陳建華，李輝

（1.深圳大學經(jīng)濟學院，廣東深圳 518060；2.深圳大學研究生院，廣東深圳 518060）

我國金融環(huán)境對信貸配給的影響研究

陳建華1，李輝2

（1.深圳大學經(jīng)濟學院，廣東深圳 518060；2.深圳大學研究生院，廣東深圳 518060）

隨著金融改革和經(jīng)濟發(fā)展，我國整體金融環(huán)境得到了改善。民營金融機構迅速崛起，使得企業(yè)融資及獲得信貸配給的渠道增加。金融環(huán)境決定著我國各區(qū)域信貸配給的強度，而信貸配給也能推動經(jīng)濟的發(fā)展。經(jīng)過對2008至2014年面板數(shù)據(jù)的處理，我們得出的結論是：金融發(fā)展規(guī)模的擴大并不一定能有效促進信貸配給的提高，而市場化程度越高，信貸配給效率越高。因此，在金融環(huán)境改變的前提下，我國應采取協(xié)調區(qū)域發(fā)展的措施，以沿海區(qū)域帶動周邊地區(qū)；提高各省自身的市場化程度相對指數(shù)；政府加大對西北等偏遠地區(qū)的扶持與幫助，從而有效提高信貸資金的使用效率。

金融環(huán)境；市場化程度；信貸配給

我國是僅次于美國的全球第二大經(jīng)濟體，也是發(fā)展較快的經(jīng)濟體之一。雖然目前的金融體系功能尚不健全，體制發(fā)展欠缺，但我國經(jīng)濟卻在改革開放以來的30多年間擁有了年均近10%的經(jīng)濟增長率。從銀行體系來看，雖然我國至今仍不夠發(fā)達，但隨著十八屆三中全會的召開，金融環(huán)境的改變，我國民間金融的崛起對企業(yè)和經(jīng)濟發(fā)展做出了不可磨滅的貢獻。中國企業(yè)的快速發(fā)展得益于金融體系提供順暢的融資渠道，而融資渠道就是金融體系的信貸資金的配置以及利用效率。因此，金融環(huán)境與信貸配給之間存在著密切的聯(lián)系。眼下，我國金融的大環(huán)境正在發(fā)生著改變，各種融資金融機構的崛起，信貸配給已不僅僅只存在于銀行，而是遍布在各種金融機構之中。在這樣的環(huán)境下，本文著力于挖掘我國金融環(huán)境對信貸配給的影響。

（一）文獻回顧與研究的必要性及方法

關于信貸配給，從亞當·斯密（Adam Smith）的《國富論》以來，就受到不同時期的經(jīng)濟學家的關注與研究，因此關于信貸配給的理論研究和實證研究層出不窮。在20世紀70年代之前，關于信貸配給的研究主要集中于利率配給、信息不對稱和道德風險對信貸配給的影響分析，后來隨著信息經(jīng)濟學的發(fā)展，使經(jīng)濟學家們提出了影響信貸配給的主要原因是金融市場信息不對稱和代理成本的存在。

從國外的有關研究來看，John（1968）對信貸配給做了實證研究分析，得出了三個結論：一是信貸配給的存在范圍，即信貸配給在大型公司不存在，只在小公司存在；二是利率的影響程度。研究表明利率不會影響大公司的信貸配給，只會影響小公司；三是大公司的融資不會受信貸配給的影響，而小公司可能存在［1］。經(jīng)濟學家Williamson（1986，1987）從信貸配給的信息不對稱出發(fā)，提出了即使市場上沒有逆向選擇和道德風險，但只要有信息不對稱，就會存在信貸配給問題。那么政府應該從社會福利最大化出發(fā)，采取各項措施來增大社會福利［2］。Schmidt Mohr（1997）在假設風險是中性的前提下，利率、抵押品和貸款規(guī)模是影響信貸配給的主要因素［3］。而且Schmidt Mohr還深化信貸配給理論，發(fā)展到金融約束理論，認為政府可以通過對存款的監(jiān)督和限制惡性競爭等一系列的金融措施來改善信貸配給的環(huán)境［4］。Hung-Jen Wang（2002）認為在信息對稱的條件下，只要是企業(yè)的破產(chǎn)成本不為零，那么信貸配給就必然存在［5］。Malick和Chakrabory（2002）采用NSSBF（美國對小企業(yè)融資的全國性調查）的數(shù)據(jù)對小企業(yè)的信貸配給缺口和影響因素進行實證研究和檢驗，結果表明受信貸約束的小型企業(yè)的信貸缺口平均為20%［6］。

國內的學者對信貸配的研究也同樣引起了關注，已經(jīng)存在不少的文獻。王?。?997）認為在利率、抵押品和信貸配給反向選擇效應在國有銀行日益顯著的情形下，在信貸市場不完善的情況下，銀行應該使用信貸配給方法，使銀行效益最大化［7］。王霄等（2003）建立了企業(yè)抵押品和貸款規(guī)模與信貸配給關系的模型，研究了中小企業(yè)規(guī)模與信貸配給的關系。結果表明，資產(chǎn)規(guī)模較小的企業(yè)由于沒有適當?shù)牡盅浩范恍刨J機構剔除，使得其無法得到貸款，這也很好地揭示了在市場經(jīng)濟和轉型經(jīng)濟條件下中小企業(yè)融資難問題的根本所在［8］。穆爭社（2005）認為信貸配給是宏觀經(jīng)濟波動的加速器，且我國商業(yè)銀行的信貸配給呈現(xiàn)出關系型信貸配給的特征［9］。文遠華（2005）研究了1998年至2002年的我國利率管制和銀行對風險態(tài)度的轉折變化，以及信貸市場分化等方面對我國信貸配給影響的理論分析和解釋［10］。李文豪（2006）通過建立了一個含企業(yè)規(guī)模、質量以及效益效用的信貸配給模型，通過模型研究分析得出若銀行較看重企業(yè)規(guī)模，則會減輕信貸配給程度；若銀行更看重企業(yè)資產(chǎn)，則會加重信貸配給程度［11］。陳欣（2007）在S-W基本模型的基礎上，分析了我國信貸配給現(xiàn)有的市場環(huán)境及特點，并對我國商業(yè)銀行進一步的改革和政府決策提出了相應的意見和建議［12］。王靜（2011）力求破解信貸配給難題，建立了理論模型，結果表明在單一的市場條件下，信貸配給難以得到緩解；然而在多重市場條件下，信貸配給有可能得到突變和緩解［13］。任建軍等人（2011）利用1978年至2007年的面板數(shù)據(jù)，分析了全國、東中西部信貸配給與經(jīng)濟發(fā)展的關系，并得出兩者之間存在單向因果關系［14］。王欣昱（2013）基于31各省域的面板數(shù)據(jù)，分析了我國各省信貸配給效率差異性，實證結果證實我國各省的信貸配給效率存在明顯的空間區(qū)域差異，即東部〉西部〉中部〉東北部［15］。茍琴等人（2014）采用世界銀行提供的我國企業(yè)的數(shù)據(jù)，建立模型實證分析了我國信貸配給的決定因素。實證結果表明，企業(yè)規(guī)模、企業(yè)的盈利性、是否屬于關系型信貸，以及企業(yè)所處的金融發(fā)展等，均是影響信貸配給的顯著因素［16］。

通過上述文獻，我們發(fā)現(xiàn)至今還少有文獻針對性地研究金融環(huán)境對信貸配給的影響?？赡苁腔诳陀^數(shù)據(jù)的限制，大多文獻只研究了信貸配給的存在性以及其影響因素，而忽略了在金融環(huán)境日益變化的時代，金融環(huán)境對信貸配給影響的日益顯著性，而本文的分析立足于此。

（二）研究的必要性與方法

2012年以來，國內外的金融環(huán)境超出了預期。從國內來看，隨著利率市場化和經(jīng)濟轉型的加快，我國民間金融在十八屆三中全會的召開下迅速地崛起，在金融領域中占有一席之地，而傳統(tǒng)的銀行產(chǎn)業(yè)也在積極的轉型之中。在過去的金融環(huán)境中，影響銀行信貸配給的決定性因素主要是利率的管制，是企業(yè)是否頗具規(guī)模，以及銀行對企業(yè)的風險評估和對其持有的態(tài)度，而無需考慮到金融大環(huán)境的改變。而在當前的金融環(huán)境下，企業(yè)的融資，獲得的信貸配給渠道增加，不再僅僅依靠銀行的信貸，民間金融機構對中小企業(yè)的信貸融資也發(fā)揮著重要作用，在很大程度上解決了中小企業(yè)融資難的問題。這種金融環(huán)境的改變，對傳統(tǒng)銀行業(yè)的沖擊、對信貸資金的配給效率、對中小企業(yè)的融資都產(chǎn)生了一定的影響。因此，在金融環(huán)境的巨變中，對信貸配給的研究一定是具有現(xiàn)實意義與必要性的。

當金融環(huán)境發(fā)生變化時，銀行及其他金融機構的信貸配給行為必然會發(fā)生相應的變化。根據(jù)這種變化，本文的研究不再僅僅利用銀行貸款量作為因變量來研究信貸配給了，而是采用金融機構的貸款作為研究信貸配給的因變量。具體來說，我們采用2008年至2014年我國31個省域的數(shù)據(jù)來進行建立計量面板數(shù)據(jù)模型，其數(shù)據(jù)的分析分別從金融發(fā)展規(guī)模和我國各省份市場化程度兩個方面入手，文中以我國各省金融機構總資產(chǎn)與各省GDP的比值作為金融發(fā)展規(guī)模的指標，以我國分省市場化進程指數(shù)作為市場化程度指標；以我國各省金融機構的貸款量作為信貸配給指標。通過對面板數(shù)據(jù)的平穩(wěn)性檢驗及協(xié)整檢驗，在計量軟件的運用下，建立模型，得出結果，進行分析。

二、數(shù)據(jù)的處理與檢驗

本文采用的我國各省金融機構總資產(chǎn)與各省GDP（2008年至2014年）的數(shù)據(jù)均來自于wind數(shù)據(jù)庫（對于數(shù)據(jù)缺失部分的處理，采用已有月份的平均值*12來代替）；我國分省市場化進程指數(shù)選用樊綱等人編寫的《中國市場化指數(shù)2011》中2008年至2010年的市場化進程指數(shù)［17］，對于后幾年的數(shù)據(jù)缺失，本文采用平滑指數(shù)計算出來的估值進行代替；我國各省金融機構的貸款量數(shù)據(jù)來自于中國人民銀行。

（一）原始數(shù)據(jù)的平穩(wěn)性檢驗

面板數(shù)據(jù)中既包括截面數(shù)據(jù)，也包括時間序列數(shù)據(jù)。有些非平穩(wěn)的經(jīng)濟時間序列表現(xiàn)出共同的變化趨勢，而事實上也許這些序列間不存在直接的關聯(lián)。若此時，對面板數(shù)據(jù)進行回歸，得到較高的可決系數(shù)也是毫無意義的，所以對面板數(shù)據(jù)進行平穩(wěn)性檢驗是必不可少的。本文需要對我國各省金融機構的貸款量（設為）、各省金融機構總資產(chǎn)與各省GDP比值（設為）和市場化進程相對指數(shù)（設為）進行平穩(wěn)性檢驗。

1.時序圖進行平穩(wěn)性初步判斷

本文先對數(shù)據(jù)做時序圖，進行粗略的直觀判斷是否含有截距項和趨勢項，從而進一步為單位根的檢驗模型做準備。

圖1.各數(shù)據(jù)的時序圖（分別為y、x1、x2）

從圖1中各數(shù)據(jù)的趨勢來看，各省金融機構的貸款量y、各省金融機構總資產(chǎn)與各省GDP比值x1和市場化進程指數(shù)x2都具有截距項或含有趨勢。時序圖雖然直觀，但較為粗略，下文將用單位根檢驗來檢驗數(shù)據(jù)是否平穩(wěn)。

2.單位根的平穩(wěn)性檢驗

鑒于時序圖粗略直觀，故對面板數(shù)據(jù)的檢驗結構仍需一一檢驗。對于面板數(shù)據(jù)的單位根檢驗，我們可以使用LLC、IPS、Breitung、ADF-Fisher和PPFisher這5種方法進行。其中LLC和Breitung檢驗的原假設是存在共同的單位根，IPS、ADF-Fisher和PP-Fisher檢驗的原假設是存在不同的單位根。由于單位根的檢驗方法較多，一般來說，從原假設是存在共同單位根的檢驗方法中選取一種檢驗方法，再從原假設是存在不同單位根的檢驗方法中選取一種檢驗方法來進行檢驗是否存在單位根。但本文，為了檢驗單位根的精確度著想，只有全部通過所有方法的檢驗，拒絕所有的原假設，才能說明原數(shù)據(jù)是平穩(wěn)序列；反之，原序列就是非平穩(wěn)序列。

經(jīng)過Eviews軟件的操作，依次對原序列y、原序列x1、原序列x2進行單位根檢驗，發(fā)現(xiàn)序列y、x1、x2均是一階差分平穩(wěn)序列，是同階單整，也就是說三者之間存在直接的相連關系，滿足協(xié)整檢驗的前提。

（二）面板數(shù)據(jù)的協(xié)整性檢驗

面板數(shù)據(jù)只有通過協(xié)整檢驗，才能說明變量之間存在長期的均衡關系，其方程回歸殘差是平穩(wěn)的。對于面板數(shù)據(jù)的協(xié)整檢驗，一般有兩大類方法。一是建立在EG二步檢驗法基礎上的Pedroni檢驗法和Kao檢驗法；二是基于Johansen協(xié)整檢驗基礎上的面板數(shù)據(jù)的協(xié)整檢驗。本文選取基于EG兩步檢驗上的Pedroni檢驗法和Kao檢驗法來檢驗面板數(shù)據(jù)之間是否存在協(xié)整關系。

1.Pedroni面板協(xié)整檢驗

在Eviews軟件的運行下，得到如下的結果。

表1.Pedroni檢驗結果

從表1中可見，雖然Pedroni檢驗下Panel rhostatistic和Group rho-statistic下的P值為1，接受了原假設，但在其他的統(tǒng)計量下，P值均為0.0000，拒絕原假設。尤其是在ADF統(tǒng)計量下P值顯著，說明用于建立模型的面板數(shù)據(jù)間存在協(xié)整關系。

2.Kao面板協(xié)整檢驗

在Eviews軟件的運行下，得到如下的結果。

表2.Kao檢驗結果

從表2中可見，Kao檢驗方法下的P值為0.0003，且遠小于0.05，拒絕原假設，同樣表明面板數(shù)據(jù)間存在協(xié)整關系。從表1和表2綜合來看，它們的ADF統(tǒng)計量的P值均小于0.05，拒絕不存在協(xié)整關系的原假設。所以，面板數(shù)據(jù)通過了協(xié)整檢驗，存在協(xié)整關系。

通過了協(xié)整檢驗，說明我國各省金融機構的貸款量、各省金融機構總資產(chǎn)與各省GDP的比值、市場化進程指數(shù)之間存在著長期均衡關系。因此我們可以直接對原序列方程進行回歸，且此時的回歸結果是較為精確的。

三、面板模型的選擇與回歸

由于面板數(shù)據(jù)既存在時間序列數(shù)據(jù)，又含有截面數(shù)據(jù)。從時間上來看，不同個體之間可能會存在顯著性差異；從截面來看，不同截面之間也可能會存在顯著性差異。所以，對于面板數(shù)據(jù)進行回歸時，需要用Hausman檢驗來考慮建立的模型是固定效應模型還是隨機效應模型，同時也需要F檢驗來確定模型的形式。

（一）面板模型的選擇

在面板模型的形式上，有固定效應模型和隨機效應模型。一般來說，用樣本數(shù)據(jù)推斷整體效應，應用隨機效應回歸模型；直接對樣本數(shù)據(jù)進行分析的，采用固定效應模型。但實際情況需要Hausman檢驗來確定。而面板數(shù)據(jù)模型的形式主要是由常數(shù)項（截距）和系數(shù)向量是否為常數(shù)來決定的。一般分為三種：一是混合回歸模型，即常數(shù)項和系數(shù)都是常數(shù)；二是變截距模型，即系數(shù)是常數(shù)；三是變系數(shù)模型，即常數(shù)項和系數(shù)都是非常數(shù)。

1.確定影響形式

隨機效應模型的原假設是應建立隨機效應模型，再利用Hausman檢驗來檢驗該模型是否為隨機效應模型。從Eviews得出的隨機效應的Hausman檢驗結果來看，截面隨機檢驗的P值為0.0000，拒絕原假設。也就是說，該面板數(shù)據(jù)不是建立隨機效應模型，而是建立固定效應模型。

2.確定模型形式

面板數(shù)據(jù)模型形式有上述的三種形式，但具體選用哪種需要用F檢驗來確定①。

其中為α常數(shù)項，β為系數(shù)向量，N為截面?zhèn)€體數(shù)量。

其中，s1，s2，s3分別是變系數(shù)模型、變截距模型和混合模型的殘差平方和，K為解釋變量的個數(shù)。

判定規(guī)則：若接受H2，則為混合回歸模型。若拒絕H2，則檢驗假設H1。

若接受H1，則為變截距模型；若拒絕H1，則為變系數(shù)模型。

由本文的面板數(shù)據(jù)可知，截面數(shù)N=31，時間長度為T=5，變量數(shù)K=2。在軟件Eviews的運行下，本文得出s1=2.73E+10，s2=8.75E+10，s3=4.19E+11。所以得到兩個F統(tǒng)計量的值分別為：F1=2.27，F(xiàn)2=10.57。

在給定5%的顯著水平下，查表得到F分布相應的臨界值F0.05（58.60）=1.53，F(xiàn)0.05（87.60）=1.48。由此，可知F2=10.57〉1.48，拒絕假設H2；又由于F1=2.27〉1.53，所以也拒絕H1。由上述的判定規(guī)則可知，該面板數(shù)據(jù)應建立變系數(shù)模型。

綜上所述，本文中的面板數(shù)據(jù)應建立固定效應變系數(shù)模型。

（二）回歸結果與分析

在前文的基礎上，已經(jīng)確定了模型的基本形式。下文將通過對數(shù)據(jù)分析建立的計量模型進行回歸分析，用數(shù)據(jù)來對我國各省金融機構的貸款量、各省金融機構的總資產(chǎn)與各省GDP的比值和各省市場進化指數(shù)存在的關系進行研究分析。

1.回歸結果

固定效應模型又分為個體固定效應模型、時點固定效應模型和個體時點固定效應模型。由于本文選用的數(shù)據(jù)時間序列較短，但截面較多，所以在Eviews軟件的運行下，經(jīng)過不斷地修正、檢驗和比較，得出最佳的結果是以下的運行結果。（詳見附表1）

從附表1中可以看出，建立模型最佳的形式是個體固定效應變系數(shù)回歸模型。得出以下的表達式：

由于截面較多，本文只列出了北京、天津、河北與新疆地區(qū)的表達式，其他的地區(qū)城市根據(jù)附表1中的數(shù)據(jù)以此類推，得出表達式。從表達式的組成形式中可知，由可變常數(shù)、不變常數(shù)、每個省份的X1和X2組成。X1的系數(shù)說明了金融發(fā)展規(guī)模對信貸配給的影響程度，X2的系數(shù)說明了市場化相對進程指數(shù)對信貸配給的影響。

2.回歸結果分析

從模型的總體上來看，模型的自變量各省金融機構總資產(chǎn)與各省GDP比值和變量各省的市場化進程指數(shù)對各省金融機構對企業(yè)的信貸配給的影響是顯著的。模型的可決系數(shù)為0.974823，具有較高的可決系數(shù)，說明模型的擬合度較好。從表達式的各變量的系數(shù)來說，絕大部分的地區(qū)變量各省金融機構總資產(chǎn)與各省GDP比值前的系數(shù)為負，說明它不利于提高各省金融機構對企業(yè)的信貸配給的配置效率，也就是說各省金融機構的總資產(chǎn)占各省GDP的比值大，并不能對信貸配給產(chǎn)生積極的影響。而各省市場化進程相對指數(shù)的系數(shù)大部分是正數(shù)，說明市場化進程相對指數(shù)會對信貸配給的配置效率會產(chǎn)生正向影響。即市場化程度越高，對信貸配給有積極的影響；市場化程度低，對信貸配給產(chǎn)生消極的影響。這也充分表明，金融環(huán)境對信貸配給的影響程度是在于各省金融機構總資產(chǎn)與各省GDP比值和市場化進程指數(shù)之間的博弈。

從以上的表達式和附表1中可以看出，我國所有省份表達式的常數(shù)項均為負數(shù)。說明金融機構總資產(chǎn)/GDP和市場化進程相對指數(shù)為0或不存在時，信貸配給將會是一個負的存在。也就是說，在金融環(huán)境十分惡劣的情況下，金融機構與企業(yè)間將不會存在信貸配給。從金融發(fā)展規(guī)模（x1）的情況來看，各省份的系數(shù)除了新疆和西藏分別為4927.7和492.0，其他省份的系數(shù)全為負數(shù)。從系數(shù)為正可以看出，金融發(fā)展規(guī)模對新疆和西藏金融機構的信貸配給影響不大，由此從一個側面可知，我國西部地區(qū)的金融經(jīng)濟發(fā)展行業(yè)略有欠缺，我國應加強對西部地區(qū)的經(jīng)濟開發(fā)。從系數(shù)為負的省份中看，絕對數(shù)值較大的三個省份分別是廣東、江蘇和福建，且廣東省的數(shù)值遠遠大于其他兩個省份。這說明了金融發(fā)展規(guī)模對廣東省的信貸配給具有很重要的意義，一旦廣東省金融機構總資產(chǎn)與省GDP比值波動較大，金融發(fā)展規(guī)模發(fā)生重大變化，那么將對金融機構的信貸配給產(chǎn)生強大的沖擊，不利于信貸配給的配置效率。從市場化進程相對指數(shù)（x2）系數(shù)看來，除了我國青海為-61934.99，其他省份均為正數(shù)。說明了市場化程度越高，對金融機構的信貸配給效率也就越高。從表達式中可得知系數(shù)最大的省份是廣東，為886496.4，系數(shù)較小的省份有青海、西藏、寧夏和陜西。這說明了廣東省作為沿海地區(qū)，且有經(jīng)濟特區(qū)深圳，經(jīng)濟發(fā)展較快，市場化進程相對指數(shù)較高，對信貸配給有積極的影響。而系數(shù)較低的均為市場化進程相對指數(shù)較低、經(jīng)濟欠發(fā)達的西北地區(qū)，不利于提高金融機構信貸配給的配置效率。所以應該加強對西北地區(qū)的市場化進程與經(jīng)濟開發(fā)。

四、結論與建議

隨著經(jīng)濟的發(fā)展，我國金融環(huán)境也在發(fā)生巨大的變化。本文從金融環(huán)境這個獨特的視角對信貸配給的影響做出了面板數(shù)據(jù)計量模型，分析了各省金融機構總資產(chǎn)與各省GDP比值和市場化進程是如何影響信貸配給的。得出如下的結果：第一，金融發(fā)展規(guī)模與信貸資金的配置效率并非成正比，金融發(fā)展規(guī)模的擴大，并不能促進信貸資金配置效率的提高；第二，市場化程度越高，指數(shù)越大，越能促進信貸資金的配置效率。如廣東等沿海地區(qū)的信貸配給配置效率是最容易受金融發(fā)展規(guī)模和市場化進程相對指數(shù)的影響，而西北地區(qū)的經(jīng)濟欠發(fā)達，金融發(fā)展規(guī)模較小，市場化進程相對指數(shù)較低，因而信貸配給的配置效率也較為落后。

針對于各省金融規(guī)模不一，信貸資金的配置效率所存在的差異，本文提出如下幾點建議：

第一，沿海地區(qū)金融環(huán)境優(yōu)越，信貸配給效率較高，應帶動周邊內地地區(qū)協(xié)調發(fā)展，以促進區(qū)域信貸配置效率的提高。

第二，建議各省不要一味追求金融發(fā)展規(guī)模的擴大，追求金融總資產(chǎn)對GDP的占比，而應提高各省自身的市場化程度相對指數(shù)，從而促進信貸配給的效率。

第三，對于西北等偏遠地區(qū)，在市場機制發(fā)揮失靈的時候，中央政府應及時給予企業(yè)相應的扶持與幫助，以達到信貸資金的合理配置。

當然，本文的研究還存在一些局限性。一方面，本文采用截至2014年的最新數(shù)據(jù)來做分析研究，由于數(shù)據(jù)收集時的局限性，存在某些數(shù)據(jù)的缺失，對其處理都是使用平均數(shù)來代替，而信貸配給對某些企業(yè)會有一定的季節(jié)性，這將會影響實證分析結果存在一定的誤差；另一方面，目前市場化進程指數(shù)只編寫到2010年，而缺失的2011-2014年本文是用平滑指數(shù)估算出來的數(shù)值代替的，而市場化進程指數(shù)應隨著經(jīng)濟發(fā)展的水平提高而相應升高，因而這也將影響到實證分析的準確結果。所以，在后續(xù)的研究中，還有深入研究的必要和可能。

附表

_HUN--X2_HUN104383.22.13E-084.90E+120.0000 _GD--X2_GD886496.41.78E-074.97E+120.0000 _GX--X2_GX148169.74.22E-073.51E+110.0000 _HAIN--X2_HA I N160347.75.17E-063.10E+100.0000 _CQ--X2_CQ113852.52.80E-084.07E+120.0000 _SC--X2_SC347923.65.74E-076.06E+110.0000 _GZ--X2_GZ209202.52.13E-069.83E+100.0000 _YN--X2_YN244221.24.77E-075.12E+110.0000 _XZ--X2_XZ226.93898.33E-092.72E+100.0000 _SHX--X2_SHX46852.263.52E-081.33E+120.0000 _GS--X2_GS201217.52.31E-078.71E+110.0000 _QH--X2_QH-61934.993.47E-06-1.79E+100.0000 _NX--X2_NX25543.811.81E-071.41E+110.0000 _XJ--X2_XJ93682.051.65E-075.69E+110.0000 Fixed Effects(Cross) _BJ--C-180522.3 _TJ--C441980.1 _HB--C-318977.9 _SX--C376867.6 _NMG--C360370.5 _LN--C643636.6 _JL--C777141.7 _HLJ--C621422.0 _SH--C-739802.6 _JS--C79668.35 _ZJ--C-232104.7 _AH--C59122.53 _FJ--C62726.26 _J X--C498782.8 _SD--C-852529.1 _HN--C356811.0 _HUB--C519691.1 _HUN--C540064.0 _GD--C-6971542. _GX--C146500.7 _HA I N--C-4194.165 _CQ--C349659.3 _SC--C-998567.3 _GZ--C-5308.672 _YN--C-326221.1 _XZ--C983671.2 _SHX--C972993.9 _GS--C199873.8 _QH--C1268504.

注：

①面板數(shù)據(jù)計量經(jīng)濟分析=Econometric analysis of panel data/（美）巴蒂H.巴爾塔基（Badi H.Baltagi）著；白仲林等譯.—北京：機械工業(yè)出版社，2010，11，281頁；26cm.—（經(jīng)濟教材譯叢）。

［1］Dwight M Jaffee，F(xiàn)ranco Modigliani.A Theory and Test of Credit Rationing［J］.American Economic Review.Dec 1968，Vol.59 Issue 5.

［2］Stephen D Williamson.Costly Monitoring，Loan Contracts，and Equilibrium Credit Rationing［J］.Quarterly Journal ofEconomics，F(xiàn)eb1987，Vol.102Issue 1.

［3］Joseph Stiglitz.Refection on the National Rate Hypothesis［J］. The Journal of Economic Perspectives，1997.11.

［4］SchmidtMohrU.RationingVSCollateralizationin CompetitiveandMonopolisticCreditwithAsymmetric Information［J］.European Economic Review，Jul 1997，Vol.41 Issue 7.

［5］Hung-Jen.Wang.Symmetrical Information and Credit Rationing：Graphical Demonstrations［J］.Financial Analysts Journal.Mar/Apr 2002.

［6］Malick and Chakrabory.The Option to Wait to Invest and Equilibrium Credit Rationing［J］.Journal of Money，Credit and Bank，F(xiàn)eb 2002，Vol.34.

［7］王健.國有商業(yè)銀行信貸配給論［J］.經(jīng)濟學動態(tài)，1997（5）：4-11.

［8］王霄，張捷.銀行信貸配給與中小企業(yè)貸款［J］.經(jīng)濟研究，2003（6）：68-75.

［9］穆爭社.論信貸配給對宏觀經(jīng)濟波動的影響［J］.金融研究，2005（1）：74-81.

［10］文遠華.中國經(jīng)濟轉型時期信貸配給問題研究［M］.上海三聯(lián)書店，2005.

［11］李文豪.我國銀行經(jīng)營績效評價標準對信貸配給程度的影響［J］.金融研究，2006（10）：82-89.

［12］陳欣.中國信貸配給問題研究［J］.理論學刊，2007（2）：63-65.

［13］王靜，呂罡和周宗放.信貸配給突變分析—破解信貸配給難題的理論模型［J］.金融研究2011（8）：178-191.

［14］任建軍，柯善咨.信貸配給和區(qū)域經(jīng)濟發(fā)展［J］.金融論壇，2011（7）：16-25.

［15］王欣昱.我國信貸配給效率差異性研究—基于31個省域面板數(shù)據(jù)［J］.云南社會科學，2013（6）：86-98.

［16］茍琴，黃益平.我國信貸配給決定因素分析—來自企業(yè)層面的證據(jù)［J］.金融研究，2014（8）：1-17.

［17］樊綱，王小魯.中國市場化指數(shù)［M］.北京：經(jīng)濟科學出版社，2010.

【責任編輯：林莎】

F 830

A

1000-260X（2015）04

2015-03-10

陳建華，經(jīng)濟學博士，深圳大學經(jīng)濟學教授、經(jīng)濟學院教授委員會主任、國際金融研究所副所長，從事金融市場研究。李輝，深圳大學金融學碩士研究生，從事金融市場研究。