朱昇之

（扬州大学，江苏 扬州 225000）

引言

改革开放以来，我国金融业得到迅速发展并取得了历史性成就。习近平总书记多次强调要深化金融供给侧结构性改革，而金融供给侧改革实际上就是不断放松对银行业的管制，市场准入管制也是政府监管银行的重要方式之一（蔡卫星，2016）。随着金融体制改革的推进，各类城市商业银行、农村商业银行等兴起，进一步提升了银行业的集聚程度，与制造业形成互动发展的格局。银行贷款是我国企业融资的主要方式。银行贷款的可获得性会导致企业面临内部融资成本和外部融资成本的巨大差异，从而出现投资中断等问题，继而严重影响到企业投资水平。在制造业发展过程中，形成了多种专业化的产业集聚园区，呈现出明显的产业集聚现象，出现了生产性服务业的跟随集聚，同时生产性服务业的集聚也吸引了制造业的靠近。银行业属于生产性服务业。银行业为制造业提供资金，所以制造业企业会向银行业聚集的地区趋近；与此同时，银行业为了拓展业务而不断接近制造业企业，为了节省交易成本，银行业会选择趋向于制造业企业周围，由此会产生银行业与制造业企业协同集聚的现象。银行业与制造业协同集聚能够通过产业间的互动形成银行业与制造业的共生经济，提高制造业企业的产出效率与产出质量，形成规模经济。中国经济“做大经济规模”的目标在高速增长阶段已基本达成，如今“提升发展质量”已成为新时代的主导方向。在此背景下，从协同集聚的角度，研究银行业与制造业协同集聚对制造业企业投资水平的影响，必然是事关中国经济增长领域的前沿问题。

基于以上思考，本文通过构建我国银行业和制造业在地级市层面上协同集聚指数，研究协同集聚对我国制造业企业投资水平的影响情况。本文较以往研究有以下创新点。首先，构建了衡量银行业和制造业企业协同集聚程度的指标，是国内少数关于银行业与制造业协同集聚的相关研究。其次，利用工业企业数据在研究样本的过程中更能全面反映协同集聚对制造业企业投资水平的影响情况。

一、理论分析

Ellison and Glaeser等（1977）首次提出产业协同集聚，并对其进行定量分析。路江涌等（2016）研究表明，我国制造业之间的协同集聚水平逐渐提高。杨桐彬等（2020）提出，生产性服务业产生的规模经济促进了信息流通，从而降低了企业交易成本，加快形成了制造业和生产性服务业的协同集聚。已有文献一直在尝试探究影响企业投资水平的因素。Allen et al.（2017）提出，我国企业融资主要通过向银行贷款进行，银行集聚导致的银行竞争会进一步有效发挥银行的资源配置作用，促进企业的信贷可获得性，从而有利于提高企业投资水平。而有少部分学者则认为，企业融资约束的加剧会降低企业投资水平（张新民，等，2017）。

银行业作为生产性服务业为制造业企业提供信贷，降低了制造业企业的融资成本，所以制造业企业趋近于银行业聚集的地区；同时，银行业为了拓展业务，节省交易成本，会选择趋向于制造业企业周围，由此产生了银行业与制造业的协同集聚现象。银行业与制造业协同集聚在增加信贷供给的同时也提高了企业负债水平，出于维护自身利益的目的，银行有动机对借款企业发挥治理作用，优化贷款条款，加强客户筛选，进而改善贷款质量，从而促使企业投资优化，提高企业投资水平。据此提出本文的研究假设：银行业和制造业协同集聚促进了制造业企业投资水平的提高。

二、实证模型

（一）设定模型

在参考已有文献以及数据样本特征的基础上，设定如下模型进行检验：

其中，Investment为制造业企业的投资水平，下标i、j、k、t分别表示企业、行业、地区和年份；Co_agg为核心解释变量，表示银行业与制造业协同集聚指数；Ctrl为微观层面控制变量的集合。考虑到企业所属行业等存在异质性，采用混合OLS模型进行检验，即加入行业层面的虚拟变量η、省份层面的虚拟变量η、年份层面的虚拟变量η。ε为随机扰动项。

（二）变量及说明

1.被解释变量

被解释变量Investment表示企业投资水平，为在t年地级市k属于行业j的企业i的固定资产及无形资产的增量占总资产的比例。

2.主要解释变量

解释变量Co_agg表示银行业和制造业协同集聚指数（Co_agg，co-agglomeration），表示地级市k制造业行业j和银行业在t年的协同集聚程度。参考张虎等（2017）的处理方法，在构建制造业和银行业区位熵指数以刻画集聚程度的基础上，估算制造业与银行业协同集聚程度，公式如式（2）所示：

LQ是j地区i产业在全国的区位熵指数，q是j地区i产业的就业人数；q是j地区份制造业与银行业的就业人数，q是全国i产业的就业人数，q是全国制造业与银行业的就业人数。

式（3）中，LQ为制造业的集聚指数，LQ为银行业的集聚指数，LQ为制造业与银行业协同集聚指数。

3.控制变量

Ctrl为控制变量，其中，企业规模（Size）用年均从业人数的自然对数表示，创新（Innovation）用新产品产出与销售额的比值表示，技术水平（TFP）使用OP半参数方法计算。资产负债率（Lev），以总负债与总资产之比表示。还设计了行业层面的虚拟变量（η），省份层面的虚拟变量（η）以及年份层面的虚拟变量（η）；最后，ε是随机误差项。

4.其他变量

首先，设计了行业层面的虚拟变量（η），来控制行业层面的固定效应产生的各种影响。其次，设计了省份层面的虚拟变量（η），控制省份层面的固定效应产生的各种影响。再次，设计了年份层面的虚拟变量（η），用来控制我国金融发展阶段性变化等各种影响。最后，ε是随机误差项。

（三）数据和相关处理

本文数据主要来源于金融活动普查数据及中国工业企业数据库，银行业集聚指标根据银监会对银行业2006—2011年金融活动普查数据提供的银行就业人数等信息计算得出，制造业企业相关数据为按二分位行业标准划分的30个制造业行业企业数据。本文剔除了固定资产总值小于零或缺失的样本，以及流动资产小于固定资产、固定资产小于总资的样本企业来保证数据的有效性，并对地级市代码进行匹配，得到2006—2011年257个地级市银行业集聚指标，以及353 808家微观企业的企业财务指标。

（四）描述性统计

表1为本文主要变量的描述性统计结果。从表1中可以发现，企业投资水平的均值为15.51，表示制造业企业投资呈增加态势，制造业企业平均规模为4.8，全要素生产率的均值为7.175，创新的均值为0.118，资产负债率的均值为51.8%。

表1 主要变量的描述性统计

三、实证检验

（一）基准回归

根据表2基准模型回归结果，第（1）列展示了利用二分位计算的协同集聚指数进行回归的结果，回归系数为0.114且在1%的水平上通过了显著性检验，可以得出，银行业和制造业的协同集聚显著促进了企业投资水平的提高；第（3）列利用四分位行业计算的协同集聚指数进行回归，回归系数显著为正。

本文参照Chong et al.（2013），运用工具变量来缓解协同集聚与企业投资水平之间可能存在的反向因果问题，工具变量采用相邻地区银行业和制造业的协同集聚指数。具体结果见表2第（2）、（4）列，协同集聚指数系数仍然显著为正，进一步说明检验结果稳健。

表2 基准模型回归结果

四、结论与启示

本文利用2006—2011年工业企业数据以及银监会对全国银行业的金融活动普查数据，研究银行业制造业协同集聚对制造业企业投资水平的影响。研究发现，银行业制造业协同集聚促进了制造业企业投资水平的提高。

本文的研究结论对促进我国金融供给侧结构性改革及制造业企业的高质量发展具有重要作用。首先，我国银行业与制造业协同集聚的整体水平仍然偏低，未来可以通过制定相关政策进一步加大对金融体制的改革，逐渐提高银行业与制造业企业协同集聚的水平。其次，近年来我国致力于提高银行市场化程度，打破了国有银行的垄断地位；今后应该继续扩大金融服务机构的覆盖范围，促进普惠金融发展，通过发挥银行集聚的信息、资金优势，优化制造业集聚，促进制造业企业投资水平的提高。最后，我国银行业应该更加充分地发挥金融机构服务实体经济的作用，为中小企业发展提供动力，促进经济的高质量发展。