大型企業異質性沖擊與經濟增長率和中小企業生產率

唐齊鳴　趙傳璽

摘 要：本文基于2000—2018年中國上市企業數據，從粒度特征角度構建異質性沖擊的衡量指標，研究了最大100家企業異質性沖擊對經濟增長率的影響和11個分行業大型企業異質性沖擊對行業內中小企業生產率的影響。研究結果顯示：最大100家企業異質性沖擊與經濟增長率顯著正相關;11個分行業大型企業異質性沖擊與行業內中小企業生產率顯著負相關，其通過加劇中小企業的融資約束來降低其生產率，且在低技術行業、非國有企業和新企業中尤其顯著。本文的研究結論不僅補充了關于企業異質性沖擊方面的已有文獻，也為政策制定者提供了新思路。

關鍵詞：異質性沖擊;經濟增長;企業生產率;融資約束;粒度特征

中圖分類號：F425文獻標識碼：A

文章編號：1000-176X（2020）06-0122-08

一、問題的提出

自2018年以來，中國經濟受到國內外不確定性因素的共同作用：在國內層面，宏觀上面臨著順周期下行的壓力，微觀上面臨高企業杠桿率、產能過剩和家庭債務增加等問題;在國際層面，中美貿易摩擦使得中國金融開放程度加快，面臨著全球金融市場相互依存的風險。重要的、系統性的金融機構存在規模較大、結構和業務復雜、與其他金融機構關聯性強的特點，一旦倒閉或遭遇困境事件，可能將對金融體系或實體經濟產生不利影響。2008年9月雷曼兄弟破產后美國次貸危機急速加速就證明了這一點。2008年全球金融危機讓人們意識到需要保住重要的、系統性的大型機構。經濟狀態取決于相互依賴的大型企業的行為，大型企業之所以重要，是因為企業存在粒度特征（Granular Effect）。粒度特征是指如果經濟中的企業規模為冪律分布，即呈現厚尾特征——少數大型企業與大量小型企業共存，這種特征會使中心極限定理失效，大型企業異質性沖擊在總體上不會相互抵消。Bremus等[1]認為，在金融較為封閉的經濟體中，粒度特征更顯著。Gabaix[2]根據非金融機構的粒度特征提出了粒度假說理論（Granular Hypothesis），該理論認為大型企業受到的異質性沖擊不會相互抵消，對總體波動的影響顯著。因此，不僅要關注經濟順周期性波動沖擊，防止各種沖擊通過金融體系內部或者金融體系與宏觀經濟的相互作用被催生甚至放大，也要關注大型機構，防止各種沖擊通過機構之間的相互關聯性，導致金融體系或宏觀經濟體系受到較大影響，防止發生系統性金融風險。

Gabaix[2]最早利用物理學中的粒度概念研究了美國最大100家企業，使用規模加權沖擊與總收入之比構建了粒度殘差指標，發現經濟總產出的波動很大一部分來自于大型企業受到的異質性沖擊，可見大型企業對經濟的影響不容忽視。Corsetti等[3]提出了一個模型來解釋大型交易者對小型交易者行為的影響。Siriwardane[4]發現，少量出售者存在的信用違約互換（CDS）市場，市場集中度很高，因而CDS合約價格受到出售者的影響很大。Blank等[5]研究了德國銀行業異質性沖擊，發現大型銀行受到的成本沖擊將增加小銀行破產的可能性。Jinjarak和Zheng[6]揭示了大型金融機構與全球各個市場投資風險之間的關系，研究結果表明，對大型企業投資者的異質性沖擊能夠顯著影響市場風險和跨市場風險的相互依賴性，此影響在2007—2009年尤為突出。此外，Di Giovanni和Levchenko[7]在國際貿易領域擴展了粒度假說理論，發現更開放的貿易對宏觀經濟增長的影響更大。

近年來，國內已有一些研究關注了機構異質性沖擊。然而，鮮有研究涉及中國企業以及各行業大型企業的粒度特征。目前，中國少數大型企業與大量小型企業共存，規模前100的企業在過去10年里平均總收入占GDP將近20%，一些行業中存在“一支獨大”的現象。任曙明和呂鐲[8]認為，受制于金融市場的發展落后，中國存在著金融資源配置不合理和大型企業資源壟斷現象，表征是中小企業融資難及融資貴，融資約束對其生產率產生較大的負面影響。從這個意義上來講，解讀行業的異質性沖擊與中小企業生產率的關系就成為一個非常有意義的話題。林毅夫等[9]認為，該主題的研究主要聚焦于宏觀維度，從微觀企業角度的研究證據相對較少。

本文基于2000—2018年中國上市企業數據，從粒度特征角度構建異質性沖擊的衡量指標，研究了最大100家企業異質性沖擊對經濟增長率的影響和11個分行業大型企業異質性沖擊對行業內中小企業生產率的影響。上述文獻為本文提供了研究思路，本文的貢獻在于：首先，從粒度特征角度構建異質性沖擊指標，分析了最大100家企業異質性沖擊對經濟增長率的影響。既從學術上豐富了粒度假說理論，也有助于防范由大型企業異質性沖擊引起的系統性風險。其次，分析了11個分行業大型企業異質性沖擊對行業內中小企業生產率的影響，并從債務比率和投資—現金流敏感性視角探討了其影響機制。

二、理論分析與研究假設

理論上，大型企業異質性沖擊引起整體波動，主要源于以下兩個方面：首先，Gabaix[2]證明了當系統中企業規模為冪律分布時，大型企業受到的沖擊不能被分散，可能產生總體波動，他將其稱為粒度假說理論。該理論與傳統觀點中心極限定理相悖，中心極限定理認為，當系統中有數以萬計的公司時，正向沖擊與負向沖擊可能會相互抵消。然而，當少數大型企業與大量小型企業共存時，大型企業受到的異質性沖擊對總體發展的影響不會被抵消。Bremus等[1]提到，尤其是在財務較為封閉的經濟體中，粒度特征往往不容忽視。其次，Di Giovanni和Levchenko[10]認為，大型企業的重要地位體現在國際貿易是顯著影響宏觀經濟增長的重要因素。然而，大型企業異質性沖擊會通過企業之間的相互聯系來影響整體波動。這是由于大型企業每年可能從其他企業消費產品和服務，例如，軟件開發、物流、食品服務和辦公用品等。當大型企業與小型企業企業互動時，這些小型企業可能會在其組織結構、管理實踐和運營等方面作出改進。這些變化有利于小型企業技術升級和提升效率，進一步實現財務穩定。另外，受益于大型企業的新知識和新模式的溢出效應，同行業的小型企業可能更容易獲得信貸和其他商業機會。當一些小型企業改進其系統或商業模式時，其他小型企業會從中學習并提高自身競爭力，進而提高整個小型企業的生產效率。

粒度假說理論在不同國家得到了經驗證據的支持。Ignacio[11]利用1988—2011年11個歐盟國家按產品劃分的出口數據，得出主要產品的異質性沖擊可能對較小國家的總出口產生重大影響的結論。Blank等[5]構建了銀行業粒度殘差指標，分析了歐洲大型銀行信貸的異質性沖擊對實體經濟的影響，發現大型銀行信貸的變化對GDP增長具有顯著的短期影響，產生這種影響的主要驅動因素為負信貸增長，且東歐地區比西歐地區更顯著。Buch和Neugebauer[12]分析了2005—2013年德國銀行的主權債務敞口數據，發現主權債券主要由規模較大的銀行持有，且低風險的政府債券降低了德國銀行的風險，尤其是儲蓄銀行和合作銀行。Jinjarak[6]揭示了大型金融機構與全球各個市場投資風險之間的關系，對大型企業投資者的異質性沖擊能夠顯著影響市場風險和跨市場風險的相互依賴性，此影響在2007—2009年全球金融危機期間尤為突出。

自1999年以來，中國最大規模的企業總收入占GDP的比重不斷上升，從小于5%到2017年將近四分之一，可見企業規模分布存在冪律分布特征。另外，相較于發達國家，中國金融開放度較低且較為封閉，當企業規模分布存在冪律分布時，大型企業受到的異質性沖擊也可能會影響到經濟增長率。在金融機構中，中國五大國有商業銀行和國有控股企業在銀行借貸中占主導地位，集中程度較高，規模也存在分布不均的情況。張天頂和趙夢婷[13]參照Gabaix[2]與Blank等[5]的研究范式，揭示了中國商業銀行的信貸沖擊具有顯著的實際經濟效應，其研究證明了中國商業銀行信貸規模服從冪律分布，這表明商業銀行信貸增長的異質性沖擊將不能在商業銀行之間相互抵消，會影響到宏觀經濟總體運行績效?；趯鴥韧馕墨I的梳理，筆者提出如下假設：

假設1：大型企業異質性沖擊與經濟增長率顯著正相關。

大型企業更容易從金融機構獲得信貸支持，因而中小企業面臨的融資約束會對其生產率產生負面影響，原因如下：首先，融資約束導致中小企業改變投資決策，放棄一些本應獲利的投資項目，尤其是具有長期性特征的助推企業提高生產率的投資機會。Myers和Majluf[14]認為，中小企業的融資難加劇了融資貴的惡性循環，倒逼企業使用內部沉淀或者積累的資金進行固定資產投資。然而，Badia和Slootmaekers[15]認為，有價值的投資項目規模和資金需求往往較為巨大，單純依靠企業自身資金難以負擔，導致企業放棄投資，從而資源配置失調，進而拉低了生產效率。其次，融資約束將中小企業置于高流動性風險環境內。Aghion等[16]發現，由于不確定性因素的存在，一般企業沒有意愿投資高收益但回收周期長的項目，尤其是基礎技術領域內的項目，此種選擇影響了企業技術進步和效率提升。最后，融資約束嚴重制約了中小企業的技術升級和產品研發，阻礙了生產率的有效提升。蔡衛星[17]發現，產品研發往往需要投入大量前期資金和沉沒成本，對于新興行業的中小企業，其融資來源主要為內源性融資，資金不足和融資來源匱乏導致產品研發停滯，進而使生產率無法得到提升?；谏鲜龇治觯P者提出如下假設：

假設2：受融資約束的影響，大型企業異質性沖擊與中小企業生產率顯著負相關。

三、研究設計

（一）變量定義

1.被解釋變量

經濟增長率（Growth），借鑒Gabaix[2]與張天頂和趙夢婷[13]，本文使用季度GDP增長率（gGDP）、季度人均GDP增長率（gGDPppl）和季度工業增加值增長率（IndAdd）三個指標衡量。

中小企業生產率（g），借鑒蔡衛星[17]、簡澤等[18]與任曙明和呂鐲[8]，定義勞動生產率z的表達式為：zit=ln（TotalRevit/nit）。其中，TotalRev為企業營業收入，n為企業員工人數。進而，定義中小企業生產率為：git=zit-zi，t-1。其中，g為中小企業生產率的近似值。

2.解釋變量

最大100家企業異質性沖擊（GR_100），本文用粒度殘差指標衡量?；贕abaix[2]的方法，將理想的粒度殘差指標Γ*定義為：Γ*t=∑Ki=1Si，t-1/Yt-1εit。其中，S表示企業總收入，Y表示GDP，K為100。上式表示加權規模下企業異質性沖擊總和。為了得到ε，用t-1時期的Q≥K個企業來估計企業異質性沖擊。利用估計的企業生產率g得到it=git-′Xit，X表示樣本的平均增長率。粒度殘差指標Γ為：Γt=∑Ki=1Si，t-1/Yt-1it。若Γ與Γ*十分接近，則認為識別出了粒度殘差指標。有兩點需要說明：第一，可以使用最簡單的方法，即等權規模來控制樣本中的平均增長率，Xit=git，git=Q-1∑Qi=1git。實際中，通常用K=100來構建粒度殘差指標，Q=1 000或100來計算平均值。進而得到：GR_100t=Γt=∑Ki=1Si，t-1/Yt-1（git-git）。此外，使用企業i所在行業的平均生產率g來表示平均增長率，Xit=gIndit，有：GR_100t=Γt=∑Ki=1Si，t-1/Yt-1（git-gIndit）。上式代表加權規模下企業生產率減去行業內平均企業生產率。（git-gIndit）更加接近真實ε，因為gIndit更好地控制了企業所在行業內的波動，比如整個行業的價格波動。本文使用后一種方法，原因在于其控制了最大100家上市企業所在行業的平均增長率，得到的粒度殘差指標更加接近真實的ε。

分行業大型企業異質性沖擊（GR_Ind），同理也用粒度殘差指標衡量。由于每一行業大型企業的數量不同，每一行業中最大的K家企業取值不同，用n表示。因此，用GR_Ind表示K=n時分行業大型企業異質性沖擊，計算公式如下：GR_Indt=Γ_Indt=∑K=ni=1Si，t-1/Yt-1（git-gIndt）。其中，Ind表示行業;Si，t-1/Yt-1表示分行業內大型企業i在t-1時期產量與行業總產值的比值。除了分行業大型企業異質性沖擊反映行業的集中度外，赫芬達爾指數也被廣泛使用，后文用其作為替代指標進行穩健性檢驗。市場集中度（HHI），用企業所在行業的赫芬達爾指數衡量。

3.調節變量

債務比率（DebtR），用企業總負債與總資產的比值衡量;企業現金流（CF），用（營業利潤+當期折舊）/總資產衡量。

4.控制變量

借鑒Blank等[5]與張天頂和趙夢婷[13]，宏觀經濟層面控制變量包括：信貸總額占GDP比重（Credit）、進出口總額占GDP比重（Trade）、居民消費價格指數（CPI）、政府消費占GDP比重（Gov）。

借鑒簡澤等[18]與任曙明和呂鐲[8]，企業層面控制變量包括：企業規模（Asset），用總資產的自然對數值衡量;財務杠桿（Lev），用企業總負債與股東權益的比值衡量;技術選擇（KI），用企業人均資本的自然對數值衡量;企業年齡（Age），用（樣本年份-成立年份）的自然對數值衡量;企業所在省份宏觀經濟增速（GDP_pro）。

（二）數據說明

本文使用的企業數據主要來自于國泰安數據庫，包括中國A股市場2000年1月1日至2018年12月31日的所有上市企業?；谠紨祿?，做如下處理：剔除行業中金融類企業，其中，包括貨幣金融服務類、其他金融類、資本市場服務類、保險類企業;剔除ST和*ST類企業，共得到3 461家企業，剔除觀測值缺失的樣本，最終得到29 318個觀測值;本文使用的國民經濟核算指標類數據來自于國家統計局數據庫。

根據《國民經濟行業分類》（GB/T 4754—2017）中行業代碼（字母）門類代碼，并結合《統計上大中小微型企業劃分標準》，本文將樣本數據劃分為11個行業，分別為：農、林、牧、漁業;采礦業;制造業;電力、熱力、燃氣及水生產和供應業;建筑業;批發業和零售業;交通運輸和倉儲業;住宿和餐飲業;信息傳輸、軟件和信息技術服務業;房地產業;其他行業。根據《統計上大中小微型企業劃分標準》中從業人數、銷售金額和資產總額等三項指標，對不同行業的大中小企業進行劃分。如此劃分的原因如下：首先，以從業人數劃分企業類型，清晰簡單，符合國際通用做法。其次，客觀上，總收入反映了企業真實的經營體量和市場競爭實力，且該指標在中國現行指標中數據較為完整，獲取難度較低。最后，資產總額指標從生產要素和資源兩個維度體現了公司整體規模。

（三）模型設定

為了分析中國最大100家企業異質性沖擊對經濟增長率的影響，構建如下模型：

Growthit=β0+β1Growthi，t-1+β2GR_100it+∑βmControlsit+Yeart+εit（1）

其中，i和t分別表示企業和年份;Controls表示一系列控制變量，包括信貸總額占GDP比重（Credit）、進出口總額占GDP比重（Trade）、居民消費價格指數（CPI）和政府消費占GDP比重（Gov）;Year表示時間效應;ε表示隨機擾動項。

為了分析分行業大型企業異質性沖擊對中小企業生產率的影響，構建如下模型：

git=β0+β1GR_Indit+∑βmControlsit+Indi+Yeart+λi+εit（2）

其中，Controls表示一系列控制變量，包括企業規模（Asset）、財務杠桿（Lev）、技術選擇（KI）、企業年齡（Age）、企業所在省份宏觀經濟增速（GDP_pro）;Ind、Year和λ分別表示行業固定效應、時間效應和個體效應;ε表示隨機擾動項。

四、實證結果及分析

（一）描述性統計分析

表1是主要變量的描述性統計結果，分行業大型企業異質性沖擊的標準差比最大100家企業異質性沖擊的標準差大，意味著分行業異質性沖擊差別很大;中小企業生產率的均值為0.117，且在樣本期間呈穩步上升趨勢，但分行業大型企業異質性沖擊為穩步下降趨勢。

（二）基準回歸結果及分析

1.最大100家企業異質性沖擊與經濟增長率

表2是最大100家企業異質性沖擊與經濟增長率的回歸結果，列（1）、列（2）和列（3）分別報告了全國季度GDP增長率（gGDP）、季度人均GDP增長率（gGDPppl）和季度工業增加值增長率（IndAdd）作為被解釋變量的系統GMM回歸結果。

從表2可以看出，列（1）最大100家企業異質性沖擊的回歸系數為1.412，且在1%的水平下顯著，說明最大100家企業異質性沖擊對經濟增長率具有顯著正向影響。列（2）和列（3）顯示，最大100家企業異質性沖擊的回歸系數分別為1.486和0.932，且均在1%的水平下顯著。假設1得以驗證。其他控制變量的回歸結果也與其經濟含義一致。

2.分行業大型企業異質性沖擊與行業內中小企業生產率

表3是分行業大型企業異質性沖擊與行業內中小企業生產率的回歸結果，列（1）和列（2）分別報告了沒有控制變量和引入控制變量的固定效應回歸結果。

從表3可以看出，列（1）和列（2）顯示，分行業大型企業異質性沖擊的回歸系數均為負，且在5%水平下顯著，在加入了控制變量后，系數的絕對值有所增長，說明分行業大型企業異質性沖擊會顯著降低行業內中小企業生產率，假設2得以驗證。

（三）分行業大型企業異質性沖擊對行業內中小企業生產率的影響機制

1.基于債務比率的討論

Myers和Majluf[14]與Aivazian等[19]認為，分行業大型企業異質性沖擊影響行業內中小企業生產率的核心環節在于其面臨的融資約束，債務較高可能是限制中小企業進行外部融資來投資或產生投資激勵的原因。為了檢驗分行業大型企業異質性沖擊對行業內中小企業融資約束的影響，構建如下模型：

git=α0+α1GR_Indit+α2GR_Indit×DebtRi，t-1+α3DebtRi，t-1+∑αmControlsit+Indi+Yeart+λi+εit（3）

其中，Controls表示一系列控制變量，與模型（2）中的控制變量相同。

表4是分行業大型企業異質性沖擊與行業內中小企業的融資約束的回歸結果。

表4列（1）是基于模型（3）的回歸結果，分行業大型企業異質性沖擊與債務比率交互項的回歸系數為負，且在1%的水平下顯著，說明分行業大型企業異質性沖擊越大，行業內中小企業債務比例越高，進而導致其生產率越低。

2.基于投資—現金流敏感性的討論

本文借鑒Fazzari等[20]構建的投資—現金敏感性模型，檢驗分行業大型企業異質性沖擊對行業內中小企業融資約束的影響，構建如下模型：

I/Kit=α0+α1GR_Indit+α2GR_Indit×CFi，t-1+α3CFi，t-1+∑αmControlsit+indusi+Yeart+λi+εit（4）

其中，I/K表示企業新增投資，用周期內固定資產增量/期初固定資產衡量;Controls表示一系列控制變量，與模型（2）中的控制變量相同。

Fazzari等[20]認為，融資約束程度較高時，企業更加傾向于使用內部資金完成融資，即項目投資所需資金多來自于企業自身現金流。由此，若CF的系數α3顯著為正，則系數反映融資約束程度。各行業大型企業異質性沖擊與現金流指標的交互項，即GR_Ind×CF表明往往大型企業正向異質性沖擊對同行業中小企業融資約束具有額外效應，若交互項系數α2顯著為正，則表示各行業企業異質性沖擊加劇了中小企業的融資約束。

表4列（2）是基于模型（4）的回歸結果，企業現金流的回歸系數為正，且在1%的水平下顯著，說明現金流對投資支出具有正向效應;分行業大型企業異質性沖擊與內部現金流的交互項系數顯著為正，說明大型企業異質性沖擊提高了行業內中小企業的投資—現金流敏感性。由于企業更多地依賴于內部資金進行融資決策，進而企業投資所需資金則主要來源于自身現金流。因此，分行業大型企業異質性沖擊通過加劇行業內中小企業的融資約束，導致其生產率下降，假設2進一步得以驗證。

3.不同企業特征的分類討論

Bah和Dumontier[21]與王燕梅[22]研究發現，從行業屬性角度，較之低技術行業，高技術行業企業受限于無形資產占比過高，融資約束尤甚。Claessens和Tzioumis[23]的研究表明，從企業性質角度，非國有企業比國有企業更有可能面臨融資約束。從企業生命周期角度，張杰等[24]發現，信息不對稱導致了新企業比老企業更容易遭遇融資約束。因此，本文根據上述三個維度劃分子樣本，比較分行業大型企業異質性沖擊對行業內中小企業生產率的影響在異質性企業中的差異。具體而言，按照國家統計局公布的行業分類標準，可以將中小企業分為兩大類，即高技術行業和低技術行業;按照國泰安數據庫的企業股權性質劃分，將股權結構中含有國有股的中小企業歸入國有企業，其他則歸為非國有企業;根據企業年齡不同，分為新企業和老企業兩類企業，具體回歸結果如表5所示。

從表5中可以看出，分行業大型企業異質性沖擊對行業內中小企業生產率具有負向沖擊，這在具有強融資約束特征的非國有和新企業中更為顯著。然而，與預期不同的是，在高技術行業中，大型企業異質性沖擊會對中小企業生產率有顯著正向影響，但是在低技術產業中，作用方向相反，這與張杰等[24]與蔡衛星[17]的研究結果一致。可能的原因是，高技術產業需大量依靠產品研發來促進生產效率提升，而這一過程需要巨大的資金投入和沉沒成本，對于新興的、技術密集型中小企業，很難承擔研發活動所需的巨額前期投入，但他們可以得益于行業內大型企業新興技術或創新模式的應用來提高企業生產率，即大型企業異質性沖擊在高技術產業中具有很強的正外部效應。

（四）穩健性檢驗

1.次貸危機下分行業大型企業異質性沖擊

為了增強結論的穩健性，研究次貸危機期間分行業大型企業異質性沖擊對行業內中小企業生產率的影響，本文將樣本時間選擇為2007—2009年重新回歸。穩健性檢驗結果顯示，限于篇幅，穩健性檢驗結果未在正文列出，留存備索。大型企業異質性沖擊的回歸系數為-0.307，且在10%的水平下顯著，因此，即使在全球金融危機的影響下，分行業大型企業異質性沖擊依然與行業內中小企業生產率顯著負相關，證實了研究結果的穩健性。

2.使用替代指標

本文使用市場集中度替代分行業大型企業異質性沖擊進行回歸，穩健性檢驗結果顯示，市場集中度的回歸系數顯著為負。市場集中度越高，代表行業結構的壟斷程度越大，該結果與上文一致。

五、研究結論與政策建議

本文基于2000—2018年中國上市企業數據，從粒度特征角度構建異質性沖擊的衡量指標，研究了最大100家企業異質性沖擊對經濟增長率的影響和11個分行業大型企業異質性沖擊對行業內中小企業生產率的影響。研究發現：最大100家企業異質性沖擊與經濟增長率顯著正相關;11個分行業大型企業異質性沖擊與行業內中小企業生產率顯著負相關，其通過加劇中小企業的融資約束來降低其生產率，且在低技術行業、非國有企業和新企業中尤其顯著。

根據以上研究結論，筆者提出如下政策建議：首先，對于政府而言，要繼續深化經濟體制改革。優化市場資源配置，做好頂層設計，兼顧大型企業的發展與中小企業的成長，促進各類型企業良性發展。同樣，應當以“大型創新企業為驅動，帶動中小企業發展”的整體思路制定政策目標，并防范由大型龍頭企業異質性沖擊引起的系統性風險。其次，對于大型企業而言，應持續提升產品質量、服務質量和市場競爭力，提高自身的生產效率和市場占有率。最后，對于中小企業而言，要克服資源錯配的困境，堅持通過發展創新推動自身成長。

參考文獻：

[1] Bremus，F.，Buch，C.，Russ，K. Big Banks and Macroeconomic Outcomes：Theory and Cross-Country Evidence of Granularity[R]. National Bureau of Economic Research Working Paper Series， No. 19093，2013.

[2] Gabaix，X. The Granular Origins of Aggregate Fluctuations[J]. Econometrica，2011，79（3）：733-772.

[3] Corsetti，G.，Dasgupta，A.，Morris，S.， et al. Does One Soros Make a Difference？ A Theory of Currency Crises With Large and Small Traders[J]. Review of Econmic Studies，2004，71（1）：87-113.

[4] Siriwardane， E. Limited Investment Capital and Credit Spreads[R].Harvard Business School Finance Working Paper，No.16-007，2018.

[5] Blank，S.，Buch，C. M.，Neugebauer，K.Shocks at Large Banks and Banking Sector Distress： The Banking Granular Residual[J]. Journal of Financial Stability，2009，5（4）：353-373.

[6] Jinjarak，Y.，Zheng，H. Granular Institutional Investors and Global Market Interdependence[J].Journal of International Money and Finance，2014，46（3）： 61-81.

[7] Di Giovanni，J.，Levchenko，A.A. Country Size，International Trade，and Aggregate Fluctuations in Granular Economies[J]. Journal of Political Economy，2012，120（6）：1083-1132.

[8] 任曙明，呂鐲.融資約束、政府補貼與全要素生產率——來自中國裝備制造企業的實證研究[J].管理世界，2014，（11）：10-23.

[9] 林毅夫，孫希芳，姜燁.經濟發展中的最優金融結構理論初探[J].經濟研究，2009，（8）：4-17.

[10] Di Giovanni，J.，Levchenko，A. A.Large Firms and International Business Cycle Co-Movement[J]. The American Economic Review，2017，107（5）：598-602.

[11] Ignacio，D.R.The Granular Hypothesis in EU Country Exports[J].Economics Letters， 2013， 120（3）：433-436.

[12] Buch，C. M.， Neugebauer，K. Bank-Specific Shocks and the Real Economy[J]. Journal of Banking and Finance， 2011， 35（8）：1-21.

[13] 張天頂，趙夢婷.商業銀行部門、特質性沖擊以及中國省際經濟增長[J].南方金融，2013，（9）：4-10.

[14] Myers，S.，Majluf，N.Corporate Financing and Investment Decisions When Firms Have Information That Investors Do not Have[J].Journal of Financial Economics，1984，13（2）：187-221.

[15] Badia，M.，Slootmaekers，V.The Missing Link Between Financial Constraints and Productivity[R].IMF Working Paper，No.72，2009.

[16] Aghion，P.G.，Angeletos，A.，Banerjee，K. M. Volatility and Growth： Credit Constraints and Productivity-Enhancing Investment[R]. NBER Working Paper，No.11349，2005.

[17] 蔡衛星.銀行業市場結構對企業生產率的影響——來自工業企業的經驗證據[J].金融研究，2019，（4）：39-55.

[18] 簡澤，張濤，伏玉林.進口自由化、競爭與本土企業的全要素生產率——基于中國加入WTO 的一個自然實驗[J].經濟研究，2014，（8）：120-132.

[19] Aivazian，V.A.，Ge，Y.，Qiu，J. The Impact of Leverage on Firm Investment： Canadian Evidence[J]. Journal of Corporate Finance， 2005，11（1）：277-291.

[20] Fazzari，S. M.，Hubbard，R. G.，Petersen，B. C.Financial Financing Constraints and CorporateInvestment[J]. Brooking Papers on Economic Activity，1988，19（1）：141-206.

[21] Bah，R.，Dumontier，P.R&D Intensity and Corporate Financial Policy： Some International Evidence[J]. Journal of Business Finance and Accounting，2011，28（5）：672-692.

[22] 王燕梅.高技術產業化中的融資問題研究[J].中國工業經濟，2000，（9）：67-71.

[23] Claessens，S.，Tzioumis，K. Measuring FirmsAccess to Finance[R]. World Bank Working Paper，2006.

[24] 張杰，蘆哲，鄭文平，等.融資約束、融資渠道與企業R&D投入[J].世界經濟，2012，（10）：66-90.

（責任編輯：孫 艷）

收稿日期：2020-02-15

基金項目：國家社會科學基金一般項目“基于分層管理視角的系統性風險順周期性波動效應與異質性沖擊效應研究”（19BJY258）

作者簡介：唐齊鳴（1956-），女，湖北武漢人，教授，博士，博士生導師，主要從事金融計量學、貨幣金融理論等方面研究。E-mail：tqm@hust.edu.cn

趙傳璽（1992-），女，河南鄭州人，博士研究生，主要從事金融計量學研究。E-mail：zhaochuanxi1218@163.com