結構性貨幣政策（SMP）是針對特定經(jīng)濟活動的差異化貨幣政策，已成為各國央行常用的貨幣政策工具，但其有效性尚未得到充分評估。

最新一期CF40工作論文在全面梳理中國結構性貨幣政策并匡算規(guī)模的基礎上，以定向降準工具為案例研究對象，研究銀行信貸是否流向了定向扶持的領域，評估該類政策有效性，并對中國未來的結構性貨幣政策提出建議。

*本文為CF40工作論文《中國結構性貨幣政策有效性研究——以定向降準為例》，有刪節(jié)。作者為CF40學術委員會主席、北京大學數(shù)字金融研究中心主任黃益平，CF40特邀成員、北京大學數(shù)字金融研究中心副主任沈艷，北京大學國家發(fā)展研究院博士研究生程丹旭、陳新禹。受版面所限略去參考文獻，點擊文末“閱讀原文”可查看全文。

中國結構性貨幣政策有效性研究

——以定向降準為例

文 | 黃益平 沈艷 程丹旭 陳新禹

貨幣政策是指通過調(diào)整貨幣供應量和政策利率等一系列行動來影響總體經(jīng)濟活動和通貨膨脹的一種政策。根據(jù)定義，貨幣政策在整個經(jīng)濟的執(zhí)行應是統(tǒng)一的?！吨袊嗣胥y行法》規(guī)定，貨幣政策的目標是“保持貨幣幣值的穩(wěn)定，并以此促進經(jīng)濟增長”。

然而近年來，實施結構性貨幣政策，即針對特定經(jīng)濟活動的差異化貨幣政策(SMP)，在各國成為普遍現(xiàn)象，如英格蘭銀行在2012年底創(chuàng)建的貸款擔保計劃(FLS)，和日本銀行在2020年初宣布的支持中小企業(yè)(SMEs)的貸款計劃。

實施結構性貨幣政策最重要的原因是貨幣政策傳導機制受損，這也是為什么結構性貨幣政策在危機時期更為常見。也就是說，當傳統(tǒng)貨幣政策工具未能在特定領域產(chǎn)生期望的結果時，央行希望使用結構性貨幣政策工具，通過“精準滴灌”來實現(xiàn)結構性目標。

中國人民銀行首次實施結構性貨幣政策的時間，可以追溯到上世紀90年代，當時結構性貨幣政策以支持農(nóng)業(yè)為主要目標。2014年，中國人民銀行開始采取一系列促進中小微企業(yè)貸款的結構性貨幣政策。近年來，結構性貨幣政策的覆蓋面擴大到了新領域，如支持碳減排和科技創(chuàng)新，但支持中小微企業(yè)貸款仍然是結構性貨幣政策的重點。

中小微企業(yè)對中國的就業(yè)、創(chuàng)新和經(jīng)濟增長均有巨大貢獻。截至2021年4月，中國小微企業(yè)總數(shù)超過4400萬戶、個體工商戶超過9500萬戶；貢獻了60%以上的GDP、70%以上的技術創(chuàng)新，80%以上的城鎮(zhèn)勞動就業(yè)，并且數(shù)量占總企業(yè)數(shù)的90%以上。但由于缺乏財務數(shù)據(jù)和抵押資產(chǎn)，大多數(shù)中小微企業(yè)無法滿足銀行信貸風險管理的要求，其“貸款難、貸款貴”問題一直沒有得到有效解決。

隨著中國增長模式從投入驅(qū)動過渡到創(chuàng)新驅(qū)動，中小微企業(yè)融資困難已成為宏觀經(jīng)濟問題。中國政府一直希望通過各種政策措施來增加中小微企業(yè)的貸款，包括強制性監(jiān)管要求和結構性貨幣政策。例如，2022年1月中國人民銀行宣布，從2022年起到2023年6月底，人民銀行對符合條件的地方法人銀行發(fā)放的普惠小微貸款，按照余額增量的1%提供資金，鼓勵增加普惠小微貸款。

中國人民銀行主要采用四類結構性貨幣政策工具：再貸款、再貼現(xiàn)、定向降準，以及其他公開市場操作，比如抵押補充貸款（PSL）。

中國人民銀行2022年第四季度的《中國貨幣政策執(zhí)行報告》顯示，截至2022年底，結構性貨幣政策工具的余額為6.4萬億元人民幣，約占中國人民銀行總資產(chǎn)的15％。本文的匡算顯示，包括定向降準釋放流動性在內(nèi)的寬口徑結構性貨幣政策余額約為10萬億元人民幣，約占基礎貨幣的27.8％；窄口徑余額占基礎貨幣的比重約為17.9％。

雖然結構性貨幣政策已經(jīng)成為央行釋放基礎貨幣的重要渠道之一，但其有效性仍需評估。這需要回答兩個問題，一是銀行信貸是否流向了定向領域，二是這些政策工具會如何影響銀行的信貸風險。第一個問題與政策的有效性相關，而這取決于央行監(jiān)督和執(zhí)行的能力；第二個問題涉及可持續(xù)性，這取決于銀行風險的激勵相容性，即政策鼓勵發(fā)放的貸款是否合理。

由于央行難以監(jiān)管釋放的流動性是否流向了定向領域，這讓結構性貨幣政策的有效性存在一定挑戰(zhàn)。例如，再貸款支持的中小微企業(yè)貸款只占中小微企業(yè)總貸款的一小部分，央行因此很難確定額外釋放的流動性是否確實增加了中小微企業(yè)貸款。

當然，也存在例外情況，比如使用抵押補充貸款為棚戶區(qū)改造提供貨幣支持的政策效果就比較容易監(jiān)督。但在這種情況下，結構性貨幣政策與財政政策沒有本質(zhì)區(qū)別，卻又引發(fā)可持續(xù)性的問題。這是因為在當前市場條件下，如果銀行有足夠的風控能力增加央行所希望的定向領域的貸款，就沒有必要實行結構性貨幣政策。如果銀行在沒有適當補償?shù)那闆r下，應監(jiān)管機構的要求而增加對定向領域的貸款，就可能導致不良率上升、財務損失增加。如果此時監(jiān)管機構還要求銀行降低貸款利率，那么情況就會進一步惡化。由于存在這些可持續(xù)性問題，結構性貨幣政策應該考慮設置恰當?shù)囊?guī)模和期限。

本文以2019年和2020年中國人民銀行實施的定向降準為研究對象，作為評估中國結構性貨幣政策有效性的案例研究。

選擇這一特定時期的定向降準工具作為研究對象，主要是為應對評估結構性貨幣政策效果的兩大挑戰(zhàn)。

一是在同一時期往往同時使用多種政策工具，這導致如果作籠統(tǒng)評估，就難以厘清特定政策的效果。要應對這一挑戰(zhàn)，需要選取特定工具和特定時期，后文將詳述這一階段定向降準工具與其他工具目標銀行的差異。

二是不容易為政策工具找到恰當?shù)膮⒄諏ο?。由于再貸款再貼現(xiàn)等結構性貨幣政策工具的目標銀行范圍廣泛，或者目標銀行和非目標銀行不完全具有可比性（如目標銀行為國有大行而非目標銀行為中小銀行），就導致評估這些政策效果時難以找到合適的參照組。

2019年和2020年的兩次定向降準政策提供了評估的契機。我國在1984年設立存款準備金制度，該制度是央行管理商業(yè)銀行流動性風險的重要政策工具。2004年，中國人民銀行首次對不同類型的銀行采取有差別的存款準備金率，并在2014年首次實施定向降準，此后幾年陸續(xù)采用定向降準工具。由于定向降準工具對一些銀行存在額外釋放的流動性而對另一些銀行沒有，這就為評估其政策有效性提供了政策組和參照組；尤其是2019年9月和2020年4月的兩次定向降準的目標銀行是城市商業(yè)銀行，這樣以受政策影響和未受政策影響的城市商業(yè)銀行為研究對象，就可以評估其政策的有效性。

本文首先對中國的結構性貨幣政策作系統(tǒng)性介紹，包括政策背景和歷史、工具類型、發(fā)放對象和定向行業(yè)。在此基礎上，本文首次從寬口徑和窄口徑兩個角度，匡算了2010年至2022年間中國結構性貨幣政策的總規(guī)模。第三，本文提供了一個討論框架，提出要從有效性和可持續(xù)性兩個角度來評估結構性貨幣政策的成敗?；谏鲜龇治?，本文采用數(shù)據(jù)來分析上述兩次定向降準政策的效果，具體來說是采用銀行層面貸款數(shù)據(jù)，使用雙重差分法（DID）和面板數(shù)據(jù)方法（PDA）來評估定向降準對中小微企業(yè)貸款的影響。

本文發(fā)現(xiàn)，2019年和2020年的定向降準政策對中小微企業(yè)貸款，以及細分后的中型企業(yè)貸款和小微企業(yè)貸款占銀行企業(yè)貸款的比重，并未能帶來統(tǒng)計上顯著的提升。當然，需要強調(diào)的是，本文的發(fā)現(xiàn)主要是針對定向降準政策，并未評估所有的結構性貨幣政策，因此，并不排除一些特定時期的其他政策工具可能有效這一點。

本文結構如下。本文第二節(jié)全面回顧了中國的結構性貨幣政策，包括再貸款、再貼現(xiàn)、定向降準和抵押補充貸款等結構性貨幣政策工具；第三節(jié)給出文獻綜述，梳理了中國以及發(fā)達國家在結構性貨幣政策方面的研究現(xiàn)狀；第四節(jié)利用雙重差分法和面板數(shù)據(jù)方法評估定向降準對中小微企業(yè)貸款的有效性；第五節(jié)作出結論，總結本文的研究發(fā)現(xiàn)，并對中國未來的結構性貨幣政策提出建議。

中國結構性貨幣政策

根據(jù)人民銀行公布的信息，中國首次采用結構性貨幣政策工具是在1999年，當時發(fā)放支農(nóng)再貸款以引導農(nóng)村金融機構擴大涉農(nóng)信貸投放，降低“三農(nóng)”融資成本。設立于1986年的再貼現(xiàn)是中國人民銀行對金融機構持有的已貼現(xiàn)票據(jù)進行再貼現(xiàn)的業(yè)務，其自2008年起開始發(fā)揮結構性功能，重點用于支持涉農(nóng)信貸、小微信貸和民營企業(yè)融資。結構性貨幣政策的初始規(guī)模較小，1999年全國貸款余額為93734億元，支農(nóng)再貸款僅占150億元；而2008年第三季度，再貼現(xiàn)貸款余額僅為44億元。

2008年國際金融危機后，各國央行開始實施零利率或負利率政策等非常規(guī)貨幣政策，并采取大規(guī)模購買國債等資產(chǎn)的量化寬松政策。這一階段，中國采取了更為審慎的貨幣政策。

在2014年第二季度的《中國貨幣政策執(zhí)行報告》中，中國人民銀行指出：“當前我國貨幣信貸存量較大，增速也保持在較高水平，不宜依靠大幅擴張總量來解決結構性問題。”這表明，采用結構性貨幣政策工具是希望支持國民經(jīng)濟薄弱環(huán)節(jié)，同時避免經(jīng)濟過熱。2014年，中國人民銀行推出了三種結構性貨幣政策工具，支小再貸款、抵押補充貸款（PSL）和定向降準。其中，抵押補充貸款主要服務于棚戶區(qū)改造、地下管廊建設、重大水利工程、“走出去”等重點領域。當年的定向降準則為中小微企業(yè)貸款釋放了約2100億元的流動性。

值得注意的是，當時中國人民銀行對大規(guī)模使用或長期使用結構性貨幣政策持謹慎態(tài)度。上述《中國貨幣政策執(zhí)行報告》也強調(diào)，結構性貨幣政策應該發(fā)揮“信號和結構引導”作用，而不應成為長期工具；同時還需要注意過度使用結構性貨幣政策可能存在的三個問題，即銀行信貸數(shù)據(jù)的真實性可能被影響、市場決定資金流向的作用可能受到削弱，以及準備金工具使用的統(tǒng)一性被打破。

新冠肺炎疫情暴發(fā)后，中國人民銀行更加重視結構性貨幣政策工具的調(diào)控作用。除采用前述工具外，2021年，中國人民銀行創(chuàng)設了碳減排支持工具和支持煤炭清潔高效利用專項再貸款。2022年，結構性貨幣政策工具擴展到了科技創(chuàng)新、普惠養(yǎng)老、交通物流、設備更新、收費公路、民營企業(yè)債券融資支持以及保交樓貸款支持等領域。

中國人民銀行貨幣政策司在官網(wǎng)上對結構性貨幣政策的介紹指出：“近年來，人民銀行認真貫徹落實黨中央、國務院決策部署，發(fā)揮好貨幣政策工具的總量和結構雙重功能，圍繞支持普惠金融、綠色發(fā)展、科技創(chuàng)新等國民經(jīng)濟重點領域和薄弱環(huán)節(jié)，服務經(jīng)濟高質(zhì)量發(fā)展，逐步構建了適合我國國情的結構性貨幣政策工具體系”。

可以看出，中國人民銀行致力于通過“精準滴灌”的方式，積極支持經(jīng)濟增長并保持金融穩(wěn)定，這充分反映了中國人民銀行與中央經(jīng)濟部署保持高度一致的態(tài)勢。

我們在表1總結中國人民銀行歷年實施的結構性貨幣政策工具和主要特征。

可以看到，中國結構性貨幣政策工具既有長期性工具，如再貸款、再貼現(xiàn)和抵押補充貸款等，也有短到一個季度的階段性工具。

從支持的領域看，結構性貨幣政策工具從支持“三農(nóng)”、支持中小微企業(yè)，擴展到支持綠色發(fā)展、普惠養(yǎng)老和收費公路等多個領域。

從政策目標對象看，近年來國有銀行、政策性銀行和全國性商業(yè)銀行比農(nóng)村商業(yè)銀行、農(nóng)村合作銀行和村鎮(zhèn)銀行等農(nóng)村金融機構更有可能成為目標銀行。當然，近年來的政策也更強調(diào)了激勵相容性，以確保金融機構加大對定向領域的支持。

表 1 中國結構性貨幣政策

來源：由作者根據(jù)中國人民銀行貨幣政策司發(fā)布的結構性貨幣政策介紹整理。

我們匡算了中國結構性貨幣政策釋放的流動性的規(guī)模。由于中國人民銀行最新的官方介紹不再將定向降準被列入結構性貨幣政策，我們提供了寬窄兩種統(tǒng)計口徑，其中窄口徑包括再貸款、再貼現(xiàn)、抵押補充貸款以及其他支持工具余額；寬口徑則是在窄口徑的基礎上加入定向降準釋放的流動性。

我們按照以下步驟計算定向降準釋放的流動性。

第一步是收集歷次定向降準的官方公告或新聞報道，并從中獲得估算的定向降準釋放的流動性。

第二步，只要中國人民銀行未宣布提高金融機構的存款準備金率，目標金融機構就可以繼續(xù)享受定向降準政策，因此假定后續(xù)年份中也釋放了當次定向降準對應的流動性。

第三步，因為定向降準的政策目標是緩解中小微企業(yè)的融資困難，所以我們以真正流向中小微企業(yè)的貸款作為結構性貨幣政策釋放的流動性。官方數(shù)據(jù)顯示，中小微企業(yè)貸款約占企業(yè)貸款總額的71%。因此，我們使用定向降準釋放流動性的71%來估算中小微企業(yè)貸款的實際增長。

我們從兩個角度計算結構性貨幣政策工具的相對份額，一是計算寬窄口徑的結構性貨幣政策規(guī)模占基礎貨幣的比重（圖1）；二是其占貸款余額的比重（圖2）。

圖1顯示，2014年之前，兩種統(tǒng)計口徑下的結構性貨幣政策相對于基礎貨幣占比均不到2%。2015年，結構性貨幣政策占比躍升至5.4%（窄口徑）和13.7%（寬口徑），并且近年來穩(wěn)步增長。截至2022年底，寬窄口徑結構性貨幣政策相對于基礎貨幣的占比分別達到27.9%和17.9%。按照寬口徑看，結構性貨幣政策占基礎貨幣的比重在八年內(nèi)就增長到了接近30%。

圖1 結構性貨幣政策工具占基礎貨幣比例：2010-2022

注：窄口徑結構性貨幣政策占比是表1中第1項（1.1-1.7）、第2項和第3項的總和，除以當年基礎貨幣。寬口徑結構性貨幣政策是窄口徑加第4項*71%（即中小微企業(yè)貸款占企業(yè)貸款總額的比例）的總和，除以當年基礎貨幣。

來源：Wind，定向降準官方公告和新聞報道，由作者計算。

另一方面，結構性貨幣政策工具在貸款余額中所占比重較低。圖2顯示，2014年之前，結構性貨幣政策工具相對于貸款余額占比不足1%，2019年，結構性貨幣政策工具占比略超過3%（窄口徑）和5%（寬口徑）。然而，自2021年第一季度以來，結構性貨幣政策工具的份額開始下降。盡管2021年和2022年推出了多種新的結構性貨幣政策工具，但截至2022年第四季度，結構性貨幣政策工具占比下降至3%（窄口徑）和4.7%（寬口徑）。

圖2 結構性貨幣政策工具占貸款余額比例：2010-2022

注：窄口徑結構性貨幣政策占比是表1中第1項（1.1-1.7）、第2項和第3項的總和，除以當年貸款余額。寬口徑結構性貨幣政策是窄口徑加第4項*71%（即中小微企業(yè)貸款占企業(yè)貸款總額的比例）的總和，除以當年貸款余額。

來源：Wind，定向降準官方公告和新聞報道，由作者計算。

圖3展示了結構性貨幣政策工具相對份額的變化。

2014年，支農(nóng)再貸款、支小再貸款和再貼現(xiàn)的總占比超過70%，而抵押補充貸款占比約為30%。自2015年起，定向降準和抵押補充貸款成為占比最大的政策工具。新冠疫情暴發(fā)后，支農(nóng)再貸款、支小再貸款的占比增加，而抵押補充貸款的占比下降。2022年，其他領域的再貸款迅速增加，算上支農(nóng)再貸款和支小再貸款，再貸款政策在結構性貨幣政策工具中占比逐漸上升至20%。2022年底，結構性貨幣政策工具按照規(guī)模排序為定向降準、抵押補充貸款、再貸款和再貼現(xiàn)。

圖3 結構性貨幣政策工具的相對份額：2014 - 2022

圖4進一步展示了截至2022年第四季度末各項結構性貨幣政策工具的余額。該圖分為左右兩部分，左半部分代表在2022年之前就已經(jīng)存在的工具，右半部分記錄了2022年以來首次出現(xiàn)的工具。

其中，定向降準余額為34529億元，是規(guī)模最大的結構性貨幣政策工具，其次是抵押補充貸款、支小再貸款、支農(nóng)再貸款和再貼現(xiàn)。雖然2022年共推出7種新的結構性貨幣政策工具，但其總貸款余額僅略高于7000億元。

圖4 央行結構性貨幣政策工具余額

（截至2022年4季度末）

文獻綜述

一、中國結構性貨幣政策的有效性

我們根據(jù)結構性貨幣政策工具的類型，簡要介紹國內(nèi)主要的關于結構性貨幣政策的研究。曹崇福（2007）是較為早期的研究，他使用了寧夏回族自治區(qū)三個農(nóng)村合作社的支農(nóng)再貸款數(shù)據(jù)，發(fā)現(xiàn)支農(nóng)再貸款在該地區(qū)具有需求拉動和供給推動的雙重積極效應。該文也指出政策可能存在的問題，如農(nóng)村信用社將承擔所有信貸風險，導致貸款激勵不足，從而削弱政策效果；如農(nóng)村信用社而不是農(nóng)民更多從政策中獲利；再如存在挪用再貸款資金的風險等。

彭俞超和方意(2016)使用理論模型分析數(shù)量型和價格型的結構性貨幣政策能否促進產(chǎn)業(yè)升級和經(jīng)濟穩(wěn)定?；谪惾~斯參數(shù)估計和數(shù)值模擬分析，他們發(fā)現(xiàn)結構性貨幣政策可以通過調(diào)整信貸結構來促進產(chǎn)業(yè)升級，主要的傳導機制是降低金融機構的運營成本。歐陽志剛和薛龍（2017）的研究對象是常備借貸便利（SLF）和中期借貸便利（MLF）等政策工具，他們發(fā)現(xiàn)結構性貨幣政策對特定行業(yè)有一定的影響。值得注意的是，研究結果表明結構性貨幣政策對采礦、電力、房地產(chǎn)、交通運輸?shù)刃袠I(yè)的影響最為顯著，但這些行業(yè)并非結構性貨幣政策主要希望支持的實體經(jīng)濟部門。

對于定向降準的有效性，郭曄等（2019）運用雙重差分法( DID)，發(fā)現(xiàn)2014年實施的定向降準對農(nóng)業(yè)和小微企業(yè)等弱勢部門的信貸資源產(chǎn)生了積極的影響?？讝|民等（2021）則采用斷點回歸方法，發(fā)現(xiàn)2014年的定向降準對中小微企業(yè)的貸款可得性和商業(yè)信用具有顯著的正向影響。他們的研究都以2014年的定向降準政策為研究對象，使用時間虛擬變量表示政策前后。

可能是囿于數(shù)據(jù)可得性，郭曄等（2019）使用上市公司和新三板企業(yè)作為研究對象，但能夠上市的企業(yè)往往已經(jīng)具備一定規(guī)模?？讝|民等（2021）使用商業(yè)信用與總資產(chǎn)的比值來估算企業(yè)借貸水平，如果高于中位數(shù)則貸款可得性被視之為增加，可以看到，可能也是受限于數(shù)據(jù)可得性，該文對中小微企業(yè)貸款可得性的度量是間接的。

二、結構性貨幣政策的國際文獻

央行實施結構性貨幣政策存在兩方面的爭議。

首先，傳統(tǒng)貨幣政策工具在具有普適性的同時也具有調(diào)整經(jīng)濟結構的作用。現(xiàn)有國際文獻記載了傳統(tǒng)貨幣政策工具對消費(Cloyne et al, 2020, Holm et al, 2022)、收入(Guvenen et al., 2014; Patterson, 2022)、抵押貸款(Cloyne et a, 2020; Wong, 2021)和資產(chǎn)價格(Bernanke & Kuttner,2005; Chodorow-Reich et al., 2021; Iacoviello, 2005)等領域均產(chǎn)生了再分配效應，這就讓是否一定要采用結構性貨幣政策來調(diào)結構，成為一個值得權衡的問題。

其次，使用結構性貨幣政策可能會弊大于利。目前的國際文獻對結構性貨幣政策的有效性雖然沒有得到一致結論，但普遍看法是應謹慎使用。一些研究表明，結構性貨幣政策具有積極效果，如LSAP降低了美國國債長期收益率(Gagnon et al.’s, 2010)、量化寬松降低了英國債券利率(Joyce et al., 2011)以及非常規(guī)貨幣政策可以通過降低收益率和長期利率來刺激經(jīng)濟(Neely, 2015)。

然而，不少研究反對結構性貨幣政策的過度使用。這是因為從短期來看，結構性貨幣政策可能無效。例如，美聯(lián)儲購買抵押支持債券（MBS）對國債利差的影響并不顯著（Stroebel和Taylor，2012），量化寬松政策也可能是無效的（Curdia和Woodford，2011）。從長期來看，實施結構性貨幣政策可能造成市場扭曲。例如，降準政策可能引發(fā)通貨膨脹（Borio和Zabai，2018）。

國際清算銀行（BIS, 2009）指出，結構性貨幣政策應被視為在緊急情況下使用的特殊工具，并強調(diào)了制定結構性貨幣政策退出策略的必要性。BIS (2009) 和 Borio (2008)均認為，盡管提前退出結構性貨幣政策可能會阻礙初期的經(jīng)濟復蘇，但延遲退出風險更高，導致市場力量削弱、競爭環(huán)境扭曲，積累新一輪的金融失衡或通貨膨脹。

雖然發(fā)達國家和中國在2008年金融危機和2020年新冠疫情期間都使用了結構性貨幣政策，但目標有所不同。發(fā)達國家使用結構性貨幣政策主要是因為傳統(tǒng)貨幣政策傳導機制不暢，而中國的結構性貨幣政策被賦予了引導實體經(jīng)濟的調(diào)控作用。

就結構性貨幣政策的有效性而言，國外的研究更為謹慎，側(cè)重于制定結構性貨幣政策的退出策略。而近年來的中國文獻更強調(diào)結構性貨幣政策的積極正面作用。

總體而言，目前的文獻缺乏對中國結構性貨幣政策工具的全面梳理，也缺少討論其有效性和可持續(xù)性的框架。本文旨在提供這一框架并評估近年來的政策有效性。

基于定向降準評估結構性貨幣政策的有效性

一、識別策略

要識別出政策工具的效果，需要細致研究每種結構性貨幣政策工具的特點。

首先，雖然抵押補充貸款規(guī)模一直占據(jù)重要地位，但發(fā)放對象只包括三家政策性銀行（表1），并且主要服務于基礎設施相關的項目。因此，評估結構性貨幣政策對商業(yè)銀行中小微企業(yè)貸款的影響時，可以不考慮抵押補充貸款。

第二，再貼現(xiàn)政策的相對份額長期穩(wěn)定，控制時間固定效應可以排除其影響。

接下來，我們對再貸款和定向降準進行梳理，這兩種工具的政策目標都包括促進中小微企業(yè)貸款。而且2014年實施的定向降準和支小再貸款，發(fā)放對象都包括了城市商業(yè)銀行，這種情況下，城市商業(yè)銀行信貸情況的變化，既可能是由于定向降準，也可能是由于再貸款導致，采用這一時期的定向降準為研究對象，需要假定再貸款影響比較穩(wěn)定。

進一步的梳理顯示出，再貸款和定向降準的目標銀行在2019年之后存在差異。其中，新創(chuàng)設的再貸款主要針對大型金融機構，而定向降準一直涵蓋城市商業(yè)銀行和農(nóng)村合作社、農(nóng)村商業(yè)銀行、農(nóng)村合作銀行等農(nóng)村金融機構。

2014年，定向降準釋放的流動性約為2100億元。2015年是定向降準歷史上最重要的一年，中國人民銀行在2月、4月、6月、8月和10月多次宣布定向降準，向市場注入了約3萬億元的流動性。2018年7月，中國人民銀行再次宣布了定向降準，釋放了約7000億元的流動性。2019年9月，中國人民銀行宣布對農(nóng)信社、農(nóng)商行、村鎮(zhèn)銀行和僅在省級行政區(qū)域內(nèi)經(jīng)營的城市商業(yè)銀行定向降準1個百分點，釋放約1000億元的流動性。2020年4月，中國人民銀行再次宣布對農(nóng)信社、農(nóng)商行、村鎮(zhèn)銀行和僅在省級行政區(qū)域內(nèi)經(jīng)營的城市商業(yè)銀行定向降準1個百分點，釋放約4000億元的流動性。

如果以2019年和2020年的定向降準為研究目標，那么該政策工具對城市商業(yè)銀行中小微企業(yè)貸款的影響不會受到再貸款政策的干擾。我們可以將僅在省級行政區(qū)域內(nèi)經(jīng)營的城市商業(yè)銀行作為實驗組，將跨省經(jīng)營的城市商業(yè)銀行作為控制組，通過因果推斷來探究結構性貨幣政策對中小微企業(yè)貸款的影響。

二、數(shù)據(jù)，變量和模型

我們從Wind數(shù)據(jù)庫中的銀行財務報表獲得銀行資產(chǎn)規(guī)模、不良率、一級資本充足率等指標，并使用月度銀行層面貸款數(shù)據(jù)來評估定向降準對城市商業(yè)銀行中小微企業(yè)貸款的影響。

本文樣本為2019年1月至2021年9月114家城市商業(yè)銀行數(shù)據(jù)，其中73家僅在省級行政區(qū)域內(nèi)經(jīng)營，屬于實驗組；41家跨省經(jīng)營，屬于控制組。

本文首先采用雙重差分法來估計模型：