利用较新的世界银行企业调查数据，解释变量为企业表现的各种度量

本文首先利用较新的世界银行企业调查数据进行回归，结果见表1。其中，被解释变量为企业表现的各种度量，分别列于表1的第一行，解释变量位于表1的最左列。

本文关心的解释变量bankratio的含义是“企业从银行获得的流动资产融资占所有融资额的比重”，它从融资结构的角度衡量了银行融资在企业融资渠道中的重要程度。

该值越大，则说明企业从银行融资相对于其他渠道融资更便利。

表1检验结果摘要

变量

方程1

LnSales

方程2

lnSalesadd

方程3

LnWage

方程4

Export

方程5

Expint

bankratio

0.8472＊＊＊

(0.1951)

0.6519＊＊＊

(0.1993)

0.3956＊＊＊

(0.1111)

0.7007＊＊

(0.2635)

－0.1429＊＊

(0.1020)

观测值数

1673

1668

1646

1673

350

(拟)R2

0.6480

0.0954

0.7816

0.1570

0.2236

注:(1)表中省略了所有制、企业规模、区域和行业等控制变量的回归结果;(2)括号里为稳健性标准误。*、＊＊、＊＊＊分别表示10%、5%和1%水平上显著。下同。

表1第一列回归的被解释变量为对数化的销售额，回归结果显示bankratio具有正且在统计上显著的系数，这说明给定其他条件不变，从银行融资相对较多的企业销售额越大。

由于世界银行企业调查数据没有包括工业增加值的信息，第二列回归被解释变量为对数化的人均销售额增加值，其计算方法为(产品销售收入×中间投入)/雇员人数，黄玖立和冼国明(2012)曾使用其作为生产率的一个测度。

回归结果发现，bankratio的系数仍然为正显著。第三列回归的被解释变量为对数化的职工工资，bankratio的系数仍然保持正显著，即从银行融资相对较多的企业的职工工资也较高。这与国内研究中发现的融资约束与劳动收入份额关系保持一致(罗长远和陈琳，2012)。

第四列回归的被解释变量是企业是否直接出口。若企业直接出口，则二元虚拟变量Export取1，回归方法为Probit回归。可以看出，给定其他条件不变，从银行融资相对较多的企业出口可能性更大。

第五列回归的被解释变量是出口的集约边际，即企业出口密度(企业出口额∕企业销售额)。有趣的是，与前四列回归结果相反，bankratio的系数仍然为负显著，这说明从银行融资相对较多的企业出口密集度反而较小。

这一结果与现有理论文献的预测(Manova，2013;Chaney，2016)不一致，但与本文第二部分模型的预测一致。总体来看，从银行融资相对较多的企业表现较好。

为了进一步检验表1结果的稳健性以及贸易方式与融资约束的关系，本文用2006年的工业企业数据和海关数据样本，并利用不同融资约束指标再次进行类似(11)式的回归，结果见表2。

在表2的回归中，被解释变量在第一行中列出，解释变量则反映在表2的最左列。前三列回归的被解释变量分别是劳动生产率、对数化的销售额和利润，回归结果显示四种衡量融资约束的指标系数均为正且在统计上显著，这说明给定其他条件不变，融资容易的企业表现更好。

第四列回归的被解释变量为二元虚拟变量Export，如果企业为出口企业，则Export取1，回归方法为Logit回归。回归结果显示，bcredit有一个正的系数但在统计上并不显著，同时其他三种衡量融资约束的指标虽然显著但方向并不相同。

这一结果说明，不同融资渠道对我国企业出口行为的影响可能不一样。

为了观察融资约束对企业贸易方式选择行为的影响，第五列回归的被解释变量为二元虚拟变量Process，如果企业为加工贸易出口企业，则Process取1。

回归样本为所有的出口企业，回归方法为Probit回归。回归结果显示，bcredit具有一个负且在统计上显著的系数，这说明银行融资能力越弱的企业越容易选择加工贸易。同时，scredit具有一个正且在统计上显著的系数，这说明商业融资可以促进企业选择加工贸易。

intrafin的系数为负显著，这说明内源融资不足的企业更倾向于选择加工贸易。liquidity的系数虽不显著，但仍然为负，这说明流动性不足的企业更容易选择加工贸易。第五列的回归结果说明，融资约束对企业的贸易方式选择行为有显著的影响。

总体来看，表2的回归结果说明:给定其他条件不变，银行融资能力与企业的生产率等各种表现正相关。

有趣的是，与多数异质性企业贸易模型中银行融资约束会抑制企业出口的结论不同，银行融资约束对我国企业出口既有促进效应又有抑制效应，即会抑制企业从事一般贸易出口，会促进企业从事加工贸易出口，这与命题1的预测一致。

同时如前文所述，出口导向型企业更容易获得银行的融资，这也可能是表1第五列回归中bankratio的系数为负的原因。

接下来直接检验融资约束与企业贸易模式的关系，给出命题1更为直接的证据，结果如下:在表3的所有回归中，样本为经过匹配的2006年出口企业数据。被解释变量Process仍然为企业是否是加工贸易企业的二元虚拟变量。

①如果企业是加工贸易企业，则取值为1;反之为0。回归方法仍然为Logit回归。表3显示，bcredit具有一个负的且在统计上显著的系数。

在依次加入其它三种融资约束时，其符号保持稳健。这也说明受银行融资约束严重的企业更容易选择加工贸易，与命题1一致。需要注意的是，可以看到商业信用融资scredit系数为正显著，且系数的绝对值较大，这说明加工贸易企业主要依赖上下游企业之间的商业融资。

下面检验融资约束与企业出口密集度之间的关系，以验证命题2的预测。检验结果如表4。

在表4的所有回归中，样本仍为经过匹配的2006年出口企业数据，被解释变量hex表示企业出口密集度是否大于0.7的虚拟变量。①当企业的出口密集度大于或等于0.7时，该值取1;反之，取0。

第一列回归只控制了bcredit一个融资约束变量，回归结果显示bcredit有负且显著的系数，这说明受到银行融资约束的企业更容易选择成为高出口密集度的企业。

第二列回归继续控制了其他三个融资约束指标，结果bcredit仍然保持一个负且显著的系数。同时，可以看到商业信用融资scredit系数为正显著，这也说明与加工贸易企业类似，高出口密集度企业主要依赖上下游企业之间的融资。

第三、四列回归样本剔除了加工贸易企业。尽管bcredit回归系数有所减小，但仍然为负显著。这进一步支持了命题2的预测。

更多经验证据

1.控制企业生产率和缓解反向因果关系

命题1认为生产率不同的企业会有不同的贸易方式，因而表2的回归中可能存在内生性问题，即生产率高的企业更容易从银行融资，继而有更好的表现且能进行一般贸易。

为了进一步识别变量之间的因果关系，直接在控制变量中加入企业生产率(productivity)，并进行如表5所示的回归。

回归中被解释变量process表示企业是否为加工贸易企业的二元虚拟变量(当企业为加工贸易企业时取1，反之取0)。

与表3一致，笔者所关心的解释变量仍为银行贷款融资(bcredit)，其他控制变量包括商业信用融资、内源融资和流动性需求等。回归样本为2006年的加工贸易企业和一般贸易企业，估计方法为Logit回归。

在表5的第一列回归中，企业的杠杆率bcredit有一个负的且在统计上显著的系数。这说明在控制了企业规模等因素的情形下，从银行贷款越容易的企业越可能选择一般贸易，这一结果与表3以及命题1一致。

为了缓解遗漏变量问题，第二列回归控制了企业的劳动生产率(工业增加值∕平均就业人数)。由于在其他条件相同的情况下，低效率的企业更容易选择加工贸易且更难从银行贷款，第一列回归中的bcredit系数可能有一个向下的偏误。

因此第二列回归中的productivity具有一个负且在统计上显著的系数，而bcredit系数相比第一列回归时略有提高。

鉴于加工贸易企业可能更多通过商业信用融资而无需很多的银行融资，被解释变量process可能会通过商业信用融资渠道对解释变量bcredit产生影响，从而混淆回归的因果关系。因此，第三列回归进一步控制了企业的商业信用融资scredit。

不出所料，scredit有一个正且在统计上显著的系数。由于加工贸易企业不容易获得银行贷款，scredit和bcredit之间存在负相关关系，这使第二列回归中的bcredit系数可能产生一个向下的偏误，因而第三列回归中的bcredit系数较大。

在理论模型中，企业可以通过内源融资支付一部分贸易成本，于是内源融资能力强的企业对外源融资的需求可能较小。

因为加工贸易企业的利润较低，内源融资能力将与因变量负相关，所以忽略内源融资的回归也有可能混淆因果关系的方向，并可能对bcredit系数的估计产生一个向上的偏误。因此，第四列回归进一步控制企业的内源融资能力，回归结果表明bcredit系数变小且intrafin的系数为负。

第五列回归继续控制了企业的流动性。尽管liquidity的系数不显著，其值仍为负。同时，bcredit系数符号保持稳健。综上所述，表5的回归结果与命题1的预测相符。①

2.使用面板数据检验模型机制②

由于命题2反映了理论模型的运行机制，对命题2的检验有利于增强理论模型相对于其他竞争理论模型(competingtheory)的可信性。

我们承认在使用企业层面的横截面数据和面板数据之间存在一个权衡取舍。一方面，使用面板数据可以更好地控制不可观测的异质性因素以及宏观经济波动(通过控制时间虚拟变量等方式)对被解释变量的影响;另一方面，近期一些文献强调企业层面的投入产出指数对回归结果的影响(Licandro＆Saadatnia，2014)。

尽管Brandtetal．(2012)提供了两位数行业投入产出平减指数，他们也在该文的网上附录中指出，在缺乏精确的企业投入产出指数的情况下，使用面板数据估计享受特殊贸易政策的企业行为(比如，加工贸易或高出口密集度企业)时会有偏误。

由于缺乏企业层面的投入产出指数的准确数据，使用面板数据回归可能会产生一个新的偏误。考虑到本文的理论模型是一个静态模型，专注点不在企业的动态变化，本文将面板数据回归作为一种稳健性检验。

具体而言，本文使用2004—2007年的非平衡面板工业企业数据，以检验命题2预言的融资约束与企业出口选择行为关系，回归结果如表6。

表6中解释变量prod_lp表示利用LP方法估计的全要素生产率。与前述以横截面数据为样本的回归相比，表6的前两列回归控制了时间固定效应，被解释变量分别是hex(即企业出口密集度的二元虚拟变量，当出口密集度大于0.7时，取值为1;反之，取值为0。)和expint(即企业的出口密集度)。

不难看出，我们最关心的变量bcredit仍然具有负且在统计上显著的系数，这说明即使在控制了汇率和宏观经济波动等因素的框架下，受到融资约束越严苛(即bcredit越小)的企业越容易成为高出口密集度企业。

为了更好地控制回归中的遗漏变量问题，并验证理论模型中所预言的自我选择效应，表6的后两列回归进一步控制了企业固定效应。

由于理论模型中企业面临的是出口前外生的融资约束，同时企业的生产率也是Melitz(2003)模型中外生生产率，企业固定效应会吸收Melitz(2003)中的企业外生生产率、企业区位、企业所有权及相关的外生融资约束效应等不随时间变化而变化的自选择效应。

因此，如果我们发现bcredit系数估计值不显著或者具有一个相反的符号，则说明模型中揭示的自我选择效应的确存在。相反，如果bcredit继续保持负显著，那么我们不能断定是否存在自我选择效应。回归结果显示，bcredit和表示企业生产率的变量prod_lp系数不再稳健。

第三列回归中bcredit的系数不显著，第四列回归中bcredit的系数变为正显著(在5%的显著性水平下)，而prod_lp的系数在第三列和第四列回归中都不显著。

因此自我选择效应的确存在。②现在考虑使用另一种策略分离自我选择效应。我们将回归样本限制为“本年度未出口但下年度出口的企业”。

根据理论分析，应该观察到本年度受银行约束严苛的未出口企业下年度更有可能选择高出口密集度的出口模式，检验结果如表7所示。

表7的结果与表6类似bcredit的系数仍然为负值且在统计上显著这意味着回归样本中－，1，“在本年度受银行约束严苛的未出口企业”下年度更有可能选择高出口密集度的出口模式，这更为直接地验证了本文理论模型中揭示的银行融资约束对企业自我选择效应的影响。①

四、结论及政策建议

本文以中国出口贸易的特征事实为基础，通过扩展现有异质性企业贸易模型，发现银行融资约束并不一定抑制企业的出口参与，但会阻碍部分出口企业从加工贸易转型为一般贸易，从高出口密集度企业转型为低出口密集度企业。

尽管加工贸易企业和高出口密集度企业平均效率较低，但享受融资便利且出口强度较大，因而我国在金融制度尚不完善的情形下也可以成为出口大国。本文的政策含义较为直观:

首先，融资约束是导致我国对外贸易不平衡的一个原因。在理论模型中，当加工贸易无需支付固定成本时，融资约束不会降低企业的出口概率，仅会影响企业对出口贸易方式的选择，这与现有多数融资约束与企业出口行为的文献结论不同。

因此，尽管中国的金融系统不完善，低效率企业仍可以选择加工贸易等受银行融资约束影响较小的出口模式。由于这些贸易模式一般都是出口导向型，融资约束可能加剧我国对外贸易的不平衡。

其次，缓解企业面临的银行融资约束有利于促进外贸转型升级。根据理论模型的逻辑，由于受融资约束而未能选择一般贸易的企业在加工贸易企业中效率最高，融资约束实质上通过减少这部分企业的实际销售额和利润降低了行业的加权平均劳动生产率，因而进一步通过金融市场将贷款流向外贸实体将提升出口行业的平均生产率和利润水平。

第三，加快金融体制改革有利于企业产品内外供给的平衡。根据本文的分析，打破企业面临的融资约束将使部分高效率的加工贸易企业转变成内销企业，这一方面会通过增加国内市场产品种类拉动国内需求，另一方面会通过降低加工贸易比重缓解对外贸易的不平衡。同时，逐渐调整或取消对高出口密集度企业的信贷优惠政策也将有利于高出口密集度企业转型为低出口密集度企业。

本文的研究也具有一定局限性。由于专注于分析银行融资约束对企业出口行为的影响，本文没有细致考察其他因素对企业贸易模式的影响。比如就外资企业而言，跨国公司战略可能是这些企业在华从事加工贸易的重要原因，因而有必要从全球价值链的角度进行更深一步的研究。这些未尽之处将是本文未来的研究方向。