货币政策不确定性与农业企业全要素生产率.pdf

以2 0 0 7 一2 0 2 1年中国农业上市公司为样本，实证考察货币政策不确定性影响农业企业全要素生产率的效果、机制和异质性特征。研究发现：货币政策不确定性负向影响农业企业全要素生产率；创新投入和资产不可逆程度在两者关系中发挥中介效应，企业金融化则发挥遮掩效应；货币政策不确定性对全要素生产率的负向影响主要体现于中西部地区农业企业，对大型企业相对较弱，较高的股权制衡度和创新投入水平能够缓解这种负向影响。基于研究结论，为有效提升农业企业全要素生产率水平提出意见建议。关键词：经济政策不确定性；农业企业；全要素生产率中图分类号：F273.1文献标识码：A文章编号：10 0 4-2 9 2 X(2023)08-0111-05Monetary Policy Uncertainty and Agricultural Firms Total Factor ProductivityZHOU Kai-yuan,SHA De-chun?,HUA Jun-guo,XU xin3(1.School of Economics and Management,Henan Agricultural University,Zhengzhou Henan 450046,China;2.College ofInformation and Management Science,Henan Agricultural University,Zhengzhou Henan 450046,China;3.InternationalEducation College,Henan Agricultural University,Zhengzhou Henan 450046,China)Abstract:Using the sample of listed agricultural firms from 2007-2021,the effect,mechanisms and heterogeneous characteristics ofmonetary policy uncertainty(MPU)influencing agricultural firms total factor productivity(TFP)are investigated.It is found that:MPU hasa negative impact on agricultural firms TFP;Innovative input and asset irreversibility both play a mediating effect in the process of MPUinfluencing TFP,while financialization level plays a suppressing effect;MPUs negative impact is mainly in agricultural firms in centraland west provinces,and is relatively weaker for large-scale firms,higher equity balance degree and innovation input level can alsomitigate such negative impact.Based on the findings,suggestions are proposed on effectively promoting agricultural firms TFP growth.Key words:Monetary policy uncertainty(MPU);Agricultural firms;Total factor productivity(TFP)一、引言货币是经济运行的“血液”，货币政策是重要的宏观调控工具。2 0 0 8 年全球金融危机以来，世界政治、经济不确定性日益上升，各国政府均重拾“相机块择”式的货币政策使货币政策不确定性显著提升。新常态下，创新成为经济高质量发展的核心动力，有效提升全要素生产率则是适应转型发展要求、实现高质量发展目标的重要抓手。党的二十大报告指出：“要坚持以推动高质量发展为主题，加快建设现代化经济体系，着力提高全要素生产率”。农业企业一头连接“三农”，一头连接市场，既是农业现代化、产业化发展的重要力量，也因农业本身“弱质性”特征的限制而易受到自然和经济双重不确定性的影响。因此，在货币政策不确定性条件下，探索如何有效促进农业企业全要素生产率提升具有重要意义。货币政策不确定性在宏观、微观层面均会产生广泛的影响。在宏观层面，货币政策不确定性会导致通胀率和失业率上升2 、社会产出下降，在微观企业层面，货币政策不确定性会抑制企业投资4以及创新活动,5,6，并提升企业金融化程度7。但是，关于货币政策不确定性对企业全要素生产率影响的研究尚不多基金项目：教育部人文社会科学研究项目（2 0 YJA790027）；河南省高等学校哲学社会科学应用研究重大项目（2 0 2 3-YYZD-10）。作者简介：周开元，博士，河南农业大学经济与管理学院，研究方向：农业技术经济与管理；沙德春，博士，河南农业大学信息与管理科学学院教授，研究方向：科技创新管理、科技与产业政策；花俊国，博士，河南农业大学经济与管理学院教授，博士生导师，研究方向：农业经济管理、企业管理；许欣（通讯作者），博士，河南农业大学经济与管理学院副教授，研究方向：农业经济管理。111.技术经济与管理研究2 0 2 3年第8 期见，考察其对农业企业影响的研究亦十分缺乏。全要素生产率既是企业资源配置水平的集中反映，也是货币政策不确定性影响的最终结果，那么，货币政策不确定性对农业企业全要素生产率影响如何？货币政策不确定性如何影响农业企业全要素生产率？如何缓解货币政策不确定性的不利影响，更好地促进农业企业全要素生产率提升？围绕上述三个问题，文章以2 0 0 7 一2021年农业上市公司为研究样本，考察货币政策不确定性对影响农业企业全要素生产率的效果、机制和异质性特征，以期为更好地促进农业企业全要素生产率提升提出有针对性的政策建议。二、理论分析与研究假说货币政策不确定性是经济政策不确定性的一种。全要素生产率与给定要素投人水平下的产出水平直接相关，而后者则受到需求冲击和企业资本存量、知识存量等的影响8。经济政策不确定性不仅直接反映于需求冲击，也会通过投资、创新等渠道影响企业资本存量和知识存量，从要素投人和技术进步角度影响全要素生产率。Bloom(2007)、Bl o o m等(2 0 0 7)9 分别探讨了经济政策不确定性影响一般意义上的企业投资和企业创新投资的理论机理，并通过数值模拟发现经济政策不确定性会降低企业投资对需求冲击的响应，但其对企业创新投资的影响并不固定。多数实证研究认为经济政策不确定性会抑制企业投资叫，但其对企业创新的影响存在争议。因此，关于经济政策不确定性对企业全要素生产率的影响，现有文献的结论亦存在争议。货币政策不确定性对企业的影响亦不完全等同于经济政策不确定性。经济政策不确定性作为一个整体的、综合性的概念，主要影响企业发展方向和投资机会，在经济长期发展前景看好时，根据增长期权理论，其对企业创新投资等可能产生激励作用。但是，作为一种具体类型的经济政策，货币政策不确定性会导致利率、信贷、货币、金融市场等货币政策传导渠道的传导作用出现偏差叫，产生严重的信息不对称、融资成本上升等问题，从“源头环节”对企业投资和各类生产经营活动产生不利影响，进而从不同渠道影响全要素生产率。据此，提出如下假设：假设H1：货币政策不确定性负向影响农业企业全要素生产率。创新是全要素生产率提升的核心动力。创新投人周期长、风险高、资金需求量大 5.7，而一旦研发创新取得成功，则可极大增强企业的竞争优势，为企业带来丰厚的收益。如上文所述，当经济政策不确定性上升时，企业创新投入具有增长期权的特点。但是，货币政策不确定性主要通过信贷、利率等渠道影响企业融资环境，其会加剧融资约束、降低企业风险承担水平57，使企业倾向于放弃或推迟创新投入。薛龙等(2 0 2 2)发现货币政策不确定性通过抑制企业创新投入对制造业企业全要素生产率产生负向影响间。农业企业创新活动周期更长、风险和不确定性更高 2，且普遍面临“融资难”问题113，货币政策不确定性可能抑制农业企业创新投入，进而从技术进步角度抑制全要素生产率提升。据此，提出如下假设：假设H2：货币政策不确定性通过抑制农业企业创新投人负向影响全要素生产率。资产不可逆程度高是农业企业的显著特点。农业企业的固定资产包括与农业生产密切相关的土地、林木、养殖设施等生产资料，其专用性和不可逆性极强。实物期权理论认为，在投资不可逆或调整成本较高时，由于期权的价值随不确定性增加而上升，企业为实现收益最大化，在不确定性条件下会降低投资水平 0。张金朵、张中华(2 0 2 2)发现货币政策不确定性会提升资产不可逆程度，对企业实物投资产生抑制作用。对于农业企业而言，当货币政策不确定性上升时，企业投资可能更倾向于有形且相对“保值”的固定资产，从而提升资产不可逆程度，加剧货币政策不确定性对企业投资的负向影响，从要素投人角度影响全要素生产率。据此，提出如下假设：假设H3：货币政策不确定性通过提升农业企业资产不可逆程度负向影响全要素生产率。金融化是企业多元化经营的重要形式。与实物资产相比，各类金融资产流动性更强，且潜在收益更大。当货币政策不确定性上升时，一方面，利率和股价的波动可能增强企业的投机逐利动机4；另一方面，融资约束程度的上升也会增强企业的预防储蓄和风险规避动机!。这些都可能提升企业的金融化程度。由于企业资金有限，必须在各类投资之间进行取舍，金融资产投资可能对生产性投资和创新投资等造成挤占，产生“脱实向虚”倾向，从资源配置角度对全要素生产率造成不利影响。据此，提出如下假设：假设H4：货币政策不确定性通过提升农业企业金融化程度负向影响全要素生产率。三、研究设计1.样本选择与数据来源文章选取国泰安（CSMAR)数据库中沪深两市农业上市公司2007一2 0 2 1年财务面板数据，从农业全产业链视角出发，并考虑企业数量和代表性，将农副食品加工业企业（代码C13）和食品制造业企业（代码C14）视为农业企业，与农林牧渔业企业（代码A01一A05）一同纳人研究对象。参照已有文献的常规做法，剔除同时发行A/B股、状态异常以及关键变量缺失的上市公司并对所有连续型变量进行双侧1%缩尾处理，最终得到16 6 家企业、1317 个样本。选用Huang&Luk(2020)15构建的中国经济不确定性指数中的货币政策不确定性指数用于实证分析，相关数据来源于网站https:/ 0 以方便报告回归结果；Controls为反映上市公司基本特征并可能影响全要素生产率的控制变量；Ind、Year分别为行业和年度固定效应；8 为随机扰动项。(1)112货币政策不确定性与农业企业全要素生产率为考察货币政策不确定性对全要素生产率的影响机制，检0.705，最大值为2.2 2 3，标准差为0.452，说明2 0 0 7 2 0 2 1年间验假设H2假设H4，参考温忠麟、叶宝娟(2 0 14)18 的分析思路，中国货币政策不确定性水平波动较大；创新投入R&D平均值为在模型(1)基础上构建如下中介效应模型：16.792（对应研发支出总额约19 6 2 万元），标准差为1.8 8 4，说Mediator;=o+,CNMPU,+,Controls;+Ind+Year+8i(2)TFPi=o+yiCNMPU,+2Mediatori+:Controls;+Ind+Year+8u(3)模型(2)、模型(3)中的Mediator为中介变量，将分别设定为企业创新投入(R&D)、资产不可逆程度(IRR)和金融化程度(Fin)，其余变量和系数的含义与模型(1)相同。在模型(1)中系数(称为总效应）显著的前提下，依次检验模型(2)中的系数和模型(3)中的系数2，若两者均显著，且总效应i与乘积i2（称为间接效应）同号，则说明中介效应存在。此时，模型(3)中的系数称为直接效应，即排除中介变量影响后解释变量对被解释变量的影响。在异质性影响分析中，创新投人(R&D)、企业规模(Size)作为调节变量，此外还将引入企业股权制衡度(Balance)作为调节变量。各变量具体定义如表1所示。分类变量被解释变量全要素生产率TFP使用LP法测算，结果为对数依据Huang&Luk(2020)15)构建的中国货币货币政策解释变量CNMPU政策不确定性指数月度数据计算，取年度不确定性几何平均数后除以10 0创新投入R&D企业当年研发支出总额，取对数资产不可逆程度IRR企业固定资产净额/总资产中介变量（交易性金融资产+衍生金融资产+发放贷款及垫款净额+可供出售金融资产净额+持金融化程度Fin有至到期投资净额+投资性房地产净额）总资产企业第2 大 第5大股东持股比例之和/第1大调节变量股权制衡度Balance股东持股比例企业规模Size企业总资产取对数杠杆率Leu企业总负债/总资产资产收益率ROA企业净利润/总资产企业现金流水平CF企业经营活动现金流量/总资产控制变量（企业当年营业收入总额-上年营业收入总企业成长性Growth额）/上年营业收入总额股权集中度Top5前五大股东持股比例企业性质SOE国有企业取1，民营企业取0上市年限Listage企业上市年限取对数四、实证分析1.描述性统计表2 列出了相关变量的描述性统计结果。被解释变量TFP最大值为11.32 5，最小值为4.9 39，标准差为0.9 6 9，说明农业企业全要素生产率水平差异较大；解释变量CNMPU最小值为表2 变量描述性统计变量观测值均值标准差最小值中位数最大值TFP1317CNMPU1317R&D1317IRR1317Fin1317Size1317Leu1317ROA1317CF1317Growth1317Top51317SOE1317Listage1317Balance1317明农业企业创新投人规模整体均偏低，且不同企业差异较大；资产不可逆程度IRR平均值为0.2 8 3，在上市公司中处于较高水平，且波动程度较大；金融化程度Fin波动程度同样较大。2.基准回归豪斯曼检验拒绝了随机效应的原假设，因此使用固定效应模型进行估计。为提高实证结果可信度，使用公司层面聚类稳健标准误。表3报告了模型(1)的回归结果。首先，不添加控制变量，也不控制行业、年度效应，解释变量CNMPU的系数为-0.324，并在1%水平上显著，如表3列(1)所示。其次，控制行业、年度效应，CNMPU的系数为-3.36 3，且在1%水平上显著，如列(2)所示；最后，加入控制变量并控制行业、年度效应，CNMPU的系数为-1.6 9 7，在1%水平上显著，如列(3)所示。上述结果说明货币政策不确定性对农业企业全要素生产率具有显著的负向影响，验证了假设H1成立。表1变量定义符号定义8.2820.9691.1860.45216.7921.8840.2830.1380.0650.08921.9271.0050.4080.1890.0420.0700.0600.0790.1690.3830.5250.1500.3820.4862.1720.7240.6660.598表3货币政策不确定性对农业企业全要素生产率的影响效果(1)变量TFP-0.324*CNMPU(0.050)SizeLeuROACFGrowthTop5SOEListage控制年度控制行业ConstantNAdj.R2注：括号内为公司层面聚类稳健标准误；*、*、*分别代表10%、5%、1%显著性水平。下同。3.机制检验将模型(2)、模型(3)中的中介变量分别设定为企业创新投入R&D、资产不可逆程度IRR和金融化程度Fin，结果如表4所示。4.9398.1830.7051.1960.00017.0130.0000.270.0000.0319.71621.7610.0320.403-0.2580.039-0.2240.058-0.6080.1160.180.550.0000.0000.6932.3030.0170.466(2)TFP-3.363*(0.431)NoYesNoYes8.666*10.77*(0.059)(0.456)131713170.1120.26711.3252.22321.4340.700.5926.0570.9250.2440.2834.3300.891.0003.3672.961(3)TFP-1.697*(0.645)0.449*(0.061)0.542*(0.205)1.590*(0.281)0.527*(0.148)0.227*(0.028)-0.382(0.259)0.084(0.159)-0.087(0.085)YesYes-0.292(1.480)13170.601（1）创新投入的中介效应表4列(1)显示，中介变量R&D对解释变量CNMPU的回归系数在1%水平上显著为负，说明货币政策不确定性抑制农业企业创新投入提升；列(2)显示，被解释变量TFP对中介变量R&D的回归系数在1%水平上显著为正，说明创新投人促进农业企业全要素生产率提升。同时，TFP对CNMPU的回归系数变为-1.2 7 1，并在1%水平上显著，说明创新投人在货币政策不确定性对农业企业全要素生产率的影响中发挥部分中介效113技术经济与管理研究2 0 2 3年第8 期表4货币政策不确定性对农业企业全要素生产率的影响机制创新投入金融化程度变量(1)R&D-11.800*-1.271*CNMPU(3.080)R&DIRRFinControls控制年度Yes控制行业Yes8.463Con.stant(5.467)N1317Adj.R20.358应，其间接效应占比达2 5.1%。由上述分析可知，货币政策不确定性通过抑制农业企业创新投入负向影响全要素生产率，验证了假设H2。(2）资产不可逆程度的中介效应表4列(3)显示，中介变量IRR对CNMPU的回归系数在5%水平上显著为正，说明货币政策不确定性使农业企业资产不可逆程度上升。列(4)显示，TFP对IRR的回归系数在1%水平上显著为负，说明资产不可逆程度上升抑制农业企业全要素生产率提升。同时，TFP对CNMPU的回归系数变为-1.352，并在5%水平上显著，说明资产不可逆程度在货币政策不确定性对农业企业全要素生产率的影响中发挥部分中介效应，其间接效应占比达2 0.3%。由上述分析可知，货币政策不确定性通过提升农业企业资产不可逆程度负向影响全要素生产率，验证了假设H3。(3）金融化程度的遮掩效应表4列(5)显示，中介变量Fin对CNMPU的回归系数在1%水平上显著为负，说明货币政策不确定性抑制了农业企业金融化程度的提升。这一发现与前文理论预期不符，原因可能是，与实物资产相比，金融资产的价值受利率波动影响更大。货币政策不确定性上升时，利率的频繁调整提高了资产价格的波动性 17 ，增加了企业投机套利的难度 7,1；银行的惜贷倾向也使企业融资受限，这一问题对面临融资难的农业企业可能更为明显。列(6)显示，TFP对Fin的回归系数在10%水平上显著为负，说明金融化程度上升抑制农业企业全要素生产率提升。上述结果说明，货币政策不确定性对农业企业金融化程度的抑制对全要素生产率产生了一定程度的有利影响。温忠麟、叶宝娟(2014)18)指出此种间接效应与总效应异号的情形应称为“遮掩效应”(SuppressionEffects)，其核心问题实际上是解释变量“如何不影响”被解释变量。上述发现未能验证假设H4，但这一结果同样反映了货币政策不确定性对农业企业全要素生产率的一种影响渠道。在遮掩效应情形下，应报告间接效应与直接效应之比的绝对值，根据表4所示结果，这一比值达13.7%。4.稳健性检验为确保研究结论准确可靠，采取两种方法进行稳健性检验：一是替换被解释变量，将被解释变量替换为GMM法测算资产不可逆程度的全要素生产率。二是替换解释变量，将解释变量替换为上海(2)(3)TFPIRR0.341*-1.352*-0.045*(0.472)(0.165)0.036*(0.014)YesYesYesYes0.366(1.694)13170.618(4)TFP(0.619)-1.010*YesYesYesYesYesYes0.794*0.510(0.353)(1.486)131713170.1660.625(5)Fin(0.016)(0.230)YesYesYes0.648*(0.229)13170.072(6)TFP-0.144*(0.077)-0.438*(0.234)YesYesYes-1.112(1.460)13170.608银行间同业拆借7 日利率的年度标准差。经上述方法检验，假设H1假设H4依然成立，限于篇幅，具体结果省略备索。5.异质性影响分析(1）地区异质性中国各地区基础赋不同，市场发育水平各异。东部地区金融市场发展完善，资金供给充足，企业融资渠道多样、融资效率更高；中西部地区经济发展水平和市场完善程度相对落后，企业融资渠道较为单一，融资环境更易受到政策影响9，在货币政策不确定性条件下可能面临更大的融资约束，对企业经营绩效有较强的负向影响。(2）企业异质性企业规模是上市公司的基本特征。农业企业的融资偏好符合融资啄食理论的描述，遵循“内源融资一债务融资一股权融资”的顺序 2 0 ，与中小型企业相比，大型企业资金储备和流动性更加充裕，有利于发挥内源融资作用，缓解货币政策不确定性对企业外源融资的抑制作用。另一方面，在货币政策不确定性条件下，银行同样会提高对抵押品和担保方式等的要求，对中小型企业更为不利。因此，对于规模较大的农业企业，货币政策不确定性对全要素生产率的负向影响可能较弱。股权制衡度是衡量上市公司治理水平的重要指标。较高的股权制衡度反映企业权力结构更加分散、经营决策更加科学，能够有效缓解中国民营上市公司中突出存在的第二类代理问题2，对企业经营绩效具有积极影响。因此，较高的股权制衡度可能有利于缓解货币政策不确定性对全要素生产率的负向影响。创新是全要素生产率提升的核心动力。纵向来看，创新投入是货币政策不确定性对全要素生产率的一种影响渠道；横向来看，创新投人也是企业的一项重要特征。虽然创新投人本身会受到货币政策不确定性的抑制作用，但相对而言，创新投入水平高的农业企业可能具有更强的核心竞争力及更高的产出水平，有利于缓解因货币政策不确定性加剧融资约束、恶化经营环境等对全要素生产率造成的不利影响。为考察上述异质性影响特征，首先，根据企业注册地将全样本分为东部地区与非东部地区，分别使用模型(1)进行回归分析；随后，在模型(1)中分别加人企业规模Size、股权制衡度Balance、创新投入R&D及其与货币政策不确定性的交互项，为降低变量之间的相关性，有关变量均进行了中心化处理。回归结果如表5所示。表5列(1)、列(2)显示，货币政策不确定性对东部地区农业企业全要素生产率的影响不显著，但对非东部地区农业企业全要素生产率具有较强的负向影响，回归系数达-1.9 9 0，且在5%水平上显著。这一结果说明货币政策不确定性对全要素生产率的负向影响主要体现于中西部地区农业企业。列(3)列(5)显示，货币政策不确定性与企业规模、股权制衡度和创新投人交互项的回归系数均为正，且分别在5%、10%水平上显著，说明114.货币政策不确定性与农业企业全要素生产率表5货币政策不确定性对农业企业全要素生产率的异质性影响好地激发农业企业的竞争活力和创新动力。农业企业则应完善(1)(2)变量东部地区非东部地区企业规模股权制衡度创新投入TFPTFP-1.263-1.990*CNMPU(0.857)SizeCNMPUXSizeBalanceCNMPUXBalanceR&DCNMPUXR&DControls控制年度控制行业ConstantNAdj.R2货币政策不确定性对全要素生产率的负向影响对大型企业相对而言较弱，较高的股权制衡度和创新投人水平亦能够缓解这种负向影响。地区差异的本质是市场机制地位和作用的差异，影响企业的外部环境；企业规模和股权制衡度衡量了企业治理水平，反映了企业个体适应市场竞争能力的强弱。创新投人在传导货币政策不确定性影响的同时，也从整体上对这种影响产生了调节作用。当货币政策不确定性上升时，一方面，农业企业创新投入水平下降，对全要素生产率产生了直接的负向影响。另一方面，较低的创新投入水平也会加剧经济政策不确定性对全要素生产率的负向影响。五、结论与启示文章以2 0 0 7 一2 0 2 1年农业上市公司为样本，实证考察了货币政策不确定性影响农业企业全要素生产率的效果、机制和异质性特征。研究发现：首先，从影响效果来看，货币政策不确定性负向影响农业企业全要素生产率。其次，从影响机制来看，创新投人和资产不可逆程度发挥中介效应，货币政策不确定性分别通过降低创新投入、提升资产不可逆程度负向影响农业企业全要素生产率；金融化程度则发挥遮掩效应，货币政策不确定性降低了农业企业金融化程度，对全要素生产率产生了一定程度的有利影响，但整体来看其负向影响仍是主要的。最后，从异质性特征来看，货币政策不确定性对全要素生产率的负向影响主要体现于中西部地区农业企业，对大型企业相对较弱，较高的股权制衡度和创新投人水平亦能够缓解这种负向影响。文章的结论说明，对于政策制定者而言，在运用货币政策实施宏观调控时应注重政策的稳定性和延续性，以降低货币政策频繁调整产生的不确定性对农业企业生产经营和全要素生产率的不利影响。同时，应完善市场竞争机制，加大对农业企业（尤其是中小型农业企业和中西部地区农业企业）的金融支持和创新支持力度，引导金融机构优化信贷结构以改善农业企业普遍面临的“融资难”问题，通过货币政策工具的定向调控更(3)TFP-0.865*(0.920)(0.305)0.439*(0.062)0.010*(0.005)YesYesYesYesYesYes-1.4860.586(1.800)(1.935)6936240.5890.623(4)TFP-1.470*(0.343)-0.071(0.072)0.012*(0.007)YesYesYesYesYesYes8.732*6.210*(0.454)(0.582)131713170.6040.544(5)TFP-0.368(0.361)0.027*(0.012)0.005*(0.003)YesYesYes0.113(1.466)13170.581现代企业制度，建立科学合理的决策机制，缓解货币政策不确定性的负向影响；聚焦主业，抑制“脱实向虚”式的过度金融化倾向，持续加大创新投人、有效提升创新产出，更好地增强企业核心竞争力，实现高质量发展的目标。1刘慧，李增福。货币政策不确定性与企业创新一基于我国上市公司的实证分析 企业经济，2 0 2 1,40(4)：12 2-133.2 Creal D,Wu J C.Monetary policy uncertainty and economic fluctuations JInternational Economic Review,2017,58(4):1317-1354.3 Balcilar M,Gupta R,Jooste C.South africas econofmic response to monet-ary policy uncertainty J.Journal of Economic Studies,2017,44(2):282-293.4张金朵，张中华.货币政策不确定性会抑制实业投资吗？来自中国非金融上市公司的经验证据 J.武汉金融，2 0 2 2(11)：13-2 0.5】薛龙,张雪蟒.货币政策不确定性与企业研发投入.武汉金融,2 0 2 1(5):20-28.6薛龙，张雪蟒，欧阳志刚.货币政策不确定性与制造业企业全要素生产率 J.金融与经济，2 0 2 2(2)：3-12.7刘飞,杜建华.货币政策不确定性与企业脱实向虚一基于非金融企业金融化的证据 J.经济体制改革，2 0 2 2(4)：144-150.8 Bloom N.Uncertainty and the dynamics of R&D J/OL.NBER WorkingPaper,http:/www.nber.org/papers/w12841.9 Bloom N,Bond S R,Van J Van.Uncertainty and investment dynamics J.Review of Economics Studies,2007(2):319-415.10 Gulen H,lon M.Policy uncertainty and corporate investment JJ.Reviewof Financial Studies,2016,29(3):523-564.11张卫国，董晋亭，于连超，等.货币政策不确定性与企业金融化 财会月刊,2 0 2 0(10)：12 8-136.12许宝丽，孔儒婧，袁林志，等.经济政策不确定性与农业企业创新投资 河南农业大学学报，2 0 2 1,55(4)：7 7 6-7 8 2,7 9 0.13蒲红美，李进兵.定向降准货币政策对农业企业投融资行为的影响研究 .金融理论与实践,2 0 2 0(6)：110-118.14蔡明荣,任世驰企业金融化：一项研究综述 财经科学,2 0 14(7)：41-51.15 Huang Y,Luk P.Measuring economic policy uncertainty in China J.China Economic Review,2020,59(2):1013-1067.16彭俞超，韩珣，李建军经济政策不确定性与企业金融化 .中国工业经济，2 0 18(1)：137-155.17宋军,陆旸.非货币金融资产和经营收益率的U形关系来自我国上市非金融公司的金融化证据.金融研究，2 0 15(6)：111-12 7.18温忠麟，叶宝娟.中介效应分析：方法和模型发展 .心理科学进展,2 0 14,2 2(5):7 31-7 45.19唐丹彤.经济政策不确定性与企业资本结构 .财会月刊,2 0 2 1(6)：51-58.20葛永波，姜旭朝.企业融资行为及其影响因素基于农业上市公司的实证研究 J.金融研究,2 0 0 8(5)：151-16 2.(责任编辑：FZF)115.【参考文献】