經濟政策不確定性與企業杠桿率分化*
——來自資產可逆性視角的審視

張嘉望，李博陽，雷宏振

（1，3 陜西師范大學國際商學院, 陜西西安 710119；2 長安大學經濟與管理學院， 陜西西安 710064）

一、引言

根據現代金融理論，隨著經濟基本面變化，企業杠桿水平呈現順周期調整是一條基本規律，但中國經濟步入“新常態”階段以來，隨著經濟下行壓力的增加， 企業部門的杠桿率卻不降反升。 國際清算銀行（BIS）的數據顯示1資料來源：http://www.bis.org/statistics/totcredit.htm?m=6%7C326.，2008-2017 年，我國企業總體宏觀杠桿率從93.9%大幅增至156.4%， 企業杠桿增速迅猛，已遠遠超過同期發達國家的杠桿水平。 杠桿率過高會隱藏潛在的債務危機， 嚴重時將引發金融危機，造成經濟衰退（譚小芬和張文婧，2021）。 2008 年的金融危機和2020 年新冠肺炎疫情沖擊下的全球流動性危機，即是部門杠桿率過高引發重大金融風險的現實案例。平穩有序去杠桿是防范化解金融風險的重要議題，有助于推動中國經濟高質量發展。 2015 年供給側結構性改革政策提出以來，“去杠桿”一直是其中的重要內容，隨著政策的全面鋪開，企業部門杠桿率的結構性問題逐步為政府決策層所關注。 2018 年4 月，中央財經委員會第一次會議首次強調“要以結構性去杠桿為基本思路，分部門、分債務類型提出不同要求”。在這一背景下，針對中國企業杠桿率變動背后的結構性分化機制研究成為學術界關注的焦點。

中國企業杠桿率分化為何在金融危機后愈發嚴重？一個可能的原因是金融危機后不斷攀升的經濟政策不確定性（紀洋等，2018；宮汝凱等，2019）。 2008 年以后，傳統粗放的增長路徑舉步維艱，中國經濟被迫提前進入轉型的陣痛期， 經濟領域的改革迫在眉睫。但新的經濟政策制定需要一定的緩沖期，具體執行時間、細節的確定無法一蹴而就，再加之新政策傳達中可能面臨相對低效的溝通機制，經濟政策不確定性上升。 受這一外生沖擊影響，企業的正常經營活動受到干擾，投融資決策也發生了大幅調整（劉紅忠和趙嬌陽，2021）。國外的主流觀點是政策不確定性導致企業外部融資環境異常，通過債務稅盾效應、信息不對稱、破產成本等金融摩擦渠道影響企業杠桿水平（Im 等，2020）。國內學者則認為，中國信貸市場的不完全并非完全由金融摩擦主導，而是更多體現為“非市場化”的屬性錯配（王擎和孟世超，2020）。眾多研究指出，經濟政策不確定性的增加會加劇國有大型企業與私營中小企業之間的信貸錯配，進而造成企業部門杠桿率的“國進民退”（紀洋等，2018；譚小芬等，2022）。 毋庸置疑，制度因素是誘發中國企業杠桿率結構分化的關鍵因素，但源自制度的企業杠桿率分化真的是中國企業杠桿率結構效應的唯一解嗎？

事實上，隨著中國經濟不斷轉型，政府職能定位不斷變化，已然實現了管制型政府向服務型政府的轉變（周志忍和徐艷晴，2014）。 管制型政府時期，主要利用政府隱性擔保將違約風險從金融體系剝離，而進入市場主導資源配置時期， 政府強大的影響力受到約束， 風險防范更多依靠市場手段（張小茜和黨春輝，2018）。 另外，直觀的數據顯示，金融危機以后，顯著加杠桿的國有企業的總體數量和規模在整個實體企業部門中的占比并不高22000 年以來，中國國有企業數量占比不斷下降，據國家統計局數據，截至2015 年末國有企業在所有企業中數量占比僅為2.31%，規模占比僅為13.5%。。 由此我們產生疑問：在經濟政策不確定性不斷攀升的現實背景下，企業杠桿率變動背后是否仍存在非制度層面的結構性特征？ 在經濟下行階段，企業杠桿選擇中的一個基本事實是：一旦發生破產清算，企業將承擔拋售資產可能遭遇巨大折價的風險，這增加了收回投資的成本（Gavazza，2011），從而降低了企業外部融資能力（Shleifer 和Vishny，1992；Campello 等，2021），同時也使企業難以通過縮減運營規?；I集現金（Nyatee，2017）。 在這種情況下，衡量企業違約資產在二手市場上變現能力和清算價值的資產可逆性特征，極有可能成為影響企業杠桿率的關鍵因素（Kim 和Kung，2017；Beutler 和Grobety，2019）。

基于以上分析，本文認為，在考察經濟政策不確定性對企業杠桿率的影響過程中，資產可逆性扮演重要角色。 本研究也主要圍繞這一因素展開。 交易成本理論和契約不完備理論指出，資產可逆性在驅動企業杠桿選擇中具有舉足輕重的作用（Shleifer 和Vishny，1992；Benmelech，2009；Gavazza，2011）。 近年來，受到主流學界認可的實物期權理論則進一步指出，資產可逆性與不確定環境下企業投融資決策的實物期權價值息息相關， 這賦予了資產可逆性新的理論內涵（Gulen 和Ion，2016）。 具體而言：一方面，企業持有可逆性程度較高的資產在項目違約時具有更快的恢復速度（Williamson，1988），這意味著資產可逆性程度的增加提高了企業資產的抵押價值，進而通過融資供給上的變化影響企業杠桿率；另一方面，根據實物期權理論，不確定性環境下資產可逆性程度越高，企業延遲投資的“等待”價值越低，企業當期投資意愿越強（Kim 和Kung，2017；譚小芬和張文婧，2017；Campello等，2021）， 投資意愿的變化將影響企業融資需求，進而影響企業杠桿水平。

鑒于此，本文以2007-2019 年中國滬深兩市上市公司季度數據為樣本，實證檢驗資產可逆性如何影響經濟政策不確定性與企業杠桿率的關系。 研究發現：第一，資產可逆性是經濟政策不確定性影響企業杠桿率分化的關鍵渠道。經濟政策不確定性每上升1 個標準差， 基于資產可逆性渠道的企業杠桿分化程度為0.66 個百分點。 而在契約環境水平較弱的地區，上述分化作用更顯著。第二，機制分析表明，基于實物期權價值的融資需求效應和基于抵押品價值的融資供給效應是資產可逆性渠道發揮作用的兩條具體路徑。第三， 與企業杠桿率所有制分化現象的對比結果顯示，在金融市場化程度較滯后地區，企業杠桿的所有制分化和資產可逆性分化現象同時存在，在金融市場化程度較成熟地區，所有制分化現象則不再顯著。

本文的主要貢獻有以下幾點：一是從資產摩擦視角，揭示了經濟政策不確定性影響企業杠桿率變動的結構效應。 現有研究大多基于金融摩擦和制度視角，研究破產成本、信息不對稱、預算軟約束和政府隱性擔保等因素在經濟政策不確定性與企業杠桿水平關系中的作用， 忽略了資產層面的摩擦導致的結構效應，即在二手市場中資產摩擦程度較低的企業融資決策受經濟政策不確定的影響較弱，負面效應主要集中于資產摩擦程度較高的低資產可逆性企業。 二是深入剖析了資產可逆性渠道發揮的具體作用機制。 以往文獻主要認為資產可逆性通過實物期權價值影響企業決策行為， 認為在外部宏觀經濟波動劇烈的時期，資產可逆性是一種對企業自身的防御保護機制，激勵企業采取相對激進的投資決策。 但事實上，資產可逆性也是對授信銀行的一種保護措施，資產可逆性的抵押擔保價值同樣促使授信銀行擴大對企業的信貸支持，但在現有研究中，關于資產可逆性抵押擔保價值的研究鳳毛麟角。 三是建立了資產可逆性測算框架。 以往文獻通常采用固定資產占比（PP&E）作為企業資產可逆性的度量指標，然而簽署債務合同時觀察到的清算價值不一定與項目違約時的預期轉售價值相符（Beutler 和Grobety，2019）。 本文在Kim 和Kung（2017）的測算框架內進行適當修正，充分結合資產市場的交易廣泛性特征、資產處置價值等因素，試圖給予資產可逆性一個覆蓋資產交易廣度和深度的測算指標。

二、文獻綜述與研究假設

（一）中國企業杠桿率分化的文獻回顧

金融危機以來，中國企業杠桿率的逆周期性變化引起學術界的廣泛關注。 Geanakoplos（2010）、Guo 等（2011） 深入細致地討論了企業杠桿率的順周期變化規律以及最優目標下地調整方向，但事實證明，企業隨經濟周期呈現順周期性演變特征的經典研究規律與中國當前現實特征相悖?？紤]到中國獨特的制度特點，一部分研究認為預算軟約束和政府隱性擔保是揭示中國企業杠桿率非周期性演變的關鍵因素。盛明泉等（2012）以中國上市公司數據檢驗了預算軟約束對國有企業資本結構調整目標的影響。 結果表明，預算軟約束程度越深，國有企業資本結構調整越慢，與目標資本結構的差距越大。鐘寧樺等（2016）基于規模以上工業企業數據的分析指出，1998-2013 年間， 樣本企業整體上具有明顯的“去杠桿”趨勢，而國有企業則顯著 “加杠桿”。 中國人民銀行營業管理部課題組（2017）的研究指出，從企業層面，預算軟約束易造成信貸分配不合理和部分企業的金融過度支持，造成企業杠桿結構扭曲。王擎和孟世超（2020）考察了預算軟約束和政府隱性擔保影響中國企業杠桿率非順周期演變的內在機制。 研究發現，私營企業杠桿率的周期性變化規律并不明確，而國有企業則呈現明顯逆周期性杠桿特征。

還有部分學者將金融危機以來愈演愈烈的企業杠桿率分化現象歸因為近年來不斷攀升的經濟政策不確定性，這部分研究主要有兩類：一是從企業異質性出發，探討經濟政策不確定性影響企業杠桿率變化的結構效應。 如Zhang 等（2015）使用中國數據，考察經濟政策不確定性與企業杠桿選擇的關系，并深入探究所有制和市場化水平的異質性影響。紀洋等（2018）從經濟政策不確定性入手，解釋了國有企業和非國有企業之間杠桿率的走勢分化現象。宮汝凱等（2019）基于2002-2016 年A 股上市公司的季度數據實證分析經濟政策不確定性與企業杠桿率之間的關系，研究發現，經濟政策不確定性升高后，企業的杠桿率將會顯著下降。 異質性分析表明，在市場化和民營化水平以及對外開放度越高的地區，政策不確定性對企業杠桿率的負向效應會越低。 此外，經濟政策不確定性作用于企業杠桿率的過程中，地區制度分化、銀企關系也被證實與引發企業杠桿率的結構特征有關（?olak 等，2018；Allen 等，2008）。 二是探討經濟政策不確定性影響企業杠桿率的作用渠道?，F有文獻主要從金融摩擦出發，從融資供給角度展開機制分析，通常認為經濟政策不確定性通過企業破產成本渠道、代理人沖突渠道、銀行風險規避渠道影響企業杠桿率（Quagliariello，2009；Zhang 等，2015；陳夢濤和王維安，2020）。融資供給效應的主要理論依據是，經濟政策不確定性提升了企業外部融資成本（Gao 和Murphy，2019），不確定性增加時，債權人和借款人之間的信息不對稱問題更嚴重，企業未來現金流波動增加，違約風險加劇，進一步導致企業面臨更高的外部融資成本，促使企業降低杠桿水平保持財務靈活性（Bonaime 等，2018）。

基于經濟政策不確定性探討企業杠桿率的演變規律時， 本文注意到現有文獻在兩方面存在不足：一是普遍從制度特征或金融摩擦視角出發，考察經濟政策不確定性影響企業杠桿率的內在邏輯，忽略了資產摩擦在兩者關系中扮演的重要角色；二是往往關注經濟政策不確定性引起的資金供給環境變化對企業杠桿率決定帶來的影響，本文注意到企業融資能力不僅取決于融資供給，而且決定于融資需求，但甚少有研究涉及經濟政策不確定性引發企業融資需求的改變，進而影響企業杠桿率的作用機制。 為此，本文從資產摩擦視角出發，構建資產可逆性指標涵蓋資金供求雙方行為，揭示經濟政策不確定性影響企業杠桿率變動的結構效應。

（二）經濟政策不確定性與企業杠桿率分化：資產可逆性渠道

不確定環境下研究資產可逆性在企業投融資決策中的作用是新興的前沿話題。 資產可逆性3在金融學和產業組織文獻中，“資產可逆性”這一表述最早見于Williamson（1988）、Shleifer 和Vishny（1992）的文章，但之后的相關研究也有學者將其表述為“資產可售性”或“資產市場流動性”（Gavazza，2011）。 為了保持一致性，本文中統一使用術語“資產可逆性”。衡量了企業固定資產投資遭遇違約時的清算價值， 反映了投資在未來無法完全變現產生的沉沒成本（Bernanke，1983）。 持有可逆性程度較高的資產能夠提高企業違約后的恢復速度。 Kim 和Kung（2017）指出， 資產可逆性與企業資產被其他企業替代使用的難易程度息息相關，資產能夠交易的范圍越廣泛，資產轉售給潛在買家的處置價值越高， 則資產可逆性程度越高。 Beutler 和Grobety（2019）認為在不確定環境下， 資產是否可逆在決定企業投融資行為中扮演重要角色。

就中國而言，受行業特征影響，不同行業拋售資產的潛在購買對象具有異質性，行業間資產二手交易市場的活躍程度明顯不同，進而造成不同類別的資產在二手市場上變現能力和清算價值具有顯著區別（Gavazza，2011）， 最終引致企業杠桿率對經濟政策不確定性的敏感性亦不相同。 具體來看：

首先，在資金需求方面，根據實物期權理論，企業投資決策前需要關注投資項目面臨的“等待”價值和項目失敗后的清算價值，考察資產的可逆性程度（Bloom，2009）。 當投資項目不可逆時，外部環境的變化加劇了企業投資收益的不確定性，致使企業削減當前投資。資產可逆性度量了企業在陷入財務困境時的內在保護能力。 資產可逆性的提升，降低了企業投資的“等待”價值，使得企業擴大當期投資規模（Kim 和Kung，2017；劉貫春等，2019）。與資產可逆性程度較低的企業相比，資產可逆性程度較高企業即便投資失敗， 也能夠在二手資產市場上將資產快速且不失價值地變現， 從而迅速從這一違約項目中恢復投資能力?？梢钥闯?，面對經濟政策不確定性時， 資產可逆性程度較高企業的投資意愿更加強烈，投資意愿提高勢必會增加融資需求，致使企業的杠桿率上升（Gulen 和Ion，2016）。

其次，在資金供給方面，對于資本市場發展相對滯后的中國，企業外源融資仍首選銀行貸款。 而長期的利率管制造成銀行信貸成本較低，信貸資源的需求遠遠大于供應程度，基于此，企業杠桿率可以在一定程度上反映銀行部門的借貸意愿（紀洋等，2018）。 經濟政策不確定性的不斷攀升使得企業與銀行部門的信息不對稱程度加重，銀行對企業貸款項目甄別的難度陡增，在風險因素的考量下，銀行的貸款選擇更加謹慎。而對于資產可逆性程度較高企業，從銀行出發，盡管銀行與企業之間存在嚴重的信息不對稱問題，但可被觀察到的企業資產可逆性特征能夠作為資產在二級市場能否快速變現和清償的依據，企業較高的資產可逆性程度蘊含的意思是企業資產的可抵押性較強，相當于向銀行傳遞出企業具有抵押擔保價值的認證信號。Hart 和Moore（1994）強調，資產可逆性程度較高的企業能夠提供給債權人更大程度的隱性保障，債權人更傾向于出借長期資金，這類企業的最佳債務期限相對更長。Campello 和Giambona（2013）的研究進一步指出資產可逆性提高了企業在項目違約時的清算價值， 進而為債權人提供了流動性充足的抵押品保護。 因此，銀行基于對企業資產可逆性的擔保抵押價值的認可將會提升對企業的信用評級，給予企業更多的信貸融資，從而提升企業杠桿率。

綜上所述，當經濟政策不確定性上升時，對于資產可逆性程度較高的企業而言：一方面，較高的資產可逆性使企業在投資項目違約后迅速恢復投資能力， 減少了面臨不確定性時投資的“等待”價值，驅使企業擴大當期投資，從而在融資需求上提升企業杠桿水平；另一方面， 資產可逆意味著資產在二手市場上的變現能力和清算價值（Almeida 和Campello，2007），即企業較高的資產可逆性程度也是對授信銀行的一種保護措施，在融資供給上， 資產可逆性的抵押擔保價值同樣促使授信銀行擴大對企業的信貸支持， 促使企業杠桿水平上升。 基于以上分析，本文提出如下研究假說：

假設H1:資產可逆性越高，經濟政策不確定性對企業杠桿率的抑制作用越弱。

假設H2: 資產可逆性同時通過融資供給效應和融資需求效應發揮作用。融資供給效應指企業資產可逆性具有抵押品價值，資產可逆性水平越高，經濟政策不確定性對企業外部信貸融資的抑制作用越弱；融資需求效應指資產可逆性具有實物期權價值，資產可逆性水平越高，經濟政策不確定性對企業投資的抑制作用越弱。

三、資產可逆性的測算框架

估算企業的資產可逆性程度，是本文開展實證檢驗的重要前提。傳統文獻多采用固定資產凈額與企業總資產的占比（PP&E） 來測度， 如李鳳羽和楊墨竹（2015）、Gulen 和Ion（2016）。 但由于契約不完備性的存在，PP&E 占比無法精確測算不同類型資產的抵押清算價值。在簽署債務合同時觀察到的清算價值不一定與項目違約時的預期轉售價值相符（Benmelech 等，2005）。此外，固定資產凈額占比默認不同資產的可逆性同質，但實際上，資產本身的可逆性差異即是本文討論的主要內容，其對企業投融資決策具有重大影響（劉貫春等，2019）。

Beutler 和Grobety（2019）認為資產可逆性衡量了資產被替代使用的容易程度，資產可逆性越高，意味著資產在被第一家企業使用后更容易轉售給其他企業?？梢钥闯?，資產的使用范圍越廣泛，在二手市場上的處置價值越高，則資產可逆性越高。根據這一思路，Kim 和Kung（2017）使用美國投入產出表從行業層面構建測算框架衡量資產可逆性，但與美國投入產出表不同，中國投入產出表并未將投入品所屬資產類別進行詳細劃分，也未提供新增購置資產和二手處置資產的細分支出水平， 僅能夠得到投入品所在行業的信息。 因此，這一測算框架僅能反映產品在不同行業間的交易廣度，并未能反映資產處置價值4例如，考慮一個高競爭度的行業，進入行業面臨較大的沉沒成本，這類行業容易受外部短期波動影響，造成行業內企業同時出現經營危機，因此，資產在這一行業的轉售價格普遍較低，在經濟低迷期，這一行業的資產可逆性會降低。 可以看出，二手市場的處置價值未能被反映在Ri 得分中，但其是衡量資產可逆性的重要維度。。 據此，本節受Gulen 和Ion （2016）、Beutler 和Grobety （2019）啟示，在Kim 和Kung（2017）的測算框架內進行適當修正，以使新的資產可逆性指標同時反映資產交易的廣泛程度和處置價值。 此外，為了緩解外部短期波動對資產交易市場造成的干擾，與Kim 和Kung（2017）的做法一致，本文均使用行業層面的指標反映企業資產可逆性程度。 具體做法如下。

（一）資產交易廣泛性測度

使用某類資產的行業數目越多，該資產的可逆性越強，因為其可以很容易地在行業內或者行業間實現交易。 換言之，給定資產在國民經濟各部門中被使用的廣泛程度，可以用來初步刻畫資產可逆性。參照Kim和Kung（2017）的做法，本文利用國民經濟投入產出表構建行業層面的資產交易廣泛性指標來初步反映企業資產可逆性程度。在具體構建指標時：第一步，利用各行業的資產使用廣泛程度對資產層面的交易廣泛性得分進行測算；第二步，將行業層面的資產交易廣泛性指數定義為每種資產類型的交易廣泛性得分的加權平均值，其中的權重是每種資產的資本份額。

（1）構建資產層面的交易廣泛性。 根據之前的分析，在國民經濟各個部門中，使用資產a 的部門數量越多，則該資產交易廣泛性越強，資產可逆性越高。資產a 在各個行業的可交易性總和即衡量了資產a 的可交易性，據此，首先計算資產a 在行業i 中的可交易性，具體計算公式如下：

式（1）中，Ia,i（use）是虛擬變量，賦值為1 時表示資產a 能夠被行業i 使用5Beutler 和Grobety（2019）指出只要行業i 的資產a 投入額不為零即認為資產a 能夠被行業i 交易，而Kim 和Kung（2017）則采取了更為嚴謹的做法，指出若一個行業在給定資產上的投入占該資產總投入的一個微不足道的比例(小于0.1%)，則將Ia,i（use）設為零。 本文采納Kim 和Kung（2017）的做法，以0.1%的閾值界定虛擬變量Ia,i（use），此外，在穩健性檢驗中重新使用Beutler 和Grobety（2019）的做法進行測算，實證結果基本不變。，否則為0。 Ia,i（use）衡量了資產的專有屬性，Ia,i（use）賦值為1 的行業越多，則資產a 的專有性越低，可交易性越高。 但基于專有性的指標設計并未考慮不同行業的市場體量的影響，市場體量越大的行業意味著潛在買家的數量越多，資產的可交易性必然越強，據此，在公式（1）右側加入權重項衡量行業體量對交易市場的影響， 用行業產出Ei占社會總產出的比重表示。

進一步，根據式（1），資產a 的可交易性的計算公式如下：

與觀察到的企業PP&E 占比相比，資產交易廣泛性的測度能夠獲取資產的長期抵押價值，更適合在項目違約時測度實體資產的可轉售難易程度。

（2）構建行業資產交易廣泛性指數。 行業層面的資產交易廣泛性取決于行業內使用的各類資產的交易廣泛性，將式（2）得到的資產交易廣泛性得分進行加權平均，計算公式如下：

式（3）中，權重ωa,i是資產a 在行業i 的投入額占該行業總投入的比重，通常認為，某類資產在行業中投入份額占比越大，則該資產越容易被重新配置到這一行業的企業中。

（二）資產可逆性測度

與美國投入產出表不同，中國投入產出表僅能得到投入品在某個行業的整體投入信息，新增購置資產和須處置資產的投入情況并未反映在該表中， 因此，公式（3）的測算結果僅能得到某一行業資產交易的廣度，并不能體現資產的二手處置價值。 據此，本節受Gulen 和Ion（2016）、Beutler 和Grobety（2019）啟發，以行業資產可出售水平占比作為權重對公式（3）進行加權處理。 最終的行業資產可逆性計算公式如下：

其中，Re 代表資產可逆性， 資產可出售水平As衡量了資產在二手市場的處置價值，本文使用前3 期出售、處置固定資產所得現金凈額得到企業層面的資產可出售水平指標，然后在各個行業內取所有企業層面數據的均值得到行業層面的資產可出售水平指標。公式（4）同時考慮了資產交易的廣泛程度和二手資產的處置價值，因此能夠在中國情景下更精確地衡量行業層面的資產可逆性程度。

（三）數據處理

測算行業資產可逆性的數據來源是全國投入產出表， 由于本文研究樣本的時間區間為2007-2019年，因此，分別選取2007 年、2012 年以及2017 年的全國投入產出表進行指標測算6《關于進行全國投入產出調查的通知》明確規定每五年（逢二、逢七年份）進行一次全國投入產出調查和編表工作。。以2007 年的投入產出表為例： 該表包含135 個行業的資產支出數據，將投入品所在行業視為資產類別， 產出品所在行業視為行業類別， 統計得到資產和行業類別數量均為135。 測算時按照公式，首先計算每個資產類別的Ra得分，然后，每個行業的Ri得分將計算為該行業投入的資產類別的Ra得分求取加權平均值， 采用同樣的步驟，可以得到根據2012 年和2017 年的投入產出表數據測算的行業資產交易廣泛性得分。 最后，將基于以上年份求取的行業資產可交易性測算結果求均值作為衡量研究樣本區間的行業資產交易廣泛性指標，最后能夠得到囊括135 個部門的行業資產可逆性指數。

接下來， 按照證監會 《上市公司行業分類指引（2012 年修訂）》 的劃分標準將上市公司的行業類別與投入產出表的行業分類進行匹配，盡管該行業分類和投入產出表基本一致、名稱大致相同，但兩者并不完全相同，需要進行一定處理。 參照劉貫春等（2019）的做法，在需要投入產出表合并到證監會行業分類的情況下，將投入產出表合并行業的資產交易廣泛性得分按照產出占比進行加權處理。在需要投入產出表行業分拆到證監會行業時，對涉及的各個證監會行業采取均等化處理。

（四）測算結果

為了對比各行業資產可逆性程度，本文按照資產可逆性得分高低分別對行業進行排序，表1 列示了排序最高的5 個行業和最低的5 個行業。 可以看出，廣播、電視、電影和影視錄音制作業等行業的資產可逆性程度最高，作為對比，資產可逆性最低的5 個行業是：漁業、儀器儀表制造業、紡織業、農業、畜牧業。 不難發現， 以流通運輸為代表的服務業的資產可逆性相對較高， 而與農業相關的行業的資產可逆性相對較低。

表1 衡量資產可逆性的各行業排序

四、研究設計

（一）模型設定

根據前文的假設分析可知，資產可逆性將顯著影響經濟政策不確定性與企業杠桿率的負向關系。為了驗證假設H1 提出的命題， 首先借鑒紀洋等（2018）、Im 等（2020）的做法，以企業杠桿率為被解釋變量，將資產可逆性與經濟政策不確定性的交互項引入方程，構建如下計量模型：

其中， 下標i、t 分別指企業和時期。 被解釋變量Lev 代表企業杠桿率，Re 和Epu 分別代表資產可逆性和經濟政策不確定性。為了控制可能存在的內生性問題和投資的滯后性，我們對資產可逆性取滯后一期的數據。 Control 包含了企業層面的企業規模（Size）、企業年齡（Age）、股權集中度（Holder）、有形資產比重（Ta）、資本密集度（Capital）、非債務稅盾（Dep_ta）、行業杠桿率的中位數（M_lev）以及宏觀層面的GDP 增長率（GDP_r）、M2 增速（M2）等控制變量，所有解釋變量均采用一期滯后項來緩解潛在的內生性問題，此外還控制了γt（季度）、γk（行業）等因素的影響。

進一步， 在資產可逆性的具體作用機制檢驗中，為了驗證假設H2 提出的命題， 本節借鑒劉貫春等（2019）、Im 等（2020）的做法，分別以企業投資（Inv）、企業信貸融資水平（Loan）為被解釋變量，分別驗證假設H2 提出的資產可逆性渠道發揮作用的融資需求效應和融資供給效應。 具體計量模型如下：

模型（6）以企業投資Inv 為被解釋變量，通過構建資產可逆性與經濟政策不確定性交互項Re×Epu驗證資產可逆性的融資需求效應；模型（7）以企業信貸融資水平Loan 為被解釋變量， 以資產可逆性與經濟政策不確定性的交互項Re×Epu 為核心變量，驗證資產可逆性的融資供給效應。

（二）變量定義

結合以往研究，本節對實證分析涉及的變量及度量方式進行界定。 第一，本文的因變量為企業杠桿率（Lev），采用總負債與總資產的比值表示。 第二，核心變量經濟政策不確定性（Epu）為季度數據，初始的月度數據來自Baker 等（2016）提供的中國經濟政策不確定性月度指數，在此基礎上，采用Gulen 和Ion（2016）的做法，在一個季度內對經濟政策不確定性月度指數的三個月分別賦以1/6、2/6、3/6 的權重值，進而得到經濟政策不確定性的季度加權指標Epu1。 此外，采用月度經濟政策不確定性指數的簡單平均，得到季度經濟政策不確定性指數Epu2；使用每個季度最后一個月的經濟政策不確定性月度指數，得到該季度經濟政策不確定性指數Epu3 進行穩健性檢驗。 第三，渠道研究的中間變量一個是企業投資，使用固定資產、無形資產和其他長期資產支付現金之和占企業總資產的比重來表示， 另一個是企業信貸融資水平， 借鑒Cosci 等（2016），使用企業銀行借款占企業總資產比重衡量企業信貸融資水平。 為控制信貸融資水平的地區差異，本文以企業所屬地區平均借款占資產比例作為基準比值，以企業銀行借款占總資產比重與基準比值間的差額，作為企業信貸融資水平的最終代理指標。 第四，本文研究涉及以下兩類控制變量。 第一類是企業層面的控制變量，包括：企業規模（Size）、企業年齡（Age）、股權集中度（Holder）、資本密集度（Capital）、非債務稅盾（Dep_ta）、有形資產比重（Ta）。 此外，考慮到行業的異質性，加入企業所在行業杠桿率的中位數（M_lev）。第二類是宏觀經濟變量。 借鑒Gulen 和Ion（2016）、陳勝藍和李占婷（2017）的研究，選取GDP 同比增長率（Gdp_r）、貨幣供應量同比增速（M2）控制宏觀經濟因素的潛在干擾。 變量定義參見表2。

表2 變量定義

（三）數據來源與變量描述性統計結果分析

本文選取A 股上市公司為研究樣本，剔除了金融類和房地產等行業，時間跨度為2007-2019 年。為盡量減少數據錯漏與變量缺失值影響， 企業層面數據綜合CSMAR 數據庫、Wind 等多個數據庫提取原始數據。資產可逆性指數的數據來源是2007 年、2012 年以及2017 年的中國投入產出表。 本文對原始數據還做了以下處理工作：（1） 除企業資產可逆性及企業年齡外，按照1%的水平對最值與均值之差大于兩倍標準差的變量進行Winsorize 縮尾處理；（2）剔除了部分公司財務變量等相關數據缺失的樣本；（3）對企業總資產和固定資產金額均以固定資產投資價格指數調整為實際值；（4） 保留具有連續3 年以上觀測值的企業數據；（5）對存在兼并、收購、重組情形的企業進行了處理。

表3 列示了所有變量的描述性統計結果，包括樣本量、均值、標準差、最小值、最大值。 被解釋變量方面，2007-2019 年間樣本上市公司資產負債率均值為0.5021， 標準差為0.2248。 資產可逆性指數均值為0.3188，最大值為0.4678，資產可逆性最值與均值之差和兩倍標準差之間差距并不大，說明樣本企業資產可逆性的局部極端數值較少，整體上企業資產可逆性處于較低水平，樣本企業資產在二手交易市場的清算價值較低，處置成本較高。

表3 描述性統計結果

五、實證結果與分析

（一）基準估計結果

在基準回歸中，本文對計量模型（5）進行面板固定效應估計，表4 是基準估計結果?；贓pu1 的估計結果在第（1）和（2）列顯示，第（1）列報告了經濟政策不確定性對中國企業杠桿率的總體影響。 可以看出，平均而言，經濟政策不確定性的上升抑制了企業杠桿率的增加，這與現實的經濟事實一致，隨著經濟政策不確定性的不斷提升， 企業面臨更大的違約風險，企業的避險意識隨之增加，從主觀上會降低企業杠桿水平。 第（2）列引入資產可逆性與經濟政策不確定性的交互項Epu1×Re，考察資產可逆性渠道對經濟政策不確定性與企業杠桿率關系的影響，具體來看，在控制了企業和宏觀層面的控制變量以及行業和季度固定效應之后， 經濟政策不確定性指標Epu1 的系數為-0.0030，且在5%的水平上顯著，而交互項Epu1×Re的估計系數為0.0098，且在1%的水平上顯著為正。這表明資產可逆性顯著影響經濟政策不確定與企業杠桿率之間的關系，資產可逆性程度越高，經濟政策不確定性對企業杠桿率的負向作用越弱。這就驗證了假設H1 提出的命題。 進一步從資產可逆性這一資產摩擦視角，探究經濟政策不確定性影響企業杠桿率的結構效應：經濟政策不確定性對企業杠桿率的綜合影響為-0.0030+0.0098×Re，而樣本企業資產可逆性區間范圍為[0.1701，0.4678]，因此經濟政策不確定性對企業杠桿率的平均影響從-0.0013 增加到0.0016， 即經濟政策不確定性每上升1 個單位，基于資產可逆性渠道的企業杠桿分化程度增加0.29 個百分點。

為了檢驗上述結果是否穩健，表4 第（3）-（6）列繼續采用Epu2 和Epu3 度量經濟政策不確定性對模型（5）進行回歸分析。 首先，基于Epu2 的估計結果如表4第（3）、（4）列所示：第（3）列結果表明經濟政策不確定性對企業杠桿率的總體影響顯著為負， 這與前述結果一致，同樣符合經濟學直覺；第（4）列考察資產可逆性渠道對兩者的異質性影響，不難看出，交互項Epu2×Re的估計系數顯著為負，這與前述基準結果一致，繼續驗證了假設H1 提出的命題。 最后，采用相同思路，考察Epu3 設定下的估計結果，第（5）、（6）列的核心變量與前述的基準結果一致，同樣驗證了假設H1 的命題。

表4 基準回歸結果

接下來，本文考察在不同契約環境下，經濟政策不確定性的作用效果差異。參照李俊青等（2017）的處理，以樊綱等（2011）構建的市場化指數中分項“律師、會計師等市場組織服務條件”作為契約環境水平的代理變量Enfor。 此外，為防止經濟政策不確定性對分項市場化指數自身的干擾，本文采用各個?。▍^、市）該項指標樣本起始點的數據。

表5 在基準回歸經濟政策不確定性與資產可逆性交互項的基礎上，納入契約環境水平變量與交互項的乘積， 表5 第（1）-（3） 列分別展示了基于Epu1、Epu2 以及Epu3 的估計結果。 在各列回歸中，與基準回歸相同的是，經濟政策不確定性與資產可逆性的交互項的系數均在1%的水平上顯著為正， 而新加入的經濟政策不確定性、資產可逆性以及契約環境水平三者的交互項系數均在1%的水平上顯著為負， 也就是說，在契約環境水平較高的地區，資產可逆性在經濟政策不確定性與企業杠桿率之間的負向調節作用相對較弱，即契約環境水平越高，資產可逆性渠道引發的經濟政策不確定性與企業杠桿率之間的分化作用越小。 在契約環境水平較高的地區，經濟政策不確定性攀升不會導致信貸資源從資產摩擦較高的企業向資產摩擦較低的企業大幅轉移，上述經濟政策不確定性引發的企業杠桿分化現象主要體現在契約環境水平較低的地區。

表5 不同契約環境下資產可逆性渠道的作用效果

注：篇幅所限，刪除控制變量的匯報結果，下表同。

（二）資產可逆性渠道作用機制的識別

根據計量模型（6）、（7），本文分別從融資需求方面和融資供給方面實證分析資產可逆性渠道的具體作用機制，以此驗證假設H2 提出的命題。表6 前三列以企業投資Inv 為被解釋變量，檢驗資產可逆性是否通過融資需求效應影響經濟政策不確定性與企業杠桿率間的關系。 第（1）列是基于經濟政策不確定性指數Epu1 的估計結果， 重點關注的經濟政策不確定性與資產可逆性的交互項的系數為0.0108， 且顯著為正，這說明資產可逆性顯著影響經濟政策不確定性與企業投資之間的關系，這與Kim 和Kung（2017）、劉貫春等（2019）的研究一致，資產可逆性越高，企業資產的二手處置成本越低，企業未來投資的“等待價值”顯著不足，從而促使企業擴大當期投資，從融資需求上促使企業杠桿提升，即驗證了資產可逆性的融資需求效應。 另外，表6 第（2）、（3）列分別基于Epu2 和Epu3衡量的經濟政策不確定性進行穩健性檢驗，重點關注的交互項Epu2×Re、Epu3×Re 的估計系數均顯著為正，從而繼續驗證了資產可逆性的融資需求效應。

表6 后三列以企業信貸融資水平Loan 為被解釋變量，檢驗資產可逆性影響經濟政策不確定性與企業杠桿率關系的融資供給效應。以第（4）列為例，經濟政策不確定性指數Epu1 與資產可逆性的交互項系數為0.0043，且在5%的水平上顯著，不難看出，資產可逆性顯著影響經濟政策不確定性與企業信貸融資水平的關系，資產可逆性越高，外部經濟政策不確定性對企業信貸融資水平的抑制作用越弱，企業信貸供給水平越高。 對此結果的解釋是，企業持有可逆性程度較高的資產在項目違約時具有更快的恢復速度（Williamson，1988），這意味著資產可逆性程度的增加提高了企業資產的抵押擔保價值（Beutler 和Grobety，2019），債權人將受到更大程度的保護，企業信貸供給水平隨之提高，最終提升企業杠桿率。據此可以驗證，資產可逆性確實通過融資供給效應影響經濟政策不確定性與企業杠桿率的關系。為了檢驗上述結果是否穩健，表6 第（5）、（6）列繼續采用Epu2 和Epu3 度量經濟政策不確定性重新進行回歸分析，這兩列中重點關注的交互項Epu2×Re、Epu3×Re 的系數均顯著為正，與表6 第（4）列的結果一致，證實了資產可逆性融資供給效應作用路徑的穩健性。

綜合表6 的結果，資產可逆性同時通過融資需求效應和融資供給效應影響經濟政策不確定性與企業杠桿率的關系， 即在面對外部環境的不確定性時，上述兩種效應是資產可逆性引發企業杠桿分化的作用機制，這也驗證了假設H2 提出的命題。

表6 資產可逆性渠道的作用機制檢驗結果

（三）進一步研究：與企業杠桿率所有制分化現象的對比

關于近年來中國企業杠桿率的非周期性演變，學術界的主流觀點是政府隱性擔保下的國有企業和非國有企業之間的杠桿分化是刻畫上述逆周期演變規律的關鍵切入點 （王擎和孟世超，2020； 張超群，2021），國有企業的高杠桿率以及結構性“去杠桿”問題引起了政府部門的重點關注。 因此，在進一步研究中，將本文重點關注的資產摩擦視角下的企業杠桿資產可逆性結構分化特征與制度視角下的企業杠桿所有制結構分化特征進行對比，試圖回答不同地區環境下何種結構分化特征更加突出這一問題。

在實證分析中，本文在基準計量模型（5）中加入經濟政策不確定性與國有企業虛擬變量Soe 的交互項，刻畫企業杠桿所有制結構分化特征。此外，紀洋等（2018）指出,若地區金融市場化程度較高，經濟政策不確定性引起的所有制歧視現象將被大大削弱。 因此，本文分別在金融市場化程度不同的地區進行回歸分析，并進行比較。 表7 前三列顯示了金融市場化程度較高地區的估計結果，從第（1）列基于Epu1 的估計結果來看，首先，新加入的刻畫企業杠桿所有制分化特征的交互項Epu1×Soe 并不顯著， 說明在金融市場化程度較高地區，基于所有制歧視的企業杠桿分化現象并不突出，這與紀洋等（2018）的研究結論一致，也符合經濟學直覺。政府的所有制歧視本質上是在企業金融摩擦較高時的一種扭曲補償機制，因此，地區金融市場化程度較高時，無論是國企還是非國企的融資渠道都更加多樣，金融摩擦程度較低，政府所有制歧視帶來的杠桿分化現象將被極大削減。 其次， 控制Epu1×Soe 這一企業杠桿所有制結構分化特征后，交互項Epu1×Re 仍然顯著，也就是說，在金融市場化程度較高地區，資產可逆性特征下的企業杠桿結構分化現象占據主導。此外，表7 第（2）、（3）列繼續基于經濟政策不確定性指標Epu2、Epu3 進行穩健性檢驗，重點關注的經濟政策不確定性與資產可逆性的交互項、經濟政策不確定性與國有企業虛擬變量的交互項的系數與第（1）列完全一致，證實了基準結果的穩健性。

表7 后三列顯示了金融市場化程度較低地區的對應估計結果。 從基于Epu1 的第（4）列結果來看，首先， 新加入的經濟政策不確定性與國有企業虛擬變量的交互項Epu1×Soe 的系數在1%的水平上顯著為正， 說明在金融市場化程度較低地區企業杠桿的所有制結構分化現象較為突出， 這與金融市場化程度較高地區的結果形成鮮明對比，同樣符合本文預期：隨著外部經濟政策不確定性不斷上升， 金融市場化程度不足時，企業普遍面臨嚴重的融資約束，而國有企業在政府隱性擔保和預算軟約束的作用下， 反倒呈現“加杠桿”的逆周期特征。 其次，在控制了交互項Epu1×Soe 后，交互項Epu1×Re 仍舊顯著，即在金融市場化程度較低地區， 基于資產可逆性特征的企業杠桿分化現象和基于政府所有制歧視的企業杠桿分化現象并存。 另外，表7 第（5）、（6）列同樣基于經濟政策不確定性的Epu2 和Epu3 指標對第（4）列的結果進行穩健性檢驗，結果與第（4）列一致，繼續驗證了上述基準結論。

表7 與企業杠桿率的所有制分化現象對比結果

綜合來看，在金融市場化程度較高地區，資產摩擦層面的企業杠桿結構分化問題占據主導， 反之，在金融市場化程度較低地區，制度歧視層面的企業杠桿結構分化矛盾和資產摩擦層面的企業杠桿結構分化問題均比較突出。

（四）穩健性檢驗

1.廣義DID 估計

2007 年底的金融危機爆發之后， 中國經濟進入陣痛轉型期，政府在不同時期施加了各類經濟政策對經濟運行進行干預和調控，表現在不同時期上，中國經濟政策不確定性呈現明顯的結構性演變特征。本文構建中國經濟政策不確定性時間變量Dum_Epu7DID 估計將樣本區間設定在2013-2017 年，當樣本觀測值位于2016 年及以后時，經濟政策不確定性時間變量取值為1，否則為0，理由是普遍研究認為2015 年底開始實施供給側結構性改革之后我國的經濟政策變動程度不斷增加，考慮到時滯性的因素，選擇2016 年為經濟政策不確定性的沖擊時點。，將資產可逆性與政策沖擊的交互項引入計量模型，這一檢驗策略是廣義DID 估計，能極大程度緩解基準模型的內生性問題，檢驗邏輯是，在資產可逆性程度不同的企業，經濟政策不確定性沖擊對企業杠桿率的作用效果具有明顯的異質性特征。 表8 匯報了廣義DID 估計結果，可以看出，在第（1）、（2）兩列的基準資產可逆性指標估計結果中， 交互項Dum_Epu×Re 的系數均顯著為正，進一步，在使用無閾值的資產可逆性指標時，交互項Dum_Epu×Re 的估計系數同樣顯著為正， 即表8的結果驗證了基準回歸結果的穩健性， 資產可逆性越高，經濟政策不確定性對企業杠桿率的負向作用越弱。

表8 穩健性檢驗：廣義DID 估計

2.資產可逆性的替換性檢驗

參考Shleifer 和Vishny（1992）、譚小芬和張文婧（2017）的做法，使用行業周期性衡量資產可逆性。 通常情況下，企業資產的出售對象為同行業內的其他企業，周期性行業內企業的產出會伴隨商業周期同步變動，而在外部負面沖擊下周期性企業被迫以低于資產合理價格的水平將資產出售， 資產轉售價值較低，資產交易的困難程度相對較高，即周期性行業資產可逆性程度較低，反之亦然。故此，本節參考陳武朝（2013）的周期性行業分類辦法，并設置虛擬變量O_per，當企業所在行業為非周期性行業時，O_per 定義為1，否則為0。在穩健性檢驗中，以虛擬變量O_per 作為資產可逆性的替換性指標，重新對基準計量模型（5）進行回歸分析，具體結果如表9 所示。 以第（1）列為例，重點關注的虛擬變量O_per 與經濟政策不確定性指標Epu1 的交互項Epu1×O_per 的回歸系數為0.0016，且在5%的水平上顯著為正， 這表明使用行業周期性作為資產可逆性替代性指標時的結論與基準結果一致，不存在差別。類似的處理，表9 第（2）、（3）列分別基于經濟政策不確定性指標Epu2 和Epu3 進行穩健性檢驗，結果與第（1）列結果一致。

表9 資產可逆性替換檢驗

8 Beutler 和Grobety（2019）指出只要行業i 的資產a 投入額不為零即認為資產a 能夠被行業i 交易，在這部分穩健性檢驗中基于這一設定構建無閾值的資產可逆性指標。

3.排除規模歧視這一可能解釋

盡管基準檢驗證實資產可逆性顯著影響經濟政策不確定性與企業杠桿率之間的關系，但還存在一種可能的解釋，即某些資產可逆性程度較高的行業本身即是重資產行業，因此經濟政策不確定性增加引起的企業杠桿走勢分化可能并非是表面看到的資產可逆性渠道所致，而是規模歧視的原因。 為了排除規模歧視這一可能解釋， 通過以下的計量處理加以區分：首先按照當年度每個省級行政單位內銷售規模的三分位數將企業規模由高到低分組， 將1/4 分位數以前的企業定義為規模較大企業， 并設定虛擬變量Sale_Dum，規模較大企業Sale_Dum 為1，否則為0。 隨后，在基準模型（5）基礎上，加入Sale_Dum 與經濟政策不確定性的交互項，以及Sale_Dum、經濟政策不確定性與資產可逆性三者的交互項進行回歸。 表10 顯示了具體的估計結果，第（1）列基于Epu1 的結果顯示，新加入的交互項Epu1×Re×Sale_Dum 并不顯著，而經濟政策不確定性與資產可逆性的交互項Epu1×Re仍在1%水平上顯著為正。 進一步，基于Epu2 和Epu3的同樣處理下，第（2）、（3）列的結果與第（1）列一致。也就是說，在控制可能的銷售規模的影響之后，并未改變原來的資產可逆性渠道引發的企業杠桿分化現象，即資產可逆性仍顯著影響經濟政策不確定性與企業杠桿率的關系。 因此，本文排除了規模歧視這一可能解釋的干擾，繼續肯定了資產層面的可逆性特征是經濟政策不確定性導致企業杠桿率分化的重要原因。

表10 考慮規模歧視的估計結果

六、結論與政策建議

本文利用2007-2019 年中國滬深兩市A 股上市公司季度數據，實證檢驗企業資產可逆性特征如何影響經濟政策不確定性與中國企業杠桿率的關系。研究發現：第一，資產可逆性是經濟政策不確定性影響企業杠桿率分化的關鍵渠道。經濟政策不確定性每上升1 個單位，基于資產可逆性渠道的企業杠桿分化程度增加0.29 個百分點。 考慮地區契約環境水平的分析表明，契約環境水平越低，資產可逆性渠道引發的經濟政策不確定性與企業杠桿率之間的分化特征越突出。第二，機制分析表明，資產可逆性同時通過融資需求效應和融資供給效應影響經濟政策不確定性與企業杠桿率間的關系。第三，進一步研究中，與企業杠桿所有制結構分化特征的對比結果顯示，在金融市場化程度較弱的地區，企業杠桿的所有制分化和資產可逆性分化現象同時存在， 而在金融市場化程度較強地區，企業杠桿的資產可逆性分化現象仍然顯著，而所有制分化特征不明顯。此外，本文通過廣義DID 估計、核心變量替換性檢驗以及排除規模歧視解釋等檢驗方法進行穩健性檢驗，發現核心結論仍然成立。

本文研究結論表明，在短期內經濟政策不確定性無法消除的現實背景下，資產市場的摩擦，特別是無法有效跨行業和企業重新配置資產是影響企業杠桿率分化的關鍵因素， 這為理解中國企業的杠桿結構分化現象提供了新的啟示： 由于實體經濟中資產不可逆等流動性摩擦的普遍存在， 所有制歧視引發的企業杠桿 “國進民退” 現象并非是中國企業杠桿率“非周期性”演變怪象的唯一解，企業資產可逆性的實物期權價值產生的融資需求效應， 以及抵押擔保價值產生的融資供給效應加速了經濟轉型期中國企業的杠桿分化。 未來的“去杠桿”政策不能僅考慮總量問題，而應重點關注結構優化問題。 結合本文研究結論，提出如下政策建議：其一，從企業杠桿結構優化方面，在解決國企的預算軟約束問題，從產權結構上化解企業杠桿風險的同時， 注意到基于資產摩擦的企業杠桿分化現象，要嚴格甄別“好杠桿”和“壞杠桿”，避免“一刀切”的杠桿治理政策。 此外，政府部門要盡量保持政策立場的長期一致， 加強對微觀主體的政策預期引導， 從根源上避免外部不確定性引發的杠桿分化矛盾。 其二，關注資產二手交易市場的效率問題，提高資產的跨企業、跨行業的再配置效率，降低企業搜尋成本和處置成本。 對于資產可逆性較低的部門，政府應統籌各方建立風險補償機制，并對重點產業領域提供必要的基礎設施建設， 強化企業投資動力。 其三，本文異質性研究表明，地區契約環境水平的提高能緩解資產摩擦帶來的企業杠桿分化問題， 因此， 建議從市場需求出發推動法律制度改革，以法律改革促使金融制度良性變遷。