貨幣政策不確定性對企業全要素生產率的影響研究

段進 田林

摘 要：依據2005—2021年A股上市企業數據，運用SVAR-SV模型，逐步分離宏觀經濟沖擊和貨幣政策水平沖擊，構建貨幣政策不確定性指數，考量貨幣政策不確定性對企業全要素生產率的影響。結果顯示：相較于金融摩擦機制，貨幣政策不確定性主要通過實物期權和增長期權機制抑制企業全要素生產率增長；受企業異質性影響，貨幣政策不確定性對國有控股、中小規模和中西部企業全要素生產率的抑制效果更為顯著。

關鍵詞： 貨幣政策不確定性；全要素生產率；SVAR-SV模型

中圖分類號：F820．1?? 文獻標識碼： A??? 文章編號：1003-7217（2024）01-0019-08

一、引 言

2008年金融危機后，全球經濟增速明顯放緩，各國貨幣政策調整頻繁。即使中央銀行采取了提高政策透明度、加強預期管理等多項措施，也依然無法消除貨幣政策產生的不確定性影響[1，2]。貨幣政策不確定性通過金融摩擦機制、實物期權機制與增長期權機制影響企業全要素生產率[3]，最終導致金融風險加劇，社會產出顯著降低，實際GDP增速下降[4，5]。提升企業全要素生產率是未來經濟增長的重要動力，分析貨幣政策不確定性對企業全要素生產率的影響有助于我國經濟高質量發展。

貨幣政策不確定性（MPU）指數的構建方法主要分為文本收集法和變量代理法。在文本收集法中，Baker等隨機抽取《南華早報》文章中與經濟以及不確定性相關術語的出現頻次，以反映公眾對央行政策行動及其后果所感知的不確定性程度，構建中國經濟政策不確定性（EPU）文本型指數[6]；Huang等以中國內地114家報紙為文本信息選取對象，構建了文本型MPU指數[7]；Chen等利用《南華早報》和《金融時報》兩家國際性報紙的文本信息構建MPU指數以研究中國貨幣政策不確定性對國際投資者的影響[8]。上述文本型指數信息來源較單一，同時，由于投資者對文本信息處理具有主觀性，指數有效性可能受到影響。相比之下，變量代理法所構建的指數更客觀，其中基于SV模型構建的MPU指數可以在突出“不可預測性”的同時，較好地分離宏觀經濟不確定性影響的部分，有效區分貨幣政策水平沖擊和不確定性沖擊[9]。

現有相關文獻多集中研究經濟政策不確定性對企業經濟活動的影響[10，11，12]，關于貨幣政策不確定性對企業全要素生產率影響的研究鮮見。另外，相關文獻多利用文本型貨幣政策不確定性指數進行研究，信息來源較單一且處理具有主觀性。為提高指數的客觀性和全面性，突出貨幣政策的“不可預測”部分，本文選用SVAR-SV模型，逐步分離宏觀經濟沖擊和貨幣政策水平沖擊，計算貨幣政策的隨機波動率以構建MPU指數；討論貨幣政策不確定性對企業全要素生產率的影響與作用機制，為貨幣政策調控及企業經營管理提供決策參考。

二、理論分析與研究假設

（一）貨幣政策不確定性對企業全要素生產率的影響機制分析

企業通過提升技術水平、提高要素配置效率以及形成規模經濟來提升自身全要素生產率。貨幣政策不確定性上升沖擊企業經濟活動，進而影響企業全要素生產率增長，其影響機制如下：

1.金融摩擦機制，包含金融加速器與貸款抵押約束兩個角度。金融加速器角度認為，當貨幣政策不確定性上升時，銀行和企業間的信息不對稱加劇，銀行投資判斷機會受限以及信息準度下降，致使成本上升，銀行縮減信貸規模[13，14]，進一步導致企業外部融資溢價升高，融資約束程度加重。貸款抵押約束角度認為，貨幣政策不確定性升高，對抵押品價格造成沖擊，抵押品價格約束縮減企業的可獲取資金規模，導致企業融資難度加大。融資約束程度加重阻礙企業正常經營投資活動，最終導致企業全要素生產率增速下降[15]。

2.實物期權機制。企業將未來的投資機會視為看漲期權。在資本不可逆假定下，高貨幣政策不確定性意味著未來投資的期權價值增加。由于投資的不可逆性和沉沒成本，企業在面對高貨幣政策不確定性帶來的信息不對稱性時，為避免投資失敗就會延緩當期投資[16]。等待動機抑制了企業的投資行為，導致企業研發創新速度放緩以及資本配置效率降低，最終阻礙企業全要素生產率的增長。

3.增長期權機制。企業注重投資機會的未來增長回報。在資本不可逆假定下，高貨幣政策不確定性風險可以提高當下投資項目的未來回報。管理層增加投資行為，以追求企業未來的成長機會。然而，增加投資使企業面臨更高的虧損風險，也可能導致企業過度投資，造成企業資本配置效率降低，最終阻礙企業全要素生產率增長[17]。鑒于此，提出研究假設：

H1 貨幣政策不確定性對企業全要素生產率產生負向影響。

（二）貨幣政策不確定性影響機制的識別機理

從實物期權和增長期權機制角度來看，在投資和資本不可逆且存在調整成本的假定下，政策不確定性的傳導作用實際上可以歸結于其對企業資本流動性價值的沖擊[18]。若貨幣政策不確定性升高，資本不可逆程度高的企業將改變自身投資決策，即依據實物期權機制或增長期權機制調整當期投資，導致企業資本配置效率下降，進而阻礙企業全要素生產率增長。從金融摩擦機制角度來看，企業內部資金越充足意味著融資約束越小，即有更強能力應對貨幣政策不確定性帶來的資本流動性價值沖擊，進而緩解其對自身全要素生產率帶來的負向沖擊?？傮w來看，實物期權機制和增長期權機制側重于貨幣政策不確定性對企業投資決策的影響，金融摩擦機制則關注貨幣政策不確定性對企業融資環境帶來的沖擊。同時，這兩類作用機制又可能互相影響，對彼此造成加強或擠出效應。鑒于此，為識別哪一類機制起主要作用，提出研究假設：

H2a 相較于金融摩擦機制，實物期權和增長期權機制的影響更重要。

H2b 相較于實物期權和增長期權機制，金融摩擦機制的影響更重要。

三、貨幣政策不確定性指數構建

遵循兩個原則來構建指數，一是符合“不確定性”的定義，強調貨幣政策變動的不可預測性；二是區分貨幣政策的水平沖擊與不確定性沖擊，以確保所構建的指數聚焦于貨幣政策的不可預測波動，而非貨幣政策變化水平的波動。參考林建浩[19]的做法，利用結構向量自回歸（SVAR）模型以及Cholesky分解法估計貨幣政策沖擊序列，然后利用帶有AR（1）的隨機波動（SV）模型估計沖擊序列的隨機波動率，以此作為貨幣政策不確定性的代理指標。除了數量型貨幣政策外，加入價格型貨幣政策變量，使貨幣政策不確定性指數更加完善。

（一）貨幣政策水平沖擊

首先，選取貨幣政策代理變量以及宏觀經濟變量，利用SVAR模型估計貨幣政策水平沖擊序列。選取R007作為價格型貨幣政策代理變量①，選取M2增長率作為數量型貨幣政策代理變量。宏觀經濟變量選擇實際產出和通貨膨脹率，具體計算方式如表1所示：

參考王君斌等[20]的做法，分別構建考察數量型貨幣政策沖擊和價格型貨幣政策沖擊的簡化VAR模型：

yit=Γ1yt-1+…+Γpyt-p+A-1Buit，

i=M，R? （1）

yMt=［M2gt，real_GDPt，inft］′ （2）

yRt=［R007t，real_GDPt，inft］′? （3）

其中，uMt為數量型貨幣政策沖擊序列，uRt為價格型貨幣政策沖擊序列，采用Cholesky分解法對矩陣A與B施加短期約束③以識別SVAR模型。

（二）貨幣政策沖擊序列的隨機波動率

利用帶有AR（1）的SV模型對得到的沖擊序列{uMt}Tt=1、{uRt}Tt=1進行測算，具體模型如下：

uit=ρiuit-1+exp（hit/2）eit，eit～N（0，1）

i=M，R （4）

hit=hi+ρih（hit-1-hi）+σihvit，vit～N（0，1）

i=M，R （5）

其中eit和vit相互獨立，exp（hit/2）即為所需要的貨幣政策不確定性代理變量，hi反應波動率的平均水平，σih反應波動率的隨機情況。參考Fernández-Villaverde等的參數設置方法[21]，先驗分布信息和后驗分布信息④如表2所示：

為了使得到的exp（hMt/2）和exp（hRt/2）序列具有可比性，對兩個序列進行統一量綱處理，將處理過的序列相加，得到最終的貨幣政策不確定性指數（MPU）及部分節點事件如圖1所示。

四、研究設計

（一）模型假設

建立基準回歸模型，考察貨幣政策不確定性對企業全要素生產率的整體影響情況：

TFPjt=α+β1·MPUt+β2·∑Controlsjt+?μj+vj+εjt（6）

其中TFPjt為t期企業j的全要素生產率增速，MPUt為t期的貨幣政策不確定性，∑Controlsjt為t期的控制變量，μj為年份固定效應，vj為個體固定效應。

（二）變量定義

1.被解釋變量。

參考魯曉東和連玉君的做法[22]，選取LP法⑤計算企業的全要素生產率（TFP），同時進行ACF修正。其中，產出選取主營業務收入；資本投入選取固定資產凈值；勞動投入選取應付職工薪酬和企業員工人數；將銷售費用、管理費用、財務費用、研發費用中屬于中間消耗的部分相加，再加上直接材料，作為中間投入變量。將上述指標取對數后用LP法進行估計，得到對數形式的全要素生產率，即全要素生產率增長率。

2.核心解釋變量。

核心解釋變量（MPU）為SVAR-SV模型構建出的貨幣政策不確定性指數，將所得季度數據進行算術平均處理得到年度數據。

3.控制變量。

控制變量從企業規模、盈利能力、成長能力、現金水平、資產結構和投資機會六個方面選取[23，24]。相關變量具體定義如表3所示：

（三）數據選取與處理

樣本數據選擇2005—2021年A股市場上市公司財務數據，并做如下處理：（1）剔除金融行業企業；（2）剔除ST、ST*企業的樣本數據，以防止財務異常狀況對實證結果造成偏差；（3）為了剔除異常值的影響，對企業層面觀測數據進行Winsorize處理，對連續變量進行雙側1%的縮尾處理。

五、基準回歸結果分析

（一）基準回歸結果

表4為基準回歸結果，在1%置信水平上，MPU對TFP的影響顯著為負，說明貨幣政策不確定性升高抑制企業全要素生產率增長，證明研究假設H1成立。隨著控制變量的逐步加入，R2從0.178升高至0.35，模型的擬合效果逐漸增強。其中企業盈利能力、現金流水平提升為企業投資經營活動帶來資金支持，成長能力、固定資產占比以及企業規模擴大可以增強企業自身競爭力，緩解企業的融資約束程度，最終使企業全要素生產率得到提升。托賓Q值對企業全要素生產率的增長具有顯著負向影響效果。理性投資者傾向于避免投資被高估的企業，部分被高估企業股價居高，抑制投資者入市情緒，導致企業融資難度加大，進而阻礙企業全要素生產率增長。表4第7列結果顯示，加入Size變量后，MPU對TFP的回歸系數由-4.831突變為-0.991，MPU對TFP的解釋能力下降。原因是高貨幣政策不確定性加重企業融資約束，進而阻礙企業全要素生產率增長；企業規模擴大能緩解企業融資約束程度。因此，在考慮企業規模后，貨幣政策不確定性對企業全要素生產率的負向影響效果有所減弱。

（二）穩健性檢驗

通過分別替換被解釋變量和核心解釋變量來進行穩健性檢驗。首先將被解釋變量替換為ACF修正下的OP法構建的企業TFP；接著將被解釋變量替換為基于GMM一步估計法[25]構建的企業TFP；最后替換核心解釋變量，參考Jegadees等[26]計算標準化預測外收入增長估計量（standard unexpected revenue growth estimator）的方法，運用R007歷史數據滾動計算標準化預測外利率增長估計量，計算結果取絕對值，作為貨幣政策不確定性替換指標，將周數據進行年化處理。在分別替換被解釋變量和解釋變量后，貨幣政策不確定性依然對企業全要素生產率存在負向顯著影響，表明研究結果穩健。

六、加入交互項的進一步分析

為進一步確認貨幣政策不確定性對企業全要素生產率的影響機制，參考譚小芬、張文婧[18]的做法，加入MPU×PPE和MPU×Cash兩個交互項。其中固定資產占比（PPE）反映企業資本不可逆程度，即企業固定資產占比越大，企業回收期越長，資本不可逆程度越高；現金流水平（Cash）反應企業內部融資狀況，即現金流水平越高，企業內部可用于投資的資金越多，受到的融資約束相對越低。貨幣政策不確定性通過實物期權和增長期權機制影響企業投資決策，進而影響企業全要素生產率增長。為進一步區分實物期權機制和增長期權機制的影響，計算企業資本支出增長率，將企業分為減少投資組（資本支出增長率小于0）和增加投資組（資本支出增長率大于0），分組回歸驗證假設。

表5第1列結果顯示，交互項MPU×PPE系數顯著為負，即在高貨幣政策不確定性時期，資本不可逆程度越高的企業，其全要素生產率增長被抑制的效果越明顯。原因是基于資本不可逆前提，在高貨幣政策不確定性時期，信息不對稱性加劇導致投資風險增加，致使投資的期權價值增加。如表5第2～3列結果所示，資本不可逆程度越高的企業，越會依據實物期權機制延緩投資行為，以等待未來更有價值的投資機會，或依據增長期權機制，增加投資以追求更高的未來回報。企業投資活動受到貨幣政策不確定性的沖擊，造成資本配置效率下降，最終導致企業全要素生產率增速下降。同時，依據增長期權機制增加投資的企業，受貨幣政策不確定性負向影響更嚴重。

表5第4列結果顯示，交互項MPU×Cash系數為正，但不顯著，表示金融摩擦機制不是主要的影響機制。根據金融摩擦機制，貨幣政策不確定性升高，增加企業外部融資約束和抵押品價值約束，使其投資活動受到阻礙?，F金流狀況較好的企業有更多內部資金緩解外部融資約束，以減少貨幣政策不確定性對自身投資活動的沖擊。企業的正常投資行為得到保障，有利于其全要素生產率的提高。

最后，同時加入MPU×PPE和MPU×Cash兩個交互項對模型進行回歸，結果如表5第5列所示。與第1列和第4列結果相比，交互項MPU×PPE回歸系數絕對值增加，交互項MPU×Cash回歸系數從不顯著變為在10%置信水平顯著，系數絕對值明顯增加。說明實物期權機制和增長期權機制對金融摩擦機制存在一定擠出效應，即高貨幣政策不確定性時期，企業管理者更傾向于依據實物期權機制和增長期權機制來調整企業投資決策，該行為減弱了企業內部資金對貨幣政策不確定性負向沖擊的緩解效果。

綜上所述，實物期權機制和增長期權機制在貨幣政策不確定性對企業全要素生產率的負向影響中起更重要作用，證明研究假設H2a成立。

七、異質性分析

從產權性質、企業所在區域以及規模大小三個角度，對貨幣政策不確定性對企業全要素生產率的影響進行異質性分析。

1.產權性質角度。將企業按照國有控股與非國有控股進行劃分。表6第1～2列結果顯示，貨幣政策不確定性對國有控股企業全要素生產率影響更為嚴重。主要有以下原因：第一，結合前部分研究發現，相較于融資約束而言，貨幣政策不確定性更可能通過降低企業投資效率來阻礙其全要素生產率增長，而“預算軟約束”可能使國有控股企業盲目擴大投資[27]，使其資本配資效率降低，進而導致企業全要素生產率增速降低；第二，大多數國有控股企業屬于民生相關領域，具有一定壟斷性并承擔一定社會責任，可能導致國有控股企業內在創新動力不足[28]；第三，國家股權缺乏明確的利益代表和足夠的管理激勵，導致國有控股企業存在多重代理問題，代理成本上升，造成企業決策不夠有效。

2.經濟區域角度。按照我國東中西經濟帶對企業進行劃分。表6第3～5列顯示，貨幣政策不確定性對東部地區企業全要素生產率的負向影響并不顯著。主要有以下原因：第一，東部地區經濟水平、開放程度、市場規模及市場化程度均優于中西部地區，該地區企業應對不確定性風險的綜合能力較強；第二，東部地區數字金融發展程度高，有效降低了企業融資約束程度，促進其研發投入[29]；第三，東部地區金融體系發展較完善，銀行主動承擔風險有效緩解了企業融資約束。

3.規模角度。依據同期企業規模指標（Size），在30%、70%分位點處進行劃分，分為小規模組、中規模組以及大規模組三組。表7結果顯示，相比中小規模企業，大規模企業中這種負向影響的顯著性下降，僅在5%置信水平顯著。主要有以下原因：第一，大規模企業結構更加完善，管理層決策能力較強；第二，大規模企業內源性融資、抵押品價值等方面均強于中小規模企業。

八、結論與建議

運用SVAR-SV模型測度我國貨幣政策不確定性，討論貨幣政策不確定性對企業全要素生產率的影響；從實物期權、增長期權和金融摩擦的不同維度出發，辨析主要的影響機制；基于企業的產權性質、所在區域和規模大小，進一步分析影響差異。結果顯示：貨幣政策不確定性抑制企業全要素生產率的增長，相較于金融摩擦機制，實物期權機制和增長期權機制占主導地位。企業資產不可逆程度越高，其全要素生產率受貨幣政策不確定性的負向影響越嚴重。國有控股企業、中西部企業和中小規模企業受貨幣政策不確定性負向沖擊更顯著。

結論對中國貨幣政策調控及企業投融資的啟示：第一，重視貨幣政策不確定性的沖擊。央行在關注貨幣政策水平沖擊的同時，不能忽視貨幣政策頻繁小幅調整所產生的不確定性沖擊。第二，提升企業資產可逆性。推進資本市場發展和二手市場建設，完善固定資產定價機制，便利資產交易并提高資產處置效率。第三，增強企業抵御貨幣政策不確定性沖擊的能力。國有控股企業需激活內在創新動力，緩解多重代理問題；中西部企業拓展融資渠道，如采用數字金融模式；中小規模企業優化資本結構，緩解融資約束程度。

注釋：

① 《2016年第三季度中國貨幣政策執行報告》指出DR007可以更好地反映銀行體系流動性狀況，更適合作為市場基準利率。由于DR007從2014年12月開始公布，時間跨度過短，故選擇R007作為價格型貨幣政策代理變量。

②? 數據來源：國泰安數據庫。

③ 對貨幣政策施加以下約束條件：（1）由于貨幣政策存在外部時滯，認為貨幣政策當期水平不影響當期實際產出和通貨膨脹水平。（2）由于價格黏性，利用CPI度量的通貨膨脹率一般被看作滯后指標，當期不受供給沖擊的影響。

④ 不同先驗信息設定下的SV模型所估計出的隨機波動序列均具有有效性[21]，利用不同先驗信息設定估計隨機波動序列，發現不同先驗信息假設下的估計結果趨勢基本一致。

⑤ OP法和LP法等半參數法能夠較好地解決傳統計量方法中的內生性和樣本選擇問題[22]。OP法以投資作為代理變量，導致部分投資額為零的樣本不能被估計。LP法以中間品投入指標作為代理變量，避免了數據缺失問題。

參考文獻：

［1］ Kurov A， Stan R. Monetary policy uncertainty and the market reaction to macroeconomic news[J]. Journal of Banking & Finance， 2018，86： 127-142.

[2] Michiel P D， Giovanni F， Michiel M， et al. Reprint： Monetary policy uncertainty and monetary policy surprises[J]. Journal of International Money and Finance， 2021，114： 102401.

[3] Bloom N. Fluctuations in uncertainty[J]. Journal of economic Perspectives， 2014， 28（2）： 153-176.

[4] 王博，李力，郝大鵬.貨幣政策不確定性、違約風險與宏觀經濟波動[J].經濟研究，2019，54（3）：119-134.

[5] 賴平耀.中國經濟增長的生產率困境：擴大投資下的增長下滑[J].世界經濟，2016，39（1）：75-94.

[6] Baker S R， Bloom N， Davis S J. Measuring economic policy uncertainty[J]. The Quarterly Journal of Economics， 2016，131（4）： 1593-1636.

[7] Huang Y ， Luk P ， Fleisher B M ， et al. Measuring economic policy uncertainty in China[J]. China Economic Review， 2020，59.

[8] Chen H， Tillmann P. Monetary policy uncertainty in China[J]. Journal of International Money and Finance， 2021，110： 102309.

[9] 王立勇，王申令.貨幣政策不確定性研究進展[J].經濟學動態，2020（6）：109-122.

[10]Bloom N. The impact of uncertainty shocks[J]. Econometrica， 2009，77（3）： 623-685.

[11]Born B， Pfeifer J. Policy risk and the business cycle[J]. Journal of Monetary Economics， 2014，68： 68-85.

[12]Albulescu C T， Ionescu A M. The long-run impact of monetary policy uncertainty and banking stability on inward FDI in EU countries[J]. Research in International Business and Finance， 2018，45： 72-81.

[13]邱兆祥，劉遠亮.宏觀經濟不確定性與銀行資產組合行為：1995—2009[J].金融研究，2010（11）：34-44.

[14]李力，黃新飛.貨幣政策不確定性與商業銀行風險承擔研究[J].系統工程理論與實踐，2022，42（4）：847-864.

[15]何光輝，楊咸月.融資約束對企業生產率的影響——基于系統GMM方法的國企與民企差異檢驗[J].數量經濟技術經濟研究，2012，29（5）：19-35

[16]張金朵，張中華.貨幣政策不確定性會抑制實業投資嗎？——來自中國非金融上市公司的經驗證據[J].武漢金融，2022（11）：13-20.

[17]劉帷韜，任金洋，馮大威，高琦.經濟政策不確定性、非效率投資與企業全要素生率[J].經濟問題探索，2021（12）：13-30.

[18]譚小芬，張文婧.經濟政策不確定性影響企業投資的渠道分析[J].世界經濟，2017，40（12）：3-26.

[19]林建浩，陳良源，田磊.貨幣政策不確定性是中國股票市場的定價因子嗎？[J].經濟學（季刊），2021，21（4）：1275-1300.

[20]王君斌，郭新強，王宇.中國貨幣政策的工具選取、宏觀效應與規則設計[J].金融研究，2013（8）：1-15.

[21]Fernández-Villaverde J， Guerrón-Quintana P， Rubio-Ramirez J F， et al. Risk matters： The real effects of volatility shocks[J]. American Economic Review， 2011，101（6）： 2530-2561.

[22]魯曉東，連玉君.中國工業企業全要素生產率估計：1999—2007[J].經濟學（季刊），2012，11（2）：541-558.

[23]李小林，常詩杰，司登奎.貨幣政策、經濟不確定性與企業投資效率[J].國際金融研究，2021（7）：86-96.

[24]韓瑞棟，杜邢曄，薄凡.資本錯配對企業全要素生產率的影響研究[J].宏觀經濟研究，2022（6）：57-72，111.

[25]Wooldridge J M. On estimating firm-level production functions using proxy variables to control for unobservables[J]. Economics letters， 2009，104（3）： 112-114.

[26]Jegadeesh N， Livnat J. Revenue surprises and stock returns[J]. Journal of Accounting and Economics， 2006，41（1）： 147-171.

[27]潘攀，鄧超.企業異質性與貨幣政策信貸傳導渠道有效性[J].財經理論與實踐，2020，41（2）：40-47.

[28]張前程，宋俊秀，張雨琴.債務期限結構與制造業企業全要素生產率[J].統計與信息論壇，2022，37（9）：90-105.

[29]曾雅婷，邢晶晶，李賓.數字金融發展對新創企業成長的影響——融資約束和研發投入的鏈式中介效應與異質性分析[J].西部論壇，2022，32（6）：20-36．

The Impact of Monetary Policy Uncertainty

on Corporate Total Factor Productivity

Abstract：Based on data of A-share listed companies from 2005 to 2021， this paper utilizes the SVAR-SV model to separate macroeconomic shocks and monetary policy level shocks from monetary policy uncertainty shocks and constructs an index of Chinas monetary policy uncertainty， conducts empirical research on the impact of monetary policy uncertainty on corporate total factor productivity. The findings indicate that a high level of monetary policy uncertainty negatively affects corporate total factor productivity growth， and real option mechanism and growth option mechanism are more important compared to financial friction mechanism. Under the influence of corporate heterogeneity， this effect is more pronounced for state-owned holding enterprises， small and medium-sized enterprises and enterprises located in the central and western regions in China.

Key words：monetary policy uncertainty; total factor productivity; SVAR-SV Model