銀行規模、貸款技術與小微企業融資*——對“小銀行優勢”理論的再檢驗

程 超 林麗瓊

?

銀行規模、貸款技術與小微企業融資*——對“小銀行優勢”理論的再檢驗

程 超1林麗瓊2

（1. 南京農業大學金融學院 江蘇南京 210095）（2. 福建農林大學經濟學院 福建福州 350002）

本文通過構造貸款技術指數，量化貸款技術的應用程度。在此基礎上，使用864家小微企業調查數據，采用二元logit模型對“小銀行優勢”理論進行檢驗，并論證該理論的適用范圍。研究結果表明：在我國縣域地區，“小銀行——關系型貸款技術——小微企業”與“大銀行——交易型貸款技術——大中型企業”的二元匹配關系依然成立。不過，隨著金融基礎設施的完善、銀行業競爭程度的加劇，“小銀行優勢”理論的適用性逐漸削弱。最后，提出完善縣域地區金融基礎設施、激勵大銀行創新適合小微企業的貸款技術和貸款模式等相關政策建議。

小銀行優勢 銀行規模 金融基礎設施 銀行業競爭程度

一、引 言

截止2014年底，全國范圍內已有100多家商業銀行成立小微企業金融專營機構，新設立1000多家新型農村金融機構和8000多家小額貸款公司，這些機構大多設立在縣域地區。這反映出政府冀希望于通過“發展與農村小微企業相匹配的小型金融機構”來增加對縣域地區小微企業的貸款供給。從理論上看，“小銀行優勢”理論認為，由于組織結構扁平化，小銀行在軟信息搜集方面具有比較優勢，小微企業缺乏抵押擔保，更加依賴基于軟信息的關系型貸款，因此，為了緩解小微企業融資難，應當大力發展小銀行。那么，“小銀行優勢”理論在我國縣域地區是否適用？其適用范圍又如何？適用范圍產生的原因何在？

關于“小銀行優勢”理論的檢驗，其結果存在很大爭議。有些研究支持“小銀行優勢”理論，如白俊、連立帥（2012）認為信息透明度低的中小企業更傾向于向中小銀行申請貸款融資，中小銀行是小企業貸款的主要提供者，發展新的中小金融機構、防止中小金融機構通過跨區域合并而過度擴張是緩解中小企業貸款難的一種政策選擇；Peek和Rosengren（1998）、Degryse等（2010）認為大銀行對小企業貸款的規模遠不及小銀行。與此同時，也有不少實證研究對“小銀行優勢”理論提出質疑，如楊曄（2008）發現中小銀行在市場定位、客戶選擇、經營戰略等方面與大銀行趨同；姚耀軍、李明珠（2013）對貸款銀行規模與中小企業之間關系的研究結果顯示，小銀行與中小企業的銀企關系更弱；De La Torre等（2010）發現，當信貸市場中大銀行市場份額增加時，不僅小企業信貸可獲性提高，貸款利率也相應下降；Hatice（2014）以土耳其商業銀行為研究樣本，發現無論是在小企業貸款規模還是在貸款比例（小企業貸款余額/企業貸款余額）上，大銀行均顯著高于小銀行。

國內外學者以不同地區為樣本對“小銀行優勢”理論進行了檢驗，從已有文獻來看，仍有進一步深入研究的空間：（1）“小銀行優勢”理論包含兩個方面：不同規模銀行在關系型/交易型貸款技術上各具比較優勢；不同規模銀行在貸款給不同規模企業上各具比較優勢。而現有文獻對不同規模銀行在貸款技術上的比較優勢的分析大多停留在理論層面，缺乏相應的實證分析。（2）鮮有文獻對“小銀行優勢”理論的適用范圍進行探討，且以我國縣域地區為研究樣本的文獻更少。（3）對于貸款技術應用程度的量化，現有文獻往往使用銀企關系強度、廣度、深度來衡量關系型貸款；或通過企業是否擁有獨立審計的財務報表作為財務報表型貸款技術的代理變量（Kano等，2011），但代理變量的有效性有待檢驗。為此，本文通過構造貸款技術指數，量化貸款技術的應用程度，在此基礎上，從不同規模銀行對貸款技術的選擇以及小微企業貸款的發放兩個方面檢驗“小銀行優勢”理論，并從理論和實證層面分析“小銀行優勢”理論的適用范圍。

對“小銀行優勢”理論的檢驗及其適用范圍的研究有如下意義：在理論層面，可以豐富和完善小微企業融資理論。在實踐層面，有助于探討當前大力發展小銀行以緩解小微企業融資難的政策效果，尤其是如何在政策層面上鼓勵不同規模銀行發放更多的小微企業貸款，以針對性地緩解縣域地區小微企業融資難。①

二、假說的提出

貸款技術是為了解決銀行在篩選、甄別、監督貸款企業和控制貸款風險過程中所面臨的信息不對稱而產生的。Berger和Udell（2002）將貸款技術定義為主信息來源、篩選和放貸程序、貸款合約結構、監督策略機制的組合。不同貸款技術解決信息不對稱的路徑是不同的，根據不同的信息類型、信息來源和保證合約執行的機制，貸款技術可劃分為交易型貸款技術和關系型貸款技術，交易型貸款技術的主信息為硬信息，關系型貸款技術的主信息為軟信息（Stein，2002）。交易型貸款技術可進一步劃分為財務報表型、擔保型、資產抵押型、信用評級型、融資租賃、保理和資產保證型（Berger和Udell，2006）。關系型貸款技術是指銀行通過和借款企業長期多渠道的接觸，積累了大量與企業及企業主相關的軟信息，并依據這些軟信息而發放的貸款。

從已有文獻來看，不同學者利用不同地區或同一個地區不同時點的數據對“小銀行優勢”理論進行檢驗，其結論卻存在很大差異。為了探究“小銀行優勢”理論的適用范圍并分析其成因，本文從信貸市場環境——地區金融基礎設施和銀行業競爭程度對“小銀行優勢”理論的影響展開分析：

（一）金融基礎設施對“小銀行優勢”理論的影響

“小銀行優勢”理論的核心為貸款技術，金融機構規模通過貸款技術作用于小微企業融資（Jalal等2005），關系型貸款技術并非小微企業融資所必須依賴的貸款技術，財務報表、信用評級等基于硬信息的交易型貸款技術也可用于甄別小微企業信貸風險（Berger和Frame，2007）。在經濟落后地區，金融基礎設施的不完善導致交易型貸款技術的使用受到限制（Hertzberg等，2010），具體地，不完善的會計準則和信息披露制度導致部分小微企業財務報表不規范、不健全，且大多未經獨立審計，財務報表貸款技術的應用受到限制；征信體系的不完善導致信用評級結果的有效性、準確度不盡如人意，信用評級貸款技術無法充分發揮作用；司法體系和擔保體系的不健全使得企業一旦違約，抵押物的變現和判決的執行變得困難，小微企業融資不得不依賴于關系型貸款技術。而大銀行由于內部層級多、組織結構復雜，在關系型貸款技術上具有比較劣勢，故不愿意發展小微企業信貸業務。

隨著當地的會計制度、法律制度、信息披露制度和監管制度等金融基礎設施的完善，交易型貸款技術能夠得到更充分的應用，大銀行通過發揮其在交易型貸款技術上的比較優勢可以彌補其在關系型貸款技術上的不足（Giannetti，2012）。當信息來源是一些容易收集、編碼、轉換和傳遞的硬信息時，信息成本相對較低，同時可將信息有效轉移給上層有決策權的人，進行集權式決策。因此，隨著金融基礎設施的完善，當交易型貸款技術的應用不再成為大銀行放貸給小微企業的障礙，諸如信用評級、融資租賃、資產保證型等交易型貸款技術也能夠有效地甄別小微企業信貸風險時，大銀行將更多的應用交易型貸款技術開拓小微企業信貸業務，小銀行與小微企業之間的匹配關系將逐漸減弱。

（二）銀行業競爭程度對“小銀行優勢”理論的影響

銀行業競爭程度的加劇使得大銀行傳統的大中型企業客戶信貸業務的利潤空間逐漸縮小，為了保持經營利潤的增長，大銀行不得不通過創新貸款技術、貸款模式以盡可能多地發展小微企業信貸業務。而在銀行業競爭相對較弱的地區，大銀行憑借其市場份額，通過壟斷勢力從大中型企業客戶信貸業務中獲取的貸款利潤遠高于小微企業。

從公司治理結構角度而言，銀行管理層的薪酬與其經營績效并未直接掛鉤，小微企業風險大、成本高、收益低，一旦出現違約，對于管理層的影響卻是直接的，因此，當銀行業壟斷程度較高時，管理層出于自身利益考慮，沒有必要大力開展小微企業信貸業務。競爭的缺失導致銀行產生“惰性”，在開發小微企業客戶、開發適用于小微企業的貸款技術和貸款模式上缺乏積極性。

事實上，相對于小銀行，大銀行有著資金、技術、人才方面的優勢（Rocha等，2010），可以通過設立眾多的分支機構，獲取小微企業的相關信息，并選擇適當的方式將可利用的信息與決策權相匹配，提高決策效率和銀行收益（Berger和Black，2011），通過貸款技術創新開發適合小微企業的信貸產品，甚至能夠比小銀行更好的服務于小微企業。

由此，本文提出如下假說：

隨著地區金融基礎設施的逐步完善、銀行業競爭程度的加劇，“小銀行優勢”理論的適用性將逐漸減弱。

三、實證模型、數據來源與描述性統計

（一）貸款技術指數

通過構造貸款技術指數，我們能夠量化銀行在貸款給某家小微企業時所使用的貸款技術的應用程度。Uchida在2006年首次提出了貸款技術指數的概念，并以此量化了日本銀行主要使用的3種貸款技術。Bartoli（2013）將Uchida構建貸款技術指數的23個指標沿用于對意大利銀行貸款技術的量化。②本文對Uchida（2006）和Bartoli（2013）的貸款技術指數構造方法進行了改進，一方面簡化了衡量指標、降低了主觀性，另一方面引進了對更多貸款技術的量化。

本文貸款技術指數的構造方法如下，在實地調研中，通過詢問企業的貸款銀行“貴銀行在向企業發放貸款時，看重的是什么因素，請將以下5個選項按重要程度進行排序：財務報表及現金流、是否有抵押資產、企業/企業主的信用評級結果、是否有擔保、信貸員與企業/企業主或其他相關人員長期接觸所搜集到的企業信息”，5個因素分別對應于財務報表貸款技術、資產抵押貸款技術、信用評級貸款技術、擔保型貸款技術和關系型貸款技術，前四種貸款技術均屬于交易型貸款技術。③

由于企業可能不止向一家銀行申請貸款，故本文所詢問的銀行為該企業的主要貸款銀行，量化其主要貸款銀行在貸款給該企業時所使用的各種貸款技術的應用程度。④在定量化每種貸款技術應用程度的過程中，不同貸款技術之間無優劣之分，因此我們對貸款技術賦等權重1，僅對所排順序賦予相異權重。例如：銀行對某家小微企業發放貸款時，對5個因素的排序為：2、1、5、3、4，那么銀行在向該企業發放貸款時，對其財務報表、抵押物、信用評級結果、擔保和銀企關系的重視程度分別為0.267、0.333、0.133、0.067、0.2，因此，該銀行對交易型貸款技術的應用程度為0.8（0.267+0.333+0.133+0.067=0.8），對關系型貸款技術的應用程度為0.2。

（二）實證模型與變量說明

對于銀行規模的劃分標準，國際上通常選擇的是總資產規模，根據我國縣域金融市場結構現狀，我們將四大國有商業銀行和其他股份制商業銀行作為大銀行，小銀行則是指農村商業銀行、農村合作銀行（包括農村信用社）和村鎮銀行，本文回歸模型如下：

模型中，被解釋變量為小企業貸款是否來自于大銀行。表示企業規模；為了避免多重共線性，只在方程中加入關系型貸款技術指數；為地區銀行業集中度，用以探究銀行業競爭程度對不同規模銀行貸款技術的選擇以及小微企業貸款發放的影響；為地區金融基礎設施，用以探究地區金融基礎設施對不同規模銀行貸款技術的選擇以及對小微企業貸款發放的影響。表示企業特征控制變量。為常數項，表示隨機擾動項，表示小微企業。此外，我們還加入了行業控制變量。變量具體定義如表1所示：

表1 模型變量的說明

（三）數據來源

本文實證分析數據來源于2014年4-8月對縣域地區的問卷調研。選取我國東中西部具有代表性的六個省份作為研究樣本，東部選取福建省、江蘇省；中部選取湖北省、湖南省；西部選取四川省、云南省。抽樣方法如下：在每個省份，依據各縣（市）人均工業增加值指標排序，進行系統抽樣，并根據地理位置做出適當調整，每省抽 8個縣（市），共48個樣本縣（市）；其次，按人均工業增加值排序，以系統抽樣法從每個縣（市）中抽取3個鄉鎮，并根據地理位置作適當調整，共144個鄉鎮樣本。每個縣抽取20家小微企業，其中位于縣城的5家，位于三個鄉鎮的各5家。共獲得960份調研問卷，有效問卷864份。問卷內容包含了企業的基本經營狀況、資金需求和貸款獲取情況。

與以往研究不同，本文使用銀企匹配數據：首先，使用上述抽樣方法對當地小微企業進行抽樣調研，考察小微企業的基本信息，了解該企業的主要貸款銀行；其次，詢問其主要貸款銀行在貸款給該企業時所用的貸款技術，以及該銀行對當地金融基礎設施的評價。宏觀層面數據來源于中國人民銀行和各省統計年鑒。

（四）變量描述性統計

樣本企業所屬的行業包括農產品加工業、機械制造業、建筑業、服裝紡織業、餐飲業、家居用品業、運輸業和批發零售業。樣本企業的主要貸款銀行包括股份制商業銀行（含國有商業銀行）、郵政儲蓄銀行、農村商業銀行、農村合作銀行和村鎮銀行。

表2 模型變量描述性統計

由表2可知：超過55%的小微企業貸款來自于小銀行；在貸款技術方面，關系型貸款技術的應用比例較高；地區金融基礎設施變量均值不高，東西部地區差異巨大；小微企業規模、成立年限和歷史業績方差較大，說明企業特征差異較大，同時表明樣本企業選擇較為合理。

四、實證分析

首先對變量進行相關性檢驗，發現變量之間的相關系數皆小于0.5，可排除多重共線性；其次，對“無關選擇的獨立性”（IIA）假設進行檢驗，Hausman檢驗及Small-Hsiao 檢驗結果均接受原假設。采用二元logit模型對模型進行估計。實證結果如表3所示。

表3 模型回歸結果（被解釋變量為小微企業貸款是否來自于大銀行）[⑤]

續表3

模型Ⅰ模型Ⅱ模型Ⅲ模型Ⅳ 企業行業虛擬變量含含含含 Wald chi2110.38122.34120.39129.40 Prob>chi20.00000.00000.00000.0000 樣本量864864864864

注：*、**、***分別表示系數在10%、5%、1%的統計水平上顯著。

模型Ⅰ中，關系型貸款技術變量（）在5%的統計水平上顯著為負，表明當小微企業從大銀行獲得貸款時，銀行更多的使用交易型貸款技術；當小微企業從小銀行獲得貸款時，銀行更多的使用關系型貸款技術。企業規模變量（）在10%的統計水平上顯著為正，表明企業規模越大，其從大銀行獲得貸款的概率將增加。規模越大的企業，其信息透明度越大，硬信息所占的比重越大，因此更容易獲得具有交易型貸款技術優勢的大銀行的金融服務。

模型Ⅱ在模型Ⅰ的基礎上加入了企業規模與銀行業競爭程度的交互項（），以及關系型貸款技術與銀行業競爭程度的交互項（）。企業規模與銀行業競爭程度的交互項顯著為正，表明隨著銀行業競爭程度的上升，大銀行貸款給小微企業的概率呈遞增趨勢；關系型貸款技術與銀行業競爭程度的交互項顯著為負，表明隨著銀行業競爭程度的加劇，關系型貸款技術在不同規模銀行間的應用程度的差異逐漸降低，可能是由于競爭的加劇導致大銀行傳統的大中型企業客戶信貸業務的利潤空間縮小，即使是應用自身并不擅長的關系型貸款技術，也不得不開展小微企業信貸業務。

模型Ⅲ在模型Ⅰ的基礎上加入了企業規模與地區金融基礎設施的交互項（），以及關系型貸款技術與地區金融基礎設施的交互項（）。企業規模與地區金融基礎設施的交互項顯著為負，表明隨著地區金融基礎設施的完善，大銀行將更多的貸款給小微企業；關系型貸款技術與地區金融基礎設施的交互項顯著為負，表明隨著地區金融基礎設施的完善，大銀行將更多的應用交易型貸款技術，同時表明，在金融基礎設施完善的地區，大銀行之所以能夠更多的貸款給小微企業，很大程度上應歸因于交易型貸款技術作用的充分發揮，驗證了本文假說。

模型Ⅳ中，同時加入所有變量，企業規模顯著為正、關系型貸款技術顯著為負依然成立。同時，交互項系數的符號并沒有發生改變。以上結果表明，在我國縣域地區，整體而言，大銀行偏好于應用交易型貸款技術放貸給大中型企業，小銀行偏好于應用關系型貸款技術放貸給小微企業，“小銀行優勢”理論在我國縣域地區依然適用。另一方面，上述“大銀行——交易型貸款技術——大中企業”與“小銀行——關系型貸款技術——小微企業”的二元匹配關系的適用性隨著銀行業競爭程度的加劇和地區金融基礎設施的完善而逐漸削弱。

控制變量方面。企業成立年限、經營績效變量顯著為正，表明成立年限長、經營績效好的小微企業更容易獲得大銀行貸款。企業參與信用評級與否對被解釋變量無顯著影響，一方面可能是由于小微企業為了獲得銀行貸款，與信用評級機構的“尋租”行為使得信用評級的可信度降低，另一方面可能是信用評級過程中過多的人為因素使得評級結果的有效性下降，銀行對評級結果的重視程度也相應下降。

五、穩健性檢驗

（一）貸款技術指數的再構造

為了檢驗本文貸款技術指數構造方法的準確性和科學性，使用Uchida（2006）和Bartoli（2013）的貸款技術指數構造方法來量化關系型貸款技術的應用程度。模型回歸結果如表4所示。

表4 重新構造貸款技術指數后的模型回歸結果

續表4

模型Ⅰ模型Ⅱ模型Ⅲ模型Ⅳ ROA1.5059*（1.7732）0.9098*（2.0075）1.8703**（2.3475）1.4768**（2.2289） Equity0.4082（0.6469）0.2625（0.4467）0.2867（1.2349）0.5497（1.0086） 企業行業虛擬變量含含含含 Wald chi2124.65134.45120.74128.82 Prob>chi20.00000.00000.00000.0000 樣本量864864864864

表4回歸結果中核心變量的符號和顯著性水平與預期的一致，表明本文的貸款技術應用程度的量化方法具有一定的準確性和科學性，同時也表明本文的結論很穩健。

（二）分樣本回歸

將樣本企業按其所在地區的銀行業競爭程度的中位數劃分，高于或等于該中位數的地區銀行業競爭程度較低，低于該中位數的地區銀行競爭較激烈。在此基礎上，對兩個樣本分別進行二元logit回歸，在排除多重共線性和通過“無關選擇的獨立性（IIA）”檢驗之后，模型回歸結果如表5所示。

表5 分樣本回歸結果（依據銀行業競爭程度劃分）

注：*、**、***分別表示在10%、5%、1%的水平上顯著。

由表5可以看出：關系型貸款技術變量在兩個樣本中均顯著為負，表明關系型貸款技術是小銀行在放貸給小微企業時十分重要的貸款技術，大銀行更多的選擇交易型貸款技術。然而，該變量在不同樣本中的顯著性不同，在銀行壟斷程度較高的地區，該變量在1%的統計水平上顯著，隨著銀行業競爭程度的提高，該變量的顯著性下降，換言之，在競爭激烈的地區，不同規模銀行對貸款技術選擇的差異較小，可能是因為競爭的加劇導致大銀行在放貸給小微企業時，不得不應用自身并不擅長的關系型貸款技術。

企業規模變量在兩個樣本中均顯著為正，表明企業規模是影響小微企業信貸可獲得性的重要因素，該變量的顯著性在不同樣本地區有明顯差別，在壟斷程度較高的地區，該變量在1%統計水平上顯著，而在銀行競爭較為激烈的地區，該變量并不顯著，表明小銀行與小企業的匹配關系在銀行業壟斷程度較高的地區的適用性高于銀行業競爭激烈的地區。⑥

將樣本企業按其所在地區的金融基礎設施的中位數劃分，高于或等于該中位數的地區金融基礎設施較完善，低于該中位數的地區金融基礎設施較落后。在此基礎上，對兩個樣本分別進行二元logit回歸，在排除多重共線性和通過“無關選擇的獨立性（IIA）”檢驗之后，回歸結果如表6所示。

表6 分樣本回歸結果（依據金融基礎設施劃分）

注：*、**、***分別表示在10%、5%、1%的統計水平上顯著。

表6的回歸結果顯示：相較于金融基礎設施落后的地區，在金融基礎設施完善的地區，企業規模變量的顯著性明顯下降，而關系型貸款技術變量的顯著性明顯上升，表明隨著金融基礎設施的完善，大銀行將更多的應用交易型貸款技術放貸給小微企業。

由此，我們得到“小銀行優勢”理論的適用范圍：隨著地區銀行業競爭程度的加劇以及金融基礎設施的完善，“小銀行優勢”理論所認為的“大銀行—交易型貸款技術—大中型企業”與“小銀行—關系型貸款技術—小微企業”的二元匹配關系將逐漸減弱。

六、結論與建議

本文通過構造貸款技術指數，量化貸款技術的應用程度，在此基礎上對“小銀行優勢”理論進行檢驗，并進一步分析該理論的適用范圍，研究結論如下：

第一，隨著地區金融基礎設施的完善，大銀行對交易型貸款技術的應用程度顯著上升，且大銀行會更多的放貸給小微企業；隨著銀行業競爭程度的加劇，大銀行即使使用自身并不擅長的關系型貸款技術，也會更多的放貸給小微企業。“小銀行優勢”理論的適用性隨著金融基礎設施的完善和銀行業競爭程度的加劇而逐漸削弱。

第二，由于我國縣域地區金融基礎設施較為落后，銀行業競爭程度仍不充分，“小銀行優勢”理論在我國縣域地區仍然適用。

根據上述結論本文認為，現階段政府出臺的試圖通過引進小型金融機構緩解小微企業信貸配給的政策（譬如銀監發（2006）90號），短期內可以在一定程度上達到預期效果。然而小銀行在資金、人才、技術上的相對落后使其在風險甄別、貸款技術創新和貸款風險管理上均力不從心，而關系型貸款的風險管理主要依賴客戶經理的現場調查，因此，要加強風險管理，就必須投入更多的成本。在這種情況下，銀行若大力發展小微企業貸款就會面臨風險管理的兩難問題，即加強風險管理就會導致成本上升，但若降低應用成本又會導致風險加大和違約損失提高，兩者都會嚴重影響銀行大力發展小微企業貸款業務的盈利性。同時，關系型貸款技術的應用又會不可避免的摻雜過多的人為因素。如何長遠地、根本地解決小微企業融資難，如何促進在資金、人才、技術和交易型貸款技術上有優勢的大銀行成為小微企業貸款中的主力軍是政府部門亟需考慮并解決的問題。為了增加大銀行對小微企業的貸款發放，根據本文研究結論，應從根本上解決交易型貸款技術使用的局限性，降低交易型貸款技術的應用成本，并且形成大銀行小微企業信貸業務的激勵機制。為此，本文提出如下建議：

首先，完善金融基礎條件。具體包括：完善會計制度和獨立審計制度，以增加財務報表的真實可靠性。完善信息披露制度，提高會計信息披露質量，推進征信體系建立，以提高信用評級貸款技術的應用質量。構建相對完善的法律和司法體系，制定小微企業抵押擔保法，根據小微企業的特點，在抵押擔保物范圍、手續辦理等方面制定配套的法律法規，以擴寬抵押擔保物的使用范圍，增加抵押擔保型貸款技術的甄別效率。

其次，在縣域地區占據壟斷地位的大銀行應當加快小微企業貸款技術的創新，以盡可能的滿足小微企業的信貸需求。為此，應從金融機構的內部和外部對其施加激勵：外部而言，競爭性的農村金融市場結構對大銀行傳統的大中型企業客戶信貸利潤空間的壓縮有助于其開展小微企業貸款業務，政府應當進一步引導各類金融機構進入農村地區；內部而言，應對大銀行現有的公司治理結構和產權體系進行改革，形成良好的激勵機制，建立真正能起到長期激勵作用而不是單純以短期業績為導向的薪酬分配機制，增強董事會對薪酬方案制訂的獨立性。

1. 白俊、連立帥：《信貸資金配置差異:所有制歧視抑或稟賦差異?》[J]，《管理世界》2012年第6期。

2. 楊曄：《我國社區銀行發展定位與核心競爭力構建研究》[J]，《當代財經》2008年第1期。

3. 姚耀軍、李明珠：《金融結構、中小企業與反貧困——基于新結構經濟學最優金融結構理論的經驗研究》[J]，《浙江社會科學》2013年第9期。

4. Berger A. N. and Black L, 2011, “Bank Size, Lending Technologies, and Small Business Finance”[J]., Vol. 35(1), PP724-735.

5. Berger A. N. and Frame WS., 2007, “Small Business Credit Scoring and Credit Availability”[J]., Vol. 47(8), PP5-22.

6. Berger, A. N. and Udell G. F., 2002, “Small Business Credit Availability and Relationship Lending: The Importance of Bank Organizational Structure”[J]., Vol.112(10),PP32-53.

7. Berger A.N, and Udell G.F,2006, “A More Complete Conceptual Framework for SME Finance”[J]., Vol.30(11),PP2945-2966.

8. Degryse, H., Masschelein N. and Mitchell J., 2010, “Staying, Dropping, or Switching: The Impacts of Bank Mergers on Small Firms”[J].,Vol.24(1),PP1102-1140.

9. De la Torre, A., Martínez Pería, M. S. and Schmukler, S. L., 2010, “Bank Involvement with SMEs: Beyond Relationship Lending”[J]., Vol.34(12),PP2280-2293.

10. Giannetti, Mariassunta and Steven Ongena., 2012, “Lending by Example: Direct and Indirect Effects of Foreign Banks in Emerging Markets”[J].,Vol.86(5),PP167-180.

11. Hatice, J.,2014, “The New Paradigm in Small and Medium-sized Enterprise Finance: Evidence from Turkish Banks”[J]., Vol.29(16),PP45-72.

12. Hertzberg, A., J. Liberti, D. and Paravisini., 2010, “Information and Incentives Inside The Firm: Evidence from Loan Officer Rotation”[J]., Vol. 65(3),PP795-828.

13. Jalal Akhavein, W. Scott Frame and Lawrence J. White., 2005, “The Diffusion of Financial Innovation: An Examination of the Adoption of Small Business Credit Scoring by Large Banking Organizations”[J]., Vol.78(2),PP577-596.

14. Kano, H., Uchida, G.F. and W. Watanabe., 2011, “Information Verifiability, Bank Organization, Bank Competition and Bank-Borrower Relationships”[J].,Vol.35(4),PP935–954.

15. Memmel, C., Schmieder, C. and Stein, I., 2007, “Relationship Lending: Empirical Evidence for Germany”[C]. Discussion Paper Series 2: Banking and Financial Studies 14, Deutsche Bundesbank.

16. Peek, J. and Rosengren E. S., 1998, “The Evolution of Bank Lending to Small Business”[J]., Vol.12(3),PP27-36.

17. Rocha, R., Martinez Peria M. and Anzoategui, D., 2010, “Bank Competition in The Middle East and Northern Africa Region”[J].,Vol.6(10),PP26-48.

18. Stein, J. C., 2002, “Information Production and Capital Allocation: Decentralized versus Hierarchical Firms”[J]., Vol.57(3),PP1891-1921.

（Y）