宋清華 林永康

摘要：制造業(yè)是實體經濟的基礎，制造業(yè)高質量發(fā)展是經濟高質量發(fā)展的關鍵動力。金融投資高回報致使制造業(yè)逐漸走向金融化，導致經濟出現(xiàn)“脫實向虛”現(xiàn)象。利用2012—2020年制造業(yè)上市公司數(shù)據(jù)分析區(qū)域金融發(fā)展對制造業(yè)企業(yè)金融化的影響，并在此基礎上探討制造業(yè)企業(yè)金融化的同群效應，研究發(fā)現(xiàn)：中國區(qū)域金融發(fā)展對制造業(yè)企業(yè)金融化存在明顯的推動作用，且金融化行為存在明顯的同群效應。融資約束是區(qū)域金融發(fā)展影響制造業(yè)企業(yè)金融化水平的重要渠道，而企業(yè)間的同群效應更是加劇了這種影響?；诖耍晟乒緝炔恐卫?，加強股東會、監(jiān)事會、董事會對經理層權力的制約與監(jiān)督，從而明確主營業(yè)務和金融業(yè)務之間的主次關系；政府部門應加強對制造業(yè)企業(yè)配置金融資產的監(jiān)管，引導資金流向。

關鍵詞：區(qū)域金融發(fā)展；制造業(yè)；企業(yè)金融化；融資約束；同群效應

中圖分類號：F832文獻標識碼：A文章編號：1003-854X（2023）12-0021-09

一、引言與相關文獻綜述

近年來，中國經濟逐漸進入高質量發(fā)展階段，而制造業(yè)作為中國國民經濟的支柱，其發(fā)展質量的提升變得尤為重要。黨的二十大報告指出，要“推動制造業(yè)高端化、智能化、綠色化發(fā)展”，進一步明確了中國制造業(yè)高質量發(fā)展的重要性。在此背景下，制造業(yè)受到越來越多的關注，從制造大國發(fā)展為制造強國成為我國經濟發(fā)展的重要任務，但企業(yè)的逐利性卻導致制造業(yè)呈現(xiàn)出金融化現(xiàn)象。隨著中國金融業(yè)的迅猛發(fā)展，金融投資的高回報致使實體企業(yè)將越來越多的資金投入其中，金融與實體經濟發(fā)展不協(xié)調的問題越發(fā)嚴重（1）。適度的金融化可以增加企業(yè)短期現(xiàn)金流，緩解融資約束，提高企業(yè)全要素生產率，但金融化的過度發(fā)展會對中國經濟發(fā)展造成巨大的阻礙（2）。制造業(yè)作為中國的支柱產業(yè)，其過度金融化會導致資源錯配、產業(yè)結構失調，加之企業(yè)間的同群效應，長此以往必將分散企業(yè)發(fā)展主營業(yè)務的資源，擠占和壓縮實體投資的資金，從而加劇經濟“脫實向虛”的現(xiàn)象。因此，金融對我國制造業(yè)金融化的影響程度如何？影響渠道是什么？制造業(yè)企業(yè)之間是否存在同群效應？本文將針對這些問題展開分析。

既有研究認為，企業(yè)金融化的動機主要源于“蓄水池”理論和“投資替代”理論（3）?！靶钏亍崩碚摫砻?，當面臨財務困難或發(fā)現(xiàn)潛在投資機會時，為了緩解融資約束，企業(yè)通常會以流動性儲蓄為出發(fā)點，對自身進行金融資產配置（4）；“投資替代”理論表明，當宏觀經濟形勢不樂觀時，為了提高股東回報率并緩解債務壓力，企業(yè)會提高對金融資產配置的比例（5）。在此背景下，諸多研究從國家信貸約束（6）、金融行業(yè)高額利差（7）、經濟政策不確定性（8）以及金融監(jiān)管缺失（9）等角度對企業(yè)金融化給出了解釋。但鮮有研究探討區(qū)域金融發(fā)展與企業(yè)間的同群效應對企業(yè)金融化的綜合影響。一方面，區(qū)域金融發(fā)展狀況將直接影響企業(yè)的融資成本，進而改變企業(yè)的投資決策。金融發(fā)展水平的提升同時也擴大了金融機構的規(guī)模、豐富了金融產品，進而降低了企業(yè)面臨的融資約束（10）。另一方面，企業(yè)之間的同群效應將加劇區(qū)域金融發(fā)展對其金融化的影響。企業(yè)金融化在很大程度上受制于企業(yè)間投資決策互動，而企業(yè)的投資決策與自身信貸資源的可得性密切相關（11）。因此，有必要深入探討區(qū)域金融發(fā)展對企業(yè)金融化的影響及其機制。

基于以上分析，本文嘗試以中國制造業(yè)上市公司為研究樣本，分析區(qū)域金融發(fā)展對制造業(yè)企業(yè)金融化的影響，同時探討企業(yè)金融化的同群效應。本文可能的邊際貢獻在于：其一，本文的研究為區(qū)域金融發(fā)展對制造業(yè)企業(yè)金融化的影響提供了新的證據(jù)。已有研究主要探討了銀行信貸、金融高額利差、金融監(jiān)管等對企業(yè)金融化的影響，大多忽略了區(qū)域金融發(fā)展帶來的影響。其二，從信貸資源可得性角度出發(fā)，本文從融資約束方面解釋了區(qū)域金融發(fā)展對制造業(yè)企業(yè)金融化的中介作用。其三，本文研究了制造業(yè)企業(yè)金融化的同群效應，并進一步分析了區(qū)域金融發(fā)展與制造業(yè)企業(yè)間的同群效應對企業(yè)金融化的交互影響。

二、理論分析

（一）區(qū)域金融發(fā)展與企業(yè)金融化

在金融投資收益較高、傳統(tǒng)生產經營活動利潤下降和投資資本充沛等因素的作用下，企業(yè)進行金融資產配置的現(xiàn)象越來越普遍（12）。企業(yè)金融化的動機主要源于“蓄水池”理論與“投資替代”理論，但其驅動因素則主要源于兩個方面：一是實體企業(yè)參與金融活動越來越頻繁，并且這些活動已經影響到了企業(yè)的投資決策行為。Landier等發(fā)現(xiàn)企業(yè)的社會、信息因素對企業(yè)決策具有非常重要的影響（13）。二是區(qū)域金融發(fā)展顯著增加了企業(yè)獲取外部資金的可得性和便利性，緩解了企業(yè)融資約束，這顯著提高了企業(yè)進行金融資產配置的比例。Shin和Zhao提出的“實體中介”理論認為，存在一部分“為貸而借”的企業(yè)，這些企業(yè)較為容易從銀行獲取低成本資金并且將其轉貸給其他企業(yè)，從而加劇了金融化現(xiàn)象（14）。

區(qū)域金融發(fā)展為企業(yè)金融化提供了基礎與條件。一方面，隨著區(qū)域金融發(fā)展水平的上升，金融機構開設網點的數(shù)量也在逐漸增加，這加劇了金融機構之間的競爭，尤其是銀行競爭的增加將降低企業(yè)獲取外部資金的融資成本。Degryse和Ongena基于15000多家銀行的貸款數(shù)據(jù)研究發(fā)現(xiàn)，銀行貸款利率既會隨著商業(yè)銀行之間距離的減少而降低，也會隨著銀企之間距離的增加而降低（15）。李志生和金凌發(fā)現(xiàn)銀行競爭通過緩解融資約束、減弱代理成本從而提高了企業(yè)的投資效率（16）。另一方面，金融機構網點數(shù)量的增加進一步縮短了金融機構與企業(yè)之間的地理距離，兩者之間距離的減少將直接降低交易成本、運輸成本等各種成本。兩者之間地理距離的不同將會引起項目事前、事中和事后等各階段成本的差異：事前階段主要表現(xiàn)在項目的信息搜集成本與客戶的事前評估成本；事中階段主要表現(xiàn)為隨著地理距離增加而增加的交通成本和時間成本；事后階段則主要表現(xiàn)為事后監(jiān)督與管理成本。Agarwal和Hauswald基于1552家銀行分支機構研究發(fā)現(xiàn)，借款者的鄰近度有助于收集軟信息，而地理距離的增加則會逐漸侵蝕銀行收集借款者專有情報和開拓本地市場的能力（17）。蔡慶豐等研究發(fā)現(xiàn)銀企距離的降低將直接增加企業(yè)的信貸可得性（18）。

以上分析表明，企業(yè)參與金融活動的頻率和獲取外部資金的難易程度是推動自身金融化的重要因素，而區(qū)域金融發(fā)展會對實體企業(yè)金融化產生一定的推動作用。具體表現(xiàn)為：一方面，區(qū)域金融發(fā)展顯著增加了各地金融活動的數(shù)量和規(guī)模，這會直接推動實體企業(yè)金融化；另一方面，金融的發(fā)展可以顯著增加企業(yè)獲取外部資金的可得性和便利性，這會為企業(yè)金融化提供充沛的資金。同時，以制造業(yè)企業(yè)作為研究樣本也具有一定的現(xiàn)實意義，制造業(yè)作為中國經濟的支柱，其企業(yè)發(fā)展狀況、“脫實向虛”程度等都直接關系著中國經濟的發(fā)展?；诖?，本文提出如下假說：

假說1：區(qū)域金融發(fā)展對制造業(yè)企業(yè)金融化存在正向推動作用。

假說2：區(qū)域金融發(fā)展會通過降低企業(yè)融資約束進而推動制造業(yè)企業(yè)金融化。

（二）企業(yè)金融化的同群效應

企業(yè)金融化的同群效應是指企業(yè)對自身金融資產的配置不僅受自身因素的影響，而且還會受到同伴企業(yè)的影響，并且這種影響隨著其地理位置和所屬行業(yè)的不同而存在差異。本文主要從企業(yè)金融化的傳染機制進行分析：企業(yè)金融化的傳染機制主要表現(xiàn)為同群效應，即除自身因素外，企業(yè)的經營決策還會受到同行業(yè)其他企業(yè)的影響，并且這種影響隨著地理距離的增加而降低，隨行業(yè)間差異的增大而降低（19）。企業(yè)金融化的動機無論是基于“蓄水池”理論還是“投資替代”理論，其均表現(xiàn)出同群效應：一方面，根據(jù)“蓄水池”理論，當企業(yè)增加金融資產投資以應對不確定風險時，出于警惕性和企業(yè)經營的安全性，同行業(yè)企業(yè)通常也會作出類似的決策；另一方面，根據(jù)“投資替代”理論，當企業(yè)增加金融資產投資以追逐資本市場的超額利潤時，同行業(yè)企業(yè)同樣會效仿，而隨著地理距離的增加，信息成本逐漸上升，企業(yè)間的同群效應逐漸下降。Landier等利用美國企業(yè)數(shù)據(jù)進行研究發(fā)現(xiàn)，地理位置對企業(yè)決策具有非常重要的影響，并且這種影響是由社會和信息因素造成的（20）。Seo研究發(fā)現(xiàn)企業(yè)在披露決策中存在同群效應，并且在企業(yè)戰(zhàn)略不確定性和對外部融資的依賴程度較高時，披露決策的同群效應更為明顯（21）。趙穎發(fā)現(xiàn)中國企業(yè)同樣存在明顯的同群效應，并且同一區(qū)域內同行業(yè)和其他行業(yè)對高管薪酬的影響顯著高于不同區(qū)域內同一行業(yè)的影響（22）。王營和曹廷求發(fā)現(xiàn)當嵌入董事網絡關系后，企業(yè)金融化具有顯著的同群效應，并且這一效應會因企業(yè)的行業(yè)類型、地區(qū)分布而存在差異（23）。

由此可見，中國企業(yè)金融化存在明顯的同群效應，而加之區(qū)域金融發(fā)展的影響，使得兩者對企業(yè)金融化呈現(xiàn)出一定的交互效應。中國制造業(yè)企業(yè)數(shù)目眾多、遍布全國，對其的研究既可以深入分析企業(yè)金融化的同群效應，又可以避免行業(yè)類別差異較大所帶來的影響?；诖?，本文提出如下假說：

假說3：中國制造業(yè)企業(yè)金融化存在明顯的同群效應，企業(yè)對金融資產配置的決策受同群企業(yè)的影響較大。

假說4：區(qū)域金融發(fā)展與制造業(yè)企業(yè)之間的同群效應將對制造業(yè)企業(yè)金融化呈現(xiàn)出一定的交互效應。

三、研究設計

（一）數(shù)據(jù)來源

本文使用的數(shù)據(jù)主要來源于CSMAR數(shù)據(jù)庫、Wind數(shù)據(jù)庫、《中國城市統(tǒng)計年鑒》和《中國分省份市場化指數(shù)報告（2021）》。其中，CSMAR數(shù)據(jù)庫和Wind數(shù)據(jù)庫提供了本文實證需要的制造業(yè)上市公司層面的相關數(shù)據(jù)；《中國城市統(tǒng)計年鑒》提供了中國各地級市層面的數(shù)據(jù)；王小魯?shù)染幹频摹吨袊质》菔袌龌笖?shù)報告（2021）》提供了中國各省份市場化指數(shù)數(shù)據(jù)（24）。本文的實證樣本為中國985家制造業(yè)上市公司，樣本區(qū)間均為2012―2020年，數(shù)據(jù)處理后共得到8626個觀測值。在數(shù)據(jù)收集的過程中，本文對原始數(shù)據(jù)作了如下處理：（1）基于企業(yè)所在地將企業(yè)數(shù)據(jù)與地級市數(shù)據(jù)進行匹配處理；（2）剔除了2012年之后上市的企業(yè)；（3）剔除了ST、*ST、PT的企業(yè)與數(shù)據(jù)存在嚴重缺失的城市、企業(yè)；（4）剔除了B股、H股的上市公司；（5）剔除了資產負債率小于0和大于1 的企業(yè)；（6）對樣本中的所有連續(xù)變量進行了上下1%的縮尾處理。

（二）計量模型

為了進一步檢驗中國區(qū)域金融發(fā)展對制造業(yè)企業(yè)金融化的作用方向與作用程度，本文構建模型如下：

（1）

在公式（1）中，下標i、h和t表示企業(yè)i及其所屬城市h和年份t；Fin和Refin分別表示制造業(yè)企業(yè)金融化指數(shù)和區(qū)域金融發(fā)展水平；X和Z為本文選擇的企業(yè)與宏觀層面的控制變量，包括：企業(yè)規(guī)模（Asset）、企業(yè)杠桿（Dar）、總資產收益率（Roa）、營業(yè)利潤率（Dp）、金融與實體相對收益率（Rg）、經營活動現(xiàn)金流（Ocf）、托賓Q（Q）、投資收益（Roi）、第一股東持股（Sh）、產權性質（Enpro）、市場化指數(shù)（Mark）、地區(qū)生產總值增長率（GDP）；β為待估計參數(shù)，α為個體固定效應，φ為制造業(yè)細分行業(yè)（二級行業(yè)分類）的固定效應，δ為省份固定效應，ε為隨機擾動項。

（三）變量定義

1.企業(yè)金融化（Fin）。本文借杜勇等的計算方式，以企業(yè)持有金融資產的比例度量其金融化水平（25）。在金融資產選擇方面，本文選擇交易性金融資產、衍生金融資產、發(fā)放貸款及墊款凈額、可供出售金融資產凈額、持有至到期投資凈額和投資性房地產凈額等6個資產負債表科目。因此，制造業(yè)企業(yè)金融化通過以下公式計算：Fin=（交易性金融資產+衍生金融資產+發(fā)放貸款及墊款凈額+可供出售金融資產凈額+持有至到期投資凈額+投資性房地產凈額）/企業(yè)總資產。

2.區(qū)域金融發(fā)展（Refin）。借鑒王博等的研究，本文將使用金融機構貸款余額占GDP的比重用于衡量金融發(fā)展水平（26）。

3.同群企業(yè)金融化（Gfin1、Gfin2和Gfin3）。本文借鑒李秋梅和梁權熙的計算方式，將同群企業(yè)定義為與制造業(yè)企業(yè)i處于同地區(qū)、同行業(yè)和同地區(qū)同行業(yè)的企業(yè)，即與制造業(yè)企業(yè)i注冊地在同一省份、屬于同一行業(yè)、省份及行業(yè)均相同的其他企業(yè)（27）。因此本文將制造業(yè)企業(yè)i的同群企業(yè)金融化指數(shù)界定為：同省份其他企業(yè)的平均金融化水平（Gfin1）、同行業(yè)其他企業(yè)的平均金融化水平（Gfin2）和同行業(yè)同省份其他企業(yè)的平均金融化水平（Gfin3）（28）。

4.控制變量。本文主要從企業(yè)層面與宏觀經濟層面選取控制變量。企業(yè)層面包括：企業(yè)規(guī)模（Asset）以企業(yè)總資產的對數(shù)值進行衡量；企業(yè)杠桿（Dar）以企業(yè)的資產負債率進行衡量；總資產收益率（Roa）以企業(yè)凈利潤與總資產之比進行衡量；營業(yè)利潤率（Dp）以企業(yè)利潤總額與營業(yè)總收入之比進行衡量；金融與實體相對收益率（Rg）以金融收益率與實體收益率之比進行衡量（29）；經營活動現(xiàn)金流（Ocf）以企業(yè)經營活動現(xiàn)金凈流量與總資產之比進行衡量；托賓Q（Q）以企業(yè)股票總市值與總資產之比進行衡量；投資收益（Roi）以企業(yè)年末投資收益與總資產之比進行衡量；第一股東持股（Sh）以第一大股東的持股比例進行衡量；產權性質（Enpro）以企業(yè)實際控制人的性質進行衡量，若企業(yè)實際控制人為國有，Enpro=1，否則Enpro=0。宏觀經濟層面包括：市場化指數(shù)（Mark），以各省份市場化指數(shù)進行衡量；地區(qū)生產總值增長率（GDP）以各城市的地區(qū)生產總值的增長率進行衡量。

四、實證結果及分析

（一）描述性統(tǒng)計分析

表1報告了主要變量的描述性統(tǒng)計結果。由表1可知，制造業(yè)企業(yè)金融化指數(shù)的均值為0.0289，極小值為0，極大值為0.3140，說明制造業(yè)企業(yè)金融化水平存在較大的差異，并且存在部分企業(yè)的金融化水平偏高的現(xiàn)象。而同群企業(yè)平均金融化水平（Gfin1、Gfin2和Gfin3）的標準差分別為0.0162、0.0191和0.0375，均低于企業(yè)個體金融化水平的標準差，說明同群企業(yè)降低了企業(yè)個體金融化之間的差異。區(qū)域金融發(fā)展的均值為1.4870，極小值為0.4340，極大值為3.4800，說明不同地區(qū)區(qū)域金融發(fā)展水平同樣存在較大的差異，這與現(xiàn)有研究一致。

（二）基準回歸結果分析

本文檢驗了中國區(qū)域金融發(fā)展對制造業(yè)企業(yè)金融化的影響，表2報告了基準回歸結果。其中，列（1）沒有加入控制變量，列（2）在列（1）的基礎上進一步加入了控制變量?？梢园l(fā)現(xiàn)無論是否引入控制變量，區(qū)域金融發(fā)展對制造業(yè)企業(yè)金融化均存在顯著的正向影響；引入控制變量后，核心解釋變量Refin的系數(shù)為0.0131，表明區(qū)域金融發(fā)展水平每增加一個標準差（0.6620），企業(yè)金融化水平將增加約0.0087，相當于均值（0.0289）的30.0076%。這表明中國區(qū)域金融發(fā)展對制造業(yè)企業(yè)金融化具有一定的推動作用，假說1得到驗證。可能的解釋是：隨著區(qū)域金融發(fā)展水平的提升，制造業(yè)企業(yè)參與金融活動頻率增加，進而對其金融化起到了一定的推動作用。

（三）企業(yè)金融化的同群效應

區(qū)域金融發(fā)展對企業(yè)金融化存在推動作用，而制造業(yè)企業(yè)之間的同群效應更是進一步提高了其金融化程度。為了檢驗制造業(yè)企業(yè)金融化的同群效應對其自身的影響，本文建立如下模型：

（2）

（3）

（4）

在公式（2）、公式（3）和公式（4）中，F(xiàn)in表示制造業(yè)企業(yè)金融化指數(shù)；Gfin1、Gfin2和Gfin3為同群企業(yè)金融化指數(shù)。本文對某制造業(yè)企業(yè)的同群企業(yè)從三個方面進行了界定：同省份其他企業(yè)的平均金融化水平（Gfin1）、同行業(yè)其他企業(yè)的平均金融化水平（Gfin2）和同省份同行業(yè)其他企業(yè)的平均金融化水平（Gfin3），然后分別將其作為核心解釋變量進行分析。同時，為了增加實證研究的科學性與準確性，本文從以下兩個方面對模型進行了進一步修改：一方面，考慮到同群企業(yè)金融化的相似性可能是由同群企業(yè)之間相似的特征所引起的（30），本文進一步控制了同群企業(yè)的平均特征（GX），分別為同省份企業(yè)的平均特征、同行業(yè)企業(yè)的平均特征和同省份-行業(yè)企業(yè)的平均特征，特征變量包括企業(yè)規(guī)模（Asset）、企業(yè)杠桿（Dar）、總資產收益率（Roa）和托賓Q（Q）。另一方面，考慮到同省份（同行業(yè)、同省份-行業(yè)）企業(yè)金融化是根據(jù)省份（行業(yè)、省份—行業(yè)）劃分的條件均值，已包含企業(yè)的省份（行業(yè)、省份與行業(yè)）信息，為了避免共線性，參考Grennan的做法，在檢驗制造業(yè)企業(yè)金融化同群效應時不再控制省份（行業(yè)、省份與行業(yè)）固定效應（31）。

表3報告了制造業(yè)企業(yè)金融化同群效應的估計結果。其中，列（1）、列（2）和列（3）分別檢驗了Gfin1、Gfin2和Gfin3對制造業(yè)企業(yè)金融化的影響：同群企業(yè)平均金融化水平（Gfin1、Gfin2和Gfin3）對制造業(yè)企業(yè)金融化的估計系數(shù)均在1%水平上顯著為正，同群企業(yè)平均金融化水平Gfin1（Gfin2、Gfin3）的系數(shù)為0.1990（0.3295、0.0744），表明同群企業(yè)平均金融化水平每增加一個標準差0.0162（0.0191、0.0375），企業(yè)金融化水平將增加約0.0032（0.0063、0.0028），相當于均值（0.0289）的11.0727%（21.7993%、9.6886%）。這表明中國制造業(yè)企業(yè)金融化存在顯著的同群效應，制造業(yè)企業(yè)金融化水平會隨著同省份、同行業(yè)和同省份-行業(yè)其他企業(yè)平均金融化水平的提高而表現(xiàn)出增長趨勢，因此假說3得到驗證。

（四）穩(wěn)健性檢驗

1.替換金融發(fā)展水平的度量指標。在核心解釋變量的度量方面，本文使用另外兩種方式對金融發(fā)展水平進行重新測度：一方面，本文使用城市金融機構各項存款余額作為替換，然后對區(qū)域金融發(fā)展進行重新測度（Refin2）；另一方面，本文將進一步使用城市銀行網點數(shù)據(jù)（各城市銀行網點的數(shù)量+1）取對數(shù)進行度量，銀行網點的數(shù)量越多表明該城市金融體系的規(guī)模越大，并且與金融資源（總量層面）的衡量方式不同，銀行網點的數(shù)量更直觀地反映出企業(yè)信貸資源的可得性。由表4可知，經過變換后，Refin2和bank的回歸系數(shù)仍顯著為正，說明模型的估計結果具有較強的穩(wěn)健性。

2.替換金融化的度量指標。在制造業(yè)企業(yè)金融化的度量方面，參考顧雷雷等的計算方式（32），本文以交易性金融資產、衍生金融資產、其他應收款、買入返售金融資產、一年內到期的非流動資產、其他流動資產、發(fā)放貸款及墊款、可供出售金融資產、持有至到期投資、長期股權投資、投資性房地產、其他非流動資產等12個資產負債表科目對制造業(yè)企業(yè)金融化進行重新測度（Fin2），并進行穩(wěn)健性檢驗。由表5可知，經過變換后，Refin的回歸系數(shù)仍在1%的水平上顯著為正，說明模型的估計結果具有較強的穩(wěn)健性。

3.考慮樣本的選擇問題。在樣本選擇的問題上，本文主要考慮兩方面的影響：一方面，考慮到沒有持有金融資產的企業(yè)和持有金融資產的企業(yè)在投資決策方面可能存在較大的差異，因此本文從樣本中剔除Fin=0的制造業(yè)企業(yè)，然后對模型進行重新估計；另一方面，參考錢愛民等的研究（33），考慮到2015 年“股災”和2020年新型冠狀病毒感染疫情事件對企業(yè)帶來的沖擊，因此本文剔除年份為2015年和2020年的觀測值，然后對模型進行重新估計。由表6可知，經過樣本剔除后，Refin回歸系數(shù)的顯著性水平基本未發(fā)生變化，說明模型的估計結果具有較強的穩(wěn)健性。

4.克服樣本選擇偏誤。在本文的研究中，樣本企業(yè)所在城市的金融發(fā)展水平可能存在較大的差異，其中差異最大的就是地處省會城市的企業(yè)和非省會城市的企業(yè)，這種差異性會影響企業(yè)的決策與規(guī)劃，因此本文將進一步使用PSM傾向值匹配方法，針對樣本企業(yè)是否地處省會城市生成虛擬變量Proca。當企業(yè)地處省會城市時，Proca取值為1，否則取值為0，然后采用Logit模型將所有特征變量（Asset、Dar、Roa、Dp、Rg、Ocf、Q、Roi、Sh、Enpro、GDP和Mark）分別對Proca進行回歸，計算傾向評分，從而剔除差異較大的企業(yè)，然后使用保留的樣本對模型進行重新估計。由表7可知，重新估計的結果與表2的研究結論仍然一致。

5.工具變量法。在工具變量的選擇上，其一，借鑒陶鋒等的研究成果（34），本文使用年末城鄉(xiāng)居民儲蓄余額與金融業(yè)從業(yè)人數(shù)的滯后期數(shù)據(jù)作為區(qū)域金融發(fā)展的工具變量對模型進行估計。一方面，居民的儲蓄行為主要受其自身偏好的影響，與當?shù)仄髽I(yè)的投資決策不存在直接聯(lián)系，金融業(yè)從業(yè)人數(shù)同樣如此，因此工具變量滿足外生性要求；另一方面，居民儲蓄作為金融機構負債的主要來源之一，其儲蓄規(guī)模將直接決定當?shù)亟鹑诘陌l(fā)展規(guī)模，而金融業(yè)從業(yè)人數(shù)與金融發(fā)展水平的關聯(lián)更為密切，因此工具變量滿足相關性要求。其二，本文使用區(qū)域金融發(fā)展的滯后期數(shù)據(jù)作為區(qū)域金融發(fā)展的工具變量對模型進行估計，工具變量法的估計結果如表8所示，在工具變量有效性方面，Anderson檢驗的結果說明工具變量的使用不存在識別不足問題；Cragg-Donald檢驗的結果說明不存在弱工具變量問題。兩種檢驗的結果說明模型所選用的工具變量是有效的。進一步看，Refin變量的符號和顯著性基本未發(fā)生變化，說明模型內生性問題并不嚴重，前文結論具有較強的穩(wěn)健性。

五、進一步分析

本文將從融資約束方面研究區(qū)域金融發(fā)展對制造業(yè)企業(yè)金融化的中介作用，并進一步分析區(qū)域金融發(fā)展與制造業(yè)企業(yè)之間的同群效應對企業(yè)金融化的交互影響，從而為制造業(yè)企業(yè)控制金融化和高質量發(fā)展提供一定的經驗證據(jù)。

（一）企業(yè)融資約束的中介效應檢驗

1.企業(yè)融資約束指標的度量。為了進一步驗證融資約束在區(qū)域金融發(fā)展與制造業(yè)企業(yè)金融化中所發(fā)揮的中介效應，本文使用中介效應模型來對此進行檢驗。在融資約束指標的選擇方面，參考Hadlock和Pierce的研究（35），本文以企業(yè)SA指數(shù)作為融資約束（Fc）的衡量指標，SA指數(shù)的計算公式如下：

（5）

在公式（5）中，Size表示企業(yè)總資產的對數(shù)值，Age表示企業(yè)年齡。SA指數(shù)越大，企業(yè)面臨的融資約束（Fc）也越大。該指數(shù)在測度時使用企業(yè)規(guī)模和企業(yè)年齡兩個相對外生的變量，可以在一定程度上避免內生性問題。然后進一步借助中介效應模型對其中的作用機制進行檢驗。

2.融資約束的中介機制分析。為了進一步驗證區(qū)域金融發(fā)展通過降低企業(yè)融資約束進而推動企業(yè)金融化的程度，本文構建如下模型：

（6）

（7）

如公式（6）和公式（7）所示，本文對企業(yè)融資約束中介機制的檢驗主要包括兩個步驟：首先，驗證區(qū)域金融發(fā)展（Refin）對企業(yè)融資約束（Fc）的影響；其次，驗證中介變量融資約束（Fc）對制造業(yè)企業(yè)金融化（Fin）的影響。

表9報告了企業(yè)融資約束的中介效應檢驗結果?；貧w結果顯示，列（1）中Refin的估計系數(shù)在1%的水平上顯著為負，表明區(qū)域金融發(fā)展水平的提高緩解了企業(yè)的融資約束；列（2）中企業(yè)融資約束（Fc）的估計系數(shù)在1%的水平上顯著為負，表明融資約束降低會提高制造業(yè)企業(yè)的金融化水平。因此，綜合表10的估計結果可以得出結論，區(qū)域金融發(fā)展通過降低企業(yè)融資約束提高了制造業(yè)企業(yè)金融化水平，這驗證了假設2的結論。

（二）區(qū)域金融發(fā)展與企業(yè)間同群效應的交互影響

為了進一步驗證區(qū)域金融發(fā)展與企業(yè)間同群效應對制造業(yè)企業(yè)金融化的交互影響，本文構建模型如下：

（8）

在公式（8）中，本文將區(qū)域金融發(fā)展（Refin）與同省份其他企業(yè)的平均金融化水平（Gfin1）、同行業(yè)其他企業(yè)的平均金融化水平（Gfin2）、同省份同行業(yè)其他企業(yè)的平均金融化水平（Gfin3）的交互項（Gfin1×Refin、Gfin2×Refin、Gfin3×Refin）引入模型，以此來進行研究。在實證過程中，為了增加研究的科學性與準確性，此處對模型的處理方式與表4的處理方式一致，即進一步控制了同群企業(yè)的平均特征，并通過指示函數(shù)I（·）控制模型存在的固定效應（36）。

表10報告了交互影響的估計結果。回歸結果顯示，列（1）—列（3）中Refin、Gfin1、Gfin2、Gfin3的估計系數(shù)均顯著為正，表明區(qū)域金融發(fā)展與同群企業(yè)平均金融化水平均可以提高制造業(yè)企業(yè)的金融化水平，這與前文的研究結論一致；交互項Gfin1×Refin和Gfin3×Refin的估計系數(shù)均顯著為正，從而驗證了假設4的結論，這表明區(qū)域金融發(fā)展與制造業(yè)企業(yè)間同群效應對金融化呈現(xiàn)出顯著的交互效應，區(qū)域金融發(fā)展通過直接影響與融資約束的中介效應提高了制造業(yè)企業(yè)金融化水平，而同省份和同省份-行業(yè)企業(yè)平均金融化水平的提高更是加劇了這種影響。Gfin2×Refin的估計系數(shù)則不顯著，原因主要在于同行業(yè)企業(yè)的注冊地可以是全國任意一個省份，不同省份區(qū)域金融發(fā)展水平之間存在較大的差異，且企業(yè)之間不再具有地理距離鄰近的特征，因此區(qū)域金融發(fā)展與同行業(yè)企業(yè)間同群效應對制造業(yè)企業(yè)金融化的交互影響不明顯。

六、研究結論和政策建議

本文基于2012—2020年中國制造業(yè)上市企業(yè)的相關數(shù)據(jù)，分析了區(qū)域金融發(fā)展對制造業(yè)企業(yè)金融化的影響，并從企業(yè)融資約束與同群效應視角檢驗了其影響機制。研究結論如下：第一，中國區(qū)域金融發(fā)展對制造業(yè)企業(yè)金融化存在明顯的推動作用，并且這一結論在改變變量度量方式、考慮樣本的選擇、克服樣本選擇偏誤和工具變量法等一系列穩(wěn)健性測試中依然成立。第二，制造業(yè)企業(yè)金融化存在明顯的同群效應，制造業(yè)企業(yè)金融化水平會隨著同省份、同行業(yè)和同省份-行業(yè)企業(yè)平均金融化水平的提高而表現(xiàn)出增長趨勢。第三，機制分析表明：區(qū)域金融發(fā)展通過降低企業(yè)融資約束進而提高了制造業(yè)企業(yè)金融化水平，并且區(qū)域金融發(fā)展與制造業(yè)企業(yè)間同群效應對企業(yè)金融化呈現(xiàn)出顯著的交互效應，即區(qū)域金融發(fā)展通過直接與間接影響顯著提高了制造業(yè)企業(yè)金融化水平，而同省份和同省份-行業(yè)企業(yè)金融化行為更是加劇了這種影響，但同行業(yè)企業(yè)金融化行為的影響則不明顯。

基于以上結論，本文提出如下政策建議：

第一，完善公司治理，加強內部制約。針對制造業(yè)企業(yè)金融化帶來的問題，各實體企業(yè)可進一步完善公司內部治理，加強股東會、監(jiān)事會、董事會對經理層權力的制約與監(jiān)督，從而進一步明確主營業(yè)務和金融業(yè)務之間的主次關系。

第二，加強投資監(jiān)管，引導資金流向。政府部門應加強對制造業(yè)企業(yè)配置金融資產的監(jiān)管，通過提高企業(yè)投資的信息披露要求進一步明確其金融投資的資金來源和項目明細，同時也要實行適當?shù)亩愂蘸托刨J優(yōu)惠政策，通過獎懲并行引導企業(yè)資金流入日常經營活動、研發(fā)創(chuàng)新活動，激勵金融部門支持制造業(yè)企業(yè)的研發(fā)創(chuàng)新和轉型升級，推動中國金融業(yè)和制造業(yè)的高質量發(fā)展。

注釋：

（1）（23） 王營、曹廷求：《企業(yè)金融化的傳染效應研究》，《財經研究》2020年第12期。

（2）（29） 步曉寧、趙麗華、劉磊：《產業(yè)政策與企業(yè)資產金融化》，《財經研究》2020年第11期。

（3） F. Demir， Financial Liberalization， Private Investment and Portfolio Choice： Financialization of Real Sectors in Emerging Markets， Journal of Development Economics， 2009， 88（2）， pp.314-324.

（4） H. Almeida， M. Campello， M. S. Weisbach， The Cash Flow Sensitivity of Cash， The Journal of Finance， 2004， 59（4）， pp.1777-1804.

（5） 胡奕明、王雪婷、張瑾：《金融資產配置動機：“蓄水池”或“替代”？——來自中國上市公司的證據(jù)》，《經濟研究》2017年第1期。

（6） 王永欽、劉紫寒、李嫦、杜巨瀾：《識別中國非金融企業(yè)的影子銀行活動——來自合并資產負債表的證據(jù)》，《管理世界》2015年第12期。

（7） 謝富勝、匡曉璐：《制造業(yè)企業(yè)擴大金融活動能夠提升利潤率嗎？——以中國A股上市制造業(yè)企業(yè)為例》， ?《管理世界》2020年第12期。

（8） 彭俞超、韓珣、李建軍：《經濟政策不確定性與企業(yè)金融化》，《中國工業(yè)經濟》2018年第1期。

（9） 韓珣、田光寧、李建軍：《非金融企業(yè)影子銀行化與融資結構——中國上市公司的經驗證據(jù)》，《國際金融研究》2017年第10期。

（10） 馮根福、鄭明波、溫軍、張存炳：《究竟哪些因素決定了中國企業(yè)的技術創(chuàng)新——基于九大中文經濟學權威期刊和A股上市公司數(shù)據(jù)的再實證》，《中國工業(yè)經濟》2021年第1期。

（11）（18） 蔡慶豐、陳熠輝、林焜：《信貸資源可得性與企業(yè)創(chuàng)新：激勵還是抑制？——基于銀行網點數(shù)據(jù)和金融地理結構的微觀證據(jù)》，《經濟研究》2020年第10期。

（12） 張成思、張步曇：《再論金融與實體經濟：經濟金融化視角》，《經濟學動態(tài)》2015年第6期；宋清華、謝坤：《地區(qū)金融發(fā)展、異質性與實體企業(yè)金融化》，《現(xiàn)代經濟探討》2021年第2期。

（13）（20） A. Landier， V. B. Nair， J. Wulf， Trade-Offs in Staying Close： Corporate Decision Making and Geographic Dispersion， The Review of Financial Studies， 2009， 22（3）， pp.1119-1148.

（14） H. S. Shin， L. Zhao， Firms as Surrogate Intermediaries： Evidence from Emerging Economies， Asian Development Bank， 2013.

（15） H. Degryse， S. Ongena， Distance， Lending Relationships， and Competition， The Journal of Finance， 2005， 60（1）， pp.231-266.

（16） 李志生、金凌：《銀行競爭提高了企業(yè)投資水平和資源配置效率嗎？——基于分支機構空間分布的研究》，《金融研究》2021年第1期。

（17） S. Agarwal， R. Hauswald， Distance and Private Information in Lending， The Review of Financial Studies， 2010， 23（7）， pp.2757-2788.

（19）（27） 李秋梅、梁權熙：《企業(yè)“脫實向虛”如何傳染？——基于同群效應的視角》，《財經研究》2020年第8期。

（21） H. Seo， Peer Effects in Corporate Disclosure Decisions， Journal of Accounting and Economics， 2021， 71（1）， p.101364.

（22） 趙穎：《中國上市公司高管薪酬的同群效應分析》，《中國工業(yè)經濟》2016年第2期。

（24） 王小魯、胡李鵬、樊綱：《中國分省份市場化指數(shù)報告（2021）》，社會科學文獻出版社2021年版，第223—225頁。

（25） 杜勇、張歡、陳建英：《金融化對實體企業(yè)未來主業(yè)發(fā)展的影響：促進還是抑制》，《中國工業(yè)經濟》2017年第12期。

（26） 王博、邸超倫、武陽：《環(huán)保政策對PM2.5概念股收益率影響的傳導渠道檢驗——兼議政府質量和金融發(fā)展水平的調節(jié)效應》，《南開經濟研究》2022年第8期。

（28） 文章的研究樣本為制造業(yè)企業(yè)，因此同行業(yè)、不同行業(yè)的描述均參照證監(jiān)會2012年發(fā)布的《上市公司行業(yè)分類指引》中制造業(yè)二級行業(yè)分類，并且模型中制造業(yè)細分行業(yè)固定效應的分類標準與此相同。

（30） B. K. Adhikari， A. Agrawal， Peer Influence on Payout Policies， Journal of Corporate Finance， 2018， 48， pp.615-637.

（31） J. Grennan， Dividend Payments as a Response to Peer Influence， Journal of Financial Economics， 2019， 131（3）， pp.549-570.

（32） 顧雷雷、郭建鸞、王鴻宇：《企業(yè)社會責任、融資約束與企業(yè)金融化》，《金融研究》2020年第2期。

（33） 錢愛民、吳春天、朱大鵬：《民營企業(yè)混合所有制能促進實體經濟“脫虛返實”嗎》，《南開管理評論》2023年第1期。

（34） 陶鋒、胡軍、李詩田、韋錦祥：《金融地理結構如何影響企業(yè)生產率？——兼論金融供給側結構性改革》，《經濟研究》2017年第9期。

（35） C. J. Hadlock， J. R. Pierce， New Evidence on Measuring Financial Constraints： Moving Beyond the KZ Index， The Review of Financial Studies， 2010， 23（5）， pp.1909-1940.

（36） 指示函數(shù)I（·）可根據(jù)條件取值為1或0。

作者簡介：宋清華，中南財經政法大學金融學院教授、博士生導師， 湖北武漢，430074；林永康，通訊作者，山東財經大學保險學院講師，山東濟南，250014。

（責任編輯 李燈強）