王道平 余舒婷

〔 DOI〕 10.19653/j.cnki.dbcjdxxb.2021.02.003

〔引用格式〕  王道平，余舒婷.供给侧结构性改革、企业绩效与风险承担——基于“去产能”政策视角[J].东北财经大学学报，2021，（2）：27-36.

〔摘要〕随着供给侧结构性改革深入推进，过剩产能已被逐步淘汰，留存下来的企业也面临着转型升级与绩效提升的新挑战。本文基于我国上市企业数据，采用双重差分法（DID）从实证研究角度，探究了“去产能”政策对我国产能过剩行业上市企业的企业绩效与企业风险承担的影响。研究结果发现，“去产能”政策对“去产能”行业的企业绩效有显著正向作用，提升了产能过剩企业绩效;同时“去产能”政策也显著降低了该类企业风险承担水平。本文研究结论，对于我国深化供给侧结构性改革，提升企业绩效，化解经济风险，推动经济高质量发展具有重要的政策意义。

〔关键词〕供给侧结构性改革;去产能;企业绩效;企业风险承担

中图分类号：F823;F275    文献标识码：A    文章编号：1008-4096（2021）02-0027-10

一、引  言

2013年以来，我国经济一直保持快速增长，取得了举世瞩目的成就，但是长期以来也积累了一些结构性、体制性、素质性突出的矛盾和问题，主要体现在经济增速下降、工业品价格下跌、实体企业盈利减少、经济金融风险发生概率上升。习近平总书记^[1]在讲话中提出，这些问题不是周期性的，而主要是结构性的。为解决我国经济深层次的结构性问题，解决由供给侧结构性失衡带来的供需失衡问题，习近平总书记2015年11月提出了要加强供给侧结构性改革，2015年12月在中央经济会议上进一步提出了供给侧结构性改革“三去一降一补”五大任务。其中，“去产能”也即去除高污染、低质量的过剩产能。

在产能过剩行业中，尤以煤炭、钢铁行业为典型。随着“去产能”政策的逐步推进，2016年全国钢铁行业去粗钢产能6 500万吨以上，煤炭行业化解过剩产能2.9亿吨以上。2017—2018年，仅煤炭行业化解过剩产能便分别达到了2.5亿吨和2.7亿吨，远超规划值。

“去产能”政策的实施首先带来的便是过剩产能的逐渐出清，其次也促进了我国供给结构的优化。近年来，国内学者也开始重视我国供给侧结构性改革“去产能”政策方面的研究。蔡之兵^[2]通过对不同省市的“去产能”政策效果与特征进行考察，发现由于中央层面约束、“去产能”政策考核指标不够明晰与地方政府动力不足等多种原因导致“去产能”政策失效。李志俊和原鹏飞^[3]从宏观层面上证明“去产能”政策虽然带来GDP、出口与财政收入等指标的增速下行，但是在“去产能”政策实施后总体能源强度（单位GDP能耗）有了显著下降。邓忠奇等^[4]对钢铁行业“去产能”政策有效性的研究表明，钢铁行业“去产能”政策实施对促进行业产能利用率有一定的正向作用。

事实上，我国推行的供给侧结构性改革，一个重要的初衷在于通过削减并改善我国产能过剩行业企业的供给，进而改善企业经营、并降低我国经济金融风险。但是，目前鲜有学者从理论与实证上深入剖析供给侧结构性改革下的“去产能”政策对我国微观企业绩效、企业风险承担的影响。近年来我国“去产能”政策实施表明，尽管“去产能”政策短期内会带来行业阵痛、利润削减与人员失业，但是随着产业结构转型与产能不断优化，从长远来看将进一步提升企业的发展空间，尤其是削减低端落后产能后，我国企业通过转型升级或许将有更大的利润空间。为此，有必要从理论上分析我国“去产能”政策对我国企业绩效与企业风险承担的影响机制，并采用经验数据对我国“去产能”政策的效果进行实证分析。

与现有研究相比，本文的主要创新与贡献有以下四个方面：第一，本文深入分析了供给侧结构性改革下的“去产能”政策，有助于提升“去产能”政策所覆盖的行业内企业绩效、降低企业风险承担的理论机制。第二，本文从实证角度证明了“去产能”政策对上市企业绩效的促进作用，深入研究了“去产能”政策对企业风险承担的影响，并结合相关背景做了进一步的政策分析。第三，除常见的钢铁煤炭行业外，本文同样考虑了电解铝、水泥、平板玻璃等其他产能过剩行业。第四，本文研究对于我国深化供给侧结构性改革、提升企业绩效、化解经济金融风险、以及推动经济高质量发展，具有重要的政策意义。

二、文献综述与研究假设

学术界对于产能过剩现象的讨论已久。早期概念由Chamberlin^[5]提出，在垄断竞争的条件下，产能过剩就是企业无法在最优水平下生产时的产出水平。在国内研究中，徐齐利和范合君^[6]将产能过剩定义为企业在市场出清时的实际产出小于预先设定的产能产出，可带来过剩产能、资源闲置等诸多问题，直接表现为产能利用率過低。而韩国高等^[7]从宏观方面将产能过剩定义为经济活动在社会总需求限制下无法达到正常产出水平。笔者认为，产能过剩的核心在于实际产出小于真实产能，从而使生产资源无法得到最大化运用。

（一）产能过剩形成原因

产能过剩通常有周期性和非周期性两种形式。我国最近一次产能过剩由2008年金融危机与2009年欧债危机产生，并延续到后来的经济复苏与建设中，呈现周期性产能过剩与非周期性产能过剩交织的状态^[8]。其中，对于周期性产能过剩得以延续的原因，从市场失灵的角度解释，发展中国家的企业很容易对有前景的投资行业产生共识，从而引发投资的潮涌现象，推动行业产能过剩的产生^[9]。事实上，除潮涌现象以外，我国产能过剩的产生也具有深刻体制背景，与地方政府的干预行为极其密切。产能过剩背景下，地方政府的干预行为最早可追溯到我国的地方政府官员晋升锦标赛制度。地方政府官员在GDP增速等可测量经济指标层面竞争激烈，且经济指标的激励强度逐级放大，低层级的官员为了晋升总会超额完成高层级政府下达的经济指标^[10]。地区之间的官员竞争除了包含经济竞争外，还有职位晋升的政治竞争，称之为“混合竞争”^[11]。在该种混合竞争下，地方政府为了提升地方GDP，盲目扩大政府购买或政府补贴，促进了其中能够带来经济效益的企业或项目的生产扩张^[8]，进一步扭曲了企业的投资行为。

对于不能够带来经济效益的企业或项目，不同地方政府之间的竞争也可能无视产业或项目的亏损，从而导致产业的过度进入与地区低水平的重复建设，形成当地企业的预算软约束^[11]。在干预机制方面，政府盲目的干预行为主要包括在官员晋升中以低价提供土地、为企业争取金融贷款、提供隐性担保等^[12]。因此，在政府补贴的驱动下，企业重复建造与生产的行为成为理所应当的事情，这为企业乃至整个行业带来了产量与落后产能的堆积。

不论从市场失灵还是政府失灵的角度而言，落实到微观层面下的企业过度投资行为是产能过剩的直接推手。在政府提供的种种补贴或支持下，企业进行投资活动的成本进一步下降^[13]，企业的短视性在政府的激勵下使其在长期全面发展与短期经济效益的流入中选择了后者。由于缺乏相应的激励监督机制，企业过度投资行为逐渐泛滥，导致我国过剩产能的堆积。

由于我国过剩产能的堆积更多的是来自于体制原因，“去产能”政策的推进必定存在一定的粘性^[14]，因而考察“去产能”政策实施效果十分重要。蔡之兵^[2]对我国2006—2014年“去产能”政策实施效果进行研究发现，由于缺乏对过剩产业的衡量标准以及对地方政府的激励，这八年间“去产能”政策实施效果并不尽如人意。我国自2015年推行供给侧结构性改革以来，钢铁、煤炭等典型的产能过剩行业执行了严格的“去产能”政策，并取得了显著的成效。对于“去产能”政策实施效果与作用机制，任继球^[15]研究发现，2015年以来我国实施的“去产能”政策有效缓解了钢铁行业中的无序竞争，改善行业经营效益，并推动行业转型升级。另外，“去产能”政策带来的产能利用率的提高也能提升我国整体的工业投资效率^[16]，对于企业经营状况也将有所改善。总体来看，若“去产能”政策能够有效执行，则由于过剩产能而逐年亏损的行业将实现行业格局与产业结构的重新调整，企业经营状况也将伴随着过剩产能的出清而有所改善。

（二）“去产能”政策与企业绩效

从微观层面来看，企业过度投资行为是产能过剩的原因所在。其本质在于，来自政府的外部补贴对企业过度投资产生了隐性担保，并成为企业维持重复建造的动力源泉。政府补贴下的过度投资的企业，内部生产目标是单一且盲目的，投资结构也十分不合理，由此进一步导致产能利用率低下，带来过剩产能的堆积。

“去产能”政策的实施首先在于压缩过剩产能，其次在于进行行业内的兼并重组与转型升级。政策执行中，产能过剩行业在项目用地及信贷的取得、环保准入等方面的约束增强。政府对产能过剩行业生产建造行为的高额财政补贴已成为历史，取而代之的是对淘汰过剩产能企业的奖励资金。在各种政策的驱动下，落后产能的增加受到限制。停产或半停产、资不抵债的“僵尸企业”全部关停，同时大企业则通过兼并重组进一步优化自身结构，创新效率与创新能力得到提升^[17]。首先，市场供求关系在淘汰过剩产能时悄然变化，产量减少带来的产出品价格的上涨，使得产能过剩行业中的企业利润增速上行。其次，创新效率与创新能力的提升使得行业头部企业的核心竞争力得以集中，实现产品质量、生产效率、管理制度全方面转型升级，盈利能力日益增强。

基于上述分析，本文提出如下假设：

假设1：我国供给侧结构性改革下的“去产能”政策，有助于提升“去产能”政策所覆盖的行业内企业绩效。

（三）“去产能”政策与企业风险承担

企业风险承担体现了企业对投资项目的偏好，对企业发展具有重要的意义。高风险承担的企业通常具备更高的创新积极性^[18]，同样其资本性支出水平也更高^[19]。高风险承担通常被认为能够提升企业价值^[20]，增强企业的资本预算和配置效率^[21]，能够促进企业的增长和绩效^[22]-[24]。但是，也有国内学者认为新创企业^[25]与转型升级中的企业^[26]的风险承担与企业绩效呈“倒U”型关系。由此可见，过高的企业风险承担所包含的信号与企业实际状况息息相关，并不能一概而论。

我国产能过剩企业较高的风险承担与企业过度投资行为密不可分。政府对企业的支持降低了企业对外部环境的担忧，滋生了管理层过度自信与政企行为依赖等现象。一方面，企业投资项目的部分成本从内部转移到了外部，导致企业在投资项目时更多关注其经济效益，而忽视了项目风险。另一方面，企业为获取政府支持而开展的寻租活动，会进一步带来企业成本的增加，迫使其无视风险而寻求高预期回报率的项目^[27]。种种因素引致了企业过度投资行为，助推了过剩产能的堆积，而企业过度投资行为则极大提升了企业所承担的风险水平，也即企业风险承担。

对于该类企业而言，较高的企业风险承担并没有带来企业经营状况的改善，这种现象是不正常的。究其原因，该类企业有较高的企业风险承担并不是因为在创新方面投入较多资金，而是由于对重复性盈利的项目不加区分地过度投资。这种过度投资导致过剩产能堆积，又将使企业的盈利能力进一步下降，形成恶性循环。在“去产能”政策实施的过程中，市场化与法治化是打破这一循环的关键。

首先，“去产能”政策实施的过程对于企业而言是一个市场化的过程，优胜劣汰的市场环境会倒逼企业培育自身发展的新动力。随着落后产能的不断被淘汰，行业集中度将进一步提升。对于存活下来或兼并重组形成的企业而言，提升核心竞争力才是长足发展的保障，企业内外部风险管理的重要性由此凸显。

其次，在“去产能”政策实施的过程中，政府通过法治化的手段对产能过剩行业的信贷、环保和建设用地等多方面加强了限制。受产业政策的约束，地方政府无法再为产能过剩的企业提供与以往等额的补贴，由此其担保效应也有所削弱。在市场化与法治化手段并行的大环境下，企业对于自身的管理要求不断提高，对投资项目的审核也将逐渐回归理性，故“去产能”政策背景下较高的企业风险承担也将逐步回归正常。

基于上述分析，本文提出如下假设：

假设2：我国供给侧结构性改革下的“去产能”政策，有助于降低“去产能”政策所覆盖的行业内企业风险承担。

三、研究设计

（一）数据来源、指标选择与描述性统计

⒈  数据来源

本文选取2008—2017年我国上市企业数据，包括14个行业3 123家上市企业，共计80 585个观测值，数据主要来源于CSMAR数据库与Wind数据库，部分数据来自于中经网统计数据库。本文行业分类标准按照证监会2012年行业分类指引，涉及的行业有：农、林、牧、渔业;采矿业;制造业;电力、热力、燃气及水生产和供应业;建筑业;批发和零售业;交通运输、仓储和邮政业;住宿和餐饮业;信息傳输、软件和信息技术服务业;租赁和商务服务业;科学研究和技术服务业;水利、环境和公共设施管理业;卫生和社会工作;文化、体育和娱乐业。

⒉  指标选取与描述性统计

（1）企业绩效

参考大多数研究企业绩效的经典文献，本文选取企业总资产收益率（ROA）来衡量企业盈利水平及盈利能力，也即选取ROA作为企业绩效指标。同时，本文在稳健性检验时，选取了企业净资产收益率（ROE）作为ROA的替代指标。

（2）企业风险承担

参考John等^[28]的相关研究，本文选取企业ROA的波动性也即盈利水平的波动性来衡量企业承担的风险水平，也即企业风险承担。具体计算方法如下：

（1）

（2）

其中，EBITDA为企业的税息折旧及摊销前利润，ASSETS为企业总资产。公式（1）中的ROA_it_ADJ是指上市企业总资产收益率经行业平均调整的过程，为上市企业对应行业的企业总数量，t为期数（也即年度）的标记。公式（2）中企业风险承担是通过观测时间段的总资产收益率标准差计算所得。本文选取观测年度（N）为3年来进行企业风险承担的计算。

（3）控制变量

参考大多数研究企业绩效与企业风险承担的经典文献，本文选取以下变量作为控制变量：第一，企业规模（Size），以企业总资产（Asset）的对数表示。第二，企业年龄（Age），以企业成立日至会计报表日的天数折算成年度来计算。第三，净资产收益率（ROE），也即净利润/股东权益总额，按照1%的标准进行缩尾处理。第四，资产负债率（Lev），用来衡量企业风险，按照1%的标准进行缩尾处理（winsorize）。企业资产负债率越大，表明企业负债与财务风险越高。第五，营业收入增长率（Rev），主要衡量企业的发展能力，同样按照1%的标准进行缩尾处理。第六，企业所有权属性（Ownership），国有企业该指标为1，否则为0。第七，GDP同比增速（Gdp）。各变量的定义如表1所示，主要变量的描述性统计如表2所示。

（二）模型设定与估计方法

本文采取双重差分（DID）的计量方法来研究“去产能”政策实施效果及对上市企业的影响。Ashenfelte和Card^[29]首次在研究中使用DID模型，此后DID模型便被学者们广泛应用于政策评估的相关学术研究中。

针对假设1，本文设定的回归模型如下：

（3）

其中，Y_it为被解释变量，在假设1中即为企业绩效。参考大多数研究企业绩效的经典文献，本文选取ROA与ROE两个指标来衡量。G_it为“去产能”政策实验组哑变量（若G_it=1，则企业主营业务属于“去产能”行业;若G_it=0，则企业主营业务不在“去产能”行业的范围内），D_it为供给侧改革实验期哑变量（若统计数据的会计期间在2016年以后，则D_it=1，否则为0）。DID_it为政策交互项，也即G_it与D_it的乘积，其系数表明政策的实施对被解释变量的影响方向及程度。X_it为其他控制变量，包括企业规模（Size）、企业年龄（Age）、资产负债率（Lev）、营业收入增长率（Rev）、企业所有权属性（Ownership）和GDP同比增速（Gdp）等。

同样，针对假设2，本文设定的回归模型如下：

（4）

其中，DID_it的含义与模型（3）中相同。Risktake_it为企业风险承担，由企业连续2年或3年的ROA平均标准差决定。X_it为其他控制变量，包括企业规模（Size）、企业年龄（Age）、资产收益率（ROA）、净资产收益率（ROE）、资产负债率（Lev）、营业收入增长率（Rev）、企业所有权属性（Ownership）和GDP同比增速（Gdp）等。

四、“去产能”政策与企业绩效的实证分析

（一）基准分析

表3中列（1）至列（5）均为随机效应回归模型。实证分析结果表明，表示“去产能”行业与供给侧结构性改革时间的政策交互项DID_it的系数分别为0.0026、0.0029、0.0028、0.0028和0.0031，依次在5%、1%、5%、5%、1%置信水平上显著且为正，从而说明“去产能”政策对企业绩效具有促进作用，即供给侧结构性改革显著提高了我国“去产能”行业的企业绩效。由此验证了本文假设1。

在控制变量层面，本文以模型（5）回归结果为例进行分析。企业规模（Size）、企业年龄（Age）等对ROA的系数显著为正，说明企业规模越大企业的ROA也就越高，企业年龄同理。该系数证明了企业规模与企业年龄对企业绩效的正向作用。同时，从表3中可看出代表企业发展能力的营业收入增长率（Rev）与代表企业盈利水平的ROA之间也存在着显著正相关关系，说明企业营业收入增长率的提升某种程度上会带来企业盈利的增长。并且从中可以观察到，代表企业财务风险的资产负债率（Lev）与被解释变量ROA呈显著负相关关系，说明企业资产负债率的提升可能主利于企业绩效的提升。其他的控制变量，如GDP同比增速（Gdp）、企业产权属性（Ownership）与企业的ROA存在着显著负相关关系，说明经济过热或国有企业身份也会降低企业的资产收益率。

（二）稳健性检验

基于基准分析，本文通过更换主要变量与更换估计方法对假设1进行相关的稳健性检验。

更换主要变量。以往关于企业绩效的研究中，除了将资产收益率ROA作为企业绩效的衡量指标外，还有文献将净资产收益率ROE作为企业绩效的主要衡量指标。表4的列（1）将被解释变量由ROA转变为ROE，回归结果表明，“去产能”政策交互项DID_it的系数依然显著为正，从而验证了“去产能”政策的确能够促进企业绩效。在更换被解释变量的同时，本文尝试了对控制变量的改变。表4的列（2）中，将GDP同比增速（Gdp）由累计同比增速转变为当期同比增速，结果依然显著。

更换估计方法。在表4中列（3）至列（5）均为固定效应模型估计结果。其中，列（4）为在列（1）基础上（也即更换被解释变量为ROE后）得到的估计结果，列（5）为在列（2）基础上（也即更换控制变量后）得到的估计结果。在列（3）至列（5）中，DID_it的系数分别为0.0038、0.0071和0.0038，均在1%置信水平上显著为正，假设1的稳健性检验通过。

五、“去产能”政策与企业风险承担的实证分析

根据第四部分的实证结果可知，“去产能”政策的确对所属行业的企业绩效有显著促进作用。本部分将以企业风险承担作为研究对象，进一步探索“去产能”政策对企业风险承担的影响。

（一）基准分析

本文在“去产能”政策对企业风险承担的政策效应方面又做了进一步的研究。如表5所示，列（1）至列（5）均为随机效应模型。回归结果表明，“去产能”政策交互项DID_it的回归系数分别为    -0.0017、-0.0018、-0.0018、-0.0018和-0.0018，均在1%置信水平上显著且为负，说明“去产能”政策降低了企业绩效的波动，也即“去产能”政策能够降低企业风险承担，企业风险承担水平的减小也代表了企业风险承担能力的提升。

同样以表5中的列（5）为例对控制变量进行分析，企业净资产收益率（ROE）、年龄（Age）与营业收入增长率（Rev）都与被解释变量Risktake呈显著正相关，说明这些变量的正向增长提升了企业绩效波动状况，也即提升了企业风险承担水平。资产负债率（Lev）同样与企业风险承担呈显著正相关，的确过高的资产负债率会提升企业承担风险水平。相反，GDP同比增速（Gdp）、企业规模（Size）均能降低企业风险承担水平。产权性质（Ownership）与企业风险承担也呈显著负相关，说明国有企业（Ownership=1）具有更低的风险承担水平。

（二）稳健性检验

为了验证基准分析回归结果的稳健性，本文从更换主要变量和更换估计方法层面进行多次检验。

更换主要变量。为了进一步验证假设2，本文从控制变量角度开展相关稳健性检验。表6中列（2）为将控制变量ROE更换为ROA后的结果，列（3）是在列（2）的基础上所做的混合回归估计。列（4）为将GDP同比增速（Gdp）由累计同比增速转变为当期同比增速，并且列（5）为列（4）基础上所做的混合回归估计。结果显示DID_it的系数仍然显著为负。

更换估计方法。表6中列（1）、列（3）、列（5）均为混合回归方法。其中，表6中列（1）为相较基准分析而言仅更换回归方法的结果。在更换为混合回归估计后，DID_it的系数仍然显著为负。

六、结  论

本文从理论上分析我国“去产能”政策对企业绩效与企业风险承担的影响，并基于我国上市企业经验数据，采用双重差分法（DID）对我国“去产能”政策实施效果进行实证分析。研究结果表明，“去产能”政策对企业绩效的作用显著为正，即“去产能”政策能够提升“去产能”行业中上市企业绩效;同时政策交互项对企业风险承担的作用显著为负，即“去产能”政策降低了“去产能”行业中上市企业风险承担水平。

存在过剩产能的企业，通常生产结构单一、生产量远大于社会需求量。以堆量为主的生产方式无法给企业带来利润增长，反而削弱了企业竞争力。随着“去产能”政策铺开，堆量生产受到限制，这类企业的产量也随之下降。当行业供给恢复正常水平后，市场供求关系也随之变化，留存下的企业由于产出品价格上升而逐步实现利润的正增长。同时，产能过剩行业中由于政府补贴等外部因素导致的过度投资现象，一定程度上也在“去产能”政策下得到遏制，而企业因过度投资带来的高风险也将逐渐降至正常水平。总体来看，“去产能”政策对于产能过剩行业而言，是一次新的整合与发展机遇。通过关停不合格企业与兼并重组大型企业等措施，经过一轮“去产能”政策后的企业已经站在新的起點，面临的是转型升级的新挑战。当然，本文在研究过程中也有一些其他的发现。比如，在同样的研究方法下本文还加入了企业库存周转率作为被解释变量，结果显示“去库存”政策的实施也有很好的政策效果。

总而言之，供给侧结构性改革的“三去一降一补”最终都是为实体经济而服务，政策传导的成效便证明了政策本身的必要性与正确性。当下供给侧结构性改革方兴未艾，淘汰过剩产能只是前进的一小步，大部分产能过剩行业在转型升级方面还有很长的路要走。随着不同行业的“去产能”政策的铺开与收尾，行业中的企业能凝聚自身的核心竞争力，而我国经济的新动能也将日趋壮大。

参考文献：

[1]  中共中央宣传部. 习近平总书记系列重要讲话读本[M]. 北京：学习出版社，人民出版社，2016.152.

[2]  蔡之兵. 地方政府去产能效果与特征：2006—2014年[J]. 改革，2016，（10）：43-53.

[3]  李志俊，原鹏飞. 去产能战略的影响评价及建议——基于动态CGE模型的研究[J]. 中国软科学，2018，（1）：10-18.

[4]  邓忠奇，刘美麟，庞瑞芝. 中国钢铁行业产能过剩程度测算及去产能政策有效性研究[J]. 中国地质大学学报（社会科学版），2018，（6）：131-142.

[5]  Chamberlin，E. The Theory of Monopolistic Competition：A Re-Orientation of the Theory of Value[M]. Cambridge： Harvard University Press，1969.177-204.

[6]  徐齐利，范合君. 产能过剩：概念界定、研究谱系与理论架构[J]. 当代经济科学，2018，（6）：49-59，128.

[7]  韩国高，高铁梅，王立国，等. 中国制造业产能过剩的测度、波动及成因研究[J]. 经济研究，2011，（12）：18-31.

[8]  王文甫，明娟，岳超云. 企业规模、地方政府干预与产能过剩[J]. 管理世界，2014，（10）：17-36，46.

[9]  林毅夫，巫和懋，邢亦青. “潮涌现象”与产能过剩的形成机制[J]. 经济研究，2010，（10）：4-19.

[10]  周黎安. 中国地方官员的晋升锦标赛模式研究[J]. 经济研究，2007，（7）：36-50.

[11]  周黎安. 晋升博弈中政府官员的激励与合作——兼论我国地方保护主义和重复建设问题长期存在的原因[J]. 经济研究，2004，（6）：33-40.

[12]  干春晖，邹俊，王健. 地方官员任期、企业资源获取与产能过剩[J]. 中国工业经济，2015，（3）：44-56.

[13]  王立国，鞠蕾. 地方政府干预、企业过度投资与产能过剩：26个行业样本[J]. 改革，2012，（12）：52-62.

[14]  刘斌，张列柯. 去产能粘性粘住了谁：国有企业还是非国有企业[J]. 南开管理评论，2018，（4）：109-121，147.

[15]  任继球. 供给侧改革中的钢铁行业：发展成效与趋势展望[J]. 宏观经济管理，2018，（7）：23-30.

[16]  韩国高，胡文明. 去产能对中国工业投资效率的效应分析[J]. 管理现代化，2015，（6）：28-30.

[17]  王桂军. “抑制型”产业政策促进企业创新了吗？——基于中国去产能视角的经验研究[J]. 南方经济，2019，（11）：1-15.

[18]  Hilary，G.，Hui，K.W. Does Religion Matter in Corporate Decision Making in America？[J]. Journal of Financial Economics，2009，93（3）：455-473.

[19]  Bargeron，L.L.，Lehn，K.M.，Zutter，C.J. Sarbanes-Oxley and Corporate Risk-Taking[J]. Journal of Accounting and Economics，2010，49（1）：34-52.

[20]  Nguyen，P. Corporate Governance and Risk-Taking：Evidence From Japanese Firms[J]. Pacific-Basin Finance Journal，2011，19（3）：278-297.

[21]  Faccio，M.，Marchica，M.T.，Mura，R. CEO Gender，Corporate Risk-Taking，and the Efficiency of Capital Allocation[J]. Journal of Corporate Finance，2016，39（4）：193-209.

[22]  張瑞君，李小荣，许年行. 货币薪酬能激励高管承担风险吗[J]. 经济理论与经济管理，2013，（8）：84-100.

[23]  Fogel，K.，Morck，R.，Yeung，B. Big Business Stability and Economic Growth：Is What?s Good for General Motors Good for America？[J]. Journal of Financial Economics，2008，89（1）：83-108.

[24]  高磊，庞守林. 基于风险承担视角的资本结构与企业绩效研究[J]. 大连理工大学学报（社会科学版），2017，（3）：18-23.

[25]  董保宝，葛宝山. 新企业风险承担与绩效倒U型关系及机会能力的中介作用研究[J]. 南开管理评论，2014，（4）：56-65，87.

[26]  李露. 转型升级背景下的风险承担、制度环境与企业市场绩效[J]. 现代经济探讨，2017，（5）：28-32，66.

[27]  谢乔昕，宋良荣. 财政分权、风险承担与企业绩效[J]. 商业研究，2016，（5）：58-65.

[28]  John，K.，Litov，L.，Yeung，B. Corporate Governance and Corporate Risk Taking[J]. The Journal of Finance，2008，63（4）：1679-1728.

[29]  Ashenfelter，O.，Card，D. Using the Longitudinal Structure of Earnings to Estimate the Effect of Training Programs[J]. Review of Economics and Statistics，1985，67（4）：648-660.

（责任编辑：韩淑丽）