貨幣政策不確定性與制造業(yè)企業(yè)全要素生產(chǎn)率

■薛 龍，張雪蟒，歐陽志剛

一、引言

制造業(yè)是國民經(jīng)濟的根基，推動制造業(yè)高質(zhì)量發(fā)展是實現(xiàn)中國經(jīng)濟高質(zhì)量發(fā)展的重要環(huán)節(jié)，提升制造業(yè)企業(yè)全要素生產(chǎn)率則是推動制造業(yè)高質(zhì)量發(fā)展的必由之路。由于制造業(yè)企業(yè)發(fā)展普遍存在典型的“速度效益型”特征，導(dǎo)致在提升制造業(yè)企業(yè)全要素生產(chǎn)率過程中，面臨著如何為其提供充足資金支持的問題。近年來中國人民銀行為了促進制造業(yè)企業(yè)轉(zhuǎn)型升級，出臺了一系列定向貨幣政策工具和結(jié)構(gòu)性貨幣政策工具。這些政策的出臺為制造業(yè)企業(yè)的發(fā)展提供了相對穩(wěn)定的預(yù)期，但是伴隨貨幣政策不斷出臺而來的貨幣政策不確定性對制造業(yè)企業(yè)帶來的潛在成本也不容忽視。由此提出的問題是：貨幣政策不確定性如何影響制造業(yè)企業(yè)的全要素生產(chǎn)率？貨幣政策不確定性對不同特征制造業(yè)企業(yè)的全要素生產(chǎn)率會產(chǎn)生哪些異質(zhì)性效應(yīng)？進一步地，貨幣政策不確定性影響制造業(yè)企業(yè)全要素生產(chǎn)率的具體傳導(dǎo)渠道是什么？對于以上問題的回答，不僅有助于在推動制造業(yè)高質(zhì)量發(fā)展過程中為我國央行貨幣政策的精準施策和定向調(diào)控提供政策建議，而且能夠為制造業(yè)企業(yè)在面對貨幣政策不確定性時如何作出經(jīng)營決策，進一步提升企業(yè)全要素生產(chǎn)率提供理論依據(jù)，具有重要的理論和現(xiàn)實意義。

二、文獻綜述

近年來國內(nèi)外學(xué)者逐漸開始關(guān)注貨幣政策不確定性方面的影響。從宏觀經(jīng)濟角度看，貨幣政策不確定性的沖擊會導(dǎo)致失業(yè)率以及產(chǎn)出增長率的震蕩（Creal&Wu，2017）。Fernández-Villaverde et al.（2011）基于實物期權(quán)等理論，研究發(fā)現(xiàn)貨幣政策不確定性的加深，不僅會導(dǎo)致家庭為防范風(fēng)險增加儲蓄，降低消費水平，還可能會引起市場資本的觀望和外流，不利于小型經(jīng)濟體的穩(wěn)固發(fā)展。朱軍和蔡恬恬（2018）研究指出貨幣政策不確定性對通貨膨脹預(yù)期是一種“非線性”沖擊，這種沖擊在短期內(nèi)會提升通貨膨脹預(yù)期，長期則會降低通貨膨脹預(yù)期。從微觀經(jīng)濟主體角度看，外部政策不確定性較高，會導(dǎo)致企業(yè)延遲甚至放棄投資決策（Davis，2019），并且使國有制造業(yè)企業(yè)投資不足的問題更為突出（汪虹，2021）。同時在這一時期，企業(yè)為了降低自身的融資成本，會選擇提高自身會計信息質(zhì)量以應(yīng)對不確定性所帶來的不利影響（孫健等，2017）。此外，貨幣政策不確定性也加劇了股權(quán)質(zhì)押對上市公司創(chuàng)新活動的抑制作用（楊鳴京等，2019）。

現(xiàn)有關(guān)于制造業(yè)企業(yè)全要素生產(chǎn)率的研究主要是圍繞技術(shù)進步以及資源配置的角度來展開的（段梅和李志強，2019）。從技術(shù)進步的角度看，陳汝影和余東華（2020）認為偏向資本的技術(shù)進步能夠正向影響制造業(yè)企業(yè)全要素生產(chǎn)率，而結(jié)合資本偏向的技術(shù)進步主要源自于企業(yè)的研發(fā)投入、技術(shù)引進等（Comin&Hobijn，2010）。張廣勝和孟茂源（2020）通過實證研究發(fā)現(xiàn)，研發(fā)投入與制造業(yè)企業(yè)全要素生產(chǎn)率二者之間呈現(xiàn)出顯著正相關(guān)關(guān)系，但是這一作用效果具有滯后效應(yīng)并且呈現(xiàn)邊際效應(yīng)遞減。從資源配置的角度而言，龔關(guān)和胡關(guān)亮（2013）的研究表明，資源配置改善能夠有效提升制造業(yè)企業(yè)全要素生產(chǎn)率，經(jīng)測算，若1998—2007年資本以及勞動資源都能得到有效配置，這十年間的全要素生產(chǎn)率將能得到10.1%的提升。周新苗和錢歡歡（2017）的研究表明，我國的資源錯配會負向影響到制造業(yè)企業(yè)生產(chǎn)效率進步，但是對資源配置進行矯正以后會提高制造業(yè)企業(yè)全要素生產(chǎn)率水平。謝獲寶等（2020）的研究則表明金融化會抑制制造業(yè)企業(yè)全要素生產(chǎn)率的提升。資源配置除了能直接對全要素生產(chǎn)率產(chǎn)生影響以外，還能夠作為傳導(dǎo)渠道對全要素生產(chǎn)率產(chǎn)生影響，錢雪松等（2018）研究表明，產(chǎn)業(yè)政策能夠通過資源配置渠道影響到企業(yè)的全要素生產(chǎn)率。

上述研究為本文提供了有益參考，但是在貨幣政策不確定性與制造業(yè)企業(yè)全要素生產(chǎn)率這一細分領(lǐng)域還鮮有學(xué)者進行研究。本文的研究不僅拓展了宏觀政策對微觀企業(yè)影響領(lǐng)域的相關(guān)文獻，而且為分析制造業(yè)企業(yè)全要素生產(chǎn)率的影響因素提供了一個新的視角。

三、理論分析與研究假設(shè)

（一）貨幣政策不確定性與全要素生產(chǎn)率

當制造業(yè)企業(yè)在日常經(jīng)營過程中受到外部政策不確定性的影響時，制造業(yè)企業(yè)往往會采取一定的經(jīng)營策略以應(yīng)對不確定性所帶來的風(fēng)險。一是從研發(fā)投入的角度看，首先，當貨幣政策不確定性上升時，放貸給制造業(yè)企業(yè)的銀行等金融中介會考慮到自身所面臨的違約風(fēng)險，減少放貸量。其次，制造業(yè)企業(yè)的研發(fā)項目在真正產(chǎn)生收益之前，通常是以無形資產(chǎn)的形式呈現(xiàn)，相對于固定資產(chǎn)而言，此類研發(fā)項目抵押值較低，能獲得的外部資金較少。最后，制造業(yè)企業(yè)的研發(fā)項目通常具有周期長、資金需求量大、投資不確定性大等特點，具有較高的投資風(fēng)險。因此，當貨幣政策不確定性上升時，制造業(yè)企業(yè)在面臨融資約束和投資風(fēng)險的背景下，可能會作出減少研發(fā)投入的決策，而隨著企業(yè)研發(fā)投入的減少，會導(dǎo)致制造業(yè)企業(yè)全要素生產(chǎn)率下降。二是從資源配置的角度看，當貨幣政策不確定性上升時，企業(yè)的投資決策也面臨不確定性（柳明花，2020）。對制造業(yè)企業(yè)而言，交易性金融資產(chǎn)等金融資源較固定資產(chǎn)而言更易變現(xiàn)，能夠更好地解決可能出現(xiàn)的現(xiàn)金流不足等財務(wù)問題，為了防范此類問題給企業(yè)所帶來的財務(wù)風(fēng)險，制造業(yè)企業(yè)增持金融資產(chǎn)的預(yù)防動機加強，可能會將自身資源更多地傾向更易變現(xiàn)的金融資產(chǎn)，以應(yīng)對不確定性的沖擊。因此，貨幣政策不確定性加強時，企業(yè)會加大金融資產(chǎn)配置，即提高其金融化水平。對制造業(yè)企業(yè)而言，企業(yè)的金融化水平越高，說明企業(yè)對于自身的技術(shù)進步等方面更少地進行資源傾斜，不利于全要素生產(chǎn)率的提升。綜上分析，提出研究假設(shè)1。

假設(shè)1：貨幣政策不確定性的上升會導(dǎo)致制造業(yè)企業(yè)全要素生產(chǎn)率下降。

（二）貨幣政策不確定性、企業(yè)成長性與全要素生產(chǎn)率

成長性較好的制造業(yè)企業(yè)通常處于快速成長期這一生命周期，此類制造業(yè)企業(yè)具有較高的成長潛力，也具有較高的資金需求。在貨幣政策不確定性加深時期，信貸市場中的信息不對稱程度升高，此時銀行提供貸款時更加謹慎，并且上游企業(yè)對下游企業(yè)提供的商業(yè)信用貸款相對貨幣政策不確定性較低時期更少，因此導(dǎo)致企業(yè)融資成本上升，強化了企業(yè)所面臨的融資約束。全要素生產(chǎn)率的提升和技術(shù)進步息息相關(guān)，技術(shù)進步又取決于企業(yè)研發(fā)投入強度。成長性較好的企業(yè)在面臨外部融資約束和內(nèi)部擴張需求的雙重壓力下，會作出縮減研發(fā)投入的決策，這不利于全要素生產(chǎn)率的提升。綜上分析，提出研究假設(shè)2。

假設(shè)2：制造業(yè)企業(yè)成長性越好，貨幣政策不確定性對制造業(yè)企業(yè)全要素生產(chǎn)率的抑制效應(yīng)越強。

（三）貨幣政策不確定性、投資機會與全要素生產(chǎn)率

正如前述分析，當貨幣政策不確定性上升時，制造業(yè)企業(yè)的風(fēng)險溢價水平和融資成本均會提高，企業(yè)為了規(guī)避風(fēng)險導(dǎo)致投融資活動的意愿下降，此時，制造業(yè)企業(yè)在面臨較多投資機會和高風(fēng)險研發(fā)投入之間就會選擇風(fēng)險較低的投資機會而放棄具有較高風(fēng)險的研發(fā)投入，導(dǎo)致企業(yè)研發(fā)投入的減少。此外，企業(yè)在降低研發(fā)投入的同時會把有限的資源配置到風(fēng)險較低的投資機會上，這就可能導(dǎo)致企業(yè)有限的資源出現(xiàn)誤置現(xiàn)象。可以看出，制造業(yè)企業(yè)投資機會越多，當貨幣政策不確定性上升時，制造業(yè)企業(yè)降低研發(fā)投入和發(fā)生資源誤置的可能性就越大，這就加劇了貨幣政策不確定性對制造業(yè)企業(yè)全要素生產(chǎn)率的負向影響。由此提出研究假設(shè)3。

假設(shè)3：制造業(yè)企業(yè)面臨的投資機會越多，越加劇貨幣政策不確定性對制造業(yè)企業(yè)全要素生產(chǎn)率的負向影響。

四、研究設(shè)計

（一）變量設(shè)定

1.解釋變量為貨幣政策不確定性（UNMP）。目前學(xué)術(shù)界關(guān)于貨幣政策不確定性這一變量的衡量主要有兩種方式：一是上海銀行間同業(yè)拆借利率（Shibor）七日利率的變化標準差；二是Huang&Luk（2020）利用文本分析法所創(chuàng)建的貨幣政策不確定性指數(shù)。因文本分析法涉及的電子數(shù)據(jù)庫領(lǐng)域更廣，結(jié)果更為客觀，故選取第二種測量方法。此外，為了將月度貨幣政策不確定性指數(shù)轉(zhuǎn)換為本文所需要的年度貨幣政策不確定性指數(shù)，參考顧夏銘等（2018）的做法，將一年內(nèi)各月度貨幣政策不確定性指數(shù)的算術(shù)平均值作為年度貨幣政策不確定性指數(shù)。最后，為了使之與制造業(yè)企業(yè)觀測數(shù)據(jù)在統(tǒng)計學(xué)上相匹配，將年度貨幣政策不確定性指數(shù)除以100作為最終貨幣政策不確定性的衡量指標。

2.被解釋變量為全要素生產(chǎn)率（TFP）。目前關(guān)于全要素生產(chǎn)率的衡量主要有OLS、FE、OP以及LP法，考慮到OLS法與FE法可能存在聯(lián)立性偏誤與樣本選擇偏誤，故而選擇使用OP法和LP法來衡量制造業(yè)企業(yè)全要素生產(chǎn)率，具體計算辦法主要參考魯曉東和連玉君（2012）的做法。

3.控制變量。參考已有研究，本文控制了可能影響企業(yè)全要素生產(chǎn)率的企業(yè)特征變量，主要包括企業(yè)成長性（GROW）、賬面市值比（BM）、投資機會（TOBINQ）、企業(yè)上市年限（AGE）、資產(chǎn)負債率（LEV）、現(xiàn)金流水平（CASH）、固定資產(chǎn)占比（PPE）、企業(yè)規(guī)模（SIZE）和產(chǎn)權(quán)性質(zhì)（SOE）。此外還通過設(shè)置虛擬變量的方式對行業(yè)效應(yīng)（Ind）和年度效應(yīng)（Year）進行了控制，控制變量具體含義和計算方法見表1。

表1 變量設(shè)置與說明

（二）模型構(gòu)建

為了研究貨幣政策不確定性如何影響制造業(yè)企業(yè)全要素生產(chǎn)率，設(shè)定模型（1）如下：

模型（1）主要關(guān)注貨幣政策不確定性的回歸系數(shù)β，如果β顯著小于0，則假設(shè)1得到驗證，表明貨幣政策不確定性上升時會導(dǎo)致制造業(yè)企業(yè)全要素生產(chǎn)率的下降。

為了檢驗企業(yè)成長性是否會在貨幣政策不確定性影響制造業(yè)企業(yè)全要素生產(chǎn)率的過程中產(chǎn)生調(diào)節(jié)效應(yīng)，設(shè)定模型（2）如下：

模型（2）主要關(guān)注貨幣政策不確定性的回歸系數(shù)β，以及貨幣政策不確定性和企業(yè)成長性的交乘項系數(shù)β。如果β顯著小于0且β顯著為負值，則假設(shè)2得到驗證，表明企業(yè)成長性越好，貨幣政策不確定性上升時對制造業(yè)企業(yè)全要素生產(chǎn)率的負向影響就越大。

為了探究企業(yè)投資機會是否會在貨幣政策不確定性影響制造業(yè)企業(yè)全要素生產(chǎn)率的過程中產(chǎn)生調(diào)節(jié)效應(yīng)，設(shè)定模型（3）如下：

模型（3）主要關(guān)注貨幣政策不確定性的回歸系數(shù)β以及貨幣政策不確定性和企業(yè)投資機會的交乘項系數(shù)β，如果β顯著為負值且β顯著小于0，則假設(shè)3得到驗證，表明企業(yè)投資機會越多，貨幣政策不確定性上升時對制造業(yè)企業(yè)全要素生產(chǎn)率的負向影響就越強。

模型（1）（2）（3）中，TFP代表制造業(yè)企業(yè)i在t年度的全要素生產(chǎn)率，采取OP法（TFP-OP）和LP法（TFP-LP）兩種計量方式；β代表常數(shù)項；UNMP代表貨幣政策不確定性；X代表企業(yè)成長性、賬面市值比、投資機會、企業(yè)上市年限、資產(chǎn)負債率、現(xiàn)金流水平、固定資產(chǎn)占比、企業(yè)規(guī)模、產(chǎn)權(quán)性質(zhì)等企業(yè)層面的一組控制變量；Year和Ind分別表示年份虛擬變量和行業(yè)虛擬變量，用以控制年度效應(yīng)和行業(yè)效應(yīng)；ε表示隨機誤差項。

（三）樣本選取與數(shù)據(jù)來源

本文使用2009—2019年滬深A(yù)股上市制造業(yè)企業(yè)微觀數(shù)據(jù)進行分析。并對數(shù)據(jù)遵循以下原則進行篩選和處理：（1）剔除了ST、ST*企業(yè)的樣本數(shù)據(jù)，主要是由于ST與ST*類企業(yè)所披露的經(jīng)營成果可靠性差，財務(wù)狀況異常；（2）剔除了數(shù)據(jù)缺失的樣本數(shù)據(jù)，原因是國泰安數(shù)據(jù)庫中的數(shù)據(jù)并不十分完整，采取剔除的辦法以保證數(shù)據(jù)的可比性與完整性；（3）為了剔除異常值的影響，對企業(yè)層面觀測數(shù)據(jù)均進行了Winsorize處理，即對連續(xù)變量進行雙側(cè)1%的縮尾處理。企業(yè)數(shù)據(jù)主要來源國泰安數(shù)據(jù)庫。篩選處理后的樣本量為13224。

表2報告了主要變量的基本統(tǒng)計特征?？梢园l(fā)現(xiàn)，所選樣本中制造業(yè)企業(yè)全要素生產(chǎn)率TFP-OP的均值與中位數(shù)分別為7.031和7.005，TFP-LP的均值與中位數(shù)分別為16.524和16.411，略微左偏態(tài)。貨幣政策不確定性（UNMP）的最小值為0.809，最大值為2.279，而均值為1.213，這說明我國貨幣政策調(diào)整得較為頻繁。此外，從企業(yè)層面數(shù)據(jù)的統(tǒng)計分析看，企業(yè)成長性（GROW）的均值為0.166，中位數(shù)為0.112，說明樣本企業(yè)整體發(fā)展能力較好。企業(yè)投資機會（TOBINQ）的最小值為0.894，最大值為7.490，相差較大，這說明不同上市企業(yè)之間的投資機會相差較大。資產(chǎn)負債率（LEV）的最小值為0.051，最大值為0.851，這說明不同上市企業(yè)之間的負債水平相差很大，而且部分上市企業(yè)存在過度負債現(xiàn)象?，F(xiàn)金流水平（CASH）的最小值為-0.122，最大值為0.230，這說明不同上市企業(yè)之間的現(xiàn)金流水平存在較大差異。

表2 主要變量描述性統(tǒng)計

五、實證結(jié)果分析

（一）基準回歸分析

表3報告了模型（1）的回歸結(jié)果，其中列（1）—列（3）中的衡量方式采用OP法，列（4）—列（6）中的衡量方式采用LP法。從列（1）和列（4）中結(jié)果可以看出，在不加控制變量時，貨幣政策不確定性的回歸系數(shù)分別為-0.3437、-0.3901，并且均在1%的水平上顯著。列（2）和列（5）為加入控制變量，但不對年份虛擬變量和行業(yè)虛擬變量進行控制的回歸結(jié)果，結(jié)果顯示貨幣政策不確定性前的回歸系數(shù)分別為-0.2398和-0.1353，并且同樣在1%的水平上顯著。列（3）和列（6）報告了加入控制變量并且對年份和行業(yè)效應(yīng)進行控制的回歸結(jié)果，結(jié)果顯示貨幣政策不確定性的回歸系數(shù)分別為-0.8973和-0.6655，并且同樣在1%的水平上顯著。以上結(jié)果說明，兩種衡量方法下的全要素生產(chǎn)率在三種回歸條件下，貨幣政策不確定性均會對制造業(yè)企業(yè)全要素生產(chǎn)率產(chǎn)生負向影響，即貨幣政策不確定性上升時，會導(dǎo)致制造業(yè)企業(yè)的全要素生產(chǎn)率降低，這一結(jié)果驗證了本文的假設(shè)1。

表3 貨幣政策不確定性與全要素生產(chǎn)率

（二）穩(wěn)健性分析

為了研究結(jié)論的可靠性，參考孫健等（2017）的做法，對于貨幣政策不確定性指標進行重新衡量，以檢驗前文基準回歸是否具有穩(wěn)健性。首先采用中國2009—2019年每一季度最后一月的貨幣政策不確定性指數(shù)的算術(shù)平均數(shù)的方法重新進行衡量，模型（1）回歸結(jié)果見表4列（1）和列（2）所示；其次采用同一時間區(qū)間內(nèi)上海銀行間同業(yè)拆借7日利率的年度標準差作為貨幣政策不確定性指標，回歸結(jié)果見表4列（3）和列（4）所示?？梢钥吹皆趦煞N衡量方式下，貨幣政策不確定性變量的回歸系數(shù)均在1%的顯著性水平上顯著。這一結(jié)果表明貨幣政策不確定性的上升會導(dǎo)致制造業(yè)企業(yè)全要素生產(chǎn)率顯著下降，這和前述回歸結(jié)果相一致，由此表明了本文研究結(jié)果的穩(wěn)健可靠。

表4 穩(wěn)健性檢驗結(jié)果

（三）企業(yè)成長性和投資機會的調(diào)節(jié)效應(yīng)分析

表5中列（1）和列（2）報告了模型（2）的回歸結(jié)果，列（3）和列（4）報告了模型（3）的回歸結(jié)果。從回歸結(jié)果中可以看出，列（1）和列（2）中貨幣政策不確定性的回歸系數(shù)分別為-0.9013和-0.6749，且在1%的水平上顯著，企業(yè)成長性與貨幣政策不確定性兩者的交乘項的回歸系數(shù)分別為-0.0759和-0.1763，并且在1%的水平上顯著。上述結(jié)果意味著企業(yè)成長性越好，貨幣政策不確定性對制造業(yè)企業(yè)全要素生產(chǎn)率的負向影響越大，本文的研究假設(shè)2得到了驗證。列（3）和列（4）的回歸結(jié)果中貨幣政策不確定性的回歸系數(shù)分別為-0.9011和-0.6705，并且在1%的水平上顯著，企業(yè)投資機會與貨幣政策不確定性兩者的交乘項的回歸系數(shù)分別為-0.0607和-0.0796，且在1%的水平上顯著，這一結(jié)果意味著企業(yè)投資機會越多，貨幣政策不確定性對制造業(yè)企業(yè)全要素生產(chǎn)率的負向影響越大。本文的研究假設(shè)3得到了驗證。

表5 調(diào)節(jié)效應(yīng)回歸結(jié)果

（四）中介效應(yīng)分析

正如前文所述，貨幣政策不確定性可能通過影響企業(yè)研發(fā)投入和企業(yè)金融化水平對制造業(yè)企業(yè)全要素生產(chǎn)率產(chǎn)生影響，下文從這兩個角度檢驗貨幣政策不確定性對制造業(yè)企業(yè)全要素生產(chǎn)率的作用渠道。

1.中介變量定義

研發(fā)投入（RD）。借鑒郭平（2016）的研究方法，使用企業(yè)當年的研發(fā)支出除以主營業(yè)務(wù)收入來衡量研發(fā)投入。

企業(yè)金融化（FN）。參考張成思和張步曇（2016）的做法，將金融資產(chǎn)占比作為企業(yè)金融化的衡量指標，計算公式如下：

FN=（貨幣資金+持有至到期投資+交易性金融資產(chǎn)+投資性房地產(chǎn)+可供出售金融資產(chǎn)+應(yīng)收股利+應(yīng)收利息）/企業(yè)總資產(chǎn)

2.中介效應(yīng)模型

本文主要采用溫忠麟等（2004）的中介效應(yīng)檢驗方法，分三步進行檢驗。Path a：檢驗貨幣政策不確定性（UNMP）與全要素生產(chǎn)率（TFP）之間的關(guān)系，得到回歸系數(shù)α。如果α在統(tǒng)計上顯著，則進行下一步檢驗。Path b：檢驗貨幣政策不確定性與中介變量（研發(fā)投入和企業(yè)金融化）之間的關(guān)系，得到回歸系數(shù)β。如果β在統(tǒng)計上顯著，則進行下一步檢驗。Path c：檢驗中介效應(yīng)是否存在，將中介變量放置模型進行回歸，得到回歸系數(shù)λ。如果λ顯著并且λ的絕對值比α的絕對值小，則存在中介效應(yīng)。進一步地，如果λ顯著，則說明存在部分中介效應(yīng)；如果λ不顯著，則說明存在完全中介效應(yīng)。具體模型如下：

3.檢驗結(jié)果分析

表6的PANEL A報告了貨幣政策不確定性影響制造業(yè)企業(yè)全要素生產(chǎn)率的過程中，以企業(yè)研發(fā)投入作為傳導(dǎo)渠道的逐步回歸結(jié)果。結(jié)果發(fā)現(xiàn)無論是以TFP-OP還是以TFP-LP作為被解釋變量，Path a中貨幣政策不確定性均在1%的顯著性水平上對制造業(yè)企業(yè)全要素生產(chǎn)率具有負向影響。在Path b中，貨幣政策不確定性在1%的顯著水平上對企業(yè)研發(fā)投入具有負向影響，這一結(jié)果說明貨幣政策不確定性的上升降低了制造業(yè)企業(yè)研發(fā)投入。結(jié)合Path c中貨幣政策不確定性在1%的水平上對制造業(yè)企業(yè)全要素生產(chǎn)率具有負向影響，研發(fā)投入在1%的水平上對制造業(yè)企業(yè)全要素生產(chǎn)率具有正向影響，并且Path c中貨幣政策不確定性的系數(shù)絕對值小于Path a中貨幣政策不確定性的系數(shù)絕對值，這說明研發(fā)投入這一渠道為部分中介效應(yīng)，以上結(jié)果意味著，貨幣政策不確定性上升通過降低研發(fā)投入進而抑制了制造業(yè)企業(yè)全要素生產(chǎn)率。

表6的PANEL B報告了貨幣政策不確定性影響制造業(yè)企業(yè)全要素生產(chǎn)率的過程中，以企業(yè)金融化作為傳導(dǎo)渠道的逐步回歸結(jié)果。結(jié)果發(fā)現(xiàn)無論是以TFP-OP還是以TFP-LP作為被解釋變量，Path a中貨幣政策不確定性均在1%的顯著性水平上對制造業(yè)企業(yè)全要素生產(chǎn)率具有負向影響。在Path b中，貨幣政策不確定性在1%的顯著水平上對企業(yè)金融化具有正向影響，這一結(jié)果說明貨幣政策不確定性的上升深化了制造業(yè)企業(yè)金融化水平，結(jié)合Path c中貨幣政策不確定性在1%的水平上對制造業(yè)企業(yè)全要素生產(chǎn)率具有負向影響，企業(yè)金融化分別在10%和5%的水平上對制造業(yè)企業(yè)全要素生產(chǎn)率具有負向影響，并且Path c中貨幣政策不確定性的系數(shù)絕對值小于Path a中貨幣政策不確定性的系數(shù)絕對值，這說明企業(yè)金融化這一渠道為部分中介效應(yīng)，上述結(jié)果表明，貨幣政策不確定性通過加深企業(yè)金融化水平進而抑制了制造業(yè)企業(yè)全要素生產(chǎn)率。

表6 作用渠道檢驗結(jié)果

六、研究結(jié)論與啟示

本文借鑒Huang&Luk（2020）的基于文本分析法所構(gòu)建的貨幣政策不確定性指數(shù)來衡量中國貨幣政策不確定性，并結(jié)合制造業(yè)上市企業(yè)的微觀數(shù)據(jù)構(gòu)建面板數(shù)據(jù)模型，研究貨幣政策不確定性對制造業(yè)企業(yè)全要素生產(chǎn)率的影響。研究結(jié)果發(fā)現(xiàn)，貨幣政策不確定性上升會導(dǎo)致制造業(yè)企業(yè)全要素生產(chǎn)率顯著下降。進一步地，對于不同特征的制造業(yè)企業(yè)來說，企業(yè)成長性越好、面臨的投資機會越充足，貨幣政策不確定性上升對制造業(yè)企業(yè)全要素生產(chǎn)率的負向影響越大。傳導(dǎo)渠道的檢驗結(jié)果表明，貨幣政策不確定性上升會通過降低企業(yè)研發(fā)投入和提升企業(yè)金融化水平兩個渠道來抑制制造業(yè)企業(yè)全要素生產(chǎn)率的提升。

上述研究結(jié)論對我國央行貨幣政策制定與企業(yè)經(jīng)營決策都具有重要的啟示。首先，在制定和實施貨幣政策進行經(jīng)濟調(diào)控時，應(yīng)該保持貨幣政策的穩(wěn)定性和連續(xù)性，減少因貨幣政策頻繁調(diào)整所帶來的不確定性對制造業(yè)企業(yè)全要素生產(chǎn)率的不利影響。其次，在保持貨幣政策穩(wěn)定性與連續(xù)性的同時，要注重貨幣政策工具的本身所具有的針對性和靈活性，強化貨幣政策工具的定向調(diào)控，充分發(fā)揮貨幣政策工具在促進制造業(yè)企業(yè)增加研發(fā)投入，抑制制造業(yè)企業(yè)金融化水平方面的效果，有效降低貨幣政策不確定性的不利影響，進而更好促進制造業(yè)企業(yè)全要素生產(chǎn)率的提高。最后，在傳統(tǒng)貨幣政策工具基礎(chǔ)上，應(yīng)創(chuàng)新和豐富貨幣政策工具組合，發(fā)揮貨幣政策工具的組合效應(yīng)；同時引導(dǎo)金融機構(gòu)優(yōu)化信貸結(jié)構(gòu)，加強對制造業(yè)企業(yè)的資金支持。對制造業(yè)企業(yè)來說，在發(fā)展過程中應(yīng)制定科學(xué)合理的戰(zhàn)略目標，保持合理的擴張速度，避免出現(xiàn)因擴張過快導(dǎo)致研發(fā)資金供不應(yīng)求的現(xiàn)象。此外，即使制造業(yè)企業(yè)自身面臨較為充足的投資機會，也不能減少制造業(yè)企業(yè)自身的研發(fā)投入，避免“脫實向虛”現(xiàn)象的出現(xiàn)，進而影響制造業(yè)企業(yè)全要素生產(chǎn)率的提升和高質(zhì)量發(fā)展目標的實現(xiàn)。

注：括號中為t檢驗統(tǒng)計量，*、**和***分別表示在10%、5%和1%的水平上顯著。