银行集中度、信贷扩张与对外贸易失衡
——基于中国省际面板数据的实证分析

2021-07-08 10:37杨永华黄歆怡
关键词:集中度信贷商业银行

刘 方,杨永华,黄歆怡

(云南师范大学 经济与管理学院,昆明 650500)

引 言

我国加入WTO以来对外贸易取得显著成绩,进出口总额从2001年的42 183亿元攀升到2019年的315 504亿元,期间受2008年全球金融危机的影响有所下滑,但随后又呈恢复性增长态势。进出口差额从2001年的1 865亿元增长到2019年的29 180亿元,19年来一直保持顺差格局,但2009—2011年、2016—2018年两度出现顺差收窄趋势,而其他年份则表现为顺差扩大趋势。货物贸易差额的收窄或扩大有其深刻的国内经济根由,它不仅与产业结构、经济结构、消费结构等结构性因素有关,而且还可能与金融发育水平密切相关。

金融组织的发育程度越高,金融服务越广泛,更多企业和居民可以获得不少融资,从而增加其投资和消费水平,间接影响对外贸易。以银行业金融机构为例,截至2019年12月银行业金融机构数量多达4 607家,其中农村商业银行(1 478家)、村镇银行(1 630家)、农村信用社(含农村合作银行750家)和城市商业银行(134家),传统金融机构占据较大部分,民营银行、消费金融公司、货币经纪公司等逐渐建立和发展起来,提升了银行业金融机构的多元化。

银行业金融机构组织不断发展壮大,资产主要分布于大型商业银行和股份制商业银行之间,占比分别约为39%和18%,其余类型银行的占比均较低,因而银行资产份额较为集中。与此同时,银行业金融机构各项贷款规模达到1 256 074亿元(2017年底数据),而且银行信贷在我国社会融资规模中的比重居高不下,一直处于主导地位。对此,我们感兴趣的一个问题是银行集中度及其信贷规模的扩张是否有助于我国对外贸易失衡的调整(1)无特别说明的情况下,本文对所涉的对外贸易失衡、贸易失衡不做具体区分,均特指(货物)贸易的进出口比值或进出口差额与GDP之比,因此出现对外贸易失衡、贸易失衡等语句时,意涵是一致的。?如果是,那么其影响方向和程度如何?是否存在明显的区域差异,背后可能的原因是什么?这些问题的解答有助于厘清我国对外贸易失衡的金融因素根源。

本文所讨论的银行集中度主要是银行业金融机构的资产方面,未涉及存款和贷款方面,而且使用省际层面的宏观数据。通过运用2007—2019年的省际面板数据实证研究发现,银行业集中度和信贷扩张对贸易失衡具有抑制作用,这种抑制作用在各区域间存在显著差别,而且受2013年提出并实施的“一带一路”倡议的政策效应更明显,原因可能与我国长期以来各地区银行业金融组织发育不平衡和信贷资金配置失当或失衡引发有关。因此,需要不断完善金融机构组织体系,合理分配金融资源,以推动对外贸易的健康持续发展。

一、理论背景与文献综述

(一)理论背景

我国金融体系一直以银行为中心,银行起着配置国家经济资源的作用,成立最早、发展最快的大型商业银行主要是中国工商银行、中国建设银行、中国农业银行和中国银行(毛其淋、王澍,2019)[1]。1987年初中信(实业)银行成立,1987年4月1日交通银行重新组建正式对外营业,同年4月8日招商银行成立,拉开了中国银行业多元化发展的序幕;1988年兴业银行和广东发展银行成立;1992年浦发银行、光大银行、华夏银行等相继成立,使得银行业市场结构逐渐优化。同时,这段时间我国也对四大国有银行进行了商业化改革,基本明确了权责利关系,经营逐渐市场化。2005年开始国有银行相继进行股份制改造,逐步切断了与政府的天然联系,彻底商业化,但是金融资源仍然大多集中于国有商业银行。

国有商业银行在改革深入推进的同时,其他类型的商业银行也在不断扩张。全国性股份制商业银行、城市商业银行、农村商业银行等异军突起,数量和资产规模不断跃升,加剧国有大型商业银行市场份额(资产占银行业金融机构总资产之比)的大幅降低,从2003年的58.03%下降至2018年的36.67%,2019年又缓慢升至40.27%,而股份制商业银行、城市商业银行的市场份额分别从2003年的10.7%、5.29%攀升至2019年17.86%和12.85%(见下页图),二者的市场份额之和已与国有大型商业银行的市场份额相当,共同占据中国银行业的大半江山。分区域来看,除西藏以外,2007—2019年中国30个省(市、自治区)大型商业银行的市场份额平均在30%~50%,其中福建、天津最低,而西藏最高(平均为77.83%),区域分化较为明显。

图 三类商业银行市场份额走势

从信贷的角度看,在国有商业银行垄断时期,国家通过行政干预的方式指导商业银行进行贷款,贷款规模简单扩张(数量型扩张),但是由于经营效率较低,出现了大量银行坏账,这些坏账大部分只能视为国家为发展经济而进行的“透支”或“补贴”(课题组,2007)[2],银行在这种条件下进行贷款,信贷资金几乎全部注入了企业,极大地促进了中国乡镇企业、民营和国企的快速发展。在银行结构多元化时期,商业银行增强了风险意识并追求效益优先,银行资金的投向也因风险控制要求而得到分散化,增加了向个人和非生产性企业的贷款规模。但在国家隐性担保机制的作用下,地区商业银行部门扩张的同时,信贷规模也大幅增加,某些地区的信贷规模甚至超过了当地GDP的两倍之多。

信贷规模的扩大无疑是一把“双刃剑”。信贷规模的扩大既有助于弥补市场主体短期资金不足,促进经济总量增长,但鉴于信贷投放偏向和集中的特点,则又催生了企业投资扩张激励、部分行业产能过剩、虚拟投资偏好和经济结构失衡等若干问题(张学伟、王一舒,2017;钱爱民、付东,2017)[3-4],不仅有损资本配置效率和信贷供给效率、加剧资源配置扭曲,而且不利于我国经济的高质量发展(温涛、张梓榆,2018)[5]和对外贸易的动态平衡。

(二)文献综述

已有研究发现,银行集中度与企业储蓄密切相关,银行集中度越高,则经常账户顺差越大或经常账户逆差越低(谭之博、赵岳,2012)[6],因为越高的银行集中度意味着企业从银行融资的比重越低,从而导致此类企业的自身储蓄增加、投资下降。曹强和虞文美(2016)认为,整体上银行集中度有助于经常账户余额的增加,但却抑制了发展中国家的经常账户余额[7]。茅锐等(2012)同样发现,银行集中度与经常账户余额正相关,银行业集中程度较高的国家,将产生较大的经常账户盈余或较小的赤字[8]。

鉴于我国商业银行体系的特殊性,国有商业银行仍然集聚较多的金融资源,发挥核心主导作用,银行业金融机构的信贷规模仍不断膨胀(2)如2019年中国金融部门信贷占GDP比重以及私人信贷占GDP比重分别高达154.52%与164%。。信贷规模的不断扩张,短期内能够扩大私人部门的消费与投资,形成经常账户逆差(王伟等,2019)[9]。Ekinci&Omay(2019)也发现,信贷扩张总体上抑制经常账户余额,但家庭部门和商业部门的信贷扩张作用有所不同,家庭部门的信贷扩张作用显著为负,而商业部门的信贷扩张作用却不明显[10]。Islam(2019)将信贷扩张分为家庭部门和非金融企业部门两类,研究结果表明家庭部门信贷扩张对贸易余额具有显著的负向影响,非金融企业信贷扩张对贸易余额具有显著的正向效应,而整体信贷扩张对贸易余额的影响有正有负[11]。

由于一国经常账户包括货物贸易、服务贸易、初次收入和二次收入等内容,大多文献在国家层面探讨最多的是经常账户失衡问题,而在一国内部的区域层面则因数据限制探讨较多的是货物贸易失衡问题。如张明志和马静(2012)[12]、李宏和刘茜(2014)[13]、顾国达和麻晔(2015)[14]、余道先和王云(2016)[15]等分别从产业结构、经济内部结构、财政支出偏向和金融约束、经济结构视角探究了我国省际对外贸易失衡问题,但这些研究缺乏从银行业结构、信贷扩张维度的深入分析。因此,从区域视角探讨银行集中度、信贷扩张与对外贸易失衡的关系,对于提高我国对外贸易失衡的理论认识具有重要意义,有助于理解我国对外贸易失衡的内在驱动因素。

二、模型、变量与数据

(一)模型设计

为了揭示银行集中度、信贷扩张对贸易失衡的影响,探讨银行集中度和信贷扩张对贸易失衡的作用效果,建立如下的基准回归模型:

(1)

式(1)中,lnTBit表示第i省(市、自治区)t年(时间跨度为2007—2019年)对外贸易失衡指标的对数值,lnCRit表示第i省(市、自治区)t年银行集中度指标的对数值,lnLOANit表示第i省(市、自治区)t年信贷扩张指标的对数值,lnXit表示一系列影响贸易失衡的因素集合,α0为常数,α1、α2分别表示银行集中度、信贷扩张对贸易失衡的弹性大小,α3是其他一系列因素影响贸易失衡的弹性值集合,λi表示截面个体固定效应,εit表示随机误差项。

(二)变量选择

1.被解释变量

根据多数文献的做法并考虑数据的可得性,以货物出口额与进口额之比的对数值来衡量对外贸易失衡程度lnTB。因此,当出口额等于进口额时,对外贸易达到均衡,从而lnTB=0,否则出现贸易顺差(lnTB>0)或贸易逆差(lnTB<0)。数据来源于历年《中国统计年鉴》。

2.核心解释变量

(1)银行集中度(lnCR)。银行集中度越高,企业从银行融资的比重越小, 自身储蓄越高,贸易盈余也就越大。已有研究指出,衡量银行集中度的指标主要是集中比率、赫芬达尔—赫希曼指数、勒那指数等(冀志斌等,2013)[16],考虑数据的可得性,我们选择集中度比率CR作为银行集中度的代理指标,其为前五家大型商业银行(工、农、中、建、交)资产之和占银行业金融机构总资产的比率,该指标反映了一个地区金融机构的规模情况。实证时取对数纳入回归模型,原始数据取自中国人民银行公布的历年各省(市、自治区)《区域金融运行报告》。

(2)信贷扩张(lnLOAN)。根据Coricelli et.al.(2006)[17]、Buyukkarabacak & Krause (2009)[18]的研究,金融部门的信贷扩张造成居民和企业部门的消费和投资增加,从而负向影响贸易余额,信贷的大幅提高可能对贸易失衡产生影响。鉴于数据的可得性,我们采用各省(市、自治区)金融机构人民币各项贷款余额占该地区GDP的比重衡量信贷扩张程度,并取对数进入回归模型。相关数据来自于中国人民银行公布的历年各省(市、自治区)的《区域金融运行报告》、历年《中国统计年鉴》。

3.控制变量

根据刘伟和陈静(2011)[19]、潘雅琼(2016)[20]、Leibovici (2018)[21]的研究,我们选择以下影响贸易失衡变动的控制变量,包括人口结构 (老年抚养比OLD、少儿抚养比YOUNG)、经济发展程度RGDP (各地区人均GDP)、 贸易开放度 (各地区货物进出口总额占该地区GDP之比)(3)各地区的货物进出口总额以美元为单位,本文按照相应年份的人民币对美元年均汇率折算成以人民币为单位。、财政支出GOV(各地区财政一般预算支出占该地区GDP之比表示)、产业结构INDUS(各地区第二和第三产业增加值之和占该地区GDP之比)。所有控制变量均取对数,相关数据来源于历年《中国统计年鉴》。

(三)数据描述

下表1上半部分报告了样本变量之间的相关系数。各变量之间的相关系数最低时为-0.6,最高时为0.67,未超过0.7,因而模型的估计不会遇到多重共线性问题(4)值得注意的是,计算银行集中度的指标大型商业银行资产和总资产中均囊括了各项贷款余额数据,但由于这两个指标均是比率型数据,而且取对数后二者的相关系数为-0.36,相关度已经大幅缩小。。变量的描述统计报告在表1的下半部分,由于利用《区域金融运行报告》只能收集2007—2019年的数据,因此2007年以来我国31个省(市、自治区)货物进出口逆差最大的是2012年的北京,达到-1.76(出口比进口为0.17),顺差最大的是2013年的西藏,达到4.17(出口比进口为64.9)。

表1 变量的相关系数及描述统计

银行集中度最高是2009年的西藏(-0.034)(5)2009—2011年西藏大型商业银行资产占银行业金融机构总资产高达97%,2012年之后占比有所下滑,2019年仍达到65%。、最低是2016年的福建(-1.618)(6)2019年以来,福建、天津、辽宁、江西、贵州和甘肃等6省(市)大型商业银行资产占银行业金融机构总资产比率已低于30%。,表明福建银行业金融机构竞争度较高,西藏银行业金融机构竞争程度较低,以国有大型商业银行为主。信贷扩张程度最高为2018年的西藏(1.1259)、最低为2008年的黑龙江(-0.5928),平均只有0.1766。2019年全国31个省(市、自治区)金融机构人民币各项贷款余额仍高于当地国内生产总值(GDP),其中西藏为276%,天津为247%,甘肃和青海超过220%。

三、实证结果分析

(一)相关检验与方法

由于本文的样本数据具有“N大T小”(N=31,T=13)的短面板特点,该类数据极可能出现异方差、截面相关性和序列自相关等问题,导致使用OLS标准误进行估计会出现较大偏差。因此,必须进行相关检验,以最终确定选择合适的估计方法。

首先,使用Hausman检验来确定是采用固定效应还是随机效应估计。执行Hausman检验后,卡方值为31.04,相应的伴随概率为0,拒绝原假设,说明采用固定效应回归。

其次,使用修正的沃尔德检验(Wald test)异方差,得到卡方值为2 527.73,相应的伴随概率为0,说明存在组间异方差。使用伍德里奇对误差项进行自相关检验,得到F值为67.166,其伴随概率为0,说明存在序列自相关。

最后,使用Pesaran参数检验截面相关性,结果得到检验值为6.49,对应的概率值为0,说明面板数据中各省之间存在截面相关性。

因此,结合分省面板数据“长N短T”的特点以及Hausman检验要求采用固定效应模型的结果,本文采用Driscoll & Kraay (1998)[22]的方法克服面板数据的异方差问题(7)长面板数据中使用的面板校准标准误(PSCE)在短面板中进行估计时,其效果将会受到影响。同时其与可行广义最小二乘法(FGLS)适用于随机效应模型,而“OLS+稳健标准误”、“Driscoll和Kraay标准误”则适用于固定效应模型。(下文简称“DK”)。该方法将误差结构设定为异方差和特定阶数的自回归,当时间维度逐步増大时标准误对一般形式的截面相关性和时间相关性具有稳健性。由于该方法采用非参数技术估计标准误,对截面数量并未进行限制,即使截面数N远大于时期数T,估计结果也不会受到较大影响。

(二)基本估计结果

表2报告的是使用DK估计法得到的基准估计结果。表2中的第(1)列是未控制其他影响因素的回归结果,从中可以发现变量lnCR、lnLOAN的回归估计系数显著为负,这初步表明银行集中度和信贷扩张能够显著影响对外贸易失衡。

表2 基准估计结果

第(2)列是在列(1)的基础上加入了所有控制变量的回归结果,从中我们发现变量lnCR、lnLOAN的估计系数依然在5%的水平上显著为负,而且估计系数的绝对值变大,再次表明银行集中度、信贷扩张均显著地降低了对外贸易失衡。其经济学意义是:银行集中度每下降1%,将会带来对外贸易失衡程度增加0.71%,而信贷扩张每提高1%,则对外贸易失衡程度随之降低0.69%。

该结果表明,随着银行集中度的下降,我国各地区的对外贸易顺差将会提高,这与现有理论强调银行集中度与经常账户余额正相关的结论有所不同,而金融机构信贷增加则会缓解我国各地区的对外贸易失衡状况。原因在于,随着以国有大型商业银行主导的银行格局不断发生变化,多层次、差异性、广覆盖的银行业金融机构体系的形成,将会导致商业银行金融服务的多元化、低端化、普惠化,从而一定程度上消解了国有商业银行的“所有制偏好”和“信贷偏向”,有助于更多企业或居民得到金融服务,提高消费和投资的可能性,从而降低对外贸易余额。另外,从控制变量的回归结果可以看到:(1)产业结构是影响对外贸易失衡的重要因素,产业结构越偏向二三产业,对外贸易越容易形成贸易顺差,这与张明志和马静(2012)[12]、余道先和王云(2016)[15]的结果一致,表明产业结构的调整有助于改善中国各地区的对外贸易失衡。(2)贸易开放度的估计系数显著为正,表明对外贸易规模越大,贸易失衡程度(顺差规模)也就越大。(3)财政支出的回归系数为正但不显著,说明我国各地区财政支出规模的扩大不会显著影响对外贸易失衡。原因在于,财政支出的结构和偏向性特点导致各地区居民或企业难以获得较多财政资金支持,从而不能有效拉动消费和投资。(4)少儿抚养比的回归系数为负,老年抚养比的回归系数为正,前者在10%的水平上显著,后者不显著。这意味着,少儿抚养比的上升对抑制对外贸易顺差具有重要作用。原因在于,随着我国“少子化”“老龄化”趋势愈发严重,每个家庭的子女抚养成本和教育成本不断增加,缩减了家庭的储蓄能力,消费支出扩大提高了居民对潜在境外商品的需求能力,促使对外贸易顺差下降,这与Chinn 和Prasad (2000)[23]、Chinn 和Ito(2005)[24]的结论一致。(5)人均GDP在1%的水平上显著为负,表明高收入地区更倾向于低贸易余额、高贸易逆差,这可能与居民对境外商品需求提高有关。

(三)稳健性检验

为保证估计结果具有一致稳健性,本文拟从以下四个方面进行稳健性测试以进一步巩固实证研究结论。

1.重新度量对外贸易失衡指标

根据顾国达和麻晔(2015)[14]的研究,有两个指标可以反映对外贸易差额的变化:一是当年货物进出口差额占当年进出口总额的比重(NX),二是当年货物进出口差额占当年该地区GDP的比重(NXG),一般文献通常采用后者。故本文使用第二种度量方法,将未取对数的NXG作为贸易失衡的代理变量代入模型式(1)重新进行DK估计,估计结果如表3中的列(1)所示,说明替换成其他因变量后,除显著性水平降低外,估计系数的符号并未发生变化,进一步表明前文结论具有一定可靠性。

表3 稳健性检验结果

2.纳入对外贸易失衡的滞后一期变量

考虑到对外贸易失衡具有一定持续性特征,即当前的对外贸易失衡可能依赖过去的失衡水平,为了反映这个特征,有必要在模型式(1)的基础上引入对外贸易失衡的一阶滞后项,将其扩展为如下的动态面板模型:

(2)

滞后项lnTBit-1的引入可以降低计量模型的设定偏误,有助于解决内生性问题。本文同时使用系统GMM(Sys-GMM)和差分GMM(Dif-GMM)对式(2)进行估计,结果见表3中的列(2)和列(3),发现银行集中度与信贷扩张仍显著负向影响对外贸易失衡。

3.剔除异常样本点的影响

考虑到我国各地区经济社会发展存在显著差异的事实,我们担心各地区对外贸易失衡、银行集中度以及信贷扩张可能存在异常点,进而可能会影响到本文的估计结果,为了剔除异常样本点的影响,我们对所有样本变量同时进行1%和99%的缩尾处理,然后再用缩尾后的变量对模型式(1)进行DK估计,其结果如表3中的列(4)所示,剔除异常样本点后,银行集中度与信贷扩张仍然显著负向影响贸易失衡。

4.使用动态面板分位数估计

由于不同省区银行集中度、信贷扩张和对外贸易失衡存在明显分化趋势,使用DK估计法仅能捕捉自变量对因变量的平均效应,而并未考虑其他分位点上的回归结果。鉴此,我们再利用面板分位数回归技术进行分析,其原理是根据Gavlao(2011)[25]的研究,假设有如下简化形式的动态面板模型:

(3)

式(3)中,yit是因变量,yit-1是滞后一期因变量,i代表不同的样本个体(地区),t代表不同的观察时点(时间),β为自变量的系数向量,ηi表示个体固定效应,uit表示随机误差项。

若采用分位数回归对式(3)进行参数估计,首先需要建立条件分位数方程:

(4)

式(4)中,zit代表固定效应,zitη表示截距,α(τ)、β(τ)表示τ分位点上的回归系数。

当τ在(0,1)上变动时,通过求解加权绝对残差最小化问题即可得到分位数回归在不同分位点的参数估计值,最小化加权绝对残差表达为:

(5)

该方法引入工具变量并采用试算法将滞后变量移项构造新的因变量,有效解决模型的内生性问题。动态面板分位数估计结果如表3中的列(5)-(7)所示,从中发现银行集中度的回归系数在90%分位点上显著为正,在25%分位点上显著为负,在75%分位点上不显著且为负,而信贷扩张在所有分位点上的估计系数均显著为负(8)在10%分位点、50%分位点上,银行集中度和信贷扩张的回归系数均显著为负,篇幅所限并未报告。,这集中表明本文的研究结论具有一定稳健性。

四、不同类型的区域异质性分析

(一)按行政区域划分

根据《中共中央、国务院关于促进中部地区崛起的若干意见》《国务院发布关于西部大开发若干政策措施的实施意见》以及党的十六大报告精神,将我国经济区域划分为东部、中部、西部和东北四大地区。但由于东北地区仅有三个省份,样本较少,为此我们将辽宁省划入东部地区、黑龙江和吉林划入中部地区进行研究,从而形成东部、中部和西部三大地区的子样本(9)东部地区包括:北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南等11省(市)。中部地区包括:黑龙江、吉林、山西、安徽、江西、河南、湖北和湖南等8省。西部地区包括:内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆等12省(市,自治区)。,并对三个子样本进行DK估计,结果如表4的第(1)-(3)列所示(10)由于本文仅关注和解释核心变量的影响,对于所有其他控制变量和常数项的估计结果,后文将不再报告和解释。。

表4 分地区估计结果

从中我们可以看出,银行集中度(lnCR)对中部地区的对外贸易失衡具有显著作用,而对东部地区、西部地区的影响并不显著,且在列(1)中变量lnCR的估计系数符号变为正。我们认为导致这一差异性影响的原因可能与各地区的金融组织发育程度有关,因为与大多数中西部地区不同的是,东部地区具有较发达的民营经济、较完备的金融机构体系,金融机构覆盖面广、发育较好,从而反过来助力更多民营经济(11)国有银行及股份制银行等相对繁琐且严格的审批程序需要耗费较长时间,不能及时解决民营企业面临的问题,因此寻求当地金融机构的贷款支持成为最好的选择。、国有经济发展,因而国有大型商业银行体系垄断程度的下降反而能够降低这些地区的对外贸易余额。

信贷扩张变量lnLOAN的回归系数均为负,但在东部地区子样本中,其估计值在1%水平上显著。这说明信贷扩张已然显著影响东部地区的对外贸易失衡,而对中部、西部地区的对外贸易失衡无明显影响。一个可能的解释是区域间的“信贷失衡”导致的刺激效应不同,东部地区金融机构发放的各项贷款远高于中部和西部地区,信贷刺激作用较强。据2019年《区域金融运行报告》显示,金融机构发放的本外币贷款余额占比中,东部为55.4%,中部为17.6%,西部为20.8%,金融机构一半以上的贷款主要集中于东部地区,而且远高于中部和西部地区的贷款占比之和,这说明信贷的集中与刺激对贸易失衡亦具有重要作用。

(二)按出口依赖度划分

20世纪70年代以来,我国对外开放已经形成从建立经济特区到开放沿海、沿边、沿江、内陆的分步骤、分区域、多层次的渐次开放格局。在这种开放政策的影响下,我国各省市的出口依赖度出现明显分化,其中以广东、上海、浙江、江苏、福建、天津等沿海省市以及以新疆为代表的沿边地区,出口依赖度(出口额/当地GDP)均超过15%(12)指2007—2019年的平均值。,而内陆省市如青海、甘肃、贵州等地出口依赖度则不足10%。

在这种情势下,若遭遇不利的外部冲击导致出口下行预期强化时(13)如在新冠肺炎疫情蔓延全球、中美贸易摩擦反复的背景下,导致的外需萎缩、出口下行趋势明显。,高出口依赖地区的经济下行风险就会加大,从而导致更低的贸易余额,出现贸易逆差,为此亟需国内各项政策尤其是信贷政策的鼎力支持,促进出口以防止过快产生贸易逆差。因此,我们将2007—2019年平均出口依赖度超过(含)15%的省市划分为高出口依赖地区(14)高出口依赖地区包括北京、天津、辽宁、上海、江苏、浙江、福建、山东、广东和新疆,其余省市为低出口依赖地区。,出口依赖度不足15%的省市划分为低出口依赖地区,其DK估计结果如表5所示。

从表5可知,银行集中度对高出口依赖地区的对外贸易失衡无明显作用,但对低出口依赖地区的对外贸易失衡则具有显著的抑制作用,这与表4的估计结果类似,与表2的估计结果不同。一方面高出口依赖度地区样本与东部地区样本具有较大的重复,另一方面高出口依赖地区2015年以来的大型商业银行集中度均已显著下降(低于36%),多层次、广覆盖的金融机构体系逐渐形成,从而对该地区对外贸易失衡的影响不断减弱。

表5 按出口依赖度高低的分组估计结果

信贷扩张对两类出口依赖地区的对外贸易失衡同样具有显著的负向影响。从回归系数的绝对值来看,高出口依赖地区较低,比表4东部子样本中的回归系数的绝对值还要低,同时低出口依赖地区的系数绝对值比表4中部、西部样本中的系数绝对值还要大。这意味着,在出口依赖度高的地区,信贷扩张对贸易失衡的作用减弱,而在出口依赖度低的地区,信贷扩张对贸易失衡的作用增强。该结果充分表明银行集中度与信贷扩张对不同出口依赖度地区的对外贸易失衡存在显著的异质性影响。

(三)按储蓄—投资转化率区分

根据新古典贸易理论,储蓄高于投资造成了贸易顺差(15)用公式表示为:出口-进口=(私人储蓄-私人投资)+(政府税收-政府支出)。,反之储蓄低于投资则引致了贸易逆差(刘茜,2014)[26]。由于中国金融体系尚欠发达,储蓄转化为投资的效率低,于是造成储蓄高于投资的现象(祝丹涛,2008)[27]。我国幅员辽阔,各地区之间储蓄和投资规模差异较大,它们之间的转化效率也必然不同,在转化效率高的地区,对外贸易顺差可能较低(或逆差较大),在转化效率低的地区,对外贸易顺差可能较高,因而银行集中度与信贷扩张对这些地区的影响也就有所不同。

为此,根据任碧云和杨鸿涛(2015)[28]的研究,构建如下的计量模型,以测算各地区的储蓄—投资转化效率。

(6)

我们使用2000—2017年的省级投资率、储蓄率数据,对式(6)分别估计31个省(市、自治区)的βi值,按从低到高的顺序排列,找出其中位数βm=0.9762,如果βi≥βm则i地区属于转化效率高区域(H区域)(18)储蓄—投资转化效率高的地区有北京、天津、河北、内蒙古、辽宁、吉林、安徽、福建、江西、河南、湖南、广西、重庆、云南、陕西、宁夏,其余为转化效率低的地区。;如果βi<βm则i地区属于转化效率低区域(L区域),DK估计结果报告在表6中。

由表6可知,无论是在高转化率区域(H区域)还是低转化率区域(L区域)子样本,银行集中度均对贸易失衡产生负向影响,但前者的回归系数在10%水平上显著,而后者不显著。不显著的原因可能在于储蓄向投资转化的梗阻较多,大型商业银行市场结构的强化无益于疏通转化渠道,而处于垄断地位的国有商业银行将绝大多数储蓄资源分配给相对低效的国有企业和政府融资平台,从而也就不能明显影响对外贸易格局。

表6 按储蓄—投资转化效率高低分组估计结果

值得注意的是,信贷扩张对贸易失衡的回归系数分别在1%和10%的水平下显著,而且从绝对值来看,L区域是H区域的2倍,即信贷扩张对高转化区域的影响较小,对低转化区域的影响较大。我们认为导致这一差异性影响的原因可能与我国经济转型中的“信贷偏向”和“信贷配给”现象有关,这既造成了区域间储蓄—投资转化不平衡,又带来了区域间巨大的信贷分配差距,因而无益于各地区信贷资源的有效配置和对外贸易失衡改善。

五、“一带一路”倡议实施的影响

“一带一路”倡议自2013年提出以来,我国与“一带一路”沿线国家的货物贸易总额由1.09万亿美元增长到了2018年的1.27万亿美元,年均增长率高于同期中国对外贸易增速。2019年1-4月,我国对“一带一路”沿线国家合计进出口额2.73万亿元,同比增长9.1%,高于全国整体进出口增速4.8个百分点。

2013年以后“一带一路”倡议实施对我国对外贸易产生了重要影响,这样的政策冲击可看成一次准自然实验,为识别“一带一路”倡议背景下银行集中度、信贷扩张对我国省域对外贸易失衡的影响,借鉴赵娜和肖楠(2018)[29]的研究,设立如下的计量模型:

lnTBit=γ0+γ1HIGHCRit+γ2TIME2013it+γ3HIGHCRit×TIME2013it+γ4Xit+εit

(7)

lnTBit=γ0+γ1HIGHLOANit+γ2TIME2013it+γ3HIGHLOANit×TIME2013it+γ4Xit+εit

(8)

式(7)、(8)中,HIGHCRit、HIGHLOANit分别代表各省市(自治区、直辖市)银行集中度、信贷扩张程度的高低,取值为1代表该地区银行集中度指标、信贷扩张指标数值大于样本均值,取值为0代表该地区银行集中度指标、信贷扩张指标数值小于或等于样本均值。TIME2013it为时间虚拟变量,2013年及以前各年取值为0,2013年之后各年取值为1。

式(7)和(8)中的交叉项用以衡量“一带一路”倡议对不同银行集中度、信贷扩张省域对外贸易失衡的影响,其系数γ3刻画了“一带一路”倡议下高银行集中度(高信贷扩张)地区相较于低银行集中度(低信贷扩张)地区“相对贸易失衡差距”。γ2刻画了“一带一路”倡议实施对低银行集中度和低信贷扩张地区的对外贸易失衡的影响,γ2+γ3刻画了“一带一路”倡议实施对高银行集中度和高信贷扩张地区对外贸易失衡的影响,Xit表示控制变量,包括了前文所述的所有控制变量。由表7可知,在1%的显著性水平上,TIME2013显著为正,这就说明2013年以后“一带一路”倡议的实施扩大了我国低银行集中度和低信贷扩张地区的对外贸易失衡。TIME2013×HIGHCR显著为负,表明在“一带一路”倡议实施后,银行集中度高的省份和银行集中度低的省份均降低了对外贸易失衡,“一带一路”倡议的实施具有明显的负效应。从列(1)和列(2)中的交互项和TIME2013系数的显著性来看,“一带一路”倡议的实施对高银行集中度地区的对外贸易失衡有显著效应,但对高信贷扩张地区的对外贸易失衡则无明显效应。因此,“一带一路”倡议实施扩大了不同银行集中度地区、低信贷扩张地区的贸易失衡,但对高信贷扩张地区的对外贸易失衡则无明显影响。

表7 “一带一路”倡议实施的估计结果

结 论

尽管对外贸易失衡是多因素综合的结果,但银行业结构及其伴生的信贷扩张作用却一直未曾考虑,从而留有缺憾。本文使用2007—2019年中国大陆地区31个省(市、自治区)的面板数据,探讨了银行集中度、信贷扩张对省际对外贸易失衡的影响,得到如下结论:

第一,整体上银行集中度和信贷扩张显著负向影响对外贸易失衡,即导致贸易顺差失衡下降,贸易逆差失衡上升。这一结论在更换对外贸易失衡变量、考虑对外贸易失衡变量的滞后一期、剔除异常样本点以及进行动态面板分位数估计后依旧成立。

第二,我们还考察了银行集中度与信贷扩张对不同地区对外贸易失衡的异质性影响,发现银行集中度对东部地区、高出口依赖地区和储蓄—投资转化效率低地区的影响不明显,而信贷扩张对中部地区、西部地区的影响也不明显。此外,信贷扩张对储蓄—投资转化效率低(低出口依赖)的地区的抑制效应强于储蓄—投资转化效率高(高出口依赖)的地区。

第三,考虑“一带一路”倡议实施的政策冲击效应后,我们发现“一带一路”倡议的实施在不同银行集中度和低信贷扩张地区具有明显效应。

上述结论表明除了考虑经济结构、产业结构、财政支出等因素之外,地区银行业结构和信贷规模扩张对贸易失衡也发挥了重要作用,而且在有利的政策刺激下,其作用更加明显。长期以来,中国一直依靠出口导向型战略拉动经济增长,积累了大量(货物)贸易顺差,然而面对中国经济增速放缓以及突如其来的新冠肺炎疫情全球大流行冲击导致的国外需求疲弱,加上中美经贸摩擦不断反复,中国进出口额度都可能有所收窄,短期内货物贸易顺差和逆差交替出现的可能性增大,因而必须防止贸易失衡扩大,注重对外贸易平衡。

在这种新形势下,发展多层次、广覆盖、有差异、大中小合理分工的银行业金融机构体系,既提高了银行业金融机构的市场竞争程度,又能通过适度的信贷扩张助力国内“生产、分配、流通、消费”各节点的循环畅通,借以缓解其对贸易失衡的抑制效应,避免贸易顺差(逆差)不断下降(扩大)。与此同时,继续加强和巩固与“一带一路”沿线国家的经贸关系,推进对外贸易国别(或地区)结构的合理化。在此基础上,积极推进我国资本要素市场化配置体制机制改革促进资本要素在省际间的合理、有序、有向流动,扭转我国长期以来在东、中、西部地区信贷资金配置的不平衡现象,渐次有效改善信贷资金的地区分配结构,重点偏向于中西部地区、出口依赖度较高地区和储蓄—投资转化效率高的地区,提高信贷配置效率,减轻其对贸易失衡的负面影响,从而确保我国外部经济的平稳运行。

猜你喜欢
集中度信贷商业银行
商业银行资金管理的探索与思考
新广告商:广告业周期性在弱化,而集中度在提升 精读
基于因子分析法国内上市商业银行绩效评
基于因子分析法国内上市商业银行绩效评
我国物流产业集中度与市场绩效关系分析
清徐醋产业发展研究
基于SCP范式对我们商业银行中间业务市场的分析
发达国家商业银行操作风险管理的经验借鉴