县域中小企业贷款违约行为与信用风险实证分析，本文主要内容关键词为：实证论文,县域论文,中小企业论文,贷款论文,信用风险论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中小企业是县域（农村及县城）银行、信用社的主要贷款对象之一。当借款企业不能完全履约，致使金融机构不能按期、足额地收回约定的现金流而蒙受损失的可能性，即为信用风险（亦称违约风险）。选择恰当的方法对中小企业进行有效的信用风险评价，有利于银行、信用社等金融机构的企业贷款决策。金融机构可以基于信贷风险评估，决定是否对申请贷款的企业发放贷款，以及发放贷款的额度、利率等，而且，建立在资信系统基础上的信用评分体系的推广，有助于扩展中小企业的信贷可得能力(credit availability)，减轻中小企业贷款的获取难度（Berger et al,2002;Frame,Padhi,and Woosley,2001;Frame,Srinvasan,and Woosley,2001;Miller,2003等）。由于各种因素，我国县域中小企业贷款违约严重影响了信用社、银行的资产质量，为了控制新增不良贷款，金融机构往往压缩对农村工商企业的贷款（马九杰，2003）。探讨县域（特别是农村）中小企业信贷风险评价技术与分析体系，对减少交易成本、提高贷款发放效率、控制与防范农村金融风险，扩展金融机构对中小企业信贷供给能力，以及改善县域（特别是农村）中小企业信贷可得能力，都具有重要意义。而探究中小企业的信贷违约行为，分析中小企业发生贷款违约的影响因素，将有助于更深层次理解我国农村金融市场，寻求建立更有效、实用的中小企业信用评价系统。本文将利用实地调查资料对我国县域中小企业的违约行为影响因素进行实证分析。
本文以下内容的结构为：第二部分，结合对中小企业信用风险评估、贷款合约条款与违约关系的相关文献回顾，给出了对我国县域中小企业贷款违约风险分析的基本框架；第三部分，利用实地调查数据和Logit模型对中小企业贷款违约影响因素进行了实证估计及分析；第四部分，基于logit模型估计结果，分析了贷款条款（利率、额度、抵押品、期限等）对企业违约的可能影响；第五部分，小结及政策含义。
一、相关文献及分析框架
（一）关于中小企业贷款违约风险评估
作为金融机构贷款决策及管理的基础性环节的信用风险衡量和评估，实质上就是利用相关信息资料估测金融机构因贷款违约而发生损失的可能性。当然，不同的信用风险评价方法依据的信息资料不同，有的基于非市场的内部信息，有的基于公众信息和金融市场信息资料（Saunders,1999等）。
信用风险评价能力及评价模型的选择，在很大程度上取决于借款者信息特征以及放款者对信息占有的情况(Caouette,Altman & Narayanan,1998)。对于规模较大的上市公司，其信息透明度高，金融机构可以较容易地获取相关的信息资料，并可运用诸如期限结构模型、死亡率模型、RAROC模型、KMV、Credit VaR、
等信用风险评价方法（注：据称，这些方法具有坚实理论基础，但需要金融市场信息资料的支持(Sunders,1999)。）（Saunders,1999；马九杰，2001等）。而对于中小型企业，由于其历史档案不健全、信息透明度较低，信息获取和信用风险评价较为困难。因此，对中小企业的信用风险评价往往采用传统的信用评分技术，它不仅要考虑企业财务状况（注：财务指标一直是信用风险评价关注的变量。如“5Cs”法就包括资本实力(capital)、盈利及还款能力(capacity)等财务因素。实际上，针对企业贷款的信用评分模型或评分系统，就是将反映借款企业信用状况的若干财务比率指标赋予一定权重，通过某些特定方法得到能够反映信用状况的信用综合分值或违约概率值(Caouette,Altman,and Narayanan,1998)。Altman(1968)开发的著名Z-score模型，就是在22个财务比率中，经过判别分析方法筛选了5个变量，Altman(1977)将其改进成“ZETA”判别分析模型(Altman and Saunders,1997)。Altman等(1994)采用神经网络分析法对公司财务危机预测进行。），而且要考虑企业家个人的信誉(Caouette et al,1998)。也就是说，对中小企业贷款违约行为的分析和信用评分，应综合衡量企业财务和企业家个人两个方面的因素。对于企业家个人方面的因素衡量，可采用类似个人零售贷款的信用评分模型中考虑的变量，如年龄、受教育程度、职业经历、个人操守、收入、资产及财富状况（注：Cavalluzzo and Wolken(2002)的研究表明，中小企业业主个人财富状况对信贷申请被批准的可能性有显著影响，主要因为个人财富有助于减轻中小企业贷款中的道德风险。）等。
近年来，美国的许多银行采用了通用的、支持信贷决策的小型企业信用评分系统(small business credit scoring,SBCS)（注：SBCS的采用被认为是20世纪90年代以来一项重要的、由技术推动的金融创新扩散案例(Akhavein et al,2001;Frame et al,2001)。另据研究，SBCS的采用显著地扩展了美国中小企业信贷可能能力(Berger et al,2002;Frame et al,2001)。）。SBCS是专门针对信息透明度低的中小企业借贷而开发的新技术，它利用小型企业及其业主的相关资料和统计方法，给出关于借款者未来贷款绩效的预期结果（如“信用分值”），银行则据此做出批准或拒绝贷款、贷款定价决策(Feldman,1997;Mester,1997)。SBCS中采用的关于企业家（业主）个人信息包括月收入、未偿债务(outstanding debts)、金融资产、是否有终身职业(employment tenure)、家居产权(home ownership)、以前贷款违约或拖欠记录等(Mester,1997)。虽然SBCS只是最近几年才开始推广应用，但经验已证明，小型企业的业主个人信贷历史对企业借款履约前景具有很高的预测能力，而且，贷款成本也得以节约(Berger,Frame,and Miller,2002)。事实上，判别分析等统计技术在对大型企业贷款发放决策中也广泛采用，但是并不关注企业业主个人的信贷历史及相关信息资料(Saunders,2000)。
但是应当指出，信用评分模型是一系列注重实效的信用风险衡量方法（注：包括属于统计方法范畴的判别分析、Logit模型、Probit等，运筹学方法范畴的线性规划变种，以及已被广泛采用的神经网络、专家系统、遗传算法等非参数统计与人工智能方法等。），往往更注重对贷款对象发生违约可能性的预测，却很少从理论上解释贷款对象为何会违约，也很少对贷款违约与经济、社会变量之间关系的相关假说进行检验(Thomas,2000)。
基于已有的文献，我们认为对于我国县域（特别是农村）中小企业而言，企业财务状况、企业规模及行业特征、企业家个人因素、地区经济环境等因素共同决定着中小企业贷款违约可能性。具体地，将通过logit模型检验下述假说：
(1)企业财务状况对贷款的中小企业是否违约的确具有决定作用。反映企业财务弹性、稳定性、盈利性等方面的指标信息将直接预示着企业出现财务危机和发生贷款违约的可能性。财务弹性越强、稳定性越强、盈利能力越强的企业，违约的可能性越小。反映财务弹性的指标包括营运资金状况、应收账款周转状况、存货周转状况等。反映稳定性的指标包括资本结构、清偿能力等。
(2)企业规模影响中小企业贷款违约可能性。规模大的企业，信息透明度高，银行对其监督的单位成本相对较小。因而，企业规模越大，贷款违约可能性越小。
(3)企业所在行业的性质影响贷款违约可能性。不同行业的盈利性、风险性不同，农业具有弱质性，因而农业类企业比非农产业类企业更可能违约。
(4)企业家个人因素影响企业贷款的违约行为。企业家人力资本水平越高（教育程度、技术能力高）、经营实践积累越多（年龄、个人职业经历越长）、社会资本越高（地方熟人、社会关系资源多），企业经营绩效、盈利能力可能越高，企业贷款违约的可能性越小。
(5)企业的所有制结构、管理者是否持股等因素影响贷款违约行为。企业所有制性质将影响企业家的努力程度，进而将影响企业经营绩效和企业偿债能力及履约可能性。企业产权明晰（私营、合伙、经过改制的乡镇企业）、管理者持有股份的企业，贷款违约的可能性小。
(6)地区经济及制度环境的确影响企业贷款违约行为。企业面临的地区经济及制度环境，如经济发展水平、宏观经济景气状况（注：实际上，“5Cs”法中考虑了经济周期或经济景气状况因素(cycle or economic conditions)对企业贷款信用风险的影响。McKinsey公司开发的衡量、评价违约风险的宏观经济模拟模型——CreditPortfolio View(Wilson,1997a;1997b)，是一个离散型多时期模型，其中违约概率被看成一系列宏观经济变量如失业率、利率、经济增长率、政府支出、汇率的函数。这种方法实质上是通过对宏观经济周期波动的态势分析来判断和评价信用周期及信用风险程度(Saunders,1999)。）、市场化程度、公共物品供给状况、地方对企业的规制状况以及产业集聚状况等，将会影响企业经营和贷款偿还能力。经济发展水平越高的地区，企业违约的可能性越小。
（二）关于贷款性状与中小企业违约行为
如果把企业财务状况、地区经济及制度环境、企业家个人因素等看作是外生的因素，贷款合同条款(Contract terms)或称贷款性状（如贷款利率、贷款额度、贷款期限、抵押品要求等）将影响中小企业的违约行为。选择和设计恰当的贷款合同条款，可以激励借款人履行合约。拖欠贷款(delinquency loan)常常是由于贷款产品设计和发放机制欠佳导致的。成功的设计信贷业务、满足客户要对于小型信贷机构非常重要，应当根据目标市场的要求和小型金融机构的能力，合理确定贷款额度、贷款期限、担保要求、担保替代方式（强制性储蓄、小组担保、信誉担保、社会抵押、司法制裁等）、贷款利率、还款方式（一次性或分期、分期偿付的频率）等(Ledgerwood,1999)。
正如Bernerjee(2001)指出的，存在合同约束(contracting constraints)信贷市场中，道德风险、利率、借款数额、监督、违约之间具有内生性关系。
实际上，引起信用风险的违约行为，可根据借款人违约的原因和动机，区分为被动违约(involuntary default)和主动违约(voluntary default)(Ray,1998)。主动违约（或策略性违约）是指借款人有偿还能力，但故意或策略性地违约，以从违约中获取好处；被动违约是指由于天灾人祸或经营不善等原因，导致借款人无力偿还贷款，从而不得不发生违约。当然，被动违约也可能是由于主观努力不够或擅自改变约定的贷款用途等而引起的。
1.贷款性状与主动违约
假如企业借款额度为L，利率为k，银行要求的抵押品市场价值为C。但抵押品的价值对银行和企业家是不同的，依据Toivanen & Cressy(2000)的研究思路，假定抵押品对企业家的价值为f(X,C)，是关于抵押品市价C的严格递增凸函数且二阶连续可微。企业完全通过借款L进行项目投资。如果项目失败，收益为0；项目成功，总收益为R(X,L)，其中，X为可观测的企业家特征向量。X一定时，假定R是关于借款额度L的严格递增凸函数且二阶连续可微，即
。而企业家经营成本V(θ)是关于努力程度θ的增函数。
若企业项目成功后，企业不偿还贷款本息，其所得为R(X,L)-f(X,C)-V(θ)-F，其中F为由于违约而被惩罚的成本；若偿还贷款，其所得为R(X,L)-(1+k)L-V(θ)。显然，如果(1+k)L＞f(X,C)+F，借款者将主动违约，而且，贷款规模越大，利率越高，主动违约的激励越大，因为赖账收益大于成本。从这个意义上讲，利率、贷款额度与违约可能性之间具有一种正向相关关系。也容易推测，贷款期限与主动违约可能性之间也具有正向相关关系，因为，期限越长，利息越多，借款人违约收益越大，同时，借款人对将来不能获得贷款的担心程度越小。
显然若违约后，对违约企业有足够大的惩罚F（包括司法制裁、社会制裁、信用降级或者将来无法再得到贷款（注：Ray(1998)用简单的委托代理模型，讨论了借款人的动态决策过程。在抵押品不足或司法惩罚力度不足的情况下，贷款数额的增加和利率的提高会增加对借款人主动违约行为的激励。根据Ray(1998)的分析，在缺乏法津机制的情形下，贷款人控制违约行为的一个手段就是威胁，即威胁当借款人将来再需要贷款时不再向其发放贷款。）等），主动违约会得到控制。
2.贷款性状与被动违约
若不考虑主动违约，借款企业投资项目成功后，将主动还款，银行收益为(1+k)L；借款企业项目失败后，银行收益是靠处置借款人抵押品收回的部分款项βC-δ，δ（设定δ≥0）是处置抵押品、变现需要支付的固定成本，β为参数(0＜β≤1)（注：对我国县域中小企业贷款而言，很多企业提供的厂房、机器设备等抵押品的市价较低，银行、信用社对抵押品处置变现的成本很大；而且，由于有些乡镇企业产权模糊，责任不明确，地方政府对处置过程的不当干预，银行、信用社通过处置抵押品的回收率（对应予参数β）较低。同时，由于处置抵押品需要花费固定成本δ，企业规模、贷款规模、抵押品规模越小，银行、信用社处置抵押品的单位成本越大。）。此时，贷款违约依赖于项目成功与否，而项目成功的概率P(X,θ)取决于企业家个人特征X和经营中的努力程度θ。X一定时，假定P是企业家努力程度θ的严格递增凸函数且二阶连续可微，即
。
如果不存在信息不对称问题，企业家的努力程度θ是外生的、可以被观察的，此时银行可以根据θ的大小安排贷款合约条款。可以证明，最优贷款额度L*与项目成功概率P*之间存在正向相关关系，最优贷款利率k*与项目成功概率P*之间存在反向相关关系，最优抵押品价值为C*仅取决于外生变量（注：可通过求解最大化
得知。其中，
分别为企业和银行的预期收益，r为银行融资成本，B为银行签约的固定成本（贷款审查、律师费用等）。(Cressy & Toivanen,1998、Toivanen & Cressy,2000)。）。
而当存在信息不对称问题时，银行难以区分“好”借款者的努力程度
与“坏”借款者的努力程度
，但能知道两种类型借款者的比例。好、坏借款者的成功概率不同，
。此时，银行必须确立激励相容的贷款合约（增加针对“坏”借款者的激励相容约束）。可以证明，最优额度、最优利率与项目成功概率之间的关系，与信息对称情形下相似。但是此时，“好”借款者比“坏”借款者提供更多的抵押品（注：参见Toivanen & Cressy(2000)。
实际上，KMV公司已沿袭Merton(1974)、Black & Scholes(1973)等人在公司债务或贷款风险定价、期权(options)定价理论方面的先驱性工作，将有限责任与债务风险结构和估价理论、期权思想引入违约风险监测预警中，开发了用于预报信用风险的信用监测模型(Credit Monitor Model,Saunders,1999)。
当银行和借款人都是风险中立者时，信贷市场中的道德风险效应可以通过使用抵押品来缓解。抵押品要求具有促使借款人自我履约(self-enforcing)的作用（Bell,1995等）。当然，如Stiglitz & Weiss(1981)指出的，银行一味增加抵押品要求，面临的风险可能会加大。因为那些能够提供抵押品的人，往往是由于过去冒险而积累了财富。
采用线性判别分析法的结果也表明，“是否为出资人”、“业主年龄”、“总资产周转率”是影响贷款违约率判断的3个显著变量。
因为企业家减少贷款违约的努力，与其要承担的违约对企业造成的损失有关。企业违约以后，可能由于资不抵债而破产，或者由于将来的贷款获取能力降低而影响企业经济绩效，企业家（或企业负责人）的一项直接损失是失业或收入降低。如果企业家同时是企业的所有者（或所有者之一），那么，他在企业违约中另一项损失则是由于企业盈利能力下降或破产清算导致的所有者权益损失。
实际上，农村信用社为了控制信用风险，近年来在贷款发放时往往更倾向选择产权明晰的私营企业，并往往要求企业业主提供私人物品作为抵押（马九杰，2003）。
若存在逆向选择，风险较低的企业将由于利率高而自愿退出信贷市场，但我们发现很多风险较低的中小企业（利用Logit模型测算）没有获得贷款（即存在信贷约束），不是由于利率高，而是由于银行、信用社的“慎贷”、“惜贷”导致的信贷配给。
如分析框架中的比较静态分析所示，抵押品是关于努力程度（进而项目成功概率）的增函数，项目成功概率也是关于抵押品的增函数。）。这说明在一定范围内，抵押品数额与项目成功概率之间应该具有正向关系。
假设贷款合同鉴定后，借款者努力程度θ的选择是内生的。如果努力程度可观察，此时最优额度、最优利率、抵押品额度的决定因素同于努力程度外生、信息对称的情形。关于努力程度，
。
当存在信息不对称，银行难以观察借款人的努力程度（内生的）时，最优额度、最优利率决定因素同于努力程度外生、信息对称的情形式。但是抵押品数额是关于贷款规模、利率以及成功概率、努力成本的函数，抵押品可以诱使借款人提高努力程度，缓解道德风险。关于抵押品，当
。
以上讨论基于有限责任制度假设。在有限责任制度下，企业向银行借款投资，如果投资项目经营失利，借款人损失至多是投入到企业的有限数量的资本，企业选择违约，将剩余资产清算给债权人。但是，如果投资项目成功、盈利，企业只向银行偿还本金和支付所承诺的利息，而除去本息外的盈余则由有限责任企业拥有。此时，相当于企业用“有效责任”购买了一个看涨期权，责任越小，期权费用越小。我国相当部分的县域中小企业（特别是乡镇企业），负债／资产比例较大，甚至有些企业就是单靠借款创办的，企业产权和责任不明确，企业投资项目选择、经营以及还款约束较轻，违约期权费用较小。此时，即使企业提供了抵押品，但由于产权不明确，对企业的还款约束力不强，难以起到缓解道德风险的作用。
实证研究中，我们将利用logit模型回归结果计算履约率（即项目成功概率）P，基于P*=f(L*,k*,C*,d)、C*=f(L*,k*,P*,d)框架，探讨违约概率与贷款利率、额度、抵押品、期限(d)之间的关系，特别是抵押品对我国县域中小企业贷款违约的约束作用。
二、数据、Logit模型与结果分析
（一）数据来源说明
实证分析的数据来自2002年11～12月对山东、山西、陕西3省县域（包括村、乡镇、县城）中小企业融资状况的实地调查。抽样方案是：首先，选取山东省、山西省、陕西省3个省分别代表东、中、西3个区域；其次，主要依据各县（市）人均工业增加值指标排序，进行系统抽样，并根据地理位置作适当调整，从3个省各抽取5个县，共15个县作为样本县；然后，从每一个县抽取2个乡镇，乡镇抽取办法：按人均工业增加值（经济发展水平）排序，按系统抽样办法从中抽取2个乡镇（不包括城关镇），并根据地理位置作适当调整，抽中的2个乡，分别代表经济发展水平较高的和较低的，共30个样本乡镇；最后，中小型企业抽取办法：按系统抽样办法，抽取12家企业，其中县城（或县级市）企业4家（坐落在县城），乡村企业8家（每个样本乡镇各2个）。抽取的企业职工人数一般限定在5～300人之间。
我们获得有效问卷143份。从143份有效问卷中选出数据全面（包括本文选择的实证中用到的所有变量）并且有贷款的样本75个。
（二）Logit模型及变量设置
信用风险评分常用的多元线性概率模型、Logit模型、Probit模型是一类二元选择模型。线性概率模型用借款人过去的信息资料如财务比率等作为解释变量对过去的贷款偿还情况进行解释，其中过去贷款的偿还被分为两种情形：偿还或违约。通过回归方程可以预期具有某些特征借款人的违约概率。其最大的弱点就是其预期违约概率值可能超出0～1区间。Logit模型、Probit模型等通过特定形式的累计概率函数对线性概率模型进行变换，从而把预测的违约概率值限定在0～1之间。我们利用下面形式的logit模型估计企业的违约概率：
是估计的中小企业履约的概率；
为解释变量的向量，包括财务比率类变量、企业特征变量、企业家个人的相关变量、地区变量；β为待估参数向量；e为误差项。
表1列示了实证估计所使用的变量、变量含义，并给出了各变量对企业覆约的预计影响方向。
表1 模型中拟选择的变量
变量类型变量名 变量含义
对履约影
响方向
违约变量是否违约 在过去2年内是否出现过不能按期还贷的
情况，是=0，否=1，即，违约=0，履约=1
财务比率营运资金与总资产比（平均流动资产－平均流动负债）／平均总资产 ＋
类变量 存货周转率销售成本／平均存货 ＋？
应收账款周转率销售收入净额／平均应收账款余额 ＋
流动比率 流动资产／流动负债 ＋
资产负债比资产负债率的倒数，即：总资产／总负债＋？
产权比率 总负债／所有者权益 ＋
销售利润率销售利润／销售收入净额 ＋
净资产收益率 股东权益报酬率，即：净利润／平均净资产 ？
资产净利率净利润／平均资产总额＋
总资产周转率 销售收入／平均资产总额 ＋
留存收益／总资产 留存收益／总资产＋？
企业特征员工规模 ln（企业员工数）－4，企业员工人数的对数减去 ？
变量 企业员工人数对数的均值
资产规模 ln（企业总资产）－6，企业总资产的对数减去总 ？
资产对数的均值
行业性质 企业所处行业，主营业务为农业=0，主营业务 ＋？
为非农产业=1
企业第一性别 男=1，女=0？
负责人 年龄 Ln（年龄）-4 ＋
（经理、业 负责人出生地 生于本市县=1，本省他市（非本县）=2，本省以－
主）特征 外其他地区=3
变量受教育程度小学=0，初中=1，高中=2，高中以上=3＋
类似管理工作年限 5年以下=0，5～10年=1，10～15年=2，15～20 ？
年=3，20～25年=4，25年以上=3
是否懂生产技术是=1，否=0＋
是否为出资人 是=1，否=0＋
地区变量省份变量 陕西=1，山西=2，山东=3
省虚拟变量(1) 山西=1，其他=0
省虚拟变量(2) 陕西=1，其他=0
（三）描述性统计结果与分析
在75个样本企业中，违约企业32家，没有违约的43家，违约与非违约的中小企业的特征见表2。从表2中可以看出，对财务比率类指标均值而言，除了销售利润率和资产净利率外，非违约企业均好于违约企业，说明财务指标对县域中小企业的贷款违约的确具有预示作用。对企业规模（特别是资产规模）而言，违约者相对大于非违约者。对于企业家个人特征，违约企业的负责人年龄、从业年限、受教育程度都较高，似乎与常理相悖。责任人是否懂技术似乎对违约影响不大，但“是否为出资人”指标（即管理者是否持股）在违约和非违约企业之间的差别较明显。从地区变量来看，似乎可以认为，西部企业的违约可能性更大。
（四）Logistic回归结果与分析
Logit模型的估计结果见表3。其中，模型1：自变量是从财务比率类变量中，通过SPSS向后逐步选择技术筛选的变量；模型2：自变量是将包含财务比率类变量、企业特征变量、业主特征变量及地区变量的所有变量，通过SPSS向后逐步选择技术筛选的变量；模型3：将模型1和模型2筛选的所有变量作为自变量。模型4：模型3中剔除了3个显著水平不高的财务变量。
从表3（如模型4的结果）可以看出，财务指标的确影响企业贷款发生违约的可能性，特别是资本结构、总资产周转率两项非常显著，而这两项也是Altman(1968)提出的著名的Z-Score模型所选取的5个变量中的2个。
企业家个人的特征对企业贷款违约与否影响很显著，特别是“是否为出资人”这个因素显著性更强。可见产权明晰、管理者持股者对企业经营、偿债能力等具有重要的作用。管理者持股往往是个体私营企业或经过改制的乡镇企业。拥有投资股份的企业家，责任意识更强，努力经营的激励显著。由于农村小企业资本形成的复杂性，以及农村小企业历年经营实现的资本增值归属的复杂性，农村小企业产权关系模糊（马九杰，2000等）。而农村小企业的产权模糊，必然导致所有者对企业管理人员的控制和激励不足。企业产权模糊对向企业发放贷款的金融机构来讲，意味着潜在的巨大风险，特别是对于那些完全靠贷款创办、“无所有者”的农村小企业。这些农村小企业的创办资金来源类似于国有企业的“拨改贷”形式。其资产负债结构非常特殊，负债－所有者权益的比例为“无穷大”（所有者权益为零），对于贷款人来说，存在巨大的信用风险，因为这是相当于企业“免费”获得了一种违约“期权”。在某种程度上，这种企业是一种“无责任”企业，至少可以认为这种企业的责任是极其有限的（马九杰，2003）。如果管理者持有企业的股份，努力激励、履约激励则会增加。
是否懂技术、本行业的从业时间长短等对企业违约的影响不显著。而且，年龄、受教育程度越高，违约可能性越强，似乎与常理不容，还需要进一步研究。
从地区变量看，企业违约在地区间的差异显著，东部企业的违约率低于中西部。这可能与地方经济发展水平及制度环境有关，经济发展水平越高、经济越繁荣，企业经营、盈利环境越好，投资项目成功可能性越强，违约的可能性越小。
从企业特征变量看，目前县域中小企业规模、所在行业性质对违约影响并不显著。实际上，从表2违约与非违约企业有关特征比较来看，违约企业的平均规模（包括员工规模、资产规模）更大，规模大的企业违约的可能性似乎更大。也许是因为规模大的乡镇企业，产权模糊性和受到的政府干预更强，投资风险较大或经营管理不善，从而，违约可能性较大。
表2 贷款违约企业与非违约企业有关特征比较
变量类型 变量名 违约企业非违约企业 总体
均值标准差均值标准差均值标准差
营运资金与总资产比-0.0079
0.2939
0.0413
0.2956
0.0203
0.2939
存货周转率 8.9904 10.3882 11.6516 12.1653 10.5162 11.4438
应收帐款周转率
6.7191
6.4293
8.0826
7.6543
7.5009
7.1436
流动比率
1.9231
2.6981
2.3333
3.4575
2.1583
3.1427
财务比率资产负债比 1.9160
1.5275
2.8295
2.9662
2.4367
2.4855
类变量 产权比率
2.6760 29.6597
2.7892 10.7753
2.7409 20.8428
销售利润率
0.1984
0.1918
0.1668
0.1395
0.1803
0.1634
净资产收益率-0.4382
2.9068 -0.2234
1.9797 -0.3150
2.4032
资产净利率 0.0095
0.0492 -0.0392
0.4818 -0.0184
0.3652
总资产周转率0.68680.6264
1.2058
0.7605
0.9844
0.7479
留存收益／总资产
0.0561
0.2824
0.1427
0.3118
0.1058
0.3007
企业特征员工规模
0.8900
1.2700
0.8100
1.0980
0.8400
1.1670
变量资产规模
0.5500
1.7250
0.3000
1.5140
0.4100
1.6010
行业性质
0.8700
0.3360
0.7900
0.4120
0.8300
0.3810
性别 1.0000
0.0000
0.9800
0.1520
0.0100
0.1150
年龄 0.3300
0.9110 -0.2400
1.0020
0.0000
1.0000
企业第一 负责人出生地 1.2200
0.6080
1.1200
0.4480
1.1600
0.5210
负责人特受教育程度 2.4700
0.9500
2.2300
0.9960
2.3300
0.9770
征变量 类似管理工作年限
2.7500
1.5450
1.9800
1.3360
2.3100
1.4700
是否懂生产技术
0.9400
0.2460
0.8400
0.3740
0.8800
0.3270
是否为出资人
0.5300
0.5070
0.9100
0.2940
0.7500
0.4380
地区变量省份变量 1.59000.7980
2.1400
0.8330
1.9100
0.8570
样本数3243
75
表3 logit模型估计结果
（五）模型对信用风险预测预警能力
用Logit模型的估计结果，可以对样本企业是否违约进行预测。通过比较预测结果和实际结果的符合程度，可以对模型的预测能力进行评价。上述logit模型估计结果的预测能力见表4。可以看出，模型预测的正确率比较高，都超过70%以上，特别是模型3、模型4分别为93%和88%。
表4 模型对违约行为预测的正确率
三、贷款性状与中小企业贷款风险关系分析
从75个有贷款的样本中选出了数据较全的28家抵押贷款企业，这些企业的贷款性状（利率、额度、期限、抵押品要求等合约条款）如表5所示。
表5 样本企业的贷款性状特征
项目
均值 标准差
抵押品价值（万元）
277.268415.054
贷款期限（月）15.860 10.150
实际贷款利率（‰） 7.025 1.247
贷款金额（万元） 164.911220.748
信用评分值 5.053 3.197
样本数 28
利用Logit模型结果和多元线性回归模型，探究了贷款性状对企业违约可能性的影响。采用如下形式的方程对贷款性状与企业违约的关系进行分析：
其中，P为依据logit模型计算的评分值×10；L为贷款额度；k为贷款利率×100；C为抵押品要求；d为期限。
依据上述模型，进行多元回归分析，结果如表6所示。同时，考虑到抵押品数量和贷款额度之间存在线性相关，因而又分别去掉这两个变量进行了回归（即表6中的模型2和模型3）。可以看出，3个模型均未通过显著性检验。说明我国县域中小企业贷款性状（额度、利率、抵押品、期限等合同条款）与贷款违约概率之间无明显的线性关系。某种程度上可以认为我国县域中小企业贷款的主动违约情形并不严重。
表6 信用评分值与贷款性状的多元线性回归结果
对于利率而言，可能因为我国贷款利率受到比较严格的限制，利率浮动幅度非常小，所以合同利率高低与贷款企业的风险无明显相关关系。同时，在利率受到限制的情形下，银行、信用社也难以根据对不同企业的风险评价而设置不同利率，利率起不到对不同风险借款人的甄别和筛选作用，因而也不会存在由于合同利率增高而导致的明显逆向选择现象。
对抵押品而言，可以促使企业家提高努力程度和投资项目的成功概率，减轻道德风险，但当企业产权不明晰时，这种效应较微弱。但是，如果不考虑方程拟合的显著性，仅从系数的符号来看，抵押品数额与违约率之间的确呈负相关关系，也就是说抵押品的确具有一种减轻道德风险的作用，只是目前我国县域中小企业信贷市场中这种作用不显著而已。
仅从系数的符号来看，期限与违约可能性之间具有某种程度的正相关关系，期限越长，违约可能性似乎越大。表6显示信用评分值与贷款性状的多元线性回归结果。
另外，抵押品与贷款额度、利率、信用评分值、期限之间的多元回归结果（见公式3）也表明，虽然抵押品价值是贷款金额的函数，二者具有显著相关关系，但抵押品价值与企业家努力程度（用信用评分值反映的项目成功概率表示）无明显的线性相关关系，说明抵押品的贷款履约激励作用并不明显。
C=-59.679+1.763L+14.092k-4.027p-2.043d (3)
(-0.264)(11.250)(0.504)(-0.358)(-0.614)
(0.794)(0.000)(0.619)(0.704) (0.545)
其中，上面一行括号中为t检验值，下面一行括号中为显著性水平，方程中只有贷款额度通过了显著性检验。
四、小结与讨论
利用实地调查资料，采用logit模型对我国县域中小企业贷款违约的影响因素进行的实证分析结果表明：财务状况特别是资本结构、资产周转状况、股权状况对企业信用风险有显著的影响；企业家个人特征特别是年龄、受教育程度和是否持股对企业信用风险有较大影响；企业所在地域的经济发展水平对企业信用风险也有一定影响作用，当地经济发展水平越高，则企业贷款的信用风险越小。其政策含义是：(1)这几方面的指标是建立我国中小企业评分系统、以至整个信用体系应该重点考虑的，也是银行、信用社贷款决策是需要重点考察的。特别是，我们发现企业家个人特征、是否持股与违约行为具有显著关系，因而建立健全个人信用资信体系将有助于建立完善、有效的县域（特别是农村）中小企业信用评分系统；(2)进一步明晰中小企业的产权，鼓励管理者持股，有利于减轻道德风险，控制中小企业违约行为，进而，也有利于促进银行、信用社的中小企业信贷供给。
基于logit模型估计结果，利用一个小样本数据和多元线性回归模型，分析了贷款合同的有关条款（贷款额度、利率、期限、抵押品要求等）对中小企业违约的影响，结果显示：贷款利率、期限、贷款金额和担保品数额与我国县域中小企业目前违约风险大小之间无明显的相关关系。其政策含义是：(1)由于我国严格的利率管制，利率浮动范围小，利率没有起到甄别企业风险和配置信贷资金的作用。因而，进一步推进利率的市场化改革，银行、信用社可以基于企业风险评价设置相应利率，一方面可以约束企业违约行为，一方面提高银行、信用社的收益；(2)单纯依靠抵押品的增加，难以缓解道德风险导致的违约风险。对中小企业而言，在明晰产权的基础上，增加企业业主的违约责任，可能增强企业贷款履约激励，减少银行、信用社的信用风险和不良资产；(3)抵押品不能对违约风险起到有效约束作用，表明信息不对称造成的道德风险问题比较严重，因而需要加强信用体系建设，提高信息透明度。同时，也要通过完善信用体系、建立“黑名单”制度、健全司法系统、充分利用社会资本（如利用关系性贷款）等，加强对违约行为制裁的力度。
需要指出，将来的实证研究中特别是对贷款性状的分析，还需要扩展样本量。同时，由于我国县域中小企业和银行、信用社的产权及治理结构都较为复杂，贷款决策和违约行为也较为复杂，进一步的研究中，需要对中小企业违约行为的原因进行进一步区分，探究企业违约到底是由于贷款人信贷配给致使企业信贷约束或信贷产品不适合致使企业营运困难，进而导致被动违约，还是惩罚力度不足、履约机制不健全造成的主动违约。
标签：信用风险论文; 中小企业贷款论文; 中小企业融资论文; 银行风险论文; 违约概率论文; 银行信贷论文; 信贷业务论文; 项目贷款论文; 银行借款论文; 金融论文; 信贷规模论文; 概率计算论文; 项目风险论文; 项目分析论文; 能力模型论文; 实证分析论文; 风险模型论文; 信贷配给论文; 个人努力论文; 银行论文;