貨幣政策不確定性與制造業企業全要素生產率

■薛 龍，張雪蟒，歐陽志剛

一、引言

制造業是國民經濟的根基，推動制造業高質量發展是實現中國經濟高質量發展的重要環節，提升制造業企業全要素生產率則是推動制造業高質量發展的必由之路。由于制造業企業發展普遍存在典型的“速度效益型”特征，導致在提升制造業企業全要素生產率過程中，面臨著如何為其提供充足資金支持的問題。近年來中國人民銀行為了促進制造業企業轉型升級，出臺了一系列定向貨幣政策工具和結構性貨幣政策工具。這些政策的出臺為制造業企業的發展提供了相對穩定的預期，但是伴隨貨幣政策不斷出臺而來的貨幣政策不確定性對制造業企業帶來的潛在成本也不容忽視。由此提出的問題是：貨幣政策不確定性如何影響制造業企業的全要素生產率？貨幣政策不確定性對不同特征制造業企業的全要素生產率會產生哪些異質性效應？進一步地，貨幣政策不確定性影響制造業企業全要素生產率的具體傳導渠道是什么？對于以上問題的回答，不僅有助于在推動制造業高質量發展過程中為我國央行貨幣政策的精準施策和定向調控提供政策建議，而且能夠為制造業企業在面對貨幣政策不確定性時如何作出經營決策，進一步提升企業全要素生產率提供理論依據，具有重要的理論和現實意義。

二、文獻綜述

近年來國內外學者逐漸開始關注貨幣政策不確定性方面的影響。從宏觀經濟角度看，貨幣政策不確定性的沖擊會導致失業率以及產出增長率的震蕩（Creal&Wu，2017）。Fernández-Villaverde et al.（2011）基于實物期權等理論，研究發現貨幣政策不確定性的加深，不僅會導致家庭為防范風險增加儲蓄，降低消費水平，還可能會引起市場資本的觀望和外流，不利于小型經濟體的穩固發展。朱軍和蔡恬恬（2018）研究指出貨幣政策不確定性對通貨膨脹預期是一種“非線性”沖擊，這種沖擊在短期內會提升通貨膨脹預期，長期則會降低通貨膨脹預期。從微觀經濟主體角度看，外部政策不確定性較高，會導致企業延遲甚至放棄投資決策（Davis，2019），并且使國有制造業企業投資不足的問題更為突出（汪虹，2021）。同時在這一時期，企業為了降低自身的融資成本，會選擇提高自身會計信息質量以應對不確定性所帶來的不利影響（孫健等，2017）。此外，貨幣政策不確定性也加劇了股權質押對上市公司創新活動的抑制作用（楊鳴京等，2019）。

現有關于制造業企業全要素生產率的研究主要是圍繞技術進步以及資源配置的角度來展開的（段梅和李志強，2019）。從技術進步的角度看，陳汝影和余東華（2020）認為偏向資本的技術進步能夠正向影響制造業企業全要素生產率，而結合資本偏向的技術進步主要源自于企業的研發投入、技術引進等（Comin&Hobijn，2010）。張廣勝和孟茂源（2020）通過實證研究發現，研發投入與制造業企業全要素生產率二者之間呈現出顯著正相關關系，但是這一作用效果具有滯后效應并且呈現邊際效應遞減。從資源配置的角度而言，龔關和胡關亮（2013）的研究表明，資源配置改善能夠有效提升制造業企業全要素生產率，經測算，若1998—2007年資本以及勞動資源都能得到有效配置，這十年間的全要素生產率將能得到10.1%的提升。周新苗和錢歡歡（2017）的研究表明，我國的資源錯配會負向影響到制造業企業生產效率進步，但是對資源配置進行矯正以后會提高制造業企業全要素生產率水平。謝獲寶等（2020）的研究則表明金融化會抑制制造業企業全要素生產率的提升。資源配置除了能直接對全要素生產率產生影響以外，還能夠作為傳導渠道對全要素生產率產生影響，錢雪松等（2018）研究表明，產業政策能夠通過資源配置渠道影響到企業的全要素生產率。

上述研究為本文提供了有益參考，但是在貨幣政策不確定性與制造業企業全要素生產率這一細分領域還鮮有學者進行研究。本文的研究不僅拓展了宏觀政策對微觀企業影響領域的相關文獻，而且為分析制造業企業全要素生產率的影響因素提供了一個新的視角。

三、理論分析與研究假設

（一）貨幣政策不確定性與全要素生產率

當制造業企業在日常經營過程中受到外部政策不確定性的影響時，制造業企業往往會采取一定的經營策略以應對不確定性所帶來的風險。一是從研發投入的角度看，首先，當貨幣政策不確定性上升時，放貸給制造業企業的銀行等金融中介會考慮到自身所面臨的違約風險，減少放貸量。其次，制造業企業的研發項目在真正產生收益之前，通常是以無形資產的形式呈現，相對于固定資產而言，此類研發項目抵押值較低，能獲得的外部資金較少。最后，制造業企業的研發項目通常具有周期長、資金需求量大、投資不確定性大等特點，具有較高的投資風險。因此，當貨幣政策不確定性上升時，制造業企業在面臨融資約束和投資風險的背景下，可能會作出減少研發投入的決策，而隨著企業研發投入的減少，會導致制造業企業全要素生產率下降。二是從資源配置的角度看，當貨幣政策不確定性上升時，企業的投資決策也面臨不確定性（柳明花，2020）。對制造業企業而言，交易性金融資產等金融資源較固定資產而言更易變現，能夠更好地解決可能出現的現金流不足等財務問題，為了防范此類問題給企業所帶來的財務風險，制造業企業增持金融資產的預防動機加強，可能會將自身資源更多地傾向更易變現的金融資產，以應對不確定性的沖擊。因此，貨幣政策不確定性加強時，企業會加大金融資產配置，即提高其金融化水平。對制造業企業而言，企業的金融化水平越高，說明企業對于自身的技術進步等方面更少地進行資源傾斜，不利于全要素生產率的提升。綜上分析，提出研究假設1。

假設1：貨幣政策不確定性的上升會導致制造業企業全要素生產率下降。

（二）貨幣政策不確定性、企業成長性與全要素生產率

成長性較好的制造業企業通常處于快速成長期這一生命周期，此類制造業企業具有較高的成長潛力，也具有較高的資金需求。在貨幣政策不確定性加深時期，信貸市場中的信息不對稱程度升高，此時銀行提供貸款時更加謹慎，并且上游企業對下游企業提供的商業信用貸款相對貨幣政策不確定性較低時期更少，因此導致企業融資成本上升，強化了企業所面臨的融資約束。全要素生產率的提升和技術進步息息相關，技術進步又取決于企業研發投入強度。成長性較好的企業在面臨外部融資約束和內部擴張需求的雙重壓力下，會作出縮減研發投入的決策，這不利于全要素生產率的提升。綜上分析，提出研究假設2。

假設2：制造業企業成長性越好，貨幣政策不確定性對制造業企業全要素生產率的抑制效應越強。

（三）貨幣政策不確定性、投資機會與全要素生產率

正如前述分析，當貨幣政策不確定性上升時，制造業企業的風險溢價水平和融資成本均會提高，企業為了規避風險導致投融資活動的意愿下降，此時，制造業企業在面臨較多投資機會和高風險研發投入之間就會選擇風險較低的投資機會而放棄具有較高風險的研發投入，導致企業研發投入的減少。此外，企業在降低研發投入的同時會把有限的資源配置到風險較低的投資機會上，這就可能導致企業有限的資源出現誤置現象。可以看出，制造業企業投資機會越多，當貨幣政策不確定性上升時，制造業企業降低研發投入和發生資源誤置的可能性就越大，這就加劇了貨幣政策不確定性對制造業企業全要素生產率的負向影響。由此提出研究假設3。

假設3：制造業企業面臨的投資機會越多，越加劇貨幣政策不確定性對制造業企業全要素生產率的負向影響。

四、研究設計

（一）變量設定

1.解釋變量為貨幣政策不確定性（UNMP）。目前學術界關于貨幣政策不確定性這一變量的衡量主要有兩種方式：一是上海銀行間同業拆借利率（Shibor）七日利率的變化標準差；二是Huang&Luk（2020）利用文本分析法所創建的貨幣政策不確定性指數。因文本分析法涉及的電子數據庫領域更廣，結果更為客觀，故選取第二種測量方法。此外，為了將月度貨幣政策不確定性指數轉換為本文所需要的年度貨幣政策不確定性指數，參考顧夏銘等（2018）的做法，將一年內各月度貨幣政策不確定性指數的算術平均值作為年度貨幣政策不確定性指數。最后，為了使之與制造業企業觀測數據在統計學上相匹配，將年度貨幣政策不確定性指數除以100作為最終貨幣政策不確定性的衡量指標。

2.被解釋變量為全要素生產率（TFP）。目前關于全要素生產率的衡量主要有OLS、FE、OP以及LP法，考慮到OLS法與FE法可能存在聯立性偏誤與樣本選擇偏誤，故而選擇使用OP法和LP法來衡量制造業企業全要素生產率，具體計算辦法主要參考魯曉東和連玉君（2012）的做法。

3.控制變量。參考已有研究，本文控制了可能影響企業全要素生產率的企業特征變量，主要包括企業成長性（GROW）、賬面市值比（BM）、投資機會（TOBINQ）、企業上市年限（AGE）、資產負債率（LEV）、現金流水平（CASH）、固定資產占比（PPE）、企業規模（SIZE）和產權性質（SOE）。此外還通過設置虛擬變量的方式對行業效應（Ind）和年度效應（Year）進行了控制，控制變量具體含義和計算方法見表1。

表1 變量設置與說明

（二）模型構建

為了研究貨幣政策不確定性如何影響制造業企業全要素生產率，設定模型（1）如下：

模型（1）主要關注貨幣政策不確定性的回歸系數β，如果β顯著小于0，則假設1得到驗證，表明貨幣政策不確定性上升時會導致制造業企業全要素生產率的下降。

為了檢驗企業成長性是否會在貨幣政策不確定性影響制造業企業全要素生產率的過程中產生調節效應，設定模型（2）如下：

模型（2）主要關注貨幣政策不確定性的回歸系數β，以及貨幣政策不確定性和企業成長性的交乘項系數β。如果β顯著小于0且β顯著為負值，則假設2得到驗證，表明企業成長性越好，貨幣政策不確定性上升時對制造業企業全要素生產率的負向影響就越大。

為了探究企業投資機會是否會在貨幣政策不確定性影響制造業企業全要素生產率的過程中產生調節效應，設定模型（3）如下：

模型（3）主要關注貨幣政策不確定性的回歸系數β以及貨幣政策不確定性和企業投資機會的交乘項系數β，如果β顯著為負值且β顯著小于0，則假設3得到驗證，表明企業投資機會越多，貨幣政策不確定性上升時對制造業企業全要素生產率的負向影響就越強。

模型（1）（2）（3）中，TFP代表制造業企業i在t年度的全要素生產率，采取OP法（TFP-OP）和LP法（TFP-LP）兩種計量方式；β代表常數項；UNMP代表貨幣政策不確定性；X代表企業成長性、賬面市值比、投資機會、企業上市年限、資產負債率、現金流水平、固定資產占比、企業規模、產權性質等企業層面的一組控制變量；Year和Ind分別表示年份虛擬變量和行業虛擬變量，用以控制年度效應和行業效應；ε表示隨機誤差項。

（三）樣本選取與數據來源

本文使用2009—2019年滬深A股上市制造業企業微觀數據進行分析。并對數據遵循以下原則進行篩選和處理：（1）剔除了ST、ST*企業的樣本數據，主要是由于ST與ST*類企業所披露的經營成果可靠性差，財務狀況異常；（2）剔除了數據缺失的樣本數據，原因是國泰安數據庫中的數據并不十分完整，采取剔除的辦法以保證數據的可比性與完整性；（3）為了剔除異常值的影響，對企業層面觀測數據均進行了Winsorize處理，即對連續變量進行雙側1%的縮尾處理。企業數據主要來源國泰安數據庫。篩選處理后的樣本量為13224。

表2報告了主要變量的基本統計特征。可以發現，所選樣本中制造業企業全要素生產率TFP-OP的均值與中位數分別為7.031和7.005，TFP-LP的均值與中位數分別為16.524和16.411，略微左偏態。貨幣政策不確定性（UNMP）的最小值為0.809，最大值為2.279，而均值為1.213，這說明我國貨幣政策調整得較為頻繁。此外，從企業層面數據的統計分析看，企業成長性（GROW）的均值為0.166，中位數為0.112，說明樣本企業整體發展能力較好。企業投資機會（TOBINQ）的最小值為0.894，最大值為7.490，相差較大，這說明不同上市企業之間的投資機會相差較大。資產負債率（LEV）的最小值為0.051，最大值為0.851，這說明不同上市企業之間的負債水平相差很大，而且部分上市企業存在過度負債現象。現金流水平（CASH）的最小值為-0.122，最大值為0.230，這說明不同上市企業之間的現金流水平存在較大差異。

表2 主要變量描述性統計

五、實證結果分析

（一）基準回歸分析

表3報告了模型（1）的回歸結果，其中列（1）—列（3）中的衡量方式采用OP法，列（4）—列（6）中的衡量方式采用LP法。從列（1）和列（4）中結果可以看出，在不加控制變量時，貨幣政策不確定性的回歸系數分別為-0.3437、-0.3901，并且均在1%的水平上顯著。列（2）和列（5）為加入控制變量，但不對年份虛擬變量和行業虛擬變量進行控制的回歸結果，結果顯示貨幣政策不確定性前的回歸系數分別為-0.2398和-0.1353，并且同樣在1%的水平上顯著。列（3）和列（6）報告了加入控制變量并且對年份和行業效應進行控制的回歸結果，結果顯示貨幣政策不確定性的回歸系數分別為-0.8973和-0.6655，并且同樣在1%的水平上顯著。以上結果說明，兩種衡量方法下的全要素生產率在三種回歸條件下，貨幣政策不確定性均會對制造業企業全要素生產率產生負向影響，即貨幣政策不確定性上升時，會導致制造業企業的全要素生產率降低，這一結果驗證了本文的假設1。

表3 貨幣政策不確定性與全要素生產率

（二）穩健性分析

為了研究結論的可靠性，參考孫健等（2017）的做法，對于貨幣政策不確定性指標進行重新衡量，以檢驗前文基準回歸是否具有穩健性。首先采用中國2009—2019年每一季度最后一月的貨幣政策不確定性指數的算術平均數的方法重新進行衡量，模型（1）回歸結果見表4列（1）和列（2）所示；其次采用同一時間區間內上海銀行間同業拆借7日利率的年度標準差作為貨幣政策不確定性指標，回歸結果見表4列（3）和列（4）所示。可以看到在兩種衡量方式下，貨幣政策不確定性變量的回歸系數均在1%的顯著性水平上顯著。這一結果表明貨幣政策不確定性的上升會導致制造業企業全要素生產率顯著下降，這和前述回歸結果相一致，由此表明了本文研究結果的穩健可靠。

表4 穩健性檢驗結果

（三）企業成長性和投資機會的調節效應分析

表5中列（1）和列（2）報告了模型（2）的回歸結果，列（3）和列（4）報告了模型（3）的回歸結果。從回歸結果中可以看出，列（1）和列（2）中貨幣政策不確定性的回歸系數分別為-0.9013和-0.6749，且在1%的水平上顯著，企業成長性與貨幣政策不確定性兩者的交乘項的回歸系數分別為-0.0759和-0.1763，并且在1%的水平上顯著。上述結果意味著企業成長性越好，貨幣政策不確定性對制造業企業全要素生產率的負向影響越大，本文的研究假設2得到了驗證。列（3）和列（4）的回歸結果中貨幣政策不確定性的回歸系數分別為-0.9011和-0.6705，并且在1%的水平上顯著，企業投資機會與貨幣政策不確定性兩者的交乘項的回歸系數分別為-0.0607和-0.0796，且在1%的水平上顯著，這一結果意味著企業投資機會越多，貨幣政策不確定性對制造業企業全要素生產率的負向影響越大。本文的研究假設3得到了驗證。

表5 調節效應回歸結果

（四）中介效應分析

正如前文所述，貨幣政策不確定性可能通過影響企業研發投入和企業金融化水平對制造業企業全要素生產率產生影響，下文從這兩個角度檢驗貨幣政策不確定性對制造業企業全要素生產率的作用渠道。

1.中介變量定義

研發投入（RD）。借鑒郭平（2016）的研究方法，使用企業當年的研發支出除以主營業務收入來衡量研發投入。

企業金融化（FN）。參考張成思和張步曇（2016）的做法，將金融資產占比作為企業金融化的衡量指標，計算公式如下：

FN=（貨幣資金+持有至到期投資+交易性金融資產+投資性房地產+可供出售金融資產+應收股利+應收利息）/企業總資產

2.中介效應模型

本文主要采用溫忠麟等（2004）的中介效應檢驗方法，分三步進行檢驗。Path a：檢驗貨幣政策不確定性（UNMP）與全要素生產率（TFP）之間的關系，得到回歸系數α。如果α在統計上顯著，則進行下一步檢驗。Path b：檢驗貨幣政策不確定性與中介變量（研發投入和企業金融化）之間的關系，得到回歸系數β。如果β在統計上顯著，則進行下一步檢驗。Path c：檢驗中介效應是否存在，將中介變量放置模型進行回歸，得到回歸系數λ。如果λ顯著并且λ的絕對值比α的絕對值小，則存在中介效應。進一步地，如果λ顯著，則說明存在部分中介效應；如果λ不顯著，則說明存在完全中介效應。具體模型如下：

3.檢驗結果分析

表6的PANEL A報告了貨幣政策不確定性影響制造業企業全要素生產率的過程中，以企業研發投入作為傳導渠道的逐步回歸結果。結果發現無論是以TFP-OP還是以TFP-LP作為被解釋變量，Path a中貨幣政策不確定性均在1%的顯著性水平上對制造業企業全要素生產率具有負向影響。在Path b中，貨幣政策不確定性在1%的顯著水平上對企業研發投入具有負向影響，這一結果說明貨幣政策不確定性的上升降低了制造業企業研發投入。結合Path c中貨幣政策不確定性在1%的水平上對制造業企業全要素生產率具有負向影響，研發投入在1%的水平上對制造業企業全要素生產率具有正向影響，并且Path c中貨幣政策不確定性的系數絕對值小于Path a中貨幣政策不確定性的系數絕對值，這說明研發投入這一渠道為部分中介效應，以上結果意味著，貨幣政策不確定性上升通過降低研發投入進而抑制了制造業企業全要素生產率。

表6的PANEL B報告了貨幣政策不確定性影響制造業企業全要素生產率的過程中，以企業金融化作為傳導渠道的逐步回歸結果。結果發現無論是以TFP-OP還是以TFP-LP作為被解釋變量，Path a中貨幣政策不確定性均在1%的顯著性水平上對制造業企業全要素生產率具有負向影響。在Path b中，貨幣政策不確定性在1%的顯著水平上對企業金融化具有正向影響，這一結果說明貨幣政策不確定性的上升深化了制造業企業金融化水平，結合Path c中貨幣政策不確定性在1%的水平上對制造業企業全要素生產率具有負向影響，企業金融化分別在10%和5%的水平上對制造業企業全要素生產率具有負向影響，并且Path c中貨幣政策不確定性的系數絕對值小于Path a中貨幣政策不確定性的系數絕對值，這說明企業金融化這一渠道為部分中介效應，上述結果表明，貨幣政策不確定性通過加深企業金融化水平進而抑制了制造業企業全要素生產率。

表6 作用渠道檢驗結果

六、研究結論與啟示

本文借鑒Huang&Luk（2020）的基于文本分析法所構建的貨幣政策不確定性指數來衡量中國貨幣政策不確定性，并結合制造業上市企業的微觀數據構建面板數據模型，研究貨幣政策不確定性對制造業企業全要素生產率的影響。研究結果發現，貨幣政策不確定性上升會導致制造業企業全要素生產率顯著下降。進一步地，對于不同特征的制造業企業來說，企業成長性越好、面臨的投資機會越充足，貨幣政策不確定性上升對制造業企業全要素生產率的負向影響越大。傳導渠道的檢驗結果表明，貨幣政策不確定性上升會通過降低企業研發投入和提升企業金融化水平兩個渠道來抑制制造業企業全要素生產率的提升。

上述研究結論對我國央行貨幣政策制定與企業經營決策都具有重要的啟示。首先，在制定和實施貨幣政策進行經濟調控時，應該保持貨幣政策的穩定性和連續性，減少因貨幣政策頻繁調整所帶來的不確定性對制造業企業全要素生產率的不利影響。其次，在保持貨幣政策穩定性與連續性的同時，要注重貨幣政策工具的本身所具有的針對性和靈活性，強化貨幣政策工具的定向調控，充分發揮貨幣政策工具在促進制造業企業增加研發投入，抑制制造業企業金融化水平方面的效果，有效降低貨幣政策不確定性的不利影響，進而更好促進制造業企業全要素生產率的提高。最后，在傳統貨幣政策工具基礎上，應創新和豐富貨幣政策工具組合，發揮貨幣政策工具的組合效應；同時引導金融機構優化信貸結構，加強對制造業企業的資金支持。對制造業企業來說，在發展過程中應制定科學合理的戰略目標，保持合理的擴張速度，避免出現因擴張過快導致研發資金供不應求的現象。此外，即使制造業企業自身面臨較為充足的投資機會，也不能減少制造業企業自身的研發投入，避免“脫實向虛”現象的出現，進而影響制造業企業全要素生產率的提升和高質量發展目標的實現。

注：括號中為t檢驗統計量，*、**和***分別表示在10%、5%和1%的水平上顯著。