產權性質、產業政策與企業杠桿風險

［摘要］ 為分析我國信貸資源配置效率并探究非金融企業部門杠桿問題的制度原因，將企業負債率分解為債務負擔和經營效率兩個維度，進而利用矩陣分析法從這兩個維度對企業杠桿風險進行綜合評估。在此基礎上，以五年規劃為切入點，考察產業政策對企業杠桿風險的影響。研究表明，相對于未受產業政策支持行業的企業，受產業政策支持行業企業債務負擔更重，經營效率更低，從而杠桿風險也相對更高。影響機制檢驗發現主要是產業政策導致企業過度負債進而引致過度投資，加劇了企業杠桿風險。進一步，產業政策對杠桿風險的負面影響在國有企業中更為顯著，這也解釋了為何我國國有企業杠桿居高不下、債務風險日漸凸顯，而去杠桿政策實施之后國有企業的杠桿風險有所降低。

［關鍵詞］ 產業政策 杠桿風險 債務負擔 經營效率 產權性質

一、引言

近年來，我國非金融企業部門的杠桿問題堪憂。在2015年底，中央經濟工作會議就將“去杠桿”作為供給側結構性改革的重要任務之一。那么，企業高杠桿就一定意味著高風險嗎？事實上，企業負債率高低并不能判斷其負債狀況是否合理[1]，高負債率也并不一定代表高風險。具體而言，若企業利用債務資金進行高效的投資運營，獲取的收益在償還本息后仍有可觀的盈余，那這樣的杠桿即使是高杠桿，也是風險較低的好杠桿。而如果企業進行債務融資后，其經營效率卻不斷下滑，未來企業難以獲取充沛的現金流來償還該債務及其利息，甚至會陷入債務危機，那么，即便這是低杠桿，也是債務風險較高的壞杠桿。換而言之，即使是相同負債率的企業，因其盈利水平不同企業債務風險也會存在較大差異。綜上所述，企業負債率的高低并不能直接決定企業杠桿風險的大小。

2018年4月2日，中央財經委員會舉行了成立以來的第一次會議，會議首次提出要以“結構性去杠桿”為基本思路，明確強調非金融企業中的國有企業要盡快把杠桿降下來。這是因為國有企業杠桿更高[2-3]，但是企業效率卻更低[4]，導致杠桿風險更大。因此，去杠桿需要根據具體杠桿具體分析，要結合企業效率判斷企業杠桿風險，而非僅僅由企業杠桿本身的高低來判斷是否要去杠桿。如此，才能有效防范由企業杠桿風險帶來的系統性金融風險。為此，本文將結合企業債務負擔和經營效率來衡量企業杠桿風險，并考察影響企業杠桿風險的制度因素。

產業政策就是我國政府干預經濟發展的重要抓手，對當前我國促進產業結構優化調整與經濟增長模式的轉變具有重大的現實意義[5]。信貸政策作為產業政策的配套措施，政府會通過干預信貸資源配置，將更多的信貸資金配置到受產業政策支持的行業，以支持產業發展[6-7]。受鼓勵行業的企業也更容易獲取債務融資，這些企業的債務也隨之上升[8-12]。但是，在產業政策的鼓勵下，企業卻容易盲目擴大生產規模，引起過度投資，降低了投資效率[11-12]。而低效的投資無法為企業帶來充足的現金流以供企業償還債務資金，導致企業身陷債務泥潭，造成加杠桿容易去杠桿難的困境。那么，是否是產業政策的激勵使企業利用債務資金盲目擴張，負債率越來越高，而盈利情況卻每況愈下，最終企業杠桿越來越差，甚至出現債務危機呢？進一步，非金融企業部門的負債率出現嚴重的分化，即非國有企業負債率呈現出明顯的下降趨勢，而國有企業的負債率卻呈現持續上升的趨勢[3]。那么，產業政策下國有企業的盲目投資、過度負債是否是企業杠桿問題的成因之一呢？

為回答上述問題，本文首先構建了企業杠桿風險這一指標。具體而言，本文將企業負債率分解為債務負擔和經營效率兩個維度，并運用二維矩陣的分析方法來定義和衡量企業杠桿風險，以區分好杠桿和壞杠桿。該指標將企業債務與經營情況相結合，能夠區別出相同負債率的企業經營效率的不同會使企業杠桿風險存在兩極分化的差異。在此基礎上，本文基于2003—2015年深滬兩市A股上市公司的數據，利用“五年規劃”支持的行業作為產業政策的代理變量，探討產業政策對企業杠桿風險的影響以及作用渠道。進一步，本文對比在產業政策的影響下國有企業與民營企業杠桿風險的變化是否存在差異。最后，本文還考察2016年實施去杠桿政策之后產業政策對企業杠桿風險影響的變化。

本文主要具有以下幾點邊際貢獻：第一，現有文獻往往僅通過負債率等指標從量的角度考察企業債務融資，而忽視了對企業杠桿風險的分析，并且企業的負債水平并不能體現其債務風險。因此，本文將企業有息負債率分解為債務負擔和經營效率兩個維度，并運用矩陣分析法從這兩個維度對企業杠桿風險進行綜合全面的評價，為杠桿風險的衡量提供新思路。第二，本文基于杠桿風險考察產業政策對信貸配置效率的影響，拓展有關產業政策影響的研究，為產業政策的實施效果提供微觀公司層面的經驗證據。第三，本文嘗試從產業政策的角度剖析我國企業杠桿結構性問題背后的制度根源，深入分析我國企業杠桿分化尤其是國有企業杠桿問題惡化的原因。研究發現產業政策提升杠桿風險的結論僅適用于國有企業，說明我國企業杠桿存在嚴重的結構性問題，尤其是國有企業的杠桿風險已成為防范債務風險的重中之重。

二、理論分析與研究假說

本文認為相比于未受產業政策支持行業的企業，受產業政策支持行業的企業更容易獲得債務融資，債務水平顯著提高。在理論上，這也是基于資金供需兩端的分析得出的結論。

基于資金的供給方即銀行來分析，產業政策對銀行信貸資源配置有兩種影響路徑。一方面，政府通過行政干預來影響銀行的信貸資源配置。由于我國五大商業銀行均是國有的，國有銀行的信貸決策受政府干預[13]。當金融市場受到政府行政性干預時，產業政策可以直接引導信貸資源配置[6-7]。例如，政府向銀行提供產業支持目錄，從而引導信貸資源流向產業政策支持行業的企業。此外，政府還會通過間接的行政干預來影響信貸資源配置。具體而言，政府的行政審批向受產業政策支持行業傾斜，包括企業成立、項目審批與核準等。相應地，銀行信貸也會受其影響，更多信貸資金流入到受產業政策支持的企業和項目。另一方面，產業政策通過產業發展信息引導企業與金融機構的投融資行為[9]。由于企業和銀行之間存在信息不對稱，銀行往往需要花費高額成本來搜集和分析企業的信息，降低銀行的資產風險。但是較高成本會使銀行缺乏動力去尋找低風險、高信用的客戶。而產業政策可以釋放出一種政策信號，表明受支持行業的未來發展前景較好[14]，這可以緩解銀行與企業之間的信息不對稱。相應地，銀行會增加向受產業政策支持企業的信貸投放。

基于資金的需求方即企業來分析，企業為迎合產業政策，會相應地增加投資[12]，而企業投資活動往往需要融資活動為其保障資金投入。由于我國資本市場尚未完善，相對于權益融資，企業更傾向于采用間接的銀行信貸進行融資。此外，在產業政策的激勵下也會導致企業管理層過度自信[15]，而過度自信的高管則更傾向于債務融資，甚至會采取激進的債務融資決策，進而導致企業負債水平過高[16-17]，債務負擔也隨之增大。

進一步，在產業政策的支持下，受產業政策支持行業的企業過高的負債則會降低企業的經營效率。我國高杠桿的企業一方面通過提高企業利益相關者的風險補償溢價，另一方面通過抑制企業的創新投資激勵來降低企業研發創新，從而降低企業的總體績效[18]。此外，在產業政策的支持下，受政策鼓勵行業的企業經營效率也會進一步降低，具體可以通過以下三方面進行解釋：其一，在產業政策扶持下，政府會有相應的配套措施來支持產業發展，如降低行業進入門檻、提供信貸支持、增加稅收優惠，導致企業無視市場需求，為爭取政府資源，紛紛上馬新建項目以謀求政府支持，出現投資“潮涌現象”[19]。在產業政策的沖擊下，受產業政策支持行業的企業對投資機會的敏感程度會降低，使得企業投資缺乏效率，從而企業資本配置效率降低[20]。其二，這種“政府選擇代替市場機制”的產業政策會妨礙市場競爭[21]，并且政府支持會強化市場樂觀預期，容易引起公司過度投資，盲目擴大產能，導致投資效率降低[12]。其三，產業政策會提升管理層的自信，甚至造成過度自信[15]。過度自信的高管具有強烈的擴張沖動，并盲目擴大投資規模[22]，甚至還會高估投資項目的價值，對實際凈現值小于零的項目進行投資，造成投資過度[23]。企業的盲目擴張導致投資效率降低、經營效率下滑，而低效率的投資無法為企業帶來償本付息的現金流，使得企業債務風險凸顯。

基于上述分析，本文提出以下假說：相對于未受產業政策支持行業的企業，受產業政策支持行業的企業債務負擔更重、經營效率更低，杠桿風險更高。

三、研究設計

（一）樣本選擇

本文以2003—2015年全部A股上市公司為研究樣本。樣本期間始于2003年是由于上市公司2003年才開始披露上市公司的最終控制人，而這一信息直接與本文研究的企業產權性質相關。此外，本文研究樣本期間止于2015年，是因為2015年底中央經濟工作會議提出“去杠桿”，這對企業負債率影響較大。為避免去杠桿政策對本文結論的影響，因此樣本截止到2015年。同時，這也為研究我國非金融企業債務問題不斷惡化的成因提供了較為干凈的樣本。本文剔除金融行業的公司樣本，以及數據缺失的樣本后，共得到20932個觀測樣本。此外，本文對所有連續變量進行了1%分位的縮尾處理。本文使用的產業政策數據根據國家五年規劃文件手工搜集和整理所得，其余數據來源于CSMAR數據庫。

（二）變量定義

1. 杠桿風險

本文將企業負債率分解為債務負擔和經營效率這兩個維度，并運用矩陣分析法從這兩個維度對企業的杠桿風險進行綜合評價。本文將有息負債率作為衡量企業杠桿率的指標，是因為企業有息負債的債權人大多為銀行之類的金融機構，一旦發生違約，金融體系也將面臨風險。因此，企業有息債務作為防范化解系統性金融風險的重點，也是本文研究的主要對象。有息負債率（Leverage）的衡量與分解如下：

Leverage=DEBT/ASSET=DEBT/EBIT×EBIT/ASSET （1）

其中，DEBT為有息負債，包括短期借款、長期借款、應付債券以及一年內到期的非流動負債，ASSET為總資產。EBIT為息稅前利潤，采用該指標主要是因為相對于凈利潤，EBIT剔除了資本結構中債務融資成本和所得稅稅負的影響。如此，EBIT能夠更為準確地比較不同資產結構以及采用不同所得稅政策企業之間的盈利能力差異。負債率分解后得到兩個指標，其中DEBT/EBIT表示企業的債務負擔，即企業以當前息稅前利潤需要用多少年才能還清現有的債務，而EBIT/ASSET表示企業的經營效率，即每一元錢的資產可以產生多少息稅前利潤。

在對企業負債率進行矩陣分析之前，本文要排除一種特殊情況，即EBIT為負數。此時，企業的DEBT/EBIT也為負數，但這并不代表企業債務負擔較低，而是企業當前并沒有利潤支撐企業來償本付息。如果企業未來一直虧損下去，那么企業的資金鏈將會斷裂，并爆發債務危機。同時，EBIT/ASSET也為負數，這表明企業的經營效率低下。這種情況下企業風險最大，變量Lev_risk賦值為1。

排除上述特殊情況后，本文基于各行業債務負擔和經營效率的年度平均水平，對每個公司的債務負擔和經營效率進行評價。按照表1中的二維矩陣將負債率分為四類，并依此將企業的杠桿風險劃分為三個檔次，賦值越高，說明杠桿風險越小。第一，較低的經營效率與較大的債務負債，意味著企業入不敷出，其經營收益難以償還高額的債務，債務風險較大，將其作為第二檔，賦值為2。第二，較高的經營效率與較大的債務負債，以及較低的經營效率與較小的債務負債，這些都是相匹配的組合，即當前經營效率與其債務負擔適應，均賦值為3。第三，較高的經營效率與較小的債務負債則意味著企業當前的債務風險很小，而且可以通過經營收入來償還債務，故將該組合作為第四檔，賦值為4。本文將以兩個維度指標的行業-年度均值為標準得到的杠桿風險（Lev_risk）作為主要的使用變量。此外，本文還將通過指標的行業-年度中位數評判得出的杠桿風險（Lev_risk1）作為替換變量進行穩健性檢驗。

通過這兩個維度對負債率的分解，可以更為全面、綜合地評價企業杠桿率的風險。具體而言，如兩家不同的公司具有相同的有息負債和總資產，則其有息負債率也處于相同水平，但是兩者的EBIT不一樣，這會導致其杠桿風險呈現兩個不同的極端。若EBIT越大，則DEBT/EBIT越小，企業債務負擔越小，同時EBIT/ASSET越大，企業營運效率越高，這樣的杠桿風險越低。但是當EBIT較小時，則會出現DEBT/EBIT較大，企業債務負擔較重，同時EBIT/ASSET較小，企業營運效率低下，則說明該杠桿風險較高。通過上述分析可知，引入EBIT后企業負債率的分解可以將企業債務水平與企業的經營情況相結合，從而能夠更為全面地判斷企業的杠桿風險。此外，本文還發現，負債率高可能并不代表債務風險大。具體而言，當企業債務負擔大并且經營效率高時，兩者的乘積得到的負債率也是較高的，但是其經營效率與其債務負擔是相匹配的，也就是說，較高的經營效率可以獲取豐厚的盈利，為未來的債務償還提供一定的保障。而真正債務風險大的企業是那些債務負擔很高，并且經營效率卻很低的企業，這兩個指標一高一低，相乘之后得到的負債率反而較低。

2. 企業債務負擔

本文采用企業負債率分解后得到的DEBT/EBIT來衡量企業的債務負擔（DEBT_EBIT）。本文還引入了其他兩個企業債務融資的指標，一個是基于企業債務流量從現金流量表得到的債務融資現金流，另一個是基于企業債務存量從資產負債表獲取的有息負債，并將兩個指標除以期初總資產分別得到Lev_debtcash和Lev_debt。

3. 企業經營效率

本文將企業負債率分解后得到的EBIT/ASSET用來衡量企業的經營效率（EBIT_ASSET）。現有文獻普遍采用ROA度量企業績效[24]，因此本文也將ROA作為主要的檢驗指標。此外，企業經營效率取決于企業的投資是否有效，高效的投資也會提高企業的經營效率，所以本文參考文獻中的方法計算企業的投資效率（Eff_inv）用于衡量經營績效，該變量值越大，則說明投資效率越低[25]。

4. 產業政策

本文參考現有文獻關于產業政策的定義方法[8-9]，根據“五年規劃”文件中的內容和《證監會行業分類指引（2012）版》將行業劃分為國家鼓勵和支持發展的行業與非國家鼓勵和支持發展的行業。若當年公司所在行業屬于五年規劃中國家鼓勵和支持發展的行業，產業政策（IP）為1，否則為0。

5. 控制變量

本文選擇了以下控制變量：（1）產權性質（SOE），若公司實際控制人性質為國有，則取值為1，否則為0；（2）固定資產占比（FATA），固定資產/總資產；（3）公司規模（SIZE），總資產的自然對數；（4）總資產增長率（Growth），當期總資產減去上期總資產后除以上期總資產；（5）銷售利潤率（Profit），即凈利潤除以營業收入；（6）總資產周轉率（Turnover），即營業收入除以總資產；（7）成長性（MB），即市場價值除以賬面價值；（8）股權集中度（TOP1），即第一大股東持股比例；（9）高管持股比例（MSR），即高管持股數量除以總股數；（10）董事會規模（Boardsize），即董事會總人數的自然對數；（11）獨立董事占比（Ind_board），即獨立董事人數除以董事會總人數。

（三）模型建立

為檢驗產業政策對企業杠桿風險的影響，本文建立模型（2）：

Lev_risk_i，t=β₀+β₁IP_i，t+β₂Controls_i，t+Year+Firm+ε_i，t （2）

其中，Lev_risk為企業杠桿風險，IP為是否受產業政策支持。若產業政策變量IP的回歸系數β₁顯著為負，則意味著相對于未受產業政策支持行業的企業，受產業政策支持行業企業的杠桿風險相對較高，驗證了本文假說。模型中不僅通過一系列控制變量（Controls）來控制企業層面的特征，而且還采用公司固定效應（Firm）控制公司個體差異性以及年份固定效應（Year）控制不同年份的宏觀差異。

為進一步考察產業政策對企業杠桿風險的作用渠道，本文建立了模型（3）：

Factor_i，t=β₀+β₁IP_i，t+β₂Controls_i，t+Year+Firm+ε_i，t （3）

其中，Factor表示企業債務負擔和經營效率兩方面的指標。企業債務負擔指標主要指DEBT_EBIT，同時采用現金流量表債務（Lev_debtcash）、資產負債表債務（Lev_debt）作為穩健性檢驗。類似地，企業經營業績指標主要指EBIT_ASSET，并且將資產收益率（ROA）和投資效率（Eff_inv）這兩個變量作為穩健性檢驗。該模型中IP的系數仍然是主要考察的對象。此外，Controls為一系列的控制變量，與模型（2）中的控制變量一致。需要說明的是，由于變量DEBT_EBIT為負數并不表示企業債務負擔較輕，因此在回歸時僅采用DEBT_EBIT為正數的樣本進行實證檢驗。

（四）主要變量的描述性統計

表2顯示了主要變量的描述性統計分析結果。其中，Lev_risk均值分別為2.8303，說明企業的債務負擔與經營效率較為匹配，企業杠桿風險大致處于中檔水平。衡量企業杠桿風險的兩個指標之一是企業的債務負擔（DEBT_EBIT），其均值為4.0736，這表明平均而言，上市公司需要4年多才能將所有的有息負債還清。需要說明的是，由于該指標存在負數，而負值是由于企業的息稅前利潤為負，并不表示企業的債務負擔很小，因此此處估計的企業還清債務的平均年限可能被低估了。另一個杠桿風險的判斷維度是企業的經營效率（EBIT_ASSET），其均值為0.0507，表示每一元錢的資產投入可以獲取0.0507元錢的息稅前利潤。產業政策變量IP的均值為0.6710，說明產業政策涉及的產業范圍較廣，樣本中接近七成的公司受到過產業政策的支持或鼓勵。其余有關變量的描述性統計分析限于篇幅不再報告。

四、產業政策對企業杠桿風險的影響

（一）基準回歸結果

為檢驗產業政策對杠桿風險的影響，本文對模型（2）進行回歸檢驗，表3報告了相關回歸結果。結果顯示，不管杠桿風險采用何種衡量方式，IP的回歸系數顯著為負，這表明相對于未受產業政策支持行業的企業，受產業政策支持行業的企業的杠桿風險較高，驗證了本文的研究假說。

（二）產業政策影響企業杠桿風險的渠道檢驗

上述內容驗證了在產業政策的影響下，企業的杠桿風險會上升。而企業杠桿風險是由企業負債率分解后得到的債務負擔和經營效率這兩個維度共同決定的。同時，產業政策的主要實施目的也是為企業融資提供便利并鼓勵企業投資，那么產業政策是否增加了企業債務負擔，降低了企業的經營效率，從而加大了企業杠桿風險呢？為此，本文分別檢驗了產業政策對企業債務負擔和經營效率這兩個維度的影響，以厘清產業政策影響企業杠桿風險的作用渠道。

表4的列（1）至列（3）報告了產業政策與公司債務的回歸結果。其中，列（1）考察了產業政策與衡量企業杠桿風險的債務負擔（DEBT_EBIT）之間的關系，IP的系數在1%水平顯著為正。這說明相對于未受產業政策支持行業的企業，受產業政策支持行業的企業債務負擔更重。同時，該系數值為0.368，說明相對于受產業政策支持行業的企業債務負擔比未受產業政策支持行業的企業高0.368，約占平均水平的9%，具有一定的經濟顯著性。此外，列（2）和列（3）進一步檢驗了產業政策和企業債務融資，發現IP系數均為正，說明相對于未受產業政策支持行業的企業，受產業政策支持行業的企業能夠獲得更多的債務融資。相應地，企業的債務負擔也會隨債務的增加不斷加重。

此外，產業政策對企業經營效率的影響也決定了企業杠桿率的風險。表4的列（4）至列（6）列示了產業政策影響企業經營效率的回歸結果。其中，列（4）回歸結果的被解釋變量為衡量企業杠桿風險的企業經營效率（EBIT_ASSET），IP的系數為-0.003，在1%水平顯著。這說明受到產業政策支持行業的企業比不受產業政策支持行業的企業的經營效率低0.3%。而EBIT_ASSET均值為0.0507（見表2），上述差異約占平均水平的5%，說明該結果具有經濟顯著性。此外，列（5）和列（6）中分別采用資產報酬率（ROA）和企業投資效率（Eff_inv）衡量企業經營效率和投資效率作為穩健性檢驗。其中列（5）中IP系數顯著為負，并且列（6）中IP系數顯著為正，這說明產業政策支持下，企業的經營效率以及投資效率均有所降低。

綜合上述分析，本文發現產業政策對衡量企業杠桿風險的兩個維度均具有影響，即產業政策不僅加重了受產業政策支持行業企業的債務負擔，而且使得這些企業的經營效率、投資效率有所下滑。這可能會導致企業無法通過經營和投資獲取足夠的盈利來償付債務本息，說明企業杠桿風險加大。

（三）影響機制檢驗

本文進一步從企業投融資角度考察產業政策對企業杠桿風險的影響機制。一方面，從企業融資的角度，考察相對于未受產業政策支持的企業，受產業政策支持的企業是否會過度負債從而增加了企業的債務負擔與債務風險；另一方面，從企業投資的角度，考察相對于未受產業政策支持的企業，受產業政策支持的企業是否會過度投資從而降低了企業信貸資金的使用效率，在降低企業經營效率的同時也增加了債務償還風險。具體而言，本文利用我國企業資產負債率的主要決定要素，包括產權性質、資產收益率、總資產增長率、固定資產占比、公司規模、第一大股東持股比例以及行業負債率的中位數來估計出企業的預期負債率。若實際資本結構與擬合的負債率差值為正，則說明企業存在過度負債的情況，過度負債率（Ex_lev）賦值為該差值，否則為0。類似地，當企業的實際投資高于采用Richardson模型擬合得到的預期投資，則過度投資（Over_inv）為兩者差值，否則為0。本文通過將模型（2）中的被解釋變量分別替換為過度負債率（Ex_lev）和過度投資（Over_inv）來檢驗產業政策影響企業債務風險的影響機制。

表5報告了具體回歸結果。其中，列（1）結果顯示，IP系數顯著為正，從融資端檢驗了在產業政策支持下的企業可能提高過度負債水平，加劇了企業債務風險。同時，列（2）的結果顯示，IP系數顯著為正，從投資端檢驗了產業政策支持下企業會過度投資并使投資效率降低，使企業通過未來盈利來償還債務的困難增大，從而提高了企業債務風險。

（四）其他穩健性檢驗

為進一步確保本文結論的可靠性，本文進行了以下穩健性檢驗，但限于篇幅并未報告回歸結果。

1.替換產業政策的衡量指標

采用“2009年十大產業振興規劃出臺”作為產業政策的代理變量。參考錢雪松等的做法[19]，建立模型并檢驗。回歸結果發現，十大產業振興政策的出臺不僅加重了受產業政策支持行業的企業債務負擔，而且使得這些企業的經營效率下降，從而使得企業杠桿風險上升，與原結論相一致。

2.排除金融危機的影響

為了排除金融危機對回歸結果的影響，本文將受金融危機影響較大的2008年和2009年所有樣本剔除，重新檢驗本文假說。結論依舊支持原假說，說明研究結論具有穩健性。

3.排除行業變更的影響

在產業政策的影響下，受政策支持的行業更為市場所看好，一些處于傳統行業的企業或者是面臨困境的企業會將經營范圍拓寬至產業政策支持的領域，甚至將其作為主營業務[26]，這可能會拉低受產業政策支持行業企業的整體水平。因此，為排除變更主營業務的企業的影響，本文將行業性質發生變化的企業樣本刪除，并對原假說重新檢驗，原結論仍然成立。

五、進一步研究

（一）產業政策影響企業杠桿風險的動態分析

本文進一步分別考察企業從不受產業政策支持變為受產業政策支持以及企業從受產業政策支持變為不受產業政策支持這兩種情況下企業杠桿風險的變化，以分析產業政策實施和退出帶來的影響。

為考察企業由不受產業政策支持變為受產業政策支持對其杠桿風險的影響，本文僅保留樣本期間一直未受產業政策支持的企業以及受過產業政策支持企業在受支持之前和受支持期間的觀測值，并重新對模型（2）進行回歸。進一步，為了探究產業政策實施之后企業杠桿風險的逐年變化，本文建立以下模型：

其中，變量enter_1（enter_2、enter_3、enter_4）表示受產業政策支持后第一（二、三、四）年為1，否則為0；變量enter_5表示受產業政策支持后第五年以及之后仍然受支持的年份為1，否則為0。本文通過考察上述變量的系數來探究產業政策實施之后企業杠桿風險的動態變化。

類似地，為考察企業由受產業政策支持變為不受產業政策支持對其杠桿風險的影響，本文僅保留樣本期間一直受產業政策支持的企業以及受過產業政策支持企業在受支持期間和之后未受支持期間的樣本，并建立模型（5）和模型（6）：

其中，模型（5）中的變量nonIP表示企業由受產業政策支持變為不受產業政策支持之后為1，否則為0。同時，本文通過考察nonIP的回歸系數來分析產業政策退出后對企業杠桿風險的影響。進一步，模型（6）分析了產業政策退出之后對企業杠桿風險的動態影響。變量exit_1（exit_2、exit_3、exit_4）表示企業由受產業政策支持變為不受產業政策支持后第一（二、三、四）年為1，否則為0；變量exit_5表示變為不受產業政策支持后第五年以及之后仍然不受支持的年份為1，否則為0。由上述變量的回歸系數來分析產業政策退出后對曾經受產業政策支持行業企業的杠桿風險的逐年影響。

表6報告了上述研究的回歸結果。其中，列（1）和列（2）報告了產業政策實施對企業杠桿風險的影響。結果顯示，列（1）中IP的系數顯著為負數，說明企業從不受產業政策支持變為受產業政策支持后杠桿風險會加大。進一步，列（2）回歸結果表明，產業政策對企業杠桿風險的負面影響在企業受產業政策支持后的第五年及之后才會顯現。表6的列（3）和列（4）報告了產業政策退出對企業杠桿風險的影響。列（3）結果表明，企業從受產業政策支持變為不受產業政策支持后，杠桿風險會有所降低，這也驗證了產業政策的實施會提高企業杠桿風險。進一步，列（4）結果顯示，產業政策對企業杠桿風險的負面影響在企業變為不受產業政策支持后的第一年就會消失，同時杠桿風險降低，并且該影響會持續到第四年，但第五年及之后該影響不再顯著。

（二）產權性質的異質性檢驗

我國非金融企業部門的負債率存在嚴重的分化，即民營企業負債率呈現出明顯的下降趨勢，而國有企業的負債率非但沒有降低，反而持續上升[3]。既然我國企業杠桿問題主要集中在國有企業，那么產業政策對不同產權性質的企業的影響是否也存在異質性，其負面作用是否也只存在于國有企業？

為進一步考察產業政策對不同產權性質的企業杠桿風險的影響，本文將樣本中的國有企業和民營企業兩個子樣本進行回歸檢驗，回歸結果見表7。其中，列（1）和列（2）回歸結果顯示在國有企業樣本中IP系數顯著為負數，這說明產業政策提升杠桿風險的結論僅適用于國有企業。

進一步地，本文從決定企業杠桿風險的兩個維度來檢驗不同產權性質的企業中產業政策的影響是否存在異質性，回歸結果見表7的列（3）至列（6）。由回歸結果可知：一方面，產業政策加重企業債務負擔的影響僅在國有企業中存在，民營企業樣本中，IP系數為負數，但是未通過顯著性檢驗；另一方面，產業政策對企業經營效率的負面作用也僅存在于國有企業樣本中，而在民營企業樣本中IP的系數顯著為正，說明產業政策可能會提高民營企業的經營效率。此處需要說明的是，由于各組回歸結果中民營企業樣本的IP系數的絕對值均小于國有企業樣本，這導致在全樣本的回歸結果中更多地體現出國有樣本的結果。

綜上所述，產業政策對企業杠桿風險的負面影響僅存在于國有企業樣本，產業政策在加大國有企業債務負擔的同時降低了其經營效率，使得國有企業杠桿風險顯著增加。現實中，國有企業杠桿率持續攀升，產業政策一定程度上導致了國有企業的負債增加。具體而言，在產業政策的支持下，國有企業債務負擔不斷加重，但是經營效率卻在不斷下降，這會導致企業無法獲取充足的收益以償還債務，企業甚至會借新還舊，使得債務雪球越滾越大，債務危機逐漸顯現。需要說明的是，對于融資難、融資貴的民營企業而言，即使遇到好的投資項目也難以融資進行投資。但是，在產業政策的支持下，民營企業容易獲得融資，并且民營企業比國有企業經營效率更高[4]，更有可能通過投資獲取更多的收益，從而能夠提升企業經營績效。

（三）去杠桿政策的影響

2015年底中央經濟工作會議部署2016年的工作要點，提出“三去一降一補”——去產能、去庫存、去杠桿、降成本、補短板，啟動供給側結構性改革[26]。其中，“去杠桿”政策著力于降低我國債務風險、改善信貸資源配置。那么，自2016年實施去杠桿以后，為了考察產業政策對企業杠桿風險的負面影響是否有所改善，尤其是對國有企業，為此，本文將2016—2020年的觀測值納入研究樣本，同時構建去杠桿政策變量delev，若年份為2016年及之后則為1，否則為0。進一步，在模型（2）中增加變量delev和交乘項IP×delev，其中通過考察該交乘項系數來分析去杠桿政策實施之后產業政策對企業杠桿風險的影響。

表8中列示了相關回歸結果。其中，列（1）結果顯示，交乘項IP×delev的系數并不顯著區別于0，說明總體而言，去杠桿政策實施之后，產業政策對企業杠桿風險的影響并未有明顯變化。但是，通過對列（2）和列（3）國有和民營兩個分樣本考察發現，產業政策對企業杠桿風險影響在國有和民營兩個樣本中呈現相反的變化態勢。在列（2）國有企業樣本的回歸結果中，交乘項IP×delev的系數顯著為正，說明去杠桿政策實施后產業政策對國有企業杠桿風險的負面影響有所改善；而在列（3）民營企業樣本的回歸結果中，交乘項IP×delev的系數顯著為負，說明去杠桿政策實施后，產業政策對民營企業杠桿風險的負面影響反而加重。

進一步，為探究去杠桿政策實施后，產業政策影響國有企業和民營企業杠桿風險背后的作用機制，本文考察不同產權性質企業中產業政策對企業債務負擔和經營效率的影響。表9列示了相關回歸結果。其中，列（1）和列（2）中的結果顯示，2016年去杠桿政策實施后，產業政策對所有企業債務負擔并沒有顯著影響，但是能夠提高企業的經營效率。列（3）和列（4）國有企業的回歸結果顯示，去杠桿政策實施期間，產業政策對經營效率的積極影響主要來自國有企業，并且國有企業經營績效的提升降低了其債務風險。此外，列（5）和列（6）民營企業的回歸結果顯示，2016年去杠桿政策實施后，受產業政策支持的民營企業反而債務負擔提高，從而使得企業杠桿風險上升。分析這背后的原因，可能是由于去杠桿政策實施后，債務水平較高的國有企業成為去杠桿的重點對象，銀行在向受產業政策支持行業的國有企業發放信貸時也會更為謹慎，抑制了受產業政策支持的國有企業肆意擴大債務規模和加大投資，從而有利于提高受產業政策支持的國有企業的投資效率。同時，當國有企業實行去杠桿時，銀行為了完成產業政策相關配套信貸資金的發放任務，將大量的信貸資金發放給受產業政策支持的民營企業，導致民營企業債務負擔加重、債務風險上升。

六、研究結論與政策建議

近年來，我國非金融企業杠桿問題日益嚴重，尤其是國有企業的杠桿風險日益凸顯。為此，本文嘗試通過分解企業負債率并構造指標來度量企業杠桿風險，在此基礎上以“五年規劃”為切入點，考察產業政策對企業杠桿風險的影響，并進一步分析不同產權性質的企業受產業政策影響的異質性。研究發現，產業政策使企業債務負擔增加，但是企業的經營效率卻顯著下降，使得企業的經營收益可能不足以償還其債務，導致企業杠桿風險增加、債務危機潛伏。分不同產權性質來看，在國有企業中這種現象更為顯著。這在一定程度上解釋了為什么國有企業杠桿問題不斷惡化，并且會成為結構性去杠桿的主要對象。去杠桿政策實施后，受產業政策支持行業的國有企業經營效率有所改善、杠桿風險降低，而受產業政策支持行業的民營企業債務負擔加重、杠桿風險上升。

本文的研究結論對未來產業政策的執行具有現實意義。一方面，對于資金的需求端即微觀企業而言，其為規避企業在產業政策的潮涌中迷失而過度借債、盲目擴大投資，尤其是國有企業，亟須建立和完善有效的公司治理機制，通過有效的內部治理來約束企業自身的非理性行為。同時，不斷深化國有企業改革來提升企業內部治理水平，積極提高投資效率，改善經營業績，從而降低債務風險。另一方面，對于資金的供給端而言，金融機構在為產業政策支持行業的企業提供信貸資金支持時，應盡職調查，讓國有企業與民營企業公平競爭，避免所有制歧視，并確保將有限的信貸資金配置到高效的企業和項目中。這不僅有助于銀行等金融機構理性配置資金，而且能夠提高信貸資金的配置效率，從而降低系統性金融風險。

［參考文獻］

[1]鐘寧樺， 劉志闊， 何嘉鑫， 等. 我國企業債務的結構性問題[J]. 經濟研究， 2016， 51（7）： 102-117.

[2]紀洋， 王旭， 譚語嫣， 等. 經濟政策不確定性、政府隱性擔保與企業杠桿率分化[J]. 經濟學（季刊）， 2018， 17（2）： 449-470.

[3]姚洋， 章奇. 中國工業企業技術效率分析[J]. 經濟研究， 2001， 36（10）： 13-19， 28.

[4]韓永輝， 黃亮雄， 王賢彬. 產業政策推動地方產業結構升級了嗎？ ——基于發展型地方政府的理論解釋與實證檢驗[J]. 經濟研究， 2017， 52（8）： 33-48.

[5]黎文靖， 李耀淘. 產業政策激勵了公司投資嗎[J]. 中國工業經濟， 2014（5）： 122-134.

[6]李廣子， 劉力. 產業政策與信貸資金配置效率[J]. 金融研究， 2020（5）： 114-131.

[7]李連友，黃保聰.投桃報李：財政壓力提升與企業杠桿率調整——來自“準自然實驗”的經驗證據[J]. 現代經濟探討， 2021（11）：15-26.

[8]連立帥， 陳超， 白俊. 產業政策與信貸資源配置[J]. 經濟管理， 2015， 37（12）： 1-11.

[9]CHEN D， LI O Z， XIN F. Five-year Plans， China Finance and Their Consequences[J]. China Journal of Accounting Research， 2017， 10（3）：189-230.

[10]馬文超， 何珍. 產業政策、產品市場競爭與企業債務融資[J]. 會計與經濟研究， 2017， 31（4）： 71-90.

[11]王克敏， 劉靜， 李曉溪. 產業政策、政府支持與公司投資效率研究[J]. 管理世界， 2017（3）： 113-124， 145， 188.

[12]SAPIENZA P. The Effects of Government Ownership on Bank Lending[J]. Journal of Financial Economics， 2004， 72（2）： 357-384.

[13]周叔蓮， 呂鐵， 賀俊. 新時期我國高增長行業的產業政策分析[J]. 中國工業經濟， 2008（9）： 46-57.

[14]畢曉方， 張俊民， 李海英. 產業政策、管理者過度自信與企業流動性風險[J]. 會計研究， 2015（3）： 57-63.

[15] NOFSINGER J R. Social Mood and Financial Economics[J]. Journal of Behavioral Finance， 2005， 6（3）：144-160.

[16]沈頌東，李葳.企業管理者非理性與企業投融資行業研究——基于過度自信量化指標的實證分析[J]. 經濟問題， 2020（4）： 57-67.

[17]劉曉光， 劉元春. 杠桿率、短債長用與企業表現[J].經濟研究， 2019， 54（7）：127-141.

[18]林毅夫， 巫和懋， 邢亦青. “潮涌現象”與產能過剩的形成機制[J]. 經濟研究， 2010， 45（10）： 4-19.

[19]錢雪松， 康瑾， 唐英倫， 等. 產業政策、資本配置效率與企業全要素生產率——基于中國2009年十大產業振興規劃自然實驗的經驗研究[J]. 中國工業經濟， 2018（8）：42-59.

[20]江飛濤， 李曉萍. 直接干預市場與限制競爭： 中國產業政策的取向與根本缺陷[J]. 中國工業經濟， 2010（9）： 26-36.

[21]MALMENDIER U， TATE G. CEO Over-confidence and Corporate Investment[J].Journal of Finance， 2005， 60（6）：2661-2700.

[22] HEATON J B. Managerial Optimism and Corporate Finance[J]. Financial Management， 2002， 31（2）： 33.

[23]曹廷求， 楊秀麗， 孫宇光. 股權結構與公司績效： 度量方法和內生性[J]. 經濟研究， 2007， 42（10）： 126-137.

[24]RICHARDSON S. Over-investment of Free Cash Flow[J]. Review of Accounting Studies， 2006，11（2）：159-189.

[25]楊興全， 尹興強， 孟慶璽. 誰更趨多元化經營：產業政策扶持企業抑或非扶持企業？ [J]. 經濟研究， 2018， 53（9）：133-150.

[26]2015年中央經濟工作會議[EB/OL].[2015-12-30][2022-09-01].http：//ww.12371.cn/special/2015zyjjgzhy/.

（責任編輯 余敏）