大银行为什么不爱给小店放贷？——一个关于「软信息」的组织故事

[2005 JFE] Does Function Follow Organizational Form? Evidence from the Lending Practices of Large and Small Banks
Allen N. Berger, Nathan H. Miller, Mitchell A. Petersen, Raghuram G. Rajan, Jeremy C. Stein
Jun He June 01, 2026
银行 关系型贷款 组织理论 工具变量
Note

本文读的是 Berger, Miller, Petersen, Rajan & Stein (2005, Journal of Financial Economics)：把「不完全契约」理论搬进银行业，作者用一份小企业融资调查证明——大银行天生不擅长收集和使用「软信息」，于是它们躲开没有财务记录的「难啃」客户，隔着更远的距离、更冷淡地放贷，关系更短、更不专一；当一家小公司被迫只能找大银行借钱时，它会更明显地受到信贷约束。

1 一个老问题，换了个问法

经济学里最经久不衰的问题之一，是 Coase（1937）抛出来的：企业的边界到底由什么决定？ 这个问题通常被放在「纵向一体化」的框架里讨论——上游和下游什么时候该并进同一家公司的屋檐下。但你也可以反过来问：横向的合并，什么时候才创造价值？

今天，这个问题最鲜活的样本，恰恰是商业银行业。过去几十年银行业一直在并购整合，大银行不断吞并、取代小银行。于是一个自然的疑问浮出水面：那些活下来的大银行，会不会和被它们挤掉的小银行，做着完全不一样的生意？

这正是本文的切口。作者并不去问「技术怎样决定资产归谁所有」（那是 Baker & Hubbard（2003）研究卡车司机、Simester & Wernerfelt（2003）研究木匠工具的路子），而是反过来追问——一个组织的「形态」，会不会反过来决定它能高效地做哪些事、做不了哪些事？

换句话说：function follows form。功能，跟着组织形态走。

2 故事的内核：软信息与「小李子」的研究激励

要讲清楚这篇论文，得先讲清楚它背后的那个模型，也就是 Stein（2002）。这是全文的「核心」，后面六块实证证据，全是围着它转。

作者用一个例子把模型的直觉说透了。想象 Little Rock 有一位信贷员，专门决定哪些小企业贷款值得做。他判断的好坏，取决于他在软信息（soft information）上下了多少功夫——而他愿不愿意下功夫，取决于他的激励。

Tip

所谓「软信息」，是那些没法被白纸黑字写进报告、再原样传给上级的信息：这个老板诚不诚实、勤不勤快、靠不靠谱——典型的「人格贷款（character loan）」。与之相对的是硬信息（hard information）：审计过的财务报表、资产负债表、信用评分，可以传真、可以邮件，谁看都一样。

先看小银行。 在极端情形里，这位信贷员自己就是银行行长，资金怎么用他说了算。既然他笃定自己手里总有钱可放，他就知道自己辛苦做的调研不会白费——于是他有强烈的动力去研究。小银行内在的去中心化，奖励了那个肯钻研的人，因为它保证了「你研究出来的好项目，有钱让你去放」。

接着，反转出现。 如果这位 Little Rock 信贷员只是一家大型多分支银行里的一颗螺丝钉，麻烦就来了。假设他花了大量精力摸清了本地的好项目，可上头某个人却判断「Tulsa 的机会更好」，于是砍掉了 Little Rock 的资本额度。他没机会用上自己辛苦攒下的软信息，又没法把这些信息可信地传上去——他的研究白做了。理性预期之下，他事先就懒得去做研究了。

这就是 GHM（Grossman-Hart-Moore）那条核心洞见的一个具体版本：把控制权从一个人手里拿走，会削弱他的激励。

但真正关键的一步在于：模型对软、硬信息的预测是相反的。 当信息可以「硬化」、可以往上传时（比如信用评分模型的输出），大银行反而可能激发出更多的努力——因为下级可以拿着可验证的证据，去为自己的部门争取更大的资本额度，把「权力与专长分离」变成了一场内部竞标。

所以模型给出的不是「大银行处处不如小银行」，而是一个比较优势的论断：

Note

小银行在「靠软信息放贷」上有比较优势；大银行在「靠硬信息放贷」上有比较优势。

这恰好对应了银行业里那个老话题——关系型贷款（relationship lending） 对 交易型贷款（transactions-based lending）（Berger & Udell, 2002）。作者甚至顺手澄清了一个常见误解：很多人（如 Keeton, 1995）以为「多银行控股公司」这种叠床架屋的结构对小企业贷款最不利；可 Stein（2002）说恰恰相反——正因为它让资本难以在子公司间挪动，它反而成了 CEO 对「我不会乱抽你额度」的一种可信承诺，从而改善了软信息的采集激励。

3 六块证据，和一个绕不开的内生性

有了这个内核，作者要做的就是去数据里找它的指纹。他们一共摆出了六块证据。

首先，最简单的一块：大银行更倾向于贷给更大的、或有更好会计记录的企业（会计记录是硬信息的好代理）。

接着，控制住企业与市场特征后，企业和它打交道的那家分行之间的物理距离，随银行规模上升。这与「大银行不依赖那种靠面对面接触才能拿到的软信息」相吻合。

第三，与前一点相关：和大银行打交道的方式更冷淡（impersonal）——见面更少，更多靠邮件、电话沟通。

讲到这里，一个自然的问题是：企业是自己挑银行的啊。 一家公司选哪家银行借钱，本身就和它的特征有关——这正是第一块证据（大银行配上有会计记录的企业）所暴露的内生性。那么，如果我们想拿「银行规模」当解释变量去解释关系的形态，就得格外小心。也许大银行对客户冷淡，不是因为它不会热情，而是因为它本就匹配了一批「不需要热情」的客户（比如一个有 MBA 学位、自己就能做出漂亮 spreadsheet 的创业者）。

于是真正关键的一步在于工具变量。 作者用两个工具来给「银行规模」找外生变异：

直觉很干净：如果一家公司向大银行借钱，仅仅是因为它所在的市场上只有大银行（比如监管没有人为压制银行规模），那这就不是企业的内生选择，而是地理强加的外生限制。两个工具的单变量相关系数是 0.472——监管宽松的州，各个市场里的银行普遍更大。作者也试过更保守的版本：只用州层面的监管工具，虽然损失了州内跨市场的变异、标准误更大，但点估计「惊人地相似」。

然后，第四、第五块证据：当企业向小银行借钱时，银企关系更长久、也更专一（小银行更可能是企业的唯一贷款人）。这与理论完全契合——小银行积累的软信息难以被企业带走，于是把企业绑在了这家银行身上（这正是 Rajan（1992）刻画的那种「累积的软信息把借款人套牢」的世界）。

最后，也是最硬的一块：银行规模会不会影响小企业拿到信贷的能力？作者沿用 Petersen & Rajan（1994）的思路，用一个聪明的代理——企业拖欠商业信用（trade credit）的比例。延迟偿还供应商的货款是一种极其昂贵的融资方式，一家公司只有在被正规金融机构「卡住」时才会这么干。结果是：其他条件相同，向更大银行借钱的企业，更可能拖欠商业信用。

而这里藏着全文最漂亮的一处反转：这个结果只有在用了工具变量之后才成立。

Warning

普通最小二乘（OLS）几乎看不到这个效应，因为内生性把它抵消掉了：那些天生最难放贷的企业，本来就倾向于去找小银行（正如理论预测）。所以不做 IV，这个检验是偏向于「找不到」小银行能缓解信贷约束的。只有当企业是被「周围没有小银行」这一外生事实逼到大银行那里时，我们才看清——它们确实更受信贷约束。

4 数据：一份关于「真·小企业」的调查

作者的主数据是美联储 1993 年的全国小企业融资调查（National Survey of Small Business Finance, NSSBF）。调查实际在 1994–1995 年完成，针对 1993 年底尚存续的企业做分层随机抽样；部分信息（如企业最近一笔贷款）来自 1994 自然年。入样条件是雇员少于 500 人的营利性实体。

这批企业是真的小：资产账面价值均值 $3.0 million、中位数仅 $680,000。这恰恰是本文的理想样本——很多企业根本没有正式财务记录，这才使「软信息是否重要」成了一个可检验的真问题。下表给出了主要变量的描述性统计。

Table 1: presents summary statistics for many of the variables for both the full

Table 1: presents summary statistics for many of the variables for both the full

5 文献脉络：从企业边界，到一家小银行的柜台

把视野拉远，这篇论文坐落在一条很长的脉络上。

源头是 Coase（1937）的「企业的本质」。其后，Williamson（1975, 1985）与 Klein et al.（1978）的交易成本经济学给出了一个答案：一体化能缓解市场交易中的「敲竹杠」问题。但这套理论是「单面」的——它说清了一体化的好处，却说不清坏处，逻辑上甚至会推出「把全经济塞进一家公司最有效率」的尴尬结论。

真正把「一体化的代价」讲清楚的，是 Grossman & Hart（1986）、Hart & Moore（1990）和 Hart（1995）这条不完全契约/产权（GHM） 路线：在合约不完全的世界里，谁对实物资产有控制权，谁的事前激励就更强。可惜 GHM 太抽象，难以做出锋利的实证检验（Whinston, 2001 对此有专门评述）。

文献脉络时间线
文献脉络时间线（按发表年份排布；红色为本文）

于是出现了「第二代」模型——不死磕原版 GHM，而是为某个具体行业、具体情境量身定制可检验的比较静态。Baker & Hubbard（2003，卡车业）、Simester & Wernerfelt（2003，木工业）、Mullainathan & Scharfstein（2001，化工业）都是这条路。本文的直接起点，则是 Stein（2002）——它把 GHM 的洞见放进「软/硬信息」的设定里，专门预言了大小银行的差异。

与此同时，银行业自己也长出了一条平行的关系型贷款文献：Rajan（1992）的「内部人与外部人」、Petersen & Rajan（1994, 1995）关于关系价值与竞争的研究、以及 Petersen & Rajan（2002）那篇著名的《距离还重要吗？》。本文站的位置，正是把这两条线焊在一起：用 Stein（2002）的组织理论，去解释 Petersen-Rajan 式的关系型贷款经验事实。

值得一提的是，作者诚实地指出了一个替代理论：Brickley et al.（2003）发现小银行的高管平均持有近 70% 的本行股票，于是从显性激励合约的角度，也能推出「小银行更擅长软信息」。作者的态度很坦白——两套理论是互补的，他们手里没有内部持股数据，无法把二者干净地分开。

（关于「关系」如何被算进一国信贷的总账，可参见《银行为什么舍得先亏本拉客？》；关于距离在另一个市场里的命运，可参见《「距离已死」？可在市政债的承销桌上，离得近反而更便宜》。)

6 评论与延伸（Q&A + 研究方向）

(a) 几个可能的疑问

Q：这篇论文有没有一个带方程的正式模型？

没有。本文是实证论文，理论部分（第 2 节「假设发展」）用一个 Little Rock 信贷员的例子，把 Stein（2002）模型的逻辑讲清楚，并据此推出可检验的假设，但不重述 Stein 的形式化推导。所以本文不存在需要逐式展开的模型方程——这一点必须如实交代，不能为了凑「模型一节」而编造方程。

Q：用「拖欠商业信用」来度量信贷约束，可信吗？

这是 Petersen & Rajan（1994）确立的经典代理：商业信用的隐含利率极高，理性企业只有在被正规机构配给（rationed）时才会去拖欠它。Fisman & Love（2003）也用类似思路。它当然不完美，但作为「信贷是否真的更紧」的代理，比单看贷款利率更直击「可得性」这一维度。

Q：为什么作者反复强调「IV 之后效应更大」？这不像是常见的「IV 削弱显著性」？

因为这里的内生性偏误是反向的：最难放贷的企业本就自我选择去了小银行，这会把「小银行改善信贷可得性」的真效应在 OLS 里遮住甚至抹平。IV 把这层自选择剥离后，被掩盖的真效应才显形——所以是「更大」而非「更小」。这恰是本文识别叙事里最优雅的一笔。

Q：两个工具变量，哪个更「干净」？

州层面的监管变量更纯，因为它只用跨州变异，不易被「某个繁荣大城市同时吸引大银行和高素质创业者」这类市场层面的混杂污染。代价是它更弱、标准误更大。作者两种都跑，点估计高度一致，这本身就是一种稳健性。

Q：这套结论在今天（信用评分、金融科技普及之后）还成立吗？

本文数据是 1993 年，那时硬信息技术远不如今天发达。随着信用评分、大数据风控把更多「软」信息「硬化」，大小银行的比较优势边界很可能已经移动。这正是后续文献（以及金融科技研究）的富矿——参见《监督做得更差，却照样抢走你的客户——金融科技凭什么挤进信贷市场》。

Q：结论是「大银行更差」吗？

不是。核心是比较优势：大银行在硬信息、交易型贷款上可能做得更好甚至更有效率。论文反对的是「大银行处处不如小银行」的笼统说法，主张功能随形态分工。

(b) 几个可能的研究问题与提案

1. 把「软信息」搬进公司债/信用市场

【经济故事】本文讲的是银行贷款。但在公司债一级市场，承销商与发行人之间同样存在软信息——尤其对首次发债、无评级的中小发行人。承销商的组织规模（大投行 vs 精品行）会不会复刻「function follows form」的模式？ 【可行性】中。需要 Mergent FISD + 承销商层面数据，识别可借鉴本文的「市场结构工具变量」思路；难点在于债券市场的匹配比贷款更受评级门槛筛选，外生变异更难找。

2. 外资银行进入与软信息的「水土不服」

【经济故事】跨境扩张的外资大行天然处在「信息链最长」的一端。它们是否系统性地避开了东道国的软信息客户，从而改变了当地中小企业的信贷结构？这是本文逻辑在国际维度的自然延伸。 【可行性】中高。可用各国信贷登记（credit registry）+ 外资银行进入的监管时点做 DiD；识别上要小心外资进入本身的内生选址。

3. 银行合并对借款人信贷可得性的「软信息折旧」

【经济故事】当一家小银行被大银行并购，它积累的软信息是否随之「贬值」，导致原客户被迫转向更冷淡、更受约束的关系？本文的横截面证据，可以升级为一个并购事件研究。 【可行性】高。并购时点清晰，可用 NSSBF 之后的调查或信贷登记做事件研究，已有 Sapienza（2002）等相邻工作铺路。

4. 金融科技把软信息「硬化」后，组织优势是否反转？

【经济故事】如果大数据风控能把「老板靠不靠谱」编码成可传输的硬信息，那么大型平台的比较优势是否反而压过了小银行？本文的边界条件正好提供了可证伪的预测。 【可行性】中。需要金融科技放贷的微观数据与传统银行的对照样本，识别难在两类机构的客户本就不可比。

5. 流动性视角：软信息关系是否提供「危机里的保险」

【经济故事】小银行的长期、专一关系，会不会在信用收缩期成为借款人的缓冲垫？把本文的「关系强度」与危机期的信贷连续性挂钩，是一个有政策含义的方向。 【可行性】中高。可结合公司债/信贷在危机窗口的可得性数据，与本文的关系度量交互；与流动性危机文献天然接壤。

我的判断

这篇论文的贡献在于示范：它没有去硬测原版 GHM（那几乎不可测），而是借 Stein（2002）这个「第二代」模型，在银行业这个信息至上的场景里，把一个抽象的组织理论翻译成六条彼此印证、又互相咬合的可检验假设。尤其是「OLS 与 IV 符号反转」那一处——内生性不是被当作麻烦回避掉，而是被用作证据本身——堪称识别叙事的范本。

要说对识别的担忧，主要有二。其一，工具变量的排他性并非无懈可击：州层面的分支监管，可能通过银行规模之外的渠道（如整体经济活力、本地竞争结构）影响银企关系；作者用「只保留州级工具」的保守版做了缓冲，但终究无法完全排除。其二，与 Brickley et al.（2003）的显性激励理论之间，本文坦承无法分离——缺少内部持股与薪酬数据，「控制权激励」与「股权激励」这两套机制始终缠在一起。

我想看到的后续，是把这套「形态决定功能」的框架放到信息技术与金融科技重塑信息边界的今天去重测：当越来越多的软信息被硬化，组织规模的比较优势会不会松动、甚至反转？这既是对本文外部效度的检验，也是把这条二十年前的脉络接到当下最热问题上的最自然方式。

参考文献