放松管制（Deregulation）可以优化生产要素配置，这已经成为经济学者们的广泛共识。但是Dr. Chu Yongqiang将对这一观点发出挑战。他使用DID方法，通过比较对美国48个州的银行在放松管制前后的表现，认为在美国银行业，放松管制会提高房地产价格，并使得贷款违约率上升。这无疑对所谓的经济学常识构成挑战。
在信贷约束与放松管制的研究领域，长期以来一直存在广泛争论。争论的焦点在于，放松管制对信贷约束的影响到底是怎样的。Dr. Chu进行了文献回顾，并发现有两派观点。第一派认为，信贷约束对房地产价格的影响是负相关的（Ortalo Magne and Rady, 2006, Favilukis, Ludvigson, and Van Nieuwerburgh, 2013）。然而另一派则认为，信贷约束对房地产价格的影响微乎其微(Kiyotaki, Michaelides, and Nikolov, 2008, Sommer, Sullivan, and Verbrugge, 2010)。但是，无论这两派如何争执，目前也只是进行理论层面的探讨，而Dr. Chu Yongqiang认为，“我相信用数据说话更加令人信服。”
实证分析面临重重挑战。Dr. Chu Yongqiang认为挑战主要在于两点。首先，信贷约束现象往往混杂于需求上升，如何将信贷约束从需求信息集中分离出来，这非常有难度。其次，即便成功地将信贷约束分离出来，我们也很难排除信贷约束与需求一方的关系。Dr. Chu Yongqiang认为，美国对“跨州银行”放松了监管，应当以这一政策作为冲击（Shock），来研究信贷约束问题。
谈到美国对跨州银行放松监管，Dr. Chu回顾了美国于1994年确立的《跨州银行与分支机构效率法案》（Interstate Banking and Branching Efficiency Act, 简称IBBEA）。他认为，即便从联邦层面通过了该项法律，但是各州执行的范围、程度乃至时机都各不相同。数据方面，Dr. Chu使用了Costar数据库，并以其中1990至2004年商业房地产与交易数据作为研究的主要数据来源。研究时，Dr. Chu剔除了以下几种类型的数据：1、来自阿拉斯加与夏威夷的数据；2、非正常交易关系数据（Non-arm’s length transactions）；3、非城市数据；4、来自缺失变量的交易数据。
DID方法有一重要假设，即观察组与控制组应当具备同样的时间趋势（parallel trend assumption）。为保证这一假设成立，Dr. Chu使用每两个州边境线上的样本进行比较；这样的话，观察组与控制组具备相同的时间趋势，但是其政策环境却是不同的。同时，在此Holms（1998）数据库的基础上，Dr. Chu将距离边境10英里与20英里的样本挑选出来，形成新的对比数据库。通过两步回归的计量策略，模型产生了非常显著的结果：1、在距离边境10英里内，银行业放松监管政策的效果是逐渐递减的；2、10英里至20英里，该政策效果保持不变。
通过研究，Dr. Chu总结认为，对于美国跨州的数据来说，银行业放松监管产生了以下几个后果：1、房地产价格上升；2、银行业融资量加大；3、金融杠杆率提高；4、按揭利率下降；5、更多的贷款违约。
在讨论部分，陈钊教授认为，使用边境两边的样本进行比较，这种想法令人印象深刻。同时，陈钊教授建议，应当将研究思路理清，把放松监管导致信贷违约等等非效率的机制阐述清楚。
撰稿人：石烁
