“所有制歧视”VS“规模歧视”：谁对企业全要素生产率的危害更大

刘忠 李殷

摘要：以国有银行为主导的银行业体系背景下，中国企业在银行信贷过程中往往遭遇“所有制歧视”或者“规模歧视”，从而导致企业在申请贷款时需要向银行工作人员支付非正式费用才能获得信贷资源，产生银行信贷腐败。本文利用世界银行2005年对中国的投资环境调查数据与2004—2007年中国工业企业数据库的微观数据，实证分析了地区信贷腐败对企业全要素生产率（TFP）的影响。研究发现，地区信贷腐败与企业TFP呈现“倒U”型关系。进一步的模拟分析表明，单独消除“规模歧视”能够给企业TFP带来较大提升；而单独消除“所有制歧视”，尽管会降低企业参与银行信贷腐败的概率，但却给企业整体TFP带来较小的负面影响。只有同时消除“所有制歧视”与“规模歧视”，才能既促进企业整体TFP水平的提升，又降低企业参与银行信贷腐败的概率。这一结果表明，“规模歧视”对企业TFP的危害更大。

关键词：全要素生产率；所有制歧视；规模歧视；银行信贷腐败；地区信贷腐败

文献标识码：A文章编号：1002-2848-2018（03）-0045-12

一、 引 言

世界银行发布的《2014年全球营商环境报告》显示，信贷融资便利度排名中国排第73位，融资约束是中国企业发展的重要阻碍。不仅如此，国有企业与民营企业之间、大型企业与中小微型企业之间的信贷歧视也是中国经济转型过程中所特有的现象。以四大国有银行为主导的中国独特的银行业体系，导致了信贷资源的垄断性和稀缺性。国有银行具有严重的信贷歧视，倾向于为国有企业提供信贷，同时压抑对私人部门的信贷[1]，造成严重的“所有制歧视”[2-4]。此外，考虑到中小微型企业规模较小，经营活动透明度差，本身面临较高风险等因素，银行往往不愿意向这类企業提供融资，形成对这类企业的“规模歧视”[5-7]。

银行信贷资金的配置效率是决定企业发展的重要因素，直接关系企业的生产经营活动。银行信贷是广大中小微型企业的主要外部融资来源[8-9]，当这类企业在银行信贷过程中因遭遇“所有制歧视”或者“规模歧视”而无法顺利融资时，就可能通过贿赂银行信贷人员的方式来提高获得贷款的概率，从而产生银行信贷腐败。银行信贷腐败不仅泛指那些难以获得资金的企业贿赂银行信贷人员以获得所需贷款，也泛指企业为了维持银企关系向银行信贷人员支付非正式费用[10]。当前，关于银行信贷腐败对企业经济影响的文献相对缺乏，已有的文献主要集中在考察银行信贷腐败对企业融资约束的影响，并且形成了两种不同的结论：一种结论认为在制度和法律不完善的背景下，企业采用走后门、贿赂等手段有助于获取信贷资源，提高企业的信贷可得性[11-12]。另一种结论则认为信贷腐败是一种寻租行为，扭曲了银行正常信贷渠道，加剧了信贷市场的逆向选择和道德风险，造成信贷资源配置扭曲，增加了企业借款成本，降低了企业的信贷可得性[13-15]。

全要素生产率（TFP）是衡量企业生产经营效率的关键指标，当前只有三篇文献探究了腐败对企业TFP的影响[16-18]。本文与这三篇文献的不同之处在于：①这三篇文献均只揭示了政治腐败与TFP之间的一种影响关系，并没有进一步探究政治腐败影响企业TFP的机制。本文则侧重研究地区信贷腐败对企业TFP的影响，并且从融资约束的角度揭示了地区信贷腐败影响企业TFP的机制。②这三篇考察政治腐败对企业TFP影响的文献，无法用于考察“所有制歧视”或者“规模歧视”对企业信贷腐败行为的影响，进而无法反映出“所有制歧视”或者“规模歧视”哪一种对企业TFP的影响更大，更无法分析当消除“所有制歧视”或者“规模歧视”时，会对企业TFP产生怎样的影响。本文研究发现，私营企业以及中小微型企业在银行信贷过程中会面临“所有制歧视”与“规模歧视”，导致这两类企业参与银行信贷腐败的概率更高。通过一系列模拟分析发现，单独消除“规模歧视”能够给企业TFP带来4.36%的提升；单独消除“所有制歧视”却会小幅度降低企业整体TFP（-0.86%）。而当同时消除“所有制歧视”与“规模歧视”时，企业整体TFP水平将提升3.96%。这一结果表明，相比“所有制歧视”，“规模歧视”对企业TFP的危害更严重。

本文余下的内容安排如下：第二部分是相关文献综述，第三部分为本文的实证模型设定、变量和数据来源介绍，第四部分为相应的实证结果分析与讨论，第五部分为模拟分析，最后一部分是政策启示与不足。

二、 文献综述

中国企业在获取银行贷款过程中存在“所有制歧视”[2-4]。银行在信贷配置过程中更偏爱国有企业，而对非国有企业无论是贷款额度、融资成本，还是债务担保能力、融资条件都实行更严格的控制和约束[4]。具体表现为国有企业的投资资金中超过30%来源于银行信贷，而私营企业的这一比例却不足10%[3]。造成银行信贷偏向国有企业的原因，一方面是国有企业“政治关系”多，预算约束软[2]；另一方面也可能是基于政府干预下的次优选择[19-20]。因此本文预测，在“所有制歧视”背景下，非国有企业相比国有企业，更倾向于参与银行信贷腐败以获取信贷资金，并且国有企业与非国有企业TFP受到银行信贷腐败的影响存在显著差异。

与“所有制歧视”观点不同的是，部分学者认为，随着中国市场经济发展程度的不断提高，企业所面临的融资困境将会从“所有制歧视”转向“规模歧视”[21]，银行信贷过程中“规模歧视”表现更加突出[5，7]。随着我国市场经济体制的建立以及金融制度的深化改革，银行经营自主性有了明显提高，开始依据市场效率标准来进行信贷资金配置[9]。大规模企业由于资金雄厚、在市场上具有一定的信誉、信息相对透明，往往被认为信贷风险低，银行更愿意为这类企业提供信贷资金，由此造成中小微型企业在信贷融资中遭受“规模歧视”[5]。同样地，在“规模歧视”背景下，本文预测，中小微型企业相比大型企业，更倾向于参与银行信贷腐败以获取信贷资金，并且大型企业与中小微型企业TFP受到银行信贷腐败的影响存在显著差异。

值得注意的是，上述文献绝大多数只是揭示了企业在银行信贷过程中存在“所有制歧视”或者“规模歧视”的现象，却少有文献研究“所有制歧视”或者“规模歧视”会对企业造成何种经济后果。有相关文献发现，“所有制歧视”会显著降低民营上市公司的股票回报，损害民营上市公司投资者的利益[22]，损害民营企业的成长[23]，降低国有企业创新产出[1]，对制造业总体以及整体经济效率造成拖累[24]，导致社会的整体福利损失[25]。仅有一篇文献同时考察“所有制歧视”与“规模歧视”对我国制造业上市公司融资成本以及技术创新的影响[26]。不难发现，上述文献主要集中在“所有制歧视”的影响方面，而对“规模歧视”经济后果的研究则严重不足，表明现有的研究过分关注“所有制歧视”，严重忽略“规模歧视”的经济影响。本文的研究则发现，“规模歧视”所引发的银行信贷腐败对企业TFP的影响作用远大于“所有制歧视”，消除银行信贷过程中的“规模歧视”能够给企业TFP带来较大幅度提升，这一发现是对以往文献的重要补充。

三、 模型、变量与数据说明

（一）样本选取与数据来源

本文数据来源于2005年世界银行联合中国国家统计局对中国30个省区市（西藏及港澳台地区除外）120个城市开展的“企业投资与经营环境调查”问卷和国家统计局发布的2004—2007年中国工业企业数据库。世界银行调查问卷数据共包括12400家被调查企业，涵盖全部省会城市，其中北京、天津、上海、重庆4个直辖市各随机抽样调查了200家企业，剩余116个城市各抽样调查了100家企业。该调查包含企业的基本信息和财务信息两大部分。2004—2007年国家统计局公布的工业企业数据库，涵盖了所有销售额大于500万元的国有企业和规模以上的非国有企业的基本情况，同样包括企業基本信息情况和财务数据两大部分。该数据库因其样本量大，代表性强等优点而被广泛采用[3，18，27]。

（二）主要变量定义

1.被解释变量

本文的被解释变量为企业TFP的对数值（tfp）。关于企业TFP的估算，目前主流的测算方法是以OP和LP为代表的半参数方法[28-29]。OP和LP方法的共同思路均是寻找无法观测的生产率冲击的替代变量，其中OP方法将企业投资作为TFP的代理变量，LP方法采用中间投入变量作为TFP的代理变量。由于使用OP方法时会因为样本中很多企业不存在投资而导致样本的大量损失，所以本文将采用修正的LP方法来计算企业TFP。

2.解释变量

本文的核心解释变量是地区信贷腐败（rot）。根据世界银行调查问卷中第H4个问题“企业申请银行贷款时，是否需要向银行的信贷人员支付非正式费用”进行处理设置。此处的非正式费用即为银行信贷腐败，因此对于回答“是”的企业，本文认为其参与银行信贷腐败，否则认为企业没有参与银行信贷腐败。由于中国工业企业数据库与世界银行调查问卷中涉及的样本企业不同，我们无法衡量工业企业数据库中每家企业是否参与银行信贷腐败。为此，本文将首先根据世界银行调查问卷构建衡量120个城市层面的地区信贷腐败指标，然后与工业企业数据库按城市进行匹配。具体而言，使用世界银行调查问卷中每个城市参与银行信贷腐败的企业数占该城市总企业数的比例作为对该城市的地区信贷腐败的衡量，即rot=（城市中参与银行信贷腐败的企业数/该城市总企业数）×100，变量rot的值介于0与100之间。考虑到地区的腐败行为与制度、文化、传统等因素密切相关[30]，本文假设地区信贷腐败的变化具有缓慢性和持续性的特点，从而认为其在样本考察期2004—2007年之间是保持不变的，最后将该指标与工业企业数据库按城市匹配得到本文的最终样本。表1是基于世界银行调查问卷计算得到的信贷腐败程度分城市以及分企业所有制与规模的分布情况。

表1显示，在被抽查的120个代表性城市中，有75.83%城市的地区信贷腐败位于0～9之间，没有地区信贷腐败超过30的城市。同时，120个城市中还有7个城市（分别为廊坊、大庆、绍兴、厦门、九江、赣州和上饶）所在的企业对于第H4问题的回答为0，但这并不能说明这7个城市没有地区信贷腐败行为，因此本文做缺失值处理。本文也尝试将这7个城市的地区信贷腐败当作0值处理，结果发现不影响本文的主要结论。

表2是对企业分所有制与规模计算的信贷腐败分布情况。结果发现，中小微型企业参与银行信贷腐败的比重均超过大型企业（集体企业除外）。并且，私营企业里的中小微型企业参与银行信贷腐败的占比在全部所有制企业中最高。这一结果不仅符合预期，也证实了中小微型企业，特别是私营企业里的中小微型企业融资难的困境，这类企业为了缓解融资约束，更可能会参与银行信贷腐败。

表2的结果表明，相较于国有企业和大型企业，私营企业或者中小微型企业参与银行信贷腐败的频率更高，这在一定程度上验证了企业在银行信贷过程中面临着“所有制歧视”或者“规模歧视”。为了进一步验证这两种歧视的存在，本文利用世界银行调查问卷，采用LOGIT模型来考察不同所有制类型以及不同规模类型企业参与银行信贷腐败的概率，具体的LOGIT模型为：

其中，下标i、c分别代表企业与城市。式（1）左侧为企业是否参与银行信贷腐败（虚拟变量cor）的概率，式（2）中右侧包含企业的所有制类型虚拟变量（clc、for、pri与ble分别表示集体企业、外资企业、私营企业以及混合企业）和规模类型虚拟变量（mid与lit分别代表中型企业与小微型企业），以国有企业（soe）与大型企业（big）作为基准。Z为企业层面控制变量，本文主要控制企业规模（size）以及企业是否与政府存在政治关联虚拟变量（pc）。其中，企业规模用全部员工人数的对数值表示；pc根据世界银行调查问卷中第I3道题“企业的总经理是否由政府任命”的回答结果进行设置。表3为LOGIT模型的回归结果。表3结果显示，私营企业相比国有企业，中小微型企业相比大型企业，其参与银行信贷腐败的概率更高，从而佐证了银行信贷过程中“所有制歧视”以及“规模歧视”的存在。

（三）模型设定

为了检验地区信贷腐败对企业TFP的影响，本文将构建如下模型：

其中，下标i、j、c与t分别代表企业、行业、城市与年份。tfp为计算得到的企业TFP的对数值，rot与rots分别代表企业所在城市的地区信贷腐败及其平方项。X为一系列控制变量，ε为相应的测量误差。ind表示行业固定效应，year表示年份固定效应。此外，本文也尝试在构建地区信贷腐败指标时，采用扣除自身企业的方法重新构建地区信贷腐败（rot1）及其平方项（rots1），结果发现并不影响本文的主要结论。

控制变量部分，为使估计的结果稳健，本文从城市、行业以及企业三个角度来选取控制变量。其中城市层面的控制变量主要包括：人口总数对数值（pop）；人均实际GDP对数值（gdp）；所属地区虚拟变量（east和cen），分别作为东部与中部的代理变量；地区政治腐败（dec），根据世界银行调查问卷财务信息部分第B2个问题企业的“招待费支出”，计算得出该企业“招待费支出”占主营业务收入的比例，然后对每个城市所有企业求这个比例的均值作为该地区政治腐败的衡量指标。行业层面的控制变量主要有：行业规模（sca），使用行业的工业总产值衡量；行业集中度（hhi），采用赫芬达尔指数衡量。企业层面的控制变量主要有：

企业的年龄（age）及其

平方项（ages）

；企业规模（size）；

企业是否出口虚拟变量（exp）；

企业是否从事研发虚拟变量（rd）；

企业所有制虚拟变量（clc、for、pri与ble）；

企业规模虚拟变量（mid与lit）；

企业是否获得补贴虚拟变量（sub）；企业的资本劳动比（kl），采用人均固定资产衡量。这些控制变量中，城市层面变量来源于各城市历年统计年鉴；地区政治腐败变量来源于世界银行调查问卷；其余变量均来自中国工业企业数据库。本文根据城市代码，将城市层面控制变量与中国工业企业数据库相匹配。

四、 主要结果分析

（一）整体样本的回归结果分析

为了验证地区信贷腐败对企业TFP的影响，本文首先考察全样本的回归结果。表4结果显示，在加入全部控制变量后，

地区信贷腐败的一次项系数在1%置信水平上显著为正，二次项系数在1%置信水平上显著为负，这说明地区信贷腐败与企业TFP之间并不是简单的线性关系，而是一种非线性的“倒U”型曲线关系。以第（3）列结果为例，当企业所在城市的地区信贷腐败超过拐点值18.92时，地区信贷腐败就会对企业TFP产生抑制作用。

除了核心解释变量，所有控制变量的系数的符号在第（1）～（3）列之间相对稳定，未发生变化：人口总数对数值（pop）和人均实际GDP对数值（gdp）系数显著为正。地区政治腐败（dec）对企业TFP存在显著负影响，论证了政治腐败“掠夺之手”的观点。行业规模（sca）对企业TFP影响并不显著，代表行业集中度（hhi）的系数显著为负，这与传统的结论一致，一般而言行业集中度越高，行业内的竞争程度越低，垄断性越高，该行业内企业的生产率越低。

企业年龄（age）的系数显著为正，而年龄平方项（ages）的系数显著为负，与已有研究结论一致[31]。企业规模（size）在1%水平上会显著促进企业TFP，符合“熊彼特假说”的一般理论，即企业规模越大，越有利于技术创新，生产率相对越高。企业研发（rd）同样在1%水平上显著促进企业TFP。企业出口系数（exp）显著为负，可能是因为国内市场存在分割，导致出现出口的“生产率悖论”[32]。企业所有制虚拟变量系数表明，私营企业的TFP低于国有企业，而其他类型企业的TFP则高于国有企业，可能与私营企业面临严重的融资约束问题有关。企业规模虚拟变量结果表明，中型企业以及小微型企业的TFP均显著低于大型企业，并且小微型企业的TFP最低，这符合预期。政府补贴（sub）显著抑制企业TFP，可能与企业的“寻租补贴”投资以及补贴面临的道德风险与逆向选择风险有关[33]。企业的资本劳动比（kl）显著促进企业TFP，原因在于資本密集型企业更重视设备更新和研发投入，从而具有更高的生产率水平。

（二）分企业所有制样本的回归结果分析

表2与表3的结果已经论证了企业在银行信贷过程中是存在“所有制歧视”的，表现为私营企业参与银行信贷腐败的概率更高。因此，有必要利用分所有制样本来验证地区信贷腐败对不同所有制企业影响的差异，具体回归结果见表5。结果显示，对于国有企业与混合所有制企业，地区信贷腐败对其TFP没有影响；而对于外资企业，地区信贷腐败对其TFP影响却呈现显著的“U”型关系；剩余的集体企业与私营企业，地区信贷腐败则对其TFP均有着显著的“倒U”型效应。

为什么地区信贷腐败对不同所有制企业的影响会出现差异呢？中国是一个特殊的转型经济体国家，在由计划经济向市场经济转型的过程中，政府始终发挥重要作用，中国经济在某种程度上可以认为是一种管制型经济[34]。不同所有制企业与政府关系之间的差别，主要是由于在管制环境下政府通常根据企业所有制和规模两个标准对企业实行差别化政策[18]。国有企业的天然优势，使其能从银行优先获得各种信贷资金，因此，国有企业实施银行信贷腐败可能性低，地区信贷腐败对其TFP没有影响。集体企业是一种特殊所有制企业，这类企业是私有制与政府控制的混合体[35]，尽管在一定程度上与政府的关联可以帮助集体企业获得生产资源或者基础设施，但这是建立在更高的代理成本基础上的。所以一定程度的地区信贷腐败对集体企业TFP存在促进作用，而更高程度的腐败反过来会加深地方政府对企业的控制，导致更高的代理成本从而不利于集体企业TFP[34]。对于私营企业，其所有制身份最为弱势，更可能通过腐败的方式去获取信贷资源，所以地区信贷腐败对私营企业的TFP具有正向效应。根据表5中的拐点值以及表1中地区信贷腐败程度的分布可知，地区信贷腐败对绝大部分城市的私营企业TFP只具有正向促进作用。对于外资企业，其本身的规模及资金状况均存在显著竞争优势，它同样不需要通过腐败手段去贿赂银行机构，所以一定程度的地区信贷腐败行为反而对其TFP有显著负效应，只有当地区信贷腐败超过其拐点值10.81时，才会促进外资企业的TFP。

（三）分企业规模样本的回归结果分析

表2与表3的结果同样论证了企业在银行信贷过程中会面临“规模歧视”，表现为中小微型企业参与银行信贷腐败的概率更高。因此，有必要分企业规模样本研究地区信贷腐败对不同规模的企业TFP的影响。表6为具体回归结果，其中控制变量部分除未控制企业规模虚拟变量外，其余控制变量与表4第（3）列相同。表6的结果显示，对于大型企业而言，地区信贷腐败对其TFP没有影响；对于中型企业，地区信贷腐败对其TFP呈现“倒U”型影响；对于小微型企业，根据表6中的拐点值以及表1中信贷腐败程度的分布可知，地区信贷腐败对绝大部分城市的小微型企业TFP只有正向促进作用。表6的结果表明，大型企业参与银行信贷腐败的动机不足，地区信贷腐败并不能带给大型企业效率的提升。而中小微型企业因为获取资金的约束更严格，所以更加倾向通过参与银行信贷腐败来缓解资金短缺，进而提升自身TFP。

（四）地区信贷腐败影响企业TFP的机制检验

正如上述论证，银行信贷腐败的出现是由于中国信贷市场扭曲，私营企业和中小微型企业面临信贷歧视导致融资不足。融资约束所带来的资金不足会导致企业无法做出最优的投资决策行为，甚至出现扭曲资源配置的行为，从而降低企业TFP[36-37]。另一方面，企业参与银行信贷腐败能够为企业获取更多的信贷资源，提高企业的信贷可得性，缓解企业的融资约束[10]。当然企业也可以通过政治腐败与政府官员建立联系等寻租行为来干预银行的信贷配置，众多的结论也支持政治关联显著提高了企业的信贷获得能力，缓解了企业的融资约束压力[38-39]。但在银行信贷腐败与政治腐败两者之间，银行信贷腐败的作用更直接，因此本文试图考察银行信贷腐败是否能够降低融资约束对企业TFP的负面影响。具体而言，本文采用企业利息支出占总负债的比值作为企业融资约束的指标（int），该数值越大表明企业所需支付利息率越高，企业的融资约束越大。然后分别构建融资约束与地区信贷腐败及其平方项的交叉项（roti与rotsi），代入式（3）中，其余控制变量与表4第（3）列相同，具体回归结果见表7。

表7的结果显示，当没有地区信贷腐败时，企业融资约束对企业TFP的影响是-0.60%；当企业面临一定程度地区信贷腐败时，这一负向效果将下降0.19%。同时，若将融资约束固定在私营企业融资约束水平的中间值水平（2.45%），当地区信贷腐败超过拐点值14.77时，地区信贷腐败将会加剧企业的融资约束后果；若将融资约束固定在小微型企业融资约束水平的中间值水平（2.24%），当地区信贷腐败超过拐点值14.34时，地区信贷腐败将会加剧企业的融资约束后果。但在拐点值之前，地区信贷腐败均可以通过缓解企业的融资约束问题来降低融资约束对企业TFP的不利影响。

五、 模拟分析

表4第（3）列中的企业所有制及规模虚拟变量均显著，说明所有制和规模属性直接与企业TFP相关。表5至表7中的回归结果则表明，rot及其平方项rots的系数随企业所有制、企业规模和融资约束的变化而变化，这表明企业在银行信贷过程中面临的“所有制歧视”与“规模歧视”会通过两种途径影响TFP：①直接影响TFP；②通过企业所有制、企业规模和融资约束交互项来影响TFP。据此，将原回归式（3）进行拓展，假设式（3）中变量rot及其平方项rots的系数α1与α2分别满足：

上述设置将rot及其平方项rots与企业所有制、企业规模和融资约束交互项并入。回归结果见表8。表8第（1）和第（2）列中的模型为表8第（3）列模型的系数受限模型（或称嵌套模型）

[ZW（DY]即表8第（3）列模型中存在但在第（1）或第（2）列模型中不存在的变量的系数同时限制为0所产生的模型。[ZW）]。对表8第（3）列中存在但第（1）或第（2）列中不存在的变量，做系数同时为0的F测试，其P值均接近于0，拒绝原假设，表明第（3）列中的模型比第（1）、第（2）列中的模型更優[40]。值得指出的是，表4至表7中的所有模型均是表8第（3）列模型不同程度的系数受限模型。因此，本文以表8第（3）列中的模型来进行下述模拟分析。

本部分的主要目的是模拟假设有政策，如政府强制要求银行消除“所有制歧视”与“规模歧视”时，相应的企业TFP会发生怎样的变化。根据表3结果，银行信贷腐败与企业所有制和企业规模有关，因此本文分四种不同情形重新构建120个城市的地区信贷腐败指标，与工业企业数据库依据城市重新进行匹配，然后结合表8第（3）列的回归结果得到模拟结果。具体的四种情形为：

情形1是直接根据表3的LOGIT回归结果，预测得到每个企业参与银行信贷腐败的概率pro1。

情形2则是根据表3的LOGIT回归结果，假设当所有的非国有企业均被视为国有企业，并且所有的中小微型企业均被视为大型企业时，预测得到每个企业参与银行信贷腐败的概率pro2。

情形3是根据表3的LOGIT回归结果，假设当所有的非国有企业均被视为国有企业，而“规模歧视”不变时，预测得到每个企业参与银行信贷腐败的概率pro3；

情形4是根据表3的LOGIT回归结果，假设当所有中小微型企业均被视为大型企业，而“所有制歧视”存在时，预测得到每个企业参与银行信贷腐败的概率pro4。然后重新加总平均计算得到四种情形下120个城市整体的地区信贷腐败，依次表示为rot1、rot2、rot3和rot4。

根据表8第（3）列的回归模型，首先假设存在“所有制歧视”与“规模歧视”，利用情形1构建的地区信贷腐败指标（rot1），本文可以得到此时样本中每个企业的tfp1。然后，假设当其他条件不变时，所有的非国有企业均被视为国有企业，并且所有的中小微型企业均被视为大型企业，利用情形2构建的地区信贷腐败指标（rot2），本文可以计算出此条件下样本中每个企业的tfp2。最后，计算tfp2与tfp1的差值并求均值，即可视为两种歧视均不存在时，整体样本企业TFP的变动情况，具体的差值公式如下：

表9为模拟分析的具体结果。表9的结果说明，消除“规模歧视”能够给企业TFP带来较大提升；消除“所有制歧视”尽管会降低企业参与银行信贷腐败的概率（见表3），却不能改善企业的TFP，反而会小幅度加剧对企业TFP的负面影响。只有同时消除两种歧视，才能改善整体样本企业TFP，特别是改善私营企业以及小微型企业的TFP。

六、 政策启示与不足

本文首次尝试了研究地区信贷腐败对企业TFP的影响。主要结论特别是模拟分析的结果表明，相关政策应重点着眼于消除银行信贷过程中的“规模歧视”。中小微型企业是国民经济的重要组成部分，在经济发展中起着举足轻重的作用。近年来，中小微型企业融资问题凸显，在推进供给侧结构性改革的当下，如何解决这一问题将关系到整个经济的发展。根据本文的结论，正是因为私营企业或者小微型企业在银行信贷过程中处于受歧视一方，为了缓解自身的融资约束，才会更倾向于参与银行信贷腐败，造成地区信贷腐败的增加。因此，为了消除银行信贷过程中对这类企业的歧视，应该制定相关政策法规促使银行业做到“公正、公平、公开”，减少对中小微型企业的各种信贷歧视，特别是“规模歧视”，提高银行信贷的透明度，确保广大中小微型企业有公平合理的融资环境。其次，政府还应加强多层次金融市场建设，适当限制国有大银行的市场份额，推动中小银行的发展，鼓励民营银行尤其是小型民营银行以及互联网金融发展，为广大中小微型企业提供更多的融资机会与资源。同时，必须加快中国银行业的市场化改革和法治环境的建设，深化金融体制改革，改善现有金融市场国有银行垄断的局面，扼制银行信贷腐败。

此外，本文的研究也存在几处不足。首先，关于地区信贷腐败程度的衡量指标，由于腐败本质上是一种隐蔽且非法的行为，如何准确衡量腐败指标始终值得深究。其次，直接运用调查问卷的数据会产生测量误差，这是调查问卷的固有缺陷。本文在模型回归过程中，加入地区、时间以及行业虚拟变量进行控制，这些虚拟变量的加入已被证明能够在一定程度上缓解偏误[41]。最后，受限于数据可得性，本文只是初步探讨和揭示了地区信贷腐败与企业TFP之间的关系，并且发现不同所有制、不同规模企业TFP受地区信贷腐败影响程度存在显著差异，但是并没有深入揭示产生这些差异的原因或者机制是什么。理解这些结果背后的原因或机制，对于更好地理解企业在银行信贷过程中为什么会面临“所有制歧视”或者“规模歧视”，以及如何采取必要措施消除相应歧视都是十分重要的，这也是今后值得研究的重点。

参考文献：

[1] 戴静， 张建华. 金融所有制歧视、所有制结构与创新产出——来自中国地区工业部门的证据 [J]. 金融研究， 2013（5）： 86-98.

[2] 江伟， 李斌. 制度环境、国有产权与银行差别贷款 [J]. 金融研究， 2006（6）： 116-126.

[3] Song Z， Storesletten K， Zilibotti F. Growing like China [J]. American Economic Review， 2011， 101（1）： 196-233.

[4] 李靜， 彭飞， 毛德凤. 企业金融资源配置： 禀赋差异抑或所有制歧视 [J]. 南方经济， 2013（6）： 49-61.

[5] 白俊， 连立帅. 信贷资金配置差异： 所有制歧视抑或禀赋差异？ [J]. 管理世界， 2012（6）： 30-42.

[6] 张杰， 刘元春， 翟福昕， 等. 银行歧视、商业信用与企业发展 [J]. 世界经济， 2013（9）： 94-126.

[7] 苟琴， 黄益平. 中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.

[8] Beck T， DemirgucKunt A， Maksimovic V. Financing patterns around the world： Are small firms different？ [J]. Journal of Financial Economics， 2008， 89（3）： 467-487.

[9] Firth M， Lin C， Liu P， et al. Inside the black box： Bank credit allocation in Chinas private sector [J]. Journal of Banking and Finance， 2009， 33（6）： 1144-1155.

[10] 朱晶晶， 粟勤. 地区信贷腐败与企业融资约束——来自世界银行中国企业问卷调查的证据 [J]. 云南财经大学学报， 2016（5）： 121-135.

[11] Chen Y， Liu M， Su J. Greasing the wheels of bank lending： Evidence from private firms in China [J]. Journal of Banking and Finance， 2013， 37（7）： 2533-2545.

[12] 李后建， 张宗益. 贿赂、腐败与银行信贷资源配置： 审视正式制度的作用 [J]. 南京社会科学， 2014（2）： 23-32.

[13] Fisman R， Svensson J. Are corruption and taxation really harmful to growth？ Firm level evidence [J]. Journal of Development Economics， 2007， 83（1）： 63-75.

[14] Weill L. How corruption affects bank lending in Russia [J]. Economic Systems， 2011， 35（2）： 230-243.

[15] Park J. Corruption， soundness of the banking sector， and economic growth： A crosscountry study [J]. Journal of International Money and Finance， 2012， 31（5）： 907-929.

[16] Cai H， Fang H， Xu L C. Eat， drink， firms and government： An investigation of corruption from the entertainment and travel costs of Chinese firms [J]. Journal of Law and Economics， 2011， 54（1）： 55-78.

[17] De Rosa D， Gooroochurn N， Gorg H. Corruption and productivity： Firmlevel evidence [J]. Journal of Economics and Statistics， 2015， 235（2）： 115-138.

[18] 聂辉华， 张彧， 江艇. 中国地区腐败对企业全要素生产率的影响 [J]. 中国软科学， 2014（5）： 37-48.

[19] 方军雄. 所有制、制度环境与信贷资金配置 [J]. 经济研究， 2007（12）： 82-92.

[20] 余明桂， 潘红波. 政府干预、法治、金融发展与国有企业银行贷款 [J]. 金融研究， 2008（9）： 1-22.

[21] 张捷， 王霄. 中小微型企业金融成长周期与融资结构变化 [J]. 世界经济， 2002（9）： 63-70.

[22] 陆正飞， 祝继高， 樊铮. 银根紧缩、信贷歧视与民营上市公司投资者利益损失 [J]. 金融研究， 2009（8）： 124-136.

[23] 刘瑞明. 金融压抑、所有制歧视与增长拖累——国有企业效率损失再考察 [J]. 经济学（季刊）， 2011（2）： 603-618.

[24] 徐思远， 洪占卿. 信贷歧视下的金融发展与效率拖累 [J]. 金融研究， 2016（5）： 51-64.

[25] 肖争艳， 郭豫媚， 郭俊杰. 中国信贷歧视的福利成本 [J]. 经济理论与经济管理， 2015（10）： 46-55.

[26] 王贞洁. 信贷歧视、债务融资成本与技术创新投资规模 [J]. 科研管理， 2016（10）： 9-17.

[27] Brandt L， Biesebroeck V J， Zhang Y. Creative accounting or creative destruction？ Firmlevel productivity growth in Chinese manufacturing [J]. Journal of Development Economics， 2012， 97（2）： 339-351.

[28] Olley S， Pakes A. The dynamics of productivity in the telecommunications equipment industry [J]. Econometrica， 1996， 64（6）： 1263-1297.

[29] Levinsohn J， Petrin A. Estimating production function using inputs to control for unobservables [J]. Review of Economic Studies， 2003， 70（2）： 317-341.

[30] 張璇， 李春涛， 林倩莹. 政治腐败对居民收入的影响——基于中国居民微观调查的证据 [J]. 南方经济， 2015（1）： 18-36.

[31] 黄玖立， 冼国明. 企业异质性与区域间贸易： 中国企业市场进入的微观证据 [J]. 世界经济， 2012（4）： 3-22.

[32] 李春顶. 中国企业“出口—生产率悖论”研究综述 [J]. 世界经济， 2015（5）： 148-175.

[33] [ZK（]邵敏， 包群. 政府补贴与企业生产率——基于中国工业企业的经验分析 [J]. 中国工业经济， 2012（7）： 70-82.

[34] Jiang T， Nie H H. The stained China miracle： Corruption， regulation， and firm performance [J]. Economics Letters， 2014， 123（3）： 366-369.

[35] Lu J Y， Tao Z G， Yang Z. The costs and benefits of government control： Evidence from Chinas collectivelyowned enterprises [J]. China Economic Review， 2010， 21（2）： 282-292.

[36] 何光辉， 杨咸月. 融资约束对企业生产率的影响——基于系统GMM方法的国企与民企差异检验 [J]. 数量经济技术经济研究， 2012（5）： 19-35.

[37] 赵春明， 文磊， 赵梦初. 融资约束对企业全要素生产率的影响——基于工业企业数据的研究 [J]. 经济经纬， 2015（3）： 66-72

[38] Claessens S， Feijen E， Laeven L. Political connections and preferential access to finance： The role of campaign contributions [J]. Journal of Financial Economics， 2008， 88（3）： 554-580.

[39] 于蔚， 汪淼军， 金祥荣. 政治关联和融资约束： 信息效应与资源效应 [J]. 经济研究， 2012（9）： 125-139.

[40] Greene W H. The econometric approach to efficiency analysis [M]. Oxford： Oxford University Press， 2007.

[41] Desai R M， Olofsgard A. The costs of political influence： Firmlevel evidence from developing countries [J]. Quarterly Journal of Political Science， 2011（6）： 137-178.