中国信贷错配收敛性及其时空演变

徐章星 张兵

内容提要：合理配置信贷资源既是实现金融支持实体经济的重要路径，也是全面深化金融体制改革的基本方向。基于信息熵构建地区信贷错配测算模型，本文利用2007-2019年中国上市公司信贷数据，采用俱乐部收敛方法、Dagum基尼系数分解法实证考察中国信贷错配的收敛性与时空演变。研究结果表明：在克服传统σ收敛和β收敛分析法可能存在的偏误基础上，俱乐部收敛方法的分析发现中国信贷错配在总体上不存在收敛特征，而是收敛于4个不同稳态水平的俱乐部，其中东部和西部发散、中部收敛;中国信贷错配水平存在空间非均衡分布特征，信贷错配基尼系数总体上呈现出一个较明显的下降趋势;相较于区域间差异和超变密度，影响中国地区信贷错配差距的主要来源是区域内差距。鉴于中国配置明显受到地理分布、区域金融政策、资源禀赋、不同所有制等因素的综合影响，需要改善地区金融生态环境，加快建立地区间分工与合作机制，促进信贷配置的均衡化和公平化，应在推进合作共赢的过程中制定金融差别发展战略，避免“一刀切”式改革，防范金融市场内生風险。

关键词：信贷错配;俱乐部收敛;logt检验;Dagum分解

中图分类号：F8305  文献标识码：A  文章编号：1001-148X（2021）03-0057-08

收稿日期：2020-06-01

作者简介：徐章星（1991-），男，江苏苏州人，南京农业大学金融学院博士研究生，研究方向：公司金融;张兵（1962-），男，江苏盐城人，南京农业大学金融学院教授，博士生导师，研究方向： 财政金融与经济发展。

基金项目：国家自然科学基金面上项目，项目编号：71873065;国家自然科学基金青年项目，项目编号：71803082;教育部人文社会科学研究项目，项目编号：18YJC790220;江苏省普通高校研究生科研创新计划项目，项目编号：KYCX18_0752。

改革开放以来，我国经济发展与信贷规模扩张有效联动，信贷规模不断扩大，银行在选择贷款对象时若能更多地考虑其投资效果，就会有助于信贷资源配置到投资效率较高的企业，进而实现理想状态下的信贷配置目标。但是，金融机构在实际配置信贷资源过程中面临违约风险，无法通过利率机制实现市场出清和风险收益之间的均衡。基于中国现阶段的制度偏向和金融市场环境，信贷资金投向偏向于政府项目和国有企业，对于民营企业和新兴行业的信贷支持力度明显不足。尽管私有经济投资效率普遍偏高，但是从金融市场获得的信贷支持程度较低，较高的融资成本和融资门槛制约了民营和中小企业的发展[1]，基于投资效率的甄别机制难以发挥作用[2]。在中国的银行系统未实现完全利率市场化的今天，信贷错配的现象在不同属性企业中是客观存在的：一些较容易获得贷款的企业往往投资效率低下、产能过剩，降低了整体的TFP水平[3-4]，另有部分企业融资受阻，降低了信贷配置效率[5]。此外，由于地区经济发展水平以及要素禀赋差异的客观存在，导致各地区信贷配置的初始条件不同[6]，致使中国的信贷配置表现出一定的地域分布特点，金融发展存在不同的收敛俱乐部[7]。基于信息熵构建地区信贷错配测算模型，本文利用2007-2019年中国A股上市公司数据，采用俱乐部收敛方法和Dagum基尼系数分解方法对中国信贷错配的收敛性和时空演变进行考察，以期提出相应的对策建议。

一、研究设计的提出

（一）俱乐部收敛方法

一般情况下，传统收敛检验可以分为σ收敛和β收敛。σ收敛指的是地区间的差异随时间的推移而缩小，即在特定区域内某一变量的分散程度随时间推移而降低[8];β收敛反映初期水平较低的个体以高于初期水平较高个体的增长率快速增长，即落后地区比发达地区增长更快[9]。σ收敛与β收敛联系紧密，β收敛是σ收敛的必要非充分条件[10]。但是，传统估计存在以下缺陷：第一，σ收敛和β收敛分析忽视了样本中可能存在不同的收敛俱乐部;第二，在观测期内如果变异系数的变动趋势不完全一致时，无法通过σ收敛法直观判断出收敛趋势;第三，如果落后地区以远高于领先地区增长率的速度增长，那么初始落后地区在末期将赶超初始领先地区，双方差距也有可能超过初期阶段。因此，使用传统β收敛方法进行估计得出的结论可能是有偏的。此外，如果在数据生成过程中存在大量的噪声，传统t检验将不适用。

有鉴于此，Phillips & Sul（2007）[11]提出了俱乐部收敛方法，能够在样本总体不存在收敛时利用相关统计方法对于局部收敛情况进行识别，进而将处于同一稳态水平的不同个体归类到同一收敛俱乐部。本文将全国各省（市、自治区）信贷错配状况表示为Xit，其中i=1，2，3…，31，t=1，2，3…，13，相对应的年份分别为2007，2008，…，2019。在此基础上，构建时变单因子模型如下：

Xit=δitμt（1）

其中，μt不随时间变动，在本文中可以等价于各省（市、自治区）在信贷错配过程中的共同趋势，δit随着时间的变化而变化，表示第i个省（市、自治区）在t时刻所占比例。进一步利用半参数方程表示δit，将其分解如（2）式所示：

其中，δi为不随时间变化的均值;

it是均值为0，方差为1的白噪声过程;σi是特质性的规模参数。L（t）=log（t），用来消除方差随时间出现的自然增长，使得面板数据Xit平稳化：当t趋向于正无穷时，L（t）趋向于正无穷;α表示收敛快慢的大小，当α0时，Xit中所有个体i将收敛于同一稳态δi。因此，可以将面板数据Xit的收敛性考察转化为以下假设检验：

式（3）中的原假设H0表示所有省（市、自治区）信贷错配水平收敛于同一稳态水平，而备选假设表示存在部分省（市、自治区）信贷错配水平未收敛，各省（市、自治区）信贷错配水平的收敛路径可由相对转移参数hit来考察：

其中，N=31。如果所有省（市、自治区）存在趋同现象，那么δit将收敛于δi，则hit

1。在t时刻时，个体发散程度的截面方差Ht可以表示为：

在此基础上可以通过如下方程考察Xit的收敛性，并将个体划分至不同的俱乐部：

其中，H1/Ht为t时刻个体相对于初始时刻（2007年）的发散程度，α为常数项，β为log（t）的参数估计值。根据Phillips & Sul（2007）[11]基于模拟试验的建议，对t=5，6…13进行回归。为了避免随机扰动项ut由于序列相关带来的可能性偏误，在回归过程中使用β异方差自相关稳健标准误下的t统计量tβ进行单侧t检验。如果tβ小于-165，则拒绝原假设，反之，则接受原假设。

如果对于全样本的收敛性检验拒绝原假设，那么表明对于全国各省（市、自治区）信贷错配水平在总体上不存在收敛，继而需要对样本是否具有俱乐部收敛的情况进行检验。俱乐部收敛的内生识别算法的具体步骤如下：

（1）将各个省（市、自治区）按照观察期最后一年的信贷错配水平进行排序。

（2）找出核心组成员。将第一步中信贷错配水平前K个地区（K=2，3…，N-1）构成一个核心集团Ck，用logt依次对其进行检验，得出检验值tk，如（7）式所示，当tk<-165（5%的显著水平）时停止回归，在已有的t检验值中找出最大的tk，相对应的k*为收敛组中成员数量①。

（3）构建收敛组。在确定核心组成员的基础上，将其余个体依次加入核心组进行logt检验判断其是否与核心组成员同处于一个收敛组俱乐部。如果加入剩余地区后的logt检验满足t大于某阈值c，则意味着这些个体将能够与核心组成员在一起形成一个收敛俱乐部;反之，如果t<-165，则需要提高阈值c，并删除tk值较小的部分个体，直至logt检验的t检验值大于-165，完成收敛组的构建。

（4）继续构建收敛组。在第一个收敛组构建完成后对剩余个体继续进行logt检验，重复第一步至第三步，考察剩余个体能否形成新的核心组成员并构成一个俱乐部。如果在此时找不到满足t >-165的个体，则证明在剩余地区，信贷错配水平是发散的，即在全国范围内，部分省份信贷错配水平收敛于一个俱乐部，剩余地区的信贷错配水平全部发散。

（5）俱乐部聚类合并检验。对于logt检验中t的阈值c作为临界值可能会错误地将部分地区排除在俱乐部内，需要在俱乐部收敛的内生识别算法中进行聚类合并检验，在此过程中需要按次序对相邻俱乐部进行合并并进行logt检验。若相邻的两个俱乐部合并后满足t >-165，则证明这两个相邻的俱乐部能够合并成一个新的收敛俱乐部。

（二）Dagum基尼系数及其分解

为了考察空间非均衡化问题，比较地区内和地区间差距及其来源，Dagum（1997）[12]提出基尼系数分解法，该方法将总体基尼系数G分解为区域内差异贡献（Gw）、区域间差异贡献（Gnb）以及超变密度贡献（Gt）三个部分，满足G=Gw+Gnb+Gt。该方法弥补了泰尔指数在小样本、异方差等方面可能存在的局限性，并且能够检测到差距来源。区别于以往按照行政区域划分东部、中部和西部地区的传统做法，本文以中国信贷错配存在的不同俱乐部为划分标准，利用Dagum基尼系数分解法计算地区内以及地区间信贷错配差距，总体Dagum基尼系数计算方法如表（8）所示：

G=12n2CM∑kj=1∑kh=1∑nji=1∑nhr=1CMji-CMhr（8）

其中，n表示全国省（市、自治区）的个数;k为区域个数;CMji和CMhr分别表示区域j和h第i个和第r个个体的信贷错配水平;nj和nh分别表示地区j和地区h内省（市、自治区）个数。式（9）在区域划分的基础上，将k个区域信贷错配水平平均值按照从小到大的顺序进行了排序。

式（10）和式（11）表示地区j的基尼系数与区域内的差异贡献;式自（12）和式（13）表示地区j和地区h间的基尼系数与区域间的差异贡献;pj=nj/n，sj=njCMj/nCM，滿足∑pj=∑sj=1和∑kj=1∑kh=1pjsj=1;nj和nh分别表示地区j和地区h内包含的省（市、自治区）的个数;CMji表示j地区内第i个个体信贷错配水平;CMhr表示h地区内第r个个体信贷错配水平。

其中，Gt为超变密度贡献，表示的是在划分区域过程中由于交叉项的存在而对总体差异产生的贡献，当交叉项不存在时，超变密度贡献率为0;在式（15）中，Djh表示地区j和地区h之间信贷错配水平的相对影响。

其中，Fj（Fh）表示地区j（h）的累积分布函数，djh为地区j和地区h间信贷错配的差值，即所有CMji-CMhr > 0的个体值加总的数学期望;类似地，pjh为超变一阶矩，指的是地区j和地区h中所有CMhr-CMji > 0 的个体值加总的数学期望。

二、数据来源和地区信贷错配程度测算

虽然Hsieh & Klenow（2009）[13]、靳来群（2015）[14]等国内外学者对于如何测算银行信贷错配提出了不同的方法，但是迄今为止未形成同一意见。在我国二元经济结构的影响下，虽然民营企业的资本收益率高于国有企业，但是较难从银行信贷体系中获得贷款，这在一定程度说明银行系统在分配信贷资源时违背了“效率均等”的原则。为了充分反映我国银行系统在分配信贷资源时由所有制差异导致的信贷错配的现象，借鉴刘斌斌等（2019）[15]的做法，按照省域进行分组，在考虑不同所有制企业生产经营效率差异导致信贷配置差异的基础上，基于信息熵构建地区信贷错配测算模型[16]，计算出各省份的信贷错配水平。记CMjt为第j个省第t年信贷错配水平②，定义如下：

其中，k=5，为企业所有制类型，包括国有企业、民营企业、公众企业、外资企业和其他企业共5种类型;Yjt表示省份j第t年不同所有制企业营业收入水平，由各企业营业收入加总而得，即Yjt=Yj1t+Yj2t+…Yjkt;Djt表示省份j不同所有制企业第t年信贷可得性，以省份j第t年所有企业负债合计和应付账款之差总和与总资产总和的比值来衡量，Djit为省份j中第i个企业第t年负债合计和应付账款之差与总资产的比值。CMjt反映了不同地区信贷错配水平，当Djit/YjitDjt/Yjt=1时，CMjt=0，说明银行信贷按照效率均等的原则在不同所有制企业之间进行分配，银行信贷资金的错配程度最低;当CMjt不等于0时，说明信贷资金并未按照效率的高低在不同所有制之间进行配置，银行信贷资金在不同所有制之间出现了错配现象，CMjt越大表明地区信贷错配程度越高。

本文选取2007-2019年中国沪深两市A股上市公司财务数据，数据来源于wind数据库，在剔除ST、PT的企业以及缺失值的基础上对全国31个省（市、自治区）的信贷错配水平进行了测算。表1为中国信贷错配的演变趋势与地区差异，可知中国信贷错错配水平在全国整体上呈现出上升趋势，说明信贷错配程度随着时间的推移开始加深。为了客观地反映其中可能存在的地区差异性，按照中国行政区划划分为东部、中部和西部地区③，发现中国省域信贷错配空间分布存在失衡现象。从整体上看，在2007-2019年间中国信贷配置错配程度从东部到中西部逐步降低，呈现出阶梯状趋势。一方面，由于经济欠发达地区缺乏经济效应较好的国有及大型企业，商业银行会将信贷资金集中投向到经济发达地区，促使信贷资金的相对倒流，导致经济欠发达地区信贷资源越来越少;另一方面，尽管金融市场化程度不断加深，但金融部门市场化改革严重滞后于产品市场，信贷配置的所有制偏向仍存在，银行自主性并未得到显著提升，加之近年来经济增速不断放缓，出与稳定国家经济基础的考虑，在各地区内部，银行在信贷配置过程中更为谨慎，更愿意为国有企业提供更多的贷款，近年来中国信贷错配程度呈现出一个上升趋势，这一点在东部、中部和西部地区均存在。此外，由于东部地区信贷资金数量较为丰富，加上国有企业较多、信贷错配程度较高，从西到东信贷配置的有效性下降。

三、实证结果与讨论

（一）传统收敛检验结果

对于中国信贷错配的σ收敛情况，本文使用变异系数法（CV）进行测度。图1为中国信贷错配的σ收敛情况，可知中国信贷错配的变异系数在总体上呈现出一个下降趋势。尽管2008年有小幅上升，但在2008-2018年间，中国信贷错配的变异系数总体上呈现出下降趋势，说明在此期间内中国信贷错配存在σ收敛。在2007-2008年和2018-2019年，中国信贷错配的变异系数呈现出上升趋势，说明在此期间内中国信贷错配的收敛趋势并不明显，甚至出现发散的态势。因此，通过变异系数法可以直观判断在2007-2019年间中国信贷错配总体的收敛趋势较为明显。进一步借助计量模型，采用标准差（CV）对时间项（t）进行回归，结果表明模型中时间项t的系数为负且在1%水平上显著。因此，中国信贷错配在考察其内存在σ收敛。

本文使用Barro & Martín（1992）[9]提出传统方法得出β绝对收敛的检验结果如表2所示，无论是否控制地区和年份，中国信贷错配水平均趋于收敛，且在1%的水平上显著。这说明在各种可能的因素共同作用下，信贷错配水平较低的省份正在朝着信贷错配水平较高的省份追赶;随着时间的推移，可以预期信贷错配水平较低的省份和信贷错配水平较高的省份在未来会收敛于同一个稳态水平，这一点与描述性统计相一致（表1），其中可能的原因是中国信贷配置伴随宏观制度偏向和微观金融摩擦两者的共同作用。一方面，尽管国有银行商业化改革进程的加速，市场在信贷配置的过程中主体作用不断提升，但金融市场改革严重滞后于要素市场改革，微觀金融摩擦虽然开始逐步降低，但降低幅度有限;另一方面，实体经济在经济面临下行压力的背景下增长趋缓，商业银行在放贷过程中更为谨慎，国有企业成为银行放贷的理性选择。因此，中国信贷错配将在未来收敛于一个大于0的稳态水平。

（二）俱乐部收敛结果

根据前文的分析，σ收敛检验和β收敛检验都有可能存在一定程度上的偏误。对于σ收敛，当前半段数据收敛趋势和后半段收敛趋势不完全一致或相互冲突时就无法直观地判断总体的收敛趋势。对于β收敛，如果部分省份在初期阶段信贷错配水平较低，但是增长速度较快，那么在末期其信贷错配水平将超过初期信贷错配水平较高的省份。此时β收敛的识别结果是不准确的，同时值得注意的是σ收敛检验和β收敛检验均忽视了收敛的俱乐部情况。受到政策偏向、地区经济以及社会特征的影响，我国信贷错配水平可能存在一定的地域差异性，需要检验信贷错配水平在全国范围内是否存在俱乐部收敛，即在全国范围内信贷错配水平是否收敛于2个及以上的稳态水平。

从全国整体的角度来看，根据表3的实证结果可以发现β值为-05463小于0，且异方差稳健的统计量tβ为-142288，远远小于5%显著水平的临界值-165，表明中国信贷错配总体上未表现出收敛的特征。考虑到地区经济发展和地理位置差异性导致的资源配置到差异，本文将全国分为东、中、西三大地区，并采用logt检验方法对东中西三个子样本进行收敛性检验。结果表明：在5%的显著水平下中部地区信贷错配表现出收敛特征，即中部各省信贷错配水平最终会出现趋同;东部和西部处于发散趋势，即东部和西部地区内部信贷错配的非均衡化发展程度比较严重。

人为地从行政区域的角度将我国31 个省（市、自治区）划分为三大区域可能有些粗糙，例如忽略了区域间的分工合作与协同发展战略。本文采用内生收敛俱乐部识别方法对中国信贷错配可能存在的俱乐部进行检验，结果表明（表4）中国31个省（市、自治区）收敛于5个不同的稳态水平，构成了5个不同的俱乐部：在第一俱乐部中，包括上海、北京、天津、山东、广东、江苏和浙江7个省（市），均处于我国东部地区;第二俱乐部包含安徽、山西、广西、河北、湖南和福建6省（自治区），第三俱乐部包含河南、湖北、辽宁和陕西4省，第四俱乐部包含云南、内蒙、吉林、新疆、甘肃、重庆、青海和黑龙江8省（市），均处于我国中西部地区，第五俱乐部包含江西、海南和贵州三省。此外四川、宁夏和西藏三地区发散。

本文利用收敛俱乐部内生识别算法对相邻的收敛俱乐部进行聚类合并检验，结果如表5所示：第二、三俱乐部tβ大于临界值-165，说明第二、第三俱乐部能够合并为一个新的收敛俱乐部。根据表4和表5的分析结果，有理由相信中国信贷错配存在4个收敛俱乐部。本文将第一、第四和第五俱乐部分别命名为俱乐部A、C和D，将第二和第三俱乐部合并为俱乐部B。俱乐部A包含7省市均处于东部地区，包括华东三省市（上海、江苏、浙江）、华北三省市（北京、天津、山东）和华南一省（广东）;俱乐部B包含华北二省（河北、内蒙）、华中三省（河南、湖北、湖南）、华南二省（福建、广西）以及部分其他省份;俱乐部C均处于我国经济欠发达地区，包含华北（内蒙）、东北（黑龙江、吉林）、西北（新疆、甘肃、青海）和西南（云南、重庆）8省份;江西省、海南省和贵州省收敛于俱乐部D。此外，四川、宁夏和西藏三省份的信贷错配水平呈现出发散趋势。

总体来看，中国信贷错配水平表现出地域上的偏向性。上海、北京、江苏、浙江等东部7个省（市）收敛于俱乐部A的可能原因是：第一，该俱乐部成员均属于我国东部地区经济较为发达的省份，商业银行风险偏好在当前经济面临下行趋势的背景下开始转移;由于经济欠发达地区经济效益较好的国有及大型企业较少，商业银行会有选择的将信贷资金集中配置到经济发达地区，引发信贷资金的相对倒流，进一步加速地区间信贷资金配置的不均衡，信贷配置的“马太效应”开始形成。第二，在经济发達地区内部，商业银行增加了国有企业以及大型企业的信贷发放量，进一步压缩了民营企业以及中小企业的信贷可得性，即在经济较发达地区内部，国有及大型企业能够以较低成本获得较多的银行贷款，民营企业以及中小企业信贷可得性相较而言进一步降低，从而进一步拉大了国有及大型企业与民营以及中小企业之间的信贷配置水平的差距，形成经济发达地区内部信贷配置的“马太效应”。第三，由于信贷配置双重“马太效应”的存在，在供给端会降低金融机构的信贷供给意愿，出现断贷、压贷等现象;在需求端会增加企业的畏贷心理，降低企业的真实信贷需求。因此，在这些因素的共同作用下，上海、北京、江苏、浙江等东部7个省（市）的信贷错配水平收敛于一个俱乐部，这在一定程度上解释了经济发展水平较高的地区信贷错配程度较高的原因。

对于俱乐部B和俱乐部C则呈现出小范围内的收敛，其中可能的原因是：尽管俱乐部B和俱乐部C内大部分省市经济发展水平的相对落后、资源禀赋也相对不足，即对于信贷资金的吸引力相对薄弱，区域内信贷配置的基础条件相对薄弱，但是在“中部崛起”以及“西部大开发”等战略的推动下，部分华北、华中和华南地区协作性开始加强，信贷错配水平收敛于俱乐部B;边远地区省份，如华北、东北、西北、西南部分省（市、自治区）信贷错配水平也会朝着相同的方向发展，收敛于俱乐部C。与此不同的是，江西、海南和贵州三省收敛于俱乐部D，未呈现出明显的地理位置的相近性。

（三）中国信贷错配的地区差异及其分解

为了分析中国信贷错配的地区差异及其来源，本文采用Dagum基尼系数分解法，在厘清中国信贷错配收敛于不同俱乐部的基础上，对2007-2019年中国信贷错配的基尼系数进行了测算和分解，结果如表6所示：

（1）2007-2019年中国信贷错配差距水平总体上呈现出下降的趋势，该趋势为地区信贷错配差异与演变趋势提供了直接证据。具体而言，这一过程以2008年为分界点，在此之后基尼系数不断减小，从2008年的0641下降至2017年的0565，而2017-2019年信贷错配基尼系数有小幅回升的趋势。这说明近年来中国信贷错配的不均衡现象开始逐步缓和，信贷错配基尼系数逐年降低。尽管在各地区内部有小幅波动，但俱乐部A、B和C内信贷错配基尼系数差异的总体趋势还是在减小;在考察期内，俱乐部D信贷错配基尼系数的演变趋势并不稳定，在趋势上呈“正U型”。具体而言，俱乐部A的信贷错配基尼系数由2008年的0465下降至2019年的0352，连续10年（2019年除外）保持下降趋势。类似地，俱乐部B信贷错配基尼系数从2009年的0353下降至2017年的0258，连续8年呈现出下降趋势，而2018-2019年出现了短暂的上升，后经小幅波动降至2019 年的0261;俱乐部C信贷错配基尼系数在2007-2012年由0329下降至0241，连续5年保持下降趋势，在忽略2018年小幅上升的基础上，在2014-2019年由0245下降至0201。俱乐部D在考察期内总体呈现出“正U型”，波动最为剧烈，2007-2008年呈小幅降低状，2009年又明显回升至0181，随后出现逐年下降的趋势，至2014年下降至0063，在2015年小幅上升至0070而在2016年又下降至0069，在2016-2019年保持逐年上升趋势，至2019年上升至0154。

（2）就地区间差异而言，尽管信贷错配的区域间差异在样本考察期间呈现出波动趋势，同时各地区之间差异在具体的上升和下降的时间点不完全相同，但总体演变趋势基本一致，俱乐部A-B间、A-C间、A-D间、B-C间、B-D间以及C-D间均处于下降趋势。具体而言，俱乐部A-C间差异始终处于最大，数值大小介于0581-0654之间，并于2008年达到顶峰，2019年达到最低值，为0581。俱乐部A-B间、俱乐部A-D间差异的初始值基本一致，但俱乐部A-B间总体下降幅度较俱乐部A-D间大;俱乐部A-B间和在俱乐部A-D间2008-2018年间同时实现连续10年下降，但俱乐部A-B间下降幅度较大，从0583下降至0480，俱乐部A-D间从0587下降至0508。类似地，俱乐部B-C间的基尼系数从2008年的0414下降至2011年的0363，在经历了2011-2013年的小幅上升后，由2013年的0371下降至2018年的0346;与此不同的是，俱乐部B-D间、俱乐部C-D间基尼系数分别在2009年和2007年达到最大值，为0406和0307，并且同时在2016年达到最低值，分别为0333和0208。

（3）就贡献率而言，在样本在考察期内，区域内差异贡献率总体上呈现出上升趋势，区域间差异贡献率和超变密度贡献率虽然有小幅波动，但总体处于下降趋势。2007-2019年间区域内贡献率大于区域间差异贡献率和超变密度贡献率，说明区域内差异贡献率是信贷错配差异的主要来源，数值大小介于76562%-82548%之间。区域间差异贡献率在考察期内总体上处于下降趋势，数值大小介于6058%下降至2388%之间;超变密度贡献率总体呈现出下降趋势，由2008年的17707%下降至2019年的15004%。因此，能否缩小区域内的差异贡献、警惕超变密度和区域间差异，将成为未来一段时间内中国信贷配置均衡化的关键，决定着未来地区信贷错配的走势。

总之，2007-2019年中国信贷错配基尼系数的分解表明：2007年后中国信贷错配基尼系数总体差距呈现出下降的态势;除俱乐部D外，俱乐部A、B、C内信贷错配的基尼系数呈现出下降趋势;在考察期内，区域内差异贡献率占比最高，均在76%以上。

四、研究结论与启示

本文利用2007-2019年上市公司信贷数据，基于信息熵构建地区信贷错配测算模型，考察了中国信贷错配的收敛性与时空演变。结果表明，相对于传统σ收敛和β收敛分析而言，在考虑地区差异的基础上中国信贷错配不存在全国范围内的收敛，中国信贷错配存在4个收敛俱乐部，这4个俱乐部的分布受到地理分布、区域经济金融政策以及自身资源禀赋的综合影响。在考察期内，中国信贷错配差距水平经历了一个较明显的下降過程;无论是贡献率还是发展趋势，相较于区域间差异和超变密度，目前影响中国地区信贷错配差距主要因素还是区域内差距。

基于以上研究结论，本文提出以下政策建议：第一，进一步有效推动国有企业混合所有制改革，消除僵尸企业，同时支持民营企业发展，重视以制造业为基础的实体经济的重要性，加强监管，强实抑虚，以市场化的方式将信贷资金配置到更具投资效率的企业，创造符合现阶段企业发展的信贷产品和服务方式，增加有效信贷供给，优化信贷资源配置，防止信贷资金在金融体系内空转和系统性金融风险的发生。第二，为了实现地区间信贷配置的协同发展，俱乐部成员之间应当加强合作，相互借鉴地区经验，促进金融产品和服务的创新，以点带面地改善地区金融生态环境，同时构建地区间分工与协作机制，实现以面带片、协调发展，促进信贷配置的均衡化和公平化。第三，以俱乐部划分为标准，加强和实现信贷投向的精准化，同时仍需关注不同俱乐部之间的异质性，在推进合作共赢的过程中制定金融差别发展战略，引导信贷资源向投资回报率较高的地区流动，因地制宜地实现金融的可持续发展，促进信贷配置效率的提升，避免“一刀切”式改革，防范金融市场内生风险。

注释：

① 如果所有tk都大于-165，则意味着样本总体收敛。

② 为方便描述，下文中将省级行政单位（包括省、直辖市、自治区）统称为省。

③ 本文按照行政区域将我国31 个省、市、自治区划分为东部、中部和西部三大区域。其中，东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南等11 个省（市） ; 中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南等8 个省份; 西部地区包括内蒙古、重庆、四川、贵州、云南、陕西、甘肃、广西、青海、宁夏、新疆和西藏等12 个省（市、自治区）。

参考文献：

[1] 靳来群.所有盖庆恩，朱喜，程名望，史清华.要素市场扭曲、垄断势力与全要素生产率[J].经济研究，2015，50（5）：61-75.

[2] 马传慧，阮永平，郑凯，等.银行甄别机制、货币政策与信贷资源流向[J].国际金融研究，2016（12）：54-63.

[3] Hyeog， Ug， Kwon， et al. Resource reallocation and zombie lending in Japan in the 1990s[J]. Review of Economic Dynamics， 2015，18（4）：709-732.

[4] 申广军.比较优势与僵尸企业：基于新结构经济学视角的研究[J].管理世界，2016（12）：13-24，187.

[5] 卢盛荣，郭学能，游云星.影子银行、信贷资源错配与中国经济波动[J].国际金融研究，2019（4）：66-76.

[6] 徐章星，尹鸿飞，张兵，等.国家级服务经济中心系统协同机制及测度[J].管理现代化，2020，40（1）：32-39.

[7] 胡宗义，赵晟，唐李伟.中国农村金融发展的收敛性研究[J].统计与决策，2016（10）：128-132.

[8] Quah D. Galton′s fallacy and tests of the convergence hypothesis[J]. The Scandinavian Journal of Economics， 1993： 427-443.

[9] Barro R J， Sala-i-Martin X. Convergence[J]. Journal of political Economy， 1992，100（2）： 223-251.

[10]Lichtenberg F R. Testing the convergence hypothesis[J]. The Review of Economics and Statistics， 1994： 576-579.

[11]Phillips P C B， Sul D. Transition modeling and econometric convergence tests[J]. Econometrica， 2007， 75（6）： 1771-1855.

[12]Camilo Dagum. Decomposition and interpretation of Gini and the generalized entropy inequality measures[J]. Statistica， 1997， 57（3）.

[13]Hsieh C T， Klenow P J . Misallocation and Manufacturing TFP in China and India[J]. Quarterly Journal of Economics， 2009， 124（4）：1403-1448.

[14]靳来群.所有制歧视所致金融资源错配程度分析[J].经济学动态，2015（6）：36-44.

[15]刘斌斌，严武，黄小勇.信贷错配对我国绿色技术创新的影响分析——基于地区环境规制差异的视角[J].当代财经，2019（9）：60-71.

[16]Kinoshita S . Henri Theil， Economics and Information Theory[J]. Economic Review， 1968，19：185-188.

Convergence and Spatial-Temporal Evolution of Credit Misallocation  in China：

An Analysis of Credit Data of Listed Companies in China from 2007 to 2019

XU Zhang-xing， ZHANG Bing

（College of Finance， Nanjing Agricultural University， Nanjing 210095， China）

Abstract：Reasonable allocation of credit resources is not only an important path to financial support for real economy， but also the basic direction of comprehensively deepening the reform of financial system.Based on information entropy， this paper constructs a regional credit misallocation measurement model. Using the credit data of China′s listed companies from 2007 to 2019， this paper adopts club convergence method and Dagum Gini coefficient decomposition method to empirically investigate the convergence and spatial-temporal evolution of China′s credit misallocation.The results show that： on the basis of overcoming the possible errors of traditional convergence and convergence analysis method， the analysis of club convergence method finds that China′s credit misallocation does not have convergence characteristics on the whole， but converges to four clubs， among which the eastern and western regions diverge and the central region converges;there are spatial unbalanced distribution characteristics in China′s credit misallocation level，on the whole， Gini coefficient of credit misallocation shows an obvious downward trend;compared with inter regional differences and over variable density， the main source of credit misallocation gap in China is intra regional gap.Therefore， it is necessary to improve the regional financial ecological environment， speed up the establishment of regional division of labor and cooperation mechanism， and promote the balance and fairness of credit allocation. In the process of promoting win-win cooperation， we should formulate the financial differential development strategy according to the regional differences， avoid the “one size fits all” reform， and guard against the endogenous risks in the financial market.

Key words：credit misallocation; club convergence; Logt test; Dagum decomposition

（責任编辑：关立新）