非正式制度下连锁董事关系网络与银行效率研究——来自中国近代银行业的经验证据

孔令宇 吴 翟 孔齐令轩

一 引 言

银行效率是银行资源配置能力的具体表现，是其市场竞争能力、总体经营水平与可持续发展潜力的直接反映。面对百年未有之大变局，作为支撑经济发展的关键推动力，银行等金融机构如何在高度外部不确定性中提高经营管理效率，是当前银行业亟需研究的重要议题。然而，现有关于银行效率影响因素的研究多集中于利率市场变化、关注放松等外部影响，鲜有涉及对银行间合作竞争等非正式制度安排的探讨。事实上，当前我国经济发展面临由高速向高质量深刻转变，正式制度有待完善，网络关系等非正式制度在资源配置等方面发挥了至关重要的作用(Allen et al.，2005)。在社会转型时期，特别是面对高度外部不确定性，新制度的形成与旧制度的重构使得非正式制度对正式制度的补充与调剂愈发重要。在 “中国式”关系型社会， 社会关系作为一项关键的非正式制度安排，牢固植根于经济、政治、文化等诸多领域(Knack和Keefer，1997;张维迎和柯荣住，2002)。中国“关系型社会”的特殊制度背景下，探讨基于非正式制度安排的银行间合作竞争对银行效率的影响， 具有重要的理论与现实意义。

作为一种特殊的非正式制度安排，连锁董事关系网络广泛存在于社会、政治、文化等多重制度框架(Campello et al.，2012)，从而促使不同形式的资源，能够在各经济体间进行低成本自由流动 (Faleye et al.，2014; Helmers et al.，2017；王营和张光利，2018)。现有关于企业连锁董事关系网络的研究表明，缺乏成熟的市场机制与完备的法律制度条件下，企业更有动机将“构建社会网络”纳入经营战略， 通过社会关系网络获得稀缺资源，从而有效提升其竞争能力(游家兴和刘淳，2011)。进一步，面临高度外部不确定性，银行间连锁董事关系网络的形成是否不仅出于防御需要，同时对相关银行的效率产生了积极影响？事实上，在连锁董事关系网络中处于中心地位的连锁董事能够获得更多信息资源，从而有效改善其所在银行的日常运营情况。接近网络核心的银行家能够利用其社会地位(社会资本)、专业知识与人脉等对银行政策和董事会决策产生影响，从而提升银行业绩(Fracassi，2016; Kong，2018)。然而，囿于数据的可获得性及相关法规限制，这一问题在现有研究中尚未得到明确答案。

20世纪30年代中国近代银行业的发展为研究银行间合作竞争对银行效率的影响提供了一个较好的自然实验。20世纪30年代初，中央政府地位尚不稳固，无力对银行业进行有效控制(陈永伟，2019)，政治、经济的动荡等外部不确定性导致银行业产生了合作多于竞争的特点(Kong和Ploeckl，2018)。该特点主要表现在同一董事同时在两家或两家以上银行董事会任职成为常态，进而形成复杂的银行连锁董事关系网络。连锁董事关系网络加强了银行家间的社会联系，从而为近代银行业的发展，乃至“南京十年”中国经济的高速增长奠定了坚实基础。

本文利用近代全国银行年鉴数据，手工收集银行及相关连锁董事信息，运用社会网络分析工具，构建1933—1936年中国银行业连锁董事关系网络指标，测度银行业连锁董事的网络效应，并深入考察银行间外部联系的显性表现——连锁董事行为，就连锁董事关系网络对银行效率的影响进行实证检验。研究表明，与外界董事会联系相对紧密的银行，更易进行信息资源交换，从而有效提高其效率。这一结论在考虑银行异质性以及可能存在的内生性问题、重新定义银行效率等情况下仍然成立。在此基础上，本文通过对连锁董事关系网络进行邻域分析，讨论网络中个体银行所联结的连锁银行，从而系统探讨连锁董事关系网络的连接方式。研究发现，被联结次数较多的银行通常资产规模较大；与其联结的连锁银行往往平均杠杆率较高，资产流动性却较低。本文研究表明，银行与相对更大更强的银行进行连锁，往往能够获得潜在经济效益；连锁董事关系网络在不确定环境下能够作为资源交换的有效渠道。

本文拓宽了现有连锁董事的研究领域，发现连锁董事的网络效应能够显著提高银行效率，从而为20世纪30年代中国金融业的飞速发展提供合理解释。“南京十年”连锁董事关系较为普遍，中国近代银行业在动荡与统一中得到高速发展。当前，面对百年未有之大变局，面临高度外部不确定性，近代银行业的成长路径能够为当前经济高质量发展提供有效参考。本文接下来的内容结构安排如下:第二部分为历史背景，第三部分为研究设计，第四部分为实证结果分析，第五部分为稳健性检验，第六部分为结论与启示。

二 历史背景

“南京十年”(1927—1937年)是中国近代银行业迅猛发展的十年。1928年北伐战争结束后，国民党当局大体在形式上统一了中国。中国政治上的统一，为近代中国银行业提供了一个更为稳定的发展环境。然而，尽管国民党当局名义上是中央政府，而实际的政治权力却广泛地分散于各地军阀。中国政府力量的相对衰落，客观上为银行业“自由发展”提供了良好的环境。据不完全统计，1928—1937年间，中国共有124家新式中资银行成立(Young，1971)。值得注意的是，中国近代银行不仅数量上不断扩增，其总体资本金从1927年的1.67亿元上升到1936年的4.03亿元，贷款和总资产增加了2倍多，存款增加了近3倍(程麟荪，2021)。

这一时期的银行业有一个显著特点，即各大银行间普遍存在紧密的业务合作关系。在银行业迅速发展的同时，银行间的连锁董事关系网络逐步形成。各银行间常常互为代理，相互开户、投资。由于业务需要，银行间往往互遣董事。长此以往，连锁董事俨然成为这一时期银行业的常态。通过连锁董事，整个银行业形成了一张庞大密集的连锁网络。这一银行连锁董事关系网络的出现，一方面让银行家能够相互依托，共同抵御外部政治、经济风险(杜恂诚，1993)；另一方面能够有效提升其经营绩效，获取更大经济利益(陈永伟，2019)。同时，借助银行连锁董事关系网络，银行家能够在政治层面更好地维护本集团利益(姚会元，1998)。

此外，尽管银行业迅猛发展，各银行分支机构遍布全国，其业务中心却存在极强的地理集中性(Tamagna，1942)。据不完全统计，20世纪30年代中前期上海的银行总部达80余家，这一数量远远高于同期的天津、重庆和香港等政治、经济中心。位于上海的银行控制着超过40亿元的资产，这一数字几乎是当时中国北方最重要的金融中心之一——天津的10倍。上海银行的平均规模也最高，平均资产为7615万元。银行地理集中性的差异充分表明了这一时期银行业的集聚力，同时也为银行间连锁董事关系网络的构成提供了必要土壤。基于此，本文提出以下假设：银行间通过互遣董事，构建连锁董事关系网络，从而对银行效率产生积极影响。

三 研究设计

(一)样本选择与数据来源

本文以1933—1936年中国近代银行机构为研究样本，数据来自《全国银行年鉴》。具体地，本文从《全国银行年鉴》中提取银行年报以确定其董事会组成及治理结构。同时，本文手工收集银行董事会成员，特别是连锁董事的姓名、所在银行、城市、分行职务等信息。但是在笔者收集资料的过程中，发现《全国银行年鉴》董事成员的数据质量有待商榷，例如董事会成员结构不完整，部分年份人名以字号记录而在另外年份又以姓名登记等。仅依赖单一的数据来源将造成银行网络的失真以及计量结果的偏误。因此，利用现存的一手资料作为补充，完善了银行董事会成员数据的内容，从而保证了最终结果的可信性。本文所用一手史料主要来源于上海档案馆(具体卷宗号为Q54至Q323以及S173)。这些档案中包含了银行注册登记表、银行协会登记表、股东大会记录等内容，为搜集董事背景信息以及银行董事会成员名单提供了大量的基础资料，从而整合出一份记录银行年度董事会构成的补充数据。此外，上文所提到的资料中也包含有关银行运营情况的数据，用来补充《全国银行年鉴》中尚待完善的银行运营数据。本文采用这些数据作为回归中的控制变量数据来源。经过上述处理，最终获得117家银行的非平衡面板数据，包含1933—1936年471个年度银行样本。

(二)变量定义

1.银行效率的测度

本文被解释变量为银行效率。银行效率对银行资源配置能力进行具象刻画，是衡量其市场竞争能力、总体经营水平与可持续发展潜力的综合指标。如何显著提升效率是推动银行业高质量发展的关键所在。作为支撑经济发展的关键推动力，银行等主体金融机构如何在高度外部不确定性中，显著提高其经营管理效率， 是当前银行业亟需研究的重要议题。对于银行效率，现有文献多将银行视为金融服务供给方，采用数据包络分析模型(DEA)或随机前沿生产函数模型(SFA)进行测度。相比于数据包络分析模型(DEA)等非参数方法， 随机前沿生产函数模型(SFA)不仅考虑了测量误差和统计噪音对前沿效率测度的影响(Chen，2012)，同时能够将无效率项与随机误差项分离，使得所做效率评价更加符合实际(杨文等，2015)。

权衡非参数法和参数法的优缺点，本文运用随机前沿生产函数模型(SFA)系统测度银行效率。具体地，借鉴Sun和Chang(2011)、姚树洁等(2011)、谭政勋和李丽芳(2016)的方法，本文以所有者权益、各类存款、银行固定资产为投入，以净利润为产出，运用迭代最小二乘时变固定效应SFA模型测度银行效率，并取其自然对数衡量银行利润效率，从而评估银行的经营绩效。同时以总贷款为投入再次测度银行效率，以进行稳健性检验。

2.连锁董事关系网络的构造及相关网络指标

本文根据银行间“连锁董事”联结情况，构建Degree中心度、Closeness中心度、Betweenness中心度和Eigenvector中心度指标，系统测度相关年度银行连锁董事关系网络情况。具体地，如果两个银行存在连锁董事，则定义其存在连锁董事联结。

(1)Degree中心度为某一特定银行在其连锁董事关系网络中的连锁银行数，即与该银行互遣“连锁董事”的银行数目。Degree中心度指数衡量了银行在连锁董事关系网络中社会关系情况。该指数越大，表明银行拥有更多的直接通信与资源交换渠道，其直接社会资本与管理层的直接人际关系更为雄厚。

(2)Closeness中心度为某一银行与其所处连锁董事关系网络中其他银行平均距离的倒数。该指数衡量了银行与其所处连锁董事关系网络中其他银行的时空距离。其计算公式如下：

(1)

其中，

l

(

i

，

j

)为连锁董事关系网络中银行

i

与银行

j

间最短连锁董事联结路径所经过的银行数。银行Closeness中心度越大，则其与所在连锁董事关系网络距离越近。

(3)Betweenness中心度为某一银行在连锁董事关系网络中处于其他银行间联结路径的比例。该指数进一步衡量了该银行在连接其他银行方面的重要作用，表现了其在所处连锁董事关系网络的中介地位。其计算公式如下：

(2)

其中，

P

(

k

，

j

)表示银行

i

处于连锁董事关系网络中银行

k

与银行

j

间最短路径的次数(银行

k

与银行

j

间最短路径可能不止一条)。

P

(

k

，

j

)表示银行

k

与银行

j

最短路径总次数。若该指数接近于1，则表明连锁董事关系网络中除银行

i

外的任意两银行的最短联结路径大多经过银行

i

，即银行

i

外的任意两银行通过连锁董事关系网络进行联系必经过银行

i

，银行

i

对于该连锁董事关系网络的构建具有重要的中介作用。反之，若该指数接近于0，则银行

i

对于连锁董事关系网络的构建重要性较低。

(4)Eigenvector中心度衡量了银行的影响能力，即某一特定银行能够通过其直接连锁银行影响连锁董事关系网络中其他银行的能力。银行Eigenvector中心度与其连锁银行中心程度直接相关。其计算公式如下：

(3)

其中，某一特定银行

i

与连锁董事关系网络

g

中银行

j

的联结参数为

g

。如银行

i

与银行

j

互为连锁银行，则

g

取值为1，否则为0。

λ

是连锁董事关系网络矩阵

g

的特征值。

3.其他控制变量

此外，参考Deloof和Vermoesen(2016)、Acheson et al.(2016)、Nguyen et al.(2016)的研究，本文同时对银行规模

size

(总资产的自然对数)、董事员工比

DS

ratio

(董事人数

/

员工人数)、员工人数

staff

、开设分行城市数量

covered

city

、杠杆率

leverage

、流动性

liquidity

(银行准备金与库存现金之和占其总储蓄的比例)、证券投资额

Investment

in

securities

(银行所投资证券的总量，其中包括股票、房地产证券和政府债券，取自然对数)等一系列影响银行效率的变量进行控制。同时，本文还设置了年份虚拟变量以控制宏观时变因素对银行效率可能产生的影响。

(三)模型设计

本文建立固定效应模型以检验连锁董事网络效应对银行效率的影响。具体模型如下：

TFP

， =

β

+

β

Board

_

connectedness

， +

control

， +

λ

+

λ

+

ε

，

(4)

其中，

i

、

t

分别代表银行与年份；

TFP

， 代表银行效率；

Board

_

connectedness

， 代表银行连锁董事网络效应，分别从银行的直接关系(Degree中心度)、与连锁董事关系网络的紧密程度(Closeness中心度)、中介地位(Betweenness中心度)、影响力(Eigenvector中心度)四个方面衡量；

control

， 为一系列代表银行特征的控制变量；

λ

和

λ

分别表示银行个体固定效应与年份固定效应。

四 实证结果分析

(一)描述性统计分析

表1和表2为银行连锁董事关系网络的描述性统计结果。如表1-A银行网络的描述性统计所示，1933—1936年，银行数量从92家增加至126家，增幅达37%。然而，连锁董事关系网络外“非连锁银行”，即并未同其他银行互遣董事的银行，也从25家增加到了50家。该描述性统计结果初步表明，连锁董事并非偶然形成的，而更可能是银行战略决策引致。表1-A同时报告了非连锁银行的相对比例。相较于非连锁银行在四年内总数增加1倍，其与银行总数的比例仍保持相对稳定。

表1 连锁银行与中心度特征描述性统计

此外，表1-B对连锁董事关系网络的主体部分(即联结所有连锁银行的最大子网络)进行描述性统计，以进一步分析连锁董事关系网络的具体结构。其中，平均步长(Average Path Lenth)为任意两个不相邻银行间最短距离的平均值；平均直径(Average Diameter)为任意两个银行间最长距离的平均值；聚类系数(Cluster Coefficient)为形成三角形(即三个银行两两互遣董事)的连锁银行所占的比例。如表1-B所示，关系网络主体部分平均直径为8，表明该网络存在“小世界”特征；四年平均聚类系数为41.8%，即与特定银行相联结的两个银行平均有41.8%的概率也相互联结，表明银行间互遣董事已成为这一时期银行业的基本业态之一，连锁董事关系网络基本成型。此外，关系网络主体部分的平均步长年度均值介于2.5～2.9，远小于 “六度分隔”理论所支持的平均步长(Travers和Milgram，1969)，这一结果再次支持了本文“银行有意相互建立联系”的初步结论。

表2 按年度分列的连锁董事关系网络描述性统计

本文同时就连锁董事关系网络的Degree中心度、Closeness中心度、Betweenness中心度、Eigenvector中心度进行描述性统计(如表 2所示)。从表中可以看出，1933—1936年间，连锁董事关系网络中个体银行的连锁银行数目(Degree中心度)最小为0，最大为49，平均每家银行拥有5家连锁银行；Closeness中心度最小值为0.008，最大值为0.034，表明银行间的联系极为密切；Betweenness中心度最小值接近于0，最大值为0.125，表明个体银行的中介作用较低，具有较大中介能力的个体银行尚未出现；Eigenvector中心度最小值接近于0，最大值为1，表明相较于处在连锁董事关系网络中心的银行，位于关系网络外围的银行，其Eigenvector中心度较小。

表3 主要变量描述性统计

(续上表)

表3报告了与银行特征相关变量的描述性统计，变量定义如上所述。从表中可以看出，银行效率

TFP

最大值为1.75，最小值为0，平均值为0.82，不同银行效率存在较大差异；银行规模最小值为10.65，最大值为21.31，平均值为15.43；员工人数最少为5人，最多为3505人；所覆盖城市最少为1个，最多为156个，银行间存在较大差异。

(二)回归分析

表4为基准回归结果，就连锁董事关系网络中Degree中心度、Closeness中心度、Betweenness中心度与Eigenvector中心度对银行效率的影响进行检验。其中，列(1)—列(4)仅控制了银行固定效应与年度固定效应，列(5)—列(8)进一步对银行规模、董事员工比、净利润、员工人数、杠杆率、安全资产、流动性等一系列与银行效率相关的变量进行控制。在银行连锁董事关系网络中，Closeness中心度对银行通过其所在网络获取信息、资源的效率进行衡量。Closeness中心度的提高意味连锁董事能够在更短的距离内更快与该网络中其他董事进行联结，银行与其他银行的关系更为密切，在短时间内能够与更多的银行联系(谢德仁和陈运森，2012)。如表4所示，列(2)Closeness中心度回归系数在1%水平上显著为正；在加入相关控制变量后，列(6)Closeness中心度回归系数仍在5%水平上显著为正。这一结果表明，银行Closeness中心度，即信息资源传递效率的提高能够显著改善银行效率。然而，令人遗憾的是，列(1)与列(5)Degree中心度回归系数、列(3)与列(7)Betweenness中心度回归系数、列(4)与列(8)Eigenvector中心度回归系数并不显著，说明在中国近代银行业连锁董事关系网络中，Degree中心度、Betweenness中心度与Eigenvector中心度可能并未对银行效率产生显著影响。相较于Degree中心度、Betweenness中心度与Eigenvector中心度，在近代中国特殊环境下，Closeness中心度的提高更能显著提升银行效率。

表4 基准回归分析

(续上表)

现有研究表明，由于军阀混战，近代中国处于“转型”与“分割”状态，外部环境存在高度不确定性，由此导致金融业信息透明度与信息传递效率显著下降(王大中和张跃，2017)。银行业市场分割以血缘、地缘为主要特征，信息的社会化和共享化水平较低。信息不对称所引致的逆向选择与道德风险使得银行效率显著降低，民国时期的“市场分割”加剧了这一负向影响。事实上，由于信息不对称性，1934年白银风潮对天津银行业造成了颠覆性打击。在此背景下，高效获取信息资源成为银行业提高经营效率、高速发展的关键。相较于Degree中心度、Betweenness中心度与Eigenvector中心度，Closeness中心度进一步考虑了网络中的潜在接触，能够更好地对银行间信息资源传递效率进行刻画。在连锁董事关系网络中，银行逐步向网络中心靠近，不断提高其Closeness中心度，从而在更短的距离内通过其所在连锁网络更快获取信息资源，进而提升效率。在民国的特殊历史背景下，相较于Degree中心度、Betweenness中心度与Eigenvector中心度，Closeness中心度提升所带来的信息传递效率改善对于提升银行效率至关重要。

(三)进一步讨论

上述基准回归结果表明，某一特定银行Closeness中心度的提升能够显著提高其效率，而Degree中心度、Betweenness中心度、Eigenvector中心度对其效率可能并未产生显著影响。为了进一步说明银行Closeness中心度、Degree中心度、Betweenness中心度与Eigenvector中心度在关系网络中存在的差异，本文对上述指标进行主成分分析(PCA)。表5为Closeness中心度、Degree中心度、Betweenness中心度与Eigenvector中心度指数主成分分析结果。其中，第一主成分和第二主成分包含了银行Closeness中心度、Degree中心度、Betweenness中心度与Eigenvector中心度中85.5%的变异。

表5 连锁董事网络效应的主成分分析

根据第一主成分与第二主成分信息，本文对原Closeness中心度、Degree中心度、Betweenness中心度与Eigenvector中心度进行重构，以厘清各中心度指数的底层逻辑结构。如图2所示，Closeness中心度所处维度，与Degree中心度、Betweenness中心度、Eigenvector中心度所处维度差异显著，表明Closeness中心度与Degree中心度、Betweenness中心度、Eigenvector中心度等其他代表银行连锁董事网络效应的指数相比具备更大信息量，对银行效率的影响更为显著。

图2 变量因子图(主成分分析)

综上所述，银行连锁董事网络效应能够显著提升其效率。银行Closeness中心度越大，与所在连锁董事关系网络其他银行的时空距离越近、联系越为密切，则其效率可能越高。良好的外部连锁关系有助于银行进行信息资源互换，从而提升银行效率。

五 稳健性检验

本文对基准回归结果进行以下稳健性检验：首先，对银行是否互遣董事进行组间差异分析，以说明连锁董事在银行业中的普遍性与重要性。其次，进一步控制其他中心度以排除可能存在的干扰。第三，以总贷款为投入重新测度银行效率，进而就连锁董事网络效应对银行效率的影响进行再次检验。第四，在模型中引入“正式制度”虚拟变量以控制正式制度可能存在的影响。此外，对可能存在的内生性问题进行讨论。最后，通过对特定银行所联结的连锁银行进行连锁董事关系网络邻域分析，进一步探讨中国近代金融机构的联结模式以及网络联结对银行业整体表现的影响进一步展开探讨。

(一)组间差异分析

为进一步检验连锁董事网络效应对银行效率的影响，本文对连锁银行与非连锁银行进行组间均值差异分析。如表6组间差异检验所示，连锁银行效率(

TFP

)显著高于非连锁银行。这一检验结果逐步证明本文的假设，即连锁董事网络效应能够显著提升银行效率。此外，连锁银行的规模与员工人数也显著多于非连锁银行，这一结果证实了本文的猜想。总体而言，组间差异分析表明，连锁银行较非连锁银行规模更大、员工更多、效率更高。考虑银行个体特征异质性对本文组间差异检验可能造成的影响，通过半径匹配，就上述分析进行倾向值匹配得分(PSM)检验，组间均值差异结果没有改变。

表6 组间差异分析

(二)控制其他中心度

基准回归表明，Closeness中心度的提升能够显著提高银行效率，而Degree中心度、Betweenness中心度、Eigenvector中心度对银行效率可能并未产生显著影响。为保证回归结果稳健性，本文将所有中心度放入模型以进行稳健性检验。结果如表7所示，列(1)仅对银行固定效应与年度固定效应进行控制，列(2)在列(1)基础上进一步加入相关控制变量。回归结果表明，Degree中心度、Betweenness中心度、Eigenvector中心度在10%水平上均未表现显著，而Closeness中心度系数显著为正，说明在控制其他中心度的情况下，本文的主要结论没有改变。

表7 控制其他中心度

(续上表)

(三)改变银行效率测度方式

本文以总贷款为投入重新测度银行效率，进而就连锁董事网络效应对银行效率的影响进行稳健性检验。结果如表8所示，列(2)Closeness中心度回归系数在1%水平上显著为正，列(1)Degree中心度、列(3)Betweenness中心度和列(4)Eigenvector中心度回归系数不显著。表明靠近连锁董事关系网络，与所在连锁董事关系网络亲密度的进一步提高能够显著提升银行效率，基准回归结果没有改变。

表8 改变银行效率测度方式

(四)控制正式制度的影响

考虑在正式制度较强的地区连锁董事关系网络这一非正式制度能否持续对银行效率产生影响，本文进一步对正式制度进行了控制。具体地，本文在基准模型中引入“正式制度”虚拟变量(

formal

)，当银行位于江浙沪等民国中央政府主要控制地区取值为1，否则为0。表9为控制正式制度影响的稳健性检验结果。其中，列(2)Closeness中心度回归系数仍在5%水平上显著为正，表明在正式制度较强的地区连锁董事关系网络仍能对银行效率产生影响，与所在连锁董事关系网络亲密度的提高能够显著提升银行效率，基准回归结果没有改变。

表9 控制正式制度的影响

(五)内生性讨论

进一步，考虑到银行连锁董事网络效应与银行效率可能存在的内生性问题，本文对相关中心度指标取滞后一期以缓解反向因果。内生性检验结果如表10所示， Closeness中心度滞后一期的回归系数显著为正，Degree中心度滞后一期、Betweenness中心度滞后一期与Eigenvector中心度滞后一期的回归系数不显著。表明考虑可能存在的内生性问题并未改变本文的基准回归结果，即银行通过加强与其所在连锁董事关系网络的外部联系，采取互遣董事等措施提升Closeness中心度，能够显著提升其效率。银行Closeness中心度越大，与其他银行联系越为密切，则其效率可能越高。

表10 将主要解释变量滞后一期

(续上表)

同时，本文以银行所在地区(省份)连锁银行比例(

Proportion

)为工具变量进行稳健性检验，进一步缓解可能存在的内生性问题。其经济学直觉在于，某一地区连锁银行比例越高，该银行成为连锁银行的可能性越大，Closeness中心度可能越高。如果表11列(1)所示，连锁银行比例(

Proportion

)回归系数显著为正，说明银行所在地区(省份)连锁银行比例(

Proportion

)与企业Closeness中心度间存在显著正相关关系，一阶段假设成立。列(2)Closeness中心度(IV:

Proportion

)回归系数显著为正，进一步缓解可能存在的内生性问题后，本文的基准结果没有改变。

表11 工具变量检验

(六)连锁董事关系网络邻域分析

(5)

进一步，本文根据银行Closeness中心度的不同将样本均分为5组，1-5组Closeness中心度依次递减，其中组5部分样本没有连锁银行。同时，本文计算每组中个体银行的连锁银行平均资产规模、平均资产报酬率、平均杠杆率、平均资产流动性、平均资产规模集中度的均值。结果如表12-A所示，组1与组5的连锁银行平均资产规模、平均资产报酬率、平均杠杆率、平均资产流动性、平均资产规模集中度的均值存在显著差异。Closeness中心度越大的银行，其所联结的连锁银行平均资产报酬率越低，资产流动性越高，资产结构更为集中。

表12 不同Closeness中心度连锁银行的特征比较

在表12-B中，本文用上文主成分分析结果替代Closeness中心度，重新将样本均分为5组。由于主成分分析的特性，组5的银行样本不存在连锁银行。因此，对组1与组4的连锁银行平均资产规模、平均资产报酬率、平均杠杆率、平均资产流动性、平均资产规模集中度的均值进行比较，结果没有改变。Closeness中心度较小的银行，其所联结的连锁银行平均总资产与平均杠杆率较小，而平均资产报酬率与平均资产流动性较高。

综上所述，Closeness中心度越大的银行倾向于与资产规模较大的银行相联结。然而，连锁银行规模递增的同时，资产收益率逐渐下降，表明银行业存在资本边际收益递减规律。此外，Closeness中心度越高的银行其所联结的连锁银行杠杆率更高，资产流动性更低，表明这一时期由于连锁董事网络效应，银行倾向于“大而不能倒”，在面对不确定性和应对风险时更有信心。

六 结论与启示

中国近代银行普遍存在互遣董事现象，个体银行并非孤立存在。“南京十年”的动荡与统一催化了银行连锁董事关系网络的发展。董事会层面的社会关系网络为银行提供了一种非正式的资源交互渠道。本文运用社会网络分析工具，测度银行连锁董事的网络中心度，对银行连锁董事的网络效应进行实证检验。研究发现，银行连锁董事的网络效应能够显著提升其效率；银行Closeness中心度越高，与其所在连锁董事关系网络中的银行联系愈为密切，其效率越高。

本研究通过识别银行业的内部相互作用，部分解释了20世纪30年代中国近代银行业的飞速发展，拓宽了中国近代银行业发展的研究范式。由此得出以下启示：当前，面对百年未有之大变局，面临高度外部不确定性下，社会联系在经济主体日常经营中发挥着越来越重要的作用，合理的外部关系网络能够为当前银行业的发展提供有效助力；然而，处于关系网络中心的银行倾向于与杠杆率更高、资产流动性更低的银行进行连锁，在面对不确定性和应对风险时往往更有信心， 银行过度依赖外部关系网络所引致的“大而不能倒” 现象仍需引起警惕。