【《区域经济发展对城市商业银行经营业绩的影响实证分析概述》2800字】

区域经济发展对城市商业银行经营业绩的影响实证分析概述目录TOC\o"1-3"\h\u28338区域经济发展对城市商业银行经营业绩的影响实证分析概述 18372（一）样本来源及指标选取 1291331.样本来源 1180072.指标选取 2147563.数据来源 229614（二）面板模型的设定 25546（三）实证研究 3234501.单位根检验 3290702.协整检验 3302313.维数检验 4236134.Hausman检验 514776（四）模型回归结果及分析 5（一）样本来源及指标选取1.样本来源本文基于数据的可得性，通过全国134家城市商业银行的官方网站查看2012—2018年的信息披露，选取了50家城市商业银行作为样本，具体如下表：表5.150家城市商业银行区域分布区域省份城商行数量东部地区上海、江苏、浙江、福建、山东、广东、上海银行、江苏银行、苏州银行、杭州银行、宁波银行、温州银行、嘉兴银行、金华银行、台州银行、厦门银行、青岛银行、潍坊银行、烟台银行、日照银行、广州银行、珠海华润银行、东莞银行、17中部地区河北、山西、安徽、江西、河南、湖北、湖南河北银行、承德银行、保定银行、邢台银行、晋商银行、徽商银行、九江银行、赣州银行、郑州银行、洛阳银行、汉口银行、长沙银行12西部地区内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、新疆、内蒙古银行、广西北部湾银行、桂林银行、重庆银行、泸州银行、乐山市银行、贵阳银行、富滇银行、西安银行、兰州银行、青海银行、乌鲁木齐银行、12东北部地区北京、天津、辽宁、吉林、黑龙江、北京银行、天津银行、盛京银行、葫芦岛银行、大连银行、丹东银行、营口银行、吉林银行、哈尔滨银行9由表5.1可知，50家城市商业银行一共分布在了28个省份，其覆盖面比较广，因此该样本能够作为研究的基础。2.指标选取（1）被解释变量衡量银行经营绩效的指标有很多，为了准确的研究区域经济发展对城市商业银行经营业绩的影响，本文以各城市商业银行的净利润（netprofit）作为被解释变量。（2）解释变量国内生产总值(gdp)：GDP常被认为是衡量一个国家或地区经济发展状况的最佳指标，它是所有常住单位在一定时期内生产的全部货物和服务价值超过同期投入的全部非固定资产货物和服务价值的差额，及所有常住单位的增加值之和。因此本文选择各城市商业银行所在地区的GDP作为其中的一个解释变量。总人口数(totalpopulation)：总人口数可以衡量一个地区的规模和人口数量大小，因此本文选取地区的总人口数作为第二个指标去研究一个地区的人口数量是否会对城市商业银行的经营绩效产生影响。银行总资产(totalassets)：本文选取的第三个变量是银行的总资产，总资产可以衡量一个银行经营规模的大小以及资产的大小。因此本文以银行的总资产作为第三个变量进行研究，去探讨银行总资产是否会对其经营业绩产生影响。3.数据来源本文选取的数据为城商行的净利润、城商行所在地区的生产总值、城商行所在地区的总人口数城和城商行的总资产，基于数据的可得性以及完整性，本文选取的数据范围为2012年-2018年，所选取的数据来源于国家统计局、《中国商业银行统计年鉴》、Wind数据库以及各城商行的年报。（二）面板模型的设定本文选取50家2012-2018年数据较为齐全的城商行进行研究，运用面板数据对其进行分析，研究区域经济发展对城商行经营业绩的影响。为了避免模型出现伪回归，本文通过EVIEWS10软件对数据的平稳性进行了检验。本文的面板模型的设定如下：QUOTElnnpfi,tlnnpfi,t=QUOTEβ0β0+QUOTEβ1lngdpi,tβ1lngdpi,t+QUOTEβ2lnttpi,tβ2lnttpi,t+QUOTEβ3lnttai,tβ3lnttai,t+i=1,2,327,28t=20122017,2018QUOTElnnpfitlnnpfit表示某地区在某时间的城商行净利润，QUOTEβ0β0表示常数项，QUOTElngdpi,tlngdpi,t表示某地区在某段时间的地区生产总值，QUOTElnttpi,tlnttpi,t表示地区的人口总数量，QUOTElnttai,tlnttai,t表示城商行的总资产数量，QUOTEεi,tεi,t表示随机误差项。（三）实证研究1.单位根检验单位根检验是指检验序列中是否存在单位根，因为存在单位根就是非平稳时间序列了。因此要对所有的变量进行单位根检验，判断其是否是平稳的序列，以防止模型出现伪回归现象。因此本文通过EVIEWS10软件对变量进行单位根检验，经过一阶差分后各变量均平稳，下列是各变量的单位根检验结果：表5.2单位根检验结果变量t-StatisticLLC是否平稳lnnpf161.441*-10.8963*平稳lngdp161.831*-46.8567*平稳lnttp186.559*-239.395*平稳lntta135.965*-19.4648*平稳注：***，**，*分别代表1%、5%、10%的显著水平由表5.2可以看出，lnnpf、lngdp、lnttp、lntta在1%的显著水平下均平稳，说明数据具有平稳性。2.协整检验为了判断变量之间是否存在长期均衡的协整关系，还要对面板数据进行协整检验。本文运用Kao检验和Pedroni检验两种协整检验方法进行检验，检验结果表明均存在长期均衡的协整关系，检验结果如下：表5.3协整检验结果检验方法statisticp-value结论Kao检验-5.5029630.0000协整Pedroni检验-5.6458360.0000协整-13.127660.0000协整-16.324790.0000协整由表5.3的检验结果可知，原假设为变量间不存在协整关系，但根据kao检验和Pedroni检验结果的P值可知，均不接受原假设，即各变量之间均存在长期均衡的协整关系。3.维数检验为了对面板模型进行识别，确定要采用何种面板数据模型，此时还要进行维数检验，确定是个体的变化还是时间节点的变化，最后再确定模型。维数检验的结果如下：表5.4维数检验结果EffectsTestStatisticd.f.Prob.Cross-sectionF6.363052(49,291)0.0000Cross-sectionChi-square254.8685693490.0000PeriodF1.431730(6,291)0.2022PeriodChi-square10.18250560.1172Cross-Section/PeriodF6.764866(55,291)0.0000Cross-Section/PeriodChi-square288.243803550.0000由表5.4可知，若上述检验均不拒绝原假设，则可以建立混合面板模型，然而上述检验中，Cross-sectionF为原假设，表示模型是一个个体Pool模型，即个体没有固定效应也没有随机效应，时点是一个固定效应模型。而Cross-sectionChi-square则为备选假设，表示个体和时点都是固定效应模型。PeriodF表示个体是固定效应模型，时点是pool模型，即没有固定效应也没有随机效应，PeriodChi-square表示个体和时点都是固定效应模型。Cross-Section/PeriodF表示两者相结合既有固定效应又有随机效应，Cross-Section/PeriodChi-square表示个体和时点都是固定效应模型。表5.4中P值在5%显著水平下拒绝原假设，则表明接受备选假设，所以个体和时点都是变化的。4.Hausman检验通过维数检验确定是个体变化还是时点变化之后，还要经过Hausman检验确定选择何种面板数据模型，下表是Hausman检验的结果：表5.5Hausman检验结果TestSummaryStatisticChi-Sq.d.f.Prob.面板数据模型选择Periodrandom22.33810930.0001时点固定效应模型Cross-sectionrandom53.7440130.0000个体固定效应模型根据表5.5可知，Periodrandom原假设为时点是随机效应模型，Cross-sectionrandom原假设为随机效应模型，但检验结果的P值在1%的显著水平下均拒绝原假设，所以应该选择固定效应模型。（四）模型回归结果及分析通过上述检验的结果可知，本文应该选择固定效应模型进行实证分析，为了使实证结果更准确，本文对变量进行取对数后才进行实证回归，回归的结果如下表所示：表5.6模型回归结果变量lngdp6.6546[5.1081]**lnttp1.5461[0.1319]lntta0.0059[17.3558]*C8.1651[7.2163]*R20.9588F-statistic116.7594Prob(F-statistic)0.0000注：***，**，*分别代表1%、5%、10%的显著水平，表格两类数值分别表示系数和T统计值。根据表5.6可以得到模型回归方程式，如下：QUOTElnnpfi,tlnnpfi,t=8.1651+QUOTE6.6546lngdpi,t6.6546lngdpi,t+QUOTE1.5461lnttpi,t1.5461lnttpi,t+QUOTE0.0059lnttai,t0.0059lnttai,t+QUOTEεi,tε其中i=1,2,……28,t=2012……2017,2018从实证的结果来看,方程的拟合优度为0.9588，拟合优度值接近于1，且模型回归通过F检验，说明模型具有较好的解释作用。根据模型回归的结果，地区