本文推介：闫宇聪，中南财经政法大学金融学院

本文编辑：赵一帆

本文审核：谢懿格

长期以来，政府一直关注金融机构对穷人和少数族裔客户的不公平待遇，并颁布了数项法规，为低收入和少数族裔消费者提供更好的信贷渠道。诸多文献研究了这些法规对消费者获得信贷数量和价格的影响（Ladd，1998），然而，对于消费者所获得金融服务质量方面的研究却十分稀少。本文开创性地研究了促进增加信贷数量的消费者保护法，是否会降低信贷质量。

本文使用消费者对金融机构的投诉来衡量金融产品和服务的质量，同时使用倾向得分匹配法，将《社区再投资法》（CRA）的目标地区与其所属大都会统计区（MSA）中的另外一些地区进行匹配。作者认为，基于数量的目标可能会无意中鼓励银行采取激进的销售策略，或在没有适当披露的情况下向不知情的借款人发放贷款，从而降低消费者获得贷款的质量。

本文的贡献有三：第一，本文的研究视角具有开创性。因为在以往涉及抵押贷款市场中消费者待遇平等的文献中，并没有与信贷质量相关的研究；第二，围绕《社区再投资法》（CRA）的有效性，本文证明了CRA目标区域的消费者所获得信贷的质量较低；第三，本文的工作表明，除了数量和价格之外，监管人员还应考虑监管金融机构对弱势群体客户所提供的金融服务质量，尤其是那些在贫困或少数族裔人群所占比例较高的地区。

1.借款人和贷款人之间的信息不对称

因为消费者缺乏与金融产品有关的完整信息，所以消费金融市场存在着严重的信息不对称。近年来，多位学者研究了金融机构利用信息不对称来获取利益的理论模型（Gabaix和Laibson，2006；Carlin和Manso，2011）。这些研究表明，金融机构可以通过各种方式利用不知情的客户获利。

2. 基于数量激励的意外后果

多年来，政策制定者颁布了一系列法规，以确保金融机构在贷款市场上平等地对待穷人和少数族裔客户。法规通过激励银行，使银行向低收入和少数族裔聚集地区的个人提供更多贷款。然而，这些监管几乎都是以数量层面为重点。根据Holmstrom和Milgrom（1991）的经典多任务模型预测，当代理商的报酬主要取决于产品的数量时，其质量可能会受到影响。

本文首先基于第一个理论动机，将消费者对金融机构的投诉与地区收入水平、教育程度和少数族裔比例联系起来，目的在于揭示这些信息不对称在信贷市场中的重要性。由于低收入和受教育程度较低的社区在金融消费市场上信息不对称程度较高，因此本文预计这些地区的金融机构更有可能出现较多的欺诈、不当销售以及更糟糕的服务。

之后本文基于第二个理论动机，在低收入、受教育程度低、少数族裔借款人比例高的地区与较差的金融服务质量之间建立了相关联系后，重点分析那些以数量为重点的监管地区会不会促进上述结果的形成。通过CRA对低收入和少数族裔比例较高地区金融机构贷款数量的冲击，本文研究这些地区贷款数量的提高是否会对金融服务质量产生影响。

本文使用美国消费者在消费者金融保护局（CFPB）中对金融机构抵押贷款相关的投诉数量来衡量金融服务质量。样本包括2012年至2016年CFPB披露的所有抵押贷款投诉数据，其中共涉及16309个不同的五位数邮政编码以及约170000宗抵押贷款投诉。之所以仅使用抵押贷款相关的投诉数据，是基于以下几点考虑：

1. 比较抵押贷款与信用卡等不同产品的服务质量在经济上意义不大。

2. 近年来，金融市场中与抵押贷款相关的不当行为是许多政策决策和学术论文讨论的热点。

3. 抵押贷款的投诉率较容易衡量。对于信用卡等交易，很难找到其交易的总数。然而，使用五位数邮政编码的IRS纳税申报表中报告的抵押贷款利息纳税申报人的数量可以很好的衡量抵押贷款交易的总数。

4. 住房抵押贷款是美国经济中最重要的金融产品之一。

本文使用CRA中的目标区域作为对低收入和少数族裔比例较高地区金融机构贷款数量的冲击。如果该地区的收入中位数低于其所属大都会统计区（MSA）收入中位数的80%，则该地区为CRA的目标区域。之所以关注CRA法规，是因为虽然CRA仅基于收入因素制定目标地区，但是向少数族裔客户的贷款数量是监管机构在评估银行是否遵守CRA监管规定的情况时使用的一个关键评估指标。因此，CRA目标地区对向低收入和少数族裔地区客户提供的信贷数量产生正向冲击。

人口统计数据来自2010年人口普查文件；五位数邮政编码所代表地区的平均收入数据和五位数邮政编码中有抵押贷款利息的纳税申报人数量来自2012年IRS收入统计数据库；教育水平数据来自人口普查局《2012年美国社区调查五年期估计》；五位数邮政编码地区2012-2016年房价中值变化数据来自联邦住房金融机构。

基于第一个理论动机，本文估计以下回归模型，以检验人口特征与消费者金融服务质量之间的关系：

其中，I是收入，E是教育程度，R是少数族裔占比（均在五位数邮政编码层面统计）。由于邮政编码在人口和抵押贷款活动方面差异很大，需要在分析中考虑邮政编码之间的差异。本文的做法如下，根据未偿还抵押贷款数量和人口的相对排名，将所有邮政编码分为50个组。基于这些组，分别构建49个虚拟变量，并将这些控制变量纳入回归模型中，这使本文能够分离抵押贷款量和人口对投诉的影响。

回归结果如上图所示，第（3）-（5）列的结果表明，在低收入、低学历及少数族裔聚集的区域，投诉的数量将上升。第（6）列通过将这三个变量全部包含在模型中来分离这三个变量的相对重要性。结果表明，教育的独立效应被另外两个变量所解释。收入的影响仍然相对较强，但少数族裔人口比例的影响大约是收入影响的两倍。

基于第二个理论动机，本文使用倾向得分匹配法，将CRA中指定的地区与其所属MSA中另外的一些地区匹配后进行回归，结果如下图所示。

第（1）列结果表明，CRA目标地区会导致投诉的数量增加。之后，本文进行异质性分析，将样本根据少数族裔人口的比例是否低于或高于中位数分成两组，第（2）-（3）列中的结果表明，在少数族裔人口较少的地区，是否为CRA目标地区与投诉数量之间并无明显的关系；而在少数族裔人口较多的地区，CRA目标地区会比非目标地区增加42%（e^0.35− 1)的投诉数。

本文使用两阶段回归模型，将CRA监管引起的贷款活动数量与借款人获得的金融服务质量直接联系起来。模式设计如下：

第一阶段回归使用CRA目标地区作为贷款活动数量的工具变量。本文使用两种贷款活动数量衡量标准：贷款申请数量和贷款发放数量。在第二阶段回归方程的估计中，我们使用五位数邮政编码水平的投诉数量作为因变量，贷款活动（申请或发放）数量的预测值作为关键解释变量。

回归结果如上图所示，第（1）-（2）列表明，CRA目标地区的贷款活动数量会显著增加，第（6）-（7）列表明，在缓解了内生性的影响后，本文的结论不变，即贷款数量的增加导致了贷款质量的下降。

本文使用三种稳健性检验方法来验证结论的稳健性。第一，更换被解释变量。本文使用投诉率代替投诉数量来估计所有主要回归结果；第二，为验证本文的结论不是由借款人的轻率投诉导致的，本文根据投诉的解决方式将投诉分为金融机构严重欺诈、金融机构服务质量差以及借款人的轻率投诉三类进行分组回归；第三，本文更换倾向得分匹配的匹配方式，如更换核匹配的带宽，改用1：1、1：3和1：5最邻近匹配等方式进行匹配后进行回归。上述检验均得到了与主回归结果相似的结论。

目前颁布的许多银行监管条例（如CRA）通常侧重于消费者获得的信贷数量，而不是质量方面。虽然此类监管可能成功地为这些地区的借款人提供了更高数量的信贷，但本文的结果表明，这些监管地区的信贷质量明显较低。此外，对于少数族裔比例较高的地区，质量下降程度更大，这突出了此类以数量为重点的监管的新成本。

腾讯课堂课程二维码