高技术属性、银行关联与民营企业信贷融资

王庆金,周 雪

(青岛大学商学院,山东 青岛 266071)

一、问题的提出

民营企业在我国市场经济发展和提高就业率中发挥重要作用。然而，在新兴市场国家，已有研究发现，由于国有企业和民营企业的资源禀赋具有与生俱来的差别，民营企业仍然面临信贷歧视[1]。政府对许多经济资源实施严格的控制，银行大多为国有银行，我国大部分银行贷款依旧被国有企业吸收利用，民营企业难以获得银行贷款[2]。民营企业的信贷融资约束已经成为其发展的绊脚石，将信贷资金更多地投入到效率相对较低的国有企业中，严重降低了信贷市场的资金配置效率，不利于经济增长[3]。因此，将民营企业信贷融资作为研究重点，对其影响因素进行探讨是必要和紧迫的。

相比于国有企业，民营企业为获取信贷融资，更有可能通过银行关联等方式增加信贷筹码。Lu等[1]研究表明，与国有企业相比，民营企业更有可能入股银行。唐建新等[4]在分析银行关联对信贷融资产生的影响时发现，银行关联对民营企业的影响强于其对国有企业信贷融资带来的变化，原因在于民营企业遭受信贷歧视，而银行关联的建立可以显著减轻信贷融资约束造成的困境。Sisli-Ciamarra[5]与Byrd和Mizruchi[6]的分析说明，银行关联能够拓展民营企业的信息获取渠道，帮助其把握关键的金融信息，银行与企业之间建立联系能够使银行获得在市场中无法获得的民营企业信息，同时紧密的银行关联会帮助企业降低信贷成本。若民营企业董事会中有人具有银行背景，对民营企业信贷会有以下影响：以个人贷款形式增加企业负债比重、降低企业借款成本和民营企业的贷款抵押物要求。Chakravarty 和Yilmazer[7]强调，银企关系是民营企业是否向银行贷款和银行是否向民营企业放款的重要参考因素。James[8]也指出，董事会中的银行家能够更直接参与对民营企业管理过程的监督，并且有助于银行获取企业的真实信息，从而更好地评估企业信誉度，为银行放贷提供参考，基于该过程的信贷也降低了企业融资成本。此外，Kracaw和Zenner[9]的研究还说明，银行家任职于私有企业董事会还具有正向外部性，能够为企业赢得来自其他银行的稳定资金来源。同时，我国处于经济结构调整的转型期，政府强调必须重视创新、重视高技术产业的发展，并实施高技术企业认定和补贴政策，鼓励各银行通过贷款扶持高技术企业，以促进和推动高技术企业的发展。因而，高技术属性能够享受税收优惠和政策补贴，为民营企业缓解资金压力[10]，从某种程度上可以降低债权人的风险，有利于民营企业信贷融资。

面对民营企业的信贷融资约束，高技术属性和银行关联作为企业缓解融资困境的有效手段，高技术企业的创新优势和银行关联的社会资本优势均能够对民营企业信贷融资带来影响，然而当企业的高技术属性遭遇了银行关联，银行会更偏向于企业的何种特质呢？基于此，本文基于可信性信息理论和社会资本理论，运用2009—2016年的民营企业面板数据构建模型，重新解读高技术属性和银行关联对民营企业信贷融资的影响效果和差异。

二、理论分析与研究假设

可信性信息理论认为，信息的可信性主要通过信息发送者的声誉或信息的内容建立[11]。信息的可信性(Credibility)对信息的说服性效果具有非常重要的影响[12]。可信性包括信息本身的可靠性(Reliability)和信息接受者的信任(Trust)，是决定信息分享有效性的关键。本文依据民营企业是否具有国家高技术企业认证来判定企业的高技术属性，从可信性角度来看，高技术属性意味着企业具有较高的创新声誉，其对信贷融资的支持作用主要依靠政府政策和补贴。具体体现在：第一，具有高技术属性的企业能够享受政策性信贷。我国2006年颁布的《国家中长期科技发展规划纲要》提出，鼓励企业承担技术创新任务，为企业的技术创新活动提供相应的财政税收和金融政策支持，建立相应的人才培养体制和科技创新能力评价机制，为技术创新企业提供制度支持。因而，具有高技术属性的民营企业能够基于创新声誉，向银行传达出其能获得直接政策性贷款支持或以政府担保的形式帮助其获得银行贷款的信息，从而改善银行对高技术民营企业金融状况的认识。第二，高技术企业享受金融支持。国家为扶持高技术企业发展，制定了一系列金融支持政策，如政府对企业进行的直接投资和各级政府补贴，以及国家对高技术企业税收减免等政策。这类支持有助于高技术企业偿债能力的改善，使高技术企业更好地承担债务责任，从而改善高技术企业的获贷竞争能力。因此，基于可信性信息理论，高技术企业的声誉机制有助于银行将补贴信息同高技术企业进行联系，补贴带来的金融改善重塑银行对高技术企业的偿贷能力评估，强化银行对高技术企业偿贷的信任。综上，笔者提出如下假设：

假设1：高技术属性能够正向影响民营企业获贷能力。

社会资本是社会网络资源的体现，具体包括三个维度：一是结构维度，指人与人作为节点在社会网络中形成的结构性联系；二是关系维度，指人与人之间在不断的长期交流中所建立的社会资本，包含信任、互惠和承诺等内容；三是认知维度，指通过社会网络联系而形成的共同认知和愿景[13]。本文将银行关联(Bankers on Board)界定为公司高管或主要股权持有人现在或曾经就职于银行管理部门的情形。依据社会资本理论，银行关联意味着企业能够进入到与银行共同形成的社会网络中，并依托于此社会网络获取信贷资源。其影响具体体现在：第一，银行关联的资源替代和补充作用。民营企业存在银行关联，主要是指企业高管或大股东具备银行工作经历，因而相关主体同其具备工作经历的银行工作人员具有社会关系。根据社会资本理论，这种不同主体之间形成的关系即为社会资本，并且这种社会资本是一种值得投资的长期资产，社会资本并不仅仅归属于能够从中获取利益的某个个体，而是作为一种集体所有物品而存在，并且社会资本存在于主体之间的关系中，而非存在于主体中，为促进社会资本的发展而进行的投资不适合量化测量[14]。因此，在民营企业向银行申请贷款的过程中，通过银行关联而形成的社会资本能够形成对其他贷款需求资源的替代或补充，从而帮助民营企业增强申请贷款的竞争力，提高获得银行贷款的可能性，降低债权人的风险[15]。第二，银行关联的信息传播效应。根据信息可信性理论，信息传播主要包括发送者(Source)、信息内容(Information)、传播渠道(Channel)和接受者(Receptor)四项主要因素[16]，信息可信性能从信息发出者声誉和信息内容两方面获得改善。当民营企业存在银行关联时，信息传播可以从民营企业关联者向银行关联对象传播，鉴于在民营企业申贷过程中，合约达成之前银行需考察和评估企业，合约进行中银行需对企业进行监督，通过银行关联建构的信息渠道对企业有利，并且能够依靠关联者之间的信任机制来提高信息可信性，改善银行和企业间的信息不对称。在信息传播过程中，关联者能为借贷双方提供不同价值的信息，按照声誉机制，关联者声誉依附于个体，当其工作单位从银行转变为民营企业时，他在原单位的声誉能够帮助民营企业增加企业信息可信性，尤其在注重信用和声誉的金融领域，关联者的信用和声誉会直接影响银行对民营企业履行债务合约的判断[17]。另外，在银行任职的企业管理者或股东能对债务人进行监督，由于其在银行任职，因而银行的业务情况直接关系到其自身利益，该利益相关性有利于关联者在债务契约监督过程中自我激励，由关联者对债务人进行监督能够向银行传达更为可信的信息，改善银行对民营企业的风险认知。综上，银行关联信息效应能够改善债务人和债权人间的信息不对称，加强外部履约机制效力，使企业更可能成功获贷。第三，银行关联的知识效应。存在银行关联说明民营企业高层管理者或主要股东具有从事银行管理工作的经验，即关联者是金融领域专业人士，具备金融工作专业知识和实践经验，可为民营企业财务管理和融资提供知识支持。具体到民营企业信贷申请上，关联者的先前金融经验使其具备对民营企业信贷融资申请过程、侧重点及申请材料准备方面的掌控能力，且凭借对金融领域的了解和工作经验积累，能帮企业拟定信贷融资申请方案、决策申请时机，从而提高企业成功获贷的机率。基于以上讨论，笔者提出如下假设：

假设2：银行关联能够正向影响民营企业获贷能力。

根据上述分析，高技术属性对民营企业获得银行信贷融资的支持作用主要体现在政策性信贷和政府金融支持两方面，银行关联对民营企业信贷融资的支持作用体现在资源替补效应、信息传播效应和知识效应三个方面。高技术属性和银行关联对民营企业信贷融资的影响主要具有以下区别：第一，认定主体不同，高技术企业属性的认定过程是由政府完成的，认定主体是政府，银行关联的建立过程是由企业和银行完成的，认定主体是企业和银行。第二，对民营企业信贷融资发挥影响的实施主体不同，高技术属性对民营企业信贷融资影响的实施主体为政府，银行关联对民营企业信贷融资影响的实施主体为银行关联者。第三，信贷决策主体同认定主体和影响实施主体的统一性方面，民营企业信贷融资是民营企业从银行获取信贷资源的过程，该过程中银行是信贷决策主体，高技术属性的认定主体和影响实施主体是政府，与信贷决策主体不统一，银行关联的认定主体和影响实施主体是银行，与信贷决策主体统一。因此，高技术属性对银行信贷决策过程不能直接产生影响，银行关联能够对银行信贷决策过程直接产生影响。由此，笔者提出如下假设：

假设3：银行关联比高技术属性对民营企业信贷融资具有更大的正向影响效果。

三、数据来源、变量界定与模型构建

1.数据来源

本文原始数据采集对象为2009—2016年我国A股市场非金融类民营上市企业。数据来源于： RESSET金融研究数据库、国泰安经济金融研究数据库、中国人民银行官方网站和高技术企业认定公示网。根据研究需要，按以下标准保留数据：(1)净资产收益率在-50%—50%的企业。(2)资产负债率不超过1的企业。(3)在2009—2016年间未被视为PT或ST的企业，防止样本企业出现因财务风险退市或即将退市的状况。(4)在2009—2016年间未发生行业变更的企业。(5)企业管理者的背景和履历详细，以保证变量信息完整性。经筛选，获得在2009年1月初至2016年12月底合计涉及167家数据。

2.变量界定

本文中被解释变量为民营企业信贷融资，用企业借款数量(Loan)表示，对民营企业借款总数取自然对数。解释变量包含银行关联和高技术属性，分别界定为：(1)银行关联(Bank)，即企业高管或主要股权持有人现在或曾经就职于银行管理部门，满足上述内容变量值取1，不满足取0。(2)高技术属性(Hte)，企业获得高技术企业认证变量取值为1，否则取0。控制变量包含企业和财务特征，具体为：(1)企业规模(Size)，对企业资产取自然对数。(2)现金比率(Cash)，体现民营企业资金流动性。(3)企业成长能力(Growth)，即企业净资产增长率。(4)资产可抵押性(Tangible)，为企业固定资产在总资产中的比重。(5)企业负债水平(Debt)，即企业资产负债率。(6)企业资产的净利润率(Roa)，体现民营企业资产的盈利水平。(7)流动比率(Currt)，即流动负债中企业流动资产的比重，体现企业流动资产可用于偿还其短期负债的可能性。(8)净资产收益率(Profit)，体现企业盈利能力。(9)外部融资需求(EXF)，定义为扣除融资产生的现金流量后，企业的投资和经营所产生的现金流量占期末资产的比率。(10)托宾Q值(Q)，在一定水平上体现企业的市场价值是否被高估。(11)账面市值比(B/M)，说明企业财务状况。虚拟变量为年度，以2009年为基准年，共设定8个变量。

3.模型构建

本文研究高技术属性、银行关联对民营企业信贷融资的影响，为检验上述假设，构建模型如下：

Loani,t=α+β1Banki,t+β2Htei,t+γ1Sizei,t+γ2Cashi,t+γ3Growthi,t+γ4Tangiblei,t+γ5Debti,t+γ6Roai,t+γ7Currti,t+γ8Profiti,t+

γ9EXFi,t+γ10Qi,t+γ11(B/M)i,t+∑Year+εi,t

(1)

其中，ε为随机误差项，Year为年度虚拟变量。i和t分别表示企业和时间。

四、实证分析

1.描述性统计

各变量的描述性统计分析结果如表1所示。

表1 描述性统计结果(N=1 072)

从表1可以看出，Hte的均值为0.319，Bank的均值为0.144，说明本文中同时具备高技术属性和银行关联的样本较少。

2.相关系数分析与多重共线性检验

本文各主要变量的Spearman和Pearson相关系数几乎都在0.01水平上显著，可见，各变量之间的相关性较高，因而需要对研究涉及的主要变量进行多重共线性分析，方差膨胀因子(Variance Inflation Factor，VIF)和容忍度(1/ VIF)的分析结果如表2所示。

表2 多重共线性检验结果

从表2可以看出，各个变量的方差膨胀因子(VIF)均满足多重共线性的判断原则，并且通过计算，全样本方差膨胀因子的平均值(Mean VIF)为3.049，因而共线性没有对本文结果造成严重影响。这为后续论证提供了一定支持。

3.回归结果与分析

本文采用Stata11.0分析高技术属性、银行关联对信贷融资的影响。表3中列(1)为全样本下的结果，观测值为1 072；列(2)为只具有高技术属性的样本分析结果，观测值为275；列(3)为只具有银行关联的样本分析结果，观测值为126。

表3 回归结果

注：**、***表示在0.01、0.001水平(双侧)上显著相关。

从表3可以看出，列(1)中银行关联系数为19.644，高技术属性系数为0.181，并且二者均在0.001水平上显著，由于|19.644|>|0.181|，因此，假设3获得支持。基于列(2)回归结果，当民营企业只具有高技术属性而不具有银行关联时，高技术属性的回归系数为20.165，且在0.001水平上显著，因此，具备高技术属性能正向影响银行借款数量，假设1获得支持。基于列(3)回归结果，当民营企业只具有银行关联而不具有高技术属性时，银行关联的回归系数为21.014，且在0.001水平上显著，因此，假设2获得支持。

4.内生性问题与稳健性检验

本文通过两阶段回归来避免内生性问题。在第一步中，用过度识别检验确定工具变量识别度，判断其识别适应性，若工具变量仅与内生变量相关，则通过检验。选择企业所在地区的GDP值和失业率水平为工具变量对银行关联和企业高技术属性进行内生性检验，并且所选取的工具变量均通过适应性检验。在第二步中，执行两阶段回归，并通过DM检验来判断内生性问题是否对工具变量两阶段回归结果造成严重影响，对银行关联的内生性检验结果为p=0.406，接受原假设，说明内生性问题对回归估计结果未造成严重影响，对企业高技术属性的内生性检验结果为p=0.501，接受原假设，说明内生性问题可以忽略[18]。

本文采用变量替换的方式进行稳健性检验，将银行关联替换为管理者银行关联，将借款数量由借款数量的自然对数替换为企业借款数量占总资产的比重。替换后进行回归分析发现研究结果未发生变化，说明研究结果稳健。

四、研究结论与启示

1.研究结论

本文基于2009—2016年我国A股市场非金融类民营上市企业数据，构建模型实证检验高技术属性、银行关联对民营企业信贷融资的影响，研究发现：第一，高技术属性能够显著促进民营企业的信贷数量。第二，银行关联能够集聚重要的社会资本，从而有益于民营企业成功获得银行贷款。第三，高技术属性和银行关联相比较，银行关联对民营企业信贷融资的影响系数更大，意味着银行关联比高技术属性更有助于民营企业获取贷款。

2.启示

本文对民营企业和政府部门有以下启示：第一，民营企业应通过高技术企业认证带来的政策优惠改善信贷融资情况。基于民营企业的信贷融资需求和社会责任，民营企业应致力于通过技术研发获得技术优势，努力获得国家的高技术企业认定，通过政府的政策扶持提升其信贷融资效率，而非通过建立银行关联等寻租行为争取信贷融资。第二，政府应基于社会资源配置视角，有力防范银行关联造成的资源配置扭曲。政府应就银行就职人员和退休领导的兼职或未来职业类型进行限制，从银行关联的供给方约束由此类寻租行为造成的社会资源配置效率的损失。同时，继续出台相应政策保障银行对于科技型企业的贷款扶持，以推进企业技术进步，助力各产业转型升级。