經(jīng)濟(jì)政策不確定性、銀行信貸投放與企業(yè)融資約束
——基于TVP-VAR模型的動(dòng)態(tài)影響分析

王 雪

(新疆財(cái)經(jīng)大學(xué) 金融學(xué)院， 烏魯木齊 830012)

受新冠肺炎疫情影響，全球經(jīng)濟(jì)政策的不確定性逐漸加劇，有關(guān)經(jīng)濟(jì)政策不確定性的研究成為當(dāng)下的熱點(diǎn)。經(jīng)濟(jì)不確定性的概念最早由奈特于1921年提出，它對(duì)政治體系、宏觀經(jīng)濟(jì)和微觀企業(yè)都有影響。經(jīng)濟(jì)政策不確定性對(duì)微觀企業(yè)的影響主要體現(xiàn)在投融資層面，而我國(guó)金融體系仍以銀行為主體，且以間接融資為主，所以銀行信貸依然是社會(huì)融資的重要渠道，在支持實(shí)體經(jīng)濟(jì)發(fā)展、緩解企業(yè)融資約束等方面發(fā)揮著重要的作用。由此，對(duì)經(jīng)濟(jì)政策不確定性如何通過影響銀行信貸進(jìn)而作用于實(shí)體經(jīng)濟(jì)進(jìn)行相關(guān)研究就顯得尤為重要。

一、文獻(xiàn)綜述

當(dāng)經(jīng)濟(jì)政策不確定時(shí)，銀行會(huì)及時(shí)調(diào)整風(fēng)險(xiǎn)承擔(dān)水平，改變信貸決策。Talavera等[1]早在2012年就指出，隨著經(jīng)濟(jì)不確定性的增加，銀行的貸款比例會(huì)顯著下降，隨后Bordo等[2]和 Baker 等[3]也印證了該觀點(diǎn)。在我國(guó)市場(chǎng)上，宋全云等[4]以及何富美等[5]認(rèn)為，較高的經(jīng)濟(jì)政策不確定性增加了銀行貸款成本、改變了銀行信貸的最優(yōu)決策，從而導(dǎo)致銀行信貸投放總量下降。而部分學(xué)者研究得出了不同的結(jié)論。劉陽(yáng)和侯孟奇[6]分析了2007—2017年上市銀行的平衡面板數(shù)據(jù)，發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性的上升會(huì)顯著加速銀行信貸的擴(kuò)張，不僅如此，銀行的風(fēng)險(xiǎn)承擔(dān)水平提高也會(huì)導(dǎo)致銀行信貸擴(kuò)張加速。這一相反的觀點(diǎn)也并非不可解釋，因?yàn)楫?dāng)經(jīng)濟(jì)政策波動(dòng)較大時(shí)，企業(yè)與家庭為規(guī)避風(fēng)險(xiǎn)，會(huì)增加儲(chǔ)蓄，進(jìn)而增強(qiáng)了銀行投放信貸的動(dòng)機(jī)。

研究經(jīng)濟(jì)政策不確定性通過銀行信貸渠道影響企業(yè)的文獻(xiàn)較多關(guān)注對(duì)企業(yè)投資的影響。王義中和宋敏[7]指出，宏觀經(jīng)濟(jì)政策不確定性會(huì)通過外部需求以及短期和長(zhǎng)期的資金需求等渠道對(duì)企業(yè)的投資產(chǎn)生影響。李鳳羽和楊墨竹[8]指出，通常來說，較高的經(jīng)濟(jì)政策不確定性會(huì)抑制公司投資。顧文濤等[9]運(yùn)用門限面板模型，從企業(yè)異質(zhì)性角度出發(fā)，發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性通過銀行信貸對(duì)那些成長(zhǎng)機(jī)會(huì)小、融資約束高、外部需求低以及股權(quán)集中度低的企業(yè)的投資影響更強(qiáng)。李佳霖等[10]認(rèn)為，經(jīng)濟(jì)政策不確定性對(duì)企業(yè)投資的抑制不僅通過銀行信貸這一渠道，還受企業(yè)跨期投資決策變化的影響。

經(jīng)濟(jì)政策不確定性不僅對(duì)企業(yè)投資產(chǎn)生影響，對(duì)企業(yè)融資也有影響。當(dāng)經(jīng)濟(jì)政策不確定性上升時(shí)，一方面銀行難以判斷投資機(jī)會(huì)，進(jìn)而收縮信貸，使得企業(yè)融資約束提高；另一方面公司難以預(yù)測(cè)未來經(jīng)濟(jì)趨勢(shì)，會(huì)放緩?fù)顿Y，使得企業(yè)債務(wù)融資的動(dòng)機(jī)減弱。蔣騰等[11]發(fā)現(xiàn)當(dāng)經(jīng)濟(jì)政策不確定性上升時(shí)，企業(yè)融資約束會(huì)顯著提高，該現(xiàn)象在民營(yíng)企業(yè)以及規(guī)模較小的企業(yè)中更為凸顯。羅丹和李志騫[12]認(rèn)為，經(jīng)濟(jì)政策不確定性主要通過債務(wù)而非股權(quán)融資途徑影響企業(yè)的融資。

通過梳理以上文獻(xiàn)，可以發(fā)現(xiàn)目前的研究還存在可改進(jìn)之處。第一，目前學(xué)者都是針對(duì)固定時(shí)段內(nèi)經(jīng)濟(jì)政策不確定性對(duì)銀行信貸投放或是對(duì)企業(yè)投資的影響進(jìn)行研究，而對(duì)不同的時(shí)點(diǎn)與不同的時(shí)段進(jìn)行研究才更符合現(xiàn)實(shí)。第二，以往文獻(xiàn)多將企業(yè)融資約束作為一種影響因素來研究經(jīng)濟(jì)政策不確定性對(duì)銀行信貸的影響，而針對(duì)經(jīng)濟(jì)政策不確定性通過銀行信貸對(duì)企業(yè)融資約束產(chǎn)生影響的研究較少。為此，本文運(yùn)用時(shí)變參數(shù)向量自回歸模型(TVP-VAR)對(duì)經(jīng)濟(jì)政策不確定性、銀行信貸與企業(yè)融資約束在不同時(shí)段和不同時(shí)點(diǎn)上的表現(xiàn)進(jìn)行研究。

二、研究設(shè)計(jì)

(一)變量選取

本文選取2002年1月至2020年5月的月度數(shù)據(jù)，數(shù)據(jù)來自Wind數(shù)據(jù)庫(kù)。

1.經(jīng)濟(jì)政策不確定性(EPU)

現(xiàn)有文獻(xiàn)對(duì)EPU的度量方法大致有三種。第一種是用樣本期內(nèi)的政治選舉、地方官員的變更頻率來進(jìn)行刻畫。第二種是張玉鵬和王茜[13]提出的以貨幣政策或者財(cái)稅政策變量的條件波動(dòng)率來表示，以經(jīng)濟(jì)政策變量的隨機(jī)擾動(dòng)特征來度量經(jīng)濟(jì)政策不確定性。第三種是Baker等[3]以香港南華早報(bào)數(shù)據(jù)庫(kù)為文本信息源構(gòu)建的中國(guó)EPU指數(shù)，該指數(shù)對(duì)我國(guó)經(jīng)濟(jì)政策不確定性的刻畫表現(xiàn)出較好的穩(wěn)健性、可靠性和客觀性，所以本文采用第三種方法來刻畫經(jīng)濟(jì)政策不確定性。為消除量綱影響，本文對(duì)該指標(biāo)進(jìn)行取對(duì)數(shù)處理。

2.銀行信貸投放(Load)

經(jīng)濟(jì)政策不確定性對(duì)銀行信貸投放產(chǎn)生的影響主要集中在信貸的供給端，因此本文以銀行信貸供給端為重點(diǎn)。銀行信貸投放力度既可通過對(duì)銀行進(jìn)行問卷調(diào)查得到，也可用超額存款準(zhǔn)備金率來反映。兩種方法相比，伍戈和連飛[14]認(rèn)為后者的刻畫更為準(zhǔn)確。因此本文用中國(guó)人民銀行規(guī)定的超額存款準(zhǔn)備金率來反映銀行信貸投放情況。

3.企業(yè)融資約束(R)

本文用社會(huì)融資規(guī)模來代表企業(yè)融資約束。為消除量綱影響，本文對(duì)該指標(biāo)進(jìn)行取對(duì)數(shù)處理。

(二)模型設(shè)定

時(shí)變參數(shù)向量自回歸模型(TVP-VAR)是用來描述面對(duì)沖擊時(shí)不同時(shí)段與不同時(shí)點(diǎn)的時(shí)變參數(shù)特征的模型。該模型允許異方差的存在，它的時(shí)變性質(zhì)更能捕捉變量在不同時(shí)段下的獨(dú)特特征。該模型采用時(shí)變參數(shù)VAR模型的貝葉斯分析方法，運(yùn)用馬爾可夫鏈蒙特卡洛算法(MCMC)，從TVP-VAR模型的后驗(yàn)分布生成樣本。它是在SVAR模型的基礎(chǔ)上，引入隨機(jī)波動(dòng)和時(shí)變參數(shù)形成的。

SVAR模型如下：

Ayt=F1yt-1+…+Fsyt-s+μt,t=s+1,…,n

(1)

式(1)中，yt是多個(gè)變量的時(shí)間序列向量，A是聯(lián)立參數(shù)矩陣，F(xiàn)1～Fs是系數(shù)矩陣，擾動(dòng)項(xiàng)μt～N(0，ΣΣ)。

將SVAR模型進(jìn)行簡(jiǎn)化得到：

yt=B1yt-1+…+Bsyt-s+A-1Σεt,εt～N(0,Ik)

(2)

式(2)中，Bi=A-1Fi，將Bi中的行元素改為k2s×1的向量β，并將參數(shù)設(shè)為時(shí)變，得到TVP-VAR模型，具體模型如下：

(3)

βt+1=βt+μβ t,αt+1=αt+μα t,ht+1=ht+μh t

βt+1～N(μβ0,Σβ0)，αt+1～N(μα0,Σα0)，ht+1～N(μh0,Σh0)

t=s+1,…,n

三、實(shí)證分析

(一)參數(shù)估計(jì)結(jié)果

在構(gòu)建TVP-VAR模型之前，要檢驗(yàn)變量的平穩(wěn)性。同階平穩(wěn)的序列構(gòu)建的TVP-VAR模型可靠性更強(qiáng)，精確度更高。表1給出了3個(gè)變量的ADF檢驗(yàn)結(jié)果，結(jié)果表明3個(gè)變量都是一階單整。然后運(yùn)用信息準(zhǔn)則選取最優(yōu)滯后階數(shù)，結(jié)果如表2所示，5個(gè)準(zhǔn)則中4個(gè)都選擇了滯后3階為最優(yōu)滯后階數(shù)，所以本文TVP-VAR模型的最優(yōu)滯后階數(shù)為3階。

表1 ADF檢驗(yàn)結(jié)果

表2 滯后階數(shù)的選擇

本文采用馬爾可夫鏈蒙特卡洛模擬(MCMC)算法對(duì)該模型進(jìn)行10000次抽樣。圖1給出了基于模擬數(shù)據(jù)的樣本自相關(guān)系數(shù)、樣本路徑和后驗(yàn)分布估計(jì)結(jié)果。由圖1可知，在放棄了最開始的1000次抽樣之后，樣本自相關(guān)系數(shù)快速下降并在0附近波動(dòng)，可以判定樣本取值方法能夠有效產(chǎn)生不相關(guān)的樣本。另外，樣本路徑比較穩(wěn)定，MCMC算法有效模擬了參數(shù)分布狀況。

圖1 樣本自相關(guān)系數(shù)(上)、樣本路徑(中)和后驗(yàn)分布(下)估計(jì)結(jié)果

表3給出了TVP-VAR模型后驗(yàn)分布的結(jié)果，其中Geweke是收斂診斷值。所有參數(shù)的估計(jì)結(jié)果顯示，后驗(yàn)分布均值均在95%的置信區(qū)間里。在5%的顯著性水平上，收斂診斷值的臨界值為1.96，結(jié)果顯示收斂診斷值均小于臨界值，這說明接受收斂于后驗(yàn)分布的原假設(shè)，即預(yù)燒期已能夠使馬爾可夫鏈趨于集中。無效因子最大值為135.07，即進(jìn)行的10000次有效模擬中，至少有74個(gè)不相關(guān)樣本，充分滿足后驗(yàn)推斷要求。檢驗(yàn)表明TVP-VAR模型估計(jì)結(jié)果可信，即經(jīng)濟(jì)政策不確定性、銀行信貸投放與企業(yè)融資約束之間存在時(shí)變影響關(guān)系。

表3 TVP-VAR模型的參數(shù)估計(jì)結(jié)果

(二)脈沖響應(yīng)分析

1.經(jīng)濟(jì)政策不確定性、銀行信貸投放與企業(yè)融資約束的等間隔脈沖響應(yīng)

本文運(yùn)用TVP-VAR模型生成等間隔脈沖響應(yīng)函數(shù)和時(shí)點(diǎn)脈沖響應(yīng)函數(shù)，探索在不同時(shí)間間隔和不同時(shí)點(diǎn)下，在解釋變量1單位標(biāo)準(zhǔn)差的正向沖擊影響下被解釋變量如何變化。由于采用的是月度數(shù)據(jù)，所以將滯后3期(1個(gè)季度)代表短期、6期(半年)代表中期、12期(1年)代表長(zhǎng)期，研究三種時(shí)間間隔下經(jīng)濟(jì)政策不確定性、銀行信貸投放、企業(yè)融資約束兩兩之間的等間隔脈沖響應(yīng)。圖2、圖3和圖4顯示，短、中、長(zhǎng)三種不同時(shí)間間隔沖擊下，脈沖響應(yīng)走勢(shì)基本一致。

圖2 經(jīng)濟(jì)政策不確定性與銀行信貸投放的等間隔脈沖響應(yīng)

圖3 經(jīng)濟(jì)政策不確定性與企業(yè)融資約束的等間隔脈沖響應(yīng)

圖4 銀行信貸投放與企業(yè)融資約束的等間隔脈沖響應(yīng)

圖2的左圖和右圖分別反映了一個(gè)標(biāo)準(zhǔn)差的正向經(jīng)濟(jì)政策不確定性沖擊下銀行信貸投放的脈沖響應(yīng)(εEPU→Load)與一個(gè)標(biāo)準(zhǔn)差的正向銀行信貸投放沖擊下經(jīng)濟(jì)政策不確定性的脈沖響應(yīng)(εLoad→EPU)。由左圖可知，經(jīng)濟(jì)政策不確定性對(duì)銀行信貸投放脈沖響應(yīng)的影響程度在2002年至2018年間不同時(shí)間間隔下差異并不大，且系數(shù)接近于0，這說明經(jīng)濟(jì)政策不確定性對(duì)銀行信貸投放的影響不明顯，但在2018年至2020年間開始表現(xiàn)為負(fù)向影響。具體來看，在經(jīng)濟(jì)政策不確定性沖擊下，滯后3期的銀行信貸投放波動(dòng)區(qū)間為[-0.060，0.050]，滯后6期的波動(dòng)區(qū)間為[-0.110，0.052]，滯后12期的波動(dòng)區(qū)間為[-0.151，0.050]。對(duì)比可知，經(jīng)濟(jì)政策不確定性變化引起銀行信貸投放減弱的長(zhǎng)期效應(yīng)更強(qiáng)。根據(jù)右圖，銀行信貸投放對(duì)經(jīng)濟(jì)政策不確定性的影響程度隨時(shí)間間隔不同差異較大，但趨勢(shì)相同。銀行信貸投放沖擊下，滯后3期的經(jīng)濟(jì)政策不確定性波動(dòng)區(qū)間為[-0.007，0.003]，滯后6期的波動(dòng)區(qū)間為[-0.015，0.003]，滯后12期的波動(dòng)區(qū)間為[-0.030，0.004]?？傮w來看，脈沖響應(yīng)的長(zhǎng)期滯后效應(yīng)最強(qiáng)，中期次之，短期最弱。這表明期限越長(zhǎng)，經(jīng)濟(jì)政策不確定性對(duì)銀行信貸投放波動(dòng)的影響越大，且經(jīng)濟(jì)政策不確定性對(duì)銀行信貸投放的沖擊要大于銀行信貸投放對(duì)經(jīng)濟(jì)政策不確定性的沖擊。

圖3的左圖和右圖分別反映了一個(gè)標(biāo)準(zhǔn)差的正向經(jīng)濟(jì)政策不確定性沖擊下企業(yè)融資約束的脈沖響應(yīng)(εEPU→R)與一個(gè)標(biāo)準(zhǔn)差的正向企業(yè)融資約束沖擊下經(jīng)濟(jì)政策不確定性的脈沖響應(yīng)(εR→EPU)。由左圖可知，一個(gè)標(biāo)準(zhǔn)差的正向經(jīng)濟(jì)政策不確定性沖擊對(duì)企業(yè)融資約束的影響程度在2002年至2018年間與經(jīng)濟(jì)政策不確定性對(duì)銀行信貸投放的影響類似，在不同時(shí)間間隔下差異并不大，且系數(shù)接近于0，2018年至2020年間開始有明顯的差異，且經(jīng)濟(jì)政策不確定性對(duì)企業(yè)融資約束的影響為正向。具體來看，在經(jīng)濟(jì)政策不確定性沖擊下，滯后3期的企業(yè)融資約束的波動(dòng)區(qū)間為[-0.213，0.080]，滯后6期的波動(dòng)區(qū)間為[-0.213，0.240]，滯后12期的波動(dòng)區(qū)間為[-0.213，0.650]。由此可見，經(jīng)濟(jì)政策不確定性變化引起企業(yè)融資約束增強(qiáng)的長(zhǎng)期滯后效應(yīng)更強(qiáng)。根據(jù)右圖，一個(gè)標(biāo)準(zhǔn)差的正向企業(yè)融資約束沖擊對(duì)經(jīng)濟(jì)政策不確定性的影響程度在不同時(shí)間間隔下差異較大，但趨勢(shì)相同。在企業(yè)融資約束沖擊下，滯后3期的經(jīng)濟(jì)政策不確定性波動(dòng)區(qū)間為[0.020，0.026]，滯后6期的波動(dòng)區(qū)間為[-0.006，0.028]，滯后12期的波動(dòng)區(qū)間為[-0.034，0.030]。由此可見，脈沖響應(yīng)的長(zhǎng)期滯后效應(yīng)最強(qiáng)，中期次之，短期最弱。與經(jīng)濟(jì)政策不確定性對(duì)企業(yè)融資約束的影響相比，企業(yè)融資約束對(duì)經(jīng)濟(jì)政策不確定性的影響微乎其微。

圖4的左圖和右圖分別反映了一個(gè)標(biāo)準(zhǔn)差的正向銀行信貸投放沖擊下企業(yè)融資約束的脈沖響應(yīng)(εLoad→R)與一個(gè)標(biāo)準(zhǔn)差的正向企業(yè)融資約束沖擊下銀行信貸投放的脈沖響應(yīng)(εR→Load)。從左圖來看，一個(gè)標(biāo)準(zhǔn)差的正向銀行信貸投放沖擊對(duì)企業(yè)融資約束脈沖響應(yīng)的影響為負(fù)向。具體來看，在銀行信貸投放沖擊下,滯后3期的企業(yè)融資約束不確定性的波動(dòng)區(qū)間為[-0.016，0.000]，滯后6期的波動(dòng)區(qū)間為[-0.034，-0.004]，滯后12期的波動(dòng)區(qū)間為[-0.056，-0.004]。脈沖響應(yīng)的長(zhǎng)期滯后效應(yīng)最強(qiáng)，中期次之，短期最弱。根據(jù)右圖，一個(gè)標(biāo)準(zhǔn)差的正向企業(yè)融資約束沖擊對(duì)銀行信貸投放脈沖響應(yīng)的影響程度在不同時(shí)間間隔下差異較大，但趨勢(shì)相同。在企業(yè)融資約束沖擊下，滯后3期的銀行信貸投放的波動(dòng)區(qū)間為[-0.004，0.012]，滯后6期的波動(dòng)區(qū)間為[-0.007，0.015]，滯后12期的波動(dòng)區(qū)間為[-0.010，0.020]。脈沖響應(yīng)的長(zhǎng)期滯后效應(yīng)最強(qiáng)，中期次之，短期最弱。

2.經(jīng)濟(jì)政策不確定性、銀行信貸投放與企業(yè)融資約束的時(shí)點(diǎn)脈沖響應(yīng)

TVP-VAR模型不僅能生成等間隔脈沖響應(yīng)函數(shù)，也能生成時(shí)點(diǎn)脈沖響應(yīng)函數(shù)。時(shí)點(diǎn)脈沖響應(yīng)函數(shù)可用來觀察在特定時(shí)點(diǎn)下，受解釋變量1單位標(biāo)準(zhǔn)差的正向沖擊影響的被解釋變量如何變化。本文以宏觀經(jīng)濟(jì)重大事件為選取時(shí)點(diǎn)的依據(jù)，選取了三個(gè)特定時(shí)點(diǎn)：2008年9月金融危機(jī)導(dǎo)致全球經(jīng)濟(jì)大幅波動(dòng)；2012年9月歐債危機(jī)達(dá)到頂峰，我國(guó)經(jīng)濟(jì)環(huán)境不確定性增強(qiáng)；2015年11月我國(guó)經(jīng)濟(jì)增速為此前25年來的最低值，政府提出供給側(cè)結(jié)構(gòu)性改革方案。三個(gè)不同時(shí)點(diǎn)下經(jīng)濟(jì)政策不確定性、銀行信貸投放、企業(yè)融資約束兩兩之間的時(shí)點(diǎn)脈沖響應(yīng)如圖5、圖6和圖7所示。

圖5 經(jīng)濟(jì)政策不確定性與銀行信貸投放的時(shí)點(diǎn)脈沖響應(yīng)

圖6 經(jīng)濟(jì)政策不確定性與企業(yè)融資約束的時(shí)點(diǎn)脈沖響應(yīng)

圖7 銀行信貸投放與企業(yè)融資約束的時(shí)點(diǎn)脈沖響應(yīng)

圖5的左圖和右圖分別反映了不同時(shí)點(diǎn)下經(jīng)濟(jì)政策不確定性沖擊對(duì)銀行信貸投放的影響(εEPU→Load)與銀行信貸投放沖擊對(duì)經(jīng)濟(jì)政策不確定性的影響(εLoad→EPU)。從左圖來看，2012年9月時(shí)點(diǎn)下，經(jīng)濟(jì)政策不確定性對(duì)銀行信貸投放有正向影響；2008年9月和2015年11月時(shí)點(diǎn)下，經(jīng)濟(jì)政策不確定性對(duì)銀行信貸投放有負(fù)向影響。具體來看，2008年9月時(shí)點(diǎn)下，經(jīng)濟(jì)政策不確定性沖擊下銀行信貸投放的波動(dòng)區(qū)間為[-0.044，-0.007]；2012年9月時(shí)點(diǎn)下，波動(dòng)區(qū)間為[0.004，0.012]；2015年11月時(shí)點(diǎn)下，波動(dòng)區(qū)間為[-0.010，-0.004]。由此可見，經(jīng)濟(jì)政策不確定性對(duì)銀行信貸投放的影響受所處宏觀經(jīng)濟(jì)環(huán)境的影響。從影響機(jī)理來看，一方面，較高的經(jīng)濟(jì)政策不確定性會(huì)使銀行對(duì)未來的流動(dòng)性需求難以形成穩(wěn)定預(yù)期，導(dǎo)致銀行減少信貸支出以補(bǔ)充自身流動(dòng)性；另一方面，較高經(jīng)濟(jì)政策不確定性使銀行難以評(píng)估企業(yè)的信貸風(fēng)險(xiǎn)，銀行預(yù)期收益的信號(hào)噪聲變大，進(jìn)而導(dǎo)致銀行的風(fēng)險(xiǎn)貸款占總資產(chǎn)的份額減少，而實(shí)證結(jié)果顯示宏觀經(jīng)濟(jì)環(huán)境因素在銀行對(duì)自身的預(yù)期與對(duì)企業(yè)的評(píng)估方面都會(huì)產(chǎn)生影響。從右圖來看，縱坐標(biāo)值反映出銀行信貸投放沖擊對(duì)經(jīng)濟(jì)政策不確定性的影響非常小。

圖6的左圖和右圖分別反映了不同時(shí)點(diǎn)下經(jīng)濟(jì)政策不確定性沖擊對(duì)企業(yè)融資約束的影響(εEPU→R)與企業(yè)融資約束沖擊對(duì)經(jīng)濟(jì)政策不確定性的影響(εR→EPU)。從左圖來看，2008年9月時(shí)點(diǎn)下，經(jīng)濟(jì)政策不確定性對(duì)企業(yè)融資約束的影響為持續(xù)正向；2012年9月時(shí)點(diǎn)下，影響為持續(xù)負(fù)向；而2015年11月時(shí)點(diǎn)下，影響在前6期為負(fù)向，從第7期開始轉(zhuǎn)為正向。具體來看，2008年9月時(shí)點(diǎn)下，經(jīng)濟(jì)政策不確定性沖擊下企業(yè)融資約束的波動(dòng)區(qū)間為[0.000，0.155]；2012年9月時(shí)點(diǎn)下，波動(dòng)區(qū)間為[-0.025，-0.011]；2015年11月時(shí)點(diǎn)下，波動(dòng)區(qū)間為[-0.020，0.050]。由此可見，經(jīng)濟(jì)政策不確定性對(duì)企業(yè)融資約束的影響雖然隨著宏觀經(jīng)濟(jì)環(huán)境的變化而變化，但變化并不大。從右圖來看，縱坐標(biāo)值反映出企業(yè)融資約束沖擊對(duì)經(jīng)濟(jì)政策不確定性的影響非常小。

圖7的左圖和右圖分別反映了不同時(shí)點(diǎn)下銀行信貸投放沖擊對(duì)企業(yè)融資約束的影響(εLoad→R)與企業(yè)融資約束沖擊對(duì)銀行信貸投放的影響(εR→Load)。從左圖來看，三個(gè)時(shí)點(diǎn)下，銀行信貸投放對(duì)企業(yè)融資約束都產(chǎn)生持續(xù)負(fù)向影響，且負(fù)向關(guān)系是穩(wěn)健的，不受外界經(jīng)濟(jì)環(huán)境的影響，這反映出當(dāng)前我國(guó)企業(yè)融資渠道狹窄，基本依賴銀行信貸投放，從資本市場(chǎng)中獲取融資機(jī)會(huì)較少。由此可見，在我國(guó)的金融制度背景下，以銀行為主導(dǎo)的金融體系決定了銀行信貸依然是我國(guó)企業(yè)重要的外部融資渠道，銀行信貸對(duì)企業(yè)的經(jīng)營(yíng)、投資等活動(dòng)具有至關(guān)重要的影響。從右圖來看，縱坐標(biāo)值反映出企業(yè)融資約束沖擊對(duì)銀行信貸投放的影響非常小。

四、結(jié)論與啟示

實(shí)證結(jié)果表明：(1)經(jīng)濟(jì)政策不確定性抑制了銀行信貸擴(kuò)張；經(jīng)濟(jì)政策不確定性的增加提高了企業(yè)融資約束的程度；銀行信貸投放規(guī)模越大，企業(yè)融資約束程度越低。(2)等間隔脈沖響應(yīng)分析結(jié)果顯示，無論是經(jīng)濟(jì)政策不確定性沖擊下銀行信貸投放、企業(yè)融資約束的脈沖響應(yīng)，還是銀行信貸投放沖擊下企業(yè)融資約束的脈沖響應(yīng)，都顯示沖擊的長(zhǎng)期效應(yīng)要強(qiáng)于中期和短期效應(yīng)，且影響具有擴(kuò)散性。(3)時(shí)點(diǎn)脈沖響應(yīng)分析結(jié)果表明，經(jīng)濟(jì)政策不確定性對(duì)銀行信貸投放和企業(yè)融資約束的影響受所處宏觀經(jīng)濟(jì)環(huán)境的影響；但銀行信貸投放對(duì)企業(yè)融資約束存在穩(wěn)健的負(fù)向作用，不受外界經(jīng)濟(jì)環(huán)境的影響，企業(yè)對(duì)銀行貸款存在較強(qiáng)的依賴性。

根據(jù)以上結(jié)論，本文得到以下啟示：(1)政府在進(jìn)行經(jīng)濟(jì)調(diào)控時(shí)，應(yīng)保持政策的公開性與一致性，設(shè)定目標(biāo)時(shí)要著眼于長(zhǎng)期，降低經(jīng)濟(jì)政策不確定性對(duì)銀行信貸投放產(chǎn)生的負(fù)向沖擊。(2)在當(dāng)前我國(guó)仍以間接融資為主的金融體系下，有必要加強(qiáng)銀行對(duì)國(guó)家重點(diǎn)扶持的行業(yè)與產(chǎn)業(yè)投放信貸的意愿，從而激發(fā)微觀主體活力。同時(shí)應(yīng)幫助企業(yè)積極拓寬融資渠道，加快資本市場(chǎng)的發(fā)展進(jìn)程，增加直接融資比重，降低企業(yè)對(duì)銀行信貸的依賴性，鼓勵(lì)企業(yè)選擇適合自己的融資結(jié)構(gòu)和融資渠道。