［提要］　在绿色信贷背景下，通过有效整合企业债务融资、社会嵌入性和多层统计模型等三个方面的理论，以影响企业债务融资的微观因素为层一变量，以社会嵌入型因素为层二变量，利用上市公司2006年以来的数据，对企业债务融资情况进行研究。

　　关键词：绿色信贷；债务融资；多层统计模型

　　中图分类号：F83　文献标识码：A

　　收录日期：2017年11月8日

　　改革开放以来，我国社会经济发展取得了瞩目成就，但高污染、高耗能的粗放型增长使我国经济发展难以为继。基于此背景，原国家环保局、中国银监会联合中国人民银行于2007年7月发布了《关于落实环保政策法规防范信贷风险的意见》，意味着绿色信贷的主要目的是把强化监管与规范信贷管理紧密结合，把企业环境守法情况作为给企业发放贷款的前提条件。

　　从金融监管机构角度来看，绿色信贷的实施使商业银行在信贷业务流程中加入环境风险分析，将环境信息披露作为信贷审批、贷后监管的重要依据。从商业银行角度来看，随着环境监管日益严格，不少污染严重的企业被关闭或限制生产，环境问题造成不良贷款增加，迫使银行等金融机构慎重考虑环境问题引发的金融风险。因此，绿色信贷政策可以对企业债务融资产生影响，这一逻辑关系在有融资需求的高耗能企业中尤为显著。以往研究缺乏影响企业债务融资的作用路径分析，而路径分析能为企业今后发展提供有价值的参考意见。

　　一、社会嵌入视角下企业债务融资影响因素

　　新经济社会学的代表人物Granovetter指出古典经济学存在“社会化不足”，他指出“我们研究的组织及行为受到社会关系的制约，把它们作为一个独立的个体进行分析是个严重的误解。”因此，影响企业债务融资因素研究不应该缺少社会嵌入维度。用新经济社会学嵌入性理论分析影响企业债务融资因素，将影响企业债务融资因素重新划分为：企业内部基本因素与社会场景因素。由于企业规模、营业收入年度增长率、企业上市年限属于企业自身内部因素，本文将上述因素称为影响企业债务融资能力的基本因素；而政府政策、人们的认知属于企业外部因素，本文称其为影响企业债务融资能力的社会场景因素。

　　按嵌入性的维度将影响企业债务融资能力的嵌入性分为：认知嵌入、政治嵌入。依据Granovetter对结构嵌入和Zukin、Dimaggio对认知嵌入、政治嵌入的概括，本文给出影响企业债务融资能力的嵌入性概括。

　　认知嵌入是指各企业发展过程中会形成一定的“群体思维和群体认知”。比如，反映企业所在地人民对当地企业环境保护问题了解、认识程度的经济增长百度搜索量。这些群体思维和群体认知会显著影响经济主体的战略选择、执行以及日常运营管理等经济活动。

　　政治嵌入是指企业债务融资能力会受到国家和所在地的政治体制和权利结构等政治环境的影响。政治嵌入主要关注政治因素对影响企业债务融资能力的制度特征。如，国家颁布相关法规，对企业所有权控制。

　　二、社会嵌入视角企业债务融资能力影响因素实证分析

　　本文的嵌入性视角下影响企业债务融资能力的因素，采用国家统计发展报告里规定的高耗能企业中的有色金属冶炼及压延加工业。

　　（一）模型选择。多层线性模型最早于1972年由Lindley等提出，主要用于分析具有嵌套结构的数据；王济川认为分析具有个体嵌套在更高水平单位里的分级结构数据或多层数据的适当方法是多层统计模型，它不仅能正确处理模型参数问题，而且能够同时分析微观和宏观效应以及跨层交互作用。由于企业债务融资能力具有嵌入性的特征，我们选择适合于一般嵌入性分析的多层统计模型作为分析企业债务融资能力数理模型。

　　（二）变量的选择与数据来源。依据影响债务融资能力的因素和社会嵌入性理论，层一层二变量选择如下：

　　层一被解释变量：企业债务融资能力，用企业新增借款数来衡量（loan）。

　　层一解释变量：公司规模，用公司年末总资产的自然对数来衡量（size），企业上市年限（time），企业增长用企业营业收入的年度增长率（growth）来衡量。

　　层二解释变量：认知嵌入用上市公司所处地的环境保护百度pc指数来代替；政治嵌入分为政策性政治嵌入（COE）和控制性政策嵌入（PRI）。分别用公司所在地的环保政策和公司实际控制人属性替代（国有为1，其他为0）。

　　三、实证结果分析

　　本文是多层统计模型的结果，使用专业HLM7.0软件。

　　（一）运用零模型把影响债务融资能力的因素的变异分解成能由层一企业自身因素和层二社会嵌入性因素解释，并依据组内相关系数决定是否建立多层统计模型。

　　层一模型：

　　loanij=?茁0j+?酌ij

　　?茁0j＝?酌00+?淄0j

　　其中，i=2006，…，2015，表示第i年，j=1，2，…，21表示第j个公司，loan为被解释变量，r表示一层随机误差，u表示二层随机误差。

　　社会嵌入型因素解释的程度，可用组内相关系数p=79/（79+1352）=5.6%表示，p>2.5%，这意味着94.4%的变异可以用企业自身因素来解释，采用嵌入性变量能丰富研究结果。

　　（二）影响债务融资能力的因素的结果分析。将影响债务融资能力的因素引入模型中，得到变量相对接近显著的模型为：

　　loan=?茁0+?茁1（size）+?茁2（growth）+?茁3（time）+r

　　其中，层一模型中的解释变量都是用组中心化后的数据参与运算的。growth为正向显著因子，回归系数为0.046425，表明企业营业收入每增加1%，企业债务融资能力就增加0.046425个单位。这是由于企业经营状况良好，银行就更愿意给企业提供借款，这一结果与大多数学者研究的一致。

　　size为正向显著因子，回归系数为8.7309，表明企业规模增加一个单位就会引起企业债务融资能力变化8.7309个单位。这一结果也与大多数学者研究的一致，规模越大的企业越不容易出现违约情况，债务融资能力越好。

　　time为负向显著因子，表明企业上市年限增加一年，企业债务融资能力就会减少4.5537个单位，这可能是由于企业一般采取溢价发行上市，上市之初的高市值提升了企业债务融资能力，随着上市时间增加，市值降低，债务融资能力有所减弱。

　　（三）社会嵌入性影响效应结果分析。将固定效应模型改为随机效应模型后，为了解释截距和size、growth、time之间关系的企业间变量，将嵌入性变量引入β0ｊ、β1ｊ、β2ｊ、β3ｊ，P值显著位置引入二层变量，得到变量相对接近显著的模型如下：

　　LEVEL 1 MODEL

　　loan=β0+β1（size）+β2（growth）+β3（time）+r

　　LEVEL 2 MODEL

　　β0=r00+u0　β1=r10+r11（PC）+r12（PR）+r13（COE）+u1

　　β2=r20+u2　β3= r30+r31（PR）+r32（COE）+u3

　　经过调整后，得出层二变量size的斜率β1方程中，PC为负向预期因子，表明认知嵌入对企业债务融资能力产生了影响。当百度PC指数每增加一个单位时，size对企业债务融资能力的负向影响会降低11.45个单位。PRI为负向预期因子，表明政治嵌入对企业债务融资能力产生了影响，表明PRI每增加一个单位时，size对企业债务融资能力的负向影响会降低33.26个单位。COE为正向预期因子，表明政策嵌入与企业债务融资能力正相关，表明COE每增加一个单位时，size对企业债务融资能力的负向影响会增加17.77个单位。

　　结合层一、层二模型结果和嵌入性变量对β0ｊ、β1ｊ、β2ｊ、β3ｊ的方差成分解释程度进行分析，得出层一方差由1，352缩小到1，044，说明嵌入变量对模型解释力提升。

　　四、结语

　　本文概括影响企业债务融资能力的认知嵌入、政治嵌入，实证分析社会嵌入视角企业债务融资能力的影响因素，解决了债务融资能力影响因素的作用路径问题。实证分析中，合理的利用大数据（百度指数）作为一个分析视角，以体现大数据对决策的影响与作用。以上关于企业债务融资能力影响因素的研究蕴含以下启示：提高企业债务融资能力时，既要考虑企业自身因素，也要考虑社会嵌入因素。

（作者单位：海南大学经济与管理学院）

主要参考文献：

［1］张洪波，刘殿国.多变量整体模式的累加多层统计模型研究及应用［J］.统计与信息论坛，2009.12.

［2］王济川.多层统计分析模型——方法与应用［M］.北京：高等教育出版社，2008.

［3］李晓西，夏光.中国绿色金融报告［M］.北京：中国金融出版社，2014.