2017 经济研究 中小金融机构与中小企业贷款_刘畅（个体时点固定效应、省域时点固定效应）

中小金融机构与中小企业贷款 * 刘畅刘冲马光荣 内容提要: 本文利用全国县级层面 20062011 年的数据， 通过实证研究发现， 国有大 型商业银行贷款每增加 1 元， 对中小企业的贷款会增加 0. 0568 元; 而股份制商业银行、 城 商行和农村金融机构贷款每增加 1 元， 对中小企业的贷款分别会增加 0. 1 元、 0. 199 元和 0. 248 元。这一结果证实了林毅夫和李永军( 2001) 提出的“中小银行优势假说” ， 即中小 金融机构能够更好地满足中小企业的融资需求。本文还发现， 尽管中小金融机构提供了 更多风险较高的中小企业贷款， 它们仍然能够通过较高的贷款利率覆盖其因更多的不良 贷款带来的损失。 关键词: 中小金融机构中小企业贷款不良贷款 *刘畅， 北京大学光华管理学院， 邮政编码: 100871， 电子信箱: liuchanggsm pkueducn; 刘冲， 北京大学经济学院， 邮政编 码: 100871， 电子信箱: cliuecon pkueducn; 马光荣( 通讯作者) ， 中国人民大学财政金融学院， 邮政编码: 100872， 电子信箱: grma ruceducn。作者感谢国家自然科学基金青年项目( 批准号: 71403278) 、 国家自然科学基金青年项目( 批准号: 71603010) 以及北 京大学经济学院中青年教师科研种子基金资助课题的资助。作者感谢范子英、 谭之博、 李兵和刘通的建议， 感谢两位匿名审稿专 家提出的宝贵修改意见。文责自负。 国务院关于进一步促进中小企业发展的若干意见 ( 国发 2009 36 号) 。 Ayyagari et al( 2010) 利用 2000 多家中国企业的数据研究发现， 能够获得正规金融支持的企业绩效更好。 一、引言 “中小企业是我国国民经济和社会发展的重要力量， 促进中小企业发展， 是保持国民经济平稳 较快发展的重要基础， 是关系民生和社会稳定的重大战略任务。 ” 长期以来， 我国中小企业面临着 “融资难” 的问题。中小企业往往很难从正规金融机构( 特别是国有大型商业银行) 获得贷款， 迫使 其转向内源性融资或者非正规金融系统。 这一问题持续困扰着中国经济， 是政策制定者和企业界 共同关心的话题。党中央和国务院陆续出台了多项法规和政策， 试图改善中小企业的融资环境， 鼓 励和支持金融机构( 特别是银行类金融机构) 加大对中小企业融资的支持力度。然而， 这一问题始 终没有得到根本性的解决。 中小企业融资约束同样一直是学术界关心的一个重要问题。研究文献认为， 大型银行由于存 在规模经济， 在 “硬信息” ( 例如， 企业经营状况、 信用状况等通过财务报表或审计等渠道获得的信 息) 搜集方面具有优势。然而， 大型银行获取、 识别和传递“软信息” ( 例如通过中小企业周边的供 应商、 社区等搜集的关于企业未来发展前景的信息) 的能力较弱。因此， 大型银行在主要基于“硬 信息” 的交易性贷款( transactions lending) 上具有比较优势， 而中小型银行在主要依赖“软信息” 的 关系型贷款( relationship lending) 上具有比较优势( Stein， 2002; 张捷， 2002; Berger et al ，2005; Berger Udell， 2006; De la Torre， 2010; Berger et al ， 2014) 。在实证研究领域， 大量文献检验了银行规模或 者银行业集中度对中小企业贷款的影响( Petersen ajan， 1995; Shen et al ，2009; Berger Black， 2011) 。多数研究的结论表明， 银行规模越大、 银行业集中度越高， 中小企业获得贷款越困难。另 一支文献重点关注的是银行业竞争对中小企业贷款的影响( Beck et al ， 2004; ice Strahan， 2010; 56 2017 年第 8 期 Chong et al ，2013) ， 其基本发现是银行业竞争有助于缓解中小企业面临的融资约束。除了信息搜 集方面的比较优势存在差异之外， 大型银行的内部授权结构和激励机制同样影响其对中小企业的 贷款( 徐忠和邹传伟， 2010) 。出于风险控制方面的考虑， 大型银行对分支机构贷款决策方面的授 权通常是不足的。在更为复杂的内部治理结构下， 具有贷款决策权的经理人往往选择将信贷授予 风险防范能力更强的大型企业， 而不是中小企业。上述分析框架的核心观点是， 大型金融机构和中 小型金融机构在广义的 “贷款技术” ( Berger Udell， 2002) 上存在异质性， 从而使其对中小企业贷 款的边际倾向存在异质性。 对于我国中小企业难以通过正规金融部门( 特别是国有大型商业银行) 获得贷款的现象， 已有 文献给出了一些解释， 其中最具有代表性和影响力的研究为林毅夫和李永军( 2001) 。他们基于比 较优势理论指出， 我国现有的以大型银行为主的金融体制是在“赶超” 战略指导下建立起来的。大 型银行 “天然不适合为中小企业服务” ， 从而造成了我国中小企业融资困难的现状。这一论断被笔 者概括为 “中小银行优势假说” 。 受到数据来源的限制， 基于中国数据进行的关于中小企业融资约束的实证文献数量有限。孙 大超等( 2014) 利用中国工业企业数据库发现， 银行业垄断是导致货币政策信贷传导渠道扭曲的重 要原因， 适度从紧的货币政策对中小企业融资的抑制作用要远远高于大型企业。尹志超等( 2015) 基于一个 124681 笔中小企业信贷的微观数据发现， 银行业竞争能够降低企业的借贷成本， 并且这 种效果对低信用等级的小型企业更加显著。 上述文献的关注点仍然是大型银行和中小型银行共 存时产生的竞争效应， 而没有直接考虑不同类型银行的异质性。 另一方面， 从实证研究所使用数 据的角度， 已有的文献通常使用中国工业企业数据库、 上市公司数据库或者某些特定地区的微观调 查数据， 上述数据存在一些难以克服的缺陷。 更为重要的是， 要想证实林毅夫和李永军( 2001) 提出的“中小银行优势假说” ， 就必须在实证 分析中明确区分不同类型的银行。只有当我们基于一个具有广泛代表性的数据发现， 中小银行贷 款增长与其中小企业贷款增长之间的相关性显著高于国有大型商业银行， “中小银行优势假说” 才 能够得到经验数据的支持。 本文的工作主要集中在以下两个方面: 第一， 我们使用 20062011 年全国县级层面的银行业数 据， 从统计上分析了不同类型银行类金融机构的贷款增长与它们的中小企业贷款增长之间的相关性， 实证结果证实了林毅夫和李永军( 2001) 提出的 “中小银行优势假说” 。第二， 我们在分析了不同类型 金融机构贷款增长与不良贷款增长之间的关系后发现， 尽管中小金融机构提供了更多风险较高的中 小企业贷款， 它们仍然能够通过较高的贷款利率覆盖其因更多的不良贷款带来的损失。因此， 利率市 场化改革将会进一步提高中小金融机构的经营灵活性， 从而有助于缓解中小企业面临的融资约束。 66 刘畅等: 中小金融机构与中小企业贷款 林毅夫和李永军( 2001) 与 Berger 的一系列理论文献所得出的结论基本一致， 但提出的时间更早。在同一分析框架下， 李 志赟( 2002) 基于一个理论模型预测， 中小金融机构数量增加对中小企业贷款总额具有正向作用。林毅夫等( 2009) 更进一步地将 一个经济体的金融体系究竟是由大银行还是由小银行主导作为金融制度安排的一个重要特征。林毅夫和姜烨( 2006) 、 林毅夫和 孙希芳( 2008) 分别基于省级面板数据发现， 银行集中度越低、 中小企业贷款份额越高的地区经济增长速度越快。 在更早期的文献中， Petersen ajan( 1995) 同样发现了银行业竞争效应在中国的存在性。 另一支文献从地区银行业结构变动的角度间接反映了不同类型银行之间的差异。例如， 姚耀军和董钢锋( 2015) 基于中小企 业板上市公司数据发现， 中小银行进入引起的银行业结构变动显著缓解了中小企业板上市公司面临的融资约束， 而以金融机构存 ( 贷) 款占 GDP 比重和股票市值( 交易额) 占 GDP 比重等构造的地区金融发展水平与中小企业融资约束之间的关系并不稳健。 首先， 由于中国工业企业数据库中没有报告企业的贷款余额， 研究者通常使用利息支出等指标来衡量企业融资情况， 面 临着较为严重的测量误差问题。其次， 中国工业企业数据库中的绝大部分企业都是大中型企业。使用上市公司数据进行研究面 临着同样的问题， 上市公司的规模通常相对较大， 而股市本来就是融资的渠道。因此， 使用这些样本进行的实证研究可能存在严 重的样本选择偏误。最后， 利用某些区域性调查数据得出的研究结论在多大程度上能够外推并不明确。如果我们希望得到政策 含义更为明确的结论， 就必须使用具有代表性的大样本数据。 二、数据描述及实证策略 1. 数据描述 本文使用的数据来自中国银行业监督管理委员会， 样本时间跨度为 2006 年至 2011 年。 我 们的研究对象主要为四种不同类型的银行: 国有大型商业银行、 股份制商业银行、 城商行( 包括城 市信用社) 和农村金融机构( 根据银监会的统计口径， 包括农村商业银行、 各级农村信用社、 农村合 作银行、 村镇银行和农村互助社) 。本文所指的中小企业， 系根据 2003 年国家四部委联合发布的 中小企业标准暂行规定 统计的， 与当前执行的标准有所不同。 在样本选择方面， 由于西藏自治区社会经济条件的特殊性， 我们删去了位于该地区的样本。值 得注意的是， 2007 年 11 月， 中国农业银行在上市之前进行了不良贷款剥离， 其规模高达 7500 亿 元， 直接导致中国农业银行各分支机构 2007 年前后的各项贷款数据不完全可比。为了避免这一 政策性突变可能产生的影响， 本文在回归中所使用的国有大型商业银行数据口径均不包括中国农 业银行， 只包括中国工商银行、 中国建设银行、 中国银行和中国交通银行这四家银行。 表 1 20062011 年分金融机构类型主要指标描述性统计 变量名年度国有大型商业银行股份制商业银行城商行农村金融机构 贷款总额占全部银行类 金融机构比重( %) 200650. 9214. 306. 3711. 72 200750. 7813. 956. 8512. 72 200848. 5715. 517. 1012. 83 200949. 5716. 107. 5012. 29 201048. 8516. 627. 5012. 54 201148. 9416. 537. 8413. 43 中小企业贷款占全部贷 款比重( %) 20066. 11012. 1431. 0634. 65 20074. 9294. 55915. 7227. 36 20085. 2005. 57216. 3626. 86 20096. 90110. 6420. 2730. 74 20108. 34412. 8429. 4432. 90 201111. 7215. 4133. 0434. 49 不良贷款率( %) 20063. 7532. 4154. 92221. 02 20072. 9331. 5863. 39117. 74 20082. 2861. 6232. 29914. 85 20091. 4430. 8021. 45210. 65 20101. 0170. 5251. 0297. 337 20110. 8380. 5150. 9095. 077 表 1 报告了分年度分金融机构类型的贷款总额占全部银行类金融机构比重、 中小企业贷款占 全部贷款比重以及不良贷款率等三个主要指标的均值。从贷款总额占比来看， 样本区间内三类主 要的中小型金融机构贷款占比稳步上升， 反映了 20062011 年间我国中小金融机构蓬勃发展的良 好态势。为了应对经济过热， 2007 年实行了紧缩的货币政策， 从而使得中小企业贷款占各类型银 76 2017 年第 8 期 在银监会提供的原始数据中， 陕西省 2006 年的数据缺失。 11 月农行不良贷款剥离 7500 亿， 导致贷款余额负增长 ， 和讯网， http: / /bankhexuncom/20081217/112447127. html。 行全部贷款的比重在当年均出现了较大幅度的下降。在中央一系列鼓励和支持中小企业发展的政 策措施引导和推动下， 这一指标从 2008 年开始逐年上升， 各类金融机构的中小企业贷款占比在 2011 年基本上达到或者超过了 2006 年的水平。 由于历史原因积累了大量不良资产， 国有大型商业银行在进行不良贷款剥离之前实际上长期 处于 “技术破产” 的状态。因此， 不良贷款率成为银监会监控商业银行经营的最重要的技术指标之 一。2006 年以来， 各类型银行的不良贷款率均呈现出逐年下降的趋势。截至 2011 年， 国有大型商 业银行、 股份制商业银行和城市商业银行的平均不良贷款率都已经降到 1%以下， 但农村金融机 构的平均不良贷款率仍高达 5. 077%。 在接下来的实证分析中， 为了避免某些极端值对实证结果可能产生的影响， 参照文献中常用的 做法， 我们对主要变量 1%分位数以下和 99%分位数以上的样本使用缩尾法( winsorize) 进行了处 理。表 2 报告的是本文主要变量的描述性统计。 表 2 主要变量的描述性统计 变量名统计量国有大型商业银行股份制银行城市商业银行农村金融机构 贷款增长率 样本量113202085449812806 均值0. 6711. 0970. 7210. 286 标准差2. 0903. 3572. 1650. 363 中小企业贷款增长/ 滞后期贷款总额 样本量117512261472913216 均值0. 05900. 1210. 1760. 0708 标准差0. 3170. 5260. 6970. 233 获得贷款企业数增 长率 样本量99391985425312247 均值0. 5690. 8080. 6980. 531 标准差1. 7492. 0272. 0472. 015 不良贷款增长/滞后 期贷款总额 样本量117682270473613216 均值 0. 0101 0. 00168 0. 00254 0. 00956 标准差0. 08130. 03730. 04150. 113 2. 实证策略 在以上描述性统计分析的基础上， 我们直接估计不同类型金融机构的贷款增长与中小企业贷 款增长间的关系。为此， 使用与估计财政支出乘数的文献相似的模型设定( Barro edlick， 2011; Acconcia et al ，2014) ， 对每类银行分别估计如下方程: Yi， t=1+ X i， t +i+t+provt + Z i， t +i， t( 1) 其中， Yi， t为我们关心的第 t 年第 i 个县( 市、 区) 的因变量， X i， t为不同类型银行的贷款增长率; 的 估计值即为我们所关心的相关关系的大小; i为县固定效应， t为年度固定效应， 通过控制双向固 定效应， 我们可以消除不随时间变化的个体异质性以及宏观冲击的影响; 我们还控制了省年度固 定效应 provt， 从而进一步消除了同一省内各县( 区) 在某一年度相同的遗漏变量的影响; Zi， t为县 级层面的控制变量， 控制变量包括该县( 区) 人均 GDP 对数值、 年末贷款余额占 GDP 比重以及城镇 人口占总人口比重， 以此来控制经济发展水平、 金融深化程度和城市化率等可能影响贷款增长的因 素， 各控制变量所用的数据分别来自历年的 中国县( 市) 社会经济统计年鉴 和中国城市统计年 86 刘畅等: 中小金融机构与中小企业贷款 这里不包括中国农业银行。在 2006 年之前， 除中国农业银行外的各国有大型商业银行在上市之前均完成了不良贷款剥 离的工作。 鉴 ， 是否加入这些控制变量对以下实证结果中主要变量系数的影响均极为有限， 本文以下各部分 均报告的是加入控制变量后的结果; i， t为残差项， 为了防止序列相关和异方差问题对统计推断可 能产生的影响， 在所有的回归中都将标准误聚类( cluster) 到县级层面。 受潜在的内生性影响， 公式( 1) 中 的估计值可能存在偏误。在模型中， 内生性主要来源于反 向因果和遗漏变量偏误。一方面， 某地区某一特定类型银行贷款的增长可能主要由中小企业贷款 增长所驱动， 从而导致反向因果问题; 另一方面， 尽管控制了县、 年度和省年度固定效应， 并且控 制了可能影响贷款增长的一些重要变量， 但仍存在某些无法控制的因素。因此， 在固定效应模型的 基础上， 进一步使用工具变量法作为稳健性检验。我们使用当年该县( 区) 某一特定类型金融机构 具有贷款功能网点数的增量 Ni， t作为其贷款增量的工具变量， 一阶段回归方程如( 2) 式所示: Xi， t=2+Ni， t+i+t+provt + Z i， t +i， t( 2) 这一工具变量应该是有效的。一方面， 具有贷款功能的网点数量变动显然能够影响该地区该特定 类型银行的贷款增长率， 满足工具变量与内生变量相关的要求。另一方面， 这一工具变量也能较好 地满足外生性的要求。在当前的金融监管体系下， 中资商业银行的分行筹建申请由其总行向拟设 地银监局提交， 银监局受理并初步审查， 最终由银监会审查并决定。获准筹建后， 通常有半年左右 的筹建期， 其在筹建结束后的开业申请同样要由当地银监局审查批准。 此外， 新设立具有贷款功 能的分支机构在营业场所、 工作人员等方面需要进行较长时间的准备， 上述过程通常无法在一年内 完成。因此， 本文的工具变量主要通过影响贷款供给作用于内生变量。当然， 这一工具变量并非严 格外生。在随后的部分， 我们还将在 Conley et al( 2012) 提出的“近似外生工具变量” ( plausible exogenous instrumental variable) 框架下， 通过放松工具变量严格外生的假定进行稳健性检验。 三、不同金融机构贷款增长与中小企业贷款增长 在这部分， 我们首先使用公式( 1) 中的固定效应模型估计不同类型金融机构贷款增长与中小 企业贷款增长的相关关系， 回归结果如表 3。表3 第( 1) 至( 4) 列中的截面数存在较大的差异， 主要 原因是股份制银行和城商行的分支机构覆盖面远不如国有大型商业银行和农村金融机构广泛， 很 多县级行政区域没有这两类金融机构的网点。回归系数表明， 国有大型商业银行贷款每增加 1 元， 对中小企业的贷款会增加 0. 0568 元， 而股份制商业银行、 城商行和农村金融机构贷款每增加 1 元， 对中小企业的贷款分别会增加 0. 1 元、 0. 199 元和 0. 248 元， 中小金融机构贷款增长转化为中小企 业贷款增长的比率更高。 尽管上述回归中回归系数的差异十分明显， 但正如我们之前所指出的那样， 股份制商业银行和 城商行的贷款网点分布范围有限， 可能与国有大型商业银行存在系统性差异， 进而导致各列回归的 系数之间不能直接进行比较。基于这方面的考虑， 我们对原始样本进行 1000 次 bootstrap 随机抽 样， 以国有大型商业银行为基准， 利用相同样本直接比较表 3 中模型( 2) 、 ( 3) 、 ( 4) 与模型( 1) 的回 归系数之间的差异。1000 次 bootstrap 随机抽样估计的系数之差的频率分布直方图如图 1 所示。 可以清楚地观察到， 农村金融机构、 股份制商业银行和城商行与国有大型商业银行中小企业回归 系数之差均分布在 0 的右侧， 其中农村金融机构与国有大型商业银行的系数差距尤其明显。这 一结果表明， 上文得出的中小金融机构贷款增长转化为中小企业贷款增长的比率更高的结论是 可靠的。 96 2017 年第 8 期 由于存在网点撤并和布局调整等现象， 具有贷款功能的网点数的增量可能为负值。 根据样本期间各年修订并公布的 中国银行业监督管理委员会中资商业银行行政许可事项实施办法 ， 在本文数据所覆 盖的样本期间， 这一要求没有变化。 表 3 不同金融机构贷款增长对中小企业贷款增长的影响( 固定效应模型) 模型编号( 1)( 2)( 3)( 4) 被解释变量中小企业贷款增长/滞后期贷款总额 金融机构类型国有大型商业银行股份制银行城商行农村金融机构 贷款增长率 0. 0568 ( 0. 00440) 0. 100 ( 0. 0114) 0. 199 ( 0. 0140) 0. 248 ( 0. 0125) 县固定效应控制控制控制控制 年度固定效应控制控制控制控制 省年度固定效应控制控制控制控制 样本观测值110141896423012551 平方( 组内)0. 3220. 5990. 6170. 323 截面数245558112002729 注: 括号中是县级层面的聚类稳健标准误( clustered standard errors) ， 、 和* 分别表示在 1%、 5%和 10%的水平下显著; 受 篇幅限制， 表格中没有报告控制变量和常数项的回归系数。 图 11000 次 bootstrap 随机抽样得到的估计系数之差 表 4 不同金融机构贷款增长对获得贷款企业数增长的影响( 固定效应模型) 模型编号( 1)( 2)( 3)( 4) 金融机构类型国有大型商业银行股份制银行城商行农村金融机构 被解释变量获得贷款企业数增长率 贷款增长率 0. 175 ( 0. 0252) 0. 323 ( 0. 0476) 0. 288 ( 0. 0365) 0. 682 ( 0. 0914) 县固定效应控制控制控制控制 年度固定效应控制控制控制控制 省年度固定效应控制控制控制控制 样本观测值95771799399811988 平方( 组内)0. 2390. 5160. 3580. 235 截面数21754399982641 注: 同表 3。 在上面的回归中， 我们使用了中小企业贷款增长与滞后期贷款总额之比作为被解释变量。对 这一指标能否真正反映银行信贷资金支持中小企业的情况仍然存有疑问， 因为金融机构可能将多 数信贷资金用于扶持中小企业中的某些重点客户， 进而降低了中小企业贷款的普惠性。因此， 将表 3 中的因变量替换为获得贷款企业数的增长率进行进一步的考察， 回归结果如表 4。值得注意的 是， 在银监会的原始统计数据中， 这一统计指标的口径为获得贷款的全部企业， 既包括了中小企业 07 刘畅等: 中小金融机构与中小企业贷款 也包括了大型企业。通常情况下， 一个县级行政区域获得贷款的大型企业个数相对比较稳定， 很少 出现急剧增加或减少的情况。因此可以认为， 这一指标更多地反映的是该地区某年度获得贷款的 中小企业数的变动情况。表 4 的回归结果表明， 国有大型商业银行的贷款总额每增长 1%， 通过其 获得贷款的企业数将会增长约 0. 175%， 而股份制商业银行、 城商行和农村金融机构的贷款总额每 增长1%， 通过其获得贷款的企业数分别将会增长约 0. 323%、 0. 288%和0. 682%。这一结果与之前 使用贷款金额作为因变量得出的结论基本一致。 接下来， 为了缓解固定效应模型可能存在的内生性问题， 我们使用工具变量法对表 3 的模型进 行稳健性回归。工具变量法二阶段回归、 简约式回归( reduced- form) 和一阶段回归的结果分别报告 在表 5 的 Panel A、 Panel B 和 Panel C 中。不难看到， Panel C 中各列一阶段回归的系数均显著为 正， 同时一阶段回归的 F 统计量远高于通常认为安全的 10， 因此可以认为本文使用的工具变量不 存在弱工具变量问题( Stock Yogo， 2005) 。 表 5 不同金融机构贷款增长对中小企业贷款增长的影响( 工具变量法) 模型编号( 1)( 2)( 3)( 4) 金融机构类型国有大型商业银行股份制银行城商行农村金融机构 Panel A: 二阶段回归结果 被解释变量中小企业贷款增长/滞后期贷款总额 贷款增长率 0. 0775 ( 0. 0169) 0. 146 ( 0. 0245) 0. 253 ( 0. 0492) 0. 388 ( 0. 129) Panel B: 简约式回归结果 被解释变量中小企业贷款增长/滞后期贷款总额 新增贷款网点个数 0. 00186 ( 0. 000502) 0. 0374 ( 0. 00943) 0. 0243 ( 0. 00655) 0. 00139 ( 0. 000560) Panel C: 一阶段回归结果 被解释变量贷款增长率 新增贷款网点个数 0. 0240 ( 0. 00401) 0. 255 ( 0. 0535) 0. 0960 ( 0. 0205) 0. 00360 ( 0. 000864) 县固定效应控制控制控制控制 年度固定效应控制控制控制控制 省年度固定效应控制控制控制控制 一阶段 F 统计量35. 8622. 8321. 8417. 34 样本观测值110141896423012551 截面数239745810382707 注: 同表 3。 表 5 Panel B 中简约式回归的结果表明， 增加具有贷款功能的营业网点个数将会显著促进各类 金融机构中小企业贷款的增长。与表 3 中固定效应模型对应列的估计结果相比， Panel A 中二阶段 系数均有所上升， 这表明内生性问题的存在确实使得 OLS 估计系数存在一定程度的低估， 但两者 的差距并不大， 并且系数之间的相对大小关系并没有发生改变。 工具变量回归的结果进一步证 实了基准回归结论的稳健性。 17 2017 年第 8 期 我们还利用与图 1 相似的 bootstrap 技术对系数之间的差异进行了统计检验， 受篇幅限制， 没有报告这些结果。 不宜把工具变量回归的结果解释为自变量对因变量的因果效应， 因为两者之间并不存在直接的因果作用机制。 考虑到所使用的工具变量并非严格外生， 我们还进行了两项额外的检验。第一， 将因变量的一 阶滞后项加入到基准模型中， 发现内生解释变量的系数变化极为微小。 第二， 在 Conley et al ( 2012) 提出的 “近似外生工具变量” 框架下， 通过放松工具变量严格外生的假定， 放弃点估计以讨 论工具变量估计结果的稳健性。首先， 我们将内生变量和工具变量同时放入如公式( 3) 所示的简 约式回归方程中， 估计结果如表 6。与表 3 中对应列的估计结果相比， 内生变量的估计系数几乎没 有变化。与此同时， 工具变量系数的数值与表 5 的 Panel B 中简约式回归的系数大小相比有极为 明显的下降， 并且在 5%的水平下均不显著异于 0。上述结果表明， 我们的工具变量基本能够满足 排他性约束( exclusion restriction) 的假定。 Yi， t=1+ X i， t +Ni， t+i+t+provt + Z i， t +i， t( 3) 表 6 同时放入内生变量和工具变量的简约式回归 编号( 1)( 2)( 3)( 4) 被解释变量中小企业贷款增长/滞后期贷款总额 金融机构类型国有大型商业银行股份制银行城商行农村金融机构 贷款增长率 0. 0567 ( 0. 00441) 0. 0994 ( 0. 0115) 0. 198 ( 0. 0141) 0. 247 ( 0. 0124) 工具变量 0. 000500 ( 0. 000412) 0. 0120* ( 0. 00651) 0. 00526 ( 0. 00456) 0. 000504 ( 0. 000469) 县固定效应控制控制控制控制 年度固定效应控制控制控制控制 省年度固定效应控制控制控制控制 样本观测值110141896423012551 平方( 组内)0. 3220. 6000. 6170. 323 截面数239745610382707 注: 同表 3。 接下来， 放松排他性假定的约束。将工具变量记为 Ti， t， 在方程左侧消去工具变量对因变量的 直接影响， 公式( 3) 可以转换为公式( 4) : Yi， t T i， t = X i， t +i+t+provt + Z i， t +i， t( 4) 此时， 若对 进行额外的假定并放弃点估计就可以对方程进行识别， 得到待估计的 的一个稳健置 信区间。 这里采用 UCI 方法， 根据经济理论及表 6 的估计结果可以知道 为一个非负数， 比较宽 松地假定 分布在 0， 2 ， 其中 为表 6 估计出的工具变量回归系数。 我们利用格点搜索， 在 可能分布的范围内绘制了各类型金融机构回归方程中 的稳健置信区间， 如图 2 所示。 随着假 定 的值在 0， 2 区间内逐渐增大， 工具变量严格外生性假定被违背的程度逐渐增强， 的稳健置 信区间相应地逐渐扩大， 但估计值相对稳定并且仍然保持了较高的显著性水平。这一检验充分表 明本文使用工具变量估计所得出的结论是稳健的。 27 刘畅等: 中小金融机构与中小企业贷款 受到篇幅的限制， 我们没有报告上述检验的结果。 Conley et al( 2012) 给出了两种假定方式， 第一种是 Union of Confidence Intervals( UCI) 假定， 即给出 分布的上下限， 进而 给出 的稳健置信区间; 第二种是 Local to Zero( LTZ) 假定， 即认为 是一个非常接近( 但不等于) 0 的值， 通过假定其服从某个具 体的正态分布给出 的稳健置信区间。 使用 LTZ 假定得出的置信区间与之非常接近， 限于篇幅， 没有报告相关的结果。 具体技术细节请参见 Conley et al( 2012) 。 图 2Conley et al( 2012) 框架下金融机构贷款增长对中小企业贷款增长的稳健置信区间 注: 图中虚线分别绘制了 UCI 假定下不同估计系数在 90%显著性水平下的稳健置信区间。 四、不同金融机构贷款增长与不良贷款增长的相关性 本文第三部分讨论了不同类型金融机构贷款增长与中小企业贷款增长之间的相关关系。中小 企业贷款通常具有更高的风险系数， 可能会给中小金融机构带来更多的不良贷款。在这一部分， 我 们将讨论不同金融机构的贷款总额增长和中小企业贷款增长与其不良贷款增长之间的相关关系。 我们使用与表 3 中基准回归完全相同的模型， 估计各类型金融机构的贷款增长与其不良贷款 增长之间的关系， 回归结果如表 7。表 7 的结果表明， 国有大型商业银行、 股份制商业银行和城商 行的贷款增长转化为不良贷款增长的比率较小， 每 1 元贷款增长平均分别只有约 0. 613%、 0. 227% 和 0. 305%转化为新增不良贷款， 而农村金融机构的转化率则高达 3. 82%， 其 95%水平下的置信区 间上下限分别为 2. 73%和 4. 9%， 远远高于其他主要类型金融机构的水平。 为了进一步揭示不同类型金融机构的中小企业贷款增长对不良贷款增长的影响， 我们使用与 表 3 相似的固定效应模型直接估计中小企业贷款与不良贷款之间的相关关系。表 8 的结果表明， 对中小企业贷款每增加 1 元， 国有大型商业银行、 股份制银行、 城商行和农村金融机构的不良贷款 分别增加约 0. 0344 元、 0. 00771 元、 0. 00731 元和 0. 0486 元。股份制商业银行和城商行的中小企 业贷款增长转化为不良贷款的比例相对较小， 农村金融机构在各类金融机构中最高。与表 7 同样使 用固定效应模型估计的结果相比， 不同金融机构中小企业贷款增长转化为不良贷款增长的比率均高 于贷款总额增长转化为不良贷款增长的比率， 这与我们对中小企业贷款相对风险较高的判断是一致 的。值得注意的是， 国有大型商业银行的中小企业贷款增长转化为不良贷款增长的比率也相对较高。 这一结论的政策含义是， 在现有的制度背景和技术条件下， 如果忽视国有大型商业银行在广义的贷款 技术上的比较优势， 用行政手段强制要求其增加对中小企业的贷款， 可能会诱发更多的不良贷款。 37 2017 年第 8 期 表 7 不同金融机构贷款增长对不良贷款增长的影响( 固定效应模型) 编号( 1)( 2)( 3)( 4) 金融机构类型国有大型商业银行股份制银行城商行农村金融机构 被解释变量不良贷款增长/滞后期贷款总额 贷款增长率 0. 00613 ( 0. 000969) 0. 00227 ( 0. 000670) 0. 00305 ( 0. 000752) 0. 0382 ( 0. 00555) 县固定效应控制控制控制控制 年度固定效应控制控制控制控制 省年度固定效应控制控制控制控制 样本观测值110261900423412552 平方( 组内)0. 2160. 3170. 2390. 224 截面数239845810412707 注: 同表 3。 表 8 中小企业贷款增长对不良贷款增长的影响( 固定效应模型) 模型编号( 1)( 2)( 3)( 4) 金融机构类型国有大型商业银行股份制银行城商行农村金融机构 被解释变量不良贷款增长/滞后期贷款总额 中小企业贷款增长/ 滞后期贷款总额 0. 0344 ( 0. 00552) 0. 00771 ( 0. 00291) 0. 00731 ( 0. 00185) 0. 0486 ( 0. 00661) 县固定效应控制控制控制控制 年度固定效应控制控制控制控制 省年度固定效应控制控制控制控制 样本观测值114632019444512959 平方( 组内)0. 2150. 3410. 2180. 225 截面数244049810712722 注: 括号中报告的是县级层面的聚类稳健标准误( clustered standard errors) ， 、 和* 分别表示在 1%、 5%和 10%的水平下显 著; 受到篇幅的限制， 表格中没有报告简约式回归、 一阶段回归的结果以及控制变量和常数项的回归系数。 上述估计结果启发我们进一步思考， 为什么以农村金融机构为代表的中小金融机构在中小企 业贷款风险相对较高的情况下仍然能够得到快速发展。一个自然的假说是， 中小金融机构的贷款 利率相对较高， 能够通过高利率赚取更高的利息收入， 进而补偿其由高风险贷款带来的损失。结合 本文的估计结果和相关数据， 我们将就这一问题进行一个较为粗略的估算。根据中国人民银行发 布的各省 中国区域金融运行报告 提供的数据， 我们估算了不同类型金融机构的平均利率浮动情 况， 如图 3 所示。 国有大型商业银行和股份制银行的平均贷款利率基本上保持在中国人民银行 基准利率附近， 城商行执行的利率水平略高于基准利率， 而农村金融机构历年的平均贷款利率均超 过基准利率水平的 1. 4 倍。 从 2006 年到 2010 年， 农村金融机构贷款总额增长了 30668 亿元， 根据表 7 的估计系数可以 47 刘畅等: 中小金融机构与中小企业贷款 中国区域金融运行报告 中提供的是各省不同贷款利率区间的比重， 按照统计学中常用的做法， 我们使用某一利率区间 的中点作为其均值的近似， 对各省的数据分别估算后求平均。 由于缺乏 2011 年不同金融机构平均贷款利率数据， 以下部分我们使用 20062010 年数据进行估算。 图 3不同类型金融机构平均贷款利率与基准利率之比 数据来源: 根据中国人民银行历年发布的各省 区域金融运行报告 估算。从 2011 年起， 上述报 告中不再披露各省分金融机构的利率水平。 算出， 农村金融机构与国有大型商业银行相比， 其贷款增长引起的超额不良贷款约为 983. 5 亿 元。 20062010 年， 样本中农村金融机构贷款总额为 191748 亿元， 农村金融机构执行的平均 贷款利率约为国有大型商业银行的 1. 444 倍， 若以 20062010 年间一年期贷款的平均利率( 约为 6. 4%) 计算， 这一时期农村金融机构与国有大型商业银行的贷款利率水平相比取得的超额利息 收入约为 5449 亿元。 上述估算证实了我们的猜测， 即农村金融机构可以通过更高的利率水平覆 盖其因高风险贷款导致的额外的不良贷款损失。由此可以进一步推断， 利率市场化改革将会进一 步增强以农村金融机构为代表的中小金融机构的经营灵活性， 从而促进其更好地服务于中小企业 的融资需求。 五、结论 本文首次使用 20062011 年全国县级层面大样本数据， 证实了林毅夫和李永军( 2001) 提出 的 “中小银行优势假说” 。实证研究的结果表明， 国有大型商业银行贷款每增加 1 元， 对中小企业 的贷款会增加 0. 0568 元; 而股份制商业银行、 城商行和农村金融机构贷款每增加 1 元， 对中小企业 的贷款分别会增加 0. 1 元、 0. 199 元和 0. 248 元。本文还发现， 中小金融机构能够通过更高的利率 水平覆盖其因高风险贷款导致的额外的不良贷款损失。因此， 利率市场化改革将会进一步增强以 农村金融机构为代表的中小金融机构的经营灵活性， 促使其加大对中小企业的贷款力度。 本文的研究结论具有重要的政策含义。第一， 为了加强金融支持中小企业发展的力度， 应当进 一步鼓励中小型金融机构的发展。第二， 与王自力( 2004) 一致， 我们认为不应通过行政手段要求 不具备比较优势的国有大型商业银行增加中小企业贷款， 这样可能会引起不良贷款率上升， 诱发局 部金融风险。解决中小企业的融资问题， 应当更多地依靠中小金融机构。第三， 当前已经初步完成 的利率市场化改革， 将会有助于缓解中小企业面临的融资约束。 参考文献 李志赟， 2002 : 银行结构与中小企业融资 ， 经济研究 第 6 期。 57 2017 年第 8 期 30668( 0. 03820. 00613) = 983. 52。 这一数据用 20062010 年各年末贷款总额相加得到。 在 20062010 年， 基准利率水平经历过多次调整， 这里使用的是该时间段中国人民银行公布的基准利率的平均值。 假定国有大型商业银行执行基准利率， 1917480. 0640. 444=5448. 71。 林毅夫、 姜烨， 2006 : 经济结构、 银行业结构与经济发展 基于分省面板数据的实证分析 ， 金融研究 第 1 期。 林毅夫、 李永军， 2001 : 中小金融机构发展与中小企业融资 ， 经济研究 第 1 期。 林毅夫、 孙希芳， 2008 : 银行业结构与经济增长 ， 经济研究 第 9 期。 林毅夫、 孙希芳、 姜烨， 2009 : 经济发展中的最优金融结构理论初探 ， 经济研究 第 8 期。 孙大超、 王博、 Wang Gang， 2014 : 银行业垄断是导致货币政策抑制中小企业的原因吗 ， 金融研究 第 6 期。 王自力， 2004 : 香槟塔效应与中小企业信贷市场 ， 金融研究 第 1 期。 徐忠、 邹传伟， 2010 : 硬信息和软信息框架下银行内部贷款审批权分配和激励机制设计 对中小企业融资问题的启示 ， 金融研究 第 8 期。 姚耀军、 董钢锋， 2015 : 中小企业融资约束缓解: 金融发展水平重要抑或金融结构重要? 来自中小企业版上市公司的经 验证据 ， 金融研究 第 4 期。 尹志超、 钱龙、 吴雨， 2015 : 银企关系、 银行业竞争与中小企业借贷成本 ， 金融研究 第 1 期。 张捷， 2002 : 中小企业的关系型借贷与银行组织结构 ， 经济研究 第 6 期。 Acconcia，A，Corsetti，G，and Simonelli，S，2014 ，“Mafia and Public Spending:Evidence on the Fiscal Multiplier from a Quasi- experiment” ，American Economic eview，104 ( 7) ，21852209 Ayyagari，M，Demirg- Kunt，A，and Maksimovic，V， 2010 ，“Formal versus Informal Finance:Evidence from China” ，eview of Financial Studies，23 ( 8) ，30483097 Barro，obert J，and edlick，CJ，2011 ，“Macroeconomic Effects from Government Purchases and Taxes” ，Quarterly Journal of Economics，126 ( 1) ，51102 Beck，T，Demirguc- Kunt，A，and Maksimovic，V，2004 ，“Bank Competition and Access to Finance:International Evidence” ， Journal of Money，Credit，and Banking，36 ( 3) ，627648 Berger，AN，and Black，LK，2011 ，“Bank Size，Lending Technologies，and Small Business Finance” ，Journal of Banking and Finance，35 ( 3) ，724735 Berger，AN，and Udell，GF，2002 ，“Small Business Credit Availability and elationship Lending:The Importance of Bank Organizational Structur