网络结构与银行效率：基于时变“银行—股东”网络的研究_汪莉.pdf

《网络结构与银行效率：基于时变“银行—股东”网络的研究_汪莉.pdf》由会员分享，可在线阅读，更多相关《网络结构与银行效率：基于时变“银行—股东”网络的研究_汪莉.pdf（17页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、网络结构与银行效率: 基于时变“银行股东” 网络的研究*汪莉邵雨卉汪亚楠内容提要: 高效健全的银行体系是实体经济高质量发展的基石， 本文基于 20042017 年 105 家商业银行数据构建时变 “银行股东” 网络， 从社会网络这一非正式制度视角考察网络结构对银行效率的影响和微观机制。研究发现: 时变“银行股东” 网络中心度提升对银行效率具有积极影响， 网络位置越中心， 网络广度、 中介程度越高， 银行效率相对越高; 在纳入表内外风险资产作为非期望产出进行效率估算后， 网络中心度与银行效率的这一正向关系依然成立， 但作用幅度有所降低; 在传导机制上， 网络中心度的提升通过“竞争机制” 和 “资

2、源共享机制” 改善银行整体效率。同时， 银行的交叉持股水平、 产权性质及银行类型会对网络结构与银行效率间的关系产生异质性影响。本研究为商业银行进行效率管理提供了来自非正式制度的全新分析视角， 也为有关部门制定银行体系的发展战略提供了一定参考。关键词: 时变 “银行股东” 网络网络结构风险约束效率*汪莉， 华东师范大学经济与管理学部， 邮政编码: 200062，电子信箱: lwang jjx ecnu edu cn; 邵雨卉， 北京大学新结构经济学研究院， 邮政编码: 100871， 电子信箱: yuhuishao126 com; 汪亚楠( 通讯作者) ， 华南理工大学经济与金融学院、 华南理工

3、大学金融工程研究中心， 邮政编码: 510006， 电子信箱: wangyn518 sina com。本研究得到国家社会科学基金重大项目( 19ZDA093) 、 国家社会科学基金一般项目( 20BJY243) 、 上海市哲学社会科学规划一般课题( 2019BJB006) 、 中央高校基本科研业务费智库项目( ZKXM202109) 的资助。作者感谢匿名审稿专家的宝贵建议， 感谢王帅斌和黄泽宇出色的助研工作。当然， 文责自负。一、引言在经济目标从数量扩张向质量提升的结构性转型时期， 中国金融领域面临着百年未有之大变局。在这一过程中， 商业银行作为中国金融体系的核心组成部分和货币政策传导的重要中

4、介， 其高效率运行不仅对于深化银行业改革、 维护金融市场的稳定高效运行有着至关重要的作用， 而且对提升金融体系服务实体经济的能力有积极的正反馈作用( amcharra， 2017) 。但是， 新冠肺炎疫情的冲击、 利率市场化进程的不断推进、 新兴互联网金融企业的蓬勃发展、 客户需求和业务模块的日益革新， 给传统商业银行带来了巨大挑战。在此背景下， 降低金融体系不确定性带来的风险、 全面提升商业银行的效率， 对于深化银行体系改革并推动实体经济高质量发展具有十分重要的意义( 田国强和李双建， 2020) 。已有文献关于银行效率管理的讨论， 主要集中在银行风险、 影子银行业务、 投资者行为决策、 社

5、会责任等银行内部特征( 汪莉和陈诗一， 2019; 郭晔等， 2020; Belasri et al，2020; 周上尧和王胜， 2021) 以及市场竞争、资本监管水平与经营环境等外部环境特征( Barth et al，2013; 张大永和张志伟， 2019) 。然而上述对于商业银行效率管理的考察更多是基于正式制度层面， 在中国这一重视人际关系的文化氛围中，非正式的社会关系和制度安排不容忽视。因此， 通过人际关系的动态互动构建社会网络来考察社会资本这一非正式制度对银行效率的作用， 将成为已有文献的重要补充。社会网络是社会资本的重要组成部分， 反映了成员或特定群体之间的相互联系及各类资源在06汪

6、莉等: 网络结构与银行效率: 基于时变 “银行股东” 网络的研究网络中的流动、 传递与共享。目前关于社会网络的构建更多是基于感情主导的熟人关系， 但是对于银行来说， 熟人关系网络很难客观、 全面、 准确地对社会关系进行识别和量化， 部分熟人关系较为隐蔽且无法从公开数据中获取( 谢德仁和陈运森， 2012) 。为此， 本文将采用更为公开透明的持股关系来构建银行体系的社会网络。在中国这一重视人际关系的文化氛围中和银行体系愈发明显的交叉持股背景下， 构建社会关系网络能够更好地贴近社会现实。在现有文献中， 尽管苏冬蔚等( 2017) 以商业银行为研究对象， 考察了社会网络对银行可持续性发展的影响， 但

7、采用问卷调查方式衡量社会网络结构特征， 具有一定的主观性; Li et al ( 2019， 2020) 分别尝试构建银行间、 银行股东间的静态社会关系网络， 但无法反映中国银行业的一些新特征。首先， 随着地方性商业银行蓬勃发展， 其在网络系统中的重要性和中心性逐渐攀升， 用一年数据构建的静态银行网络很难解释商业银行效率管理面临的机遇与挑战。其次， 银行作为股东与其他银行之间的交叉持股问题愈加突出， 鲜有文献将银行间交叉持股关系纳入到网络模型中。本文以 20042017 年 105 家商业银行作为研究对象构建时变“银行股东” 网络， 并从银行在网络中所处的局部广度、 全局深度和中介程度三个层面

8、来考察网络结构与银行效率间的关系。具体来说， 本文想要回答以下三个问题: 第一， 网络结构是否会影响商业银行效率? 这些关系是否会随着风险的纳入而产生变化? 第二， 网络结构影响银行效率的微观机制和传导渠道是什么? 第三， 银行间交叉持股的存在如何影响网络结构与商业银行效率间的关系? 网络结构与商业银行效率的关系会随着产权结构、 银行类型等呈现出怎样的异质性? 对上述问题的回答，不仅为商业银行进行效率管理提供了来自非正式制度的全新分析视角， 而且为商业银行以及政府等相关部门制定政策、 完善银行的发展战略、 推动经济高质量发展提供了一定的经验支持和理论依据。相比于现有文献， 本文的边际贡献体现为

9、以下三个方面: 第一， 在研究视角上， 不同于已有文献从宏观经济发展水平、 政策监管、 市场竞争等方面寻找银行效率的正式制度保障， 本文从社会网络这一非正式制度视角讨论了网络结构对银行效率的影响与传导机制， 丰富并拓宽了银行领域的研究范畴。第二， 在研究方法上， 现有文献在量化或构建商业社会网络时主要聚焦在公司高管或独立董事之间的静态联系上， 本文将目光转移至银行这一金融体系的重要参与者，将各银行之间的互动与关联纳入统一框架， 构建时变“银行股东” 网络， 为社会网络在经济金融领域中发挥影响提供了新的微观证据。第三， 在指标测度上， 不同于已有文献构建的传统无风险约束的效率评价指标( 郭晔等，

10、 2020) 和仅考虑表内风险约束的效率评价指标( 王兵和朱宁， 2011) ， 本文将表内外风险约束同时纳入银行效率评价指标的构建中， 并与无风险约束的效率评价指标进行对比， 更好地反映了风险因素， 特别是由影子银行带来的表外风险增加对效率评估的影响。二、研究假说( 一) 网络结构与银行效率从社会资本理论出发， 社会网络直接产生的积极影响可以归纳为以下三方面: 第一， 社会网络具有资源配置效应。社会网络作为一种非正式制度和资源再配置的重要渠道， 可以弥补正式制度的缺失和不足。第二， 社会网络具有信任合作效应。在社会网络中， 网络成员能够形成较强的信任度和依赖感， 有助于成员增加合作来发挥互补

11、优势， 加强彼此的接触与交流， 同时也会减少由于互相猜忌和违约行为导致的效率损失( 杨玉龙， 2018) 。第三， 社会网络具有声誉激励效应。由于社会网络中各个网络成员并非独立存在而是相互关联的， 网络成员会更加注重自己的声誉和威望。Freeman( 1979) 指出网络位置是提升社会声誉的重要途径， 从这个角度来162021 年第 12 期说， 社会网络会形成一种隐性的非正规合同机制， 反过来对网络成员产生激励和监督作用( Granovetter， 1985) ， 从源头上约束非效率决策行为并不断规范自身的行为选择( 陈运森和谢德仁， 2011) 。时变 “银行股东” 网络具有资源配置效应、

12、 信任合作效应与声誉激励效应， 商业银行在时变“银行股东” 网络中的中心位置能够对银行效率的提升产生直接影响。Freeman( 1979) 认为， 网络成员的网络中心度越高， 其享有的网络正外部性越强。基于此， 可以推断在时变“银行股东”网络中， 网络中心度越高的商业银行， 不仅在资源配置上拥有更多的话语权， 而且可以通过与其他网络成员进行更多的交流合作以实现效率改善。与此同时， 网络中心度较高的商业银行通过长期积累形成了更高的声望， 声誉带来的社会地位提升以及潜在更大的声誉受损风险均使其有更大的积极性进行公司治理， 也更有动力在决策制定和效率管理上约束基于机会主义的低效率行为， 以巩固自身在

13、网络中的地位。由此可见， 时变 “银行股东” 网络能够利用其所具有的社会网络效应直接对银行效率产生正向影响， 可以提出本文的第一个研究假说。假说 1: 在时变 “银行股东” 网络中， 网络中心度的提升能够改善商业银行效率。( 二) 竞争机制在银行市场结构不断调整但集中度不断下降的现实背景下， 商业银行所面临的市场竞争成为阻碍其效率提升的一大关键因素。第一， Matutes Vives( 2000) 指出， 随着银行数量和竞争激烈程度的不断攀升， 政府监管难度和任务加重， 银行发生风险的概率有所增加( Beck et al，2006; 王京滨和李博， 2021) 。同时由于无法获得充足的利润来应

14、对风险， 商业银行也更有从事高风险贷款与投资业务的倾向， 即竞争对商业银行具有一定的风险激励( 汪莉等， 2016) ， 而竞争所引致的风险加大可能会分散银行在效率管理上的时间和精力。第二， Maudos Guevara( 2007) 认为， 市场竞争在很大程度上增加了银行维系老客户和联系新客户的成本， 使得商业银行难以和客户保持长久稳定的合作与联系， 同样会对银行效率产生不利影响。第三， 根据 Aiello Bonanno( 2016) 的观点， 竞争所减少的垄断资金会对银行的运营管理造成较大冲击， 这一竞争的负面作用也会导致商业银行的效率管理受到一定阻碍。综上， 商业银行面临的竞争越激烈，

15、 其效率提升的难度和阻碍也相对越大。若银行能够增加其在时变 “银行股东” 网络中的网络中心度， 其面临的竞争性扭曲将得到缓解。一是因为网络中心度的提升能够帮助商业银行享有更多的社会网络优势来提升自身的资产规模， 以较快的发展速度在市场中占据优势地位并掌握更多的话语权， 进而减弱其面临的竞争。二是因为在时变“银行股东” 网络中具有重要地位的网络成员， 其在整个银行体系中也发挥着 “枢纽” 和 “中介” 作用， 对整个银行体系稳定性的影响不容忽视。在时变“银行股东” 网络中处于重要位置的商业银行也更容易获得资源支持， 进而降低自身面临的竞争。基于上述思路， 可以提出本文的第二个研究假说。假说 2:

16、 在时变 “银行股东” 网络中， 网络中心度的提升能够降低银行面临的竞争性扭曲进而改善商业银行效率。( 三) 资源共享机制在资源共享方面， 时变 “银行股东” 网络可能存在以下两方面优势: 第一， 时变“银行股东”网络有助于拓宽网络成员获取资源的渠道， 不仅方便网络成员快速获取业务交易中的显性资源， 而且银行之间可以通过共享主动获取到难以挖掘的隐性资源和稀缺资源， 使其获得的资源不再局限在某一领域或单一途径( Wiklund Shepherd， 2009) 。比如， 社会网络拓宽了网络成员的信息来源渠道( 苏冬蔚等， 2017) ， 使其以较低的搜寻成本和交易成本获取到更加多样化和全面化的外部

17、信息， 整体上提升了网络成员获取信息的数量、 质量和速度并极大地降低了信息不对称( Engelberget al， 2013) 。第二， 时变 “银行股东” 网络增加了商业银行进行资源流动、 转移和交换的渠道， 有26汪莉等: 网络结构与银行效率: 基于时变 “银行股东” 网络的研究助于提升资源的利用效率。网络成员不仅能够通过交换的方式获得对方的资源进行优势互补， 而且资源的整合和再配置可以有效提升银行的创新绩效和对各类资源的利用效率( 苏冬蔚等，2017) 。Berg et al ( 2006) 指出网络的建立加速了网络成员之间的技术沟通与知识传递， 网络成员之间在资源上的共享会对创新和价值

18、创造产生积极影响。时变 “银行股东” 网络在资源共享方面所发挥的优势， 在网络中心度高的银行中更显著。一方面， 网络中心度越高意味着商业银行能够以更广的来源和更快的速度获得各类资源， 如资金、 人才与行政资源等， 进而满足银行效率管理对于外部资源的要求。在社会网络中， 商业银行能够获得充足的资金、 人才与金融资源来助力银行开展创新与研发活动， 掌握更丰富的信息与知识资源来全面了解市场现状和行业技术水平， 借助与职能部门和政府部门的行政关系来获取政策优惠及改善效率所需的稀缺资源， 以先进的技术资源增强银行的管理能力和经营效率等。另一方面， 网络中心度高的商业银行也能够借助社会网络与其他股东、 银

19、行间的资源合作， 以更高的效率传递、 交换和利用资源， 从而汲取充足的优质资源和稀缺资源来改善银行的整体效率。因此， 提出本文的第三个研究假说。假说 3: 在时变 “银行股东” 网络中， 网络中心度的提升有助于加强银行间的资源共享进而改善商业银行效率。( 四) 异质性效应首先， 从银行的股权结构角度来看， 近年来， 商业银行之间的紧密性不断增加， 不仅体现在频繁的业务往来上， 同样也表现在银行之间交叉持股这一股权结构变更上。这一股权结构呈现出双重影响: 一方面， 交叉持股的股权结构有助于加强成员之间在技术、 资金与信息上的直接合作。此外，通过交叉持股关系构建的联盟不仅能够形成隐性约束和惩戒机制

20、， 而且能提高成员的市场竞争力( Flath， 1996) ; 另一方面， 若股权结构中存在同业的交叉持股现象， 出现 “合谋” 的概率和风险越大。成员不仅会联结起来打破有序的市场竞争机制， 侵占小股东的权益， 而且会出于增加管理层利益的目的做出非效率决策， 打破治理结构( 冉明东， 2011) 。其次， 就银行的产权性质而言， 国有商业银行往往由政府主导， 行政色彩更为明显， 不仅受到更多的政府干预， 而且更加注重贷款的安全性和经营的稳健性， 对于风险的容忍程度相对较低( 高蓓等， 2020) 。与此同时， 国有商业银行雄厚的资金实力使其拥有更多的分支机构， 内部网络结构更为复杂。得益于悠久

21、的发展历史和丰厚的政策支持， 国有商业银行往往拥有更丰富的管理经验、 更小的同业竞争压力、 更充裕的人才储备、 先进技术与资源禀赋( 王兵和朱宁， 2011) 。相比之下， 非国有商业银行受到的政府与政策支持相对较少， 客户资源有限， 往往需要通过寻求业务创新与多元化以谋求发展， 更大的同业竞争使其无法享有垄断利润， 却增强了获利能力( 洪正等， 2014) 。在激励约束方面， 孔爱国和卢嘉圆( 2010) 指出非国有商业银行由于市场化程度相对更高， 激励手段更多元且公司治理内部制衡较强。综上来看， 可以发现: 第一， 由于中国银行业的发展起步较晚， 金融体系尚不完善， 商业银行进行效率管理时

22、面临着不同程度的正式制度制约; 第二， 商业银行内部发展水平各异， 各个商业银行在资产规模、 产品创新、 人才技术等内部特征及同业竞争、 业内合作、 资源获取、 政策支持等外部环境方面具有较大的差异性。在此背景下， 时变“银行股东” 网络作为一种非正式制度， 虽然在很大程度上补充了正式制度的不足进而改善银行效率， 但是时变“银行股东” 网络作用的发挥， 不仅取决于银行特征与网络结构的协同效应， 还取决于和正式制度的互补程度。基于此， 提出本文第四个研究假说。假说 4: 在时变 “银行股东” 网络中， 网络中心度的提升对银行效率的改善作用会因银行间的交叉持股、 产权性质而呈现异质性特征。3620

23、21 年第 12 期三、实证设计( 一) 估计策略为了考察网络结构对商业银行效率的影响， 构建如下计量模型:Efficiencyit= 0+ 1Centralityit+ 2Bank_Cit+ 3Macro_Cit+ i+ t+ it( 1)其中， i 和 t 分别表示银行和年份; 银行效率采用纳入表内外风险约束的效率评价指标Efficiencyit进行衡量， 同时以无风险约束的银行效率评价指标 Eff_nooutputit进行稳健性检验;Centralityit衡量的是银行 i 在时变 “银行股东” 网络中的网络结构， 从局部广度、 全局深度和中介程度三个维度出发， 选择程度中心度 Degr

24、eeit、 接近中心度 Closeit和中介中心度 Betweenit作为代理指标; 1是本文重点关注的系数， 若 1为正， 说明商业银行在时变“银行股东” 网络的中心度越大，银行效率越高。Bank_Cit和 Macro_Cit分别为银行财务特征和银行所在地区宏观经济发展层面的控制变量; i和 t分别是个体固定效应和时间固定效应， it为模型的随机误差项。( 二) 变量说明1 时变 “银行股东” 网络的构建参考 Li et al ( 2019) 等关于银行网络的研究， 本文构建时变“银行股东” 网络， 该网络的“时变” 特征刻画了不同时刻连接关系的突变性质及其对于系统的影响， 能够更好地从动态

25、视角反映网络结构的变化。在该网络中， 银行与股东分别被视为网络中的“节点” ， 银行与股东间的持股关系为将各 “节点” 相连的 “边” ， 银行与银行之间既可以通过持股关系直接相连， 也可以通过共有的银行股东或共有的非银行股东间接相连。完成时变 “银行股东” 网络的构建后， 进一步定义银行i 在第 t 年时变 “银行股东” 网络中的程度中心度、 接近中心度及中介中心度来分别反映在时变“银行股东” 网络中所处的局部广度、 全局深度和中介程度。银行 i 在年份 t 的程度中心度 Degreeit计算的是与该银行直接相连的大股东数目。该指标值越大， 意味着银行 i 能获得的资源越丰富， 其在网络中所

26、处的局部广度越大， 也意味着 “圈层” 效应越强。银行 i 的接近中心度描述的是时变 “银行股东” 网络中第 t 年各个节点 j( ji) 到银行 i 平均最短距离的倒数， 反映了银行 i 在时变 “银行股东” 网络连通子网络中的全局深度， 即银行 i 是否在该连通子网络中更加接近中心位置。该指标值越大， 说明银行 i 在该子连通网络中的位置越靠近中心， 意味着银行 i 和该连通子网络中其他网络成员之间的联系性与紧密性越高， 银行 i 能够以更快的速度和更高的效率接收到其他节点的信息与资源。在( 2) 式中， Git代表在年份 t 银行 i 所在的连通子网络的节点集合， |Git|为该连通子网

27、络的所有节点个数， d( i， j) 计算了在该连通子网络中节点 j 到节点 i 的最短路径长度。Closeit=Git 1jGit， jid( i， j)( 2)银行 i 的中介中心度指在时变 “银行股东” 网络中原本不具有直接关系的节点之间， 有多少必须通过银行 i 这一节点被间接连接起来， 反映了银行 i 在网络中的“桥梁” 作用。该指标值越大，说明银行 i 在时变 “银行股东” 网络中所起的中介作用越强， 其利用中介位置进行信息传递与控制的收益也相对越高。中介中心度的计算方法如下:Betweenit=c， fGit( c， f | i)( c， f)( 3)其中， ( c， f) 代表

28、了节点 c 和节点 f 之间所有最短路径的数目， ( c， f|i) 代表了节点 c 和节点 f 之间通过节点 i 的所有最短路径的数目( ic， f) 。参考 Stephenson Zelen( 1989) ， 若 c = f， ( c， f) =1; 若 i = c 或者 i = f， ( c， f|i) =0。46汪莉等: 网络结构与银行效率: 基于时变 “银行股东” 网络的研究2 银行效率的估算根据 Tone Tsutsui( 2010) 的研究， 本文采用非期望产出的非径向、 非导向的 SBM 模型对银行效率进行估算。借鉴 Paradi Zhu( 2013) 和 Belasri et

29、 al ( 2020) 等研究， 本文将存款、 所有者权益、 营业支出、 固定资产净值、 职工人数、 业务与管理费用、 利息支出作为“生产过程” 中的投入要素; 本文采用净利润和正常贷款作为“生产过程” 中的期望产出估算各商业银行的基础模型效率Eff_nooutput， 该指标为无风险约束效率指标。Efficiency 则在 Eff_nooutput 的基础上进一步加入风险加权资产作为非期望产出， 该指标为风险约束效率指标。由于风险加权资产同时考虑了表内、 表外资产的风险系数和资产额， Efficiency 在涵盖传统表内风险的同时， 也可以很好地反映近年来中国影子银行业务扩张带来的表外风险(

30、 见表 1) 。表 1银行效率估算模型设定银行效率估算投入要素期望产出非期望产出Eff_nooutput存款、 所有者权益、 营业支出、 固定资产净值、 职工人数、 业务与管理费用、 利息支出净利润、 正常贷款无Efficiency存款、 所有者权益、 营业支出、 固定资产净值、 职工人数、 业务与管理费用、 利息支出净利润、 正常贷款风险加权资产3 中介变量首先， 参考 Gropp et al ( 2011) 和汪莉等( 2016) 的研究， 用商业银行 i 的竞争银行加权受担保概率来衡量其面临的竞争性扭曲程度， 同时将其作为“竞争机制” 的中介变量。具体来说， 以各银行的市场份额为权重，

31、构建不同存款规模下的竞争性扭曲指标， 如下所示:ICB_IMit=NfiP_IMftASftASt( 4)其中， ASft为银行 f( fi) 在第 t 年的总资产， ASt为第 t 年样本中全部银行的总资产; P_IMft是根据银行存款规模赋予的政府担保概率值， 详见表 2。在银行规模视角下， 竞争银行 f 的存款规模越大， 其获得政府担保的概率( P_IMft) 越高， 银行 i 面临的竞争性扭曲( ICB_IMft) 越大。表 2政府担保概率赋值说明银行存款规模区间 d0%，d20%) d20%，d40%) d40%，d60%) d60%，d80%) d80%，d100%P_IMft00

32、. 250. 50. 751注: 对于 P_IMft而言， 需要将第 t 年样本内全部银行的存款规模从小到大排序后再依次赋值。其次， 银行间的共同股东或者交叉持股结构均有助于加速银行之间的战略合作与资源共享。据此， 若银行与其他银行的共同大股东越多， 这些共同大股东在直接获取异质信息与资源上的优势越明显。本文采用共同股东占比( CSit) 作为资源共享机制的中介变量， 该指标衡量了持有其他银行股份的直接股东在银行全部直接股东中的占比， 具体构建方法如下:CSit= CSNit/TSit( 5)其中， CSNit是同时兼任商业银行 i 和其他银行大股东的直接股东数目， TSit是银行 i 在时变

33、“银行股东” 网络的直接股东总数。CSit数值越大， 意味着银行 i 通过直接股东与其他银行进行资源共享的渠道越多且概率越大。4 控制变量本文从银行财务特征和宏观经济发展两个维度选取可能对银行效率产生影响的控制变量。银562021 年第 12 期限于篇幅， 效率估算过程未在正文中报告， 感兴趣的读者可向作者索要。行财务特征包括资本充足率 CA、 资产收益率 OA、 总资产增长率 Assert_growth、 贷款占存款的比例LDratio 和非利息收入占比 Noninterest_ratio。宏观经济变量包括银行所在地区的固定资产投资增长率 Fixasset_growth、 GDP 增长率 G

34、DP_growth 和财政盈余占 GDP 的比重 Fiscal_ratio。( 三) 数据来源本文以 20042017 年 105 家商业银行为样本构建时变 “银行股东” 网络，样本中包括 5 家大型商业银行、 12 家股份制商业银行、 67 家城市商业银行和 21 家农村商业银行， 各样本数占总样本的比例分别为 7. 747%、 19. 231%、 59. 195% 和 13. 827%。其中， 银行财务数据来源于各银行年度报告、 Wind 数据库、 Bankscope 数据库与历年 中国金融年鉴 ， 银行所在地的宏观经济变量来自于历年 中国城市统计年鉴 和国泰安数据库。四、实证结果与分析(

35、 一) 基准回归结果表 3 的( 1) ( 3) 列以无风险约束效率评价指标 Eff_nooutput 为因变量， 核心解释变量 Degree、Close 和 Between 的估计系数分别为 0. 0258、 2. 124 和 4. 225， 均通过了 1% 的显著性水平检验， 说明商业银行在时变银行网络中所处的局部广度、 全局深度和中介程度均对银行效率产生了显著的正向促进作用， 与假说 1 的预期相符。本文认为， 银行的程度中心度越大意味着其能够以更广的范围获得有价值的信息与资源， 同时可以与其他网络成员建立起更广泛的局部“圈层” 合作关系来提升自身效率; 银行的接近中心度越大意味着其在时

36、变银行网络中所处的位置越靠近中心且到其他网络成员的平均距离越小， 这种与其他成员的紧密联系性能够帮助其以更短的时间和更高的效率获得信息， 同时网络中心位置使其积累的声誉也会形成一定的激励， 促使其加强监管并抑制非效率行为; 银行的中介中心度越大意味着其在时变 “银行股东” 网络中发挥了更多的“桥梁” 作用， 这一中介地位不仅能够成为其他网络成员进行沟通的渠道， 而且有助于获得大量异质性信息， 缓解效率管理过程中的信息不对称问题并拓宽获得新技术的渠道。表 3 的( 4) ( 6) 列将纳入风险约束的效率评价指标 Efficiency 作为因变量。可以看到，Degree、 Close 和 Betw

37、een 的估计系数均在 5% 水平上显著为正， 说明网络中心度与银行效率的正向关系在纳入表内外风险资产作为非期望产出进行效率估算后依然成立。但与 Eff_nooutput 作为因变量的结果相比， 网络中心度对银行效率的改善幅度有所减小， 估计系数分别减小到 0. 0197( Degree) 、 1. 987( Close) 和 3. 912( Between) 。可能的原因是， 传统表内风险和中国影子银行业务扩张带来的表外风险不仅会增加银行的监控和管理成本， 而且会分散商业银行在日常经营活动中花费的时间与精力， 从而弱化时变银行网络这一非正式制度带来的各类优势。表 3网络中心度与银行效率: 基

38、准估计变量名称Eff_nooutputEfficiency( 1)( 2)( 3)( 4)( 5)( 6)Degree0. 0258 0. 0197 ( 0. 00820)( 0. 0079)66汪莉等: 网络结构与银行效率: 基于时变 “银行股东” 网络的研究考虑到大型商业银行和股份制商业银行等全国性商业银行在多座城市均设有网点， 因此， 本文以该类银行在各个省份的网点分布数占比为权重， 通过加权的方式计算出宏观经济变量的取值。由于各银行成立的时间以及信息披露的程度有所差异， 故样本为 20042017 年的非平衡面板。若不将控制变量非利息收入占比( Noninterest_ratio) 纳

39、入回归， 共计 945 个样本且结果稳健。续表 3变量名称Eff_nooutputEfficiency( 1)( 2)( 3)( 4)( 5)( 6)Close2. 124 1. 987 ( 0. 462)( 0. 443)Between4. 225 3. 912 ( 0. 825)( 0. 792)CA0. 001130. 001050. 001690. 0007230. 0006240. 00122( 0. 00323)( 0. 00321)( 0. 00319)( 0. 00311)( 0. 00308)( 0. 00307)OA0. 0458 0. 0437 0. 0452 0. 04

40、29 0. 0408 0. 0422 ( 0. 00884)( 0. 00878)( 0. 00872)( 0. 00850)( 0. 00842)( 0. 00838)Assert_growth0. 0315*0. 02430. 0299*0. 02490. 01860. 0238( 0. 0179)( 0. 0178)( 0. 0177)( 0. 0173)( 0. 0171)( 0. 0170)LDratio0. 00414 0. 00450 0. 00496 0. 00404 0. 00434 0. 00477 ( 0. 00117)( 0. 00120)( 0. 00119)( 0.

41、 00116)( 0. 00105)( 0. 00105)Noninterest_ratio0. 00127*0. 001120. 0008960. 001040. 0008990. 000688( 0. 000767)( 0. 000761)( 0. 000761)( 0. 000737)( 0. 000730)( 0. 000730)Fixasset_growth0. 179 0. 132*0. 142*0. 130*0. 08700. 0969( 0. 0783)( 0. 0781)( 0. 0775)( 0. 0753)( 0. 0749)( 0. 0744)GDP_growth0.

42、420*0. 440 0. 496 0. 3250. 3430. 395*( 0. 224)( 0. 222)( 0. 222)( 0. 216)( 0. 213)( 0. 213)Fiscal_ratio2. 829 2. 435 2. 646 2. 562 2. 192 2. 392 ( 0. 753)( 0. 752)( 0. 745)( 0. 724)( 0. 721)( 0. 715)常数项0. 1160. 06140. 06320. 00430. 1300. 132( 0. 134)( 0. 110)( 0. 110)( 0. 129)( 0. 106)( 0. 105)时间固定效

43、应是是是是是是个体固定效应是是是是是是样本数72372372372372372320. 6180. 6250. 6280. 6110. 6190. 622注: 括号内报告了估计系数的标准误;*、 和 分别代表在 10%、 5%和 1%的水平上显著。下表同。若基于纳入表内外风险约束的效率评价指标 Efficiency 将 “投入产出” 要素进行分解， 本文发现， 固定资产效率( Eff_fixedassets) 和职工效率( Eff_workers) 等规模效率， 营业支出效率( Eff_operating) 和业务与管理费用效率( Eff_administrative) 等成本效率在样本观察期

44、内整体较低， 是制约银行整体效率的主要因素。表 4 分别以上述要素效率为因变量考察了网络结构与要素效率管理的关系。第一， Panel A 回归结果表明商业银行在网络中的局部广度、 全局深度和中介程度均会对固定资产效率和职工效率产生显著的积极影响。究其原因， 近年来， 在商业银行不断引进固定资产和员工的过程中， 更多体现为数量规模的扩大这种 “粗放” 的发展模式， 但是由于设备利用效率低下、人才短缺等原因， 固定资产的使用效率和职工效率整体不高。商业银行通过时变银行网络所获得的资源合作和交换机会、 前沿经验与技术等， 都将有效增加要素利用率并提升规模效率。第二，Panel B 的结果表明， 商业

45、银行在网络中所处的全局深度( Close) 、 中介程度( Between) 和营业支出效762021 年第 12 期率及业务与管理费用效率等成本效率也有显著的正向关系， 这可能得益于网络中心位置的商业银行所享有的资源与技术优势。表 4网络中心度的规模效率提升与成本效率提升效应变量名称Panel A: 规模效率视角Eff_fixedassetsEff_workers( 1)( 2)( 3)( 4)( 5)( 6)Degree0. 0167*0. 0135 ( 0. 00888)( 0. 00672)Close1. 307 0. 971 ( 0. 503)( 0. 381)Between3. 5

46、14 3. 038 ( 0. 896)( 0. 676)控制变量是是是是是是时间固定效应是是是是是是个体固定效应是是是是是是样本数72372372372372372320. 4930. 4960. 5020. 4940. 4960. 507变量名称Panel B: 成本效率视角Eff_operatingEff_administrativeDegree0. 002390. 00602( 0. 00949)( 0. 00862)Close2. 078 1. 251 ( 0. 533)( 0. 487)Between3. 058 1. 903 ( 0. 959)( 0. 875)控制变量是是是是是是

47、时间固定效应是是是是是是个体固定效应是是是是是是样本数72372372372372372320. 4450. 4580. 4530. 4900. 4950. 494( 二) 交叉持股的异质效应表 5 以纳入风险约束的银行效率评价指标 Efficiency 为因变量， 汇报了基于交叉持股变量 CS分样本检验的结果。具体来说， 若在第 t 年商业银行 i 是其他商业银行的大股东， 或者银行 i 的直接股东中有其他商业银行， CS 取值为 1， 反之为 0。其中， 第( 1) ( 3) 列以存在交叉持股结构的银行为样本， 第( 4) ( 6) 列以不存在交叉持股结构的银行作为样本。分样本回归结果显示

48、， Degree、Close、 Between 与 Efficiency 的正向关系仅在不存在交叉持股结构的样本中显著存在， 在存在交叉持股的样本中并未体现。可能的原因是， 若银行存在交叉持股结构， 意味着该银行与其他银行的联系相对紧密， 彼此之间的持股关系也使得银行之间的资源共享和业务合作相对较多， 故其在效率管理的过程中对于时变银行网络这一信息与资源传递渠道的依赖相对较低。相比之下， 若不存在银行86汪莉等: 网络结构与银行效率: 基于时变 “银行股东” 网络的研究间的交叉持股结构， 银行获取资源与业务往来的渠道相对匮乏， 而时变“银行股东” 网络恰好能弥补这一缺失。银行在网络中的中心位置

49、有助于其在资源配置和银行间业务合作的过程中占据主动地位， 网络中心度积累的社会声誉也能够有效约束低效率行为， 进而改善银行效率。表 5网络中心度与银行效率提升: 交叉持股的异质效应变量名称Efficiency存在交叉持股样本不存在交叉持股样本( 1)( 2)( 3)( 4)( 5)( 6)Degree0. 007210. 0266 ( 0. 0127)( 0. 0103)Close0. 07430. 950*( 1. 742)( 0. 504)Between0. 1203. 689 ( 1. 577)( 0. 990)控制变量是是是是是是时间固定效应是是是是是是个体固定效应是是是是是是样本数1

50、4814814857057057020. 6080. 6070. 6070. 6570. 6550. 662( 三) 产权性质的异质效应本文以商业银行第一大股东是否为国有股东作为产权性质的划分依据， 表 6 汇报了相应的回归结果。第( 1) ( 3) 列为非国有商业银行样本， 第( 4) ( 6) 列为国有商业银行样本。在非国有商业银行样本中， Degree、 Close 和 Between 的估计系数均显著为正， 在国有商业银行样本中， Degree、Close 和 Between 的估计系数并不显著。这一结果说明， 若区分不同的产权性质， 时变“银行股东” 网络对于银行效率的提升作用在非国