经济政策不确定性与企业债务融资.docx

《经济政策不确定性与企业债务融资.docx》由会员分享，可在线阅读，更多相关《经济政策不确定性与企业债务融资.docx（11页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、已有研究发现 ， 经济政策不确定性 升高时 ， 民间投资下降 、 工作岗位减少 、 GDP 下滑 缩 、 这就意味着企业面临的外部经济环境风险上升 部风险以 对冲外部风险 ， 比如减少高管变更 8 债务融资 ， 作为企业最基本的财务决策 ， 具有多样化 的动机和制约因素 企业放缓投资 、 增加现金持有水平 、 而降低现金的边 际价值 策不确定性的上升 也提高了商业银行判断投资机会的难度 贷 第 30 卷第 3 期 管理评论 Vol 30， No 3 2018 年 3 月 Management eview Mar ， 2018 经济政策不确定性与企业债务融资 蒋 腾 1 张永冀 2 赵晓丽 2

2、（ 1 中国人民大学商学院 ， 北京 100872； 2 北京理工大学管理与经济学院 ， 北京 100081） 摘要 ： 本文研究了 2003 到 2016 年间我国经济政策不确定性对企业债务融资的影响 。 研究发 现， 当经济政策不确定性提高时 ， 企业银行借款 水平会显著下降 。 高预期通货膨胀会加强经济 政策不确定性对企业银行借款水平的负向影 响 。 银行关联会减弱经济政策不确定性对企业银 行借款水平的负向影响 。 具体而言 ， 对于面临融 资约束程度较高的企业，以及产业政策不支持 的行业 ， 处于周期性的行业和市场集中度较高的行业的企业 ， 政策不确定性上升时 ， 企业的银 行 借款水

3、平的减少程度更加显著 。 关键词 ： 经济政策不确定性 ； 债务融资 ； 银行关联 ； 预期通货膨胀 引 言 中国改革开放三十多年间 ， 逐步完善市场体系建设 ， 更加充分地发挥市场在资源配置中的基础性作用 ， 同 时政府的宏观调控和治理水平也在不断提高 。 从理论上 讲 ， 宏观调控政策有助于保障经济稳定增长 、 解决市 场经济带来的收入分化等问题 ， 对经济的整体发展有积极的推动作用 。 但由于市场中的信息非常繁杂且瞬 息 万变 ， 宏观经济政策的调控往往具有滞后性 ， 做出及时 准确的调整十分困难 。 频繁的经济政策变更 带来了经 济政策不确定性的问题 。 经济政策不确定性 ， 是指影响

4、 企业经营 、 融资 、 投资活动的政府相关经济政策 ， 如税 收政策 、 货币政策 、 产业政策 、 消费政策 等在方向和程度上的不明确所导致的不确定性 。 其主要包含两层含 义 ： 政府未出台政策前 ， 企业不能准确预测未来的政策走 向 ； 政策出台后 ， 其贯彻力度和存续时间令企业的应 对结果具有多重性 。 1 、 商业信用规模收 2 3 。 此时 ， 企业会通过改变经营策略和财务策略降低内 4 、 降低投资 5 、 压缩研发支出 6 、 增加现金持有 7， 等 。 而融资 策略作为企业最基本的财务决策 ， 能够最大限度上避免内外部风险叠加对企业造成的不利影响 。 在中国政 府 频繁运用

5、各种经济政策调控经济运行的大背景下 ， 经济政策不确定性如何影响企业债务融资就是一个十分 值 得研究的问题 。 9 。 债务融资水平高低是企业财 务风险 、 流动性风险的核心变量 ， 显著影响企业加权资本成本 ， 与企业盈利能力和价值均有直接关系 。 在经 济 政策不确定性较高的环境下 ， 企业的债务融资受到内外部因素的影响 。 首先 ， 已有研究表明 ， 宏观经济不确 定 性的增加使得公司对于未来经济趋势 难以形成稳定预期 ， 迫使公司改变投资行为 ， 减少本期资本支出 10 13 。 7 ， 此时企业债务融资的动机减弱 。 其次 ， 经济政 14 ， 出于自我保护的目的 ， 银行会选择收缩

6、信 15 ， 进而导致企业融资成本上升 、 融资约束程 度提高 。 在经济政策不确定性高的情况下 ， 企业如果采用较 为激进的债务融资策略 ， 保持较高杠杆水平 ， 可能使企业 内外部风险叠加 ， 进一步提高融资成本与潜在风险 。 本文认为经济政策不确定性高的环境下债务融资的潜在风险高于潜在收益 ， 因而企业倾向于采用风险对冲 的 收稿日期 ： 2017 08 13 基金项目 ： 国家自然科学青年基金项目 （ 71102110） 。 作者简介 ： 蒋腾 ， 中国人民大学商学院博士研究生 ； 张永冀 （ 通讯作者 ） ， 北京理工 大学管理与经济学院副教授 ， 博士 ； 赵晓丽 ， 北 京理工大

7、学管理与经济学院硕士研究生 。 ， 降低债务融资 。 策略 等 。 中国市场环境下这一问题尤其突出 从企业角度来说 ， 经济政策不确定性是影响企业财务 政策的重要外部因素 难 ， 产品需求不确定性陡然升高 ， 管理层投资意愿会降低 ， 以应对面临的法律风险 、 市场风险等 13 现金 流的不确定性会增大 我国是以 “银行为中心的金融 体制 ”， 银行信贷是企业融资最为普遍和主要的渠道 确 ， 与此同时 ， 银行对企业的信用评价也变得 复杂且困难 ， 这些因素都会增加银行面临的风险 结论表明高的经济政策不确定会导致银行不良 债务上升迫使银行采取紧缩的信贷政策 30 管理评论 第 30 卷 16

8、基于上述逻 辑 ， 本文以我国 2003 年到 2016 年间的 A 股上市企业为样本 ， 借助 Nick Bloom、 Scott Baker、 Steven Davis 和 Xiaoxi Wang 利用文本数据挖掘方法构建的 “中国经济政策不确定性指数 ” 研究经济政策不 确定性对企业债务融资的影响 。 企业的债务来源主要 分为 3 类 ： 银行借款 、 商业信用和企业债券 。 在中国的 制度环境下 ， 商业信用是企业在商品赊购过程中形成的 负债 ， 在信用期内 不需要支付利息 ， 此外 ， 企业债券在 我国上市公司的债务融资中所占比例较小 。 因此本文选择以银行债务为切入点 ， 探究经济

9、政策不确定性如 何 影响企业债务融资 。 本文主要的实证结果是 ： 经济政策不确定性的上升导致企业银行借款水平下降 。 相比 于 低预期通货膨胀时期 ， 经济政策不确定性对企业银行借款水平的负向影响在高预期通货膨胀时更强 。 与建 立 银行关联的企业相比 ， 经济政策不确定性对企业银行借 款水平的负向影响在未建立银行关联中的企业更强 。 同时 ， 对不同行业进行分析可以看到对于面临融资约束程度较高的企业 ， 以及产业政策不支持的行业 ， 处于 周 期性的行业和市场集中度 较高的行业的企业 ， 政策不确定性上升时 ， 企业的银行借款水平的减少程度更加 显著 。 本文可能的研究贡献在于 ： 第一

10、， 已有文献研究了经济政策不确定性对企业投资 、 高管变更 、 现金持有 、 营 运资金管理等方面的影响 。 而本文研究认为 ， 经济政策不确定性高时企业降低了债务融资水平 。 本文考察 了 一个更为基础的财务决策问题 ， 即经济政策不确定性如何影响企业的债务融资 。 本文进一步加深了经济政 策 不确定性方面的研究 ， 丰富了经济政策不确定性与微观 企业行为的研究理论 ， 为宏观经济环境与微观企业行 为之间的传导机制提供了新的经验证据 。 第二 ， 本文丰富 了企业债务融资的宏观决定因素的文献 ， 拓展了经 济政策不确定性对企业债务融资行为的研究 ， 有助于指导企业的债务融资决策 。 理论分析

11、与研究假设 金融危机之后 ， 各国政府出台了多项经济政策 ， 相应产生了很大的经济政策不确定性 ， 引起了国内外学 者 的高度关注 。 经济政策不确定性包含政府选择什么样的经济政策 、 如何实施经济政策和预期政策的不确定 性 17 。 现有研究关注了经济政策不确定性对企 业投资和资产管理的影 响 ， 但目前尚未有文献研究经济政策不确定性对企业融资的影响 。 1、 经济政策不确定性与企业债务融资 经济政策不确定性对企业债务融资的影响可以从如下两个方面来考虑 。 5 ， 经济政策的 波动会增加财 务决策的不确定性 ， 并且由于我国法律监管的不完善 ， 投资者保护等制度的缺陷 ， 经济政策不确定性对

12、微观 企 业所产生的实际冲击效应会被进一步放大 。 经济政策不确定性上升时 ， 管理层对未来商业形势的判断更加 困 10， 。 投资规 模下降后 ， 企业为项目债务融资的需求也有所减少 。 此外 ， 高的经济政策不确定性致使企业经营活动产生的 18 ， 为了避免未按期偿还债务带来的破产风险 ， 企业通常情 况下也会选择降低债务 融资规模 7 。 19 。 2016 年底 ， 银行 贷款占到整个社会融资规模存量中的三分之二 。 从银行 角度来说 ， 经济政策不确定性的增加 ， 特别是与货币 政策 、 信贷政策有关的政策不确定性升高时 ， 直接影响金融市场风险 ， 尤其是银行系统风险 。 当经济政

13、策不 确 定性提高时 ， 不利的经济环境会对企业现金流产生负面影响 ， 同时 ， 企业对新投资项目净现值的估计更加不 准 20 。 现有文献 14 ， 企业融资成本上 升 。 综上可见 ， 高经济政策不确定性环境下 ， 一方面 ， 企业的投资受到抑制 ， 进而主观上的债务融资意愿降 低 ； 另一方面 ， 银行也变得更为谨慎 ， 采取紧缩的信贷政策 ， 作为企业主要资金来源之一的贷款额度降低 、 审批时 间加长或贷款利率上升 ， 客观上也限制了企业杠杆比率的提高 ， 由此本文提出如下基本假设 ： 详见 www policyUncertainty com。 货膨胀降低了企业融资实际利率与银行债务

14、融资正相关 ， 是决定企业资本结构的重要宏观因素 通胀时期 ， 企业会增加存货 、 抑制存货短缺成本上升 ， 降低持有金融性资产 、 转为持 有更多对冲通胀风险的 经营性资产 24 期往 往增加了宏观经济的不确定性 业往 往需要通过人际关系等替代机制来获得融资 在银行关联的企业更容易获得银行 贷款 27 。 低经济政策不确定时期 ， 企业会加大投资 ， 面对贷款需求的增加 ， 商业银行的信贷歧视发挥作用 。 业 29 2 3 预期通货膨胀率 。 参考张永冀和孟庆斌 银行关联 。 本文参照现有文献关于 银行关联的定义方法 （ Byrd 和 MizrUchi 第 3 期 蒋 腾 ， 等 ： 经济政

15、策不确定性与企业债务融资 31 H1： 高的经济政策不确定性对企业银行借款水平有负向影响 。 2、 经济政策不确定性 、 预期通货膨胀与企业债务融资 宏观经济不确定性包括实体经济不确定性 （ 通货膨胀 、 GDP 增速 ） 和经济政策不确定性两部分 。 预期通 21 。 本文认 为预期通货膨胀 ， 这种实体经济的不确定性也会影响经济政策不确定性在企业债务融资中的作用 。 在高预 期 22 23， 。 当内部金融性资产不 能满足生产融资需求时 ， 企业就要外部融资 。 而权益性融资或者债 券融资 ， 准备及审批周期长 ， 不能满足企业当下的融资需求 ， 企业此时更倾向于选择银行债务融资 。 尽管

16、企 业 在高预期通胀时期 ， 有较强的债务融资意愿 ， 可作为债 权人的银行 ， 在高通胀预期时 ， 信贷也趋紧 。 高通胀预 25 ， 此时央行 会提高存贷款利率 ， 实施紧缩性货币政策 ， 导致企业债务融 资成本上升 ， 审批周期变长 ， 融资难度增大 。 如果此时的经济政策的 不确定性也较高 ， 银行将更加 “惜贷 ”， 导 致企业的银行借款水平进一步下降 。 综上 ， 本文提出如下假设 ： H2： 相比于低预期通货膨胀时期 ， 经济政策不确定性对企业银行借 款水平的负向影响在高预期通货膨胀 时更强 。 3、 经济政策不确定性 、 银行关联与企业债务融资 整体而言 ， 企业债务融资会受到

17、经济政策不确定性的 影响 ， 但具体到每 个企业 ， 由于个体特征的差异 ， 其 受到经济政策不确定性影响的程度有所不同 。 转型经济 国家的市场机制不完善 ， 金融抑制现象较为严重 ， 企 26 。 通过持有银行股份来缓解自身 融资约束就成为了很多 企业的现实选择 。 在中国 ， 由于商业银行数量有限以及金 融行业准入门槛较高 ， 企业通过持股银行建立银行 关联比较困难 ， 很多企业便通过聘请有银行背景的人士担任董事来建立银行关联 。 聘请具有银行工作经验 的 人员 （ 特别是曾担任银行高层 ） 任职公司高管可以为企业提供潜 在的担保 。 企业建立的银行关联事实上成为 了资源中介 ， 为企业

18、搭建了金融系统的关系网络 ， 使其能 够在面临较强融资约束时通过金融资源的代理人获 得发展所需资金 ， 从而缓解其面临的融资约束 。 大量文献发现 ， 中国的商业银行存在明显的信贷歧视 ， 导致 存 26， ， 银行借款总额和长期借款余额均显著高于没有银行关联的企 28， 经济政策不确定性对企业债务融资的影响因企业是否建立了银行关联而产生了差异 。 综上 ， 本文提出假设 3。 H3： 与未建立银行关联的企业相比 ， 经济政策不确定性对企业银行 借款水平的负向影 响在建立了银行关 联中的企业更弱 。 研究设计 1、 关键变量设计 经济政策不确定性 。 对于经济政策不确定性的 度量 ， 本文借助

19、美国斯坦福大学的 Nick Bloom、 西北大学 的 Scott Baker， 以及芝加哥大学的 Steven J Davis 三位教授构建的经济政策不确定性指数 。 该数据 从 1995 年 1 月起计算 ， 并逐月更新 。 该数据统计了每个月中符合要求的 南华早报 的报道数目 ， 然后除以该月内所 有 南华早报 报道数目 。 最后把 1995 年 1 月的指 数标准化为 100， 以计算之后 每个月的经济政策不确定性 指数 。 由于初始计算得出 的经济政策不确定性指数为月度数据 ， 而资产结构等为季度数据 ， 参考 GUlen 和 Ion 5 本文首先将月度 EPU 以 1 为基准标准化

20、 ， 并分别赋予一个季度内三个月 1 /6、 /6、 /6 的权重 ， 加权平均 得到季度 EPU。 临近季度末月份赋予更高权重 ， 以此体现其对季度财报数据的影响更大 。 24 数回归拟合值估算季度环比预期通货膨胀率 。 中估计预 期通货膨胀率的方法 ， 本文采用了未来物价预期指 26 ； 祝继高等 28 ） ， 将企业的 董事曾经或者现在在银行任职定义为企业 存在银行关联 。 如果企业存在银行关联 ， 则 BANK 取值为 1， 否则 债务融资 。 本文参考祝继高等 KZ 融资约束 1. 2* 营运资金 /总资产 +1. 4* 留存收益 /总资产 + 3. 3* 息税前利润 /总 t t

21、t t t t t t t 32 管理评论 第 30 卷 为 0。 28 的做法 ， 采用银行借款总额 （ TLOAN） 、 短期借款余额 （ SLOAN） 和长期 借款余额 （ LLOAN） 这三种方式来度 量经济政策不确定性对企业债务融资的影响 。 TLOAN 代表企业借款的 总能力 ， 采用 SLOAN 和 LLOAN 来分析经济政策不确定性对企业短期借款和长期借款的影响 。 2、 模型与变量 为了验证假设 1， 结合中国实际的经济环境和制度背景 ， 本文建立如下回归模型 ： DEBTi， = 0 + 1 EPUt 1 + jcontrols + i， （ 1） 其中 ， DEBTi，

22、为企业当期的债务水平 。 BEBT 分别表示 TLOAN， SLOAN 和 LLOAN。 EPUt 1为滞后一期的经济政策不确定性 ， 根据上文所述的方法获得 。 模型 （ 1） 选取的控制变量 （ Controls） 如下 ： TD Mt 1为滞 后一期的行业资产负债率中位数 。 FAt 1 为滞后一 期的金融资产占比 ， 金融资产占全部资产的比重 ， 度量 企业的资产结构 。 企业持有的金融资产主要包括货币 资金 、 交易性金融资产 、 衍生金融资产 、 可供出售金融资产 、 持有至到期投资 、 长期债券投资 、 应收股利 、 应收 利 息 、 长期股权投资等 。 企业持有的经营资产是指除

23、了金 融资产以外的其他资产 ， 主要包括存货 、 固定资产 （ 含 投资性房地产 、 在建工程 ） 、 无形资产 、 应收票据 、 应收账 款等 。 在金融资产的概念界定上 ， 本文并未按照现行 会计准则中的定义方式而是基于企 业资产配置现实需求和业务活动特点进行的再划分 。 OAt 1 为滞后一期 的资产回报率 ， 衡量企业的盈利能力 。 SIZEt 1为滞后一 期企业规模 ， 用季度末总资产的自然对数表示 。 PBt 1 为滞后一期的市净率 ， 衡量企业的成长性 。 模型还控制了行业 （ IND） 和季度 （ Q T） 因素 。 为了检验预期通货膨胀对经济政 策不确定性与企业债务融资之间关

24、系的影响 。 本文在模型 （ 1） 中加入 表示预期通货膨胀率与经济政策不确定性的交互项 ， 实证模型如下 ： DEBTi， = 0 + 1 EPUt 1 + 2 EIt 1 + 3 EPUt 1* EIt 1 + jcontrols + i， （ 2） 其中 EIt 1表示滞后一期的预期通货膨胀率 。 模型 （ 2） 中其他变量的选取与模型 （ 1） 一致 。 为了检验银行关联对经济政策不 确定性与企业债务融资之间关系的影响 。 本文在模型 （ 1） 中加入了表 示银行关联和经济政策不确定性的交互项 ， 实证模型如下 ： DEBTi， = 0 + 1 EPUt 1 + 2 BANKi， 1

25、+ 3 EPUt 1* BANKi， 1 + jcontrols + i， （ 3） 其中 BANKt 1表示银行关联 。 如果公司董事曾经或者现在在银行工作 ， 则取值为 1， 否则 0。 主要变量的定义和计算方法如表 1 所示 ： 表 1 变量一览表 符号 变量名称 变量定义 EPU 经济政策不确定性 （ EPUt 2 +2 EPUt 1 +3 EPUt） /6 TLOAN 银行借款总额 （ 期末短期借款 +期末长期借款 ） /期末总资产 SLOAN 短期借款余额 期末短期借款 /期末总资产 LLOAN 长期借款余额 期末长期借款 /期末总资产 EI 季度环比预期通货膨胀率 未来物价预期指

26、数回归拟合值 BANK 银行关联 如果公司董事曾经或者现在在银行工作 ， 则取值为 1， 否则 0 TD M 行业资本结构中位数 行业资产负债率中位数 FA 金融资产占比 企业持有的金融资产 / 企业总资产 OA 资产回报率 净利润 +（ 利息支出 利息收入 ） （ 1-T） /总资产 SIZE 公司规模 企业总资产的自然对数 PB 市净率 每股股价 /每股净资产 HHI 行业竞争度 某特定市场上所有企业的市场份额的平方和 CYC 周期性 周期性行业为 1， 非周期性行业为 0 ES 产业政策 不属于产业政策支持的行业取值为 1， 否则为 0 资产 +0. 6* 股票总市值 /负债账面价值 +

27、0. 999* 销售收入 /总资产 ） TIME 上市时间 上市年限 * 95 第 3 期 蒋 腾 ， 等 ： 经济政策不确定性与企业债务融资 33 实证结果 1、 描述性统计 本文选取的样本时间范围是从 2003 年第一季度到 2016 年第四季度 。 公司的样本类型为 A 股非金融类 上市公司 ， 且只选取其中连续披露季度财务报表 、 总资产和营业收入均大于零的公司 。 如前所述 ， 为了与上 市 公司季度数据相匹配 ， 本文通过加权平均的方式将经济 政策不确定变量转化为季度数据 ， 为了保持数量级的 一致 ， 本文将所得到的季度 EPU 指数除以 100。 根据研究惯例及研究需要 ， 尽

28、量消除异常样本 ， 本文对数据样 本进行如下处理 ： （ 1） 剔除证监会行业分类标准中金融类上市公司 ； （ 2） 剔除 ST、 ST 和 PT 的公司样本 ； （ 3） 剔除主要变量缺失和异常的公司样本 。 为了避免公司特征变量中极端值的影响以及考虑到 面板数据量充足 ， 本文采用缩尾处理 ， 对公司层面解 释变量中连续变量小于 1%分位数 （ 大于 99% 分位数 ） 的变量 ， 令其值分别等于 1% 分位数 （ 99% 分位数 ） 。 本文的财务报表和宏观经济等数据来源于国 泰安经济金融研究数据库 ， CCE 数据库以及 Wind 数据库 。 本 文最终获得 2 875个公司样本 ，

29、963个公司 季度观测值 ， 见表 2。 表 2 研究样本 样本观测 （ 公司 ） 样本观测 （ 公司 /季度 ） 2003 2016 年 A 股上市公司 3 291 115 197 减 ： 金融业上市公司 66 2 600 减 ： ST 或者 PT 的公司 310 14 606 减 ： 主要变量缺失和异常公司 40 2 028 最终样本 2 875 95 963 变量描述性统计结果见表 3。 从表 3 可以看到 ， 企业季度持有金融资产占比 （ FA） 的平均值为 23. 78%。 资产回报率 （ OA） 的平均 值为 2. 17%， 中位数为 1. 57%。 上市时间最长为 26 年 。

30、BANK 的均值为 0. 4387， 说明本文选取的样本中 ， 有 43. 87%的企业 建立了银行关联 。 经济政策不确定性指数 （ EPU） 均值为 1. 6119， 标准差是 1. 0407， 最高达到 5. 2566。 说明这段时期政策调整频繁 ， 不确定性较高 ， 本文的研究是有必要的 。 其他变量的统计特征详见表 3， 此处不再赘述 。 表 3 描述性统计 变量 平均 标准差 中位数 最小值 最大值 观测数 EPU 1. 6119 1. 0407 1. 2174 0. 5401 5. 2566 56 TLOAN 0. 1825 0. 1569 0. 1605 0. 0000 0.

31、6523 95 963 SLOAN 0. 1276 0. 1253 0. 0981 0. 0000 0. 5535 95 963 LLOAN 0. 0538 0. 0874 0. 0073 0. 0000 0. 4166 95 963 EI 0. 0073 0. 0104 0. 0080 0. 0209 0. 0310 56 BANK 0. 4387 0. 4962 0. 0000 0. 0000 1. 0000 95 963 TD M 0. 4578 0. 1011 0. 4388 0. 1957 0. 6899 95 963 FA 0. 2378 0. 1610 0. 1960 0. 01

32、59 0. 7624 95 963 OA 0. 0217 0. 0369 0. 0157 0. 1231 0. 1505 95 963 SIZE 21. 7187 1. 2522 21. 5728 19. 0320 25. 5755 95 963 PB 4. 2641 4. 1002 3. 1338 1. 9613 27. 9939 95 963 HHI 0. 0695 0. 0730 0. 0451 0. 0282 0. 4539 95 963 CYC 0. 5153 0. 4998 1. 000 0. 0000 1. 0000 95 963 ES 0. 4989 0. 5000 0. 00

33、00 0. 0000 1. 0000 95 963 KZ 6. 4848 10. 3118 3. 0370 1. 6230 66. 1512 95 963 TIME 8. 8844 5. 9541 8. 0000 0. 0000 26. 0000 95 963 2、 回归分析 为验证假设 1， 进行模型 （ 1） 的回归 ， 结果见表 4。 其中第 （ 2） 列为未加入控制变量的结果 ， 第 （ 3） 列为模 型 （ 1） 的回归结果 。 从表 4 的第 （ 3） 列可以看到 ， EPU 的系数是 0. 103， 且在 1%的水平上显著 ， 说明经济政 t t t t t t 、 EI t 3

34、4 管理评论 第 30 卷 策不确定性升高时企业银行借款总 额会下降 。 把银行借款总额拆成长期借款余额和短期借款余额 ， 从表第 （ 5） 列和第 （ 7） 列可以看出 ， EPU 的系数 分别为 0. 043， 0. 099， 且均在 1% 的水平上显著 。 这说明经济政策 不确定性升高时 ， 短期借款余额和长期借款余额也均会减少 。 在控制变量方面 ， 行业资本结构中 位数 TD M 的系数均在 1%的水平上显著 ， 说明企业的银行借款水平 对行业资产负债率中位数是敏感的 。 FA 的系数均显著为 负 ， 说明企业金融资产持有水平会对企业的银 行借 款水平有负向影响 。 OA 的系数均显

35、著为负 ， 说明资产回报率高的 情况下 ， 企业银行借款水平更低 。 因变量 是银行借款总额时 ， SIZE 的系数显著为正 ， 说明大企业的银行借款总额更高 。 总之 ， 表 4 的回归结果验证了本文的假设 H1， 表明在控 制了金融资产占比和资产回报率等其他变量后 ， 经济政策不确定性对企业银行借款水平有负向影响 。 表 4 经济政策不确定性与企业债务融资 变量 Dep = DEBTi， TL（ 1） TL（ 2） LL（ 1） LL（ 2） SL（ 1） SL（ 2） EPUt 1 0 147 0. 103 0. 056 0. 043 0. 143 0. 099 （ 45. 937） （

36、 35. 667） （ 17. 524） （ 14. 389） （ 44. 649） （ 32. 002） TD Mi， 1 0. 161 0. 211 0. 049 （ 55. 413） （ 70. 285） （ 15. 971） FAi， 1 0. 275 0. 160 0. 230 （ 95. 341） （ 53. 410） （ 74. 857） OAi， 1 0. 253 0. 085 0. 251 （ 88. 081） （ 28. 485） （ 81. 862） SIZEi， 1 0. 150 0. 315 0. 033 （ 50. 954） （ 103. 069） （ 10. 57

37、0） PBi， 1 0. 010 0. 019 0. 026 （ 3. 565） （ 6. 246） （ 8. 340） 常数项 0 218 0. 227 0. 061 0. 479 0. 155 0. 256 （ 236. 129） （ 27. 502） （ 118. 193） （ 100. 396） （ 210. 365） （ 36. 285） 行业 /季节固定效应 No Yes No Yes No Yes N 95 963 95 963 95 963 95 963 95 963 95 963 Adj 2 0. 022 0. 274 0. 003 0. 219 0. 020 0. 172

38、注 ： * 、 、 分别代表在 10% 5%和 1%的水平上显著 ， 标准差按公司聚类调整 ， 以下各表相同 。 为了验证预期通货膨胀在 经济政策不确定性对企业债务融资的影响中的作用 。 对于假设 2， 进行模型 （ 2） 的回归 ， 检验预期通货膨胀在经济政策不确定性对企业债务融资影响中的作用 ， 回归结果 见表 5。 鉴于控 制变量与表 4 中的表现相似 ， 因此 ， 我们重点讨论主要自变量的表现 。 从表 5 的第 （ 2） 列和第 （ 4） 列可以看 到 ， EPU、 与 EPU 的交互项 （ EPUt 1* EIt 1） 的系数均显著为负 ， 说明高预期通 货膨胀时 ， 银行借款总额

39、和短 期借款余额对政策不确定的敏感程度更大 ， 这一结果使假设 2 得到了证明 。 表 5 预期通货膨胀 、 经济政策不确定性与企业债务融资 变量 Dep = DEBTi， TL LL SL EPUt 1 0. 079 0. 041 0. 071 （ 21. 712） （ 10. 926） （ 18. 190） EIt 1 0. 080 0. 009 0. 090 （ 12. 827） （ 1. 451） （ 13. 636） EPUt 1* EIt 1 0. 050 0. 001 0. 061 常数项 （ 8. 067） 0. 235 （ 28. 442） （ 0. 041） 0. 480

40、（ 100. 117） （ 9. 226） 0. 248 （ 35. 101） 控制变量 Yes Yes Yes 行业 /季度固定效应 Yes Yes Yes N 95 963 95 963 95 963 Adj 2 0. 276 0. 219 0. 174 为了验证银行关联在经济 政策不确定性对企业银行借款水平的影响中的作用 。 对于假设 3， 进行模型 t t Xi / X ， Xi 为第 i 家上市公司的营业收入 ， X = Xi。 当市场处于完全垄断时 ， HHI = 1； HHI 越大代表企业 n （ 等 t t t 第 3 期 蒋 腾 ， 等 ： 经济政策不确定性与企业债务融资 3

41、5 （ 3） 的回归 ， 检验银行关联在经济政策不确定性对企业债务融资影响中的作用 ， 回归结果见表 6。 从表 6 的第 （ 2） 列可以看到 ， 银行关联与政策不确定性的交互项 （ EPUt 1 * BANKit 1 ） 的系数显著为正 ， 说明企业建立银行 关联后 ， 经济政策不确定性对银行借款总额的负向影响会减弱 。 进一步将 TLOAN 分解为 LLOAN 和 SLOAN， 从第 （ 3） 列和第 （ 4） 列可以看出 ，（ EPUt 1* BANKit 1） 的系数也均显著为正 ， 这进一步 说明 ， 企业建立银行关联 后 ， 经济政策不确定性对企业的短期借款余额和长期借款余额的负

42、向影响会减弱 。 这一结果使假设 3 得到了 证明 。 表 6 银行关联 、 经济政策不确定性与企业债务融资 变量 Dep = DEBTi， TL LL SL EPUt 1 0. 103 0. 043 0. 099 （ 35. 688） （ 14. 397） （ 32. 010） BANKi， 1 0. 033 0. 039 0. 012 （ 8. 422） （ 9. 586） （ 2. 735） EPUt 1* BANKit 1 0. 025 0. 021 0. 013 常数项 （ 5. 070） 0. 228 （ 27. 614） （ 4. 112） 0. 479 （ 100. 332）

43、（ 2. 590） 0. 255 （ 36. 110） 控制变量 Yes Yes Yes 行业 /季度固定效应 Yes Yes Yes N 95 963 95 963 95 963 Adj 2 0. 275 0. 220 0. 172 3、 进一步研究 为了证明上文实证结果的稳健性 ， 本文还从以下角度进行了回归分析 ： （ 1） 检验行业特征差异在经济政 策不确定性对企业债务融资影响中的作用 。 本文选取的行业特征变量 一共有三个 ， 行业竞争度 ， 行业周期性和产业政策 。 本文 采 用 赫 芬 达 尔 赫 希 曼 指 数 衡 量 行 业 竞 争 度 。 赫 芬 达 尔 赫 希 曼 指 数

44、 的 计 算 公 式 为 ： HHI = 2 所在行业的市场集中度越大 ， 垄断程度也就越高 。 当市场上有许多企业 ， 且规模都相同时 ， HHI = 1 / n， 趋向 无穷大 ， HHI 就趋向 0。 其中的行业分类参照证监会行业分类标准 。 行业周期性的划分也参考证监会行业划分标准 ， 将交 通运输仓储业 、 金属非金属 、 采掘业 、 房地产这些行 业划为周期性 行业 ， 取值为 1； 其余行业 ， 包括农林牧渔 、 公用事业 、 信息技术业 、 建筑业 、 社会服务业 、 批发和 零售贸易业 、 传播与文化产业 、 综合类 ， 以及除金属非金属之外的其他制造业均为非周期性行业 ，

45、取值为 0。 产业政策 。 本文的 研究样本期间从 2003 年到 2016 年 ， 将 “十一五 ” 2006 年至 2010 年 ） 和 “十二五 ” （ 2011 年至 2015 年 ） 这两个期间包含在内 。 我们根据 中共中央关于制定国民经济和社会发展第十 一个五年 规划的建议 和 中共中央关于制定国民经济和社会发展第十二个五年规划的建议 的规定 ， 参考陈冬华 30 的划分方法 ， 将上市公司所属行业分为国家重 点支持和明确鼓励发展的行业和非国家重点支持和明确 鼓励发展的行业 。 如果企业不属于国家重点支持和明 确鼓励发展的行业 ， 则 ES 取值为 1； 如果企业属于产 业政策支持行业 ， 则 ES 取值为 0。 为了检验行业特征差异在经济