社會資本對銀行貸款契約的影響

社會資本對銀行貸款契約的影響

作者：肖作平張櫻

證券市場導報 2015年04期

大量的財務經濟學文獻基于代理沖突視角和信息不對稱視角構建銀行貸款的契約理論模型：由于貸款人和借款人之間存在信息不對稱，一方面，貸款人需要評估所有潛在借款人的信譽并篩選出信用風險高的“劣質”借款人，即貸款前的逆向選擇問題；另一方面，由于借款人具有投資次優(高風險或凈現值小于零)項目的動機，貸款人將根據“優質”借款人不同的信用風險等級提供不同利率的貸款，即貸款后的道德風險問題(Shockley和Thakor，1997；Cantillo和Wright，2000；Bradley和Roberts，2004；Beck et al.，2006)[41][6][5][4]。因此，由逆向選擇和道德風險所導致的信息摩擦使得銀行不僅需要設立價格型契約條款，而且需要設立非價格型契約條款，以便監督和限制潛在損失。

現實中的金融交易(比如銀行信貸)是鑲嵌在社會關系網絡之中的，這種社會關系提供了獨特的信貸渠道并最終決定了信貸成本。Putnam(2000)[38]將這種社會關系，或者說“人與人之間通過相互聯系所產生的社會網絡、互惠規范以及信賴度”定義為社會資本。社會資本具有促進合作和協調、保證交易機構正常運轉、降低交易成本、提高資本效率的潛在功能，有利于提高社會信任度(Woolcock和Narayan，2000；Guiso et al.，2004)[43][19]。社會信任度越高，信息不對稱所產生的交易成本越低，資金的借貸金額、借貸期限、借貸成本和擔保要求等貸款契約條款可能相應受到影響。因此，社會資本可能會影響銀行貸款契約的設計。然而，經典銀行貸款契約理論模型沒有突出社會資本的重要價值(Petersen和Rajan，1994)[35]。

同時，與西方發達經濟體相比，發展中國家和經濟轉型國家有關契約的法律制度不夠完善，非正式關系(如社會資本)往往可作為法律制度的替代機制以保證交易的正常進行。中國是關系導向型經濟體，通過依賴社會網絡建立可信賴的人際關系建立交易合作關系(Farh et al.，1998)[11]，社會資本對于中國而言將更加重要。因此，在中國開展社會資本和銀行貸款契約之間關系研究具有重要的理論和現實意義。本文將考察中國30個省、直轄市社會資本的發展程度對于銀行貸款契約的影響，為社會制度與銀行貸款契約之間關系的研究做有益補充。

理論分析與研究假設

銀行貸款契約是一種信任密集型(trust-intensive)的金融契約，這種金融契約的可執行性不僅取決于正式的制度環境，如法律淵源(La Porta et al.，1997，1998)[25][26]、債權人權利保護(Qian和Strahan，2007；Bae和Goyal，2009；Haas et al.，2010)[40][31][21]等；還取決于非正式的制度環境，如社會資本(Guiso et al.，2004)[19]、社會文化(Guiso et al.，2009；Giannetti和Yafeh，2012)[20][16]等。在發展中國家和經濟轉型國家，契約保護法律等正式制度的發展水平較低，作為正式法律制度的替代機制，非正式制度(如社會資本、社會關系)具有保證金融交易正常進行的功能(Allen et al.，2005)[2]。此外，Guiso et al.(2004)[19]證明在法律保護越弱的環境中，社會資本對金融契約的影響效應越強。基于此，本文從貸款利率、貸款金額、貸款期限、貸款擔保四個維度分析社會資本如何影響銀行貸款契約，并提出研究假設。

一、社會資本與銀行貸款利率

Ostrom(1990)[33]、Fukuyama(1995)[14]、Glaeser et al.(2002)[17]把社會資本定義為：有助于人們克服信息不對稱問題，并在彼此信任和互相信賴的基礎上簽訂金融契約的一種社會技能和社會網絡關系。這種高信任度的社會環境有助于降低代理成本，因為機會主義行為將降低契約雙方在長期交易關系中所累積的信賴度(Kim et al.，2009)[23]。因此，社會資本能傳遞有關信任、合作的信號，降低契約雙方之間的信息不對稱程度。社會資本發展水平越高，借貸雙方之間的信任度越高，越有助于降低貸款銀行的監督成本、契約簽訂成本以及信息搜集成本，最終降低銀行貸款成本。因此，本文提出研究假設1：

H1：社會資本和銀行貸款成本負相關，即在社會資本發展水平越高的地區，銀行貸款利率越低。

二、社會資本與銀行貸款金額

Portes(1998)[36]指出：由于社會規范的強烈影響作用，人們自覺地進行慈善捐贈、遵守交通規則、按期償還債務，僅僅是因為人們內心意識到自身有責任去做。高水平的社會資本能夠對社會規范水平下滑的公民進行懲罰。Wu(2008)[44]認為，社會資本發展水平越高，民間組織、社區組織以及政府非營利組織的數量越多，這些承擔外部監管者角色的社會組織之間共享信息、相互影響并形成一個廣泛而強效的監管網絡。這種監管網絡環境不僅鼓勵人們誠信負責，而且對于任何不法行為和機會主義行為都將給予嚴厲的懲罰，對社團組織或公民個人的聲譽造成嚴重的負面影響。因此，在社會資本發展水平越高的地區，社會懲罰水平越高，對公民個人以及社會組織的約束效應越顯著，借款公司維護公司聲譽和公司形象的動機越強烈，社會資本能傳遞有關公司聲譽的信號。在信息不對稱的環境中，公司聲譽質量越高，違約風險越低(Strahan，1999)[42]，簽訂更優惠銀行貸款契約的談判能力越強(Fombrun和Shanley，1990)[13]，債務(銀行貸款)融資能力越強(Dennis et al.，2000)[9]。因此，社會資本發展水平越高，公司的聲譽質量越好，獲得銀行貸款的能力越強。基于此，本文提出研究假設2：

H2：社會資本和銀行貸款金額正相關，即在社會資本發展水平越高的地區，銀行貸款額度越高。

三、社會資本與銀行貸款期限

因為簽訂和執行完全契約的難度較大，信息不對稱問題導致市場失效，這種市場失效誘使契約各方在債務融資過程中產生各種機會主義行為(Aghion和Bolton，1992)[1]。在信息不對稱問題較嚴重的信貸市場，縮短貸款期限使得銀行能夠頻繁地針對銀行貸款契約條款進行重新談判，降低逆向選擇問題和道德風險問題所導致的信息摩擦。信息不對稱問題越嚴重，銀行貸款期限越短(Moerman，2009)[30]。緩解嚴重信息不對稱問題的各種努力嘗試導致契約各方簽訂復雜和詳細的契約條款，包括與貸款限額要求、抵押擔保要求、貸款期限要求等多種問題相關的條款。Zheng et al.(2012)[45]發現：在崇尚個人主義、社會公平度越差的社會環境中，公民信任度越低，機會主義行為越嚴重，長期貸款契約的交易成本越高，公司長期貸款水平越低。社會資本提高了公民的社會參與度(Putnam，1993)[37]，公民參加社會活動的積極性越高，信息的傳播范圍越廣、傳播效率越高，信息不對稱的降低有利于人們為了彼此的利益而共同合作，提高了人們協調合作的能力和意愿，同時頻繁地交易合作也抑制了機會主義行為(Fidrmuc和Gerxhani，2008)[12]。因此，社會資本發展水平越高，公民參與度越高，對機會主義行為的抑制作用越強，借貸雙方之間的信息透明度越高，銀行貸款期限越長。因此，本文提出研究假設3：

H3：社會資本和銀行貸款期限正相關，即在社會資本發展水平越高的地區，銀行貸款期限越長。

四、社會資本與銀行貸款擔保

當不能完全地執行法律契約時，人們通常在金融交易中使用非正式契約，這種非正式契約通常誕生于社會和商業網絡之中，社會網絡能促進合作、制裁不法行為、提高交易各方之間的信任度。Coleman(1988)[8]指出通過網絡關系提高信任度是社會資本的重要功能之一。Mobius和Szeidl(2009)[29]發現社會網絡可作為非正式銀行貸款契約的虛擬抵押擔保品，與正式貸款契約中的實物抵押資產的功能類似。一方面，社會網絡密度越高，債權人通過發達的社會關系網絡越容易搜集到借款公司的質量信息，信息不對稱程度的降低緩解了事前的逆向選擇問題以及事后的道德風險問題(Petersen和Rajan，1994)[35]；另一方面，社會網絡密度越高，貸款銀行對借款公司的信任度越高，越容易建立長期信貸合作關系(Knack和Keefer，1997)[24]，因此預期社會網絡能降低銀行對借款公司的抵押擔保要求。基于上述分析可知，社會網絡為公司獲得銀行貸款提供間接的擔保，并且社會資本發展水平越高，社會網絡密度越大，虛擬社會擔保品的價值越大，因此銀行對抵押擔保的要求越寬松。因此，本文提出研究假設4：

H4：社會資本和銀行貸款擔保負相關，即在社會資本發展水平越高的地區，銀行貸款擔保要求越低。

一、樣本選擇

根據社會資本數據的可獲得性，本文選取的初始研究樣本為2010-2012年在深圳、上海證券交易所上市的所有公司；同時，按照以下原則對樣本公司進行篩選：①剔除金融類上市公司；②剔除ST、PT類上市公司；③剔除財務數據存在極端異常值以及存在缺損的公司；④剔除無法獲得相關數據的上市公司；⑤剔除西藏、新疆地區的上市公司，因為無法獲得這兩個地區相關的社會資本數據。根據上述原則，本文構建了一個包含2010-2012年間可連續獲得相關信息的391家在深、滬上市的非金融公司組成的平衡面板數據為樣本(總共1 173個觀測值)。

根據中國證監會2012年10月26日頒布的《上市公司行業分類指引》對這391家非金融類上市公司按照行業代碼進行分類。研究樣本中有214家公司屬于制造業，占總樣本的比重約為54.73%。為了減緩估計結果產生偏差，本文在實證模型中控制行業因素時對制造業按大類進行細分，總共分為23個小類，其他行業依然以大類為準，因此本文的公司樣本共涉及35個行業。因篇幅限制，分類結果在此略去。

二、變量定義與數據來源

1.解釋變量——社會資本的度量

不同學者對社會資本內涵的界定各有千秋，比如，Chiesi(2007)[7]認為宏觀層面的社會資本包含文化性和娛樂性的社團組織、公民參與公共政策的制定、志愿者活動和社區活動、文化媒體(比如日報)的發行和流通四個部分。Fidrmuc和Gerxhani(2008)[12]認為社會資本包含公民參與、社會信任、關系網絡(正式和非正式兩種)、慈善公益(或利他主義)四個部分。Hawes和Rocha(2010)[22]認為社會資本的內涵應包含社區生活與社會組織生活、參與公共事務、社區志愿服務、非正式社交、社會信任五個部分。綜合以上學者的觀點，本文將社會資本的內涵界定為四個部分：社會信任；社會參與(即公民政治參與)；社會組織(即正式社會關系網絡)；社會慈善(即志愿者活動或非盈利慈善公益活動)。本文擬從上述四個維度來度量社會資本的發展程度。具體而言，社會資本四個維度的度量指標如下：

社會信任的度量：通常將社會信任定義為人們認為陌生人值得信賴的程度(Fukuyama，1997)[15]。本文采用“中國城市商業信用環境指數官網”(www.chinacei.org)編制的2010-2012年城市商業信用環境指數來度量中國不同地區的信任度。

社會參與的度量：也稱為公民參與，分為Putnam(1993)[37]流派和Olson(1982)[32]流派。Putnam(1993)[37]的“公民參與”主要包括公民參與教育、體育、藝術、宗教、慈善五個方面有關的社團活動，在追求共同目標的過程中不會對社會其它部門產生外部性影響；Olson(1982)[32]的“公民參與”主要包括公民參與政治黨派運動、工會活動、職業協會等，在采取聯合行動的過程中將對社會其它部門產生外部性影響。本文采用中國社會科學院房寧(2012，2013)[46][47]編制的2011-2012年中國公民政治參與行為分數來度量中國不同地區的公民參與程度。

社會組織的度量：也稱為正式關系網絡。社會關系網絡密度通常用來度量人們之間的聯系程度，分為正式和非正式兩種。正式關系網絡是指人們通過共同參加正式事件或成為正式組織成員而建立起來的一種聯系；非正式關系網絡是指朋友、親人、同事或其他成員之間的一種非正式關系。正式網絡能超越非正式網絡并獲得和創造額外的團體利益(Paxton，1999)[34]。本文采用社會組織(包括社會團體、民辦非企業單位和基金會)數量(地區社會組織總數的自然對數)來度量中國不同地區的正式社會關系網絡，社會組織數量的數據來自《中國統計年鑒》2010-2012年的“社會組織情況”。

社會慈善的度量：也稱為利他主義，這種度量方法源自Putnam(2001)[39]，他發現在美國公益慈善對社會的貢獻與自愿組織或社區組織的數量高度相關。本文采用各地區福利彩票公益金支出額來度量中國不同地區公益慈善的活動水平。福利彩票公益金支出額數據來自《中國統計年鑒》2010-2012年的“福利彩票銷售情況”。

對解釋變量定義的總結如表1所示。

本文使用Stata 12.0軟件，通過因子分析法提取社會資本四個維度指標的公因子，并根據各個共因子的方差貢獻率構建中國30個省、直轄市社會資本發展程度的綜合分數，結果如表2和表3所示。分別對2010-2012年社會資本四個維度進行因子分析，通過最大方差正交旋轉之后模型最終提取并保留了一個共因子。因子的載荷矩陣表明提取出的社會資本共因子對社會信任、社會參與、社會組織以及社會慈善這四個變量的解釋力度較好；模型LR檢驗的P值均為0.0000，表明模型非常顯著；同時KMO值均大于0.6，表明社會資本的四個維度指標適合作因子分析，因子分析總體效果較理想。

2.被解釋變量銀行貸款契約的度量

本文擬從銀行貸款利率、貸款金額、貸款期限、貸款擔保四個方面來考察銀行貸款契約，其中，貸款擔保是虛擬變量，當借款公司需要向貸款銀行提供抵押或質押物時取值為1，否則為O。銀行貸款利率、貸款金額、貸款期限、貸款擔保的相關數據全部來自國泰安數據服務中心(CSM AR數據庫)。

3.控制變量的度量

控制變量的選擇參考先前的研究(Goss和Roberts，2007；Kim et al.，2009；Du et al.，2010)[18][23][10]，主要包括貸款特征和公司特征兩部分。

貸款特征變量主要有：貸款用途(貸款用于償還債務或并購時取值為1，否則取值為0)、貸款類型(屬于擔保貸款時取值為1，屬于信用貸款或其他類型時取值為0)。貸款特征變量數據來自國泰安數據服務中心(CS MAR數據庫)。

公司特征變量主要有：成長機會(市值賬面比)、無形資產(無形資產/總資產)、公司規模(總資產的自然對數)、財務杠桿(負債/總資產)、盈利能力(ROE)、股權結構(前10大股東的持股比例)。公司特征變量數據來自銳思金融研究數據庫(www.resset.cn)。

另外，考慮到不同省份社會資本發展程度的差異可能是由于各省份經濟發展水平的差異所造成的，因此需要對各省份的經濟發展程度因素進行控制，本文擬采用公司所在省份的GDP(GDP的自然對數)來反映各省的經濟發展水平(GDP數據來自2013年《中國統計年鑒》)。最后，控制行業和年度虛擬變量。對相關控制變量定義的總結如表4所示。

三、實證模型的設定

根據本文的理論分析，社會資本的四個維度即社會信任、社會參與、社會組織、社會慈善的代理變量對銀行貸款契約(貸款利率、貸款金額、貸款期限、貸款擔保)具有影響作用。另外，先前的研究表明，貸款用途、貸款類型等貸款特征變量以及成長機會、公司規模、財務杠桿、無形資產、ROE、股權集中度、行業類別等公司特征變量影響銀行貸款契約(貸款利率、貸款金額、貸款期限、貸款擔保)(Goss和Roberts，2007；Kim et al.，2009；Du et al.，2010)[18][23][10]。因此，本文構建如下四個回歸模型實證分析社會資本對銀行貸款契約的影響：

其中，i代表第i家樣本公司，t代表第t年；被解釋變量Rate、lnLoan、Maturity、Guaran分別代表銀行貸款契約的四個方面，即貸款利率、貸款金額、貸款期限、貸款擔保；解釋變量SC代表通過因子分析法所提取出的社會資本共因子；控制變量(Control Variables)包括貸款特征變量以及公司特征變量。

實證結果與分析

由于本文使用的是平衡面板數據，因此首先需要對回歸模型的設定形式進行判斷：

對于回歸模型(1)：首先，由于F檢驗值為53.78且在1%水平上顯著，因此在混合最小二乘法估計與固定效應模型之間進行選擇時應優先選擇固定效應模型；其次，由于LM檢驗的卡方值為1022.38且在1%水平上顯著，因此在混合最小二乘法估計與隨機效應模型之間進行選擇時應優先選擇隨機效應模型；最后，由于Hausman檢驗的卡方值為36.47且不顯著(P值為0.1462)，因此在固定效應模型與隨機效應模型之間進行選擇時應優先選擇隨機效應模型。綜合上述F檢驗、LM檢驗以及Hausman檢驗的結果，本文選擇隨機效應模型估計回歸模型(1)。

對于回歸模型(2)：首先，由于F檢驗值為5.95且在1%水平上顯著，因此優先選擇固定效應模型；其次，由于LM檢驗的卡方值為443.61且在1%水平上顯著，因此優先選擇隨機效應模型；最后，由于Hausman檢驗的卡方值為19.35且不顯著(P值為0.1036)，因此優先選擇隨機效應模型。綜合上述F檢驗、LM檢驗以及Hausman檢驗的結果，本文選擇隨機效應模型估計回歸模型(2)。

對于回歸模型(3)：首先，由于F檢驗值為4.90且在1%水平上顯著，因此優先選擇固定效應模型；其次，由于LM檢驗的卡方值為367.16且在1%水平上顯著，因此優先選擇隨機效應模型；最后，由于Hausman檢驗的卡方值為14.68且不顯著(P值為0.1440)，因此優先選擇隨機效應模型。綜合上述F檢驗、LM檢驗以及Hausman檢驗的結果，本文選擇隨機效應模型估計回歸模型(3)。

對于回歸模型(4)：由于被解釋變量貸款擔保(Guaran)是二元虛擬變量，因此本文選擇面板數據的離散選擇模型，即Logit模型來估計回歸模型(4)。

運用Stata 12.0統計軟件，回歸模型(1)、(2)、(3)、(4)的實證估計，結果見表5。

從表5可見，Wald值和Likelihood-ratio值分別表明本文選擇的隨機效應模型和Logit模型的整體擬合效果較好(1%顯著性水平)；調整的R2表明本文所選用社會資本的代理變量與控制變量對于銀行貸款契約的解釋能力范圍是10.46%～19.37%。除回歸模型(2)之外，年份虛擬變量和行業虛擬變量的聯合顯著性檢驗大部分都在1%和5%水平上顯著，表明行業類別和年份效應對銀行貸款契約具有顯著性影響。

表5第一欄顯示的是模型(1)的估計結果。從解釋變量來看，隨機效應模型中社會資本(SC)的估計系數為-0.0020(t值為-3.01)且在1%水平上顯著，說明地區社會資本水平與銀行貸款利率水平呈現顯著的負相關關系，即發達的社會資本有助于降低銀行貸款利率(或上市公司的債務融資成本)。社會資本對銀行貸款利率具有顯著的影響作用，從而證實研究假設H1。

從控制變量來看，公司規模(Size)的估計系數為-0.0014(t值為-2.02)且在5%水平上顯著，說明公司規模和銀行貸款利率顯著負相關，即公司規模越大，銀行貸款利率越低，這與Qian和Strahan(2007)[40]；Bae和Goyal(2009)[3]的研究結論一致。大規模公司的典型特征表現為：經營多元化、運作規范成熟、現金流量穩定、知名度較高、違約風險較低，并在信貸市場獲得一定程度的聲譽，這意味著大規模公司的信息不對稱程度較低，為獲得更優惠的融資條件，大規模公司就銀行貸款契約的議價能力較強(Strahan，1999)[42]。因此公司規模對銀行貸款利率具有顯著的負面影響。

第二欄顯示的是模型(2)的估計結果。從解釋變量來看，隨機效應模型中社會資本(SC)的估計系數為0.2168(t值為3.06)且在1%水平上顯著，說明地區社會資本水平與銀行貸款金額呈顯著正相關關系，即社會資本越發達，銀行貸款金額越高。社會資本對銀行貸款金額同樣具有顯著的正向影響作用，從而證實研究假設H2。

從控制變量來看，公司規模(Size)(估計系數為0.1801)和財務杠桿(Lev)(估計系數為0.5267)分別在1%和5%水平上與銀行貸款金額顯著正相關。公司規模越大，違約風險越低，公司規模對銀行貸款金額具有正面的影響作用；財務杠桿較高的公司，債務的代理成本較大，因為這類公司投資不足的問題較嚴重，此外高杠桿公司具有投資高風險項目的動機(Myers，1977)[31]。但負債比率較高本身說明公司在債務市場已獲得一定的聲譽度，這有助于降低違約風險，因此負債水平越高，上市公司可獲得銀行貸款的額度越大。

第三欄顯示的是模型(3)的估計結果。從解釋變量來看，隨機效應模型中社會資本(SC)的估計系數為0.2571(t值為2.52)且在1%水平上顯著，說明地區社會資本水平與銀行貸款期限呈現顯著的正相關關系，即社會資本越發達，信息不對稱程度越低，銀行貸款期限越長。社會資本對銀行貸款期限同樣具有顯著的影響作用，從而證實假設H3。

從控制變量來看，公司規模(Size)(估計系數為0.1648)和無形資產比率(Intangi)(估計系數為1.2485)分別在1%和10%水平上與銀行貸款期限顯著正相關。公司規模通過聲譽效應機制對銀行貸款期限產生正向的影響作用。對于無形資產，Loumioti(2012)[27]發現1996-2005年期間美國20%的擔保貸款使用無形資產作為貸款抵押品，無形資產提供擔保的貸款質量并不亞于其它類有形資產擔保的貸款。Loumioti(2012)[27]認為無形資產在信貸市場中扮演著緩解金融摩擦的角色，與有形資產相比，無形資產提供擔保有助于降低逆向選擇和道德風險問題，提高信貸市場的效率，因此上市公司的無形資產比率越高，越有利于獲得長期銀行貸款。

第四欄顯示的是模型(4)的估計結果。從解釋變量來看，Logit模型中社會資本(SC)的估計系數為-5.0365(t值為-15.24)且在1%水平上顯著，說明地區社會資本水平與銀行貸款擔保呈現顯著的負相關關系，即社會資本越發達，銀行貸款擔保要求越寬松，從而證實研究假設H4。

從控制變量來看，貸款特征的兩個代理變量即貸款用途(Target)(估計系數為2.0847)和貸款類型(Type)(估計系數為4.6618)均在1%水平上與銀行貸款擔保顯著正相關。對于貸款用途，當上市公司將貸款用于償還舊債務或并購而不是用于正常的生產經營活動時，貸款銀行將這種貸款用途視為公司信用風險增加的信號(Goss和Roberts，2007)[18]，從而貸款擔保要求將更加嚴格；對于貸款類型，Dennis et al.(2000)[9]的“信用質量”假說認為正是因為借款人的信用風險較高，貸款人才會提出抵押質押等擔保要求，因此當銀行貸款類型屬于擔保貸款而非信用貸款時，銀行貸款的擔保要求將趨于嚴格。另外，公司特征的三個代理變量即公司成長機會(Growth)(估計系數為0.7244)和公司規模(Size)(估計系數為-0.4168)分別在1%和5%水平上與銀行貸款擔保要求顯著負相關。成長機會越高的公司，投資不足問題越嚴重(Myers，1977)[31]；此外成長期權的價值越高，資產替代問題越嚴重。因此成長性越高的公司，契約成本相對較高，逆向選擇問題較嚴重，銀行貸款的擔保要求較嚴格。股權結構(Struc)(估計系數為2.6228)在5%水平上與銀行貸款擔保要求顯著正相關。因為股權結構越集中，控制股東侵占公司利益的動機越強烈，“壕溝效應”越顯著，代理沖突和信息不對稱問題越嚴重，因此銀行貸款的擔保要求越嚴格。

穩健性檢驗

為了得到穩健結果，本文進行了以下三個方面的穩健性檢驗。

(1)把社會資本的四個維度指標(即社會信任、社會參與、社會組織和社會慈善)單獨作為解釋變量重新進行回歸。回歸結果與社會資本綜合分數作為解釋變量的回歸結果基本一致。(2)采用人均社會組織數量(地區社會組織單位總數/年末職工人數)、人均社會福利企業數量(社會福利企業單位總數/殘疾職工人數)、總資產增長率(期末總資產/去年同期總資產-1)、帶息負債率｛帶息債務/(股權權益+帶息債務)，其中帶息債務=負債合計-無息流動負債-無息非流動負債｝分別作為社會組織、社會慈善、公司成長機會、財務杠桿的代理變量重新進行回歸。回歸結果沒有實質性差異。(3)前面檢驗了同一年份的社會資本對銀行貸款利率、貸款金額、貸款期限和貸款擔保的影響效應，為了避免模型內生性問題，本文將模型中的解釋變量即社會資本(SC)滯后一期重新進行回歸，以進一步研究社會資本對于銀行貸款契約的影響作用。回歸結果表明：除模型(2)之外，模型(1)、(3)、(4)中社會資本回歸系數與前面的回歸結果基本一致。因篇幅限制，穩健性檢驗回歸結果在此略去。

本文構建一個包含2010-2012年連續三年可獲得相關信息的391家在深、滬上市的非金融公司組成的平衡面板數據為樣本，運用因子分析法提取社會資本的共因子構建社會資本的綜合分數，在控制相關變量的前提下應用隨機效應模型和Logit模型實證檢驗社會資本對銀行貸款契約(包括貸款利率、貸款金額、貸款期限和貸款擔保)的影響。研究發現，社會資本發展水平在銀行貸款契約中扮演著重要的角色。具體而言：(1)社會資本對銀行貸款利率具有負向影響作用。即在社會資本發展水平越高的地區，社會信任度越高，銀行貸款利率越低；(2)社會資本對銀行貸款金額具有正向的影響作用。即在社會資本發展水平越高的地區，社會懲罰水平越高，公司信譽質量越好，銀行貸款金額越高；(3)社會資本對銀行貸款期限具有正向的影響作用。即在社會資本發展水平越高的地區，社會參與度越高，信息不對稱程度越低，銀行貸款期限越長；(4)社會資本對銀行貸款擔保具有負向的影響作用。即在社會資本發展水平越高的地區，社會網絡密度越高，社會虛擬擔保品價值越大，銀行貸款擔保要求越寬松。

本文通過檢驗社會資本對銀行貸款契約設計的影響為研究社會制度與銀行貸款契約之間的關系提供了一個新視角。作為除物質資本、人力資本、技術資本之外的第四種資本要素，“社會資本”這一概念本身包含著許多特性，比如信任、互惠、道德規范以及其它有利于合作、交流、團結的價值觀。從社會網絡結構中誕生的社會資本不僅是一種重要的無形資產，同時還具有公共品的屬性，即在一定社區范圍內產生正的外部效應(Manfred，2005)[28]。通過倡導公民之間的誠信和友善、鼓勵公民積極參與大至國家小至社區的公共政策的制定、引導社會組織和民間組織的繁榮和發展、扶植公益慈善組織和社會福利企業的發展，大力培育和積極增進各地區社會資本的發展水平，有助于充分發揮社會資本的正外部性，對于地區經濟增長和金融發展具有重要的影響意義。

作者介紹：肖作平，西南交通大學經濟管理學院會計系教授、博士生導師，研究方向：公司財務與公司治理；張櫻，女，西南交通大學經濟管理學院博士生，研究方向：公司財務與公司治理，四川 成都 610031

【社會資本對銀行貸款契約的影響】相關文章：

團隊社會資本及對績效的影響04-27

內部社會資本對組織創新的影響04-27

社會資本的測量及其對就業結果的影響04-27

射手的契約04-30

發行契約-04-30

契約作文04-30

自利的契約論和非自利的契約論04-26

社會資本的科學測量方法04-30

信用的社會資本意義分析04-30

圖書發行契約03-15