我国金融环境对信贷配给的影响研究

陈建华，李辉

（1.深圳大学经济学院，广东深圳 518060；2.深圳大学研究生院，广东深圳 518060）

我国金融环境对信贷配给的影响研究

陈建华1，李辉2

（1.深圳大学经济学院，广东深圳 518060；2.深圳大学研究生院，广东深圳 518060）

随着金融改革和经济发展，我国整体金融环境得到了改善。民营金融机构迅速崛起，使得企业融资及获得信贷配给的渠道增加。金融环境决定着我国各区域信贷配给的强度，而信贷配给也能推动经济的发展。经过对2008至2014年面板数据的处理，我们得出的结论是：金融发展规模的扩大并不一定能有效促进信贷配给的提高，而市场化程度越高，信贷配给效率越高。因此，在金融环境改变的前提下，我国应采取协调区域发展的措施，以沿海区域带动周边地区；提高各省自身的市场化程度相对指数；政府加大对西北等偏远地区的扶持与帮助，从而有效提高信贷资金的使用效率。

金融环境；市场化程度；信贷配给

我国是仅次于美国的全球第二大经济体，也是发展较快的经济体之一。虽然目前的金融体系功能尚不健全，体制发展欠缺，但我国经济却在改革开放以来的30多年间拥有了年均近10%的经济增长率。从银行体系来看，虽然我国至今仍不够发达，但随着十八届三中全会的召开，金融环境的改变，我国民间金融的崛起对企业和经济发展做出了不可磨灭的贡献。中国企业的快速发展得益于金融体系提供顺畅的融资渠道，而融资渠道就是金融体系的信贷资金的配置以及利用效率。因此，金融环境与信贷配给之间存在着密切的联系。眼下，我国金融的大环境正在发生着改变，各种融资金融机构的崛起，信贷配给已不仅仅只存在于银行，而是遍布在各种金融机构之中。在这样的环境下，本文着力于挖掘我国金融环境对信贷配给的影响。

（一）文献回顾与研究的必要性及方法

关于信贷配给，从亚当·斯密（Adam Smith）的《国富论》以来，就受到不同时期的经济学家的关注与研究，因此关于信贷配给的理论研究和实证研究层出不穷。在20世纪70年代之前，关于信贷配给的研究主要集中于利率配给、信息不对称和道德风险对信贷配给的影响分析，后来随着信息经济学的发展，使经济学家们提出了影响信贷配给的主要原因是金融市场信息不对称和代理成本的存在。

从国外的有关研究来看，John（1968）对信贷配给做了实证研究分析，得出了三个结论：一是信贷配给的存在范围，即信贷配给在大型公司不存在，只在小公司存在；二是利率的影响程度。研究表明利率不会影响大公司的信贷配给，只会影响小公司；三是大公司的融资不会受信贷配给的影响，而小公司可能存在［1］。经济学家Williamson（1986，1987）从信贷配给的信息不对称出发，提出了即使市场上没有逆向选择和道德风险，但只要有信息不对称，就会存在信贷配给问题。那么政府应该从社会福利最大化出发，采取各项措施来增大社会福利［2］。Schmidt Mohr（1997）在假设风险是中性的前提下，利率、抵押品和贷款规模是影响信贷配给的主要因素［3］。而且Schmidt Mohr还深化信贷配给理论，发展到金融约束理论，认为政府可以通过对存款的监督和限制恶性竞争等一系列的金融措施来改善信贷配给的环境［4］。Hung-Jen Wang（2002）认为在信息对称的条件下，只要是企业的破产成本不为零，那么信贷配给就必然存在［5］。Malick和Chakrabory（2002）采用NSSBF（美国对小企业融资的全国性调查）的数据对小企业的信贷配给缺口和影响因素进行实证研究和检验，结果表明受信贷约束的小型企业的信贷缺口平均为20%［6］。

国内的学者对信贷配的研究也同样引起了关注，已经存在不少的文献。王健（1997）认为在利率、抵押品和信贷配给反向选择效应在国有银行日益显著的情形下，在信贷市场不完善的情况下，银行应该使用信贷配给方法，使银行效益最大化［7］。王霄等（2003）建立了企业抵押品和贷款规模与信贷配给关系的模型，研究了中小企业规模与信贷配给的关系。结果表明，资产规模较小的企业由于没有适当的抵押品而被信贷机构剔除，使得其无法得到贷款，这也很好地揭示了在市场经济和转型经济条件下中小企业融资难问题的根本所在［8］。穆争社（2005）认为信贷配给是宏观经济波动的加速器，且我国商业银行的信贷配给呈现出关系型信贷配给的特征［9］。文远华（2005）研究了1998年至2002年的我国利率管制和银行对风险态度的转折变化，以及信贷市场分化等方面对我国信贷配给影响的理论分析和解释［10］。李文豪（2006）通过建立了一个含企业规模、质量以及效益效用的信贷配给模型，通过模型研究分析得出若银行较看重企业规模，则会减轻信贷配给程度；若银行更看重企业资产，则会加重信贷配给程度［11］。陈欣（2007）在S-W基本模型的基础上，分析了我国信贷配给现有的市场环境及特点，并对我国商业银行进一步的改革和政府决策提出了相应的意见和建议［12］。王静（2011）力求破解信贷配给难题，建立了理论模型，结果表明在单一的市场条件下，信贷配给难以得到缓解；然而在多重市场条件下，信贷配给有可能得到突变和缓解［13］。任建军等人（2011）利用1978年至2007年的面板数据，分析了全国、东中西部信贷配给与经济发展的关系，并得出两者之间存在单向因果关系［14］。王欣昱（2013）基于31各省域的面板数据，分析了我国各省信贷配给效率差异性，实证结果证实我国各省的信贷配给效率存在明显的空间区域差异，即东部〉西部〉中部〉东北部［15］。苟琴等人（2014）采用世界银行提供的我国企业的数据，建立模型实证分析了我国信贷配给的决定因素。实证结果表明，企业规模、企业的盈利性、是否属于关系型信贷，以及企业所处的金融发展等，均是影响信贷配给的显著因素［16］。

通过上述文献，我们发现至今还少有文献针对性地研究金融环境对信贷配给的影响。可能是基于客观数据的限制，大多文献只研究了信贷配给的存在性以及其影响因素，而忽略了在金融环境日益变化的时代，金融环境对信贷配给影响的日益显著性，而本文的分析立足于此。

（二）研究的必要性与方法

2012年以来，国内外的金融环境超出了预期。从国内来看，随着利率市场化和经济转型的加快，我国民间金融在十八届三中全会的召开下迅速地崛起，在金融领域中占有一席之地，而传统的银行产业也在积极的转型之中。在过去的金融环境中，影响银行信贷配给的决定性因素主要是利率的管制，是企业是否颇具规模，以及银行对企业的风险评估和对其持有的态度，而无需考虑到金融大环境的改变。而在当前的金融环境下，企业的融资，获得的信贷配给渠道增加，不再仅仅依靠银行的信贷，民间金融机构对中小企业的信贷融资也发挥着重要作用，在很大程度上解决了中小企业融资难的问题。这种金融环境的改变，对传统银行业的冲击、对信贷资金的配给效率、对中小企业的融资都产生了一定的影响。因此，在金融环境的巨变中，对信贷配给的研究一定是具有现实意义与必要性的。

当金融环境发生变化时，银行及其他金融机构的信贷配给行为必然会发生相应的变化。根据这种变化，本文的研究不再仅仅利用银行贷款量作为因变量来研究信贷配给了，而是采用金融机构的贷款作为研究信贷配给的因变量。具体来说，我们采用2008年至2014年我国31个省域的数据来进行建立计量面板数据模型，其数据的分析分别从金融发展规模和我国各省份市场化程度两个方面入手，文中以我国各省金融机构总资产与各省GDP的比值作为金融发展规模的指标，以我国分省市场化进程指数作为市场化程度指标；以我国各省金融机构的贷款量作为信贷配给指标。通过对面板数据的平稳性检验及协整检验，在计量软件的运用下，建立模型，得出结果，进行分析。

二、数据的处理与检验

本文采用的我国各省金融机构总资产与各省GDP（2008年至2014年）的数据均来自于wind数据库（对于数据缺失部分的处理，采用已有月份的平均值*12来代替）；我国分省市场化进程指数选用樊纲等人编写的《中国市场化指数2011》中2008年至2010年的市场化进程指数［17］，对于后几年的数据缺失，本文采用平滑指数计算出来的估值进行代替；我国各省金融机构的贷款量数据来自于中国人民银行。

（一）原始数据的平稳性检验

面板数据中既包括截面数据，也包括时间序列数据。有些非平稳的经济时间序列表现出共同的变化趋势，而事实上也许这些序列间不存在直接的关联。若此时，对面板数据进行回归，得到较高的可决系数也是毫无意义的，所以对面板数据进行平稳性检验是必不可少的。本文需要对我国各省金融机构的贷款量（设为）、各省金融机构总资产与各省GDP比值（设为）和市场化进程相对指数（设为）进行平稳性检验。

1.时序图进行平稳性初步判断

本文先对数据做时序图，进行粗略的直观判断是否含有截距项和趋势项，从而进一步为单位根的检验模型做准备。

图1.各数据的时序图（分别为y、x1、x2）

从图1中各数据的趋势来看，各省金融机构的贷款量y、各省金融机构总资产与各省GDP比值x1和市场化进程指数x2都具有截距项或含有趋势。时序图虽然直观，但较为粗略，下文将用单位根检验来检验数据是否平稳。

2.单位根的平稳性检验

鉴于时序图粗略直观，故对面板数据的检验结构仍需一一检验。对于面板数据的单位根检验，我们可以使用LLC、IPS、Breitung、ADF-Fisher和PPFisher这5种方法进行。其中LLC和Breitung检验的原假设是存在共同的单位根，IPS、ADF-Fisher和PP-Fisher检验的原假设是存在不同的单位根。由于单位根的检验方法较多，一般来说，从原假设是存在共同单位根的检验方法中选取一种检验方法，再从原假设是存在不同单位根的检验方法中选取一种检验方法来进行检验是否存在单位根。但本文，为了检验单位根的精确度着想，只有全部通过所有方法的检验，拒绝所有的原假设，才能说明原数据是平稳序列；反之，原序列就是非平稳序列。

经过Eviews软件的操作，依次对原序列y、原序列x1、原序列x2进行单位根检验，发现序列y、x1、x2均是一阶差分平稳序列，是同阶单整，也就是说三者之间存在直接的相连关系，满足协整检验的前提。

（二）面板数据的协整性检验

面板数据只有通过协整检验，才能说明变量之间存在长期的均衡关系，其方程回归残差是平稳的。对于面板数据的协整检验，一般有两大类方法。一是建立在EG二步检验法基础上的Pedroni检验法和Kao检验法；二是基于Johansen协整检验基础上的面板数据的协整检验。本文选取基于EG两步检验上的Pedroni检验法和Kao检验法来检验面板数据之间是否存在协整关系。

1.Pedroni面板协整检验

在Eviews软件的运行下，得到如下的结果。

表1.Pedroni检验结果

从表1中可见，虽然Pedroni检验下Panel rhostatistic和Group rho-statistic下的P值为1，接受了原假设，但在其他的统计量下，P值均为0.0000，拒绝原假设。尤其是在ADF统计量下P值显著，说明用于建立模型的面板数据间存在协整关系。

2.Kao面板协整检验

在Eviews软件的运行下，得到如下的结果。

表2.Kao检验结果

从表2中可见，Kao检验方法下的P值为0.0003，且远小于0.05，拒绝原假设，同样表明面板数据间存在协整关系。从表1和表2综合来看，它们的ADF统计量的P值均小于0.05，拒绝不存在协整关系的原假设。所以，面板数据通过了协整检验，存在协整关系。

通过了协整检验，说明我国各省金融机构的贷款量、各省金融机构总资产与各省GDP的比值、市场化进程指数之间存在着长期均衡关系。因此我们可以直接对原序列方程进行回归，且此时的回归结果是较为精确的。

三、面板模型的选择与回归

由于面板数据既存在时间序列数据，又含有截面数据。从时间上来看，不同个体之间可能会存在显著性差异；从截面来看，不同截面之间也可能会存在显著性差异。所以，对于面板数据进行回归时，需要用Hausman检验来考虑建立的模型是固定效应模型还是随机效应模型，同时也需要F检验来确定模型的形式。

（一）面板模型的选择

在面板模型的形式上，有固定效应模型和随机效应模型。一般来说，用样本数据推断整体效应，应用随机效应回归模型；直接对样本数据进行分析的，采用固定效应模型。但实际情况需要Hausman检验来确定。而面板数据模型的形式主要是由常数项（截距）和系数向量是否为常数来决定的。一般分为三种：一是混合回归模型，即常数项和系数都是常数；二是变截距模型，即系数是常数；三是变系数模型，即常数项和系数都是非常数。

1.确定影响形式

随机效应模型的原假设是应建立随机效应模型，再利用Hausman检验来检验该模型是否为随机效应模型。从Eviews得出的随机效应的Hausman检验结果来看，截面随机检验的P值为0.0000，拒绝原假设。也就是说，该面板数据不是建立随机效应模型，而是建立固定效应模型。

2.确定模型形式

面板数据模型形式有上述的三种形式，但具体选用哪种需要用F检验来确定①。

其中为α常数项，β为系数向量，N为截面个体数量。

其中，s1，s2，s3分别是变系数模型、变截距模型和混合模型的残差平方和，K为解释变量的个数。

判定规则：若接受H2，则为混合回归模型。若拒绝H2，则检验假设H1。

若接受H1，则为变截距模型；若拒绝H1，则为变系数模型。

由本文的面板数据可知，截面数N=31，时间长度为T=5，变量数K=2。在软件Eviews的运行下，本文得出s1=2.73E+10，s2=8.75E+10，s3=4.19E+11。所以得到两个F统计量的值分别为：F1=2.27，F2=10.57。

在给定5%的显著水平下，查表得到F分布相应的临界值F0.05（58.60）=1.53，F0.05（87.60）=1.48。由此，可知F2=10.57〉1.48，拒绝假设H2；又由于F1=2.27〉1.53，所以也拒绝H1。由上述的判定规则可知，该面板数据应建立变系数模型。

综上所述，本文中的面板数据应建立固定效应变系数模型。

（二）回归结果与分析

在前文的基础上，已经确定了模型的基本形式。下文将通过对数据分析建立的计量模型进行回归分析，用数据来对我国各省金融机构的贷款量、各省金融机构的总资产与各省GDP的比值和各省市场进化指数存在的关系进行研究分析。

1.回归结果

固定效应模型又分为个体固定效应模型、时点固定效应模型和个体时点固定效应模型。由于本文选用的数据时间序列较短，但截面较多，所以在Eviews软件的运行下，经过不断地修正、检验和比较，得出最佳的结果是以下的运行结果。（详见附表1）

从附表1中可以看出，建立模型最佳的形式是个体固定效应变系数回归模型。得出以下的表达式：

由于截面较多，本文只列出了北京、天津、河北与新疆地区的表达式，其他的地区城市根据附表1中的数据以此类推，得出表达式。从表达式的组成形式中可知，由可变常数、不变常数、每个省份的X1和X2组成。X1的系数说明了金融发展规模对信贷配给的影响程度，X2的系数说明了市场化相对进程指数对信贷配给的影响。

2.回归结果分析

从模型的总体上来看，模型的自变量各省金融机构总资产与各省GDP比值和变量各省的市场化进程指数对各省金融机构对企业的信贷配给的影响是显著的。模型的可决系数为0.974823，具有较高的可决系数，说明模型的拟合度较好。从表达式的各变量的系数来说，绝大部分的地区变量各省金融机构总资产与各省GDP比值前的系数为负，说明它不利于提高各省金融机构对企业的信贷配给的配置效率，也就是说各省金融机构的总资产占各省GDP的比值大，并不能对信贷配给产生积极的影响。而各省市场化进程相对指数的系数大部分是正数，说明市场化进程相对指数会对信贷配给的配置效率会产生正向影响。即市场化程度越高，对信贷配给有积极的影响；市场化程度低，对信贷配给产生消极的影响。这也充分表明，金融环境对信贷配给的影响程度是在于各省金融机构总资产与各省GDP比值和市场化进程指数之间的博弈。

从以上的表达式和附表1中可以看出，我国所有省份表达式的常数项均为负数。说明金融机构总资产/GDP和市场化进程相对指数为0或不存在时，信贷配给将会是一个负的存在。也就是说，在金融环境十分恶劣的情况下，金融机构与企业间将不会存在信贷配给。从金融发展规模（x1）的情况来看，各省份的系数除了新疆和西藏分别为4927.7和492.0，其他省份的系数全为负数。从系数为正可以看出，金融发展规模对新疆和西藏金融机构的信贷配给影响不大，由此从一个侧面可知，我国西部地区的金融经济发展行业略有欠缺，我国应加强对西部地区的经济开发。从系数为负的省份中看，绝对数值较大的三个省份分别是广东、江苏和福建，且广东省的数值远远大于其他两个省份。这说明了金融发展规模对广东省的信贷配给具有很重要的意义，一旦广东省金融机构总资产与省GDP比值波动较大，金融发展规模发生重大变化，那么将对金融机构的信贷配给产生强大的冲击，不利于信贷配给的配置效率。从市场化进程相对指数（x2）系数看来，除了我国青海为-61934.99，其他省份均为正数。说明了市场化程度越高，对金融机构的信贷配给效率也就越高。从表达式中可得知系数最大的省份是广东，为886496.4，系数较小的省份有青海、西藏、宁夏和陕西。这说明了广东省作为沿海地区，且有经济特区深圳，经济发展较快，市场化进程相对指数较高，对信贷配给有积极的影响。而系数较低的均为市场化进程相对指数较低、经济欠发达的西北地区，不利于提高金融机构信贷配给的配置效率。所以应该加强对西北地区的市场化进程与经济开发。

四、结论与建议

随着经济的发展，我国金融环境也在发生巨大的变化。本文从金融环境这个独特的视角对信贷配给的影响做出了面板数据计量模型，分析了各省金融机构总资产与各省GDP比值和市场化进程是如何影响信贷配给的。得出如下的结果：第一，金融发展规模与信贷资金的配置效率并非成正比，金融发展规模的扩大，并不能促进信贷资金配置效率的提高；第二，市场化程度越高，指数越大，越能促进信贷资金的配置效率。如广东等沿海地区的信贷配给配置效率是最容易受金融发展规模和市场化进程相对指数的影响，而西北地区的经济欠发达，金融发展规模较小，市场化进程相对指数较低，因而信贷配给的配置效率也较为落后。

针对于各省金融规模不一，信贷资金的配置效率所存在的差异，本文提出如下几点建议：

第一，沿海地区金融环境优越，信贷配给效率较高，应带动周边内地地区协调发展，以促进区域信贷配置效率的提高。

第二，建议各省不要一味追求金融发展规模的扩大，追求金融总资产对GDP的占比，而应提高各省自身的市场化程度相对指数，从而促进信贷配给的效率。

第三，对于西北等偏远地区，在市场机制发挥失灵的时候，中央政府应及时给予企业相应的扶持与帮助，以达到信贷资金的合理配置。

当然，本文的研究还存在一些局限性。一方面，本文采用截至2014年的最新数据来做分析研究，由于数据收集时的局限性，存在某些数据的缺失，对其处理都是使用平均数来代替，而信贷配给对某些企业会有一定的季节性，这将会影响实证分析结果存在一定的误差；另一方面，目前市场化进程指数只编写到2010年，而缺失的2011-2014年本文是用平滑指数估算出来的数值代替的，而市场化进程指数应随着经济发展的水平提高而相应升高，因而这也将影响到实证分析的准确结果。所以，在后续的研究中，还有深入研究的必要和可能。

附表

_HUN--X2_HUN104383.22.13E-084.90E+120.0000 _GD--X2_GD886496.41.78E-074.97E+120.0000 _GX--X2_GX148169.74.22E-073.51E+110.0000 _HAIN--X2_HA I N160347.75.17E-063.10E+100.0000 _CQ--X2_CQ113852.52.80E-084.07E+120.0000 _SC--X2_SC347923.65.74E-076.06E+110.0000 _GZ--X2_GZ209202.52.13E-069.83E+100.0000 _YN--X2_YN244221.24.77E-075.12E+110.0000 _XZ--X2_XZ226.93898.33E-092.72E+100.0000 _SHX--X2_SHX46852.263.52E-081.33E+120.0000 _GS--X2_GS201217.52.31E-078.71E+110.0000 _QH--X2_QH-61934.993.47E-06-1.79E+100.0000 _NX--X2_NX25543.811.81E-071.41E+110.0000 _XJ--X2_XJ93682.051.65E-075.69E+110.0000 Fixed Effects(Cross) _BJ--C-180522.3 _TJ--C441980.1 _HB--C-318977.9 _SX--C376867.6 _NMG--C360370.5 _LN--C643636.6 _JL--C777141.7 _HLJ--C621422.0 _SH--C-739802.6 _JS--C79668.35 _ZJ--C-232104.7 _AH--C59122.53 _FJ--C62726.26 _J X--C498782.8 _SD--C-852529.1 _HN--C356811.0 _HUB--C519691.1 _HUN--C540064.0 _GD--C-6971542. _GX--C146500.7 _HA I N--C-4194.165 _CQ--C349659.3 _SC--C-998567.3 _GZ--C-5308.672 _YN--C-326221.1 _XZ--C983671.2 _SHX--C972993.9 _GS--C199873.8 _QH--C1268504.

注：

①面板数据计量经济分析=Econometric analysis of panel data/（美）巴蒂H.巴尔塔基（Badi H.Baltagi）著；白仲林等译.—北京：机械工业出版社，2010，11，281页；26cm.—（经济教材译丛）。

［1］Dwight M Jaffee，Franco Modigliani.A Theory and Test of Credit Rationing［J］.American Economic Review.Dec 1968，Vol.59 Issue 5.

［2］Stephen D Williamson.Costly Monitoring，Loan Contracts，and Equilibrium Credit Rationing［J］.Quarterly Journal ofEconomics，Feb1987，Vol.102Issue 1.

［3］Joseph Stiglitz.Refection on the National Rate Hypothesis［J］. The Journal of Economic Perspectives，1997.11.

［4］SchmidtMohrU.RationingVSCollateralizationin CompetitiveandMonopolisticCreditwithAsymmetric Information［J］.European Economic Review，Jul 1997，Vol.41 Issue 7.

［5］Hung-Jen.Wang.Symmetrical Information and Credit Rationing：Graphical Demonstrations［J］.Financial Analysts Journal.Mar/Apr 2002.

［6］Malick and Chakrabory.The Option to Wait to Invest and Equilibrium Credit Rationing［J］.Journal of Money，Credit and Bank，Feb 2002，Vol.34.

［7］王健.国有商业银行信贷配给论［J］.经济学动态，1997（5）：4-11.

［8］王霄，张捷.银行信贷配给与中小企业贷款［J］.经济研究，2003（6）：68-75.

［9］穆争社.论信贷配给对宏观经济波动的影响［J］.金融研究，2005（1）：74-81.

［10］文远华.中国经济转型时期信贷配给问题研究［M］.上海三联书店，2005.

［11］李文豪.我国银行经营绩效评价标准对信贷配给程度的影响［J］.金融研究，2006（10）：82-89.

［12］陈欣.中国信贷配给问题研究［J］.理论学刊，2007（2）：63-65.

［13］王静，吕罡和周宗放.信贷配给突变分析—破解信贷配给难题的理论模型［J］.金融研究2011（8）：178-191.

［14］任建军，柯善咨.信贷配给和区域经济发展［J］.金融论坛，2011（7）：16-25.

［15］王欣昱.我国信贷配给效率差异性研究—基于31个省域面板数据［J］.云南社会科学，2013（6）：86-98.

［16］苟琴，黄益平.我国信贷配给决定因素分析—来自企业层面的证据［J］.金融研究，2014（8）：1-17.

［17］樊纲，王小鲁.中国市场化指数［M］.北京：经济科学出版社，2010.

【责任编辑：林莎】

F 830

A

1000-260X（2015）04

2015-03-10

陈建华，经济学博士，深圳大学经济学教授、经济学院教授委员会主任、国际金融研究所副所长，从事金融市场研究。李辉，深圳大学金融学硕士研究生，从事金融市场研究。