三、實(shí)證結(jié)果

我們?cè)诒?中報(bào)告了使用完整樣本評(píng)估的2019年9月定向降準(zhǔn)對(duì)中小微企業(yè)貸款的影響，并且進(jìn)一步將中小微企業(yè)分為小微企業(yè)（第2列）和中型企業(yè)（第3列）。

盡管中小微企業(yè)貸款和小微企業(yè)貸款關(guān)鍵解釋變量（Post*Treat）的估計(jì)系數(shù)為正，但統(tǒng)計(jì)上并不顯著。因此，定向降準(zhǔn)并未有效激勵(lì)城市商業(yè)銀行向中小微企業(yè)提供更多貸款，無(wú)論是中小微企業(yè)，還是小微企業(yè)和中型企業(yè)。

表2還顯示，不良貸款率和核心一級(jí)資本充足率較高的銀行更不愿意向中小微企業(yè)貸款。中小微企業(yè)和小微企業(yè)的平行趨勢(shì)檢驗(yàn)均被拒絕，只有中型企業(yè)的平行趨勢(shì)檢驗(yàn)未被拒絕，因此雙重差分法的發(fā)現(xiàn)可能并不穩(wěn)健。

表2 定向降準(zhǔn)對(duì)中小微企業(yè)信貸可得性的影響：

2019年9月政策

注：括號(hào)中為標(biāo)準(zhǔn)差；*p<0.10，**p<0.05，***p<0.01，分別表示在10%，5%和1%的顯著性水平上顯著。所有回歸均控制了個(gè)體和時(shí)間固定效應(yīng)。

此外，評(píng)估的政策期過(guò)長(zhǎng)可能會(huì)導(dǎo)致短期內(nèi)政策出現(xiàn)的顯著性被抵消。而且，樣本期內(nèi)發(fā)生了兩次定向降準(zhǔn)，使用全樣本可能會(huì)混淆政策效果。

因此我們采用另外兩組回歸進(jìn)行穩(wěn)健性檢驗(yàn)：分別計(jì)算政策實(shí)施后兩個(gè)月至六個(gè)月的政策效果。

表3報(bào)告了2019年定向降準(zhǔn)政策后從兩個(gè)月到六個(gè)月等不同窗口期影響，其中不同行報(bào)告了不同窗口期的平均處理效應(yīng)?？梢钥吹?，在兩個(gè)月到六個(gè)月的窗口期內(nèi)，2019年定向降準(zhǔn)未對(duì)中小微企業(yè)貸款產(chǎn)生顯著影響（第（1）列）。進(jìn)一步細(xì)分樣本為小微企業(yè)貸款（第（2）列）和中型企業(yè)貸款（第（2）列），仍未發(fā)現(xiàn)顯著影響。

表3 定向降準(zhǔn)對(duì)中小微企業(yè)信貸可得性的短期影響：

2019年9月政策

注：括號(hào)中為標(biāo)準(zhǔn)差；*p<0.10，**p<0.05，***p<0.01，分別表示在10%，5%和1%的顯著性水平上顯著。所有回歸均控制了個(gè)體和時(shí)間固定效應(yīng)。

表4報(bào)告了2020年4月定向降準(zhǔn)政策實(shí)施后，兩個(gè)月到六個(gè)月等不同窗口期的影響。類似的，政策實(shí)施后兩個(gè)月至六個(gè)月內(nèi)，定向降準(zhǔn)政策對(duì)中小微企業(yè)、小微企業(yè)和中型企業(yè)的貸款占比均未產(chǎn)生顯著正向影響。

表4 定向降準(zhǔn)對(duì)中小微企業(yè)信貸可得性的短期影響：

2020年4月政策

注：括號(hào)中為標(biāo)準(zhǔn)差；*p<0.10，**p<0.05，***p<0.01，分別表示在10%，5%和1%的顯著性水平上顯著。所有回歸均控制了個(gè)體和時(shí)間固定效應(yīng)。

上述實(shí)證結(jié)果需要應(yīng)對(duì)兩方面的質(zhì)疑。

一是本文目前報(bào)告的是平均處理效應(yīng)，但政策對(duì)不同銀行的影響可能存在差異。比如，定向降準(zhǔn)可能會(huì)對(duì)一些銀行產(chǎn)生顯著的正向影響，但這些影響在平均處理效應(yīng)中被相互抵消，因此結(jié)果不顯著。

二是基于DID的發(fā)現(xiàn)的可信度取決于平行趨勢(shì)假設(shè)是否成立，但上述文中平行趨勢(shì)假定對(duì)應(yīng)的檢驗(yàn)的發(fā)現(xiàn)并不總是支持該假定，因此DID可能并不穩(wěn)健。

因此，我們使用Hsiao, Ching and Wan (2012)提出的面板數(shù)據(jù)方法(PDA)評(píng)估政策影響，對(duì)實(shí)驗(yàn)組87家城市商業(yè)銀行的政策效果進(jìn)行逐一估計(jì)，以便充分觀察政策效果的異質(zhì)性。PDA方法不依賴于平行趨勢(shì)假定，并且可以觀察到每一個(gè)微觀個(gè)體的政策效果，因此可以充分解決上述問(wèn)題。

我們采用排序方法進(jìn)行統(tǒng)計(jì)推斷：我們以控制組的銀行作為安慰組，估計(jì)如果這些銀行實(shí)際得到了定向降準(zhǔn)額外釋放的流動(dòng)性，是否會(huì)增加中小微企業(yè)貸款，并將這些安慰組的結(jié)果與實(shí)際結(jié)果進(jìn)行比對(duì)。

在圖5中，我們報(bào)告了實(shí)驗(yàn)組4家資產(chǎn)規(guī)模最大的城市商業(yè)銀行的結(jié)果。由于實(shí)驗(yàn)組銀行的政策效果（黑色）混雜在安慰組（淺灰）中難以區(qū)分，因此政策效果統(tǒng)計(jì)上都不顯著。

圖5 定向降準(zhǔn)對(duì)中小微企業(yè)信貸可得性影響的

穩(wěn)健性檢驗(yàn)：2020年4月

結(jié)合雙重差分法和面板數(shù)據(jù)方法，我們發(fā)現(xiàn)2019年和2020年的定向降準(zhǔn)并沒(méi)有顯著促進(jìn)中小微企業(yè)貸款的增長(zhǎng)。這種不顯著，對(duì)估計(jì)方法中平行趨勢(shì)假定是否成立穩(wěn)健，也對(duì)不同銀行的異質(zhì)性影響穩(wěn)健。

結(jié)論

結(jié)構(gòu)性貨幣政策是一項(xiàng)貨幣政策創(chuàng)新，中國(guó)人民銀行在該政策工具的啟動(dòng)時(shí)間、應(yīng)用的政策工具的種類和總規(guī)模等方面，均處于創(chuàng)新前沿。由于在農(nóng)業(yè)、中小微企業(yè)、創(chuàng)新等領(lǐng)域，傳統(tǒng)貨幣政策的傳導(dǎo)機(jī)制似乎不太有效，中國(guó)人民銀行希望通過(guò)“精準(zhǔn)滴灌”來(lái)支持這類活動(dòng)。其他全球主要央行也采取了類似的措施，但大多數(shù)是用于危機(jī)時(shí)期應(yīng)對(duì)貨幣政策傳導(dǎo)不暢問(wèn)題。

中國(guó)人民銀行2014年首次正式啟動(dòng)結(jié)構(gòu)性貨幣政策工具支持中小微企業(yè)時(shí)，對(duì)其適用性特別是涵蓋范圍和持續(xù)時(shí)間方面持謹(jǐn)慎態(tài)度；但隨著時(shí)間的推移，結(jié)構(gòu)性貨幣政策工具成為近年來(lái)的政策重點(diǎn)，也成為中國(guó)人民銀行的主要政策成就。

本研究的估計(jì)顯示，截至2022年底，結(jié)構(gòu)性貨幣政策相對(duì)于基礎(chǔ)貨幣的占比達(dá)到17.9%（窄口徑）和27.9%（寬口徑）。近年來(lái)，結(jié)構(gòu)性貨幣政策的支持領(lǐng)域也迅速多樣化。

這就引出了中國(guó)人民銀行結(jié)構(gòu)性貨幣政策是否成功的問(wèn)題，這需要從兩個(gè)角度探討，一是有效性，另一個(gè)是可持續(xù)性。有效性由中央銀行的監(jiān)管和執(zhí)行能力決定，但由于銀行必須基于信用風(fēng)險(xiǎn)分析來(lái)分配資金，央行的監(jiān)督并不容易推行。而對(duì)可持續(xù)性而言，如果沒(méi)有中央銀行或政府額外提供的財(cái)政補(bǔ)貼，政策效果也是難以維系的。

如果銀行能按照當(dāng)前市場(chǎng)條件向目標(biāo)行業(yè)提供足夠的信貸，那么就不需要執(zhí)行結(jié)構(gòu)性貨幣政策。因此，從本質(zhì)上來(lái)說(shuō)，結(jié)構(gòu)性貨幣政策是政策性貸款，其成本必須由中央銀行或商業(yè)銀行承擔(dān)。這可能就是為什么其他主要中央銀行的結(jié)構(gòu)性貨幣政策，大多是暫時(shí)的“危機(jī)應(yīng)對(duì)”措施。

本文不僅對(duì)中國(guó)的結(jié)構(gòu)性貨幣政策進(jìn)行全面梳理、介紹主要政策工具并估算其總規(guī)模，還以定向降準(zhǔn)工具為案例研究對(duì)象，研究銀行信貸是否流向了定向扶持的領(lǐng)域?？傮w而言，2019年和2020年的定向降準(zhǔn)政策均未顯著提升中小微企業(yè)貸款。

需要注意的是，定向降準(zhǔn)已不再被官方列為中國(guó)人民銀行實(shí)施的結(jié)構(gòu)性貨幣政策工具。當(dāng)然，可能是因?yàn)楦子诒O(jiān)管，抵押補(bǔ)充貸款等更為直接的結(jié)構(gòu)性貨幣政策可能更容易產(chǎn)生預(yù)期的政策效果，但此時(shí)結(jié)構(gòu)性貨幣政策與財(cái)政政策并沒(méi)有太大的區(qū)別。因此，在金融危機(jī)或新冠疫情等困難時(shí)期，使用結(jié)構(gòu)性貨幣政策可能才更為合適。

要推測(cè)結(jié)構(gòu)性貨幣政策工具對(duì)銀行資產(chǎn)負(fù)債表的影響可能并不是太困難，當(dāng)然，更細(xì)致的結(jié)果需要結(jié)合銀行貸款數(shù)據(jù)和財(cái)務(wù)數(shù)據(jù)實(shí)證分析。盡管銀行的平均不良貸款率保持相對(duì)穩(wěn)定，但2020年至2022年間商業(yè)銀行每年仍注銷了超過(guò)1萬(wàn)億元的不良貸款。不良資產(chǎn)上升雖然會(huì)受到多重因素的影響，但疫情期間實(shí)施的包括結(jié)構(gòu)性貨幣政策在內(nèi)的促進(jìn)中小微企業(yè)貸款的各項(xiàng)政策，恐怕是不能忽視的重要因素。

由于不少結(jié)構(gòu)性貨幣政策本質(zhì)是政策性貸款，故而負(fù)面的財(cái)務(wù)影響本身可能不是問(wèn)題，而真正的問(wèn)題在于多少成本恰當(dāng)，以及誰(shuí)應(yīng)該來(lái)承擔(dān)。

我們認(rèn)為，在特定情況和特定目的下，結(jié)構(gòu)性貨幣政策是有用的創(chuàng)新。但當(dāng)其達(dá)到基礎(chǔ)貨幣的四分之一的規(guī)模的時(shí)候，就需要仔細(xì)研究該政策是否成功。在實(shí)施結(jié)構(gòu)性貨幣政策時(shí)，不能忘記貨幣政策的主要使命，并嚴(yán)格評(píng)估結(jié)構(gòu)性貨幣政策的有效性。此外，對(duì)結(jié)構(gòu)性貨幣政策的規(guī)模也要保持謹(jǐn)慎，并在一開(kāi)始就制定明確的退出策略。

閱讀全文

本文系觀察者網(wǎng)獨(dú)家稿件，文章內(nèi)容純屬作者個(gè)人觀點(diǎn)，不代表平臺(tái)觀點(diǎn)，未經(jīng)授權(quán)，不得轉(zhuǎn)載，否則將追究法律責(zé)任。關(guān)注觀察者網(wǎng)微信guanchacn，每日閱讀趣味文章。