银企关系、政治联系与银行信贷筛选效率 ——来自中国上市企业的经验证据
0 引言
中国共产党的十九大报告中指出，我国经济已由高速增长阶段转向高质量发展阶段，正处在转变发展方式、优化经济结构、转换增长动力的攻关期，建设现代化经济体系是跨越关口的迫切要求和我国发展的战略目标。由于我国商业银行体系以及多种所有制经济在改革开放后才逐步发展起来，信贷资源配置在很长一段时间内存在受政府部门影响、向国有企业倾斜等非市场化配置的现象。因此，将优质信贷资源投放到高质量发展的企业，提升自身信贷筛选效率，应是我国银行业推进落实稳增长、促改革、调结构、惠民生、防风险以及促进经济脱虚向实等各项工作的重点。降低非市场因素对信贷资源配置的影响，提升信贷筛选效率也是要素配置市场化的必由之路。
在信贷配置与信贷筛选效率的影响因素方面，本文主要考虑两类机制的效应：政治联系与银企关系。基于新制度经济学的的视角，关于企业政治联系的研究一般将政治联系视为一种克服制度缺陷、防范政策风险以及降低交易成本的非正式替代机制。Faccio(2006)指出，具有政治联系的企业会在多方面受到特殊待遇，比如在银行贷款、政府补贴、政府合约、税收、监管以及市场竞争等方面。这些优待会使企业的价值得到提升(Roberts，1990；Fisman，2001)，而且能够改善企业业绩(Johnson and Mitton，2003；Li et al.，2008)。但是，关于效率的研究表明，有政治联系的企业政府补贴对于业绩的促进作用显著低于无政治联系的企业(余明桂等，2010；郭剑花和杜兴强，2011)，并且基于政治联系的银行信贷资源配置可能是低效的(Malesky and Taussig，2009)，体现出具有政治联系的企业对于外源资本利用效率可能较低。可见，政治联系在一定程度上扭曲了信贷资源的市场化配置。在对政治联系的定义与分类方面，现有文献中经常使用变量的包括大股东与高管的政治背景(Khwaja and Mian，2005)，或者上述企业内部人的近亲与朋友的政治背景(Faccio et al.，2006)。同时，所有制差异也是研究亚洲与新兴市场国家企业政治联系时常用的变量(袁淳等，2010)，因为国有企业天然就会受到政府的更多关注。此外，由于政治联系被视为制度不完善时的替代机制，那么随着我国改革的深化，政治联系对于信贷筛选效率的效应也可以作为我国银行业市场化程度以及改革进程的一种检验。
从金融中介理论的角度出发，银企关系则是一种能够有效促进银行对企业相关信息生产，降低信贷市场信息不对称程度，促进银行中介功能发挥，提升信贷筛选、配置效率的正式机制(Diamond，1991)。Petersen and Rajan(1994)将银企关系定义为银行与企业之间持续紧密的，能够使贷方获取足够企业经营相关信息的业务往来与互动。Berger and Udell(2002)指出，基于银企关系机制的关系型贷款技术相较于基于企业财务报表、抵质押物以及信用评分等机制的交易型贷款技术能够使银行获取更多方面的信息。但同时，对银企关系各维度的衡量及其对于信贷可得性的效应上，如在银企关系持续时间(Cole，1998；陈键，2008)、企业关系银行数目(Berger and Udell，1998；Harhoff and Körting，1998；何韧等，2012)、银企之间业务往来的广度与深度(Kano et al.，2011)等方面在现有针对不同国家企业的实证研究中虽然都发现了银企关系的显著效应，但仍没有得到一致的结果，不过上述研究都表明关系型贷款技术在银行信贷筛选中起到了重要的作用。
在本文理论框架中，银企关系在信贷资源配置过程中起到的作用主要是使银行更好地发掘企业的“软信息”，降低银企之间信息不对称程度，增强银行贷前发现高质量发展企业的能力以达到提高信贷筛选效率的目的。翟胜宝等(2014)通过对我国民营上市企业进行研究后发现，企业或银行通过互相持股形成的非正式银企关系降低了企业的非效率投资。对于政治联系与信贷筛选效率的关系，由于该机制影响渠道是非正式的，其效应可能有两方面：其一，企业由于其政治联系受到各类优待，提升了企业的业绩以及市场价值；其二，由于建立与维持政治联系需要成本，可能表现为社会性负担与非正式支付，特别对于国有企业，可能影响企业的资本、劳动力等利用效率。可见，政治联系不一定能提升企业发展质量，也不能直接促进银企之间信息传递。
本文主要选取了银企关系持续时间、关系银行数目、企业贷款申请次数作为银企关系紧密程度的代理变量，选取了企业所有制形式以及实际控制人政治身份作为定义政治联系的标准。本文以2003—2015年间A股非金融类上市企业为样本，对其贷款公告、实际控制人信息以及财务数据等相关变量进行了实证研究，以企业偿债能力、全要素生产率等变量作为企业发展质量与银行信贷筛选效率的代理变量分析了银企关系、政治联系对信贷筛选效率的影响。结果发现，在控制了企业特征、财务数据以及考虑了模型内生性问题等情况之后，银企关系越紧密则企业偿债能力越强，同时全要素生产率也可能越高，表明银行确实能够通过银企关系促进企业“软信息”生产，更好地发现高质量发展的企业，提高信贷筛选效率，降低不良资产产生的风险。同时，实际控制人政治身份无论是对于企业偿债能力或是全要素生产率都没有显著的影响，而民营企业的全要素生产率反而可能更高，表明政治联系更可能是通过其他渠道，而不是通过提升企业发展质量或缓解信息不对称，提升银行信贷筛选效率等方式影响银行信贷配置决策的。
本文的创新点主要在于，首先通过数据库搜集与手工整理形成了一个企业—银行—年层面的配对面板数据样本，样本内包含企业贷款信息、股权结构信息、实际控制人信息、财务数据以及贷款银行相关信息，在固定效应模型的回归分析中，本文的研究样本能够形成企业—银行层面的固定效应，既控制了企业与银行层面的不随时间改变的特征，也控制了企业与不同贷款银行之间银企关系其他方面的特征。其次，在银企关系变量与政治联系变量的定义与选取方面基于现有文献针对本文样本特点进行了一定的优化，如从尽量早的时间点(1996年)来识别银企关系的起点，尽量避免测量误差；选择一年之内的企业关系银行数目作为银企关系规模的代理变量，避免前视偏差(look-ahead bias)产生的反向因果问题；此外，在控制人政治身份方面，将企业控制人未发生变化期间内最早的一个观测中的控制人政治背景识别为控制人政治身份，有效避免了反向因果造成的内生性问题。最后，本文采用了新的视角来分析银行信贷筛选与信贷配置效率，同时从实务与理论角度入手，既通过银行信贷风险管理层面最为关注的企业偿债能力，又通过企业全要素生产率这一不可直接观测的、能够反映企业“软信息”的变量来体现企业的发展质量，并将银企关系与政治联系二者结合起来比较市场化机制与非正式的制度机制对信贷筛选效率的影响。本文的研究丰富了信贷资源配置、信贷筛选相关领域的文献，并对银行信贷配置决策过程的优化具有较强现实意义。
本文剩余部分按如下结构安排：第1部分为文献综述与研究假设，对现有相关领域文献进行梳理，并结合现有文献与本文理论框架提出银企关系、政治联系对银行信贷筛选效率效应的假设；第2部分为研究设计，介绍了本文样本与数据来源，回归模型与相关变量，主要变量描述性统计等，并对本文使用的全要素生产率估计方法进行了简要介绍；第3部分为实证结果分析，报告并分析本文主要回归模型的结果；第4部分为进一步检验，主要利用多种方法对本文基准回归结果的稳健性进行检验，并讨论了基准回归模型的内生性问题；第5部分为本文总结，得出结论并对本文进行总结。
1 文献回顾与研究假设
1.1 银企关系与关系型贷款技术
对银企关系的关注起源于对信贷配给的研究。由于一定时期内的信贷资源是有限的，若借款人在当期的需求超过信贷资源的供给，则会导致有一部分借款者无法获得其需要的贷款。Stiglitz and Weiss(1981)提出，由于信息不对称，银行可能无法确认企业确实拥有好的投资机会(逆向选择问题)或银行无法保证企业不会将贷款挪用到其他项目甚至用以满足经理人私人利益(道德风险问题)，从而导致企业拥有正净现值的项目却不能获得融资。然而，如果银行希望通过提高贷款利率来筛选高质量的企业，也可能事与愿违：高利率可能会导致仅有项目风险较高的企业愿意申请贷款(逆向选择)或高利率会影响借款人选择风险更高的项目(道德风险)。加之实行低利率又会带来超额贷款需求，因此，银行在发放贷款时可能会选择对于贷款额度进行控制，即信贷配给而不会提高贷款利率。
上述逆向选择以及道德风险问题对于存续时间短、资产规模小、抵押物缺乏的企业的影响更加明显，也就使得包括大部分民营企业在内的中小企业成为信贷配给的主要“受害者”。不过，当企业与银行之间持续紧密的互动能使贷款人获得足够的企业事务信息时，可能会降低企业信贷成本并提高其贷款可得性。Petersen and Rajan(1994)比较直接地将这类互动定义为银企关系。
基于上述定义，银企关系包含了很多层面的业务互动，如存款关系、贷款关系、结算关系等。鉴于本文主要研究银企关系对于信贷筛选效应的影响，本文讨论的银企关系将主要限于银企贷款关系。
关系型贷款技术在金融中介理论中正是能够通过企业与银行紧密、多维度地业务往来与互动，并在银行主动获取信息的前提下，显著降低企业与关系银行间的信息不对称程度，提高银行信贷筛选效率与信贷配置决策的准确性。相对于仅关注企业“硬信息”，即必须在每次贷款交易中都对企业进行完整流程审查与筛选的交易型贷款技术，紧密的银企关系还有可能使银行获取的企业私人信息在长期内可重复使用，以降低银行的筛选与监督成本，使银企双方共同获益。Boot(2000)具体指出了关系型贷款使借贷双方福利提升可能原因：首先，关系型贷款能够促进银行与企业间的信息交换并达到帕累托改善，即在关系型贷款背景下企业相比于交易型贷款能够更有激励地传递自己的私人信息，因为这样能够使其得到更优惠的贷款条件，同时银行也更有激励花费成本去生产信息，因为通过关系型贷款技术获得的私人信息可能能够降低后续监督成本以及后续贷款的筛选成本；其次，关系型贷款可能会带来显性与隐性贷款合约的一些变化，使得借贷双方的福利得到改善，比如银企关系使银行获取的额外的、难以合同化的信息可能促成双方达成一种隐性的长期合约，使得合作更加稳定，又如银企关系也使得银行对于抵质押物的监督更加有效，因为某些抵质押物的价值通过公开信息很难确定，如果不是通过关系型贷款技术，企业很难通过对这些资产的抵质押担保获得贷款。
现有文献在对于银企关系紧密程度的识别方面主要采用了银企关系持续时间、企业关系银行数目与银企之间业务往来的深度与广度等。具体来说，Berger and Udell(1995)以及Petersen and Rajan(1994)发现长期的银企关系能够显著降低企业的信贷融资成本，尹志超和马双(2016)亦发现对于我国新创小微企业其信贷融资约束相比于其他小微企业更严重，但Cole(1998)则认为银行通过长期关系对企业具有一定程度的信息垄断，会使银行具有攫取租金的激励，使企业产生“套牢问题”(hold-up problem)。关于企业关系银行数目与信贷配置、企业融资成本的研究发现，对于欧美等较发达地区的企业，其关系银行越多，则贷款申请成功概率、贷款利率越低，并且抵质押物要求越严格(Angelini et al.，1998；Harhoff and Körting，1998；Cole et al.，2004)；而对于新兴国家与我国企业的实证研究却表明，银企关系规模与企业信贷可得性具有较显著的正相关关系(曹敏等，2003；Jiangli et al.，2008；何韧等，2012)。在银企关系深度方面，Kano et al.(2011)研究了银企之间开展的业务种类与信贷可得性的关系，发现银企关系深度对贷款申请与抵押物要求方面都有正向效应；对于我国企业的研究也表明，对一家银行的贷款申请次数与担保条件、贷款利率具有正相关关系(曹敏等，2003；张晓玫和钟祯，2012)。
1.2 政治联系与政治优待
自20世纪70年代我国开始银行业市场化改革以来，我国商业银行的金融中介功能逐渐完善，信贷筛选、风险管理能力不断提升。但一系列的研究表明，在信贷可得性方面国有企业较之民营企业还是拥有一定优势的，比如Brandt and Li(2003)在对我国江浙地区民营企业与乡镇企业1994—1997年间的贷款可得性进行研究后发现，民营企业在贷款规模、贷款条件等方面都受到一定程度的歧视，而且乡镇企业在私有化前后也受到了显著的区别对待。关于对国有企业获得优待的原因，一种解释是国有企业承担了更多社会责任与政治任务，比如国有企业可能会由于为政府解决就业而雇佣更多员工导致劳动力冗余、生产率下降(Dong and Putterman，2003)，但会寻求政府的优待以作为承担更多的补偿。袁淳等(2010)将政府对国有企业这种包括信贷优待、税收优惠、司法保护等在内的一系列优惠视为一种隐性合约。由于民营企业不具备与政府间的上述隐性合约，因此在信贷融资等方面亦不会受到优待。而通过政治联系这种渠道，民营企业在一定程度上可以与政府形成隐性合约，能够使其免于信贷歧视。
政治联系具有多种形式，Faccio(2006)对于政治联系的定义是，企业与政府高层之间的密切关系，它包括企业与重要政府官员的关系，以及政府官员或其亲属、国会议员担任企业的大股东或高层管理人员。由于政治联系一般被用于克服制度不完善或越过制度规定，因此国内外学者在政治联系对企业影响方面的研究主要关注新兴、转型经济体。连军等(2011)就发现，制度环境越差的地区，政治联系对于民营企业贷款可得性的促进作用就越显著。刘海建等(2017)则指出，企业家对政治联系的使用可能同时存在利己与利他效应，而制度环境、市场竞争等条件对政治联系的效应也具有很大影响。正如上文所述，政治联系对企业的影响可能是两面的，一方面政治联系会给企业带来融资便利、税收优惠及监管放松等有利条件，有助于提高企业价值与业绩(Li et al.，2008)；另一方面，政治联系的建立会花费成本，且具有政治联系的企业容易受到政府干预，可能会为了政治目标而损害企业的利益，如更重的雇员负担、过度投资等(郭剑花和杜兴强，2011)。
在政治联系对于银行信贷配置的影响方面，Cull and Xu(2003,2005)发现无论对于国有企业还是民营企业，政治联系都会导致政府干预信贷资源配置，从而影响企业获得贷款的可能性，但企业的业绩指标仍然显著的影响企业贷款可得性。对于越南国有商业银行的研究发现，基于政治联系的银行信贷资源配置虽然是低效的，但基于越南不甚完善的法制环境以及产权保护制度，银行更愿意向具有政治联系的企业放贷以获得还款保障(Malesky and Taussig，2009)。罗党论和唐清泉(2009)对中国上市企业的研究亦发现，地方政府控股的企业的关系贷款较多。同时，国内外学者对于后金融危机时代亚洲企业的研究都发现，有政治联系的企业市值明显增加，且在资本管制的情况下有政治联系的企业更容易获得贷款(Bai et al.，2006；Charumilind et al.，2006)。此外，政府补贴作为政府直接控制的金融资源，其配置受政治联系影响更大。研究表明，有政治联系的企业政府补贴对于业绩的促进作用显著低于无政治联系的企业(余明桂等，2010；郭剑花和杜兴强，2011)。综上，政治联系主要通过政府的直接干预与隐性担保这两个渠道影响银行信贷配置决策；另外，由于具有政治联系的企业因承担了更多的社会性负担，较之没有政治联系的同类企业也会具有更强的借贷意愿。
在政治联系的类别与界定方面，对于新兴经济体与转型经济体的制度研究发现，由于政府对银行信贷资源配置具有较强话语权，可能因为政治或其他非经济原因影响银行的放贷决策(Allen et al.，2005)，因此国有、集体所有等非私有制企业在这一方面具有“天然”的优势，可视为一种类型的政治联系。在我国，国有企业(不论中央政府持股或地方政府持股)本身就会得到政府更多的关注与相关资源倾斜。实证研究表明，即便国有企业高管没有政治背景，其融资约束程度也比民营企业低(Chan et al.，2012)。此外，企业大股东与高管的政治背景也是现有文献中度量政治联系的另一个主要代理变量(余明桂和潘红波，2008；于文超和何勤英，2013)，因为他们都有激励通过自己的政治背景为企业获取更多资源或政策方面的优待，从而得到更多私人收益，如Faccio(2006)在对47个国家上市公司的研究中将大股东或高管担任国会议员、部长或州长或与上述政府官员关系密切(直系亲属)定义为政治联系，很多对其他国家的研究也采用了这类识别方法(Johnson and Mitton，2003；Khwaja and Mian，2005)；Malesky和Taussig(2009)在对越南企业的研究中依据大股东或高管的政治背景强度赋予了1～3的数值。
1.3 研究假设
不论是从理论的角度与实证的角度，现有文献都认为基于银企关系的关系型贷款技术缓解了银行信贷配置决策时的逆向选择与道德风险问题(Diamond，1991；Petersen and Rajan，1994；Berger and Udell，2002)，并且通过银企业务往来所建立的正式银企关系(如企业与银行建立银企关系的时间、企业关系银行数目、贷款申请次数等)亦是银行贷前审查时考虑的因素之一。因此，本文认为紧密的银企关系能够促进银行信息生产以及中介功能的发挥，提升银行信贷筛选效率，筛选出高质量发展的企业。
另一方面，依据现有文献与本文理论框架，政治联系的作用主要在于使企业获得一系列的优待，比如在信贷、税收、法律保护等方面(Faccio et al.，2006)，特别是在制度相对不完善的新型与转型经济体中(Fisman，2001；Johnson and Mitton，2003；Khwaja and Mian，2005)。对于信贷优待，政治联系一般通过政府干预、隐性担保等非正式渠道影响银行信贷决策，以帮助企业获得更多贷款或条件更优惠的贷款，其效应主要由政治联系的类型与强度决定，并不一定取决于企业自身。因此，政治联系对银行信贷筛选效率不应具备正效应。
据此，提出本文研究假设1和假设2。
假设1：银企关系紧密程度在其他条件相同的情况下与信贷筛选效率正相关。
假设2：企业是否具有政治联系在其他条件相同的情况下与信贷筛选效率不具备正相关关系。
对银行而言，作为贷款人，贷款期内企业还本付息的偿债能力应该是首要考虑因素，因而企业偿债能力就是反映银行信贷筛选效率的一个理想的指标。同时，偿债能力也是体现企业质量，反映企业运营管理水平、经营状况的一个重要的因子，非常适合作为本文研究的被解释变量。基于上文的分析，紧密的银企关系不仅能够让银行通过获取企业财务数据等“硬信息”了解企业经营状况，更能通过生产“软信息”深层次发掘企业质量与未来发展，因此银企关系与企业未来偿债能力应具有正相关关系。对于政治联系，银行对于其偿债能力的判断更多是考虑到政治联系存续而产生的隐性担保效应，因为政治联系的建立与银行并无直接关联，并不能改善银行与具有政治联系企业之间的信息不对称状况。因此，通过企业未来偿债能力来考察，政治联系与其应不具有正相关关系。
据此提出本文细化研究假设1a和假设1b。
假设1a：银企关系紧密程度在其他条件相同的情况下与企业偿债能力具有正相关关系。
假设1b：企业是否具有政治联系在其他条件相同的情况下与企业偿债能力不具备正相关关系。
全要素生产率作为企业生产函数中投入生产要素与最终产出的一个系数是衡量企业效率与发展质量的另一个可靠指标，而且由于该指标不可直接观测，应属于企业的“软信息”范畴。因此，基于本文理论框架，银企关系由于加强了银行对企业信息的生产能力，应与全要素生产率具有正相关关系；而政治联系使企业受到的优待放宽了企业的融资约束(Chan et al.，2012)，可能降低了企业的资金利用效率，同时政治联系企业的社会性负担(Dong and Putterman，2003)也导致企业其他要素的生产率可能更低，因此拉低了政治联系企业的全要素生产率。
据此提出本文细化研究假设2a和假设2b。
假设2a：银企关系紧密程度在其他条件相同的情况下与企业全要素生产率具有正相关关系。
假设2b：企业是否具有政治联系在其他条件相同的情况下与企业全要素生产率不具备正相关关系。
2 研究设计
2.1 样本与数据来源
本文的样本包括2003—2015年间至少一次发布了包含申请贷款相关内容公告的所有在沪深交易所上市且发行了A股的企业，及样本中企业的贷款银行。本文所采用的数据主要包括贷款公告、企业股权结构、实际控制人信息与企业财务报表，上述数据均来自于国泰安信息技术有限公司的CSMAR数据库。此外，因本文需要对全要素生产率进行估计，样本中还包括了各类定基价格指数以对通货膨胀进行平减，这部分数据来源为国家统计局。最终，样本共包括2033家企业、408家银行，共24637个企业—银行—年层面观测值。
企业层面的数据中，通过对企业股权结构、实际控制人简历进行手工整理，本文样本中统计了企业所有制与实际控制人政治身份的信息，以识别政治联系。银行层面数据中，本文主要手工整理了企业贷款公告中的银行信息，统一了不同时期、不同语言以及不同分支机构的银行名称，同时还在企业股权结构中手工整理出银行采用自有资金入股并成为前十大股东的观测，以控制非正式渠道的银企关系。此外，还利用CSMAR数据库中的银行数据匹配了相应银行性质。
2.2 模型与变量选取
为验证本文研究假设，建立如下固定效应模型以估计银企关系、政治联系对企业质量的影响：
(1)
其中，Yi t为被解释变量，依据本文研究假设，基准回归中主要采用偿债能力与企业全要素生产率作为企业质量的代理变量。偿债能力方面，流动比率(LiquidR)、速动比率(QuickR)与利息保障倍数(InterestCovR)常被用于反映企业短期以及长期偿债能力。全要素生产率方面，为确保估计的准确性与稳健性，本文采用现有文献中较为常用的四种估计方法，得到四个全要素生产率变量(TFP_OLS、TFP_OP、TFP_LP、TFP_ACF，计算方法详见下文)。
式(1)右边，Relationshipi b t为银企关系特征变量，根据研究假设与现有文献，本文主要采用银企关系长度、规模以及深度来衡量银企关系紧密程度。其中，银企关系长度(Length)定义为企业首次向该银行贷款日至该笔贷款公告日的时间。为尽量准确地识别银企关系的起点，本文对于贷款公告的搜集时间范围是1996—2015年(不同于本文样本时间范围)，即对大部分上市企业能覆盖到其上市后的第一个贷款公告，这在很大程度上避免了银企关系持续时间的测量误差产生的内生性问题。关于银企关系规模，很多使用该变量的研究其样本均来自于问卷调查形成的横截面数据，关系银行数目由被调查企业相关人员自行报告，体现的是该企业在接受调查时的全部关系银行数目(Petersen and Rajan，1994；曹敏等，2003；陈键，2008；何韧等，2012)。本文将银企关系规模(Scopeyr)定义为企业在该笔贷款申请年内的关系银行数目，并采用财务报表年末数据作为被解释变量，避免了前视偏差(look-ahead bias)可能造成的反向因果问题。银企关系深度方面，既有横向考察企业与银行开展不同种类业务的研究(Kano et al.，2011)，亦有纵向识别企业对银行贷款申请次数效应的文献(张晓玫和钟祯，2012；Behr et al.，2013)。鉴于本文主要研究银企之间贷款关系，定义银企关系深度(Depth)为企业于该次贷款申请前向该银行申请贷款的次数，该变量定义方式同样避免了可能的反相因果造成的内生性问题。
PolConi t为政治联系变量。基于研究假设和现有文献，本文主要采用实际控制人政治身份(PolId)与企业所有制形式(Private)来识别企业的政治联系，二者均根据企业实际控制人简历手动整理。其中，对于企业实际控制人为法人的情况，本文按照法人性质进行企业所有制形式分类，具体分为国有企业、集体企业、事业单位、中央政府机构、地方政府机构、港澳台及外资与民营企业共七类。对于企业实际控制人为自然人的情况，本文采用文本分析的方法按照实际控制人简历中提及的政治身份，对中共党员、各级人大代表/常委(地级行政区及以上)、各级政协委员/常委(地级行政区及以上)分别进行了标记。
需要指出的是，本文在识别政治联系时，对于实际控制人政治身份产生的企业政治联系，认为人大与政协层级间的差异大于同级人大职务间的差异，如全国人大代表与省级人大常委的差异大于省级人大常委与省级人大代表的差异。另外，对于企业政治联系的起始点的识别，本文假设政治联系一旦建立，则在样本期间一直存续，如2003—2008年间某企业实际控制人任全国人大代表，则认为2009年以后该企业仍然具有全国人大代表这一类型的政治联系。因此对于同一企业，在控制人未变化的情况下仅取年份最早的观测来识别政治联系，以消除反向因果(由于企业经营得好才获得政治联系)造成的内生性影响，亦避免了同一企业在后续年报中未公布控制人早期政治身份导致的测量误差。
FirmCharacteri t为企业特征变量，包括雇员人数与企业年龄等可能对企业贷款申请产生影响的变量。
Controli b t为控制变量，包括企业银行股东特征变量、企业财务指标变量与年度固定效应等。银行股东变量(BankSH)定义为企业前十大股东中是否存在银行自有资金入股的情况，排除了国内银行自营及托管的资管产品、信托产品，境外银行标明使用客户资金、作为股票代理人以及银行托管证券公司、基金公司产品等情况，因为银行采用自有资金入股时更有激励通过非正式渠道帮助公司获得贷款。该变量能够控制企业的非正式银企关系渠道，从而使模型更准确地识别银企贷款关系效应。银行性质变量(Bank_type)为银行组织形式分类变量，采用CSMAR银行研究数据库分类标准，包括国有大型商业银行、股份制商业银行、城市商业银行、农村商业银行与外资银行等分类。企业财务指标中，包括了公司金融领域文献经常使用的企业规模(lnAsset)、销售收入(lnRevenue)变量，以及可能与企业贷款相关的固定资产比率(Tangibility)、盈利能力(Profitability)等(Rajan and Zingales，1995；Frank and Goyal，2003)。此外，还包括时间(年)固定效应。
αi b为模型固定效应，其下标为ib是由于样本为企业—银行—年层面的面板数据，因此该固定效应不仅控制了企业的不可观测的不随时间改变的特征，同时控制了企业与不同银行之间的不随时间改变的其余关系特征，较单纯的企业—年面板数据信息更多元，更好地防范了遗漏变量产生的内生性问题。εi b t为模型残差项。
本文各变量及其定义见表1。
表1 本文主要变量及其定义
续表
2.3 全要素生产率的估计
本节主要阐述本文所用的经估计而得的被解释变量，全要素生产率(total factor productivity，TFP)的估计方法。从理论与概念上，经济学中所谓“生产率”是指将给定投入转化为产出的效率。而全要素生产率则是与要素投入强度无关的生产率，它反映了投入转化为产出的总体效率，或者各种要素的单位平均产出(鲁晓东和连玉军，2012)。基于现有文献，国内外关于生产率的实证研究中，主要采用了传统最小二乘法估计(OLS法)、Olley and Pakes(1996)提出的基于半参数估计方法的OP法、Levinsohn and Petrin(2003)提出的LP法以及由Ackerberg et al.(2015)提出的放松了相关假设的ACF法这四种方法。
估计全要素生产率首先需要确定生产函数，以准确衡量各种投入要素间与总体产出间的关系。在现有文献中，最常用的生产函数形式为Cobb-Douglas生产函数(C-D生产函数)，其形式如式(2)所示：
(2)
其中，Yi t表示总体产出，Li t表示劳动的投入，Ki t表示资本的投入，那么Ai t则代表全要素生产率(TFP)。
(1) OLS法估计全要素生产率
对式(2)两边取对数则可将C-D生产函数转化成线性形式，如式(3)所示：
yi t=βlli t+βkki t+ui t
(3)
其中，yi t、li t、ki t分别是Yi t、Li t与Ki t的对数形式，残差项ui t则为企业全要素生产率的对数形式。因此，对式(3)进行线性回归则可得到OLS法全要素生产率的估计结果。包括Giannetti et al.(2015)在内的一些文献使用了这一方法。
(2) OP法与LP法估计全要素生产率
上述OLS法估计出的全要素生产率可能存在产生偏差，主要为企业要素投入决策的同时性偏差(simultaneity bias of inputs)。为方便理解，可将式(3)拆分为如下形式：
yi t=βlli t+βkki t+ωi t+εi t
(4)
其中，yi t、li t、ki t与式(3)中相同，ωi t与εi t为两个残差项。ωi t代表了企业要素投入决策前可观测到或可预测的冲击，比如企业管理能力，制造业企业的次品率、设备损坏时间，农业企业的土壤质量、预期降水量等，是企业生产率的体现；而εi t则代表了企业进行要素投入决策之前无法观测到的生产率冲击或测量误差，是“真正”的残差项，如实际设备损坏时间、实际降水量与预期直接的偏差等。因此，由于上述lit、ki t要素投入皆为企业内生决定，所以如果ωi t在企业决策前被提前观测到，其与企业要素投入就存在相关关系，导致OLS的估计值出现偏差。
为解决上述问题，Olley and Pakes(1996)构建了一个利用投资额Ii t作为中间变量来表示ωi t的离散时间模型，首先假设企业在t期之前无法观测到ωi t，但企业知道其条件分布。其次，假设企业在t期的投资是上一期资本与投资额的函数，同时假设劳动要素投入li t是在t期非动态决定的。最后，针对投资额，构造其为资本ki t与可观测冲击ωi t的函数以准确估计残差εi t，如式(5)所示。同时，假设该函数是ωi t的单调递增函数，即企业对未来影响产出的可观测冲击预期越高，其当期的投资额越高。
ii t=ft(ki t,ωi t)
(5)
那么式(4)的对数生产函数表达则可写成以下形式：
(6)
为避免对
E[εi t|Ii t]=E[yi t-βlli t+Φt(ki t,ii t)|Ii t]=0
(7)
在OP法第二阶段，利用式(5)的假设，企业可以根据t-1期的投资额，或者冲击ωi t-1来预测下一期的ωi t，其条件期望如式(8)所示。
ωi t=E[ωi t|Ii t-1]+ξi t=E[ωi t|ωi t-1]+ξi t=g(ωi t-1)+ξi t
(8)
其中，ξi t包含生产率冲击的部分信息，并且满足E[ξi t|Ii t-1]=0，这是第二个矩条件。将式(8)代入式(4)，可得如下形式的生产函数：
yi t=βlli t+βkki t+g(Φt-1(ki t-1,ii t-1)-βkki t-1)+ξi t+εi t
(9)
利用上述两个矩条件与第一阶段对劳动要素与函数Φt的估计值，进行两阶段GMM估计，则可得到全要素生产率对数形式ωi t的OP法估计值。
Levinsohn and Petrin(2003)的方法在基本思路上与OP法相同，不同点在于他们使用企业的中间投入来估计下式中的ωi t：
yi t=βlli t+βkki t+βmmi t+ωi t+εi t
(10)
其中，li t、ki t与上面定义相同，mi t为中间投入，比如原材料与能源投入。经过与上文相似的步骤，即可通过两阶段GMM估计出全要素生产率。
LP法解决的OP法中存在的问题主要在于：其一，理论上，验证式(5)中投资额是ωi t的单调递增函数较为困难，因为企业的投资总是波动较大，并不一定在每一期都为正，而在OP法对样本的估计中须将投资额为0的观测剔除，使得很多观测都损失掉了，而LP法对应的假设，即中间投入是ωi t的单调递增函数相对比较好验证；其二，OP法假设了投资额的变动仅与企业资本存量以及生产率冲击有关，排除了其他不可观测的企业特征的影响，比如企业间不同的投资成本与决策调整成本，而LP法并没有排除这些影响，因为中间投入是非动态的投入，并且仅与当期产出相关。
(3) ACF法估计全要素生产率
LP法与OP法共同存在的问题在于都没有允许劳动力价格与中间投入价格序列相关于公司异质的变动，即假设劳动要素投入决策与中间投入决策(对OP法来说是投资额决策)是同时进行的。那么对于OP法，当序列相关性存在时，比如工资可能会与企业上一期资本存量相关，那么企业的投资在实际上就与当期劳动要素投入相关，这就违反了OP法式(5)的假设，在第一阶段无法准确识别劳动要素弹性βl，对LP法来说也是类似的情况。
Ackerberg et al.(2015)放松了上述可能导致问题的假设。对于劳动投入决策，假设li t是可以在t-1期与t期之间动态决定的，同时设定中间投入的函数形式与劳动投入相关，如式(11)所示：
(11)
随后，采用与OP与LP法相似的步骤，利用两个矩条件以及两阶段GMM即可估计出劳动投入弹性βl、资本投入弹性βk以及全要素生产率ωit。需要指出的是，由于ACF法中劳动投入与中间投入相关，因此在第一阶段中并未估计出劳动投入弹性，仅对与式(6)中相似的函数
(4) 本文采用的计算方法与变量选取
综上所述，OLS法、OP法与LP法在各自假设不满足的情况下都会出现一定的估计偏差，为保证回归分析结果稳健性，本文同时使用上述四种方法对样本内企业各年度全要素生产率进行估计。
在变量选取方面，本文借鉴现有文献，以利润表中企业“营业收入”(Revenue)作为增加值，以企业雇员人数(Employee)作为劳动要素投入，以现金流量表中“购买商品、接受劳务支付的现金”作为中间投入(Material)(Giannetti et al.，2015)，以资产负债表中“固定资产净值”作为资本要素投入(K)(任曙明和孙飞，2014)，以资本性支出(现金流量表中“购置的固定资产”-“处置的固定资产”)作为企业投资额的代理变量(I)。所有变量都以2003年为基期进行通货膨胀调整，其中总资产、营业收入采用工业生产者出厂价格指数(2011年以前为工业品出厂价格指数)平减；资本要素投入(固定资产净额)与资本性支出(购置的固定资产与处置的固定资产之差)采用固定资产投资价格指数平减；中间投入(购入商品与接受劳务支付的现金)采用工业生产者购进价格指数(2011年以前为原材料、燃料、动力购进价格指数)平减。本文各类方法TFP估计结果见表2。可以看出，随着时间的推移，样本中企业生产率水平总体是有所提高的，其中一些年度的波动可能是由于该年度观测较少。此外，各估计方法之间在水平值大小上有所差异，但在各年度均值与方差的变化趋势上基本一致。
表2 本文各类方法TFP估计结果比较
续表
2.4 描述性统计与相关系数检验
本文主要变量描述性统计如表3所示。从表中可得，样本中各企业在偿债能力变量方面差异较大，如流动比率标准差为243.234、速动比率标准差为223.056，表明样本中包含各行业企业、各发展阶段企业。
表3 本文主要变量描述性统计
银企关系变量中，样本中银企关系平均长度为1.424年，最长为17.126年，有38.8%的观测银企关系持续时间超过1年；关系规模方面，平均值为7.601，中位数为6，关系银行数目范围为1～49，有90.9%的观测在一年内向至少2家(含2家)关系银行申请贷款；银企关系深度方面，平均值为2.142，最大值为26，重复向一家银行申请贷款的观测占比为48.4%。
政治联系变量中，在企业所有制方面，民营企业占样本比例为59.1%，其次为地方政府控制企业，占比为19.5%，国有企业作为控制人的企业所占比例为11.6%，中央机构、外资、事业单位等控制的企业所占比例较少。政治身份方面，控制人至少具有一类政治身份的观测在全样本中的比例为11.8%，在民营企业子样本中这一比例为19.6%。其中，控制人为中共党员的观测占比3.6%，为人大代表的观测占比6.8%，为政协委员的观测占比4.7%。
本文亦对回归各变量间的相关系数以及方差膨胀因子进行检验，以排除多重共线性影响，限于篇幅结果未在此报告。
3 实证结果分析
3.1 银企关系、政治联系与企业偿债能力
商业银行在审批贷款时主要关注的指标之一是企业的短期与长期偿债能力，因为这类指标直接关系到企业能否偿还贷款本息，以及贷款的违约风险。因此，企业的偿债能力相关财务指标除了反映企业质量外也可作为银行信贷筛选效率一个代理变量。本节以常用的反映企业短期与长期偿债能力的企业财务指标作为被解释变量，以各维度银企关系、政治联系变量作为解释变量进行面板数据固定效应回归，以验证上述变量对于银行信贷筛选效率的效应，结果见表4。为进一步控制内生性影响，本节采用滞后一阶的银企关系变量，同时为消除异方差影响，对标准误差进行了企业—银行层面的聚类处理。
表4 银企关系、政治联系与企业偿债能力：固定效应模型回归结果
续表
注：括号内为以企业—银行层面聚类的标准误差。“*”“**”“***”分别表示系数在10%、5%、1%水平下显著。
表中列(1)(2)为以流动比率(LiquidR)为被解释变量的回归结果，列(3)(4)为对速动比率(QuickR)的回归结果，列(5)(6)为对利息保障倍数(InterestCovR)的回归结果。回归结果显示，在银企关系变量中，银企关系规模变量在各列中系数都显著为正，表明在其他变量相同的情况下，关系银行数目多的企业偿债能力更高。银企关系长度变量对反映企业长期偿债能力的利息保障倍数变量的效应与其对企业贷款可得性的效应相似，即企业在贷款申请时如有之前存续的银企关系(preLength哑变量为1)，则在其他变量相同的情况下企业利息保障倍数更高；另一方面，银企关系长度对各偿债能力变量又有较为显著的负效应，表明银企关系持续时间长的企业偿债能力较差可能是由于其贷款成本较高(应付利息多)，这也是本文之前验证的长期银企关系产生的“套牢问题”的一个体现。政治联系变量中，政治身份与民营企业哑变量对各被解释变量的回归系数均不显著，即政治联系与企业偿债能力不能体现出相关关系，那么银行对于具有政治联系的企业在包括担保要求在内的贷款条件上的优惠则应有其他原因，比如隐性担保效应。
综上，本节的回归结果验证了假设1a和假设1b。
3.2 银企关系、政治联系与企业全要素生产率
如上文中所述，全要素生产率是反映企业效率与发展质量的一个重要指标，并且不可被直接观测，甚至企业自身在期初都不能获得关于生产率的全部信息，因此可以作为衡量银行获取企业“软信息”能力的指标。表5所示为采用式(1)回归模型以企业全要素生产率作为被解释变量的回归结果。与上文相同，采用滞后一阶的银企关系变量，并且对标准误差进行企业—银行层面的聚类调整。
表5 银企关系、政治联系与企业全要素生产率：固定效应模型回归结果
续表
注：括号内为以企业—银行层面聚类的标准误差。“*”“**”“***”分别表示系数在10%、5%、1%水平下显著。
回归结果显示，银企关系长度变量与银企关系规模变量的回归系数都为正，且有一定显著性，表明银企关系的紧密程度与企业全要素生产率有一定的正相关关系。同时，银企关系深度的回归系数都为负，并且在列(3)中显著性水平为5%，表明企业对一家银行的贷款申请次数与企业生产率水平可能是负相关关系。一个可能的解释是银行在企业历次贷款申请中可以了解到关于未来企业质量变化的信息，当发现企业有负面生产率冲击的可能时，便会对其进行信贷配给防范逆向选择风险。政治联系变量方面，政治身份变量对企业全要素生产率没有显著影响，但在大部分回归结果中其系数为负；而在所有制形式方面，民营企业的全要素生产率可能高于其他条件相同的公有制企业。
综上，本节的回归结果验证了假设2a和假设2b。
4 进一步检验
4.1 银行性质与企业偿债能力
3.1节中研究了银企关系对企业偿债能力的影响，即总体上银企关系与企业短期与长期偿债能力正相关。本节将进一步检验不同性质银行对信贷筛选效率的影响。表6所示为在式(1)固定效应回归模型中加入银行性质分类变量与银企关系变量交乘项的回归结果，回归模型的被解释变量分别为流动比率、速动比率与利息保障倍数。因为本文样本为企业—银行—年层面的面板数据，因此三个银企关系变量代表的即是企业与特定银行之间不同维度的银企关系紧密程度，所以它们与银行性质的交乘项也能够体现不同性质银行与银企关系的交互效应，也即反映了不同性质银行在信贷筛选过程中对关系型贷款技术的使用情况。表中交乘项效应以国有控股大型商业银行为基准，为控制异方差，标准误差经过企业—银行层面的聚类调整。
表6 银企关系、银行性质与偿债能力：固定效应回归结果
续表
注：括号内为以企业—银行层面聚类的标准误差。“*”“**”“***”分别表示系数在10%、5%、1%水平下显著。部分控制变量未报告。
回归结果显示，银企关系的三个维度与政治联系的两个维度的回归系数与显著性程度与上文基本保持一致。在本节主要关注的交乘项方面，国有大型商业银行在信贷筛选中对银企关系的使用效率在各类银行中总体上处于较好的水平。以银行性质与银企关系规模的交乘项为例，在对三个被解释变量的回归中绝大多数回归系数都为负，并且城市商业银行、农村商业银行与外资银行与银企关系规模交乘项的显著性较高。以上结果表明国有大型商业银行在利用多重银企关系进行信贷筛选方面具有较为显著的优势，一个可能的原因是国有大型商业银行在银行业内具有较强话语权，能够与企业的其他关系银行进行有效的信息交流，同时也更加注重审查企业在其他银行的贷款情况，从而获取企业更多的“软信息”，有助于提升信贷筛选效率。在银企关系深度方面，各交乘项系数也体现出了相似的特点，但都并不显著，因此在对同一家企业多次贷款申请的筛选上，各类银行并未表现出统计上显著的差异。而在银企关系长度上，城市商业银行的交乘项对三个被解释变量回归系数都为正，且较为显著。主要原因可能是城市商业银行主要在省内经营，针对长期的银企关系能从更多渠道获取并验证企业信息，同时因其在市场上谈判能力与国有大型商业银行与全国性的股份制商业银行相比较弱，对于企业而言“套牢问题”的程度更轻一些。
为进一步验证政治联系对企业偿债能力的影响，与表6中相似，将各银行性质变量分别与政治身份、民营企业哑变量的交乘项加入式(1)回归模型中，体现了政治联系对不同性质银行信贷筛选的效应。为控制异方差，标准误差经过企业—银行层面的聚类调整。结果如表7所示。
表7 政治联系、银行性质与偿债能力：固定效应模型回归结果
注：括号内为以企业—银行层面聚类的标准误差。“*”“**”“***”分别表示系数在10%、5%、1%水平下显著。部分控制变量未报告。
回归结果显示，银行性质与政治身份、民营企业哑变量的各交乘项均不显著，即与基准变量无政治联系且贷款银行为国有大型商业银行无显著区别。同时，政治联系变量与银企关系变量的系数也与3.1中保持一致。因此，对各种性质的银行，政治效应都不影响其信贷筛选的效率，也验证了上文提到的政治联系企业受到的贷款条件优惠可能来自于隐性担保。
综上，在考虑了银行性质的情况下，银企关系变量对于企业偿债能力仍有比较一致的正效应，而政治联系对其并无影响，本节的回归结果验证了本文基准回归的稳健性。
4.2 银企关系、政治身份类别与全要素生产率
3.2节中已验证非私有制企业与全要素生产率具有负相关关系，本节将进一步检验在民营企业中实际控制人政治身份对全要素生产率是否有影响。为检验不同政治身份类别的效应，采用式(1)固定效应模型对民营企业子样本进行回归分析，被解释变量为各种方法计算而得的企业全要素生产率，将政治身份分为党员(Party)、人大代表(PCongress)与政协委员(CPPCC)三个哑变量，其余各变量与上文相同。为控制异方差，将标准误差进行企业—银行层面聚类。结果如表8所示。回归结果显示，对于三类政治身份变量，它们在统计上并未表现出与对全要素生产率的显著效应。特别是表中列(4)所示的本文使用的四种全要素生产率估计方法中最新的，针对OP法、LP法等半参数估计方法又进行了进一步修正的ACF法，政治身份变量的回归系数在该模型中都不显著，表明民营企业实际控制人各类政治身份与企业全要素生产率没有明确的相关关系。
表8 银企关系、政治身份类别与全要素生产率：固定效应模型回归结果
续表
注：括号内为以企业—银行层面聚类的标准误差。“*”“**”“***”分别表示系数在10%、5%、1%水平下显著。
在银企关系变量方面，可以看到回归系数与上文基准回归中系数基本一致，总体来看银企关系长度、银企关系规模变量的回归系数都为正，同时具备一定的显著性。表明虽然全要素生产率作为一种不可观测的指标不是银行在贷款筛选时关注的企业特征，但银企关系较为紧密的企业其全要素生产率在一定程度上是较高的。在银企关系深度方面，其在所有回归结果中系数都为负，同时具有一定显著性，表明贷款申请次数多的企业其质量从全要素生产率的角度衡量可能较差。因为多次进行贷款申请的企业可能是由于之前的贷款申请未被批准，在关于偿债能力的回归中银企关系深度回归系数显著性较差也侧面证明了这一点：由于企业偿债能力、盈利能力、经营管理水平等方面在各次贷款申请期间没有改善，银行在信贷筛选时通过可观察到的偿债能力等财务指标发现了企业上述特征，因此没有批准企业的贷款申请，而企业在其经营状况没有改进之前继续申请贷款亦是徒劳。
综上，在对民营企业子样本的回归中，政治身份类别与各银企关系变量的回归结果保持了与基准回归结果的一致性，验证了其稳健性。
4.3 内生性讨论—系统GMM模型回归结果
尽管本文从银企关系、政治联系变量的定义方面以及模型变量选取方面已经考虑了反向因果、测量误差等可能造成的内生性影响，同时固定效应模型也能够很大程度上控制遗漏变量带来的内生性问题，但鉴于现有文献对于银企关系、政治联系与企业偿债能力、生产率方面的研究较少，同时本文采用了动态面板模型，因此基准回归结果的稳健性与模型的内生性问题还需要进一步的讨论。因此，为更全面地控制内生性问题以及检验回归结果稳健性，本节将对基准回归模型采用一步系统广义矩估计(one-step system GMM)模型进行估计。
表9为以各全要素生产率变量为被解释变量的估计结果，各列回归模型中自变量选取与表5中各列对应相同。在系统GMM模型具体设定选项方面，参照Blundell and Bond(1998)，本节采用了一致性更好的一步系统GMM估计；由于样本为非平衡面板数据，为保证样本量，数据变换方式采用了向前垂直离差(forward orthogonal deviations)，即对某一期变量减去其之后所有时期的改变量平均值来消除个体固定效应；为控制固定效应模型中可能存在的内生性问题，将回归模型中的银企关系、政治联系、企业特征与企业财务指标等变量的滞后项都作为内生工具变量，将年度固定效应水平值作为外生工具变量处理；为保证回归模型满足GMM方法假设，适用系统GMM进行估计，调整内生工具变量滞后阶数使各模型通过Arellano-Bond序列自相关检验与Hansen工具变量过度识别检验，并且在能够通过检验的情况下尽量减少滞后阶数以保证估计效率，最后对列(1)～(3)回归模型中自变量采用2—4阶滞后变量作为内生工具变量，列(4)回归模型中自变量采用2—6阶滞后变量作为内生工具变量；此外，为控制异方差，采用Robust稳健标准误差。
表9 银企关系、政治联系与全要素生产率：系统GMM模型估计结果
续表
注：回归系数下括号内为Robust稳健标准误差， Hansen检验J值括号内为检验自由度。“*”“**”“***”分别表示回归系数或Arellano-Bond序列自相关检验各阶z值在10%、5%、1%水平下显著。模型为一步系统GMM方法，采用向前垂直离差(forward orthogonal deviations)数据变换方式。列(1)～(3)采用自变量2—4阶滞后变量，列(4)采用自变量2—6阶滞后变量作为内生(或前定)工具变量，采用年度虚拟变量为外生工具变量。
从表9中下方可见，最终四个模型在10%水平下都不能拒绝Hansen检验原假设，即工具变量没有过度识别问题，是有效的；并且Hansen检验p值都小于0.25，也说明工具变量的数量合适，没有因为工具变量过多而减弱Hansen检验的效果。同时，Arellano-Bond序列自相关检验结果也表明在10%的水平下不能拒绝误差项没有两阶或更高阶的自相关的原假设，满足GMM方法“误差项不相关”的基础假设条件(Roodman，2009)。回归结果显示，对于四个回归模型，银企关系长度与银企关系规模变量的系数都为正，并且具有一定显著性，同时银企关系深度的系数为负，也有一定的显著性。可见，银企关系变量回归系数的符号与显著性都与固定效应模型的基准回归中高度一致，再次验证了银企关系及关系型贷款技术对信贷筛选效率的提升作用是通过在银行信贷筛选过程中对企业“软信息”生产的正向效应体现的。对于政治联系变量，政治身份变量在大多数回归中系数为负，但并不显著，与基准回归中结果同样一致。企业所有制变量与基准回归中相比系数显著性下降，表明在本节模型中民营企业在全要素生产率上与公有制法人控制企业没有显著差别。在控制变量方面，如盈利能力、固定资产比率以及资产负债率等变量的回归系数与显著性程度同基准回归中保持了较高一致性。
综上，本节的系统GMM模型回归结果既检验了本文研究结果的稳健性，也控制了内生性问题，进一步验证了本文研究假设。
5 总结
现有文献中关于银行信贷筛选、配置效率以及企业贷款融资效率的研究多集中于检验信贷配置决策对企业业绩、市场价值、盈利能力与融资约束等方面的影响(Cull and Xu，2003；Dong and Putterman，2003；Abiad et al.，2008)，也有研究从银行运营成本、盈利能力等角度分析银行信贷配置效率(Berger et al.，2009)；而对于在信贷筛选与配置过程中，对银行所关注的关于企业违约风险的指标以及从金融中介理论视角对于银行关于企业“软信息”生产功能的研究较少。本文分别从偿债能力与全要素生产率的角度分析了银企关系、政治联系对银行信贷筛选效率的效应。通过对2003年至2015年A股非金融上市企业样本进行的一系列实证研究发现，上述两种机制与企业自身偿债能力及生产率水平有着不同的相关关系，体现出它们对于银行信贷筛选效率的不同作用渠道。本文固定效应模型的回归分析结果显示，银企关系越紧密，企业的偿债能力越强，特别是在银企关系长度与银企关系规模两个维度上，表明银行在信贷筛选时可以通过对企业过往银企关系紧密程度的考察来获得关于企业未来偿债能力的相关信息，从而提高筛选效率；而具有政治联系的企业其偿债能力与不具备联系的企业并没有显著区别，说明从信息的角度，政治联系对信贷筛选效率没有促进作用，那么它对于企业贷款可得性以及银行信贷决策的影响应是通过政府干预、隐性担保等非直接渠道达成的。上述研究结果与连军等(2011)对于企业管理费用率与资产周转率作为银行信贷配置效率代理变量的研究结论相悖，并且他们仅通过企业贷款率作为银行贷后监督、债务治理与政治联系的代理变量，解释力不足，而本文的研究直接以企业偿债能力作为被解释变量，直接与银行信贷筛选效率相关，同时解释变量方面也更加多元。此外，在企业生产率水平方面，本文研究结果显示，银企关系长度、银企关系规模与企业全要素生产率之间的正相关关系具有一定的显著性，表明长期的、多重的银企关系有可能帮助银行发掘更多企业的“软信息”。民营企业实际控制人的政治身份对企业全要素生产率没有显著的影响，而企业所有制与生产率水平相关：民营企业的全要素生产率高于公有制企业，表明在非资本与劳动要素投入的生产率方面，民营企业可能具有更高的效率。
在进一步检验的结果中，本文发现不同性质的银行在信贷筛选中对银企关系的使用水平也可能存在差异。比如，银企关系规模对提升信贷筛选效率、发现高质量企业的作用在国有大型商业银行更显著，表明国有大型商业银行更容易通过多重银企关系获得相关信息，可能的原因包括其在业内话语权较强，或其信贷审批流程更加注重与企业其他关系银行沟通。同时，银企关系长度的效应则在城市商业银行中最为显著，这可能体现了城市商业银行在本地经营的特殊优势，但总体来看，长期银企关系的“套牢问题”仍然存在。政治联系在不同性质银行的信贷筛选中作用都不显著，表明了这种机制的非正式性。考虑到基准回归模型可能存在的内生性，本文也采用了系统GMM方法对模型进行估计，其结果与固定效应模型估计结果保持了较高的一致性，证明了本文研究结果的稳健性，同时控制了可能的内生性。
银企关系作为通过银行与企业间业务往来形成的一种正式机制，是银行在信贷审批流程中考察的一个指标，并且有助于银行对企业信息的生产，其对银行信贷资源配置、企业信贷可得性的影响是建立在提升信贷筛选效率、发现高质量发展企业、促进要素市场化配置这一基础上的。政治联系并不直接作用于企业经营与银行信贷决策，因此在市场经济中被视为非正式机制，特别是在信贷筛选过程中，它既不像银企关系等机制可以缓解信息不对称，也不像公司治理等机制可以提高企业经营水平，更多地是通过隐性渠道来影响银行信贷决策，而不是通过提升企业发展质量或信贷筛选效率。本文的研究在理论框架内验证了上文关于银企关系、政治联系两种机制在影响银行信贷决策、信贷筛选效率上的不同渠道，丰富了关于信贷筛选、企业质量的相关研究，对于商业银行信贷审批流程的改进具有一定指导意义。
曹敏, 何佳, 潘启良. 2003. 金融中介及关系银行——基于广东外资企业银行融资数据的研究[J]. 经济研究, (3): 44-53.
陈键. 2008. 银企关系与信贷可获得性, 贷款成本——基于2003年NSSBF调查的实证分析[J]. 财贸经济, (1): 86-93.
郭剑花, 杜兴强. 2011. 政治联系、预算软约束与政府补助的配置效率——基于中国民营上市公司的经验研究[J]. 金融研究, (2): 114-128.
何韧, 刘兵勇, 王婧婧. 2012. 银企关系、制度环境与中小微企业信贷可得性[J]. 金融研究, (11): 103-115.
连军, 刘星, 杨晋渝. 2011. 政治联系、银行贷款与公司价值[J]. 南开管理评论, 14(5): 48-57.
刘海建, 吕秀芹, 董育森, 等. 2017. 是否皆为利己——制度转型深入期企业家政治联系的双重角色[J]. 南开管理评论, 20(4): 114-128.
鲁晓东, 连玉君. 2012. 中国工业企业全要素生产率估计: 1999—2007[J]. 经济学季刊, 11(2): 541-558.
罗党论, 唐清泉. 2007. 政府控制、银企关系与企业担保行为研究——来自中国上市公司的经验证据[J]. 金融研究, (3): 151-161.
任曙明, 孙飞. 2014. 需求规模、异质性研发与生产率——基于ACF法的实证研究[J]. 财经研究, 40(8): 42-56.
尹志超, 马双. 2016. 信贷需求、信贷约束和新创小微企业[J]. 经济学报, (3): 124-146.
余明桂, 潘红波. 2008. 政治关系、制度环境与民营企业银行贷款[J]. 管理世界, (8): 9-21, 39.
余明桂, 回雅甫, 潘红波. 2010. 政治联系、寻租与地方政府财政补贴有效性[J]. 经济研究, (3): 65-77.
于文超, 何勤英. 2013. 投资者保护、政治联系与资本配置效率[J]. 金融研究, (5): 152-166.
袁淳, 荆新, 廖冠民. 2010. 国有公司的信贷优惠: 信贷干预还是隐性担保？——基于信用贷款的实证检验[J]. 会计研究, (8): 49-54.
翟胜宝, 易旱琴, 郑洁, 等. 2014. 银企关系与企业投资效率——基于我国民营上市公司的经验证据[J]. 会计研究, (4): 74-80.
张晓玫, 钟祯. 2012. 中国上市中小企业信息特征、银企关系与贷款担保决策——基于金融危机下上市中小企业银行贷款数据的经验研究[J]. 投资研究, (12): 71-86.
Abiad A, Oomes N, Ueda K. 2008. The quality effect: Does financial liberalization improve the allocation of capital?[J]. Journal of Development Economics, 87(2): 270-282.
Ackerberg D A, Caves K, Frazer G. 2015. Identification properties of recent production function estimators[J]. Econometrica, 83(6): 2411-2451.
Allen F, Qian J, Qian M J. 2005. Law, finance, and economic growth in China[J]. Journal of Financial Economics, 77(1): 57-116.
Angelini P, Di Salvo R, Ferri G. 1998. Availability and cost of credit for small businesses: Customer relationships and credit cooperatives[J]. Journal of Banking & Finance, 22(6/8): 925-954.
Bai C E, Lu J Y, Tao Z G. 2006. Property rights protection and access to bank loans[J]. Economics of Transition, 14(4): 611-628.
Behr P, Norden L, Noth F. 2013. Financial constraints of private firms and bank lending behavior[J]. Journal of Banking & Finance, 37(9): 3472-3485.
Berger A N, Hasan I, Zhou M M. 2009. Bank ownership and efficiency in China: What will happen in the world’s largest nation?[J]. Journal of Banking & Finance, 33(1): 113-130.
Berger A N, Udell G F. 1995. Relationship lending and lines of credit in small firm finance[J]. Journal of Business, 68(3): 351-381.
Berger A N, Udell G F. 1998. The economics of small business finance: The roles of private equity and debt markets in the financial growth cycle[J]. Journal of Banking & Finance, 22(6/8): 613-673.
Berger A N, Udell G F. 2002. Small business credit availability and relationship lending: The importance of bank organisational structure[J]. The Economic Journal, 112(477): 32-53.
Blundell R, Bond S. 1998. Initial conditions and moment restrictions in dynamic panel data models[J]. Journal of Econometrics, 87(1): 115-143.
Boot A W A. 2000. Relationship banking: What do we know?[J]. Journal of Financial Intermediation, 9(1): 7-25.
Brandt L, Li H B. 2003. Bank discrimination in transition economies: Ideology, information, or incentives?[J]. Journal of Comparative Economics, 31(3): 387-413.
Chan K S, Dang V Q T, Yan I K M. 2012. Chinese firms’ political connection, ownership, and financing constraints[J]. Economics Letters, 115(2): 164-167.
Charumilind C, Kali R, Wiwattanakantang Y. 2006. Connected lending: Thailand before the financial crisis[J]. Journal of Business, 79(1): 181-218.
Cole R A. 1998. The importance of relationships to the availability of credit[J]. Journal of Banking & Finance, 22(6/8): 959-977.
Cole R A, Goldberg L G, White L J. 2004. Cookie cutter vs. character: The micro structure of small business lending by large and small banks[J]. Journal of Financial and Quantitative Analysis, 39(2): 227-251.
Cull R, Xu L C. 2003. Who gets credit? The behavior of bureaucrats and state banks in allocating credit to Chinese state-owned enterprises[J]. Journal of Development Economics, 71(2): 533-559.
Cull R, Xu L C. 2005. Institutions, ownership, and finance: The determinants of profit reinvestment among Chinese firms[J]. Journal of Financial Economics, 77(1): 117-146.
Diamond D W. 1991. Monitoring and reputation: The choice between bank loans and directly placed debt[J]. Journal of Political Economy, 99(4): 689-721.
Dong X Y, Putterman L. 2003. Soft budget constraints, social burdens, and labor redundancy in China’s state industry[J]. Journal of Comparative Economics, 31 (1): 110-133.
Faccio M. 2006. Politically connected firms[J]. American Economic Review, 96(1): 369-386.
Faccio M, Masulis R W, Mcconnell J J. 2006. Political connections and corporate bailouts[J]. The Journal of Finance, 61(6): 2597-2635.
Fisman R. 2001. Estimating the value of political connections[J]. American Economic Review, 91(4): 1095-1102.
Frank M Z, Goyal V K. 2003. Testing the pecking order theory of capital structure[J]. Journal of Financial Economics, 67(2): 217-248.
Giannetti M, Liao G M, Yu X Y. 2015. The brain gain of corporate boards: Evidence from China[J]. The Journal of Finance, 70(4): 1629-1682.
Harhoff D, Körting T. 1998. Lending relationships in Germany-empirical evidence from survey[J]. Journal of Banking & Finance, 22(10): 1317-1353.
Jiangli W, Unal H, Yom C. 2008. Relationship lending, accounting disclosure, and credit availability: During the Asian financial crisis[J]. Journal of Money, Credit and Banking, 40(1): 25-55.
Johnson S, Mitton T. 2003. Cronyism and capital controls: Evidence from malaysia[J]. Journal of Financial Economics, 67(2): 351-382.
Kano M, Uchida H, Udell G F, et al. 2011. Information verifiability, bank organization, bank competition and bank-borrower relationships[J]. Journal of Banking & Finance, 35(4): 935-954.
Khwaja A I, Mian A. 2005. Do lenders favor politically connected firms? Rent provision in an emerging financial market[J]. TheQuarterly Journal of Economics, 120(4): 1371-1411.
Levinsohn J, Petrin A. 2003. Estimating production functions using inputs to control for unobservables[J]. The Review of Economic Studies, 70(2): 317-341.
Li H B, Meng L S, Wang Q, et al. 2008. Political connections, financing and firm performance: Evidence from Chinese private firms[J]. Journal of Development Economics, 87(2): 283-299.
Malesky E J, Taussig M. 2009. Where is credit due? Legal institutions, connections, and the efficiency of bank lending in vietnam[J]. Journal of Law, Economics, & Organization, 25(2): 535-578.
Olley G S, Pakes A. 1996. The dynamics of productivity in the telecommunications equipment industry[J]. Econometrica, 64(6): 1263-1297.
Petersen M A, Rajan R G. 1994. The benefits of lending relationships: Evidence from small business data[J]. The Journal of Finance, 49(1): 3-37.
Rajan R G, Zingales L. 1995. What do we know about capital structure? Some evidence from international data[J]. The Journal of Finance, 50(5): 1421-1460.
Roberts B E. 1990. A dead senator tells no lies: Seniority and the distribution of federal benefits[J]. American Journal of PoliticalScience, 34(1): 31-58.
Roodman D. 2009. How to do xtabond2: An introduction to difference and system GMM in stata[J]. The Stata Journal, 9(1): 86-136.
Stiglitz J E, Weiss A. 1981. Credit rationing in markets with imperfect information[J]. American Economic Review, 71(3): 393-410.
Bank-Firm Relationship, Political Connection and Credit Screening Efficiency——Empirical Evidence from Chinese Listed Enterprises
往期推送，点击蓝色文章题目阅读：
中国产业结构调整的影响因素分析——基于３７个细分行业的实证研究