杨立勋 孟德华

提 要：本文在重新界定工业杠杆率内涵并测度2001-2021年中国工业整体及分行业金融性杠杆率基础上，对其波动影响及行业金融性杠杆率异质性进行研究。研究结果表明：（1）工业金融性杠杆率能够真实衡量工业杠杆水平，而泛化的工业资产负债率会高估工业杠杆率，进而扩大工业金融风险。（2）工业金融性杠杆率周期和工业增加值增速周期呈现反向变动关系，其波动是由工业增长、行业规模、行业亏损、广义货币供应量以及行业存货周转率等多种因素共同作用的结果。（3）只有工业金融性杠杆率和工业金融债务率出现双高的行业，可认定其为存在高金融风险的工业行业。上述研究结论可为精准推进中国工业结构性去杠杆改革及防范工业金融风险提供依据。

一、引言

金融体系的健康与稳定事关经济发展大局，是供给侧结构性改革乃至经济高质量发展的重要保证。作为系统性金融风险检测的重点指标，金融杠杆对经济发展会产生放大效应。若能够合理运用金融杠杆，将金融债务转化为有效产出和盈利能力，不仅能够确保经济实体生产经营健康运行，还有助于加速行业经济的发展。但若对金融杠杆运用不当，偿付金融债务缺乏稳定来源，那么行业金融风险也会因此扩大，进而引发经济危机[1]。根据费雪的“债务—通缩”理论[2]，过度负债可能导致经济萧条。国际清算银行（BIS）的数据显示，2021年我国的总杠杆率为165%，早已超过了规定的90%的警戒值。为保证经济平稳运行，自2019年起，中央经济工作会议多次指出，要在保证经济平稳增长及总的宏观杠杆率相对平稳的情况下，持续推进结构性去杠杆改革。结构性去杠杆的前提是精准把握部门和行业的杠杆率水平。根据研究对象不同，可从宏观与微观两个维度测度杠杆率。宏观杠杆率反映全社会或国民经济分部门的相对负债水平，从全社会和分部门两个层面测度，用总债务/GDP来衡量。微观杠杆率反映经济体通过较小资本控制较大资本的能力，用资产负债率衡量。工业是国民经济的基石，是结构性去杠杆的重点对象之一，研究中国工业杠杆率意义重大。那么，如何科学界定和测度工业杠杆率？是否可以直接依据已有的宏观和微观杠杆率来测度中国工业杠杆率？中国工业杠杆率呈现出什么样的变化特征？如何依据杠杆率精准识别和选择去杠杆行业？对上述问题的回答，不仅有利于为推进中国工业结构性去杠杆提供依据，而且有利于为预警和防范中国工业领域的金融风险提供依据。

二、文献综述

根据明斯基的金融不稳定假说可知经济发展中的杠杆具有周期性。为规避杠杆率顺周期引起的金融风险，2008金融危机后国际银行监管领域将“杠杆率”这一监管指标作为资本监管的补充手段。但从理论上对杠杆率尚未形成统一的核算口径及衡量标准。经济研究中，分析“杠杆率”通常有宏微观两个视角[3]。根据国家资产负债中心（CNBS）数据显示，截止到2021年末，我国整体宏观杠杆率高达263.8%，远超国际上90%的预警阈值。其中非金融部门企业的杠杆率更是占到了154.8%，相比2008年的95.2%增幅高达62.6%。但是有学者提出，现行关于宏观杠杆率的测算方法可能并不准确，“存量/流量”的债务GDP比存在分子分母不可比的问题[4]。因为根据2008-2020年研究数据显示，以资产负债率衡量的非金融企业微观杠杆率上升幅度并不大，波动范围处于57%-61%。纪敏等通过测算得出，我国规模以上工业企业资产负债率有降低趋势，但非金融企业杠杆率却在不断升高也佐证了这一点[5]。由此可见，中国杠杆率结构性特征明显，宏微观杠杆率分化严重[6]。去杠杆措施的落实点应该是企业个体，因此微观杠杆率可能比宏观杠杆率更值得关注。李程等以货币流量理论和存款准备率上限为基础测出了中国工业杠杆率的合理微观波動区间，为工业结构性去杠杆提供了宝贵的参考标准[7]。但随后王竹泉等提出杠杆率实质是对金融性债务和偿债风险的衡量，传统杠杆率混淆了资本与资产，对真实杠杆率产生错估，扭曲了实体经济的收益与风险，导致信贷资源的错配[4， 8]。因此他对传统杠杆率进行了修正，并首次提出采用“资本结构杠杆率”和“债务收益比杠杆率”的双重测度体系。

作为经济发展新常态下保证经济平稳运行的重要政策，结构性去杠杆不应局限于部门层面，更应细化到具体行业，而已有杠杆率测度的文献很少具体到细分行业。与此同时，已有研究文献中运用的杠杆率测度指标存在负债和资产概念泛化的问题，具体而言，负债既包括经营性负债，又包括金融性负债；资产既包括金融资产，又包括非金融资产。杠杆率测度的根本目的是为了防控金融风险，而在传统的财务分析体系中计算总资产与总负债时不仅包括企业从投资者处获得的投资，还包括企业正常经营活动形成的经营性负债。事实上，企业正常交易间形成的债权债务关系，由于可以通过实体企业正常经营而无限续存，所以并不需要承担融资成本，也不会引起企业的债务危机。且从统计分析角度讲，如果从企业负债和资产中不剔除非金融性负债和非金融性资产，则会高估或低估杠杆率，所测结果不能精准判断工业企业的债务风险状态[4]，进而影响对潜在金融风险的识别及审慎政策制定的精准性。还需要强调的是，债务问题不仅仅是债务总量的问题，更在于资产质量及其产出效率[9]。为了更精准把握工业各行业金融杠杆债务状态，本文依据构建工业行业金融性杠杆率（工业金融性负债与金融性资产之比），在测度2001-2021年中国工业分行业金融性杠杆率的基础上，并参考刘晓光[9]的做法将金融性杠杆率分解为工业金融债务率与金融性资本产出比分析工业行业杠杆效率，并进一步分析和研究中国工业金融性杠杆率周期波动特征、影响因素及行业异质性。

三、中国工业金融性杠杆率测度及评价

（一）数据来源

根据《国民经济行业分类（2017）》并综合考虑数据收集等因素，本文将工业具体划分为：“采矿业”“食品、饮料制造及烟草制品业”“纺织及生活用品制造业”“木材加工、家具、造纸印刷和文教工美用品业”“炼焦、煤炭及石油加工业”“化学工业”“非金属矿物制品业”“金属产品制造业”“机械设备制造业”“其他制造业”“电力、热水、燃气及水生产和供应业”11个行业门类/大类。依据国家统计局每月发布的规模以上工业企业经济增长数据不难看出，中国规模以上工业经济运行与整个工业行业运行高度相关。为确保测度杠杆率的宏微观数据有效衔接，本文将核算数据设定在规模以上工业层面。其中总资产与负债总额数据来源于《中国工业统计年鉴》，分行业增加值来源于对《中国工业统计年鉴》《中国投入产出表》《中国统计年鉴》数据的整合，数据缺失部分通过对公布年份的数据使用内插法和外推法估算得出。由于金融性负债数据在《中国工业统计年鉴》中未给出，为此，本文运用国泰安数据库中非金融性负债占总负债比推算出规模以上工业层面的金融性负债数据。具体数据主要来自规模以上工业企业和沪深上市公司两个层面，其中规模以上工业企业相关数据来源于《中国工业统计年鉴》《中国投入产出表》《中国统计年鉴》《中国统计摘要》等。公司层面财务数据来源于国泰安数据库中2001-2020年的沪深A股相关行业上市公司财务报表。考虑到数据的准确性，剔除了PT、ST类等数据异常的公司，并对获得的公司数据进行1%和99%的缩尾处理。

（二）金融性杠杆率测度

2001-2021中国规模以上工业各行业金融性杠杆率测度结果见表1。

（三）测度结果评价

由图1可知，中国工业行业金融性杠杆率结构性特征显著。其中电力、热水及水的生产和供应业的金融性杠杆率居于工业各行业之首，并于2012年达到峰值61%，是同期金融性杠杆率最低的食品、饮料制造及烟草制品业的1.77倍。食品、饮料制造及烟草制品业的金融性杠杆率长期处于低位运行，且自2011年起连续十年居工业各行业最后一位，最低时仅有31%，近年来，受宏观经济下行及疫情冲击等因素影响略有回升达到35%。目前理论界形成的普遍共识是，重工业相对于轻工业为高负债行业。但通过本次对规模以上工业分行业金融性杠杆率测度发现，所得结果与理论界形成的共识有一定出入，即化学工业、非金属矿物制品业及机械设备制造业等三个重工业行业的金融性杠杆率并不高，平均仅为其他重工业行业的80%左右，与轻工业金融性杠杆率较为接近。相较于已有同类研究成果，本文测度的工业行业金融性杠杆率更能客观地衡量各行业的债务风险状态，从而可为主管部门制定结构性去杠杆政策提供依据。2015年12月中央经济工作会议首次提出去杠杆的宏观经济政策，对有效降低金融性杠杆率效果明显，从图1可以看出，2016年后，工业各细分行业的金融性杠杆率呈明显的下降趋势。但不可否认的是，“一刀切”式去杠杆政策的实施，对工业各行业发展带来了明显的负面冲击。朱澄通过研究杠杆率的适度性问题指出，不一定所有的高杠杆都会导致危机[10]。所以，中国杠杆问题不仅仅在总量层面，更在结构层面，对去杠杆的对象以及程度应该具体问题具体分析。为此，2018年4月2日，中央财经委员会召开第一次会议，首次提出“结构性去杠杆”政策。新政策实施后，各行业金融性杠杆率变化出现分化：“采矿业”“炼焦、煤炭及石油加工业”“非金属矿物制品业”“其他制造业”“电力、热水、燃气及水生产和供应业”等五个行业的金融性杠杆率呈现继续下降的态势，而“食品、饮料制造及烟草制品业”“纺织及生活用品制造业”“木材加工、家具、造纸印刷和文教工美用品业”“化学工业”“机械设备制造业”“金属产品制造业”等六个行业的金融性杠杆率则出现回升态势，与工业各行业对金融性杠杆需求差异的实际相符合，从一个侧面说明本文测度的金融性杠杆率对国家政策具有较好的敏感度，也印证出本文所选用测度指标的合理性。

四、中国工业及分行业金融性杠杆率波动分析

（一）工業整体金融性杠杆率周期波动

通过HP滤波测度的工业金融性杠杆率和增加值增长的周期波动变化趋势项呈现出此消彼长的波动变化关系（见图2）。工业金融性杠杆率下降是工业增速、资金周转速度、工业成本利润率共同作用的结果。2001-2007年期间，中国加入WTO，外需带动工业持续高位增长，工业增加值平均增速在10%以上，其中2007年达到21%，工业资金周转次数从0.69上升到1.13，工业成本利润率从6.1%上升到8.1%，工业金融性负债增速与工业金融性资产增速之比小于1，金融性杠杆率下降。2008-2009年期间，受全球金融危机影响，工业出口需求大幅度萎缩，绝大部分出口产品转内销，产品价格大幅下降，2009年工业增加值增速仅为4.8%，2009年工业成本利润率下降到7.2%，资金周转次数下降到1.09，工业金融性负债增速与工业金融性资产增速之比大于1，工业金融性杠杆率上升。2010-2011年期间，“四万亿经济刺激计划”的实施，带动工业增速回升，工业增加值增速连续两年保持在18%以上，2011年工业资金周转次数上升到1.24，工业成本利润率达到8.6%，工业金融性负债增速与工业金融性资产增速之比小于1，工业金融性杠杆率下降。2012-2015年，中国经济发展进入增长速度换挡期、结构调整阵痛期、前期刺激政策消化期“三期叠加”的阶段，工业增加值增速持续下降，从2012年的7.1%下降到2015年的0.7%，工业资金周转次数从2012年的1.20下降到2015年的1.08，工业成本利润率从2012年的7.8%下降到2015年的7%，工业金融性负债增速与工业金融性资产增速之比大于1，工业金融性杠杆率上升。2016-2018年期间，供给侧结构改革全面推进，工业增加值增速从2016年的4.4%上升到2018年的9.4%，工业成本利润率平稳上升，从7.3%上升到7.4%，工业金融性负债增速与工业金融性资产增速之比小于1，工业金融性杠杆率下降。2019-2020年期间，受宏观经济下行压力、中美贸易摩擦及新冠疫情的影响，工业出口萎缩，工业增加值增速从3.6%下降到0.3%，工业金融性负债增速与工业金融性资产增速之比大于1，工业金融性杠杆率上升。2021年，随着产业转型升级成效逐渐显现，工业增加值增速达到19.1%，高技术制造业带动工业增长9.6%，工业成本利润率上升至7.8%，工业金融性负债增速与工业金融性资产增速之比小于1，工业金融性杠杆率下降。

从图3可见，绝大部分行业金融性杠杆率与工业整体金融性杠杆率周期波动在重大事件的时间节点上（2001年、2008年、 2012年、2016年）相吻合，总体波动趋势一致，且与工业增加值增速周期成此消彼长的波动关系，纺织皮革、炼焦石油、其他制造业金融性杠杆率周期波动在部分时间节点与增加值增长率周期呈现同方向变动。2004-2010年期间，纺织皮革业的金融性杠杆率与增加值增长率周期之所以同处于上升期，其根源在于中国加入世贸组织、取消配额及出口体制的深入改革，导致纺织皮革出口持续快速增长，带动投资纺织皮革的企业数量增加和产能扩大，进而导致金融性杠杆率与增加值增长率周期同步上升。2008-2011年期间，炼焦石油业的金融性杠杆率与增加值增长率周期之所以同方向上下波动，其根源在于炼焦石油产出增加的同时，原材料成本、销售费用及应收账款增加，该行业只有通过加大金融性杠杆确保其生产经营正常运行，金融性负债上升；而在炼焦石油产出减少的同时，原材料成本和销售费用及应收账款减少，该行业金融性杠杆需求减少，由此导致工业金融性杠杆率与工业增速周期同方向上下波动。2000-2015年期间，其他制造业（日用塑料杂品制造，废弃资源综合利用业、金属制品、机械和设备修理业）的金融性杠杆率与增加值增长率周期之所以同方向上下波动，其根源在于该行业产品标准化程度低，行业准入门槛低，加之该行业发展需依附于其他行业的发展，从而使该行业发展呈现出更加鲜明的顺周期变化特征，即当该行业处于上升期，则吸引更多融资进入该行业，在行业金融性负债增加的同时，行业企业数量、产能、产出同步增加，最终导致行业金融性杠杆率与增周期同步上升。2016年后，该行业集中度提高，除2020年受疫情冲击影响增速下降之外，其他年份增速平均保持在6.7%以上，2021年达到37%，而工业金融性杠杆率则从50%下降到2021年47%，增加值增长率与金融性杠杆率波動呈现反方向变动特征。

（二）工业金融性杠杆率波动影响因素分析

工业金融性杠杆率波动是一系列因素共同影响的结果。通过对工业金融性杠杆率与工业增加值增长率周期波动分析可知，两者具有此消彼长的关系，且从内在的变化逻辑关系讲，工业增加值增长率是工业金融性杠杆率变动的原因。工业增加值增长率上升，一方面，行业企业在期内通过自有资金偿还金融性负债，从而使期末金融性负债减少；另一方面，期内库存现金、银行存款、应收账款、应收票据、垫款、其他应收款、债权投资、股权投资等金融性资产增加，从而使期末的行业金融性杠杆率降低，反之，则会导致期末金融性杠杆率提高；期内以固定资产表示的行业规模扩大导致金融性债务增速大于金融性资产，从而使期末金融性杠杆率上升；若期内行业亏损面扩大，要保持亏损企业正常运行，必将增加金融性负债，从而使期末金融性杠杆率上升；若期内的增加激发行业企业融资冲动，则会提高金融性杠杆率，反之，则会降低金融性杠杆率；若库存周转率加快，企业盈利能力增强，则会使金融性负债增速小于金融性资产增速，进而使期末行业金融性杠杆率下降，反之，则会使期末金融性杠杆率提升；考虑到行业差异，对因遗漏变量产生的内生性问题，以及不同年份带来的不可观测冲击影响，本文通过采取固定双向效应的方法来消除此类因素对于回归结果的干扰，构建如下模型探究杠杆率影响因素：

在具体分析中将有关经济变量根据行业规模以上企业个数平均后取对数。平均的目的在于使经济变量更好地反应行业一般水平，取对数则在一定程度上增强时间序列的平稳性，使回归结果更稳健的同时强化了模型的经济学含义。此外，为消除多重共线性对模型的干扰，回归过程与结果将以逐步回归的方法展示。最后，对整理好的数据进行异方差稳健标准误下的最小二乘回归。变量的基本描述性统计与回归结果如表2、表3所示。

从表3可知，当模型一中将行业工业增加值作为唯一的解释变量时，行业工业增加值回归系数在1%的置信水平上显著为正。说明在不受其他影响因素制约时，工业经济增长给投资者带来的乐观预期会使工业金融性债务增速大于工业金融性资产增速，进而金融性杠杆率升高。但现实中，行业金融性杠杆率的变化是多种影响因素共同作用的结果。在回归中体现为，当逐步增加解释变量后，行业工业增加值系数在5%的置信水平条件下由正转负。其中行业规模对金融性杠杆率的影响显著为正，表明规模较大的行业融资能力更强，金融性杠杆率由于受金融性负债增加的影响而升高。行业亏损对金融性杠杆率的影响同样显著为正，则说明生产经营中行业亏损面越大，其金融性资产减值就会越快，金融性债务偿还能力的下降，导致金融性杠杆率的上升。增速是反应信贷市场宽松程度的重要宏观环境指标。通常，较为宽松的信贷环境，可以满足行业更多的融资需求，在模型中体现为增速与金融性杠杆率在1%的显著性水平下正相关，符合理论预期。此外，金融性杠杆率还会受存货周转率影响，存货周转率反映了行业存货的周转速度，是衡量行业投入生产、存货管理水平、销售收回能力的综合性指标，二者关系负显著相关表明存货周转速度越快，金融性杠杆率越低。

考虑到模型中还可能存在双向因果导致的内生性问题，参考张传财等的做法[13]，将所有解释变量滞后一期与当期杠杆率再次进行回归（模型六），回归结果显示各解释变量系数显著性及符号未发生改变，由此证明本文研究结论具有一定的稳健性。最后从拟合优度角度来看，各模型的值和调整后的值均较高，这也一定程度上从侧面说明了本次回归结果的可靠性。

五、中国工业行业金融性杠杆率异质性分析

工业金融性杠杆率可分解为工业金融负债率与工业金融资本产出率（金融资本产出比的倒数）之积，其中工业金融负债率为工业行业金融负债与工业行业增加值之比。而金融资本产出率为工业增加值与工业行业金融资产之比，用来衡量工业行业金融资产效率。根据测度的2001-2021年规模以上工业分行业债务率与2001-2021年规模以上工业分行业资本产出比并结合规模以上工业分行业金融性杠杆率可知：高杠杆行业中，电力、热水、燃气及水生产和供应业的金融负债率长期居于高位，在400%左右徘徊，为其他行业2倍以上，但金融资产产出率不到20%，说明该行业规模庞大的金融负债并没有全部用于产出，金融负债缺乏稳定的偿还来源，金融性杠杆效率不高，长此以往，该行业将积累形成金融风险，理应将其作为结构性去杠杆的重点行业。那么，该行业长期金融负债率居高不下，而金融资产产出率又长期处于低位，之所以没有出现金融风险，显然仅从债务效率分析并不能得出答案，还必须考虑行业的国有化程度（国有资本/实收资本）（见表4、表5）。

通过测度2001-2021年规模以上工业分行业国有化程度可知，电力、热水、燃气及水生产和供应业国有化程度高，为55%，其次是采矿业，为49.5%，再次是炼焦、燃气及石油加工业，为38.7%；其余八个行业的国有化程度相对较低，其中，纺织、服装及皮革产品制造业国有化程度最低，仅为0.04；其次是木材加工、家具、造纸印刷和文教工美制品业，为0.08。相比私营企业以盈利最大化为根本目的，国有企业既要追求经济效益目标，还需肩负稳定宏观经济大局、缓解社会就业压力等社会责任，尤其是电力、热水、燃气及水生产和供应业。正是由于国有企业在经济社会发展中承担的独特角色，当其面对金融债务影响到其正常运行时，政府会通过直接注入财政资金或贴息贷款予以支持，这也是为什么国有化程度高的行业债务风险居高不下的原因所在。然而，政府对国有化程度高的行业过度扶持，很有可能会将本行业短期风险演化为系统性金融风险。因此，必须加大对国有化程度高的行业的结构性去杠杆力度，尤其是电力、热水、燃气及水生产和供应业等承担社会责任较大的行业，亟须在承担社会责任与化解金融风险之间找到相机平衡点。与此同时，需要加大对类似金属产品制造业、化学化工等国有化程度低、杠杆率高、负债率高的行业结构性去杠杆的力度，运用市场方式来防范和化解金融风险。尽管其他制造业也属于高杠杆率行业，但通过对行业杠杆率分解可知，其他制造业具有较高的资产产出率和较低的金融负债率，较高的金融性杠杆率得益于高资本产出率，说明其他制造业属于高杠杆而发展健康的行业。因此，对于具体工业行业而言，当其金融性杠杆率和金融性负债率出现“双高”特征时，政府金融监管部门应予以高度关注，通过深入分析“双高”形成的宏微观政策、行业内外市场变化等原因，及早发现行业潜在的金融经济危机，提出防范和化解路径及具体措施，将危机消除在萌芽状态。与此同时，在确保中国工业行业杠杆率总体稳定的前提下，应将提高杠杆效率作为结构性去杠杆改革的终极目标（见表6）。

六、结论与启示

（一）结论

本文在重新界定工业杠杆率内涵并测度2001-2021年中国工业整体及分行业金融性杠杆率基础上，对其波动影响及行业金融性杠杆率异质性进行研究。研究结果表明：（1）工业金融性杠杆率能够真实衡量工业杠杆水平，而泛化的工业资产负债率会高估工业杠杆率，进而扩大工业金融风险。（2）工业金融性杠杆率周期和工业增加值增速周期呈现反向变动关系，其波动是由工业增长、行业规模、行业亏损、广义货币供应量以及行业存货周转率等多种因素共同作用的结果。（3）只有工業金融性杠杆率和工业金融债务率出现双高的行业，可认定其为存在高金融风险的工业行业。上述研究结论可为精准推进中国工业结构性去杠杆改革及防范工业金融风险提供依据。

（二）启示

1.关注杠杆效率比关注杠杆率本身更重要。去杠杆并不是因为杠杆本身有问题，而是因为对杠杆运用不当而引发债务或金融风险。运用杠杆不等于必然发生债务风险或金融风险。因此，不能因为部分企业或部分行业过度运用杠杆带来债务风险或金融风险而全盘否定杠杆。杠杆已与现代经济融为一体，成为确保生产经营活动正常运行不可或缺的工具。杠杆率高低没有绝对的标准，若杠杆率高，且产出和盈利大幅度增加，则高杠杆并非意味着高风险；若杠杆率低，且连续出现亏损，则低杠杆也隐藏着高风险。因此，作为信贷供给主体及金融监管部门，不仅要关注杠杆率本身大小，更要关注杠杆利用效率。长期以来，工业领域杠杆运用存在的突出问题不是杠杆的高低问题，而是杠杆的利用效率问题。工业领域杠杆利用效率低的原因，一是基于经济上行乐观预期，利用杠杆扩能扩产或跨行业盲目投资，形成无效产能；二是企业生产经营管理不善，将有限的杠杆资源用于填补管理漏洞，而非直接用于生产经营。由此可见，微观经济活动主体的投资行为决定杠杆的利用效率。因此，要提高工业领域的杠杆利用效率，关键在于对微观经济主体投资行为、投资过程和投资效果建立长效的监控约束机制。需要建立信贷供给主体、金融监管部门参与的重大项目投资决策制度，无论是否上市，凡是涉及利用信贷资金投资的经济主体，均应该向信贷供给主体及金融监管部门报送投资的完整信息，以便金融机构和金融监管部门对经济主体行为作出有效约束，敦促微观经济主体提高杠杆资源配置效率。

2.需建立工业金融性杠杆率统计报表制度。从2015年12月中央经济工作会议首次提出以“去杠杆”为核心内容的宏观审慎政策，到2016年通过实施去杠杆的纲领性文件《国务院关于积极稳妥降低企业杠杆率的意见》（国发〔2016〕54号），再到2018年中央财经委员会明确表示应该根据不同部门行业之间的杠杆率差异，运用不同的去杠杆标准与措施。标志着中国去杠杆改革已从总量去杠杆转入结构性去杠杆。工业是国民经济的基础性行业，无论是总量去杠杆政策的实施，还是结构性去杠杆政策的推进，均会对工业乃至国民经济的稳定发展产生直接影响。只有精准识别工业领域去杠杆对象，才能最大限度降低去杠杆政策带来的负面效应。本文研究结论显示，相对于传统的资产负债率，工业金融性杠杆率更能够真实衡量工业整体及各行业的杠杆水平，也更能够起到预警和防范工业领域金融风险的作用。然而，现行工业统计报表制度中缺失相关的统计内容，使得社会各界无法了解和把握该指标的现实状态。为此，需要国家统计部门建立工业金融性杠杆率统计报表制度，并规定每个规上工业企业上报季度、年度金融性负债和金融性资产，进而由国家统计局核算出规模以上工业各行业及工业整体的金融性杠杆率。建立工业金融性杠杆率统计制度，不仅有利于为社会各界，尤其是企业家和行业主管部门系统了解工业真实的杠杆水平提供稳定的数据来源，而且为精准识别工业去杠杆对象以及建立公平的结构性去杠杆长效机制提供数据保障。

3.工业企业需建立应对资金困境的拨备制度。本文研究结论显示，工业增长与工业金融性杠杆率周期波动成反向关系，即工业发展处于上行期，工业金融性杠杆率下降；工业发展下行期，工业金融性杠杆率上升。工业金融性杠杆率这一变化特征，不仅会加剧工业发展周期波动，而且会加剧宏观经济周期波动，甚至引发金融危机。因为，当工业发展处于上升期，行业企业基于乐观预期不仅扩产扩能，而且跨行跨界进行多元化投资，行业企业不仅会将营业盈余用于投资，而且会通过金融性负债加大投资力度，助推工业高速增长；当行业发展处于下行期，行业企业资金陷入困境，一是自有资金严重不足，二是需要新的贷款还本付息，三是面临持续上涨的融资成本。为此，在宏微观经济环境不确定性因素增加的背景下，各企业需建立应对资金困境的拨备制度，即工业企业在经济上行期，从其营业盈余中按一定比例提取一定的预防性应急资金。各企业建立拨备制度，一是可以有效应对宏观经济下行压力、市场需求萎缩而引发的行业企业普遍性资金链断裂；二是可以有效缓解企业对金融机构的过度依赖；三是可为全面推进数字化、智能化、网络化改造升级，聚焦关键技术和核心零部件研发，重塑供应链和产业链提供资金保障。

参考文献

[1] 李丰团， 董佳奇， 李莹. 杠杆率结构与结构性去杠杆[J]. 中国注册会计师， 2020（08）： 56-62.

[2] FISHER I. The Debt-Deflation Theory of Great Depressions[J]. Revue de l＼"Institut International de Statistique / Review of the International Statistical Institute， 1934，1（4）： 48-65.

[3] 中国人民银行杠杆率研究课题组， 徐诺金，姜再勇. 中国经济杠杆率水平评估及潜在风险研究[J]. 金融监管研究， 2014（05）： 23-38.

[4] 王竹泉， 谭云霞， 宋晓缤. “降杠杆”、“稳杠杆”和“加杠杆”的区域定位——传统杠杆率指标修正和基于“双重”杠杆率测度体系确立结构性杠杆率阈值[J]. 管理世界， 2019，35（12）： 86-103.

[5] 纪敏， 李宏瑾， 杨小玄. 杠杆率水平、经济结构转型与“债务—通缩”风险[J]. 宏觀经济研究， 2018（01）： 15-27.

[6] 巴曙松， 柴宏蕊， 方云龙. 非金融企业杠杆率与区域经济高质量发展的非线性关系研究——基于结构性去杠杆视角[J]. 国际金融研究， 2022（03）： 77-86.

[7] 李程， 刘天生， 祝诗梦. 中国杠杆率合理波动区间测度[J]. 统计研究， 2018，35（03）： 38-51.

[8] 王竹泉， 王惠， 王贞洁. 杠杆系列错估与信贷资源错配[J]. 财经研究， 2022，48（11）： 154-168.

[9] 刘晓光， 刘元春. 杠杆率重估与债务风险再探讨[J]. 金融研究， 2018（08）： 33-50.

[10] 朱澄. 从金融杠杆周期看宏观经济走势[C]， 2017.

[11] 王韧， 李志伟. 金融加速器效应与“杠杆率悖论”——基于制造业部门的实证研究[J]. 上海财经大学学报， 2019，21（06）： 35-49.

[12] 谭小芬， 尹碧娇， 杨燚. 中国非金融企业杠杆率的影响因素研究：2002-2015年[J]. 中央财经大学学报， 2018（02）： 23-37.

[13] 张传财， 陈汉文. 产品市场竞争、产权性质与内部控制质量[J]. 会计研究， 2017（05）： 75-82.

（杨立勋，西北师范大学经济学院教授；孟德华，西北师范大学经济学院。本文为国家社科基金西部项目“稳中求进目标下供给侧结构性改革的任务、效应及政策举措研究”〔22XJY001〕阶段性成果之一）