1. 引言
党的二十大报告明确指出要有效防范化解重大经济金融风险，守住不发生系统性风险底线。而房地产业作为我国经济金融发展的支柱性产业，有效防范化解其可能发生的风险至关重要，尤其是要重点防范化解房地产相关企业发生债务违约的风险。然而，由于地缘政治风险增加、全球经济衰退、疫情冲击及贸易保护主义抬头等因素影响，各国政府不得不频繁改变经济政策，我国为了能在此背景下实现国家的发展目标，也在积极地调整经济政策。而经济政策的不确定性是否会对我国房地产企业发生债务违约的风险产生影响，需要深入探究彼此之间的联系。截至目前，国内外关于债务违约风险的研究主要是围绕影响债务违约风险的因素、债务违约风险的度量方法等，而关于经济政策不确定的研究主要围绕经济政策不确定性与企业投资行为(饶品贵等，2017)、企业金融化(彭俞超等，2018)、创新(顾夏铭等，2018)、企业生产率(陈宇峰，2023)等方面 [1] [2] [3] [4] ，而鲜有学者探究经济政策不确定性与债务违约风险之间的关系，尤其是针对特定行业研究两者之间关系。房地产作为高风险、高杠杆行业，当企业面临的经济政策不确定性增加，是否会导致其债务违约风险的增加呢？同时，考虑到A股上市房地产公司既有国有企业也有非国有企业，那么经济政策不确定性增加对两者债务违约风险的影响是否一样？如基于上述问题，本文将结合理论与实证的方法，深入研究经济政策不确定性对企业债务违约风险的影响。
2. 文献综述与研究假设
2.1. 文献综述
与本文相关的文献综述大致可分为两个方面，一方面是关于债务违约风险的度量方法。目前学术界关于债务违约风险的度量方法大致可以分为三类：第一类是基于计量方法的判别模型。这类方法中具有代表性的是Altman (1969)的Z值模型，该模型综合考虑了一个企业的营业能力、偿债能力、资产流动性及获利能力等方面的内容 [5] 。随后Ohlson (1980)选择9个变量，应用Logit模型对企业违约进行研究，发现其结果准确率高达92% [6] 。第二类是结构模型，即信用风险的度量模型。信用风险度量模型中应用最为广泛的是KMV模型(John，1993；Stephen，2003；王慧，2018) [7] [8] [9] 。此外，计量模型中的logit模型也常被学者用于计算其信用风险。第三类是神经网络、向量支持机、文本挖掘技术等在信用违约模型中的影响。如Chen (2018)利用神经网络模型计算信用风险大小，最终使得多个行业信用风险的识别率达到80%以上 [10] 。然而由于第二类方法存在训练数据和计算需求较高以及处理问题复杂等问题，而第三类存在过度拟合等问题，故本文选择第一类计量法方法。
另一方面是关于经济政策不确定性及其对企业债务违约风险的影响。根据现有文献研究，经济政策不确定性通常是指经济主体无法确切预知政府是否、何时以及如何改变现行经济政策(Gulen，2016，褚剑，2018) [11] [12] 。理论上，经济政策不确定性增加往往会通过一定的传导途径增大企业债务违约的风险，比如加剧企业面临的外部环境风险(Pastor，2012；饶品贵，2017) [13] [14] 。投资者因为企业外部环境风险的增加减少对企业的投资，或者索要更高的债务利息，这将增加企业的融资成本，降低企业的融资能力(Chi，2017；宋全云，2018) [15] [16] ，进而使企业生产力下降，最终因为生产成本上升和经营业绩下降的双重影响，企业偿债能力下降，债务违约风险增加(陈艳艳等，2018；巩雪，2021) [17] [18] 。但是经济政策不确定性也并非没有正面影响，有学者认为其对企业投资效率有正向影响(饶品贵，2017) [14] ，还有学者认为其对企业创新具有促进作用(顾夏铭，2018) [19] 。总之，各学者普遍认为经济政策会加剧企业风险，但其他方面的研究尚未有统一定论。
纵观相关文献，目前关于经济政策不确定性与企业债务违约风险的研究，多是采用沪深A股所有上市公司数据进行实证分析，但尚未有针对房地产企业视角探索经济政策不确定与债务违约风险之间关系的研究。选取单一的房地产公司作为研究对象，一方面可以排除不同行业差异的影响，另一方面，房地产行业在我国国民经济中占有重要地位，但近年来房地产企业违约现象层出不穷，基于这一特定行业研究债务违约风险，更具有针对性与现实意义。
2.2. 研究假设
经济政策不确定性是企业经营管理过程中必须考虑的问题。从融资约束角度看，经济政策的不确定性加剧，一方面会增加企业信息传递的滞后性，使市场上投资者不能及时捕捉真正需要融资的企业，从而导致那部分真正需要资金支持的企业不能及时获取资金支持。另一方面，企业面临经济政策不确定性的冲击越大越容易向外界传递不利于企业自身发展的信息，负面信息的传递则会曾加企业的融资约束，从而使得企业投资出现偏差。此外，经济政策的不确定性增加，不仅增加了企业面临的风险，同时也增加了投资者面临的风险，投资者为了减少经济政策不确定性带来的风险，必然会要求更高的投资回报作为补偿，从而增加了企业的融资成本。较高的资金成本及投资的偏差都在增加企业的经营风险，而经营风险的增加会影响企业的经营绩效，从而增加了企业债务违约风险(冯丽艳等，2016) [20] 。从经营管理角度看，企业面临的经济政策不确定性越大，越不利于其开展经济活动以及制定企业发展战略。在经济政策频繁改变的情况下，企业也需要频繁调整其管理策略，以应对外部环境带来的冲击，从而导致其经营风险的增加，而经营活动的不稳定会影响经营绩效，使其营业收入减少，增加了企业债务违约的可能性。此外，经济政策的频繁变动会加大整个市场环境的波动性，而市场的不稳定性不利于企业捕捉信息，从而导致企业无法及时调整经营策略，导致其战略决策脱离市场需要，无法保证企业的经营绩效，增加企业的经营风险(牛建波等，2012) [21] ，导致其债务违约风险的增加。综上所述，当企业面临的经济政策不确定性加剧时，会增加企业的债务融资成本，融资约束条件及经营管理风险，从而导致其债务违约风险的增加。
假设1：经济政策不确定性会增加房企债务违约风险。
此外，企业是否会发生债务违约的情况归根结底取决于其是否有相应的偿债能力，以及是否有相关的制度约束(孙铮等，2006) [22] 。在A股上市的房地产企业既有国有企业，也有非国有企业，它们的股权性质及管理制度并不相同。通常情况下，非国有企业的抗风险能力更低，更容易受到外部环境变化的影响。当经济政策不确定性增加时，非国有企业为了应对经营环境的变化，更容易改变经营策略，更难融资；而国有企业因为有政府的支持，其经营策略更不容易受到影响，更容易得到财政支持、银行贷款等。因此，本文提出如下假设：
假设2：相较于国有企业，经济政策不确定性增加对非国有企业的债务违约风险影响更大。
根据上述分析，经济政策不确定性增加企业债务违约风险的机制路径如图1：
Figure 1. Impact mechanism of economic policy uncertainty on corporate debt default risk
图1. 经济政策不确定对企业债务违约风险影响机制
3. 研究设计
3.1. 数据来源
本文选取沪深两市2013~2022年A股上市房地产开发公司作为研究样本。收集数据后本文对所收集的原始数据做了如下处理：(1) 剔除了样本期间数据缺失较多的房地产上市公司；(2) 剔除了整个样本期间的ST、*ST企业。最终本文选取了77家房地产上市公司10年的数据，共770个观察值。本文研究所需数据来自于国泰安数据库、同花顺数据库。本文数据处理，研究分析采用的软件为Excel 2016和Stata17。
3.2. 模型设定
为了更进一步了解经济政策的不确定性对房地产上市公司债务违约风险的影响，以及探索国有房企和非国有房企在受经济政策不确定性影响的程度，本文根据豪斯曼检测结果选择面板随机效应模型
上述式子中， 表示上市房地产企业，t表示年份；Zscore为债务违约风险，lnepu为经济政策不确定性，controls为本文选取控制变量；
为随机误差项。
3.3. 变量设计
1、被解释变量—房企债务违约风险。本文借鉴Altman (1969)的度量方法 [5] ，采用 指数来衡量企业的债务违约风险，此方法又称阿尔曼模型，是一个经典的财务预警模型。该模型将企业财务状况划分为三个等级，当Zscore > 2.99时公司财务状况良好；当1.81 < Zscore < 2.99时，公司就有一定的破产风险；当Zscore < 1.81时，公司就有高破产风险。计算公式如下：
Zscore = 1.2× (营运资金/总资产) + 1.4 × (留存收益/总资产) + 3.3 × (息税前利润/总资产) + 0.6 × (股票总市值/负债账面价值) + 0.999 × (销售收入/总资产)
2、解释变量—经济政策不确定性。本文参考饶品贵(2017)和马宁(2021)的等学者的研究 [14] [23] ，选择Baker等(2016)根据《南华早报》制定的中国经济政策不确定性指数每年月度算术平均后的对数值作为核心解释变量经济政策不确定性的衡量指标 [24] 。该指标已广泛应用于国内外相关研究，本文也采用该度量指标度量当年的经济政策不确定性情况，该指数越大，说明当年经济政策不确定性越高。
3、控制变量。由于本文是基于经济政策不确定性这一宏观政策层面探索其对房地产企业债务违约风险的影响，故而需要控制会从微观层面影响房地产企业债务违约风险的因素。学者陆正飞(2008)、于富生(2007)、魏志华(2012)等认为，企业的规模、成长能力、现金持有、盈利能力、资产结构、经营效率、股权性质等都会对其债务偿还能力产生影响 [25] [26] [27] ，此外，由于房地产企业是重资产企业，流动资产、商品库存也会极大影响其资金链的正常周转，进而影响企业经营风险。因此，本文结合实际情况及相关学者的研究，选择总资产规模对数、净资产负债率、净资产收益率、营业净利率、存货周转率、速动比率、现金比率及营业收入增长率等控制变量，见表1：
Table 1. Related variable definitions
表1. 相关变量定义
4. 实证分析与稳定性检验
4.1. 描述性统计分析
表2是主要变量描述性统计结果，根据该结果我们可以得到以下信息：其一，房地产企业债务违约风险(Zscore)的最大值为14.27，最小值为−0.708，最大值和最小值差距较大，说明A股上市房地产公司债务违约风险存在较大差异。而从中位数来看，有一半以上公司违约风险值小于1.320，这就表明根据阿尔特曼教授对财务风险的划分标准，2013年到2022年正常经营的房地产上市公司有一半以上存在较大的财务危机。此外，从均值来看，我国房地产公司债务违约风险均值为1.761小于1.81，这表明我国房地产上市公司总体上都存在较大的债务违约风险。其二，经济政策不确定指数最大为6.674，最小值为4.735，差异较小，说明房地产企业面临的经济政策不确定性基本一致。见表2。
4.2. 实证分析
在进行回归分析之前，为了保证回归结果的准确性，本文对各变量进行了相关性分析，其结果显示经济政策不确定性和债务违约风险相关系数显著，由于篇幅有限相关性分析结果并未放入文章中，同时为了避免各变量之间存在多重共线性问题，本文还采用方差膨胀因子法对主要变量进行了多重共线性诊断，其结果如下表各主要变量之间的VIF值均小于10，即从检测结果看各主要变量之间不存在多重共线性问题，见表3。
4.2.1. 经济政策的不确定性对企业债务违约风险的影响
表4模型1为经济政策不确定性与房企债务违约风险的回归结果，其结果表明在1%的显著性水平下，经济政策不确定性变量值(lnepu)与企业债务违约风险变量值(Zscore)显著为负数，即当房地产企业面临的经济政策不确定性越大时，Zscore值就越小，企业偿债能力就越弱，其债务违约风险就越大。其可能的原因在于，企业面临的经济政策不确定性越大，企业便越难准确把握市场动态，捕捉有效信息，从而导致企业管理层出现决策误判等情况，无形中增加了企业营业风险，其经营风险的扩大又在一定程度上影响企业债，最终增加了企业债务违约的风险，假设1得证。在模型2中加入了控制变量，从回归结果同样可以看出，房地产企业面临的经济政策的不确定性增加会增加企业的债务违约风险。在控制变量方面，净资产负债率符号为负数，且在5%的水平下显著，即在随着净资产负债率的增加，在一定程度上增加了企业债务违约风险。此外，速动比率在1%的显著性水平下与企业债务违约风险(Zscore)显著正相关，即企业速动比例的提高，能在一定程度上降低企业债务违约风险，存货周转率在5%的显著性水平与企业债务违约显著正相关，表明企业存货周转率的提高可以降低企业债务违约风险。其可能的原因在于，对于房地产企业而言，其固定资产较多，且整个生产周期较长，资产周转时间较长，偿债能力不如资金周转较快的企业，此时提高企业速动资产比例和存货周转率，能够增加企业抵御外部风险冲击的影响，从而降低企业的违约风险。见表4。
4.2.2. 股权异质性分析
由表5可以看到无论是国有企业还是非国有企业经济政策不确定性的增加均会增加其债务违约风险。但经济政策的不确定性对国有企业和非国有企业的债务违约风险的影响程度有所差别。从表5可以看到，
Table 4. Economic policy uncertainty and corporate debt default risk
表4. 经济政策不确定性与企业债务违约风险
Standard errors in parentheses. ***p < 0.01, **p < 0.05, *p < 0.1.
经济政策不确定性对民企债务违约风险的影响大于国有企业，其可能的原因在于，非国有企业抵御风险的能力较弱，更容易受到外界环境冲击的影响，这也验证了文章假设2。从表中还可以看出，净资产负债率在1%的显著性水平下与国有企业的债务违约风险显著负相关；现金比率在1%的显著性水平下与民营企业的债务违约风险显著负相关，可能是由于企业长期持有不产生收益的现金，降低了企业的盈利能力。速动比率则在1%的显著水平下与企业债务违约风险显著正相关，即企业速动比例越高，企业债务违约风险就越低，且对民企影响大于国企。见表5。
4.3. 稳定性检验
由于不同的度量方式之间存在差异，为了减少其对研究结论的影响，本文采用减少控制变量和将解释变量滞后一期的方法进行稳定性检验，表6为减少控制变量后的回归结果，从表中可以看出，减少控
Standard errors in parentheses. ***p < 0.01, **p < 0.05, *p < 0.1.
制变量后，经济政策不确定性依旧会增加企业的债务违约风险，且显著性水平并未发生变化，与前文研究结论一致。同样，从表7滞后解释变量的回归结果中也可以看出，滞后解释变量后，并没有改变研究结果的显著性水平以及各变量相关系数的符号，因此，可以看出本文的研究结论具有稳定性。见表6、表7。
5. 研究结论及对策建议
5.1. 研究结论
为了探索在房地产企业债务违约事件频发的背景下，经济政策不确定性究竟会对企业债务违约风险产生怎样的影响，本文选择2013~2022年沪深A股房地产上市公司作为研究样本，实证研究了经济政策不确定
Table 6. Reduce the control variable regression results
表6. 减少控制变量回归结果
Standard errors in parentheses. ***p < 0.01, **p < 0.05, *p < 0.1.
Table 7. Economic policy uncertainty lags the results of the first period of regression
表7. 经济政策不确定性滞后一期回归结果
Standard errors in parentheses. ***p < 0.01, **p < 0.05, *p < 0.1.
性对房企债务违约风险的影响，并探索了其对国有企业和非国有企业两种不同股权性质的企业的影响异同。研究结果表明：经济政策的不确定性会在一定程度上增加房地产企业的债务违约风险，特别是净资产负债率负面影响企业债务违约风险，而提高速动比率有利于降低企业债务违约风险。此外，从股权异质性分析结果看，经济政策不确定性对民营企业的影响大于国有企业，在外部环境不稳定时民营企业抗风险能力更弱。
5.2. 对策建议
本文根据理论分析和实证研究的结论提出以下具有一定参考价值的建议：(1) 对债权人而言，在房地产市场债务违约事件高发背景下，当房地产经营公司选择通过债务融资方式解决资金短板问题时，其债务人要充分考虑企业的债务违约风险，以减少其投资的损失。而本文通过Z值模型度量了房地产企业债务违约风险的大小，并综合考虑了经济政策不确定性对其债务违约风险的影响，可以帮助债权人识别预期投资企业的违约风险大小，更好保护债务人的利益。(2) 对于政策制定者而言，由于实证研究结果表明，当经济政策不确定性加大时，房地产行业的债务违约风险对不同股权性质的企业有所差异，因此，政策制定者可以针对不同性质的企业出台相应的政策，以降低其债务违约风险。(3) 对于企业而言，要尽量降低资产负债率，提高速动比率，房企属于重资产行业，保证资金链正常周转至关重要。