短贷长投、银企关联与企业债务违约风险

■刘垣钰，郭淑娟

一、引言

近些年来，中国企业债务违约问题愈加严峻，不少企业面临着严峻的资金流动性不足问题。2020年全年新增23家企业“暴雷”违约，共有178家大型企业发生债务违约，违约金额总计1600亿元。此外，金融机构不良贷款率从2014年的1.25%持续攀升至2021年的1.89%。因此，如何有效防范企业频繁发生债务违约，如何妥善应对企业债务违约风险，已成为当前实体企业和金融领域迫切需要重视的问题。

研究企业债务违约问题，一个不可忽视的关键性因素为目前企业普遍存在的“短贷长投”行为，即企业大量利用短期贷款来支持长期投资活动的一种激进型的投融资期限错配问题。实践中，大量企业债务违约案例都与“短贷长投”密切相关。因此，企业的“短贷长投”行为与债务违约之间是否存在必然关系？具体作用机制是什么？这些问题都需要深入研究。

关于“短贷长投”经济后果的研究。已有文献发现，“短贷长投”会通过阻碍人力资本投入和研发投入，来抑制企业的创新能力，加剧企业的经营风险，引发非效率投资，对企业经营绩效产生负面影响（钟凯等，2016），也会通过提高企业的债务融资成本、减少研发投入两方面来恶化企业绩效（刘晓光和刘元春，2019）。然而尚未有文献关注“短贷长投”对企业债务违约风险的影响及作用机制。

关于“短贷长投”治理的研究。现有文献主要从货币政策的适度水平（钟凯等，2016）、银行业的竞争程度等外部金融环境视角和产融结合、资产可抵押性等企业内部结构视角进行相关研究。尚未有文献就企业选择与银行建立股权、人事等关系，即银企关联的非正式制度安排视角进行研究。建立良好的银企关系，有助于企业获得更多的长期贷款、更低的融资成本、更高的贷款额度以及更宽松的贷款条件等（陈仕华和马超，2013）。那么，银企关联能否缓解“短贷长投”所引发的负面影响？不同类型的银企关联对“短贷长投”所引发的负面影响的调节效果是否存在差异？这些问题都值得进一步研究。

全文边际贡献在于：第一，以企业“短贷长投”为切入点，拓展了债务违约风险的研究视角。第二，丰富了企业“短贷长投”经济效应的相关研究。从风险防范的角度考察“短贷长投”的微观经济后果，并从债务融资成本、盈利水平和过度投资程度三个方面厘清了“短贷长投”影响债务违约风险的作用机制。第三，深入分析不同类型的银企关联对“短贷长投”与债务违约风险的调节效应。第四，充分考虑企业产权性质、研发投入、生命周期以及地区属性的差异效果，进一步将企业微观特征异质性情境纳入研究框架。

二、理论分析与研究假设

（一）“短贷长投”对企业债务违约风险的影响

根据期限匹配理论，资产和债务期限相匹配，可以有效控制企业流动性风险，有利于降低企业资产的现金流入无法偿还到期债务和满足投资需求而引发的风险。

为应对金融环境抑制，企业可能被迫选择“短贷长投”这种替代性机制，然而“短贷长投”的经济后果具有突发性和隐蔽性（刘晓光和刘元春，2019）。“短贷长投”虽然在一定程度上为企业投资提供了流动性支持，缓解了企业所面临的融资约束，但很可能引发更大的债务危机。具体而言：第一，长期投资具有投资回收期长、不确定性大的特点。当短期贷款到期时，长期投资可能还没产生利润来偿还到期债务，却增大了企业的偿还债务压力（白云霞等，2016），容易引发资金周转困难，企业不得不“借新还旧”“借新还息”，进而增加了企业的债务融资成本，使企业面临较高的资金续借风险（钟凯等，2019）。一旦企业内部资金周转困难、外部资金续借难度增大时，极易引发资金链断裂，带来无法偿还的债务违约风险。第二，“短贷长投”迫使企业以更高昂的融资成本进行短期贷款的续借，更多的是满足企业资金周转上的需要，而非实际的投资和研发创新活动，有可能降低企业盈利水平，导致企业陷入财务困境（刘晓光和刘元春，2019）。甚至企业还可能被迫放弃正常的投资机会来偿还债务，进一步恶化了企业的盈利能力和偿债能力，从而导致企业陷入财务危机甚至破产倒闭（马秀斌和张庆君，2020）。第三，“短贷长投”在满足企业自身资金需求的同时，也为企业在较多资金支持的情境下进行过度投资提供了可能性。企业的长期贷款短缺可能是由于投资项目和经营状况不符合银行要求，但短期贷款的限制条件较为宽松，反而支持了企业的不合理投资行为，甚至产生羊群效应（孙凤娥，2019），不利于企业长期稳定发展，提高了债务违约的可能性。

综上所述，“短贷长投”通过增加债务融资成本、降低企业的盈利水平、提高过度投资程度三个途径提高了企业的债务违约风险。据此，提出假设H1。

H1：“短贷长投”提高了企业的债务违约风险

（二）银企关联对“短贷长投”与企业债务违约风险关系的影响

银企关联主要包括高管关联和持股关联两种类型。高管关联是一种非正式制度的银行人事关联，主要指企业聘请现在或曾经在银行工作的中高层人士担任高管或董事，从而与银行建立关联。持股关联是指企业持有银行的股权与银行建立关联，通过向银行董事会派驻人员，参与银行的经营决策，从而增加企业的融资便利性。

基于高管关联视角。具有银行工作背景的高管在信贷融资方面拥有相当专业、独到的洞察力，可以发挥金融专家的咨询、指导作用。此外，具备银行工作背景的高管充分了解银行和企业的内部情况，有效缓解银企之间的信息不对称，帮助企业获得更多的长期贷款和更低的融资成本，还可以帮助企业顺利化解各种危机，如财务困境危机（Zahra&Pearce，1989）。总之，利用其关系资源可以缓解企业所面临的融资约束，提高企业贷款可得性，为其带来更加充裕的资金流（秦建文和关欣，2018），从而有效防止企业因“短贷长投”引发的资金链断裂，降低企业所承担的流动性风险压力。

基于持股关联视角。随着银行股份制改革，大量企业积极持有商业银行股份，成为银行股东。一方面，可以协调统一银行和企业之间的利益关系，拉近银企双方的“信息距离”，极大缓解银企之间的利益冲突，降低银行为企业提供贷款过程中的信息不对称和监督成本，从而缓解企业融资约束，提升企业的整体融资水平（郭牧炫和廖慧，2013）。另一方面，可以为企业资金周转提供“隐性担保”，向外界传递企业具有较强融资能力的“积极信号”，增强企业在信贷市场中的声誉，有助于企业的金融资产配置（刘星和蒋水全，2015）。

综上，银企关联作为一种重要的社会资本，不仅可以发挥“信息效应”以缓解银企之间的信息不对称程度，还可以发挥“资源效应”以增加企业获取社会资源的能力，显著影响企业的债务期限结构。据此，提出假设H2。

H2：银企关联能有效缓解“短贷长投”与企业债务违约风险的正相关关系

三、研究设计

（一）样本选取与数据来源

中国人民银行于2013年7月放开了金融机构贷款利率下限的限制，标志着贷款利率已完成市场化改革。为避免此外生事件对研究结果的影响，选取2014—2021年沪深A股上市公司为研究样本，并按照如下标准对样本进行筛选：（1）剔除金融行业的上市公司；（2）剔除产权性质不明确的样本；（3）剔除变量数据不全或含有缺失值的样本。经过上述筛选，最终得到15038个观测值。这些数据都来源于国泰安数据库（CSMAR），其中高管具有银行工作背景数据是根据CSMAR数据库的“上市公司人物特征”专栏中的金融背景，并通过手工收集整理而得。行业分类方法是按制造行业大类细分，其他行业是按门类划分。为避免受极端值的影响，对所有连续变量进行1%和99%的Winsorize处理。

（二）变量设计

1.被解释变量：企业债务违约风险（ZScore）

借鉴前人（Putri，2019）的研究成果，采用ZScore模型度量企业债务违约风险，具体模型如下：

ZScore=1.2×（营运资金/总资产）+1.4×（留存收益/总资产）+3.3×（息税前利润/总资产）+0.6×（总市值/总负债）+0.999×（营业收入/总资产）

该模型以2.67和1.81作为临界值，当ZScore≥2.67时为财务状况良好，债务违约风险较低；当ZScore＜1.81时为陷入财务困境，潜伏着债务违约风险；1.81≤ZScore＜2.67为灰色地带，表明企业的财务状况极不稳定，发生债务违约的可能性很大。综上，ZScore值越大，企业偿债能力越强，债务违约风险越低。

2.解释变量：短贷长投（SFLI）

关于“短贷长投”的度量尚未形成统一标准，主要的度量方法有两种：一是刘晓光和刘春元（2019）提出的“短债长用”指标，反映企业的债务与资产期限结构的匹配情况；二是基于“资金缺口”构建的“短贷长投”指标（钟凯等，2016）。第一种指标为存量特征指标，与资产负债表指标相一致，适合于共同进行基准分析，也适合于考察其对企业债务违约风险的长期影响，因此选取第一种衡量指标作为解释变量。同时将第二种流量特征指标作为替代性指标进行稳健性检验。“短贷长投”=短期负债比例（即短期负债/总负债）-短期资产比例（即短期资产/总资产）。SFLI数值越大则表明企业“短贷长投”行为越严重。

3.调节变量：银企关联（BC）

借鉴翟胜宝等（2018）的研究，将银企关联（BC）细分为持股关联（CG）和高管关联（EC）。如果企业持有银行股份则持股关联虚拟变量CG赋值为1，否则为0。如果企业高管具有银行工作背景则高管关联虚拟变量EC赋值为1，否则为0。如果高管关联和持股关联满足其中一个条件即代表企业存在银企关联，BC则赋值为1，否则为0。

4.控制变量

为精准地检验“短贷长投”与企业债务违约风险之间的关系，借鉴刘晓光和刘春元（2019）、钟凯等（2019）的研究方法，同时结合上市公司的实际情况，对企业层面的特征变量进行控制。

（三）模型构建

1.“投资—短期贷款”敏感性模型

借鉴Mclean&Zhao（2014）和钟凯等（2016）的研究方法，建立“投资—短期贷款”敏感性模型来检验“短贷长投”行为在中国资本市场中的存在性。

其中，INV=（购建固定资产、无形资产和其他长期资产支付的现金/上一年期末总资产）；CFO=（经营活动产生的现金流量净额/上一年期末总资产）；SHORTDEBT=[（取得借款收到的现金－长期借款本期增加额）/上一年期末总资产]，表示利用上一年总资产剔除规模效应的企业当期短期信贷增量；LONGDEBT=[（本期长期借款+一年内到期的非流动负债-前期长期借款）/上一年期末总资产]，表示利用上一年总资产剔除规模效应的企业当期长期信贷增量；Q=Tobin’s Q，用来衡量企业的投资机会。

2.基准回归模型

为验证“短贷长投”对企业债务违约风险的影响，建立多元回归模型（2）。

其中，ZScore表示企业债务违约风险，SFLI表示“短贷长投”，Size表示企业规模，Lev表示资产负债率，TAT表示总资产周转率，Age表示企业上市年限，FA表示固定资产比重，还控制了年份和行业固定效应。当a1＜0时，说明SFLI越大，ZScore越小，即“短贷长投”程度越高，企业的债务违约风险就越高。

四、实证结果分析

（一）描述性统计

中国2014—2021年上市企业中ZScore的均值和中位数分别为4.790和3.008，都大于安全临界值2.67，表明超过半数企业的财务状况良好，债务违约风险较低。但ZScore的25%分位数为1.729，已经低于财务危机临界值1.81，表明研究样本中有1/4左右的企业陷入财务困境，债务违约风险很高，甚至濒临破产。SFLI的均值和中位数分别为0.253和0.260，25%分位数为0.134，均大于0，则表明我国约有超过75%的企业存在“短贷长投”行为。

表1 主要变量定义

（二）“投资—短期贷款”敏感性分析

首先，验证“短贷长投”在中国上市企业中的存在性，利用模型（1）进行全样本回归，回归结果如表2第1列所示。“投资—短期贷款”敏感性（CFO）和短期信贷增量（SHORTDEBT）的系数均在1%的水平显著为正，表明随着短期贷款的增加，企业购建固定资产、无形资产等其他长期投资活动支付的资金（INV）也逐渐增加。证明了上市企业中“短贷长投”普遍存在，支持基准回归分析的理论前提。

表2 “投资—短期贷款”敏感性分析

其次，利用模型（1）对国有企业和非国有企业分样本进行回归，回归结果如表2列（2）（3）所示。无论是国有企业还是非国有企业，短期信贷增量（SHORTDEBT）的系数均在1%的水平上显著为正。但是非国有企业的回归系数和显著性水平均高于国有企业，表明非国有企业“短贷长投”更严重。可能是由于国有企业在某种意义上受到地方政府隐形保护，而非国有企业更容易受到“信贷歧视”。

（三）“短贷长投”与企业债务违约风险

表3报告了模型（2）“短贷长投”与企业债务违约风险的多元回归结果。由列（1）可知，“短贷长投”（SFLI）的系数为-3.122，在1%的水平上显著为负。结果表明，SFLI越大，ZScore越小，即“短贷长投”程度越高，企业债务违约风险就越高，验证了研究假设H1。

为进一步验证“短贷长投”对债务违约风险的影响机理，基于ZScore的两个经验临界值，构建了两个衍生性的虚拟变量：Z1是根据安全临界值2.67构建企业“离开安全区”的虚拟变量，即当企业的ZScore＜2.67时，Z1=1，否则为0，说明企业不再是安全无忧，财务状况不稳定，至少已进入灰色地带；Z2是根据财务危机临界值1.81构建企业“进入财务危机区”的虚拟变量，即当企业的ZScore＜1.81时，Z2=1，否则为0，说明企业财务状况已经极度恶化，面临较大的债务违约风险，甚至濒临破产。

由于因变量Z1、Z2是虚拟变量，表3列（2）（3）采用Logit模型分别进行回归分析。列（2）结果显示，SFLI对Z1在1%的水平上显著为正，说明“短贷长投”促进了企业离开安全区，进入灰色地带。列（3）结果显示，SFLI对Z2也在1%的水平上显著为正，说明“短贷长投”显著促进企业陷入财务困境。综上可见，“短贷长投”对企业债务违约风险具有持续性的提升作用，进一步验证了研究假设H1。

（四）“短贷长投”、银企关联与企业债务违约风险

表4报告了银企关联对“短贷长投”与企业债务违约风险调节效应的分组回归结果。由列（5）（6）可知，不存在银企关联（BC=0）时，SFLI的系数为-3.230，在1%的水平上显著为负；存在银企关联（BC=1）时，SFLI的系数为-2.089，也在1%的水平上显著为负。但当存在银企关联时，“短贷长投”对债务违约风险的负面影响更小，并基于Bootstrap组间系数差异检验可得P值为0.069，在10%的水平上显著，证明了银企关联能有效缓解“短贷长投”对企业债务违约风险的负面影响，验证了研究假设H2。

表4 “短贷长投”、银企关联与企业债务违约风险

进一步区分银企关联的类型，分别从持股关联（CG）与高管关联（EC）角度分析“短贷长投”对企业债务违约风险的影响。由列（1）（2）可知，不存在持股关联（CG=0）时，SFLI的系数分别为-3.175，在1%的水平上显著；存在持股关联（CG=1）时，SFLI系数降低为-1.453，并在5%的水平上显著。P值为0.086，在10%的水平上显著，证明了持股关联会显著弱化“短贷长投”对企业债务违约风险的负面影响。由列（3）（4）可知，不存在高管关联（EC=0）和存在高管关联（EC=1）时，SFLI的系数分别为-3.181、-2.332，均在1%的水平上显著，可见高管关联会弱化“短贷长投”对企业债务违约风险的影响，但P值结果不显著。因此，相较于高管关联，持股关联更能显著弱化“短贷长投”对企业债务违约风险的负面影响。

五、稳健性检验

（一）变更核心度量指标

1.变更“短贷长投”度量指标

借鉴钟凯等（2016）的研究，基于“资金缺口”构建“短贷长投”流量指标SFLI_1，可以与前文的存量指标形成互补。变量定义为SFLI_1=购建固定资产等投资活动支付的现金-（长期借款本期增加额+本期权益增加额+经营活动现金净流量+处置固定资产等长期资产收回的现金），除以期初总资产剔除规模效应。结果显示，SFLI_1的系数在1%的水平上显著为负，与前文回归结果相一致。

2.变更债务违约风险度量指标

借鉴刘晓光和刘春元（2019）构建的两个风险融资者体征变量来衡量企业债务违约风险。一是“风险融资者体征”（PZ）：如果企业利息保障倍数＜1，说明企业的息税前利润已不足以弥补利息，PZ=1，否则为0；二是“持续性风险融资体征”（ZB）：如果企业连续3年出现PZ=1，即说明该企业已经不具备持续性经营能力，债务违约风险加大，ZB=1，否则为0。由于因变量企业债务违约风险是虚拟变量，所以选取Logit模型进行回归分析。结果显示，“短贷长投”（SFLI）与债务违约风险（PZ、ZB）之间均显著正相关，分别在1%和5%的水平上显著，与前文回归结果相一致。

（二）内生性检验

1.工具变量法

为检验互为因果的内生性影响，借鉴钟凯等（2019）的方法，选取“短贷长投”按行业和年度分类的中位数SFLI_Med作为工具变量，采取两阶段法进行回归。相关性方面，弱工具变量检验的F值为769.484，且P值为0.000，表明不存在弱工具变量问题。外生性方面，“短贷长投”的行业年度中值与特定企业的违约风险相关性较低，因此工具变量具有外生性，且工具变量与自变量数量相等，可恰好被识别，也不存在过度识别问题。因此，工具变量选取有效。在第一阶段回归结果中，工具变量行业年度中值（SFLI_Med）的系数在1%的水平上显著为正；第二阶段回归结果中，控制了内生性问题后，“短贷长投”与企业债务违约风险仍呈现显著的正相关关系，假设仍然成立。

2.滞后一期

为避免可能的双向因果导致的内生性问题，将核心解释变量和控制变量均滞后一期替换原变量，并利用模型（2）重新回归，以此来检验“短贷长投”及其他控制变量的改变可能对下一期企业债务违约风险的影响。检验结果所示，“短贷长投”与企业债务违约风险仍然存在显著的正向影响关系，与基准回归结果基本保持一致。

（三）系统GMM估计

鉴于企业债务违约风险具有一定的动态性和延续性，进一步在解释变量中加入被解释变量债务违约风险的一阶滞后项（L.ZScore），同时采用系统GMM进行估计。检验结果所示，AR（2）检验和Hansen检验的P值均大于0.1，表明扰动项的差分不存在二阶序列自相关，通过了序列相关性检验，工具变量选取有效。此外，企业债务违约风险的滞后项系数显著为正，“短贷长投”的估计系数符号仍与前文相一致，再次验证了基准回归结果的稳健性。

六、进一步分析

（一）影响机制检验

首先，检验“短贷长投”对债务融资成本的影响，采用财务费用除以主营业务收入来度量债务融资成本（Cost）。回归结果如表5列（1）所示，SFLI系数显著为正，表明“短贷长投”会提高债务融资成本，加剧企业的融资困境，进而提高债务违约风险。其次，检验“短贷长投”对盈利水平的影响，盈利水平（EBIT）采用企业息税前利润除以总资产来衡量。如表5列（2）所示，SFLI的系数显著为负，表明“短贷长投”降低了企业的盈利水平，负面影响了企业的经营绩效，进而提高了债务违约风险。再次，检验“短贷长投”对过度投资程度的影响，借鉴Richardson（2006）构建的投资效率模型，选取模型残差大于0的样本，残差值越大表示企业过度投资程度（ExcessInvest）越高。如表5列（3）所示，SFLI的系数显著为正，即“短贷长投”提高了企业的过度投资程度，这会引发非效率投资，降低企业的投资回报率，提高债务违约风险。

最后，检验上述三个中介变量对企业债务违约风险的影响，回归结果如表5列（4）所示。Cost的系数显著为负，表明企业债务融资成本越高，债务违约风险就越高；EBIT的系数显著为正，表明企业盈利水平越低，债务违约风险越高；ExcessInvest的系数显著为负，表明企业过度投资程度越大，债务违约风险越高，上述回归结果与前文论述相一致。此外，借鉴温忠麟等（2004）的研究，在模型（2）中加入三个中介变量，检验在加入三个中介变量后“短贷长投”的系数是否发生变化，回归结果如表5列（5）所示。EBIT的系数依然显著为正，Cost和ExcessInvest的系数依然显著为负，SFLI的系数也仍显著为负，表明其发挥了中介效应。综上所述，“短贷长投”会增加债务融资成本、降低企业的盈利水平、提高过度投资程度，并通过以上三个途径来提高企业的债务违约风险。

表5 影响机制检验

（二）基于企业微观特征的异质性检验

1.产权性质异质性

将样本分为国有和非国有企业，探究产权性质对“短贷长投”与企业债务违约风险的影响，回归结果如表6所示。根据Panel A列（1）可知在非国有企业中，SFLI的系数为-3.268，而在列（2）国有企业中，系数为-2.741，均在1%水平显著为负，组间系数差异在10%的水平上显著（见表末Chow检验）。研究表明，“短贷长投”提高企业债务违约风险的作用在非国有企业更明显。可能是由于在企业债务融资中“信贷歧视”等问题的存在，非国有企业面临着更严的融资约束，很难获得长期贷款。

2.研发异质性

首先，将研发投入除以营业收入以剔除规模效应。其次，以研发投入的中位数为界，将样本分成高研发投入和低研发投入企业，比较不同研发投入之间是否存在差异。企业研发异质性对“短贷长投”与债务违约风险的影响如表6所示。Panel A列（3）（4）结果显示，无论是研发投入高还是研发投入低的企业，“短贷长投”都能显著提高企业债务违约风险。但SFLI在研发投入高的企业中系数为-3.930，远低于研发投入低的企业，组间系数差异在1%的水平上显著（见表末Chow检验）。研究表明，“短贷长投”提高企业债务违约风险的作用在研发投入高的企业中更明显。可能是由于研发投入高的企业，往往具有前期投资成本高、投资回收期长、不确定性大的特点，导致高研发的企业往往要承受更高的融资成本，负担着“短贷长投”所带来的更大的偿还债务压力。

3.生命周期异质性

参考梁上坤等（2019）的研究，采用综合得分判别法，分行业对销售收入增长率、存留收益率、资本支出率、企业年龄等4个变量分别打分并算出综合得分，然后按行业对综合得分排序，得分最高的1/4为成长期企业（LifeCycle=1）、得分最低的1/4为衰退期企业（LifeCycle=3），其余为成熟期企业（LifeCycle=2）。表6中Panel B列（1）—（3）按不同生命周期分样本进行回归，列（2）（3）SFLI系数相近，均在1%的水平显著为负，而第l列成长期SFLI系数为-4.709，远低于后两列，也在1%的水平上显著为负。由Chow检验可知，成熟期、衰退期和成长期企业的组间系数差异均在1%的水平上显著。Panel B列（4）加入企业生命周期以及“短贷长投”与生命周期的交互项，进行全样本回归。结果显示，SFLI系数显著为负，同时交互项系数为0.701，在5%的水平显著为正。研究表明，“短贷长投”提高企业债务违约风险作用，随着企业生命周期的推移逐渐减弱。可能是由于成长期的企业仍处于发展阶段，面临着较多的外部威胁和不确定性因素。随着企业不断发展，成熟期企业各方面都趋于完善，拥有较为丰富的资源，具有一定的抗风险能力。而处于衰退期的企业往往会选择风险低、流动性强的保守战略，以防御企业可能发生的各种风险。

表6 异质性检验

4.经济地区异质性

依照国家统一的划分标准，将企业分为东部、中部、西部三大经济地区企业，并分组进行回归分析。Panel B列（5）—（7）列显示，东、中部地区企业SFLI系数相近，均在1%的水平上显著为负，而经济不发达的西部地区企业SFLI系数为-3.950，远低于前两列，并在1%的水平上显著为负。通过Chow检验可知，东、中部地区和西部地区企业的组间系数差异均在10%的水平上显著。研究表明，相较东、中部地区企业，西部地区企业中“短贷长投”提高企业债务违约风险的作用更加明显。可能是由于西部地区企业经济发展水平以及制度环境相对较差，面临着更为严峻的融资约束，抗风险能力也相对较弱。

七、结论与对策建议

研究发现，第一，“短贷长投”在中国上市企业中普遍存在，在非国有企业中尤甚。第二，“短贷长投”会显著提高企业的债务违约风险，在变更核心度量指标、控制内生性问题和替换估计方法后，该研究结果依然稳健。第三，银企关联能够弱化“短贷长投”对企业债务违约风险的负面影响，尤其是持股关联时，这种弱化效应更加明显。第四，影响机制检验表明，“短贷长投”会增加债务融资成本、降低企业的盈利水平、提高过度投资程度，并通过以上三个途径来提高企业债务违约风险。第五，基于企业微观特征的异质性检验表明，“短贷长投”提高企业债务违约风险的作用在非国有企业、研发投入高的企业、成长期企业以及西部地区企业中更加明显。

结合研究结论，提出以下建议：（1）企业应合理规划融资方案，优化债务期限结构，提高债务与投资项目的期限匹配程度，避免激进型的投融资期限错配行为。（2）企业应积极与银行建立良好的“亲密关系”，多引进具有银行工作背景的高管，充分发挥其金融专家的咨询、指导作用。在有条件的情况下，应当积极持有开户银行股权，建立产融合作关系，密切企业与银行之间的利益关系，强化银企之间的信息沟通。（3）银行应建立有效制衡的股权结构，严格监管股东关联贷款业务和完善信息披露机制。政府也应对银企关联进行正确的引导和监督，使其积极作用得到最大限度的发挥。（4）银行应加强风险管理，在贷款决策过程中，对非国有企业，以及处于研发投入较大、成长周期以及西部地区的企业贷款时，尤其要注意防控这类企业的“短贷长投”风险，加强对这类企业贷款使用的管控。（5）国家应重点加强“短贷长投”的监管力度，并为其提供有效的优惠政策或给予一定的资金支持，以有效防范微观企业发生债务违约的概率。