产业结构对信贷结构的作用机制分析

张 玲，刘 澄

（北京科技大学 东凌经济管理学院，北京 100083）

1 引言及文献综述

中国国民经济发展的第十二个五年规划中，明确提出调整产业结构的要求，产业结构的调整会对资金的再配置产生重要影响。银行业非常关心产业结构调整给其占总资产约70％的信贷资金带来的风险和机遇。然而研究产业结构对金融要素影响的文献却很少，产业结构对信贷结构影响的实证文献更是难觅。基于此，本文将从实证的角度建立计量模型，研究产业结构对银行信贷结构是否有影响以及如何影响。本文中的信贷结构专指信贷结构的行业分布形态。

Anjan Roy指出银行的利润增长受产业结构等外部经济环境因素的影响，并且这种外部影响并非银行可控［1］。徐荣梅认为当产业结构调整升级时，银行也应该积极调整信贷结构以适应变化，培育新的业务增长点［2］，比如支持战略性新兴产业、前瞻性的调整信贷资产结构、降低信贷整合风险。总体上信贷结构与产业结构同向变动（中国人民银行广安市中心支行［3］），两者相互影响和制约，协调时相互促进，不协调时会加剧对方的失衡，在均衡和失衡的动态变动中实现调整、优化［4］。产业结构调整是“因”，它从根本上改变了信贷对象的相对优势，银行为适应这种变化而调整信贷结构，信贷结构调整是“果”。

遗憾的是这些文献都是规范性的，银行更需要以历史实际数据为基础，研究产业结构是否会对信贷结构产生影响，如何产生影响，影响程度如何。因此本文采用实证的方法，构建动态面板模型，研究产业结构对银行信贷结构的影响，藉以为我国银行及其他金融机构的决策提供参考。

2 模型构建与实证检验

2.1 变量选择与模型构建

产业结构一般用两种指标表示：一种是用各产业投入生产要素（劳动力、资金等）的数量对比指标，从各产业间的资源配置的比较上说明产业结构；另一种是用各产业的产出（增加值、实物量等）数量对比指标，从各产业生产经营活动成果比较上说明产业结构。产业结构的改变从产业间投资结构改变开始，因此研究产业结构对信贷结构的影响，应使用表示产业资源配置的投入要素指标。鉴于投资结构与产业结构密切相关，可以从固定资产进行分析［5］。本期固定资产投资增量结构决定着未来产业增长部分的结构，进而对未来产业结构发生影响。本文以各行业的固定资产投资代表该行业的发展，固定资产投资的行业分布即代表了产业结构，并选择各行业的信贷余额代表信贷结构的行业分布。

本文使用面板模型，固定资产投资具有延续性，信贷余额的行业分布也具有一定延续性，因此将解释变量（固定资产投资）的滞后项和被解释变量（银行信贷余额）的滞后项也作为解释变量，构建动态面板模型。模型如下：

其中，loan是银行信贷余额，FAI是固定资产投资，δi是行业的个体特质效应，不随时间变化，εi，t服从正态分布，αj和βk是待估参数。

2.2 数据说明与描述

行业固定资产投资数据和固定资产投资价格指数来源于CEIC数据库，信贷数据来源于中国工商银行年报，样本为2005-2012年的年度数据。共10个行业，其中第二产业4个，第三产业6个，制造业下有9个二级行业①10个行业为：制造业，电力、热力、燃气及水生产和供应业，采矿业，建筑业，交通运输、仓储和邮政业，批发、零售和住宿业，房地产业，水利、环境和公共设施管理业，租赁和商务服务业，科教文卫。制造业细分出的9个二级行业为：化工，机械，金属加工，钢铁，纺织及服装，计算机、通信和其他电子设备，交通运输设备，非金属矿物，石油加工、炼焦及核燃料。，截面单位为19。用固定资产投资价格指数剔除了不同时间的价格变动影响，得到真实固定资产投资和真实信贷余额。对数据做对数化处理，使其趋势线性化，并消除异方差影响。对数真实固定资产投资变量记作lnreal_FAI，对数真实信贷余额记作lnreal_loan，因此模型为：

实证分析采用Stata12.0软件。变量的描述性统计见表1。

表1 模型变量的定义与描述性统计

对存在个体效应的动态面板数据模型，不仅存在时间上的自相关性，而且消除个体效应的组内变换和差分变换导致了模型的内生性［6］，若用面板数据的随机效应或固定效应对模型进行估计，参数估计值在不同程度上是有偏的、非一致的估计量，从而导致由其推导的经济含义也是扭曲的。为了解决这一问题，采用动态面板数据广义矩（GMM）法对模型进行估计。

2.3 面板数据的单位根检验与协整检验

首先检验数据的平稳性以避免“虚假回归”现象。变量lnreal_FAI是平衡面板数据，变量lnreal_loan是非平衡面板数据，因此分别采用IPS检验和Fisher检验，结果见表2。

单位根检验结果表明，全部行业、第二产业及第三产业的lnreal_FAI和lnreal_loan变量都不平稳。一阶差分结果表明，除了第三产业的lnreal_loan变量外，其他变量都为一阶单整I（1）。第三产业lnreal_loan变量为二阶单整I（2）。需要对全部行业和第二产业进一步做面板数据的协整检验。由于样本量的限制，使用拨靴法（Bootstrap）作基于误差修正模型的检验，抽样次数为300次。见表3可以看出，对于全部行业和第二产业，采用OLS估计模型得到的两个组统计量Gt和Ga，以及利用第一阶段的OLS残差计算的两个面板统计量Pt和Pa均在5％的显著水平上无法拒绝原假设，即面板不存在协整关系。

3 估计结果与分析

使用系统广义矩（SYSGMM）对模型进行参数估计。模型中解释变量和被解释变量滞后阶数的选择以二阶相关系数较小和Sargan统计量较小为标准。分别对全部行业、第二产业及第三产业进行估计，结果见表4。扰动项自相关性的检验和过度识别检验的结果一并见表4。

从表4中可以看出，扰动项不存在一阶、二阶自相关，过度识别检验（Sargan test）表明无法拒绝“所有工具变量均有效”的原假设，工具变量（差分方程工具变量为，GMM-type：L（2/.）.lnreal_loan，Standard：D.lnreal_FAI LD.lnreal_FAI，水平方程工具变量为，GMM-type：LD.lnreal_loan）的选择是合理的，因而可采用系统广义矩法进行估计。估计结果显示：

（1）对于全部行业及第二、第三产业内的行业，对数真实信贷余额的一阶滞后项都显著，且参数为较大的正值。这反映出银行前期存量信贷的行业分布对当期信贷的行业分布有较大影响，而存量信贷的行业分布在一定程度上反映了前期的产业结构，因为它是由历史固定资产投资累计形成的；同时银行信贷在行业选择上具有较高的延续性，倾向于对前一年的贷款行业继续放贷。但是对全部行业和第二产业，对数真实信贷余额的二阶滞后项都不显著，只有第三产业的对数真实信贷余额的二阶滞后项显著，表明第三产业有更好的连贯性。第三产业的对数真实信贷余额的二阶滞后项是较小的负值，这可能是由于贷款对象投资的经营成果在一年后显现出来，为银行的再次信贷提供了更多决策依据。

表2 面板数据单位根检验结果

表3 基于误差修正模型的面板协整检验结果

表4 全部行业、第二产业及第三产业的系统广义矩估计结果

（2）对全部行业、第二和第三产业内的行业，当期对数真实固定资产投资变量都显著，为较大的正值，表明行业新增固定资产投资的确是拉动该行业信贷增长的主要因素之一。但其值小于对数真实信贷余额的一阶滞后，表明存量信贷的行业分布比增量信贷的行业分布对信贷结构行业分布的影响更大。对于第三产业，对数真实固定资产投资的一阶滞后不显著。这可能是由于相比较第二产业，第三产业的固定资产投资平均周期较短所致。对于全部行业和第二产业，对数真实固定资产投资的一阶滞后都显著为负，表明若在申请信贷前的上一年度已经有固定资产投资，则不利于获得信贷。

（3）对于全部行业和第二、第三产业内的行业，对数真实固定资产投资二阶及以上的滞后项都不显著，对数真实信贷余额三阶及以上的滞后项都不显著，表明被解释变量与近期的解释变量关系较大，与远期的解释变量关系较小。

4 结论与建议

通过对产业结构和信贷结构的行业分布建立动态面板模型的计量分析，我们可以得出关于产业结构对银行信贷结构影响的以下结论：①前期的产业结构通过存量信贷行业分布的表现形式，对当期信贷结构行业分布产生较大的正面影响，两者同向变动，但在产业结构快速转变的时期，这种影响随着时间延续迅速减小；②产业结构的变动通过增量信贷（当期固定资产投资）行业分布的表现形式，对当期信贷结构行业分布有较大的正面影响，即产业结构的变动会引起信贷结构的同向变动，但其影响力小于存量信贷对信贷结构行业分布的影响；③对于第二产业，增量信贷的行业分布对信贷行业分布的影响时间长于第三产业，对于第三产业，存量信贷行业分布对当期信贷行业分布的影响时间长于第二产业。这3点使我们认识到，产业结构的确对信贷结构的行业分布产生影响，这种影响通过两条途径实现，一是体现前期产业结构的存量信贷行业分布；二是体现产业结构变动的增量信贷行业分布。第一条途径的影响力大于第二条，对于不同的产业，两条途径的作用时长不同。因此当产业结构调整时，银行调整信贷结构的行业分布可以通过两条途径进行，一是完善存量信贷的行业分布，做到信贷在不同行业有进有退；二是改变增量信贷的投放行业。根据两条途径的调整力度不同和对各产业的作用时效不同，选择合适的调整方法。

［1］A Roy.Strategic Positioning and Capacity Utilization：Factors in Planning for Profitable Growth in Banking.［J］.Journal of Performance Management，2010，23（3）：23-58.

［2］徐荣梅.产业积聚效应下的集团客户信用风险表征及识别［J］.金融理论与实践，2009（11）：18-21.

［3］中国人民银行广安市中心支行课题组.信贷结构与产业结构的协调性研究［J］.西南金融，2012（1）：54-56.

［4］庞贞燕.河南省信贷结构与产业结构的对比分析［J］.金融理论与实践，2012（7）：30-34.

［5］吴多莉.信贷资金对投资与产业结构目标导向［J］.金融研究，1993（10）：19-23.

［6］S N.Biases in dynamic models with fixed effects［J］.Econometrica，1981，49（6）：1417-1426.