银行竞争对工业企业利息负担的影响——以中国省级样本为例

钱星宇

(西南大学经济管理学院 重庆 400715)

引言

自2010年开始，我国银行业金融机构的数量就在逐步上升，截止2017年，我国已有4532家银行业金融机构，相较于2010年的3857家，增加了675家。随着经济形势的上涨与银行数量的增多与工业企业利润空间的下降，银行业的竞争压力越来越大，这也势必会影响整体的贷款利率。而对工业企业来说，银行信贷融资是保证其经营运转的重要方式，作为现金流出重要方式的利息就与银行信贷成本息息相关。随着银行竞争程度的变化，工业企业的利息负担是否会受影响。这就是本篇文章所要探讨的内容。

多数学者从银行竞争与工业企业关系的角度展开探讨。方芳，蔡卫星(2016)认为从整体上而言，银行业竞争对企业成长具有显著的正向影响，这意味着银行业竞争促进了企业成长[1]。田凯(2016)则从中小企业的角度发表看法，认为银行竞争有利于银行加大对企业信息调查的成本投入与方法改进，缓解银企之间信息不对称问题，对于信息透明度较低的中小企业来说，能够更有效的获得贷款，提升了信贷市场整体资金配置效率[2]。Black and Strahan(2002)则研究了分支银行的放松管制对企业创业的影响。他们发现，放松管制有助于建立新公司[3]。Rice 和 Strahan(2010)表明银行竞争会增加信贷供应，但他们没有发现竞争会影响小企业融资的数量[4]。汪伦(2018)认为上市企业创新所需的资金不受外部融资影响，银行业的发展与竞争有助于缓解企业的融资约束，提升企业创新能力；相比大型企业，银行业的竞争更能促进中小企业的创新能力[5]。张杰(2019)则从银行竞争与企业负债的方面来研究并给出了不同地区的不同结论，他认为在那些银行竞争程度没有超过一定程度的地区中，银行竞争可以促进企业负债率提升；而在那些银行竞争程度超过一定程度的地区中，银行竞争会对企业负债造成抑制效应[6]。

其次，从信贷可得性及信贷成本的角度出发,Shaffer(1998)认为在竞争性银行结构中,大量银行对贷款对象进行抢夺,最终赢得贷款的银行可能只是得到了对劣质贷款人放贷的机会,“赢家的诅咒”的外部性减少了实施监督和提供贷款的银行数量,导致更高的贷款利率和更少的信贷数量[7]。但另一方面,按照一般产业组织理论的逻辑,银行垄断会降低整个经济的社会福利,因为银行有能力在支付低存款利息的前提下提高贷款利率,收取更高的经济租金,不利于企业获得更多的资金。而银行业竞争度的提高有利于降低信贷成本和抵押品、贷款额的门槛，增加企业的信贷可得性，改善其贷款压力。

可以看出，学者们对银行竞争与企业的研究已经较为完善，并且得到了较为统一的结论，即银行业竞争能促进企业的发展，改善企业融资难的问题。但对银行业竞争与作为企业经营年度中重要的现金流出的企业利息负担的关系即融资贵的研究相对较少，换句话说，银行业竞争虽然可能提升企业的贷款数量，但面对竞争的加剧，银行贷款的利率其其他借款利率，从企业角度来讲就是利息负担是怎么变化则并不清晰。

基于以上分析，提出相应的理论假设：

一、银行竞争不能改善工业企业的利息负担。

针对以上假设，笔者搜集整理了从2010年至2017年的中国31个省级(省，直辖市，自治区，不含港澳台)规模上工业企业的利息支出数据，并构建了银行业竞争的度量指标赫芬达尔指数HHI与CR4，通过实证分析，发现了从整体来看，银行业竞争能够减轻工业企业的利息负担的结论。众所周知，由于中国一直处于以银行机构为主导的金融体系中[8]，银行业的发展状况将直接影响我国各类企业的发展状况，而银行业竞争程度由于直接关系到企业贷款可获得量与质量，关系到企业的利息负担，而工业企业则是我国经济的基础命脉，其利息负担直接影响其经营决策以及利润水平，关系到我国经济的总体走势。理清银行竞争与企业利息负担的关系能够让银行，工业企业乃至监管部门各方调整策略，能使金融更好的为实体经济来服务。

本文剩余部分是由以下部分构成：二、实证设计；三、变量描述；四、结果与检验；五、结论。

二、实证设计

本文关注点是银行竞争与企业利息负担的关系，运用Pooled IV/TSLS的方法对银行竞争与企业利息负担的关系进行了研究。考虑到不同省份由于客观经济条件原因，银行竞争对工业企业的利息支出影响可能会有不同，因此本文选择变系数面板数据模型进行研究，总体的模型如下：

Interest=α+βBankCompetition+γCONTROLS+ε

(1)

(2)

(3)

其中γ1描述了TSLS方法下银行竞争对工业企业利息负担的影响，CONTROLS是相关的控制变量。尽管使用了TSLS的方法，运用了工具变量，但模型回归结论是否能够完全可信，还需检验结果的稳健性，这一问题会在第四部分的稳健性检验中得到解决。

三、变量描述

(一)核心变量定义

1.被解释变量

Interest 作为被解释变量，衡量的是工业企业年度的利息负担，笔者搜集了中国省级2010年到2017年规模上工业企业利息支出的年度数据。

2.解释变量

BankCompetition 衡量的是分省份的银行竞争水平，在借鉴已有文献的基础上，我们采取以下两种常用的构造方法来描述银行竞争水平：

第一种方法是计算四大国有商业银行(中、农、工、建)的贷款余额在整个省级银行业贷款余额中的市场集中度，即计算四大国有银行在所有银行贷款额中的市场份额集中度指标，表示为CR4。具体的计算方法如下：

第二种方法是利用银行机构的贷款额数量信息，通过构造不同银行机构贷款额的赫芬达尔指数(HHI)作为银行竞争程度的代理变量。HHI指数是用某特定市场上所有企业的市场份额的平方和来表示，具体计算方法如下：

其中表示Bankloann表示省级第n个银行每年的贷款总和，SUMbankloan表示每年省级银行业金融机构的贷款总和，包括国有大型商业银行，股份制商业银行，城市商业银行，农村信用社等中小型商业银行。N表示每年银行业金融机构的数量。该数值越大，表明银行业垄断程度越高，竞争程度也就越小。

本文中，先选取CR4指数作为银行竞争水平的替代变量，随后会在结果与检验部分会使用HHI指数做结果的稳健性检验。

3.控制变量

我列出了一些可能影响企业利息负担的影响因素，并把他们作为控制变量CONTROLS，以此来检验银行竞争是否对工业企业的利息负担存在影响。

Assert 表示的是2010年-2017年各个省份规模上工业企业的资产余额的年度数据，通过控制资产，能够剥离企业利息负担因每年平均资产的变化所带来的影响，从而能更准确地了解到银行竞争对企业利息负担的影响。

Debt 表示的是2010年-2017年各个省份规模上工业企业年度的负债余额，通过控制负债，能够进一步控制企业利息负担因负债的改变所带来的影响，从而能更准确地了解到银行竞争对企业利息负担的影响。

Profit 表示的是2009年-2016年各个省份规模以上工业企业利润总额。由于当期的利息支出并不受当期利润的影响，相反，当期的利息支出往往跟下一期的利息支出相关，因此这里的样本数据选取的是2009-2016年的规模以上工业企业利润总额，以此来控制利润的影响，剥离出银行竞争对工业企业利息支出的影响。

RGDP 表示的是2010年-2017年的各个省份地区生产总值，通过控制GDP增长可以，剥离经济增长整体趋势对企业利息负担的影响，从而能更准确地了解到银行竞争对工业企业利息负担的影响。

IVA 表示的是2010年-2017年各个省份的工业增加值，通过控制各个省份的工业增加值，能剥离工业增长趋势对工业企业利息负担的影响，从而能更准确地了解到银行竞争对工业企业利息负担的影响。

Number 表示的是2010年-2017年各个省份规模以上工业企业单位数，通过控制各个省份规模以上工业企业单位数能够控制不同省份之间因企业数量不同的而导致的银行竞争影响的差异。

4.工具变量

由于银行竞争程度可能存在内生性的问题，即其与忽略的残差项相关，这些残差项有可能会对企业的利息负担产生影响，而这种问题一旦存在，就会对回归结果的准确性产生影响，采取工具变量的方法能有效地解决这个问题。围绕解释变量CR4，我选取了如下的工具变量：

IVCR4=Average(neighborCR4)

IVCR4表示的是CR4的工具变量，即省级银行竞争水平的CR4工具变量是与该省级行政区地域相邻的省级行政区省级银行竞争水平的CR4的均值。如河南的银行竞争水平的工具变量就是河北，山西，陕西，湖北，安徽，山东这六个省份的银行竞争水平的均值。选取相邻省份均值作为一省份的工具变量的理由是相邻省份由于地域临近，经济发展水平有一定的相关性，且相邻省份经济往来频繁，银行竞争往往有相关性，选取相邻省份均值作为工具变量能够很好地解释一省份的银行竞争水平。IVHHI含义与处理方式与IVCR4相同。

(二)数据来源与相关处理说明

本文数据由笔者在整理了Wind，中经网，《中国金融年鉴》的相关数据的基础上得出，包含31个省市，自治区共248个样本数据。所有数值单位均统一为亿元。为了方便分析减弱异方差的影响，笔者对样本数据进行了对数变换。

四、结果与检验

(一)实证结果分析

本文研究的是银行竞争对工业企业利息支出的影响，对此本文使用了面板数据模型对中国省级的银行竞争对工业企业利息支出之间的关系进行了研究。

通过对表1总体方程回归结果分析可知，在双固定效应变截距面板数据模型下，银行竞争对规模上工业企业的利息支出有着显著的正影响，(γ1=0.2875，P=0.03)即从中国整体来看，银行竞争程度的增加能够显著地降低工业企业的利息负担，具体来说在5%的显著性水平下，我们拒绝假设1，即认为银行竞争水平每增加一单位，会使企业利息负担下降28.75%。

表1

(二)结果检验

1.方程设置合理性检验

构建LR检验统计量LR=2(lnLR_u-lnLR_r)=1676.33>Chi2(247)，lnLR_u为无约束模型对数似然函数值，lnLR_r为有约束模型对数似然函数值。该项结果说明不应建立混合模型。

2.工具变量检验

为了检验工具变量的问题，我对一阶段回归方程进行了估计。一阶段回归模型中，ivcr4的系数显著不为0，同时F统计量=191.1831，P值显著不为0，说明不存在弱工具变量的问题。

3.稳健性检验

为了检验实证结果的稳健性，我用上述银行竞争的替代变量HHI代替CR4进行了同样的分析过程，结果显示，该结果表明运用HHI与CR4分别做解释变量并未有显著差异，即表明实证结果是稳健的。

五、结论

在脱实向虚问题日渐严重的宏观背景下，银行业与工业以信贷关系为支撑的相互支持关系十分重要，银行可通过贷款的方式使其资金充分利用，企业也可通过的贷款获得所需的资金流，解决其融资贵的问题。本文以此为背景，利用了变系数面板数据模型，并运用两阶段最小二乘法，研究了在不同省市地区银行竞争与工业企业利息负担的关系，否定了上文所提假设，得出了从整体上银行竞争能够改善企业利息负担。这种情况的出现可能与各地经济发展水平，产业结构不同以及银行业当前的竞争程度的大小等因素有关。可见银行业竞争总体上是利好于规模上工业企业的发展。