金融技术效率的异质性特征与产业传导机制：省际面板的实证

王 韧，李志伟

(1.重庆工商大学 财政金融学院，重庆 400067；2.重庆工商大学 长江上游经济研究中心，重庆 400067)

一、引言

“供给侧结构性改革”始终是中国经济转型升级的重要指引，金融供给侧结构性改革则是其中的关键一环，因为其不仅关系到传统产业的产能过剩化解和沉淀资源释放，也实质上构成推动新兴产业发展的基础支撑。习近平总书记在2019年2月的重要讲话中强调要“深化金融供给侧结构性改革”，通过“深化金融体制改革，增强金融服务实体经济能力”来推动经济高质量发展已成为最新的政策趋势。综合上述的理论与政策指引，准确测度金融体系的投入产出效率，探讨其内部结构特征和具体影响因素，进而梳理其产业传导的机制与路径，无论在理论探索还是政策实践层面都具有重要的参考价值和意义。

国外文献对金融效率的测度分析基本遵循投入-产出视角，但更加关注微观金融机构的成本效率和经营效率[1-2]。国内研究则更多聚焦于金融资源的配置效率[3-4]，更注重结构问题的探讨，并对利率管制和信贷配给等“金融抑制”现象[5-7]、地方政府“锦标赛”模式下的金融资源配置干预[8-9]等现实经济问题的效率影响展开了广泛讨论。理论逻辑看，效率是成本与收益的关系，因此基于“投入-产出”分析来探讨金融体系的效率无疑更为合理。

另一方面，对于金融效率的产业传导机制，国外研究多强调金融发展对于经济增长的基础作用[10]，并在具体传导路径方面更加关注金融摩擦效应和金融市场化程度对于微观企业融资约束的影响[11]。而国内研究则更多聚焦于信贷所有制歧视[12]、“僵尸企业”贷款[13-14]、投资潮涌和过度投资[15]等现实问题的讨论。考虑到工业部门是金融服务实体经济的关键一环，而且工业企业沉没成本高、投资周期长，金融依赖度高[16]，因此探讨金融体系投入产出效率对工业部门融资约束和投资效率的影响无疑是剖析金融效率产业传导机制的关键切入点。

综合以上，金融效率并不局限于结构视角的配置效率，投入产出视角的技术效率测算同样重要。而通过对金融技术效率的因素分解和异质性特征分析，可以更全面刻画国内金融供给侧的现实状况和存在问题；同时以金融技术效率对工业部门融资约束和投资效率的实际影响为突破口，有助于系统性梳理金融技术效率的产业传导机制，进而为深化金融供给侧改革和增强金融服务实体经济能力提供相应的政策参考。

本研究选择中国2008—2016年的省际面板数据作为研究样本，通过分区域的金融技术效率测算与分解，综合时间、区域等不同视角的异质性特征比较，探讨金融技术效率向工业部门融资约束和投资效率的实际传导及其门槛效应，进而梳理总结金融体系投入产出的内在决定和产业传导机制，并提供相应政策建议。

论文后续结构安排如下：第二部分是金融技术效率测算的文献综述；第三部分为分区域的金融技术效率测算、分解和比较；第四部分重点剖析金融技术效率差异的具体影响因素及其向工业部门融资约束的传导；第五部分探讨金融技术效率向工业部门投资效率的传导机制及其门槛效应。最后是结论和政策建议。

二、金融技术效率测算的文献综述

投入产出视角的技术有效是指不减少其他产出(或增加其他投入)就无法增加任何产出(或减少任何投入)的一种生产状态。技术效率也由此存在投入和产出两种不同角度的概念界定：投入角度看，技术效率是在产出和价格不变条件下，既定要素投入比例所能达到的最小生产成本占实际生产成本的百分比；产出角度看，技术效率是实际产出在市场价格、投入规模及要素比例均不变的情况下与所能达到最大产出的百分比。其中后者在实践中得到了更为广泛的应用，而在产出视角的研究中，因为实际产出能够直接观测，确定生产前沿面就成为测算技术效率的关键.

综合现有文献，确定生产前沿面的方法大致可区分为非参数法和参数法。非参数法主要基于线性规划技术，以数据包络法(DEA)为代表，因为不需要设定前沿生产函数，也不需要事先了解投入产出之间的逻辑关联而被广泛运用[17-18]，但其问题在于经济学逻辑的相对缺失。参数法则以随机前沿方法(SFA)为代表，主要基于统计方法展开，并通过区分误差项来测算和分解技术效率水平，同时对结果进行假设检验，这一研究的经济学逻辑更强，因而在最新的技术效率相关研究中更受推崇[19]。

具体而言，随机前沿模型(SFA)的基础在于任何经济个体的“实际产出”都无法超越“产出边界”，二者偏离程度即为效率损失或非效率[20]，其实践应用的关键在于三个方面：一是效率误差项分布假设，Stevenson(1980)[21]提出了截尾正态分布假设，Lee(1993)[22]提出了四参数的Pearson分布；二是样本数据选择，早期多基于截面数据进行估计，后续研究更多利用面板数据展开[23-24]；三是函数形式设定，包括对技术效率的时间变化特征给予不同假设，包括时变衰退模型(TVD)、Cobb-Douglas生产函数下的时变衰退模型、技术效率不随时间变化模型(TI)等，以及“基于距离函数的多产出SFA”[19]。

总体看，虽然随机前沿模型的实践应用不断拓展，技术方法亦不断改进，但其核心逻辑始终未变，即通过对误差项的分解来测算技术非效率，最终测算结果也无太大差异[19]。依据这一思路，参照随机前沿模型在全要素生产率(TFP)测算中的惯常做法，可将金融体系投入产出效率同样分解为两个部分：一是前沿技术进步(FTP)，用于刻画金融体系生产前沿面移动，即在要素投入不变情况下，因为金融技术变革和金融制度完善等外生性因素所驱动的效率提升；二是前沿技术利用效率(TE)，用于描绘不同经济主体对前沿技术进步的实际利用程度，以及该种吸收利用对其个体效率的提升程度。上述结构分解有利于更好甄别不同主体金融技术效率差异的来源，进而确认金融供给侧改革的着力点。如果金融技术效率的提升更多源自于前沿技术进步，则金融供给侧改革应更多强调金融制度完善和技术创新等外生性因素推动；如果更多受前沿技术利用效率影响，则需更多关注对金融制度或技术变革的实际吸收利用。

金融技术效率测算的另一个基础问题是投入和产出的具体指标选择。现有文献中，相关指标选择主要取决于研究对象的差异，并可大致区分为金融机构效率和金融体系效率两种不同的研究路径。其中，在以金融机构效率为基准的研究中，投入和产出指标的选择大致包括以下三种方法：(1)生产法，该方法将金融机构视为金融产品的生产者，由此选择资本和劳动作为投入指标，而以存款账户数量作为对应的产出指标；(2)中介法，该种方法将金融机构视为储蓄转化为投资或者存款转化为贷款的中介机构，由此选择存款、资本和劳动作为投入要素，而以贷款作为产出衡量指标；(3)资产法，该方法在中介法基础上演变而来，但是只考虑具有负债性质的投入和具有资产属性的产出[25-26]。而在以金融体系效率为基准的相关研究中，对于具体投入和产出指标的选择则并未有一个明确定义，实践中更加普遍的做法是参考金融机构效率的指标选取并将其直接套用于金融体系的效率测度。但从逻辑上看，该种简单套用的最大问题在于忽略了金融体系本身的复杂性和多元性，因为现有微观金融机构效率的测度基本上围绕银行等传统金融机构展开，而在中国的金融体系中，因为监管套利或风险转移的实际需求，存在着规模巨大的“影子银行”业务，这些业务的投入产出名义上不在传统机构的统计口径之内，但实质上属于“商业银行的影子”[27-28]。因此，如果简单套用金融机构效率的指标选取方法来测算金融体系的整体效率，很容易出现对实际投入和产出的漏算和偏误。

有鉴于此，本文的实证研究试图参考徐晓光等(2014)[29]的做法，选取金融业增加值作为金融体系整体的产出指标(Y)；同时参考张蕴萍等(2018)[30]的做法，选取金融业城镇单位就业人员人数表征金融体系的劳动投入(L)指标；对于资本投入(K)，则并未简单使用金融机构贷款余额指标，而是选择金融业全社会固定资产投资作为金融体系资本投入的代理变量，以综合考量传统和非传统金融业务影响。

三、金融技术效率的分地区测算与异质性分解

综合上述的方法和指标选择，这里借鉴Kumbhakar等(2013)[19]的做法，将金融技术效率同样分解为金融前沿技术进步和金融前沿技术利用效率两个组成部分，其中，前者表征金融制度环境和金融技术创新等外生性因素变化的效率影响；后者表示不同地区对金融技术创新或金融制度完善等外生变化的实际利用程度，其受制于当地经济、社会、文化等诸多因素的综合影响。基于以上分解，通过中国31个省、市、自治区的统计数据，全面考察中国不同区域间金融技术效率的时间趋势和结构差异，并据此进行相应的比较分析。

(一)理论模型构建

参照索洛模型，将金融全要素生产率TFP增长率表述为以下形式：

(1)

其中，Y表示产出，K、L分别表示资本投入和劳动投入。参考Battese等(1992)[23]和Kumbhakar等(2013)[19]的做法，将TFP增长率进一步分解为前沿技术进步FTP和前沿技术利用效率TE，由此可以设定我国不同地区金融资源投入-产出的随机前沿模型为：

Yit=f(K,L,t)*exp(vit-uit)

(2)

TEit=exp(-uit)

(3)

(4)

对式(2)左右两边取自然对数，然后对时间求导可得如下表示金融体系对数产出增长率的公式：

(5)

公式(5)中，①为前沿技术进步FTP，表示在要素投入不变的情况下，金融产出的时间变化趋势；这里将生产函数形式设定为超越对数生产函数以进一步分解不同区域金融投入产出效率中的前沿技术进步与前沿技术利用效率，由此可以得到公式(2)的超越对数形式为：

lnYit=c0+ctt+cttt2+ctktlnKit+ctltlnLit+cklnKit+cllnLit+ckk(lnKit)2+cll(lnLit)2+ckllnKitlnLit+vit-uit

(6)

运用式(6)对 t 进行求导，可以得到前沿技术进步FTP为：

FTP=∂lnYit/∂t=ct+2cttt+ctklnKit+ctllnLit

(7)

依据公式(7)，前沿技术进步FTP同样由两部分组成：第一部分为ct+2cttt，表示所有地区共同面临的前沿技术进步，取值主要由参数决定；第二部分为ctklnKit+ctllnLit，表示每个地区在不同时期各自面临的前沿技术进步，具体取值由参数和要素投入量共同决定。

综合前述公式推导，可以采用中国2008—2016年的分省数据测算金融技术效率；同时基于前一部分的指标选择基准，这里分别采用金融业增加值、金融业全社会固定资产投资、金融业城镇单位就业人员指标表示产出Y、资本投入K以及劳动投入L。具体数据来源于各省《统计年鉴》和《中国金融统计年鉴》。

(二)估计参数与测算结果

基于极大似然估计，可得到前述金融业随机前沿生产函数中各参数的估计结果如下：

表1 随机前沿生产函数的参数估计结果 (极大似然估计)

(注： “***”、“**”、“*”分别表示1%、5%和10%的显著检验水平；)

基于表1的参数估计，可进一步计算2008—2016年间国内金融体系前沿技术进步(FTP)和前沿技术利用效率(TE)的时间趋势和区域对比。图1显示，从纵向时间维度看，2008年后国内金融业的前沿技术进步(FTP)总体平稳，金融前沿技术利用效率(TE)则稳步抬升，说明该段时期内金融技术创新和金融制度变革等外生性变化驱动的金融技术效率提升并不明显，同时期国内金融技术效率的改善更多源自于对金融制度和金融技术等要素的利用效率提升。图2显示，从横向区域对比看，不同省份在前沿技术进步(FTP)方面同样趋于一致，但不同地区间的金融前沿技术利用效率(TE)则存在显著差异，最高五个省分别是广东、江苏、北京、上海、浙江，最低五位分别是甘肃、宁夏、海南、青海、西藏，基本与当地经济社会发展水平和市场化程度正相关。说明在同一经济金融体系和金融资源跨区调配机制的影响下，国内不同地区金融体系运行的技术和制度环境并无明显差异；但是不同区域对于金融制度完善或金融技术创新的吸收利用能力则存在明显差异，而且这种差距表观上与当地的经济社会发展水平以及经济市场化程度直接相关。

图1 中国金融技术效率各构成要素的时间变化

图2 中国金融技术效率各构成要素的区域对比

综合以上，无论在纵向时间维度还是横向区域维度，金融前沿技术进步(FTP)都保持高度稳定性，金融技术效率的时间变化和区域差异主要体现于金融前沿技术利用效率(TE)的变化之上。这一方面说明外生性的金融制度变革或金融技术创新固然重要，但金融体系对该种制度变革或技术创新的实际吸收利用更为重要；另一方面也说明，前沿技术利用效率(TE)主导着国内的金融体系投入产出效率提升以及不同区域的金融技术效率差异。后续将主要围绕金融前沿技术利用效率的具体影响因素和产业传导机制展开分析。

四、金融技术效率差异的影响因素和产业传导

鉴于前沿技术利用效率(TE)主导着金融技术效率的时间演变和区域差异，这里以此为基础探讨金融技术效率的内在决定和产业传导机制。内在决定机制层面，综合已有文献，经济市场化程度对于克服金融摩擦效应至关重要[31]，因此这里将在控制其他变量基础上重点探讨经济市场化因素的影响；而在外部产业传导方面，考虑到工业部门的金融摩擦程度最高，而且在中国实体经济转型升级中占据着特殊重要的位置，因此这里将以工业部门为对象探讨金融前沿技术利用效率进而是金融技术效率的产业传导机制。

(一)模型设定与指标选择

为了验证前面的理论假设，这里构建如下计量经济模型：

TEit=α0+α1Stateit+α2Non_stateit+∑αjAjit+εit

(8)

LNROIit=β0+β1No_state+β2TEit+∑βkBkit+σit

(9)

LNLeverageit=δ0+δ1No_state+δ2TEit+∑δkBkit+ωit

(10)

模型(8)用于检验金融前沿技术利用效率的决定机制。考虑到国内金融体系的信贷歧视问题备受关注，其本身也能映射经济金融运行的市场化程度[3,32]，这里通过添加不同所有制工业企业比重指标来重点考察经济市场化程度对金融体系投入产出效率的影响，其中Stateit表示工业领域国有企业的数量占比，Non_stateit用来表示非国企数量占比。

模型(9)和(10)用来考察金融前沿技术利用效率向工业部门的传导机制。鉴于工业部门面临的金融约束主要涵盖量和价两个不同维度，这里分别选择实际利率(ROI，利息支出/总负债)和资产负债率(Leverage，总负债/总资产)两个指标作为被解释变量，用于考察金融前沿技术利用效率差异对于工业部门金融约束的综合影响。其中，TEit表示地区i在第t期的金融前沿技术利用效率；ε、σ、ω为模型的扰动项。

为控制其他因素影响以保证实证结果可靠性。模型(8)中引入了控制变量集合A，主要包括：(1)地区生产总值(GDP)，用于控制地区经济规模对于金融前沿技术利用效率的影响，因为经济发展本身存在规模效应，预期其影响系数为正。(2)产业结构(Indu_levelit)，用第三产业增加值与地区生产总值之比表示，第三产业发展会对金融业发展形成支撑互补效果，预计其影响为正。(3)技术水平(Tech)，用各省技术市场成交额和地区国内生产总值之比表示，科技创新活动有助于提高区域劳动生产率，进而对金融体系投入产出效率形成溢出，预期其影响系数为正。(4)开放程度(Open)，用各省进出口总额表示，经济开放有助于提升经济和金融市场化程度，进而正向驱动金融技术效率，预期其影响系数为正。

模型(9)和(10)引入控制变量集合B，用于控制随时间变化的行业和地域因素影响。其中，行业因素包括：①工业规模(Scale)，用各省当年工业增加值表示，工业发展意味着更强的规模效应和网络效应，理论上会降低实际利率并提高工业部门整体的杠杆率水平。②企业盈利能力(Profitability)，用工业企业利润总额与主营业务收入表示，企业经营效益越好意味着未来现金流更加稳定，因此有利于享受金融机构的利率优惠并且降低目标杠杆率水平，预期其影响系数为负。③收入质量(Manage)，用企业应收账款总额与主营业务收入之比衡量，应收账款占比越高意味着企业收入质量越差，金融体系的理性选择是压缩资金供给并抬升实际利率，但在金融资源非市场化配置条件下则可能存在反向关联，该指标的估计结果也可用来诊断工业部门“僵尸贷款”问题的现实存在性。④新产品占比(Innovation)，用新产品产值与工业销售总产值衡量，企业新产品比例越高意味着技术创新能力越强，市场化条件下会获得金融资源的供给倾斜，其影响系数估计可以部分反映金融体系对于企业创新的实际支持力度。控制的地域因素则包括：①地区生产总值(GDP)；②科技水平(T_tech)(用技术市场成交额表示)；③产业结构(Indu_levelit)。分别用于控制地区经济规模、科技发展水平和第三产业占比对于工业部门实际生产经营活动的影响。

图3 金融技术效率与工业部门债务负担的省际对比

图4 金融技术效率与工业部门杠杆率的省际对比

图3和图4分别展示了金融前沿技术利用效率与工业部门利息负担以及杠杆率指标的区域比较。直观数据看，不同省份的金融技术效率与其工业部门的利息负担以及杠杆率水平之间呈现显著的负相关关系。也就是说，金融前沿技术利用效率进而是金融技术效率更高的地区，其工业部门的杠杆率越低，利息负担也相对更轻，这意味着提高金融体系的投入产出效率可能有助于推动当地工业部门的降成本、去杠杆。图3和图4只是初步显示了上述数据间的负向统计关联，进一步的因果关系证明有赖于相应的计量经济检验。

(二)回归结果分析

表2中的估计(1)-(2)汇报了模型(8)的回归结果，估计(3)报告了模型(9)的回归结果，估计(4)汇报了模型(10)的估计结果。估计(1)-(2)显示：国有企业比重(State)的系数显著为负，说明地区国有企业占比越高，金融前沿技术利用效率进而是金融技术效率反而越低；非国企比重(Non_state)系数则显著为正，两相对照验证前面结果的稳健性，说明非国有企业比重提升有利于改善地区金融前沿技术利用效率，也初步证实非国有经济发展进而是市场化程度提升确实有助于改善金融体系的投入产出效率。

估计(3)-(4)显示，金融前沿技术利用效率改善一方面有助于降低工业部门的实际利率负担，另一方面也有助于降低当地工业部门的资产负债率水平，说明金融体系的投入产出效率提升在工业部门“降成本、去杠杆”的过程中扮演着至关重要的角色，也印证当前时点深化金融供给侧改革的重要性。

另外，控制变量集合A的估计结果显示：地区生产总值系数(GDP)为正，产业结构(Indu_levelit)系数为正，技术水平(Tech)系数为正，开放程度(Open)系数为正，全部符合预期判断，该结果说明：通过做大产业规模、加速产业升级、扩大对外开放、促进技术创新均有助于推动金融体系前沿技术利用效率进而是金融体系整体投入产出效率的提升，进一步推动整体经济的改革开放是提升金融技术效率的前提。

控制变量集合B的估计结果中，对于时间因素：内生盈利能力(Profitability)改善有助于降低工业部门的实际利率并降低其杠杆率水平，符合预期；工业规模(Scale)扩张会提升整个工业部门的杠杆率水平，这与中国工业部门普遍存在的相互担保等现象关系密切；收入质量(Manage)指标对于资产负债率的影响系数为正，这并不符合金融机构的理性选择，侧面印证国内工业部门“僵尸贷款”问题的现实存在性；新产品占比(Innovation)因素的影响不显著，这可能意味着现有金融体系对企业创新的实际扶持依然不足。地域因素中，区域科技创新活动越活跃、经济发展水平越高以及产业结构升级均能在一定程度上降低当地工业部门的实际利率负担和资产负债率水平，符合基本经济理论，这里不再赘述。

表2 金融技术效率内在决定机制和产业传导机制的计量检验

(注：括号内为标准误； “***”、“**”、“*”分别表示1%、5%和10%的显著检验水平。)

综合表2所有估计结果，实际上可以勾勒出一个“经济市场化—金融技术效率提升—工业部门降成本去杠杆”的逻辑闭环，即进一步深化经济整体的改革开放有助于提升金融体系对金融制度改革和金融技术创新的吸收利用能力，进而推动金融技术效率改善；而金融技术效率改善又能够显著降低工业部门的实际利率水平，压低工业部门的资产负债率，进而推动工业部门“降成本、去杠杆”的战略目标实现。

五、金融技术效率对工业投资效率的传导机制和门槛效应

前面的数据描述和计量分析显示：金融技术效率的改善有助于降低工业部门的实际利率和资产负债率水平，这也是金融服务实体经济的应有之义。但是，金融约束只是工业活动的外部环境变量，工业部门生产经营效益的重心在于其投资行为和投资效率评估。现有众多研究均发现金融环境会通过影响工业部门融资约束进而对工业企业项目选择和投资规模施加影响[33]，因此有必要进一步剖析金融技术效率对工业部门投资行为和效率的影响。

(一)金融技术效率对工业部门投资的传导机制

发展经济学研究中，金融部门的资源倾斜对于工业部门过度投资以及投资效率的影响被反复提及和强调[34]。考虑到产品库存和应收账款等因素影响，简单的投入产出指标并不能够准确描述工业部门的投资效率，这里试图从结果导向出发，使用工业企业存货相对于产值的比例来近似模拟工业部门的实际投资效率，并设定如下计量经济模型：

Investmentit=γ0+γ1Non_stateit+γ2TEit+γ4∑Bjit+Γi+τit

(11)

其中，Investmentit表示地区i在t期的工业部门投资效率，用存货与工业增加值之比表示；Non_stateit表示非国有企业比重，Γi用来控制不随时间变化的影响因素，并继续采用控制变量集合B，τit为模型扰动项。

表3的估计(1)-(3)汇报了模型(11)的基准回归结果，估计(4)-(6)则是用存货与工业企业销售总产值之比作为工具变量的稳健回归结果。基准回归显示，金融前沿技术利用效率对工业部门投资效率(存货占比)的影响系数显著为负，说明金融技术效率改善能够一定程度上抑制工业部门过度投资并推动其投资效率改善；非国有企业占比的影响系数也显著为负，这和前面逻辑一致，说明市场主体的多元化和经济市场化程度提升同样有助于提升当地工业部门的投资效率，也与张帆等(2017)[35]的研究结果保持一致。

提供稳健回归检验的估计(4)-(6)中，非国有企业比重和金融前沿技术利用效率的系数显著性和方向均与前面的估计(1)-(3)保持一致，也证明前述结果具有较强的稳健性特征。

对于控制变量集合B，其估计结果和系数基本符合一般认知，这里也不再赘述。

(二)金融技术效率影响工业部门投资的门槛效应

前面初步证实了金融技术效率改善对于工业部门投资效率的正向驱动作用。但计量分析过程中也发现，金融技术效率改善对于工业投资效率的实际影响系数对于当地国有企业的占比变化具有极高敏感度：国企占比越高的省份，金融技术效率提升对工业部门投资效率的正向拉动作用会更加显著。考虑到非国有企业占比能部分映射市场主体的多元化和经济发展的市场化程度，这意味着金融技术效率对于工业投资效率的正向推动会受到经济市场化程度的显著制约。理论上将这种某变量的取值区间变化引发其他经济机制发生重大变化的现象称为门槛效应，结构突变发生的点则被称为门槛值。有鉴于此，这里采用Hansen(1999)[36]的非线性面板数据门槛回归模型来对上述机制的非线性门槛特征展开进一步探讨。

依据前面计量结果，这里用私营企业比重作为衡量地区经济市场化程度的代理变量(外资企业的金融资源享有存在特殊性，故这里进行了剔除)，并充当探讨“金融技术效率-工业投资效率”这一机制传导过程中结构突变特征的门槛变量。结合Hansen(1999)[36]的方法，这里可设定如下非线性单门槛模型：

Investmentit=α0+α1∑Bjit+β1TEitIit(THRit≤γ1)+β2TEitIit(THRit>γ1)+Γi+εit

(12)

表3 金融技术利用效率向工业投资效率的传导机制检验

(注：括号内为标准误； “***”、“**”、“*”分别表示1%、5%和10%的显著检验水平。)

i和t分别代表省份与时间，Investmentit为被解释变量，表征i省t年的存货投资占比进而是投资效率状况；α、β为相应变量的回归系数，THRit为门槛变量(私营企业比重)，γ1为待估门槛值；I(·)为示性函数，当THRit≤γ1时，I(·)=1，否则I(·)=0。为进行更细致诊断，这里也继续构建了双重门槛或多重门槛模型。

表4报告了以私营企业比重为门槛变量的显著性检验结果。单、双门槛效应在10%的显著性水平下通过检验(原假设被拒绝)，根据Hansen(1999)[36]的门槛理论，可以认为金融前沿技术利用效率与工业部门投资效率的关系受到了私营企业比重的显著影响，即模型存在显著门槛效应，采用门槛面板模型进行计量分析具有合理性。三重门槛效应在10%的显著性水平下不显著，但考虑到P值仅为0.157，这里也汇报了相应的回归结果，其中表6的估计(1)-(3)分别汇报了单一门槛、双重门槛、三重门槛模型下的回归结果。

表4 不同门槛效应形式的显著性检验

注:(1)P值和临界值均为采用“自抽样法”(Bootstrap)反复抽样300次得到的结果；(2)*表示在10%水平上显著，**表示在5%水平上显著，***表示在1%水平上显著。

门槛效应自抽样检验之后，还需对双门槛模型的门槛值估计结果进行检验。表5报告了以私营企业比重作为门槛变量的各门槛估计值及其置信区间。图5和图6的双重门槛下似然比函数图则更加清晰地展现了门槛值估计和置信区间的构造过程。门槛估计量是似然比统计量LR为0时的门槛变量取值。图5-6中，LR=0时两个门槛估计量分别为0.370和0.544。各个门槛估计值的95%置信区间是所有LR值小于5%显著水平下临界值(对应图中虚线)的估计值构成区间。双重门槛模型下，第一门槛估计值0.370在[0.317, 0.730]区间内，第二门槛估计值0.544在[0.538, 0.608]区间内，似然比值小于5%显著性水平下的临界值，处于门槛模型中关于原假设H0:γ=γ0的接受域内，即通过门槛估计值的真实性检验。

表5 不同门槛值的估计结果与置信区间

图5 第一个门槛的估计值和置信区间

图6 第二个门槛的估计值和置信区间

以上研究证明了金融技术效率对于工业部门投资效率的影响在不同私营企业比重下呈现出显著的门槛效应。表6重点分析了双重门槛效应的回归结果，并参考了单一、三重门槛效应的回归结果。估计(2)显示，在私营企业比重低于0.370时，金融技术效率对工业部门投资效率的影响系数为-0.445，而当私营企业比重提升到0.307～0.544区间时，该影响系数快速降低至-1.120；而当私营企业比重继续提高至0.544以上后，影响系数进一步下降至-1.529。估计(1)和(3)中对应的影响系数呈现相同的递进关系，这一方面印证了金融技术效率对于工业部门投资效率的正向推动作用，另一方面也证实了该种影响的门槛效应：私营企业比重越高，金融技术效率改善越有利于抑制工业企业的过度投资，并推动工业部门投资效率的改善。

表6 基于分省面板数据的门槛效应模型计量检验结果

(注：括号内为标准误； “***”、“**”、“*”分别表示1%、5%和10%的显著检验水平。)

在基准回归基础上，这里也继续使用存货/销售产值这一代理变量进行了门槛效应的稳健性检验(因篇幅有限，具体估计结果未做汇报，可向作者索取)。稳健回归结果继续证实金融前沿技术利用效率对于工业部门投资效率正向驱动作用的门槛效应，不仅证实了前面结果的稳健性特征，也继续证实民营经济发展和经济市场化程度提升是金融技术效率的产业传导机制发挥的重要门槛变量。由此，在推动金融供给侧改革，提升金融体系投入产出效率，进而抑制工业部门过度投资并推动其投资效率改善的过程中，有必要配套推动民营经济发展来营造相对有利的营商环境，由此才能更好发挥金融体系服务于实体经济的能力。

六、结论与政策建议

基于金融体系整体的“投入-产出”视角，本文使用中国2008—2016年间的分省面板数据，对金融技术效率进行了整体测算和结构分解，并在此基础上对其异质性特征和产业传导机制进行了计量经济检验。

效率测算和分解结果显示，无论从纵向时间趋势还是横向区域比较看，金融体系的前沿技术进步均不存在明显的波动性和差异性；金融技术效率的时间变化和区域差异主要源自于前沿技术利用效率。由此说明，在统一经济金融市场和金融资源跨区调配机制的约束下，中国金融体系的投入产出效率改善主要取决于对金融制度改革和金融技术创新的实际吸收利用能力，这才是提升中国金融体系整体技术效率的关键。

计量分析的结果显示，金融前沿技术利用效率的内在决定和产业传导存在着“经济市场化—金融技术效率—金融成本与金融杠杆”的逻辑闭环，即整体经济的市场化改革，包括民营经济发展、做大产业规模、加速产业升级、扩大对外开放、促进技术创新均有助于增强金融体系对金融制度变革和金融技术创新的吸收利用能力，进而推动金融技术效率改善；而金融技术效率提升又能够显著降低工业部门的实际利率和资产负债率，推动实现工业部门“降成本、去杠杆”的战略目标。

进一步的实证检验也表明，金融技术效率不仅会影响工业部门的融资约束，也同样会影响其投资行为和投资效率。金融前沿技术利用效率的改善有助于抑制工业部门的过度投资并提升其投资效率，但是，该种产业传导机制会因为民营经济比重变化而呈现出显著的门槛效应；也就是说，促进民营经济发展，进而改善地区营商环境改善，有助于推动形成金融体系改革到产业效率提升的正反馈循环。

综合以上，金融技术效率提升的关键在金融技术利用效率；提升金融技术利用效率的关键又在民营经济发展和经济市场化改革；金融技术效率改善有助于缓解工业部门的融资约束并推动其高质量发展，围绕上述“民营经济发展—经济市场化改革—金融技术利用效率提升—金融投入产出效率改善—降成本去杠杆—产业高质量发展”的逻辑传导链条，可以对当前的金融供给侧改革和工业部门转型升级提供如下政策建议：

第一，通过重构政企关系来推动民营经济发展。

民营经济占比提升不仅会显著影响金融技术效率，还能对金融技术效率的产业传导产生门槛效应。因此推动民营经济发展对深化金融体制改革，提升金融体系投入产出效率，同时增强金融服务实体经济的能力具有至关重要的作用。而从实际经济运行看，因为长期的地方政府“锦标赛”和“保增长就业”需求，衍生出千丝万缕的政企关联，存在针对国有企业的普遍性金融保护，也催生信贷所有制歧视和僵尸企业贷款等现实困扰。由此，转变政府职能、规范政府定位，重新界定政企关系，构建多元化的政绩考核体系，理顺中央和地方的财权事权分配机制，是深化金融供给侧结构性改革并推动产业转型升级的应有之义。

第二，通过市场化改革加速金融技术效率提升。

金融体系投入产出效率改善的关键并不在于金融制度改革和金融技术创新本身，而在于金融体系对于该种金融制度改革与金融技术创新的实际吸收利用能力，也就是所谓的金融前沿技术利用效率。从这一角度看，推动金融供给侧改革、提升金融技术效率的重点在于提升金融体系对于制度和技术的吸收利用能力。而实证结果显示，金融技术利用效率的提升依赖于整体性的经济市场化改革，不仅包括推动民营经济发展，改善市场竞争机制；也包括做大经济规模，引导产业集聚；推动服务业发展，加速产业结构升级；鼓励科技创新，加速技术水平提升；以及进一步扩大对外开放。整体性的市场化改革是深化金融体制改革的基础。

第三，通过金融效率提升来推动产业转型升级。

金融体系的投入产出效率改善对于缓解工业部门的融资约束，以及提高工业部门的投资效率都具有显著的正向推动作用。从计量结果看，金融技术利用效率提升不仅有助于整体性降低工业部门的外部融资成本，也能够有效降低工业部门的资产负债率水平，同时还能够对抑制工业部门过度投资并改善其投资效率产生显著正向推动。对于中国当前深受高负债、高杠杆等历史问题困扰，需要加速完成转型升级并实现高质量发展目标的工业部门而言，推动金融技术效率提升无疑构成了推动其降杠杆、降成本、增效率的重要抓手，推动金融体系的投入产出效率提升也由此成为当前推进金融供给侧结构性改革的重要方向。

第四，通过金融供给侧改革来促进区域经济协调发展。

国内各地区金融技术效率差距并不在金融制度和金融技术层面，而在对既定制度和技术的吸收利用能力。对中西部地区而言，虽然面临统一的金融市场环境，甚至享受着跨区的金融资源调配，但过度的政府干预、过多的产业保护都制约着当地金融体系的投入-产出效率，并因为金融体系效率问题而推高工业部门金融杠杆和资金成本，拉低工业部门的投资效率。在各地区金融前沿技术进步基本趋同而前沿技术利用效率差异明显的约束下，金融供给侧改革应当避免“一刀切”式的制度和技术创新，而应当因地制宜，因城施策，通过差异化安排缩小区域金融技术效率差距，进而缩小其产业发展差距并实现地区经济协调发展。