中小型制造業企業融資約束的影響因素研究

一、樣本企業基本情況

本文使用的調查數據由2012年世界銀行“中國投資環境調查”（WBES）提供，此次調查采集的主要是截止到2011年底的企業層面相關數據[1]。與以往世界銀行在中國進行的調查數據類似，2012年年度調查數據采集的方法依然采用的是分層隨機抽樣法，此輪調查中，世界銀行對中國內地12個省份的25個城市[2]中11個制造業行業2000多家私營中小企業進行調查 。涵蓋的制造業主要包括：食品業、紡織業、服裝業、電子儀器儀表業等。在調查中，每一個受調查的樣本企業分別詳細報告了企業的所有制情況、上下游供應鏈關系、企業所在城市的基礎設施、企業的信貸行為及銀行貸款、企業R&D情況、企業是否參與國際貿易、企業與政府相關部門的關系和企業的人力資本等狀況。

鑒于世界銀行的調查數據中，江蘇省內城市僅有南京、蘇州、無錫、南通四個，同時，這四個城市在江蘇省經濟發展領先，其數據樣本特色能夠代表江蘇地區的經濟發展水平和江蘇地區中小企業的發展現狀，故本文選擇江蘇省4個城市（南京、蘇州、無錫和南通）的樣本企業進行實證分析。在對樣本進行篩選的基礎上，本文還對樣本數據進行了相應的清理，在研究中，本文保留了詳細回答了企業對融資約束的問題樣本（企業自我感知的融資難度）、企業成立年限、雇傭人數、出口狀況等異質性因素數據后，本文最后得到的4個城市中的中小企業樣本數據是461家企業。

二、模型構建與回歸方法

本文所使用的數據特點，本文建立如下（1）、（2）式的回歸模型，進一步檢驗江蘇省中小型制造業企業融資約束的影響因素：

（1）

（2）

其中，fc表示江蘇省中小型制造業企業自我感知的融資難易程度，fd表示中小企業所在的四個城市金融發展水平，考慮到金融發展影響的滯后性，本文使用2010年企業所在城市銀行貸款與2010年該城市GDP的比例代理金融發展。X表示其他影響企業融資約束的一系列控制變量，主要是企業的異質性因素（如成立年限、規模、所有制等變量）。除此之外，本文在回歸模型中還包含了城市和行業虛擬變量，分別使用和表示，和表示回歸模型的隨機誤差項。

在對企業融資約束和企業融資行為進行實證研究的文獻中，存在兩種基本的研究取向：一種是把企業融資約束和融資行為視為連續變量，繼而運用OLS回歸方法分析相關因素的影響。因此本文采用文獻中廣泛使用的有序probit模型進行估計[3]。在本文的穩健性檢驗中，本文也采用OLS的方法進行回歸，以檢驗回歸結果的穩健性。

對于企業感知的融資難度變量，fc的取值為1-5，其中1表示“沒有障礙”、5表示“障礙嚴重”。如前文所述，本研究中的被解釋變量均為排序數據，一般而言，有序概率模型可以設定如下：

（3）

其中，為被解釋變量。Xi表示一系列影響企業融資約束的變量，例如成立年限、規模等。為某非線性函數，其具體形式為：

（4）

其中，為帶估計參數，稱為切點。是fc背后存在的潛變量，并滿足：

（5）

三、變量選取與描述性統計

首先是因變量——融資約束。目前對于企業融資約束（fc）的度量存在較多爭議，根據本文分析梳理的文獻中的度量方法，本文發現在已有文獻中，研究者經常使用的企業融資約束衡量方法有如下三種：第一種是根據企業相關的財務信息進而通過計算企業投資的Euler方程進行衡量；第二種是使用企業的現金敏感度的變化進行衡量；第三種是在進行調查時通過對企業的融資狀況進行詳細的詢問，進而設置相應的變量，以此來度量企業對融資的難度感知或企業實際的信貸狀況進行衡量。

借鑒已有研究成果，并結合本文所使用的企業層面數據，本文這里采用企業對在生產經營過程中對融資障礙的自我感知來衡量企業融資約束大小[4]，這種度量方式也已經被研究者廣為采用。當然，為了檢驗本文的回歸結果的穩健性，在后文中，本文還將替換對企業融資約束的度量方式來做穩健性檢驗。

其次，對于自變量，主要包括如下變量：

①企業規模變量（size）。一般而言，對于具有較大的規模的企業而言，其可供抵押的物品也會相對充足，那么這樣的企業在需要從外部融資的時候，就不會受到銀行太多的條件限制，從而會獲得銀行的授信。本文使用企業起初經營時所雇傭員工數的自然對數來度量企業規模變量。

②企業成立年限變量（age）。對于企業的融資問題而言，成立越久的企業其經營策略將趨向于穩定，那么其對外部資金的需求就相對較小，而且成立的時間越長，則企業的在經營中積累的社會資本也就越多，從而使得企業能通過非金融機構獲得資金支持，同時這些企業也會積累大量的自有資金。本文采用調查年份減去開始經營年份作為企業的成立年限變量。

③企業所有制變量（own）。已有的國內外文獻都表明，發展中國家的正規金融機構存在所有制偏好。據此，本文以國有企業為基準組，進而設置了兩個虛擬變量，分別是外資企業（own1）和私營企業（own2）。

④企業是否出口變量（exp）。國際經濟學研究表明，企業嵌入全球價值鏈后，通過“干中學”等方式可以獲得來自國外的先進技術或管理經驗，針對中國的企業進行的研究表明，如果一個企業受到了信貸配給，則會阻礙企業進行出口，因為在企業進行出口時也要進行相應的投入。據此在本文中，其出口目的地為國際市場，則定義為有出口并賦值為1，否則為0。

⑤企業的成長性變量（gro）。一般而言，如果一個企業所在的行業屬于成長性較強的行業，或者企業在經營過程中成長性較強，則金融機構在對企業進行授信的實地調查中會觀察到企業的經驗狀況。這也會使得企業較易獲得金融機構的授信。因此本文計算了企業的銷售收入增長率，并用該數據度量企業經營的成長性。

最后，由于企業所屬行業和所在城市的不可控因素也可能會影響到企業的融資行為和金融機構對企業的授信，因此在本文中，我們回歸模型中引入了企業所在城市的虛擬變量（由此產生了4個虛擬變量，并以南京為參照組）和企業所屬行業（本文以企業所在2分位的行業代碼將進行分組，并以食品加工業為參照組）的虛擬變量，通過這兩個虛擬變量，來對不可控因素進行控制。

四、企業融資約束影響因素分析

在使用橫截面數據進行實證分析時，需要注意回歸模型中可能存在的異方差和多重共線問題。對于異方差問題，在上述變量選取中我們對一些加總后的變量（主要是企業規模變量）通過取自然對數的方式來緩解其中的異方差。對于多重共線問題，本文檢驗了自變量之間的相關系數，由于各自變量之間的相關系數都沒有超過0.5，因此我們可以推測回歸模型中的多重共線問題并不會影響了回歸結果。

對于企業所有制變量。從回歸結果可以看出，其他條件不變情況下，外資企業雖然會降低企業融資難度，但不具有統計上的顯著性。這可能與本文的外資企業樣本量小有關。對于私營企業而言，本文發現，相對于國有企業而言，私營企業在進行外部融資時，其自我感知的融資難度會增加3.86個百分點。這一結果與大多數國內外已有研究相一致。這意味著對發展中國家而言，對融資主體存在著一定的所有制歧視。

對于企業是否出口變量。結果也表明，企業出口與否并不會影響企業融資約束。雖然已有研究普遍認為融資約束會顯著影響到企業的出口行為，但反過來這一影響并不存在統計上的意義。

對于企業成長性變量。回歸結果表明，控制其他條件不變，企業成長性會降低企業自我感知的融資難度，并至少在10%水平上顯著。本文的研究說明，企業的年銷售增長率每增加1%，則企業自我感知的融資難度至少會下降2.6個百分點。

五、穩健性檢驗及結論

為了檢驗本文回歸結果的可靠性，結合本文使用的數據特點，在借鑒已有文獻通常的做法基礎上，本文采用probit、oprobit、OLS三種方式對回歸結果進行穩健性檢驗：

對于企業融資約束的度量。正如前文所述，在基本回歸中本文采用的是企業自我感知的融資難度。但對企業融資約束有多中度量方式，結合本文使用的調查問卷，在穩健性回歸中，本文采用企業是否獲得了銀行等機構的授信作為企業融資約束的度量方式，如果企業獲得了授信，則賦值為1，否則為0，然后進行回歸。

結果表明：企業規模、企業的成長性以及企業是私營企業依然與企業能否獲得金融機構的授信存在顯著關系。這再一次表明，金融機構在對中小企業進行授信時，可能關注的重點指標就是企業能否有足夠的抵押品、企業能否獲得穩定的收入或現金流以及企業的所有制身份。

總之，通過對江蘇省中小企業自我感知的融資約束影響因素的實證檢驗，本文發現，企業的規模、企業的年銷售增長率和企業的所有制，會顯著影響到企業的融資約束，這也意味著，未來的政策改革方面應從這三個方面入手。

注釋：

除本輪調查之外，世界銀行還分別在2002、2003和2005年在中國進行了相似的“投資環境”調查，本文使用的是最新的一輪調查數據。

這25個調查城市包括：北京、廣州、深圳、東莞、佛山、唐山、石家莊、鄭州、洛陽、合肥、武漢、南京、蘇州、無錫、南通、上海、沈陽、大連、濟南、煙臺、青島、杭州、寧波、溫州和成都。

也有很多學者將排序變量直接看作為連續變量，從而直接使用OLS方法進行回歸，例如左翔和李明（2016）、周廣肅、樊綱和申廣軍（2014）等在研究過程中就直接將排序變量看作為連續型變量，而直接采用OLS方法進行回歸。

采用這種度量方式的缺點是企業融資約束的自我感覺容易受到企業過去的經歷和企業經營績效的影響，本文在穩健性檢驗中區分了企業的生產績效。（作者單位為南京大學）