产业政策优化调整能否缓解企业“脱实向虚”？——基于双重差分模型的分析

成群蕊，俞毛毛

(1.新疆财经大学 金融学院，新疆 乌鲁木齐 830012；2.对外经济贸易大学 国际经济贸易学院，北京 100029)

一、 引言

党的十九大报告中提出，“我国经济已由高速增长阶段转向高质量发展阶段”。产业政策作为政府调整产业与企业间的资源配置的一种手段，可以帮助调节资源配置并促进产业结构的转型升级[1]，同时更好地弥补市场在资源配置中存在的缺陷，促进经济高质量发展目标的实现。

近年来伴随着我国经济发展增速放缓，大量实体企业放弃经营主业，纷纷涉足理财产品投资、股票投资及房地产投资领域，实体投资率不断下降，企业更多利润来自于金融投资收益而非实体收益。非金融企业自身脱离主营生产经营活动进行金融资产配置，通过金融渠道获取利润的现象被称为“实体企业金融化”[2]，而由于企业金融化行为导致的资金脱离实体现象被称为实体企业“脱实向虚”。产业政策虽然一定程度上能够作为市场机制的补充手段，解决企业面临的融资难题，提升实体企业绩效水平，但不合时宜的产业扶持政策又会造成资金错配的加剧和资源定价机制的扭曲，在企业实体投资机会有限和利润率低下的情况下，会导致企业过度投资与政策套利行为，同时又会造成财政资金流入金融市场，加剧“脱实向虚”的趋势。

在此背景下分析产业政策调整与微观企业金融化行为之间的关系，对有效提升产业政策的实施效果、加快产业结构升级有着重要意义，同时对于如何通过政策有效制定，实现缓解企业“脱实向虚”的目标，可以提供重要的指引。2016年“十三五”规划的出台，是供给侧结构性改革发展方向提出后我国出台的首个五年规划文件，而此时我国上市公司“脱实向虚”趋势已有所加剧，2016年与2017年上市公司平均金融资产配置比例达到阶段性最高[3]。“十三五”规划以提高供给体系的质量和效率为目标，加快培养新动能，改造提升传统产业比较优势。同时“十三五”规划的制定更多注重提升传统产业比较优势、解决部分传统行业产能过剩问题，并通过提升市场有效供给，促进经济发展新动能。与同期其他产业政策相比，“十三五”规划更具有全局性、引领性特征，政策外生特征更为明显，通过供给侧结构性改革思路推进产业支持政策的优化调整，能够有效缓解不合时宜的产业支持对企业投资及绩效产生的影响。基于以上原因，本文选择“十三五”规划出台相伴的产业政策优化调整事件作为外生冲击政策，运用双重差分方法，分析产业政策优化调整对企业金融化行为的政策效应。

本文可能的边际贡献包括：首先，现有文献多关注产业政策出台对企业经营行为的直接影响，多从产业政策支持带来的融资约束缓解、信号传递效应以及资源配置效应等积极方面进行分析，虽然有文献关注产业政策对企业“脱实向虚”行为产生的抑制作用，但鲜有文献从产业政策存在的问题以及自身优化调整入手研究。同时，本文将“十三五”规划出台带来的鼓励类产业和重点支持产业调整作为外生冲击，运用双重差分方法，一定程度上缓解了现有文献分析中存在的样本选择偏误问题。其次，现有文献多从“蓄水池效应”和实体替代效应入手，分析企业金融资产配置行为动因，同时多从宏观政策带来的企业经营提升等方面入手进行分析。本文进一步拓展了企业金融化动因的外部政策影响因素，对于“产业政策之争”的解决以及产业政策如何更好地服务实体企业等，具有重要的政策及现实意义。

二、 文献综述

与本文主题相关的研究中，一组文献关注了产业政策对企业实体投资行为与实体绩效影响。积极效应方面，现有文献认为，产业政策具有以下两方面效应：首先，产业政策具有融资约束缓解和投资促进效应。陈冬华检验了产业政策与公司融资之间的关系，结果表明受产业政策支持的企业能够获得更多的股权资金支持，并且能够从银行获得更多的长期借款[4]。不论是在资本市场还是信贷市场，受产业政策支持的企业都更容易获得融资支持[5]。何熙琼等的研究也支持这一观点，发现受产业政策鼓励的企业能够获得较多的银行贷款，提高企业的信贷融资水平，从而促进企业的投资效率，并且市场竞争程度越大，其投资效率越高[6]。刘井建等发现受产业政策支持的企业比未受产业政策支持的企业的研发投资强度更高、研发投资增长更快，但受政策支持的企业之间研发投资差异较大[7]。同时，产业政策还会通过投资者信心增加以及信号传递效应等方式，促进企业研发投资和整体投资效率的提升。其次，产业政策具有资金配置结构的优化效应。金融机构能够根据产业政策支持方向进行资金投放，降低金融机构和企业之间的信息不对称状况，优化信贷资金配置效率[6]。唐荣和黄抒田认为，竞争性产业政策的出台能够改善资本错配和劳动错配，进而引导制造业产业链升级[8]。张文武等认为，鼓励类产业政策能够显著提升市场资源配置效率，同时具有明显的偏好性[9]。消极效应方面，现有文献主要关注了不合时宜产业政策对企业投资效率、管理层短视行为的影响。王爱俭等分析认为，不恰当的产业政策又会造成企业短视效应，导致短期资本更多涌入财政扶持行业之中，加剧市场短期投资热度，不利于投资效益的提升，同时也催生了企业急功近利的短期套利行为[10]。赵恢林等基于“十一五”规划的准自然实验发现，产业政策会通过降低企业实际税率和寻租行为扩大企业规模，但是并没有提升企业利润率[11]。黎文飞和巫岑认为，产业政策显著降低了企业的会计稳健性水平，诱发了非国有企业攫取超额薪酬的代理动机[12]。花贵如等以投资者情绪作为机制变量分析发现，鼓励支持类产业政策会带动投资者情绪上升，但会加剧企业过度投资状况[13]。

与本文研究主题相关的另一组文献关注了外部经济政策与企业金融资产配置行为之间的关联。从经济政策不确定性影响角度来看，“蓄水池动机”下，企业通过金融资产的持有作为抵御外部不确定性的方式，作为预防性储蓄的替代方式，以备不时之需。Gulen、Ion的研究表明，经济政策不确定性的提高会降低企业对实体经营活动的投入，减少企业用于创新活动和固定资产的资金配置[14]。从货币政策影响角度来看，孙华妤等认为，宽松的货币政策能够通过降低信贷期限错配进而抑制企业金融化行为[15]；张成思和郑宁认为，宽松的货币政策会降低企业金融资产配置比例，同时固定资产投资风险的增加会抵消上述积极作用[3]。从财政政策影响角度来看，李真和李茂林认为，减税降费政策能够通过缓解“投资替代”和“实体中介”效应，降低企业金融资产配置比例[16]；王少华等认为，财政透明度的提升会显著引发当地企业金融资产配置比例的降低，通过稳定业绩预期降低实体企业预防性金融资产配置比例[17]。

综上所述，相关文献关注了产业政策对实体企业运营产生的双刃效应，一方面产业政策能够作为市场补充手段，缓解企业自身融资约束，促进研发投资，并能够提升投资者信心，另一方面产业政策的过度支持又会导致代理特征下企业投资效率下降，并降低企业自身经营稳健性。同时，也有文献从外部政策视角分析了各类政策对企业金融化行为影响。从现有文献中能够看出，适度的产业政策支持有利于企业实体经营行为，而不适当的产业支持政策又会引起资金错配加剧，导致企业短期代理问题的发生。既然金融化能够由于外部政策的非适度支持而导致，同时产业政策的不合理支持又会导致企业短期投机行为的发生，那么从供给侧来看，产业政策的优化调整能否有效降低企业金融化行为，解决“脱实向虚”问题，值得进一步研究。

三、 研究假设

(一) 产业政策优化调整与企业金融化行为关联

产业政策的优化调整，可通过对实体企业精准支持程度的增加来抑制企业金融化行为的发生。陈冬华检验了产业政策与公司融资之间的关系，结果表明受产业政策支持的企业能够获得更多的股权融资，并且能够从银行获得更多的长期借款[4]。诸竹君等发现对战略性新兴产业的政策支持，增加了企业创新数量，有效提升企业创新活力[18]。产业政策的优化调整，能够进一步增强产业政策支持的精准性，同时降低不合时宜的产业支持政策，并引导社会资本投向更为必要的领域，并且优化整体资源配置效率，降低由于资源错配导致的金融化行为动机，引导企业合理投资与存量资金分配。

与此同时，“实体替代”理论则认为，实体利润率的下降会使利润追逐企业将更多的资源投入金融活动中，也就是说在金融收益率大于实体收益率时，企业更倾向于投资金融资产，从而挤出实体投资。实体经营活动收益率的不断下降以及金融资产收益率的上升，使得以利润为导向的企业往往进行更多的金融投资而不是实体投资[19]。若行业自身利润率下降与市场饱和特征并存，产业政策的过度扶持并不会对企业实体投资行为产生正面影响，反而会在市场发展空间有限的情况下，使得企业将过剩资金投入金融化产品之中，以获得更高的利润[5，20]。此时产业政策的优化，会降低资金错配问题的发生，提升产业政策扶持效果的精准性，使得产业政策扶持资金更多流入关乎国计民生的重点产业，以及具有较大发展潜力的初创期企业之中。根据上述分析，本文提出假设1。

H1：产业政策的优化调整，会抑制企业金融化行为。

(二) 产权性质的异质性分析

首先，从资源获取方面来看，政府对国有企业的隐性担保，使得国有企业更容易获得外部资金支持。相对于民营企业，国有企业与国家安全、国民经济相联系，需要承担社会稳定、就业、税收及抗震救灾等社会性责任，所以国有企业在经营过程中较少关注自身利润水平。因此在实体利润率下降时，国有企业为追求利润进行金融投资的意愿相对较弱[21]。其次，从行业壁垒角度来看，政府对于行业准入及项目审批等行政管制方面存在一定的准入管制条件，而民营企业依靠自身力量很难突破这种行业壁垒。这种行业壁垒的存在使得民营企业难以进入高利润行业，而民营企业往往会以追求利润最大化为目的。产业政策的优化升级，会对存在资金约束更为明显的民营企业产生更大的影响，一定程度上实现财政政策的精准性与聚焦性，同时给予初创期民营企业更大的资金支持，降低落后产业的支持力度，通过资金错配问题的解决，降低由于产业政策过度扶持导致的民营企业“脱实向虚”问题。根据上述分析，本文提出假设2。

H2：相对于国有企业，产业政策优化调整对民营企业金融化行为的抑制作用更为明显。

(三) 影响机制检验

1. 补贴套利动机的抑制效应

产业政策的支持，会为企业带来更为宽松的资金环境,使企业获得更多财政补贴的支持并带动民间资本的进入，而产业政策的不当支持会造成企业闲置资金的增加，同时又可能会导致企业对于财政补贴的寻租套利行为[22]。与此同时，在实体投资机会和利润有限的背景下，企业可能会将过剩资金挪至金融产品之中，从而降低投资效率。产业政策的优化调整，能够减少对行业利润率低下的产业政策扶持，加剧调出支持行业中企业的融资约束，降低企业自由现金流，通过资金约束机制更好地抑制企业金融化行为。同时，产业政策的调整又会抑制企业政策补贴套利的动机，提升财政资金的使用效率，对于调出产业中财政补贴占比较大的企业来说，政策效应更为明显。根据上述分析，本文提出假设3。

H3：产业政策的优化调整，能够通过补贴套利的抑制效应，降低企业金融化投资比例。

2. 生命周期影响机制

由于地方政府“保增长”与“促就业”的需求，一段时间内产业政策仍可能对一些落后产业和衰退期企业进行扶持，但此种产业自身面临较大发展瓶颈，企业利润率水平与市场空间持续下降，为维持自身利润率水平，企业得到财政扶持资金后，可能会将利用政策优势获得的财政支持资金投入金融产品之中，或者通过委托贷款等方式从事影子银行业务。产业政策的优化调整，能够实现财政资金的精准滴灌，减少不合时宜的支持，又会降低衰退期企业存在的过剩资金回流金融市场的可能性。同时，产业政策也会促进企业自身经营的转型升级，促进成熟期企业自身研发能力提升，延长企业生命周期[23]，进而通过企业自身经营状况的改善，抑制实体替代动机下企业金融化行为的发生。根据上述分析，本文提出假设4。

H4：产业政策优化调整，能够促进企业转型升级和生命周期延长，降低企业自身金融资产配置比例。

四、 研究设计

(一) 样本选择和数据来源

本文的样本期间为2012年至2020年，研究对象为A股上市公司样本，在此基础上，按照如下原则对初始样本进行筛选与处理：(1)剔除金融类行业与房地产行业的公司样本；(2)剔除样本期间被ST和*ST的公司样本；(3)剔除样本期内存在行业变更样本；(4)剔除2016年及之后新上市或注册样本；(5)剔除相关变量缺失的样本。之后，考虑到极端值的影响，本文采用Winsorize的方法对主要连续变量进行了1%的双边缩尾处理。本文中所涉及的财务数据来源于CSMAR数据库，产业政策数据来源于CNRDS数据库，利用国家“十二五”与“十三五”规划文件整理而成。

(二) 政策背景及有效性分析

2016年国家“十三五”规划的出台，继续将“调结构”作为规划制定的出发点。首先，供给侧结构性改革背景下，“十三五”规划中鼓励类产业政策的制定，充分考虑到传统产业面临的产能过剩问题，对于传统产业中利润下滑、杠杆率过高的部分行业剔除出支持行业列表，而“十二五”规划的制定充分考虑后金融危机背景下经济增速下滑的背景，仍鼓励上述行业发展。其次，“十三五”规划对产业政策进行优化组合，重点支持战略性新兴产业发展，使得战略性新兴产业增加值占GDP比重达到15%以上，并提出加快推动服务业优质高效发展，推动生产性服务业向高端延伸，提升生活性服务业品质，而对于传统公共服务行业以及传统文化行业支持力度有所减弱。本文运用“十三五”规划出台相伴的产业政策调整事件进行双重差分分析具有合理性，同时现有研究中同样运用过类似方法，例如郭飞、王贤彬等运用产业政策变更作为外生冲击事件[24-25]，故分析方法具有可行性与合理性。根据上述分析，本文得出“十三五”规划中调出鼓励类或者重点支持的行业包括：专业技术服务业，公共设施管理业，农副食品加工业，印刷和记录媒介复制业，广播、电视、电影和影视录音制作业，文化艺术业，新闻和出版业，电力、热力生产和供应业，研究和试验发展行业。

(三) 变量选择

1. 主要变量选择依据

(1) 金融资产配置比例。本文借鉴杜勇、彭俞超等的研究[26-27]，通过资产负债表之中不同期限金融资产年末存量占总资产比例，衡量企业金融化程度。同时，本文借鉴张成思和郑宁的分析方法[28]，对于2018—2020年样本运用新会计准则进行金融资产配置比例的核算，其中2018年运用新准则核算境内外同时上市的样本企业，对于单独A股上市样本延续旧准则金融资产的核算方法，而2019—2020年对于全部样本运用新准则进行核算。同时，本文借鉴顾雷雷等的分析方法[29]，进行长、短期金融资产的划分。

(2) 鼓励与重点支持行业界定。产业政策支持行业的识别方面，本文借鉴于连超等对于产业政策支持行业的识别方法[22]，对“十二五”规划和“十三五”规划文件进行文本分析，提取“发展”“支持”“鼓励”类词语作为产业政策支持判断依据，同时结合“产业结构调整指导目录(2016版)”对鼓励类和重点支持类行业进行界定，分析判断得出“十三五”规划中调出支持行业的范围。同时，本文将“十二五”期间，同时属于鼓励类与重点支持类行业的企业界定为本文DID分析样本。

(3) 控制变量界定。企业金融资产配置比例，同样受到企业自身规模、负债率状况、现金流状况等因素影响，同时与企业自身代理动机存在相关性。本文借鉴张成思、彭俞超等的研究[3，27]，进行控制变量的界定。

(4) 机制分析变量。本文分析主要包含两种机制：补贴套利机制的抑制作用和生命周期机制的延长作用。对于前者，本文借鉴于连超等的分析方法[22]，运用企业当年获得的财政补贴占销售收入比例作为企业补贴套利的机制变量；对于后者，本文借鉴参照Dickinson、黄宏斌等的分析方法[30-31]，通过企业现金流状况分析得出企业是否处于成长期、成熟期与衰退期，并以企业是否处于成长期作为中介变量，对产业政策优化调整如何影响金融资产配置行为进行分析。

2. 具体变量及定义

本文所使用的主要变量及定义如表1所示。

表1 文章主要变量及定义

(四) DID模型设计

本文选取2012—2020年A股上市公司面板数据作为研究样本，该时间区间涵盖上市公司金融资产配置比例上升周期。借鉴Gulen、Ion等的研究方法[14]，构建模型(1)以考察产业政策优化调整对企业金融化行为的影响。回归方程为：

finpro1i,t+1=α0+α1treati×postt+α2treati+∑jβjControlsjit+∑Year+∑Industry+εit

(1)

其中，下标i和t分别表示企业和会计年度，被解释变量金融资产投资比例(finpro1)表示i公司在t年的企业金融化指标，用金融资产之和与企业期末总资产之比乘100表示，同时将整体金融化资产占总资产比例替换为长期金融化资产比例(ltfinpro1)与短期金融化资产比例(stfinpro1)进行分析。Controls表示控制变量。

然后，本文借鉴孟庆玺等的分析方法[32]，以2016年“十三五”规划出台作为外生冲击事件，2016年及之后的样本post=1，2015年与之前样本post=0；同时，本文选择2012—2015年“十二五规划”中同时归属于鼓励发展产业及政策重点支持行业样本作为研究对象，若样本所在的证监会二级行业在2016年前后均受到产业政策的支持，则将样本归为对照组样本(treat=0)；若上述样本所在行业“十三五”规划之中变为非重点行业或者非支持行业，则定义行业中样本为处理组样本(treat=1)。之后本文通过DID双重差分方法，进一步分析产业政策变更对企业金融资产配置行为的影响。回归分析中同时控制证监会一级行业代码固定效应和年度固定效应。若回归系数α1显著小于0，则说明受到产业政策优化调整影响，“十三五”后不再属于鼓励类行业或重点支持行业的样本企业金融资产占比显著下降，即产业政策优化调整能够降低企业金融化比例。

五、 实证结果分析

(一) 描述性统计

本文保留“十二五”规划中同时属于鼓励类和重点支持类行业中企业样本作为分析对象。从表2可以看出，“十三五”政策出台后，受到产业政策变更影响样本占比14.1%。同时，企业金融资产占总资产比例均值为3.5%，其中长期占比为2.6%，短期占比为0.8%，说明不同个体之间的实体企业金融化程度存在差异。

表2 主要变量描述性统计

(二) 回归结果分析

1. 基准回归结果

表3提供了假设1的双重差分回归结果。首先，列(1)、列(2)中双重差分项回归系数分别为-0.008和-0.007，且均在5%的水平上显著，表明产业政策的优化调整能够显著降低企业金融资产配置比例。其次，通过长、短期金融资产划分后进行分组回归可得，列(3)中双重差分回归系数为-0.005，且在1%的水平上显著，列(4)中双重差分项回归系数为-0.002，但不显著，说明产业政策优化会显著降低短期金融资产配置比例，而对长期资产影响不明显。实证分析来看，短期金融资产具有一定的投机特征，产业政策的非合理支持会造成企业将更多的闲置资本配置到短期金融资产之中，作为资金管理与运营的手段。产业政策的优化能够降低对落后产业的支持力度，进而缓解企业由于产业政策不恰当支持而进行的金融资产配置行为。上述分析支持了假设1，即产业政策的优化调整能够显著降低企业金融化投资比例。

表3 基准回归结果

2. 政策时变效应检验

进一步地，为对2016年“十三五”规划出台后发生产业支持政策变更的样本是否存在政策时变特征进行分析，本文将金融化资产划分为短期与长期金融化资产，并加入处理组虚拟变量与不同年度虚拟变量乘积作为时变项(treat2012～treat2015及treat2017～treat2019)，进一步分析得出DID回归平行假设的成立性，以及政策是否存在时变效应，回归结果如表4所示。从回归结果能够看出：列(1)、列(2)中treat2017～treat2019回归系数均不显著，说明对于企业长期金融化投资比例来说，产业政策优化调整的政策效应并不明显；列(3)、列(4)中treat2017和treat2018系数显著为负，treat2012～treat2015系数不显著，一方面证明了DID分析平行假设条件成立，即2016年之前政策效应并不明显，处理组与对照组的金融化投资比例差异不随时间变化而变化，另一方面证明了2016年之后政策出台的边际效应逐年递增，同时上述作用仅对于企业短期金融化行为有效。上述分析进一步支持了假设1，即产业政策优化调整能显著降低调出行业中的企业金融资产配置比例。

表4 DID政策时变效应分析

3. 平行趋势的进一步检验

同时，本文加入政策时变效应的图示分析，通过对企业金融化投资行为的DID时变回归分析中的时变系数项系数进行置信区间提取和图形绘制，得出不同年度时变效应系数及置信区间(考虑篇幅，图略，留存备索)。从时变效应检验能够看出：2016年产业支持政策发生变更之前，处理组样本与对照组样本的金融化投资比例差异并不随年份推移而发生变化；2016年产业政策支持行业优化调整后，处理组样本金融化投资比例显著下降，说明产业政策的变更显著抑制了退出政策支持企业的金融化投资行为。

(三) 异质性检验

为了检验假设2，本文按照企业所有权性质进行分组检验。表5中列(1)显示，在民营企业中，双重差分项系数为-0.010，且在5%的水平上显著；列(2)显示在国有企业中双重差分项系数为-0.004，但不显著。实证分析来看，国企存在更多的政府关联，能够通过政府隐性担保等方式获得更多资金支持，产业政策变更对国企金融化行为影响相对较弱；而民营企业对于政策依赖更强，产业政策变更会显著降低民营企业的闲置资金，进而对企业金融资产配置行为产生抑制作用。上述分析支持了假设2，即产业政策优化调整对企业金融资产配置比例的抑制效应，民营企业更为显著。

表5 不同产权性质下产业政策对企业金融化的影响

(四) 稳健性检验

1. 安慰剂检验

图1 非参数置换安慰剂检验双重差分项核密度图

为确保DID分析中企业金融资产配置比例确实受到“十三五”规划中产业政策优化调整事件影响，排除其他因素对分析结论造成的影响，本文参照陆菁等的分析方法[33]，采用非参数置换测试的方法进行安慰剂检验，对处理组划分变量(treat1)与政策冲击时点变量(post1)进行500次随机指定，重新进行双重差分回归分析，并提取双重差分项系数(IP=treat1×post1)绘制核密度图，分析安慰剂检验中双重差分项系数是否显著异于0，并分析均值是否与DID主回归中双重差分项系数存在显著差异。从回归结果能够看出：首先，500次虚拟双重差分回归系数均值为0，同时回归系数的核密度图呈现出显著正态分布特征。其次，将主回归中双重差分项系数与安慰剂检验回归系数均值进行对比后发现，主回归双重差分项系数显著异于0。上述安慰剂检验进一步说明DID分析结论的稳健性，即产业政策优化调整会显著降低处理组样本企业的金融资产配置比例。

2. PSM+DID检验

由于产业政策支持行业的选择受到其他因素影响，本文分析过程可能存在一定的选择偏误问题，进而使得处理组与对照组样本特征变量存在一定的初始差异，对本文分析结果可能造成干扰。进一步地，本文采用企业规模、杠杆率水平、股票年度收益率指标、所有权性质以及成立年数作为匹配变量，采用近邻1∶2与1∶3两种方式进行匹配，之后再保留匹配成功样本以及匹配权数，进行PSM回归分析，结果如表6所示。从回归结果能够看出：不论采用1∶2还是1∶3的近邻匹配方式，通过PSM+DID回归分析，产业政策的优化调整均会显著降低短期企业金融资产配置比例。同时PSM过程有效缓解了处理组与对照组之间其他固有特征差异对回归结果可能造成的影响。上述分析证明了前文分析结论的稳健性。

表6 保留PSM匹配样本后DID分析结果

(五) 进一步分析——影响机制检验

首先，本文引入企业获得财政补贴占销售收入比重(subpro)，通过调节效应模型分析产业政策优化调整是否会有效解决财政补贴资金过度投放造成的金融化问题。其次，本文引入企业是否处于成长期虚拟变量(growsign)，先通过DID模型分析产业政策优化调整是否有助于企业成长性提升，再通过分组回归方法分析产业政策优化调整是否会通过企业产品更新换代和生命周期延长等方式，降低企业金融资产配置比例。回归结果如表7所示。从回归结果能够看出：首先，列(2)中，回归系数为0.251，且在10%水平上显著，说明产业政策的优化调整能够提升企业自身处于成长期的概率，延长企业自身生命周期。其次，通过企业是否处于成长期进行分组回归能够看出，在列(3)成长期样本中，回归系数为-0.016，且在5%水平上显著，说明产业政策优化调整能够降低样本企业的金融资产配置比例，而列(4)中对于仍处于成熟期与衰退期的样本来说，回归系数为-0.004，但不显著，说明产业政策优化调整的政策效应不明显。最后，列(1)中，对于财政补贴较大样本中，回归系数为-0.691，且在1%水平上显著，说明产业政策优化调整能够有效抑制企业政策套利行为，降低自由现金流，进而降低调出支持行业中企业的金融资产配置比例。上述结果支持了假设3与假设4，即产业政策优化调整能够通过政策套利的抑制效应以及生命周期延长效应两种方式，降低企业金融资产配置比例。

表7 财政补贴与企业生命周期机制分析

六、 结论性评述

本文基于“十三五”规划中出台相伴的产业政策优化调整这一外生冲击事件，运用双重差分DID方法，对于产业政策优化调整与企业金融资产配置行为之间的关联进行分析。研究结果显示：首先，产业政策的优化调整会显著降低调出支持行业中样本的金融资产配置比例，而上述效应对于短期金融资产配置比例的影响更为显著；异质性分析能够看出，对于民营企业来说，上述效应更为明显。其次，产业政策优化调整，能够通过企业政策套利行为的抑制机制和生命周期的延长作用，实现对企业金融化行为的抑制作用。最后，通过安慰剂非参数置换检验、PSM+DID检验分析可知，上述研究结论保持稳健。

基于上述研究结论，本文提出以下政策建议：首先，大力提升产业政策支持实体经济的效率，确保产业政策支持带来的增量资金真正流入实体领域之中，避免“大水漫灌”式支持政策造成闲置资金流入金融领域，加剧企业“脱实向虚”的发生。其次，推进产业政策的持续优化调整，避免产业政策对衰退期产业、产能过剩以及高污染、高耗能产业中企业的过度支持，积极通过产业政策的调整促进企业转型升级，促进企业生命周期的延长，进而降低企业“脱实向虚”发生的可能性，促进产业政策更好地支持实体企业发展。最后，政府应该优化产业政策的制定流程，强化政策的科学性和合理性，避免企业寻租套利和金融化行为造成的产业政策支持目标的偏差，加强政策的资金监管，提升资源配置效率，鼓励企业坚持主业发展，并积极引导企业将资源配置到实体投资活动，更好地促进实体经济发展。

未来研究主要从以下方面入手：第一，新冠肺炎全球肆虐的背景下，国内经济增速的放缓造成部分企业闲置资金的增加，同时企业未来不确定性预期下流动性资产的偏好提升，上述原因导致企业可能增加短期金融资产配置比例。后疫情背景下，如何通过产业政策的适度支持，提振市场信心，避免政策套利下金融化行为动机，是未来关注的焦点。第二，本文关注了产业政策的优化调整对企业金融化行为影响，而抑制性的产业政策同样会降低企业过度负债，并配合“去产能”政策的有效实施。二者对企业金融化行为的影响存在何种差异，值得进一步研究。第三，产业政策的优化调整，在降低企业金融资产配置比例的同时，是否能够更好实现财政资金“精准滴灌”的目标，提升企业长期经营效率，从社会福利视角同样值得进一步探讨。