經濟政策不確定性如何影響企業的商業信用融資？
——基于供需雙方的探討

張園園 王竹泉 邵 艷

(1.青島大學 商學院，山東 青島 266061；2.中國海洋大學 管理學院，山東 青島 266100；3.南開大學 商學院，天津 300071)

一、引言

作為企業營運資本和戰略管理的重要組成部分，商業信用得到世界各國的普遍認可和廣泛應用。相關研究表明，美國約有70%的公司向客戶提供商業信用，而在英國該比例約為80%(Petersen et al.，1997；Atanasova et al.，2004)；從商業信用占總資產的比例來看，意大利、法國以及德國的公司高達25%左右(Guariglia et al.，2006)，美國的公司約為18%(Molina et al.，2009)、比利時的公司約為17%(Deloof，2010)、中國的民營企業約為12.6%(Wu et al.，2014)。王永進等(2013)指出，中國企業之間的商業信用使用水平非常高，在某些年度甚至超過了企業獲得的銀行貸款(Allen et al.，2005；Ge et al.，2007)。由此可見，商業信用在企業融資和經營活動中發揮著重要作用。既有研究發現，企業特征(Petersen et al.，1997；Garcia-Appendini et al.，2013；唐松 等，2017)、關系網絡(羅琦 等，2007)、會計信息(陳紅 等，2014)、地理集聚(王永進 等，2013)等均會對商業信用融資產生重要影響。然而，值得注意的是，上述研究都是在預設外部經濟平穩運行的情況下開展的。顯然，這與實際情形并不完全相符，企業所處的外部環境是不斷變化的，即企業在生存與發展的過程中可能會面對一系列的不確定性。

為有效降低金融危機帶來的沖擊，避免經濟衰退，各國政府在金融危機后往往都會出臺一系列的經濟政策，以加強對本國實體經濟和金融市場的干預。但是，這些政策在刺激經濟發展的同時，也可能導致實體經濟對外部環境無法適從(Gulen et al.，2016)，即企業面臨的經濟政策不確定性有所提升。從現有研究來看，學者普遍認為經濟政策不確定性的增加通常會帶來兩方面的后果：一是對宏觀經濟、金融市場產生影響，比如降低經濟增長速度和就業水平(Baker et al.，2016)，提升金融資產的風險溢價、波動幅度以及彼此間的波動聯動性，尤其是在經濟衰退時這種影響表現得更為明顯(Pastor et al.，2012，2013)。二是對微觀企業的經營決策產生影響，比如降低企業投資支出(Gulen et al.，2016)、資本結構調整速度(王朝陽 等，2018)以及股利發放水平(Huang et al.，2015)，提高企業現金持有水平(Han et al.，2007)等。與上述研究的關注點不同，本文著重考察經濟政策不確定性對企業商業信用決策的影響。對于商業信用融資需求方來說，一方面，經濟政策不確定性的上升可能會導致企業外部融資規模降低、融資成本上升，未來現金流的不確定性增加，現金持有的動機增強，進而使得企業的商業信用融資需求增加；另一方面，經濟政策不確定性的上升也可能會抑制企業投資，從而導致企業的商業信用融資需求降低。而對于商業信用供給方來說，一方面，經濟政策不確定性的增加使得自身外部融資規模降低、融資成本上升，生產經營狀況惡化，進而造成商業信用供給意愿降低；另一方面，面對整體經濟萎縮的局面，供給方也可能為了爭奪有限的銷售份額，而將商業信用作為提高產品市場競爭力的手段之一，尤其是當客戶的融資需求較高時，從而促使商業信用供給規模增加。由此可見，經濟政策不確定性對商業信用融資的影響較為復雜，厘清兩者之間的關系具有重要的理論價值和現實意義。

與本文研究主題較為接近的國內文獻主要有王化成等(2016)和王滿等(2017)。王化成等(2016)以中國2007年第1季度至2014年第4季度滬深A股上市公司為樣本，發現經濟政策不確定性會抑制公司獲得的商業信用規模，并且這一效應在國有企業、經濟增速較快和金融市場不盡完善的環境下有所弱化。遺憾的是，該項研究并沒有深入探究經濟政策不確定性影響商業信用規模的具體路徑。王滿等(2017)僅僅考察了經濟政策不確定性對企業會計穩健性與商業信用融資之間關系的調節效應，而非對商業信用融資的直接影響。不同于此，本文基于現有研究成果，采用Baker et al.(2016)提出的經濟政策不確定性指數，選取2007—2018年滬深A股上市公司為樣本，系統地考察了經濟政策不確定性對商業信用融資的影響，并就其中的作用機制進行了剖析。較之已有研究，本文的貢獻主要包括：(1)既往研究著重探討了企業商業信用融資的微觀影響因素，基于宏觀視角的考察較少，且主要集中于貨幣政策和金融危機等方面，鮮有研究關注宏觀經濟政策不確定性的影響。因此，本文是對企業商業信用融資影響因素方面研究文獻的有益補充。(2)已有研究大多從供給或需求一方出發闡釋經濟政策不確定性對商業信用融資的影響，而本文則在綜合考慮商業信用供給方和融資需求方特征的基礎上，提出“供給意愿強、融資需求大”“供給意愿強、融資需求小”“供給意愿弱、融資需求小”“供給意愿弱、融資需求大”四種組合，而后對經濟政策不確定性與商業信用融資之間的關系進行了全面分析。因此，本文拓展了商業信用融資的理論研究視角。(3)進一步，本文從金融渠道、經營渠道以及供應鏈渠道三個方面，揭開了經濟政策不確定性影響企業商業信用決策的“黑箱”，這有助于加深對兩者關系的理解。

二、理論分析與研究假設

當經濟政策不確定性增加時，企業所能獲得的商業信用融資主要取決于企業對商業信用融資的需求和供應商對商業信用的供給。

(一)經濟政策不確定性與商業信用融資需求

經濟政策不確定性主要通過以下四個方面影響企業對商業信用融資的需求：

第一，面對較高的經濟政策不確定性，銀行等金融機構通常會緊縮信貸供給(Bordo et al.，2016)，實施更加嚴格的貸款標準，僅為少部分高質量的企業提供規模有限的貸款。此時，企業的外部融資能力降低、融資成本上升(Gao et al.，2019)，進而不得不面臨較高的融資約束。由于從正規金融市場獲取貸款的難度加大，企業迫切需要通過商業信用融資的方式獲得資金，以彌補資金缺口、緩解融資約束，進而使得企業對商業信用融資的需求提升。

第二，經濟政策不確定性一度被認為是金融危機后美國經濟難以恢復的重要原因之一(Stock et al.，2012)，其會降低產品市場的整體需求，迫使企業主動縮減生產規模。為了減輕庫存占用的資金，企業往往會降價甚至以低于成本的價格出售產品，這可能導致企業未來的盈利空間大幅下降(Gulen et al.，2016)、現金流的短缺風險急劇上升(Bloom et al.，2007)。由此可見，隨著經濟政策不確定性的增加，企業經營環境逐步惡化，預期未來現金流流入的不確定性進一步增加，從而使得企業向上游供應商尋求商業信用融資的需求顯著提高。

第三，隨著經濟政策不確定性的增加，企業未來的經營風險逐步升高，發生流動性短缺的可能性加大(王紅建 等，2014)。出于預防性動機，即避免在未來陷入財務困境，企業傾向于增持現金(Han et al.，2007)。同時，經濟政策不確定性的上升還可能加劇股東與管理層之間的信息不對稱，使得管理層受托責任更難觀測，股東對管理層的監管難度進一步加大(劉博研 等，2010)。在此背景下，管理者出于在職消費、掏空或者構建企業帝國等個人目的，可能傾向于持有更多的現金(Bates et al.，2009；李鳳羽 等，2016)。因此，為有效規避經濟政策不確定性對現金持有水平的影響，企業在向供應商采購時更希望采用商業信用融資的方式，即企業對商業信用融資的需求增加。

第四，經濟政策不確定性的增加也可能會削弱企業的投資意愿，進而使企業的融資需求降低。一方面，投資項目具有不完全可逆以及一旦支出即變為沉沒成本的特性，當經濟政策不確定性升高導致當前投資項目的預期風險增加時，企業出于成本收益的考慮，或是為了規避未來現金流不確定性所帶來的沖擊，傾向于主動延緩或者放棄投資，縮減投資規模(Bernanke，1983；張成思 等，2018；Gulen et al.，2016；Baker et al.，2016；李鳳羽 等，2015)。另一方面，隨著經濟政策不確定性的增加，銀行等金融機構可能會提高貸款利率、降低貸款規模，股東也可能會要求更高的風險回報，從而使得企業的外部債務融資成本和股權風險溢價大幅增加，融資約束程度加劇，最終不得不減少投資(Pastor et al.，2013；才國偉 等，2018)。因此，當經濟政策不確定性升高時，企業一般會減少投資項目支出，此時其總體融資需求降低，相應地對商業信用融資的需求也會減少。

綜上所述，隨著經濟政策不確定性的提高，企業商業信用融資的需求既可能增加，也可能減少，具體結果主要取決于上述四個方面的綜合作用。

(二)經濟政策不確定性與商業信用供給意愿

企業能否獲得以及獲得多少商業信用融資，除了受商業信用融資需求方的影響外，還取決于供應商提供商業信用的意愿。那么，當經濟政策不確定性增加時，供應商向客戶提供商業信用的意愿會發生何種變化？本文著重從以下三個方面進行闡述：

第一，較高的經濟政策不確定性降低了供應商的外部融資能力(Francis et al.，2014；Bordo et al.，2016)、提高了供應商的外部融資成本(Gao et al.，2019)。當供應商面臨外部融資不足的問題時，其要向客戶提供商業信用則更多地只能依靠自身的流動性(陳勝藍 等，2018a)，這可能會導致供應商的商業信用供給意愿顯著降低。

第二，經濟政策不確定性上升必然導致市場發生較大變化，由此供應商的經營狀況也將存在一定變數，比如準確把握市場需求信息的難度增大(張峰 等，2019)。此時，供應商相對于銀行等金融機構的信息優勢被削弱，未來的不確定性風險顯著提升，從而使得商業信用供給意愿明顯受到抑制。

第三，經濟政策不確定性增加引致的產品市場整體需求降低，使得供應商不得不面對更加激烈的競爭，為了爭奪有限的市場份額其需要付出更多的努力(陳勝藍 等，2018a)。企業通過商業信用的方式進行銷售，更容易吸引客戶，更有助于提高自身在產品市場的競爭力。尤其是在客戶受到嚴重的信貸配給而對商業信用融資存在較大需求時(Biais et al.，1997)，供應商向其提供商業信用不僅可以獲得較高的利息收益，還能夠幫助客戶渡過難關，提高客戶忠誠度，實現客戶長期價值的最大化。此外，供應商對外提供的較為優惠的商業信用條款，還有助于吸引新客戶購買本公司的產品或服務，從而達到擴大市場份額的目的。

綜上分析可知，隨著經濟政策不確定性的增加，供應商的商業信用供給意愿既可能降低，也可能提高，具體結果主要取決于上述三個方面的綜合作用。

(三)經濟政策不確定性與商業信用融資

隨著經濟政策不確定性的增加，企業的商業信用融資需求既可能增加，也可能減少，供應商的商業信用供給意愿既可能提高，也可能降低。由此，綜合商業信用融資供需雙方的特征，可衍生出四種情形，如圖1所示。

圖1 商業信用供給意愿和融資需求的四種情形

在第Ⅰ象限中，較高的經濟政策不確定性降低了企業的銀行融資規模，增加了未來現金流的不確定性和現金持有動機，從而使得企業的商業信用融資需求變大；同時，為了爭奪有限的市場份額、維護客戶關系，供應商的商業信用供給意愿也較強。因此，預期經濟政策不確定性的增加會提高企業獲得的商業信用融資。在第Ⅱ象限中，較高的經濟政策不確定性抑制了企業投資，使得企業的商業信用融資需求變小，而供應商為了吸引客戶、爭奪有限市場份額仍可能保持較強的商業信用供給意愿。當供應商愿意且有能力提供更多的商業信用時，即便企業自身需求不高其也不會拒絕接受商業信用融資，因此預期經濟政策不確定性的增加仍會提高商業信用融資水平。與第I象限相比，第Ⅱ象限的融資需求較小，商業信用融資提高的幅度可能少一些。基于以上分析，本文提出：

H1a：經濟政策不確定性的增加會提高企業獲得的商業信用融資。

在第Ⅲ象限中，較高的經濟政策不確定性抑制了企業投資，使得企業的商業信用融資需求變小；同時，供應商也會因自身流動性不足而降低商業信用供給規模。因此，預期經濟政策不確定性的增加會降低企業獲得的商業信用融資。在第Ⅳ象限中，雖然企業對商業信用融資的需求較大，但是較高的經濟政策不確定性已經導致供應商自顧不暇，此時其提供商業信用的意愿較低。在這種情形下，本文預期下游企業難以獲得較高的商業信用融資。與第Ⅲ象限相比，第Ⅳ象限的融資需求較大，商業信用融資降低的幅度可能少一些。基于以上分析，本文提出：

H1b：經濟政策不確定性的增加會降低企業獲得的商業信用融資。

本文的理論邏輯結構如圖2所示。

圖2 理論邏輯結構

三、研究設計

(一)樣本選擇與數據來源

本文選取2007—2018年滬深兩市所有A股上市公司為研究對象，并對初始樣本進行了如下處理：剔除金融類和保險類樣本公司；剔除被ST、*ST、PT、終止上市等特別處理的樣本公司；剔除凈資產小于0和數據嚴重缺失的樣本公司。經過上述篩選，本文最終獲得22207個樣本觀測值。本文使用的絕大部分數據來自國泰安(CSMAR)數據庫、銳思(RESSET)數據庫，部分行業分類和股權性質缺失數據來自東方財富網。中國經濟政策不確定性指數來自經濟政策不確定性網站(1)網址為：http://www.policyuncertainty.com/china_monthly.html。。此外，本文還對除虛擬變量以外的所有變量進行了上下1%的縮尾(Winsorize)處理。

(二)變量定義

1.被解釋變量

本文的被解釋變量為商業信用融資(AP)。借鑒黃興孿等(2016)的做法，用應付賬款、應付票據與預收賬款之和表示，并除以營業收入進行標準化。在穩健性檢驗中，我們分別除以營業成本、總資產進行標準化處理(陸正飛 等，2011；唐松 等，2017；陳勝藍 等，2018b)。

2.解釋變量

本文的核心解釋變量為經濟政策不確定性(Lepu)。為了使經濟政策不確定性與其他年度變量相匹配，本文以斯坦福大學和芝加哥大學共同發布的中國經濟政策不確定性月度指數為基礎(2)斯坦福大學和芝加哥大學共同發布的中國經濟政策不確定性月度指數，是以中國香港最大的英文報紙——《南華早報》(South China Morning Post，SCMP)為樣本，將其每月刊發的中國經濟政策不確定性的文章數量除以當月刊發的文章總數量計算而得。，求其簡單算術平均值后除以100，來代替經濟政策不確定性年度指數。在回歸分析中，對經濟政策不確定性年度指數進行滯后一期處理(Lepui,t-1)，以解決內生性問題。在穩健性檢驗中，我們分別采用12月份的月度指數和按照月度計算的加權平均值重新測量經濟政策不確定性年度指數。

3.控制變量

借鑒Ge et al.(2007)、Garcia-Appendini et al.(2013)、饒品貴等(2013)、陳勝藍等(2018b)的做法，本文從企業特征、企業績效和公司治理三個層面選取了一系列控制變量(Controls)。企業特征層面的控制變量包括：產權性質(State)，如果上市公司最終控制人為非國有企業，則取值為1，否則取值為0；企業規模(LSize)，以上年末賬面總資產取自然對數表示；上市時間(LAge1)，以上市年限加1后取自然對數的滯后一期表示；成立時間(LAge2)，以成立年限加1后取自然對數的滯后一期表示；財務杠桿(LLev)，以上年末總負債除以上年末總資產表示。企業績效層面的控制變量包括：現金流(LCfo)，以上年末經營活動產生的現金流量凈額除以上年末總資產表示；成長能力(LMtb)，以上年末市場價值除以上年末總資產賬面價值表示；盈利能力(LProfit)，以上年營業利潤除以上年營業收入表示；抵押能力(LPper)，以上年末固定資產凈值除以上年末總資產表示；股票回報率(LSdret)，以企業過去1年股票個股月回報率標準差的自然對數取滯后一期表示。公司治理層面的控制變量包括：第一大股東持股比例(LSH1)，以第一大股東持股比例的滯后一期表示；兩職兼任(LCeod)，以董事長和總經理兩職是否兼任的滯后一期表示，兼任時取值為1，否則取值為0；董事會規模(LBSize)，以董事會的總人數取自然對數的滯后一期表示；獨立董事比率(LIndpR)，以獨立董事人數除以董事會總人數的滯后一期表示；高管薪酬(LSalary)，以董監高前三名薪酬總額取自然對數的滯后一期表示。此外，本文還控制了行業(Ind)和年度(Year)的影響(3)對于行業變量(Ind)，本文以2012年中國證監會對所有行業(制造業按二級科目)進行的分類(共22個行業)為基礎，在刪除“金融業”和“居民服務、修理和其他服務業”后，剩余20個行業，因此設置19個行業虛擬變量；對于年度變量(Year)，由于本文的樣本期間為2007—2018年，共12年數據，因此設置11個年度虛擬變量。。

(三)模型構建

為檢驗經濟政策不確定性對商業信用融資的影響，即H1a和H1b，本文構建了如下回歸模型：

APi,t=β0+β1Lepui,t-1+ΣControls+μi+εi,t

(1)

其中：i表示企業，t表示年份；APi,t為商業信用融資，Lepui,t-1為滯后一期的經濟政策不確定性指數，Controls為一系列控制變量；μi為企業個體固定效應，以控制不隨時間變化而且不可觀測的企業固有特征，從而降低模型遺漏解釋變量的可能性；εi,t為未觀測到的殘差項。

四、實證結果與分析

(一)描述性統計分析

表1為本文主要變量的描述性統計結果。商業信用融資(AP)的均值為0.3306，中位數為0.2410，均值大于中位數，呈右偏分布，這說明少數樣本公司從供應商處獲得的商業信用融資較多，從而提升了整體上市公司商業信用融資的均值。經濟政策不確定性(Lepu)的均值為2.0134，中位數為1.7904，均值大于中位數，呈右偏分布，這說明在少數年度經濟政策不確定性程度較高，從而拉大了整體的均值。此外，產權性質(State)的均值為0.5931，說明有59.31%的樣本公司為非國有企業；企業規模(LSize)、財務杠桿(LLev)、第一大股東持股比例(LSH1)的均值分別為21.8630、0.4239、0.3541。其他控制變量的數據特征具體見表1，不再贅述。

(二)相關性分析

表2為本文主要變量的相關性分析結果。由表2可見，經濟政策不確定性(Lepu)與商業信用融資(AP)的相關系數為0.0309，且在1%水平下顯著，H1a得到初步證實。從主要變量之間的相關系數來看，系數的絕對值基本都在0.4以下，說明模型不存在嚴重的多重共線性問題。

表2 主要變量的相關系數

(三)基本回歸分析

表3報告了經濟政策不確定性對商業信用融資的基本回歸結果。其中：列(1)～(3)均為OLS混合回歸結果，區別在于列(1)只包含解釋變量，列(2)在列(1)的基礎上控制了年度和行業，列(3)在列(2)的基礎上又增加了其他控制變量；列(4)為固定效應模型回歸結果；列(5)為隨機效應模型回歸結果。由列(1)～(5)可知，經濟政策不確定性(Lepu)的估計系數均在1%水平下顯著為正。那么，究竟是采用OLS混合回歸還是固定、隨機效應的個體效應回歸呢？Hausman檢驗結果顯示，應采用固定效應模型回歸，后續分析均以此進行。由列(4)可知，經濟政策不確定性(Lepu)的估計系數為0.0423，且在1%水平下顯著。上述結果表明，隨著經濟政策不確定性的增加，商業信用融資水平顯著提升，且這一結論不受模型選擇的影響。由此，H1a得到證實。原因在于：從需求方來看，較高的經濟政策不確定性降低了企業的外部融資能力，提高了企業的外部融資成本，增加了企業的經營風險，進而使得企業的商業信用融資需求增加；從供給方來看，供應商為了維持自身的競爭力、擴大市場份額，以及吸引客戶、提高未來的銷售收入，其向客戶提供商業信用的意愿較為強烈，進而使得商業信用融資的供給增加。

表3 基本回歸結果

此外，由表3列(4)中的控制變量結果可見，產權性質(State)的估計系數為負且不顯著，說明國有企業的商業信用融資要高于非國有企業，但差異不顯著。成立時間(LAge2)、現金流(LCfo)、成長能力(LMtb)、盈利能力(LProfit)、抵押能力(LPper)、股票回報率(LSdret)均與商業信用融資(AP)顯著負相關，說明成立時間越長、現金流越多、成長能力和盈利能力越強、抵押能力越強、股票回報率越高的企業，商業信用融資越少。原因可能在于：一方面，此類企業實力較強，銀行更傾向于給它們提供貸款；另一方面，此類企業內源融資能力較強，從而對商業信用融資的依賴較低。財務杠桿(LLev)與商業信用融資(AP)顯著正相關，說明企業負債率越高，越難從銀行等正規金融渠道融得資金，從而越依賴于供應商提供的商業信用融資。獨董比例(LIndpR)與商業信用融資(AP)顯著正相關，說明獨立董事比例越高的企業，能夠獲得的商業信用融資越多。

(四)穩健性檢驗

1.內生性問題的處理

在基準回歸部分，為控制反向因果關系和遺漏重要變量而可能引發的內生性問題(4)本文使用的經濟政策不確定性指數屬于宏觀層面的指標，單個企業層面的商業信用融資不太可能會對宏觀層面的經濟政策不確定性指數產生影響。，我們采用固定效應模型進行了回歸，并且對經濟政策不確定性指數和控制變量都進行了滯后一期處理。為確保研究結論更加穩健，我們進一步開展了兩項檢驗：一是對經濟政策不確定性進行滯后二期處理。重新回歸后的結果如表4列(1)所示，從中可見，經濟政策不確定性對商業信用融資依然存在顯著的正向影響。二是利用工具變量法進行處理。本文選取美國經濟政策的不確定性作為工具變量，這是因為其與中國經濟政策不確定性高度相關，同時與中國上市公司獲得的商業信用融資不相關。在此基礎上，我們借鑒王義中等(2014)的做法，分別采用2SLS和GMM估計進行回歸分析，結果見表4列(2)、(3)，不難發現，研究結論并未發生明顯變化。

表4 內生性檢驗結果

2.宏觀經濟因素的影響

前文在構建回歸模型時主要選取企業層面的因素作為控制變量，并沒有考慮宏觀經濟因素的影響。實際上，宏觀經濟因素也可能會同時影響企業獲得的商業信用融資和經濟政策不確定性。為此，本文借鑒李鳳羽等(2015，2016)的做法，進一步在回歸模型中引入了其他控制變量，包括真實GDP增長率(GDP_trgr)、企業景氣指數(bcidq0101)、企業家信心指數(bcidq0201)、宏觀經濟預警指數(pi1001)等宏觀經濟變量(5)真實GDP增長率(GDP_trgr)，先以名義GDP除以消費價格指數算得真實GDP，然后再求增長率；企業景氣指數(bcidq0101)、企業家信心指數(bcidq0201)和宏觀經濟預警指數(pi1001)來自CSMAR數據庫。。從檢驗結果來看(6)限于篇幅，詳細分析結果未列示，留存備索。，研究結論仍然沒有出現實質性變化。

3.衡量指標的替換

為了消除指標度量方式不合理的顧慮，此處我們不僅分別以營業成本標準化和總資產標準化，以及以商業信用凈融資(7)商業信用凈融資，采用“(應付賬款+應付票據+預收賬款-應收賬款-應收票據-預付賬款)/營業收入”表示。重新衡量了商業信用融資，還分別以12月份的月度指數和加權平均的月度指數(8)加權平均的月度指數是按照月份數所占比例作為權重進行計算。重新衡量了經濟政策不確定性。重新進行檢驗的結果均表明(9)限于篇幅，詳細分析結果未列示，留存備索。，研究結論與上文基準回歸分析的結果基本一致。

五、作用機制檢驗

由上文的理論分析和邏輯結構圖(見圖2)可知，經濟政策不確定性之所以能夠提高商業信用融資，是企業商業信用融資需求增加和供應商商業信用供給意愿增強共同作用的結果。其中，經濟政策不確定性通過融資市場和產品市場兩條渠道增加了企業的商業信用融資需求，通過供應鏈渠道增加了供應商的商業信用供給意愿。接下來，本文從金融渠道、經營渠道和供應鏈渠道三個方面展開分析，以進一步揭示經濟政策不確定性影響商業信用融資的作用路徑。

(一)影響路徑分析

1.金融渠道

金融渠道是指經濟政策不確定性通過影響銀行等金融部門的信貸資金配置，進而對公司的貸款規模和成本施加影響。一方面，貸款銀行與借款企業之間存在著信息不對稱，且信息不對稱程度隨著經濟政策不確定性的增加而加劇。當經濟政策不確定性較高時，銀行很難有效識別信用風險較低的高質量貸款公司，或者說即便能夠識別，貸款的預期收益也可能面臨較高的不確定性，這會削弱銀行等金融機構批準公司新增信貸申請的意愿(Alessandri et al.，2017)，使得銀行貸款的增幅顯著降低(Bordo et al.，2016；彭俞超 等，2018)，公司能夠獲得的融資規模大幅縮減。另一方面，由于經濟政策不確定性的增加導致銀行等金融機構準確把握公司信息的難度加大，它們需要投入更多的人力、財力和物力，從而造成貸款發放成本上升，相應地公司的外部融資成本也將增加(Talavera et al.，2012)。同時，經濟政策不確定性的增加還可能會加劇公司未來的現金流波動，導致公司的違約概率和破產概率明顯提高(Gulen et al.，2016)。由于銀行等金融機構難以對公司的未來發展形成穩定預期，其可能會提出更高的利率回報要求、設置更嚴格的借款門檻和條件(Francis et al.，2014)，進而使得公司的外部融資成本進一步上升(Pastor et al.，2013)。綜上所述，受融資規模降低和融資成本上升的影響，公司有很強的動機向供應商尋求商業信用融資。

2.經營渠道

較高的經濟政策不確定性惡化了企業的經營環境，加大了企業的經營風險，比如導致產品市場的整體需求降低，企業被迫縮減生產規模，未來盈利水平進一步降低(Gulen et al.，2016)，企業經營活動能否帶來、帶來多少以及何時帶來現金流入的不確定性程度顯著上升。一旦企業的現金流出現斷裂，無法按期償還銀行貸款的本息，難以維持正常的經營運轉，則可能面臨破產的境地(韓立巖 等，2011)。因此，隨著經濟政策不確定性風險的升高，企業的預防性動機逐步增強，他們更傾向于推遲當前的投資計劃、持有更多的現金，以及在向供應商采購時采取延期付款的方式進行支付，旨在為提高自身的流動性爭取一切可能的機會。綜上所述，較高的經濟政策不確定性加劇了企業未來現金流的不確定性，進而促使企業的商業信用融資需求增加。

3.供應鏈渠道

作為一種系統性風險，經濟政策不確定性會對所有的企業產生影響。當經濟政策不確定性上升時，產品市場整體走勢低迷，客戶需求大幅降低，為了吸引、搶占有限的市場份額，企業只有不斷加強供應鏈關系管理，努力提升供應鏈整體價值，才能實現收益的持續增長。因此，在經濟政策不確定性較高的背景下，一方面，下游企業強化與上游供應商合作的動機更為強烈；另一方面，上游供應商也愿意向下游企業提供更多的商業信用，以幫助后者渡過難關，并通過構建和維持長久穩定的客戶關系，實現自身市場銷售份額的增長。

(二)中介效應模型

為檢驗金融渠道、經營渠道以及供應鏈渠道是否成立，本文相應地分別設置了銀行借款、未來現金流的不確定性以及供應商關系三個中介變量。對于中介效應的檢驗，我們主要參照溫忠麟等(2014)的方法進行。具體流程為：第一步，建立自變量(經濟政策不確定性)影響因變量(商業信用融資)的總效應方程，見上述模型(1)。第二步，建立自變量(經濟政策不確定性)影響中介變量(銀行借款、未來現金流的不確定性和供應商關系)的方程，模型如下：

MedVari,t=α0+α1Lepui,t-1+ΣControls+δi+τi,t

(2)

在模型(2)中，MedVari,t分別為銀行借款(TLoan)、未來現金流的不確定性(Cvcf)和供應商關系(SupRatio)。其中：銀行借款(TLoan)利用短期借款和長期借款之和表示，并以年末總資產進行標準化；對于未來現金流的不確定性(Cvcf)，本文借鑒Han et al.(2007)、張成思等(2018)的做法，以經營性現金流的六期滑動窗口標準差表示；供應商關系(SupRatio)以前五大供應商的采購額占比表示，指標值越大，說明供應商集中度越高，供應商關系越好。其他變量的含義同模型(1)。第三步，建立自變量(經濟政策不確定性)與中介變量(銀行借款、未來現金流的不確定性、供應商關系)聯合影響因變量(商業信用融資)的方程，模型如下：

APi,t=γ0+γ1Lepui,t-1+γ2～4MedVari,t+ΣControls+θi+ρi,t

(3)

(三)中介效應檢驗結果

1.金融渠道的檢驗結果

由表3列(4)或表5列(1)可知，經濟政策不確定性(Lepu)對商業信用融資(AP)的總效應為0.0423，且在1%的水平下顯著。由表5的列(2)可知，經濟政策不確定性(Lepu)的估計系數為-0.0268，且在1%的水平下顯著，說明企業能夠獲得的銀行借款隨著經濟政策不確定性的增加而降低；列(5)顯示，銀行借款(TLoan)的估計系數為-0.1229，且在1%的水平下顯著，說明較低的銀行借款使得企業轉而向供應商尋求更多的商業信用以緩解融資約束。上述檢驗結果表明，較高的經濟政策不確定性導致企業所能獲得的銀行借款下降，進而促使商業信用融資水平明顯上升，即間接效應顯著。同時，由列(5)還可以發現，在納入中介變量后，經濟政策不確定性(Lepu)的估計系數為0.0386，且在1%的水平下顯著，表明直接效應也顯著，且α1×γ2與γ1同號。這意味著銀行借款在經濟政策不確定性影響商業信用融資的過程中發揮部分中介作用。

表5 經濟政策不確定性影響商業信用融資的作用渠道

2.經營渠道的檢驗結果

由表5列(3)可見，經濟政策不確定性(Lepu)的估計系數為0.9760，且在1%的水平下顯著，說明隨著經濟政策不確定性的增加，企業未來現金流的不確定性逐步提高；根據表5列(5)可知，公司未來現金流的不確定性(Cvcf)的估計系數為0.0044，且在1%的水平下顯著。上述檢驗結果表明，較高的經濟政策不確定性通過提高企業未來現金流的不確定性，進而促使商業信用融資水平明顯增加，即間接效應顯著。同時，由表5列(5)還可以發現，在納入中介變量后，經濟政策不確定性(Lepu)的估計系數為0.0386，且在1%的水平下顯著，即直接效應顯著，且α1×γ3與γ1同號。這意味著未來現金流的不確定性在經濟政策不確定性影響商業信用融資的過程中發揮部分中介作用。

3.供應鏈渠道的檢驗結果

由表5列(4)可知，經濟政策不確定性(Lepu)的估計系數為0.0689，且在1%的水平下顯著，說明較高的經濟政策不確定性提高了前五大供應商的采購占比，促使供應商關系增強；表5列(5)顯示，供應商關系(SupRatio)的估計系數為0.0093，但不顯著。接下來，采用Bootstrap法檢驗α1×γ4=0的原假設，結果發現供應商關系的間接效應仍不顯著。可能的原因是，采用總額法表示商業信用融資的做法，沒有考慮到對外提供的商業信用會對企業造成影響。為此，本文利用凈額法即商業信用融資扣除商業信用供給后的金額(商業信用凈融資，NCR)重新衡量商業信用融資，回歸結果見表6。由表6列(4)可知，經濟政策不確定性(Lepu)的估計系數為0.0689，且在1%的水平下顯著；表6列(5)顯示，供應商關系(SupRatio)的估計系數為0.0329，且在5%的水平下顯著。上述檢驗結果表明，較高的經濟政策不確定性通過增強供應商關系，進而促使商業信用融資水平明顯增加，即間接效應顯著。同時，由表6列(5)還可以發現，在納入中介變量后，經濟政策不確定性(Lepu)的估計系數為0.0512，且在1%的水平下顯著，即直接效應也顯著，且α1×γ4與γ1同號。這意味著供應商關系在經濟政策不確定性影響商業信用融資的過程中發揮部分中介作用。

表6 經濟政策不確定性影響商業信用凈融資的作用渠道

六、拓展性分析

進一步，本文從企業層面、行業層面和地區層面選取一系列特征變量，考察經濟政策不確定性對企業商業信用融資的影響是否存在異質性。其中，企業層面的特征變量包括產權性質和融資約束，行業層面的特征變量為行業競爭程度，地區層面的特征變量為金融發展水平。

(一)企業層面特征變量的影響

1.產權性質

受信貸歧視和政府干預的影響，國有企業通常比非國有企業更易獲得銀行貸款(Allen et al.，2005)。尤其是當經濟政策不確定性程度較高時，銀行等金融機構可能會實施更加嚴格的放貸標準，同時縮減放貸規模，從而導致非國有企業更難獲得正規信貸支持。為保障正常的生產經營活動不受影響，此時非國有企業向供應商尋求商業信用融資的需求更為強烈。基于上述分析，本文推斷，對于產權性質(國有vs.非國有)不同的企業來說，經濟政策不確定性對商業信用融資的影響可能存在差異。為此，本文設置了產權性質虛擬變量(State)，如果公司的最終控制人為非國有企業，則取值為1，否則取值為0。產權性質調節效應的檢驗結果如表7所示。其中，列(1)為非國有企業樣本組的檢驗結果，列(2)為國有企業樣本組的檢驗結果。從中可見，經濟政策不確定性(Lepu)的估計系數分別是0.0116和0.0545，但僅在國有企業樣本組顯著，說明與非國有企業相比，經濟政策不確定性對國有企業商業信用融資的影響更強。并且，由列(3)可見，經濟政策不確定性與產權性質的交乘項(Lepu×State)的估計系數顯著為負，再次證實對于不同產權性質的企業而言，經濟政策不確定性對商業信用融資的影響存在差異。可能的原因是，當經濟政策不確定性程度較高時，盡管非國有企業擁有更加強烈的商業信用融資需求，但是與國有企業相比，其市場地位和議價能力相對較弱，因此在商業信用融資方面的能力較低。

表7 企業層面特征變量的影響

2.融資約束

當企業面臨的融資約束程度不同時，其對商業信用融資的需求也有所不同。一般來說，融資約束程度越高，企業向供應商尋求商業信用融資的需求越大。隨著經濟政策不確定性的上升，企業外部融資環境逐步惡化，此時其面臨的融資約束程度也會進一步加劇。基于上述分析，本文推斷，對于融資約束程度(高vs.低)不同的企業來說，經濟政策不確定性對商業信用融資的影響可能存在差異。為此，本文設置融資約束變量(FinCon)，采用Hadlock et al.(2010)提出的SA指數加以衡量，SA=-0.737×Size+0.043×Size2-0.04×Age。其中，Size用期末總資產除以百萬后取自然對數表示，Age用上市年限表示。SA指數為負數，數值越小，表示融資約束越低。當SA指數高于年度中位數時，融資約束(FinCon)取值為1，表示高融資約束公司；否則，取值為0，表示低融資約束公司。融資約束調節效應的檢驗結果如表7所示，不難發現：列(4)、(5)中，經濟政策不確定性(Lepu)的估計系數分別是0.0914和0.0740，且均在1%的水平下顯著；列(6)中，經濟政策不確定性與融資約束的交乘項(Lepu×FinCon)的估計系數在1%的水平下顯著為正。上述分析結果表明，不管公司的融資約束程度如何，其所能獲得的商業信用融資均會隨經濟政策不確定性的上升而顯著提高，并且這一效應在高融資約束公司中更強。

(二)行業層面特征變量的影響

表8 行業層面、地區層面特征變量的影響

(三)地區層面特征變量的影響

目前，我國各地區的金融發展水平呈現出較大差異(王小魯 等，2019)。通常，某地區的金融發展水平越高，意味著該地區的金融系統越完善、金融機構實力越雄厚，其對外放貸的規模受經濟政策不確定性的影響越小，企業也越容易籌得借款以滿足正常的經營活動。基于上述分析，本文推斷，對于所處地區金融發展水平(高vs.低)不同的企業來說，經濟政策不確定性對商業信用融資的影響可能存在差異。為此，本文設置地區金融發展水平虛擬變量(DkGdp)，若當地金融機構年末總貸款余額與當地GDP的比值大于中位數時，DkGdp取值為1，表示地區金融發展水平高；否則，取值為0，表示地區金融發展水平低。地區金融發展水平調節效應的檢驗結果見表8，不難發現：列(4)、(5)中，經濟政策不確定性(Lepu)的估計系數為0.0731和0.0225，且分別在1%、5%的水平下顯著；列(6)中，經濟政策不確定性與地區金融發展水平的交乘項(Lepu×DkGdp)的估計系數在10%水平下顯著為正。上述分析結果表明，無論企業所處地區的金融發展水平是高還是低，其所能獲得的商業信用融資均會隨經濟政策不確定性的上升而顯著提高，并且這一效應在所處地區金融發展水平高的公司中更強。

七、結論與政策建議

本文選取2007—2018年滬深兩市A股上市公司為樣本，深入考察了經濟政策不確定性對企業商業信用融資的影響。研究發現：經濟政策不確定性對企業所能獲得的商業信用融資具有顯著的正向影響，該結論不隨回歸模型選擇、經濟政策不確定性和商業信用融資的衡量指標的改變而改變，且在考慮內生性問題、宏觀經濟因素影響后仍然成立；經濟政策不確定性主要通過金融渠道、經營渠道以及供應鏈渠道影響商業信用融資，即銀行借款、未來現金流的不確定性和供應商關系在經濟政策不確定性與商業信用融資之間發揮部分中介作用。異質性檢驗結果表明，對于國有企業、高融資約束企業、行業競爭程度低的企業以及所處地區金融發展水平高的企業，經濟政策不確定性對商業信用融資的促進作用更強。

本文研究結論具有重要的啟示。對于政府而言，一方面，在調整經濟政策的過程中，不僅要大力拓寬政策的傳遞渠道，還要及時跟蹤和反饋政策的執行與落實情況，以盡可能降低經濟政策不確定性對融資市場、產品市場以及投資市場可能產生的負面影響；另一方面，要加快建設多層次資本市場體系，持續優化營商環境，進一步提高資金供給水平，緩解企業融資困境，助力企業健康平穩發展。對于企業而言，一方面，應不斷加強溝通和合作，通過建立戰略聯盟，努力提高供應鏈整體的風險防御水平，有效應對外部經濟政策不確定性帶來的不利影響；另一方面，要切實增強風險防范意識，建立健全風險預警體系，密切關注經濟形勢變化和政策走向，不斷提高對宏觀經濟政策調整的適應能力。