黃立新，鄭建明

(1.清華大學(xué)經(jīng)濟(jì)管理學(xué)院，北京100084;2.對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)國際商學(xué)院，北京100029)

一、引言

貸款質(zhì)量是評(píng)價(jià)銀行經(jīng)營績效的重要指標(biāo)，也是衡量一個(gè)國家銀行業(yè)乃至整個(gè)金融體系運(yùn)行的有效性和安全性的重要依據(jù)，因此對(duì)貸款質(zhì)量的研究受到國內(nèi)外學(xué)者廣泛的關(guān)注。理論研究方面，從機(jī)制設(shè)計(jì)到風(fēng)險(xiǎn)管理，無一不涉及到以提高貸款質(zhì)量、降低不良貸款率為導(dǎo)向的模型建立和推演;實(shí)證研究方面，大量文獻(xiàn)對(duì)不良貸款產(chǎn)生的背景、深層原因及解決辦法進(jìn)行了調(diào)查和思考。從國外學(xué)者的研究來看，Bernanke等學(xué)者研究了經(jīng)濟(jì)發(fā)展水平與銀行貸款質(zhì)量的關(guān)系。Bernanke(1983)指出［1］，宏觀經(jīng)濟(jì)波動(dòng)波及范圍、深度和持續(xù)時(shí)間是影響信貸成本的主要因素，經(jīng)濟(jì)波動(dòng)會(huì)直接導(dǎo)致貸款成本的增加或者減少，從而影響借款企業(yè)的還款能力，進(jìn)而影響銀行貸款的質(zhì)量。Diamond等人分析了公司治理水平與銀行信貸質(zhì)量的關(guān)系。Diamond(1991)認(rèn)為，公司治理水平高的企業(yè)，其經(jīng)營績效也比較好，應(yīng)對(duì)外部環(huán)境變化的能力比較強(qiáng)，重視自己的市場(chǎng)聲譽(yù)，珍惜自己的信用記錄，當(dāng)遇到外部沖擊時(shí)，通常會(huì)把償還銀行貸款置于優(yōu)先的地位，這有助于貸款銀行的信貸質(zhì)量保持在一個(gè)較高的水平上。Ranciere、Correa等人探討了金融市場(chǎng)發(fā)育程度對(duì)銀行不良貸款率的影響。Ranciere，Tornell和 Westermann(2006)通過實(shí)證分析發(fā)現(xiàn)，金融自由化盡管有時(shí)候也會(huì)導(dǎo)致經(jīng)濟(jì)危機(jī)的產(chǎn)生，但從長期看是有利于經(jīng)濟(jì)增長的，經(jīng)濟(jì)增長會(huì)改善借款人的還款能力，從而降低銀行的不良貸款率;Correa(2008)的研究顯示，金融市場(chǎng)的格局和銀行之間的數(shù)據(jù)共享與分工合作都會(huì)影響到銀行貸款審批流程的優(yōu)化與標(biāo)準(zhǔn)的更新，從而使銀行貸款質(zhì)量發(fā)生變化。Correa等對(duì)銀行間的并購整合對(duì)銀行貸款質(zhì)量的影響進(jìn)行了研究。Correa等(2008)的研究認(rèn)為，銀行間的并購整合所產(chǎn)生的協(xié)同效應(yīng)以及信息不對(duì)稱性的減少有利于提高銀行貸款質(zhì)量。國內(nèi)學(xué)者對(duì)我國銀行業(yè)不良貸款產(chǎn)生的原因(劉延梅，2007［2］)、貸款質(zhì)量提高的途徑(張君，2007［3］;黃娟，2007;崔向陽，2004［4］)和不良貸款的處置(劉瀾飆、王博，2006［5］)等問題進(jìn)行了細(xì)致的研究，并深入剖析了不良貸款與經(jīng)濟(jì)增長關(guān)系(周忠明，2005［6］)、貸款質(zhì)量與產(chǎn)權(quán)制度關(guān)系(田衛(wèi)民，2005;姜燁，2004［7］)以及貸款質(zhì)量受宏觀經(jīng)濟(jì)周期影響(李思慧、顏向農(nóng)，2007［8］)等問題。

截至目前，國內(nèi)文獻(xiàn)基本上都是從微觀或宏觀層面、鮮見從分省份的中觀層面研究銀行貸款質(zhì)量問題，主要原因可能是缺乏各省份銀行貸款質(zhì)量等方面的數(shù)據(jù)。本文則從分省份的中觀層面研究銀行貸款質(zhì)量問題，填補(bǔ)了國內(nèi)在這一領(lǐng)域的研究空白，這是本文研究的一個(gè)創(chuàng)新之處。銀根松緊政策是國家調(diào)控宏觀經(jīng)濟(jì)的重要手段，銀根松緊政策的變化通過其內(nèi)在機(jī)制，在整體上影響著我國實(shí)體企業(yè)與銀行的經(jīng)營行為及預(yù)期，從而影響著銀行貸款質(zhì)量;同時(shí)，由于各省份經(jīng)濟(jì)發(fā)展水平、公司治理水平、金融市場(chǎng)發(fā)育程度、中介組織發(fā)育程度及法律制度環(huán)境等因素均不相同，因而相同的銀根松緊政策對(duì)各省份銀行貸款質(zhì)量的影響是不同的。研究銀根松緊政策與銀行貸款質(zhì)量的關(guān)系，有助于我國貨幣當(dāng)局在制定銀根松緊政策時(shí)，能夠充分考慮銀根松緊政策對(duì)銀行貸款質(zhì)量的影響以及同一銀根松緊政策對(duì)不同區(qū)域銀行貸款質(zhì)量的影響是不同的等因素，這是本文研究的另一個(gè)創(chuàng)新之處。本文用銀根松緊程度作為銀根松緊政策的代表變量。

二、銀根松緊程度與銀行貸款質(zhì)量的關(guān)系檢驗(yàn)

(一)衡量銀根松緊程度的變量選擇

本文采用貸款基準(zhǔn)利率、存款準(zhǔn)備金率、貨幣供給量、信貸增長率以及企業(yè)資金狀況五個(gè)指標(biāo)來衡量銀根松緊程度。

1.貸款基準(zhǔn)利率(Loan_Interest)

貸款基準(zhǔn)利率的高低反映了企業(yè)向銀行借款的基準(zhǔn)成本，如果提高貸款基準(zhǔn)利率，則企業(yè)向銀行借款的需求就會(huì)受到一定程度的抑制，這樣流入企業(yè)整體的貸款數(shù)量自然就會(huì)減少，從而起到了緊縮銀根的作用;反之則起到放松銀根的作用。因此，理論上貸款基準(zhǔn)利率與銀根松緊程度是負(fù)相關(guān)關(guān)系。

2.法定存款準(zhǔn)備金率(Reserve_Ratio)

存款準(zhǔn)備金是限制金融機(jī)構(gòu)信貸擴(kuò)張、保證客戶提取存款和為資金清算需要而準(zhǔn)備的資金。法定存款準(zhǔn)備金率是金融機(jī)構(gòu)按規(guī)定向中央銀行繳納的存款準(zhǔn)備金占其存款總額的比率。當(dāng)中央銀行提高法定存款準(zhǔn)備金率時(shí)，商業(yè)銀行提供信貸及創(chuàng)造信用的能力就會(huì)下降，從而收緊了銀根;反之則放松了銀根。因而理論上法定存款準(zhǔn)備金率與銀根松緊程度是負(fù)向關(guān)系。

3.貨幣供給量(M1或M2)

貨幣供給量是最能直接反映銀根松緊程度的變量之一。很多貨幣政策手段的最終目的就是通過改變貨幣供給數(shù)量而實(shí)現(xiàn)銀根的收緊或者放松。理論上貨幣供應(yīng)量與銀根松緊程度是正向關(guān)系。

4.信貸增長率(Growth_of_Loan)

信貸增長率反映了金融機(jī)構(gòu)向社會(huì)提供貸款的增減變化情況。通常在銀根緊縮時(shí)，信貸規(guī)模會(huì)減小甚至負(fù)增長;在銀根放松時(shí)，信貸規(guī)模會(huì)正增長。所以信貸增長率與銀根松緊程度應(yīng)是正向關(guān)系。

5.企業(yè)資金狀況(Inv_Cash)

企業(yè)資金狀況采用投資-現(xiàn)金流敏感度指標(biāo)(企業(yè)投資增長變化率與內(nèi)部自有現(xiàn)金流變化率的比值)來衡量。該指標(biāo)值越高，說明企業(yè)投資資金越寬裕，市場(chǎng)銀根越寬松;反之市場(chǎng)銀根就越緊縮。因此該指標(biāo)與銀根松緊程度是正向關(guān)系。

以上所選取的五個(gè)指標(biāo)均為全國性的時(shí)間序列數(shù)據(jù)，并未分省份統(tǒng)計(jì)，所以只能通過主成分分析法計(jì)算全國每年度整體的銀根松緊程度，而無法計(jì)算分省份的銀根松緊程度。

(二)用主成分分析法計(jì)算銀根松緊程度

首先，對(duì)這五個(gè)指標(biāo)的統(tǒng)計(jì)特征進(jìn)行分析，其中貨幣供給量指標(biāo)采用Ln(M1)和Ln(M2)來衡量，企業(yè)資金狀況采用31個(gè)省份投資-現(xiàn)金流敏感度的中位數(shù)來衡量。

表1 2005-2007年衡量銀根松緊的五個(gè)指標(biāo)的統(tǒng)計(jì)特征

接下來，采用主成分分析法將能夠整體代表這六個(gè)變量的第一主成分識(shí)別出來。這六個(gè)變量對(duì)應(yīng)的載荷因子系數(shù)分別為 0.131、0.574、-0.006、-0.022、-0.807 和 -0.032，因子的符號(hào)與前面所預(yù)想的一致。主成分所對(duì)應(yīng)的特征值和方差所占比例如下表:

表2 銀根松緊衡量指標(biāo)主成分分析

表2顯示，第一主成分涵蓋了整個(gè)數(shù)據(jù)所有信息的88.9%，再加上第二主成分則累積涵蓋整個(gè)數(shù)據(jù)所有信息的99.7%，可見這兩個(gè)主成分基本上包含了六個(gè)變量所有的信息。

用通過主成分分析法得到的第一主成分即貸款基準(zhǔn)利率代表銀根松緊程度，該指標(biāo)值越大，表明銀根越緊縮;該指標(biāo)值越小，則表明銀根越寬松。下圖是貸款基準(zhǔn)利率表示的銀根松緊程度與全部銀行不良貸款率的散點(diǎn)圖:

圖1 銀根松緊程度-全部銀行不良貸款率散點(diǎn)圖

圖2 銀根松緊程度-主要商業(yè)銀行①本章所指主要商業(yè)銀行均包括國有商業(yè)銀行和股份制商業(yè)銀行兩類。不良貸款率散點(diǎn)圖

從圖1和圖2可以看出，銀根松緊程度與銀行不良貸款率之間可能存在比較明顯的正相關(guān)關(guān)系。

(三)銀根松緊程度與銀行不良貸款率的關(guān)系檢驗(yàn)

為了進(jìn)一步驗(yàn)證銀根松緊程度分項(xiàng)指標(biāo)與銀行不良貸款率的動(dòng)態(tài)關(guān)系，對(duì)兩者進(jìn)行時(shí)間序列回歸。樣本分為全體銀行樣本和主要商業(yè)銀行樣本兩種。分省份的全體銀行樣本數(shù)據(jù)是2003-2007年度數(shù)據(jù)，分省份的主要商業(yè)銀行樣本數(shù)據(jù)為2003-2006年度數(shù)據(jù)。

首先對(duì)所涉及的變量進(jìn)行單位根檢驗(yàn)，以檢驗(yàn)每個(gè)變量是否為平穩(wěn)序列。

原假設(shè)和備選假設(shè)為:

接受原假設(shè)意味著時(shí)間序列存在單位根，滯后階數(shù)由AIC信息準(zhǔn)則篩選確定。在檢驗(yàn)各時(shí)間序列變量的長期趨勢(shì)時(shí)，采用p階向量自回歸的協(xié)整模型:

式中，Yt表示 n ×1 個(gè) yt的向量組，n=31，由于滯后項(xiàng)的選擇會(huì)對(duì)協(xié)整分析和共同周期分析產(chǎn)生至關(guān)重要的影響，因此有必要先確定模型的滯后階數(shù)。這里采用多變量模型的AIC準(zhǔn)則來確定滯后階數(shù)。

接下來采用Johnsen的多變量協(xié)整檢驗(yàn)方法對(duì)時(shí)間序列進(jìn)行協(xié)整檢驗(yàn)。將向量自回歸模型寫成誤差修正模型進(jìn)行Johnsen協(xié)整檢驗(yàn)。

在表3中，Loan_0為全體銀行分月度的不良貸款率，Loan_1為主要商業(yè)銀行分月度的不良貸款率。括號(hào)中對(duì)應(yīng)的是P-value。

由表3可知，所有序列在10%的顯著性水平上存在單位根的原假設(shè)都無法拒絕;而在一階差分后，所有變量在1%的顯著水平上可以拒絕非平穩(wěn)的原假設(shè)。因此，所有變量序列都是I(1)，即具有單位根。

表3 ADF單位根檢驗(yàn)結(jié)果

為了考察非平穩(wěn)變量之間是否存在長期穩(wěn)定的關(guān)系，對(duì)不良貸款率與代表銀根松緊的各項(xiàng)指標(biāo)進(jìn)行協(xié)整檢驗(yàn)。通常協(xié)整檢驗(yàn)從對(duì)象上可以分為兩種:一種是基于回歸系數(shù)的協(xié)整檢驗(yàn)，如Johansen協(xié)整檢驗(yàn);另一種是基于回歸殘差的協(xié)整檢驗(yàn)，如 CRDW(Cointegration Regression Durbin-Watson)檢驗(yàn)、DF檢驗(yàn)和ADF檢驗(yàn)。

首先進(jìn)行ADF協(xié)整檢驗(yàn)。先通過LS方法計(jì)算出以下兩組方程的殘差項(xiàng):

Loanit=α1Loan_Interest+α2Reserve_Ratio+α3Growth_of_Loan+α4Ln(M2)+α5Inv_Cash+εit(2)

式中，i=1，2。當(dāng) i=1時(shí)，表示全體銀行樣本;當(dāng)i=2時(shí)表示主要商業(yè)銀行樣本。

經(jīng)檢驗(yàn)發(fā)現(xiàn)，當(dāng)i=1時(shí)，殘差項(xiàng)單位根檢驗(yàn)的t統(tǒng)計(jì)量為-4.075，小于在1%顯著水平上的臨界值-3.633;當(dāng)i=2時(shí)，殘差項(xiàng)單位根檢驗(yàn)的t統(tǒng)計(jì)量為-3.977，也小于1%顯著水平上的臨界值。因此，可以認(rèn)為這兩個(gè)回歸的殘差項(xiàng)都是平穩(wěn)的，即為I(0)，即認(rèn)為原方程自變量與因變量之間是協(xié)整的。

接著采用Johansen協(xié)整檢驗(yàn)。該檢驗(yàn)是專門針對(duì)多個(gè)同階單整變量進(jìn)行檢驗(yàn)的。首先利用AIC信息準(zhǔn)則來確立誤差修正模型(VEC)的最優(yōu)滯后階數(shù)為1，即在EViews里的VEC模型右側(cè)變量指定一階差分項(xiàng)的滯后項(xiàng)。這里選取的因變量為主要商業(yè)銀行不良貸款率，貨幣供給量選取M1，檢驗(yàn)結(jié)果如下:

表4 Johansen協(xié)整檢驗(yàn)結(jié)果

從表4中可以看到，跡檢驗(yàn)和最大特征值檢驗(yàn)表明5個(gè)變量之間分別存在至多2個(gè)或1個(gè)協(xié)整關(guān)系，即:有1個(gè)協(xié)整關(guān)系在5%的顯著性水平上同時(shí)通過了兩種檢驗(yàn)方法，說明五個(gè)變量間構(gòu)成的系統(tǒng)中存在一個(gè)長期均衡關(guān)系。因此得到標(biāo)準(zhǔn)化后的誤差修正模型:

D(Loan_1)=-0.568×［Loan_Interest(-1)-0.573×Reserve_Ratio(-1)+9.523×M2(-1)-0.694×Growth_of_Loan(-1)+0.459×Inv_Cash(-1)+0.352×Loan_1(-1)-114.4］-0.641×D［Loan_Interest(-1)］-0.312×D［Reserve_Ratio(-1)］-19.01×D［M2(-1)］-0.052×D［Growth_of_Loan(-1)］+1.350×D［Inv_Cash(-1)］-0.075×D［Loan_1(-1)］+0.128

跡檢驗(yàn)和最大特征值檢驗(yàn)都表明銀行不良貸款率和四個(gè)反應(yīng)銀根松緊程度的變量之間存在協(xié)整關(guān)系。該關(guān)系的存在意味著它們以相同的概率趨勢(shì)隨機(jī)“移動(dòng)”，因此具有長期同步的運(yùn)動(dòng)趨勢(shì)。這也間接說明反映宏觀經(jīng)濟(jì)狀況的銀根松緊程度與銀行貸款質(zhì)量之間在長期上具有變化的同步性。

之前，本文已經(jīng)用主成分分析法得到能夠代表銀根松緊程度的變量，在此將其設(shè)定為x，將不良貸款率設(shè)定為y。由于這兩個(gè)變量都是非平穩(wěn)的時(shí)間序列，因此不能用OLS法簡單分析兩者之間的關(guān)系。這里采用Engle和Granger(1981)給出的兩步估計(jì)法來檢驗(yàn)它們之間的關(guān)系。

第一步是求模型

第二步則是用建立誤差修正模型

再用OLS方法估計(jì)其參數(shù)。

第一步的回歸結(jié)果如表5:

表5 E.G.兩步估計(jì)法第一步的回歸結(jié)果

第二步是使用OLS方法分別估計(jì)模型

和

得到如下結(jié)果:

表6 E.G.兩步估計(jì)法第二步的回歸結(jié)果

將以上系數(shù)帶入兩個(gè)差分方程，得到

Δyt=0.695-0.115yt-1+0.056xt-1-0.131Δxt

即Δyt=0.695-0.115yt-1-0.131xt+0.187

和 Δyt=0.497 -0.283yt-1+0.126xt-1+0.104Δxt

即Δyt=0.497-0.283yt-1+0.104xt+0.022

上述結(jié)果表明，當(dāng)期銀根松緊程度為1個(gè)單位①這里值為正表明處于銀根緊縮狀態(tài)，值為負(fù)表明處于銀根寬松狀態(tài)，單調(diào)遞增表明銀根由寬松狀態(tài)變?yōu)榫o縮狀態(tài)。時(shí)，會(huì)引起下一期全體銀行不良貸款率增加0.187個(gè)百分點(diǎn)，也會(huì)使下一期主要商業(yè)銀行不良貸款率增加0.022個(gè)百分點(diǎn)，這兩個(gè)數(shù)值分別在5%和1%的置信水平上顯著。

三、各省份銀行貸款質(zhì)量變化的同步性分析

(一)同步性檢驗(yàn)的原理說明

同步性檢驗(yàn)一般運(yùn)用在探測(cè)時(shí)間序列數(shù)據(jù)兩個(gè)變量之間是否存在同期相關(guān)性。本章中銀行貸款質(zhì)量的同步性定義為各省份銀行不良貸款率在短期內(nèi)有共同周期(common cycle)，在長期內(nèi)有共同趨勢(shì)(common trend)?，F(xiàn)代計(jì)量經(jīng)濟(jì)學(xué)提供了合適的工具探討長期的、動(dòng)態(tài)的經(jīng)濟(jì)波動(dòng)。衡量同步性的方法有很多，其中常用的方法有三種:相關(guān)分析法、主成分分析法和共同趨勢(shì)與共同周期法。共同趨勢(shì)與共同周期法(common trend和common cycle theory)是研究經(jīng)濟(jì)周期同步性的有效手段，本文采用該方法，通過建立時(shí)間序列的多變量誤差修正模型來分析各省份銀行貸款質(zhì)量變化的同步性，即分析不同省份銀行不良貸款率是否受相同的外部變量的影響而共同發(fā)生變化。一般地，銀根松緊政策只能從全國宏觀層面影響銀行的貸款質(zhì)量，如果各省份銀行貸款質(zhì)量變化不存在同步性，那么銀根松緊政策對(duì)各省份銀行貸款質(zhì)量所起的效果是不一樣的，從而使得政策在整體上也難以達(dá)到預(yù)期的目標(biāo)。

共同趨勢(shì)法也應(yīng)用協(xié)整方法來研究變量長期、持續(xù)的變動(dòng)趨勢(shì)。共同周期法應(yīng)用共同特征檢驗(yàn)方法檢測(cè)時(shí)序變量之間是否存在共同線性相關(guān)，并把這種線性相關(guān)解釋為共同周期。Vahid等提出了檢驗(yàn)共同周期和估計(jì)共同周期個(gè)數(shù)的統(tǒng)計(jì)方法。他們認(rèn)為:如果一組被考察國家的國民產(chǎn)出水平時(shí)間序列之間存在著協(xié)整關(guān)系，那么它們的經(jīng)濟(jì)周期在長期里擁有共同趨勢(shì)(common trend);如果它們國民產(chǎn)出水平時(shí)間序列的一階差分存在共同線性相關(guān)，那么它們的經(jīng)濟(jì)周期在短期里也擁有共同周期(common cycle)，它們的經(jīng)濟(jì)周期具有同步性。

本文選取2003-2006年全國31個(gè)省份全部銀行、政策性銀行、四大國有商業(yè)銀行和股份制商業(yè)銀行的不良貸款率進(jìn)行同步性分析。

(二)全國及各省份銀行不良貸款率的波動(dòng)特征

統(tǒng)計(jì)分析結(jié)果表明，2003-2006年，各省份全部銀行不良貸款率的波動(dòng)幅度大小不一，其中波動(dòng)幅度最大的是海南，其標(biāo)準(zhǔn)差為7.650，偏度為0.362;波動(dòng)幅度最小的是浙江，其標(biāo)準(zhǔn)差為1.389，偏度為0.745。而全國全部銀行不良貸款率的標(biāo)準(zhǔn)差為4.157，偏度為0.286。

(三)各省份銀行不良貸款率的同步性分析

首先需要了解各省份銀行不良貸款率與全國銀行總體不良貸款率之間的相關(guān)性大小。如果相關(guān)性不大，則說明各省份的銀行體系與全國銀行整體之間沒有出現(xiàn)有效的聯(lián)系，通過宏觀政策或者施與外部沖擊，即使能改善全國銀行整體的不良貸款率，也難以同步影響各個(gè)省份銀行的不良貸款率。統(tǒng)計(jì)分析結(jié)果顯示，2003-2007年，在全部銀行樣本中，全國銀行總體不良貸款率與各省份銀行不良貸款率均呈高度正相關(guān)關(guān)系，除了新疆的相關(guān)系數(shù)相對(duì)較小外;在四大國有商業(yè)銀行樣本中，全國銀行總體不良貸款率與各省份銀行不良貸款率也均呈高度正相關(guān)關(guān)系，除了新疆的相關(guān)系數(shù)只有0.073外;在股份制商業(yè)銀行樣本中，全國銀行總體不良貸款率與各省份銀行不良貸款率也均呈高度正相關(guān)關(guān)系，除了河南、陜西和新疆的相關(guān)系數(shù)為負(fù)值外;在政策性商業(yè)銀行樣本中，全國銀行總體不良貸款率與各省份銀行不良貸款率的相關(guān)性普遍沒有其他三個(gè)樣本對(duì)應(yīng)的水平高。對(duì)相關(guān)系數(shù)r進(jìn)行顯著性檢驗(yàn):自由度為4-2=2，置信水平為10%的相關(guān)系數(shù)統(tǒng)計(jì)量的臨界值為0.9，而置信水平為5%的相關(guān)系數(shù)統(tǒng)計(jì)量的臨界值為0.95，在全部銀行樣本中，有26個(gè)省的 r值大于0.95的臨界值，比例達(dá)到83.9%，這說明絕大多數(shù)省份銀行不良貸款率的變動(dòng)與全國銀行總體不良貸款率的變動(dòng)具有明顯的同步性，也說明各省份銀行貸款質(zhì)量的變化趨勢(shì)在相當(dāng)程度上是相似的。

然后對(duì)31個(gè)省份的銀行不良貸款率進(jìn)行單位根檢驗(yàn)，目的在于檢驗(yàn)各省份銀行不良貸款率是否在同一階上處于平穩(wěn)狀態(tài)。本文選取了2003-2007年各省份全部銀行的不良貸款率數(shù)據(jù)。首先對(duì)每個(gè)省份不良貸款率的時(shí)間序列數(shù)據(jù)進(jìn)行單位根檢驗(yàn)。檢驗(yàn)結(jié)果表明，北京、天津、上海、江蘇、浙江、福建、山東、廣東、重慶、貴州、云南和西藏這12個(gè)省份在5%的顯著性水平上存在單位根的原假設(shè)可以拒絕，所占比例為38.7%;而一階差分后，有天津、吉林、黑龍江、上海、浙江、安徽、福建、湖南和重慶這9個(gè)省份在5%的顯著性水平上存在單位根的原假設(shè)可以拒絕，所占比例為29.0%。有些時(shí)間序列在0階和1階差分以后都可以拒絕原假設(shè)，也就是說，在這兩種情況下都可以被認(rèn)為是平穩(wěn)序列。

由于數(shù)據(jù)量有限，因此如果做Johansen檢驗(yàn)，就會(huì)出現(xiàn)因數(shù)據(jù)量不足而導(dǎo)致的退化現(xiàn)象，故不對(duì)各省份不良貸款率進(jìn)行協(xié)整檢驗(yàn)、共同趨勢(shì)檢驗(yàn)和共同周期檢驗(yàn)。但從相關(guān)系數(shù)和單位根檢驗(yàn)結(jié)果來看，可以認(rèn)為31個(gè)省份銀行不良貸款率的變化在總體上具有同步性，宏觀政策通過調(diào)節(jié)銀根松緊程度可以對(duì)各省份銀行的不良貸款率產(chǎn)生較為一致的影響。

四、各省份銀行貸款質(zhì)量對(duì)銀根松緊程度的敏感度分析

由于分省份數(shù)據(jù)是以年度為單位，因此數(shù)據(jù)量較之前面整體回歸的分月數(shù)據(jù)要小，所以這里不再采用主成份分析法來選取能夠最大限度涵蓋所有樣本數(shù)據(jù)信息的主成份作為銀根松緊程度的代理變量，而是選取最能代表銀根松緊程度的貨幣供給量M2的年度數(shù)據(jù)作為衡量銀根松緊程度的代理變量。由于貨幣供給量M2的年度數(shù)據(jù)是非平穩(wěn)的時(shí)序數(shù)據(jù)，但它在I(1)平穩(wěn)，所以仍然采用E.G.兩步估計(jì)法來測(cè)算全國銀根松緊程度與各省份銀行不良貸款率之間的變化關(guān)系，即對(duì)兩者進(jìn)行敏感度分析，數(shù)據(jù)區(qū)間為2003-2007年度。被解釋變量采用當(dāng)?shù)厝w銀行的不良貸款率，即Loan_0，回歸結(jié)果如下:

表7 E.G.兩步估計(jì)法第一步的回歸結(jié)果

備注:()內(nèi)為 T 統(tǒng)計(jì)量，* 、＊＊、＊＊＊分別表示在 10%、5% 、1% 水平上顯著。

第二步是對(duì)涉及的差分回歸方程中的α0、α1和β0進(jìn)行估計(jì)，以便計(jì)算最終回歸方程Δyt=α0+α1(yt-1-k1xt-1)+ β0Δxt中的系數(shù)，k1為協(xié)整系數(shù)，α1為調(diào)整系數(shù)，回歸結(jié)果如下:

表8最后一列變量的經(jīng)濟(jì)意義是指上一期貨幣供給量在各個(gè)省份所導(dǎo)致的下一期銀行不良貸款率的變動(dòng)值，β0則表示變動(dòng)一個(gè)單位的貨幣供給量所造成的銀行不良貸款率的變化情況。從回歸結(jié)果來看，除了內(nèi)蒙古、黑龍江、四川和新疆之外，其他所有省份的貨幣供給量與銀行不良貸款率之間都存在負(fù)相關(guān)關(guān)系。即:當(dāng)銀根放松、貨幣供給增加時(shí)，下一期的銀行不良貸款率就會(huì)降低。在同等規(guī)模的貨幣供給沖擊下，銀行不良貸款率對(duì)銀根松緊程度的敏感度排名前三的依次是海南、重慶和寧夏，即當(dāng)貨幣供給量的當(dāng)期規(guī)模同為10000億元時(shí)，這三個(gè)省份的下一期銀行不良貸款率將分別減少9.01%、1.45%和1.34%;而在同等規(guī)模的貨幣供給沖擊下，銀行不良貸款率對(duì)銀根松緊程度最不敏感的三個(gè)省份依次為內(nèi)蒙古、河南和四川，即當(dāng)貨幣供給量的當(dāng)期規(guī)模同為10000億元時(shí)，這三個(gè)省份的下一期銀行不良貸款率將分別變化+0.04%、-0.058%和+0.082%。

表8 E.G.兩步估計(jì)法第二步的回歸結(jié)果

五、研究結(jié)論及政策建議

本文主要從分省份的中觀層面，對(duì)國家宏觀調(diào)控重要手段銀根松緊政策與銀行貸款質(zhì)量的相互關(guān)系、各省份銀行貸款質(zhì)量變化的同步性以及各省份銀行貸款質(zhì)量對(duì)銀根松緊程度的敏感度進(jìn)行實(shí)證分析。主要研究結(jié)論是:第一，當(dāng)期緊縮的銀根會(huì)引致下一期銀行整體不良貸款率的顯著上升，反之當(dāng)期寬松的銀根則會(huì)引致下一期銀行整體不良貸款率的顯著下降。第二，31個(gè)省份銀行不良貸款率的變化在總體上具有同步性，宏觀政策通過調(diào)節(jié)銀根松緊程度可以對(duì)各省份銀行的不良貸款率產(chǎn)生較為一致的影響。第三，在31個(gè)省份中，除了內(nèi)蒙古、黑龍江、四川和新疆外，有27個(gè)省份的貨幣供給量與銀行不良貸款率之間存在負(fù)相關(guān)關(guān)系，即某省份當(dāng)期較為寬松的銀根即較為充裕的貨幣供給量會(huì)造成下一期該省份銀行不良貸款率的下降;在同等規(guī)模的貨幣供給沖擊下，各省份銀行不良貸款率對(duì)銀根松緊程度的敏感度不相同，排名前三的依次是海南、重慶和寧夏，排名最后三名的依次是內(nèi)蒙古、河南和四川。

本文的政策建議是:決策層在制定和實(shí)施銀根松緊政策時(shí)，需要兼顧銀行貸款質(zhì)量的穩(wěn)定性，因?yàn)楫?dāng)期銀根的寬松程度會(huì)顯著地導(dǎo)致下一期銀行整體信貸質(zhì)量的同方向變化;同時(shí)需要考慮銀根松緊政策對(duì)各省份銀行貸款質(zhì)量影響的不同，因?yàn)楦魇》葶y行信貸質(zhì)量對(duì)銀根松緊政策的敏感度不相同。為此，需要保持貨幣政策的穩(wěn)定性和連續(xù)性，同時(shí)貨幣政策要因區(qū)域不同而有所區(qū)別?；谖覈膶?shí)際情況，貨幣政策的具體建議是:一是要綜合運(yùn)用各種數(shù)量型和價(jià)格型貨幣政策工具，加強(qiáng)總量和結(jié)構(gòu)調(diào)控，實(shí)現(xiàn)M1、M2和信貸規(guī)模等貨幣信貸指標(biāo)的適度增長。二是要繼續(xù)推進(jìn)利率尤其是存貸款利率的市場(chǎng)化改革，健全由市場(chǎng)供求決定的利率形成機(jī)制，進(jìn)一步培育市場(chǎng)基準(zhǔn)利率體系，完善利率期限結(jié)構(gòu)。三是要根據(jù)國內(nèi)外經(jīng)濟(jì)金融形勢(shì)和我國國際收支狀況，進(jìn)一步推進(jìn)人民幣匯率形成機(jī)制改革，增強(qiáng)人民幣匯率彈性，最終實(shí)現(xiàn)人民幣自由浮動(dòng)，使人民幣成為國際貨幣。四是要鼓勵(lì)金融產(chǎn)品、金融工具和金融制度創(chuàng)新，發(fā)展金融衍生產(chǎn)品，大力發(fā)展機(jī)構(gòu)投資者，努力擴(kuò)大直接融資渠道，加強(qiáng)金融市場(chǎng)的法律、技術(shù)等基礎(chǔ)設(shè)施建設(shè)。五是要實(shí)行區(qū)域差別的貨幣信貸政策，同時(shí)加強(qiáng)政策引導(dǎo)和“窗口指導(dǎo)”，引導(dǎo)金融機(jī)構(gòu)更好地貫徹國家宏觀經(jīng)濟(jì)、產(chǎn)業(yè)和區(qū)域發(fā)展政策。

［1］Ben S Bernanke.Nonmonetary Effects of the Financial Crisis in the Propagation of the Great Depression.American Economic Review［J］，1983，73:257-276.

［2］劉延梅.影響商業(yè)銀行貸款質(zhì)量的內(nèi)部控制缺陷及成因分析［J］.沿海企業(yè)與科技，2007，(1):133-135.

［3］張 君.論改進(jìn)我國商業(yè)銀行信貸風(fēng)險(xiǎn)管理——-以國外先進(jìn)經(jīng)驗(yàn)為視角［J］.財(cái)經(jīng)論壇，2007，(11):376-377.

［4］崔向陽.對(duì)國有商業(yè)銀行不良貸款的統(tǒng)計(jì)分析［J］.經(jīng)濟(jì)問題探索，2004，(11):113-115.

［5］劉瀾飆，王 博.國有商業(yè)銀行不良貸款處置遲緩現(xiàn)象分析［J］.金融研究，2006，(3):23-30.

［6］周忠明.不良貸款與經(jīng)濟(jì)增長關(guān)系分析［J］.銀行業(yè)監(jiān)督，2005，(6):45-46.

［7］姜 燁.金融支持、不良貸款與內(nèi)生金融產(chǎn)權(quán)［J］.財(cái)經(jīng)研究，2004，(8):18-27.

［8］李思慧，顏向農(nóng).商業(yè)銀行不良貸款與宏觀經(jīng)濟(jì)因素相關(guān)性實(shí)證分析［J］.銀行分析，2007，(8):45-46.