貨幣政策如何影響中國的信貸資源再分配——基于雙重差分模型的實(shí)證檢驗(yàn)

劉 飛

(河南大學(xué)經(jīng)濟(jì)學(xué)院，河南 開封 475004)

一、引 言

中國以四大商業(yè)銀行為主導(dǎo)的銀行體系存在的主要問題是，國有商業(yè)銀行將大部分銀行信用提供給了效率低下的國有企業(yè)，而效率較高的非國有企業(yè)卻難以得到銀行信用的支持，即中國銀行對(duì)不同產(chǎn)權(quán)性質(zhì)的企業(yè)存在明顯的“信貸歧視”［1］。但是，在過去的30年中，中國的經(jīng)濟(jì)增長速度遠(yuǎn)遠(yuǎn)快于世界上大多數(shù)國家，而且，經(jīng)濟(jì)增長主要來自于非國有部門［2］。

非國有經(jīng)濟(jì)的快速成長與中國銀行體系信貸歧視的矛盾使許多學(xué)者推測，商業(yè)信用這一非正式的融資渠道在推動(dòng)中國經(jīng)濟(jì)增長和民營企業(yè)發(fā)展中起到了至關(guān)重要的作用，商業(yè)信用是指賣方允許買方在獲得貨物后可以不必立即支付貨款，而是延遲一段時(shí)間后再進(jìn)行支付，這樣一種延遲支付的行為相當(dāng)于企業(yè)將自身的銀行貸款再次借貸給了別的企業(yè)。Cull等(2009)就曾指出，國有企業(yè)將得到的銀行信用以商業(yè)信用的方式再分配給更有效率的非國有企業(yè)［3］;劉仁伍和盛文軍(2011)也指出利潤水平一般的國有企業(yè)獲得了多于其自身發(fā)展需要的銀行貸款，更多地向外提供商業(yè)信用［4］。

但是，余明桂和潘紅波(2010)的研究則發(fā)現(xiàn)，盡管國有企業(yè)獲得的銀行信用顯著多于私有企業(yè)，但提供的商業(yè)信用凈額卻顯著少于私有企業(yè)［5］;劉小魯(2012)也認(rèn)為在中國，獲取更多銀行信貸的企業(yè)(包括國有企業(yè))不僅未能提供更多商業(yè)信用，反而獲取了更多商業(yè)信用，中國的商業(yè)信用未能改善資源配置效率［6］。我們認(rèn)為以上這些不同的研究結(jié)論都沒有考慮貨幣政策等宏觀經(jīng)濟(jì)因素對(duì)信貸資源分配的影響，貨幣政策的擴(kuò)張與緊縮決定了商業(yè)銀行的可貸資金數(shù)量，也影響到各類企業(yè)的信貸可獲得性與融資成本，那么，貨幣政策對(duì)商業(yè)信用的信貸資源再分配有什么影響?國有與非國有企業(yè)有什么不同?這是本文所研究的主題。

二、理論分析與實(shí)證檢驗(yàn)的方法

(一)貨幣政策的信貸傳導(dǎo)與商業(yè)信用的再分配理論

近年來，有大量文獻(xiàn)專門研究信貸市場在將貨幣政策傳導(dǎo)到實(shí)體經(jīng)濟(jì)方面所起的關(guān)鍵作用，形成了貨幣傳導(dǎo)的信貸觀點(diǎn)，貨幣政策通過影響銀行部門的貸款供給量進(jìn)而影響借款人的信貸可獲得性［7］，緊縮的貨幣政策會(huì)使得企業(yè)融資條件惡化，并通過企業(yè)主體的行為(如減少產(chǎn)量、縮小投資等)使貨幣政策的產(chǎn)出效應(yīng)擴(kuò)大［8］。而Stiglitz和Weiss(1981)構(gòu)建的信貸配給模型為信貸傳導(dǎo)提供了理論基礎(chǔ)，即不完全信息限制了貸款人可以創(chuàng)造的貸款數(shù)量，從而使根據(jù)資產(chǎn)規(guī)模、信用等級(jí)、償債能力等指標(biāo)分類的公司在銀行貸款獲得方面存在差別，較差的公司緊縮期難以得到銀行貸款［9］。當(dāng)從銀行獲得的借款因貨幣緊縮而減少時(shí)，企業(yè)就會(huì)轉(zhuǎn)而求助于其供應(yīng)商，商業(yè)信用的再分配理論認(rèn)為，易于獲得銀行信用的企業(yè)會(huì)在貨幣緊縮期將這些信用以商業(yè)信用的形式再分配給那些難以獲得銀行信用的企業(yè)［10］。那么，銀行在貨幣緊縮時(shí)期減少對(duì)企業(yè)的貸款，為什么供應(yīng)商還愿意提供商業(yè)信用給企業(yè)呢?Nilsen(2002)認(rèn)為相對(duì)于銀行，供應(yīng)商在企業(yè)信息獲取與客戶控制上更具有優(yōu)勢，這使得供應(yīng)商可能在貨幣政策緊縮期提供商業(yè)信用給企業(yè)［11］。

當(dāng)中國人民銀行采取措施緊縮銀根時(shí)，貨幣政策的調(diào)整會(huì)通過信貸渠道影響到實(shí)體經(jīng)濟(jì)，這會(huì)進(jìn)一步加劇非國有企業(yè)的“融資饑渴”，信貸歧視問題也會(huì)更加嚴(yán)重［12］。陸正飛等(2009)就認(rèn)為貨幣緊縮時(shí)民營上市公司較國有上市公司受影響更嚴(yán)重，根源在于對(duì)于民營上市公司信貸歧視的存在［13］。石曉軍等(2009)以中國上市公司的財(cái)務(wù)數(shù)據(jù)為基礎(chǔ)，證實(shí)了當(dāng)銀行實(shí)行緊縮銀根的信貸政策時(shí)，商業(yè)信用作為體系外的“信貸”會(huì)補(bǔ)充進(jìn)來［14］。陸正飛和楊德明(2011)的研究也表明，在緊縮性貨幣政策的背景下，我國商業(yè)信用的大量存在符合替代性融資的特征［12］。

(二)實(shí)證檢驗(yàn)的方法

本文計(jì)劃采用雙重差分模型(Difference-in-difference model)來實(shí)證檢驗(yàn)貨幣政策對(duì)信貸資源再分配的影響，該方法的主要思路是利用一個(gè)外生的公共政策所帶來的橫向單位和時(shí)間序列的雙重差異來識(shí)別公共政策的“處理效應(yīng)”，主要用來衡量某一項(xiàng)政策是否產(chǎn)生了效果。具體做法就是選擇一個(gè)處理組和一個(gè)控制組，比較兩個(gè)組別在兩個(gè)時(shí)間段上的產(chǎn)出，處理組在某一個(gè)時(shí)點(diǎn)上發(fā)生了政策上的變化，也就是說經(jīng)過了政策處理，而控制組在這個(gè)時(shí)點(diǎn)前后沒有發(fā)生類似的政策變動(dòng)。為了檢驗(yàn)這個(gè)政策變動(dòng)的實(shí)際效果，我們可以對(duì)比處理組和控制組在政策前后產(chǎn)出的變化，如果處理組的變化明顯地大于控制組的變化，說明該項(xiàng)政策產(chǎn)生了明顯效果。

由于信貸歧視的存在，我國貨幣政策的實(shí)施使得經(jīng)濟(jì)中部分企業(yè)(如國有化程度低)受到顯著影響，而另外一部分企業(yè)則可能沒有受到任何影響，或者受到的影響要小得多，因此采用雙重差分模型進(jìn)行檢驗(yàn)是適當(dāng)?shù)?。由于諸多不可觀測因素同時(shí)影響企業(yè)的銀行信用與商業(yè)信用，在計(jì)量方法上，通過構(gòu)造“控制組”和“處理組”，采用雙重差分方法，就可以消除上述不可觀測量，進(jìn)而識(shí)別貨幣政策對(duì)企業(yè)銀行信用與商業(yè)信用的因果效應(yīng)，最大限度地避免內(nèi)生性問題。

三、研究設(shè)計(jì)

(一)模型設(shè)定與變量定義

我們首先構(gòu)建如下雙重差分模型來驗(yàn)證不同貨幣政策下，國有企業(yè)與非國有企業(yè)銀行信用的變

其中，被解釋變量Bankcredit表示企業(yè)獲得的銀行信用，我們以企業(yè)的期末銀行借款占期末總資產(chǎn)的百分比表示，其中銀行借款為企業(yè)的短期借款與長期借款之和。

解釋變量Event表示貨幣政策事件的虛擬變量，事件發(fā)生前的年份為0，事件發(fā)生及以后的年份為1。通過對(duì)中國人民銀行各年度《貨幣政策執(zhí)行報(bào)告》的閱讀，以及對(duì)各貨幣政策工具的變化比較，我們選擇2004年作為貨幣政策緊縮的年份，以2002－2005年作為貨幣緊縮的事件窗口;2009年作為貨幣政策擴(kuò)張的年份，以2007－2010年作為貨幣擴(kuò)張的事件窗口。

解釋變量Group為組別虛擬變量，公司屬于處理組為1，屬于控制組為0。本文按照兩種方法分別構(gòu)建兩種不同的處理組和控制組，即:

(1)按照上市公司的實(shí)際控制人劃分，實(shí)際控制人類型為國有控股的，作為控制組，其余為非國有公司作為處理組。

(2)將2001年各上市公司的國有股比例排序，以最低1/4分位的樣本公司作為處理組，以最高1/4分位的樣本公司作為控制組。

雙重差分變量Did=Event×Group，Did前的系數(shù)β3就是我們所關(guān)心的雙重差分系數(shù)，當(dāng)處理組變量受貨幣政策影響顯著大于控制組時(shí)，β3應(yīng)當(dāng)是顯著的。

對(duì)于β3，有如下解釋:

我們同時(shí)構(gòu)建了如下模型來驗(yàn)證不同貨幣政策下，國有企業(yè)與非國有企業(yè)商業(yè)信用的變化情況:

其中，被解釋變量TC表示企業(yè)向其下游公司提供的商業(yè)信用，我們在實(shí)證過程中采用兩種形式，商業(yè)信用Tradecredit定義為期末應(yīng)收賬款占總資產(chǎn)的百分比，凈商業(yè)信用Nettradecredit是企業(yè)提供給下游企業(yè)的商業(yè)信用與從上游企業(yè)獲得的商業(yè)信用之差，定義為應(yīng)收賬款與應(yīng)付賬款之差占總資產(chǎn)的百分比。之所以檢驗(yàn)國有企業(yè)與非國有企業(yè)在凈商業(yè)信用方面的差異是考慮到如果企業(yè)提供的商業(yè)信用較多，但使用的商業(yè)信用更多的話，那么這個(gè)企業(yè)提供的凈商業(yè)信用可能還是少于那些提供商業(yè)信用較少但使用商業(yè)信用更少的企業(yè)。

解釋變量中，貨幣政策事件虛擬變量Event，組別虛擬變量Group和雙重差分變量Did的定義與模型(1)一致。其他解釋變量還有Bankcredit表示企業(yè)獲得的銀行信貸資源，由長期借款加短期借款之和占總資產(chǎn)的百分比構(gòu)成。Cashflow代表經(jīng)營現(xiàn)金流，定義為經(jīng)營活動(dòng)產(chǎn)生的現(xiàn)金流量凈額占總資產(chǎn)的百分比。

Xi，t－1是由滯后一期的企業(yè)規(guī)模，有形資產(chǎn)比率，資產(chǎn)利潤率和企業(yè)年齡等控制變量構(gòu)成的向量。在本文的所有模型中，我們還控制了年度效應(yīng)、區(qū)域效應(yīng)和行業(yè)效應(yīng)。模型中相關(guān)變量及定義見表1。

(二)研究樣本與數(shù)據(jù)

本文選擇中國滬深兩市的A股上市公司年度財(cái)務(wù)數(shù)據(jù)作為研究樣本，數(shù)據(jù)來自于國泰安CSMAR數(shù)據(jù)庫，我們按照以下標(biāo)準(zhǔn)對(duì)數(shù)據(jù)進(jìn)行了篩選:(1)剔除了金融類上市公司，因?yàn)檫@些公司的數(shù)據(jù)結(jié)構(gòu)與普通公司存在很大區(qū)別;(2)剔除了ST、*ST公司;(3)剔除了資產(chǎn)小于負(fù)債的公司;(4)剔除了相關(guān)年份銀行借款、商業(yè)信用、資產(chǎn)等關(guān)鍵變量缺失的樣本。為了防止數(shù)據(jù)的異常值干擾實(shí)證的結(jié)果，論文采用winsorization的方法對(duì)連續(xù)變量兩端的異常值在1%的水平下進(jìn)行了處理。文中所有的數(shù)據(jù)整理、計(jì)算與實(shí)證檢驗(yàn)均利用STATA11軟件完成?；闆r:

表1 變量定義

四、實(shí)證結(jié)果分析

(一)2004年貨幣政策緊縮事件

表2是2004年貨幣緊縮事件的雙重差分實(shí)證結(jié)果，我們首先看銀行信用Bankcredit的結(jié)果，在以實(shí)際控制人分組的方程(1)中，Event2004前的系數(shù)在1%的水平下顯著為負(fù)，在以國有股比例分組的方程(2)中，Event2004前的系數(shù)在10%的水平下顯著為負(fù)，表明貨幣政策緊縮引起企業(yè)整體銀行借款的減少，符合貨幣政策信貸傳導(dǎo)的預(yù)期;組別變量Group的系數(shù)在1%的水平下都顯著為正，說明處理組平均獲得的銀行信用比控制組的更多;對(duì)于雙重差分變量Did的系數(shù)，按照實(shí)際控制人分組的結(jié)果是在5%的水平下顯著為負(fù)，按照國有股比例分組的結(jié)果是在10%的水平下顯著為負(fù)，這一結(jié)果表明貨幣緊縮期，處理組的銀行信用相對(duì)于控制組下降的幅度更大，也說明貨幣政策緊縮對(duì)處理組銀行信用的影響更大。

對(duì)于商業(yè)信用Tradecredit，無論是以實(shí)際控制人分組的方程(1)，還是以國有股比例分組的方程(2)中，Event2004前的系數(shù)在1%的水平下都顯著為正，這說明貨幣緊縮之后，企業(yè)整體對(duì)外提供的商業(yè)信用會(huì)上升;對(duì)于組別變量Group來說，方程(1)和(2)的結(jié)果一負(fù)一正，但都不顯著，說明處理組與控制組對(duì)外提供的商業(yè)信用沒有顯著差別;對(duì)于雙重差分變量Did的系數(shù)，在以實(shí)際控制人分組的方程(1)中該系數(shù)在1%的水平下顯著為正，在以國有股比例分組的方程(2)中該系數(shù)在10%的水平下顯著為正，表明貨幣緊縮之后處理組對(duì)外提供的商業(yè)信用相對(duì)控制組上升的幅度更大，這一結(jié)果與傳統(tǒng)的商業(yè)信用再分配理論不一致，即國有企業(yè)在貨幣緊縮期并沒有比非國有企業(yè)提供更多的商業(yè)信用，但是符合余明桂和潘紅波(2010)與劉小魯(2012)的結(jié)論。

凈商業(yè)信用Nettradecredit的結(jié)果與商業(yè)信用Tradecredit的結(jié)果基本一致，Event2004前的系數(shù)都顯著為正，Group前的系數(shù)都不顯著，雙重差分變量Did的系數(shù)也都顯著為正，表明貨幣緊縮期處理組對(duì)外商業(yè)信用的凈提供相比控制組上升幅度更大，也說明貨幣緊縮之后國有企業(yè)相比非國有企業(yè)提供的凈商業(yè)信用較少。

表2 2004年貨幣緊縮事件雙重差分實(shí)證結(jié)果

(二)2009年貨幣擴(kuò)張事件

表3是2009年貨幣擴(kuò)張事件的雙重差分實(shí)證結(jié)果，我們首先看銀行信用Bankcredit的結(jié)果，無論是以實(shí)際控制人分組的方程(1)，還是以國有股比例分組的方程(2)，Event2009前的系數(shù)都在1%的水平下顯著為正，表明貨幣擴(kuò)張引起企業(yè)整體銀行信用的上升;在以實(shí)際控制人分組的方程(1)中，組別變量Group的系數(shù)為正，但不顯著。而在以國有股比例分組的方程(2)中，Group的系數(shù)在5%的水平下顯著為正，說明處理組獲得的銀行信用比控制組的更多;對(duì)于雙重差分變量Did的系數(shù)，方程(1)和(2)中的結(jié)果一正一負(fù)，并且都不顯著，說明貨幣擴(kuò)張期，處理組銀行信用的上升幅度相對(duì)控制組沒有顯著差別，處理組在貨幣擴(kuò)張以后并沒有獲得更多的銀行信用。

對(duì)于商業(yè)信用Tradecredit，無論是以實(shí)際控制人分組的方程(1)，還是以國有股比例分組的方程(2)，Event2009前的系數(shù)都在10%的水平下顯著為負(fù)，說明貨幣擴(kuò)張以后企業(yè)整體對(duì)外提供的商業(yè)信用會(huì)下降;對(duì)于組別變量Group來說，方程(1)和(2)中的結(jié)果一負(fù)一正，并且都不顯著，說明處理組與控制組對(duì)外提供的商業(yè)信用沒有顯著差別;對(duì)于雙重差分變量Did的系數(shù)，以實(shí)際控制人分組的結(jié)果是在10%的水平下顯著為負(fù)，以國有股比例分組的結(jié)果是在5%的水平下顯著為負(fù)，表明貨幣擴(kuò)張之后處理組對(duì)外提供的商業(yè)信用相對(duì)控制組下降的幅度更大，也說明貨幣擴(kuò)張之后國有企業(yè)相比非國有企業(yè)提供的商業(yè)信用較多。

凈商業(yè)信用Nettradecredit的Event2009系數(shù)都為負(fù)，但均不顯著，表明企業(yè)整體的凈商業(yè)信用在貨幣擴(kuò)張前后沒有顯著變化;組別變量Group前的系數(shù)為正，但也都不顯著，說明處理組與控制組的凈商業(yè)信用沒有顯著差別;唯一令我們感到驚奇的是雙重差分變量Did的系數(shù)，都在10%的水平下顯著為正，這說明貨幣擴(kuò)張后處理組對(duì)外提供的凈商業(yè)信用相對(duì)控制組上升的幅度更大，從凈商業(yè)信用的角度來說，這一結(jié)論也與傳統(tǒng)的商業(yè)信用再分配理論不一致，即國有企業(yè)雖然在貨幣擴(kuò)張后相對(duì)非國有企業(yè)對(duì)外提供了更多的商業(yè)信用，但由于其能夠使用的商業(yè)信用融資更多，因此國有企業(yè)對(duì)外提供的凈商業(yè)信用仍然少于非國有企業(yè)。

五、結(jié)論與啟示

本文采用雙重差分模型檢驗(yàn)了貨幣政策對(duì)中國上市公司信貸資源再分配的影響，實(shí)證結(jié)果表明，中國國有上市公司獲得更多的銀行信用但并沒有比非國有上市公司更好地發(fā)揮信貸資源再分配功能。這一實(shí)證結(jié)果具有很強(qiáng)的政策含義，如果中國的銀行體系能夠適當(dāng)減少國有企業(yè)的信貸規(guī)模，而增加對(duì)非國有企業(yè)的信貸支持，就能更好地發(fā)揮非國有企業(yè)信貸資源再分配的作用，也能間接地改善銀行體系的信貸資源配置效率，因此，這也應(yīng)當(dāng)是中國金融業(yè)改革的主要方向。

［1］盧峰，姚洋.金融壓抑下的法制、金融發(fā)展和經(jīng)濟(jì)增長［J］.中國社會(huì)科學(xué)，2004，(1):42－55.

［2］Allen F.，Qian J.，Qian M.Law，F(xiàn)inance and Economic Growth in China ［J］.Journal of Financial Economics，2005，77(1):57－116.

［3］Cull R.，Xu L.C.，Zhu T.Formal Finance and Trade Credit During China’s Transition［J］.Journal of Finance Intermediation，2009(18):173－192.

［4］劉仁伍，盛文軍.商業(yè)信用是否補(bǔ)充了銀行信用體系［J］.世界經(jīng)濟(jì)，2011，(11):103－120.

［5］余明桂，潘紅波.所有權(quán)性質(zhì)、商業(yè)信用與信貸資源配置效率［J］.經(jīng)濟(jì)管理，2010，(8):106－117.

［6］劉小魯.我國商業(yè)信用的資源再配置效應(yīng)與強(qiáng)制性特征——基于工業(yè)企業(yè)數(shù)據(jù)的實(shí)證檢驗(yàn) ［J］.中國人民大學(xué)學(xué)報(bào)，2012，(1):68－77.

［7］Bernanke B.S.，Gertler M.Inside the Black Box:The Credit Channel of Monetary Policy Transmission［J］.The Journal of Economic Perspectives，1995，9(4):27－48.

［8］葉蓁.中國貨幣政策產(chǎn)業(yè)異質(zhì)性及其決定因素——基于上市公司面板數(shù)據(jù)的實(shí)證分析［J］.財(cái)經(jīng)論叢，2012，(1):50－56.

［9］Stiglitz J.E.，Weiss A.Credit Rationing in Markets with Imperfect Information ［J］.American Economic Review，1981(71):393－410.

［10］Meltzer A.H.Mercantile Credit，Monetary Policy，and Size of Firms［J］.Review of Economics and Statistics，1960(42):429－437.

［11］Nielsen J.H.Trade Credit and the Bank Lending Channel［J］.Journal of Money，Credit，and Banking，2002(34):226－253.

［12］陸正飛，楊德明.商業(yè)信用:替代性融資，還是買方市場?［J］.管理世界，2011，(4):36－44.

［13］陸正飛，祝繼高，樊錚.銀根緊縮、信貸歧視與民營上市公司投資者利益損失［J］.金融研究，2009，(8):124－150.

［14］石曉軍，張順明，李杰.商業(yè)信用對(duì)信貸政策的抵消是反周期的嗎?來自中國的證據(jù)［J］.經(jīng)濟(jì)學(xué)季刊，2009，(1):213－236.