政治地理、银行不良贷款对企业杠杆率的影响

姜闯 蒋静逸 李怡葭 王楠晰 齐海强

摘 要：从政府、银行、企业三方视角，基于中国主板上市公司数据，探讨政治地理、银行不良贷款率对企业杠杆率的影响，从区域层面、企业所有权属性层面和行业层面进行了实证研究。计量结果表明，政治地理因素对企业财务杠杆率的影响仅存在于非国有企业中；政治地理因素对东部企业影响不显著，但对西部企业具有显著的正面影响，对中部企业具有显著的负面影响。银行不良贷款率对企业财务杠杆率的影响呈现区域差异，东部样本影响为显著正相关。

关键词：政治地理；银行不良贷款率；企业杠杆率；区域差异

中图分类号：F832.4 文献标识码：A 文章编号：1008-4428（2018）08-0109-06

一、 引言

近年来我国进入了以高负债为主要特征的加杠杆周期，政府、银行、企业等各部门杠杆率上升迅速。国际清算银行的数据显示，2008—2016年，我国非金融企业负债占GDP的比重从95%上升至166%。截至2016年年末，我国政府、居民和非金融企业部门的杠杆率分别为46%、50.6%和141%，远超国际警戒线。

从现有数据看，非金融部门债务是中国债务的主体，也是近年中国杠杆率快速上升的主要推动因素。企业部门杠杆率过高主要集中在国有企业和部分产能过剩企业；而从金融结构看，国内资本市场不够发达，企业部门主要以间接融资为主，债务负担沉重。据数据统计可得，中国实体部门的债务规模占GDP的比重，从2008年的157%上升到2016年的250%，8年上升93个百分点。可见，中国近年来的负债规模仍是呈上升趋势，去杠杆势在必行。

针对我国经济发展现状，寻找平衡企业追求利润最大化与降低企业债务风险的杠杆率是维护企业利益的必要选择。本文根据我国经济进入新常态，在习近平同志为总书记的党中央创造性地提出“三去一降一补”五大任务的背景下，决定研究上市公司的杠杆率与政治关联及地区政治地理相关方面的联系。目前，中国金融体系债务负担较高，商业银行仍是企业融资贷款的重要金融机构。所以研究银行不良贷款与企业杠杆的关系可以对我国去杠杆的改革前景做出合理预估和规划，推动我国金融市场金融资源合理配置，债务危机规模得到控制，维持经济的平前稳发展。

二、 研究綜述

（一）国内外杠杆率相关研究现状

目前，国内外学者对金融机构杠杆率的研究较多。Michal Dewally、YingyingShao（2012）研究了49个国家金融类企业杠杆率顺周期变化情况，发现杠杆率增长和资产增长存在正的相关关系。车青玲（2015）指出非金融企业营业利润率增加在短期内将降低杠杆率，长期则相反；而工资、在建工程、企业规模、银行依存度上升都会提高非金融企业的杠杆率。许一涌（2014）分别从宏观和微观两个角度入手，发现我国非金融企业杠杆率存在一定的行业分化，且主要是由企业融资方式单一、刺激性投资增加、地方政府GDP考核方式等造成的。

对于现中国企业较高杠杆率的现状，许多学者研究分析后也提出了可行的建议。李扬（2016）指出我国应保持中高速的经济增长，坚持供给侧改革，稳定经济发展的同时降低杠杆率。贾庆英、孔艳芳（2016）指出货币供给对经济杠杆有明显的正向冲击作用，当前我国经济增长速度放缓，伴随着债务问题的出现，其提出可以建立经济杠杆的逆周期监管机制。胡志鹏（2014）构建了一个涵盖居民、企业、金融机构和货币当局的DSGE模型来考察“稳增长”和“控杠杆”双重目标下货币当局最优政策设定。但是他认为货币当局政策对去杠杆效果不明显，缺乏稳定性。

（二）国内外政治地理相关研究现状

政治地理（political geography）作为一种特殊形态的社会关系在更早的时候就得到学术界的关注，诸多学者研究发现，政治地理能够对企业产生积极的影响（Faccio，2006，Faccio和Parsley，2009；Goldman et al.，2009），并且这一现象在世界各国都普遍存在。更具体的，与政府关系密切能够为企业带来更多的资源和优惠，包括更低的税率（Adhikari et al.，2006），更多的银行贷款（Claessens etal.，2008）和更大强度的政府援助（Faccio et al.，2006）等。Kim， Pantzalis and Park（2012）三位学者对于政治地理因素他们指出：地区政治资源、政治能量越丰富，该地企业的股票初始回报率以及风险调整后的收益率表现越好，公司价值也越大。蔡庆丰、郝凯、黄振东（2017）由此想到，在中国综合了“政治关联”与“同乡效应”的“政治地理效应”是否也影响地方企业的业绩表现呢？如果说企业家的政治关联是企业个体的政治资源，那么地方的政治资源就可以视为政治关联在地区层面的一种表现。目前，国内外有关政治地理的文献相对较少，本文将从与政治地理联系较为紧密的政治关联进行文献梳理。

通过梳理已有文献可以发现，政治关联公司的财务杠杆率较高，同时财务风险也较高。但也仍存在对解决现有的企业高杠杆率明确有效的方法还较少，且大多数的研究侧重于企业自身运营模式、整体宏观经济发展，对于不同行业其杠杆率的影响研究课题较少。因此，本文课题将立足于政府、企业、银行三方，利用上市公司相关数据进行分析，围绕非金融企业杠杆率的影响因素，结合多方角度研究出行业合适的杠杆率，在减小企业债务风险的同时寻求企业经济平稳发展。

（三）企业杠杆率影响机制分析（见图1）

1. 政治地理与企业杠杆率影响机制

政治地理因素是微观层面的政治关联和各种社会关系在宏观层面上的表现，同样也会对企业的行为产生影响。有研究构建的地区政治能量指数是对政治地理因素的度量，它通过统计出生于各地市的中央委员和中央候补委员数量，反映一个地市的上市公司能够直接或者借助老乡关系间接获得政治资源帮助的能力。该研究发现：地区政治能量高的地区上市公司具有更低的债务融资成本，从而使企业具有更高的财务杠杆率；但是，这种现象只存在于非国有企业之中；地区政治能量对于企业的扩张行为具有促进作用，且这种促进作用在非国有企业表现得更为明显。

2. 银行不良贷款与企业杠杆率影响机制

在我国，金融体系属于典型的银行主导型，企业外部融资仍然以银行贷款为主，企业对银行贷款的依赖度将显著影响企业杠杆率。银行作为一类特殊的企业，同样追求银行利润最大化，会将银行贷款发放给资质较高、正常经营的优质企业，从而降低银行不良贷款规模，减少银行风险暴露。企业为了追求自身利润最大化会根据市场环境的变化调整企业生产规模，进而增加或者减少银行贷款，改变企业杠杆率。银行追求利润最大化，降低不良贷款率与企业追求自身利润最大化，调整企业杠杆率之间产生矛盾，并进行博弈，最终确定一个银行体系和企业都能接受的企业合适杠杆率。

金融市场不断发展，但是银行贷款仍是大多数企业融资的首选渠道。企业对银行的依赖度显著影响其杠杆率水平，在银行产品创新少、抵押贷款为主导的情况下，企业杠杆率水平也受自身规模的影响。企业负债内部结构对财务杠杆有着重要影响，银行在放贷的同时需追求自身的利益最大化。所以我们将会筛选不同的企业，根据它们的银行依赖度，不同的信贷规模来分析对杠杆率的影响。

3. 政治地理、银行不良贷款对上市公司杠杆率的影响机制

政治地理因素，政府为了追求自身政绩最大化，要求提高企业杠杆率；同时要求银行向所有符合银行贷款条件的企业发放贷款。银行不良贷款因素，银行为了自身利润最大化，降低银行不良贷款率，将向优质企业发放规模更大、利率更低的贷款，而对于劣质企业，将提高审批条件，不发放贷款，或者为了迎合政府的要求，向劣质企业发放规模更小、利率更高、条件更加苛刻的贷款。企业一方面将根据市场要求确定生产规模，向银行申请贷款，另一方面，为了密切与政府的关系，将部分迎合政府要求企业产出最大化的要求。政府政绩最大化与银行利润最大化、企业利润最大化共同作用，相互博弈，并最终确定一个政府、银行、企业都能接受的企业合适杠杆率。

三、 变量选取、数据来源与计量模型

（一）变量选取

1. 被解释变量

财务杠杆比率（LEV）：选用资产负债率，即上市公司当年年末总负债与总资产的比值作为衡量指标，考察上市公司的债务融资行为。（单位：%）

2. 解释变量

地区政治能量指数（PPI）：收集整理2007—2016年间（对应十八届）中央委员和中央候补委员这一层级党政官员的籍贯地信息，并相应地进行简单的赋值处理，其中，中央委员赋值3分，中央候补委员赋值2分，原为中央候补委员后递补为中央委员的赋值2.5分，然后对各地市的分值进行加总，得到全国各地市两届的政治能量指数。

银行不良贷款率（NPL）：指银行不良贷款占总贷款余额的比重，计算公式：不良贷款率=（次级类贷款+可疑类贷款+损失类贷款）/各项贷款·100%，主要考察银行资本对企业杠杆率的影响。（单位：%）

3. 控制变量

上市公司所有权属性（SO）：依照我国上市公司第一大股东的属性分为国有企业和非国有企业。当国有控股时，SO=1；非国有控股时，SO=0。

有息负债率（IR）：上市公司当年企业负债当中需要支付利息的债务占总负债的比率。（单位：%）

每股净资产（BPS）：作为公司规模的衡量，用于控制公司规模对企业债务融资和企业扩张的影响。

每股收益（EPS）：税后利润与股本总数的比值，综合反映公司获利能力。

每股经营性现金流量（OCF）：经营性现金流与股本总数的比值，用以控制现金管理情况因素对上市公司杠杆率的影响。

人均GDP：用于控制地区经济状况对于企业债务融资行为的影响。

市场化指数（MI）：来自樊纲和王小鲁编写的《中国市场化指数》，用于控制市场环境因素对于企业债务融资行为的影响。

（二）数据来源

选取2007—2016年（十七届和十八届）中央委员和中央候补委员，计算两届政治能量指数。同时选取该时段A股主板上市公司作为研究对象，加总十年的数据并剔除数据不全的公司，为了保证实证研究的客观性和准确性，根据以下标准对原始样本进行筛选。

1. 由于金融保险类企业的业务特殊性，其财务特征和融资结构与一般企业有很大差别，因此，剔除上市公司中的金融类公司，本文的研究对象为非金融类的上市公司。

2. 剔除在研究区间内被ST、*ST、暂停上市、退市的公司，保留正常上市的公司。

3. 本文根據中国证监会2017年2月16日发布的《2016年4季度上市公司行业分类结果》对样本上市公司进行划分，并剔除行业分类和制造业此类中公司样本数只有1家的行业及其所属上市公司。最终涉及15个行业，共1141家上市公司。

（三）计量模型

我们首先研究地区PPI、NPL对地区上市公司LEV的影响。我们重点关注PPI的系数，若系数显著大于1，则地区政治能量会显著影响地方上市公司的杠杆率，增加上市公司的财务风险。

其中，LEV为被解释变量，PPI、NPL为解释变量。借鉴Bliss和Gul（2012）的研究，我们引入IR、NPL和PPI的交乘项作为控制变量。公司规模对企业债务融资和企业扩张的影响用BPS来衡量；公司业绩用EPS来衡量；现金管理情况因素对上市公司杠杆率的影响用OCF来衡量。借鉴盛丹和王永进（2012）的研究，我们选取了人均GDP和市场化指数（MI）作为地市层面控制变量；考虑到同一地区不同公司由于性质的不同，对于当地政治资源利用的能力可能存在差别，我们引入SO、SO与PPI的交乘项作为控制变量。

四、 实证结果及分析

（一）区域层面的面板实证分析

我国的政治能量的分布较集中，省际之间差距较为明显，东部明显高于西部，经过统计，17、18届政治能量加总排名前五的省份分别为山东省、河北省、江苏省、浙江省和辽宁省，且排名前十的省份占了全国政治能量的67.36%。本文按照企业注册地区域将样本划分为东部、中部、西部三个样本组，探讨区域属性对于企业杠杆率的影响，可得表1区域政治能量统计。

由表2区域层面的面板实证分析可以发现，针对解释变量PPI，东部与西部回归结果PPI系数为正，分别为0.0519和0.4034，同时西部样本PPI通过显著性检验，显著性水平为5%，T统计量为1.9979，这说明在西部省份，政治地理因素与企业杠杆率显著正相关。

结合市场化指数MI的描述性统计，东部地区由于市场化指数最高，政府对企业经营干涉较少，因此政府对企业杠杆率的影响较弱，未通过显著性检验。

对于中部样本，PPI 的T统计量为-7.4303，PPI系数为-13.0398，PPI在1%的显著性水平下与企业杠杆率显著负相关，这与之前的文献研究结论不符，之前的研究表明，企业拥有的政治资源有利于企业获得政府补贴、援助、政策扶持等，企业发展速度更快，杠杆率水平更高。而中部样本回归结果表明，PPI对中部企业杠杆率水平的影响为显著负相关，本文认为中部地区发展速度高于东部地区，经济基础好于西部地区，中部地区的政府官员为了谋求经济平稳发展，避免企业风险暴露过大，因此力求降低企业杠杆率水平，一旦中部地区企业杠杆率水平过高，将增加企业破产风险，不利于地方政府官员的政绩和升迁。

针对解释变量地区政治能量指数PPI与银行不良贷款NPL的交互项，东部样本在1%的显著性水平下与企业杠杆率显著正相关，这说明，在东部地区，政府追求政绩最大化与银行追求利润最大化两者共同作用，对企业杠杆率的影响显著。而对于中部样本和西部样本，该交互项的系数分别为正和负，并且都没有通过显著性检验。

（二）企业所有权属性层面的面板实证分析

我国银行体系属于典型的银行主导型，且银行在贷款时偏向与政府和银行关系更加密切的国有企业，从而产生银行贷款的所有制偏向。本文将样本按照企业所有权属性划分为国有企业样本组与非国有企业样本组，样本组描述性统计见表3所有权属性分类各变量描述性统计。

从表3国有企业财务杠杆比率比非国有企业更低，有息负债率高于非国有企业，可看出国有企业对银行有息贷款更加依赖。由EPS和BPS可以看出，相较于非国有企业，国有企业获利能力更强，规模更大，这和政府的扶持以及国家经济资源的分配密不可分。

通过最小二乘法得到国有企业与非国有企业财务杠杆比率的方程，各系数由上表4给出。表4企业所有权属性层面的面板实证分析发现，对于解释变量PPI，国有企业与非国有企业差异明显，国有企业样本PPI系数为正，但未通过显著性检验，非国有企业PPI系数为负，在1%的显著性水平下，对非国有企业杠杆率显著负相关。可解释为国有企业与政府关系更为密切，政府倾向于将自身的政治目标转移至国有企业，要求国有企业承担更多的社会责任，因此政治地理因素对国有企业杠杆率的影响为正。

观察BPS和EPS两个指标，BPS对企业杠杆率均具有显著正相关影响，显著性水平为1%，说明企业规模越大，企业杠杆率水平倾向于越高。EPS对于国有企业与非国有企业杠杆率均具有显著负相关影响，显著性水平为1%，说明企业获利能力越强，经营状况越良好，企业越倾向于稳健经营，保持合理的杠杆率水平，谋求企业长足发展。

（三）行业层面的面板实证分析

本文按照行业标准将样本进行分类，各变量描述性统计见下表5，对于不同行业来说，杠杆比率最高的为采矿业B，而有息负债率为电力热力业D最高。国有化水平中，除交通运输业G以及电力热力业D国有企业占比最高，其他均为非国有企业占比最高。

另一方面，杠杆比率较高的产业，其市场化指数也越高。市场化程度高，企业现有资金支持不了快速的产业发展速度，就需要财务杠杆来支持。且财务杠杆越高的产业，其GDP也就越高，这正符合了杠杆经营的规律。此外，高杠杆率对企业的管理水平要求极高，否则容易引发财务危机，导致破产。所以从表5行业属性分类各变量描述性统计中OCF可以看到，采矿业B这类高杠杆的行业，其OCF水平要远大于其他杠杆较小的行业。

在样本15个行业中，本文选择了样本数大于30的行业进行重点研究，分别对以下7个行业十年的数据进行面板回归。

通过观察表6行业层面的面板实证分析发现，银行不良贷款率对采矿业B和电力热力D的影响是负相关，对其他行业的影响均为正相关，但对于所有行业样本，该指标均未通过显著性检验，表明在行业属性对企业杠杆率的影响分析中，银行不良贷款率指标不具有典型性。

地区PPI对采矿业B、批发零售业F、交通运输G、信息技术I等行业在至少5%的显著性水平上，对企业杠杆率具有負相关的影响；而对于电力热力D和房地产K行业，PPI对企业杠杆率水平在至少5%的显著性水平上具有正相关的影响。

（四）系统GMM估计结果

面板数据的OLS估计方法，通常会面临扰动项自相关问题以及某些回归变量是先决变量等问题的困扰。此外，企业的财务杠杆率往往具有持续性特征，从资产负债率的角度来看，同样如此。因此，将财务杠杆率的滞后项作为解释变量之一纳入计量模型后，相应的就有了如下动态面板数据模型：

显然，在上述计量模型中，由于解释变量含有被解释变量的一阶滞后项，从而与扰动项相关；与此同时，财务杠杆率与其他变量之间可能存在着反向因果关系。内生性问题的存在使得一般的最小二乘法容易带来“动态面板估计偏误”的不良结果（Roodman，2007）。因此，我们运用广义矩阵估计方法（GMM）对上述动态面板数据模型进行估计。由于变量滞后项并非是一阶差分方程的理想工具变量，我们选择系统GMM估计法进行估计，而其中一步法系统GMM估计更为有效（Bond，2002）。此外，本文设定的上述动态面板模型中还包括其他控制变量，因此，在系统GMM估计过程中还需对这些变量进行类型选择，分辨变量属于内生变量还是外生变量。基于本文研究目的和内容，我们将地区政治能量指数PPI和银行不良贷款率NPL视为外生变量，其他控制变量视为内生变量。为降低可能存在的异方差的影响，本文参数估计值的标准误均采用稳健估计量。表格中最后几行列出了主要的模型设定检验结果：AR（2）统计量均不显著，说明这些模型没有发现水平方程误差项存在序列相关问题，而判断工具变量过度识别问题的Sargon检验表明，工具变量的选择整体上是有效的。最终获得的系统GMM估计结果见表7系统GMM回归估计结果。

表7系统GMM回归估计结果第一栏至第三栏给出的结果，是仅考虑基础解释变量时进行回归所得，第四栏和第六栏的回归结果是纳入其他控制变量后进行回归所得。从回归结果，我们可以得出以下基本结论：第一，在所有各栏的回归结果中，作为解释变量的滞后一期财务杠杆率均在1%的显著性水平上对当前财务杠杆率具有显著的正面影响，这一结果意味着财务杠杆率的确存在着持续性特征。第二，在所有的回归结果中，地区政治能量指数PPI对被解释變量均具有负面影响，但没有迹象表明其对财务杠杆率产生了显著性影响，从而说明了地区政治能量指数PPI对财务杠杆率影响的不确定性。第三，在纳入每股收益EPS、每股净资产BPS、人均GDP等控制变量并进行回归后，我们发现每股净资产BPS在1%的显著性水平上对财务杠杆率具有显著的正面影响，每股收益EPS和人均GDP在1%的显著性水平上对财务杠杆率具有显著的负面影响，这说明企业生产规模越大，企业越倾向于杠杆经营，提高企业的杠杆率水平，企业所在的地区经济越发达，人均GDP越高，企业获利能力越强，企业越倾向于稳健经营，保持合理的杠杆率水平。

（五）稳健性检验

为了确保实证结果的稳健性，本文采用地区政治能量调整指数Adj.PPI（指数的构建方法：将地区每一届政治能量对应到各年份，并除以各年份该地区上市公司数量，从而得到每一年每一家上市公司所能分配到的地区政治能量作为地区政治能量调整指数）替代地区政治能量指数PPI，重新衡量地方政治资源，模型的其他变量与前文相同，稳健性检验见表8稳健性检验结果研究结果同样发现，国有企业的财务杠杆率与地区政治能量调整指数呈正相关，非国有企业的财务杠杆率与地区政治能量调整指数呈显著负相关关系，并且显著性只存在于非国有企业中。由于国有企业具有天然的政治关联，地区政治能量并没有对国有企业的财务杠杆率产生显著性影响。因此，地区政治能量对于上市公司财务杠杆率的显著影响只存在于非国有企业中，从而说明了回归结果的稳健性。

五、 结论

近年来，我国企业杠杆率高，债务规模增长过快，债务负担不断加重，企业风险也随之增大。保持经济稳增长，同时合理降杠杆成了现今企业面临的一大难题。受Kim， Pantzalis和Park（2012）的启发，引用构建了地区政治能量指数（PPI），围绕政府、银行、企业三方面考虑合适的杠杆率，从企业区域属性、企业所有权属性和企业行业属性对样本进行分类和OLS回归，并对所有数据进行系统GMM估计和稳健性检验。通过实证分析，我们得出了以下结论：

第一，企业的所有权性质、所处行业性质以及所在区域都会对企业杠杆率产生影响。根据调查结果可以发现相较于非国有企业，国有企业由于受国家扶持，获利能力强，有息负债率较高，财务杠杆低。在对深圳上市的所有非金融类上市公司的研究发现，行业属性不同，国有化水平不同，也会导致杠杆率差异。由于不同行业属性的市场化程度需要，支持产业发展速度所对应的杠杆率不同。

第二，政治地理因素会对上市公司的财务杠杆率产生不确定影响。通过对所有数据进行系统GMM检验，我们发现地区政治能量指数PPI未通过显著性检验。按照企业所有权属性分类，发现PPI对企业财务杠杆率的影响仅存在于非国有企业中，对国有企业的影响不显著。按照企业区域属性进行分类，PPI对东部企业影响不显著，但对西部企业具有显著的正面影响，对中部企业具有显著的负面影响。

第三，银行不良贷款率对企业财务杠杆率的影响呈现区域差异。针对解释变量地区政治能量指数PPI与银行不良贷款NPL的交互项，东部样本在1%的显著性水平下与企业杠杆率显著正相关，这说明，在东部地区，政府追求政绩最大化与银行追求利润最大化两者共同作用，对企业杠杆率的影响显著。而对于中部样本和西部样本，该交互项的系数分别为正和负，并且都没有通过显著性检验。

参考文献：

[1]蔡庆丰，郝凯，黄振东.IPO热潮中的政治地理效应——来自中国资本市场的实证发现[N].证券市场导报，2017（5）：4-12.

[2]车青玲.非金融企业杠杆率波动及影响因素研究——基于地方代表性企业面板数据的研究[J].华北金融，2015（5）：9-13.

[3]胡旭阳.民营企业家的政治身份与民营企业的融资便利——以浙江省民营西强企业为例[J].管理世界，2006（5）：107-133.

[4]胡志鹏.“稳增长”与“控杠杆”双重目标下的货币当局最优政策设定[J].经济研究，2014（12）：60-71.

[5]贾庆英，孔艳芳.资产价格、经济杠杆与价格传递——基于国际PVAR模型的实证研究[J].国际金融研究，2016，345（1）：28-37.

[6]许一涌.我国非金融企业杠杆率问题研究[J].金融与经济，2014（10）：38-41.

[7]余明桂，潘红波.政治关系、制度环境与民营企业银行贷款[J].管理世界，2008（8）：9-21.

[8]于蔚，汪淼军，金祥荣.政治关联和融资约束：信息效应与资源效应[J].经济研究，2012（9）：125-139.

[9]Ajay Adhikari， Chek Derashid and Hao Zhang. Public policy， political connections， and effective tax rates： Longitudinal evidence from Malaysia[J]. Journal of Accounting and Public Policy，2006（25）：574-595.

[10]Asim Ljaz Khwaja， AtifMian. Do Lenders Favor Politically Connected Firms？ Rent Provisionin an Emerging Financial Market[J]， Quarterly Journal of Economics，2005，120（4）：1371-1411.

[11]Faccio， M， Masulis R. W， and McConnell J. Political Connections and Corporate Bailouts[J]. Journal of Finance，2006.

[12]Goldman， E.， Rocholl， J.， So， J. Do politically connected boards affect firm value？[J]. Review of Financial Studies，2009（22）.

[13]Joel R Houston， Chen Lin， Yue Ma. Media ownership， concentration and corruption in banklending[J]. Journal of Financial Economics，2011，100（2）：326-350.

[14]M Dewally， Y Shao， Leverage， wholesale funding and national risk attitude[J]. Journal of International Financial Markets Institutions & Money，2013，23（2）：179-195.

[15]M Faccio， DC Parsley： Sudden Deaths：Taking Stock of Geographic Ties[J]. Journal of Financial & Quantitative Analysis，2009，44（3）：683-718.

[16]M Faccio： Politically Connected Firms[J]. Social Science Electronic Publishing，2006，96（1）：369-386.

[17]Penelope B. Prime， Li Qi， Determinants of Firm Leverage[J]. Chinese Economy，2013，46（2）：74-106.

作者簡介：

姜闯，男，安徽淮南人，浙江工商大学金融学院学生，研究方向：金融学；

蒋静逸，女，浙江海宁人，浙江工商大学金融学院学生，研究方向：金融学；

李怡葭，女，浙江嘉兴人，浙江工商大学金融学院学生，研究方向：金融CFA；

王楠晰，女，浙江宁波人，浙江工商大学金融学院学生，研究方向：金融CFA；

齐海强，男，浙江台州人，浙江工商大学统计与数学学院学生，研究方向：数学。