非金融企业高杠杆率会加剧“脱实向虚”吗？

奥鹏网院作业

非金融企业高杠杆率会加剧“脱实向虚”吗？
——来自2007—2016年中国上市公司的证据

摘 要： 通过对3 000多家中国上市公司2007—2016年数据的分析，本文创新性地提出企业杠杆率对投资率存在异质性影响，导致投资转移效应出现；替代效应存在，但投资转移效应是“脱实向虚”的关键成因。本文认为，兼顾“稳增长、防风险和去杠杆”多政策目标、根本性扭转“脱实向虚”现象的关键在于，结构性去杠杆下推动科技进步并提升增长质量，前者提升实业投资回报率，发挥替代效应，带动企业投资实体经济，后者增强杠杆稳定性并降低投资转移效应，避免“脱实向虚”加剧。
关键词： 非金融企业杠杆率； 实业投资率； 脱实向虚
一、引言
2008年金融危机后全球进入流动性宽松加杠杆进程，而我国逐步进入经济增长换档期、结构调整阵痛期和前期刺激政策消化期，传统要素投入驱动型的经济增长方式也亟待转变；这一时期，我国实体经济部门、非金融企业债务快速膨胀，实体杠杆率快速上升；金融体系在金融深化和金融创新的催化下也迅速扩张，甚至出现金融空转问题；经济增长下台阶、杠杆率快速上行、企业投资“脱实向虚”等现象相继出现。
现有研究中对杠杆、投资率和“脱实向虚”现象的研究相对分散，对杠杆率的研究主要关注中国整体及各部门杠杆率的测度、近年来高杠杆形成的原因及可能产生的负面影响，投资率方面的研究集中在影响投资率的主要原因、影响企业投资的原因及应对措施等，“脱实向虚”方面的现有研究更多是侧重对现象的描述、成因的初步探讨，以及从投资回报率视角对“脱实向虚”进行研究。整体来看，鲜有研究对以上诸多问题整体思考，缺乏结合现实背景对企业“脱实向虚”现象的深入研究，逐利性视角的研究难以全面解释“脱实向虚”的结构性问题，对去杠杆和“脱实向虚”的因果关系理解不深，对宏观政策的内在逻辑认识不足。
本文整体把握经济下行、投资回报率下降、杠杆率上升和投资“脱实向虚”等问题，探究在经济下行期，非金融企业杠杆率的变动如何影响企业投资，进而产生“脱实向虚”问题。解决“脱实向虚”问题必须要是实现创新驱动，提升实体投资回报率，增强杠杆质量从而带动“脱实向虚”现象的减少，并从这一现象延伸探讨去杠杆、稳增长和促改革三项宏观政策的内在逻辑，在稳增长情况下推进结构性去杠杆，通过改革带动创新驱动，借以实现提升增长质量、增强杠杆稳定性、投资回报率回升等目标，进而服务于高质量发展的内在逻辑。
本文的理论创新在于，验证了影响企业投资率的杠杆率作用机制，并验证了投资转移效应的客观存在及其作用机制；在杠杆紧缩环境下投资转移效应比替代效应更重要，是导致企业投资出现“脱实向虚”的关键成因，创新性地验证去杠杆会加剧“脱实向虚”现象。实践角度，本文研究可以进一步理顺宏观政策的内在逻辑。去杠杆会进一步导致“脱实向虚”现象的出现，在去杠杆政策不变情况下，化解“脱实向虚”问题的关键在于发挥替代效应并抑制投资转移效应。前者需要适当政策促进全要素生产率的提升和实现创新驱动，提高实业投资回报率带动投资流向实体；后者要求以高质量发展为政策重心，增强经济增长质量，配合结构化去杠杆，增强杠杆稳定性并降低去杠杆产生的负面作用，避免“脱实向虚”现象的进一步恶化。
二、文献综述
(一)非金融企业高杠杆特征、成因及负面影响
本文主要探讨非金融企业部门杠杆率，有关非金融企业部门杠杆率的定义，学界主要从宏观和微观两个方面进行界定。宏观方面，现有研究认为，非金融企业部门杠杆率是全社会杠杆率的一部分，全社会杠杆率以债务收入比来表示，即一国(地区)的总债务与GDP之比，全社会杠杆率也被称为宏观杠杆率，除非金融企业部门杠杆率外，全社会杠杆率还包括政府部门杠杆率、金融部门杠杆率和居民部门杠杆率。此外，全社会杠杆率又可以分为实体经济部门杠杆率和金融部门杠杆率，前者即为居民部门、政府部门和非金融企业部门的杠杆率之和。IMF、BIS和社科院等多家机构对我国非金融企业宏观杠杆率进行测度。

图1 BIS、IMF及社科院计算的宏观杠杆率
数据来源：IMF、BIS、中国社科院

图2 BIS口径下非金融企业杠杆率
数据来源：BIS
微观层面，现有文献研究非金融企业主要使用以下两种杠杆率，第一种为企业微观杠杆率，即企业权益乘数，也是本文所用指标；部分学者使用资产负债率对非金融企业杠杆率进行测度。事实上权益乘数与资产负债率并无本质区别，可通过公式互相换算。第二种，部分学者在研究非金融企业部门的整体杠杆率时，主要使用M2、信贷等指标，即(M2/GDP)或(信贷总量/GDP)，央行调统司2011年开始公布社会融资规模，刘晓光、张杰平(2016)[1]及IMF(2015)建议使用社融对非金融企业杠杆率进行测度，陈卫东、熊启跃(2017)[2]也表示，2014年后表外融资快速扩张以来，使用信贷余额与GDP之比来衡量非金融企业杠杆率的有效性不断下降，无法有效体现表外融资的影响。

图3 信贷、M2、社融与GDP之比
数据来源：Wind数据库
综上，现有研究对非金融企业杠杆率的测度有多个角度，便于测度其变化及绝对水平。
关于我国非金融企业已经处于高杠杆状态，现有研究主要从以下三个角度进行认识和研究：(1)与主要发达国家或相似经济体横向对比，我国非金融企业杠杆率较高；(2)纵向对比我国非金融企业杠杆率的历史走势，借以说明我国非金融企业杠杆率已经处于较高水平；(3)杠杆水平的高低需与经济增长、货币总量等变量进行比较，过去要素投入式高债务驱动的高增长，匹配着较低的杠杆率水平和较高的杠杆率增速，当前经济增速放缓匹配着较高的杠杆率水平，如果杠杆率增速不下降，高杠杆背后的风险自然上升。
非金融企业高杠杆已经成为当前学界及业界共识，在此基础上，部分学者对高杠杆的形成原因以及可能产生的负面效果进行了研究，债务膨胀、经济下行、融资方式等是形成高杠杆的主要原因。央行杠杆率课题组(2014)认为高杠杆有两个成因，其一是为经济下行叠加非金融企业过剩生产、经营受困或者企业资产周转困难，导致企业被迫借债增加负债，由此产生被动加杠杆的现象；其二是国际资本流动可能会导致非金融企业杠杆率迅速抬升。陈卫东、熊启跃(2017)[2]则认为，非金融企业出现杠杆率较高的情况，是以债务融资方式为主的银行体系在经济下行时表现出来的结果，因为我国的融资方式以间接融资为主，银行主导的融资结构导致企业债务融资较多，较高盈利水平的企业容易获得债务融资也更加偏好债务融资，例如债务产生的利息可以抵税的政策一定程度上又激励债务，信贷约束偏软也会导致债务增加，这些因素都是高杠杆的形成原因。纪敏(2017)[3]认为非金融企业高杠杆的形成原因在于债务规模过大，债务用于支付利息较多，一定程度上挤压了投资，导致债务投资效率有所下降，我国投资驱动式的经济增长速度下行，由此非金融企业杠杆率被动上行。
高杠杆的负面影响与经济衰退、金融脆弱性、债务风险等密切相关。Mendoza和Terrones(2008)[4]发现，非金融企业杠杆率的起伏与经济周期性的繁荣与衰退存在一定联系，经济繁荣导致信贷扩张、企业加杠杆进而导致债务增多，随着经济进入下行阶段，盈利下降，信贷约束收紧，信用风险也相应提升。Moritz·Schularick和Taylor(2009)[5]运用包括发达经济体前后130年的样本数据，研究长周期中货币、信贷和重要宏观变量的变化，研究表明杠杆率的飙升以及高杠杆是出现金融危机的前兆表现之一。IMF(2015)认为，新兴市场国家快速上升的杠杆率会导致本国金融体系的脆弱性和风险提升，更容易引发金融危机，并通过横向对比明确指出，中国是当前唯一一个非金融企业杠杆率上升如此之快却未出现大规模金融危机的超级“例外”。
通过现有研究，从宏观和微观层面的多个数据指标维度均可以看到，我国非金融企业杠杆率近年来上升较快并已处于较高水平，高杠杆的产生是增长方式、融资方式、监管体系等多因素综合作用的结果，与债务风险、金融脆弱性、经济衰退密切相关。在这种情况下，非金融企业的经营目标、投资选择、收益期望等均会出现变化，本文创新性地从这一视角切入，探究在宏观高杠杆情况下，杠杆率对非金融企业投资行为的影响。
(二)杠杆率对企业投资行为选择的影响
由于我国经济增长方式客观存在的投资依赖性，特别是“基建+地产”的双轮驱动，是我国经济高增长及逆周期调节的重要方式，投资在经济增长(GDP增速)中的贡献率处于较高水平，而“基建+地产”为代表的投资驱动方式也与杠杆密切相关，我国投资驱动的增长方式集中表现为政府加杠杆(政府举债搞基建)、居民加杠杆(居民贷款)和企业加杠杆(企业借债、贷款扩建厂房、车间等)。本文创新性地从杠杆视角对投资率进行研究，研究杠杆与投资率的关系，宏观层面，将投资率理解为固定资本形成与GDP之比，微观层面认为，非金融企业主要进行两种投资，即实体投资和金融投资，总投资中进行实体投资的比例即为投资率。本文主要从微观层面对杠杆率与投资进行研究。
现有研究中，国内学者对杠杆与投资率关系的研究较少，国外学者有一定的研究成果，并在此基础上，将投资收益、企业规模、经营质量等因素纳入考虑。Lang L等(1994)[6]认为，杠杆对企业未来的投资存在一定制约，当企业未来投资前景不明确、企业不足以克服投资困难之时，企业的加杠杆行为可能进一步导致自身债务负担加重，进而影响企业经营效率导致企业规模出现萎缩。Schmid和Gomes(2007)[7]则认为，企业杠杆率与企业投资之间的关系会受投资收益、企业规模等因素影响，具体表现为，企业经营绩效越好、基础资产越多，则加杠杆进行投资的意愿越强。通过梳理有文献，本文认为对非金融企业而言，杠杆对投资的影响存在异质性，企业在不同宏观环境和自身经营状态下(信贷调节、经营绩效等)会有不同的投资选择，杠杆对投资率的影响也不是一成不变的。
(三)企业投资行为的影响因素
根据投资方向不同，本文将企业投资分为实业投资和金融投资，从企业投资行为视角来看，现有文献主要研究企业投资的界定和影响因素，研究重点主要在企业用于实体经济的投资(实业投资)，本文使用非金融企业实业投资率与非金融企业金融投资率对流向实体经济与金融体系的投资予以区分。
在企业投资率的界定方面，现有文献对非金融企业不同类型的投资已有一定研究积累，学界对实体投资率的界定并无不同，而不同学者对金融投资率的测度略有不同，主要有非金融企业金融化程度、金融渠道投资率等[8]。
关于企业投资率的影响因素，现有文献少有将金融投资率和实业投资率分别进行探究的，本文认为企业杠杆率对实业投资率和金融投资率的影响存在异质性，分别从这两个方向进行探究[8]。
根据现有的实业投资率研究，不确定性和投资回报率是影响实业投资率的两个重要因素。不确定性的影响可能来自多个方面。Baker等(2012)[8]认为，次贷危机后全球经济的不确定性显著提升，进而表现为经济前景的不确定性，这种不确定性导致实体投资疲软。世界银行(2017)则指出，全球政治环境和经济基础的不确定性上升，这是导致非金融企业的实业投资减少的关键因素。谭小芬(2017)[9]认为，由于非金融企业对未来预期的不确定性，前景未明会影响非金融企业的投资选择，预期不确定性的来源包括且不限于政治因素、经济变动、政策调整等等。还有部分学者从微观的不确定性角度对投资率进行了研究。Gulen和Ion(2016)[10]、饶品贵(2017)[11]等使用这一指数进行定量研究，认为经济政策的不确定性与非金融企业实业投资率存在负相关关系。关于不确定性对非金融企业实业投资率的影响机制，现有研究中大部分学者均接受Bernanke在1983年提出的框架。由于非金融企业在进行实体投资时，投资项目具有刚性的不可逆性，如投入建设的厂房、工程、车间等不可能收回，使用的原材料无法复原，实体投资自然也相应地表现出不可逆性，同时投资项目时间较长，当经济政策、政治摇摆等因素导致不确定性上升后，非金融企业的投资意愿自然受到影响。谭小芬(2017)[9]论证了，非金融企业会降低或推迟投资，直至不确定性有所缓解或消失，才会重新增加实业投资。上述学者主要从实体角度来审视不确定性对非金融企业投资率的影响，此外，部分学者从金融摩擦渠道对不确定性的传导机制进行了研究，他们借助宏观及微观数据，分析论证了金融扭曲会对不确定性有较大影响，并由此对非金融企业实业投资产生影响。综合现有研究，发现不确定性是影响非金融企业实业投资的关键因素，政策摇摆、政治动荡、经济变动等因素均有影响，这些因素可能通过金融渠道和实体渠道两种途径来影响非金融企业实业投资率。
现有文献对投资回报率、投资效率与实业投资率的影响机制研究也较少，投资回报率即资产的收益率，比如购买债券就获得利息，购买股票就可以获得股利分红等等。张成思等(2016)[12]提出，投资于实体经济和金融体系的投资回报率不同，是非金融企业配置实体投资和金融投资的重要因素。饶品贵(2017)[11]则提出，非金融企业会考虑实体投资效率而对自身的实体投资率进行削减，这里投资效率主要是指资金投向实体经济产生的真实配置效率，由于边际效用递减和我国长期的投资依赖导致实体投资效率下降，固定资产投资形成固定资本的效率下降。刘海明和曹廷求(2015)[13]则认为，非金融企业在不同的宏观环境中面临着不同的机会，银行信贷等资源如果能够较好地、高效地进行配置，可能会倾向于投资在实体经济中更好的、投资效率更高的项目，实业投资率自然增加。
综合来看，现有文献从不确定性、投资回报率和投资效率对企业实业投资率进行研究，不确定性的来源相对多元，投资回报率的影响机制较为清晰，投资效率的影响相对间接，鲜有文献研究杠杆变动对企业实业投资率的影响。本文创新性地提出存在企业杠杆率对企业投资率的影响机制，杠杆率对实业投资率和金融投资率的影响存在异质性，这一视角是本文探究“脱实向虚”问题的重要依据。
(四)杠杆率对投资率的影响机制
“脱实向虚”问题是近年来学界探讨的热点问题之一，现有文献主要从定性或者宏观层面研究“脱实向虚”问题，参考意义有限；“脱实向虚”是企业在投资时更多地配置金融投资而减少实业投资，根据前文，现有文献从不确定性、投资回报率等角度对企业实业投资率的影响因素进行探讨，据此提出导致企业投资出现“脱实向虚”现象的替代效应和蓄水池效应。替代效应是从投资回报率角度考虑，投资的逐利性导致实业投资和金融投资之间存在替代性，实业投资回报率相比金融投资回报率走高，则企业增加实业投资率降低金融投资率，由此产生替代，张成思等(2016)[12]运用国内数据、Demir(2009)[14]借助墨西哥、土耳其和阿根廷的数据对替代作用进行了验证；蓄水池效应是指企业投资于金融资产是为了更好地投资于实体经济，当企业存在财务困境或处于修复财务的状况时，投资金融资产是为了未来出售金融资产再投资于实体经济。Lang和Stulz(1994)[6]证明了金融资产投资有助于企业财务报表的修复，有利于未来增加实业投资。Sean(1999)[15]证明企业财务报表确实会影响非金融企业实业投资。张成思等(2016)[12]利用国内数据研究时发现蓄水池效应在我国并不显著。综合来看，现有文献认为基于投资回报率的替代效应是导致企业投资出现“脱实向虚”的原因。
本文认为，现有研究在探讨非金融企业实业投资率和金融投资率时，并未考虑所谓的“动态不一致”问题，在不同的宏观环境下，非金融企业进行投资分配的主导因素存在不同，在经济下行、高杠杆、投资回报率下降等紧缩环境下，杠杆率对企业投资行为的影响更重要。本文创新性地提出杠杆率对企业投资率的影响机制，从一个新的视角研究“脱实向虚”问题的影响机制，即投资转移效应，在宏观环境处于紧缩环境下，认为替代作用并非主导因素，投资转移效应是更关键的因素。
如何扭转“脱实向虚”现象，现有文献认为主要方式是通过促进技术进步、提升全要素生产率(林毅夫和张鹏飞，2006)[16](徐朝阳，2010)[17]带动投资回报率的增加，本文将创新性地通过剖析“脱实向虚”现象的影响机制，对这一问题进行更深入的论证和研究。
综上，本文将逐一探讨以下问题：企业杠杆率对实业投资率、金融投资率存在异质性影响；在当前的紧缩环境下，投资转移效应而非替代效应是企业投资出现“脱实向虚”的核心原因；结合脱实向虚的影响机制探讨解决办法，并在此基础上探讨多个宏观政策之间的逻辑关系。
三、数据来源及模型设定
(一)数据来源
本文使用Wind金融数据库涵盖我国2007—2016年剔除金融部门、石油石化部门后全部A股上市公司的年度面板数据进行研究，剔除金融部门源于本文的研究重点是非金融企业，剔除石油石化部门是考虑这一类企业与其他上市公司存在较大异质性。同时，由于我国会计准则在2006年进行较大调整，为保持数据的一致性和连续性，使用2007年至2016年的数据进行研究。主要变量及计算方式见表1。
表1 本文主要变量及计算方式

本文对非金融企业投资率结构进行研究，即实业投资率及金融投资率的占比。实业投资率方面，学界对非金融企业实业投资率的计算方法主要有两种，其一为使用固定资产、在建工程、无形资产当年的变化值与期末账面值的比值；其二为固定资产、在建工程、无形资产的期末账面值与总资产之比，本文从数据可得性和指标代表性考虑，使用第一种计算方法。金融投资率方面，现有文献中主要使用三种测度方式，其一，利用金融资产占比衡量金融投资率，即金融资产占比为金融资产期末账面值与总资产账面值之比；其二，利用现金流量表进行研究，金融投资率=投资支出现金/投资活动的现金流出；其三，从收益角度测度金融投资率，金融投资率=金融投资收益/总收益，金融投资收益=非金融企业投资收益+其他综合收益+公允价值变动损益。综合来看，第一种主要刻画金融企业资产配置的变动情况，第二类主要反映企业投资行为的变化，张成思等(2016)[12]利用金融渠道收益与营业利润数据计算第三类测度方法。本文认为从数据可得性和指标代表性来看，基于现金流量表计算的投资支出与投资现金流之比的指标更合适。
本文研究微观层面的非金融企业杠杆率与投资率等关系，选择权益乘数作为衡量企业杠杆率的指标，权益乘数与资产负债率几无区别，可通过代数变换计算得到。权益乘数的计算方式较为简单，即总资产与所有者权益之比。
金融投资回报率是非金融企业投资金融资产的投资回报率，现有研究中对此指标的研究有一定积累，关注重点主要在于对金融资产的界定。部分国外学者认为计算金融资产时需纳入货币资金；认为从流动性偏好、现金等价物等角度，应该将货币资金纳入指标。国内学者认为，在界定金融资产范围时，应该将投资性房地产纳入考虑，认为投资性房地产本就是企业为赚取租金或资本增值而进行的投资，应该纳入考虑。同时，在计算金融资产收益时应纳入利息收入和股息收入，并需考虑将长期股权投资纳入金融资产范畴。认为企业的长期股权投资更多是基于企业未来的经营战略进行的前瞻性计划，并非投资金融体系获得投资收益。张成思等(2016)[12]在前人基础上对金融投资回报率进行说明，认为金融资产的投资收益主要包含三部分，分别为企业的投资收益、公允价值变动和其他综合收益。通过整合已有研究，使用金融渠道收益与金融资产期末账面值之比对金融资产回报率进行拟合，具体的计算方法如下。
金融渠道利润=非金融企业投资收益+其他综合收益+公允价值损益。
金融资产=货币资金+投资性房地产+交易性金融资产+投资性房地产+可供出售金融资产+持有至到期投资。
实体投资回报率即非金融企业投资于实体经济的投资回报率，会计上并无明确的界定标准，在数据处理过程中较难区分投资收益中有多少来自于固定资产。现有研究中，张成思等(2016)[12]运用企业主营业务收益率对非金融企业实业投资率进行了测度，原因是固定资产投入与企业的主营业务密切，主营业务收益率可以一定程度上反映实体投资回报率，具体计算方法为：实业投资回报率=(主营业务-主营成本-期间费用-资产减值损失)/经营资产(包括流动资产+固定资产+无形资产等)账面值。另有部分学者使用ROE对实体投资回报率进行测度，认为ROE数据相对粗糙，并不能准确衡量实体投资回报率。
此外，本文通过梳理现有文献，引入一些控制变量，帮助提升模型的有效性，并提出其他因素对本文研究重点的作用效果。首先，部分学者研究表明，发行企业规模对非金融企业的投资选择和决策有显著影响，相比大企业，中小企业更容易受到外部冲击，因此投资率更容易受影响，如融资环境收缩出现的信贷萎缩。因此引入总资产以衡量企业规模的影响。其次，企业面临的融资约束(具体为信贷约束)不同对非金融企业的投资影响不同，拥有较多现金和借贷能力的企业，有更强的投资意愿。同时，企业较充沛的现金流有助于降低不确定性的冲击，维持投资稳定。参照现有文献，借助非金融企业经营现金流与总资产之比来衡量融资约束。第三，经济学家托宾提出托宾Q理论，侧面衡量了企业的重置成本，评价非金融企业应选择是进行资本收购扩张又或生产投入扩张，已有文献结论显示托宾Q与非金融企业实业投资率正相关，也将托宾Q纳入考虑。第四，现有研究表明，非金融企业的成长性越好越有利于提升企业未来的投资率，也将其纳入控制变量。
(二)实证模型
1.基础模型
本文使用剔除金融石油石化板块后全部A股上市公司的财务数据进行研究，实证模型使用的面板数据序列起止时间为2007年及2016年，频度为年度数据，主因在于2006年我国对会计准则进行调整，前后财报数据不具备可比性。因此从2007年的数据开始进行研究。本文使用微观杠杆率(资产负债率)进行研究，借鉴人民银行工作论文《杠杆率结构、水平和金融稳定：理论与经验》提出的宏观杠杆率与微观杠杆率的关系，近似将GDP理解为一国(地区)总资产对应的产出，进而将GDP与总资产比值理解为资产回报率。宏观杠杆率不断上升的背后的实质是微观杠杆率和资产回报率的变动，其内在逻辑与关系如下所示
宏观杠杆率
宏观杠杆率变动=微观杠杆率变动-资产回报率变动
微观杠杆率变动=宏观杠杆率变动+资产回报率变动
宏观杠杆率上升反映为宏观杠杆变动率为正，在微观杠杆率变动较小的情况下，宏观杠杆率上升是由资产回报率下降(变动为负)导致的，这里的资产回报率是代指整体资产的投资回报率，将经济分为实体部门和金融部门，可以发现资产回报率存在异质性，金融部门投资回报率与实体部门投资回报率存在差异，近年来金融投资回报率上行，而实体投资回报率因产能过剩、前期刺激政策透支较多需求等原因下降较多，由此得到推论：近年来宏观杠杆率的上升是实体部门投资回报率快速下降所致。
又因实体部门投资率的高低直接影响经济增长，所以稳增长(保持一定的经济增长速度)就意味着需要“稳定”非金融企业实体投资率；同时，供给侧改革背景下，去杠杆的重要内容是通过降低非金融企业微观杠杆率而降低企业部门宏观杠杆率的潜在风险。因此研究宏观去杠杆、微观防风险和稳增长的政策关系，实际上变成了研究实体投资回报率、微观杠杆率与非金融企业投资率之间的关系。
本文将经济部门分为实体部门和金融部门，将投资率分为金融投资率和实体投资率，并据此考虑金融投资回报率与实体投资回报率影响，在此基础上探讨非金融企业投资率受微观杠杆率、投资回报率影响的变动关系。基于本文前述的文献综述和理论框架，本文提出下述基础模型
Fini=α1,i+φiLev+ε1,i
(1)
Rini=α2,i+φiLev+ε2,i
(2)
本文认为，非金融企业杠杆率对其金融投资率与实业投资率的影响存在异质性，因此分别将金融投资率与实业投资率作为因变量进行考察，Fin即为非金融企业金融投资率，Rin为非金融企业实业投资率，Lev即为非金融企业杠杆(权益乘数)。假设非金融企业杠杆率Lev与金融投资率Fin负相关；即非金融企业杠杆率越高，在宏观杠杆紧缩环境中，非金融企业通过主动进行投资转移来降低杠杆压力，在“去”杠杆过程中，非金融企业金融投资率相应上升。同时，非金融企业杠杆率Lev与实业投资率Rin正相关。非金融企业杠杆率越高，企业在杠杆紧缩约束下主动去杠杆，去杠杆本身就会导致杠杆驱动的实业投资率下降。
在基础模型之上，将理论分析及现有研究文献中梳理得到的控制变量纳入，进一步完善实证模型
Fini=α1,t+φ1,iLev+φ2,iFri+φ3,iRri+φ4,iLnasset+φ5,iCfo+φ6,iQ+φ7,iRoe+φ8,iSir+ε1,i
(2.1)
Rini=α2,t+β1,iLev+β2,iFri+β3,iRri+β4,iLnasset+β5,iCfo+β6,iQ+β7,iRoe+β8,iSir+ε2,i
(2.2)
Fini=α1,t+φ1,iLev+φ2,iFRri+φ3,iLnasset+φ4,iCfo+φ5,iQ+φ6,iRoe+φ7,iSir+ε1,i
(3.1)
Rini=α2,t+β1,iLev+β2,iFRri+β3,iLnasset+β4,iCfo+β5,iQ+β6,iRoe+β7,iSir+ε2,i
(3.2)
其中，变量Fr是指非金融企业金融投资回报率，Rr是指非金融企业实业投资回报率。非金融企业根据逐利性原则，会选择投资回报率较高的资产进行匹配。同时，考察投资回报率影响时，投资回报率的绝对水平可能存在问题，考察金融资产投资回报率与实业投资回报率的相对水平可能对非金融企业投资率结构的影响更为显著。由此构造FRr指标，根据FRr=Fr-Rr公式测算得到。假设非金融企业投资回报利差与实业投资率Rin成正相关关系，与金融投资率Fin成负相关关系。由此得到模型3.1和3.2。
控制变量方面，Lnasset变量是企业总资产的自然对数，用以控制企业规模对非金融企业投资率的影响。假设企业规模与实业投资率成负相关，与金融投资率正相关。原因在于，非金融企业金融杠杆紧缩环境后，相同杠杆水平下，大企业面临的杠杆脆弱性压力要高于小企业，因此降低实业投资率的意愿更强。融资约束方面，使用Cfo变量进行衡量，认为Cfo与实业投资率成正相关，与金融投资率成负相关，融资条件越好，企业较好的财务状况可以支撑其进行实业投资，当企业资金状况不好时自然也会降低实业投资，提升金融投资。变量Q即为托宾Q，假设托宾Q与非金融企业金融投资率成正相关，与实业投资率成负相关。变量Sir为主营业务增长率，用以衡量企业的成长性，考察企业成长性对投资率的影响，假设Sir与非金融企业实业投资率和金融投资率均成负相关关系。企业的成长性与投资率密切相关，成长性较好的企业会加速周转扩张投资。
表2 自变量与控制变量、控制变量间的多重共线性

注：***，**和*分别代表在1%，5%和10%的显著性水平上显著，下同。
考虑潜在的多重共线性影响，对控制变量彼此、及控制变量与自变量之间分别逐一进行回归，通过变量间相关性检验将多重共线性影响消除。如表2所示，自变量与控制变量和Lnasset之间存在较强的相关关系，应该剔除。由此，得到下述实证模型
Fini=α1,i+φ1,iLev+φ2,iFRri+φ3,iQ+φ4,iSir+φ5,iCfo+ε1,i
(4.1)
Rini=α2,i+β1,iLev+β2,iFRri+β3,iQ+β4,iCfo+β5,iSir+ε1,i
(4.2)
确立了基本模型后，表3记录了模型基本假设，并在此基础上得到了样本数据的描述性统计。
表3 模型基本假设

为了不损失样本数量，使用stata中winsor命令对极端值进行处理，表4中括号内的0.01即表示对样本中小于1%和大于99%的样本值进行修正。
表4 描述性统计

2. 延伸模型——考虑固定效应
在基础模型上，为进一步增强模型的说服力，将模型进一步丰富，纳入固定效应影响。由于非金融企业实业、金融投资率与杠杆等变量的关系存在行业异质性，并随着时间推移存在一定差异，将行业固定效应和时间固定效应均纳入考虑。通过Hausman验证是否需要考虑行业固定效应，表5为使用实业投资率的验证结果，金融投资率验证方法与实业投资率相同，予以省略。
表5 Hausman检验表明需考虑行业固定效应

根据Hausman检验结果显示，行业异质性确实对模型有一定影响，本文考虑行业固定效应时，使用Wind二级行业分类对现有上市公司进行分类。
表6 考虑行业固定效应影响，引入Wind二级行业分类

由此得到下述考虑双向固定效应模型5.1和5.2，而模型5.1和5.2只考虑行业固定效应。
Fini=α1,i+φ1,iLev+φ2,iFRri+φ3,iQ+φ4,iSir+φ5,iCfo+φ6,i,tXi,t+ε1,t
(5.1)
Rini=α2,i+β1,iLev+β2,iFRri+β3,iQ+β4,iCfo+β5,iSir+β6,i,tXi,t+ε2,t
(5.2)
Fini=α1,i+φ1,iLev+φ2,iFRri+φ3,iQ+φ4,iSir+φ5,iCfo+φ6,i,tXi,t+φ7,i,tSi,t+ε1,t
(6.1)
Rini=α1,i+β1,iLev+β2,iFRri+β3,iQ+β4,iCfo+β5,iSir+β6,i,tXi,t+β7,i,tSi,t+ε2,t
(6.2)
(三)实证检验及分析
1. 非金融企业杠杆率与实业投资率、金融投资率存在异质性
在已有的基础模型及考虑固定效应的延伸模型基础上，本文对非金融企业杠杆与实业投资率、金融投资率的关系进行了实证检验，实证检验结论如表7所示。
表7 基础模型、混合多元、行业固定效应模型实证结果汇总

分析表7实证检验结果可以得出如下结论。
(1)在基础模型、多元混合回归、行业固定效应和双向固定效应下，非金融企业金融投资率Fin与杠杆率Lev在1%水平显著负相关，其中Fin变量的系数基本稳定在-0.011 6至-0.014 5之间，而非金融企业实业投资率Rin与杠杆率Lev在1%水平呈现显著正相关，Rin变量的系数基本稳定在0.006 27至0.006 97之间，变动较小。符合模型假设。
(2)金融投资回报率与实业投资回报率的利差变量FRr分别与实业投资率Rin和金融投资率Fin显著相关，其中，FRr与Rin呈现1%水平显著正相关，不符合模型假设，在后文进一步说明。
(3)控制变量方面，融资约束变量Cfo与金融投资率不相关，与实业投资率在1%水平显著相关，Cfo系数稳定在0.137至0.157水平。托宾Q与金融投资率与实业投资率均在1%水平显著相关，符合模型假设。成长性变量Sir总体与金融投资率和实业投资率存在相关关系，但考虑双向固定效应时，Sir变量对Fin金融投资率的影响不显著，可能是由于不同年份的营业收入率存在较大异质性。
(4)整体来看，各变量关系并未因模型不同出现较大变化，考虑固定效应后证明行业异质性、时间截面异质性对各变量之间关系的影响有限，侧面反映了非金融企业实业投资率、金融投资率与杠杆率、收益利差等变量之间的关系。
通过模型和上述实证结果分析，非金融企业杠杆率的下降一定程度上会造成实业投资率的下降和金融投资率的上行。这意味着在推进非金融企业“去杠杆”进程时，“去杠杆”会导致非金融企业于实体经济的投资下降。投资下降无助于稳定经济增长，同时会进一步提高非金融企业金融投资率，这意味着会进一步加剧非金融企业投资的“脱实向虚”问题。
2.金融投资与实业投资回报利差不符合预期
另一方面，从表4收益率关系来看，金融投资回报率与实业回报率利差FRr与非金融企业的投资结构存在密切关系，当利差增大时，非金融企业的金融投资率和实业投资率均会上升。与模型假设存在出入，此前假设当利差扩大时，金融投资回报率相对上升，企业将会投资更多进行金融投资，降低实业投资。实证结果表明，当利差扩大时，非金融企业不仅会增加金融投资也会增加实业投资，但增加金融投资的规模要显著大于实业投资。出现这种问题的原因在于，使用FRr考察利差对非金融企业投资结构的影响，仅仅考虑了相对变化，忽视了实业投资回报率Rr和金融投资回报率Fr的绝对水平对非金融企业的投资也有影响。同时，Fr和Rr的绝对水平不同，而相对利差维持一定时，对非金融企业的投资结构影响显著不同。这种偏差是由于金融部门与实体部门存在一定的行业壁垒，在进行投资时并不是完全相同的，由于企业在进行投资选择时，并非仅仅从逐利性(追求更高的投资回报率)角度考虑，会结合经济前景、经营目标、投资回报时间、行业份额等多个方面进行考量，应从绝对水平加以研究。在模型6.1和6.2基础上对FRr进行拆分，拆分为Fr和Rr，并由此得到模型7.1和7.2，并以此模型进行验证。
Fini=α1,i+φ1,iLev+φ2,iFri+φ3,iRri+φ4,iQ+φ5,iSir+φ6,iCfo+φ7,i,tXi,t+φ8,i,tSi,t+ε1,t
(7.1)
Rini=α2,i+β1,iLev+β2,iFri+β3,iRri+β4,iQ+β5,iCfo+β6,iSir+β7,i,tXi,t+β8,i,tSi,t+ε2,t
(7.2)
表8 将投资回报率拆分后的实证结果

如表8所示，将FRr拆分后，托宾Q、融资约束Cfo、成长性指标Sir几无变化。而金融投资回报率与实业投资回报率确实存在显著差异。从金融投资回报率Fr来看，金融投资回报率上升会导致非金融企业金融投资率上升而实业投资率下降，符合基本假设；实业投资回报率方面，实业投资回报率的下降会导致非金融企业的金融投资率和实业投资率均出现上升，同时实业投资率上升的更多。实业投资回报率与金融投资率的负相关关系不难理解，但为何实业投资回报率下降反而增加了实业投资率呢？从中国的经济发展历程来看，金融部门投资方面，较多是非金融企业通过金融机构对金融部门进行投资，而金融企业本身由于监管所限，是不能投资实业的，这种情况就会导致当实体企业的投资回报率下降时不管是金融还是实体部门，企业投资的意愿都下降。
表9 行业异质性在非金融企业杠杆率与投资率中的表现

3.非金融企业投资率与杠杆率之间是否存在行业异质性
通过前述实证分析，可以认为，非金融企业去杠杆可能会进一步加剧投资“脱实向虚”现象的出现，这意味着考虑稳增长压力时，应该审慎推进“去杠杆”政策，进行结构性去杠杆。表9的实证结果显示，不同行业内非金融企业杠杆率对投资率的敏感性不同，电信服务、商业与专业服务、能源、媒体、制药生物科技与生命科学等行业杠杆率与实业投资率成显著正相关。同时，电信服务、家庭与个人用品、媒体、制药生物科技与生命科学、零售业等行业，非金融企业杠杆率与金融投资率成显著负相关。从影响程度来看，电信服务、家庭与个人用品、零售业、制药、生物科技与生命科学等行业中，实业投资率、金融投资率对杠杆率的敏感度较高，这意味着在推进去杠杆政策时，从稳增长角度考虑，应当在对杠杆率敏感度较高的行业稳杠杆，在敏感度较小的行业去杠杆，从而实现去杠杆和稳增长的协调，避免快速去杠杆导致经济快速下行进而产生新的风险。不因处置风险而产生新的风险，这也是决策层的核心思想之一。
4.企业创新带动非金融企业投资回报率回升
兼顾去杠杆防风险与稳增长的关键在于提升经济增长质量、调整产业结构、促进产业转型升级，以“增质保量”来化解风险、增强杠杆稳定性并促进经济增长与复苏。本文使用对非金融企业实业投资回报率与企业科技创新能力进行研究。因此，本文引入三个科技创新指标，企业创新指标A为企业无形资产占总资产比重，企业创新指标B为企业无形资产同比变化率，企业创新指标C为企业无形资产占总资产同比变化率，引入此三个变量旨在验证企业科技创新能力的提升对实体部门投资回报率的提升具有促进作用，由此建立下述三个模型，并进行了相关实证检验。
Rri,t=αi,t+β1,tinnoa
(8.1)
Rri,t=αi,t+β1,tinnob
(8.2)
Rri,t=αi,t+β1,tinnoc
(8.3)
表10 实业投资回报率与企业创新能力的关系

如表10所示，实证结果显示，非金融企业科技创新能力的提升可以有效改善自身的实业投资回报率，但考虑影响实业投资回报率的因素较多，特别是整体宏观环境的影响可能更大，在产能过剩、两高一剩等行业，实体投资回报率过低的原因更多源于市场结构、供求关系、企业内部成本控制等等因素，但这并不影响企业通过科技创新实现技术进步，进而达到提升生产效率、改善组织方式等效果，通过这种方式实现投资回报率的上升。只有非金融企业内部逐步实现科技创新带动自身发展，我国经济增长的动能转换才能有效切换，实现创新驱动。
四、实证结论
通过实证检验与分析，本文得到以下结论。
(1)本文验证企业实业投资率和金融投资率均存在杠杆率的影响机制。本文验证了杠杆率对投资率有显著影响，创新性地证实了企业投资率存在杠杆率机制的影响，这种影响会因投资方向不同存在异质性，非金融企业杠杆率与实业投资率存在显著正相关，而与金融投资率存在显著负相关。
(2)验证了投资转移效应的存在，证实替代效应确实存在，前者较后者对“脱实向虚”现象有更强的解释力。实体投资回报率与金融投资回报率之间的异质性确实会影响非金融企业的投资结构，即替代效应确实存在。由于企业杠杆率对实业及金融投资率存在异质性影响，非金融企业去杠杆可能会导致实业投资率下降而金融投资率上升，出现“脱实向虚”现象。考虑金融与实业投资回报率之差相对固定时这一结论依旧有效，投资转移效应确实存在；同时，当实业投资回报率和金融投资回报率的相对水平固定，而绝对水平不同时，替代效应会因“动态不一致”问题产生不同的作用结果。因此，投资转移效应较替代效应的解释力更强。
(3)验证了非金融企业杠杆率与投资率之间存在行业异质性。由于不同行业中，企业杠杆率对金融投资率与实业投资率存在不同的作用效果，在推进非金融企业去杠杆时要视行业情况把握去杠杆的范围和节奏，协调好结构性去杠杆和稳增长的关系，避免去杠杆时挫伤经济。
(4)验证了通过技术进步可以提升实业投资回报率，在非金融企业去杠杆的环境下，促进创新、技术进步是解决“脱实向虚”问题的关键。本文验证了非金融企业无形资产投入与实业投资回报率存在显著正相关，在当前的宏观及政策环境下，由于投资转移效应的存在，非金融企业去杠杆会进一步导致“脱实向虚”现象的产生，扭转去杠杆的方向与防风险的初衷不符，发挥替代作用的影响机制是扭转“脱实向虚”问题的关键，通过促进科技进步、创新驱动带动企业实业投资回报率的提升，有助于根本上带动实业投资率的回升，扭转“脱实向虚”现象。
(5)通过实证分析剖析了去杠杆、防风险、稳增长和促改革等宏观政策的内在逻辑，防风险要求去杠杆的政策方向不会改变，考虑稳增长目标政策推进应把握去杠杆节奏和行业特质，推进结构性去杠杆；解决企业投资“脱实向虚”问题的关键与经济高质量发展的目标一致，即实现投资回报率的根本性回升，这需要切实推进创新战略和技术进步；同时，经济增长质量的有效提升也会增强宏观杠杆的稳定性，降低去杠杆产生的负面影响。
五、政策建议
(1)在稳增长基础上推进结构化去杠杆，避免挫伤经济。内忧外患的经济现状下，“稳”和“去”之间，必然是“稳”更重要。宏观杠杆率取决于分子端的债务与分母端的GDP，因此去杠杆的重心如果放在减少债务，就容易导致信用收缩、企业倒闭、PPI下行的通缩风险。而高质量增长寻求的是不通过高负债的方式拉动GDP，如果分母的增速大于分子的增速，同样可以达到去杠杆的效果。当前我国经济外部环境出现较大变化，内部经济面临一定下行压力，防控金融风险的核心在于坚定围绕六个“稳”字，保障经济处于合理稳定区间，避免中美基本面、货币政策等差距过大，防控风险通过汇率、资本流动等方面冲击经济。从防风险的角度，在经济下行压力较大时，去杠杆也需视实体经济运行的客观状态而定，在内部经济下行压力仍存、外部贸易环境尚不稳定的当下，短期内保持经济稳定在合理区间运行自然是首要任务，相较于去杠杆，结构化去杠杆政策可能更符合防风险的初衷，把握去杠杆的节奏和力度，避免对实体经济带来不可逆的负面影响。
(2)重新认识去杠杆和“脱实向虚”的关系，解决“脱实向虚”问题的关键在于坚持推进创新战略和高质量发展(提高经济增长质量)。由于投资转移效应的存在，去杠杆政策一定程度上导致“脱实向虚”的阶段性加剧，去杠杆政策的推进需权衡风险和增长的关系，政策方向不会变化意味着无法扭转“脱实向虚”现象。因此，扭转“脱实向虚”现象的关键在于两方面，其一发挥替代效应的作用，通过提高实业投资回报率带动企业对实体经济的投资意愿，实业投资回报率的根本性回升需要科技创新、技术进步的带动，因此需要坚定不移地坚持和推进创新战略；其二是降低投资转移效应的作用效果，减少去杠杆政策对企业投资“脱实向虚”的影响，继续坚定地落实高质量发展要求，增强经济增长质量以降低经济前景的不确定性和杠杆的脆弱性，去杠杆的目标不是去掉多少杠杆而是有效防控风险，高质量发展有助于解决去杠杆和“脱实向虚”之间的困境。
(3)坚持推进供给侧结构性改革由破到立，落实高质量发展要求，创新驱动是关键。政策可以从四方面发力：其一，考虑动能转换、创新驱动和结构性调整需要，继续发挥投资的关键作用，继续加大制造业技术改造和设备更新，加快5G商用步伐、人工智能、工业互联网、物联网等新型基础设施建设。在外部环境倒逼和内部结构调整必要需求的双重压力下，新型基建发展将会有较强政策支撑。其二，推进结构性减税和金融供给侧改革，降低科创性企业经营负担，通过金融供给侧改革引导金融体系给予科创性企业更大金融支持。其三，加强知识产权保护，给予科技创新必要的制度环境。特别是在中美贸易摩擦下，加强知识产权保护既是化解纠纷的手段，又是壮大自身的工具，正如习近平总书记在博鳌论坛上讲到的，“加强知识产权保护。这是完善产权保护制度最重要的内容，也是提高中国经济竞争力最大的激励”。其四，加大对研发科技的投入力度。与国际发达国家相比，我国研发强度仍然较低，研发支出占GDP比重与发达国家还有差距，需要政策通过鼓励研发的方式提高全要素生产率，以应对在投资效率下降的情况下经济转型升级的情况。
参考文献
[1]刘晓光，张杰平.中国杠杆率悖论——兼论货币政策“稳增长”和“降杠杆”真的两难吗[J].财贸经济，2016(8):5-19.
[2]陈卫东，熊启跃.我国非金融企业杠杆率的国际比较与对策建议[J].国际金融研究，2017(2):3-11.
[3]纪敏，严宝玉，李宏瑾.杠杆率结构、水平和金融稳定——理论分析框架和中国经验[J].金融研究，2017(2):11-25.
[4]MENDOZA E G, TERRONES M E. An anatomy of credit booms: evidence from macro aggregates and micro data [J]. International Finance Discussion Papers, 2008, 8(226):1-50.
[5]SCHULARICK M, TAYLOR A M. Credit booms gone bust: monetary policy, leverage cycles, and financial crises, 1870-2008 [J]. The American Economic Review, 2012, 102(2):1029-1061.
[6]LANG L H P, OFEK E, STULZ R. Leverage, investment, and firm growth [J]. Journal of Financial Economics, 1996, 40(1): 3-29.
[7]GOMES J F, SCHMID L. Levered returns [J]. The Journal of Finance, 2010, 65(2): 467-494.
[8]BAKER S R, BLOOM N, DAVIS S J. Has economic policy uncertainty hampered the recovery? [J]. Social Science Electronic Publishing, 2012.
[9]谭小芬，张文婧.经济政策不确定性影响企业投资的渠道分析[J].世界经济，2017，40(12):3-26.
[10]GULEN H,ION M. Policy uncertainty and corporate investment [J].The Review of Financial Studies, 2016, 29(3): 523-564.
[11]饶品贵，岳衡，姜国华.经济政策不确定性与企业投资行为研究[J].世界经济，2017，40(2):27-51.
[12]张成思，张步昙.中国实业投资率下降之谜:经济金融化视角[J].经济研究，2016，51(12):32-46.
[13]刘海明，曹廷求.信贷供给周期对企业投资效率的影响研究——兼论宏观经济不确定条件下的异质性[J].金融研究，2017(12):80-94.
[14]DEMIR F. Financial liberalization, private investment and portfolio choice: financialization of real sectors in emerging markets [J]. Journal of Development Economics, 2009, 88(2): 0-324.
[15]SEAN C. The relationship between firm investment and financial status [J].Journal of Finance, 1999, 54(2):673-692.
[16]林毅夫，张鹏飞.后发优势、技术引进和落后国家的经济增长[J].经济学(季刊)，2005(4):53-74.
[17]徐朝阳.工业化与后工业化:“倒U型”产业结构变迁[J].世界经济，2010，33(12):67-88.