银行业结构变迁对农户融资渠道选择行为的影响——基于中国7省18县的农户调查数据

何广文， 王力恒

银行业结构变迁对农户融资渠道选择行为的影响
——基于中国7省18县的农户调查数据

何广文， 王力恒

构建多元化竞争性农村金融组织机构体系是中国农村金融改革的方向，旨在通过优化银行业结构更好地满足农户、小微企业等弱势群体的正规金融服务要求。从理论层面，银行集中度的降低可以带来目标客户群体的下移，给弱势群体提供更多的正规选择机会。但较多研究显示，非正规借贷依然是农户融资的主要来源。那么，银行业结构变迁是否影响农户在正规和非正规借贷间的选择？基于中国7省18县的农户微观调查数据，采用Probit和Tobit模型实证检验银行业结构变迁对农户融资渠道选择的影响，发现：银行集中度的下降，不仅可以提高农户使用正规借贷的可能性，还有助于提高农户正规借贷占总融资规模的比例；与国有银行和全国性股份制商业银行相比，农村信用社等小银行在发放农户信贷方面更具效率优势，且这一优势随着小银行竞争程度的加剧而逐渐显著；小银行农户信贷效率优势的发挥是银行集中度影响农户融资渠道选择的主要作用途径。

银行业结构 农户融资渠道选择 正规借贷 非正规借贷

一、引 言

构建多元化竞争性农村金融组织机构体系是中国农村金融改革的方向。无论是农村信用社的商业化改革，还是农村金融市场准入门槛的降低，都旨在通过优化银行业结构更好地满足农户、小微企业等弱势群体的正规金融服务要求。这些政策措施使中国正规金融机构的种类和资本有了较大幅度提升，银行业集中度逐步下降，一定程度上缓解了中小企业和农村领域的信贷约束，提高了弱势群体的正规选择机会(Chong等，2013；刘春志等，2015)[1，2]。但大量经验研究发现，非正规借贷依然是中国农户融资的主要来源，在农村信贷供给中扮演着重要的角色。西南财经大学中国家庭金融调查数据显示，2011年农村家庭获得正规借贷的比例只有13.7%，参与非正规借贷的比例却高达42.2%(尹志超等，2015)[3]。秦建群等(2011)[4]、刘西川等(2014)[5]基于中国12省市和浙江省的农户调查数据同样证实了这一结论。那么，面对农户的非正规借贷参与度较高而正规借贷参与有限的现实，银行业结构变迁是否会影响农户在正规和非正规借贷间的选择？如果影响，那么又是如何影响的？

已有研究积累了大量关于农户融资渠道选择的文献资料，但主要考察了经济地位、教育水平、社会资本等农户自身特征因素对农户融资渠道选择的影响(秦建群等，2011；刘西川等，2014；Zhang等，2012；马晓青等，2012；Yuan等，2012)[4—8]，缺少对银行业结构的关注。为解答上述问题，本文基于2014年中国7省18县的农户微观调查数据，分别从融资渠道的发生机会和额度结构两个视角，实证检验了银行业结构对农户融资渠道选择的影响。本文的贡献体现在两个方面：一是，弥补了已有农户融资渠道选择研究未考虑银行业结构因素的缺憾，为银行业结构与农户融资渠道选择的关系提供了经验支撑；二是，已有研究多仅依据定性信息衡量农户融资渠道选择，而本文选择了“农户是否使用正规借贷”和“正规借贷额度占总融资规模的比例”两个指标，对农户融资渠道选择行为的刻画更加全面。

二、理论分析与研究假说

(一)银行业结构与农户融资渠道选择的关系

了解农户融资渠道选择的内在逻辑是分析银行业结构与农户融资渠道选择关系的前提。从非正规借贷的产生原因看，非正规借贷的客户可以分为两类：一是由正规金融机构完全或者部分信贷配给的客户；二是可以通过正规金融机构贷款，但相对偏好非正规借贷的客户(Guirkinger，2008)[9]。对于前者，正规金融机构是否发放客户贷款取决于贷款预期收益是否符合机构的盈利目标。中国农户的经济行为和文化特征决定了其信息类型以透明度较低的软信息为主(冯兴元等，2004)[10]，正规金融机构通常需要设置严格的抵押条件，方可确保借款合约的执行力(Tang，1995)[11]。但由于农户普遍缺乏有效抵押品，当预期收益无法覆盖信息搜集成本和信贷风险时，正规金融机构就会选择数量配给。对于后者，正规与非正规借贷的比较优势为农户产生自身融资渠道偏好提供了基础。与正规金融机构相比，非正规出借者往往享有信息优势，可以依托社会关系和地理优势有效地搜集和利用软信息，代替基于严格抵押要求的客户筛选机制(冯兴元等，2004)[10]，并利用这种信息优势降低农户在借款申请环节的交易成本和合约风险(Guirkinger，2008；Mushinski，1999；Boucher等，2007)[9,12—13]。但非正规借贷的信息优势往往局限于一定地域范围和社区内部，贷款额度普遍较小，而正规金融机构可以在相对低的利率水平为借款者提供较高额度的信贷资金(Christensen，1993；张三峰等，2013)[14，15]。由此可见，借贷可得性和借贷成本是农户融资渠道选择的行为基础。

理论上，银行业结构可以通过改变信息不透明借款者的正规借贷可得性和借贷成本，影响借款者在正规和非正规借贷的选择。在正规借贷可得性方面，Petersen和Rajan(1995)[16]建立了一个银行与借款者两方信贷模型，发现垄断力量会赋予银行分享借款者未来剩余的机会和更灵活的贷款利率设置自由，从而提高银行与年轻借款者建立借贷关系的动力。Boot和Thakor(2000)[17]构建了一个银行竞争与资本市场竞争共存的理论模型，却发现银行在竞争型的行业结构中更有动力发放关系借贷[17]。关系借贷是赋予银行高效获取客户有价值软信息能力的信贷模式(Meyer，1998)[18]，Boot和Thakor(2000)的研究表明，竞争型的银行业结构会提高信息不透明客户的正规借贷可得性[17]。在借贷成本方面， Anand和Galetovic(2000)[19]认为寡头垄断市场能有效减少金融机构间的信息“搭便车”现象，提高银行收集客户信息的动力，降低信息不对称所引发的交易成本损耗。而Barth等(2009)[20]基于56个国家的4 214家企业数据，认为较高的银行集中度通常伴随着严重的信贷腐败，导致借款者面临较高的正规借贷成本。

关于银行业结构对信息不透明客户正规借贷可得性和借贷成本的影响，已有理论和经验研究均没有得出一致结论，但大量研究证实了银行业结构对借款者正规借贷可得性和借贷成本存在影响。因此，银行业结构可能是被已有研究忽略的影响农户融资渠道选择的重要因素。考虑到基于中国数据的经验研究多证实银行集中度的下降有助于提高中小企业和农村领域的正规借贷可得性(Chong等，2013；刘春志等，2015)[1，2]，故本文提出：

假说1 银行业集中度的降低，会促进农户更倾向于选择正规借贷来代替非正规借贷。

(二)银行业结构对农户融资渠道选择的作用途径

部分学者认为，银行业存在基于规模的借贷匹配现象，即小银行在服务信息不透明的小客户方面更有优势，而大银行更适合服务信息透明的大客户。银行的组织结构和资产规模差异是导致借贷匹配现象产生的主要原因。一方面，小银行的组织结构相对简单，便于软信息在信息搜集者与决策者间的传递，而大银行的决策等级制度通常较为复杂，在对信息不透明的小客户发放贷款时存在组织不经济(Berger等，2002)[21]。为了避免组织结构复杂所带来的信息租金和代理问题，大银行也不鼓励信贷员凭借软信息制定贷款决策(Hertzberg等，2010)[22]。另一方面，受资产规模的限制，小银行没有能力提供大客户融资，也无法通过发放大客户贷款来实现风险分散(林毅夫等，2008)[23]，因而会自发地服务于资金需求规模有限的小客户。

根据资产规模和内部组织结构的不同，中国商业银行可以划分为五大国有商业银行、全国性股份制商业银行和以城市商业银行、农村信用社、村镇银行为代表的小银行。借贷匹配现象的存在，意味着与国有商业银行和全国性股份制商业银行相比，小银行营业网点在发放农户信贷方面可能更具效率优势。因此，本文提出：

假说2 银行业结构对农户融资渠道选择的影响主要是通过小银行农户信贷效率优势的发挥而实现的，即与国有商业银行和全国股份制商业银行相比，小银行市场份额的增加更有助于提高农户对正规借贷的使用。

但作为理性经济主体，商业银行出于对单位风险收益最大化的追求，始终存在服务于信息透明的大客户的倾向。小银行也是如此。尽管有限的资产规模限制了小银行的客户服务能力，小银行依然会在资金需求规模有限的小客户中，首先服务于相对优质的客户，其农户信贷业务的开展动力可能需要竞争环境的外部刺激。因此，本文提出：

假说3 小银行农户信贷效率优势的发挥受小银行间竞争程度的影响。与小银行竞争不激烈的地区相比，竞争激烈地区的小银行市场份额的增加更有助于提高农户对正规借贷的使用。

三、变量选择与研究方法

(一)变量选择

1.被解释变量：融资渠道选择。农户的融资渠道可以分为正规借贷和非正规借贷，前者是指商业银行、农村信用社等受金融当局监管的金融机构提供的借款渠道，后者是指亲友、合会等不受金融当局监管的借款渠道。农户融资渠道选择的本质是存在融资需求的农户对正规和非正规借贷市场的参与决策，具体表现为农户是否使用正规或非正规借贷，以及通过正规和非正规借贷的融资金额分别是多少。已有研究多依据定性信息衡量农户的融资渠道选择，即农户是否使用了正规或非正规借贷(秦建群等，2011；刘西川等，2014；Zhang等，2012；马晓青等，2012)[4—7]，较少考虑融资额度结构等定量信息。与已有研究不同，本文根据研究目标，选择了“农户是否使用正规借贷”和“正规借贷占总融资规模的比例”两个被解释变量，刻画农户的融资渠道选择。

2.关键解释变量：银行业结构。大部分银行都存在业务跨区域经营现象，但出于规避内部分支机构低效率竞争和高额信息搜集成本的考虑，商业银行内部通常会根据地理位置划分较为清晰的业务区域，中小企业、农户等信贷弱势群体的正规借贷仍主要依赖于当地银行(Chong等，2013)[1]。因此，本文假设每个县是一个独立的银行市场，辖内农户的融资渠道选择行为不会受其他地区金融供给环境的影响。

基于存款规模、贷款规模或银行网点数量的市场集中率(CRn)和赫芬达尔—赫希曼指数(HHI)等是较为常见的银行业结构指标(Chong等，2013；刘春志等，2015；Petersen等，1995)[1，2,16]。本文选择了基于银行网点数据的市场集中率CR5来衡量样本县的银行集中度，并构建了小银行市场份额指标SBR和小银行竞争指标SHHI，以检验假说2和假说3。计算方式为：

(1)

(2)

(3)

K是农户所在县的银行总数，branchk表示总资产规模排名第k位的银行网点数量。CR5值越高，说明该地区银行集中度越高。SHHI指标是基于赫芬达尔—赫希曼指数的计算思路构建而来，C是农户所在县的小银行数量，branchc是农户所在县第c家小银行网点数量。SBR越高，说明小银行的网点市场份额越高；SHHI指数越高，说明小银行间竞争越不激烈。

3.控制变量。为纯粹衡量银行业结构对农户融资渠道选择的影响，本文借鉴已有研究，选取了户主年龄、户主教育程度、家庭人均年毛收入、家庭劳动力数量、非农收入比重、地区生产总值和人口规模等作为控制变量。家庭人均毛收入、教育程度、非农收入比例和劳动力数量分别用于衡量农户的现期还款能力、预期收入能力、收入稳定性和脆弱性。户主年龄用于考察农户所处生命周期对农户融资渠道选择的影响。考虑到收入和教育均是社会地位的象征变量，以及中国已于2013年实现了乡镇基本金融服务全覆盖这一事实，本文没有单独引入社会资本变量和“农户居住所在乡镇是否有正规金融机构网点”等正规借贷交易成本指标。

(二)研究方法

在借鉴已有研究的基础上，本文选用了Probit模型和双截尾Tobit模型，分别从融资渠道的发生机会和额度结构两个角度，检验银行业结构对农户融资渠道选择的影响。Probit和Tobit模型的基本形式分别如下：

(4)

rate*=β0+β1Bank+β2Control+μ2,rate=max(0,rate*)

(5)

部分学者可能会提出，农户的正规借贷决策与非正规借贷决策是相互影响的，单方程模型没有考虑这种相互作用，容易造成估计结果的不可靠。与单方程模型相比，似不相关回归可以通过构建误差相互关联的多方程系统，体现正规借贷决策与非正规借贷决策的相互作用，从而提高估计结果的有效性。但似不相关回归存在一个问题，即如果某个方程误差较大，似不相关回归会把这一误差带到其他方程，进而影响整个系统方程估计结果的稳健性。小样本因经常存在样本偏差而更容易出现这一问题。再加上秦建群等(2011)基于中国12省市的3 051户农户调查数据，发现考虑或者不考虑正规和非正规借贷相关性不会对估计结果造成显著差异，因此，本文主要采用了Probit和Tobit单方程模型。不过，为了检验单方程估计结果的可靠性，本文在稳健性检验部分引入了似不相关回归——Biprobit模型，考察正规与非正规借贷相关性对估计结果的可能影响。Biprobit模型的基本形式为：

(6)

四、数据来源与描述性统计

(一)数据来源

本文所采用的数据包括三个部分：农户调查数据、银行网点数据和地区特征数据。农户调查数据来源于2014年中国农业大学“普惠与特惠金融扶贫政策研究”课题组对山东、浙江、黑龙江、安徽、四川、贵州和甘肃7省18县开展的农户问卷调查。调查共获得1 057份有效农户问卷，其中447户农户发生过借贷行为。根据研究目标，本文把研究样本限定于447户融资农户，剔除了没有发生借贷行为的农户。银行网点数据和地区特征数据来源于课题组与样本县政府部门、金融机构的实地访谈，以及商业银行官方网站。本文所使用的银行网点数据不包含政策性银行和外资银行的网点。

(二)描述性统计

被解释变量和解释变量的统计描述见表1。从融资渠道的发生机会看，55.48%的农户使用正规借贷，62.86%的农户使用非正规借贷；从融资额度看，农户正规借贷金额占总融资规模的平均比例是45.11%，非正规借贷金额占总融资规模的平均比例为54.89%。由此可见，正规借贷和非正规借贷均是样本农户的重要融资来源。

关于银行业结构，样本农户所在县的银行集中率均值是19.62%，小银行网点份额的均值为59.04%，小银行竞争指标平均为0.93。这说明在县域金融市场上，小银行的网点份额显著高于前五大国有银行的网点份额，但小银行之间的竞争程度并不激烈，这与中国县域银行业结构较为相符。在1996年中国农业银行与农村信用社分家后，国有银行相继撤离农村金融市场，农村合作基金会也随之关闭，农村信用社成为中国农村金融市场的唯一正规金融机构。即使在2006年银监会放宽农村金融市场的准入门槛后，农村信用社在农村金融市场的垄断地位依然没有改变。在这种情况下，银监会的空白乡镇基础金融服务全覆盖工作和“村村通”工程大多都落在了农村信用社身上，推动了农村信用社网点数量的增加。然而，网点总数众多的国有银行和中国性股份制商业银行却多集中在经济相对发达的城中心区，加之城商行的跨区经营和村镇银行仍处于发展初期阶段，农村信用社成为县域网点数量最高的金融机构，在小银行内部享有绝对的垄断地位。但这不能改变农村信用社是区域性小银行的事实。

表1 主要变量的描述性统计结果

注：由于样本农户的户主年龄均在20岁以上，所以本文以60岁及以上作为基准组，只设置了两个年龄虚拟变量。

表2是不同银行集中率地区农户对正规借贷和非正规借贷的参与比例。可以看出，高银行集中率地区的农户更倾向于选择非正规借贷，而低银行集中率地区的农户更倾向于选择正规借贷。就农户参与正规借贷的比例而言，低银行集中率地区是69.57%，比高银行集中率地区高23.94%；但就农户参与非正规借贷的比例而言，低银行集中率地区是47.28%，比高银行集中率地区低26.48%;并且这两个差异均在1%的置信水平上显著，这说明县域银行集中率的降低，有助于实现农户融资渠道偏好从非正规借贷到正规借贷的转移。但这一结果没有控制农户家庭经济特征和地区经济文化差异，只能提供参考价值。本文将在实证分析部分对这一结果进行更加全面的论证。

表2 地区银行集中度与农户的融资渠道选择

注：(1)表格以样本农户所在县的银行集中率均值为界限，把农户划分为高银行集中率地区和低银行集中率地区；(2)由于农户存在同时使用正规借贷和非正规借贷的可能，故在高银行集中度地区和低银行集中度地区，使用正规借贷的农户比例与非正规借贷农户比例的加总高于100%。

五、实证分析

(一)回归结果

Probit和Tobit模型的估计结果如表3所示。模型1和2是银行集中度对农户融资渠道选择影响的基础模型。模型3和4在模型1和2的基础上加入了小银行市场份额(SBR)和小银行市场份额与小银行竞争指标的交互项(SBR*SHHI)，用于检验不同规模银行市场份额对农户融资渠道选择的异质性影响，以及小银行竞争与小银行农户信贷效率优势发挥程度的关系。

1.通过模型1—4可以看出，银行市场集中率CR5与农户的正规借贷使用概率和额度比例始终存在显著的负向关系，说明银行集中度的降低，不仅可以提高农户使用正规借贷的可能性，还有助于提升农户正规借贷占总融资规模的比例。这一结论间接支持了Boot和Thakor(2000)的观点[17]，即低银行集中度会提高银行发放关系借贷的倾向，改善信息不透明借款者的正规借贷供给环境。

2.与国有商业银行和全国性股份制商业银行相比，小银行市场份额的增加更有助于提高农户对正规借贷的使用。虽然模型3和4中小银行市场份额的交互项(SBR*SHHI)和非交互项(SBR)的边际效应方向相反，但小银行竞争指标的取值范围只能介于0和1之间，小银行市场份额的边际效应始终为正，意味着小银行市场份额的提高不仅会提高农户正规借贷的使用概率，还会提高正规借贷金额占总融资额度的比重。同理可知，全国性股份制商业银行的市场份额与农户正规借贷的使用概率、额度比重呈反比。再加上五大国有银行的市场份额(CR5)的边际影响始终为负，说明与国有银行和全国性股份制商业银行相比，小银行在发放农户信贷方面具有显著的效率优势，其市场份额的变动是银行集中度影响农户融资渠道选择的主要作用途径。

3.模型3和4中小银行市场份额的交互项(SBR*SHHI)和非交互项(SBR)的边际效应方向相反，意味着小银行竞争程度的加剧，即SHHI的降低，能够强化小银行市场份额对农户融资渠道选择的边际影响。小银行市场份额与农户正规借贷的使用概率和额度比重呈正比，这意味着在小银行市场份额相同的情况下，小银行竞争激烈地区的农户面临的正规借贷选择机会和正规借贷成本，显著优于小银行竞争不激烈地区的农户。换言之，虽然小银行在发放农户信贷方面更具效率优势，但作为理性的经济主体，小银行同样存在服务于信息透明的客户的倾向，其农户信贷效率优势的发挥需要外部竞争的激励。

4.户主教育程度和家庭人均毛收入较高的农户更倾向于选择正规借贷来代替非正规借贷。这表现为户主教育程度(Edu)和家庭人均年毛收入(Perinc)对农户正规借贷的使用概率和额度比重始终呈显著正相关关系。这可能是供给和需求双方共同作用的结果。从供给角度看，在软信息获取能力有限的情况下，商业银行的信贷决策主要依赖于具有较强变现能力的抵押物、工资性收入等硬信息，具有高收入、高学历的农户因更容易提供符合商业银行要求的硬信息而被银行所识别。从需求角度看，高收入、高学历农户的资金需求额度通常更高，非正规借贷往往难以满足其资金需求。并且，高收入和高学历的农户通常拥有较丰富的金融知识，为其高效地利用正规借贷提供了条件。

5.与已有研究不同，本文发现样本农户的户主年龄对农户融资渠道选择没有显著影响。样本农户的年龄分布过于集中(61.30%的农户年龄为40—59岁)，可能是导致年龄对融资渠道选择影响不显著的原因。

(二)稳健性检验

考虑到正规借贷决策与非正规借贷决策存在潜在相关性，本文采用了误差项相互关联的Biprobit模型，重新估计银行业结构对农户融资渠道选择的影响，估计结果见表4。模型5和6的误差项相关系数ρ均在1%的置信水平上拒绝了“误差项相互独立”的原假设，说明农户的正规借贷决策与非正规借贷决策存在显著的替代关系。但通过对比Probit和Biprobit模型的估计结果可以看出，正规与非正规借贷决策的相关性没有改变前文结论的有效性，即银行集中率的降低、小银行市场份额的提高、小银行竞争程度的加剧、户主教育程度的提升以及家庭人均年毛收入的提高均有助于实现农户融资偏好从非正规借贷到正规借贷的转移。

表3 Probit和Tobit模型回归结果

注：上述估计结果是平均边际效应(average marginal effect)，其中离散型解释变量的边际效应是基于有限差分法计算而来；括号内汇报的是标准误；***、**、*分别表示变量在1%、5%和10%的置信水平上显著。

表4 Biprobit模型回归结果

注：上述估计结果是估计系数，括号内汇报的是标准误；***、**、*分别表示变量在1%、5%和10%的置信水平上显著。

六、研究结论

随着农村金融改革的推进，中国银行业结构发生了较大变化，主要表现为商业银行种类和资本有了较大幅度的增加，银行业集中度逐渐下降。理论上，银行集中度的降低，可以给弱势群体提供更多的正规选择机会，降低弱势群体的正规借贷成本。但较多实证研究显示，非正规借贷依然是中国农户融资的主要来源。对此，本文基于2014年中国7省18县的农户微观调查数据，从融资渠道的发生机会和额度结构两个方面，实证探讨了银行业结构变迁对农户融资渠道选择的影响并得出四点结论。

第一，银行市场集中率的降低，不仅可以提高农户使用正规借贷的可能性，还有助于提升农户正规借贷占总融资规模的比例。

第二，国有银行和全国性股份制商业银行市场份额的降低，小银行市场份额的提高，能提高农户对正规借贷的使用。这一发现意味着，与国有银行和全国性股份制银行相比，农村信用社等小银行在发放农户信贷方面确实具备效率优势，其效率优势的发挥是银行集中度影响农户融资渠道选择的主要作用途径。

第三，小银行市场份额对农户融资渠道选择的边际影响，会随着小银行竞争程度的加剧而逐渐增强，说明小银行农户信贷效率优势的充分发挥需要外部竞争的激励。

第四，高收入、高学历的农户更倾向于使用正规借贷来代替非正规借贷。

在考虑正规借贷与非正规借贷决策的相关性后，上述结论依然成立。

基于上述结论，本文认为，多元化竞争的商业银行体系可以实现农户融资偏好从非正规借贷到正规借贷的有效转移。考虑到正规借贷的资金额度优势和资金成本优势，政府应该在鼓励正规与非正规金融协同发展的同时，继续支持和鼓励民间资本组建和发展组织结构简单的小银行，增加正规金融市场资金供给，并通过外部竞争激发小银行的软信息收集和传递优势，促使农村信贷市场实现正规金融服务效率的自发改进。此外，要以农户收入和教育水平为基础，通过推进农业规模化和现代化生产、鼓励农户创业、推广成人教育和技能培训等方式，培育和释放农户对正规借贷的潜在需求，提高农户对正规借贷的使用能力。

[1] T. T. L. CHONG, L. LU, S. ONGENA.DoesBankingCompetitionAlleviateorWorsenCreditConstraintsFacedbySmall-andMedium-sizedEnterprises?EvidencefromChina. Journal of Banking and Finance, 2013, 37:3412—3424.

[2] 刘春志, 张雪兰, 马悦婷. 银行集中度的下降是否缓解了涉农信贷配给. 农业经济问题, 2015(12).

[3] 尹志超, 吴雨, 甘犁. 金融可得性、金融市场参与和家庭资产选择. 经济研究, 2015(3).

[4] 秦建群, 吕忠伟, 秦建国. 农户分层信贷渠道选择行为及其影响因素分析. 数量经济技术经济研究, 2011(10).

[5] 刘西川, 杨奇明, 陈立辉. 农户信贷市场的正规部门与非正规部门：替代还是互补. 经济研究, 2014(11).

[6] Y. ZHANG, N. LIN, T. LI.MarketsorNetworks:Households’ChoiceofFinancialIntermediaryinWesternChina. Social Networks, 2012, 34:670—681.

[7] 马晓青, 刘莉亚, 胡乃红, 等. 信贷需求与融资渠道偏好影响因素的实证分析. 中国农村经济, 2012(5).

[8] Y. YUAN, P. GAO.Farmers’FinancialChoicesandInformalCreditMarketsinChina. China Agricultural Economic Review, 2012, 4(2):216—232.

[9] C. GUIRKINGER.UnderstandingtheCoexistenceofFormalandInformalCreditMarketsinPiura,Peru. World Development, 2008, 36(8):1436—1452.

[10]冯兴元, 何梦笔, 何广文. 试论中国农村金融的多元化——一种局部知识范式视角. 中国农村观察, 2004(5).

[11]S. Y. TANG.InformalCreditMarketsandEconomicDevelopmentinTaiwan. World Development, 1995, 23(5):845—855.

[12]D. W. MUSHINSKI.AnAnalysisofOfferFunctionsofBanksandCreditUnionsinGuatemala. The Journal of Development Studies, 1999, 36(2):88—112.

[13]S. BOUCHER, C. GUIRKINGER.Risk,WealthandSectoralChoiceinRuralCreditMarkets. American Journal of Agricultural Economics, 2007, 89(4):991—1004.

[14]G. CHRISTENSEN.TheLimitstoInformalFinancialIntermediation. World Development, 1993. 21(5):721—731.

[15]张三峰, 王非, 贾愚. 信用评级对农户融资渠道选择意愿的影响. 中国农村经济, 2013(7).

[16]M. A. PETERSEN, R. G. RAJAN.TheEffectofCreditMarketCompetitiononLendingRelationships. The Quarterly Journal of Economics, 1995, 110(2):407—443.

[17]A. W. A. BOOT, A. V. THAKOR.CanRelationshipBankingSurviveCompetition. The Journal of Finance, 2000, 55(2):679—713.

[18]L. H. MEYER.ThePresentandFutureRolesofBanksinSmallBusinessFinance. Journal of Banking and Finance, 1998, 22:1109—1116.

[19]B. ANAND, A. GALETOVIC.Information,Non-excludability,andFinancialMarketStructure. The Journal of Business, 2000, 73(3):357—402.

[20]J. R. BARTH, C. LIN, P. LIN, F. M. SONG.CorruptioninBankLendingtoFirms:Cross-countryMicroEvidenceontheBeneficialRoleofCompetitionandInformationSharing. Journal of Financial Economics, 2009, 91(3):361—388.

[21]A. N. BERGER, G. F. UDELL.SmallBusinessCreditAvailabilityandRelationshipLending:TheImportanceofBankOrganizationalStructure. The Economic Journal, 2002, 112:32—53.

[22]A. HERTZGERG, J. M. LIBERTI, D. PARAVISINI.InformationandIncentivesinsidetheFirm:EvidencefromLoanOfficerRotation. The Journal of Finance, 2010, 65(3):795—828.

[23]林毅夫, 孙希芳. 银行业结构与经济增长. 经济研究, 2008(9).

【责任编辑：于尚艳】

2016-11-04

F832.35

A

1000-5455(2017)01-0086-08

何广文，四川达州人，农学博士，中国农业大学经济管理学院教授、博士生导师；王力恒，山东临沂人，中国农业大学经济管理学院博士研究生。)