全球经济危机后中国的信贷配置与稳就业成效_钟宁桦.pdf

《全球经济危机后中国的信贷配置与稳就业成效_钟宁桦.pdf》由会员分享，可在线阅读，更多相关《全球经济危机后中国的信贷配置与稳就业成效_钟宁桦.pdf（18页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、全球经济危机后中国的信贷配置与稳就业成效*钟宁桦解咪钱一蕾邓雅琳内容提要: 追求更充分更高质量就业是高质量发展的重要内涵。本文探究在全球经济危机发生后， 中国如何快速实现稳就业， 具体分析各类企业在稳就业方面所做贡献与付出的代价。通过分析多套企业数据与逐笔贷款数据发现: 在“四万亿” 计划实施期间新增信贷的支持下， 国有、 大型与受计划支持行业内的企业在短期内做大规模逆周期投资并大幅扩张雇员， 然而由于后期绩效变差及偿债压力加剧， 难以持续大幅增加就业。而民营、小型与未受支持行业内的企业在短期内未增加投资或就业， 所获信贷显著提高了其在危机中存活的概率， 且由于后期绩效改善而创造就业的幅度更大

2、。因此， 着眼于以较小代价取得中长期内较大的稳就业成效， 在应对危机时可将更多资源投入到保中小市场主体中。关键词: 稳就业经济危机银行信贷新增投资借新还旧*钟宁桦、 解咪( 通讯作者) 、 钱一蕾、 邓雅琳， 同济大学经济与管理学院， 邮政编码: 200092， 电子信箱: zhongninghua tongjiedu cn， ashley_mi0413 tongji edu cn， 2110062 tongji edu cn， 1830286 tongji edu cn。本研究得到国家社科基金重大项目( 19ZDA073) 、 国家自然科学基金面上项目( 71973101) 、 中组部 “万

3、人计划” 青年拔尖人才计划项目和 “中央高校基本科研业务费专项资金” 项目( 22120210085) 的资助。作者感谢匿名审稿专家提供的建设性意见。当然， 文责自负。一、引言就业是民生之本， 既关乎人民群众的切身利益， 也关乎经济发展和社会稳定， 一直是党和政府高度关注的重大问题。2018 年 7 月底召开的中央政治局会议上提出“六稳” ， 自此之后， 党中央始终将 “稳就业” 放在 “六稳” 之首。2020 年初， 新冠疫情突发， 给 “稳就业” 带来了很大的压力。面对异常复杂的形势， 党中央在要求做好 “六稳” 工作的基础上， 进一步强调落实 “六保” 任务， 其中居于首位的就是 “保居

4、民就业” 。在一系列相关政策的支持下， 中国在短时间内迅速实现就业形势总体稳定， 全国城镇调查失业率自 2020 年 2 月达到最高值 6. 2% 后逐步回落， 于年底降至 5. 2%， 与2019 年同期持平。类似情况还发生在 2008 年全球经济危机后， 这一危机的爆发对中国经济和就业都造成了严重冲击。2008 年中国经济增速较 2007 年末下降 4. 5 个百分点。同时， 中国社会科学院发布的 社会蓝皮书 显示， 2008 年中国城镇实际失业率高达 9. 6%。而随着“四万亿” 经济刺激计划( 以下简称 : “四万亿” 计划) 与其他调控政策的有力落实， 中国登记失业率快速回落， 并于

5、2010 年三季度恢复至危机前水平， 远快于世界其他主要国家与地区。在最近两次全球性经济危机后， 在党中央的坚强领导下， 我国都较快地实现了就业稳定。那么， 中国究竟是如何于危局中快速实现就业稳定的? 企业是稳定与创造就业的主体， 在危机发生时， 哪些企业在助力“稳就业” 目标的实现? 基于对 2008 年和 2020 年后各类就业数据的分析， 本文首先试图回答第一组问题 : “谁在稳就业” ? 尤其是， 危机期间获得相关资源的企业对 “稳就业” 的贡献如何?这两次全球经济危机都对中国经济和就业造成了冲击， 因其冲击力度之大、 波及范围之广， 任何宏观调控的政策都不可能完全对冲危机的影响， 即

6、付出一定的代价是在所难免的。在十三届全国人大四次会议所作的 政府工作报告 指出， 2020 年， 经过艰苦努力， 我国经济恢复好于预期， 宏观调控积累了新经验， 以合理代价取得了较大成效。那么， 为应对危机并实现就业稳定， 哪些市场122021 年第 9 期主体付出了代价? 又付出了什么代价? 由于在撰写本文时， 2020 年的很多微观数据还不可得， 故本文重点考察在 2008 年全球经济危机发生后的五年中， 承担“稳就业” 任务的主体所付出的代价。与这一问题相关的是， 党的十九届五中全会提出“十四五” 时期中国经济社会发展主要目标， 其中包括 “民生福祉达到新水平， 实现更加充分更高质量就业

7、” 。在应对危机时， 为实现短期内稳就业的目标， 可能需要暂时牺牲就业质量， 那么应如何尽可能地平衡好短期内稳就业与长期中追求更加充分更高质量就业之间的关系? 换言之， 如何以更小的代价取得更大的成效?本文首先回答第一组问题。为有效应对 2008 年全球经济危机对就业和经济增长带来的冲击，中央政府于 2008 年底推出了 “四万亿” 计划， 并配套制定十大产业振兴规划， 同时实行宽松的货币政策以向市场注入大量流动性。在对非金融上市公司数据进行初步分析后， 本文发现， 主要是国有企业、 大型企业与受 “四万亿” 计划支持( 以下简称“受支持” ) 行业内的企业在短期内为“稳就业”做出了显著贡献。

8、其中， 国有企业在 “四万亿” 计划实施期间的雇员平均增速为 9. 2%， 远高于民营企业的 0. 45%; 大型企业的雇员平均增速为 8. 5%， 也明显高于小型企业。类似地， 2020 年初新冠疫情也对就业市场造成了显著冲击。作为应对， 国资委接连发出通知加码“稳就业” ， 要求中央企业确保实现 2020 年度接收高校毕业生人数、 农民工用工数与新吸纳就业人员总数均不低于 2019年度。后续各类报道也显示， 国有企业和大型企业的招聘需求量的增幅较大， 在稳就业方面发挥了突出的作用。另外， 为考察这些企业所获信贷支持的规模， 本文手工整理了 20062013 年间中国所有非金融上市公司公告的

9、逐笔贷款数据， 并匹配企业与银行的各类财务信息。基于对 10603 对银企关系的分析， 本文发现， 国有、 大型与受支持行业内的企业， 在“四万亿” 计划实施期间获得了更多的信贷， 尤其是长期信贷。本文还考察了规模以上工业企业数据， 同样发现企业规模越大， 在“四万亿”计划实施期间获得的信贷越多。进一步， 获得信贷越多的企业在短期内的投资规模显著更大， 员工人数的增幅也显著更大。与之相对， 民营、 小型与未受支持行业内的企业在获得信贷后， 并未在短期内显著增加投资或扩张雇员。2020 年的投资数据也呈现类似的特征。根据国家统计局公布的数据， 截至 2020 年 12 月， 国有独资公司的固定资

10、产投资额累计增长 20. 4%， 而私营企业累计增长 5. 1%。结合上述两组结果，本文认为， 在银行信贷的支持下， 国有、 大型与受支持行业内的企业在短期内做了大规模逆周期的投资， 并因此有效扩大雇员的规模， 有力地支持了 “稳就业” 目标的实现。随后， 如前所述， 本文考察 2008 年全球经济危机发生后， 上述“稳就业” 主体在中长期的表现。本文首先发现在 “四万亿” 计划退出后( 20112013 年间) ， 国有企业与大型企业的雇员增速大幅下降， 分别降至 6. 3%和 4. 8%。而同时， 民营企业与小型企业的雇员增速却快速上升， 分别升至8. 4%和 10. 5%。本文认为， 这

11、很可能是因为国有、 大型与受支持行业内的企业在经济下行期扩张投资规模， 并负担了较高的雇员成本， 因此在后期面临较大的经营压力， 加之前期大量信贷导致的偿债压力， 进而影响其在中长期持续创造就业的能力。在回归分析中， 本文确实发现， 国有、 大型与受支持行业内的企业在 “四万亿” 计划实施期间获得的信贷越多， 其在计划退出后的绩效越差， 具体表现为权益报酬率与资产周转率显著更低。另外， 在分析企业逐笔贷款数据后， 本文发现， 企业22钟宁桦等: 全球经济危机后中国的信贷配置与稳就业成效参见报道 : 国务院国资委发文稳就业央企启动大招聘 ， 经济日报 ， 2020 年 3 月 25 日， htt

12、p: / /www sasac gov cn/n2588025/n2588119/c14145029/content html。2020 年， 国有企业春季校招受疫情影响较小， 人才需求量不降反升， 其占比达 36. 63%， 同比提高了 16. 14 个百分点， 并创下近 5 年来最高涨幅， 参见报道 2020 春招国有企业扩大毕业生需求 ， 梧桐果， 2020 年 4 月 24 日。此外， 据中国人民大学中国就业研究所和智联招聘于 2021 年 1 月 19 日发布的 2020 年第四季度应届生就业市场景气报告 ， 四季度大型企业就业景气较好，2020 全年大型企业招聘需求和求职供给均上升

13、。在 “四万亿” 计划实施期间获得的信贷越多， 在后期更容易借新债还旧债， 偿债压力显著加剧。与之相对， 由于民营、 小型与未受支持行业内的企业并未在经济下行期扩张投资， 也无冗员负担， 这些企业在“四万亿” 计划退出后的绩效并未明显恶化甚至有所提升， 表现为后期的资产周转率未显著下降且权益报酬率显著上升。另外， 使用规模以上工业企业数据， 本文还发现，民营、 小型与未受支持行业内的企业在“四万亿” 计划实施期间获得的信贷越多， 其在计划退出后继续存活的概率就越高， 且信贷对于小型企业存活概率的提升最为显著。这可能恰恰是因为它们在刺激期间将资金主要用于维持经营， 而非逆周期投资与扩大就业规模。

14、虽然这些企业在短期内没有增加就业， 但在中长期却因较轻的“历史负担” 而有能力创造更多就业。本文可能有如下两个方面的贡献: 首先， 本文的研究结论有助于全面、 辩证地认识在近期两次全球经济危机后， 中国出台的 “四万亿” 计划等逆周期宏观调控政策所做出的贡献与相关代价。已有研究 “四万亿” 计划的文献， 尤其是多篇发表于国际顶级期刊上的文章， 主要关注该计划造成的负面影响; 特别强调信贷错配， 即大量信贷流向国有企业， 以及在计划退出后国有企业的绩效显著更差( Liu et al， 2018; Cong et al， 2019; Chen et al， 2020) 。不可否认， 这些都是重要的

15、后果， 本文的发现也印证了这些结论。然而本文想强调， 对于这些后果的评判要放在当时突发的全球经济危机，以及随之而来的迫切的 “稳增长” 与 “稳就业” 压力的背景下。值得注意的是， 在 2008 年全球经济危机发生后， 世界其他主要国家与地区， 如日本、 美国与欧盟各国等， 在当时都推出了不同规模的经济刺激计划， 但其经济增长与就业形势的恢复速度远不如中国。同样地， 在 2020 年新冠疫情严重冲击全球经济后， 中国以积极有效的疫情防控举措和精准的政策支持等率先走出疫情阴霾， 实现经济正增长。其中的经验值得仔细地挖掘和全面地分析与整理。然而， 目前国内外还鲜有文献探究中国是如何迅速实现“稳就业

16、” 等重要宏观调控目标的。本文仔细探究“稳就业” 目标在各类企业中的传导， 尤其是借助逐笔贷款等微观数据细致考察了不同类型的企业在获得信贷后增加雇员与后期偿债压力等情况。本文发现， 主要是国有、 大型与受支持行业内的企业通过逆周期投资助力“稳增长” 与“稳就业” 等多重目标的实现， 并且这些企业为此在后期持续地付出了代价。本文的发现一方面丰富了有关危机后宏观调控政策的微观传导机制的研究， 另一方面为全面审视危机后各项政策的贡献和代价提供了更多证据。当然， 在这方面， 本文的工作仍非常有限。危机后出台的重大政策所涉及的后果还包括其他诸多方面， 要全面研判还需更多的研究。不过， 如同前述， 本文要

17、强调的是， 在全球经济危机的冲击下， 代价是不可避免的， 合理且客观的问题是如何以较小的代价取得较大的成效。其次， 本文的研究也有助于进一步思考如何在应对危机时， 实现短期内稳定就业与长期中追求更加充分更高质量就业之间的平衡。本文发现， 由于国有与大型企业在危机期间进行了大规模逆周期举债投资， 并承担了较高的雇员压力， 其后期的绩效变差， 进而影响其在中长期内“稳就业” 的能力。而与之相对的， 民营与小型企业在危机期间将更多资金用于维持日常经营， 而非大量逆周期投资， 其在后期得以 “轻装上阵” 并在中长期创造了更多就业。已有少量文献考察了危机后各国“稳就业” 政策的效果。其中有研究指出， 在

18、短期内增加临时性的工作岗位、 增加招聘补贴和求职援助等政策可以降低失业率; 但在长期中， 需要通过结构性调整以推动就业的全面复苏， 如促进创新( Eichhorst et al， 2010) 等。保住中小市场主体对于后期推进劳动力市场的结构性调整是至关重要的， 在这一主张上， 本文与已有文献是一致的。在实践中， 本文的发现说明， 着眼于中长期持续创造就业， 在应对危机时可将更多资源投入帮助企业， 特别是中小微企业。事实上， 去年新冠疫情突发后， 在稳就业方面， 中国高度重视“保市场主体” ， 陆续出台如减税降费、 贷款延期偿还等多项政策为中小微企业纾困。据统计，2020 年全国新设立市场主体

19、2500 万户， 为市场主体减负超过 2. 6 万亿元。在中央的精准施策322021 年第 9 期下， 上亿市场主体表现出强大的韧性， 尤其是庞大的中小微企业作为吸纳就业的“主力军” 在危机中得以保全， 为后期实现更加充分更高质量就业与推动高质量发展奠定了坚实基础。二、制度背景、 文献综述与假设提出2008 年全球经济危机爆发后， 中国面临突如其来的“稳增长” 与“稳就业” 压力。作为应对，2008 年 11 月， 政府推出了进一步扩大内需、 促进经济平稳较快增长的十项措施， 这一揽子计划被称为 “四万亿” 经济刺激计划。2009 年初， 为配合 “四万亿” 计划的推行， 中央配套制定了十大产

20、业振兴规划， 明确对钢铁、 汽车、 船舶、 石化、 纺织、 轻工、 有色金属、 装备制造业、 电子信息以及物流业这十大产业进行支持。与此同时， 在“四万亿” 计划实施期间， 我国实行较为宽松的货币政策。其中， 在 20092010 年间， 中国 M2 供应量的年均增速为 24. 1%， 金融机构新增贷款分别为 9. 6 万亿元和 7. 9 万亿元。在上述调控政策果断出台并得到有力落实后， 我国经济快速企稳回升， GDP 增速从 2009 年一季度的 6. 4% 迅速反弹至三季度的 10. 6%， 基本与危机前的 2008 年二季度( 10. 9%) 持平。与此同时， 中国失业率得到有效控制，

21、城镇登记失业率自 2009 年一季度起逐渐回落， 并于 2010 年三季度恢复至危机前的水平( 4%) 。当时世界其他主要国家与地区， 包括日本、 美国与欧盟各国， 都推出了不同规模的经济刺激计划。比如， 2008 年 12 月， 欧盟发起了总规模 2000 亿欧元的“欧洲经济复苏计划” ， 占其 2008 年GDP 总额的 1. 6%; 2009 年 2 月， 美国推出了总规模 8380 亿美元的美国复兴与再投资法案 ， 占其 2008 年 GDP 总额的 5. 3%; 2009 年 4 月， 日本出台了一项规模达 56. 8 万亿日元的经济刺激计划， 占其 2008 年 GDP 总额的 1

22、1. 3%。但是， 这些国家的经济增长与就业的恢复速度远不如中国。其中， 日本的失业率到 2013 年底反弹至危机前水平， 美国直到 2016 年底才恢复， 而欧盟的失业率到 2013 年底才开始呈下降趋势， 并且截至 2017 年仍未恢复。国际上的一些研究仔细分析了发达国家的各类数据， 并发现这些计划对经济的刺激作用很小或几乎没有作用( Taylor， 2014; Ippolito etal， 2018) 。比如， 有研究发现， 在美国实施量化宽松政策之后， 商业银行并没有把信贷投向实体经济， 而是投入了与住房抵押贷款相关的资产并从中获利， 这导致整个经济中投资的比例反而有所下降( Chak

23、raborty et al， 2020) 。另一些研究指出， 由于危机后不确定性显著提高， 这限制了商业银行提供信贷的意愿和能力， 因此宽松的货币政策并没有最终带来企业的投资( Bloom et al， 2007;Duchin et al， 2010) 。已有对于中国 “四万亿” 计划的研究， 主要聚焦于信贷配置， 发现刺激期间的新增信贷主要投向国有企业( Cong et al， 2019) 与受支持行业内的企业( Liu et al， 2018) 。同时， 由于 “四万亿” 计划的主要投资领域是基础设施建设， 而这类项目通常规模大、 投资回收期长， 需要由规模较大的企业来承建( 王文甫等，

24、2014; Bonomo et al， 2015) ， 因此 “四万亿” 计划实施期间的新增信贷也向大型企业倾斜。然而， 这些文献都忽略了信贷投放所带来的 “稳就业” 作用。已有的许多研究发现， 国有企业在稳定中国宏观经济与保障民生等方面发挥着重要作用。它们是对国家宏观经济决策反应最积极的市场主体， 并且其投资具有一定的逆周期性， 是“宏观经济的稳定者” ( 刘元春， 2001; 郭婧和马光荣， 2019) 。不仅如此， 国有企业的运行具有多目标性， 除助力经济目标的实现外， 也承担了更多政治与社会责任， 尤其是在经济下行期会雇佣更多的员工并负担更高的劳动力成本( Shleifer Vishn

25、y， 1994; 曾庆生和陈信元， 2006) 。在对非金融上市公司数据进行初步分析后， 本文发现， 国有企业在“四万亿” 计划实施期间的投资支出的平均增速为 5. 4%， 是非国企的两倍。同时， 国企在“四万亿” 计划实施期间的雇员平42钟宁桦等: 全球经济危机后中国的信贷配置与稳就业成效参考吕长江和张海平( 2011) 等， 本文使用企业 “购建固定资产、 无形资产和其他长期资产支付的现金” 度量投资支出。均增速为9. 2%， 远高于非国企( 0. 45%) 。在绝对规模上， 平均每家国有上市企业在 “四万亿” 计划实施期间每年新增雇员 626 人， 而非国企平均为 10 人。类似地， 大

26、型企业在“四万亿” 计划实施期间的雇员平均增速( 8. 5%) 也明显高于小型企业。基于上述分析， 本文认为以国有、 大型企业为主的一部分企业是稳增长和稳就业的关键主体， 并提出假说 1: 国有、 大型与受支持行业内的企业在“四万亿” 计划实施期间获得了更多的信贷， 尤其是长期信贷。在大量资金的有力支持下， 这些企业进行了更大规模的逆周期投资， 并在短期内有效扩大了雇员规模， 为实现 “稳就业” 助力。然而， 由于国有、 大型与受支持行业内的企业在经济下行期同时承担了“稳增长” 与“稳就业”的重要责任， 做了大规模逆周期投资并承担了较高的雇员成本， 导致这些企业的经营压力不断增大， 绩效出现恶

27、化。尤其是钢铁、 船舶与光伏等行业在当时已面临严重的产能过剩， 在外需骤降的背景下扩张投资， 会使得这些行业内企业的绩效进一步下滑。此外， 大规模的信贷将产生高昂的利息成本， 在投资收益较低的情况下， 会加重这些企业的经营负担与偿债压力， 使其更有可能不得不以 “借新还旧” 的方式偿还到期贷款。本文计算了中国规模以上工业企业在 20062013 年间盈利能力的变化， 发现“四万亿” 计划实施后， 民营与国有、 小型与大型以及未受支持与受支持行业内企业之间的利润率的差异在逐步扩大。利润率的下降将限制这些企业持续扩大就业的能力。根据笔者的计算， 在计划退出后， 国有企业的平均雇员增速由 “四万亿”

28、 实施期间的 9. 2% 下降至 6. 3%。类似地， 大型企业的平均雇员增速相较于计划实施期间下降近一半， 仅为 4. 8%。基于上述分析， 本文提出假说 2: 国有、 大型与受支持行业内的企业在 “四万亿” 计划实施期间获得的信贷越多， 其在计划退出后的绩效越差， 加之偿债压力加剧， 它们在后期很可能难以维持前期扩大雇员的增速。相较于这些企业， 民营企业的生产决策通常具有顺周期性的特点， 而中小型企业与未受支持行业内的企业在 “四万亿” 计划实施期间获得的信贷规模相对较小， 其投资规模也很可能相应地收缩。因此， 民营、 小型与未受支持行业内的企业， 其盈利能力很可能在计划退出后并未出现明显

29、恶化。国家统计局公布的数据显示， 在中国规模以上工业企业中， 私营企业的平均权益报酬率( OE) 在计划退出后为 29. 4%， 远高于国有企业的 13. 4%; 小型企业的 OE 为 24%， 同样明显高于大中型企业。值得注意的是， 为应对全球经济危机带来的负面影响， 中央政府一方面主要依靠大型企业实施大规模经济刺激计划， 另一方面也特别关注如何缓解中小企业的生产经营困难。中央政府在当时出台了一系列相关政策文件， 鼓励增加中小企业贷款规模， 着力缓解中小企业融资难等问题， 并通过取消不合理的行政收费项目等手段， 以切实减轻企业负担， 全力维护其正常生产经营进而保持社会就业形势稳定。根据央行公

30、布的数据， 2009 年小企业贷款余额同比增长 41. 4%， 2010 年进一步增长 29. 3%， 增速都显著高于大型企业贷款增速。而在对非金融上市公司数据进行初步分析后， 本文发现， 中小企业的投资支出占现金总支出的比重在“四万亿” 计划实施期间平均仅为 6%，显著低于大型企业的 35%。因此， 本文认为， 大量中小企业在获得中央政府提供的纾困资金后， 并没有用做大规模固定资产投资， 而很可能更多用于维持日常经营， 并且因此提高了存活的概率。本文还发现， 在计划退出后， 民营企业的平均雇员增速由计划实施期间的 0. 45% 骤升至 8. 4%; 类似地， 小型企业的平均雇员增速也高达 1

31、0. 5%。基于上述分析， 本文提出假说 3: 民营、 小型与未受支522021 年第 9 期已有研究发现， 国有企业在 “四万亿” 计划实施期间获得了更多信贷， 并做了大规模投资， 这导致其绩效恶化( 杨国超等，2020) 。同时， 大量研究也发现国有企业承担的超额雇员， 是其效率较低的重要原因( Xu et al， 2005) 。其中， 工信部于 2009 年初明确提出 ， “要千方百计减少企业停产、 关闭和破产， 千方百计帮助企业解决实际困难， 帮助企业渡过难关， 尽量不裁员、 少裁员” 。参见报道 : 工业和信息化部六措施缓解当前中小企业经营困难 ， 新华社， 2009 年 1 月 4

32、 日，http: / /www gov cn/jrzg/2009 01/04/content_1195367 htm。持行业内的企业在 “四万亿” 计划实施期间获得的信贷支持越多， 在计划退出后继续存活的概率越高， 并且其后期的绩效可能越好， 进而使得它们在后期很可能创造了更多的就业。三、实证分析与结果( 一 ) “四万亿” 计划实施期间的信贷配置与各类企业 “稳就业”本文以20062013 年中国 A 股非金融上市公司与规模以上工业企业为研究样本， 并参考已有研究对样本企业进行筛选( Brandt et al， 2012; 杨汝岱， 2015; 钟宁桦等， 2016) ， 最终包括 2621

33、 家上市公司与534920 家规模以上工业企业。由于 “四万亿” 计划的实施期间为2008 年底至2010 年底，与已有研究一致( Cong et al， 2019; 杨国超等， 2020) ， 本文将 20092010 年作为“经济刺激期间” ，将计划退出后 3 年作为 “后经济刺激期” 。首先， 本文试图考察“四万亿” 计划实施期间的信贷配置， 及其对各类企业在刺激期间内的投资和雇员的影响。为获取完整的逐笔贷款数据， 本文在 CSMA 数据库披露的上市公司贷款数据的基础上， 逐一查阅 20062013 年间所有非金融上市公司披露的季报、 半年报、 年报与相关临时公告， 并手工补齐了未收录的

34、贷款信息。参考已有研究( Bailey et al， 2011) ， 本文删去贷款类型为 “授信额度” 的样本，并匹配上市公司与银行的各类信息， 最终保留涉及 1891 家上市公司与 179 家银行的共计 41229 条贷款记录。进一步， 本文将每家企业与样本中曾向其放贷的银行进行配对， 得到 10063 对银企关系。基于逐笔贷款数据， 本文构建如下回归模型:ln ( newloans)i， b， t= 0+ 1Stimulust+ 2Ftypei， t+ 3Stimulust Ftypei， t+4Controlsi， t1+ 5Controlsb， t1+Pair +Year + i， b

35、， t( 1)其中， i 代表企业， b 代表银行， t 代表年份。被解释变量为每家企业每年从某家银行获得的新增借款总额的对数。按借款期限是否大于一年， 将借款分为长期借款与短期借款。Stimulus 为当年是否在 “四万亿” 计划实施期间， 若为 2009 年或 2010 年则为 1， 否则为 0。Ftype 表示不同企业类型， 均为虚拟变量。根据所有权性质， 本文将企业分为中央国有企业、 地方国有企业与非国有企业;根据所处行业是否直接受“四万亿” 计划支持， 分为受支持行业内的企业与未受支持行业内的企业;根据企业在 2008 年末的资产规模是否位于前 50%， 分为大型企业与中小型企业。参

36、考相关已有文献( Li et al， 2009; Liu et al， 2018 等) ， 本文同时加入一系列与信贷配置高度相关的企业和银行的控制变量( Controls) ， 并进行滞后一期的处理。控制变量的具体定义详见表1。此外， 由于可能存在同时影响信贷配置的未观测到的银行与企业特征， 本文还控制了“银企关系” ( Pair) 与年份( Year) 固定效应， 并且将回归系数在 “银企关系” 层面进行聚类调整( Gan， 2007a;Gan， 2007b) 。在控制银企关系的固定效应后， 本文得以严格考察同一对“银企关系” 在“四万亿”62钟宁桦等: 全球经济危机后中国的信贷配置与稳就业

37、成效本文核对后发现， CSMA 披露的中国上市公司单笔贷款数据的缺失非常严重， 其原有的贷款记录的贷款笔数与金额分别仅占本文补充完全后记录的 30%与 20%。授信额度反映企业在一段时间内能从银行获得贷款的最高额度， 但并非企业当年从该银行实际获得的贷款金额。为配合 “四万亿” 计划的实施， 中国于 2009 年初配套推出了 “十大产业振兴规划” ， 明确对 “汽车产业、 钢铁产业、 纺织工业、 装备制造业、 船舶工业、 电子信息、 轻工业、 石化、 有色金属产业和物流业” 的支持。参见报道: http: / /www gov cn/gzdt/2009 07/03/content_135655

38、4 htm。因此， 本文将 “汽车制造业， 黑色金属矿采选业， 黑色金属冶炼和压延加工业， 纺织业， 通用设备制造业， 专用设备制造业， 铁路、 船舶、 航空航天和其他运输设备制造业， 电气机械和器材制造业， 互联网和相关服务业， 开采辅助活动业， 有色金属矿采选业， 有色金属冶炼和压延加工业， 道路运输业、 航空运输业、 装卸搬运和运输代理业” 定义为 “受支持行业” 。其次 ， “四万亿” 计划中有大量资金投向基建、 保障安居工程相关领域。因此， 本文还将 “土木工程建筑业” 与 “电力、 热力生产和供应业” 定义为 “受支持行业” 。由于篇幅限制， 并未报告相关的描述性统计结果， 若有需

39、要可联系作者。计划实施前后的借贷行为的变化。由此， 本文可以准确识别银行对企业放贷偏好的变化， 即在控制包括银行核心资本充足率等各主要影响因素后， 考察某一家银行是否仅因为“四万亿” 计划的实施而向某一家企业发放了更多贷款。表 1控制变量定义和计算方法变量名称变量符号变量定义企业规模ln( assets)企业资产总额的对数杠杆率Leverage总负债/总资产经营波动性OA volatility企业过去三期的 OA 变化的标准差成长能力Tobins Q企业市值/重置成本有形资产占比Tangibility( 固定资产 + 存货) /总资产销售利润率Profitability净利润/销售收入总资产报

40、酬率OA净利润/总资产上市时长Age上市季度数的自然对数现金持有水平Cash现金及现金等价物余额/期初总资产银行资产规模ln( banks assets)银行资产总额的自然对数银行资本充足率Capital adequacy ratio银行资本充足率( %)银行不良贷款率Non- performing loan ratio银行不良贷款率( %)回归结果报告在表 2 中。其中， 第( 1) ( 4) 列的回归结果表明: 相较于刺激计划实施前和退出后， 在 “四万亿” 计划实施期间， 同一家银行向国有企业( 尤其是级别更高的央企) 、 规模较大的企业， 以及受支持行业内的企业发放了更多长期贷款。而第

41、( 5) ( 8) 列的结果表明， 这些企业获得的短期借款在 “四万亿” 计划实施期间整体减少。这可能是因为“四万亿” 计划中有大量资金投向基建相关领域， 而为支持基建等大规模项目的落地， 银行更多地发放了长期借款。根据央行公布的数据， 在 “四万亿” 计划实施期间( 20092010 年) ， 从绝对规模上来看， 新增长期贷款共计 13. 27 万亿元， 明显高于新增短期贷款( 4. 77 万亿元) ; 从增速上来看， 长期贷款的平均增速为 36. 7%， 也明显高于短期贷款的平均增速( 15. 3%) 。控制变量的回归结果也与已有文献一致。比如， 若企业上一期的杠杆率与经营风险越低， 则其

42、当期获得的新增长期借款越多、 短期借款越少; 银行上一期的资本充足率越高， 则其当期放贷更多以短期资金为主。考虑到上市公司的规模相对较大， 本文还使用规模以上工业企业数据并区分企业规模进行稳健性检验。回归结果同样表明， 企业规模越大， 在 “四万亿” 计划实施期间获得的信贷越多。接下来， 本文试图考察 “四万亿” 计划实施期间的信贷对各类型企业在刺激期间内雇佣行为与投资的影响， 即危机期间究竟是哪些企业在短期内助力 “稳就业” 目标的实现， 回归模型如下:722021 年第 9 期已有关于 “四万亿” 计划实施期间信贷配置的研究， 大多仅控制企业的特征变量， 未控制银行的特征变量， 更未控制

43、“银企关系” 的固定效应( Liu et al， 2018; 杨国超等， 2020) 。相较而言， 本文能够更严格地考察银行放贷偏好的变化， 结果也更稳健。本文还将被解释变量替换为 “每家企业每年从某家银行获得的长期或短期借款总额占所有借款总额的比重” 进行稳健性检验。结果表明: 在 “四万亿” 计划实施期间， 国有、 大型与受支持行业内的企业， 其所获长期借款的比重相较于非刺激期间也有明显提升; 短期借款的比重则明显下降。另外， 考虑到政府干预程度可能会影响信贷配置， 本文在表 2 中加入市场化指数( 樊纲和王小鲁， 2001) ， 并控制省份固定效应进行稳健性检验， 结果一致。经核对， 本

44、文发现在 2010 年， 规模以上工业企业数据库中只有 0. 3% 的观测值符合会计恒等式( 总资产 = 总负债 + 总权益) ， 因此删去了 2010 年的样本。由此， 在规模以上工业企业相关的回归分析中 ， “四万亿” 计划实施期间仅为 2009 年。此外， 由于工业企业数据库中并未直接提供有息负债的信息， 本文将负债总额减去应付账款余额以估计出企业的有息负债， 并使用企业当年有息负债的对数与上一年该变量的差额作为解释变量， 即当年新增有息负债。由于篇幅限制， 并未报告该组结果， 若有需要可联系作者。Outcomesi， 20092010= 0+ 1Long term loansi， 20

45、082010Assetsi， 2008+ 2Ftypei， t+ 3Long term loansi， 20082010Assetsi， 2008Ftypei， t+ 4Controlsi， 2008+Industry +Province + i， t( 2)其中， i 代表企业， t 代表年份。被解释变量为企业在刺激期间内的雇员与投资规模， 分别使用20092010 年间 “员工人数” 与 “购建固定资产、 无形资产和其他长期资产支付的现金” 总和的对数来度量。由表 2 可知 ， “四万亿” 计划实施期间以长期信贷扩张为主， 故此处的解释变量为企业在计划实施期间的长期借款的增幅， 即( 20

46、10 年四季度的长期借款 2008 年二季度的长期借款) /2008 年二季度的资产总额。在此基础上， 参考已有文献( 薛云奎和白云霞， 2008) ， 本文控制了一系列 2008 年末( 即计划实施前) 的企业特征变量， 并控制了行业与省份固定效应。表 2“四万亿” 计划实施期间的信贷配置变量ln( long- term loans)i，b，tln( short- term loans)i，b，t( 1)( 2)( 3)( 4)( 5)( 6)( 7)( 8)Stimulust SOEsi，t1. 331 ( 0. 397)1. 026 ( 0. 362)StimulustCentral S

47、OEsi，t1. 386 ( 0. 552)1. 597 ( 0. 520)StimulustLocal SOEsi，t1. 259 ( 0. 431)0. 735*( 0. 395)StimulustBig firmsi， 20080. 803*( 0. 411)0. 684*( 0. 378)StimulustSupported industryi，t1. 047 ( 0. 501)1. 423 ( 0. 454)SOEsi，t0. 266( 0. 855)0. 0927( 0. 740)Central SOEsi，t0. 0793( 1. 021)0. 254( 0. 953)Local

48、 SOEsi，t0. 214( 0. 882)0. 189( 0. 785)Supported industryi，t0. 291( 0. 604)0. 958*( 0. 510)ln( assets)i，t 10. 0381( 0. 347)0. 0420( 0. 347)0. 0127( 0. 346)0. 00662( 0. 346)0. 0512( 0. 326)0. 0540( 0. 327)0. 0320( 0. 326)0. 0391( 0. 325)Leveragei，t 13. 480 ( 1. 451)3. 453 ( 1. 455)3. 317 ( 1. 460)3. 5

49、65 ( 1. 457)3. 815 ( 1. 326)3. 737 ( 1. 324)3. 840 ( 1. 335)3. 915 ( 1. 330)Tobins Qi，t 10. 211( 0. 160)0. 213( 0. 160)0. 218( 0. 161)0. 195( 0. 161)0. 166( 0. 142)0. 169( 0. 142)0. 165( 0. 142)0. 152( 0. 143)Tangibilityi，t 10. 699( 1. 219)0. 710( 1. 220)0. 577( 1. 225)0. 710( 1. 223)0. 815( 1. 189)

50、0. 808( 1. 185)0. 800( 1. 194)0. 768( 1. 190)OAi，t 12. 137( 2. 614)2. 053( 2. 620)2. 491( 2. 619)2. 425( 2. 621)4. 691 ( 2. 381)4. 472*( 2. 386)5. 160 ( 2. 398)4. 833 ( 2. 387)OA volatilityi，t 18. 851 ( 4. 088)8. 809 ( 4. 087)8. 611 ( 4. 086)8. 829 ( 4. 072)3. 506( 3. 685)3. 533( 3. 684)3. 191( 3. 6