孫建軍 孫 楠

一 引言及文獻(xiàn)概述

黨的十九大報(bào)告指出，轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式必須提高全要素生產(chǎn)率(Total Factor Productivity，簡(jiǎn)稱TFP)。改革開放四十多年來，以人口紅利為基礎(chǔ)的高投資、高出口拉動(dòng)型發(fā)展模式促進(jìn)了經(jīng)濟(jì)高速發(fā)展。但隨著中國(guó)社會(huì)步入老齡化，人口紅利逐漸消失，資本形成和出口即使維持現(xiàn)有水平都已經(jīng)非常困難(楊汝岱，2015)[1]。并且，一些產(chǎn)業(yè)中還存在許多效率極低的僵尸企業(yè)，占據(jù)了大量的生產(chǎn)要素，造成嚴(yán)重的產(chǎn)能過剩，阻礙了中國(guó)經(jīng)濟(jì)的發(fā)展。TFP作為經(jīng)濟(jì)增長(zhǎng)的內(nèi)生動(dòng)力，在優(yōu)化資源配置、調(diào)整產(chǎn)業(yè)結(jié)構(gòu)以及轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式等方面發(fā)揮著至關(guān)重要的作用。因此，在我國(guó)經(jīng)濟(jì)發(fā)展邁入“新常態(tài)”的背景下，現(xiàn)有依托人口紅利的粗放型發(fā)展模式必須向依托TFP提升的內(nèi)生增長(zhǎng)模式轉(zhuǎn)型，使生產(chǎn)要素從產(chǎn)出效率低的產(chǎn)業(yè)流向產(chǎn)出效率高的產(chǎn)業(yè)，助推中國(guó)經(jīng)濟(jì)從高速增長(zhǎng)轉(zhuǎn)向高質(zhì)量增長(zhǎng)。

資源配置效率對(duì)TFP的影響是學(xué)術(shù)界關(guān)注的重點(diǎn)。大量研究發(fā)現(xiàn)，政府干預(yù)過多、要素市場(chǎng)扭曲等原因?qū)е沦Y源配置效率不高，阻礙了TFP的提升。Restuccia和Rogerson(2008)[2]的研究表明，政策不對(duì)稱造成的資金錯(cuò)配導(dǎo)致美國(guó)整體經(jīng)濟(jì)TFP大約下降30%。Ziebarth(2012)[3]研究發(fā)現(xiàn)美國(guó)在1929-1932年經(jīng)濟(jì)危機(jī)時(shí)期，銀行系統(tǒng)運(yùn)作失常加劇了資源錯(cuò)配，從而對(duì)整體經(jīng)濟(jì)TFP帶來了負(fù)向沖擊。受制于金融市場(chǎng)不夠發(fā)達(dá)、資本項(xiàng)目開放嚴(yán)重滯后等原因，中國(guó)仍然具有金融抑制的特征，資源配置效率不高(張杰等，2011)[4]。Hiseh和Klenow(2009)[5]指出，假如中國(guó)的資源配置效率可上升至同期美國(guó)的水平，制造業(yè)TFP將提高30%-50%；若資源完全得到了有效配置，制造業(yè)TFP將提高86.6%-115%。但是，Hiseh和Klenow(2009)[5]衡量資源配置效率的前提假設(shè)是企業(yè)生產(chǎn)規(guī)模報(bào)酬不變，若假設(shè)不成立，該方法所估計(jì)的結(jié)果可能會(huì)產(chǎn)生較大偏差。因此，龔關(guān)和胡關(guān)亮(2013)[6]進(jìn)一步放寬了企業(yè)規(guī)模報(bào)酬不變的假設(shè)，采用資本邊際產(chǎn)出價(jià)值和勞動(dòng)邊際產(chǎn)出價(jià)值來衡量資源配置效率，實(shí)證結(jié)果顯示，1998-2007年期間，總體資源配置效率改善將促進(jìn)TFP提升大約20.8%，其中，資本配置效率和勞動(dòng)配置效率的改善可分別促進(jìn)TFP提高大約10.1%和7.3%。值得注意的是，金融抑制特征所帶來的資源配置效率低下，使得中國(guó)整體TFP水平還非常低。正是如此，TFP水平還有較大的提升空間，這也將成為未來中國(guó)經(jīng)濟(jì)持續(xù)穩(wěn)定增長(zhǎng)的內(nèi)生動(dòng)力(楊汝岱，2015)[1]。

利率管制作為一種典型的金融抑制政策，往往導(dǎo)致資源不能以市場(chǎng)化的方式進(jìn)行有效配置(譚語嫣等，2017)[7]。根據(jù)“金融抑制理論”可知，利率管制尤其是貸款利率上限管制會(huì)導(dǎo)致實(shí)際利率水平遠(yuǎn)低于市場(chǎng)均衡水平。在這一背景下，相對(duì)于國(guó)有企業(yè)，非國(guó)有企業(yè)由于沒有政府的背書，且缺乏良好的抵押品，使得資金無法配置給風(fēng)險(xiǎn)較高的非國(guó)有企業(yè)，導(dǎo)致它們普遍面臨融資約束(王紅建等，2018)[8]。對(duì)于受融資約束的企業(yè)，它們將無法通過研發(fā)活動(dòng)來提高TFP(何光輝和楊咸月，2012)[9]。而隨著利率市場(chǎng)化的不斷推進(jìn)，金融機(jī)構(gòu)可在中央銀行指定基準(zhǔn)利率的基礎(chǔ)上自主決定貸款利率水平，根據(jù)資金使用風(fēng)險(xiǎn)調(diào)整使用成本，進(jìn)而通過提高利率的方式將資金配置給風(fēng)險(xiǎn)較高的企業(yè)，一定程度上解決了企業(yè)融資難的問題(楊箏等，2019)[10]。根據(jù)上述分析可知，在利率管制的背景下，資本作為一種重要的生產(chǎn)要素，配置扭曲突出表現(xiàn)為融資約束，阻礙了企業(yè)TFP的提升，而利率市場(chǎng)化可通過改善資本配置效率緩解企業(yè)融資約束，因此，利率市場(chǎng)化對(duì)企業(yè)TFP的影響是當(dāng)前值得探究的一個(gè)問題。

利率市場(chǎng)化的理論內(nèi)涵源于Mckinnon(1973)[11]和Shaw(1973)[12]提出的“金融抑制理論”和“金融深化理論”。該理論認(rèn)為，只有讓市場(chǎng)決定利率水平，才能正確引導(dǎo)資本流向，從而促進(jìn)經(jīng)濟(jì)持續(xù)平穩(wěn)增長(zhǎng)。因此，早期有關(guān)利率市場(chǎng)化對(duì)TFP的影響研究主要集中在金融發(fā)展是如何通過影響TFP進(jìn)而促進(jìn)經(jīng)濟(jì)增長(zhǎng)。Calderón和Liu(2003)[13]研究發(fā)現(xiàn)，金融發(fā)展通過促進(jìn)TFP增長(zhǎng)和資本積累兩種渠道影響經(jīng)濟(jì)增長(zhǎng)，但前一種渠道作用更明顯。在此基礎(chǔ)上，Rioja和Valev(2004)[14]進(jìn)一步研究發(fā)現(xiàn)，金融發(fā)展通過提升TFP而影響經(jīng)濟(jì)增長(zhǎng)僅在發(fā)達(dá)國(guó)家中出現(xiàn)，發(fā)展中國(guó)家只能通過促進(jìn)資本積累來促進(jìn)經(jīng)濟(jì)增長(zhǎng)。然而，Kumbhakar和Mavrotas(2005)[15]得出了相反的結(jié)論，即對(duì)于發(fā)展中國(guó)家而言，金融發(fā)展主要通過提升TFP而促進(jìn)經(jīng)濟(jì)增長(zhǎng)。利率市場(chǎng)化進(jìn)程中，多數(shù)發(fā)展中國(guó)家逐漸放寬他們所實(shí)行的“金融抑制”政策，引起了學(xué)術(shù)界對(duì)利率市場(chǎng)化的關(guān)注。近年來，一些研究探討了利率市場(chǎng)化對(duì)TFP的影響，初步指出了利率市場(chǎng)化在宏觀層面的作用。Brandt和Zhu(2010)[16]的研究指出，發(fā)展中國(guó)家的要素市場(chǎng)扭曲現(xiàn)象更為嚴(yán)重，導(dǎo)致整體經(jīng)濟(jì)TFP水平較低，但隨著利率管制的逐漸放開，資本要素扭曲程度得以緩解，從而對(duì)經(jīng)濟(jì)體TFP產(chǎn)生了正向影響。譚語嫣等(2017)[7]認(rèn)為，由于利率市場(chǎng)化改革包括取消利率管制的“價(jià)格改革”和消除信貸干預(yù)的“數(shù)量改革”兩方面，應(yīng)該對(duì)此區(qū)分研究。雖然紀(jì)洋等(2016)[17]提出過該問題，指出利率市場(chǎng)化的價(jià)格部分與數(shù)量部分對(duì)經(jīng)濟(jì)效率的影響并不相同，但未作進(jìn)一步分析。在此基礎(chǔ)上，譚語嫣等(2017)[7]通過對(duì)這兩部分的研究發(fā)現(xiàn)，消除信貸干預(yù)的數(shù)量改革有利于提高經(jīng)濟(jì)整體的TFP，而保持信貸干預(yù)僅取消價(jià)格管制的改革會(huì)降低經(jīng)濟(jì)整體的TFP。此外，現(xiàn)有研究在微觀層面上探討利率市場(chǎng)化對(duì)TFP的影響還較少。蔡雯霞和邱悅爽(2018)[18]在探究利率市場(chǎng)化對(duì)企業(yè)TFP的影響時(shí)發(fā)現(xiàn)，利率市場(chǎng)化可以通過信貸資源配置的集約邊際效應(yīng)和擴(kuò)展邊際效應(yīng)對(duì)上市企業(yè)TFP產(chǎn)生積極影響。

綜上可知，當(dāng)前文獻(xiàn)對(duì)資源配置與TFP關(guān)系的討論大多測(cè)度資源配置不當(dāng)對(duì)TFP的影響，對(duì)如何進(jìn)一步地降低資源配置扭曲程度以提高TFP則較少涉及。在這其中，圍繞利率市場(chǎng)化對(duì)TFP影響的研究主要集中于宏觀層面TFP的影響，雖然也有少數(shù)學(xué)者從微觀層面進(jìn)行探討，但在選取樣本時(shí)，僅使用上市企業(yè)數(shù)據(jù)，而一般來說上市企業(yè)的融資約束程度相對(duì)較弱，因此得到的結(jié)論可能并不具有普適性。

因此，受上述研究的啟發(fā)，本文嘗試用更微觀的工業(yè)企業(yè)數(shù)據(jù)，實(shí)證檢驗(yàn)利率市場(chǎng)化對(duì)TFP的影響。同時(shí)為更準(zhǔn)確地識(shí)別因果關(guān)系，選取利率市場(chǎng)化進(jìn)程中的關(guān)鍵事件——2004年放開貸款利率上限這一外生沖擊作為準(zhǔn)自然實(shí)驗(yàn)，并基于產(chǎn)權(quán)性質(zhì)差異構(gòu)造雙重差分模型，實(shí)證分析貸款利率上限放開對(duì)企業(yè)TFP的影響，同時(shí)對(duì)理論機(jī)制進(jìn)行探索。研究結(jié)果表明，貸款利率上限放開能夠顯著提升企業(yè)TFP，且替換TFP指標(biāo)進(jìn)行穩(wěn)健性檢驗(yàn)時(shí)也得出相同的結(jié)論。機(jī)制檢驗(yàn)發(fā)現(xiàn)，貸款利率上限放開可通過緩解融資約束提升企業(yè)TFP。

本文可能的邊際貢獻(xiàn)在于：第一，區(qū)別于現(xiàn)有大多側(cè)重于宏觀層面的研究，本文用微觀的工業(yè)企業(yè)數(shù)據(jù)分析利率市場(chǎng)化與經(jīng)濟(jì)增長(zhǎng)之間關(guān)系；第二，從資本配置扭曲的突出表現(xiàn)，即融資約束視角出發(fā)，探究其影響機(jī)制，有助于進(jìn)一步厘清貸款利率上限放開影響企業(yè)TFP的重要渠道；第三，在樣本選取上，數(shù)據(jù)來源于工業(yè)企業(yè)數(shù)據(jù)庫(kù)，而不僅僅局限于上市企業(yè)數(shù)據(jù)。工業(yè)企業(yè)數(shù)據(jù)庫(kù)涵蓋了中國(guó)所有的國(guó)有工業(yè)企業(yè)和規(guī)模以上的非國(guó)有工業(yè)企業(yè)，樣本量非常大。從統(tǒng)計(jì)學(xué)角度講，大樣本的優(yōu)勢(shì)在于可降低估計(jì)的近似偏誤，提高估計(jì)效率；第四，本文采用利率市場(chǎng)化進(jìn)程的沖擊(2004年貸款利率上限放開)作為準(zhǔn)自然實(shí)驗(yàn)，以及安慰劑檢驗(yàn)等方法，較好地處理了內(nèi)生性問題，使因果識(shí)別更加穩(wěn)健，增強(qiáng)了結(jié)果的可靠性。

二 制度背景、理論分析與研究假設(shè)

(一)制度背景

利率管制放松一直是我國(guó)政府部門和學(xué)術(shù)界關(guān)注的焦點(diǎn)問題之一。在利率管制時(shí)期，金融機(jī)構(gòu)往往習(xí)慣于被動(dòng)接受央行統(tǒng)一確定的利率及浮動(dòng)范圍，尤其是對(duì)貸款利率上限的管制，使金融機(jī)構(gòu)在風(fēng)險(xiǎn)定價(jià)方面的能力十分有限，導(dǎo)致資金無法得到有效配置(王紅建等，2018)[8]。鑒于此，中國(guó)開始了以利率市場(chǎng)化為標(biāo)志的金融自由化改革實(shí)踐。其中，2004年是中國(guó)利率市場(chǎng)化進(jìn)程中的關(guān)鍵年份，具有里程碑意義。2004年1月1日，中國(guó)人民銀行決定將商業(yè)銀行和城市信用社的貸款利率上浮區(qū)間擴(kuò)大至基準(zhǔn)利率的1.7倍，將農(nóng)村信用社貸款利率的上浮區(qū)間擴(kuò)大至基準(zhǔn)利率的2倍。同年10月28日，中國(guó)人民銀行決定取消金融機(jī)構(gòu)(不包括城鄉(xiāng)信用社)的人民幣貸款利率上限，標(biāo)志著中國(guó)在利率市場(chǎng)化的道路上邁出了重要一步。貸款利率上限放開后，利率的決定權(quán)從央行轉(zhuǎn)移到金融機(jī)構(gòu)，這就意味著金融機(jī)構(gòu)在進(jìn)行放貸決策時(shí)，可采取差別定價(jià)的方式為企業(yè)提供貸款，特別是當(dāng)那些風(fēng)險(xiǎn)程度較高但創(chuàng)新潛力較大的企業(yè)產(chǎn)生融資需求時(shí)，金融機(jī)構(gòu)不再僅僅依賴于行政部門的判斷，而是根據(jù)市場(chǎng)的供求關(guān)系和金融機(jī)構(gòu)的風(fēng)險(xiǎn)識(shí)別，給予更高的利率水平，使貸款利率有效覆蓋風(fēng)險(xiǎn)溢價(jià)，從而有利于信貸資源以市場(chǎng)化的手段進(jìn)行優(yōu)化配置(巴曙松，2004)[19]。

雙重差分模型被廣泛應(yīng)用于對(duì)外生政策實(shí)施效果的評(píng)估，當(dāng)檢驗(yàn)外部政策沖擊時(shí)，雙重差分模型可以控制宏觀外部環(huán)境變化，更好地建立因果關(guān)系。因此，為緩解利率市場(chǎng)化期間一些宏觀因素的干擾，本文選取2004年貸款利率上限放開這一準(zhǔn)自然實(shí)驗(yàn)，使用雙重差分的估計(jì)方法進(jìn)行實(shí)證分析。具體而言，貸款利率上限放開是中國(guó)人民銀行為實(shí)現(xiàn)利率市場(chǎng)化目標(biāo)、促進(jìn)金融發(fā)展而推出的，并非個(gè)別企業(yè)為獲取更多金融資源推動(dòng)人民銀行通過的，因此貸款利率上限放開這一政策沖擊對(duì)企業(yè)而言具有外生性，可將其視為一次準(zhǔn)自然實(shí)驗(yàn)(陳勝藍(lán)和馬慧，2018)[20]。其次，在利率管制時(shí)期，國(guó)有企業(yè)由于具有政府的信用背書，可通過低成本的方式獲得大量資金，而非國(guó)有企業(yè)即使能夠承擔(dān)更高的融資成本也無法獲得信貸支持(戰(zhàn)明華等，2013)[21]。貸款利率上限放開后，金融機(jī)構(gòu)可根據(jù)貸款的風(fēng)險(xiǎn)成本確定較高的利率以彌補(bǔ)風(fēng)險(xiǎn)溢價(jià)，使金融機(jī)構(gòu)借款給非國(guó)有企業(yè)也有利可圖，所以非國(guó)有企業(yè)受該政策影響較大，而國(guó)有企業(yè)本身能夠以較低的利率獲得貸款，該政策對(duì)國(guó)有企業(yè)的影響有限(馬弘和郭于瑋，2016)[22]。本文借鑒楊箏等(2017)[23]、王紅建等(2018)[8]的研究，選取非國(guó)有企業(yè)為處理組，國(guó)有企業(yè)為對(duì)照組。

(二)理論分析與研究假設(shè)

企業(yè)一般通過固定資產(chǎn)、存貨及研發(fā)投資來提高自身的TFP，一旦這類投資活動(dòng)受到融資約束，就會(huì)對(duì)其TFP造成負(fù)向沖擊。這是因?yàn)楫?dāng)外部融資受阻時(shí)，企業(yè)只能使用內(nèi)部資金進(jìn)行投資(Myers和Majluf，1984)[24]。然而，由于內(nèi)部現(xiàn)金流通常不穩(wěn)定，企業(yè)在進(jìn)行投資時(shí)容易產(chǎn)生資金斷裂的風(fēng)險(xiǎn)(鞠曉生等，2013)[25]，尤其是對(duì)于那些周期較長(zhǎng)且收益不確定的研發(fā)活動(dòng)而言，僅僅依靠?jī)?nèi)源融資無法滿足其所需的巨額投入(任曙明和呂鐲，2014)[26]。因此，較高的融資約束程度將會(huì)對(duì)企業(yè)TFP的提升產(chǎn)生不利影響。融資約束與企業(yè)TFP之間的關(guān)系也得到了經(jīng)驗(yàn)證據(jù)的支持，學(xué)者們普遍認(rèn)為外部資金的支持有利于企業(yè)TFP的提升，而融資約束通常對(duì)企業(yè)TFP帶來負(fù)向沖擊。Gatti 和 Love(2008)[27]運(yùn)用比利時(shí)企業(yè)的截面數(shù)據(jù)檢驗(yàn)了信貸可得性對(duì)TFP的影響，研究顯示信貸支持對(duì)企業(yè)TFP具有顯著正面影響。Badia和Slootmaekers(2009)[28]利用愛沙尼亞企業(yè)數(shù)據(jù)進(jìn)行研究時(shí)發(fā)現(xiàn)，融資約束顯著降低了研發(fā)類企業(yè)TFP的增長(zhǎng)。中國(guó)的情況亦是如此，Ayyagari et al.(2010)[29]認(rèn)為，盡管中國(guó)正規(guī)金融體系發(fā)展不夠完善，且企業(yè)主要依靠?jī)?nèi)源融資，但從正規(guī)金融機(jī)構(gòu)融資有利于企業(yè)TFP的增長(zhǎng)。何光輝和楊咸月(2012)[9]的研究顯示，在制造業(yè)上市企業(yè)中，外部融資約束顯著抑制了民營(yíng)企業(yè)TFP的增長(zhǎng)。

在中國(guó)資本市場(chǎng)尚不發(fā)達(dá)的背景下，只有少數(shù)優(yōu)質(zhì)企業(yè)能夠在證券市場(chǎng)上進(jìn)行直接融資(孫靈燕和李榮林，2012)[30]，因此，銀行主導(dǎo)的金融體系決定了間接融資是中國(guó)企業(yè)獲取外部資金的主要方式(楊箏等，2019)[10]。然而，利率管制尤其是貸款利率上限管制會(huì)導(dǎo)致實(shí)際利率水平遠(yuǎn)低于市場(chǎng)均衡水平，從而引發(fā)銀行信貸資源在企業(yè)間的配置失衡。具體而言，由于銀行的利率水平調(diào)整范圍有限，導(dǎo)致其在放貸決策中無法進(jìn)行差別化定價(jià)，這就意味著銀行無法通過提高利率的方式為風(fēng)險(xiǎn)較高的企業(yè)發(fā)放貸款，使得這類企業(yè)很難獲取外部資金的支持(陳勝藍(lán)和馬慧，2018)[20]。貸款利率上限放開賦予了銀行自主定價(jià)權(quán)，即銀行可根據(jù)資金使用風(fēng)險(xiǎn)調(diào)整使用成本，通過提高貸款利率的方式為風(fēng)險(xiǎn)較高的企業(yè)配置資金，一定程度上緩解了企業(yè)融資難的問題(王東靜和張祥建，2007)[31]。根據(jù)上述分析可知，貸款利率上限放開后，銀行可通過差別化定價(jià)的方式為企業(yè)提供資金，從而增加了企業(yè)的貸款可得性。當(dāng)企業(yè)獲得外部資金后，便可啟動(dòng)周期較長(zhǎng)、風(fēng)險(xiǎn)較大但收益很高的研發(fā)項(xiàng)目，進(jìn)而有助于TFP的提升?；谏鲜鲇懻?，本文提出以下假設(shè)：

H1：貸款利率上限放開對(duì)企業(yè)TFP具有正面影響。

H2：貸款利率上限放開可以通過緩解融資約束提升企業(yè)TFP。

三 研究設(shè)計(jì)

(一)數(shù)據(jù)來源與處理

本文使用的數(shù)據(jù)來自中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)由國(guó)家統(tǒng)計(jì)局建立，全稱為“全部國(guó)有及規(guī)模以上非國(guó)有工業(yè)企業(yè)數(shù)據(jù)庫(kù)”。這里的“工業(yè)”統(tǒng)計(jì)口徑包括“國(guó)民經(jīng)濟(jì)行業(yè)分類”中的“采掘業(yè)”、“制造業(yè)”以及“電力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)”三個(gè)門類，其中制造業(yè)占比達(dá)90%以上?！耙?guī)模以上”要求企業(yè)每年的主營(yíng)業(yè)務(wù)(即銷售額)在500萬元及以上，2011年該標(biāo)準(zhǔn)改為2000萬元及以上。該數(shù)據(jù)庫(kù)的優(yōu)勢(shì)在于樣本量非常大，指標(biāo)非常多。但也存在樣本匹配混亂、變量定義模糊等嚴(yán)重問題(聶輝華等，2012)[32]。本文采取與聶輝華等(2012)[32]相同的步驟對(duì)初始數(shù)據(jù)進(jìn)行了處理，最終得到1998-2014年3340000個(gè)企業(yè)-年度觀測(cè)值構(gòu)成的初始樣本。

(二)變量選取

1.被解釋變量

本文選取的被解釋變量為企業(yè)TFP。TFP通常被定義為技術(shù)進(jìn)步等無形要素投入對(duì)產(chǎn)出增長(zhǎng)的貢獻(xiàn)程度，它也是衡量企業(yè)生產(chǎn)率的重要指標(biāo)(Renzo，2008)[33]。常用的企業(yè)層面TFP估計(jì)方法有索洛殘差法(SR)、個(gè)體固定效應(yīng)法(IFE)、OP法以及LP法。在估計(jì)TFP之前，需要設(shè)定生產(chǎn)函數(shù)形式。根據(jù)魯曉東和連玉君(2012)[34]的研究，假設(shè)企業(yè)生產(chǎn)函數(shù)形式為Cobb-Douglas生產(chǎn)函數(shù)：

(1)

式(1)中，Yi, t、Li, t、Ki, t分別代表企業(yè)i在時(shí)間t的產(chǎn)出、勞動(dòng)和資本。TFP為扣除有形生產(chǎn)要素貢獻(xiàn)后剩余的生產(chǎn)率水平，因此eai, t代表企業(yè)TFP。為了估計(jì)方便，對(duì)式(1)的兩邊取對(duì)數(shù)：

lnYi, t=αlnKi, t+βlnLi, t+ai, t

(2)

針對(duì)同時(shí)性偏差，個(gè)體固定效應(yīng)法(IFE)假設(shè)企業(yè)自身決策跨時(shí)不變，僅因企業(yè)而異，即影響企業(yè)決策的那部分可觀測(cè)TFP不隨時(shí)間變化，那么在上述方法的基礎(chǔ)上引入個(gè)體固定效應(yīng)則可解決同時(shí)性偏差問題(魯曉東和連玉君，2012)[34]。然而，該方法只考慮跨個(gè)體的變化，而忽略了時(shí)間變化所帶來的大量信息。針對(duì)個(gè)體固定效應(yīng)法存在的問題，Olley和Pakes(1996)[36]提出了新的估計(jì)方法，即OP法。該方法假定企業(yè)會(huì)根據(jù)當(dāng)前生產(chǎn)率狀況作出投資決策，因而選用當(dāng)期投資作為企業(yè)可觀測(cè)TFP的代理變量，從而解決了同時(shí)性偏差問題。不僅如此，OP法還借用貝爾曼(Bellman)方程設(shè)計(jì)了一個(gè)生存概率函數(shù)，來估計(jì)企業(yè)的進(jìn)入和退出，有效地控制了樣本選擇偏差。但由于存在較大的調(diào)整成本，大量企業(yè)在當(dāng)期可能并沒有投資行為，這意味著它們?cè)跇颖局袝?huì)被舍棄。針對(duì)這個(gè)問題，Levinsohn和Petrin(2003)[37]發(fā)展了一種新的TFP估計(jì)方法，即LP法。該方法認(rèn)為，從數(shù)據(jù)角度出發(fā)，中間投入更易獲得，因此用中間投入替換當(dāng)期投資作為企業(yè)可觀測(cè)TFP的代理變量進(jìn)行估計(jì)，很大程度上提高了可用樣本數(shù)目。本文首先以索洛殘差法(SR)計(jì)算企業(yè)TFP進(jìn)行基準(zhǔn)回歸分析，再分別用個(gè)體固定效應(yīng)法(IFE)、OP法和LP法的計(jì)算結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)。

2.核心解釋變量

在核心解釋變量設(shè)計(jì)中，本文根據(jù)產(chǎn)權(quán)性質(zhì)的不同將企業(yè)分為非國(guó)有企業(yè)和國(guó)有企業(yè)，并選取非國(guó)有企業(yè)為處理組，國(guó)有企業(yè)為對(duì)照組。這是因?yàn)閲?guó)有企業(yè)承擔(dān)了過多的政策性負(fù)擔(dān)(林毅夫和劉培林，2001)[38]，政府通常會(huì)以國(guó)家信用的形式為其提供隱性擔(dān)保，使其能以較低的貸款利率獲得大量資金；而信息成本和違約風(fēng)險(xiǎn)相對(duì)較高的非國(guó)有企業(yè)即使能夠承擔(dān)更高的債務(wù)融資成本也難以獲得信貸支持，即所謂的“信貸歧視”(陸正飛等，2015)[39]。但是，2004年貸款利率上限放開政策實(shí)施后，金融機(jī)構(gòu)可根據(jù)企業(yè)的違約風(fēng)險(xiǎn)確定較高的利率以彌補(bǔ)風(fēng)險(xiǎn)溢價(jià)，從而有利于非國(guó)有企業(yè)獲取信貸配給(楊箏等，2017)[23]，因此該政策對(duì)非國(guó)有企業(yè)產(chǎn)生了較大影響；而此時(shí)國(guó)有企業(yè)因具有政府信用背書的特征而受到貸款利率政策改變的影響有限，仍然能以較低的利率獲得貸款(馬弘和郭于瑋，2016)[22]。同時(shí)，企業(yè)的產(chǎn)權(quán)性質(zhì)并不會(huì)因貸款利率政策的實(shí)施而改變，即產(chǎn)權(quán)性質(zhì)的決定外生于貸款利率管制放開。根據(jù)上述分析可知，2004年實(shí)施的貸款利率上限放開政策對(duì)國(guó)有企業(yè)與非國(guó)有企業(yè)的影響存在顯著不同。因此，借鑒楊箏等(2019)[10]以及王紅建等(2018)[8]的研究，本文選取非國(guó)有企業(yè)為處理組，國(guó)有企業(yè)為對(duì)照組，并構(gòu)造貸款利率上限放開虛擬變量(Post2004)與非國(guó)有企業(yè)虛擬變量(Nonstate)的交互項(xiàng)，以捕捉貸款利率上限放開對(duì)企業(yè)TFP的影響。其中，Post2004表示貸款利率上限虛擬變量，即2004年之后取值為1，否則取值為0；Nonstate表示非國(guó)有企業(yè)虛擬變量，即當(dāng)企業(yè)為非國(guó)有企業(yè)時(shí)取值為1，否則取值為0。

3.控制變量

參照企業(yè)全要素生產(chǎn)率的相關(guān)研究，本文選取的控制變量主要包括企業(yè)年齡、企業(yè)規(guī)模、資本勞動(dòng)比、凈營(yíng)運(yùn)資本、資產(chǎn)負(fù)債率、管理水平、償債能力以及出口，同時(shí)還控制了年度、行業(yè)和地區(qū)效應(yīng)(周黎安等，2007[40]；李春頂，2010[41]；劉維剛等，2017[42]；孫曉華和王昀，2014[43])。

(三)模型設(shè)定

1.平行趨勢(shì)檢驗(yàn)?zāi)Ｐ驮O(shè)定

使用雙重差分估計(jì)方法的前提之一是處理組和對(duì)照組在政策實(shí)施之前滿足平行趨勢(shì)假設(shè)。因此，本文借鑒Roberts和Whited(2013)[44]的方法，設(shè)定如下模型進(jìn)行平行趨勢(shì)檢驗(yàn)：

Yi, t=α0+α1before3i, t+…α3before1i, t+α4after1i, t+…α10after7i, t+φt+φs+φl+εi, t

(3)

其中，i表示企業(yè)，t表示年份。Yi, t為企業(yè)i在t年的全要素生產(chǎn)率。before和after表示政策實(shí)施前與實(shí)施后年份虛擬變量與處理組(非國(guó)有企業(yè))虛擬變量的交互項(xiàng)，比如before3i, t表示若觀測(cè)值是受到政策沖擊前第1年的數(shù)據(jù)，則該變量取值為1，否則取值為0；after1i, t表示若觀測(cè)值是受到政策沖擊后第1年的數(shù)據(jù)，該變量取值為1，否則取值為0，其中，φt、φs、φl分別為年度、行業(yè)和地區(qū)固定效應(yīng)。

2.雙重差分模型設(shè)定

2004年貸款利率市場(chǎng)化改革是金融自由化改革的重要內(nèi)容，其目的是建立金融機(jī)構(gòu)的市場(chǎng)化資金配置機(jī)制，提高資金配置效率，它并不由一些企業(yè)特征所決定。因此，貸款利率上限放開的政策沖擊對(duì)企業(yè)而言具有外生性，進(jìn)而為本文提供了天然的實(shí)驗(yàn)場(chǎng)所。同時(shí)，由于該政策對(duì)非國(guó)有企業(yè)和國(guó)有企業(yè)的影響程度有顯著差異，從而為本文提供了良好的處理組(非國(guó)有企業(yè))和對(duì)照組(國(guó)有企業(yè))。為了準(zhǔn)確識(shí)別利率市場(chǎng)化對(duì)企業(yè)TFP的影響，本文利用2004年貸款利率上限放開這一準(zhǔn)自然實(shí)驗(yàn)，構(gòu)造含有非國(guó)有企業(yè)虛擬變量與貸款利率上限放開虛擬變量交互項(xiàng)的DID模型，并選取可能影響企業(yè)TFP的控制變量。其中，模型的交互項(xiàng)是本文關(guān)注的重點(diǎn)，其系數(shù)即為貸款利率上限放開對(duì)企業(yè)TFP的影響。具體模型如下：

Yi, t=β0+β1Post2004t+β2Nonstatei, t+β3Nonstatei, t×Post2004t+

∑βj+3Controli, t+φt+φs+φl+εi, t

(4)

其中，Post2004t表示貸款利率上限放開的虛擬變量，即2004年之后取值為1，否則取值為0。Nonstatei, t×Post2004t為非國(guó)有企業(yè)虛擬變量與貸款利率上限放開虛擬變量的交互項(xiàng)。本文選取的控制變量為企業(yè)年齡(AGE)、企業(yè)規(guī)模(SIZE)、資本勞動(dòng)比(KL)、凈營(yíng)運(yùn)資本(LIQUID)、資產(chǎn)負(fù)債率(LEV)、管理費(fèi)用(MAN)、償債能力(DEBT)以及出口(EX)，其它變量在式(3)中均有說明，相關(guān)變量的具體定義詳見表1。根據(jù)研究假設(shè)，系數(shù)β3為待檢驗(yàn)系數(shù)，若β3顯著為正，表明貸款利率上限放開能夠提高企業(yè)TFP，支持假設(shè)H1。

表1 變量的具體定義

(四)描述性統(tǒng)計(jì)

表2是變量的描述性統(tǒng)計(jì)結(jié)果。從表2中可以看出，TFP的最大值為11.41，最小值為-8.58，均值為3.21，樣本企業(yè)TFP存在較大差異。從Nonstate變量看，有70%的企業(yè)為非國(guó)有企業(yè)?？刂谱兞恐?，變量LIQUID和DEBT的波動(dòng)性非常大，表明不同企業(yè)的償債能力差別較大。此外，變量LEV的均值為171.94，符合中國(guó)整體企業(yè)杠桿率過高的背景。不僅如此，本文將樣本分為國(guó)有企業(yè)(State)和非國(guó)有企業(yè)(Nonstate)后發(fā)現(xiàn)，無論是國(guó)有企業(yè)還是非國(guó)有企業(yè)杠桿率的均值都非常高，并且國(guó)有企業(yè)杠桿率的均值遠(yuǎn)高于非國(guó)有企業(yè)。

表2 主要變量的描述性統(tǒng)計(jì)

四 實(shí)證結(jié)果

(一)基準(zhǔn)回歸結(jié)果

1.平行趨勢(shì)檢驗(yàn)結(jié)果

首先對(duì)式(3)進(jìn)行估計(jì)，檢驗(yàn)處理組和對(duì)照組在政策沖擊之前是否具有平行趨勢(shì)。圖1顯示了式(3)中before3i, t到after7i, t的回歸系數(shù)及置信區(qū)間的估計(jì)結(jié)果。從圖1可以看出，貸款利率上限放開政策實(shí)施前的系數(shù)都不顯著異于0，表明處理組(非國(guó)有企業(yè))與對(duì)照組(國(guó)有企業(yè))在政策實(shí)施前不存在顯著差異，平行趨勢(shì)檢驗(yàn)得到滿足。而政策實(shí)施后的系數(shù)均顯著不為0，說明處理組和對(duì)照組在政策沖擊后出現(xiàn)了顯著差異，這進(jìn)一步驗(yàn)證了本文選取對(duì)照組與處理組的合理性。

圖1 平行趨勢(shì)檢驗(yàn)

2.雙重差分回歸結(jié)果

表3為采用索洛殘差法(SR)衡量企業(yè)TFP的回歸結(jié)果。從中可以發(fā)現(xiàn)：首先，表3列(1)未加入控制變量的結(jié)果顯示，交互項(xiàng)Nonstate×Post2004估計(jì)系數(shù)為1.0760，且在1%的水平下顯著，說明貸款利率上限放開顯著提高了企業(yè)TFP；其次，在加入控制變量，且依次控制年度、行業(yè)和地區(qū)變量時(shí)，交互項(xiàng)Nonstate×Post2004估計(jì)系數(shù)均在1%的水平下顯著為正。綜合來看，表3的估計(jì)結(jié)果支持了研究假設(shè)H1，即貸款利率上限放開顯著提升了企業(yè)TFP。

控制變量中，企業(yè)年齡對(duì)TFP有顯著負(fù)效應(yīng)，表明隨著時(shí)間推移，多數(shù)企業(yè)在經(jīng)營(yíng)過程中“因循守舊”，不注重研發(fā)創(chuàng)新，未提升全要素生產(chǎn)率；企業(yè)規(guī)模對(duì)TFP有顯著正效應(yīng)，即企業(yè)規(guī)模越大TFP越高?！靶鼙颂丶僬f”認(rèn)為，小企業(yè)的創(chuàng)新效率不高，而隨著規(guī)模的擴(kuò)大，企業(yè)引進(jìn)先進(jìn)設(shè)備和技術(shù)型人才，進(jìn)而促進(jìn)TFP的提高；中國(guó)出口企業(yè)TFP可能比非出口企業(yè)更低，該結(jié)果與Lu(2010)[45]提出的“出口企業(yè)生產(chǎn)率之謎”相一致?！俺隹谄髽I(yè)生產(chǎn)率之謎”是指，一系列經(jīng)驗(yàn)和理論研究發(fā)現(xiàn)，幾乎所有國(guó)家的出口企業(yè)TFP顯著高于非出口企業(yè)(Melitz，2003[46]；Bernard et al.，2003[47]；Kimura和Kiyota，2006[48])，而中國(guó)企業(yè)的情況恰恰相反，即出口企業(yè)的TFP顯著低于非出口企業(yè)，故稱為“生產(chǎn)率之謎”。其原因可能是中國(guó)進(jìn)出口貿(mào)易中，加工貿(mào)易占據(jù)了一半的份額，這些加工貿(mào)易企業(yè)利用廉價(jià)的勞動(dòng)力資源，為國(guó)外產(chǎn)品“貼牌”生產(chǎn)，從而拉低了中國(guó)出口企業(yè)整體的TFP均值水平(李春頂，2010)[41]。

表3 貸款利率上限放開與企業(yè)TFP

注：***、**、*分別表示在1%、5%、10%水平顯著，括號(hào)內(nèi)為t值。

(二)機(jī)制檢驗(yàn)

如前所述，貸款利率上限放開影響企業(yè)TFP的關(guān)鍵環(huán)節(jié)在于融資約束。因此，本文參考Baron和Kenny(1986)[49]的方法，在式(4)的基礎(chǔ)上構(gòu)建式(5)和式(6)，即中介效應(yīng)模型，以考察貸款利率上限放開對(duì)企業(yè)TFP的影響機(jī)制。其中，借鑒于洪霞等(2011)[50]的研究，本文使用經(jīng)企業(yè)銷售收入調(diào)整后的應(yīng)收賬款額，即應(yīng)收賬款額占銷售收入比例(AR)作為企業(yè)融資約束的測(cè)量指標(biāo)，其它變量定義與式(4)一致。具體形式如下：

ARi, t=ρ0+ρ1Post2004t+ρ2Nonstatei, t+ρ3Nonstatei, t×Post2004t+

∑ρj+3Controli, t+φt+φs+φl+εi, t

(5)

Yi, t=γ0+γ1Post2004t+γ2Nonstatei, t+γ3Nonstatei, t×Post2004t+γ4ARi, t+

∑γj+4Controli, t+φt+φs+φl+εi, t

(6)

表4為機(jī)制分析的回歸結(jié)果，列(1)～列(3)分別為式(4)～式(6)的估計(jì)結(jié)果。表4列(1)顯示，貸款利率上限放開顯著提高了企業(yè)TFP；列(2)中，交互項(xiàng)Nonstate×Post2004系數(shù)為負(fù)，表明貸款利率上限放開緩解了企業(yè)融資約束；列(3)回歸結(jié)果中，變量AR的系數(shù)仍然顯著，而交互項(xiàng)Nonstate×Post2004的系數(shù)變小。根據(jù)經(jīng)典中介效應(yīng)模型，這說明貸款利率上限放開確實(shí)可通過緩解融資約束提升企業(yè)TFP，驗(yàn)證了假設(shè)H2。

表4 影響機(jī)制分析：融資約束的中介效應(yīng)

注：***、**、*分別表示在1%、5%、10%水平顯著，括號(hào)內(nèi)為t值。

五 穩(wěn)健性檢驗(yàn)

(一)替換被解釋變量衡量指標(biāo)

如上文所述，企業(yè)TFP存在多種估計(jì)方法，因此本文分別使用個(gè)體固定效應(yīng)法(IFE)、OP法以及LP法重新估計(jì)企業(yè)TFP，以此作為被解釋變量進(jìn)行回歸分析，具體結(jié)果見表5。表5顯示，貸款利率上限放開對(duì)這三類方法所估計(jì)的企業(yè)TFP均在1%水平上有顯著正向效應(yīng)，且具體數(shù)值與基準(zhǔn)回歸估計(jì)值相差不大。由此可見，不同測(cè)算方法的選擇，并沒有影響本文關(guān)于貸款利率上限放開對(duì)企業(yè)TFP影響的分析。

表5 穩(wěn)健性檢驗(yàn)：使用企業(yè)TFP的替代指標(biāo)

(續(xù)上表)

變量(1)TFP_IFE(2)TFP_OP(3)TFP_LP時(shí)間YesYesYes行業(yè)YesYesYes地區(qū)YesYesYesN219552521955252195525R20.124 0.108 0.104

注：***、**、*分別表示在1%、5%、10%的水平顯著，括號(hào)內(nèi)為t值。

(二)安慰劑檢驗(yàn)

為了更好地說明貸款利率上限放開對(duì)企業(yè)TFP的影響的確是由2004年貸款利率上限放開政策所致，本文將貸款利率上限放開這一外生政策往前移一年，即假定貸款利率上限放開政策實(shí)施年份為2003年，并基于產(chǎn)權(quán)性質(zhì)隨機(jī)選擇處理組和對(duì)照組，構(gòu)造交互項(xiàng)來進(jìn)行安慰劑檢驗(yàn)。表6的檢驗(yàn)結(jié)果顯示，無論是否加入控制變量，關(guān)鍵變量Nonstate×Post2003的系數(shù)均不顯著，間接說明確實(shí)是2004年貸款利率上限放開對(duì)企業(yè)TFP產(chǎn)生了影響，安慰劑檢驗(yàn)基本通過。

表6 安慰劑檢驗(yàn)

(續(xù)上表)

變量(1)TFP(2)TFP(3)TFP(4)TFPMAN-0.0004???-0.0004???-0.0004???(-7.90)(-8.00)(-7.99)EX-0.0515???-0.0442???-0.0535???(-35.36)(-30.10)(-35.74)常數(shù)項(xiàng)3.2083???1.8331???1.8200???1.7952???(3637.83)(327.86)(283.60)(251.31)時(shí)間NoYesYesYes行業(yè)NoNoYesYes地區(qū)NoNoNoYesN3145746219693121969312196931R20.001 0.059 0.078 0.104

注：***、**、*分別表示在1%、5%、10%的水平顯著，括號(hào)內(nèi)為t值。

六 結(jié)語及政策含義

本文以1998-2014年中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)中全部國(guó)有和規(guī)模以上非國(guó)有企業(yè)為樣本，選取利率市場(chǎng)化進(jìn)程中的關(guān)鍵事件——2004年放開貸款利率上限這一外生政策變化作為準(zhǔn)自然實(shí)驗(yàn)，并基于產(chǎn)權(quán)性質(zhì)差異構(gòu)建雙重差分模型，實(shí)證檢驗(yàn)了貸款利率上限放開對(duì)企業(yè)TFP的影響。結(jié)果表明，貸款利率上限放開顯著提升了企業(yè)TFP?？紤]到TFP的測(cè)度有許多種方法，本文采用目前主流的方法，即個(gè)體固定效應(yīng)法、OP法和LP法重新測(cè)度TFP，以此進(jìn)行穩(wěn)健性檢驗(yàn)，檢驗(yàn)結(jié)果均支持前文的基本結(jié)論。此外，本文還進(jìn)一步采用機(jī)制檢驗(yàn)的方式考察了貸款利率上限放開影響企業(yè)TFP的潛在路徑。檢驗(yàn)結(jié)果表明，貸款利率上限放開會(huì)通過緩解融資約束進(jìn)而提升企業(yè)TFP。

本研究政策含義：第一，中國(guó)經(jīng)濟(jì)進(jìn)入高質(zhì)量發(fā)展階段，依靠粗放型增長(zhǎng)方式難以推動(dòng)經(jīng)濟(jì)持續(xù)穩(wěn)定發(fā)展，必須轉(zhuǎn)向依托TFP提升的內(nèi)生增長(zhǎng)模式。本文的研究結(jié)果顯示，貸款利率上限放開對(duì)企業(yè)TFP產(chǎn)生了正向影響。因此，未來中國(guó)應(yīng)進(jìn)一步加快利率市場(chǎng)化進(jìn)程，以優(yōu)化金融資源配置，從而促進(jìn)TFP的提升，實(shí)現(xiàn)經(jīng)濟(jì)的可持續(xù)發(fā)展；第二，雖然利率市場(chǎng)化改革賦予了金融機(jī)構(gòu)自主決定貸款利率水平的定價(jià)權(quán)，但監(jiān)管部門也應(yīng)對(duì)金融機(jī)構(gòu)的利率定價(jià)行為予以監(jiān)督，防止出現(xiàn)金融機(jī)構(gòu)不合理定價(jià)，進(jìn)而導(dǎo)致資金供求不平衡的情況；第三，本文進(jìn)一步探討了貸款利率上限放開影響企業(yè)TFP的中介機(jī)制——融資約束，這有利于更好地理解企業(yè)由于信貸歧視所面臨的融資困境，雖然利率市場(chǎng)化在一定程度上可緩解由于信貸歧視導(dǎo)致的資源錯(cuò)配問題，但中國(guó)在未來不僅需要繼續(xù)推進(jìn)利率市場(chǎng)化進(jìn)程，發(fā)揮利率在信貸資源配置中的積極作用，還需從根本上消除信貸歧視，營(yíng)造一個(gè)公平、競(jìng)爭(zhēng)的融資環(huán)境；第四，在銀行主導(dǎo)的金融體系下，我國(guó)企業(yè)的直接融資占比還非常小，并且大型國(guó)有銀行的壟斷地位使得銀行業(yè)缺乏競(jìng)爭(zhēng)性，難以達(dá)到最優(yōu)的資源配置狀態(tài)。因此，為了更好地服務(wù)于實(shí)體經(jīng)濟(jì)，中國(guó)還需進(jìn)一步深化金融體系結(jié)構(gòu)性改革，以優(yōu)化資金配置效率，促進(jìn)TFP的提高。首先，從融資結(jié)構(gòu)上看，有關(guān)部門應(yīng)加大政策支持力度，提升股權(quán)融資、債券融資比重，尤其應(yīng)鼓勵(lì)那些創(chuàng)新效率較高的成長(zhǎng)型企業(yè)擴(kuò)大直接融資規(guī)模；其次，從銀行業(yè)結(jié)構(gòu)上看，我國(guó)應(yīng)打破大型國(guó)有銀行的壟斷地位，引導(dǎo)中小銀行發(fā)展，提升銀行間的競(jìng)爭(zhēng)程度，從而拓寬優(yōu)質(zhì)中小企業(yè)的融資渠道，以滿足不同群體的融資需求。