银行业竞争对小微企业的普惠效应研究——基于金融地理结构的微观证据

张超林 杨竹清

一、引言

小微企业是构成中国经济微观主体的重要组成部分，同时也是驱动中国经济增长的重要动力之一。2018年小微企业贡献了全国80%的就业，70%的专利发明权，60%以上的GDP和50%以上的税收①小微企业的数据来源于2018年6月中国人民银行行长易纲在第十届陆家嘴论坛上的发言，http：／／www．rmzxb．com．cn／c／2018－06－14／2085534．shtml。。然而，和经济贡献度不相匹配的是，小微企业在发展过程中一直饱受融资难问题的制约，特别是受去杠杆政策、中美贸易摩擦和新冠疫情的影响，小微企业的处境更为艰难。

银行是中国金融体系的核心部分，为中国经济和企业部门发展提供了大量的外部资金②根据中国人民银行统计，2021年，银行新增人民币贷款数额占全部社会融资规模的63．6%。。但银行在向小微企业贷款时却表现得非常谨慎。较多研究表明，银行贷款更偏好于大规模企业，小微企业则难以获得银行贷款，或只能以较高的成本获得信贷资金（方昕和张柏杨，2020）。原因在于，一方面小微企业自身公司治理不完善、信息披露不充分，加剧了银企之间的信息不对称；另一方面，小微企业抵押资产较为有限，能获得的抵押贷款较少。

随着中国银行业市场化改革的推进，银行网点数量不断扩张。图1绘制了不同类型商业银行网点数量变化情况，国有商业银行、股份制商业银行、城市商业银行网点数量均出现了明显增长①国有商业银行网点数量由1999年的43720家增长至2019年的56618家（最大值为2017年的63012家），股份制商业银行网点数量由1313家增长至13917家（最大值为2018年的14077家），城市商业银行网点数量由2791家增长至15043家（最大值为2018年的16170家）。值得注意的是，银行网点扩张的趋势在2017、2018年左右开始出现拐点。。银行网点数量扩张会对银行业带来两方面的影响：第一，城市商业银行的设立和股份制银行的跨区域经营，改变了银行业市场结构，原来以国有商业银行为主导的银行市场结构逐渐演变成多层次、多类型银行共同竞争的格局。国有商业银行网点数量占商业银行网点总数量之比从1999年的56．7%下降为2019年的33．3%。银行业竞争格局的变化必然对银行信贷资源配置产生影响。第二，银行业扩张意味着银行业地理结构发生变化，银行网点密度变得更高，企业周边的银行网点数量增加，银企距离不断缩短②根据本文计算得到的数据，企业周边的银行网点数据从1999年的平均90家增加为2013年的116家，最短银企距离从平均4．47公里缩短为2．36公里。。那么，银行网点地理分布的变化是否会对银行贷款决策和行为产生影响？是否能对小微企业等数量更为庞大的“弱势部门”群体产生更广泛的普惠效应？银行设立网点的出发点是多元化的，既有商业性考虑，也有政策性考虑；或根据居民、企业集聚性进行空间布局，或跟随政府规划、他行竞争而设立网点，目的在于为企业、居民提供更好的服务，同时强化自身优势抢占市场份额，提高投入产出效率。居民区银行网点多，较多是出于负债端的竞争；企业集聚区银行网点多，较多是出于资产端的竞争。企业集聚区银行网点多的一个事实特征是，高新产业园区等经济开发区企业数量较多，银行网点数量也较多。银行网点布局企业集聚区，能够通过为企业提供结算、汇兑、现金管理、存贷款等综合服务，和企业建立起紧密的关系，争夺更多的客户资源。

图1 1999-2019年中国商业银行网点数量变化图

在数字经济背景下，以大数据、人工智能和云计算等为代表的金融科技迅速发展，商业银行积极推进数字化转型，经营模式、风险管理和营销渠道等发生了巨大变化，特别是网点布局大幅调整，网点数量出现了一定的撤并和减少（图1）。③资料来源：根据银保监会披露的金融许可证信息整理得到。银行网点布局对企业来说是否仍然重要，地理因素是否仍然是影响企业贷款获得的重要因素？目前学术界关于该议题仍然存在争议。部分学者认为信息技术的发展能够取代地理因素在金融业的重要性（Petersen and Rajan，2002；Milani，2014），甚至有学者提出了“地理已死”（End of Geography）的论断（O’Brien，1992）。但仍有不少研究表明，地理距离依然对企业信贷可获得性、贷款规模、贷款成本发挥着重要的作用（Agarwal and Hauswald，2010；Nguyen，2019；Kärnäet al．，2021；宋昌耀等，2021；Granja et al．，2022；Herpfer et al．，2023），进而影响企业投资、出口、创新等行为（许和连等，2020；李志生和金凌，2021；金友森和许和连，2021；张伟俊等，2021；盛斌和王浩，2022）。

从银行贷款业务的实践操作来看，信息不对称带来的风险控制问题是银行发展的关键桎梏。贷款审查对银行贷款非常重要，尽职调查是银行贷款业务中的关键环节。金融科技手段的应用能够为银行业务带来便捷性，有利于提高银行整合信息及客户画像、获客黏客、提高贷款审批效率和风控能力等，但仍然无法完全取代基于专家经验的实地尽职调查，特别是小微企业贷款业务依赖于客户经理的经验判断，需要客户经理发挥人缘、地缘优势，以贷前尽职调查筑好第一道防线，金融科技在此阶段更多发挥着辅助性作用。从实际贷款发生情况来看，绝大多数企业仍然从周边银行网点进行贷款，印证了地理因素仍然在银行对企业的贷款业务中发挥重要作用。银企距离接近，有利于增加银企之间的沟通交流，有助于银企间建立长期紧密的合作关系。特别是对小微企业而言，其缺失合格抵押物，银企之间的信息不对称更为严重，更需要客户经理实地走访搜集信息、尽职调查。地理距离对银企间的沟通交流，以及银行的贷前调查、贷后监督管理、风险预警防控等更为重要。此外，银行网点总体数量的减少并不意味着银行网点在地理分布上均匀地减少。以上市公司2011—2021年数据为例，通过计算上市企业周边银行网点数量发现，企业周边3公里、5公里、10公里、20公里以内的银行网点平均数量均呈现出持续上升趋势①以企业周边10公里为例，银行网点平均数量由2011年的330．91家增加为2021年的443．28家。2018年以来近四年的平均数量分别为426．81、431．45、437．48、443．28家。。因此，尽管银行网点总体数量有一定下降，但银行基于地理因素靠近企业布局的特征并没有改变。

已有文献从金融地理结构的视角，研究了银行网点扩张和银企距离缩短对微观企业的影响。较多研究表明，银企间距离显著影响了银行的贷款发放意愿和贷款利率（Knyazeva and Knyazeva，2012），企业实际的融资选择往往局限于企业周围一定地理范围内（Berger et al．，2017）。尽管部分研究认为，技术进步促进了银行发放贷款给距离更遥远的客户（Petersen and Rajan，2002；Milani，2014），但更多的研究表明地理因素对银行贷款仍发挥着重要的作用。Agarwal and Hauswald（2010）、Nguyen（2019）均提供了信贷可获得性与银企距离之间存在负相关的经验证据。Kärnäet al．（2021）表明利率随着距离的增加而增加，贷款规模随着距离的增加而减少。Granja et al．（2022）研究发现，贷款距离的增加显著降低了银行贷款质量，增加了银行贷款风险。Herpfer et al．（2023）阐述了距离对贷款关系形成的关键作用。国内研究表明，银企距离缩短能够增加银行对民营企业的贷款规模（宋昌耀等，2021），显著促进了企业出口倾向和出口规模的提升，有利于出口贸易转型升级（许和连等，2020；金友森和许和连，2021）。银行网点数量的增加有利于优化企业资本结构（李志生等，2020），显著提高了企业投资水平和投资效率（李志生和金凌，2021）。股份制和城市商业银行网点扩张对企业创新具有显著促进效应（张伟俊等，2021）。银行网点扩张通过发挥创新促进效应影响企业出口国内附加值率（盛斌和王浩，2022）。

相比于已有文献，本文可能的研究贡献主要体现在三个方面：第一，虽然已有研究从金融地理结构视角探讨了银行业竞争对企业贷款融资的影响，但较少研究银行业竞争对小微企业产生的普惠效应，本研究为数字经济时代地理因素在金融业中是否仍然重要这一争议性议题提供了经验证据，也为解决小微企业融资难、融资贵问题提供了政策启示。第二，已有文献很少从银行网点数量角度研究不同类型银行业竞争的经济效应，本文不仅测算了企业周边一定范围内所有商业银行网点数量，还分别测算了企业周边国有商业银行、股份制商业银行和城市商业银行网点数量，考察了不同类型银行业竞争普惠效应的差异性，从而丰富了金融结构理论的相关研究。第三，本研究为中国银行业市场化改革和金融供给侧结构性改革提供了政策参考。金融管理部门在鼓励金融科技发展的同时，仍然应当重视金融地理的重要性，推进中小银行网点的空间布局，继续深化银行业竞争机制。

二、理论分析与研究假说

改革开放以来，随着中国银行管制的放松，银行网点数量不断增加。一方面，外资银行进入以及城市商业银行等各类新银行相继设立，逐渐形成了多层次、丰富的银行机构体系。另一方面，国有大型商业银行、股份制商业银行以及规模较大的城市商业银行等均开始跨地区设立网点，各类银行跨区域的竞争日益激烈。

依据经典的产业组织理论，垄断的市场结构和竞争的市场结构会导致截然不同的经济效应。就银行业而言，垄断的银行业市场结构会导致贷款供给不足和贷款利率较高，而竞争的银行业市场结构则能够降低融资成本、增加信贷可得性（Love and Peria，2014）。竞争的压力能够迫使银行提高贷款效率，促进银行对企业信息的搜集和甄别（Schaeck and Cihák，2012），从而有效降低银企之间的信息不对称。同时，企业周边银行网点数量的增加，意味着银行和借款企业之间的平均距离变得更近，地理距离的缩小有助于银行更好地搜集和掌握企业信息。因此，银行网点数量的增加能够对企业外部融资产生正向促进作用。

与此同时，银行网点数量的增加对小微企业融资可能发挥更为显著的促进作用。一方面，银行对客户的竞争更激烈，银行会扩大客户群体范围，将目光从为数不多的大型企业转向数量更多的小微企业。另一方面，竞争的压力迫使银行加大对小微企业的信息搜集及甄别力度，有利于降低银企之间的信息不对称，使得银行贷款依赖的信息从抵押资产、财务信息等“硬”信息更多地转向企业发展潜力、创始人领导能力等“软”信息，有助于小微企业获得更多银行贷款，降低贷款成本，缓解其面临的融资约束。基于上述分析，本文提出研究假说1。

假说1：在其他条件相同的情况下，企业周边银行网点数量增加，能够有效缓解小微企业面临的外部融资约束程度。

从银行业市场结构来说，不同类型的商业银行在服务实体经济的对象、能力和效率上存在显著差异（金友森和许和连，2021）。国有大型商业银行贷款决策更加注重企业抵押品价值、财务报表、信用评级等“硬”信息（Berger and Black，2011），大规模企业具有一定的成长历史和信用记录，财务信息披露更充分，抵押资产规模更大，更符合大银行的贷款要求，更容易获得大银行的贷款（林毅夫和孙希芳，2008）。而股份制银行、城市商业银行等中小银行在组织结构、获取信息等方面更具有优势（Berger et al．，2005；蔡竞和董艳，2016），受到的政府干预相对较少，信息传递链条较短，为中小企业提供贷款时灵活度更高，对市场反应更迅速（Jayaratne and Wolken，1999）。同时，中小银行更易于与临近区域内的中小企业建立长期关系，更能收集和处理企业“软”信息，并做出信贷决策。因此，在高度依赖“软”信息的中小企业融资中，中小银行往往具有比较优势（林毅夫和孙希芳，2008）。已有研究表明，由中小银行发展所推动的银行业结构变化显著缓解了中小企业融资约束（姚耀军和董钢锋，2015）。依据上述分析，本文提出研究假说2。

假说2：相比于国有大型商业银行，股份制商业银行和城市商业银行网点数量增加对小微企业融资约束的缓解效应更为显著。

受限于商业银行的总分行制和信贷市场分割的特征，信贷资源的跨区域流动仍然受到限制，因此银企之间的地理距离是影响企业获取信贷资源的重要因素（蔡庆丰等，2020）。银企距离的缩短能够从“信息效应”、“成本效应”和“关系效应”三方面提高企业信贷资源的可得性。首先，银企地理邻近可以增加双方之间的沟通互动和信息交流，有助于银行获取与企业相关的“软”信息，从而缓解银企之间的信息不对称（Alessandrini et al．，2009；Hollander et al．，2016）。其次，地理邻近有助于降低银企地理距离产生的交通成本、时间成本等，距离接近也有助于降低银行对企业进行贷前审查和贷后管理的监督成本。因此，银行往往倾向于向距离较近的企业提供贷款（Agarwal and Hauswald，2010）。最后，企业与贷款银行之间的地理距离越近，越有利于银企之间建立起更紧密的关系。紧密的银企关系有助于提高借款企业获得信贷的便利性（Behr et al．，2011），有助于贷款可得性的增加（Petersen and Rajan，1994）。据此，本文提出研究假说3。

假说3：银企距离越近，银行网点数量增加对小微企业融资约束的缓解作用越大。

基于上述分析，得出本文逻辑框架，见图2。

图2 网点地理布局与小微企业融资效果的逻辑导图

三、变量定义、特征事实与数据描述

（一）模型设定

企业融资约束的测度是本文的核心问题。国内外公司金融研究领域学者对企业融资约束的测度展开了丰富的研究，使用较多的指标包括投资—现金流敏感性、现金—现金流敏感性、KZ指数、WW 指数、SA指数等；常用的指标方法包括文本分析和机器学习等。其中，投资—现金流敏感性是最经典和重要的指标之一，很多文献使用该指标度量企业面临的融资约束（Fazzari et al．，1988；Love，2003；姜付秀等，2019）。由于本文使用的中国工业企业数据没有披露年报，缺乏现金、红利等变量，无法计算现金—现金流敏感性、KZ指数、WW 指数等其他融资约束，也很难用文本分析和机器学习等方法。因此，本文主要选取投资—现金流敏感性衡量企业融资约束①稳健性检验部分使用了SA指数衡量企业融资约束进行分析。，关于投资—现金流敏感性的基本模型设定如式（1）。

其中，被解释变量Invtit为企业i第t年投资水平，变量Cflowit－1表示企业i第t－1年的内部现金流，Controlj为一系列影响企业投资的控制变量，ui为企业个体固定效应，λt为时间固定效应。由于受到外部融资约束的制约，企业在进行投资时，往往依赖于企业内部现金流，预期投资—现金流敏感性系数β1显著为正。企业面临的融资约束程度越高时，投资—现金流敏感性也越大。

本文在模型（1）的基础上，通过加入交互项考察银行业竞争对企业融资约束的影响，模型设定如式（2）。

其中，Branchit为本文的核心解释变量，表示企业i第t年面临的银行业竞争程度。依据投资—现金流敏感性模型的含义，上述模型中变量Cflowit－1前的参数β3表示企业投资和内部现金流之间的敏感性，预期β3显著为正，表示企业投资水平依赖于内部现金流的敏感度。Branchit×Cflowit－1的参数β2是本文重点感兴趣的，表示银行业竞争对投资—现金流敏感性的影响，预期β2显著为负，即企业周边的银行网点数量越多，投资—现金流敏感性程度越低，意味着企业受到的融资约束程度有所缓解。

（二）变量定义

1．被解释变量：企业投资水平（Invtit）。采用两种方法进行度量：一是参考Huang et al．（2020），用固定资产投资价格指数对每家企业每年的固定资产规模进行平减，再计算平减后的固定资产增加值占资产总计的比例，定义该变量为Invt；二是参考李志生和金凌（2021），使用平减后的固定资产和无形资产增量占总资产的比例衡量企业投资水平，定义为Invt1。本文使用变量Invt进行基准回归，使用变量Invt1进行稳健性检验。

2．核心解释变量：银行业竞争（Branchit）和企业内部现金流（Cflowit－1）。具体而言，银行业竞争的测度参考李志生和金凌（2021），使用企业周边的银行网点空间分布指标进行衡量，分别计算企业周边3公里、5公里、10公里、20公里范围内银行网点数量。以企业周边银行网点数量衡量企业所面临的银行业竞争程度，其合理性在于：首先，从社会融资规模构成来看，银行贷款占比仍然最高（2021年为63．6%），商业银行面临的最大竞争仍然来自于同业；其次，由于吸收存款的门槛限制，其他金融机构没有吸收存款的准入资格，商业银行设立网点主要是同业竞争推动；最后，为缓解核心指标测度偏误对估计结果的影响，在实证检验中，通过加入时间固定效应或地区－年份固定效应控制金融业态变化的影响，以及利用利用外资银行进入、股份制商业银行放松管制和城市商业银行设立等准自然实验进行内生性检验等方法，来确保研究结果的可靠性①感谢匿名评审专家提出的完善核心指标测度合理性的修改建议。。

Branchit指标计算思路和过程是：首先，根据银保监会网站披露的商业银行金融许可证信息，整理出样本期内所有商业银行网点的地理位置，对于地理位置信息缺失或不完整的样本，通过手工查找的方式予以补充，然后通过百度地图搜索银行网点地理位置的经纬度②利用Stata程序cngcode命令和申请的百度秘钥进行搜索。；其次，根据中国工业企业数据库披露的所有工企地址数据，通过百度地图爬取所有工企地理位置的经纬度；最后，利用Stata软件中的Geodist命令和mata语言计算每年每家工企到所有商业银行网点的地理距离，具体计算公式如式（3）和式（4）。

其中，Distance为企业到银行网点之间的地理距离，6378．2为地球赤道平均半径，Arccos（C）为企业到银行网点之间距离的反三角函数，C为企业到银行网点之间距离的空间夹角余弦值，latitudei为企业所在地经度，longitudei为企业所在地纬度，latitudej为银行网点所在地经度，longitudej为银行网点所在地纬度。计算出银企距离后，统计企业周边3公里、5公里、10公里、20公里范围内银行网点数量，从而得到衡量银行业竞争的四个指标No＿3、No＿5、No＿10、No＿20。本文使用No＿10指标进行基准回归检验，使用另外三个指标进行稳健性检验。

企业内部现金流的测度，由于中国工业企业数据库并没有直接披露企业的现金流数据，因此需要进行计算得到。参考已有文献，本文使用两种方法估算企业内部现金流：第一，用企业利润总额减去应交所得税再加上当期折旧，以企业资产总计进行标准化（Huang et al．，2020），得到的指标定义为Cflow；第二，用营业利润与当期折旧之和除以总资产进行衡量（Guariglia et al．，2011），得到的指标定义为Cflow1。本文在基准回归中使用Cflow指标，在稳健性检验中使用Cflow1指标。

3．控制变量。本文参考方芳和蔡卫星（2016），选取的控制变量包括：企业成长性（Growth），用企业营业收入增长率衡量；企业规模（Size），等于资产总计取自然对数；企业财务杠杆（Lev），等于企业总负债与总资产之比；企业成立年限（Age），等于企业所在年份与成立年份之差加1后取自然对数。本文参考企业投资模型的常规设定（Richardson，2006），所有控制变量在回归中均取滞后一期值。稳健性检验除了控制这些企业特征变量之外，还加入了一系列城市层面控制变量①城市层面变量的说明与界定详见后文稳健性检验部分。。模型还进一步控制了企业个体固定效应（ui）和时间固定效应（λt），用来控制企业不随时间变化的固定特征和宏观经济因素对企业投资的影响。

4．小微企业界定。本文重点关注银行业竞争变化能否产生普惠效应，即能否解决小微企业融资难的问题，因此重点考察银行业竞争与小微企业的投资—现金流敏感性之间的关系。接下来，本文对企业的规模进行界定。参考工业和信息化部、国家统计局、发展改革委、财政部等四部门联合发布的“工信部联企业〔2011〕300号”文件，根据企业营业收入和员工人数指标进行划分，营业收入小于2000万元或员工人数少于300人的工业企业界定为小微企业②后文稳健性检验部分也采用了另外两种标准对小微企业进行界定。。值得说明的是，本文根据小型企业的标准来划分企业规模，并未进一步区分微型企业，研究样本以小型企业为主。之所以采用“小微企业”的表述，主要基于以下两点原因：一方面，小型企业囊括于小微企业，小型企业和微型企业有很多相似之处，均面临着融资难、融资贵的问题；另一方面，相比于小型企业来说，微型企业与银行的信息不对称更严重，更需要专家实地尽调和专业判断。由此可见，基于金融地理视角的银行业竞争对微型企业的影响逻辑仍然是成立且长期存在的，因此以小型企业为主的样本进行研究，并不会对本文的研究结论造成偏颇影响。

（三）数据来源及描述

本文使用的数据主要有三个来源。第一，所有商业银行网点数据，来源于银保监会官网。银保监会披露了1949年以来全国各种类型的商业银行金融许可证信息，包括所有银行网点编码、名称、地址、批准成立日期等，利用地址信息提取网点所在省份、城市，并通过百度地图查找网点经纬度。对于地址不完整或不准确的，以手工查找的方式进行补充①部分银行网点地址由于不完整或不准确，无法爬取经纬度信息，通过手工查找具体地理位置后进行更正补充。。第二，企业微观数据来源于中国工业企业数据库。该数据库由国家统计局发布，是目前国内规模最大的微观企业数据库。为保证研究结果可靠，本文参考聂辉华和贾瑞雪（2011），对样本进行处理：删除资产合计、固定资产合计、营业收入分别小于0的样本以及固定资产合计小于资产合计的样本；删除员工人数小于10的样本；删除同一年份企业名称或者法人代码出现重复的样本以及变量存在缺失值的样本。此外，利用工企地理位置信息，通过百度地图查找获取企业经纬度数据。第三，城市层面数据来源于历年《中国城市统计年鉴》，固定资产投资价格指数使用省级层面数据，来源于历年《中国区域经济统计年鉴》。本文将上述数据进行合并，为避免异常值对研究结果的影响，对连续型变量进行了1%的双侧缩尾处理（winsorize）。由于中国工业企业数据库部分变量存在数据缺失，最终所获得的研究样本区间为2000—2008年以及2012、2013年②中国工业企业数据库2010年数据变量缺失情况较为严重，只有资产总计、营业收入等变量的数据较为完整。此外，中国工业企业数据库没有披露2008年、2009年的企业折旧数据，无法计算核心变量企业内部现金流（Cflow）。本文模型使用滞后一期的解释变量，其中企业成长机会（Growth）要用滞后一期的营业收入数据计算得到。由于上述数据缺失的原因，最后实际进入回归分析的样本为2000—2008年以及2012、2013年。。

表1报告了主要变量的描述性统计量。企业投资的均值为0．0002，表示平均来看样本期间中国工业企业固定资产投资每年略有增加，中位数为－0．006，表示投资减少的企业数量略多于投资增加的企业数量。变量No＿10的均值为98．646，最小值为0，最大值为1646，意味着每家企业周边10公里企业以内的银行网点数量平均值约为98家左右，最小值为0家，最大值为1646家，可知企业周边的银行业竞争差异化程度较高。

表1 主要变量的描述性统计

四、实证结果分析

（一）基准回归结果

首先进行基准回归检验，结果如表2所示。表2第1列作为参照，列示了未加入银行网点数量及其交互项的小微企业样本回归结果（模型（1）），变量Cflow的估计系数显著为正，表示小微企业受到融资约束的影响，投资与内部现金流之间存在显著为正的敏感性关系，与已有关于投资—现金流模型的研究一致，说明模型设定的合理性。第2列为加入企业周边10公里范围内银行网点数量及其交互项的基准回归结果（模型（2）），交互项No＿10×Cflow系数在1%的统计水平上显著为负。与前文的理论分析预期一致，表明企业周边10公里以内银行网点数量增加，能够显著降低小微企业投资—现金流敏感性，意味着银行网点数量增加能够有效缓解小微企业面临的融资约束程度。

表2 银行业竞争与小微企业融资约束

考虑到可能存在其他地区层面随时间而变化的变量对估计结果产生干扰，因此本文尝试控制地区—年份固定效应，结果见表2第3列和第4列所示。第3列在模型（2）的基础上加入了省份—年份固定效应①由于已控制了地区—年份交互项固定效应，因此未再加入时间固定效应。，第4列控制了城市—年份固定效应。在加入地区—年份交互项固定效应后，交互项No＿10×Cflow估计系数仍然在1%的统计水平上显著为负。综上可见，银行网点扩张产生了明显的普惠效应，企业周边银行网点数量的增加，显著降低了小微企业面临的融资约束，假说1得到了验证。

（二）异质性分析

1．银行类型异质性。根据金融结构理论，中小银行和小型企业匹配程度更高，中小银行更善于收集和处理企业“软”信息，为小企业提供贷款时具有比较优势（Berger et al．，2005）。因此，本文区分银行类型进行异质性检验。在计算出所有银企距离的基础上，分别统计企业周边10公里范围内国有大型商业银行网点数量（No＿10＿gy）、股份制商业银行网点数量（No＿10＿gfz）和城市商业银行网点数量（No＿10＿csh），再用不同类型银行网点数量作为解释变量对基准模型进行回归（表3①受篇幅限制，后文各表未详细报告控制变量的估计结果，留存备索。）。三种类型银行网点数量和企业内部现金流交互项的系数均至少在5%的统计水平上显著为负，意味着三类银行均缓解了小微企业面临的融资约束。从数值绝对值大小来看，最大的是城市商业银行，其次是股份制商业银行，最小的是国有大型商业银行，三类银行缓解小微企业融资约束的作用依照此顺序递减。综合来看，股份制商业银行和城市商业银行等中小银行对小微企业融资约束的降低作用要强于国有大型商业银行，与金融结构理论的分析是一致的，验证了假说2。

表3 不同类型银行异质性：小微企业样本

2．银企距离异质性。在金融地理学中，地理是决定金融资源配置的重要因素。银行作出贷款决策时，需要依赖“软”信息，“软”信息的获取和银企之间的地理距离密不可分，银企距离越短，银行越容易掌握企业的“软”信息，银企之间的信息不对称程度越低，企业信贷可得性越高（Alessandrini et al．，2009；Hollander et al．，2016）。前文基准回归使用的企业周边10公里以内银行网点数量（No＿10）作为解释变量，在考察不同银企距离的异质性影响时，将企业周边10公里以内的银行网点数量分别替换成3公里、5公里、20公里以内的网点数量（对应变量为No＿3、No＿5、No＿20），再次使用基准模型进行回归（表4）。依次使用No＿3、No＿5、No＿10、No＿20和企业内部现金流的交互项进行回归，得到的交互项估计系数均在1%的统计水平上显著为负，意味着使用不同银行业竞争指标时，结果基本一致。即企业周边网点数量越多，小微企业面临的融资约束程度越低。从交互项估计系数绝对值大小来看，表现出依次显著降低的特征，例如No＿3×Cflow的估计系数大小为－0．022，No＿20×Cflow的估计系数大小为－0．002，前者绝对值大小是后者的约11倍左右，表明银行业竞争降低小微企业融资约束的作用表现出银企距离的异质性，银企距离越近，普惠效应越明显，假说3得到验证。

表4 不同银企距离异质性：小微企业样本

（三）稳健性检验

1．改变企业投资和内部现金流的衡量方式。为避免企业投资和内部现金流两个核心指标度量方式对研究结果的影响，使用其他投资和内部现金流度量指标重新进行回归（表5）。表5第1列仍使用基准回归中的Invt作为投资指标，但内部现金流用营业利润与当期折旧之和除以总资产进行衡量（Cflow1）；第2列将被解释变量替换成平减后的固定资产和无形资产增量占总资产的比例（Invt1），内部现金流仍使用Cflow指标；第3列则同时将企业投资和内部现金流指标进行替换，分别替换为Invt1和Cflow1。交互项估计系数均至少在10%的统计水平上显著为负，表明使用不同的投资和现金流指标，基准回归结论依然成立。

表5 稳健性检验：使用其他投资指标和现金流指标

2．使用SA指数衡量企业融资约束。受限于数据的可得性，本文主要使用投资—现金流敏感性来进行研究。除此之外，还可以利用SA指数衡量非上市企业的融资约束程度（鞠晓生等，2013），因此本文使用SA指数衡量企业融资约束来进行稳健性检验。本文借鉴鞠晓生等（2013），计算出SA指数①计算公式为：SA＝0．043×Size2－0．04×Age－0．737×Size，其中Size为企业规模，Age为企业成立年限，具体计算见前文变量界定。，并利用固定效应模型实证检验银行业竞争对小微企业融资约束的影响，加入的控制变量有：企业特征变量，包括企业规模、成立年限、财务杠杆、盈利能力、资产结构；行业特征变量，包括行业竞争程度；城市特征变量，包括地区经济发展程度②企业盈利能力用资产收益率ROA衡量，资产结构用固定资产与总资产之比衡量，行业竞争程度用两位数行业代码计算得到的赫芬达尔指数衡量，地区经济发展程度用地区GDP取自然对数衡量，其余变量界定和前文相同。。回归结果显示，No＿10的估计系数显著为负③限于篇幅，稳健性检验2～4未报告回归结果，留存备索。，表明企业周边银行网点数量增加显著降低了小微企业融资约束程度，银行业竞争对小微企业有效发挥了普惠效应，与使用投资—现金流敏感性度量企业融资约束得到的结论一致。

3．控制可能的遗漏变量。前文基准回归仅加入企业特征变量，地区层面宏观变量可能同时对企业和银行业竞争产生影响。例如，经济发展程度越高的地区，企业投资机会越多，投资水平往往更高，同时银行开设网点的数量往往越多，因此遗漏地区经济发展变量，有可能产生内生性问题，导致基准回归模型的结果出现偏误。为避免遗漏变量对结果的干扰，加入可能同时影响企业投资和银行业竞争的城市层面变量，包括：人均GDP水平；地区金融发展水平，用地级市每年存贷款余额与GDP之比衡量；第二产业增加值占GDP的比重；第三产业增加值占GDP的比重；外商实际投资金额；城市基础设施建设水平，用全市的道路铺装面积除以全市的土地面积衡量。结果显示，交互项No＿10×Cflow的结果在小微企业样本中显著为负，意味着加入可能的遗漏变量后，基准结论依然成立。

4．改变小微企业划分标准。为避免小微企业划分标准对研究结果的影响，采用两种办法对小微企业划分标准进行稳健性检验：第一，用各省工业产出增加值指数对企业营业收入进行平减。从EPS数据库获取各省分年度工业产出增加值同比指数，并以2011年为基期，将该指数转化为定基指数，按省份—年度和中国工业企业数据库进行匹配，对企业营业收入进行平减，这样得到的就是消除价格指数影响的实际营业收入数据。进一步，以“工信部联企业〔2011〕300号”文件，重新识别小微企业样本进行回归，回归结果显示，交互项No＿10×Cflow的估计系数在小微企业中仍然显著为负，表明银行业竞争降低了小微企业的融资约束程度，有效发挥了普惠效应。

第二，依据国家经贸委、国家计委、财政部、国家统计局等部门在2003年联合制订的《中小企业标准暂行规定》，界定员工人数300人以下、或营业收入3000万元以下、或资产总额4000万元以下的工业企业为小微企业。2011年之前使用《中小企业标准暂行规定》对企业规模进行划分，2011年及之后使用“工信部联企业〔2011〕300号”文件对企业规模进行划分，重新识别小微工业企业，并进行实证检验。回归结果显示（限于篇幅，未报告具体结果），核心解释变量No＿10×Cflow的估计系数仍然显著为负，与基准回归结果一致。

5．内生性问题处理。本文可能存在的内生性问题是遗漏变量导致的估计偏误，前文通过加入城市特征变量作为控制变量以及控制地区—年份固定效应，一定程度上缓解了遗漏变量偏误问题，但不能确保因果推断的有效性。本文采用以下三种方法处理潜在的内生性问题。第一，采用广义矩系统GMM方法重新进行估计。考虑到企业投资具有一定的序列相关性，当期投资受到上一期投资的影响，因此在模型（2）的基础上加入投资的滞后一期值（L．Invt），使用系统GMM方法进行估计（表6第1列）。结果显示，投资的滞后一期值的估计系数显著为正，说明企业投资在时间上具有一定的连续性；AR（2）的p值和Hansen检验的p值均大于0．1，表明误差项不存在二阶自相关，工具变量有效。银行网点数量与现金流交互项的估计系数显著为负，与基准回归结果基本一致。

表6 内生性处理

第二，利用外资银行进入中国各城市时间的差异，构造准自然实验，采用多时期双重差分方法（DID）进行估计。本文借鉴张伟俊等（2021），选择外资银行的准入作为外生事件。2001年中国加入世贸组织（WTO），根据《金融服务贸易协议》，各城市陆续取消对外资银行准入的限制，例如2001年深圳、上海、大连、天津等作为第一批城市放松对外资银行的限制。外资银行进入会对东道国银行业竞争产生“鲶鱼效应”（Klein and Olivei，2008），加快银行网点的扩张。由于外资银行是分批次准入的，一方面冲击效应的外生性较强，易于确定处理组和对照组，另一方面很难与其他政策在时间上重合，能够排除其他政策对结果的影响，因此可以利用外资银行准入构造多时期双重差分模型。本文参考Bai et al．（2018）对连续变量与双重差分项交互处理的多时期DID模型设定，见式（5）。

其中，Enterct为外资银行准入虚拟变量，若企业i所在城市c在第t年已放松对外资银行准入的限制，则Enterct取值为1，否则为0。其余变量和模型（2）相同，Branchit用企业周边10公里以内银行网点数量衡量（No＿10）。由于模型控制了时间固定效应λt，从而Enterct被λt吸收。在DID模型准自然实验中，Enterct取值为1的样本为处理组，取值为0的样本为对照组。本文关注交互项Branchit×Enterct×Cflowit－1的系数β3，其刻画了处理组和对照组银行业竞争对企业投资—现金流敏感性影响的平均差异，该差值可以反映二者之间的因果关系。表6第2列报告了多期DID估计结果。交互项No＿10×Enter×Cflow的估计系数在小微企业样本中显著为负，表明相比于对照组，外资银行准入使得处理组所在地区银行业竞争对小微企业融资约束的缓解作用更显著。

第三，分别利用股份制商业银行放松管制和城市商业银行设立作为准自然实验，采用双重差分法进行内生性检验，确保研究结论的可靠性①感谢匿名评审专家提出的修改完善建议。。设定放松股份制商业银行准入管制的虚拟变量GFZ，当某城市在某一年有股份制商业银行进入时，则当年及之后的年份GFZ取值为1，其他取值为0。和外资银行准入类似，股份制商业银行进入各城市的时间也存在差异，同样使用多期DID模型进行估计②和前文模型（5）设定相似，不同之处是用放松股份制商业银行准入管制虚拟变量GFZ替代外资银行准入虚拟变量Enter，模型含义相同。使用城市商业银行设立作为准自然实验的多期DID模型设定类同，用城市商业银行设立虚拟变量CSH替代Enter。（表6第3列）。交互项No＿10×GFZ×Cflow的估计系数显著为负，表明放松股份制商业银行准入管制的地区，银行网点数量增加对小微企业融资约束的缓解效应更显著。设定城市商业银行设立虚拟变量CSH，当某城市在某一年设立城市商业银行及之后各年都取1，否则取值为0。城市商业银行设立也是分批进行的，同样使用多时期DID模型设定（表6第4列）。交互项No＿10×CSH×Cflow的估计系数显著为负，表明相比于没有设立城市商业银行的对照组，城市商业银行设立地区银行网点数量对小微企业融资约束的缓解作用更显著。上述内生性检验利用银行业竞争的外生冲击作为准自然实验，实证结果均表明银行业竞争对小微企业发挥了显著的普惠效应，证实了研究结论的可靠性。

五、进一步分析

（一）影响机制分析

前文研究表明，银行业竞争能够有效降低小微企业的融资约束水平，那么产生这种影响的潜在机制是什么？本文从债务融资规模和债务融资成本两个角度进行分析，债务融资规模分别用长期贷款和银行短期贷款衡量。由于中国工业企业数据库并未直接披露银行贷款数据，参考李广子等（2016），长期贷款用长期负债与总资产之比衡量，短期贷款用流动负债减应付账款再除以总资产衡量；债务融资成本用利息支出／（长期负债合计＋流动负债合计－应付账款）衡量。在分析中，分别用长期贷款、短期贷款和债务融资成本对银行网点数量（No＿10）和一系列控制变量进行回归，控制变量包括企业盈利能力、现金流、规模、财务杠杆、成立年限、成长性、资产结构，并加入了城市人均GDP、企业个体固定效应和时间固定效应。

表7报告了影响机制检验结果，即银行网点数量增加对小微企业债务融资的回归结果。第1列为长期贷款回归结果，No＿10的估计系数在10%的统计水平上显著为正，表明企业周边银行网点数量促进了小微企业的长期贷款融资。第2列为短期贷款的回归结果，No＿10的估计系数为正但不显著，表明银行网点数量对小微企业的短期贷款影响并不明显。第3列为债务融资成本回归结果，No＿10的估计系数在1%的统计水平上显著为负，意味着企业周边银行网点数量越多，小微企业的债务融资成本越低。综上可见，银行网点数量增加通过增加长期贷款和降低债务融资成本，从而有效缓解小微企业面临的融资约束。

表7 影响机制检验：银行业竞争与小微企业债务融资

（二）银行业竞争与企业投资

融资约束是制约企业投资水平，降低企业投资效率的重要原因。当企业存在融资约束时，难以很好地抓住投资机会，从而使企业实际投资偏离最优投资，出现投资不足现象。银行业竞争由于能够缓解小微企业的融资约束程度，因而有助于促进小微企业的投资水平和优化企业投资效率。为了验证这一逻辑，本文在研究银行业竞争对企业投资和投资效率的影响时，参考Deng et al．（2020），加入的控制变量包括：企业规模、企业盈利能力和企业资产结构，变量定义和前文相同。企业投资效率的计算参考Chen et al．（2011），采用回归模型残差项的绝对值作为企业投资效率的度量指标，见式（6）。

其中，NEGit－1为虚拟变量，当企业成长性（Growthit－1）小于0时，取值为1，否则取值为0；其余变量和模型（2）定义相同。该模型反映了企业成长性对企业最优投资的影响。模型（6）估计的投资拟合值表示企业最优投资，残差项表示企业投资偏离最优投资水平的部分，当＞0时，表示过度投资；当＜0时，表示投资不足。残差项取绝对值表示企业非效率投资（Inveff），Inveff取值越大，表示企业投资效率越低。

表8报告了银行业竞争对小微企业投资和投资效率的影响，第1列结果表明，银行业竞争对小微企业的投资水平产生了显著正向促进作用，企业周边10公里以内银行网点数量越多，企业投资水平越高。同时，银行业竞争降低了小微企业的非效率投资（表8第2列），且银行业竞争降低非效率投资的作用主要是由于降低企业投资不足产生的（表8第4列）。表8第3列结果显示，银行业竞争对小微企业过度投资并没有显著影响。由表8可知，银行业竞争由于缓解了小微企业受到的融资约束水平，有助于提高企业投资水平，缓解企业投资不足，优化企业投资效率；企业周边网点数量的增加对小微企业投融资均产生了促进作用，意味着银行业市场化改革具有显著的普惠效应。

表8 银行业竞争与小微企业投资

（三）银行业竞争、金融科技发展与企业融资约束

如前文所述，以大数据、人工智能和云计算等为代表的金融科技迅速发展，银行网点受到了数字金融渠道的冲击。有观点认为信息技术的发展能够取代地理因素在金融业的重要性（Petersen and Rajan，2002；Milani，2014）。因此，一个有必要探讨的问题是，金融科技发展能否削弱甚至替代银行业竞争的普惠效应？接下来，对该问题进行实证检验，具体思路是：首先，在模型（2）的基础上加入金融科技发展及其与企业内部现金流的交互项进行回归，以控制金融科技发展的影响；其次，加入金融科技发展变量与No＿10×Cflow的交互项，以检验金融科技发展是否会削弱甚至替代银行业竞争对企业融资约束的影响。本文借鉴宋敏等（2021），使用各地级市每年的金融科技公司数量测度地区金融科技发展水平（Fintech）。数值越大表示金融科技发展水平越高，并对金融科技公司数量加1取自然对数，将地区金融科技发展数据和中国工业企业数据进行合并，得到的样本区间为2012年和2013年①合并后的数据样本区间为2011—2013年，但由于解释变量要用滞后一期值，实际进入回归的样本为2012—2013年。（表9）。

表9 银行业竞争、金融科技发展与小微企业融资约束

表9第1列为未加入金融科技发展变量的回归结果，使用2012年和2013年样本，No＿10×Cflow的估计系数仍显著为负。第2列为加入金融科技发展（Fintech）及其与企业内部现金流的交互项（Fintech×Cflow）后的回归结果。Fintech×Cflow的估计系数显著为负，表明金融科技发展同样有助于缓解小微企业融资约束。No＿10×Cflow的估计系数从－0．014变为－0．013，意味着金融科技发展一定程度上削弱了银行网点扩张对企业融资约束的缓解效应，但No＿10×Cflow的估计系数仍然在1%的统计水平上显著为负，意味着金融科技发展并不能替代金融地理因素对于小微企业的普惠作用。进一步加入交互项No＿10×Cflow×Fintech进行回归，结果见表9第3列。No＿10×Cflow×Fintech的估计系数显著为正，但银行网点数量对小微企业融资约束的影响大小（等于－0．023＋0．005×Fintech）在Fintech均值处仍显著为负①均值处影响大小为－0．016，联合检验p值为0．000；75%分位数处影响大小为－0．012，联合检验p值为0．000。，意味着金融科技发展降低了银行网点扩张对小微企业融资约束的缓解效应，但在控制金融科技发展之后，该缓解效应仍然显著。综上可见，在研究样本区间内，考虑金融科技发展对银行业发展和企业融资约束的影响后，银行业竞争的普惠效应依然显著，基本结论依然成立。

六、结论与政策启示

本文结合银保监会披露的商业银行网点信息，利用企业周边银行网点数量衡量企业面临的银行业竞争程度，基于企业投资—现金流敏感性模型，使用中国工业企业数据库微观企业数据，研究了银行业竞争对小微企业融资约束的影响。研究结果表明，企业周边银行网点数量越多，越有利于缓解小微企业面临的融资约束，意味着银行业市场化改革产生了显著的普惠效应。采用多种稳健性检验和内生性检验后，研究结果依然成立。银行业竞争对小微企业融资约束的缓解效果因银行类型和地理距离不同具有异质性：银企距离越近，普惠效应越强；股份制商业银行和城市商业银行的普惠效应高于国有大型商业银行。机制检验表明，银行业竞争通过提高企业长期债务融资以及降低债务融资成本，从而有利于缓解小微企业的融资约束。进一步分析表明，银行业竞争提高了小微企业投资水平，降低了企业投资不足，优化了企业投资效率；在研究样本期内控制金融科技发展对小微企业融资约束的影响后，银行业竞争的普惠效应依然显著。

本文的研究结论对中国银行业市场改革和金融供给侧结构性改革具有一定的启示意义。第一，金融管理部门应重视和保持多层次银行网点在空间分布上的渗透率和覆盖率。近年来金融科技方兴未艾，部分银行借助于金融科技手段开展业务，撤并和关闭银行网点的现象逐渐增加，但金融地理仍然是影响实体经济的重要因素。因此，中国在发展金融科技的同时，不能忽视银行网点的重要价值。第二，金融管理部门应继续推进银行市场化改革，构建多元化的银行竞争体系。目前，中小银行特别是股份制商业银行和城市商业银行网点数量仍然较少，在空间布局上仍有较大的拓展空间。因此，在完善现代银行治理体制和强化风险控制能力的前提下，加快完善中小银行的空间布局，继续深化银行业竞争机制，将是推进银行业供给侧结构性改革的未来方向之一。

需要说明的是，受限于数据的可得性，本文使用的是目前全国性大样本小微企业数据最具代表性的中国工业企业数据库，但该数据库存在时滞，因此现有数据尚不能很好地反映刻画金融科技发展对金融地理和实体经济之间关系的影响情况，也无法研究银行网点撤并对小微企业产生的影响。这将是本研究在今后最新数据可得的情况下需要完善和拓展的重要方向之一。