企業影子銀行化有助于優化金融資源配置嗎？

張潔瓊 馬亞明

(1.洛陽理工學院 經濟與管理學院，河南 洛陽 471000；2.天津財經大學 金融學院，天津 300222)

一、引言及相關文獻回顧

在正規金融渠道難以滿足社會巨大融資需求的背景下，影子銀行為民營經濟發展提供了重要的融資渠道，是中國金融市場的必要補充(張晶 等,2019)。企業影子銀行化屬于典型的中國式影子銀行，它是金融體制發展不甚完善的新興市場和轉型期經濟體中存在的一種特殊的金融化形式，即非金融企業使用超募融資從事企業間再貸款或參與影子信貸鏈條投資的現象(徐軍輝,2013;Shi et al.,2013;劉珺 等,2014;張光利,2015;Du et al.,2016;李建軍 等,2019)。一些研究認為，中國金融資源配置存在顯著的馬太效應，具有融資優勢的非金融企業通過影子銀行化將超募融資再配置給融資劣勢企業，既可解決銀企之間的信息不對稱問題，又能緩解中小微企業的融資約束，是對金融資源配置的一種優化(王永欽 等,2015；吳立力，2020)。公衍磊等(2020)認為，與政府關系越緊密的低生產率企業在逐利動機下參與了越多的類金融業務活動，生產率越高的企業參與的類金融投資越少。那么企業影子銀行化能否促成金融資源從低效率企業再配置向高效率企業，進而提高金融資源配置效率，還有待檢驗。

影子銀行化企業在投資時同樣要考慮自身的風險和收益問題。首先，非金融企業的風險管理和資產管理能力均弱于銀行等專業金融機構，銀行會基于風險的考量而歧視部分中小企業，那么影子銀行化企業同樣可能存在一定程度的信貸歧視，導致資金無法有效配置給生產率更高但受融資約束的企業。以委托貸款和委托理財為例，其資金主要流向了委托企業的下屬子公司或關聯公司，流向其他中小企業的資金規模占比極少(周長青,2012)。其次，企業間的資金拆借活動大部分游離于監管之外，拆借利率會隨著市場資金缺口的增加而不受限制地上漲(1)李建軍等(2013)對中國15個省份的企業融資調研發現，企業間的影子信貸平均融資成本高達18.28%。，過高的融資成本會使許多企業望而卻步。劉珺等(2014)認為，在總信貸規模不變的前提下，國有企業利用超募資金參與影子銀行投資將進一步擠占民營企業的融資規模，造成社會福利凈損失。毛澤盛等(2019)將影子銀行化企業部門引入DSGE模型，動態模擬發現，企業影子銀行化程度提高對總信貸供給和信貸利率均有正向影響，且企業影子銀行化的程度越高、持續時間越長，對信貸供給總量和信貸利率的沖擊影響越大越持久。也就是說，企業影子銀行化釋放的流動性可以緩解企業融資難問題，但是不利于解決企業融資貴問題。徐軍輝(2013)認為，以民間借貸和小額貸款為代表的中國式影子銀行存在許多運作不規范的問題，不僅無法為中小企業提供有效的資金供給，還易導致產業“空心化”等問題。作為金融市場扭曲下的產物，企業影子銀行化是否有助于優化金融資源配置還有待檢驗。

本文以2007—2017年非金融上市公司為研究樣本，從兩個角度實證檢驗企業影子銀行化對金融資源配置的影響。本文的主要貢獻在于：一是基于商業銀行、居民部門、影子銀行化企業以及其他企業在內的四部門最優決策一般均衡模型，分析企業影子銀行化程度上升對信貸資源供給和信貸利率的影響，為后續的實證檢驗和機制分析提供了理論基礎。二是基于微觀數據，從籌資企業的角度實證檢驗企業影子銀行化對金融資源配置的影響，豐富了現有對新興市場國家企業影子銀行化的經濟后果的認知。

二、理論框架與研究假設

(一)理論框架

假設經濟中代表性的理性經濟主體分別為居民、商業銀行、影子銀行化企業和其他企業共四個部門。居民部門通過將總財富儲蓄進商業銀行或投資于影子銀行類理財產品而獲得最大的投資組合收益。商業銀行則通過吸收居民部門的存款進而向兩類企業部門提供貸款。假設商業銀行是風險厭惡的，信貸投放量和貸款利率取決于企業的可抵押資產多寡。影子銀行化企業部門的可抵押資產更多，能從銀行獲得相對更多的低息融資。利用這種融資優勢，影子銀行化企業得以在扣除生產經營投資外將剩余部分融資再貸放給其他企業。其他企業部門由于可抵押資產不足，無法從銀行獲得足夠的貸款，只能使用影子銀行體系的高息融資用于生產經營。本文采用靜態模型分析，不考慮各部門投資和收益的跨期配置。

1.居民部門

假設居民部門的總財富為1，居民將在銀行存款、影子銀行類理財產品之間權衡，以實現風險收益最大化，其效用最大化行為如下：

max πh=φ1rB+φ2rSB(ξ)

(1)

其中：φ1表示居民將財富儲蓄在商業銀行的比例，φ2表示居民將財富投資于影子銀行類理財產品的比例，φ1+φ2=1；rB為銀行存款利率；rSB(ξ)為理財產品收益率，rSB是企業影子銀行化程度ξ的函數，企業影子銀行化程度越高，影子銀行體系的風險越大，居民部門要求的風險收益就會越高，即?rSB/?ξ>0。

2.商業銀行部門

商業銀行作為金融中介，其可貸資金主要來源于吸收的居民部門存款。由于金融摩擦的存在，金融中介活動會產生成本，導致儲蓄向投資轉化的過程中發生損失。金融發展水平越高、金融摩擦越小，金融中介活動消耗的社會資源就越少，儲蓄轉化為投資的比率就越高。參考彭俞超等(2018)，用參數η代表儲蓄轉化率，0<η<1,η越大，代表金融發展水平越高。商業銀行的風險收益最大化行為如下：

max πB=R1L1+R2L2-φ1rB-C1(W1,L1)-C2(W2,L2)

(2)

其中：R1和L1分別為影子銀行化企業的銀行貸款利率和貸款規模；R2和L2分別為其他企業的銀行貸款利率和貸款量；φ1rB為商業銀行支付給居民部門的存款利息；C1(W1,L1)和C2(W2,L2)分別為商業銀行對兩類貸款的管理成本。管理成本為貸款企業可抵押資產規模和貸款量的函數，貸款企業的可抵押資產越少，貸款規模越大，銀行向其投放貸款越謹慎，前期調查和中間監督所耗費的成本越多，因此有?C/?W<0，?C/?L>0。假設商業銀行是風險厭惡的，抵押物更充足的影子銀行化企業可以低利率獲得更多的貸款，即L1>L2，R1

3.影子銀行化企業部門

影子銀行化企業部門不能吸收存款，主要利用自身銀行信貸融資優勢將部分或全部銀行貸款再貸放給其他企業，其利潤最大化行為如下：

max π1=(1-ξ)L1×Eγ1+ξL1RSB-L1R1

(3)

其中：ξ為企業將外部融資再貸放出去的比例，代表企業影子銀行化程度；Eγ1為影子銀行化企業單位資金的預期收益率；RSB為企業間影子信貸利率。

4.其他企業部門

假設其他企業部門由于可抵押資產不足無法從商業銀行獲得生產所需的全部融資，只能向影子銀行市場尋求融資，具體包括企業間影子信貸資金ξL1及居民部門投資φ2。其效用最大化行為如下：

max π2=(L2+ξL1+φ2)×Eγ2-L2R2-ξL1RSB-φ2rSB

(4)

其中，Eγ2為其他企業的單位資金預期收益率。

首先，由式(3)影子銀行化企業利潤最大化可知：

max π1=(1-ξ)L1×Eγ1+ξL1RSB-L1R1=L1(Eγ1-R1)+ξL1(RSB-Eγ1)

(5)

式(5)對ξ求偏導得：

?π1/?ξ=L1(RSB-Eγ1)

(6)

可以看到，即當RSB=Eγ1時，影子銀行化企業利潤最大。也就是說，只要企業間的影子信貸利率RSB高于影子銀行化企業的單位資本回報率Eγ1，企業就有動力參與企業間再融資活動，即?ξ/?RSB>0。

式(5)對L1求偏導得：

?π1/?L1=Eγ1-R1+ξ(RSB-Eγ1)

(7)

式(6)除以式(7)，可以得到：

(8)

也就是說，即影子銀行化企業參與的再貸款活動越多、影子銀行化程度越高，其對銀行貸款的需求就越多。另外，?φ2/?ξ>0，受影子銀行市場高利率的吸引，居民部門會將更多的財富投資于影子信貸市場，導致商業銀行儲蓄下降，可貸資金減少。二者疊加，企業影子銀行化程度上升將擠占其他企業的銀行信貸資源，加大其他企業從商業銀行獲取貸款的難度。

其次，由式(4)其他企業的利潤最大化函數可知：

max π2=L2(Eγ2-R2)+ξL1(Eγ2-RSB)+φ2(Eγ2-rSB)

=(ηφ1-L1)(Eγ2-R2)+ξL1(Eγ2-RSB)+φ2(Eγ2-rSB)

(9)

其他企業只要單位資本回報率Eγ2足夠高，為追求利潤最大化，就會以較高的成本向影子銀行體系融資。

式(9)分別對L1和η求偏導，再聯立式(8)可得：

(10)

由式(8)可知，?L1/?ξ>0，RSB>R2，0<ξ<1，則?ξ/?η<0。也就是說，金融市場越發達，企業影子銀行化程度越低。

由以上分析可知，金融市場越不發達η↓→企業影子銀行化程度越高ξ↑→一方面銀行可貸資金減少φ1↓，另一方面影子銀行化企業的信貸融資需求上升L1↑→其他企業獲取銀行信貸的難度上升L2↓，其融資缺口變大，對影子信貸的需求增加→RSB↑→企業在利潤最大化的驅動下，影子銀行化程度會進一步增加，直至信貸市場達到均衡：Eγ2=RSB=Eγ1，R1-?C1/?L1=R2-?C2/?L2，rB=rSB(ξ)。

(二)研究假設

基于以上分析，在存在金融摩擦、信貸歧視的經濟中，信貸資源在企業間會形成一個供需市場，影子銀行化企業會將外部融資再貸放給受融資約束的企業，并且金融抑制越嚴重，企業的影子銀行化程度越高。對于生產率較高的企業來說，Eγ2>RSB，其單位資本回報率能夠支撐較高的融資利率，影子銀行化企業再配置的金融資源對于高生產率企業來說是有效的替代性融資來源。企業影子銀行化程度加深，可以拓寬高生產率企業的融資渠道，緩解其融資約束程度。對于低生產率企業來說，其單位資本回報率難以支撐高成本的融資，影子銀行化企業再配置的金融資源過于昂貴，并不是良好的替代性融資來源。并且企業影子銀行化發展會不斷推高市場利率，加重其融資約束程度。因此，提出：

研究假設1：企業影子銀行化發展有助于改善高生產率企業的融資約束，無助于改善低生產率企業的融資約束。

進一步來看，如果企業影子銀行化再配置的金融資源是有效率的，企業間的信息優勢和監督優勢得以發揮，則影子銀行化企業再配置的金融資源應主要流向高生產率企業。按照理論模型推導可知，只要企業的經營回報率足夠高，即便融資成本較高，企業間影子信貸依然可以改善其投資不足狀況，幫助其擴大規模、增加研發支出，進而促進其主營業務發展，而對于生產率較低的籌資企業來說，往往需要支付更高的借貸利率，過高的融資成本不僅不能幫助低生產率企業緩解融資約束，反而還會加重其償債負擔。因此，提出：

研究假設2：影子銀行化企業再配置的金融資源可以促進高生產率企業的主營業務發展，但是無法改善低生產率企業的主營業務狀況。

三、企業影子銀行化對金融資源配置的整體效應檢驗

(一)模型設定與變量定義

本文采用Almeida et al.(2004)提出的現金-現金流敏感性模型來檢驗企業的融資約束，通過在原模型中加入企業影子銀行化發展與企業當期現金流的交乘項以及企業影子銀行化發展與企業當期現金流、企業全要素生產率的交乘項來考察企業影子銀行化發展對不同生產率企業融資約束的影響。參考連玉君等(2008)對原模型的擴展，構造以下模型：

ΔCashit=α0+α1CFit+α2CFit×SBt+α3CFit×SBt×TFPit+α4SBt+α5Tuobinqit+

α6Sizeit+α7Expenit+α8ΔNWCit+α9ΔSDit+μi+ζt+εit

(11)

其中：被解釋變量ΔCashit為企業i第t期的現金持有量變動；CFit為企業的經營性現金流；SBt為整體的企業影子銀行化水平，分別使用所有非金融上市公司參與的影子銀行類投資總規模的對數值SB_all，以及國有非金融上市公司的影子銀行類投資總規模的對數值SB_soe來度量(根據已有研究，國有企業利用其融資優勢更深入地參與了影子銀行活動，相當于理論模型中的影子銀行化企業，選用國有企業的影子銀行化程度來刻畫整體的影子銀行化趨勢更具代表性)；上市公司的全要素生產率TFP采用LP 方法測算(盛明泉 等,2018;廖冠民 等,2020)；Tuobinqit為企業的托賓Q值；Sizeit為第t期的企業規模；Expenit為資本支出；ΔNWC為凈營運資本變動；ΔSDit為短期債務變動。具體的變量定義見表1。

表1 模型(11)變量定義

根據Almeida et al.(2004)的理論分析，若企業受融資約束，則△Cashit的系數α1應顯著為正；否則，企業的現金持有政策將不受經營性現金流多寡的影響。若企業影子銀行化發展可以緩解微觀企業的融資約束，則交乘項系數α2應顯著為負，即降低了企業現金持有對經營性現金流的敏感度。其他控制變量如資本支出增加、短期債務增加、運營資本增加均會減少企業的現金持有，因此預測α7、α8、α9的系數均為負。

(二)樣本選擇與變量的描述性統計

本文以2007—2017年滬深A股上市公司為研究樣本，剔除金融與房地產公司以及ST、PT公司數據，并對所有連續型回歸變量進行了1%水平上的Winsor截尾處理，最終得到3209家上市公司年度觀察值，上市公司財務數據均來自國泰安數據庫。

圖1 國有企業影子銀行化程度與整體企業影子銀行化程度對比

表2為變量的描述性統計，可以看出，經總資產標準化處理后的現金持有量變動、凈營運資本變動和短期債務變動的標準差均較小，其中位數和均值均較為接近，處于0.00左右。非金融上市公司的托賓Q值和總資產規模表現出較大的差異性，其標準差分別為1.30和1.25，經營性現金流和資本支出的差異化較小。可以看到，整體的企業影子銀行化水平SB_all的標準差為2.12，大于國有企業影子銀行化水平。SB_soe的均值、最小值以及最大值分別占SB_all的96.24%、99.50%、89.33%，表明中國非金融上市公司的影子銀行化投資活動主要由國有企業開展，且2007—2017年間，國有非金融上市公司的整體影子銀行化程度波動較小，因此以國有企業的影子銀行化程度來刻畫整體的企業影子銀行化程度較為可行。進一步從整體企業影子銀行化程度SB_all與國有企業影子銀行化程度SB_soe的趨勢圖(圖1)可以看出，2007—2014年間，80%以上的影子銀行類資產均由國有企業持有，說明在這一時期，企業影子銀行化主要由國有企業開展。2014年以后，SB_soe與SB_all的差距開始拉大，表明2014年以后非國有上市公司的影子銀行化行為也開始增多。

表2 變量的描述性統計

(三)實證結果分析

1.基準回歸結果

表3為企業影子銀行化發展對不同生產率企業融資約束的影響結果。

表3 企業影子銀行化對不同生產率企業的融資約束作用檢驗

表3中列(1)、(2)是以國有非金融上市公司持有的影子銀行類資產總規模(SB_soe)作為企業影子銀行化發展指標的回歸結果，列(3)、(4)列是使用基于所有非金融上市公司測算的影子銀行化發展指標(SB_all)的回歸結果。從列(1)和列(3)可以看出，企業經營性現金流與企業影子銀行化的交叉項CF×SB_soe與CF×SB_all的系數分別為-0.036和-0.017，均在1%水平下顯著，說明整體來看，企業影子銀行化發展有助于緩解非金融企業的融資約束。列(2)和列(4)為加入TFP與企業影子銀行化、經營性現金流交乘項的回歸結果，可以看出，CF×SB_soe×TFP與CF×SB_all×TFP的交乘項系數均在1%水平下顯著為負(-0.001)，說明全要素生產率越高的企業，企業影子銀行化發展對其融資約束的緩解作用越強。研究假設1得證。

已有研究表明，融資約束較輕的企業更易參與影子銀行投資活動，對企業間影子信貸的依賴度相對較低，其融資缺口也更小，往往可以作為“食利者”從影子銀行化過程中獲益(韓珣 等,2017)。融資約束較重的企業往往融資缺口較大，對企業間影子信貸等非正規金融的依賴度也更高。從理論模型可知，企業影子銀行化的發展會擠占流向這類企業的銀行信貸資源，增加其融資成本，難以緩解其融資困境。因此，可以認為，相較于受融資約束較重的企業，企業影子銀行化對融資約束較輕的企業的融資緩解作用更強。

為驗證企業影子銀行化發展對不同融資約束企業的異質性影響，本文采用三個指標來衡量企業的融資約束程度。首先是企業規模。如果企業的資產規模超過同年度的樣本中位數，則將其劃歸為融資約束較輕的企業組，否則就劃歸為融資約束較重的企業組(Goodfriend,1988)。其次是企業所有權性質。在金融抑制背景下，國有企業相較于民營企業更易獲得銀行信用(王彥超,2014)。從圖1已知，國有企業的影子銀行化水平明顯高于民營企業，說明國有企業利用其融資優勢更多地參與了影子銀行投資活動。因此，將民營企業視為融資約束較重的企業組，國有企業視為融資約束較輕的企業組。最后，參考李建軍等(2019)的做法，測算企業的KZ指數(Kaplan et al.，1997)。KZ指數高于同年度同行業中位數則為受融資約束較重的企業，否則就是受融資約束較輕的企業。

由表4可以看到,在融資約束較輕的企業中，CF×SB_soe的系數分別為-0.057、-0042、-0.044，均在1%水平下顯著，而融資約束較重的小企業和民營企業的CF×SB_soe系數并不顯著；以KZ指標劃分的高融資約束組企業的CF×SB_soe為-0.035，在5%水平下顯著為負。這一結果說明，相較于融資約束較重的企業，融資約束較輕的企業更能從企業影子銀行化發展中獲益。進一步比較可知，大企業與國有企業CF×SB_soe×TFP的系數均不顯著，KZ-Low的CF×SB_soe×TFP系數在10%水平下為-0.001，說明融資約束較輕的大企業和國有企業中，無論是生產率高低，融資約束均能得到改善，對融資約束程度較輕的企業來說，企業影子銀行化的融資緩解作用不存在明顯的生產率差異。公衍磊等(2020)認為，在逐利動機下，與政府關系越緊密的低生產率企業參與的類金融投資活動越多。也就是說，融資約束較輕的低生產率企業可以通過影子銀行化改善其收益狀況，進而獲得同高生產率企業同樣的融資緩解。融資約束較重的企業中，僅生產率較高的民營企業的融資約束能從企業影子銀行化發展中得到緩解(系數為-0.002***)，規模較小的高生產率企業的融資約束無法從企業影子銀行化發展中得到改善，說明企業影子銀行化無法有效改善中國金融資源配置不均衡的問題。

表4 基準回歸——融資約束異質性檢驗

2.穩健性檢驗

首先，考慮到企業影子銀行化有兩種模式：一是非金融企業直接擔任信用中介從事企業間再貸款活動；二是通過購買影子銀行理財產品間接參與進影子信用鏈條。第二種模式最終的資金流向仍由金融機構決定，無法體現企業影子銀行化再配置金融資源的信息優勢，從而導致實證結果存在偏差。為使結果更穩健，本文將可供出售金融資產從影子銀行類資產范疇中剔除，重新測算基于國有和全部非金融上市公司的企業影子銀行化指標SB2_all和SB2_soe。替換變量后的實證結果如表5所示，與前文結果一致，結論不變。

表5 穩健性檢驗一：替換變量

其次，企業的融資約束越輕，其參與影子銀行投資就越多，相應地，整體的企業影子銀行化程度就會越高，這就導致當期的企業融資約束程度與企業影子銀行化指標之間互為因果。為處理這種內生性，考慮到企業當期的融資約束程度會影響當期的影子銀行化水平，但是無法影響上一期的所有非金融上市公司參與的影子銀行投資總規模，故將滯后一期的企業影子銀行化發展指標L.SB_all納入模型中，考察企業影子銀行化對不同融資約束程度企業的內生性影響。滯后項回歸結果如表6所示，與基準回歸結果一致，結論不變。

表6 穩健性檢驗二：內生性

3.小結

基準回歸結果表明，整體來看，企業影子銀行化的發展有助于緩解高生產率企業的融資約束。按照企業的融資約束程度分組回歸后則發現，企業影子銀行化發展對融資約束較輕的企業來說更為有利，其中無論是高生產率企業還是低生產率企業，都能從企業影子銀行化發展中獲益。對于融資約束較重的企業來說，即使是其中的高生產率企業也不能完全從企業影子銀行化的發展中獲得融資緩解。僅民營企業中的高生產率企業的融資約束得到了改善，小企業中的高生產率企業的融資約束狀況依然無法得到緩解，說明企業影子銀行化難以扭轉原本的金融資源配置狀況，對金融資源配置效率的優化作用較為有限。

四、企業影子銀行化再配置的金融資源效率檢驗

從微觀層面來看，若影子銀行化企業再配置的金融資源是有效率的，企業間的信息優勢和監督優勢得以發揮，則高生產率企業可以更低的成本獲得更多的企業間影子信貸，而低生產率企業使用企業間影子信貸時則會被要求更高的融資利率。因此，進一步從微觀視角考察影子銀行化企業再配置的金融資源效率。

(一)模型設定與變量定義

設定如下基本模型：

Incomeit=β0+β1Sbdebtit+β2Sbdebtit×TFPit+β3TFPit+β4Leverageit+β5Sizeit+

β6Ownershareit+β7Tuobinqit+μi+ζt+εit

(12)

其中：被解釋變量Incomeit為企業第t期的主營業務收入；核心解釋變量Sbdebtit為企業間影子信貸融資，以上市公司的企業間影子信貸融資占總負債的比重來度量。王秀祥(2012)、李建軍等(2017)認為，企業間的資金拆借、過橋貸款、民間借貸以及內部員工集資等非正規融資主要記錄于資產負債表的其他流動資產科目和其他應付款科目下。因此，本文以(其他流動負債+其他應付款)/總負債來作為企業間影子信貸融資的代理變量。上市公司的全要素生產率TFP依然采用LP方法測算。另外，模型中還加入了4個可能影響企業主營業務收入的微觀層面控制變量，分別為企業資產負債率、企業規模、企業股權結構和成長性。具體的變量定義見表7。

表7 模型(12)的變量定義

透過借款企業使用的企業間影子信貸數據，可以初步判斷企業影子銀行化再配置的資金流向。表8和表9分別列出了在不同企業間影子信貸使用量(企業間影子信貸融資量的對數值)下和不同企業間影子信貸使用比重(企業間影子信貸融資/總負債)下的企業特征。可以看到，企業間影子信貸使用量最小的企業同時也是生產率(TFP)最低、資產規模(Size)最小、債務風險(Leverege)最高、主營業務收益(Income)最低的企業。這些特征說明，從資金流向上來看，企業影子銀行化再配置的金融資源是相對有效的，流向低生產率、低收益、高風險企業的信貸量最少。另外，融資約束程度最輕的企業，融資缺口相對最小，但其使用的企業間影子信貸規模以及對企業間影子信貸的依賴度都不是最小的。一個可能的解釋就是，影子銀行化企業考慮風險和收益后，同樣存在一定的信貸歧視，愿意為大企業、高生產率企業、債務風險較低企業提供更多的低成本的信貸。這也支持本文的研究假設1和研究假設2，即企業影子銀行化發展對高生產率企業的融資緩解作用更強，企業間影子信貸增加能有效促進高生產率企業的主營業務發展。并且相較于融資約束較重的企業，企業影子銀行化對融資約束較輕的企業的融資緩解作用更強。

表8 不同企業間影子信貸使用量下的企業特征

表9 不同企業間影子信貸使用比重下的企業特征

(二)實證結果分析

1.基準回歸分析

表10匯報了企業間影子信貸對不同生產率企業的主營業務發展的影響。

表10 企業間影子信貸、全要素生產率與主營業務發展

表10中列(2)是加入了全要素生產率(TFP)與企業間影子信貸交乘項后的回歸結果，列(4)則是引入企業間影子信貸與高生產率企業的啞變量(H_TFP)交乘項后的回歸結果。如果企業的全要素生產率高于同年度的樣本中位數，則H_TFP的值取1，代表高生產率企業；否則，取值0，代表生產率較低的企業。可以看到，引入交叉項后，Sbdebt×TFP的系數為0.033，在1%水平下顯著為正，Sbdebt×H_TFP的系數為0.062，同樣在1%水平下顯著為正，表明生產率越高的企業，企業間影子信貸融資增加對其主營業務發展的抑制作用越小。列(4)的估計系數表明，對于高生產率企業，企業間影子信貸融資增加1單位，將有助于其主營業務收益增長0.028(0.062-0.034)，而低生產率企業使用的企業間影子信貸增加1單位，將導致其主營業務收益下降0.034。研究假設2得證。

2.穩健性檢驗

為保證實證結果穩健，除了主營業務收益外，本文進一步選取企業的經營資產收益率Returnrate(2)經營資產收益率=(營業收入-營業成本-營業稅金及附加-銷售費用-管理費用-資產減值損失+營業外收入-營業外支出)/(總資產-金融資產)作為企業主營業務發展的代理變量。替換變量的回歸結果見表11，可以看到，同前文結論一致。

表11 穩健性檢驗一——替換被解釋變量

另外，考慮企業主營業務收益與企業間影子信貸融資量之間可能會由于互為因果而產生內生性。本文首先使用t-1期的企業間影子信貸重新回歸，t期的主營業務收益對t-1期的融資往往不會產生較大影響。重新回歸后，結果見表12列(1)、(2)，滯后一期的企業間影子信貸與全要素生產率的交叉項系數仍在1%水平下顯著為正。其次，參考權小峰(2015)、李建軍等(2019)的思路，采用IV工具變量法處理內生性。將企業所在行業的其他企業的企業間影子信貸融資規模的均值作為Sbdebt的工具變量。回歸結果同固定效應一致，企業間影子信貸有助于高生產率企業主營業務的發展，不利于低生產率企業主營業務的發展。

表12 穩健性檢驗二：內生性

以上檢驗表明本文的實證結論是穩健的。企業影子銀行化再配置的金融資源是有效率的，流向低生產率企業的影子信貸資源更少且成本更高，而流向高生產率企業的影子信貸資源更多且成本更低。

五、結論與建議

本文以2007—2017年非金融上市公司為研究樣本，從借款企業的角度實證檢驗了企業影子銀行化對金融資源配置的影響。實證發現，非金融企業影子銀行化能顯著緩解高生產率企業受到的融資約束。從資金流向上來看，企業影子銀行化再配置的金融資源流向低生產率、低收益、高風險企業的信貸量最少。從信貸資源的實際使用效果來看，影子銀行化企業再配置的金融資源可以促進高生產率企業的主營業務發展，但是會惡化低生產率企業的主營業務收益。這些都表明，整體來看，企業影子銀行化再配置的金融資源是有效率的。但是，按照企業的融資約束程度分組回歸后發現，企業影子銀行化發展對融資約束較輕的企業來說更為有利，大企業和國有企業無論生產率高低均能從企業影子銀行化發展中獲益。對于融資約束程度較重的企業來說，即使是其中的高生產率企業也不能完全得到融資緩解。僅民營企業中的高生產率企業的融資約束得到了改善，小企業中的高生產率企業的融資約束狀況依然無法得到緩解。這說明企業影子銀行化再配置的金融資源同樣存在一定的信貸歧視，難以改善金融資源配置不均衡的問題。

本文結果表明，企業影子銀行化發展確實有助于改善金融資源配置效率，引導金融資源流向高生產率企業，這種非正規金融的發展能有效改善優質民營企業的融資約束。因此，在正規金融資源配置不均衡的背景下，不應過度限制企業影子銀行化的發展。鑒于企業間債權關系的復雜性和隱蔽性，金融監管部門應著重從資金來源和資金流向兩方面做好企業影子銀行化的識別和規模監測，著重監管低生產率企業的影子銀行化活動以及流向低生產率企業的影子信貸資金，防范產業空心化趨勢和企業間流動性風險傳染的上升，引導企業影子銀行化活動的陽光化發展。