僵尸企業與中國全要素生產率動態演進*

李旭超 申廣軍 金祥榮

（1.武漢大學經濟發展研究中心 湖北武漢 430072）

（2.中山大學嶺南學院 廣東廣州 510275）

（3.寧波大學商學院 浙江寧波 315211）

一、引言

全要素生產率（TFP）是解讀我國經濟發展的重要視角（楊汝岱，2015），而我國經濟增長的主要議題之一就是如何轉向TFP驅動型增長（蔡昉，2013）。近年來，我國經濟增速下滑引起社會各界討論甚至擔憂，許多經濟學家將其歸因于TFP增速的下滑（賴平耀，2016；Wei等，2017）。本文嘗試從僵尸企業切入，探討我國TFP增速下降的原因和機制。

僵尸企業是指喪失盈利能力和償債能力，卻能依靠外部支持存活下來的企業。僵尸企業源于企業退出機制的失靈和扭曲，妨害我國經濟增長和轉型升級（羅德明等，2012；李旭超等，2017；何帆和朱鶴，2016；聶輝華等，2016）。政府對于處置僵尸企業高度重視：2015年12月9日，國務院總理李克強在國務院常務會議上首次對僵尸企業提出了具體的清理標準，即要對持續虧損三年以上且不符合結構調整方向的企業采取資產重組、產權轉讓、關閉破產等方式予以“出清”；習近平主席在2017年7月召開的全國金融工作會議上的講話也重點指出，“推動經濟去杠桿，抓好處置僵尸企業工作”，以防范系統性金融風險；2019年6月的全國政協常委會議小組會上，“如何做好僵尸企業的界定和處置”被反復提及。那么，僵尸企業在多大程度上阻礙TFP增長？通過什么渠道影響TFP增長？理解僵尸企業對TFP動態演進的影響具有重要的現實意義。

根據1998—2013年中國工業企業數據庫，本文首先識別僵尸企業并分析其基本特征。在時間維度上，相比2008—2009年，2011—2013年我國制造業領域僵尸企業呈現出獨有的特征：一方面，隨機前沿的絕對數量和數量比例都在下降；另一方面，其資產占比和負債占比都顯著提高，并且負債占比以更快的速度增長。僵尸企業負債狀況的惡化，使得處置僵尸企業變得更加重要和緊迫。就行業維度而言，僵尸企業分布的行業特征明顯，與產能過剩行業重合度非常高，表明處置僵尸企業與化解產能過剩是緊密聯系的經濟問題。

實證研究顯示，僵尸企業顯著地降低了加總TFP的增長速度。省份—行業層面的僵尸企業資產占比增加1個百分點，加總TFP增長率降低0.19個百分點。僵尸企業的負面影響具有跨行業特征，不僅不利于本省本行業的TFP增長，而且顯著降低了本省其他行業的TFP增長速度。本文進一步實證檢驗僵尸企業影響TFP增長的渠道。根據動態OP分解方法，加總TFP的增長有四個來源，即技術進步、資源配置、企業進入和企業退出。機制分析發現，僵尸企業降低我國制造業企業加總TFP增長的最主要渠道是阻礙技術進步和資源配置。省份—行業層面的僵尸企業資產占比增加1個百分點，通過技術進步效應和資源配置效應分別降低TFP增長率0.19個百分點和0.12個百分點。僵尸企業通過企業進入效應對TFP增長率有正面作用，這主要是因為僵尸企業提高了企業進入市場的難度，通過“選擇效應”淘汰了低生產率的潛在進入者。僵尸企業對企業退出效應的影響在統計上不顯著。雖然低效率的僵尸企業以更高的概率退出市場，有助于提升TFP增長率，但僵尸企業也擠占了正常企業的資源，提高了正常企業退出市場的概率，從而抵消了對TFP增長率的提升作用。本文通過加入更多控制變量、設計替代的外生變量、更換僵尸企業識別方法等多種手段檢驗了上述結論的穩健性。

對于僵尸企業產生的原因，文獻進行了大量的探討，但對于僵尸企業如何影響轉型升級，特別是對于僵尸企業影響加總TFP的機制等方面缺乏嚴謹的實證分析。何帆和朱鶴（2016）認為企業“僵而不死”的原因有政府和銀行兩個層面，包括地方政府保障就業、保證財政收入、維持社會穩定的動機，銀行掩蓋不良貸款、防止資本金損失、防止系統性風險的動機等。聶輝華等（2016）認為僵尸企業的生成主要是由于五個方面原因，即政企合謀、地方政府之間和國企之間的惡性競爭、經濟刺激、外部需求沖擊和銀行的信貸歧視等。申廣軍（2016）從新結構經濟學的原理出發，認為僵尸企業承載了國家發展的戰略性政策負擔，進入不具備比較優勢的行業或者使用不具備比較優勢的技術，因而喪失了自生能力。與現有著重分析“原因”的文章不同，本文分析僵尸企業造成的“結果”及其機制，即分析僵尸企業對加總TFP動態演進的影響。本文既提供了省份—行業層面的宏觀證據，又提供了企業層面的微觀證據；既從研究視角上補充了現有文獻，又為進一步認清僵尸企業的危害提供了理論支持，對政策制定也具有一定的借鑒作用。同時，本文從僵尸企業角度出發，結合宏觀和微觀證據，補充了關于我國TFP增長速度下降原因的文獻。

本文剩余部分組織如下。第二部分說明數據處理過程和得到的經驗觀察，包括僵尸企業的識別、僵尸企業的特征、加總TFP的分解；第三部分分析僵尸企業對TFP增長率的影響；第四部分討論具體的影響機制，并從指標設計、僵尸企業識別方法等方面進行穩健性檢驗；最后第五部分總結全文。

二、經驗觀察

（一）僵尸企業的識別和特征

本文使用1998—2013年中國工業企業數據，參考Brandt等（2012）、楊汝岱（2015）等研究的方法對數據進行清理。由于2008—2013年的工業企業數據缺乏工業增加值等計算TFP的核心指標，本文與TFP相關的內容只能使用1998—2007年的數據。

僵尸企業的識別方法通常有三種，即CHK標準、過度借貸標準和官方標準，每種方法有不同的側重點和缺陷（Caballero等，2008；申廣軍，2016）。本文使用的中國工業企業數據庫并不滿足CHK標準所要求的長期貸款、短期貸款、企業債券、借款利率等指標。因此，我們主要基于過度借貸標準來識別僵尸企業，并通過官方標準識別的僵尸企業驗證研究結論的穩健性。后文的結果表明，利用中國工業企業數據庫，根據過度借貸標準和官方標準識別的僵尸企業在絕對數量和相對比例上有差異，但時間趨勢具有一致性，僵尸企業影響我國TFP動態演進的實證結果也具有穩健性。如未經特殊說明，下文的僵尸企業專指由過度借貸標準識別的僵尸企業。具體地，參照申廣軍（2016），過度借貸標準將同時滿足以下三個條件的企業認定為僵尸企業：（1）資產負債率高于50%。資產負債率代表企業的貸款資質，實踐中一般將資產負債率超過50%視作危險信號。（2）實際利潤小于0。為排除政府的外部支持，將實際利潤定義為營業利潤扣除營業外收入和營業外支出，以此反映企業還款潛力。（3）負債比上一年有所增長。綜上，本文將資產負債率較高、還款潛力很弱，卻還能獲得源源不斷的外部資金支持的企業認定為僵尸企業。

僵尸企業的問題由來已久，2000年左右各項占比達到最高，國有企業改革使得僵尸企業快速減少，數量占比由1999—2001年的13.44%下降到2008—2009年的4.08%。然而，僵尸企業減少的趨勢在金融危機之后基本停滯，2011—2013年仍然占有4.02%。僵尸企業就業人數占比從1999—2001年的19.26%下降到2011—2013年的5.14%，其比例始終高于僵尸企業數量占比。資產占比從1998—2001年的16.76%下降到2008—2009年的6.05%，但在2011—2013年又反彈至7.90%。負債占比的趨勢特征與其他幾個比例相比變化更加劇烈，從1999—2001年的23.07%快速下降到2008—2009年的8.72%，然而2011—2013年又大幅上升到11.27%。①因篇幅所限，本文省略了相關圖表，感興趣的讀者可在《經濟科學》官網論文頁面“附錄與擴展”欄目下載，其中圖A1描述了我國制造業領域由過度借貸標準認定的僵尸企業特征。

聚焦于2011—2013年，僵尸企業最明顯的特征就是數量略有下降，資產負債狀況嚴重惡化：（1）就業高、資產高、負債高。資產占比和負債占比高達數量占比的2—3倍。（2）負債狀況惡化。相比于2008—2009年，2011—2013年僵尸企業的負債占比大幅度提高至11.27%。與之形成鮮明對比的是，數量和就業占比都延續下降趨勢，這表明數量更少的僵尸企業承擔更少的就業，卻擁有更多資產和負債，其金融風險格外值得關注。就行業而言，僵尸企業的重災區是石油加工、煉焦和核燃料加工，黑色金屬冶煉和壓延加工等重化工行業。如紡織、造紙和紙制品等勞動密集型產業也出現了較多的僵尸企業，這些行業負擔著較多的就業人數，政府出于維持就業和社會穩定的目的對其進行支持，使得它們更有可能成為僵尸企業。總之，僵尸企業具有行業特征明顯、局部惡化嚴重的特征。

（二）TFP的估計和加總

TFP被視為經濟增長最為重要的源泉。我國經濟增長如何向TFP驅動型模式轉變是一個非常重要的政策議題（蔡昉，2013），因此本文關注僵尸企業影響TFP動態演化的機理。使用微觀企業數據估計TFP的一大難題在于，資本投入和勞動投入與殘差項相關。如何處理由聯立性（simultaneity）和選擇性偏差（selection bias）導致的內生性問題，成為TFP估計方法需要重點解決的問題。雖然OP、LP等方法推動了TFP估計過程內生性問題的解決，但它們存在共線性問題，因此Ackerberg等（2015）在OP和LP的基礎上，提出了ACF方法。本文基于ACF方法估計企業TFP，所用到的主要變量如增加值、資本、勞動、投資等均采用楊汝岱（2015）的方法進行計算和調整。

首先直觀且簡單地比較僵尸企業的TFP是否低于正常企業。為了使不同行業之間的TFP具有可比性，并且考慮到不同地區和年份僵尸企業比例存在差異，我們先通過簡單回歸剔除行業、地區和年份的影響，而后比較其分布情況。通過附錄與擴展中圖A2的TFP分布可以看出僵尸企業和正常企業的TFP存在明顯的差距。僵尸企業的TFP概率密度曲線位于正常企業的左側，下尾比正常企業厚，說明僵尸企業TFP較低。然而，僵尸企業的危害不僅在于損害自身的TFP，還可能損害整個經濟體的效率，因此直接比較僵尸企業和正常企業TFP，可能會低估僵尸企業對TFP的不利影響。

本文關注的核心問題是僵尸企業如何影響加總TFP增長，以及具體的影響機制。因此，我們按照下式將單個企業的TFP加總得到省份—行業層面或全國層面的TFPAgg,t：

其中TFPit是t年企業i的TFP估計值，wit為賦予當年企業i的權重，本文以從業人數份額作為權重。這樣，加總TFPAgg,t就是企業層面TFP的加權平均值。

（三）加總TFP的動態演進與分解

本文對加總TFP的變化進行分解來探究僵尸企業影響TFP增長的具體路徑和機制。Baily等（1992）最早提出加總TFP的變化可以分解為四個部分：企業內部生產率的變化、企業間市場份額的變化、進入企業生產率變化和退出企業生產率變化。大多數文獻都是在Baily等（1992）的基礎上沿襲這一思路進行改進，如Foster等（1998）從企業生產率中分離出來市場資源配置帶來的生產率改進。然而，上述三種方法設定的參照標準并不恰當，致使分解結果對在位企業、進入企業和退出企業各自貢獻的度量不準確，并且個別分解項的經濟含義也不明晰。在Olle y和Pakes（1996）的基礎上，Melitz和Polanec（2015）提出了動態的加總TFP分解方法（Dynamic Olley-Pakes Productivity Decomposition，簡稱動態OP方法），TFP的增長Φ2-Φ1可以進行如下分解：

其中下標I、E、X分別表示在位企業、本年度進入企業和本年度退出企業，t=1,2表示第1期和第2期。加總TFP的變化分為四個來源：(φI2-φI1)表示在位企業從第1期到第2期的生產率變化，這種變化是由技術進步帶來的，稱為技術進步效應；(covI2-covI1)表示在位企業間要素配置效率變化引起的加總TFP變動，稱為資源配置效應，其中表示企業生產率與市場份額的協方差，企業i在t期的份額是sit，其生產率水平是φit；第三項S E2(ΦE2-ΦI2)表示由于新企業進入造成的加總TFP變化，稱為企業進入效應；第四項S X1(ΦI1-ΦX1)表示由于企業退出造成的加總TFP變化，稱為企業退出效應。其中SE2表示第2期新進入企業在所有企業中的市場份額，SX1表示第1期期末退出企業的市場份額，ΦE2表示新進入企業TFP的加權平均值，ΦX1表示退出企業TFP的加權平均值，ΦIt表示t期在位企業TFP的加權平均值。關于如何度量在位企業、新進入企業和退出企業對于加總TFP進步的貢獻，Melitz和Polance（2015）的參照標準更加精確。在位企業自身的技術提升時（φI2＞φI1），技術進步效應對加總TFP起到正向促進作用；如果ΦE2＞ΦI2，新進入企業的生產率高于在位企業的生產率，高效率企業的進入為加總TFP的提升帶來正效應；如果ΦI1＜ΦX1，退出企業的生產率低于在位企業的生產率，低效率企業退出為加總TFP的進步帶來正效應；covI2＞covI1意味著資源配置的改善，企業生產率與市場份額相關性提高、市場份額向高效率企業傾斜推動加總TFP的提升。與Baily等（1992）、Foster等（1998）相比，Melitz和Polanec（2015）對于參照標準的改進提高了度量的準確性，并且分解出的每一項都有明確而合理的經濟學含義。

加總TFP在1998—2007年間的平均增長率為6.7%，但增速呈現下降趨勢。根據動態OP方法分解的四種效應，企業進入效應與企業退出效應對加總TFP增長的作用很小，2002年之后企業進入效應甚至不利于TFP增長。加總TFP的增長大部分是由在位企業的技術進步和企業間的資源配置貢獻的（前者約60%，后者接近25%），這與楊汝岱（2015）的分解結果類似。但這兩種效應發揮作用的時間和趨勢也有明顯不同：1998—2007年技術進步效應逐步增強，2005—2007年TFP增長的90%以上由技術進步效應貢獻；得益于國有企業改革，資源配置效應在1998—2004年有力促進了TFP增長，但2005—2007年其作用逐漸衰退，2007年已幾乎為0。2005—2007年技術進步效應仍然很強，但加總TFP增長率下降，主要是與資源配置效應、企業進入效應與企業退出效應并未發揮其應有的作用有關。后文將分析僵尸企業對技術進步、資源配置、企業進入和退出等渠道的影響。①加總TFP動態OP分解的結果請見附錄與擴展中的圖A3。

三、僵尸企業對全要素生產率增長的影響

（一）基準回歸

為實證檢驗TFP增長率如何受到僵尸企業的影響，并分析具體的影響機制，本文建立如下計量模型：

其中下標p、j、t分別表示省份、2位數行業和年份。Ypjt是本文的考察對象，本部分主要使用省份—行業層面的TFP增長率，下一部分在分析影響機制時，將技術進步效應、資源配置效應、企業進入效應、企業退出效應作為實證分析的因變量。ZFRatiopjt是衡量僵尸企業占比的指標，本文主要使用僵尸企業資產占比，并以僵尸企業債務占比和僵尸企業數量占比作為穩健性檢驗。同時，為了克服本行業僵尸企業占比的內生性問題，本部分構建了本省其他行業僵尸企業占比作進一步檢驗。

Ctrljt是行業層面的控制變量，包括用赫芬達爾指數（HHI）衡量的行業競爭程度、用就業（對數形式）衡量企業的平均規模、行業內國有企業的資產比重、企業平均年齡（對數形式）、企業平均出口比重（出口額除以銷售產值）等，以上指標通過工業企業數據庫計算得到。Ctrlpt是省份層面的控制變量，包括金融市場發育程度、市場化程度、人均受教育年限、外商直接投資占GDP的比重、扣除科教文衛后地方財政支出占GDP的比重等。省份層面的控制變量根據《中國區域經濟統計年鑒》和《中國金融年鑒》的相關指標計算獲得。

我們首先使用省份—行業層面的面板數據，分析僵尸企業資產占比對加總TFP增長率的影響。回歸結果如表1所示。第（1）列顯示僵尸企業資產占比與加總TFP增長率顯著負相關。換言之，僵尸企業比例越高的省份—行業，加總TFP的增長越慢。后兩列依次加入省份—行業固定效應和年份固定效應，第（4）列和第（5）列分別加入行業層面和省份層面的控制變量，以排除其他因素造成的估計偏誤。結果顯示，僵尸企業資產占比的系數仍在1%的水平上顯著為負。當然，上述控制變量仍無法徹底解決遺漏變量問題，某些隨時間變化的遺漏變量仍會干擾估計結果的一致性。為了進一步排除這種干擾，模型（6）中控制了省份—年份固定效應，僵尸企業資產占比的系數仍然顯著為負。綜觀表1各列，系數均在1%水平顯著為負，系數大小也比較穩定，說明僵尸企業對TFP增長的負面作用十分穩健。根據第（6）列的結果，省份—行業內僵尸企業資產占比提高1個百分點，加總TFP增長率將降低0.16個百分點。僵尸企業資產占比的標準差為13.22，這意味著僵尸企業資產占比提高1個標準差，加總TFP增長率將降低2.1個百分點。這可以解釋16.1%的加總TFP增長率，具有經濟顯著性。

表1 僵尸企業資產占比對加總TFP增長的影響

（二）穩健性檢驗

表2使用本省其他行業僵尸企業資產占比來檢驗僵尸企業對加總TFP增長的影響。模型（1）—（4）中，核心解釋變量的系數顯著為負，進一步證明了僵尸企業對TFP增長的不利影響。根據第（1）列的結果，如果本省其他行業的僵尸企業資產比例增加1個百分點，本行業的加總TFP增長降低0.31個百分點，這一影響比本行業僵尸企業占比的影響更大，表明僵尸企業具有極強的負面溢出效應。除此之外，表2也在一定程度上降低了內生性問題帶來的干擾。表1中的省份—行業固定效應雖然有助于減少不隨時間變化的因素導致的偏誤，但我們仍擔心某些不可觀測的時變（time varying）因素，既影響該行業的僵尸企業占比，又影響該行業的加總TFP增長，從而導致回歸結果出現偏誤。表2使用p省j行業以外其他行業的僵尸企業資產占比作為解釋變量，該指標具有一定的外生性。背后的邏輯是，某一行業的特征與其他行業的僵尸企業比例沒有直接的相關性。回歸結果顯示，行業層面的遺漏變量問題并不嚴重，至少沒有對僵尸企業降低加總TFP增長的結論造成實質性影響。類似地，下文使用其他行業僵尸企業的債務占比和數量占比，同樣具有外生性。

表2 內生性處理

不同類型的僵尸企業占比指標既有內在的相關性，又存在一定的差異性（見附錄與擴展中的圖A1）。為了檢驗回歸結果的穩健性，附錄與擴展中表A2使用不同的僵尸企業占比指標——僵尸企業負債占比和數量占比，實證檢驗了僵尸企業對于我國TFP動態演進的影響。第（1）—（4）列中，所有僵尸企業數量占比指標和負債占比指標的系數都顯著為負，并且具有經濟顯著性，說明以負債和數量衡量的僵尸企業占比，都對我國制造業企業TFP的增長有不利影響，結論與以資產衡量的僵尸企業占比一致，具有穩健性。

我們還使用不同方法識別的僵尸企業進行穩健性檢驗。文獻中常用的三種僵尸企業識別方法（CHK標準、過度借貸標準和官方標準），側重點不同，也有各自的適用情形。比如，CHK標準由于對變量要求較高，不適用本文使用的工業企業數據庫。為了檢驗不同識別方法可能造成的偏差，附錄與擴展中表A3實證檢驗了官方標準識別的僵尸企業（將連續三年利潤為負的企業認定為僵尸企業）對加總TFP進步的影響。模型（1）—（6）中所有僵尸企業占比指標的系數都顯著為負，并且具有統計顯著性，說明用官方標準識別的僵尸企業對我國TFP的增長有負面影響。這與前文使用過度借貸標準認定僵尸企業得到的結論一致，證實了上述研究結果的穩健性。

四、僵尸企業影響加總TFP動態演進的機制

第三部分的分析表明僵尸企業阻礙加總TFP增長，本部分分析具體的影響機制。如前所述，根據動態OP分解方法，加總TFP增長有四個來源：技術進步效應、資源配置效應、企業進入效應和企業退出效應。本部分分析僵尸企業對加總TFP增長的四個來源的影響，以此考察僵尸企業影響TFP增長的具體渠道。

（一）技術進步效應

企業自身的技術進步是TFP增長的重要來源。根據附錄與擴展中圖A3的分解結果，1998—2007年間，超過60%的TFP增長是由技術進步帶來的。這說明我國經濟在當前階段的TFP增長仍十分依賴企業的技術進步，因此我們首先考察僵尸企業對技術進步效應的影響。理論上，僵尸企業影響技術進步的渠道有兩個。第一個渠道是結構效應，即僵尸企業自身TFP較低、增速較慢，因此拉低了加總TFP增長速度。這一方面是因為僵尸企業往往不具備自生能力，比如，它們可能進入了不具有比較優勢的行業，或者承擔政策性負擔（申廣軍，2016）；另一方面，僵尸企業沒有激勵提高自身TFP，因為它們往往通過行政力量占據壟斷地位，或者享有信貸、土地、稅收等優惠政策，從而擁有競爭優勢（Shen和Chen，2017）。表3第（1）列通過比較僵尸企業和正常企業的TFP，直接檢驗了上述結構效應。三列系數均在1%水平上顯著為負，表明僵尸企業TFP增長率低于正常企業。

僵尸企業影響技術進步的第二個渠道是溢出效應。持續的研發投入（R&D）是企業技術進步的重要推動因素。研發資金要么來自利潤積累，要么來自外部融資。僵尸企業的存在對正常企業這兩方面的資金來源都有不利影響。一方面，僵尸企業加劇了產能過剩問題，使得正常企業的盈利能力受損，無法快速積累研發資金（Shen和Chen，2017）；另一方面，僵尸企業擠占正常企業的資源，尤其是信貸資源（Tan等，2016；譚語嫣等，2017），使得正常企業很難通過外部融資獲取研發資金。這兩方面都不利于正常企業持續進行研發投入。因此，如果一個行業或者地區有較多的僵尸企業，同行業/同地區正常企業的技術進步也會受到影響。表3后兩列檢驗上述溢出效應，被解釋變量是正常企業TFP增長率，核心解釋變量是省份—行業層面的僵尸企業資產占比，以及本省其他行業僵尸企業資產占比。回歸系數在1%的水平上顯著為負，說明確實存在溢出效應。如果僵尸企業資產占比增加1個百分點，正常企業TFP的增長速度將下降0.10個百分點。

表3 僵尸企業對企業TFP增長率的影響

結構效應指出僵尸企業自身TFP增長慢（第（1）列）；溢出效應指出僵尸企業拉低正常企業的TFP增長率（第（2）、（3）列）。二者結合意味著，僵尸企業阻礙技術進步效應。表4對此進行檢驗，結果顯示僵尸資產占比越高，技術進步效應對加總TFP增長的貢獻越小。根據第（1）列結果，僵尸企業資產占比增加1個百分點，p省j行業的技術進步效應降低0.19個百分點。根據模型（3），僵尸企業跨行業影響也很明顯，本省其他行業僵尸企業資產占比增加1個百分點，所考察行業的技術進步效應降低0.21個百分點。

表4 僵尸企業對技術進步效應的影響

續表4

（二）資源配置效應

圖A3分解TFP增長率顯示，1998—2007年間的TFP增長僅有大約1/4是由企業間資源配置效應帶來的，而同一時期，技術進步效應對TFP增長的貢獻是資源配置效應的兩倍多。僵尸企業恰恰是資源配置不合理的結果，因此僵尸企業比例與資源配置效應可能存在負相關關系。表5對此進行驗證，其中被解釋變量是通過動態OP方法分解TFP增長率得到的資源配置效應，主要解釋變量仍是省份—行業層面的僵尸企業資產占比。回歸結果顯示，模型（1）和（2）中僵尸企業資產占比的系數顯著為負，模型（3）和（4）中本省其他行業僵尸企業資產占比的系數為負，但不顯著。這說明僵尸企業顯著地降低了本省本行業的資源配置效應，但這種影響主要存在于行業內，不存在跨行業影響。根據模型（2），僵尸企業資產占比增加1個百分點，資源配置對加總TFP增長的貢獻降低0.12個百分點。

表5 僵尸企業對資源再配置效應的影響

（三）企業進入效應

資源重新配置不僅體現為在位企業之間的此消彼長，也通過更劇烈的形式體現，即新企業的進入和舊企業的退出。如果新進入的企業生產率更高，退出市場的企業生產率更低，那么企業的進入和退出可以提高總體TFP（Foster等，1998）。我們接下來分別考察僵尸企業如何通過新企業的進入和舊企業的退出來影響加總TFP增長。

理論上，僵尸企業可以通過妨礙效應和選擇效應影響新企業的進入。妨礙效應是指，僵尸企業在政策和市場上都擁有優勢地位，這會阻礙新企業的進入，從而不利于提高加總TFP。選擇效應是指，僵尸企業更多地阻礙了低生產率的企業，而不能阻礙高生產率的企業進入市場，從而事先對進入企業進行了篩選，這會提高加總TFP。妨礙效應和選擇效應的影響方向相反，因此僵尸企業到底是提高還是降低加總TFP，取決于兩類效應的相對強弱。

表6驗證了上述兩種效應。首先，表6前四列說明僵尸企業存在妨礙效應，因為僵尸企業資產占比對省份—行業層面新企業進入率的影響顯著為負，但這一效應不存在跨行業影響。其次，表6后兩列通過分析僵尸企業對新進入企業的相對TFP的影響，來驗證選擇效應。如果只有生產率相對較高的企業才能進入，就說明存在選擇效應。表6后兩列的結果顯示僵尸企業資產占比的系數顯著為正，說明僵尸企業通過比較強的選擇效應提高了新進入企業相對于在位企業的TFP。

表6 僵尸企業對新企業進入率的影響

比較表6前四列和后兩列的系數可以發現選擇效應的效果強于妨礙效應，這意味著僵尸企業的存在將通過企業進入效應對加總TFP產生積極影響。表7直接驗證了這一猜測。動態OP方法將TFP增長分解為四個部分，其中企業進入效應是由新企業進入帶來的加總TFP增長。表7的被解釋變量是省份—行業層面的企業進入效應，度量由于新企業的進入，對該省同行業加總TFP的影響，解釋變量是僵尸企業資產占比。模型（1）和（2）中，僵尸企業資產占比的系數顯著為正，說明僵尸企業通過企業進入效應提高了加總TFP增長率；模型（3）和（4）中本省其他行業僵尸企業資產占比的系數為正但不顯著，再次說明不具有跨行業的影響。如前所述，僵尸企業占比與企業進入效應正相關，正源于較強的選擇效應。

表7 僵尸企業對企業進入效應的影響

（四）企業退出效應

如果退出企業的平均TFP低于在位企業平均TFP，企業退出對加總TFP增長有正向影響。這種由低效率企業退出帶來的TFP增長稱為企業退出效應。表8考察了僵尸企業資產占比對省份—行業層面企業退出效應的影響。模型（1）—（4）中，僵尸企業資產占比的系數都為負，但在統計上都不顯著。僵尸企業對退出效應沒有顯著影響，可能是因為僵尸企業改變了企業退出的規律。正常情況下，應該是生產效率更低的企業退出市場，從而提升整體TFP。但是，生產效率低的企業可能正是那些僵尸企業。它們雖然TFP低，且增長緩慢，但它們在要素市場和產品市場的優勢使得它們反而不容易退出市場，而是那些TFP相對較高的正常企業被迫退出市場。

表8 僵尸企業對企業退出效應的影響

為了驗證這一猜測，我們首先比較僵尸企業和正常企業退出市場的概率。附錄與擴展中表A4的因變量是企業下一期是否退出的虛擬變量，主要解釋變量是僵尸企業虛擬變量。probit回歸系數顯著為正，說明僵尸企業雖然享有種種優勢，但退出概率仍然較高。需要解釋的是，根據定義，僵尸企業是指那些依靠政府支持或外部融資維持才能存活的企業，但這并不意味著僵尸企業的退出概率低于正常企業，而是意味著僵尸企業的退出概率低于其自身未受到政府支持或外部融資維持時的退出概率。

表A4的回歸結果表明，我們應該修正前述“僵尸企業退出概率低”的猜測。一個改進的解釋是，僵尸企業的存在使得正常企業更容易退出（相對于僵尸企業不存在時）。為驗證這一猜想，表9對正常企業進行probit回歸，因變量仍是企業下一期退出的虛擬變量，解釋變量加入僵尸企業資產占比與TFP的交互項。如表A4的結果所示，TFP是影響企業退出市場決策的重要因素（Ackerberg等，2015）。企業提升自身生產率，是避免被市場淘汰的重要途徑，表9中模型（1）—（2）的TFP系數為負，也說明TFP高的企業退出市場的概率更低。需要注意的是，僵尸企業資產占比與TFP的交互項顯著為正。這說明給定TFP，僵尸企業資產占比越高，正常企業退出的概率越大。具體來說，probit回歸的邊際效應顯示，如果本省同行業沒有僵尸企業，當企業TFP提高1%，其退出市場的概率會降低2.69個百分點；如果本省同行業僵尸企業資產占比10%，企業TFP同樣提高1%，其退出市場的概率只能降低2.56個百分點。這說明由于僵尸企業的存在，企業通過提高TFP避免被淘汰的難度增大了，因而導致更優秀的正常企業退出市場。因此，僵尸企業擾亂了企業退出的規律，無法通過企業退出效應來提高加總TFP增長率。

表9 僵尸企業對正常企業退出概率的影響

五、結論

僵尸企業是指那些已經喪失盈利能力、資不抵債，卻能依靠外部支持一直存活下來的企業。僵尸企業的存在直接反映了企業退出機制的失靈和資源配置的扭曲。本文根據過度借貸標準識別了中國工業企業數據庫中的僵尸企業。描述分析表明，1998—2013年間，僵尸企業的數量和比例都呈現下降態勢。但是，有證據表明僵尸企業越來越表現出“資產多、負債高”的特征，因為以資產和負債加權的僵尸企業比例近年來不降反增。為避免僵尸企業帶來的潛在風險，有必要深入認識僵尸企業的危害。

本文主要分析僵尸企業對我國制造業企業全要素生產率的影響。雖然學術界和政策制定者都認為僵尸企業阻礙了TFP增長，進而拉低了近年來我國的經濟增長率，但這種影響的程度有多大、通過何種渠道發揮作用，目前仍缺少嚴謹的學術研究來進行討論。我們首先使用當前核算生產率的主流方法——ACF方法，計算了我國制造業企業的TFP。接著，我們使用標準的實證分析方法研究僵尸企業和TFP增長率之間的關系。研究發現，僵尸企業的存在確實不利于TFP增長：如果省份—行業內僵尸企業的資產占比增加1個百分點，加總TFP增長率將降低0.19個百分點。

為了分析僵尸企業阻礙TFP增長的具體機制，我們首先使用動態OP方法分解出TFP增長的四個來源：技術進步、資源配置改善、企業進入和企業退出。研究表明，減緩技術進步和阻礙資源配置是僵尸企業影響加總TFP增長的主要機制。具體來說，僵尸企業自身技術進步緩慢，并且擠占正常企業的資源，進而降低了正常企業的技術進步速度；生產要素不能從低效率的僵尸企業流向高效率的正常企業，資源配置不僅沒有改善，甚至可能不斷惡化，不利于加總TFP增長。本文實證檢驗了僵尸企業的危害，明晰了僵尸企業可以通過阻礙技術進步、惡化資源配置對TFP增長產生不利影響，為政策判斷提供了理論支撐。