一、 引言

在债务合约中，债务人与债权人之间存在严重的信息不对称，这可能引起逆向选择和道德风险。而担保是缓解信息不对称问题的有效机制之一 (Akerlof，1970)。经济理论将担保看作是对事前信息不对称的补偿或是减少事后代理问题的手段 (Berger et al., 2011)，从而形成了担保的逆向选择理论和道德风险理论。逆向选择理论强调担保能够解决事前的信息不对称：市场上债务人是信息优势的一方，掌握自身的信用状况和风险程度，债权人难以识别不同风险的债务人，如果以所有债务人的平均违约率确定债务利率，那么风险低的债务人会由于借款成本过高而退出市场，而担保可以作为反映债务人高质量的信号，低风险的债务人采取担保后可以降低借款的综合成本，获取较低的利率，高风险的债务人因为担保后的综合成本高而不选择担保，因此低风险的债务人倾向于担保，而且有担保的债务具有更低的利率。而道德风险理论则强调担保有助于解决事后的信息不对称：债权人无法观察到债务人发行结束后的违约风险，低信用的债务人在债务发行结束后，违约风险更高，道德风险更严重，未来更有可能无法偿还债务。因此担保用来弥补债权人未来可能的损失，高风险的债务人被要求担保，并以较高的利率融资。这两种理论均得到了不同实证研究文献的支持。

在我国的实践中，寻求担保是公司债券发行时常用的方式。特别是“11超日债”事件之后，债券市场上违约事件频发，中国债市的刚性兑付的神话被打破，使得市场更为重视债券的违约风险。担保在债券市场的重要性日渐上升。我们根据Wind数据统计，2014年我国发行的企业债和公司债中，分别有32.68%和79.46%的发行人采取担保。那么，在我国债券市场上，担保究竟扮演了怎样的角色？主要是用来传递发行人的信息，还是更倾向于用来约束发行人行为，弥补违约损失，解决发行人与投资者之间的代理问题？研究这一问题，有助于理解我国债券市场上担保的经济功能，并据此建立更为完善和有效的债券担保增信体系。但以往多数文献集中于考察担保对债券发行利差 (利率) 的影响 (齐天翔等，2012；卢钇辰，2013；韩鹏飞、胡奕明，2015a；李明明、秦凤鸣，2015)，研究结论未能给出关于道德风险和逆向选择理论的有力证据；而且，这些研究都是直接将“债券是否有担保”作为虚拟变量直接引入到计量模型，通过观察虚拟变量系数的显著性及符号来反映担保对发行利率或利差的影响；在他们的研究过程中并没有考虑到所构建的计量模型中存在内生性问题：发行人选择担保的行为不是随机而是根据能否降低其成本所做的决定，即内生于模型中，那么仅仅在模型中加入0-1虚拟变量来考察担保对债券成本的影响时，就会得到有偏估计量，造成“自选择偏误”(Hsueh and Kidwell，1988；Moldogaziev and Johnson, 2011)。对此，本文借鉴Wooldridge (2002)、周亚虹等 (2012)等人的做法，建立两阶段模型，在第一阶段引入事后发行人信用评级的变动情况和评级机构对发行人给出的最新展望作为工具变量，用Probit模型估计得到发行人采取担保的概率，将其拟合值代入第二阶段的回归模型，以获得担保对债券信用利差影响的无偏估计量，进而得到担保与发行人风险、担保与债券发行利差的关系。

本文的结构安排如下：第二部分是理论回顾，并提出研究假设；第三部分是实证研究方法设计；第四部分以2008年1月至2015年9月期间中国债券市场的实际数据进行实证检验和分析；第五部分为研究结论。

二、 理论回顾与研究假设 (一) 担保的逆向选择理论

面对信贷市场和债券市场中存在的信息不对称问题，担保的逆向选择理论强调债务人与债权人存在事前的信息不对称，而担保是债务人发送的信号，可以显示债务人良好的质量。Stiglitz and Weiss (1981)指出，风险是借款人的私人信息，银行无法在贷款之前甄别不同风险的借款人。如果银行以市场上借款人的平均违约率确定所有债务的利率，就会使高品质的借款人因为借款成本过高而退出信贷市场，最后剩下愿意支付高利率的低品质的借款人，造成逆向选择。为了能够支付与其真实质量相匹配的借款成本，在均衡状态下，高质量 (低风险) 的借款人会通过抵押向银行传递信号，显示自身的高质量，从而选择低利率、高担保的信贷合约，而低质量 (高风险) 的借款人则不会采取抵押传递信号，最后以较高的利率水平获得资金 (Bester, 1985；Besanko and Thakor, 1987a；1987b；Chan and Kanantas, 1987)。类似的，在债券市场中，担保同样是债务契约中重要组成部分，然而对于发行人为何采取债券担保的理论研究，多数文献未曾涉及。不过由于债券担保与债券保险的运行机制相似，我们可以从债券保险的相关研究中获得一些启发。代表性的研究是Thakor (1982)提出的债券保险信号传递理论。Thakor (1982)通过数学推导得出：债券发行人资产质量越高 (违约率越低)，其在发行成本最小化的目标函数下选择购买保险对债券本息的覆盖比例越高，这意味着债券保险也可以向市场传递关于发行人高质量 (低风险) 的信号。综上所述，逆向选择理论对于债务人风险与担保、担保与债务利率之间的关系给出的预测是：借款人风险与担保抵押之间呈现负相关关系，即借款人风险水平越低，越愿意采取担保，而且其借款利率也越低。

对于信贷市场和债券市场上逆向选择理论的实证检验，多数文献没有直接检验逆向选择理论的关键性预测。他们的研究思路是：信贷市场中银行与借款人之间存在的事前信息不对称可以通过建立与借款人的长期合作关系来消除，随着合作时间的增加，私人信息如借款人的特质、信用以及投资项目的选择会逐渐显现出来，二者之间的信息不对称程度会逐渐下降。根据逆向选择理论，随着信息不对称程度的下降，借款人应更少被要求担保。Berger and Udell (1995)，Harhoff and Korting (1998)，Chakraborty and Hu (2006)以及Brick and Palia (2007)等研究结果均显示如果借款者与贷款者之间的关系越强，能够建立长期的合作关系，则贷款时采取担保的概率更低。但是Ono and Uesugi (2009)以日本中小企业为研究对象却发现两者的合作时间与抵押存在正相关关系；Berger et al. (2011)发现，当借款者与贷款者合作时间较短时，逆向选择理论能够很好地解释抵押担保的存在；但如果两者建立了长期的合作关系，那么道德风险模型的解释能力更强，事前的私人信息变得并不重要。对于债券市场上保险的信号效应的检验，后续研究在Thakor (1982)理论的基础上进行，一些研究认为保险能够传递发行的违约信息 (Hsueh and Liu, 1990；Kidwell et al., 1987；Moldogaziev and Johnson, 2011；Gao Liu，2012)。但是Moldogaziev and Johnson (2011)和Wilkoff (2012)的研究发现，信用等级越低的发行人越有可能购买保险，这一结果却和Thakor模型的“发行人违约率与保险比率负相关”的预测恰好相反。从这一点看，发行人并没有采取担保、主动传递自身信用较差信号的动机。因此，对于担保是否能够解决逆向选择，传递借款人的信息这一问题，还有待验证。

(二) 担保的道德风险理论

担保的道德风险理论认为，债权人可以观察到借款人事前的违约风险，但借款人事后的努力程度是观测不到的，最终引发道德风险 (Boot et al., 1991)。相比于高信用的借款人，低信用的借款人的违约风险更高，道德风险更严重，未来更有可能无法偿还债务。为了避免承受损失，银行会要求高风险的借款人提供抵押，作为激励借款人还款的一种措施。另外，由于存在提取和变卖担保品的费用，企业的道德风险以及其他各种“交易成本”，银行从处置担保品中得到的价值将远远低于借款者贷款的价值 (Barro, 1976)，一旦借款者违约，银行将遭受损失。因此，在设定利率时银行会将上述因素考虑在内，最终相应地提高贷款利率。由此，道德风险理论认为债务人风险与担保、担保与债务利率之间存在正相关关系，即：借款人风险越高，越倾向于采取担保，而且债务利率也较高。

有的实证研究也发现借款人风险与担保抵押之间呈现正相关性的证据：如Gonas et al.(2004)指出，信用评级较高 (风险较低) 公司的债务采取抵押担保的概率更低；Brick and Palia (2007)的研究结果表明，可观察到的高风险的借款人更有可能提供抵押；平新乔、杨慕云 (2009)利用我国商业银行的数据，研究发现信用贷款的利率要低于抵押贷款，信用贷款的事后违约率也要低于抵押贷款，从而证实我国信贷市场现状更加符合道德风险模型。针对债券市场的研究，John et al.(2003)的代理成本模型从管理层对抵押资产在职消费的角度较好地解释了有抵押担保的债务利率显著高于无抵押债券的现象。Chen et al.(2015)的研究也显示：美国企业发行担保公司债的动因除了信用增级之外，还有助于缓解代理问题 (agency problem)，代理问题较为严重的公司更倾向于发行担保债券。

(三) 本文的研究假设

以上文献大多是基于信贷市场探讨担保的问题。信贷市场上，银行可以利用其专业技能搜集借款人的信息或是通过与借款人建立长期合作关系降低信息不对称，但债券市场上的债权人是众多且分散的投资者，获取债券发行人的信息十分困难，而且成本过高。这就使信用评级机制成为债券市场上一项重要的制度安排。评级信息能够反映企业和债券的违约风险，是确定债券利率环节的重要参考。信用评级中包含企业和债券违约率的信息，而且评级与债券利率存在负相关关系，评级越高，违约风险越低，债券利率就越低 (何平、金梦，2010；Kisgen and Strahan, 2010)，这说明信用评级能够揭示企业风险，帮助投资者区别不同质量的发行人和债券，具有信号传递的作用。虽然Thakor (1982)模型指出债券保险具有信号传递功能，但是其模型的关键假定是市场上不存在其他信号传递机制^①，进而在不考虑债券信用评级的信号效应的情况下探讨债券发行人购买保险的决策行为。那么当市场存在信用评级、并且信用评级已经能够能在一定程度上 (部分) 解决事前信息不对称问题的情况下，应该用何种理论来解释债券担保的经济功能呢？为此我们提出以下对立假设：

① Thakor认为信用评级包含了噪音信息，信用评级反映的发行人违约信息可能并没有真实反映发行人实际的资产质量、进而未能解决信息不对称问题，在这种情况下不考虑信用评级信号而只研究债券保险的信号效应可看作是较弱的假设条件 (weaker assumption)

假设H1a：根据道德风险理论，担保与发行人的风险正相关，风险越高的发行人越可能发行担保债券。

假设H1b：根据逆向选择理论，担保与发行人的风险负相关，风险越低的发行人越可能发行担保债券。

在逆向选择理论的框架内，债券发行人通过选择担保向市场传递了其信用品质良好、违约风险较低的信号，因此担保债券的利率应该低于无担保债券。而在道德风险理论的框架内，信用品质较差、违约风险较高的发行人所发行的债券会被要求担保。虽然担保一定程度上提升信用等级，使债券的信用评级至多达到担保人与发行人中间较高的评级，但是债券利率依旧无法降低至同等级无担保债券的利率水平。吴敏 (2013)的数理推导表明，担保增信后的债券违约率将取决于担保方与发行人的联合违约概率，只要发行人与担保人的违约相关系数不为零，联合违约概率的值介于担保人违约率和发行人违约率之间。此外，由于存在提取和变卖担保品的费用，企业的道德风险以及其他各种“交易成本”，债权人从处置担保品中得到的价值将远远低于债务本身的价值，一旦债务违约，债权人将遭受损失。因此，债权人在设定利率时会将上述因素考虑在内，最终相应地提高担保债券利率。据此，本文提出以下对立假设：

假设H2a：根据道德风险理论，担保与债券利率正相关，担保债券的利率要高于无担保债券。

假设H2b：根据逆向选择理论，担保与债券利率负相关，担保债券的利率要低于无担保债券。

三、 实证研究设计 (一) 样本选择与数据来源

本文选取2008-2015年9月间发行的企业债和公司债为样本，剔除浮动利率债券、金融债券、可转换债券、中期票据等；同时剔除数据缺失和同时在交易所及银行间上市的重复债券后，得到总样本债券为1684个，其中担保债券594个，占样本总数的35.27%。在第四节首先检验第三方担保与发行人风险、第三方担保和债券利差之间的关系，随后本文将研究样本扩展至抵押、质押担保的债券，对抵、质押担保的逆向选择和道德风险理论进行检验，以期获得稳健结论。相关数据来自于Wind数据库。

(二) 研究模型和变量

我国信用债券在发行时会公布主体信用评级和债券信用评级两方面的评级数据。主体信用评级是对债券发行人潜在违约风险 (underlying default risk) 做出的评级。债券信用评级是对该债券做出的评级，它反映的是债券本身的违约风险。对于无担保债券，债券的违约风险就是债券发行人的违约风险，债券信用评级等于发行主体信用评级；对于有担保的债券，如果发行人违约，专业担保机构或第三方担保企业将代发行人偿还债券本金和利息，担保能够降低债券的违约风险，债券信用评级通常高于发行主体信用评级。由此，本文分两个方面对上述理论进行实证检验。

首先，检验假设H1a和H1b，即担保与发行人风险之间的关系，由于被解释变量是0-1变量，所以采用Probit模型。模型形式为：

$ \begin{array}{l} prob(gua{r_i}) = \Phi \\ \left[ {{\beta _0} + {\beta _1} \bullet ratin{g_i} + {\beta _2} \bullet instruments + \sum \beta_k \bullet Contro{l_k} + \varepsilon } \right]{\rm{ }}\;\;模型 \end{array} $

(1)

其中，被解释变量guar_i为反映发行时债券是否担保的虚拟变量，当债券有担保时，guar=1；否则为0。Prob (guar_i) 表示债券采取担保的概率，Φ是标准正态累积分布函数，其取值严格介于0和1之间。rating为发行主体信用等级，本文对样本债券的发行主体信用评级分别赋值为：AAA=9，AAA-=8，AA+=7…以此类推，数值越高表明评级越高，说明违约风险越低。逆向选择理论认为，发行人品质应与担保正相关，即β₁大于零；而道德风险理论认为，发行人品质与担保负相关，即β₁小于零。Control为控制变量集合。

Instruments为担保的工具变量。由于本文是用模型 (1) 得到发行人采取担保的概率，并将其拟合值作为解释变量代入下文模型 (2) 所示的债券发行利差回归模型，以解决债券担保行为自选择偏误导致的模型内生性问题；而这一方法在实施时，为防止出现严重的多重共线导致估计量不精确，需要在模型 (1) 中引入对发行人担保决策有解释作用但又不影响债券利差的外生变量。模型 (1) 中的rating作为发行时公布的发债主体信用评级仅反映了“事前”违约风险。Liu Gao (2012)的研究发现，债券发行人向保险商支付的保险费与债券发行之后信用评级的变动存在较强的相关性，保险费越高，债券评级在未来越有可能被下调，债券的保费能够传递发行人潜在违约风险的信息。平新乔、杨慕云 (2009)也采用贷款的事后违约率来验证信贷市场的逆向选择和道德风险理论。受上述研究的启发，在我国缺乏债券实际“事后”违约数据的情况下，我们采用债券发行之后公布的信用评级变动 (downgrade) 与展望 (evolving)“间接”衡量债券发行之后的违约风险。这两个变量的信息通常是在债券发行后的每一年定期公布一次，并不会影响债券发行利差，满足了工具变量的外生性的要求。downgrade和evolving分别反映债券评级截止到2016年1月的最新变动，和最新信用评级展望 (已到期的债券则是债券到期前的最后一次评级信息)。具体地：

1.downgrade:已发行债券信用评级的最新变动方向。借鉴Liu Gao (2012)的做法，对最新债券评级被下调赋值为1，对最新债券评级没有变动则赋值为2，对最新债券评级被上调则赋值为3。该变量数值越小，说明债券“事后”的违约风险越高。

2. evolving:债券发行人的最新信用评级展望。信用评级公司在对债券和发行人进行评级时，还会公布对发行人的“评级展望”，评级展望是对信用评级的有效补充，它表明评级公司对发行人未来信用状况走势的预判。在我国，评级机构的评级展望通常包括以下三类：稳定、正面、负面。稳定的评级展望表示发行人未来的信用等级保持不变，正面则是预期评级上调，负面则是预期评级下调。在模型中加入对发行人未来信用状况走势的变量，若评级展望为负面则赋值为1，稳定则赋值为2，正面则赋值为3。该变量数值越小，说明债券“事后”的违约风险越高。

其次，检验假设H2a和H2b，即担保与债券发行利差之间的关系。建立如下多元线性模型：

$ sprea{d_i} = {\gamma _0} + {\gamma _1} \bullet prob(gua{r_i}) + {\gamma _2} \bullet br\_ratin{g_i} + \sum {\gamma _k} \bullet Contro{l_k} + \varepsilon \;\;\;模型 $

(2)

其中，被解释变量spread为债券发行利差，可以通过债券票面利率与同期国债收益率之间的百分点差额计算得到。由于我国公司债的定价发行公式可以简化为：发行利率 (票面利率)=同期国债利率+信用利差。因此，发行利差能够很好地反映债券发行定价对投资者的风险补偿程度。

Prob (guar_i)：由模型1估计得到的“发行人采取担保”的概率。为避免自选择问题而造成估计量的偏误，本文不直接将“债券是否担保”的虚拟变量guar_i代入模型2进行估计。逆向选择理论认为，担保与债券利率负相关，即γ₁小于零；而道德风险理论则认为，担保与债券利率正相关，即γ₁大于零。

br_rating：债券信用等级。本文同样对样本债券的债券信用等级分别赋值为AA-=1，AA=2，AA+=3，AAA=4，数值越高，表明债券信用评级越高，债券的违约风险越低，预期该变量对spread的影响为负，即γ₂小于零。

借鉴以往研究的做法，模型 (1) 和模型 (2) 中的控制变量主要包括债券特征、发行人特征和宏观经济特征。具体说明如下：

ln (size)：债券发行规模的自然对数。债券规模越小，市场流动性越差，流动性风险相对较高，这类债券更有可能采取担保。另外，发行规模通常与发债主体的资产规模直接相关，而资产规模较大的企业通常在市场议价能力、规模效应等方面具有优势，最终体现为综合抗风险能力较强，容易得到市场认同，利率水平也相应较低。因此在模型1和模型2中，发行规模变量前的系数预期均为负值。

Ln (term)：债券期限。一般情况下，期限越长的债券流动性越差，投资者面临的风险和不确定性越大，这类债券更有可能采取担保，要求的收益率也更高。但若债券利率调节空间受现行利率政策限制，将会导致债券利率“倒挂”现象 (周宏等，2012)；而且较长的发行期限可能体现发行企业对债券销售、自身业绩以及所在地经济发展的信心 (何平、金梦，2010)，导致期限越长的债券利差越低，所以在模型1中，预期Ln (term) 系数的符号为正；在模型2中Ln (term) 系数的预期符号不明确。

prepay、put和coupon adjustment：prepay为债券是否含有提前偿还条款或提前赎回条款的虚拟变量，put为债券是否含有投资者回售条款的虚拟变量，coupon adjustment为债券是否含有票面利率调整的虚拟变量。

Corp:债券是公司债还是企业债的虚拟变量。当债券为公司债时，Corp=1；否则为0。以往一些研究者在研究债券利息成本或信用利差的影响因素时，认为两者之间的差别非常细微，对公司债和企业债未做区分 (施丹、姜国华，2013)。但也有学者认为公司债不同于企业债，公司债的发行定价过程更符合市场的要求 (方红星等，2013；高强、邹恒甫，2015)。在我国，公司债和企业债主要在法律依据、发行条件以及发行程序等环节有所不同。公司债的筹集资金用途由发债公司自主决定，债券发行以后，发债主体的信息披露和市场行为仍要受到证监会的监管；而企业债筹集资金大都用于政府部门指导的投资项目，而且债券获批发行之后, 发债企业的信息披露与市场行为监管要求相对较低。由此，一般认为，公司债的发行更加符合市场的要求，定价也更为合理，而且在发行时更可能采取增信手段来降低发债成本。但由于公司债市场上的发行人质量更加多样化 (包括了非国有企业发行人)，从而也会使公司债风险略高于企业债。因此，我们在模型中加入是否为公司债的虚拟变量对两者加以区分，并预期该虚拟变量在模型1中的符号为正，在模型2中的符号为正。

listed：发行人是否为上市公司。由于在交易所上市有一定的标准，上市公司在生产经营能力等各方面都应好于非上市公司，上市公司发行的债券风险较低，所以由非上市公司发行的债券更有可能采取担保，要求的收益率更低。在模型1和模型2中，listed前的系数预期均为负值。

SOE:债券发行人“是否为国有企业”虚拟变量。当发行人是国有企业时，SOE=1；否则SOE=0。一方面，与非国有企业相比，国有企业的政府背景起到了隐性担保的作用，可以降低国有企业债券投资者的风险，从而降低了信用利差 (方红星等，2013；韩鹏飞、胡奕明, 2015b)，这使得国有企业拥有较高的信用评级，对于采取担保措施要求不高。而另一方面，由于政府背景的存在，国有企业在发行债券时能够得到更大的便利，从而更容易以较低的成本获得第三方企业或专业担保公司的增信措施。因此，在模型1中，SOE前的系数预期为不确定。而在模型2中，SOE前的系数预期为负。

ROE：发行人的净资产收益率，等于净利润与净资产的比值。净资产收益率越高，说明发行人盈利能力越强，发生债务违约的可能性越小，发行利差就越低。因此，在模型2中，预期ROE系数的符号为负。

Long debt ratio：发行人的长期债务占比，等于长期债务与资产总额之比。长期债务越高，发生债务违约的可能性越大，债券利差则越大。因此，在模型2中，预期Long debt ratio系数的符号为正。

industry_i：行业因素。为控制行业对结果的影响，对债券发行人所属行业设置虚拟变量。本文采用Global Industry Classification Standard的行业划分标准，样本债券中涉及工业、材料等10个行业，因此设置9个虚拟变量加入到模型中进行回归分析。

借鉴国内外文献的做法，我们还在模型中控制了以下宏观因素：

One year treasury rate为基准利率，即1年期银行间到期国债收益率。一些文献，如戴国强和孙新宝 (2011)等的实证研究显示我国基准利率与企业债券利差之间存在显著的负向关系，这与Longstaff and Schwartz (1995)、Jacoby et al. (2009)以及Batten et al. (2014)等国外的研究成果相一致。但Leland and Toft (1996)建立的模型指出：当考虑企业资产价值与无风险利率之间的关系以后，信用利差与无风险利率之间的关系将不再是确定的，无风险利率上升导致的贴现率上升对信用利差产生负的影响，而无风险利率上升导致企业资产价值下降对信用利差又会产生正的影响，最终的效应将取决于两者的相对大小。当前者占主导地位时，信用利差将随着无风险利率的上升而降低，当后者占主导地位时，信用利差将随着无风险利率的上升而上升。^①

① 戴国强、孙新宝 (2011)也承认“2008年爆发的金融危机对企业债券市场产生了很大影响，信用危机使人们的违约预期提高，企业债券收益率和企业债券信用利差都达到了前所未有的高度，尽管国债收益率也有所升高，但是仍无法抵消信用危机带来的影响，从而导致近年来两者出现了正相关的情况”。

year_j：年份虚拟变量用于粗略地控制其他宏观条件。由于样本中债券是在2008-2015年间发行的，为了控制宏观经济波动的影响，加入年份虚拟变量year_j，当债券i在第j年发行时，year_j=1，其他年份取0。

四、 实证结果与分析 (一) 描述性统计

从发行主体信用等级与担保的分布关系 (如表 1) 来看，担保债券的主体信用等级大多是AA级以下，发行人的质量较差；而且，随着发行主体信用等级的降低，担保债券的所占比例基本呈现出上升趋势，发行人的风险和担保大体存在正相关性，假设H1a得到了初步验证。为了初步验证假设H2，我们按照债券信用等级将样本分为AAA、AA+、AA以及AA-四组，分别对于各组中的无担保债券和有担保债券样本的发行利差进行统计检验，检验在债券信用等级相同的条件下，担保债券 (guar=1) 和无担保债券 (guar=0) 的信用利差 (spread) 是否仍存在显著差异，结果如表 2所示。检验结果表明，除AA-组之外，其他三组的T统计量均表明担保债券的发行利差显著高于无担保债券。假设H2a得到了验证。表 1和表 2的统计结果为道德风险理论提供了初步的证据。

(二) 回归结果分析

进一步检验假设H1a和H1b，本文采用Probit模型，以发行人主体信用等级 (rating)、工具变量评级变动方向 (downgrade) 和最新评级展望 (evolving) 及其他控制变量为解释变量对以“是否有担保”的虚拟变量进行回归。结果如表 3所示。我们在模型中依次加入反映债券发行人特征，债券特征以及宏观经济特征的变量，分别得到回归 (1)、回归 (2) 和回归 (3)。三个回归结果都显示发行人主体信用等级 (rating) 变量在1%的水平上显著为负，说明发行人主体信用等级越高，发行人采取担保的概率越小；反之，信用等级越低，质量越差，发行人越有可能采取担保。此外，反映评级机构对发行人未来信用状况预测的变量 (evolving) 在10%的水平上显著为负，说明评级机构对发行人未来信用状况的预期越差，发行人越倾向于采取担保；反映债券评级最近变动情况的变量 (downgrade) 在统计意义上不显著，但对被解释变量的影响仍旧为负，与前文的预期相一致。这一结果进一步说明了发行人风险与担保之间的关系，验证了假设H1a。另外，在控制了债券特征和宏观经济特征之后，“发行人是否为国有企业”的虚拟变量的系数显著为正，表明国有企业发行的债券更有可能采取担保。“是否为公司债”的虚拟变量显著为正，说明公司债的发行更加符合市场的要求，在发行时更可能采取增信手段来降低发债成本。另外，债券期限的自然对数变量在1%水平上显著为正，表明期限越长的债券风险越高，越可能使用担保。

进一步检验假设H2a和H2b，我们借鉴Wooldridge (2002)、周亚虹等 (2012)的做法，用上表中回归 (3) 的Probit模型估计出的发行人采取担保的概率作为解释变量代入模型2中。另外，对于“债券信用等级”这一重要的控制变量，我们采用两种方法分别加以检验：一是对债券信用等级br_rating分别赋值为AA-=1，AA=2，AA+=3，AAA=4，数值越高，表明债券信用评级越高，债券的违约风险越低，为了考察信用评级与债券利差可能存在的非线性关系，在模型中还加入了信用评级的二次项；二是对债券信用等级定义为四个互斥的虚拟变量，以AA-级以下的债券为基准组。表 4中的回归 (1) 和回归 (2) 分别报告这两种方式得到的估计结果。在控制了债券信用等级以及其他因素之后，债券担保变量Prob (guar) 的系数仍在1%的水平上显著为正，这验证了假设H2a的成立：对于相同债券信用评级的债券，担保债券的发行利差显著高于无担保债券的发行利差。可见，即使债券发行人采取担保增信之后，评级机构给出了高于发行人主体信用等级的债券评级，但与本身具有相同债券评级的无担保债券相比，市场仍然意识到担保债券发行人的风险较高，因而要求高于同债券评级的无担保债券的风险补偿，即更高的发行利差。代表债券信用评级的变量br_rating、BR_AAA、BR_AA+以及BR_AA前系数均显著为负，而且BR_AAA前系数的绝对值大于BR_AA+，BR_AA+前系数的绝对值大于BR_AA，说明信用评级越高的债券，债券发行利差越低，这也在一定程度验证了信用评级的信号传递功能。

模型中剩余控制变量对spread的影响方向也与上文理论预期一致：发行人特征方面，发行人长期债务占比前系数显著为正，说明长期债务越高，发行利差越大。“是否上市公司”和“是否为国有企业”的虚拟变量前系数均为负，说明上市公司或国有企业的信用风险更低，所发行债券的利差也要低于非上市公司或非国有企业发行债券的利差。债券特征方面，债券发行规模自然对数变量前系数显著为负，表明发行规模越大，流动性越强，债券利差越低。债券期限自然对数变量前系数显著负，说明期限越长，信用利差越低，一种可能的解释是：选择发行较长期限的债券传递了企业对债券销售的信心，这里面既包含了发行人对企业自身信誉度与业绩的信心，也包含了发行人对企业所在地经济发达程度的信心，较长的发行期限一定程度上传递了优质信号 (何平、金梦，2010)；此外，债券回售和提前偿还、赎回条款也对发行利差有显著的影响。宏观经济特征方面，一年期银行间到期国债收益率对发行利差的影响为正，表明在本文研究的样本期内基准利率的上升会提高债券发行利差。

表 4中 (1) 和 (2) 两种方式的回归结果中，关键变量Prob (guar) 的系数的符号和显著性都没有发生变化，而其他控制变量的系数的符号和显著性也都没有发生较大的改变，说明模型2的估计结果稳健，具有较强的说服力。

(三) 研究样本的扩展

以上研究是以第三方担保债券为研究对象，为了获得稳健的研究结论，本文进而以采取抵质押担保的债券和无担保债券为样本检验逆向选择和道德风险模型，模型1和模型2的检验结果如表 5和表 6的 (1)、(3) 和 (4) 所示。在全样本条件下研究，结果如表 5、6中 (2)、(5) 和 (6) 所示。结果发现寻求担保的可能性仍与债券发行人的信用等级负相关，信用状况越差的发行人越可能会采取担保；在控制了债券信用等级之后，发行利差仍与发行人采取担保的可能性正相关。

五、 结论

基于中国市场企业债和公司债数据，在解决可能存在的内生性问题后，本文的实证结果表明，发行人的风险越高，越有可能采取担保；担保债券的利差高于无担保债券，道德风险理论能够更好地解释债券发行人的担保行为。信用评级信号减轻了投资者与债券发行人事前的信息不对称，投资者在债券发行前即能够识别不同风险的债券。担保主要是缓解发行人与投资者事后信息不对称、缓解代理问题、约束发行人行为的一种手段，而非债券发行人向市场传递的信号。研究的政策含义在于：

首先，信用评级是债券市场上解决事前信息不对称的重要机制，而担保能够减轻事后信息不对称，两者在功能上互为补充；而且担保的信用增级效果和降低融资成本的功能也依赖于评级机构给出的债券评级的高低，从这个角度讲，准确的信用评级是债券担保发挥作用的前提，只有在事前信息不对称问题得到很好解决的前提下，担保机制才能够有效发挥作用。因此，应进一步完善债券市场信用评级体系，提高信用评级的公信力；减少评级选购行为，促使评级机构给出客观准确的主体评级和债券评级。

其次，建立更完善的担保增信体系。目前较多的企业债采取寻求关联企业或是集团母公司的担保。这种担保方式虽然能够为发行人节省担保费用，但是却不利于降低债券风险，约束和监督发行人。母公司与发行人的关联度较高，甚至大部分的收入和利润来自于发行人，在出现兑付时对债权人的保护作用会明显减弱。相比之下，寻求专业担保公司担保的费用虽然较高，但其增信作用也更加明显，而且担保公司要求额外的信息报送，能够较好地掌握发行人的信息和经营状况的变化。因此，鼓励专业融资担保公司的建立，加大对担保公司的支持力度，在未来逐步改变担保方式的分布，使担保能够真正发挥事后监督债券发行人的作用。