中國信用環境評價
——基于2006～2010年的省際數據

姚小義，鐘心岑，楊 凱

（湖南大學 金融與統計學院，湖南 長沙 410079）＊

一、文獻綜述

信用環境是一個由許多子系統共同組成的復雜系統。影響某一地區信用環境的因素很多，而且各種因素的相對重要性及相互作用會因地區的發展水平等不同而存在較大差異性。如何科學對其評價并探討具體的改進策略，許多學者做出了有益的嘗試：鄭克志（2003）提出建立以金融信用為主的區域信用評價體系的構想，設計了貸款比率、金融債務承債率、最佳信用區域和優質信用客戶比率等定量指標，并從銀行業、證券業、保險業信用狀況、商品質量信譽狀況和納稅信用狀況等探討了定性分析指標［1］。張淳清、曹加（2008）從多角度分析了影響社會信用環境的構成因素，例如經濟、法律、文化、政府、產權和信息等［2］。張永（2010）研究了經濟發展水平、市場開放度和教育水平三個方面對社會信用環境的影響，采用主成分分析法分析了安徽省信用環境狀況［3］。易傳和、林英杰（2009）加入了失信懲戒力度這一因素考量了我國的信用環境［4］。秦振強（2006）等構建了區域信用環境的評價體系，以福建為例對區域信用環境進行綜合評價，既選取了宏觀的經濟、金融等方面的指標，也選取了考量政府與企業的信用評價指標，采用打分法與模糊綜合評價法分別處理定量和定性指標，得出福建各市的信用環境得分［5］。

但總體而言，目前與信用環境評價相關的文獻仍主要集中于對單個地區或省市的分析，在宏觀上對我國信用環境的整體研究較少，在方法上，現有的文獻主要運用的是模糊綜合評價法、層次分析法、以及因子分析法①。本文則試圖從定性分析入手，選取評價指標，建立社會信用環境的綜合評價體系，再對國內31個省、市和自治區的數據用主成分分析法分析各地區信用環境的優劣，找出影響信用環境的關鍵因子，分析其信用環境的現狀，為建設社會信用制度提供科學依據。

二、信用環境評價的理論與方法及指標體系構建

信用制度的建立是一個“自下而上”即從局部到整體或從地方到國家的形成過程。需要采用綜合評價方法對不同地區信用環境各自不同的特點進行統籌兼顧，才能在總體上形成對中國信用環境科學有效的分析。

信用環境評價體系評價方法的選取過程中，需要考慮數據相關性和權重確定等問題。目前的研究對于信用環境各影響因素的選取及影響程度的權重賦值尚不統一。因此，為了減少主觀因素的影響，增加評價結果的客觀性，本文采用主成分分析法對信用制度的運行環境進行評價②。假設樣本指標矩陣為：

則基于相關系數矩陣的主成分分析法的數學模型主要分五個步驟：（1）采取平均值法對樣本進行標準化；（2）計算相關系數矩陣和特征方程特征值（按降序排列）；（3）求特征向量，解方程組；（4）計算主成分貢獻率和累計貢獻率；（5）計算主成分。通過以上步驟可以對樣本空間內反映信用環境的各個指標和數據進行排序從而得到對目標地區信用環境的整體評價。

借鑒已有研究［6－16］關于信用環境的評價指標設計的思路，社會信用環境的宏觀因素主要分為經濟、金融、行政、信息技術和文化教育五個方面（見表1）。

表1 中國信用環境綜合指標評價體系［17］

三、數據處理及實證分析［17］

選取2006～2010年全國31個省、市和自治區的相關指標數據，評價體系的所有17個指標的數據來源于國家統計局公布的2007～2011統計年鑒。對所有數據進行統計分析，發現相關指標數據均符合或者近似符合正態分布，符合實證對數據的質量要求。

1.對子環境進行數據處理。以2006年經濟環境為例，對31個省、市、自治區的經濟環境各指標進行主成分運算，得到方差貢獻率表和特征向量矩陣（見表2、表3）。表2中第一主成分的特征值（value）為3.69，累計貢獻率（Cumulative Proportion）達到92%（大于85%），能夠解釋經濟環境包含的大部分信息。表3顯示的各指標在第一主成分中的比例接近，符合均為正。因此，第一主成分代表了經濟環境，其得分就是經濟環境得分，得分表達式為：

其中，SXi為標準化的指標。再將標準化數據代入表達式中，即可計算出2006年各地區經濟環境得分。

表2 經濟環境方差貢獻率表

表3 經濟環境特征向量矩陣

2.計算每年各子環境的得分，并進行排名（見表4）③。

3.將每一年各地區的5個子環境作為輸入指標，計算得到當年的信用環境總得分，同樣對得分進行排名（見表10）。

表4中各地經濟環境波動較小，大部分省、市、直轄市的經濟發展較為穩定，但東、中、西、東北部地區經濟發展存在明顯差異；表5顯示東部地區經濟平均得分比其他地區具有明顯優勢。

從東部和東北部各省市各地區金融環境的得分情況看③，總體排位相對靠前，金融業發展情況較好；而中部與西部地區呈交叉排列分布；表6顯示東部地區金融環境區域平均得分領先于中部和西部地區，領先優勢較為明顯；而西部地區的整體金融環境要略優于中部地區，兩者的各年分差在0.02左右，但與東部地區相比，中、西部地區的金融環境還有待進一步改善。

從行政環境的得分和排名看③，東、中、西部各地區排名較分散，部分地區的排名波動較大；從表7地區平均得分與排名數據來看，中部六省排名平均得分最低，行政環境存在明顯的發展不足，行政環境與東、西部地區存在明顯差異。

從各省市自治區的信息技術環境得分和排名來看③，信息技術環境的得分與該地區的經濟發展狀況基本一致。經濟發達的東部地區比較好，而比較偏遠的西部地區尤其是西南地區的貴州、云南、廣西等少數民族聚集的省份排名比較落后。隨著西部大開發的持續展開，以及新疆等地區礦產資源的開發，該地區的經濟發展得到很大的提高，對于信息技術建設投入比例也越來越大，排名在近幾年一直處于上升趨勢，并且隨著新疆地區與中亞通商口岸的開放，與國外市場的交流也越來越多，促進了該地區的信息技術條件的發展。但從總體上來講，西部地區以及中部地區還是遠遠落后東部發達地區的水平。從表8可以看到中西部地區與東部地區的差異。

表4 經濟環境得分與排名情況［17］

表5 經濟環境區域平均得分［17］

表6 金融環境區域平均得分［17］

表7 行政環境區域平均得分［17］

表8 信息技術環境區域平均得分［17］

表9 文化教育環境區域平均得分［17］

從文化教育環境得分與排名情況來看③，該子環境的排名中依然與經濟發展的狀況相適應，但是與前面幾個子環境狀況對于經濟發展的依賴性上有所減輕。由于中央政府對于教育政策的調整，尤其對西部地區教育扶植政策的實施，中西部地區的文化教育環境與東部地區的差異性不是很大。西部地區中的陜西以及東部地區的遼寧等省份，排名處在全國的領先水平，一方面有政府對于教育扶持力度的加大有關，另一方面也與我國高等學校的分布有關，這幾個省份一般分布有很多著名高校，在科研水平以及成果上很有建樹。而東部比較發達的山東等省份自身高校數量較少，人口眾多，大學生比例小于眾多中西部省份，但是隨著政府對教育扶持力度的進一步加大，文化教育環境在近幾年得到穩步提升。表9顯示近幾年中西部地區的文化教育水平差距逐漸減小，在2010年西部地區的文化教育水平超過了中部地區，并且中西部地區與東部地區的差距也越來越小，但從總體上來講，東部地區的文化教育水平還是領先于中西部地區。

通過實證分析發現，各省市自治區在近幾年的信用環境得分中排名差距很大，在各個子環境中北京、上海兩個地區均處于總得分的前兩名，并且遠遠領先于其他的地區（見表10）。西部地區尤其是西南地區在信用環境的評分中處于全國落后狀態，造成這一局面的原因是多方面的④。隨著國家對該地區的政策扶植尤其是西部大開發戰略的持續實施，硬件逐步完善，其信用環境會逐漸有所改善。東部地區的各省市信用環境排名與自身的經濟發展水平基本一致。隨著經濟的發展以及與國外市場的交往越來越多，東部地區的信用環境狀況將得到持續的改善與發展。

對于東西部地區的信用環境協調發展，除了政府的資金扶持以及政策傾斜以外，借助民間資本的投資仍然是推動西部信用環境發展的重要力量。政府應吸引發達地區民間資本投資于西部地區的基礎建設，通過這一途徑不僅能夠促進資本的有效流動并且對于西部地區信用環境建設的物質基礎有很大的改善。同時通過資本的流動可以帶動西部市場經濟的發展，促進東部地區的產業結構調整和我國整體產業結構優化，使得比較優勢得以實現。與此同時在一些公益事業比如教育等行業，國家應該繼續加大投入，只有教育的發展才能帶動西部地區國民素質的提高，才能給信用環境的發展提供很好的“軟條件”。通過“軟條件”和“硬條件”建設的協調發展，才能使信用環境得到健康有序發展。

表10 信用環境總得分與排名情況［17］

表11 信用環境區域平均得分［17］

四、對評價體系的回歸檢驗與結論

以上從總體上得出各個子環境對信用環境的總體評價，下面將通過回歸分析來測度每個子環境對總體信用環境影響的大小。

1.對各個子環境進行因子分析，選出最具有代表性的指標作為變量。根據主成分分析法選取人均GDP、人均可支配收入、金融占GDP的比例、社保覆蓋率、教育經費與在校人口的比例以及通訊覆蓋率分別代表對應子環境作為解釋變量，通過回歸來測度對信用環境的影響。選擇最直接的各地區不良貸款率來進行衡量，以不良貸款率作為被解釋變量。被解釋變量不良貸款率為BLOAN；解釋變量的具體定義見表12。

表12 解釋變量的具體定義

采用2010年數據，所有數據均來自2010年統計年鑒。首先對所有數據取自然對數，通過數據統計檢驗可知，所有變量數據均呈正態分布或者接近正態分布，符合線性回歸的要求。通過以上選擇的變量，通過模型（1）驗證各個子環境對信用環境的影響效應：

其中：c為截距項，α，β，x，γ，η，φ為回歸系數，εi為隨機變量。

采用模型（1）進行回歸分析，以Eviews6.0進行實證處理，運用t統計量檢驗指標的統計顯著性，使用F統計量檢驗模型的統計顯著性。回歸及檢驗結果見表13。

表13 回歸及檢驗結果

分別運用tolerance值、White test及Durbin－Waston值進行檢驗線性回歸模型中可能存在多重共線性、異方差及自相關問題，檢驗結果表明，上述線性回歸模型不存在多重共線、異方差及自相關問題，也就是說各個變量與被解釋變量的線性回歸擬合較好。并且模型通過F檢驗，發現F值顯示不為零，因此，模型整體擬合效果較好。同時，可決系數R2為0.84，即解釋變量對被解釋變量的解釋程度很高，存在明顯的因果關系。

從表13可知，經濟環境特征中的人均GDP（RGDP）和人均可支配收入（DINCOME）變量與被解釋變量不良貸款率（BLOAN）在10%的顯著水平下，人均GDP（RGDP）不顯著，并且不能通過t檢驗，人均可支配收入（DINCOME）顯著為負；金融環境特征中，金融占GDP的比例（FINAN）與不良貸款率在10%的顯著水平下顯著為負；行政環境特征中，社保覆蓋率（SSE）與被解釋變量不良貸款率在10%的顯著水平下，顯著為負；在文化與教育特征中教育經費與在校學生比例（EDU）與不良貸款率在10%的顯著水平下顯著負；信息技術特征中通訊覆蓋率特征中通訊覆蓋率（COMM）與被解釋變量不良貸款率在10%的顯著水平下不顯著，并且回歸系數不能通過t檢驗。

2.通過對國內省級區域信用子環境進行排序和差異性分析，發現在各子環境中，東部地區整體狀況要優于中部和西部地區，但在具體的子環境中，東部地區優勢差距呈縮小趨勢。各地區子環境的排名情況如下：第一，經濟環境與信息技術環境的排名相似度較高，東部地區有明顯優勢，而中部地區整體略優于西部地區，這說明地區經濟發展水平與信息技術推廣程度存在較高的相關性，信息技術的應用與普及受地區經濟發展水平的制約。第二，在金融環境中，東部地區依然保持強勢，而西部地區整體要略好于中部地區，在西部地區中，寧夏省表現額外突出，其金融環境得分在2007～2010年均位列全國第六，這一方面得益于西部開發戰略的支撐，金融資源配置的傾斜；另一方面也說明寧夏充分把握住了時機，抓緊金融領域建設，為經濟發展提供動力。第三，在行政運行環境中，東中西部各地區的排名較分散，雖然從整體來看東部地區依然保持著領先，西部地區行政運行環境優化效果顯著，而中部地區呈現一定的落差。第四，在信息技術環境中，東部地區得分領先，而地處偏遠的西部地區信息化建設以及相關技術應用較為落后；第五，在教育環境中，東中西部均有省份進入排名的前十位，在2010年西部地區平均得分也首次超過了中部。最后，根據各子環境得分計算出的信用環境的得分，東部各省市有著明顯的領先優勢，中部和西部地區得分低于全國平均水平，中西部地區信用環境的建設是長遠的系統工程。

注釋：

①模糊綜合評價法和層次分析法在確定隸屬度函數或計算對比矩陣的過程中缺乏統一標準，帶有一定的主觀性；因子分析法在計算因子得分時，采用的是最小二乘法，此方法缺乏穩定性，在部分情況下會失效。

②主成分分析法（the Principal Component Analysis，簡稱PCA），主要通過構造初始指標的線性組合，獲取新的綜合指標，并且盡可能多地保持初始數據集的信息。它將初始數據集的坐標系統進行一個正交變換，構造一個新的坐標系統，使得所有初始數據投影的方差按大小依次落在坐標上，這個坐標就被稱為主成分。主成分分析常用于多指標數據集的降維，同時保持數據集的對方差貢獻最大的特征。這樣一來，通過降維得到的綜合指標保留了初始指標的主要信息，并且互不相關，有利于找到問題的主要矛盾。

③因篇幅限制，本文僅列出經濟環境得分與排名情況，其余4個子環境的得分與排名情況略去，讀者如有需要，可與作者聯系。

④首先，該地區商品經濟不發達，第三產業以及第二產業落后沒有形成一個完整的市場經濟體系，很多地方仍然停留在農耕時期，經濟發展落后；其次，該地區的教育體系以及交通網絡體系落后，與外界接觸較少，許多地方處于封閉或者半封閉的狀態，當今社會最主要的商業信用模式由于缺乏物質基礎不能夠很好的展開；第三，該地區金融行業發展狀況非常落后，金融機構分布很少，導致地區信用環境的發展缺少第三方的支持，資金融通不能很好的展開，大部分的資金融通只能通過民間借貸的形式進行。民間借貸的形式由于沒有很好的信用保證，因此，只能以高于市場利率的形式進行，由于成本過高，導致資金歸還的困難，使得信用環境進一步惡化。

［1］鄭克志.關于建立區域信用評價體系的探討［J］.武漢金融，2003，（7）：53－54.

［2］張淳清，曹加.信用環境的影響因素分析［J］.生態經濟，2008，（7）.

［3］張永.基于主成分分析的安徽省失信懲戒效果評價［J］.金融經濟，2010，（18）：57－59.

［4］易傳和，林英杰.基于主成分分析的信用測度與實證考量［J］.統計與決策，2009，（12）：86－88.

［5］秦振強，葉謝康，陳澍.區域信用環境評價及相關問題研究［J］.福建金融，2006（4）：5－9.

［6］蔣海.不對稱信息、不完全契約與中國的信用制度建設［J］.財經研究，2002，（2）：26－29.

［7］劉曉劍，張強.信用評級機構監管的演化動態博弈分析［J］.財經理論與實踐，2011，（6）：30－34.

［8］張維迎，柯榮住.信任及其解釋：來自中國的跨省調查分析［J］.經濟研究，2002，（10）：59－70.

［9］任森春.論信用制度與政府作用［J］.財貿經濟，2003，（3）：22－25.

［10］徐諾金.論我國金融生態問題［J］.金融研究，2005，（2）：31－38.

［11］林鳳萍.政府推進社會信用體系建設的對策取向［J］.中央財經大學學報，2006，（9）：57－60.

［12］高霞，王然.中國信用規模與經濟增長關系的實證研究［J］.金融理論與實踐，2007，（4）：46－48.

［13］馬麗娟.金融中介信用環境建設中的法律因素［J］.中央財經大學學報，2009，（8）：29－33.

［14］向暉，楊勝剛.個人信用評分關鍵技術研究的新進展［J］.財經理論與實踐，2011，（4）：20－24.

［15］洪玫.試論金融創新的社會信用環境基礎［J］.金融論壇，2010，（1）：45－49.

［16］楊立新，李倩.我國地方政府信用缺失的表現、原因及解決路徑［J］.黨政干部學刊，2011，（12）：52－54.

［17］楊凱.基于省際數據的社會信用制度運行環境問題研究［D］.長沙：湖南大學碩士論文，2012.