產業結構對信貸結構的作用機制分析

張 玲，劉 澄

（北京科技大學 東凌經濟管理學院，北京 100083）

1 引言及文獻綜述

中國國民經濟發展的第十二個五年規劃中，明確提出調整產業結構的要求，產業結構的調整會對資金的再配置產生重要影響。銀行業非常關心產業結構調整給其占總資產約70％的信貸資金帶來的風險和機遇。然而研究產業結構對金融要素影響的文獻卻很少，產業結構對信貸結構影響的實證文獻更是難覓。基于此，本文將從實證的角度建立計量模型，研究產業結構對銀行信貸結構是否有影響以及如何影響。本文中的信貸結構專指信貸結構的行業分布形態。

Anjan Roy指出銀行的利潤增長受產業結構等外部經濟環境因素的影響，并且這種外部影響并非銀行可控［1］。徐榮梅認為當產業結構調整升級時，銀行也應該積極調整信貸結構以適應變化，培育新的業務增長點［2］，比如支持戰略性新興產業、前瞻性的調整信貸資產結構、降低信貸整合風險。總體上信貸結構與產業結構同向變動（中國人民銀行廣安市中心支行［3］），兩者相互影響和制約，協調時相互促進，不協調時會加劇對方的失衡，在均衡和失衡的動態變動中實現調整、優化［4］。產業結構調整是“因”，它從根本上改變了信貸對象的相對優勢，銀行為適應這種變化而調整信貸結構，信貸結構調整是“果”。

遺憾的是這些文獻都是規范性的，銀行更需要以歷史實際數據為基礎，研究產業結構是否會對信貸結構產生影響，如何產生影響，影響程度如何。因此本文采用實證的方法，構建動態面板模型，研究產業結構對銀行信貸結構的影響，藉以為我國銀行及其他金融機構的決策提供參考。

2 模型構建與實證檢驗

2.1 變量選擇與模型構建

產業結構一般用兩種指標表示：一種是用各產業投入生產要素（勞動力、資金等）的數量對比指標，從各產業間的資源配置的比較上說明產業結構；另一種是用各產業的產出（增加值、實物量等）數量對比指標，從各產業生產經營活動成果比較上說明產業結構。產業結構的改變從產業間投資結構改變開始，因此研究產業結構對信貸結構的影響，應使用表示產業資源配置的投入要素指標。鑒于投資結構與產業結構密切相關，可以從固定資產進行分析［5］。本期固定資產投資增量結構決定著未來產業增長部分的結構，進而對未來產業結構發生影響。本文以各行業的固定資產投資代表該行業的發展，固定資產投資的行業分布即代表了產業結構，并選擇各行業的信貸余額代表信貸結構的行業分布。

本文使用面板模型，固定資產投資具有延續性，信貸余額的行業分布也具有一定延續性，因此將解釋變量（固定資產投資）的滯后項和被解釋變量（銀行信貸余額）的滯后項也作為解釋變量，構建動態面板模型。模型如下：

其中，loan是銀行信貸余額，FAI是固定資產投資，δi是行業的個體特質效應，不隨時間變化，εi，t服從正態分布，αj和βk是待估參數。

2.2 數據說明與描述

行業固定資產投資數據和固定資產投資價格指數來源于CEIC數據庫，信貸數據來源于中國工商銀行年報，樣本為2005-2012年的年度數據。共10個行業，其中第二產業4個，第三產業6個，制造業下有9個二級行業①10個行業為：制造業，電力、熱力、燃氣及水生產和供應業，采礦業，建筑業，交通運輸、倉儲和郵政業，批發、零售和住宿業，房地產業，水利、環境和公共設施管理業，租賃和商務服務業，科教文衛。制造業細分出的9個二級行業為：化工，機械，金屬加工，鋼鐵，紡織及服裝，計算機、通信和其他電子設備，交通運輸設備，非金屬礦物，石油加工、煉焦及核燃料。，截面單位為19。用固定資產投資價格指數剔除了不同時間的價格變動影響，得到真實固定資產投資和真實信貸余額。對數據做對數化處理，使其趨勢線性化，并消除異方差影響。對數真實固定資產投資變量記作lnreal_FAI，對數真實信貸余額記作lnreal_loan，因此模型為：

實證分析采用Stata12.0軟件。變量的描述性統計見表1。

表1 模型變量的定義與描述性統計

對存在個體效應的動態面板數據模型，不僅存在時間上的自相關性，而且消除個體效應的組內變換和差分變換導致了模型的內生性［6］，若用面板數據的隨機效應或固定效應對模型進行估計，參數估計值在不同程度上是有偏的、非一致的估計量，從而導致由其推導的經濟含義也是扭曲的。為了解決這一問題，采用動態面板數據廣義矩（GMM）法對模型進行估計。

2.3 面板數據的單位根檢驗與協整檢驗

首先檢驗數據的平穩性以避免“虛假回歸”現象。變量lnreal_FAI是平衡面板數據，變量lnreal_loan是非平衡面板數據，因此分別采用IPS檢驗和Fisher檢驗，結果見表2。

單位根檢驗結果表明，全部行業、第二產業及第三產業的lnreal_FAI和lnreal_loan變量都不平穩。一階差分結果表明，除了第三產業的lnreal_loan變量外，其他變量都為一階單整I（1）。第三產業lnreal_loan變量為二階單整I（2）。需要對全部行業和第二產業進一步做面板數據的協整檢驗。由于樣本量的限制，使用撥靴法（Bootstrap）作基于誤差修正模型的檢驗，抽樣次數為300次。見表3可以看出，對于全部行業和第二產業，采用OLS估計模型得到的兩個組統計量Gt和Ga，以及利用第一階段的OLS殘差計算的兩個面板統計量Pt和Pa均在5％的顯著水平上無法拒絕原假設，即面板不存在協整關系。

3 估計結果與分析

使用系統廣義矩（SYSGMM）對模型進行參數估計。模型中解釋變量和被解釋變量滯后階數的選擇以二階相關系數較小和Sargan統計量較小為標準。分別對全部行業、第二產業及第三產業進行估計，結果見表4。擾動項自相關性的檢驗和過度識別檢驗的結果一并見表4。

從表4中可以看出，擾動項不存在一階、二階自相關，過度識別檢驗（Sargan test）表明無法拒絕“所有工具變量均有效”的原假設，工具變量（差分方程工具變量為，GMM-type：L（2/.）.lnreal_loan，Standard：D.lnreal_FAI LD.lnreal_FAI，水平方程工具變量為，GMM-type：LD.lnreal_loan）的選擇是合理的，因而可采用系統廣義矩法進行估計。估計結果顯示：

（1）對于全部行業及第二、第三產業內的行業，對數真實信貸余額的一階滯后項都顯著，且參數為較大的正值。這反映出銀行前期存量信貸的行業分布對當期信貸的行業分布有較大影響，而存量信貸的行業分布在一定程度上反映了前期的產業結構，因為它是由歷史固定資產投資累計形成的；同時銀行信貸在行業選擇上具有較高的延續性，傾向于對前一年的貸款行業繼續放貸。但是對全部行業和第二產業，對數真實信貸余額的二階滯后項都不顯著，只有第三產業的對數真實信貸余額的二階滯后項顯著，表明第三產業有更好的連貫性。第三產業的對數真實信貸余額的二階滯后項是較小的負值，這可能是由于貸款對象投資的經營成果在一年后顯現出來，為銀行的再次信貸提供了更多決策依據。

表2 面板數據單位根檢驗結果

表3 基于誤差修正模型的面板協整檢驗結果

表4 全部行業、第二產業及第三產業的系統廣義矩估計結果

（2）對全部行業、第二和第三產業內的行業，當期對數真實固定資產投資變量都顯著，為較大的正值，表明行業新增固定資產投資的確是拉動該行業信貸增長的主要因素之一。但其值小于對數真實信貸余額的一階滯后，表明存量信貸的行業分布比增量信貸的行業分布對信貸結構行業分布的影響更大。對于第三產業，對數真實固定資產投資的一階滯后不顯著。這可能是由于相比較第二產業，第三產業的固定資產投資平均周期較短所致。對于全部行業和第二產業，對數真實固定資產投資的一階滯后都顯著為負，表明若在申請信貸前的上一年度已經有固定資產投資，則不利于獲得信貸。

（3）對于全部行業和第二、第三產業內的行業，對數真實固定資產投資二階及以上的滯后項都不顯著，對數真實信貸余額三階及以上的滯后項都不顯著，表明被解釋變量與近期的解釋變量關系較大，與遠期的解釋變量關系較小。

4 結論與建議

通過對產業結構和信貸結構的行業分布建立動態面板模型的計量分析，我們可以得出關于產業結構對銀行信貸結構影響的以下結論：①前期的產業結構通過存量信貸行業分布的表現形式，對當期信貸結構行業分布產生較大的正面影響，兩者同向變動，但在產業結構快速轉變的時期，這種影響隨著時間延續迅速減小；②產業結構的變動通過增量信貸（當期固定資產投資）行業分布的表現形式，對當期信貸結構行業分布有較大的正面影響，即產業結構的變動會引起信貸結構的同向變動，但其影響力小于存量信貸對信貸結構行業分布的影響；③對于第二產業，增量信貸的行業分布對信貸行業分布的影響時間長于第三產業，對于第三產業，存量信貸行業分布對當期信貸行業分布的影響時間長于第二產業。這3點使我們認識到，產業結構的確對信貸結構的行業分布產生影響，這種影響通過兩條途徑實現，一是體現前期產業結構的存量信貸行業分布；二是體現產業結構變動的增量信貸行業分布。第一條途徑的影響力大于第二條，對于不同的產業，兩條途徑的作用時長不同。因此當產業結構調整時，銀行調整信貸結構的行業分布可以通過兩條途徑進行，一是完善存量信貸的行業分布，做到信貸在不同行業有進有退；二是改變增量信貸的投放行業。根據兩條途徑的調整力度不同和對各產業的作用時效不同，選擇合適的調整方法。

［1］A Roy.Strategic Positioning and Capacity Utilization：Factors in Planning for Profitable Growth in Banking.［J］.Journal of Performance Management，2010，23（3）：23-58.

［2］徐榮梅.產業積聚效應下的集團客戶信用風險表征及識別［J］.金融理論與實踐，2009（11）：18-21.

［3］中國人民銀行廣安市中心支行課題組.信貸結構與產業結構的協調性研究［J］.西南金融，2012（1）：54-56.

［4］龐貞燕.河南省信貸結構與產業結構的對比分析［J］.金融理論與實踐，2012（7）：30-34.

［5］吳多莉.信貸資金對投資與產業結構目標導向［J］.金融研究，1993（10）：19-23.

［6］S N.Biases in dynamic models with fixed effects［J］.Econometrica，1981，49（6）：1417-1426.