不良贷款回归模型不良到款模型.doc

不良贷款回归模型的建立一、 研究的目的要求众所周知，贷款业务是商业银行的主要资产业务之一，也是银行资金运行的主要形式。商业银行通过发放贷款业务，将一定数量的资金进行循环使用，充分发展资金的使用效能，满足社会再生产过程中对资金的需求，促进国民经济的发展。由于贷款具有一定的风险,根据金融企业会计制度的规定,要求商业银行在期末分析各项贷款的可收回性,并预计可能产生的贷款损失,计提贷款损失准备。商业银行贷款损失准备是商业银行为抵御贷款风险而提取的用于弥补银行到期不能收回的贷款损失的准备金,用来应对未来对银行资本的潜在需求，具有防范银行信用风险与补充银行资本的特性，是目前我国银行监管当局对商业银行监管的一个重点。银行应当按照谨慎会计原则合理估计贷款可能发生的损失及时计提贷款损失准备。为了研究影响银行贷款中不良贷款的主要原因，分析不良贷款与贷款余额、应收贷款、贷款项目的多少、固定资产投资等因素，预测预测出不良贷款，需要建立计量经济模型。 影响银行不良贷款的因素很多，但据分析主要的因素可能有：（1）贷款余额。（2）应收贷款（3）贷款项目的多少。（4）固定资产投资。因此，可以从以上几个方面，分析各种因素对中国税收增长的具体影响。 二、模型设定 经分析，影响不良贷款的主要因素，除了贷款余额、应收贷款、贷款项目的多少、固定资产投资等因素等因素有关。为此，考虑的影响因素主要有贷款余额x1、应收贷款x2、贷款项目的多少x3、固定资产投资x4等因素。为此设定了如下对数形式的计量经济模型：其中 ：Y不良贷款 X1贷款余额应收贷款贷款项目的多少固定资产投资为估计模型参数，收集该银行所属的25家分行2000年的有关业务数据。如表1-1所示:分行编号各项贷款余额（亿元）本年累计应收贷款（亿元）贷款项目个数（个）本年固定资产投资额（亿元）不良贷款（亿元）0102030405060708091011121314151617181920212223242567.3111.3173.080.8199.716.2107.4185.496.172.864.2132.258.6174.6263.579.314.873.524.7139.4368.295.7109.6196.2102.26.819.87.77.216.52.210.727.11.79.12.111.26.012.715.68.90.65.95.07.216.83.810.315.812516171019117181014112314263415211428321014161051.990.973.714.563.22.220.243.855.964.342.776.722.8117.1146.729.942.125.313.464.3163.944.567.939.797.10.91.14.83.27.82.71.612.51.02.60.34.00.83.510.23.00.20.41.06.811.61.61.27.23.2(表1-1)三、估计参数 利用EViews估计模型的参数，方法是：1、建立工作文件：启动excel，点击工具，再点击加载宏，在对话框“分析工具库”，点击“确定”。2、输入数据：点击工具，再点击数据分析，点击“数据分析”下拉菜单中的“回归”，出现“回归”窗口数据编辑框，点第一行与“y值输入区”对应的格，并依此拉Y的数据。用同样方法在对应的列命名x1、x2、x3、x4，并输入相应的数据。3、估计参数：得到下表 根据表2-2中数据，模型估计的结果为：-0.9769+0.040107x1+0.148507x2+0.00942x3-0.02859x4 （-1.1736） （3.7487） （1.8381） （0.1060） （-1.8169）0.7925， 0.7488， F=18.1417SUMMARY OUTPUT回归统计Multiple R0.890225R Square0.792501Adjusted R Square0.748817标准误差1.823038观测值24方差分析dfSSMSFSignificance F回归分析4241.173760.2934218.141712.77033E-06残差1963.145913.323469总计23304.3196Coefficients标准误差t StatP-valueLower 95%Upper 95%Intercept-0.97690.832391-1.173610.255054-2.7191159080.76531267.30.0401070.0106993.7487250.001360.0177140250.06256.80.1485070.0807911.8381660.081725-0.0205901040.31760350.009420.0888430.1060320.916669-0.1765297380.1953751.9-0.028590.015736-1.816970.08503-0.0615292230.004344（表1-2） 四、模型检验1、经济意义检验模型估计结果说明，在假定其它变量不变的情况下，当年贷款余额每增长1亿元，不良贷款就会增长0.040107亿元；在假定其它变量不变的情况下，每当应收贷款固定资产投资每增长1亿元，不良贷款就会增长0.148507亿元；在假定其它变量不变的情况下，每当贷款项目的多少每增长1亿元，不良贷款就会增长0.00942亿元；在假定其它变量不变的情况下，每当固定资产投资每增长1亿元，不良贷款就会减少0.02859亿元；。这与理论分析和经验判断相一致。2、统计检验（1）拟合优度：由表3.4中数据可以得到： 0.7925，修正的可决系数为0.7488，这说明模型对样本的拟合很好。（2）F检验：F检验值18.1417,明显显著，说明回归方程显著，即“贷款余额”、“应收贷款”、“贷款项目的多少”、“固定资产投资”等变量联合起来确实对“不良贷款”有显著影响。（3）t 检验：分别针对：，给定显著性水平，查t分布表得自由度为n-k=16临界值1.7534。由表3.4中数据可得，与、对应的t统计量分别为3.7487、1.8381、-1.8169，其绝对值均大于1.7534，这说明分别都应当拒绝：，也就是说，当在其它解释变量不变的情况下，贷款余额x1、应收贷款x2、固定资产投资x4解释变量都有显著的影响。不仅x3系数的t检验不显著，而且x4系数的符号与预期的相反，这表明很可能存在严重的多重共线性。计算各解释变量的相关系数，选择x1、x2、x3、x4数据，点”view/correlations”得相关系数矩阵（如表1-3）：表1-3x1x2x3x4x110.6750990.8484380.782594x20.67509910.5827630.471393x30.8484380.58276310.761381x40.7825940.4713930.7613811由相关系数矩阵可以看出：各解释变量相互之间的相关系数较高，证实确实存在严重多重共线性。五、消除多重共线性采用逐步回归的办法，去检验和解决多重共线性问题。分别作Y对x1、x2、x3、x4的一元回归，结果如下所示：分别求Y对于每个解释变量的回归方程，并确定初始的回归模型。 -0.7588+0.03759x1 （-1.00455） （7.269）0.706， 0.6927， F=52.847 -0.20039+0.4117x2 （-0.208） （4.9947）0.5313， 0.5100， F=24.9477 -0.7437+0.2961x3 （-0.6392） （4.4751）0.4765， 0.4527， F=20.0267 1.1123+0.0461x4（-0.9616） （2.8542）0.2702， 0.2371， F=8.1465按的大小排序为：x1、x2、x3、x4。以x1为基础，将其他解释变量分别引入上述初始回归模型，寻找最佳回归模型，其过程如下：第一步，在初始模型中引入x2，得到-1.3088+0.0286x1+0.1678x2（-1.7278）（4.3613）（2.0256）0.7541， 0.7307， F=21.2018由上可以看出，模型的拟合优度较高，且参数符号合理，变量也通过了t检验；第二步，在初始模型中引入x3，得到-1.1292+0.032x1+0.1687x2-0.0392x3（-1.2912） （3.1171）（1.9968） （-0.4382）0.7565， 0.7199， F=21.7059由上可以看出，模型中引入x3，虽然模型的拟合优度较高，但是x3的符号不合理，变量也没有通过t检验；第三步，在初始模型中引入x4，得到-0.9403+0.0407x1+0.1491x2-0.0281x4（-1.2731） （4.6147） （1.8966） （-1.9200）0.7924， 0.7612，