大集汇官方网站(3)
根据Levine(2002)的思想，金融结构指数则是从以上三个维度对一国金融结构的综合度量，由规模指标、活跃度指标和效率指标的第一主成分构成。数值越大表明一国金融结构市场化程度越强。本文在后续研究中将采用该综合指数作为一国金融结构的代理变量，同时为了保证本文结论的稳健性，本文也分别采用三个子指标作为金融结构的代理变量进行回归以确保结论的稳健性。
3．行业研发强度衡量
银行更倾向于向传统的低风险行业提供资金，而资本市场则倾向于向创新型行业提供资金。因此，一国金融结构市场化程度的增强对不同行业可用外部资金来源的影响是存在差异的。为了更好地考察金融结构对企业杠杆率的影响在不同行业间的差异性，本文引入行业研发强度指数，对某一行业的研发性支出进行衡量。行业研发强度指数越高的行业，被认为越倾向于创新型行业，从而考察金融结构对企业杠杆率的影响在不同行业间存在的异质性。
本文借鉴Rajan and Zingales(1998)的思想和Binh et al.(2006)的方法，采用美国上市企业数据构造各行业的研发强度指数。采用美国上市企业数据对行业研发强度进行测算的原因在于，美国拥有最发达的金融市场及完善的法治与制度环境，企业面临的外部融资困难最小(Rajan and Zingales,1998)。因此，美国行业的特征反映的仅仅是某个行业纯粹的技术特征，基于美国非金融上市企业构建的行业研发强度指数受到其他非技术因素(如金融市场的摩擦、制度的不完善)的影响最小。本文在采用美国上市企业数据计算行业研发强度时采用全球行业分类标准(GSIC)中的三级指标划分行业，在剔除金融业后共得到56个行业的行业研发强度。具体构造步骤如下：①计算每家美国上市企业2000—2016年间的研发强度，并取样本期间的平均值，作为该企业的研发强度()。单个企业研发强度采用研发费用支出与销售收入之比进行衡量；②取某一具体行业中所有企业研发强度的中位数作为该行业的研发强度，形成行业研发强度变量()；③按照样本企业的三级行业分类代码，将由美国上市企业数据计算得到的行业研发强度赋值给样本企业。
4．模型设计
与以往研究企业杠杆率决定因素的文献相一致(Rajan and Zingales,1995;Frank and Goyal,2009;Graham et al.,2015)，基准模型构造如下：
其中，下标i,s,c,t分别表示企业、行业、国家和时间。为被解释变量，包括：企业杠杆率、长期杠杆率、短期杠杆率和债务期限结构。表示第c个国家在第t年的金融结构，采用金融结构综合指数进行衡量。为避免可能存在的内生性问题，本文对其进行滞后一期处理。取值越大表示一国金融结构市场化程度越强，即一国金融市场发展程度相对银行业发展程度越高。、、分别为国家宏观层面、行业层面以及企业层面各控制变量的总称。中具体包含：企业规模、固定资产占比、企业成长性、盈利能力和实际税率。同样，为尽量缓解内生性问题，本文将企业层面变量全部滞后一期；则采用行业—时间虚拟变量进行控制。中具体包含：GDP实际增速、通货膨胀、广义货币增速、政府赤字、储蓄率、金融发展程度和制度环境。为企业固定效应，为时间固定效应。
上述模型关注的是金融结构对非金融企业杠杆率的直接影响，并没有考虑到这种影响在不同国家、不同行业和不同企业间所表现出的异质性。因此，本文在模型(1)的基础上，参考Rajan and Zingales(1998)的方法构造如下模型：
其中，是指描述不同国家特征、不同行业特征和不同企业特征的一系列变量。交互项用来衡量金融结构对非金融企业杠杆率的影响在不同国家、不同行业特征和不同企业间的异质性。其余变量定义与的公式（1）相同。
4
实证结果
1．基准回归结果
本文首先运用基准回归方程(1)对金融结构与企业杠杆率之间的内在关系进行检验。结果显示金融结构指数与企业杠杆率之间表现出显著的负相关关系，即金融结构指数每增加1单位会使企业杠杆率下降约0.65个百分点。由已有研究可知，企业杠杆率会受到一系列企业因素、行业因素以及宏观因素的影响，因此为确保金融结构与企业杠杆率之间上述负相关关系是可信的，本文加入了企业、行业和国家层面的控制变量。可以看到，虽然金融结构指数对企业杠杆率的影响程度在加入控制变量后有所降低，但其仍然在1%的显著性水平上显著。在加入控制变量后，金融结构前的系数估计值下降为0.0044，即金融结构每增加1个单位会使企业杠杆率平均下降0.44个百分点，金融结构变量前的系数在1%的显著性水平上显著。从经济意义上讲，样本内金融结构的标准差为1.83，企业杠杆率的标准差为0.26，这意味着金融结构每增加一个标准差会使企业杠杆率平均下降约0.81%，占到企业杠杆率标准差的3.12%。而企业规模的这一影响程度也仅大约为9.84%。因此金融结构对企业杠杆率的影响程度显然是不容忽视的。