徐章星 張兵

內(nèi)容提要：合理配置信貸資源既是實現(xiàn)金融支持實體經(jīng)濟的重要路徑，也是全面深化金融體制改革的基本方向?；谛畔㈧貥?gòu)建地區(qū)信貸錯配測算模型，本文利用2007-2019年中國上市公司信貸數(shù)據(jù)，采用俱樂部收斂方法、Dagum基尼系數(shù)分解法實證考察中國信貸錯配的收斂性與時空演變。研究結(jié)果表明：在克服傳統(tǒng)σ收斂和β收斂分析法可能存在的偏誤基礎(chǔ)上，俱樂部收斂方法的分析發(fā)現(xiàn)中國信貸錯配在總體上不存在收斂特征，而是收斂于4個不同穩(wěn)態(tài)水平的俱樂部，其中東部和西部發(fā)散、中部收斂;中國信貸錯配水平存在空間非均衡分布特征，信貸錯配基尼系數(shù)總體上呈現(xiàn)出一個較明顯的下降趨勢;相較于區(qū)域間差異和超變密度，影響中國地區(qū)信貸錯配差距的主要來源是區(qū)域內(nèi)差距。鑒于中國配置明顯受到地理分布、區(qū)域金融政策、資源稟賦、不同所有制等因素的綜合影響，需要改善地區(qū)金融生態(tài)環(huán)境，加快建立地區(qū)間分工與合作機制，促進信貸配置的均衡化和公平化，應(yīng)在推進合作共贏的過程中制定金融差別發(fā)展戰(zhàn)略，避免“一刀切”式改革，防范金融市場內(nèi)生風(fēng)險。

關(guān)鍵詞：信貸錯配;俱樂部收斂;logt檢驗;Dagum分解

中圖分類號：F8305??文獻標(biāo)識碼：A??文章編號：1001-148X（2021）03-0057-08

收稿日期：2020-06-01

作者簡介：徐章星（1991-），男，江蘇蘇州人，南京農(nóng)業(yè)大學(xué)金融學(xué)院博士研究生，研究方向：公司金融;張兵（1962-），男，江蘇鹽城人，南京農(nóng)業(yè)大學(xué)金融學(xué)院教授，博士生導(dǎo)師，研究方向：?財政金融與經(jīng)濟發(fā)展。

基金項目：國家自然科學(xué)基金面上項目，項目編號：71873065;國家自然科學(xué)基金青年項目，項目編號：71803082;教育部人文社會科學(xué)研究項目，項目編號：18YJC790220;江蘇省普通高校研究生科研創(chuàng)新計劃項目，項目編號：KYCX18_0752。

改革開放以來，我國經(jīng)濟發(fā)展與信貸規(guī)模擴張有效聯(lián)動，信貸規(guī)模不斷擴大，銀行在選擇貸款對象時若能更多地考慮其投資效果，就會有助于信貸資源配置到投資效率較高的企業(yè)，進而實現(xiàn)理想狀態(tài)下的信貸配置目標(biāo)。但是，金融機構(gòu)在實際配置信貸資源過程中面臨違約風(fēng)險，無法通過利率機制實現(xiàn)市場出清和風(fēng)險收益之間的均衡?；谥袊F(xiàn)階段的制度偏向和金融市場環(huán)境，信貸資金投向偏向于政府項目和國有企業(yè)，對于民營企業(yè)和新興行業(yè)的信貸支持力度明顯不足。盡管私有經(jīng)濟投資效率普遍偏高，但是從金融市場獲得的信貸支持程度較低，較高的融資成本和融資門檻制約了民營和中小企業(yè)的發(fā)展[1]，基于投資效率的甄別機制難以發(fā)揮作用[2]。在中國的銀行系統(tǒng)未實現(xiàn)完全利率市場化的今天，信貸錯配的現(xiàn)象在不同屬性企業(yè)中是客觀存在的：一些較容易獲得貸款的企業(yè)往往投資效率低下、產(chǎn)能過剩，降低了整體的TFP水平[3-4]，另有部分企業(yè)融資受阻，降低了信貸配置效率[5]。此外，由于地區(qū)經(jīng)濟發(fā)展水平以及要素稟賦差異的客觀存在，導(dǎo)致各地區(qū)信貸配置的初始條件不同[6]，致使中國的信貸配置表現(xiàn)出一定的地域分布特點，金融發(fā)展存在不同的收斂俱樂部[7]?；谛畔㈧貥?gòu)建地區(qū)信貸錯配測算模型，本文利用2007-2019年中國A股上市公司數(shù)據(jù)，采用俱樂部收斂方法和Dagum基尼系數(shù)分解方法對中國信貸錯配的收斂性和時空演變進行考察，以期提出相應(yīng)的對策建議。

一、研究設(shè)計的提出

（一）俱樂部收斂方法

一般情況下，傳統(tǒng)收斂檢驗可以分為σ收斂和β收斂。σ收斂指的是地區(qū)間的差異隨時間的推移而縮小，即在特定區(qū)域內(nèi)某一變量的分散程度隨時間推移而降低[8];β收斂反映初期水平較低的個體以高于初期水平較高個體的增長率快速增長，即落后地區(qū)比發(fā)達地區(qū)增長更快[9]。σ收斂與β收斂聯(lián)系緊密，β收斂是σ收斂的必要非充分條件[10]。但是，傳統(tǒng)估計存在以下缺陷：第一，σ收斂和β收斂分析忽視了樣本中可能存在不同的收斂俱樂部;第二，在觀測期內(nèi)如果變異系數(shù)的變動趨勢不完全一致時，無法通過σ收斂法直觀判斷出收斂趨勢;第三，如果落后地區(qū)以遠(yuǎn)高于領(lǐng)先地區(qū)增長率的速度增長，那么初始落后地區(qū)在末期將趕超初始領(lǐng)先地區(qū)，雙方差距也有可能超過初期階段。因此，使用傳統(tǒng)β收斂方法進行估計得出的結(jié)論可能是有偏的。此外，如果在數(shù)據(jù)生成過程中存在大量的噪聲，傳統(tǒng)t檢驗將不適用。

有鑒于此，Phillips?&?Sul（2007）[11]提出了俱樂部收斂方法，能夠在樣本總體不存在收斂時利用相關(guān)統(tǒng)計方法對于局部收斂情況進行識別，進而將處于同一穩(wěn)態(tài)水平的不同個體歸類到同一收斂俱樂部。本文將全國各省（市、自治區(qū)）信貸錯配狀況表示為Xit，其中i=1，2，3…，31，t=1，2，3…，13，相對應(yīng)的年份分別為2007，2008，…，2019。在此基礎(chǔ)上，構(gòu)建時變單因子模型如下：

Xit=δitμt（1）

其中，μt不隨時間變動，在本文中可以等價于各?。ㄊ?、自治區(qū)）在信貸錯配過程中的共同趨勢，δit隨著時間的變化而變化，表示第i個?。ㄊ小⒆灾螀^(qū)）在t時刻所占比例。進一步利用半?yún)?shù)方程表示δit，將其分解如（2）式所示：

其中，δi為不隨時間變化的均值;

it是均值為0，方差為1的白噪聲過程;σi是特質(zhì)性的規(guī)模參數(shù)。L（t）=log（t），用來消除方差隨時間出現(xiàn)的自然增長，使得面板數(shù)據(jù)Xit平穩(wěn)化：當(dāng)t趨向于正無窮時，L（t）趨向于正無窮;α表示收斂快慢的大小，當(dāng)α0時，Xit中所有個體i將收斂于同一穩(wěn)態(tài)δi。因此，可以將面板數(shù)據(jù)Xit的收斂性考察轉(zhuǎn)化為以下假設(shè)檢驗：

式（3）中的原假設(shè)H0表示所有省（市、自治區(qū)）信貸錯配水平收斂于同一穩(wěn)態(tài)水平，而備選假設(shè)表示存在部分省（市、自治區(qū)）信貸錯配水平未收斂，各?。ㄊ小⒆灾螀^(qū)）信貸錯配水平的收斂路徑可由相對轉(zhuǎn)移參數(shù)hit來考察：

其中，N=31。如果所有省（市、自治區(qū)）存在趨同現(xiàn)象，那么δit將收斂于δi，則hit

1。在t時刻時，個體發(fā)散程度的截面方差Ht可以表示為：

在此基礎(chǔ)上可以通過如下方程考察Xit的收斂性，并將個體劃分至不同的俱樂部：

其中，H1/Ht為t時刻個體相對于初始時刻（2007年）的發(fā)散程度，α為常數(shù)項，β為log（t）的參數(shù)估計值。根據(jù)Phillips?&?Sul（2007）[11]基于模擬試驗的建議，對t=5，6…13進行回歸。為了避免隨機擾動項ut由于序列相關(guān)帶來的可能性偏誤，在回歸過程中使用β異方差自相關(guān)穩(wěn)健標(biāo)準(zhǔn)誤下的t統(tǒng)計量tβ進行單側(cè)t檢驗。如果tβ小于-165，則拒絕原假設(shè)，反之，則接受原假設(shè)。

如果對于全樣本的收斂性檢驗拒絕原假設(shè)，那么表明對于全國各?。ㄊ?、自治區(qū)）信貸錯配水平在總體上不存在收斂，繼而需要對樣本是否具有俱樂部收斂的情況進行檢驗。俱樂部收斂的內(nèi)生識別算法的具體步驟如下：

（1）將各個?。ㄊ?、自治區(qū)）按照觀察期最后一年的信貸錯配水平進行排序。

（2）找出核心組成員。將第一步中信貸錯配水平前K個地區(qū)（K=2，3…，N-1）構(gòu)成一個核心集團Ck，用logt依次對其進行檢驗，得出檢驗值tk，如（7）式所示，當(dāng)tk<-165（5%的顯著水平）時停止回歸，在已有的t檢驗值中找出最大的tk，相對應(yīng)的k*為收斂組中成員數(shù)量①。

（3）構(gòu)建收斂組。在確定核心組成員的基礎(chǔ)上，將其余個體依次加入核心組進行l(wèi)ogt檢驗判斷其是否與核心組成員同處于一個收斂組俱樂部。如果加入剩余地區(qū)后的logt檢驗滿足t大于某閾值c，則意味著這些個體將能夠與核心組成員在一起形成一個收斂俱樂部;反之，如果t<-165，則需要提高閾值c，并刪除tk值較小的部分個體，直至logt檢驗的t檢驗值大于-165，完成收斂組的構(gòu)建。

（4）繼續(xù)構(gòu)建收斂組。在第一個收斂組構(gòu)建完成后對剩余個體繼續(xù)進行l(wèi)ogt檢驗，重復(fù)第一步至第三步，考察剩余個體能否形成新的核心組成員并構(gòu)成一個俱樂部。如果在此時找不到滿足t?>-165的個體，則證明在剩余地區(qū)，信貸錯配水平是發(fā)散的，即在全國范圍內(nèi)，部分省份信貸錯配水平收斂于一個俱樂部，剩余地區(qū)的信貸錯配水平全部發(fā)散。

（5）俱樂部聚類合并檢驗。對于logt檢驗中t的閾值c作為臨界值可能會錯誤地將部分地區(qū)排除在俱樂部內(nèi)，需要在俱樂部收斂的內(nèi)生識別算法中進行聚類合并檢驗，在此過程中需要按次序?qū)ο噜従銟凡窟M行合并并進行l(wèi)ogt檢驗。若相鄰的兩個俱樂部合并后滿足t?>-165，則證明這兩個相鄰的俱樂部能夠合并成一個新的收斂俱樂部。

（二）Dagum基尼系數(shù)及其分解

為了考察空間非均衡化問題，比較地區(qū)內(nèi)和地區(qū)間差距及其來源，Dagum（1997）[12]提出基尼系數(shù)分解法，該方法將總體基尼系數(shù)G分解為區(qū)域內(nèi)差異貢獻（Gw）、區(qū)域間差異貢獻（Gnb）以及超變密度貢獻（Gt）三個部分，滿足G=Gw+Gnb+Gt。該方法彌補了泰爾指數(shù)在小樣本、異方差等方面可能存在的局限性，并且能夠檢測到差距來源。區(qū)別于以往按照行政區(qū)域劃分東部、中部和西部地區(qū)的傳統(tǒng)做法，本文以中國信貸錯配存在的不同俱樂部為劃分標(biāo)準(zhǔn)，利用Dagum基尼系數(shù)分解法計算地區(qū)內(nèi)以及地區(qū)間信貸錯配差距，總體Dagum基尼系數(shù)計算方法如表（8）所示：

G=12n2CM∑kj=1∑kh=1∑nji=1∑nhr=1CMji-CMhr（8）

其中，n表示全國省（市、自治區(qū)）的個數(shù);k為區(qū)域個數(shù);CMji和CMhr分別表示區(qū)域j和h第i個和第r個個體的信貸錯配水平;nj和nh分別表示地區(qū)j和地區(qū)h內(nèi)省（市、自治區(qū)）個數(shù)。式（9）在區(qū)域劃分的基礎(chǔ)上，將k個區(qū)域信貸錯配水平平均值按照從小到大的順序進行了排序。

式（10）和式（11）表示地區(qū)j的基尼系數(shù)與區(qū)域內(nèi)的差異貢獻;式自（12）和式（13）表示地區(qū)j和地區(qū)h間的基尼系數(shù)與區(qū)域間的差異貢獻;pj=nj/n，sj=njCMj/nCM，滿足∑pj=∑sj=1和∑kj=1∑kh=1pjsj=1;nj和nh分別表示地區(qū)j和地區(qū)h內(nèi)包含的?。ㄊ?、自治區(qū)）的個數(shù);CMji表示j地區(qū)內(nèi)第i個個體信貸錯配水平;CMhr表示h地區(qū)內(nèi)第r個個體信貸錯配水平。

其中，Gt為超變密度貢獻，表示的是在劃分區(qū)域過程中由于交叉項的存在而對總體差異產(chǎn)生的貢獻，當(dāng)交叉項不存在時，超變密度貢獻率為0;在式（15）中，Djh表示地區(qū)j和地區(qū)h之間信貸錯配水平的相對影響。

其中，F(xiàn)j（Fh）表示地區(qū)j（h）的累積分布函數(shù)，djh為地區(qū)j和地區(qū)h間信貸錯配的差值，即所有CMji-CMhr?>?0的個體值加總的數(shù)學(xué)期望;類似地，pjh為超變一階矩，指的是地區(qū)j和地區(qū)h中所有CMhr-CMji?>?0?的個體值加總的數(shù)學(xué)期望。

二、數(shù)據(jù)來源和地區(qū)信貸錯配程度測算

雖然Hsieh?&?Klenow（2009）[13]、靳來群（2015）[14]等國內(nèi)外學(xué)者對于如何測算銀行信貸錯配提出了不同的方法，但是迄今為止未形成同一意見。在我國二元經(jīng)濟結(jié)構(gòu)的影響下，雖然民營企業(yè)的資本收益率高于國有企業(yè)，但是較難從銀行信貸體系中獲得貸款，這在一定程度說明銀行系統(tǒng)在分配信貸資源時違背了“效率均等”的原則。為了充分反映我國銀行系統(tǒng)在分配信貸資源時由所有制差異導(dǎo)致的信貸錯配的現(xiàn)象，借鑒劉斌斌等（2019）[15]的做法，按照省域進行分組，在考慮不同所有制企業(yè)生產(chǎn)經(jīng)營效率差異導(dǎo)致信貸配置差異的基礎(chǔ)上，基于信息熵構(gòu)建地區(qū)信貸錯配測算模型[16]，計算出各省份的信貸錯配水平。記CMjt為第j個省第t年信貸錯配水平②，定義如下：

其中，k=5，為企業(yè)所有制類型，包括國有企業(yè)、民營企業(yè)、公眾企業(yè)、外資企業(yè)和其他企業(yè)共5種類型;Yjt表示省份j第t年不同所有制企業(yè)營業(yè)收入水平，由各企業(yè)營業(yè)收入加總而得，即Yjt=Yj1t+Yj2t+…Yjkt;Djt表示省份j不同所有制企業(yè)第t年信貸可得性，以省份j第t年所有企業(yè)負(fù)債合計和應(yīng)付賬款之差總和與總資產(chǎn)總和的比值來衡量，Djit為省份j中第i個企業(yè)第t年負(fù)債合計和應(yīng)付賬款之差與總資產(chǎn)的比值。CMjt反映了不同地區(qū)信貸錯配水平，當(dāng)Djit/YjitDjt/Yjt=1時，CMjt=0，說明銀行信貸按照效率均等的原則在不同所有制企業(yè)之間進行分配，銀行信貸資金的錯配程度最低;當(dāng)CMjt不等于0時，說明信貸資金并未按照效率的高低在不同所有制之間進行配置，銀行信貸資金在不同所有制之間出現(xiàn)了錯配現(xiàn)象，CMjt越大表明地區(qū)信貸錯配程度越高。

本文選取2007-2019年中國滬深兩市A股上市公司財務(wù)數(shù)據(jù)，數(shù)據(jù)來源于wind數(shù)據(jù)庫，在剔除ST、PT的企業(yè)以及缺失值的基礎(chǔ)上對全國31個?。ㄊ?、自治區(qū)）的信貸錯配水平進行了測算。表1為中國信貸錯配的演變趨勢與地區(qū)差異，可知中國信貸錯錯配水平在全國整體上呈現(xiàn)出上升趨勢，說明信貸錯配程度隨著時間的推移開始加深。為了客觀地反映其中可能存在的地區(qū)差異性，按照中國行政區(qū)劃劃分為東部、中部和西部地區(qū)③，發(fā)現(xiàn)中國省域信貸錯配空間分布存在失衡現(xiàn)象。從整體上看，在2007-2019年間中國信貸配置錯配程度從東部到中西部逐步降低，呈現(xiàn)出階梯狀趨勢。一方面，由于經(jīng)濟欠發(fā)達地區(qū)缺乏經(jīng)濟效應(yīng)較好的國有及大型企業(yè)，商業(yè)銀行會將信貸資金集中投向到經(jīng)濟發(fā)達地區(qū)，促使信貸資金的相對倒流，導(dǎo)致經(jīng)濟欠發(fā)達地區(qū)信貸資源越來越少;另一方面，盡管金融市場化程度不斷加深，但金融部門市場化改革嚴(yán)重滯后于產(chǎn)品市場，信貸配置的所有制偏向仍存在，銀行自主性并未得到顯著提升，加之近年來經(jīng)濟增速不斷放緩，出與穩(wěn)定國家經(jīng)濟基礎(chǔ)的考慮，在各地區(qū)內(nèi)部，銀行在信貸配置過程中更為謹(jǐn)慎，更愿意為國有企業(yè)提供更多的貸款，近年來中國信貸錯配程度呈現(xiàn)出一個上升趨勢，這一點在東部、中部和西部地區(qū)均存在。此外，由于東部地區(qū)信貸資金數(shù)量較為豐富，加上國有企業(yè)較多、信貸錯配程度較高，從西到東信貸配置的有效性下降。

三、實證結(jié)果與討論

（一）傳統(tǒng)收斂檢驗結(jié)果

對于中國信貸錯配的σ收斂情況，本文使用變異系數(shù)法（CV）進行測度。圖1為中國信貸錯配的σ收斂情況，可知中國信貸錯配的變異系數(shù)在總體上呈現(xiàn)出一個下降趨勢。盡管2008年有小幅上升，但在2008-2018年間，中國信貸錯配的變異系數(shù)總體上呈現(xiàn)出下降趨勢，說明在此期間內(nèi)中國信貸錯配存在σ收斂。在2007-2008年和2018-2019年，中國信貸錯配的變異系數(shù)呈現(xiàn)出上升趨勢，說明在此期間內(nèi)中國信貸錯配的收斂趨勢并不明顯，甚至出現(xiàn)發(fā)散的態(tài)勢。因此，通過變異系數(shù)法可以直觀判斷在2007-2019年間中國信貸錯配總體的收斂趨勢較為明顯。進一步借助計量模型，采用標(biāo)準(zhǔn)差（CV）對時間項（t）進行回歸，結(jié)果表明模型中時間項t的系數(shù)為負(fù)且在1%水平上顯著。因此，中國信貸錯配在考察其內(nèi)存在σ收斂。

本文使用Barro?&?Martín（1992）[9]提出傳統(tǒng)方法得出β絕對收斂的檢驗結(jié)果如表2所示，無論是否控制地區(qū)和年份，中國信貸錯配水平均趨于收斂，且在1%的水平上顯著。這說明在各種可能的因素共同作用下，信貸錯配水平較低的省份正在朝著信貸錯配水平較高的省份追趕;隨著時間的推移，可以預(yù)期信貸錯配水平較低的省份和信貸錯配水平較高的省份在未來會收斂于同一個穩(wěn)態(tài)水平，這一點與描述性統(tǒng)計相一致（表1），其中可能的原因是中國信貸配置伴隨宏觀制度偏向和微觀金融摩擦兩者的共同作用。一方面，盡管國有銀行商業(yè)化改革進程的加速，市場在信貸配置的過程中主體作用不斷提升，但金融市場改革嚴(yán)重滯后于要素市場改革，微觀金融摩擦雖然開始逐步降低，但降低幅度有限;另一方面，實體經(jīng)濟在經(jīng)濟面臨下行壓力的背景下增長趨緩，商業(yè)銀行在放貸過程中更為謹(jǐn)慎，國有企業(yè)成為銀行放貸的理性選擇。因此，中國信貸錯配將在未來收斂于一個大于0的穩(wěn)態(tài)水平。

（二）俱樂部收斂結(jié)果

根據(jù)前文的分析，σ收斂檢驗和β收斂檢驗都有可能存在一定程度上的偏誤。對于σ收斂，當(dāng)前半段數(shù)據(jù)收斂趨勢和后半段收斂趨勢不完全一致或相互沖突時就無法直觀地判斷總體的收斂趨勢。對于β收斂，如果部分省份在初期階段信貸錯配水平較低，但是增長速度較快，那么在末期其信貸錯配水平將超過初期信貸錯配水平較高的省份。此時β收斂的識別結(jié)果是不準(zhǔn)確的，同時值得注意的是σ收斂檢驗和β收斂檢驗均忽視了收斂的俱樂部情況。受到政策偏向、地區(qū)經(jīng)濟以及社會特征的影響，我國信貸錯配水平可能存在一定的地域差異性，需要檢驗信貸錯配水平在全國范圍內(nèi)是否存在俱樂部收斂，即在全國范圍內(nèi)信貸錯配水平是否收斂于2個及以上的穩(wěn)態(tài)水平。

從全國整體的角度來看，根據(jù)表3的實證結(jié)果可以發(fā)現(xiàn)β值為-05463小于0，且異方差穩(wěn)健的統(tǒng)計量tβ為-142288，遠(yuǎn)遠(yuǎn)小于5%顯著水平的臨界值-165，表明中國信貸錯配總體上未表現(xiàn)出收斂的特征?？紤]到地區(qū)經(jīng)濟發(fā)展和地理位置差異性導(dǎo)致的資源配置到差異，本文將全國分為東、中、西三大地區(qū)，并采用logt檢驗方法對東中西三個子樣本進行收斂性檢驗。結(jié)果表明：在5%的顯著水平下中部地區(qū)信貸錯配表現(xiàn)出收斂特征，即中部各省信貸錯配水平最終會出現(xiàn)趨同;東部和西部處于發(fā)散趨勢，即東部和西部地區(qū)內(nèi)部信貸錯配的非均衡化發(fā)展程度比較嚴(yán)重。

人為地從行政區(qū)域的角度將我國31?個省（市、自治區(qū)）劃分為三大區(qū)域可能有些粗糙，例如忽略了區(qū)域間的分工合作與協(xié)同發(fā)展戰(zhàn)略。本文采用內(nèi)生收斂俱樂部識別方法對中國信貸錯配可能存在的俱樂部進行檢驗，結(jié)果表明（表4）中國31個?。ㄊ?、自治區(qū)）收斂于5個不同的穩(wěn)態(tài)水平，構(gòu)成了5個不同的俱樂部：在第一俱樂部中，包括上海、北京、天津、山東、廣東、江蘇和浙江7個?。ㄊ校幱谖覈鴸|部地區(qū);第二俱樂部包含安徽、山西、廣西、河北、湖南和福建6?。ㄗ灾螀^(qū)），第三俱樂部包含河南、湖北、遼寧和陜西4省，第四俱樂部包含云南、內(nèi)蒙、吉林、新疆、甘肅、重慶、青海和黑龍江8?。ㄊ校?，均處于我國中西部地區(qū)，第五俱樂部包含江西、海南和貴州三省。此外四川、寧夏和西藏三地區(qū)發(fā)散。

本文利用收斂俱樂部內(nèi)生識別算法對相鄰的收斂俱樂部進行聚類合并檢驗，結(jié)果如表5所示：第二、三俱樂部tβ大于臨界值-165，說明第二、第三俱樂部能夠合并為一個新的收斂俱樂部。根據(jù)表4和表5的分析結(jié)果，有理由相信中國信貸錯配存在4個收斂俱樂部。本文將第一、第四和第五俱樂部分別命名為俱樂部A、C和D，將第二和第三俱樂部合并為俱樂部B。俱樂部A包含7省市均處于東部地區(qū)，包括華東三省市（上海、江蘇、浙江）、華北三省市（北京、天津、山東）和華南一?。◤V東）;俱樂部B包含華北二?。ê颖?、內(nèi)蒙）、華中三?。ê幽稀⒑?、湖南）、華南二?。ǜ＝?、廣西）以及部分其他省份;俱樂部C均處于我國經(jīng)濟欠發(fā)達地區(qū)，包含華北（內(nèi)蒙）、東北（黑龍江、吉林）、西北（新疆、甘肅、青海）和西南（云南、重慶）8省份;江西省、海南省和貴州省收斂于俱樂部D。此外，四川、寧夏和西藏三省份的信貸錯配水平呈現(xiàn)出發(fā)散趨勢。

總體來看，中國信貸錯配水平表現(xiàn)出地域上的偏向性。上海、北京、江蘇、浙江等東部7個省（市）收斂于俱樂部A的可能原因是：第一，該俱樂部成員均屬于我國東部地區(qū)經(jīng)濟較為發(fā)達的省份，商業(yè)銀行風(fēng)險偏好在當(dāng)前經(jīng)濟面臨下行趨勢的背景下開始轉(zhuǎn)移;由于經(jīng)濟欠發(fā)達地區(qū)經(jīng)濟效益較好的國有及大型企業(yè)較少，商業(yè)銀行會有選擇的將信貸資金集中配置到經(jīng)濟發(fā)達地區(qū)，引發(fā)信貸資金的相對倒流，進一步加速地區(qū)間信貸資金配置的不均衡，信貸配置的“馬太效應(yīng)”開始形成。第二，在經(jīng)濟發(fā)達地區(qū)內(nèi)部，商業(yè)銀行增加了國有企業(yè)以及大型企業(yè)的信貸發(fā)放量，進一步壓縮了民營企業(yè)以及中小企業(yè)的信貸可得性，即在經(jīng)濟較發(fā)達地區(qū)內(nèi)部，國有及大型企業(yè)能夠以較低成本獲得較多的銀行貸款，民營企業(yè)以及中小企業(yè)信貸可得性相較而言進一步降低，從而進一步拉大了國有及大型企業(yè)與民營以及中小企業(yè)之間的信貸配置水平的差距，形成經(jīng)濟發(fā)達地區(qū)內(nèi)部信貸配置的“馬太效應(yīng)”。第三，由于信貸配置雙重“馬太效應(yīng)”的存在，在供給端會降低金融機構(gòu)的信貸供給意愿，出現(xiàn)斷貸、壓貸等現(xiàn)象;在需求端會增加企業(yè)的畏貸心理，降低企業(yè)的真實信貸需求。因此，在這些因素的共同作用下，上海、北京、江蘇、浙江等東部7個省（市）的信貸錯配水平收斂于一個俱樂部，這在一定程度上解釋了經(jīng)濟發(fā)展水平較高的地區(qū)信貸錯配程度較高的原因。

對于俱樂部B和俱樂部C則呈現(xiàn)出小范圍內(nèi)的收斂，其中可能的原因是：盡管俱樂部B和俱樂部C內(nèi)大部分省市經(jīng)濟發(fā)展水平的相對落后、資源稟賦也相對不足，即對于信貸資金的吸引力相對薄弱，區(qū)域內(nèi)信貸配置的基礎(chǔ)條件相對薄弱，但是在“中部崛起”以及“西部大開發(fā)”等戰(zhàn)略的推動下，部分華北、華中和華南地區(qū)協(xié)作性開始加強，信貸錯配水平收斂于俱樂部B;邊遠(yuǎn)地區(qū)省份，如華北、東北、西北、西南部分?。ㄊ小⒆灾螀^(qū)）信貸錯配水平也會朝著相同的方向發(fā)展，收斂于俱樂部C。與此不同的是，江西、海南和貴州三省收斂于俱樂部D，未呈現(xiàn)出明顯的地理位置的相近性。

（三）中國信貸錯配的地區(qū)差異及其分解

為了分析中國信貸錯配的地區(qū)差異及其來源，本文采用Dagum基尼系數(shù)分解法，在厘清中國信貸錯配收斂于不同俱樂部的基礎(chǔ)上，對2007-2019年中國信貸錯配的基尼系數(shù)進行了測算和分解，結(jié)果如表6所示：

（1）2007-2019年中國信貸錯配差距水平總體上呈現(xiàn)出下降的趨勢，該趨勢為地區(qū)信貸錯配差異與演變趨勢提供了直接證據(jù)。具體而言，這一過程以2008年為分界點，在此之后基尼系數(shù)不斷減小，從2008年的0641下降至2017年的0565，而2017-2019年信貸錯配基尼系數(shù)有小幅回升的趨勢。這說明近年來中國信貸錯配的不均衡現(xiàn)象開始逐步緩和，信貸錯配基尼系數(shù)逐年降低。盡管在各地區(qū)內(nèi)部有小幅波動，但俱樂部A、B和C內(nèi)信貸錯配基尼系數(shù)差異的總體趨勢還是在減小;在考察期內(nèi)，俱樂部D信貸錯配基尼系數(shù)的演變趨勢并不穩(wěn)定，在趨勢上呈“正U型”。具體而言，俱樂部A的信貸錯配基尼系數(shù)由2008年的0465下降至2019年的0352，連續(xù)10年（2019年除外）保持下降趨勢。類似地，俱樂部B信貸錯配基尼系數(shù)從2009年的0353下降至2017年的0258，連續(xù)8年呈現(xiàn)出下降趨勢，而2018-2019年出現(xiàn)了短暫的上升，后經(jīng)小幅波動降至2019?年的0261;俱樂部C信貸錯配基尼系數(shù)在2007-2012年由0329下降至0241，連續(xù)5年保持下降趨勢，在忽略2018年小幅上升的基礎(chǔ)上，在2014-2019年由0245下降至0201。俱樂部D在考察期內(nèi)總體呈現(xiàn)出“正U型”，波動最為劇烈，2007-2008年呈小幅降低狀，2009年又明顯回升至0181，隨后出現(xiàn)逐年下降的趨勢，至2014年下降至0063，在2015年小幅上升至0070而在2016年又下降至0069，在2016-2019年保持逐年上升趨勢，至2019年上升至0154。

（2）就地區(qū)間差異而言，盡管信貸錯配的區(qū)域間差異在樣本考察期間呈現(xiàn)出波動趨勢，同時各地區(qū)之間差異在具體的上升和下降的時間點不完全相同，但總體演變趨勢基本一致，俱樂部A-B間、A-C間、A-D間、B-C間、B-D間以及C-D間均處于下降趨勢。具體而言，俱樂部A-C間差異始終處于最大，數(shù)值大小介于0581-0654之間，并于2008年達到頂峰，2019年達到最低值，為0581。俱樂部A-B間、俱樂部A-D間差異的初始值基本一致，但俱樂部A-B間總體下降幅度較俱樂部A-D間大;俱樂部A-B間和在俱樂部A-D間2008-2018年間同時實現(xiàn)連續(xù)10年下降，但俱樂部A-B間下降幅度較大，從0583下降至0480，俱樂部A-D間從0587下降至0508。類似地，俱樂部B-C間的基尼系數(shù)從2008年的0414下降至2011年的0363，在經(jīng)歷了2011-2013年的小幅上升后，由2013年的0371下降至2018年的0346;與此不同的是，俱樂部B-D間、俱樂部C-D間基尼系數(shù)分別在2009年和2007年達到最大值，為0406和0307，并且同時在2016年達到最低值，分別為0333和0208。

（3）就貢獻率而言，在樣本在考察期內(nèi)，區(qū)域內(nèi)差異貢獻率總體上呈現(xiàn)出上升趨勢，區(qū)域間差異貢獻率和超變密度貢獻率雖然有小幅波動，但總體處于下降趨勢。2007-2019年間區(qū)域內(nèi)貢獻率大于區(qū)域間差異貢獻率和超變密度貢獻率，說明區(qū)域內(nèi)差異貢獻率是信貸錯配差異的主要來源，數(shù)值大小介于76562%-82548%之間。區(qū)域間差異貢獻率在考察期內(nèi)總體上處于下降趨勢，數(shù)值大小介于6058%下降至2388%之間;超變密度貢獻率總體呈現(xiàn)出下降趨勢，由2008年的17707%下降至2019年的15004%。因此，能否縮小區(qū)域內(nèi)的差異貢獻、警惕超變密度和區(qū)域間差異，將成為未來一段時間內(nèi)中國信貸配置均衡化的關(guān)鍵，決定著未來地區(qū)信貸錯配的走勢。

總之，2007-2019年中國信貸錯配基尼系數(shù)的分解表明：2007年后中國信貸錯配基尼系數(shù)總體差距呈現(xiàn)出下降的態(tài)勢;除俱樂部D外，俱樂部A、B、C內(nèi)信貸錯配的基尼系數(shù)呈現(xiàn)出下降趨勢;在考察期內(nèi)，區(qū)域內(nèi)差異貢獻率占比最高，均在76%以上。

四、研究結(jié)論與啟示

本文利用2007-2019年上市公司信貸數(shù)據(jù)，基于信息熵構(gòu)建地區(qū)信貸錯配測算模型，考察了中國信貸錯配的收斂性與時空演變。結(jié)果表明，相對于傳統(tǒng)σ收斂和β收斂分析而言，在考慮地區(qū)差異的基礎(chǔ)上中國信貸錯配不存在全國范圍內(nèi)的收斂，中國信貸錯配存在4個收斂俱樂部，這4個俱樂部的分布受到地理分布、區(qū)域經(jīng)濟金融政策以及自身資源稟賦的綜合影響。在考察期內(nèi)，中國信貸錯配差距水平經(jīng)歷了一個較明顯的下降過程;無論是貢獻率還是發(fā)展趨勢，相較于區(qū)域間差異和超變密度，目前影響中國地區(qū)信貸錯配差距主要因素還是區(qū)域內(nèi)差距。

基于以上研究結(jié)論，本文提出以下政策建議：第一，進一步有效推動國有企業(yè)混合所有制改革，消除僵尸企業(yè)，同時支持民營企業(yè)發(fā)展，重視以制造業(yè)為基礎(chǔ)的實體經(jīng)濟的重要性，加強監(jiān)管，強實抑虛，以市場化的方式將信貸資金配置到更具投資效率的企業(yè)，創(chuàng)造符合現(xiàn)階段企業(yè)發(fā)展的信貸產(chǎn)品和服務(wù)方式，增加有效信貸供給，優(yōu)化信貸資源配置，防止信貸資金在金融體系內(nèi)空轉(zhuǎn)和系統(tǒng)性金融風(fēng)險的發(fā)生。第二，為了實現(xiàn)地區(qū)間信貸配置的協(xié)同發(fā)展，俱樂部成員之間應(yīng)當(dāng)加強合作，相互借鑒地區(qū)經(jīng)驗，促進金融產(chǎn)品和服務(wù)的創(chuàng)新，以點帶面地改善地區(qū)金融生態(tài)環(huán)境，同時構(gòu)建地區(qū)間分工與協(xié)作機制，實現(xiàn)以面帶片、協(xié)調(diào)發(fā)展，促進信貸配置的均衡化和公平化。第三，以俱樂部劃分為標(biāo)準(zhǔn)，加強和實現(xiàn)信貸投向的精準(zhǔn)化，同時仍需關(guān)注不同俱樂部之間的異質(zhì)性，在推進合作共贏的過程中制定金融差別發(fā)展戰(zhàn)略，引導(dǎo)信貸資源向投資回報率較高的地區(qū)流動，因地制宜地實現(xiàn)金融的可持續(xù)發(fā)展，促進信貸配置效率的提升，避免“一刀切”式改革，防范金融市場內(nèi)生風(fēng)險。

注釋：

①?如果所有tk都大于-165，則意味著樣本總體收斂。

②?為方便描述，下文中將省級行政單位（包括省、直轄市、自治區(qū)）統(tǒng)稱為省。

③?本文按照行政區(qū)域?qū)⑽覈?1?個省、市、自治區(qū)劃分為東部、中部和西部三大區(qū)域。其中，東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南等11?個?。ㄊ校?;?中部地區(qū)包括山西、吉林、黑龍江、安徽、江西、河南、湖北和湖南等8?個省份;?西部地區(qū)包括內(nèi)蒙古、重慶、四川、貴州、云南、陜西、甘肅、廣西、青海、寧夏、新疆和西藏等12?個省（市、自治區(qū)）。

參考文獻：

[1]?靳來群.所有蓋慶恩，朱喜，程名望，史清華.要素市場扭曲、壟斷勢力與全要素生產(chǎn)率[J].經(jīng)濟研究，2015，50（5）：61-75.

[2]?馬傳慧，阮永平，鄭凱，等.銀行甄別機制、貨幣政策與信貸資源流向[J].國際金融研究，2016（12）：54-63.

[3]?Hyeog，?Ug，?Kwon，?et?al.?Resource?reallocation?and?zombie?lending?in?Japan?in?the?1990s[J].?Review?of?Economic?Dynamics，?2015，18（4）：709-732.

[4]?申廣軍.比較優(yōu)勢與僵尸企業(yè)：基于新結(jié)構(gòu)經(jīng)濟學(xué)視角的研究[J].管理世界，2016（12）：13-24，187.

[5]?盧盛榮，郭學(xué)能，游云星.影子銀行、信貸資源錯配與中國經(jīng)濟波動[J].國際金融研究，2019（4）：66-76.

[6]?徐章星，尹鴻飛，張兵，等.國家級服務(wù)經(jīng)濟中心系統(tǒng)協(xié)同機制及測度[J].管理現(xiàn)代化，2020，40（1）：32-39.

[7]?胡宗義，趙晟，唐李偉.中國農(nóng)村金融發(fā)展的收斂性研究[J].統(tǒng)計與決策，2016（10）：128-132.

[8]?Quah?D.?Galton′s?fallacy?and?tests?of?the?convergence?hypothesis[J].?The?Scandinavian?Journal?of?Economics，?1993：?427-443.

[9]?Barro?R?J，?Sala-i-Martin?X.?Convergence[J].?Journal?of?political?Economy，?1992，100（2）：?223-251.

[10]Lichtenberg?F?R.?Testing?the?convergence?hypothesis[J].?The?Review?of?Economics?and?Statistics，?1994：?576-579.

[11]Phillips?P?C?B，?Sul?D.?Transition?modeling?and?econometric?convergence?tests[J].?Econometrica，?2007，?75（6）：?1771-1855.

[12]Camilo?Dagum.?Decomposition?and?interpretation?of?Gini?and?the?generalized?entropy?inequality?measures[J].?Statistica，?1997，?57（3）.

[13]Hsieh?C?T，?Klenow?P?J?.?Misallocation?and?Manufacturing?TFP?in?China?and?India[J].?Quarterly?Journal?of?Economics，?2009，?124（4）：1403-1448.

[14]靳來群.所有制歧視所致金融資源錯配程度分析[J].經(jīng)濟學(xué)動態(tài)，2015（6）：36-44.

[15]劉斌斌，嚴(yán)武，黃小勇.信貸錯配對我國綠色技術(shù)創(chuàng)新的影響分析——基于地區(qū)環(huán)境規(guī)制差異的視角[J].當(dāng)代財經(jīng)，2019（9）：60-71.

[16]Kinoshita?S?.?Henri?Theil，?Economics?and?Information?Theory[J].?Economic?Review，?1968，19：185-188.

Convergence?and?Spatial-Temporal?Evolution?of?Credit?Misallocation??in?China：

An?Analysis?of?Credit?Data?of?Listed?Companies?in?China?from?2007?to?2019

XU?Zhang-xing，?ZHANG?Bing

（College?of?Finance，?Nanjing?Agricultural?University，?Nanjing?210095，?China）

Abstract：Reasonable?allocation?of?credit?resources?is?not?only?an?important?path?to?financial?support?for?real?economy，?but?also?the?basic?direction?of?comprehensively?deepening?the?reform?of?financial?system.Based?on?information?entropy，?this?paper?constructs?a?regional?credit?misallocation?measurement?model.?Using?the?credit?data?of?China′s?listed?companies?from?2007?to?2019，?this?paper?adopts?club?convergence?method?and?Dagum?Gini?coefficient?decomposition?method?to?empirically?investigate?the?convergence?and?spatial-temporal?evolution?of?China′s?credit?misallocation.The?results?show?that：?on?the?basis?of?overcoming?the?possible?errors?of?traditional?convergence?and?convergence?analysis?method，?the?analysis?of?club?convergence?method?finds?that?China′s?credit?misallocation?does?not?have?convergence?characteristics?on?the?whole，?but?converges?to?four?clubs，?among?which?the?eastern?and?western?regions?diverge?and?the?central?region?converges;there?are?spatial?unbalanced?distribution?characteristics?in?China′s?credit?misallocation?level，on?the?whole，?Gini?coefficient?of?credit?misallocation?shows?an?obvious?downward?trend;compared?with?inter?regional?differences?and?over?variable?density，?the?main?source?of?credit?misallocation?gap?in?China?is?intra?regional?gap.Therefore，?it?is?necessary?to?improve?the?regional?financial?ecological?environment，?speed?up?the?establishment?of?regional?division?of?labor?and?cooperation?mechanism，?and?promote?the?balance?and?fairness?of?credit?allocation.?In?the?process?of?promoting?win-win?cooperation，?we?should?formulate?the?financial?differential?development?strategy?according?to?the?regional?differences，?avoid?the?“one?size?fits?all”?reform，?and?guard?against?the?endogenous?risks?in?the?financial?market.

Key?words：credit?misallocation;?club?convergence;?Logt?test;?Dagum?decomposition

（責(zé)任編輯：關(guān)立新）