【量化历史研究】政治关联与企业经济危机时的“马太效应”：来自印度“废钞令”的证据

政治关联在经营企业中的作用已被广泛认可，然而，现有研究多聚焦于政治关联对企业常规经营的影响，但危机情境下的作用机制尚不明晰，目前关于企业的政治在经济衰退、资源稀缺时期如何发挥作用的实证研究仍十分匮乏。Yutong Chen等学者近期发表于Journal of Development Economics上的论文，基于2016年印度“废钞令”自然实验，揭示了政治关联影响企业危机时期韧性的核心机制。

研究创新性地采用机器学习方法构建精准的企业政治关联数据库，应用合成双重差分法对3万余家印度企业进行了细致剖析，发现在危机后3年内，政治关联企业与非政治关联企业相比，收入、销售额、支出和全要素生产率均显著更高且这一优势随时间推移逐步扩大。进一步的机制分析表明，政治关联企业在经济危机发生后能够减少成本昂贵的银行长期借款，转而选择短期无抵押借款并增加政府借款，推迟对供应商和债权人的短期还款，延迟债务和利息支付，并增加对计算机和软件等生产性资产的投资，从而更好地抵御经济危机“寒冬”。

一

研究背景

2016年11月，印度总理莫迪突然在电视讲话中宣布废除占当时流通货币总量的86%面额500卢比和1000卢比的纸币，并要求民众在短期内兑换新币。虽然这一政策的初衷是打击猖獗的“黑钱”、腐败和假币流通，但客观上也导致印度全国范围内出现严重的现金短缺和信贷紧缩。

如图1所示，公共流通货币量短缺时暴跌，银行系统因新币供应不足陷入混乱，大量企业面临资金链断裂风险，尤其是依赖现金交易的中小企业遭受重创。这场“外生冲击”为检验资源极度稀缺的危机环境中政治关联的真实效应提供了理想场景。

图1 印度公共流通货币量（蓝）与公共存款货币量（红）（2012-2019年）

图2 印度各地区受“废钞令”影响程度

注：颜色越深代表受影响程度越大，白色代表该地区数据缺失。

二

数据来源与实证策略

政治关联数据：通过手动收集2004年以来曾担任政治职务及参加全国和邦选举的约20000名政客、1961年以来印度所有邦和中央政府部门与部委超过11000名退休及现任官员数据，以及1980年以来国家证券交易所（NSE）和孟买证券交易所（BSE）提供的上市公司董事会约65000名董事信息；每日爬取《印度时报》等7家主流媒体的500多万篇新闻报道、维基百科页面，以及访谈记录、公告、个人和职业活动出席情况等资料，充分挖掘企业董事与政治人物之间的关联痕迹，从而构建更为精准的政治关联网络。

与现有研究对政治关联的测量多依赖简单的姓名匹配或单一维度指标不同，本文突破性地采用机器学习识别方法，结合“文本语境匹配”与“字符串匹配”构建了更全面、精准的政治关联数据库，最终将867家企业判定为政治关联企业。具体而言，政治关联企业的董事至少满足以下任一条件：（1）本人是政客/官员；（2）是政客/官员的亲属；（3）在媒体报道中与政客/官员存在社交和职业互动等关联。

企业数据：印度经济监测中心（CMIE）Prowess数据库发布的31492家企业2012—2019年面板数据，涵盖企业经济和财务业绩的细致数据以及企业董事会成员姓名和董事识别号码（DIN）信息。通过DIN信息实现企业数据与政治关联数据的匹配。

实证策略：由于政治关联企业本身往往规模更大、成立时间更长，直接对比会面临严重的选择偏差。为此，研究采用合成双重差分法（SDID），将“废钞令”实行前一年，即2015年，设为基准年，为每家政治关联企业（处理组）匹配一组“预处理期趋势相似”的非政治关联企业（合成控制组）。在此基础上，使用双重差分法（DID）剖析二者差异，进一步控制企业个体固定效应、地区×年份固定效应、行业×年份固定效应。在基准回归之外，作者进行了多重稳健性检验，排除企业预知“废钞令”计划、企业自身特征以及企业空间差异和企业在产业链中位置的影响，并通过剔除2016年后建立政治关联的企业和安慰剂检验等多种方法增强了因果解释的说服力。

三

核心发现

实证结果显示，政治关联企业在“废钞令”实施后的3年间，与无关联企业相比，政治关联企业相较于无关联企业，其收入、销售额和支出比无关联企业高出约8.7–11.9个对数点（9.1–12.6%），且这种优势随时间推移呈现出逐步扩大趋势（见图3）。

图3 政治关联企业相对于非关联企业的收入、销售额和支出对数的回归系数（2012-2019年）

“废钞令”冲击对企业生产力的影响也十分显著。政治关联企业的TFPR比非关联企业高出约11.7%–22.7%（见图4），进一步的研究表明，政治关联企业全要素生产率收益（TFPR）的增长主要源于其产品范围的扩大，而二者的物质资源使用效率（即全要素生产率数量，TFPQ）并无显著差异。

图4 政治关联企业相对于非关联企业的TFPR对数的回归系数（2012-2019年）

注：使用Levinsohn和Petrin（2003）方法估算TFPR。图（a）中自由变量是员工薪酬和原材料费用，代理变量是电力、燃料和水费。图（b）自由变量是员工薪酬，代理变量为原材料和电力、燃料和水的消耗。

此外，政治关联企业在经济危机时表现出更强的韧性，即不仅“受冲击更小”，而且“恢复更快”。以销售额为例，政治关联企业销售额降幅更低，且危机冲击后的增速显著高于非关联企业（见图5）。

图5 政治关联企业与非关联企业销售额对数变化趋势（2012-2019年）

四

作用机制

作者进一步剖析了政治关联企业通过调整资产、负债和贷款构成来应对宏观经济冲击和增强自身韧性的多种渠道。

政治关联企业贷款结构迅速调整。“废钞令”冲击后，政治关联企业的总贷款额比非关联企业低约5%，其债务构成发生显著变化：增加短期银行和政府贷款、减少成本更为昂贵的长期贷款，在贷款类型上更多选择无担保贷款，通过更多获得稀缺性信贷机会来规避银行信贷收紧和利率上升压力。

图6 政治关联企业相对于非关联企业各类贷款对数的回归系数（2012-2019年）

图7 政治关联企业相对于非关联企业短期政府贷款（a）和长期政府贷款（b）对数的回归系数（2012-2019年）

政治关联企业流动负债明显增加。与非关联企业相比，政治关联企业总负债显著增加。其中，流动负债占总负债的比重上升1.5个百分点，涨幅为3.8%，而非流动负债占比则无显著变动。具体而言，政治关联企业能够延迟对债权人和供应商的付款，以及对短期利息等的支付以减弱现金流压力。

图8 政治关联企业相对于非关联企业各类负债对数的回归系数（2012-2019年）

政治关联企业总资产“质”“量”升级。与非关联企业相比，政治关联企业总资产增长4.1%，流动和非流动资产分别增加了5.1%和6.6%，此外，政治关联企业重点增加了计算机软件、专利、营销权等无形资产投资，但固定资产并未有显著增加。

图9 政治关联企业相对于非关联企业各类资产对数的回归系数（2012-2019年）

政治关联企业并购优势地位更加突出。政治关联企业在“废钞令”冲击后收购其他企业的可能性比非关联企业高1.8%（图10b），但发生企业合并（图10a）与被收购（图10c）的概率并未与非关联企业有显著不同。表明经济危机为以政治关联企业为代表的更具韧性的企业收购处于不利地位的公司提供了机会。

图10 政治关联企业相对于非关联企业发生合并（a）、收购新企业（b）和被收购（c）的回归系数（2012-2019年）

五

结 语

论文基于印度“废钞令”自然实验，清晰揭示了危机情境下政治关联对企业韧性的关键作用。政治关联企业通过灵活调整贷款结构、优化负债管理、升级资产质量及增加收购机会，与非关联企业相比，其“屹立不倒”和“迅速恢复”的优势逐步扩大。同时，在资源稀缺性背景下，以政治关联为代表的非市场因素可能加剧企业分化，体现出经济危机中“强者愈强”的马太效应。

该研究丰富了经济危机场景下政治关联作用机制的实证研究，并借助基于情境的机器学习算法，为精确识别企业政治关系做出了方法论贡献，也为相关危机应对政策的制定提供了有益借鉴。

文献来源：Chen Y, Chiplunkar G, Sekhri S, et al. How do political connections of firms matter during an economic crisis?[J]. Journal of Development Economics, 2025, 175: 103471.