金融创新、融资约束与公司投资*
李科 徐龙炳
（上海财经大学金融学院，200433）
Financial Innovation, Financial Constrains, and Investment
Li Ke Xu Longbing
( School of Finance，Shanghai University of Finance and Economics，Shanghai, 200433, China)
Abstracts: In this paper we exploit the innovation of financial instrument (short-term bond) to the variation of financial constrains of the listed companies and empirically test the effect of financial constrains on investment. Based on the natural experiment, we handle the two challenging problems in empirical test for investment: the criterion of grouping financial constrains and the measurement error in Tobin’s Q. We find that short-term bond as a potential financial instrument of firm can decrease the financial constrains and thus increase the level of investment. This effect is significant both statistically and economically. Our evidences suggest that financial innovation has a great impact on financial constrains and the behaviors of investment, thus produce an important influence on real economy.
Key Words: short-term bond;financial innovation;financial constrain;investment
JEL Classification:G20; G31; G32
作者简介
李科，男，湖北仙桃人，2001年毕业于中南财经政法大学，获经济学学士学位，现为上海财经大学金融学院硕博连读博士研究生。
徐龙炳，男，江苏丹徒人，金融学博士后，上海财经大学金融学院教授，博士生导师。1984年、1989年毕业于南京师范大学数学系，获理学学士、硕士学位，2000年毕业于上海财经大学金融学院，获金融学博士学位，2002年8月博士后出站。2007年度教育部新世纪优秀人才支持计划获得者。现为上海财经大学财经研究所副所长。
联系方式
徐龙炳通讯地址：上海市杨浦区国定路777号上海财经大学财经研究所
邮编：200433
电话：
Email: xlb@https://www.doczj.com/doc/cb17062556.html,
*本文得到国家自然科学基金项目(70673056, 70803027, 70873080)、教育部新世纪优秀人才支持计划项目(NCET-07-0533)、上海市哲学社会科学规划项目(2008BJB003)、上海市重点学科建设项目(B802)、上海财经大学“211工程”三期重点学科建设项目资助。
金融创新、融资约束与公司投资
内容提要：本文利用金融市场中短期融资券的推出作为影响公司融资约束的外部冲击研究公司融资约束变化对公司投资行为的影响。利用短期融资券作为自然实验，本文解决了研究融资约束对投资影响中融资约束分类标准问题以及Tobin Q的度量误差问题。基于中国上市公司2002-2007年的数据，本文发现短期融资券的推出缓解了公司融资约束，最终对公司投资产生了显著的正面影响。这种影响在统计意义上和经济意义上均是显著的。在使用多种其他方式度量公司投资机会和投资，本文的结论都是稳健的。本文的证据表明金融工具创新对公司融资约束和公司投资行为产生了重要影响，因此通过金融市场创新改变公司融资约束对实体经济具有重要意义。
关键词：短期融资券金融创新融资约束投资
1引言
本文研究由金融工具创新引起的公司融资约束减少如何影响公司的投资行为。本文对已有研究的贡献在于：第一，许多研究公司融资约束对公司投资行为影响的文献将公司根据某些特征划分为不同融资约束的类型，检验不同融资约束类型的公司在投资行为方面的差异(Fazzari, Hubbard, and Petersen,1988; Kaplan and Zingales, 1997)。与这些研究不同，本文使用金融市场中金融工具创新作为公司融资约束变化的外部冲击，实证检验公司融资约束变化对公司投资行为的影响，这种实证检验方法有助于克服公司融资约束对投资行为影响的内生性问题。第二，另外一些研究使用外部冲击来控制公司融资约束对投资行为影响的内生性(Lamont, 1997; Gan,2007)，但是这些研究中外部冲击都是增加了公司内部融资成本，加重了公司的融资约束，与这些研究不同，本文的外部冲击关注于公司外部融资成本的降低，这种冲击减缓了公司的融资约束，因此本文的证据能够说明外部金融市场环境的变化如何影响公司融资约束以及对公司投资行为的影响。第三，本文将金融市场中金融工具创新与公司投资行为连接起来，提供证据说明金融创新对公司投资行为存在重要影响。总之，本文的证据表明公司融资约束对公司的投资行为是重要的，外部融资环境的改善能够影响公司的融资约束和投资行为，因此，通过金融市场创新改善公司外部融资状况能够影响实体经济的运行。
公司融资约束的重要性在于其影响了公司的投资等各种行为，进而对实体经济形成了冲击，因此，研究公司融资约束对投资行为的影响一直是经济学和金融学研究的重要课题，许多经济学家和金融学家在这一课题上付出了大量的努力。从宏观上来说，宏观经济学家们关心金融市场摩擦的变化对公司投资产生影响，进而通过“金融加速器”放大了对实体经济的冲击。这种想法最早追溯到Fisher(1933)，Fisher提出了能够放大经济波动的“资产负债表渠道”，认为金融市场摩擦增加后引起公司资产价值下降，因此降低了公司负债能力，进而影响了公司投资与产出(Bernanke and Gertler, 1989; Kiyotaki and Moore, 1997; Gertler and Gilchrist, 1994; Bernanke, Gertler and Gilchrist, 1996)。一些研究比较不同时期宏观经济的波动对公司现金流的冲击进而影响公司投资，从而研究融资约束对投资的影响(Kashyap, Lamont, and Stein, 1994)。从微观上来说，金融学家们关心金融市场上的信息不对称和代理问题如何导致公司内部融资和外部融资的差异及其后果。自从对融资约束研究的重要论文Fazzari, Hubbard, and Petersen(1988)发表以后，研究者们观察到有更多现金流的公司会投资更多，认为融资约束和投资-现金流量敏感性正相关，投资-现金流量敏感性能很好反应融资约束。然而另外一些经济学家对这一信念提出了质疑(Kaplan and Zingales, 1997; Gomes, 2001; Alti, 2003)。Kaplan and Zingales (1997)依据其建立的KZ指数发现融资约束和投资-现金流量敏感
性负相关，投资-现金流量敏感性不能很好反应融资约束。国内对融资约束在微观上的影响也进行了一些研究，包括从不同角度研究融资约束对投资的影响（郑江淮，何旭强和王华，2001；魏峰和刘星，2004；李延喜，杜瑞，高锐和李宁，2007；罗琦，肖文翀和夏新平，2007；连玉君和程建，2007；郭丽虹和马文杰，2009），以及对公司行业竞争策略的影响（李科和徐龙炳，2009）。
实证检验公司融资约束对投资的影响存在许多难题。首先，融资约束分类标准的问题。检验融资约束对投资的影响需要事先将整个样本区分为存在融资约束的公司和不存在融资约束的公司，因此已有的研究在分类方法上各不相同，包括股利支付率(Fazzari, Hubbard, and Petersen, 1988)，债券等级(Whited, 1992)，公司规模(Gilchrist and Himmelberg, 1995)，是否为企业集团的成员(Hoshi, Kashyap, and Scharfstein, 1991)以及KZ指数(Kaplan and Zingales, 1997)。不同的分类方法可能得到不同的结论，正是分类方法上的差异导致了Fazzari, Hubbard, and Petersen(1988)和Kaplan and Zingales (1997)在结论上的截然不同。其次，Tobin Q的度量误差问题。理论上，Tobin Q是公司投资机会的代理变量，公司的投资与公司的边际Tobin Q 有关，投资机会越高，公司的投资会越多。然而，实际上我们只能观察到公司的平均Tobin Q，在回归方程的估计中使用平均Tobin Q代替边际Tobin Q导致了测量误差的问题(Erickson and Whited, 2000)。特别是在中国的资本市场上，由于上市公司股权分值导致公司平均Tobin Q的计算也存在不同的方法，因此在估计回归方程中可能存在更大的测量误差问题。事实上，在估计中国资本市场上的投资方程中，许多研究得出的Tobin Q的估计系数大相径庭，饶育蕾和汪玉英(2006) 估计的Tobin Q系数为负（徐惠玲和刘军霞(2007)详述了中国资本市场上Tobin Q存在的问题）。本文利用金融市场上金融工具的创新作为公司融资约束的外部冲击研究融资约束变化对公司投资的影响有助于克服先前实证研究中的问题，因此能够提供融资约束对投资影响方面的新的更加可靠的证据。使用金融工具的创新作为公司融资约束的外部冲击在某种程度上能够区分出融资约束发生了变化的公司，因此，本文能够解决融资约束分类标准的问题。另外，金融工具的创新对于公司是一种外生性变化，这种变化与公司的投资机会无关，因此，本文能够解决Tobin Q的度量误差问题。
2005年短期融资券的推出是金融市场上的一种金融工具创新，这种创新为本文的研究提供了理想的实验背景。首先，这一金融创新的出现有助于解决实证研究融资约束影响的内生性问题，有助于解决估计投资方程中Tobin Q的度量误差问题。2005年中国人民银行推出短期融资券的目的在于改变直接融资与间接融资比例失调、疏通货币政策传导机制、防止广义货币供应量过快增长、维护金融整体稳定。从目的可以看出这一政策并不是部分上市公司为了获取更多的融资来源而推动货币当局通过的，因此，对于上市公司来说，短期融资券的推出是具有外生性的，新融资工具的出现引起公司融资约束的变化也相应的具有外生性。这种外生性表示公司融资约束的变化独立于公司投资机会的变化。其次，这一金融创新的出现有助于本文区分融资约束发生变化的公司。由于公司能否发行短期融资券依赖于其信用等级高低，因此，公司信用等级能够成为一种外生工具度量短期融资券推出对公司融资约束变化的影响。
基于中国上市公司2002-2007年的样本数据，本文发现公司融资约束由于短期融资券的推出而改善对公司投资产生了显著的正面影响。这种影响在统计意义上和经济意义上都是显著的：在短期融资券推出后两年间（2006年-2007年），平均来说，相对于信用等级较低的公司（融资约束改善较小的公司），信用等级较高的公司（融资约束改善较大的公司）在公司投资方面增长更快，公司投资相对提高了2%以上，短期融资券改善了公司融资约束，从而使公司增加了投资近4000万。无论使用那种代理变量控制公司投资机会，融资约束减少对公司投资的正面影响都是稳健的。
本文其余部分安排如下：第二部分讨论为什么短期融资券作为一种金融创新能够为公司
融资约束变化提供良好的自然实验；第三部分描述本文使用的数据，定义相关的变量以及分析本文使用的计量方法；第四部分给出了实证分析的基本结论以及其稳健性分析；最后，第五部分总结全文。
2短期融资券作为自然实验
2005年5月23日中国人民银行发布《短期融资券管理办法》，允许企业在银行间债券市场发行短期融资券。短期融资券是指企业依照本办法规定的条件和程序在银行间债券市场发行和交易并约定在一定期限内还本付息的有价证券。为发展货币市场而进行的金融创新——短期融资券，是金融市场融资方式的重大突破，对于拓宽企业融资渠道产生了重要影响。根据WIND数据库统计数据，从管理办法发布到2008年年底，金融市场共发行858只短期融资券，为企业筹集资金高达12054.1亿元。在3年多的时间内，短期融资券累计的融资规模已经超过同期国债融资规模的四分之一，是同期企业债融资规模的2倍多，占整个债券市场发行总额的4.95%，短期融资券正成为中国企业获取资金来源的一个重要金融工具。
但是，并非所有公司都可以发行短期融资券，只有信用评级较高的企业才能通过这种金融工具为企业融资。管理办法的一个重要规定是发行人应进行信用评级，应聘请注册会计师进行审计，应聘请律师出具法律意见书，管理办法第十一条规定，企业发行融资券，均应经过在中国境内工商注册且具备债券评级能力的评级机构的信用评级，并将评级结果向银行间债券市场公示。因此，短期融资券的金融创新为信用等级高、信息相对透明的企业创造了融资优势。正如中国人民银行有关负责人表示，好的上市公司治理结构相对完善、信息披露相对透明，具有成为短期融资券发行主体的优势。优质上市公司发行短期融资券，能够有效地拓宽融资渠道、降低财务成本、提高经营效益，还可以通过合格机构投资人强化对上市公司的外部约束，有利于改善上市公司作为资本市场微观基础的素质，有利于资本市场的长远发展。
短期融资券的发行解决了在实证研究融资约束的影响中的两个难题，因此为研究企业融资约束变化的影响提供了一种理想的实验背景。首先，如何度量融资约束。在公司金融的研究中，尽管融资约束的定义是很明确的，指公司内部融资成本和外部融资成本的差异。但是，对融资约束的度量存在较大的争议。通常用于度量融资约束的指标有公司规模、股利支付率、KZ指数和公司的信用评级等(Fazzari, Hubbard, and Petersen, 1988; Kaplan and Zingales, 1997, 2000; Almeida, Campello, and Weisbach, 2004)，但是使用不同的度量指标得出的结论存在差异，有时甚至相去甚远，比如Fazzari Hubbard, and Petersen(1988)和Kaplan and Zingales(1997)对投资-现金流敏感性的争论。本文中短期融资券的发行能够较好的解决融资约束变化的度量问题。在《短期融资券管理办法》中对发行短期融资券的一个重要要求是发行机构要进行信用评级，只有信用等级较高的公司才有资格发行短期融资券进行融资。这意味着短期融资券这种金融创新极大地减少了信用等级高的公司的融资约束，但是并没有缓解信用等级低的公司的融资约束。吴育辉等(2009)发现发行短期融资券的公司具有较好的财务状况，信用等级越高，选择发行短期融资券的概率越高。因此使用公司的信用评级能够区分公司融资约束是否发生了变化。
其次，公司的融资约束具有内生性。在公司融资约束与公司投资的关系上，假定公司融资约束减少能够增加公司投资，但是公司融资约束减少往往与公司投资机会相关，具体来说，公司融资约束的变化预测了公司投资机会的变化，由于公司拥有了更多的投资机会，许多金融机构更加愿意向公司提供资金，因此，公司融资约束减少了。这种内生性问题导致了实证研究中我们很难区分投资的变化是由公司融资约束变化引起的，还是由公司投资机会导致的，因此难以推断融资约束对公司投资行为的因果关系。本文中短期融资券则能够很好解决公司融资约束的内生性的问题。中国人民银行推出短期融资券的目的在于改变直接融资与间
接融资比例失调、疏通货币政策传导机制、防止广义货币供应量过快增长、维护金融整体稳定。因此，对于上市公司来说，短期融资券的推出是具有外生性的，融资工具创新引起公司融资约束的变化也相应的具有外生性。公司融资约束的外生性意味着公司融资约束的变化独立于公司投资机会的变化。具体来说，短期融资券的推出导致了企业有能力获取更多的融资渠道，公司外部融资成本降低，融资约束相应得到缓解。想象一个极端的例子，比如，在短期融资券没有推出以前，假定公司需要资金但没有其他渠道借到资金，公司只能够出售部分资产以获取资金，这种融资成本是非常高的，在短期融资券没有推出以后，通过发行短期融资券公司能够避免出售资产，因此降低了公司外部融资成本。这种融资约束的变化不太可能反应公司投资机会的信息，融资约束变量独立于投资机会变量是本文能够识别公司投资变化的来源。
3数据、变量与研究方法
3.1数据
本文中公司财务数据主要来自于WIND 数据库，Tobin Q 的数据来源于CCER 数据库。本文选取了2002-2007年所有A 股上市公司的公司-年度数据作为研究样本。本文剔除了在2004年和2004年以后上市的公司，原因在于两次差分的方法要求观测到事件发生前后的观测值，即2005年前后的观测值，另外，剔除这些公司避免了上市初期公司在经营业绩和公司特征等方面的差异对实证结果的影响。为了避免异常值对模型分析的影响，本文对每个变量按公司-年的观测值每年winsorize 上下极值各1%。
3.2变量和计量方法
和大多数研究中估计投资方程一样，本文估计如下基本模型：
11/__(*_()it it it it it it i t ij I K a bInvest Oppo cCash Flow d a )
fter high credit e controls Firm Year ε??=+++++++ (1)
模型中各变量的下标i 表示公司，t 表示时间。I/K 表示公司的投资，是被解释变量。本文使用两种方法度量公司的投资，第一种，本文定义第t 年公司投资为第t 年公司资本性支出/第t-1年公司总资产；第二种，本文定义第t 年公司投资为第t 年公司资本性支出/第t-1年公司固定资产。解释变量中，Invest_Oppo 表示公司的投资机会，本文使用Tobin’s Q 和公司销售增长率分别度量公司的投资机会。Tobin’s Q 根据CCER 数据库的定义：Tobin’s Q=公司市场价格/公司重置成本 =（年末流通市值＋非流通股份占净资产的金额＋长期负债合计＋短期负债合计）/年末总资产；公司销售增长率从WIND 数据库获得。Cash_Flow 表示公司的现金流，定义为公司息税前利润(EBIT)除以公司总资产的账面价值。After 和high_credit 都是哑变量，high_credit 表示公司在某一年度是否为高信用等级公司，如果公司为高信用等级high_credit 等于1，否则等于0，after 表示观测到的数据是否处于2005年以后，如果2005年或2005年以后观测到的数据则after 等于1，否则after 等于0。Controls 表示控制变量，Firm 用来控制未观测到的公司固定效应，Year 用来控制外部经济的变化对公司的影响。
d 是本文要估计的一个重要参数，也是本文最感兴趣的估计参数。当公司外部融资渠道增加，外部融资成本相应降低，公司更加有能力为其投资项目进行融资，系数d 反映了金融工具创新引起的融资约束减少对公司投资行为的影响。在没有摩擦的金融市场上，公司的投资行为完全依赖于其拥有的投资机会，不影响公司投资机会的金融工具创新对公司的投资行为不会产生影响。但是，当金融市场存在摩擦时，金融工具创新减少了公司的外部融资成本，公司的融资约束减少，因此投资相应上升。
本文的一个重要变量是如何区分公司融资约束是否受到短期融资券推出的影响。通过事
先将整个样本区分为存在融资约束的公司和不存在融资约束的公司，比较不同类型公司在投资-现金流敏感性上的差异，这种分析方法依赖于其分类方法的合理性，不同的分类方法可能得到不同的结论(Fazzari, Hubbard, and Petersen, 1988; Kaplan and Zingales, 1997)，因此这种检验方法并不完美。本文采用另外一种途径定义公司融资约束的变化。本文并不从截面上区分不同融资约束类型的公司，而是从时间上寻找使公司融资约束发生变化的外生工具，通过外生工具区分公司融资约束是否发生变化，比较两组公司之间投资行为的差异。Lamont(1997)和Gan(2007)使用了类似的方法。Lamont(1997)使用石油价格的下降作为石油企业集团内非石油部门的内部融资成本的外生工具，Gan(2007)使用日本房地产市场泡沫破灭作为持有大量土地公司借贷能力的外生工具。
中国人民银行在2005年推出短期融资券，并且规定发行短期融资券必须经过信用评级，这意味着只有信用等级较高的公司才能发行这种金融工具进行融资。吴育辉等（2009）对发行短期融资券的公司特征进行了研究，也得出了与此一致的研究结论。因此，这种金融创新只对2005年以后信用等级较高的公司产生较大影响，而对其他公司没有什么影响。我们首先定义是否发生了短期融资券的金融创新。显然，2005年和2006年是是否能够使用短期融资券进行融资的分界点，我们定义2005年或2005年以前为没有短期融资券的金融创新，定义2005年以后为发生短期融资券的金融创新。如果观测值属于2005年或2005年以前，After 等于0，否则，After等于1。
其次，本文定义受到金融工具创新影响的公司。第一步，我们计算公司的信用等级。吴育辉等(2009)认为修正后的Altman的Z值判别模型在中国得到了较好的实证支持，与先前的研究一样（吴世农和卢贤义，2001；张玲和曾维火，2004；吴育辉等，2009），本文也采用张玲和曾维火(2004)的模型计算修正后的Altman的Z值。第二步，本文根据修正后的Altman的Z值在任何一年将公司分为信用等级高的组和信用等级低的组。Denis and Mihov (2003)检验了公司在银行贷款和债券发行等融资方式上的选择行为，发现融资公司的信用等级是选择融资方式的主要决定因素，信用等级最高的公司选择公开发行公共债券，信用等级中等的公司选择向银行借款，而信用等级低的公司会从非银行的金融机构获得资金。因此，短期融资券推出对信用等级最高的公司产生的影响最大，而对其他公司的融资状况不会产生影响。假定将整个上市公司分为三类信用等级不同的公司，三类公司各占三分之一，本文将信用等级最高的一组作为受影响最大的一组，将其他公司作为受影响较小的一组。具体来说，本文定义在给定的一年公司修正后的Altman的Z值高于65%的分位数为信用等级高的组，其他公司为信用等级低的组（本文也使用其他的分位数检验结论的稳健性，具体见下文）。
本文使用两种方法定义受到金融工具创新影响较大的公司。第一种，如果公司2005-2007年间一直是信用等级高的公司，那么本文定义该公司为受到金融工具创新影响较大的公司。第二种，如果公司在2005-2007年间某一年是信用等级高的公司，那么定义该公司在这一年为受到金融工具创新影响较大的公司。如果公司为受到金融工具创新影响较大的公司，high_credit等于1，否则，high_credit等于0。因此，如果公司是信用等级较高的一组并且该观测值在2005年以后，那么After*high_credit等于1。注意，本文并没有使用具体的Altman 的Z值评价公司信用等级，而是依据Altman的Z值将公司分为信用等级不同的两组。因为Altman的Z值与公司信用等级还是存在一定差异的，比如两个公司的Altman的Z值分别为2和1.9，取值较低的公司信用等级并非一定低于取值较高的公司。但是两者之间存在较大的相关性，如果两个公司的Altman的Z值分别为2和1，那么取值较低的公司信用等级几乎一定低于取值较高的公司。依据Altman的Z值将公司分为信用等级不同的两组后，取值高的一组平均来说信用等级高于取值较低的一组，而本文的目的正是希望从平均的意义上说明融资约束变化的影响。
投资机会的度量是估计投资方程中的重要问题。Tobin Q通常用于度量公司的投资机会，
但是这一代理变量存在度量误差的问题。理论上，公司的投资与公司的边际Tobin Q有关，投资机会越高，公司的投资会越多。然而，实际上我们只能观察到公司的平均Tobin Q，在回归方程的估计中使用平均Tobin Q代替边际Tobin Q导致了测量误差的问题(Erickson and Whited, 2000)。特别是在中国的资本市场上，由于上市公司股权分值导致公司平均Tobin Q 的计算也存在不同的方法，因此在估计回归方程中可能存在更大的测量误差问题。事实上，在估计中国资本市场上的投资方程中，许多研究得出的Tobin Q的估计系数大相径庭，饶育蕾和汪玉英(2006) 估计的Tobin Q系数为负（徐惠玲和刘军霞(2007)详述了中国资本市场上Tobin Q存在的问题）。本文使用多种方法解决投资机会的度量问题。第一，本文的研究设计中，金融市场上金融工具的创新作与公司的投资机会是相互独立的，因此，金融工具创新作为融资约束的外部冲击导致融资约束变化与公司投资机会是相互独立的，即融资约束的代理变量与投资机会的代理变量是正交的，这种正交性使投资机会的测量误差不会影响融资约束对投资的估计系数。第二，与La porta(2002)相似，本文使用公司的销售增长率度量公司的投资机会，比较不同的投资机会度量方式是否影响了公司融资约束对投资的估计系数。第三，本文不仅使用当期的Tobin Q和销售增长率度量公司的投资机会，而且使用上一期的Tobin Q 和销售增长率度量公司的投资机会，比较各种度量方式下公司融资约束对投资的影响是否一致。
在回归分析中我们使用一些公司特征作为控制变量。为了控制公司规模对被解释变量的影响，我们使用公司总资产的自然对数控制公司规模特征。为了控制公司风险对被解释变量的影响，我们使用公司资产负债率作为控制变量。为了控制公司资本存量特征对被解释变量的影响，我们使用公司固定资产率作为控制变量。为了控制股改政策对公司变量的影响，本文定义虚拟变量GuGai=1为公司股改完成后的观测值。
在模型估计技术方面，本文跟随Bertrand and Mullainathan (2003)使用两次差分方法(differences-in-differences)。为了控制序列相关问题，我们在本文所有的估计模型中对标准误在公司层面上进行聚集处理。Bertrand, Duflo, and Mullainathan (2004)认为DID（两次差分方法）在实际应用中存在序列相关问题，这种序列相关可能高估估计参数在统计上的显著性水平，通过对公司进行聚集效应处理能够减少对序列相关问题对估计的影响。
3.3描述性统计
表1给出了整个研究样本以及高信用等级组和低信用等级组的描述性统计。表1的最左边给出了本文研究的各个变量名称，第1列是所有上市公司的描述性统计，第2列和第3列分别给出了高信用等级组和低信用等级组的描述性统计。高信用等级组由修正后的Altman的Z值在2005-2007年均高于65%的分位数的公司构成，低信用等级组由其他公司构成。
平均来说，在2002-2007年间公司的资本性支出占公司总资产和固定资产的比率分别为7.3%和31.3%左右。当期的Tobin Q均值和上一期Tobin Q的均值存在较大差异，分别为1.26和1.10，这说明Tobin Q的度量可能受到证券市场波动的影响较大，使用Tobin Q度量投资机会可能存在较大的测量误差。当期的销售增长率均值和上一期的销售增长率均值没有太大的差异，分别为25.5%和25.2%。
根据修正后的Altman的Z值，本文将整个样本分为高信用等级组和低信用等级组。平均而言，两个组别在投资、现金流、负债状况、经营状况和公司特征方面存在显著的差异。在投资方面，高信用等级组显著高于低信用等级组。比如，高信用等级组在2002-2007年间资本性支出占公司总资产和固定资产的比率分别为9.2%和32.9%，而低信用等级组的资本性支出占公司总资产和固定资产的比率分别为6.3%和30.4%，两组在投资方面的差异约为2%-3%。两组在公司特征方面也存在较大差异。高信用等级组往往有更多的现金流，高信用
等级组在2002-2007年间平均的现金流为6.6%，而低信用等级组的平均的现金流为4.5%。
高信用等级组往往有更大的规模，高信用等级组在2002-2007年间平均的资产规模高于19亿元(exp(21.38))，而低信用等级组的平均的资产规模低于14亿元(exp(21.04))。高信用等级组在负债能力方面也强于低信用等级组，高信用等级组在2002-2007年间总负债率为56%，而低信用等级组的总负债率为50%。
表1 描述性统计
全样本 (1)高信用等级组
(high credit=1)
(2)
低信用等级组
(high credit=0)
(3)
Variable
N Mean Std. Dev.N Mean Std. Dev.N Mean Std. Dev.
Investment (total asset) 7086 0.073 0.086 23830.092***0.100 4702 0.063 0.077 Investment (fixed asset) 7081 0.313 0.469 23940.329**0.456 4698 0.304 0.475 Tobin’s Q 7118 1.260 0.972 2394 1.477*** 1.316 4724 1.150 0.713 Tobin’s Q (1 lag) 6983 1.098 0.532 2342 1.195***0.665 4641 1.050 0.442 Growth Rate of Sales 7089 0.255 0.666 23840.309***0.728 4705 0.227 0.630 Growth Rate of Sales (1 lag)7090 0.252 0.648 23820.282 0.676 4708 0.237 0.634 Cash Flow (1 lag) 7116 0.052 0.123 23940.066***0.142 4722 0.045 0.111 log(Asset) (1 lag) 7118 21.15 0.97 239421.38*** 1.10 4724 21.04 0.878 Tangibility (1 lag) 7113 0.308 0.181 23930.358***0.190 4720 0.282 0.171 Leverage (1 lag) 7118 0.517 0.297 23940.560***0.403 4724 0.496 0.221 注：***，**和*分别表示1%，5%和10%的显著性水平，括号中是估计参数的标准误。
4结果
4.1基本结果
金融创新缓解了公司融资约束，从而提高了公司投资。本小节使用第一种信用等级分类方法检验当公司融资约束减少后，公司是否增加了投资，即定义2005-2007年间一直是信用等级高的公司为受到金融工具创新影响较大的公司，比较受金融工具创新影响较大的公司与其他公司的投资对融资约束变化的反应。
表2检验了当公司获取了更多的融资渠道，从而减少了公司融资约束以后，公司投资的变化。我们感兴趣的估计系数是After*high_credit的估计系数，如果在2005年以后公司为受金融创新影响较大的组，After*high_credit等于1。该系数表示公司融资约束减少对公司投资的影响。
表2第1列估计了由金融创新引起的融资约束减少对公司投资的基本影响。平均来说，由金融创新引起的融资约束减少对公司投资产生了显著的正面影响，这种影响在经济意义上是显著的，融资约束减少后公司投资率提高了1.4%。与通常观测的一致，有更多现金流的公司投资更多，公司的现金流的估计系数显著为正。然而，Tobin Q的估计系数与理论预测的不同。理论上，Tobin Q与投资应该是正相关的，投资机会越多促使公司进行更多的投资，Tobin Q的估计系数应该为正，而模型中Tobin Q的估计系数为负。由于Tobin Q作为投资机会的度量存在着测量误差等种种问题（徐惠玲和刘军霞，2007），因此这一结论并不非常令人诧异，饶育蕾和汪玉英(2006)等许多研究均得出了相似的结论。
在表2第2列，我们加入了公司特征的一些控制变量检验这一影响的稳健性，这些控制变量包括公司总资产，固定资产率和资产负债率。为了控制内生性问题，本文使用上一年度的公司特征作为控制变量。由于两组公司在公司特征上存在显著差异，为排除这些特征对公
司投资的影响，本文在基本模型中加入公司特征的变量作为控制变量，对投资方程进行回归
分析。与基本模型一致，在加入控制变量以后融资约束减少仍然对公司投资产生了显著的正
面影响，融资约束减少后公司投资率提高了2.6%。在控制变量中，公司资产，固定资产率
和资产负债率对公司业绩产生了显著的负面影响。
在表2第3列，我们加入了公司的股改特征检验融资约束影响的稳健性。2005年是中
国证券市场股权分置改革开始的一年，股权分置改革对中国上市公司的影响是巨大的，因此
很有可能通过各种经济作用机制影响公司的投资行为。在控制股改对公司投资行为的影响
后，融资约束减少对公司投资的影响与基本模型一致。融资约束减少仍然对公司投资产生了
显著的正面影响，融资约束减少后公司投资率提高了2.6%。值得注意的是，相对于没有完
成股改的公司，已经完成股改的公司可能会进行更多的投资，完成股改对公司投资率贡献了
0.9%，这一影响是显著的。
总之，本小节的证据表明由于金融工具创新引致公司融资约束减少，最终增加了公司投
资。这一证据表明金融创新导致的公司融资约束变化对公司投资行为的影响在经济意义上是
重要的。假定After*high_credit的估计系数为2%，短期融资券推出减少了信用等级较高的
公司的融资约束，而对信用等级较低的公司没有产生影响，因此在控制公司特征和相关变量
以后，融资约束缓解为公司投资贡献了两个百分点。在描述性统计中，受短期融资券影响的
公司的平均资产规模近20亿元(exp(21.38))，这意味着受短期融资券影响的公司平均会增加
投资近4000万(2%*exp(21.38))。
表2. 融资约束对投资的影响：基本结论
Dependent Variable (1) (2) (3)
0.014** 0.026*** 0.026***
After*high_credit
(0.006) (0.005) (0.006)
-0.001 -0.005*** -0.005***
Tobin’s Q
(0.001) (0.002) (0.002)
0.037*** 0.035** 0.034**
Cash Flow (1 lag)
(0.013) (0.014) (0.014)
-0.149*** -0.150***
Tangibility (1 lag)
(0.016)
(0.016)
-0.023*** -0.021***
Leverage (1 lag)
(0.007)
(0.007)
-0.051*** -0.052***
log(Asset) (1 lag)
(0.005)
(0.005)
0.009**
GuGai
(0.004)
Intercept Yes Yes Yes Firm Fixed Effect Yes Yes Yes
Year Fixed Effect Yes Yes Yes R-Square 0.502 0.541 0.541
Adj R-Square 0.400 0.446 0.447 Number of Observations 7084 7079 7079
注：***，**和*分别表示1%，5%和10%的显著性水平，括号中是估计参数的标准误。
4.2进一步分析
4.2.1投资机会的不同度量方式影响结论吗？
由于使用Tobin Q作为公司投资机会的代理变量存在测量误差等许多问题，特别是在中
国资本市场，股权分置等特殊的制度进一步加重了实证研究中的这些问题。因此，本文依据
La porta(2002)，使用公司销售增长率度量公司的投资机会，重新对模型进行估计，比较投资
机会的不同度量方式是否对模型的估计结果产生了影响。
表3. 融资约束对投资的影响：销售增长率度量投资机会
Dependent Variable (1) (2) (3)
0.011** 0.020*** 0.021***
After*high_credit
(0.005) (0.005) (0.005)
0.010*** 0.008*** 0.008***
Growth Rate of Sales
(0.002) (0.002) (0.002)
0.038*** 0.035*** 0.035**
Cash Flow (1 lag)
(0.013) (0.014) (0.014)
-0.146*** -0.146***
Tangibility (1 lag)
(0.016)
(0.016)
-0.027*** -0.025***
Leverage (1 lag)
(0.007)
(0.007)
-0.047*** -0.048***
log(Asset) (1 lag)
(0.005)
(0.005)
0.009**
GuGai
(0.004)
Intercept Yes Yes Yes Firm Fixed Effect Yes Yes Yes
Year Fixed Effect Yes Yes Yes R-Square 0.508 0.544 0.544
Adj R-Square 0.407 0.449 0.450 Number of Observations 7057 7052 7052
注：***，**和*分别表示1%，5%和10%的显著性水平，括号中是估计参数的标准误。
在使用公司销售增长率作为投资机会的代理变量后，表3第1列估计了由金融创新引起
的融资约束减少对公司投资的基本影响。投资机会的两种不同度量方式得到的估计结论是相
似的。平均来说，由金融创新引起的融资约束减少对公司投资产生了显著的正面影响，这种
影响在经济意义上也是显著的，融资约束减少后公司投资率提高了1.1%。公司现金流的估
计系数与表2中相似，有更多现金流的公司投资更多，公司的现金流的估计系数显著为正。
然而，销售增长率的估计系数与Tobin Q的估计系数存在较大的差异。表3第1列销售增长
率的估计系数显著为正，与理论相一致，而在表2中，Tobin Q的估计系数为负。尽管两种
投资机会度量指标的估计系数相差较大，但是他们在After*high_credit的估计系数上具有一
致性。这也说明短期融资券的推出对于公司的投资机会具有外生性，因此，投资机会的测量
误差不会影响融资约束对公司投资影响的估计结果。
在表3第2列，我们加入了公司特征的一些控制变量检验不同模型下融资约束对公司投
资影响的稳健性。与表2第2列一致，在加入控制变量以后融资约束减少仍然对公司投资产
生了显著的正面影响，融资约束减少后公司投资率提高了2%。在控制变量中，公司资产，
固定资产率和资产负债率对公司业绩产生了显著的负面影响，这也与表2第2列模型的估计
结论一致。在表3第3列，我们加入了公司的股改特征进一步检验融资约束影响的稳健性。
在控制股改对公司投资行为的影响后，融资约束减少对公司投资的影响与表2第3列模型一
致。融资约束减少仍然对公司投资产生了显著的正面影响，融资约束减少后公司投资率提高
了2.1%。表2第3列模型一样，相对于没有完成股改的公司，已经完成股改的公司可能会
进行更多的投资，完成股改对公司投资率贡献了0.9%，这一影响是显著的。
表4. 融资约束对投资的影响：上一期指标度量投资机会
Dependent Variable (1) (2) (3) (4) (5) (6)
0.014*** 0.022*** 0.022*** 0.013** 0.022*** 0.022***
After*high_credit
(0.005) (0.005) (0.005) (0.005) (0.005) (0.005)
0.003
-0.001
0.004
Tobin’s Q (1 lag)
(0.003) (0.004) (0.004)
0.002
0.002
-0.000
Growth Rate of Sales (1 lag)
(0.001)
(0.001)
(0.001)
0.037*** 0.031** 0.030** 0.036*** 0.032** 0.032**
Cash Flow (1 lag)
(0.013) (0.013) (0.013) (0.013) (0.014) (0.014)
-0.149*** -0.149*** -0.147*** -0.148*** Tangibility (1 lag)
(0.016)
(0.017) (0.016)
(0.017)
-0.032*** -0.031*** -0.027*** -0.026*** Leverage (1 lag)
(0.009) (0.007)
(0.007)
(0.009)
-0.035*** -0.036*** -0.050*** -0.051*** log(Asset) (1 lag)
(0.005)
(0.005) (0.005)
(0.005)
0.007 0.009**
GuGai
(0.004) (0.004)
Intercept Yes Yes Yes Yes Yes Yes Firm Fixed Effect Yes Yes Yes Yes Yes Yes Year Fixed Effect Yes Yes Yes Yes Yes Yes R-Square 0.507 0.538 0.538 0.504 0.542 0.542
Adj R-Square 0.403 0.441 0.441 0.401 0.447 0.447 Number of Observations 6949 6946 6946 7057 7052 7052
注：***，**和*分别表示1%，5%和10%的显著性水平，括号中是估计参数的标准误。
尽管上文中使用不同的代理变量控制公司的投资机会得到了关于融资约束变化对投资
影响的一致结论，但是，现有文献中既有使用当期指标度量公司投资机会，也有使用上一期
指标度量公司投资机会。为了使本文的结论更加稳健，本文使用上一期的Tobin Q和销售增
长率作为投资机会的代理变量，重新对模型进行估计，比较投资机会的不同时期的度量方式
是否对模型的估计结果产生了影响。
在使用上一期的Tobin Q和销售增长率作为投资机会的代理变量后，表4估计了由金融
创新引起的融资约束减少对公司投资的影响。使用上一期的Tobin Q和销售增长率得到的估
计结论与基本模型得到的结论是一致的。平均来说，由金融创新引起的融资约束减少对公司
投资产生了显著的正面影响，融资约束减少后公司投资率提高了2%左右。公司现金流的估
计系数与表2中相似，有更多现金流的公司投资更多，公司的现金流的估计系数显著为正。
然而，上一期Tobin Q和销售增长率的估计系数与当期的估计系数存在较大的差异。表4中
上一期Tobin Q的估计系数为正，但不显著，而在表2中，当期Tobin Q的估计系数为负。
表4中上一期销售增长率的估计系数为正，但不显著，而在表3中，当期销售增长率的估计
系数显著为正。尽管不同时期的Tobin Q和销售增长率作为投资机会的度量指标在估计系数
上相差较大，但是他们在After*high_credit的估计系数上具有一致性。总之，无论使用那一
种指标度量公司的投资机会，融资约束变化对投资的影响都是稳健的。
4.2.2投资的不同度量方式影响结论吗？
表5. 融资约束对投资的影响：投资的另一种度量
Dependent Variable (1) (2) (3) (4) (5) (6)
0.041 0.121*** 0.123*** 0.018 0.084*** 0.086***
After*high_credit
(0.033) (0.030) (0.030) (0.031) (0.028) (0.028)
-0.012 -0.037*** -0.037***
Tobin’s Q
(0.009) (0.011) (0.011)
0.071*** 0.061*** 0.061***
Growth Rate of Sales
(0.016)
(0.015)
(0.015)
0.195*** 0.137** 0.136** 0.202*** 0.141** 0.139**
Cash Flow (1 lag)
(0.067) (0.065) (0.065) (0.067) (0.065) (0.065)
-1.860*** -1.862*** -1.834*** -1.836*** Tangibility (1 lag)
(0.112) (0.110)
(0.110)
(0.112)
-0.082** -0.079*-0.104*** -0.100*** Leverage (1 lag)
(0.038)
(0.040)
(0.040) (0.038)
-0.220*** -0.223*** -0.191*** -0.194*** log(Asset) (1 lag)
(0.029)
(0.029) (0.028)
(0.029)
0.022 0.022
GuGai
(0.024) (0.024)
Intercept Yes Yes Yes Yes Yes Yes Firm Fixed Effect Yes Yes Yes Yes Yes Yes Year Fixed Effect Yes Yes Yes Yes Yes Yes R-Square 0.357 0.457 0.457 0.367 0.464 0.464
Adj R-Square 0.224 0.345 0.345 0.237 0.353 0.353 Number of Observations 7079 7079 7079 7052 7052 7052
注：***，**和*分别表示1%，5%和10%的显著性水平，括号中是估计参数的标准误。
在研究中，对于投资方程中期初资本存量K也有不同的理解，因此在度量上也存在差
异。国内研究中，罗琦、肖文翀和夏新平(2007)将期初资本存量定义为公司总资产，而连玉
君和程建(2007)以及郭丽虹和马文杰(2009)将期初资本存量定义为公司固定资产。因此，本
文使用公司总资产和固定资产两种不同的方式定义公司期初资本存量，重新对模型进行估
计，比较期初资本存量的不同度量方式是否对模型的估计结果产生了影响。
在使用公司固定资产定义期初资本存量后，表5估计了由金融创新引起的融资约束减少
对公司投资的影响。两种不同的期初资本存量定义方式得到的估计结论与基本模型得到的结
论是一致的。平均来说，由金融创新引起的融资约束减少对公司投资产生了显著的正面影响，
融资约束减少后以固定资产作为期初资本存量的公司投资率提高了10%左右。考虑到在描
述性统计中公司固定资产约为总资产的40%，这表明如果以公司总资产作为期初资本存量
度量公司投资率，公司投资率将会提高2-3%，这与表2和表3的结论是一致的。
在度量公司期初资本存量上也存在度量误差的问题，不同的研究使用了不同的度量方
式，本文中无论使用那一种定义度量公司的期初资本存量，他们在After*high_credit的估计
系数上具有一致性，因此，融资约束变化对投资的影响都是稳健的。
4.3稳健性检验
表6. 融资约束对投资的影响：信用等级的另一种划分
Dependent Variable (1) (2) (3) (4) (5) (6)
0.008* 0.015*** 0.016*** 0.005 0.010** 0.011***
After*high_credit
(0.005) (0.004) (0.005) (0.004) (0.004) (0.004)
-0.000 -0.004** -0.005***
Tobin’s Q
(0.001) (0.002) (0.002)
0.010*** 0.008*** 0.008***
Growth Rate of Sales
(0.002)
(0.002)
(0.002)
0.038*** 0.036*** 0.035*** 0.038*** 0.036*** 0.035***
Cash Flow (1 lag)
(0.013) (0.014) (0.014) (0.013) (0.014) (0.014)
-0.146*** -0.147*** -0.143*** -0.144*** Tangibility (1 lag)
(0.016) (0.016)
(0.016)
(0.016)
-0.023*** -0.021*** -0.025*** -0.024*** Leverage (1 lag)
(0.007)
(0.007) (0.007)
(0.007)
-0.050*** -0.051*** -0.046*** -0.047*** log(Asset) (1 lag)
(0.005)
(0.005) (0.005)
(0.005)
0.009**0.008*
GuGai
(0.004) (0.004)
Intercept Yes Yes Yes Yes Yes Yes Firm Fixed Effect Yes Yes Yes Yes Yes Yes Year Fixed Effect Yes Yes Yes Yes Yes Yes R-Square 0.502 0.539 0.539 0.508 0.542 0.542
Adj R-Square 0.399 0.443 0.444 0.406 0.447 0.447 Number of Observations 7084 7079 7079 7057 7052 7052
注：***，**和*分别表示1%，5%和10%的显著性水平，括号中是估计参数的标准误。
本小节使用第二种信用等级分类方法检验第一种分类方法得出结果的稳健性，即定义公
司在2005-2007年间某一年是信用等级高的公司在当年为受到金融工具创新影响较大的公
司，比较受影响较大的公司与其他公司的经营业绩对融资约束变化的反应。
在第二种分类方法基础上，表6检验了当公司获取了更多的融资渠道，公司融资约束变
化对经营业绩的影响。我们感兴趣的估计系数仍然是After*high_credit的估计系数。
表6第1列和第4列估计了由金融创新引起的融资约束减少对公司投资的基本影响，第
2列和第5列，我们加入了公司特征的一些控制变量检验这一影响的稳健性，最后，第3列
和第6列，我们加入了公司的股改特征检验融资约束影响的稳健性。总的来说，由金融创新
引起的融资约束减少对公司投资产生了显著的正面影响，这种影响在经济意义上是显著的。
在表6第1、2和3列，本文使用Tobin Q作为公司投资机会的代理变量，其回归结果与表2
一致，在表6第4、5和6列，本文使用销售增长率作为公司投资机会的代理变量，其回归
结果与表3一致。
总之，本小节的证据表明，在第二种分类方法下，由潜在融资渠道的增加引致公司融资约束减少，最终增加了公司投资。因此，两种分类方法均得到了相同的结论：金融创新导致的公司融资约束缓解促进了公司投资。
5结论
本文利用短期融资券的推出作为金融工具创新作为自然实验研究融资约束对公司投资行为的影响。利用短期融资券作为外生的金融工具创新，本文解决了在研究融资约束对公司投资行为影响中的内生性问题，因为外生的金融工具创新导致了信用等级高的公司获取了更多的潜在融资工具，但对于其他公司没有产生影响。在这种自然实验的背景下，我们能够避免在研究公司投资行为中的两个难题：融资约束分类标准问题以及Tobin Q的度量误差问题。首先，短期融资券的推出具有外生性，新融资工具的出现引起公司融资约束的变化也相应的具有外生性。这种外生性表示公司融资约束的变化独立于公司投资机会的变化，因此Tobin Q的度量误差不会影响本文估计的结论。其次，能否发行短期融资券有助于本文区分融资约束发生变化的公司。由于公司能否发行短期融资券依赖于其信用等级高低，因此，公司信用等级能够成为一种外生工具度量短期融资券推出对公司融资约束变化的影响。在控制了研究公司投资行为的两大难题下，本文的证据表明金融工具创新对公司融资约束和公司投资行为产生了巨大影响，因此对实体经济产生了重要影响。
基于中国上市公司2002-2007年的样本数据，本文发现短期融资券出现引起的公司融资约束变化对公司投资产生了显著的正面影响。这种影响在统计意义上和经济意义上是显著的：在短期融资券推出后，平均来说，相对于融资约束改善较小的公司，融资约束改善较大的公司在公司投资方面增长更快，公司投资相对提高了2%以上，这表明短期融资券改善了公司融资约束，从而使公司增加了投资近4000万。经过各种稳健性检验，短期融资券引起的融资约束减少对公司投资的正面影响都是一致的。
本文的研究有助于理解金融市场上的金融创新对公司融资约束和投资行为的影响以及对实体经济的冲击。金融市场不完善导致了企业的融资约束，抑制了企业的投资，而金融市场上创新的金融工具能够降低金融市场的摩擦成本，缓解公司的融资约束，最终能够增加企业的投资。
总之，金融市场上的金融创新减少了金融市场的不完善，为企业的投资提供了更多的融资来源，发展了实体经济。因此，通过金融创新发展金融市场对于公司的融资和投资行为以及实体经济的发展都具有重要意义。
参考文献
郭丽虹，马文杰，2009，《融资约束与企业投资-现金流量敏感度的再检验：来自中国上市公司的证据》，《世界经济》第2期。
李科，徐龙炳，2009，《资本结构、行业竞争与外部治理环境》，《经济研究》第6期。
李延喜，杜瑞，高锐，李宁，2007，《上市公司投资支出与融资约束敏感性研究》，《管理科学》第1期。
连玉君，程建，2007，《投资-现金流敏感性：融资约束还是代理成本?》，《财经研究》第2期。
罗琦，肖文翀，夏新平，2007，《融资约束抑或过度投资——中国上市企业投资-现金流敏感度的经验证据》，《中国工业经济》第9期。
饶育蕾，汪玉英，2006，《中国上市公司大股东对投资影响的实证研究》，《南开管理评论》第5期。
魏锋，刘星，2004：《融资约束、不确定性对公司投资行为的影响》，《经济科学》第2期。
吴世农，卢贤义，2001：《我国上市公司财务困境的预测模型研究》，《经济研究》第6期。
吴育辉，魏志华，吴世农，2009：《中国上市公司发行短期融资券的影响因素分析》，《金融研究》第5期。徐惠玲，刘军霞，2007，《企业资本性支出实证模型选择及检验》，《中国会计评论》第3期。
张玲，曾维火，2004：《基于Z值模型的我国上市公司信用评级研究》，《财经研究》第6期。
郑江淮，何旭强，王华， 2001：《上市公司投资的融资约束：从股权结构角度的实证分析》，《金融研究》第11期。
Almeida H., M. Campello, and M. Weisbach, 2004, “The Cash Flow Sensitivity of Cash”, Journal of Finance, 59, 1777–1804.
Alti, A., 2003, “How Sensitive is Investment to Cash Flow When Financing is Frictionless?”, Journal of Finance, 58, 707–722.
Bernanke, B.,and M. Gertler, 1989, “Agency Costs, Net Worth, and Business Fluctuations”, American Economic Review, 79, 14–31.
Bernanke, B, M. Gertler, and S. Gilchrist, 1996, “The Financial Accelerator and the Flight to Quality”, Review of Economics and Statistics, 78, 1-15.
Bertrand, Marianne, Esther Duflo, and Sendhil Mullainathan, 2004, “How Much Should We Trust Differences-in-Differences Estimates?”, Quarterly Journal of Economics, 119, 249-275.
Bertrand, M. and S. Mullainathan, 2003, “Enjoying the Quiet Life? Corporate Governance and Managerial Preferences”, Journal of Political Economy, 111, 1043-1075.
Dennis, D.J., and V.T. Mihov, 2003, “The Choice among Bank Debt, Nonbank Private Debt, and Public Debt: Evidence from New Corporate Borrowings”, Journal of Financial Economics, 70, 3–28.
Erickson, T., and T. Whited, 2000, “Measurement Error and the Relationship between Investment and Q”, Journal of Political Economy, 108, 1027–1057.
Fazzari, S., G. Hubbard, and B. Petersen, 1988, “Financing Constraints and Corporate Investment”, Brooking Papers of Economic Activities, 1, 141–195.
Fisher, I.,1933, “The Debt-Deflation Theory of Great Depressions”, Econometrica, 4, 337–357.
Gan, J., 2007, “Collateral, Debt Capacity, and Corporate Investment: Evidence from a Natural Experiment”, Journal of Financial Economics, 85, 709—734.
Gertler, Mark, and Simon Gilchrist, 1994, “Monetary Policy, Business Cycles, and the Behavior of Small Manufacturing Firms”, Quarterly Journal of Economics, 109, 309-340.
Gilchrist, Simon, and Charles Himmelberg, 1995, “Evidence on the Role of Cash Flow for Investment”, Journal of Monetary Economics,36, 541-572.
Gomes, J., 2001, “Financing Investment”, American Economic Review, 91, 1258–1263.
Hoshi, Takeo, Anil Kashyap, and David Scharfstein, 1991, “Corporate Structure, Liquidity, and Investment: Evidence from Japanese Industrial Groups”, Quarterly Journal of Economics, 106, 33-60.
Kaplan, S., and Zingales, L., 1997, “Do Investment-Cash Flow Sensitivities Provide Useful Measures of Financing Constraints?”, Quarterly Journal of Economics, 112, 169–215.
Kashyap, Anil K., Owen A. Lamont, and Jeremy C. Stein, 1994, “Credit Conditions and the Cyclical Behavior of Inventories”, Quarterly Journal of Economics, 109, 565-592.
Kiyotaki, Nobuhiro and John Moore, 1997, “Credit Cycles”, Journal of Political Economy, 105, 211-248. Lamont, Owen, 1997, “Cash Flow and Investment: Evidence from Internal Capital Markets”, Journal of Finance, 52, 83-109.
Lamont, O., C. Polk, and J. Saá-Requejo, 2001, “Financial Constraints and Stock Returns”, Review of Financial Studies, 14, 529–554.
La Porta, R., F. Lopez-De-Silanes, A. Shleifer and R. Vishny, 2002, “Investor Protection and Corporate Valuation”, Journal of Finance, 57, 1147–1170.
Whited, Toni M., 1992, “Liquidity Constraints, and Corporate Investment: Evidence from Panel Data”, Journal of Finance, 47, 1425-1460.