龍 青，李 成

(西安交通大學 經(jīng)濟與金融學院，陜西 西安710061)

一、問題提出

通過增設物理網(wǎng)點一直是中國銀行業(yè)進行體量和地域經(jīng)營范圍擴張的主要手段。在經(jīng)歷了快速發(fā)展期后，近年來，我國銀行業(yè)盈利能力大幅下降，不良貸款增速較快；與此同時，現(xiàn)代科技尤其是信息科技迅速發(fā)展，以互聯(lián)網(wǎng)金融為代表的新興金融行業(yè)對傳統(tǒng)銀行業(yè)的沖擊日益加深。在此背景下，銀行物理網(wǎng)點何去何從日益成為業(yè)界關注的焦點。本文認為，充分理解銀行物理網(wǎng)點地理分布對銀行信貸行為進而信貸效率的影響，正是破題的關鍵。

商業(yè)銀行信貸行為，就是銀行基于所掌握的信息，在與企業(yè)進行一系列信貸交易活動中為達成某種運營目標所表現(xiàn)出來的行為[1]，而信貸行為的有效性直接決定著商業(yè)銀行的信貸效率。金融地理學認為，金融活動鑲嵌于一定的自然和人文地理環(huán)境中，金融活動中的信息尤其非標準信息收集、傳播和破譯受到地理環(huán)境的影響和限制，因而地緣因素在金融活動的作用難以被信息科技完全取代[2]。由此，銀行物理網(wǎng)點地理分布應該會通過影響銀行對企業(yè)信息收集及其在銀行組織內部傳輸而對銀行的信貸行為進而信貸效率產(chǎn)生影響。然而，銀行物理網(wǎng)點地理分布對銀行信貸行為的影響及其機理如何，以及這種影響與銀行信貸效率的關系，尚待進一步明確。正確認識銀行業(yè)發(fā)展過程中地理環(huán)境對銀行信貸行為和信貸效率的影響，對于當前中國銀行業(yè)從調整物理網(wǎng)點分布、推進扁平化管理改革等方面增強我國商業(yè)銀行生存和競爭能力，具有一定的理論和實踐意義。

二、文獻綜述

近年來，隨著信息與網(wǎng)絡科技的發(fā)展和銀行經(jīng)營地理范圍的擴張，地理環(huán)境因素對銀行信貸活動的影響日益受到理論界的關注。梳理文獻發(fā)現(xiàn)，相關研究主要集中于地緣因素在銀企信貸活動中的作用以及銀行內部層級距離對銀行信貸效率的影響兩個層面。

關于銀企地緣臨近作用的研究始于對“地理終結論”的探討。以O’Brien，DeYoung為代表的學者認為，信息和網(wǎng)絡技術的發(fā)展解決了地理環(huán)境對信息交流的限制，抑制由地理距離因素而導致的信息不對稱，進而可以擴展銀行與客戶之間的地理距離，因此地理距離在金融活動中不再重要[3-4]。而Liberty & Peterson，Knyazeva & Knyazeva認為，信息科技的發(fā)展只是擴展了硬信息的使用范圍，但硬信息并不能囊括所有有價值的信息，而軟信息的收集仍需要交易雙方頻繁而可靠的面對面接觸[5]，因此地緣臨近可以視為一種信息優(yōu)勢，其可通過影響信貸交易成本對企業(yè)信貸成本和可得性產(chǎn)生影響[6]。Rajan & Seru指出，銀行業(yè)過分依賴現(xiàn)代科技收集硬信息會導致銀行與客戶之間的地理距離越來越大，以致銀行無法通過收集客戶的軟信息對客戶硬信息的有效性進行評估，而這正是導致美國次貸危機的重要原因[7-8]。Filomeni，Bartoli，Agarwal & Hauswald進一步認為，信用評分技術等現(xiàn)代科技其客觀性本身就受到地理距離的影響[9]，借貸雙方地理距離越短，越有利于銀行對客戶軟信息的收集，銀行對該客戶的信用評分越公正[10]，因此信息技術與地緣因素是相互補充而非替代的關系[11]。

隨著銀行經(jīng)營地理范圍的不斷擴展，銀行異地經(jīng)營的物理網(wǎng)點越來越多，銀行決策部門與運營部門間的地理距離如何影響銀行信貸效率也逐漸受到學界關注。理論方面，Aghion & Tirole，Stein從激勵機制的角度認為，由于軟信息非標準化的特性，銀行層級距離越遠，軟信息的損失程度越高，被利用率越低，這會降低運營部門收集軟信息的激勵，從而對信貸決策有效性產(chǎn)生負面影響[12-13]；Alessandrini，Rajan則從信息不對稱的角度認為，銀行分支機構所在地與總部所在地間的物理距離和文化距離越遠，銀行內部軟信息傳輸成本越高，從而造成決策部門與異地分支機構之間信息不對稱程度越嚴重，這不僅會降低銀行的決策效率和執(zhí)行效率[14]，還會導致運營部門出于自身利益目的濫用職權的現(xiàn)象[8]；Agarwal & Hauswald認為，為解決銀行層級間軟信息傳遞的問題，銀行總部應給予距其較遠的分支機構更多的自主決策權[10]。實證方面，Skrastins & Vig對印度某銀行的研究發(fā)現(xiàn)，銀行層級間距離越遠，銀行越傾向于在信貸活動中收集和使用標準信息而“排擠”非標準信息，這導致銀行運營部門因軟信息收集不足而只能將信貸資源配置于少數(shù)能夠提供高質量標準信息的大企業(yè)，從而導致信貸配置范圍縮小，信貸規(guī)模和信貸質量同時下降[15]；Cotugno & Stefanelliet、Torluccio & Cotugno對意大利銀行業(yè)的研究表明，銀行決策部門與組織部門的地理距離越遠，銀行信貸違約率越高，且銀行規(guī)模越小，層級間距離對銀行信貸效率的負向影響越明顯[16-17]；Presbitero研究發(fā)現(xiàn)，由于地理環(huán)境造成的層級間委托代理問題，銀行總部傾向于限制邊遠地區(qū)分支部門的業(yè)務活動，在財務健康程度相同的前提下，地區(qū)銀行部門與銀行總部的地理距離越遠，銀行與該地區(qū)企業(yè)簽訂的貸款合同中限制性條款越多[18]。

通過文獻梳理不難發(fā)現(xiàn)，地理環(huán)境是銀企信貸活動的一個重要因素，但這些研究還存在如下局限。一是現(xiàn)有文獻主要是關于地理環(huán)境對信貸活動影響的描述性解釋或驗證，缺少從更深層面對地理環(huán)境影響信貸資源配置作用機理的揭示。二是現(xiàn)有文獻多是考察地理環(huán)境對企業(yè)或客戶信貸可得性、信貸成本等的影響，而對銀行本身的影響研究較少；Torluccio、Cotugno等人雖然對地理距離與信貸違約率之間做了計量分析，卻沒有揭示二者關系的內在機理，其計量模型的構建及回歸結果的解釋是否合理也有待商榷。本文認為，探究銀行業(yè)地理因素對經(jīng)濟活動影響，須以正確理解地理環(huán)境對銀行自身的影響為前提；而僅考慮地理環(huán)境對銀行信貸效率的影響，不研究銀行對地理環(huán)境限制做出的反應，則容易陷入“地理決定論”的定式思維之中。特別是現(xiàn)有文獻多以金融體系較為成熟完備的西方發(fā)達國家為研究對象，其研究結論對以中國為代表的轉型國家是否適用還需進一步檢驗。

有鑒于此，本文試圖借鑒金融地理學和空間經(jīng)濟學相關理論和方法，研究銀行物理網(wǎng)點地理分布對銀行信貸行為的影響及其機理，在此基礎上研究二者關系對銀行信貸效率的影響，以期在一定程度上彌補現(xiàn)有研究的不足，同時為轉型國家金融體系的適用性尋找相關證據(jù)。

三、模型構建與假說提出

根據(jù)企業(yè)行為理論，銀行作為一個具有共同目標、協(xié)作意愿和信息聯(lián)系的金融組織，信息的收集及其在組織內部的傳遞直接影響著銀行在組織內外的市場行為[12，19]。在銀企信貸活動中，銀行與企業(yè)間的信息交流既包括銀行運營部門與企業(yè)間的信息交流，也包括銀行運營部門與銀行決策部門間的信息交流。研究又表明，交易成本和風險控制是地理環(huán)境影響銀企關系的兩個基本渠道[20]。為此，本文將銀行物理網(wǎng)點的地理分布具化為銀行運營部門與企業(yè)以及銀行決策部門的相對地理位置，從地理環(huán)境影響交易成本和風險控制的角度切入構建理論模型，分析銀行物理網(wǎng)點地理分布對銀行信貸行為的影響。

(一)理論模型構建

在構建模型之前，為便于分析，做如下假定。

假定1：銀行決策部門(總部)位于C地，銀行運營部門(物理網(wǎng)點)位于P地。P地所有金融資源由銀行支配，銀行的存款利率為r。

假定2：企業(yè)的凈收益率為ω(ω≥0)，單次貸款規(guī)模為K，凈收益率的概率分布函數(shù)為F(ω)，概率密度函數(shù)為f(ω)。企業(yè)與銀行簽訂還款合同，當企業(yè)凈收益率ω≥R時，銀行收取貸款利率為R，當企業(yè)凈收益率ω

假定3：由于銀行運營部門與企業(yè)間存在信息不對稱，銀行運營部門須對貸款企業(yè)進行貸前信息收集和貸后監(jiān)督審查，造成單次貸款交易成本為βP，期望為E(βP)。

假定4：銀行分支機構在收集貸款申請企業(yè)相關信息后，需將相關信息上報總部，由總部決定是否批準企業(yè)的貸款申請，進而監(jiān)督分支機構執(zhí)行相關決定。在此過程中由于信息傳輸和委托代理問題所造成的單次貸款交易成本為βc，期望為E(βc)。

根據(jù)以上假定，在P地區(qū)銀行為企業(yè)單次貸款的收入函數(shù)Π為

(1)

單次貸款的總成本函數(shù)V為

V=rK+E(βc)

(2)

因此，銀行單次貸款的收支平衡方程為

(3)

兩邊同除以單次貸款規(guī)模K，經(jīng)化簡得，銀行單位貸款的收支平衡方程為

(4)

如前所述，本文將銀行運營部門的地理分布具化為銀行運營部門與申請貸款企業(yè)以及銀行決策部門的相對地理位置，稱其與申請貸款企業(yè)之間的地理距離為“運營距離”，其與銀行決策部門的地理距離為“功能距離”，如圖1所示[14]。

圖1 銀行物理網(wǎng)點地理分布界定示意圖

金融地理學將信息分為標準信息和非標準信息。標準信息又稱硬信息，是指其收集內容和解讀方式具有統(tǒng)一標準，可以編碼和儲存的信息，如財務報表和信用記錄等。由于硬信息的標準統(tǒng)一性，其收集內容基本不受地理環(huán)境限制、傳播質量不易因空間距離而衰減。非標準信息又稱軟信息，是指其收集內容和解讀方式?jīng)]有統(tǒng)一標準的信息，如個人能力、風險偏好等。由于軟信息的非標準性，信息的收集背景及其收集者自身都是信息的一部分，其收集內容往往受到地理環(huán)境限制，傳播質量容易隨空間距離或社會文化差異而衰減。研究表明，由于硬信息囊括的信息量有限[6]，且其本身的可靠性需要依靠軟信息加以判斷[10]，因而地理環(huán)境會通過影響銀企之間的軟信息交流而影響銀行信貸活動的交易成本。

就銀行運營部門與企業(yè)間的信息交流而言，具有地緣臨近優(yōu)勢的銀行，可以通過雙方長期、多渠道的交流與企業(yè)建立穩(wěn)定可信賴的銀企關系，獲取企業(yè)更多的軟信息，從而降低雙方的信息不對稱程度[2，6]，因此在貸前搜集企業(yè)非標準信息方面具有更低的成本，也更容易在貸后監(jiān)督企業(yè)的經(jīng)營績效。因此，銀行物理網(wǎng)點的運營距離越小，銀行對企業(yè)的信息搜集和監(jiān)督引發(fā)的交易成本越小，二者成正相關關系。

由此，βP的表達式設定為

(5)

則

(6)

就銀行運營部門與決策部門的信息交流而言，由于企業(yè)信息尤其是軟信息主要由運營部門掌握，運營部門所在地與決策部門所在地的空間距離和文化差異越大，信息在傳遞和解讀過程中內容和效率損失也就越大，銀行層級間信息不對稱問題也就越嚴重。這不僅會影響銀行決策部門的決策效率[16]，還會導致銀行層級間的利益目標沖突，這些無疑都會抬升銀行在信貸活動中的交易成本。因此，銀行物理網(wǎng)點的功能距離越大，銀行對企業(yè)的信息搜集和監(jiān)督成本越大，二者成正相關關系。

由此，βc的表達式設定為

(7)

(8)

因此，公式(4)改寫為

(9)

(二)理論模型分析與假說提出

1.銀行信貸流向分析

假定每家企業(yè)面臨不同的貸款規(guī)模需求，則由公式(9)得

(10)

其中，K*為其他條件給定時，銀行保持收支平衡所要求的單次貸款規(guī)模，即對于單次貸款規(guī)模低于K*的企業(yè)，銀行將不能為其提供貸款。

(11)

(12)

即物理網(wǎng)點運營距離vope、功能距離vfun與銀行單次貸款最低規(guī)模要求K*正相關。說明，銀行物理網(wǎng)點地理分布會影響銀行信貸流向：面對地理環(huán)境所造成的交易成本上升，銀行傾向于將信貸資源向單次貸款規(guī)模較大的企業(yè)投放，以求獲得規(guī)模經(jīng)濟效益進而降低交易成本，由此造成銀行信貸集中度隨之上升?；谝陨戏治?，本文提出假說1。

假說1：銀行物理網(wǎng)點地理分布會影響銀行信貸流向，物理網(wǎng)點運營距離和功能距離越遠，銀行信貸集中度越高。

2.銀行信貸期限結構分析

假定每家企業(yè)面臨不同的貸款期限，則由公式(9)得

(13)

同時有

(15)

即物理網(wǎng)點運營距離vope、功能距離vfun與企業(yè)貸款期限t負相關。說明，銀行物理網(wǎng)點地理分布會影響銀行信貸流向：面對地理環(huán)境造成的信息不對稱，銀行傾向于縮短企業(yè)貸款期限，以求降低由信息不對稱造成的信貸風險，由此造成銀行中長期貸款比例隨之降低?；谝陨戏治?，本文提出假說2。

假說2：銀行物理網(wǎng)點地理分布會影響銀行信貸期限結構，物理網(wǎng)點運營距離和功能距離越遠，銀行中長期貸款比例越低。

同時，已有研究表明，地理環(huán)境因素會影響銀行信貸效率[8]。結合上文對銀行物理網(wǎng)點地理分布會與銀行信貸行為關系的分析，同時考慮到銀行信貸行為對信貸效率的作用，本文認為，銀行物理網(wǎng)點地理分布會通過影響銀行信貸行為而對銀行信貸效率產(chǎn)生影響。具體而言，在一定的物理網(wǎng)點地理分布下，面對地理環(huán)境對信息收集和傳輸?shù)南拗?，銀行不會“坐以待斃”，而是通過提高信貸集中度，降低中長期貸款比例方式調整信貸行為，以期降低單位貸款交易成本和信貸違約風險，進而提高信貸效率。由此，本文提出假說3。

假說3：銀行物理網(wǎng)點地理分布會通過影響銀行信貸行為進而影響銀行信貸效率，物理網(wǎng)點運營距離和功能距離越大，銀行越傾向于提高信貸集中度，降低中長期貸款比例，以提高信貸效率。

四、實證分析

為驗證上述假說，本文建立如下計量模型，運用2012-2019年我國銀行業(yè)面板數(shù)據(jù)對其進行檢驗。

(一)模型構建與變量設計

模型1：信貸流向模型

Dirit=c1+a1Opeit+a2Funit+a3Xit+vit

(16)

模型2：期限結構模型

Matit=c2+b1Opeit+b2Funit+b3Xit+uit

(17)

模型1主要驗證假說1，即銀行物理網(wǎng)點地理分布對信貸流向的影響；模型2主要驗證假說2，即銀行物理網(wǎng)點地理分布對信貸期限結構的影響。上式中，i銀行t時期的信貸流向指標Dirit、信貸期限結構指標Matit被解釋為銀行運營距離指標Opeit及銀行功能距離指標Funit以及一組控制變量Xit的函數(shù)。Dirit以各銀行最大十家貸款單位的貸款比例(即貸款集中度)表示；Matit以各銀行中長期貸款占總貸款比例表示。根據(jù)已有研究[20-23]，Xit包括銀行股權性質、銀行規(guī)模和銀行所處金融環(huán)境。

Opeit以該銀行在各省人均分支機構數(shù)加權和的倒數(shù)表示，權重為該銀行在某省分支機構數(shù)占其全部分支機構數(shù)的比例，其計算公式如下：

(18)

Funit以該銀行在各省的分支機構距其總部空間距離自然對數(shù)(2)出于控制回歸系數(shù)數(shù)量級的需要。的加權和表示，權重為該銀行在某省分支機構數(shù)占其全部分支機構數(shù)的比例，其計算公式如下：

(19)

被解釋變量、解釋變量及控制變量具體含義見表1。

表1 變量說明

(二)數(shù)據(jù)來源、描述性統(tǒng)計

本文數(shù)據(jù)來自國家統(tǒng)計局網(wǎng)站、中國銀監(jiān)會、各地市銀監(jiān)局網(wǎng)站、各省市金融年鑒、Wind數(shù)據(jù)庫、中經(jīng)網(wǎng)數(shù)據(jù)庫以及各銀行年報等。其中，計算銀行物理網(wǎng)點運營距離Ope、功能距離Fun所使用到的五大國有銀行、十二家股份制銀行2012-2019年在各省市分支結構(營業(yè)網(wǎng)點)數(shù)據(jù)，為作者依據(jù)中國銀監(jiān)會《機構持有證列表》《機構退出列表》，各省市銀監(jiān)局網(wǎng)站和金融年鑒手動整理得出；銀行金融環(huán)境指標以樊綱、王小魯《中國分省市場化指數(shù)報告》[23]中的“市場化總指數(shù)評分”指標表示。各變量描述性統(tǒng)計見表2。

表2 變量描述性統(tǒng)計

(三)計量模型回歸結果與分析

從表2看出，因變量及各主要解釋變量均有較大的標準差，因此本文采用加入個體效應項的面板數(shù)據(jù)回歸模型進行實證能夠充分體現(xiàn)不同地區(qū)的異質特征。在個體效應選擇方面，由于本文樣本囊括了所有五大國有銀行和十二家股份制商業(yè)銀行，即在樣本選擇上并非隨機選取，因此回歸過程中預先設定固定效應[23]，進而利用F檢驗和Hausman檢驗對其有效性進行檢驗。檢驗結果表明，兩個模型中F檢驗和Hausman檢驗都說明選擇固定效應回歸模型對于本文所研究問題更為恰當。模型1和模型2的回歸結果見表3和表4。

表3 信貸投向對銀行物理網(wǎng)點運營距離和功能距離回歸結果

表4 信貸期限結構對銀行物理網(wǎng)點運營距離和功能距離回歸結果

可見，表3中信貸流向指標Dir對運營距離指標Ope和功能距離指標Fun的回歸系數(shù)顯著為正，表明銀行物理網(wǎng)點地理分布會影響銀行信貸流向，即在其他條件一定的情況下，物理網(wǎng)點運營距離和功能距離越大，銀行信貸集中度越高。由此，假說1通過了驗證。

表4中信貸期限結構指標Mat對運營距離指標Ope和功能距離指標Fun的回歸系數(shù)顯著為負，表明銀行物理網(wǎng)點地理分布會影響銀行信貸期限結構，即在其他條件一定的情況下，銀行運營距離和功能距離會影響越大，銀行中長期貸款比例越低。由此，假說2通過了驗證。

實際上，物理網(wǎng)點地理分布對銀行信貸行為的影響很好地解釋了樣本統(tǒng)計期內十二家股份制銀行的快速擴張并未有效解決中小企業(yè)貸款難的難題。聚焦于實際看，在樣本統(tǒng)計期內，雖然十二家股份制商業(yè)銀行經(jīng)歷了快速發(fā)展，異地經(jīng)營的物理網(wǎng)點逐漸增多，但相比于五大國有銀行，股份制銀行在新進入地區(qū)單家物理網(wǎng)點的地域覆蓋范圍依然較大、物理網(wǎng)點與企業(yè)之間的距離依然較遠，而且快速擴張也必然導致物理網(wǎng)點與其總部之間的地理距離上升。由于物理網(wǎng)點地理分布會影響銀行行為，物理網(wǎng)點的運營距離和功能距離越大，銀行對企業(yè)的最低單次貸款規(guī)模要求越高，中長期貸款比例也隨之下降，中小企業(yè)難以從股份制銀行的快速擴張中得到相應支持也就不難理解。

就控制變量而言，信貸集中度指標Dir對國有股權比例指標Gyg的回歸系數(shù)顯著為正，對金融市場環(huán)境指標Mar的回歸系數(shù)顯著為負，說明國有股權比例越高，金融市場環(huán)境越差，銀行貸款集中度越高；信貸期限結構指標Mat對國有股權比例指標Gyg和金融市場環(huán)境指標Mar的回歸系數(shù)顯著為正，即國有股比例越高，金融市場環(huán)境越好，銀行中長期貸款比重越高。而無論Dir還是Mat對銀行規(guī)模指標Cap的回歸系數(shù)都不顯著，本文認為，這一方面是因為本文選取的樣本數(shù)據(jù)來自五大國有銀行和十二家股份制銀行，雖然各銀行資產(chǎn)規(guī)模有一定差異，但相較于城商行等其他類型銀行，從資產(chǎn)層面上十二家股份制銀行和五大行同屬于大型商業(yè)銀行，因而沒有體現(xiàn)出對銀行信貸行為的顯著影響。

五、進一步分析——銀行信貸行為的中介效應

(一)模型構建

為驗證假說3，本文引入中介效應模型進行分析。所謂中介效應，即除直接影響外，自變量還可以通過影響第三方變量對因變量產(chǎn)生間接影響，其中第三方變量稱為中介變量，如圖2所示。根據(jù)中介效應檢驗程序，如果自變量X對中介變量M的回歸系數(shù)a顯著，且中介變量M對因變量Y的回歸系數(shù)b顯著，則中介效應存在；如果a、b僅有一個顯著，則利用bootstrap法檢驗二者的聯(lián)合顯著性。在中介效應存在的情況下，如果a×b×c>0，則中介變量體現(xiàn)出互補性中介效應，即中介變量加劇了自變量對因變量的影響；如果a×b×c<0，則中介變量體現(xiàn)出競爭性中介效應，即中介變量削弱了自變量對因變量的影響[22]。

圖2 中介效應示意圖

為此，本文首先建立檢驗銀行物理網(wǎng)點地理分布與銀行信貸效率基本關系的模型3。

模型3：銀行效率模型

Effit=c3+α1Opeit+α2Funit+α3Xit+wit

(20)

模型3中，Eff表示銀行信貸效率，用各銀行不良貸款率表示，不良貸款率越高，銀行信貸效率越低；其他指標意義與模型1和模型2相同。

(二)模型回歸結果分析

模型3的回歸結果如表5所示。

表5 信貸效率對銀行物理網(wǎng)點地理分布回歸結果

模型3的回歸結果表明，不良貸款率指標Eff對銀行物理網(wǎng)點地理分布指標Ope和Fun的回歸結果顯著為正，即在其他條件一定的情況下，銀行物理網(wǎng)點地理分布確實會對銀行信貸效率產(chǎn)生負向影響，銀行的運營距離和功能距離越大，信貸違約率越高，銀行信貸效率越低，這與Cotugno & Stefanelliet[16]對意大利銀行業(yè)的研究結論一致。進而建立反映銀行信貸行為中介效應的模型4如下。

模型4：中介效應模型

Effit=c4+β1Opeit+β2Funit+β3Dirit+β4Mat+β5Xit+zit

(21)

模型4的回歸結果如表6。

表6 信貸行為中介效應回歸結果

表7 信貸行為中介效應分析

表6中，信貸違約率指標Eff對銀行物理網(wǎng)點地理分布指標Ope和Fun的回歸系數(shù)均顯著為正，說明銀行物理網(wǎng)點運營距離和功能距離對信貸違約率有正的直接效應。表7中Eff對信貸集中度指標Dir的回歸系數(shù)顯著為正，結合表3中Dir對Ope和Fun的回歸系數(shù)顯著為正的結果，可判定Dir對Eff與Ope、Fun的關系具有顯著的互補性中介效應，即銀行物理網(wǎng)點運營距離和功能距離對信貸集中度的正向影響加強了其對信貸違約率的正向影響，導致信貸效率進一步降低；而Eff對信貸期限結構指標Mat顯著為正，表4中Mat對Ope和Fun的回歸系數(shù)顯著為負，表明Mat對Eff與Ope、Fun的關系具有顯著的競爭性中介效應，即銀行物理網(wǎng)點運營距離和功能距離對中長期貸款比例的負向影響會削弱其對信貸違約率的正向影響，從而導致信貸效率上升，與假說3預期一致。

六、結論與建議

從金融地理學的角度，本文對我國銀行物理網(wǎng)點地理分布與銀行信貸行為的關系進行了理論與實證分析，在此基礎上利用中介效應模型分析了二者關系對銀行信貸效率的影響，得到如下結論：

(1)一家銀行物理網(wǎng)點地理分布會對銀行信貸行為存在影響，物理網(wǎng)點的運營距離和功能距離越大，該銀行信貸集中度越高，中長期貸款比例越低。

(2)銀行物理網(wǎng)點地理分布對銀行信貸行為存在影響的機理在于，由于地理環(huán)境對信息搜集和傳輸?shù)南拗?，物理網(wǎng)點運營距離和功能距離越大，銀企雙方信息不對稱程度越高，由此引致的信貸交易成本和風險水平越高，因而銀行希望通過提高單次貸款規(guī)模的方式降低單位貸款的信息收集和監(jiān)督成本，或通過降低中長期貸款比例的方式控制信貸風險。

(3)物理網(wǎng)點地理分布與信貸效率之間存在通過銀行信貸行為的中介效應，但不同的信貸行為對信貸效率影響的方向不同。具體來看，銀行提高信貸集中度會加劇地理距離對信貸效率的負向影響，而降低中長期貸款占比則可降低地理距離對信貸效率的負向影響。

基于以上結論，本文認為，面對銀行業(yè)盈利能力下降的現(xiàn)狀和互聯(lián)網(wǎng)金融的沖擊，同時也為更好地服務于實體經(jīng)濟，我國銀行業(yè)不應簡單地對物理網(wǎng)點進行合并裁撤，而應充分認識到地理環(huán)境在金融活動中的作用，從降低信息摩擦的角度優(yōu)化銀行物理網(wǎng)點地理分布，推進物理網(wǎng)點轉型，優(yōu)化銀行信貸行為，提高銀行信貸效率。為此，本文提出以下建議：

第一，優(yōu)化銀行物理網(wǎng)點地理分布。應考慮到地理環(huán)境對銀行信貸行為的限制和信貸效率的影響，從客戶服務和銀行發(fā)展的需求出發(fā)，通過科學的調研分析和量化評估，對物理網(wǎng)點的位置、數(shù)量、產(chǎn)品、服務方式等進行個性化設計，以降低地理環(huán)境對信貸行為的限制，為特定消費群體提供專業(yè)而差異化的服務，進而提高銀行信貸效率。

第二，加強對銀行基層網(wǎng)點收集軟信息的正向激勵。在當今通訊科技迅速發(fā)展、硬信息廣泛使用的背景下，應充分認識到軟信息在金融活動中的重要性，重視和鼓勵銀行基層網(wǎng)點與當?shù)仄髽I(yè)建立穩(wěn)定可信賴的溝通機制，充分發(fā)揮物理網(wǎng)點在銀企關系中紐帶作用，積極收集企業(yè)軟信息，軟硬信息配合使用，盡可能降低銀企雙方信息不對稱程度。

第三，積極推進銀行的信息化建設和扁平化管理改革。要保證銀行內部管理水平與不斷增大的銀行體量、經(jīng)營地域范圍相匹配。一方面，利用互聯(lián)網(wǎng)和大數(shù)據(jù)等技術手段減輕地理環(huán)境對信息傳遞的限制，降低銀行內部層級間信息摩擦和溝通成本；另一方面，應打破組織剛性，提高組織靈活性，推進銀行扁平化管理改革，優(yōu)化結構體系，提升決策部門與運營部門尤其異地運營部門信息傳輸效率，減少因地緣因素而導致的層級間利益目標分歧。