【定向降准政策对民营企业融资约束的影响实证分析-来自A股民营上市公司的证据8900字（论文）】

定向降准政策对民营企业融资约束的影响实证分析—来自A股民营上市公司的证据摘要：本文基于2010—2019年876家A股民营上市公司的财务数据，建立固定效应回归模型，探讨定向降准政策对民营企业融资约束的影响，实证结果发现，定向降准政策的实施对于民营企业面临的融资约束问题具有显著的缓解作用。通过将样本企业分为制造业与非制造业、大规模企业与小规模企业、高新技术企业与非高新技术企业共六组进行异质性分析发现，定向降准政策的实施对民营企业中的制造业企业融资约束的缓解作用更大；对民营企业中的小规模企业融资约束的缓解效果更显著；对高新技术企业和非高新技术业均产生了一定的缓解作用。本文实证分析所得的结论对于更进一步地完善定向降准政策、有效地缓解中小企业的融资困境具有一定程度上的启示作用。关键词：定向降准；民营企业；融资约束目录一、引言 1二、文献综述 2（一）关于定向降准政策效应的研究 2（二）关于企业融资约束的研究 2（三）关于定向降准政策对企业融资约束的影响研究 2三、理论分析与研究假设 3四、样本数据与实证设计 3（一）样本选择与数据来源 3（二）模型构建 4（三）变量选取 41．被解释变量 42．解释变量 53．控制变量 5（四）主要变量描述性统计 6五、实证结果分析 6（一）整体效应分析 6（二）异质性分析 8（三）稳健性检验 9六、主要结论和政策建议 10参考文献： 11一、引言随着国内外发展条件的深刻变化，中国消费、投资、出口等需求的特点都发生了重大的变化，我国经济逐渐由高速增长转向中高速增长，从规模速度型粗放增长转向质量效率型集约增长，从要素投资驱动转向创新驱动。在这种变化下，我国经济市场的流动性普遍呈现出结构性短缺和总量过剩等一系列的问题。这种经济结构失衡不仅导致大量资金滞留在虚拟经济中，导致流入实体经济的资金严重短缺，而且资源配置不均，对国民经济的长期健康发展造成了严重的负面影响，抑制了国民经济的发展。在这一变化背景下，为了有效地解决新常态下中国经济面临的新问题和新矛盾，中国应该注重深化改革，大力推进经济结构调整，对金融资源进行合理地配置。因为资本流动在常规的货币政策的实施下不能够被很好地引导，为此，央行推出了一系列的货币政策工具，以求能够有效地放松实体经济的流动性。其中，定向降准作为中国人民银行针对金融行业进行的政策调整，是最重要、最具代表性的货币政策工具之一。在金融支持实体经济的举措中，定向降准政策属于正向激励举措，相较于全面降准，定向降准政策更加具有针对性，这将使得更多的金融资源能够配置到三农、小微企业等弱势部门，有利于经济结构的调整；与全面降准相比，定向降准政策有利于进一步地优化企业的信贷结构，对实体经济的支持力度有了更大的提升。定向降准政策金融资源进行合理地配置，能够有效地缓解小微企业等弱势企业的融资压力。到2020年底，中国的存款准备金率下调政策已经实施了15次之多。这样频繁的政策举措与中国金融市场面临的实际调整压力密切相关，政策实施效果引起了社会各界的特别关注。本文主要分析A股民营上市公司在定向降准政策实施前后融资约束的变化，以考察定向降准政策的实施效果。本文可能的边际贡献有:第一，现有关于定向降准政策的研究较多集中在政策制定背景、政策实施的经济效果等宏观层面，而少有专家学者考虑到从企业这样的微观层面对定向降准政策的实施效果进行研究。所以无法充分地对定向降准政策关于特定领域的扶持效果进行有效的评价以及有针对性地提出相应的政策建议。鉴于此，本文选取A股民营上市公司作为研究样本，试图从民营企业这样的微观角度出发对定向降准政策的作用效果进行研究并提出相关政策建议。第二，目前重点研究定向降准政策的文献较少，有关定向降准政策作用效果的研究还没有形成统一的结论，而且令人遗憾的是，对于定向降准货币政策影响最直接的投融资环节也少有专家学者关注。鉴于此，本文选取A股民营上市公司作为研究样本，构建虚拟回归模型，实证研究定向降准政策能否有效地发挥其引导信贷资金的功能，是对现有研究链条的延伸。二、文献综述（一）关于定向降准政策效应的研究定向降准政策作为货币政策操作工具，具有强烈的中国特色。能够准确地调节实体经济的流动性（楚尔鸣和曹策，2016）。通过对定向降准政策的传导机制进行分析，发现通过实施定向宽松的货币政策，可以有效地引导资本流动（陈彦斌等，2016）。定向降准政策的实施效果由于其所释放的流动性并不能精准地流向弱势部门而受到了较大的影响（黎齐，2017年）。通过从时间和地域这两个不同的维度构建了关于银行竞争的实证模型，并讨论了定向降准政策效果受竞争因素的影响。发现银行间竞争对提高定向降准政策的准确性起到了积极作用（郭晔和夏洛克·霍姆斯，2019）。（二）关于企业融资约束的研究融资约束说明企业难以通过正常的市场利率及时地得到能够满足企业所需的外部金融支持（王建斌，2019）。一些微观因素可能会对企业的融资约束水平产生一定的影响，如产权的性质和规模、股权以及与金融机构的密切关系等（李志军和王善平，2011）。企业融资也有可能在一定程度上受到货币政策等宏观经济基本面的冲击。当中央银行实行较为宽松的货币政策的时候，企业需要支付的利息费用将会减少，企业内部的现金流量增加，企业所面临的融资约束相对地会减弱。相反地，当中央银行实行紧缩的货币政策的时候，企业，尤其是私营企业，则将面临着更为严重的融资约束（黄志忠和谢军，2013）。（三）关于定向降准政策对企业融资约束的影响研究定向降准政策的作用机制与存款准备金率的调整相似，都是通过影响货币乘数，从而影响到商业银行的可贷资金数额。存款准备金率与货币乘数是货币量化宽松与量化紧缩的重要工具之一。在定向降准政策的实施过程中，对于达到标准的金融机构，中央银行会对其法定存款准备金率予以优惠政策范围内的下调，此时商业银行创造信用的能力和可提供放款的能力就会上升。在存款准备金率下降的时候，货币乘数会随着存款准备金率的下降而变大，从而产生高于自身基础货币数倍的货币供应量（王倩等，2016）。定向降准政策实施的目的在于调整商业银行的内部结构，其实施的重点主要是调整在不同的实体经济部门中投资的商业银行的投资组合关系，商业银行的资产结构将会得到有效地调整，从而促进信贷资源准确地流向目标行业（秦伟广等，2015）。定向降准政策的实施所释放的资金通常不会在不同行业中惠及小微企业，政策效应具有明显的行业异质性（徐长生等，2021）。三、理论分析与研究假设从已有研究可知，实施定向降准政策对于中小企业的融资约束具有一定的缓解作用，而少有学者研究定向降准政策对民营企业的影响。在我国，相较于民营企业，国民企业能够更容易地获得银行贷款，而定向降准政策的实施会使得面临着更高融资成本的民营企业的融资约束得到更大程度的缓解。鉴于此，本文提出如下研究假设：H1：定向降准政策对民营上市公司的融资约束具有显著的缓解作用。此次定向降准政策涉及小微企业和商业银行两方，既是对小微企业的金融帮扶，也是对商业银行的考验。其目的是为了向中小企业输入更多的资金，促进其发展。融资难、融资贵的问题一直是小微企业融资贷款的一大难题，导致小微企业的融资需求无法得到支持满足。所以，政策的效果主要站在小微企业的角度上，相较于大规模企业，定向降准政策对小微企业融资约束的缓解作用更明显。鉴于此，本文提出如下研究假设：H2：相较于大规模民营企业，定向降准政策实施后，小规模民营企业的融资约束能得到更大的缓解。四、样本数据与实证设计（一）样本选择与数据来源本文使用的876家A股民营上市公司财务数据均来自CSMAR数据库，因此本文选取A股民营上市公司作为研究样本。因为定向降准政策是从2014年开始实施的，所以本文选取2010—2019年作为本文研究的时间窗口。为了使样本数据更加具有代表性，本文对初始样本进行了如下筛选和处理：（1）剔除ST和PT类企业样本；（2）剔除金融类上市公司样本；（3）剔除关键变量严重缺乏的企业样本。经过上述数据处理，最终样本为876家企业，以及2010年至2019年的8768个样本观测值。本文所使用的数据均来自CSMAR数据库，数据处理和实证过程均采用软件stata15。（二）模型构建通常来说，时间序列可以很好地判断某些数据之间的相关关系，但却不能很好地观测截面之间的信息，而面板数据则可以较好地包含两者之间的关系。一方面,面板数据能够很好地说明时间序列之间的相关关系，另一方面，面板数据又包含了截面方向的信息。面板数据有效地突破了截面数据模型和时间序列模型的局限性，不仅大大增加地增加了其容量，而且还极大地增加了参数的可靠程度。面板数据不仅可以减弱多重共线性的影响，还能够识别出时间序列模型这些单纯的数据模型所不能识别出来的影响，能够有效地减少由默认值带来的问题，可以更好地从多维考察经济现象。根据上述分析以及选取的变量指标，本文采取多元回归方法。用SA指数衡量民营上市公司面临的融资约束，并构建虚拟变量PRO，表示是否实施了定向降准政策。PRO=1表示定向降准政策实施后（2014年之后）的时期，PRO=0表示定向降准政策实施前的时期。模型中加入净资产收益率ROE、现金流动性CF、资产流动性Liquid等控制变量进行多元回归。SA=β0+β1PROit+β2ROEit+β3CFit+β4Liquidit+εit+μi（2）其中，i表示公司序号（i=1，2，……，876），t表示时间下标（t=1，2，……，10），μi为不可观测公司固定效应，εit为随机干扰项。被解释变量为SA，表示融资约束程度，解释变量为PRO,表示是否实施定向降准政策。（三）变量选取1．被解释变量在以往有关研究企业融资约束的文献中，专家学者经常用来衡量企业融资约束的方法一般包括以下几种：投资-现金流敏感性模型（Fazzari等，1988）、现金-流敏感性模型（Almedia，2004）、KZ指数（Kaplan和Zingales，1997）和SA指数（lock和Pierce，2010）。在目前已有的研究融资约束的文献中，专家学者运用了很多方法来衡量企业融资约束，但是他们的研究方法大多是依赖于内生性的财务指标,所以通过使用这种内生性财务指标所得出来的研究结论可能存在一定程度的偏差。因此，为了避免因为内生性干扰而造成研究结论的偏差，Hadlock和Pierce（2010）利用KZ方法，依据企业财务报告来划分企业的融资约束类型，重新设计了融资约束变量SA指数。与别的用来衡量融资约束的指标相比，SA指数的构建只使用了企业规模和企业年龄两个变量，这两个变量随时间的变化不大，并且具有较强的外部性。他们的这种方法有效地避免了指数构建过程中产生的内生性问题，并且已经在大多数文献（徐思和何晓怡2019、栾天虹和袁亚冬2019、洪怡恬2019）中得到了应用，本文也采用这种方法。根据洪怡恬（2019）的研究成果，SA指数计算公式如下：SA=-0.737Size+0.043Size2-0.04Age（1）取值一般为负，取值的绝对值越大，意味着融资约束程度越高。Size为企业总资产的自然对数，age为企业年龄。2．解释变量PRO为虚拟变量，表示是否实施了定向降准政策，若实施了定向降准政策，则取值为1，否则取值为0。实施定向降准政策有利于缓解民营企业面临的融资约束问题，所以该变量预期系数符号为负。3．控制变量考虑到除目标竞争政策外，企业层面的其他因素也会影响企业的融资约束，如果忽略这些变量，回归结果可能会有偏差。因此，参考之前的相关研究，模型中增加了以下控制变量:净资产收益率ROE、现金流动性CF、资产流动性Liquid。（1）ROE表示的是企业净资产收益率，一般来说企业净资产收益率越高，其所受的融资约束越少，所以该指标的预期符号为负。数据来自CSMAR数据库。（2）CF表示的是企业现金流动性，一般来说，企业的现金流动性越强，其外部融资能力也越强，其所受的融资约束就越少。所以该指标的语气符号为负。数据来自CSMAR数据库。（3）Liquid表示的是企业资产流动性，根据现有研究，本文认为拥有高资产流动性的企业具有更高的清算价值的能力，并且具有更好的变现能力和抵押价值，即企业可以在折损较小的情况下完成交易或融资。所以本文预测企业的资产流动性越强，企业所受的融资约束会越小，所以该指标的预期符号为负。数据来自CSMAR数据库。模型各变量的详细定义见表1.表1变量类型变量名称变量含义计算方法被解释变量SA融资约束程度见洪怡恬（2019）解释变量PRO虚拟变量2014年之前赋值为0，2014年之后（含）赋值为1控制变量ROE净资产收益率净利润/期末净资产CF现金流动性经营活动现金流量净额/期末总资产Liquid资产流动性流动资产/流动负债（四）主要变量描述性统计表2对面板数据进行了描述性统计。从表中标准差、最小值、最大值数据可以看出，本文选取的876家A股民营上市公司的现金流动性（CF）的标准差为0.0784，波动幅度不大。融资约束程度（SA）的标准差为0.259、净资产收益率（ROE）的标准差为0.398，二者的波动幅度均较大。资产流动性（Liquid）的标准差为5.664，波动幅度最大，可见A股民营上市公司中各公司间的资产流动性差异较大。同时，定向降准政策变量的标准差为0.489，也表现出了较大的波动性，这主要是因为近年来我国频繁使用定向精准政策进行调节。表2主要变量的描述性统计变量名均值中位数标准差最小值最大值融资约束8,826-3.8350.259-5.6370政策变量8,8260.6020.48901净资产收益率8,8260.04640.398-19.670.850现金流动性8,8260.04040.0784-0.8050.876资产流动性8,7683.1375.6640.0861204.7五、实证结果分析（一）整体效应分析面板数据有两种效应模型，一种是固定效应模型，一种是随机效应模型。对于固定效应模型，一般选用最小二乘法进行实证分析，而对于随机效应模型，考虑到多方面的影响因素，一般采用广义最小二乘法进行分析。选择效应模型的方法通常由Hausman测试确定。给出原假设：如果个体效应于回归变量无关，则选择随机效应模型。如果单个变量于回归变量显著相关，则选择固定效应模型。通过对样本数据进行Hausman检验，得出检验结果为0.0000，即拒绝原假设，说明使用固定效应模型可能更准确，因此选择固定效应模型。本文运用Stata15对模型（2）进行回归，回归结果如表3所示。通过回归结果可以看出，PRO的回归系数在1%的水平上显著为负值，为-0.213，即定向降准政策每提高1%，则民营企业的融资约束约降低0.213%，可见，在实施定向降准政策后，民营上市公司的融资约束显著降低，即定向降准政策的实施显著缓解了民营上市公司的融资约束，因此，本文的假设1得到了验证，定向降准政策对民营上市公司的融资约束具有显著的缓解作用。针对控制变量进行分析，净资产收益率（ROE）的回归系数在10%的水平上显著为正，为0.010，表明随着企业净资产收益率的增长，企业的融资约束将增加，净资产收益率每提高1%，则民营企业的融资约束约增加0.010%。现金流动性（CF）的回归系数为-0.018，表明随着企业现金流动性的提高，企业的融资约束降低，现金流动性每提高1%，则民营企业的融资约束约降低0.018%，但是现金流动性对民营上市公司融资约束的缓解作用并不显著。资产流动性（Liquid）的回归系数在1%的水平上显著为正，为0.002，表明随着企业资产流动性的提高，企业的融资约束将增加，企业资产流动性每提高1%，则民营企业的融资约束约增加0.002%。表3定向降准政策对民营上市公司融资约束的影响变量融资约束政策变量-0.213***(-74.55)净资产收益率0.010*(1.75)现金流动性-0.018(-0.95)资产流动性0.002***(3.64)Constant-3.717***(-1222.85)Observations8,768R-squared0.526F1754注：括号内数值为稳健标准误；***、**、*分别表示在1%、5%和10%的水平上显著（二）异质性分析为了进一步探讨定向降准政策对不同类型企业融资约束的影响是否存在差异，本文将研究样本分为三类：制造业与非制造业；大规模企业与小规模企业；高新技术企业与非高新技术企业，探讨了定向降准政策对不同行业类型、不同规模、不同资质的民营上市公司融资约束的影响。异质性分析得到的回归结果如表4所示。表4异质性分析分类（1）（2）（3）（4）（5）（6）制造业非制造业大规模小规模高新非高新变量融资约束融资约束融资约束融资约束融资约束融资约束政策变量-0.220***(-61.06)-0.202***(-50.08)-0.125***(-20.68)-0.227***(-79.08)-0.212***(-75.23)-0.217***(-24.25)净资产收益率-0.005(-1.08)0.023***(4.60)0.038***(2.85)0.008(1.33)0.010(1.58)-0.001(-0.14)现金流动性-0.005(-1.02)0.025(1.13)-0.055(-1.51)-1.019(-0.89)-0.020(-1.06)0.072(0.99)资产流动性-0.000(-0.04)0.002***(2.96)0.005(1.15)0.002***(3.40)0.002***(3.45)0.004***(4.19)Constant-3.680***(-1496.92)-3.752***(-1103.21)-3.824***(-431.34)-3.698***(-1222.82)-3.722***(-1266.81)-3.674***(-488.69)Observations4,4924,2542,0116,7557,954814R-squared0.4390.6390.4600.5210.5510.358F938.3673.2113.624321641200.5注：括号内数值为稳健标准误；***、**、*分别表示在1%、5%和10%的水平上显著表4中的（2）和（3）列是对样本企业进行制造业与非制造业分组得到的实证结果。（2）显示了制造业组的回归结果，（3）显示了非制造业组的回归结果。从实证结果可以看出，制造业企业组和非制造业企业组的PRO回归系数估计值均在1%的水平上显著为负，这表明定向降准政策的实施，使民营上市公司的融资约束无论是在制造业企业还是在非制造业企业中均得到了一定程度的缓解。实证结果进一步表明，与非制造业相比，定向降准政策更大程度地缓解了制造业民营上市公司的融资约束。表4中的（4）和（5）列是对样本企业进行大规模企业和小规模企业分组得到的实证结果。表4的第（4）列为大规模企业组的的回归结果，第（5）列为小规模企业组的的回归结果，不论是大规模企业组还是小规模企业组，其PRO的回归系数均在1%的水平上显著为负，说明定向降准政策对大规模企业和小规模企业的融资约束均产生了一定程度的缓解作用，由实证结果可以看出，定向降准政策对小规模企业的融资约束有更明显的缓解作用。由此，假设2得到验证，相较于大规模民营企业，定向降准政策实施后，小规模民营企业的融资约束能得到更大的缓解。表4中的（6）和（7）列是对样本企业进行高新技术企业与非高新技术企业分组得到的实证结果。表4的第（6）列为高新技术企业组的回归结果，第（7）列为非高新技术业组的回归结果。不论是高新技术企业还是非高新技术业，其PRO的回归系数均在1%的水平上显著为负，说明定向降准政策对高新技术企业和非高新技术业均产生了一定程度的缓解作用。（三）稳健性检验考虑到定向降准政策实施年份（2014年）可能存在异常波动，本文使用余明桂等（2019年）的方法消除2014年的样本数据，并重新估计模型（2）。表5显示了稳健性检验的估计结果。如表5中的回归结果所示，此时PRO的估计系数仍在1%的水平上显著为负，为-0.233，即定向降准政策每提高1%，则民营上市企业的融资约束约降低0.233%，这与上述定向降准政策的实施显著缓解了民营上市公司的融资约束的结论一致，证明了实验结果的稳健性。针对控制变量进行分析，净资产收益率（ROE）的回归系数为正值，为0.007，表明随着企业净资产收益率的增长，企业的融资约束将增加，企业净资产收益率每提高1%，则民营企业的融资约束约增加0.007%。与上述企业净资产收益率增加了民营上市公司的融资约束的结论一致；现金流动性（CF）的回归系数为-0.025，表明随着企业现金流动性的提高，企业的融资约束降低，现金流动性每提高1%，则民营企业的融资约束约降低0.025%，但是回归结果并不显著，这与上述企业现金流动性对企业融资约束有一定的缓解作用但缓解效果不显著的结论一致。资产流动性（Liquid）的回归系数在1%的水平上显著为正，为0.002，表明随着企业资产流动性的提高，企业的融资约束将增加，企业资产流动性每提高1%，则民营企业的融资约束约增加0.002%，与上述企业资产流动性将显著增加企业融资约束的结论一致。对控制变量进行稳健性检验的结果均与上述结论一致，验证了实证结果的稳健性。表5稳健性检验变量融资约束政策变量-0.233***(-72.53)净资产收益率0.007(1.18)现金流动性-0.025(-1.28)资产流动性0.002***(3.42)Constant-3.716***(-1194.57)Observations7887R-squared0.585F1662注：括号内数值为稳健标准误；***、**、*分别表示在1%、5%和10%的水平上显著六、主要结论和政策建议对定向降准政策效果的研究对于促进国民经济的长期健康发展具有重要的意义。本文以A股民营上市公司为研究对象，揭示了定向降准政策对民营上市公司融资约束的影响。利用固定效应模型和A股民营上市公司2010年至2019年的财务数据进行实证分析，结果表明，民营上市公司的融资约束在定向降准政策实施后得到了显著的缓解。进一步的异质性分析表明，定向降准政策的实施，使民营上市公司的融资约束无论是在制造业企业还是在非制造业企业中均得到了一定程度的缓解。与非制造业相比，定向降准政策更大程度地缓解了制造业民营上市公司的融资约束。定向降准政策对大规模企业和小规模企业的融资约束均产生了一定程度的缓解作用，与大规模企业相比，定向降准政策对小规模企业的融资约束有更明显的缓解作用。定向降准政策对高新技术企业和非高新技术业均产生了一定程度的缓解作用。基于以上研究结论，本文的政策启示如下：（1）为了确保目标政策释放的资金能够更准确地流向实体经济，国家应该适当地增加定向降准政策实施的频率和力度，加强和完善政策监督和评估机制。（2）有针对性的定向降准政策的实施效果是异质的。因此，在实施定向降准政策时，根据企业产权性质和区域市场化进程实施差异化的政策，能够更好地发挥定向降准政策在优化结构中的作用。参考文献：AlmamyJ.AnEvaluationofAltman'sZ-scoreUsingCashFlowRatiotoPredictCorporateFailureamidtheRecentFinancialCrisis:EvidencefromtheUK[J].JournalofCorporateFinance,2016(36).LiWenzhe.DoesTargetedMonetaryPolicyMatter?APerspectivefromChina.EconomicAffairs,2018,38(1):106~124.GlancyD.&KurtzmanR.J.HowdoCapitalRequirementsaffectLoanRates?EvidencefromHighVolatilityCommercialRealEstate.SsrnElectronicJournal,2018:162~196.BalfoussiaH.&GibsonH.D.FinancialConditionsandEconomicActivity:thePotentialImpactoftheTargetedLong-termRefinancingOperations(TLTROs)