耿慶峰，林騰雄

（閩江學(xué)院，福建 福州 350108）

一、引言

近年來經(jīng)濟政策不確定性的加劇引起了學(xué)者們的注意。我國當(dāng)前處于三期疊加的特殊時期，如何確保經(jīng)濟穩(wěn)定運行、減少經(jīng)濟波動是一個重要命題。自2007 年后，我國經(jīng)濟增速開始放緩，經(jīng)濟政策不確定指數(shù)不斷攀高并且波動較大，在2008 年金融危機沖高回落，又在2010-2012 年升至階段性最高點，2015 年股市的暴漲暴跌再一次抬高了貨幣政策的不確定性。在經(jīng)濟下行時期，政策不確定性上升的原因主要有兩個：一是政府為提振經(jīng)濟往往會頻繁采取政策手段刺激經(jīng)濟恢復(fù)，二是此時對經(jīng)濟系統(tǒng)進行新的變革成本較低（Bachmann 和Moscarini ，2011）。但是，政策頻繁變動本身可能會不利于經(jīng)濟的運行。政策不確定會使未來變得難以預(yù)測，加大了微觀個體決策的難度。企業(yè)在國民經(jīng)濟中扮演了重要角色，企業(yè)績效的優(yōu)劣直接關(guān)系到國民經(jīng)濟的表現(xiàn)和資本市場上投資者的判斷。面對日益加劇的經(jīng)濟政策不確定性，企業(yè)尤其是民營企業(yè)面臨較大的挑戰(zhàn)。在這樣的背景下，研究政策不確定性對企業(yè)績效的影響具有較強的現(xiàn)實意義。

二、文獻綜述

關(guān)于政策不確定性對企業(yè)的影響。從國外研究看，不確定性產(chǎn)生的影響在微觀上表現(xiàn)為企業(yè)生產(chǎn)率和投資決策的變動。投資包括人力和物質(zhì)的投資。Alessandria 等（2015）在兩國模型中討論了不確定性對廠商生產(chǎn)率的一階矩和二階矩沖擊。在此之前已有學(xué)者研究了不確定性與投資波動的關(guān)系（Bernanke，1983）。后面有不少研究結(jié)論表明，不確定性在短期抑制消費、投資和產(chǎn)出，中期會恢復(fù)到正常水平。Christiano 等（2014）強調(diào)不確定性對投資的沖擊，投資和生產(chǎn)率受到負面沖擊，都會反映在產(chǎn)出水平上。Bloom（2009）在二階矩時變模型下發(fā)現(xiàn)不確定性在短期抑制企業(yè)產(chǎn)出，而一階矩的沖擊是長期的。從國內(nèi)看，不少文獻集中于政策不確定性對企業(yè)投融資行為的影響（李鳳羽和楊墨竹，2015；才國偉等，2018；王紅建等，2014），這些文獻都認為，政策不確定性會抑制企業(yè)投資。何斌和劉雯（2019）探討了經(jīng)濟政策不確定性對企業(yè)股權(quán)和股價的影響。顧夏銘等（2018）研究了經(jīng)濟政策不確定性與企業(yè)創(chuàng)新的關(guān)系，認為經(jīng)濟政策不確定性最終會反映在企業(yè)績效上。

關(guān)于金融摩擦對企業(yè)績效的影響。自Bernanke 等（1999）建立包含以金融摩擦為誘因的金融加速機制模型之后，不少文獻將這一機制加以擴展。金融危機的爆發(fā)促使學(xué)者們更加關(guān)心金融在經(jīng)濟中扮演的角色。目前較多研究認為，金融摩擦?xí)蛊髽I(yè)的生產(chǎn)率受創(chuàng)，生產(chǎn)率的低迷反過來抑制企業(yè)的再借貸，形成加速機制（張建華等，2018；簡則等，2018）。

目前將經(jīng)濟政策不確定性、金融加速器與企業(yè)績效放在統(tǒng)一的理論框架下進行分析的研究較少，相關(guān)文獻較為缺乏。本文嘗試用一個統(tǒng)一的理論框架將以往的研究成果和新進展整合在一起，論證經(jīng)濟政策不確定性、金融加速器與企業(yè)績效的關(guān)系。本文的邊際貢獻主要如下：第一，在統(tǒng)一的框架下討論了經(jīng)濟政策不確定性與企業(yè)績效關(guān)系，對傳導(dǎo)機制作了初步總結(jié)，闡述了經(jīng)濟政策不確定性是從企業(yè)勞動需求和投資抑制了企業(yè)績效。加深了相關(guān)研究領(lǐng)域，不局限于政策不確定性對企業(yè)投融資行為的改變，而是進一步研究企業(yè)績效受到的沖擊。第二，拓展了經(jīng)濟政策不確定的相關(guān)領(lǐng)域，對經(jīng)濟政策不確定性的作用渠道進行中介效應(yīng)檢驗，進一步考慮了企業(yè)績效的長短期反應(yīng)、金融摩擦因素、企業(yè)性質(zhì)。研究上豐富了層次，政策上可以為政策制定提供參考。第三，與已有研究使用的政策不確定衡量指標不同，本文既不是使用官員變動等政治指標，也不是使用Baker 等（2016）編制的指數(shù)，而是使用Huang 和Luk（2018）針對中國情況編制的指數(shù)，將政策不確定分為貨幣政策不確定和財政政策不確定進行討論。第四，在動態(tài)隨機一般均衡中引入了貨幣政策不確定性、財政政策不確定性、企業(yè)績效、金融加速器和居民部門的金融摩擦。

三、理論模型

參考Bernanke 等（1999）、Christensen 和 Dib（2008）的研究，建立一個包含政策不確定、金融加速器與企業(yè)績效的動態(tài)隨機一般均衡模型。在新凱恩斯框架下引入了價格粘性、名義債務(wù)、投資調(diào)整?？偣舶ㄈ齻€部門：居民部門包含了負債情形與盈余情形，生產(chǎn)部門分為企業(yè)、資本生產(chǎn)者和零售商，政府分為財政部門和貨幣政策執(zhí)行部門。

（一）居民部門

假設(shè)每個居民具有無限期的生命，每個居民都向生產(chǎn)者提供同質(zhì)勞動。居民通過選擇消費、現(xiàn)金、儲蓄、借款和勞動來最大化生命周期效用。每個居民在每一期與金融機構(gòu)的往來要么是存款，要么是借款，兩件可能事件構(gòu)成完備事件。居民將通過選擇勞動和儲蓄最大化其效用：

面臨的約束條件如下：

其中：t表示時間，β為貼現(xiàn)因子，γ為消費與貨幣持有量的替代彈性，ωs為居民向銀行存款的概率，η為閑暇在效用函數(shù)中所占的比重，e為消費偏好沖擊，b為貨幣需求沖擊，c為消費，M為貨幣持有量，P為價格水平，L為勞動，f×B為借款時的溢價本息和，W為工資，R、D為無風(fēng)險儲蓄本息，T為總稅收。家庭以無風(fēng)險利率存款，以溢價進行借款。由于居民的市場地位較弱，只能是外部融資溢價的接受者，基于此將金融加速器機制引入居民部門。

（二）生產(chǎn)部門

企業(yè)通過借款融資，將資本轉(zhuǎn)化為零售商品。企業(yè)對資本的需求取決于預(yù)期資本回報率，即資本邊際產(chǎn)出與資本增值的和：

企業(yè)向銀行借款，因為信息不對稱的存在，銀行只能以企業(yè)的資產(chǎn)負債表為判斷標準，確定融資溢價水平：

其中：n為凈資產(chǎn)，q為資產(chǎn)價格，Kp為私人資本，π為通貨膨脹水平，mk為資本邊際產(chǎn)出，ψ為企業(yè)杠桿的外部融資溢價彈性。企業(yè)的杠桿越高，外部融資溢價將越高，加重了企業(yè)的成本負擔(dān)，使企業(yè)資產(chǎn)負債表進一步惡化，帶來了惡性循環(huán)。為防止企業(yè)資產(chǎn)的無窮積累，假設(shè)每一期企業(yè)沒有退出市場的概率為v，凈資產(chǎn)的積累方程為：

由企業(yè)績效度量指標ROE 的定義可以得出：

不考慮技術(shù)增長，企業(yè)的生產(chǎn)函數(shù)為：

其中：α1、α2、α3 分別表示私人資本、勞動收入和公共資本所占有的份額，KG為公共資本。A為技術(shù)水平，它的沖擊服從AR（1）過程。

其中：κ為投資調(diào)整參數(shù)，δ為折舊率。私人資本積累方程為：

零售商利用企業(yè)生產(chǎn)的中間產(chǎn)品無成本地生產(chǎn)零售商品。每件商品是異質(zhì)的，所以零售商具有一定的壟斷力量。零售商的生產(chǎn)函數(shù)為：

其中：下標i 表示不同的產(chǎn)品，ψj為不同中間產(chǎn)品的替代彈性。中間產(chǎn)品產(chǎn)量和最終產(chǎn)品產(chǎn)量的關(guān)系為：

每個零售商在每一期有θ的概率保持價格不變，有1-θ的概率最優(yōu)化價格水平，因此整個市場有1-θ的廠商選擇了最優(yōu)價格。通過Calvo 定價，確定了價格水平。Calvo 定價規(guī)則與最終產(chǎn)品價格水平的表達式如下：

（三）政府部門

政府部門分為財政當(dāng)局和貨幣政策執(zhí)行部門進行討論。貨幣政策執(zhí)行部門參考Ireland（2003）設(shè)置為：

其中：下標ss表示穩(wěn)態(tài)，γu、γY和γπ分別為對貨幣增長速度、對產(chǎn)出缺口和對通貨膨脹的反應(yīng)系數(shù)，u為貨幣增長，SR為貨幣政策沖擊，其隨機沖擊變量的分布為N（0，σt2）。參考Bloom（2009）和Arellano 等（2012），貨幣政策不確定σt服從AR（1）過程的隨機沖擊：

政策不確定性沖擊的引入一定程度上回答了外生沖擊的問題（Bloom，2014）。方差越大表示政策的不確定性越大。在我國并不存在完全規(guī)則或者完全相機決策的財政調(diào)整（張佐敏，2014）。參照吳化斌等（2011）的做法：

政策沖擊過程均服從AR（1）過程，公共資本穩(wěn)態(tài)的計算參考了Junior（2016）。給定市場出清條件：

四、數(shù)值模擬

（一）參數(shù)校準

對于不能調(diào)價概率θ參照金春雨等（2018）取0.627。季度折舊率δ按照慣例取0.025。主觀貼現(xiàn)率β根據(jù)許志偉（2019）的估算取0.99。α1、α2、α3 分別取0.5、0.5、0.1（吳化斌等，2011）。ψj依據(jù)Christensen 和 Dib（2008）設(shè)為6。S、k與n的比例穩(wěn)態(tài)值、v、ψ、κ、γ、γπ、γY、γμ以及部分一階自回歸系數(shù)參照劉一楠、王亮（2018）設(shè)置為1.008、2、0.975、0.04、0.575、1.315、0.985、0.027、0.07 等。居民盈余和負債的概率各為0.5。

對于剩下的參數(shù)，運用經(jīng)濟數(shù)據(jù)進行估計校準。穩(wěn)態(tài)通貨膨脹率的估計使用國家統(tǒng)計局近20 年數(shù)據(jù)的均值，估計值為1.005。隨機沖擊的自回歸系數(shù)和標準差的估計使用Chang 等（2015）處理的數(shù)據(jù)，在進行單邊濾波后，對波動項進行AR（1）估計可以得到參數(shù)。政府投資標準差0.04，一階自回歸系數(shù)0.827。貨幣政策沖擊系數(shù)的估計使用銀行同業(yè)間拆解利率，標準差為0.0038，一階自回歸系數(shù)0.909。Baker 等（2016）編制的經(jīng)濟政策不確定性指數(shù)盡管被用于廣泛研究，但是刻畫的是經(jīng)濟政策籠統(tǒng)的概念，而且不是專門針對中國而設(shè)計。Huang 和Luk（2018）針對中國情況詳細設(shè)計了財政不確定指數(shù)和貨幣政策不確定指數(shù)。用上述方法對數(shù)據(jù)處理，得到貨幣政策不確定指數(shù)標準差0.227，一階自回歸系數(shù)0.448，財政政策不確定指數(shù)標準差0.307，一階自回歸系數(shù)0.274。

（二）動態(tài)模擬

為保持數(shù)據(jù)的一致性，對實際數(shù)據(jù)取對數(shù)后使用單邊HP 濾波得到波動項。KP 值顯示，對于波動幅度模擬地較好，描述了消費略小于產(chǎn)出波動、投資波動5～6 倍于產(chǎn)出波動的經(jīng)驗事實，一階自回歸系數(shù)的模擬程度次之，相關(guān)系數(shù)矩陣的模擬程度最不理想。盡管如此，文章研究的是政策不確定性對宏觀經(jīng)濟和企業(yè)績效的影響，當(dāng)存在政策不確定的沖擊時，會放大外生沖擊對宏觀經(jīng)濟的影響，可以理解為政策不確定性在一定程度上會帶來外生沖擊。移除經(jīng)濟政策不確定性沖擊后，企業(yè)績效波動從0.0022 下降到0.0021，降幅4.55%?？梢钥闯觯?jīng)濟政策不確定性會放大企業(yè)績效的波動幅度。

隨后給出一單位標準差下的脈沖響應(yīng)圖，觀測政策不確定性的具體影響。圖1 是貨幣政策不確定性沖擊的脈沖響應(yīng)，除了現(xiàn)金需求出現(xiàn)上升外，其余變量是下降的，表現(xiàn)為負向需求沖擊。圖2 是政府投資不確定性沖擊的脈沖響應(yīng)，結(jié)果與圖1 相似，大多數(shù)變量是下降的，消費和現(xiàn)金需求是上升的，但產(chǎn)出是先降后升，即表現(xiàn)為負向的需求沖擊，相比較于貨幣政策不確定的沖擊，波動程度明顯減小。另外，方差分解結(jié)果表明，貨幣政策本身的沖擊幾乎解釋了所有宏觀變量的波動，說明貨幣政策對經(jīng)濟波動的最大。政策制定者在制定政策時尤為注意貨幣政策，避免對經(jīng)濟造成較大的波動。值得注意的是，不論是貨幣政策不確定性沖擊，還是財政政策不確定性沖擊，企業(yè)績效都出現(xiàn)了在穩(wěn)態(tài)值上下波動的情形。

圖1 貨幣政策不確定的沖擊

圖2 財政政策不確定的沖擊

（三）傳導(dǎo)機制

經(jīng)濟政策不確定性上升時，居民出于預(yù)防性動機，增加現(xiàn)金的需求和儲蓄。借貸市場的供給增加，利率下降。正如前文所述，企業(yè)對資本的需求取決于對資本回報率的預(yù)期，利率出現(xiàn)下降，生產(chǎn)部門會減少投資，以此減少資本。而生產(chǎn)邊際成本與勞動力數(shù)量成正比，利率水平的下降帶動生產(chǎn)邊際成本的下降，導(dǎo)致勞動力的需求下降。勞動力需求和投資發(fā)揮了中介作用，使得企業(yè)產(chǎn)出減少，企業(yè)績效下降。進一步，在不確定環(huán)境下，由于信息不對稱性，銀行要求更高的利率以平衡風(fēng)險，銀行以企業(yè)杠桿率和融資外部溢價彈性來確定融資溢價水平，杠桿率越低的企業(yè)融資成本越低，反之亦然。經(jīng)濟政策不確定性使得企業(yè)績效下滑，杠桿率上升，企業(yè)成本上升，進一步惡化企業(yè)績效，而金融在經(jīng)濟中扮演了加速的角色。Fajgelbaum 等（2017）認為，經(jīng)濟政策不確定的上升會提高未來投資機會的價值和減緩信息流動速度，從而延緩?fù)顿Y和加大金融摩擦。

總的來看，一旦經(jīng)濟出現(xiàn)了通貨緊縮，將會增加企業(yè)的債務(wù)負擔(dān)，惡化資產(chǎn)負債表；在存在金融摩擦的情形下，會進一步降低企業(yè)績效，形成勞動力需求和投資負向沖擊—通縮—金融加速的加速機制。

（四）反事實分析

模擬結(jié)果表明，政策不確定沖擊是負向的需求沖擊。為了驗證金融加速機制對企業(yè)績效的影響程度，將企業(yè)的外部融資溢價彈性設(shè)置為0，移除金融摩擦，并且與前面的結(jié)果進行比較，結(jié)果如圖3 所示。F 表示模型存在金融摩擦，NF 表示模型不存在金融摩擦。第一行三個圖為貨幣政策不確定沖擊下的脈沖響應(yīng)模型，第二行三個圖為財政政策不確定下的脈沖反應(yīng)?？梢钥闯?，因為金融加速機制的存在，政策不確定性的沖擊使得產(chǎn)出、企業(yè)績效和總投資下跌幅度更大。表現(xiàn)在圖3 中，金融加速機制使企業(yè)績效加速下跌的程度大于產(chǎn)出和總投資。

圖3 金融摩擦的反事實驗證

另一方面，當(dāng)政策不確定的加劇對經(jīng)濟造成負面影響后，政府是否應(yīng)當(dāng)繼續(xù)積極地干預(yù)經(jīng)濟、使經(jīng)濟回到原來的運行軌道上，還是充分發(fā)揮市場的作用、讓市場自我恢復(fù)？政府的后續(xù)干預(yù)是否會對經(jīng)濟造成二次沖擊是值得關(guān)注的問題。為了方便對比，將原本的參數(shù)設(shè)置為基準模型，將改變參數(shù)后的模型設(shè)置為實驗?zāi)Ｐ?。實驗?zāi)Ｐ椭胸泿耪叩姆磻?yīng)參數(shù)均改為原來的兩倍，觀察變量的變化。從圖4 可以看到，在貨幣政策不確定的沖擊下，如果央行的反應(yīng)更為靈敏，不僅減弱負向沖擊的反應(yīng)，而且降低宏觀經(jīng)濟的波動。企業(yè)績效的降幅會降低，上升幅度也會減弱。財政政策不確定沖擊下，若央行對經(jīng)濟波動的反應(yīng)更為劇烈，將使得變量轉(zhuǎn)負為正，但與此同時，偏離穩(wěn)態(tài)的程度會變得比原來更大，企業(yè)績效從0.3% 快速回到穩(wěn)態(tài)后出現(xiàn)小幅的降低。不過，從整體來看，宏觀指標的波動程度都出現(xiàn)了明顯的降低，企業(yè)績效的波動幅度從0.0098 減少到0.0066，降幅32.65%，其余宏觀指標也受到同樣的影響?？偟膩碚f，致力于穩(wěn)定經(jīng)濟的央行能夠有效地降低經(jīng)濟波動，減弱政策不確定帶來的負向沖擊。對于財政政策不確定沖擊尤為明顯，出現(xiàn)較大的反向穩(wěn)態(tài)偏離。因此，政府可以根據(jù)目標，區(qū)分貨幣政策不確定沖擊與財政政策不確定沖擊，有針對性地實施穩(wěn)健的貨幣政策。

圖4 改變貨幣政策反應(yīng)系數(shù)的反事實驗證

五、實證分析

（一）研究設(shè)計

從前文分析可以看到，經(jīng)濟政策不確定性以勞動力需求和投資為中介，對企業(yè)績效造成沖擊。由于金融摩擦的存在，企業(yè)的融資會受到杠桿率和融資外部溢價彈性的影響，企業(yè)成本的上升加速惡化企業(yè)績效。

首先，討論貨幣政策不確定性和財政政策不確定性分別對企業(yè)績效的影響。鑒于上述的論證，政策不確定性表現(xiàn)為對企業(yè)投資和勞動需求的沖擊，進而影響企業(yè)績效。關(guān)于政策不確定性抑制企業(yè)投資需求的理論主要有二，一為金融摩擦，二為實物期權(quán)（譚小芬和張文婧，2017）。在經(jīng)濟政策不確定性上升時，經(jīng)濟前景并不明朗，金融中介為規(guī)避風(fēng)險而提高利率，實物期權(quán)則是在資本不可逆時發(fā)揮作用，政策不確定性抑制企業(yè)對勞動需求的理論依據(jù)是預(yù)防性儲蓄。企業(yè)投資和勞動需求成為了待驗證的兩條傳播途徑，提出假設(shè)1。

假設(shè)1：經(jīng)濟政策不確定性通過抑制企業(yè)對勞動的需求和投資進而影響了企業(yè)的績效。

為了檢驗假設(shè)1，參考溫忠麟等（2004）的方法，設(shè)計模型如下：

其中：Y是因變量，X是自變量，控制變量分別為人均GDP 增長率growth、企業(yè)總資產(chǎn)的對數(shù)ln(asset)、托賓Q、資產(chǎn)負債率Lev和經(jīng)營現(xiàn)金流CFO。人均GDP 增長率控制了宏觀層面因素，其余四個變量對企業(yè)層面因素進行控制。采用個體與時間的雙固定效應(yīng)模型，是每個季度的不可觀測變量，Quar是每個個體的不可觀測特質(zhì)，μ因此不再考慮企業(yè)成立年限等變量。

中介效應(yīng)檢驗順序如下：第一，企業(yè)績效對自變量政策不確定性指數(shù)的滯后一期進行回歸；第二，中介變量投資和勞動力需求分別對自變量政策不確定性指數(shù)回歸；第三，企業(yè)績效分別對兩個中介變量回歸；第四，在第一步的基礎(chǔ)上分別引入中介變量。

其次，討論經(jīng)濟政策不確定性對企業(yè)績效的影響。在數(shù)值模擬中，企業(yè)績效的波動程度小于其他變量，持續(xù)時間較短，更重要的是出現(xiàn)了在穩(wěn)態(tài)值上下波動的情形。這不僅僅與指標本身有關(guān)，還與經(jīng)濟系統(tǒng)運行有關(guān)。在國內(nèi)，企業(yè)受到市場和政府雙重因素影響，宏觀經(jīng)濟的波動使政府出臺政策更為謹慎，經(jīng)濟政策不確定性上升，短期內(nèi)增加個體決策難度，但此時處于政策“真空期”，企業(yè)可以更多依賴于經(jīng)濟層面。僵尸企業(yè)會在經(jīng)濟波動中被市場淘汰，生存下來的企業(yè)會不斷提高自身的運營能力，有助于長期發(fā)展（鄧美薇，2019）。Abel（1983）指出，企業(yè)在面對高度不確定時會減少產(chǎn)出，反之亦然，不確定性帶來的收益是大于虧損的。但是，生產(chǎn)規(guī)模的調(diào)整需要一定時限，盡管Hartman-Abel 效應(yīng)在短期不明顯，在中長期卻能發(fā)揮作用，提高企業(yè)的績效?；诖耍岢黾僭O(shè)2。

假設(shè)2：經(jīng)濟政策不確定性在短期不利于企業(yè)績效，在長期促進企業(yè)績效的提高。

再次，分析金融摩擦對企業(yè)融資的影響，具體分為債券融資和股權(quán)融資作為代理變量。在不完全信息市場上，企業(yè)的資產(chǎn)負債表成為衡量財務(wù)狀況的關(guān)鍵。若企業(yè)的融資約束越大，那么杠桿對企業(yè)融資的負向作用就越大，受到金融摩擦的程度會越深，反之亦然。企業(yè)受到融資約束的大小取決于企業(yè)本身的財務(wù)狀況，兩者交織在一起，相互影響?；诖耍岢黾僭O(shè)3。

假設(shè)3：資產(chǎn)負債率對企業(yè)融資的抑制隨著融資約束的增加而增強。

最后，進行分組回歸分析，分別根據(jù)企業(yè)所有制性質(zhì)和企業(yè)規(guī)模進行劃分。通過分組回歸，觀測政策不確定對企業(yè)績效是否存在差別，還有金融摩擦是否不同。在國內(nèi)，國有企業(yè)比非國有企業(yè)相對更容易獲得貸款，受到的金融摩擦較小。大企業(yè)比小企業(yè)擁有更強的風(fēng)險分散能力，具有一定的規(guī)模優(yōu)勢，更容易獲得融資?；诖?，提出假設(shè)4。

假設(shè)4：政策不確定性存在選擇效應(yīng)，在不同性質(zhì)和不同規(guī)模的企業(yè)具有不同的影響。

為了檢驗假設(shè)2，在回歸方程（19）中將因變量設(shè)置為市場指標托賓Q 來代表企業(yè)的長期績效（Murray，1989），并對企業(yè)短期績效給予控制。為了驗證假設(shè)3，在回歸方程（19）的基礎(chǔ)上引入資產(chǎn)負債率和融資約束因子的交叉項。交叉項進行去均值處理，避免變量間的相關(guān)。交叉項的設(shè)置與理論模型相互對照，實證結(jié)果應(yīng)該是交叉項系數(shù)小于0，因變量分別設(shè)置為債權(quán)融資和股權(quán)融資。為了驗證假設(shè)4，企業(yè)規(guī)模以75%為劃分標準，在分位數(shù)以上的為大規(guī)模企業(yè)，反之為小企業(yè)。

（二）數(shù)據(jù)來源

宏觀經(jīng)驗數(shù)據(jù)主要使用Chang 等（2015）所處理的數(shù)據(jù)，政策不確定性指數(shù)使用Huang和Luk（2018）所構(gòu)建的，滬深兩市上市公司的財務(wù)數(shù)據(jù)來源于Wind 數(shù)據(jù)庫。對政策不確定性指數(shù)月度數(shù)據(jù)取平均值得到季度數(shù)據(jù)，選取2003 年第二季度到2018 年第三季度的季度數(shù)據(jù)作為最終樣本。上市公司財務(wù)數(shù)據(jù)剔除了金融類和ST 公司，剔除了數(shù)據(jù)缺失過多的公司，并進行1% 的縮尾處理，最終得到了非平衡面板，其中平衡面板有34658 個觀測值。關(guān)鍵變量均通過了IPS 單位根檢驗，使用聚類標準誤控制了異方差。變量相關(guān)系數(shù)顯示除了貨幣政策不確定性指數(shù)與財政政策不確定性指數(shù)的相關(guān)性較高以外（0.884），其余變量的相關(guān)系數(shù)都在0.5 以下，不存在多重共線性。債權(quán)融資和股權(quán)融資的計算參考了McLean 和Zhao（2014）， 融資約束的計算參考了Hadlock 和 Pierce（2010），企業(yè)規(guī)模等于總資產(chǎn)的對數(shù)，投資和經(jīng)營現(xiàn)金流的計算參考了譚小芬和張文婧（2017），托賓Q 的計算參考了吳超鵬和唐菂（2016），勞動力需求以應(yīng)付員工薪酬比滯后一期總資產(chǎn)的值來衡量，與投資形成對照。具體見表1。

表1 變量定義

（三）實證結(jié)果分析

Panel A 到Panel D 報告了企業(yè)投資的中介檢驗，Panel E 到Panel H 報告了勞動力需求的中介檢驗。系數(shù)全部都是顯著的，說明企業(yè)投資和勞動需求都是貨幣政策不確定性影響企業(yè)績效的渠道，證明了貨幣政策不確定性通過需求端抑制了企業(yè)投資和勞動力需求。具體來看，貨幣政策不確定性對企業(yè)績效的影響是負向的，而財政政策不確定性的估計系數(shù)是正數(shù)，這可能是遺漏了某部分關(guān)鍵變量，比如貨幣增量。如果單獨在財政政策不確定性方程中引入貨幣增量，則回歸系數(shù)變?yōu)樨摂?shù)。這表明，財政政策不確定性對企業(yè)績效的影響要大于貨幣政策?？偟膩砜矗徽撌秦泿耪卟淮_定還是財政政策不確定，都會顯著降低企業(yè)對投資和勞動的需求，進而影響企業(yè)績效。

在驗證了經(jīng)濟政策不確定性對企業(yè)短期績效的負向沖擊后，下一步驗證經(jīng)濟政策不確定性對企業(yè)長期績效的影響。從表3可以看到，貨幣政策不確定性的估計系數(shù)與預(yù)期一致，而財政政策不確定性與此相反。而在對貨幣增量進行控制后，系數(shù)就轉(zhuǎn)負為正。這表明，貨幣政策不確定性支持了假設(shè)1和假設(shè)2，財政政策不確定性在控制了貨幣增量后才能支持假設(shè)1和假設(shè)2。21世紀第一個十年，外資大量流入國內(nèi)，央行大量發(fā)行貨幣進行對沖，促使我國逐漸變成產(chǎn)業(yè)資本大國。2010年左右開始，貸款新增量中大型企業(yè)、中型企業(yè)、小型企業(yè)各占三分之一。到2016年，大、中、小三個部分企業(yè)的人民幣貸款余額各占三分之一，總額超過60萬億人民幣。4萬億刺激計劃后，財政政策主要體現(xiàn)在減稅降費上，2013至2017年，營改增改革、小微企業(yè)稅收優(yōu)惠、清理各種稅收等措施一共減輕企業(yè)負擔(dān)3萬多億元。從背景上看，貨幣政策對企業(yè)的影響是大于財政政策。在樣本期內(nèi)，貨幣因素才是關(guān)鍵。這與DSGE方差分解所揭示的結(jié)果相似，即與財政政策相比，貨幣政策解釋了大部分的波動。所以，在沒有考慮貨幣因素條件下，財政政策不確定性的估計系數(shù)出現(xiàn)與預(yù)期相悖的情況。但是，如果考慮了貨幣因素，控制了貨幣增量這個關(guān)鍵變量，那么結(jié)果就與預(yù)期一致了。Panel B報告了企業(yè)債券融資對經(jīng)濟政策不確定性的回歸結(jié)果。關(guān)鍵變量的系數(shù)都在1%顯著性水平下顯著。企業(yè)債權(quán)融資對經(jīng)濟政策不確定性回歸的系數(shù)都是負的，而且兩者的估計系數(shù)極為相近。因為指標設(shè)置的緣故，企業(yè)杠桿和企業(yè)債權(quán)融資是同向的。企業(yè)杠桿對債權(quán)融資的邊際效用為0.0246-0.0057SA，融資約束越大杠桿的負向作用越強，效用的正負取決于企業(yè)的融資約束情況。若SA大于4.3158，則杠桿帶來負向作用。交叉項的系數(shù)與預(yù)期相符，融資約束對債權(quán)融資的邊際效用為-0.0057Lev。企業(yè)的杠桿越高，融資約束對企業(yè)債權(quán)融資的負向影響越大。Panel C匯報了因變量為股權(quán)融資的回歸結(jié)果。與債權(quán)融資類似，經(jīng)濟政策不確定性對企業(yè)股權(quán)融資的影響都是負向且在1%顯著性水平下顯著，其余變量的回歸系數(shù)也十分相近。貨幣政策不確定性的負向沖擊始終大于財政政策不確定性的沖擊。不同的是，股權(quán)融資下資產(chǎn)負債率的回歸系數(shù)變?yōu)樨摂?shù)，這是因為債權(quán)融資和股權(quán)融資是存在替代效應(yīng)的（Jermann和Quadrini，2012）。企業(yè)在經(jīng)濟衰退時偏好股權(quán)融資而減少債權(quán)融資，反之亦然。資產(chǎn)負債率和交叉項的估計系數(shù)變?yōu)樵瓉淼膬杀蹲笥?，說明股權(quán)融資對企業(yè)資產(chǎn)負債率的反應(yīng)更為敏感，資產(chǎn)負債表差的企業(yè)更容易受到融資約束。假設(shè)3得到驗證。

從表2和表3的回歸結(jié)果，可以看到，經(jīng)濟政策不確定性通過企業(yè)投資和勞動需求兩條渠道降低了需求，給企業(yè)績效造成了負面影響，使企業(yè)的資產(chǎn)負債表縮水，成立年限較短且資產(chǎn)規(guī)模較小的企業(yè)受到的融資約束更為嚴重，表現(xiàn)為較少的融資金額。融資的受限再次降低企業(yè)的資金需求，導(dǎo)致企業(yè)績效下降，形成了加速下跌機制。

表2 經(jīng)濟政策不確定的中介效應(yīng)檢驗

表3 經(jīng)濟政策不確定、長期績效與企業(yè)融資的回歸結(jié)果

注：受篇幅限制，表中未列出控制變量的回歸結(jié)果。下同。

（四）分樣本回歸分析

一般認為，國有企業(yè)受金融摩擦影響較小，而非國有企業(yè)受金融摩擦影響程度較大。規(guī)模越大的企業(yè)面臨的金融摩擦越大，規(guī)模越小的企業(yè)面臨的金融摩擦越小。為驗證經(jīng)濟政策不確定性對企業(yè)的影響是否存在異質(zhì)性，進行分組回歸。參考連玉君（2010）的研究方法，模擬1000次進行實證分析。表4匯報了貨幣政策不確定性的估計結(jié)果。從Panel A的回歸結(jié)果可以看到，貨幣政策不確定性系數(shù)的顯著性與數(shù)值均出現(xiàn)下降。差異性檢驗結(jié)果顯示，在5%顯著性水平下貨幣政策不確定性對國有企業(yè)和非國有企業(yè)的績效不存在異質(zhì)性沖擊，對不同規(guī)模企業(yè)存在異質(zhì)性沖擊，且小規(guī)模企業(yè)的負向影響更大。Panel B給出債權(quán)融資的分組回歸結(jié)果，貨幣政策不確定性對企業(yè)的債券融資的影響存在異質(zhì)性，且對非國有企業(yè)的負效應(yīng)更大。Panel C給出了因變量為股權(quán)融資的結(jié)果，除了貨幣政策不確定性對企業(yè)的股權(quán)融資沒有異質(zhì)性影響以外，其余關(guān)鍵變量的系數(shù)都有顯著性差別，說明在股權(quán)融資上存在異質(zhì)性金融摩擦，非國有企業(yè)和小規(guī)模企業(yè)受到的影響更大?？偟膩砜?，政策不確定性對不同規(guī)模企業(yè)績效的影響具有顯著的異質(zhì)性差異，小規(guī)模企業(yè)受到的影響更大；在股權(quán)融資方面，不同所有制和不同規(guī)模企業(yè)受到金融摩擦的影響程度也存在顯著差異。表明經(jīng)濟政策不確定性確實會導(dǎo)致資源重新分配，惡化企業(yè)間的差距，假設(shè)4得證。

表4 經(jīng)濟政策不確定性分組回歸結(jié)果

Panel C：因變量為股權(quán)融資Epu -0.0002***（0.0000）-0.0004***（0.0004）Lev -0.0438***（0.0035）-0.0004***（0.0001）-0.0002**（0.0001）-0.0592***（0.0043）Lev×SA -0.0050*（0.0019）-0.0609***（0.0016）-0.0721***（0.0157）-0.0185***（0.0027）R^2 0.0150 0.0280 0.0171 0.0209 F 10.63*** 10.58*** 4.92*** 11.12***-0.0183***（0.0028）0.0080（0.0060）

（五）穩(wěn)健性檢驗

為保證實證結(jié)果的穩(wěn)健性，從以下三個方面展開穩(wěn)健性檢驗：

第一，盡管對經(jīng)濟政策不確定指數(shù)做滯后一期處理，但不可排除控制變量的內(nèi)生性，對控制變量作滯后一期處理觀測是否會改變上述結(jié)果（顧夏銘等，2018），實證結(jié)果再一次驗證了前述假設(shè)。

第二，對季度經(jīng)濟政策不確定指數(shù)的計算賦予不同的權(quán)重，重新計算指數(shù)（Gulen和Ion，2016）。新指數(shù)的結(jié)果沒有發(fā)生實質(zhì)性的變化。

第三，因為實證檢驗包含了金融危機前和后的數(shù)據(jù)，所以將全樣本分為金融危機前和后兩部分，分別進行檢驗。金融危機前的樣本僅個別地方的結(jié)果發(fā)生變化，但大體不變。比起金融危機前的數(shù)據(jù)，后金融危機時代數(shù)據(jù)所得到的結(jié)果更為穩(wěn)健。

六、研究結(jié)論

本文建立了一個包含金融摩擦的動態(tài)隨機一般均衡模型，探究政策不確定性對企業(yè)績效的影響。研究結(jié)果發(fā)現(xiàn)：第一，經(jīng)濟政策不確定性會引發(fā)企業(yè)績效波動，金融摩擦的存在加速企業(yè)績效的下跌。經(jīng)濟政策不確定性產(chǎn)生的負向需求沖擊對企業(yè)績效影響相對較小且時間較短，并使之出現(xiàn)正向偏離穩(wěn)態(tài)的情形。第二，經(jīng)濟政策不確定性通過抑制企業(yè)投資和對勞動的需求來影響企業(yè)績效。第三，經(jīng)濟政策不確定性對企業(yè)績效短期內(nèi)是負向作用，而長期內(nèi)反而起到了促進的作用。第四，金融摩擦的存在加劇了企業(yè)融資困難，杠桿率對企業(yè)融資的抑制隨著融資約束的增加而增加，從而受到的金融摩擦越大。第五，政策不確定性對不同所有制企業(yè)績效的負向沖擊沒有產(chǎn)生顯著性差異，對不同規(guī)模企業(yè)存在顯著性差異。非國有企業(yè)和小規(guī)模企業(yè)績效受金融摩擦的影響更大。

基于上述研究結(jié)論，為維護經(jīng)濟穩(wěn)健發(fā)展、保障企業(yè)平穩(wěn)運營，提出以下建議：第一，在實施經(jīng)濟政策調(diào)整經(jīng)濟運行時，應(yīng)通過媒體等渠道合理地引導(dǎo)公眾預(yù)期，減少經(jīng)濟政策的不確定性。雖然政策不確定性在長期并不有損于企業(yè)績效，但對其余宏觀變量的沖擊較為深遠，這種負作用還被市場上的各種摩擦所放大。第二，應(yīng)當(dāng)及時采取積極措施降低國際資本市場所帶來的風(fēng)險，維護國內(nèi)經(jīng)濟的穩(wěn)定。在應(yīng)對國際經(jīng)濟波動時，積極地干預(yù)市場，維護經(jīng)濟的穩(wěn)定運行。第三，完善金融體系的建設(shè)，使金融系統(tǒng)服務(wù)于實體經(jīng)濟，避免虛擬經(jīng)濟過度膨脹，同時加強信息的流動程度，減少金融摩擦。