郭德兵，陳宣佑

（1.南寧理工學(xué)院，南寧 530031；2.桂林旅游學(xué)院，廣西 桂林 541006）

一、文獻(xiàn)綜述及研究假設(shè)

（一）經(jīng)濟(jì)政策不確定性

宏觀經(jīng)濟(jì)不確定性包括實(shí)體經(jīng)濟(jì)不確定性和經(jīng)濟(jì)政策不確定性兩部分，政策不確定性占經(jīng)濟(jì)不確定性的比重越來越高。Brogaard and Detzel（2015）將經(jīng)濟(jì)政策不確定性定義為“政策制定者通過財(cái)政、貨幣、監(jiān)管政策等引起的不確定性”。Pastor和Veronesi）（2012）指出，經(jīng)濟(jì)政策不確定性是一個(gè)逆周期變量，經(jīng)濟(jì)繁榮時(shí)，現(xiàn)有經(jīng)濟(jì)政策傾向于延續(xù)，經(jīng)濟(jì)政策不確定性相對較低；經(jīng)濟(jì)衰退時(shí)，經(jīng)濟(jì)政策調(diào)整的可能性會(huì)大幅度上升，經(jīng)濟(jì)政策不確定性相對較高。Baker等（2016）研究構(gòu)建了經(jīng)濟(jì)政策不確定性指數(shù)（在正式發(fā)表前就引起了學(xué)術(shù)界的廣泛關(guān)注）。這三位學(xué)者不僅編制美國指數(shù)還編制歐洲和中國指數(shù)，不過僅指新聞指數(shù)（News Index），即通過統(tǒng)計(jì)大型報(bào)社中與經(jīng)濟(jì)政策不確定性有關(guān)的文章數(shù)目來衡量經(jīng)濟(jì)政策的不確定性。他們的研究表明，EPU指數(shù)與實(shí)際宏觀經(jīng)濟(jì)變量（如經(jīng)濟(jì)增長和就業(yè)率）有顯著的反向關(guān)系。

（二）經(jīng)濟(jì)政策不確定性與企業(yè)績效

鄧美薇（2019）實(shí)證探討了經(jīng)濟(jì)政策不確定性對企業(yè)績效的影響。研究發(fā)現(xiàn)：經(jīng)濟(jì)政策不確定性上升對企業(yè)短期經(jīng)營具有負(fù)向沖擊，但是激勵(lì)企業(yè)長期績效的增長；同時(shí)有顯著的地域、行業(yè)差異。耿慶峰等（2021）研究指出，經(jīng)濟(jì)政策不確定性上升會(huì)導(dǎo)致企業(yè)績效短期內(nèi)出現(xiàn)下滑、長期內(nèi)上升。鞏雪（2021）基于融資約束視角研究指出，政策不確定性與企業(yè)績效呈負(fù)相關(guān)關(guān)系，企業(yè)面臨的融資約束越強(qiáng)，政策不確定性對企業(yè)績效的負(fù)向影響越強(qiáng)。夏雨、葛玉輝（2021）研究指出，外在經(jīng)濟(jì)政策不確定較高時(shí)，CEO權(quán)力強(qiáng)度越高，越容易使公司獲取較好的經(jīng)營業(yè)績。

綜上可知，學(xué)者關(guān)于經(jīng)濟(jì)政策不確定性對企業(yè)績效的影響并未形成統(tǒng)一的結(jié)論，同時(shí)經(jīng)濟(jì)政策不確定性專門針對桂滇黔地區(qū)企業(yè)績效的研究還較少，所以本文研究假設(shè)為經(jīng)濟(jì)政策不確定對桂滇黔三省的上市公司有負(fù)向作用，即經(jīng)濟(jì)政策不確定性上升，企業(yè)績效下降。

二、研究設(shè)計(jì)與變量選取

（一）樣本選取及數(shù)據(jù)來源

選取2015～2020年中國廣西、云南、貴州三省區(qū)的A股上市公司為樣本，截至2021年6月30日，三省共計(jì)擁有113家公司上市。剔除10家ST公司和2家退市股，剩余共計(jì)101家上市公司。采用季度數(shù)據(jù)，共計(jì)獲得2264個(gè)樣本量，本文數(shù)據(jù)主要來自CSMAR數(shù)據(jù)庫。

（二）變量設(shè)置

1.被解釋變量

很多文獻(xiàn)指出衡量企業(yè)績效的指標(biāo)包含總資產(chǎn)凈利潤率、凈資產(chǎn)收益率、每股收益等指標(biāo)，屬于會(huì)計(jì)指標(biāo)、經(jīng)濟(jì)增加值（EVA）、托賓Q值等指標(biāo)，但是由于我國尚未形成權(quán)威的衡量經(jīng)濟(jì)增加值（EVA）和托賓Q值數(shù)據(jù)，很多都是以相似指標(biāo)來代替，所以本文作者采用較為普遍應(yīng)用中的總資產(chǎn)凈利潤率來衡量企業(yè)的績效指標(biāo)。

2.解釋變量

自變量為經(jīng)濟(jì)政策不確定性指標(biāo)，采用Baker等（2016）研究構(gòu)建的經(jīng)濟(jì)政策不確定性指數(shù)。采用編制的中國的EUP指數(shù)即新聞指數(shù)，又稱News-BasedEPU。該指數(shù)的數(shù)據(jù)為月度指數(shù)，本文企業(yè)績效的變量采用季度數(shù)據(jù)，為使數(shù)據(jù)時(shí)間測度一致，采用季度幾何平均值作為季度數(shù)據(jù)，同時(shí)參照孟慶斌等（2017）的做法將其指數(shù)值除以100。

眾所周知，企業(yè)的績效受內(nèi)外部因素的影響，經(jīng)濟(jì)政策不確定性作為影響企業(yè)績效的外部因素。企業(yè)內(nèi)部的資產(chǎn)負(fù)債、增長情況影響著企業(yè)績效。根據(jù)查閱相關(guān)文獻(xiàn)本文把企業(yè)的資產(chǎn)負(fù)債率、總資產(chǎn)增長率、總資產(chǎn)周轉(zhuǎn)率作為影響企業(yè)績效的控制變量。

表1 本文各個(gè)變量定義

三、實(shí)證檢驗(yàn)與回歸結(jié)果

（一）研究模型

根據(jù)前文假設(shè)和分析，建立以下回歸模型：

（二）數(shù)據(jù)描述

從以上信息可見，這三?。ㄗ灾螀^(qū)）的季度總資產(chǎn)利潤率的平均值為1.9%，最小值為負(fù)的112.5%，最大值為40.5%。從均值的角度來看，三省（自治區(qū)）的季度總資產(chǎn)利潤率應(yīng)該說偏低，而且公司與公司之間差距非常大。季度經(jīng)濟(jì)政策不確定性指數(shù)均值為4.971，最小值為1.183，最大值為8.644，可見2015年-2021年的季度經(jīng)濟(jì)政策不確定性指數(shù)波動(dòng)非常大，這也與現(xiàn)實(shí)相符，2014年以后我國經(jīng)濟(jì)進(jìn)入新常態(tài)，經(jīng)濟(jì)波動(dòng)增大，政策調(diào)整也變得頻繁。

表2 變量描述性分析

控制變量中資產(chǎn)負(fù)債率的季度數(shù)據(jù)顯示三省(自治區(qū))的平均負(fù)債率為47.7%，應(yīng)該說三?。ㄗ灾螀^(qū)）的負(fù)債率較為適中，但最大值達(dá)到183.2%，說明有的上市公司出現(xiàn)了資不抵債的現(xiàn)象，相關(guān)公司面臨較大的債務(wù)風(fēng)險(xiǎn)。

（三）回歸分析

對廣西、云南、貴州三省區(qū)的101家A股上市公司的2015年一季度至2021年二季度的季度數(shù)據(jù)進(jìn)行面板回歸，以檢驗(yàn)經(jīng)濟(jì)政策不確定性指數(shù)對企業(yè)績效的影響。由于新公司的不斷加入，使該面板數(shù)據(jù)屬于非平衡面板數(shù)據(jù)，使用固定效應(yīng)模型的估計(jì)依然有效。雖然隨機(jī)效應(yīng)模型也可以，但是較為復(fù)雜，所以本模型采用固定效應(yīng)檢驗(yàn)更好。另外，通過對數(shù)據(jù)進(jìn)行Hausman檢驗(yàn)，發(fā)現(xiàn)p值為0.0001，故認(rèn)為使用固定效應(yīng)模型較好。使用固定效應(yīng)回歸本模型，回歸結(jié)果如表3所示。通過回歸結(jié)果可知，經(jīng)濟(jì)政策不確定性指數(shù)與以總資產(chǎn)利潤率為代表的企業(yè)績效呈顯著負(fù)相關(guān)關(guān)系。這說明經(jīng)濟(jì)政策不確定性加劇，不利于企業(yè)績效的提升，與鄧美薇（2019）研究的經(jīng)濟(jì)政策不確定性上升對企業(yè)短期經(jīng)營具有負(fù)向沖擊有類似的結(jié)論?？刂谱兞抠Y產(chǎn)負(fù)債率、總資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)增長率也是顯著的，資產(chǎn)負(fù)債率為顯著負(fù)相關(guān)，說明企業(yè)的資產(chǎn)負(fù)債率越高，對三?。ㄗ灾螀^(qū)）的上市公司的企業(yè)績效提升越不利，影響系數(shù)為-0.116。資產(chǎn)周轉(zhuǎn)率和總資產(chǎn)增長率是顯著正相關(guān)關(guān)系，即資產(chǎn)周轉(zhuǎn)率越快、總資產(chǎn)增長率越快，三?。ㄗ灾螀^(qū)）上市公司的企業(yè)績效提升越快，影響系數(shù)分別為0.036和0.043。

表3 固定效應(yīng)回歸結(jié)果

為檢驗(yàn)結(jié)果的穩(wěn)健性，利用經(jīng)濟(jì)政策不確定性指數(shù)分別對三?。ㄗ灾螀^(qū)）的企業(yè)績效進(jìn)行面板回歸。同樣對三省（自治區(qū)）的數(shù)據(jù)進(jìn)行Hausman檢驗(yàn)：廣西的數(shù)據(jù)顯示p=0.0479＜0.5，使用固定效應(yīng)模型更好；云南的數(shù)據(jù)顯示p=0.0008＜0.5，使用固定效應(yīng)模型更好；貴州的數(shù)據(jù)顯示p=0.092＞0.5，說明在5%的顯著性水平下使用隨機(jī)效應(yīng)更好，但是在10%的顯著性水平下使用固定效應(yīng)更好。為保持三個(gè)?。ㄗ灾螀^(qū)）份回歸結(jié)果一致性和可比性，也使用固定效應(yīng)模型估計(jì)貴州的數(shù)據(jù)（其實(shí)不影響結(jié)果，無論固定效應(yīng)還是隨機(jī)效應(yīng)，經(jīng)濟(jì)政策不確定性指數(shù)對企業(yè)的績效影響都是不顯著的）。

表4 桂滇黔三?。ㄗ灾螀^(qū)）固定效應(yīng)回歸結(jié)果

從以上三?。ㄗ灾螀^(qū)）的回歸結(jié)果來看，經(jīng)濟(jì)政策不確定性指數(shù)對廣西上市公司的企業(yè)績效影響是顯著負(fù)向相關(guān)的，與三?。ㄗ灾螀^(qū)）總體結(jié)果一致。經(jīng)濟(jì)政策不確定性指數(shù)對云南、貴州的上市公司的企業(yè)績效的影響不顯著。同時(shí)發(fā)現(xiàn)，資產(chǎn)負(fù)債率、總資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)增長率等三個(gè)控制變量與三?。ㄗ灾螀^(qū)）總體結(jié)果一致，資產(chǎn)負(fù)債率都顯著負(fù)相關(guān)，總資產(chǎn)周轉(zhuǎn)率和總資產(chǎn)增長率都顯著正相關(guān)。造成三?。ㄗ灾螀^(qū)）各自結(jié)果與總體結(jié)果不一致的原因有可能是近年來，三省（自治區(qū)）面臨經(jīng)濟(jì)政策不確定性所采取的經(jīng)濟(jì)政策調(diào)整、產(chǎn)業(yè)布局等方面的選擇不同造成的。

四、桂滇黔經(jīng)濟(jì)發(fā)展與產(chǎn)業(yè)布局

（一）國家經(jīng)濟(jì)發(fā)展及政策調(diào)整

伴隨著世界經(jīng)濟(jì)增長放緩，2014年5月，習(xí)近平總書記在河南考察時(shí)說：“中國發(fā)展仍處于重要戰(zhàn)略機(jī)遇期，我們要增強(qiáng)信心，從當(dāng)前中國經(jīng)濟(jì)發(fā)展的階段性特征出發(fā)，適應(yīng)新常態(tài)，保持戰(zhàn)略上的平常心態(tài)。”新常態(tài)的特點(diǎn)主要是經(jīng)濟(jì)增長從高速增長轉(zhuǎn)為中高速增長、經(jīng)濟(jì)結(jié)構(gòu)不斷優(yōu)化升級(jí)、從要素和投資驅(qū)動(dòng)轉(zhuǎn)為創(chuàng)新驅(qū)動(dòng)。經(jīng)濟(jì)增長放緩，國家不斷出臺(tái)各項(xiàng)政策。如2015年國務(wù)院簽發(fā)國家行動(dòng)綱領(lǐng)性文件；同年工信部發(fā)布《智能制造發(fā)展規(guī)劃（2016—2020年）》；2017年國務(wù)院決定設(shè)立雄安新區(qū)；同年發(fā)布各項(xiàng)文件推動(dòng)供給側(cè)改革；擴(kuò)大自貿(mào)區(qū)試點(diǎn)數(shù)量。2017年，美國總統(tǒng)換屆后，中美貿(mào)易戰(zhàn)不斷加劇，各類相關(guān)政策也層出不窮。2019年科創(chuàng)板開市，同年底全球新冠疫情暴發(fā)，各國忙于應(yīng)對疫情，更是加大政策干預(yù)，經(jīng)濟(jì)增長不確定性增強(qiáng)。

（二）三?。ㄗ灾螀^(qū)）的政策調(diào)整與產(chǎn)業(yè)發(fā)展

伴隨著國家的宏觀調(diào)控，三省（自治區(qū)）也根據(jù)自身經(jīng)濟(jì)發(fā)展?fàn)顩r和自身資源稟賦條件進(jìn)行相應(yīng)的調(diào)整，努力發(fā)展自己的優(yōu)勢產(chǎn)業(yè)，以適應(yīng)新常態(tài)。

貴州省加大固定資產(chǎn)投資和工業(yè)發(fā)展，改善城市基礎(chǔ)設(shè)施、交通運(yùn)輸條件，2019年貴州的高速公路密度居西部第一，全國第四；2018年貴州蔬菜產(chǎn)銷規(guī)模達(dá)到全國前十，茶園面積、辣椒、藍(lán)莓、火龍果、李子等產(chǎn)量全國第一；貴州的能源工業(yè)（貴州第一大產(chǎn)業(yè)）也發(fā)展迅速，煤炭、水電、頁巖氣等進(jìn)入全國前十；積極發(fā)展高新技術(shù)產(chǎn)業(yè)和高端制造業(yè)，2020年先進(jìn)裝備制造業(yè)總產(chǎn)值達(dá)到1281.47億元、大數(shù)據(jù)電子信息總產(chǎn)值達(dá)到1400.07億元。另外，貴州的優(yōu)質(zhì)煙酒業(yè)也在快速增長，2020年達(dá)到1780.60億元。面對經(jīng)濟(jì)增速放緩，貴州積極采取措施激活市場氛圍，近年來經(jīng)濟(jì)增速一直高于全國增速，位于各省市增速前列。

“十三五”期間，云南省積極推開展供給側(cè)改革調(diào)整，推動(dòng)各個(gè)產(chǎn)業(yè)優(yōu)化升級(jí)，積極發(fā)展綠色能源，能源產(chǎn)業(yè)年均增速達(dá)15%以上，在2019年就成為云南第一大支柱產(chǎn)業(yè)。積極推動(dòng)文旅產(chǎn)業(yè)高質(zhì)量發(fā)展，2019年旅游業(yè)直接增加值達(dá)到1 777.69億元，對云南的經(jīng)濟(jì)社會(huì)發(fā)展起到了重要的推動(dòng)作用。云南的煙草產(chǎn)業(yè)連年增長，產(chǎn)業(yè)規(guī)模長期保持國內(nèi)第一。云南礦產(chǎn)資源豐富，素有“有色金屬王國”之稱，面對經(jīng)濟(jì)新常態(tài)，云南主動(dòng)對礦業(yè)的落后產(chǎn)業(yè)進(jìn)行淘汰，更新先進(jìn)設(shè)備，推動(dòng)供給側(cè)改革。

圖1 2015-2020年三?。ㄗ灾螀^(qū)）GDP增速對比情況

廣西自治區(qū)發(fā)布了《廣西壯族自治區(qū)戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展“十三五”規(guī)劃》《貫徹落實(shí)創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略打造廣西九張創(chuàng)新名片工作方案（2018-2020）》等政策文件，著力發(fā)展大健康、大數(shù)據(jù)、大物流、新制造、新材料、新能源六個(gè)重點(diǎn)產(chǎn)業(yè)。2019年廣西的幾大支柱產(chǎn)業(yè)分別為高端金屬新材料產(chǎn)業(yè)、汽車產(chǎn)業(yè)、綠色高端石化產(chǎn)業(yè)、高端綠色家居產(chǎn)業(yè)、電子信息產(chǎn)業(yè)等。

（三）桂滇黔三?。ㄗ灾螀^(qū)）上市公司各項(xiàng)指標(biāo)對比

三?。ㄗ灾螀^(qū)）的經(jīng)濟(jì)增速的異同也體現(xiàn)在上市公司的各項(xiàng)指標(biāo)上，三?。ㄗ灾螀^(qū)）上市公司季度總資產(chǎn)利潤率均值貴州最高，達(dá)到2.8%，廣西最低，為1.1%；季度資產(chǎn)負(fù)債率均值則是廣西最高，達(dá)到51.7%，云南最低，為44.6%；季度總資產(chǎn)周轉(zhuǎn)率均值云南最高，達(dá)到0.444，貴州最低，0.308；季度總資產(chǎn)增長率均值云南增長最高，為7.6%，廣西最低，為6.9%。各項(xiàng)指標(biāo)與三?。ㄗ灾螀^(qū)）的經(jīng)濟(jì)增長大體相當(dāng)。從而發(fā)現(xiàn)廣西經(jīng)濟(jì)與全國均速更加接近，而云南和貴州由于政策應(yīng)對更好，面對經(jīng)濟(jì)政策不確定性表現(xiàn)出更多的韌性，也許這就是云南和貴州的回歸模型出現(xiàn)不顯著的原因。

圖2 桂滇黔三地上市公司各項(xiàng)指標(biāo)對比

五、結(jié)論

通過以上分析可知，桂滇黔三省(自治區(qū))的上市公司季度績效與經(jīng)濟(jì)政策不確定性指數(shù)呈現(xiàn)顯著負(fù)相關(guān)關(guān)系，與鄧美薇、鞏雪等人的研究結(jié)論有大體相似。通過分?。ㄗ灾螀^(qū)）檢驗(yàn)后，發(fā)現(xiàn)廣西的上市公司季度數(shù)據(jù)與總體數(shù)據(jù)檢驗(yàn)結(jié)論一致，也是顯著負(fù)向相關(guān)，但是經(jīng)濟(jì)政策不確定性指數(shù)對云南、貴州的上市公司的企業(yè)績效的影響是不顯著的。造成這樣的結(jié)果，本文通過三?。ㄗ灾螀^(qū)）的經(jīng)濟(jì)發(fā)展速度、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整政策、上市公司季度相關(guān)數(shù)據(jù)對比發(fā)現(xiàn)，貴州、云南經(jīng)濟(jì)及上市公司數(shù)據(jù)在經(jīng)濟(jì)下滑的大背景下，實(shí)現(xiàn)了高于全國和廣西的增長速度，貴州、云南的上市公司相關(guān)指標(biāo)也好于廣西?？梢娊陙恚瑧?yīng)對經(jīng)濟(jì)增長放緩的形勢，貴州和云南采取的應(yīng)對措施可能更為有效。也即在經(jīng)濟(jì)政策不確定性條件下，應(yīng)對措施尤為重要，得當(dāng)?shù)拇胧┛梢詼p弱經(jīng)濟(jì)政策不確定性的影響。