“以税增信”是否有助于小微...来自“银税互动”政策的证据_杨龙见.pdf

“ 以税增信” 是否有助于小微企业贷款?* 来自“ 银税互动” 政策的证据杨龙见吴斌珍李世刚彭凡嘉内容提要: 小微企业融资难融资贵是世界性难题， 中国尝试将企业“纳税信用” 转化为 “融资信用” ， 以数据互联共享和税务信用贷款为基础来缓解这一难题， 实施推广了“银税互动” 政策。本文基于 20152017 年浙江省的小微企业月度动态调查数据库， 考察了银税互动政策对小微企业融资的影响。研究发现， 该政策显著提高了小微企业平均的银行贷款可得性与贷款额度， 贷款成本的下降在开展初期并不显著， 在后期有所显现。享受这一政策红利的主体是小型企业， 微型企业平均而言没有明显受益， 但其内部的信贷分配有显著变化; 银税互动信贷配给更偏向政策前无贷款、 流动资金不足的企业; 纳税信用评级为 A、 纳税额高的企业更容易受益。此外， 银税互动的效果随银行密度和银企距离显著变化， 意味着银税互动政策的效果与降低信息不对称和交易成本有关。政策效果还会随当地经济发展而变化。这些发现为“以税增信” 这一新思路以及政策实践的可行性提供了事实依据和完善方向。关键词: 银税互动小微企业贷款纳税信用融资成本信用贷款*杨龙见， 中央财经大学财政税务学院， 邮政编码: 100081， 电子信箱: longkong001126 com; 吴斌珍( 通讯作者) ， 清华大学经济管理学院， 邮政编码: 100084， 电子信箱: wubzh sem tsinghua edu cn; 李世刚， 中山大学国际金融学院， 邮政编码: 519082， 电子信箱: lishigang mail sysu edu cn; 彭凡嘉， 北京大学经济学院， 邮政编码: 100871， 电子信箱: pengfj2020 econ pku edu cn。本研究是北京高校高精尖学科 “金融安全工程” 2020 年度应急项目 “新冠疫情冲击下的中国金融安全研究” 、 中央财经大学科研创新团队支持计划项目、 国家自然科学基金面上项目( 72073079) 和国家自然科学基金青年项目( 71803199) 的阶段性成果。作者感谢匿名审稿专家以及田彬彬、 詹新宇、 俞剑、 陈思、 项君怡等给予的宝贵建议， 文责自负。资料来源: http: / /www gov cn/zhengce/2018 06/19/content_5299572 htm。资料来源: https: / /www sohu com/a/251540739_115495?_f = index_chan15news_213， http: / /www xinhuanet com/2019 10/30/c_1125171296 htm; http: / /finance china com cn/roll/20170726/4324098 shtml。一、引言小微企业是我国经济发展中的一支重要支撑力量， 在推动国民经济增长、 技术创新等方面具有不可替代的作用。截至2017 年， 小微企业( 含个体工商户) 法人约有9000 万户， 中小微企业占全部市场主体的比重超过 90%， 贡献了全国 80% 以上的就业， 70% 以上的发明专利， 60% 以上的 GDP和 50%以上的税收。然而， 融资难和融资贵问题一直困扰着小微企业发展。2017 年末， 小微企业贷款余额为 30. 7 万亿元， 仅占银行贷款总余额的 24. 7%; 38. 8%的小型企业和 40. 7% 的微型企业融资需求得不到满足。小微企业平均在成立 4 年零 4 个月后才获得第一笔贷款， 但是小微企业的平均寿命却只有 3 年左右。由于难以从正规金融机构得到贷款， 小微企业只能转向成本更高的民间金融。2016 年小微工业企业民间借贷的年化利率约为 18. 6%， 为正规金融机构贷款利率的 3 倍左右。实际上， 小微企业融资问题是一个世界性难题， 各国都出台了多种解决方案， 包括鼓励中小型69杨龙见等 : “以税增信” 是否有助于小微企业贷款?金融机构发展、 发展多层次资本市场、 成立小企业管理局提供贷款担保、 直接发放小额贷款等， 但效果大都不够理想。小微企业融资难题源于两大症结: 信息不对称和交易成本高( 相对于单笔收益) 。传统的解决思路大多强调中小金融机构的作用， 并沿用“高成本获取信息、 重抵押轻信用、 个性化贷款审批” 的模式( Banerjee et al， 1994; 林毅夫和李永军， 2001; 刘畅等， 2017) 。中国也不例外。这一模式没有有效解决单笔交易成本过高的问题。在倡导数据互联共享、 鼓励金融服务金融科技创新的背景下， 中国在2015 年前后推出了 “银税互动” 政策( 下文简称银税互动) 。该政策允许银行获取沉淀在税务部门的企业纳税信息， 通过数据互联共享达到低成本减少银企间信息不对称的目的。同时该政策鼓励银行发放免抵押免担保的基于税收信用的贷款， 并强调基于电子化自动化的贷款模型和线上数据直联， 来实现便捷快速的线上申请和办贷。这些政策使得小微企业贷款的规模化成为可能， 进而可能大幅降低单笔贷款的交易成本。在缓解小微企业融资的两大症结时， 银税互动跳出了传统政策的思路和模式， 强调“ ( 信息) 低成本、 重信用( 轻抵押) 、 规模化( 低交易成本) ” 。然而， 银税互动能否真正有效缓解小微企业融资难、 融资贵的问题?这是一个亟待回答的实证问题。具体地， 当银行获得了可靠的企业税务信息且交易成本下降时， 银行给予小微企业的信贷是否会增加， 成本是否会下降， 信贷配置的结构是否会变化?是流向资金比较充裕的企业( 锦上添花) ， 还是流向资金紧缺的企业( 雪中送炭) ?是择优式地流向了纳税信用评级高或财务指标更好的企业， 还是普惠式地覆盖了各类企业?现有文献都还没有对这些问题给出答案。实际上， 关于信息不对称和交易成本在多大程度上抑制了正规金融给小微企业贷款的实证研究还很少。中国政府推行的 “银税互动” 政策提供了一个好的契机来帮助回答这个问题。但受数据所限， 银税互动对小微企业融资影响的定量研究还属空白。已有研究几乎都是定性的， 且结论并不统一( 王雄元和张春强， 2013; 马健铨， 2018) 。本文利用 20152017 年浙江省的小微企业动态调查数据库( 月度) 及国家税务总局企业纳税信用查询数据库， 定量分析了银税互动政策的实施效果。而且， 本文利用浙江各个地市在银税互动政策实施力度上的差异， 构建双重差分框架来分析。首先， 从整体上分析了银税互动对小微企业贷款可得性、 贷款规模以及贷款成本的平均影响。结果显示银税互动显著提高了小微企业平均的贷款可得性和贷款额度。就平均效果而言， 融资成本在政策实施初期并未显著降低。其次， 分析了银税互动政策对贷款分配结构的影响， 发现政策的红利主要由小型企业享受， 微型企业平均而言没有明显受益， 但是其信贷分配受到了显著影响。同时， 银税互动使资金更多流向了政策实施前无贷款、 流动资金短缺的企业， 而且大部分企业财务指标并没有影响银税互动贷款的流向。贷款更多流向了 A 级纳税信用企业和纳税额比较高的企业， 说明政策强化了纳税信用对贷款的影响。本文关于机制分析的结果支持银税互动的效果和改善信息不对称、 降低交易成本有关。而且， 政策效果还会随当地经济发展而变化。总体上看， 银税互动政策的实践效果与政策设计初衷相符。与已有文献相比， 本文的贡献主要体现在以下三个方面。第一， 本文使用了较新的小微企业数据， 首次对银税互动政策效果进行了严谨的定量评估。第二， 本文不仅关注了银税互动政策的平均效果， 还进一步考察了银税政策对信贷分配结构的影响。第三， 本文分析了银税互动政策产生效果的底层机制， 提供了支持银税互动政策能够降低信息不对称和交易成本的证据。这些发现说明了“以税增信” 思路的可行性， 为以数据互联共享和税务信用贷款为基础， 解决小微企业融资难题的政策实践提供了事实依据和完善方向。792021 年第 7 期中国有很多针对小微企业的贷款措施， 比如流动资金贷款、 经营性抵押贷款、 担保贷款、 外汇质押贷款、 单位定期存单质押贷款、 供应链融资等， 虽然这些贷款模式都在小微企业融资中大力推广过， 但效果也比较有限。二、制度背景和银税互动的影响机理小微企业融资困境的主要原因在于， 银企之间的信息不对称和交易成本高( 贷款单笔收益率低) 。首先， 信息不对称来源于小微企业的财务制度和管理不规范， 缺乏可信的财务报表等信息，导致正规金融机构难以识别企业的质量( 林毅夫和孙希芳， 2005) 。因为信息不对称导致的逆向选择问题( Crawford et al， 2018) ， 引发了道德风险， 金融机构会因此索要更高的风险溢价( Sengupta，1998; 屈文洲等， 2011) 。这些恶性循环会把质量较高的小微企业排斥在正规金融市场之外。其次， 交易成本高来源于银行发放贷款中的固定支出。小微企业贷款额较小， 但是金融机构的受理、获取信息、 审查、 监控成本却没有同比例下降， 导致金融机构给予小微企业的贷款利润率很低甚至亏损。因此， 金融机构要么选择不给小微企业贷款， 要么提高价格， 进一步加剧了小微企业融资难和融资贵的问题。如何解决小微企业融资难和融资贵的问题?很多研究主要从信息中介和金融机构调整的角度出发。中小金融机构在为小微企业提供贷款服务时具有成本和信息的双重优势， 因此， 推动中小型金融机构发展是重要的改革方向( Banerjee et al， 1994; 林毅夫和李永军， 2001; 刘畅等， 2017) 。各地在实践中也纷纷强调金融机构的基层化、 本地化， 进而获得更多信息， 减少信息不对称。比如， 追加审查 “三品三表” 、 利用人熟、 地熟的优势引入社会资本、 加大基层信贷员与企业的沟通等。然而， 这些政策依然没有跳出关系型融资， 以及 “高成本、 重抵押轻信用、 个性化” 的模式， 导致大部分小微企业依然面临融资难和融资贵问题。整体上看， 这些传统方式没有对交易成本给予足够的重视， 由各个银行自己收集更多企业“内部” 信息不仅意味着交易成本的增加， 而且这些信息具有“垄断” 性， 很难低价传递给其他银行使用。并且， 银行内部长期积累的企业主特点、 产品以及社会关系网等非标准化信息， 存在不易观察、 不易证实的特点。2015 年 7 月 30 日， 国家税务总局、 银监会联合印发关于开展“银税互动” 助力小微企业发展活动的通知 ( 下文简称 通知 ) ， 要求税务部门、 银监会派出机构和银行共享企业的纳税信用， 在依法合规和企业授权的情况下， 将企业的部分纳税信息提交给银行。银行利用这些信息， 对于符合贷款条件的守信优质小微企业， 要优化贷款审批程序， 简化贷款手续， 提高贷款审批效率， 加大信贷支持力度， 扩大信用贷款业务， 并要求各省( 市) 国税局、 地税局和银监局于 2016 年 1 月底前将相关工作进展情况上报国家税务总局和银监会。银税互动涉及了税务部门、 企业以及银行等多方利益主体。不过， 国家启动银税互动政策时， 明确指出了银税互动的目标是为了“推动税务部门、 银行业金融机构之间的信息互通， 缓解小微企业融资难问题， 创新小微企业融资方式、 改进金融服务” 。结合小微企业融资困境的原因， 本文总结出银税互动在帮助小微企业融资方面的两大特色。第一， 为银行提供新的企业信息维度， 减轻了银企间的信息不对称性。更具体地， 银税互动将已存在于政府公共部门的企业纳税信用转化为融资信用， 而且还通过打通银行和税务之间的部门数据壁垒， 推动企业纳税信息“资产” 的市场化。企业的纳税信息和以合法合规纳税为基础的纳税信用无疑是企业付出真金白银后产生的硬信息， 是一种有价值的企业资产。在银税互动模式下， 只要用户同意， 所有银行都可以了解这些企业信息， 有助于打破传统信贷中的信息垄断问题: 关系型信贷模式或依赖中小金融机构模式都会导致各家银行对其获取的企业信息的垄断。第二， 银税互动从两方面降低交易成本。一方面， 利用已有的政府公共部门的企业信息， 使得89杨龙见等 : “以税增信” 是否有助于小微企业贷款?Boot Thkaor( 2000) 和 Berger Udell( 2006) 等认为， 银行通过与企业长期交易， 在提供服务中可以获得企业专有信息，使用关系专用性投资可以避免信息不对称。这是关系型融资的一种形式。信息不对称的减轻并没有伴随银行信息收集成本的增加; 另一方面， 强调创建以纳税信用为基础的数字化贷款模型， 强调线上数据直联， 实现便捷快速的线上申请， 同时发放免抵押免担保的纯信用贷款， 这为规模化进而大幅降低每笔贷款的交易成本打下基础。虽然银行需要投入一些一次性成本来创建以纳税信用为基础的电子化信贷模型， 并重构贷款流程和风控模型， 但是发放贷款的模型化和数字化、 线上审批以及免抵押免担保的实现， 使得批量发放信贷成为可能， 而规模化是大幅降低单笔贷款交易成本的重要途径。可见， 以企业纳税信用为基础的银税互动模式， 利用信息共享、 大数据及互联网技术， 解决信息不对称和交易成本问题， 为小微企业走出融资困境提供了新思路。综合评估这一新思路能否提高小微企业的贷款可得性， 可以为新思路的推进和拓展提供实证支持。基于数据的可得性， 本文选择使用浙江省的小微企业数据进行银税互动政策的评估。浙江省小微企业发展在全国领先， 小微企业占浙江省总企业数目的 97%， 对于当地经济的发展非常重要。银税互动虽然在 2015 年 7 月 30 日颁布， 但各银行以及各地方政府的推进速度不同。浙江的银税互动政策在实施初期进展并不快。2015 年 6 月， 杭州市国税局与中国建设银行签订了战略合作协议并开展银税互动， 11 月底， 浙江省首单线上银税互动贷款诞生。2016 年， 银税互动开始提速，更多银行加入， 各地市银监局与国、 地税部门均已签订合作协议。到 2016 年底， 浙江省已为 9545户小微企业提供 165. 79 亿元银税互动信用贷款。到 2017 年， 银税互动工作已全面延伸至县域，业务开展机构占比达 97. 2%。三、数据和识别策略( 一) 数据来源及说明本文的数据主要来自于浙江省20152017 年小微企业月度动态调查( small and micro enterprisesdynamic survey， SMEDS) 。SMEDS 由浙江省经济和信息化委员会组织， 旨在了解追踪省内小微企业的发展， 其指标针对性强， 是少有的主要包括小微企业的数据库。调查设计上， SMEDS 采用分层抽样的方法以保证数据代表性。在省一级分配观测值时， 小微企业占比较大的地级市有更高的权重，市一级的分配也采用类似方法将样本分配到各个县( 县级市) ， 而在县一级， 则通过随机抽样选取小微企业样本。当企业被选中后， 需要通过统一的在线平台申报企业数据。为保证数据的可靠性，政府要求所有的企业申报信息均需当地调查人员进行标准化检查， 保证前后数据的逻辑一致， 并将SMEDS 收集的数据与其他数据源进行交叉核对。本文使用的其他数据包括， 来源于国家税务总局企业纳税信用查询数据库的企业纳税信用评级数据， 来源于 中国税务 的各地市签订银税互动的银行名单 、 浙江金融年鉴 的金融信息数据以及中经网数据库的地区特征数据。本文使用的小微企业数据在 2015 年 7 月之前存在明显异常。首先， 企业贷款缺失值比例高达50%， 我们怀疑大量的缺失值代表无贷款， 但是无法找到直接的依据。其次， 尝试填充缺失值后，2015 年7 月及之前企业贷款额度均值波动性明显高于7 月之后， 这可能与2015 年上半年的企业调992021 年第 7 期银税互动项目的小微企业贷款 80%都是通过线上的银税互动等产品实现。这些产品背后都有一个线上贷款风控模型，经过几年的调整和完善， 这些模型已经判断比较精准， 而且能实现动态监控。整个过程基本无需人工评审， 这极大地降低了人工成本， 可复制性、 可扩展性很强， 使得小微企业的贷款更容易规模化。过程快捷迅速， 现实中一些企业甚至能在申请的同一天就拿到贷款。银税互动项目还扩大了银行的服务范围， 催生了金融科技， 使得规模化的高效金融服务成为可能。资料来源: http: / /zj people com cn/n2/2016/0413/c228592 28141708 html， http: / /biz zjol com cn/system/2015/11/22/020922638 shtml。资料来源: http: / /www gov cn/xinwen/2017 02/23/content_5170197 htm。资料来源: https: / /news china com/finance/11155042/20170923/31506437_2 html。查质量不高有关。为了避免缺失值、 贷款额度波动异常带来的估计偏误， 本文选择了一个更为稳妥的做法， 剔除了 2015 年 7 月及之前的数据。同时， 为排除异常值影响， 对主要连续型变量进行了上下 0. 5%的截尾处理。( 二) 识别策略银税互动政策颁布后， 各银行推出相关服务的时间存在先后， 同时各银行在各个地市的市场份额也有所差别， 因此导致各地市在银税互动政策的实施力度上也存在差异。这样有差异的推进过程为我们构造双重差分模型检验 “银税互动” 政策效果提供了基础。根据 中国税务 以及笔者整理的信息， 截至 2016 年底， 浙江省建设银行等市场份额较大的银行( 下文统一简称为 “目标银行” ) 签订了银税互动协议， 并开展了 “银税互动” 相关贷款服务。因此， 这些目标银行在各个地区的市场份额可以部分反映银税互动对当地企业的影响程度。由于各个银行的银税互动业务贷款发放量不可得， 本文用 2015 年各地市目标银行短期经营贷款发放量占总的银行短期经营贷款发放量比重， 衡量各地市的银税实施力度。银税互动政策明确针对的是企业“短期流动性资金短缺” 问题， 是为了保证企业正常生产经营。从国家税务总局浙江银税互动服务平台上查询到的各银税产品贷款期限看， 大多数属于短期经营贷款。目标银行一旦开展了银税互动业务， 线上数据直联、 线上审批发贷就会覆盖到全部有资格申请的小微企业， 即政策前短期经营贷款发放量占比越高， 银税互动的覆盖面就越大。本文定义各地市银税互动的实施力度为:Sharej=目标银行 2015 年短期经营货款发放量内资商业银行 2015 年短期经营贷款发放量( 1)其中， Sharej代表地市 j 的银税互动实施力度， 即改革前目标银行在各地市的市场份额。为了避免市场份额被政策冲击所影响， 本文利用改革前一年( 即 2015 年) 的目标银行份额区分银税互动在不同地市的实施力度。参考 Qian( 2008) 等的做法， 在基准回归中直接采用连续的实施力度变量来构建双重差分模型， 避免划分处理组和对照组的随意性。必须承认， 本文衡量银税互动政策冲击强度的指标不够完美， 但是， 测量误差的存在意味着本文的估计结果可能是低估了真实的效果。因此， 在有噪音的测量下得出了显著正向的影响， 我们有理由相信真实的效果也是显著正向的。在政策时点选择上， 尽管通知 颁布的时间是 2015 年 7 月 30 日， 但之后的几个月的进展并不快。浙江省第一笔线上“税银互动” 贷款在 2015 年 11 月底才落地。因此， 国家税务总局在2015 年 12 月 30 日发布关于进一步拓展“银税互动” 活动的意见 ( 税总发 2015 156 号) 敦促各地区“切实提高对银税互动的认识” ， 并明确提到“各地( 市) 国税局、 地税局和银监分局要尽快建立银税合作联席会议制度， 并于 2016 年 1 月底前将相关工作进展情况分别上报国家税务总局和银监会” 。援引调研中地方金融管理局工作人员的说法， 银税合作联席会议制度建立的完成， 才是真正意义上代表“税务局银行企业” 三方合作关系的全面铺开。结合上述因素考虑， 本文将政策时点冲击设置为 2016 年 1 月， 该时点之后的样本设为改革后( Post = 1) ， 之前为改革前( Post =0) 。后续政策动态效应估计图形也印证了在该时点之后政策的有效性。由于关键变量缺失严重的问题， 本文的基准回归中剔除了 2015 年 7 月及之前的数据。本文的回归模001杨龙见等 : “以税增信” 是否有助于小微企业贷款?除这些目标银行外， 宁波银行、 江苏银行、 杭州银行和上海银行等区域性中小银行也于 2016 年推出了相关业务， 但金融年鉴中无相关数据， 同时考虑到上述银行本身市场份额较小， 因此在研究中将其忽略。另外， 除目标银行外， 其余商业银行自 2017年后陆续开始推出银税互动相关业务， 考虑到实施力度随时间的变化， 做了稳健性检验。由于 浙江金融年鉴 中没有区域性中小银行相关数据， 因此， 分母中内资商业银行具体包含中资四大行， 12 家全国性股份制商业银行以及浙江省农村信用社联合社， 不包括宁波银行、 江苏银行、 杭州银行和上海银行等区域性中小银行。型如下:Yijt= 0+ 1 Sharej Postt+ 2Xjt+ 3Xit+ 4Tt+ 5Cj+ ijt( 2)其中， Yijt为被解释变量， 是地级市 j 的企业 i 在时期 t 的贷款相关变量。本文主要考察企业是否获得银行贷款( Loan_exist， 获得为 1， 未获得为 0) ， 银行贷款余额的对数( Loan) 以及贷款成本( Loan_cost， 利息支出与银行贷款余额的比例) 。Tt代表时间固定效应， 控制随时间变化的影响因素。我们允许每年每个月都有变化， 因此控制了年份和月份的交叉固定效应。Cj代表地区固定效应。原则上只需要控制地市固定效应， 但为增加估计精确度， 本文控制了县级层面的固定效应( 共计 104 个县) 。Xjt是地市层面控制变量， 主要用以控制一些同时期发生的冲击影响。从 2013 年开始， 浙江金融风险上升甚至在一些地区集中爆发， 主要原因是资金链、 担保链断裂形成的“两链” 风险导致银行不良贷款增加， 银行抽贷、 惜贷等信贷收缩现象也增加， 这会对贷款量及经济发展带来影响。因此， 本文尝试控制金融发展程度( Findev， 银行贷款额占 GDP 比重) 、 经济发展程度( Avg_GDP， 人均GDP) 以及经济增速( GDP_growth， GDP 年增长率) 。另外， 本文还控制了四大银行市场份额占比( 4Bank_Share) ， 以排除地区间不同信贷收缩程度的影响。Xit为一系列企业微观变量， 包括企业规模( Asset， 资产总额自然对数) 、 营业利润率( OP， ( 营业收入 营业成本) /营业收入) 、 收入增长率( Growth) 、 固定资产投资额占比( OFAIIA， 固定资产投资额/总资产) 、 总资产周转率( TATO， 收入/总资产) 、 是否出口( Export) 。这些是文献指出的影响企业获得贷款的常用指标( 张杰等， 2013; 盛丹和王永进， 2014; 吴秋生和黄贤环， 2017) 。为避免这些变量受到当期企业银行贷款的影响， 本文使用滞后一期的变量缓解可能存在的内生性问题。表 1 给出了关键性变量的描述性统计。样本中大约有 78% 的小型企业和 22% 的微型企业。可以看到， 拿到银行贷款的小微企业占所有小微企业的比例是 53%。平均的银税互动实施力度，即目标银行在地市总贷款中的平均份额是 25%， 范围在 0. 187 和 0. 380 之间。本文根据国家统计局针对工业企业的标准， 将企业分为小型和微型两类。小微企业的进入和退出比较频繁， 而且影响因素较为复杂， 为保证样本的可比性以及前后连续性， 本文的基准回归采用了平衡面板，以避免短期进入或者退出样本带来的噪音; 将非平衡面板回归作为稳健性检验。表 1描述性统计变量名称变量含义观测值均值标准差最小值中位数最大值Loan_exist银行贷款额度( 千元) 自然对数1731830. 5340. 4990. 0001. 0001. 000Loan是否有贷款1731834. 6394. 4360. 0006. 62112. 125Loan_cost银行融资成本( 百分比)914911. 0621. 9290. 0000. 55022. 527Share银税互动力度1731830. 2480. 0440. 1870. 2360. 3801012021 年第 7 期为了避免取对数后银行贷款余额为 0 的企业样本损失， 本文将贷款余额( 千元) 加 1 后取对数。另外， 由于企业月度利息支出波动程度较大， 本文采用加权平均法对利息支出进行平滑处理， 将当月利息支出定义为当前时点后三个月利息的平均值除以当前贷款余额。贷款成本单位使用百分数表示。银税互动在早期规模并不大， 很难影响整体的贷款额和经济， 这里不必担心会影响以上宏观变量。SMEDS 数据库行业信息缺失将近一半， 导致我们难以按行业定义小微企业。幸运的是， 已有的样本数据显示 95% 以上的样本企业都是工业企业， 因此用工业企业的标准判断误差不会太大。统计局针对工业企业的标准是: 中型企业要求从业人员在30 人以上同时年营业收入在 2000 万元以上; 小型企业要求从业人员在 20 人以上同时营业收入在 300 万元以上; 微型企业是从业人员在20 人以下或营业收入在300 万元以下。浙江省小微企业调查中包括了一些中型企业， 主要是由小微企业成长起来， 调查中保留了这部分企业。本文剔除这部分企业， 聚焦于小微企业。考虑到企业个别月份存在未申报现象， 本文将平衡面板条件放宽为个体存在期数占全部期数 70%以上的样本。续表 1变量名称变量含义观测值均值标准差最小值中位数最大值Credit企业纳税信用评级是否为 A1731830. 4110. 492001Tax_12month企业过去 1 年缴纳增值税与所得税款之和的自然对数( 千元)1636896. 4111. 5950. 0006. 6339. 4854Bank_Share四大行年贷款发放额度/内资商业银行年贷款发放额度1731830. 5420. 1200. 3470. 5590. 881Avg_GDP城市人均 GDP 自然对数( 千元)1731834. 6630. 3884. 0784. 5235. 477GDP_growth城市 GDP 年增长率1731837. 5761. 2684. 4607. 20011. 430FinDev金融发展水平: 地区贷款总额/地区 GDP1731831. 8860. 2801. 2721. 9332. 467Asset资产总额自然对数1731839. 6891. 1703. 6919. 67913. 976Growth收入增长率1731830. 1080. 4930. 9280. 0364. 847OP营业利润率1731830. 1660. 1280. 2990. 1421. 000OFAIIA固定资产投资额/总资产1731830. 0320. 1140. 0000. 0001. 020Export出口企业1731830. 3140. 464001TATO总资产周转率1731830. 8340. 8660. 0000. 5827. 608四、基准结果和稳健性检验( 一) 基准结果为了直观比较银税互动的影响， 本文描绘了小微企业银行贷款指标随时间变化的趋势图。具体地， 以银税实施力度的中位数为划分标准， 强度大于中位数的地级市作为处理组， 其他地级市作为对照组。图 1 显示了控制时间和地区的固定效应后， 两组企业的银行贷款可得性、 贷款额度以及贷款成本的残差随时间的变化。可以看出， 2016 年 1 月份前， 银税互动力度较弱地区的企业银行贷款可得性和贷款额均值要高于银税互动力度较强的地区， 而且没有缩小的趋势。而从 2016 年开始， 相比对照组， 处理组企业的银行贷款可得性和贷款额度均值都在逐步上升， 在 2017 年后， 处理组逐渐超过对照组， 并且两组的差距逐渐拉大。贷款成本方面， 处理组与对照组在政策推出初期并未观察到显著差异， 但 2016 下半年后处理组企业贷款成本整体呈现下降趋势。当然， 原始数据呈现出的结论还需要严谨的计量检验。图 1小微企业的贷款趋势注: ( 1) 为了剔除时间、 地区的影响， 两组企业的指标都采用了对时间、 地区回归之后的残差值; ( 2) 在每年 1 月份和 12 月份的时点会有一些异常， 这可能是与岁末年初时调查样本数量偏少有关。表 2 给出了基准回归结果， 对应( 1) 式， 本文分别考虑了两种情形: 只控制时间( 年份 月份)及地区固定效应、 加入可能影响银行贷款的地市层面宏观因素以及企业特征。表 2 的列( 1) ( 2) 给出了银税互动实施力度对企业贷款可得性的影响， 结果表明在银税互动201杨龙见等 : “以税增信” 是否有助于小微企业贷款?程度较强的地区， 企业获得贷款的可能性显著增加。在加入地区与个体层面控制变量后， 交互项系数 Share Post 仍然在 5%的水平上显著为正。列( 3) ( 4) 给出了银税互动对获得贷款额度的平均影响， 系数均在 5%水平下显著为正， 表明银税互动对小微企业平均贷款额度产生了显著正向影响。列( 5) ( 6) 展示了企业银行贷款成本的回归结果， 尽管系数为负， 但均不显著， 说明在政策实施初期 ， “融资贵” 问题还没有得到有效的解决。不过， 从小微企业的贷款趋势图看， 随着银税互动的推进， 企业贷款可得性以及贷款额度明显加大， 2016 年的贷款成本已经出现明显下降趋势， 未来贷款成本显著降低应该是可预期的。列( 2) 和列( 4) 的系数表明， 银税互动实施力度每提高一个单位， 企业获得贷款的可能性增加20. 7 个百分点， 贷款额度增加了 167%。这意味着， 银税互动实施力度从最低的台州市( 0. 187) 达到最高的衢州市( 0. 38) 水平时， 当地企业获得贷款的可能性会增加 4. 0 个百分点， 而贷款额会增加 32. 2%。表 2银税互动与小微企业贷款变量名称( 1)( 2)( 3)( 4)( 5)( 6)Loan_existLoanLoan_costShare Post0. 157 ( 0. 0618)0. 207 ( 0. 0772)1. 348 ( 0. 557)1. 665 ( 0. 674)1. 716( 1. 104)1. 277( 0. 791)4Bank_Share0. 0105( 0. 0171)0. 119( 0. 144)0. 335 ( 0. 131)Avg_GDP0. 0518 ( 0. 0182)0. 497 ( 0. 157)0. 190( 0. 143)FinDev0. 0172( 0. 0113)0. 107( 0. 105)0. 429 ( 0. 0805)GDP_growth0. 00286( 0. 00197)0. 0276( 0. 0170)0. 00425( 0. 0143)Asset0. 132 ( 0. 00853)1. 549 ( 0. 0677)0. 0360( 0. 0238)Growth0. 00157( 0. 00602)0. 0549( 0. 0590)0. 0350( 0. 0273)OP0. 0936( 0. 0847)0. 979( 0. 737)0. 256( 0. 327)OFAIIA0. 0949 ( 0. 0395)0. 709*( 0. 338)0. 0385( 0. 145)Export0. 0344 ( 0. 0145)0. 351 ( 0. 137)0. 0946 ( 0. 0292)TATO0. 0353 ( 0. 0123)0. 276 ( 0. 100)0. 152 ( 0. 0406)Constant0. 502 ( 0. 0128)0. 503 ( 0. 0968)4. 360 ( 0. 116)8. 076 ( 1. 008)1. 427 ( 0. 235)1. 633 ( 0. 733)时间固定效应县级固定效应3012021 年第 7 期续表 2变量名称( 1)( 2)( 3)( 4)( 5)( 6)Loan_existLoanLoan_cost观测值173183173183173183173183914909149020. 1780. 2570. 2030. 3310. 01020. 0144注: 时间固定效应是( 年份 月度) ; 括号内是聚类标准误， 聚类到市级层面; 、 、*分别代表在 1%、 5% 和 10% 的水平下显著。为了更好地观测政策动态效应， 本文通过事件分析法识别政策各期效应， 并检验贷款指标事前的趋势在政策实施力度不同的地市之间是否存在显著差异。参照 Borusyak Xavier( 2017) ， 具体的回归方程如下:Yijt= 0+kk Sharej P_kt+ 1Tt+ 2Cj+ 3Xit+ ijt( 3)其中， P_kt代表时期 t 距离政策冲击的时间是否为 k 月的哑变量。政策前最早时间距离政策冲击时点( 2016 年 1 月) 为 5 个月， 最晚时间( 2017 年 12 月) 距离政策冲击时点为 24 个月。本文将样本期的第一个月( 2015 年 8 月) 选为基期。图 2 给出了相应的结果。可以看到， 三个贷款相关的指标在事前都没有因为目标银行市场份额的不同而有显著差别( k均没有在 5%的水平显著异于 0) ， 满足事前 “平行趋势” 假设。改革后，左图和中图显示， 是否有贷款和贷款额度的平均水平都有显著上升， 改革后的估计系数基本显著为正。从整体来看， 随着时间推移， 系数也在逐步增长， 这说明银税互动具有较好的持续性。右图则表明， 政策初期企业的平均贷款成本并未出现显著差异， 不过随着时间的推进， 后期( 半年后) 估计系数显著为负， 意味着银税互动降低贷款成本的效果在随着时间推移逐渐显现。图 2政策动态效应评估( 月度)( 二) 稳健性检验第一， 考虑样本的进入退出问题。基准回归中使用平衡面板， 以减少样本进入退出的干扰。鉴于样本进入退出本身可能受贷款可得性的影响， 使用平衡面板本身可能具有选择性。因此， 本文使用全样本重新进行估计。第二， 改变实施力度的衡量指标。首先， 采用虚拟变量衡量银税互动力度， 即将实施力度高于中位数的地区设为处理组， 其余地区设为对照组。其次， 考虑银行扩围的影响。从各个银行推出银税互动相关业务的时间可以看出， 扩围主要发生在2016 年4 月、 7 月和2017 年5 月。基准回归中，Share 的计算是不随时间变化的， 没有考虑到 2017 年 5 月及以后的扩围。稳健性检验中， 以各银行推出银税互动相关业务时间确定不同时点上的目标银行， 并据此计算随银行扩围而变化的Sharet。401杨龙见等 : “以税增信” 是否有助于小微企业贷款?Sharet是随时间可变的连续型变量， 相对于基准回归中 Share 是前定的， 这个指标的最大问题在于外生性相对较差。第三， 对回归样本进行调整。考虑到 2017 年 5 月之后实施银税互动的银行扩围， 会导致实施力度的刻画在 2017 年变得不太准确， 本文删除 2017 年 5 月之后的样本。此外， 将 2015 年上半年的缺失值进行了填充， 延长了政策冲击前的长度。具体地， 将贷款信息缺失的样本赋值为零， 并将其加入回归样本。第四， 在回归中加入了城市时间趋势， 即通过加入地市虚拟变量和时间的交互项， 允许各个地市有不同的线性月度时间趋势， 以排除地区的时间趋势对政策效应估计造成的偏误。第五， 为了证实小微企业贷款可得性的改善不仅仅是政府行政命令带来的影响， 我们考察了剔除国有银行后的政策效果。一般而言， 国有银行在响应国家号召、 执行政府行政命令时