王 韧 马红旗 李志伟

(1.重庆工商大学，重庆 400067； 2.中国农业大学，北京 100083)

一、引言及文献综述

发展中国家的经济赶超多依托重工业优先发展战略(陈斌开 等，2012；纪洋 等，2016)，而重工业发展则需要先经历“投资驱动”的阶段(Acemoglu，2006)。为保证对企业投资的激励和支持，政府往往会配套实施金融抑制政策(McKinnon,1973)，即通过一系列金融安排,保证银行信贷资金更多投向政府扶持的领域，以实现赶超目标(黄桂田 等，2011；张杰 等，2016)。

在中国经济实践中，因为政府的积极干预和银行主导的融资体系，金融抑制政策和重工业赶超战略相互化反的结果就是错综复杂的银企共生关系和广泛存在的信贷扭曲。首先，地方政府因为“政绩考核”压力及“保增长”需求而倾向于通过各种方式保证银行机构对钢铁、煤炭、水泥等GDP贡献较大行业的信贷支持，并推动银行放松贷款标准和降低贷款条件。其次，虽然国有银行分支机构名义上与地方政府脱离了隶属关系，信贷审批权也进行了垂直上移，但城市商业银行的发展、银行同业业务的扩张以及各种形式的政治关联使得地方政府依然具备干预银行信贷决策的能力(余明桂 等，2008；钱先航 等，2011；李维安 等，2012；纪志宏 等，2014；张栋 等，2016)。另外，因为存在政府关系的软性担保，以及政府背书和持续补贴安排对于坏账风险暴露的降低作用，甚至于出现坏账时可能获得的不良资产剥离或账面处置方面的政府支持，银行通过风险收益权衡也会倾向于与相关企业构建更加紧密的利益关联，并持续对其提供低成本、长期限的信贷支持(余明桂 等，2008；王仲兵 等，2017)。

现有研究一般认为银行信贷扭曲会对企业投资行为和产能决策产生三个方面的负效应：

一是投资“挤出效应”与不当投资激励。国外研究认为过多的银企关联及“僵尸贷款”会阻碍新企业进入，并对正常企业投资行为产生抑制(Hoshi et al.,2012；Rawdanowicz et al.，2013)。国内也有研究认为信贷扭曲会催生企业投资扩张激励，并引发过度投资问题(陆正飞 等，2015；贺京同 等，2016)，同时部分企业的信贷获取便利也会激励其短期投机倾向和虚拟投资偏好(喻坤 等，2014；王婷 等，2017)。

二是阻碍技术进步并损害配置效率。Aziz et al.(2002)、张军等(2005)、Guillaumont Jeanneney et al.(2006)、刘瑞明(2011)均认为政府干预下的信贷扭曲会阻碍全要素生产率提升。路径上看，解维敏等(2011)强调信贷扭曲及由此催生的过度投资对企业创新投入的阻滞；饶品贵等(2013)和谭语嫣等(2017)认为信贷扭曲会降低信贷资金配置效率，进而导致劳动生产率和资产回报率下降；戴静等(2013)则将行业创新低效归因于国有经济比重和信贷所有制歧视的共同作用；徐思远等(2016)则认为国有经济比重提升虽然拖累了技术效率但能够推动技术进步，而被扭曲的银行信贷支持则会强化上述两种效应。

三是妨碍市场出清并助推产能过剩形成。Peek et al.(2008)认为信贷支持扭曲会导致“僵尸企业”的管理者激励不足和决策短视，进而阻碍公司的破产重组。Caballero et al.(2008)、Hoshi et al.(2012)认为信贷扭曲越严重的行业会面临越严重的产能过剩。而在国内，多数研究认为政府对银行和企业关系的不当干预及不合理的信贷支持会导致企业部门债务率的显著逆周期变化(贺力平 等，2016)，并由此造成产能过剩和债务积累的交互强化机制(王宇 等，2016)，最终迟滞落后产能的淘汰并助推产能过剩的形成(何帆 等，2016；张栋 等，2016；王仲兵 等，2017)。

实践中，信贷所有制歧视对国内企业投资行为、技术进步及产能过剩的影响备受关注，但也存在一定争议。比如对国企的过度投资和挤出效应问题，洪功翔(2010)认为国有企业投资不仅没有挤出民营企业投资，反而带动了民营企业发展；戴静等(2013)认为不能将行业创新低效简单归因于所有制，甚至于政府的很多改革干预措施并非低效，企业创新被拖累的关键在于委托代理和信贷歧视的交互作用；徐思远等(2016)通过将全要素生产率分解为技术效率与技术进步，利用省际面板数据实证发现国有经济比重提高会推动技术进步并拖累技术效率。由此可见，简单的是非判断无法全面准确展现国内信贷扭曲的实际影响，将其局限于所有制歧视层面也容易引发争议和误导。本研究试图以中观行业分析作为切入点，选择站在重工业优先发展风口浪尖，且较早经历赶超到去产能政策周期的钢铁行业作为研究样本，基于中国工业企业数据库1998—2013年规模以上钢铁企业的大样本数据，综合所有制类型、企业规模与年限、产业链环节、资产构成和产品结构、政府补贴和社会责任等诸多因素，探讨国内信贷扭曲的具体表现形式及其对企业投资行为、行业技术进步、行业产能演变的实际影响。微观到中观的研究进路无疑更有助于梳理问题并寻找应对之策。

二、银行信贷扭曲对钢铁企业投资行为和投资效率的影响

首先是样本数据提取，这里基于1998—2013年“全部国有及规模以上非国有工业企业数据库”提取了黑色金属冶炼及压延加工业(行业代码32)的企业数据，涵盖炼铁业(3210)、炼钢业(3220)、钢压延加工业(3230)和铁合金冶炼业(3040)4个细分行业。这些细分行业虽同属钢铁大类，但资本技术密集度以及与终端需求的联系紧密度差异明显。考虑到原始数据的样本错配和指标异常问题，这里进行了进一步样本筛选，对数据缺失和错误严重的2010年数据做了整体剔除，同时为规避2011年开始的“规模以上”企业标准变化，重点选取了之前年份样本。另外，参照谢千里等(2008)、Bai et al.(2009)、聂辉华等(2012)、Gulen et al. (2016)、纪洋等(2018)等的标准进行了样本剔除和缩尾处理，剔除标准包括：资本或产值类指标缺失或小于0；从业人数小于8；销售额低于500万元；总资产与流动资产或固定资产净额不匹配；累计折旧小于当期折旧；利润率低于1%或高于99%；固定资产净额、工业总产值、从业人数和实收资本等指标位于前后1%分位。另外，还依据实收资本结构进行了所有制类型识别：国有资本金比例超过50%为国有企业；集体资本金比例超过50%为集体企业；私人资本金比例超过50%为私营企业；港澳台和外商资本金比例之和超过25%为外资企业(路江涌，2008)；无法识别的定义为其它企业。以此来规避工商登记注册类型可能存在的误导(聂辉华 等，2012)。

经过上述筛选和剔除，本文最终提取的目标样本数量为37789家；行业分布占比依次为钢压延加工业(42.1%)、铁合金冶炼业(34.1%)、炼铁业(18.2%)和炼钢业(5.6%)，分布结构与原始数据样本基本保持一致，而不同所有制企业的分布结构也与工业企业数据原始样本大体一致，说明这里的样本提取并未破坏原始样本的抽样原则及其代表性。

表1 钢铁企业原始样本及提取样本信息

图1 不同所有制钢铁企业信贷获取能力的变动趋势

其次是信贷扭曲刻画指标的选择。逻辑上看，信贷扭曲现象源于信贷资源配置不合理，现有文献对重工业领域的国有企业或低效率环节获得更多信贷支持的现象已进行了广泛讨论，所谓的信贷扭曲问题也成为多数理论和实证研究的共识(卢峰 等，2004；Allen，2005；方军雄，2007；Song，2008；饶品贵 等，2013；王婷 等，2017；王宇伟 等，2018；马娟 等，2018)。实证角度出发，这里需要寻找能综合反映微观企业信贷优势的指标以构建后续研究基础。一般而言，钢铁企业实际获取的信贷支持可大致反映于两个指标：企业信贷获取能力(TDY)，可以用总负债与工业总产值之比来代替，也就是企业每单位产值所隐含的负债情况，因为钢铁行业产品同质性较高，单位产值的负债大概率能够反映企业的信贷资源获取能力；企业资金使用成本(TID)，这里用利息支出总额与总负债之比加以衡量，即单位负债所需支付的利息，在钢铁企业产品和技术差异性并不显著，而且国内金融市场统一程度较高的约束下，企业单位负债的利息较低意味着其实际上享有了更高的利率优惠。TDY和TID指标可以分别从量和价的角度映射钢铁企业实际享有的信贷优势，进而反映钢铁行业的信贷扭曲问题。

如图1，通过对国有和私营两种不同类型所有制钢铁企业的信贷获取能力(TDY)指标进行聚类加总，并观察其纵向变化与横向差异，可以发现：

从时点值看，国有企业平均每单位产值所包含的信贷资金支持远远高于私营企业，也就是说，国有企业的信贷获取能力显著高于私营企业，直观上验证了国内信贷所有制

图2 不同所有制钢铁企业资金使用成本的变动趋势

歧视现象的客观存在性。

从时间趋势观察，1998—2004年间，国有企业相对于私营企业的信贷获取能力优势逐渐缩小，这可能得益于同期中国顺应WTO要求而进行的积极市场化改革；而在2004年之后，伴随着房地产市场的快速发展及地方政府基建投资的扩张，拥有政企和银企关系优势的国有钢铁企业又重新拉开其与私营企业在负债驱动增长能力上的差距，其单位产值的负债开始快速拉升，而同期民营钢铁企业的负债扩张能力反而受到了一定程度挤压。

图2则显示了不同所有制钢铁企业在资金使用成本(TID)指标上的差异和时间变化趋势。从统计结果看，除了2000年之外，国有钢铁企业的单位负债成本在各年份均明显低于私营企业；但从总体看，不同所有制企业在信贷资金成本上的差异要显著低于在信贷资金获取能力上的差距。

综合图1和图2，无论从信贷获取能力(TDY)还是从资金使用成本(TID)来看，国有和私营企业之间的差距都是现实存在的，初步证明钢铁行业的信贷资源配置至少在所有制层面存在着明显的扭曲，具体表现为：国有企业信贷获取能力(TDY)更强而资金使用成本(TID)更低；相反，私营企业信贷获取能力(TDY)更弱而资金使用成本(TID)更高。

上述只是基于量价指标的简单统计分析。直观而言，企业信贷获取能力的差异显著高于资金使用成本的差异，更可能是钢铁行业信贷资源配置扭曲的主导因素。逻辑上看，对单个企业而言，信贷获取能力(TDY)和资金使用成本(TID)这两个指标之间可能存在四种不同的组合(如表2所示)，在两者反向的情况下(比如情况(3)和(4))，简单基于单一指标去判别企业的综合信贷优势往往会存在一定的局限性；而且从时间角度看，量和价两个指标之间也存在一定的交互影响，比如负债规模会影响负债成本，负债成本也会制约债规模扩张，因此使用单一指标来判别微观企业的信贷优势也存在片面化问题。

表2 TID和TDY的不同组合情况

图3 综合信贷扭曲的变动趋势

考虑到(利息支出/总负债)×(总负债/工业总产值)=(利息支出/工业总产值)，也就是说，信贷获取能力(TDY)与资金使用成本(TID)两个指标可以合成为单位产值的利息支出(Credit)，因此这里采取Credit指标来综合观察微观企业最终享有的信贷优势及钢铁行业信贷资源配置的实际情况。依据图3，从所有制角度观察，国有钢铁企业和民营钢铁企业之间在单位产值的利息支出上同样呈现出较为明显的差距，时间趋势上也大致是以2004年作为分水岭，之前逐步收敛，之后重新拉大。其时间趋势和结构特征也较好地综合了TDY和TID两个指标的特征。

由此，选择单位产值的利息支出(Credit)作为钢铁企业信贷优势和钢铁行业信贷扭曲的衡量指标，并将其引入计量模型来探讨其对于投资效率和产能利用率的实际影响，有助于从更加全面综合的角度审视信贷资源配置因素的具体作用机制。

在此基础上，可以构建如下反映企业投资行为与投资效率的影响机制模型：

Kit=δ0+δ1Kit-1+δ2Creditit+δ3Ωit+σit

(1)

(Y/K)it=φ0+φ1(Y/K)it-1+φ2Creditit+φ3Ωit+φ4Credit×dum_own x(x=1,3)+σit

(2)

TFPit=λ0+λ1TFPit-1+λ2Creditit+λ3Ωit+λ4Credit×dum_own x(x=1,3)+σit

(3)

其中，K为企业资本存量，用固定资产净值年平均余额表示，为降低异方差与异常值的影响，这里对中国工业企业数据库披露的企业固定资产净值年平均余额数据进行了对数处理。模型(1)用于刻画钢铁企业投资扩张。Y/K为资本产出比，用工业总产值/固定资产净值年平均余额表示。TFP为全要素生产率，采用OP方法测算并直接引用马红旗等(2018)的测算结果。鉴于资本产出比和全要素生产率可分别从不同角度描绘企业产能扩张质量，模型(2)和模型(3)不仅可以反映企业产能扩张质量，还能够相互印证并提供稳健性检验。

Ω为其他控制变量。这里主要引入了政府补贴Subsidy(补贴收入/工业总产值)、就业弹性Job(ln(从业人数)/ln(存货+应收账款净额))两个变量，用于甄别政府因素的影响[注]工资刚性、技能差异、减少失业、谋求公平和保持社会稳定等因素引起劳动力的退出障碍不仅会对企业的投资行为和投资效率产生影响，在很大程度上还会影响企业对产能的控制力度(江小涓，1995)。具有较高的就业弹性，表明企业根据经营状况的好坏雇佣或辞退员工的灵敏度较高，这意味着企业通过可变成本控制投资选择以及产能的体制较为灵活；反之，亦然。而企业存货和应收账款数额越大，表明企业的经营状况越处于不利地位。虽然用利润就业弹性表示企业劳动力退出机制更为贴切，但因利润多存在负值而无法取对数，故这里采用企业库存与应收账款指标来替代。，并从经济学理论出发，分别控制了市场需求Market((企业销售收入-应收账款)/工业总产值，Braguinsky et al.(2015))、对外开放度Open(企业出口额/工业总产值，王自锋等(2015))、新产品比例Tech(新产品产值/工业总产值，Braguinsky et al.(2015))等因素影响。另外，这里也加入了企业规模(dum_m，dum_s分别表示中、小型企业，大型企业为哑变量)、细分行业(dum_id2，dum_id3，dum_id4分别表示炼钢、铁合金冶炼与钢压延加工行业，炼铁企业为哑变量)，以及地区和年度虚拟变量。为区分信贷所有制歧视对于企业投资行为的影响，这里也加入了银行信贷支持力与企业所有制类型的交互项Credit×dum_own x(x=1(国有)，3(私营))来识别所有制约束下企业获取的信贷支持对其投资行为和效率的影响(考虑到集体企业生产经营特征相对混合，而外资企业存在经营决策上的特殊性，这里重点识别国有企业(dum_own1)和私营企业(dum_own3)两类所有制特质对其银行信贷支持获取及产能扩张质量的交叉影响。

因为计量模型中包含因变量的滞后项，且部分解释变量理论上并非严格意义外生变量，这里采用系统广义距估计(sys-GMM)方法，并在对应模型中分别引入滞后一期的资本存量、资本产出比和全要素生产率以控制序列相关性影响(Flannerya et al.，2006)。通过调节GMM工具变量和IV工具变量中指标的滞后期数，针对序列相关性和工具变量识别的Sargan检验均得以通过，说明采用sys-GMM回归方法是有效的。结果如表3所示。

依据估计(1)～(3)，银行信贷支持力度对钢铁企业资本扩张具有显著正效应，但同时对资本产出比和全要素生产率等效率指标产生了显著负向冲击，说明银行信贷支持干扰了钢铁企业的投资决策和投资行为，助推了其低质量产能扩张，这不仅说明信贷扭曲的客观存在，也与王仲兵等(2017)、王婷等(2017)、王宇伟等(2018)等的研究结论一致。

另外，政府补贴指标对于全要素生产率(TFP)和资本产出比(Y/K)两个被解释变量的影响系数显著为负，说明政府的直接补贴实质上会拖累钢铁企业的产能扩张质量。同时，就业弹性指标对企业资本扩张(Ln k)呈现显著负影响，而对全要素生产率(TFP)和资本产出比(Y/K)则呈现显著正向推动，说明让钢铁企业更多依据经营状况好坏来决定其用工决策，而不是被动承担政府的就业稳定责任，更有利于控制钢铁企业的资本扩张速度并实现效率改善。

其他变量方面，市场需求改善有利于钢铁行业技术进步，这符合经验判断。与经验认知不同的是，产品出口比例提升在助推钢铁企业投资扩张的同时,也对资本产出比和全要素生产率产生了显著负面影响。这说明因为贸易对象和贸易结构问题，出口环境改善并不利于钢铁行业的产业升级和技术进步，甚至在一定程度上助长了低水平产能扩张行为。

表3 银行信贷支持力度与钢铁企业的投资行为和投资效率

注：***、**和*分别表示1%、5%和10%的显著水平；N为样本观测个数。

所有制类型和信贷支持变量交互项的回归结果与现有认知存在差异：针对国有企业的信贷支持有利于提升企业的资本产出比和全要素生产率，但面向私营企业的银行信贷支持则产生了显著负面效果。这说明对信贷扭曲负面效应的研究有必要跳出所有制分析框架，因为私营企业同样可能因为税收和就业贡献以及其他方式构建起政企关联，由此获取的信贷支持反而更容易引发企业投资行为扭曲。这一点在黄少卿等(2017)的研究中也有提及，其研究显示国企僵尸贷款多集中于规模更小的国有企业，而私企僵尸贷款则多集中于那些规模更大的私营企业。王婷等(2017)也发现私营企业在信贷宽松环境中更容易从事短期投机活动。

综合上述结果，信贷扭曲影响了信贷支持效果，干扰了企业投资行为，降低了企业的生产效率和投资效率，并引发了低水平产能扩张问题，且这一负面效应并不局限于所有制框架。

三、银行信贷扭曲对钢铁行业产能利用和产能过剩的影响

微观层面，信贷扭曲会干扰企业投资决策并助推低质量产能扩张；汇总于中观，则会恶化产能格局并助推产能过剩。鉴于产能利用率变化是产能过剩监测的基础，为解释信贷扭曲对于钢铁企业产能格局和产能过剩的影响，继续设定如下计量模型：

CUit=χ0+χ1Creditit+χ2Subsidyit+χ3Jobit+χ4Sunkit+χ5Ageit+χ6Marketit+

χ7Openit+χ8Investit+χ9Techit+χ10dum_id2+χ11dum_id3+χ12dum_id4+

χ13dum_mit+χ14dum_sit+χ15dum_own2+χ16dum_own3+χ17dum_own4+

χ18dum_own5+σit

(4)

其中，CUit表示企业i在t时期的产能利用率。解释变量中：Creditit为样本企业i在年份t获得的银行信贷支持，继续用利息支出总额/工业总产值表示；Subsidy为样本企业当期获得的政府补贴；Job用来刻画样本企业就业弹性，仍使用企业从业人数对于(存货+应收账款)的弹性表示；Sunk为企业固定资产净值余额/总资产，映射企业的抵押品价值；Age为企业年龄；Market为(企业销售收入-应收账款)/工业总产值，表示市场需求；Open为企业出口额与工业总产值之比；Invest为企业当年实际投资额与工业总产值之比，其中实际投资额遵循杨汝岱(2015)基于永续盘存法的测算得出[注]按这种方法计算出现部分企业实际投资为负值的情况，将其作为缺漏值加以处理。；Tech为工业企业数据库提供的新产品产值与工业总产值之比，表示企业产品竞争力。另外，为控制个体效应及序列相关性，这里同样引入企业规模(dum_b、dum_m、dum_s分别表示大、中、小型企业，大型企业为哑变量)、细分行业(dum_id2、dum_id3、dum_id4分别表示炼钢、铁合金冶炼与钢压延加工行业，炼铁企业为哑变量)以及所有制类型(dum_own2、dum_own3、dum_own4、dum_own5分别表示集体、私营、外资和其他，国有企业为哑变量)等相关的虚拟变量。

回归分两步进行：估计(1)汇报了一次性添加所有解释变量和虚拟变量的结果；估计(2)～(11)则通过逐个添加解释变量来考察各变量的边际贡献。具体如表4所示。

结果显示，获取的信贷支持对于钢铁企业产能利用率存在显著负向影响。也就是说，获得了更多信贷支持的钢铁企业，其产能利用率反而更低。这进一步印证了钢铁行业信贷资源配置扭曲的现实存在性。而从系数比较看，企业综合信贷支持获取对其产能利用率的负向效应显著高于其他解释变量，包括市场需求改善对产能利用率的正向提振效应，这充分说明银行信贷支持在钢铁行业产能演变中产生了显著的“逆周期”效果，即在周期景气恢复时助推更大力度的产能投放，而在周期景气下行时又阻碍落后产能退出。信贷扭曲所带来的上述逆周期影响正是导致钢铁行业产能格局恶化，进而出现严重产能过剩的推手。

政府直接补贴对于产能利用率影响不显著，一方面，政府补贴不仅支持绩差或亏损企业，也鼓励绩优企业；另一方面，相对于直接财政补贴，政府更愿意通过银行信贷方式提供隐形信贷补贴(戴静 等，2013；黄少卿 等，2017；李霄阳 等，2017)，由此信贷扭曲对企业产能利用产生的干扰更大。就业弹性对产能利用率存在显著正影响，意味着企业承担的就业责任越高，产能利用率表现越差，这也与前面结果一致。

企业固定资产占比和企业年限对产能利用率呈现显著负影响，说明较高沉没成本和企业经营年限往往成为钢铁企业实际经营效率的反向指标，也说明构建在抵押品价值或长期合作基础上的银企关系实质上会引发银行信贷的扭曲。另外，出口占比提升有利于提高企业产能利用率，而新产品比例提升则会因为生产或流程调试原因降低产能利用率，这也符合经验认识。

表4 钢铁企业产能利用率变化的影响因素分析

注：***、**、*分别表示1%、5%和10%的显著水平；dum_rones、dum_years分别表示区域效应和时间效应；Constant为常数项；sigma_u、sigma_e为残差项 ；N为样本观测个数；Rho为个体误差所占比例。

虚拟变量方面，中小企业产能利用率更低，说明相对于大企业，其产能利用更不充分。这既源自钢铁企业的“抓大放小”改革(钟宁桦 等，2016)，也与中小企业中僵尸企业占比更高关系密切(黄少卿 等，2017)。非国有企业和非炼铁企业产能利用率相对更高也符合一般经验认知。

表5 钢铁企业产能利用率变化的影响因素分析(考虑交叉项)

注：***、**和*分别表示1%、5%和10%的显著水平；交叉项中“M”为Market，其余字母标识与前文相同，不再赘述。

为揭示不同变量对企业产能调整相对市场需求变化敏感度的影响，表5添加了主要解释变量和市场需求项之间的交叉项。估计结果显示，银行信贷支持与市场需求变化的乘积项对企业产能利用率继续呈现显著负向影响，进一步证明银行信贷扭曲对钢铁行业产能调整的逆周期影响，即在市场需求改善时因为投资潮涌和产能扩张而拖累产能利用率提升(林毅夫，2007；林毅夫，2010)，而在市场需求下滑时阻碍落后产能退出并导致产能利用率更显著下滑。另外，政府补贴与市场需求的交互项对企业产能利用率影响继续不显著，而就业弹性与市场需求的乘积项对产能利用率影响正面，说明承担就业社会责任越少的企业在市场需求变化时的产能调整越充分，也说明构建在就业保护基础上的政企关系并不利于钢铁行业产能格局优化。企业年限及抵押品价值与市场需求的乘积项对于产能利用率继续呈负向影响，说明企业年龄越长、沉没成本越高，在市场需求发生变化时的产能调整敏感度越差，也进一步证明构建在抵押品价值和长期合作基础上的银企关系只会扭曲合理的信贷决策。企业投资倾向与市场需求的乘积项对产能利用率也有显著负影响，与前面实证相结合，说明受制于银行信贷扭曲引发的投资行为扭曲，在市场需求发生改善时钢铁企业的重复建设和低质量产能扩张只会更加严重。新产品占比与市场需求的乘积项对企业产能利用率有正向提振作用，说明和市场需求紧密结合的产品创新方能有效提升企业竞争力。企业规模控制变量方面，回归结果显示大企业与市场需求变化的乘积对于提升企业产能利用率具有显著正影响，说明大企业对市场需求变化具有更高的敏感度，适当的产业整合有助于优化行业产能格局，进而提升行业的产能利用率。

综合以上分析，源自银行系统的信贷支持虽然助推了钢铁企业的资本扩张，但是却对其全要素生产率和资本产出比提升产生了显著的负向冲击。从这一角度看，企业获取的信贷支持力度越强，其投资效率反而越低，也就是催生了低质量的产能扩张。而在以产能利用率作为被解释变量的计量分析中，又可以观察到银行的信贷支持对于钢铁企业的产能利用率产生了最为显著的负面影响。结合信贷支持对投资效率和产能利用率这两类指标的影响，这里可以进行大致的逻辑推导总结：国内钢铁行业存在较为明显的信贷资源配置扭曲现象，而信贷扭曲不仅干扰了微观企业决策，在信用宽松期引发投资“潮涌”和低水平重复建设，也在信用收缩期引致“僵尸企业”问题并阻碍市场出清，最终导致整个钢铁行业的产能格局恶化，并因为其固有的高沉没成本而衍生出严重的产能过剩问题。

四、结论与建议

1.结果梳理与讨论

基于现有文献对重工业部门信贷扭曲问题的讨论，本文选择从微观钢铁企业获得的信贷支持角度来探讨其对于投资效率和产能利用的实际影响机制。实证分析结果显示：钢铁企业的信贷获取能力和资金使用成本均存在显著的所有制差异，钢铁行业的信贷扭曲现象客观存在；而信贷扭曲严重干扰了钢铁企业的投资决策和投资行为，助推了低质量的产能扩张；源自银行体系的信贷支持更对钢铁企业产能利用率存在显著的“逆周期”影响。

上述的实证结果实则也构成了信贷扭曲、投资效率、产能过剩三种现象间相互印证的逻辑闭环。源自银行体系的信贷扭曲驱动了钢铁企业的低质量产能扩张，不仅导致了投资效率的下降，也拖累了企业的产能利用率表现，并最终累积为行业性的产能过剩问题。

而从计量分析结果看，还可以进一步推导出一些结论。第一，对国内钢铁行业而言，广泛存在的信贷扭曲严重制约了银行信贷支持效果，并最终干扰到企业投资行为、技术进步、产能调整、市场敏感度等方方面面。第二，银行信贷扭曲实质上超越了政府直接干预，主导了钢铁行业的产能格局恶化及产能过剩形成，并实质增加了依靠市场力量自发去产能的难度。第三，信贷扭曲也引发了钢铁行业的企业僵尸化趋势，那些年限越长、资产越重的企业反而具有越低的市场敏感度，同时存在更大的去产能障碍，且这种现象出现了跨越所有制的扩散现象。第四，钢铁企业的投资效率和市场敏感度均呈现出明显规模效应，相对于利益均沾型的呵护和救助，适当产能集中和产业整合有利于推动钢铁行业的产业升级和产能优化。

2.政策建议

综合前面的结果讨论，重构银企关系，消除信贷扭曲现象是防止钢铁企业僵尸化，进而推动钢铁行业技术进步、产能格局优化并实现产业转型升级的关键。其中，信贷体系改革、产业加速整合、创新支持体系建设三个方面至关重要。首先，应该深化银行信贷体系改革，规范政府行为，转变政府职能，减少地方政府通过各种途径和方式对银行信贷行为施加的行政干预；同时，也需要推动银行自身的信贷决策体系改革，避免其出于坏账掩盖动机或隐性担保考量而提供的不合理信贷支持，避免银企共生问题。其次，由于诸多历史因素的制约，钢铁行业的转型升级不能简单依托于市场化力量，而需要借助对企业兼并重组和产能整合的积极政策引导，来进一步提升企业投资行为和产能利用对于市场需求变化的敏感度，实质上减少“僵尸企业”，推动钢铁行业产能格局的优化。最后，鉴于直接的政府补贴和就业责任担当不利于钢铁企业技术进步，在行业创新支持体系建设方面，可参照德国产业转型的历史经验，放弃简单的信贷支持或企业补贴，而由政府更加积极地介入到企业技术创新或设备更新改造环节，包括强化工业谍报、推动国外技术引进吸收，乃至于加速实验室技术的生产应用等，这样方能更加有效地推动钢铁等传统重工业领域的技术进步和产业升级，最终推动供给侧结构性改革目标的实现。