工业行业上市公司产能利用率对投融资期限错配的影响研究

■罗栋梁，窦宝琦

一、引言

2020年我国工业增加值达到31.31万亿元，其中制造业连续11年位居世界第一。但是，我国工业仍不够“强”，产能利用率不高导致了工业企业经营困难、市场难以出清、金融风险累积等问题，制约了我国经济高速发展（郭朝先，2019）。因此，实现工业高质量发展，不仅需要提高企业产能利用率，还要求企业合理配置资产。若企业在资金短缺时采用“短贷长投”等投融资期限错配方法，虽然可以暂时满足企业资金需求，但会给企业带来较大风险。

工业企业需要较多资金投入，尤其是对于重资产、高负债、产能利用率低下的工业企业来说，投融资期限错配问题更为突出，会用短期资金去维持企业长期投资，使企业陷入不利境地。因此应特别重视工业企业投融资期限错配问题，并关注工业企业的产能利用率与企业投融资期限错配之间的关系。

现有文献对产能利用率和投融资期限错配进行了充足研究，但仍有待细化补充的地方：第一，学者们大多以产能过剩视角研究产能利用率对企业、行业和社会的影响，但很少关注其对企业内部资产配置结构的影响；第二，鲜有学者研究投融资期限错配的产能成因，不能全面把握投融资期限错配成因。因此，有必要考察产能利用率是否影响企业投融资期限错配。

本文的边际贡献在于：第一，研究发现了企业生产决策与财务决策之间的关系，提高企业的产能利用率能够减少企业投融资期限错配；第二，丰富了投融资期限错配成因研究内容。现有研究从宏观和微观层面对企业投融资期限错配成因进行了多角度探讨，但很少从生产角度开展研究。

二、理论分析与研究假设

（一）产能利用率对投融资期限错配的影响

产能利用率不足本质上是一种资源错配，在外部市场表现为供应与需求不匹配，在企业内部表现为投入与产出不匹配。产能利用率不足既可能是企业主动的选择，也可能是企业被动的选择。不管主动还是被动的产能利用率不足，都会对企业投融资期限错配产生影响。

主动的产能利用率不足会给企业带来一些“好处”，如降低单位成本、提高行业壁垒、防止其他潜在竞争者进入行业。但当企业主动选择不充分利用产能时，则需要在生产环节投入更多资金，也需要获得更多资金以弥补其他环节资金需求，导致企业很难再关注投资期限与融资期限是否匹配的问题。

当主动选择不充分利用产能的企业在行业中占有一定比例时，行业内其他企业也可能会盲目追求，从而形成产能利用率不足恶性循环。同时，产能过剩企业影响到了行业内其他企业正常的资金周转，生产资金无法回收，使其他企业陷入了资金供不应求的局面，出现投资与融资不匹配等问题。此时，金融机构出于降低自身风险的考虑，也不愿意为这些企业提供长期资金，企业不得不将短期资金投入长期投资中。

不管主动还是被动的产能利用率不足，产能利用率不足的形成和去除都需要一个日积月累的过程。而短贷长投作为一种激进的投融资期限错配模式，以期能以最小的融资成本获得最大的投资收益，对于盈利水平下降的产能过剩企业来说，确实可以解一时之急。因此，提出研究假设1。

H1：产能利用率下降会提高企业投融资期限错配水平。

（二）产能利用率影响企业投融资期限错配的机制分析

1.经营绩效的中介效应

产能利用率不足会给企业带来存货的增加、收入的降低，导致企业盈利水平下降（周劲和付保宗，2011）。而经营绩效的下滑又会导致企业投融资期限错配水平的升高，这是因为企业外部融资者会挑选资金使用者。企业外部融资提供者将企业未来收益作为重点考察因素，不会为资金回收没有保障的企业服务。产能利用率低下的企业经营绩效持续下滑，难以获得稳定的长期资金来源，只好将短期贷款投入长期投资中，出现投融资期限错配。因此，提出研究假设2。

H2：产能利用率越低，企业的经营绩效越低，进而导致企业投融资期限错配水平更高。

2.现金流的中介效应

产能利用率低会对企业的现金流水平产生影响。当产能利用率较低时，企业的收益下降，留存收益减少，从而减少了企业现金流。特别是在过剩产能不能及时化解时，经营状况持续恶化，企业创造现金流的能力有限（刘斌和张列柯，2018）。现金流不足意味着企业日常经营和投资资金不足，也不能及时偿还到期债务。现金流是企业内源性融资基础（付文林和赵永辉，2014），而高的外部融资要求企业必须有足够的内部资金。这意味着企业从内外部都很难获得符合自己需求数量和期限的资金，从而导致企业出现投融资期限错配问题。因此，企业在产能利用率低下的情况下会出现现金流下降，从而导致投融资期限错配水平的上升。因此，提出研究假设3。

H3：产能利用率越低，企业的现金流水平越低，进而导致企业投融资期限错配水平更高。

（三）产能利用率影响企业投融资期限错配的异质性分析

1.产权异质性

在出现产能利用率不足时，国有企业和非国有企业的后果却不同。国有企业资本收益率虽不如非国有企业，但它在国民经济中的特殊地位，决定了它能够获得的银行贷款和政府补助比非国有企业多。即使是产能严重过剩已经成为僵尸企业的国有企业，也可以通过政府补贴、税收优惠和银行贷款维持生存（申广军，2016）。因此，同样是产能利用率低下，国有企业面临各项压力要小于非国有企业，产能利用率对企业投融资期限错配的影响对国有企业来说并不显著，在非国有企业中则不然。因此，提出研究假设4。

H4：产能利用率对企业投融资期限错配的影响在非国有企业显著，而在国有企业不显著。

2.地区异质性

企业所处环境对企业的债务融资活动会产生重要影响。受诸多因素影响，东、中、西部地区企业在产能利用率和投融资选择上也存在不同。在产能利用率上，东部地区远高于其他地区，中、西部地区则较为接近。得益于东部地区较为完善的金融体制和更为充足的资金，东部地区企业融资渠道更多元化，股权融资和债券融资等更便捷化，在资金分配上会更为大胆激进，即使出现了产能利用率下滑，企业也会采取激进的投资策略，投融资期限错配水平会更高。而西部地区则恰恰相反。中部地区地理位置上靠近东部地区，很可能受到东部地区的影响。因此，提出研究假设5。

H5：产能利用率对企业投融资期限错配的影响在东中部地区显著，而在西部地区不显著。

三、研究设计

（一）数据选取与样本来源

选择我国工业行业A股上市公司作为研究样本，时间跨度为2012—2020年。剔除ST、*ST公司以及缺失值较多的公司，共得到12041个样本。同时，为避免异常值和极端值的影响，对样本进行了1%和99%分位数的Winsorize缩尾处理。数据主要来自Wind数据库、国泰安数据库和中国工业统计年鉴，使用的计量软件为DEAP2.1和STATA14.0。

（二）变量选取

1.产能利用率（CU）

使用三阶段DEA模型对产能利用率进行测度。在具体的测度过程中，选择固定资产净额和员工人数作为投入指标，营业总收入和净利润作为产出指标，将政府补助占营业收入比例、金融扶持力度和赫芬达尔—赫希曼指数作为环境变量。为去除CPI变化影响，以2010年为基期，使用固定资产投资价格指数对固定资产净额进行平减，使用工业品出厂价格指数分别对营业总收入和净利润进行平减。由于DEA模型要求投入指标个数与产出指标个数之和大于生产单元数量，因此剔除了行业中企业数量小于8的行业。考虑到产能利用率对投融资期限错配的影响可能存在滞后性，故将产能利用率数据提前一期，因此在实证分析过程中，仅使用2011—2019年的产能利用率结果。

2.投融资期限错配水平（SFLI）

投融资期限错配是资金的使用期限与债务期限不相匹配，可以分为“短贷长投”和“长贷短投”。其中“短贷长投”的危害性最大，将短期融资投入需要长期资金的项目中，极有可能导致企业现金链断裂，因此学者们在研究投融资期限错配时大多关注企业短贷长投问题。目前国内学者对投融资期限错配的衡量方法主要有两种：一是用单一比率衡量企业的债务期限结构（如孙铮等，2005）；二是通过构建模型，考察企业的债务与资产的匹配程度（钟凯等，2016；刘晓光和刘元春，2019）。本文参考钟凯等（2016）的做法，投融资期限错配水平用短贷长投进行测度。这种方法将企业的资金缺口量化，利用长期资金缺口去衡量企业的短贷长投水平。该指标越大，说明企业在长期投资中投入的短期资金越多。具体公式为：投融资期限错配水平=购建固定资产等投资活动现金支出-（长期借款本期增加额+本期权益增加额+经营活动现金净流量+出售固定资产现金流入）。

在控制变量方面，参考刘晓光和刘元春（2019）等，选择资产负债率（LEV）、托宾Q值（TOBIN′S Q）、Herfindahl5指数（H5）、上市年限（AGE）、机构持股比例（INVEST）、是否为风险融资体征（RISK）和市场竞争程度（HHI）作为控制变量。具体定义如表1所示。

表1 控制变量定义

（三）模型设定

1.产能利用率的测度模型

三阶段DEA模型分为三个阶段。第一阶段是传统DEA方法，且大多使用BCC模型。BCC模型是一种以规模报酬可变为假设，以投入为导向的DEA模型。BCC模型如下：

通过BCC模型计算得到的是综合技术效率（TE），可以表示为：综合技术效率（TE）=规模效率（SE）×纯技术效率（PTE）。

第二阶段通过构建随机前沿分析模型，以剔除环境因素和随机误差的影响。Fried et al.（2002）认为，企业会受到管理无效率、环境因素和统计噪声的影响，因此第二阶段是为了去除环境变量和随机误差的影响，避免各企业处于不同的外部环境之中。第二阶段的模型为：

第三阶段是将经第二阶段调整后的投入和产出指标再次投入BCC模型中进行运算，这个阶段得到的产能利用率去除了环境变量和随机误差项的干扰，较第一阶段更为准确。

2.投融资期限错配存在性的检验模型

如前所述，参考钟凯等（2016）的做法对投融资期限错配水平进行测度。但是，尚需对投融资期限错配存在性进行测度。通过构建“投资—短期贷款”敏感性模型来确定我国工业行业A股上市公司中是否存在投融资期限错配。具体模型为：

上式中，INV代表企业i在第t期现金流量表中的购建固定资产、无形资产和其他长期资产支付的现金，CFO代表经营活动产生的现金流量净额，SHORTTERMDEBT、LONGTERMDEBT分别为企业短期和长期信贷当期增量。以上三项均使用上一年度总资产对规模效应进行剔除。SIZE为资产规模，TOBIN′S Q为托宾Q值，LEV为资产负债率。同时，也对样本的行业和年度进行控制，减少回归结果中外部因素影响。

3.产能利用率对投融资期限错配影响的模型

为检验我国工业行业A股上市公司产能利用率对投融资限期错配水平的影响，构建如下回归模型：

在计算产能利用率时，投入、产出等指标都是以年为单位，而且是在年度结束后的第二年才能计算出该年度实际的产能利用率。因此在上述模型的构建中，将时间滞后一期，考察第t-1期的产能利用率对第t期投融资期限错配水平的影响。

（四）描述性统计分析

我国工业行业产能利用率的平均数为0.749，略超过标准产能利用率0.72，说明企业产能利用率还有待进一步提高。投融资期限错配水平的平均值为-0.099，中位数为-0.069，说明在我国工业行业上市公司中，投融资期限错配问题普遍存在。是否为风险融资体征的平均值为0.156，说明样本中有15.6%的企业的息税前利润不能够覆盖利息。资产负债率、托宾Q值、Herfindahl5指数、上市年限、机构持股比例的最大值和最小值也反映出了我国工业行业A股上市公司在资产、负债和股权结构等方面存在着较大的差异。市场竞争程度的最小值为0.015，最大值为0.396，中位数为0.080，说明工业中各行业的市场竞争程度存在较大差异。

表2 主要变量描述性统计

四、产能利用率分析与投融资期限错配存在性检验

（一）我国工业行业上市公司产能利用率分析

使用三阶段DEA模型得到了我国工业行业A股上市公司在2011—2019年的产能利用率。从第一阶段各行业产能利用率看，各行业的产能利用率都处于波动状态，产能利用率整体较低，在0.6附近波动，行业产能过剩情况较为明显。

在第二阶段回归结果中，各年度中各变量的回归系数各不相同。2011—2014年，政府补助与两个投入变量的回归系数均为正，说明此时增加政府补助会导致产出减少或投入浪费；在此后的2015—2019年度，政府补助与固定资产净额的回归系数依旧为负，但与员工人数的回归系数为负，说明增加政府补助有利于减少员工投入的冗余。

第三阶段的测度结果较第一阶段更为平稳。以纺织业为例，产能利用率的最大值为2015年的0.882，最小值为2019年的0.641，差距缩小很多，更符合实际情况。从第三阶段来看，我国工业行业的产能过剩情况并不严重，处于较为合理的状态。但这不代表着产能过剩并不存在，如电气机械及器材制造业，产能利用率还是处于低迷状态。另外，行业产能利用情况较好不意味着行业中的企业产能利用状况均良好。

另外，参考董敏杰等（2015）的做法，将72%作为产能利用率的标准，从而得到各年度企业总数和产能利用率在0.72以下的产能过剩企业数量（见表3）。从表中可以看到，仅2011年、2014年和2015年三年产能过剩企业所占比例低于40%，2016—2018年该比例甚至逼近50%。说明企业之间产能利用率有很大差异。

表3 产能过剩企业占比

（二）我国工业行业上市公司投融资期限错配存在性检验

用模型（6）检验了我国工业行业A股上市公司投融资期限错配的存在性，回归结果如表4所示。列（1）是对所有样本进行回归的结果，企业短期贷款本期增加额与长期投资之间的系数为0.165，在1%的水平上显著，表明在我国工业行业A股上市公司中，“投资—短期贷款”具有显著的正向敏感性。列（2）（3）分别对国有企业和非国有企业的“投资—短期贷款”敏感性进行测试，结果显示投融资期限错配问题在国有企业和非国有企业中均存在。

表4 投融资期限错配的存在性检验

五、实证分析

对主要变量进行了Person相关性分析，结果如表5所示。可以看到产能利用率与投融资期限错配水平的相关系数为-0.059，在1%的水平上显著，初步说明产能利用率和投融资期限错配水平之间存在着负相关关系。对主要变量间的多重共线性进行了检验，结果发现VIF值均小于10，说明模型中不存在多重共线性问题。

表5 相关性分析

（一）基本回归

用模型（7）检验产能利用率与投融资期限错配水平之间关系，回归结果如表6所示。在表6中列（1），CU的系数为-0.044，在1%水平上显著，说明产能利用率与投融资期限错配之间存在负向关系，即产能利用率越低，企业投融资期限错配水平越高，假设1得到验证。以72%作为产能利用率的标准，将全部样本分为两组，列（2）和列（3）分别为产能利用率高组和产能利用率低组的回归结果。在产能利用率高组，CU的回归系数为-0.054，在5%的水平上显著；在产能利用率低组中，CU的回归系数为-0.018，不显著。说明产能利用率与投融资期限错配水平之间的负向关系在产能利用率高组企业中更为显著。

表6 产能利用率对投融资期限错配水平影响的回归结果

（二）内生性检验

在检验产能利用率与投融资期限错配水平之间关系时，已将自变量产能利用率滞后一期，能够在一定程度上减少可能存在的内生性问题。在此基础上，选择工具变量法、一阶差分以进一步消除内生性的影响，以验证上文的实证结果。

1.工具变量法

使用上一年度行业产能利用率平均值（CU）作为工具变量，运用二阶段最小二乘法（2SLS），对产能利用率与投融资期限错配水平的关系进行检验。表7列（1）和列（2）分别是工具变量第一阶段和第二阶段的回归结果。CU的回归系数为0.999，CU的回归系数为-0.059，均在1%的水平上显著，回归系数符号也与表6的回归结果一致。即使用行业产能利用率平均值作为工具变量进行回归后，产能利用率与投融资期限错配水平之间的关系仍然成立，说明主要回归结果没有受到内生性的影响。同时，也对工具变量有效性进行了检验。在DWH检验中，Durbin和Wu-Hausman检验的p值为0.0762和0.0764，均小于0.1，说明自变量是内生的；弱工具变量检验中，回归R、调整R和偏R的值分别为0.4564、0.4560、0.4121，最小特征值统计量为8433.09，说明该工具变量不是弱工具变量，是有效的。

表7 内生性检验的结果

2.一阶差分

使用一阶差分来检验可能存在的内生性问题，检验结果如表7中列（3）所示。表中CU的系数为-0.054，在1%的水平上显著。该结果与表6的回归结果一致，即产能利用率的下降会导致企业投融资期限错配水平的上升，说明主要回归结果没有受到内生性的影响。

（三）稳健性检验

通过设置哑变量、替换解释变量、更换研究模型等方法进行稳健性检验，结果显示，实证结果稳健。

1.设置哑变量

参考钟凯等（2016）的做法，设置投融资期限错配水平的哑变量（DUM_SFLI）。如果SFLI＞0，则DUM_SFLI=1；反之，若SFLI≤0，则DUM_SFLI=0，并进行Logistic回归，结果如表8列（1）所示。可以看到，产能利用率与投融资期限错配水平的哑变量之间的系数为-0.397，在1%的水平上显著，证实了假设1的可靠性。

2.替换解释变量

为进一步验证产能利用率与投融资期限错配之间的关系，使用新的投融资期限错配水平变量（LS），重新对企业投融资期限错配水平进行测度，替换原有自变量SFLI进行回归。其中，LS=短期负债/负债合计-短期资产/资产总计。回归结果如表8列（2）所示。可以看到，产能利用率与投融资期限错配水平的替代变量LS之间仍保持负相关关系，系数为-0.072，在1%的水平上显著，证实了假设1的可靠性。

表8 稳健性检验回归结果

3.更换研究模型

使用固定效应模型替代OLS回归模型再次进行检验，结果如表8列（3）所示。回归结果显示，产能利用率与投融资期限错配水平的回归系数为-0.042，在1%的水平上显著，能够支持假设1的结论。

（四）中介效应分析①采用上述稳健性检验的方法进行了稳健性检验，结果显示结论依然成立。限于篇幅，结果留存备索。

为检验经营绩效（ROA）、现金流（CF）是否在产能利用率与投融资期限错配之间具有中介作用，参考温忠麟和叶宝娟（2014）构建了中介效应模型，以验证假设2、假设3。

1.经营绩效的中介效应

经营绩效的中介效应的检验结果如表9列（1）（2）所示。列（1）中CU的系数为0.019，在1%的水平上显著，说明产能利用率与经营绩效存在显著正相关关系。列（2）中，CU、ROA的系数为-0.026、-0.928，均在1%的水平上显著，说明经营绩效在产能利用率与投融资期限错配水平之间发挥着中介效应，产能利用率通过影响经营绩效，进一步影响了投融资期限错配水平，假设2得到验证。同时，使用Bootstrap抽样法进行中介效应检验。抽样1000次的检验结果显示，间接效应占总效应的比重约为51.60%，说明经营绩效发挥了中介作用。

表9 中介效应检验

2.现金流的中介效应

现金流的中介效应的检验结果如表9列（3）（4）所示。列（3）中CU的系数为0.007，在1%的水平上显著，说明产能利用率与现金流之间存在显著正相关关系，产能利用率越低，企业的现金流水平也越低。列（4）中，CU、CF的系数分别为-0.039、-0.560，均在1%的水平上显著，说明现金流在产能利用率与投融资期限错配水平之间发挥着中介效应，产能利用率通过对现金流产生影响，进一步影响了企业的投融资期限错配水平，假设3得到验证。同时，Bootstrap抽样的中介效应检验显示，抽样1000次的检验结果是间接效应占总效应的比重约为11.42%，说明现金流发挥了中介作用。

（五）异质性分析

1.产权异质性分析

根据企业产权性质，将样本分为国有企业和非国有企业两组，结果如表10列（1）（2）所示。列（1）为国有企业样本回归结果，CU的系数为-0.017，不显著，而列（2）非国有企业样本中，CU的系数为-0.057，在1%的水平上显著。通过比较两组显著性水平的不同可以发现，国有企业虽然也会出现投融资期限错配的问题，但不会因为产能利用率的下降而导致投融资期限错配水平的显著上升，非国有企业则不然。假设4得到验证。

表10 产权异质性和地区异质性

2.地区异质性分析

以我国工业行业A股上市公司注册地所在省份为依据，将样本划分为东部地区组、中部地区组和西部地区组，分别进行回归，结果如表10列（3）—（5）所示。从表中可以看到，在西部地区，产能利用率与投融资期限错配水平之间不存在显著关系，而在东部地区、中部地区存在显著关系，CU的系数分别为-0.040、-0.079，均在1%的水平上显著。假设5得到验证。由此可见，地理位置会对企业产能利用率与投融资期限错配水平之间的关系产生影响。

六、结论与建议

利用我国工业行业A股上市公司2012—2020年的数据，实证检验了企业产能利用率与投融资期限错配水平之间的关系及其传导机制。研究发现：（1）投融资期限错配问题确实在我国工业行业上市公司中存在；我国工业行业中各细分行业的产能利用率高低不一；产能利用率会对投融资期限错配水平产生影响，二者之间成负相关关系。（2）产能利用率越低，经营绩效也越低，进一步导致了投融资期限错配水平的上升；产能利用率的下降会导致企业现金流水平降低，进而导致企业投融资期限错配水平上升。（3）不同产权性质、不同地区的企业产能利用率与投融资期限错配水平的关系有着显著的区别。从产权性质看，国有企业产能利用率降低不会导致投融资期限错配水平上升，非国有企业则不然。从地区来看，东部、中部地区的企业会因产能利用率下降而导致投融资期限错配水平上升，西部地区则不然。

结合上述结论，提出如下建议：一是企业应重视产能利用率与投融资期限错配问题。企业必须认识到，产能利用不足和产能利用率下降不仅仅是一个生产上的问题，它还会给企业的经营发展带来负面影响。同时，投融资期限错配问题也不止是一个财务问题，很可能是生产领域问题的延伸。企业应合理评估自身生产状况，合理配置资金，在如实评估风险承受能力的基础上选择合适的投资方式。二是应建立合理的预警机制。一方面，对企业产能进行动态监测，及时监管产能过剩加剧倾向，引导企业重视研发，以技术创新缓解产能过剩。另一方面，发挥行业协会积极作用。各行业应根据自身特点，建立产能标准，适时向外界公布。若企业超过产能利用率警戒值，应及时告知企业，督促其采取有效措施进行整改。