摘要：本文基于“一带一路”倡议这一准自然实验，使用双重差分法，以中国2007-2017年A股上市企业为样本，实证检验了“走出去”对企业融资约束的影响｡研究发现，参与“一带一路”倡议的企业与未参与的企业相比，融资约束水平有所上升｡该效应对处于重点对接省份的参与企业可能更为明显｡与国有企业相比，参与“一带一路”倡议的私人企业的融资约束有所上升，而且处在重点对接行业和省份的参与“一带一路”倡议的民营企业融资约束更有可能上升｡从机制上看，由于观察周期尚短和其它因素的限制，企业参与“一带一路”倡议以后，其在信贷资源获取､利润率和生产率等方面还未体现出优势来｡从政策来讲，为更好地支持国家的“一带一路”倡议，需要进一步拓宽思路对企业形成更有效的金融支持，以提高“一带一路”建设的可持续性｡

一､引 言

本文关注“走出去”对企业融资约束的影响，研究的动机源于中国经济的两个典型事实｡一是“走出去”战略实施以来，企业参与国际市场的步伐明显加快，对外投资规模不断扩大｡2013年，中国提出“一带一路”倡议，鼓励企业提高国际化水平，利用好国内､国际两个市场和两种资源｡据商务部统计，2018年中国对外全行业直接投资1298.3亿美元，同比增长4.2%｡对“一带一路”沿线56个国家非金融类直接投资156.4亿美元，同比增长8.9%，新签对外承包工程合同7721份，新签合同额12578亿美元｡二是企业特别是民营企业､中小企业面临较为严重的融资约束(田国强和赵旭霞,2019)｡根据世界银行的调查，中国有75%的私人企业把融资困难视为企业发展的主要障碍(ClaessensandTzioumis,2006)｡由于众多因素，很多企业难以获得必要的融资支持，制约了它们“走出去”的步伐(李磊和包群，2015;张先锋等，2017)｡在“走出去”的过程中，民营企业融资的便利度大幅提升，但现有融资模式还难以满足它们的资金需求｡

与上述两个事实相关的问题是，企业“走出去”与融资约束之间存在何种关系？融资约束是否阻碍了企业“走出去”？反过来，“走出去”又如何影响了企业的融资约束？现有文献对前一问题的讨论比较丰富，比较一致的发现是，融资约束对企业对外投资有显著影响，而影响的大小则因生产率和所有制的不同而异｡

对后一问题的研究相对欠缺，而这是本文所关注的，“一带一路”倡议给我们提供了机会｡本文把“一带一路”倡议的提出视为一个准自然实验，通过使用双重差分法，以中国2007-2017年A股上市企业为样本，考察“走出去”对企业融资约束的影响｡我们发现，参与“一带一路”建设的企业尚未得到有效的金融支撑，具体地：参与“一带一路”倡议的企业，其融资约束水平有所上升;处于重点对接省份的参与“一带一路”倡议的企业，其融资约束更有可能上升;与国有企业不同，参与“一带一路”倡议的民营企业的融资约束水平有所上升，处在重点对接行业和省份的参与“一带一路”倡议的民营企业融资约束更有可能上升;从机制上看，参与“一带一路”倡议之后，企业尤其是民营企业尚未体现出在银行信贷､利润率和生产率等方面的优势｡

本文余下部分的结构如下：第二节是文献综述;第三节是理论思考;第四节是数据和识别策略;第五节是基准估计结果和假设检验;第六节是拓展性分析;第七节是机制分析;最后是结论与政策建议｡

二､文献综述

与本文相关的一支文献是，企业融资环境与国际化之间的互动关系｡企业国际化包括出口､对外直接投资､对外承包工程等方式｡在融资约束影响企业出口方面，Chaney(2005)和Manova(2008)做出了开创性的贡献｡Chaney(2005)将流动性约束引入异质性企业模型，发现只有流动性充足的企业才能克服进入国外市场的沉没成本，从而有可能成为出口企业｡Manova(2008)在异质性企业的框架下，发现金融发达､金融制度完善的经济体出口的产品种类更多，出口企业也拥有更多的贸易伙伴｡孙灵燕和李荣林(2011)､李志远和余淼杰(2013)､文东伟和冼国明(2014)等基于中国企业数据的研究表明，融资约束是影响中国企业出口的重要因素｡在融资约束影响对外投资方面，Buchetal(2010)是这一领域较早的文献，他们构建了一个包含企业出口和对外直接投资的理论模型，并使用德国企业数据进行实证研究，结果显示金融因素会同时影响出口和对外投资｡施炳展和齐俊妍(2011)基于Helpmanetal(2004)的分析框架，提出金融发展水平较低时，金融发展会增加出口企业数量｡而当金融发展水平较高时，金融发展会促使企业从出口转向对外投资｡Buchetal(2014)进一步研究发现，金融因素会限制企业对外投资，特别是对最有可能考虑对外投资的企业而言｡李磊和包群(2015)考察了融资约束对中国企业对外直接投资的影响，融资能力强的企业倾向于对外直接投资、进行多次投资，以及在多个国家进行投资｡刘莉亚等(2015)､王碧臖等(2015)也从不同角度证实融资约束抑制了企业对外直接投资｡

企业出口和对外投资对其融资约束也有反作用｡CampaandShaver(2002)､Greenawayetal(2007)､GuarigliaandMateut(2010)等的研究发现，从事出口的企业面临的融资约束更低｡在中国情境下，韩剑和王静(2012)认为，出口能够缓解企业面临的融资约束，导致中国企业“舍近求远”表现出很高的出口倾向｡他们的研究发现，出口无法缓解企业内部融资约束和商业信用融资约束，但可以有效解决企业面临的银行贷款难的问题｡张先锋等(2017)基于中国工业企业数据，使用PSM-DID的方法，发现企业对外直接投资可以通过直接效应､生产率效应和出口效应缓解融资约束｡

与本文相关的另一支文献是关于“一带一路”的研究｡其中，有文献关注“一带一路”建设对宏观经济的影响｡Luoetal(2019)使用双重差分法就“一带一路”倡议如何影响中国招商引资进行了研究，结果发现“一带一路”倡议降低了重点对接省份外资利用的水平，而且这种负向效应在发展水平低､财政负担重､市场化程度低的重点对接省份更为突出｡也有文献关注“一带一路”建设对微观企业的影响｡DuandZhang(2018)发现，“一带一路”倡议实施之后，中国企业对外投资显著增加，国有企业在基础设施行业的投资起到领导角色，而非国有企业投资则主要集中在非基础设施行业｡此外，还有研究发现，“一带一路”倡议提升了中国企业的创新水平(王桂军和卢潇潇,2019a)，提高了中国企业的全要素生产率，推动了企业升级(王桂军和卢潇潇，2019b)｡徐思等(2019)的研究与本文的关注点最为相关，他们使用双重差分法，基于中国上市公司数据，发现“一带一路”倡议降低了企业的融资约束水平｡

与现有文献相比，本文的边际贡献在于：一是基于“一带一路”倡议这一准自然实验，为企业“走出去”影响其融资约束提供进一步的证据，丰富企业国际化与金融环境互动的文献;二是使用普通和多时点双重差分，更稳健地识别企业在参与“一带一路”倡议前后，融资约束的变化;三是通过多维度的异质性分析，考察“一带一路”倡议的影响如何随企业的特征而异，为更好地引导和支持企业走出去､参与“一带一路”建设提供了经验依据｡

三､理论思考

由于资本市场的不完全，现实世界中企业常常会面临融资约束｡企业融资的渠道主要是内源融资､商业信贷融资和外源融资｡内源融资主要依靠企业自身的资金和利润｡商业信贷融资主要是买卖双方通过应收账款或应付账款而产生的赊销､延迟付款等融资手段(韩剑和王静，2012)｡外源融资主要包括金融机构信贷､债券融资等｡结合已有研究，我们认为企业通过参与“一带一路”建设而实现“走出去”，可能从正反两个方面影响它们的融资约束｡

一方面，“走出去”可能缓解企业的融资约束｡首先，“走出去”可能通过信号效应缓解企业的融资约束｡企业进行对外投资，可能意味着它的生产率较高，或者在其他方面优于没有对外投资的企业(Helpmanetal,2004)｡对于资金出借方而言，“走出去”是具有较高生产率和竞争力的信号(余子良和佟家栋,2016)，对这类企业出借资金是符合自身利益的｡其次，“走出去”可能通过多元化和逆向技术溢出缓解企业的融资约束｡“走出去”意味着经营的多元化，分散了风险，增加了收益｡“走出去”也意味着融资渠道的多元化，企业有可能获得在国外的融资机会｡“走出去”还可能获得逆向技术溢出，即通过学习国外的先进技术和经验，提升自身的生产率和管理水平(蒋冠宏等,2013;蒋冠宏和蒋殿春,2014)｡最后，政府可能为“走出去”的企业施以“援手(helpinghand)”｡“一带一路”倡议提出之后，政府的支持力度进一步加大，“走出去”的企业可能会在资源竞争中胜出(Luoetal,2019)｡比如拥有更多的信贷便利､税收优惠等，从而缓解了融资约束｡

另一方面，“走出去”也可能加剧企业的融资约束｡首先，“走出去”需要企业投入相应的资源，在缺少外部支持的情况下，融资约束可能会提高｡企业国际化需要支付固定成本，考虑到“一带一路”的实际，这一成本可能会更高｡同时，早期参与“一带一路”具有探路性质，对于后来跟进的企业而言，这是具有正外部性的活动｡如果不能从政府或其他方面得到补偿，这些活动就会“内化”为企业的负担，进而加剧它们的融资约束｡其次，“走出去”可能与企业的其他活动产生资源竞争关系，从而提高融资约束｡罗长远和季心宇(2015)发现，由于融资约束的缘故，企业同时从事出口和研发的空间被压缩，二者的互补性减弱，企业不得不在这些活动中做出权衡取舍｡类似地，“走出去”与其他企业活动的资源竞争可能加剧，从而加重企业的融资约束｡再次，盲目或跟风“走出去”可能加剧企业的融资约束｡“走出去”是企业实施多元化战略的一个途径，然而，盲目地“走出去”可能面临投资失败｡在“一带一路”沿线国家或地区，地缘关系复杂､历史文化差异大､宗教冲突频繁､政局不稳，企业面临较大的不确定性｡在金融机构看来，参与“一带一路”的企业可能有更高的违约风险，从而不愿意提供资金支持｡还有企业出于获得政策支持或其他优惠的考量，跟风“走出去”，也可能加剧融资约束(徐思等,2019)｡最后，简单地跟随政府意志也可能加剧企业的融资约束｡在某些地方，“走出去”较多地受到政府力量的推动，有文献将这类企业称为“政府塑造性”企业(CarvalhoandGoldstein,2008)｡不考虑企业实际情况而推动“走出去”，很可能造成企业的资金损失，提高它们的融资约束水平｡

总结起来，在理论上，“走出去”既有可能缓解也有可能加剧企业的融资约束｡但究竟如何，还有待实证检验｡从政策来看，与可能存在的缓解效应相比，我们更担心的是“走出去”对企业融资约束的负向影响｡

四､变量､数据与识别策略

(一)变量与数据

1融资约束

目前融资约束的衡量主要有如下几种思路：一是敏感度分析框架｡Fazzarietal(1988)提出投资-现金流敏感度分析思路，成为考察企业融资约束的基础范式｡此外，还有投资-负债敏感度和现金-现金流敏感度等｡然而，这类分析的局限是，只能判别样本企业整体上是否面临融资约束，却无法衡量每一个企业的融资约束程度;二是使用单一指标｡李志远和余淼杰(2013)把利息支出作为融资约束的代理变量，认为融资约束越低的企业利息支出越高｡王雅琦和卢冰(2018)使用企业的现金流指标来衡量融资约束，该

指标数值越高，融资约束越低;三是使用综合指标｡KaplanandZingales(1997)､Lamontetal(2001)发展的KZ指数，先采取有序Logit模型对现金流等进行回归，利用估计系数构建融资约束指标｡HadlockandPierce(2010)根据企业规模和年龄构建SA指数，避免了其他指数存在的内生性问题｡

中国拥有特殊的制度环境和特定的金融发展水平，基于外国企业数据得出的指数，可能与中国企业的实际状况存在距离｡在本文，我们参考MussoandSchiavo(2008)､王碧臖等(2015)､魏浩等(2019)的方法，构建企业的融资约束：首先，选取经营活动现金净流量比率(经营活动现金净流量/总资产)､应收账款周转率(销售收入/应收账款平均余额)､利息保障倍数(息税前利润/利息费用)､流动比率(流动资产/流动负债)､清偿比率(所有者权益/总负债)､有形资产净值率(有形资产/总资产)､盈利水平(净利润/总资产)等七项财务指标｡前两个指标衡量的是企业的内源融资约束，其余五个指标衡量的是企业的外源融资约束｡每项指标的值越高，企业的融资约束越低｡其次，针对每家企业的分项指标，依据其在同行业企业中的分位数，赋予不同的数值，取值范围为1-5，对应80%-100%､60-80%､40%-60%､20%-40%､0-20%五个分位;最后，对每家企业七项指标的赋值加总，标准化到1-10的赋值区间，最终得到企业的融资约束指标FC，其值越大，融资约束越严重｡

2企业参与“一带一路”的界定

文献中，对于企业参与“一带一路”的认定有三种办法：一是根据企业注册地是否位于“一带一路”重点对接省份来认定(王桂军和卢潇潇，2019a);二是根据商务部公布的《境外投资企业(机构)备案结果公开名录》来认定(王桂军和卢潇潇，2019b)?;三是基于同花顺数据库(IFIND)的“一带一路”概念板块来认定(徐思等，2019)｡然而，上述认定办法都各有局限｡对于第一种办法，可能存在两种情况：一是企业对“一带一路”国家投资，却不处于重点对接省份;二是企业位于重点对接省份，却没有参与“一带一路”建设(徐思等，2019)｡对于第二种办法，商务部的《名录》只包含投资企业､投资目的国等基本信息，缺乏投资的具体时间､投资金额等更详细的数据｡企业可能在“一带一路”倡议提出之前对沿线国家有投资，但在提出之后却没有投资｡对于第三种办法，同花顺数据库没有明确说明筛选企业的标准，也可能存在偏误｡考虑到这些因素，在本文，我们采用如下三种认定办法：一是根据“一带一路”官网(简称为NDRC)，列入名录的企业视为参与“一带一路”的企业;二是借鉴徐思等(2019)的思路，属于IFIND的“一带一路”概念板块的企业视为参与“一带一路”的企业;三是根据“中国全球投资跟踪”数据库(ChinaGlobalInvestmentTracker，简称CGIT)来认定｡该数据库详细地记录了中国企业对外投资金额超过一亿美元的投资和工程承包的信息?｡从2013年开始，还公布了每笔投资的目的地是否位于“一带一路”的信息｡在刘晓光和杨连星(2016)､DuandZhang(2018)的研究中都曾用到这一数据｡

为了与现有文献保持一致，本文把中方之前认定的64个国家视为“一带一路”沿线国家(王桂军和卢潇潇，2019b)｡参考Luoetal(2019)､吕越等(2019)，将2013年作为“一带一路”倡议的启动时间｡

3控制变量

参考相关文献，本文选取了一系列的企业特征作为控制变量，包括：企业规模(Size)，用企业总资产的自然对数衡量;企业的上市年龄(Age)，以当年年份与上市年份的差值再加1后，取自然对数;成长性(Growth)，用营业收入增长率衡量;总资产报酬率(Roa)，计算方法为息税前利润2/(期初总资产+期末总资产)，用来衡量企业的盈利能力;人均工资水平(Wage)，用企业人均工资的自然对数值表示;资本密集度(Cap)，用企业固定资产与员工人数的比值表示，取自然对数;是否出口(Export)，有则取值为1，否则为0?;前十大股东的持股比例(Top10);独立董事比例(Ind)，用独立董事人数与董事会人数的比值衡量｡

4样本选取

我们的样本是2007-2017年中国沪深两市上市的A股企业｡按照通常的做法，样本剔除了金融类企业､ST类企业以及变量缺失过多的企业，最终得到1332家上市企业｡我们根据NDRC､IFIND和CGIT提供的企业信息与上市企业进行匹配｡CGIT数据库中只提供了企业的英文简称，我们手动将企业的英文简称与企业的中文名称进行了对应，从而得到参与“一带一路”倡议的企业信息，再与上市企业数据进行匹配｡在NDRC口径下，我们得到115家参与“一带一路”的企业;IFIND口径下有114家;CGIT口径下有69家?｡三种不同口径下得到的 “一带一路”参与企业构成了双重差分的处理组，其他企业则视为对照组。

企业层面的数据来自万得数据库和国泰安数据库。为了消除异常值的影响，我们对连续变量进行了缩尾处理｡

(二)模型设定

NDRC和IFIND只提供了相关的企业名称，并没有企业参与“一带一路”的具体时间｡针对这两种认定办法，我们使用普通双重差分估计，模型设定如下：

FCit=α+βD_2013tD_ndrci+γZit+εi+δt+μit (1)

FCit=α+βD_2013tD_ifindi+γZit+εi+δt+μit (2)

CGIT所包含的投资信息为使用多时点双重差分法提供了可能｡我们参考宋弘等(2019)的做法，针对CGIT的认定办法，模型设定如下：

FCit=α+βBRIit+γZit+εi+δt+μit (3)

式(1)-(3)中，i为企业，t为年份｡如果t大于或等于2013，D_2013取值为1，否则为0｡如果企业i为NDRC､IFIND下的处理组企业，D_ndrc､D_ifind取值为1，否则为0｡如果i企业在t年对“一带一路”沿线国家进行了投资，则t年及之后BRIit取值为1，否则为0｡Zit表示一系列控制变量｡εi为企业固定效应，δt为年份固定效应，μit为随机误差项｡β是本文关注的系数，反映了参与“一带一路”对企业融资约束的影响｡

五､实证分析

(一)基准估计

表1报告了基准估计结果｡列(1)以2013年为企业参与“一带一路”的年份，并以NDRC的口径来认定企业是否参与“一带一路”，在控制了企业和时间固定效应的情况下，D_2013D_ndrc的估计系数显著为正｡这意味着，在2013年之后，与没有参与“一带一路”的企业相比，参与“一带一路”的企业的融资约束显著提高｡在列(1)的基础上，列(2)引入了更多的控制变量，D_2013*D_ndrc的估计系数依然显著为正｡

列(3)和列(4)同样以2013年为企业参与“一带一路”的年份，并以IFIND的口径来认定企业是否参与“一带一路”｡不论有无控制企业层面的控制变量，D_2013*D_ifind的估计系数均显著为正｡这也意味着，在2013年之后，相对于没有参与“一带一路”的企业，参与“一带一路”的企业的融资约束水平所有上升｡

与列(1)-(4)不同，列(5)和列(6)以CGIT的口径来认定参与“一带一路”的企业和时间，并采用多时点双重差分法进行估计｡列(5)中BRI的估计系数为正且显著｡列(6)中在引入更多控制变量的情况下，BRI的估计系数为正且显著｡

在控制变量中，企业规模(Size)的估计系数显著为正，显示规模越大，融资约束加剧｡企业年龄(Age)越大，企业面临的融资约束水平越高，这与卢盛峰和陈思霞(2017)的发现一致，原因可能是企业上市时间长，经营风格偏向于保守，不利于获得融资支持｡成长性(Growth)越好､总资产报酬率(Roa)越大，意味着有较好的投资回报，融资约束水平越低，这与现有文献是一致的(潘越等，2019)｡人均工资水平(Wage)的估计系数显著为负，可能意味着企业劳动生产率越高，融资约束越低｡资本密集度(Cap)的估计系数显著为正，显示重资本密度的企业，可能需要大量的资金支持，从而面临更严重的融资约束｡出口(Export)的估计系数为负值，但并不显著｡前十大股东持股比例(Top10)的估计系数显著为负，这意味着，企业股权集中度越高，运转效率可能越高，融资约束越低｡独立董事占比(Ind)的估计系数为负，但并不显著，可能与独立董事并没有在上市企业中发挥应有作用有关｡

从表1的结果来看，参与“一带一路”并没有缓解企业的融资约束，这与徐思等(2019)的发现有所不同｡需要说明的是，与之相比，我们控制了双向固定效应，另外，他们使用KZ指数来衡量融资约束｡

(二)双重差分法的适用性检验

1平行趋势检验

在本文使用双重差分法的一个前提是，在冲击发生前，处理组和对照组企业的融资约束应当满足平行趋势假设｡为此，我们使用事件研究法来对这一假设进行检验｡针对普通双重差分估计，我们借鉴Chenetal(2018)的做法，相应的方程设定如下：

FCit=α+∑k=-6k，≠-1βkD_ndrciyear2013+k+εi+δt+μit (4)

FCit=α+∑k=-6k，≠-1βkD_ifindiyear2013+k+εi+δt+μit (5)

针对多时点双重差分模型，我们借鉴Wang(2013)､宋弘等(2019)的做法，相应的方程设定如下：

FCit=α+∑j-6，j≠-1βjBRIi，t-j+εi+δt+μit (6)

其中，yeart为年度虚拟变量，当年取值为1，其他年份取值为0｡BRIi，t-j为一系列虚拟变量，如果i企业在t-j年参与了“一带一路”，那么取值为1，否则为0｡k的取值范围为-6~4｡j的取值范围为-6~4｡k和j<0时，βk和βj反映的是参与“一带一路”之前的情况｡k和j>0时，βk和βj反映的是参与“一带一路”之后的情况｡β0则反映参与“一带一路”当期的效果｡我们把参与“一带一路”的前一年设定为基准组(Wang，2013)，所以省去β-1｡

检验结果显示，在参与“一带一路”之前，βk和βj的变化趋势比较平缓，绝大多数并不显著，而且基本为负值;在参与“一带一路”之后，系数变为正值，具有明显的上升趋势｡由此看来，处理组和对照组大致符合平行趋势假设，双重差分估计是适用的｡

2安慰剂检验

使用双重差分法另一个需要注意的问题是，估计结果是否受到其他随时间变化的不可观测因素的影响｡参考Chenetal(2018)､蒋灵多和陆毅(2018)的做法，我们针对企业参与“一带一路”的时间和参与“一带一路”的企业进行了间接性的安慰剂检验｡具体而言，随机抽取某一年份作为“一带一路”倡议提出的时间，在所有企业中随机抽取产生处理组的企业名录，并且把这一过程重复1000次｡然后，基于式(1)-(3)进行回归，从而得到1000个“错误”的估计系数值｡结果显示，三种口径下1000个估计系数值的分布基本符合均值为零的正态分布，大致可以排除其他不可观测因素的影响｡

(三)稳健性检验

针对基准估计结果，我们进行了一系列的稳健性检验，包括对融资约束的不同度量､内生性的考虑，以及对样本的调整｡

首先，我们使用HadlockandPierce(2010)提出的SA指数｡其中，企业规模和企业年龄分别为企业总资产的自然对数和企业上市年龄｡在使用SA指数进行回归时，我们把控制变量中的企业规模和年龄做了滞后一期的处理｡其次，考虑到企业对“一带一路”沿线国家投资可能存在自选择问题，另外也不排除融资约束和企业对外投资之间存在双向因果关系的可能，参考Dingetal.(2018)的做法，使用PSM-DID方法再次对式(1)-(3)进行估计｡其中，匹配变量包括上文中的一系列控制变量，采用了半径匹配方法｡最后，我们还对样本进行了调整｡主要包括两方面，一是考虑到外资企业的特殊性，将它们从样本中剔除;二是针对无企业对“一带一路”沿线投资的省份，把它们从样本中剔除｡稳健性检验的结果与基准估计的结论一致，即企业参与“一带一路”之后融资约束水平有所上升｡

六､拓展性分析

基准估计回答了我们的第一个问题，即从整体上看，企业参与“一带一路”之后，融资约束水平有所上升｡接下来，我们进一步讨论的是：处于重点对接行业和省份的企业，融资约束的变化是否有所不同；参与“一带一路”对国有企业和民营企业融资约束的影响是否有差异｡

(一)重点对接行业和省份

商务部划定了“一带一路”倡议重点对接行业，包括新兴优势行业如信息通信行业，以及产能过剩的行业如钢铁业､建筑业等｡具体行业划分标准上，我们借鉴了徐思等(2019)和吕越等(2019)的做法?｡企业所属行业的不同､所在省份的不同，其融资约束受到的影响是否也会有所差异?因此，我们把式(1)-(3)拓展为三重差分模型：增加Sector和Prov两个虚拟变量(若企业属于重点对接行业，那么Sector取值为1，否则为0;若企业位于重点对接省份，Prov取值为1，否则为0);构造这两个虚拟变量与D_2013*D_ndrc､D_2013*D_ifind和BRI的交互项｡这些交互项的系数反映的是参与“一带一路”对不同行业､不同省份的企业融资约束的异质性影响｡

从重点对接行业的估计结果来看，我们所关注的系数都不显著?，说明参与“一带一路”对企业融资约束的影响在不同行业之间并不存在明显的异质性｡

从表2的估计结果来看，D_2013*D_ndrc*Prov､D_2013*D_ifind*Prov､BRI*Prov的系数均在1%的水平上显著为正｡这说明，位于重点对接省份的企业在参与“一带一路”之后融资约束加剧｡

在参与“一带一路”之后，融资约束水平的上升主要体现在重点对接省份的企业上｡结合前文的理论分析，可能的原因包括：首先，企业参与“一带一路”建设需要投入资源，但重点对接省份的企业得到的有效支持不足;其次，企业在“一带一路”的投资不排除有盲目性和跟风性，恶化了财务状况，增加了风险;最后，重点对接省份推动向“一带一路”沿线投资，但忽视了企业条件和投资环境的相容性｡

(二)国有企业和民营企业

参与“一带一路”对于国有企业和民营企业融资约束的影响可能不同｡在这里，国企包括中央和地方国有企业，民营企业则是剔除了外资企业后的其他企业｡具体地：在式

(1)-(3)中增加Nonsoe虚拟变量，若为民营企业，取值为1，否则为0;构造Nonsoe与D_2013D_ndrc､D_2013D_ifind和BRI的交互项｡估计结果见表3。

从估计结果来看，D_2013*D_ndrc*Nonsoe､D_2013*D_ifind*Nonsoe､BRI*Nonsoe三者的估计系数在1%的水平上显著为正｡这说明，参与“一带一路”倡议后，融资约束恶化主要体现在民营企业上｡尽管国有企业和民营企业都有机会参与“一带一路”建设，但后者在信贷､税收等方面仍然面临比较不利的环境｡

进一步地，我们还想考察，参与“一带一路”对不同行业和省份的民营企业的影响是否也有差异｡我们根据企业所属行业和所处省份的不同，将样本划分为重点对接行业与非重点对接行业､重点对接省份与非重点省份，并基于三重差分进行分样本估计｡综合表4和表5的估计结果来看，重点对接行业和重点对接省份的民营企业，在参与“一带一路”之后，其融资约束显著上升｡

七､进一步的机制分析

在这一部分，我们选取银行信贷､净利润和生产率三个直接关系企业融资状况的指标，做进一步的机制分析｡银行信贷属于企业的外源融资，净利润反映企业的经营绩效，生产率反映企业的技术效率｡后两者可以提高企业的内源融资，也可以通过降低信息不对称使企业获得更多的外源融资｡在各地大力推进的背景下，企业参与“一带一路”建设可能获得更多的信贷支持｡然而，考虑到“所有制偏好”等因素，“走出去”的民营企业在获得信贷资源方面可能存在劣势｡另外，“一带一路”沿线国家发展程度各异，地缘关系复杂，企业参与“一带一路”建设能否实现盈利水平和生产率的提高，都面临比较大的不确定性｡

(一)银行信贷

银行信贷是企业融资的主要来源｡我们参考徐思等(2019)的做法，将融资约束指标替换为信贷支持(Loan)进行分析｡在这里，信贷支持(Loan)为企业银行贷款与营业收入的比值，银行贷款包括长期和短期借款，估计结果见表6｡

针对全样本的双重差分估计见列(1)-(3)：在列(1)，D_2013D_ndrc为负但不显著;在列(2)，D_2013*D_ifind为正且显著;在列(3)，BRI为负但不显著｡聚焦民营企业的三重差分估计见列(4)-(6)：在列(4)，D_2013*D_ndrc依然为负但不显著，D_2013*D_ndrc*Nonsoe为正但不显著;在列(5)，D_2013*D_ifind依然为正且显著，D_2013*D_ifind*Nonsoe为负且显著;在列(6)，BRI依然为负且不显著，BRI*Nonsoe为负且不显著｡

除了列(2)和列(5)，其他各列的估计结果说明，参与“一带一路”没有提升企业获得的信贷支持，民营企业也不例外｡而列(2)和列(5)的估计结果则说明：从全样本看，参与“一带一路”改善了企业获得的信贷支持;但对于民营企业来说信贷支持有所减少｡这说明，如果参与“一带一路”倡议有助于提升企业的信贷资源，也可能比较多地体现为对国有企业的支持上｡可能是因为“一带一路”投资面临较大的风险，金融机构更倾向于贷款给抗风险能力更强的国有企业｡

(二)净利润

我们考察企业在参与“一带一路”之后，经营利润发生了怎样的变化，用利润率(profit，净利润/总资产)做被解释变量，估计结果见表7｡

针对全样本的双重差分估计见列(1)-(3)：在列(1)，D_2013D_ndrc为负且显著;在列(2)，D_2013D_ifind为负且显著;在列(3)，BRI为负但不显著｡聚焦民营企业的三重差分估计见列(4)-(6)：在列(4)，D_2013*D_ndrc依然为负且显著，D_2013*D_ndrcNonsoe为正但不显著;在列(5)，D_2013*D_ifind依然为负但不显著，D_2013*D_ifindNonsoe为负且显著;在列(6)，BRI依然为负且不显著，BRI*Nonsoe为正且不显著｡

列(1)和列(4)的估计结果说明，参与“一带一路”削弱了企业的净利润｡列(2)和列(5)的估计结果则说明，参与“一带一路”对净利润的削弱，主要体现在民营企业上;列(3)和列(6)的估计结果说明，参与“一带一路”没有改善企业的净利润，民营企业也不例外｡

中国企业对“一带一路”沿线国家的投资项目大多带有金额大､工期长､成本回收慢等特点｡另外，在推进“一带一路”建设的背景下，各地推出了一批大型投资项目，也存在泡沫化风险(张述存,2017)｡在一定时期内，企业可能面临投资资金损失，盈利状况受到拖累，导致净利润下降｡严兵(2019)的调研报告也有类似的结论｡

(三)生产率

我们考察企业在参与“一带一路”倡议之后，生产率发生了怎样的变化，使用LP方法计算上市企业的全要素生产率，估计结果见表8｡

针对全样本的双重差分估计见列(1)-(3)：在列(1)，D_2013D_ndrc为正且显著;在列(2)，D_2013*D_ifind为负但不显著;在列(3)，BRI为正但不显著｡聚焦民营企业的三重差分估计见列(4)-(6)：在列(4)，D_2013*D_ndrc依然为正且显著，D_2013*D_ndrc*Nonsoe为负且显著;在列(5)，D_2013*D_ifind依然为负但不显著，D_2013*D_ifind*Nonsoe为正但不显著;在列(6)，BRI依然为正且不显著，BRI*Nonsoe为正且不显著｡

列(1)和列(4)的估计结果说明：从全样本来看，参与“一带一路”改善了企业的生产率;但对于民营企业来说，生产率还未得到提高｡列(2)和列(5)的估计结果则说明，参与“一带一路”没有改善企业的生产率，民营企业也不例外｡列(3)和列(6)的估计结果，与列(2)和列(5)类似｡

“一带一路”沿线总体上以发展中国家为主｡一般而言，企业可以从对发达国家的直接投资中获得逆向技术溢出带来的好处，提高生产率水平｡但在沿线发展中国家，中国企业是技术优势方，其从投资中获得逆向技术溢出的空间相对较小，这可能是参与“一带一路”建设并没有提升企业生产率的一个原因｡

总体来看，企业参与“一带一路”倡议之后，没有一致的证据显示它们得到了更多的信贷支持，也没有一致的证据显示它们的利润率和生产率得到了提升｡对于参与“一带一路”倡议的民营企业来说，它们的贷款､利润率和生产率甚至有可能下降｡

八､结论与政策建议

本文基于“一带一路”倡议这一准自然实验，使用双重差分法，以中国上市企业为样本，实证研究了“走出去”对企业融资约束的影响｡主要的研究结论如下：参与“一带一路”倡议的企业与未参与的企业相比，融资约束水平有所上升;处于重点对接省份的参与“一带一路”倡议的企业，融资约束水平更有可能上升;与国有企业不同，参与“一带一路”倡议的民营企业的融资约束水平有所提高，处在重点对接行业和省份的参与“一带一路”倡议的民营企业融资约束更有可能上升;从机制上看，由于观察周期尚短和其它因素的限制，企业参与“一带一路”倡议以后，它们在信贷资源､利润率和生产率等方面还未体现出相应的优势｡

“一带一路”倡议是新时期中国改革开放的重要举措，给企业“走出去”提供了重要的机遇｡然而，本文研究显示，企业参与“一带一路”的过程中，还未得到有效的外部支撑，为此，我们提出以下五点政策建议：一是优化商业性金融对参与“一带一路”企业的支持｡避免过度依赖间接融资，扩大直接融资的介入｡进一步消除所有制和规模歧视，提高对民营企业和中小企业的资金支持｡推动评级机构和其他中间组织对于“一带一路”建设的参与，降低金融部门和企业之间的信息不对称;二是强化政策性金融对参与“一带一路”企业的支持｡“一带一路”建设是开创性和长期性的事业，企业在沿线所从事的活动具有探索性质和正外部性，仅仅依靠商业性金融是不够的，要加强政策性金融的参与;三是拓展国际性金融对参与“一带一路”企业的支持｡“一带一路”是国际合作平台，仅有中国金融部门的参与是不够的，要引导企业从沿线国家和国际性金融机构获得融资支持;四是促进其他政策工具对参与“一带一路”企业的支持｡除了金融工具之外，税务､海关等部门也应出台相应的举措给予支持，让从事正外部性活动的企业获得一定的补偿，而不是全部内化为企业自身的负担;五是增强政府和市场在支持企业参与“一带一路”上的互补性｡各地应根据实际情况，引导有条件的企业参与“一带一路”而不是“拉郎配”｡政府在完成“铺路搭台”的使命之后，要尽快归位，尽可能地让市场力量发挥更大的作用｡

（罗长远，复旦大学世界经济研究所经济学博士、教授。曾帅，复旦大学经济学院经济学博士研究生。）