杠杆系列错估与信贷资源错配

王竹泉，王 惠，王贞洁

（1.中国海洋大学 管理学院，山东 青岛 266100；
2.中国海洋大学 中国企业营运资金管理研究中心，山东 青岛 266100）

在我国金融市场上，信贷资源错配表现为信贷资源没有按照风险收益原则分配，出现了企业融资难、融资贵与“僵尸企业”并存等现象。在“去杠杆”阶段，矫正信贷资源错配的重点在于降低国有企业杠杆率、妥善处置“僵尸企业”等（Deng 等，2015；
王珏等，2015；
黄少卿和陈彦，2017）。随着杠杆结构性调整的开展，非金融企业杠杆率增速在2017 年显著放缓，2015-2018 年国有企业杠杆率明显下降，而民营企业杠杆率在2016 年后逐渐上升，这表明信贷资源错配有所缓解（谭小芬等，2020）。但由于传统信贷指标体系存在缺陷，实体经济的收益和风险信息存在扭曲，信贷资源错配问题并没有根本解决，金融机构服务实体经济的水平和效率仍有待提高（王竹泉等，2019）。长远来看，缓解金融机构与实体企业之间的信息不对称，是推动实体经济增长和促进经济转型的重要途径。因此，如何帮助金融机构科学系统地掌握实体经济的财务风险和资金效率，成为缓解信贷资源错配亟待解决的问题。

从信贷决策过程来看，科学的信贷指标体系既是银行获取财务信息、掌握企业杠杆和风险的主要渠道，也是提升信贷资源配置效率和缓解信贷资源错配的基础。但现有研究对这一认识却并不深刻。基于信贷资源错配是否银行主观可控，现有研究大多将引发信贷资源错配的因素分为两类：一类是在体制性因素影响下金融机构的信贷资源错配（Guner 等，2008；
Banerjee 和Moll，2010；
张敏等，2010），如信贷歧视问题（李广子和刘力，2009）。另一类是金融机构与实体经济之间信息不对称所引发的信贷资源错配。例如，较低的信息透明度会影响企业信用评级的准确性，进而降低信贷资源配置效率（Healy 和Palepu，2001）。由于资本市场上的信息来源众多且渠道繁杂，对第二类因素的探究难度往往更大，现有研究视角涵盖了企业内部控制（Akwaa-Sekyi和Gene，2017）、分析师跟踪（刘星和陈西蝉，2018）以及媒体报道（赖黎等，2016）等。但上述两类研究均建立在信贷指标体系能准确测度企业杠杆和风险的假设基础上，少有研究审视关键财务指标设计的科学性，如企业杠杆率、收益率和短期偿债能力等指标是否存在缺陷，以及这些缺陷可能产生的潜在影响。实际上，传统信贷指标体系存在资产与资本概念混淆、营业性负债与金融性负债不加区分等缺陷（王竹泉等，2019），造成企业的杠杆率水平等系列指标被错估，财务信息被扭曲，这些可能干扰银行的信贷决策，影响结构性杠杆治理的效果。

本文的研究贡献体现在：第一，在理论层面，拓展了信贷资源错配影响因素的研究，指出财务指标有效性是影响信贷资源配置效率的重要因素。本文通过构建杠杆系列错估指标体系（杠杆错估、收益率错估和短期偿债能力错估），较全面地阐述了“资产”和“资本”概念混淆所导致的传统财务指标体系设计缺陷。本文基于修正指标识别出“低信贷风险”和“高信贷风险”的企业，揭示了信贷风险水平与信贷资源规模的倒挂关系，探究了信贷资源配置过程中产生“劣币驱逐良币”现象的深层次原因。第二，在实践层面，本文系统回答了以下问题：杠杆系列错估在何种程度上引发信贷资源错配？不同财务信息的扭曲与不同方向的信贷资源错配（信贷资源配置过度和信贷资源配置不足）之间存在何种潜在联系？如何针对不同类型的财务信息扭曲开展结构性杠杆治理，进而探求“降杠杆”“稳杠杆”和“加杠杆”的具体领域？如何通过改进财务指标设计，帮助金融机构了解实体企业的真实财务状况，缓解银企之间的信息不对称，矫正信贷资源错配？第三，在应用与建议层面，本文锁定了杠杆系列错估引发信贷资源错配的重点区域和行业，为结构性杠杆治理提供了区域定位和行业指引，有利于优化信贷资源的区域和行业配置。

在信息不对称的情况下，资本供需双方的决策受到信息质量优劣的影响。作为外部债权人，银行无法通过参与企业经营活动来了解企业资金的使用状况，因此在信贷决策中对企业财务信息的依赖程度很高（黎来芳等，2018）。在众多衡量财务信息的指标中，企业存量杠杆指标（一般用资产负债率衡量）无疑是信贷决策指标体系的重要组成部分（饶艳超和胡奕明，2005）。然而，有学者指出资产负债率难以全面评价债务的可持续性，无法满足债权人的信息需求（纪敏等，2017）。从债权人信息需求的角度，杠杆率应通过反映资本结构来衡量企业的绝对风险，收益率应通过反映资本增值能力来衡量企业的相对风险，短期偿债能力则应通过反映资本偿债水平来衡量企业的短期财务风险。银行只有综合掌握企业的杠杆、收益率和短期财务风险等信息，才能开展合理的信贷资源配置。

然而，混淆“资产”和“资本”概念使传统信贷指标体系存在错估：①本文将基于“资产”概念构建的信贷指标称为“传统杠杆”“传统收益率”和“传统短期偿债能力”，将基于“资本”概念构建的信贷指标称为“修正杠杆”“修正收益率”和“修正短期偿债能力”。第一，建立在“资产”概念上的传统杠杆率无法反映自有资本撬动总资本的倍数，难以体现企业的真实风险水平。将“资产”替代“资本”计算杠杆率，实际上将交易关系与投资关系相提并论，将营业性负债囊括在杠杆的范畴内，将供应商、客户持有的债权等同于银行持有的债权。这会夸大杠杆数值，高估企业的绝对风险。而企业财务风险的根源在于金融性负债，营业性负债并非投资者为实现价值增值而对企业的资本投入，银行应关注企业对投资者投入资金（即“资本”）①马克思在《资本论》中提出，资本背后的社会关系在于投资者对公司的“投资”关系，所以资本仅包括股东投入的股本和债权人投入的金融性负债。营业性负债供给者对企业不存在“投资”关系。若营业性负债（如应付账款、预收账款、应付职工薪酬和应交税费等）属于资本，则员工、客户、供应商甚至政府都可算作投资者，这显然极大泛化了投资者的范畴。的运用情况（王竹泉等，2019）。第二，债权人追求的目标是单位风险获得最大收益，或者单位收益承担最小风险。因此，企业结构性杠杆治理的标准应与收益率相结合才能满足资本“趋利避险”的运行逻辑，从而体现企业在资本增值能力下的合理负债水平。以“资产”替代“资本”计算收益率，实际上用全部资产产生的收益替代全部资本（股权和债权资本）产生的收益。这会低估投资者所投入资本的真实收益率和企业通过价值创造化解金融负债的能力，高估企业在特定资本增值能力下承担杠杆率的相对风险。第三，以“资产”替代“资本”计算以短期偿债能力（如流动比率）为核心的短期财务风险评估指标，混淆了两类约束程度不同的负债（金融性负债和营业性负债），将银行债权人和营业性负债的供给者放在同等求偿位置上，无法单独衡量银行债权人面临的违约风险。企业对银行的真实短期偿债能力应是在确保偿还营业性负债后，剩余流动资产对短期金融性负债的保障程度。因此，传统短期偿债能力指标会高估正常企业的短期财务风险，低估原本短期偿债能力较差企业的短期财务风险。②假设有两家公司A 和B，公司A 的短期偿债能力强，有800 万流动资产，400 万流动负债，200 万营业性流动负债，则公司A 的“传统短期偿债能力”=800/400=2，“修正短期偿债能力”=（800-200）/（400-200）=3。在剔除了营业性负债的影响后，公司A 的短期偿债能力有所增强，真实短期财务风险更低。公司B 的短期偿债能力弱，有300 万流动资产，400 万流动负债，200 万营业性流动负债，则公司B 的“传统短期偿债能力”=300/400=0.75，“修正短期偿债能力”=（300-200）/（400-200）=0.5。在剔除了营业性负债的影响后，公司B 的短期偿债能力减弱，真实短期财务风险更高。本文将上述错估统称为“杠杆系列错估”，由此产生的财务信息扭曲会误导企业管理者、投资者和分析师等利益相关者：从管理者角度，杠杆系列错估会扩大资产替代和债务高悬效应的负面影响，影响传统投资决策和研发决策的有效性（王贞洁和王竹泉，2018）；
从投资者和分析师角度，杠杆系列错估可能误导他们对公司价值的判断，引发负向股票定价偏误（王贞洁和王惠，2021）。

无论是杠杆率、收益率还是短期财务风险指标，都是银行信贷决策的重要依据（王贞洁等，2019）。杠杆系列错估可能干扰银行信贷决策，降低信贷资源配置效率。“传统杠杆率”会高估企业的真实杠杆，“传统收益率”会低估企业的真实收益率，而“传统短期偿债能力”则会双向扭曲企业的真实偿债风险：在剔除营业性负债的影响后，不同企业的真实短期偿债能力存在两极分化的趋势。大多数企业（传统短期偿债能力大于1）通过无偿占用营业性负债而获取了竞争优势，为银行提供了额外保障。而少数企业（传统短期偿债能力小于1）则面临更大的偿债危机，在偿还供应商等利益相关者的营业性负债后，对银行的保障能力进一步恶化。因此，传统指标仅能反映对不同债权人的平均短期偿债能力，无法满足银行等金融债权人的信息需求。对大多数企业杠杆的高估、收益率和短期偿债能力的低估会造成叠加效应，加剧银行的惜贷倾向，导致信贷资源配置不足。同时，传统短期偿债能力指标对少数企业偿债能力的高估又会干扰银行精准识别企业的违约风险，形成过度乐观的预期，导致信贷资源配置过度。据此，本文提出以下假设：

假设1：杠杆系列错估会加剧信贷资源错配，即杠杆错估、收益率错估和短期偿债能力错估均与信贷资源错配程度正相关。

假设1a：杠杆高估、收益率低估以及短期偿债能力低估严重的公司存在信贷资源配置不足。

假设1b：短期偿债能力高估严重的公司存在信贷资源配置过度。

基于资本视角，修正杠杆率低、修正收益率高和修正短期偿债能力强的企业具有“低信贷风险”特征，这类企业的资本结构稳健，具有较高的盈利水平和较低的短期财务风险，能够给银行债权人提供较好的保证。而修正杠杆率高、修正收益率低和修正短期偿债能力弱的企业则具有“高信贷风险”特征，难以给银行债权人提供有效保障。但由于杠杆系列错估的误导，银行无法通过修正指标体系进行判断，具体表现为：在传统信贷指标体系下，“低信贷风险”（修正杠杆率低、修正收益率高和修正短期偿债能力强）的公司在信贷市场中处于相对劣势，而“高信贷风险”（修正杠杆率高、修正收益率低和修正短期偿债能力弱）的公司反而占据相对优势，最终导致银行对“高信贷风险”的公司信贷资源配置过度，但对“低信贷风险”的公司信贷资源配置却不足，出现“劣币驱逐良币”的现象。①以杠杆率为例，假设市场上只有一家银行A（有400 万贷款）和两家公司B 和C。公司B 和C 都有1 000 万总资产，500 万所有者权益，其中公司B 有500 万营业性负债，公司C 没有任何营业性负债（其他条件完全相同）。从资本角度看，公司B 的修正杠杆率为2（1 000/500），而公司C 的修正杠杆率为1 ［（1 000-500）/500］ 。考虑杠杆风险，银行A 应给具有“高杠杆”特征的公司B 贷款100 万，而给具有“低杠杆”特征的公司C 贷款300 万。但在传统信贷决策体系下，两家公司的传统杠杆率都为2，由于其他条件相同，银行A 会给公司B 和C 相同的贷款（每家200 万），此时公司B 出现信贷资源配置过度，而公司C 出现信贷资源配置不足。也就是说，基于“资本”构建的修正指标体系暴露出杠杆系列错估下的信贷资源错配问题，表现为修正杠杆率低、修正收益率高和修正短期偿债能力强的公司面临信贷资源配置不足，而修正杠杆率高、修正收益率低和修正短期偿债能力弱的公司则容易出现信贷资源配置过度。据此，本文提出以下假设：

假设2a：受杠杆系列错估误导，“高信贷风险”（修正杠杆率高、修正收益率低和修正短期偿债能力弱）的企业容易出现信贷资源配置过度。

假设2b：受杠杆系列错估误导，“低信贷风险”（修正杠杆率低、修正收益率高和修正短期偿债能力强）的企业容易出现信贷资源配置不足。

（一）样本选择与数据来源

本文以2008-2018 年A股上市公司为初始样本。为了避免特殊行业和异常数据对研究结果的影响，本文剔除了金融类行业、当年被ST、相关数据缺失以及当年IPO的观测值。经过上述筛选之后，本文得到17 739 个观测值。本文数据来源于国泰安（CSMAR）数据库和万得（WIND）数据库。此外，为减轻离群值对研究结果的影响，本文对所有连续变量在1%和99%分位上进行了缩尾处理。

（二）变量定义

1.杠杆系列错估变量。基于“资产”概念，传统信贷指标体系包括“传统杠杆率”（NL）、“传统收益率”（NR）以及“传统短期偿债能力”（NSS）。本文基于“资本”概念构建修正指标体系，包括“修正杠杆率”（RL）、“修正收益率”（RR）和“修正短期偿债能力”（RSS）。本文计算基于“资产”的传统指标与基于“资本”的修正指标的差值，得到相关指标的差值与修正指标的比值，以指标比值的绝对值来构建杠杆系列错估变量，具体包括杠杆错估（DLR）、收益率错估（DRR）和短期偿债能力错估（DSSR）。变量定义见表1 和表2。

表1 传统指标与修正指标对比

表2 变量定义

2.信贷资源错配程度。现有基于微观视角的研究对信贷资源错配的衡量方式主要有以下几种：第一，通过检验银行对信贷资源的分配是否存在“逆周期”特征，即是否将信贷资源更多配置到低效企业中来判断是否存在信贷资源错配，如王韧和马红旗（2019）。这种方式无法衡量信贷资源错配的程度。第二，使用金融错配负担水平来衡量信贷资源错配程度，即企业的资金使用成本与所在行业平均资金使用成本的偏离度，如宁薛平和张庆君（2020）。偏离度越大，表示信贷资源错配程度越大。这种方式无法剔除行业和企业异质性的影响。理论上，优化信贷资源配置的核心在于发挥市场作用，使银行可以根据企业禀赋差异理性衡量风险收益，从而做出合理的信贷决策。因此，借鉴白俊和连里帅（2012）的研究，本文通过构建预测模型进行OLS回归，将信贷资源配置分为企业禀赋可解释部分（合理信贷）和不可解释部分（信贷资源错配）。综合考虑企业财务状况、规模、成长性、再融资状况等因素，本文构建了如下预测模型：

其中，Credit表示企业获得的信贷规模，用当前取得借款收到的现金除以总资本来衡量。Size表示企业规模，用总资产的自然对数来衡量。Growth表示企业成长性，用营业收入增长率来衡量。考虑到股权再融资会影响企业债务融资的需求和能力，模型中加入虚拟变量Seo，表示当年是否实施股权再融资。TANG表示企业的债务担保能力，用固定资产与总资产的比值来衡量。Cash表示企业的现金持有量，用货币资金与总资产的比值来衡量。FCF表示企业的自由现金流比率，用自由现金流与总资产的比值来衡量。资产周转率（Turnover）和企业税率（Tax）控制经营效率和债务融资的税盾效应对企业信贷规模的影响。本文对模型进行分年度分行业OLS回归，使用稳健标准误修正异方差，得到的残差表示企业实际获得的信贷规模与合理信贷规模之差，残差大于零意味着信贷资源配置过度，而残差小于零则意味着信贷资源配置不足。信贷资源错配程度（Miscredit）取残差绝对值，绝对值越大，信贷资源错配程度越高。进一步地，将残差大于零时的绝对值定义为信贷资源配置过度程度（Over_credit），将残差小于零时的绝对值定义为信贷资源配置不足程度（Under_credit）。

（三）模型构建

为了检验研究假设，本文构建了如下模型：

模型（2）用于检验假设1。若假设1 成立，则杠杆错估（DLR）、收益率错估（DRR）和短期偿债能力错估（DSSR）的系数均应显著为正。模型（3）用于检验假设1a和假设2b，模型（4）用于检验假设1b和假设2a。其中，HDLR和LDRR分别表示杠杆严重高估和收益率严重低估程度，LDSSR和HDSSR分别表示短期偿债能力严重低估和高估程度。LCR表示“低信贷风险”，即修正杠杆率低、修正收益率高和修正短期偿债能力强的企业；
HCR表示“高信贷风险”，即修正杠杆率高、修正收益率低和修正短期偿债能力弱的企业。若假设1a和假设2b成立，则模型（3）中杠杆严重高估（HDLR）、收益率严重低估（LDRR）、短期偿债能力严重低估（LDSSR）和“低信贷风险”（LCR）的系数均应显著为正。若假设1b和假设2a成立，则模型（4）中短期偿债能力严重高估（HDSSR）和“高信贷风险”（HCR）的系数均应显著为正。借鉴王竹泉等（2019）以及王贞洁等（2019）的研究，控制变量包括公司规模（Size）、公司年龄（Age）、产品独特性（Uniq）、股权制衡（Herfindahl10）、机构投资者持股比例（Instshare）、管理层持股比例（Mshare）、董事会规模（Bsize）、独立董事比例（Outdir）、董事长和总经理是否两职合一（DUAL）以及公司产权性质（State）等。此外，模型中还控制了年度虚拟变量（Year）和行业虚拟变量（Industry）。

（一）描述性统计

表3 报告了主要连续变量的描述性统计结果。可以看到，杠杆错估（DLR）的均值为0.40，最小值为0.0002，最大值为2.43，标准差为0.37。收益率错估（DRR）的均值为0.26，最小值为0.00，最大值为0.76。这意味着上市公司整体上存在严重的杠杆和收益率错估问题，且不同公司的杠杆和收益率错估程度存在很大差异。短期偿债能力错估（DSSR）的均值高达0.73，中位数为0.43，均值明显高于中位数呈现右偏状态，且标准差较大，表明部分公司的短期偿债能力错估程度相对较高。信贷资源错配（Miscredit）的均值为0.14，最小值为0.00，最大值为1.12，表明不同样本的信贷资源错配情况存在较大的差异。其他控制变量的描述性统计结果与现有文献接近，均在合理范围之内。

表3 主要连续变量的描述性统计

（二）多元回归分析

表4 报告了模型（2）的回归结果。杠杆错估（DLR）、收益率错估（DRR）和短期偿债能力错估（DSSR）对信贷资源错配（Miscredit）的回归系数均显著为正。这意味着杠杆系列错估造成的财务信息失真误导了银行的信贷资源配置决策，越严重的杠杆系列错估越可能加剧信贷资源的错配程度，假设1 成立。在国家宏观调控政策不断完善且银行信贷决策更加市场化的情况下，杠杆系列错估因素所导致的信贷资源错配问题将更加凸显。

表4 杠杆系列错估对信贷资源错配的影响

续表 4 杠杆系列错估对信贷资源错配的影响

表5 报告了模型（3）和模型（4）的回归结果。列（1）至列（3）结果显示，杠杆严重高估（HDLR）、收益率严重低估（LDRR）和短期偿债能力严重低估（LDSSR）与信贷资源配置不足（Under_credit）均在1%的水平上显著正相关。这意味着传统指标对企业杠杆和风险的高估、对收益和偿债能力的低估加剧了信贷资源配置不足，假设1a得到验证。列（4）结果显示，短期偿债能力严重高估（HDSSR）与信贷资源配置过度（Over_credit）在5%的水平上显著正相关，表明短期偿债能力严重高估会加剧信贷资源配置过度，假设1b得到验证。上述结果表明在大多数情况下，杠杆系列错估会引发信贷资源配置不足，而对于短期偿债能力被高估的企业，则会加剧信贷资源配置过度。列（5）和列（6）结果显示，“高信贷风险”（HCR）、“低信贷风险”（LCR）分别与信贷资源配置过度（Over_credit）、信贷资源配置不足（Under_credit）在1%的水平上显著正相关。这表明修正指标识别的“高信贷风险”企业的信贷资源配置过度问题更严重，而“低信贷风险”企业的信贷资源配置不足问题更严重，假设2a和假设2b得到验证。可见，“高信贷风险”企业获得了较多的信贷资源，“低信贷风险”企业反而难以获得与自身发展需求相匹配的信贷资源，表明杠杆系列错估会降低信贷资源配置效率。

表5 杠杆系列错估对不同方向信贷资源错配的影响

续表 5 杠杆系列错估对不同方向信贷资源错配的影响

（三）稳健性检验①受篇幅限制，稳健性检验结果未列示，如有需要可向作者索取。

1.改变样本范围与估计方法。本文将ST公司纳入样本中重新进行检验。此外，利用固定效应模型控制年度与个体固定效应，对假设重新进行检验，结果与上文一致。

2.替换代理变量。第一，以传统指标与修正指标的差值重新界定杠杆系列错估，即使用传统杠杆与修正杠杆差值的绝对值（DL）来衡量杠杆错估，使用修正收益率与传统收益率差值的绝对值（DR）来衡量收益率错估，②修正短期偿债能力与传统短期偿债能力之差所衡量的短期偿债能力错估变量标准差高达241.96，影响估计结果的准确性，所以本文未使用这一指标进行稳健性检验。并重新界定相应的杠杆严重高估（HDL）和收益率严重低估（LDR）。第二，替换不同方向杠杆系列指标严重错估变量，杠杆错估程度高于年度行业第三四分位数时定义为杠杆严重高估（HDLR2），收益率错估程度高于年度行业第三四分位数时定义为收益率严重低估（LDRR2），修正短期偿债能力小于传统短期偿债能力且短期偿债能力错估程度高于年度行业第三四分位数时定义为短期偿债能力严重高估（HDSSR2），修正短期偿债能力大于传统短期偿债能力且短期偿债能力错估程度高于年度行业第三四分位数时定义为短期偿债能力严重低估（LDSSR2），重新对假设1a和假设1b进行检验。第三，借鉴宁薛平和张庆君（2020）的研究，使用企业资金使用成本与所在行业的平均资金使用成本的偏离度，即企业利率与行业平均利率之差除以行业平均利率，构建新的信贷资源错配程度变量（Miscredit2），企业利率大于行业平均利率时定义为新的信贷资源配置不足（Under_credit2），企业利率小于行业平均利率时定义为新的信贷资源配置过度（Over_credit2），重新对假设进行检验。上述检验结果与上文保持一致。

3.补充遗漏变量。信贷资源配置效率还可能受地区和宏观因素的影响。本文将省份GDP增长率（GDP_Growth）、省份金融市场化程度（Market）、利率市场化（LG）和经济政策不确定性（EPU）①省份GDP 增长率=（企业所在省份当年GDP 总量- 上一年GDP 总量）/上一年GDP 总量。省份金融市场化程度采用王小鲁等（2019）编制的中国各年度不同区域市场化进程指数综合指标进行衡量，这一指数更新到2016 年，之后的指数数据通过取前三年均值补充。利率市场化以央行一年期存贷利差来衡量。经济政策不确定性采用Baker 等（2016）构建的中国经济政策不确定性指数来衡量。加入模型中重新进行检验，研究结论保持稳健。

4.处理内生性问题。杠杆错估与信贷资源错配之间可能存在内生性。例如，信贷资源不足的企业可能会转而利用“交易”关系形成更多的营业性负债，由此导致更加严重的杠杆系列错估。根据王贞洁和王竹泉（2017）的研究，由于供应商主要通过采购业务和融资两个渠道影响企业的营运资金管理绩效，企业既可以利用供应商融资来扩大营业性负债规模，又可以采用供应商管理库存方式来提高采购渠道存货的周转效率。由于营业性负债是引发杠杆系列错估的直接因素，企业是否利用供应商管理库存与杠杆错估存在潜在联系。而企业利用供应商管理库存与信贷资源错配之间并不存在直接关系，在一定程度上满足外生性要求。本文使用企业采购渠道的存货平均额②基于分渠道的营运资金管理，供应商管理库存主要考察企业采购渠道存货占销售成本的比重，采购渠道存货比重越小，企业越可能使用供应商管理库存。企业采购渠道的存货平均额数据来自中国资金管理智库（CMTTC），http://cmttc.ouc.edu.cn/data/。除以销售成本来构建供应商管理库存工具变量CGCH1，以剔除企业自身观测值后CGCH1 的行业年度均值来构建工具变量CGCH2。本文选取的工具变量均通过了过度识别和弱工具变量检验，2SLS和GMM估计结果与上文基本保持一致。

本文还使用PSM方法来缓解杠杆系列错估与信贷资源错配之间可能存在的自选择问题。杠杆系列错估越严重的企业信贷资源错配程度更高，可能是样本公司自身差异（如规模、治理水平等）所造成的，而并非杠杆系列错估的影响。PSM检验方法和结果如下：（1）将杠杆错估程度、收益率错估程度和短期偿债能力错估程度高于年份行业第三四分位数的样本分别定义为处理组，样本分别有4 341 个、4 316 个和4 296 个，选取总资产规模、实际控制人性质、行业、年度等模型（2）中相关变量作为协变量，采用logit回归得到倾向得分。平衡性检验显示匹配后相关变量的标准化偏差均小于5%，采用最近邻匹配（一对一配对）构建控制组，输出变量为Miscredit。平均处理效应ATT的估计值分别为0.04、0.04 和0.02，t值分别为17.86、17.03 和8.86，均在1%的水平上显著，说明杠杆系列错估严重的企业确实存在严重的信贷资源错配问题。（2）将杠杆严重高估、收益率严重低估和短期偿债能力严重低估的样本分别定义为处理组，样本分别有8 753 个、8 728 个和6 283 个，选取上述相同变量计算倾向得分并构建控制组，输出变量为Under_credit。ATT的估计值分别为0.04、0.04 和0.02，t值分别为18.36、17.89 和12.08，同样表明杠杆严重高估、收益率严重低估和短期偿债能力严重低估的企业信贷资源配置不足更加严重。（3）将短期偿债能力严重高估的公司定义为处理组，样本有2 411 个，采用最近邻匹配（一对一配对）构建控制组，输出变量为Over_credit。ATT的估计值为0.03，t值为7.10，表明短期偿债能力严重高估的企业信贷资源配置过度更加严重。（4）将“高信贷风险”公司和“低信贷风险”公司分别定义为处理组，采用最近邻匹配（一对一配对）构建控制组，输出变量分别为Over_credit和Under_credit。ATT的估计值分别为0.03 和0.02，t值分别为9.72 和8.21，表明修正杠杆系列指标下的“高信贷风险”公司的信贷配置过度问题更加严重，而“低信贷风险”公司的信贷配置不足问题更加严重。上述检验结果与上文保持一致。

（一）地区异质性

杠杆系列错估程度与供应链发展和企业资金管理水平存在密切联系。中国各地区产业环境不同，杠杆系列错估也存在差异——东部地区经济体系发达、产业配套设施比较完善，企业资金管理意识和能力较强，处于供应链优势地位的企业能够促使供应链利益相关者提供低成本的商业信用，而处于供应链劣势地位的企业议价能力较弱，不仅难以利用供应链融资，反而被迫将商业信用供给作为竞争手段。这意味着与中西部地区相比，东部地区的企业能够利用更多的营业性负债。因此，杠杆系列错估对信贷资源错配的影响可能在东部地区更加突出。

本文在模型（2）中加入杠杆系列错估与东部地区虚拟变量（East）①本文设置东部地区虚拟变量（East），企业处于东部地区时取1，否则取0。根据《第四次全国经济普查公报（第七号）》的标准，东部地区包括北京、天津、河北、山东、辽宁、上海、江苏、浙江、广东、福建、海南。本文对地区的划分不包括中国香港、中国澳门和中国台湾的样本数据。的交乘项，结果见表6。可以看到，杠杆错估（DLR）和收益率错估（DRR）与东部地区（East）交乘项的系数分别在10%和5%的水平上显著为正，表明与中西部地区相比，由杠杆错估和收益率错估所导致的信贷资源错配在东部地区更加严重，这为分地区的结构性杠杆治理提供了依据。

表6 杠杆系列错估对信贷资源错配的影响：地区异质性

（二）行业异质性

本文从要素密集度和市场竞争性两个视角进行行业异质性分析。（1）基于要素密集度视角，借鉴肖忠意和林琳（2019）的行业聚类分析方法，将行业划分为资本密集型、技术密集型和劳动密集型三类。①资本密集型行业包括造纸、印刷，石油、化学、塑料、塑胶，金属和非金属业，房地产业，水利、环境和公共设施管理业，文化、体育和娱乐业等；
技术密集型行业包括计算机、通信和其他电子设备制造业，机械、设备、仪表，医药、生物制品，信息技术业等；
劳动密集型行业包括农、林、牧、渔业，建筑业，采矿业，交通运输、仓储业和邮政业，食品饮料，批发和零售贸易，纺织与服装，传播与文化产业，木材、家具，电力、煤气及水的生产和供应业，居民服务、修理和其他服务业，教育业、卫生和社会工作，综合类等。劳动密集型和资本密集型行业大多拥有比较稳定的现金流和较多的抵押物，这满足银行风险控制的需要，缓解了银行与企业之间的信息不对称，企业依靠供应链关系获取优势的需求较小。而技术密集型行业的资产专用性较强，技术创新周期长且不确定性较高（戴魁早和刘友金，2013）。为了降低信贷决策的风险，银行会更加关注风险收益信息，因此传统指标对财务信息的扭曲可能会对银行信贷决策产生更加显著的影响。（2）基于市场竞争性视角，市场竞争越激烈，行业内竞争对手的潜在掠夺效应越大——竞争对手可能通过压低产品价格等手段抢占市场，降低企业收入份额，甚至迫使其在竞争中被淘汰。这将增加竞争性行业内企业获得银行信贷资源的难度。此时，企业更有动机与供应商等利益相关者合作，利用供应商融资建立竞争优势（余明桂和潘红波，2010），银行也更需要准确的财务信息来判断信贷风险。因此，杠杆系列错估加剧信贷资源错配的作用可能在竞争性行业中更加明显。

本文在模型（2）中加入杠杆系列错估与行业类型虚拟变量②本文设置基于要素密集度的资本密集型行业虚拟变量（CI）和技术密集型行业虚拟变量（TI），基于市场竞争性的竞争性行业虚拟变量（COMPETE），企业处于相应行业时取1，否则取0。的交乘项。表7 列示了基于要素密集度的行业异质性检验结果。杠杆系列错估变量与技术密集型行业虚拟变量（TI）的交乘项系数显著为正，表明与劳动密集型行业相比，杠杆系列错估所导致的信贷资源错配在技术密集型行业中更加严重。而杠杆系列错估变量与资本密集型行业虚拟变量（CI）的交乘项系数并未呈现一致的统计特征，表明杠杆系列错估对信贷资源错配的影响在资本密集型和劳动密集型行业中没有显著差异。表8 列示了基于市场竞争性的行业异质性检验结果。杠杆系列错估变量与竞争性行业虚拟变量（COMPETE）的交乘项系数显著为正，表明杠杆系列错估所导致的信贷资源错配在竞争性行业中更加严重。

表7 杠杆系列错估对信贷资源错配的影响：基于要素密集度的行业异质性

表8 杠杆系列错估对信贷资源错配的影响：基于市场竞争性的行业异质性

由于“资产”与“资本”概念的混淆，银行信贷决策所依据的传统杠杆率、收益率和短期偿债能力等指标对企业真实财务状况产生了扭曲，加剧了信贷资源错配问题。杠杆严重高估、收益率和短期偿债能力严重低估会加剧企业的信贷资源配置不足，而短期偿债能力严重高估则会加剧企业的信贷资源配置过度。基于修正指标识别的企业真实风险水平，杠杆系列错估造成“高信贷风险”（修正杠杆高、修正收益率和短期偿债能力低）的企业出现信贷资源配置过度，而“低信贷风险”（修正杠杆低、修正收益率和短期偿债能力高）的企业出现信贷资源配置不足，出现风险与信贷资源规模倒挂现象。分地区来看，在经济体系发达、产业链条完善的东部地区，杠杆系列错估会引起更加严重的信贷资源错配。分行业来看，技术密集型行业和竞争性行业的杠杆系列错估会引起更加严重的信贷资源错配。

本文提出以下政策建议：第一，监管部门需要认识到传统信贷指标体系的设计缺陷，警惕财务信息扭曲所引发的信贷资源错配风险，对不同类型的杠杆系列错估推行不同的杠杆治理。对于没有严重杠杆系列错估问题的公司，以“稳杠杆”为主；
对于因杠杆高估、收益率和短期偿债能力低估而面临信贷资源配置不足的公司，以“加杠杆”为主；
对于因短期偿债能力高估而面临信贷资源配置过度的公司，则应适度“降杠杆”，并纳入信贷风险管控的重点。第二，需要以修正信贷指标体系为引导，根据不同企业的真实收益和风险，选择“稳杠杆”甚至“加杠杆”的领域，促进资源配置效率提升。结合本文实证结果，决策者应对“低信贷风险”企业“稳杠杆”甚至“加杠杆”，而对“高信贷风险”企业适度“降杠杆”。第三，促进信贷资源在不同地区和行业优化配置，保证中国区域发展总体战略顺利实施，促进新旧动能转换。需要基于修正指标提高信贷资源的配置效率，引导信贷资源在东部地区、技术密集型和竞争性行业中进行合理配置，促进企业转型升级和开放创新，释放技术要素活力，优化市场竞争环境。