李欣越

摘要：定向降準政策自實施以來，在標準與幅度上做出過三次調整，其有效性也隨之發(fā)生變化?；诖?，本文通過構建理論模型分析了定向降準政策在不同力度與實施標準下對異質企業(yè)信貸的差異化影響。結果顯示，當政策實施標準過高或力度過低時，政策支持領域企業(yè)信貸不會受到影響，而隨著實施力度的加強，該類企業(yè)對其他企業(yè)的信貸獲取相繼產生擠出與溢出效應。進一步基于企業(yè)微觀數(shù)據(jù)，通過PSM-DID方法檢驗了政策在調整的不同階段對農業(yè)和小微企業(yè)調控效果的變化，驗證了理論模型的結論：政策初期缺乏有效性;首次調整后政策在提高農業(yè)企業(yè)信貸可得性的同時擠出了小微企業(yè)信貸;當前政策有效緩解了小微企業(yè)融資難問題，對非小微企業(yè)的信貸獲取也產生了溢出作用。這說明結構性貨幣政策的有效性緊密依賴其發(fā)揮作用的兩大核心要素——實施力度和考核標準，在政策制定中需要對兩大要素進行動態(tài)調整以使其發(fā)揮更大的效力。

關鍵詞：定向降準;企業(yè)信貸;企業(yè)融資;小微企業(yè);貨幣政策;擠出效應;溢出效應

文獻標識碼：A

文章編號：100228482021（05）008615

開放科學（資源服務）標識碼（OSID）：

近年來，隨著我國經(jīng)濟邁入“高速增長—高質量發(fā)展”的轉型階段，我國貨幣政策的操作環(huán)境在新常態(tài)下發(fā)生了明顯改變。為此，當前實施的貨幣政策也發(fā)生了相應調整，央行在總量調節(jié)基礎上更加注重定向調控，主動引導市場資源向農業(yè)、中小微企業(yè)等傾斜。在此過程中，其創(chuàng)新性地推出了“定向降準”“常備借貸便利”“中期借貸便利”等結構性貨幣政策工具。區(qū)別于常備借貸便利、中期借貸便利等以利率渠道傳導的結構性貨幣政策工具，定向降準政策主要通過信貸渠道作用于實體經(jīng)濟。自2014年推出至今，定向降準政策已成為央行結構性政策工具庫中不可或缺的一環(huán)。因此，研究定向降準政策不僅有著重要的現(xiàn)實意義，也能夠補充與豐富結構性貨幣政策工具信貸渠道傳導理論。

定向調控類貨幣政策工具主要誕生于2008年金融危機以后。這一時期，由于交易對手風險和流動性風險提升，金融機構更傾向于持有流動性而非貸出資金，寬松的貨幣政策向信貸的傳導不暢[1]。此外，常規(guī)貨幣政策的利率渠道、資產價格渠道也受到了阻礙[2-3]，非常規(guī)貨幣政策應運而生。金融危機以來誕生的非常規(guī)貨幣政策主要分為兩大類[4]：著眼于資產負債表擴張的量化寬松政策（Quantitative Easing，QE）和調整央行資產負債表結構的質化寬松政策（Qualitative Easing，QualE），后者正是以定向調控為主要目標的。其中，著眼于信貸渠道的政策工具主要有英格蘭銀行的融資換貸款計劃（Funding for Lending Scheme，F(xiàn)LS）[5-6]、歐洲中央銀行的定向長期再融資操作（TLTRO）等[7]。這一類貨幣政策工具定向地向經(jīng)濟體中某些特定領域提供流動性支持，試圖解決常規(guī)貨幣政策向信貸乃至實體經(jīng)濟傳導不暢的問題。由于發(fā)達國家市場的存款準備金率普遍較低，因而海外并沒有聚焦準備金率的定向調控工具，而我國央行則結合此前差別化準備金政策[8]的實踐創(chuàng)造了定向降準這一極具中國特色的貨幣政策工具。

政策效果通常會隨政策實施力度與環(huán)境的變化而發(fā)生改變，過往研究往往聚焦定向降準政策的首次實施，而本文則將重點落在了政策的動態(tài)調整上。本文從理論和實證兩方面同時論證并驗證這一現(xiàn)象，完善了對定向降準政策的認識。理論研究層面，本文基于Kopecky等[9]的銀行資產負債表分析框架與馬理等[10]的可貸區(qū)間思想構建理論模型，進一步證明了“降準幅度”與“比例要求”可共同導致定向降準政策對企業(yè)信貸的調控作用發(fā)生變化。實證研究層面，本文基于A股上市公司、新三板企業(yè)和發(fā)債企業(yè)的季頻數(shù)據(jù)，在傾向得分匹配（Propensity Score Matching，PSM）的基礎上采用倍差法（Difference in Difference，DID）檢驗定向降準政策對農業(yè)企業(yè)和小微企業(yè)在政策調整的不同階段中調控有效性的變化。

本文后續(xù)結構安排如下：第一部分回顧過往文獻;第二部分基于銀行資產負債表構建了定向降準信貸渠道傳導模型，推導出三個重要推論并基于此提出三個核心假說;第三部分介紹驗證假說的實證設計并對數(shù)據(jù)進行初步描述;第四部分展示并分析實證結果;第五部分在對前文總結基礎上提出政策建議。

一、文獻綜述

定向降準是直接作用于存款類金融機構以期引導銀行信貸資源配置的結構性貨幣政策工具之一，也是當前國內文獻討論最為充分的結構性貨幣政策工具。由于定向降準針對“三農”或小微企業(yè)貸款達標的部分存款類金融機構

此外還有直接針對農村商業(yè)銀行、農村合作銀行、農村信用社和村鎮(zhèn)銀行等的定向降準政策[8]。，理論上對“三農”和小微企業(yè)這些經(jīng)濟部門的信貸投放會增長，進而刺激該領域經(jīng)濟增長[11]。基于這一分析，馬理等[10]構建了一個存在信貸配給特征的信貸市場框架下的理論模型來分析定向降準對農業(yè)貸款的作用，發(fā)現(xiàn)央行定向降準僅在農業(yè)可貸區(qū)間利率上限較大時才能有效增加商業(yè)銀行對農業(yè)的信貸投放。林朝穎等[12]也構建了商業(yè)銀行利潤最大化的理論模型，結果顯示，定向降準政策強度越大，銀行的農業(yè)信貸占比越高

這與馬理等[10]的結論是一致的。。魏曉云等[13]則基于動態(tài)隨機一般均衡（Dynamic Stochastic General Equilibrium，DSGE）模型對定向降準的信貸渠道傳導展開研究，將企業(yè)劃分為大中型企業(yè)與小微型企業(yè)兩類，在引入定向降準政策后發(fā)現(xiàn)小微企業(yè)融資難問題得到了明顯的緩解，并且基于企業(yè)間的共生效應，小微企業(yè)的發(fā)展同樣帶動了大中型企業(yè)的增長。

雖然定向降準在理論上有效，但在實踐上其效果則飽受質疑。畢錫萼等[14]對天津市法人金融機構的研究表明，定向降準釋放的資金非常有限，僅為地方法人金融機構存款總量的0.1%，因而該政策對信貸流向的引導更多依賴于信號作用

朱妮等[15]也做出了類似的論斷，類似的，At-Sahalia等[16]強調了結構性貨幣政策宣告本身的信號作用。。郭冠男[17]討論了在金融機構已經(jīng)基本實現(xiàn)商業(yè)化改造的現(xiàn)階段，對定向降準流向的可控性的質疑，并認為該政策可能會擾亂金融市場的秩序。

具體到農業(yè)信貸和小微企業(yè)信貸層面，林朝穎等[12]在PSM基礎上使用了DID方法來分析定向降準的效果，實證結果顯示單純定向降準政策顯著提升了農業(yè)企業(yè)的信貸獲取，但總量降準和定向降準混用時則會使定向降準失效。類似的，黎齊[18]直接使用2010年以來的銀行信貸季度數(shù)據(jù)，DID分析結果表明，定向降準非但沒有促進釋放的流動性流入農業(yè)企業(yè)與小微企業(yè)，反而讓非農企業(yè)與大中型企業(yè)受益，這說明定向降準的載體——中小商業(yè)銀行并沒有向實體經(jīng)濟新增信貸，定向降準的信貸渠道傳導受阻。行業(yè)層面的汽車金融定向降準同樣面臨這一尷尬處境。王曦等[19]分析了A股制造業(yè)上市公司，發(fā)現(xiàn)汽車金融的定向降準并沒有提振汽車消費，反而顯著刺激了汽車制造業(yè)的投資，因而該結構性貨幣政策的信貸渠道傳導并未發(fā)揮作用，反而由于宣告效應加劇了產能過剩行業(yè)的生產。

上述實證研究均對定向降準的信貸渠道傳導有效性予以了一定程度的負面評價，但同時也有部分學者對定向降準政策的作用效果給出了正面評價。郭曄等[20]使用PSM-DID方法研究了定向降準對上市農業(yè)企業(yè)與新三板小微企業(yè)信貸可得性的影響，發(fā)現(xiàn)兩者影響均顯著為正。林朝穎等[21]通過對新三板數(shù)據(jù)庫中農業(yè)企業(yè)的研究發(fā)現(xiàn)，定向降準顯著緩解了農業(yè)企業(yè)的融資約束;楊冰潔[22]則從銀行貸款投放的數(shù)據(jù)中發(fā)現(xiàn)了商業(yè)銀行小微企業(yè)信貸投放偏好在定向降準政策頒布后的顯著提升，錢水土等[23]也有與之相似的發(fā)現(xiàn)。此外，區(qū)別于上述文獻的企業(yè)微觀視角，笪哲[24]使用帶有隨機波動的時變參數(shù)向量自回歸模型（Time Varying Parameter-Stochastic Volatility-Vector Auto Regression，TVP-SV-VAR）從宏觀切入，同樣發(fā)現(xiàn)定向降準政策可以有效紓解小微企業(yè)融資困境。

綜上而言，一方面，在理論研究上，過往研究普遍集中于探究定向降準對企業(yè)信貸可得性作用方向的證明[12]，模型往往著眼于定向降準政策給商業(yè)銀行帶來的收益，而缺乏對商業(yè)銀行小微企業(yè)信貸占比提升后風險變化的度量，因而雖然這類模型可以自然地推導出定向降準對特定領域信貸的支持效果，卻難以對商業(yè)銀行的權衡行為進行描摹，與現(xiàn)實經(jīng)濟的運行有一定差異;另一方面，在實證研究層面，現(xiàn)有文獻對定向降準政策的研究主要集中于對首次定向降準作用效果的評價[12，20]，對后續(xù)定向降準政策的調整討論則相對匱乏。

基于此，本文主要有如下三點邊際貢獻：第一，在模型中引入商業(yè)銀行對異質企業(yè)差異化的信貸成本，借此由商業(yè)銀行在提高重點支持領域企業(yè)貸款占比時得失的權衡推導出隨定向降準力度增加而相繼出現(xiàn)的三種不同結果，通過更完善的模型對結構性貨幣政策信貸渠道的理論研究做出進一步補充;第二，區(qū)別于過往研究對初次研究的聚焦，本文將視角轉移至政策實施標準的動態(tài)調整上，借由政策實施過程中其核心激勵“降準幅度”與核心標準“比例要求”的重大調整來考察其時變的作用效果，完善了對定向降準政策評價的認知;第三，進一步探究了政策激勵不足時“擠出效應”與激勵過度時“溢出效應”的產生，對政策實施的合理力度提出參照的同時警示了政策實施力度不當可能帶來的后果，豐富了本文的實踐價值。

二、理論模型與研究假說

（一）理論模型

1.銀行部門與信貸配給

從商業(yè)銀行資產負債表來看，銀行部門的資產端主要由銀行貸款、債券投資與存款準備金三大類構成，從負債端來看，商業(yè)銀行的資金來源主要包括中央銀行借款、股本及債權融資、存款這三大類。

Asset=C+B+R=Liability=L+K+D（1）

其中，Asset表示商業(yè)銀行總資產，C表示銀行貸款，B表示債券投資，R表示存款準備金，Liability表示商業(yè)銀行總負債，L表示中央銀行借款，K表示股本融資及債權融資，D表示吸收的存款。

根據(jù)Stiglitz等[25]的信貸配給理論，由于信息不對稱的存在，信貸市場上普遍存在著逆向選擇和道德風險問題，因而在高利率上銀行面臨的違約成本也會迅速上升，假設：

kd=a（r-r-kc）2，r≥r0，r

其中，kc為銀行審核貸款的成本，kd為貸款違約成本，r為銀行貸款利率，r為無風險利率，a為違約成本系數(shù)，a>0。此時銀行單位貸款收益P（r）=r-kd-kc。在這一假設下，當r>r+kc-1/2a時，P′（r）<0，銀行更偏好于低利率貸款，借此可以刻畫出信貸配給框架下銀行對高利率貸款規(guī)避的特征。假設此時能夠以小于等于r的利率融資的企業(yè)累計分布為F（r），該分布服從U（r，）。顯然r與需要滿足下列條件：

∫arcP（r-kc）rf（r）dr×N

∫rf（r）dr×N>C。其中，f（r）表示能夠以小于等于r的利率融資需求的企業(yè)概率密度函數(shù)，N表示企業(yè)貸款的總需求。

2.企業(yè)部門的異質性貸款與定向降準政策

依據(jù)貸款投向的不同，可以將商業(yè)銀行貸款劃分為對重點支持領域（如小微企業(yè)、民營企業(yè)、農業(yè)企業(yè)等企業(yè)部門）的貸款與對非重點支持領域企業(yè)的貸款兩類。假設重點支持領域企業(yè)的比例為v，其貸款需求分布服從

U（rS，rS），即在區(qū)間（rS，rS）上均勻分布，其中rS與rS分別為重點支持領域企業(yè)可貸利率的下限與上限，同時銀行審核該類貸款的成本為kS;非重點支持領域企業(yè)的比例為1-v，其貸款需求分布服從

U（rN，rN），即在區(qū)間（rN，rN）上均勻分布，

其中rN與rN分別為非重點支持領域企業(yè)可貸利率的下限與上限，

銀行審核該類貸款的成本為kN。此外，假設ri（r）（i=S，N）是關于基準利率的線性函數(shù)，因而，當基準利率r上升時，兩類企業(yè)融資成本均會相應提高，設

ri（r）=αir，其中αi為i類型企業(yè)的融資成本函數(shù)的常系數(shù)。由于重點支持領域的企業(yè)審核相對復雜，銀行付出的成本較高，因而假設kS>kN。出于計算簡便的需求，在不影響結論性質的前提下，假設

rN=r+kN和rS=r+kS。又由于重點支持領域的企業(yè)資質相對較差，其貸款市場定價后的利率也相對較高，因而假設αS>αN>0。此時，顯然有

（rS-rS）-（rN-rN）>0，刻畫了重點支持領域企業(yè)如民營企業(yè)貸款需求分布更廣的特征。

在此基礎上定向降準渠道可以刻畫為

R=ρ0D，b<ρ0（1-τ）D，b≥（3）

其中，b為重點支持領域企業(yè)貸款總額占全部貸款比例

v（rN-rN）/[v（rN-rN）+（1-v）（rS-rS）]為不實施貨幣政策時，企業(yè)信貸融資比例，顯然>v（rN-rN）/[v（rN-rN）+（1-

v）（rS-rS）]。

，為政策要求的重點支持領域企業(yè)貸款占比，ρ0為原存款準備金率，τ為存款準備金率下調的比例，τ∈[0，1]。

3.未實施貨幣政策時模型求解與均衡分析

假設商業(yè)銀行的債券投資收益為rB，中央銀行借款成本為rL，股本融資及債權融資成本為rK，銀行存款成本為rD，則此時商業(yè)銀行利潤最大化的目標函數(shù)為

maxrS，rN∫rSr+kS

（rS-kd-kS）v×NrS-rSdrS+

∫rNr+kN（rN-kd-kN）

（1-v）×NrN-rNdrN+rBB-rLL-rKK-rDD

s.t.

∫rSrSv×NrS-rSdrS+

∫rNrN（1-v）×NrN-rNdrN=C

C+B+R=L+K+D

ri>arcP（r）

P（ri）>0

∫arcP（r）rif（r）dr×N

∫ririf（r）dr×N>C

rN=r+kN

rS=r+kS

kS>kN

ri（r）=αir

αS>αN>0

kd=a（r-r-kc）2，r≥r0，r

其中，rS為銀行對重點支持領域企業(yè)貸款利率，rN為對非重點支持領域企業(yè)貸款利率。銀行部門通過主動調整對異質貸款可貸區(qū)間的上限rS與rN來決定異質貸款的投放量，以實現(xiàn)自身的利潤最大化。求解式（4）可得

rS=rN-kN+kS

rN=（L+K+D-R-B）（rS-rS）（rN-rN）

N[v（rN-rN）+（1-v）（rS-rS）]+r+kN（5）

其中，rS和rN為均衡時可貸區(qū)間上限。

與馬理等[10]的發(fā)現(xiàn)一致，此時在均衡下，新增1單位對重點支持領域企業(yè)的貸款收益與對非重點支持領域企業(yè)的貸款收益相等，且重點支持領域企業(yè)的信貸占比（b）低于其企業(yè)本身占比，該類企業(yè)存在融資困難問題

b=∫rSr+kS

v×NrS-rSdrS/

∫rSr+kS

v×NrS-rSdrS+

∫rNr+kN

（1-v）×NrN-rNdrN=

v（rN-rN）/[

v（rN-rN）+（1-v）（rS-rS）]

4.定向降準政策作用后的模型求解

將式（3）代入式（4）中，并在式（4）中加入新的約束條件：

>v（rN-rN）/[v（rN-rN）+（1-v）（rS-rS）]（6）

求解可得

rS=rN-kN+kS

rN=（L+K+D-ρ0D-B）（rS-rS）（rN-rN）

N[v（rN-rN）+（1-v）（rS-rS）]+r+kN（7）

5.比較靜態(tài)分析與模型推論

基于比較靜態(tài)的兩組解式（5）（7），定義g（τ，）如下：

g（τ，）=

∫rSrS（rS-kd-kS）

v×NrS-rSdrS+

∫rNrN（rN-kd-kN）

（1-v）×NrN-rNdrN（8）

由于g（τ，）τ>0，當g（0，）<0，g（1，）>0時，由零點定理，必存在g（τ，）=0。由此可得：

（1）當τ<τ時，定向降準政策無效，重點支持領域企業(yè)信貸融資結構不會發(fā)生改變。

（2）當τ≤τ<

{[1-（2-）v]（rN-rN）-（1-v）（1-）（rS-rS）}（L+K+D-ρ0D-B）

[v（rN-rN）+（1-v）（rS-rS）]（1-）ρ0D時，商業(yè)銀行為了滿足重點支持領域企業(yè)貸款比例為的目標，會減少一部分對非重點支持領域企業(yè)的貸款。

（3）當τ>

{[1-（2-）v]（rN-rN）-（1-v）（1-）（rS-rS）}（L+K+D-ρ0D-B）

[v（rN-rN）+（1-v）（rS-rS）]（1-）ρ0D時，商業(yè)銀行將會在維持重點支持領域企業(yè)貸款比例為b的同時，將增量流動性部分投入非重點支持領域企業(yè)，部分投入重點支持領域。

據(jù)此可以總結出三條推論：

推論1：當定向降準政策力度過低（τ過小）或政策實施標準過高時（b過大）時，定向降準政策不會發(fā)揮作用。

推論2：當定向降準政策力度較低導致增量流動性有限時，商業(yè)銀行為了滿足重點支持領域企業(yè)貸款比例為b的目標以獲取定向降準政策的優(yōu)惠，會減少一部分對非重點支持領域企業(yè)的貸款，轉而投入重點支持領域企業(yè)。

推論3：當定向降準政策力度很大時，商業(yè)銀行將會在維持重點支持領域企業(yè)貸款比例的同時，將增量流動性部分投入非重點支持領域企業(yè)，部分投入重點支持領域。

（二）政策背景

在2014年4月25日第一輪定向降準政策實施前，我國對中小金融機構與大型金融機構采取差別準備金制，其中對中小金融機構的法定存款準備率要求為18%，對大型金融機構的法定存款準備金率要求為20%。自定向降準政策首次實施以來，截至2020年12月31日，中國人民銀行共計18次對存款準備金進行調整

18次準備金調整中多數(shù)有著更強的“普降”屬性，而“定向”的屬性相對較弱，因而本文將“定向降準”政策研究邊界界定在“優(yōu)惠政策考核標準或降準幅度”的調整上。。其中，涉及主要商業(yè)銀行

包括國有大型商業(yè)銀行（簡稱國有大行），股份制商業(yè)銀行、外資銀行、城市商業(yè)銀行、非縣域農村商業(yè)銀行（簡稱其他銀行）。的定向降準政策主要有4次。如表1所示，首次定向降準幅度為0.5%，考核標準較為嚴苛

通過查閱上市銀行年報數(shù)據(jù)，截至2014年底，16家上市銀行中僅4家符合這一考核標準。;2015年6月，第二輪定向降準在未改變考核標準的情況下將定向降準幅度提高至1.0%;緊隨著的第三次定向降準將原有考核標準的定向降準幅度進一步提高至1.5%，同時新增較低考核標準，實施0.5%的定向降準幅度;2018年初，第三輪定向降準政策的實施則完全改寫了此前的考核標準，對滿足兩檔考核標準的銀行仍分別實施0.5%和1.5%的定向降準幅度。此后，適用于主要商業(yè)銀行的定向降準政策未再進行調整。

通過梳理上述定向降準政策可以發(fā)現(xiàn)，我國定向降準政策自實施以來共分為三個階段。

第一階段：2014年6月—2015年6月，政策針對“三農”和小微企業(yè)實施，考核標準嚴，降準幅度低;

第二階段：2015年7月—2017年12月，針對“三農”和小微企業(yè)實施兩檔定向降準政策，第一檔在原有降準幅度上放寬考核標準，第二檔在原有考核標準基礎上加大降準力度;

第三階段：2018年1月至今，針對小微企業(yè)等實施定向降準，涉農企業(yè)不再納入考核標準，同時，整體上維持第二階段兩檔降準幅度的基礎上進一步降低考核標準。

（三）假說提出

結合理論模型的推論1，第一階段嚴標準、低幅度的定向降準政策對商業(yè)銀行激勵不足，商業(yè)銀行變更其信貸融資結構的成本大于獲取定向降準政策優(yōu)惠準備金率的收益，此時定向降準政策無效。基于此，本文提出如下假說。

假說1：2014年6月實施的定向降準政策無法顯著改善農業(yè)企業(yè)或小微企業(yè)相較其他企業(yè)的信貸可得性。

第二階段中，在標準降低與力度加大雙管齊下的政策刺激下，定向降準效果顯著提升。然而，定向降準政策的考核中要求涉農信貸或小微企業(yè)貸款任一達標即可享受優(yōu)惠準備金率，由于邊際上投放給非重點支持領域企業(yè)的信貸收益更高，商業(yè)銀行僅會滿足兩類考核標準中的一類。根據(jù)理論模型的推論2，如果本輪定向降準政策力度仍略顯不足，商業(yè)銀行將減少一部分對非重點支持領域企業(yè)的貸款，轉而投入重點支持領域企業(yè)以獲取定向降準的政策優(yōu)惠。由于重點支持領域企業(yè)資質相對非重點支持領域企業(yè)較差，商業(yè)銀行會優(yōu)先考慮減少農業(yè)企業(yè)與小微企業(yè)中某一類企業(yè)信貸，轉而投向另一類企業(yè)以實現(xiàn)達標?；谶@一分析，本文提出如下假說。

假說2：2015年6月實施的第二階段定向降準政策可以顯著提高農業(yè)企業(yè)或小微企業(yè)中某一類企業(yè)的信貸可得性，對另一類企業(yè)的信貸可得性沒有作用或存在擠出效應。

第三階段的定向降準不再納入對農業(yè)企業(yè)信貸的考核，并進一步降低對小微企業(yè)信貸考核的標準。結合理論模型的推論3，在定向降準政策力度足夠大或實施標準足夠低時，定向降準政策對非重點支持領域信貸存在溢出效應，即企業(yè)傾向于將對重點支持領域的信貸投放維持在考核標準的最低比例要求上，將定向降準釋放的增量信貸投向非重點支持領域。據(jù)此，本文提出如下假說。

假說3：2018年1月實施的第三階段定向降準政策不再對農業(yè)企業(yè)有效，在顯著提高小微企業(yè)信貸可得性的同時存在對非小微企業(yè)的溢出效應。

三、研究設計

（一）樣本界定與數(shù)據(jù)來源

本文以A股上市公司、新三板掛牌公司和在交易所市場或銀行間市場發(fā)行公司債、企業(yè)債、短期融資券、中期票據(jù)的發(fā)債企業(yè)為研究樣本，財務數(shù)據(jù)源自Wind數(shù)據(jù)庫2010年1季度—2020年1季度間季頻數(shù)據(jù)，并在此基礎上剔除了金融類企業(yè)、地方政府融資平臺、資產負債率為負的企業(yè)、固定資產為負的企業(yè)以及財務數(shù)據(jù)存在異常極端值的企業(yè)，最終得到5605家企業(yè)樣本。

在所得企業(yè)樣本中，本文根據(jù)證監(jiān)會《上市公司行業(yè)分類指引》（2012修訂版）將所有上市公司與發(fā)債企業(yè)劃分為農業(yè)企業(yè)

此處農業(yè)企業(yè)包括所有證監(jiān)會《上市公司行業(yè)分類指引》（2012修訂版）行業(yè)分類為農、林、牧、漁業(yè)的企業(yè)。與非農業(yè)企業(yè)，同時依照《中小企業(yè)劃型標準規(guī)定》（工信部聯(lián)企業(yè)〔2011〕300號）根據(jù)企業(yè)年報的營業(yè)收入、從業(yè)人員

由于《中小企業(yè)劃型標準規(guī)定》中從業(yè)人員指標包括了兼職人員，而公司年報中披露的員工數(shù)僅為正式員工，因而存在將少量大中型企業(yè)誤分為小微企業(yè)的可能。這一錯誤劃分理論上只會減少大中型企業(yè)與小微企業(yè)之間的差異，削弱政策效果，從而導致更低的顯著性，因而并不會改變本文的核心結論。本文也在穩(wěn)健性檢驗中參照陳書涵等[29]的做法僅依照營業(yè)收入、資產總額兩個變量進行企業(yè)劃分，結果依然穩(wěn)健。、資產總額三項指標劃分各行業(yè)的小微企業(yè)與大中型企業(yè)。在第一階段與第二階段的定向降準中，涉農信貸與小微企業(yè)貸款同時受定向降準政策作用，因而在這兩個階段農業(yè)企業(yè)與小微企業(yè)均作為處理組，非農企業(yè)與大中型企業(yè)則作為對照組。在第三階段的定向降準中，由于定向降準標準的改變，僅小微企業(yè)作為受政策作用的處理組。最終本文得到了42家農業(yè)企業(yè)，106家小微企業(yè)，第一、二階段定向降準中共有147家處理組企業(yè)

小微企業(yè)與農業(yè)企業(yè)有部分企業(yè)重疊。，第三階段定向降準中共有106家處理組企業(yè)。

（二）實證方法與變量選取

參照林朝穎等[12，20]的做法，本文在使用PSM的基礎上采用DID進行研究。由于DID方法要求處理組與對照組之間在受政策沖擊前具有平行趨勢，而農業(yè)企業(yè)與非農業(yè)企業(yè)之間或大中型企業(yè)與小微企業(yè)之間的信貸獲取能力具有顯著差異[26]，因而基于匹配估計量的思想，本文使用傾向得分匹配的方法來降低處理組與對照組間各變量的標準化偏差，使兩組數(shù)據(jù)更為平衡。本文使用卡尺內最近鄰匹配法，依據(jù)邏輯回歸（Logit）得到的估計傾向得分在0.01的卡尺范圍內一對一有放回

有放回地匹配可以盡可能減少匹配后樣本損失量，在本文穩(wěn)健性檢驗中將分別使用更低樣本損失量的1對5有放回匹配與更多樣本損失量的1對1無放回匹配，結果均依然穩(wěn)健。地進行匹配。Logit回歸中結果變量使用信貸可得性，而根據(jù)茍琴等[27-28]的研究，選取資產規(guī)模、盈利能力、成長性、資產有形性、資產負債率、現(xiàn)金流能力、吸收投資、企業(yè)年齡以及是否國有企業(yè)

區(qū)別于林朝穎等[12，20]的研究，由于政府隱形擔保、再次公開發(fā)行、債務融資等因素同樣作用于企業(yè)信貸可得性，本文使用這三個虛擬變量以進一步降低處理組與對照組的組間差異。、是否上市公司、是否發(fā)債企業(yè)三個虛擬變量作為影響企業(yè)信貸可得性的協(xié)變量

參照Imbens等[30]的研究，本文在上述協(xié)變量中通過比較模型擬合后極大似然值的方式進一步篩選出匹配使用的協(xié)變量。。最后，企業(yè)信貸可得性同樣受到常規(guī)貨幣政策與經(jīng)濟發(fā)展的影響，本文選取國內生產總值刻畫經(jīng)濟增長，用廣義貨幣供應量同比增速和貸款基準利率控制住數(shù)量型與價格型兩類常規(guī)貨幣政策。變量定義見表2。

在匹配平衡性檢驗通過后，本文首先使用下式檢驗處理組與對照組在政策實施前的平行趨勢：

lnit=∑6j=-4，j≠0αjYeartj×treatedi+θXit+γi+δt+εit（9）

其中，treatedj表示實驗變量，上標j表示以農業(yè)企業(yè)、小微企業(yè)或全部兩類企業(yè)作為回歸中的處理組。

Yeart為年份虛擬變量，Xit為控制變量，γi為個體固定效應，δt為季度固定效應，εit為隨機擾動項。

隨后，本文采用如下DID回歸來識別定向降準實施前后處理組與對照組間信貸可得性差異：

lnit=β0+β1treatedj×postkit+θXit+γi+δt+εit（10）

其中，postkt（k=1，2，3）表示定向降準政策實施前后，上標k則表示三次不同的定向降準階段。本文所關注的核心變量則為上述兩變量的交叉項treatedj×postkit的系數(shù)β1，當定向降準對農業(yè)企業(yè)/小微企業(yè)發(fā)揮作用時，該系數(shù)應當顯著為正。

最后，由于當?shù)诙A段擠出效應發(fā)揮作用時，商業(yè)銀行會率先減少對某一類企業(yè)的短期貸款，而無法抽除長期貸款，因而當擠出效應發(fā)揮作用時該類企業(yè)在政策實施后短期貸款會減少，而長期貸款則不會改變。基于此，本文采取如下兩式分別檢驗第二階段的擠出效應。

slnit=β0+β1treatedj×postkit+θXit+γi+δt+εit（11）

llnit=β0+β1treatedj×postkit+θXit+γi+δt+εit（12）

（三）描述性統(tǒng)計與平行趨勢檢驗

匹配后的農業(yè)企業(yè)、非農業(yè)企業(yè)、大中型企業(yè)與小微企業(yè)的描述性統(tǒng)計結果見表3

限于篇幅，本文正文里省略了傾向得分匹配的結果，匹配后大多數(shù)變量標準化偏差顯著縮小，所有變量的t檢驗結果均不拒絕處理組與對照組無顯著差異的原假設，滿足平衡性假設;核密度分布圖顯示處理組與對照組基本一致，滿足共同支撐假設。如有需要請向筆者索取。。整體而言，匹配后的農業(yè)企業(yè)整體上與非農業(yè)企業(yè)差異不大，而小微企業(yè)的信貸可得性弱于大中型企業(yè)，資產規(guī)模、資產有形性、企業(yè)成立年限等同樣也均低于匹配后的非農業(yè)企業(yè)樣本，同時小微企業(yè)的成長性顯著優(yōu)于大中型企業(yè)。

式（9）的回歸結果如圖1和圖2所示。核心系數(shù)αj反映了在各年中控制住其他變量后年份對處理組和對照組沖擊的差異，圖中展示了農業(yè)企業(yè)樣本

農業(yè)企業(yè)樣本指農業(yè)企業(yè)通過傾向得分匹配非農業(yè)企業(yè)后兩者共同組成的樣本，小微企業(yè)樣本指小微企業(yè)通過傾向得分匹配大中型企業(yè)后兩者共同組成的樣本，全樣本則為處理組所有定向降準目標企業(yè)與非目標企業(yè)通過傾向得分匹配后組成的樣本。與小微企業(yè)樣本中αj及其95%的置信區(qū)間。兩圖中定向降

準政策實施前的3年αj均未顯著異于0，滿足平行趨勢假設。從圖1中可以看出，相較匹配后的非農業(yè)企業(yè)，農業(yè)企業(yè)在定向降準實施的第一階段2014年信貸可得性沒有顯著變化，第二階段2015年開始，定向降準政策持續(xù)改善農業(yè)企業(yè)的信貸可得性，而在第三階段2018—2019年農業(yè)企業(yè)被定向降準政策排除后這一差異最終消失;從圖2可以看出，相較匹配后的大中型企業(yè)，小微企業(yè)的信貸可得性在定向降準第一階段同樣未發(fā)生變化，第二階段中小微企業(yè)信貸可得性反而下降，直到第三階段逐漸回升。

四、實證分析

（一）第一階段定向降準對目標企業(yè)信貸可得性的影響

首先對2014年6月實施的定向降準政策效果進行檢驗。分別將匹配后的農業(yè)企業(yè)樣本、小微企業(yè)樣本、全企業(yè)樣本帶入式（10）中，以檢驗定向降準政策實施前后各樣本中處理組

農業(yè)企業(yè)樣本中處理組為農業(yè)企業(yè)，小微企業(yè)樣本中處理組為小微企業(yè)，全樣本中處理組為農業(yè)企業(yè)/小微企業(yè)。的信貸可得性是否受定向降準政策影響。表4第（1）—（4）列為農業(yè)企業(yè)樣本的回歸結果，第（5）—（8）列為小微企業(yè)樣本的回歸結果，第（9）—（12）列為全樣本的回歸結果，每組4列的控制變量逐漸增多，從僅控制年度固定效應逐漸增加至控制所有固定效應。表4各列中核心變量交叉項treated×post的回歸系數(shù)均不顯著，說明第一階段定向降準政策的實施并沒有對農業(yè)企業(yè)或小微企業(yè)產生效果。這一結果驗證了本文的假說1，與林朝穎等[12]的發(fā)現(xiàn)一

致郭曄等[20]的研究中第一階段定向降準政策在10%的顯著性水平下對農業(yè)企業(yè)有作用，這一作用效果顯著性水平相對較低，與本文的差異可能源自于樣本選擇不同。其選取了上市公司作為研究樣本，而本文則包括了相對資質更差的發(fā)債企業(yè)與新三板企業(yè)，當定向降準僅能對少數(shù)銀行產生足夠激勵時，這類銀行會遵循Myers的啄食順序理論優(yōu)先滿足上市企業(yè)的融資需求，而本文的樣本量相對更大，也更貼合當前面臨融資難問題的企業(yè)現(xiàn)狀。，也驗證了馬理等[10]通過仿真模擬得出的結論。究其原因，定向降準政策在第一階段實施時標準過高而降準力度過低，根據(jù)本文模型的研究推論1，當定向降準政策實施標準過高或降準幅度過低時，商業(yè)銀行沒有足夠的激勵去犧牲投放相對安全性與收益性更高的非農業(yè)企業(yè)或大中型企業(yè)貸款，此時重點支持領域企業(yè)信貸融資結構不會發(fā)生改變。

從表4的第（3）（7）（11）列treated的系數(shù)可以看出，相較于非農業(yè)企業(yè)或大中型企業(yè)，農業(yè)企業(yè)與小微企業(yè)獲取信貸更為困難，這與王馨[26]的發(fā)現(xiàn)一致，也與本文模型的推論相恰，小微企業(yè)或農業(yè)企業(yè)由于資信條件不一，在信貸市場上往往很難申請到足夠的貸款。同時，企業(yè)財務變量中，roa、g等變量系數(shù)不顯著，說明盈利能力與成長性和企業(yè)信貸可得性相關性較低，dtr系數(shù)顯著為正，說明銀行傾向于向杠桿率更高的企業(yè)提供貸款，這些結果均與郭曄等[20]的研究一致。fix的系數(shù)正向顯著，說明銀行傾向于向資產有形性更高的企業(yè)放貸，根據(jù)茍琴等[27]的研究，通常而言這類企業(yè)有著更多的抵押資產，因而更受銀行青睞。sz的系數(shù)顯著為負，這是由于被解釋變量企業(yè)信貸占比ln與總資產規(guī)模之間的反比例關系。企業(yè)基本要素中，soe、ipo和bd系數(shù)均顯著為正，說明國有企業(yè)、上市公司與發(fā)債企業(yè)相較非國有企業(yè)、非上市公司與非發(fā)債企業(yè)均有著更強的融資能力，這與韓鵬飛等[28]的發(fā)現(xiàn)一致。宏觀變量中，GDP與M2系數(shù)均顯著為負，原因可能是本文研究樣本中這類有再次公開發(fā)行、發(fā)債等融資手段的企業(yè)往往在經(jīng)濟下行階段與流動性收緊階段更依賴銀行信貸的支持，而在經(jīng)濟上行期或流動性寬松期企業(yè)有著更多外源融資方式的選擇。

（二）第二階段定向降準對目標企業(yè)信貸可得性的影響與擠出效應

2015年6月開始的第二階段定向降準研究結果見表5。農業(yè)企業(yè)樣本與小微企業(yè)樣本代入式（10）的回歸結果，控制變量等結果基本與表4一致，此處不再贅述。其關注的核心解釋變量treated×post在農業(yè)企業(yè)樣本中正向顯著，而在小微企業(yè)樣本中則負向顯著。這說明定向降準政策在第二階段中僅對農業(yè)企業(yè)發(fā)揮作用，而對小微企業(yè)非但沒有起到作用，反而產生了擠出效應。這也驗證了本文的假說2。

定向降準政策在2015年6月的調整增大了降準幅度，根據(jù)本文模型的推論2，當定向降準政策力度較低導致增量流動性有限時，商業(yè)銀行為達成定向降準目標會減少一部分對非重點支持領域企業(yè)的貸款，轉而投入重點支持領域企業(yè)。而2015年6月調整后正使得定向降準幅度落在了這一區(qū)間。由于第二階段定向降準政策對涉農信貸與小微信貸分開考核，因而商業(yè)銀行僅需滿足任一考核標準即可獲得定向降準釋放的增量流動性，在這一考核方式下，大部分商業(yè)銀行僅會爭取達到一個考核標準而不會追求兩個標準同時滿足。從表3可以看出，本文研究樣本中相對農業(yè)企業(yè)，小微企業(yè)有著更低的信貸可得性，因而商業(yè)銀行更傾向于滿足涉農貸款的考核標準而非小微企業(yè)的考核標準。因此，擠出效應優(yōu)先在小微企業(yè)發(fā)揮作用，第二階段的定向降準政策反而降低了小微企業(yè)的信貸可得性。

為了進一步驗證這一擠出效應，本文將小微企業(yè)樣本代入到式（11）（12）中去，回歸結果見表6，其中第（1）—（4）列為式（11）的回歸結果，第（5）—（8）列為式（12）的回歸結果?？梢钥吹?，第二階段的定向降準降低了小微企業(yè)的短期貸款，對長期貸款則沒有產生顯著影響。這是由于當銀行為滿足農業(yè)企業(yè)貸款標準而減少小微企業(yè)貸款時，僅短期貸款可以抽出，而長期貸款則無法在短期內進行調整。事實上，在對農業(yè)企業(yè)信貸增長的異質性研究

限于篇幅，本文正文部分未匯報異質性回歸結果，有興趣的讀者可向筆者索要。中，同樣可以發(fā)現(xiàn)新增的涉農信貸也多為短期貸款。一方面，這是由于新增貸款與被擠出的貸款基本滿足期限匹配原則;另一方面，定向降準政策存在調整的可能性、農業(yè)企業(yè)違約概率相對較高等因素也導致銀行為達到考核標準而更傾向于增加短期貸款。

（三）第三階段定向降準對目標企業(yè)信貸可得性的影響與溢出效應

2018年初開始實施的定向降準第三階段中，新的考核標準不再納入針對農業(yè)企業(yè)的信貸，而將重點轉向小微企業(yè)信貸。農業(yè)企業(yè)樣本與小微企業(yè)樣本代入式（10）的回歸結果見表7。從核心解釋變量treated×post的系數(shù)可以看出，一方面，由于農業(yè)企業(yè)被排除在目標企業(yè)之外，農業(yè)企業(yè)的信貸可得性不再發(fā)生變化;另一方面，本次重點針對的小微企業(yè)信貸可得性在政策調整后顯著增加。這同樣驗證了本文的研究假說3。同時，表7第（2）（6）兩列post的系數(shù)分別在10%和5%水平下顯著為正，說明隨著定向降準幅度的進一步加大（標準進一步降低），本次定向降準不再產生擠出效應，反而對其他企業(yè)的信貸可得性產生了溢出效應。這既與馮明等[31]的研究發(fā)現(xiàn)一致，也與本文理論模型的推論3相符。

（四）穩(wěn)健性檢驗

為保證前文結果的有效性，本文主要從以下幾個方面進行穩(wěn)健性檢驗

受篇幅限制，本文穩(wěn)健性檢驗結果在正文中省略，感興趣的讀者可向筆者索取。：

（1）安慰劑檢驗。由于農業(yè)企業(yè)信貸或小微企業(yè)信貸可得性的變化可能由其他因素導致，因此本文設定了虛擬的定向降準政策實施窗口2012年6月進行安慰劑檢驗。結果表明，2012年6月的虛擬政策沒有對農業(yè)企業(yè)樣本、小微企業(yè)樣本和全樣本中處理組的信貸可得性產生影響。

（2）重新劃分小微企業(yè)

本文僅對未能在Wind數(shù)據(jù)庫中查到官方劃型的企業(yè)進行了重新劃分，而未對可以明確企業(yè)類型的企業(yè)進行重新劃分。原文劃分中，出于數(shù)據(jù)可得性，有部分無明確行業(yè)的企業(yè)因人員數(shù)符合標準而被納入小微企業(yè)，但這類企業(yè)在明確行業(yè)歸屬后是否仍為小微企業(yè)存疑，因而在穩(wěn)健性檢驗的重新劃分中，將此類企業(yè)剔除出樣本。。由于《中小企業(yè)劃型標準規(guī)定》中從業(yè)人員包括了兼職人員，而公司年報中披露的員工數(shù)僅為正式員工，因而存在將少量大中型企業(yè)誤分為小微企業(yè)的可能。參照陳書涵等[30]的做法僅依照營業(yè)收入、資產總額兩個變量進行企業(yè)劃分，上述研究結論依然穩(wěn)健。

（3）調整匹配形式。本文分別使用1∶1無放回傾向得分匹配與1∶5有放回傾向得分匹配，前者縮小了樣本容量，后者擴大了樣本容量，結果仍與前文一致。

（4）調整研究樣本與頻率。本文分別僅針對發(fā)債企業(yè)樣本、僅針對上市公司樣本、使用半年頻數(shù)據(jù)進行了前文的實證回歸，實證結果依然維持穩(wěn)健。

五、結論與啟示

本文從銀行資產負債表入手構建理論模型論證了定向降準政策對企業(yè)信貸傳導在不同“政策幅度”與“考核比例要求”下不同的作用效果。在此基礎上，結合定向降準政策考核標準與實施幅度在過去6年內的三次重大調整，使用企業(yè)季頻微觀數(shù)據(jù)，實證檢驗了理論模型的三大推論。研究發(fā)現(xiàn)：首先，初期定向降準政策標準過高且政策力度過低時，定向降準政策缺乏有效性。其次，隨著降準幅度的增加與考核標準的降低，定向降準政策的信貸調控效果逐漸顯現(xiàn)，當前的定向降準政策可以有效緩解小微企業(yè)融資難問題。最后，定向降準政策在提高重點支持領域貸款投放比重的同時，在降準釋放流動性總量不足時會對非重點支持領域貸款產生擠出效應，而釋放流動性總量充足時又會產生溢出效應。

基于以上結論，本文得到以下幾點啟示：

第一，結構性貨幣政策的有效性緊密依賴其發(fā)揮作用的兩大核心要素——“實施力度”和“考核標準”。因此，政策制定方需要預估并動態(tài)評估這兩大核心要素在不同區(qū)間對調控對象作用的效果，從而更好地調整政策，使之發(fā)揮應有的效力。定向降準政策在實施初期存在效力不足、擠出小微企業(yè)貸款等問題，而當前的定向降準政策正發(fā)揮著良好的調控效果，央行其他調控工具也應當借鑒這一過程并盡量避免該政策所產生的問題。

第二，信貸結構不合理的現(xiàn)狀是在市場環(huán)境下發(fā)生的，當前不當?shù)男刨J結構同樣也是市場均衡的產物，小微企業(yè)融資難問題的實質在于商業(yè)銀行綜合違約成本、審核成本等風險后投放給小微企業(yè)貸款的綜合收益往往不盡如人意。因此，央行在制定與實施結構性貨幣政策時需要立足信貸市場現(xiàn)狀，綜合商業(yè)銀行對小微企業(yè)信貸的成本，切實增加激勵，才能有效打破小微企業(yè)融資難的格局。

第三，定向調控類政策的考核標準應盡可能自洽，當考核標準為“滿足任一條件即可”的形式時，需要格外關注條件之間的沖突性。商業(yè)銀行利潤最大化的目標往往導致其追求某一條件的達成而損害另一條件涉及的對象，定向降準實施過程之初就出現(xiàn)了條件沖突導致的擠出效應。

第四，政策制定是有成本的，政策實施力度過低會削弱市場預期，降低央行政策的信號作用;政策實施力度過高會釋放過量流動性，同樣會沖擊市場，向非定向調控部門大量溢出。因而，政策實施需要在政策收益與成本之間找到合適的平衡點，以盡可能降低不必要的政策成本。

參考文獻：

[1] TAYLOR J B， WILLIAMS J C. A black swan in the money market [J]. American Economic Journal： Macroeconomics， 2009， 1（1）： 58-83.

[2] GRKAYNAK R S， WRIGHT J H. Macroeconomics and the term structure [J]. Journal of Economic Literature， 2012， 50（2）： 331-67.

[3] DUFFIE D. Presidential address： asset price dynamics with slow-moving capital [J]. The Journal of Finance， 2010， 65（4）： 1237-1267.

[4] FARMER R E A. Qualitative easing： how it works and why it matters [R]. National Bureau of Economic Research Working Papers， 2012.

[5] CHURM R， RADIA A， LEAKE J， et al. The funding for lending scheme [J]. Bank of England Quarterly Bulletin， 2012， 52（4）： 306-320.

[6] CHURM R， JOYCE M， KAPETANIOS G， et al. Unconventional monetary policies and the macroeconomy： the impact of the UKs QE2 and funding for lending scheme [J]. The Quarterly Review of Economics and Finance， 2021， 80（2）： 721-736.

[7] 鄧雄. 結構性貨幣政策工具的運用： 發(fā)達國家的實踐及啟示 [J]. 南方金融， 2015（1）： 26-34.

[8] 彭江波， 孫軍， 唐功爽. 對當前農信社差別化準備金政策的探討： 以山東省為例 [J]. 金融研究， 2011（11）： 125-138.

[9] KOPECKY K J， VANHOOSE D. A model of the monetary sector with and without binding capital requirements [J]. Journal of Banking & Finance， 2004， 28（3）： 633-646.

[10]馬理， 婁田田， 牛慕鴻. 定向降準與商業(yè)銀行行為選擇 [J]. 金融研究， 2015（9）： 82-95.

[11]馬方方， 谷建偉. 中國定向調控貨幣政策效應研究 [J]. 首都經(jīng)濟貿易大學學報， 2016（1）： 33-39.

[12]林朝穎， 黃志剛， 楊廣青， 等. 基于企業(yè)視角的定向降準政策調控效果研究 [J]. 財政研究， 2016（8）： 91-103.

[13]魏曉云， 韓立巖. 企業(yè)共生模式下定向降準政策的激勵機制 [J]. 系統(tǒng)工程， 2018（3）： 1-12.

[14]畢錫萼， 李萌， 袁長青. 對“定向降準”政策效應的調研與思考 [J]. 華北金融， 2015（4）： 67-69.

[15]朱妮， 孫含越. 定向降準作用有限， 政策還需應勢而動 [J]. 中國銀行業(yè)， 2014（6）： 64-66.

[16]AIT-SAHALIA Y， ANDRITZKY J， JOBST A， et al. Market response to policy initiatives during the global financial crisis [J]. Journal of International Economics， 2012， 87（1）： 162-177.

[17]郭冠男. 2014年央行定向降準政策創(chuàng)新的跟蹤述評和建議 [J]. 中國經(jīng)貿導刊， 2015（3）： 16-19.

[18]黎齊. 中國央行定向降準政策的有效性： 基于雙重差分模型的實證研究 [J]. 財經(jīng)論叢， 2017（4）： 37-46.

[19]王曦， 李麗玲， 王茜. 定向降準政策的有效性： 基于消費與投資刺激效應的評估 [J]. 中國工業(yè)經(jīng)濟， 2017（11）： 137-154.

[20]郭曄， 徐菲， 舒中橋. 銀行競爭背景下定向降準政策的“普惠”效應： 基于A股和新三板三農、小微企業(yè)數(shù)據(jù)的分析 [J]. 金融研究， 2019（1）： 1-18.

[21]林朝穎， 林楠， 黃志剛， 等. 基于企業(yè)微觀視角的定向降準惠農精準性研究 [J]. 中國農村觀察， 2020（6）： 83-101.

[22]楊冰潔. 結構性貨幣政策向小微企業(yè)傳導的效率及可持續(xù)性研究： 基于全面FGLS模型 [J]. 上海金融， 2020（9）： 72-79.

[23]錢水土， 吳衛(wèi)華. 信用環(huán)境、定向降準與小微企業(yè)信貸融資： 基于合成控制法的經(jīng)驗研究 [J]. 財貿經(jīng)濟， 2020（2）： 99-114.

[24]笪哲. 結構性貨幣政策能紓解小微企業(yè)融資困境嗎 [J]. 金融經(jīng)濟學研究， 2020（2）： 51-62.

[25]STIGLITZ J， WEISS A. Credit rationing in markets with imperfect information [J]. The American Economic Review， 1981， 71（3）： 393-410.

[26]王馨. 互聯(lián)網(wǎng)金融助解“長尾”小微企業(yè)融資難問題研究 [J]. 金融研究， 2015（9）： 128-139.

[27]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.

[28]韓鵬飛， 胡奕明. 政府隱性擔保一定能降低債券的融資成本嗎： 關于國有企業(yè)和地方融資平臺債券的實證研究 [J]. 金融研究， 2015（3）： 116-130.

[29]陳書涵， 黃志剛， 林朝穎， 等. 定向降準政策對商業(yè)銀行信貸行為的影響研究 [J]. 中國經(jīng)濟問題， 2019（1）： 14-26.

[30]IMBENS G W， RUBIN D B. Causal inference in statistics， social， and biomedical sciences [M]. Cambridge： Cambridge University Press， 2015.

[31]馮明， 伍戈. 定向降準政策的結構性效果研究： 基于兩部門異質性商業(yè)銀行模型的理論分析 [J]. 財貿經(jīng)濟， 2018（12）： 62-79.

[本刊相關文獻鏈接]

[1] 肖銳， 湯寬之， 洪正. 產業(yè)升級、金融分權與民營企業(yè)融資約束 [J]. 當代經(jīng)濟科學， 2021（2）： 36-47.

[2] 郭娜， 彭玉婷， 馮立. 影子銀行、金融風險與宏觀審慎監(jiān)管有效性 [J]. 當代經(jīng)濟科學， 2021（2）： 16-26.

[3] 李香菊， 劉碩. 稅收優(yōu)惠政策與僵尸企業(yè)擠出效應： 基于上市公司退市風險和創(chuàng)新投入的雙重視角 [J]. 當代經(jīng)濟科學， 2021（2）： 84-96.

[4] 莊芹芹， 司登奎. 異質債務、金融配給與研發(fā)投入： 基于金融供給側結構性改革視角 [J]. 當代經(jīng)濟科學， 2021（1）： 91-104.

[5] 顧海峰， 張歡歡. 企業(yè)金融化、融資約束與企業(yè)創(chuàng)新： 貨幣政策的調節(jié)作用 [J]. 當代經(jīng)濟科學， 2020（5）： 74-89.

[6] 應展宇， 張夏晗. 雙重競爭約束下中國商業(yè)銀行風險承擔行為研究 [J]. 當代經(jīng)濟科學， 2020（4）： 54-67.

[7] 劉祖基， 劉希鵬. 貨幣政策協(xié)調與產業(yè)結構“非線性”優(yōu)化 [J]. 當代經(jīng)濟科學， 2020（2）： 59-67.

[8] 王韌， 李志偉. 貨幣政策操作類型差異與制造類公司的杠桿響應機制變化 [J]. 當代經(jīng)濟科學， 2020（3）： 80-91.

[9] 金春雨， 張德園. 中國不同類型經(jīng)濟政策不確定性的宏觀經(jīng)濟效應對比研究 [J]. 當代經(jīng)濟科學， 2020（2）： 45-58.

[10]李成， 李一帆， 于海東， 李文樂. 城市人口、貨幣政策與房地產價格： 內在機理與實證檢驗 [J]. 當代經(jīng)濟科學， 2020（1）： 108-119.

[11]趙勝民， 陳蒨. 利率市場化進程中貨幣政策信貸渠道的傳導效果 [J]. 當代經(jīng)濟科學， 2019（4）： 109-117.

[12]劉生福. 數(shù)字化支付時代的貨幣政策傳導： 理論推演與經(jīng)驗證據(jù) [J]. 當代經(jīng)濟科學， 2019（2）： 1-12.

[13]夏仕龍， 付英俊. 我國貨幣政策的銀行風險承擔效應研究： 基于中觀層面的結構視角 [J]. 當代經(jīng)濟科學， 2017（6）： 33-45.

[14]劉震， 牟雯波. 宏觀審慎管理、金融摩擦與經(jīng)濟周期： 基于準備金率工具的視角 [J]. 當代經(jīng)濟科學， 2017， 39（3）： 12-21+124.

[15]劉洪愧， 王治國， 鄒恒甫. 貨幣政策對短期市場利率動態(tài)過程的影響： 基于SHIBOR的實證研究 [J]. 當代經(jīng)濟科學， 2016（2）： 30-40.

責任編輯、校對： 高原

Effectiveness of Targeted Required Reserve Rate Cut on Enterprises Credit

—Perspective of Three Adjustments of the Policy

LI Xinyue

（School of Economics， Fudan University， Shanghai 200433， China）

Abstract： Since the first implementation of the policy of targeted cut in reserve requirement ratio， it has made three adjustments in the assessment standard and the range of cut in RRR， and its regulatory effectiveness has changed significantly. Based on this， this paper first constructs a theoretical model to analyze the different impacts of targeted RRR cut policy on heterogeneous enterprise credit under different intensities and implementation standards. This model shows that when the implementation standard of the targeted RRR cut policy is too high or the strength is too low， the enterprise credit in the key support areas will not be affected by the policy. With the gradual improvement of the policy， the enterprise credit in the key support areas will produce crowding out effect and spillover effect on other enterprises credit availability. Based on the micro data of enterprises， this paper uses the PSM-DID method to test the change of the regulatory effect of the targeted RRR cut policy on agricultural enterprises and small and micro enterprises in different stages， and verifies the conclusion of the theoretical model： the policy lacks effectiveness at the initial stage; after the adjustment， the targeted RRR cut policy significantly improves the availability of agricultural enterprise credit， while crowds out small and micro enterprise credit; under the current new inclusive finance standard， the targeted RRR cut policy effectively alleviates the “financing difficulty” problem of small and micro enterprises， and at the same time， it plays a spillover role in the credit acquisition of non-small and micro enterprises. This shows that the effectiveness of structural monetary policy is closely dependent on the two core elements — intensity of the policy implementation and assessment standards. The two elements need to be dynamically adjusted in policy-making to make the policy more effective.

Keywords： targeted RRR cut; enterprise credit; enterprise financing; small and micro enterprises; monetary policy; crowding out effect; spillover effect