银行创新与信贷可得性——基于信息不对称与交易成本视角的实证检验

周鸿卫，刘子龙

（湖南大学 金融与统计学院，湖南 长沙 410079）

一、引言

中国实体经济，特别是中小企业融资难和融资贵问题一直没有得到有效的缓解。当前一个共识是通过金融创新增加对实体经济的有效支持（陈雨露，2015［1］），从而缓解实体经济融资难和融资贵问题。由于中国是一个典型的银行主导型金融体系，支持实体经济的金融创新主要应是银行创新。一段时间以来，由于金融管理部门政策鼓励和引导以及市场竞争的驱动，银行业也在不断探索服务实体经济新方式，一些创新取得了较好的效果，另一些效果欠佳，如存在资金在非实体经济部门空转等。2017年4月6日，银监会下发《关于开展银行业“不当创新、不当交易、不当激励、不当收费”专项治理工作的通知》，表明中国银行业的部分金融创新未能有效支持实体经济的发展。因此，银行创新对信贷可得性的影响越来越受到社会各界的关注。

银行作为一种典型的金融中介，其基本职能是将储蓄转化为投资，因此，银行服务实体经济主要是通过将储蓄转化为投资来实现。银行主要通过信贷业务实现其金融中介职能，其信贷行为直接决定了经济部门的信贷可得性。所以，信贷可得性的高低能够反映银行中介职能发挥的效率。银行在发挥将储蓄转换为投资中介职能时，面临信息不对称和交易成本问题，银行解决信息不对称与交易成本的能力和效率直接影响其将储蓄转换为投资的能力和效率。银行中介在解决信息不对称和交易成本方面具有比较优势，但另一方面，信息不对称和交易成本也会导致银行对借款人进行信贷配给，影响信贷可得性。所以，银行解决信息不对称与交易成本的能力和效率会影响经济部门的信贷可得性。

在信贷市场上，价格因素并不是市场出清的决定因素，从资金需求方来看存在信贷可得性问题，从资金供给方来看存在信贷配给问题。因此信贷可得性和信贷配给揭示的是信贷市场上的同一个问题。在理论上，S tiglit z＆Weiss（1981）［2］提出了一个经典模型，揭示信息不对称导致了信贷配给，国内王霄、张捷（2003）［3］以及李志赟（2002）［4］等在不同侧面进行了拓展，等等，但目前尚缺乏一个能将创新、信息不对称和交易成本对信贷配给影响的分析框架。在实证上存在的主要问题是如何有效地衡量银行创新，目前主要有直接度量和间接度量，直接度量是根据银行创新的含义将其分解为产品（业务）创新、管理创新、组织创新等，或者通过设计相关指标进行综合评估，或者直接利用某些新型业务量来衡量银行创新；间接度量主要是利用表外业务，如非利息收入或非利息净收入来反映银行创新。直接度量需要更为细致的银行数据，在数据的获取等方面存在问题①由于现代银行创新是一种全面的综合性活动，一项创新活动不会仅涉及某类银行业务，有可能涉及几类银行业务，如交易银行业务创新会涉及银行的存款业务、贷款业务和结算业务等，直接度量不能有效地处理该类问题。，一些间接度量不能全面反映银行各种创新活动。

本文的主要贡献在于：第一，在理论分析上，构建一个考虑银行创新、信息不对称和交易成本的信贷配给模型，揭示银行创新影响信贷配给的作用机理，并将交易成本分为纯交易成本（仅与交易活动相关的成本）和相关交易成本（与信息不对称相关的成本），有利于解释信息不对称和相关交易成本对信贷配给的交叉影响。第二，在实证方法上，运用银行全要素生产率作为银行创新的度量指标。全要素生产率是一个衡量创新绩效的重要指标，全要素生产率应该是引导创新发展的指标②参见蔡昉2015年11月23日发表于《北京日报》上的文章《全要素生产率是新常态经济增长动力》。，全要素生产率能够较为全面反映银行的创新程度。同时运用全要素生产率与不良贷款率、成本收入比的交叉项检验银行创新对信贷可得性的影响机理。第三，实证结果具有价值，实证结果显示银行创新提高了银行信贷规模，但降低了小微企业信贷可得性，验证了银行创新增加的信贷并流向中小企业。

本文余下部分安排如下：第二部分是文献回顾；第三部分是银行创新的信贷配给模型；第四部分是实证设计；第五部分是创新对信贷可得性影响的实证结果及分析；第六部分是创新影响信贷可得性机制的进一步检验；最后是本文的研究结论及启示。

二、文献回顾

经济学意义中“创新”这一概念由熊彼特（1912）提出，他认为创新就是建立一种生产函数，强调了生产技术的革新和生产方法的变革在经济发展中的作用。金融创新包括创新产品、创新流程、创新服务和创新组织形式（Frame＆W h ite，2004［5］）。关于银行创新的界定，中国银监会在《商业银行金融创新指引》中的表述最为全面，它是“商业银行为适应经济发展的要求，通过引入新技术、采用新方法、开辟新市场、构建新组织，在战略决策、制度安排、机构设置、人员准备、管理模式、业务流程和金融产品等方面开展的各项新活动”。

降低信息不对称和交易成本是金融创新的两个重要动因［6-7］，而信息不对称和交易成本也会导致银行对经济部门的信贷配给。国外学者B altens p erger（1978）［8］揭示信贷配给是由于信息不对称或代理成本造成的；S tiglit z＆Weiss（1981）通过引入信息不对称建立的理论模型证明逆向选择会导致信贷配给，等等。王霄、张捷（2003）［3］在上述模型中引入了厂商规模变量，综合考虑利率、银行贷款成本、抵押机制和厂商规模，构建了一个内生化抵押品和厂商规模的信贷配给模型；李志赟（2002）［4］认为中小企业的非匀质性、贷款抵押和交易成本是影响中小企业从银行获得贷款的三个主要因素；徐强（2005）［9］基于银企风险认知差异构建了一个揭示信息不对称程度与信贷配给程度关系的信贷配给模型；姜海军、惠晓峰（2008）［10］从信息不对称和均衡的角度解释了信贷配给现象。

在实证研究方面，由于缺乏衡量单个银行总体创新程度方法，大量文献只检验某一类创新型业务，如资产证券化、金融衍生工具交易、贷款承诺等对银行信贷行为的影响。具有代表性的研究有：L outs k ina（2011）［11］研究得出资产证券化明显改变了存款机构开展业务的方式，影响银行的贷款供给；Altun b aset al.（2007）［12］实证发现资产证券化提高了欧洲银行发放新贷款的能力。但是Casuetal.（2011）［13］研究发现美国银行证券化资产越多，在开展业务时越厌恶风险。B re w er et al.（2001）［14］实证发现，使用利率衍生工具导致美国银行发放了更多的贷款，更有效地发挥了金融中介功能；H irtle（2008）［15］发现，当银行利用信用衍生品获得信用保护后，会倾向于增加贷款供应，尤其是长期贷款的供应。此外，Becketal.（2016）［16］运用一国金融R＆D支出、银行业的表外项目衡量一个国家的银行业创新程度，对银行创新效应进行跨国检验，发现银行创新对银行稳定和实体经济的影响存在“光明面”和“黑暗面”。

现有关于银行创新和信贷可得性（或信贷配给）的相关研究在理论和实证上都存在局限性。在理论分析上，目前尚缺乏一个能将银行创新、信息不对称和交易成本、信贷配给（或信贷可得性）纳入的分析框架；在实证方面，由于缺乏较为全面衡量银行创新的方法，导致如Frame＆White（2004）［5］所说：“所有人都在讨论金融创新，却几乎没有人去做相关实证来检验它。”本文通过建立一个关于银行创新、信息不对称和交易成本与信贷配给关系的理论分析框架，在合理度量银行创新的基础上，检验中国银行业创新对信贷可得性的影响及其影响路径。

三、银行创新的信贷配给效应

信息不对称与交易成本会影响银行中介将储蓄转换为投资的能力，最终影响经济部门的信贷可得性，在信贷市场上表现为银行对经济部门的信贷配给。因此，信贷可得性与信贷配给是信贷市场上相互对应的两个概念，可以通过分析银行创新对信贷配给的影响来揭示银行创新与信贷可得性的关系。本文将信息不对称因子引入传统的银行期望收益分析，构建一个基于信息不对称与交易成本的信贷配给模型，同时将交易成本分为“纯交易成本”和“相关交易成本”，分析信息不对称和交易成本对信贷配给影响的综合效应。

在某一信贷市场上，借款人都是风险中性，项目投资额均不可分，且高于固定投入成本。假定借款人的融资规模为B，项目成功的概率为P，借款人获得收入X，项目失败概率（1-P）相对应的收入为0；银行发放贷款有交易成本，设为N；银行要求的抵押品为C，且有C≤B。

由于存在信息不对称，银行收回贷款的概率与项目成功概率并不一致①徐强（2005）认为项目投资只考虑项目风险，银行贷款面临的风险既包含了项目的风险，又包含信息不对称带来的风险，因此银行收回贷款的概率与项目成功概率并不一致。，如果项目成功银行收回贷款的概率设为P*U（θ），其中U（θ）为银行基于项目成功概率的关于信息不对称概率测度的调整系数，θ为信息不对称程度。由U（θ）性质，应有。当信息不对称程度较大时，U（θ）对于θ的变化更为敏感，即

银行的贷款利率为r，存款利率为r0，在银行收回贷款时可获得B*（1+r），对于每一笔贷款，银行期望收益为

在（2）式中第一项为负，表示提高利率带来的间接风险效应，第二项为正，代表银行提高利率的直接收入效应。

可以得出以下结论：存在r*，使得r≤r*时证明见附录）。

上述结论表明在信息不对称环境下，银行期望收益并不始终随贷款利率的提高而增加，存在一个最优贷款利率r*，使银行期望收益最大。这与S tiglit z-Weiss模型推导的结论一致。

由已知条件U（θ）关于θ的二次导数关系可以得出：

式（4）表明：信息不对称程度与最优贷款利率呈反方向变动，即降低信息不对称程度能够提高最优贷款利率，如果不考虑相关交易成本的变化，银行会提高均衡信贷供给，使信贷配给程度降低。反之则反。

其次分析交易成本对信贷配给的影响。由于相关交易成本占据交易成本绝大部分，本文只分析相关交易成本的影响。相关交易成本变动一方面可能改变银行信贷成本，从而影响银行的期望收益；另一方面也可能通过影响信息不对称程度来影响银行的期望收益。因此相关交易成本变动对信贷供给的影响应综合分析两种效应。

设相关交易成本为N0，由于相关交易成本与信息不对称的关系有则有

式（5）右边第一项表示相关交易成本的边际变动对银行期望收益的影响，由于则第一项符号为正表示增加一个单位相关交易成本，会降低信息不对称程度，使银行预期收益增加的值；第二项表示增加一个单位的相关交易成本使银行信贷成本相应增加一个单位。

如果增加一单位相关交易成本，导致信息不对称程度降低，使银行预期收益增加值大于1，即式（5）中的第一项大于第二项，则银行预期收益会增加，表示银行增加相关交易成本使信息不对称程度降低的净效应为正，银行会提高均衡信贷供给，从而改善信贷配给。当净效应为负，即式（5）为负，银行预期收益会减少，银行会降低均衡信贷供给，使信贷配给增加。同理，如果降低一单位相关交易成本，使式（5）为负，信贷配给增加；如果降低一单位相关交易成本，使式（5）为正，信贷配给降低。

银行中介通过提高信息的全面性和可靠性，能治理逆向选择问题，但会增加信息搜寻成本和甄别成本等相关交易成本；通过监督和激励能治理道德风险，但会提高监督成本和激励成本等相关交易成本。以降低信息不对称和相关交易成本为动因的银行创新，必须综合考察信息不对称和相关交易成本变动对银行期望收益的影响，以此来判断银行创新的信贷配给效应。

银行创新或者降低相关交易成本，从而降低银行的信贷成本，提高期望收益，但有可能提高信息不对称程度，进而降低银行的期望收益；或者降低信息不对称程度，提高银行的期望收益，但有可能提高相关交易成本，进而降低期望收益。银行创新对信贷配给的影响取决于上述两种效应的比较。当降低信贷成本效应大于提高信息不对称效应时，会降低信贷配给；当降低信贷成本效应小于提高信息不对称效应时，会提高信贷配给。

四、实证设计

（一）银行创新度量

一般企业的创新主要利用R＆D和专利数量来衡量，但是单个银行不能统计R＆D数据，而且银行创新的新产品和新业务等一般不能或很少申请专利，因此，无法利用R＆D和专利数量来度量银行创新。现有的相关研究一般运用直接度量和间接度量两种方法，直接度量法或者将银行创新分为产品创新、业务创新、组织创新、管理创新等方面，直接利用银行上述相关数据进行加权计算，或者直接利用某一类或几类新业务作为银行创新的替代变量。前者存在数据获取难，以及有可能割裂某些创新效果的情况，因为现在有些银行创新是综合性的，不能直接归类为产品创新、业务创新等；后者则存在不能全面反映银行创新的信息。间接度量法主要利用表外业务，如非利息净收入和非利息收入，或它们的构成部分来反映银行创新，这也未能反映银行创新的全部信息。

蔡昉（2015）认为全要素生产率是一个衡量创新绩效的重要指标，应该成为引导创新发展的指标。全要素生产率是一种基于生产函数的创新测度方法（徐映梅、孙静，2018［17］），而且已有文献实证得出互联网金融创新显著提升中国商业银行全要素生产率（沈悦、郭品，2015［18］），因此，银行全要素生产率可以作为衡量银行创新程度的指标。本文选取中介法计算银行全要素生产率。国内选取中介法计算银行全要素生产率的研究主要有张健华和王鹏（2010）［19］，蔡跃洲和郭梅军（2009）［20］等。为使得全要素生产率可用于实证面板数据分析，本文采取Färe-P rimont模型，通过DPI N3.0软件，计算银行全要素生产率。

（二）数据来源及变量定义

本文所用数据通过wind、bank scope、各银行年报以及国家统计局网站获取，基于数据可得性选取2007—2016年25家银行的面板数据进行分析，其中有5家国有商业银行，9家全国性股份制商业银行，以及16家城市商业银行。

1.解释变量与被解释变量

解释变量为银行创新程度，利用上述测算出的银行全要素生产率来度量。被解释变量为信贷可得性，关于信贷可得性的衡量，可以从企业方面衡量，国外最为经典的是P etersen&Rajan（1994）［21］等；也可以从银行方面，如董晓林等（2014）［22］分别采用小微企业贷款余额/金融机构贷款总额、中小企业贷款余额/银行贷款总额来衡量中小企业的信贷可得性。由于本文研究银行创新问题，应从银行方面度量信贷可得性，因此，本文运用银行小微企业贷款占贷款总额比重和银行信贷总额来度量。

2.控制变量

银行特征变量：银行的一些个体特征会影响银行的信贷行为，本文选取资本充足率、流动性比率、资产规模、成本收入比和不良贷款率五个指标作为银行特征控制变量。

市场特征变量：银行面临的市场竞争包括银行同业竞争和非银行金融同业（主要是资本市场）竞争，选取勒纳指数反映银行同业的竞争，（企业债券融资规模+非金融境内社会融资）/社会融资规模反映非银行金融同业的竞争。

此外，选取M2增长率作为宏观经济控制变量。各变量定义见表1。

表1 模型变量定义表

（三）实证方法与实证模型

首先为检验中国银行业创新对信贷可得性的影响，本文建立两个实证模型，分别检验中国银行业创新对小微企业贷款和信贷规模的影响。模型（Ⅰ）是检验银行创新对小微企业信贷可得性影响的回归方程，模型（Ⅱ）是检验银行创新对所有信贷可得性影响的回归方程。

其中 i表示样本银行，t表示时间，β1为截距项，β2、β3、β4、β5、β6、β7、β8、β9、β10分别为待估变量系数，εit为随机误差项，其余变量含义见表1。

其次，为进一步检验银行创新对经济部门信贷可得性的影响路径，在实证模型（Ⅰ）和（Ⅱ）中分别加入银行创新（bi）与资本充足率（cap）、成本收入比（oc）、不良贷款率（bl）的交叉项，建立如下实证模型。

其中 i表示样本银行，t表示时间，β1为截距项，β2、β3、β4、β5、β6、β7、β8、β9、β10、β11、β12分别为待估变量系数，εit为随机误差项，其余变量含义见表1。

（四）实证变量描述性统计

从表2可以看出，小微企业贷款占比平均值为18.73%，说明中国银行业小微企业贷款占比整体上较低。此外，该变量最大值和最小值分别为57.01%和1.03%，标准差为13.06%，这说明各银行间的小微企业贷款占比波动较大。

银行全要素生产率的最大值为1.48，最小值为0.53，标准差为0.20，可以得出银行创新的波动并不大，这与中国银行业创新现状相吻合。由于本质性创新需要投入较多的精力、成本和承受较大的风险，当前中国银行创新主要集中在易于被模仿、传递性更强的更新式创新，这与描述性统计中各银行的创新程度差异较小相一致。而且通过对银行全要素生产率的进一步分解发现，组织创新、管理创新等其他方面的创新对银行创新程度的贡献明显小于银行技术进步创新。

表2 变量描述性统计表

关于银行特征变量，资本充足率的均值为12.33%，最大值30.67%、最小值为3.407%，标准差为2.42%，这说明各银行之间的资本充足性变化较大；流动性比率平均值为43.44%；成本收入比平均值为33.15%，但银行间差异较大，最大值为57.78%，最小值为19.04%；不良贷款率最大值23.57%，这是农业银行在改制前一年的数据，为异常数据，均值为1.39%；勒纳指数差异较大，说明各银行在银行同业中竞争地位相差较大；“（企业债券融资规模+非金融境内社会融资）/社会融资规模”不断提高，反映银行业面临越来越强的非银行金融同业的竞争压力。

五、银行创新影响信贷可得性的实证结果及分析

本文运用面板数据模型进行回归检验，在回归检验前，需要选择合适的回归效应模型，面板回归效应模型主要有固定效应回归、随机效应回归和混合回归。面板数据实证回归效应模型的选择以及对模型的假设检验均采用stata14.0软件进行。

表3 回归效应选择表

在固定效应模型与随机效应模型之间选择回归效应模型，结果拒绝了H ausman检验的原假设，说明固定效应优于随机效应。因此选择固定效应模型对实证模型（Ⅰ）和模型（Ⅱ）进行回归估计，回归结果见表4。

表4 影响信贷可得性的回归结果

从模型（Ⅱ）的回归结果可知，创新对银行信贷总额显著为正，表明在样本年间中国银行业创新提高了银行信贷规模，但从模型（Ⅰ）的回归结果可知，银行创新对小微企业贷款占比影响显著为负，说明样本年间银行创新并未提高中小微企业的信贷可得性，但与信贷规模显著正相关，即提高了所有经济部门的信贷可得性，由此可以推断，样本年间中国银行业创新增加的信贷资金并未相应增加中小微企业的信贷可得性。

对于其他控制变量来说，资本充足率的回归系数在两个模型中均为正，说明资本充足率对信贷可得性具有正向影响，从理论上看，资本充足率对贷款影响需从分子和分母两个方面分析：如果主要由增加资本来提高资本充足率，即增加分子，则应具有正向影响；如果主要靠降低风险资产组合，即降低分母，影响有可能为正，也有可能为负①如果主要通过减少贷款总额来提高资本充足率，其影响为负；如果主要通过调整贷款组合的风险结构，其影响为正。。在样本年间，由于大部分样本银行都进行了股份化改制，甚至上市，通过大规模补充资本来提高资本充足率，使得资本充足率的影响为正。但对信贷总额不显著，且系数很小，说明资本充足性变动对小微企业贷款和全部贷款的影响不一致，可能存在银行创新对资本充足性的交叉影响，本文后面会进一步检验。

成本收入比回归系数均为负，由于成本收入比蕴涵银行交易成本的信息，交易成本越高，银行提供的信贷越低，符合常识。但均不显著，由前面的理论分析可知，可能银行相关创新对其产生交叉影响。不良贷款率回归系数在模型（Ⅰ）中显著为正，即小微企业贷款占比与不良贷款呈正向关系，符合常识；但在模型（Ⅱ）为负，且不显著，由于不良贷款率蕴涵信息不对称因素，有可能银行的相关创新对其产生交叉影响。本文后面将会做进一步检验。

银行资产规模的回归系数均显著为正，说明银行资产规模越大，提供的信贷资金越多。在模型（Ⅱ）中，银行流动性的回归系数显著为负，即提高流动性会降低信贷总额，但在模型（Ⅰ）中，流动性的回归系数显著为正，显示流动性提高有利于增加小微企业贷款，其原因可能是银行的信贷产品中存在基于流动性的创新产品。

反映银行间市场竞争的勒纳指数系数在模型（Ⅰ）为12.674 7，且在5%水平下显著，说明银行竞争力的增加，小微企业的信贷可得性会提高，这同Shenetal.（2009）［23］的结论一致；在模型（Ⅱ）中尽管为正，但不显著，且回归系数很小。说明银行间竞争程度对小微企业贷款影响更为明显。反映非银行金融同业竞争指标的回归系数在两个回归模型中均显著为负，表明其他金融同业，特别是资本市场的竞争，对银行信贷具有负向作用；由于模型（Ⅰ）中的回归系数远大于模型（Ⅱ）中回归系数，表明中国银行业在面临非银行金融同业，特别是资本市场竞争时，并未采取如（B oot&Thakor，2000［24］）理论分析那样，将信贷资源集中在具有信息和交易成本比较优势的中小微企业，反而有可能将信贷资源集中在非实体经济部门和大型实体经济部门。

M2的回归系数在两个模型中均显著为正，表明中国广义货币量的增加会缓解信贷配给状况，提高信贷可得性，但模型（Ⅰ）中的回归系数远大于模型（Ⅱ），这表明央行有关针对小微企业贷款难的货币政策，如定向降准等，在一定程度上产生了影响。

另外，对上述回归结果进行稳健性检验，采用从全要素生产率中分解出的银行技术效率（tfpe）作为反映银行创新程度的变量，并采用HH I指数来替换勒纳指数，替换模型（Ⅰ）和模型（Ⅱ）中的全要素生产率（bi）和勒纳指数（lena），并进行回归，回归结果见表5。

从表5的结果可以看出，对主要解释变量的指标进行替换后，回归结果显示主要解释变量的符号与显著性并没有发生明显变化，这说明本文的实证结果具有稳健性。

六、银行创新对信贷可得性影响机制的进一步检验

降低信息不对称与交易成本是银行创新的两个主要驱动因素，此外，还有各种监管套利。根据理论分析可知，银行创新能够通过影响信息不对称与交易成本来改变经济部门的信贷可得性，前面实证结果也证实了中国银行业创新对信息不对称和交易成本可能存在影响，同时实证检验也发现银行创新可能存在监管资本“套利”问题，因此，需对上述问题做进一步检验。本部分将运用银行创新与资本充足率、不良贷款率（包含信息不对称信息）和成本收入比（包含交易成本信息）的交叉项来进一步检验。

选择固定效应模型，对模型（Ⅲ）、模型（Ⅳ）、模型（Ⅴ）、模型（Ⅲ′）、模型（Ⅳ′）和模型（Ⅴ′）6个回归模型进行回归，回归结果见表7。

表5 稳健性检验结果表

表6 交叉项变量定义表

由表7可知，加入银行创新与资本充足率交叉项后，资本充足率对小微企业贷款和信贷总额的影响显著改变，资本充足率在模型（Ⅲ）中的回归系数显著为正，交叉项显著为负，在模型（Ⅲ′）中显著为负，但交叉项显著为正。交叉项均显著表明银行创新能够通过对资本充足率影响信贷可得性。进一步分析可知，一方面增加资本有利于提高小微企业贷款，另一方面银行创新通过银行资本充足率对小微企业贷款产生负向影响，两者的综合效应为表4中模型（Ⅰ）下的显著为正；提高资本充足率降低了银行信贷总量，而银行创新通过资本充足率对信贷总量的影响为正，两者的综合效应为表4中模型（Ⅱ）下的为正，但不显著。交叉项在模型（Ⅲ）显著为负，但在模型（Ⅲ′）显著为正，其原因可能是某些创新是通过影响分母来影响资本充足率，由于小微企业贷款的风险相对较高，有可能压缩小微企业贷款，增加其他贷款。这表明银行以监管资本套利为动因的一些创新可能损害中小微企业的信贷可得性。

表7 模型交叉项回归结果表

银行创新与比较成本收入比的交叉项在模型（Ⅳ）显著为负，在模型（Ⅳ′）显著为正，表明银行创新通过交易成本影响了信贷可得性，但是降低了中小微企业的信贷可得性，提高了全部经济部门（主要为非实体经济部门和大型实体经济企业）的信贷可得性。这也说明银行创新未能通过影响交易成本来增加小微企业贷款，相反降低了小微企业贷款。其原因可能为：一方面，由于小微企业信息不透明或透明度低、单笔贷款金额小，导致银行小微企业贷款的相关交易成本较高，如果银行创新降低相关交易成本，会导致更高的信息不对称，从而降低小微企业贷款。另一方面，由于大型企业一般信息透明度高、单笔贷款金额较大，银行创新降低了信贷交易的相关交易成本，而导致信息不对称程度提高产生的负收益效应不明显，提高了银行的信贷总规模。

加入银行创新与不良贷款率交叉项后，不良贷款率对小微企业贷款和信贷总额的影响显著改变，不良贷款率在模型（Ⅴ）中回归系数显著为正，交叉项显著为负；在模型（Ⅴ′）中显著为负，但交叉项显著为正。交叉项均显著，表明银行创新信息不对称影响了信贷可得性。模型（Ⅴ）中交叉项的回归系数显著为负，表明银行创新未能通过影响信息不对称来提高小微企业贷款，相反，降低了小微企业贷款；模型（Ⅴ′）中交叉项系数显著为正，表明银行创新通过影响信息不对称提高了全部经济部门的信贷。这表明信息不对称驱动下的银行创新对中小微企业和全部经济部门信贷可得性的影响完全相反，其原因可能为：由于小微企业的信息透明度较低、单笔贷款金额小，银行虽然通过创新降低了与小微企业贷款的信息不对称，有可能付出更大的成本代价，即相关交易成本增加产生的负收益效应更大；相反，银行创新降低了与非小微企业交易的信息不对称程度，又能使相关交易成本增加产生的负收益效应不明显，会提高银行的信贷总规模。

此外，综合比较表7中银行创新与资本充足率、成本收入比和不良贷款率交叉项系数，可以发现：其一，交叉项对小微企业贷占比的影响都显著为负，对全部贷款的影响都显著为正，表明银行创新通过资本充足性、交易成本和信息不对称途径影响了信贷可得性，而且银行创新对小微企业贷款的影响效应为负，对全部贷款的影响效应为正，进一步验证了上一个实证中关于银行创新提高所有经济部门信贷可得性，未能增加中小微企业信贷可得性的实证结论。其二，分别比较小微企业贷款占比和全部贷款下银行创新与资本充足率、成本收入比和不良贷款率交叉项系数的大小，发现与不良贷款率交叉项的系数最大，分别为-5.179和0.133，表明银行创新作用于信息不对称对信贷可得性的影响最大。

七、结论及启示

从信息不对称与交易成本角度研究中国银行业创新对信贷可得性的影响，在理论上，拓展了信贷配给的相关研究，构建一个信息不对称与交易成本驱动下银行创新的信贷配给效应分析框架；在实证上，运用银行全要素生产率及分解项衡量银行创新，检验中国银行业创新的信贷可得性效应，并进一步检验其影响路径。得出如下主要结论：

第一，银行创新会产生信贷成本效应和信息不对称效应，对信贷配给的影响取决于两种效应的比较。当降低信贷成本效应大于提高信息不对称效应时，会减弱信贷配给；当降低信贷成本效应小于提高信息不对称效应时，会增加信贷配给。

第二，中国银行业的创新提高了对所有经济部门的信贷规模，但降低了中小微企业贷款占比，说明银行创新提高的信贷规模并未相应增加对中小微企业的信贷支持，部分信贷资金可能在非实体经济部门空转。

第三，中国银行业的创新主要通过作用于信息不对称与交易成本来显著影响各经济部门的信贷可得性，通过作用于信息不对称影响信贷可得性的效果最明显。实证结果显示，对中小微企业信贷可得性的影响，银行创新与不良贷款率交叉项的系数最大，为-5.179；对全部经济部门信贷可得性的影响，银行创新与不良贷款率交叉项的系数也最大，为0.133。

根据上述研究结论，可得出如下启示：第一，银行监管部门应督促和引导银行进行以降低信息不对称和交易成本为动因的创新，限制各类监管套利创新，更好地发挥银行中介将储蓄转换为投资的中介功能；第二，通过创新性的金融制度安排，如信用制度建设等，使信息不对称与相关交易成本的替代效应最低；第三，利用金融科技提升信贷技术和信贷流程中各种应对逆向选择和道德风险的治理机制和措施的能力和效率；第四，对信贷技术进行重新组合，运用组合信贷技术达到信息不对称和交易成本的有效匹配，同时重点关注信息不对称驱动下的创新对中小微企业信贷可得性的影响。

附录：

当r增大到r*时，必存在，在此时银行的期望收益才达到最大。银行在此处达到信贷配给均衡状态。