程超
摘? ?要:在對(duì)不同類型信貸配給進(jìn)行識(shí)別和統(tǒng)計(jì)的基礎(chǔ)上,采用三變量Probit模型糾正雙重樣本選擇偏誤,實(shí)證分析數(shù)字金融發(fā)展對(duì)小微企業(yè)需求方配給和供給方配給的影響,并進(jìn)一步探究數(shù)字金融影響需求方配給的作用機(jī)制。研究結(jié)果表明,需求方配給是小微企業(yè)面臨的主要信貸配給形式,數(shù)字金融的發(fā)展顯著降低了小微企業(yè)面臨的需求方配給和供給方配給規(guī)模,數(shù)字金融主要通過降低信貸交易成本、貸款價(jià)格和信貸風(fēng)險(xiǎn),從而緩解小微企業(yè)面臨的需求方配給。然而,數(shù)字金融并不能夠緩解銀行對(duì)小微企業(yè)社會(huì)資本的依賴。未來,應(yīng)在大力提升區(qū)域數(shù)字金融發(fā)展水平的同時(shí),推動(dòng)銀行治理體系的數(shù)字化建設(shè),以更好發(fā)揮數(shù)字金融對(duì)小微企業(yè)融資的支持作用。
關(guān)鍵詞:數(shù)字金融;小微企業(yè);需求方配給;供給方配給;雙重樣本選擇偏誤
中圖分類號(hào):F832.4? 文獻(xiàn)標(biāo)識(shí)碼:A? 文章編號(hào):1674-2265(2021)07-0018-09
DOI:10.19647/j.cnki.37-1462/f.2021.07.003
一、引言
小微企業(yè)在推動(dòng)科技創(chuàng)新、拉動(dòng)經(jīng)濟(jì)發(fā)展、創(chuàng)造就業(yè)機(jī)會(huì)等方面發(fā)揮著重要作用,然而,小微企業(yè)卻長期面臨著信貸配給,新冠肺炎疫情的持續(xù)更是增加了小微企業(yè)現(xiàn)金流斷裂的風(fēng)險(xiǎn),若大批小微企業(yè)面臨資金鏈斷裂,則很有可能引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)。建立普惠金融體系為小微企業(yè)提供資金支持成為廣泛共識(shí),數(shù)字化已成為普惠金融創(chuàng)新發(fā)展的重要突破口。
那么,在大數(shù)據(jù)、云計(jì)算、人工智能高速發(fā)展的時(shí)代,數(shù)字金融能否有效緩解小微企業(yè)信貸配給,助力建設(shè)普惠金融體系?進(jìn)一步地,數(shù)字金融緩解小微企業(yè)信貸配給的機(jī)制何在?這些將是本文試圖研究并回答的問題?,F(xiàn)有研究集中圍繞數(shù)字金融如何影響供給方配給,忽視了大量受到需求方配給的小微企業(yè)。由于需求方配給是小微企業(yè)信貸配給的主要表現(xiàn)形式,僅考慮供給方配給將嚴(yán)重低估小微企業(yè)面臨的信貸配給規(guī)模,對(duì)需求方配給的忽視將遺漏相當(dāng)一部分受到融資約束的小微企業(yè),不利于系統(tǒng)探討數(shù)字金融的貸款效應(yīng)和建立數(shù)字金融普惠體系;與此同時(shí),對(duì)需求方配給的忽視也將因分析框架的不完整造成雙重樣本選擇性偏誤,帶來估計(jì)結(jié)果的偏誤。在當(dāng)前國際國內(nèi)雙循環(huán)背景下,系統(tǒng)探究數(shù)字金融如何影響小微企業(yè)信貸配給不僅有助于引導(dǎo)金融資源服務(wù)實(shí)體經(jīng)濟(jì),而且對(duì)于建立現(xiàn)代金融體系具有重要而深遠(yuǎn)的意義。
二、文獻(xiàn)綜述
(一)信貸配給相關(guān)研究
自從Jaffee和Russell(1976)[1]以及Stiglitz和Weiss(1981)[2]的開創(chuàng)性研究以來,信貸配給的概念得到了廣泛理解和認(rèn)同。企業(yè)在向銀行申請(qǐng)貸款時(shí),若被銀行拒絕放貸或只能獲取部分貸款申請(qǐng)金額,導(dǎo)致企業(yè)不得不被排除在信貸市場(chǎng)之外,此種配給被稱為供給方配給。供給方配給已得到廣泛關(guān)注并被證實(shí)存在于信貸市場(chǎng)之中,大量文獻(xiàn)探討了供給方配給的影響因素(Heikkila等,2016;Ferrando和Mulier,2017;劉曉光和劉嘉桐,2020)[3-5],而信息不對(duì)稱引致的逆向選擇和道德風(fēng)險(xiǎn)始終被視為供給方配給產(chǎn)生的主要原因。
近些年來,隨著信貸配給理論的發(fā)展,信貸配給的概念得到了擴(kuò)展,包括了有資金需求的借款者主動(dòng)放棄貸款申請(qǐng)的情況,此種配給類型被稱為需求方配給,其本質(zhì)上是指有資金需求的借貸者由于種種原因不愿意申請(qǐng)貸款而自愿退出信貸市場(chǎng)的決定。與供給方配給相比,此類企業(yè)雖然也存在未滿足的資金需求,但卻主動(dòng)放棄向銀行申請(qǐng)貸款,選擇抑制自身信貸需求的表達(dá)。由此,大量文獻(xiàn)探討了需要資金的借款者不愿申請(qǐng)貸款的原因,并根據(jù)需求方配給的產(chǎn)生機(jī)制,將需求方配給劃分為多種具體形式。Kon和Storey(2003)[6]認(rèn)為,借款者放棄貸款申請(qǐng)的原因主要?dú)w咎于銀行的篩選錯(cuò)誤、高昂的貸款申請(qǐng)成本和嚴(yán)格的抵押物要求。Boucher等(2009)[7]在分析框架中納入了三種類型的需求方配給,即風(fēng)險(xiǎn)配給、價(jià)格配給和交易成本配給,分別對(duì)應(yīng)于因抵押物要求過高而擔(dān)心失去抵押物、貸款利率過高、貸款申請(qǐng)程序太復(fù)雜而放棄貸款申請(qǐng)。此外,作為關(guān)系型貸款的產(chǎn)物,社會(huì)資本配給是借款者因與信貸員不熟悉而放棄貸款申請(qǐng)的另一個(gè)重要原因(張龍耀和江春,2011;Moro和Fink,2013;Angori等,2019;Rostamkalaei等,2020)[8-11]。
已有研究表明,受到需求方配給的信貸主體數(shù)量顯著高于供給方配給(茍琴和黃益平,2014;Gou等,2016;Rostamkalaei等,2020)[12,13,11],且需求方配給的產(chǎn)生機(jī)制也與供給方配給大不相同,能有效緩解供給方配給的政策不一定能緩解需求方配給(馬文杰和徐曉萍,2018;Beyhaghi等,2020)[14,15]。因此,對(duì)于需求方配給的研究顯得非常重要,而在研究企業(yè)為何抑制自身信貸需求的表達(dá)時(shí),必須要考察銀行對(duì)于信貸資金的配置方式。換言之,在探究需求方配給的影響因素時(shí),必須也將供給方配給納入其中,構(gòu)建一個(gè)涵蓋企業(yè)資金需求、企業(yè)貸款申請(qǐng)決策、銀行貸款審批在內(nèi)的分析框架。
(二)數(shù)字金融對(duì)信貸配給影響的相關(guān)研究
現(xiàn)有文獻(xiàn)均從供給方配給的角度研究了數(shù)字金融對(duì)融資的影響,指出數(shù)字金融有助于緩解信貸配給。例如,萬佳彧等(2020)[16]分析了信貸配給在數(shù)字金融與區(qū)域創(chuàng)新之間所發(fā)揮的中介作用,認(rèn)為數(shù)字金融通過緩解信貸配給,進(jìn)而激勵(lì)企業(yè)創(chuàng)新。梁榜和張建華(2019)[17]、唐松等(2020)[18]也得出類似結(jié)論,即數(shù)字金融通過緩解企業(yè)融資約束,進(jìn)而促進(jìn)企業(yè)技術(shù)創(chuàng)新,在強(qiáng)監(jiān)管環(huán)境下,數(shù)字金融的貸款效應(yīng)更強(qiáng)。梁琦和林愛杰(2020)[19]研究發(fā)現(xiàn),數(shù)字金融能夠降低企業(yè)杠桿率,且這一效應(yīng)對(duì)欠發(fā)達(dá)地區(qū)和成長期的小微企業(yè)更為明顯。韓先鋒等(2019)[20]探討了互聯(lián)網(wǎng)對(duì)金融發(fā)展的影響,認(rèn)為互聯(lián)網(wǎng)通過促進(jìn)金融發(fā)展提升了區(qū)域創(chuàng)新水平。謝絢麗等(2018)[21]指出,數(shù)字金融的覆蓋廣度、使用深度和數(shù)字支持服務(wù)程度會(huì)通過緩解借款主體融資約束,進(jìn)而促進(jìn)創(chuàng)業(yè),且該效應(yīng)在城鎮(zhèn)化率較低和企業(yè)較少的省份更顯著。黃銳等(2021)[22]認(rèn)為,隨著數(shù)字金融的發(fā)展,其對(duì)企業(yè)融資的貸款效應(yīng)逐漸加強(qiáng),數(shù)字金融主要通過改善企業(yè)融資結(jié)構(gòu)和市場(chǎng)化水平,進(jìn)而促進(jìn)企業(yè)融資。
現(xiàn)有文獻(xiàn)為本文研究奠定了基礎(chǔ),然而,仍存在進(jìn)一步完善的空間:(1)當(dāng)前研究未能考察數(shù)字金融對(duì)小微企業(yè)需求方配給的影響,考慮到需求方配給是小微企業(yè)信貸配給的主要表現(xiàn)形式,對(duì)需求方配給的忽視將遺漏大量信貸需求自我抑制的小微企業(yè),從而不利于構(gòu)建普惠金融體系。(2)盡管現(xiàn)有研究圍繞數(shù)字金融對(duì)供給方配給的影響展開,但未能有效解決由此產(chǎn)生的雙重樣本選擇問題。企業(yè)的資金需求和貸款申請(qǐng)行為都是內(nèi)生的,只有對(duì)于具有資金需求的企業(yè)才可能申請(qǐng)貸款,且只有對(duì)于申請(qǐng)貸款的企業(yè)才能觀測(cè)到其是否被銀行拒絕。因此,研究數(shù)字金融如何影響供給方配給必須考慮雙重樣本選擇問題。(3)未能考察數(shù)字金融影響需求方配給的作用機(jī)制。
為了彌補(bǔ)上述不足并系統(tǒng)分析數(shù)字金融對(duì)小微企業(yè)信貸配給的影響,本文采用2015年中國小微企業(yè)調(diào)查數(shù)據(jù),將企業(yè)資金需求、貸款申請(qǐng)決策和貸款獲取納入同一分析框架,應(yīng)用能解決雙重樣本選擇問題的三變量Probit模型,實(shí)證考察數(shù)字金融對(duì)小微企業(yè)信貸配給的影響,并通過對(duì)需求方配給類型的識(shí)別進(jìn)一步分析數(shù)字金融的作用機(jī)制。
三、理論分析與研究假說
(一)數(shù)字金融影響小微企業(yè)供給方配給的理論分析
一是數(shù)字金融增強(qiáng)了銀行貸前信息甄別能力。數(shù)字金融的發(fā)展加速了傳統(tǒng)銀行與金融科技的融合進(jìn)程,增強(qiáng)了銀行貸前搜集小微企業(yè)經(jīng)營信息和評(píng)估企業(yè)經(jīng)營風(fēng)險(xiǎn)的能力。數(shù)字金融推動(dòng)銀行系統(tǒng)的數(shù)字化轉(zhuǎn)型升級(jí),促使銀行開發(fā)基于互聯(lián)網(wǎng)全流程在線的貸款技術(shù)、創(chuàng)新網(wǎng)絡(luò)貸款產(chǎn)品和金融服務(wù)產(chǎn)品。創(chuàng)新型貸款技術(shù)降低了銀行貸前對(duì)于小微企業(yè)抵押物和擔(dān)保的依賴,提升了用戶觸達(dá)性。銀行依托大數(shù)據(jù)生態(tài)系統(tǒng),能夠?qū)Υ罅啃庞糜涗浫狈Φ男∥⑵髽I(yè)進(jìn)行信用風(fēng)險(xiǎn)識(shí)別,實(shí)現(xiàn)了基于大數(shù)據(jù)的小微企業(yè)精準(zhǔn)營銷和交叉銷售。
二是數(shù)字金融增強(qiáng)了銀行貸后風(fēng)險(xiǎn)管理能力。通過大科技生態(tài)系統(tǒng)和大數(shù)據(jù)風(fēng)控模型對(duì)小微企業(yè)貸后生產(chǎn)、經(jīng)營、銷售及企業(yè)主個(gè)人消費(fèi)、投資行為等數(shù)據(jù)進(jìn)行抓取,獲取豐富實(shí)時(shí)的用戶數(shù)據(jù),結(jié)合算法,科學(xué)評(píng)估小微企業(yè)的貸后風(fēng)險(xiǎn)水平,能有效降低銀行對(duì)抵押物貸后道德風(fēng)險(xiǎn)約束效應(yīng)的依賴。因此,數(shù)字金融能夠助力銀行開發(fā)更適合小微企業(yè)的貸款技術(shù),提高銀行貸后管理的有效性和風(fēng)險(xiǎn)分類水平,從而進(jìn)一步緩解小微企業(yè)供給方配給。
(二)數(shù)字金融影響小微企業(yè)需求方配給的理論分析
傳統(tǒng)銀行在放貸時(shí)所使用的貸款技術(shù)要求小微企業(yè)提供各類資料,進(jìn)行財(cái)務(wù)報(bào)表等各項(xiàng)指標(biāo)的反復(fù)驗(yàn)證,企業(yè)往返多趟遞交材料。除了對(duì)硬信息的廣泛搜集,銀行還需實(shí)地考察企業(yè)及其管理者的能力,以搜集軟信息。對(duì)于軟信息的依賴容易導(dǎo)致部分缺乏社會(huì)資本的企業(yè)放棄貸款申請(qǐng),形成社會(huì)資本配給。銀行在進(jìn)行一系列線上和線下的反復(fù)調(diào)查搜集之后,還需要對(duì)企業(yè)軟硬信息進(jìn)行處理,經(jīng)歷數(shù)周時(shí)間才能向企業(yè)放貸,流程長、耗時(shí)長,導(dǎo)致企業(yè)向銀行申請(qǐng)貸款的交易成本高企,形成交易成本配給。在貸前風(fēng)險(xiǎn)甄別和貸后風(fēng)險(xiǎn)管控過程中,多種貸款技術(shù)的交叉使用需要成本,而這些成本最終將會(huì)轉(zhuǎn)嫁給貸款的小微企業(yè),形成因擔(dān)心貸款利率過高而放棄申請(qǐng)的價(jià)格配給。傳統(tǒng)貸款技術(shù)的甄別能力有限,銀行不得不依靠抵押物實(shí)現(xiàn)貸前分離均衡和貸后道德風(fēng)險(xiǎn)約束,企業(yè)擔(dān)心因還不起貸款而失去抵押物,即使放貸,其還款方式和貸款期限也難以滿足企業(yè)需求,從而形成風(fēng)險(xiǎn)配給。
數(shù)字金融對(duì)上述需求方配給的影響機(jī)制主要表現(xiàn)為:(1)硬信息來源渠道的多樣化和豐富性有助于大數(shù)據(jù)風(fēng)控模型的應(yīng)用,相較于傳統(tǒng)的硬信息搜集處理方式,數(shù)字金融降低了信貸審批成本,在很大程度上緩解了交易成本配給。(2)大科技生態(tài)系統(tǒng)提升了硬信息的真實(shí)性,有效降低了銀行對(duì)抵押物的依賴,且提升了銀企匹配效率,使貸款期限和還款方式更能滿足小微企業(yè)要求,降低了風(fēng)險(xiǎn)配給概率。(3)由于金融科技的應(yīng)用,降低了貸款技術(shù)的應(yīng)用成本,單筆貸款的邊際成本顯著下降,在貸款利率市場(chǎng)化的背景下,降低了因貸款利率過高而放棄申請(qǐng)的可能性,緩解了價(jià)格配給。(4)數(shù)字金融促進(jìn)銀行創(chuàng)新貸款技術(shù),一方面,提高了銀行的貸前信息甄別能力和貸后風(fēng)險(xiǎn)管控能力;另一方面,降低了銀行對(duì)于關(guān)系型等傳統(tǒng)貸款技術(shù)的依賴,緩解了小微企業(yè)因與信貸員不熟而引致的社會(huì)資本配給。
根據(jù)上述理論分析,本文提出如下研究假說:
假說1:數(shù)字金融有助于緩解小微企業(yè)需求方配給和供給方配給。
假說2:數(shù)字金融主要通過降低信貸交易成本、貸款風(fēng)險(xiǎn)、貸款價(jià)格以及銀行對(duì)借款企業(yè)社會(huì)資本的依賴,進(jìn)而緩解小微企業(yè)需求方配給。
四、信貸配給類型的識(shí)別與統(tǒng)計(jì)
(一)數(shù)據(jù)來源
小微企業(yè)數(shù)據(jù)來源于西南財(cái)經(jīng)大學(xué)2015年在全國開展的小微企業(yè)調(diào)查(CMES)。CMES所調(diào)查的小微企業(yè)囊括了28個(gè)?。ㄊ?、自治區(qū)),共收集到5497個(gè)小微企業(yè)樣本。調(diào)查內(nèi)容涉及小微企業(yè)的日常生產(chǎn)經(jīng)營信息、勞動(dòng)力使用狀況、產(chǎn)品研發(fā)與創(chuàng)新、融資狀況和基本財(cái)務(wù)信息等。本文對(duì)原始數(shù)據(jù)進(jìn)行下述處理:(1)選出符合標(biāo)準(zhǔn)的小微企業(yè),刪除正在籌建和關(guān)閉營業(yè)的企業(yè)樣本;(2)刪除成立于當(dāng)年的樣本企業(yè);(3)刪除變量中數(shù)據(jù)缺失以及回答不知道的樣本;(4)為了消除可能存在的異常值,對(duì)連續(xù)變量在1%和99%分位進(jìn)行縮尾處理。最終,共有3518個(gè)小微企業(yè)樣本進(jìn)入研究。
(二)信貸配給類型的識(shí)別
在具體信貸配給類型的識(shí)別方面,直接誘導(dǎo)式詢問法(Direct Elicitation Methodology,DEM)得到了廣泛使用(彭澎等,2018;李長生和黃季焜,2020)[23,24]。如圖1所示,CMES問卷基于DEM方法詳細(xì)詢問了企業(yè)的融資狀況:
首先,調(diào)查者詢問企業(yè)“目前,是否有銀行貸款”,對(duì)于回答“是”的,則表明其已有銀行貸款,Bankloan=1,否則Bankloan=0。
其次,對(duì)于回答“否”的,詢問其“是否需要銀行貸款”,回答包括:不需要;需要,但是沒有申請(qǐng);需要,申請(qǐng)但是被拒。對(duì)于回答不需要的企業(yè),Demand=0;對(duì)于回答需要的,Demand=1;對(duì)于回答需要但沒有申請(qǐng)過的,Apply=0;對(duì)于回答需要,申請(qǐng)但被拒絕的,Reject=1。由此,可識(shí)別出企業(yè)是否具有資金需求、是否受到需求方配給或供給方配給:
[Need=1Demand=1orBankloan=10Demand=0]
[SR=0Reject=1orBankloan=11Apply=0]
[BR=0 Bankloan=11 Reject=1]
其中,Need表示企業(yè)是否有未滿足的資金需求,若有未滿足的資金需求,則Need=1,否則Need=0;SR表示企業(yè)是否受到需求方配給,若受到需求方配給,則SR=1,否則SR=0;BR表示企業(yè)是否受到供給方配給,若受到供給方配給,則BR=1,否則BR=0。需要注意到,只有當(dāng)Need=1時(shí),才能觀察到SR的取值,即是否受到需求方配給;同樣地,只有當(dāng)SR=0,企業(yè)未受到需求方配給時(shí),才能觀察到BR的取值。
再次,根據(jù)已有文獻(xiàn)(Boucher等,2009;Angori等,2019;Rostamkalaei等,2020)[7,10,11],可以識(shí)別出四種具體的需求方配給類型——社會(huì)資本配給、風(fēng)險(xiǎn)配給、價(jià)格配給、交易成本配給。識(shí)別方法如下:對(duì)于需要資金但未申請(qǐng)貸款的企業(yè),詢問其未申請(qǐng)貸款的原因,回答包括:申請(qǐng)過程麻煩、貸款利息太高、不認(rèn)識(shí)銀行工作人員、還款期限/方式不符合需求、貸了擔(dān)心還不起。因申請(qǐng)過程麻煩而放棄申請(qǐng)的屬于交易成本配給;因貸款利息太高而放棄申請(qǐng)的屬于價(jià)格配給;因不認(rèn)識(shí)銀行工作人員而放棄申請(qǐng)的屬于社會(huì)資本配給;因還款期限/還款方式不符合需求而放棄申請(qǐng)的屬于風(fēng)險(xiǎn)配給,原因在于其會(huì)引發(fā)貸款到期時(shí)企業(yè)難以再融資的困擾,給企業(yè)帶來經(jīng)營風(fēng)險(xiǎn);因貸了擔(dān)心還不起會(huì)引發(fā)企業(yè)對(duì)失去抵押物的擔(dān)憂,因此,本文認(rèn)為也屬于風(fēng)險(xiǎn)配給。
(三)信貸配給類型的統(tǒng)計(jì)
圖2顯示了基于DEM方法統(tǒng)計(jì)出的小微企業(yè)資金需求和信貸配給的基本情況。在3518家小微企業(yè)中,具有資金需求的有1288家,不具有資金需求的有2230家,具有資金需求的小微企業(yè)占比為36.6%。在具有資金需求的1288家企業(yè)中,未申請(qǐng)貸款的企業(yè)為287家,申請(qǐng)貸款的企業(yè)為1001家,申請(qǐng)貸款的企業(yè)在具有資金需求的企業(yè)中占比為77.7%,而獲得銀行貸款的企業(yè)在申請(qǐng)貸款的企業(yè)中占比為81.1%①。換言之,在具有資金需求的1288家企業(yè)中,面臨信貸配給的企業(yè)數(shù)量占比為37.0%,其中,受到需求方配給和供給方配給的企業(yè)分別占比22.3%和14.7%,由此可見,面臨需求方配給的企業(yè)數(shù)量明顯高于供給方配給。
圖3顯示了四種具體的需求方配給類型所占比重。在面臨需求方配給的287家小微企業(yè)中,有173家認(rèn)為申請(qǐng)過程麻煩,非利息交易成本太高,屬于交易成本配給;有141家認(rèn)為貸款利息過高,屬于價(jià)格配給;有66家擔(dān)心貸了還不起引發(fā)對(duì)失去抵押物的擔(dān)憂,或者還款期限/還款方式不符合需求引發(fā)貸款到期時(shí)再融資的困擾,面臨風(fēng)險(xiǎn)配給;有25家缺乏社會(huì)資本或社會(huì)網(wǎng)絡(luò),不認(rèn)識(shí)銀行工作人員,屬于社會(huì)資本配給②。
五、實(shí)證設(shè)計(jì)
(一)實(shí)證模型
企業(yè)的資金需求和貸款申請(qǐng)行為都是內(nèi)生的,只有對(duì)于有資金需求的企業(yè),才能依據(jù)其是否選擇申請(qǐng)貸款來判斷其是否遭受了需求方配給;且只有對(duì)于沒有遭受需求方配給的企業(yè),即選擇申請(qǐng)貸款的企業(yè),才能觀測(cè)其是否遭受供給方配給。因此,當(dāng)考察數(shù)字金融對(duì)需求方配給和供給方配給的影響時(shí),必須解決雙重樣本選擇問題?,F(xiàn)有文獻(xiàn)在研究數(shù)字金融對(duì)信貸配給的影響時(shí)往往忽視了樣本選擇偏誤,即使考慮到了樣本選擇問題,也是采用僅能解決單樣本選擇問題的PMWC模型和雙欄模型。借鑒Drakos和Giannakopoulos(2018)[25]的研究,本文通過構(gòu)建三變量Probit模型來糾正雙重樣本選擇偏誤:
第一階段,估計(jì)數(shù)字金融對(duì)企業(yè)資金需求的影響:
[Need*=α1+α2Indexi+α3Firmi+α4Owneri+α5Districti+μ1i]
[Need=INeed*>0]? ?(1)
其中,Need表示企業(yè)是否有資金需求,若有未滿足的資金需求,則Need=1,否則Need=0,Need*表示潛變量。I(·)為示性函數(shù),若括號(hào)內(nèi)條件滿足則取1,否則取0。核心解釋變量Index表示當(dāng)?shù)財(cái)?shù)字金融發(fā)展程度,F(xiàn)irm表示企業(yè)特征控制變量,Owner表示企業(yè)主特征控制變量,District表示地區(qū)控制變量,[μ1]為隨機(jī)擾動(dòng)項(xiàng),i表示企業(yè)個(gè)體。
第二階段,估計(jì)數(shù)字金融對(duì)需求方配給的影響。當(dāng)且僅當(dāng)企業(yè)在有資金需求(Need=1)的情況下,才能依據(jù)其是否選擇申請(qǐng)貸款而判斷其是否遭受需求方配給:
[SR*=β1+β2Indexi+β3Firmi+β4Owneri+β5Districti+μ2i]
[SR=ISR*>0] (2)
其中,SR表示企業(yè)是否受到需求方配給,若受到需求方配給,則SR=1,否則SR=0,SR*表示潛變量,[μ2]為隨機(jī)擾動(dòng)項(xiàng)。
第三階段,估計(jì)數(shù)字金融對(duì)供給方配給的影響。當(dāng)且僅當(dāng)企業(yè)在申請(qǐng)貸款(Need=1,SR=0)的情況下,才能觀察到其是否受到供給方配給:
[BR*=γ1+γ2Indexi+γ3Firmi+γ4Owneri+γ5Districti+μ3i]
[BR=IBR*>0]? (3)
其中,BR表示企業(yè)是否受到供給方配給,若受到供給方配給,則BR=1,否則BR=0,BR*表示潛變量,[μ3]為隨機(jī)擾動(dòng)項(xiàng)。
模型(1)—(3)中的隨機(jī)擾動(dòng)項(xiàng)服從如下分布:
[μ1iμ2iμ3i~N000,1,ρ12,ρ13ρ12,1,ρ23ρ13,ρ23,1]
根據(jù)雙重樣本選擇規(guī)則,任何一個(gè)小微企業(yè)都可被歸于如下四個(gè)相互排斥的類別:沒有資金需求(Need=0,SR=UN,BR=UN)、受到需求方配給(Need=1,SR=1,BR=UN)、受到供給方配給(Need=1,SR=0,BR=1)、未受到信貸配給(Need=1,SR=0,BR=0),UN表示不可觀測(cè)。構(gòu)造如下似然函數(shù):
[L=i=1N?3αX,βX,γX;ρ12、ρ23、ρ13Needi×SRi×BRi]
[×?3αX,βX,-γX;ρ12、-ρ23、-ρ13Needi×SRi×(1-BRi)]
[×?2αX,-βX;-ρ12Needi×(1-SRi)×?1-αX(1-Needi)]
其中,[?3(?)]、[?2(?)]、[?1(?)]分別表示三維、二維和一維標(biāo)準(zhǔn)正態(tài)分布,通過最大化似然函數(shù)L所求得的模型(1)—(3)中的系數(shù)可以解決雙重樣本選擇偏誤,且可通過三個(gè)方程誤差項(xiàng)之間的相關(guān)系數(shù)[ρ12、ρ23、ρ13]判斷不同方程之間的內(nèi)在相關(guān)性。
(二)變量選取
1. 核心解釋變量:數(shù)字金融發(fā)展水平。地區(qū)數(shù)字金融發(fā)展水平采用北京大學(xué)編制的數(shù)字普惠金融指數(shù),該指數(shù)從數(shù)字金融覆蓋廣度、使用深度和數(shù)字化程度三個(gè)維度進(jìn)行構(gòu)建(傅秋子和黃益平,2018)[26]。鑒于該指數(shù)得到了廣泛認(rèn)可和應(yīng)用,故本文將其作為衡量地區(qū)數(shù)字金融發(fā)展程度的核心解釋變量。
2. 控制變量。在控制變量方面,加入了企業(yè)和企業(yè)主特征控制變量,以及企業(yè)所在地區(qū)控制變量。企業(yè)特征控制變量包含成立時(shí)長、企業(yè)是否受到政府支持、企業(yè)所有制等。根據(jù)Christensen和Hain(2015)[27]的研究結(jié)論,企業(yè)主心理因素是影響其是否申請(qǐng)貸款的重要變量,因此,在研究信貸配給時(shí)需要加入企業(yè)主個(gè)人特征控制變量,本文選取的企業(yè)主特征控制變量包括企業(yè)主受教育年限、企業(yè)主管理年限、企業(yè)主工作經(jīng)歷(如是否在政府部門、國有企業(yè)、事業(yè)單位任職或擔(dān)任人大代表)。地區(qū)控制變量包括地區(qū)經(jīng)濟(jì)發(fā)展水平、金融發(fā)展水平和二、三產(chǎn)業(yè)生產(chǎn)總值占比。
(三)描述性統(tǒng)計(jì)
各解釋變量的具體定義及其描述性統(tǒng)計(jì)如表1所示。由表1可知,小微企業(yè)成立時(shí)間大多較短,平均僅為8.5年;所有制方面,小微企業(yè)以私營為主,集體和集體控股次之;受到政府政策支持的小微企業(yè)占比并不高,僅為33.2%左右,且不同企業(yè)差異較大。企業(yè)主以大學(xué)本科學(xué)歷為主,高中和初中學(xué)歷次之;企業(yè)主參與管理的年限平均為11年左右,在政府部門任職或擁有政府背景的小微企業(yè)主占比僅為7.8%。
六、實(shí)證結(jié)果分析
(一)數(shù)字金融對(duì)小微企業(yè)信貸配給的影響
采用三變量Probit模型聯(lián)合估計(jì)數(shù)字金融對(duì)小微企業(yè)信貸配給的影響,第一階段為數(shù)字金融對(duì)資金需求的影響,第二階段為數(shù)字金融對(duì)需求方配給的影響,第三階段為數(shù)字金融對(duì)供給方配給的影響,表2顯示了回歸結(jié)果。[ρ12、ρ23、ρ13]為三階段方程間誤差項(xiàng)相關(guān)系數(shù),其至少在5%的統(tǒng)計(jì)水平上顯著異于0,表明資金需求和貸款申請(qǐng)行為均是內(nèi)生的。因此,使用三變量Probit模型糾正雙重樣本選擇偏誤是十分必要的③。
由表2第二列回歸結(jié)果可知,數(shù)字金融發(fā)展水平的回歸系數(shù)在1%的統(tǒng)計(jì)水平上顯著負(fù)向影響需求方配給,表明數(shù)字金融的發(fā)展有助于小微企業(yè)信貸需求意愿的表達(dá),降低了小微企業(yè)需求方配給的概率。由表2第三列回歸結(jié)果可知,數(shù)字金融發(fā)展水平的系數(shù)在1%的統(tǒng)計(jì)水平上顯著為負(fù),表明在考慮了雙重樣本選擇偏誤之后,數(shù)字金融發(fā)展水平的提高能夠顯著降低小微企業(yè)面臨供給方配給的概率,增加其銀行貸款獲批的可能性。由此可見,地區(qū)數(shù)字金融的發(fā)展對(duì)小微企業(yè)信貸可獲性的提高表現(xiàn)在兩個(gè)方面,一是緩解信貸需求自我抑制,提高其信貸需求的表達(dá)意愿,降低小微企業(yè)面臨需求方配給的概率;二是提高申請(qǐng)銀行貸款的小微企業(yè)貸款獲批的概率,降低小微企業(yè)面臨供給方配給的概率。假說1得到了驗(yàn)證。
(二)數(shù)字金融緩解小微企業(yè)需求方配給的作用機(jī)制
當(dāng)前研究幾乎圍繞數(shù)字金融如何影響小微企業(yè)供給方配給展開,鮮有關(guān)于數(shù)字金融對(duì)需求方配給的影響效應(yīng)和影響機(jī)制研究,故本文接下來重點(diǎn)探究數(shù)字金融影響小微企業(yè)需求方配給的作用機(jī)制。小微企業(yè)在有未滿足的資金需求的情況下放棄申請(qǐng)貸款的原因包括不認(rèn)識(shí)銀行工作人員、貸款申請(qǐng)過程麻煩、貸款利息太高、還款期限/方式不符合需求、貸了擔(dān)心還不起。因此,探究數(shù)字金融對(duì)需求方配給的微觀作用機(jī)制,可從數(shù)字金融如何影響上述四種具體的需求方配給類型入手。
在估計(jì)數(shù)字金融對(duì)需求方配給類型的影響時(shí),只有對(duì)于具有資金需求的企業(yè)才會(huì)考慮是否申請(qǐng)貸款,因此,申請(qǐng)貸款的企業(yè)并非全樣本的隨機(jī)抽樣。采用Heckprobit模型修正樣本選擇偏誤,第一階段為數(shù)字金融對(duì)資金需求的影響,第二階段為數(shù)字金融對(duì)需求方配給類型的影響。表3顯示了數(shù)字金融如何影響四種具體需求方配給類型的回歸結(jié)果④。
由表3回歸結(jié)果可知,數(shù)字金融能夠顯著降低交易成本配給、價(jià)格配給和風(fēng)險(xiǎn)配給,這表明地區(qū)數(shù)字金融的發(fā)展之所以有助于緩解小微企業(yè)需求方配給,主要原因在于數(shù)字金融能夠降低小微企業(yè)申請(qǐng)貸款的交易成本、降低貸款利率和貸款成本、降低抵押物要求、優(yōu)化還款期限和還款方式。
然而,值得注意的是,數(shù)字金融對(duì)社會(huì)資本配給的影響卻不顯著,這表明,即使在基于硬信息的貸款技術(shù)甄別能力不斷增強(qiáng)的情況下,銀行仍然廣泛使用軟信息和硬信息交叉驗(yàn)證的方式來決定信貸投放,基于軟信息的貸款技術(shù)仍然是銀行普遍使用的貸款技術(shù),缺乏社會(huì)資本的小微企業(yè)仍有可能被排斥出信貸市場(chǎng)。銀行之所以在硬信息來源渠道多樣化及其真實(shí)性不斷提高的情況下,同時(shí)使用軟信息與之交叉驗(yàn)證,一方面,可能出于控制小微企業(yè)貸款風(fēng)險(xiǎn)的必要;另一方面,可能是因?yàn)殂y行的數(shù)字化轉(zhuǎn)型尚處于初期階段,其創(chuàng)新能力的執(zhí)行和整合在一定程度上受內(nèi)部組織架構(gòu)的歷史包袱影響,組織轉(zhuǎn)型相對(duì)滯后,制約了貸款模式的轉(zhuǎn)型升級(jí)。加之我國不少地區(qū)的金融基礎(chǔ)設(shè)施建設(shè)滯后,軟信息的硬化程度較低,軟信息和硬信息之間的互通渠道尚未打通,因而軟硬信息的交叉驗(yàn)證能夠幫助銀行更準(zhǔn)確地識(shí)別和分類小微企業(yè)風(fēng)險(xiǎn)。因此,數(shù)字金融主要通過降低信貸交易成本、信貸風(fēng)險(xiǎn)和貸款利率,進(jìn)而緩解小微企業(yè)需求方配給,但數(shù)字金融并沒有降低銀行對(duì)于小微企業(yè)社會(huì)資本的依賴程度,假說2得到了部分驗(yàn)證。
七、研究結(jié)論與政策建議
本文將小微企業(yè)資金需求、需求方配給和供給方配給納入同一分析框架,在對(duì)不同類型信貸配給進(jìn)行識(shí)別和統(tǒng)計(jì)的基礎(chǔ)上,采用三變量Probit模型解決雙重樣本選擇偏誤,實(shí)證分析數(shù)字金融對(duì)小微企業(yè)信貸配給的影響效應(yīng),并著重考察了數(shù)字金融影響需求方配給的作用機(jī)制。研究結(jié)果表明:
第一,需求方配給是小微企業(yè)面臨的主要信貸配給類型,僅考察供給方配給將嚴(yán)重低估信貸配給規(guī)模。在具體的需求方配給類型中,本文識(shí)別出了風(fēng)險(xiǎn)配給、交易成本配給、價(jià)格配給和社會(huì)資本配給,其中,交易成本配給占比最高,價(jià)格配給和風(fēng)險(xiǎn)配給次之。
第二,在糾正了雙重樣本選擇偏誤之后,地區(qū)數(shù)字金融發(fā)展能夠顯著緩解小微企業(yè)面臨的需求方配給和供給方配給,數(shù)字金融不僅能夠促進(jìn)銀行對(duì)小微企業(yè)的貸款發(fā)放,而且有助于緩解小微企業(yè)對(duì)信貸需求表達(dá)的自我抑制。
第三,在對(duì)需求方配給的作用機(jī)制方面,數(shù)字金融能夠顯著降低小微企業(yè)面臨交易成本配給、風(fēng)險(xiǎn)配給和價(jià)格配給的概率,但對(duì)社會(huì)資本配給的影響并不顯著。因此,數(shù)字金融有助于降低貸款利率以及銀行對(duì)抵押物的要求、縮短貸款流程和審批時(shí)間、更好地匹配企業(yè)還款方式和還款期限,但并沒有改變銀行對(duì)小微企業(yè)社會(huì)資本的依賴程度。
基于以上結(jié)論,本文認(rèn)為,當(dāng)前小微企業(yè)仍然面臨相當(dāng)程度的信貸配給,尤其是需求方配給,而數(shù)字金融在緩解需求方配給和供給方配給方面都發(fā)揮了十分重要的作用,具有“雪中送炭”、實(shí)現(xiàn)金融普惠的重要功能,然而,其緩解效應(yīng)仍有待進(jìn)一步提高,特別是對(duì)于社會(huì)資本配給的影響不夠充分。故本文提出如下政策建議:
第一,大力提升區(qū)域數(shù)字金融發(fā)展水平,加強(qiáng)數(shù)字化環(huán)境建設(shè)。由于當(dāng)前各地區(qū)的數(shù)字金融環(huán)境建設(shè)水平差距巨大,“數(shù)字鴻溝”制約了小微企業(yè)融資。為此,應(yīng)以數(shù)字金融供給側(cè)結(jié)構(gòu)性改革為動(dòng)力,優(yōu)化和完善國內(nèi)數(shù)字金融體系。加大數(shù)字金融市場(chǎng)建設(shè),加快發(fā)展各類數(shù)字金融服務(wù)形態(tài)。提高數(shù)字金融要素市場(chǎng)的流動(dòng)性、定價(jià)能力和數(shù)字資源配置效率,增加數(shù)字金融的交易品種。與此同時(shí),完善數(shù)字金融法治監(jiān)管體系和現(xiàn)代化數(shù)字金融系統(tǒng)風(fēng)險(xiǎn)防范體系。
第二,加強(qiáng)銀行對(duì)數(shù)字化轉(zhuǎn)型的認(rèn)知,推動(dòng)銀行治理體系的數(shù)字化建設(shè),創(chuàng)新傳統(tǒng)信貸流程。具體而言,一方面,銀行應(yīng)加大數(shù)字金融技術(shù)投入,將產(chǎn)品嵌入到各場(chǎng)景中,在平臺(tái)內(nèi)打造多樣化場(chǎng)景,從而降低小微企業(yè)貸款申請(qǐng)門檻及其信貸交易成本;另一方面,銀行應(yīng)積極參與共建大數(shù)據(jù)生態(tài)系統(tǒng),為銀行獲取小微企業(yè)日常生產(chǎn)經(jīng)營數(shù)據(jù)和優(yōu)化大數(shù)據(jù)風(fēng)控模型提供支持,以提高小微企業(yè)軟信息硬化比重,這不僅有助于降低銀行貸款技術(shù)應(yīng)用成本,間接降低貸款利率,而且有助于緩解銀行對(duì)傳統(tǒng)社會(huì)資本的依賴。
注:
①獲得銀行貸款的企業(yè)并非足額獲得其所申請(qǐng)的全部貸款。由于數(shù)據(jù)所限,本文只能識(shí)別出完全數(shù)量配給,即完全被銀行拒絕的企業(yè),而無法識(shí)別部分?jǐn)?shù)量配給。若算上部分?jǐn)?shù)量配給,則企業(yè)面臨信貸配給的比例將更高。
②在被問及企業(yè)為何不申請(qǐng)銀行貸款時(shí),企業(yè)可以選擇多種原因而非單選,因而面臨需求方配給的企業(yè)數(shù)量不等于各類需求方配給機(jī)制的加總。例如,若企業(yè)因?yàn)樯暾?qǐng)過程麻煩和貸款利息過高而放棄申請(qǐng),則該企業(yè)既面臨價(jià)格配給,同時(shí)也面臨交易成本配給。
③[ρ12、ρ23、ρ13]的聯(lián)合顯著性檢驗(yàn)的卡方值為68.11,p值為0.000。
④由于篇幅所限,加之?dāng)?shù)字金融對(duì)資金需求的影響并非本文關(guān)注重點(diǎn),故在進(jìn)行Heckprobit模型回歸時(shí),不匯報(bào)第一階段的回歸結(jié)果,有感興趣者可向作者索取。
參考文獻(xiàn):
[1]Jaffee D,T Russell. 1976. Imperfect Information,Uncertainty,and Credit Rationing [J].The Quarterly Journal of Economics,90(4).
[2]Stiglitz J,A Weiss. 1981. Credit Rationing in Markets with Imperfect Information [J].American Economic Review,71(3).
[3]Heikkila A,P Kalmi,O P Ruuskanen. 2016. Social Capital and Access to Credit:Evidence from Uganda [J].The Journal of Development Studies,52(9).
[4]Ferrando A,K Mulier. 2017. The Real Effects of Credit Constraints:Evidence from Discouraged Borrowers[R].SSRN Working Paper,No. 2518980.
[5]劉曉光,劉嘉桐.勞動(dòng)力成本與中小企業(yè)融資約束[J].金融研究,2020,(9).
[6]Kon Y,D J Storey. 2003. A Theory of Discouraged Borrowers [J].Small Business Economics,21(1).
[7]Boucher S R,C Guirkinger,C Trivelli. 2009. Direct Elicitation of Credit Constraints:Conceptual and Practical Issues with an Application to Peruvian Agriculture [J].Economic Development and Cultural Change,57(4).
[8]張龍耀,江春.中國農(nóng)村金融市場(chǎng)中非價(jià)格信貸配給的理論和實(shí)證分析 [J].金融研究,2011,(7).
[9]Moro A,M Fink. 2013. Loan Managers Trust and Credit Access for SMEs[J]. Journal of Banking & Finance , 37(3).
[10]Angori G, D Aristei, M Gallo. 2019. Lending Technologies, Banking Relationships, and Firms' Access to Credit in Italy:The Role of Firm Size [J].Applied Economics,51(58).
[11]Rostamkalaei A,M Nitani,A Riding. 2020. Borrower Discouragement: The Role of Informal Turndowns [J]. Small Business Economics,54(7).
[12]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).
[13]Gou Q,Y Huang, J Xu. 2016. Does Ownership Matter in Access to Bank Credit in China? [J].The European Journal of Finance,24(16).
[14]馬文杰,徐曉萍.信貸抑制類型識(shí)別及政策影響:千村調(diào)查證據(jù) [J].金融研究,2018,(9).
[15]Beyhaghi M,F(xiàn) Firoozi,A Jalilvand,L Samarbakhsh. 2020. Components of Credit Rationing [J].Journal of Financial Stability,50.
[16]萬佳彧,周勤,肖義.數(shù)字金融、融資約束與企業(yè)創(chuàng)新 [J].經(jīng)濟(jì)評(píng)論,2020,(1).
[17]梁榜,張建華.數(shù)字普惠金融發(fā)展能激勵(lì)創(chuàng)新嗎?——來自中國城市和中小企業(yè)的證據(jù) [J].當(dāng)代經(jīng)濟(jì)科學(xué),2019, (5).
[18]唐松,伍旭川,祝佳.數(shù)字金融與企業(yè)技術(shù)創(chuàng)新——結(jié)構(gòu)特征、機(jī)制識(shí)別與金融監(jiān)管下的效應(yīng)差異 [J].管理世界,2020,36(5).
[19]梁琦,林愛杰.數(shù)字金融對(duì)小微企業(yè)融資約束與杠桿率的影響研究 [J].中山大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2020,60 (6).
[20]韓先鋒,宋文飛,李勃昕.互聯(lián)網(wǎng)能成為中國區(qū)域創(chuàng)新效率提升的新動(dòng)能嗎 [J].中國工業(yè)經(jīng)濟(jì),2019,(7).
[21]謝絢麗,沈艷,張皓星,郭峰.數(shù)字金融能促進(jìn)創(chuàng)業(yè)嗎?——來自中國的證據(jù) [J].經(jīng)濟(jì)學(xué)(季刊),2018,17(4).
[22]黃銳,賴曉冰,趙丹妮,湯子隆.數(shù)字金融能否緩解企業(yè)融資困境——效用識(shí)別、特征機(jī)制與監(jiān)管評(píng)估 [J].中國經(jīng)濟(jì)問題,2021,(1).
[23]彭澎,吳承堯,肖斌卿.銀保互聯(lián)對(duì)中國農(nóng)村正規(guī)信貸配給的影響——基于4省1014戶農(nóng)戶調(diào)查數(shù)據(jù)的分析 [J].中國農(nóng)村經(jīng)濟(jì),2018,(8).
[24]李長生,黃季焜.異質(zhì)性信貸約束對(duì)農(nóng)民創(chuàng)業(yè)績效的影響 [J].財(cái)貿(mào)經(jīng)濟(jì),2020,41(3).
[25]Drakos K,N Giannakopoulos. 2018. Self and Bank Credit Rationing:A Trivariate Probit with Double Selection[J].Research in International Business and Finance 44(C).
[26]傅秋子,黃益平.數(shù)字金融對(duì)農(nóng)村金融需求的異質(zhì)性影響——來自中國家庭金融調(diào)查與北京大學(xué)數(shù)字普惠金融指數(shù)的證據(jù) [J].金融研究,2018,(11).
[27]Christensen J L,D S Hain. 2015. Scared away? Discouraged borrowers and capital market information [R].IKE Working Paper Series, No.37.