楊竹清 張超林

[摘 要]選擇2015—2019年我國商業(yè)銀行信用貸款和城市發(fā)展數據為研究對象，探索數字普惠金融與銀行信用貸款投放的內在關系。實證發(fā)現：一是數字普惠金融顯著促進銀行信用貸款投放規(guī)模和占比。二是數字普惠金融與銀行信用貸款的正向關系，因城市發(fā)展水平不同存在差異，目前對東部城市銀行信用貸款促進作用更明顯。三是數字普惠金融對銀行信用貸款的作用存在結構效應，覆蓋廣度和數字化程度的作用相對更重要。四是是否為農商銀行在數字普惠金融和信用貸款的正向關系間起著負向調節(jié)作用。因此，為更好地發(fā)揮數字普惠金融的積極作用，提升銀行信用貸款占比，需要政府、監(jiān)管部門、銀行和企業(yè)居民共同努力，群策群力營造良好信用環(huán)境、夯實信用貸款基礎。

[關鍵詞]銀行信用貸款;數字普惠金融;城市發(fā)展;異質性

[中圖分類號] F724.6;F832[文獻標識碼]A[文章編號]1673-0461（2021）06-0079-11

一、引 言

中美貿易戰(zhàn)和新冠肺炎疫情雙重沖擊下，小微企業(yè)融資難、居民就業(yè)難等問題格外突出，為幫助小微企業(yè)復工復產、居民就業(yè)，落實“六保、六穩(wěn)”工作任務，推進國內國際“雙循環(huán)”戰(zhàn)略，銀行信用貸款被國家寄予厚望。如2020年6月《中國人民銀行、銀保監(jiān)會、財政部、發(fā)展改革委、工業(yè)和信息化部關于加大小微企業(yè)信用貸款支持力度的通知》中提出“確保2020年普惠小微信用貸款占比明顯提高”，國家“十四五”規(guī)劃也提到要推動信用貸款占比提高。然而一直以來，監(jiān)管部門的政策呼吁、指導或強制規(guī)定等帶來的效果不佳，難以根本扭轉銀行投放抵（質）押貸款的固有偏好，銀行信用貸款占比提升慢。其重要原因在于，當前我國仍是以銀行間接融資處于絕對主導地位的金融體系，大多數銀行囿于“抵押物崇拜”的經營慣性、風險控制水平、激勵約束機制和信用體系不完善的發(fā)展環(huán)境等內外因素，不愿或不敢大規(guī)模投放信用貸款，特別是小微企業(yè)類信用貸款發(fā)展緩慢、不容樂觀。當前，我國信用貸款具有線上消費類信用貸款發(fā)展迅速，小微企業(yè)類場景單一、產品缺乏、引進積極性較低，全國性股份制銀行信用貸款偏好高于區(qū)域性中小銀行的特征。這由于全國性股份制銀行產品體系完善、風控能力更強，客戶遍布全國有利于分散風險，因此其信用貸款規(guī)模較大、占比更高。而區(qū)域性城商銀行和農商銀行風險控制能力較弱，主要面向某個區(qū)域農戶或小微企業(yè)發(fā)放小額信用貸款，規(guī)模較小，風險相對較大，因此信用貸款規(guī)模小、占比更小。據博瞻智庫數據，我國銀行信用貸款占比由高至低分別為股份銀行（28.85%）、國有大型銀行（27.47%）、城商銀行（16.35%）和農商銀行（9.78%）[1]，即地方性銀行更加依賴于擔保類貸款，其信用貸款占比較低。

近年，數字經濟如火如荼、新基建加速推進，大數據、云計算、人工智能、移動互聯網等技術日新月異，金融科技在銀行的作用由后臺支撐逐漸變?yōu)榍芭_引領，越發(fā)占據核心地位，賦能信用體系建設和銀行風險管控等成為首要功能，數字化有望成為改善銀行怯于發(fā)放信用貸款困境的重要助力，信用貸款大發(fā)展時機來臨。同時，在此背景下，共享、成本低、廣覆蓋、使用便捷的數字普惠金融蓬勃發(fā)展，新冠疫情的暴發(fā)蔓延更凸顯了數字普惠金融價值、加速了其發(fā)展。數字普惠金融拓寬了傳統(tǒng)金融服務的邊界，豐富了金融服務主體和手段，延伸了金融服務觸角，提高了市場競爭性，對居民創(chuàng)收、扶貧以及緩解小微企業(yè)融資難融資貴問題等領域發(fā)揮著愈發(fā)積極的作用，較為有效地解決了普惠金融發(fā)展“服務可獲得”“商業(yè)可持續(xù)”“成本可負擔”三大難題。可以推測，促進信用貸款投放是數字普惠金融發(fā)揮作用的關鍵路徑之一。那么，數字普惠金融如何促進銀行信用貸款投放？城市發(fā)展水平是否是影響數字普惠金融作用于信用貸款的重要因素？覆蓋廣度、使用深度和數字支持服務程度等三種數字普惠金融維度與信用貸款間是否存在不同作用關系？解答以上問題，在國內大循環(huán)為主體、國內國際“雙循環(huán)”相互促進的新發(fā)展格局下，對促進國內消費、緩解小微企業(yè)融資困境、支持實體經濟發(fā)展等具有重要參考價值，對落實監(jiān)管部門信用貸款方面政策等具有重要現實意義。同時，也是數字普惠金融和信貸管理研究領域文獻的有益補充。

二、文獻回顧及研究假設

從2005年普惠金融概念被聯合國初次提出，到如今數字普惠金融常聽于街頭巷尾、頻見于書刊雜志，學術界關注的焦點從普惠金融的內涵、風險、發(fā)展模式等基本理論問題，逐漸轉移至數字普惠金融的現實效應，并形成較廣泛的共識。數字普惠金融作為普惠金融和金融科技的結合體，具有覆蓋廣泛、觸達便捷、政策靶向性、邊際成本近乎為零等獨特優(yōu)勢，可從規(guī)模、速度和準度這三個維度顯著降低融資成本和提高風控能力，對減貧扶貧 [2-3]、縮小城鄉(xiāng)收入差距 [4-5]、促進消費 [6-9]、緩解小微企業(yè)融資約束 [10-12]、居民創(chuàng)業(yè)增收 [13-17]、提升社會保障水平 [18]、經濟增長 [4]等社會經濟發(fā)展形成積極而深遠的影響。數字普惠金融產生了大量研究文獻。基于現有研究，數字普惠金融的作用機制和理論基礎，結合信用貸款原理，可推測數字普惠金融與信用貸款關系密切，前者可能通過多渠道、多效應作用于后者。然而，仔細梳理相關文獻仍鮮見實證研究數字普惠金融和信用貸款關系的成果。

（一）數字普惠金融促進信用貸款

一方面，數字普惠金融促進個人消費信用貸款。一是數字普惠金融有利于完善征信體系，提升銀行風控水平，銀行有信用貸款產品供給，消費者能使用信用貸款。傅秋子和黃益平[11]研究指出數字金融整體水平的提升減少了農村生產性正規(guī)信貸需求概率，增加了農村消費性正規(guī)信貸需求概率。二是數字普惠金融有利于消費者就業(yè)、增收以及提升社會保障水平，使得消費者敢使用信用貸款。如方觀富和許嘉怡[16]發(fā)現數字普惠金融的發(fā)展顯著促進了居民的就業(yè)，增加了工作收入。三是數字普惠金融覆蓋面廣、使用便捷、嵌入消費場景豐富，促使消費者愿使用、容易使用信用貸款。易行健和周利[8]、鄒新月和王旺[9]等認為數字普惠金融的發(fā)展能夠有效促進居民消費水平的提高，通過對內部機制的疏導發(fā)現數字普惠金融可以通過收入、移動支付、消費信貸和保險促進消費，且對西部地區(qū)影響大于東部。

另一方面，數字普惠金融促進中小微企業(yè)信用貸款。一是銀行利用大數據、云計算、人工智能、區(qū)塊鏈等技術優(yōu)勢，降低獲客和風控成本，逐漸有能力為小微企業(yè)提供更多無抵押、無擔保的純信用貸款。二是隨著數字普惠金融發(fā)展，銀行越發(fā)表現為一種服務，而不是物理場所，跨界競爭日益激烈，信用貸款成為爭奪重點，疊加監(jiān)管部門推動，銀行信用貸款供給增加。三是數字普惠金融有利于降低小微企業(yè)融資成本，從而促進小微企業(yè)擴大信用貸款需求。Manyika et al.[13]發(fā)現數字普惠金融發(fā)展為因缺乏信貸獲取渠道而受阻的小型企業(yè)注入了新的活力。廖婧琳等[12]實證檢驗了數字普惠金融發(fā)展對企業(yè)融資約束的緩解效應。四是數字普惠金融促進居民創(chuàng)業(yè)、企業(yè)創(chuàng)新，增加信用貸款需求。王博等 [19]研究表明網絡借貸通過信用認證機制、信息披露機制以及多次借貸積累的聲譽軟信息可以降低信息不對稱、信息搜尋成本和交易成本，從而為企業(yè)創(chuàng)新提供資金支持。此外，數字普惠金融促進經濟增長、提高城鄉(xiāng)居民收入和消費，間接推動企業(yè)擴大生產，從而增加融資需求。楊偉明等[4]認為數字普惠金融通過促進經濟增長和創(chuàng)業(yè)行為顯著提高了我國城鄉(xiāng)居民收入。張林和溫濤[17]發(fā)現數字普惠金融對居民創(chuàng)業(yè)具有顯著的促進作用，其一方面直接促進居民創(chuàng)業(yè)，另一方面通過帶動居民收入增長和服務業(yè)發(fā)展促進居民創(chuàng)業(yè)。因此，提出假設1。

假設1：地方城市數字普惠金融發(fā)展可顯著提升銀行信用貸款投放。

（二）銀行所處城市區(qū)域的異質性

銀行信用貸款與經營所在區(qū)域的城市發(fā)展水平息息相關，各城市數字普惠金融與信用貸款間的關系不可能千城一面?，F有研究也較一致指出數字普惠金融發(fā)揮的各種效應都或多或少存在某種明顯的異質性，特別是區(qū)域、地理帶來的異質性被論證最多。方觀富和許嘉怡認為數字普惠金融對城市地區(qū)和中西部地區(qū)居民的就業(yè)促進作用更大。汪亞楠等認為數字普惠金融能夠顯著地提升社會保障水平，從區(qū)域上看，數字普惠金融對各地區(qū)社會保障的促進效應為中部最強、西部其次、東部最弱。楊偉明等指出數字普惠金融對東部居民人均可支配收入的提升效果顯著大于中部和西部。張林和溫濤數字普惠金融發(fā)展對居民創(chuàng)業(yè)的影響存在基于自身發(fā)展水平、地區(qū)市場化程度和地區(qū)創(chuàng)新能力的單門檻效應。我國各城市間經濟水平、城鎮(zhèn)化水平、信用環(huán)境、金融發(fā)展水平、民營經濟規(guī)模、居民金融知識水平、消費習慣等差異大，而這些可能都是影響信用貸款的重要因素。同時，我國東中西部的區(qū)域劃分最能代表城市群體間差異，現狀顯示東部城市整體經濟相對發(fā)達、城鎮(zhèn)化水平高、信用環(huán)境好、金融業(yè)發(fā)展水平高、民營經濟活躍、居民消費能力強，更有利于信用貸款發(fā)展，學術界也存在諸多證實其差異的證據，因此，提出假設2。

假設2：相比中西部地區(qū)，數字普惠金融在東部地區(qū)對銀行信用貸款的促進作用更明顯。

（三）不同數字普惠金融維度作用的異質性

從已有數字普惠金融實證研究可發(fā)現，大多實證論文所采用的數字普惠金融數據，都來自北京大學數字金融研究中心和螞蟻金服集團聯合發(fā)布的中國數字普惠金融數據。該數據包括覆蓋廣度、使用深度、數字化程度三個維度，包含內容差異明顯，因此其對信用貸款發(fā)揮作用機制時，定然存在結構化差異。具體而言，覆蓋廣度代表著數字普惠金融的用戶數量、用戶比例以及用戶綁卡情況;使用深度則反映了數字普惠金融的實際使用情況，各個細分業(yè)務的使用活躍程度;數字化程度表示獲取數字普惠金融服務的便利性和貸款利率成本。如汪亞楠等認為數字普惠金融能夠顯著地提升社會保障水平，從結構上看，覆蓋廣度和使用深度對社會保障水平產生了顯著的促進效應，但數字化程度的效應不顯著。楊偉明等認為覆蓋廣度、使用深度和數字化程度對城鎮(zhèn)和農村居民人均可支配收入產生差異化影響。因此，提出假設3。

假設3：數字普惠金融的覆蓋廣度、使用深度、數字化程度三個維度對銀行信用貸款的影響存在顯著差異。

（四）不同類型銀行的異質性

統(tǒng)計口徑上，我國商業(yè)銀行業(yè)一般分為大型國有商業(yè)銀行、全國性股份制商業(yè)銀行、城商銀行和農商銀行等四大類型。各類型銀行金融科技和數字金融水平迥異，總體上全國性大銀行資產規(guī)模更大、基礎好、科技人才足、數據資產豐富，金融科技實力更強，數字金融水平高，而中小性或地方性商業(yè)銀行數字金融普遍起步晚、動作小、投入少、信心不足，因此數字化水平低。從信用貸款現狀看，幾大類型的商業(yè)銀行信用貸款規(guī)模和占比差異明顯，占比上從股份銀行、國有大型銀行、城商銀行至農商銀行依次降低。隨著數字普惠金融的快速發(fā)展和普遍應用，部分金融科技技術或利用門檻降低，或發(fā)展遭遇瓶頸、迭代困難，或積累了足夠成功經驗、試錯成本趨于零，小銀行可充分利用金融科技“后發(fā)優(yōu)勢”，不斷縮小與大型銀行在數字金融某一領域運用的差距，如信用貸款風控，但短期內數字普惠金融對大銀行的信用貸款促進作用更大。因此，提出假設4。

假設4：相比其他銀行，數字普惠金融發(fā)展對農商銀行信用貸款的促進作用更小，即在數字普惠金融和信用貸款關系間，是否對農商銀行起顯著負向調節(jié)作用。

三、變量、數據及模型

（一）樣本選擇和數據來源

研究樣本時間范圍為2015年至2019年，各變量數據主要來自三大數據庫：一是我國各城市各銀行信用貸款數據、基本資料和財務數據等來自Wind數據庫;二是各地級市經濟社會發(fā)展統(tǒng)計指標來自EPS數據庫中國城市數據庫;三是數字普惠金融指數來自北京大學數字金融研究中心和螞蟻金服集團聯合發(fā)布的中國數字普惠金融數據（該數據僅到2018年）。且對樣本做以下處理：刪除國有商業(yè)銀行、外資銀行和住房儲蓄銀行數據，刪除數據缺失嚴重的樣本數據，對連續(xù)變量做縮尾處理以排除異常值影響（1%—99%）。

（二）變量選取和模型構建

1.被解釋變量（Credit）

一是信用貸款余額（CreditS），是Wind數據庫中各銀行信貸結構數據的信用貸款余額數據。二是信用貸款占比（CreditR），以銀行信用貸款余額除以貸款總額。

2.解釋變量——數字普惠金融（DIF）

本文選擇各地級市層面的數字普惠金融總指標（DIF）以及三個子指標——覆蓋廣度（Width）、使用深度（Depth）、數字支持（Digital） 。在控制內生性時，參考梁雙陸和劉培培[20]等研究，以互聯網普及率（INF，互聯網用戶數/總人口數）作為數字普惠金融總指標的工具變量。

3.控制變量（Control）

銀行財務數據類控制變量。具體有：存款規(guī)模（Deposit，元，取自然對數）;成本收入比（CTI，%）;凈利差（NIM，%）;管理費用（ME，億元，取自然對數）;利潤率（PR，%）;不良貸款率（NPL，%）。各城市經濟社會發(fā)展類控制變量。具體有：經濟總量（GDP，億元，取自然對數）;第二產業(yè)占比（IndustryD，工業(yè)產值除以總產值，%）;總人口（Pop，萬人，取自然對數）;法人金融機構數（NumF，個，取自然對數）;營業(yè)網點數（NumNet，個，取自然對數）;規(guī)模以上企業(yè)數（NumCom，個，取自然對數）。此外，控制年度效應（year）為年度虛擬變量。表1列出了主要變量的描述性統(tǒng)計信息。從中可知，信用貸款余額、信用貸款占比、數字普惠金融指數等變量在樣本間差異顯著，樣本數據能為實證研究提供較好的數據支持。

4.模型構建

基于上述分析及已有研究基礎，構建基準回歸模型如下：

Creditit=β0+β1DIFit+βXControlit+βYyear+εit（1）

（1）式中，下標i表示各銀行樣本，下標t表示年份，Creditit為第t年i銀行信用貸款情況。εit為隨機擾動項。

鑒于不同類型銀行信用貸款差異顯著，為進一步考察數字普惠金融對銀行信用貸款的影響是否顯著受商業(yè)銀行類型影響，在（1）式中加入商業(yè)銀行類型虛擬變量（BankT，如為農村商業(yè)銀行取1，否則為0）與數字普惠金融交乘項BankT×DIF，檢驗交互項是否顯著非0，以反映可能存在的調節(jié)效應。具體模型如下：

Creditit=β0+β1DIFit+β2DIFit×BankTit+β3BankTit+βXControlit+βYyear+εit（2）

此外，考慮到監(jiān)管部門要求銀行信用貸款占比一直提升，銀行經營戰(zhàn)略不會突然逆轉，且數字普惠金融對信用貸款的影響可能存在滯后效應，因此在（1）式中加入數字普惠金融指數的滯后一期，構建動態(tài)面板模型。具體模型如下：

Creditit=β0+β1DIFit+β2Creditit-1+βXControlit+βYyear+εit（3）

四、實證研究結果

（一）信用貸款分布基本分析

1.不同類型銀行信用貸款分布

出于自身產品策略、風控能力、市場定位、經營慣性等原因，不同類型的銀行對信用貸款的偏好不同，實際投放呈現明顯差異。如圖1列示了2015—2019年五大類型銀行的信用貸款占比情況。從中可知，第一，各類型銀行信用貸款占比整體呈上升趨勢，但民營銀行例外，這因為2015年有信用貸款數據的民營銀行中僅天津金城銀行和浙江網商銀行2家，規(guī)?；鶖敌　５诙?，民營銀行的信用貸款占比一直最高，其次基本是股份制銀行、城商銀行、農商銀行和村鎮(zhèn)銀行，如2019年民營銀行信用貸款占比最高，均值達42.51%，這可能主要因為新設立的17家民營銀行主要通過線上渠道開展業(yè)務，面對客群主要為中小微企業(yè)和個體消費者，如網商銀行和微眾銀行等，信用貸款為主打產品。

2.不同地區(qū)銀行信用貸款分布

一般地方經濟發(fā)達程度決定了銀行信用貸款規(guī)模空間，但對信用貸款占貸款總額的比重影響存在不確定性，這也與銀行經營風格、戰(zhàn)略定位息息相關。表2列出了我國31個省（自治區(qū)、直轄市）的銀行信用貸款占比均值情況，圖2展示了2019年銀行信用貸款平均占比前10位的城市。可以發(fā)現以下特征：第一，大部分省份的銀行信用貸款平均占比逐年上升。第二，從東中西部區(qū)域分布看，各年度西部省份的銀行信用貸款平均占比最高，其后是東部、中部。其中，青海增幅最大、寧夏增速最快，如青海從2015年的5.84%升至2019年的35.76%，背后原因可能有二：一是離不開國家西部大開發(fā)戰(zhàn)略和扶貧戰(zhàn)略的加速推進，中部地區(qū)受到的政策照顧相對較少但經濟總量又不如東部地區(qū)。二是西部省份的銀行業(yè)不發(fā)達、樣本總量少。如貴州共11家樣本銀行，信用貸款占比均值一直高于20%，畢節(jié)、大方、普安、清鎮(zhèn)、修文農村商業(yè)銀行信用貸款占比都超過30%。第三，總體上經濟發(fā)達且增速較快省份的銀行信用貸款占比相對較高，如2019年，省級區(qū)域中上海、北京、天津、浙江等省份的銀行信用貸款占比超過20%。地市比較時，銀行信用貸款占比前10位城市中東部地區(qū)的占6個。

（二）實證結果

1.基準模型總體效應分析

表3列出了數字普惠金融對銀行信用貸款影響的實證結果。從中可知：第一，（A1）—（A6）各方程總體擬合良好，除方程（A4）、（A5）外變量DIF系數至少在5%的水平顯著為正，這表明各城市數字普惠金融發(fā)展的確可以促進銀行信用貸款投放，假設1成立。第二，被解釋變量為信用貸款占比（CreditR）時各方程的擬合優(yōu)度（R-squared）比信用貸款規(guī)模（CreditS）更高，這可能因為數字普惠金融可能對信用貸款余額的促進作用更明顯，或銀行財務指標或城市發(fā)展指標等控制變量對信用貸款余額解釋力更強，對銀行其他貸款余額影響較大。第三，被解釋變量（Credit）的滯后一期對信用貸款余額和占比都有顯著正影響。這一方面說明信用貸款存在滯后效應或經營慣性，另一方面也符合監(jiān)管部門對銀行信用貸款占比一直上升的監(jiān)管導向和要求。

2.考慮銀行所在城市區(qū)域差異的分析

與經濟發(fā)展狀況一致，我國東部省份數字普惠金融發(fā)展水平高于中部，中部又高于西部，因此按各銀行所在地市將樣本分成東、中、西部三組，以橫截面穩(wěn)健回歸模型估計結果如表4，從中可知：第一，從樣本分布看，東部銀行樣本數遠多于中部和西部，這也說明東部地區(qū)城市金融發(fā)展水平遠高于中西部。第二，僅在東部地區(qū)，數字普惠金融與銀行信用貸款規(guī)模和占比間存在顯著正向影響，表明數字普惠金融對銀行信用貸款的影響存在顯著地域效應，受到銀行所在城市社會經濟發(fā)展情況影響，假設2成立。因此，在中部、西部地區(qū)數字普惠金融對銀行信用貸款存在積極作用，但需要積極改善經濟、信用環(huán)境，提高城鎮(zhèn)化和市場化水平，促進銀行敢供應純信用貸款，企業(yè)居民愿意和能夠使用信用貸款。

3.考慮數字普惠金融結構效應的分析

普惠金融本身是內涵較廣的概念，數字普惠金融指數也是一個綜合指標，存在較多細分指標，第二級指標主要包括覆蓋廣度、使用深度和數字化程度。因此，以此三個維度探索其對銀行信用貸款的影響，估計結果如表5。從中可知：第一，當被解釋變量為銀行信用貸款規(guī)模（CreditS）時，變量數字普惠金融覆蓋廣度（Width）和數字化程度（Digital）系數分別在10%和5%的水平下顯著為正，使用深度系數為正但不顯著。第二，當被解釋變量為銀行信用貸款占比（CreditR）時，變量數字普惠金融數字化程度（Digital）系數在10%的水平下顯著為正。這表明數字普惠金融的用戶數量、用戶比例以及用戶綁卡，便利性和貸款利率成本是影響銀行信用貸款的關鍵因素，特別是便利性和成本起到舉足輕重的作用，這十分契合普惠金融誕生之日起身負的解決金融服務“可獲得、可承擔”的使命。同時，證明數字普惠金融的覆蓋廣度、使用深度、數字化程度三個維度對銀行信用貸款的影響存在顯著差異，假設3成立。

4.考慮銀行類型的分析

上文數據分析顯示因商業(yè)銀行類型不同，銀行信用貸款投放規(guī)模和占比明顯不同，考慮農商銀行是普惠金融的生力軍，且經營特征明顯，一般限于城市區(qū)域經營，數量較多，規(guī)模偏小，信用貸款占比偏低。因此，將樣本以是否為農商銀行分成兩組，加入交乘項DIF×BankT，實證結果列示如表6。從中可知：第一，不管是加入是否為農商銀行的虛擬變量BankT，還是交乘項DIF×BankT，方程（D1）—（D6）中解釋變量DIF的系數至少在10%的水平下顯著為正，這再次論證了數字普惠金融對銀行信用貸款規(guī)模和占比的正向影響。第二，方程（D1）和（D2）中，虛擬變量BankT的系數在10%的水平下顯著為負。這說明相比非農商銀行，農商銀行信用貸款顯著更少。同時，方程（D3）—（D5）中交乘項DIF×BankT系數至少在10%的水平下顯著為負，這充分說明了是否為農商銀行在數字普惠金融和信用貸款之間起到負向調節(jié)作用，在農商銀行中數字普惠金融的促進作用受到抑制，假設4成立。

（三）穩(wěn)健性檢驗說明

為保證實證結果的穩(wěn)健可信，本文采用了以下方法做穩(wěn)健性驗證：一是對連續(xù)變量做縮尾處理以控制極端值影響;二是采用了不同的實證方法，如橫截面OLS穩(wěn)健回歸、面板固定效應模型，動態(tài)面板模型、兩階段OLS模型等;三是刪除四大直轄市的銀行樣本，刪除了國有商業(yè)銀行、外資銀行和住房儲蓄銀行樣本數據?？傮w看，通過以上不同方法的實證結果較為一致（見表7），說明研究結論是穩(wěn)健的，數字普惠金融對銀行信用貸款投放有顯著積極作用。

五、研究結論及建議

“當鋪”思維在我國銀行業(yè)特別是中小銀行中根深蒂固，屢被人詬病，這是導致中小微企業(yè)融資難、融資貴的重要原因之一，信用貸款占比不斷提高是此思維改變的直接表現。在數字經濟時代，大數據、云計算、區(qū)塊鏈等技術日新月異且被迅速應用在銀行業(yè)，數字普惠金融快速發(fā)展，征信環(huán)境大幅改善，信息不對稱程度顯著降低、風控技術快速提升等，為銀行發(fā)放信用貸款創(chuàng)造了最佳條件。為探索數字普惠金融發(fā)展與銀行信用貸款投放之間的內在關系，本文實證發(fā)現：一是數字普惠金融顯著促進銀行信用貸款投放規(guī)模和占比。二是數字普惠金融與銀行信用貸款的正向關系，因城市發(fā)展水平不同存在差異，目前對東部城市銀行信用貸款促進作用更明顯。三是數字普惠金融對銀行信用貸款的作用存在結構效應，覆蓋廣度和數字化程度的作用相對更重要。四是是否為農商銀行在數字普惠金融和信用貸款的正向關系間起著負向調節(jié)作用。

要不斷提高我國銀行信用貸款占比，需要多方主體持續(xù)共同努力。首先，政府部門需營造良好的信用環(huán)境和加強數字經濟基礎設施建設，做好數據管理，打破政務數據部門間藩籬，降低銀行獲取信用信息的成本和難度，做好金融知識普及教育工作。其次，監(jiān)管部門改變信用貸款監(jiān)管導向，改善當前約束銀行信用貸款投放的政策，如過于重視抵押擔保在風險防范和緩釋中的作用、信用貸款較其他擔保貸款占用了更多的經濟資本。再次，銀行應提高信用貸款認識、創(chuàng)新信貸思維，積極利用金融科技技術，不斷提高風險控制能力，加強數據挖掘，不斷優(yōu)化信用貸款產品和服務體系、審批流程、考核制度，加強貸后管理。同時，善借外部資源，加強與政府部門、金融科技公司、擔保機構等合作，改進信用貸款風控模型，降低信用貸款風險。最后，企業(yè)居民需維護經營自身信用，重視信用數據積累，降低信息不對稱程度。同時，相互監(jiān)督、共同營造良好的信用環(huán)境，共同創(chuàng)建“心誠萬里無阻，無信寸步難行”的信用社會。

[參考文獻]

[1]博瞻智庫.國內銀行信用貸款、制造業(yè)貸款、中長期貸款比例是多少？質量又如何？[EB/OL].（2021-01-10）https：//www.sohu.com/a/324257480_100003691.

[2]CHEN L. From fintech to fin life ： the case of fintech development in China[J].China economic journal， 2016，9（3）：225-239.

[3]楊竹清.數字普惠金融的扶貧效率及其影響因素分析——基于31省市的經驗證據[J].浙江金融，2019（7）：66-74.

[4]楊偉明，粟麟，王明偉.數字普惠金融與城鄉(xiāng)居民收入——基于經濟增長與創(chuàng)業(yè)行為的中介效應分析[J].上海財經大學學報，2020，22（4）：83-94.

[5]殷賀，江紅莉，張財經，等.數字普惠金融如何響應城鄉(xiāng)收入差距？——基于空間溢出視角的實證檢驗[J].金融監(jiān)管研究，2020（9）：33-49.

[6]LI J， YU W， JING J X. The impact of digital finance on household consumption： evidence from China. [J]Economic modelling， 2020 （1）：317-326.

[7]張李義，涂奔.互聯網金融對中國城鄉(xiāng)居民消費的差異化影響——從消費金融的功能性視角出發(fā)[J].財貿研究，2017（8）：70-83.

[8]易行健，周利.數字普惠金融發(fā)展是否顯著影響了居民消費——來自中國家庭的微觀證據[J].金融研究，2018（11）：47-67.

[9]鄒新月，王旺.數字普惠金融對居民消費的影響研究——基于空間計量模型的實證分析[J].金融經濟學研究，2020，35（4）：133-145.

[10]MOLLICK E. The dynamics of crowd funding： an exploratory study[J]. Journal of business venturing， 2014，29（1）：1-16.

[11]傅秋子，黃益平.數字金融對農村金融需求的異質性影響——來自中國家庭金融調查與北京大學數字普惠金融指數的證據[J].金融研究，2018（11）：68-84.

[12]廖婧琳，胡妍，項后軍.數字普惠金融發(fā)展緩解了企業(yè)融資約束嗎？——基于企業(yè)社會責任的調節(jié)效應[J].云南財經大學學報，2020，36（9）：73-87.

[13]MANYIKA J，LUND S，SINGER M，et al. Digital finance for all： powering inclusive growth in emerging economies[Z].Mdepositinsey global institute，2016.

[14]謝絢麗，沈艷，張皓星，等.數字金融能促進創(chuàng)業(yè)嗎？——來自中國的證據[J]. 經濟學 （季刊），2018（4）：1557-1580.

[15]張勛，萬廣華，張佳佳，等.數字經濟、普惠金融與包容性增長[J]. 經濟研究，2019（8）：71-86.

[16]方觀富，許嘉怡.數字普惠金融促進居民就業(yè)嗎——來自中國家庭跟蹤調查的證據[J].金融經濟學研究，2020，35（2）：75-86.

[17]張林，溫濤.數字普惠金融發(fā)展如何影響居民創(chuàng)業(yè)[J].中南財經政法大學學報，2020（4）：85-95.

[18]汪亞楠，譚卓鴻，鄭樂凱.數字普惠金融對社會保障的影響研究[J].數量經濟技術經濟研究，2020，37（7）：92-112.

[19]王博，張曉玫，盧露.網絡借貸是實現普惠金融的有效途徑嗎——來自“人人貸”的微觀借貸證據[J].中國工業(yè)經濟，2017（2）：98-116.

[20]梁雙陸，劉培培.數字普惠金融與城鄉(xiāng)收入差距[J].首都經濟貿易大學學報，2019（1）：33-41.

Research on the Relationship between Digital Inclusive Finance

and Bank Credit Loans

——An Empirical Study Based on Chinese Urban Data

Yang Zhuqing1，? Zhang Chaolin2

（1. Risk Management Department ，Jiangmen Rural Commercial Bank， Jiangmen 529100，China;

2. School of Finance，Hunan Business University， Changsha 410205，China）

Abstract：? To explore the internal relationship between digital inclusive finance and bank credit loans， this paper studied the data from 2015 to 2019 of urban development and the credit loans from Chinas commercial banks. The research results indicate the following facts. First， digital inclusive finance significantly promotes the scale and proportion of bank credit loans. Second， digital inclusive finance is positively related to bank credit loans. But due to the difference in urban development， digital inclusive finance has obvious promotion effect on bank credit loans in eastern cities. Third， digital inclusive finance has a structural effect on bank credit loans， and the digital coverage and digitization degree are important. Fourth， whether rural commercial bank plays a negative regulatory role in the positive relationship between digital inclusive finance and credit loans. Therefore， the authors propose that the government， regulatory authorities， banks， and corporations should work together to create a good credit environment and strengthen the foundation for credit loan so that the digital inclusive finance can play a positive role in increasing the proportion of credit loans from the banks.

Key words： bank credit loan; digital inclusive finance; urban development; heterogeneity

（責任編輯：蔡曉芹）

收稿日期：2021-03-30

基金項目：國家社會科學基金項目《金融資源錯配影響民營企業(yè)創(chuàng)新的機理、效應與政策優(yōu)化研究》（20BJY108）;湖南省社會科學項目（17YBQ062）。

作者簡介：楊竹清（1982—），男，湖南邵陽人，博士，就職于江門農村商業(yè)銀行風險管理部，研究方向為銀行風險管理、普惠金融 ;張超林（1981—），男，回族，湖南邵陽人，博士，湖南工商大學財政金融學院講師，研究方向為普惠金融、企業(yè)創(chuàng)新。