【绿色信贷对商业银行经营绩效影响的实证探析（论文）7900字】

绿色信贷对商业银行经营绩效影响的实证分析目录TOC\o"1-2"\h\u12316绿色信贷对商业银行经营绩效影响的实证分析 1313681.1因子分析 176141.1.1因子分析适用性检验 2233851.1.2因子分析结果 3247721.2实证分析 5148501.2.1描述性分析 5177251.2.2相关性分析 693051.2.3基准回归模型估计结果 8295761.2.4中介效应检验 11132201.2.5考虑异质性影响 13206821.2.6稳健性检验 15在前文理论分析的基础上，本部分内容采用实证分析的方法来进一步展开研究。首先利用因子分析法测算商业银行经营绩效，提取出安全因子、盈利因子与发展因子，而后对基准模型进行回归。随后考虑了商业银行产权异质性和资本充足率水平差异的影响，以绿色声誉为中介变量，检验是否存在绿色声誉中介效应。最后，采用划分样本期间、替换变量和动态面板GMM模型进行稳健性检验。1.1因子分析表1.1商业银行经营绩效指标体系变量名称变量符号变量描述盈利性指标资产收益率X净利润/总资产净资产收益率X净利润/所有者权益流动性指标流动性比率X流动性资产总额/流动性负债总额存贷比率X总贷款余额/总存款余额安全性指标拨备覆盖率X客户贷款和垫款减值损失准备余额/不良贷款总额不良贷款率X不良贷款额/贷款总额发展能力指标存款增长率X本年存款增长额/上年存款总额贷款增长率X本年贷款增长额/上年贷款总额净利润增长率X本年净利润增长额/上年净利润总额盈利能力是企业生存和发展的基础，信贷风险管控是经营管理中必不可少的环节，保持一定的流动性也是银行正常运转的必然需要。另外，在互联网金融和利率市场化的影响下，商业银行的利润空间不断被压缩，商业银行成长能力也是银行在经营过程中需要关注的。因此，本文定义商业银行的经营绩效主要包括四个维度的内容：盈利性，安全性、流动性以及发展能力。结合龚玉霞等（2018）和艾林等（2013）构建商业银行经营绩效的指标体系，充分考虑指标代表性与数据可得性，本文从这四个方面选取9个指标，具体如表1.1所示。紧接着进行因子分析得到本文的被解释变量--商业银行经营绩效。其中，存贷比率与不良贷款率作为逆向指标，在进行因子分析前，本文对其进行了逆向化处理（取倒数）。1.1.1因子分析适用性检验 一般来说，KMO检验和Bartlett's球状检验分别用以检验变量间的偏自相关关系与相关性关系，共同检验因子分析法对相关数据的适用性。KMO统计量取值介于0和1之间，KMO值越大，因子分析的效果越好。若Bartlett球形检验结果显示Sig.<0.05（即p值<0.05）时，说明在5%的显著性水平下因子分析有效。如表1.2所示，KMO值为0.601，大于0.5，且Bartlett's球状检验的P值为0.000，小于0.01，说明经营绩效指标体系适合进行因子分析。表1.2KMOandBartlett'sTestKaiser-Meyer-OlkinMeasureofSamplingAdequacy0.601Bartlett'sTestofSphericityApproox.Chi-Square1007.145df36Sig.0.000表1.3为9个初始变量的变量共同度，取值范围为0~1，反映公共因子的代表性强弱，取值越大，说明所提取的公共因子包含的原始信息越多，原始变量能够在较大程度上被公共因子所代表。本文的综合绩效指标体系中大部分原始变量被公因子提取信息的程度都在70%以上，说明对其进行因子提取的效果较好。表1.3公因子方差初始提取资产收益率1.0000.726净资产收益率1.0000.847流动性比率1.0000.528存贷比率1.0000.416拨备覆盖率1.0000.884不良贷款率1.0000.906存款增长率1.0000.769贷款增长率1.0000.819净利润增长率1.0000.562提取方法：主成分分析法。1.1.2因子分析结果本文采用特征值大于1的方法提取公因子，如果小于1，说明这个公共因子所包含的信息少，影响力度还不如一个基本的变量。如表1.4所示，本文选取了特征值大于1的前三个因子，累积方差贡献度为71.739%，达到一般性要求（60%以上），说明这三个因子充分有效地提取了原始变量的信息，对样本方差有71.739%以上的解释度。表1.4总方差解释成份初始特征值旋转载荷平方和总计方差百分比累积%合计方差百分比累积%13.05533.94433.9442.36726.30326.30322.07823.08457.0282.14323.80850.11131.32411.71171.7391.94721.62871.73940.7878.74280.48150.6337.03887.51860.5406.00293.52070.2933.25096.77080.2132.36599.13590.0780.865100.000提取方法：主成分分析法。表1.5为利用最大方差法旋转后成分矩阵，因子的解释和命名更有意义。可以看出公因子1的主要贡献变量为拨备覆盖率与不良贷款率，将其定义为安全因子，记为F1；盈利性与流动性往往呈负相关的关系，公因子2与盈利指标显著正相关，而与流动性指标负相关，将其定义为盈利因子，记为F2；公因子3的主要贡献变量为存款增长率与贷款增长率，与发展能力正相关，将其定义为发展因子，记为F表1.5旋转后的成分矩阵变量成分123资产收益率-0.5800.836-0.154净资产收益率0.1300.8880.204流动性比率-0.054-0.7240.005存贷比率0.235-0.2820.530拨备覆盖率0.9370.0110.078不良贷款率0.941-0.0120.145存款增长率0.044-0.1740.858贷款增长率0.2330.0030.874净利润增长率0.6850.1410.269提取方法：主成分分析法。旋转方法：具有Kaiser标准化的正交旋转法。根据表1.6成分得分系数矩阵的数据，可以算得各个因子的得分，具体的表达式如下所示。随后根据各因子的方差贡献率进行加权处理，最终计算得到各银行经营绩效得分。F1FFBBP=(26.303%F表1.6成分得分系数矩阵变量成分123资产收益率-0.0420.399-0.080净资产收益率-0.0230.4130.095流动性比率0.010-0.3400.014存贷比率-0.0040.1210.268拨备覆盖率0.448-0.044-0.141不良贷款率0.438-0.055-0.102存款增长率-0.141-0.0850.502贷款增长率-0.059-0.0110.474净利润增长率0.2780.0310.023提取方法：主成分分析法。旋转方法：具有Kaiser标准化的正交旋转法。1.2实证分析1.2.1描述性分析表1.7对指标体系中各个变量进行了描述性统计分析，可以帮助我们直观地了解样本数据的特点。从变量BBP可以看出，商业银行之间的经营绩效相差较大。绿色信贷比率（GLR）最大为19.37%，最小仅为0.37%，平均5.66%，说明我国商业银行绿色信贷发展不足，且发展不平衡，各银行对开展绿色信贷业务的积极性存在显著差异。绿色声誉(GR)最大为38，最小为0，表明已经有部分银行在绿色信贷实施上做出了良好的表率，标准差为6.42，说明不同银行间或不同年份，银行声誉存在较大差异。资产规模的对数（SIZE）虽然相差不大，但实际上各银行间的资产规模差距还是比较大的，国有商业银行资产规模普遍大于非国有商业银行。成本收入比(CIR)均值为31.60%，最大值超均值30%，表明部分银行的运营管理效率有待提升。银行成立时间（AGE）相差较大，交通银行最早成立，江苏银行最晚成立。资产负债率（DTA）均值93.44%，各银行的资产主要是源于负债，从标准差来看，不同银行、不同年份之间差异不大。货币供应增长率和GDP增长率的最大值与最小值差距明显，说明在样本期间，我国货币政策以及宏观经济形势发生了较大的变动。表1.7变量描述性统计变量名称符号观测值均值标准差最大值最小值商业银行经营绩效BBP201-0.050.572.47-1.22绿色信贷比率绿色声誉GLRGR2012015.665.171.486.4219.37380.370资产规模SIZE20110.321.2412.627.63成本收入比CIR20131.606.4166.4720.00成立时间AGE20135.1127.871115资产负债率DTA20193.441.9596.1370.50货币供应增长率M20112.731.9428.426.99GDP增长率GDP2017.511.2610.646.111.2.2相关性分析为初步分析各变量间可能的相关关系，本文利用两种方法进行相关性检验，如表1.8所示。GLR和BBP的相关系数为正，GLR和GR的相关系数也为正，且都在1%的水平上显著，即在不控制其他因素的前提下，绿色信贷对商业银行经营绩效、绿色声誉的影响均为正向的，绿色声誉对经营绩效的影响也是正向的且在5%的水平下显著，不过更为准确的结论还有待进一步实证分析。表1.8相关系数矩阵BBPGLRGRSIZECIRAGEDTAMGDPBBP0.0120.178−0.319−−0.5230.6890.744GLR0.0110.5740.704−0.2640.388−−0.302−0.324GR0.0910.6170.716−0.1790.367−−0.082-0.112SIZE−0.6930.591−0.1940.670−−0.186−0.214CIR−−0.129-0.054-0.095−0.1240.5310.3510.425AGE−0.3600.2490.597−0.183−-0.1110.042DTA0.232−-0.103−0.2630.195−0.1650.4850.538M0.550−0.268-0.108−0.1450.2740.0400.0640.869GDP0.600−0.298-0.058−0.1770.3200.0330.1700.817注：（1）相关系数矩阵左下半部分为Pearson相关系数，右上半部分为Spearman相关系数。（2）*、**、***分别表示在10%、5%和1%的显著性水平下显著。表1.8中有部分变量间相关系数较大，为排除严重的多重共线性问题对模型回归结果可能造成的影响，本文进一步进行了方差膨胀因子检验。如表1.9所示，所有的变量的VIF值都远小于临界值10，说明可以忽略多重共线性问题可能带来的消极影响，可进行进一步的研究。表1.9多重共线性诊断变量VIF1/VIFGDP3.400.294SIZE3.140.319M3.120.320GLR2.270.441GR1.780.563AGE1.690.590CIR1.170.855DTA1.140.8761.2.3基准回归模型估计结果为了便于比较，我们对样本数据进行了多个模型回归，分别为混合回归（PoolOLS）、随机效应（PanelRE）模型回归、固定效应（PanelFE）模型回归、以及双向固定效应模型（Paneltwo-wayFE）回归。表1.10商业银行绿色信贷对经营绩效的影响结果PoolOLSPanelFEPanelREPaneltwo-wayFE（1）（2）（3）（4）（5）GLR0.0243**（2.54）0.0253*（1.86）0.0032（0.27）0.0227*（1.84）0.0257*（1.85）SIZE-0.1163***（-2.93）0.1409（1.47）-0.1590*（-1.92）0.3384（1.07）CIR-0.0009（-0.85）-0.0028（-1.20）0.0053（0.68）-0.0044*（-1.81）AGE-0.0027*（-1.95）-0.2342***（-5.53）-0.0018（-0.81）0.1248（1.64）DTA0.0268*（1.74）-0.0059（-0.76）0.0293（1.46）0.0056**（2.09）M0.0248**（2.34）-0.0298***（-3.91）0.0178***（2.76）0.0436***（1.12）GDP0.1909***（1.46）-0.3076（-0.77）0.1703***（5.20）0.6267***（3.10）Constant-3.116*（-1.96）7.829**（2.69）-2.773（-1.53）0.402***（8.35）-11.011*（-2.06）个体固定效应noyesyesyesyes时间固定效应nononoyesyesObservations201201201201201R0.46180.69450.57040.73490.7431Sargan-Hansen/61.612（0.0000）//注：*、**、***分别表示在10%、5%和1%的显著性水平下显著；括号内数值为t统计量值。从表1.10中所示的结果可知，在5个不同的回归中，绿色信贷对商业银行经营绩效影响都是正向的。在对式（3.1）进行回归时，用于检验所有的个体效应的F统计量的P值为0.0000，表明应当拒绝使用混合回归模型，固定效应模型比混合回归模型更为合理。Hausman检验为选择固定效应与随机效应的传统检验方法，但是本文在回归中使用的是聚类稳健标准误，此方法并不适用。故本文选择执行xtoverid命令来进行过度识别辅助检验，结果显示，Sargan-Hansen统计量的P值为0.0000，拒绝了原假设，所以选择固定效应模型进行本文的回归更为合适。经检验，样本时间效应显著，故本文采用双向固定效应模型控制了不随时间变化的不可观测变量，在一定程度上缓解了由遗漏变量造成的内生性问题。下文不同样本模型选择均采用此流程，不再一一列出。根据表1.10，我们明确地知道了绿色信贷有利于提高商业银行经营绩效，在此基础上，我们以表1.10的第（4）列和第（5）列的回归结果为基准进行进一步分析。第（4）列未加入控制变量，仅仅控制了年度效应和个体效应，绿色信贷对经营绩效的影响仍然是正向的，且在10%的置信水平下显著；第（5）列加入了控制变量后，绿色信贷对经营绩效的正面影响显著性有所提升。综合来看，绿色信贷有助于提升商业银行的经营绩效，绿色信贷占比越大，经营绩效越高，从而证实了研究假设1a。资产规模（SIZE）对商业银行经营绩效具有正向影响，但并不显著。成本收入比在一定程度上反映银行的运营效率，成本收入比越高运营效率越低，这也与CIR系数显著为负一致。成立时间（AGE）对经营绩效有正向影响，与预期一致。资本结构（DTA）的系数为正，说明负债越多，经营绩效越高。GDP和M2的回归系数都显著为正，说明宏观经济形势对商业银行经营绩效的影响是正向的，经济发展水平越高或货币供应量越多，商业前文在提取公共因子时，将F1定义为安全因子，将F2定义为盈利因子，将F3定义为发展因子。利用基准模型对三个公共因子分别进行回归，以此探究绿色信贷对商业银行经营绩效构成因子的直接影响。回归结果如表1.11所示，无论是否加入控制变量，绿色信贷（GLR）对F1具有显著的正向影响，即绿色信贷能提高商业银行信贷资产安全性。对F2表1.11商业银行绿色信贷对经营绩效公共因子的影响FFFFFFGLR0.0504**（2.60）0.0532**（2.81）0.0032（0.18）0.0092（0.40）0.1044（0.63）0.0104（0.56）SIZE0.3376（0.57）0.4598（1.37）0.2058（0.54）CIR0.0105（0.40）-0.0106（-1.58）-0.0157（-0.67）AGE0.0047（0.03）0.1380（1.29）0.2565**（2.73）DTA-0.0163*（-1.91）0.0293***（3.16）0.0059（0.41）M0.115*（1.75）0.0142（0.89）0.1152***（5.36）GDP-0.0284（-0.46）0.8878（3.93）1.1362***（1.24）Constant-0.829***（-8.65）-3.152（-0.35）0.0095（0.07）-19.541***（-2.88）2.331***(12.78)-21.131**（-2.76）个体固定效应yesyesyesyesyesyes时间固定效应yesyesyesyesyesyesObservations2012012012012012010.33610.33980.75290.76530.62980.6345注：*、**、***分别表示在10%、5%和1%的显著性水平下显著；括号内数值为t统计量值。1.2.4中介效应检验结合理论分析部分与基准模型回归结果，我们知道绿色信贷业务可以通过影响商业银行的盈利能力、信贷风险以及发展能力等经营绩效的组成部分，进而显著提升商业银行经营绩效，尤其是提高了商业银行信贷资产的安全性。如前文研究假设部分所述，绿色信贷业务也可能通过提升绿色声誉来间接影响商业银行经营绩效。为验证这种间接影响，本文采用第三章所示的中介效应逐步检验法对其进行验证。表1.12中介效应检验（1）（2）（3）BBPGRBBPGLR0.0257*（1.85）0.4136**（2.68）0.0247*（1.76）GR0.0060*（1.95）SIZE0.3384（1.07）2.6801***（3.63）0.3345（1.04）CIR-0.0044*（-1.82）0.0378（0.61）-0.0047（-1.42）AGE0.1248（1.64）-0.0310（-1.26）0.1133（1.43）DTA0.0056*（2.02）0.3287**（2.61）0.0048*（1.91）M0.0436***（1.12）0.2475**（2.17）0.0427***（3.98）GDP0.6267***（3.10）-0.0949（-0.26）0.5951***（2.82）Constant-11.011*（-2.06）-57.865**（-2.56）-13.254*（-1.91）个体固定效应yesnoyes时间固定效应yesnoyesBootstrap检验（直接效应）0.02035（z=2.26,p=0.024）0.00397（z=1.79,p=0.074）Bootstrap检验（间接效应）Observations201201201R0.74310.42580.7453注：*、**、***分别表示在10%、5%和1%的显著性水平下显著；系数下方括号内数值为t统计量值。第（1）列即为前文的基准模型，第（2）列对中介变量绿色声誉（GR）进行回归，绿色信贷的回归系数为0.4136，且在5%的水平下显著，表明商业银行绿色信贷政策实施力度越大，所获得的媒体与社会公众的关注越多，积累的绿色声誉越多。第（3）列在基准模型的基础上加入中介变量，重新检验绿色信贷对商业银行经营绩效的影响。回归结果显示，中介变量GR的系数显著为正，即绿色声誉对商业银行经营绩效具有显著的正面影响，获得的绿色声誉越多，商业银行经营绩效越高。控制中介变量GR后，解释变量绿色信贷占比GLR对被解释变量商业银行经营绩效BBP的作用显著减弱，系数由0.0257降至0.0247，因此，绿色声誉发挥着部分中介作用，中介效应占比约为9.70%（0.0060*0.4136/0.0257）,绿色信贷能够通过绿色声誉影响商业银行经营绩效的研究假设2成立。1.2.5考虑异质性影响正如第三章所分析的，国有银行与非国有银行在实施绿色信贷政策的目标、积极性、资源配置等均有所不同，绿色信贷对商业银行经营绩效的影响也会因此有所差异。资本充足率水平也会影响绿色信贷投放行为，从而调节其对银行经营绩效的影响。本部分拟对研究假设3和研究假设4进行验证。本文将样本数据划分为国有商业银行国有商业银行包括中国银行、农业银行、交通银行、工商银行、邮政储蓄银行、建设银行。和非国有商业银行两组来检验产权异质性的影响。分组后分别对两组样本进行基准模型回归，结果如表1.13的第（1）列和第（2）列所示。可以看出，绿色信贷对商业银行经营绩效具有正向影响，但对国有商业银行的积极影响在5%的水平下显著，而非国有商业银行的显著性较弱，在10%的显著性水平下仍然不显著，验证了前文研究假设3。国有商业银行包括中国银行、农业银行、交通银行、工商银行、邮政储蓄银行、建设银行。表1.13第（3）列和第（4）列是式（3.2）的回归结果，用以检验资本充足率水平的异质性影响。第（3）列显示，加入变量资本充足率后，绿色信贷对商业银行经营绩效的影响仍然显著为正。在第（4）列中加入交叉项，绿色信贷对商业银行经营绩效的总效应为-0.1241+0.0107*CAR，资本充足率水平CAR的均值为12.67，则绿色信贷对商业银行经营绩效的总影响为：0.0115（参照郭晔（2017）的研究方法），再次表明绿色信贷对商业银行经营绩效有正向影响。绿色信贷与资本充足率的交乘项的系数为正，表明资本充足率水平对绿色信贷影响商业银行经营绩效的过程具有积极影响，资本充足率水平越高，绿色信贷对商业银行经营绩效的影响越强，从而验证了研究假设4。表1.13考虑异质性影响的估计结果国有商业银行（1）非国有商业银行（2）全样本（3）全样本（4）GLR0.0135**（2.74）0.0225（1.19）0.0255*（1.86）-0.1241*（-1.79）CAR0.0130*（1.78）-0.0434（-1.69）CAR×GLR0.0107**（2.21）SIZE-1.587**（-2.89）0.2332**（2.79）0.3743（1.21）0.6130*（1.84）CIR-0.0047（-1.27）-0.0138*（-1.99）-0.0031（-1.19）-0.0091（-1.60）AGE-0.0504（-0.36）-0.0037（-0.26）0.1194（1.55）0.0883（1.33）DTA0.1724*（1.86）-0.0092（-0.96）0.0066*（1.78）0.0024（1.62）M0.0049*

（2.11）0.0199*（2.11）0.0439***（1.10）0.0437***（1.08）GDP-0.4053（-0.89）0.1726*（2.02）0.6309***（3.06）0.6686***（3.58）Constant9.1092（0.41）1.766*（1.83）-11.528**（-2.11）-11.828**（-2.33）个体固定效应yesnoyesyes时间固定效应yesyesyesyesObservations591422012010.94960.60850.74350.7570注：*、**、***分别表示在10%、5%和1%的显著性水平下显著；括号内数值为t统计量值。1.2.6稳健性检验为确保本文研究结论的可靠性，本文将采用以下方法进行稳健性检验：（1）划分不同的时间段。参照郭晔等（2018）和张琳等（2019）的方法，将样本分为2009-2012年以及2012-2019年两个时间段重新检测回归结果。由于早期绿色信贷业务规模较小，而2012年《绿色信贷指引》发布后，实施绿色信贷政策的商业银行增多，绿色信贷规模也明显增加，重新划分样本期间能够避免样本异常值带来的影响。（2）替换变量法。商业银行经营绩效指标体系的成分变量不同，利用因子分析法测算的经营绩效最终得分也会有所不同，对回归结果可能是有影响的。故本文用基本每股收益替换净资产收益率、用最大十家客户贷款比率替换存贷比、用可持续增长率替换净利润增长率，重新测算商业银行经营绩效，排除偶然性情况的影响。（3）更换回归模型。商业银行经营绩效可能具有时间上的动量连续性，即上期经营绩效对本期经营绩效存在较强的影响，若是上期绩效高，本期绩效也不会太低。据此本文引入商业银行经营绩效的滞后一期项LagBBP,建立动态面板模型。同时，为解决模型可能存在的内生性问题，本文采用动态面板系统GMM（两步法）进行稳健性检验。表1.14前两列为利用2012年之前的数据进行回归的结果，（3）、（4）列为2012-2019年的数据回归的结果。不难看出，2012-2019年的样本组中，绿色信贷占比的回归系数的符号、显著性与基准模型的结果一致，说明开展绿色信贷业务能显著提升商业银行经营绩效。2012年之前的数据的回归系数为负，但在统计上不显著，表明绿色信贷业务初期，投入大，业务量少，社会公众对其熟知程度也较低，故其带来的效益还不足以覆盖昂贵的成本投入，与前文的成本收益模型所分析的一致。但也可能是因为样本过少、异常值较多所导致。表1.14最后两列为替换变量后的回归结果，可以看出，重新测算商业银行经营绩效后，绿色信贷对商业银行经营绩效的回归系数仍然显著为正，与基准回归一致。表1.14稳健性检验1和稳健性检验2（1）（2）（3）（4）（5）（6）GLR-0.1481(-1.25)-0.0465(-0.42)0.0197*(1.78)0.0356**(2.16)0.0204*(1.80)0.0168*(1.90)SIZE0.8776*(2.05)-0.1283*(-1.90)0.0643(1.32)CIR-0.0203*(-1.95)-0.0025(-1.24)-0.0013*(-1.82)AGE-2.0961*(-1.86)-0.0022(-1.08)0.2957*(1.86)DTA-0.0657(-1.40)0.0639(1.62)-0.0030(-0.21)M0.3597(1.72)0.0702***(1.72)0.0541**(2.19)GDP1