1. 引言
近年来，我国金融行业的发展水平在逐年上升，金融业已经成为国民经济中愈发重要的一部分，其不仅贡献产值，更为重要的在国民经济运转之中起到配置资源的核心作用，若其正确且高效地运转，充分发挥其“润滑剂”效应，能够促使经济快速发展。而自2008年次贷危机之后，我国金融业的发展一路“高歌猛进”，而与之形成极为鲜明的对比的则是实体经济的发展势头却不断减缓，根本无法与金融业的发展相匹配。金融与实体经济密不可分，因实体而生，服务于实体，因此其具有实体性。另一方面，金融所经营的是货币这一特殊的商品，而货币具有价值符号这一特性，因而金融也具有虚拟性。时至今日，金融的虚拟性大有超越其实体性之势，金融的虚拟化与实体经济的矛盾开始显现。经济体中，金融部门持续膨胀导致金融业增加值占社会总产值比例过高，于是便形成了“金融超发展”[1]，本文将这种现象以“金融膨胀”代称。与此同时，在我国经济金融化的现状之下，不仅金融部门过分膨胀，同时企业进行金融化活动获取利润的行为也在愈演愈烈。影子银行化便是企业金融化的表现之一，具体体现为企业购买金融机构的相关金融产品或是充当“信用中介”进行二次放贷，促使企业“脱实向虚”，对其本身及经济体造成不利影响。
那么，宏观层面的金融过度发展，究竟会对微观层面上的非金融企业的影子银行业务参与有着什么样的性质以及程度的影响呢？基于上述角度，本文选取2013~2022年沪深两市A股上市企业的相关数据，将企业数据与宏观数据相匹配，实证探究“金融膨胀”对于非金融企业影子银行化的影响的性质与程度。结果表明，“金融膨胀”的确会导致非金融企业影子银行化的提高，且企业主业投资程度在其中发挥了中介效应。与此同时，从金融利润占比角度来看，金融利润占实体利润的比例与企业影子银行化存在U型关系；并且金融膨胀对企业影子银行化的推动作用在融资约束低以及所处区域GDP增速低的企业中更为明显。
本文可能具有以下边际贡献：目前大多数文献着眼于研究经济政策对企业影子银行化的影响，以及企业影子银行化所对企业自身造成的影响，较少有文献从宏观层面的金融过度发展(即“金融膨胀”)所造成的影响，本文便基于这一角度进行了研究，并且从企业主业投资角度方面研究其在金融膨胀对企业影子银行化影响过程的中介作用，还基于金融利润占比角度分析了其对企业影子银行化可能的非线性影响。
2. 文献综述与研究假设
2.1. 文献综述
本文研究的内容所涉及到的相关文献大致可分为两支：一是研究金融发展的相关文献，二是研究企业影子银行化的相关文献。
已有的研究大多着眼于金融发展程度对于宏观经济的影响，以及金融发展程度的适度性。学界普遍认为，金融应当在社会经济中占有一定比例而不应过高，一定范围之内，金融发展会对经济产生正向推动，同时来自美国上世纪80年的证据也表明适度的金融化会缓解有效需求不足的困境。然而若其增速过快，发展程度过高，与实体经济不相匹配，则会对经济产生负向影响，即存在有阈值效应。当金融发展所引起的CPI上升达到一定阈值时，其会抑制经济的增长[2]。同时，从金融发展速度与实体经济发展速度的角度来看，若二者之差超过一定范围，则金融发展同样会对经济增长产生负面影响[3]。实际上，金融本身不直接参与生产活动，并不能产生实际价值，其利润来源从根本上来说仍是实体行业的利润，若金融业利润过高，则意味着会挤压实体行业所分得的利润，我国金融业与实体行业所分享的利润相对占比已经过高，同时阻碍了经济增长。在金融–实体利润分享角度上，存在有金融过度化[4]。综上所述，已有研究已经证实金融发展对于经济增长的影响并不是一直正向且线性的，若金融在实体经济中所占的比例适当，则其发展同样会带动经济的发展；然则物极必反，若其占有的比例过大，或是其增速大大超过实体经济增速，因其特殊属性使得经济“脱实向虚”，忽视实体投资，只注重金融资产投资，资金在各个金融部门之间空转而未能真正注入到有资金需求的实体部门，未能发挥金融资源配置功能，并且其本身并不会带来新的价值的产生，从而使得经济停滞不前甚至出现倒退。
经济金融化的具体体现之一便是实体企业的金融化。企业最重要的经营目的之一就是盈利。正常范围之内，企业投资于金融资产是一种十分正常的行为。然而我国企业之中已有程度较深的“脱实向虚”现象[5]。企业金融化的程度过深从而大大挤出了其实体投资，影子银行化便是企业金融化的一种形式。部分资金充裕或是融资约束较小的企业因想要获取更多利润或是并未寻求到合适的实体投资机会，于是通过充当信用中介，将其自有资金或是通过其他融资渠道获得的资金借给其他需要资金的企业，或是购买金融机构的一些具有影子银行性质的金融产品等。已有文献的研究主要集中于影响企业影子银行化的因素以及企业影子银行化对于企业本身或是对于宏观经济的影响。从宏观层面上来看，我国宏观调控由松到紧使得经济不确定性程度上升的同时也导致企业影子银行化水平的上升[6]。宏观上的“稳金融”政策——如《资管新规》的出台，减少了企业参与影子银行业务的渠道，使得企业缩减其进行放贷的资金规模，降低企业经营风险，抑制了企业影子银行化并且还提升其劳动雇佣水平[7]。我国的金融市场由银行主导，存在有“利率双轨制”，金融资源并未实现最优配置，存在有典型“金融错配”现象，从而显著地推动了企业影子银行化，但是若企业主业盈利能力强，则这种推动作用会得到抑制[7] [8]。同样，企业影子银行化对其自身以及对整体社会经济都会在不同方面产生不同程度的影响，不仅降低了其实体投资水平[9]，也使得经济“脱实向虚”的程度加深[10]。
综上所述，金融最本质的功能是服务实体，金融发展应当适度不应过度，金融过度发展造成“金融膨胀”会抑制经济的发展。而作为经济体最重要的部分之一的实体企业，若其自身从事过多影子银行活动，厚“金融”而薄“主业”，注重短期忽视长远，则会对其自身及宏观经济造成不利影响。
2.2. 研究假设
近年来我国实体投资收益率持续低迷，与之形成鲜明对比的是金融产品的不断推出以及金融收益率的持续提升，金融与实体发展极不平衡，金融“热”而实体“冷”的现象持续存在，经济“脱实向虚”的程度持续加深。企业为了能够继续其经营活动与盈利，会不断调整其生产经营策略，而企业所处的外部经济大环境是影响企业生产经营决策的极其重要的外部因素，企业或应缓解其流动性，以备不时之需；或当实体经济低迷，收益波动较大时进行风险规避；或因想要获取更高的利润，会在不同程度上配置其金融资产，而我国企业金融化的主要驱动因素是获取更高的利润，而参与影子银行业务能使其获得较高的收益。因此，于企业而言，对利润的追求，自身资金的充裕程度，以及参与影子银行业务的难易程度，是推进其影子银行化的重要因素。而“金融膨胀”在实际意义上也是金融的发展，金融发展水平提升的表现之一为地区金融机构在数量上竞争程度上的提升，一定程度上能够使企业更容易获得外部资金，使其能够具有更多资源参与金融活动，促进企业金融化。金融发展不仅只包括正规金融，无法通过正规金融渠道获得足够资金的民营中小企业仍然是大多数，民间金融的发展为这些企业提供了投资渠道，并且企业会被高收益所诱惑主动进行金融活动，进一步加剧企业“脱实向虚”。
“金融膨胀”所带来的经济后果是实体无法匹配金融发展，金融投资挤出实体投资，金融投资收益与实体投资收益差距持续增大，在此背景之下，作为国民经济中重要部分之一的企业不再重视实体投资，而是纷纷将目光转向具有高收益的金融活动，影子银行业务因其高收益，不透明，以及监管缺失的特征成为了企业所青睐的对象，企业不仅可以通过只向金融机构购买相关产品，也可以自身充当信用中介进行放贷从而参与其中。同时，企业中普遍所存在的委托—代理问题也使得企业高管可能因为影子银行业务的高额利润而更具投资动机。故本文基于上述分析，提出以下假设：
H1：“金融膨胀”会促进非金融企业影子银行化。
3. 研究设计
3.1. 数据来源以及样本选择
本文选取了2013~2022年沪深两市A股上市企业作为研究样本，并且基于企业办公地址所在省份将企业层面的数据与宏观省份层面的数据进行合并，企业层面数据来源于CSMAR数据库。宏观数据来源于各省份统计年鉴，锐思数据库。并且对原始数据作如下处理：(1) 剔除在研究的时间期内被ST，PT的样本，剔除金融业样本，同时考虑到房地产业在我国经济中的特殊性，将属于该行业的企业样本也予以剔除。(2) 剔除核心变量缺失及相关数据存在严重缺失的样本。(3) 剔除资不抵债的样本。(4) 为避免极端值的存在对结果造成影响，对所有连续变量进行了上下1%水平的缩尾(winsor2)处理。最终得到3055家企业的共计19,309个观测值。
3.2. 模型设定
为了验证金融膨胀对非金融企业影子银行化的影响的性质以及程度，本文设定如下计量模型：
(1)
式(1)中，下标i，k，t分别为企业个体i，企业办公所在地省份k，以及年份t；SB_size为企业影子银行化规模，FD为金融膨胀程度，CV为本文选取的一系列控制变量，部分属于企业个体层面，部分属于宏观经济层面，包括：企业规模(size)，企业杠杆率(lev)，现金持有水平(cfh)，企业年龄(age)，股权性质(soe)，总资产收益率(ROA)，营业利润增长率(oprg)，托宾Q值(tobinq)，股权集中度(shrc)，地区经济水平(GDPgrowth)，经济政策不确定性(EPU)。H，p，u依次为行业，省份以及企业个体固定效应。经济政策不确定指数为不随个体变化的时间变量，故本文不再控制年份固定效应，并且引入宏观层面的变量加以控制。主要关注“金融膨胀”(FD)的系数β，β的符号为正且显著，则说明“金融膨胀”能提升非金融企业影子银行化的程度，即H1成立。
3.3. 主要变量定义及描述性统计
1) 被解释变量：非金融企业影子银行化(SB_size)，非金融企业既可以通过成为实际信用中介的方式借出资金。也可以通过购买金融机构发行的影子信贷产品间接参与到其信用创造的链条之中。有鉴于此，本文参考司登奎等(2021) [11]的研究，使用委托贷款，委托理财，民间借贷三者加总之和与总资产的比值用于衡量企业影子银行化。并且，受限于有关数据的可得性，本文将“委托贷款”使用企业财务报表中“一年内到期的非流动资产”，“其他流动资产”，“其他流动资产”三项账户相加所得。“委托理财”来自CSMAR对外投资数据库。“民间借贷”因其不透明性较高，则使用企业财务报表之中的“其他应收款”账户进行衡量。
2) 核心解释变量：金融膨胀(FD)，该变量实际含义即为金融发展程度，本文参考王博等(2022) [12]的研究，采用金融机构贷款余额占GDP的比重(FD)来衡量。其余控制变量的名称，符号及其衡量方式见表1，在此不再赘述。
Table 1. Variable definitions and measurement methods
表1. 变量定义及衡量方式
|
变量名称 |
变量符号 |
变量衡量方式 |
被解释变量 |
企业影子银行化 |
SB_size |
企业影子银行业务规模/总资产 |
解释变量 |
金融膨胀 |
FD |
金融机构年末贷款余额/GDP |
控制变量 |
企业规模 |
size |
企业总资产规模取对数 |
|
企业杠杆率 |
lev |
企业负债/企业总资产 |
|
现金持有水平 |
cfh |
货币资金/总资产 |
|
企业年龄 |
age |
当年所在年份 − 企业成立年份并取对数 |
|
股权性质 |
soe |
企业实际控制人性质，国有 = 1，非国有 = 0 |
|
总资产收益率 |
ROA |
净利润/总资产 |
|
营业利润增长率 |
oprg |
(本期营业利润 − 上期营业利润)/上期营业利润 |
|
托宾Q值 |
tobinq |
总市值/总资产 |
|
股权集中度 |
shrc |
前十大股东持股水平 |
|
地区经济水平 |
GDPgrowth |
省份GDP增长率 |
|
经济政策不确定性 |
EPU |
经济政策不确定性指数取对数 |
表2为本文所涉及相关变量的描述性统计分析表，从表中可以见得，企业影子银行化水平的均值为0.077，其最小值为0.002，最大值为0.544，由此可以看出本文所研究的非金融企业均在一定程度上参与了影子银行业务，并且不同企业之间的影子银行化水平差异极大。“金融膨胀”的均值为1.665，最小值为0.848，最大值为2.468，显示出我国各个省份之间的金融发展水平各异，与我国目前经济现状基本一致。其余控制变量的描述性统计结果见表2，在此不再赘述。同本文对所涉及变量进行VIF检验来验明是否存在多重共线性问题，检验结果显示VIF均值为1.28，极大值为1.95，由此可以认为变量间并不存在严重的多重共线性问题。
4. 实证分析
4.1. 基准回归
本文实证检验了“金融膨胀”对非金融企业影子银行化的影响，表3报告了基准回归结果，列(1)为
Table 2. Descriptive statistics of variables
表2. 变量描述性统计
变量名 |
观测值数 |
均值 |
标准差 |
最小值 |
最大值 |
SB_size |
19,309 |
0.077 |
0.097 |
0.002 |
0.544 |
FD |
19,309 |
1.665 |
0.434 |
0.848 |
2.468 |
size |
19,309 |
22.143 |
1.225 |
19.903 |
26.054 |
lev |
19,309 |
0.403 |
0.194 |
0.059 |
0.880 |
cfh |
19,309 |
0.180 |
0.121 |
0.016 |
0.601 |
age |
19,309 |
2.887 |
0.324 |
1.946 |
3.497 |
soe |
19,309 |
0.304 |
0.460 |
0.000 |
1.000 |
ROA |
19,309 |
0.044 |
0.061 |
−0.293 |
0.213 |
oprg |
19,309 |
−0.005 |
0.289 |
−23.527 |
12.612 |
tobinq |
19,309 |
2.132 |
1.361 |
0.854 |
9.02 |
shrc |
19,309 |
0.582 |
0.146 |
0.238 |
0.919 |
GDPgrowth |
19,309 |
0.064 |
0.025 |
−0.002 |
0.110 |
EPU |
19,309 |
4.960 |
0.116 |
4.829 |
5.222 |
Table 3. Baseline regression results
表3. 基准回归结果
|
(1) SB_size |
(2) SB_size |
FD |
0.018*** |
0.026*** |
|
(−3.981) |
(−5.498) |
size |
0.001 |
0.001 |
|
(−0.587) |
(−0.607) |
lev |
−0.108*** |
−0.108*** |
|
(−12.307) |
(−12.270) |
cfh |
−0.200*** |
−0.197*** |
|
(−18.286) |
(−18.047) |
age |
−0.077*** |
−0.071*** |
|
(−11.454) |
(−10.371) |
soe |
0.010** |
0.011** |
|
(−2.266) |
(−2.379) |
ROA |
0.031** |
0.030** |
|
(−2.406) |
(−2.287) |
oprg |
−0.001 |
−0.001 |
|
(−0.883) |
(−0.925) |
tobinq |
−0.002** |
−0.001* |
|
(−2.384) |
(−1.893) |
续表
shrc |
0.034*** |
0.030*** |
|
(−3.505) |
(−3.019) |
GDPgrowth |
|
0.032 |
|
|
(−0.902) |
EPU |
|
−0.031*** |
|
|
(−4.738) |
常数项 |
0.301*** |
0.424*** |
|
(−7.923) |
(−8.059) |
个体/行业/省份固定效应 |
YES |
YES |
观测值 |
19,309 |
19,309 |
注：括号内为稳健标准误，***，**，*分别表示在0.01，0.05以及0.1的显著性水平上显著，下表同。
加入企业层面控制变量的结果，而列(2)汇报了在列(1)的基础之上进一步控制了宏观层面控制变量的结果，且二者均控制了企业个体，行业以及省份固定效应。列(1)中FD的系数为0.018，列(2)中FD的系数为0.026，从列(1)，列(2)的结果可以看出：无论是否加入全部控制变量，“金融膨胀”(FD)对非金融企业影子银行化(SB_size)的影响均为正向且均在0.01的显著性水平上显著，从列(2)中可见得，当加入了全部控制变量之后，FD的系数为0.026，即金融发展程度提高1个标准差，非金融企业影子银行化水平将增加约0.0113，占其均值约14.65%，由此可以明显看出，“金融膨胀”将会显著推动非金融企业影子银行化水平的提升，结合现实来看，金融的过度发展使得企业将其资金更多的用于影子银行业务当中，造成了经济体中企业层面上的“脱实向虚”，故本文的H1得以验证。
4.2. 稳健性检验
为确保此次研究的稳健性，本文采取以下方式进行稳健性检验。
1) 替换“金融膨胀”的度量方式与非金融企业影子银行化的度量方式。金融业增加值是地区金融发展的重要体现之一，有鉴于此，本文将“金融膨胀”的度量方式改为省份金融业增加值占其GDP的比重(FD2)，并且将非金融企业影子银行化水平的度量方式改为企业影子银行业务总值(单位：元)取对数(SB_size2)。
2) 剔除相关年份样本，剔除直辖市样本。考虑到2015年我国股市出现严重问题以及2020年新冠疫情可能对样本企业造成相当大的冲击，本文在稳健性检验中将属于这两个年份的观测值予以剔除。再者，直辖市因其特殊地位以及普遍较高的发展水平同样可能会对结果造成干扰，所以将办公地址属于直辖市的企业样本同样予以剔除。本文同时采取上述两种方式，分别进行检验。
表4报告了以上述方式进行稳健性检验的结果，列(1)为替换核心解释变量为FD2的结果。列(2)为替换被解释变量为SB_size2的结果，列(3)为剔除2015年与2020年的观测值之后的结果。列(4)为剔除属于直辖市的观测值后的结果。所有回归均控制了所有控制变量以及个体/行业/省份固定效应。从表4列(1)，列(2)中可知，无论是改变金融膨胀度量方式还是非金融企业影子银行化度量方式，核心解释变量的系数均为正并且显著；从列(3)，列(4)的结果可知，在剔除相关年份样本，剔除直辖市样本之后，核心解释变量FD的系数符号以及显著性也均未出现明显变化，则可以说明模型的结果相对稳健，进一步说明“金融膨胀”对于非金融企业影子银行化具有推动作用。
Table 4. Replacement variable measurement method, excluding relevant years and municipalities robustness test
表4. 替换变量度量方式，剔除相关年份以及直辖市稳健性检验
|
(1) SB_size |
(2) SB_size2 |
(3) SB_size |
(4) SB_size |
FD2 |
0.541*** |
|
|
|
|
(−5.124) |
|
|
|
FD |
|
0.250*** |
0.030*** |
0.029*** |
|
|
(−4.550) |
(−5.548) |
(−5.704) |
控制变量 |
YES |
YES |
YES |
YES |
|
|
|
|
|
常数项 |
0.381*** |
−0.393 |
0.643*** |
0.409*** |
|
(−7.250) |
(−0.630) |
(−9.873) |
(−7.164) |
个体/行业/省份固定效应 |
YES |
YES |
YES |
YES |
观测值 |
19,309 |
19,309 |
15,436 |
15,895 |
4.3. 内生性检验
企业的影子银行活动可能会反向影响地区的金融发展水平，同时企业也可能倾向于选择金融发展程度较高的地区进行办公。故本文使用工具变量来控制可能存在的内生性问题，工具变量选择方面，因金融发展水平并无特别良好的工具变量，故本文借鉴宋清华、林永康(2023) [13]的研究，将金融发展水平的滞后期数据作为工具变量。
表5汇报了内生性检验的结果，其中列(1)列(2)分别汇报了工具变量的两个阶段的回归结果。列(1)中FD滞后期系数为0.652且在0.01的显著性水平上显著，且Kleibergen-Paap rk LM统计量结果显著，Kleibergen-Paap rk Wald F统计量大于10%水平临界值，故工具变量的选取不存在不可识别以及弱工具变量问题，列(2)中FD的系数为0.022并且同样显著，系数大小与基准回归相比较略有变化，但二者符号与显著性并无明显差异，因而在控制内生性问题之后，本文的假设仍然成立，则进一步证明了“金融膨胀”显著提升了非金融企业影子银行化水平这一结论较为稳健。
Table 5. Endogeneity test
表5. 内生性检验
|
(1) 一阶段FD |
(2) 二阶段SB_size |
L.FD |
0.652*** |
|
|
(−0.011) |
|
FD |
|
0.022*** |
|
|
(−0.008) |
控制变量 |
YES |
YES |
|
|
|
个体/行业/省份固定效应 |
YES |
YES |
Kleibergen-Paap rk LM统计量 |
2568.96*** |
Kleibergen-Paap rk Wald F统计量 |
3790.90 |
观测值 |
14,626 |
14,626 |
4.4. 中介效应分析
企业投身实体的程度可以由其主业投资反映而来。投资决策也是企业生产经营中尤为关键的部分。当经济体中的金融发展过快，超越实体经济的承载能力时，会显著地表现为实体经济停滞不前甚至不进反退，以及金融产品数量种类层出不穷，金融收益率与实体收益率的差距不断扩大，而当经济体中出现上述现象时，企业则会改变其投资策略，主业投资的收益率下降致使其投资主业的积极性下降，此时企业会显著降低其主业投资的程度，而影子银行业务投资与企业主业投资互为替代且已有相关文献研究发现企业主业投资与其影子银行业务投资存在负向相关[14]，故本文认为“金融膨胀”能够通过挤出企业主业投资水平从而使得企业影子银行化水平提高。
为实证检验主业投资的中介效应是否成立，本文借鉴孙继国(2023) [15]的研究，采取企业固定资产投资净额与企业总资产的比值(main_investment)来衡量企业主业投资水平，在基准回归模型式(1)的基础之上，继续构建式(2)，式(3)所示模型用于探究，其中式(2)检验金融膨胀对于企业主业投资的影响，式(3)检验企业主业投资对于企业影子银行化的影响，若式(2)中FD的系数符号与预期相符合(负向)且显著，同时式(3)中main_investment的系数符号(负向)也与预期相符并且同样显著，则可以表明企业主业投资的中介效应成立。
(2)
(3)
表6展现了此次中介效应分析的结果，其中列(1)的结果与表1中列(2)的结果相同，列(2)汇报了式(2)的结果，从列(2)中可看出FD的系数为−0.007且在0.1的显著性水平上显著，说明“金融膨胀”抑制了企业的主业投资。列(3)汇报了式(3)的结果，从中可看出mian_investment的系数为−0.243且在0.01的显著性水平上显著，表明主业投资的提升会降低企业影子银行化水平，故上述结果可以表明“金融膨胀”能够挤出企业的主业投资从而提升企业的影子银行化水平，并且列(3)中FD的系数仍为正向显著，可以说明主业投资在“金融膨胀”影响企业影子银行化的过程中具有部分中介效应。
Table 6. Mediation effect analysis
表6. 中介效应分析
|
(1) SB_size |
(2) main_investment |
(3) SB_size |
FD |
0.026*** |
−0.007* |
0.024*** |
|
(−5.498) |
(−1.917) |
(−5.227) |
main_investment |
|
|
−0.243*** |
|
|
|
(−21.488) |
控制变量 |
YES |
YES |
YES |
|
|
|
|
常数项 |
0.424*** |
0.870*** |
0.634*** |
|
(−8.059) |
(−15.817) |
(−11.954) |
个体/行业/省份固定效应 |
YES |
YES |
YES |
观测值 |
19,309 |
19,309 |
19,309 |
5. 进一步分析
5.1. 基于金融与实体分享利润的角度分析
金融业利润从根本上来源于实体产业，其所占实体利润的比例也成为衡量金融发展的一个角度。已有研究表明金融利润占比对经济影响存在门槛效应，当比例超过门槛值时，其对经济的影响由正向促进转为负向抑制[16]。经济繁荣的同时企业实体投资意愿增强，并且此时企业参与影子银行业务也只是为主业经营提供资金，故此时企业可能会减弱其参与影子银行业务的程度，将资金用于实体投资，但在经济过度金融化形成之后，企业参与影子银行业务的主要目的已经不是为其主业经营谋取资金，而是成为“信用中介”通过影子银行业务来牟利[8]。此时金融发展则可能会促使其更加频繁地参与影子银行业务。因此，本文认为从金融利润占实体利润比例的角度来看，该比例与企业影子银行化可能存在有非线性关系。故本文构建式(4)所示模型研究其对企业影子银行化的影响，其中，FPD为金融利润占比，参考何美玲等(2023) [16]的研究，使用省份金融业增加值与该省份规模以上工业企业净利润的比值来衡量，FPD_S为其平方项，用于研究二者之间可能存在的非线性关系。
(4)
表7报告了本次研究的实证结果。从列(1)，列(2)中可以看出，FPD系数均为负，FPD_S的系数均为正并且二者均显著，列(2)显示加入所有控制变量后，FPD系数为−0.176，FPD_S的系数为0.304，说明二者之间存在有非线性的U型关系。同时Utest在1%显著性水平下显著(p = 0.003)，并且结果显示可能的极值点为0.290，而本文在对FPD进行描述性统计后发现其极小值为0.029，极大值为0.496，故该极值点位于其取值区间内，并且据统计检验得约有7.6%的样本处于中轴右侧，因此可以说明二者之间存在有非线性的U型关系。故综上分析可以认为，金融利润膨胀对于非金融企业影子银行化的影响为非线性，金融分享实体利润的比例的提升先是对于非金融企业影子银行化有着抑制作用，促使企业“脱虚”。然而，当该比例超过一定值之后，若其继续攀升，则会对非金融企业影子银行化有着推动作用，致使企业“脱实”。
Table 7. Analysis based on profit sharing between finance and entities
表7. 基于金融与实体分享利润角度分析
|
(1) SB_size |
(2) SB_size |
FPD |
−0.147*** |
−0.176*** |
|
(−3.336) |
(−3.872) |
FPD_S |
0.289*** |
0.304*** |
|
(−3.856) |
(−4.005) |
size |
0.001 |
0.001 |
|
(−0.564) |
(−0.617) |
lev |
−0.109*** |
−0.109*** |
|
(−12.378) |
(−12.375) |
cfh |
−0.198*** |
−0.195*** |
|
(−18.055) |
(−17.804) |
age |
−0.058*** |
−0.048*** |
|
(−8.949) |
(−6.955) |
soe |
0.010** |
0.010** |
|
(−2.254) |
(−2.342) |
ROA |
0.033** |
0.033** |
|
(−2.557) |
(−2.532) |
续表
oprg |
−0.001 |
−0.001 |
|
(−0.766) |
(−0.765) |
tobinq |
−0.002** |
−0.001 |
|
(−2.116) |
(−1.544) |
shrc |
0.034*** |
0.031*** |
|
(−3.507) |
(−3.132) |
GDPgrowth |
|
−0.003 |
|
|
(−0.087) |
EPU |
|
−0.028*** |
|
|
(−4.063) |
常数项 |
0.288*** |
0.400*** |
|
(−7.492) |
(−7.588) |
个体/行业/省份固定效应 |
YES |
YES |
观测值 |
19,309 |
19,309 |
5.2. 异质性分析
1) 企业融资约束程度，融资约束是企业生产经营中面临的极为重要的问题之一，不同企业因其所处地域，行业以及自身规模等因素所面临的融资约束程度也不尽相同。前文分析中已经提到企业参与影子银行业务的方式之一便是充当资金的中介，将其通过融资渠道所得资金再次进行贷款发放，企业融资约束程度决定了其能通过各种融资渠道所获得资金的规模大小，同样也影响着企业的影子银行化水平。故本文参考许和连、王海成(2016) [17]的研究，采用应收账款净额与企业资产总值的比值进行衡量(con)，该数值越大表明企业的融资约束程度越大，而后本文将所有样本依据该指标进行分组，具体分组方式为：若样本该指标大于同年度同行业中位数，则将其划分入高融资约束组。反之则划分入低融资约束组。
表8汇报了分组回归的结果，其中列(1)为低融资约束样本的结果，列(2)为高融资约束样本的结果。列(1)中FD的系数为0.045且显著，而列(2)中该项的系数并不显著，则上述结果可以说明，相较于高融资约束企业，“金融膨胀”对于低融资约束企业的影子银行化具有更强的推动作用。
Table 8. Heterogeneity analysis of corporate financing constraints
表8. 企业融资约束异质性分析
|
(1) 低融资约束 |
(2) 高融资约束 |
FD |
0.045*** |
0.008 |
|
(−5.433) |
(−1.400) |
控制变量 |
YES |
YES |
常数项 |
0.564*** |
0.314*** |
|
(−6.313) |
(−4.667) |
个体/行业/省份 |
YES |
YES |
固定效应 |
|
|
观测值 |
9853 |
9456 |
2) 地区经济发展程度，区域的经济发展程度同样也会影响到企业生产经营决策。GDP增速是反映地区经济发展程度重要指标之一，其也是企业影子银行化的重要诱因之一，GDP增速高的地区往往投资机会更多，企业可以有多种盈利渠道，而GDP增速低的区域可能投资机会少，企业更有动机参与影子银行业务进行牟利，已有研究表明非正规金融的发展对于企业金融化的影响在GDP增速低的区域更为显著[18]。本文将样本企业办公地址所在省份按照GDP增速进行分组，计算每年样本所属省份的GDP增速中位数，增速大于该值为高增速区域，反之则为低增速区域。
表9展现了此次分析的结果，列(1)为低GDP增速区域的结果，列(2)为高GDP增速区域的结果。列(1)中FD的系数为0.057且在0.01的显著性水平上显著，而列(2)中FD1的系数为−0.01且不显著，则显然，“金融膨胀”对于非金融企业影子银行化的促进作用在低GDP增速的地区更为明显。
Table 9. Analysis of heterogeneity of regional GDP growth rates
表9. 地区GDP增速异质性分析
|
(1) 低GDP增速 |
(2) 高GDP增速 |
FD |
0.057*** |
−0.01 |
|
(−6.720) |
(−1.313) |
控制变量 |
YES |
YES |
常数项 |
0.394*** |
0.302*** |
|
(−4.715) |
(−3.626) |
个体/行业/省份 |
YES |
YES |
固定效应 |
|
|
观测值 |
10,272 |
9037 |
6. 结论与建议
6.1. 本文结论
本文从宏观层面的金融过度发展即“金融膨胀”是否会影响实体企业“脱实向虚”这一角度出发，以企业影子银行化作为切入点，采用2013~2022年沪深两市非金融非房地产行业上市公司的相关数据，以及省份层面的宏观经济相关数据进行实证研究。研究结果表明，“金融膨胀”会对非金融企业的影子银行化造成推动作用，并且在进行替换变量衡量方式，剔除相关年份，直辖市样本以及采用工具变量控制内生性问题后，该结论仍然成立。同时，本文利用企业主业投资作为中介变量，研究发现“金融膨胀”会导致企业削减其主业投资规模，从而提升其影子银行化水平，造成这一现象的原因可能是企业将原本用于主业投资的资金挪用于参与影子银行业务。同时本文针对金融利润占实体利润的比例适度性进行进一步分析，发现其对企业影子银行化的影响呈现U型，当该比例超过一定值时，其对企业影子银行化的影响由抑制转变为促进，这一结果同样也佐证了宏观层面的金融过度发展的确会使得实体企业更多地参与到影子银行业务中这一本文的核心观点。异质性分析的结果表明，从企业层面上看，“金融膨胀”对低融资约束企业影子银行化的促进作用极为明显，而对高融资约束企业的影子银行化的影响并不显著。从区域经济发展水平上看，相对而言，金融膨胀对非金融企业影子银行化的推动作用在GDP增速低的区域更为明显。
6.2. 政策建议
从上述结论出发，本文提出政策建议如下：
其一，政府进行宏观调控时应当要使得金融与实体经济的发展相匹配，以实体经济发展为先，为实体注入流动性，而不是以金融为先，唯收益论。同时也应当进一步完善金融监管体系，提高监管能力，从制度层面来遏制非金融企业的影子银行化。
其二，企业内部应当树立实体才是其立身之本这一理念，明确主业投资与影子银行业务的先后主次关系，避免过度投身虚拟，同时也应完善内部治理，加强内部制约，使经理层行为受到有效的管理和监督，降低其自身影子银行化水平。