國家創(chuàng)業(yè)擔(dān)保貸款貼息財政政策效果實(shí)證研究
——以廣西壯族自治區(qū)2017—2020 年業(yè)務(wù)數(shù)據(jù)為例

●何 曾

就業(yè)是最大的民生， 也是經(jīng)濟(jì)發(fā)展的重中之重。 為加大對就業(yè)創(chuàng)業(yè)的支持力度，財政部、人力資源和社會保障部、 中國人民銀行聯(lián)合出臺創(chuàng)業(yè)擔(dān)保貸款財政貼息政策， 通過安排財政資金用于創(chuàng)業(yè)擔(dān)保基金、 財政貼息資金，發(fā)揮杠桿效應(yīng)，撬動金融資源，切實(shí)增強(qiáng)特殊人群的金融資源可獲得性，減輕融資成本負(fù)擔(dān)。本文以統(tǒng)計(jì)分析與實(shí)證研究為手段， 剖析國家創(chuàng)業(yè)擔(dān)保貸款貼息政策在廣西壯族自治區(qū)的落地效果。研究認(rèn)為政策惠及民生，但存在政策時滯、受力不均、數(shù)據(jù)孤島等三個堵點(diǎn)，應(yīng)予關(guān)注并疏通，進(jìn)一步增強(qiáng)政策獲得感。

一、 創(chuàng)業(yè)擔(dān)保貸款貼息政策演變歷程

創(chuàng)業(yè)擔(dān)保貸款， 是政府為扶持個人創(chuàng)業(yè)、小微企業(yè)擴(kuò)大就業(yè)，岀資設(shè)立專項(xiàng)基金， 對符合特定條件的借款人提供貸款擔(dān)保和財政貼息的一項(xiàng)制度。 此項(xiàng)工作啟動以來，以推進(jìn)創(chuàng)業(yè)、帶動就業(yè)為目標(biāo)，創(chuàng)新管理模式，簡化工作程序，提升服務(wù)效能，在助力“大眾創(chuàng)業(yè)、萬眾創(chuàng)新”、擴(kuò)大就業(yè)、改善民生方面發(fā)揮了重要作用。

（一）政策保障持續(xù)發(fā)展完善

2020 年是我國推進(jìn)普惠金融發(fā)展五年規(guī)劃的收關(guān)之年。 在近五年之間， 作為財政政策和貨幣政策協(xié)調(diào)配合、施政目標(biāo)高度一致的施策領(lǐng)域，普惠金融政策致力于解決我國金融發(fā)展不平衡、不協(xié)調(diào)問題，運(yùn)用轉(zhuǎn)移支付等財政政策手段， 引導(dǎo)更多的金融資源流向低收入人群和小微企業(yè)等， 彌補(bǔ)市場失靈。普惠金融最早源于2002 年出臺的小額擔(dān)保貸款貼息政策， 服務(wù)于下崗失業(yè)人員再就業(yè)。 2016 年國家出臺《普惠金融發(fā)展專項(xiàng)資金管理辦法》， 將4 項(xiàng)普惠金融政策進(jìn)行整合，其中， 將小額擔(dān)保貸款貼息更續(xù)為創(chuàng)業(yè)擔(dān)保貸款貼息。 2018—2020 年國家持續(xù)出臺政策調(diào)整創(chuàng)業(yè)擔(dān)保貸款貼息政策?？梢哉f，創(chuàng)業(yè)擔(dān)保貸款貼息既是最早的、 也是調(diào)整頻率最高的普惠金融政策工具。

（二）政策惠及范圍日趨拓展

2016 年，創(chuàng)業(yè)擔(dān)保貸款貼息政策服務(wù)于9 類群體和符合條件的小微企業(yè)，9 類群體包括： 城鎮(zhèn)登記失業(yè)人員、就業(yè)困難人員（含殘疾人）、復(fù)員轉(zhuǎn)業(yè)退役軍人、刑滿釋放人員、高校畢業(yè)生（含大學(xué)生村官和留學(xué)回國學(xué)生）、化解過剩產(chǎn)能企業(yè)職工和失業(yè)人員、返鄉(xiāng)創(chuàng)業(yè)農(nóng)民工、網(wǎng)絡(luò)商戶、建檔立卡貧困人口。 2018 年3 月，為進(jìn)一步加大就業(yè)支持力度， 國家將農(nóng)村自主創(chuàng)業(yè)農(nóng)民納入支持范圍， 普惠金融的重點(diǎn)服務(wù)群體拓展到10 類。 2020 年4月，為應(yīng)對疫情影響，再臨時增加5 類群體，包括：暫時失去收入來源的個體工商戶、 貸款購車專門用于出租運(yùn)營的個人、 貸款購車加入網(wǎng)絡(luò)約車平臺的專職司機(jī)，符合條件的出租車、網(wǎng)約車企業(yè)或其子公司， 以及已享受創(chuàng)業(yè)擔(dān)保貸款貼息政策且已按時還清貸款的個人，在疫情期間出現(xiàn)經(jīng)營困難的，可再次申請創(chuàng)業(yè)擔(dān)保貸款。

（三）政策待遇標(biāo)準(zhǔn)逐步提高

一是逐步提升貸款額度。2016 年7 月起，個人發(fā)放的創(chuàng)業(yè)擔(dān)保貸款最高額度為10 萬元，貸款期限最長不超過3 年。2018 年11 月、2020 年4 月起，個人發(fā)放的創(chuàng)業(yè)擔(dān)保貸款最高額度先后調(diào)整為15 萬元、20 萬元。

二是逐步合理分擔(dān)利息。2016 年7 月起，貸款利率可在貸款合同簽訂日貸款基礎(chǔ)利率的基礎(chǔ)上上浮一定幅度， 具體標(biāo)準(zhǔn)為貧困地區(qū)上浮不超過3 個百分點(diǎn)，中、西部地區(qū)上浮不超過2 個百分點(diǎn)，東部地區(qū)上浮不超過1 個百分點(diǎn)，其中，對貧困地區(qū)符合條件的個人創(chuàng)業(yè)擔(dān)保貸款，財政部門給予全額貼息；對其他地區(qū)符合條件的個人創(chuàng)業(yè)擔(dān)保貸款， 財政部門第1 年給予全額貼息，第2 年貼息2/3，第3 年貼息1/3。2018 年3 月起，對符合條件的個人貸款按2 年（第1 年、第2 年）全額貼息。 2019 年9 月起，對符合條件的個人貸款全額貼息。2020 年4 月出臺新政，規(guī)定自2021 年1 月起，新發(fā)放的個人和小微企業(yè)創(chuàng)業(yè)擔(dān)保貸款利息，LPR-150BP 以下部分，由借款人和借款企業(yè)承擔(dān)，剩余部分財政給予貼息，貧困地區(qū)，中、西部地區(qū)，以及東部地區(qū)執(zhí)行差異化的貸款利率上限。

二、政策效果的統(tǒng)計(jì)分析與實(shí)證研究

（一）統(tǒng)計(jì)結(jié)果初判拓面提標(biāo)政策有效但存在時滯

2018 年3 月，國家拓寬政策惠及面，將農(nóng)村自主創(chuàng)業(yè)農(nóng)民納入支持范圍，同年11 月，將向個人發(fā)放的創(chuàng)業(yè)擔(dān)保貸款最高額度由10 萬提標(biāo)至15 萬元。 為分析拓面提標(biāo)政策落地生效的情況， 本文選取廣西壯族自治區(qū)2017—2020 年創(chuàng)業(yè)擔(dān)保貸款貼息業(yè)務(wù)數(shù)據(jù)作為樣本進(jìn)行研究，按照時間序列，統(tǒng)計(jì)新增貸款金額和筆數(shù)。 統(tǒng)計(jì)結(jié)果顯示，拓面提標(biāo)政策推進(jìn)普惠金融在更高額度惠及更多人群， 但政策出臺與市場反應(yīng)之間存在3—5 個月左右的時滯。

在新增貸款金額和筆數(shù)方面， 國家將農(nóng)村自主創(chuàng)業(yè)農(nóng)民納入支持范圍5 個月后，即自2018 年8 月起，新增貸款金額及筆數(shù)開始迅速增長， 并長期保持在較高區(qū)間，2018—2019 年間， 農(nóng)村自主創(chuàng)業(yè)農(nóng)民占新增貸款金額和筆數(shù)的比重均為38%。受新冠疫情影響，2020 年1 月起新增貸款金額和筆數(shù)降幅較大，隨著疫情得到控制，2020年12 月出現(xiàn)大幅增長，并達(dá)到峰值（見圖1）。在單筆貸款金額上限方面，國家提高貸款上限的5 個月后，新增貸款金額平均值在2019 年4 月起突破10 萬元，隨后基本保持在10—14 萬元的貸款額度區(qū)間內(nèi)（見圖2）。

圖1 2017—2020 年創(chuàng)業(yè)擔(dān)保貸款新增金額及筆數(shù)變化圖

圖2 2017—2020 年創(chuàng)業(yè)擔(dān)保貸款新增金額平均值變化圖

（二）OLS 回歸模型實(shí)證結(jié)果證實(shí)政策有效與時滯并存

為進(jìn)一步剖析拓面提標(biāo)的政策效果， 構(gòu)建OLS 回歸模型開展實(shí)證研究。一是設(shè)定五個關(guān)鍵時間點(diǎn)。先后為2018 年3 月， 將農(nóng)村自主創(chuàng)業(yè)農(nóng)民納入支持范圍；2018 年11 月，將向個人發(fā)放的創(chuàng)業(yè)擔(dān)保貸款最高額度由10 萬元提標(biāo)至15 萬元；2019 年9 月修訂出臺《關(guān)于修訂發(fā)布〈普惠金融發(fā)展專項(xiàng)資金管理辦法〉的通知》（財金〔2019〕96 號）；2020 年4 月，將向個人發(fā)放的創(chuàng)業(yè)擔(dān)保貸款最高額度由15 萬元提標(biāo)至20 萬元；2020 年9月通過擴(kuò)大覆蓋范圍并適當(dāng)提高額度， 進(jìn)一步做好國家創(chuàng)業(yè)擔(dān)保貸款相關(guān)工作。二是建立OLS 回歸模型。本文以新增貸款總金額Y1（單位：萬元）和新增貸款筆數(shù)Y2作為因變量， 時間X 為自變量建立OLS 回歸模型，chow 斷點(diǎn)檢驗(yàn)結(jié)果（見表1—3）表明：新增貸款總金額及筆 數(shù)在2018 年11 月、2019 年9 月、2020 年7 月和2020 年9 月的P 值均小于0.05①，新增貸款筆數(shù)在2018年3 月的P 值小于0.05， 說明在0.05 的顯著性水平下，OLS 回歸模型在上述五個關(guān)鍵時間點(diǎn)均發(fā)生了結(jié)構(gòu)性變化，即證明了5 項(xiàng)政策在廣西均發(fā)揮了效用。

表1 2018 年3 月的chow 斷點(diǎn)檢驗(yàn)結(jié)果

表2 2018 年11 月的chow 斷點(diǎn)檢驗(yàn)結(jié)果

表3 2019 年9 月的chow 斷點(diǎn)檢驗(yàn)結(jié)果

表4 2020 年7 月的chow 斷點(diǎn)檢驗(yàn)結(jié)果

表5 2020 年9 月的chow 斷點(diǎn)檢驗(yàn)結(jié)果

基于chow 斷點(diǎn)檢驗(yàn)的結(jié)果，針對五次政策出臺的時間點(diǎn)加入虛擬變量如下所示：

通過Eviews 分別對新增貸款總金額Y1和新增貸款筆數(shù)Y2建立帶有虛擬變量的OLS 回歸模型，根據(jù)輸出結(jié)果（見表6—7）可知：在新增貸款總金額Y1、新增貸款筆數(shù)Y2的回歸模型中D1X、D2X、D3X、D4X 和D5X的P 值均小于0.05，即在0.05 的顯著性水平下，變量之間存在明顯的線性關(guān)系。 同時建立的新增貸款總金額及新增貸款筆數(shù)的OLS 回歸模型的擬合效果較好，可用以描述新增貸款總金額、 新增貸款筆數(shù)與時間之間的關(guān)系。

表6 新增貸款總金額OLS 回歸模型輸出結(jié)果

表7 新增貸款筆數(shù)OLS 回歸模型輸出結(jié)果

由此構(gòu)建的OLS 回歸模型如下所示：

通過模型的各項(xiàng)變量系數(shù)觀測到政策有效：2018年3 月、2018 年11 月、2019 年9 月、2020 年4 月 和2020 年9 月的政策在實(shí)施過程中對新增貸款總金額及新增貸款筆數(shù)均產(chǎn)生顯著的正向影響， 五項(xiàng)政策的逐步出臺對新增貸款總金額及新增貸款筆數(shù)存在正向的疊加效應(yīng)。

通過模型的各項(xiàng)變量系數(shù)觀測到政策時滯：一是拓面政策存在時滯。 2018 年3 月，國家將農(nóng)村自主創(chuàng)業(yè)農(nóng)民納入支持范圍，但政策效果并不明顯，直到2018 年11月才開始產(chǎn)生正向影響。 二是提標(biāo)政策存在時滯。 2018年11 月將貸款上限由10 萬元提標(biāo)準(zhǔn)至15 萬元， 雖然政策效果在當(dāng)月及時產(chǎn)生正向影響，即當(dāng)月新增貸款總金額和筆數(shù)顯著提高， 但直到2019 年3 月才發(fā)生第一筆10 萬元以上的貸款業(yè)務(wù)；2020 年4 月將向個人發(fā)放的創(chuàng)業(yè)擔(dān)保貸款最高額度由15 萬元提標(biāo)至20 萬元，但直到2020年7 月才發(fā)生第一筆20 萬元的貸款業(yè)務(wù)。

三、不同地域、不同群體的政策效用實(shí)證研究

（一）政策執(zhí)行金額、地域和群體特點(diǎn)分析

為研究政策執(zhí)行金額、地域和群體的特點(diǎn)，本文引入對應(yīng)分析進(jìn)行分析。 對2017 年1 月至2020 年12 月創(chuàng)業(yè)擔(dān)保貸款貼息業(yè)務(wù)數(shù)據(jù)進(jìn)行四種分類， 即貸款金額、貧困地區(qū)和非貧困地區(qū)、城區(qū)和縣域、人員類別。 其中，貸款金額含四種情況，即1—5 萬元（含5 萬元）、5—10 萬元（含10 萬元）、10—15 萬元（含15 萬元）和15—20 萬元（含20 萬元）；創(chuàng)業(yè)擔(dān)保貸款貼息政策服務(wù)于10 類群體，包括：城鎮(zhèn)登記失業(yè)人員、就業(yè)困難人員（含殘疾人）、復(fù)員轉(zhuǎn)業(yè)退役軍人、刑滿釋放人員、高校畢業(yè)生（含大學(xué)生村官和留學(xué)回國學(xué)生）、化解過剩產(chǎn)能企業(yè)職工和失業(yè)人員、返鄉(xiāng)創(chuàng)業(yè)農(nóng)民工、農(nóng)村自主創(chuàng)業(yè)農(nóng)民、網(wǎng)絡(luò)商戶、建檔立卡貧困人口。

設(shè)有p 個變量n 個樣本的觀測數(shù)據(jù)矩陣X=（xij）n×p，其中xij＞0（否則對所有數(shù)據(jù)同加上一個數(shù)使其滿足大于0 的條件），由數(shù)據(jù)矩陣X 計(jì)算規(guī)格化的概率矩陣P=（pij）n×p，之后計(jì)算過渡矩陣，公式如下：

進(jìn)行R 型因子分析：計(jì)算協(xié)方差矩陣A=ZTZ 的特征值λ1，λ2，……，λp，按照累積百分比取前m 個特征值λ1，λ2，……，λm，并計(jì)算對應(yīng)的單位特征向量u1，u2，……，um，得到因子載荷矩陣，如下所示：

進(jìn)行Q 型因子分析： 由上述求得的特征值， 計(jì)算B=ZZT所對應(yīng)的單位特征向量， 得到因子載荷矩陣，如下所示：

在同一坐標(biāo)軸上作變量點(diǎn)圖和樣本點(diǎn)圖，如圖3 所示。

圖3 對應(yīng)分析圖

（二）提標(biāo)政策對獲得貸款金額的影響分析

為更直觀地反映各類別之間的關(guān)聯(lián)程度， 本文運(yùn)用歐氏距離進(jìn)行判別。 即設(shè)兩個類別為x=(x1，x2，…，xp)與y=(y1，y2，…，yp)，利用度量x 與y 之間的靠近程度，歐氏距離越小表示類別之間的關(guān)聯(lián)程度越高。由貸款金額與新增貸款發(fā)放時間之間的歐氏距離圖（見圖4）可知：創(chuàng)業(yè)擔(dān)保貸款財政貼息政策出臺對金額10—15 萬元（含15 萬元）、15—20 萬元（含20 萬元）的貸款影響最為顯著，特別是在2020 年9 月后15—20 萬元（含20 萬元）的貸款影響力凸顯，而創(chuàng)業(yè)擔(dān)保貸款財政貼息政策出臺對1—5 萬元（含5 萬元）和5—10萬元（含10 萬元）的貸款影響無明顯差別。

圖4 貸款金額與新增貸款發(fā)放時間之間的歐氏距離圖

（三）不同地域間政策受力情況分析

由貧困地區(qū)、 非貧困地區(qū)與新增貸款之間的歐氏距離圖（見圖5）可知：隨著時間的推移，相較于非貧困地區(qū)， 創(chuàng)業(yè)擔(dān)保貸款財政貼息政策出臺對貧困地區(qū)的影響更為顯著。

圖5 貧困地區(qū)、非貧困地區(qū)與新增貸款之間的歐氏距離圖

通過城區(qū)、縣域與新增貸款之間的歐氏距離圖（見圖6）可知：隨著時間的推移，相較于城區(qū)，創(chuàng)業(yè)擔(dān)保貸款財政貼息政策發(fā)展對縣域的影響更為顯著。

圖6 城區(qū)、縣域與新增貸款之間的歐氏距離圖

從地域因素的角度看貸款金額（見表8）， 可以發(fā)現(xiàn)：貧困地區(qū)、非貧困地區(qū)均與1—5 萬元（含5 萬元）的貸款關(guān)聯(lián)最強(qiáng)，另一方面，除10—15 萬元（含15 萬元）的貸款以外，縣域在個人創(chuàng)業(yè)擔(dān)保貸款金額上的關(guān)聯(lián)均明顯強(qiáng)于城區(qū)。此外，在全部地區(qū)均極少獲得15—20 萬元（含20 萬元）的個人創(chuàng)業(yè)擔(dān)保貸款。

表8 貸款金額與地域因素之間的歐氏距離

（四）不同群體享受政策待遇之間的差異較為明顯

基于群體類別和新增貸款金額的歐氏距離， 衡量不同群體在各貸款金額區(qū)間獲得貸款的難易程度。 以1—10 的分值對獲得貸款的難易程度進(jìn)行排名，分值越高表示越容易獲得貸款，反之越難，并以此為基礎(chǔ)得出綜合受益評分，用以評價各類群體的整體受益情況（見圖7）。 由圖7 可以看出：從整體上看，返鄉(xiāng)創(chuàng)業(yè)農(nóng)民工最容易貸款，刑滿釋放人員最難貸款。

圖7 不同人員類別在各貸款金額區(qū)間的受益程度圖

從獲得貸款金額的多少來看（見表9），各群體獲得的貸款以10 萬元以下（含10 萬元）為主。 其中，城鎮(zhèn)登記失業(yè)人員、復(fù)員轉(zhuǎn)業(yè)退役軍人、返鄉(xiāng)創(chuàng)業(yè)農(nóng)民工和農(nóng)村自主創(chuàng)業(yè)人員獲得的貸款集中在1—5 萬元（含5 萬元） 的區(qū)間；就業(yè)困難人員（含殘疾人）、刑滿釋放人員、化解過剩產(chǎn)能企業(yè)職工和失業(yè)人員、高校畢業(yè)生（含大學(xué)生村官和留學(xué)回國學(xué)生）、網(wǎng)絡(luò)商戶和建檔立卡貧困人口主要集中在5—10 萬元（含10 萬元）的貸款金額。

表9 貸款金額與群體因素之間的歐氏距離

（五）其他情況說明

創(chuàng)業(yè)擔(dān)保貸款監(jiān)測分析是做好創(chuàng)業(yè)擔(dān)保貸款貼息工作的重要基礎(chǔ)，而數(shù)據(jù)的及時性是做好監(jiān)測分析工作的前提。 本次研究發(fā)現(xiàn)，國家創(chuàng)業(yè)擔(dān)保政策貸款貼息數(shù)據(jù)的及時性有待加強(qiáng)。 對于以前年度全區(qū)數(shù)據(jù)，可從普惠金融發(fā)展專項(xiàng)資金結(jié)算材料中便捷采集，但無法高效低成本采集當(dāng)年年度全區(qū)實(shí)時數(shù)據(jù)，實(shí)時數(shù)據(jù)分散在各地區(qū)的銀行、人社部門和財政部門等機(jī)構(gòu)和部門。

四、小結(jié)

根據(jù)研究結(jié)果，本文認(rèn)為自2017 年起，國家創(chuàng)業(yè)擔(dān)保貸款貼息政策持續(xù)修訂完善， 增強(qiáng)了普惠金融的政策效應(yīng)，引導(dǎo)更多金融資源流向特殊群體，但同時存在以下三個堵點(diǎn)應(yīng)重視疏通： 一是存在3—5 個月的政策時滯，原因是新政策的傳導(dǎo)效率受到相關(guān)因素制約，如地方出臺配套政策的對接，業(yè)務(wù)全流程鏈條上地方各單位、各部門之間的互動銜接，銀行根據(jù)新政調(diào)整業(yè)務(wù)系統(tǒng)、更替業(yè)務(wù)宣傳冊、業(yè)務(wù)培訓(xùn)等各方面均存在時間成本。

二是政策受力不均，貧困地區(qū)較非貧困地區(qū)，縣域較城區(qū)， 多數(shù)群體較刑滿釋放人員和網(wǎng)絡(luò)商戶受益更為明顯，說明普惠金融政策在均衡性、協(xié)調(diào)性方面還有優(yōu)化空間。

三是存在數(shù)據(jù)孤島，除以前年度數(shù)據(jù)外，當(dāng)年年度廣西創(chuàng)業(yè)擔(dān)保貸款的業(yè)務(wù)數(shù)據(jù)分散在各地區(qū)各相關(guān)行政部門、各銀行機(jī)構(gòu)，無法實(shí)時歸集到省級業(yè)務(wù)主管部門，收集數(shù)據(jù)的成本太高，難以實(shí)時跟蹤分析。

由此， 本文提出以下政策建議： 一是加強(qiáng)政策傳導(dǎo)，縮短政策落地生效的時滯。 建議國家在修訂創(chuàng)業(yè)擔(dān)保貸款貼息政策時，探索創(chuàng)新工作模式，通過建立和運(yùn)用政策的提前溝通機(jī)制，讓各級地方單位和部門提前知悉政策動態(tài)與走向，便于早做部署，做好預(yù)案，提前理順業(yè)務(wù)全流程鏈條上地方各單位、 各部門之間的配合銜接，待國家出臺新政后，地方各單位各機(jī)構(gòu)能迅速啟動配套政策和管理， 緊而有序推動政策落地生效，切實(shí)壓減政策時滯。

二是優(yōu)化政策制訂， 以差異化政策促進(jìn)普惠理念。 考慮到非貧困地區(qū)、城區(qū)的金融產(chǎn)品供給較貧困地區(qū)和縣域更為豐富充足，特別是信用卡、信用貸款普及后，非貧困地區(qū)、城區(qū)的群體較易辦理5 萬以上的消費(fèi)貸款或經(jīng)營貸款， 從而不符合申請創(chuàng)業(yè)擔(dān)保貸款的條件。 建議推出有地區(qū)差異的創(chuàng)業(yè)擔(dān)保貸款申辦門檻。同時，10 類群體的情況各有不同， 對于長期難以獲得創(chuàng)業(yè)擔(dān)保貸款的群體，建議推出差異化的支持政策，解決普惠金融政策執(zhí)行過程中的不均衡、不協(xié)調(diào)現(xiàn)象，讓每個群體都同樣能有政策獲得感。

三是推進(jìn)信息治理， 為監(jiān)測分析提供有力支撐。2018 年10 月，財政部、人力資源和社會保障部、中國人民銀行、銀保監(jiān)會聯(lián)合出臺了《關(guān)于進(jìn)一步做好創(chuàng)業(yè)擔(dān)保貸款貼息政策監(jiān)測分析工作的通知》（財金〔2018〕107號），要求做好創(chuàng)業(yè)擔(dān)保貸款數(shù)據(jù)監(jiān)測分析工作。 建議進(jìn)一步加強(qiáng)政策執(zhí)行力，自上而下夯實(shí)信息化建設(shè)，建立長效機(jī)制，爭取在“T+1”的時間頻率上，實(shí)現(xiàn)業(yè)務(wù)全鏈條上各職能單位間的數(shù)據(jù)集中采集、 集中存儲和實(shí)時共享，推進(jìn)創(chuàng)業(yè)擔(dān)保貸款業(yè)務(wù)精準(zhǔn)管理、精準(zhǔn)統(tǒng)計(jì)和精準(zhǔn)查詢，為監(jiān)測和持續(xù)優(yōu)化政策效果提供數(shù)據(jù)支撐。

注釋：

①2020 年4 月的P 值大于0.05， 無法通過顯著性檢驗(yàn)，2020 年4 月出臺政策效果存在時滯， 至2020 年7 月政策效果方有體現(xiàn)，故未將2020 年4 月實(shí)證數(shù)據(jù)放在文中。