企业持有现金如何影响劳动力需求？*——来自上市公司的经验证据

□陈建伟 王轶

内容提要 企业的流动性管理如何影响劳动力需求是一个关系到宏观流动性政策是否能够稳定就业形势的重要问题。本文通过构建一个包含流动性约束的工作搜寻模型，认为企业需要持有流动性资产应对经营不确定性和工作匹配冲击，这将会降低企业创造岗位和雇佣员工的数量。基于上市公司数据和工具变量识别策略的回归结果表明，企业持有现金比率显著降低了员工雇佣规模，表明企业基于经营和谨慎预防动机而持有一定比率的现金会抑制劳动力需求。异质性分析表明，低固定资产密集型、高劳动成本密集型企业和民营企业的抑制性效应相对较显著。进一步回归分析发现，企业的销售人员、技术人员等岗位都因现金持有策略而被相对缩减。宏观层面降低不确定性和提升劳动力市场匹配效率缓解企业流动性偏好的政策有助于促进更加充分就业。

一、引言

实现高质量充分就业是积极就业政策的重要目标。宏观上，保持流动性合理充裕是稳定总需求和促进充分就业的重要政策措施，其重要出发点在于流动性对缓解企业融资约束和增加劳动力需求的积极作用。然而在微观企业层面，持有流动资产是否有利于企业扩大雇佣规模还没有太多坚实的经验证据。尤其是当企业面临外部融资约束时，为了支付员工工资和应对各种不确定性必须要提高内部流动性资产持有量，甚至有企业雇主为了保持流动性而削减企业员工雇佣规模。由此一个亟待回答的重要问题是：企业持有流动资产的行为是否会限制企业的劳动力需求？其相关作用机制是怎样的？回答这些问题，有助于我国政府更好地认识微观企业就业岗位创造过程及其影响因素，为畅通货币政策稳就业传导渠道提供政策参考。

本文通过上市公司面板数据检验企业持有现金资产对企业员工规模变化的因果效应，对上述问题进行了探索。企业持有的现金资产，是指一种流动性强、能快速变现的包括银行存款在内的资产。全球范围内，企业持有现金是一种普遍现象。2008 年美国金融危机爆发后，研究者们观察到企业积累的现金规模上升而同期员工人数却呈下降趋势（Bacchetta et al.，2019）。经验观察到的企业现金持有与企业用工规模之间的负相关关系是否代表着一种因果关系，还有待实证研究来检验。由于企业雇佣和现金持有水平通常是企业应对外部市场环境变化而做出的决策结果，究竟是因为企业持有更高比例的现金而导致更低的就业规模，还是因为企业规模小而需要保持更高的现金持有率，是一个经验上亟待识别的难点。

为了解决识别问题，本文寻求一种在经验上可行的工具变量策略，以隔离企业层面的特有冲击对估计效应的干扰。具体而言，本文借助了相对外生的全国层面时间序列冲击，与企业特有的冲击响应因子构成一类交互项的工具变量。与现有文献相比，本文可能的边际贡献主要体现在如下几个方面：

首先，本文为更好地理解流动性如何影响劳动力需求提供了上市公司层面的经验证据。近年来一些文献关注了流动性收缩和融资约束对就业的冲击，其中重要的机制是企业因损失外部融资和信贷渠道，而不得不采取措施压缩劳动雇佣规模和劳动成本。例如，有研究表明融资约束显著地抑制了企业雇佣需求（张三峰和张伟，2016）；余明桂和王空（2022）的研究进一步表明，地方政府债务融资的挤出效应加剧了企业融资约束，从而抑制了企业雇佣劳动力规模。类似地，Mehrotra &Sergeyev（2020）的研究发现信贷渠道解释了美国大衰退期间18%的就业下降，主要是信贷紧缩降低了企业的岗位创造。此外，Dong（2022）的研究证实了金融危机期间的信贷紧缩是贝弗里奇曲线向外移动和劳动力市场匹配恶化的关键驱动力。企业外部信贷融资市场收缩可能会提升企业流动资产的需求。本文的研究从上市公司角度提供了新的证据。

其次，本文为更好理解企业现金持有行为的经济后果提供了基于就业角度的经验证据。自2008 年全球金融危机爆发以来，发达国家企业现金持有水平显著上升的现象吸引了大量研究者关注。Almeida et al.（2014）、Da Cruz et al.（2019）等文献对持有现金的广泛动机、影响因素和持有方法，以及持有现金的经济价值及其后果等一系列相关研究做出了很好的总结。然而从现有文献进展来看，研究企业现金持有行为对劳动力雇佣需求的研究还很少。与本文相近的一篇文献是Bacchetta et al.（2019），作者基于异质性企业的DSGE 模型模拟解释了观察到的企业现金持有率与就业之间的负相关关系。本文在发现上述关系的同时，还基于一个包含流动性约束的工作搜寻模型构建现金持有与企业雇佣之间的负向关系，而且本文使用企业层面的数据提供了企业持有现金比率对就业的因果效应估计。本研究为摩擦市场理论观点提供了经验证据，金融市场和劳动力市场摩擦的相互作用，可能是理解企业流动资产持有行为对雇佣规模负效应的基石。

最后，本文还为更好地克服企业现金持有的内生性提供了基于工具变量策略的可行思路。工具变量策略是解决公司财务类变量内生性的常用办法，而常见的行业均值或内生变量的滞后项不太可能是充分可靠的工具变量（Larcker &Rusticus，2010）。因此，有必要寻找一种可以隔离企业层面未观测到的生产率等因素冲击的工具变量。本文尝试的一种方法是，利用企业外部融资所面临的货币政策不确定性指标作为外部资金供给冲击。货币政策是影响企业外部资金供给的关键因素，因此货币政策不确定性将会对企业筹资现金流产生冲击，这是保证工具变量两阶段策略的第一阶段线性相关的基础。而且实证研究已经证明了货币政策通过信贷利差和金融摩擦等渠道对企业行为的影响（Husted et al.，2020）。依据这一思路，本文利用货币政策不确定性的时间序列变化构造了一个企业持有现金比率的工具变量。

本文剩余部分结构安排如下：第二部分构建了一个含流动性约束的工作搜寻模型，讨论了均衡状态下企业流动资产持有量与雇佣规模之间的关系；第三部分报告了本文的工具变量识别策略和数据来源；第四部分报告了现金持有率对企业员工总数的基准回归与工具变量回归结果，并通过工具变量证伪性检验表明了工具变量策略的合理性；第五部分是效应异质性和可能的机制分析；最后是本文的结论与政策建议。

二、企业流动性资产持有与雇佣规模：基于工作搜寻模型

本文的理论推断是，在不完美的劳动力市场和外部融资约束环境下，企业必须要维持一定的流动资产以应对经营不确定性和员工离职等风险冲击。均衡条件下企业持有的流动资产与雇佣规模呈负相关。为了更好地说明这一点，本部分将参照Boeri et al.（2018）等研究的做法，将企业流动性约束引入标准的工作搜寻模型，并讨论劳动力市场匹配效率如何影响均衡的变量关系。

假定经济中有大量风险中性的企业与工人，企业可以雇佣多名工人，而工人不参与在职搜寻。由于劳动力市场存在搜寻摩擦，代表性企业需要首先设置岗位空缺，然后以一个相对外生的匹配率在劳动力市场匹配到工人。不失一般性，假定劳动力市场搜寻岗位的工人数为，空缺的岗位数为。单位时间内搜寻工人与岗位空缺的匹配速率由一次齐次函数表示，符合Inada 条件。令代表劳动力市场的景气度，θ 越大表明劳动力市场的岗位空缺相对越多，这对求职者相对更有利。定义企业岗位空缺的匹配率为，工人面临的匹配率为，其中q’（θ）<0。

（一）企业创造岗位空缺与搜寻工人

企业进入后获得的生产率外生给定为a，雇佣工人数量为n，产出为y（n；a），向工人支付的工资为w（n；a）。参照Acemoglu &Hawkins（2014）模型设定，假定企业计划增加数量为v 的岗位空缺，面临的值函数J（n；a）表达如下：

其中，r 代表单位时间折现率。单位时间内企业雇佣关系受到两类因素的冲击，分别为企业经营面临的退出率δ 和在职员工离职率s，为分析简便假定两类因素都是外生给定。企业退出意味着所有员工失业，而员工离职意味着企业将失去员工为企业创造的价值。Jn（n；a）代表增加一名员工为企业带来的边际价值，这里假定新招聘员工与在职员工具有相同的劳动生产率。c（v）代表企业要招聘员工所付出的总成本，v 代表需要招聘的岗位空缺数。q（θ）为企业面临的岗位匹配率，取决于劳动力市场景气程度θ。当劳动力市场呈现出岗位空缺相对更多而搜寻工人相对更少的景气局面，企业岗位空缺的匹配速率下降。

为了节约搜寻成本，假定企业设定的最优岗位空缺数取决于如下优化问题：

（二）工人搜寻岗位空缺与匹配

代表性工人在劳动力市场寻找就业机会，其搜寻状态下的价值一方面取决于失业收益，另一方面来源于匹配就业后形成的价值增量。假定代表性求职工人的值函数可以表示为：

其中，z 代表求职者失业状态下的收益（如失业保险金等非就业性收入来源），θq（θ）为求职者面临的劳动力市场匹配率。W（n；a）代表工人在一个员工规模为n、生产率为a 的企业就业状态下的价值，表述为：

联立式（3）和（4）可以得到：

由式（5）可知，工人就业获得的福利增加W（n；a）-U 与工资w（n；a）正相关，但是与工人面临的各类失业风险δ+s 负相关。

（三）工资决定机制

工人工资w（n；a）取决于企业与代表性员工的讨价还价，一旦工资设定机制确定则所有员工获得相同的工资。参照工作搜寻理论模型中对工资设定的通用假定，员工和雇主以固定比例共享就业匹配剩余。就业匹配的总剩余来自两部分，其一是企业获得的就业剩余Jn（n；a）；其二是工人从失业转向就业状态获得的福利增量W（n；a）-U，其中W（n；a）、U 分别代表工人在就业状态下的值函数。工人分享的份额为β∈（0，1），则有：

联合式（5）和式（6）可得员工的工资确定机制：

根据式（7）右侧可知，员工工资由两部分组成：一是员工在企业的边际价值Jn（n；a），二是员工的就业机会成本z。

（四）企业持有流动资产与均衡的就业规模

如果外部融资市场是完美的，企业可以通过经营价值J（n；a）来为支出融资。但是外部融资是存在摩擦的，为了防止出现意外、按时支付工资与招聘费用、防止外部信贷额度收紧，企业必须要储备一定的现金等流动性资产。假定企业经营活动产生的自有流动性资产为M（n；a），定义企业最低自有流动性储备为，用来抽象地代表企业因预防性储蓄动机所需要持有的最低现金额度，越高意味着企业为维护稳定运营所需要储备的流动性资产越多。例如，当Mˉ为负意味着企业可以净负现金流经营。依定义有如下约束：

接下来将讨论企业均衡雇佣水平n*和岗位空缺v*的决定机制与过程。

为了方便计算解析解，假定企业的产出函数为y（n；a）=an，企业岗位空缺的设置和匹配成本为c（v）=v2/2。对式（2）求最优化的一阶条件，得到最优的岗位空缺设置为：

一旦企业达到均衡的雇佣规模n*，企业没有激励增加或减少雇佣员工数量。因此，企业创造岗位搜寻工人的唯一目的是弥补员工离职产生的职位空缺。在这种均衡状态下，单位时间内企业因员工离职造成的就业减量，等于新匹配的就业增量，即均衡状态下如下条件成立：

考虑到过多持有流动资产会增加企业的额外负担，甚至会导致一些低生产率企业退出市场，因此均衡条件下企业持有的流动资产是各种条件综合作用下的最低水平，即式（8）取等号。联合式（7）、式（9）与（10）代入等式（8），得到如下方程：

命题：保持其他条件相同，若企业需要储备的最低额度现金水平提高，将会导致企业缩减员工雇佣规模n*以及降低相应的岗位创造规模。

命题的经济直觉在于，在其他条件不变的情况下，受不利形势冲击的企业为了维持必要的现金储备将缩小岗位创造和员工雇佣以节约短期现金开支，而企业进一步扩大雇佣规模将消耗企业的现金储备。劳动力市场存在着搜寻摩擦，雇佣工人所占用的现金支出分为两部分：一是为雇佣工人而创造岗位空缺和投入招聘费用；二是匹配成功后每期生产所支付的工资报酬。某种意义上，一些本可以由现金转换为新岗位空缺和生产机会而产生的收益，构成了企业持有现金的机会成本。给定劳动力市场的匹配效率，企业雇佣更多员工意味着需要付出更多岗位空缺成本和招聘成本以维持企业内部就业均衡。因为企业雇佣工人和生产运营需要占用强流动性的现金，但是外部融资约束等非预期冲击促使企业控制雇佣劳动支出以节约现金支出需求，所以企业劳动力需求与企业现金及其等价物储备规模负相关。

值得补充的是，本文模型没有直接说明企业持有的最低现金资产水平是如何决定的，而这相对于劳动力搜寻匹配过程而言是外生的。事实上，持有现金是企业确保合理流动性的最惯用方式。在Da Cruz et al.（2019）所总结的文献中，已有研究关注了企业过度持有现金的谨慎动机、交易成本动机、投机动机等，而企业的委托代理冲突、产品市场竞争、融资约束和信贷供给冲击等也是重要的影响因素。就动机而言，本文所描述的场景更接近于预防性储蓄使得企业需要从经营收入中保留部分现金以备未来经营之需。

三、研究设计与数据说明

（一）识别策略

前文理论部分说明了企业现金持有规模与企业员工雇佣规模负相关。为了检验从企业现金持有到员工雇佣规模的因果关系，本部分首先参照Bacchetta et al.（2019）设定如下基准面板数据模型：

其中，i、t 分别代表企业个体和年份；lnEmpit为取自然对数形式的企业员工总数；CasRit代表企业持有的现金比率；Zit为一组企业层面的控制变量；c 是常数项。β、γ 是待估参数；θi代表未观测的企业个体效应，δt代表不随个体变化的时间效应；∊it为误差项。

β 是本文核心参数，代表了企业持有现金比率对就业规模的因果效应。如果企业现金持有比率与企业劳动力需求因素无关，那么固定效应回归得到的估计系数可以解释为因果效应。但是这一假设过于理想化，早期研究表明规模较小和风险较高的企业持有较大比例的现金（Opler et al.，1999），这意味着企业持有现金比率水平可能是就业规模小的结果。此外，企业的决策权配置也会影响现金持有（刘嫦和赵锐，2021）。同时仍然可能存在着一些未被控制变量组Zit捕捉的因素，同时影响着企业对流动性和劳动力的需求。因此，要识别企业现金持有率对企业就业规模的因果效应，必须要克服逆向因果关系和遗漏变量等因素造成的偏差。

本文选择使用工具变量策略来隔离企业层面影响效应估计的内生性因素。工具变量wit的设计参照Nunn &Qian（2014）的思想，采取外生冲击与内生暴露交乘的形式，具体构造方法为：wit=St。其中，St代表一类影响企业流动性需求但又独立于劳动力需求的因素（外生），代表着企业特有的冲击响应因子（内生）。其中，本文选择使用Huang &Luk（2020）计算的中国货币政策不确定性指数作为时间序列冲击St，具体是将原数据中按月计算的指数取均值得到年度指数时间序列。具体的计算方法为：假定代表性企业i 在年份t的经营性现金流净值为正、投资性和融资现金流净值为负，则设定Dit=1，=∑Dit/T。在企业现金流量表中，现金流来源分别是经营性现金流、投资性现金流和筹资现金流，而现金流是净流入还是净流出对企业调整流动资产持有决策很重要。如果企业经营性净现金流为正而其余两类为负，表明企业经营情况尚属正常而且对外投资和偿还筹资正常，既不是处于高速增长也不是处于经营困难阶段。因此，代表样本观测期内企业正常稳定运营的平均倾向。

工具变量的有效性依赖于一组假设，其中相关性假设和排除性限制假设最关键也最受关注。相关性假设是指，工具变量与内生解释变量相关。从文献来看，工具变量与内生变量的相关性条件能够满足。例如，祝继高和陆正飞（2009）的研究表明货币政策收紧可能会提高企业现金持有水平，而余靖雯等（2019）的研究也表明政策不确定性也会影响企业现金持有率。相关性假设可以通过统计工具来加以检验，例如在工具变量两阶段回归中检验第一阶段回归系数显著性和整体线性关系，后文将会报告相关性假设的检验统计量。

工具变量有效性的排除性限制假设是指，限制或排除了工具变量对结果变量的直接影响或通过其他因素对结果产生影响，亦即工具变量唯一地通过内生变量对结果变量产生影响（Imbens，2014）。这一假设无法直接利用统计量来检验，只能通过对工具变量、内生解释变量与结果变量之间实质性关系的知识来论证排除性限制的合理性。具体到本文背景下，如果要证伪排除性假设的有效性，那么就需要找到货币政策不确定性通过其他非现金储备渠道影响企业劳动力需求的证据。

从文献进展来看，货币政策不确定性引起的“实物期权”效应和融资约束效应，可能是威胁本文工具变量有效性的重要渠道。不确定性影响实体经济活动有三个潜在传导渠道，其一是“实物期权”效应（real-option effect），即不确定性引起企业暂停投资和雇佣工人（Bloom，2009），这是观望态度导致的投资推迟。其二是预防储蓄效应，如果企业在不确定性环境中经营并且进入资本市场获得借贷的机会有限，那么企业会发现持有更多的现金作为缓冲是有益的。因此，再融资风险是决定现金持有量的关键因素（Harford et al.，2014）。反过来，更好地进入债务市场可以减轻不确定性对公司现金储备政策的影响（Favara et al.，2021）。其三是金融市场摩擦带来的融资成本效应，即不确定性通过影响信贷利差进而影响企业投资行为（Gilchrist et al.，2014）。综合来看，“实物期权”效应和融资成本效应意味着货币政策不确定性可以直接引发企业做出暂停投资和雇佣的决策，而预防储蓄效应最终仍然会反映为企业的现金流变化。本文通过伪造性测试的方法，来检验“实物期权” 效应或其他可能存在的非现金持有因素是否传导了工具变量对结果变量的影响。具体通过以下两种办法来实现：

第一，使用财政政策不确定性指数重新构造工具变量回归，检验“实物期权”效应的存在性。如果“实物期权”效应直接传导了货币政策不确定性对企业投资和雇佣行为的影响，那么可以预期财政政策不确定性同样应该存在“实物期权”效应，使用财政政策不确定构造的工具变量应该得到相似显著性的回归结果。因为财政政策与货币政策通常具有较强的相关性，研究也发现地方政府隐性债务扩张会导致金融风险水平上升（尹李峰和姚驰，2022），所以财政政策不确定性与货币政策不确定性在引起“实物期权”效应方面可能存在着高度相似性。如果财政政策不确定性工具变量的回归结果与货币政策不确定性工具变量不同，那么很难认为“实物期权”效应破坏了工具变量排除性限制的假设基础。

第二，使用融资约束指标重新构造内生解释变量回归，检验融资约束效应。如果借助货币政策不确定性构造的工具变量，不是排除性地通过企业现金持有渠道作用于企业雇佣，那可以预期融资约束也可能是重要的作用渠道。原因在于，货币政策主要通过调节社会信贷供给来影响总需求，而信贷额度是企业补充流动资金的重要渠道，因此货币政策不确定性非常有可能造成企业额外的融资约束。有研究证实，企业融资约束（感知到的融资难度）对企业雇佣需求有显著负向影响（张三峰和张伟，2016）。有鉴于此，本文将核心解释变量替换为企业融资约束指标进行工具变量两阶段回归，以考察回归结果与基准结果是否相似。融资约束指标的计算参照Hadlock &Pierce（2010）的做法，利用企业资产规模和上市年龄构建。

（二）变量设定与数据说明

本文所用的企业数据来自上市公司财务报表数据，考虑到上市公司数据中企业员工人数信息在2011 年之前缺失较多，本文实际使用的年份跨度是2011—2020 年。所使用的企业样本为工业企业样本。

核心解释变量：现金比率（CasR），以企业期初现金及现金等价物余额与总资产的比值表示。具有较高流动性的资产应该是一类具有较高安全边际和较强变现能力的资产，结合数据可得性本文选择使用企业现金及现金等价物作为企业持有现金的代理指标。由于不同企业的生产经营规模和绩效存在较大差异，直接使用现金等价物水平值可能存在误导，因此参照Bacchetta et al.（2019）的做法除以企业总资产作为测度现金的相对指标。与此同时，考虑到企业流动资产用于偿还流动债务的需求，本文也使用企业期初现金及现金等价物余额与流动负债的比值作为备选的解释变量。

被解释变量：员工总数（lnEmp），以企业员工总数取自然对数表示。为了增强基准回归的说服力，本文也计算了企业员工增长率、按总资产规模平均的员工相对数作为备选被解释变量。如果现金比率与核心被解释变量之间的关系是稳健的，那么可以预期对备选因变量的回归结果也会大致保持稳定。为了进一步考察企业现金持有率对不同类型岗位需求的影响，本文根据数据特点设置了分类员工变量。分别是：销售人员（lnEmpSale）、生产人员（lnEmpProd）、技术人员（lnEmpTech）、行政人员（lnEmpAdmn），分别以企业的销售人员、生产人员、技术人员和行政人员人数取自然对数表示；本科学历（lnEmpBA），以企业本科学历员工人数取自然对数表示。

控制变量：流动负债率（CurLiaR），以企业流动负债占总负债的比率表示，控制企业为支付员工工资而持有现金的影响；总营收（lnRev），以企业营业总收入取对数表示，控制企业因经营收入变化而产生的现金流变化及其对员工雇佣规模的影响；总资产（lnAT），控制企业资产规模而产生的流动性管理需求的影响；杠杆率（LeveR），以企业总负债与负债及股东权益总计的比值表示，控制企业杠杆率变化对持有现金和劳动力成本管理的影响。

变量描述性统计报告见表1。

表1 变量描述性统计

四、回归结果分析

（一）基准回归结果

首先对基准模型（13）进行双向固定效应回归，将基准结果报告在表2 中。为了有利于对比控制变量的引入在多大程度上影响了核心自变量对因变量的回归系数，回归时分不引入控制变量和引入控制变量的模型，标准误聚合到企业个体层面。

从表2 中报告的第（1）列和第(2）列基准结果来看，企业现金持有率与企业员工数的关系显著为负。将第(2）列的系数估计结果作为基准，可以看出在控制其他企业特有变量和双向固定效应基础上主要解释变量系数仍表现出统计显著性。加入控制变量的估计值相对未加控制变量的估计值有一定程度的变化，反映出控制变量确实对企业现金比率和劳动力需求产生了影响。表2 中报告的对员工增长率和员工相对数的回归结果，依然保持了负向关系，进一步表明固定效应估计的方向可能是稳定的。考虑到企业可以通过削减员工数量以机械地节约现金流的事实，本文核心解释变量包含了现金的实物期权价值，一定程度上反映了未来的经营对劳动力需求的可能调整方向。因此，基准回归结果是否在控制内生性问题后还能保持稳健，需要进一步多方诊断和测试。

表2 企业现金比率对劳动雇佣规模的OLS 回归

（二）工具变量回归与稳健性检验

本部分报告工具变量回归结果，包括工具变量简约式回归(IV-reduced）和两阶段回归(IV-2SLS）。为了解决有关模型设定、样本选择和变量设定等问题，本部分也设计了一些稳健性检验模型。检验结果报告在表3 中，其中每一个系数估计结果都代表一次独立的回归，IV 两阶段回归结果还报告了标准化系数以分析回归结果的经济显著性。具体分析如下：

1.引入行业趋势项。一些行业层面的异质性特征可能会引起企业现金持有偏好的变化，因此有必要在回归中控制未观测的行业趋势。根据数据可得性选择以两位数行业大类（2011 年国标行业分类）表征不同行业，引入行业-时间趋势项再回归，得到的结果报告在表3 中的第(1）列。结果表明，企业层面劳动力需求与现金持有率之间存在负向关系。

2.使用平衡样本。由于最新上市公司样本在未上市年份的财务报表信息不可得，基准回归样本是一份不平衡的面板数据，因此使用样本时间段内都被观测到的企业平衡样本回归来检验样本不平衡性在多大程度上干扰了基准结果。平衡样本回归结果报告在表3 中的第(2）列，无论是简约式还是两阶段回归结果，都与第(1）列结果非常接近。需要补充的是，平衡样本回归得到的两阶段系数绝对值稍大，这可能意味着早上市企业相对于晚上市企业在现金比率影响效应方面的一些细小差异。基于此可以大致推测，样本不平衡不至于破坏观测到的企业现金比率对企业员工规模的负向关系。

3.使用制造业样本。制造业企业与非制造业企业在外部资金需求和经营模式方面存在的系统性差异可能导致估计结果失真。有鉴于此，根据企业行业分类信息选出制造业样本进行再回归，结果报告在表3 的第(3）列。制造业样本的回归系数仍然稳健为负，表明制造业企业仍然存在着现金持有比率对企业雇佣员工规模的抑制效应。不同的是，制造业样本估计得到的系数绝对值相对列(1）有所下降，这可能意味着制造业企业员工雇佣规模对企业现金持有率的响应弹性稍低。

4.被解释变量缩尾。大样本数据很难避免异常值问题，一些测量误差也可能会干扰基准效应估计。考虑到偏离均值较大的观测都有可能属于异常值，本文对被解释变量两端各缩尾2.5%进行回归，结果报告在表3 中的第(4）列。工具变量的回归结果显示，企业现金比率对被解释变量的回归系数仍然显著为负，且标准化系数也非常接近基准结果。基于这一回归结果，本文认为异常值问题不太可能干扰估计系数的稳健性。

5.引入额外交互项。本文工具变量的构造使用了全局层面的时间序列冲击，然而可能存在着一些遗漏的未观测因素与这一冲击相关，同时也影响企业的劳动力需求。因此，有必要考虑其他时间序列冲击通过相类似的渠道对企业产生作用。本文重点考虑了两类因素，一类是货币中单位活期存款增速，与企业特有的冲击响应因子取交互项以控制全局流动资产储备对企业的影响；另一类是城镇在岗职工平均实际工资增长率，同样取交互项以控制工资增长因素对企业的影响。与此同时，将工具变量交互项设计中的企业特有冲击响应因子替换为样本期内企业平均的资产负债率，与货币政策不确定性指数时间序列取交互项。引入新设计的三类交互项，回归结果报告在表3中的第（5）列。结果显示，新增加交互项并没有吸收企业现金持有率对因变量的负效应，而且工具变量第一阶段结果仍然保持了与未引入上述变量的回归结果相似性。由此可以推断，一些宏观层面 的因素不太可能通过本文所阐述的渠道对企业的流动资产持有效应造成太大干扰。

表3 工具变量与稳健性回归结果

6.引入因变量的滞后项。面板数据结构总是会存在着时间序列相关，尽管本文使用了聚合到企业层面的标准误来控制一些自相关问题造成的干扰，但是仍然无法完全剔除这一问题。可行的解决办法是增加因变量的滞后项，作为对误差项自相关的一种近似，在动态面板结构下考察核心解释变量系数是否会发生大幅度的变化。引入因变量滞后项的结果报告在表3 中的第（6）列，工具变量回归结果表明核心解释变量对因变量的负向关系并没有改变。工具变量简约式回归结果没有太大变化，而工具变量两阶段回归系数绝对值有一定幅度下降，表明滞后的被解释变量吸收了一部分效应。

另外，基准回归中的现金持有率计算方式也存在一定的可讨论性。如果企业持有现金是为了应对流动性约束，那么当外部资金获得更容易，企业的流动性约束就能有效缓解。流动负债能够在一定程度上反映企业获得外部短期融资的能力，故本文使用现金与流动负债的比值作为备选的解释变量。使用备选变量的相关回归结果报告在表3 中的最后一行系数，结果表明现金比率的备选变量仍然得到了显著为负的估计值，而且标准化系数与原有解释变量的相应回归标准化系数高度接近。上述分析意味着，改变核心解释变量的测度并没有从根本上动摇基准结果。

接下来讨论工具变量相关性假设和弱工具变量检验结果。工具变量相关性是支持工具变量策略有效性的主要假设之一，弱相关性的工具变量将造成弱识别问题。从现有文献的普遍做法来看，检验相关性假设的主要做法是检验第一阶段回归系数与总体线性关系的统计显著性，以考察工具变量与内生变量是否弱相关或在多大程度上是弱相关。具体而言，单一工具变量的第一阶段回归系数直观上表征了工具变量与内生解释变量的相关系数及其统计显著性，若统计不显著则表明工具变量弱相关。C-D F 统计量（Cragg-Donald Wald F）和K-P rk F 统计量（Kleibergen-Paap Wald rk F）代表工具变量弱识别检验结果，前者适用于误差独立同分布的假定，后者适用于异方差稳健标准误包括聚合标准误。经验法则要求Cragg-Donald F 统计量大于10，这表明工具变量两阶段的估计偏差相对OLS 估计偏差比较小，可拒绝弱识别的原假设。但是，这一经验值并不能简单地套用在误差非独立同分布的情形。

表3 报告的一阶段估计系数以及F 统计量结果拒绝了弱识别的原假设，表明工具变量策略的相关性假设有统计证据。具体而言，表3 中不同模型设定的第一阶段回归系数均显著为正，说明工具变量与内生解释变量之间的相关性在统计意义上显著；C-D F 统计量明显超过了10，在经验法则下可以拒绝弱相关的原假设；此外，K-P rk F 统计量与C-D F 统计量相比有一定程度的缩小，但并没有发生太大的偏离。由于两类F 统计量适用的方差假设条件有差异，而本文在估计中假定方差存在一定的聚合结构（聚合到企业个体层面），严格意义上经验法则确定的临界值10 并不能适用于异方差情形的弱识别检验结果判断。分析来看，样本量越大则工具变量两阶段回归的弱识别偏差可能越小，而本文使用的上市公司长面板数据具有较大的样本量，能够有效降低两阶段回归可能存在的弱识别偏差。

（三）工具变量排除性限制假设与证伪性测试

要确保工具变量策略有效，至少要使得相关性和排除性限制假设能得到满足。尽管前文第一阶段回归结果显示内生解释变量与工具变量显著相关并拒绝了弱识别原假设，但是排除性限制假设仍然可能受到一些未观测因素的威胁。例如，一些与货币政策相关的宏观时间序列变量可能影响企业劳动力需求，从而破坏排除性限制假设的根据。其经济直觉在于，企业劳动力需求既取决于企业自身发展预期，又受外部宏观环境的影响。要使得排除性假设得到支持，必须要证伪这些外部因素不是唯一地通过内生解释变量影响企业劳动力需求。如何诊断工具变量只通过内生解释变量影响被解释变量，目前没有太好的办法构造统计量进行假设检验，只能通过一些可行的证伪性测试来寻求提示性证据。有鉴于此，本部分的工具变量证伪性测试分为如下两类，具体做法及分析如下：

第一类证伪性测试考察货币政策不确定性是否混杂了“实物期权” 效应影响企业员工雇佣规模。检验的思路是，如果货币政策不确定性工具变量回归得到的影响是吸收了“实物期权”效应的结果，那么使用财政政策不确定性工具变量回归得到的结果仍然能够反映“实物期权”效应。因此，比较两类工具变量对核心解释变量的回归结果，能够在一定程度上检验是否基准回归混杂了“实物期权”效应。

首先，使用不同计算方法构造货币政策不确定性工具变量进行回归，标准化系数结果报告在表4 中的第（1）～（3）列。基准回归中使用的货币政策不确定性，是根据月度不确定性指数取年度均值得到。假如宏观货币政策不确定性真的通过企业特有响应因子影响了现金持有，那么使用月度不确定性指数取年内12 个月的中位数、最大值、变异系数（方差与均值比）同样能够度量年度货币政策不确定性程度。基于此，分别使用货币政策不确定指数的中位数、最大值、变异系数与企业特有的响应因子取交互项，构造新的工具变量分别回归。模型回归结果表明，改变年度货币政策不确定性指数计算方法构造的工具变量，依然得到了与基准回归相似的显著为负的估计系数，标准化系数值也非常接近，这表明货币政策不确定性对企业的冲击效应是稳健的。

其次，使用上述同样方法构造财政政策不确定性工具变量进行回归，标准化系数结果报告在表4 中的第（4）～（6）列。如果本文使用货币政策不确定性指数构造的工具变量确实存在“实物期权”效应，那么使用财政政策不确定性指数构造工具变量进行估计，至少应该获得与货币政策不确定性工具变量类似的显著性结果。然而第（4）～（6）列结果表明，使用财政政策不确定性指数计算的各类工具变量的两阶段回归结果尽管为负，但是都不在10%的水平下显著。

第二类证伪性测试考察货币政策不确定性是否混杂了融资约束效应影响企业员工雇佣规模。检验思路同上，具体差异体现在将核心解释变量现金比率替换为新的内生解释变量融资约束（FinC）。标准化系数报告在表5，其中各列回归结果并不显著为正。比较两类工具变量对核心解释变量的回归结果，以及将表5 的各列结果与表4中相应列回归结果比较，不难发现工具变量没有明显地通过融资约束渠道限制企业雇佣。

表4 “实物期权”效应证伪性测试

表5 融资约束效应证伪性测试

此外，也有必要检验本文选定的时间序列冲击是否通过其他的企业内部渠道影响企业行为。由于本文的工具变量构造采取的是交互项St，可能存在着一些未观测的企业个体因素与和结果变量相关，使得本文的工具变量策略还可能存在着ωiSt的影响渠道。因此需要尝试性地找到，并构造安慰剂工具变量来进行测试。

表6 额外的证伪检验

表6 报告的系数估计结果并不显著，表明货币政策不确定性对企业的冲击可能主要是通过企业流动性资产持有渠道而产生作用的。表6 中，第（1）、（4）列模型中使用的冲击序列为货币政策不确定性指数取中位数，第（2）、（5）列模型中使用最大值，第（3）、（6）列模型中使用变异系数。第（1）～（6）列的结构尽管为负，但是都不显著，且标准化系数绝对值也偏离前文的基准回归结果。尽管不能据此得出基于货币政策不确定性的工具变量策略不存在其他影响渠道，但是通过经营业绩渠道和偿债能力渠道发挥作用的可能性较小。进一步分析，上市公司财务信息包括三部分，资产负债表、现金流量表和损益表，货币政策不确定性冲击也很大程度上会从三大表上得到体现。如果净利润能够在一定程度上代表损益表，而流动比率反应资产负债表，那么排除上述两类作用渠道后就剩下现金流量表的影响。而现金流量表中的信息也正是本文构造基准工具变量所使用的信息，据此可以认为本文的工具变量策略具有可靠性和稳健性。

五、效应异质性与机制分析

（一）效应异质性

基准回归得到的估计系数，表明保持其他条件相同情况下企业持有现金比率会抑制企业的劳动力需求。事实上保持其他条件不变的前提过于苛刻，因为货币政策不确定性可能意味着不同企业的外部融资可得性不同，或者企业内部财务状况差异使得企业对外部冲击做出的反应也有不同。即使这些差异不会破坏估计结果的稳健性，然而深入了解企业聘用需求如何对现金比率变化做出不同的响应，也具有较强的现实意义。有鉴于此，本部分主要就一些可能影响同质平均效应估计的因素展开异质性分析。简要的回归和异质性分析报告如下：

第一类效应异质性来源于企业固定资产的密集度差异。一些行业企业发展前期需要投资形成庞大的固定资产，也有一些行业企业发展和就业扩张不依赖于大规模高密度的固定资产投资，因此企业的固定资产密集度及其对外部融资需求存在差异。中国银监会2009 年出台了《固定资产贷款管理暂行办法》，优质的贷款项目能够得到银行的融资支持。因此以样本区间内企业固定资产占总资产比重来衡量固定资产密度，比重低于样本中位数的定义为低密度企业，否则为高密度企业。本文进行低和高密度企业样本回归，得到的结果报告在表7 中第（1）和（2）列。结果显示，低固定资产密度企业得到显著的回归结果，而高密度企业样本回归结果并不显著。可能的原因在于，固定资产占比较低的企业更加依赖企业内部财务融资，因此持有现金资产会对企业就业造成更显著的负面影响。

第二类异质性来源于企业劳动成本的密集度差异。既然企业持有现金的重要功能是支付员工报酬和应对劳动力市场冲击，那么可以合理预期劳动成本密集度差异可以协助解释效应异质性。以现金流量表中支付给职工以及为职工支付的现金占经营活动现金流出额的比重衡量劳动成本密集度，企业平均的劳动成本密集度高于全样本中位数为高劳动成本密集度企业，否则为低密集度企业。分样本回归结果报告在表7 中的第（3）和（4）列，结果显示劳动成本密集度较高的企业回归结果显著，而低密集度企业回归系数绝对值较大但并不显著。可能的原因在于，劳动成本密集度较高的企业需要保留相对更高的流动性以按时支付员工报酬，因此劳动力需求对持有现金比率的响应更显著。

第三类异质性来源于企业实控人的所有制差异。已经有文献发现不同所有制企业在获得外部融资方面存在的差异，而且这种融资差异可能是导致就业结构性难题的重要原因。本文将样本区间内属于国企的年份所占比例超过50%的企业定义为国企。例如，一些自始至终都是国有企业的定义为1，而中间发生实控人变动和最终实控人是国资机构的则依据实际控制时间超过一半的标准定义为国企，否则是非国企。分样本回归结果报告在表7 的第（5）和（6）列，系数估计值显示非国企样本的负效应显著，而标准化系数绝对值和标准误估计都要低于国企样本。可能的原因在于，非国企在调整劳动力雇佣方面灵活度更高，因此也更显著地受到企业现金管理战略的影响。

表7 效应异质性分析（IV-2SLS）

（二）潜在机制分析

前文已经提供了持有现金比率降低企业员工雇佣规模的经验证据，考虑到企业内部存在劳动分工，目前尚不清楚的是现金比率是否同等程度地降低所有类型岗位的需求。根据数据可得性，本文按员工分类进行回归，结果报告在表8。具体分析如下。

结果表明，现金比率对企业员工雇佣规模的影响更可能是通过技术和销售一类岗位的变动来实现的，因为企业技术人员和销售人员的负效应相对更大。从表8 报告的标准化系数来看，现金比率每提高一个标准差，造成企业技术人员和销售人员下降的幅度相对最高。可能的原因在于，企业内部不同岗位存在着成本差异，使得不同岗位对现金比率变化的响应弹性存在差异。销售人员和技术人员的工资与生产和行政人员的工资相比更高，结合异质性分析结论发现劳动成本密集度更高的企业效应显著，由此可以推断企业内部高成本的岗位更易受到现金比率的影响。不足之处在于缺乏不同类型员工的工资报酬精确信息，无法提供这两类岗位的员工变化弹性较大是否是因为报酬高的直接经验证据。

表8 潜在机制分析（IV-2SLS）

此外，给定劳动力市场不同岗位匹配速率下的企业岗位空缺创造策略，也能够在一定程度上解释观察到的经验关系。理论分析指出，为了维持企业雇佣人员动态平衡，企业需要保持与在岗员工规模成正比的岗位空缺规模。然而，维持岗位空缺需要占用企业的流动性资源。如果企业遭受现金流冲击而需要提升持有现金比率，企业可以通过减少岗位空缺设定和压缩招聘费用来节约现金流。而如果员工离职率不变或因现金流冲击而上升，企业的员工流出大于流入，从而表现出就业规模的净减少。由于企业岗位空缺和招聘人数相关信息缺失，这一机制留待未来进一步论证。

另外，表8 中还报告了现金比率对本科学历员工数量取对数的回归结果。经济意义上系数的变动幅度要小于总体人员减少幅度，表明企业内部员工变动存在着学历差别，高学历员工相对于低学历员工的受影响幅度更小。可能的原因在于，上市公司普遍都是行业内竞争力较强的企业，对员工的学历和能力要求比较高。而本科学历的员工处于学历分布的中高端，成为上市公司的主要招聘对象，因此企业在学历层面的调整不太可能降低本科学历的比例。

六、结论与政策建议

流动性管理是企业经营战略的重要组成部分。尽管宏观流动性宽松对稳就业具有重要作用，但是企业持有流动资产究竟是促进还是抑制了企业雇佣员工规模，相关研究还很缺乏。为了调查企业持有流动性对员工雇佣规模的影响，本文构建了一个包含流动性约束的工作搜寻模型讨论了流动性约束如何抑制雇佣规模，并利用上市公司数据进行了实证检验。

本文理论分析表明，企业需要应对经营风险和劳动力市场摩擦而储备流动资产，均衡状态下企业的雇佣规模与岗位创造规模正相关，而提高流动性储备则会降低企业雇佣水平。通过利用工具变量识别策略，本文在上市公司数据层面识别了持有现金比率对员工雇佣规模的影响。工具变量两阶段回归结果表明，企业现金比率显著地降低了对数员工数量。这一结论在改变样本设定、变量缩尾等检验下都保持稳健。异质性分析表明，企业固定资产密集度、劳动成本密集度和企业所有制性质等因素，协助解释了效应异质性。进一步的机制分析表明，企业很可能重点通过调整销售人员和技术人员来应对流动性冲击。

基于本文的研究结论，要通过管理宏观流动性促进就业稳定，以下两点需要重点突破：

第一，要畅通宏观货币政策流动性向企业流动性的传导渠道，降低企业流动性资产持有偏好。凯恩斯主义宏观调控政策理论已经强调了市场流动性偏好对货币政策的重要含义，如果企业持有流动性资产的偏好非常大，那么企业的劳动力需求将会降至最低以及货币政策对稳就业完全失效。因此，要采取有效措施降低企业对流动资产的持有偏好。研究表明，外部融资渠道不畅是导致企业提升流动资产持有比率的重要因素。而且，融资约束在企业扩大金融活动加剧金融风险过程中发挥重要中介作用（杨有红和赵晓梅，2021）。因此要畅通货币政策作用渠道，保障企业合理充裕的流动性需求。在融资政策方面，要同等对待国有企业和非国有企业。通过降低企业持有现金比率，扩大企业岗位空缺创造和雇佣需求。

第二，要畅通公共就业服务政策向劳动力供需两端的传导渠道，提升劳动力市场匹配效率和降低工作搜寻成本。在摩擦性的劳动力市场，企业需要投入资源设置工作岗位和招聘员工以维持员工队伍动态稳定。一个匹配效率高的劳动力市场能够最大程度地降低企业面临的员工和岗位冲击，从而有效缓解企业为稳定雇佣所面临的流动性资产储备压力。通过提升匹配效率、降低员工和岗位分离频率，能在推动企业扩大就业规模的同时不至于占用过大比例的流动性。