长需求效应和银行供给而带来的银行竞争。如果危机时期银行市场力量影响信贷供给，我们预期会发现金融对外依存度高的部门将受到更为严重的影响。根据Cetorelli和Gambera(2001)的研究，我们预计非危机时期β3为负值，β4为正值。正如第二部分解释的，我们不会犹豫某些特征而做出预测并把它当做先验性的问题。
我们使用国家和行业虚拟变量来控制所有具体到每个行业每个国家的不可观察的价值来源。使用这些固定影响值避免了对金融发展、银行竞争、监管和制度等各个变量都进行回归。这样允许我们更加专注于他们之间的相互作用。由于这个原因，我们进行了检验，当我们在回归中舍弃LERNER，不把它包含在后面的模型中时，结果并没有改变。在第二个模型中，我们检验了如果将银行监管和制度的外生性因素加入，银行市场力量的基本结果是否保持不变，并检验银行监管和制度与银行市场力量如何相互作用从而影响危机前、中、后时期的经济增长。我们对每个子周期使用的第二个模型是：
错误！未找到引用源。(2)
在对模型（1）的扩展中，我们添加了一个监管和制度系列变量和各部门对外依存度指标之间的交互项（REGINSTi*EDj）。这个条目反映了特定监管变量的直接影响。此外，我们添加依次为银行市场力量、国家监管制度和各部门之间对外依存度的替代项之间的交互项(LERNERi*REGINSTi*EDj)。这个交互项反映特定监管和制度变量通过银行市场力量的间接影响，如，在危机和非危机时期，一个国家的监管和制度如何塑造银行竞争对经济增长的影响。
我们还增定了一些规范，使用危机和非危机时期实际价值增长率的差别作为因变量，如， △GROWTHijCRISIS-NONCRISIS错误！未找到引用源。定义为GROWTHijCRISIS-GROWTHijNON-CRISIS错误！未找到引用源。。其中，GRWOTHijCRISIS表示国家i部门j在危机时期实际价值增长，GROWTHijNON-CRISIS表示国家i部门j在非危机时期实际价值增长。这些规范解释的变量在模型（1）和（2）中。
使用最小二乘法（OLS）或工具变量（LV）进行回归估计。LV方法使我们能够专注于银行竞争、监管及制度的外源性成分的影响。我们使用OLS估计的预测值而非银行市场力量、监管、和制度变量的观测值。如OLS估计中的解释变量我们应用Barth等（2004）提出的国家监管和制度工具：合理虚拟变量（英语、法语、德国和斯堪的纳维亚）、距离赤道纬度和宗教等组成变量。宗教部门利用每个国家罗马天主教、新教、伊斯兰教及其他宗教人口比例来衡量。大陆法系国家相对英美法系国家在私有财产上倾向于支持更有力的政府（LaPorta等，1998）。根据这种理论，严格的法规和欠发达的机构预计会在大陆法系国家出现。热带气候条件的国家往往会产生剥削的政治制度，即政府机构保护少数精英的状况（Beck等，2003），预计离赤道越近，制度环境越差，对银行经营活动也会有更多的限制。最后，根据Stulz和Williamson(2003)的研究，天主教和穆斯林的宗教往往会产生一个权力等级机构来塑造政府机构和法规。因此，宗教测度被纳入工具变量。该模型如下：
错误！未找到引用源。（3）
为了检验工具变量（IV）估计值的适用性，我们使用豪斯曼检验证实了初始假设，即工具变量的引进对回归变量的估计没有影响。当检验在10%或更低的显著性水平上被拒绝时，我们报告工具变量的估计值。否则，我们使用银行市场力量、监管和机构的观测值做OLS估计，并报告这些OLS估计值。模型（3）的第一阶段回归结果可在网上附录中查看，F检验可看出所有变量在第一阶段回归中具有很高的显著性。
4.数据和变量
我们从众多数据源中选取了行业和国别数据。从Caprio和Klingebiel(2003)那里获取银行危机信息。该数据库包含了20世纪70年代以来93个国家的113次系统性银行危机的信息。我们采用工发组织的工业统计数据库（2006）计算了工业价值实际增加值和行业在总价值中的份额增加值。该数据库包含了28个工业行业在3位数国际标准产业分类的分列层次信息。为降低工业增加值的影响，我们使用来自国际金融统计（IFS）的消费者价格指数（CPI）。
我们最初收集了1980—2000年间至少有一次银行危机的76个国家的工业增长信息。去掉了缺少危机前和危机期间37个国家行业增加值信息的37个国家。遵循Krozsner等人的先验研究，我们也去掉了任何研究子时期中增加值信息不足5个行业的国家（6个）。最后，除去金融发展数据缺失的国家我们最终的样本为1980—2000年间30个国家的36次系统性银行危机。基本估计中包含了527组危机前和危机期间国家行业观测值和651组危机后国家行业观测值。表1显示了相应的银行危机信息及各个国家在危机前、危机间和危机后实际增加值的平均增长率。
我们参照Rajan和Zingales（1998），Beck等（2000），和Krozsner等（2007）的研究，使用IFS提供的存款货币银行的私人信贷与GDP的比率来衡量金融发展（FD）程度。为控制这些变量潜在的内生性，我们使用样本中1980年（或第一个可以获取数据的年份）来计算行业增加值占总增加值的比重及金融发展程度。
我们使用Rajan和Zingales(1998)计算的指标作为衡量各部门（ED）对外依存度的计算指标。该指数被定义为美国公司的样本中在产业层面产生的非现金资本支出比例。我们专注于年轻公司的外部资金需求（小于10年），Cetorelli和Gambera(2001)的研究中也是如此。
遵循先验研究，我们使用勒纳指数（LERNER）来表示银行市场力量。考虑到产品价格和边际成本之间的实质差别在于垄断力量的存在，勒纳指数使用价格百分比定义了价格和边际成本的差异。完全竞争情况下，勒纳指数取值为0，完全垄断时为1，当由于银行的非最优化行为导致价格比边际成本更低时，勒纳指数取负值。我们使用与Maudos和FernándezdeGuevara(2004)同样的程序估计了银行层面勒纳指数的简单指标。银行N的勒纳指数计算如下：
错误！未找到引用源。（4）
其中产品价格Pn表示财务和经营总收入（利息收入+佣金收入+费用收入+交易收入+总营业收入）除以银行N的总资产。MCn错误！未找到引用源。表示多生产一单位产出产生的边际成本。边际成本在下面超越对数成本函数模型的基础上计算得出：
错误！未找到引用源。(5)
其中Cn指银行总的财务和运营成本（利息支出+佣金支出+费用支出+交易费用+总经营性开支），TAn表示总资产Wz表示产品不同要素的价格（z） W1=劳动力价格：人事费用/总资产
W2=有形资本价格：（总营运成本-人事成本）/固定资产 W3=存款价格：利息支出/存款和短期资金
我们对每个国家的各个银行进行了成本函数（以及边际成本）估计。我们允许成本函数的参数随着不同国家技术的不同而变化。我们还引进了固定效应来捕捉特定变量对各个银行的影响。我们引进趋势，我们还捕捉随着时间推移成本函数中技术变化的影响。为了捕捉特定变量对每家银行影响，我们引进各个固定效应进行了函数估计。
国家级的勒纳指数使用BANKSCOPE数据库，以每家银行的总资产作为权重因子，对样
本中银行勒纳指数的加权平均而得到。我们使用BANKSCOPE数据库中的每个国家样本时期的勒纳指数平均值，并验证了不同时期，即危机前、危机中、危机后的勒纳指数的预测指标结果并无改变。随着时间改变而变化的指标使我们能够控制银行危机期间银行业竞争环境的潜在改变，但是会形成一种潜在的反向因果关系，如果经济下滑至少在某种程度上解释了一些银行危机及危机时期银行集中度和市场力量的增加。勒纳平均指数受这种反向因果关系的影响更少。表1揭示了不同国家银行市场力量的巨大差异。勒纳指数的范围从最低值阿尔及利亚的0.07到最大值韩国的0.69。
我们采用了先验研究中常用的4个监管变量(Barth等，2004；Beck等，2006)。首先是银行是否允许参与产生非利息收入的经济活动（限制）。这个变量表示，银行在证券、保险、房地产市场领域的经营活动是：（1）不受限制的，（2）允许的，（3）限制的，或（4）禁止的。限制范围可以从3到12，数值越大表示对银行活动及非金融所有权和控制权的限制。我们的样本中，这种变量最大值为11（哥斯达黎加），最小值为4（科威特和斯里兰卡）。第二个监管变量表示银行对非金融企业（RESTOWN）所有权和控制权是：（1）不受限制的，（2）允许的，（3）限制的，（4）禁止的。这种变量具体分析了银行和商业混合经营的影响。变量值从1（印度、肯尼亚和南非）到4（玻利维亚，哥斯达黎加和印度尼西亚）。
第三个监管变量为整体资本限制（CAPREQ），揭示针对不同的指导方针是否具有对银行资本金明确的监管要求。这个变量理论上可以取最小值0到最大值9，更高的数值就表示更高的监管要求。我们的样本中，匈牙利和挪威目前具有最高的资本要求（9），委内瑞拉则为最低（1）。上述三个监管变量的信息来自世界银行的银行监管数据库。
最后，第四个监管变量是国家存在明确的存款保险。我们使用虚拟变量（INS），存在明确的存款保险则取值为1，否则为0。存款保险数据来自Demirgü?-Kunt和Sobaci(2001)。
对于一个国家的制度质量，我们采用三个可供选择的变量来表示。首先，我们使用财产权保护指标。这个变量表示了由传统基金会（HeritageFoundation）构建的产权保护评级。它的值从1到5，更高的数值表示更大的产权保护。我们的样本中，芬兰、日本、韩国、科威特和挪威的产权保护程度最高，孟加拉国、喀麦隆、科特迪瓦、牙买加和津巴布韦的对应数值最低。
关于制度质量，美国传统基金会（FREEDOM）的第二个替代指标是经济自由指数。该指数取值范围从0到100，更高的取值表示更大的经济自由度。Demirgüc-Kunt等（2004）及Beck等（2006）出于我们类似的目的也选用了这个指标。在我们的样本中，日本取最高值（71.7311），津巴布韦取最低值（47.2675）。
最后，我们把每个国家的债权保护（债权人）纳入考虑范围。我们使用LaPorta等（1998）研发的指标即五个分类的得分（0-1）加总：无自动冻结资产、优先支付有担保债权、限制重组、重组中的管理限制和法定准备金比例要求。该指标理论上取值从0到5，数值越高表示债权保护力度越强或防止债务人违约的力度越强。在我们的样本中，该指标数值从最小值1（芬兰）到最大值4（埃及、印度、印度尼西亚、马来西亚和津巴布韦）。在回归分析中加入此变量分析时，限于债权人数据的可获得性，我们的样本降至11个国家的13个银行系统性危机。
表2展示了相关矩阵。一个国家金融发展程度与非危机时期（包括危机前和危机后）的实际增长率呈正相关。勒纳指数与实际增加值在正常时期呈负相关，在银行危机时期呈负相关。危机时期，监管和制度变量与实际价值增长之间无显著相关关系，非危机时期相关性显著。危机后，限制、整体资本要求和债权人保护均与实际工业增长呈正相关。危机前和危机后的时期，INS和RIGHTS均与工业实际增长呈正相关。危机后的时期，FREEDOM与工业实际增长呈正相关。只有RESTOWN在任一时期与工业实际增长都无明显相关性。法规和
制度变量之间的相关性并不强（低于0.5），但大多为显著的。只有RIGHTS和FREEDOM之间的相关性高于0.5，这并不奇怪，因为这两个变量是其他国家机构质量的替代表示。监管和制度变量之间仅有的不显著相关关系在RESTOWN和CAPREQ及RESTRICT和FREEDOM之间。
5.实证结果
5.1银行竞争和银行危机
我们对危机和非危机时期银行市场力量对经济增长的影响进行了实证分析。模型（1）的分析结果如表3所示。
控制了银行市场力量以后，FD*ED相互作用的结果与Kroszner等（2007）的研究发现相一致。第1列中FD*ED的显著正系数显示，在非危机时期金融体系较为发达的国家，财政依赖性更高的产业往往发展更快。虽然我们在列（2）、列（3）中没有得到危机或危机以后时期负显著系数，但列（4）中FD*ED的显著负系数表明，在金融体系发达的国家，金融依赖性部门从危机前到危机时期增长率的降低更大。尽管列（5）中表示危机和非危机时期增长差异的因变量，FD*ED的系数为负，但在统计上并不显著。
在金融危机前的时期，LERNER的显著负系数表明银行市场力量对增长具有负向作用，平均而言，影响到所有部门。这一结果支持了一个观点，即银行体系较低的竞争水平对影响整个经济的信贷市场造成了无谓的损失。然而，LERNER*ED的显著正系数表明在金融依赖性部门，也存在一个特定的行业正效应。这些正效应是与银行市场力量相符的，可以促进最有需要的行业与银行形成借贷关系（Petersen和Rajan，1994，1995，Boot，2000；Dell’Ariccia和Marquez，2004）。这些结果证实了Cetorelli和Gambera（2001）关于正常时期银行集中度的发现。
列（2）中的结果显示出与系统性银行危机时期银行市场力量相反的模式。我们发现一个LERNER的显著正系数和交互项LERNER*ED的显著负系数。列（3）显示了这些效应在危机结束后仍持续了一些年限。危机和非危机时期的影响的不同在统计上较为显著。列（4）和列（5）中显示，当我们分别利用跨越危机和危机前时期、危机和非危机时期增长的不同时，LERNER和LERNER*ED作为相互依存的变量，保持着各自的正负显著系数。这些结果表明对银行市场力量有利的借贷关系似乎并没有帮助缓解银行危机的实际负效应，因为正常时期市场力量推动获得较高（较低）增长的行业，在危机时期也会遭遇更大（小）的增长衰减。此结果与危机时期公司改变贷款人存在转换成本相一致。如果危机期间，关系银行破产，公司将不得不向非关系银行借款。由于银行更倾向于向虽然利润少但较为熟悉的公司放款，这些借款公司将面临逆向选择问题。因此，银行间较低的竞争水平增加了危机对经济增长的负面效应。
这种影响在经济上是显著的。例如，使用列（2）中的估计，平均而言，在一个经历银行危机的国家里，所在国家的市场力量和对外依存度均在第75百分位的行业实际年度增加值，缩减程度为两者均位于25百分位的行业的14.18倍。
最后，我们集中分析了银行市场力量对外部依存度不同的行业的不同影响。在列（6）和（10）中，我们去掉了银行市场力量水平，仅仅保留交互项。危机前时期，交互项LERNER*ED的系数依然为正。危机时期，此交互项的系数虽然没有变为负值但正向作用有所减少。列（9）和（10）中的显著负系数表明，银行危机期间，银行市场力量的正向作用衰减在统计上显著。这些结果证实了，当回归分析中包含了LERNER和LERNER*ED时，列（1）到列（5）中所得结果的鲁棒性。
5.2银行竞争、监管、机构和银行危机
在本节中，我们控制了一个国家的监管和机构的影响。表4和表5分别展示了模型（2）关于银行监管和机构设置的结果。
