中国信用环境评价——基于2006～2010年的省际数据

姚小义，钟心岑，杨 凯

（湖南大学 金融与统计学院，湖南 长沙 410079）＊

一、文献综述

信用环境是一个由许多子系统共同组成的复杂系统。影响某一地区信用环境的因素很多，而且各种因素的相对重要性及相互作用会因地区的发展水平等不同而存在较大差异性。如何科学对其评价并探讨具体的改进策略，许多学者做出了有益的尝试：郑克志（2003）提出建立以金融信用为主的区域信用评价体系的构想，设计了贷款比率、金融债务承债率、最佳信用区域和优质信用客户比率等定量指标，并从银行业、证券业、保险业信用状况、商品质量信誉状况和纳税信用状况等探讨了定性分析指标［1］。张淳清、曹加（2008）从多角度分析了影响社会信用环境的构成因素，例如经济、法律、文化、政府、产权和信息等［2］。张永（2010）研究了经济发展水平、市场开放度和教育水平三个方面对社会信用环境的影响，采用主成分分析法分析了安徽省信用环境状况［3］。易传和、林英杰（2009）加入了失信惩戒力度这一因素考量了我国的信用环境［4］。秦振强（2006）等构建了区域信用环境的评价体系，以福建为例对区域信用环境进行综合评价，既选取了宏观的经济、金融等方面的指标，也选取了考量政府与企业的信用评价指标，采用打分法与模糊综合评价法分别处理定量和定性指标，得出福建各市的信用环境得分［5］。

但总体而言，目前与信用环境评价相关的文献仍主要集中于对单个地区或省市的分析，在宏观上对我国信用环境的整体研究较少，在方法上，现有的文献主要运用的是模糊综合评价法、层次分析法、以及因子分析法①。本文则试图从定性分析入手，选取评价指标，建立社会信用环境的综合评价体系，再对国内31个省、市和自治区的数据用主成分分析法分析各地区信用环境的优劣，找出影响信用环境的关键因子，分析其信用环境的现状，为建设社会信用制度提供科学依据。

二、信用环境评价的理论与方法及指标体系构建

信用制度的建立是一个“自下而上”即从局部到整体或从地方到国家的形成过程。需要采用综合评价方法对不同地区信用环境各自不同的特点进行统筹兼顾，才能在总体上形成对中国信用环境科学有效的分析。

信用环境评价体系评价方法的选取过程中，需要考虑数据相关性和权重确定等问题。目前的研究对于信用环境各影响因素的选取及影响程度的权重赋值尚不统一。因此，为了减少主观因素的影响，增加评价结果的客观性，本文采用主成分分析法对信用制度的运行环境进行评价②。假设样本指标矩阵为：

则基于相关系数矩阵的主成分分析法的数学模型主要分五个步骤：（1）采取平均值法对样本进行标准化；（2）计算相关系数矩阵和特征方程特征值（按降序排列）；（3）求特征向量，解方程组；（4）计算主成分贡献率和累计贡献率；（5）计算主成分。通过以上步骤可以对样本空间内反映信用环境的各个指标和数据进行排序从而得到对目标地区信用环境的整体评价。

借鉴已有研究［6－16］关于信用环境的评价指标设计的思路，社会信用环境的宏观因素主要分为经济、金融、行政、信息技术和文化教育五个方面（见表1）。

表1 中国信用环境综合指标评价体系［17］

三、数据处理及实证分析［17］

选取2006～2010年全国31个省、市和自治区的相关指标数据，评价体系的所有17个指标的数据来源于国家统计局公布的2007～2011统计年鉴。对所有数据进行统计分析，发现相关指标数据均符合或者近似符合正态分布，符合实证对数据的质量要求。

1.对子环境进行数据处理。以2006年经济环境为例，对31个省、市、自治区的经济环境各指标进行主成分运算，得到方差贡献率表和特征向量矩阵（见表2、表3）。表2中第一主成分的特征值（value）为3.69，累计贡献率（Cumulative Proportion）达到92%（大于85%），能够解释经济环境包含的大部分信息。表3显示的各指标在第一主成分中的比例接近，符合均为正。因此，第一主成分代表了经济环境，其得分就是经济环境得分，得分表达式为：

其中，SXi为标准化的指标。再将标准化数据代入表达式中，即可计算出2006年各地区经济环境得分。

表2 经济环境方差贡献率表

表3 经济环境特征向量矩阵

2.计算每年各子环境的得分，并进行排名（见表4）③。

3.将每一年各地区的5个子环境作为输入指标，计算得到当年的信用环境总得分，同样对得分进行排名（见表10）。

表4中各地经济环境波动较小，大部分省、市、直辖市的经济发展较为稳定，但东、中、西、东北部地区经济发展存在明显差异；表5显示东部地区经济平均得分比其他地区具有明显优势。

从东部和东北部各省市各地区金融环境的得分情况看③，总体排位相对靠前，金融业发展情况较好；而中部与西部地区呈交叉排列分布；表6显示东部地区金融环境区域平均得分领先于中部和西部地区，领先优势较为明显；而西部地区的整体金融环境要略优于中部地区，两者的各年分差在0.02左右，但与东部地区相比，中、西部地区的金融环境还有待进一步改善。

从行政环境的得分和排名看③，东、中、西部各地区排名较分散，部分地区的排名波动较大；从表7地区平均得分与排名数据来看，中部六省排名平均得分最低，行政环境存在明显的发展不足，行政环境与东、西部地区存在明显差异。

从各省市自治区的信息技术环境得分和排名来看③，信息技术环境的得分与该地区的经济发展状况基本一致。经济发达的东部地区比较好，而比较偏远的西部地区尤其是西南地区的贵州、云南、广西等少数民族聚集的省份排名比较落后。随着西部大开发的持续展开，以及新疆等地区矿产资源的开发，该地区的经济发展得到很大的提高，对于信息技术建设投入比例也越来越大，排名在近几年一直处于上升趋势，并且随着新疆地区与中亚通商口岸的开放，与国外市场的交流也越来越多，促进了该地区的信息技术条件的发展。但从总体上来讲，西部地区以及中部地区还是远远落后东部发达地区的水平。从表8可以看到中西部地区与东部地区的差异。

表4 经济环境得分与排名情况［17］

表5 经济环境区域平均得分［17］

表6 金融环境区域平均得分［17］

表7 行政环境区域平均得分［17］

表8 信息技术环境区域平均得分［17］

表9 文化教育环境区域平均得分［17］

从文化教育环境得分与排名情况来看③，该子环境的排名中依然与经济发展的状况相适应，但是与前面几个子环境状况对于经济发展的依赖性上有所减轻。由于中央政府对于教育政策的调整，尤其对西部地区教育扶植政策的实施，中西部地区的文化教育环境与东部地区的差异性不是很大。西部地区中的陕西以及东部地区的辽宁等省份，排名处在全国的领先水平，一方面有政府对于教育扶持力度的加大有关，另一方面也与我国高等学校的分布有关，这几个省份一般分布有很多著名高校，在科研水平以及成果上很有建树。而东部比较发达的山东等省份自身高校数量较少，人口众多，大学生比例小于众多中西部省份，但是随着政府对教育扶持力度的进一步加大，文化教育环境在近几年得到稳步提升。表9显示近几年中西部地区的文化教育水平差距逐渐减小，在2010年西部地区的文化教育水平超过了中部地区，并且中西部地区与东部地区的差距也越来越小，但从总体上来讲，东部地区的文化教育水平还是领先于中西部地区。

通过实证分析发现，各省市自治区在近几年的信用环境得分中排名差距很大，在各个子环境中北京、上海两个地区均处于总得分的前两名，并且远远领先于其他的地区（见表10）。西部地区尤其是西南地区在信用环境的评分中处于全国落后状态，造成这一局面的原因是多方面的④。随着国家对该地区的政策扶植尤其是西部大开发战略的持续实施，硬件逐步完善，其信用环境会逐渐有所改善。东部地区的各省市信用环境排名与自身的经济发展水平基本一致。随着经济的发展以及与国外市场的交往越来越多，东部地区的信用环境状况将得到持续的改善与发展。

对于东西部地区的信用环境协调发展，除了政府的资金扶持以及政策倾斜以外，借助民间资本的投资仍然是推动西部信用环境发展的重要力量。政府应吸引发达地区民间资本投资于西部地区的基础建设，通过这一途径不仅能够促进资本的有效流动并且对于西部地区信用环境建设的物质基础有很大的改善。同时通过资本的流动可以带动西部市场经济的发展，促进东部地区的产业结构调整和我国整体产业结构优化，使得比较优势得以实现。与此同时在一些公益事业比如教育等行业，国家应该继续加大投入，只有教育的发展才能带动西部地区国民素质的提高，才能给信用环境的发展提供很好的“软条件”。通过“软条件”和“硬条件”建设的协调发展，才能使信用环境得到健康有序发展。

表10 信用环境总得分与排名情况［17］

表11 信用环境区域平均得分［17］

四、对评价体系的回归检验与结论

以上从总体上得出各个子环境对信用环境的总体评价，下面将通过回归分析来测度每个子环境对总体信用环境影响的大小。

1.对各个子环境进行因子分析，选出最具有代表性的指标作为变量。根据主成分分析法选取人均GDP、人均可支配收入、金融占GDP的比例、社保覆盖率、教育经费与在校人口的比例以及通讯覆盖率分别代表对应子环境作为解释变量，通过回归来测度对信用环境的影响。选择最直接的各地区不良贷款率来进行衡量，以不良贷款率作为被解释变量。被解释变量不良贷款率为BLOAN；解释变量的具体定义见表12。

表12 解释变量的具体定义

采用2010年数据，所有数据均来自2010年统计年鉴。首先对所有数据取自然对数，通过数据统计检验可知，所有变量数据均呈正态分布或者接近正态分布，符合线性回归的要求。通过以上选择的变量，通过模型（1）验证各个子环境对信用环境的影响效应：

其中：c为截距项，α，β，x，γ，η，φ为回归系数，εi为随机变量。

采用模型（1）进行回归分析，以Eviews6.0进行实证处理，运用t统计量检验指标的统计显著性，使用F统计量检验模型的统计显著性。回归及检验结果见表13。

表13 回归及检验结果

分别运用tolerance值、White test及Durbin－Waston值进行检验线性回归模型中可能存在多重共线性、异方差及自相关问题，检验结果表明，上述线性回归模型不存在多重共线、异方差及自相关问题，也就是说各个变量与被解释变量的线性回归拟合较好。并且模型通过F检验，发现F值显示不为零，因此，模型整体拟合效果较好。同时，可决系数R2为0.84，即解释变量对被解释变量的解释程度很高，存在明显的因果关系。

从表13可知，经济环境特征中的人均GDP（RGDP）和人均可支配收入（DINCOME）变量与被解释变量不良贷款率（BLOAN）在10%的显著水平下，人均GDP（RGDP）不显著，并且不能通过t检验，人均可支配收入（DINCOME）显著为负；金融环境特征中，金融占GDP的比例（FINAN）与不良贷款率在10%的显著水平下显著为负；行政环境特征中，社保覆盖率（SSE）与被解释变量不良贷款率在10%的显著水平下，显著为负；在文化与教育特征中教育经费与在校学生比例（EDU）与不良贷款率在10%的显著水平下显著负；信息技术特征中通讯覆盖率特征中通讯覆盖率（COMM）与被解释变量不良贷款率在10%的显著水平下不显著，并且回归系数不能通过t检验。

2.通过对国内省级区域信用子环境进行排序和差异性分析，发现在各子环境中，东部地区整体状况要优于中部和西部地区，但在具体的子环境中，东部地区优势差距呈缩小趋势。各地区子环境的排名情况如下：第一，经济环境与信息技术环境的排名相似度较高，东部地区有明显优势，而中部地区整体略优于西部地区，这说明地区经济发展水平与信息技术推广程度存在较高的相关性，信息技术的应用与普及受地区经济发展水平的制约。第二，在金融环境中，东部地区依然保持强势，而西部地区整体要略好于中部地区，在西部地区中，宁夏省表现额外突出，其金融环境得分在2007～2010年均位列全国第六，这一方面得益于西部开发战略的支撑，金融资源配置的倾斜；另一方面也说明宁夏充分把握住了时机，抓紧金融领域建设，为经济发展提供动力。第三，在行政运行环境中，东中西部各地区的排名较分散，虽然从整体来看东部地区依然保持着领先，西部地区行政运行环境优化效果显著，而中部地区呈现一定的落差。第四，在信息技术环境中，东部地区得分领先，而地处偏远的西部地区信息化建设以及相关技术应用较为落后；第五，在教育环境中，东中西部均有省份进入排名的前十位，在2010年西部地区平均得分也首次超过了中部。最后，根据各子环境得分计算出的信用环境的得分，东部各省市有着明显的领先优势，中部和西部地区得分低于全国平均水平，中西部地区信用环境的建设是长远的系统工程。

注释：

①模糊综合评价法和层次分析法在确定隶属度函数或计算对比矩阵的过程中缺乏统一标准，带有一定的主观性；因子分析法在计算因子得分时，采用的是最小二乘法，此方法缺乏稳定性，在部分情况下会失效。

②主成分分析法（the Principal Component Analysis，简称PCA），主要通过构造初始指标的线性组合，获取新的综合指标，并且尽可能多地保持初始数据集的信息。它将初始数据集的坐标系统进行一个正交变换，构造一个新的坐标系统，使得所有初始数据投影的方差按大小依次落在坐标上，这个坐标就被称为主成分。主成分分析常用于多指标数据集的降维，同时保持数据集的对方差贡献最大的特征。这样一来，通过降维得到的综合指标保留了初始指标的主要信息，并且互不相关，有利于找到问题的主要矛盾。

③因篇幅限制，本文仅列出经济环境得分与排名情况，其余4个子环境的得分与排名情况略去，读者如有需要，可与作者联系。

④首先，该地区商品经济不发达，第三产业以及第二产业落后没有形成一个完整的市场经济体系，很多地方仍然停留在农耕时期，经济发展落后；其次，该地区的教育体系以及交通网络体系落后，与外界接触较少，许多地方处于封闭或者半封闭的状态，当今社会最主要的商业信用模式由于缺乏物质基础不能够很好的展开；第三，该地区金融行业发展状况非常落后，金融机构分布很少，导致地区信用环境的发展缺少第三方的支持，资金融通不能很好的展开，大部分的资金融通只能通过民间借贷的形式进行。民间借贷的形式由于没有很好的信用保证，因此，只能以高于市场利率的形式进行，由于成本过高，导致资金归还的困难，使得信用环境进一步恶化。

［1］郑克志.关于建立区域信用评价体系的探讨［J］.武汉金融，2003，（7）：53－54.

［2］张淳清，曹加.信用环境的影响因素分析［J］.生态经济，2008，（7）.

［3］张永.基于主成分分析的安徽省失信惩戒效果评价［J］.金融经济，2010，（18）：57－59.

［4］易传和，林英杰.基于主成分分析的信用测度与实证考量［J］.统计与决策，2009，（12）：86－88.

［5］秦振强，叶谢康，陈澍.区域信用环境评价及相关问题研究［J］.福建金融，2006（4）：5－9.

［6］蒋海.不对称信息、不完全契约与中国的信用制度建设［J］.财经研究，2002，（2）：26－29.

［7］刘晓剑，张强.信用评级机构监管的演化动态博弈分析［J］.财经理论与实践，2011，（6）：30－34.

［8］张维迎，柯荣住.信任及其解释：来自中国的跨省调查分析［J］.经济研究，2002，（10）：59－70.

［9］任森春.论信用制度与政府作用［J］.财贸经济，2003，（3）：22－25.

［10］徐诺金.论我国金融生态问题［J］.金融研究，2005，（2）：31－38.

［11］林凤萍.政府推进社会信用体系建设的对策取向［J］.中央财经大学学报，2006，（9）：57－60.

［12］高霞，王然.中国信用规模与经济增长关系的实证研究［J］.金融理论与实践，2007，（4）：46－48.

［13］马丽娟.金融中介信用环境建设中的法律因素［J］.中央财经大学学报，2009，（8）：29－33.

［14］向晖，杨胜刚.个人信用评分关键技术研究的新进展［J］.财经理论与实践，2011，（4）：20－24.

［15］洪玫.试论金融创新的社会信用环境基础［J］.金融论坛，2010，（1）：45－49.

［16］杨立新，李倩.我国地方政府信用缺失的表现、原因及解决路径［J］.党政干部学刊，2011，（12）：52－54.

［17］杨凯.基于省际数据的社会信用制度运行环境问题研究［D］.长沙：湖南大学硕士论文，2012.