银行信贷与行业收入差距关系研究——基于我国上市公司行业数据的实证分析

张学涛

（中国人民银行临沂市中心支行，山东 临沂 276001）

一、引言

改革开放40年多来，我国居民收入和生活水平实现了质的飞跃，但收入差距问题也随着经济发展逐渐凸显。特别地，城乡、地区、行业以及个体之间的收入差距呈增大趋势。根据国家统计局数据，2019年我国居民人均可支配收入基尼系数为0.465，明显高于国际公认的收入分配差距警戒线0.4。由于高收入人群边际消费倾向低于低收入人群，在凯恩斯边际消费倾向递减规律作用下，收入差距拉大加剧了社会总体消费率的下降，有效消费需求不足，导致经济增长乏力。除此之外，收入差距拉大还会引发社会矛盾，不利于社会稳定，近年来多个国家陷入社会动荡的一个重要原因就是收入差距恶化。

收入差距拉大对经济社会危害巨大，导致收入差距拉大的原因也是多方面的，国内学者基于城乡、地区或行业间的收入差距对此进行了研究，很多学者（顾严和冯银虎，2008；陈建东和高远，2012；刘卫波等，2013）认为行业收入差距是造成我国收入分配失衡的重要原因之一。那么究竟是什么原因造成我国行业收入差距呢？已有研究主要从行业禀赋、企业异质性、行政垄断和贸易等角度进行分析（伏帅和龚志民，2008；宋晶等，2013；彭定赟和梁少华，2018），但这些研究没有将企业融资纳入分析框架。现代市场经济中，金融发展对企业收入的影响主要是通过银行信贷实现的，作为国内企业的主要融资来源，银行贷款在企业运营过程中更是发挥着举足轻重的作用。但是由于企业的行业异质性，银行等正规金融机构通过非利率贷款条件对信贷资源进行分配的过程也会存在差异，使不同企业在信贷资金可获得性、满足程度上差距较大，进而对企业经营和员工收入产生异质性影响。为此，本文基于银行信贷视角，探讨其对行业收入差距的影响，探究其传导机制，并提出政策建议，在拓展行业收入差距研究视角的同时，对缩小行业收入差距也具有一定的现实意义。

二、文献回顾与研究假设

关于行业收入差距的成因，学界已经对此展开了相当多的研究。早期研究主要关注劳动力就业对工资的影响，并以此检验劳动市场分割理论的成立性。随后，行业收入差距逐渐引起学者的广泛关注（Krueger 和Summers，1988；Gibbons 和Katz，1992）。一般而言，行业的生产技术水平不同会导致行业间劳动生产率存在差异，进而导致行业收入差距扩大，但在剔除劳动生产率因素后，部分行业的高收入水平仍处于不合理范围（杨海涛和田文，2018）。目前，我国行业收入已经出现两极分化的趋势（顾严和冯银虎，2008），运用基尼系数、泰尔指数测度的行业收入差距呈逐渐扩大趋势（陈建东和高远，2012；刘卫波等，2013）。行业收入差距扩大的原因具有多样性，人力资本水平和垄断是造成行业收入差距的主要因素（伏帅和龚志民，2008；宋晶等，2013；彭定赟和梁少华，2018）。

全球金融危机发生后，关注收入差距的后凯恩斯金融化理论开始受到重视。长期以来，金融发展与收入之间的关系颇为复杂，主流观点认为，金融发展有利于降低贫富分化（Beck 等，2004），但也有学者认为，发展中国家的金融抑制和信贷配给减缓了经济增长，加重了社会收入分配不均（Mckinnon，1973；Shaw；1973）。尤其是在全球金融危机后，越来越多的观点认为金融发展加剧了贫富差距。从城乡二元结构明显的中国现实来看，信贷资金不足被认为是造成农村地区贫困、抑制农村居民消费、扩大城乡收入差距的重要诱因（王智恒和王静，2013；刘艳华和朱红莲，2017）。在信贷市场上，各行业也存在类似城乡二元结构的问题，彭文生（2017）认为信贷资金的投放有先有后、有易有难，房地产等抵押担保品充足的行业更容易获得信贷资金，其资本所有者和从业人员的收入增长快，而其他部门的实际收入则可能因信贷扩张而下降，导致收入分配差距扩大。基于以上分析，本文提出假设1。

假设1：银行信贷资源配置扩大了我国行业收入差距。

如果银行信贷能够扩大我国行业收入差距，它的影响机制是什么？从国内企业融资情况来看，银行贷款是我国企业固定资产投资重要的资金来源，以2017年为例，国内贷款占我国固定资产投资非自筹资金来源的32.6%。在新凯恩斯主义工资和价格黏性前提下，工资和价格短期内不会发生变化，能够优先获得信贷资金进行固定资产投资的行业，相对于后获得信贷资金的行业，有更大的利润空间，进而为从业人员带来更高的收入。也就是说，银行信贷资源配置会影响企业投资，并最终体现在行业从业人员的收入水平上。基于此，本文提出假设2。

假设2：企业投资在银行信贷对行业收入的影响中发挥中介效应。

三、研究设计

（一）模型构建

1.动态面板数据模型。行业收入是一个动态变化的过程，容易受到前期连续性和惯性的影响，动态面板数据模型能够将被解释变量的滞后项作为工具变量，更好地对具有惯性的动态行为进行建模，其一般形式为：

其中，Y为被解释变量，Y表示被解释变量的阶滞后项， X表示解释变量， δ为个体效应， ε为随机扰动项。由于公式（1）中被解释变量的滞后项作为解释变量，有可能会导致解释变量Y与随机扰动项ε相关，此时运用传统估计方法可能无法实现估计的无偏性和一致性。因此，本文采用Arellano-Bond 估计方法，将被解释变量的所有可能滞后变量都看作工具变量，同时控制行业固定效应μ和时期固定效应q，构建如下计量模型：

2.Shapley 分解方法。为了测度银行信贷对行业收入差距的贡献度，本文采用Shorrocks 提出的Shapley 分解方法，基于动态面板回归模型得到的收入决定方程，将行业收入的不平等分解为各影响因素的贡献。首先，对每个时期的贷款规模取平均值，再将均值和其他解释变量的实际值一起代入方程中，计算出收入水平。其次，运用泰尔指数计算出收入差距，此时的收入差距不包含银行信贷因素的影响。最后，计算根据银行信贷平均值得到的泰尔指数与根据各解释变量实际值得到的泰尔指数的差值，得到银行信贷对收入差距的贡献。如果差值为负，即银行信贷取均值后，收入差距缩小，说明银行信贷是扩大收入差距的因素，对收入差距贡献为正，贡献度为泰尔指数差值的绝对值与原泰尔指数的比值。

3.中介效应检验模型。为检验企业投资在银行信贷影响行业收入中可能存在的中介效应，本文借鉴Baron 和Kenny（1986）的方法，采用中介效应模型分析银行信贷、企业投资与行业收入之间的逻辑关系，中介效应检验模型如下：

（二）数据说明和变量选择

借鉴刘渝琳和梅斌（2012）等学者观点，上市公司层面的大样本数据相对透明和翔实，有助于增强研究结论的可信性，故本文选取A股各行业上市公司为研究样本，样本区间为2001—2017年。上市公司贷款数据来自国泰安数据库，各行业人员受教育年限来自《中国劳动统计年鉴》，其余数据来自万得数据库。由于信贷资金供给主体是以银行为主的金融业，因此，在研究行业中剔除了金融业。此外，限于样本量和行业性质，剔除居民服务和其他服务业、公共管理、社会保障和社会组织及国际组织三个行业，最终得到16 个行业的3465 个上市公司数据。变量选择情况如下：

1.被解释变量。行业收入水平：借鉴刘渝琳和梅斌（2012）等的研究，以A 股各行业上市公司人均收入水平衡量行业收入水平。

2.解释变量：贷款规模。该指标是绝对指标、正向指标，指标越大，说明融资条件越好。

3.控制变量。（1）行业劳动生产率，选择该指标对行业收入差距的合理部分进行解释。（2）行业增加值占比，作为行业规模代理变量。（3）行业固定资产投资增速，该指标体现生产经营过程中资本要素的投入情况。（4）人力资本，以受教育年限反映人力资本水平。（5）行政垄断，参照宋晶等（2013）、邱兆林（2014）的研究方法，将该变量设定为行业中中央国有企业、地方国有企业和公众企业的资产之和与该行业所有企业资产的比率。上述控制变量均为正向指标。所有变量的定义及说明如表1所示。

表1：变量名称、符号及计算方法

四、实证研究

本文实证部分的数据处理均利用Stata16.0 实现。为了减少数据波动和消除异方差问题，对行业收入水平、贷款规模、行业劳动生产率、人力资本进行了自然对数化处理，而行业增加值占比、行业固定资产投资增长率和行政垄断指标的取值范围在0 到1 之间，故未做处理。

（一）平稳性检验

为避免虚假回归，确保估计结果的有效性，本文采用含有截距和趋势项的模型，运用相同根单位根检验（LLC）和不同根单位根检验（Fisher-ADF）两种方法来检验各变量的平稳性，检验结果如表2所示。

由表2 可知，在模型带有截距项和趋势项的情况下，本文所选变量均在90%的显著性水平上接受了“序列为平稳”的原假设，认为所有变量为平稳序列。

表2：变量平稳性检验

（二）银行信贷对行业收入差距的影响

为了研究银行信贷在行业收入差距中发挥的作用，分别对引入贷款规模前和引入贷款规模后的动态面板数据模型进行差分GMM 估计。扰动项自相关检验和过度识别检验结果表明，模型不存在扰动项自相关和过度识别问题，故可以采用差分GMM 估计，估计结果如表3 所示。贷款规模在1%的水平下显著为正，表明获得信贷资金充足的行业，收入水平会提高，获取信贷资金减少或不足的行业，收入水平会下降。贷款规模的系数为0.024，转化为指数形式后，贷款规模每提高1%，行业收入水平会提高1.03%。滞后1 期的行业收入在两个模型中的系数分别为0.398和0.239，分别在1%和5%的水平上显著，表明我国行业收入水平处于动态变化的过程中，会受到前期收入的惯性影响，证明了我国行业收入存在“马太效应”。

表3：贷款规模对行业收入影响的差分GMM估计结果

从其他控制变量来看，人力资本对行业收入水平的影响最大，两个模型中的回归系数分别为1.918 和1.44，分别在1%和10%的水平上显著，表明随着行业对劳动力教育水平要求的提高，行业收入水平随之增加。劳动生产率对行业收入水平的影响略小于人力资本，两个模型中的回归系数分别为0.682 和0.9，都在1%的水平下显著。行政垄断往往被用来解释收入差距中不合理的部分，其在两个模型中的系数分别为0.17和0.146，且分别在1%和5%的水平上显著，说明行政垄断程度越高的行业，收入水平也相对越高，这一结果与已有文献研究结论一致。行业增加值占比对行业收入水平的影响在两个模型中都不显著，表明行业收入水平与行业规模无关。

为量化贷款规模差异造成的行业收入差距，Shapley 分解方法计算2001—2017年贷款规模对行业收入差距的贡献度（如表4 所示）。2001—2017年贷款规模对行业收入差距的贡献度总体呈下降趋势，但平均贡献率也达到了11.9%，表明贷款规模差异确实在一定程度上造成了行业收入差距的扩大，假设1 得到了证明。

表4：2001—2017年贷款规模对行业收入差距的贡献度（%）

（三）稳健性检验

为了验证上述结论的稳健性，本文通过替换解释变量和调整样本期进行稳健性检验，运用中国人民银行基于国民经济行业分类标准的行业贷款数据替代上市公司数据，由于该数据从2010年开始发布，因此，将样本期调整为2010—2017年，所选行业与上文保持一致。采用差分GMM 估计方法对替换解释变量后的模型进行回归，结果如表5 中Robust（1）所示。进一步替换被解释变量，运用统计数据计算行业收入水平，模型回归结果如表5中Robust（2）所示。

表5：贷款规模对行业收入差距影响的稳健性检验

两个模型中贷款规模的系数均在1%的水平下显著为正，而人力资本和行政垄断的估计系数不再显著，固定资产投资增速在第一个模型中成为显著变量。总体来看，本文关于贷款规模对行业收入影响的结论是可靠的。

（四）影响机制检验

为检验银行信贷通过企业投资影响行业收入的中介效应，运用动态面板数据模型对模型（3）进行估计，模型（5）估计结果同表3 引入贷款规模后的模型。由于模型（4）中不含具有惯性的行业收入变量，根据Kao 检验和Hausman 检验结果，选择静态面板数据固定效应模型进行回归，回归结果如表6所示。

表6：固定资产投资在贷款规模影响行业收入中的中介效应

模型（3）的回归结果表明，贷款规模系数为0.027，并且在1%的水平上显著；模型（4）回归结果则表明，贷款规模在1%的水平上能够显著提高固定资产投资水平；模型（5）中固定资产投资系数为0.009，在10%水平上对行业收入的影响显著为正，贷款规模对行业收入的影响依然在1%的水平上显著，但回归系数由0.027 降到0.024，说明固定资产投资在贷款规模影响行业收入的关系中发挥中介效应，其中介效应占总效应的比重为6.8%，假设2得证。

五、研究结论及政策启示

实现共同富裕目标面对的挑战之一就是收入差距过大问题，因此，探究收入差距的形成机理具有重要意义。本文以2001—2017年我国A股各行业上市公司为研究对象，运用动态面板数据模型、Shapley 分解法和中介效应模型对银行贷款与行业收入差距的关系进行了实证研究，得到以下结论：银行信贷规模对行业收入有显著正向影响；Shapley 分解结果表明，贷款规模差异对行业间收入差距的平均贡献率为11.9%；影响机制检验发现，企业投资是银行信贷影响行业收入差距的传导渠道。

基于本文研究结论，在缩小行业收入差距方面可以得到如下政策启示：第一，商业银行应实施差异化的行业信贷资金配置政策，在充分考虑行业收益性和成长性的基础上，优化信贷资金配置，提高信贷资金使用效率。第二，创新金融产品和服务，推出供应链融资、技术和专利质押贷款等产品和服务，满足“专精特新”等战略新兴产业的融资需求。第三，利用大数据人工智能和云计算等技术对企业数据进行深度加工、挖掘和分析，形成基于公共信息的“征信报告”，构建基于知识图谱的风险识别和定价模型，弱化抵质押担保品在贷款发放中的作用，提高企业信贷资金的可得性。第四，发挥抵押补充贷款等结构性政策工具作用，引导金融机构降低符合产业政策的重点行业固定资产投资项目、技术改造项目的融资成本和最低资本金比例要求，提高企业投资积极性。

①如2019年社会融资规模增量中银行贷款的比例超过66%。

②2019年底，沪深两市上市公司总市值64.3 万亿元，占GDP 的64.9%。因此，上市公司职工的工资收入具有一定的代表性。