一、引 言
“高杠杆”是我国当前经济发展所面临的一个严峻问题。自2008年全球金融危机以来,我国经济整体杠杆率急剧攀升,且在多种政策手段调控下也未能显著降低(刘晓光等,2018),部分国际债务评级机构甚至对之提出警示(张斌等,2018)。杠杆率过高可能会带来系统性的债务违约风险,进而使得金融市场无法正常运行,银行挤兑和企业破产也随之大量出现,并扩散到其他社会领域,引发金融危机。起于房地产行业的“高杠杆”进而波及世界经济的2008年美国次贷危机,便是“高杠杆”引发金融危机的典型。“高杠杆”危害如此巨大,在适当时机“去杠杆”便成为一种应对手段。“去杠杆”是当前经济研究中的热点话题。2015年11月,习近平总书记提出供给侧结构性改革,“去杠杆”是落实供给侧结构性改革的五大重点任务之一。当然,“去杠杆”尽管是一个新名词,但在我国经济发展过程中有其常规表现形式,并具有历史延续性。信贷紧缩便是经济发展过程中“去杠杆”的常用手段。1998–2017年我国一共进行了4次信贷紧缩(以我国人民币贷款总额增长率的变动情况表征;限于篇幅,本文没有报告详情),大体上每6年为一个周期;每次信贷紧缩期大约持续2年左右,第一次是1998–2000年,第二次是2003–2005年,第三次是2009–2011年,第四次是2016–2017年。
那么,去杠杆会对企业债务融资产生怎样的影响呢?根据2000–2017年我国上市企业总体负债、金融负债比重和经营负债比重的均值变动趋势(限于篇幅,图略)可知,金融负债的变动大体与历次信贷紧缩的时点相对应,每轮去杠杆都会伴随着金融负债的下降。从企业总体负债水平来看,信贷紧缩政策也大体有效。与金融负债和总体负债不同,我国上市企业的经营负债则在这期间呈现稳定上升的趋势,而且在去杠杆比较激烈的2009年,其上升幅度尤其巨大。这可能意味着,去杠杆导致金融贷款受到限制,但企业会寻求占用经营负债来补偿。
根据2000–2017年我国上市公司长期负债比重与短期负债比重的均值变动情况(限于篇幅,图略)可知,长期负债的变动大体能够与历次去杠杆政策的时机和力度相匹配,伴随着每一次剧烈的信贷紧缩,长期负债基本上都会出现显著下降。然而,上述变动情况还清楚地显示,短期负债与长期负债的变动趋势刚好相反,在一次剧烈的信贷紧缩后,短期负债基本上都会出现显著上升。这可能是因为,当企业无法筹集到长期贷款进行资本支出时,企业会设法以“短债长投”的方式渡过难关。自2008年开始,长期负债比重逐步上升,而短期负债比重则逐步下降,两者此消彼长的关系非常清晰。
结合上述两类债务的变化趋势可以看到,去杠杆政策对企业债务融资的影响是结构性的,且银企关系对企业债务融资的影响也是结构性的。如果企业拥有银企关系,则更易取得银行贷款,企业也因此更少占用商业信用(吕建玲,2015)。这意味着银企关系给企业带来了更多的金融负债和更少的经营负债。并且,银企关系还可以缓解银行对企业不能按时还本付息的担忧,更有利于企业获得长期贷款(李健和陈传明,2013)。这意味着银企关系可以为企业带来更多的长期负债融资,减少企业对短期负债的依赖。通过对比可以发现,去杠杆对企业负债结构的影响和银企关系对企业负债结构的影响刚好相反。那么一个重要的理论和现实问题是,去杠杆和银企关系在企业债务融资方面是否会产生冲突?若存在冲突,有何具体表现?
本文以2003−2016年所有A股上市公司为样本,统计分析后发现,去杠杆会使企业的金融负债比重减少,经营负债比重增加;银企关系则会使企业的金融负债比重增加,经营负债比重减少,也会增加公司的长期负债比重,减少公司的短期负债比重。尽管银企关系可以给企业带来融资便利,但这种便利会受到去杠杆政策的影响。只有在信贷宽松时期,银企关系才能扩大企业债务融资规模;而在去杠杆时期,银企关系无法增加企业债务融资,但是仍可以增加企业金融负债和长期负债比重,减少企业对经营负债和短期负债的依赖,这有助于企业降低自身财务风险。
本文可能存在以下贡献:第一,本文系统考察了去杠杆与银企关系对企业债务结构的差异化影响,检验了两者可能存在的冲突。本文发现去杠杆会增加企业对经营负债的使用,减少金融负债比例;而银企关系则相反,它会增加企业金融负债比例,减少企业对经营负债的依赖。这有助于我们深入理解去杠杆和银企关系对企业债务融资结构的影响,也为进一步探讨去杠杆和银企关系之间的相互作用提供了基础。第二,本文识别了银企关系发挥作用的宏观政策条件。本文发现,银企关系的确可以给企业带来融资便利,但这仅存在于信贷宽松时期;而在去杠杆时期,银企关系无法增加企业债务融资总额。这说明银企关系是有局限的,企业要时刻保持清醒,不要过度依赖银企关系,尤其是在信贷宽松时期依赖银企关系取得的贷款,在去杠杆时期很难持续,这会影响企业的长远运营。第三,本文对我国金融市场的发展也有一定启示意义。本文发现,从债务结构的视角来看,企业的经营负债远超金融负债,短期负债远超长期负债,而且上述差距有逐年加速扩张之势。这表明我国的金融市场在服务实体经济方面未能充分发挥作用,导致企业不得不寻求占用经营负债或者采取“短贷长投”等权宜之计以艰难发展。因此在资金投放逐年增加的政策背景下,金融监管机构应当思考如何解决企业的结构性融资难题。
二、制度背景与文献回顾
(一)经济体过度负债与去杠杆政策
自2008年全球金融危机后,我国经济的总杠杆率迅速攀升,截至2018年底实体经济杠杆率已达到253.1%,超过250%的风险拐点(胡贺波,2019),其中非金融企业杠杆率最高,比欧美等发达国家高出50%左右。杠杆率过高会带来巨大的经济发展风险。从宏观上来讲,杠杆率过高会导致金融市场剧烈波动,并将风险由金融市场传递到社会与政治领域;从微观上讲,企业杠杆率过高会导致自身经营风险上升,破产概率提高,而大量企业破产则会带来严重失业问题。因此,去杠杆迫在眉睫。
2015年,我国提出供给侧结构性改革,其中有五项重点任务,即“三去一补一降”,而“一去”就是去杠杆。所谓去杠杆就是减负债,将债务风险降低到可控范围内(王国刚,2017)。企业去杠杆可以降低财务风险,减少利息负担,经过休养生息,企业投资水平可以慢慢恢复。伴随着企业业绩的普遍好转,政府和居民收入可借由企业税收和薪酬发放等逐步增加,这又能够帮助政府和家庭去杠杆。因此,企业去杠杆无疑是去杠杆任务的核心与关键。
然而,去杠杆可能在短期内与稳增长相冲突,因此需要谨慎选择去杠杆的时机和力度。为权衡去杠杆与经济增长,应当特别注意两点:一是去杠杆并非完全消除负债,反而应为企业留足适当的负债空间,这有助于企业健康发展;二是去杠杆必须有选择性,不应当采取“一刀切”式的粗暴去杠杆,要认识到不同类型企业在杠杆问题的严重程度上是有差异的,因而要形成结构化去杠杆的理念(娄飞鹏,2018)。
(二)银企关系与企业债务融资
银企关系,意指企业高管与各类银行之间的关联。这种关联可以起源于企业高管过往的银行从业经历,也可以来自于企业高管与银行高管之间的私人交往(李长青和曹德骏,2016;Kobayashi和Takaguchi,2018)。企业的融资难题,特别是中小企业与民营企业的融资约束问题,是银企关系出现的直接原因。我国资本市场还不发达,尚无法对各类企业提供足够的资金支持。不同类型企业的治理水平、经营风险和信息披露水平差异巨大,银行对企业进行甄别的成本较高,这导致银行对中小企业和民营企业发放贷款的意愿低下(尹志超等,2015)。此时,银企关系可以帮助企业缓解融资难题。
银企关系一旦建立,对企业和银行都有好处。一是银行可以凭借银企关系渠道了解到更多的企业信息,特别是私有信息,此类信息无法从公开的财务报表中取得,但对于银行评估企业价值有重要意义。二是企业可以凭借银企关系了解到不同银行的经营偏好和资金状况,企业可以据此有针对性地对不同银行进行评估和接触,减少贷款审批过程中的阻碍。三是银企关系的长期维护有助于银行与企业增加互信,不会受到暂时行业波动的干扰,这有助于维持企业资金供给的稳定性和降低企业资本成本,也有助于银行的风险控制。
已有研究发现银企关系确实给企业带来了融资便利,并降低了融资成本。银企关系缓解了银行和企业之间的信息不对称(Kysucky和Norden,2015),也约束了银行和企业在使用贷款时的委托代理问题,这可以增加企业取得银行贷款的概率(翟胜宝等,2014;唐玮等,2017)。同时,良好的银企关系,增加了银行和企业之间的互信,减少了信贷合同的缔约和执行成本,简化了贷款审批流程,放松了抵押和担保要求,这有助于降低企业的融资成本(Bonini等,2016),提高融资质量(尹志超等,2015;李长青和曹德骏,2016)。
当然,银企关系对企业也有不利的一面,最典型的便是寻租问题。在我国,由于银行业的集中度相对较高,且有些银行工作人员精通并擅长规避监管政策,在特殊地位和信息优势下,这为银行工作人员寻租和腐败提供了条件(朱凯和陈信元,2007)。企业通过银企关系,可以更为便利地游说、疏通乃至贿赂银行信贷主管人员,相关活动意味着大量企业支出(董玉飞等,2003)。为维持银企关系,企业还需容忍银行在贷出资金时直接扣除利息或账外收取服务费用等行为(何昕懋,2015)。这些举动都会增加企业的金融交易成本。
(三)企业债务结构
企业债务构成通常比较复杂,根据来源可以划分为金融负债和经营负债;根据期限则可以划分为长期负债和短期负债。
李心合等(2014)认为,所谓金融负债,是指企业通过银行等金融机构筹集得到的资金,通常要还本付息;所谓经营负债,意指企业日常经营过程中对供应商、客户等利益相关者的资金占用,通常不需要付息。经典的资本结构研究,其实探讨的是金融负债,而忽略了经营负债。但是,从规模上来讲,中国企业的经营负债要高于金融负债(陈艳等,2016)。在企业筹集资金的过程中,尤其是民营企业,经营负债甚至比银行贷款还要重要。一些学者将这种以占用供应商资金为特征的融资方式称为类金融模式(姚宏和魏海玥,2012)。
我国企业对经营负债的依赖,与西方国家迥然不同,根源在于制度差异。以美国为例,法制较为健全,长久的商业运作构建了高信任度社会,企业在与供应商或客户之间进行资金往来时,应收或应付账款的信用期限通常在90天以内,平均拖欠期只有7天,平均坏账率仅有0.25%–0.5%。这样的信用安排,使得经营负债很难成为可靠的资金来源。与之不同,我国司法判决的执行还受到诸多因素的阻碍,企业的合同违约成本也不高,这使得企业的平均拖欠期超过90天,坏账率高达5%–10%(李心合等,2014)。在这种情形下,加之我国的银行资金受到严格的政策管控,许多企业依靠占用供应商资金或客户资金来进行扩张便成为常态。
从债务期限结构来看,与美国企业相比,中国企业长期债务较少,短期债务较多(肖作平和廖理,2007)。企业债务期限结构会受到企业特征因素和外部环境因素的共同影响。已有研究发现,大型企业、国有企业以及股权集中度较高的企业,其长期债务更多,这主要是因为此类企业通常有政府担保、违约风险较低(肖作平和廖理,2007;褚剑和方军雄,2019)。如果企业拥有政治关联,则可以获得融资优势,取得更多的长期负债(李健和陈传明,2013);相反,如果企业受到政府干预比较严重,则更依赖于短期负债(孙铮等,2005)。
(四)文献评述
综上所述,已有文献已经注意到去杠杆与银企关系对企业负债融资的差异;并且,综合已有文献的研究结论,发现两者对企业债务结构的影响方向可能是相反的。但是,很少有文献对去杠杆政策与银企关系的潜在冲突进行深入探讨,尤其是银企关系给企业带来的融资便利是否会受到去杠杆政策的影响。本文认为,以去杠杆作为研究场景,探讨银企关系发挥作用的宏观经济条件是非常有必要的。我们将在下文中对上述问题进行详细的分析和探讨。
三、理论分析与研究假说
(一)去杠杆与企业债务结构
简而言之,杠杆就是负债。在金融领域,加杠杆意在以小规模自有资金撬动大规模外部资金,放大投资收益。贷款是银行等主要金融机构的资产,同时也构成家庭、企业和政府的负债。因此,银行等金融机构扩张的过程,也是家庭、企业和政府加杠杆的过程。我国经济发展中的杠杆问题起于过度宽松的金融货币政策,因此中央政府的去杠杆便由金融部门入手,而金融部门的去杠杆必然也会引发实体产业的去杠杆。从我国工业企业整体及其内部结构来看,其整体负债率由2007年的58.3%下降至2016年的55.8%,民企由同期的59.11%下降到50.7%;而国企不降反升,由56.5%上升至61.4%(王建新和罗志恒,2017)。这说明我国去杠杆的最终结果是债务出现了转移。当然,上述转移是宏观层面的,即不同类型企业的债务转移。那么,由此延伸的一个问题是:具体到企业内部,债务会否也会出现转移?
在我国,去杠杆通常使用信贷政策工具来实现,通过缩减信贷供给规模,微观企业可获得的资金总量受到限制。此时,以银行为主体的金融机构会对企业客户实施信贷配给(Jaffee 和Russell,1976;Stiglitz和Weiss,1981),加之银行体系在我国是企业资金来源的主要渠道,一旦央行实施紧缩性信贷政策,商业银行可放贷额度随即下降,企业负债融资中与银行相关的金融负债规模也会相应下降。
当然,企业会寻求其他债务融资渠道来补偿金融负债融资的下降。已有文献对商业信用和银行贷款之间的关系有过深入探讨(Biais和Gollier,1997;石晓军和李杰,2009;石晓军和张顺明,2010),发现在特定条件下,如信贷紧缩时,两者呈现替代效应(陆正飞和杨德明,2011;饶品贵和姜国华,2013)。这一替代效应源于企业的交易伙伴(供应商或客户)相对于银行的信息优势。特别是在去杠杆时期,由于银行与企业之间存在信息不对称,因此银行对企业放贷会持更加谨慎的态度(Stiglitz和Weiss,1981)。但由于前期的商业合作,供应商或客户更加了解企业的实际经营信息,这也就相对降低了其与企业之间的信息不对称(Fisman和Love,2003)。因此,在去杠杆时期,交易伙伴可能会选择继续给予企业商业信用支持。当然,在去杠杆时期,企业资金紧张时,其占用的不仅仅是商业信用,在极端情况下也存在占用工人工资(应付职工薪酬)、延迟纳税等行为。在企业负债方面,体现出来的就是经营负债比重的上升,金融负债随之下降。据此,本文提出假说1a:去杠杆会导致企业金融负债比重的下降,以及经营负债比重的上升。
在去杠杆期间,企业会因银行缩减信贷而产生资金短缺。此时,长期银行贷款很难得到支持,而企业的许多长期项目支出,如生产线的升级改造、厂房的建设翻新,因为合同刚性而需要持续的大额资金投入,为保证长期资本支出不出现资金断裂,企业不得不寻求短期资金替代。从银行的角度来看,短期贷款的额度小、期限短、风险相对可控,因此在去杠杆时期,银行更容易通过企业对短期贷款的申请,而不愿意发放长期贷款。在上述因素推动下,去杠杆很容易引发企业的“短贷长投”问题(钟凯等,2016)。在企业负债融资方面,主要体现为企业的长期负债在偿还完毕后无法继续获取,企业只能通过多次、小额的短期负债来获取资金支持。据此,本文提出假说1b:去杠杆会导致企业长期负债比重的下降,以及短期负债比重的上升。
(二)银企关系与企业债务结构
在信贷市场中,银行与企业之间存在信息不对称。银行在决定给企业发放贷款时,往往由于信息不对称和逆向选择等原因,选择减少贷款的发放,并且会提高贷款利率。因此,能够减少银行和企业之间信息不对称的机制设计对双方均有利,银企关系便是这样一种机制。银企关系可以帮助银行对企业进行深入了解,企业也可借助银企关系减少搜寻成本,提高融资效率,顺利获得银行贷款(李长青和曹德骏,2016)。
与没有银企关系的企业相比,拥有银企关系的企业能够从银行方面得到融资便利。银企关系既可以降低企业获得银行贷款的资金成本(尹志超等,2015),也可以增加企业可获得的贷款额度(李长青和曹德骏,2016)。银企关系缓解了企业面临的融资约束,使其不必寻求对经营负债的占用。从负债结构的视角来看,拥有银企关系的企业,其负债结构中金融负债比重相对较高,而经营负债比重相对较少。据此,本文提出假说2a:银企关系会导致企业金融负债比重的上升,以及经营负债比重的下降。
与短期贷款相比,债权人对长期贷款更为慎重。因为长期负债的合同周期更长,契约监督成本更高,违约风险也更大,所以企业获得长期贷款的难度也更大。然而,企业只有在长期资金的支持下,才有可能进行长期化的资本支出、设备升级和技术更新,从而获取长久的盈利能力,以及有动机支付更高的利息。因此,如果能够解决银行与企业之间的委托代理问题,长期贷款对银行和企业均是有利可图的。银企关系的存在为上述问题的解决提供了一种方案,它可以在签订贷款合同方面给予双方便利,放松抵押条款(Prilmeier,2017),减少订约成本,帮助银行控制贷款人的信用风险(Agarwal等,2018)。杜颖洁和杜兴强(2013)发现银企关系可以减少银行对企业违约的担忧,有利于企业取得长期贷款。企业在拥有长期贷款后,对“短贷长投”的依赖随之下降。据此,本文提出假说2b:银企关系会导致企业长期负债比重的上升,以及短期负债比重的下降。
由上述假说推导可以看到,去杠杆和银企关系对企业债务的来源结构和期限结构的影响是完全反向的,即两者可能存在着冲突。我们随后将检验这两者之间的冲突是否确实存在,并深入探讨两者之间的交互影响。
(三)去杠杆与银企关系发挥作用的政策条件
当正式制度还不够完善时,关系型契约可以作为补充手段,促进交易的达成和执行(Allen等,2005)。从这个角度来看,企业构建银企关系,实质上是对我国现行金融制度的一种适应。然而,社会关系的使用具有两面性,一面是社会关系给关系人带来的权利(面子),另一面则是相应的义务(人情)。因此,社会关系的存在并不意味着关系人可以时时拿出来使用,换言之,社会关系如要发挥作用需要满足一定的前提条件。
新近的研究发现,在经济危机或衰退时期,社会关系更能体现其作用。当经济较为景气或发展良好时,考虑到动用社会关系可能带来的人情因素,关系人必然会非常慎重;而面临经济衰退之时,出于生存之考量,动用社会关系便成为理性选择。Acemoglu等(2016)发现,即便在整体制度建设较为完善的美国,在2008年金融危机以后,金融类上市公司高管与财政部高级官员的私人关系,也会显著影响公司股价。针对我国的上市公司,段云和国瑶(2012)发现当货币政策从紧时,政治关系对企业债务融资会有更大的影响。
基于上述论证,本文认为,在去杠杆时期,银企关系可以帮助企业减少银行等金融机构的抽贷数额。在信贷配给的背景下,没有银企关系的企业从金融机构可获得的资金则急剧减少,不得不寻求占用更多的经营负债。因此,在去杠杆时期,相对于没有银企关系的企业,有银企关系的企业,其经营负债比重更低。同理,银企关系也有助于企业保留长期贷款,而没有银企关系的企业则更难获取长期贷款,不得不寻求更多的短期负债融资来替代。因此,在去杠杆时期,相对于没有银企关系的企业,有银企关系的企业的短期负债比重更低;而在信贷宽松时期,银企关系对企业的债务结构则无显著影响。据此,本文提出假说3:在去杠杆时期,银企关系起到了调结构的作用,减少企业对经营负债和短期负债的依赖;但在加杠杆时期,上述结论不成立。
四、研究设计
(一)研究数据与样本选择
本文以2003−2016年沪深A股上市企业为样本,并从CSMAR数据库获取实证所需要的数据资料。CSMAR数据库提供了2003−2016年沪深A股上市公司所有高管的简历,本文通过计算机对关键词抓取,并配合人工识读,得到28615个公司-年度银企关系数据。本文还用到公司财务数据、公司治理数据和宏观货币与信贷政策数据,这些数据分别来自CSMAR提供的公司研究系列数据库、经济研究系列数据库和银行研究系列数据库。
在获取所需数据之后,本文对样本按如下程序进行筛选:以各上市公司的银企关系数据为基础,获取28 615个公司-年度观测值;以上述数据为基础,合并上市公司基本信息数据、财务和公司治理数据,公司所在省份基本经济变量,以及历年货币与信贷相关变量,最终得到25108个公司-年度观测值。我们对所有连续变量进行1%和99%水平上的缩尾处理。
(二)变量定义与测量
1. 去杠杆政策。参考饶品贵和姜国华(2013)的做法,本文以信贷紧缩年份来测量去杠杆政策。若样本观测所在年份为2004年、2005年、2010年、2011年和2016年,则取值为1;否则为0。①在稳健性测试中,本文也使用核心资本充足率和广义货币增长率来衡量去杠杆的力度。
2. 银企关系。本文主要考察董事长与总经理的银企关系。如果董事长或总经理在实践中有董事长、董事局主席、总经理、总监、总裁、执行长或CEO等称谓的,本文对每家上市公司的上述任职人员的银行背景进行逐一识别。本文通过CSMAR获取上市公司高管的简历数据,先借助计算机识读高管简历中是否有关键词“银行”,对识别出“银行”关键词的样本进一步加以人工识读。若确认该高管现在或曾在银行任职,则银企关系(BankTie)赋值为1,否则为0。
3. 金融负债与经营负债。在参考饶品贵和姜国华(2013)、李心合等(2014)的基础上,本文对金融负债和经营负债进行了划分。其中,金融负债主要是指带息的公司负债,包括短期借款、交易性金融负债、衍生金融负债、应付利息、长期借款、独立账户负债、应付债券、长期应付款;经营负债则是指在公司日常生产经营中产生的不带息负债,包括应付票据、应付账款、预收账款、应付职工薪酬、其他应付款、应付股利、专项应付款、递延所得税负债。由于企业的负债会计科目非常复杂,部分科目如保户储金及投资款、代理买卖证券款、预计负债等,是否确认为经营负债存在一定争议,因此本文没有将之计入。其实上述负债科目金额均不大,本文统计后发现,即使全部计入也不影响分析结果。
4. 变量汇总。本文实证检验所需的其他变量及其定义详见表1。
变量名称 | 变量代码 | 变量定义 | |
被解释变量 | 金融负债比重 | FDebt | 金融负债总额在公司负债总额中的比重 |
经营负债比重 | ODebt | 经营负债总额在公司负债总额中的比重 | |
短期负债比重 | SDebt | 短期负债总额在公司负债总额中的比重 | |
长期负债比重 | LDebt | 长期负债总额在公司负债总额中的比重 | |
资产负债率 | Lev | 总负债在公司资产总额中的比重 | |
解释变量 | 去杠杆政策 | Delever | 若样本观测所在年份为2004年、2005年、2010年、2011年和2016年,则取值为1;否则为0 |
银企关系 | BankTie | 若公司董事长或总经理现在或曾经在银行任职,则取值为1;否则为0 | |
控制变量 | 股权再融资 | EquityF | 公司当年增发与配股融资总额/总资产 |
资产净利率 | Roa | 净利润/总资产 | |
公司规模 | Size | 公司当年总资产的自然对数 | |
公司成长性 | Sgrowth | (本年营业总收入−上年营业总收入)/上年营业总收入 | |
国有企业 | State | 若上市公司是国有企业,取值为1;否则取0 | |
第一大股东持股 | Lshr | 第一大股东持股比例 | |
股权制衡 | Othshr | 第二到第五大股东持股比例之和 | |
公司运营年限 | FirmAge | 公司成立至样本期末运营年限 | |
控制变量 | 行业管制 | Regulation | 若公司所处行业为管制行业(采掘、石油、化学、塑胶、塑料、金属、非金属、电力煤气及水的生产和供应、交通运输、仓储、信息技术)则取1;否则为0 |
地区金融发展 | Finance_D | 公司所在省份金融机构期末贷款余额与该省当年GDP之比 | |
地区经济增长率 | ProvGDPGR | 公司所在省份的国内生产总值增长率 | |
地区人口规模 | ProvPOP | 公司所在省份的人口总数取自然对数 | |
地区失业率 | UnEmploy | 公司所在省份的城镇失业率 |
(三)模型设定
本文使用模型(1)检验假说1a和假说1b,使用模型(2)检验假说2a和假说2b:
$\begin{array}{l} Debt\_Structure = \alpha + {\beta _1}{{ \times Delever}} + {\beta _2}{{ \times EquityF}} + {\beta _3}{{ \times Roa}} + {\beta _4} \times Size + {\beta _5}{{ \times Sgrowth}} \\ \quad\quad\quad\quad\quad\quad\quad + {\beta _6} \times {{State}} + {\beta _7}{{ \times Lshr}} + {\beta _8}{{ \times Othshr}} + {\beta _9}{{ \times }}FirmAge \\ \quad\quad\quad\quad\quad\quad\quad+ {\beta _{10}}{{ \times Re}}gulation + {\beta _{11}}{{ \times }}Finance\_D + {\beta _{12}} \times ProvGDPGR \\ \quad\quad\quad\quad\quad\quad\quad+ {\beta _{13}} \times {{ProvPOP}} + {\beta _{14}}{{ \times UnEmploy}} + \sum {{\beta _m}} \times Year + \sum {{\beta _n}} \times Ind + \varepsilon \\ \end{array} $ | (1) |
$\begin{array}{l} Debt\_Structure = \alpha + {\beta _1}{{ \times BankTie}} + {\beta _2}{{ \times EquityF}} + {\beta _3}{{ \times Roa}} + {\beta _4} \times Size + {\beta _5}{{ \times Sgrowth}} \\ \quad\quad\quad\quad\quad\quad\quad + {\beta _6} \times {{State}} + {\beta _7}{{ \times Lshr}} + {\beta _8}{{ \times Othshr}} + {\beta _9}{{ \times }}FirmAge \\ \quad\quad\quad\quad\quad\quad\quad + {\beta _{10}}{{ \times Re}}gulation + {\beta _{11}}{{ \times }}Finance\_D + {\beta _{12}} \times ProvGDPGR \\ \quad\quad\quad\quad\quad\quad\quad + {\beta _{13}} \times {{ProvPOP}} + {\beta _{14}}{{ \times UnEmploy}} + \sum {{\beta _m}} \times Year + \sum {{\beta _n}} \times Ind + \varepsilon \\ \end{array} $ | (2) |
模型中各变量的定义如下:Debt_Structure是企业债务结构,在回归时分别代入FDebt、ODebt、SDebt、LDebt和Lev;BankTie是标识银企关系的名义变量。本文将使用OLS回归对模型(1)进行分析。考虑到BankTie的非随机性,为控制住可能存在的处理效应问题,本文使用倾向匹配评分(PSM)回归对模型(2)进行分析。对假说3的检验将采取分组回归分析,具体而言,根据Delever取值是否为1,将模型(2)进行分组PSM回归,并考察分组后的BankTie的系数差异。
五、统计分析和实证结果
(一)描述性统计
表2列示了本文主要变量的描述性统计结果。从中可以看到,样本上市公司的平均资产负债率为47.7%。其中金融负债的比重为38.1%,而经营负债的比重为61.8%,且经营负债的均值远高于金融负债。这说明我国企业的经营负债比金融负债提供了更多的资金支持,而其中的经营风险问题值得深入考察。短期负债的比重约为83%,长期负债的比重为17%,且短期负债的均值是长期负债的近5倍。这说明企业较难取得长期债务融资,主要使用短期债务融资。上述数据均反映了我国企业融资约束问题的严重性。
变量 | 样本数 | 均值 | 中位数 | 标准差 | 最小值 | 最大值 |
Fdebt | 25 108 | 0.381 | 0.400 | 0.253 | 0.000 | 0.911 |
Odebt | 25 108 | 0.618 | 0.600 | 0.253 | 0.089 | 1.000 |
Sdebt | 25 108 | 0.829 | 0.895 | 0.183 | 0.206 | 1.000 |
Ldebt | 25 108 | 0.170 | 0.105 | 0.183 | 0.000 | 0.794 |
Lev | 25 108 | 0.477 | 0.476 | 0.231 | 0.051 | 1.406 |
Delever | 25 108 | 0.354 | 0.000 | 0.478 | 0.000 | 1.000 |
Banktie | 25 108 | 0.028 | 0.000 | 0.164 | 0.000 | 1.000 |
EquityF | 25 108 | 0.016 | 0.000 | 0.058 | 0.000 | 0.328 |
Roa | 25 108 | 0.031 | 0.032 | 0.067 | −0.300 | 0.203 |
Size | 25 108 | 21.788 | 21.643 | 1.278 | 18.950 | 26.472 |
Sgrowth | 25 108 | 0.218 | 0.120 | 0.608 | −0.706 | 4.571 |
State | 25 108 | 0.512 | 1.000 | 0.500 | 0.000 | 1.000 |
Lshr | 25 108 | 0.370 | 0.350 | 0.157 | 0.088 | 0.750 |
Othshr | 25 108 | 0.168 | 0.147 | 0.118 | 0.008 | 0.484 |
FirmAge | 25 108 | 13.809 | 14.000 | 5.348 | 3.000 | 28.000 |
Regulation | 25 108 | 0.259 | 0.000 | 0.438 | 0.000 | 1.000 |
Finance_D | 25 108 | 1.102 | 1.028 | 0.506 | 0.000 | 2.206 |
ProvGDPGR | 25 108 | 0.132 | 0.121 | 0.057 | 0.003 | 0.251 |
ProvPOP | 25 108 | 8.446 | 8.612 | 0.671 | 6.394 | 9.306 |
UnEmploy | 25 108 | 0.033 | 0.034 | 0.008 | 0.013 | 0.049 |
(二)回归分析
1. 去杠杆与企业债务结构。模型(1)的OLS回归结果见表3。从中可以看到,FDebt对Delever的回归系数在1%的水平上显著为负,ODebt对Delever的回归系数在1%的水平上显著为正,这表明去杠杆确实会导致金融负债比重下降,以及经营负债比重上升,假说1a得证。此外,Lev对Delever的回归系数在1%的水平上显著为负,表明去杠杆确实会带来负债规模下降。
Fdebt | Odebt | Sdebt | Ldebt | Lev | ||||||
系数 | T值 | 系数 | T值 | 系数 | T值 | 系数 | T值 | 系数 | T值 | |
Intercept | −0.774*** | −7.39 | 1.458*** | 13.98 | 1.429*** | 19.17 | −0.431*** | −5.86 | −0.915*** | −8.5 |
Delever | −0.023*** | −5.17 | 0.014*** | 3.23 | −0.003 | −1.03 | 0.004 | 1.1 | −0.015*** | −4.36 |
EquityF | 0.118*** | 4.82 | −0.099*** | −4.11 | −0.05*** | −2.73 | 0.05*** | 2.76 | −0.407*** | −26.02 |
Roa | −0.79*** | −18.46 | 0.711*** | 17.87 | 0.159*** | 6.24 | −0.158*** | −6.27 | −1.537*** | −37.45 |
Size | 0.058*** | 17.85 | −0.054*** | −17.06 | −0.041*** | −19.58 | 0.041*** | 19.65 | 0.06*** | 20.29 |
Sgrowth | −0.001 | −0.29 | 0.002 | 0.8 | −0.001 | −0.58 | 0.001 | 0.63 | 0.037*** | 14.11 |
State | −0.047*** | −5.99 | 0.055*** | 6.95 | 0.001 | 0.24 | −0.001 | −0.19 | 0.007 | 1.03 |
Lshr | −0.117*** | −4.84 | 0.105*** | 4.23 | 0.025 | 1.44 | −0.025 | −1.47 | −0.059*** | −2.97 |
Othshr | −0.142*** | −4.75 | 0.108*** | 3.57 | −0.018 | −0.83 | 0.017 | 0.82 | −0.085*** | −3.47 |
FirmAge | 0.01 | 0.93 | −0.026** | −2.46 | −0.013** | −2.09 | 0.013** | 2.09 | 0.081*** | 10.11 |
Regulation | 0.082*** | 8.61 | −0.067*** | −6.88 | −0.015** | −2.42 | 0.015** | 2.43 | 0.016** | 2.03 |
Finance_D | −0.017 | −1.59 | 0.012 | 1.15 | 0.013* | 1.72 | −0.012* | −1.69 | −0.019** | −2.07 |
ProvGDPGR | −0.003 | −0.04 | 0.148** | 1.97 | 0.063 | 1.16 | −0.063 | −1.17 | 0.136** | 2.17 |
ProvPOP | 0.011 | 1.01 | −0.015 | −1.43 | −0.013* | −1.67 | 0.013* | 1.71 | 0.015* | 1.65 |
UnEmploy | 0.285 | 0.58 | 0.18 | 0.36 | 0.898*** | 2.65 | −0.897*** | −2.68 | 0.491 | 1.18 |
年份 & 行业 | 控制 | 控制 | 控制 | 控制 | 控制 | |||||
样本数 | 25 108 | 25 108 | 25 108 | 25 108 | 25 108 | |||||
Adj. R2 | 0.242 | 0.237 | 0.271 | 0.271 | 0.411 | |||||
注:(1)回归分析考虑了异方差,并进行了公司层面的 cluster 调整;***、**和*分别表示在1%、5%和10%的水平上显著。以下各表同。(2)限于篇幅,表6和表7中的T值放在系数值后的括号内。 |
然而,SDebt与LDebt对Delever的回归系数均不显著,这与本文的假说1b不符。可能的原因是,长期借款往往都有契约刚性,无论是来自银行的长期负债,还是来自其他组织的长期负债,可能都无法因去杠杆而立刻在当期减少。银行或其他组织可能因去杠杆而做出长期负债到期后不再续贷的决策,但这要延后发生。因此,我们无法在当期看到负债期限结构的变化,而在随后则有可能观察到。
为了检验上述推测,我们引入一个新变量LagDelever,若样本观测的前一年出现去杠杆则LagDelever取值为1,否则为0。然后,我们使用长短期负债比重LDebt、SDebt对LagDelever进行回归,回归结果见表4。从中可以看到,在使用滞后一期去杠杆变量后,回归结果与本文的假说1b接近,唯一的不足是LagDelever对SDebt的影响不够显著,但T值为1.57,接近10%的显著性水平。这表明,契约刚性导致企业负债期限结构调整滞后,可以在一定程度上解释SDebt与LDebt对Delever的回归系数为何不显著。
Sdebt | Ldebt | |||
系数 | T值 | 系数 | T值 | |
Intercept | 1.425*** | 18.94 | −0.414*** | −5.59 |
LagDelever | 0.007 | 1.57 | −0.011** | −2.37 |
EquityF | −0.05*** | −2.73 | 0.049*** | 2.68 |
Roa | 0.159*** | 6.24 | −0.158*** | −6.27 |
Size | −0.041*** | −19.58 | 0.041*** | 19.46 |
Sgrowth | −0.001 | −0.58 | 0.001 | 0.64 |
State | 0.001 | 0.24 | −0.001 | −0.19 |
Lshr | 0.025 | 1.45 | −0.024 | −1.43 |
Othshr | −0.018 | −0.83 | 0.018 | 0.83 |
FirmAge | −0.013** | −2.09 | 0.013** | 2.07 |
Regulation | −0.015** | −2.42 | 0.015** | 2.45 |
Finance_D | 0.013* | 1.72 | −0.012* | −1.7 |
ProvGDPGR | 0.063 | 1.17 | −0.06 | −1.11 |
ProvPOP | −0.013* | −1.67 | 0.013* | 1.69 |
UnEmploy | 0.897*** | 2.65 | −0.903*** | −2.7 |
年份 & 行业 | 控制 | 控制 | ||
样本数 | 25 108 | 25 108 | ||
Adj. R2 | 0.271 | 0.271 |
2. 银企关系与企业债务结构。模型(2)的倾向匹配评分(PSM)回归结果见表5。在进行匹配评分时,我们将所有控制变量引入,本文设定匹配的个体倾向评分值差异小于0.1,并进行1比1配对。从中可以看到,FDebt对BankTie的回归系数在5%的水平上显著为正,ODebt对BankTie的回归系数在1%的水平上显著为负,这表明银企关系确实会导致金融负债比重上升,以及经营负债比重下降,假说2a得证;SDebt对BankTie的回归系数在1%的水平上显著为负,LDebt对BankTie的回归系数在1%的水平上显著为正,这表明银企关系可以为企业带来更多的长期负债,降低企业对短期负债的依赖,假说2b得证。此外,Lev对BankTie的回归系数为正,但并不显著。
Fdebt | Odebt | Sdebt | Ldebt | Lev | ||||||
系数 | T值 | 系数 | T值 | 系数 | T值 | 系数 | T值 | 系数 | T值 | |
Intercept | −0.608*** | −3.40 | 1.254*** | 6.66 | 1.295*** | 9.13 | −0.300** | −2.15 | 0.254 | 1.33 |
BankTie | 0.026** | 2.11 | −0.040*** | −3.28 | −0.024*** | −2.70 | 0.023*** | 2.62 | 0.018 | 1.53 |
EquityF | 0.111 | 1.05 | −0.147 | −1.40 | −0.032 | −0.45 | 0.029 | 0.40 | −0.443*** | −6.31 |
Roa | −0.484*** | −5.63 | 0.544*** | 6.21 | 0.191*** | 3.20 | −0.188*** | −3.20 | −1.404*** | −10.10 |
Size | 0.061*** | 9.29 | −0.059*** | −8.67 | −0.034*** | −6.77 | 0.034*** | 6.83 | 0.014* | 1.89 |
Sgrowth | −0.007 | −0.99 | 0.004 | 0.49 | 0.00131 | 0.19 | −0.00112 | −0.16 | 0.0376*** | 4.02 |
State | −0.041*** | −3.11 | 0.044*** | 3.34 | 0.0004 | 0.04 | −0.001 | −0.10 | 0.013 | 1.03 |
Lshr | −0.061 | −1.39 | 0.027 | 0.61 | −0.035 | −1.00 | 0.038 | 1.10 | 0.015 | 0.36 |
Othshr | −0.112* | −1.92 | 0.081 | 1.41 | −0.064 | −1.59 | 0.065 | 1.62 | 0.034 | 0.61 |
Firmage | −0.002 | −1.48 | 0.0003 | 0.24 | 0.0002 | 0.18 | −0.0002 | −0.19 | 0.004*** | 3.39 |
Regulation | 0.060*** | 3.48 | −0.039** | −2.29 | 0.009 | 0.78 | −0.008 | −0.67 | −0.008 | −0.54 |
Finance_D | −0.021 | −1.12 | 0.0286 | 1.54 | 0.029** | 2.05 | −0.029** | −2.09 | −0.028* | −1.65 |
ProvGDPGR | 0.211 | 0.94 | −0.008 | −0.03 | 0.263 | 1.56 | −0.258 | −1.58 | 0.238 | 1.19 |
Provpop | −0.004 | −0.39 | 0.021** | 2.00 | 0.028*** | 3.24 | −0.026*** | −3.17 | −0.007 | −0.59 |
UnEmploy | 1.459 | 1.54 | 0.907 | 0.92 | 1.504** | 2.13 | −1.546** | −2.22 | −0.428 | −0.47 |
年份 & 行业 | 控制 | 控制 | 控制 | 控制 | 控制 | |||||
样本数 | 1 388 | 1 388 | 1 388 | 1 388 | 1 388 | |||||
Adj. R2 | 0.270 | 0.266 | 0.376 | 0.378 | 0.399 |
3. 去杠杆与银企关系发挥作用的政策条件。由上述分析可知,去杠杆政策和银企关系对企业的金融负债比重和经营负债比重的影响刚好相反。考虑到去杠杆是影响企业经营环境的外生政策,那么它会不会影响(削弱)银企关系给企业带来的融资便利作用?为回答这一问题,本文将按照企业是否处在去杠杆时期对样本进行分组,然后分样本对模型(2)采用PSM回归分析。
表6和表7列示了相关的回归分析结果。从中可以看到,在去杠杆时期,银企关系对Lev的影响不显著,但是对FDebt、ODebt、SDebt和LDebt的影响均显著,因为在去杠杆时期,银企关系无法增加企业的债务融资总额,但银企关系仍然可以影响企业的债务结构。相对于没有银企关系的企业,有银企关系的企业的经营负债比重和短期负债比重更低。而在信贷宽松时期,银企关系对Lev的影响显著为正,但是对FDebt、SDebt和LDebt的影响均不显著。这表明在信贷宽松时期,银企关系可以帮助企业获得更多的债务融资,但对企业的债务结构则基本无显著影响。唯一的例外是,在加杠杆组,银企关系对ODebt仍有显著影响。假说3基本得证。此外,本文报告了χ2统计量,从而检验分组回归中Banktie的组间系数差异。结果显示,除了针对Odebt的分组回归中,Banktie的组间系数差异不显著,其他分组回归的组间系数均显著存在差异。
Fdebt | Fdebt | Odebt | Odebt | |
加杠杆组 | 去杠杆组 | 加杠杆组 | 去杠杆组 | |
Intercept | −0.626**(−2.50) | −0.723**(−2.20) | 1.197***(4.45) | 1.484***(4.48) |
Banktie | 0.019(0.97) | 0.040*(1.78) | −0.037*(−1.87) | −0.048**(−2.14) |
控制变量 | 控制 | 控制 | 控制 | 控制 |
样本数 | 885 | 503 | 885 | 503 |
Adj. R2 | 0.298 | 0.269 | 0.293 | 0.260 |
χ2 | 4.18** | 0.23 |
Sdebt | Sdebt | Ldebt | Ldebt | Lev | Lev | |
加杠杆组 | 去杠杆组 | 加杠杆组 | 去杠杆组 | 加杠杆组 | 去杠杆组 | |
Intercept | 1.310***(6.41) | 1.339***(5.33) | −0.318(−1.58) | −0.326(−1.33) | −0.295(−1.02) | −0.655**(−2.14) |
Banktie | −0.012(−0.92) | −0.042**(−2.49) | 0.012(0.91) | 0.040**(2.45) | 0.047**(2.55) | 0.004(0.20) |
控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
样本数 | 885 | 503 | 885 | 503 | 889 | 499 |
Adj. R2 | 0.369 | 0.406 | 0.371 | 0.409 | 0.356 | 0.474 |
χ2 | 2.93* | 2.74* | 4.96** |
综上所述,银企关系在加杠杆和去杠杆时期所发挥的作用是有区别的。在加杠杆时期,银企关系可以起到蓄水池作用,增加企业的债务融资规模;而在去杠杆时期,银企关系则起到调结构的作用,减少企业对经营负债和短期负债的依赖,这可以降低企业财务风险。
六、稳健性测试②
1. 去杠杆的其他测量方法。本文使用广义货币供应量(M2)的年度增长率和银行核心资本充足率重新测量去杠杆,并对模型(1)进行回归分析,从而检验假说1a的稳健性。其中,广义货币供应量增长率是中国人民银行统计的广义货币供应量(M2)的年度增长率,记为M2Grow;核心资本充足率以CSMAR提供的银行财务指标数据中的所有银行各自的资本充足率为基础,③使用各个银行国内信贷总额占比为权重,计算加权值,记为WeightCRratio。
从理论上讲,M2年度增长率是去杠杆的反向衡量指标,M2在去杠杆时通常呈现下降趋势。M2增加,意味着广义货币供应量增多,从而企业的可贷款金额增加。根据前文的分析,M2Grow对企业的负债规模有正向影响,对企业的金融负债比重也有正向影响,但对企业的经营负债比重有负向影响。核心资本充足率越高,意味着银行需要自留的资金就越多,能够用于企业贷款的金额就越少。因此,WeightCRratio对企业的负债规模有负向影响,对企业的金融负债比重也有负向影响,但对企业的经营负债有正向影响。使用M2Grow和WeightCRratio重新测量去杠杆后的回归结果显示,FDebt、ODebt和Lev对M2Grow和WeightCRratio的回归结果与表3完全一致,这表明假说1a的结果是稳健的。
2. 银企关系的处理效应问题。不同地区的金融机构数量也有所差异,企业所在地银行等金融机构越多,企业就更容易取得贷款,也更容易找到有银行背景的高管。本文所观察到的银企关系对企业债务结构的影响,最终可能是由地方金融发展程度不同引发的,即拥有银企关系的研究样本并非随机分布。为缓解上述问题,本文将引入处理效应模型对之重新检验。
本文构建了如下银企关系的处理方程(treatment equation)作为第一阶段回归模型,标记为模型(3):
$\begin{array}{l} Banktie = \alpha + {\beta _1} \times Mkt\_Index + {\beta _2}{{ \times }}Law\_Index + {\beta _3}{{ \times }}EquityF + {\beta _4} \times Roa \\ \quad\quad\quad\quad+ {\beta _5} \times Size + {\beta _6}{{ \times Sgrowth}} + {\beta _7} \times {{State}} + {\beta _8}{{ \times Lshr}} + {\beta _9}{{ \times Othshr}} \\ \quad\quad\quad\quad+ {\beta _{10}}{{ \times }}FirmAge + {\beta _{11}}{{ \times Re}}gulation + {\beta _{12}}{{ \times }}Finance\_D + {\beta _{13}} \times ProvGDPGR \\ \quad\quad\quad\quad+ {\beta _{14}} \times {{ProvPOP}} + {\beta _{15}}{{ \times UnEmploy + }}\sum {{\beta _m}} \times Year + \sum {{\beta _n}} \times Ind + \varepsilon \\ \end{array} $ | (3) |
其中,Mkt_Index是企业所在地区的市场化程度指数,Law_Index是企业所在地区的法制程度指数,相关数据由已有文献取得(王小鲁等,2017)。从理论上讲,市场越发达,法制越健全,非正式关系对正式制度的替代作用越弱,银企关系的存在价值越小。在第一阶段回归中,BankTie对Mkt_Index和Law_Index的回归系数显著为负。第二阶段是线性回归模型,仍使用模型(2)。处理效应模型的回归结果显示,在第一阶段回归结果中,BankTie对 Mkt_Index的回归系数显著为负,但对Law_Index的回归系数不显著;在第二阶段回归中,各个回归的Wald Test的P值均显著小于0.01,这表明本文的确存在内生性问题。虽然如此,在使用处理效应模型估计以后,Fdebt、Odebt、Sdebt、Ldebt和Lev对BankTie的回归系数仍然显著,且与假说2a和假说2b预测一致。这表明本文的相关回归结果是稳健的。
七、研究结论与政策建议
本文探讨了去杠杆政策和银企关系对企业债务结构的影响,并发现去杠杆政策限制了企业由金融机构获取的金融负债融资规模,这导致企业不得不寻求对经营负债的占用,以致企业经营负债比重上升,金融负债比重下降;而银企关系则可以帮助企业获得更多的金融机构贷款,这使得企业的金融负债比重上升,以及经营负债比重下降。但是,银企关系带给企业的融资便利作用,是有条件的,只有在信贷宽松时期才能给企业带来负债融资规模的扩张。在去杠杆期间,银企关系尽管不能增加企业的整体负债融资规模,但是仍然对企业债务结构有显著影响,能够减少企业对经营负债和短期负债的依赖,这可以降低企业财务风险。
本文的上述发现可能有如下启示意义:第一,去杠杆政策可能导致企业的财务风险转化为经营风险。本文发现,去杠杆政策减少了企业的金融负债融资,这导致企业占用了经营负债,其实质是企业的财务风险向经营风险的转化。由于企业不能长期占用经营负债,无论是供应商与客户的货款,还是职工薪酬与递延税款,最终都要偿还,长期占用上述经营负债,会导致公司无法正常经营,最终破产。因此,企业应当警惕财务风险向经营风险的转化。第二,银企关系若要发挥作用,需要依赖特定的宏观政策条件。本文发现去杠杆会影响银企关系的融资便利作用,只有在信贷宽松时期,银企关系才能扩张企业债务融资;而在去杠杆时期,银企关系无法给企业带来更多的债务融资。这有助于我们理解银企关系发挥作用的宏观条件,为政府部门制定缓解企业融资约束的政策提供启示。
① 本文也将去杠杆年份设定为2004年、2007年、2010年、2011年和2016年,结果基本一致。
② 限于篇幅,本文没有报告稳健性测试的详细回归结果;如有需要,可向作者索取或参考工作论文。
③ 核心资本是金融机构可以永久使用和支配的自有资金,包括实收资本、资本公积、盈余公积、未分配利润、储务账户和公开储备;核心资本充足率(core capital adequacy ratio)是指核心资本与加权风险资产总额的比率。
[1] | 陈艳, 郑雅慧, 秦妍. 负债融资、资本成本与公司投资效率——基于债务异质性视角的实证分析[J]. 经济与管理评论, 2016(4): 79–86. |
[2] | 褚剑, 方军雄. 交通基础设施改善与银行信贷决策——基于高铁通车准自然实验的检验[J]. 会计与经济研究, 2019(5): 38–60. |
[3] | 董玉飞, 杨成良, 李涛. 我国信贷市场寻租活动探究[J]. 商业时代, 2003(17): 38–39. |
[4] | 杜颖洁, 杜兴强. 银企关系、政治联系与银行借款——基于中国民营上市公司的经验证据[J]. 当代财经, 2013(2): 108–118. |
[5] | 段云, 国瑶. 政治关系、货币政策与债务结构研究[J]. 南开管理评论, 2012(5): 84–94. DOI:10.3969/j.issn.1008-3448.2012.05.010 |
[6] | 何昕懋. 企业参股银行、实际控制人性质与信贷市场的寻租成本[D]. 西安: 陕西师范大学, 2015. http://cdmd.cnki.com.cn/Article/CDMD-10718-1015722636.htm |
[7] | 胡贺波. 从宏观杠杆率看政策选择[J]. 中国金融, 2019(2): 72–73. |
[8] | 李长青, 曹德骏. 银企关系能否缓解中小企业融资约束?[J]. 西部论坛, 2016(2): 41–47. |
[9] | 李健, 陈传明. 企业家政治关联、所有制与企业债务期限结构——基于转型经济制度背景的实证研究[J]. 金融研究, 2013(3): 157–169. |
[10] | 李心合, 王亚星, 叶玲. 债务异质性假说与资本结构选择理论的新解释[J]. 会计研究, 2014(12): 3–10. DOI:10.3969/j.issn.1003-2886.2014.12.001 |
[11] | 刘晓光, 刘元春, 王健. 杠杆率、经济增长与衰退[J]. 中国社会科学, 2018(6): 50–70. |
[12] | 娄飞鹏. 杠杆率的结构性与结构性去杠杆[J]. 中国经济报告, 2018(5): 87–89. DOI:10.3969/j.issn.1673-3788.2018.05.026 |
[13] | 陆正飞, 杨德明. 商业信用: 替代性融资, 还是买方市场?[J]. 管理世界, 2011(4): 6–14. |
[14] | 吕建玲. 银企关系、商业信用与银行贷款——来自中国民营上市公司的实证研究[D]. 杭州: 浙江工商大学, 2015. http://cdmd.cnki.com.cn/Article/CDMD-10353-1015552314.htm |
[15] | 饶品贵, 姜国华. 货币政策对银行信贷与商业信用互动关系影响研究[J]. 经济研究, 2013(1): 68–82,150. |
[16] | 石晓军, 李杰. 商业信用与银行借款的替代关系及其反周期性: 1998-2006年[J]. 财经研究, 2009(3): 4–15. DOI:10.3969/j.issn.1001-9952.2009.03.001 |
[17] | 石晓军, 张顺明. 商业信用、融资约束及效率影响[J]. 经济研究, 2010(1): 102–114. |
[18] | 孙铮, 刘凤委, 李增泉. 市场化程度、政府干预与企业债务期限结构——来自我国上市公司的经验证据[J]. 经济研究, 2005(5): 52–63. |
[19] | 唐玮, 崔也光, 齐英. 长期融资性负债、银企关系与R&D投资——来自制造业上市公司的经验证据[J]. 数理统计与管理, 2017(1): 29–37. |
[20] | 王国刚. “去杠杆”: 范畴界定、操作重心和可选之策[J]. 经济学动态, 2017(7): 18–25. |
[21] | 王建新, 罗志恒. 债转股: 去杠杆、防风险与国企改革的抓手——新一轮债转股与1999年之比较[J]. 中国总会计师, 2017(2): 41–43. DOI:10.3969/j.issn.1672-576X.2017.02.016 |
[22] | 王小鲁, 樊纲, 余静文. 中国分省份市场化指数报告(2016)[M]. 北京: 社会科学文献出版社, 2017. |
[23] | 肖作平, 廖理. 大股东、债权人保护和公司债务期限结构选择——来自中国上市公司的经验证据[J]. 管理世界, 2007(10): 99–113. |
[24] | 姚宏, 魏海玥. 类金融模式研究——以国美和苏宁为例[J]. 中国工业经济, 2012(9): 148–160. |
[25] | 尹志超, 钱龙, 吴雨. 银企关系、银行业竞争与中小企业借贷成本[J]. 金融研究, 2015(1): 134–149. |
[26] | 翟胜宝, 易旱琴, 郑洁, 等. 银企关系与企业投资效率——基于我国民营上市公司的经验证据[J]. 会计研究, 2014(4): 74–80. DOI:10.3969/j.issn.1003-2886.2014.04.010 |
[27] | 张斌, 何晓贝, 邓欢. 不一样的杠杆——从国际比较看杠杆上升的现象、原因与影响[J]. 金融研究, 2018(2): 15–29. |
[28] | 钟凯, 程小可, 张伟华. 货币政策适度水平与企业“短贷长投”之谜[J]. 管理世界, 2016(3): 87–98. |
[29] | 朱凯, 陈信元. 银行腐败与公司资本结构决策[J]. 金融研究, 2007(1): 28–40. |
[30] | Acemoglu D, Johnson S, Kermani A, et al. The value of connections in turbulent times: Evidence from the United States[J]. Journal of Financial Economics, 2016, 121(2): 368–391. DOI:10.1016/j.jfineco.2015.10.001 |
[31] | Agarwal S, Chomsisengphet S, Liu C L, et al. Benefits of relationship banking: Evidence from consumer credit markets[J]. Journal of Monetary Economics, 2018, 96: 16–32. DOI:10.1016/j.jmoneco.2018.02.005 |
[32] | Allen F, Qian J, Qian M. Law, finance, and economic growth in China[J]. Journal of Financial Economics, 2005, 77(1): 57–116. DOI:10.1016/j.jfineco.2004.06.010 |
[33] | Biais B, Gollier C. Trade credit and credit rationing[J]. The Review of Financial Studies, 1997, 10(4): 903–937. DOI:10.1093/rfs/10.4.903 |
[34] | Bonini S, Dell’Acqua A, Fungo M, et al. Credit market concentration, relationship lending and the cost of debt[J]. International Review of Financial Analysis, 2016, 45(5): 172–179. |
[35] | Fisman R, Love I. Trade credit, financial intermediary development, and industry growth[J]. The Journal of Finance, 2003, 58(1): 353–374. DOI:10.1111/1540-6261.00527 |
[36] | Jaffee D M, Russell T. Imperfect information, uncertainty, and credit rationing[J]. The Quarterly Journal of Economics, 1976, 90(4): 651–666. DOI:10.2307/1885327 |
[37] | Kobayashi T, Takaguchi T. Identifying relationship lending in the interbank market: A network approach[J]. Journal of Banking & Finance, 2018, 97: 20–36. |
[38] | Kysucky V, Norden L. The benefits of relationship lending in a cross-country context: A meta-analysis[J]. Management Science, 2015, 62(1): 90–110. |
[39] | Prilmeier R. Why do loans contain covenants? Evidence from lending relationships[J]. Journal of Financial Economics, 2017, 123(3): 558–579. DOI:10.1016/j.jfineco.2016.12.007 |
[40] | Stiglitz J E, Weiss A. Credit rationing in markets with imperfect information[J]. The American Economic Review, 1981, 71(3): 393–410. |