
三 数据、变量与模型
(一)数据来源
本文使用的数据来自安徽大学中国三农问题研究中心于2013年8月对安徽部分小微企业的融资状况进行实地调研所获得的第一手资料。调研中通过采取随机抽样方式对40家小微企业发放了问卷,最终有效问卷为38份,有效率为95%(数据基本情况见表1)。
表1 有效问卷样本基本情况(N=38)

总体上看,38家小微企业主要是工业企业,占比达到97.37%;84.21%的企业为有限责任公司,13.16%的为非公司制企业,只有1家为股份有限公司,占比为2.63%;92.10%的企业经营时间在3年及以上,6年及以上的达到68.42%;2012年资产总额基本分布在100万~5000万元不等。
除了小微企业的基本情况外,问卷还从融资需求、融资渠道以及融资的局限性等方面考察了小微企业的融资状况,总的来说,小微企业融资具有以下特点。
(1)小微企业资产负债率低,普遍具有融资需求。在调查的小微企业中,资产负债率在50%以下的占78.94%。其中有资金需求的小微企业共36家,占全部企业的94.74%,并且约六成的企业资金需求在100万~1000万元。
(2)小微企业融资主要来源于银行贷款。六成以上小微企业的银行贷款可以满足自身一半以上的融资需求,而银行贷款能够满足其所有融资需求的企业占被调查企业总数的7.89%。因此,在小微企业融资中,银行贷款扮演着重要角色。
(3)良好的银企关系是小微企业选择银行贷款的主要原因。六成以上(65.79%)的小微企业认为是因为与银行建立了良好关系,所以才选择了银行贷款。由此可以看出,银企关系是否良好成为小微企业选择融资途径的重要依据。虽然不能准确地说与银行建立良好关系就属于关系型贷款,但在实际调查中发现,有银行贷款的小微企业与银行基本上都保持着长期合作关系,银行工作人员(包括管理人员和业务人员)与企业主相互熟悉,银行掌握了企业的大部分信息(硬信息和软信息)。据此,我们可以认为,上述贷款基本符合关系型贷款的特点。因此也可以说,关系型贷款在小微企业融资中发挥着重要作用。
(4)发放贷款的银行中绝大部分为国有商业银行和农村商业银行。27家小微企业选择了国有商业银行(分别为中国工商银行、中国农业银行、中国银行、中国建设银行、交通银行和中国邮政储蓄银行),占比达到71.05%;其次为农村商业银行,占比为55.26%;选择包括政策性银行在内的其他金融机构的小微企业仅占10.53%。
(5)小微企业融资途径相对较为单一。其原因就在于小微企业自身问题限制了其他融资渠道的发展,小微企业最大的自身限制就是缺少有效抵押物(44.74%)和整体经济实力较弱(39.47%)。这不但意味着小微企业会过度依赖与自己关系良好的银行,而且一旦出现违约问题,银行很难从其他渠道进行补偿,不论是企业的抵押物还是企业的自有资产。
(二)变量设定
本文旨在探究地方银行是否在开展关系型贷款方面具有优势,因此要对小微企业取得地方银行机构贷款和非地方银行机构贷款的影响因素做回归分析,从而比较二者在开展关系型贷款方面的效果。农村商业银行在地方区域内运行,是地方银行机构的代表,国有商业银行则属于非地方金融机构,我们就用这两类金融机构的相关数据构建模型1和模型2,被解释变量分别为Y1和Y2(见表2,下同)。其中,变量Y1表示获得农村商业银行贷款情况,Y1=1表示获得农村商业银行贷款,Y1=0则表示没有获得农村商业银行贷款;变量Y2表示获得国有商业银行贷款情况,Y2=1表示获得国有商业银行贷款,Y2=0表示没有获得国有商业银行贷款。由于考察的是各自关系型贷款的利用情况,所以“企业与银行的关系(X1)”为主要解释变量,但由于贷款的取得还受其他因素的影响,因此再加入其他解释变量,包括抵押物(X2)、企业总资产(X3)、企业年营业收入(X4)、员工人数(X5)和经营时间(X6),以期获得更为准确的估计结果。
表2 变量设定

(三)模型选择
由于需要对地方银行机构在开展关系型贷款上是否具有优势进行研究,因此要做农村商业银行和国有商业银行两组回归以进行比较。两个被解释变量“取得农村商业银行贷款情况(Y1)”和“取得国有商业银行贷款情况(Y2)”只有两种结果:取得贷款和没有取得贷款。因此选取Logit模型对取得贷款的影响因素做实证分析。
Logit由Logistic函数取对数转化而成,在模型回归中可以直接预测观测量相对于某一事件的发生概率,假设有一个连续反应变量Y*i代表事件发生的可能性,当该反应变量的值超过某一临界值(通常为0)时导致某事件发生,于是有Yi=1,反之取0。假设反应变量y*i和自变量xi之间存在一种线性关系,即:

由公式(1)可得:

若(1)中残差εi为Logistic分布,则得到Logistic模型。由于Logistic分布是对称的,因此(2)可以写成:

由此得出其累积分布函数,为:

公式(4)就称为Logistic函数,将其作对数转换就得到Logit函数:
