，不仅有助于理解现阶段固定资产投资的下降趋势，而且能为发挥投资对优化供给结构的关键性作用提供必要的微观基础。依据实物期权理论可知，企业推迟投资并等待不确定性降低后再做投资决策，相当于持有了一项期权，管理者需要综合考察固定资产投资的调整成本和等待价值（Ｂｅｒｎａｎｋｅ，１９８３；Ｐｉｎｄｙｃｋ，１９９１；Ｒｏｄｒｉｋ，１９９１；Ｄｉｘｉｔ ＆ Ｐｉｎｄｙｃｋ，１９９４）。 具体而言，在企业资产无法自由变现的情形下，经济政策不确定性会增加企业拥有的投资机会的等待价值，固定资产投资将被推迟，从而抑制当期固定资产投资。 事实上，交易市场的搜寻成本是资产可逆性产生的根源所在，①实物期权的价值与投资项目的变现能力紧密相关。 由于行业间资产交易市场的活跃程度明显不同，面临的潜在购买者具有异质性，资产处置成本在不同行业存在明显区别，从而导致不同资产在市场上的变现能力和清算价值存在显著差异 （ Ｒａｍｅｙ ＆ Ｓｈａｐｉｒｏ，２００１； Ｈｅｎｎｅｓｓｙ ｅｔ ａｌ．，２００７； Ｇａｖａｚｚａ，２０１１）。 Ｃａｂａｌｌｅｒｏ （１９９１） 和Ｂｌｏｏｍ（２００９）指出，当不确定性上升时，资产交易成本越高，企业越有可能延迟固定资产投资。 可见，资产可逆性是经济政策不确定性影响企业投资的关键所在。纵观以往研究，存在少数几篇文献对这一主题进行了初步考察，包括 Ｇｕｌｅｎ ＆ Ｉｏｎ（２０１６）、李凤羽和杨墨竹（２０１５）、谭小芬和张文婧（２０１７），且这些工作普遍采用固定资产占比作为企业资产可逆性的度量指标，选取依据在于：固定资产的回收周期较于其他资产更长，如交易性金融资产、人力资本等（Ｇｕｌｅｎ ＆ Ｉｏｎ，２０１６）。 然而，资产可逆性特指固定资产投资在未来时期无法完全变现所面临的沉没成本（Ｂｅｒｎａｎｋｅ，１９８３；Ｃａｂａｌｌｅｒｏ，１９９１；Ｂｌｏｏｍ，２００９）。 换言之，固定资产的资产专用性在企业间存在显著差异，需要纳入资产在行业间和行业内的可交易特征。 比如，运输行业的固定资产较易处置，而畜牧业的固定资产需要更多的搜寻成本。 事实上，固定资产占比刻画的是企业的资产配置组合，反映了资产类别的份额变化，是企业投资决策的内生结果变量，无法准确度量投资项目的可逆性特征。 进一步，在高融资约束企业，由于投资面临的机会成本更高，促使其更加关注资金配置效率（Ａｌｍｅｉｄａ ｅｔ ａｌ．，２００４；Ａｃｈａｒｙａ ｅｔ ａｌ．，２００７），资产可逆性的重要性较于低融资约束企业理应更为凸显。对于中国而言，虽然 １９７８ 年改革开放后持续推进市场化改革，产品市场和要素市场的配置效率改善取得了卓著成效，但是经济体制中依旧存在着众多非市场因素，尤其是政府部门时常需要借助于经济政策调整来改变企业的投融资决策。 正是这种特有的中国经济体制，为识别资产可逆性如何影响经济政策不确定性与固定资产投资的关系提供了良好的实验环境。 基于此，本文构建一个理论框架阐释资产可逆性如何影响经济政策不确定性与固定资产投资的关系，并利用 ２００７ 年第１ 季度至 ２０１７ 年第 ３ 季度的中国 Ａ 股非金融类上市公司数据开展系列实证检验。 进一步，以所有制形式和企业规模作为融资约束的划分依据，本文重点考察资产可逆性这一传导渠道在不同融资约束企业间的异质性。 经验分析表明，资产可逆性越高，经济政策不确定性对企业固定资产投资的抑制作用越小，且该效应在高融资约束企业更为凸显。区别于以往研究，本文的主要贡献包括：第一，以资产在行业间和行业内的使用情况为基准，利用 ２０１２ 年 １３９ 部门投入产出表估算行业资产可逆性，并依据证监会行业分类与上市公司相匹配。 传统文献通常采用固定资产占比作为企业资产可逆性的度量指标，未充分考虑资产在行业内和行业间的交易特征，如 Ｇｕｌｅｎ ＆ Ｉｏｎ４５刘贯春等：经济政策不确定性、资产可逆性与固定资产投资① 由于资产可逆性的内涵十分丰富，为表述方便，本文还采用二手市场的处置成本、交易费用等诸多表述，但这些词汇在文中等同存在。 特别地，本文所强调的处置成本与 Ｂｅｒｎａｎｋｅ（１９８３）中的调整成本存在一定差异，主要区别在于：本文刻画的是固定资产项目投资失败（或实际收益率远低于市场预期）时在二手市场面临的交易成本，而后者刻画的是既有投资在面临新投资项目时的适应性调整成本。经济政策不确定性、资产可逆性与固定资产投资∗刘贯春　 段玉柱　 刘媛媛　 　 内容提要：本文利用２０１２ 年 １３９ 部门国民经济投入产出表测算行业资产可逆性，并依据证监会行业分类匹配至非金融类 Ａ 股上市公司，进而考察资产可逆性如何影响经济政策不确定性与固定资产投资的关系。 考虑到资产可逆性与项目投资失败时的清算价值正相关，本文从经济政策不确定性上升会增加项目投资收益率波动的视角构建理论分析框架，并利用２００７—２０１７ 年季度数据对理论假说进行实证检验。 结果表明，随着所处行业的资产可逆性提升，经济政策不确定性对企业固定资产投资的抑制作用被弱化，且该效应在融资约束严重的企业更为凸显。 特别地，在控制经济周期特征、投资机会和抵押担保效应后，上述研究结论依旧成立。 此外，考虑到模型内生性、经济政策不确定性和资产可逆性的度量方式、行业匹配度及模型设定形式等问题，系列稳健性测试均证实资产可逆性这一传导渠道的重要性。 本文结论表明，资产处置成本是企业投资决策的重要决定因素。关键词：经济政策不确定性　 资产可逆性　 固定资产投资　 融资约束∗　 刘贯春，上海财经大学公共经济与管理学院，邮政编码：２００４３３，电子信箱：ｌｉｕｇｕａｎｃｈｕｎ１＠ １２６． ｃｏｍ；段玉柱、刘媛媛（通讯作者），复旦大学经济学院，邮政编码：２００４３３，电子信箱：ｙｚｄｕａｎ１６＠ ｆｕｄａｎ． ｅｄｕ． ｃｎ，ｌｉｕｙｕａｎｙｕａｎ１２３＠ １２６． ｃｏｍ。 本文研究得到国家社会科学基金重大项目（１５ＺＤＡ００８）的资助。 文章曾在首届中国金融学者论坛、华中科技大学喻园管理论坛、武汉大学珞珈青年经济与管理论坛、湖北经济学院金融学院进行汇报，感谢张军教授、史永东教授、杨金强教授、方颖教授、薛明皋教授、李青原教授、罗知副教授、戴静副教授、李旭超副研究员、李安泰讲师和匿名审稿专家的宝贵修改意见。 当然，文责自负。一、 引　 言现阶段，固定资产投资下滑是中国实体经济的典型特征，实体经济与虚拟经济的脱钩引起政府部门和学者们的广泛关注。 以全社会固定资产投资为例，２０１１ 年之前的平均增速高达 ２０％ ，但此后呈现不断下降趋势，２０１８ 年增长率仅为 ５� ９％ 。 与此形成鲜明对比的是，以房地产市场为典型代表的金融投资市场呈现过度繁荣景象，企业对金融渠道获利的依赖程度正在不断加强（刘贯春等，２０１８），“经济金融化”格局正在加速形成。 尽管利润最大化是企业的本质追求，但是中国实体经济的根基正在不断受到金融业务过度扩张的侵蚀，不利于产业升级和经济结构转型，从而有损于实体经济的长期发展。作为高度依赖于物质资本积累的发展中国家，近年来中国试图通过调整宏观经济政策来维持固定资产投资并扭转实体企业的“脱实向虚”态势。 然而，伴随着经济政策尤其是货币政策的频繁调整，公众和企业无法准确把握政府部门是否、何时以及如何改变现行政策，难以对宏观经济政策形成持续稳定的一致预期，经济政策不确定性由此形成（Ｇｕｌｅｎ ＆ Ｉｏｎ，２０１６；王红建等，２０１４）。 此时，固定资产投资的风险将提高，进而不利于增强实体企业的投资信心。 在这一大背景下，习近平总书记在党的十九大报告中指出，深化投融资体制改革并发挥投资对优化供给结构的关键性作用，对于供给侧结构性改革和完善社会主义市场经济体制具有重要意义。 因此，识别经济政策不确定３５２０１９ 年第 ８ 期易费用并承担资产的置出费用。 同时，在等待合适的交易机会时，企业需要承担等待过程中的时间机会成本。 此外，在遭受负面冲击时收回投资，所能回收的金额较于该项资产合理市场价值往往会有折价，企业还需承担折价损失（Ｐｉｎｄｙｃｋ，１９９１；Ｓｈｌｅｉｆｅｒ ＆ Ｖｉｓｈｎｙ，１９９２）。 可见，机会成本、置出费用、时间机会成本和折价损失共同决定资产的可逆程度，这些因素均会让企业在置出资产时遭受变现损失并降低清算价值，进而削弱资产可逆性。资产可逆性会影响投资对不确定性风险的敏感程度（Ｐｉｎｄｙｃｋ，１９９１；Ｇｕｌｅｎ ＆ Ｉｏｎ，２０１６；李凤羽和杨墨竹，２０１５；谭小芬和张文婧，２０１７）。 从实物期权的角度来看，通过“等待”所提供的期权价值是不确定性的函数，斜率会随着企业资产可逆性提高而显著放缓。 最极端的情况是投资完全可逆，此时等待不确定性降低和获取更多投资信息没有任何额外收益，期权价值为 ０，企业投资决策不会受到不确定性的影响（Ｇｕｌｅｎ ＆ Ｉｏｎ，２０１６）。 换言之，实物期权价值与投资可逆性显著相关，高可逆性资产更容易变现，从而降低期权价值并促使企业倾向于当期投资。 特别地，投资可逆性度量了企业在陷入困境时的自我保护能力，是企业抵御风险能力的体现。 较低的投资可逆性意味着资产清算价值较低，在产出不好的时候给企业提供的保护较少（Ｃａｂａｌｌｅｒｏ，１９９１；Ｂｌｏｏｍ，２００９）；反之，较高的投资可逆性则意味着更强的变现能力，企业在陷入困难时更容易通过资产变现脱离财务困境。因此，对于资产可逆性更高的企业而言，经济政策不确定性带来的投资风险相对更低，投资被抑制的程度也会更弱。 基于此，本文提出如下研究假说：研究假说 １：企业的资产可逆性越高，经济政策不确定性对企业投资的抑制效应越小。就中国而言，不同所有制和不同规模企业面临的融资约束存在显著差异，应对经济政策不确定性的投资决策亦不相同。 一方面，国有企业在财务和政策方面会得到比非国有企业更多的支持，如财政补贴、银行贷款、股市融资等，通过股权再融资或者债券再融资相对更容易，并长期和银行保持合作关系，所受到的融资约束较小（Ｑｉａｎ，１９９４；Ｌｉｎ ＆ Ｔａｎ，１９９９）。 另一方面，规模大小是银行判断企业信用以配置信贷的重要依据，是企业融资约束的另一重要决定因素（ Ａｌｍｅｉｄａ ｅｔ ａｌ．，２００４；张成思和刘贯春，２０１６）。 由于小规模企业上市时间短、信息披露少，企业和市场的信息不对称程度较强，更容易受到外部融资溢价的冲击。 同时，小规模企业抵押品价值相对于总资产而言比较低，尤其是有形资产比例较低的新兴行业。 因此，较于大规模企业，小规模企业的融资约束相对较高。依据预防性储蓄理论可知，融资约束严重的企业在面临经营困境时更容易陷入流动性危机，需要持有更多现金和可逆性更强的资产预防未来可能出现的流动性危机（Ｂｌｏｏｍ ｅｔ ａｌ．，２００７；Ｈａｎ ＆Ｑｉｕ，２００７）。 可逆性越强的投资项目越容易收回投资，给陷入困境的企业提供流动性保护。 而对于低融资约束的企业，充裕的资金存量使得企业本就不容易陷入流动性危机。 即使陷入流动性危机，这些企业往往也是政府重点救助的对象，可以低成本地从金融机构获得流动性并从政府获得优惠政策等，不需要通过变卖资产的方式来补充流动性。 可见，高融资约束企业为了加强自身的风险抵御能力，在做投资决策时会更加重视投资可逆性。进一步，如果企业容易以低成本获得资金，自由现金流的增加会让企业进行无效率的投资（Ｊｅｎｓｅｎ，１９８６）。 中国国有企业的高管人员通常由政府委派，他们像官员一样有动机追求“政绩”等个人利益。 同时，国有企业需要承担诸多政策性负担，如保增长、促就业等，致使经常出现重复建设和资源浪费等情况。 此外，国有企业管理层存在多重代理问题，较少受到来自股东的监督约束，更容易从事次优活动。 在应对经济政策不确定性时，上述这些因素均会促使国有企业的投资效率较低。 与之形成鲜明对比的是，非国有企业和中小规模企业很难低成本获取资金，谨慎的投资决策促使其更加注重考察投资可逆性，进而避免无效率投资。 基于此，本文提出如下研究假说：研究假说 ２：融资约束程度越严重，资产可逆性这一传导渠道越重要。６５刘贯春等：经济政策不确定性、资产可逆性与固定资产投资响经济政策不确定性与固定资产投资的关系，本文试图构建一个理论分析框架，具体逻辑在于：经济政策不确定性显著增加项目投资收益率的方差，即加剧投资收益或现金流的不确定性，企业利润最大化目标下的最优投资规模向下调整。 然而，资产可逆性越高，项目投资失败时的清算价值越大，会弱化经济政策不确定性对企业投资的抑制作用。 特别地，在面临项目投资失败时，企业需要获取银行借贷以补充流动性，而融资约束严重的非国有企业和小规模企业通常面临着高融资成本，从而资产可逆性的重要性更为凸显。假定企业固定资产投资的生产函数为 ｆ（Ｉ），并满足边际产出递减规律，即ｆ′（Ｉ） ＞ ０ 和ｆ″（Ｉ） ＜０。 在经济政策不确定性的大环境下，设定企业在面对某投资项目时的投资收益函数为：π ＝ｆ（Ｉ）＋ Ａ，　 　ｐｆ（Ｉ）－ Ａ，　 　ｐｆ（Ｉ），　 　 　 １－２ｐ{（１）　 　 换言之，经济政策不确定性使得企业的投资收益存在三种情形：一是获得超额收益ｆ（Ｉ） ＋Ａ 且概率为 ｐ，即不确定性下企业投资有一定机会获得超额利润Ａ；二是获得低额收益ｆ（Ｉ） －Ａ 且概率为 ｐ，即不确定性下企业投资有一定可能处于劣势位置，从而遭受投资损失Ａ；三是正常收益ｆ（Ｉ）且概率为 １ － ２ｐ，与不存在不确定性情形的收益完全相同。 结合（１）式可知，项目投资收益的期望值为 ｆ（Ｉ），而投资方差为 ２Ａ２ｐ。 显然地，经济政策不确定性并未改变固定资产投资的期望收益率，而是加剧了投资收益的波动性，与实物期权理论的核心内涵相一致。 基于这一设定，收益波动幅度Ａ和概率 ｐ 可以被用于刻画经济政策不确定性。 当经济政策不确定性上升时，Ａ 和 ｐ 增加，反之则下降。进一步，当项目投资收益为ｆ（Ｉ） －Ａ 时，企业将选择退出市场或者理解为项目投资失败，从而获得资产清算价值。 令τ 表示资产清算比例，可得投资清算价值为τＩ。 本质上，资产清算比例与资产可逆性完全等价，主要取决于所面临的潜在购买者，体现了资产的变现能力。 特别地，当项目投资失败时，亏损所造成的资金缺口（１ －τ）Ｉ 需要通过银行借贷来弥补以维持正常的投资活动，对应的贷款利率为 ｒ，否则企业将陷入流动性危机，即项目投资失败使得企业面临一定的额外损失（１ －τ）Ｉｒ。 显然，贷款利率ｒ 越大，企业面临的融资约束程度越严重，投资失败的额外损失越大。 在此基础上，不难得到风险中性企业的利润函数期望值为：ｍａｘＩπ ＝ ｐ［ｆ（Ｉ）＋ Ａ － Ｉ］＋（１－２ｐ）［ｆ（Ｉ）－ Ｉ］＋ ｐ［τＩ － Ｉ －（１－ τ）Ｉｒ］ （２）其中，０ ＜ｐ，ｒ，τ＜ １。本质上，上述理论框架是一个两期动态投资模型，投资时序依次表现为：在第 １ 期，经济政策不确定性冲击带来项目投资的收益率方差增大，但并不影响收益率期望值；在第 ２ 期，项目投资失败可能导致企业流动性不足，需要从银行进行借贷以维持下一期的投资活动。 如果企业选择等待或延迟投资，在等待投资过程中可以获得关于项目投资收益的信息，从而避免投资失败并获得等同于银行借贷成本的信息收益。 由此可见，投资成本和等待期权价值分别为Ｉ 和 ｐ（１ －τ）Ｉｒ，投资收益为 ｐ［ｆ（Ｉ） ＋Ａ］ ＋ （１ － ２ｐ）ｆ（Ｉ） ＋ｐτＩ。 依据实物期权理论可知，当不考虑折现率时，①当且仅当投资收益超过投资成本与投资期权的价值之和时，企业才会进行当期投资并决定最优投资规模。 综上可知，模型（２）能够较好地刻画实物期权理论的内在逻辑。对（２）式关于投资Ｉ 求偏导，对应的一阶条件为：７５２０１９ 年第 ８ 期① 本文设定折现因子为 １，放松这一假定不影响研究结论。）。 结合指标内涵来看，固定资产占比仅仅刻画的是企业资产构成，①无法体现固定资产投资项目的可逆性，作为资产可逆性的代理变量存在不当。 为弥补这一不足，遵照 Ｋｉｍ ＆ Ｋｕｎｇ（２０１７）的思路，本文资产可逆性充分结合资产市场的交易特征，能够更好刻画资产处置需要的搜寻成本，并为后续的研究提供了一种适用于中国的测算框架。第二，在经济政策不确定性与固定资产投资的检验逻辑下，系统考察了资产可逆性的重要作用，并证实该渠道在民营企业和小规模企业更为凸显。 以往文献侧重于整体平均效应，如 Ｇｕｌｅｎ ＆Ｉｏｎ（２０１６）、Ｋｉｍ ＆ Ｋｕｎｇ（２０１７）、谭小芬和张文婧（２０１７），忽略了不同融资约束企业对资产可逆性的敏感性差异，本文细化了前人研究。 更为重要的是，本文从经济政策不确定性上升会增加项目投资收益率方差的视角出发，考虑到资产可逆性与项目投资失败时的清算价值正相关，构建了一个理论分析框架进行机理阐释。② 特别地，项目投资失败将导致企业流动性不足，需要从银行获取借贷进行补充。 在等待投资的过程中，企业可以获取关于项目投资失败的信息，等待投资的期权价值等于银行借贷成本，从而为实物期权理论提供了可行的理论范式。第三，为证实资产可逆性刻画的处置成本是唯一可能解释，还控制了经济周期特征、投资机会和抵押担保效应等对研究结论可能有解释力的因素，而这些在以往研究中尚未解决。 此外，为剔除核心指标的度量方式、模型内生性问题、行业匹配度及模型设定形式等对估计结果可能造成的影响，本文通过调整指标构建过程、工具变量法、双重差分估计、改变研究样本和分位数估计等多个维度进行系列稳健性测试，研究结论依旧显著成立。二、 机理分析与研究假说（一）机理分析与研究假说企业固定资产投资严重依赖于对未来的预期，当存在不确定性时，投资是总需求中最易产生波动的部分。 传统的净现值理论认为，当投资项目的预期收益超过其成本时，企业才会进行投资。 然而，如果投资具有一定程度的不可逆性且该项投资可以被推迟时，净现值理论不再适用。 实物期权理论认为，如果投资项目具有一定程度的不可逆性，企业需要综合权衡当期投资所获得的额外收益和等待未来投资、减少不确定性所带来的额外好处，投资机会的选择可以被视为企业持有的一项期权（Ｂｅｒｎａｎｋｅ，１９８３；Ｐｉｎｄｙｃｋ，１９９１；Ｒｏｄｒｉｋ，１９９１；Ｄｉｘｉｔ ＆ Ｐｉｎｄｙｃｋ，１９９４；Ｂｌｏｏｍ ｅｔ ａｌ．，２００７）。 具体而言，当且仅当投资收益的净现值超过投资成本与投资期权的价值之和时，企业才会进行投资。 外部不确定性越高，“等待未来投资”这一行为的回报越高，企业拥有的期权价值上升。 为了规避潜在风险，企业对投资更加谨慎，倾向于延迟投资并减少当前的投资支出，直至不确定性降低和更多的信息披露。实物期权理论的关键假设之一就是投资至少是部分不可逆的。 这种不可逆性，主要体现为处置投资资产时企业所需承担的沉没成本和交易成本，具体表现为：一方面，当将投资资产变现时，由于资产专用性等因素，已有投资的沉没成本无法回收（Ｐｉｎｄｙｃｋ，１９９１）；另一方面，为达成交易以处５５２０１９ 年第 ８ 期①②考虑到固定资产占比更多刻画的是企业流动性，传统研究可能反映的是预防性储蓄动机，而非资产处置成本带来的影响，如 Ｇｕｌｅｎ ＆ Ｉｏｎ（２０１６）、谭小芬和张文婧（２０１７）。 亦即，固定资产占比越高，经济政策不确定性加剧带来的流动性需求管理越强，从而导致固定资产投资下降幅度越大。尽管以往文献为不确定性、不可逆性与固定资产投资的逻辑关系提供了较为成熟的理论框架，如 Ｂｅｒｎａｎｋｅ（１９８３）、Ｐｉｎｄｙｃｋ（１９９１）、Ｂｌｏｏｍ（２００９），但是本文侧重于凸显资产可逆性的核心作用，并采用项目投资失败时的清算比例而非调整成本来刻画资产可逆性，提供了一种新建模思路。 在这一理论框架下，容易得到投资成本、投资收益和等待期权价值的解析表达式，从而在企业利润最大化框架下阐释资产可逆性如何影响经济政策不确定性与固定资产投资的关系。 随后，本文考察了资产可逆性在不同融资约束企业的差异化作用，得到新边界条件的同时进一步补充了以往文献。（Ｉ）＋（１－２ｐ）ｆ′（Ｉ）＋ ｐτ －１－ ｐ（１－ τ）ｒ ＝０ （３）　 　 求解（３）式，可得最优投资Ｉ∗满足：ｆ′（Ｉ∗）＝ τ ＋１＋ ｐ（１－ τ）ｒ － τ１－ ｐ（４）　 　 可见，企业投资函数是概率ｐ 和资产清算比例 τ 的函数。此时，最优投资Ｉ∗边际产出 ｆ′（Ｉ∗）关于概率ｐ 的偏导函数为：∂ｆ′（Ｉ∗）∂ｐ＝１＋ ｐ（１－ τ）ｒ － τ（１－ ｐ）２＋（１－ τ）ｒ１－ ｐ＞０ （５）　 　 可以看出，概率ｐ 越高，最优投资的边际产出ｆ′（Ｉ∗） 越大，即最优投资规模Ｉ∗ 越小。 也就是说，伴随着经济政策不确定性的上升，投资收益波动在加剧，进而抑制固定资产投资，这与当前研究结论相一致， 如 Ｂａｋｅｒ ｅｔ ａｌ． （２０１６）、 Ｇｕｌｅｎ ＆ Ｉｏｎ （２０１６）、 李凤羽和杨墨竹 （２０１５）、 饶品贵等（２０１７）、谭小芬和张文婧（２０１７）。 同时，不难发现最优投资决策和波动幅度Ａ 无关，仅与概率ｐ有关。进一步，对（５）式关于资产清算比例τ 求偏导，可得：∂［∂ｆ′（Ｉ∗）／∂ｐ］∂τ＝ －１＋ ｒ（１－ ｐ）２＜０ （６）　 　 显然，资产清算比例τ 越高，∂ｆ′（Ｉ∗）／∂ｐ 越小，这表明概率ｐ 与企业最优投资规模 Ｉ∗的负向关系越弱，即经济政策不确定性通过增加投资收益波动对固定资产投资的抑制作用越小。 由于资产专用性的差异，不同企业在进行资产清算时面临的潜在交易者有明显区别，搜寻成本和交易成本显著不同，从而致使资产可逆性在不同企业间存在异质性（Ｋｉｍ ＆ Ｋｕｎｇ，２０１７）。 换言之，企业资产可逆性越高，意味着更高的清算比例τ，新增固定资产投资的清算价值越大，固定资产投资—经济政策不确定性的敏感性更小，即研究假说 １。 更为重要的是，贷款利率ｒ 越大，资产清算比例τ 对概率ｐ 与企业最优投资规模 Ｉ∗负相关的影响越强，具体表现为：∂∂［∂ｆ′（Ｉ∗）／∂ｐ］∂τ／∂ｒ ＝ －１（１－ ｐ）２＜０ （７）　 　 由此可见，较于低融资约束企业，资产可逆性的作用在高融资约束企业更为凸显，即研究假说 ２。三、 企业资产可逆性的测算框架如何估算企业的资产可逆程度，是本文开展实证检验的重要前提。 传统文献多采用固定资产净额与企业总资产的占比来测度，如 Ｇｕｌｅｎ ＆ Ｉｏｎ（２０１６）、李凤羽和杨墨竹（２０１５）、谭小芬和张文婧（２０１７）。 然而，这个代理变量存在如下问题：第一，该指标默认假定不同固定资产的可逆性完全同质，但影响固定资产投资决策的正是其资产本身的可逆性差异；第二，固定资产占比描述的是企业整体的资产组合配置特征，而实物期权理论强调的资产可逆性是针对待投资项目；第三，固定资产占比是企业投资决策的内生结果变量，但企业投资决策时考虑的可逆性是投资项目的固有特质。有鉴于此，固定资产占比并不适用于测度未来投资项目的可逆性，这一指标实际上仅仅反映的是企业在期末持有的有形资产比重。 考虑到固定资产是非金融类企业的核心构成，如何考察固定资产投资的可逆性至关重要。（一）测算框架为精确测算企业资产可逆性，遵照 Ｋｉｍ ＆ Ｋｕｎｇ（２０１７）的做法，本文利用国民经济投入产出表构建资产 － 行业 － 企业三个维度的可逆性指标，操作步骤主要划分为三步：第一，基于不同行业对８５刘贯春等：经济政策不确定性、资产可逆性与固定资产投资监会行业分类由投入产出表行业分类合并而来。 需要说明的是，若证监会行业分类由投入产出表行业分类拆分而来，本文将其归类为完全匹配情形。 针对完全匹配的行业资产可逆性，表 １ 汇报了排序最高的 １０ 个行业和最低的 １０ 个行业。① 不难发现，装卸搬运和其他运输代理业、广播、电视、电影和影视录音制作业、水的生产和供应业、批发业、零售业等资产可逆性最高，而畜牧业、渔业、燃气生产和供应业、纺织服装、服饰业、农业等资产可逆性最低。 这些结果充分表明，与农业紧密相关的行业资产可逆性较低，而与服务业紧密相关的行业资产可逆性较高，与中国的二元城乡结构、服务业占比不断提升等客观现实相一致。表 １ 行业资产可逆性估算结果：正序前十与倒序前十行业名称 资产可逆性 行业名称 资产可逆性装卸搬运和其他运输代理业 ０� ４９８ 家具制造业 ０� ２７９广播、电视、电影和影视录音制作业０� ４８８ 木材加工及木、竹、藤、棕、草制品业０� ２７０水的生产和供应业 ０� ４８６ 林业 ０� ２５０批发业 ０� ４８３ 餐饮业 ０� ２３７零售业 ０� ４８３ 卫生业 ０� ２３５水上运输业 ０� ４７４ 农业 ０� ２３４道路运输业 ０� ４７３ 纺织服装、服饰业０� ２３１租赁业 ０� ４５９ 燃气生产和供应业 ０� ２０３电力、热力生产和供应业０� ４３９ 渔业 ０� ２０１铁路运输业 ０� ４３７ 畜牧业 ０� １６１四、 模型设定、指标选取与数据来源（一）模型设定结合前文理论分析可知，与资产可逆性紧密相关的处置成本会显著影响经济政策不确定性与企业固定资产投资的负相关关系，尤其体现为融资约束严重的企业。 为对上述理论假说进行验证，借鉴 Ｇｕｌｅｎ ＆ Ｉｏｎ（２０１６）、Ｋｉｍ ＆ Ｋｕｎｇ（２０１７）、李凤羽和杨墨竹（２０１５）、谭小芬和张文婧（２０１７）、纪洋等（２０１８）的做法，以企业固定资产投资作为被解释变量，将资产可逆性与经济政策不确定性的交互项引入投资方程，并纳入企业层面的异质性特征，构建如下计量模型：Ｉｎｖｉｔ＝ α０＋ α１Ｅｐｕｔ－１×Ｒｅｖｉ＋ α２Ｔｑｉ，ｔ－１＋ α３Ｓｉｚｅｉ，ｔ－１＋ α４Ａｇｅｉｔ＋ α５Ｃｆｏｉｔ＋ α６Ｌｅｖｉｔ＋ α７Ｒｏａｉ，ｔ－１＋ ｕｉ＋ γｔ＋ εｉｔ（１５）其中，下标ｉ 和 ｔ 分别代表企业和时期；Ｉｎｖ、Ｅｐｕ 和 Ｒｅｖ 依次表示固定资产投资、经济政策不确定性指数和企业资产可逆性。 同时，控制变量包括成长机会Ｔｑ、企业规模Ｓｉｚｅ、企业年龄Ａｇｅ、经营性现金流 Ｃｆｏ、杠杆率Ｌｅｖ 和资产收益率 Ｒｏａ。 此外，本文还纳入个体固定效应ｕｉ和时间固定效应 γｔ，以控制不随时间变化且不可观测的企业固有特征和仅随时间变化的宏观环境调整。需要说明的是，由于企业资产可逆性不随时间变化，其对固定资产投资的影响被个体固定效应所吸收。 同时，经济政策不确定性指数是全国层面的时间序列，企业间不存在任何差异，被时间固定效应所吸收。 就本文而言，α１是关注的重点，刻画了资产可逆性如何影响经济政策不确定性与１６２０１９ 年第 ８ 期① 值得注意的是，本文假定行业资产可逆性在 ２００７—２０１７ 年间恒定不变。 为对这一问题进行验证，本文利用 ２００７ 年投入产出表重新测算了行业资产可逆性，并与 ２０１２ 年进行对比。 结果发现，无论是绝对值还是排序，两者均相差不大。产层面的可逆性指数；第二，依据各类资产在各行业的使用情况，构建行业层面的资产可逆性指数；第三，结合企业所处行业及其在不同行业的业务构成，得到企业层面的资产可逆性指数。１． 构建各类资产的可逆性通常来讲，使用某类资产的行业数目越多，该资产的可逆性越强，因为其可以很容易地在行业内或者行业间实现交易。 换言之，给定资产在国民经济各部门中被使用的广泛程度，可以用来刻画资产可逆性。 基于此，本文以使用某类资产的行业数量来反映该资产被使用的广泛程度，进而把资产可逆性定义为：国民经济中使用该资产的行业数量。 考虑到不同行业对该资产可逆性的贡献存在差异，利用行业产出占比作为权重进行加权处理，具体计算公式为：ＲｅｖａＴ＝∑ｎｊ ＝１ＩａｊＴ×（ＶａｌｕｅｊＴ∑ｎｊ ＝１ＶａｌｕｅｊＴ） （８）其中，下标ａ、ｊ 和 Ｔ 分别代表资产、行业和年份，ｎ 为行业数量。ＲｅｖａＴ表示资产 ａ 第 Ｔ 年的可逆性；ＩａｊＴ是 ０—１ 虚拟变量，表示资产ａ 第 Ｔ 年是否被行业 ｊ 使用。 如果行业ｊ 使用资产 ａ，ＩａｊＴ赋值为 １，否则赋值为 ０。 特别地，ＶａｌｕｅｊＴ是行业 ｊ 第 Ｔ 年在资产 ａ 交易市场中的重要性。 当不同行业的重要性一致时，ＶａｌｕｅｊＴ＝ １，即简单加权；当不同行业的重要性不一致时，可以采用行业产出占社会总产出的比重进行综合加权，即考虑了不同行业的异质性贡献。 事实上，等式右侧第一项ＩａｊＴ刻画的是资产 ａ 在行业间的配置状况，第二项ＶａｌｕｅｊＴ／∑ＶａｌｕｅｊＴ刻画的是资产 ａ 在行业 ｊ 内的交易特征，即（８）式同时考察了各类资产在行业间和行业内的交易特征。为确定行业 ｊ 是否使用资产 ａ，需要计算行业ｊ 使用资产 ａ 的数量占资产 ａ 总使用量的比重，具体表达公式为：ＵＲａｊＴ＝ ＵｓｅａｊＴ∑ｎｊ ＝１ＵｓｅａｊＴ（９）其中，ＵｓｅａｊＴ是行业 ｊ 第 Ｔ 年使用资产 ａ 的数量；ＵＲａｊＴ表示行业 ｊ 第 Ｔ 年使用资产 ａ 的数量占资产使用总量的比重。 事实上，只有使用比重超过一定阈值ＵＲ∗，才能认定行业ｊ 影响资产 ａ 的交易市场，即ＩａｊＴ＝ １。 反之，行业ｊ 使用资产 ａ 的数量太少，不足以对该资产交易市场产生重要影响，即ＩａｊＴ＝ ０。 此时，不难得到：ＩａｊＴ＝０，ＵＲａｊＴ≤ＵＲ∗１，ＵＲａｊＴ＞ ＵＲ∗{（１０）　 　 ２． 构建行业资产可逆性行业资产可逆性取决于该行业所使用各类资产的可逆性，本文把行业资产可逆性定义为：该行业所使用资产的可逆性按资产使用比例加权求和，具体计算公式为：ＲｅｖｊＴ＝∑ｍａ ＝１ｗａｊＴ×ＲｅｖａＴ（１１）其中，ＲｅｖｊＴ表示行业 ｊ 第 Ｔ 年的资产可逆性；ｍ 为资产种类；ｗａｊＴ代表行业 ｊ 第 Ｔ 年使用资产 ａ 的权重，用消耗比重来表示，即：ｗａｊＴ＝ ＵｓｅａｊＴ∑ｍａ ＝１ＵｓｅａｊＴ（１２）利用（１１）式和（１２）式，结合资产可逆性不难得到行业资产可逆性。３． 构建企业资产可逆性企业资产可逆性由该企业所处行业的资产可逆性决定。 由于一个企业可能从事多个行业的业务，其资产可逆性理应由相应行业资产可逆性加权获得。 具体而言，使用企业在不同行业的经营业９５２０１９ 年第 ８ 期行加权求和，不难得到企业资产可逆性为：ＲｅｖｉＴ＝∑ｎｊ ＝１ｓｉｊＴｓｉＴ×ＲｅｖｊＴæèçöø÷（１３）其中，下标ｉ 代表企业；ＲｅｖｉＴ表示企业 ｉ 第 Ｔ 年的资产可逆性；ｓｉＴ表示企业 ｉ 第 Ｔ 年的销售总额，而ｓｉｊＴ表示企业 ｉ 第 Ｔ 年从事行业 ｊ 经营活动的销售额。（二）数据处理考虑到 ２０１２ 年投入产出表是可获得的最新数据，且正好处于研究样本的中间位置，在时间上具有代表性，故本文使用 ２０１２ 年 １３９ 部门国民经济基本流量表来估算企业资产可逆性。 具体地，在投入产出表的基础上，本文将投入品所在行业视为资产ａ，产出品所在行业视为行业ｊ，则行业数量 ｎ 和资产种类 ｍ 均为１３９。 同时，本文将资产使用比重阈值ＵＲ∗设定为０� ５％ ，即当行业ｊ 使用资产 ａ 比重高于０� ５％ 时，有ＩａｊＴ＝ １。 另外，本文使用行业产出占比作为各类资产可逆性的权重，①以更好地刻画行业规模对各类资产的吸纳能力。 基于这些参数设定，利用（８）—（１２）式不难得到１３９ 个细分行业的资产可逆性。进一步，由于上市公司财务报表只提供按照产品种类划分的营收数据和按照本企业主观设定行业分类标准划分的营收数据，无法与投入产出表的行业分类进行匹配，上市公司在不同行业的业务占比数据不可得。 为此，本文采用另一种办法估算企业资产可逆性：直接把上市公司按照证监会《上市公司行业分类指引（２０１２ 年修订）》的划分标准归入相应行业，并以该证监会分类行业的资产可逆性作为企业资产可逆性，即：ＲｅｖｉＴ＝ＲｅｖｊＴ，ｉ∈ｊ（１４）　 　 需要说明的是，本文以 Ａ 股非金融类上市公司作为研究对象考察企业的行业归属，所使用的行业划分标准是中国证券监督管理委员会发布的《上市公司行业分类指引（２０１２ 年修订）》。 尽管该行业分类和投入产出表基本一致、名称大致相同，但两者并不完全相同，需要进行一定处理。②特别地，不同于美国投入产出表，中国投入产出表未将不同行业投入品所属的资产类别进行细致区分，而仅仅汇报的是投入品所在行业。 此时，上述框架测算得到的行业资产可逆性更多是产品在不同行业之间的使用广度，以间接刻画资产交易面临的二手市场。 一般而言，二手市场越发达，信息搜寻成本和直接交易成本越低，且资产处置的等待处置时间越短、机会成本越小。 同时，使用产品的行业数量越多，受到单一行业负面冲击的影响越小，则资产变现时的折价损失越少。 另外，由于资产可逆性的内涵十分丰富，传统文献未能提供统一度量，而 Ｋｉｍ ＆ Ｋｕｎｇ（２０１７）提出的理论框架是一种新尝试，在一定程度上提供了一种科学且客观的可行指标。（三）测算结果利用前文理论框架并结合数据处理，最终得到与证监会行业分类基本匹配的 ７３ 个行业资产可逆性指数。 其中，５７ 个行业属于完全匹配，即投入产出表与证监会的行业划分相一致；而其他 １６０６刘贯春等：经济政策不确定性、资产可逆性与固定资产投资①②对于高垄断行业而言，产出规模大意味着所配置资产的行业内交易市场重要性较强，但行业内数量较少和规模不对等可能导致高估资产层面的可逆性指数。 针对这一问题，由于无法获取行业内企业数量和规模分布，作者将各行业的权重设定为相等（即简单加权），从而重新估算行业资产可逆性并开展实证检验，结果显示行业资产可逆性指数变化不大且本文结论依旧成立。第一种情况是证监会行业分类由投入产出表行业分类合并而来，涉及到证监会行业分类下的 １６ 个行业。 比如，证监会行业分类“汽车制造业”是由投入产出表的“汽车整车”和“汽车零部件及配件”两个行业合并而来。 在这种情况下，把投入产出表合并行业的资产可逆性按照产出占比进行加权处理，得到合并后证监会行业的资产可逆性。 第二种情况是证监会行业分类由投入产出表行业分类分拆而来，涉及到证监会行业分类下的 ７ 个行业。 比如，证监会行业分类“零售业”和“批发业”是由投入产出表的“批发和零售”分拆而来。 在这种情况下，证监会行业均采用所属的投入产出表行业资产可逆性。 第三种情况是证监会行业分类为“综合”，涉及 ２４ 家上市公司。 在这种情况下，由于无法匹配到投入产出表中的行业划分，且 ２４ 个上市公司在样本中占比很小，予以剔除。表 ２ 变量的描述性统计变量 观测值 均值 最小值 最大值 标准差Ｉｎｖ８１９３８ ０� ０３５９ ０� ００００ ０� ２１７８ ０� ０４２１Ｅｐｕ８４５２９ ２� ０２０１ ０� ５４０１ ５� ３７３０ １� ２５６３Ｒｅｖ８４５２９ ０� ３３５２ ０� １６１１ ０� ４９８３ ０� ０７４６Ｔｑ８４５２９ ２� ９３７４ ０� ９２８４ １３� ４０５５ ２� １５９５Ｓｉｚｅ８４５２９ ２１� ８１５２ １９� １９４３ ２５� ７３９７ １� ２５６１Ａｇｅ８４５２９ １５� ７２６１ ３� ２５００ ６６� ７５００ ５� ２４４９Ｃｆｏ７９３８０ ０� ４１８７ ０� ０１９５ ２� ２１４４ ０� ３９３０Ｌｅｖ８４５２９ ０� ４３３２ ０� ０４１３ １� ００８７ ０� ２２０８Ｒｏａ８４５２８ ０� ０２７５ － ０� ０９２７ ０� １６９６ ０� ０３９７五、 实证结果与分析关于经济政策不确定性如何影响固定资产投资，为理解资产可逆性衡量的处置成本是一条重要渠道，本文的检验策略主要分为三步：一是开展全样本估计，对研究假说 １ 进行验证；二是针对不同融资约束企业，进行子样本估计对研究假说 ２ 进行验证；三是探讨其他可能的多种解释，并逐一排除，进而证实资产可逆性测度的处置成本是真正原因。（一）基准回归结果表 ３ 第 １—３ 列汇报了全样本回归结果。 不难看出，在 ５％ 的统计水平下，经济政策不确定性与企业资产可逆性的交互项的回归系数均显著为正，这意味着资产可逆性显著影响经济政策不确定性与企业固定资产投资的关系。 具体而言，企业资产可逆性越高，固定资产投资的处理成本越低，企业当前投资面临的机会成本越小且未来投资的等待价值越低，经济政策不确定性对企业固定资产投资的负向作用越小。① 因此，企业资产可逆性显著弱化了经济政策不确定性对固定资产投资的抑制作用，研究假说 １ 得证。表 ３ 基准回归结果变量全样本 不同融资约束分组方程（１） 方程（２） 方程（３） 国有类型 民营类型 大规模 小规模Ｅｐｕｔ－ １×Ｒｅｖｉ０� ００２７∗∗（０� ００１３）０� ００３０∗∗（０� ００１２）０� ００２８∗∗（０� ００１２）－ ０� ０００２（０� ００１７）０� ００４５∗∗（０� ００２０）－ ０� ００３４∗（０� ００１９）０� ００９７∗∗（０� ００３９）控制变量 否 部分 是 是 是 是 是个体效应 是 是 是 是 是 是 是时间效应 是 是 是 是 是 是 是观测值 ７９４９９ ７９４９４ ７９４９４ ３２４９７ ３９７５７ ２０５１７ １９００３Ｒ２０� ２３８４ ０� ２４９３ ０� ２４９７ ０� ２６２３ ０� ２４７８ ０� ３６５５ ０� １６３７　 　 注：部分控制变量不包括企业规模和企业年龄；括号内为聚类到行业层面的稳健标准误；∗、∗∗和∗∗∗分别代表１０％ 、５％ 和 １％的显著性水平。 下同。３６２０１９ 年第 ８ 期① 当不控制时间固定效应时，经济政策不确定性独立项的回归系数显著为负，详见表 ４。究假说 １—２，本文有如下预期：α１显著为正，且系数大小在融资约束严重的企业更大。（二）指标选取结合以往研究，如 Ｂａｋｅｒ ｅｔ ａｌ． （２０１６）、Ｇｕｌｅｎ ＆ Ｉｏｎ（２０１６）、李凤羽和杨墨竹（２０１５）、饶品贵等（２０１７），本文对涉及到的指标选取及其度量方式进行界定。 首先，关于固定资产投资Ｉｎｖ，本文采用固定资产、无形资产和其他长期资产支付现金之和占企业总资产的比重来表示。 其次，关于经济政策不确定性，本文利用 Ｂａｋｅｒ ｅｔ ａｌ． （２０１６）提供的月度指数①进行加总，除以１００ 获得。 遵照 Ｇｕｌｅｎ＆ Ｉｏｎ（２０１６）、李凤羽和史永东（２０１６）的做法，对季度内３ 个月的权重依次赋值１ ／ ６、２ ／ ６、３ ／ ６，进而得到经济政策不确定性的加权指标。 该方法的核心思想在于：距离观测值越近的月度，经济政策不确定性对企业投资决策的影响理应越强。 此外，本文涉及 ６ 个控制变量，度量方式依次为：（１）成长机会Ｔｑ，用托宾 Ｑ 值来表示，度量方式为股票总市值与债务账面价值之和占总资产账面价值的比重；（２）企业规模 Ｓｉｚｅ，用企业总资产的自然对数来表示；（３）企业年龄Ａｇｅ，用企业成立年限来表示；（４）经营性现金流 Ｃｆｏ，用销售商品、提供劳务收到的现金之和占企业总资产的比重来表示；（５）杠杆率Ｌｅｖ，用负债总额占企业总资产的比重来表示；（６）资产收益率Ｒｏａ，用净利润与企业总资产的占比来表示。进一步，关于如何度量企业的融资约束程度，尽管现有研究提出较多测度指标，但远未达成一致共识。 近年来，国内外普遍采用 Ｋａｐｌａｎ ＆ Ｚｉｎｇａｌｅｓ（１９９７）、Ｗｈｉｔｅｄ ＆ Ｗｕ（２００６）、Ｈａｄｌｏｃｋ ＆ Ｐｉｅｒｃｅ（２０１０）先后提出的 ＫＺ 指数、ＷＷ 指数和 ＳＡ 指数。 其中，ＫＺ 指数和 ＷＷ 指数包含诸多内生的财务指标；②而 ＳＡ 指数仅利用企业规模和上市年限两个相对外生的变量。 结合中国的客观现实可知，Ａ 股上市公司的股利支付属于“半强制政策”（周东华和赵玉洁，２０１４），ＫＺ 指数和 ＷＷ 指数并不适用。 同时，由于构建 ＳＡ 指数的参数设定由美国数据获取，直接用于中国数据不合适。 基于此，遵照 Ａｌｍｅｉｄａ ｅｔ ａｌ． （２００４）、Ａｃｈａｒｙａ ｅｔ ａｌ． （２００７）、李凤羽和史永东（２０１６）的做法，本文采用两种度量方式③：第一，依据所有制形式，将中央和地方国有企业归类为低融资约束组，而民营企业归类为高融资约束组；第二，依据企业规模，将 ２５％ 分位点以下的企业归类为高融资约束组，将 ７５％分位点以上的企业归类为低融资约束组。（三）数据来源本文选取中国 Ａ 股上市公司作为研究对象，时间跨度为 ２００７ 年第 １ 季度至 ２０１７ 年第 ３ 季度，并把银行、保险、证券、房地产等金融行业剔除，从而构造非金融类企业的季度数据样本。 之所以选取 ２００７ 年作为样本起点，原因在于 ２００７ 年中国上市公司开始执行新会计准则，且股权分置改革基本完成，在考察企业层面的特征变量时不需要考虑流通股和非流通股的因素。 企业层面的原始数据来源于国泰安数据库（ＣＳＭＡＲ），而经济政策不确定性指数来源于 Ｂａｋｅｒ ｅｔ ａｌ． （２０１６）。 为消除异常值可能造成的估计偏差，除经济政策不确定性、企业资产可逆性及企业年龄外，对其他企业变量均进行 １％ 水平的 Ｗｉｎｓｏｒｉｚｅ 缩尾处理。 此外，考虑到企业成立初期的固定资产投资更多是刚性需求，本文剔除上市公司成立 ３ 年以内的数据样本。 表 ２ 汇报了各变量的描述性统计。 不难看出，阈值为 ０� ５％ 时的企业资产可逆性均值仅为 ０� ３４，处于较低水平，这说明固定资产投资存在较高的处置成本。２６刘贯春等：经济政策不确定性、资产可逆性与固定资产投资①②③为衡量中国经济政策的不确定性，Ｂａｋｅｒ ｅｔ ａｌ． （２０１６）使用香港主流的英文报纸《南华早报》，统计报纸上和政策有关的经济不确定性的文章比例，进而构建中国经济政策不确定性的月度指数。ＫＺ 指数涉及到的财务指标有现金流、托宾 Ｑ 值、资产负债率、股利支付率和企业现金持有量；ＷＷ 指数涉及到的财务指标有现金流、股利支付哑变量、长期负债、企业规模、销售收入增长率等。在中国，国有企业面临着预算软约束，能够轻易获取银行贷款（张成思和刘贯春，２０１５）。 同时，企业规模是金融机构信贷配置的核心考察要素（张成思和刘贯春，２０１６），亦是 ＳＡ 指数的关键构建指标之一。