提高企业经营水平的投资活动，而减少对生产率有利的创新活动的投入，因为创新活动的失败会使它们面临声誉危机，甚至被辞退的风险。另一方面，管理层的任期较短，高生产效率项目投资的长周期性使得管理层的激励不足，尤其在高杠杆条件下，企业当期的现金流安全是管理层考虑的首要问题，管理层更容易放弃收益前景好但成本较高、周期较长的研发创新活动，而偏好成本较低、收益较快的项目，进而抑制企业TFP的增长。

另外，研发投资作为提高企业TFP的主要方式，具有较大的沉没成本以及产出具有不确定性，而债务融资需要稳定的现金流支撑。随着债务杠杆的提升，企业还本付息的硬约束加大了企业的财务风险，企业将会减少具有高风险的研发投资，而将注意力转移到产生现金流以偿还债务上。债务融资方式本身具有的还本付息的特质不利于企业从事创新活动，债务融资促使企业更多地投资于风险较低的固定资产，而减少知识导向的研发投资。

由此，本文提出假设2：

H2：债务杠杆通过增加企业的财务风险和破产成本，降低了企业资本利用效率，进而对企业未来TFP产生不利影响。

（三）债务杠杆与劳动使用效率

企业债务水平的上升增加了相应的财务风险和破产风险，这会提高企业和员工在人力资本投资方面的破产成本，进而抑制劳动生产效率。一方面，随着债务比率的上升，企业迫于偿本付息的财务压力可能会削减员工培训等相关的人力资本投入。另一方面，员工自身也会根据企业财务状况等信息预期企业破产可能性，如果企业破产风险上升，会造成员工不愿意进行相关的人力资本投入，如减少自身对与企业业务有关的人力资本投入、懒于参与企业相关技能培训以及从企业辞职等行为。这些行为都会造成企业劳动使用效率的下降，对企业未来的TFP增长造成不利影响。进一步地，研发支出的很大一部分被用于科学家和工程师的薪酬，他们努力创造了一种无形资产，产生了公司的“知识库”，未来几年的利润将从“知识库”中产生，这种“知识库”是隐性的，它根植于公司员工的人力资本中，因此，如果这些研发人员减少对企业相关业务的人力资本投入，或者离开，或者被解雇，这些资源也将会丢失，造成劳动生产效率的大幅度下降，从而对企业未来生产率造成伤害。

由此，本文提出假设3：

H3：债务杠杆通过增加企业的财务风险和破产成本，降低了企业劳动使用效率，进而对企业未来TFP产生不利影响。

基于以上理论分析，债务杠杆的提高会直接增加企业的财务成本，进而影响企业的资本利用效率和劳动使用效率，对企业未来TFP产生不利影响。由此，提出假设4：

H4：债务杠杆的提高会对企业未来TFP产生负向影响。

二、研究设计

（一）计量模型

本文首先从总体上考察债务杠杆与企业TFP的关系，参考Coricelli等和Alfaro等的模型构建方法[8，16]，以考察企业杠杆总规模和企业杠杆期限结构对企业TFP的影響。

方程（1）（2）（3）是本文的基准模型，TFP表示企业全要素生产率，lev、 lev_long 、 lev_short 分别是企业杠杆总水平、企业长期杠杆以及企业短期杠杆，其中 i、t分别是企业个体和年份;Xn表示企业层面的控制变量集，本文取所有解释变量的滞后一期，以考察企业债务杠杆对企业未来TFP的影响。idi代表个体固定效应;yij，t代表行业和年份的交互固定效应，以控制行业层面的特征随时间动态调整的影响;pyk，t代表省份和年份的交叉固定效应，以控制省份层面的特征随时间动态调整的影响;pij，k代表行业和省份的交互固定效应，中国特有的省级产业政策会导致每个地方政府对不同行业的支持力度可能存在较大差异[17]，pij，k可以控制不同省份对不同行业的扶持力度的差异;εi，t代表模型的误差项。

（二）变量选取和指标构建

1.被解释变量。本文的核心被解释变量是全要素生产率（TFP）。TFP的测算方法包括OP方法和LP方法[18，19]，后来Wooldridge（此后简称WRDG）和Ackerberg等[20，21]（此后简称ACF）提出了计量经济学方面的改进，以减少潜在的识别问题并确保稳健的标准误差。本文在基准回归模型中采用LP方法，在稳健性检验中分别采取OP、WRDG和ACF方法进行检验。LP方法具体估计模型如公式（4）所示：

其中，i和t分别表示企业和年份，vait、Kit和Lit分别是企业增加值、资本投入和劳动投入，ωit是要估计的未被观测的生产率，εit是特质性冲击。参考林毅夫等[22]、胡海峰等[23]的研究，企业增加值的计算方法如下：企业增加值=固定资产折旧+税费支出+职工薪酬+营业利润，资本投入采用固定资产的净值衡量，劳动投入用企业员工数量衡量。本文采用企业购买商品接受劳务支付的现金作为中间品投入，作为未观察到的生产率冲击的代理，在OP方法中采用资本性支出作为企业投资的代理变量。

2.解释变量。参考Coricelli等以及Demirgü-Kunt等[8，24]关于企业债务的狭义定义，企业债务的计算公式如下：企业债务=期未短期借款+期末长期借款+期末一年到期长期负债+期末应付债券;企业短期=短期借款;企业长期债务=长期借款+应付债券。进一步，本文分别采用企业债务、长期债务和短期债务与总资产的比例作为企业债务杠杆（lev）、长期杠杆（lnlev_long）和短期杠杆（lnlev_short）的代理变量。①①还有一种被国内学者大量使用的方法，使用企业总负债作为企业债务，并使用流动负债和非流动负债衡量短期债务和长期债务[10，15]，我们不采用这种方法，因为负债通常还包括外部债务融资之外的其他项目，如应付账款（与公司如何管理交易有关）、税项或准备金等会计项目，它们可能与公司外部融资方式无关[24]。

3.控制变量。参考Coricelli等、刘晓光和刘元春以及王玉泽等的研究[8，19，23]，本文选择的控制变量包括企业规模（size）、企业年龄（age）、净资产报酬率（roe）、存货周转率（turnover）、主营收入增长率（growth）、企业性质（ownership）、薪酬差距（wage_gap）、劳动力成本（laborcost）、董事会规模（board_size）、是否二职合一（manager）以及股权集中度（top10）。控制变量的具体定义及度量方法如表 1所示：

（三）数据处理

本文选取中国沪深A股全部市场2007～2019年非金融类上市公司为样本，数据来自国泰安数据库。样本具体处理和筛选过程如下：1.剔除金融行业和公共事业的企业;2.剔除总资产和总负债小于0的观测值;3.剔除总资产小于固定资产净额、小于无形资产净额以及小于流动资产的观测值;4.剔除总负债小于流动负债、小于非流动负债的观测值，以及总负债大于总资产的观测值;5.剔除样本观测年数小于4年的观测值;6.剔除样本数据中相关变量缺失的上市公司观测值;7.对所有连续变量进行1%分位和99%分位的winsor处理以解决潜在的异常值影响。

（四）描述性统计

核心变量的统计性描述如表2所示， lp和op对应LP方法和OP方法测算的TFP，均值分别为12.14和13.24，与胡海峰等[23]的测度结果接近。lpacf、opacf和WRDG是使用Wooldridge和Ackerberg等[20，21]的方法测度的TFP结果，均值分别为10.74、10.25和12.05，测度结果符合理论预期。债务杠杆总水平、短期债务杠杆和长期债务杠杆的均值分别为0.19、0.10和0.07，短期杠杆水平的均值要大于长期均值，说明样本公司里短期债务融资占比较大。

三、实证结果分析

（一）基准回归

表3给出了我们基准回归的实证分析结果，为了避免回归中产生的多重共线性问题，我们采用逐步加入控制变量的方法。模型（1）单独考察了企业债务杠杆与TFP的关系，lev的系数为-0.62，表明债务杠杆对企业未来TFP产生了显著负向影响。模型（2）～（7）分别进一步加入高维度的固定效应、企业特质、盈利能力、薪酬体系、治理结构等方面的控制变量，lev的系数仍然在1%的置信水平显著为负，表明逐步引入控制变量后，债务杠杆与企业TFP的负相关关系并没有发生改变。以模型（7）为例，lev的估计系数为-0.55，表明在控制其他因素不变时，债务总杠杆上升1个标准差，导致未来企业TFP下降0.087个点位（标准差为0.16），相当于TFP样本均值的0.72%。本文的结论支持了抑制论观点，即债务杠杆在整体上会对TFP产生负向影响，符合本文的假设H4。

控制变量的回归结果表明，规模更大的企业的生产率更高，生存年限越长的企业反而具有更低的生产效率。净资产报酬率、存货周转率和主营收入增长率均与TFP显著正相关，说明企业盈利能力的提高往往伴随着企业生产效率的上升。在企业性质方面，国有企业的生产效率平均要比非国有企业的低。本文的控制变量结果与罗来军等[9]、于新亮等[25]、胡海峰等[23]一致。

表4是杠杆结构的回归结果，模型（1）～（4）的short_lev系数均显著为负，模型（5）～（8）的long_lev系数也均在1%的置信水平上显著为负，但短期债务杠杆比长期债务杠杆对企业TFP的伤害更大，這符合我们的理论预期。Converse对杠杆的结构研究表明当企业通过短期借款为长期项目提供融资而陷入期限错配时，对未来财务状况的更大不确定性会减少对长期项目的投资，导致投资和产出下降，并导致内生的TFP下降。[13]胡育蓉等从杠杆结构角度的研究也表明短期企业杠杆率对全要素生产率有显著负向影响，中长期企业杠杆率却对全要素生产率有显著正向影响。[10]短期债务杠杆偿债周期短，偿本付息的压力较大，且企业运用短期债务进行长期投资具有较强的期限错配风险，导致高效率项目投资的减少，并最终对企业未来TFP造成不利影响。而长期债务使企业不用过度担心债务展期的风险，对企业的资本配置决策影响较小，有利于企业对一些提高生产率的活动进行投资（比如创新项目和员工技能培训等等），因此，长期债务对企业TFP的伤害较小。

（二）影响机制分析

本文从财务成本、资本使用效率以及劳动使用效率三个渠道研究债务杠杆影响企业TFP增长的传导机制，并构建中介效应模型，具体如方程（5）-（10）所示：

方程（5）（7）（9）表示企业债务杠杆对中介变量的影响，分别包括财务成本（Financial_costs）、资本利用效率（Fixed_efficient ）和劳动使用效率（Labor_efficient ）。Financial_costs采用财务费用与主营业务收入的比例衡量，Fixed_efficient 采用企业增加值与固定资产的净值之比衡量，本文的资本利用效率主要指固定资产资本的利用效率，Labor_efficient采用企业增加值与支付给职工以及为职工支付的现金的比来衡量。方程（6）（8）（10）表示控制债务杠杆后中介变量对企业未来TFP的直接影响（系数γ1、γ2、γ3），也表明控制中介变量后债务杠杆对企业未来TFP的影响（系数α2、α4、α6）。最后，在中介效应分析中本文均加入了与方程（1）同样的控制变量，并包括行业×年份、行业×省份、年份×省份的交互固定效应。

表5给出了传导机制分析的估计结果。模型（1）和（2）的企业财务成本对债务杠杆的回归系数为0.11，企业TFP对财务成本的回归系数为-1.77，表明债务杠杆显著提高了企业财务成本，增加了企业还本付息的偿债压力和破产风险，并由此促进了企业投资方式的转变，最终抑制了企业TFP的增长。杠杆率的上升提高了对利益相关者的风险补偿溢价，加重了企业的财务成本，从而恶化企业总体绩效。[15]随着企业财务成本的上升，高负债的公司不仅受到债务积压问题的影响，减少了它们投资于生产性投资的动机，而且由于需要产生现金流来偿还债务，它们的注意力也从提高生产力转移到偿还债务上。[26]Crouzet 也认为债务融资增加了企业的财务脆弱性，随着企业财务成本的上升，债务杠杆对企业投资取向的扭曲作用可能更加严重，进而投资和产出下降，对企业未来的生产率产生不利影响。[27]

企业债务杠杆显著提高了企业的财务成本，增加了企业的偿债压力和破产风险，这会进一步扭曲企业的资本配置。模型（3）（4）表明，资本利用效率对债务杠杆的回归系数为-1.87，资本利用效率对TFP的估计系数为0.023，系数均在1%水平上显著，说明债务杠杆降低了企业的资本利用效率，进而降低了企业TFP的增长。进一步地，模型（5）（6）的劳动使用效率对债务杠杆的回归系数为-0.96，企业TFP对劳动使用效率的回归系数为0.11，均达到1%的显著性水平，说明债务杠杆的提高同样降低了企业的劳动使用效率，进而妨碍了企业TFP的增长。本文的机制检验结果表明债务杠杆的提高通过增加企业财务成本，降低了企业的资本利用效率和劳动使用效率，进而不利于企业TFP的增长，符合本文的假设H1、H2和H3。

（三）异质性分析

大量的研究表明国有企业和私营企业的生产率存在差异，国有企业可能受到了更多的信贷支持，从而造成了过度投资，导致资源利用效率下降。企业性质的回归结果如表 6所示，模型（1）（2）表明，对于国有企业，债务杠杆水平的上升导致未来TFP的损失更大，而相应的非国有企业的TFP损失较小。国有企业和私营企业的债务杠杆对企业未来TFP的影響存在较大差异，特别是私营企业受到债务杠杆的影响要远远小于国有企业，国有企业虽然更容易获得外部融资，但资本使用存在问题，进而导致全要素生产率受到的影响更大。这也意味着去杠杆不能“一刀切”，需要更为合理的结构性措施。

表 6的模型（3）（4）里，本文采用样本的主营业务收入的中位数作为分组标准，如果企业的主营业务收入大于其样本中位数，则取1，反之取0。结果表明大规模的企业受到的生产效率的负向影响更大，小规模企业的生产效率对债务杠杆的敏感度更低，小规模企业可能更加注重生产率提升的项目投资。

模型（5）（6）是按照企业面临的融资约束程度分组的结果，本文采用SA指数衡量企业融资约束[28]，计算方法如下：SA=-0.737×size+0.043×size2-0.040×age，这里的size指企业总资产，并取对数形式，age表示企业建立年限，SA指数越大，企业面临的融资约束越严重。本文将SA指数高于其样本中位数的样本划分为高融资约束组，并取1，反之取0。结果表明，高融资约束企业受到企业杠杆的影响更大，较高的融资约束加剧了企业的资本成本，这会进一步限制企业对债务融资来源的使用。

四、稳健性检验

（一）替换因变量

表7是更换了四种TFP测算方法的基准回归结果，模型（1）和（3）是基于Ackerberg等[21]的ACF修正方法，模型（2）是OP方法[18]，模型（4）是基于Wooldridge的方法[20]。结果均显示lev的系数显著为负，无论采用何种TFP测算方法，债务杠杆与企业TFP之间的负相关系均没有改变。

（二）替换债务杠杆

本文进一步替换债务杠杆的测度方法，企业债务杠杆的计算公式为：总负债/总资产。参考Demirgü-Kunt等的做法[24] ，排除流动负债中的应付账款和预收款项，因为它们是企业外部债务融资之外的其他项目，与公司如何管理交易有关，而与公司外部融资方式无关。短期债务杠杆的计算公式为：（流动负债-应付账款-预收款项）/总资产;长期杠杆的计算公式为：长期负债合计/总资产①①本文采用非流动负债与总资产的比例衡量企业长期债务杠杆，结果表明短期债务杠杆对企业TFP的负面作用更大，结果依然稳健。 。回归结果如表 8所示，模型（1）（3）（5）为不加入控制变量的结果，模型（2）（4）（6）为进一步加入控制变量的结果，lev、long_lev、short_lev的系数仍然显著为负，且短期债务杠杆对企业TFP的负面作用更大，本文的结果仍然稳健。

（三）更换样本期间

为了考察基准结果的稳定性，本文进一步将样本划分为两个时期，如表 9所示，模型（1）～（3）为2007～2013年的样本回归结果，模型（4）～（6）为2014～2019年的样本回归结果，两个时期的lev、long_lev、short_lev的系数均显著为负，表明本文的结果不因样本期的改变而变化，债务杠杆与企业TFP的关系仍然保持稳健。

（四）内生性问题

本文参考El Ghoul等的做法，采用债务杠杆的滞后值作为债务杠杆的工具变量，如表10的模型（1）（2）所示，采用债务杠杆的滞后一期（L.lev）和滞后两期（L2.lev）作为lev的工具变量，工具变量的一阶段F值为1909.81，表明工具变量与lev高度相关，不存在弱工具变量问题，过度识别检验的Hansen J统计量为0.017，满足工具变量的排他性假设，模型（2）的lev系数在1%的置信水平上显著为负。

本文进一步参考彭俞超等[30]和胡海峰等[23]的方法，采用剔除本公司样本的均值计算方法，分别选取上市公司所处行业的债务杠杆的均值iv_industry_lev和上市公司所处省份的债务杠杆均值iv_province_lev作为lev的工具变量，由于债务杠杆水平的相关性，处于相同地区或者相同行业的其他企业的债务杠杆水平可能会影响本企业的债务杠杆水平，但其他企业的债务杠杆水平不会对本企业的TFP产生影响。模型（3）（4）是采用iv_industry_lev作为工具变量的结果，F值为265.86，表明工具变量与lev高度相关，lev的系数在5%的置信水平上显著为负。同样地，模型（5）（6）是采用iv_province_lev作为工具变量的结果，lev与企业TFP之间的负相关系依然稳健。

（五）样本选择偏误

过高的债务杠杆的企业可能本来就有较低的TFP，因此，本文采用倾向匹配得分方法解决可能存在的样本选择偏误问题。首先，本文以债务杠杆的中位数为基准，将企业划分为高杠杆组和低杠杆组，将高杠杆组作为处理组，低杠杆组作为对照组。然后，将卡尺范围设定为0.5%，将基准回归的所有控制变量，包括省份/时间、行业/时间、省份/行业的固定效应作为协变量按照核匹配方法进行匹配。最后，本文按照匹配规则删掉了17个观测值，并按照基准回归的模型进行回归，结果如表 11所示，模型（1）～（3）是按照中位数划分的处理组和对照组的结果，lev、short_lev、long_lev的系数均在1%的水平上显著为负。模型（4）～（6）是按照三分位数分组的结果，即将债务杠杆最高的三分之一作为处理组，剩余的三分之二作为对照组，最终删除7个观测值，结果表明lev、short_lev、long_lev的系数仍然显著为负。考虑样本选择偏误以后，债务杠杆以及杠杆结构与企业生产效率的负相关系仍然稳健。

五、结论和启示

本文根据权衡理论分析了债务杠杆的成本效应，进一步结合资本和劳动的使用效率阐述了债务杠杆影响TFP的作用机制。通过实证检验发现：1.企业债务总杠杆、长期债务杠杆和短期债务杠杆三个核心变量都对企业未来TFP产生了显著负向影响，且短期债务杠杆比长期债务杠杆产生的影响更大，这可能是因为短期债务更大的偿本付息压力以及展期风险，从而导致对企业人力资本和研发投资的抑制效应更大。2.在企业债务杠杆对TFP的影响的传导机制中，存在企业的财务成本、资本利用效率和劳动使用效率三个中介机制。3.债务杠杆对企业未来TFP的影响根据企业特质而存在较大的异质性，债务杠杆对非国有企业、小规模企业和低融资约束企业的负向影响更小。

由此我们得出如下政策建议：1.基于债务杠杆和TFP的负相关系，表明应该坚定不移地贯彻落实去杠杆这一政策，但同时要避免一刀切，应更加关注企业的特征，實施更为合理的结构性去杠杆的政策措施。2.从企业杠杆期限结构对TFP影响来看，短期债务杠杆对TFP的负向影响更大，因此应该进一步加快资本市场建设，提高企业直接融资的比重。3.从传导机制上看，我国当前债务杠杆成本依旧较高，企业偿本付息压力较大，并由此扭曲了企业的资本配置效率。我们应该加快金融结构性改革，推进多层次资本市场建设，进一步降低企业融资成本，减少企业偿本付息的压力，为企业调整投资结构，更多地投资于研发资本和人力资本，提高资本使用效率创造良好的外部条件。4.在我国经济新常态和结构性转型升级的环境下，提高经济发展的质量和实现创新驱动的关键在于人力资本和研发资本的投入，这就需要引导和鼓励企业摒弃以固定资产投资实现增长的要素增长模式，加大对人力资本和研发资本的投入，提升资本和劳动使用效率，促进全要素生产率的持续改进，真正实现创新驱动的发展战略。

参考文献：

[1]Myers S C， Majluf N S. Corporate Financing and Investment Decisions When Firms Have Information that Investors Do Not Have[J]. Journal of Financial Economics， 1984， 13（2）： 187～221.

[2]Ayyagari M， Demirgü-Kunt A， Maksimovic V. Firm Innovation in Emerging Markets： The Role of Finance， Governance， and Competition[J]. Journal of Financial and Quantitative Analysis， 2011， 46（6）： 1545～1580.

[3]Butler A W， Cornaggia J. Does Access to External Finance Improve Productivity？ Evidence from a Natural Experiment[J]. Journal of Financial Economics， 2011， 99（1）： 184～203.

[4]Girma S， Vencappa D. Financing Sources and Firm Level Productivity Growth： Evidence from Indian Manufacturing[J]. Journal of Productivity Analysis， 2015， 44（3）： 283～292.

[5]Gomis R M， Khatiwada S. Debt and Productivity： Evidence from Firm-Level Data. Graduate Institute of International and Development Studies Working Paper.

[6]Levine O， Warusawitharana M. Finance and Productivity Growth： Firm-level Evidence[J]. Journal of Monetary Economics， 2019， （11）： 1～17.

[7]Kiyotaki N， Moore J. Credit Cycles[J]. Journal of Political Economy， 1997， 105（2）： 211～248.

[8]Coricelli F， Driffield N， Pal S， Roland I. When Does Leverage Hurt Productivity Growth？ A Firm-Level Analysis[J]. Journal of International Money and Finance， 2012， 31（6）： 1674～1694.

[9]罗来军，李军林，王雨剑，等.企业债务的经济效应检验[J].经济理论与经济管理，2016（8）：47～59.

[10]胡育蓉，齐结斌，楼东玮.企业杠杆率动态调整效应与“去杠杆”路径选择[J].经济评论，2019（2）：88～100.

[11]Zeitun R， Tian G. Capital Structure and Corporate Performance： Evidence From Jordan[J]. Australasian Accounting， Business and Finance Journal， 2007， 1（4）： 40～61.

[12]马如飞，王艳.杠杆、债务期限结构与企业投资——来自中国上市公司的证据[J].经济与管理研究，2012（8）：55～63.

[13]Converse N. Uncertainty， capital flows， and maturity mismatch[J]. Journal of International Money and Finance， 2018， 88： 260～275.

[14]苗妙，魏建，刘安.法治环境、金融深化与企业投资结构偏向[J].中国经济问题，2016（2）：29～39.

[15]刘晓光，刘元春.杠杆率、短债长用与企业表现[J].经济研究，2019，54（7）：127～141.

[16]Alfaro L， Asis G， Chari A， Panizza U. Corporate debt， firm size and financial fragility in emerging markets[J]. Journal of International Economics， 2019， 118： 1～19.

[17]张莉，朱光顺，李世刚，等.市场环境、重点产业政策与企业生产率差异[J].管理世界，2019，35（03）：114～126.

[18]Olley G S， Pakes A. The Dynamics of Productivity in the Telecommunications Equipment Industry[J]. Econometrica， 1996， 64（6）： 1263.

[19]Levinsohn J， Petrin A. Estimating Production Functions Using Inputs to Control for Unobservables[J]. Review of Economic Studies， 2003， 70（2）： 317～341.

[20]Wooldridge J M. On estimating firm-level production functions using proxy variables to control for unobservables[J]. Economics Letters， 2009， 104（3）： 112～114.

[21]Ackerberg D A， Caves K， Frazer G. Identification Properties of Recent Production Function Estimators[J]. Econometrica， 2015， 83（6）： 2411～2451.

[22]林毅夫，向為，余淼杰.区域型产业政策与企业生产率[J].经济学（季刊），2018，17（2）：781～800.

[23]胡海峰，窦斌，王爱萍.企业金融化与生产效率[J].世界经济，2020，43（1）：70～96.

[24]Demirgü-Kunt A， Martinez Peria M S， Tressel T. The global financial crisis and the capital structure of firms： Was the impact more severe among SMEs and non-listed firms？[J]. Journal of Corporate Finance， 2020， 60（2）： 101514.

[25]于新亮，上官熠文，于文广，等.养老保险缴费率、资本——技能互补与企业全要素生产率[J].中国工业经济，2019（12）：96～114.

[26]Abel A B. Optimal Debt and Profitability in the Trade-Off Theory[J]. The Journal of Finance， 2018， 73（1）： 95～143.

[27]Crouzet N. Aggregate Implications of Corporate Debt Choices[J]. The Review of Economic Studies， 2018， 85（3）： 1635～1682.

[28]温忠麟，叶宝娟.中介效应分析：方法和模型发展[J].心理科学进展，2014，22（5）：731～745.

[29]Hadlock C J， Pierce J R. New Evidence on Measuring Financial Constraints： Moving Beyond the KZ Index[J]. Review of Financial Studies， 2010， 23（5）：1909～1940.

[30]彭俞超，韩珣，李建军.经济政策不确定性与企业金融化[J].中国工业经济，2018（1）：137～155.

The Effect and Mechanism of Debt Leverage on Enterprise Total Factor Productivity

- An Analysis Based on the Mediation Effect Model

HU Hai-feng，SONG Xiao-xiao，ZHANG Chao

（Business School， Beijing Normal University， Beijing 100875， China）

Abstract：This paper takes the data of listed companies in China from 2000 to 2017 as a sample， and studies the relationship and mechanism between enterprise leverage and total factor productivity （TFP） by constructing a mediation effect model. The research shows that： （1） enterprise debt leverage has a significant negative impact on TFP in general， but short-term leverage is more harmful to TFP than long-term leverage; （2） enterprise debt leverage will adversely affect the future TFP by increasing financial costs， reducing capital efficiency and labor efficiency; （3） Large-scale enterprises， state-owned enterprises， and companies with high financing constraints are more affected by debt leverage.

Key words：corporate debt leverage;total factor productivity;financial cost;capital utilization efficiency;labor utilization efficiency

責任编辑：萧敏娜

收稿日期：2021-01-03

基金项目：国家社科基金重点项目“中国投资者异化行为与监管政策研究”（19AGL012）。

作者简介：胡海峰（1965—），男，北京人，北京师范大学教授、博士生导师，研究方向为公司金融、比较金融制度;宋肖肖（1994—），男，安徽蒙城人，北京师范大学博士研究生，研究方向为比较金融制度;张超（1992—），男，山东济南人，北京师范大学博士研究生，研究方向为公司金融。