貨幣政策不確定性對(duì)企業(yè)全要素生產(chǎn)率的影響研究

段進(jìn) 田林

摘 要：依據(jù)2005—2021年A股上市企業(yè)數(shù)據(jù)，運(yùn)用SVAR-SV模型，逐步分離宏觀經(jīng)濟(jì)沖擊和貨幣政策水平?jīng)_擊，構(gòu)建貨幣政策不確定性指數(shù)，考量貨幣政策不確定性對(duì)企業(yè)全要素生產(chǎn)率的影響。結(jié)果顯示：相較于金融摩擦機(jī)制，貨幣政策不確定性主要通過(guò)實(shí)物期權(quán)和增長(zhǎng)期權(quán)機(jī)制抑制企業(yè)全要素生產(chǎn)率增長(zhǎng)；受企業(yè)異質(zhì)性影響，貨幣政策不確定性對(duì)國(guó)有控股、中小規(guī)模和中西部企業(yè)全要素生產(chǎn)率的抑制效果更為顯著。

關(guān)鍵詞： 貨幣政策不確定性；全要素生產(chǎn)率；SVAR-SV模型

中圖分類號(hào)：F820．1?? 文獻(xiàn)標(biāo)識(shí)碼： A??? 文章編號(hào)：1003-7217（2024）01-0019-08

一、引 言

2008年金融危機(jī)后，全球經(jīng)濟(jì)增速明顯放緩，各國(guó)貨幣政策調(diào)整頻繁。即使中央銀行采取了提高政策透明度、加強(qiáng)預(yù)期管理等多項(xiàng)措施，也依然無(wú)法消除貨幣政策產(chǎn)生的不確定性影響[1，2]。貨幣政策不確定性通過(guò)金融摩擦機(jī)制、實(shí)物期權(quán)機(jī)制與增長(zhǎng)期權(quán)機(jī)制影響企業(yè)全要素生產(chǎn)率[3]，最終導(dǎo)致金融風(fēng)險(xiǎn)加劇，社會(huì)產(chǎn)出顯著降低，實(shí)際GDP增速下降[4，5]。提升企業(yè)全要素生產(chǎn)率是未來(lái)經(jīng)濟(jì)增長(zhǎng)的重要?jiǎng)恿Γ治鲐泿耪卟淮_定性對(duì)企業(yè)全要素生產(chǎn)率的影響有助于我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展。

貨幣政策不確定性（MPU）指數(shù)的構(gòu)建方法主要分為文本收集法和變量代理法。在文本收集法中，Baker等隨機(jī)抽取《南華早報(bào)》文章中與經(jīng)濟(jì)以及不確定性相關(guān)術(shù)語(yǔ)的出現(xiàn)頻次，以反映公眾對(duì)央行政策行動(dòng)及其后果所感知的不確定性程度，構(gòu)建中國(guó)經(jīng)濟(jì)政策不確定性（EPU）文本型指數(shù)[6]；Huang等以中國(guó)內(nèi)地114家報(bào)紙為文本信息選取對(duì)象，構(gòu)建了文本型MPU指數(shù)[7]；Chen等利用《南華早報(bào)》和《金融時(shí)報(bào)》兩家國(guó)際性報(bào)紙的文本信息構(gòu)建MPU指數(shù)以研究中國(guó)貨幣政策不確定性對(duì)國(guó)際投資者的影響[8]。上述文本型指數(shù)信息來(lái)源較單一，同時(shí)，由于投資者對(duì)文本信息處理具有主觀性，指數(shù)有效性可能受到影響。相比之下，變量代理法所構(gòu)建的指數(shù)更客觀，其中基于SV模型構(gòu)建的MPU指數(shù)可以在突出“不可預(yù)測(cè)性”的同時(shí)，較好地分離宏觀經(jīng)濟(jì)不確定性影響的部分，有效區(qū)分貨幣政策水平?jīng)_擊和不確定性沖擊[9]。

現(xiàn)有相關(guān)文獻(xiàn)多集中研究經(jīng)濟(jì)政策不確定性對(duì)企業(yè)經(jīng)濟(jì)活動(dòng)的影響[10，11，12]，關(guān)于貨幣政策不確定性對(duì)企業(yè)全要素生產(chǎn)率影響的研究鮮見。另外，相關(guān)文獻(xiàn)多利用文本型貨幣政策不確定性指數(shù)進(jìn)行研究，信息來(lái)源較單一且處理具有主觀性。為提高指數(shù)的客觀性和全面性，突出貨幣政策的“不可預(yù)測(cè)”部分，本文選用SVAR-SV模型，逐步分離宏觀經(jīng)濟(jì)沖擊和貨幣政策水平?jīng)_擊，計(jì)算貨幣政策的隨機(jī)波動(dòng)率以構(gòu)建MPU指數(shù)；討論貨幣政策不確定性對(duì)企業(yè)全要素生產(chǎn)率的影響與作用機(jī)制，為貨幣政策調(diào)控及企業(yè)經(jīng)營(yíng)管理提供決策參考。

二、理論分析與研究假設(shè)

（一）貨幣政策不確定性對(duì)企業(yè)全要素生產(chǎn)率的影響機(jī)制分析

企業(yè)通過(guò)提升技術(shù)水平、提高要素配置效率以及形成規(guī)模經(jīng)濟(jì)來(lái)提升自身全要素生產(chǎn)率。貨幣政策不確定性上升沖擊企業(yè)經(jīng)濟(jì)活動(dòng)，進(jìn)而影響企業(yè)全要素生產(chǎn)率增長(zhǎng)，其影響機(jī)制如下：

1.金融摩擦機(jī)制，包含金融加速器與貸款抵押約束兩個(gè)角度。金融加速器角度認(rèn)為，當(dāng)貨幣政策不確定性上升時(shí)，銀行和企業(yè)間的信息不對(duì)稱加劇，銀行投資判斷機(jī)會(huì)受限以及信息準(zhǔn)度下降，致使成本上升，銀行縮減信貸規(guī)模[13，14]，進(jìn)一步導(dǎo)致企業(yè)外部融資溢價(jià)升高，融資約束程度加重。貸款抵押約束角度認(rèn)為，貨幣政策不確定性升高，對(duì)抵押品價(jià)格造成沖擊，抵押品價(jià)格約束縮減企業(yè)的可獲取資金規(guī)模，導(dǎo)致企業(yè)融資難度加大。融資約束程度加重阻礙企業(yè)正常經(jīng)營(yíng)投資活動(dòng)，最終導(dǎo)致企業(yè)全要素生產(chǎn)率增速下降[15]。

2.實(shí)物期權(quán)機(jī)制。企業(yè)將未來(lái)的投資機(jī)會(huì)視為看漲期權(quán)。在資本不可逆假定下，高貨幣政策不確定性意味著未來(lái)投資的期權(quán)價(jià)值增加。由于投資的不可逆性和沉沒(méi)成本，企業(yè)在面對(duì)高貨幣政策不確定性帶來(lái)的信息不對(duì)稱性時(shí)，為避免投資失敗就會(huì)延緩當(dāng)期投資[16]。等待動(dòng)機(jī)抑制了企業(yè)的投資行為，導(dǎo)致企業(yè)研發(fā)創(chuàng)新速度放緩以及資本配置效率降低，最終阻礙企業(yè)全要素生產(chǎn)率的增長(zhǎng)。

3.增長(zhǎng)期權(quán)機(jī)制。企業(yè)注重投資機(jī)會(huì)的未來(lái)增長(zhǎng)回報(bào)。在資本不可逆假定下，高貨幣政策不確定性風(fēng)險(xiǎn)可以提高當(dāng)下投資項(xiàng)目的未來(lái)回報(bào)。管理層增加投資行為，以追求企業(yè)未來(lái)的成長(zhǎng)機(jī)會(huì)。然而，增加投資使企業(yè)面臨更高的虧損風(fēng)險(xiǎn)，也可能導(dǎo)致企業(yè)過(guò)度投資，造成企業(yè)資本配置效率降低，最終阻礙企業(yè)全要素生產(chǎn)率增長(zhǎng)[17]。鑒于此，提出研究假設(shè)：

H1 貨幣政策不確定性對(duì)企業(yè)全要素生產(chǎn)率產(chǎn)生負(fù)向影響。

（二）貨幣政策不確定性影響機(jī)制的識(shí)別機(jī)理

從實(shí)物期權(quán)和增長(zhǎng)期權(quán)機(jī)制角度來(lái)看，在投資和資本不可逆且存在調(diào)整成本的假定下，政策不確定性的傳導(dǎo)作用實(shí)際上可以歸結(jié)于其對(duì)企業(yè)資本流動(dòng)性價(jià)值的沖擊[18]。若貨幣政策不確定性升高，資本不可逆程度高的企業(yè)將改變自身投資決策，即依據(jù)實(shí)物期權(quán)機(jī)制或增長(zhǎng)期權(quán)機(jī)制調(diào)整當(dāng)期投資，導(dǎo)致企業(yè)資本配置效率下降，進(jìn)而阻礙企業(yè)全要素生產(chǎn)率增長(zhǎng)。從金融摩擦機(jī)制角度來(lái)看，企業(yè)內(nèi)部資金越充足意味著融資約束越小，即有更強(qiáng)能力應(yīng)對(duì)貨幣政策不確定性帶來(lái)的資本流動(dòng)性價(jià)值沖擊，進(jìn)而緩解其對(duì)自身全要素生產(chǎn)率帶來(lái)的負(fù)向沖擊。總體來(lái)看，實(shí)物期權(quán)機(jī)制和增長(zhǎng)期權(quán)機(jī)制側(cè)重于貨幣政策不確定性對(duì)企業(yè)投資決策的影響，金融摩擦機(jī)制則關(guān)注貨幣政策不確定性對(duì)企業(yè)融資環(huán)境帶來(lái)的沖擊。同時(shí)，這兩類作用機(jī)制又可能互相影響，對(duì)彼此造成加強(qiáng)或擠出效應(yīng)。鑒于此，為識(shí)別哪一類機(jī)制起主要作用，提出研究假設(shè)：

H2a 相較于金融摩擦機(jī)制，實(shí)物期權(quán)和增長(zhǎng)期權(quán)機(jī)制的影響更重要。

H2b 相較于實(shí)物期權(quán)和增長(zhǎng)期權(quán)機(jī)制，金融摩擦機(jī)制的影響更重要。

三、貨幣政策不確定性指數(shù)構(gòu)建

遵循兩個(gè)原則來(lái)構(gòu)建指數(shù)，一是符合“不確定性”的定義，強(qiáng)調(diào)貨幣政策變動(dòng)的不可預(yù)測(cè)性；二是區(qū)分貨幣政策的水平?jīng)_擊與不確定性沖擊，以確保所構(gòu)建的指數(shù)聚焦于貨幣政策的不可預(yù)測(cè)波動(dòng)，而非貨幣政策變化水平的波動(dòng)。參考林建浩[19]的做法，利用結(jié)構(gòu)向量自回歸（SVAR）模型以及Cholesky分解法估計(jì)貨幣政策沖擊序列，然后利用帶有AR（1）的隨機(jī)波動(dòng)（SV）模型估計(jì)沖擊序列的隨機(jī)波動(dòng)率，以此作為貨幣政策不確定性的代理指標(biāo)。除了數(shù)量型貨幣政策外，加入價(jià)格型貨幣政策變量，使貨幣政策不確定性指數(shù)更加完善。

（一）貨幣政策水平?jīng)_擊

首先，選取貨幣政策代理變量以及宏觀經(jīng)濟(jì)變量，利用SVAR模型估計(jì)貨幣政策水平?jīng)_擊序列。選取R007作為價(jià)格型貨幣政策代理變量①，選取M2增長(zhǎng)率作為數(shù)量型貨幣政策代理變量。宏觀經(jīng)濟(jì)變量選擇實(shí)際產(chǎn)出和通貨膨脹率，具體計(jì)算方式如表1所示：

參考王君斌等[20]的做法，分別構(gòu)建考察數(shù)量型貨幣政策沖擊和價(jià)格型貨幣政策沖擊的簡(jiǎn)化VAR模型：

yit=Γ1yt-1+…+Γpyt-p+A-1Buit，

i=M，R? （1）

yMt=［M2gt，real_GDPt，inft］′ （2）

yRt=［R007t，real_GDPt，inft］′? （3）

其中，uMt為數(shù)量型貨幣政策沖擊序列，uRt為價(jià)格型貨幣政策沖擊序列，采用Cholesky分解法對(duì)矩陣A與B施加短期約束③以識(shí)別SVAR模型。

（二）貨幣政策沖擊序列的隨機(jī)波動(dòng)率

利用帶有AR（1）的SV模型對(duì)得到的沖擊序列{uMt}Tt=1、{uRt}Tt=1進(jìn)行測(cè)算，具體模型如下：

uit=ρiuit-1+exp（hit/2）eit，eit～N（0，1）

i=M，R （4）

hit=hi+ρih（hit-1-hi）+σihvit，vit～N（0，1）

i=M，R （5）

其中eit和vit相互獨(dú)立，exp（hit/2）即為所需要的貨幣政策不確定性代理變量，hi反應(yīng)波動(dòng)率的平均水平，σih反應(yīng)波動(dòng)率的隨機(jī)情況。參考Fernández-Villaverde等的參數(shù)設(shè)置方法[21]，先驗(yàn)分布信息和后驗(yàn)分布信息④如表2所示：

為了使得到的exp（hMt/2）和exp（hRt/2）序列具有可比性，對(duì)兩個(gè)序列進(jìn)行統(tǒng)一量綱處理，將處理過(guò)的序列相加，得到最終的貨幣政策不確定性指數(shù)（MPU）及部分節(jié)點(diǎn)事件如圖1所示。

四、研究設(shè)計(jì)

（一）模型假設(shè)

建立基準(zhǔn)回歸模型，考察貨幣政策不確定性對(duì)企業(yè)全要素生產(chǎn)率的整體影響情況：

TFPjt=α+β1·MPUt+β2·∑Controlsjt+?μj+vj+εjt（6）

其中TFPjt為t期企業(yè)j的全要素生產(chǎn)率增速，MPUt為t期的貨幣政策不確定性，∑Controlsjt為t期的控制變量，μj為年份固定效應(yīng)，vj為個(gè)體固定效應(yīng)。

（二）變量定義

1.被解釋變量。

參考魯曉東和連玉君的做法[22]，選取LP法⑤計(jì)算企業(yè)的全要素生產(chǎn)率（TFP），同時(shí)進(jìn)行ACF修正。其中，產(chǎn)出選取主營(yíng)業(yè)務(wù)收入；資本投入選取固定資產(chǎn)凈值；勞動(dòng)投入選取應(yīng)付職工薪酬和企業(yè)員工人數(shù)；將銷售費(fèi)用、管理費(fèi)用、財(cái)務(wù)費(fèi)用、研發(fā)費(fèi)用中屬于中間消耗的部分相加，再加上直接材料，作為中間投入變量。將上述指標(biāo)取對(duì)數(shù)后用LP法進(jìn)行估計(jì)，得到對(duì)數(shù)形式的全要素生產(chǎn)率，即全要素生產(chǎn)率增長(zhǎng)率。

2.核心解釋變量。

核心解釋變量（MPU）為SVAR-SV模型構(gòu)建出的貨幣政策不確定性指數(shù)，將所得季度數(shù)據(jù)進(jìn)行算術(shù)平均處理得到年度數(shù)據(jù)。

3.控制變量。

控制變量從企業(yè)規(guī)模、盈利能力、成長(zhǎng)能力、現(xiàn)金水平、資產(chǎn)結(jié)構(gòu)和投資機(jī)會(huì)六個(gè)方面選取[23，24]。相關(guān)變量具體定義如表3所示：

（三）數(shù)據(jù)選取與處理

樣本數(shù)據(jù)選擇2005—2021年A股市場(chǎng)上市公司財(cái)務(wù)數(shù)據(jù)，并做如下處理：（1）剔除金融行業(yè)企業(yè)；（2）剔除ST、ST*企業(yè)的樣本數(shù)據(jù)，以防止財(cái)務(wù)異常狀況對(duì)實(shí)證結(jié)果造成偏差；（3）為了剔除異常值的影響，對(duì)企業(yè)層面觀測(cè)數(shù)據(jù)進(jìn)行Winsorize處理，對(duì)連續(xù)變量進(jìn)行雙側(cè)1%的縮尾處理。

五、基準(zhǔn)回歸結(jié)果分析

（一）基準(zhǔn)回歸結(jié)果

表4為基準(zhǔn)回歸結(jié)果，在1%置信水平上，MPU對(duì)TFP的影響顯著為負(fù)，說(shuō)明貨幣政策不確定性升高抑制企業(yè)全要素生產(chǎn)率增長(zhǎng)，證明研究假設(shè)H1成立。隨著控制變量的逐步加入，R2從0.178升高至0.35，模型的擬合效果逐漸增強(qiáng)。其中企業(yè)盈利能力、現(xiàn)金流水平提升為企業(yè)投資經(jīng)營(yíng)活動(dòng)帶來(lái)資金支持，成長(zhǎng)能力、固定資產(chǎn)占比以及企業(yè)規(guī)模擴(kuò)大可以增強(qiáng)企業(yè)自身競(jìng)爭(zhēng)力，緩解企業(yè)的融資約束程度，最終使企業(yè)全要素生產(chǎn)率得到提升。托賓Q值對(duì)企業(yè)全要素生產(chǎn)率的增長(zhǎng)具有顯著負(fù)向影響效果。理性投資者傾向于避免投資被高估的企業(yè)，部分被高估企業(yè)股價(jià)居高，抑制投資者入市情緒，導(dǎo)致企業(yè)融資難度加大，進(jìn)而阻礙企業(yè)全要素生產(chǎn)率增長(zhǎng)。表4第7列結(jié)果顯示，加入Size變量后，MPU對(duì)TFP的回歸系數(shù)由-4.831突變?yōu)?0.991，MPU對(duì)TFP的解釋能力下降。原因是高貨幣政策不確定性加重企業(yè)融資約束，進(jìn)而阻礙企業(yè)全要素生產(chǎn)率增長(zhǎng)；企業(yè)規(guī)模擴(kuò)大能緩解企業(yè)融資約束程度。因此，在考慮企業(yè)規(guī)模后，貨幣政策不確定性對(duì)企業(yè)全要素生產(chǎn)率的負(fù)向影響效果有所減弱。

（二）穩(wěn)健性檢驗(yàn)

通過(guò)分別替換被解釋變量和核心解釋變量來(lái)進(jìn)行穩(wěn)健性檢驗(yàn)。首先將被解釋變量替換為ACF修正下的OP法構(gòu)建的企業(yè)TFP；接著將被解釋變量替換為基于GMM一步估計(jì)法[25]構(gòu)建的企業(yè)TFP；最后替換核心解釋變量，參考Jegadees等[26]計(jì)算標(biāo)準(zhǔn)化預(yù)測(cè)外收入增長(zhǎng)估計(jì)量（standard unexpected revenue growth estimator）的方法，運(yùn)用R007歷史數(shù)據(jù)滾動(dòng)計(jì)算標(biāo)準(zhǔn)化預(yù)測(cè)外利率增長(zhǎng)估計(jì)量，計(jì)算結(jié)果取絕對(duì)值，作為貨幣政策不確定性替換指標(biāo)，將周數(shù)據(jù)進(jìn)行年化處理。在分別替換被解釋變量和解釋變量后，貨幣政策不確定性依然對(duì)企業(yè)全要素生產(chǎn)率存在負(fù)向顯著影響，表明研究結(jié)果穩(wěn)健。

六、加入交互項(xiàng)的進(jìn)一步分析

為進(jìn)一步確認(rèn)貨幣政策不確定性對(duì)企業(yè)全要素生產(chǎn)率的影響機(jī)制，參考譚小芬、張文婧[18]的做法，加入MPU×PPE和MPU×Cash兩個(gè)交互項(xiàng)。其中固定資產(chǎn)占比（PPE）反映企業(yè)資本不可逆程度，即企業(yè)固定資產(chǎn)占比越大，企業(yè)回收期越長(zhǎng)，資本不可逆程度越高；現(xiàn)金流水平（Cash）反應(yīng)企業(yè)內(nèi)部融資狀況，即現(xiàn)金流水平越高，企業(yè)內(nèi)部可用于投資的資金越多，受到的融資約束相對(duì)越低。貨幣政策不確定性通過(guò)實(shí)物期權(quán)和增長(zhǎng)期權(quán)機(jī)制影響企業(yè)投資決策，進(jìn)而影響企業(yè)全要素生產(chǎn)率增長(zhǎng)。為進(jìn)一步區(qū)分實(shí)物期權(quán)機(jī)制和增長(zhǎng)期權(quán)機(jī)制的影響，計(jì)算企業(yè)資本支出增長(zhǎng)率，將企業(yè)分為減少投資組（資本支出增長(zhǎng)率小于0）和增加投資組（資本支出增長(zhǎng)率大于0），分組回歸驗(yàn)證假設(shè)。

表5第1列結(jié)果顯示，交互項(xiàng)MPU×PPE系數(shù)顯著為負(fù)，即在高貨幣政策不確定性時(shí)期，資本不可逆程度越高的企業(yè)，其全要素生產(chǎn)率增長(zhǎng)被抑制的效果越明顯。原因是基于資本不可逆前提，在高貨幣政策不確定性時(shí)期，信息不對(duì)稱性加劇導(dǎo)致投資風(fēng)險(xiǎn)增加，致使投資的期權(quán)價(jià)值增加。如表5第2～3列結(jié)果所示，資本不可逆程度越高的企業(yè)，越會(huì)依據(jù)實(shí)物期權(quán)機(jī)制延緩?fù)顿Y行為，以等待未來(lái)更有價(jià)值的投資機(jī)會(huì)，或依據(jù)增長(zhǎng)期權(quán)機(jī)制，增加投資以追求更高的未來(lái)回報(bào)。企業(yè)投資活動(dòng)受到貨幣政策不確定性的沖擊，造成資本配置效率下降，最終導(dǎo)致企業(yè)全要素生產(chǎn)率增速下降。同時(shí)，依據(jù)增長(zhǎng)期權(quán)機(jī)制增加投資的企業(yè)，受貨幣政策不確定性負(fù)向影響更嚴(yán)重。

表5第4列結(jié)果顯示，交互項(xiàng)MPU×Cash系數(shù)為正，但不顯著，表示金融摩擦機(jī)制不是主要的影響機(jī)制。根據(jù)金融摩擦機(jī)制，貨幣政策不確定性升高，增加企業(yè)外部融資約束和抵押品價(jià)值約束，使其投資活動(dòng)受到阻礙。現(xiàn)金流狀況較好的企業(yè)有更多內(nèi)部資金緩解外部融資約束，以減少貨幣政策不確定性對(duì)自身投資活動(dòng)的沖擊。企業(yè)的正常投資行為得到保障，有利于其全要素生產(chǎn)率的提高。

最后，同時(shí)加入MPU×PPE和MPU×Cash兩個(gè)交互項(xiàng)對(duì)模型進(jìn)行回歸，結(jié)果如表5第5列所示。與第1列和第4列結(jié)果相比，交互項(xiàng)MPU×PPE回歸系數(shù)絕對(duì)值增加，交互項(xiàng)MPU×Cash回歸系數(shù)從不顯著變?yōu)樵?0%置信水平顯著，系數(shù)絕對(duì)值明顯增加。說(shuō)明實(shí)物期權(quán)機(jī)制和增長(zhǎng)期權(quán)機(jī)制對(duì)金融摩擦機(jī)制存在一定擠出效應(yīng)，即高貨幣政策不確定性時(shí)期，企業(yè)管理者更傾向于依據(jù)實(shí)物期權(quán)機(jī)制和增長(zhǎng)期權(quán)機(jī)制來(lái)調(diào)整企業(yè)投資決策，該行為減弱了企業(yè)內(nèi)部資金對(duì)貨幣政策不確定性負(fù)向沖擊的緩解效果。

綜上所述，實(shí)物期權(quán)機(jī)制和增長(zhǎng)期權(quán)機(jī)制在貨幣政策不確定性對(duì)企業(yè)全要素生產(chǎn)率的負(fù)向影響中起更重要作用，證明研究假設(shè)H2a成立。

七、異質(zhì)性分析

從產(chǎn)權(quán)性質(zhì)、企業(yè)所在區(qū)域以及規(guī)模大小三個(gè)角度，對(duì)貨幣政策不確定性對(duì)企業(yè)全要素生產(chǎn)率的影響進(jìn)行異質(zhì)性分析。

1.產(chǎn)權(quán)性質(zhì)角度。將企業(yè)按照國(guó)有控股與非國(guó)有控股進(jìn)行劃分。表6第1～2列結(jié)果顯示，貨幣政策不確定性對(duì)國(guó)有控股企業(yè)全要素生產(chǎn)率影響更為嚴(yán)重。主要有以下原因：第一，結(jié)合前部分研究發(fā)現(xiàn)，相較于融資約束而言，貨幣政策不確定性更可能通過(guò)降低企業(yè)投資效率來(lái)阻礙其全要素生產(chǎn)率增長(zhǎng)，而“預(yù)算軟約束”可能使國(guó)有控股企業(yè)盲目擴(kuò)大投資[27]，使其資本配資效率降低，進(jìn)而導(dǎo)致企業(yè)全要素生產(chǎn)率增速降低；第二，大多數(shù)國(guó)有控股企業(yè)屬于民生相關(guān)領(lǐng)域，具有一定壟斷性并承擔(dān)一定社會(huì)責(zé)任，可能導(dǎo)致國(guó)有控股企業(yè)內(nèi)在創(chuàng)新動(dòng)力不足[28]；第三，國(guó)家股權(quán)缺乏明確的利益代表和足夠的管理激勵(lì)，導(dǎo)致國(guó)有控股企業(yè)存在多重代理問(wèn)題，代理成本上升，造成企業(yè)決策不夠有效。

2.經(jīng)濟(jì)區(qū)域角度。按照我國(guó)東中西經(jīng)濟(jì)帶對(duì)企業(yè)進(jìn)行劃分。表6第3～5列顯示，貨幣政策不確定性對(duì)東部地區(qū)企業(yè)全要素生產(chǎn)率的負(fù)向影響并不顯著。主要有以下原因：第一，東部地區(qū)經(jīng)濟(jì)水平、開放程度、市場(chǎng)規(guī)模及市場(chǎng)化程度均優(yōu)于中西部地區(qū)，該地區(qū)企業(yè)應(yīng)對(duì)不確定性風(fēng)險(xiǎn)的綜合能力較強(qiáng)；第二，東部地區(qū)數(shù)字金融發(fā)展程度高，有效降低了企業(yè)融資約束程度，促進(jìn)其研發(fā)投入[29]；第三，東部地區(qū)金融體系發(fā)展較完善，銀行主動(dòng)承擔(dān)風(fēng)險(xiǎn)有效緩解了企業(yè)融資約束。

3.規(guī)模角度。依據(jù)同期企業(yè)規(guī)模指標(biāo)（Size），在30%、70%分位點(diǎn)處進(jìn)行劃分，分為小規(guī)模組、中規(guī)模組以及大規(guī)模組三組。表7結(jié)果顯示，相比中小規(guī)模企業(yè)，大規(guī)模企業(yè)中這種負(fù)向影響的顯著性下降，僅在5%置信水平顯著。主要有以下原因：第一，大規(guī)模企業(yè)結(jié)構(gòu)更加完善，管理層決策能力較強(qiáng)；第二，大規(guī)模企業(yè)內(nèi)源性融資、抵押品價(jià)值等方面均強(qiáng)于中小規(guī)模企業(yè)。

八、結(jié)論與建議

運(yùn)用SVAR-SV模型測(cè)度我國(guó)貨幣政策不確定性，討論貨幣政策不確定性對(duì)企業(yè)全要素生產(chǎn)率的影響；從實(shí)物期權(quán)、增長(zhǎng)期權(quán)和金融摩擦的不同維度出發(fā)，辨析主要的影響機(jī)制；基于企業(yè)的產(chǎn)權(quán)性質(zhì)、所在區(qū)域和規(guī)模大小，進(jìn)一步分析影響差異。結(jié)果顯示：貨幣政策不確定性抑制企業(yè)全要素生產(chǎn)率的增長(zhǎng)，相較于金融摩擦機(jī)制，實(shí)物期權(quán)機(jī)制和增長(zhǎng)期權(quán)機(jī)制占主導(dǎo)地位。企業(yè)資產(chǎn)不可逆程度越高，其全要素生產(chǎn)率受貨幣政策不確定性的負(fù)向影響越嚴(yán)重。國(guó)有控股企業(yè)、中西部企業(yè)和中小規(guī)模企業(yè)受貨幣政策不確定性負(fù)向沖擊更顯著。

結(jié)論對(duì)中國(guó)貨幣政策調(diào)控及企業(yè)投融資的啟示：第一，重視貨幣政策不確定性的沖擊。央行在關(guān)注貨幣政策水平?jīng)_擊的同時(shí)，不能忽視貨幣政策頻繁小幅調(diào)整所產(chǎn)生的不確定性沖擊。第二，提升企業(yè)資產(chǎn)可逆性。推進(jìn)資本市場(chǎng)發(fā)展和二手市場(chǎng)建設(shè)，完善固定資產(chǎn)定價(jià)機(jī)制，便利資產(chǎn)交易并提高資產(chǎn)處置效率。第三，增強(qiáng)企業(yè)抵御貨幣政策不確定性沖擊的能力。國(guó)有控股企業(yè)需激活內(nèi)在創(chuàng)新動(dòng)力，緩解多重代理問(wèn)題；中西部企業(yè)拓展融資渠道，如采用數(shù)字金融模式；中小規(guī)模企業(yè)優(yōu)化資本結(jié)構(gòu)，緩解融資約束程度。

注釋：

① 《2016年第三季度中國(guó)貨幣政策執(zhí)行報(bào)告》指出DR007可以更好地反映銀行體系流動(dòng)性狀況，更適合作為市場(chǎng)基準(zhǔn)利率。由于DR007從2014年12月開始公布，時(shí)間跨度過(guò)短，故選擇R007作為價(jià)格型貨幣政策代理變量。

②? 數(shù)據(jù)來(lái)源：國(guó)泰安數(shù)據(jù)庫(kù)。

③ 對(duì)貨幣政策施加以下約束條件：（1）由于貨幣政策存在外部時(shí)滯，認(rèn)為貨幣政策當(dāng)期水平不影響當(dāng)期實(shí)際產(chǎn)出和通貨膨脹水平。（2）由于價(jià)格黏性，利用CPI度量的通貨膨脹率一般被看作滯后指標(biāo)，當(dāng)期不受供給沖擊的影響。

④ 不同先驗(yàn)信息設(shè)定下的SV模型所估計(jì)出的隨機(jī)波動(dòng)序列均具有有效性[21]，利用不同先驗(yàn)信息設(shè)定估計(jì)隨機(jī)波動(dòng)序列，發(fā)現(xiàn)不同先驗(yàn)信息假設(shè)下的估計(jì)結(jié)果趨勢(shì)基本一致。

⑤ OP法和LP法等半?yún)?shù)法能夠較好地解決傳統(tǒng)計(jì)量方法中的內(nèi)生性和樣本選擇問(wèn)題[22]。OP法以投資作為代理變量，導(dǎo)致部分投資額為零的樣本不能被估計(jì)。LP法以中間品投入指標(biāo)作為代理變量，避免了數(shù)據(jù)缺失問(wèn)題。

參考文獻(xiàn)：

［1］ Kurov A， Stan R. Monetary policy uncertainty and the market reaction to macroeconomic news[J]. Journal of Banking & Finance， 2018，86： 127-142.

[2] Michiel P D， Giovanni F， Michiel M， et al. Reprint： Monetary policy uncertainty and monetary policy surprises[J]. Journal of International Money and Finance， 2021，114： 102401.

[3] Bloom N. Fluctuations in uncertainty[J]. Journal of economic Perspectives， 2014， 28（2）： 153-176.

[4] 王博，李力，郝大鵬.貨幣政策不確定性、違約風(fēng)險(xiǎn)與宏觀經(jīng)濟(jì)波動(dòng)[J].經(jīng)濟(jì)研究，2019，54（3）：119-134.

[5] 賴平耀.中國(guó)經(jīng)濟(jì)增長(zhǎng)的生產(chǎn)率困境：擴(kuò)大投資下的增長(zhǎng)下滑[J].世界經(jīng)濟(jì)，2016，39（1）：75-94.

[6] Baker S R， Bloom N， Davis S J. Measuring economic policy uncertainty[J]. The Quarterly Journal of Economics， 2016，131（4）： 1593-1636.

[7] Huang Y ， Luk P ， Fleisher B M ， et al. Measuring economic policy uncertainty in China[J]. China Economic Review， 2020，59.

[8] Chen H， Tillmann P. Monetary policy uncertainty in China[J]. Journal of International Money and Finance， 2021，110： 102309.

[9] 王立勇，王申令.貨幣政策不確定性研究進(jìn)展[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2020（6）：109-122.

[10]Bloom N. The impact of uncertainty shocks[J]. Econometrica， 2009，77（3）： 623-685.

[11]Born B， Pfeifer J. Policy risk and the business cycle[J]. Journal of Monetary Economics， 2014，68： 68-85.

[12]Albulescu C T， Ionescu A M. The long-run impact of monetary policy uncertainty and banking stability on inward FDI in EU countries[J]. Research in International Business and Finance， 2018，45： 72-81.

[13]邱兆祥，劉遠(yuǎn)亮.宏觀經(jīng)濟(jì)不確定性與銀行資產(chǎn)組合行為：1995—2009[J].金融研究，2010（11）：34-44.

[14]李力，黃新飛.貨幣政策不確定性與商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)研究[J].系統(tǒng)工程理論與實(shí)踐，2022，42（4）：847-864.

[15]何光輝，楊咸月.融資約束對(duì)企業(yè)生產(chǎn)率的影響——基于系統(tǒng)GMM方法的國(guó)企與民企差異檢驗(yàn)[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2012，29（5）：19-35

[16]張金朵，張中華.貨幣政策不確定性會(huì)抑制實(shí)業(yè)投資嗎？——來(lái)自中國(guó)非金融上市公司的經(jīng)驗(yàn)證據(jù)[J].武漢金融，2022（11）：13-20.

[17]劉帷韜，任金洋，馮大威，高琦.經(jīng)濟(jì)政策不確定性、非效率投資與企業(yè)全要素生率[J].經(jīng)濟(jì)問(wèn)題探索，2021（12）：13-30.

[18]譚小芬，張文婧.經(jīng)濟(jì)政策不確定性影響企業(yè)投資的渠道分析[J].世界經(jīng)濟(jì)，2017，40（12）：3-26.

[19]林建浩，陳良源，田磊.貨幣政策不確定性是中國(guó)股票市場(chǎng)的定價(jià)因子嗎？[J].經(jīng)濟(jì)學(xué)（季刊），2021，21（4）：1275-1300.

[20]王君斌，郭新強(qiáng)，王宇.中國(guó)貨幣政策的工具選取、宏觀效應(yīng)與規(guī)則設(shè)計(jì)[J].金融研究，2013（8）：1-15.

[21]Fernández-Villaverde J， Guerrón-Quintana P， Rubio-Ramirez J F， et al. Risk matters： The real effects of volatility shocks[J]. American Economic Review， 2011，101（6）： 2530-2561.

[22]魯曉東，連玉君.中國(guó)工業(yè)企業(yè)全要素生產(chǎn)率估計(jì)：1999—2007[J].經(jīng)濟(jì)學(xué)（季刊），2012，11（2）：541-558.

[23]李小林，常詩(shī)杰，司登奎.貨幣政策、經(jīng)濟(jì)不確定性與企業(yè)投資效率[J].國(guó)際金融研究，2021（7）：86-96.

[24]韓瑞棟，杜邢曄，薄凡.資本錯(cuò)配對(duì)企業(yè)全要素生產(chǎn)率的影響研究[J].宏觀經(jīng)濟(jì)研究，2022（6）：57-72，111.

[25]Wooldridge J M. On estimating firm-level production functions using proxy variables to control for unobservables[J]. Economics letters， 2009，104（3）： 112-114.

[26]Jegadeesh N， Livnat J. Revenue surprises and stock returns[J]. Journal of Accounting and Economics， 2006，41（1）： 147-171.

[27]潘攀，鄧超.企業(yè)異質(zhì)性與貨幣政策信貸傳導(dǎo)渠道有效性[J].財(cái)經(jīng)理論與實(shí)踐，2020，41（2）：40-47.

[28]張前程，宋俊秀，張雨琴.債務(wù)期限結(jié)構(gòu)與制造業(yè)企業(yè)全要素生產(chǎn)率[J].統(tǒng)計(jì)與信息論壇，2022，37（9）：90-105.

[29]曾雅婷，邢晶晶，李賓.數(shù)字金融發(fā)展對(duì)新創(chuàng)企業(yè)成長(zhǎng)的影響——融資約束和研發(fā)投入的鏈?zhǔn)街薪樾?yīng)與異質(zhì)性分析[J].西部論壇，2022，32（6）：20-36．

The Impact of Monetary Policy Uncertainty

on Corporate Total Factor Productivity

Abstract：Based on data of A-share listed companies from 2005 to 2021， this paper utilizes the SVAR-SV model to separate macroeconomic shocks and monetary policy level shocks from monetary policy uncertainty shocks and constructs an index of Chinas monetary policy uncertainty， conducts empirical research on the impact of monetary policy uncertainty on corporate total factor productivity. The findings indicate that a high level of monetary policy uncertainty negatively affects corporate total factor productivity growth， and real option mechanism and growth option mechanism are more important compared to financial friction mechanism. Under the influence of corporate heterogeneity， this effect is more pronounced for state-owned holding enterprises， small and medium-sized enterprises and enterprises located in the central and western regions in China.

Key words：monetary policy uncertainty; total factor productivity; SVAR-SV Model