銀行業(yè)與制造業(yè)協(xié)同集聚對制造業(yè)企業(yè)投資水平的影響

朱昇之

（揚州大學，江蘇 揚州 225000）

引言

改革開放以來，我國金融業(yè)得到迅速發(fā)展并取得了歷史性成就。習近平總書記多次強調(diào)要深化金融供給側結構性改革，而金融供給側改革實際上就是不斷放松對銀行業(yè)的管制，市場準入管制也是政府監(jiān)管銀行的重要方式之一（蔡衛(wèi)星，2016）。隨著金融體制改革的推進，各類城市商業(yè)銀行、農(nóng)村商業(yè)銀行等興起，進一步提升了銀行業(yè)的集聚程度，與制造業(yè)形成互動發(fā)展的格局。銀行貸款是我國企業(yè)融資的主要方式。銀行貸款的可獲得性會導致企業(yè)面臨內(nèi)部融資成本和外部融資成本的巨大差異，從而出現(xiàn)投資中斷等問題，繼而嚴重影響到企業(yè)投資水平。在制造業(yè)發(fā)展過程中，形成了多種專業(yè)化的產(chǎn)業(yè)集聚園區(qū)，呈現(xiàn)出明顯的產(chǎn)業(yè)集聚現(xiàn)象，出現(xiàn)了生產(chǎn)性服務業(yè)的跟隨集聚，同時生產(chǎn)性服務業(yè)的集聚也吸引了制造業(yè)的靠近。銀行業(yè)屬于生產(chǎn)性服務業(yè)。銀行業(yè)為制造業(yè)提供資金，所以制造業(yè)企業(yè)會向銀行業(yè)聚集的地區(qū)趨近；與此同時，銀行業(yè)為了拓展業(yè)務而不斷接近制造業(yè)企業(yè)，為了節(jié)省交易成本，銀行業(yè)會選擇趨向于制造業(yè)企業(yè)周圍，由此會產(chǎn)生銀行業(yè)與制造業(yè)企業(yè)協(xié)同集聚的現(xiàn)象。銀行業(yè)與制造業(yè)協(xié)同集聚能夠通過產(chǎn)業(yè)間的互動形成銀行業(yè)與制造業(yè)的共生經(jīng)濟，提高制造業(yè)企業(yè)的產(chǎn)出效率與產(chǎn)出質(zhì)量，形成規(guī)模經(jīng)濟。中國經(jīng)濟“做大經(jīng)濟規(guī)模”的目標在高速增長階段已基本達成，如今“提升發(fā)展質(zhì)量”已成為新時代的主導方向。在此背景下，從協(xié)同集聚的角度，研究銀行業(yè)與制造業(yè)協(xié)同集聚對制造業(yè)企業(yè)投資水平的影響，必然是事關中國經(jīng)濟增長領域的前沿問題。

基于以上思考，本文通過構建我國銀行業(yè)和制造業(yè)在地級市層面上協(xié)同集聚指數(shù)，研究協(xié)同集聚對我國制造業(yè)企業(yè)投資水平的影響情況。本文較以往研究有以下創(chuàng)新點。首先，構建了衡量銀行業(yè)和制造業(yè)企業(yè)協(xié)同集聚程度的指標，是國內(nèi)少數(shù)關于銀行業(yè)與制造業(yè)協(xié)同集聚的相關研究。其次，利用工業(yè)企業(yè)數(shù)據(jù)在研究樣本的過程中更能全面反映協(xié)同集聚對制造業(yè)企業(yè)投資水平的影響情況。

一、理論分析

Ellison and Glaeser等（1977）首次提出產(chǎn)業(yè)協(xié)同集聚，并對其進行定量分析。路江涌等（2016）研究表明，我國制造業(yè)之間的協(xié)同集聚水平逐漸提高。楊桐彬等（2020）提出，生產(chǎn)性服務業(yè)產(chǎn)生的規(guī)模經(jīng)濟促進了信息流通，從而降低了企業(yè)交易成本，加快形成了制造業(yè)和生產(chǎn)性服務業(yè)的協(xié)同集聚。已有文獻一直在嘗試探究影響企業(yè)投資水平的因素。Allen et al.（2017）提出，我國企業(yè)融資主要通過向銀行貸款進行，銀行集聚導致的銀行競爭會進一步有效發(fā)揮銀行的資源配置作用，促進企業(yè)的信貸可獲得性，從而有利于提高企業(yè)投資水平。而有少部分學者則認為，企業(yè)融資約束的加劇會降低企業(yè)投資水平（張新民，等，2017）。

銀行業(yè)作為生產(chǎn)性服務業(yè)為制造業(yè)企業(yè)提供信貸，降低了制造業(yè)企業(yè)的融資成本，所以制造業(yè)企業(yè)趨近于銀行業(yè)聚集的地區(qū)；同時，銀行業(yè)為了拓展業(yè)務，節(jié)省交易成本，會選擇趨向于制造業(yè)企業(yè)周圍，由此產(chǎn)生了銀行業(yè)與制造業(yè)的協(xié)同集聚現(xiàn)象。銀行業(yè)與制造業(yè)協(xié)同集聚在增加信貸供給的同時也提高了企業(yè)負債水平，出于維護自身利益的目的，銀行有動機對借款企業(yè)發(fā)揮治理作用，優(yōu)化貸款條款，加強客戶篩選，進而改善貸款質(zhì)量，從而促使企業(yè)投資優(yōu)化，提高企業(yè)投資水平。據(jù)此提出本文的研究假設：銀行業(yè)和制造業(yè)協(xié)同集聚促進了制造業(yè)企業(yè)投資水平的提高。

二、實證模型

（一）設定模型

在參考已有文獻以及數(shù)據(jù)樣本特征的基礎上，設定如下模型進行檢驗：

其中，Investment為制造業(yè)企業(yè)的投資水平，下標i、j、k、t分別表示企業(yè)、行業(yè)、地區(qū)和年份；Co_agg為核心解釋變量，表示銀行業(yè)與制造業(yè)協(xié)同集聚指數(shù)；Ctrl為微觀層面控制變量的集合?？紤]到企業(yè)所屬行業(yè)等存在異質(zhì)性，采用混合OLS模型進行檢驗，即加入行業(yè)層面的虛擬變量η、省份層面的虛擬變量η、年份層面的虛擬變量η。ε為隨機擾動項。

（二）變量及說明

1.被解釋變量

被解釋變量Investment表示企業(yè)投資水平，為在t年地級市k屬于行業(yè)j的企業(yè)i的固定資產(chǎn)及無形資產(chǎn)的增量占總資產(chǎn)的比例。

2.主要解釋變量

解釋變量Co_agg表示銀行業(yè)和制造業(yè)協(xié)同集聚指數(shù)（Co_agg，co-agglomeration），表示地級市k制造業(yè)行業(yè)j和銀行業(yè)在t年的協(xié)同集聚程度。參考張虎等（2017）的處理方法，在構建制造業(yè)和銀行業(yè)區(qū)位熵指數(shù)以刻畫集聚程度的基礎上，估算制造業(yè)與銀行業(yè)協(xié)同集聚程度，公式如式（2）所示：

LQ是j地區(qū)i產(chǎn)業(yè)在全國的區(qū)位熵指數(shù)，q是j地區(qū)i產(chǎn)業(yè)的就業(yè)人數(shù)；q是j地區(qū)份制造業(yè)與銀行業(yè)的就業(yè)人數(shù)，q是全國i產(chǎn)業(yè)的就業(yè)人數(shù)，q是全國制造業(yè)與銀行業(yè)的就業(yè)人數(shù)。

式（3）中，LQ為制造業(yè)的集聚指數(shù)，LQ為銀行業(yè)的集聚指數(shù)，LQ為制造業(yè)與銀行業(yè)協(xié)同集聚指數(shù)。

3.控制變量

Ctrl為控制變量，其中，企業(yè)規(guī)模（Size）用年均從業(yè)人數(shù)的自然對數(shù)表示，創(chuàng)新（Innovation）用新產(chǎn)品產(chǎn)出與銷售額的比值表示，技術水平（TFP）使用OP半?yún)?shù)方法計算。資產(chǎn)負債率（Lev），以總負債與總資產(chǎn)之比表示。還設計了行業(yè)層面的虛擬變量（η），省份層面的虛擬變量（η）以及年份層面的虛擬變量（η）；最后，ε是隨機誤差項。

4.其他變量

首先，設計了行業(yè)層面的虛擬變量（η），來控制行業(yè)層面的固定效應產(chǎn)生的各種影響。其次，設計了省份層面的虛擬變量（η），控制省份層面的固定效應產(chǎn)生的各種影響。再次，設計了年份層面的虛擬變量（η），用來控制我國金融發(fā)展階段性變化等各種影響。最后，ε是隨機誤差項。

（三）數(shù)據(jù)和相關處理

本文數(shù)據(jù)主要來源于金融活動普查數(shù)據(jù)及中國工業(yè)企業(yè)數(shù)據(jù)庫，銀行業(yè)集聚指標根據(jù)銀監(jiān)會對銀行業(yè)2006—2011年金融活動普查數(shù)據(jù)提供的銀行就業(yè)人數(shù)等信息計算得出，制造業(yè)企業(yè)相關數(shù)據(jù)為按二分位行業(yè)標準劃分的30個制造業(yè)行業(yè)企業(yè)數(shù)據(jù)。本文剔除了固定資產(chǎn)總值小于零或缺失的樣本，以及流動資產(chǎn)小于固定資產(chǎn)、固定資產(chǎn)小于總資的樣本企業(yè)來保證數(shù)據(jù)的有效性，并對地級市代碼進行匹配，得到2006—2011年257個地級市銀行業(yè)集聚指標，以及353 808家微觀企業(yè)的企業(yè)財務指標。

（四）描述性統(tǒng)計

表1為本文主要變量的描述性統(tǒng)計結果。從表1中可以發(fā)現(xiàn)，企業(yè)投資水平的均值為15.51，表示制造業(yè)企業(yè)投資呈增加態(tài)勢，制造業(yè)企業(yè)平均規(guī)模為4.8，全要素生產(chǎn)率的均值為7.175，創(chuàng)新的均值為0.118，資產(chǎn)負債率的均值為51.8%。

表1 主要變量的描述性統(tǒng)計

三、實證檢驗

（一）基準回歸

根據(jù)表2基準模型回歸結果，第（1）列展示了利用二分位計算的協(xié)同集聚指數(shù)進行回歸的結果，回歸系數(shù)為0.114且在1%的水平上通過了顯著性檢驗，可以得出，銀行業(yè)和制造業(yè)的協(xié)同集聚顯著促進了企業(yè)投資水平的提高；第（3）列利用四分位行業(yè)計算的協(xié)同集聚指數(shù)進行回歸，回歸系數(shù)顯著為正。

本文參照Chong et al.（2013），運用工具變量來緩解協(xié)同集聚與企業(yè)投資水平之間可能存在的反向因果問題，工具變量采用相鄰地區(qū)銀行業(yè)和制造業(yè)的協(xié)同集聚指數(shù)。具體結果見表2第（2）、（4）列，協(xié)同集聚指數(shù)系數(shù)仍然顯著為正，進一步說明檢驗結果穩(wěn)健。

表2 基準模型回歸結果

四、結論與啟示

本文利用2006—2011年工業(yè)企業(yè)數(shù)據(jù)以及銀監(jiān)會對全國銀行業(yè)的金融活動普查數(shù)據(jù)，研究銀行業(yè)制造業(yè)協(xié)同集聚對制造業(yè)企業(yè)投資水平的影響。研究發(fā)現(xiàn)，銀行業(yè)制造業(yè)協(xié)同集聚促進了制造業(yè)企業(yè)投資水平的提高。

本文的研究結論對促進我國金融供給側結構性改革及制造業(yè)企業(yè)的高質(zhì)量發(fā)展具有重要作用。首先，我國銀行業(yè)與制造業(yè)協(xié)同集聚的整體水平仍然偏低，未來可以通過制定相關政策進一步加大對金融體制的改革，逐漸提高銀行業(yè)與制造業(yè)企業(yè)協(xié)同集聚的水平。其次，近年來我國致力于提高銀行市場化程度，打破了國有銀行的壟斷地位；今后應該繼續(xù)擴大金融服務機構的覆蓋范圍，促進普惠金融發(fā)展，通過發(fā)揮銀行集聚的信息、資金優(yōu)勢，優(yōu)化制造業(yè)集聚，促進制造業(yè)企業(yè)投資水平的提高。最后，我國銀行業(yè)應該更加充分地發(fā)揮金融機構服務實體經(jīng)濟的作用，為中小企業(yè)發(fā)展提供動力，促進經(jīng)濟的高質(zhì)量發(fā)展。