江　春 ，甘　煦

(武漢大學(xué) a.經(jīng)濟(jì)發(fā)展研究中心;b.經(jīng)濟(jì)與管理學(xué)院,湖北 武漢　430070)

?

中國(guó)貨幣政策對(duì)實(shí)體經(jīng)濟(jì)的沖擊
——基于金融加速器理論的視角

江春a,b，甘煦b

(武漢大學(xué) a.經(jīng)濟(jì)發(fā)展研究中心;b.經(jīng)濟(jì)與管理學(xué)院,湖北 武漢430070)

摘要：貨幣政策的變動(dòng)會(huì)直接影響到銀行的貸款供給行為與企業(yè)的投融資行為，因此，基于金融加速器理論，結(jié)合我國(guó)信貸市場(chǎng)獨(dú)特的制度環(huán)境，從商業(yè)銀行與企業(yè)兩個(gè)微觀層面來探究我國(guó)貨幣政策信貸傳導(dǎo)機(jī)制的微觀基礎(chǔ)具有重要的現(xiàn)實(shí)意義。此外，考慮到金融加速器效應(yīng)的存在影響了貨幣政策的調(diào)控效果，并結(jié)合我國(guó)實(shí)際情況，為優(yōu)化央行的貨幣政策與宏觀調(diào)控提出相關(guān)政策建議。

關(guān)鍵詞：貨幣政策傳導(dǎo)機(jī)制；金融加速器；GMM估計(jì)；動(dòng)態(tài)面板數(shù)據(jù)

一、問題的提出

近年來，由于勞動(dòng)力、土地以及資源成本上升，已有的制度改革紅利衰減，中國(guó)的潛在增長(zhǎng)率趨于下滑，投資回報(bào)率降低，貨幣增速持續(xù)下降，通縮隱憂浮現(xiàn)，宏觀經(jīng)濟(jì)下行壓力加大，故我國(guó)央行自2014年11月以來，半年內(nèi)四次降息以刺激經(jīng)濟(jì)增長(zhǎng)。同時(shí)，由于中國(guó)的金融體系沒有充分發(fā)揮合理配置資源的功能，大量的企業(yè)融資困難且融資成本過高，這也進(jìn)一步影響了中國(guó)經(jīng)濟(jì)的增長(zhǎng)。此外，考慮到對(duì)貨幣政策傳導(dǎo)機(jī)制的研究一直以來都是國(guó)內(nèi)外學(xué)者關(guān)注的重點(diǎn)，并且貨幣政策的變動(dòng)會(huì)直接影響到銀行的貸款供給行為與企業(yè)的投融資行為。但是現(xiàn)階段大多數(shù)研究都是從宏觀視角著手，重點(diǎn)關(guān)注宏觀經(jīng)濟(jì)實(shí)體對(duì)貨幣政策的反應(yīng)，這往往忽略了貨幣政策傳導(dǎo)的微觀基礎(chǔ)與微觀經(jīng)濟(jì)主體所受到的沖擊。

因此，深入研究貨幣政策對(duì)企業(yè)投融資活動(dòng)的影響，以便根據(jù)中國(guó)企業(yè)投融資活動(dòng)的需要來制定合適的金融政策，以此刺激中國(guó)企業(yè)的投融資活動(dòng)，從而使中國(guó)在“新常態(tài)”下繼續(xù)實(shí)現(xiàn)經(jīng)濟(jì)的持續(xù)增長(zhǎng)就成為擺在我們面前的一個(gè)重大課題。基于此，我們從金融加速器理論著手，從銀行與企業(yè)兩個(gè)層面來探究我國(guó)貨幣政策的微觀傳導(dǎo)機(jī)制，同時(shí)深入分析貨幣政策變動(dòng)對(duì)微觀經(jīng)濟(jì)主體的影響程度與影響機(jī)制。

二、文獻(xiàn)綜述

20世紀(jì)50年代，隨著信息經(jīng)濟(jì)學(xué)的發(fā)展，西方學(xué)者提出貨幣政策傳導(dǎo)機(jī)制的“信用觀”，認(rèn)為貨幣政策可通過銀行信用影響局部投資水平，進(jìn)而影響產(chǎn)出。與此同時(shí)，Roosa 和Kareken等提出了信貸可得性理論并認(rèn)為貨幣政策的變動(dòng)可以通過信貸可得性進(jìn)行傳導(dǎo)。信貸傳導(dǎo)機(jī)制的理論研究基本遵循兩條主線。一是從信貸配給角度研究貨幣政策傳導(dǎo)。隨著20世紀(jì)70年代均衡信貸配給理論的建立，經(jīng)濟(jì)學(xué)家們逐步發(fā)現(xiàn)：信貸市場(chǎng)上的配給行為加強(qiáng)了貨幣政策的效力，因此信貸配給成為了一條重要的貨幣政策傳導(dǎo)渠道[1]。二是由Bernanke 和Blinder率先提出的將信貸渠道提煉為銀行借貸渠道和資產(chǎn)負(fù)債表渠道。其中，前者側(cè)重于中央銀行運(yùn)用貨幣政策影響存貸機(jī)構(gòu)的貸款供應(yīng)能力，同時(shí)在信息不對(duì)稱的條件下，銀行貸款融資對(duì)于融資渠道相對(duì)單一且對(duì)其依賴度高的特定貸款人具有不可替代性，中小企業(yè)就是其中的典型。而資產(chǎn)負(fù)債表渠道則注重貨幣政策對(duì)借款者資產(chǎn)負(fù)債表狀況的潛在影響，即貨幣政策變動(dòng)會(huì)通過改變借款者外源融資溢價(jià)的大小，影響其投資以及消費(fèi)決策[2]。Bernanke和Gertler通過進(jìn)一步研究還發(fā)現(xiàn)貨幣政策影響借款者的財(cái)務(wù)狀況，進(jìn)而影響企業(yè)外部融資能力。1996年，Bernanke、Gertler與Gilchrist通過分析貨幣政策緊縮時(shí)期企業(yè)投資支出與現(xiàn)金流的變化，發(fā)現(xiàn)小型企業(yè)在此時(shí)期比大型企業(yè)更容易出現(xiàn)外部融資約束，且其投資、存貨以及短期債務(wù)減少的速度均快于大型企業(yè)[3]?；诖耍粚W(xué)者正式提出了金融加速器理論。此外，貨幣政策信貸傳導(dǎo)機(jī)制在企業(yè)與銀行層面的實(shí)證研究也逐漸引起了各國(guó)學(xué)者的重視。Gertler 和 Gilchrist 通過研究指出公司規(guī)模與其對(duì)銀行貸款依賴程度呈負(fù)相關(guān)。同時(shí)，緊縮性的貨幣政策對(duì)不同規(guī)模的公司也有不同效應(yīng)[4]。Holmstrom和Tirole發(fā)現(xiàn)大公司相比于小公司有多種融資渠道，資金來源較寬松。在信貸緊縮時(shí)期，小公司更容易受到?jīng)_擊[5]。同時(shí)，Kiyotaki 和Moore指出企業(yè)獲得的銀行貸款數(shù)量由其抵押擔(dān)保能力決定且兩者呈正相關(guān),因此信貸沖擊對(duì)抵押貸款能力弱的公司影響較大。Berg等人從微觀層面對(duì)瑞典企業(yè)進(jìn)行實(shí)證研究，發(fā)現(xiàn)金融加速器效應(yīng)顯著存在并在經(jīng)濟(jì)周期上具有重要作用。Nagahata與Sekine運(yùn)用日本企業(yè)的面板數(shù)據(jù)研究了資產(chǎn)價(jià)格泡沫破滅后貨幣政策對(duì)企業(yè)投資的具體沖擊[6]。Bougheas、Mizen和Yalcin實(shí)證分析了英國(guó)企業(yè)的特征變量對(duì)其在金融市場(chǎng)上融資可得性的影響，研究結(jié)果表明，規(guī)模較小、尚未建立起良好信譽(yù)、資產(chǎn)抵押能力弱的企業(yè)更易受到緊縮性貨幣政策以及融資約束的影響[7]。Roman等人通過企業(yè)支付利率的視角研究貨幣政策信貸傳導(dǎo)渠道上的金融加速器效應(yīng)如何影響企業(yè)的投資活動(dòng)[8]。

我國(guó)在貨幣政策微觀傳導(dǎo)機(jī)制領(lǐng)域的研究相對(duì)滯后，2000年以前，我國(guó)學(xué)者對(duì)該領(lǐng)域的研究主要集中于定性分析，2000年以后才陸續(xù)出現(xiàn)了相關(guān)的實(shí)證研究。王振山、周英章等均通過計(jì)量分析指出信貸渠道是我國(guó)貨幣政策的主要傳導(dǎo)渠道[9]。趙振全等運(yùn)用門限向量自回歸模型對(duì)我國(guó)信貸市場(chǎng)與宏觀經(jīng)濟(jì)波動(dòng)的關(guān)系進(jìn)行分析，發(fā)現(xiàn)我國(guó)存在顯著的金融加速器效應(yīng)[10]。在此基礎(chǔ)上，吳建環(huán)和席瑩通過實(shí)證研究發(fā)現(xiàn)我國(guó)貨幣政策對(duì)不同規(guī)模的高科技企業(yè)具有金融加速器效應(yīng)。袁申國(guó)和劉蘭鳳運(yùn)用計(jì)量方法研究不同行業(yè)的金融加速器效應(yīng)，結(jié)果表明貨幣政策的金融加速器效應(yīng)也存在行業(yè)上的非對(duì)稱性。在分析我國(guó)貨幣政策的信貸渠道對(duì)企業(yè)投融資行為影響的研究中，程海波、方軍雄等一致得出結(jié)論：常處于貸款邊緣線上的民營(yíng)企業(yè)會(huì)比國(guó)有企業(yè)受到更大的信貸渠道沖擊[11]。Huang和Song以及張春均發(fā)現(xiàn)，中國(guó)企業(yè)通過短期應(yīng)付款項(xiàng)進(jìn)行融資的比例較大，因此企業(yè)可以通過增加應(yīng)付款項(xiàng)來解決信貸緊縮時(shí)期的融資困境[12]。胡奕明等通過研究借款人財(cái)務(wù)狀況與貸款利率間的關(guān)系，發(fā)現(xiàn)借款人財(cái)務(wù)狀況越好，其貸款利率越低[13]。曾海艦、蘇冬蔚研究發(fā)現(xiàn)，銀行體系可貸資金變動(dòng)對(duì)企業(yè)的影響主要與其規(guī)模大小、民營(yíng)化程度以及擔(dān)保能力呈正相關(guān)[14]。曹永琴實(shí)證分析貨幣政策行業(yè)非對(duì)稱性形成機(jī)理時(shí)發(fā)現(xiàn)，行業(yè)運(yùn)營(yíng)資本比重、銀行依賴程度、財(cái)務(wù)杠桿水平等微觀指標(biāo)決定了不同行業(yè)的企業(yè)受到貨幣政策沖擊的程度。肖爭(zhēng)艷等通過實(shí)證研究發(fā)現(xiàn)，中小企業(yè)在受到緊縮性貨幣政策沖擊后，其產(chǎn)出水平相對(duì)于大企業(yè)下降數(shù)倍[15]。張四燦發(fā)現(xiàn)，我國(guó)貨幣政策傳導(dǎo)過程中的金融加速器效應(yīng)與市場(chǎng)化水平也密切相關(guān)，市場(chǎng)化程度較低時(shí)，政府對(duì)企業(yè)的干預(yù)較大，企業(yè)投資受到金融加速器效應(yīng)的影響也較大[16]。在既有研究成果的基礎(chǔ)上，我們利用中國(guó)上市公司的數(shù)據(jù)以及相關(guān)指標(biāo)建立面板數(shù)據(jù)模型，并主要運(yùn)用廣義矩估計(jì)(GMM)的方法從微觀層面對(duì)中國(guó)信貸市場(chǎng)的金融加速器效應(yīng)進(jìn)行實(shí)證研究，同時(shí)對(duì)我國(guó)貨幣政策信貸傳導(dǎo)機(jī)制的銀行借款渠道與資產(chǎn)負(fù)債表渠道進(jìn)行了深入探討。

創(chuàng)新之處主要體現(xiàn)在以下幾個(gè)方面。第一，微觀分析的方法。大多數(shù)學(xué)者對(duì)此課題的研究主要集中于宏觀經(jīng)濟(jì)層面，從而忽視了貨幣政策微觀層面的傳導(dǎo)機(jī)制。我們從我國(guó)貨幣政策信貸傳導(dǎo)渠道著手，研究其在微觀層面的具體傳導(dǎo)機(jī)制。此外，將宏觀經(jīng)濟(jì)政策與微觀企業(yè)行為相結(jié)合，并能基于金融加速器理論的視角清楚地解釋二者之間的關(guān)系。第二，對(duì)銀行借款渠道的實(shí)證研究。在研究貨幣政策傳導(dǎo)渠道的論文中，大部分都著重于資產(chǎn)負(fù)債表渠道的研究，對(duì)銀行借款渠道的分析基本上也都停留在理論層面，很少有實(shí)證研究。我們則利用我國(guó)上市公司的面板數(shù)據(jù)對(duì)銀行借款渠道進(jìn)行了實(shí)證研究，從而得出貨幣政策銀行借款渠道的微觀傳導(dǎo)機(jī)制。第三，在數(shù)據(jù)選取方面克服了已有研究中面板數(shù)據(jù)有效性的問題，選取了從1998年到2014年我國(guó)564家企業(yè)的微觀數(shù)據(jù)，在時(shí)間跨度與樣本容量?jī)煞矫婢休^大的改進(jìn)。此外，考慮到1998年是我國(guó)貨幣政策改革的分水嶺，故統(tǒng)一采用1998年以后的數(shù)據(jù)以保證研究的嚴(yán)謹(jǐn)性、科學(xué)性與一致性。

三、基本模型

1.資產(chǎn)負(fù)債表渠道模型

考慮到貨幣政策的信貸傳導(dǎo)渠道主要分為企業(yè)資產(chǎn)負(fù)債表渠道與銀行信貸渠道，而前者也是中國(guó)信貸市場(chǎng)金融加速器效應(yīng)微觀基礎(chǔ)的重要體現(xiàn)。因此，基于金融加速器理論，我們先構(gòu)建了動(dòng)態(tài)面板數(shù)據(jù)模型，旨在從微觀層面驗(yàn)證貨幣政策的金融加速器效應(yīng)對(duì)企業(yè)的沖擊。

(1) 基本模型

為了檢驗(yàn)我國(guó)貨幣政策的金融加速器效應(yīng)通過企業(yè)資產(chǎn)負(fù)債表渠道對(duì)實(shí)體經(jīng)濟(jì)的沖擊，同時(shí)驗(yàn)證我國(guó)信貸市場(chǎng)上金融加速器效應(yīng)的微觀基礎(chǔ)，我們?cè)赩ermeulen的銷售加速器模型[17]的基礎(chǔ)上加以改進(jìn)，建立符合中國(guó)經(jīng)濟(jì)實(shí)際情況的實(shí)證模型。

首先建立了一個(gè)基本的動(dòng)態(tài)面板數(shù)據(jù)模型驗(yàn)證企業(yè)資產(chǎn)負(fù)債表狀況對(duì)其投資支出的影響，模型如下：

IKit=α+βIKi,t-1+γSKi,t-1+θBSi,t-1+μt+υi+εit

(3.1)

其中，IKit是在t時(shí)期公司i的投資資本比，在模型中用來量化企業(yè)的投資狀況；SKi,t-1是在t-1期公司i的銷售收入資本比；BSi,t-1是在t-1期反映公司i資產(chǎn)負(fù)債表狀況的測(cè)量指標(biāo)，即為資產(chǎn)負(fù)債率、短期債務(wù)與總債務(wù)比、短期債務(wù)與流動(dòng)資產(chǎn)比、總資產(chǎn)利潤(rùn)率或利息保障倍數(shù)。μt是t時(shí)期的時(shí)間固定效應(yīng)；υi是公司i觀測(cè)不到的企業(yè)固定效應(yīng)；εit是隨機(jī)干擾項(xiàng)，與模型中涉及的所有t-1期變量均不相關(guān)。此外，系數(shù)θ反映了企業(yè)的投資資本比對(duì)其資產(chǎn)負(fù)債表各指標(biāo)變化的敏感程度，如果我國(guó)信貸市場(chǎng)資產(chǎn)負(fù)債表渠道的金融加速器效應(yīng)存在，則當(dāng)BSi,t-1分別代表總資產(chǎn)利潤(rùn)率或利息保障倍數(shù)時(shí)，系數(shù)θ的符號(hào)應(yīng)為正，當(dāng)BSi,t-1代表其他指標(biāo)時(shí)，系數(shù)θ的符號(hào)應(yīng)為負(fù)?？紤]到公式(3.1)中包含被解釋變量IKit的一階滯后項(xiàng)IKi,t-1和企業(yè)固定效應(yīng)υi，若使用最小二乘法回歸會(huì)出現(xiàn)有偏估計(jì)，因此我們采用動(dòng)態(tài)面板數(shù)據(jù)的差分GMM估計(jì)方法求解。在進(jìn)行GMM估計(jì)時(shí)，通過Arellano-Bond檢驗(yàn)，檢驗(yàn)了差分后殘差序列的一階和二階相關(guān)性,相應(yīng)的檢驗(yàn)結(jié)果分別以R1和R2表示。此外，還通過Sargan檢驗(yàn)對(duì)模型的過度約束情況進(jìn)行了說明。

(2)周期與企業(yè)規(guī)模非對(duì)稱性模型

為了驗(yàn)證金融加速器效應(yīng)在經(jīng)濟(jì)周期與企業(yè)規(guī)模上存在的非對(duì)稱性，我們?cè)谏鲜龌灸Ｐ偷幕A(chǔ)上首先引入代表經(jīng)濟(jì)周期的虛擬變量，得到如下模型：

IKit=α+βIKi,t-1+γSKi,t-1+(θ1+θ2Dt)BSi,t-1+μt+υi+εit

(3.2)

IKit=α+βIKi,t-1+γSKi,t-1+θ1SiBSi,t-1+θ2MiBSi,t-1+θ3LiBSi,t-1+μt+υi+εit

(3.3)

最后，為同時(shí)檢驗(yàn)金融加速器效應(yīng)的雙重非對(duì)稱性，我們?cè)诨灸Ｐ偷幕A(chǔ)上同時(shí)引入上述兩類虛擬變量，得到如下模型：

IKit=α+βIKi,t-1+γSKi,t-1+(θ1+θ2Dt)SiBSi,t-1+(θ3+θ4Dt)MiBSi,t-1+(θ5+θ6Dt)LiBSi,t-1+μt+υi+εit

(3.4)

2.銀行借款渠道模型

我們基于貨幣政策傳導(dǎo)的另一主要渠道——銀行借款渠道，研究貨幣政策如何通過此渠道影響企業(yè)的融資情況以及在此渠道上是否也存在非對(duì)稱性效應(yīng)。因此，通過構(gòu)建固定效應(yīng)模型，從微觀層面驗(yàn)證貨幣政策通過銀行借款渠道對(duì)企業(yè)的具體沖擊。在Bougheas、Mizen和Yalcin提出的理論模型基礎(chǔ)上，建立符合中國(guó)經(jīng)濟(jì)實(shí)際情況的實(shí)證模型[7]。

(1) 基本模型

我們首先建立一個(gè)基本的固定效應(yīng)模型檢驗(yàn)企業(yè)異質(zhì)性指標(biāo)對(duì)銀行信貸的影響，模型如下：

ietdi,t=α+βXi,t+γratet+μt+υt+εi,t

(3.5)

其中，ietdi,t是在t時(shí)期公司i的應(yīng)付利息與總負(fù)債的比率，表示企業(yè)的利息負(fù)擔(dān)也即融資成本；ratet作為貨幣政策代理變量，模型中用銀行貸款基準(zhǔn)利率表示；Xi,t是表示企業(yè)異質(zhì)性的變量，包含企業(yè)規(guī)模、杠桿率水平、資產(chǎn)質(zhì)押能力、流動(dòng)性比率以及盈利能力；μt表示t時(shí)期的時(shí)間固定效應(yīng)；υt表示t時(shí)期無法觀測(cè)的企業(yè)固定效應(yīng)；εi,t表示無序列相關(guān)的隨機(jī)干擾項(xiàng)。系數(shù)β反映了企業(yè)異質(zhì)性各指標(biāo)與銀行借款融資成本的關(guān)系，根據(jù)幾個(gè)指標(biāo)的實(shí)際含義，當(dāng)Xi,t代表杠桿率時(shí)，系數(shù)β的符號(hào)應(yīng)為正，當(dāng)Xi,t代表其他指標(biāo)時(shí)，系數(shù)β的符號(hào)應(yīng)為負(fù)。系數(shù)γ表示貸款利率ratet與融資成本間的關(guān)系，由于二者是正相關(guān)，系數(shù)γ的符號(hào)應(yīng)為正。

(2)貨幣政策非對(duì)稱性效應(yīng)模型

為了檢驗(yàn)銀行信貸對(duì)企業(yè)融資是否有非對(duì)稱性效應(yīng)，我們?cè)诨灸Ｐ偷幕A(chǔ)上依次添加貨幣政策時(shí)期虛擬變量與企業(yè)規(guī)模虛擬變量，得到相應(yīng)模型。

首先根據(jù)上文對(duì)貨幣政策時(shí)期虛擬變量的定義，引入代表貨幣政策緊縮時(shí)期的虛擬變量Pt(在貨幣政策緊縮時(shí)期，Pt取1)與利率的交叉項(xiàng)，得到如下方程：

ietdi,t=α+βXi,t+(γ1+γ2Pt)ratet+μt+υt+εi,t

(3.6)

ietdi,t=α+β1SiXi,t+β2MiXi,t+β3LiXi,t+γ1Siratet+γ2Miratet+γ3Liratet+μt+υt+εi,t

(3.7)

最后，為檢驗(yàn)不同規(guī)模企業(yè)在不同貨幣政策時(shí)期受到的沖擊，我們?cè)诨灸Ｐ偷幕A(chǔ)上加入貨幣政策時(shí)期虛擬變量與企業(yè)規(guī)模虛擬變量的交叉項(xiàng)，得到如下方程：

ietdi,t=α+β1SiXi,t+β2MiXi,t+β3LiXi,t+(γ1+γ2Pt)Siratet+(γ3+γ4Pt)Miratet+(γ5+γ6Pt)Liratet+μt+υt+εi,t

(3.8)

四、實(shí)證分析

在上文已建立的兩個(gè)大模型的基礎(chǔ)上，運(yùn)用STATA軟件對(duì)模型中的參數(shù)進(jìn)行估計(jì)與檢驗(yàn)。在對(duì)資產(chǎn)負(fù)債表渠道模型的參數(shù)估計(jì)中，我們將所有滯后兩期的變量設(shè)定為工具變量。

1. 資產(chǎn)負(fù)債表渠道模型實(shí)證結(jié)果分析

(1) 指標(biāo)與數(shù)據(jù)

我們?cè)谙嚓P(guān)文獻(xiàn)的基礎(chǔ)上[17]，選取企業(yè)的幾個(gè)重要財(cái)務(wù)指標(biāo)來反映資產(chǎn)負(fù)債表的健康情況，即為資產(chǎn)負(fù)債率DA、短期債務(wù)與總債務(wù)比SD、短期債務(wù)與流動(dòng)資產(chǎn)比SDL、總資產(chǎn)利潤(rùn)率PA以及利息保障倍數(shù)COV。其中，資產(chǎn)負(fù)債率DA是企業(yè)期末總負(fù)債除以總資產(chǎn)的比率；短期債務(wù)與總債務(wù)比SD反映了企業(yè)期末的債務(wù)情況以及其不同期限的融資情況；短期債務(wù)與流動(dòng)資產(chǎn)比SDL是企業(yè)期末短期債務(wù)與其流動(dòng)資產(chǎn)之比，反映了企業(yè)短期流動(dòng)性；總資產(chǎn)利潤(rùn)率PA是企業(yè)利潤(rùn)總額與資產(chǎn)平均總額之比，反映了企業(yè)利用資金進(jìn)行盈利活動(dòng)的基本能力與企業(yè)資產(chǎn)綜合利用效果；利息保障倍數(shù)COV是企業(yè)生產(chǎn)經(jīng)營(yíng)所獲得的息稅前利潤(rùn)與利息費(fèi)用的比率，反映了企業(yè)利息支付能力。故DA、SD、SDL越高，企業(yè)資產(chǎn)負(fù)債表健康狀況越差；PA、COV越高，其資產(chǎn)負(fù)債表健康狀況越好。

為量化企業(yè)投融資狀況，我們?cè)趯?shí)證模型中還用到投資資本存量比IK與營(yíng)業(yè)收入資本比SK這兩個(gè)指標(biāo)。其中：

(4.1)

(4.2)

說明： PPI是以1985年為基期100計(jì)算所得，GDP增長(zhǎng)率是按可比價(jià)格計(jì)算所得，兩者數(shù)值均來自國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)中心。

對(duì)于經(jīng)濟(jì)周期的界定，我們綜合考慮Vermeulen與 Roman[17]的觀點(diǎn)，將PPI與GDP年度增長(zhǎng)率結(jié)合起來作為界定我國(guó)經(jīng)濟(jì)周期的標(biāo)準(zhǔn)，從而更為科學(xué)地評(píng)價(jià)中國(guó)1998—2014年的經(jīng)濟(jì)走勢(shì)。

根據(jù)上表，同時(shí)結(jié)合我國(guó)經(jīng)濟(jì)總體形勢(shì)，我們將1999—2002年以及2009—2014年定為中國(guó)經(jīng)濟(jì)下行期。對(duì)于企業(yè)規(guī)模的界定，根據(jù)企業(yè)的資產(chǎn)總額將樣本企業(yè)平均分為小型企業(yè)、中型企業(yè)和大型企業(yè)三個(gè)組進(jìn)行討論。

我們的企業(yè)數(shù)據(jù)均來自國(guó)泰安數(shù)據(jù)庫，經(jīng)過抽樣與篩選，最終在滬深兩市的上市公司中選擇了符合條件的564家企業(yè)的1998—2014年年度數(shù)據(jù)作為研究樣本。

(2) 資產(chǎn)負(fù)債表指標(biāo)與投資支出

根據(jù)上文中的指標(biāo)選取與基本模型方程(3.1)設(shè)定，運(yùn)用STATA對(duì)模型求解得到以下結(jié)果。

表2　企業(yè)投資支出與其資產(chǎn)負(fù)債表指標(biāo)關(guān)系檢驗(yàn)

說明：表中括號(hào)內(nèi)為各指標(biāo)數(shù)值以及檢驗(yàn)統(tǒng)計(jì)量對(duì)應(yīng)的標(biāo)準(zhǔn)誤，其中第一行括號(hào)內(nèi)的標(biāo)準(zhǔn)誤是在5%的顯著性水平下。R1和R2分別為Arellano-Bond檢驗(yàn)中一階、二階自相關(guān)檢驗(yàn)結(jié)果。

由上表可知，資產(chǎn)負(fù)債表各指標(biāo)變量估計(jì)值的符號(hào)都與我們預(yù)期相符并符合經(jīng)濟(jì)現(xiàn)實(shí)，并且均通過了Wald檢驗(yàn)。此外，Arellano-Bond檢驗(yàn)的結(jié)果表明擾動(dòng)項(xiàng)的差分不存在自相關(guān)，故保證了GMM估計(jì)結(jié)果為一致估計(jì)。在上述指標(biāo)的Sargan檢驗(yàn)結(jié)果中，僅BSi,t-1=DAi,t-1這個(gè)回歸模型存在過度識(shí)別，其余四個(gè)指標(biāo)的檢驗(yàn)結(jié)果都較理想。由此可知，我國(guó)企業(yè)的資產(chǎn)負(fù)債表狀況對(duì)其投資支出有顯著影響，同時(shí)也驗(yàn)證了我國(guó)信貸市場(chǎng)金融加速器效應(yīng)的微觀基礎(chǔ)。

(3) 金融加速器效應(yīng)的周期非對(duì)稱性

為了驗(yàn)證金融加速器效應(yīng)在經(jīng)濟(jì)周期上對(duì)企業(yè)存在的非對(duì)稱性，我們根據(jù)上一節(jié)方程(3.4)的設(shè)定，運(yùn)用STATA求解得到以下結(jié)果。

表3　金融加速器周期非對(duì)稱性檢驗(yàn)

顯然，資產(chǎn)負(fù)債表各指標(biāo)變量估計(jì)值的符號(hào)以及與虛擬變量的交叉乘積項(xiàng)符號(hào)都和我們預(yù)期基本相符且符合經(jīng)濟(jì)現(xiàn)實(shí)，并且基本通過Wald、Arellano-Bond與Sargan檢驗(yàn)。同時(shí)，各變量與虛擬變量乘積項(xiàng)對(duì)應(yīng)的系數(shù)絕對(duì)值大于各變量絕對(duì)值且基本通過了5%的顯著性水平檢驗(yàn)，符合上文中周期非對(duì)稱性模型的設(shè)定。

因此，實(shí)證結(jié)果基本證明金融加速器效應(yīng)存在的周期非對(duì)稱性，即與其他時(shí)期相比，經(jīng)濟(jì)下行期企業(yè)受到的來自資產(chǎn)負(fù)債表渠道對(duì)投資的沖擊更顯著。

(4) 金融加速器效應(yīng)的企業(yè)規(guī)模非對(duì)稱性

為了解金融加速器效應(yīng)與企業(yè)規(guī)模之間的關(guān)系，我們對(duì)方程(3.5)中的模型進(jìn)行回歸，得到以下結(jié)果。

表4　金融加速器企業(yè)規(guī)模非對(duì)稱性檢驗(yàn)

顯然，指標(biāo)SD、SDL與COV的回歸結(jié)果均表明小型企業(yè)對(duì)應(yīng)的系數(shù)絕對(duì)值最大，中型企業(yè)次之，大型企業(yè)對(duì)應(yīng)值最小，符合我們預(yù)期與模型的設(shè)定，并且相應(yīng)系數(shù)基本通過了顯著性檢驗(yàn)。

而對(duì)于指標(biāo)DA與PA的回歸結(jié)果，雖然小型企業(yè)對(duì)應(yīng)的系數(shù)絕對(duì)值最小，但是中型企業(yè)對(duì)應(yīng)的系數(shù)絕對(duì)值都大于大型企業(yè)的相應(yīng)值且均通過了顯著性檢驗(yàn)。

此外，上表中各指標(biāo)均通過了Wald檢驗(yàn)與Arellano-Bond檢驗(yàn)；在Sargan檢驗(yàn)結(jié)果中，BSi,t-1代表DAi,t-1以及COVi,t-1的回歸模型通過檢驗(yàn)，即不存在過度識(shí)別的問題。

綜上，回歸結(jié)果基本驗(yàn)證了金融加速器效應(yīng)的企業(yè)規(guī)模非對(duì)稱性，即小型企業(yè)投資支出對(duì)資產(chǎn)負(fù)債表狀況的敏感程度最高，中型企業(yè)次之，大型企業(yè)的敏感程度最低。

(5)金融加速器效應(yīng)的雙重非對(duì)稱性

為了進(jìn)一步檢驗(yàn)金融加速器效應(yīng)的微觀基礎(chǔ)，我們對(duì)方程(3.6)中既包含經(jīng)濟(jì)下行期又包含企業(yè)規(guī)模虛擬變量的模型回歸，得到以下結(jié)果。

表5　金融加速器雙重非對(duì)稱性檢驗(yàn)

回歸結(jié)果基本表明，相比其他時(shí)期，經(jīng)濟(jì)下行期企業(yè)規(guī)模越小，其投資支出對(duì)資產(chǎn)負(fù)債表相應(yīng)指標(biāo)的敏感性越高。具體表現(xiàn)為：除上表中個(gè)別指標(biāo)的SiBSi,t-1項(xiàng)不符合模型預(yù)期以及未通過顯著性檢驗(yàn)外，其余指標(biāo)數(shù)值基本上符合模型設(shè)定與經(jīng)濟(jì)實(shí)際，同時(shí)通過了5%的顯著性檢驗(yàn)。

此外，上表中各指標(biāo)均通過了Wald檢驗(yàn)與Arellano-Bond檢驗(yàn)，在Sargan檢驗(yàn)結(jié)果中，雖然各指標(biāo)對(duì)應(yīng)的回歸模型存在或多或少的過度識(shí)別問題，但是考慮到方程(3.6)中包含兩個(gè)虛擬變量，同時(shí)交叉乘積項(xiàng)以及回歸時(shí)用到的工具變量也較多，因此Sargan檢驗(yàn)結(jié)果并不能否定整體回歸結(jié)果的有效性。

綜上所述，金融加速器效應(yīng)在經(jīng)濟(jì)周期與企業(yè)規(guī)模上均存在非對(duì)稱性，即中國(guó)企業(yè)在經(jīng)濟(jì)下行期投資對(duì)資產(chǎn)負(fù)債表狀況的敏感程度高于其他時(shí)期，小型企業(yè)表現(xiàn)出的投資支出對(duì)資產(chǎn)負(fù)債表狀況的敏感程度高于中型企業(yè)與大型企業(yè)。同時(shí)，我國(guó)貨幣政策金融加速器效應(yīng)的微觀基礎(chǔ)也通過以上四個(gè)模型的實(shí)證結(jié)果得以驗(yàn)證。

2. 銀行借款渠道模型實(shí)證結(jié)果分析

(1) 指標(biāo)與數(shù)據(jù)

考慮到銀行信貸的特點(diǎn)，我們選取企業(yè)規(guī)模、杠桿率水平、資產(chǎn)質(zhì)押能力、流動(dòng)性比率以及盈利能力指標(biāo)代表企業(yè)異質(zhì)性。企業(yè)規(guī)模(logasset)是銀行衡量企業(yè)償還能力的重要指標(biāo)，本模型中，我們用企業(yè)總資產(chǎn)的對(duì)數(shù)值來表示企業(yè)規(guī)模。銀行在對(duì)借款企業(yè)的選擇上，傾向于選擇規(guī)模較大的企業(yè)；同時(shí)，規(guī)模較大的企業(yè)融資渠道也不僅限于銀行借款。杠桿率水平在本模型中用總負(fù)債對(duì)總資產(chǎn)的比率衡量，即前文提到的資產(chǎn)負(fù)債率(DA)。企業(yè)的杠桿率水平越高，其承擔(dān)的風(fēng)險(xiǎn)以及面臨的代理成本也越高，因此融資渠道相對(duì)較少，故更依賴銀行借款。資產(chǎn)質(zhì)押能力(AP)是企業(yè)有形資產(chǎn)占總資產(chǎn)的比重。比重越高，其資產(chǎn)質(zhì)押能力也越強(qiáng)，表明企業(yè)能夠在除銀行以外的渠道獲得融資的可能性越高，因此資產(chǎn)質(zhì)押能力較強(qiáng)的企業(yè)對(duì)銀行借款的依賴性較低。流動(dòng)性比率(LR)是企業(yè)流動(dòng)性資產(chǎn)對(duì)流動(dòng)負(fù)債的比率。比率越高的企業(yè)，其融資渠道也越多，因此對(duì)銀行借款的依賴性也越低。企業(yè)盈利能力在本模型中用總資產(chǎn)利潤(rùn)率(PA)衡量，即企業(yè)利潤(rùn)總額對(duì)其資產(chǎn)平均總額的比率。該比率越高，表明企業(yè)效益越好，銀行更愿意向此類企業(yè)提供借款；同時(shí)，盈利能力高的企業(yè)融資選擇也越多，故對(duì)銀行借款的依賴程度也較低。為了衡量貨幣政策對(duì)銀行信貸的影響，我們?cè)趯?shí)證模型中選擇我國(guó)一年期貸款基準(zhǔn)利率作為貨幣政策代理變量，因?yàn)檎咝岳适亲钅艽懋?dāng)前央行政策意圖以及國(guó)家宏觀貨幣政策方向的變量。為界定我國(guó)不同的貨幣政策時(shí)期，我們參照央行對(duì)貸款利率的調(diào)控，即通過一年期貸款基準(zhǔn)利率的變化來劃分貨幣政策緊縮期與擴(kuò)張期。

根據(jù)我國(guó)1998年至2014年間貸款基準(zhǔn)利率變化，同時(shí)結(jié)合我國(guó)經(jīng)濟(jì)整體運(yùn)行態(tài)勢(shì)，將我國(guó)貨幣政策調(diào)控時(shí)段分為緊縮期與擴(kuò)張期，其中1998—2002年、2008—2009年、2012—2014年為擴(kuò)張性貨幣政策時(shí)期。對(duì)于企業(yè)規(guī)模的界定，參照4.1.1的方法；此外，對(duì)于實(shí)證數(shù)據(jù)選擇，我們?cè)谇拔牡幕A(chǔ)上，選取564家上市公司1998—2014年的相關(guān)數(shù)據(jù)進(jìn)行分析。

(2)企業(yè)異質(zhì)性特征對(duì)銀行信貸的影響

根據(jù)指標(biāo)選取與基本模型方程(3.7)設(shè)定，運(yùn)用STATA對(duì)模型求解得到以下結(jié)果。

表6　企業(yè)異質(zhì)性特征與銀行信貸關(guān)系

說明：表中括號(hào)內(nèi)為各指標(biāo)數(shù)值以及檢驗(yàn)統(tǒng)計(jì)量對(duì)應(yīng)的標(biāo)準(zhǔn)誤，其中前兩行括號(hào)內(nèi)的標(biāo)準(zhǔn)誤是在5%的顯著性水平下。F1、F2分別表示參數(shù)聯(lián)合檢驗(yàn)以及固定效應(yīng)顯著性檢驗(yàn)的結(jié)果。

上表中，各企業(yè)異質(zhì)性指標(biāo)與融資成本對(duì)應(yīng)的系數(shù)符合基本模型預(yù)期：DA與融資成本呈正相關(guān)；logasset、AP、LR、PA與融資成本均呈負(fù)相關(guān)。

同時(shí)，各指標(biāo)在5%的顯著性水平下較顯著，每個(gè)變量對(duì)應(yīng)的F統(tǒng)計(jì)量也表明模型中參數(shù)聯(lián)合檢驗(yàn)結(jié)果以及模型整體固定效應(yīng)相當(dāng)顯著。

(3) 貨幣政策的非對(duì)稱性效應(yīng)

根據(jù)方程(3.2)中建立的模型，運(yùn)用STATA軟件對(duì)三個(gè)固定效應(yīng)方程分別進(jìn)行回歸，得到以下結(jié)果。

表7　銀行信貸貨幣政策周期非對(duì)稱性檢驗(yàn)

上表為引入貨幣政策時(shí)期虛擬變量Pt的模型即方程(3.8)回歸結(jié)果，結(jié)果表明：各企業(yè)異質(zhì)性指標(biāo)與融資成本的關(guān)系符合模型預(yù)期且基本通過了5%的顯著性檢驗(yàn)；貨幣政策時(shí)期虛擬變量與貸款利率交叉乘積項(xiàng)系數(shù)的絕對(duì)值大于貸款利率系數(shù)的絕對(duì)值，并且通過了顯著性檢驗(yàn)；模型對(duì)應(yīng)的F統(tǒng)計(jì)量也表明回歸結(jié)果通過參數(shù)聯(lián)合檢驗(yàn)與固定效應(yīng)顯著性檢驗(yàn)。

因此，銀行信貸在不同貨幣政策時(shí)期存在的非對(duì)稱性得以驗(yàn)證，即在貨幣政策緊縮時(shí)期，銀行信貸對(duì)企業(yè)的沖擊較大且大于來自擴(kuò)張性貨幣政策時(shí)期的沖擊。

表8　銀行信貸企業(yè)規(guī)模非對(duì)稱性檢驗(yàn)

表8為引入企業(yè)規(guī)模虛擬變量Si、Mi、Li的方程(3.9)回歸結(jié)果。結(jié)果表明，企業(yè)各異質(zhì)性指標(biāo)與融資成本的系數(shù)符號(hào)關(guān)系基本符合模型預(yù)期，并且各指標(biāo)與企業(yè)規(guī)模虛擬變量的交叉項(xiàng)系數(shù)關(guān)系也符合實(shí)際情況，即企業(yè)規(guī)模越大，其杠桿率越低、資產(chǎn)質(zhì)押能力越高、流動(dòng)性越強(qiáng)并且利潤(rùn)率也越高。同時(shí)，企業(yè)規(guī)模虛擬變量與貸款利率的交叉項(xiàng)系數(shù)絕對(duì)值基本符合模型預(yù)期，即規(guī)模越小的企業(yè)，其對(duì)銀行貸款的依賴程度越高，故貸款利率對(duì)融資成本的影響越大。

此外，上表中各指標(biāo)數(shù)值基本上通過了顯著性檢驗(yàn)，并且模型的F統(tǒng)計(jì)量也表明整體回歸結(jié)果顯著。因此，銀行信貸對(duì)不同規(guī)模企業(yè)的非對(duì)稱性得以驗(yàn)證。

表9　銀行信貸雙重非對(duì)稱性檢驗(yàn)

表9為同時(shí)引入貨幣政策時(shí)期虛擬變量與企業(yè)規(guī)模虛擬變量的方程(3.10)回歸結(jié)果，上表中雖有一些指標(biāo)結(jié)果未通過顯著性檢驗(yàn)且符號(hào)不符合模型預(yù)期，但大部分指標(biāo)結(jié)果呈現(xiàn)出符合模型預(yù)期的關(guān)系且通過了相應(yīng)檢驗(yàn)。因此，可得出結(jié)論：模型整體回歸結(jié)果基本上可以驗(yàn)證銀行信貸在貨幣政策周期以及貸款企業(yè)規(guī)模上均存在非對(duì)稱性，即在貨幣政策緊縮時(shí)期，貸款利率上升對(duì)企業(yè)融資成本的沖擊效應(yīng)大于貨幣政策擴(kuò)張時(shí)期的沖擊效應(yīng)，同時(shí)銀行信貸對(duì)不同規(guī)模的企業(yè)也有不同程度的沖擊，小企業(yè)受到的影響最大，大企業(yè)受到的影響較小。此外，以上回歸結(jié)果還表明，在貨幣政策緊縮時(shí)期，銀行貸款收縮主要針對(duì)規(guī)模較小的企業(yè)，而規(guī)模較大的企業(yè)受到的影響則較小，故貨幣政策在企業(yè)層面上的傳導(dǎo)主要是通過規(guī)模相對(duì)較小的企業(yè)進(jìn)行。

綜上所述，通過實(shí)證研究，我國(guó)貨幣政策銀行借款渠道的微觀基礎(chǔ)得以驗(yàn)證，同時(shí)貨幣政策傳導(dǎo)對(duì)企業(yè)銀行借款存在的非對(duì)稱性效應(yīng)也得以證實(shí)，非對(duì)稱性效應(yīng)具體表現(xiàn)在貨幣政策周期以及企業(yè)規(guī)模上，即在貨幣政策緊縮時(shí)期，政策性利率的變化對(duì)企業(yè)融資帶來的沖擊要大于貨幣政策擴(kuò)張時(shí)期的相應(yīng)沖擊；此外，銀行信貸對(duì)規(guī)模較小企業(yè)的沖擊也大于對(duì)規(guī)模較大企業(yè)的沖擊。

五、結(jié)論與啟示

考慮到目前的大多數(shù)研究著重從宏觀視角分析貨幣政策傳導(dǎo)機(jī)制，往往忽略了微觀經(jīng)濟(jì)主體在傳導(dǎo)機(jī)制中發(fā)揮的重要作用，導(dǎo)致此類研究缺乏貨幣政策傳導(dǎo)的微觀基礎(chǔ)。因此，基于金融加速器理論的視角，我們從銀行以及企業(yè)這兩個(gè)貨幣政策傳導(dǎo)的微觀主體出發(fā)，通過實(shí)證研究驗(yàn)證了我國(guó)貨幣政策在由資產(chǎn)負(fù)債表渠道以及銀行借款渠道傳導(dǎo)的過程中，對(duì)企業(yè)存在顯著的非對(duì)稱性影響，從而為深入研究我國(guó)貨幣政策的傳導(dǎo)效應(yīng)以及作用機(jī)理奠定了微觀基礎(chǔ)，為優(yōu)化央行的貨幣政策與宏觀調(diào)控提出更好的政策建議。

基于此，為我國(guó)貨幣政策宏觀調(diào)控提供以下幾點(diǎn)政策建議。

第一，加快推進(jìn)利率市場(chǎng)化改革的進(jìn)程。我國(guó)利率市場(chǎng)化改革從1996年的同業(yè)拆借利率市場(chǎng)化開始一直貫穿于我國(guó)金融市場(chǎng)培育和發(fā)展的全過程。利率市場(chǎng)化是經(jīng)濟(jì)市場(chǎng)化條件下貨幣政策有效調(diào)控宏觀經(jīng)濟(jì)的基本前提，也是央行貨幣政策能影響微觀經(jīng)濟(jì)主體的重要條件。由于我國(guó)央行的利率政策對(duì)銀行信貸供給的調(diào)節(jié)效果不理想，故央行很難通過利率變化改變商業(yè)銀行的貸款供給意圖，從而導(dǎo)致銀行貸款在大型企業(yè)與小型企業(yè)間不均勻分配進(jìn)而影響企業(yè)投融資情況。

因此，加快推進(jìn)利率市場(chǎng)化改革，可以使央行的貨幣政策早日達(dá)到市場(chǎng)化調(diào)控的效果，也能使商業(yè)銀行按照央行的政策意圖調(diào)整信貸供給，解決小型企業(yè)的融資難問題，同時(shí)也能使各金融機(jī)構(gòu)對(duì)市場(chǎng)利率水平形成共識(shí)，防止其無序競(jìng)爭(zhēng)。但在推進(jìn)利率市場(chǎng)化的過程中，也要關(guān)注中小型金融機(jī)構(gòu)由于定價(jià)問題產(chǎn)生的風(fēng)險(xiǎn)，穩(wěn)步有序地推進(jìn)改革進(jìn)程。

第二，政府在對(duì)經(jīng)濟(jì)的宏觀調(diào)控中要充分考慮到金融加速器效應(yīng)帶來的影響，提高對(duì)經(jīng)濟(jì)走勢(shì)的準(zhǔn)確把握能力，同時(shí)根據(jù)企業(yè)規(guī)模制定有區(qū)別的宏觀調(diào)控政策。由于在我國(guó)貨幣政策傳導(dǎo)過程中存在的非對(duì)稱性金融加速器效應(yīng)會(huì)放大以及持續(xù)傳播各種沖擊，因此政府在制定宏觀經(jīng)濟(jì)政策時(shí)，應(yīng)充分考慮到金融加速器效應(yīng)的存在性，并能在盡可能短的時(shí)間內(nèi)準(zhǔn)確地捕捉真實(shí)的經(jīng)濟(jì)信息，分析清楚經(jīng)濟(jì)變動(dòng)趨勢(shì)。只有快速準(zhǔn)確全面地了解當(dāng)前經(jīng)濟(jì)形勢(shì)，才能及時(shí)應(yīng)對(duì)并制定合適的調(diào)控政策，避免發(fā)生較大經(jīng)濟(jì)波動(dòng)。此外，考慮到金融加速器效應(yīng)在企業(yè)規(guī)模上存在的顯著非對(duì)稱性，小型企業(yè)經(jīng)常面臨融資難的問題，并且投資也受到較大約束。因此，為了減輕金融加速器效應(yīng)對(duì)實(shí)際經(jīng)濟(jì)情況的放大作用，從而優(yōu)化企業(yè)投融資環(huán)境，央行在制定貨幣政策時(shí)，應(yīng)引導(dǎo)商業(yè)銀行給予中小型企業(yè)一定程度的融資支持，按照企業(yè)規(guī)模實(shí)施有區(qū)別的貨幣政策。

第三，完善我國(guó)信貸市場(chǎng)的建設(shè)，建立多層次的信貸市場(chǎng)。由于信貸市場(chǎng)上的金融加速器效應(yīng)會(huì)放大宏觀經(jīng)濟(jì)波動(dòng)，與此同時(shí)，我國(guó)信貸市場(chǎng)上存在嚴(yán)重的不均衡現(xiàn)象，即大型銀行與大型企業(yè)占據(jù)了絕大部分的市場(chǎng)與資源。因此，造成了中小企業(yè)融資難的現(xiàn)狀。建立多層次的信貸市場(chǎng)完全符合我國(guó)當(dāng)前需求，并能有效解決信貸市場(chǎng)上資源分配不均衡的現(xiàn)象。建立多層次信貸市場(chǎng)的重點(diǎn)應(yīng)是擴(kuò)大中小市場(chǎng)的層次，大力發(fā)展中小金融機(jī)構(gòu)，增加中小規(guī)模信貸供給者數(shù)量來實(shí)際解決中小企業(yè)融資難的問題。

第四，提高中小企業(yè)的自身融資能力，優(yōu)化其融資外部環(huán)境。在經(jīng)濟(jì)下行期，中小企業(yè)由于其整體規(guī)模較小且數(shù)量較多，融資難的問題顯得尤為突出，因此，中小企業(yè)可通過提高內(nèi)源融資意識(shí)與增強(qiáng)內(nèi)源融資能力提高其自身融資能力。此外，中小企業(yè)還可通過提高自身核心競(jìng)爭(zhēng)力，完善管理制度以提高自身的抗風(fēng)險(xiǎn)能力，緩解融資困境，有利于可持續(xù)發(fā)展。優(yōu)化中小企業(yè)融資外部環(huán)境包括完善相關(guān)法律法規(guī)，為中小企業(yè)融資提供政策保障；鼓勵(lì)發(fā)展風(fēng)投基金與眾籌項(xiàng)目幫助中小企業(yè)融資，近年來，風(fēng)險(xiǎn)投資基金因其為中小企業(yè)發(fā)展提供更好的融資渠道與服務(wù)，幫助一批成長(zhǎng)性高的中小型企業(yè)而迅速發(fā)展，因此，鼓勵(lì)風(fēng)投基金發(fā)展能建立更加完善與健全的多層次融資結(jié)構(gòu)[18]。

當(dāng)然，我們的研究還存在著許多可延伸之處。如若在已有模型基礎(chǔ)上考慮開放條件下的外生沖擊對(duì)貨幣政策傳導(dǎo)產(chǎn)生的影響，雖不會(huì)改變實(shí)證結(jié)論，但會(huì)更加全面地分析貨幣政策傳導(dǎo)機(jī)制，也會(huì)使模型的適用性更廣。此外，若在貨幣政策的傳導(dǎo)過程中，考慮到家庭這個(gè)微觀主體產(chǎn)生的影響，也可以拓展這方面的研究。

參考文獻(xiàn)：

[1]BLINDER A S,STIGLITZ J E.Money,Credit Constraints,and Economic Activity[J].American Economic Review,1983,73(2):297-302.

[2]BERNANKE B S,BLINDER A S.The Federal Funds Rate and the Channels of Monetary Transmission[J].American Economic Review,1992,84(4):901-921.

[3]BERNANKE B,GERTLER M,Simon G.The Financial Accelerator and the Flight to Quality[J].The Review of Economics and Statistics,1996,78(1):1-15.

[4]GERTLER M,GILCHRIST S.Monetary Policy,Business Cycles and the Behavior of Small Manufacturing Firms[J].Quarterly Journal of Economics,1994(109):309-340.

[5]HOLMSTROM B,Tirole J.Financial Intermediation,Loan able Funds,and the Real Sector[J].Quarterly Journal of Economics,1997(112):663-691.

[6]NAGAHATA T,SEKINE T.Firm Investment,Monetary Transmission and Balance-Sheet Problems in Japan:an Investment Using Micro Data[J].Japan and the world Economy,2005,17(3):345-369.

[7]BOUGHEAS S,MIZEN P,Yalcin C.Access to External Finance:Theory and Evidence on the Impact of Monetary Policy and Firm-Specific Characteristics[J].Journal of Banking and Finance,2006,30(1):199-227.

[8]ROMAN H,FIDRMUC J,Horvathova E.Corporate Interest Rates and the Financial Accelerator in the Czech Republic[J].Emerging Markets Finance and Trade,2010,46(4):41-54.

[9]周英章，蔣振聲.貨幣渠道、信用渠道與貨幣政策有效性——中國(guó)1993—2001年的實(shí)證分析和政策含義[J].金融研究，2002(9):34-43.

[10]趙振全，于震，劉淼.金融加速器效應(yīng)在中國(guó)存在嗎？[J].經(jīng)濟(jì)研究，2007(6)：27-38.

[11]方軍雄.所有制、制度環(huán)境與信貸資金配置[J].經(jīng)濟(jì)研究,2007(12):82-93.

[12]HUANG G,SONG F M.The Determinants of Capital Structure Evidence from China[J].China Economics Review,2008(17):14-36.

[13]胡奕明，林文雄，李思琦，等.大貸款人角色：我國(guó)銀行具有監(jiān)督作用嗎？[J].經(jīng)濟(jì)研究，2008(10)：52-64.

[14]曾海艦,蘇冬蔚.信貸政策與公司資本結(jié)構(gòu)[J].世界經(jīng)濟(jì)，2010(8):17-42.

[15]肖爭(zhēng)艷，郭豫媚，潘璐.企業(yè)規(guī)模與貨幣政策的非對(duì)稱效應(yīng)[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2013(9)：74-86.

[16]張四燦.市場(chǎng)化水平與中國(guó)經(jīng)濟(jì)波動(dòng)的平穩(wěn)化——基于擴(kuò)展的RBC模型分析[J].經(jīng)濟(jì)與管理研究，2014(11)：5-13.

[17]VERMEULEN P.Business Fixed Investment:Evidence of a Financial Accelerator in Europe [J].European Central Bank Working Paper Series,2000(37):5-33.

[18]田艷芬.金融資源的內(nèi)涵與配置效率[J].長(zhǎng)春大學(xué)學(xué)報(bào)，2013(7):798-800.

(責(zé)任編輯朱春花)

On the Impact of Monetary Policy on the Real Economy in China:Based on the Financial Accelerator Theory

JIANG Chuna,b,GAN Xub

(a.research center of economic development;b.School of Economics and Management, Wuhan University, Wuhan 430070, Hubei, China)

Abstract：Based on the financial accelerator theory and combined with the distinctive conditions of the credit market in China,this paper explored the micro-foundation of the credit channel in China's monetary policy transmission mechanism in two aspects,that is,the commercial banks and enterprises.In addition, it also proposed some suggestions for the actual situations to optimize the monetary policy and macro-control of China in the consideration of that the existence of financial accelerator effect would influence the regulation effects of the monetary policy.

Key words：Monetary Policy Transmission Mechanism；Financial Accelerator；GMM Estimation；Dynamic Panel Data

中圖分類號(hào)：F822.0

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1674-3571(2016)01-0044-10

作者簡(jiǎn)介：江春(1960- )，男，湖北鄂州人，武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院金融系教授，兼武漢大學(xué)經(jīng)濟(jì)發(fā)展研究中心研究員，經(jīng)濟(jì)學(xué)博士，博士生導(dǎo)師，主要從事貨幣經(jīng)濟(jì)學(xué)研究；甘煦(1993- )，女，湖北武漢人，武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院金融系碩士研究生，主要從事貨幣經(jīng)濟(jì)學(xué)研究。

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目“中國(guó)利率、匯率與央行資產(chǎn)負(fù)債及貨幣供應(yīng)之間的交互影響：實(shí)證分析與政策意涵”(71373187)；“中央高?；究蒲袠I(yè)務(wù)費(fèi)”資助項(xiàng)目

收稿日期：2015-10-20