融資租賃對廣州市實體經濟的影響

徐維軍，陳樹堅，鐘薇薇

（1.華南理工大學工商管理學院，廣東廣州 510641；2.廣州金融服務創新與風險管理研究基地，廣東廣州 510641；3.廣東省節能中心政策研究部，廣東廣州 510030）

融資租賃作為最貼近實體經濟資金需求的融資工具，圍繞租賃物為實體企業開展專業化融資服務，對于穩增長、調結構、促轉型具有重要作用。隨著國家及廣東省市的政策利好，廣州融資租賃業發展迅速，集聚了廣東省超過1/2和全國1/5的融資租賃企業，截至2020年年末共有融資租賃公司2 458家［1］，反超上海和天津，廣州現在已經成為產業規模達上千億元的華南地區融資租賃的集聚中心。然而，在融資租賃業規模經歷爆發式增長的同時，一些弊端也逐漸顯露出來，如廣州市的融資租賃機構存在明顯的分化和發展不均衡，兩千多家融資租賃企業中實際有或者能開展業務的只有幾百家，且這幾百家多為資信較好的大型企業。2021年1月，廣州市專門就促進融資租賃業高質量發展印發了《關于促進廣州市融資租賃業高質量發展的實施意見》。可見推動融資租賃業高質量發展，以更好服務實體經是現階段發展融資租賃的重要議題。在此背景下，本研究從實證的角度，以廣州市重點引領融資租賃服務的三大領域（即重大基礎設施、先進制造業和現代服務業）為研究對象，主要研究廣州市融資租賃發展是否促進了基礎設施建設和先進制造業投資，以及融資租賃發展對實體經濟增長的作用效果，從而為廣州市融資租賃更高質量發展及服務粵港澳大灣區建設提供政策啟示和建議。

1 文獻回顧

融資租賃是一種資源配置的契約安排，是經濟發展到一定階段的產物，它在產業結構轉型和設備更新升級的壓力刺激下應運而生，在經濟社會投融資需求的驅動下發展并壯大起來。融資租賃被業內認為是工程機械行業轉型升級的重要影響因素之一［2］，是傳統制造業升級最為重要的融資方式，與基礎設施建設融資也有很高的契合度。

關于融資租賃和設備投資關系的實證研究沒有得出一致性結論且成果相對較少，主要是受限于融資租賃數據獲取困難等原因，由此造成指標選取針對性不強、樣本量不足等問題。如，王曉耕［3］對1987—2008年我國融資租賃業對固定資產投資的影響做了實證研究，結果表明，固定資產投資與融資租賃額存在協整關系，兩者相互促進；然而，朱成科等［4］基于2004—2013年我國省級的數據，發現融資租賃對設備投資的促進作用在東部區域并不顯著；周凱等［5］采用2013—2014年我國31個省份的截面數據研究融資租賃業快速發展的驅動因素，得到設備投資對融資租賃行業規模增長的影響顯著為負的結果。可見，以不同的國家和地區作為研究對象，選取的變量指標和時間跨度不同，得到的結論可能不同，固定資產投資對經濟增長的作用因地區稟賦不同而顯示出異質性。

中外眾多研究表明，固定資產投資對經濟增長具有正的相關性。如，He等［6］通過提出一種新的非參數技術變系數路徑識別方法，驗證了設備投資因素對經濟增長的決定性作用；De Long 等［7］研究發現設備投資增加1個百分點，將帶動地區生產總值（GDP）增長3個百分點；Madsen［8］進一步研究設備投資與經濟增長的格蘭杰因果關系，發現設備投資受供應驅動作用于經濟增長；Wang等［9］運用VAR模型分析1991—2017年我國固定資產投資與產業結構之間的關系，認為固定資產投資通過形成資本存量和需求影響產業結構，第二產業增加值與固定資產投資具有正的雙向因果關系。近期有較多學者研究了基礎設施投資與經濟增長的關系，但有關制造業投資與經濟增長關系的實證研究還比較少。多數研究表明，基礎設施投資對區域經濟增長具有顯著的正向促進作用，但影響效應因地區的不同經濟發展水平表現出差異，如，王立平等［10］實證表明基礎設施完善助推了地區經濟增長；胡晨光等［11］在研究大城市基礎設施、城市規模與城市經濟增長關系時發現，城市規模構成基礎設施促進城市經濟增長的中介變量,但這一中介效應在環渤海、長三角、華南三大都市帶存在差異；孫早等［12］以我國2003—2012年間的面板數據估計基礎設施建設投資與地區經濟增長之間的關系，結果表明，與東、中部地區的實證結果相反，西部地區經濟增長與基礎設施建設投資的關系之間不存在倒“U”型關系，高強度的基礎設施建設投資對經濟增長產生了抑制作用。此外，也有學者對比研究了基礎設施投資和制造業投資對我國經濟增長的影響，如，邱東陽等［13］基于我國2013—2017年省級面板數據，探討在創新驅動背景下固定資產投資結構對經濟增長的影響，研究發現制造業投資對當期經濟增長具有顯著的積極作用，而基礎設施投資則未表現出顯著的促進作用。

綜上所述，現有相關實證研究對融資租賃與固定資產投資、固定資產投資對經濟影響的單方面研究均取得較為豐富的成果，但鮮有從產業結構角度將融資租賃對不同產業固定資產投資及經濟影響進行系統分析。本研究將基于廣州市2011—2019年的有關數據，以月度為基本時間頻度，分別從融資租賃發展、先進制造業投資與工業經濟增長關系和融資租賃發展、基礎設施投資與第三產業經濟增長關系兩條主線展開實證研究，以期豐富關于融資租賃與實體經濟投資關系研究，同時為廣州市融資租賃服務產業轉型升級和實現更高質量發展提供政策參考。

2 模型方法與指標選取

2.1 模型方法

首先通過協整檢驗探討變量之間是否存在長期均衡關系。如果存在協整關系，則可以構造協整方程，得到誤差修正項，通過構建估計誤差修正模型(ECM)考察變量間的動態關系。為清晰探討研究變量之間的關系，對時間序列變量兩兩進行協整檢驗并建立二元ECM。本研究的實證結果均由R軟件運行給出。

2.1.1 協整方程

采用EG-ADF兩步法或Johansen的最大似然估計進行檢驗。

2.1.2 誤差修正模型

式（3）模型有兩個因果關系的來源，一個是來自差分滯后動態項時反映短期關系，通過F檢驗對誤差修正模型中各方程滯后項系數的顯著性進行聯合檢驗，可以判定各變量之間的短期Granger因果關系；另一個來自滯后誤差修正項反映長期關系，采用弱外生性檢驗來識別，即通過似然比統計量對調節系數施加零約束進行檢驗。

2.2 變量說明與數據來源

2.2.1 變量指標選取

（1）融資租賃交易額（FL）。融資租賃額交易額采用融資租賃貸款作為其代理變量，該指標于2011 年開始增設于金融機構本外幣存貸款主要項目表中。與以往學者采用的租賃和商務服務業固定資產投資額作為其代理變量相比，采用融資租賃貸款額更能體現融資租賃業務的交易特征，即融資租賃交易合同中的租金屬于債務部分（租賃負債），也符合金融租賃交易額占融資租賃交易總額較大比重的實際。

（2）基礎設施投資（BI）。基礎設施投資用基礎設施固定資產投資額表示，由電力、燃氣及水的生產供應業，交通運輸、倉儲和郵政業，信息傳輸、軟件和信息服務技術服務業，水利、環境和公共設施管理業四大行業固定資產投資額構成。

（3）先進制造業投資（MI）。根據2017年國民經濟行業分類，先進制造業包括裝備制造業、鋼鐵冶煉及加工和石油及化學三大行業，同樣采用相關行業固定資產投資作為其代理變量。

（4）工業經濟增長（IDP）和第三產業經濟增長(GDP3)。工業經濟增長和第三產業經濟增長分別采用規上工業增加值和第三產業增加值作為其代理變量。

2.2.2 數據來源及說明

運用廣州市2011—2019年的數據，實證融資租賃發展對實體經濟投資及經濟增長的影響。

融資租賃貸款、先進制造業投資與工業經濟增長的實證中，由于廣州市裝備制造業和鋼鐵冶煉的固定資產投資額目前只能獲取到年度數據，考慮樣本量大小及保持數據統計口徑統一，采用汽車制造業、電子信息制造業和石油化工制造業的固定資產投資之和作為先進制造業投資代表。事實上，汽車制造業、電子信息制造業和石油化工制造業是廣州市制造業的三大支柱。2014年廣州《關于加快推進融資租賃業發展的實施意見》就將先進制造業作為融資租賃業主要支持發展的領域之一，涉及汽車、精細化工、電子信息、裝備制造等制造業的改造提升。時間頻度為月度，共計108個觀測值。

（2）在融資租賃貸款、基礎設施投資與第三產業經濟增長關系的實證中，由于第三產業增加值只有季度數據，與之相關實證模型中相關變量統一轉換成季度時間序列，并取自然對數值，依次用lnFLQ、lnBIQ和lnGDP3表示。

融資租賃貸款額數據來源于中國人民銀行廣州分行發布的廣東省本外幣貸款運用項目下的融資租賃，其他變量指標數據均來自廣州市統計局的進度報表。基礎設施固定資產投資和先進制造業固定資產投資額由原始月度累計值轉換為當月值，各年的1月份缺失值由第一季度(即原始數據中的3月累計值)均值填充，2015年2月份累計值缺失，采用當年3月份的累計同比增長率計算得到；規上工業增加值2017年12月數據缺失，采用當年11月的累計同比增長率計算得到12月累計值，再減去11月份的累計值，得到當年12月份的當月值。數據單位均統一為億元。

在以上所選取數據指標中，除融資租賃貸款無季節特征外，其他指標均顯著存在季節特征。首先采用國際公認的最合理的季節調整方法X-12-ARIMA對時間序列進行季節調整，接著進行平穩性檢驗、協整檢驗及相互作用關系分析，結果均通過R軟件運行得到。

3 實證分析

3.1 時間序列的單位根檢驗

為避免“偽回歸”，在進行協整回歸和建立誤差修正模型前需對各時間序列進行單位根檢驗，確定它們的單整階數以及是否同階單整。單位根檢驗過程及結果如表1所示，從表1可知，各有關時間序列均為一階單整過程，可進行下一步協整分析。

表1 各變量時間序列的單位根檢驗結果

表1 （續）

3.2 融資租賃貸款、基礎設施投資與第三產業經濟增長

3.2.1 融資租賃貸款對基礎設施投資的影響分析

（1）協整關系檢驗。根據各類信息準則選擇最優滯后階數4進行Johansen協整檢驗，結果如表2所示，融資租賃貸款和基礎設施投資存在一個協整關系，得到協整向量為(1,-0.09)，即融資租賃貸款每增加一個單位，基礎設施固定資產投資將增加0.09個單位。

表2 變量的Johansen協整秩次檢驗結果

（2）誤差修正模型及因果關系分析。如表3和表4所示，在以ΔFL為響應變量的方程中，除常數項外沒有一個系數是在5%水平下顯著的，且關于ΔBI滯后項系數的聯合檢驗在5%水平下也是不顯著的；在以ΔBI為響應變量的方程中，誤差修正項的系數（調節系數）估計為-0.818，相應的t統計量為-4.272，在5%的顯著水平下顯著，同時也通過了弱外生性LR檢驗，但關于ΔFL滯后項系數及其聯合檢驗在5%水平下均不顯著。由此說明，在短期內融租租賃貸款和基礎設施投資不存在互動因果關系，這與基礎設施固定資產投資周期長特點相匹配。長期來看，融資租賃貸款顯著促進了基礎設施建設，但不會對其與基礎設施固定資產投資之間的不均衡作出調整，即融資租賃發展是導致基礎設施投資增長的原因，但不存在基礎設施投資是導致融資租賃貸款變化的原因。

表3 變量的Johansen誤差修正模型參數估計

表3 （續）

表4 變量的Granger因果關系和弱外生性檢驗結果

3.2.2 融資租賃貸款對第三產業經濟增長的影響分析

（1）協整關系檢驗。各類信息準則均選擇最優滯后階數4，選擇帶常數項的協整模型進行協整秩次檢驗。跡檢驗結果顯示存在一個協整關系，協整向量或，融資租賃貸款每增長1個百分點，將帶動第三產業經濟增長0.8個百分點。

（2）誤差修正模型及因果關系分析。如表3和表4所示，兩個方程的誤差修正項系數估計t統計量均在5%的顯著水平下顯著，同時也均通過了弱外生性LR檢驗；而有關差分滯后項系數的聯合檢驗在5%水平下均不顯著，說明融資租賃貸款發展與第三產業經濟增長存在相互作用的長期均衡關系，但短期內兩者的動態變化不存在相互因果關系。

3.2.3 基礎設施投資對第三產業經濟增長的影響分析

（1）協整關系檢驗。各類信息準則均選擇最優滯后階數3，選擇帶常數項的協整模型進行協整秩次檢驗。跡檢驗結果顯示存在一個協整關系，協整向量或，融資租賃貸款每增長1個百分點，將帶動第三產業經濟增長0.8個百分點，該作用強度與融資租賃貸款對第三產業經濟增長的作用強度非常接近。

（2）誤差修正模型及因果關系分析。在以ΔlnBIQ為響應變量的方程中，除ΔlnBIQ自身滯后項外沒有一個系數是在5%水平下顯著的，且關于ΔlnBIQ滯后項系數的聯合檢驗在5%水平下也是不顯著的；而以ΔlnGDP3為響應變量的方程中，調節系數估計為-0.134，相應的t統計量在5%的顯著水平下顯著，同時也通過了弱外生性LR檢驗，但ΔlnBIQ差分滯后項系數的聯合檢驗在5%水平下不顯著，說明短期內基礎設施投資與第三產業經濟增長不存在動態因果關系。長期來看，基礎設施投資是第三產業經濟增長的原因，而不存在第三產業經濟增長是基礎設施投資增長的原因。

綜合以上分析結果，可以得到結論：短期內融資租賃發展與基礎設施投資和第三產業經濟增長之間不存在動態因果關系，這與基礎設施固定資產投資周期長特點相匹配；但長期來看，廣州市融資租賃發展通過促進基礎設施投資進而促進了第三產業經濟增長。

3.3 融資租賃貸款、先進制造業投資與工業經濟增長

3.3.1 融資租賃發展對先進制造業投資的影響研究

MI和FL所組成的二元VAR在各參數下各信息準則下選擇的最優滯后階數均為1。運用EGADF兩步法進行協整檢驗。第一步運用OLS來估計協整系數，采用不帶截距項的回歸結果為（調整后的擬合優度為0.885）或寫成。第二步對做帶漂移項的單位根檢驗，得到的ADF檢驗值 -4.40小于5%臨界值-1.95，可以拒絕其“含有單位根”的原假設，從而判斷FL和MI之間存在協整關系，即融資租賃貸款和先進制造業投資之間存在一個長期均衡，融資租賃貸款每增加1個單位，先進制造業固定資產投資將增加0.03個單位。與基礎設施投資相比，融資租賃對先進制造業投資的作用要小得多。

構建誤差修正模型，觀察融資租賃貸款和基礎設施投資之間的短期動態變化關系。將誤差修正項的滯后項加到ΔMI和ΔFL的分布滯后模型（ADL）中，相應誤差修正模型估計為:

式（4）中兩個方程的殘差均通過單位根檢驗，即殘差平穩。在第一個方程中，除截距項外，其他變量均未通過t檢驗5%顯著水平；在第二個方程中，誤差修正項系數估計為-0.025，t統計量-0.284在5%顯著水平下顯著，但差分項ΔFL系數不顯著，說明短期內融資租賃貸款增長不是促使先進制造業投資增長的Granger原因，但長期來看，融資租賃貸款對先進制造業投資具有正向的促進作用；而先進制造業投資增長無論從短期還是長期來看，都不是導致融資租賃貸款額增長的原因。

3.3.2 融資租賃與工業經濟增長

按照選擇最優滯后階數、協整檢驗和估計誤差修正模型的的步驟，相關結果如下：（1）采用3階滯后帶常數項的Johansen協整秩次檢驗結果表明，FL和IDP之間存在一個協整關系，協整向量為，即融資租賃發展與工業經濟增長之間存在正向的長期均衡關系，融資租賃貸款每增加1個單位，將促進工業經濟經濟增長0.1個單位。（2）響應的誤差修正模型及因果關系檢驗表明，短期內融資租賃貸款增長與工業經濟增長不是彼此的Granger原因，長期來看融資租賃發展與工業經濟增長存在單向的因果關系，融資租賃貸款促進了工業經濟增長，但工業經濟增長對融資租賃貸款增長沒有顯著的調節作用。

3.3.3 先進制造業投資與工業經濟增長

下面探討先進制造業投資與工業經濟增長的關系，或者說先進制造業投資對工業經濟增長的影響。根據AIC、Hannan-Quinn信息準則(HQIC)和最終預測誤差(FPE)選擇3階滯后進行Johansen協整秩次檢驗，發現無論選擇帶常數項還是趨勢項或是均不帶，檢驗結果均為MI和IDP之間不存在一個協整關系；采用EG-ADF兩步法檢驗，OLS回歸的方程和系數檢驗均無法通過5%顯著性水平，可以認為先進制造業投資與工業經濟增長之前不存在長期均衡關系，一定程度上驗證了朱成科等［4］的研究結論，即設備投資沒有對東部起到促進經濟增長的作用。竇子欣等［14］也研究指出先進制造業新產品市場化程度較低，市場競爭性沒有體現，銷售渠道難以擴寬，這樣設備投資轉化為經濟效益的作用就受到了制約。

綜合以上分析，可以得到：廣州市融資租賃發展同時促進了先進制造業的固定資產投資和工業經濟增長，但先進制造業的固定資產投資沒有轉化為工業經濟增加值，工業經濟增長也不依賴于先進制造業的固定資產投資。由此可以說明：（1）廣州市的融資租賃發展滿足了資金約束企業購置設備等固定資產的需求，發揮了對先進制造業的投資功能，同時通過融資租賃的促銷功能增加了設備供貨方的銷售商收入，由此帶動工業經濟增長。（2）廣州市工業經濟增長已不是主要受供應驅動，在行業產能過剩的情況下，增加固定資產投資對促進工業經濟增長沒有顯著作用。

4 結論與建議

本研究運用協整檢驗和建立誤差修正模型，從產業結構角度實證研究廣州市的融資租賃發展對實體經濟的影響，基于2011—2019年的數據，分別探討了融資租賃發展、基礎設施投資與第三產業經濟增長關系和融資租賃發展、先進制造業投資與工業經濟增長關系。主要研究結論如下：（1）長期來看，廣州市融資租賃發展對實體經濟的影響存在這樣一個作用傳導機制，即融資租賃發展通過促進基礎設施投資進而促進第三產業經濟增長。（2）廣州市融資租賃發展促進了先進制造業投資，但相對于促進基礎設施投資的強度要弱得多；融資租賃發揮了其促銷功能，帶動了工業經濟增長。（3）廣州市先進制造業的固定資產投資沒有轉化為工業經濟增長，說明在當前行業產能過剩的情況下，增加固定資產投資對促進工業經濟增長不顯著，應同時增加需求消費將工業投入轉化為經濟增加值。

根據以上研究結論，為廣州市融資租賃更高質量服務產業發展及粵港澳大灣區建設提供以下對策建議：第一，總結并推廣廣州市融資租賃服務基礎設施建設的成功經驗，繼續引導城市軌道交通的建設、海運和航運、醫療衛生設施等設備租賃，服務粵港澳大灣區內基礎設施互聯互通和“一帶一路”建設，提高貿易便利化水平，為促進“走出去”和“引進來”提供重要支撐。第二，融資租賃提升先進制造水平要精準發力，擴大有效投資需求；在粵港澳大灣區經濟運行仍存在產能過剩的情況，同時還要增強發揮廣州國際商貿中心功能，暢通“雙循環”，通過促進出口消費帶動投資轉化為工業經濟增長。第三，完善現代服務體系為融資租賃發展提供配套支持。以打造南沙粵港澳全面合作示范區為契機，與香港共建專業服務機構，促進會計審計、法律、管理咨詢等專業服務發展，促成跨境融資租賃交易，以鞏固融資租賃行業領先地位，充分彰顯融資租賃在粵港澳大灣區的特色金融地位。