產(chǎn)能過剩影響商業(yè)銀行不良貸款率的機制

孫光林　王海軍　艾永芳

摘 要選取2005年到2014年中國31個省級單位面板數(shù)據(jù)，采用靜態(tài)面板和動態(tài)面板計量模型，分別從企業(yè)存貨規(guī)模和產(chǎn)能利用率兩個角度實證考察了產(chǎn)能過剩與不良貸款率的關(guān)系。研究結(jié)果表明：企業(yè)存貨規(guī)模變動對商業(yè)銀行不良貸款影響顯著為正，產(chǎn)能利用率對商業(yè)銀行不良貸款影響顯著為負；由此表明，產(chǎn)能過剩是引起商業(yè)銀行不良貸款規(guī)模上升的重要原因。據(jù)此，建議政府堅定不移的推動去產(chǎn)能步伐，以有效控制產(chǎn)能過剩帶來的金融風(fēng)險。

關(guān)鍵詞產(chǎn)能過剩；存貨增長變動率；產(chǎn)能利用率；不良貸款率

[中圖分類號]F832.4 [文獻標識碼] A [文章編號]1673-0461（2017）03-0090-08

一、引 言

根據(jù)銀監(jiān)會公布的數(shù)據(jù)，截至2016年三季度，商業(yè)銀行不良貸款規(guī)模達1.49萬億元，不良貸款率1.76%。而在2011年底，不良貸款余額僅4 000億左右，不良貸款率也才剛剛達到1%，即使不良貸款率上升的如此迅猛，商業(yè)銀行不良貸款率仍然被低估。2016年三季度末，商業(yè)銀行關(guān)注類貸款余額3.48億元，占比4.1%，余額同比增長23.6%，反映了商業(yè)銀行不良貸款風(fēng)險會進一步加大。因此，穆迪國際評級機構(gòu)預(yù)測，隨著貸款輸導(dǎo)率增高而經(jīng)濟增長緩慢，2016年我國銀行業(yè)不良貸款率將持續(xù)增加。上海財經(jīng)大學(xué)發(fā)表報告預(yù)測，2016年我國商銀不良貸款率至少上升1.2%。

國際經(jīng)驗表明，貸款是否能夠及時、足額回收是影響金融機構(gòu)能否持續(xù)健康發(fā)展，以及向企業(yè)發(fā)放貸款積極性的重要因素。然而，不良貸款率的升高對金融體系的穩(wěn)定產(chǎn)生嚴重影響。要想整體改善金融風(fēng)險狀況，降低不良貸款率，提高信貸資金使用效率，關(guān)鍵是能夠識別影響不良貸款率的經(jīng)濟因素。

圍繞不良貸款產(chǎn)生的影響因素，產(chǎn)生了大量理論和實證文獻，相關(guān)影響因素被歸納為宏觀經(jīng)濟、企業(yè)性質(zhì)和政治等方面。宏觀經(jīng)濟因素主要包括社會消費品零售總額、進出口總額、人均GDP增長率、通貨膨脹、銀行業(yè)利潤率、地區(qū)市場化程度和法制環(huán)境等（謝冰，2009[1]；Erdin？觭，2014[2]； Messai，2013[3]）。企業(yè)性質(zhì)包括國有企業(yè)占比、民營股東持股比例和外資持股比例等（譚勁松，2012[4]；張樂等，2016[5]）。政治因素主要包括行政貸款指令、財政補貼和行政干預(yù)等（俞喬等，2009[6]）。

近年來，產(chǎn)能過剩逐漸成為學(xué)者研究的熱點，產(chǎn)能過剩能否影響不良貸款，對其進行深入探討，具有重大的現(xiàn)實意義。筆者認為，產(chǎn)能過剩與不良貸款之間存在因果關(guān)系，主要基于以下原因：第一，產(chǎn)能過剩會直接導(dǎo)致企業(yè)存貨增加，產(chǎn)能利用率下降，行業(yè)利潤降低，企業(yè)效益變差，影響企業(yè)的還款能力；第二，地方政府為追求經(jīng)濟效益，許多商業(yè)銀行（特別是地方性商業(yè)銀行）貸款和風(fēng)險控制受地方政府的干預(yù)較多，大量貸款進入產(chǎn)能投資領(lǐng)域，當出現(xiàn)產(chǎn)能過剩時，會增大商業(yè)銀行信貸資金回收風(fēng)險；第三，我國商業(yè)銀行大都以規(guī)模效益型經(jīng)營模式為主，大規(guī)模存貸業(yè)務(wù)仍是商業(yè)銀行收入的主要來源，目前經(jīng)濟下滑和去產(chǎn)能的大背景下，產(chǎn)能過剩領(lǐng)域貸款潛在風(fēng)險集中爆發(fā)，致使銀行不良貸款規(guī)模擴大。

目前國內(nèi)并沒有相關(guān)文獻實證考察產(chǎn)能過剩與不良貸款之間的關(guān)系，本文通過理論闡述產(chǎn)能過剩對不良貸款率的影響機理，利用面板數(shù)據(jù)模型實證研究產(chǎn)能過剩對不良貸款的作用效果。主要在以下方面有所貢獻：第一，本文研究彌補了當前產(chǎn)能過剩與不良貸款之間實證研究的不足；第二，在經(jīng)濟新常態(tài)、去產(chǎn)能的大背景下，本文的研究結(jié)論對于降低不良貸款率風(fēng)險有一定的借鑒意義。

同時，后文結(jié)構(gòu)安排如下：第二部分是產(chǎn)能過剩對不良貸款率的作用機制分析；第三部分是模型設(shè)定、變量說明和基本事實描述；第四部分是模型實證結(jié)果分析；最后是基于本文研究結(jié)論，給出政策建議。

二、產(chǎn)能過剩對不良貸款率的作用機制分析

西方國家通常在經(jīng)濟周期下行時，出現(xiàn)產(chǎn)能過剩問題，當周期處于谷底時，產(chǎn)能過剩往往也是最嚴重，但我國的產(chǎn)能過剩問題，并不完全是由經(jīng)濟周期所引起的，有其自身的特征，我國學(xué)者根據(jù)自己的研究角度給出了不同的解釋。

林毅夫（2004）[7]站在信息不對稱的角度分析企業(yè)投資行為，認為企業(yè)過多的投資于前景較好的行業(yè)，導(dǎo)致投資過度集中，從而形成產(chǎn)能過剩問題，他把這種現(xiàn)象稱為“潮涌現(xiàn)象”。韓國高等（2011）[8]利用企業(yè)數(shù)據(jù)測度產(chǎn)能過剩，認為制造業(yè)的固定資產(chǎn)投資是導(dǎo)致產(chǎn)能過剩的重要原因。楊振兵和張誠（2015）[9]則認為產(chǎn)能過剩不能僅僅歸咎于過度和重復(fù)投資，盲目追求數(shù)量，而不追求質(zhì)量，導(dǎo)致行業(yè)內(nèi)部的惡性競爭也是產(chǎn)能過剩產(chǎn)生的直接原因。

因此，對于產(chǎn)能過剩如何影響不良貸款率？本文將基于圖1的邏輯關(guān)系加以探討。由于地方政府官員在財政激勵和政治激勵的作用下，為了經(jīng)濟快速發(fā)展，以獲得經(jīng)濟政績，使得地方政府有很強的意愿干預(yù)投資和資本資源配置（江飛濤等，2012[10]；干春暉等，2015[11]）。

當前我國資本融資方式相對單一，商業(yè)銀行成為企業(yè)信貸資金的主要來源渠道，但我國銀行企業(yè)制度并不完善，地方政府對金融信貸活動有一定的干涉能力，會基于自身利益影響信貸資源流向產(chǎn)能過剩領(lǐng)域。就地方政府單一行為而言，這種干預(yù)行為并未出現(xiàn)嚴重后果，如果把全國這種行為進行匯總，會發(fā)現(xiàn)大量雷同項目在同一產(chǎn)業(yè)投資，造成產(chǎn)業(yè)過度投資和集中發(fā)展，最終導(dǎo)致產(chǎn)能過剩問題，致使貸款未按市場有效流動，造成貸款低效錯位使用。

在政績考核制度下，地方官員為了獲得更大的升遷資本，有強烈動機追求GDP的增量，往往采取稅收優(yōu)惠和財政補貼等措施，祈求獲得更多投資。然而，地方政府為了盡快看到經(jīng)濟紅利，補貼過多的流向產(chǎn)能投資領(lǐng)域，企業(yè)也為了獲得更多的補貼資金，往往采取短視行為，進行低水平的規(guī)模擴張，致使產(chǎn)能過剩進一步的加劇。

遭受產(chǎn)能過剩困境的企業(yè)會尋求轉(zhuǎn)行、產(chǎn)能升級和兼并重組，以擺脫經(jīng)營困境，但產(chǎn)能過剩嚴重的企業(yè)大部分無法逃脫被市場淘汰的命運，此時銀行貸款將面對巨大風(fēng)險。一方面產(chǎn)能過剩會直接導(dǎo)致企業(yè)存貨大量積壓，整個行業(yè)的利潤空間會下滑，企業(yè)的償債能力下降。另一方面產(chǎn)能過剩會導(dǎo)致產(chǎn)能利用率下降，此時不僅起始產(chǎn)能未能飽和利用，當前擴大的產(chǎn)能也被迫閑置，企業(yè)的營業(yè)收入下降，效益變差，企業(yè)總資產(chǎn)周轉(zhuǎn)率（企業(yè)營業(yè)收入/企業(yè)總資產(chǎn)）下降，增大銀行貸款的潛在風(fēng)險，當這種風(fēng)險暴露時，會引起不良貸款率的上升。

因此，根據(jù)本文上述分析，提出基本假設(shè)1和假設(shè)2。

假設(shè)1：地方政府一味追求GDP的增量，導(dǎo)致產(chǎn)業(yè)過度投資和重復(fù)建設(shè)，引起嚴重的產(chǎn)能過剩問題，企業(yè)存貨規(guī)模增加，企業(yè)效益變差，還款能力下降，潛在增加商業(yè)銀行不良風(fēng)險，故企業(yè)存貨增長變動率與不良貸款率正相關(guān)。

假設(shè)2：產(chǎn)能過剩導(dǎo)致企業(yè)產(chǎn)能利用率下降，企業(yè)收入減少，總資產(chǎn)周轉(zhuǎn)率降低，致使銀行不良貸款率上升，故企業(yè)總資產(chǎn)周轉(zhuǎn)率（測度產(chǎn)能利用率）與不良貸款之間負相關(guān)。

三、模型設(shè)定、變量說明和基本事實描述

（一）模型設(shè)定

1.靜態(tài)面板數(shù)據(jù)模型

本文關(guān)注的是產(chǎn)能過剩對不良貸款率的短期影響，所使用的樣本是31個省市①2005年到2014年的年度數(shù)據(jù)。為了檢驗上文中的基本假設(shè)，我們的基本模型采用面板數(shù)據(jù)固定效應(yīng)模型：

rateit=a0+a1？駐stockit+β′·Xit+εit （1）

rateit=β0+β1captalit+β′·Xit+vit （2）

其中，μit和vit表示方程的誤差擾動項，包括個體和時間效應(yīng)，i和t分別表示省份和時間，因變量rateit表示i省份t年份不良貸款率，即當期不良貸款余額占總貸款余額的比值，不良貸款包括次級類貸款、可疑類貸款和損失類貸款；核心解釋變量是企業(yè)存貨增長變動率？駐stockit和企業(yè)總資產(chǎn)周轉(zhuǎn)率（測度產(chǎn)能利用率）captalit，其中？駐stockit表示當期規(guī)模以上企業(yè)存貨增長率與上年增長率的差值。a1和β1是本文重點關(guān)注的產(chǎn)能過剩指標的作用效果，β′表示控制變量未知參數(shù)矩陣，Xit=（firit，favit，publicit，debtit，finit）為控制變量向量。

2.動態(tài)面板數(shù)據(jù)模型

由于中國金融市場巨大，不良貸款的發(fā)生可能較為平緩，往期不良貸款率會對當期產(chǎn)生影響，為了排除這種影響，從而檢驗核心變量系數(shù)的穩(wěn)健性，進一步建立動態(tài)面板數(shù)據(jù)模型：

rateit=a0+γ1rateit-1+γ2rateit-2+a1？駐stockit+β′·Xit+εit

（3）

rateit=a0+γ1rateit-1+γ2rateit-2+a3ln captalit+β′·Xit+εit

（4）

其中，rateit-1和rateit-2分別表示不良貸款率的滯后一期和二期，γ代表不良貸款率滯后期相對應(yīng)的參數(shù)，式（3）和（4）中的控制變量與靜態(tài)面板一致，為了更能檢驗核心指標穩(wěn)健性，把控制變量進行對數(shù)處理。

（二）變量說明

1.核心解釋變量

衡量產(chǎn)能過剩的最直接指標是產(chǎn)能利用率和企業(yè)存貨水平，一般認為產(chǎn)能利用率低于75%就代表經(jīng)濟處于嚴重產(chǎn)能過剩狀態(tài)（鐘春平、潘黎，2014）[12]。但目前我國尚未正式披露產(chǎn)能利用率相關(guān)數(shù)據(jù)，當前大多學(xué)者都嘗試采用不同的計量或統(tǒng)計方法來測度產(chǎn)能利用率，包括成本函數(shù)法、對數(shù)生產(chǎn)函數(shù)的隨機前沿分析模型、微觀基礎(chǔ)的企業(yè)投資模型、投入產(chǎn)出法、協(xié)整法和生產(chǎn)能力利用率法等等（韓國高等，2011[8]；程俊杰，2015[13]；沈坤榮等，2012[14]；楊振兵和張誠，2015[9]；董敏杰等，2015[15]），但并沒有公認的好的測度方法。紀志宏（2015）[16]根據(jù)人民銀行披露的部分行業(yè)產(chǎn)能利用率數(shù)據(jù)，與企業(yè)總資產(chǎn)周轉(zhuǎn)率（營業(yè)收入/總資產(chǎn)）對比發(fā)現(xiàn)，二者具有很高的相關(guān)性，1999年到2014年的數(shù)據(jù)波動基本一致，因此，本文借鑒紀志宏（2015）[16]的做法，利用企業(yè)總資產(chǎn)周轉(zhuǎn)率作為分析產(chǎn)能利用率變動的間接指標。故本文中，將使用企業(yè)存貨增長變動率和總資產(chǎn)周轉(zhuǎn)率作為產(chǎn)能過剩的衡量指標，考察產(chǎn)能過剩對不良貸款率的作用效果。

2.控制變量

（1）金融發(fā)展水平。自從1970年麥金農(nóng)提出金融發(fā)展理論以來，關(guān)于金融發(fā)展的指標有諸多的見解，廣義的金融發(fā)展指標，是利用全部金融資產(chǎn)的總額占當期GDP的比重來衡量，比較狹義的金融發(fā)展指標是用當期的存貸款年底余額之和占當期GDP的比重來衡量。在本文的研究中，為了能夠更加細致的得出金融發(fā)展對不良貸款率的作用，筆者選擇更為狹義的的指標來表示金融發(fā)展水平fir，用當期該省市的年末貸款余額與當期GDP的比值衡量，比值越大，說明該省市就具有越高的金融深化水平，反之越低，用以刻畫金融信貸密度和金融發(fā)展深度，衡量企業(yè)在銀行部門獲得資金的總體狀況。

（2）金融中介效率。在本文中，定義金融中介效率fae是年末貸款余額與存款余額的比值，衡量金融機構(gòu)存款轉(zhuǎn)化成投資的能力，其值介于0和1之間，金融中介效率越接近于1，說明存款轉(zhuǎn)化成投資的效率越高，反之，則效率越低。

（3）財政支出占GDP比重。20世紀30年代大蕭條，是政府干涉經(jīng)濟的開端，財政支出作為國家調(diào)控宏觀經(jīng)濟的一種重要措施，能夠直接影響總需求，促進經(jīng)濟增長。財政支出占GDP的比重，能夠直接看出政府干涉經(jīng)濟的程度，其值越大，說明政府干涉經(jīng)濟的程度越深。

（4）金融業(yè)產(chǎn)值占GDP的比重。金融業(yè)產(chǎn)值的比重衡量金融業(yè)發(fā)展的相對規(guī)模，反映金融業(yè)在國民經(jīng)濟中的地位和金融業(yè)發(fā)育程度，金融業(yè)作為現(xiàn)代服務(wù)業(yè)的重要組成部分，要推動服務(wù)業(yè)的發(fā)展，金融業(yè)的發(fā)展備受關(guān)注。如果一個省市金融業(yè)產(chǎn)值的比重較大，這說明金融業(yè)已成為經(jīng)濟的支柱產(chǎn)業(yè)，產(chǎn)能過剩的情況也相對較輕，故本文把金融業(yè)產(chǎn)值占GDP的比重作為控制變量。

（5）企業(yè)債務(wù)總額占GDP的比值。本文使用規(guī)模以上企業(yè)債務(wù)總額占GDP的比重來衡量企業(yè)債務(wù)的相對規(guī)模，由于改革開放很長一段時間，投資成為我國經(jīng)濟增長的主要推動因素之一，導(dǎo)致我國當前高企業(yè)債務(wù)率。過高的企業(yè)債務(wù)率則表明我國企業(yè)對債務(wù)資金的利用效率偏低。此外，由于我國企業(yè)融資方式相對單一，銀行信貸資金是企業(yè)獲得外部資金支持的主要方式，儲蓄向投資轉(zhuǎn)換的過程伴隨著企業(yè)債務(wù)的上升，故本文引入企業(yè)債務(wù)總額占GDP的比重作為控制變量之一（見表1）。

（三）基本事實描述

為了能夠使我們初步了解產(chǎn)能過剩與商業(yè)銀行不良貸款率直接關(guān)系，下面分別畫出企業(yè)總資產(chǎn)周轉(zhuǎn)率、企業(yè)存貨變動率與不良貸款率的散點圖。如圖2所示，散點圖擬合線表明企業(yè)總資產(chǎn)周轉(zhuǎn)率與商業(yè)不良貸款率負相關(guān)。如圖3所示，散點圖擬合線表明企業(yè)存貨增長變動率和不良貸款率之間正相關(guān)，二者之間均是簡單的線性關(guān)系。對此，進一步使用Pearson檢驗檢測總資產(chǎn)周轉(zhuǎn)率、企業(yè)存貨增長變動率和商業(yè)銀行不良貸款率之間的關(guān)系，檢驗結(jié)果表明企業(yè)總資產(chǎn)周轉(zhuǎn)率與商業(yè)銀行不良貸款之間系數(shù)值為-0.2237，在1%的水平上顯著。企業(yè)存貨變動率與不良貸款率之間相關(guān)系數(shù)值為0.1933，在1%的水平上顯著。進一步驗證了產(chǎn)能過剩和不良貸款率之間的正相關(guān)關(guān)系。但這只能簡單的說明產(chǎn)能過剩和商業(yè)銀行不良貸款率之間的線性關(guān)系，為了更確切的得到產(chǎn)能過剩對商業(yè)銀行不良貸款率的影響效果，本文將在第四部分分別建立靜態(tài)面板和動態(tài)面板模型進行實證分析。

四、模型實證結(jié)果及其分析

（一）存貨增長變動率與不良貸款率

為了驗證存貨增長變動率對不良貸款率的作用效果的穩(wěn)健性，本文中采用逐步回歸的方法，依次加入控制變量。在第1步回歸方程中，僅包括存貨增長變動率指標，不加任何控制變量，在第2步回歸方程中加入金融發(fā)展水平和金融中介效率兩個控制變量，在第3步回歸方程中，引入全部控制變量，并加入存貨增長變動率和金融發(fā)展水平的交互項，在第4步回歸方程中，把存貨增長率和金融發(fā)展水平的交互項替換成存貨增長率變動率和金融業(yè)產(chǎn)值占GDP比重的交互項。這里需要說明，引入金融發(fā)展水平、金融業(yè)產(chǎn)值占GDP的比重的交互項作為解釋變量，是為了驗證產(chǎn)能過剩對不良貸款率的作用是否依賴于金融發(fā)展水平和金融業(yè)發(fā)展規(guī)模。

本文采用Hausman檢驗判斷模型選擇固定效應(yīng)還是隨機效應(yīng)，檢驗結(jié)果表明，模型1應(yīng)該使用隨機效應(yīng)，模型2、3和4應(yīng)該使用固定效應(yīng)。從表2中模型1到4可以看出，存貨增長變動率的系數(shù)顯著為正，這說明由于產(chǎn)能過剩導(dǎo)致企業(yè)存貨增長率升高，企業(yè)效益變差，還款能力下降，最終致使銀行不良貸款率升高。而且在逐步加入控制變量的過程中，存貨增長變動率的系數(shù)值并未發(fā)生顯著變化，這說明模型結(jié)果整體穩(wěn)健。另外，產(chǎn)能過剩導(dǎo)致不良貸款的變動與金融發(fā)展水平、金融業(yè)發(fā)展整體規(guī)模相關(guān)，金融發(fā)展水平和金融業(yè)產(chǎn)值占GDP比重的擴大，可以降低產(chǎn)能過剩對不良貸款率的作用效果。因此，研究假設(shè)1得到驗證。

模型2和模型3回歸結(jié)果表明，金融中介效率和商業(yè)銀行不良貸款率顯著負相關(guān)，在5%的水平上顯著，這說明提高金融中介效率，能夠降低不良貸款規(guī)模。政府公共支出與商業(yè)銀行不良貸款率顯著負相關(guān)，在1%的水平上顯著，這說明政府公共支出變動能夠給商業(yè)銀行不良貸款帶來積極影響。基于經(jīng)濟學(xué)角度而言，政府增加支出能夠增加社會總需求，刺激經(jīng)濟社會對勞動的需求量，促使商品價格上漲，提高企業(yè)利潤率，改善企業(yè)效益，減少企業(yè)信貸違約風(fēng)險，進而能夠積極影響商業(yè)銀行不良貸款率。金融業(yè)發(fā)展規(guī)模與商業(yè)銀行不良貸款率顯著負相關(guān)，在1%的水平上顯著，這說明提高金融業(yè)發(fā)展水平，能夠降低商業(yè)銀行不良貸款規(guī)模。

（二）產(chǎn)能利用率與不良貸款率

由于企業(yè)總資產(chǎn)周轉(zhuǎn)率與產(chǎn)能利用率之間僅是近視的波動關(guān)系，本文采用企業(yè)總資產(chǎn)周轉(zhuǎn)率作為產(chǎn)能利用率的替代指標，在實證過程中，需要處理好企業(yè)總資產(chǎn)周轉(zhuǎn)率的內(nèi)生性問題。首先，指標替換不可避免的存在誤差，可能會低估或者高估產(chǎn)能過剩的作用效果，導(dǎo)致回歸出現(xiàn)偏誤。其次，企業(yè)總資產(chǎn)周轉(zhuǎn)率和不良貸款之間可能會存在雙向因果關(guān)系，企業(yè)總資產(chǎn)周轉(zhuǎn)率高說明企業(yè)的償債能力強，還貸周期短，從而降低銀行不良貸款率，同時不良貸款率的降低會使銀行放松信貸條件限制，企業(yè)更易獲得銀行的信貸資金。實證研究需要選取合理的工具變量，克服內(nèi)生性引致的估計偏誤。

如表3所示，采用逐步回歸的辦法，逐步加入控制變量。在模型1中僅僅采用核心指標，不加入任何控制變量，在模型2中，加入金融發(fā)展水平、金融中介效率和財政支出占GDP的比重3個控制變量，在模型3中加入全部控制變量，企業(yè)總資產(chǎn)周轉(zhuǎn)率的整體結(jié)果穩(wěn)健。

同時，Hausman檢驗結(jié)果表明，模型1、2和3應(yīng)該使用固定效應(yīng)模型。逐步回歸實證結(jié)果表明，企業(yè)總資產(chǎn)周轉(zhuǎn)率（測度產(chǎn)能利用率）對商業(yè)銀行不良貸款影響顯著為負，回歸結(jié)果穩(wěn)健，但由于模型存在內(nèi)生性問題，本文進一步使用工具變量法考察。

工具變量法的關(guān)鍵是選取合適的工具變量，比較常見的兩種構(gòu)造工具變量的方法，一是采用內(nèi)生變量的一階滯后項作為工具變量，二是借鑒Lewbel（1997）[17]和譚宏波（2015）[18]的方法，采用內(nèi)生變量和均值差的三次方作為工具變量，但這兩種方法都比較粗糙。本文利用城市人均公園綠地面積作為產(chǎn)能過剩的工具變量，產(chǎn)能過剩企業(yè)大都集中于第二產(chǎn)業(yè)，廠區(qū)占地面積相對較大，因此，產(chǎn)能過剩越嚴重的地區(qū)人均公園綠地面積越少，而人均公園綠地面積與銀行不良貸款并無直接關(guān)系，對于所選工具變量的合理性，模型中將做進一步檢驗。

如表3中，模型4和模型5的結(jié)果所示，分別采用面板數(shù)據(jù)工具變量法和2SLS進行回歸。DWH內(nèi)生性檢驗表明，在1%的水平上顯著，拒絕外生的原假設(shè)，這說明企業(yè)總資產(chǎn)周轉(zhuǎn)率是內(nèi)生性解釋變量。Cragg-Donald F統(tǒng)計量檢驗值為35.429，大于16.38的臨界值，拒絕弱工具變量的原假設(shè)，說明模型中工具變量的選取合理。還需要進一步檢驗工具變量有效性，但當內(nèi)生變量和工具變量相同時，并無有效的方法對工具變量進行檢驗，我們參照Wooldridge（2002）[19]的方法對工具變量的外生有效性進行了間接檢驗，把兩階段回歸中的第二階段殘差項作為因變量對工具變量進行回歸，實證結(jié)果表明工具變量在10%的水平上并不顯著，這說明本文所選的工具變量與殘差項不相關(guān)，滿足人均公園綠地面積的“排他性約束條件”?；貧w結(jié)果表明，企業(yè)總資產(chǎn)周轉(zhuǎn)率的系數(shù)顯著為負，再一次說明產(chǎn)能過剩對銀行不良貸款率的正向作用效果，但系數(shù)值的絕對值要大于模型1到3的回歸結(jié)果，這說明因為內(nèi)生性問題低估了產(chǎn)能過剩對銀行不良貸款率的影響。因此，研究假設(shè)2得到驗證。

（三）穩(wěn)健性檢驗

動態(tài)面板數(shù)據(jù)模型中，由于存在不良貸款率的滯后項，實證中需要克服內(nèi)生性問題，Arellano和Bnod（1991）[20]提出使用DIF（差分廣義矩估計）方法，選取被解釋變量的一階差分滯后項的工具變量進行GMM估計。雖然DIF估計差分能夠消除一些不隨時間變化的個體效應(yīng)，帶來以下好處：一是解決部分遺漏變量引致的內(nèi)生性問題，二是消除被解釋變量和解釋變量的雙向因果關(guān)系導(dǎo)致的估計偏誤。但差分GMM估計也會帶來很多問題：一是如果T較大，會出現(xiàn)較多工具變量，容易出現(xiàn)弱工具變量問題（滯后期越多相關(guān)性就越弱），產(chǎn)生偏差。二是如果因變量序列存在一階自相關(guān)系數(shù)較大，例如接近于1，DIF-GMM方法選擇的工具變量會很弱，特別事件跨度較小時，估計結(jié)果會存在嚴重偏誤（譚洪波，2015）[18]，如果被解釋變量的持續(xù)性很強，可能不再適用DIF-GMM。Blundell和Bond（1998）[21]提出系統(tǒng)GMM方法（System GMM），將差分GMM和水平GMM結(jié)合在一起作為一個系統(tǒng)進行GMM估計，與差分GMM相比，系統(tǒng)GMM可以提高估計的效率，故本文使用系統(tǒng)GMM方法進行穩(wěn)健性檢驗。

系統(tǒng)GMM的使用不允許殘差項出現(xiàn)二階序列自相關(guān)，但可以容忍方程出現(xiàn)一階自相關(guān)，還必須通過工具變量的過度識別檢驗。如表4所示，模型1和模型2的二階自相關(guān)檢驗表明，模型不存在二階自相關(guān)，同時Sargan檢驗結(jié)果顯示，模型中不存在過度識別問題，本文使用動態(tài)面板模型進行系統(tǒng)GMM估計是有效的。穩(wěn)健性結(jié)果表明，動態(tài)面板回歸中存貨增長變動率和企業(yè)資本轉(zhuǎn)換率的系數(shù)仍然是顯著的，這進一步的說明產(chǎn)能過剩對銀行不良貸款率的影響為正。

五、結(jié)論及政策建議

本文基于2005年到2014年各省市面板數(shù)據(jù)，利用面板數(shù)據(jù)模型，分別從企業(yè)存貨規(guī)模和產(chǎn)能利用率兩個角度實證考察了產(chǎn)能過剩對商業(yè)銀行不良貸款率的影響效果。研究結(jié)果表明：①產(chǎn)能利用率（企業(yè)總資產(chǎn)周轉(zhuǎn)率測度）對商業(yè)銀行不良貸款率的影響顯著為負，企業(yè)存貨增長變動率對商業(yè)銀行不良貸款率的影響顯著為正，因此，產(chǎn)能過剩是造成不良貸款率升高的重要原因；②產(chǎn)能過剩對商業(yè)銀行不良貸款率的影響依賴于金融深化水平和金融業(yè)整體發(fā)展規(guī)模，提高金融深化水平和金融業(yè)發(fā)展規(guī)模能夠降低產(chǎn)能過剩對商業(yè)銀行不良貸款率的作用效果；③金融深化水平、金融中介效率、政府財政支出規(guī)模占GDP的比重和企業(yè)債務(wù)規(guī)模占GDP的比重對商業(yè)銀行不良貸款率的影響顯著為負。

為了防范不良貸款水平的激增導(dǎo)致金融不穩(wěn)定，根據(jù)本文研究結(jié)論，基于產(chǎn)能過剩視角給出以下政策建議：第一，國家相關(guān)部門應(yīng)該出臺措施，減少地方政府對銀行信貸的干預(yù)，避免資本的不合理流動。第二，監(jiān)管部門應(yīng)當關(guān)注不同省市間的補貼措施，以防地方政府盲目進行無顯著差異的補貼措施，而引起某一產(chǎn)業(yè)的過度投資。第三，建立有序的產(chǎn)能過剩企業(yè)退出機制，減少地方政府對產(chǎn)能過剩企業(yè)的財政補貼和信貸優(yōu)惠政策，更要避免信貸輸血扶持“僵尸企業(yè)”。第四，擴大不良資產(chǎn)證券化試點規(guī)模。當前我國商業(yè)銀行盈利模式還是以規(guī)模效益型為主，商業(yè)銀行傾向于向大企業(yè)放貸，當出現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)失衡時，往往伴隨嚴重的信貸資金回收風(fēng)險，不良資產(chǎn)證券化能夠有助于降低銀行風(fēng)險。第五，深化國際產(chǎn)能合作，以有效的把產(chǎn)能國際轉(zhuǎn)移出口，一方面，要積極主動的參與全球資源配置，加快鋼鐵等產(chǎn)能過剩行業(yè)的全球化布局，構(gòu)建全球產(chǎn)業(yè)發(fā)展平臺；另一方面，充分把握“一路一帶”的發(fā)展機遇，加強與國際的產(chǎn)能合作，積極引導(dǎo)產(chǎn)能過剩企業(yè)把有效產(chǎn)能的設(shè)備、技術(shù)和人才等要素向一帶一路沿線國家轉(zhuǎn)移，以有效的促進國內(nèi)產(chǎn)能結(jié)構(gòu)優(yōu)化升級，改善產(chǎn)能過剩企業(yè)的整體收益。

[參考文獻]

[1] 謝兵. 商業(yè)銀行不良貸款的宏觀經(jīng)濟影響因素分析[J].財經(jīng)理論與實踐，2009（11）：23-25.

[2] Erdin？觭 D， Abazi E， Abazi E. The Determinants of NPLs in Emerging Europe， 2000-2011[J]. Econstor Open Access Articles， 2014， 1（2）：112-125.

[3] Messai A S， Jouini F. Micro and macro determinants of non-performing loans[J]. International Journal of Economics & Financial Issues， 2013（3）：852 - 860.

[4] 譚勁松， 簡宇寅， 陳穎. 政府干預(yù)與不良貸款——以某國有商業(yè)銀行1988～2005年的數(shù)據(jù)為例[J]. 管理世界， 2012（7）：29-43.

[5] 張樂，韓立巖. 混合所有制對中國上市銀行不良貸款率的影響研究[J].國際金融研究，2016（7）：50-62.

[6] 俞喬， 趙昌文. 政治控制、財政補貼與道德風(fēng)險：國有銀行不良資產(chǎn)的理論模型[J]. 經(jīng)濟研究， 2009（6）：73-82.

[7] 林毅夫， 劉明興， 章奇. 政策性負擔(dān)與企業(yè)的預(yù)算軟約束：來自中國的實證研究[J]. 管理世界， 2004（8）：81-89.

[8] 韓國高， 高鐵梅， 王立國等. 中國制造業(yè)產(chǎn)能過剩的測度、波動及成因研究[J]. 經(jīng)濟研究， 2011（12）：18-31.

[9] 楊振兵， 張誠. 中國工業(yè)部門產(chǎn)能過剩的測度與影響因素分析[J]. 南開經(jīng)濟研究， 2015（6）：92-109.

[10] 江飛濤， 耿強， 呂大國，等. 地區(qū)競爭、體制扭曲與產(chǎn)能過剩的形成機理[J]. 中國工業(yè)經(jīng)濟， 2012（6）：44-56.

[11] 干春暉， 鄒俊， 王健. 地方官員任期、企業(yè)資源獲取與產(chǎn)能過剩[J]. 新產(chǎn)經(jīng)， 2015（6）：44-56.

[12] 鐘春平， 潘黎. “產(chǎn)能過?！钡恼`區(qū)——產(chǎn)能利用率及產(chǎn)能過剩的進展、爭議及現(xiàn)實判斷[J]. 經(jīng)濟學(xué)動態(tài)， 2014（3）：35-47.

[13] 程俊杰. 中國轉(zhuǎn)型時期產(chǎn)業(yè)政策與產(chǎn)能過?！谥圃鞓I(yè)面板數(shù)據(jù)的實證研究[J]. 財經(jīng)研究， 2015， 41（8）：131-144.

[14] 沈坤榮， 欽曉雙， 孫成浩. 中國產(chǎn)能過剩的成因與測度[J]. 產(chǎn)業(yè)經(jīng)濟評論：山東大學(xué)， 2012（4）.

[15] 董敏杰， 梁泳梅， 張其仔. 中國工業(yè)產(chǎn)能利用率：行業(yè)比較、地區(qū)差距及影響因素[J]. 經(jīng)濟研究， 2015（1）：84-98.

[16] 紀志宏. 我國產(chǎn)能過剩風(fēng)險及治理[J]. 新金融評論， 2015（1）：1-24.

[17] Lewbel A. Constructing Instruments for Regressions With Measurement Error When no Additional Data are Available， with An Application to Patents and R&D[J]. Econometrica， 1997， 65（5）：1201-1214.

[18] 譚洪波. 中國要素市場扭曲存在工業(yè)偏向嗎？——基于中國省級面板數(shù)據(jù)的實證研究[J]. 管理世界， 2015（12）：96-105.

[19] Wooldridge J M.Econometric analysis of cross section and panel data， Cambridge[M] .MA： MIT Press， 2002.

[20] Arellano M， Bond S R. Arellano， B.： Some Tests of Specification for Panel Data： Monte Carlo Evidence and an Application to Employment Equations. The Review of Economic Studies [J]. Review of Economic Studies， 1991， 58（2）：277-97.

[21] Blundell R， Bond S. Initial conditions and moment restrictions in dynamic panel data models[J]. Journal of Econometrics， 1998， 87（1）：115-143.