王澎涵 楊有振

摘? ?要：信貸資源配置效率提升是金融供給側(cè)結(jié)構(gòu)性改革的重要目標之一，而非金融企業(yè)影子銀行化是影響信貸資源配置效率的重要因素。本文基于2011—2020年A股上市公司數(shù)據(jù)，實證分析非金融企業(yè)影子銀行化與金融市場信貸資源配置效率的非線性關(guān)系。研究發(fā)現(xiàn)，隨著非金融企業(yè)影子銀行規(guī)模的擴大，金融市場的信貸資源配置效率呈現(xiàn)出先上升后下降的倒U形特征，即影子銀行規(guī)模在適度區(qū)間內(nèi)可以促進信貸資源配置效率的提升，超過適度區(qū)間后則會降低信貸資源配置效率。進一步分析發(fā)現(xiàn)，數(shù)字普惠金融緩釋了影子銀行與信貸資源配置效率的倒U形關(guān)系，上述倒U形關(guān)系在外部融資依賴度較高企業(yè)與非國有企業(yè)的樣本組中更為顯著。依據(jù)研究結(jié)論提出優(yōu)化金融資源配置，允許非金融企業(yè)影子銀行適度規(guī)模的存在，加強對非金融企業(yè)從事影子銀行業(yè)務資金來源的監(jiān)管，發(fā)展數(shù)字普惠金融等建議。

關(guān)? 鍵? 詞：非金融企業(yè);影子銀行;信貸資源配置效率;數(shù)字普惠金融

中圖分類號：F832? ? ? ? ? 文獻標識碼：A? ? ? ?文章編號：2096-2517（2024）03-0014-16

DOI：10.16620/j.cnki.jrjy.2024.03.002

一、引言

我國經(jīng)濟發(fā)展已由追求經(jīng)濟增長速度轉(zhuǎn)向追求經(jīng)濟增長質(zhì)量的新階段，但在經(jīng)濟轉(zhuǎn)型過程中產(chǎn)生了一定的摩擦，經(jīng)濟增速放緩，實體經(jīng)濟面臨著下行壓力。相對于實體經(jīng)濟，金融業(yè)的超額利潤吸引企業(yè)跨行業(yè)套利，經(jīng)濟中出現(xiàn)了較為顯著的“脫實向虛”趨勢，即非金融企業(yè)將本應用于主營業(yè)務的資金從事影子銀行業(yè)務以期望獲取超額利潤。非金融企業(yè)的影子銀行活動會導致實體經(jīng)濟與金融業(yè)之間的風險聯(lián)動性增強，造成系統(tǒng)性金融風險積聚、 風險傳導鏈條延長和風險事件沖擊的倍數(shù)效應， 影子銀行活動被認為是2008年全球金融危機的主要根源之一。我國的影子銀行體系在金融危機之后得到迅速發(fā)展，越來越多的非金融企業(yè)充當信用中介、支付中介或間接參與金融機構(gòu)信用創(chuàng)造鏈條，例如以委托貸款、委托理財、民間借貸、信用擔保等金融業(yè)務作為企業(yè)額外的收入來源。 截至2016年，我國的影子銀行規(guī)模達到頂峰，官方統(tǒng)計的廣義影子銀行規(guī)模已達到90萬億元， 狹義層面的影子銀行規(guī)模達到51萬億元。基于此，從2017年以來， 金融監(jiān)管部門對我國影子銀行加強整治，截至2022年上半年， 我國廣義影子銀行規(guī)模下降至55.6萬億元。影子銀行規(guī)模占名義GDP的比例下降至47.2%，創(chuàng)下了自2013年以來的最低水平[1]。但影子銀行存量規(guī)模依然較為龐大，經(jīng)濟金融風險隱患仍然較多。

雖然近年來的利率市場化改革、注冊制改革等措施優(yōu)化了金融市場的環(huán)境，但目前我國金融體系仍存在較大程度的“所有制歧視”與“規(guī)模歧視”，金融市場和商業(yè)銀行存在不同程度的信貸配給現(xiàn)象，金融資源從低效率部門流向高效率部門的機制存在一定的阻礙[2]。那么，在正規(guī)金融渠道之外，非金融企業(yè)的影子銀行業(yè)務是否能夠作為相應的補充機制以緩解信貸資源配置效率的下降？

非金融企業(yè)影子銀行化實質(zhì)上是企業(yè)參與信用中介類活動、從事信用創(chuàng)造的過程，其本身就構(gòu)成了金融供給。在我國較為嚴重的金融錯配、信貸歧視仍未緩解的情況下，信貸投放與資金使用效率不匹配，處于融資優(yōu)勢地位的低生產(chǎn)率企業(yè)在面臨較大規(guī)模的融資需求時，可能會出于逐利動機而從事影子銀行活動。非金融企業(yè)的逐利行為在一定程度上能夠緩解金融錯配，彌補正規(guī)金融渠道的效率損失。 但依據(jù)非金融企業(yè)從事金融活動的非專業(yè)性、影子銀行活動的高風險性、優(yōu)質(zhì)資源有限性理論， 隨著非金融企業(yè)影子銀行規(guī)模的擴大， 可以預見這些局限性將導致非金融企業(yè)影子銀行化對信貸資源配置效率的邊際效應由正轉(zhuǎn)負。

由于非金融企業(yè)影子銀行化與信貸資源配置效率非線性關(guān)系的研究目前較為缺乏，因此本文基于2011—2020年的非平衡面板數(shù)據(jù)進行實證分析，建立非線性回歸模型，得到非金融企業(yè)影子銀行化與信貸資源配置效率存在非線性關(guān)系的結(jié)論： 當非金融企業(yè)的影子銀行規(guī)模處于適度區(qū)間時，其能夠提升信貸資源配置效率;當影子銀行規(guī)模超過臨界值時，影子銀行規(guī)模的擴大開始降低信貸資源配置效率。并通過一系列穩(wěn)健性檢驗，說明這一結(jié)論較為穩(wěn)健。本文進一步從數(shù)字普惠金融的調(diào)節(jié)效應切入，發(fā)現(xiàn)數(shù)字普惠金融的發(fā)展緩釋了非金融企業(yè)影子銀行化與信貸資源配置效率的非線性關(guān)系。最后，將非金融企業(yè)影子銀行化與信貸資源配置效率的非線性特征進行異質(zhì)性分析。在所屬行業(yè)外部融資依賴度的異質(zhì)性檢驗中，發(fā)現(xiàn)非金融企業(yè)影子銀行與信貸資源配置效率的倒U形關(guān)系在高外部融資依賴度行業(yè)更為陡峭。以所有制屬性將樣本分組進行回歸，研究發(fā)現(xiàn)非國有企業(yè)樣本組的倒U形關(guān)系更為顯著。

相較于已有文獻，本文的創(chuàng)新之處主要在于：第一，現(xiàn)有文獻已關(guān)注到非金融影子銀行化對信貸資源配置效率的線性影響，但線性影響局限于影子銀行化純粹的正面效應或單一的負面效應，而本文依據(jù)非金融企業(yè)影子銀行化的邊際效益遞減規(guī)律，關(guān)注到影子銀行化對信貸資源配置效率的非線性影響，拓展了該方向的研究領域。第二，由于非金融企業(yè)從事影子銀行業(yè)務是正規(guī)金融渠道的補充機制[3]，并且其面臨較高的信息不對稱，由此對應著較嚴重的信用風險以及定價較高的影子銀行業(yè)務，因此，本文以數(shù)字普惠金融作為調(diào)節(jié)變量，深入考察非金融企業(yè)影子銀行化與信貸資源配置效率的非線性關(guān)系， 拓展了非金融企業(yè)影子銀行的研究思路。第三，本文以外部融資依賴度與所有制屬性作為分組變量進行異質(zhì)性分析，有助于進一步深化對非金融企業(yè)影子銀行化與信貸資源配置效率非線性特征的認識，豐富了相關(guān)研究，同時為信貸資源配置效率方面的研究開辟了新視角。

二、文獻綜述

（一）非金融企業(yè)影子銀行化的定義

關(guān)于非金融企業(yè)影子銀行的定義，原美國財長蓋特納認為影子銀行是與傳統(tǒng)銀行體系相平行的非銀行融資體系， 其游離于監(jiān)管與貨幣調(diào)控之外。而2020年原銀保監(jiān)會發(fā)布的中國影子銀行報告中指出，影子銀行是指常規(guī)銀行體系以外的金融中介業(yè)務，扮演著“類銀行”的角色[1]。我國影子銀行大體可分為兩類： 一類是金融系統(tǒng)內(nèi)的影子銀行活動，指銀行等金融機構(gòu)直接參與的影子銀行業(yè)務;另一類則是非金融企業(yè)參與的影子銀行活動。

學術(shù)界對于非金融企業(yè)影子銀行化主要有兩種界定范圍。第一種定義將非金融企業(yè)影子銀行化分為兩種類型——非金融企業(yè)信用中介類影子銀行與信用鏈條類影子銀行[4]。信用中介類影子銀行的典型特征是非金融企業(yè)利用自有資金或外部融資，通過委托貸款、民間借貸等方式充當實際或類信用中介，從而獲取貸款收益;而信用鏈條類影子銀行是指非金融企業(yè)通過購買結(jié)構(gòu)性存款、銀行理財?shù)荣Y產(chǎn)間接參與影子銀行信用創(chuàng)造。第二種非金融企業(yè)影子銀行的定義范圍僅為上述信用中介類影子銀行[5]。依據(jù)本文的研究內(nèi)容，結(jié)合實業(yè)界與學術(shù)界對影子銀行的相關(guān)定義，本文采用第二種即信用中介類影子銀行作為非金融企業(yè)影子銀行的定義標準。

（二）非金融企業(yè)影子銀行化的經(jīng)濟效應

關(guān)于非金融企業(yè)從事影子銀行化的經(jīng)濟效應的相關(guān)研究，學者多從其負面效應進行考察。非金融企業(yè)從事影子銀行業(yè)務導致實體投資的優(yōu)先級被降低，引發(fā)企業(yè)投資效率的下降，進而縮減其主營業(yè)務收入，通過資產(chǎn)負債表渠道加劇企業(yè)的經(jīng)營風險[6];非金融企業(yè)的影子銀行業(yè)務處于監(jiān)管體系之外， 無法較好地體現(xiàn)在企業(yè)的資產(chǎn)負債表中，使企業(yè)的信息披露質(zhì)量下降，加劇了企業(yè)與投資者及外部融資渠道之間的信息不對稱，易引發(fā)股價的特質(zhì)信息波動和外部融資環(huán)境的惡化[7]。非金融企業(yè)從事信用中介類影子銀行業(yè)務時，借款企業(yè)的信用風險與金融市場的系統(tǒng)性風險聯(lián)動機制會導致企業(yè)經(jīng)營風險上升[8]。由于非金融企業(yè)基于追逐利潤的投資替代動機而參與影子銀行業(yè)務，為牟取高額利潤， 放松甚至忽視對于借款方企業(yè)的資質(zhì)審核，導致信貸資金的違約風險急劇上升。而貸方企業(yè)往往具有一定規(guī)模的外部融資，違約風險會在信貸鏈條上進行傳導：一旦借方企業(yè)無法償還本金和利息，會直接惡化貸方企業(yè)的現(xiàn)金流，使貸款企業(yè)的違約風險上升，導致風險傳染[9]。

但另一部分學者認為非金融企業(yè)的影子銀行業(yè)務具有一定的正面效應。例如，得益于中國房價的快速上漲與信貸需求的激增，金融業(yè)被公認為暴利行業(yè)，非金融企業(yè)的影子銀行業(yè)務實質(zhì)上屬于企業(yè)的跨行業(yè)套利行為，企業(yè)參與金融活動為其帶來一定的金融收益[10]。非金融企業(yè)的影子銀行業(yè)務能夠在一定程度上緩解金融錯配。例如，在我國“所有制歧視”背景下，非金融企業(yè)影子銀行業(yè)務能夠降低國有企業(yè)與民營企業(yè)之間的信貸資源分化程度[11]。企業(yè)間的影子銀行活動有助于金融資源進行二次配置，使企業(yè)間的信息優(yōu)勢得以發(fā)揮，能夠緩解全要素生產(chǎn)率較高企業(yè)的融資約束，促進金融資源配置效率的提升[12]。

（三）非金融企業(yè)影子銀行化的度量

由于信貸資源配置效率屬于宏觀層面的變量，微觀個體企業(yè)的經(jīng)濟活動難以對宏觀變量產(chǎn)生影響，因此，對非金融企業(yè)金融化作用于信貸資源配置效率的相關(guān)文獻較少，現(xiàn)有文獻主要有三類實證策略。

第一種方法采用非金融企業(yè)影子銀行規(guī)模加總與信貸資源配置效率的宏觀指標匹配后進行實證分析。李香花等（2023）通過將非金融企業(yè)影子銀行規(guī)模進行加總，與省級信貸資源配置效率進行匹配，研究發(fā)現(xiàn)非金融企業(yè)影子銀行化與區(qū)域資本配置效率存在顯著的“倒U形”特征，即隨著影子銀行規(guī)模的擴大，區(qū)域資本配置效率呈現(xiàn)出先上升后下降的趨勢[13]。張晶等（2019）利用民營經(jīng)濟發(fā)展占GDP比重與民營經(jīng)濟的影子銀行信貸占GDP比重進行匹配，實證結(jié)果表明正規(guī)金融體系難以滿足巨大的社會融資需求，而影子銀行是正規(guī)金融體系的有力補充[14]。上述方法的優(yōu)點是數(shù)據(jù)可得性高，實證方法較為簡單， 但這種方法會損失較多的樣本量，使研究結(jié)論不具備統(tǒng)計層面上的一般性與適用性，可能導致估計結(jié)果出現(xiàn)偏誤。

第二種策略是建立數(shù)理模型， 設置典型個體，以宏觀指標和企業(yè)各項經(jīng)濟活動指標的平均值設定相應的參數(shù)，運用數(shù)值方法動態(tài)分析非金融企業(yè)影子銀行活動的經(jīng)濟效應。龔關(guān)等（2021）通過構(gòu)建企業(yè)影子銀行活動的經(jīng)濟轉(zhuǎn)型模型，對非金融企業(yè)影子銀行化與資源配置效率進行動態(tài)分析， 發(fā)現(xiàn)非金融企業(yè)影子銀行化能夠在短期內(nèi)提升資源配置效率;但長期來看，影子銀行的杠桿作用將會放大和擴散風險，推升企業(yè)融資成本，阻礙資本配置效率的進一步改善[15]。上述方法能夠?qū)Ψ墙鹑谄髽I(yè)影子銀行化的經(jīng)濟效應進行動態(tài)分析， 更加直觀地看出非金融企業(yè)影子銀行化的短期沖擊與長期效能，但上述方法以典型的企業(yè)行為和數(shù)據(jù)平均值作為研究來源，使用數(shù)值模擬方法，同樣沒有大樣本數(shù)據(jù)的研究支撐，并且參數(shù)校準可能與實際經(jīng)濟情況不一致。

第三種實證方法是對所有非金融企業(yè)的影子銀行規(guī)模的微觀數(shù)據(jù)進行加總，作為宏觀經(jīng)濟變量以此匹配各個企業(yè)，研究非金融企業(yè)金融化的經(jīng)濟效應。張潔瓊等（2021）將所有非金融企業(yè)影子銀行規(guī)模加總，并與微觀企業(yè)個體的全要素生產(chǎn)率進行匹配，基于融資約束理論，研究發(fā)現(xiàn)隨著企業(yè)影子銀行規(guī)模的擴大， 對于全要素生產(chǎn)率較高的企業(yè)，其融資約束能夠得到有效改善;而對于全要素生產(chǎn)率較低企業(yè)的融資約束無顯著影響。這說明非金融企業(yè)影子銀行化能夠優(yōu)化金融資源配置[12]。上述方法使非金融企業(yè)影子銀行化對信貸資源配置效率的實證分析在微觀個體上的實現(xiàn)成為可能，保留了大樣本數(shù)據(jù)進行實證的優(yōu)勢。

上述文獻表明，部分觀點認為在我國現(xiàn)行金融體系下，非金融企業(yè)影子銀行化能夠彌補信貸資源初次分配的效率損失，但主流觀點認為過度的非金融企業(yè)影子銀行化勢必造成多層次的負面效應與風險沖擊，例如風險傳染機制加強、交易方信息不對稱程度加劇、對生產(chǎn)經(jīng)營產(chǎn)生“擠出效應”等。而金融資產(chǎn)定價的主要影響因素就是風險和信息不對稱程度，隨著風險上升，金融資產(chǎn)的價格可能呈現(xiàn)出同向波動的趨勢，因此，非金融企業(yè)影子銀行化與信貸資源配置效率可能不僅僅是單純的線性關(guān)系，而是具有非線性關(guān)系。但現(xiàn)有文獻鮮有從微觀視角考察非金融企業(yè)影子銀行化的雙面性，而探究非金融企業(yè)影子銀行與信貸資源配置效率兩者之間的關(guān)系， 有助于正確地審視非金融企業(yè)金融化的定位，為政策制定與監(jiān)管部門合理管控影子銀行業(yè)務提供理論依據(jù)，本文將從上述問題視角進行理論與實證分析。

三、理論分析與研究假設

我國信貸市場存在較大程度的金融錯配，部分企業(yè)不具有良好的投資機會與較高的成長性，但能夠在信貸市場獲得大量的信貸資金;而另一部分企業(yè)具有良好的投資機會與較高的成長性，卻往往面臨融資約束。企業(yè)的影子銀行活動在一定程度上是一種信貸資源的“再分配”，以委托貸款為代表的信貸中介類影子銀行業(yè)務為面臨融資約束的企業(yè)提供相應的資金來源， 緩解了其融資約束。那么，企業(yè)的影子銀行活動是否可以作為緩解信貸資源配置在不同經(jīng)濟主體失衡的一種有效手段？企業(yè)的影子銀行業(yè)務是否促進了信貸資源由低效率部門流轉(zhuǎn)到高效率部門？

一方面，部分不具有較好投資機會與成長性融資優(yōu)勢的企業(yè)，擁有較為充裕的流動性，在市場機制不健全和金融錯配的背景下，與融資需求不相匹配的金融供給缺失可為從事影子銀行活動的企業(yè)提供較為可觀的金融收益，能夠緩解其主營業(yè)務收益下降的不利局面，提升其整體的收益水平[16]。另一方面，部分融資劣勢企業(yè)擁有較好的投資機會與成長性，即使企業(yè)面臨著較為高昂的影子銀行相關(guān)借貸成本，但由于高回報率的投資機會與較好的成長性能夠覆蓋相關(guān)的外部融資成本，企業(yè)仍會借入外部資金以謀求發(fā)展。在金融錯配問題長期得不到解決的情況下，企業(yè)間的影子銀行業(yè)務使得資金供給端和資金需求端各自發(fā)揮出其比較優(yōu)勢，實現(xiàn)帕累托改進[17]。即我國企業(yè)間的影子銀行活動提供了資金重新配置的方式，為融資優(yōu)勢企業(yè)提供跨行業(yè)套利的渠道，并緩解了金融錯配對融資劣勢企業(yè)的負面效應，促進金融供給，降低資金的市場利率，在一定程度上提高了資金配置效率。

從另一個視角看，首先，依據(jù)前述理論分析，影子銀行借款方企業(yè)存在兩種類型，一是具有較好成長性與投資機會的優(yōu)質(zhì)企業(yè); 二是面臨流動性約束甚至可能陷入財務困境的高風險企業(yè)。而市場中存在有限數(shù)量處于融資劣勢的優(yōu)質(zhì)企業(yè)，其往往具有良好的投資機會與成長性，由于影子銀行具有靈活快捷、貸款審核較為寬松的特征，作為正規(guī)金融渠道的替代性融資機制，大部分優(yōu)質(zhì)的借款企業(yè)得到相應的融資，此類借款企業(yè)通常能夠以投資項目、營業(yè)收入增長所獲得的利潤覆蓋相應的融資成本。但隨著企業(yè)從事影子銀行活動的集約邊際不斷擴張，即隨著企業(yè)影子銀行規(guī)模的不斷擴大，借款方的優(yōu)質(zhì)企業(yè)不斷減少，剩余的具有借款需求的企業(yè)多為經(jīng)營能力較差、風險較高、信息披露程度較低、可能面臨財務困境的企業(yè)，其通過影子銀行渠道借入資金的主要目的是維持企業(yè)正常的經(jīng)營運轉(zhuǎn)， 不能有效利用信貸資源開展生產(chǎn)經(jīng)營活動，存在較高的財務風險，因此，此類企業(yè)作為資金投向的影子銀行業(yè)務相對應的違約風險較大，所承擔的利率水平較高。

其次，非金融企業(yè)從事影子銀行業(yè)務本質(zhì)上屬于企業(yè)跨行業(yè)套利[10]，相比于商業(yè)銀行等金融機構(gòu)，非金融企業(yè)在貸款審核、貸款事后監(jiān)督的專業(yè)性較差， 專業(yè)人員配備與相關(guān)資源配置的水平較低， 無法像商業(yè)銀行那樣發(fā)揮出貸款業(yè)務的規(guī)模效應，即在影子銀行規(guī)模擴大時降低貸款事前、事后的相關(guān)成本。因此，非金融企業(yè)傾向于提高影子銀行信貸資金的定價，此時，非金融企業(yè)的影子銀行業(yè)務不但沒有緩解初次金融資源配置效率的低下情況，反而進一步降低信貸資源的配置效率，非金融企業(yè)金融化成為低效率的“特權(quán)流轉(zhuǎn)”和“金融漏損”。

再次，處于融資優(yōu)勢地位的非金融企業(yè)，若將過量的資金投入到影子銀行業(yè)務中，勢必降低其流動性水平，并且一旦借款企業(yè)違約，將會以會計賬戶關(guān)聯(lián)的形式將風險傳導至處于融資優(yōu)勢的非金融企業(yè)， 隨著非金融企業(yè)的影子銀行規(guī)模不斷擴大，其風險也相應提升。商業(yè)銀行會對處于融資優(yōu)勢企業(yè)進行動態(tài)的風險評估，對風險承擔較高的企業(yè)提高授信定價水平，或?qū)﹂_展影子銀行活動的企業(yè)進行斷貸或抽貸。隨著非金融企業(yè)影子銀行規(guī)模的擴大，其信息披露質(zhì)量進一步惡化，存在較為嚴重的信息不對稱[3，7]，由此，在影子銀行市場投入較多資金的非金融企業(yè)面臨著外部融資成本上升的局面，從資金的成本端降低了信貸資源配置效率。

最后，從宏觀上看，影子銀行活動往往游離于金融監(jiān)管之外，其資金存量和流動較為隱蔽，再加上影子銀行資產(chǎn)的多層嵌套、跨資產(chǎn)品類組合的特征，使得貨幣當局計量社會融資規(guī)模的精確度有所下降，將會弱化貨幣政策的實施效果[18]，勢必降低金融資源配置效率。

基于上述分析，可以看出非金融企業(yè)的影子銀行業(yè)務與經(jīng)濟學中的邊際收益遞減規(guī)律相類似，因此，本文提出如下假設。

假設1： 隨著非金融企業(yè)影子銀行規(guī)模的擴張，金融市場的信貸資源配置效率呈現(xiàn)出先遞增而后遞減的倒U形的特征。

在前述非金融企業(yè)影子銀行與信貸資源配置效率倒U形關(guān)系的分析中， 體現(xiàn)出信貸資源可得性與信息不對稱在其中的作用機制。而數(shù)字普惠金融是促進金融可得性與緩解經(jīng)濟主體之間信息不對稱的集大成者，數(shù)字普惠金融基于大數(shù)據(jù)、云計算、人工智能、區(qū)塊鏈技術(shù)的應用，相較于傳統(tǒng)金融，數(shù)字普惠金融能夠有效刻畫企業(yè)的風險水平與經(jīng)營狀況，并在此基礎上結(jié)合宏觀經(jīng)濟狀況進行數(shù)據(jù)擬合與風險建模， 進而預測企業(yè)的前景與成長性。因此，隨著數(shù)字普惠金融的發(fā)展，信貸資源決策的依據(jù)由企業(yè)的所有制屬性、規(guī)模及抵押品價值等“硬信息”逐漸轉(zhuǎn)為“硬信息”與現(xiàn)金流量、經(jīng)營狀況等“軟信息”并重的局面。

基于數(shù)字普惠金融的發(fā)展，其“普惠屬性”一方面提升了企業(yè)信貸可獲得性，為企業(yè)提供可持續(xù)發(fā)展、定價合理的外部融資來源[19];另一方面，融資劣勢企業(yè)能夠以較為合理的價格從正規(guī)金融渠道獲取信貸資源，其從影子銀行渠道進行融資的動機有所下降， 對影子銀行形成一定程度的替代效應，沖擊了影子銀行信貸資金的價格。因此，數(shù)字普惠金融的發(fā)展使得處于融資優(yōu)勢的非金融企業(yè)通過影子銀行渠道獲利的空間有所收縮，并使影子銀行對信貸資源效率提升的作用部分被數(shù)字普惠金融的“普惠屬性”所替代。

數(shù)字普惠金融的“數(shù)字屬性”能夠提升金融信息服務的滲透性與普及性，使碎片化的信息得到有效整合，利用動態(tài)信用評估等手段降低了信貸資源使用的監(jiān)管成本和風險控制成本。具體來看，數(shù)字金融的區(qū)塊鏈技術(shù)可確保交易記錄透明安全，方便貸款企業(yè)追蹤鏈上交易， 快速定位高風險資金流向。企業(yè)之間以信息流為牽引，利用金融機構(gòu)大數(shù)據(jù)信息平臺與預警系統(tǒng)，可以實時監(jiān)測企業(yè)貸款資金的流向，以保障資金的安全性，有效防范借款企業(yè)的道德風險。此外，數(shù)字化的發(fā)展使借款企業(yè)信息披露的渠道得到暢通， 為企業(yè)信息披露創(chuàng)造便利，激勵相關(guān)企業(yè)提升其信息披露程度[20]，在一定程度上緩解了非金融企業(yè)影子銀行信貸資源投放的信息不對稱。數(shù)字普惠金融的普惠性與信息不對稱性的下降， 能夠有效降低影子銀行信貸資金的定價，減輕借款企業(yè)的債務負擔，因此，數(shù)字普惠金融發(fā)展進一步緩釋了信貸資源配置效率的下降。

由此可以看出， 如果前文的相關(guān)理論成立，那么數(shù)字普惠金融對非金融企業(yè)影子銀行規(guī)模與信貸資源配置效率的倒U形特征具有“緩釋效應”。因此，本文基于上述理論分析，提出如下假設。

假設2：數(shù)字普惠金融的發(fā)展使非金融企業(yè)影子銀行規(guī)模與信貸資源配置效率之間的倒U形形態(tài)更加平緩。

非金融企業(yè)的影子銀行業(yè)務屬于信貸資源的再配置，其具有投機性強、利率較高的特點，本質(zhì)上屬于非金融企業(yè)充當信用中介，向亟需資金的企業(yè)提供外部融資。因此，如果上述研究假設成立，那么非金融企業(yè)影子銀行與信貸資源配置效率的非線性關(guān)系應當在外部融資依賴度較強的企業(yè)中更為顯著。依據(jù)上述分析，本文提出如下假設。

假設3：非金融企業(yè)的影子銀行規(guī)模與信貸資源配置效率的非線性特征在企業(yè)所屬外部融資依賴度較高的行業(yè)中更為顯著。

四、研究設計

（一）數(shù)據(jù)來源

考慮到金融機構(gòu)影子銀行范疇較為典型的同業(yè)業(yè)務、通道業(yè)務、表外業(yè)務使得金融資源在金融機構(gòu)內(nèi)空轉(zhuǎn)，并沒有流入到實體中，而企業(yè)影子銀行業(yè)務所對應的主要群體仍為企業(yè)，因此本文未將金融機構(gòu)的影子銀行納入研究范圍?；跀?shù)據(jù)的可獲得性和質(zhì)量，以A股上市公司作為研究樣本①，選取非平衡面板數(shù)據(jù)進行分析， 以2011—2020年作為研究的時間區(qū)間。本文所采用的委托貸款數(shù)據(jù)來源于CNRDS數(shù)據(jù)庫， 委托理財和企業(yè)微觀層面的數(shù)據(jù)來源于國泰安數(shù)據(jù)庫，城市層面的數(shù)據(jù)來源于《中國城市統(tǒng)計年鑒》。由于本文研究對象是非金融企業(yè)，并且房地產(chǎn)行業(yè)被認為與金融業(yè)同樣屬于虛擬經(jīng)濟和暴利行業(yè)， 本文對數(shù)據(jù)做以下處理：第一，剔除金融類與房地產(chǎn)類上市公司;第二，剔除ST類、PT類公司;第三，剔除變量缺失的觀測值;第四，為避免極端值對實證結(jié)果的影響，對微觀層面連續(xù)變量1%和99%的分位數(shù)做縮尾處理。

（二）模型設定

為識別前述理論分析中企業(yè)的影子銀行規(guī)模與信貸資源配置效率是否具有倒U形特征， 本文設置非線性面板模型作為基準回歸模型（1）。

loan_EFi，t=β0+β1SB_amountt+β2SB_amount+β3controli，c，t+Σcompany+Σyear+εi，t （1）

其中，下標i表示個體企業(yè)，c為企業(yè)所屬城市，t代表年度，loan_EF為金融市場的信貸資源配置效率，SB_amount表示企業(yè)所有樣本企業(yè)在t年影子銀行規(guī)模的加總，control為企業(yè)層面和宏觀層面一系列控制變量，在實證回歸中控制了企業(yè)個體效應和年度效應，εit為殘差。 各個變量具體的含義與計算方式如表1所示。 使用面板雙向固定效應模型估計，其中β2是本文關(guān)心的系數(shù)，若隨著非金融企業(yè)影子銀行規(guī)模的擴大， 信貸資源配置效率呈現(xiàn)出先遞增后遞減的特征，即上述理論分析的假設1成立，則β2>0?？紤]到可能存在的異方差問題，本文在回歸中使用了聚類在公司層面的穩(wěn)健標準誤。

為驗證假設2，即數(shù)字普惠金融對非金融企業(yè)影子銀行與金融市場的信貸資源配置效率非線性關(guān)系的調(diào)節(jié)效應，本文設置模型（2）。loan_EFi，t=α0+α1SB_amountt+α2SB_amount+α3SB_amountt×DFc，t+α4SB_amount×DFc，t+α5DFc，t+α6controli，c，t+Σcompany+Σyear+εi，t??（2）

其中，DFc，t為地市級數(shù)字普惠金融指數(shù)， 其余變量含義與模型（1）一致。

（三）變量說明

1.被解釋變量

被解釋變量為金融市場的信貸資源配置效率（loan_EF）①?？紤]到金融錯配可以作為信貸資源配置效率的逆向指標，本文參考邵挺（2010）[21]的研究，首先，求出企業(yè)的資本成本，用企業(yè)財務費用科目中的利息支出與總負債扣除應付賬款的比值衡量;其次，求出企業(yè)所在行業(yè)平均資本成本;最后，以企業(yè)資本成本與企業(yè)所在行業(yè)平均資本成本相減的絕對值來衡量微觀企業(yè)層面的金融錯配程度。而微觀企業(yè)的金融錯配反映出金融市場信貸資源配置效率，因此，本文以金融錯配作為金融市場信貸資源配置效率的代理指標進行研究。此外，為增強實證結(jié)果的可讀性，對被解釋變量乘以100進行處理。

2.核心解釋變量

非金融企業(yè)影子銀行規(guī)模（SB_amount）是核心解釋變量。依據(jù)吳安兵等（2023）[4]、韓珣等（2020）[5]的研究，使用信用中介類影子銀行規(guī)模作為度量標準。首先求出企業(yè)層面的影子銀行規(guī)模，采用企業(yè)的委托貸款、委托理財、其他應收款之和衡量，然后參考張潔瓊等（2021）[12]的研究，按年度對企業(yè)的影子銀行規(guī)模相加，最終對上述的相加值取對數(shù)衡量t年的非金融企業(yè)影子銀行規(guī)模。

3.控制變量

為緩解遺漏變量可能引致的內(nèi)生性問題，參考相關(guān)研究，選取企業(yè)年齡（age）、規(guī)模（size）、現(xiàn)金流水平（cfo）、杠桿水平（lev）、盈利能力（roa）、資產(chǎn)流動性（flow）、成長性（grow）、股權(quán)集中度（ls）、固定資產(chǎn)比例（entity）、所有制（ownership）和企業(yè)所屬城市的GDP增長率（city_GDP）作為控制變量。

4.調(diào)節(jié)變量

調(diào)節(jié)變量為數(shù)字普惠金融指數(shù)（DF）。以郭峰等（2020）[22]編著的地級市數(shù)字普惠金融指數(shù)作為數(shù)據(jù)來源，指數(shù)越高說明城市層面的數(shù)字普惠金融發(fā)展程度越高。

五、實證結(jié)果與分析

（一）描述性統(tǒng)計

本文的描述性統(tǒng)計如表2所示，被解釋變量信貸資源配置效率（loan_EF）的平均值為1.584，標準差為1.553，最小值和最大值分別為0.026與11.640，由此可見企業(yè)之間的融資成本差異較大，信貸資源配置較為不均勻。而核心解釋變量非金融企業(yè)影子銀行化（SB_amount）的均值為29.610，標準差為1.572，最小值為26.710，最大值為32.520，表明非金融企業(yè)影子銀行規(guī)模在各個年度分布不均勻，這就為本文的研究內(nèi)容提供了良好的數(shù)據(jù)素材。對照原中國銀保監(jiān)會發(fā)布的《中國影子銀行報告》[1]中的數(shù)據(jù)進行推斷，并與張潔瓊等（2021）[12]的研究進行對比，證明了本文選取的非金融企業(yè)影子銀行的代理變量較為合理。觀察控制變量，發(fā)現(xiàn)與其他文獻的統(tǒng)計值相似，均在合理范圍內(nèi)。

（二）基準回歸結(jié)果

表3報告了基于模型（1）的回歸結(jié)果，表3列（1）報告了僅控制個體固定效應和時間固定效應的回歸結(jié)果，可以看出影子銀行規(guī)模的二次項系數(shù)為0.246，在1%的統(tǒng)計水平上顯著。這初步表明，實證結(jié)果與理論假設一致，非金融企業(yè)影子銀行規(guī)模的提升將導致其信貸資源配置效率呈現(xiàn)出先升后降的倒U形特征②。列（2）在列（1）的基礎上加入了控制變量，實證結(jié)果與列（1）無本質(zhì)差異，非金融企業(yè)影子銀行規(guī)模SB_amount的一次項系數(shù)均在1%的統(tǒng)計性水平上顯著為負，而SB_amount的二次項系數(shù)在1%的統(tǒng)計性水平上顯著為正， 意味著在非金融企業(yè)影子銀行規(guī)模較小時， 線性關(guān)系占主導作用，隨著非金融企業(yè)影子銀行規(guī)模的增加，loan_EF呈現(xiàn)出下降的趨勢;而隨著非金融企業(yè)影子銀行規(guī)模的不斷擴大，當超過一定的界限時，非線性關(guān)系逐漸占主導地位，隨著非金融企業(yè)影子銀行規(guī)模的增加，loan_EF將呈現(xiàn)出上升的趨勢。loan_EF的值越大表明金融市場的信貸資源配置效率越低，由此初步可見，非金融企業(yè)影子銀行規(guī)模與金融市場信貸資源配置效率之間呈現(xiàn)出倒U形特征。 可能的原因如下：

第一，從金融市場的視角看，存在兩類企業(yè)，一是經(jīng)營狀況較好、成長性較高、信用狀況較好的企業(yè);二是經(jīng)營狀況較差、信息披露情況較差甚至陷入財務困境的企業(yè)。依據(jù)前文所述，由于金融市場機制不完善、信貸歧視等因素，部分優(yōu)質(zhì)企業(yè)存在融資需求，而影子銀行的擴張在一定程度上彌補了正規(guī)金融渠道初次信貸資源分配的低效率，吸收部分優(yōu)質(zhì)群體的融資需求，此時，影子銀行業(yè)務相關(guān)的融資成本仍處于較低的區(qū)間內(nèi)，并形成一定規(guī)模的金融供給，可能對正規(guī)金融渠道的資金價格形成沖擊。但隨著非金融企業(yè)影子銀行規(guī)模的擴張，市場中優(yōu)質(zhì)借款企業(yè)的數(shù)量不斷減少，企業(yè)開展影子銀行業(yè)務面臨更高的信用風險，為了彌補風險而提升信貸資金的價格， 加劇了借款企業(yè)的融資成本，因此信貸資源配置效率下降。

第二，從企業(yè)的視角看，首先，由于企業(yè)從事影子銀行活動屬于套利行為，企業(yè)的本職工作為生產(chǎn)產(chǎn)品或提供勞務，其在信息收集、風險管理、人員配備、金融資產(chǎn)分配等方面相對不足，因此較難發(fā)揮出金融資產(chǎn)的規(guī)模經(jīng)濟效應，一旦超過閾值，非金融企業(yè)關(guān)于金融資產(chǎn)管理的成本將大幅上升。其次， 有相當數(shù)量的非金融企業(yè)充當實質(zhì)的信用中介，利用外部融資開展影子銀行活動[5]，而影子銀行具有借短貸長的期限錯配特征，因此影子銀行業(yè)務提升了企業(yè)的經(jīng)營風險，企業(yè)面臨的外部融資成本有所上升， 一方面從供給端降低信貸資源配置效率，另一方面促使企業(yè)提升影子銀行相關(guān)資產(chǎn)的定價，進一步降低信貸資源配置效率。

（三）U形檢驗

1.主要檢驗

在基準回歸模型中，若僅認為核心解釋變量的二次項系數(shù)顯著為正，并且估計的極值點在數(shù)據(jù)范圍內(nèi)，就推斷出非金融企業(yè)影子銀行規(guī)模與信貸資源配置效率存在倒U形關(guān)系，這一檢驗標準過于薄弱，不足以說明真正存在倒U形關(guān)系。例如可能存在核心解釋變量與被解釋變量之間的關(guān)系是上凸且單調(diào)遞增，但核心解釋變量對被解釋變量的邊際影響卻發(fā)生著變化， 仍然會得到上述的實證結(jié)果，此時，實證模型將錯誤地產(chǎn)生一個極值點，以及核心解釋變量與被解釋變量的倒U形關(guān)系。因此，本文借鑒Lind等（2010）[23]的方法，對基準實證結(jié)果進行U形檢驗，即被解釋變量與核心解釋變量存在U形關(guān)系需要同時滿足以下三個條件：第一，核心解釋變量的二次項系數(shù)顯著，且系數(shù)的方向與理論預期一致;第二，在核心解釋變量取值的最小值點與最大值點，被解釋變量與核心解釋變量之間關(guān)系的斜率必須陡峭，且最小值點斜率的正負值與最大值點斜率的正負值相反;第三，極值點的取值位于核心解釋變量的取值范圍內(nèi)。對上述條件進行U形檢驗，結(jié)果如表4與表5所示，觀測相關(guān)的數(shù)值與統(tǒng)計量，滿足三個成立條件。效率轉(zhuǎn)折點的值為e的28.232次方，為1.824萬億元，而樣本均值7.235萬億元（e29.61），說明樣本區(qū)間內(nèi)大部分年度的非金融企業(yè)影子銀行規(guī)模超過效率閾值，位于低效率區(qū)間內(nèi)。并且，基于樣本2020年的數(shù)據(jù)，非金融企業(yè)影子銀行規(guī)模為15.394萬億元（e30.36），遠遠超過效率閾值，在一定程度上表明現(xiàn)階段我國的非金融企業(yè)影子銀行化降低了信貸資源配置效率。

2.斷點回歸

如果被解釋變量（loan_EF）與核心解釋變量（SB_amount）之間確實存在U形關(guān)系，那么在轉(zhuǎn)折點左邊，線性回歸所計算的平均斜率應顯著為負;在轉(zhuǎn)折點的右邊，線性回歸所計算的平均斜率應當顯著為正。因此，本文使用精確斷點回歸分析方法檢驗轉(zhuǎn)折點左右區(qū)間的斜率是否異號且顯著。

首先，創(chuàng)建新的變量SB_amount_low、SB_ amount_high和high，具體的變量定義如式（3）至式（5）所示。

SB_amount_low=?SB_amount-（-），SB_amount≤（-）0，SB_amount>（-）（3）

SB_amount_high=?SB_amount-（-），SB_amount≥（-）0 ，SB_amount<（-）（4）

high=1，SB_amount≥（-）0，SB_amount<（-） （5）

其次，對（6）式進行斷點回歸分析，如果ω1和ω2異號且顯著，那么說明非金融企業(yè)影子銀行化與信貸資源配置效率存在U形或倒U形關(guān)系。精確斷點回歸的實證結(jié)果如表6所示。

loan_EFi，t=ω0+ω1SB_amount_low+ω2SB_amount_high+ω3high+ω4controli，c，t+Σcompany+Σyear+εi，t?（6）

從表6中可以看到，SB_amount_low和SB_

amount_high的系數(shù)ω1和ω2為異號，且轉(zhuǎn)折點左側(cè)的線性回歸中非金融企業(yè)影子銀行的系數(shù)在5%的統(tǒng)計性水平上顯著為負，而轉(zhuǎn)折點右側(cè)的線性回歸中非金融企業(yè)影子銀行的系數(shù)在1%的統(tǒng)計性水平上顯著為正。將上述實證結(jié)果繪制到圖像中，如圖1所示，可以看到由線性回歸所擬合的直線在轉(zhuǎn)折點左側(cè)的斜率為負， 而在轉(zhuǎn)折點右側(cè)斜率為正，并在轉(zhuǎn)折點處發(fā)生彎折，圖中顯示隨著非金融企業(yè)影子銀行規(guī)模的擴大，呈現(xiàn)出信貸資源配置效率先上升后下降的趨勢。綜合斷點回歸實證結(jié)果與圖像分析，可以認為在數(shù)據(jù)范圍內(nèi)非金融企業(yè)影子銀行化與信貸資源配置效率呈現(xiàn)倒U形關(guān)系。

（四）穩(wěn)健性檢驗

1.替換被解釋變量

在前文理論分析中，為避免實證結(jié)果受到被解釋變量選取的影響，對被解釋變量進行替換。原有被解釋變量是以企業(yè)融資成本與均值的偏離程度衡量，與影子銀行規(guī)模呈現(xiàn)出倒U形關(guān)系，如果上述結(jié)論成立，那么在影子銀行的供給端，企業(yè)的金融收益與平均水平的偏離程度，應當也與影子銀行規(guī)模呈現(xiàn)出倒U形關(guān)系。

這個經(jīng)濟意義是顯而易見的，若金融市場的信貸資源配置效率較高，那么市場中僅存在少量的套利機會，資產(chǎn)產(chǎn)生超額收益的情況較少，因此，金融資產(chǎn)所對應的收益就較為平均。若金融市場的信貸資源配置效率較低，這時有兩種情況：一是金融市場的信貸資源配置效率較低， 且金融資產(chǎn)相對較少，說明金融市場仍有套利空間，這個套利空間所對應的就是優(yōu)質(zhì)借款企業(yè);二是金融市場的信貸資源配置效率較低，且金融資產(chǎn)相對較多，說明可能存在較為嚴重的金融錯配，或是由于金融市場的信息不對稱較為嚴重，導致企業(yè)之間存在不同程度的信息差，使得企業(yè)之間金融收益的偏離程度加劇。

當金融市場中大量優(yōu)質(zhì)企業(yè)的融資需求未被吸收，影子銀行業(yè)務的風險較小時，金融供給的增加會逐漸縮小企業(yè)金融資產(chǎn)的盈利空間，金融收益收斂于均值。當金融市場信貸資源配置效率已處于較高水平時，若再增加金融供給，考慮到融資市場優(yōu)質(zhì)群體的有限性，企業(yè)需要獲取更高的金融收益以承擔較高的風險;或再增加金融供給會使金融資產(chǎn)出現(xiàn)損失， 導致企業(yè)的金融收益逐漸偏離均值。

基于上述分析，以金融收益與行業(yè)平均金融收益的偏離度作為信貸資源配置效率的代理變量（earning_bias）進行穩(wěn)健性檢驗，具體計算方式為：企業(yè)金融收益=（投資收益+公允價值變動收益-其中對聯(lián)營企業(yè)和合營企業(yè)的投資收益）/營業(yè)總收入。基于上述計算方式，按照企業(yè)所屬行業(yè)分別求出行業(yè)內(nèi)企業(yè)的平均金融收益，再與企業(yè)金融收益相減后取絕對值。實證檢驗結(jié)果如表7列（1）和列（2）所示。

此外，本文還以利息支出作為分子，短期借款與長期借款之和作為分母，測算企業(yè)層面的資本成本， 再與行業(yè)資本成本的平均值相減取絕對值，得到信貸資源配置效率的替換變量（loan_EF2），進行實證檢驗，結(jié)果如表7列（3）和列（4）所示。

可以發(fā)現(xiàn)，非金融企業(yè)影子銀行規(guī)模二次項的系數(shù)均顯著為正，說明非金融企業(yè)影子銀行規(guī)模與信貸資源配置效率具有倒U形特征， 與基準回歸結(jié)果一致，并通過了U形檢驗①，表明基準回歸所得結(jié)論是較為穩(wěn)健的。

2.替換實證方法

由于本文所研究的信貸資源配置效率微觀層面的代理變量為企業(yè)融資成本與行業(yè)平均融資成本的偏離度，那么，信貸資源配置效率也可能在區(qū)域?qū)用娉尸F(xiàn)出倒U形特征。 為驗證基準回歸結(jié)論的穩(wěn)健性，本文將前述實證方法進行替換，借鑒Wurgler（2000）[24]的方法，構(gòu)建投資彈性系數(shù)模型，模型如式（7）所示，其中invest是城市層面的固定資產(chǎn)投資總額，GDP為城市層面的地區(qū)生產(chǎn)總值。由于2018年起， 統(tǒng)計年鑒不再公布全社會固定資產(chǎn)投資額數(shù)據(jù)，因此，本文基于2007—2017年的數(shù)據(jù)①， 通過最小二乘法測算我國各省份每一年度的資本配置效率，若投資彈性系數(shù)η1>0，則說明資本配置有效，否則無效。進一步將上式中測度的η1作為信貸資源配置效率的代理變量，與所對應的省份內(nèi)所有企業(yè)影子銀行的加總額進行匹配，進行U形分析，具體模型設置如式（8）所示。

ln（）=η0+η1 ln（）+εp，C，t （7）

η1=λ0+λ1SB_amountp，t+λ2SB_amount+Σprovince+Σyear+εp，t （8）

替換實證方法后， 實證結(jié)果與U形檢驗顯示（見表8、表9），非金融企業(yè)影子銀行規(guī)模與信貸資源配置效率依然呈現(xiàn)出顯著的倒U形關(guān)系，上述方法測算的極值點為24.94， 換算成實際金額為1.5萬億元（22×e24.94），與基準回歸所得效率轉(zhuǎn)折點相近，說明本文實證結(jié)論較為穩(wěn)健。

3.進一步控制宏觀經(jīng)濟因素

由于信貸資源配置效率可能更多地受到正規(guī)金融體系的影響，為緩解遺漏變量所帶來的內(nèi)生性問題，本文進一步控制企業(yè)所屬城市的正規(guī)金融渠道的信貸資源供給量（city_Loan），使用全市范圍內(nèi)的年末金融機構(gòu)貸款余額的對數(shù)值作為代理指標，實證結(jié)果如表10所示?？梢钥闯?，在控制可能的影響因素正規(guī)金融渠道供給后，非金融企業(yè)影子銀行規(guī)模二次項的系數(shù)依舊顯著為正，沒有發(fā)生實質(zhì)性變化，并通過了U形檢驗②，說明前文實證結(jié)論較為穩(wěn)健。

六、拓展性分析

（一）數(shù)字普惠金融的調(diào)節(jié)效應研究

調(diào)節(jié)效應分析的實證結(jié)果如表11所示。從列（2）含有控制變量的回歸結(jié)果中可以看到，核心解釋變量影子銀行規(guī)模的二次項與調(diào)節(jié)變量數(shù)字普惠金融DF交互項的系數(shù)③在1%的統(tǒng)計性水平上顯著為負，表明數(shù)字普惠金融的發(fā)展平滑了非金融企業(yè)影子銀行與信貸資源配置效率的倒U形關(guān)系，驗證了假設2。

可能的原因為：數(shù)字普惠金融的“普惠性”能夠為金融市場注入流動性，提高企業(yè)金融可得性的同時降低了信貸資金價格，在一定程度上緩解了長尾群體所面臨的融資約束， 對影子銀行產(chǎn)生了功能替代，影子銀行對信貸資源配置效率的提升作用被減弱。并且，數(shù)字普惠金融的“數(shù)字性”緩解了企業(yè)之間的信息不對稱，在一定程度上緩釋了影子銀行相關(guān)的信用風險，降低影子銀行資金定價水平，減輕了借款企業(yè)的債務負擔。 隨著數(shù)字普惠金融發(fā)展，開展影子銀行業(yè)務的企業(yè)所面臨的風險與溢價空間有所壓縮，非金融企業(yè)影子銀行與信貸資源配置效率之間的倒U形關(guān)系相對更為平緩。

（二）異質(zhì)性檢驗

1.基于外部融資依賴度視角

本文對于非金融企業(yè)影子銀行與信貸資源配置效率非線性關(guān)系的研究主要基于企業(yè)融資約束理論，而企業(yè)以影子銀行的方式進行融資屬于企業(yè)外部融資渠道，如果前述研究的倒U形結(jié)論成立，那么，非金融企業(yè)影子銀行與信貸資源配置效率非線性關(guān)系應當在外部融資依賴度較高的企業(yè)更加顯著。由于各行業(yè)間生產(chǎn)方式、固定資產(chǎn)配比、庫存流動性、投資規(guī)模、資金回收周期大相徑庭，企業(yè)的外部融資依賴度呈現(xiàn)出以其所屬行業(yè)收斂的特征。為驗證假設3，本文借鑒安苑等（2014）[25]的方法，使用長期負債與固定資產(chǎn)的比值來度量企業(yè)的外部融資依賴度，進一步按t年企業(yè)所屬行業(yè)外部融資依賴度的中位數(shù)將樣本劃分為外部融資依賴度較低的企業(yè)和外部融資依賴度較高的企業(yè)，分組進行回歸。

實證結(jié)果如表12所示， 非金融企業(yè)影子銀行與信貸資源配置效率的非線性關(guān)系在外部融資依賴度較高企業(yè)樣本中更為顯著。 對于外部融資依賴度較高的企業(yè)，提升金融供給能夠更為有效地改善信貸資源配置效率。但由于企業(yè)外部融資依賴度較高，其負債水平和內(nèi)源融資能力往往與其外部融資依賴度相匹配，因此其信用風險較大，對應定價較高的影子銀行資產(chǎn)，影子銀行規(guī)模一旦超過臨界值，信貸資源配置效率的損失程度將會更為顯著。上述實證結(jié)果驗證了假設3，可以認為融資約束理論應用于非金融企業(yè)影子銀行與信貸資源配置效率的倒U形特征是較為穩(wěn)健的。

2.基于所有制屬性視角

一方面，由于我國國有企業(yè)的外部融資渠道較多，所面臨的融資約束較小，那么，非金融企業(yè)影子銀行對于緩解國有企業(yè)融資約束的邊際效應較小。另一方面，由于國有企業(yè)具有政府背書，信息披露質(zhì)量較高，信用質(zhì)量分布較為均勻，通常被認為是優(yōu)質(zhì)借款人，因此即使影子銀行規(guī)模超過效率點，開展影子銀行業(yè)務所承擔的邊際風險也相對較小，提升利率定價的空間也較為有限。所以，相對于國有企業(yè)樣本組，非國有企業(yè)樣本組影子銀行與信貸資源配置效率的倒U形關(guān)系在經(jīng)濟意義和統(tǒng)計意義上應當更為顯著。通過表13可以看到，國有企業(yè)樣本組的倒U形較為平緩，而非國有企業(yè)樣本組影子銀行規(guī)模的二次項（SB_amount2）無論在統(tǒng)計意義上還是經(jīng)濟意義上都更為顯著。

七、結(jié)論與建議

（一）研究結(jié)論

金融是引領經(jīng)濟發(fā)展的重要動力，資金能夠高效地配置到實體經(jīng)濟， 促進企業(yè)的生產(chǎn)經(jīng)營與發(fā)展，是經(jīng)濟高質(zhì)量發(fā)展的重要手段。在我國金融市場仍存在一定程度“信貸歧視”的情況下， 初次金融資源配置的效率較為低下，而非金融企業(yè)的影子銀行化是影響信貸資金配置效率的重要因素。本文在理論論證與文獻分析的基礎上，考察非金融企業(yè)的影子銀行化與信貸資源配置效率的非線性關(guān)系， 基于2011—2020年A股上市公司的面板數(shù)據(jù)進行實證分析，發(fā)現(xiàn)非金融企業(yè)影子銀行化與信貸資源配置效率存在著非線性的倒U形關(guān)系。在非金融企業(yè)的影子銀行規(guī)模處于適度區(qū)間內(nèi)，影子銀行成為一定程度上初次金融資源配置失衡的補充機制，可促進信貸資源配置效率的提升;但是當非金融企業(yè)的影子銀行規(guī)模超過一定的臨界值時，影子銀行化反而導致信貸資源配置效率的下降。 進一步研究發(fā)現(xiàn)，上述的非線性關(guān)系在外部融資依賴度較高的企業(yè)與非國有企業(yè)更為顯著。并且數(shù)字普惠金融的發(fā)展緩釋了非金融企業(yè)影子銀行化與信貸資源配置效率的倒U形關(guān)系。

（二）政策建議

1.優(yōu)化金融資源配置。非金融企業(yè)影子銀行化在一定程度上內(nèi)生于金融錯配，雖然能夠在一定程度上緩解初次金融資源分配信貸歧視所引致的低效率，但影子銀行具有信息不對稱、高風險、高杠桿等特征，并且非金融企業(yè)過度的影子銀行化反而會降低信貸資源配置效率。因此，還是要著力提升正規(guī)金融渠道初次金融資源分配的效率，通過深化金融供給側(cè)改革，優(yōu)化金融市場環(huán)境、構(gòu)建多層次的資本市場以滿足不同企業(yè)群體的融資需求等方式，在一定程度上抑制過度的非金融企業(yè)影子銀行化。另外， 在供給端增加金融機構(gòu)的資產(chǎn)品種與類別，為企業(yè)的閑散資金提供正規(guī)金融投資渠道，化解相關(guān)的金融風險。

2. 在一定限度內(nèi)對非金融企業(yè)影子銀行化予以肯定。非金融企業(yè)的影子銀行化在一定程度上能夠成為正規(guī)金融渠道的補充。由于初次金融資源分配機制不夠完善導致的信貸資源配置效率存在一定的提升空間， 部分優(yōu)質(zhì)的企業(yè)面臨著融資約束，因此非金融企業(yè)的影子銀行化具有一定的合理性。在金融市場機制改革中，控制好非金融企業(yè)影子銀行化所可能引致的風險，在合理范圍內(nèi)允許一定規(guī)模非金融企業(yè)影子銀行業(yè)務的存在，尤其是鼓勵影子銀行體系在一定限度內(nèi)對非國有企業(yè)與外部融資依賴度較高的企業(yè)提供外部融資，以促進金融市場信貸資源配置效率的提升。

3.對影子銀行的資金來源進行監(jiān)管。非金融企業(yè)使用外部融資作為影子銀行業(yè)務的資金來源，會較大幅度地擴張影子銀行的規(guī)模，進而超出影子銀行規(guī)模的適度區(qū)間，反而導致信貸資金配置效率的下降，并增加企業(yè)間債權(quán)的隱蔽性與復雜性，加強信用風險鏈條傳導機制，導致企業(yè)間風險與商業(yè)銀行部門的風險聯(lián)動性增強。因此，監(jiān)管部門對非金融企業(yè)從事影子銀行的資金來源應予以重點監(jiān)管。

4.促進數(shù)字普惠金融的發(fā)展。數(shù)字普惠金融的發(fā)展能夠?qū)τ白鱼y行進行“功能替代”，并在一定程度上緩釋影子銀行的風險，因此，要大力發(fā)展數(shù)字普惠金融，注重信息化、數(shù)字化的基礎設施建設，并將數(shù)字化、信息化服務應用于信貸的各個流程中，留存企業(yè)經(jīng)營的相關(guān)“軟信息”。由于信息不對稱導致金融機構(gòu)缺乏有效信息進行相關(guān)的決策，信息資源在促進金融資源高效分配中逐漸起到?jīng)Q定性作用，因此，在法律允許的框架下，要促進信息資源流通、共享，加強我國信用平臺及先進評估體系的建設，逐漸替代影子銀行在促進信貸資源配置效率提升所發(fā)揮的作用。

參考文獻：

[1]中國銀保監(jiān)會政策研究局課題組，中國銀保監(jiān)會統(tǒng)計信息與風險監(jiān)測部課題組.中國影子銀行報告[J].金融監(jiān)管研究，2020，107（11）：1-23.

[2]王澎涵，范瑞.數(shù)字金融發(fā)展、金融錯配與企業(yè)杠桿率[J].金融與經(jīng)濟，2022，539（6）：38-47.

[3]ALLEN F，QIAN Y M，TU G Q，et al.Entrusted Loans：A Close Look at Chinas Shadow Banking System[J].Journal of Financial Economics，2019，133（1）：18-41.

[4]吳安兵，龔星宇，陳創(chuàng)練，等.非金融企業(yè)影子銀行化的風險承擔效應：內(nèi)在機制與經(jīng)驗證據(jù)[J].中國工業(yè)經(jīng)濟，2023（4）：174-192.

[5]韓珣，李建軍.金融錯配、非金融企業(yè)影子銀行化與經(jīng)濟“脫實向虛”[J].金融研究，2020，482（8）：93-111.

[6]劉姝雯，劉建秋，陽旸.企業(yè)金融化與生產(chǎn)效率：“催化劑”還是“絆腳石”[J].南開管理評論，2023，26（1）：55-68.

[7]李小林，宗瑩萍，司登奎，等.非金融企業(yè)影子銀行業(yè)務的反噬效應——基于企業(yè)風險承擔的視角[J].財經(jīng)研究，2022，48（7）：124-137.

[8]李建軍，韓珣.非金融企業(yè)影子銀行化與經(jīng)營風險[J].經(jīng)濟研究，2019，54（8）：21-35.

[9]毛志宏，哈斯烏蘭，金龍.實體企業(yè)影子銀行化會加劇違約風險嗎？[J].經(jīng)濟科學，2021，242（2）：72-84.

[10]王紅建，李茫茫，湯泰劼.實體企業(yè)跨行業(yè)套利的驅(qū)動因素及其對創(chuàng)新的影響[J].中國工業(yè)經(jīng)濟，2016，344（11）：73-89.

[11]韓珣，易禎.貨幣政策、非金融企業(yè)影子銀行業(yè)務與信貸資源配置效率[J].財貿(mào)經(jīng)濟，2023，44（1）：116-133.

[12]張潔瓊，馬亞明.企業(yè)影子銀行化有助于優(yōu)化金融資源配置嗎？[J].財貿(mào)研究，2021，32（9）：70-83.

[13]李香花，姜佳良，李世輝.非金融企業(yè)參與影子銀行業(yè)務對區(qū)域資本配置效率的影響研究[J].上海金融，2023（5）：42-53，68.

[14]張晶，馮晶，王潤北.影子銀行是我國金融市場的必要補充嗎？——基于省級民營經(jīng)濟增長的實證檢驗[J].經(jīng)濟社會體制比較，2019（5）：53-66.

[15]龔關(guān)，江振龍，徐達實，等.非金融企業(yè)影子銀行化與資源配置效率的動態(tài)演進[J].經(jīng)濟學（季刊），2021，21（6）：2105-2126.

[16]YU Y，LEE Y T，F(xiàn)OK R C W.The Determinants of High-interest Entrusted Loans in China[J].Journal of Business Finance & Accounting，2021，48（1-2）：405-430.

[17]EISFELDT A L，RAMPINI A A.Managerial Incentives，Capital Reallocation，and the Business Cycle[J].Journal of Financial Economics，2008，87（1）：177-199.

[18]王千紅，陳伯威.宏觀審慎政策工具協(xié)同下影子銀行對貨幣政策有效性的影響[J].金融理論探索，2021（1）：3-16.

[19]謝旭升，嚴思屏.融資約束視角下數(shù)字普惠金融促進中小企業(yè)技術(shù)創(chuàng)新的路徑研究[J].金融理論探索，2022（4）：49-63.

[20]LIU S M.Investor Sentiment and Stock Market Liquidity[J].Journal of Behavioral Finance，2015，16（1）：51-67.

[21]邵挺.金融錯配、所有制結(jié)構(gòu)與資本回報率：來自1999—2007年我國工業(yè)企業(yè)的研究[J].金融研究，2010，363（9）：51-68.

[22]郭峰，王靖一，王芳，等.測度中國數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征[J].經(jīng)濟學（季刊），2020，19（4）：1401-1418.

[23]LIND J T，MEHLUM H. With or Without U？ The Appropriate Test for a U-shaped Relationship[J].Oxford Bulletin of Economics and Statistics，2010，72（1）：109-118.

[24]WURGLER J.Financial Market and the Allocation of Capital[J].Journal of Financial Economics，2000，58（2）：187-214.

[25]安苑，王珺.地方政府財政行為周期性、產(chǎn)業(yè)成長與結(jié)構(gòu)失衡——基于產(chǎn)業(yè)外部融資依賴度的分析[J].財經(jīng)研究，2014（11）：29-43.

①如果僅用微觀企業(yè)個體的影子銀行規(guī)模，那么實證策略就局限于企業(yè)開展影子銀行活動對其自身融資成本影響的相關(guān)研究。依據(jù)上述分析，這僅是作用機制的一部分，更主要的作用機制在于非金融企業(yè)影子銀行規(guī)模對于緩解借款企業(yè)的融資約束，上述理論分析所對應的數(shù)據(jù)來源可能以中小企業(yè)與民營企業(yè)更為合適。但限于數(shù)據(jù)完整度與可得性，本文采用A股上市公司作為研究對象。由于上市公司作為影子銀行體系的借款企業(yè)可能不具有代表性，因此本文在后續(xù)異質(zhì)性分析中增加外部融資依賴度作為劃分依據(jù)的分組回歸，以進一步驗證實證分析所得結(jié)論的穩(wěn)健性。

①影子銀行對于企業(yè)而言屬于高風險、高投機性的經(jīng)濟活動，非金融企業(yè)開展影子銀行業(yè)務可能導致其外部融資溢價，其對信貸資源配置效率的影響可能有兩種渠道：第一，開展影子銀行業(yè)務企業(yè)的風險上升，導致其外部融資成本提升，促使企業(yè)減少向銀行等外部融資渠道的借款，相應地，額外增加的信貸資源可以配置給真正需要資金的企業(yè)，提升信貸資源配置效率;第二，隨著影子銀行規(guī)模的擴大，開展影子銀行業(yè)務的企業(yè)所面臨的風險上升，導致開展影子銀行業(yè)務的企業(yè)提升資金二次配置的價格，進一步增加影子銀行體系信貸融資成本。由上述分析可見，本文所研究企業(yè)層面的信貸資源配置效率，不僅作用于影子銀行體系的融資方，還作用于開展影子銀行活動的企業(yè)。

②loan_EF在設定上是信貸資源配置效率的逆向指標，在實證結(jié)果中，loan_EF指標與非金融企業(yè)的影子銀行規(guī)模實際上呈現(xiàn)出U型特征，但該實證結(jié)果在理論分析中，應解釋為信貸資源配置效率與非金融企業(yè)的影子銀行規(guī)模呈現(xiàn)出倒U型特征。

①由于篇幅所限，本文未列示相關(guān)的U形檢驗結(jié)果。

①本文在宏觀分析中使用平衡面板數(shù)據(jù)，剔除了在樣本區(qū)間內(nèi)數(shù)據(jù)缺失的省份，并且直轄市無法計算投資彈性系數(shù)，實際上保留的省級行政區(qū)為22個?？紤]到自2018年起，統(tǒng)計年鑒不再公布全社會固定資產(chǎn)投資額數(shù)據(jù)，因此數(shù)據(jù)截止時間為2017年。

②由于篇幅所限，本文未列示相關(guān)的U形檢驗結(jié)果。

③為了增強論文可讀性，在實證分析前，將數(shù)字普惠金融指數(shù)原始數(shù)據(jù)除以100進行處理。

基金項目：教育部人文社會科學研究青年項目“銀行數(shù)字化轉(zhuǎn)型影響全要素生產(chǎn)率的效應、機制及治理對策研究”（22YJC790024）;山西省哲學社會科學規(guī)劃課題“山西省制造業(yè)企業(yè)高質(zhì)量發(fā)展的資本配置影響研究”（2022YY086）;山西省社會科學院青年課題“‘雙碳背景下綠色金融發(fā)展驅(qū)動山西碳減排的機制與提升路徑研究”（YWQN202205）

作者簡介：王澎涵，河北石家莊人，博士研究生，研究方向為商業(yè)銀行經(jīng)營管理;楊有振，山西河津人，教授，博士生導師，研究方向為商業(yè)銀行經(jīng)營管理。