楊盈盈, 葉德珠

一、引 言

近年來，“老賴”成為社會普遍關(guān)注的問題。最高人民法院的數(shù)據(jù)統(tǒng)計表明，失信被執(zhí)行法人(企業(yè))的數(shù)量在不斷上升，從2003年的約6 000家迅速增長至2018年的60多萬家，甚至一些優(yōu)質(zhì)企業(yè)也曾上過失信名單?！袄腺嚒边@一問題引起了社會的廣泛關(guān)注。然而目前對“老賴”形成原因的討論較為缺乏，普遍將老賴的形成簡單歸結(jié)為道德缺失，但從道德層面似乎很難解釋目前老賴廣泛存在的現(xiàn)狀，難道老賴多發(fā)的地區(qū)道德水平就一定低？實際上，結(jié)合我國宏觀經(jīng)濟金融背景來看，老賴企業(yè)的形成背后或許有更為深刻的經(jīng)濟金融邏輯，尤其在當(dāng)前經(jīng)濟轉(zhuǎn)型發(fā)展的過程中面臨著一系列突出的經(jīng)濟金融問題，有可能是導(dǎo)致老賴企業(yè)數(shù)量增長的主要驅(qū)動因素。

具體來說，老賴現(xiàn)象很大一部分原因在于現(xiàn)金流的斷裂，而這背后的根本原因可能在于金融環(huán)節(jié)的支持不足。實際上，我國中小企業(yè)一直受到融資難和融資貴等問題的困擾，但與此同時，我國社會融資的總量卻在節(jié)節(jié)攀升，截至2019年底，我國社會融資規(guī)模存量為221.28萬億元，同比增長10.7%。顯然，這種社會融資規(guī)模過大與中小企業(yè)融資困境并存的現(xiàn)象是由金融供給端與需求端的結(jié)構(gòu)失衡導(dǎo)致。這種結(jié)構(gòu)失衡造成的金融扭曲使得金融難以支持實體經(jīng)濟發(fā)展，因此中小企業(yè)面臨較強的融資約束。一方面，融資約束限制了企業(yè)的規(guī)模擴張，導(dǎo)致新創(chuàng)企業(yè)生存率較低。另一方面，融資約束導(dǎo)致企業(yè)資金鏈緊張，一旦資金鏈斷裂，企業(yè)失信行為將難以避免，從而誘發(fā)老賴的形成。從這一角度出發(fā)考慮或許能夠得到老賴產(chǎn)生原因更為有力的解釋。

企業(yè)的融資需求已經(jīng)內(nèi)生給定，因此緩解企業(yè)融資約束需要從金融供給端出發(fā)，調(diào)整金融供給的結(jié)構(gòu)才能實現(xiàn)精準(zhǔn)滴灌，滿足企業(yè)融資需求，從而減少企業(yè)失信行為的發(fā)生。當(dāng)前，我國以銀行業(yè)為主的金融結(jié)構(gòu)又決定了銀行業(yè)結(jié)構(gòu)調(diào)整對我國流動性結(jié)構(gòu)調(diào)整具有主導(dǎo)作用。根據(jù)新結(jié)構(gòu)金融學(xué)理論，銀行與企業(yè)之間存在“中小企業(yè)——軟信息——小銀行”以及“大企業(yè)——硬信息——大銀行”的二元匹配關(guān)系。銀行的規(guī)模大小決定了其克服信息不對稱的方式和比較優(yōu)勢(林毅夫等)。這種銀行—企業(yè)的規(guī)模匹配程度越高，資本配置效率及金融體系服務(wù)實體經(jīng)濟的能力則越高，不同特征的企業(yè)都能夠得到相應(yīng)的金融支持。在這種背景下，企業(yè)成為老賴的可能性就會大大降低。否則，銀企匹配的失衡會導(dǎo)致資源配置效率低下，進而形成各種金融扭曲，“老賴”也是金融扭曲的一種。為此，本文擬從銀行與企業(yè)規(guī)模結(jié)構(gòu)匹配的視角出發(fā)，討論老賴企業(yè)形成的原因。

本文使用2003—2013年省級面板數(shù)據(jù)對銀企匹配度與老賴企業(yè)比率進行回歸分析。本文可能的創(chuàng)新之處在于：(1)首次系統(tǒng)規(guī)范地實證檢驗了老賴企業(yè)產(chǎn)生的原因，深挖了道德因素之外，老賴企業(yè)形成原因的金融邏輯，即銀行與企業(yè)規(guī)模結(jié)構(gòu)匹配失調(diào)，從而產(chǎn)生信貸錯配誘發(fā)企業(yè)成為老賴。(2)企業(yè)成為老賴的本質(zhì)在于金融扭曲，本文從匹配的視角證明了銀行與企業(yè)的規(guī)模結(jié)構(gòu)匹配有利于降低企業(yè)成為老賴的可能性，證明了銀企匹配有利于減少金融扭曲這一新結(jié)構(gòu)金融學(xué)的重要推論，為新結(jié)構(gòu)金融學(xué)研究補充了重要的經(jīng)驗證據(jù)。(3)傳統(tǒng)文獻討論兩個變量之間的關(guān)系多采用加入交乘項的方法，本文結(jié)果發(fā)現(xiàn)構(gòu)建銀企匹配度指標(biāo)比加入交乘項的方法更有效，增強了識別的客觀性和準(zhǔn)確度，也為其他相關(guān)議題分析提供了技術(shù)指引。

本文余下的結(jié)構(gòu)安排如下：第二部分是文獻述評與理論分析；第三部分是研究設(shè)計；第四部分是實證檢驗結(jié)果及分析；第五部分是機制研究；第六部分是結(jié)論。

二、文獻述評與理論分析

(一)銀行與企業(yè)規(guī)模結(jié)構(gòu)間關(guān)系和規(guī)律的研究

銀行業(yè)中存在一種基于規(guī)模的專業(yè)化分工，即大銀行主要向大企業(yè)提供貸款，而小銀行主要給小企業(yè)貸款(林毅夫等；Lin et al.Lin,J. Y., Sun, X., Jiang, Y.,“Toward a Theory of Optimal Financial Structure”, , 2009. )。這表明，大銀行與小銀行提供的金融服務(wù)存在系統(tǒng)性差異。

首先，銀行的風(fēng)險偏好內(nèi)生于銀行的規(guī)模分布及其相應(yīng)的融資特征。一般而言，銀行的規(guī)模越小，則銀行的風(fēng)險偏好程度越高，越可能給高風(fēng)險的企業(yè)發(fā)放貸款(Saunders et al.)Saunders,A.,Strock, E.,Travlos,N. G., “Ownership Structure，Deregulation and Bank Risk Taking”, ,Vol.45,No.2,1990, pp.643-654. 。規(guī)模差異導(dǎo)致大、小銀行在克服信息不對稱以降低貸款風(fēng)險的方式和能力方面存在差異。大銀行通常更依賴硬信息而避免使用軟信息，為了實現(xiàn)貸款的風(fēng)險防范，并與小銀行實現(xiàn)差異化的競爭，會要求企業(yè)具備規(guī)范的財務(wù)體系，提供較高的抵押擔(dān)保并實施嚴格的違約清算。因此，大銀行最終為抵押充足、風(fēng)險較低的大企業(yè)提供融資。另外，小銀行在貸款活動中更加傾向和擅長收集、利用軟信息。軟信息識別上的比較優(yōu)勢讓小銀行貸款時不一定嚴格要求企業(yè)提供充足的抵押品，而更注重企業(yè)家的經(jīng)營能力、個人品質(zhì)、企業(yè)所在地的市場環(huán)境等因素。這使得小銀行在貸款選擇上能夠覆蓋更多的企業(yè)，而且可能會面臨高風(fēng)險企業(yè)，這種情況下小銀行會表現(xiàn)出高于大銀行的風(fēng)險偏好。因此，為了降低貸款風(fēng)險，小銀行最終為保持有良好貸款關(guān)系、具有企業(yè)家品質(zhì)、信譽良好的小企業(yè)提供融資。其次，銀行需要通過資產(chǎn)組合來分散風(fēng)險。資產(chǎn)規(guī)模較小的中小銀行難以提供大額貸款，否則會難以有效地分散資產(chǎn)風(fēng)險；大銀行的資產(chǎn)規(guī)模較大，向資金需求規(guī)模較大的大型企業(yè)提供信貸和其他金融服務(wù)的能力較強(NakamuraNakamura, L., “Commercial Bank Information: Implications for the Structure of Banking”, in Klausner,M., White,L.eds., , 1993, pp.131-160.；Berger and UdellBerger, A., Udell, G.,“Relationship Lending and Lines of Credit in Small Firm Finance”, , Vol.68, 1995, pp.351-382. )。

大量研究也發(fā)現(xiàn)，大型銀行傾向于將其資產(chǎn)的較低比例用于小企業(yè)的貸款，而小企業(yè)的信息問題更多，需要進行關(guān)系貸款(Berger et al.)Berger, A., Kashyap, A., Scalise, J., “The Transformation of the U.S. Banking Industry: What a Long, Strange Trip It’s Been”, , Vol.2, 1995, pp.55-218. 。此外，大型銀行提供的貸款往往規(guī)模較大，財務(wù)更可靠的企業(yè)最有可能獲得交易貸款，特別是財務(wù)報表貸款(Haynes et al.)Haynes,Irwin. G., Ou, C., Berney, R., “Small Business Borrowing from Large and Small Banks”， in Blanton,J.,Williams,A.,Rhine,S.eds., , 1999, pp.287-327. 。與小銀行相比，大銀行對大型企業(yè)貸款審批決定更多地基于財務(wù)比率，而不是基于先前關(guān)系的存在(Cole et al.)Cole, R., Goldberg, L., White, L., “Cookie-Cutter Versus Character: The Microstructure of Small Business Lending by Large and Small Banks”, in Blanton,J.,Williams,A.,Rhine,S.eds., , 1997, pp.362-389. 。Cole et al.Cole, R. A., White, G.,“Cookie Cutter vs. Character: The Micro-Structure of Small Business Lending by Large and Small Banks”, , Vol.2, No.2, 2004, pp.227-251. 使用美聯(lián)儲對小型企業(yè)的調(diào)查來分析大型銀行與小型銀行在貸款審批過程中的微觀差異，結(jié)果發(fā)現(xiàn)大型銀行在貸款決策過程中傾向于采用從財務(wù)報表中獲得的標(biāo)準(zhǔn)準(zhǔn)則，而小銀行的信貸決策則偏離了這些準(zhǔn)則，更大程度上取決于企業(yè)特征，以及與該企業(yè)信貸合作的經(jīng)歷。林毅夫和姜燁基于我國省級面板數(shù)據(jù)的研究發(fā)現(xiàn)，在重工業(yè)、大型企業(yè)占比偏高的地區(qū)，大型銀行的集中有利于促進經(jīng)濟增長；而在小企業(yè)為主的地區(qū)，則以小銀行主導(dǎo)更優(yōu)。林毅夫和孫希芳同樣基于中國 28 個省份的面板數(shù)據(jù)實證檢驗發(fā)現(xiàn)，在我國以勞動密集型中小企業(yè)為主導(dǎo)的產(chǎn)業(yè)結(jié)構(gòu)下，中小銀行市場份額越高的地區(qū)，其經(jīng)濟增長速度越快。張一林等認為相對于規(guī)模較小的銀行，大銀行在甄別軟信息(例如企業(yè)家經(jīng)營能力)方面不具有比較優(yōu)勢。大銀行的融資特性與大企業(yè)的企業(yè)特性相互匹配，中小企業(yè)的金融需求需要小銀行來滿足?；诖?，本文認為大銀行服務(wù)大企業(yè)，小銀行服務(wù)小企業(yè)是銀行與企業(yè)雙向選擇的最優(yōu)結(jié)果。

(二)銀企匹配關(guān)系對企業(yè)的影響研究

不同規(guī)模的銀行在融資特性及適合的融資對象等方面具有不同的比較優(yōu)勢，適宜的銀行業(yè)結(jié)構(gòu)對企業(yè)經(jīng)營和成長至關(guān)重要。一個地區(qū)的銀企匹配關(guān)系直接影響了企業(yè)的貸款可獲得性、貸款風(fēng)險等問題。一些文獻基于大小銀行市場份額占比的角度來研究銀企匹配對企業(yè)融資約束的影響。如李志赟建立了一個中小企業(yè)融資問題的分析模型，發(fā)現(xiàn)中小企業(yè)的非勻質(zhì)性、貸款抵押和交易成本是影響中小企業(yè)信貸可獲得性的重要因素，在模型中引入中小金融機構(gòu)后，中小企業(yè)可獲得的信貸增加，社會的總體福利也會增加。林毅夫和孫希芳的研究表明，四大國有商業(yè)銀行市場份額的下降和中小金融機構(gòu)市場份額的上升意味著中國實際的銀行業(yè)結(jié)構(gòu)向最優(yōu)銀行業(yè)結(jié)構(gòu)趨近，能夠提高信貸資金的配置效率。姚耀軍、董鋼鋒的研究表明，正是中小銀行發(fā)展所推動的銀行業(yè)結(jié)構(gòu)變化顯著緩解了中小企業(yè)融資約束，而銀行中介與金融市場的比例構(gòu)成以及金融發(fā)展水平并不會與中小企業(yè)融資約束形成穩(wěn)健的聯(lián)系。方軍雄對中國工業(yè)企業(yè)面板數(shù)據(jù)的研究發(fā)現(xiàn)，相較于大型企業(yè)，中小企業(yè)能夠獲得的銀行貸款更少、期限結(jié)構(gòu)更短。但是隨著中小銀行份額的上升，中小企業(yè)與大型企業(yè)之間的信貸差異會逐漸縮小，中小企業(yè)的融資困境得到緩解。李廣子等的研究也證實了這一點，中小銀行發(fā)展能夠提高金融發(fā)展水平，顯著縮小中小企業(yè)與大企業(yè)在借款融資上的差異。也有文獻從銀行業(yè)競爭程度的角度探討銀企匹配關(guān)系對企業(yè)的影響。付紅、高瑋實證發(fā)現(xiàn)，銀行業(yè)競爭程度的上升能夠緩解我國制造業(yè)的外部融資約束，進而促進產(chǎn)業(yè)發(fā)展與經(jīng)濟增長。姜付秀等的研究也表明競爭性銀行業(yè)結(jié)構(gòu)能夠降低企業(yè)貸款的交易成本，降低企業(yè)融資約束。蔡衛(wèi)星研究發(fā)現(xiàn)競爭性的銀行業(yè)市場結(jié)構(gòu)更有利于緩解企業(yè)面臨的融資約束，進而顯著提高企業(yè)的生產(chǎn)率。Ye et al.Ye, J., Zhang, A., Dong, Y.,“Banking Reform and Industry Structure: Evidence from China”, , Vol.104, 2019, pp.70-84. 對銀行業(yè)改革的研究發(fā)現(xiàn)，銀行的商業(yè)化可以通過促進小企業(yè)和年輕企業(yè)的擴張來緩解產(chǎn)業(yè)層面的壟斷約束。這一發(fā)現(xiàn)與放開中小銀行限制能夠促進小型和新興企業(yè)創(chuàng)新活動的研究有相通之處(Chava et al.Chava, S.,Oettl, A., Subramanian, A., “Banking Deregulation and Innovation”, , Vol.109, No.3, 2013, pp.759-774. )。

企業(yè)所面臨的融資約束會影響企業(yè)的經(jīng)營發(fā)展及違約風(fēng)險。一方面，融資約束會影響企業(yè)的收益，降低企業(yè)的償債能力；另一方面，由于正規(guī)融資受阻，企業(yè)更多地依賴非正規(guī)金融渠道獲得貸款，金融風(fēng)險增加。兩方面因素都會促使企業(yè)因債務(wù)問題成為失信被執(zhí)行企業(yè)，最后只能通過清算、破產(chǎn)等手段解決債務(wù)糾紛，甚至成為老賴。大多數(shù)文獻集中解釋了融資約束對企業(yè)盈利的影響，如劉小玄、周曉艷的研究表明，以企業(yè)固定資產(chǎn)和銷售收入等硬信息為依據(jù)配置融資或信貸資源其實與企業(yè)利潤的相關(guān)性很弱，甚至經(jīng)常是負相關(guān)的，表現(xiàn)為很低的融資配置效率，這樣的金融市場傳導(dǎo)給商品市場的效應(yīng)是民企的發(fā)展會受到抑制。魏志華等的研究表明融資約束的緩解會顯著正向影響公司業(yè)績，尤其是在那些融資約束水平較高、過度投資水平較低的公司中。劉美玉、黃速建研究發(fā)現(xiàn)企業(yè)受到的信貸約束強度依然比較高，且更容易遭受正規(guī)金融信貸約束，信貸約束強度會對企業(yè)的銷售利潤率、凈資產(chǎn)收益率、總資產(chǎn)收益率造成顯著的負向影響。適宜的銀行業(yè)結(jié)構(gòu)能夠提高信貸資源配置效率，緩解企業(yè)融資約束，提高企業(yè)的經(jīng)營效率與盈利能力，從而延長企業(yè)的生存周期，降低企業(yè)經(jīng)營的不確定性風(fēng)險。也有文獻為企業(yè)特征在貸款融資過程中的違約風(fēng)險提供了直接證據(jù)。崔瑜、張鎏萬建立了一個銀企博弈模型，發(fā)現(xiàn)當(dāng)銀行從企業(yè)獲得信息的成本增大、貸款本金越大、違約追償成本越大時，企業(yè)的貸款違約概率也越大。這一結(jié)果同時也說明，由于中小企業(yè)信息不透明度高、大企業(yè)貸款金額大且追償成本高的原因，在大銀行—小企業(yè)、小銀行—大企業(yè)的貸款匹配關(guān)系中，企業(yè)違約的概率較高。

基于此，本文提出核心假設(shè)：小銀行與小企業(yè)相匹配、大銀行與大企業(yè)相匹配能夠有效降低地區(qū)企業(yè)違約率，減少老賴企業(yè)。

三、研究設(shè)計

(一)數(shù)據(jù)來源與樣本選擇

本文所采用數(shù)據(jù)主要來源于四個方面。(1)2003—2013年中國規(guī)模以上工業(yè)企業(yè)數(shù)據(jù)庫(2010年數(shù)據(jù)存在嚴重的錯誤和缺失，沒有納入研究樣本中)。(2)《中國金融統(tǒng)計年鑒》及中國銀監(jiān)會網(wǎng)站，獲得各省份年度不同銀行貸款份額及分支機構(gòu)數(shù)量數(shù)據(jù)。(3)通過Python程序從最高人民法院提供的查詢系統(tǒng)抓取失信被執(zhí)行法人數(shù)據(jù)，包括企業(yè)名稱、立案時間、所屬地區(qū)等信息，按地市匯總后獲得自2003年起各省份失信被執(zhí)行法人數(shù)量。(4)控制變量等相關(guān)數(shù)據(jù)，主要來自國泰安數(shù)據(jù)庫及《城市統(tǒng)計年鑒》。

工業(yè)企業(yè)數(shù)據(jù)處理方面，首先參照Brandt et al.Brandt, L., Biesebroeck,J. V., Zhang, Y.,“Challenges of Working with the Chinese Nbs Firm-Level Data”, , Vol.30, 2014, pp.339-352. 按照法人代碼、所屬地區(qū)等進行匹配合并；其次參考企業(yè)規(guī)模劃分標(biāo)準(zhǔn)文件，對部分缺失指標(biāo)采用線性插值法或行業(yè)均值進行填補，對缺失的企業(yè)規(guī)模及所有制性質(zhì)進行計算和判斷；最后參考Cai和LiuCai, Hongbin, Liu, Qiao, “Competition and Corporate Tax Avoidance: Evidence from Chinese Industrial Firms”, , Vol.119, 2009, pp.764-795. 刪除異常樣本，如剔除了關(guān)鍵指標(biāo)缺失、不滿足“規(guī)模以上”標(biāo)準(zhǔn)、明顯不符合會計原則的觀測值等。此外，對于所有連續(xù)變量都進行了1%的縮尾處理。

(二)模型設(shè)定與變量定義

1.老賴企業(yè)比率(

Dishonesty

)老賴企業(yè)即失信被執(zhí)行企業(yè)，是指在法定的上訴期滿后，或終審判決做出后，拒不履行法院判決或仲裁裁決的企業(yè)(戴亦一、張鵬東和潘越)。本文借鑒已有文獻，被解釋變量采用三種衡量方式：第一種采用地區(qū)失信被執(zhí)行企業(yè)總數(shù)占地區(qū)規(guī)模以上工業(yè)企業(yè)總數(shù)的比例來衡量老賴企業(yè)比率(

Dishonesty

1)；第二種采用地區(qū)失信被執(zhí)行企業(yè)總數(shù)占地區(qū)限額以上企業(yè)總數(shù)的比例來衡量老賴企業(yè)比率(

Dishonesty

2)；第三種采用地區(qū)失信被執(zhí)行企業(yè)總數(shù)與地區(qū)生產(chǎn)總值之比來衡量老賴企業(yè)比率(

Dishonesty

3)。三種衡量方式均為數(shù)值越大，表示金融扭曲越嚴重。2. 銀行—企業(yè)規(guī)模結(jié)構(gòu)匹配度(

Match

)本文借鑒葉德珠等，采用排序匹配法，構(gòu)建銀企匹配度指標(biāo)。具體做法如下：第一步，根據(jù)各地區(qū)不同規(guī)模銀行的貸款額度計算出四大國有商業(yè)銀行貸款份額的總和占省內(nèi)所有銀行貸款份額之和的比值，再基于公式(1)計算銀行規(guī)模結(jié)構(gòu)指標(biāo)

Bankstr

，這是一個測度銀行資金集中度的比例指標(biāo)；同理，將中國工業(yè)企業(yè)數(shù)據(jù)庫按照企業(yè)所在地和企業(yè)規(guī)模劃分，依據(jù)小微型企業(yè)資產(chǎn)規(guī)模之和與全部企業(yè)資產(chǎn)規(guī)模之和的比值計算出企業(yè)規(guī)模結(jié)構(gòu)

qystr

，鑒于企業(yè)的資產(chǎn)反映企業(yè)的資金情況，因此銀行規(guī)模結(jié)構(gòu)與企業(yè)規(guī)模結(jié)構(gòu)是兩個可以相互匹配的關(guān)于資金的變量。第二步，采用自然排序匹配方法，分別對銀行規(guī)模結(jié)構(gòu)和企業(yè)規(guī)模結(jié)構(gòu)由小到大排序并進行多個層級的分層，將銀行規(guī)模結(jié)構(gòu)所處的層次記為

Cbank

，將企業(yè)規(guī)模結(jié)構(gòu)所處的層次記為

Cqystr

。第三步,將銀行規(guī)模結(jié)構(gòu)所處層次減去企業(yè)規(guī)模結(jié)構(gòu)所處層次得到差距

gap

，對

gap

先取絕對值再取相反數(shù)(如公式3所示)，計算出銀行—企業(yè)規(guī)模結(jié)構(gòu)匹配度指標(biāo)

Match

，

Match

值越大，表明銀行與企業(yè)規(guī)模結(jié)構(gòu)所處層次越接近，兩者匹配程度越高。

(1)

Gap

=

Cbank

,-

Cqystr

,

(2)

Match

=-|

Cbank

,-

Cqystr

,|

(3)

式(1)中，

loan

代表第

r

家銀行在省份

m

內(nèi)的貸款份額，

N

是省份

m

內(nèi)所有銀行類別數(shù)量，

N

從1到4代表省份

m

內(nèi)四大國有商業(yè)銀行。銀行規(guī)模結(jié)構(gòu)取值在0到1之間，越接近1表示中小銀行規(guī)模占比越高，結(jié)構(gòu)越分散。同理，企業(yè)規(guī)模結(jié)構(gòu)

qystr

取值也在0到1之間，越接近1表示小微企業(yè)規(guī)模占比越高。此外，我們借鑒付輝對匹配度的度量方法，基于公式(4)構(gòu)建銀企匹配度指標(biāo)(

Match

2)作為穩(wěn)健性代理變量，

Match

2的值越大，表明銀企匹配度越高。其中，

Totalrank

表示在進行自然排序時所劃分的總層級數(shù)，具體公式如下：

(4)

3. 控制變量

為了盡可能排除其他可能的干擾因素，本文借鑒已有文獻，控制變量選擇了經(jīng)濟發(fā)展程度、信貸水平、金融發(fā)展水平、貪污腐敗、儒家文化、勞動力水平、交通基礎(chǔ)設(shè)施、國有固定資產(chǎn)投資水平等，具體計算方法詳見表 1。

表1 變量定義

4. 模型設(shè)定

最終，我們構(gòu)建以地區(qū)老賴企業(yè)比率為因變量，銀行—企業(yè)規(guī)模結(jié)構(gòu)匹配度為核心解釋變量的實證模型來檢驗銀企匹配對地區(qū)老賴企業(yè)比率的影響。

Dishonesty

,=

β

+

β

Match

,+

βControls

,+

α

+

μ

+

ε

(5)

其中，

Dishonesty

是地區(qū)老賴企業(yè)比率，

Match

代表銀行—企業(yè)規(guī)模結(jié)構(gòu)匹配度。在此計量模型中，關(guān)鍵系數(shù)是

β

，且預(yù)期符號為負，即銀行與企業(yè)的規(guī)模結(jié)構(gòu)匹配度越高意味著能夠更好地服務(wù)實體經(jīng)濟，該地區(qū)老賴企業(yè)比率越低。

Controls

,為其他控制變量，模型中加入了省份和年份的固定效應(yīng)來控制地區(qū)和年份不變因素的影響。

(三)變量的描述性統(tǒng)計

表2給出了主要變量的描述性統(tǒng)計情況。可以看到老賴企業(yè)比率的均值為0.605，最大值為4.707，表明地區(qū)間差異較大，部分省份老賴企業(yè)比率較高。銀企匹配度指標(biāo)均值約為-167.544，標(biāo)準(zhǔn)差約為128.184，整體來說銀行—企業(yè)規(guī)模結(jié)構(gòu)匹配度亦有待提高。

表2 描述性統(tǒng)計

四、實證檢驗結(jié)果

(一)基準(zhǔn)回歸結(jié)果

根據(jù)計量模型(5)對全樣本進行回歸分析。表3的第(1)列為不納入控制變量，僅控制固定效應(yīng)的主變量回歸結(jié)果，可以看出銀企匹配的指標(biāo)在1%的水平上顯著為負，初步證明銀企匹配越好，老賴企業(yè)越少。在第(1)列的基礎(chǔ)上，本文將控制變量納入回歸，同時為了穩(wěn)健性考慮，交替加入時間虛擬變量和省份虛擬變量以控制宏觀經(jīng)濟因素和不隨時間變化的因素。第(2)列到第(5)列的回歸結(jié)果顯示，銀企匹配指標(biāo)至少在5%的水平上顯著為負，在嚴格控制雙重固定效應(yīng)后系數(shù)在1%的水平上顯著為負。回歸結(jié)果十分穩(wěn)健，說明銀行與企業(yè)的規(guī)模結(jié)構(gòu)匹配越好，越能夠顯著降低老賴企業(yè)比例。這也說明老賴企業(yè)產(chǎn)生的原因不僅僅是道德因素，更重要的是深層次的經(jīng)濟金融因素，抑制老賴企業(yè)的產(chǎn)生更應(yīng)該從金融結(jié)構(gòu)的調(diào)整方面尋找到抓手，從根本上降低老賴企業(yè)產(chǎn)生的可能性。

表3 銀企匹配對地區(qū)老賴企業(yè)比率的影響

此外，控制變量的回歸結(jié)果也都符合預(yù)期：經(jīng)濟發(fā)展水平、金融發(fā)展水平、國有固定資產(chǎn)投資的提高及儒家文化均有利于減少企業(yè)老賴行為；信貸水平過高可能會提高企業(yè)老賴比率，表明信貸還是應(yīng)當(dāng)結(jié)合實體經(jīng)濟的需要而不是大水漫灌；教育水平的提高并不能顯著減少企業(yè)失信行為，這也在情理之中，即使接受了較好的教育而不齒于老賴行為，但是遇見現(xiàn)金流斷裂或項目失敗等不可抗力還是會被迫賴賬拖欠等。金融資源是企業(yè)成長過程中最為基礎(chǔ)的重要資源，要想從根本上提高地區(qū)企業(yè)誠信水平，還是應(yīng)當(dāng)從企業(yè)的核心需求出發(fā)，提高銀行—企業(yè)規(guī)模結(jié)構(gòu)匹配度，發(fā)揮不同規(guī)模銀行和企業(yè)各自的比較優(yōu)勢，緩解企業(yè)融資約束，合理配置信貸資源，從根源上降低企業(yè)成為老賴的可能性。

(二)銀企匹配與交乘項比較分析

文獻中通常采用交乘項的方法來考察兩個變量對因變量的聯(lián)合影響，但是這種方法并不總是有效(楊子榮和張鵬楊)，為了更好地證明銀企匹配度與老賴企業(yè)比率之間的關(guān)系，本節(jié)構(gòu)建銀行規(guī)模結(jié)構(gòu)(

Bankstr

)與企業(yè)規(guī)模結(jié)構(gòu)(

Qystr

)的交乘項(

Bankstr

*

Qystr

)與匹配度指標(biāo)(

Match

)進行比較分析。具體如表4所示，回歸結(jié)果表明：第(1)列全樣本中，銀行與企業(yè)規(guī)模結(jié)構(gòu)的交乘項系數(shù)為-2.020，在10%的水平上顯著，表明隨著中小銀行貸款規(guī)模比例的提高，小微型企業(yè)資產(chǎn)占比的增加對企業(yè)成為老賴的敏感性降低，這可能是因為在中小銀行貸款比例較高的情況下，小微型企業(yè)獲得貸款支持的可能性更大，限于困境進而成為老賴的概率更低。第(2)列和第(3)列中將樣本按照銀行規(guī)模結(jié)構(gòu)(中小銀行貸款占全部銀行金融機構(gòu)貸款份額的比值)分為高低兩組，High表明銀行規(guī)模結(jié)構(gòu)是以中小銀行貸款為主，Low則表明銀行規(guī)模結(jié)構(gòu)是以大銀行貸款為主?；貧w結(jié)果表明分樣本中交乘項(

Bankstr

*

Qystr

)系數(shù)的顯著性并不穩(wěn)定，并不能較好地反映出銀行與企業(yè)間的匹配關(guān)系對地區(qū)老賴企業(yè)比率的聯(lián)合影響。第(4)～(6)列中采用本文所構(gòu)建的匹配度指標(biāo)考察銀企匹配對老賴企業(yè)比率的影響，全樣本和分樣本的檢驗均表明銀企匹配度指標(biāo)的系數(shù)在1%的水平上顯著為負，即銀行與企業(yè)的規(guī)模結(jié)構(gòu)匹配度越高越有利于顯著降低地區(qū)老賴企業(yè)比率。比較分析的結(jié)果表明傳統(tǒng)文獻在刻畫兩個自變量對因變量的聯(lián)合影響時使用的交乘項方法要遠遠弱于本文所構(gòu)建的銀行—企業(yè)規(guī)模結(jié)構(gòu)匹配度指標(biāo)。

表4 銀行與企業(yè)規(guī)模結(jié)構(gòu)交乘項與銀企匹配的比較分析

(續(xù)上表)

(三)內(nèi)生性檢驗

盡管本文在基準(zhǔn)回歸中已經(jīng)采用了雙重固定效應(yīng)，在一定程度上緩解了遺漏變量的內(nèi)生性問題,但仍可能存在其他不可觀測的隨時間變化的因素遺漏導(dǎo)致可能的內(nèi)生性問題。為此，本文采用工具變量進行兩階段最小二乘分析，表5的第(1)、(2)列是借鑒文獻中常用做法，采用銀企匹配度的滯后項作為工具變量；表5的第(3)、(4)列是借鑒Chong et al．Chong, T. T. L.,Lu, L., Ongena,S., “Does Banking Competition Alleviate or Worsen Credit Constraints Faced by Small- and Medium-Sized Enterprises? Evidence from China”, , Vol.37, No.9, 2013, pp.3412-3424. 的思想，選擇GDP規(guī)模最接近的三個省份的平均匹配度的滯后項作為該省份銀行—企業(yè)規(guī)模結(jié)構(gòu)匹配度的工具變量

Match

_

gj

。一方面,GDP規(guī)模接近省份的經(jīng)濟成分和規(guī)模往往具有相似性，會吸引類似的銀行和企業(yè)，因此不同規(guī)模的銀行和企業(yè)構(gòu)成也較為接近，而且政府管制在經(jīng)濟發(fā)展程度相近的省份之間也具有一致性，即工具變量與核心解釋變量相關(guān)。另一方面，GDP最接近的三個省份的平均匹配度與地區(qū)經(jīng)濟增長無明顯關(guān)系，因為銀行對企業(yè)的服務(wù)具有地域分割性，出于信息對稱的優(yōu)勢及本地親緣性，企業(yè)傾向于從本地金融機構(gòu)獲得信貸支持，因此我們認為其他省份的銀行—企業(yè)規(guī)模結(jié)構(gòu)匹配度不會影響到本省企業(yè)金融服務(wù)的可獲得性，進而不會影響經(jīng)濟增長，即工具變量與因變量無關(guān)。

表5列示了工具變量的回歸結(jié)果，第(1)和第(3)列為分別采用銀企匹配度滯后項與GDP規(guī)模最接近的三個省份的平均匹配度滯后項作為工具變量的一階段回歸結(jié)果，結(jié)果表明工具變量與地區(qū)老賴企業(yè)比率正相關(guān)，且在1%的置信水平上顯著，即工具變量的相關(guān)性要求得到了滿足。第(2)和第(4)列為分別采用銀企匹配度滯后項與GDP規(guī)模最接近的三個省份的平均匹配度滯后項作為工具變量的二階段回歸結(jié)果，結(jié)果表明銀企匹配度的系數(shù)在5%的置信水平上顯著為負，即銀行—企業(yè)規(guī)模結(jié)構(gòu)匹配度越高，地區(qū)老賴企業(yè)比率越低。與基準(zhǔn)回歸結(jié)果保持一致，證明在克服了內(nèi)生性后，本文的結(jié)論仍然可靠。此外，本文對工具變量有效性進行了檢驗。結(jié)果顯示，Anderson LR均通過了檢驗，Cragg-Donald檢驗和Sargan Statistic檢驗都沒有通過原假設(shè)，這表明工具變量的選取是合適的，不存在識別不足、弱工具變量和過度識別的問題。工具變量能很好地解釋內(nèi)生變量。

表5 銀企匹配影響地區(qū)老賴企業(yè)比率的內(nèi)生性檢驗

(四)穩(wěn)健性檢驗

為了增強本文研究結(jié)論的穩(wěn)健性，進行以下實證檢驗:(1)替換被解釋變量，以地區(qū)失信被執(zhí)行企業(yè)數(shù)量占限額以上企業(yè)總數(shù)的比例衡量地區(qū)老賴企業(yè)比率(

Dishonesty

2)；以及將量綱由企業(yè)總數(shù)更換為GDP計算得到地區(qū)老賴企業(yè)比率(

Dishonesty

3)，替換被解釋變量納入回歸方程進行檢驗。(2)替換核心解釋變量,借鑒付輝的方法，構(gòu)建銀行與企業(yè)的規(guī)模結(jié)構(gòu)匹配度指標(biāo)

Match

2，對本文預(yù)期進行再次驗證。(3)替換樣本區(qū)間，雖然本文所構(gòu)建的匹配度指標(biāo)僅用到總資產(chǎn)和企業(yè)規(guī)模等少數(shù)關(guān)鍵指標(biāo)，缺失情況較少，考慮到工業(yè)企業(yè)數(shù)據(jù)庫在2008年以前數(shù)據(jù)質(zhì)量更高，本文采用2008年之前的樣本進行再次驗證。以上穩(wěn)健性檢驗結(jié)果如表6所示，結(jié)果均表明地區(qū)銀企匹配程度提高能夠顯著降低老賴企業(yè)比率，提高地區(qū)企業(yè)誠信水平。

表6 銀企匹配影響地區(qū)老賴企業(yè)比率的穩(wěn)健性檢驗

五、機制分析

基準(zhǔn)回歸結(jié)果表明，銀行與企業(yè)的規(guī)模結(jié)構(gòu)匹配有利于降低地區(qū)老賴企業(yè)比率，本文將進一步探討銀企匹配降低老賴企業(yè)比率的作用機制。穩(wěn)定的現(xiàn)金流，也就是信貸支持是企業(yè)平穩(wěn)發(fā)展的關(guān)鍵，能夠幫助企業(yè)避免失信行為。然而，大銀行內(nèi)部層級較多，難以有效甄別企業(yè)家風(fēng)險、經(jīng)營關(guān)系等軟信息，融資特性與中小企業(yè)特性不匹配，難以為中小企業(yè)提供低成本、高效的金融支持；小銀行層級較少、信息傳遞鏈條較短，更善于收集、處理企業(yè)的軟信息，不需要像大銀行一樣依賴于抵押和清算制度來防范企業(yè)家風(fēng)險。小銀行更擅長應(yīng)付中小企業(yè)因市場風(fēng)險(而非企業(yè)缺乏經(jīng)營能力)而出現(xiàn)的短期性違約，能夠避免對短期違約但長期中能夠扭虧為盈的中小企業(yè)施行無效率的清算。也就是說，銀企匹配能夠發(fā)揮不同規(guī)模銀行和企業(yè)各自的比較優(yōu)勢，緩解中小企業(yè)的融資約束，提高資金配置效率，保障企業(yè)穩(wěn)定運營，從而在一定程度上降低企業(yè)成為老賴的可能性。本文將據(jù)此對銀企匹配降低老賴企業(yè)比例的兩條途徑優(yōu)化信貸資源配置和均衡融資市場勢力分別進行機制檢驗。

(一)優(yōu)化信貸資源配置

企業(yè)所有制性質(zhì)決定了不同類型企業(yè)在資源獲取方面存在異質(zhì)性。國有企業(yè)通常具有政府背書且規(guī)模較大，在信貸市場上受到青睞。而僵尸企業(yè)通常規(guī)模較大，與地區(qū)就業(yè)和穩(wěn)定等較為相關(guān)，具有僵而不倒的特征，即使遇到困境也會受到地方政府保護。這兩種類型企業(yè)的比例較高時，會影響信貸資源配置效率，加劇企業(yè)層面的融資約束和破產(chǎn)風(fēng)險。銀行與企業(yè)的規(guī)模結(jié)構(gòu)匹配正是發(fā)揮不同規(guī)模銀行的比較優(yōu)勢進行精準(zhǔn)服務(wù)，有利于信貸資源的合理配置。本文預(yù)期銀企匹配對老賴企業(yè)比率的抑制作用在國有及僵尸企業(yè)比例較高的樣本中作用更加顯著。本文按照地區(qū)國有企業(yè)及僵尸企業(yè)比例將樣本分為高、低兩組，分別采用分組回歸和交乘項的方法檢驗在國有或僵尸企業(yè)比例較高的情況下，銀企匹配對地區(qū)老賴企業(yè)比率是否具有更強的抑制作用。實證結(jié)果如表7所示：第(1)列和第(4)列國有企業(yè)和僵尸企業(yè)比例較低的樣本中，銀企匹配度的系數(shù)為負，但是并不顯著；第(2)列和第(5)列國有企業(yè)和僵尸企業(yè)比例較高的樣本中，銀企匹配度系數(shù)顯著為負；第(3)列和第(6)列中交乘項的系數(shù)顯著為正。分組回歸與交乘項回歸的結(jié)果一致，均表明國有和僵尸企業(yè)比例越高，銀企匹配度對地區(qū)老賴企業(yè)比率的抑制作用越顯著。結(jié)論與本文預(yù)期相符，銀行與企業(yè)的規(guī)模結(jié)構(gòu)匹配度越高，越有利于緩解當(dāng)?shù)仄髽I(yè)的融資約束，降低企業(yè)成為老賴的可能性。

表7 銀企匹配與地區(qū)老賴企業(yè)比率的異質(zhì)性分析

(續(xù)上表)

(二)均衡融資市場勢力

企業(yè)所處的外部融資環(huán)境也是影響企業(yè)成為老賴的因素之一。社會融資規(guī)模越大，表明融資環(huán)境較為寬松，中小企業(yè)能夠獲得資金的可能性越大，融資約束得到緩解。另外，要素市場發(fā)育程度的完備性也會影響企業(yè)資金的可獲得性。在市場化程度更高、人力資源供應(yīng)充足、技術(shù)轉(zhuǎn)化率更高的地區(qū)，企業(yè)受到的融資約束也會更小。本文預(yù)期，社會融資環(huán)境越差，要素市場發(fā)育程度越不完備，企業(yè)受到融資約束的程度更大，銀企匹配降低老賴企業(yè)比率的作用越顯著。本文以社會融資規(guī)模占GDP的比例衡量融資環(huán)境，借鑒林伯強的做法，以市場化指數(shù)中的分項指數(shù)之要素市場的發(fā)育衡量市場環(huán)境。據(jù)此將樣本分為高、低兩組，分別采用分組和交乘項的方法檢驗在相對較惡劣的外部融資環(huán)境中，銀企匹配對地區(qū)老賴企業(yè)比率是否具有更強的抑制作用。實證結(jié)果如表8所示：第(1)列和第(4)列要素市場發(fā)育不好和社會融資規(guī)模較低的樣本中，銀企匹配度的系數(shù)為負且顯著；第(2)列和第(5)列要素市場發(fā)育較好和社會融資規(guī)模較高的樣本中，銀企匹配度對地區(qū)老賴企業(yè)比率的負向作用并不顯著；第(3)列和第(6)列中交乘項的系數(shù)顯著為負。分組回歸與交乘項回歸的結(jié)果一致，均表明要素市場發(fā)育越差、社會融資規(guī)模越小，即企業(yè)融資難度越大的情況下，提高銀企匹配度越有利于均衡融資市場勢力，緩解企業(yè)融資約束，更多地降低地區(qū)的老賴企業(yè)比率。

表8 銀企匹配影響地區(qū)老賴企業(yè)比率的異質(zhì)性分析

(續(xù)上表)

(三)企業(yè)微觀證據(jù)

本文前述已經(jīng)證明，銀行與企業(yè)的規(guī)模結(jié)構(gòu)匹配能夠有效降低地區(qū)老賴企業(yè)比率。而銀企匹配發(fā)揮作用的機制是什么呢？本文認為當(dāng)金融結(jié)構(gòu)與實體結(jié)構(gòu)相適宜時，能夠有效緩解企業(yè)的融資約束，從而提高企業(yè)信用傾向。為此，本文使用微觀企業(yè)數(shù)據(jù)對這一作用機制進行檢驗。表9第(1)列和第(2)列中，借鑒文獻中通用的做法，采用資產(chǎn)負債率衡量企業(yè)融資約束，考察銀企匹配是否緩解了企業(yè)的融資約束?；貧w結(jié)果表明銀企匹配度指標(biāo)的系數(shù)在1%的水平上顯著為負，即銀行與企業(yè)的規(guī)模結(jié)構(gòu)匹配度越高，企業(yè)的融資約束越小。表9第(3)列和第(4)列中，借鑒Custódio & Metzger和姜付秀等的研究設(shè)計，采用現(xiàn)金流敏感性模型考察銀企匹配對企業(yè)投資—現(xiàn)金流敏感性的影響，銀企匹配度與現(xiàn)金流的交乘項

Match

*

Cash

是核心解釋變量。回歸結(jié)果表明交乘項

Match

*

Cash

的系數(shù)顯著為負，即銀行與企業(yè)的規(guī)模結(jié)構(gòu)匹配度越高，企業(yè)能夠得到的金融支持越多，企業(yè)的投資—現(xiàn)金流敏感性越低，企業(yè)的融資約束程度越低。

表9 銀企匹配度影響地區(qū)老賴企業(yè)比率的企業(yè)微觀證據(jù)

(續(xù)上表)

六、結(jié) 語

老賴現(xiàn)象的高發(fā)動搖了整個社會的金融穩(wěn)定，惡化了營商環(huán)境，成為嚴重危害社會健康發(fā)展的毒瘤。然而，現(xiàn)有文獻對企業(yè)違約或老賴產(chǎn)生原因的討論缺乏從經(jīng)濟金融本質(zhì)進行根源性的深入探討與實證檢驗。本文認為老賴現(xiàn)象很大一部分原因在于現(xiàn)金流的斷裂，而這背后的根本原因可能在于金融環(huán)節(jié)的支持不足，存在金融需求端與供給端的結(jié)構(gòu)失衡，這種結(jié)構(gòu)失衡造成的金融扭曲，會增加企業(yè)成為老賴的可能性。因此，根據(jù)新結(jié)構(gòu)金融學(xué)理論，應(yīng)當(dāng)從金融供給端出發(fā)，調(diào)整金融供給的結(jié)構(gòu)才能實現(xiàn)精準(zhǔn)滴灌，即銀行與企業(yè)規(guī)模結(jié)構(gòu)匹配度越高，資本配置效率及金融體系服務(wù)實體經(jīng)濟的能力則越強，不同特征的企業(yè)都能夠得到相應(yīng)的金融支持，成為老賴的可能性降低。本文從銀企匹配的視角切入，構(gòu)建銀行—企業(yè)規(guī)模結(jié)構(gòu)匹配度指標(biāo)來考察銀企匹配對地區(qū)老賴企業(yè)比率的影響。研究結(jié)果表明，銀行與企業(yè)的規(guī)模結(jié)構(gòu)匹配度越高，地區(qū)老賴企業(yè)比率越低。機制分析表明，銀企匹配度越高越有利于優(yōu)化信貸資源配置，緩解企業(yè)融資約束，在國有企業(yè)和僵尸企業(yè)比例較高、要素市場發(fā)育程度較差以及社會融資規(guī)模較小的情況下作用更顯著，文章結(jié)論在經(jīng)過一系列內(nèi)生性和穩(wěn)健性檢驗之后，依然成立。

本文從銀企匹配的視角解釋了銀行與企業(yè)規(guī)模結(jié)構(gòu)匹配對企業(yè)融資和老賴的影響，也為促進實體經(jīng)濟發(fā)展、緩解金融扭曲問題提供了經(jīng)驗證據(jù)。老賴企業(yè)產(chǎn)生背后是中小企業(yè)融資難的問題，很大程度上可以歸結(jié)為金融扭曲問題。盡管從總量上來看，我國的金融發(fā)展已經(jīng)超過了絕大多數(shù)國家，銀行業(yè)也成為了實體經(jīng)濟的重要支柱，但在金融資源分配問題上，我國仍然存在較為嚴重的結(jié)構(gòu)性問題：大型企業(yè)、國有企業(yè)、僵尸企業(yè)金融資源過剩，而中小民營企業(yè)、實體企業(yè)的金融資源卻相對匱乏。因此，要解決中小企業(yè)融資難的金融扭曲問題，減少老賴企業(yè)的形成，首先要解決區(qū)域性的銀行業(yè)結(jié)構(gòu)與企業(yè)結(jié)構(gòu)不匹配問題。具體而言，首先要根據(jù)區(qū)域產(chǎn)業(yè)特征、企業(yè)分布，有針對性地發(fā)展中小銀行、地區(qū)性銀行，將原來中小企業(yè)被擠占掉的金融資源進行重新分配。其次，銀行內(nèi)部則要建立有效甄別、處理企業(yè)軟信息的貸款機制，以適應(yīng)中小企業(yè)缺乏抵押、還款來源相對單一的企業(yè)特性。最后，在發(fā)展中小銀行的同時，還需要建立針對企業(yè)的自主退出機制和多層次退出路徑，以防范金融風(fēng)險。逐步改善銀行業(yè)結(jié)構(gòu)，將有助于促成大銀行專注服務(wù)大企業(yè)、中小銀行專注服務(wù)中小企業(yè)的專業(yè)化定位，提升銀行體系的整體效率。