高利芳，李 璐

一、引 言

多元化经营是企业开拓市场、扩张规模的重要战略选择之一。学者基于交易成本理论、资源基础理论、投资组合理论、市场势力理论、委托代理理论等提出了多种解释(李晓蓉，2003)，阐明了企业采取多元化战略有着复杂的现实动因，主要受到内在因素与外在环境的交互影响(Hoskisson et al，1990)。近年来中国产业升级转型加快，经营压力不断上升。传统行业企业希望通过跨行业投资寻求利润增长，弥补主营业务的业绩不佳；而崛起的新兴行业企业为降低营运成本，也希望通过收购业务相关企业以“打通”上下游产业链，由此企业纷纷踏入多元化发展进程。现有研究从公司绩效(张纯 等，2010；游家兴 等，2014)、价值(Berger et al，1995；金天 等，2005)、风险(Chiu，2007；张敏 等，2009；徐业坤 等，2020)、资本成本(姜付秀 等，2006；Hann 等，2013；林钟高 等，2015)等角度，较为广泛地探讨了多元化经营为公司带来的直接收益，但就多元化经营对公司利益相关者决策和行为影响的研究相对较少，而上述影响会间接影响到公司利益。

债权人是公司利益相关者之一。债权融资特别是银行信贷融资一直以来是中国企业融资的主要形式。中国人民银行对社会融资规模的调查统计显示，截至2020年末，社会融资总规模达到284.83万亿元，其中对实体经济发放的人民币贷款余额171.6万亿元，占同期社会融资规模存量的60.2%(1)中国人民银行《2020年社会融资规模存量统计数据报告》，http://camlmac.pbc.gov.cn/goutongjiaoliu/113456/113469/4161741/index.html.。显而易见，银行贷款在融资总量中占据绝对优势。企业选择向银行借款而不选择其他融资方式，主要原因是在中国当前市场条件下，同其他融资方式如增发股票、发行债券相比，银行信贷资源具有获取速度快和受到监管少的独特优势(管考磊 等，2021)，相比民间借贷等非政府监管的融资方式则可以节省大量成本。因此中国金融体系仍属于以间接融资为主的“银行主导型”金融体系(祝继高 等，2020)，信贷资源的有效配置对于企业和银行而言均具有十分重要的意义。

学术界对银行借款融资的影响因素研究在宏观与微观层面都给予了充分关注，然而探讨公司战略层面特别是多元化经营对银行借款融资影响的文献较少，且主要关注了多元化经营对借款成本而非借款可得性的影响，结论也不一致(Aivazian et al，2015；Demirci et al，2020)。国内研究中，朱江(1999)、丁重等(2008)发现中国上市公司多元化经营并不能显著提高其负债率。由于研究时间较早，新形势下上述结论是否成立有待重新检验，这是因为多元化经营的后果受到制度环境与经济稳定性的影响而具有条件依赖性(Chakrabarti et al，2007)。吴昊旻等(2017)研究多元化经营与商业信用供给的关系时涉及多元化对银行贷款的影响，但并非其研究重点，也未对相关的作用机制进行探讨。在当前不确定性因素增多、经济下行压力加大的背景下，银行风险偏好下降、信贷资源配置趋紧，研究多元化经营与银行借款融资间的关系对于公司战略管理、缓解融资约束更具现实意义。

本文以2012—2019年中国沪深A股上市公司作为样本，检验企业多元化经营战略与银行借款融资间的关系，探讨其对银行借款融资规模和期限方面的影响，并从公司风险角度分析其影响机制。本文的贡献主要体现在三个方面：第一，丰富了企业多元化经营经济后果和银行借款融资影响因素研究的相关文献，为二者之间关系的理论探讨提供了经验证据；第二，揭示了企业多元化经营对银行借款融资的影响机制，对企业强化风险管理意识、明确风险管理路径以降低融资约束具有启示意义；第三，在商业模式不断创新、去杠杆与混合所有制改革稳步推进的背景下，本文研究结论对企业经营、融资与产权的战略变革与平衡，具有一定参考价值。

二、理论分析与研究假设

当前在银企信贷关系中存在严重的信息不对称问题(于蔚 等，2012)，风险规避便成为银行信贷决策中重要的考虑因素(张晓松，2000)。多元化战略影响公司风险进而影响公司银行信贷资金的获取。首先，多元化经营公司同时涉足多个行业，而各行业发展状况并非完全相同，依据投资组合理论，多元化经营可以减少单个行业经营失败给公司造成的风险损失，并且因行业景气轮动降低公司的非系统性风险和破产风险(张纯 等，2010；Buchner et al，2017)。其次，多元化经营能帮助企业扩大规模，一方面可以产生规模经济效应、提高经济效益(袁淳 等，2010)；另一方面可以通过多市场联系增强市场势力，提高抗风险能力(Bernheim et al，1990)。最后，多元化经营公司所涉猎行业或业务分部面临的投资机会和现金流不完全相关，因此可以通过构建内部资本市场实现内部的资金调集或融通，这种财务协同既有助于减少公司的融资需求、缓解融资约束，又可以降低公司未来现金流波动性和财务危机的可能性(Lewellen，1971；Aivazian et al，2015)。

除了降低公司自身风险，部分学者还论证了多元化经营能降低信息使用者与公司之间的信息不对称风险。依据“信息多元化”假设，外部投资者对多元化公司每个业务分部现金流所做的预测都会产生误差，如果这些误差非正相关，由于存在抵消效应，对多元化公司财务预测的绝对误差值相比于专业化公司可能更小(Hadlock et al，2001；Thomas，2002)。Thomas(2002)发现多元化程度提高并没有增加信息不对称，Clarke等(2004)验证了多元化公司面临的信息不对称问题更少。何熙琼等(2020)发现，多元化投资组合的风险分散效应可以降低公司盈余波动性和现金流预测误差，有助于提高分析师预测的准确性。此外，多元化经营的企业财务报表需汇总列报，增加了管理层盈余操纵的难度(Aivazian et al，2015)，一定程度上也有助于降低信息不对称风险。

综上，多元化可以降低公司的经营风险，有助于企业保持经营的长期稳定性，并且公司与信息使用者间的信息不对称风险也较低，这些因素利于企业获得银行贷款。Lewellen(1971)认为，各业务分部现金流的共同保险效应强化了多元化公司的举债能力。南晓莉等(2016)认为从银行的角度出发，当信息不对称时，银行向多元化公司借款比向专业化公司借款更有利。由此，本文提出假设：

H1：其他条件一定的情况下，多元化经营与银行借款融资约束负相关。

然而，多元化经营也可能无法缓解银行借款融资约束。Comment等(1995)、丁重等(2008)都未发现多元化经营增加企业债务融资的证据。前者认为多元化公司的管理者可能没有利用其举债能力，后者认为多元化产生的共同保险效应是微弱的。其他学者从资源约束、内部资本错配层面论证了多元化经营的风险动因。一方面，多元化经营的各行业仍面临共同的系统风险，而且基于资源的有限性，在各业务分部间分配资源会产生内部冲突。资源分散使得企业难以在各项经营业务中与最强硬的对手展开竞争反而增加了风险(唐华，2001)，且资源分散也不利于企业核心业务的扩大，削弱了企业原有产品市场竞争力，从而威胁其盈利能力、增大经营风险；另一方面，多元化经营进入多市场提高了对管理层行业知识的广度和深度要求，增大了决策失误风险(杨强 等，2008)，并且资源有限与业务多元之间的矛盾激化了管理层的寻租、权力斗争问题，公司规模过大也加重了代理问题(Scharfstein et al，2000)，由此导致决策道德风险也进一步加大。具有内部资源配置功能的内部资本市场成了管理层错误决策的执行平台，产生过度投资、交叉补贴等资源错配、非效率投资行为(Berger et al，1995；Rajan et al，2000)，从而增大公司的经营风险。就多元化经营是否降低了信息风险，学者们依据“信息透明度”假设也提出不同观点。他们认为多元化经营具有复杂性，但对外公布的合并报表不能使外部信息使用者充分了解各业务分部财务信息，因此信息透明度低，公司内外部间可能存在更大的信息不对称，投资者无法对多元化公司做出正确评估(Habib et al，1997)。信息不对称和经营不确定性会增加银行做出错误信贷决策的风险，银行作为理性经济人，出于对风险和收益的权衡，会倾向于做出更为谨慎的信贷决策。由此，本文提出H1的对立假设：

H2：其他条件一定的情况下，多元化经营与银行借款融资约束正相关。

三、研究设计

(一)样本选择与数据来源

本文选取2012—2019年沪深两市A股上市公司作为初始样本，并对样本进行了如下处理：(1)剔除ST和*ST公司样本；(2)剔除金融类企业样本；(3)剔除主要数据变量缺失或异常的企业样本。最终获得银行借款规模层面的样本量为8455个公司/年度观测值，由于有的公司借款总额数值为零，借款期限层面的样本量减少为8360个。有关企业多元化经营的分行业数据和银行借款数据均来源于Wind数据库，其余数据来源于CSMAR数据库。数据处理及实证分析均使用Stata15.1软件。为降低异常值对研究结论的影响，对连续变量在1%和99%水平上进行了缩尾处理。

(二)模型设定与变量定义

为了验证研究假设，本文构建如下计量模型：

LOAN/MATU=β0+β1HHI/NUM+β2SIZE+β3LEV+β4FIX+β5GROWTH+β6ROE+β7CASH

+β8CURRE+β9MANA+β10TOBINQ+β11LOSS+β12AGE+β13OWNER+β14TOP

+β15DUAL+β16HOLD+β17INST+β18BC+ΣIND+ΣYEAR+ε

(1)

参考戴亦一等(2009)、张敦力等(2012)的研究，本文以银行借款规模和借款期限作为被解释变量银行借款融资的代理变量。银行借款规模(LOAN)用银行借款总额(短期借款+长期借款+一年内到期的非流动负债)占总负债的比例衡量。银行借款期限(MATU)则以长期借款占借款总额的比例衡量。解释变量多元化经营，借鉴杨兴全等(2020)的研究，以赫芬达尔指数(HHI)和经营行业数(NUM)作为多元化的代理变量。为了便于解释，HHI使用1减去企业中各行业的销售收入在企业总销售收入中占比的平方和计算，将赫芬达尔指数转为正向指标，指数越大多元化水平越高(游家兴 等，2014)。本文以行业销售收入占主营业务总收入10%以上的行业个数衡量公司跨行业数。为克服异方差问题，对跨行业数取自然对数得到经营行业数NUM(吴昊旻 等，2017)。本文还参考Kim等(2011)、郑军等(2014)的研究，控制了可能影响公司融资能力的特征及治理变量。此外，企业与银行建立关系可能有助于增加企业债务融资规模，本文参考翟胜宝等(2014)的研究控制了银企关系，如果公司存在聘任具有银行背景的人员担任高管、企业持有银行的股份以及银行持有企业的股份这三种情况之一的为存在银企关系。模型还引入行业和年度虚拟变量控制行业和年度特征对银行借款融资的影响。变量定义详见表1。若模型(1)中HHI或NUM的系数β1显著为正，说明多元化水平越高，企业获得银行借款规模越大，借款期限越长，则假设H1成立，反之则支持假设H2。

表1 主要变量及其定义

四、实证结果分析

(一)描述性统计与相关性分析

1.描述性统计

表2报告了主要变量的描述性统计情况。其中，银行借款规模LOAN的最小值为0，最大值为0.893；银行借款期限MATU的最小值为0，最大值为0.923，表明不同企业的银行借款在规模和期限方面均具有一定差距。多元化变量HHI的均值与标准差分别为0.251和0.252，与徐业坤等(2020)以2007—2017年A股上市公司样本计算的均值0.228和标准差0.232相差不大。多元化水平的另一测度指标NUM的最小值和最大值分别为0和1.792，标准差达到0.455，与吴昊旻等(2017)以相同方法计算的指标(最小值0、最大值1.609、标准差0.439)相比也较为类似。控制变量方面，中国上市公司在公司规模、固定资产比例、成长性、公司业绩和公司治理结构上差异较大。其中，42.3%的样本公司为国有企业，22.4%的公司董事长和总经理两职合一，股权集中度均值为35.1%，46%的样本公司建立了银企关联。

表2 主要变量的描述性统计

2.相关性分析

主要变量之间的相关性分析结果显示，除了赫芬达尔指数(HHI)和行业数目(NUM)的相关系数较高外，其他变量的相关系数均较低。由于HHI和NUM是分别作为解释变量代入模型中进行回归的，因此本文的研究不受多重共线性的影响。方差膨胀因子的检验结果显示所有因子均值不超过1.58，最大值为2.26，远小于10，这也表明变量间无严重多重共线性问题。多元化变量HHI、NUM与银行借款融资的两个变量LOAN和MATU都在1%水平上显著正相关，相关系数结果初步支持了假设H1。限于篇幅相关表格不再列示。

(二)回归结果分析

1.多元化经营与银行借款规模的回归分析

表3报告了多元化经营与银行借款规模之间的回归结果。列(1)、列(2)未控制行业和年度，多元化变量HHI、NUM的系数均在1%的水平上显著。列(3)、列(4)控制行业和年度，结果的显著性保持不变。可见企业多元化经营程度与所获银行借款规模正相关。

表3 多元化经营与银行借款规模的回归检验结果

2.多元化经营与银行借款期限的回归分析

表4报告了多元化经营与银行借款期限之间的回归结果，变量放入的步骤与表3相同。从表4可以看出，无论是否控制行业和年度，多元化变量HHI和NUM的系数都显著为正，表明多元化经营程度与银行借款期限正相关。综合表3和表4的回归结果，多元化经营与银行借款融资水平呈正相关关系，多元化水平的提升有助于企业获得更多的银行借款，拥有更长的借款期限，支持了假设H1。控制变量中，是否亏损(LOSS)的系数始终为负，表明亏损企业面临的银行借款融资约束水平更高；固定资产比例(FIX)与银行借款融资的回归系数显著为正，意味着企业固定资产占比较高，利于获得银行借款，符合银行放贷要求企业用固定资产作为风险抵押品的一贯做法；银企关系(BC)的系数均为正，其中与借款规模的回归系数在1%的水平上显著，表明有银企关系的企业易获得更多银行借款。

表4 多元化经营与银行借款期限的回归检验结果

(三)稳健性检验

1.替换解释变量及被解释变量

为了提高研究结果的稳健性，本文参照杨兴全等(2020)的做法，以多元化虚拟变量(DIV)和熵指数(EI)作为解释变量多元化经营的代理变量，其中，多元化虚拟变量DIV，当行业数目>1时，取值为1，否则取值为0；熵指数EI=∑piln(1/pi)，pi为第i个行业在总收入中的比重，指数越大，多元化程度越高。此外参照王迪等(2016)的做法，用短期借款、长期借款、一年内到期的非流动负债之和与总资产的比例作为被解释变量银行借款融资的代理变量，记为LOAN2。将上述变量代入模型(1)的回归结果如表5所示，限于篇幅未列示控制变量的具体回归系数。从表5可以看出，DIV、EI、HHI、NUM的系数均显著为正，可见改变多元化经营与银行借款融资的度量，回归结果依然支持假设H1。

表5 替换解释变量和被解释变量的回归检验结果

2.固定效应模型

为了排除公司特质等不随时间改变的遗漏变量对研究结果的影响，本文进一步采用固定效应模型来减轻公司层面因素对研究结论的干扰。固定效应模型回归的结果见表6列(1)至列(4)。结果显示，多元化变量HHI与NUM的系数依然显著为正，这表明在控制公司层面特质因素后，研究结果依旧稳健。

3.解释变量滞后一期

考虑到企业多元化经营战略可能是内生的，为减少内生性问题的可能影响，本文对解释变量和财务指标类控制变量又做了滞后一期的处理。检验结果如表6列(5)至列(8)所示，其中L.HHI和L.NUM分别为赫芬达尔指数HHI和行业数目NUM的滞后一期，其回归系数显著性有所下降但依然为正，结果表明研究结论未发生变化。

表6 固定效应模型与解释变量滞后一期回归检验结果

4.倾向得分匹配

本文进一步借鉴徐业坤等(2020)的研究，运用倾向得分匹配法缓解内生性问题，将赫芬达尔指数HHI、熵指数EI按照中位数分别生成哑变量HHID、EID。采用Logit模型对实验组进行最大距离为0.05的1∶1最近邻匹配，将样本组分为控制组和实验组。选取的协变量为行业(IND)、年度(YEAR)、公司规模(SIZE)、财务杠杆(LEV)、固定资产比例(FIX)、公司成长性(GROWTH)、公司业绩(ROE)、经营现金流(CASH)、流动比率(CURRE)、管理费用率(MANA)、公司价值(TOBINQ)、是否亏损(LOSS)、公司年龄(AGE)、股权性质(OWNER)、银企关系(BC)。匹配后满足平衡性假设，所有匹配变量标准差的绝对值均小于10%，而且处理组与控制组的协变量无系统差异，表明经过倾向得分匹配后，企业的特征差异得到较大程度的消除。对匹配成功的样本重新回归，回归检验结果如表7所示，HHID、EID的系数均显著为正，基本结论与前文一致。

表7 PSM回归检验结果

5.工具变量两阶段回归

银行信贷决策可能会形成融资约束进而影响企业多元化经营行为，即反向因果关系可能对本文研究结论产生噪音干扰。本文进一步借鉴廖明情等(2019)的处理方法，以政府干预(GOV)作为企业多元化经营的工具变量，运用两阶段最小二乘法予以检验。基于政府视角而言，出于政治目标和社会职能考虑，政府可能会要求企业进行更多的多元化投资(陈信元 等，2007)。进一步地，企业也会顾及同政府之间的关系，多元化战略相对于专业化战略而言更有利于企业从政府层面获得更多的经济资源(马忠 等，2010)。参照刘修岩等(2013)的做法，以地方财政支出占地区GDP的比重来度量政府干预程度，其比重越大，地方政府干预程度越高，而地区总体财政支出水平与单个企业从银行获取的借款情况无直接关系。因此该变量符合工具变量相关性与外生性的两个条件。表8报告了工具变量回归的结果，F统计值均大于10，通过了弱工具变量检验。多元化经营与银行借款融资的回归系数见表8列(3)至列(6)，均显著为正，研究结论依旧稳健。

表8 两阶段最小二乘法的回归检验结果

五、进一步的分析

(一)多元化经营影响银行借款的机制检验

依据前文的理论分析，企业多元化经营可能因为降低风险而对企业银行借款融资产生影响。为验证风险在多元化经营与银行借款融资之间的中介效应，本文进一步进行相应的机制检验。具体地，下文主要基于信息风险和经营风险视角加以考察。

1.信息风险的中介效应检验

大量研究表明财务分析师是解决信息不对称的重要机制(徐欣 等，2010)，因此可以用分析师预测准确度来衡量信息不对称程度(施先旺 等，2015)，作为信息风险的代理变量。分析师预测准确性越高，企业信息披露透明度越高(方军雄，2007)，信息风险也就越低。在前文模型(1)系数β1显著的基础上，本文考察分析师预测准确度(ACCURACY)衡量的信息风险是否具有显著的中介效应。参考温忠麟等(2004)的方法，建立如下模型：

ACCURACY=γ0+γ1HHI/NUM+γ2SIZE+γ3LEV+γ4FIX+γ5GROWTH+γ6ROE+γ7CASH

+γ8CURRE+γ9MANA+γ10TOBINQ+γ11LOSS+γ12AGE+γ13OWNER+γ14TOP

+γ15DUAL+γ16HOLD+γ17INST+γ18BC+ΣIND+ΣYEAR+ε

(2)

LOAN/MATU=α0+α1HHI/NUM+α2ACCURACY+α3SIZE+α4LEV+α5FIX+α6GROWTH+α7ROE

+α8CASH+α9CURRE+α10MANA+α11TOBINQ+α12LOSS+α13AGE+α14OWNER

+α15TOP+α16DUAL+α17HOLD+α18INST+α19BC+ΣIND+ΣYEAR+ε

(3)

若γ1、α2均显著则中介效应显著，此时若α1显著则该中介效应为部分中介效应，否则为完全中介效应。同时，本文还采用Sobel检验和Bootstrap检验来判断中介效应的显著性。若中介效应成立，则在Sobel检验中，P<0.05(Z>1.96)，Bootstrap检验中标准误的置信区间不包括0。其中，分析师预测准确度ACCURACY依据Behn等(2008)、张焰朝等(2021)的计算方法，首先计算出不同分析师预测的每股盈余的平均数，然后减去公司对应年度实际的每股收益，再除以年初的股票价格，对上述结果取绝对值最后乘以负1得到ACCURACY，其数值越大，预测越准确。分析师盈余预测相关数据来源于国泰安CSMAR数据库。不含中介因子的检验在上文表3和表4已列示，模型(2)即中介因子检验结果见表9的(1)(2)列，模型(3)即含中介因子检验结果见表9的(3)至(6)列。

由表9列(1)和列(2)的回归结果可知，HHI、NUM回归系数均显著为正，表明多元化经营提高了分析师盈余预测准确度，“信息多元化”假设得到证实。进一步，由表9的(3)至(6)列结果可知，分析师预测准确度ACCURACY及多元化变量HHI、NUM的回归系数均显著为正。结合表3和表4的回归结果，表明信息不对称程度降低在多元化提高银行借款融资水平上起到部分中介作用。此外，中介效应Sobel检验的结果，均满足Z>1.96且P<0.05，中介效应成立；Bootstrap检验，进行1000次抽样的95%的置信区间均不包括0，表明中介效应显著存在。

表9 多元化影响银行借款的信息风险机制检验结果

2.经营风险的中介效应检验

依据前文理论分析，多元化经营能弱化银行借款融资约束也可能是因为降低了企业的经营风险，而企业的经营风险直接影响贷款的风险程度(牛锡明，1998)。对经营风险的度量本文参照李涛(2005)、魏锋等(2008)的研究，以应收账款、应收票据和其他应收款的总和占总资产的比例来衡量。选择该指标度量经营风险的原因在于：第一，应收款项比例越高，未来难以收回的概率就越高，经营风险也越高，并且应收款项比例还反映了企业利润操控程度，而利润操纵程度也反映了公司面临的经营风险(李涛，2005)。第二，应收款项比例高表明企业可能采用了较为宽松的信用政策，一定程度上反映了企业会计政策的不稳健性，而会计稳健性是缓解借贷双方由于信息不对称引起的代理问题的有效工具(王艳艳 等，2014)。第三，应收款项比例过高表明企业的商业伙伴占用企业大量资金，企业因资金短缺向银行融资获得贷款后催收应收款项的动力减弱，信用风险就由企业转嫁给了银行；或者应收款项收不回来是商业伙伴有道德或资金问题，当企业获得银行贷款后寻找更好的商业伙伴也会导致商业网络不稳定、经营风险波动进而增加银行信贷风险(弯红地，2008)。经营风险(RISK)相关数据取自CSMAR数据库，其中介效应的检验同模型(2)(3)，只是将ACCURACY替换为RISK。

由表10列(1)和列(2)的回归结果可知，多元化变量HHI、NUM与经营风险RISK的回归系数显著为负，表明多元化经营降低了企业经营风险。列(3)至列(6)显示，经营风险RISK与银行借款规模LOAN、借款期限MATU的回归系数显著为负，而多元化变量HHI、NUM的回归系数依然显著为正。结合表3和表4的结果，可见企业经营风险降低有助于缓解银行借款融资约束，且经营风险在多元化与银行借款融资的关系中发挥了部分中介作用。中介效应在Sobel检验和Bootstrap检验中也均显著。

表10 多元化影响银行借款的经营风险机制检验结果

(二)多元化经营影响银行借款的情境检验

1.产权性质的影响

企业产权性质差异以及政府干预导致大部分公司尤其是民营上市公司面临着较为严重的融资约束(邓可斌 等，2014)，在债务融资方面存在着信贷歧视(张敦力 等，2012)。政府会帮助国有企业获得银行贷款支持，银行较少考虑对国有企业的未来监督，这种情况下市场因素的影响就被弱化；而对非国有上市公司而言，银行会更多地考虑风险与盈利，给予企业更多的审核监督，市场因素和信贷风险评估在银行信贷决策过程中的地位得以凸显。据此本文预期，相比国有企业，多元化经营对银行借款融资的影响在非国有企业中更为明显。本文按照企业实际控制人的性质将样本划分为国有企业组和非国有企业组，对模型(1)进行分组检验，结果见表11，在非国有企业组中，多元化变量HHI和NUM的回归系数均显著为正，且都达到1%的显著性水平；而在国有企业组中，HHI和NUM的回归系数不显著。这说明多元化经营对非国有企业银行借款融资的影响更显著。Bootstrap法得到的经验p值也证实了上述差异在统计上的显著性。

表11 基于产权性质分组的回归结果

2.多元化程度的影响

凡事过犹不及。企业如果过度多元化可能导致资源过于分散，竞争力被削弱，经营风险加剧，进而不利于获得银行借款，因此本文考察企业多元化经营程度高低对其获得银行借款融资的影响是否存在差异，以是否大于企业所处行业年度的赫芬达尔指数(HHI)中位数为标准，将样本公司划分为低多元化程度组和高多元化程度组，对模型(1)进行分组检验。由表12可见，两组样本的多元化变量HHI、NUM的回归系数均为正，但在低多元化程度组中回归系数的绝对值和显著性程度更高，由Bootstrap法得到的经验p值也证实了上述差异在统计上的显著性。由此推断多元化程度对企业银行借款融资的影响力可能边际递减。

表12 基于多元化程度分组的回归结果

3.多元化类型的影响

多元化经营对银行借款融资的影响可能因多元化类型的不同而存在差异。公司多元化涉及的行业或者产品具有相似性，就属于相关多元化，没有相似性则为非相关多元化。相关多元化能产生协同效应，实现范围经济，但风险较大；而非相关多元化战略追求的是风险分散，因为不相关业务之间可以起到“对冲”作用。鉴于这两种多元化对公司风险的影响不同，本文进一步检验其对银行借款融资的影响。以2018—2019年制造业企业样本公司为对象，根据行业间的相关程度进一步分类，以行业内和行业间的熵指数分别衡量相关多元化和非相关多元化程度。借鉴邓新明(2011)的做法，以中国证监会《上市公司行业分类指引》(2012年修订)为主要依据，按照次类划分行业集，行业内和行业间的熵指数计算公式如下：

(4)

公式中，m为企业涉足的行业集数目，Pi为行业i收入占公司主营业务收入的比重，Pj为行业集j的收入占公司主营业务收入的比重。ER为行业内部的熵，反映相关多元化程度；EU为行业间的熵，反映非相关多元化程度。将EU与ER作为解释变量放入模型(1)进行回归，检验结果见表13，非相关多元化程度EU与银行借款融资规模(LOAN)和期限(MATU)存在显著正相关关系。可见相比于相关多元化，非相关多元化经营具有风险分散效应，因而有助于企业从银行获得借款融资。

表13 基于制造业样本多元化类型的模型(1)回归结果

六、结论与政策建议

本文以2012—2019年沪深A股上市公司为研究样本，分析和检验多元化经营对银行借款融资的影响，得出以下主要结论：(1)公司多元化经营对其银行借款融资能力具有显著正向影响，行业多元化程度与其银行借款融资的借款规模和借款期限呈正相关关系。(2)信息风险和经营风险的降低在公司多元化经营利于获得银行借款的关系中发挥了中介效应。(3)产权性质的不同显著影响公司多元化经营与银行借款融资之间的关系，多元化经营对银行借款融资的影响在非国有企业中更为显著，同时二者之间的关系在较低程度多元化和非相关多元化公司中更为显著。

综合上述研究结论，本文提出如下政策建议：就企业层面，在产业结构升级优化的时代背景下，应依据自身资源条件循序渐进实施多元化战略、做出合理融资决策，通过缓解信息不对称的途径提升自身借款融资能力，避免盲目多元化扩张，保持风险可控。就银行及监管机构层面，可进一步拓宽信息搜集渠道和提高信息识别与分析能力，全面考量企业风险，提升信贷决策效率。银行监管机构也应积极搭建银企信息共享和传递平台，有效缓解银企之间的信息不对称，政府相关部门应真正贯彻落实金融市场化改革各项措施，减少信贷歧视，使企业成为真正的市场主体。