聯(lián)合授信機(jī)制實(shí)施可以規(guī)范約束企業(yè)的多頭融資和過度融資行為，防控金融風(fēng)險(xiǎn)，提高社會資金使用效率。實(shí)證結(jié)果表明：在微觀企業(yè)層面，盈利能力越高、資產(chǎn)規(guī)模越大或資產(chǎn)負(fù)債率較高的企業(yè)更可能施行聯(lián)合授信機(jī)制，固定資產(chǎn)比例高的企業(yè)更傾向不實(shí)施聯(lián)合授信機(jī)制；從政策效果看，聯(lián)合授信機(jī)制有助于提升企業(yè)的債權(quán)融資效率，其中相較于國有企業(yè)，聯(lián)合授信機(jī)制對于非國有企業(yè)的債權(quán)融資效率提升效果更為顯著。

一、引言

債權(quán)融資是企業(yè)獲取資金的重要外部渠道之一。但近些年來，一些企業(yè)因從多家銀行借貸、過度融資、高杠桿經(jīng)營的問題日趨突出，存在嚴(yán)重風(fēng)險(xiǎn)隱患，部分企業(yè)已爆發(fā)了信用違約風(fēng)險(xiǎn)①，加大了系統(tǒng)性金融風(fēng)險(xiǎn)，嚴(yán)重影響了金融的穩(wěn)定性。這種多頭借貸融資和過度融資也擠占了稀缺的金融資源，降低了資源配置效率。為有效防控企業(yè)多頭授信和過度授信，提升銀行業(yè)金融機(jī)構(gòu)信用風(fēng)險(xiǎn)管控能力，優(yōu)化金融資源配置，提高社會資金的使用效率，關(guān)于聯(lián)合授信的探索早在2013年由溫州地區(qū)各銀行自發(fā)開展并取得成效。2014年開始，聯(lián)合授信機(jī)制的相關(guān)實(shí)踐在全國范圍內(nèi)大規(guī)模展開，從公開可查的新聞報(bào)道可見，浙江、福建、江蘇、重慶、山東等省份在2014年即開展了聯(lián)合授信的相關(guān)探索，2018年5月22日中國銀保監(jiān)會制定了《銀行業(yè)金融機(jī)構(gòu)聯(lián)合授信管理辦法（試行）》，明確了聯(lián)合授信機(jī)制內(nèi)涵，并對參與聯(lián)合授信的企業(yè)進(jìn)行規(guī)范，②以實(shí)現(xiàn)優(yōu)化金融資源配置、降低企業(yè)杠桿率、防范化解重大金融風(fēng)險(xiǎn)的作用。

由于聯(lián)合授信機(jī)制的推出尚處于實(shí)踐探索階段，其政策效果在理論界并未進(jìn)行充分論證?；诖?，本文以2009—2019年中國滬深兩市A股上市公司的數(shù)據(jù)為研究樣本，將2014年作為全國范圍內(nèi)大規(guī)模開展聯(lián)合授信的時(shí)間分割線③，以2009—2013年為對照組、2014—2019年為實(shí)驗(yàn)組，借鑒PSM-DID模型對聯(lián)合授信機(jī)制的政策效應(yīng)進(jìn)行評估，以檢驗(yàn)聯(lián)合授信機(jī)制在微觀領(lǐng)域?qū)ζ髽I(yè)債權(quán)融資效率的政策效果，并在此基礎(chǔ)上針對國有和非國有企業(yè)的融資效率影響效果差異進(jìn)行對比研究，最后探索性提出提升企業(yè)債權(quán)融資效率的具體操作性建議。

二、文獻(xiàn)評述與研究假設(shè)

關(guān)于融資效率影響因素研究，既有從宏觀經(jīng)濟(jì)及行業(yè)角度進(jìn)行的研究，也有從微觀企業(yè)層面進(jìn)行的研究。（1）從宏觀層面。通貨膨脹會降低企業(yè)獲得融資的可能性進(jìn)而降低融資效率。［1］GDP增長率上升會提高企業(yè)融資效率，而CPI提高則會降低企業(yè)的融資效率。［2］經(jīng)濟(jì)政策不確定性上升使企業(yè)融資效率下降。［3］［4］（2）從微觀層面。張根明采用DEA方法并從籌資效率和資源配置效率兩個(gè)維度對中小企業(yè)板塊上市公司的債務(wù)融資效率進(jìn)行實(shí)證研究，發(fā)現(xiàn)企業(yè)僅注重降低融資成本或提高資金使用效率是導(dǎo)致其債權(quán)融資效率偏低的主要原因。［5］吳婭玲研究會計(jì)穩(wěn)健性對公司債權(quán)融資效率的影響，結(jié)果發(fā)現(xiàn)會計(jì)穩(wěn)健性與債權(quán)融資效率呈正相關(guān)關(guān)系，穩(wěn)健的會計(jì)政策會降低債權(quán)人面臨的債務(wù)違約風(fēng)險(xiǎn)，提高公司債權(quán)融資效率。［6］Eisdorfer等發(fā)現(xiàn)企業(yè)經(jīng)理人的個(gè)人行為影響企業(yè)融資效率。［7］胡云飛研究發(fā)現(xiàn)，公司的負(fù)債比率與盈利能力和非負(fù)債稅盾負(fù)相關(guān)，與企業(yè)規(guī)模、所有權(quán)結(jié)構(gòu)、成長機(jī)會、短期負(fù)債、融資擔(dān)保正相關(guān)。［8］黃海燕通過實(shí)證分析發(fā)現(xiàn)，民營企業(yè)家的政治關(guān)系、銀行關(guān)系、工作經(jīng)歷與企業(yè)的融資效率呈現(xiàn)顯著正相關(guān)關(guān)系。［9］Bauer和Esqueda認(rèn)為，信用等級改善了企業(yè)獲得外部資金的途徑，提高了融資效率。［10］（3）從銀行規(guī)模角度分析對企業(yè)融資效率的影響。翁舟杰和楊纮鑄采用實(shí)證分析方法對比大銀行和中小銀行對中小企業(yè)融資效率影響效果，發(fā)現(xiàn)大銀行對中小企業(yè)融資效率提升效果要優(yōu)于中小銀行。［11］

由此可見，現(xiàn)有關(guān)于企業(yè)債權(quán)融資效率的影響因素研究成果多站在企業(yè)自身角度進(jìn)行分析，從融資銀行及融資結(jié)構(gòu)本身對企業(yè)債權(quán)融資效率的影響探討的并不多，而由于聯(lián)合授信機(jī)制的推出尚處于實(shí)踐探索階段，其政策效果在理論界并未進(jìn)行充分論證，也缺少充分有效的數(shù)據(jù)加以檢驗(yàn)，因此關(guān)于聯(lián)合授信機(jī)制與企業(yè)債權(quán)融資效率兩者關(guān)系的研究到目前為止尚未開展過。

聯(lián)合授信機(jī)制歸根結(jié)底是銀行向企業(yè)提供債權(quán)融資的一種方式，基于債權(quán)融資契約約定還本付息強(qiáng)制性［12］，企業(yè)舉借債務(wù)能夠有效約束投資過度［13］。因外部融資成本過高，企業(yè)會減少融資并造成投資不足。［14］在聯(lián)合授信機(jī)制中，各授信參與銀行共同收集并交叉驗(yàn)證所獲得的企業(yè)信息，共同協(xié)商確定企業(yè)的聯(lián)合授信總量，統(tǒng)一設(shè)置企業(yè)融資風(fēng)險(xiǎn)的預(yù)警線,并按照協(xié)議對企業(yè)提供授信和管控風(fēng)險(xiǎn)，不僅有助于減少銀企之間的信息不對稱，而且對授信企業(yè)的對外投資行為具有管理和約束作用。通過聯(lián)合授信對企業(yè)的銀行授信總量進(jìn)行控制，使企業(yè)的外部債權(quán)融資保持在企業(yè)經(jīng)營所需的合理范疇，減少企業(yè)經(jīng)理人因企業(yè)擁有過于充裕的資金而引發(fā)投資過度風(fēng)險(xiǎn)。因此，提出假設(shè)1：聯(lián)合授信機(jī)制對企業(yè)債權(quán)融資效率具有顯著積極影響。

從企業(yè)產(chǎn)權(quán)屬性看，國有企業(yè)相較于非國有企業(yè)風(fēng)險(xiǎn)較小，其對外投資較多承擔(dān)的是政治任務(wù)和社會責(zé)任［15］，因此，銀行在對國有企業(yè)的授信核定時(shí)風(fēng)險(xiǎn)容忍度相對較高，對國有企業(yè)的融資約束相對較小，對其融資資金的使用效率考量較少；相反，非國有企業(yè)在獲取外部融資時(shí)，聯(lián)合授信更多地考慮企業(yè)自身的實(shí)際資金需求及風(fēng)險(xiǎn)承受能力，通常盈利能力強(qiáng)、成長性好、流動性強(qiáng)、規(guī)模大的企業(yè)，更能得到外部融資機(jī)構(gòu)的認(rèn)可，從而有利于拓寬其融資渠道，增強(qiáng)融資能力，因而聯(lián)合授信對該類企業(yè)的融資效率的作用更為顯著，因此提出假設(shè)2：聯(lián)合授信機(jī)制對提升非國有企業(yè)債權(quán)融資效率效果較國有企業(yè)更為顯著。

基于以上假設(shè)，本文圍繞聯(lián)合授信機(jī)制對債權(quán)融資效率的政策效用進(jìn)行研究，首先采用簡潔的Cobb-Dougals生產(chǎn)函數(shù)，采用時(shí)變隨機(jī)前沿技術(shù)（SFA）對上市企業(yè)債權(quán)融資效率進(jìn)行測度；其次，為了控制樣本選擇性偏誤，本文借鑒PSM-DID模型對聯(lián)合授信機(jī)制的政策效應(yīng)進(jìn)行評估。即先采用傾向得分匹配（PSM）法通過傾向得分值將多個(gè)指標(biāo)濃縮成一個(gè)指標(biāo)，從而找到與實(shí)驗(yàn)組盡可能相似的控制組，有效降低樣本的選擇性偏誤，并將匹配后的數(shù)據(jù)運(yùn)用雙重差分（DID）模型檢驗(yàn)實(shí)施聯(lián)合授信機(jī)制是否提高了企業(yè)債權(quán)融資效率。

三、研究設(shè)計(jì)與實(shí)證分析

（一）企業(yè)的債權(quán)融資效率分析

1.企業(yè)的債權(quán)融資效率測度?，F(xiàn)有研究中，對企業(yè)融資效率測度的方法較多，主要包括單一因素法、灰色關(guān)聯(lián)法、模糊綜合評價(jià)法、熵權(quán)法、數(shù)據(jù)包絡(luò)分析法（DEA）以及隨機(jī)前沿分析法（SFA），其中DEA和SFA法運(yùn)用相對較多。DEA為非參數(shù)法，該方法的優(yōu)點(diǎn)是不需要設(shè)定具體的模型，可以允許由多種投入和多種產(chǎn)出，但由于該方法的模型是不確定的，無法納入由隨機(jī)不確定因素所帶來的影響，且測算的效率值不穩(wěn)定，容易受異常值的影響。因此借鑒顏瑞等人的做法［16］，采用單一產(chǎn)出、多投入的隨機(jī)前沿分析法（SFA）對上市企業(yè)債權(quán)融資效率進(jìn)行測算。相對于非參數(shù)DEA，隨機(jī)前沿分析法可以在模型中加入隨機(jī)誤差項(xiàng)將無效率項(xiàng)與隨機(jī)誤差分開，同時(shí)傳統(tǒng)的統(tǒng)計(jì)檢驗(yàn)也可以進(jìn)行，估計(jì)得到的效率值相對比較穩(wěn)定。SFA為參數(shù)法，因此需要給定生產(chǎn)函數(shù)，本文采用簡潔的Cobb-Dougals生產(chǎn)函數(shù)，借鑒Battese和Coelli提出的面板隨機(jī)前沿模型對上市公司債權(quán)融資效率進(jìn)行測算。［17］具體模型設(shè)定如公式（1）所示。

其中，Yit表示廠商i在t時(shí)期的總產(chǎn)出，Xit為廠商i在t時(shí)期的投入要素，β為待估參數(shù)。Vit為隨機(jī)擾動項(xiàng)，服從均值為0，方差為σ2的正態(tài)分布，Uit為非效率項(xiàng)，服從半正態(tài)、對數(shù)或截尾正態(tài)分布，一般大于等于0且Vit與Uit相互獨(dú)立。為了測算技術(shù)效率，假定各廠商均可得到前沿效率，且樣本期間內(nèi)效率只隨時(shí)間的變化而變化，即Uit=0，則有：

其中，TEit表示債權(quán)融資效率。模型（2）表明廠商的前沿效率等于實(shí)際產(chǎn)出與期望產(chǎn)出之比，且廠商的技術(shù)效率是隨時(shí)間變化的，因此用時(shí)變隨機(jī)前沿分析相對更加合理。

在現(xiàn)有研究的基礎(chǔ)上，遵循評價(jià)指標(biāo)的客觀性、全面性、適用性、可獲得性以及可操作性原則，本文選取一個(gè)產(chǎn)出指標(biāo)和三個(gè)投入指標(biāo)，具體變量信息如下：

產(chǎn)出指標(biāo)。根據(jù)現(xiàn)有研究，大多文獻(xiàn)選取了企業(yè)績效、總資產(chǎn)周轉(zhuǎn)率以及企業(yè)成長性作為資金配置的產(chǎn)出指標(biāo)，由于隨機(jī)前沿分析法可以有多個(gè)投入變量只能有一個(gè)產(chǎn)出變量，而總資產(chǎn)周轉(zhuǎn)率反映了企業(yè)資產(chǎn)的質(zhì)量管理和利用效率，營業(yè)收入增長率反映了企業(yè)的成長性和市場占有能力，該兩項(xiàng)財(cái)務(wù)指標(biāo)較好的發(fā)展最終都能夠在盈利能力上體現(xiàn)，因此本文選取用以反映企業(yè)盈利能力的凈資產(chǎn)收益率（ROE）作為產(chǎn)出指標(biāo)。

投入指標(biāo)。借鑒Zou和Adams的方法［18］，選取債權(quán)融資成本（DFC）、債權(quán)融資風(fēng)險(xiǎn)（DFR）以及債權(quán)融資比例（DFRA）作為投入指標(biāo)。其中債權(quán)融資風(fēng)險(xiǎn)（DFR）反映了公司自有資金對償債風(fēng)險(xiǎn)的承受能力，采用產(chǎn)權(quán)比例即負(fù)債與所有者權(quán)益之比表示，該比例越大說明債權(quán)融資風(fēng)險(xiǎn)越大；債權(quán)融資成本（DFC）反映公司獲取債權(quán)融資所支付的成本，采用利息支出與資本化利息之和與債權(quán)融資總額之比來度量，該比例越大說明債權(quán)融資成本越高；債權(quán)融資比例（DFRA）反映債權(quán)融資在企業(yè)所有外部融資中的占比，采用債權(quán)融資總額/（債權(quán)融資總額+股本+資本公積）進(jìn)行量化，該比例越大說明企業(yè)外部資金來源更多地來自債權(quán)融資。

投入產(chǎn)出數(shù)據(jù)均來自于WIND數(shù)據(jù)庫和CSMAR國泰安數(shù)據(jù)庫并進(jìn)行相應(yīng)的整理得到。由于在后文中需要設(shè)置2009—2013年為對照組，因此，選取的樣本期間為2009—2019年。由于A股上市企業(yè)較多，用Excel軟件對下述5種情況的樣本進(jìn)行了篩選或剔除：（1）剔除了被ST、ST*或PT類處理的企業(yè)；（2）剔除了關(guān)鍵變量數(shù)據(jù)嚴(yán)重缺失的企業(yè)；（3）剔除了數(shù)據(jù)明顯異常的企業(yè)，如企業(yè)資產(chǎn)負(fù)債率大于100%或企業(yè)績效為負(fù)；（4）剔除了金融類上市企業(yè)；（5）剔除了2013年之后上市的企業(yè)。在進(jìn)行效率測度之前，對各變量的數(shù)字特征進(jìn)行描述性分析。為了避免異常值的影響，對投入產(chǎn)出變量進(jìn)行了縮尾處理，且后續(xù)研究均采用處理后的數(shù)據(jù)。

2.時(shí)變隨機(jī)前沿估計(jì)結(jié)果分析。在進(jìn)行測度之前，本文同時(shí)對隨機(jī)前沿分析的適用性以及時(shí)變隨機(jī)前沿分析的必要性進(jìn)行LR檢驗(yàn)。檢驗(yàn)結(jié)果見表1。

表1 LR檢驗(yàn)表

由LR檢驗(yàn)可知，不存在無效率項(xiàng)的LR檢驗(yàn)p值小于0.05，故應(yīng)拒絕原假設(shè)，說明企業(yè)債權(quán)融資存在無效率項(xiàng)，使用SFA估計(jì)比OLS估計(jì)更優(yōu)。不存在時(shí)變性的LR檢驗(yàn)P值小于0.05，故應(yīng)拒絕企業(yè)債權(quán)融資效率非時(shí)變的原假設(shè)，因此有必要采用時(shí)變隨機(jī)前沿分析法進(jìn)行效率的測度。

借助Frontier 4.1軟件進(jìn)行隨機(jī)前沿模型的參數(shù)估計(jì)，參數(shù)估計(jì)結(jié)果見表2。為了便于比較，同時(shí)將非時(shí)變的情形也披露在表2中。兩個(gè)方程的γ系數(shù)在1%的顯著性水平下均顯著非0，說明SFA模型適用。η的系數(shù)為-0.0212，且通過了1%顯著性水平檢驗(yàn)，說明債權(quán)融資效率會隨時(shí)間變化，且系數(shù)小于0，說明隨時(shí)間呈現(xiàn)衰減趨勢。第二列的μ值在1%的顯著性水平下顯著，說明存在技術(shù)無效率項(xiàng)。參數(shù)估計(jì)表明，債權(quán)融資成本和債權(quán)融資風(fēng)險(xiǎn)越高，不利于企業(yè)盈利能力的提高，債權(quán)融資比例對企業(yè)績效具有積極的影響。

（二）實(shí)證模型的設(shè)定

為了控制樣本選擇性偏誤，本文借鑒PSM-DID模型對聯(lián)合授信機(jī)制的政策效應(yīng)進(jìn)行評估。首先采用傾向得分匹配（PSM）法通過傾向得分值將多個(gè)指標(biāo)濃縮成一個(gè)指標(biāo)，從而找到與實(shí)驗(yàn)組盡可能相似的控制組，有效降低樣本的選擇性偏誤，并將匹配后的數(shù)據(jù)運(yùn)用雙重差分（DID）模型檢驗(yàn)實(shí)施聯(lián)合授信機(jī)制是否提高了企業(yè)債權(quán)融資效率。

表2 時(shí)變隨機(jī)前沿模型參數(shù)估計(jì)表

傾向得分匹配法（PSM）最開始應(yīng)用于醫(yī)學(xué)方面的研究，用于檢驗(yàn)?zāi)撤N新研制藥物的作用，后續(xù)逐漸被運(yùn)用于經(jīng)濟(jì)、金融等方面的政策效應(yīng)評估。該方法的原理是用除實(shí)驗(yàn)變量之外的多個(gè)維度為實(shí)驗(yàn)組匹配出控制組，實(shí)驗(yàn)組和控制組之間以是否進(jìn)行了實(shí)驗(yàn)為區(qū)分，避免受其他影響因素對實(shí)驗(yàn)效果的干擾。本文希望通過PSM方法降低內(nèi)生性問題，并降低實(shí)驗(yàn)組與控制組的差異性。具體步驟如下：

首先，確立初始樣本，通過傾向得分值將多個(gè)指標(biāo)整合為一個(gè)指標(biāo)，進(jìn)而獲得實(shí)驗(yàn)組和控制組數(shù)據(jù)，具體模型設(shè)定如公式（3）所示。

其次，將匹配得到的實(shí)驗(yàn)組與控制組樣本進(jìn)行雙重差分模型檢驗(yàn)聯(lián)合授信在企業(yè)債權(quán)融資效率的政策效應(yīng)。具體模型設(shè)定如公式（4）所示。

其中，TE為企業(yè)債權(quán)融資效率，由隨機(jī)前沿分析法測算得到。Treat和Post分別為分組虛擬變量和時(shí)間虛擬變量。雖然2018年銀保監(jiān)會以頒布正式文件方式全面實(shí)施聯(lián)合授信機(jī)制，但聯(lián)合授信的實(shí)踐從2014年起在多個(gè)省份就已經(jīng)展開。為了增加樣本量，本文將2014年聯(lián)合授信的試點(diǎn)年份作為聯(lián)合授信實(shí)施的分界點(diǎn)，因此2014年之前Post取值為0，即為控制組，2014—2019年P(guān)ost取值為1,即為實(shí)驗(yàn)組；對于處理變量，由于上市企業(yè)的融資數(shù)據(jù)存在一定年份的缺失，因此將上市企業(yè)2014—2019年平均融資余額在20億以上且融資機(jī)構(gòu)在3家及以上的企業(yè)Treat取值為1，否則取值為0。④控制變量或協(xié)變量為企業(yè)總資產(chǎn)規(guī)模（ROA）、總資產(chǎn)周轉(zhuǎn)率（TAT）、資產(chǎn)負(fù)債率（LEV）、規(guī)模（SIZE）、固定資產(chǎn)比例（FCR）以及企業(yè)年齡（AGE）。ind為行業(yè)虛擬變量，year為年度虛擬變量。

（三）樣本匹配結(jié)果分析

借助Stata15.1軟件，運(yùn)用Logit回歸計(jì)算樣本的傾向得分，采用近鄰1:2有放回匹配的方法選擇控制樣本。Logit回歸結(jié)果見表3。

由Logit回歸可知，在5%的顯著性水平下，企業(yè)盈利能力、資產(chǎn)負(fù)債率以及資產(chǎn)規(guī)模對施行聯(lián)合授信政策的可能性具有顯著的正向影響，而固定資產(chǎn)比例對施行聯(lián)合授信政策的可能性具有顯著的負(fù)向影響，說明盈利能力越高、資產(chǎn)規(guī)模越大或資產(chǎn)負(fù)債率較高的企業(yè)更加可能施行聯(lián)合授信政策，固定資產(chǎn)比例高的企業(yè)更傾向不實(shí)施聯(lián)合授信政策。

表3 Logit回歸參數(shù)估計(jì)表

一般而言，銀行對企業(yè)給予企業(yè)核定授信額度并進(jìn)行融資投放主要從企業(yè)本身的信用狀況和資金需求的合理性兩個(gè)方面的因素考慮?；诖耍?guī)模大和盈利能力強(qiáng)的企業(yè)必然是大多數(shù)銀行競相爭取合作的對象，因而為實(shí)施聯(lián)合授信政策提供了基礎(chǔ)和條件；而企業(yè)資產(chǎn)負(fù)債率高說明其所承擔(dān)的外部負(fù)債較多，銀行和企業(yè)為了有效防控風(fēng)險(xiǎn)會傾向于組建聯(lián)合授信機(jī)制；相反，固定資產(chǎn)比例高的企業(yè)本身具有相對較多的可用于辦理抵質(zhì)押擔(dān)保的資產(chǎn)，因而融資渠道較為暢通，故參與聯(lián)合授信的概率相對固定資產(chǎn)少的企業(yè)更低。

通過近鄰1:2有放回匹配雖然得到了匹配后的實(shí)驗(yàn)組和控制組，但是還需要通過平衡性檢驗(yàn)傾向得分匹配的效果。通過平衡性檢驗(yàn)結(jié)果可知，在匹配之前除了企業(yè)年限外，其他協(xié)變量之間均存在顯著差異，經(jīng)過傾向得分匹配之后，t檢驗(yàn)表明，變量間不存在顯著差異，說明匹配之后，處理值與控制組在各匹配維度上基本相同，從而有效避免了由樣本自主選擇偏誤導(dǎo)致的內(nèi)生性問題。

（四）PSM-DID模型參數(shù)估計(jì)

通過傾向得分匹配后，本文運(yùn)用匹配后的樣本進(jìn)行雙重差分模型檢驗(yàn)（DID模型），最終的估計(jì)結(jié)果見表4。為了避免行業(yè)和年度的影響，對行業(yè)和年度因素進(jìn)行控制。同時(shí)對各企業(yè)按照產(chǎn)權(quán)屬性進(jìn)行了分組，用于檢驗(yàn)實(shí)行聯(lián)合授信機(jī)制的政策效果是否在產(chǎn)權(quán)屬性上存在差異。

由DID模型的參數(shù)估計(jì)表可知，（1）列Treat×Post的系數(shù)為0.0015，且通過了1%顯著性水平的檢驗(yàn)，說明相對于沒有實(shí)施聯(lián)合授信機(jī)制的企業(yè)，實(shí)施聯(lián)合授信機(jī)制的企業(yè)債權(quán)融資效率得到顯著提升，表明企業(yè)實(shí)行聯(lián)合授信政策有助于提高企業(yè)的債權(quán)融資效率，本結(jié)果驗(yàn)證了假設(shè)1；（2）列Treat×Post的系數(shù)為0.0001，但是未通過顯著性水平的檢驗(yàn)；（3）列Treat×Post的系數(shù)為0.0034，且在1%的顯著性水平下顯著，說明聯(lián)合授信政策的實(shí)施對企業(yè)債權(quán)融資效率的影響存在差異，相對于國有企業(yè)，非國有企業(yè)實(shí)行聯(lián)合授信政策對債權(quán)融資效率的提高作用更為顯著，以上結(jié)果驗(yàn)證了假設(shè)2。

由于國有企業(yè)本身具有區(qū)別于自由市場經(jīng)濟(jì)下一般企業(yè)的獨(dú)特性，國有企業(yè)普遍背負(fù)著諸如經(jīng)濟(jì)發(fā)展戰(zhàn)略、就業(yè)、稅收、社會穩(wěn)定等政策性使命和負(fù)擔(dān)，造成國有企業(yè)資金募集、資金使用和收益的低效率，同時(shí)政治關(guān)系、政府干預(yù)等因素也影響了銀行向國有企業(yè)的貸款決策。在中國經(jīng)濟(jì)轉(zhuǎn)型的背景下，國有企業(yè)和非國有企業(yè)所面臨的融資約束在模式上存在不同，國有企業(yè)普遍存在著預(yù)算軟約束。［19］結(jié)合產(chǎn)權(quán)理論、代理理論和信息不對稱理論，也可以得出聯(lián)合授信機(jī)制對國有企業(yè)債權(quán)融資效率提高的影響作用要弱于非國有企業(yè)的結(jié)論。

表4 聯(lián)合授信對債權(quán)融資效率的影響分析

（五）穩(wěn)健性檢驗(yàn)

基礎(chǔ)回歸采用傾向得分匹配后的數(shù)據(jù)進(jìn)行DID模型參數(shù)估計(jì)，為了檢驗(yàn)上述模型的穩(wěn)定性，還需要對模型進(jìn)行穩(wěn)健性檢驗(yàn)，下文分別采用平行趨勢檢驗(yàn)和改變匹配方法的DID參數(shù)估計(jì)兩種方法。

1.平行趨勢檢驗(yàn)。本文通過PSM-DID驗(yàn)證了聯(lián)合授信政策促進(jìn)了企業(yè)債權(quán)融資效率。DID模型是基于平行趨勢的假定下，即實(shí)驗(yàn)組和控制組在政策時(shí)點(diǎn)前具有一致的趨勢?，F(xiàn)通過在回歸中加入各時(shí)點(diǎn)虛擬變量與政策變量的交互項(xiàng)，若政策前的交互項(xiàng)系數(shù)不顯著，則表明的確具有平行趨勢。因此借助Stata15.1軟件，繪制了時(shí)間虛擬變量與政策變量交互系數(shù)圖（圖1）。橫坐標(biāo)的數(shù)字0反映的是政策當(dāng)年，0的左邊為政策前，右邊為政策實(shí)施后。垂直的線段表示系數(shù)標(biāo)準(zhǔn)誤，若標(biāo)準(zhǔn)誤不包含0，則說明系數(shù)在5%顯著性水平下顯著。

由圖1可知，在政策發(fā)生前，虛擬變量與政策交互項(xiàng)系數(shù)不顯著，說明政策前實(shí)驗(yàn)組與控制組具有共同的趨勢。政策實(shí)施當(dāng)年至第三年，聯(lián)合授信表現(xiàn)出負(fù)的政策效果，第四期開始聯(lián)合授信的正向政策效果開始顯現(xiàn)，在1%的顯著性水平下交互項(xiàng)系數(shù)顯著為正。

2.改變匹配方法的DID參數(shù)估計(jì)。本文采用核匹配、卡尺匹配、局部線性匹配以及1:1無放回匹配法進(jìn)行實(shí)驗(yàn)組與對照組的匹配，然后再次進(jìn)行DID估計(jì)，參數(shù)估計(jì)結(jié)果見表5。（1）、（2）、（3）、（4）列中交互項(xiàng)的系數(shù)均顯著為正。綜合上述結(jié)果可知，聯(lián)合授信對融資效率的政策效應(yīng)對匹配方法不敏感，驗(yàn)證了模型的穩(wěn)健性。

圖1 平行趨勢檢驗(yàn)圖

表5 穩(wěn)健回歸參數(shù)估計(jì)

四、結(jié)論與政策建議

本文研究聯(lián)合授信機(jī)制對企業(yè)債權(quán)融資效率的影響作用，研究結(jié)論如下：（1）聯(lián)合授信機(jī)制對企業(yè)債權(quán)融資效率具有顯著的積極影響。從控制變量來看，企業(yè)盈利能力、總資產(chǎn)周轉(zhuǎn)率、資產(chǎn)負(fù)債率和資產(chǎn)規(guī)模與企業(yè)債權(quán)融資效率呈現(xiàn)顯著的正向關(guān)系；固定資產(chǎn)比例與企業(yè)債權(quán)融資效率呈現(xiàn)顯著的負(fù)向關(guān)系。（2）從聯(lián)合授信政策效應(yīng)評估研究結(jié)果看，聯(lián)合授信機(jī)制的實(shí)施對債權(quán)融資效率的影響存在差異，相較于國有企業(yè)，非國有企業(yè)更加可能施行聯(lián)合授信政策且政策效應(yīng)更為明顯；盈利能力越高、資產(chǎn)規(guī)模越大或資產(chǎn)負(fù)債率較高的企業(yè)更加可能施行聯(lián)合授信政策，固定資產(chǎn)比例高的企業(yè)更不傾向?qū)嵤┞?lián)合授信政策。

基于以上結(jié)論，本文認(rèn)為聯(lián)合授信機(jī)制對企業(yè)債權(quán)融資效率的相關(guān)影響研究無論對企業(yè)選取合適的融資策略還是對聯(lián)合授信機(jī)制的有效實(shí)行都具有積極的指導(dǎo)意義。

第一，企業(yè)可通過積極參與聯(lián)合授信提升其融資效率。在對合作銀行的選擇上要考慮企業(yè)自身發(fā)展所需的銀行數(shù)量，并對單一最大授信銀行、單一最高融資占比、融資期限和融資擔(dān)保等具體融資方式進(jìn)行選擇和布局。企業(yè)在選擇授信機(jī)構(gòu)時(shí)，要選擇風(fēng)險(xiǎn)、成本最佳組合的金融機(jī)構(gòu)作為授信合作單位，對資金需求和信貸投放進(jìn)度，要提前謀劃，及早對接，減少因無法獲得授信而產(chǎn)生的流動性風(fēng)險(xiǎn)。在融資期限的選擇上，由于債務(wù)期限結(jié)構(gòu)不均衡會影響企業(yè)融資效率，短期融資成本較低但容易產(chǎn)生流動性壓力從而導(dǎo)致企業(yè)融資風(fēng)險(xiǎn)加大，而長期融資對企業(yè)投資活動現(xiàn)金流具有改善作用但資金成本較高，因此，企業(yè)要利用聯(lián)合授信機(jī)制優(yōu)化自身債務(wù)結(jié)構(gòu)，使企業(yè)的融資結(jié)構(gòu)與資產(chǎn)結(jié)構(gòu)相匹配，避免融資期限錯(cuò)配，進(jìn)而使企業(yè)投融資效率得到提升。

第二，企業(yè)可以參與聯(lián)合授信為契機(jī)，對企業(yè)自身內(nèi)部相關(guān)的生產(chǎn)、銷售、財(cái)務(wù)等相關(guān)管理制度進(jìn)行全面自查并在此基礎(chǔ)上加以完善。企業(yè)通過獲得聯(lián)合授信額度的過程，了解融資機(jī)構(gòu)所關(guān)注企業(yè)所存在的風(fēng)險(xiǎn)點(diǎn)，從而查漏補(bǔ)缺完善企業(yè)的各項(xiàng)管理，降低公司的融資風(fēng)險(xiǎn)，提高融資效率。對于企業(yè)管理者，企業(yè)可依據(jù)法律法規(guī)、規(guī)章制度以及內(nèi)控管理體系等建立對管理者行為的有效監(jiān)管和約束機(jī)制，進(jìn)而減少道德風(fēng)險(xiǎn)和逆向選擇的發(fā)生概率，從而防止管理者損害公司利益的行為，確保公司健康有序地發(fā)展。

第三，銀行在組建聯(lián)合授信時(shí)，應(yīng)有針對性選擇參與聯(lián)合授信的企業(yè)，將關(guān)注點(diǎn)集中在民營企業(yè)，使聯(lián)合授信政策對企業(yè)的債權(quán)融資效率起到顯著的積極效用。在組建聯(lián)合授信過程中，也要對聯(lián)合授信的銀行參與方及參與授信額度進(jìn)行合理規(guī)劃和管理，對參與聯(lián)合授信的銀行家數(shù)、牽頭銀行屬性及規(guī)模、授信額度的分配以及增信措施均要給予考慮和布局。建立和完善對企業(yè)風(fēng)險(xiǎn)的識別能力。通過貸前盡調(diào)和貸后管理，與企業(yè)保持密切的信息交流，充分了解企業(yè)的財(cái)務(wù)及信用情況相關(guān)數(shù)據(jù)信息，同時(shí)可通過銀行與企業(yè)之間的信息化系統(tǒng)對接，采用現(xiàn)代科技手段降低企業(yè)信息披露成本，保證信息披露安全、完整、透明和及時(shí)，維護(hù)企業(yè)信用，降低企業(yè)與融資機(jī)構(gòu)之間信息不對稱的概率，以便企業(yè)可在最短時(shí)間內(nèi)獲得銀行授信的同時(shí)也降低了融資的成本，保障企業(yè)經(jīng)營和投資的順利進(jìn)行。同時(shí)，聯(lián)合授信銀行也應(yīng)該對企業(yè)建立有效的監(jiān)管機(jī)制及合理的信用風(fēng)險(xiǎn)評價(jià)機(jī)制，防止企業(yè)在獲取銀行融資后進(jìn)行無效投資或投資過度，在防控風(fēng)險(xiǎn)、穩(wěn)定銀企關(guān)系的同時(shí)幫助企業(yè)提升資金使用效率，促進(jìn)企業(yè)健康發(fā)展。

第四，政策層面需區(qū)分國有企業(yè)和非國有企業(yè)，有的放矢地提升債權(quán)融資效率。研究表明聯(lián)合授信機(jī)制對國有企業(yè)的投融資效率并不會有顯著改善的作用，對于國有企業(yè)中所存在的因內(nèi)部現(xiàn)金流過于充足而產(chǎn)生非效率投資的情況，政府應(yīng)加快國有企業(yè)的制度創(chuàng)新和改革，盡快建立和完善產(chǎn)權(quán)市場，實(shí)現(xiàn)國有資產(chǎn)的合理流動，加快國有大中型企業(yè)投資主體多元化進(jìn)程，將市場化機(jī)制引入國有企業(yè)治理當(dāng)中，完善企業(yè)激勵(lì)機(jī)制，推進(jìn)國有企業(yè)兼并重組，使國有企業(yè)能夠迅速擴(kuò)大資本，通過做強(qiáng)、做大優(yōu)勢企業(yè)來提高企業(yè)的投融資效率。而對于民營企業(yè)融資成本相對較高，融資約束相對較大，政府可以通過定向降準(zhǔn)、鼓勵(lì)面向特殊領(lǐng)域的專項(xiàng)貸款或補(bǔ)貼等多種方式，拓寬民營企業(yè)的資金獲取渠道，降低民營企業(yè)的融資成本。

注釋：

①如渤海鋼鐵、東北特鋼、中鋼集團(tuán)、雨潤集團(tuán)、齊星集團(tuán)、賽維集團(tuán)、輝山乳業(yè)、樂視集團(tuán)、海航集團(tuán)等。

②聯(lián)合授信是指超過3家以上的銀行業(yè)金融機(jī)構(gòu)向同一家企業(yè)（集團(tuán)）提供債務(wù)融資的情況。聯(lián)合授信管理是約束多家銀行對單一企業(yè)過度融資的一種監(jiān)管制度。規(guī)定對在3家以上銀行業(yè)金融機(jī)構(gòu)有融資余額，且融資余額合計(jì)在50億元以上的企業(yè)，應(yīng)建立聯(lián)合授信機(jī)制；對在3家以上的銀行業(yè)金融機(jī)構(gòu)有融資余額，且融資余額合計(jì)在20億～50億元之間的企業(yè)，可自愿建立聯(lián)合授信機(jī)制。

③盡管聯(lián)合授信政策的推出是在2018年，考慮到實(shí)證研究中對樣本量的要求以及2014年開始在浙江、江蘇、福建、重慶、山東等全國多個(gè)省份進(jìn)行了聯(lián)合授信管理的實(shí)踐嘗試，從而界定本文研究實(shí)行聯(lián)合授信機(jī)制的樣本時(shí)間區(qū)間為2014—2019年。

④該標(biāo)準(zhǔn)主要基于審慎選擇、數(shù)據(jù)可得性原則以及樣本量考慮而確定。由于2014年聯(lián)合授信開始在全國各地開展，各地區(qū)在聯(lián)合授信實(shí)踐中選擇的企業(yè)對象標(biāo)準(zhǔn)不一，如：浙江省實(shí)施聯(lián)合授信機(jī)制的企業(yè)標(biāo)準(zhǔn)采用“授信總額在1億元以上且授信銀行或擬授信銀行3家（含）以上的企業(yè)（含集團(tuán)客戶）”，福建省采用“授信銀行在2家（含）以上，授信總額8億元（含）以上的企業(yè)集群”，重慶市采用“授信總額20億元以上且授信銀行2家（含）以上的企業(yè)（含集團(tuán)客戶）”，山東省采用“對授信20億元、10億元以上的區(qū)域性重要客戶”，河南省以“債務(wù)規(guī)模在3億元以上且3家以上債權(quán)銀行”，但在2018年中國銀保監(jiān)會通過制度方式明確了聯(lián)合授信的實(shí)施對象，即“在3家以上銀行業(yè)金融機(jī)構(gòu)有融資余額，且融資余額合計(jì)在50億元以上的企業(yè)，銀行業(yè)金融機(jī)構(gòu)應(yīng)建立聯(lián)合授信機(jī)制；對在3家以上的銀行業(yè)金融機(jī)構(gòu)有融資余額，且融資余額合計(jì)在20億～50億元之間的企業(yè)，銀行業(yè)金融機(jī)構(gòu)可自愿建立聯(lián)合授信機(jī)制”。在后續(xù)實(shí)踐中各地區(qū)銀行業(yè)協(xié)會均以從嚴(yán)原則執(zhí)行銀保監(jiān)會的聯(lián)合授信管理辦法。因此，本文比照聯(lián)合授信管理辦法中提議自愿建立聯(lián)合授信機(jī)制的企業(yè)標(biāo)準(zhǔn)，選擇2014—2019年期間授信銀行在3家以上，融資余額在20億元以上的A股上市的企業(yè)作為實(shí)行聯(lián)合授信機(jī)制的樣本。