金融供给侧结构性改革是否改变了信贷歧视——基于中国A股上市公司的检验

董 骥 田金方

山东财经大学 统计学院，山东 济南 250014

李 航

山东财经大学 MBA学院，山东 济南 250014

一、引言与文献回顾

银行信贷资源作为主要的金融资源之一，是企业融资的主要来源(文学舟等，2019[1]；胡金焱和水兵兵，2020[2])，但目前银行信贷资源普遍对企业存在严重的信贷歧视(王凤荣，2004[3])。所谓信贷歧视，是指银行信贷资源结构化差异问题(陈浩等，2020[4])，具体地说，国有、大型或重资产型传统企业得益于政府提供的显性或隐性的担保，占据大量银行信贷资源，导致信贷资源没有向高效率、高回报的民营、中小微或轻资产科技创新型企业流动。信贷歧视的存在正成为限制民营企业、中小微企业与轻资产科技创新型企业发展的一大障碍。

2019年2月，习近平总书记在中共中央政治局第十三次集体学习时强调，应正确把握金融本质，深化金融供给侧结构性改革，增强金融服务实体经济能力，提升金融资源配置效率。金融供给侧结构性改革，并不是单纯地从供给侧入手，而是立足于实体经济的金融服务需求，优化调整金融体系结构，促进金融资源有效配置和经济结构调整，提升金融供给的质量和效率，实现金融总供给和总需求的平衡(刘立新和李鹏涛，2019[5])。因此，金融供给侧结构性改革是解决当前中国金融领域突出问题的战略指引，本质是通过改革实现金融制度优化和服务效率提升。

深化金融供给侧结构性改革，对银行业而言，一方面，需多措并举，降低民营企业、中小微企业融资成本，鼓励科技创新型企业发展，增加非国有企业、中小微企业与科技创新型企业获得信贷资源的便利性；而另一方面，金融供给侧结构性改革要求坚持金融行业“去杠杆”，银行业将会总体控制自身信贷投放规模，信贷规模总体平稳与趋紧势必会进一步加剧企业之间对于信贷资源的竞争(陆正飞等，2009[6])，如果信贷歧视尚在，会使得非国有企业、中小微企业与科技创新型企业面临更为严峻的融资问题。因此，金融供给侧结构性改革是否会改变信贷歧视值得探究。

影响企业信贷融资规模的具体因素一直深受学者们的探究，不同的学者从不同的角度出发，得出的结论不尽一致。归根结底，银企之间的信息不对称影响银行对企业的信任度，是影响企业能够获得银行信贷资源的最根本原因(Stiglitz and Weiss，1981[7])：一方面，银行业需要获取其信贷资源利润的最大化，而不愿意向规模较小、资金需求也较小的中小企业放贷(Straham and Weston，1996[8])；另一方面，银行业需要为自身的信贷资源规避风险，缓解信息不对称所引起的道德风险与逆向选择(Aivazian et al.，2015[9])。因此，企业要想取得银行信任，获得银行信贷资源，需要建立与增强银企信任度(胡国晖和陈秀琴，2019[10])。

影响企业获得银行信贷资源规模的因素主要分为企业内部因素与外部因素。企业内部因素即企业自身内部条件，企业可以通过提升自身内部条件进而增加获得银行信贷的可能性。Titman and Wesseles(1988)[11]研究表明影响企业融资的内部因素有企业的获利能力、资产担保价值、成长性等；崔婕和杨季萍(2017)[12]分析得出企业规模、企业资产担保价值、发展能力、盈利能力等几个方面会对中小企业信贷融资产生主要影响。谭庆美等(2008)[13]针对当时中国信贷现状，发现企业的性质会影响企业信贷的可得性，主要表现在资产规模较大的国有企业更容易从银行获得贷款。除此之外，企业家的财富能力与风险特征也会影响企业信贷的可得性(周中胜和王愫，2010[14])。同时，外部因素也是影响企业能否获得信贷资源的重要因素。Bernanke and Blinder(1988)[15]论证了信贷政策对企业融资的影响。饶品贵和姜国华(2013)[16]探究货币政策如何影响资源配置，尤其是信贷资源配置；伍中信等(2013)[17]研究发现信贷政策作为宏观金融供给层面因素，会显著影响企业资本结构；袁春生和郭晋汝(2018)[18]以制造业上市公司为研究样本，研究发现宽松的货币政策会更有益于提升企业对信贷资源的可得性。政府干预也是一个不可忽略的企业外部重要因素(戴金平等，2008[19])，刘海明和曹廷求(2015)[20]从企业微观视角探讨政府干预下的企业信贷问题，指出政府干预能够降低宏观经济不确定性对企业贷款总量的负向影响；另外，政府干预程度往往与国有企业获得的银行贷款数量和贷款期限成正相关(余明桂和潘红波，2008[21])，因为在政府干预的背景下，银行信贷自主权匮乏，信贷资源配置往往倾向于国有及大型企业，民营及中小企业面临严重的信贷歧视(王凤荣和慕庆宇，2019[22])。

综上所述，影响企业获得银行信贷资源的因素既存在企业规模、成长性等内部的因素，也存在政府干预、宏观政策等企业外部的因素。因此，本文通过搜集上市公司的银行信贷数据与企业自身相关变量指标的数据，将企业划分为国有企业与非国有企业、大型企业与中小微企业、科技创新型企业与传统企业三个类别，以2019年第2季度为深化金融供给侧结构性改革基期，探究金融供给侧结构性改革政策实施是否改变了银行对于不同类型企业存在的信贷歧视，是否能够增加对非国有企业、中小微企业与科技创新型企业的信贷供给规模。研究发现，金融供给侧结构性改革在改变大型企业和中小微企业之间、传统型企业和科技创新型企业之间的信贷歧视的政策效应非常显著，但在国有企业与非国有企业之间存在的信贷歧视并没有因为政策的实施而改变。

本文的主要贡献在于：在企业银行信贷规模方面全面考虑了金融供给侧结构性改革改变信贷歧视会带来不同的政策实施效果：一方面政策实施会减少信贷供给，增加各类企业对银行信贷的竞争，另一方面政策实施应提高信贷资源配置效率，消除信贷歧视，维护效率公平；同时，充分考虑了信贷歧视存在的三种企业分类：国有企业与非国有企业、大型企业与中小微企业、科技创新型企业与传统企业，通过面板DID模型验证金融供给侧结构性改革消除信贷歧视的政策效应；此外研究结论支持了金融供给侧结构性改革在提升银行信贷资源配置效率方面的政策有效性，并为进一步深化金融供给侧结构性改革，提升银行信贷资源配置效率，消除国有企业与非国有企业之间的信贷歧视提供了政策依据与经验支持。

二、研究假说

本文从金融供给侧结构性改革的具体内容出发，综合考虑影响企业获得银行信贷规模的主要因素，重点考察深化金融供给侧结构性改革的相关政策在国有企业与非国有企业、大型企业与中小微企业、科技创新型企业与传统企业在获得银行信贷资源方面的实施效果，旨在探究金融供给侧结构性改革是否改变了银行信贷资源对企业的信贷歧视。

金融供给侧结构性改革的重点在“供给”，就银行业而言，调整信贷配给，防止银行信贷资源过度供给，同时充分发挥市场在银行信贷资源配置中的作用，提升银行信贷资源配置结构的合理性，摒弃信贷歧视，促使信贷资源向高效率、高回报企业流动。

李杨(2019)[23]认为金融供给侧结构性改革的内容可概况为“一个基础、六大方向”。现有的金融结构存在扭曲，金融资源错配严峻，信贷歧视作为金融资源错配的具体表现之一，是金融供给侧结构性改革亟须解决的问题。金融供给侧结构性改革强调“以市场需求为导向，积极开发个性化、差异化、定制化的金融产品”，增加中小金融数量和业务比重，降低民营企业、中小微企业融资成本，明确鼓励给予民营企业、中小微企业信贷供给；与此同时，优化金融结构，控制信贷资源过度供给，会使银行业“产能供给”规模增速总体平稳，对大型企业的银行信贷来源予以控制，大型企业所获得的银行信贷规模会下降。多措并举，改善金融资源错配，对于银行业，银行信贷不再存有“唯规模是举、唯国有是举”的信贷歧视。因此，本文提出假说1与假说2。

假说1：深化金融供给侧结构性改革会在非国有企业获得银行信贷规模上有积极的政策实施效果，会降低企业在获得银行信贷资源时是否属于国有企业的信贷歧视。

假说2：深化金融供给侧结构性改革会在中小微企业获得银行信贷规模上有积极的政策实施效果，会降低企业在获得银行信贷资源时规模是否属于大型企业的信贷歧视。

当前，随着新业态、新模式、新技术的涌现，具有传统企业所不具备的创新能力、成长空间的科技创新型企业正逐步发展壮大，为中国经济发展提供新动力。深化金融供给侧结构性改革，金融领域通过改善金融产品和服务的结构性供给以促进科技创新型企业持续发展提供信贷支持。因此，本文提出假说3。

假说3：深化金融供给侧结构性改革会在科技创新型企业获得银行信贷规模上有积极的政策实施效果，会降低企业在获得银行信贷资源时是否属于传统企业的信贷歧视。

三、模型构建与数据来源、变量选取

(一)模型构建

双重差分法(DID，Difference-In-Difference)作为评估政策效应的主流方法，在许多领域都有较好的应用，它不仅可以很大程度上避免内生性问题的困扰，而且模型设置更加科学，能够更准确地估计出政策效应。因此，通过构建面板DID模型，实证研究金融供给侧结构性改革是否改变了银行信贷资源对于不同类型企业存在的歧视，并建立普通OLS模型，检验政策实施前后信贷歧视现象的存在性，从而验证假说1、假说2、假说3。所以，本文构建的主要模型如下：

Credit-scaleit=β0+β1du+β2dt+β3du·dt+Xθ+λi+θt+εit

(1)

Credit-scaleit=α0+α1du+Xθ+εit

(2)

其中，Credit-scaleit是模型的被解释变量，表示企业i在t时期获得的银行信贷规模的自然对数值，X为控制变量。

(二)数据来源与变量选取

本文所用的数据是A股上市公司的数据，为保证数据完整性，本文最终选取362家上市企业2017年第4季度至2019年第4季度的季度数据，缺失值通过相邻两期平均值法补齐，数据来源于国泰安(CSMAR)数据库。

本文的主要解释变量为存在信贷歧视的企业分类变量，即一个企业是否为国有企业、是否属于大型企业、是否属于轻型科技创新型企业，政策实施时间划分间隔为2019年第1季度(表1)。

表1 主要解释变量

根据谢阿红等(2019[24])的研究，本文选取能够代表企业相关状况的8个指标构建企业获得银行信贷资源的内部因素的指标作为模型的控制变量(表2)。

表2 企业内部因素指标

表3显示了各变量的具体意义以及描述性统计。

表3 各变量的意义及描述性统计

四、实证分析

(一)金融供给侧结构性改革与信贷歧视(国有企业、非国有企业)

金融供给侧结构性改革在改变国有企业与非国有企业信贷歧视的政策效应(表4)。

表4 政策效应检验：信贷歧视(国有企业与非国有企业)

续表4

根据表4，列(1)和列(2)检验了金融供给侧结构性改革之前，在国有企业与非国有企业之间是否存在信贷歧视。结果显示，在金融供给侧结构性改革之前，企业获得的银行信贷规模在国有企业与非国有企业之间存在较大差异，银行信贷资源更多集中在国有企业，信贷歧视显著存在。因此，需要优化信贷资源配置，改变信贷资源偏好于国有企业的信贷歧视。

列(3)与列(4)展示了金融供给侧结构性改革在改变国有企业与非国有企业之间存在的信贷歧视的政策效应。结果显示，政策效应并不显著，金融供给侧结构性改革并没有在非国有企业获得银行信贷的规模方面有积极的政策实施效果，没有改变银行信贷资源偏好于国有企业的信贷歧视，假说1不成立。

为了验证面板DID模型结论，本文采用普通OLS模型，检验金融供给侧结构性改革之后，在国有企业与非国有企业之间是否存在信贷歧视，结果见列(5)和列(6)。结果显示，在金融供给侧结构性改革之后，企业获得的银行信贷规模在国有企业与非国有企业之间仍然存在较大差异，即信贷歧视仍然显著存在。金融供给侧结构性改革对国有企业与非国有企业之间存在的信贷歧视的改变的政策效果并不理想。列(5)与列(6)进一步验证了面板DID模型政策效应结果的准确性，假说1不成立。

(二)金融供给侧结构性改革与信贷歧视(大型企业、中小微企业)

金融供给侧结构性改革在改变大型企业与中小微企业信贷歧视的政策效应(表5)。

表5 政策效应检验：信贷歧视(大型企业与中小微企业)

表5的列(7)和列(8)检验了金融供给侧结构性改革之前，在大型企业与中小微企业之间是否存在信贷歧视。结果显示，在金融供给侧结构性改革之前，企业获得的银行信贷规模在大型企业与中小微企业之间存在较大差异，银行信贷资源更多集中大大型企业，信贷歧视显著存在，因此，需要优化信贷资源配置，改变信贷资源偏好于大型企业的信贷歧视。

列(9)与列(10)展示了金融供给侧结构性改革在改变大型企业与中小微企业之间存在的信贷歧视的政策效应。结果显示，政策效应在95%的置信水平下显著，金融供给侧结构性改革在中小微企业获得银行信贷的规模方面有积极的政策实施效果，改变了银行信贷资源偏好于大型企业的信贷歧视，假说2成立。

为了验证面板DID模型结论，列(11)与列(12)采用普通OLS模型，检验金融供给侧结构性改革之后，在大型企业与中小微企业之间是否存在信贷歧视。结果显示，在金融供给侧结构性改革之后，企业获得的银行信贷规模在大型企业与中小微企业之间存在的差异并不显著，因此认定在大型企业与中小微企业之间不存在银行信贷资源的歧视。金融供给侧结构性改革在改变大型企业与中小微企业之间存在的信贷歧视方面政策效应显著。列(11)与列(12)进一步验证了面板DID模型政策效应结果的准确性，假说2成立。

(三)金融供给侧结构性改革与信贷歧视(科技创新型企业、传统企业)

金融供给侧结构性改革改变科技创新型企业与传统企业信贷歧视的政策效应(表6)。

表6的列(13)与列(14)检验了金融供给侧结构性改革之前，在科技创新型企业与传统企业之间是否存在信贷歧视。结果显示，在金融供给侧结构性改革之前，企业获得的银行信贷规模在科技创新型企业与传统企业之间存在较大差异，银行信贷资源更多集中在传统企业，信贷歧视显著存在，因此，需要优化信贷资源配置，改变信贷资源偏好于传统企业的信贷歧视。

列(15)与列(16)展示了金融供给侧结构性改革在改变科技创新型企业与传统企业之间的信贷歧视现象的政策效应。结果显示，在普通DID模型中，政策效应系数为正但是在统计上并不显著(1)政策效应系数值对应t值为1.41，计算得对应p值为0.158，参照邓敏和蓝发钦(2013[25])的研究，*表示在20%的显著性水平下显著，政策效应存在有一定可信性。，在面板DID模型中，政策效应在99%的置信水平下显著，金融供给侧结构性改革在科技创新型企业获得银行信贷的规模方面有积极的政策实施效果，改变了银行信贷资源偏好于传统企业的信贷歧视，假说3成立。

为了验证面板DID模型结论，本文采用普通OLS模型，检验金融供给侧结构性改革之后，在科技创新型企业与传统企业之间是否曾在信贷歧视，结果见列(17)和列(18)。结果显示，在金融供给侧结构性改革之后，企业获得的银行信贷规模在科技创新型企业与传统企业之间存在的差异并不显著，因此认定在科技创新型企业与传统企业之间不存在银行信贷资源的歧视。金融供给侧结构性改革在改变科技创新型企业与传统企业之间存在的信贷歧视方面政策效应显著。列(17)与列(18)进一步验证了面板DID模型政策效应结果的准确性，假说3成立。

五、稳健性检验

为了对上述实证分析结论的稳健性进行检验，本文采用倾向值得分匹配法(Propensity Score Matching，PSM)。采用PSM的原因是因为PSM具有两大优点：其一，PSM仅可用倾向指数就可以完成匹配过程，稳健性较好；其二，PSM可以解决由样本观测变量造成的可能的选择性偏误问题。

由表4、表5、表6可知，在金融供给侧结构性改革的政策效应对银行信贷规模产生影响的同时，本文发现在影响银行信贷规模的企业内部因素中，企业固定资产规模与企业应收账款规模在95%的置信水平下一直是显著的。因此，在倾向值得分匹配过程中，本文采用企业固定资产规模与企业应收账款规模为协变量，以是否为国有企业、是否为大型企业、是否为科技创新型企业为处理变量，采用K近邻匹配。

接下来，本文分别以是否为国有企业、是否为大型企业、是否为科技创新型企业为处理变量，分别进行1∶1、1∶2、1∶3、1∶4、1∶5倾向值得分匹配，进而采用面板DID模型对匹配后的样本数据进行分析，验证金融供给侧结构性改革改变信贷歧视的政策效应。

表7中倾向值得分匹配的面板DID模型表明，对于国有企业与非国有企业，政策效应均不显著。金融供给侧结构性改革并没有在非国有企业获得银行信贷的规模方面有积极的政策实施效果，没有改变银行信贷资源偏好于国有企业的信贷歧视，假说1不成立；对于大型企业与中小微企业，政策效应均在99%的置信水平下显著为负，说明金融供给侧结构性改革在中小微企业获得银行信贷的规模方面有积极的政策实施效果，改变了银行信贷资源偏好于大型企业的信贷歧视，假说2成立。对于科技创新型企业与传统型企业，政策效应均至少在95%的置信水平下显著为正，说明金融供给侧结构性改革在科技创新型企业获得银行信贷的规模方面有积极的政策实施效果，改变了银行信贷资源偏好于传统企业的信贷歧视，假说3成立。因此，本文的结论是稳健的。

续表7

六、结论与启示

本文通过搜集362家A股上市公司2017年第4季度至2019年第4季度共9个季度的相关数据，采用面板DID模型实证研究金融供给侧结构性改革的相关政策是否会改变银行信贷资源在选择企业时存在的信贷歧视的问题。研究发现：第一，金融供给侧结构性改革前，在国有企业与非国有企业之间、大型企业与中小微企业之间、科技创新型企业与传统企业之间存在显著的信贷歧视；第二，金融供给侧结构性改革在改变大型企业和中小微企业之间、传统型企业和科技创新型企业之间的信贷歧视的政策效应非常显著，但在国有企业与非国有企业之间存在的信贷歧视并没有因为政策的实施而改变；第三，在大部分模型中，企业固定资产与应收账款变量均在统计上显著，说明政策实施前后，企业固定资产与应收账款相关指标仍然是企业获得银行信贷资源规模的主要内部影响因素。

根据以上研究结论，本文可以得到以下三点启示。

第一，2019年第2季度以来，配合着金融供给侧结构性改革，中国在银行信贷资源配置方面出台了相当的政策条例，这些政策条例的实施显著改善了银行信贷资源在大型企业与中小微企业、科技创新型企业与传统企业之间存在的信贷歧视，银行信贷资源正在朝着效率高、利润率高、成本低的方向流动。政府充分发挥和肯定市场在银行信贷资源配置方面的作用，辅之以恰当的行政政策，改善政策环境，最大化政策效力，是解决银行信贷资源歧视的基本保证。

第二，金融供给侧结构性改革并没有改变存在于国有企业与非国有企业之间的信贷歧视现象，部分省份和地区仍然不平等对待国有企业与非国有企业，因此，亟须构建公平合理的市场竞争体系，促进信贷资源优化配置，保障非国有企业健康、高效发展。

第三，企业自身基本信息、财务指标与营运指标等是影响企业能否获得更多信贷资源的内部因素，不论企业是否国有、规模如何、是否属于传统企业还是科技创新型企业，企业固定资产与应收账款大都通过统计上的显著性检验，说明企业的内部因素，尤其是企业基本状况与运营能力在信贷资源获得时的重要性。通过不断完善企业内部机制，加强规范化管理，提高经营透明度，加强信用建设等方面不断完善和发展企业，解决银企之间“信息不对称”难题，是企业获得更多信贷资源的根本出路。