陳繼勇 劉騏豪

(武漢大學(xué) 經(jīng)濟(jì)與管理學(xué)院，湖北 武漢 430072)

現(xiàn)行信貸體系下，銀行信貸融資困難是中國(guó)企業(yè)尤其是民營(yíng)企業(yè)經(jīng)營(yíng)面臨的主要問(wèn)題。一方面，中國(guó)的銀行信貸體系廣受制度性詬病，銀行偏向?yàn)閲?guó)有企業(yè)貸款，“歧視”非國(guó)有企業(yè)的貸款要求，銀行信貸資源配置扭曲;另一方面，銀企之間信息不對(duì)稱現(xiàn)象嚴(yán)重，處于信息劣勢(shì)的銀行基于逆向選擇和道德風(fēng)險(xiǎn)的擔(dān)憂，不敢貿(mào)然向企業(yè)貸款。與銀行信貸相比，商業(yè)信用不僅風(fēng)險(xiǎn)大，而且成本高(Burkart and Ellingsen，2004)，為何企業(yè)還“非理性”地選擇商業(yè)信用方式融資?因而，厘清商業(yè)信用對(duì)銀行信貸的影響，對(duì)于完善中國(guó)信貸體系，促進(jìn)信貸發(fā)展，緩解企業(yè)融資困難，實(shí)現(xiàn)企業(yè)可持續(xù)發(fā)展有重要的現(xiàn)實(shí)意義。

一、文獻(xiàn)綜述

Meltzer(1960)認(rèn)為信貸配給迫使不能獲得充足銀行貸款的企業(yè)使用商業(yè)信用補(bǔ)充銀行信貸缺口，這暗含了商業(yè)信用替代銀行信貸的觀點(diǎn)。Stiglitz和Weiss(1981)認(rèn)為，信息不對(duì)稱是信貸配給的重要原因，在信息不對(duì)稱的信貸環(huán)境中，銀行難以識(shí)別企業(yè)信息，有些企業(yè)即使愿意支付高的信貸價(jià)格，但因?yàn)槠髽I(yè)信息不能被識(shí)別也可能被排斥在銀行信貸市場(chǎng)之外，而企業(yè)價(jià)值鏈上的商業(yè)伙伴比銀行更了解企業(yè)信息，更容易對(duì)企業(yè)實(shí)施監(jiān)督，出于相信企業(yè)信用和增強(qiáng)產(chǎn)品競(jìng)爭(zhēng)力的考慮，供貨商會(huì)向企業(yè)提供商業(yè)信用，這在一定程度上解決了企業(yè)銀行信貸配給問(wèn)題。Fisman(2001)對(duì)發(fā)展中國(guó)家的研究，De Blasio(2003)對(duì)意大利的研究，Love等(2007)對(duì)印尼等國(guó)的研究，Bastos和Pindado(2013)對(duì)阿根廷、巴西和土耳其等國(guó)的研究，結(jié)果均顯示商業(yè)信用可以替代銀行信貸。

而Ge和Qiu(2007)運(yùn)用1994—1999年中國(guó)企業(yè)問(wèn)卷調(diào)查數(shù)據(jù)、Cull等(2009)運(yùn)用1998—2003年中國(guó)制造業(yè)企業(yè)數(shù)據(jù)、王竹泉等(2014)運(yùn)用2004—2012年中國(guó)上市企業(yè)數(shù)據(jù)，均發(fā)現(xiàn)商業(yè)信用是難以獲得銀行信貸的企業(yè)籌集資金的替代性來(lái)源。石曉軍等(2009)以1998—2006年284家上市公司為樣本的研究，證實(shí)商業(yè)信用對(duì)銀行信貸政策有抵消作用，而抵消的程度具有同步性反經(jīng)濟(jì)周期規(guī)律。Huang等(2011)的研究支持商業(yè)信用和銀行信貸之間具有反周期替代關(guān)系。陽(yáng)佳余和楊蓓蕾(2013)以1999—2009年中國(guó)上市企業(yè)為樣本，也得到商業(yè)信用替代銀行信貸的結(jié)論，并且發(fā)現(xiàn)這一替代作用因銀行信貸期限結(jié)構(gòu)和企業(yè)所處供應(yīng)鏈的地位而存在差異。

也有研究認(rèn)為商業(yè)信用促進(jìn)銀行信貸。Cook(1999)對(duì)1995年俄羅斯企業(yè)的研究發(fā)現(xiàn)，銀行因難以甄別企業(yè)信用等級(jí)而不敢給企業(yè)貸款，企業(yè)使用商業(yè)信用間接向銀行提供了企業(yè)的信用信息，引導(dǎo)銀行向企業(yè)貸款。Engemann等(2011)構(gòu)建企業(yè)融資模型，證實(shí)商業(yè)信用對(duì)銀行信貸的促進(jìn)作用，并利用2004年德國(guó)企業(yè)事實(shí)驗(yàn)證了結(jié)論。Elliehausen和Wolken(1993)及Giannetti等(2011)針對(duì)美國(guó)、Ono(2001)針對(duì)日本、Agostino和Trivieri(2014)針對(duì)意大利的研究也得到了類似結(jié)論。

在中國(guó)，也有研究認(rèn)為商業(yè)信用是對(duì)銀行信貸的促進(jìn)。徐緒松和陸雋(2006)基于信號(hào)理論，證實(shí)商業(yè)信用和銀行信貸的互補(bǔ)關(guān)系，發(fā)現(xiàn)商業(yè)信用不僅彌補(bǔ)中小企業(yè)的資金缺口，而且向銀行發(fā)出自身風(fēng)險(xiǎn)小的信號(hào)，引導(dǎo)銀行做出貸款決策。江偉和曾業(yè)勤(2013)借助2004—2007年中國(guó)工業(yè)企業(yè)數(shù)據(jù)，發(fā)現(xiàn)商業(yè)信用具有信號(hào)傳遞作用，可以促進(jìn)銀行信貸，且該促進(jìn)作用在民營(yíng)企業(yè)和金融發(fā)展水平較高的地區(qū)更強(qiáng)。范小云和董二磊(2015)運(yùn)用2004—2009年持續(xù)經(jīng)營(yíng)的企業(yè)出口數(shù)據(jù)和聯(lián)立方程模型，對(duì)商業(yè)信用和銀行信貸影響企業(yè)出口進(jìn)行研究，發(fā)現(xiàn)商業(yè)信用和銀行信貸之間具有較強(qiáng)的互補(bǔ)關(guān)系。

借助40 多萬(wàn)家中國(guó)工業(yè)企業(yè)數(shù)據(jù)，本文對(duì)商業(yè)信用影響銀行信貸的研究有如下創(chuàng)新:(1)已有研究沒(méi)有消除行業(yè)和地區(qū)異質(zhì)性對(duì)企業(yè)信貸融資的影響，本文以行業(yè)和地區(qū)信貸均值為參照，構(gòu)建相對(duì)指標(biāo)衡量商業(yè)信用和銀行信貸，消除了行業(yè)和地區(qū)異質(zhì)性的影響。(2)已有研究使用OLS方法或Tobit方法考察商業(yè)信用對(duì)銀行信貸的影響，忽略了大量企業(yè)得不到銀行貸款的事實(shí)，可能造成樣本選擇偏誤，且結(jié)論只能得出二者之間的平均數(shù)量關(guān)系。本文運(yùn)用Heckman 選擇模型可以避免樣本選擇偏誤，使條件分位數(shù)回歸模型能夠得到商業(yè)信用對(duì)銀行信貸在不同條件分布上的影響，拓展了研究維度。(3)考慮到信貸融資的所有制差異，本文分樣本從所有制差異性角度研究商業(yè)信用對(duì)銀行信貸的影響。

二、數(shù)據(jù)、變量與實(shí)證模型

(一)數(shù)據(jù)

本文使用的數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局《中國(guó)工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)庫(kù)》(2004—2008年)。①《中國(guó)工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)庫(kù)》更新至2009年，但2009年大量企業(yè)缺失企業(yè)代碼和應(yīng)付賬款等本文所需核心實(shí)證變量的信息，參考近期使用該數(shù)據(jù)庫(kù)做同類研究的相關(guān)文獻(xiàn)，本文以2004—2008年為樣本期。該數(shù)據(jù)庫(kù)每年統(tǒng)計(jì)30 余萬(wàn)家企業(yè)的130 余項(xiàng)企業(yè)性質(zhì)和財(cái)務(wù)指標(biāo)，在龐大的數(shù)據(jù)統(tǒng)計(jì)結(jié)果中，不可避免地會(huì)存在統(tǒng)計(jì)錯(cuò)漏，為此剔除了明顯違背常理的樣本;為了更好地追蹤企業(yè)商業(yè)信用和銀行信貸的動(dòng)態(tài)變化，剔除了樣本期間非持續(xù)存在的樣本;考慮到外資企業(yè)和本土企業(yè)融資渠道的差異性，剔除了外資企業(yè)以避免混合檢驗(yàn)可能帶來(lái)的估計(jì)謬誤。經(jīng)過(guò)以上篩選，最終有效樣本為441355家企業(yè)。

(二)研究變量

1.核心變量

范小云和董二磊(2015)認(rèn)為，商業(yè)信用分為供給和需求兩個(gè)層面，從企業(yè)的資產(chǎn)負(fù)債表來(lái)看，商業(yè)信用的需求體現(xiàn)為應(yīng)付賬款，供給體現(xiàn)為應(yīng)收賬款。本文研究商業(yè)信用融資對(duì)銀行信貸融資的影響，即主要討論的是商業(yè)信用的需求，因而，本文以應(yīng)付賬款作為商業(yè)信用的代理變量，借鑒余明桂和潘紅波(2010)的研究，本文從商業(yè)信用的需求和凈需求(需求－供給)方面分析企業(yè)獲得的商業(yè)信用，以應(yīng)付賬款占銷售額的比重從需求方面衡量(tcshare1)，以應(yīng)付賬款與應(yīng)收賬款的差額占銷售額的比重從凈需求方面衡量(tcshare2)，以利息支出占銷售額的比重衡量企業(yè)獲得的銀行信貸規(guī)模(bcshare)。于洪霞等(2011)認(rèn)為信貸融資受企業(yè)所在行業(yè)和地區(qū)異質(zhì)性的影響，不同行業(yè)不同地區(qū)的銀行貸款政策和商業(yè)信用習(xí)慣不同，因而，本文借鑒饒品貴和姜國(guó)華(2013)的思路，以某地區(qū)某四位數(shù)行業(yè)中信貸融資的平均水平為參照，將tcshare1、tcshare2、bcshare 三個(gè)變量除以其在某地區(qū)和某行業(yè)的均值進(jìn)行調(diào)整。

2.控制變量

除商業(yè)信用外，影響企業(yè)銀行信貸的因素還包括:(1)金融市場(chǎng)發(fā)展水平(market)，定義為樊綱等(2011)發(fā)布的公司注冊(cè)地的金融業(yè)市場(chǎng)化指數(shù)的對(duì)數(shù)。金融市場(chǎng)越發(fā)達(dá)，銀行基于效率原則配置資源的概率越高，越多企業(yè)會(huì)得到銀行貸款(Love，2003)。(2)抵押資產(chǎn)(kfix)，定義為企業(yè)固定資產(chǎn)年平均余額的對(duì)數(shù)。銀行貸款是抵押貸款，擁有充足抵押資產(chǎn)的企業(yè)容易獲得銀行信貸。(3)企業(yè)存續(xù)期(age)，定義為企業(yè)經(jīng)營(yíng)時(shí)間的對(duì)數(shù)。經(jīng)營(yíng)時(shí)間長(zhǎng)的企業(yè)不僅企業(yè)信息存量多而且與銀行交易次數(shù)多，相對(duì)更容易獲得銀行貸款。(4)政企關(guān)聯(lián)(subsidy)，定義為企業(yè)是否獲得政府補(bǔ)貼。與政府有關(guān)聯(lián)的企業(yè)更有可能獲得銀行貸款(余明桂和潘洪波，2008)，獲得政府補(bǔ)貼是企業(yè)與政府聯(lián)系的表現(xiàn)(楊其靜和楊繼東，2011)。(5)盈利能力(profit)，定義為企業(yè)固定資產(chǎn)利潤(rùn)率(利潤(rùn)總額/固定資產(chǎn)年平均余額)。一方面，內(nèi)源融資是企業(yè)首選融資方式，盈利能力差的企業(yè)內(nèi)源融資不足，銀行信貸需求大;另一方面，國(guó)有企業(yè)盈利能力差，卻有“先天所有制優(yōu)勢(shì)”，相對(duì)更容易獲得銀行貸款。(6)企業(yè)產(chǎn)權(quán)因素，設(shè)定民營(yíng)企業(yè)虛擬變量(private)和國(guó)有企業(yè)虛擬變量(SOE)。中國(guó)銀行信貸偏向國(guó)有企業(yè)，“歧視”非國(guó)有企業(yè)。(7)行業(yè)、區(qū)域和時(shí)間因素(dummies)。dummies是行業(yè)虛擬變量、區(qū)域虛擬變量和年份虛擬變量的集合。行業(yè)虛擬變量為企業(yè)所屬二分位行業(yè)的虛擬變量，《中國(guó)工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)庫(kù)》統(tǒng)計(jì)的企業(yè)所屬行業(yè)有三大類，即采礦業(yè)、制造業(yè)和電力燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)，其中，制造業(yè)被分為30個(gè)二分位行業(yè)，采礦業(yè)被分為6個(gè)二分位行業(yè)，電力燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)被分為3個(gè)二分位行業(yè)，因而本文的行業(yè)虛擬變量為38個(gè);區(qū)域虛擬變量為企業(yè)所屬省(市)，數(shù)據(jù)庫(kù)將重慶市和四川省合并統(tǒng)計(jì)，因而本文的區(qū)域虛擬變量為29個(gè);年份虛擬變量為企業(yè)所在年份，本文以2004—2008年的企業(yè)為樣本，且本文將隨時(shí)間變化的解釋變量取滯后一期，因而實(shí)際年份虛擬變量有3個(gè)。

(三)實(shí)證模型

表1是有(無(wú))商業(yè)信用的兩類企業(yè)的銀行信貸bcshare 在均值和代表性分位數(shù)上的統(tǒng)計(jì)描述，其中，有商業(yè)信用的企業(yè)是應(yīng)付賬款大于0的企業(yè)，無(wú)商業(yè)信用的企業(yè)是應(yīng)付賬款為0的企業(yè)。表1中，P25、P50、P75、P90和P95分別表示變量bcshare 在第25、50、75、90和95分位數(shù)上的取值。表1顯示有(無(wú))商業(yè)信用的兩類企業(yè)的銀行信貸融資在均值和代表性分位數(shù)上存在明顯差異，統(tǒng)計(jì)顯示商業(yè)信用可能正向影響銀行信貸，并且從均值和分位數(shù)多維視角考察，才能呈現(xiàn)商業(yè)信用影響銀行信貸的全貌。

表1 有(無(wú))商業(yè)信用企業(yè)的銀行信貸相對(duì)強(qiáng)度統(tǒng)計(jì)描述

1.Heckman 選擇模型——均值視角

以往研究基于均值角度，直接考察商業(yè)信用對(duì)銀行信貸的影響(江偉和曾業(yè)勤，2013)。實(shí)際上，企業(yè)銀行信貸行為是一個(gè)兩階段決策過(guò)程，包括第一階段的銀行信貸選擇決策和第二階段的銀行信貸規(guī)模決策。因此，如果兩個(gè)階段相互依賴，則銀行信貸規(guī)模決策的估計(jì)結(jié)果將依賴于銀行信貸選擇決策的估計(jì)結(jié)果，只估計(jì)銀行信貸規(guī)模決策，會(huì)導(dǎo)致樣本選擇偏誤。

進(jìn)行局部懸空埋地管道分析時(shí),首先假定懸跨管道和埋設(shè)交界面處土體無(wú)塌陷,且土體材質(zhì)均勻、各向同性,管道是理想材質(zhì),嚴(yán)格遵從水平敷設(shè)施工標(biāo)準(zhǔn),豎直方向上無(wú)高度差,所建立的物理模型可用圖1描述.

本文采用綜合考察企業(yè)銀行信貸行為兩個(gè)階段的Heckman 選擇模型(Heckman Selecting Model，簡(jiǎn)記為HSM)，考察商業(yè)信用對(duì)銀行信貸的影響。HSM的基本思路是:首先利用Probit模型估計(jì)第一階段的方程，考察商業(yè)信用對(duì)銀行信貸選擇決策的影響，并得到企業(yè)銀行貸款獲取概率λ，即樣本選擇偏誤糾正因子(也稱逆米爾斯比率，inverse Mill’s ratio)。若λ顯著異于零，則第二階段的決策受第一階段決策的影響，必須使用HSM 矯正偏誤。然后，將λ作為控制變量添加到第二階段的方程，考察商業(yè)信用對(duì)第二階段銀行信貸規(guī)模的影響。

參考張新民等(2012)的研究，本文將企業(yè)兩個(gè)階段的銀行信貸決策方程設(shè)定為:

其中:方程(1)和(2)分別是第一階段的銀行信貸選擇決策方程和第二階段的銀行信貸規(guī)模決策方程。bcshare的定義見(jiàn)上文;bcdum={0，1}為企業(yè)是否得到銀行貸款的虛擬變量，企業(yè)利息支出為正時(shí)取值1，否則取值0;Z 為影響企業(yè)銀行信貸的變量集合，包括核心解釋變量商業(yè)信用tcshare1和tcshare2 及上文所述的market、kfix、age等控制變量。bcdumi(t－1)為bcdum的滯后一期，在式(1)中加入該變量有兩方面的原因:一是現(xiàn)實(shí)中銀行當(dāng)期信貸決策往往受上期決策的影響;二是為了保證估計(jì)結(jié)果的一致性，必須在方程(1)中至少加入一個(gè)影響bcdum 但不影響bcshare的變量(Heckman，1979)。e1和e2為誤差項(xiàng)。為了避免銀行信貸反作用于方程右邊變量而產(chǎn)生內(nèi)生性問(wèn)題，將方程右邊隨時(shí)間變化的變量都取滯后一期。Heckman 選擇模型的估計(jì)方法有MLE估計(jì)法和Heckit 兩步估計(jì)法，由于Heckit 兩步估計(jì)法操作簡(jiǎn)單，且誤差項(xiàng)不依賴于正態(tài)分布假設(shè)，因而本文選擇Heckit 兩步估計(jì)法。①Heckit 兩步估計(jì)法無(wú)法提供判定是否存在樣本選擇偏誤的對(duì)數(shù)似然比檢驗(yàn)(LR檢驗(yàn))，但提供逆米爾斯比率λ，進(jìn)而可以根據(jù)λ的顯著性判定Heckman 選擇模型是否合理。

2.條件分位數(shù)回歸模型——分位數(shù)視角

在HSM 考察商業(yè)信用對(duì)銀行信貸的平均影響基礎(chǔ)上，使用Bassett和Koenker(1978)發(fā)展而來(lái)的條件分位數(shù)回歸模型(Conditional Quantile Regression Model)，識(shí)別不同條件分布下商業(yè)信用對(duì)銀行信貸的影響。在分位數(shù)視角下，可以分析商業(yè)信用對(duì)銀行信貸的影響效應(yīng)是否隨企業(yè)銀行信貸狀況的變化而發(fā)生改變，以及相應(yīng)改變的趨勢(shì)。

具體地，在給定Z的條件下分位點(diǎn)數(shù)上企業(yè)銀行信貸相對(duì)強(qiáng)度的條件分位數(shù)函數(shù)為:

其中，eiqt為分位數(shù)q 上的誤差項(xiàng)。βq為分位數(shù)q 上解釋變量的估計(jì)系數(shù)，反映分位數(shù)q 上解釋變量對(duì)被解釋變量的影響，βq可以通過(guò)估計(jì)下式得到:

三、實(shí)證結(jié)果分析

(一)Heckman 選擇模型實(shí)證結(jié)果分析

1.全樣本分析

表2 匯報(bào)了HSM估計(jì)的結(jié)果。其中，模型1和2 從商業(yè)信用需求角度(tcshare1)進(jìn)行研究，模型3和4 從商業(yè)信用凈需求角度(tcshare2)進(jìn)行研究，模型1和3 沒(méi)有控制行業(yè)、區(qū)域和年份變量dummies，模型2和4 進(jìn)一步控制了變量dummies。Frist和Second分別是HSM估計(jì)第一階段和第二階段的結(jié)果。模型1～4中λ 均在1%的水平上顯著，說(shuō)明Heckman估計(jì)有效?？刂谱兞縟ummies 后，模型中Wald統(tǒng)計(jì)量提高，故主要針對(duì)模型2和4分析實(shí)證結(jié)果。

模型2和4顯示，不論是從商業(yè)信用的需求還是凈需求角度，企業(yè)商業(yè)信用tcshare的系數(shù)在第一階段和第二階段均顯著為正，說(shuō)明商業(yè)信用和銀行信貸顯著正相關(guān)，商業(yè)信用促進(jìn)了企業(yè)銀行信貸概率和銀行信貸強(qiáng)度的提高，意味著商業(yè)信用對(duì)銀行信貸產(chǎn)生促進(jìn)影響。

其他變量的估計(jì)結(jié)果顯示:當(dāng)期銀行信貸決策受上期影響;抵押資產(chǎn)充足的企業(yè)容易得到銀行信貸;企業(yè)經(jīng)營(yíng)時(shí)間越長(zhǎng)，銀行貸款越容易;盈利性對(duì)企業(yè)銀行信貸的影響具有不確定性;與政府聯(lián)系緊密的企業(yè)容易獲取銀行借款;金融發(fā)展有利于企業(yè)銀行貸款;銀行信貸偏向國(guó)有企業(yè)。

2.子樣本分析

余明桂和潘紅波(2010)認(rèn)為，不同所有制企業(yè)在商業(yè)信用和銀行信貸上存在顯著差異，商業(yè)信用和銀行信貸的關(guān)系可能存在所有制差異。為了考察這一差異并增強(qiáng)結(jié)論的穩(wěn)健性，本文將全體樣本分為國(guó)有企業(yè)、民營(yíng)企業(yè)和其他企業(yè)三組，針對(duì)每組子樣本分別進(jìn)行HSM估計(jì)。受篇幅限制，表3 只提供了HSM估計(jì)第二階段的結(jié)果。表3中λ 在1%的水平上顯著，說(shuō)明HSM估計(jì)有效。

表2 Heckman估計(jì)結(jié)果:全樣本

表3 Heckman估計(jì)結(jié)果:子樣本

從表3 可以看出，三類企業(yè)中商業(yè)信用的tcshare1、tcshare2 系數(shù)均顯著為正，分類研究同樣驗(yàn)證商業(yè)信用促進(jìn)了銀行信貸。比較系數(shù)值發(fā)現(xiàn)，商業(yè)信用對(duì)銀行信貸的促進(jìn)作用在國(guó)有企業(yè)最明顯，其他企業(yè)次之，民營(yíng)企業(yè)最小，顯示這一促進(jìn)作用具有所有制差異。這說(shuō)明商業(yè)信用對(duì)銀行信貸的促進(jìn)作用具有“馬太效應(yīng)”，商業(yè)信用對(duì)資金相對(duì)充裕的國(guó)有企業(yè)促進(jìn)作用明顯，對(duì)需要資金支持的非國(guó)有企業(yè)促進(jìn)作用有限。原因可能是，盡管商業(yè)信用的信息傳遞功能能夠促進(jìn)銀行信貸的增加，但由于國(guó)內(nèi)銀行信貸體系市場(chǎng)化運(yùn)作不完善，還沒(méi)有形成規(guī)范合理的風(fēng)險(xiǎn)收益評(píng)估機(jī)制，銀行的信貸風(fēng)險(xiǎn)偏好較低，因而傾向于向國(guó)有企業(yè)發(fā)放貸款，這意味著商業(yè)信用雖然能提高銀行信貸資源的配置效率，但在提升對(duì)象選擇上存在“扭曲”。

(二)分位數(shù)回歸模型實(shí)證結(jié)果分析

1.全樣本分析

表4和表5分別從商業(yè)信用的需求和凈需求角度匯報(bào)了不同條件分布位置上商業(yè)信用影響銀行信貸的估計(jì)結(jié)果?？梢钥闯?，商業(yè)信用的tcshare1和tcshare2的系數(shù)在25%、50%、75%、90%和95%的分位數(shù)回歸中均顯著為正，且系數(shù)值依次遞增，這表明，對(duì)于銀行信貸融資狀況不同的企業(yè)而言，商業(yè)信用促進(jìn)了銀行信貸，并且這種促進(jìn)作用隨著企業(yè)銀行信貸融資能力的提高而增強(qiáng)，反映出銀行傾向于向優(yōu)質(zhì)的企業(yè)客戶(體現(xiàn)為銀行信貸融資能力強(qiáng)的企業(yè))發(fā)放貸款，結(jié)果同樣體現(xiàn)了商業(yè)信用對(duì)銀行信貸促進(jìn)作用在企業(yè)融資上的“馬太效應(yīng)”。

表4 分位數(shù)估計(jì)結(jié)果:商業(yè)信用需求層面

表5 分位數(shù)估計(jì)結(jié)果:商業(yè)信用凈需求層面

2.子樣本分析

為了增強(qiáng)結(jié)論的穩(wěn)健性，本文進(jìn)一步考察不同條件分布上商業(yè)信用對(duì)銀行信貸影響的所有制差異性，受篇幅限制，表6 只提供了商業(yè)信用對(duì)銀行信貸的估計(jì)結(jié)果。表6顯示，在三類企業(yè)中，從需求和凈需求角度分析商業(yè)信用tcshare1和tcshare2的系數(shù)在25%、50%、75%、90%和95%的分位數(shù)回歸中均顯著為正，且系數(shù)值依次遞增，說(shuō)明在不同所有制企業(yè)中，商業(yè)信用促進(jìn)了銀行信貸依然成立，并且隨著銀行信貸分布位置的提高，這種促進(jìn)作用越來(lái)越明顯，商業(yè)信用對(duì)銀行信貸促進(jìn)作用在企業(yè)融資上的“馬太效應(yīng)”在子樣本分位數(shù)回歸結(jié)果中也得到檢驗(yàn)。

表6 分位數(shù)估計(jì)結(jié)果:子樣本

四、結(jié)論與啟示

本文借助中國(guó)40 余萬(wàn)家企業(yè)，運(yùn)用Heckman 選擇模型和條件分位數(shù)回歸模型，研究商業(yè)信用對(duì)銀行信貸的影響。研究發(fā)現(xiàn)商業(yè)信用和銀行信貸具有顯著的正相關(guān)關(guān)系，表明商業(yè)信用促進(jìn)了銀行信貸，并且這種促進(jìn)關(guān)系對(duì)于不同所有制和不同銀行信貸融資能力的企業(yè)來(lái)說(shuō)，效果有所不同。從企業(yè)所有制性質(zhì)來(lái)看，商業(yè)信用對(duì)銀行信貸的促進(jìn)作用在國(guó)有企業(yè)最明顯，其他企業(yè)次之，民營(yíng)企業(yè)最小;從銀行信貸融資能力來(lái)看，企業(yè)銀行信貸融資能力越強(qiáng)，商業(yè)信用對(duì)銀行信貸的促進(jìn)作用越明顯。

本文研究結(jié)果說(shuō)明，面臨融資約束的背景下，大力發(fā)展商業(yè)信用是有效緩解企業(yè)資金缺乏的有效途徑。為此，政府應(yīng)健全商業(yè)信用保障機(jī)制，大力推動(dòng)企業(yè)信息公開(kāi)，完善企業(yè)征信制度，推進(jìn)企業(yè)誠(chéng)信文化建設(shè)和法制建設(shè)。此外，還應(yīng)改革銀行信貸體系，重點(diǎn)糾正銀行信貸選擇歧視，引導(dǎo)市場(chǎng)化的銀行信貸風(fēng)險(xiǎn)評(píng)估機(jī)制，積極促進(jìn)銀行信貸均衡發(fā)展。

樊綱，王小魯，朱恒鵬.2011.中國(guó)市場(chǎng)化指數(shù):各地區(qū)市場(chǎng)化相對(duì)進(jìn)程2011年報(bào)告［M］.北京:經(jīng)濟(jì)科學(xué)出版社.

范小云，董二磊.2015.銀行信貸、商業(yè)信用與企業(yè)出口:基于聯(lián)立方程模型的經(jīng)驗(yàn)分析［J］.中國(guó)經(jīng)濟(jì)問(wèn)題(1):36－49.

江偉，曾業(yè)勤.2013.金融發(fā)展、產(chǎn)權(quán)性質(zhì)與商業(yè)信用的信號(hào)傳遞作用［J］.金融研究(6):89－103.

劉仁伍，盛文軍.2011.商業(yè)信用是否補(bǔ)充了銀行信用體系［J］.世界經(jīng)濟(jì)(11):103－120.

饒品貴，姜國(guó)華.2013.貨幣政策對(duì)銀行信貸與商業(yè)信用互動(dòng)關(guān)系影響研究［J］.經(jīng)濟(jì)研究(1):68－82.

石曉軍，張順明，李杰.2009.商業(yè)信用對(duì)信貸政策的抵消作用是反周期的嗎［J］.經(jīng)濟(jì)學(xué)(季刊)(1):213－236.

王竹泉，翟士運(yùn)，王貞潔.2014.商業(yè)信用能夠幫助企業(yè)渡過(guò)金融危機(jī)嗎［J］.經(jīng)濟(jì)管理(8):42－53.

徐緒松，陸雋.2006.信息經(jīng)濟(jì)學(xué)視角:利用商業(yè)信用緩解中小企業(yè)信貸配給［J］.生產(chǎn)力研究(2):231－234.

陽(yáng)佳余，楊蓓蕾.2013.商業(yè)信用和銀行信貸:替代還是互補(bǔ)［J］.當(dāng)代經(jīng)濟(jì)科學(xué)(5):20－31.

楊其靜，楊繼東.2010.政治聯(lián)系、市場(chǎng)力量與工資差異［J］.中國(guó)人民大學(xué)學(xué)報(bào)(2):69－77.

于洪霞，龔六堂，陳玉宇.2011.出口固定成本融資約束與企業(yè)出口行為［J］.經(jīng)濟(jì)研究(4):55－67.

余明桂，潘紅波.2008.政治關(guān)系、制度環(huán)境與民營(yíng)企業(yè)銀行貸款［J］.管理世界(8):9－39.

余明桂，潘紅波.2010.所有權(quán)性質(zhì)、商業(yè)信用與信貸資源配置效率［J］.經(jīng)濟(jì)管理(8):106－117.

張新民，王玨，祝繼高.2012.市場(chǎng)地位、商業(yè)信用與企業(yè)經(jīng)營(yíng)性融資［J］.會(huì)計(jì)研究(8):58－65.

AGOSTINO M，TRIVIERI F.2004.Does trade credit play a signaling role?Some evidence from SMEs micro data［J］.Small Business Economics，42(1):131－151.

BASSETT G，KOENKER R.1978.Asymptotic theory of least absolute error regression［J］.Journal of the American Statistical Association，73(363):618－622.

BASTOS R，PINDADO J.2013.Trade credit during a financial crisis:a panel data analysis［J］.Journal of Business Research，66(5):614－620.

BURKART M，ELLINGSEN T.2004.In－kind finance:a theory of trade credit［J］.American Economic Review，94(3):569－590.

COOK L D.1999.Trade credit and bank finance:financing small firms in Russia［J］.Journal of Business Venturing，14(5－6):93－518.

CULL R，XU C L，ZHU T.2009.Formal finance and trade credit during China’s transition［J］.Journal of Financial Intermediation，18(2):173－192.

DE BLASIO G.2003.Does trade credit substitute for bank credit?Evidence from firm－level data［R］.IMF Working Paper，No.WP/03/166.

ELLIEHAUSEN G E，WOLKEN J D.1993.The demand for trade credit:an investigation of motives for trade credit use by small business［R］.Board of Governors of the Federal Reserve System(U.S.)Working Paper，No.165.

ENGEMANN M，ECK K，SCHNITZER M.2011.Trade credits and bank credits in international trade:substitutes or complements［R］.BGPE Discussion Paper，No.108.

FISMAN R.2001.Trade credit and productive efficiency in developing countries［J］.World Development，29(2):311－321.

HECKMAN J J.1979.Sample selection bias as a selection error［J］.Econometrica，47(1):61－153.

HUANG H，SHI X J，ZHANG S M.2011.Counter－cyclical substitution between trade credit and bank credit［J］.Journal of Banking ＆Finance，35(8):1859－1878.

GE Y，QIU J.2007.Financial development，bank discrimination and trade credit［J］.Journal of Banking and Finance，31(2):513－530.

GIANNETTI M，BURKART M，ELLINGSEN T.2011.What you sell is what you lend?Explaining trade credit contrasts［J］.Review of Financial Studies，24(4):96－149.

LOVE I.，PREVE L A，SARRIA－ALLENDE V.2007.Trade credit and bank credit:evidence from recent financial crises［J］.Journal of Financial Economics，83(2):453－469.

MELTZER A H.1960.Mercantile credit，monetary policy and size of firms［J］.The Review of Economics and Statistics，42(4):429－437.

ONO M.2001.Determinants of trade credit in the Japanese manufacturing sector［J］.Journal of the Japanese and International Economies，15(2):160－177.

STIGLITZ J E，WEISS A.1981.Credit rationing in markets with imperfect information［J］.American Economic Review，71(3):393－410.