信貸投入對企業投資的傳導效應探討
——基于PVAR模型的實證分析

2019-03-11 03:05:44教授張弘瀅

財會月刊 2019年6期

冉渝（教授），張弘瀅

一、引言

改革開放四十年，我國經濟快速發展，經濟總量已躍居世界第二位，我國經濟發展的目標已不再局限于貨幣供給的總量調控。近年來，金融創新、信貸調控對實體企業的影響越來越大，我國經濟已由高速增長階段轉向高質量發展階段，正處在轉變發展方式、優化經濟結構、轉換增長動力的攻關期，產業結構調整的任務更加緊迫。因此，如何推動三次產業協調發展，優化產業內部結構實現供給側結構性改革，成為宏觀管理面臨的突出問題。國外已有研究表明，信貸市場在將貨幣政策傳導至實體經濟方面起到了關鍵作用[1-3]。同時，隨著我國經濟體制改革的深化和金融市場的發展，不少學者研究發現，我國貨幣政策是通過貨幣渠道和信貸渠道共同發揮作用，相比之下信貸渠道占主導地位[4，5]。近幾年來央行給予的信貸政策工作指導意見中也都將促進產業結構轉型升級作為信貸調控的一項重要任務，由此可見信貸調控對新時期我國產業結構調整的重要性。我國現階段的著力點在于用新發展理念進行供給側產業結構優化調整，實現經濟的高質量發展，建設現代化經濟體系。郭明[6]研究銀行信貸對我國三次產業的貢獻度發現，其在三次產業之間存在明顯差異。張強[7]也發現我國信貸政策對產業結構的影響存在顯著的門限效應，其對第三產業的影響明顯弱于第一、第二產業。

產業結構優化升級是提高我國企業綜合競爭力的關鍵舉措。第二產業作為我國工業體系的核心，其生產效率直接影響我國經濟增長的速度和質量。然而曹森等[8]認為以第二產業為代表的傳統行業積累了大量的信貸資源，阻礙了新興行業的發展。進入21世紀以后，全球經濟的發展越來越注重產業間的協調發展。我國央行為進一步增強金融機構促進結構調整的能力，提出大力推動服務業發展，著力培育戰略性新興產業，積極培育新業態和新商業模式，構建現代產業發展新體系，加快實施“中國制造2025”，加快發展先進制造業，推進工業化和信息化融合。同時加大對農業的支持力度，推動農業供給側結構性改革，實現農業的綠色發展。已有研究表明，外部信貸沖擊會影響公司抵押資產價值和外部融資能力，使企業的內外部融資成本存在差異，進而影響公司的投資行為[1-3]，從而導致全要素生產率下滑。三大產業作為推動我國經濟發展的三大主力，信貸政策對其微觀主體發揮的傳導效應是否達到預期，且在不同產業之間是否存在差異是本文將要探討的重要內容。以往關于信貸政策與產業結構的研究大多是基于宏觀層面的，主要探討信貸投入與產業經濟總量之間的關系[6，7，9，10]，缺乏信貸投入對微觀經濟主體傳導效應的經驗證據。而宏觀經濟政策作為微觀企業決策不可控的重要外部環境因素，其對調控微觀企業行為以及影響宏觀經濟走勢具有重要作用。因此，本文試圖從三大產業視角研究我國信貸投入對企業投資的傳導效應。

本文試圖從三個方面對現有研究進行完善：第一，采用PVAR的方法，探究信貸投入對企業投資的微觀傳導機制，深入了解信貸投入對企業投資的影響，從而為信貸渠道能夠對企業投資產生促進作用提供依據。第二，由于信息不對稱、代理問題等使得處于不同產業的企業面臨的外部信貸約束存在明顯差異，本文基于不同產業分組進行實證檢驗，研究信貸投入在不同產業之間的效應差異，試圖為信貸投入的微觀傳導效應提供實證數據支持。第三，現有研究主要集中于宏觀信貸調控與產業層面，本文將信貸投入與微觀主體投資相結合，不僅豐富了信貸調控的微觀傳導效應研究，對政府完善相關信貸政策也具有現實意義。

二、文獻綜述及理論分析

1.信貸規模對產業結構的影響。早期宏觀金融調控影響產業結構的研究主要集中于貨幣政策對產業結構的非對稱性影響。Ganley、Salmon[11]通過VAR 模型研究英國1970～1995年貨幣政策產生的產業效應發現，制造業的利率敏感性強于服務業與農業。我國學者曹永琴[12]運用ARMA 和VAR 模型考察了我國1978～2005年在統一的貨幣政策沖擊下三大產業的不同反應，發現第一產業反應最為強烈，第三產業次之，第二產業最小。此外，呂光明[13]、侯杜娟[14]、龐念偉[15]等學者也都證實了我國貨幣政策在不同產業間存在非對稱效應。從20世紀80年代開始，西方學者對貨幣政策的信貸渠道研究逐漸重視起來，相關理論研究也非常豐富，量化寬松的宏觀貨幣措施能夠通過信貸投放作用于投資，進而影響經濟增長[16，17]。在宏觀上對信貸投入的研究大多集中在其對經濟增長的影響，曾令華等[18]、姜琳[19]、章晟等[20]、潘敏等[21]認為，信貸規模對經濟增長具有顯著的影響。也有學者提出了不同觀點，認為我國的信貸增長與經濟增長之間的關聯度很小甚至是負相關的[22-24]。

部分學者從不同產業視角出發，認為在我國當前信貸主導型的金融模式下，金融機構主要通過信貸渠道進行產業的結構優化調整[25，26]，同時信貸投入對經濟產出在不同產業間也存在非對稱性影響[6，9]。根據信貸配給理論，信貸市場上普遍存在由于信息不對稱等因素所引發的信貸配給現象。信貸配給主要有兩種可能的形式：銀行在信息不對稱的情形下主動實施的信貸配給與銀行在政府政策壓力下實施的信貸配給。在我國，這兩種信貸配給形式同時存在。

當金融機構的可貸資金增加時，銀行貸款增加，在資本市場融資困難的企業獲得貸款的難度降低，從而促進產業發展，增加產業投資。從儲蓄到投資的轉換過程中，金融機構按照市場化原則給不同的經濟部門確定不同的貸款額度。因此，金融機構的信貸供給對不同產業的投向依賴程度存在差異。對于第一產業，一方面其為勞動密集型產業，資本需求較小，因此企業投資受信貸波動的影響也相對較小；另一方面，由于金融機構的商業性行為與國家宏觀調控目標之間不完全相合，金融機構會優先考慮自身利益，相對于資金回收慢、獲利少的第一產業農業，其更愿意將資金投向能獲取更大利潤的第二產業。第二、第三產業資金密集度均較高，同時第三產業中中小企業相對更多，其融資難題導致第三產業企業獲取銀行信貸較第二產業企業要更加困難。郭明等[6]研究銀行信貸對三次產業增長作用時發現，我國銀行信貸對第二產業增長的貢獻度大于對第一產業的貢獻度。鄧奇志[9]也發現我國信貸投入對三大產業的增加值存在明顯的非對稱性，其對第一、第二產業的影響強于第三產業。

2.信貸投入對企業投資的影響。上述文獻及理論分析主要集中于宏觀經濟政策的產業效應研究，多使用宏觀數據進行實證分析，而微觀企業受到宏觀政策的作用機理與影響途徑少有文獻關注。早期的新古典投資理論和托賓Q 理論中皆沒有考慮融資因素對投資行為的影響，然而現實的資本市場不完美，企業的內部融資和外部融資成本存在的差異越大，企業投資受到的融資約束就越強，甚至面臨信貸配給[27-29]。不少研究表明，信貸約束會影響公司抵押資產價值和融資能力，進而影響公司的投資行為[1-3]，從而導致全要素生產率下降。金融機構提供的信貸供給可以緩解企業的融資約束，大部分企業是愿意借錢投資的，但能否順利獲得信貸支持就取決于金融機構的意愿。因此，適當增加金融機構信貸投入能夠弱化企業外部融資約束，緩解企業的融資壓力，降低交易成本，促進企業投資，實現有效資源配置。近年來一些研究也開始使用企業層面貸款數據研究信貸供給波動對企業投資行為的影響[30，31]。Bo、Ivashina[31]對美國上市公司融資方式選擇進行了研究，發現信貸供給政策變化確實對企業投資行為具有重要影響。由此提出本文的核心假設：

H：信貸投入對企業投資具有傳導效應。

3.文獻評述。綜上所述，信貸市場在將貨幣政策傳導到實體經濟方面起到了橋梁作用。在宏觀層面上，鑒于我國金融體系的特征，銀行在配置金融資源的過程中發揮主導作用，金融機構主要通過信貸渠道進行產業結構的調整優化。而由于信貸配給特征，金融機構會根據市場化原則對不同產業的信貸額度進行決策，同時不少學者也證實了信貸沖擊對產業結構傳導效應的非對稱性。從微觀視角來看，由于信息不對稱和代理問題的存在，信貸沖擊會使企業內外融資成本產生差異，進而影響公司的投資行為。分清信貸投入對不同產業中企業投資的傳導差異，有利于相關部門有針對性地根據不同產業特征制定不同的信貸政策，以差別、有效的政策及手段促進產業間的協調、可持續發展。因此，本文試圖從不同產業視角探討信貸投入對企業投資行為的結構性傳導效應。

三、研究設計

1.數據來源與變量定義。本文選取的研究樣本為滬深兩市A 股上市公司，樣本期間為2004～2016年，為了盡可能保證數據的有效性，剔除了ST 公司和存在數據缺失的公司。據此在整個樣本期間本文共獲得24173 個觀測值的非平衡面板數據。本文所采用的微觀企業數據來源于CSMAR 數據庫，信貸規模數據來自于中國人民銀行發布的各省《區域金融運行報告》。為了避免極端值可能對實證結果產生的影響，本文對模型中的變量采用上下1%的Winsorize縮尾處理，并使用STATA 14.0進行實證分析。

信貸調控是對金融機構的貸款增量、投向及質量進行適當引導、調節與監督的政策[32]，銀行對某些部門貸款數額的改變會直接影響到這些部門的生產能力和產業規模，并打破原有的產業結構，形成新的產業結構[7]。因此，本文使用信貸余額增長率來衡量信貸投入，采用HP濾波方法去除長期趨勢，將信貸投入區分為緊縮型和支持型，分別記為Ecredit 和Scredit，即取Excredit=Max（Ecredit，0），Slcredit=Min（Scredit，0）。Excredit 表示信貸投入的寬松程度，Slcredit 表示信貸投入的緊縮程度。同時，本文使用“購建固定資產無形資產和其他長期資產支付的現金/期初資產總額”作為企業投資（Invest）的代理變量。

2.模型構建。面板向量自回歸（PVAR）模型沿襲了向量自回歸（VAR）模型的優點，將各個變量都視為內生變量，分析各個變量及其滯后變量對模型中其他變量的影響[33]。相對于傳統的VAR 模型，PVAR 模型兼具時間序列和面板數據的優點，可以多層次、直觀地觀察企業投資對信貸沖擊的動態反應。

本文首先在保證模型各變量平穩的條件下，利用BIC、HQIC、AIC 信息準則指標值最小的原則來選擇模型最優的滯后階數。然后根據每個產業最優的滯后期選擇相應的PVAR 模型，采用均值差分的方法去掉個體時間效應和向前均值差分Hermlet 轉換的方法消除固定效應。最后通過廣義矩估計方法（GMM）得到系數的有效估計和脈沖響應圖進行相關分析。本文構建信貸投入對不同產業的企業投資傳導效應影響的PVAR模型如下：

Yit為三元向量，即Yit=（Investt，Excreditt，Slcreditt），i 代表省級單位，t 代表第t 時刻，Yit-p代表p 階滯后項。此外，Γ0為待估的滯后效應矩陣，fi代表區域個體效應，ei反映每一時期特定沖擊的時間效應。μit為干擾項。前已述及，Invest 代表企業投資，Excredit 代表支持型信貸，Slcredit代表緊縮型信貸。

四、實證分析

1.平穩性檢驗。為了避免出現偽回歸，我們需要對變量企業投資、支持型信貸、緊縮型信貸進行平穩性檢驗，本文采用Fisher—ADF檢驗和Fisher—PP檢驗方法分別對第一產業、第二產業和第三產業的面板數據進行單位根檢驗。結果如表1所示，從檢驗結果來看，各變量均在1%的置信水平上拒絕存在單位根的原假設。由此可以判斷各序列是平穩序列，可以進行進一步檢驗。

表1 單位根檢驗結果

2.描述性統計。表2 中列示了變量的描述性統計結果，從表中可以看出，樣本公司在2004～2016年期間第一產業、第二產業和第三產業的企業投資均值分別為0.0797、0.0729 和0.0547，說明三大產業之間企業投資是存在差異的，其中第三產業差異較大。同時，在不同產業中，支持型信貸的均值分別為0.0108、0.0090 和0.0088，緊縮型信貸的均值分別為-0.0169、-0.0183 和-0.0173，可見信貸投入在不同產業之間的寬松和緊縮程度也存在明顯差異。由此可初步判斷，信貸投入對不同產業的企業投資可能存在非對稱性影響。

表2 變量描述性統計

3.PVAR 檢驗與結果。本文采用AIC、BIC 和HQIC 準則來進行PVAR 模型滯后階數的選擇，各變量滯后階數如表3所示，根據表中結果，確定最優滯后階數為1。

表4 給出了滯后一期的PVAR 估計結果。從表4 中可以看出，我國支持型信貸和緊縮型信貸都沒有對第一產業產生顯著的正向和負向影響，系數分別為0.0134和-0.1708，這也從側面說明了信貸投入對第一產業的企業投資活動沒有發揮影響作用。再觀察第二產業，滯后一期的支持型信貸和緊縮型信貸對企業投資的影響都在1%水平上顯著，系數分別為0.2852和-0.3111，說明支持型信貸和緊縮型信貸分別對第二產業起到了促進和抑制作用，有利于央行指導微觀企業進行產業優化升級。對于第三產業來說，滯后一期的支持型信貸對企業投資起到了顯著的促進作用，系數為0.4553，而緊縮型信貸對企業投資的影響雖然系數為負但并不顯著，說明不同類型的信貸政策對第三產業起到的影響作用存在差異。相對于緊縮型信貸，支持型信貸對第三產業的企業投資影響作用更明顯，從而有利于促進產業結構的優化升級。

表3 PVAR模型滯后階數檢驗結果

表4 PVAR模型的GMM估計結果

接下來我們利用脈沖響應函數追蹤8 期對PVAR 模型估計的結果做進一步檢驗，其反映了模型中某一變量受到一個外生沖擊后的動態變化。本文利用蒙特卡洛（Monte-Carlo）模擬1000次來估計脈沖響應函數。由于本文的研究重點在于信貸政策沖擊對企業投資的影響，因此只保留支持型信貸和緊縮型信貸對企業投資的脈沖響應圖。

圖1 第一產業脈沖響應

圖2 第二產業脈沖響應

圖3 第三產業脈沖響應

圖1～圖3 為支持型信貸和緊縮型信貸分別對三大產業的企業投資的動態影響情況，中間線表示脈沖響應函數，上下兩條線分別表示95%和5%置信區間的上限和下限。從圖1來觀察第一產業，上下兩條置信區間曲線都包圍住零，可見信貸政策對第一產業的企業投資沒有產生顯著影響。就圖2 第二產業來看，當期支持型信貸的一個正向沖擊會引起企業投資規模的迅速擴大，并在第一期達到峰值0.0025 左右，在第4 期左右正沖擊開始不顯著。同時，企業投資受到緊縮型信貸的一個標準差的負向沖擊作用時，其在第一期達到峰值0.003 左右，在第8 期收斂于零。這說明第二產業的企業對信貸反應敏感，而隨著時間的推移，這種效應會逐漸減弱，逐漸趨于常態。相對于支持型信貸，緊縮型信貸對企業投資的沖擊作用更持久。再觀察第三產業，從圖3可見，企業投資對支持型信貸一個單位的正向沖擊反應顯著，其在第一期達到峰值0.0025左右，之后逐漸下降并在第8 期收斂為零。而第三產業企業受到緊縮型信貸一個負向沖擊后，其在第一期峰值達到-0.0015左右，然而上下兩條置信區間曲線與脈沖響應曲線的收斂情況不好，在統計上不顯著，因此緊縮型信貸對第三產業的企業投資沒有明顯的抑制作用。

一個需要金融政策制定者關注的現實問題是其制定的信貸政策的實際效果與產業結構性調整預期是否相一致。通過上述分析可見，信貸投入對不同產業的企業投資產生的影響存在明顯的非對稱性。支持型信貸和緊縮型信貸對第二產業企業具有明顯的促進和抑制作用，而第三產業企業只對支持型信貸沖擊做出反應，對第一產業來說，信貸政策沖擊并沒有對企業投資行為產生明顯影響。可見，信貸政策對第二產業的傳導效應最強，第三產業次之，第一產業最弱。

原因主要表現在以下幾個方面：第一，由于我國信貸結構較為單一、信貸投向的政策扶持意圖不明確、與產業政策缺乏協調配合[7]，使得信貸政策在推進第三產業服務業發展和扶農建設等問題中，沒有完全發揮出結構調整的優勢作用。第二，在第二產業中固定資產占資產比重較大，對經濟增長的促進作用更加明顯，政府為取得更好的經濟業績更傾向于投資回收期短、收益高的第二產業。第三，雖然央行有對重點產業的扶持計劃，但也不能忽視金融機構的商業化因素，其貸款對象往往會偏向回報率較高、資金流動性較強的企業，而對回收周期長、回報率低的行業如農業、林業、漁業等第一產業通常不愿意提供貸款。相對于投入產出效率較低、周期較長的第一產業，各金融機構更偏好于投資信貸效率較高的第二產業。同時，第二產業受到自然條件等因素的影響較小，該產業的投入—產出可預期性高于其他兩個產業，更加符合銀行信貸厭惡風險的特性。而第三產業中中小企業相對較多，其銀行信貸融資渠道受到較大限制。因此，信貸投入強度對第二產業企業的投資活動的帶動作用強于第二、第三產業的企業。

表5 PVAR模型的GMM估計結果

（1）信貸政策沖擊對第二產業結構調整影響。為了明確產業內不同行業對信貸投入沖擊的反應，本文按照證監會2012年修訂的《上市公司行業分類指引》將第二產業劃分為采礦業，制造業，電力、熱力、燃氣及水生產和供應業，建筑業四大行業，表5 給出了第二產業內部不同行業對信貸沖擊的PVAR模型估計結果。支持型信貸對采礦業企業投資的影響系數為0.4551，但不顯著；緊縮型信貸與其企業投資具有顯著的負相關關系，系數為-0.5991。再觀察制造業企業，企業投資對支持型和緊縮型信貸的影響都具有顯著的反應，系數分別為0.2722 和-0.3175。然而就電力、熱力、燃氣及水生產和供應業以及建筑業這兩個行業來看，支持型和緊縮型信貸對這兩個行業企業投資的影響作用都不顯著。

圖4 采礦業脈沖響應

圖5 制造業脈沖響應

圖6 電力、熱力、燃氣及水生產和供應業脈沖響應

圖7 建筑業脈沖響應

圖4～圖7 分別為信貸政策對第二產業內部四個行業的脈沖響應圖，可以看出不同行業對信貸政策的沖擊存在顯著差異。首先觀察圖4的采礦業，支持型信貸政策對企業投資的脈沖響應曲線與其置信區間曲線收斂情況并不好，其在統計上不顯著，說明采礦業企業對支持型信貸政策沖擊反應不敏感。而采礦業企業對緊縮型信貸的負向沖擊會迅速做出反應，在第一期達到峰值-0.010左右。從圖5制造業來看，支持型信貸和緊縮型信貸都對企業投資起到了明顯的沖擊作用，企業迅速做出反應并都在第一期達到峰值0.0022和-0.0042左右，其中相對于緊縮型信貸，支持型信貸對制造業企業的沖擊作用在時間上更持久。再觀察圖6 電力、熱力、燃氣及水生產和供應業以及圖7 建筑業脈沖響應圖的收斂情況，可以得出這兩個行業都沒有受到信貸投入的有效沖擊的結論。

綜上所述，第二產業內部不同行業對信貸投入的沖擊存在顯著差異，其對制造業沖擊最強，采礦業次之，對電力、熱力、燃氣及水生產和供應業以及建筑業的傳導效應最弱。制造業作為我國工業體系的核心，是我國經濟發展的強大支柱，央行強調要充分發揮金融機構在支持制造業轉型升級中的作用，該結論與近年來我國制造業的發展目標相吻合。然而近年來我國在進行經濟結構性調整中對能源和資源的需求放緩，資金緊張、經營困難等問題在采礦業和能源企業中依然突出，因此僅僅依靠信貸調控并不能較好地實現這些行業的結構性升級目標。

（2）信貸政策沖擊對第三產業結構調整影響。表6給出了第三產業服務業內部不同行業對信貸政策沖擊的PVAR 模型估計結果，可以看出傳統服務業和現代服務業之間存在明顯差異。對于傳統服務業（從表6 中批發和零售業可見），信貸投入對其企業投資的影響在1%水平上顯著，系數分別為0.4178和-0.3872，說明支持型信貸和緊縮型信貸都對批發和零售行業的企業投資產生了顯著影響。再觀察交通運輸、倉儲和郵政業，支持型信貸與企業投資存在顯著的正相關關系，系數為0.3454，而緊縮型信貸對企業投資沒有產生顯著影響。觀察住宿和餐飲業，緊縮型信貸起到了顯著抑制作用，其系數為-0.8471，而支持型信貸與企業投資雖然存在正相關關系，但并不顯著。對于現代服務業，除了金融業企業投資受到支持型信貸政策顯著的促進作用，房地產和其他服務業都沒有通過顯著性檢驗。

本文利用脈沖響應函數進行進一步檢驗。圖8～圖13 分別為信貸政策沖擊對第三產業內部六個行業企業投資的脈沖響應圖。

從圖8 傳統服務業來看，支持型信貸和緊縮型信貸都對批發和零售業企業投資起到了明顯的沖擊作用，分別在第一期達到峰值0.004 和-0.007 左右，之后作用逐漸減弱分別在第5期和第8期沖擊作用變得不顯著，企業投資對緊縮型信貸沖擊響應比支持型信貸政策更持久。從圖9交通運輸、倉儲和郵政業來看，信貸投入對企業投資脈沖響應曲線的95%和5%置信區間都包括零，說明交通運輸、倉儲和郵政業企業投資沒有受到信貸沖擊的作用，其反應不敏感。從圖10 住宿和餐飲業來看，支持型信貸沖擊沒有影響到企業投資行為，而緊縮型信貸對企業投資的負向沖擊在第一期達到峰值-0.015 左右，之后作用逐漸減弱在第8 期收斂于零。再觀察現代服務業，圖11金融業企業投資受到支持型信貸的正向沖擊后，企業投資迅速增長并在第一期達到峰值0.0014 左右，之后逐漸減弱在第3 期沖擊作用不顯著。觀察圖12 房地產業和圖13 其他服務業可知，這兩個行業都沒有對信貸沖擊做出敏感反應。

結合上述分析發現，信貸投入對傳統服務業的沖擊要強于現代服務業。這是由于行業間的非對稱性在信貸市場金融加速器作用下會被進一步放大，信貸政策通過企業面臨的外部融資約束來影響企業的投資決策，如果信貸投入不能明顯改變企業面臨的融資約束，那么這個行業對信貸投入的反應就不敏感。傳統服務業中的大部分行業與人們生活息息相關，這些行業的發展如果失去了金融機構的雄厚資金支持，就很難獲得足夠的發展空間，從而導致傳統服務業更容易受到信貸調控的沖擊。而現代服務業主要依靠高新技術和金融發展，相對于傳統服務業，現代服務業擁有的融資渠道更加多樣化，因此并沒有受到央行信貸投入的強烈沖擊。

表6 PVAR模型的GMM估計結果

圖8 批發和零售業脈沖響應

圖9 交通運輸、倉儲和郵政業脈沖響應

圖10 住宿和餐飲業脈沖響應

圖11 金融業脈沖響應

圖12 房地產業脈沖響應

圖13 其他服務業脈沖響應

五、研究結論和政策啟示

本文通過HP濾波將我國31個省份貸款增長率按趨勢差異分解為支持型信貸和緊縮型信貸，并基于PVAR模型和脈沖響應分析我國信貸投入對企業投資結構性傳導效應，研究發現：信貸投入對不同產業企業投資的影響存在非對稱性，其對第二產業的傳導效應最強，第三產業次之，第一產業最弱。從第二產業內部看，信貸投入對制造業的沖擊要強于其他行業，其對制造業沖擊最強，采礦業次之，對電力、熱力、燃氣及水生產和供應業以及建筑業的傳導效果最弱。從第三產業內部來看，信貸投入對傳統服務業的沖擊要強于現代服務業。這說明信貸政策在產業內部結構調整中的作用具有一定的局限性，單純的信貸政策不能實現產業間的結構優化調整。