第三节 信贷渠道效应的存在性检验：总量情形

一、基准模型与检验的原假设

基于式（2-7）、式（2-8），设定如下用于检验的基准计量模型：

根据信贷渠道存在须满足的逻辑环节，如果命题1成立，那么应当有如下的原假设成立H0:β13＞0, β21＞0。即货币需求的正向冲击首先引起银行资产负债表中信贷资产的增加，而信贷的增加又真实地促进了产出增加。

对于式（2-10），为了避免产出、产业结构与信贷之间相互影响而产生的内生性问题，这里仍同时采用面板LS估计与动态GMM估计，以保证模型的动态完整性。式（2-11）将采用工具变量法进行估计，工具变量集包括货币需求冲击与经济结构变量。

二、变量定义与估计方法

经济结构（prsit）：广义上，信贷渠道中的经济结构指的是借款人获取信贷能力的异质性，但从实证角度来看，这种定义显然使数据获取面临难以逾越的困难。为此，由于企业是信贷获取的主体，这里假定经济结构的划分源于不同类型企业获取银行信贷能力的差异。对中国而言，改革开放以来，由于政策性因素或在规模等方面存在差异，一般而言，国有企业在获取银行信贷方面处于更为有利的地位。据此，我们用各个省份“国有及国有控股工业总产值/工业总产值”作为刻画经济结构的代理变量。

银行贷款（lit）：地区统计数据中贷款指标包括“各项贷款合计”“工业贷款”“商业贷款”和“农业贷款”，为了进一步剖析信贷渠道的作用结构，分别选用“各项贷款合计（list）”“工业贷款（liit）”和“商业贷款（lict）”三个指标的对数值来反映银行贷款情况。

与前面的情况类似，式（2-10）、式（2-11）估计过程中可能产生的参数估计有效性与统计推断问题主要源于式（2-10）的如下问题：一是银行信贷、产出与产业结构之间相互影响所产生的内生性；二是一些与截面单元特质及时序相关的因素未被引入模型。解决问题的方法仍是在剔除时间与截面效应的同时，结合动态GMM估计与面板分布滞后两种模型设定，寻求使得式（2-11）满足动态完整性的扩展模型。上述指标的数据来自《新中国六十年统计资料汇编》及2010年、2011年各个省份的统计年鉴。

三、货币需求冲击实证结果

表2-3至表2-5分别给出了货币需求冲击对贷款总量、工业贷款和商业贷款影响的实证结果。由表可得出如下结论：第一，各种情况下面板最小二乘估计结果的χ2（n）统计量值表明，基于随机效应假定的估计方法选择是不合理的，因此这里选择固定效应模型是适宜的。第二，虽然对非观测变量的固定效应假定更有效，但是表2-3、表2-4的实证结果表明，即使在面板最小二乘回归过程中同时剔除了截面与时间固定效应，或利用加权截面或时间固定效应最小二乘进行估计，参数的估计结果均未出现随着解释与被解释变量滞后项的延长而收敛的特征。这提示我们，仅通过引入解释与被解释变量的滞后项来解决解释变量内生性问题效果有限，即模型中还存在其他无法由解释与被解释变量滞后项的信息所包含，且又与解释变量当期值相关的重要因素。因而，最小二乘估计很可能不满足一致性。第三，n*J 统计量值显示，与表2-5一样，在表2-3、表2-4的面板动态GMM估计中，工具变量集的选择是满足弱有效性条件的。同时，估计结果还表明，大部分GMM系数估计值的符号方向是符合预期的。综合以上情况，下面我们将以动态GMM估计结果作为进一步分析的依据。

根据表2-3、表2-4、表2-5，无论贷款的种类如何划分，实际结果均显示，在诸如经济产出水平、存款准备金率等因素受控或被剔除的条件下，货币需求的正向冲击不能引致银行贷款的增加的原假设被严格拒绝，这与Driscoll（2004）和Melzer（2007）的结果是一致的。由于货币需求的正向冲击即意味着银行资产负债表中存款的增加，因此这一结果印证了信贷渠道存在性的第一个环节。表2-5估计结果表明，总的来看，如果货币需求冲击正向变化1个单位，那么大约会导致银行贷款增加0.056%。另外，比较表2-4、表2-5可以发现，货币需求冲击对工业贷款与商业贷款的影响是有差异的。具体地，货币需求正向冲击每增加1单位，则将导致工业贷款和商业贷款分别增加约0.059%、0.036%，货币需求对工业贷款的影响要大于商业贷款。也就是说，银行新增加的贷款资源更多地配置给了工业企业。对此现象的一个可能的解释是，相对于商业企业，工业企业往往具有如下优势：一是资产多、抵押物多，融资方式更多元化；二是经营复杂，涉及的上下游多，因而管理水平一般被认为更高；三是技术性强，可以创造实在的附加值而被认为持续经营能力强。

表2-3至表2-5中其他变量的回归结果表明，当期产出和当期经济结构对银行信贷的影响均显著为正，说明产出的增加以及国有经济占比的增加均会导致对银行信贷需求的增加，这符合通常的直觉与已有的理论。不过，估计结果同时显示，产出与经济结构的滞后值对信贷的影响是显著为负的，这可能与我国货币政策的逆周期性特征有关。

四、信贷对产出影响的实证

为了进行对比，表2-6同时给出了产出关于信贷的直接回归结果，以及以货币需求冲击为工具变量的间接回归结果。同时，为了保证估计结果的稳健性，两种回归均分别采用了LS估计和动态GMM估计两种估计方法。观察两种方法中LS估计结果可以发现，尽管SC信息准则表明随着滞后项的增加，估计功效有所提高，但模型的系数估计并未随着解释与被解释变量滞后项的增加而逐渐趋于一致。理论上，产生这一结果的原因主要有两个：一是解释变量之间存在比较严重的多重共线性；二是模型不满足动态完整性，即存在解释变量内生性问题。对变量之间简单相关系数的测算表明，多重共线性不是一个严重的问题，这一点也被和log的显著性并未出现随滞后项增加而减弱的特征所印证。据此，类似前面的分析，下面主要选用动态GMM估计结果作为分析的依据。

表2-6显示，无论解释变量是选择信贷本身还是其工具变量，模型Ⅰ、Ⅱ的n*J 统计量值表明，工具变量是弱有效的原假设不能被拒绝，这在一定程度上保证了系数估计的一致性。从模型Ⅰ、Ⅱ关注变量的系数来看，和log）各滞后项系数均是显著非0的，而这一点也得到了模型2、3、5、6中Wald检验的支持。具体地，和log的即期与长期乘数分别为0.189、0.094和0.149、0.084，含义是：如果和当期暂时性地分别增加1个单位或1%，那么当期产出将分别增长大约0.189%和0.149%；如果和l持久性地分别增加1个单位或1%，那么长期来看，产出将持久性地分别增长0.094%和0.084%。将结果与Driscoll（2004）和Melzer（2007）进行对比可以发现，与欧美的情况不同，对中国而言，不仅模型Ⅱ关注参数的即期与长期乘数均显著为正，而且模型Ⅰ也是显著为正的。对此的解释是：一方面，不同于欧美，中国的利率仍未实现市场化，因而信贷渠道所代表的数量机制仍发挥着重要作用；另一方面，就企业层面而言，由于一直未成功构建有效的其他融资机制，中国的中小企业存在明显的融资约束，因而银行信贷对中小企业显然具有特殊的重要性（战明华等，2009），而这是信贷渠道存在的重要微观基础。

模型Ⅰ、Ⅱ另一个需要关注的结果是，无论是即期还是长期乘数均比l大，这与Melzer（2007）的结果相反，与Driscoll（2004）结果的无规则性也不同。对此的一个解释是：这可能恰恰预示着以l）为变量直接估计存在无法克服的内生性问题。在统计上，内生性问题类似于遗漏重要变量，如果模型Ⅱ中还存在其他与产出负相关，而又未被以固定效应形式剔除的变量，那么，在直观上，由于即使剔除其他因素后，产出与信贷通常也是长期正相关的，因而这就可能导致l系数估值过小的偏误。对中国而言，劳动力与相当长一段时期内滞后的制度变迁等是值得考虑的因素。

综合上述分析所给出的判断是，命题1得到了证明。