第三節 信貸渠道效應的存在性檢驗：總量情形

一、基準模型與檢驗的原假設

基于式（2-7）、式（2-8），設定如下用于檢驗的基準計量模型：

根據信貸渠道存在須滿足的邏輯環節，如果命題1成立，那么應當有如下的原假設成立H0:β13＞0, β21＞0。即貨幣需求的正向沖擊首先引起銀行資產負債表中信貸資產的增加，而信貸的增加又真實地促進了產出增加。

對于式（2-10），為了避免產出、產業結構與信貸之間相互影響而產生的內生性問題，這里仍同時采用面板LS估計與動態GMM估計，以保證模型的動態完整性。式（2-11）將采用工具變量法進行估計，工具變量集包括貨幣需求沖擊與經濟結構變量。

二、變量定義與估計方法

經濟結構（prsit）：廣義上，信貸渠道中的經濟結構指的是借款人獲取信貸能力的異質性，但從實證角度來看，這種定義顯然使數據獲取面臨難以逾越的困難。為此，由于企業是信貸獲取的主體，這里假定經濟結構的劃分源于不同類型企業獲取銀行信貸能力的差異。對中國而言，改革開放以來，由于政策性因素或在規模等方面存在差異，一般而言，國有企業在獲取銀行信貸方面處于更為有利的地位。據此，我們用各個省份“國有及國有控股工業總產值/工業總產值”作為刻畫經濟結構的代理變量。

銀行貸款（lit）：地區統計數據中貸款指標包括“各項貸款合計”“工業貸款”“商業貸款”和“農業貸款”，為了進一步剖析信貸渠道的作用結構，分別選用“各項貸款合計（list）”“工業貸款（liit）”和“商業貸款（lict）”三個指標的對數值來反映銀行貸款情況。

與前面的情況類似，式（2-10）、式（2-11）估計過程中可能產生的參數估計有效性與統計推斷問題主要源于式（2-10）的如下問題：一是銀行信貸、產出與產業結構之間相互影響所產生的內生性；二是一些與截面單元特質及時序相關的因素未被引入模型。解決問題的方法仍是在剔除時間與截面效應的同時，結合動態GMM估計與面板分布滯后兩種模型設定，尋求使得式（2-11）滿足動態完整性的擴展模型。上述指標的數據來自《新中國六十年統計資料匯編》及2010年、2011年各個省份的統計年鑒。

三、貨幣需求沖擊實證結果

表2-3至表2-5分別給出了貨幣需求沖擊對貸款總量、工業貸款和商業貸款影響的實證結果。由表可得出如下結論：第一，各種情況下面板最小二乘估計結果的χ2（n）統計量值表明，基于隨機效應假定的估計方法選擇是不合理的，因此這里選擇固定效應模型是適宜的。第二，雖然對非觀測變量的固定效應假定更有效，但是表2-3、表2-4的實證結果表明，即使在面板最小二乘回歸過程中同時剔除了截面與時間固定效應，或利用加權截面或時間固定效應最小二乘進行估計，參數的估計結果均未出現隨著解釋與被解釋變量滯后項的延長而收斂的特征。這提示我們，僅通過引入解釋與被解釋變量的滯后項來解決解釋變量內生性問題效果有限，即模型中還存在其他無法由解釋與被解釋變量滯后項的信息所包含，且又與解釋變量當期值相關的重要因素。因而，最小二乘估計很可能不滿足一致性。第三，n*J 統計量值顯示，與表2-5一樣，在表2-3、表2-4的面板動態GMM估計中，工具變量集的選擇是滿足弱有效性條件的。同時，估計結果還表明，大部分GMM系數估計值的符號方向是符合預期的。綜合以上情況，下面我們將以動態GMM估計結果作為進一步分析的依據。

根據表2-3、表2-4、表2-5，無論貸款的種類如何劃分，實際結果均顯示，在諸如經濟產出水平、存款準備金率等因素受控或被剔除的條件下，貨幣需求的正向沖擊不能引致銀行貸款的增加的原假設被嚴格拒絕，這與Driscoll（2004）和Melzer（2007）的結果是一致的。由于貨幣需求的正向沖擊即意味著銀行資產負債表中存款的增加，因此這一結果印證了信貸渠道存在性的第一個環節。表2-5估計結果表明，總的來看，如果貨幣需求沖擊正向變化1個單位，那么大約會導致銀行貸款增加0.056%。另外，比較表2-4、表2-5可以發現，貨幣需求沖擊對工業貸款與商業貸款的影響是有差異的。具體地，貨幣需求正向沖擊每增加1單位，則將導致工業貸款和商業貸款分別增加約0.059%、0.036%，貨幣需求對工業貸款的影響要大于商業貸款。也就是說，銀行新增加的貸款資源更多地配置給了工業企業。對此現象的一個可能的解釋是，相對于商業企業，工業企業往往具有如下優勢：一是資產多、抵押物多，融資方式更多元化；二是經營復雜，涉及的上下游多，因而管理水平一般被認為更高；三是技術性強，可以創造實在的附加值而被認為持續經營能力強。

表2-3至表2-5中其他變量的回歸結果表明，當期產出和當期經濟結構對銀行信貸的影響均顯著為正，說明產出的增加以及國有經濟占比的增加均會導致對銀行信貸需求的增加，這符合通常的直覺與已有的理論。不過，估計結果同時顯示，產出與經濟結構的滯后值對信貸的影響是顯著為負的，這可能與我國貨幣政策的逆周期性特征有關。

四、信貸對產出影響的實證

為了進行對比，表2-6同時給出了產出關于信貸的直接回歸結果，以及以貨幣需求沖擊為工具變量的間接回歸結果。同時，為了保證估計結果的穩健性，兩種回歸均分別采用了LS估計和動態GMM估計兩種估計方法。觀察兩種方法中LS估計結果可以發現，盡管SC信息準則表明隨著滯后項的增加，估計功效有所提高，但模型的系數估計并未隨著解釋與被解釋變量滯后項的增加而逐漸趨于一致。理論上，產生這一結果的原因主要有兩個：一是解釋變量之間存在比較嚴重的多重共線性；二是模型不滿足動態完整性，即存在解釋變量內生性問題。對變量之間簡單相關系數的測算表明，多重共線性不是一個嚴重的問題，這一點也被和log的顯著性并未出現隨滯后項增加而減弱的特征所印證。據此，類似前面的分析，下面主要選用動態GMM估計結果作為分析的依據。

表2-6顯示，無論解釋變量是選擇信貸本身還是其工具變量，模型Ⅰ、Ⅱ的n*J 統計量值表明，工具變量是弱有效的原假設不能被拒絕，這在一定程度上保證了系數估計的一致性。從模型Ⅰ、Ⅱ關注變量的系數來看，和log）各滯后項系數均是顯著非0的，而這一點也得到了模型2、3、5、6中Wald檢驗的支持。具體地，和log的即期與長期乘數分別為0.189、0.094和0.149、0.084，含義是：如果和當期暫時性地分別增加1個單位或1%，那么當期產出將分別增長大約0.189%和0.149%；如果和l持久性地分別增加1個單位或1%，那么長期來看，產出將持久性地分別增長0.094%和0.084%。將結果與Driscoll（2004）和Melzer（2007）進行對比可以發現，與歐美的情況不同，對中國而言，不僅模型Ⅱ關注參數的即期與長期乘數均顯著為正，而且模型Ⅰ也是顯著為正的。對此的解釋是：一方面，不同于歐美，中國的利率仍未實現市場化，因而信貸渠道所代表的數量機制仍發揮著重要作用；另一方面，就企業層面而言，由于一直未成功構建有效的其他融資機制，中國的中小企業存在明顯的融資約束，因而銀行信貸對中小企業顯然具有特殊的重要性（戰明華等，2009），而這是信貸渠道存在的重要微觀基礎。

模型Ⅰ、Ⅱ另一個需要關注的結果是，無論是即期還是長期乘數均比l大，這與Melzer（2007）的結果相反，與Driscoll（2004）結果的無規則性也不同。對此的一個解釋是：這可能恰恰預示著以l）為變量直接估計存在無法克服的內生性問題。在統計上，內生性問題類似于遺漏重要變量，如果模型Ⅱ中還存在其他與產出負相關，而又未被以固定效應形式剔除的變量，那么，在直觀上，由于即使剔除其他因素后，產出與信貸通常也是長期正相關的，因而這就可能導致l系數估值過小的偏誤。對中國而言，勞動力與相當長一段時期內滯后的制度變遷等是值得考慮的因素。

綜合上述分析所給出的判斷是，命題1得到了證明。