基于Eviews分析的银行家信心指数与大型商业银行不良贷款余额的研究

[摘 要] 2008年由于受到金融危机的影响，我国商业银行的不良贷款也受到不少挑战。通过截取2008年3月到2014年3月的大型商业银行不良贷款余额的季度值和银行家信心指数，对两者之间的相关性进行实证分析。结果表明：大型商业银行不良贷款余额和银行家信心指数存在显著的负相关性，这与假设是一致的，即商业银行不良贷款余额越高，银行家信心指数就越低;商业银行不良贷款余额越低，银行家信心指数就越高。因此，可以从商业银行不良贷款入手，提高银行经营管理效率，明晰银行产权问题，提升银行工作人员从业素养，做好贷后管理工作等方式，有效约束不良贷款，从而使银行家对于银行前景持正面的态度，更加促进了银行良性循环的发展。

[关键词] 商业银行;不良贷款余额;银行家信心指数;相关分析;结论

[中图分类号] F640 [文献标识码] B

引言

银行家信心指数采用的是全面调查与抽样调查相互结合对全国各类银行机构高管人员进行问卷调查的方式，是银行家问卷调查中对本季经济形势持正常态度的银行家占比和预期占比的算术平均数，反映了银行家们对未来的经济发展前景的预测。不良贷款是指借款人未能按贷款协议按时偿还商业银行的贷款本金和利息，或者已有迹象表明借款人不可能按贷款协议按时偿还商业银行的贷款本金和利息而形成的贷款。不良贷款分为由对公贷款和个人贷款所造成的不良贷款，其中由对公贷款引起的不良贷款能够明显的反映出我国企业经营状况，从而预测出我国经济的情况。当前的国有银行银行的不良资产和不良资产率从数据上都表现出了双降，这不是商业银行发展的正常趋势，这是近年国家对国有商业银行不良资产处置采取措施的结果，其中隐含着近年受经济刺激政策因素的影响因素且政府的干预和主导性是很强的加上我国国有商业银行自身的抗风险能力较差，但从数据上来看，不良资产余额仍很大。因此，研究两者之间的关系是很有必要的，对于银行本身的经营决策有很大的影响，不仅在于贷款业务是银行的最主要的收入来源，而且在于银行家在其领域的主导地位;对于我国经济发展同样重要，商业银行是我国重要的经济体，掌握银行家信心指数和商业银行不良贷款之间的关系，对于促进企业发展，国家经济向上有良好的参考作用。

本文以时间序列的样本数据，对银行家信心指数和商业银行不良贷款之间的相关性进行了实证分析，计算分析的过程均由Eviews来完成。

一、研究设计

（一）数据采集和样本选择

计量经济学分析的有效性取决于经济模型是否真实的反映其经济现状，且还需考察样本数据的质量是否完整、准确、可比、一致。经仔细分析后，不难发现，选择从2008年开始的数据其中包含了对于中国遭受2008年全球金融危机的因素考量，并按照时间先后顺序进行样本选取，数据的选择基本到达了分析研究要求。根据中国经济信息网，2008年3月至2014年3月大型商业银行不良贷款余额（X）和银行家信心指数（Y）如表1：

表1 2008年3月至2014年3月大型商业银行

不良贷款余额（X）和银行家信心指数（Y）

（二）提出研究假设

本文的研究主要受以下几个部分研究的启发：

首先是关于银行家信心指数的研究。饶品贵（2012）《货币政策信贷传导机制――基于商业信用与企业产权性质的证据》中分析了银行借款和商业信用水平值、变化值与银行家信心指数之间的关系，由其回归分析表明银行借款水平值、变化值与银行家信心指数呈显著正相关;商业信用水平值、变化值与银行家信心指数呈显著负相关。叶康涛、祝继高（2009）《银根紧缩与信贷资源配置》中对银根紧缩与信贷资源配置效率进行了实证分析，其中银根紧缩用银行家信心指数来表示，分析表明上一季度货币政策越紧，则本季度企业融资额越少，但本季度的货币政策与本季度企业信贷融资额之间不存在显著相关性。吴彩丽（2014）《宏观经济不确定性与银行信贷：宏观与微观层面的证据》中阐述了银行家信心指数对银行信贷有显著的正影响，且宏观经济不确定性对银行信贷行为存在显著的负面影响。

其次关于大型商业银行不良贷款余额的研究。王威、赵安平（2013）《信贷波动、经济周期与商业银行不良贷款》中解释不良贷款额下降形成了对银行信贷投放的正面冲击，强化了银行信贷的投放能力，但银行信贷规模扩张不是造成不良贷款增多和信用风险增加的原因。

综上可见，很多研究大量考证了银行家信心指数与银行信贷之间的关系或者银行信贷与商业银行不良贷款的关系，未对银行家信心指数与不良贷款进行直接的分析研究。

大型商业银行不良贷款余额按季度核算，它是衡量银行资产质量的重要指标，对银行有风险提示的作用。因此，可推测当商业银行不良贷款余额增加时，银行家信心指数会相应减少;反之，则相应增加。基于此，本文提出以下假设：

H0：大型商业银行不良贷款余额和银行家信心指数存在显著的负相关性。

（三）建立模型

由Eviews分析，大型商业银行不良贷款余额（X）和银行家信心指数（Y）大致存在着一元线性关系，我们假设拟建立如下一元回归模型：

Y=β0+β1X+u

上式中，Y为被解释变量，X为解释变量，β0和β1为待估参数，u为随机干扰项。

二、回归估计、检验

（一）时间序列的平稳性检验

对时间序列进行回归，是建立在时间序列平稳性的假定基础之上的，无论是单方程计量模型还是联立方程计量模型，都需要在分析之前检验其数据的平稳性，否则假设检验未必成立。虽从Eviews回归分析可大致看出两个时间序列X、Y的稳定性，但运用统计量进行统计检验更为有效和重要。图1为对银行家信心指数（Y）进行时间序列平稳性检验的结果图。

图1 对银行家信心指数（Y）进行时间序列平稳性检验的结果图

由图1可知，给定α=5%下，t检验值>-1.955681，接受H0。因此，再对其进行一次差分，图2为对银行家信心指数（Y）一次差分后进行时间序列平稳性的结果图。

图2 对银行家信心指数（Y）一次差分后进行时间序列

平稳性检验的结果图

由图2，可知给定α=5%下，t检验值<-1.956406，拒绝H0。则认为Y的原序列为一阶单整序列。

我们再对大型商业银行不良贷款余额（X）进行时间序列平稳性检验，图3为对大型商业银行不良贷款余额（X）进行时间序列平稳性检验的结果图。

图3 对大型商业银行不良贷款余额（X）

进行时间序列平稳性检验的结果图

由上图可知给定α=5%下，t检验值<-1.955681，拒绝H0。认为X的时间序列不存在单位根，是平稳的。

综上，对大型商业银行不良贷款余额（X）和银行家信心指数（Y）都进行了平稳性的检测，都得出了原序列不存在单位根，为平稳序列的结论，从而可以进行回归分析。

（二）初始回归

图4给出了采用Eviews软件对原数据进行回归分析的计算结果，表明可建立如下的银行家信心指数函数-大型商业银行不良贷款余额函数：

Yi^=67.19234-0.002877Xi

图4 大型商业银行不良贷款余额（X）

对银行家信心指数（Y）的回归结果

（三）模型的检验与修正

1.统计检验

拟合优度：从图4的回归估计结果来看，所建模型整体上对样本数据整体上拟合度较低。可决系数R2=0.266098，表明银行家信心指数函数变化的26.6098%可由大型商业银行不良贷款余额的变化来解释。同时，修正后的可决系数为0.234189，说明其模型对样本的拟合度相符合。

回归系数t检验：设原假设H0：β0=0，H1：β1=0，回归系数β0的t值为：t（β0）=13.61230，β1的t值为：t（β1）=-2.887788。给定α=0.05下，由t分布表得，自由度n-2=23的临界值t0.025（23）=2.069。因为t（β0）=13.61230>t0.025（23）=2.069，所以拒绝原假设H0：β0=0，因为|t（β1）|=2.887788>t0.025（23）=2.069所以拒绝原假设H1。以上表明大型商业银行不良贷款余额对银行家信心指数函数有显著影响。

2.计量经济学检验

检验是否存在异方差：根据White检验中辅助函数的构造，最后一项为变量的交叉乘积项，因为本题为一元函数，故无交叉乘积项，则辅助函数为：

e■■=α0+α■■■+α■■■■+ε■

图5 怀特检验结果图

由上图可知nR2=0.209839，在=0.05情况下查？字2分布表，得临界值？字20.05（2）=5.99。因为nR2=0.20985<？字20.05（2）=5.99，表明模型不存在异方差。

3.自相关的检验与修正

图6 含一阶滞后残差项的辅助回归图

拉格朗日乘数LM检验：由图6可知：含一阶滞后残差项的辅助回归为：

et=-0.520732+0.000171X+0.465985et-1

R2=0.208008

于是，LM=24×0.208008=4.992192，该值大于显著性水平为5%，自由度为1的χ2的临界值？字20.05（1）=3.82，由此判断原模型存在1阶序列相关性。

图7 含二阶滞后残差项的辅助回归

由图7可知：含二阶滞后残差项的辅助回归为：

et=-0.525222+0.000110X+0.597479et-1-0.319743et-2

R2=0.283240

于是，LM=25×0.283240=7.081，该值大于显著性水平为5%，自由度为2的χ2的临界值？字20.05（2）=5.991，但是et-2的参数未通过5%的显著性检验，由此判断原模型不存在2阶序列相关性。结合一阶滞后残差项的辅助回归情况，可判断该模型存在一阶自相关。

因此，应该对其进行自相关的修正，图8为广义差分法去除自相关的回归结果图。

图8 广义差分法去除自相关的回归结果图

由图8我们可以看出，使用迭代法就是在解释变量中添入AR（1）项后，DW检验值从1.056474提高到1.793214，下面再采用自相关的LM检验法对模型进行检验，得到图9的结果。

图9 调整后自相关的检验结果图

由上面的检验结果我们可以看出，在0.05的显著水平下LM的统计量的概率P值为0.2444大于0.05的显著水平，所以我们不能拒绝原假设，认为模型的残差项不存在自相关性，即我们消除了模型的自相关性。因此得到修正后的模型如下：

Y=67.82793-0.002535x+0.671318y（-1）

三、总结

通过以上分析，我们可以得出，大型商业银行不良贷款余额和银行家信心指数存在显著的负相关性，这与假设是一致的，即商业银行不良贷款余额越高，银行家信心指数就越低;商业银行不良贷款余额越低，银行家信心指数就越高。因此，我们可以从商业银行不良贷款入手，提高银行经营管理效率，明晰银行产权问题，提升银行工作人员从业素养，做好贷后管理工作等方式，有效约束不良贷款，从而使银行家对于银行前景持正面的态度，更加促进了银行良性循环的发展。

[参 考 文 献]

[1]郑红宾，陈雄.基于EViews软件对金华城镇居民的消费和支出进行分析预测[J].枣庄学院学报，2011（5）：84-88

[2]饶品贵，姜国华.货币政策对银行信贷与商业信用互动关系影响研究[J].经济研究，2013（1）：68-82+150

[3]李江，冯宗宪，万映红.国有商业银行企业不良贷款的主因子分析[J].数理统计与管理，2007（1）：149-157

[4]郭婧洲.浅析我国国有商业银行不良资产形成的原因及对策[J].统计研究，2010（8）：96-98

[5]]叶康涛，祝继高.银根紧缩与信贷资源配置[J].管理世界，2009（1）：22-28+188

[6]吴彩丽.宏观经济不确定性与银行信贷：宏观和微观层面的证据[D].浙江大学，2014

[7]王威，赵安平.信贷波动、经济周期与商业银行不良贷款：基于Beveridge-Nelson分解的实证研究[J].投资研究，2013（7）：3-14