货币调控方式与制造企业杠杆率：央行货币政策事件视角...

货币调控方式与制造企业杠杆率：央行货币政策事件视角的分析

摘 要： 制造业部门“结构性去杠杆”是实现高质量发展目标的基础，而在“金融抑制”传统和“金融加速器”的约束下，制造企业杠杆率对于不同货币调控方式存在着复杂的响应机制。不拘泥于传统的宏观总量分析，本研究试图通过对2003-2017年央行货币政策大事件进行分类统计，进而对不同货币调控方式之于企业杠杆率的实际影响机制进行实证检验。研究结果显示：(1)制造企业杠杆率对传统的货币宽松或紧缩类操作并不敏感，甚至于呈现出一定的负向响应；(2)制造企业杠杆率对于央行在金融监管加强或是金融市场完善方面的努力则存在积极的正向反馈，该类调控有助于推动制造企业“降杠杆”；(3)自上而下的金融监管容易在国企或大企业层面出现效果扭曲，而市场完善则可以成功突破地方保护等因素带来的所有制或规模壁垒。上述结果表明，借助于货币调控方式创新来推动制造业部门的结构性去杠杆具有特殊重要的价值和意义，而通过金融市场培育和金融监管强化也有助于规避货币调控过程中的“劣币驱逐良币”问题。
关键词： 制造业； 货币调控； 杠杆率； 金融监管； 市场完善
一、引言
推动“结构性去杠杆”是实现“制造业高质量发展”和“深化供给侧结构性改革”的基础。但是，对中国的制造企业而言，因为独特的产业赶超政策和金融抑制环境影响[1-2]，以及高沉没成本、强金融摩擦效应等行业特质制约[3-5]，其杠杆率演变对于总量层面的货币调控往往呈现差异化的响应机制。政策实践中，这不仅会带来货币调控效果的扭曲，也容易拖累制造企业结构性去杠杆目标的实现。总结归纳不同货币调控方式对于微观制造企业杠杆率的具体影响机制，有助于探索制造业转型升级和高质量发展的有效路径和方式。
理论层面，对于制造业部门杠杆率的独特演变逻辑，有两条研究主线可资借鉴：第一条主要基于发展中国家特有的“金融抑制”现象展开[6]，着重于探讨该种约束下货币政策的结构性效应，其核心观点认为：微观金融资源的配置结构会对自上而下的货币调控效果施加影响，并最终制约货币政策有效性。对于中国的制造业部门，该类研究多认为受到重工业优先发展战略影响[7]，以及与此相配套的金融抑制环境制约[8]，中国制造业部门的杠杆率演变呈现出一定程度的货币
“逆调控”特征[9]，比如在货币紧缩条件下迟滞落后产能退出，并且因为“僵尸企业”贷款等引发的“劣币驱逐良币”效应反向推升企业杠杆率[10-12]；而在货币宽松环境下带来盲目投资扩张，降低资产周转率从而更快抬升企业杠杆率[13]。第二条则是借鉴“金融加速器”理论对货币政策传导机制展开的探讨[14]。该种研究通过引入“金融摩擦效应”，认为不同类型企业在货币政策传导过程中会面临不同的融资约束，并最终形成不同的行为模式和杠杆率响应特征[15-16]。按照这一逻辑，同时考虑中国制造业部门特有的资本密集型和投资依赖性特征，宏观总量层面的杠杆率调控很容易在政策实践中对不同企业施加不同的结构性影响，甚至于形成“货币政策越紧缩企业杠杆率反而越高”的局面[17-18]。总体而言，无论是“金融抑制”还是“金融加速器”，本质上都认为产业发展特征和金融资源配置会制约不同货币调控方式对于企业杠杆率水平的实际影响。
实践层面，在国内制造业部门去杠杆过程中，也出现了两个较为独特的现象：一是“杠杆率悖论”，即因为产出较之于负债对货币调控更为敏感，自上而下的货币紧缩反而容易反向推升微观企业的杠杆率水平，进而引发微观企业杠杆率演变的逆调控特征[19-20]。二是“杠杆率背离”，即自上而下的货币紧缩会因为“劣币驱逐良币”的结构效应而拖累微观企业盈利能力和资产周转率，并导致微观杠杆率较之于宏观杠杆率出现更明显回落[21]。基于以上两个现象，制造业部门的去杠杆往往“顾此失彼”：缓解产能过剩问题和深化供给侧改革需要维持相对偏紧的货币政策环境；但传统的货币紧缩手段又容易在实践中引发微观企业杠杆率的“负向反馈”甚至引发超调风险。实际上，这也是现有文献多认为在制造类企业杠杆率调控过程中，宏观审慎政策和结构性手段的效果要优于紧缩性货币政策的重要原因[22-23]。
综合以上理论和实践探讨，对于中国制造业部门而言，因为叠加了“金融抑制”的特殊背景和“金融加速器”效应的影响，其实际杠杆率演变对于不同货币调控方式会存在着相对复杂的响应机制。而忽视该种杠杆率响应机制的特殊性并忽略一些非常规货币政策工具的使用，不仅会在宏观去杠杆过程中导致货币政策传导的受阻[24]，也容易引发实体经济的“结构性融资缺口”[25-26]，甚至会诱发新的金融风险[27-28]。
国内现有研究中，对于微观企业杠杆率响应机制的讨论多局限在货币政策传导机制的宏观框架内展开，而缺乏对行业特殊性、特定制度背景及不同调控方式适用性的综合考量。在具体技术方法上，现有文献多基于动态随机一般均衡假设，在DSGE框架下考察外部冲击对于宏观经济各部门的影响，而很少从微观企业视角做进一步考察。由此导致的结果便是观点分歧和适用性限制：比如在制造业部门去杠杆的相关讨论中，部分研究认为应优先使用价格型货币政策工具；部分文献强调数量型货币政策工具更具优势[29-31]。而在针对“杠杆率悖论”问题的讨论中，部分研究关注货币紧缩过程中金融体系的贷款能力加速下降问题，部分文献则聚焦企业融资来源、结构及目的[32-35]。具体政策手段方面，中国人民大学课题组(2015)和IMF(2015)[36-37]均认为在借助货币政策进行实体经济去杠杆的同时也需要同步加快市场化配套改革并强化相应的金融监管；王爱俭等(2018)[38]强调“降杠杆”的同时，也应做好市场流动性管理，并加强结构性货币政策调控。
总体而言，在金融资源结构错配和高金融摩擦效应的特定约束下，中国制造业部门存在着特殊的微观杠杆率响应机制，并会由此影响到不同货币政策调控手段的实施效果。本研究试图以央行货币政策大事记中披露的不同类型货币事件的实际发生频次为基础，并以此来构建相应的货币调控方式代理变量，在此基础上采用同期国内制造类上市公司的微观样本数据，系统梳理特定制度背景和产业属性约束下不同货币调控方式对于微观制造企业杠杆率的差异化影响机制，因之进行综合比较分析。该研究不仅有助于从微观计量角度进一步展现货币政策的产业传导机制，也有利于探索实现制造企业杠杆率调控目标的新型政策工具。
二、样本说明与指标构建
为从微观实证角度考察制造类企业杠杆率对于不同货币调控方式的响应机制，这里首先进行样本选择和指标构建工作：(1)样本数据选择。所选择的微观企业样本既需要具有一定广谱性和时效性，也需满足一定的时间跨度要求，以此来提供后续研究的基础；(2)政策指标构建。构建能较好表征不同货币调控方式的代理指标，并将其转换成可用于微观计量的数据序列，并保证指标构建的稳健性和有效性；(3)杠杆率指标观测。现有研究一般用资产负债率来表征微观企业杠杆率水平，但为控制时间和行业因素影响，该指标首先需通过统计描述来掌握其时空演变特征，并为后续计量检验和分组回归提供基础。
(一)样本数据选择
目前多数制造类企业的微观计量都围绕两个数据库展开：一是1998-2013年的中国工业企业数据库，二是A股制造类上市公司的财务披露数据。但是，中国工业企业数据库提供的微观企业调查数据只更新到2013年，且数据质量相对较差，难以满足研究的稳健性和时效性要求[39-40]，更无法应用于本轮去杠杆过程中的微观杠杆率响应机制观测。相对而言，上市公司数据虽然可能存在样本有偏性问题[4]，但其数据的真实性和时效性更有保证，而且通过广谱意义的制造类上市公司数据提取有助于降低样本有偏性问题，通过行业的相对聚焦则可以更好控制样本异质性问题。从实际研究需求出发，这里选择国内制造类上市公司数据作为研究样本，并基于全球行业分类系统(GICS)，提取了原材料和资本品两个行业的相关上市公司数据，企业家数合计为1 047家，样本时间跨度为2003-2017年，初始提取的观测值数量为15 707个。另外，我们也参照Gulen和Ion(2016)[3]、纪洋等(2018)[41]、王宇伟等(2018)[13]等的做法对样本数据做了进一步的筛选，剔除了那些亏损企业或是员工人数过少(低于8人)的样本，并对数据做了1%的缩尾处理，最终保留的样本观测值数量合计为9 624个。
表1 数据样本提取信息及其分布特征统计

数据来源：WIND数据库。
(二)政策指标构建
在货币调控方式的代理变量选择方面，现有研究主要聚焦于中央银行的利率和存款准备金率操作、超额准备金率调控等传统货币政策工具，并逐步拓展至商业银行存贷款利率浮动范围规定以及差别存款准备金政策等结构性工具的讨论[42-43]。熊海芳等(2012)[44]和孔希希等(2017)[45]则将研究范围进一步延伸至央行行长讲话、货币政策执行报告、货币政策委员会例会公告等“前瞻性指引”工具；Smales和Apergis (2017)[46]也认为，上述类别的新型货币调控方式会通过预期引导而产生显著的实体经济影响，并在经济下行阶段表现的更为明显。总体上看，现有针对货币政策事件及其经济金融影响的研究相对零散，且多聚焦于通胀和增长等宏观指标，而没有进行更细致的货币政策事件分类梳理，更缺乏对其微观杠杆率影响的针对分析。
为从央行货币政策事件的新视角系统考察货币政策调控方式与制造类企业杠杆率之间的逻辑关联，这里从中国人民银行2003-2017年公布的各年度货币政策大事记出发，通过对其中公布的货币政策事件进行分类汇总和频次统计，构建起一个能够一定程度上表征央行货币政策调控倾向和具体方式的代理变量，以充当后续计量经济检验的核心解释变量。
逻辑上看，中国人民银行作为货币政策制定和货币市场调控的执行机构，其对产业金融资源配置的影响无非借助于以下四种方式实现[47]：一是传统的货币价格或数量调控，比如通过再贴现率或准备金率调整、公开市场回购与逆回购、针对特定领域的结构性支持或限制等实施的宽松或紧缩操作；二是对金融监管活动的政策指引，中国人民银行作为全国性的金融行政管理机关，可以通过相关的政策指引来实现对金融活动的监督、指导、管理和控制，以维护金融体系稳定并防范金融风险，因此央行政策大事记中披露的涉及金融监管类事件的出现频次无疑能部分映射其对金融监管的态度变化，进而对实体经济产生影响；三是面向于金融市场完善和发展的政策举措，中国人民银行针对利率市场、汇率市场、信用体系、清算支付等的制度构建和政策调整有助于推动金融体系的运转并规范金融业务的开展，进而对微观企业的金融资源获取施加影响；四是日常的行政类操作，包括定期公布货币政策执行报告，或者进行相应的行政任命等等，该种操作虽然不会对金融资源配置形式产生系统性影响，但仍有可能对市场预期形成冲击，因此需要进行单独归纳汇总。
从中国人民银行的主要职责出发，综合考虑不同调控方式对产业金融资源配置的具体影响和传导机制，这里按照金融监管、市场完善、货币宽松、货币紧缩、日常行政五个类别对中国人民银行公布的各年度货币政策大事记进行了分类汇总。同时，考虑到不同年份不同类别货币政策事件出现的频次能够大致反映同时期央行的货币政策态度和倾向，因此这里对上述五类央行货币政策事件进行了频次统计，并在此基础上构建了一个表征不同类型货币调控方式的代理变量，作为后续计量检验的基础。
具体的货币政策事件分类标准和分类汇总结果如下：
(1)金融监管类(事件MP-A)。主要统计央行货币政策事件中涉及金融监管强化以及投融资活动规范等相关内容的出现频次，以考察央行的监管态度变化或金融监管指引对制造类企业杠杆率演变的实际影响。
(2)货币宽松类(事件MP-B)。该指标主要的统计范围既包括降准、再贴现、回购等传统的货币宽松操作；也包括针对特定领域的金融支持、金融扶贫、以及信贷补贴等结构性政策工具运用。考虑到总量性货币政策工具和结构性货币政策工具在覆盖对象、操作方式和传导机制上的显著差异，这里对该类货币政策事件做了进一步细化，并将其区分为全面宽松类操作(B1)和局部宽松类操作(B2)，用于进一步甄别总量性货币调控和结构性货币调控的实际效果差异。
(3)货币紧缩类(事件MP-C)。该指标主要统计央行货币政策事件中设计到货币紧缩的相关操作及其出现频次，其中既包括总量意义的货币紧缩，也包括针对特定领域(比如房地产)的局部限制措施。
(4)行政工作类(事件MP-D)。主要统计央行货币政策大事记中涉及日常的行政任命、或是月度、季度、年度的货币政策执行报告或会议报告等活动，用于控制央行日常行政工作调整变化的微观杠杆率影响。
(5)市场完善类(事件MP-E)。该指标用于统计央行货币政策事件中关于推动利率市场化改革、加速人民币国际化进程、便利金融机构支付清算活动、降低市场准入门槛等相关政策举措的出现频次，用于观测中国人民银行推动金融市场完善和发展的努力所能产生的微观杠杆率影响。
基于上述分类标准，表2提供了2003-2017年中国人民银行货币政策事件的初步分类统计结果。
(三)代理变量的稳健性检验
前面依据不同类型货币政策事件的分年度频次汇总构建了一个表征央行货币调控方式的代理变量。从严格意义上讲，因为事件类型区分的相对“粗线条”以及频次指标对于单个事件影响权重的忽略，该指标只能起到近似模拟的作用；而且由于现有文献中缺乏相关研究探索，要将该指标应用于货币调控方式对微观制造企业杠杆率影响的实证研究，还需要进行指标的“信度”和“效度”检测。
表2 中国人民银行不同货币政策事件的分类汇总统计

资料来源：通过对应年份中国人民银行《货币政策大事记》的分类汇总和频次统计得出。
首先是对监管类指标的稳健性检验。依据前述金融监管指标的构建思路，这里试图通过文本大数据的“词频分析”构建工具变量来进行比较印证。具体指标构建上，以中国人民银行每季度公布的《货币政策执行报告》作为数据筛选基础，通过对其“下一阶段政策趋势”栏目中的关键词“监管”进行检索，按年度出现频次构建起一个时间序列变量(1)鉴于词频分析文本信息来源于“央行货币政策执行报告-下一阶段政策趋势”，图1中的这一指标做了滞后一年处理。，该变量逻辑上同样能够大致反映央行面向金融监管的态度变化。通过对比金融监管类货币政策事件(MP-A)与“监管”词频出现频率两个指标的时间趋势，可以看到两者变化轨迹具有较强一致性。值得关注的是，MP-A变量和“监管”词频变量在一些货币调控态度出现显著变化的区间保持着高度同步性：比如在2008年全球金融危机和之后的“四万亿”投资刺激区间，央行的金融监管态度经历了大起大落式的转变；而在“十八大”开始强调“金融去杠杆”和“防范系统性金融风险”之后，两个变量所表征的央行风险监管态度均出现大幅上升。这种对重要事件的同步映射也可初步印证前述指标设计的合理性。
其次是针对货币宽松或紧缩类指标的进一步检验。在中国，金融机构人民币贷款基准利率(六个月至一年期)变化是最常见的衡量货币政策松紧程度的指标，通过将该指标与前面构建的货币宽松(或紧缩)类操作指标进行综合比较，可进一步印证该代理变量构建的合理性(2)这里的紧缩类货币政策事件使用了细化后的MP-B1。。一般而言，人民币贷款基准利率的高点应该对应于货币宽松类事件出现频次的低点或货币紧缩类事件出现频次的高点。如图2所示，2008年之前，货币紧缩类事件的频次(MP-C)在上升，对应人民币贷款基准利率也在上升。而在2008年之后，中国的货币政策因为全球金融危机影响而开启“宽松之路”，对应的货币宽松类事件出现频次(MP-B1)开始大幅超过货币紧缩类事件出现频次(MP-C)，同期人民币贷款基准利率也伴随货币宽松类事件出现频次(MP-B1)上升而下降，这种节奏上的同步性也可验证对应指标构建的合理性。

图1 两种“金融监管”指标的比较印证 图2 货币宽松或紧缩类指标的比较印证
对于市场完善类指标和行政措施类变量，虽然没有找到对应的参照指标，但从前面几个关键指标的比较和讨论情况看，基于货币政策事件进行分类汇总和频次统计的研究视角具有一定的合理性，且与其他参照指标相比也具有一定的稳健性特征，由此该指标应当能够满足一定的信度和效度要求。而通过构建一个不同于“常规指标”的代理变量考察不同货币调控方式的微观杠杆率影响，也能从一个全新的视角剖析出一些被“常规指标”所遗漏的重要信息，这也是本论文研究的主要参考价值所在。
(四)杠杆率指标统计描述
对于制造类企业的杠杆率，资产负债率的使用在理论和实践层面均无太多异议。但从微观汇总角度看，综合不同统计方法和视角的观察有助于更好把握数据的时间变化趋势和结构分布特征。这里以算术平均数作为观测制造企业杠杆率水平的基准方法，同时考虑到国有企业的低效率问题[48]，也按照所有制类型区分，将样本区分为中央国企、地方国企和非国有企业三类，以展开进一步的时间和结构比较(见图3)。
依据图3，时间维度看，2006年之后，制造类公司整体的杠杆率水平即趋于持续下降，考虑到同期宏观杠杆率水平的逐步攀升(尤其是2008年金融危机之后)，这一结果印证了现有研究文献所提及的“宏微观杠杆率背离”问题。而从不同所有制企业分组观察，地方国企的杠杆率水平在样本区间的多数时段均显著高于非国有企业和中央国企，而2008年是不同所有制企业杠杆率演变的重要分水岭：2008年之前，不同所有制分组的杠杆率水平并未呈现出显著差异；但在2008年之后，国有企业和非国有企业之间的杠杆率差异趋于放大，基于中央国企和地方国企的区分做进一步考察，发现该段时间内的杠杆率上升主要源自于地方国企的“加杠杆”行为，与此同时，非国有企业的杠杆率水平则呈现出下滑态势，该种形式“此起彼伏”正是不同所有制企业杠杆率水平趋于扩大的主要原因。

图3 制造类公司的杠杆率分布变化特征
基于上述观察，对于制造类企业而言，其整体杠杆率水平从2006年之后即趋于下降，但在2014年之前，该种杠杆率调整主要体现于非国有企业层面，而地方国有企业则依然呈现为持续加杠杆态势，并直到2014年之后才出现真正意义上的杠杆率下行拐点。结合这一分组数据描述，受制于“地方锦标赛”模式，微观制造企业的杠杆率演变深受制度政策性因素干扰，并由此呈现出显著的结构性特征，这也意味着传统自上而下的总量型货币政策工具在实际传导过程中很容易出现结构性扭曲现象[49-53]，由此从货币调控方式的全新视角重新审视结构性去杠杆的政策工具组合无疑具有较强的实践参考价值。
三、计量检验
(一)模型设定
为综合比较不同货币调控方式对于制造类企业杠杆率变化的实际影响，可设定如下计量经济模型
Leveragei,t+1=β0+ΣβjMPj,t+Σχjθj,i,t+Γi+Tt+vi,t+1
其中，Leverageit+1为企业杠杆率指标，直接用总负债/总资产加以表征。i表示企业，t表示年份，同时使用解释变量的滞后项以避免双向因果并控制变量内生性问题。MPj,t为货币调控模式的代理变量，这里用前述测得的不同类型央行货币政策事件的频次统计结果加以表征，为模型核心解释变量，具体包括：金融监管类(MP-A)、货币宽松类(全面宽松MP-B1与局部宽松MP-B2)、货币紧缩类(MP-C)、行政工作类(MP-D)以及市场完善类(MP-E)。模型中也引入了企业固定效应和时间固定效应的相关控制变量。需要特别指出的是，由于模型核心解释变量取值为分年度频次统计结果，直接控制年份固定效应可能导致核心解释变量所解释的部分被完全吸收，不过依据前面的统计描述，制造业企业杆杠率在2008年前后呈现出较为明显的结构突变特征，因此这里主要通过引入虚拟变量形式(2008年以后为1)来控制时间效应。vi,t+1为模型扰动项。另外，为控制企业个体差异的影响，这里参考其他相关文献，引入了以下个体特征类指标作为控制变量，具体包括：企业信贷优势(Credit)、财务负担(Burden)、投资产生现金流(ICF)、经营产生现金流(OCF)、税收贡献(TC)、企业规模(Scale)、净资产收益率(ROE)、销售毛利率(GPM)以及投入资本回报率(ROIC)等，各变量具体的测算方式与描述性统计结果见表3。
(二)估计结果
为保证估计结果可比，这里在计量检验过程中使用公式svt=(vt-min(vt))/(max(vt)-min(vt))对核心解释变量进行标准化处理。此外，考虑到残差项中可能存在的横截面和序列相关性问题，本文借鉴Gulen(2016)[3]的做法，将回归标准差聚类到企业与年份的层面。
表3 模型变量的描述性统计结果

数据来源：货币政策事件的分类频次统计(MP-A、B、C、D、E)由“中国人民银行官方网站”披露信息统计汇总得到；其余上市公司的财务数据来源于Wind数据库。
表4的估计(1)-(7)汇报了单一类型央行货币调控方式的回归结果。估计(1)显示，金融监管类操作(MP-A)的估计系数为-2.325，且在10%的水平上显著，即平均而言，监管类货币调控(MP-A)的出现频次每增加一个标准差(3)本文数据标准化方法使用的是“极差标准化”，即这里的“一个标准差”实际上指的“一个标准极差”。，下一年度的制造类企业杠杆率下降约2.33个百分点。依据估计(2)-估计(4)，各种类型的货币宽松类操作在估计系数上均不显著。依据估计(5)，货币紧缩操作(MP-C)的估计系数为3.278，且在5%的水平上显著，即平均而言，紧缩类货币操作(MP-C)的出现频次每增加一个标准差，下一年度的制造类企业杠杆率反而会上升约3.28个百分点。这一结果说明：在制造业领域，传统的货币宽松或紧缩操作不仅不能有效调控微观企业杠杆率，而且还会导致“事与愿违”的结果，这从微观实证角度验证了我国制造业部门的“杆杆率悖论”问题。估计(6)显示，日常行政类操作(MP-D)的估计系数为-3.678，且在5%的水平上显著，即平均而言，日常行政操作的频次(MP-D)每增加一个标准差，下一年度的企业杠杆率下降约3.68个百分点。估计(7)显示，市场完善类操作(MP-E)的估计系数-5.111，且在1%的水平上显著，即平均而言，紧缩类货币操作的频次(MP-C)每增加一个标准差，下一年度制造企业杠杆率下降约5.11个百分点。综合估计(1)和估计(7)，无论是强化金融监管，还是推动金融市场的完善，相对来说反而更有利于推动实现制造类企业的“去杠杆”，这也意味着制造类企业的去杠杆不能局限于传统的货币宽松或紧缩手段，而必须更多借助于金融监管强化和金融市场完善等手段的综合利用。
表4 央行货币调控方式对制造类企业杠杆率的影响(单类型回归)

注：括号内为t值，***、**和*分别表示1%、5%和10%的显著水平。下同。
上述实证结果基于“单一类型”变量回归加以实现。但在实践中，不同的货币调控事件往往同步发生，因此需要综合考虑不同的央行货币政策调控方式来观察各变量估计结果的稳健性特征。另外，考虑到在初步估计结果中金融监管类操作与市场完善类操作的影响最显著，经济意义也相对合理，因此后续的计量检验将分别以金融监管类操作与市场完善类操作为基准，逐步加入其余事件类型变量来给予渐进观察。
表5汇报了以金融监管类事件为基准的估计结果。具体而言，在逐步控制货币宽松类事件与货币紧缩类事件后，金融监管类事件的代理变量仍保持较高显著性，且在具体影响程度上还有所增强。而货币宽松类操作(MP-B)的影响不显著，但细分后的局部宽松类操作(MP-B2)的影响显著为负，说明结构性操作的降杠杆效果要高于整体性操作，也符合Korinek(2016)[22]的结论。另外，央行货币紧缩类操作对于微观企业杠杆率的正向影响仍然得到支持，也再次印证“杠杆率悖论”问题的现实存在性。
表5 央行货币调控方式对制造类企业杠杆率的影响(金融监管类操作为基准)

表6汇报了以市场完善类操作为基准的估计结果。结果显示：即使逐步控制货币宽松类操作与货币紧缩类操作的影响，市场完善类操作的估计系数无论在大小、方向以及显著性水平上均与表4保持基本一致。同时，货币宽松类操作(MP-B、MP-B1、MP-B2)均不显著，货币紧缩类操作(MP-C)部分正向显著。
表7进一步汇报了以“金融监管类操作+市场完善类操作”的双基准估计结果。在逐步控制货币宽松类事件、货币紧缩类事件以及日常行政类操作后，金融监管类操作与市场完善类操作代理变量的估计系数大小、方向及显著性水平也依然与表4-6保持一致。另外，货币宽松类操作(MP-B、MP-B1、MP-B2)、货币紧缩类操作(MP-C)、日常行政类操作(MP-D)的杠杆率影响则基本不显著。
表6 央行货币调控方式对制造类企业杠杆率的影响(市场完善类操作为基准)

对于模型控制变量，估计结果显示其系数方向和显著性均与前面基本保持一致：(1)投资活动和经营活动产生的现金流量净额对于制造类企业的杠杆率水平呈现显著负效应，这符合经验判断，因为企业经营与投资活动本身的现金流状况越好，意味着其实际负债需求更低，对应就是合意的杠杆率水平更低；(2)企业规模和税收贡献对于制造类企业的杠杆率水平具有显著正效应，在发展经济学关于“金融抑制”的理论表述中，企业规模越大，融资条件和负债经营上会有更多便利；企业税收贡献越大，越有利于构建更加紧密的政企关联和银企关系，基于Chang等(2014)[48]和陆正飞等(2015)[49]的“债务融资优势假说”，同等条件下也将具有更高的目标负债率，也就是更高的杠杆率水平。这一点也符合经济学理论描述；(3)销售毛利率指标和投入资本回报率指标的影响系数显著为负，说明企业经营和投资的效益越高，杠杆率水平更低，也符合经验判断，即企业经营效益改善有助于降低杠杆率水平。净资产收益率指标的系数显著为正，看上去与前面结果冲突，实际上因为净资产收益率=销售净利率*资产周转率*权益乘数，如果剔除掉企业经营和投资活动的实际效益，其对企业杠杆率的正面影响更多源自资产周转率提高和权益乘数提升，而这两项因素变化都与企业融资能力关系密切，其实也从侧面进一步验证了企业的金融资源获取优势对其杠杆率决策和杠杆率水平的影响，并与前面的统计描述与实证结果相一致。
表7 央行货币调控方式对制造类企业杠杆率的影响(金融监管类操作+市场完善类操作双基准)

四、稳健性检验与异质性讨论
依据前面实证结果，可对不同货币调控方式的微观杠杆率影响提供三点判断：(1)对金融监管类操作的强调可以有效降低制造类企业的杠杆率水平，以表7估计(10)为例，金融监管类操作的频次每增加一个标准差，企业杠杆率降低约2.261个百分点；(2)对市场完善类操作的加强同样有助于降低制造类企业的杠杆率水平，以表7估计(10)为例，市场完善类操作的出现频次每增加一个标准差，企业杠杆率降低约4.781个百分点；(3)直接的货币宽松类操作或货币紧缩类操作对于制造类企业杠杆率的影响并不稳健，相对而言，结构性货币宽松的降杠杆效果要显著强于全面宽松；货币紧缩类操作则会受到“杠杆率”悖论的困扰。
计量角度看，上述基准判断的有效性仍需做进一步的稳健性检验与异质性讨论。从前面的统计描述出发，因为我国制造类企业的杠杆率水平存在显著所有制差异；同时因为我国经济、社会和文化发展的区域不平衡，东部和中西部制造类上市公司的杠杆率响应机制可能会存在显著差异；另外，考虑到微观企业杠杆率对于央行货币调控方式的响应还会受到企业规模因素的制约。因此这里将通过分所有制、分区域、分规模三种方式的分组回归来综合考察前述判断的稳健性特征同时进行不同分组的异质性讨论。
表8估计(1)-(4)汇报了所有制分组(国企与非国企)的估计结果；估计(5)-(8)汇报了区域分组(东部与中西部)的估计结果；表9汇报了按企业规模分组(中位数标准)的估计结果。
表8显示，对于国有企业，央行金融监管类操作频次上升的回归系数不显著，说明受制于千丝万缕的政企关联和银企关系制约，国有企业的金融资源获取和杠杆率水平演变对于自上而下的货币调控往往具有一定程度的“免疫”特征。而对于非国有企业，金融监管类操作的频率上升依然保持性显著的降杠杆功效，且在作用程度上高于总样本回归下的系数。对于市场完善类操作，国有企业与非国有企业分组的系数均显著为负，这说明金融市场完善的杠杆率影响实质上可以排除所有制因素的干扰。
表8 稳健性检验兼异质性分析(所有制+区域)

表8的估计(5)-(8)显示，央行强化金融监管或是推动金融市场完善可以有效推动东部制造企业的“去杠杆”，这和基准回归结果一致，即对金融监管和市场完善的强调有助于降低制造企业的杠杆率水平；但是，对中西部地区制造类企业而言，只有市场完善类操作通过了显著性检验，说明相对而言，中西部地区制造类企业的杠杆率水平对央行的金融监管类操作具有一定“免疫”特征，借鉴“地方锦标赛”的理论解释：相对于东部地区，中西部政府的“政绩考核”压力更高，“保增长”需求更强烈，再加上市场机制相对更不完善，因此会更乐于对那些制造业公司提供“关怀”以实现其经济增长和就业促进目标，这无疑会在相当程度上扰乱货币当局自上而下的金融监管效果，并阻滞其实际传导过程。从这一角度看，因为央行的市场完善类操作本质上会打破该种“区域”层面的保护壁垒，因而其降杠杆效果并不会受到这一因素干扰。
表9 稳健性检验兼异质性分析(企业规模)

表9的估计结果则显示：央行自上而下对市场完善类操作的强化对于各种规模的制造企业都具有显著的降杠杆作用，这一点继续印证降低金融摩擦效应对于推动制造类企业降杠杆的积极功效。而金融监管类操作的加强则只会对小规模制造类企业的杠杆率呈现显著影响，而对大规模制造类企业的影响不显著，这一点和区域层面稳健性检验的结果一致，说明在地方政府“锦标赛”模式下，规模较大的制造类上市公司会因为其较高的GDP和就业贡献而会更多受到地方保护，因此对自上而下的金融监管操作并不敏感。另外，货币宽松类或紧缩类操作，以及日常行政类操作的微观杠杆率分组影响依然不显著，这和前面保持一致。
五、结论与政策建议
通过对2003-2017年央行货币政策大事记中所映射的不同类型货币调控方式进行分类汇总，并通过统计其出现频次以构建相应的代理变量，本文基于制造类上市公司的大样本数据，对不同货币调控方式对于制造类企业杠杆率的实际影响效果进行了综合比较分析。
实证结果显示：央行强化金融监管和完善金融市场均有助于推动降低制造类企业的杠杆率水平。反倒是传统意义自上而下的货币宽松或货币紧缩实质上无助于制造类企业的杠杆率调控；具体而言，结构性货币宽松的降杠杆效果稍强于全面宽松，而货币紧缩类操作则会明显受到“杠杆率”悖论现象的困扰。从这一角度看，制造企业的微观杠杆率调控不能简单依赖于传统的货币宽松或货币紧缩手段，而必须更多借助于金融监管强化和金融市场完善等新型调控手段的综合运用。
进一步的分组回归结果还发现：央行金融监管类操作和市场完善类操作的降杠杆效果在所有制层面、区域层面以及企业规模层面均保持较高的稳健性特征，而传统的货币宽松或紧缩操作的微观杠杆率影响则依然不显著，这继续印证了基准回归的结论。另外，分组回归结果也发现：由于政企关系、地方保护等因素的干扰，央行自上而下的金融监管类操作在国有企业或大型企业层面容易出现执行层面的扭曲，进而影响其降杠杆效果，而自上而下的市场完善类操作则更有利于打破所有制或规模因素对其实际调控效果的干扰。
上述研究结论的理论价值在于：从制造业部门微观实证的角度进一步丰富了“金融抑制”和“金融加速器”的相关理论表述，在金融资源错配和高金融摩擦效应约束下，简单的货币宽松或紧缩很容易出现政策传导的问题，并由此制约其对微观企业杠杆率调控的实际效果，甚至于出现“越紧缩杠杆率越高”的杠杆率悖论问题。而推动金融监管的强化和金融市场的完善则有助于上述问题的解决并达致微观杠杆率调控目标。
政策实践而言，实证研究的结果也有助于为制造业部门的结构性去杠杆提供相应的参考，并有利于进一步深化供给侧结构性改革和推动制造业高质量发展目标的实现。具体的政策建议如下：
第一，通过货币调控方式创新推动制造业结构性去杠杆。受制于金融资源的结构错配以及相对较高的金融摩擦效应，传统的货币宽松类或紧缩类操作在制造企业的杠杆率调控中往往会遭遇传导受阻，甚至是“杠杆率悖论”问题的困扰。相对而言，通过强化金融监管类和推动金融市场完善来疏通货币政策传导机制，克服金融资源配置的结构性问题，反而能够更好地推动制造类企业的杠杆率调控。推动制造业结构性去杠杆需要更多借助于货币调控方式创新，避免总量政策的“一刀切”，并更多利用结构性或非常规政策工具。
第二，通过市场化改革营造良好的去杠杆环境。地方政府“锦标赛”模式和“保增长就业”需求，不仅催生出信贷所有制歧视和僵尸企业贷款等金融资源的错配问题，也会对货币当局自上而下金融监管操作的实际效果形成扭曲，这一点在中西部地区和国有企业身上表现的尤为明显；而市场完善类操作则可以较好规避这一因素的干扰，由此在宏观审慎和结构调控框架下，也需要加速金融体系的市场化改革，打破地方利益格局，改变地方政府行为模式和“劣币驱逐良币”现象，创造制造业结构性去杠杆的良好环境。
参考文献
[1]陈斌开，林毅夫．金融抑制、产业结构与收入分配[J]．世界经济，2012(1):3-23.
[2]张杰，郑文平，翟福昕．融资约束影响企业资本劳动比吗？——中国的经验证据[J]．经济学(季刊)，2016(3):1029-1056．
[3]GULEN H，ION M. Policy uncertainty and corporate investment[J]. Review of Financial Studies, 2016, 29(3):523-564.
[4]钟宁桦，刘志阔，何嘉鑫，等．我国企业债务的结构性问题[J]．经济研究，2016(7):102-117.
[5]黄少卿，陈彦.中国僵尸企业的分布特征与分类处置[J]．中国工业经济，2017(3):86-98.
[6]MICKINNON R I. Money and capital in economic development[M]. Washington, D.C: The Brookings Institution,1973.
[7]林毅夫．潮涌现象与发展中国家宏观经济理论的重新构建[J]．经济研究，2007(1)：126-131．
[8]黄桂田，何石军．结构扭曲与中国货币之谜——基于转型经济金融抑制的视角[J]．金融研究，2011(7)：1-13．
[9]戴静，张建华．金融所有制歧视、所有制结构与创新产出——来自中国地区工业部门的证据[J]．金融研究，2013(5)：86-98．
[10]聂辉华，江艇，张雨潇，等．我国僵尸企业的现状、原因与对策[J]．宏观经济管理，2016(9)：63-68.
[11]朱舜楠，陈琛．“僵尸企业”诱因与处置方略[J].改革，2016(3)：110-119.
[12]申广军．比较优势与僵尸企业：基于新结构经济学视角的研究[J]．管理世界，2016(12)：13-24.
[13]王宇伟，盛天翔，周耿．宏观政策、金融资源配置与企业部门高杠杆率[J]．金融研究，2018(1)：36-52．
[14]BERNANKE B S, GERTLER M, GILCHRIST S. The financial accelerator and the flight to quality:NBER No.4789[R]. [S. l. : s. n. ], 1994.
[15]BERNANKE B S, GERTLER M, GILCHRIST S. The financial accelerator in a quantitative business cycle framework[J]. Working Papers, 1998,1(99):1341-1393.
[16]CURDIA V, WOODFORD M. Credit spreads and monetary policy[J]. Journal of Money Credit & Banking, 2010, 42(s1): 3-35.
[17]GREENLAW D, KASHYAP A K, SCHOENHOLTZ K L. Stressed out:macroprudential principles for stress testing[J]. Social Science Electronic Publishing, Chicago Booth Paper No.12-08.
[18]BUTTIGLIONE L, LANE P, REICHLIN L, et al. Deleveraging? What deleveraging? The 16th Geneva report on the world economy [R]. [S. l.]: International Center for Monetary and Banking Studies/Center for Economic Policy Research, 2014.
[19]宋国青．利率是车、汇率是马[M]．北京：北京大学出版社，2014．
[20]刘晓光，张杰平．中国杠杆率悖论：兼论货币政策“稳增长”和“降杠杆”真的两难吗[J]．财贸经济，2016(8)：5-19．
[21]纪敏，严宝玉，李宏瑾．杠杆率结构、水平和金融稳定——理论分析框架和中国经验[J]．金融研究，2017(2)：11-25．
[22]KORINEK A, SIMSEK A. Liquidity trap and excessive leverage[J]. The American Economic Review, 2016, 106(3):699-738.
[23]索彦峰，范从来．货币政策能够影响贷款供给吗?——来自银行资产组合行为的经验证据[J]．经济科学，2007(6):57-65.
[24]MISHKIN F S. Over the cliff:from the subprime to the global financial crisis[J].The Journal of Economic Perspectives, 2011, 25(1):49-70.
[25]KEISTER T, MARTIN A, MCANDREWS J. Divorcing money from monetary policy[J]. Economic Policy Review, 2008,14(2): 51-56.
[26]邓雄．从信贷到利率：利率市场化条件下的货币政策传导渠道转变[J]．上海金融，2015(10):19-24.
[27]BERNANKE B S. Monetary policy and the global economy[R]. [S.l.]: Federal Reserve System, 2011.
[28]BLANDCHARD O J, DELL’ ARICCIA M G, MAURO M P. Rethinking macro policy Ⅱ:getting granular [R]. [S. l.]:International Monetary Fund, 2013.
[29]胡志鹏．中国货币政策的价格型调控条件是否成熟?——基于动态随机一般均衡模型的理论与实证分析[J]．经济研究，2012，47(6)：60-72.
[30]杨源源，张晓林，于津平．异质性预期、宏观经济波动与货币政策有效性——来自数量型和价格型工具的双重检验[J]．国际金融研究，2017(9):25-34.
[31]BAUER G H, GRANZIERA E. Monetary policy, private debt and financial stability risks[J]. International Journal of Central Banking, 2017, 13(3):337-373.
[32]左俊义，王玮．中国存款准备金政策的宣告效应研究[J]．南方金融，2009(7):20-23+59.
[33]余力，陈红霞．上调存款准备金率对市场利率结构的影响研究——基于流动性过剩时期的经验证据[J]．财经论丛，2010(3)：45-50.
[34]李云峰，李仲飞．中央银行沟通、宏观经济信息与货币政策有效性[J]．财贸经济，2011(1):56-63.
[35]石建勋，王盼盼．宏观经济波动与我国货币政策操作策略选择研究[J]．中央财经大学学报，2018(2):76-87.
[36]中国人民大学宏观经济分析与预测课题组，范志勇．控风险与稳增长挤压下的中国货币政策[J]．经济理论与经济管理，2015(11)：15-27.
[37]IMF. Vulnerabilities, legacies, and policy challenges risks rotating to emerging markets:IMF Global Financial Stability Report[R]. Washington: [s. n. ], 2015.
[38]王爱俭，杜强．稳增长、降杠杆：政策悖论下央行货币政策如何选择[J]．现代财经(天津财经大学学报)，2018，38(3)：26-37.
[39]聂辉华，江艇，杨汝岱．中国工业企业数据库的使用现状和潜在问题[J]．世界经济，2012，35(5)：142-158．
[40]马红旗，黄桂田，王韧，等．我国钢铁企业产能过剩的成因及所有制差异分析[J]．经济研究，2018(3)：79-90．
[41]纪 洋，谭语嫣，黄益平．金融双轨制与利率市场化[J]．经济研究，2016(6)：45-57．
[42]王晓中．房地产过热、外汇储备增长与货币政策操作——谈宏观经济的央行视角[J]．金融研究，2004(5)：134-138.
[43]巴曙松，邢毓静．鞭打慢牛——评央行差别存款准备金率政策[J]．中国金融，2004(8)：21-23.
[44]熊海芳，王志强．货币政策意外、利率期限结构与通货膨胀预期管理[J]．世界经济，2012，35(6)：30-55.
[45]孔希希，程兵．基于统计自然语言处理的央行货币政策研究[J]．数学的实践与认识，2017，47(7)：198-207.
[46]SMALES L A, APERGIS N. Does more complex language in FOMC decisions impact financial markets? [J]. Journal of International Financial Markets, Institutions and Money, 2017:171-189.
[47]王韧，李志伟.金融加速器效应与”杠杆率悖论”——基于制造业部门的实证研究[J]. 上海财经大学学报，2019(6)：35-49.
[48]CHANG C, CHEN K, WAGGONER D F, et al. Trends and cycles in China’s macro economy[J]. NBER Macroeconomics Annual, 2016, 30(1):1-84.
[49]陆正飞，何捷，窦欢．谁更过度负债:国有还是非国有企业?[J]．经济研究，2015，50(12)：54-67.
[50]张栋，谢志华，王靖雯．中国僵尸企业及其认定——基于钢铁业上市公司的探索性研究[J]．中国工业经济，2016(11)：90-107.
[51]KHWAJA A I, MIAN A. Do lenders favor politically connected firms? Rent provision in an emerging financial market [J]. The Quarterly Journal of Economics, 2005, 120(4):1371-1411.
[52]CABALLERO R J, HOSHI T, KASHYAP A K. Zombie lending and depressed restructuring in Japan[J]. American Economic Review, 2008, 98(5):1943-1977.
[53]FUKUDA S, NAKAMURA J I. Why did `zombie` firms recover in Japan? [J]. World Economy, 2011, 34(7):1124-1137.