金融摩擦、资本误配与全要素生产率.docx

《金融摩擦、资本误配与全要素生产率.docx》由会员分享，可在线阅读，更多相关《金融摩擦、资本误配与全要素生产率.docx（14页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、， ， ， 2018 年 3 月 第 2 期（ 总第 307 期） China EConomiC Studies MarCh 2018 No 2 金 融 摩 擦 、 资 本 误 配 与 全 要 素 生 产 率 高伟生 内容提要： 金融摩擦会导致企业间的资本误配 ，进而降低全要素生产率 。 本文基于 Midrigan Xu （ 2014） 的分析框架，结合我国 1998 2007 年制造业企业微观数据，对由金融摩擦引起的生产效 率损失 分行业进行了估算 。 结果 显 示，资 本误配造成了我国制造业 18% 33% 左右的生产效率损 失，且 在 2003 年后，随着外部融资环境的恶化，效率损失大

2、幅增加 。 进一步研究发 现，金 融摩擦通过扭曲企业 的进入和退出机制，进而加剧资本误配，抑制行业生产效率的改进 。 关键词： 金融摩擦； 资本误配； 全要素生产率 DOI： 10 19365 / j issn1000 4181 2018 02 06 一 、 引言 不同国家间人均收入的差距大部分可以由国家间全要素生产率 （ TFP） 的差异解释（ Klenow o- driguez Clare 1997； Hall Jones 1999； Caselli 2005） ，而 如何解释国家间全要素生产率的差异日益成 为众多经济学家的关注热点 。 estuCCia ogerson（ 2008） 、

3、Hsieh Klenow（ 2009） 等认为资源 错配能 够解释大部分国家间全要素生产率的差异 。 造成资源错配的因 素有很 多，比 如金融摩擦 、 行业进入 管 制和劳动力的技术误配等，但在分析中国全要素生产率和经济增长问题时 ，对 金融摩擦的研究显得尤 为重要： 一方面，中国经济在金融抑制状态下经历 了 30 年的高速增 长； 另一方 面， 2008 年之后经济增 速持续走低，经济发展 进入新常 态，为 了保持经济稳定增 长，中 央政府实施了一系列的金融改革措 施 。 那么，在我国经济的长期增长过程中，落后的 金融体系是否抑制了生产效率的提 高，进 行金融改 革是否能推动新一轮的经济增长

4、 ？ 本文试图从微观企业的视角讨论这一问题 。 国内外关于资源错配与生产效率的研究文 献较为丰富 。 Hsieh Klenow（ 2009） 首次系统地分析 了资源配置扭曲对社会 TFP 的影响，他们利用一个垄断竞争模型并结合微观企业数据推测 ，如 果中国 和印度的制造业企业能像美国的企业那样将资 源配置给高生产率的企业 ，那 么两国 TFP 分别可提高 30% 50%和 40% 60%； Brandt et al （ 2011） 利用制造业企业数据对中国 TFP 增长率进行了分解，他们 认为如果企业的进入和退出是自由的 ，并且资源可以从低效率的 国有企业向高效率的民营企业流动 ， 那么这种资

5、源重置能进一步提高中国的 TFP； 聂辉华等（ 2011） 使用制造业企 业数 据，通 过分析企业生 产效率的离散程度并对其进行分解 ，发现国有企业是资源误配的 主要因素 ，行 业内部的资源配置效应 近似于 0，进入和退出 效应没有发挥作 用； 陈永伟等 （ 2011） 将资源错配和效率损失与传统的 Syrquin 分析相结合，利用制造业企业数据 进行分 析，发 现要素价格扭曲导致的资源在行业间的错 配，造 成了 制造业的实际产出比潜在产出低 15% 20%，并且该 扭曲并没有得到显著纠 正； 龚关和胡关亮 （ 2013） 收稿日期： 2017 04 20 作者简介： 高伟生，上海财经大学公共

6、经济与管理学院 ，博士研究生 。 比如，设立上海 、 广东 、 天津和福建自贸区以及进行利率市场化改革等 。 58 在 Hsieh Klenow（ 2009） 的基础上，提出 以投入要素的边际产出的离散程度作为衡量资源配置效率 的指标，他们发现，如果资本和劳动均为有 效配 置，那 么在 1998 年我国的制造业 TFP 将提高 57. 1%， 而在 2007 年它将提高 30. 1%。 和已有的相关文献一样，本文依然关注资源 误配对制造业 TFP 的影响 。 然 而，不 同的 是，本 文更 关注资本误配对 TFP 的影响 。 Jeong Townsend（ 2007） 和 Buera et a

7、l （ 2011） 较早地研究了金融摩擦 对效率损失的影响，他们认为金融摩擦是国家 之间的人均产出差异 、 社会 TFP 差异 、 行业产出水平差 异以及资本产出差异的主要原因 。 Midrigan Xu（ 2014） 通过建立一个两部门模型计算整体 TFP 损 失，他们认为，金融摩擦一方面会扭 曲传统部门中的企业进入现代部门的决 策，另 一方面会扭曲现代 部门中企业之间的资 本配 置； 前者造成了绝大部分的效率损 失，而 后者造成的效率损失相对温和 。 Midrigan Xu（ 2014） 计算了我国制造业的效率损失，他们认为由金融摩擦造成的效率损失只有 3%左 右 。 对于现代部门而言，金

8、融摩擦使行业内不同企业之间的资本回报产生差异 ，扭 曲留存企业间的资 本配置 ，也扭曲该部门中企业的新进入或退出特定行业的决策 ，在计算我国制造业生 产效率损失时 ， Midrigan Xu（ 2014） 虽然考虑了退出企业的效率损 失，但 是并没有详细区分和讨论金融摩擦对新进 入企业和退出企业造成的效率损失 。 本文在 Midrigan Xu（ 2014） 的基础上进行了扩展，重点 研究金融摩擦对新进入企业和退出企业 造成的效率损失，主要结论为： 第一，在不考虑新进入和退出企业 时，由 金融摩擦造成的企业间的资本 误配，在 1998 年 使 我 国 制 造 业 TFP 损 失 达 到 19.

9、 78%，在 2007 年 使 我 国 制 造 业 TFP 损 失 达 到 27. 34%； 在考 虑各时期新进入和退出的企业 后，我 国的制造业 TFP 损失在 1998 年为 17. 93%，而 在 2007 年达到 32. 42%； 第二，无论是否考虑新进入或退出的企业，我国制造业的 TFP 损失在 2003 年后 都有大幅提高，资本配置效率没有 得到显著改 善； 第 三，在 2002 年 前，企 业的进入和退出行为不会加 剧制造业行业效率损失； 但随着 2003 年后外部融资环境的恶 化，行 业效率损失将随着新进入和退出 企业占比的提高而显著增加 。 如果消除金融摩擦 和纠正资本配置扭

10、 曲，那 么我国制造业 TFP 可以提 高 18% 33%。 与已有的研究相比，本文的边际贡献主要体现在以下两个方面 ： 一是本文更详细地分析了新进入 和退出企业与行业生产效率损失之间的关系 ，本文实证结果显示： 我国金融摩擦能通过扭曲企业的进 入和退出机制进而造成行业效率 损失 ，在 外部融资环境持续恶化的背景 下，该 效率损失将更 大； 二是 丰富了资源配置与全要素生产率的研究文献 ，本文从金融摩擦的 角 度，计 算了资本误配导致的效率损 失，在效率损失 的计算和生产效率损失的趋势上 和 现 有 文 献 形 成 有 益 的 补 充 ，与 Hsieh Klenow （ 2009） 和龚关等（

11、 2013） 不同的 是，本 文计算得到的资本配置效率在 1998 2007 年间并没有得到改 善，制造业生产效率损失在 2003 年后有着大幅增加 。 本文在第二部分引入理论模型，第三部分对实证数据进行介 绍，第 四部分计算由金融摩擦造成的 生产效率损失，第五部分是 对企业的进入和退出与行业效率损失相关关系的讨论 ，最 后一部分是结 论 。 二 、 理论模型 借鉴 Midrigan Xu（ 2014） 的两部门模 型，本 文模型主要研究金融摩擦对现代部门的效率影响 。 根据我国制造业行业的具体情况，本文模型假设企业的生产特点是规模报酬递减 ，且 企业在生产过程 中的资本投入受到金融摩擦（ 具

12、体表现为企业受到 融资约束 ） 的限 制，而 这种限制造成了资本在不同 企业之间的扭曲配置，进而造成了 整体行业的效率损失 。 本文模型主要描述由金融摩擦导致的资本 在本文中， “留存 ”企业指的是一直存在的 、 没有退出行业的企业 。 59（ a， e） = Max （ lk ） Wl （ r + ） k （ 4） l（ a， e） =W （ 6） k（ a， e） = r + + （ a， e） （ 7） it 1 # t L $ 1 l e e i K i Ki = eXp（ zi） （ r + +i） eXp（ zi） （ r + + i） Li = eXp（ zi） （ r + +i

13、） （ 1 ） eXp（ zi） （ r + + i） （ 1 ） 误配对制造业生产效率的影响 。 （ 一） 金融摩擦与行业全要素生产率 首先，假设在一个社会中，标准的一篮子产品由一个代表性的行业生产 ，该行业内部有 M 家厂商， 所有厂商在完全竞争的市场上生产 。 假设行业内厂商 i 的生产函数为， Yit = eXp（ zit） 1 （ LKit ） （ 1） 其中， eXp（ zit） 代表厂商 i 的全要素生产率， 1 代表规模报酬 递 减， 代表时 间， it和 Kit 分别代表 厂商的劳动投入和资本投入， 代表了厂商的劳动产出弹性 。 厂商可以在完全竞争的市场中雇佣资本和劳动力 ，

14、假设市场的利率为 r，单位劳 动报酬为 W，单 位 产品的价格标准化为 1，并用 %代表资本的折旧率 。 那么厂商 i 的利润最大化问题可以表示为， Max &Yit WLit (r )%*Kit + （ 2） 在生产时，厂商能使用的资本规 模受到融资约束的限制 。 假设厂商可以依靠自身积累的财富或 者在金融市场中向其他厂商进行 借贷以承担或者增加资本投入 。 然 而，厂 商能使用的资本规模受自 身财富规模和金融市场的发展程度所限 ，用 Ait代表厂 商 i 在时期 t 时的财富规 模，那 么 其受到的融资 约束为， Kit Ait （ 3） 其中， , ， ） 衡量市场中的金融摩擦程 度，如

15、 果 = 1，则 代表市场的金融摩擦程度非常 高，此 时基本上不存在金融市场，厂商无法对 外进行融 资； 如果 = ，则 说明金融市场发展非常完 善，不 存 在金融摩擦，此时厂商不受融资约束限制，可以根据自身情况自由融资 。 用 eXp（ zi） 对式 （ 2） 和式 （ 3） 进行标准化，那么对每个厂商来说， a = A / exp（ z） ，且式（ 2） 和式（ 3） 可写成， 1 k， k a （ 5） 用 -（ a， e） 表示融资约束式（ 5） 的拉格朗日乘 子，那 么厂商在追求利润最大化时的劳动力投入和 资本投入选择分别满足 ， y（ a， ） （ 1 ） y（ a， ） 从资本投

16、 入 选 择 来 看，当 金 融 市 场 存 在 金 融 摩 擦 时，部 分 厂 商 的 借 贷 约 束 （ 式 （ 5 ） ） 是 “紧 （ binding） ”的，这些厂商受到比较强的融资约束 ，并有 -（ a， e） 0，此 时不同厂商间的资本回报率存 在差异，资本在厂商间的配置存在扭曲； 如果金融市场发展非常 完 善，那 么市场中将不存在金融摩 擦， 所有厂商在借贷资金时都不受借贷约束的影响 ，借贷约束是 “松 ”的，并 有 -（ a， e） = 0，此 时所有厂商 的资本回报率都等于 r )%，资本在厂商间被有效配置 。 为了说明融资约束与行业全要素生产率之间的 关系，需要对代表性行

17、业中的所有厂商的生产活 动进行加总 。 用 L 和 K 分别表示行业内所有厂商的 劳动力投入和资本投入总额 （ 即： L = , M Lidi， = , M Kidi ） ，根据式（ 6） 和式 （ 7） ，厂 商 i 的劳动力投 入和资本投入与行业内总投入之间的关系分别为 ， i M 1 1 1 1 di K （ 8） i M 1 1 di L （ 9） 60 i it 1 eXp（ zi） （ r + + i） di eXp（ zi） （ r + + i） di i i L i i i i i L = KiK = Yi Li = L L K = Y L i Y eXp（ zi） （ r +

18、 + i） di eXp（ zi） （ r + + i） di i i i Ki = yieXp（zi）= r+i代 表性行业内生产的产品总量 Y = , M Yidi ，而厂商的生产函数为 Yit = eXp （ zit） 1 （ LKit ） ，所 以有， Y= M M （ 1 ） 1 1 1 1 （ 1 ） * （ LK1 ） （ 10） 上述产品总量 Y 的表达式等号右边的第一部分是代表性 行业的生产效率水平 TFPd，即 存在金融 摩擦下的行业全要素生产率 。 此时行业的 TFPd 由金融市场摩擦程度 （ 直接影响 -i的取值 ） 、 行业内 厂商的数量和厂商自身生产效率等内生决定

19、。 （ 二） 金融摩擦与行业生产效率损失 为了衡量由金融摩擦造成的效率损失 ，需要 计算社会最优的行业 TFP 水平 。 假设存在一个社会 计划者，他的目标是最大化社会总产出，那么此时的社会最优化问题可以表述为 ， Max Ki， i M eXp （ zi） 1 （ LK1 ） di （ 11） st： L= M Lidi （ 12） K= M Kidi （ 13） 在最大化社会总产出的过程中，社会计划者并不受市场中的金融摩擦因素影响 ，而 只受劳动力和 资本的资源禀赋约束 。 因此，上述社会最优化问题的一阶条件可以表示为 ， Li Y （ 14） 对于厂商 i，其劳动力投入和资本投入分别为

20、， Y K 1 1 （ 1） 1 eXp（ zi） （ 15） i K 1 1 K 1 eXp（ zi） （ 16） 从厂商的资本投入的表达式不难看出 ，在社会最优化的背景 下，个 体厂商的资本投入不再受融资 约束的影响 。 对所有厂商的劳动投入和资本投入进行加总 ，可得社会的最优总产出水平 Ybest， Ybest = M eXp（ zi） di 1 * （ LK1 ） （ 17） 其中， best表达式等号右边的第一部分代表社会最优 的全要素生产率水平 TFPbest。 结合之前存在 金融摩擦的环境中的全要素生产率 TFPd，那么由金融摩擦造 成的生产效率损失为 TFPloss = log

21、TFPbest logTFPd ，即 TFPloss = log M eXp（ zi） di 1 log M M （ 1 ） 1 1 1 1 （ 1 ） （ 18） 结合式（ 7） ， Yi （ 1 ） （ 19） 所以， 61 （ 1 ） i i i TFPloss = log M eXp（ zi） di 1 log M M eXp（ zi） Yi Ki eXp（ zi） Yi Ki 1 di 1 1 di 1 （ 1 ） （ 20） 从行业效率损失的表达式不难看 出 ，生 产效率损失 TFPloss 可以由厂商间的资本的平 均产出的离 散度来度量 。 在代表性行业中，厂商 因自身财富的不同

22、而面临着不同程度的融资约束 。 在社会最优 情况下，所有厂商的资本的平均产出与资本的使用价格 r )%应该成同一比例； 而当存在金融摩擦时，受 融资约束限制程度高的厂商的资本 的平均产出要高于其他厂商 ，这 使得资本在不同厂商间的配置产 生扭曲，进而造成了整体行业的生 产效率损失 。 理论模型的结论说明金融摩擦能造成整体行业的生 产效率损失，当然，本文需进行实证分析来对此结论进行验证 。 三 、 实证数据说明 本文使用的实证数据来源于 1998 2007 年中国工业企业数据库 。 该数 据库包括了全部国有工业 企业和年主营业务收入超过 500 万元的非国有企业 。 剔除了非制造业行业 后，按

23、照统计局公布的产 业分类标准，本文用两位 数行业代码对所有制造业行业进行了分类 。 利用企业地址 、 电话 、 法人姓 名 、 邮编和企业代码等信息对所有 企业进行了识 别，并 删除了数据中的部分异常观测值 。 最 后，样 本 数 据中留下 1847836 个观测值，涉及到 29 个行业和 478893 家企业 。 本文实证分析涉及到的数据主要 包括： 工业总产值 、 工业增加 值 、 固定资产年均余额 、 本年应付工资总额 、 本年应 付福利总额 、 中间投 入 、 负债总额 、 开工时间和控股等 。 由于数据时间跨度较大，对数 据中的部分变量进行了平减调整 ： 以 1998 年为基期，其中

24、，使用工业品出厂价格指数对工业增加值进行平减 （ Brandt et al ， 2011） ； 使用 CPI 对应付工资和应付福利总额进行平减 ； 使用原材料 、 燃料 、 动力价格指数对中间投入进行平减 。 数据经过平减后，以企业工业增加值作为产出，以企业本年应 付工资和应付福利的和作为劳动投 入，以企业固定资产年均余额作为资本投入 ，以中间投入作为代理 变 量，采 用 Levinsohn Petrin（ LP） 估 计方法估计各企业的劳动产出弹性 ，并 以行业内所有企业的劳动产出弹性的均值作为该行业的劳动 产出弹性 。 然而，在计算劳动报酬时，受到数据可得性的限制，本 文无法获得其他非工资

25、性补贴数 据， 仅加总应付工资和应付福利 显然低估了企业的劳动投入 。 对 此，参 照 Hsieh Klenow（ 2009） 中的方 法，本文对所有行业的劳动产出弹性以固定比例进行了调整 。 四 、 金融摩擦与制造业 TFP 损失 为了计算资本配置扭曲造成的制造业行业 TFP 损 失，除 了需要估计各行业的劳动产出弹性 $，还 需要设定代表规 模报酬递减的参数 #的值 。 按照 Basu Fernald（ 1997） 、 Atkeson Kehoe（ 2007） 和 Midrigan Xu（ 2014） 的设定，本文设定 #= 0. 85。 从行 业效率损失 TFPloss 的表达式 看，本

26、 文假定了代 表性行业内的企业数量 M 是外生给定的 。 但在现实 中，行 业内存在部分企业进入或退出该行业的行 为，而进入或退出的企业与行业中一直存在的企业之间可能存在着资本配置扭曲 。 因 此，本 文在这部 分先不考虑各时期内新进入或退出的企业 ，仅计算各行业中一直 存在的企业之间的资本配置扭曲 ，以 得出金融摩擦对各行业造成的效率损失 。 作为基准，本文以所有行业效率损失 的加权平均值 （ 权数为 各行业的工业增加值份额 ） 来衡量制造业总效率损失 。 行业代码标准在 2003 年后发生了变化，对此，我们参照了 Brandt et al （ 2011） 的方法对 2003 年前后的 2

27、位数 行业代码进行了调整 。 62 、 、 本文所使用的 数 据 中，一 直 存 在 （ 时 间 跨 度 为 10 年 ） 的 企 业 的 数 量 为 32298，观 测 值 数 量 为 322980。 本文估计出 1998 2007 年间所有行业的效 率损失 值，并 用 TFPloss1 代表所有行业的效率损失 的加权平均值，即制造业总效率损失 。 由于资本 误 配，所 有制造业行业在每年都存在一定程度的效 率损失 。 从时间跨度来看，在 1998 2002 年间，所有行业的效率损失比较稳定； 在 2003 年，基 本上所 有行业的效率损失都有大幅度 增 加，以 行业代码为 20 的行业为

28、例，其 效率损失在 2002 年为 19. 0%， 而在 2003 年已达到 42. 8%，效率损失的增长超过 1 倍 。 为了更全面地考 察制造业效率损失的变化 情 况，本文以制造业总效率损 失 TFPloss1 为分析对 象： 在 1998 年， TFPloss1 为 19. 8%，在 1998 2002 年 间， TFPloss1保持在 18%上下； 在 2003 年， TFPloss1有一个明显的跃升，从 2002 年的 17. 8%上升到 2003 年的 24. 8%，增长幅度达 40%。 从总体上来 看，扭 曲的资本配置造成我国制造业大约 20. 1% 的效率损 失； 从时间上来看

29、，在 2003 年及以后，我国制造业的效率损失有着较大幅度的增加 ，并持续恶化 。 2003 年后急剧增加的制造业效 率损失显得有些 “异常 ”。 从理论模型的结果来 看，金 融摩擦 （ 融 资约束） 的存在导致了企业间资本配置的扭曲 ，进 而造成了行业 TFP 的损失 。 那 么，突 然增加的效率 损失是否是由金融市场的 变化引起的 ？ 首 先，根 据五大国有银行公布的年度报 告，本 文分别计算了 2002 2007 年间各银行总贷款流向中的制造业贷款占比 ，并进行 了加总核算 。 如下图 1 所 示，在 2002 2007 年间，银 行贷款中制造业贷款占比呈下降趋势 ，整 体上看 ，制 造

30、业贷款占比从 2002 年的 30% 下降到 2007 年的 18%，这在一定程度上说明制造业行业从银行获得贷款 的能力在下降 。 从另一方面 来看，根据我国历年统计年鉴公布的企业固定资产投资的资金来源数据 ，企 业固定资产投资资金中的 国内贷款比重在 1997 2002 年间保持在 20%水平左右，但自 2003 年开始大幅下降，从 2003 年的 21% 下降到 2007 年的 15%，具体见下图 2。 这也说明，企业在 2002 年后获得银行贷款的能力在持续下降 。 图 1 五大国有银行制造业贷款占比 图 2 企业固定资产投资中资金来源比例 数据来源： 图 1 所有贷款数据来源于各银行公

31、布的 年度报告 ，其 中，交 通银行 2002 年的年度报告缺 失； 农业银行 2006 2007 年年度报告和建设银行 2002 2003 年年度报告均没 有对贷款的行业流向作详细区分 。 图 2 数据来自 2013 年国家统计年鉴 。 本文更关注制造业行业中的企业 。 根据企业的贷款抵押约 束，企 业总负债 / 净资产可以在一定程 度上衡量外部融资环境的变化 。 ajan Zingales（ 1998） 按照行业对外部资金需求 程度的不同将制造 业行业分为低度 、 中度和高度外部 资金依赖行业 。 按照他们的划分标准和工业企业数据库中的样本 限于篇幅，未列出 1998 2007 年间所有行

32、业的效率损失值 ，有兴趣的读者可以向作者索取 。 其中，行业代码为 42 的行业（ 工艺品及其他制造业） 的行业信息在 2003 年开始被记录 。 五大国有银 行分别为工商银行 （ ICBC） 、 建设银行 （ CCB） 、 交 通 银 行 （ BC） 、 农 业 银 行 （ ABC） 和 中 国 银 行 （ BOC） 。 这五大银行的贷款发放额在一定程度上能代表整个金融体系的信贷状况 ，同时，相 比于其他商业银行和金融 机构，五大国有银行的贷款数据更公开 、 详细和丰富 。 63 2 数据，本文从高度外部资金依赖行业中选取了 5 个代表性行业，即 医药制造业 、 塑料制品业 、 非金属矿 物

33、制品业 、 通用设备自造业和专用 设备制造 业，并 分别比较这些行业中企业的总负债 / 净资产的中位 数的值的变化 。 图 3 给出了这 5 个行业的总负债 / 净资产的中位 数的值随时间的变 化，从 图中可以发 现，这些行业中企业的总负债 / 净资产的值在 2002 年后都有着 明显的下降趋 势，这 在一定程度上说明 制造业企业的外部融资环境呈持 续恶化状态 。 最 后，根 据历年统计年鉴公布的行业层面的固定资产 投资的资金来源数据，计算得到上述 5 个行业的固定资产投资 中的银行贷款占比数据 ，从 图 4 中可以 发现，银行贷款在代表性行业中呈现下降趋势，这说明制造业行业获得银行贷款的能力

34、在下降 。 图 3 制造业行业企业总负债 / 净资产情况 图 4 制造业行业固定资产投资中银行贷款 数据来源： 图 3 数据来自 1998 2007 年中国工业企业数据库 ，作 者自己计算 。 图 4 数据来自历年国家统计年鉴 ， 经作者整理所得 。 实际上，制造业行业获得贷款能力的下降与我国银行业的改革以及房地产行业的发展密切相关 。 首先，自上世纪 90 年代中期开始，我国银行业逐步进行了改 制 。 与之前的非市场化的银行系统相 比， 改制后的银行系统的运作更加市场化 ，系统中的商业银行也更多 的以利润最大化为目标 ，其 信贷操作 变得更谨慎，对企业发放贷款的意愿有所降低 （ 如上图 1、

35、 所示 ） 。 其 次，在 1998 年我国政府建立了 房地产市场，在经历 5 年的平稳发展后，房地产行业在 2003 年被定调为国民经济支柱产 业，房 地产投 资迅猛增加 。 由于房价的快速上涨，房 地产行业的投资回报持续增 加，一 方 面，这 使得商业银行更倾 向于将贷款发放给房地产行业； 另一方面，房地产行业的高资本回 报率吸引了部分制造业企业将自有 资金或获得的银行贷款投向房地产行业 （ Allen et al ， 2012） 。 这些因素都使得制造业行业的外部融资 环境持续恶化 。 外部融资环境的恶化加剧了资 本在企业间的配置扭曲 ，提 高了制造业行业整体的效率损失 。 然 而，金融

36、摩擦不仅仅能影响留存企业之间的资本配置 ，还可能通过 影响部分企业进入或退出某行业的 行为进而影响这些企业与留存企 业之间的资 本配置 。 一般而 言，行 业内部存在着正常的进入和退出 机制，比如，在一个行业内，随着竞争 的加 剧，只 有效率高的企业能继续存 留，无 效率或者低效率的企 业会退出市场； 同时，新的效率高的 企业会选择进入该行业 。 但 是，金 融摩擦能扭曲这种正常的企业 退出或进入机制： 一方面，如果效率 高的企业面临比较紧的融资约 束，那 么对其生产经营活动有着负 面影响的技术或劳动力等冲击很可能迫使这类企业退出其所在 行业 ； 相 反，如 果部分效率低的企业拥 有充足的自有

37、资金或者面临非常 松的融资约束 ，那 么上述负面冲击并不能使它们退出行业 。 另一方 面，整体信贷资源有限的情况下，拥 有高效率但融资能力有限的企业在新进入某行业 时，可 能会受到 更紧的融资约束，这将影响它的生产经营活动（ 比如新装备的购买 、 新技术的采用等 ） ，而 低效率但融 资渠道丰富的企业受信贷环境的影 响较小 ，结 果是新进入企业之间和这些企业与行业内留存企业之 间的资本配置将产生扭曲 。 显然，金 融摩擦能够通过扭曲高效率和低效率企业之间的进入和退出机 64 制，进而对行业造成新的效率损失 。 本文在下一部分将详细讨论 金融摩擦 、 企业进入和退出以及行业 效率损失之间的关系

38、。 五 、 企业的进入和退出与制造业 TFP 损失 为研究企业的进入和退出对行业 效率损失的影响 ，本 文将存留 10 年的企业作为参照 组，并 先计 算出行业在包含新进入和退出企业时的效率损失 ，再估算出它与 参照组的效率损失之间的差异 ，并 试 图解释这种差异 。 首先，对 1998 2007 年各个时期的新进入和退出企业 进行识别 。 需要说明的 是，根 据样本数据的时间跨度，在 1998 年，本文不对企业的进入作识别（ 即没有新 进入企业 ） ； 在 2007 年，不 对企业的退出作识别 （ 即没有新退出企业 ） 。 具体的企业进入和退出情况见下表 1。 表 1 企业进入和退出情况分析

39、 年份 企业 总数 新进入和 退出企业 占比 新退出 企业数 新退出 国有企业 占比 新退出 非国有企业 占比 新进入 企业数 新进入 国有企业 占比 新进入 非国有企业 占比 1998 113257 14. 47% 16391 65. 00% 35. 00% 0 0. 00% 0. 00% 1999 127103 41. 40% 19531 63. 00% 37. 00% 33095 52. 00% 48. 00% 2000 123234 31. 09% 19098 54. 00% 46. 00% 19219 28. 00% 72. 00% 2001 137928 34. 17% 16678

40、 49. 00% 51. 00% 30447 23. 00% 77. 00% 2002 148395 29. 92% 17862 43. 00% 57. 00% 26541 16. 00% 84. 00% 2003 163636 37. 03% 26719 30. 00% 70. 00% 33868 10. 00% 90. 00% 2004 230334 54. 50% 28733 20. 00% 80. 00% 96808 9. 00% 91. 00% 2005 236491 20. 21% 15525 19. 00% 81. 00% 32274 6. 00% 94. 00% 2006 26

41、6573 24. 06% 21111 18. 00% 82. 00% 43023 4. 00% 96. 00% 2007 300885 17. 35% 0 0. 00% 0. 00% 52215 3. 00% 97. 00% 从上表结果来看，在 2004 年前，新进入企业占企业总数的 比例稳定在 20%上 下； 在 2004 年，有 大 批新企业进入各个行业（ 可能是随着调研样本的扩大，更多小规模的企业进入了数据库 ） ，新 进入企业 占比增加到 42%，但 在 2004 年 后，新 进入企业占比大幅下 滑，在 2005 2007 时期内年均只有 15% 左 右 。 在 2003 年，新退出企

42、业占比 明显提 高，达 到 16%； 在 2003 年 前，新 退出企业占比保持在 13% 上 下，在 2003 年后，新退出企业占比出现持续下滑趋势 。 在考虑 新进入和退出的企业 后，本 文对行业的 TFP 损失测度是否会发生变化？ 如果 金融摩擦能扭曲企业的进入和退出机 制，那 么本文预期行业效 率损失将进一步增加 。 本文对包括了各时期新进入和退出企业的总样本数据的效率损失测 度，该 样本数据共涉及到 478893 家企业和 1847836 个观测值，本文依然 用所有行业效率损失的加权平均值来衡量制造业总效 率损失，并记为 TFPloss2 。 在考虑新进入和退出的企业后，所 有行业在

43、各时期内的效率损失基本上都 有一定程度的增 加 。 平均来 看，制 造业效率损失 TFPloss2 为 25. 84%，要 高于之前的 TFPloss1 （ 均值为 20. 11%） ； 在 2003 年，行 业整体效率损失依然存在大幅度增 加， TFPloss2 从 2002 年的 20. 18% 增加到 2003 年的 32. 22%，几乎增长了 60%的效率损失一方面反 映出整体恶化 的外部融资环境 ，另 一方面也 似乎说明金融摩擦可以通过影响企 业的进入和退出机制间接影响企业之间的资本配置 ，使 行业效率 损失进一步增加 。 限于篇幅，未列出各时期新进入和退出企业的总样本数据的效率损失 ，有兴趣的读者可以向作者索取 。 65 Exen * （ year = 1999） 0. 1415 Exen * （ year = 2002） 0. 2337 Exen * （ year = 2003） 0. 3189 Exen * （ year