腐敗對銀行不良貸款的影響——基于中國省級動態面板數據GMM方法

王曉嬈，王奎倩

(1.中國人民大學博士后流動站，北京 100872；2.南開大學經濟學院，天津 300071)

?

腐敗對銀行不良貸款的影響
——基于中國省級動態面板數據GMM方法

王曉嬈1，王奎倩2

(1.中國人民大學博士后流動站，北京 100872；2.南開大學經濟學院，天津 300071)

運用動態GMM回歸方法，探討了2005-2013年我國各地區腐敗與銀行不良貸款之間的關系，結果表明：腐敗程度與銀行不良貸款規模正相關。同時，銀行信貸規模增加會導致不良貸款增加，而經濟發展水平、非國有化程度提高，政府干預程度以及企業資產負債率提高都能抑制我國銀行業不良貸款增加。據此，提出如下政策建議：繼續加大對腐敗案件的查處力度，完善相關法律法規體系；商業銀行應建立科學有效的風險防范機制；政府職能應由干預型向服務型轉變，在提高經濟增速的同時加快提高經濟非國有化程度；企業應合理利用銀行貸款，控制貸款資金流向。

腐敗；不良貸款；銀行業；GMM

一、引 言

近些年來，全球經濟高速增長，但各國頻繁經歷金融危機，各界均探究金融危機發生的緣由。1997年東亞金融危機提供了重要線索：日益普遍的腐敗行為是引發金融危機的關鍵因素。腐敗一直是學術界與政策制定者關注的熱點，他們的目光主要聚焦于腐敗對經濟增長的影響。大量研究表明，腐敗通過影響私人投資、公共開支等進而影響經濟增長[1][2][3]。但腐敗是否為金融危機根源？一些學者認為，腐敗會引起銀行不良貸款增加，干擾金融市場正常運轉。理論上，腐敗可能通過以下兩條截然不同的路徑影響銀行不良貸款：其一，企業發展需要融資，尤其是掌握新技術的企業，他們通常會賄賂政府官員以快速通過信貸審批流程獲取資金以在市場上占得先機，但這樣的企業往往處于快速成長期，償債能力較強，可以有效降低銀行不良貸款規模；其二，若企業本身經營狀況不佳，通過賄賂官員獲得的貸款會投入到更易成為壞賬的項目，引起銀行不良貸款的增加。

為了探究腐敗對銀行不良貸款的影響方向，國外學者們從實證角度給出了答案。Rajeev和Iftekhar(2011)驗證了銀行不良貸款多產生于腐敗程度較高的國家[4]。Park(2012)認為腐敗顯著損害了銀行貸款的質量，導致國家在金融危機面前更加脆弱[5]。國內學者還未就此問題進行研究，他們主要從腐敗的影響及銀行不良貸款的決定因素兩方面單獨進行探討。針對腐敗影響的研究主要集中于腐敗對我國收入不平等的影響[6][7][8]，對經濟增長的影響[9][10]，以及對企業的創新、訂單、生命力、全要素生產率和對外直接投資等的影響[11][12][13][14][15][16]。對不良貸款決定因素的研究通常從宏觀角度出發，如樊綱(1999)提出國有經濟體制是導致國有商業銀行不良貸款產生的根本原因[17]。李麟、索彥峰(2009)認為經濟增長引起了我國商業銀行至少70%不良貸款的變化[18]。譚勁松等(2012)認為政府干預是銀行不良貸款產生的主要原因[19]。在對宏觀因素研究的基礎上，張雪蘭、陳百助(2012)認為銀行自身特征也是影響不良貸款產生的關鍵變量[20]。吳曉靈(1995)認為企業過高的資產負債率惡化了企業經營條件，從而引起銀行不良貸款的產生[21]。

近年來，腐敗與銀行業不良貸款問題日益嚴重已是不爭的事實，腐敗究竟對我國銀行不良貸款的影響如何，值得我們深入探討。本文從以下幾個方面對現有研究進行豐富和補充：首先，考察中國各地區腐敗程度對銀行不良貸款的影響，在一定意義上豐富了對腐敗的經濟后果以及銀行不良貸款成因的研究成果。其次，采用動態GMM回歸模型，在考慮不良貸款滯后期對當期影響的同時，也解決了模型內生性的問題。最后，將宏觀經濟變量、銀行及企業特征變量作為重要控制變量納入模型。

二、中國的經驗事實

1997年亞洲金融危機的爆發以極大破壞力給各國銀行當頭棒喝，我國銀行也開始意識到自身的不足，不良貸款問題亦得到各界高度關注。一直以來，商業銀行不良貸款數據披露不足，中國銀行業監督管理委員會從2005年才開始公布分地區銀行業不良貸款額及不良貸款率。從圖1可以看出，2007-2008年，中國各地區平均不良貸款額和不良貸款率曾出現大幅下降，這主要是因為從2008年開始，國家加大力度降低不良貸款率，推進商業銀行改制。2008年以后銀行不良貸款率一直保持低位，到2013年稍有上升，而不良貸款額一直呈上升趨勢，到2013年各地區商業銀行的平均不良貸款額為177億元。

改革開放以來，中國經濟飛速發展，但我國經濟體制轉型卻相對緩慢，腐敗案件頻發。圖2顯示我國各地平均腐敗案件立案數與涉案人數呈逐年上升趨勢，2005年我國各地區平均每百萬人口腐敗案件立案數為每百萬人27.7件，涉案人數為32.4人，到2013年分別增加到28件和38.8人。

圖1 中國各地區平均不良貸款率及不良貸款額變化

圖2 中國各地年均腐敗案件立案數與涉案人數變化

分地區來看，各省腐敗程度存在較大差異。從表1可知,2013年百萬人口腐敗案件與涉案人數發生最多的省份為吉林省，每百萬人口涉案人數為88.6人，腐敗案件立案數為55件，東北三省在前四位排名中占據三位，說明作為老工業區的東北三省腐敗程度非常高。腐敗程度最低的省份為西藏，其次為東部地區較為發達的上海和北京。

表1 為2013年各地區每百萬人口涉案人數和腐敗案件立案數排名

我國腐敗程度與銀行不良貸款之間存在怎樣的聯系？理解兩者之間相互關系將有助于我們認識中國如何通過控制腐敗來控制銀行不良貸款的產生，從而保證銀行業的健康運行，防范金融危機。

三、模型、數據與變量

(一)計量模型設定

為了分析腐敗對銀行不良貸款的影響，本文構建如下動態面板計量模型：

Lnbadloanit=α0+α1Lnbadloanit-1+β1Lncorit+β2Lngdpperit+β3Lngovit+β4Lninsit+

β5Lnloanit+β6Lnenterit+ηi+εit

(1)

其中，i代表地區(i=1,2,…,n)，t為時間下標(t=1,2，…，T)，Lnbadloanit是銀行不良貸款當期余額的對數，Lnbadloanit-1是銀行不良貸款上期余額的對數，Lncorit為腐敗程度的對數，ηi為不可觀測地區固定效應，εit為隨機干擾項，Lngdpperit、Lngovit、Lninsit、Lnloanit、Lnenterit分別代表經濟發展水平、政府干預經濟程度、制度因素、銀行規模及企業的資本構成。

上述動態面板模型無法估計不可觀測的各地區固定效應，而且模型可能由于解釋變量與被解釋變量的雙向因果關系產生內生性問題，導致估計結果偏差。為解決上述問題，我們采用1998年Blundell和Bond提出的系統廣義矩估計模型(System-GMM)。這一模型通過差分可有效控制未觀察到的個體固定效應，同時還采用滯后以及差分的解釋變量作為工具變量克服模型內生性。

(二)變量選取和數據來源

1.被解釋變量。本文利用中國31個省、市、自治區主要商業銀行不良貸款余額作為被解釋變量的衡量指標。數據來源于中國銀行業監督管理委員會發布的年報。由于報告發布年數限制，時間跨度為2005-2013年。同時為消除價格因素的影響，利用CPI價格指數將其平減為以2005年為基期的實際值，在模型回歸時取其對數值，以消除異方差影響。

2.解釋變量。目前文獻中測度中國各地區的腐敗程度，學者們主要采用以下幾種方法：第一，采用人民檢察院每年立案偵察貪污賄賂、瀆職案件數與公職人員數之比以及涉案人數與公職人員數之比[22][23]。第二，采用每百萬人口中的腐敗案件數量[24][25]。

首先，我們參考吳一平(2008)[24]所持觀點,《中國檢察年鑒》中各省工作報告所發布的數據是針對整個社會的腐敗案件，而非政府機關，因此轉換人均量時，應除以全社會的總人口數；此外，中國各省紀委監察由中央直接負責，可以認為各省反腐執法力度和政策安排大致相同，因此本文采用每百萬人中貪污賄賂、瀆職*瀆職罪是指國家機關工作人員利用職務上的便利或者徇私舞弊、濫用職權、玩忽職守，妨害國家機關的正常活動，損害公眾對國家機關工作人員職務活動客觀公正性的信賴，致使國家與人民利益遭受重大損失的行為。腐敗不僅涉及到直接的金錢交易，同時瀆職罪的濫用職權、徇私舞弊等行為使得國家工作人員權利與義務相互分離，也屬于腐敗的一種，因此本文在計算腐敗程度時包含了此種犯罪的案件數和涉案人數。涉案人數與立案案件數度量中國各省的腐敗程度。其中，貪污賄賂、瀆職案件涉案人數數據來自歷年《中國檢察年鑒》以及各省檢察院網站公布的《人民檢察院年度工作報告》，人口數據來自《中國統計年鑒》中年末人口數。

3.控制變量。許多文獻表明，宏觀經濟因素對商業銀行的健康程度產生影響。Gerlach et al.(2005)提出一國經濟發展(GDP增長規模、通貨膨脹率、失業率等)決定了銀行的發展[26]，而且宏觀政策、制度也是銀行業健康程度的重要決定因素[27]。此外，作為資金出借方的銀行，其自身特征自然是不可忽視的關鍵因素，而作為借款方的企業擴大生產規模、技術改造及生產經營所需資金通常依靠銀行貸款也是不良貸款的主要來源[28]。因此在控制變量的選擇上，我們主要考慮宏觀經濟因素、銀行特征和企業特征三個方面，具體包括：

(1)經濟發展水平(Lngdpper)。根據經濟周期理論，不良貸款體現了信用風險與商業的親周期性[20]。當一國經濟處于繁榮階段，企業有較好的盈利能力和償債能力，銀行不良貸款率更易下降；反之，若一國處于經濟下行區間，企業往往經營狀況不佳，更易產生不良貸款。本文采用人均GDP代表經濟發展水平，GDP與人口數據都來源于歷年《中國統計年鑒》，為消除價格因素影響，GDP平減為以2005年為基期的實際值。

(2)政府干預經濟程度(Lngov)。政府對經濟干預可以在一定程度上起到熨平經濟周期的作用，在經濟下行時拉動基建投資，增加企業利潤，減少不良貸款的形成。同時，政府通過控制審批流程、資金流向、獲得技術和其他稀缺資源的權力以及制定產業政策等方式對經濟施行調控，同時也會影響金融領域的資金運轉。本文采用各地區財政支出占GDP的比重反映政府干預經濟的程度，數據來源于歷年《中國統計年鑒》。

(3)制度因素(Lnins)。我國改革開放以來，經濟體制和銀行管理方式都發生了重大變革，非國有化程度不斷提高。在計劃經濟體制下，資金和信貸的分配高度集中，國家財政直接撥付和調配使得企業既無承擔風險能力又無盈利壓力，較易形成不良貸款。隨著非國有化程度提高，商業銀行信貸發放日益市場化，不良貸款隨之下降。本文采用蔣殿春、張宇(2008)的調整方法，利用內資部門中非國有經濟發展程度作為經濟制度的衡量指標[29]。出于全面性考慮, 我們取非國有企業主營業務收入比重*此處應該用產值來計算，由于個別年份數據未公布，因此用主營業務收入代替。、固定資產比重和勞動數量比重這三個指標的算術平均值作為衡量制度的指標，數據來源于歷年《中國工業統計年鑒》。

(4)銀行信貸總規模(Lnloan)。通常，銀行信貸規模與不良貸款額呈正相關關系。信貸總規模大的銀行，其資產規模也大，受到的政府隱性保護就越多，在道德風險帶來的收益的刺激下，銀行更傾向于風險高的信貸行為[30]。銀行信貸總規模數據來源于《中國金融年鑒》中各地區銀行業金融機構各項貸款余額，并對其進行平減得到以2005年為基期的實際值。

(5)企業資產負債率(Lnenter)。企業盈利能力和償債能力不足可能會導致銀行不良貸款的增加，然而，高負債企業是否會最終導致不良貸款形成，主要還應看企業負債資金的利用效率。本文采用規模以上工業企業資產負債率代表企業總體的資產負債結構，數據來源于歷年《中國統計年鑒》。

所有變量的樣本時間跨度均為2005-2013年，變量的描述性統計見表2。

表2 變量的描述性統計

四、計量結果

(一)估計結果與分析

腐敗會帶來銀行不良貸款規模的擴大，反過來當銀行不良貸款增加后，銀行的信貸審批可能會更嚴格，一些企業只能通過賄賂才能獲得貸款，從而增加腐敗程度，因此模型可能由于解釋變量和被解釋變量的雙向因果關系而產生內生性問題。首先，我們通過計算Hausman統計量和Davidson-MacKinnon統計量來驗證模型是否存內生性問題。檢驗結果表明主要變量為嚴格外生的原假說基本都在5%的水平上被拒絕，即模型中存在內生性問題(此處我們對完整模型進行內生性檢驗，其他模型同，見表3)。

表3 完整模型內生性檢驗

我們采用系統GMM回歸方法考察腐敗對銀行業不良貸款的影響，結果見表4。我們采用分步加入控制變量的方法來驗證模型的穩健性，模型1只包含宏觀經濟因素，模型2加入銀行特征代理變量，模型3繼續加入企業資產負債率。系統GMM估計方法依賴于解釋變量滯后值作為工具變量的有效性檢驗。從表4結果來看，AR檢驗、Hansen J過度識別檢驗的結果說明了模型設定的合理性和工具變量的有效性。

從表4的回歸結果來看，三個模型中，腐敗對銀行不良貸款的回歸系數都顯著為正，保持了較好的一致性。在加入全部控制變量后，其回歸系數為0.3845，在1%水平上顯著。這表明腐敗程度與銀行不良貸款正相關，腐敗程度每增加1%，會引起銀行不良貸款額增加0.3個百分點，在中國地區層面上佐證了國外學者關于腐敗引起了銀行不良貸款增加的結論。

此外，銀行信貸總規模的回歸系數為0.5168，且在1%水平上顯著，這說明銀行信貸的擴張過程中，往往會降低風險防范意識和企業信貸審批標準，從而導致不良貸款增加。人均GDP對銀行不良貸款的回歸系數為負(-0.5737)，且在1%水平上顯著，這說明隨著經濟發展水平提高，經濟和金融運行效率可能更高，銀行的不良貸款規模會隨之降低。模型中，非國有化程度回歸系數在1%水平上顯著為負，這說明非國有程度越高，不良貸款越少，這與譚勁松等(2012)得到的研究結論一致，而與其不一致的部分是本文回歸結果顯示政府干預對銀行不良貸款的減少起到正向作用，這可能由于他們所研究的對象為國有商業銀行。國有商業銀行的信貸流向受政府的影響較大，一些政府項目成為銀行壞賬的主要來源，而本文采用樣本為地區所有商業銀行，包括許多受政府限制較少的股份制銀行和私營銀行。最后，企業資產負債率越高，銀行不良貸款額越低，這一方面可能是由于本文采用的數據為規模以上工業企業的資產負債率，它們負債資金利用效率和資金周轉頻率較高，不易形成不良貸款；另一方面，企業資產負債率與銀行不良貸款實際上呈“U”型關系，隨著企業資產負債率增加，銀行不良貸款首先呈下降趨勢，當企業資產負債率上升達到一定限度，銀行不良貸款又會隨之上升，而對我國工業企業來講，資產負債率可能還未達到這一上限，因此以上回歸結果仍然合理。

表4 腐敗對銀行不良貸款影響GMM回歸結果

注：括號內為回歸系數標準差，“* ”、“** ”和“*** ”分別表示10%、5%和1%的顯著性水平；AR(1)和AR(2)報告的為p值。下同。

(二)穩健性檢驗

我們還選取了每百萬人口貪污賄賂、瀆職罪立案案件數作為被解釋變量的代理變量進行敏感性分析，從而檢驗回歸模型的穩健性。仍然采用逐步添加控制變量的方法進行三個模型的回歸。表5結果表明，腐敗對銀行不良貸款的回歸系數在1%水平上顯著為正，說明腐敗程度的提高會導致不良貸款的提高，同樣銀行信貸規模越大，越易產生不良貸款，經濟發展水平、政府干預程度、非國有化程度的提高以及企業資產負債率的上升都起到降低銀行不良貸款額的作用，回歸結果與上文模型一致。

表5 穩健性檢驗回歸結果

五、結論及政策建議

本文運用中國31個省2005-2013年的腐敗與銀行不良貸款數據，采用動態GMM方法進行計量回歸，探究腐敗與銀行不良貸款之間的關系，得出腐敗程度的提高會導致銀行不良貸款增加的結論。此外，銀行信貸規模擴大會導致不良貸款增加，而經濟發展水平和非國有化程度提高、政府干預以及企業資產負債率提高都能抑制銀行不良貸款增加。鑒于我國當前正處在經濟轉軌時期，要切實防范腐敗對銀行帶來的各種風險，需從多方入手，進行綜合治理。

首先，應繼續加大反腐力度，目前我國反腐工作已取得初步進展，但未來對腐敗的治理任務仍十分艱巨。其次，商業銀行應建立科學有效的內部控制和風險防范機制，強化內部審計和稽核力度，避免內部高層人員徇私舞弊，對信貸審批程序嚴格控制，防范銀行信貸規模的盲目擴張。再次，完善市場機制，在提高經濟發展水平的同時加快提高經濟非國有化程度。此外，在干預經濟進程中，政府要做到逐漸轉變職能定位，使其由干預型向服務型轉變，隨著政府與市場關系的理順，腐敗程度也會隨之減弱，銀行不良貸款也會隨之下降。最后，企業在技術改造及生產經營中，應盡量合理利用銀行貸款，控制貸款資金流向，將其投入到風險低的項目中。

[1] Murphy, K.M., Shleifer, A., Vishny, R.W.Why is rent-seeking so costly to growth?[J].American Economic Review，1993,83 (2)：409-414.

[2] Tanzi, V., Davoodi, H. Corruption, Public Investment, and Growth[Z].IMF Working Paper , 1997：97-139.

[3]Méon P. G， Sekkat K. Does corruption grease or sand the wheels of growth?[J].Public Choice,2005,122(1-2)：69-97.

[4]Goel R. K., Hasan I. Economy-wide corruption and bad loans in banking: International evidence[J]. Applied Financial Economics, 2011, 21(7):455-461.

[5]Park J. Corruption, soundness of the banking sector, and economic growth: A cross-country study[J]. Journal of International Money and Finance, 2012, 31(5):907-929.

[6]陳剛.腐敗與收入不平等——來自中國的經驗證據[J].南開經濟研究,2011,(5):113-131.

[7]吳一平,芮萌.制度差異、地區腐敗與收入不平等[J].經濟社會體制比較,2013,(2):165-178.

[8]張璇,楊燦明.行政腐敗與城鄉居民收入差距——來自中國120個地級市的證據[J].財貿經濟,2015,(1):77-89.

[9]吳一平,芮萌.地區腐敗、市場化與中國經濟增長[J].管理世界,2010,(11):10-17，27.

[10]劉勇政,馮海波.腐敗、公共支出效率與長期經濟增長[J].經濟研究,2011,(9):17-28.

[11]蔣冠宏,蔣殿春.中國對外投資的區位選擇:基于投資引力模型的面板數據檢驗[J].世界經濟,2012,(9):21-40.

[12]黃玖立,李坤望.吃喝、腐敗與企業訂單[J].經濟研究,2013,(6):71-84.

[13]胡兵,鄧富華.腐敗距離與中國對外直接投資——制度觀和行為學的整合視角[J].財貿經濟,2014,(4):82-92.

[14]聶輝華,張彧,江艇.中國地區腐敗對企業全要素生產率的影響[J].中國軟科學,2014,(5):37-48.

[15]李后建,張劍.腐敗與企業創新:潤滑劑抑或絆腳石[J].南開經濟研究,2015,(2):24-58.

[16]魏下海,董志強,金釗.腐敗與企業生命力:尋租和抽租影響開工率的經驗研究[J].世界經濟,2015,(1):105-125.

[17]樊綱.論“國家綜合負債”——兼論如何處理銀行不良資產[J].經濟研究，1999.(5)：11-17.

[18]李麟,索彥峰.經濟波動、不良貸款與銀行業系統性風險[J].國際金融研究,2009,(6):55-63.

[19]譚勁松,簡宇寅,陳穎.政府干預與不良貸款——以某國有商業銀行1988～2005年的數據為例[J].管理世界,2012,(7):29-43，187.

[20]張雪蘭,陳百助.宏觀經濟要素、銀行特征與不良貸款——基于公司與零售貸款組合的比較研究[J].財貿經濟,2012,(8):46-55.

[21]吳曉靈.中國國有企業—銀行債務重組問題[J].經濟社會體制比較，1995，(3)：2-9.

[22]張軍,高遠,傅勇,張弘.中國為什么擁有了良好的基礎設施?[J].經濟研究,2007,(3):4-19.

[23]周黎安,陶婧.政府規模、市場化與地區腐敗問題研究[J].經濟研究,2009,(1):57-69.

[24]吳一平.財政分權、腐敗與治理[J].經濟學(季刊),2008,(3):1045-1060.

[25]魏鋒.中國省域腐敗鄰居效應的實證研究[J].經濟社會體制比較,2010,(4):101-109.

[26]Gerlach, S., Peng, W., Shu, C. Macroeconomic Conditions and Banking Performance in Hong Kong SAR: A Panel Data Study[Z]. BIS Papers ,2005.

[27]Freixas, X., Rochet Ch, J. Microeconomics of Banking[M]. MIT Press,1997.

[28]袁鋼明.中國國有企業不良負債的實證分析[J].經濟研究,2000,(5):12-20,79.

[29]蔣殿春、張宇.經濟轉型與外商直接投資技術溢出效應[J].經濟研究,2008,(7):26-38.

[30]Stern G. H., Feldman R. J.Too Big to Fail: The Hazards of Bank Bailouts[M]. Brookings Institution Press, 2004.

(責任編輯:原 蘊)

Impact of Corruption on Banks’ Non-performing Loans——Based on Chinese Provinical Dynamic Panel GMM Method

WANG Xiao-rao1,WANG Kui-qian2

(1.Postdoctoral Research Station of Renmin University,Beijing 100872，China;2.Department of International Economics of Trade, Nankai University, Tianjin 300071,China)

Based on data from 2004 to 2013，this paper uses the dynamic GMM regression method to discuss the relationship between corruption and non-performing loans of banks in China. The results are as follows: The higher the level of corruption, the higher the scale of banks’ non-performing loans; High level of economic development and the degree of denationalization, asset-liability ratio of enterprise and government intervention can suppress an increase in non-performing loans of the banking sector, while increasing the size of bank credit will result in increased non-performing loans. Accordingly, we propose the following policy recommendations: First, further intensify efforts to investigate and deal with corruption cases, and perfect relevant laws and regulations system; secondly, commercial banks should establish scientific and effective risk prevention mechanisms to avoid bad loans; thirdly, quicken the steps of increasing the degree of economic denationalization while increasing the economic growth; fourthly, government functions should be transformed from intervention type to service type function, and lastly,companies should make a rational use of the bank loans and control the flow of loan funds.

corruption; non-performing loans；banking;GMM

2015-10-13

王曉嬈(1989-)，女，河北承德人，中國人民大學博士后流動站、中國工商銀行博士后工作站博士后；王奎倩(1989-)，女，山東臨沂人，南開大學經濟學院博士生。

F832.33

A

1004-4892(2016)08-0036-08