产能过剩对信贷资源配置效率的影响

王立国　赵婉妤

内容提要：基于世界银行2012年中国企业调查的微观数据，综合运用Probit、Tobit、OLS方法从企业层面实证检验产能过剩对信贷资源配置效率的影响，并运用IV-Probit、IV-Tobit、2SLS法控制了模型的内生性问题。研究发现：产能过剩造成了信贷资源配置的扭曲;采用工具变量处理内生性问题后，结论依然成立;进一步的异质性检验表明，信贷资源错配情况在政企关系紧密、企业位于产能过剩行业和企业位于金融生态环境较差的地区时更为严重。鉴于此，应重视产能过剩的潜在金融风险，建立化解产能过剩的长效机制;银行部门应提高风险定价能力;政府部门要明确自身的行为边界，以纠正信贷资源错配。

关键词：信贷资源配置效率;产能过剩;金融供给侧结构性改革;产能利用率

中图分类号：F124    文献标识码：A    文章编号：1003-7543（2019）12-0133-13

现阶段，我国正处于重要战略机遇期，转变经济发展方式是当前最重要的目标之一。改善要素的配置效率则是实现经济高质量发展、产业发展新旧动能转换的内生性要求[1]。我国以银行为主导的金融体系的资源配置行为对经济发展有着重要的影响。然而，当前我国商业银行的信贷资源配置表现不佳[2]。中共中央政治局第十三次集体学习提出的金融供给侧结构性改革需要解决的核心问题便是金融供给总量过剩但结构失衡，需要把握的关键环节是增加有效供给，缩减无效供给[3-4]。一方面，占用着巨额信贷资金的僵尸企业投资效率堪忧，只能依赖政府救助和银行“输血”而得以残存，造成银行不良贷款率上升，信贷资源供给低效甚至无效。信贷配置低效直观表现为不良贷款余额的飙升。截至2019年第二季度末，我国商业银行不良贷款余额达2.24万亿元，不良贷款率达到1.81%①。统计结果表明，2012年以来，商业银行的不良贷款余额和不良贷款率一直同步提高并持续长达19个季度。不良贷款率在2016年第四季度也仅仅是环比降低了0.02个百分点，就再次恢复上升趋势。另一方面，有效供给不足体现在支持经济发展的关键领域并没有得到足够的信贷支持，战略性新兴产业企业和小微企业融资约束严重，特别是小微企业。2018年世界银行发布的发展中国家中小微企业融资缺口数据显示，中国中小微企业融资供给总额为2.48万亿美元，潜在融资需求总额达4.37万亿美元，融资缺口达1.89万亿美元，其中41%的企业存在信贷融资约束，有效供给不足导致中小微企业的发展潜力受限②。

面对我国工业产能过剩的严峻情况，2018年中央经济工作会议提出要巩固“三去一降一补”成果，再次强调要推动更多产能过剩行业加快出清，确定了2019年经济工作的首要任务就是加快处置“僵尸企业”，确定退出实施办法，逐步淘汰落后产能。自2013年中央经济工作会议明确提出要坚定不移化解产能过剩的工作任务以来，中央经济工作会议连续强调防范和化解产能过剩，力求割除这一严重影响我国经济发展的“毒瘤”。在这种大背景下，引发我们兴趣的是，银行部门是否发挥了金融的中介功能，实现了信贷资金市场化配置，即信贷资源是否配置到了产能利用率更高的企业中。我们也试图解释在国家一系列调控政策接连出台、要求各部门通力合作防范和化解产能过剩痼疾的情况下，依旧出现的资金向产能过剩行业倾斜的现象。可见，在金融供给侧结构性改革的背景下，考察产能过剩的信贷资源错配效应具有重要现实意义。

一、相关文献综述

学者们关于信贷资源配置效率研究的一般做法是考察信贷是否配置到了经济效率更高的行业和地区之中。文献研究表明，我国目前仍存在着比较严重的信贷配置所有制歧视、规模歧视和融资约束现象，新增信贷更多地流向了低效率部门，信贷配置效率较低[2]。学术界就转型经济背景下行政干预和所有制歧视可能引致信贷资源错配的观点基本已达成共识，这也是新兴经济体中的常见现象[5-6]。叶康涛、祝继高指出，由于所有制歧视的存在，国有部门占用了更多的贷款资源，加之银行风险定价能力低，新增信贷会向低效率部门倾斜[7]。特别是当企业和政府存在政治联系时，即使企业生产效率较低，也往往能够以低于市场平均资金成本的价格获取新增信贷资源。低廉的资金价格、海量的信贷投入对经济健康发展带来的动力却并不如我们所期待的那样。伴随着经济中高投资和产能过剩的长期并存，在政府的干预下银行大量贷款仍被投向了产能过剩行业[8]。另有一些研究从资本配置效率的角度间接地验证了工业各部门信贷资本配置扭曲的情况。经典文献是Wurgler提出的资本配置效率估算模型，他以股票市值和银行贷款之和与国内生产总值的比值来度量金融发展的程度，进而考察该指标与投资弹性系数之间的相关关系，指出资本配置效率的提高意味着资金应流入高资本回报率的行业之中，并保持高投资弹性[9]。以该模型为基础，韩立岩等较早地分析了行业层面的资本配置效率[10];王珏等对模型进行了改进，从信贷数量和信贷价格两方面入手检验了信贷配置效率[2]。在直接探讨产能过剩对信贷资源配置的影响方面，吴成颂等对上市银行2001—2012年的数据进行了回归分析，结果显示：产能过剩会对商业银行贷款规模产生显著的负向影响，即商业银行的信贷资源配置是有效的，遵循市场化原则[11]。黄俊、陈信元、丁竹基于信贷配给理论，选取2009—2013年上市公司的面板数据实證考察了产能过剩企业对信贷资源的挤占，研究结果也表明低效益的产能过剩企业挤占了非产能过剩企业的信贷资金[12]。

综合来看，首先，现有研究大多采用行业视角对信贷资源配置效率进行考察，少有学者从微观企业角度出发考察信贷资源流向经济效率显著低下的产能过剩行业中的企业的问题。仅从宏观层面和行业中观层面对产能过剩和信贷资源配置展开间接的研究，很容易掩盖影响企业生产和经济发展的一些实质性因素。其次，虽然产能过剩问题受到社会各界的关注，但对于产能过剩和信贷资源配置的研究，学者们大多着眼于资源错配是否导致并加重了产能过剩的问题，对产能过剩是否影响了我国信贷资源配置效率的探讨却并不深入，且多数停留在理论层面。全面认识产能过剩问题，加强前瞻性研判，不仅需要明确产能过剩问题的成因，而且需要准确把握产能过剩对经济发展带来的危害。最后，从实证层面出发探讨产能过剩对信贷资源配置效率影响的文章较为匮乏，研究结论也并不一致。为此，本文运用企业数据实证检验产能过剩对信贷资源配置效率的影响，这也是从微观层面出发检验该问题的一次尝试。

二、理论分析与研究假说

在经济转型过程中，政府往往会过度干预市场的运行，在资源配置的过程中占据主导作用，从而引致无效和扭曲[6]。在我国以银行为主的金融体系中，政府行为是影响信贷资源流向的重要体制性变量，行政干预从两方面影响了银行信贷流向产能过剩行业中的企业。

一方面，在经济发展初期，我国长期实行金融抑制政策，主要表现为利率长期处于由供求自发决定的市场均衡利率之下，存贷利差大，信贷配给现象较为常见。宽松的银行产权约束影响了信贷市场的定价功能，从而产生了巨大的套利空间，信贷价格的扭曲导致资本密集的制造业企业以极低的成本获得了资金，大量的信贷伴随着盲目扩张行为流入了全要素生产率低下的企业之中。信贷配给能够保证与政府联系紧密的企业优先获得信贷。有研究发现，地方国企与政府联系越紧密、新企业面临的行业进入门槛越高，则非国有在位企业获取资源以扩大生产规模的难度越大，低效率的国有企业越不容易退出市场。从金融资源的稀缺性角度来看，经济中各部门对稀缺资源存在着竞争关系，信贷资金沉淀在产能过剩企业中必然会造成经营效率较高的企业融资不足[13]。

另一方面，政府和银行的“寻租”行为会导致信贷资源的错配。Stigler指出，现实的政府并不符合传统经济学理论的假设，由于政府政策的执行者是“经济人”，因而政府部门社会效益最大化目标往往是有偏的，政府部门存在与经济中的其他利益集团合谋 “寻租” 的动机;行政扭曲可能来自信息不对称、行政偏好、“寻租”行为和官员的个人倾向[14]。Faccio et al.认为，政府在信贷资源分配过程中的寻租行为是通过对企业提供贷款隐性担保实现的[15]。该问题在地方政府面对政绩考核压力时尤为突出。首先，地方政府为实现促进经济发展的目标，会采用优惠贷款的方式吸引投资，政府干预导致银行的谈判权降低[2]。且政府会为与其关系良好的企业提供“隐性担保”，这种“隐性担保”使得银行发放的贷款无法实现利润最大化，弱化了银行对风险和收益的评价水平。在明知授信给产能过剩行业的企业会出现不良贷款等风险时，银行依旧放低对企业经营业绩的要求，风险对信贷行为的约束降低。其次，政府权力边界的扩大造成的市场不公平竞争机制会诱发市场中各主体的短视行为和投机行为。出于短期政绩考虑，政府和银行的官员并不希望在任期内出现投资项目失败的情况，这就导致在出现产能过剩问题后，政府不得不通过与银行协商“续贷”，用提供新增贷款的方式救助陷入困境的企业[5]。一旦产能过剩企业大规模陷入经营困境，甚至进入破产清算阶段，危机就会波及政府体系和银行体系。因此，在实践中政府部门和银行部门结合成了利益集团，合谋从事“寻租”活动。但从长期来看，寻租提升了道德风险，这一过程会在同级别的权力部门间复制，经济中的权力边界持续向外扩张，不但会引发政府对“权力租金”的争夺，造成整个银行体系非审慎的信贷扩张，而且会在長期形成巨大的系统性金融风险和危机[16]。

综上，在当前的经济环境中，银行信贷资源配置行为呈现如下特征：对产能过剩行业中的企业来说信贷是容易获得且廉价的，同时，大批经营效率高的小微企业却面临着较严重的融资约束。结合前文讨论，这里提出如下研究假说：

假说1：随着产能利用率的提高，企业获得的信贷资源降低，产能过剩企业获得了更多的信贷资源。

三、实证设计

（一）模型与方法

Wurgler最早提出了资源配置效率的估算方法，即观察投资是否流入高资本回报率的行业[9]。他指出，在高资本回报率行业中要增加投资，同时限制投资流入低资本回报率的行业，该方法被广泛用于度量地区或行业的资本配置效率之中。叶康涛、祝继高[7]，王珏等[2]等的研究均采用了类似的思路。他们分别用Tobin’s Q和TFP来衡量企业的成长性和经营效率，并观察贷款在经营表现不同的企业之间的分配，如果经营表现更好的企业获得了更多的信贷资金，那么信贷资源的配置就是有效的。借鉴上述分析框架，本文选取微观企业的产能利用率作为衡量企业经营效率的指标，观察信贷资源投入对不同的产能利用率的敏感性。

采用如下回归模型检验产能过剩对信贷资源配置的影响：

其中：i代表企业;Loan为被解释变量，表示企业所获得银行信贷的水平，包括银行贷款占企业营运资金的比例和企业是否获得银行贷款;CU为核心解释变量，代表企业的产能利用率，用以描述产能过剩特征;X代表一系列企业层面的控制变量，包括企业销售收入、财务透明度、企业规模、高层管理者的工作经验、是否开展进出口业务、企业创新水平和企业经营年限;city 和 industry 分别代表城市固定效应和行业固定效应，用于控制地区和行业的影响;μ为随机扰动项。

（二）数据来源与变量设定

本文的研究数据来自世界银行2012年中国企业调查。世界银行采用分层随机抽样的方法调查了制造业和服务业中的2700家企业，覆盖了我国25个主要城市企业的数据，数据同时包含了上市企业和非上市企业，总体而言样本具有代表性。由于本文关注的问题是制造业企业产能利用率和银行信贷资源配置效率的问题，因而选取制造业企业的样本。经过筛选、删除缺失值，本文的数据共包括1157个样本企业。各变量的设定如下：

1.银行贷款

我们分别从集约边际和拓展边际的角度考察产能过剩对信贷资源配置效率的影响，选取LoanPct和LoanDum两个指标衡量企业获得的银行贷款水平。从集约边际看，产能利用率更高的企业应具有更强的融资能力，占有更多的信贷资源。应千伟、罗党论在研究中曾使用授信额度占总资产的比重来度量企业获得的银行贷款资金[17]。类似地，本文采用调查问卷中企业向银行借款占企业营运资金的比例这一指标来衡量银行信贷资金的配置水平，用LoanPct表示。从拓展边际看，在信贷资源分配至企业的过程中，企业产能利用率的提高会吸引更多的银行为其贷款。借鉴张鹏、施美程的做法[18]，本文采用“企业当年是否获得银行信贷”作为衡量银行授信的另一指标，用虚拟变量LoanDum表示，若企业获得银行贷款，则LoanDum值为1，否则为0。

2.产能利用率

产能利用率是描述产能过剩程度最常用的指标，最直接的衡量方法是调查法，但目前我国官方统计数据中并不包括产能利用率。很多学者尝试使用数据包络分析法、随机生产前沿法和生产函数法等方法测度企业层面的产能利用率，但这些方法或是对企业的生产函数有特殊要求（数据包络分析法不适用于Cobb-Douglas 生产函数），或是依赖于企业成本函数和最优化目标的假设，使得数据的刻画难度较大。而世界银行的调查数据直接汇报了企业的产能利用率（%），本文将产能利用率的原数据值除以100，标准化为0至1之间，用CU表示。

3.控制变量

企业销售收入（Sale）。企业的销售收入是衡量企业经营绩效的指标之一，在缺乏企业盈利能力数据的情况下，选择企业销售收入作为代理变量衡量企业的经营情况。销售收入越好代表了越强的还款能力，是银行判断企业经营风险的重要指标。

财务透明度（Audit）。选取调查问卷中“企业财务报表是否有外部审计”这一问题来衡量企业财务透明度，若财务报表经过外部审计则值为1，否则为0。良好的会计信息质量能够降低银行与企业间的信息不对称程度，提高银行在授信过程中对企业经营状况真实性的信任程度。

企业规模（Size）。前文的分析表明，信贷资源配置存在规模歧视，大型企业能够获得更多的银行信贷。在利用世界银行的数据进行研究时，大多数学者倾向于直接使用问卷中原始划分方法衡量企业规模，即根据员工人数不同来定义企业规模。由于本文的研究对象为制造业企业，固定资产作为企业的重要资产，是企业生产经营的基础，更是带来利润的主要资产项目，其价值是衡量企业经营规模的重要指标。因此，本文采取企业固定资产总额的对数值来定义企业规模。

高层管理者的行业经验（Exp）。对问卷中“高管在该领域的工作年限”数据取对数，用来衡量高层管理者的行业经验。有经验的高管掌握了更多的资源，更容易通过与政府和银行开展公关活动获得银行贷款。高管也能通过其更丰富的管理能力提升企业内部管理绩效，进而提高企业的财务表现，获得更多银行贷款。

是否开展进出口业务（Export）。考察企业产品是否存在出口（无论间接还是直接），有则赋值为1;如果100%内销，则认定企业不存在出口业务，赋值为0。出口企业面临着更大的销售市场，销售渠道的扩大有利于企业效率的提升，企业也有可能受国家相关出口政策的扶持，从而更易获得银行贷款。

企业创新（Inno）。选取问卷中“在过去三年中，该企业是否推出了任何新产品或服务？”这一问题来衡量企业的创新水平，若答“是”则赋值为1，“否”则赋值为0。经营业绩好的企业往往更乐于展开创新活动，以维持企业长期效益的增长，提升竞争优势。

企业经营年限（Age）。用2012年与企业成立年份的差额取自然对数来衡量。企业经营时间越长，可能会拥有更多的资源禀赋，知名度也可能更高，因此有可能获得更多的银行贷款。

主要变量的描述性统计结果如表1所示。数据显示，样本中企业所获得的银行贷款占营运资金比例的均值达到了0.6196，说明银行贷款是我国制造业企业重要的资金来源。样本期内企业的产能利用率均值为0.8689，且最大值和最小值之间存在较大差异。按照产能过剩的衡量标准，样本中有36.21%的制造业企业并未达到85%的产能利用率水平，表明我国企业存在着一定程度的产能过剩问题。

四、研究结果和讨论

（一）基本结果与分析

由于“企业银行借款占企业营运资金的比例”这一指标介于0至1之间，因而采用Tobit方法对模型进行参数估计;“企业是否获得银行信贷”指标是二元离散变量，因此采用Probit方法对模型进行参数估计。为检验估计结果的稳健性，本文同时采用了普通最小二乘法对模型进行了回归。表 2 （下页）中第3行CU（Marginal）同时汇报了 Tobit模型和Probit模型估計下产能利用率变量的边际效应，用以度量产能利用率对于信贷资源的解释能力①。为解决可能存在的异方差问题，采用异方差稳健的标准差，且模型均控制了城市固定效应和行业固定效应。以模型（1）为基础，使用Stata15.1进行了估计，表 2 汇报了基本的回归结果。在回归方程中产能利用率水平分别在1%和5%的统计水平上通过检验，且显著为负，表明在所有回归组合中，无论采用指标LoanPct，还是指标LoanDum，产能利用率均显著抑制了企业获得的信贷水平，产能利用率既没有通过集约边际实现信贷资源的有效配置，也没有经由拓展边际实现这种影响。该结果表明，对于制造业企业而言，随着产能利用率的降低，企业反而获得了更多的银行信贷资源，即经营业绩差的低产能利用率企业占用了更多的信贷资源，我国存在信贷资源错配的现象，研究结果有力地支持了假说1。

接下来，进一步解释其他控制变量的估计结果。企业销售收入回归系数均显著为正，销售收入越高则企业能够获得的信贷资源越多，良好的企业业绩保证了未来现金流的流入，确保了企业能够按时还款付息。财务信息透明度显著提高了企业的信贷融资水平，公开的会计信息使得银行更全面地掌握了企业特征，有利于企业获得更高的信用评价。企业规模与银行贷款水平显著正相关，验证了银行授信对企业规模的偏好。表2的列（1）和列（2）显示，高管的行业经验主要通过集约边际来提高企业获得的融资水平，无拓展边际上的影响。这可能源于高管能够维护的社会资源存在边界，高管虽然能够保证企业在现有条件下从有连带关系的银行获取更多的贷款，但其在吸引更多的银行为企业贷款上的集约效应并未显现。是否有出口业务和企业创新活动均显著通过拓展边际提高了企业获得信贷的水平，表明开拓国际市场和开展创新业务能够显著促进企业获得贷款的概率。企业经营年限的估计结果在估计结果中符号不一致，可见相对于其他描述企业特征的指标而言，企业经营时间并不是影响企业获得银行信贷的重要因素。虽然随着企业存续时间的增加，企业能够积累丰富的行业经验和资源，但根据企业生命周期理论，位于壮年期的企业如果丧失了持续创新的动力，也会造成增长疲软，导致企业逐步走向僵化和衰退。同时，经营时间长的企业往往处于成熟行业，行业的发展也可能进入了衰退周期，因而可能导致银行对风险的评价增加，降低对企业的授信。

（二）内生性问题分析

虽然本文在回归中尽可能多地加入了一系列企业层面的控制变量，但模型仍可能存在遗漏变量的问题。同时，产能过剩与信贷资源配置之间可能存在双向的因果关系。在存在金融约束的大背景下，低廉的信贷资金成本能够为企业产能过度扩张提供外部刺激，加重产能过剩问题。为了解决可能存在的遗漏变量问题和缓解双向因果关系导致的回归偏差，有必要对内生性问题进行处理。本文基于Fisman & Svensson解决内生性问题的思路，将企业所在城市和所属行业的产能利用率均值作为企业产能利用率的工具变量[19]。一方面，某个城市某个行业的产能利用率水平自然会影响该城市该行业内企业的产能利用率水平;另一方面，“城市—行业”均值作为宏观指标不会对微观层面企业自身所获得的信贷水平产生影响。因此，选择产能利用率的“城市—行业”均值作为工具变量是合理的。

对“企业银行借款占营运资金的比例”和“企业是否获得银行信贷”与解释变量进行估计时，分别采用IV-Tobit方法和IV-Probit估计方法。为检验估计结果的稳健性，本文同时汇报了使用2SLS法进行估计后的结果。

表3（下页）汇报了对工具变量的内生性检验和弱识别检验。列（1）、（3）汇报了2SLS估计下异方差稳健的D-W-H检验结果，内生性检验统计值显著，证明内生性问题存在;第一阶段回归的 F 值较大，说明工具变量和内生变量之间高度相关，不存在弱工具变量的问题;列（2）、（4）IV-Probit和IV-Tobit估计的Wald外生性检验结果均证明该工具变量符合外生性假设，因此采用产能利用率的“城市—行业”均值作为工具变量是合理有效的。表3的结果显示，在采用了内生性模型后，两个核心解释变量的估计系数仍然显著为负，证实了研究假说1。对比表2和表3的结果，在采用工具变量控制模型的内生性之后，制造业企业产能利用率的回归系数绝对值均有明显提高，如在表2列（1）中产能利用率的回归系数为-0.156，在表3中该系数为-0.467;表2列（4）中产能利用率的边际影响为-0.277，在表3中边际影响为-1.060，由此可见，产能过剩对信贷资源配置的影响程度由于内生性问题而被低估。

五、稳健性检验

为确保实证结论的稳健性和可靠性，基于计量模型（1），我们对产能过剩和信贷资源配置效率的回归结果继续进行稳健性检验。鉴于前文所采用的工具变量法也是稳健性检验的一种，在此从分样本回归的角度给出区分政企关系、行业和地区金融生态环境后的检验结果。在分样本回归中，我们均采用内生性模型进行估计。

（一）按政企关系分组的检验结果

基于前文讨论，政企关系更好的企业有可能获得更多的信贷资源，而全样本的估计无法捕捉变量之间的这种差异性。本文参考何冰、刘钧霆的做法，用世界银行调查问卷中“在过去一年中高级管理人员与政府官员打交道的时间”来描述政企关系，从微观角度更直接地衡量该特征[20]。我们将与政府官员打交道的时间为“0”的企业分为一组，认为该分组中企业与政府关系疏远;余下企业划入政企关系紧密组。如表4所示，产能利用率回归系数均显著为负，符合理论预期，说明产能过剩造成信贷资源配置扭曲。在列（3）、（4）的结果中，产能利用率的边际影响均在1%的显著性水平下通过检验，但回归系数差别不大。通过对比表4列（1）和列（2）的结果，可以发现在政企关系不同的分组下信贷资源错配程度差异明显。列（1）中产能利用率的边际影响为-1.694，在1%的显著性水平上通过检验。列（2）中产能利用率的边际影响为-1.119，在5%的显著性水平上通过检验，即在政企关系更紧密的企业中体现出更严重的信贷资源错配现象。原因可能在于，政府官员出于个人偏好和“寻租”行为，会使银行在向与政府关系紧密的企业授信时忽略其业绩表现，甚至是当企业已经出现产能过剩问题时，仍旧会有银行为其授信，从而导致信贷资源配置扭曲。结果也表明，金融供给侧结构性改革急需建立规范、透明、开放的市场体系。

（二）按行业分组的检验结果

目前我国依旧存在政府干预信贷资源配置的现象，这可能会加重产能过剩行业中信贷资源错配的情况，因此我们尝试进一步验证信贷资源错配的行业差异。参考韩国高等对我国制造业细分行业产能利用率的估算结果[21]，并对照我国国民经济核算体系的分类，最后选定制造业行业中的造纸及纸制品业，石油加工、炼焦及核燃料加工业，化学原料及化学制品制造业，非金属矿物制品业，黑色金属冶炼及压延加工业，有色金屬冶炼及压延加工业，交通运输设备制造业为产能过剩行业①。按照此标准将样本企业划分为产能过剩行业组和非产能过剩行业组，表5（下页）显示了分组回归的结果。产能利用率的回归系数均显著为负，且产能过剩行业中企业产能利用率的边际影响更为明显，即信贷资源在产能过剩行业中的配置效率较低。随着我国经济增速放缓，最早暴露在风险中的就将是产能过剩行业的企业。前期债务的累积和经营业绩的下滑会为企业经营带来沉重的财务负担，随之而来的就是信用违约和不良贷款问题，产能过剩行业的金融风险亟待化解。这一结果也表明，银行需要提高处置重点领域风险的能力，让有限的信贷资源退出产能过剩行业;精准支持实体经济发展需要银行体系提供有差异化的信贷服务，让信贷资源流向真正对经济发展有效益的战略性新兴产业和中小微企业。

（三）按地区分组的检验结果

鉴于我国区域金融发展存在显著差异，本文检验了信贷资源错配的区域异质性。在金融发展较好的地区往往市场化程度也相对较高，法律体系完善，市场参与主体也较少受到政府行政干预的影响。金融机构的监督能力和风险控制能力较强，金融资源配置效率也要高于金融生态环境较差地区[22]。因此，本文根据企业所在城市金融生态环境的不同对样本进行划分。金融生态环境数据取自中国社会科学院发布的《中国地区金融生态环境评价（2013—2014）》报告[23]。这里借鉴钱爱民、付东的做法，选用该报告2013年的数据作为2012年中国企业问卷调查中城市金融生态环境水平的替代变量[24]。根据报告公布的评级结果，以企业所在城市的金融生态环境评定等级是否达到Ⅰ级为标准①，将样本划分为金融生态环境好和金融生态环境差两组。估计结果如表6（下页）所示。总的来看，产能利用率回归系数均显著为负，与理论预期吻合。列（3）和列（4）中产能利用率的边际影响差异不大，而列（1）和列（2）的结果显示，金融生态环境较差的地区产能利用率对信贷资源配置效率的抑制作用更明显，即信贷资源配置更加扭曲，也面临着更严重的产能过剩金融风险。金融生态环境评定等级达到Ⅰ级的城市均是东部沿海省市[23]，因此，造成现有结果一方面可能源于东部地区领先的金融发展水平，区域内银行机构的风险定价能力位于行业领先地位，同时资本市场也更为发达，能够为企业提供多元化的融资渠道。中西部地区金融发展相对落后，可能依旧面临着金融抑制的现象。另一方面，东部沿海地区市场化进程要快于中西部地区，政府的行政边界也更为明晰，比较良好的制度框架和政府自身治理能够在一定程度上纠正潜在的政府失灵现象，缩小由政府干预导致的社会福利损失，提高长期资源配置水平。

六、结论与政策建议

本文利用2012年世界银行中国企业调查的数据，从企业微观层面研究了产能过剩对信贷资源配置效率的影响。研究发现，总体上产能过剩造成了银行信贷资源错配。分样本回归表明，在不同的政企关系强度、不同行业和不同金融生态环境下，产能过剩对信贷资源配置效率的影响有所不同。当政企关系紧密时，产能过剩造成的信贷资源错配的负面影响会显著增强;当企业位于产能过剩行业和企业位于金融生态环境较差地区时，产能过剩对信贷资源配置效率存在显著的负向影响。从研究结论看，我国的银行部门未能有效实现金融资源配置功能，产能过剩企业侵蚀了信贷的有效供给量，而要打破产能过剩的信贷资源错配链条，既需要纠正金融市场失灵即信贷配置的规模歧视、所有制歧视，又需要规范政府的行为空间，矫正政府失灵问题。为此，提出如下政策建议：

第一，继续巩固去产能成果，推动过剩产能出清。对过剩产能应该保有更低的容忍度，继续坚决处置“僵尸企业”，淘汰落后产能。可以通过促进技术进步和鼓励创新的方式，倒逼企业转型升级，用市场化的方法淘汰落后产能，通过扩大高质量供给消化过剩产能。

第二，压缩寻租空间，构建新型政企关系，以矫正政府失灵。破除以GDP为目标的政绩考核体系，增加技术创新、制度创新和生态环境效益等指标的权重;细化负面清单，增大官员“寻租”的成本;加强政府责任监督，纠正可能的“政府失灵”，从根源上杜绝政府“寻租”、政企合谋;切断国有大型企业对政府隐性担保的依赖，避免“越过剩越救助”的现象。

第三，有效监管流向产能过剩行业的信贷资源。监控资金流向，提高对银行贷款过程中违规行为的惩处力度，限制信贷资源通过非正式渠道流入产能过剩行业;提高精细化风险定价水平，通过精准定价提高信贷有效供给;构建包含企业信用违约数据的全国性企业征信体系，为金融产品定价提供定量数据支撑;通过法制手段强化信息披露制度、健全破产和违约处置机制，稳固制度防火墙，防止产能过剩金融风险的蔓延。

第四，制定有针对性的金融政策，改善金融结构失衡问题。在制定和执行金融政策时，考虑地区经济、金融條件的差异，有侧重地在中西部地区规划和构建区域金融中心，加快金融生态环境较差区位的金融基础设施建设;根据市场和风险定价小微企业贷款，进一步健全对小微企业贷款的政策担保体系，在确保小微企业贷款可获得性的同时，保障其融资的可持续性。

参考文献

[1]张永恒，郝寿义.高质量发展阶段新旧动力转换的产业优化升级路径[J].改革，2018（11）：30-39.

[2]王珏，骆力前，郭琦，等.地方政府干预是否损害信贷配置效率？[J].金融研究，2015（4）：99-114.

[3]黄涛，李浩民.金融供给侧结构性改革：重点任务与路径选择[J].改革，2019（6）：73-83.

[4]刘立新，李鹏涛.金融供给侧结构性改革与系统性金融风险的防范[J].改革，2019（6）：84-91.

[5]CULL R， XU L C. Who gets credit？ The behavior of bureaucrats and state banks in allocating credit to Chinese state-owned enterprise[J]. Journal of Development Economics， 2003， 71（2）： 533-559.

[6]NOLAND M， PACK H. Industrial policy in an era of globalization： lessons from Asia[M].Washington DC： Institute for International Economics， 2003.

[7]叶康涛，祝继高.银根紧缩与信贷资源配置[J].管理世界，2009（1）：22-29.

[8]王立国，鞠蕾.地方政府干预、企业过度投资与产能过剩：26个行业样本[J].改革，2012（12）：52-62.

[9]WURGLER J. Financial markets and the allocation of capital[J]. Journal of Financial Economics， 2000， 58（1）： 187-214.

[10]韩立岩，蔡红艳，郄冬.基于面板数据的中国资本配置效率研究[J].经济学（季刊），2002（2）：541-552.

[11]吴成颂，周炜，黄送钦.产能过剩下银行信贷资源配置行为研究——基于控股股东的持股结构视角[J].科学决策，2015（5）：15-34.

[12]黄俊，陈信元，丁竹.产能过剩、信贷资源挤占及其经济后果的研究[J].会计研究，2019（2）：65-70.

[13]MIDRIGAN V， XU D Y. Finance and misallocation： evidence from plant-level data[J]. American Economic Review， 2014， 104（2）：422-458.

[14]STIGLER G J. The theory of economic regula-

tion[J]. Bell Journal of Economics and Manage-

ment Science， 1971， 2（1）： 3-21.

[15]FACCIO M， MASULIS R W， MCCONNELL J J. Political connections and corporate bailouts[J]. The Journal of Finance， 2006， 61（6）： 2597-2635.

[16]马勇，陈雨露.金融发展中的政府与市场关系：“国家禀赋与有效边界”[J].财贸经济，2014（3）：49-58.

[17]应千伟，罗党论.授信额度与投资效率[J].金融研究，2012（5）：151-163.

[18]张鹏，施美程.金融市场化、所有制差异与融资渠道——基于世界银行中国企业投资环境调查的实证分析[J].经济学家，2016（11）：54-62.

[19]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.

[20]何冰，刘钧霆.正规部门的竞争、营商环境与企业融资约束——基于世界银行中国企业调查数据的经验研究[J].经济科学，2018（2）：115-128.

[21]韩国高，高铁梅，王立国，等.中国制造业产能过剩的测度、波动及成因研究[J].经济研究，2011（12）：18-31.

[22]罗韵轩.金融生态环境、异质性债务治理效应与债务重组——基于中国上市公司的实证研究[J].会计研究，2016（3）：43-49.

[23]王国刚，冯光华，刘煜辉，等.中国地区金融生态环境评价（2013—2014）[M].北京：社会科学文献出版社，2015：56-63.

[24]钱爱民，付东.金融生态环境、金融资源配置与产能过剩[J].经济与管理研究，2017（5）：54-65.