【《世界经济》论文复刻】经济不确定性与企业投资行为研究
本文采用基于《南方早报》构建的“中国经济政策不确定性指数”来衡量和研究中国经济政策不确定性对企业投资以及投资效率的影响。 研究发现，经济政策不确定性升高导致企业投资显著下降；当采用投资－投资机会敏感性和投资残差计量投资效率时，发现当经济政策不确定性高时，企业投资决策更加考虑经济因素，投资效率随着经济政策不确定性的上升而提高，并且对于那些受政策因素影响大的企业群体这一效应更为明显。 本文深化
本文采用基于《南方早报》构建的“中国经济政策不确定性指数”来衡量和研究中国经济政策不确定性对企业投资以及投资效率的影响。
研究发现，经济政策不确定性升高导致企业投资显著下降；当采用投资－投资机会敏感性和投资残差计量投资效率时，发现当经济政策不确定性高时，企业投资决策更加考虑经济因素，投资效率随着经济政策不确定性的上升而提高，并且对于那些受政策因素影响大的企业群体这一效应更为明显。
本文深化了政策不确定性对企业投资行为的研究。在政策启示上，政府应当界定好政府“有形之手”的边界，以使其回归本职职能，发挥为市场经济保驾护航的作用。
1、首先，结合宏观经济政策对微观企业行为进行了研究，同时我们的研究并不着眼于单个经济政策的得失，而是在整体上从经济政策不确定性角度，拓展了宏观经济政策与微观企业投资行为的互动关系研究。
2、其次，本研究提供了中国的经验证据，更进一步研究了经济政策不确定性对企业投资效率的深刻影响，拓展了经济政策不确定性方面的文献。
中国在从计划经济体制转为社会主义市场经济体制的过程中，政府仍然频繁运用经济政策干预经济，政府在经济运行中仍然扮演着关键角色，因此中国与发达经济体调节经济运行的方式存在巨大的差别。
3、最后，本文从经济政策不确定性角度研究企业投资对政策和经济因素的敏感度，从而考察了政府行为对企业投资效率的影响，拓展了关于中国政府政策经济后果的研究。
使用Baker等（2013）开发编制的中国经济政策不确定性指数，这个指数的构建基于作者对《南方早报》文章关键词的搜索。
为了验证中国经济政策不确定性指数的有效性，在图1比较了2000年1月至2013年12月中国政策不确定性指数与美国政策不确定性指数。
总体而言，两国经济政策不确定性指数的走势高度相关，中国政策不确定性指数较美国波动性更大（标准差是68. 73＞39. 19）。
本文其他的财务与市场数据从2002年第1季度至2013年第4季度，处理过程中删除了金融类公司，财务数据缺失、股东权益为负的公司。
由于计算投资效率( 投资过度和投资不足) 需要用到上一期变量，使得2002年整个年度和2003年第1季度的样本很少，因此将其删除。
本文最终的样本观测是67 044家公司季度，样本区间从2003年第2季度至2013年第4季度。
为此，本文参照Gulen和Ion（2016）的研究，建立如下回归分析模型：
其中，因变量INVEST（投资）以现金流量表中购买固定资产、无形资产以及其他长期资产支付的现金计算，以当期总资产标准化。
本文研究假设 H2a 和 H2b 研究经济政策不确定性对企业投资效率的影响。
第一种计量方式是投资对投资机会的敏感度，这种计量方式下，本文建立如下回归模型:
第二种计量方式是采用投资回归方程的残差表示企业投资效率，这种计量方式下，本文建立如下回归模型:
模型（3）中 TQ、CASH、AGE、LEV 分别是 Tobin Q 值、现金持有（总资产标准化）、上市年龄、资产负债率。这些变量均滞后 1 期放入模型，并控制行业和季度虚拟变量。
按照模型（3）回归后得到模型的残差，然后取绝对值得到公司每个季度的投资效率变量( ABSRINV) ，同时将残差大于 0 的部分设定为投资过度变量(OINV) ，将残差小于 0的部分绝对值化后设定为投资不足变量(UINV) 。
模型（4）的因变量分别是ABSRINV、OINV 和 UINV，这里控制了现金持有（CASH）和公司有形资产比例（TANG）对投资效率的影响。
本文首先对本文涉及的宏观和企业层面的数据进行描述性统计，分别见表1的Panel A和Panel B。
本文数据区间是2003年第2季度至2013年第4季度，此期间中国季度GDP平均同比增长率是10. 3%。
TANG均值是0. 258，说明上市公司固定资产净值占总资产比重约为26% 。
STATE 为国有企业虚拟变量，均值是 0. 561，说明样本区间内国有上市公司占比为56. 1%。
为了便于更直观认识经济政策不确定性与GDP 增长率的关系，本文在图2绘制了样本区间两者的关系。
总体而言两者呈现高度负相关（相关系数是－0. 48，在1%水平上显著），说明经济发展好的时候经济政策不确定性相对较低。
在方程1中PU系数为－0. 3230，且在1%水平上显著，说明经济政策不确定性升高时企业投资出现显著下降。
方程2中RPU① 系数为－0. 0040，且在1%水平下显著为负，与方程1的结果一致。
在控制变量方面，TQ 在两个方程中均显著为正，说明企业投资对投资机会是敏感的; CFO 均显著为正，说明内部资金对投资增长是非常重要的资金来源; SIZE 均显著为正，说明大企业的投资更多; MVOL 均显著为负，与我们的预期一致，说明经济不确定性高时企业投资下降; 另外一个经济不确定性代理变量STD_ROA不显著;GDPG 均显著为正，说明经济发展状况对企业投资影响比较大，投资表现为顺周期特性。
总体而言，表2的回归结果验证了本文的研究假设H1，表明在控制了经济不确定性和经济增长等其他变量后，经济政策不确定性高的情况下企业投资额度更低。
表3Panel A中滞后一期TQ与PU的交互项(TQ × PU) 、TQ与排序变量 RPU的交互项(TQ ×RPU) 系数分别是0. 0291、0. 0006，在1%或5%水平上显著，这说明在经济政策不确定性高的情况下企业投资对投资机会更为敏感。
这说明企业投资残差随经济政策不确定性的升高而降低，即伴随着经济政策不确定性升高企业投资效率将提高。
进一步我们将投资残差区分为投资过度(OINV)和投资不足(UINV) ，以它们为因变量分别进行回归。
这说明经济政策不确定性升高时企业投资过度行为明显减少，进而企业投资效率提高。
在投资不足方程中，PU也显著为负，说明经济政策不确定性高时企业投资不足情况也明显减少。
总体而言，投资过度和投资不足行为的明显减少，说明企业的投资效率的确随着经济政策不确定性的升高而提高。
综合而言，表3的回归结果表明，不管采用投资－投资机会敏感度还是采用投资残差计量投资效率，都说明经济政策不确定性高时企业总体的投资效率显著提高。
这验证了本文的研究假设H2b，而没有验证假设H2a，说明经济政策不确定性升高时，由于缺少明确的政策指引，企业对市场中的经济因素更为敏感，从而投资效率提高。
本文以上的分析发现经济政策不确定性高时，企业总体投资出现下降，然后投资效率却出现明显提高。
在中国现实经济生活中，有一些企业群体受政府政策影响更大，我们这里将这些企业称为“受政策因素影响大的企业群体”。
相对而言经济政策对这些企业更为重要，因此经济政策不确定性对这些企业影响会更大。
本文寻找两个代理变量来区分“受政策因素影响大的企业群体”，即企业的产权性质和企业所处地区的市场经济发达程度。
为验证上述研究预期，我们分别对模型1、2、4进行分组回归并检验系数差异的显著性。
表4汇报了模型1的分组回归结果，我们发现PU在非国有和国有分组的系数分别是－0. 2237和－0. 5348，它们在5%水平上有显著差别; PU在市场程度高和低的地区分组系数分别是－0. 2369和－0. 3834，但它们的差别在统计意义上不显著。
总体而言，经济政策不确定性对投资的影响在受政策因素影响大的企业群体更为明显。
我们发现 TQ × PU 在非国有和国有分组的系数分别是 0. 0071 和 0. 0425，它们在 10% 水平上有显著差别。
k8凯发官网
表格中后两列 TQ × PU 在市场化程度高和低组的系数分别是 0. 0253 和 0. 0384，市场化程度低的地区投资对投资机会的敏感度随着经济政策不确定性的升高变得更大，但是它们在统计意义上没有显著差别。
Panel B 汇报了模型4按照产权性质分组的回归结果，我们发现 PU 系数在ABSRINV方程的国有组更小一些，这说明国有企业经济政策不确定高时总体的投资残差下降更多; 将投资残差分为投资过度与投资不足后，投资残差的下降主要来源于投资过度的下降; 投资过度方程国有组的 PU 更小且显著，而非国有组不显著，说明国有企业在经济政策不确定性上升时投资过度出现更大程度的下降; 在投资不足回归中，非国有组的系数更小一些。
在ABSRINV方程中，市场化程度低组比较市场化程度高组PU 系数更小，两者在 5% 水平上有显著差异。
投资过度分组中，相比较高组，低组PU系数更小且显著；在投资不足分组中，相比较高组，低组PU系数更小，且高低两组在投资过度和投资不足上有显著差异( 10% 水平)。
Panel C 的回归结果比较好地支持了本文的研究预期，即市场化程度低的地区经济政策不确定性对投资效率的影响更为明显。
一是在时间序列上( 样本区间内) 将PU分为10组，然后标准化为0－1之间的变量（RPU）；
在此基础上，我们重新进行上述所有模型的检验，发现总体的研究结果与PU是相似的。
比如采用DPU，在经济政策不确定性对投资的影响分组回归中，国有与非国有分组依然是国有组投资下降更多，两者仍然在1%水平上有显著差异。
在经济政策不确定性对投资效率的影响回归中，TQ×DPU为正但不显著，这说明虚拟变量在一定程度上损失了一些信息。
比如经济政策不确定性对投资效率影响分析回归中，在投资对投资机会敏感性方程中市场化程度高、低组之间存在显著差异。
考虑到TQ连续变量特征，表3Panel A中TQ与PU（RPU）的交互项可能存在噪音，我们也将TQ排序后分为10组，然后标准化为0－1之间的变量（RTQ），并与PU（RPU）进行交互放入回归方程，RTQ × PU和RTQ × RPU系数分别为0. 2037和0. 0047，均在1%水平上显著。
这验证了TQ与PU(RPU) 交互项的结果，也充分说明本文研究结果的稳定性。
在回归模型中控制了时间虚拟变量之后，再控制宏观层面的变量可能会产生共线性问题。
为此我们将MVOL、GDPG等宏观变量删除，重新回归，我们发现模型（1）PU和RPU的系数分别为－1. 9609和－0. 0132，均在1%水平显著。
考虑到股权分置改革的影响，我们对 2007 年前后公司价值采用不同的计算公式。
稳健性检验中我们统一采用相同的计算公式，检验结果没有改变本文的研究结论。
何增华,随淑敏,王京雷.房价对企业创新的影响——基于创新投入与人才政策视角[J].科学学研究i.1003-2053.20220215.002.
