集聚类型与融资约束。中国经济取得飞速增长的同时，金融体制的发育却相对滞后，那么中国何以在落后的金融体制下保持了经济的增长？LongandZhang注意到产业集聚在其中起到了重要的作用，他们将中国工业化模式命名为“基于集聚的工业化"。
过去对产业集聚的研究关注的是集聚的“技术外部性'‘或“知识外部性"，而忽视了“金融外部性"，即产业集聚在缓解企业融资问题上的作用。现有研究提示了行业间集聚缓解融资约束的作用机制主要有两条：一条是通过产业间的分工协作降低企业对固定资产的需求；二是上下游企业间业务往来的商业信用融资缓解了企业对流动资金的需求。
分工降低企业固定资产需求方面，ShmitzandNavi基于墨西哥、巴西、印度等国家产业集聚区的案例，提出产业集聚可以培养企业间的合作，有利于将大型投资分解为独立的工序来降低资本投入。
LongandZhang基于1995~2004年中国工业企业的微观数据，发现基于相互关联行业中的企业集聚培养的相互信任，上下游产业的协同集聚帮助企业将诸多工序外包出去，减少企业的固定资产需求，进而降低企业的融资需求，这是中国企业在金融市场发育不完全的背景下，缓解融资约束的重要手段。
产业集聚能够显著降低企业生存的所需的最低资本。阮建青等以长三角的濮院羊毛衫产业集聚区为例，通过实地调研发现：当地羊毛衫的生产工序可以被切分为十个相对独立的流程，倘若以一体化的形式组织生产，那么最少需投资1000万元，超过了绝大多数企业的承受能力。
而依靠当地上下游产业集聚，当地大多数企业只从事其中一个工序，这降低了固定资产需求。比如编织作坊的平均投资仅为7万元；如果通过购买二手机器组织生产，成本仅需1000元。
商业信用融资方面，处于同一个集聚区的上下游企业之间往往有业务往来，来自商业伙伴的商业信用可以起到一定的替代性融资的作用，比如企业可以通过尽快收回应收账款、后延应付账款的支付来提供周转资金，多样性的集聚类型有利于商业信用的流转。
显而易见的是，集聚类型偏向多样性的地区中，企业将面临更多的关联企业，而这显然有助于企业获取商业信用。LongandZhang以应付账款与短期负债的比率、应收账款与资产的比率衡量商业信用，发现多样化的集聚类型能提高本地区企业的平均商业信用。
马述忠和张洪胜以县级行政区为集群基本地理范围，以集群中企业的应收账款和应付账款作为企业间商业信用的衡量指标，以SA指数衡量融资约束，结果显示：集聚的商业信用能够有效地缓解中国企业出口面临的融资约束，进而促进中国企业的出口。
融资约束与民企ODI。ModglianiandMiller指出：在完美的资本市场条件下，企业总能够在市场中以和公司内部相同的成本获取到足够的资金供应。然而GreenwaldandStiglitz发现由于信息不对称、金融市场摩擦的存在和金融市场发展滞后等因素，企业往往难以在金融市场上获取足量的并且与自有资金成本相同的融资，是为融资约束。
融资约束会阻碍企业ODI，这个观点受到融资约束对企业出口影响的研究的启发。Melitz认为企业只需具备足够高的生产率就可抵消出口的固定成本，从而实现出口。这一模型忽视了企业出口支付的固定成本是''事先成本"的这一事实，即固定成本的支付应该早于出口的盈利，时间上的错配就对企业融资提出了需求。
基于此，Manova和Chaney关注了融资约束对企业出口行为的影响，即使企业的生产率足够高，倘若难以筹集相应的资金，企业也将难以出口。其中Manova具体关注的是银行信贷约束对出口的影响，试图去研究金融市场的自由化对国家出口的影响。
她使用了91个国家1980~1997年各行业出口量的面板数据作为样本，发现金融市场自由化对出口有显著的促进作用，尤其是在更加依赖于金融市场的部门当中，这种促进作用更加显著。Chaney从美元汇率贬值但出口并未有显著增长的事实出发，认为美元贬值的“资产价格效应"被忽视了。
尽管美元贬值降低了美国产品的出口价格，但企业的美元资产也相应缩水，资产价格的下降导致企业面临更强的“融资约束"，一些企业被迫退出市场。基于这个思路，他建立了融资约束对企业出口的微观机理。
他基于''异质性企业"框架，对企业出口行为施加了融资约束这一条件，求解出均衡状态下企业出口的临界生产率分布状况，结果显示：考虑融资约束之后，企业出口的临界生产率高于无融资约束的情况，从理论上证明了融资约束会阻碍企业的出口。
李志远和余淼杰也基于中国的企业出口数据证明了融资约束阻碍了中国企业的出口。由于对外投资相较于出口需要更多的“事先成本"，基于同样的逻辑，可以猜测融资约束会阻碍企业ODI。
目前，尚未有文献从理论上构建融资约束影响企业ODI决策的机理。而实证研究率先对这个问题进行了探讨。Buchetal基于德国企业跨国并购的数据证实了融资约束会阻碍企业ODI,尤其对高生产率企业的阻碍作用更甚，因为高生产率企业有更强的ODI动机。
值得注意的是，作者发现了可能存在的内生性问题，即接近国际市场反而有助于企业缓解融资约束，作者使用了同行业竞争对手的融资约束作为工具变量以控制内生性。
王碧珺等基于2006~2008年浙江民营制造业企业ODI的数据，构建了衡量融资约束的综合指标，结果显示融资约束阻碍了浙江省民营企业的ODI。除此之外，李磊和包群针对全国规模以上工业企业的研究都证明了融资约束会阻碍民营企业的对外直接投资。
融资约束的测度。融资约束如何影响企业行为是公司金融领域最经典的论题之一，但如何测度融资约束是相关研究的一大难题，目前使用的各大指标不乏争议性。测度融资约束的指标按照其方法可以分为参数类和指标类。
前者通过设置回归方程，求解出相关参数，以参数大小代表融资约束的大小；后者则是直接利用公司财务指标或对财务指标进行线性组合生成代表融资约束的变量。
参数法当中，典型的指标有“投资一现金流"敏感度，而近年来“现金一现金流"敏感度逐渐为大家所接受。“投资一现金流”敏感度是Fazzarietal首次提出的，他们发现以往的实证研究大多假定企业能够对资本成本的变动做出反应，而未考虑到资本市场的不完全性。
基于此，企业的内源融资相对于外源融资有较大的成本优势，难以从资本市场获得融资的企业将会在投资行为中表现出对现金流变动的“过度敏感“，因此“投资一现金流“敏感度越高的企业面临着较高的融资约束。
但“投资一现金流”敏感度受到了KaplanandZingales的质疑和挑战，其核心的逻辑是企业投资受到多种因素的影响，故而投资一现金流敏感度难以准确反映企业的融资约束。Almeidaetal发明了“现金一现金流“敏感度衡量融资约束，他们认为融资约束程度较高的企业将从现金流中抽取更多的现金持有，呈现出较高的“现金一现金流”敏感度。
指标法当中，学者们根据企业的财务指标构建衡量融资约束，主要分为单一指标法和多重指标法。单一指标法中，学者们借助单一指标判断融资约束情况，国外学者常用股利支付和企业信用评级衡量融资约束。
国内学者比如田巍和余淼杰以利息支出占企业总负债的比重衡量融资约束；蔡晓慧等以债务利息率高于银行贷款利率的程度衡量融资约束。单一指标法的基本思路是以企业融资成本衡量融资约束，但这一方法有两大问题：一是有较强的的内生性；二是融资成本只能反映“融资贵"，不能准确反映融资约束。
多重指标法指的是学者使用多个财务指标，按照某种线性组台的方式生成综合性指标。典型的指标有：KZ指数、WW指数和SA指数；国内学者常用的指标各不相同，但总体上都采用的是企业财务指标的某种加权和。
KZ指数起源于KaplanandZingales对Fazzarietal的结果的批判，KaplanandZingales基于Fazzarietal使用的上市公司的公开文本信息发现“投资一现金流"敏感度最高的企业恰恰是他们自我表述为“融资约束程度最低"的企业，这就对''投资一现金流'‘敏感度的有效性提出了质疑。
Lamontetal按照KZ定义的融资约束等级，以现金流、市值、债务、股息和现金持有量五个解释变量，估计了有序Logit模型，按照参数的估计结果构建了KZ指数，该指数越大则代表融资约束越严重。
WW指数是由WhitedandWu创立的，用计算股本的影子价格来衡量融资约束。他们的方法是估计结构方程，解释变量是现金流与资产价值的比值、是否支付股利、长期负债占总资产的比值、企业规模、销售额增长率和行业增长率。WW指数越高则代表企业面临着更严重的融资约束。
SA指数是HadlockandPierce创立的，HP认为以KZ指数为代表的衡量融资约束的指标并不能准确反映融资约束程度，原因是其使用的财务指标往往是由企业内生性的决策决定的。
比如企业的现金持有量一方面可以降低融资约束；但另一方面则暗示企业面临着严重的融资约束，故而现金持有量并不能准确反映融资约束的程度。HP更换了样本计算KZ指数，结果发现五个解释变量当中仅有两个指标是显著的。HP以企业规模、规模的二次项以及开业年限等外生变量构建衡量融资约束的指标，可以较好地规避“内生性''问题。
另一部分学者多以企业财务信息的线性组合构建综合性融资约束的指标，区别主要在于各项指标权重的大小和权重的生成方式。Manovaetal以四个基本指标构建的“金融脆弱性"指标来衡量出口企业的融资约束，具体做法是以财务费用和经营活动的净现金流差额衡量外部融资依赖；
以存货价值与营业收入的比值衡量运营活动所需现金流；以厂房、产权和设备等固定资产价值占总资产比重衡量资产的有形性；以贸易信用占总资产的比重衡量信用对企业融资的影响。针对以上四个指标，他们采用主成分分析法确定权重，选择以第一主成分当中的各分项系数为权重，加总可得综合性融资约束指标。
结语
王碧珺等认为融资约束主要受到内源融资约束、外源融资约束和投资机会等影响，选择了现金比率、企业规模、企业成立年限、清偿比率、固定资产净值率和盈利能力等6个分项指标；然后计算企业各项指标在所有企业当中的排序，分为80%100%、60%80%、40%60%、20%~40%和020%五个区间，分别赋予15的分值。
