“攻城略地”還是“扎根本土”：空間距離與中小企業融資便利
——來自城市商業銀行貸款數據的實證

方 成 丁騁騁

一、引 言

當前，商業銀行相互間的競爭達到白熱化的狀態，典型表現就是各地不同類型商業銀行的網點密布。國有控制商業銀行因為歷史的原因，除了總部以外，一般還有省市縣甚至鎮的分支機構，股份制商業銀行也遍地開花在各市縣設立網點，這種“攻城略地”的戰略也影響到城市商業銀行，原本主要服務本地經濟與中小企業的地方性銀行也紛紛在外省市設立分支機構。這種經營戰略是值得質疑的。一方面，正如 Banerjee等(1994)提出的“長期互動”假說(Long-Term Interaction Hypothesis)所指出的那樣，作為本土化金融機構，中小銀行由于對地方上中小企業經營狀況的了解相對全面，通過與中小企業長期互動，不僅有助于解決銀行與企業之間的信息不對稱問題，也方便銀行對企業風險管控，降低違約率。因此，中小銀行的優勢本身就在于服務本土中小企業。另一方面，城市商業銀行一般由當地財政局和國資委控股，地方政府會特別強調本土銀行要服務地方經濟，如果“攻城略地”地重點往外省市擴張發展，是違背當時成立初衷的。

事實研究也表明，城商行等中小銀行在外地開設網點未能提高其績效。現有文獻研究表明中小銀行在外地開設網點經營導致其效率下降，跨區域經營程度更高的銀行其總資產收益率非但沒有提升，反而有所下降，并且提高了銀行的運營成本和風險水平。跨區域經營盈利不佳，為什么中小銀行仍擴張規模設立分支機構？一種解釋是：到外地開設分支機構的城商行相比同類金融機構較為優質，其到異地經營業務，主要是“不求盈利，但求所有”，試圖先擴大規模再逐漸占領外省市市場。那么現有的研究是否表明，中小銀行在外省市開設網點若干年后盈利豐厚呢？至少目前沒有證據表明這一點。相反地，李廣子(2014)使用多家中小銀行的時間序列數據，指出實施跨區經營的中小銀行績效相對較差，并且跨區機構與總部平均距離越遠跨區經營績效越差。

目前關于中小企業銀行信貸的研究，由于數據可得性等限制，國內的文獻大多集中于理論探討和定性分析，或者使用銀行業宏觀層面數據和上市公司貸款數據進行實證，采用中小企業貸款微觀數據進行實證分析的文獻屈指可數①張曉玫和鐘禎(2013)、郝項超(2013)、姚耀軍和董鋼鋒(2015)等分析銀行貸款問題都使用了上市公司的銀行貸款數據，而目前我國上市公司與普通的中小微企業的融資狀況具有本質區別。。為此，本文以某城市商業銀行2011—2014年的企業貸款數據，借鑒Mistrulli和Casolaro(2008)關于總部距離的想法，以企業與銀行總部之間的直線地理距離作為距離的度量，對空間距離如何影響中小企業融資便利進行實證分析，發現遠距離的外省市跨區域經營不僅不利于中小企業的融資，還增加了中小銀行的信貸風險，這表明了中小銀行攻城略地的戰略并非是一種明智的選擇。此外，文中使用空間距離變量作為主要分析變量，其作為借貸關系的外生變量，能有效地緩解實證中的內生性問題，同時基于中小銀行微觀層面數據的研究扎根于實際金融市場土壤，更具有說服力，自然值得關注。

具體而言，本文首先在理論上分析了空間距離如何影響貸款定價，中小型銀行對距離總部遠近不同的企業貸款利率定價有何區別？銀行在貸款定價中采取空間價格歧視還是遵循其成本定價原理，是否呈現出本土特征？由于中小企業信貸配給是重點關注的問題，為此我們進一步分析空間距離如何影響中小企業貸款額度。中小企業貸款中存在的風險問題也是其貸款難的重要原因，本文探討了空間距離對貸款違約發生可能性的影響，此外還考察了中小企業銀行貸款中抵押狀況、企業規模和行業類型等因素對貸款的影響。通過對上述問題的分析，本文試圖對目前中小企業銀行融資機制進行審視，為中小型商業銀行進一步明確市場定位帶來有益啟示，從新的視角剖析中小企業融資難問題。

本文剩余部分安排如下：第二部分是文獻綜述與研究假設，第三部分為數據描述和變量的含義，第四部分是空間距離與貸款利率的實證分析及穩健性檢驗，第五部分為空間距離與貸款額度、貸款違約關系的探討，最后為結論。

二、文獻綜述與研究假設

在空間距離如何影響銀行信貸的研究中，對于服務中小企業的中小型商業銀行而言，很難通過財務報表等“硬信息”了解企業，而只能通過和企業的經常性接觸獲取更多的“軟信息”后才能做出融資決策，因此空間距離成為一個重要影響因素。那么距離對中小企業借貸關系如何起作用？從現有的經濟理論和以往的文獻看，主要有如下兩個渠道。

一個是信息渠道。軟信息的獲取和傳遞受到空間距離的顯著影響，相比大企業而言，軟信息在中小企業中占有更重要的地位，從而使得中小企業的借貸關系對空間距離的影響相對敏感。Petersen和Rajan(2002)開創性研究了當地軟信息在中小企業銀行的信貸決策中的重要作用，在銀行借貸關系中，銀行關于企業的私有信息質量隨著距離的增加而下降，銀行對當地企業的軟信息獲取具有先天優勢。銀行對企業私有信息的掌握程度直接決定其貸款審批、額度和利率。另一個是借貸成本渠道。貸款申請者需要時間和精力與銀行進行溝通確定合適的貸款條款，銀行需要對貸款申請者進行貸前評估和貸后監督，雖然通訊技術等的發展看似降低了距離所導致的額外成本，但Brevoort和Hannan(2006)等研究表明距離在借貸中的影響沒有減弱。銀企距離使得交通費用和評估監管等成本增加，同時遠距離經營顯著提高了運營成本，這些成本必然會通過借貸條款反映出來。

關于距離如何影響貸款利率，一種觀點從價格歧視和逆向選擇理論出發，認為貸款行和企業之間的距離與貸款利率成反比。Degryse和 Ongena(2005)、Hauswald和Marquez(2006)等在考慮中小企業和貸款行的距離之外，引入了具有競爭關系同類商業銀行和企業之間的距離，由于企業向遠距離銀行申請貸款需要付出更高的成本，遠距離的競爭銀行為了獲取企業的軟信息需要付出更大精力以及更高的監管成本，使得近距離的銀行對申請貸款企業具有實施空間價格歧視的可能。企業與貸款行的距離越近，價格歧視空間越大，即企業的貸款價格與銀企距離成反向關系，而與企業和貸款競爭銀行的距離成正向關系。Agarwal和 Hauswald(2010)的實證結果也支持此種觀點，認為對于信息不透明的中小企業，當地銀行具有信息優勢，遠距離的競爭銀行則更易面對借貸市場的逆向選擇問題。另一種觀點認為銀行根據信息的獲取難易和溝通的邊際成本進行定價。由于對距離較近企業的信譽、發展前景等方面的軟信息掌握更全面，銀行會選擇信息掌握相對全面的優質客戶進行放貸，而在對距離較遠信息相對不透明的企業發放貸款時，在定價上要求風險溢價，從而提升了貸款利率。同時，對于距離較遠的貸款企業而言，銀行需要付出更多的溝通和監督成本，成本的提升也使得銀行要求更高的貸款定價。Knyazeva和 Knyazeva(2012)、Bellucci等(2013)等持上述觀點，他們的實證結果認為貸款利率與銀企距離成正向關系，同時表明遠距離企業申請貸款時額度更易受到信貸配給。

基于以上文獻梳理、城市商業銀行的經營特點和目前中小企業銀行融資的現狀，本文提出如下研究假設。

假設1：城市商業銀行在對中小企業發放貸款時，對當地企業貸款利率較低，對距離越遠的企業貸款利率越高。

同樣地，距離對貸款額度和貸款違約等方面有著重要影響。Bellucci等(2013)指出遠距離企業申請貸款時其額度更容易受限，王擎等(2012)實證結論表明分支機構遠離銀行總部，對其信貸增長有一定的抑制作用。Alessandrini等(2009、2010)進一步表明距離銀行較遠的中小企業信貸約束較嚴重，具有更高的現金敏感度，降低了企業創新活動。考慮距離與貸款違約風險的關系，Almazan(2002)分析了一個銀行借貸模型，得出銀行的貸款監督水平與借貸者之間距離成反比。范香梅等(2011)實證指出銀行在外地開設網點整體上會導致銀行風險水平的提高，DeYoung等(2008)、Agarwal和Hauswald(2010)等實證表明，企業與銀行之間的距離越遠，違約率增加可能性越大。由于銀行對于企業的軟信息掌握有限，特別是對距離較遠的企業信息匱乏程度更為突出，使得銀行對企業不能做出合理評估和有效監督，導致企業違約風險增加。因此，本文提出研究假設2和假設3。

假設2：城市商業銀行對當地企業貸款額度相對較大，而距離銀行總部越遠的企業越易受到信貸配給。

假設3：本地企業銀行貸款風險水平相對較低，而距離越遠的企業貸款違約率越高。

三、數據和變量

本文用于實證的貸款微觀數據，來自一家致力于中小企業金融服務的區域性城市商業銀行，數據時間為2011年9月1日至2014年7月31日，經過對原始數據進行處理得到樣本量為 3629筆貸款數據，其中小微企業占比 88.81%。變量含義和描述性統計分析在表1中給出，具體分為貸款區域特征變量、貸款合同特征變量、貸款企業特征變量、貸款信用特征變量和宏觀經濟控制變量。表1中給出了各變量的變量記號、變量名稱、變量的具體含義描述，以及均值、方差、中位數、最大和最小值等基本統計描述。

根據貸款企業所在區域，考察其空間分布狀況。第一個變量是辨識企業所在地的城鄉情況(urban-rural)，若企業所在地為城市則用 1標識，非城市用 0，數據比例為1.79∶1。從企業的地理分布特點看，貸款企業主要分布在長三角地區，其中浙江省的企業占比為 75.67%，幾乎遍布浙江的各個縣級區域、上海和蘇南的地區市區域，為區分省內和省外企業對貸款的影響，引入虛擬變量in-out：1表示省外，0表示省內。根據整理后的數據觀測，企業與貸款發放的分支機構屬于同一區域，本文使用分支機構所在地址與銀行總部的直線距離(distance)作為空間距離，此距離可以度量分支機構與銀行總部的地理距離，同時亦可作為企業與銀行總部的地理距離①Hauswald 和 Marquez(2006)、Mistrulli和 Casolaro(2008)等指出，總部距離越遠，獲取企業軟信息越難，其質量越差。本文采用數據的城商行以中小企業作為主要服務對象，在總部本地耕耘多年，不少網點是近年籌建和新設的，正逐漸適應當地的管理模式。本地銀行具有本土優勢，銀行與當地企業能夠更好地進行軟信息獲取和傳遞，由于不同區域的企業與銀行的交流模式有所區別，而非本地銀行的新設網點具有其制度記憶性(institutional memory)，使得其獲取的企業軟信息有所偏差。此外，對于銀行的總部和網點的關系管理體系而言，接近總部的網點對于銀行的政策更易貫徹和執行，同時也更易獲取貸款等資源的配給，而總部對遠距離的網點貸款的監管職能則更難以充分發揮。。此外，為了考察各區域金融發展水平和金融業的競爭狀況對中小企業銀行融資的影響，引入金融發展水平的衡量變量(FIR)②金融發展水平的度量使用各地區的金融機構存貸款總額除以當地 GDP比率進行衡量，并與所在區域的企業貸款發放時間點進行數據匹配，其中浙江省使用縣域的季度數據，上海和蘇南地區使用地區市級季度數據，數據來源為各地區的歷年統計年鑒。。

表1 變量含義及描述性統計

續表1

貸款合同特征變量中主要有貸款利率、貸款額度、貸款期限和用途等變量。貸款利率(rate)最大值為15.00%，最低為3.27%，均值和中位數為8.45%和8.07%。貸款上浮利率利差(spread)定義為貸款利率與基準貸款利率的差值，使用與貸款利率同時點和同期限的中國人民銀行公布的基準貸款利率進行數據匹配計算所得，其中上浮利率平均達到了 2.77%，平均上浮比率達到了 48.77%，此處均值是簡單算術均值，未考慮貸款額度的權重。由于數據涉及小微企業到大型企業，因此貸款發放金額(lamount)差異也較大，從5000余元到1.8億余元，平均的貸款金額為839028元，取其對數值。貸款期限(month)使用月度數據，時間長度為 0.07到 60.70，平均貸款期限在 6個月左右。貸款用途(use)分為生產性貸款、其他用途貸款和資金周轉貸款①生產性貸款指直接與生產相關的貸款，用途為購買生產原材料、購買生產設備、購買土地和新建廠房等；其他用途包含購車、裝修以及其他等一些間接服務于生產的貸款用途；資金周轉貸款指用于短期資金周轉、歸還貸款等貸款。，用數字 0、1和 2表示，在實證中以虛擬變量的方式進入回歸模型。此外，還有是否續借(renew)、是否中小企業金融債(fbond)兩個變量。

貸款企業特征變量包含企業所在的行業、類型和規模。本文把企業所在行業(industry)劃分成第一、二和三產業，其中屬于第二產業的制造業占比為 48.06%，屬于第三產業的批發和零售業占比為 33.34%。企業類型(type)分為：第一類個體、私營、集體和有限責任公司，第二類股份公司和國有企業，以及第三類港澳臺和外資相關企業。第一類企業占比達到 92.95%，其中小微企業大多屬于第一類型。根據數據特點，本文把企業規模(size)劃分為事業單位、大中型企業、小型企業和微型企業四類，分別使用數字0～3表示。

本文分別從授信、抵押和違約等五個方面的變量衡量企業的信用狀況。授信情況有兩個虛擬變量：第一是企業是否為一次性授信 500萬人民幣(credit)；第二是企業是否為融 E貸標準產品客戶(ecredit)。基于企業銀行貸款時的抵押狀況(mortgage)，此處分為信用貸款、擔保貸款和票據貼現貸款三大類，分別使用0、1和2標識，數據中大部分為擔保貸款，占比為 90%左右。違約方面有兩個指標，其中是否逾期(overdue)由1和0表示，此外還有貸款風險五級分類(overdue5)方法，根據數據特點使用0表示正常，1為關注，2為次級，3為可疑和損失。

為了控制宏觀經濟的變動影響，與 Brock 和 Franken(2003)和郝項超(2013)等類似，在貸款模型中引入宏觀控制變量：產出水平、通貨膨脹率和貨幣供應量。由于數據期限原因，在此使用匹配貸款所在地的工業總值增速(indg)比率的月度數據來衡量產出水平，居民消費價格指數(CPI)月度增長率和廣義貨幣(M2)的月度增速分別衡量通脹水平和貨幣供應量水平。

對于上述數據和變量，分別從空間距離和貸款利率、空間距離和貸款額度、空間距離和貸款違約三個方面進行實證分析，試圖從銀行貸款的微觀數據事實出發，通過借貸結構中的關鍵因素價格、額度和違約等變量，進而挖掘空間距離對銀行中小企業借貸關系的影響。

四、空間距離與貸款利率

在 Degryse和 Ongena(2005)、Agarwal和 Hauswald(2010)、Knyazeva和 Knyazeva(2012)等的實證研究中，貸款利率和貸款利差均被用作被解釋變量，解釋變量為距離、貸款合同特征、企業特征變量等。本文借鑒上述研究，建立如下貸款定價回歸模型：

其中，被解釋變量Y分別用變量貸款利率(rate)和貸款上浮利率(spread)表示，β0為常數項，μ是隨機誤差項。

其解釋變量由五個變量組群組成，分別為：

X1為貸款區域特征變量，用距離(distance)、金融發展水平(FIR)、城鄉狀況(urban-rural)和省內省外狀況(in-out)進行描述。

X2是貸款合同特征變量，是貸款合同中主要因素，包括：(1)貸款金額(lamount)；(2)貸款期限(month)和期限的平方項(month2)；(3)貸款用途(use)；(4)是否首次貸款(renew)；(5)貸款是否為小企業金融債(fbond)。

X3反映了貸款企業特征變量，包括：(1)貸款企業所屬的行業大類(industry)；(2)貸款企業所屬的企業類型(type)；(3)企業規模(size)。

X4為貸款信用特征變量：(1)貸款擔保類型(mortgage)；(2)貸款逾期情況(overdue5)；(3)企業是否為授信企業(credit)；(4)企業是否為融E貸用戶(ecredit)。

X5是宏觀經濟變量，包括三個主要宏觀經濟變量：產出水平工業增加值增長率(indg)、通貨膨脹率(CPI)和貨幣供應量增長率(M2)。

表2中模型Ⅰ和模型Ⅱ以貸款利率作為被解釋變量，模型Ⅲ和模型Ⅳ以貸款上浮利率作為被解釋變量①在進行回歸之前，使用條件數方法進行了共線性的檢驗，發現不會對回歸產生影響。。

在模型Ⅰ中，從貸款區域特征變量上看，空間距離(distance)的系數在 1%的水平下顯著為正，也就是說，企業距離銀行總部越遠，貸款利率越高。增加 10公里，貸款利率提升了 7個基點②Agarwal和 Hauswald(2010)指出銀企距離從 9英里到 10英里，其貸款利率相差 13個基點；Degryse和Ongena(2005)指出銀企交通距離相差7.3分鐘，其利率相差18個基點。。對于中小型金融機構而言，具有較為明顯的本土優勢，銀行對于總部附近企業的軟信息掌握較為全面，并且溝通和監管便利，放貸成本較低。基于成本優勢、信息掌握以及風險可控等角度，相比距離較遠的貸款企業，銀行能以較低的利率給予近距離的企業放貸。此外，為了抵御其他競爭銀行爭奪客戶資源，維持本土優勢，小銀行也需要維持價格上的優勢，正如張曉玫和鐘禎(2013)指出，小銀行僅在同中小企業建立起貸款關系后，才具有更好的獲取中小企業軟信息的能力。本文中使用數據的銀行在距離較遠的非本土區域經營時間不久，也使得銀行無法通過多渠道的長期接觸來生產出企業的軟信息，基于對信息不對稱的風險補償也導致了貸款利率的提升。

表2 貸款利率和貸款上浮利率回歸結果

續表2

此外，我們使用金融相關率(FIR)反映當地的金融發展水平，發現其金融發展水平越高，企業貸款利率越高。金融發展水平越高，經濟越是發達，銀行業競爭越為激烈，這會使得貸款利率下降，但回歸結果顯示，兩者反而成正相關關系，地區的FIR提升一個單位，其企業貸款利率增加了 35個基點。我們認為其可能的原因是，銀行業市場競爭和企業資金需求這兩種效應共同起作用影響著貸款利率水平，經濟越是發達，企業對資金需求越是強烈，從而推高銀行貸款利率。另外，由于數據中中小微企業占到絕大多數，目前我國中小微企業仍然普遍存在融資困難問題，在銀企關系中處于弱勢地位，是資金價格的被動接受者，對銀行定價沒有博弈的能力。姚耀軍和董鋼鋒(2015)研究發現，金融發展水平提高并未緩解中小企業融資約束，金融發展水平高未必能降低中小企業的貸款利率，這與我們的實證結論一致。空間距離和金融相關率的交叉項顯著為負，表明兩者具有拮抗作用。最后，貸款企業所在地處于城鄉與否(urban-rural)對貸款利率并無顯著影響，企業處于省內或省外的回歸結果也不顯著，這可能是由于長三角地區經濟較為發達，城鄉差距小，城市和鄉鎮地區的中小企業之間異質性較小。

在模型Ⅰ的貸款合同特征變量中，貸款額度(lamount)的回歸系數為負，并在 1%的顯著性水平下顯著，表明隨著貸款額度的增加，利率更低。貸款期限(month)的系數為正，并且在 1%的水平下顯著，但是貸款期限的平方項 month2的系數顯著為負，這表明貸款利率曲線呈現向下拋物型。貸款用途分成生產性貸款、其他用途貸款和資金周轉貸款，在回歸中使用虛擬變量方式，use1和 use2的符號都為正，表明相對于生產性貸款用途，其服務性和資金流動性貸款利率較高，但兩者都不顯著。renew的系數符號為負，表明相對首次貸款，再次貸款利率相對較低，不過 t值在 1左右，顯著性水平不高。對于是否為小微企業金融債(fbond)企業，此系數顯著為正，即小微企業金融債的貸款利率更高；設定小微企業金融債的初衷是為了緩解銀行小微企業貸款資金壓力，降低小微企業融資難度和門檻，促進小微企業健康發展，然而在具體的實施過程中，由于小微金融債發行成本太高，審核程序復雜，存在不少隱性成本，導致銀行的資金來源成本較高①2012—2013年，小微金融債利率基本在4.1%到5.8%之間，其中又以4.5%左右居多，而2014年已出現上升趨勢，票面利率已全部突破6%，最高的已達到6.7%。小微金融債利率分別要比三年期和五年期定存最高利率高出30%、20%以上，比一年期存款最高利率更是高出2倍以上。，因此使得給予小微企業的放貸利率也水漲船高。

在貸款企業特征變量的回歸結果中，從行業狀況(industry)看，虛擬變量的符號都為正，說明相對于第一產業企業而言，第二產業(在 10%水平下顯著)和第三產業都會使得貸款利率提升，第一產業為主的農林牧漁業一直以來是國家重點扶持的行業，銀行業還專門制定了不少涉農貸款優惠政策，因此，相對于涉農貸款而言，第二產業和第三產業貸款的利率就偏高，其中第二產業利率相對最高。在不同企業類型(type)對貸款利率的影響中，相對于個體、私營、集體和有限責任公司而言，國有企業和股份公司的貸款利率顯著更低(33個基點)，但與是否為港澳臺和涉外企業關系不明確；由于個體、私營、集體和有限責任公司這一類型的企業大部分為小微企業，國有和股份公司則主要是大中企業，因此有可能獲取更低的貸款利率。與此相類似，對于企業規模大小(size)，相比事業單位貸款利率而言，其他企業的利率都有所提升，但大中企業貸款利率比小微企業利率水平要低，這與主流觀點一致，由于事業單位信譽較高因而利率一般較低，而大中企業的信息較為完善，銀行更樂意批準大中企業的貸款申請。

貸款信用特征變量中，從抵押狀況虛擬變量(mortgage)的回歸結果看，相比信用貸款而言，擔保貸款利率更低，但不顯著；而對票據貼現貸款而言，在 5%顯著水平下貸款利率比信用和擔保貸款都更低。在貸款逾期使用風險的五級分類法(overdue5)變量中，相對于正常狀態，關注、次級以及可疑和損失之前的系數都為正，說明其貸款利率都有所提升，對于可疑和損失的貸款，其貸款利率顯著為正，銀行在貸前評估審核時，預估該筆貸款風險較高，故要求風險補償，使得貸款利率較高，這也說明了銀行貸前管理在一定程度上具有有效性。對于授信 500萬(credit)變量，結果顯示是授信提升了貸款利率，這可能是由于授信企業已經是爭取到了的客戶，此時這些企業選取其他銀行貸款，需要重新付出成本獲取授信，因此這些企業轉向其他銀行的可能性也不大。另外，融 E貸顯著降低了貸款利率(23個基點)。近年來隨著政策環境和金融生態環境的轉變，各地區商業銀行積極探索如何解決中小企業貸款難問題，具體體現為創新貸款產品、改革組織結構和建立解決中小企業貸款的長效機制。此外，為了消除宏觀經濟的影響，本文還控制了各地對應的產出水平、通貨膨脹率和貨幣供應量水平。

在模型Ⅲ中，使用貸款利率上浮幅度(spread)作為因變量進行回歸。由于利率市場化不斷深入，商業銀行在中小企業發放貸款時，通常依據企業的資質、信貸額度、盈利情況和經營風險等方面，在基準利率基礎上對中小企業貸款利率上浮，樣本數據也反映了這個事實。貸款利率上浮衡量了金融市場上資金的需求供給狀況，反映了中小企業對資金的渴望程度，回歸結果發現，距離、金融發展水平、貸款額度、貸款期限等關鍵解釋變量與模型Ⅰ的結論保持了一致性。在模型Ⅱ和模型Ⅳ中，不控制宏觀經濟變量和貸款逾期狀況，回歸結果顯示對主要結果沒有影響。

在穩健檢驗中，首先基于數據進行分類分析，制造業和批發零售業的企業為 1744筆和1210筆，分別占52.35%和37.01%，我們選取制造業和批發零售業貸款企業作為主要考察對象，對其貸款定價進行分析，回歸結果在表3的模型Ⅴ和模型Ⅵ中呈現。在模型Ⅴ的制造業數據結果中，除了貸款用途、企業類型等個別變量的顯著性有所差別之外，其余變量的回歸系數和顯著性都與模型Ⅰ保持了一致。同樣，在批發零售企業模型Ⅵ中，發現距離和金融發展以及貸款額度和貸款期限等關鍵解釋變量表現出很好的穩健性。其次，按企業規模進行分類回歸，在表3中，我們在模型Ⅶ中截取大中企業單位數據、在模型Ⅷ中使用小微企業數據進行分析。在模型Ⅶ中，發現僅僅貸款額度系數在 5%顯著水平下顯著為負，與之前的結論相同，其他的主要變量都不顯著，表明我們前面得到的距離與利率之間的正向關系在大中企業中不再出現。對于大中企業而言，銀行能較為充分地掌握其財務、經營和高管等狀況，且其往往具有可抵押資產，銀行能較好地控制貸款風險，同時貸款額度相對較大，使得其貸款的交流溝通等成本相對較低，從而使得大中企業的銀行貸款不易受到空間距離的影響。在小微企業數據的模型Ⅷ中，與全數據模型Ⅰ的結論保持了很好的一致性，距離變量、貸款額度、貸款期限、所在行業等變量與因變量貸款利率之間的關系都與模型Ⅰ中得到的結論相同。此外，使用貸款上浮利率(spread)作為因變量，回歸結果與表3類似。

表3 按企業分類的回歸結果

續表3

對于空間距離對貸款價格的影響，分別對因變量貸款利率和貸款上浮利率樣本排列截斷后進行交叉回歸，發現關于距離和金融發展水平的結論仍然成立。具體的數據截斷回歸方式如下：對貸款利率(rate)數值進行大小排序，然后分別剔除數據中 90%以上、75%以上、50%以上、50%以下、25%以下、10%以下的數據后，分別以 rate和spread作為被解釋變量進行類似模型Ⅰ的回歸，具體結果在表4中給出，其中√表示距離和金融發展水平的結論與模型Ⅰ一致。表5為對spread進行數據截斷回歸的結論。最后，關于距離變量，我們使用了交通距離(地圖中的行車距離)作為距離變量，結果與之前回歸一致。

表4 貸款利率樣本截取回歸結果

表5 貸款上浮利率樣本截取回歸結果

五、空間距離、貸款額度與貸款違約

上文從貸款區域特征變量、貸款合同特征變量、貸款企業特征變量和貸款信用特征變量等多個維度分析了銀行對企業貸款定價的關系，表明企業與總部距離、貸款期限、貸款額度等對貸款利率有著顯著的影響。銀行對于較遠距離的中小企業的私有信息更難獲取，信用狀況也較難評定，那么距離是否影響中小企業的貸款額度？為了驗證研究假設2，在表6中，以貸款額度作為被解釋變量，分析貸款額度受空間距離和期限等變量的影響狀況，考察距離總部較遠的網點申請貸款的中小企業是否更易受到融資約束。模型1和模型2采用全數據樣本進行回歸，模型3和模型4采用小微企業數據進行回歸；模型1和模型3控制宏觀經濟變量，模型2和模型4不控制宏觀經濟變量。

表6 貸款額度回歸結果

續表6

表6中模型1到模型4的回歸結果中，距離的系數顯著為負，說明距離越遠，企業的貸款額度越小，也就是說，從模型3和模型4的小微企業數據中，基于信息不對稱等緣由，遠離銀行總部的中小企業貸款額度相對更小，更容易遭遇信貸配給①王擎等(2012)基于城商行年跨區域經營數據實證表明，隨著總分行間距離越遠，其信貸增長率有所下降。。urban-rural的系數為正，且在模型 1和模型 2中在 10%的顯著水平下顯著，說明處于城市的企業相比農村地區的企業其貸款額度更大；地區金融發展水平的系數為正，說明金融發展水平高的地區資金需求量大，對貸款額度有正向作用，不過顯著性不高。貸款期限的系數顯著為負，說明期限越長的貸款，額度也相對越大。上述實證結果說明，為緩解中小企業的信貸配給問題，需發揮當地中小型銀行的地域集中、靈活經營和與地方經濟交融的地緣性優勢，充分發揮其信息方面的地緣優勢和時效優勢。

根據上文的分析，銀行對距離較遠的企業掌握的軟信息較少，再加上本數據中銀行距離較遠的分行開展業務時間較短，對當地企業的軟信息獲取存在一定的局限性，基于風險補償的緣由，銀行對于距離較遠的企業定價較高，這樣的定價方式是否使得遠距離的企業貸款風險增加？基于研究假設 3，從風險控制的視角，以是否逾期作為被解釋變量，考察距離、價格、期限等變量對貸款逾期的影響。在 3269個貸款合約數據中①在對原始數據進行處理時考慮了貸款是否到期的因素，此數據的一個特征是貸款期限較短，平均值和中位數均在6個月左右，只有小部分未到期的貸款合約，在數據處理時剔除了此小部分數據。，逾期貸款合約數為117個，占比為 3.22%，Agarwal和Hauswald(2010)使用數據中逾期率為2.7%。

表7中使用logistic回歸模型，以是否逾期(overdue)作為被解釋變量，模型5和模型6采用全數據，模型7和模型8采用小微企業數據；模型5和模型7控制宏觀經濟變量，模型6和模型8不控制宏觀經濟變量。從結果看，距離的回歸系數在1%的顯著水平下顯著為正，在 4個模型中得到了一致的結果。這說明實證結果支持貸款企業與總部距離越遠其貸款逾期可能越大，這與之前的判定是一致的，銀行獲取距離較遠企業的軟信息較為困難，因此導致銀行對貸款企業信息掌握不充分，增加了貸款違約風險。此處發現的結果與 Hauswald和 Marquez(2006)、DeYoung等(2008)、Agarwal和Hauswald(2010)等的結論一致，認為銀行對企業信息掌握不充分導致違約風險增加。

在貸款合同變量中，貸款利率(rate)的系數也顯著為正，說明銀行貸款定價過高也是引起企業逾期原因之一，尤其對于小微企業而言，其融資渠道狹窄，若融資成本過高，易使其陷入財務困境。貸款額度的系數顯著為正，說明貸款額度越大其違約風險越大，其可能的原因是，近幾年中小銀行強調量的需要，為了爭取大額業務客戶和完成業務量，對于大額業務往往在某種程度上放松了信貸考核，同時中小銀行的業務優勢本身不在大客戶；此外部分企業使用銀行貸款盲目擴張，經營收入增長不及預期，導致付息能力不足。實證結果顯示貸款期限越長使得貸款違約可能性越小，相比期限短的貸款而言，銀行對于期限長的貸款合約，在貸前審核要求更為嚴格，說明這種貸前管理起到了一定的風控效果。貸款用途回歸結果也較為穩健，相對于生產性貸款用途，從4個模型平均結果看，服務性貸款和資金流動性貸款用途的違約風險更高，這說明用于支持生產的金融服務其資金安全性相對較高，也說明銀行更應把業務重心放在生產部分等實體經濟企業。

從實證的結果看，距離越遠的企業貸款違約概率越高，這與前面兩個重要結論有著共同的原因：城市商業銀行對較遠地區企業的軟信息掌握有限，風險控制和監管能力不足。從以上結論我們可以總結出一點：中小銀行“攻城略地”設立遠離總部的網點實際上是一個最劣策略，拿自己的短板與別人的長處在較勁。因為城商行的優勢在本土化經營，如果忽略這一點無疑是改寫“市場細分”“小銀行優勢”等基本的市場法則。首先從市場細分而言，不同銀行因為歷史、規模、股東背景大不相同，不去做好各自的市場定位轉而實行趨同戰略將會落得被動結局。其次從小銀行優勢而言，因為其組織結構有利于獲取軟信息，在當地的市場更具優勢①林毅夫和李永軍(2001)研究表明，發展中小金融機構是解決中小企業融資難的根本出路。因為大型金融機構天生不適合為中小企業服務，中小金融機構在為中小企業提供服務方面擁有信息上的優勢，發展中小金融機構是解決中小企業融資難的最佳方式。。

表7 貸款違約回歸結果

六、結 論

針對當前銀行競爭白熱化，中小銀行究竟是“扎根本土”進一步做好本土的金融服務，還是“攻城略地”服務長遠目標，對這一問題，本文給出了明確的回答。以某城市商業銀行 2011—2014年的貸款數據，對空間距離如何影響中小企業融資便利進行實證分析，實證結果表明：第一，銀行對距離總部越遠的企業貸款利率越高。由于城市商業銀行對較遠地區的企業軟信息掌握有限，不能更好地界定其風險水平，只能通過風險溢價方式進行定價，同時貸款流程中溝通等額外成本的增加也使得利率相應提高；即使企業所在地區的金融發展水平更高，也不會使得貸款利率有所下降。第二，距離銀行總部較遠的企業獲取的貸款額度相對較小，由于區域性中小型商業銀行與當地政府和企業關系更為密切，因此在融資額度等信貸資源配置時更多偏向于本地企業。第三，距離越遠的企業違約率更高，這與銀行在距離較遠地區經營不夠嫻熟和對企業的信息掌握不充分以及風險控制和監管能力相對較弱有關。

基于以上關于空間距離對中小企業融資便利影響的結論，我們認為，中小型城市商業銀行應牢牢把握“服務本土中小企業”的目標定位，“扎根本土”，精耕細作，而不是“攻城略地”去增加遠距離營業網點。從監管者角度講，也應引導中小型銀行更好地服務本土中小企業。從銀行自身而言，也千萬不要被“不求盈利，但求所有”的愿景所蒙蔽，盲目追求規模，不重視信貸風險，而應該明確市場定位后“咬定青山不放松”。