【摘要】隨著銀行物理網(wǎng)點由外延擴張向布局優(yōu)化轉(zhuǎn)型，渠道經(jīng)營逐步向?qū)I(yè)發(fā)展。作為渠道經(jīng)營的重要組成，資源配置管理應打破傳統(tǒng)經(jīng)驗觀念，更多依賴于營運數(shù)據(jù)分析，借助科學方法論的預判。本文從資源配置的一個實例入手，利用多元線性回歸的方法，對銀行物理網(wǎng)點資源配置進行實證分析。根據(jù)模型構建、檢驗以及修正，實現(xiàn)對資源投放的分析預測。實證結果可對渠道經(jīng)營實踐提供參考，以及方法論的借鑒。

【關鍵詞】多元線性回歸 銀行網(wǎng)點 資源配置

一、引言

隨著互聯(lián)網(wǎng)金融的深入發(fā)展，其弱物理化的實質(zhì)，對銀行物理網(wǎng)點傳統(tǒng)上的經(jīng)營客觀造成了較大沖擊。為了順應發(fā)展，各銀行也借鑒國內(nèi)外經(jīng)驗，紛紛推出“小而精”、“個性化”、“智能化”的網(wǎng)點，以多元化轉(zhuǎn)型服務迎接移動互聯(lián)時代的挑戰(zhàn)。銀行渠道管理理念也應同步甚至未雨綢繆。作為銀行經(jīng)營成本最昂貴的渠道，物理網(wǎng)點的營運已不能沿用傳統(tǒng)方式，僅通過市場經(jīng)驗來判斷營業(yè)面積、設施、人員等資源投放，甚至粗放式的追求大面積營業(yè)網(wǎng)點、豪華裝修形象工程，來取得競爭優(yōu)勢。渠道資源投入應有大數(shù)據(jù)的思維，基于對歷史數(shù)據(jù)的提煉分析，以及未來宏微觀經(jīng)濟發(fā)展的預測，選擇最優(yōu)的資源投入品種和數(shù)量，在確?？蛻趔w驗的同時，優(yōu)化渠道投入產(chǎn)出結構，促進經(jīng)營效能最大化。

本文擬采用多元線性回歸模型對于銀行物理網(wǎng)點的資源投入進行實證分析，可以對未來網(wǎng)點資源投入進行預測，以使資源得到合理配置。同時也為網(wǎng)點制定未來營運計劃提供方法論依據(jù)。

二、指標選取

衡量網(wǎng)點資源配置合理性的指標較多，應根據(jù)全面性、代表性、科學性以及數(shù)據(jù)的可獲得性原則選取指標。本文從網(wǎng)點資源配置的一個實例，即網(wǎng)點設備配置入手，探討影響資源配置的經(jīng)濟指標。

網(wǎng)點的設備配置與設備自身功能類型、網(wǎng)點業(yè)務結構、設備對客戶服務能力、網(wǎng)點最大負荷能力、客戶對設備的潛在接受程度等因素相關。根據(jù)對設備需求的影響因素分析，預選取的經(jīng)濟指標為：設備功能覆蓋、業(yè)務結構、日均服務能力、客流高峰、客戶年齡結構這5類。本模型中樣本數(shù)據(jù)來源于國內(nèi)某商業(yè)銀行經(jīng)過一段時間運營驗證設備配置合理的45家網(wǎng)點。

三、模型構建與檢驗

（一）研究假設

基于對網(wǎng)點設備配置的專業(yè)知識和經(jīng)驗判斷，我們選取了設備功能覆蓋、業(yè)務結構、日均服務能力、高峰服務能力、客戶年齡結構這5類經(jīng)濟指標，作為預測網(wǎng)點設備配置的解釋變量。結合數(shù)據(jù)的可獲得性，考慮數(shù)據(jù)自身特點，本文假設影響網(wǎng)點資源配置數(shù)量的解釋變量如下：

Y：合理的設備配置數(shù)量

X1：設備功能覆蓋率=設備日均業(yè)務量/網(wǎng)點日均業(yè)務總量；

X2：業(yè)務結構比率=對私日均業(yè)務量/網(wǎng)點日均業(yè)務總量；

X3：日均服務能力=In（設備日均服務客戶量）

X4：高峰客流壓力=In（網(wǎng)點高峰客流量）

X5：客戶年齡結構=網(wǎng)點到訪客戶里中青年客戶占比

設備日均服務客戶量、網(wǎng)點高峰客流量的量綱較其他因變量大得多，取對數(shù)形式，可減少多重共線性，并在一定程度上消除量綱影響。

（二）模型構建

根據(jù)假設條件設置網(wǎng)點設備配置的多元線形回歸模型為：

運用Eviews8.0對45家網(wǎng)點數(shù)據(jù)進行OLS回歸，初步回歸結果如下：

由回歸結果可知，解釋變量整體對因變量擬合的相關系數(shù)Adjusted R-squared=0.854067，整體擬合程度較好?；貧w的常數(shù)項的t統(tǒng)計的P值>0.05，不能拒絕該項顯著為零的原假設。解釋變量X1、X3、X4、X5的參數(shù)t統(tǒng)計的P值小于0.05，拒絕原假設，設備功能覆蓋率、設備日均服務能力、網(wǎng)點高峰客流壓力、客戶年齡結構對于網(wǎng)點的該種設備配置有顯著的影響。

剔除影響不顯著的因素，重新進行OLS回歸，得到設備配置初步回歸模型為：Y=1.34029X1+0.434947X3+0.376715X4+ 1.605963X5

（三）模型檢驗

應用OLS時要求模型的誤差項必須滿足無偏性、同方差、無序列相關、解釋變量和誤差項相互獨立。由于本文構建的模型并非采用時間序列數(shù)據(jù)，故而進行異方差、多重共線性檢驗。

1.異方差檢驗。采用White檢驗法，由于Obs*R-squared的概率值0.3184大于顯著性水平0.05，所以不能拒絕原假設，原回歸模型不存在異方差。

2.多重共線性檢驗。解釋變量X1、X3、X4、X5的兩兩之間相關系數(shù)如下表，由于X3和X4的相關系數(shù)為0.778374，存在較強相關性，因此需要對模型進行修正。

（四）模型修正

由于只有X3與X4的相關性較為顯著，故而本文采用逐步剔除的方法對回歸模型進行修正。運用OLS方法分別做出因變量Y對X1、X3、X5解釋變量的回歸；以及因變量對X1、X4、X5解釋變量的回歸。優(yōu)先選擇整體擬合程度更好，且各解釋變量在統(tǒng)計上顯著不為零的回歸結果。經(jīng)分析，應保留X1、X3、X5作為回歸模型的解釋變量。進一步檢驗修正模型的有效性，對其進行無常數(shù)項的回歸，經(jīng)檢驗不存在異方差以及多重共線性。

經(jīng)過反復回歸驗證，最終構建出的網(wǎng)點設備配置的多元線性回歸模型如下：

設備功能覆蓋率、設備日均客戶服務能力、客戶年齡結構這幾個自變量對因變量起到了顯著的影響。

四、模型應用

根據(jù)實證分析結果，對于該種類型的設備配置，為達到科學合理的投入產(chǎn)出運行效果，應從設備自身功能類型、對客戶服務能力、客戶接受程度著手進行分析預測。如果這三方面的條件發(fā)生較大變動，可運用模型的線性關系對設備投入進行調(diào)整，確保資源的合理配置和有效利用。

對于物理網(wǎng)點營業(yè)場所、人員、設施、運行物料等相關資源投放，應充分分析，從宏微觀視覺全面分析，選取有代表性、合理的經(jīng)濟指標，進行分析預測，從數(shù)量和結構上選擇最優(yōu)的方案，并且隨內(nèi)外在條件變化，調(diào)整資源投放結構，實現(xiàn)高效能的渠道經(jīng)營管理。

作者簡介：謝彬彬（1986-），女，福建人，經(jīng)濟學碩士，研究方向：商業(yè)銀行經(jīng)營管理。