信贷资源配置与企业高质量发展

Credit Resource Allocation and High Quality Development of Enterprises

摘要: 本文实证检验信贷错配对微观企业非效率投资、投资过度以及投资不足的影响，并从企业产权性质方面分类研究信贷资源配置对上市公司非投资效率的差异性影响。进一步地，选取企业资产负债率为中介变量进行信贷错配与企业投资效率间的中介效应检验，研究结果表明，信贷资源配置低效通过对企业融资结构造成影响，即企业资本结构的扭曲，最终引致上市公司投资效率低下，呈现出非效率投资、投资不足和投资过度的现象。

Abstract: This article empirically examines the impact of credit mismatch on inefficient investment, overinvestment, and underinvestment in micro enterprises, and categorizes the differential impact of credit resource allocation on non investment efficiency of listed companies from the perspective of enterprise property rights. Furthermore, the asset liability ratio of enterprises is selected as the mediating variable to test the mediating effect between credit mismatch and enterprise investment efficiency. The research results show that inefficient allocation of credit resources affects the financing structure of enterprises by distorting their capital structure, ultimately leading to low investment efficiency of listed companies, exhibiting phenomena of inefficient investment, underinvestment, and overinvestment.

1. 引言

党的十九大以来，以高质量发展为主题的中国经济增长是现阶段以及未来相当长的一个阶段的首要任务，要推动高质量的经济增长转型，不仅有赖于信贷资源的有效配置，还需要持续开发金融服务实体经济的功能，推动实体经济增长。信贷资源的有效配置已成为众多学者关注和研究的重要课题。当前，中国以国有银行为主导的金融体系，是导致信贷资源错配现象的重要原因，不利于信贷资源的优化配置。在我国，存在不同所有制企业的资本收益率和融资效率不匹配的问题。从生产效率来看，民营企业要远高于国有企业，而从融资能力来看，民营企业却比国有企业低得多。因此，对比不同所有制企业来看，无论是从理论研究还是实证分析上国有企业在资本利润率、生产率等方面往往被认为是低效的。理论上，大多学者认为信贷资源应流向高效率的实体经济部门。但现实与之恰恰相反，国有企业与银行、政府等往往可能存在政治关联或利益关联，以银行为代表的金融机构仍然会给生产效率较低的国有企业提供更多信贷配给和优惠利率，而民营企业却难以从金融机构获得信贷支持，且获取资金所面临的融资成本较高。

但在现实经济中，由于委托代理问题、交易费用不为零和信息不对称等问题的存在，金融市场是不完善的、有摩擦的，这会使得企业采用内部融资和外部融资时所面临的资本成本是不同的。本文对信贷资源错配影响上市公司投资效率进行实证分析，并运用中介效应检验揭露信贷错配是如何通过影响企业债务融资资本结构，最终导致上市公司投资过度或投资不足等。最后为深化金融改革，完善金融市场提出政策建议。

2. 文献回顾

国内外关于信贷资源配置的研究中，大多把信贷资源配置失效的问题归因为两种，一种是政府干预、所有权性质不同等体制性因素导致金融系统产生信贷资源配置失效。另一种是实体经济与金融机构之间存在信息不对称，使得金融机构更倾向于为信息透明度高或企业信用评级高的实体经济提供信贷支持。

孙亮和何淼 [1] (2017)实证分析我国35个工业行业2006~2015年企业数据样本，研究结果表明，我国通过政府干预手段对金融资源流向进行调控管制以推动工业行业的发展，从而导致了市场信贷资源配置失效，在这种背景下，国有企业具有天然的政策优势使得其融资能力较强，获银行信贷资金便利且成本较低，同时，民营企业面临较高的融资约束，表现为民营企业的融资能力比国有企业低，承担的资金成本也显著高于国有企业，民营企业从金融机构获取的信贷支持也非常有限。于泽、陆怡舟 [2] 等(2015)认为，中国实行特有的合意贷款规模约束机制旨在优化信贷结构，但在实际操作中却加剧了资本市场的摩擦，与民营企业相比，由于其政策及规模优势国有企业拥有许多抵押品，而受贷款规模管制，银行需要增加表内贷款，往往更偏向于提供信贷给拥有抵押品的国有企业。Liang et al. [3] (2017)分析认为，全球金融危机之后中国地方政府大量发行政府债券，同一时期，国有企业的权益资本与总资产比率上升，民营企业的权益资本与总资产比率下降，在一定程度上地方债务对民间借贷产生“挤出效应”，与民营企业相比，国有企业生产率低的多，因此信贷资源错配引发企业投资过度和投资不足等投资效率低效的加剧。

Allen和Carletti [4] (2012)研究发现，在中国政府主导型的金融体系下，银行等金融机构具有举足轻重的地位与作用，银企之间的稳定、长期联系可以使双方形成一定的信息互通环境，进而避免了部分信息不对称可能带来的损失，然而在该金融体系下，银行也可能受到政府干预的影响从而造成信贷资源配置无效。David [5] 等(2014)考虑并探究信息不完全与资源错配、总生产率和总产出之间存在的关系，认为不完美的是影响资源配置的关键因素。Schivardi [6] 等(2017)通过研究银企关系的有关数据，分析认为在欧债危机盛行年份资本化程度较低的银行会坚持对即将面临破产的企业提供信贷帮助，信贷资源配置无效导致普通企业的破产的可能性提高，却降低了本就经营不善的企业的破产率。

另外，现实中还存在经理人和所有者之间的利益冲突问题，即委托代理问题。Bertrand和Mullainathan [7] (2003)认为，这些经理人希望平稳的度过他们的任期，所以在做决策时会非常谨慎小心。这对企业来说可能会导致两种情况，一种是经理人不愿意去关闭一些经营不善的项目，这对企业来说就会导致过度投资；而另一种情况则是经理人在面临新的好投资项目时由于过分谨慎的考虑而放弃，这对于企业来说就会导致投资不足。

罗琰 [8] 等(2015)认为中国金融市场不是完美的，不同的企业融资模式、信息不对称、经理人和股东之间的利益冲突问题会导致企业之间存在融资费用上的差异，企业往往按照内源融资、债务融资、权益融资的顺序寻求融资渠道。Akeem et al. [9] (2014)认为，当企业更多的采用债务融资而不是权益投资时，其资产负债结构与企业价值存在负相关关系。信贷资源配置过度或不足可能通过影响企业资产负债结构，进而影响企业有关决策，最终导致企业的投资过度或投资不足。

3. 理论分析与研究假设

从中国金融体系的发展来看，银行等金融中介机构会因政府干预、产权性质不同等体制性因素导致信贷资源配置不合理，最终影响金融资源配置效率 [10] 。由于国有银行等大银行与国有企业有着天然的政治关联或利益关系，在地方政府的政策倾向下，比民营企业生产效率较低的国有企业却能够更容易地获得信贷支持，使得国有企业融资需求不断增加，信贷规模也越来越大，信贷资源的可获得性使得国有企业的过度投资现象普遍存在，而非国有企业常常只能在“融资难、融资贵”的夹缝中求生存，可能造成投资不足。由此看来，在中国不完美资本市场环境下，无论是企业产权性质还是企业规模差异都可能导致金融市场信贷资源错配，而信贷资源配置不合理将最终引致实体经济存在非效率投资、投资过度以及投资不足等现象。基于以上分析，提出研究假设1。

H1：信贷错配导致我国上市公司存在非效率投资、投资过度和投资不足。

其次，为了对信贷错配如何影响企业非效率投资进行深入探究，本文从信贷错配对非效率投资影响机制进行研究。现实经济运行中，资本市场难以达到完美，企业资本结构会对企业价值产生不同程度的影响，且企业投融资决策不再独立，而是相互影响的关系。当信贷资源配置不合理时，政府或银行往往向与银行或政府关系紧密但经营能力相对较弱的企业提供信贷支持，由于政府或银行的支持，即使这些企业收不抵支，也能获得资金延续其经营寿命，然而这也伴随着负债率的上升，阻碍了全要素生产率的增长以及引发投资效率低下的问题。基于此，提出研究假设2。

H2：信贷错配→资本结构扭曲→上市公司非效率投资。

4. 研究设计

4.1. 数据来源

为实证探究信贷错配对上市公司非效率投资、投资不足以及投资过度的影响，本文选取2015~2021年我国沪深A股上市公司有关数据进行分析，所选取数据主要来源为CSMAR数据库和WIND数据库。对研究样本进行如下处理：(1) 剔除ST类上市公司和PT类上市公司样本；(2) 剔除金融类上市公司样本；(3) 剔除数据缺失和异常的上市公司样本等。

4.2. 变量定义

4.2.1. 被解释变量

非效率投资。将上市公司资本投资量通过构建预测模型进行OLS回归分析，回归得到的残差即代表公司实际的资本投资量与估算的资本投资量之差 [11] 。具体回归模型如下：

$\begin{array}{l}{I}_{{\text{NEW}}_{i,t}}={\theta }_1{\text{Growth}}_{i.t-1}+{\theta }_2{\text{Cash}}_{i,t-1}+{\theta }_3{\text{Lev}}_{i,t-1}+{\theta }_4{\text{Size}}_{i,t-1}+{\theta }_5{I}_{{\text{NEW}}_{i,t}}\\ +{\theta }_6{\text{Age}}_{i,t-1}+{\theta }_7{\text{Profit}}_{i,t-1}+\sum \text{Year}+\sum \text{Ind}+{\epsilon }_1\end{array}$ (1)

其中， $I_{{\text{NEW}}_{i,t}}$ 表示公司i第t年的实际新增投资支出。 ${\text{Growth}}_{i.t-1}$ 表示公司i第 $t-1$ 年的成长机会， ${\text{Cash}}_{i,t-1}$ 表示公司i第 $t-1$ 年的现金流量水平， ${\text{Lev}}_{i,t-1}$ 表示公司i第 $t-1$ 年的资产负债率， ${\text{Size}}_{i,t-1}$ 表示公司i第 $t-1$ 年的规模， ${\text{Age}}_{i,t-1}$ 表示公司i第 $t-1$ 年的上市年限， ${\text{Profit}}_{i,t-1}$ 表示公司i第 $t-1$ 年的总资产收益率，Year和Ind分别表示年份哑变量和行业哑变量。

取回归残差的绝对值衡量上市公司非效率投资水平。残差绝对值越大，非效率投资程度越高；残差绝对值越小非效率投资程度越低。除此之外，若残差为正值，即代表企业实际资本投资量高于预估的资本投资量，存在过度投资，取OInvest为过度投资变量；若残差为负值，即代表企业实际资本投资量低于预估的资本投资量，存在投资不足，取UndInvest为投资不足变量。

4.2.2. 解释变量

信贷错配程度。本文借鉴白俊 [12] 等(2012)的文章，认为上市公司实际获得的信贷资源总量由合理信贷规模部分和信贷资源错配部分组成。其次，在回归模型中加入公司财务指标、公司规模、发展能力等控制变量，回归得到的残差衡量的是上市公司真实获得的信贷总量减去理论信贷总量，设置回归模型如下：

$\begin{array}{l}{\text{Credit}}_t={\phi }_0+{\phi }_1{\text{Growth}}_{i.t-1}+{\phi }_2{\text{Cash}}_{i,t-1}+{\phi }_3{\text{Lev}}_{i,t-1}+{\phi }_4{\text{Size}}_{i,t-1}+{\phi }_5{\text{Tangible}}_{i,t-1}+{\phi }_6{\text{Age}}_{i,t-1}\\ +{\phi }_7{\text{Profit}}_{i,t-1}+{\phi }_8{\text{Tax}}_{i,t-1}+{\phi }_9{\text{Turnover}}_{i.t-1}+{\phi }_{10}{\text{FCF}}_{i.t-1}+\sum \text{Year}+\sum \text{Ind}+{\epsilon }_2\end{array}$ (2)

其中，Credit代表上市公司获得的信贷总量，对上市公司取得借款收到的现金取对数获得。用固定资产与总资产之比(Tangible)代表上市公司的债务担保水平。同时，还考虑了Turnover代表资产周转率及Tax表示上市公司税率等因素对上市公司获得信贷总量的影响。该模型还控制了年度、行业等因素，取回归的残差衡量上市公司信贷资源错配程度(Miscredit)。若残差为正值，则认为上市公司实际获得的信贷规模大于合理信贷规模，即存在信贷资源配置过度；若残差为负值，则认为上市公司实际获得的信贷规模小于合理信贷规模，即存在信贷资源配置不足。

4.2.3. 中介变量

本文选取上市公司资产负债结构作为中介变量，用资产负债率衡量资产负债结构探究信贷错配与企业非效率投资的影响机制。

4.2.4. 控制变量

在控制变量方面，参考现有文献 [13] 选取有关变量，具体变量说明详见表1。

Table 1. Variable definition

表1. 变量定义

4.3. 模型设定

4.3.1. 基准回归模型

由于信贷错配对企业投资效率的影响可能并非即时作用。本文选取滞后一期的信贷错配来与被解释变量进行回归分析，探讨信贷错配对上市公司非效率投资的影响，构建以下模型：

${\text{Invest}}_{i,t}={\alpha }_0+{\alpha }_1{\text{Miscredit}}_{i,t-1}+{\alpha }_2{X}_{i,t-1}+{\epsilon }_{i,t}$ (3)

${\text{OInvest}}_{i,t}={\beta }_0+{\beta }_1{\text{Miscredit}}_{i,t-1}+{\beta }_2{X}_{i,t-1}+{\epsilon }_{i,t}$ (4)

${\text{UndInvest}}_{i,t}={\gamma }_0+{\gamma }_1{\text{Miscredit}}_{i,t-1}+{\gamma }_2{X}_{i,t-1}+{\epsilon }_{i,t}$ (5)

其中， ${\text{Invest}}_{i,t}$ 为i公司t期的非效率投资总额， ${\text{OInvest}}_{i,t}$ 为i公司t期的过度投资， ${\text{UndInvest}}_{i,t}$ 为i公司t期的投资不足。 ${\text{Miscredit}}_{i,t}$ 表示信贷错配程度， $X_{i,t-1}$ 表示控制变量，随机扰动项 ${\epsilon }_{i,t}$ 服从白噪声独立同分布。

4.3.2. 中介效应回归模型

本文选取资产负债率为中介变量，采用中介效应逐步检验法，构建回归模型分析上市公司信贷错配程度影响非效率投资的影响机制，设置回归模型(6)~(9)：

${\text{Lev}}_{i,t}={\lambda }_0+{\lambda }_1{\text{Miscredit}}_{i,t-1}+{\lambda }_2{X}_{i,t-1}+{\epsilon }_t$ (6)

${\text{Invest}}_{i,t}={\alpha }_0+{\alpha }_1{\text{Miscredit}}_{i,t-1}+{\alpha }_2{\text{Lev}}_{i,t}+{\alpha }_3{X}_{i,t-1}+{\epsilon }_t$ (7)

${\text{OInvest}}_{i,t}={\beta }_0+{\beta }_1{\text{Miscredit}}_{i,t-1}+{\beta }_2{\text{Lev}}_{i,t}+{\beta }_3{X}_{i,t-1}+{\epsilon }_t$ (8)

${\text{UndInvest}}_{i,t}={\gamma }_0+{\gamma }_1{\text{Miscredit}}_{i,t-1}+{\gamma }_2{\text{Lev}}_{i,t}+{\gamma }_3{X}_{i,t-1}+{\epsilon }_t$ (9)

5. 实证结果及分析

5.1. 变量描述性统计

回归模型主要连续变量的描述性统计结果如表2所示。非效率投资最小值为−1.48，最大值为2.9，中位数约为0；整体来看，上市公司存在过度投资的现象更为普遍，且存在投资不足的程度较轻。信贷资源错配程度最小值为−9.53，最大值为5.22，中位值为0.24，均值为0.04，标准差为1.11，可以看出不同上市公司之间存在信贷资源配置不足或信贷资源配置过度的差异较大。另外，还展示了公司规模、杠杆率、股权集中度等控制变量描述性统计结果。

Table 2. Descriptive statistic

表2. 描述性统计

5.2. 基准回归实证结果

表3报告了基准回归实证结果。从回归结果来看，信贷资源错配对上市公司非效率投资呈现出在0.05水平上的显著正相关。信贷资源错配水平越高，上市公司非效率投资程度越高。其次，将投资过度和投资不足的样本分别再次进行回归可以得出，信贷资源错配和过度投资、投资不足表现出0.01水平上显著正相关。整体来看，信贷资源错配程度越高，均会使上市公司投资过度和投资不足的程度加深。

5.3. 中介效应回归实证结果

从表4可以看出，信贷资源错配与上市公司资产负债率呈现出显著水平为0.01的正相关关系，表明解释变量信贷资源错配能显著地影响中介变量资产负债率。本文还将非效率投资、投资过度和投资不足分别进行中介模型回归。结果显示：资产负债率和非效率投资、投资不足和投资过度均表现为显著相关；而核心解释变量与被解释变量均没有相关关系，与不考虑资产负债率时相比，考虑资产负债率后的信贷资源错配系数变小，因此认为资产负债结构在信贷错配与上市公司非效率投资间存在中介效应。

Table 3. Benchmark regression result

表3. 基准回归实证结果

Table 4. Mediating effect regression result

表4. 中介效应回归实证结果

5.4. 异质性分析

本文选取产权性质哑变量，设置信贷错配与产权性质哑变量的交叉项加入回归模型，分析不同产权性质的上市公司存在信贷资源错配对其非效率投资的差异性影响。异质性分析回归结果如表5所示，从过度投资的上市公司样本来看，交叉项与过度投资表现出显著的负相关关系，且显著水平为0.05，表明与国有企业比较，非国有企业的过度投资程度较低，具有一定的抑制作用。从投资不足的上市公司样本来看，交叉项与投资不足表现出显著的正相关关系，且显著水平为0.05，表明与国有企业比较，信贷资源错配导致非国有企业投资不足程度更为严重，国有企业可能对非国有企业产生挤出效应，造成非国有企业难以从银行等金融中介机构中获得信贷支持，往往只能承担非正规金融机构或民间借贷等较高的融资成本获得资金，由此可见，非国有企业仍面临着融资难、融资贵等问题，最终导致投资不足。

Table 5. Empirical results of ownership heterogeneity

表5. 基于所有权性质异质性实证结果

6. 结论与建议

投资在我国经济中发挥着举足轻重的作用，与出口、消费组成拉动我国经济的三驾马车，但是，由于信息不对称、委托代理问题等，金融市场是不完美的，导致不同企业面临的融资成本具有较大差异，融资成本上升，则会制约企业投资。本文验证了资本市场中信贷资源配置失效对上市公司非效率投资的影响，进一步分析资产负债率在信贷资源错配和上市公司非效率投资之间是否存在中介效应。实证结果发现，信贷错配会加剧上市公司非效率投资、投资过度以及投资不足的程度。从公司产权性质来看，信贷错配加剧非国有企业的投资不足现象。资产负债率在信贷错配和上市公司非效率投资之间具有中介效应，信贷错配通过影响资产负债结构，使得信贷资源配置偏离了帕累托最优的经济状态，进一步导致实体经济非效率投资。

综上所述，本文提出以下建议：第一，需要正确处理政府与市场的关系。效率原则应该是信贷资源配置的重要目标，应重视纠正政府干预导致的信贷资源错配现象，要深层次地推进金融体系改革创新，缓解制度性金融错配，避免政策中对国有企业和非国有企业的分配不当现象，为盈利能力强且具有成长潜力和发展前景的实体经济加大信贷支持，促进信贷资源有效合理配置 [14] 。第二，建立信息网络平台，鼓励企业诚信经营，大力培育商业信用。企业要提高信息披露质量，确保企业信息公开性、透明性、真实性，拓宽企业与银行等金融中介高效沟通的渠道，缓解银企间的信息不对称，推动银企形成长期稳定、良好的合作关系。第三，企业兼顾自身生产力的同时，要注重企业管理能力、内部控制以及市场开拓能力等方面的提高，不断优化公司治理结构，抓住企业发展战略机遇，有效整合内外部资源，提高投融资决策能力、盈利能力。就民营企业自身而言，应保证较高的生产能力，不断优化公司内部治理结构，使企业经营水平得以提高，投资效率相应提高。第四，推进金融改革，大力发展股权融资。随着中国经济飞速发展，企业杠杆率仍处于较高水平，随之而来的便是宏观经济运行的风险加大，因此通过大力发展股权融资，建立多层次资本市场，使资本市场更具有包容性和适应性，鼓励金融创新、融资渠道多元化来降低全社会融资成本，推出更多适合中小企业发展融资的金融工具，优化社会融资结构。最后，加强监管，强实抑虚，促进金融为实体经济服务。金融服务于实体经济主要是为了提高实体经济的竞争力和生产效率，也就是说杠杆率要服务于高劳动生产率和有竞争力的部门和企业，将有限的信贷资源以更市场化的配置方式投入企业，使该企业或部门不断优化其杠杆率水平，从而使得整个实体经济部门与金融部门实现更有效的资源匹配 [15] 。

参考文献