国有商业银行制度性歧视信贷的一个经验验证|地域歧视最严重的省份

　　【摘　要】 在高度集中的金融体制下，国家通过金融控制，使得国有商业银行在信贷决策上将贷款更多地投向国有企业，导致了“制度性歧视”。文章通过分析2000—2009年的宏观数据，得到国有企业贷款比重，进而构建评价制度性歧视的指标，部分验证了“制度性歧视”仍然存在的观点。当信贷市场上出现制度性歧视时，民营企业将承担多数损失，产能受到限制，进而拖累了经济总产值。
　　【关键词】 信贷；　国有银行；　制度性歧视
　　一、前言
　　目前阶段，银行信贷是企业融资的重要来源之一。对于绝大多数无法上市通过证券融资的企业而言，银行起到了最主要的外部融资渠道的作用。然而，一个不容忽视的事实是，中国的银行体系中存在“制度性歧视”现象，即国有企业获得绝大多数贷款，而非国有企业只能得到少部分——企业的所有制而非银行的盈利需求和企业的资金需求决定了企业将获得多少贷款。
　　这种信贷制度性歧视现象并不合理，对国家经济发展起到负面作用。首先作为贷款提供方，银行没有从制度性信贷配给中获得更多利益（Loren Brandt and Hongbin Li，2003），反而因为贷款决策偏离商业原则，造成市场效率丧失。其次，大量资金注入效率不高的国有企业，使得国有企业对银行借贷产生极强依赖（朱光华，陈国富，2002），信贷资金过多地投放于缺乏效率的国有企业导致了资金配置的低效率（张军、金煜， 2005）；并且，制度歧视性的信贷政策导致民营企业融资受限，拖累了民营经济发展，整个国民经济受到双重拖累（刘瑞明，石磊，2010；刘瑞明，2011）。此外，一项对中国的分省实证研究表明，非国有企业比重越高的地区，银行集中度（国有大银行相对份额）降低，能够促进经济的增长（林毅夫，姜烨，2006）。
　　毋庸置疑，银行信贷的制度性歧视造成非国有企业（尤其是民营中小企业）融资障碍。这种障碍的本质是信用困境。民营经济的外源融资机制主要依赖社会成员之间相互约束，是一种横向的信用体系。但中国的社会信用体系却是一个由政府主导的纵向信用体系（张杰，2000）。这种信用体系的特点是政府必须通过国家权威来维持每一环节的联系。在这种纵向体系里，国家意志决定了国有银行信贷的投向和数量，通过固定存贷比率限制银行的盈利能力和行为选择（Jahangir Aziz and Christoph Duenwald，2002），银行的信贷行为是被动的。另一方面，国家通过制度上的安排以及国家信用排斥了非金融因素进入存款市场，使国有银行对居民储蓄形成了垄断，最终国家把储蓄中的绝大部分转化成为对国有经济的金融支持（朱光华，陈国富，2002）。这个体系中所有的环节都是单向连接的，国家在终端承担最后责任，居民储蓄蜕变成为免费资本， 国有银行是中转站，把免费资本输送给国有企业。在国家高度的金融控制下，国有商业银行将贷款更多地投向国有企业，“制度性歧视”由此产生。
　　二、研究设计
　　（一）指标选择说明与计量模型的设定
　　已有多种研究设计证明银行信贷具有制度性歧视。通常会从两个方向来考虑。第一个是构建计量模型，选取能够代表企业获得信贷情况的指标作为被解释变量，将企业所有制设定为一个控制变量，进而验证所有制能够影响到银行信贷。第二个方向是利用统计数据，直接计算得到可以衡量制度性歧视的指标。
　　受数据来源以及时间所限，笔者利用“国有企业贷款比重”构建指标，观察企业信贷中的所有制歧视程度。因为在已有的公开数据源中无法获得近几年按企业所有制细分的信贷配给数据，所以采用建模估算的方式获得指标具体数值。
　　首先确定三条基本假设：
　　假设1：全部银行信贷只包括发放给国有企业的信贷和发放给整个非国有部门的信贷。
　　假设2：考虑制度性歧视，国有企业信贷需求首先被满足。所以银行分配给国有企业的信贷变动可以用国有企业工业总产值占全国工业总产值比重变动的固定倍数来表示。
　　假设3：考虑到我国国有企业资金来源主要是银行信贷，因此国有企业总产值比重与银行信贷分配的关系应该相对稳定。
　　在以上假设基础上，将“银行信贷总额／国内生产总值”比重（LOAN_RATIO）作为被解释变量，用相应年度的“国有工业产值/ 工业总产值”比重（SOEPRO）作为解释变量，构建基准模型：
　　LOAN_RATIO=C+AiSOEPRO+E
　　其中，C是截距项，Ai为待估系数，E为误差项。民营企业的信贷占比将受到两个因素影响：截距项C和误差项E。
　　（二）变量的定义和数据来源（如表1）
　　三、计量结果及分析
　　（一）计量结果
　　根据模型，使用计量软件eviews对数据进行了三次OLS回归。
　　在处理数据的过程中发现，2009年的贷款总量是一个异常点，所以在第一次回归时，剔除2009年的数据，选用2000—2008年数据。回归方程为：
　　LOAN_RATIO=C+A1SOEPRO+E
　　第二次回归把2009年的数据加入分析，回归方程仍为：
　　LOAN_RATIO=C+A2SOEPRO+E
　　第三次回归向模型中放入控制变量M，试图控制政府宏观政策（宏观政策分析见后文）对2009年数据造成的影响，回归方程变为：
　　LOAN_RATIO=C+A3SOEPRO+A4M+E
　　回归结果如表2所示：
　　由表2第一列可知，第一次回归分析的拟合优度较好，可以认为解释变量SOEPRO与被解释变量LOAN_RATIO相关性很强。其次，国有企业工业产值占总产值的比重（SOEPRO）在5%的水平上显著为正。
　　表中第二列显示，估计系数SOEPRO的p值在10%的显著水平上未通过检验，F检验的p值也是同样如此。其次，是拟合优度有所下降和DW值显示存在一阶自相关性，因此可以断定本次回归中存在异方差和自相关。当使用了异方差自相关一致协方差估计（Hetero-skedasticity and Autocorrelation Consistent Covariance Estimator，简称 HAC）之后，解释变量的p值仍然未通过显著水平为10%的检验，自相关仍旧存在。证明2009年的银行贷款总额数据确实为一个异常点。