郭雙雙 王雨晴 孫暢

華北理工大學(xué)

引言：尹霞[1]以寧波市商業(yè)銀行為研究對象,采用多元線性回歸的實證研究方法,對寧波市商業(yè)銀行不良貸款影響因素進(jìn)行分析并對寧波市商業(yè)銀行不良貸款提出防范措施。項燕彪[2]基于浙江金融運行特征,深入分析區(qū)域特定因素對于浙江銀行業(yè)不良貸款率走勢的影響機(jī)制,在此基礎(chǔ)上構(gòu)建實證模型,測度分析浙江不良貸款率的合理水平。

一、變量的選擇與數(shù)據(jù)選取建立

根據(jù)有關(guān)商業(yè)銀行不良貸款率的相關(guān)理論和文獻(xiàn)，提出影響其規(guī)模的因素，并選取合適的指標(biāo)構(gòu)建指標(biāo)體系。本文將選取六個指標(biāo)來分析影響商業(yè)銀行不良貸款率的因素。從微觀的角度上選取商業(yè)銀行的撥備覆蓋率，存貸比，流動性比例和資本充足率四個銀行自身因素指標(biāo)，從宏觀的角度上選取GDP增長率和M2增長率兩個宏觀因素。上面六個因素分別設(shè)為X1，X2，X3，X4，X5，X6，商業(yè)銀行不良貸款率設(shè)為Y。本文數(shù)據(jù)來自于國家統(tǒng)計局和中國銀保監(jiān)會，樣本區(qū)間為2012年―2019年每一季度的相關(guān)數(shù)據(jù)。

二、模型的建立

根據(jù)相關(guān)性分析，建立如下多元線性回歸模型：

利用Eviews軟件，OLS估計結(jié)果如下所示：

三、模型的修正

（一）多重共線性修正

上述模型可決系數(shù)很高，F(xiàn)統(tǒng)計量檢驗顯著，但是依然存在解釋變量的符號與預(yù)期不一致，故對此用逐步回歸法進(jìn)行修正，通過逐步回歸來篩選并剔除引起多重共線性的解釋變量。

對被解釋變量貢獻(xiàn)從大到小的解釋變量分別為X1,X5,X6,X4,X2,X3，從貢獻(xiàn)度最大的變量X1開始引入，添加解釋變量X2后觀察擬合度擬合優(yōu)度增大，F(xiàn)檢驗同樣通過，繼續(xù)對解釋變量進(jìn)行t檢驗，此時(25)=2.060，X1和X2均通過 t 檢驗，所以保留該解釋變量。再引進(jìn)X6，該解釋變量引入后雖然對修正后擬合優(yōu)度有改進(jìn)，但是t檢不顯著，所以剔除該解釋變量。分別引入X3,X4和X5時，發(fā)現(xiàn)雖然擬合優(yōu)度有了較小的改進(jìn)，但是t檢驗不顯著，故把這三個解釋變量剔除。因此是X3,X4,X5和X6引起的多重共線性，修正多重共線性后的回歸結(jié)果如下：

由以上回歸方程可以看出，修正的可決系數(shù)為0.994，說明擬合程度高，F(xiàn)統(tǒng)計量檢驗參數(shù)聯(lián)合顯著性高。由此得出結(jié)論，商業(yè)銀行撥備覆蓋率和存貸比是影響商業(yè)銀行不良貸款率的主要因素。

（二）誤差修正模型

通過單位根檢驗和協(xié)整檢驗可得，X1、X2和Y存在協(xié)整關(guān)系。但從短期來看，可能會出現(xiàn)失衡，為了增強(qiáng)模型的精度，可以把誤差項看作是均衡誤差，通過建立誤差修正模型把短期行為與長期變化聯(lián)系起來。誤差修正模型如下：

商業(yè)銀行撥備覆蓋率（X1）、商業(yè)銀行存貸比（X2）和不良貸款率（Y）的差分序列如下：

上述估計結(jié)果表明，撥備覆蓋率、存貸比對商業(yè)銀行不良貸款率的變化有影響，不良貸款率不僅取決于撥備覆蓋率，存貸比這一期的影響，而且還取決于上一期不良貸款率對均衡水平的偏離的影響，誤差項的系數(shù)為0.376，當(dāng)短期波動偏離長期均衡時，將以0.376的調(diào)整力度將非均衡狀態(tài)拉回到均衡狀態(tài)。

四、結(jié)論

本文利用Eviews軟件對我國的國內(nèi)生產(chǎn)總值及其影響因素進(jìn)行分析，通過多重共線性的修正得出影響國內(nèi)商業(yè)銀行不良貸款率的最主要因素是撥備覆蓋率和存貸比。

撥備覆蓋比和存貸比是影響我國商業(yè)銀行不良貸款率的兩個重要因素，撥備覆蓋率每增加1%，不良貸款率平均下降 0.006%。存貸比每增加1%億美元，不良貸款率平均增加0.026%。

最后，本文中雖然剔除了其他的四個變量，但是經(jīng)過查相關(guān)文獻(xiàn)和資料，這四個因素同樣也對商業(yè)銀行不良貸款率有重要影響。只是因為不符合多元線性回歸模型和誤差修正模型的建立，但這些依然是影響我國商業(yè)銀行不良貸款率的相關(guān)因素，在探索我國商業(yè)銀行不良貸款率因素的過程中依然是不可以忽視的。