门限模型下商业银行非利息收入与经营绩效关系的深度剖析

门限模型下商业银行非利息收入与经营绩效关系的深度剖析一、引言1.1研究背景与意义1.1.1研究背景在金融市场蓬勃发展与金融创新持续推进的大背景下，商业银行的经营环境正经历着深刻变革。长期以来，商业银行主要依赖利息收入，以传统的存贷业务作为主要盈利来源。但近年来，随着利率市场化进程的加速，金融脱媒现象日益显著，互联网金融也迅速崛起，这些因素对商业银行的传统业务造成了巨大冲击，使其面临着前所未有的挑战。利率市场化的推进，使得商业银行存贷利差不断收窄，传统业务的利润空间被压缩。金融脱媒使得企业和个人的融资、投资渠道更加多元化，不再过度依赖银行贷款和存款，这进一步减少了商业银行的利息收入来源。而互联网金融凭借其便捷性、高效性和创新性，吸引了大量客户，分流了商业银行的业务，加剧了市场竞争。在这样的形势下，商业银行依靠单一的利息收入模式已难以维持良好的经营绩效和市场竞争力，拓展非利息收入业务成为其必然选择。近年来，我国商业银行纷纷加大在非利息收入业务领域的布局与投入，非利息收入业务得到了快速发展，其在营业收入中的占比不断提升。非利息收入主要包括手续费及佣金收入、投资收益、汇兑收益以及其他业务收入等。手续费及佣金收入来源于银行卡业务、支付结算业务、代理业务、咨询顾问业务等；投资收益则来自于商业银行对债券、股票、基金等金融资产的投资；汇兑收益产生于外汇交易等业务；其他业务收入涵盖了租赁收入、信托收入等多个方面。然而，尽管非利息收入业务呈现出良好的发展态势，但在发展过程中仍存在诸多问题与挑战。一方面，非利息收入业务结构不够合理，手续费及佣金收入在非利息收入中占比较大，而其他类型的非利息收入占比相对较小，业务种类相对单一，创新能力不足，难以满足客户多样化的金融需求。另一方面，非利息收入业务的风险管理难度较大，由于该业务涉及的领域广泛，风险种类复杂，包括市场风险、信用风险、操作风险等，对商业银行的风险管理能力提出了更高要求。若风险管理不到位，可能会给银行带来较大损失，影响其经营绩效和稳健发展。此外，人才短缺也是制约非利息收入业务发展的重要因素之一，非利息收入业务需要具备专业知识和技能的复合型人才，如金融市场分析人才、投资管理人才、风险管理人才等，而目前商业银行在这方面的人才储备相对不足，在一定程度上限制了业务的拓展。因此，深入研究商业银行非利息收入与经营绩效的关系，剖析非利息收入业务发展中存在的问题，对于商业银行优化收入结构、提升经营绩效、增强市场竞争力具有重要的现实意义，同时也能为监管部门制定相关政策提供理论依据和实践参考。1.1.2研究意义理论意义：目前，关于商业银行非利息收入与经营绩效关系的研究虽然取得了一定成果，但仍存在许多有待深入探讨的地方。不同学者基于不同的研究样本、研究方法和研究时期，得出的结论不尽相同，尚未形成统一的理论体系。通过本研究，运用门限模型等实证方法，深入分析非利息收入对经营绩效的影响机制，以及在不同条件下这种影响的变化情况，有助于丰富和完善商业银行经营管理理论，为后续研究提供新的视角和方法，进一步推动该领域的学术发展。实践意义：对于商业银行自身而言，明确非利息收入与经营绩效的关系，能够帮助银行管理层更清晰地认识到非利息收入业务在银行经营中的重要地位和作用。从而依据研究结果，结合银行自身的实际情况，如资产规模、业务特点、市场定位等，制定合理的非利息收入业务发展战略和经营策略。在业务拓展方面，确定重点发展的非利息收入业务领域，加大资源投入，提高业务创新能力，优化业务结构，提升非利息收入的质量和规模。在风险管理方面，加强对非利息收入业务风险的识别、评估和控制，建立健全风险管理体系，确保业务的稳健发展。在人才培养方面，重视专业人才的引进和培养，提高员工的业务素质和能力，为非利息收入业务的发展提供有力的人才支持。通过这些措施，提高银行的经营绩效和市场竞争力，实现可持续发展。从宏观层面来看，商业银行作为金融体系的重要组成部分，其经营绩效和稳健发展对于整个金融行业的稳定和发展至关重要。研究商业银行非利息收入与经营绩效的关系，有助于监管部门了解商业银行收入结构的变化趋势和经营状况，为制定科学合理的金融监管政策提供参考依据。监管部门可以根据研究结果，加强对商业银行非利息收入业务的监管，规范业务发展，防范金融风险，促进金融市场的公平竞争和健康发展。同时，也有利于推动金融行业的创新和改革，引导金融机构优化业务结构，提高服务实体经济的能力，为我国经济的高质量发展提供有力的金融支持。1.2研究方法与创新点1.2.1研究方法描述性统计分析：收集我国多家商业银行在一定时期内的相关数据，涵盖非利息收入及其细分项目的规模、占比，以及反映经营绩效的各项指标数据。运用描述性统计方法，计算这些数据的均值、中位数、最大值、最小值、标准差等统计量，对商业银行非利息收入和经营绩效的整体状况、分布特征进行直观展示和初步分析，为后续深入研究提供基础。例如，通过计算非利息收入占营业收入的均值，可以了解我国商业银行非利息收入在整体收入中的平均水平；通过标准差可以衡量不同银行之间非利息收入占比的离散程度，反映行业内的差异情况。相关性分析：采用相关性分析方法，研究商业银行非利息收入与经营绩效之间的线性相关关系。计算非利息收入与经营绩效指标（如净资产收益率、总资产收益率等）之间的相关系数，判断两者之间是否存在关联以及关联的方向和强度。同时，对非利息收入的各个细分项目与经营绩效指标进行相关性分析，进一步了解不同类型非利息收入对经营绩效的影响差异。例如，若手续费及佣金收入与净资产收益率的相关系数为正且数值较大，说明手续费及佣金收入的增加可能对净资产收益率的提升有较强的促进作用。通过相关性分析，可以初步判断变量之间的关系，为建立回归模型提供依据。面板数据回归分析：构建面板数据回归模型，将商业银行非利息收入作为解释变量，经营绩效指标作为被解释变量，同时控制其他可能影响经营绩效的因素，如资本充足率、资产负债率、银行规模等。利用面板数据回归方法，可以充分考虑个体异质性和时间趋势，提高估计的准确性和可靠性。通过回归分析，确定非利息收入对经营绩效的影响系数，检验其显著性，从而明确非利息收入对经营绩效的影响方向和程度。例如，若回归结果显示非利息收入的系数为正且在统计上显著，表明非利息收入的增加对经营绩效有显著的正向影响；反之，若系数为负，则说明非利息收入的增加可能会降低经营绩效。门限回归分析：运用门限回归模型，以非利息收入占比、非利息收入增长率等作为门限变量，研究在不同门限区间内非利息收入对经营绩效的非线性影响。通过门限回归分析，确定门限值和门限区间，分析在不同门限条件下非利息收入与经营绩效之间关系的变化情况。例如，可能发现在非利息收入占比低于某个门限值时，非利息收入的增加对经营绩效的提升作用较小；而当非利息收入占比超过该门限值后，非利息收入对经营绩效的促进作用显著增强。门限回归分析能够更细致地揭示变量之间的复杂关系，为商业银行制定差异化的非利息收入业务发展策略提供更精准的依据。在整个研究过程中，借助Eviews、Stata等专业统计分析软件进行数据处理和模型估计。Eviews软件操作相对简单，界面友好，在时间序列分析、描述性统计等方面功能强大，适合进行初步的数据处理和分析。Stata软件则具有高效、灵活、功能全面的特点，尤其在面板数据模型估计、复杂的计量检验等方面表现出色，能够满足本研究中对面板数据回归分析和门限回归分析的需求，确保研究结果的准确性和可靠性。1.2.2创新点研究视角创新：以往研究大多从线性关系角度探讨商业银行非利息收入与经营绩效的关系，而本研究引入门限模型，从非线性视角出发，深入分析非利息收入对经营绩效的影响在不同条件下的变化情况。考虑到非利息收入业务的发展可能存在规模效应、结构效应等，当非利息收入占比或增长率达到一定水平时，其对经营绩效的影响可能会发生质的变化。通过门限模型能够捕捉这种非线性关系，为商业银行非利息收入业务发展与经营绩效提升之间的关系研究提供新的视角，使研究结果更加符合实际情况，为商业银行制定科学合理的发展战略提供更具针对性的参考。非利息收入结构研究细化：现有研究对非利息收入整体与经营绩效关系的探讨较多，但对非利息收入内部结构的分析相对不足。本研究不仅关注非利息收入总额对经营绩效的影响，还将非利息收入细分为手续费及佣金收入、投资收益、汇兑收益、其他业务收入等多个具体项目，深入研究各细分项目与经营绩效之间的关系。不同细分项目具有不同的业务特点、风险特征和盈利模式，对经营绩效的影响机制也不尽相同。通过这种细化研究，能够更全面、深入地了解非利息收入业务的内在结构对经营绩效的影响，为商业银行优化非利息收入业务结构、提高经营绩效提供更详细、精准的建议，有助于商业银行有针对性地发展各类非利息收入业务，实现收入结构的优化升级。考虑多因素交互影响：在研究非利息收入与经营绩效关系时，综合考虑多种因素的交互影响。除了分析非利息收入本身及其结构对经营绩效的作用外，还纳入银行自身经营特征（如资本充足率、负债结构、业务范围等）以及宏观经济环境（如GDP增长率、通货膨胀率、货币政策等）等因素。这些因素与非利息收入之间可能存在相互作用，共同影响商业银行的经营绩效。例如，宏观经济环境的变化可能会影响非利息收入业务的市场需求和风险状况，进而影响其对经营绩效的贡献；银行的资本充足率和负债结构可能会制约非利息收入业务的开展规模和风险承受能力，从而间接影响经营绩效。通过考虑多因素交互影响，能够构建更全面、准确的研究模型，更深入地揭示商业银行非利息收入与经营绩效之间的复杂关系，为商业银行经营管理和政策制定提供更全面的决策依据。1.3研究思路与框架1.3.1研究思路本文旨在深入探究商业银行非利息收入与经营绩效之间的关系，通过理论分析与实证检验相结合的方式，全面剖析非利息收入对经营绩效的影响机制及其非线性特征，为商业银行的经营管理提供理论支持和实践指导。具体研究思路如下：理论基础与文献综述：梳理商业银行非利息收入与经营绩效的相关理论，如金融创新理论、规模经济理论、范围经济理论等，明确非利息收入的概念、构成和特点，以及经营绩效的衡量指标和评价方法。同时，广泛查阅国内外相关文献，对已有研究成果进行系统回顾和总结，分析现有研究的不足和有待进一步深入探讨的问题，为后续研究奠定坚实的理论基础。现状分析：收集和整理我国商业银行近年来的财务数据，运用描述性统计方法，对商业银行非利息收入的规模、结构、增长趋势，以及经营绩效的各项指标进行详细分析。深入探讨非利息收入业务的发展现状，包括手续费及佣金收入、投资收益、汇兑收益等各细分项目的发展情况，以及在发展过程中存在的问题和面临的挑战。通过现状分析，直观了解我国商业银行非利息收入与经营绩效的现实状况，为后续实证研究提供数据支持和现实依据。实证研究设计：根据研究目的和理论分析，选取合适的研究样本和数据，确定被解释变量（经营绩效指标）、解释变量（非利息收入及其细分项目）和控制变量（银行自身经营特征、宏观经济环境等因素）。运用描述性统计分析、相关性分析、面板数据回归分析等方法，初步研究非利息收入与经营绩效之间的线性关系，检验非利息收入对经营绩效的影响方向和程度。在此基础上，引入门限模型，以非利息收入占比、非利息收入增长率等作为门限变量，研究在不同门限区间内非利息收入对经营绩效的非线性影响，确定门限值和门限区间，深入分析变量之间的复杂关系。实证结果与分析：运用Eviews、Stata等统计分析软件对数据进行处理和模型估计，得到实证结果。对实证结果进行详细分析，包括线性回归结果和门限回归结果。在线性回归分析中，重点关注非利息收入及其细分项目对经营绩效的影响系数和显著性水平，判断其影响方向和程度。在门限回归分析中，分析不同门限区间内非利息收入与经营绩效关系的变化情况，探讨门限效应的存在及其作用机制。同时，进行稳健性检验，采用不同的样本、变量定义或估计方法，验证实证结果的可靠性和稳定性，确保研究结论的准确性和可信度。结论与建议：根据实证研究结果，总结商业银行非利息收入与经营绩效之间的关系，得出研究结论。针对研究结论，结合我国商业银行的实际情况和市场环境，从商业银行自身经营管理和监管部门政策制定两个层面提出相应的建议。商业银行应优化非利息收入业务结构，加强风险管理，提高业务创新能力和人才培养水平，以提升非利息收入的质量和规模，进而提高经营绩效。监管部门应加强对商业银行非利息收入业务的监管，完善相关法律法规和政策制度，营造良好的市场竞争环境，促进商业银行非利息收入业务的健康发展，维护金融市场的稳定。1.3.2研究框架本文的研究框架共分为六个部分，具体内容如下：第一部分：引言：阐述研究背景与意义，介绍商业银行在金融市场变革背景下拓展非利息收入业务的必要性，以及深入研究非利息收入与经营绩效关系的理论和实践价值。同时，说明研究方法与创新点，包括采用的描述性统计分析、相关性分析、面板数据回归分析、门限回归分析等研究方法，以及从研究视角、非利息收入结构研究、多因素交互影响考虑等方面的创新之处。此外，还梳理了研究思路与框架，明确从理论基础到实证研究再到结论建议的研究流程，展示论文的整体结构。第二部分：理论基础与文献综述：系统阐述商业银行非利息收入与经营绩效相关的理论基础，如金融创新理论如何推动商业银行开展非利息收入业务，规模经济理论和范围经济理论在非利息收入业务发展中的体现等。全面梳理国内外关于商业银行非利息收入与经营绩效关系的研究文献，对不同学者的研究观点、研究方法和研究结论进行归纳总结，分析现有研究的不足，为后续研究提供理论支持和研究方向。第三部分：商业银行非利息收入与经营绩效的现状分析：收集我国商业银行的相关数据，运用描述性统计方法，详细分析非利息收入的规模、占比、增长趋势以及业务结构，包括手续费及佣金收入、投资收益、汇兑收益等各细分项目的占比和变化情况。同时，对反映经营绩效的指标，如净资产收益率、总资产收益率、成本收入比等进行分析，展示我国商业银行经营绩效的现状。通过现状分析，揭示非利息收入业务发展中存在的问题，如业务结构不合理、风险管理难度大、人才短缺等，为后续实证研究提供现实依据。第四部分：实证研究设计：明确研究样本的选取范围和数据来源，确定被解释变量（如净资产收益率、总资产收益率等经营绩效指标）、解释变量（非利息收入及其细分项目）和控制变量（资本充足率、资产负债率、银行规模、GDP增长率、通货膨胀率等）。详细介绍采用的描述性统计分析、相关性分析、面板数据回归分析和门限回归分析等研究方法，构建相应的实证研究模型，为实证研究做好准备。第五部分：实证结果与分析：运用统计分析软件对数据进行处理和模型估计，展示描述性统计结果、相关性分析结果、面板数据回归结果和门限回归结果。对实证结果进行深入分析，探讨非利息收入对经营绩效的线性影响和非线性影响，分析不同门限区间内非利息收入与经营绩效关系的变化情况，以及各控制变量对经营绩效的影响。同时，通过稳健性检验，验证实证结果的可靠性和稳定性。第六部分：结论与建议：总结实证研究的主要结论，明确商业银行非利息收入与经营绩效之间的关系，包括非利息收入对经营绩效的影响方向、程度以及存在的门限效应。基于研究结论，从商业银行自身角度提出优化非利息收入业务结构、加强风险管理、提升创新能力和人才培养等建议；从监管部门角度提出加强监管、完善政策制度等建议，以促进商业银行非利息收入业务的健康发展，提高经营绩效，实现可持续发展。二、理论基础与文献综述2.1相关理论基础2.1.1商业银行经营绩效理论商业银行经营绩效是指商业银行在一定经营期间内，运用其资源开展各项业务活动所取得的成果和效益，它综合反映了银行的盈利能力、资产质量、流动性水平以及市场竞争力等多方面的情况。经营绩效的高低不仅直接影响着银行自身的生存与发展，还对整个金融体系的稳定和经济的健康运行具有重要意义。在衡量商业银行经营绩效时，常用的指标涵盖多个维度，主要包括盈利能力指标、资产质量指标、流动性指标、资本充足性指标等。盈利能力指标用于衡量银行获取利润的能力，是经营绩效的核心体现。其中，资产收益率（ROA）是银行税后利润与全部资产平均余额的比值，公式为：ROA=\frac{税后利润}{资产平均余额}\times100\%，该指标反映了银行运用全部资产获取利润的效率，数值越高，表明银行资产利用效率越高，盈利能力越强。净资产收益率（ROE）则是税后利润与净资产的比率，即ROE=\frac{税后利润}{净资产}\times100\%，它体现了股东权益的收益水平，衡量了银行运用自有资本获取收益的能力，较高的ROE意味着银行能够为股东创造更多的价值。营业利润率是营业利润与营业收入的比值，剔除了非经常性损益的影响，能更准确地反映银行核心业务的盈利能力，公式为：营业利润率=\frac{营业利润}{营业收入}\times100\%，该指标越高，说明银行经营活动的获利能力越强。资产质量指标主要用于评估银行资产的优劣程度，关系到银行的风险状况和稳健经营。不良贷款率是不良贷款占总贷款的比例，即不良贷款率=\frac{不良贷款}{总贷款}\times100\%，不良贷款率越低，表明银行贷款资产的质量越高，信用风险越低；相反，较高的不良贷款率则意味着银行面临较大的信用风险，可能会对经营绩效产生负面影响。贷款拨备率是贷款损失准备金与贷款总额的比值，反映了银行对贷款损失的准备金计提水平，公式为：贷款拨备率=\frac{贷款损失准备金}{贷款总额}\times100\%，较高的贷款拨备率意味着银行具有更强的风险抵御能力，能够在一定程度上缓冲贷款损失对经营绩效的冲击。流动性指标用于衡量银行满足客户资金需求和应对资金流动风险的能力。流动性比例是流动性资产与流动性负债的比值，即流动性比例=\frac{流动性资产}{流动性负债}\times100\%，该指标反映了银行流动资产覆盖流动负债的程度，一般要求流动性比例不低于25%，以确保银行具备足够的流动性来应对短期资金需求。存贷比是贷款总额与存款总额的比值，即存贷比=\frac{贷款总额}{存款总额}\times100\%，它反映了银行资金运用的程度和资金来源与运用的匹配情况，合理的存贷比有助于银行在保持流动性的同时实现盈利最大化。资本充足性指标反映了银行抵御风险的能力和资本实力。资本充足率是银行资本与风险加权资产的比率，即资本充足率=\frac{资本}{风险加权资产}\times100\%，其中资本包括核心一级资本、其他一级资本和二级资本，风险加权资产是对银行各类资产根据其风险程度进行加权计算得出的，根据巴塞尔协议III的要求，商业银行的资本充足率不得低于8%，核心一级资本充足率不得低于4.5%，充足的资本能够增强银行吸收损失的能力，保障银行的稳健经营。一级资本充足率是一级资本与风险加权资产的比值，一级资本包括核心一级资本和其他一级资本，该指标同样用于衡量银行的资本实力和风险抵御能力。这些指标从不同角度全面地反映了商业银行的经营绩效，在实际分析中，通常需要综合考虑多个指标，以准确评估银行的经营状况和绩效水平。例如，一家银行的资产收益率和净资产收益率较高，表明其盈利能力较强；同时，不良贷款率较低、贷款拨备率较高，说明其资产质量良好，风险抵御能力较强；流动性比例和存贷比处于合理范围，显示银行具备较好的流动性管理能力；资本充足率和一级资本充足率满足监管要求，则体现了银行具有足够的资本实力来应对潜在风险。通过对这些指标的综合分析，可以对商业银行的经营绩效做出全面、客观的评价，为银行管理者、投资者、监管机构等利益相关者提供决策依据。2.1.2非利息收入理论非利息收入是指商业银行除利差收入之外的营业收入，主要来源于中间业务收入和咨询、投资等活动产生的收入。随着金融市场的发展和金融创新的推进，非利息收入在商业银行总收入中的占比逐渐提高，对银行经营绩效的影响也日益显著。非利息收入可大致分为手续费及佣金收入、投资收益、汇兑收益以及其他业务收入等类别。手续费及佣金收入是商业银行非利息收入的重要组成部分，主要源于银行卡业务、支付结算业务、代理业务、咨询顾问业务等。例如，在银行卡业务中，银行向客户收取的年费、手续费、透支利息等构成了手续费及佣金收入的一部分；支付结算业务中，银行通过为客户提供转账汇款、票据结算等服务获取手续费收入；代理业务涵盖代理销售基金、保险、债券等金融产品，银行从中收取一定比例的佣金。投资收益是银行通过对金融资产进行投资所获得的收益，包括对债券、股票、基金等的投资收益。当银行投资的债券到期兑付或在市场上出售获得差价收益，以及持有股票获得股息红利收入、基金分红收入等，都属于投资收益的范畴。汇兑收益产生于银行的外汇交易业务，由于汇率波动，银行在买入和卖出外汇过程中可能会获得汇兑收益。其他业务收入包括租赁收入、信托收入、资产处置收入等，这些收入来源相对较为分散，但在非利息收入中也占有一定比例。与利息收入相比，非利息收入具有自身独特的特点。非利息收入的稳定性相对较高。利息收入受利率波动和经济周期的影响较大，具有较强的周期性。在经济衰退时期，利率下降，贷款需求减少，银行的利息收入可能会大幅下降；而在经济繁荣时期，利率上升，贷款需求增加，利息收入相应增加。相比之下，非利息收入业务如手续费及佣金收入，通常与银行的日常业务活动紧密相关，受经济周期的影响相对较小。一些支付结算业务和代理业务，只要客户持续使用银行的服务，银行就能稳定地获得手续费收入。非利息收入的风险分散性较好。利息收入主要依赖于贷款业务，信用风险较为集中。一旦贷款客户出现违约，银行将面临较大的损失。而非利息收入业务涉及多个领域，风险来源较为分散。手续费及佣金收入主要面临操作风险，投资收益面临市场风险和信用风险，汇兑收益面临汇率风险。通过开展多元化的非利息收入业务，银行可以将风险分散到不同的业务领域，降低整体风险水平。非利息收入还具有较高的附加值。许多非利息收入业务如咨询顾问业务、资产管理业务等，需要银行具备专业的知识和技能，为客户提供个性化的金融解决方案。这些业务不仅能够为银行带来收入，还能提升银行的品牌形象和市场竞争力，增强客户对银行的粘性。例如，银行通过为企业客户提供专业的财务咨询服务，帮助企业优化财务管理、制定融资策略，不仅可以获得咨询费用收入，还能加深与企业客户的合作关系，为后续业务拓展奠定基础。理解非利息收入的概念、分类及特点，对于深入研究商业银行非利息收入与经营绩效的关系具有重要意义，有助于银行更好地制定非利息收入业务发展战略，优化收入结构，提升经营绩效。2.2文献综述2.2.1国外研究现状国外学者对商业银行非利息收入与经营绩效的关系进行了大量研究，形成了不同的观点。部分学者认为，发展非利息收入业务能有效分散银行风险，进而提高经营绩效。Eisemann（1976）指出，银行的净利息收入高度依赖利率变动和经济周期，而基于费用收入的非利息收入可提供多样化收益，比净利息收入更能稳定银行利润。Diamond（1983，1984）和Williamson（1989）认为，商业银行经营多元化具有信息优势，通过提供多样化金融产品和服务与客户建立持久全面的关系，能带来综合收益。Clark（1988）、Murder（1992）和Robertoeri（1993）对日本、以色列和欧洲一些国家商业银行的实证研究发现，商业银行在开展联合金融服务过程中存在规模经济，有助于提高经营绩效。Templeton和Severiens（1992）检测了54家银行持股公司1979-1986年的市场数据，认为经营多元化（以非银行资产引起的市场价值份额衡量）与较低的股东回报波动相关，意味着多元化经营能给银行带来好处。然而，也有学者持相反观点，认为非利息收入的增加会加大银行风险，对经营绩效产生负面影响。Stiroh（2004）研究发现，非利息收入的增长会增加银行收益的波动性，降低银行的稳定性，因为非利息收入业务如交易业务、投资银行业务等面临较高的市场风险和操作风险，这些风险可能抵消非利息收入带来的收益增长，从而对经营绩效产生不利影响。DeYoung和Roland（2001）通过对美国商业银行的研究表明，非利息收入的增加伴随着成本的上升，且非利息收入业务的风险较高，可能导致银行整体风险水平上升，进而影响经营绩效。还有部分学者认为非利息收入与经营绩效之间存在非线性关系。Calmes和Liu（2010）研究发现，当非利息收入占比较低时，增加非利息收入对银行绩效有积极影响；但当非利息收入占比超过一定水平后，继续增加非利息收入可能会对银行绩效产生负面影响，因为此时银行可能过度投入资源到非利息收入业务，忽视了传统业务的发展，且面临更高的风险和成本。2.2.2国内研究现状国内学者在商业银行非利息收入与经营绩效关系的研究方面也取得了丰富成果。部分学者研究表明，非利息收入占比的提高能显著提升银行绩效。梁可宜（2021）利用中国16家外资银行2015-2020年的面板数据，以资产回报率衡量银行绩效，采用一元线性回归模型实证检验发现，非利息收入占比与资产回报率存在显著的正相关关系。XXX等（2018）通过对我国商业银行的数据进行分析，也得出非利息收入占比与银行绩效呈正相关关系的结论，认为非利息收入的增长有助于银行实现收入多元化，降低对传统存贷款业务的依赖，提高风险抵御能力。然而，也有学者得出不同结论。蒋莉研究认为国有银行的非利息收入与绩效呈显著正相关，而股份制商业银行和城商行的非利息收入与绩效呈负相关。岳意定和李依瑶则持相反观点，认为非利息收入与国有银行绩效呈显著负相关，与股份制商业银行绩效呈显著正相关。还有学者从非利息收入结构角度进行研究，姚文韵研究发现手续费和佣金收入与资产收益率呈显著正相关，而其他业务收入却与资产收益率显著负相关。一些学者还考虑了宏观经济环境、银行自身特征等因素对非利息收入与经营绩效关系的影响。例如，在经济增长较快时期，非利息收入对银行经营绩效的促进作用可能更明显；不同规模的银行，非利息收入对经营绩效的影响也存在差异，大型银行凭借其资源优势和客户基础，在发展非利息收入业务时可能更具优势，对经营绩效的提升作用更大。2.2.3文献述评综合国内外研究文献可以发现，关于商业银行非利息收入与经营绩效的关系尚未形成统一结论。这主要是由于不同学者在研究时采用的样本、研究方法、时间跨度以及对非利息收入和经营绩效的衡量指标不同，导致研究结果存在差异。现有研究在以下方面仍有待进一步完善：在研究视角上，大多从线性关系角度探讨非利息收入与经营绩效的关系，较少考虑两者之间可能存在的非线性关系。然而，实际情况中，非利息收入业务的发展可能存在规模效应、结构效应等，其对经营绩效的影响可能并非简单的线性关系。例如，随着非利息收入占比的提高，银行可能需要投入更多的资源进行业务拓展和风险管理，当投入超过一定限度时，可能会对经营绩效产生负面影响。因此，从非线性视角深入研究两者关系具有重要意义。对非利息收入结构的研究不够深入。虽然部分学者对非利息收入的细分项目与经营绩效的关系进行了研究，但研究的广度和深度仍有待加强。不同细分项目如手续费及佣金收入、投资收益、汇兑收益等，具有不同的业务特点、风险特征和盈利模式，对经营绩效的影响机制也不尽相同。全面、深入地研究非利息收入结构对经营绩效的影响，有助于银行更有针对性地优化业务结构，提高经营绩效。在研究影响因素时，虽然有学者考虑了银行自身特征和宏观经济环境等因素，但对多因素之间的交互影响研究较少。银行非利息收入与经营绩效的关系可能受到多种因素的共同作用，且这些因素之间可能存在相互影响。例如，宏观经济环境的变化可能会影响银行的业务发展和风险状况，进而影响非利息收入与经营绩效的关系；银行自身的经营策略和风险管理能力也可能与非利息收入业务的发展相互作用，共同影响经营绩效。因此，综合考虑多因素交互影响，能够更全面、准确地揭示两者之间的复杂关系。本研究将针对现有研究的不足，引入门限模型，从非线性视角研究商业银行非利息收入与经营绩效的关系，同时细化非利息收入结构研究，并考虑多因素交互影响，以期为商业银行非利息收入业务的发展和经营绩效的提升提供更具针对性和科学性的建议。三、商业银行非利息收入与经营绩效现状分析3.1商业银行非利息收入现状3.1.1非利息收入总体规模近年来，我国商业银行非利息收入呈现出总体增长的态势，但增长过程并非一帆风顺，受到多种因素的影响。从总量上看，随着金融市场的发展和商业银行自身业务的拓展，非利息收入的规模不断扩大。据相关数据显示，在过去的[具体时间段]，我国商业银行非利息收入总额从[起始金额]增长至[截止金额]，实现了显著的增长。这一增长反映了商业银行在应对金融市场变革过程中，积极调整业务结构，加大对非利息收入业务的投入和布局。然而，在增长过程中，也出现了一些波动。例如，在[具体年份1]，由于金融市场的不稳定，债券市场出现较大波动，导致商业银行投资收益下降，进而影响了非利息收入的增长。当年非利息收入增长率仅为[具体增长率1]，明显低于前几年的平均水平。而在[具体年份2]，随着经济形势的好转和金融市场的逐渐稳定，以及商业银行对非利息收入业务的进一步重视和创新，非利息收入增长率回升至[具体增长率2]，呈现出良好的恢复性增长态势。非利息收入占营业收入的比重也在不断变化。过去，我国商业银行主要依赖利息收入，非利息收入占比较低。但随着业务结构的调整和非利息收入业务的发展，这一比重逐渐提高。在[起始年份]，非利息收入占营业收入的比重仅为[起始比重]，而到了[截止年份]，这一比重已上升至[截止比重]。尽管比重有所提升，但与国际先进银行相比，我国商业银行非利息收入占比仍处于较低水平。国际上一些知名银行，如[列举国际知名银行名称]，其非利息收入占营业收入的比重通常在[国际先进银行占比范围]，这表明我国商业银行在非利息收入业务发展方面仍有较大的提升空间。3.1.2非利息收入结构分析非利息收入主要由手续费及佣金收入、投资收益、汇兑收益和其他业务收入等部分构成，各部分在非利息收入中所占比重及变化反映了商业银行非利息收入业务结构的特点和发展趋势。手续费及佣金收入是我国商业银行非利息收入的重要组成部分，长期以来在非利息收入中占据较大比重。在过去的[具体时间段]，手续费及佣金收入占非利息收入的平均比重约为[平均比重1]。其来源广泛，涵盖银行卡业务、支付结算业务、代理业务、咨询顾问业务等多个领域。在银行卡业务方面，随着居民消费观念的转变和支付方式的多元化，银行卡的发卡量和交易量不断增长，银行从中获得的年费、手续费、透支利息等收入也相应增加。在支付结算业务中，银行凭借其完善的支付清算系统，为企业和个人提供便捷的转账汇款、票据结算等服务，收取一定的手续费。代理业务也是手续费及佣金收入的重要来源之一，银行代理销售基金、保险、债券等金融产品，随着金融市场的发展和居民投资意识的提高，代理业务规模不断扩大，佣金收入也随之增长。然而，近年来手续费及佣金收入占比呈现出一定的波动下降趋势。这主要是由于金融市场竞争日益激烈，银行之间为争夺客户资源，纷纷降低手续费率，导致手续费及佣金收入的增长受到一定限制。此外，监管部门加强对金融市场的监管，规范金融机构的收费行为，也对手续费及佣金收入产生了一定影响。投资收益在非利息收入中的占比也较为显著，平均占比约为[平均比重2]。投资收益主要来源于商业银行对债券、股票、基金等金融资产的投资。在债券投资方面，由于债券市场具有收益相对稳定、风险较低的特点，商业银行通常会将一定比例的资金配置于债券资产。随着债券市场的发展和交易活跃度的提高，银行通过债券买卖价差和利息收入获得了较为可观的投资收益。在股票和基金投资方面，虽然风险相对较高，但潜在收益也较大。一些商业银行通过设立专门的投资部门或与专业的投资机构合作，积极参与股票和基金市场投资，以获取更高的收益。投资收益受金融市场波动的影响较大。当金融市场行情较好时，债券价格上涨、股票市场繁荣，银行的投资收益会相应增加；而当金融市场出现动荡时，债券价格下跌、股票市场低迷，投资收益则会大幅下降。例如，在[具体年份3]，股票市场大幅下跌，许多商业银行的股票投资出现亏损，导致当年投资收益占非利息收入的比重下降至[具体比重3]。汇兑收益在非利息收入中占比较小，平均占比约为[平均比重3]。汇兑收益主要产生于商业银行的外汇交易业务，包括即期外汇买卖、远期外汇买卖、外汇掉期等。随着我国经济的对外开放程度不断提高，跨境贸易和投资活动日益频繁，商业银行的外汇业务规模也不断扩大。然而，汇兑收益受到汇率波动的影响较大。汇率的波动具有不确定性，当汇率朝着有利于银行的方向变动时，银行在外汇交易中能够获得汇兑收益；反之，则会产生汇兑损失。例如，在[具体年份4]，人民币汇率出现较大幅度波动，一些商业银行由于对外汇风险的管理不善，在外汇交易中遭受了汇兑损失，导致汇兑收益占非利息收入的比重为负数。其他业务收入包括租赁收入、信托收入、资产处置收入等，在非利息收入中所占比重相对较小，平均占比约为[平均比重4]。这些收入来源相对较为分散，不同银行之间的差异也较大。租赁收入主要来自于商业银行开展的融资租赁业务，为企业提供设备租赁等服务，获取租金收入。信托收入则是银行作为信托受托人，参与信托业务所获得的收入。资产处置收入是银行对不良资产进行处置，如拍卖、转让等所获得的收入。随着商业银行创新业务的不断发展，其他业务收入的规模和占比有望进一步提升。例如，一些商业银行积极拓展金融科技业务，通过提供金融科技解决方案，获取技术服务收入，丰富了其他业务收入的来源。3.2商业银行经营绩效现状3.2.1经营绩效总体水平近年来，我国商业银行经营绩效整体呈现出较为稳定的态势，但在不同阶段也受到多种因素的影响而有所波动。从盈利能力指标来看，资产收益率（ROA）和股东权益收益率（ROE）是衡量银行盈利能力的关键指标。过去[具体时间段]内，我国商业银行的平均ROA在[ROA范围]之间波动。在[具体年份5]，由于宏观经济形势向好，企业贷款需求旺盛，银行信贷业务增长迅速，平均ROA达到了[具体ROA数值1]，处于较高水平。然而，随着利率市场化进程的加速和金融市场竞争的加剧，银行的利差空间受到一定压缩，在[具体年份6]，平均ROA下降至[具体ROA数值2]。平均ROE在[ROE范围]波动，反映了银行运用自有资本获取收益的能力。成本收入比是衡量银行经营效率的重要指标，它反映了银行每获取一元营业收入所付出的成本。近年来，我国商业银行通过加强内部管理、优化业务流程、推进数字化转型等措施，努力降低运营成本，成本收入比总体呈现下降趋势。从[起始年份2]的[起始成本收入比数值]下降至[截止年份2]的[截止成本收入比数值]，表明银行的经营效率有所提升。例如，[列举某银行名称]通过建立集中运营中心，实现了业务处理的标准化和规模化，有效降低了人力成本和运营成本，成本收入比显著下降。资产质量方面，不良贷款率是评估银行资产质量的核心指标。近年来，我国商业银行不良贷款率整体保持在相对稳定的水平，但不同银行之间存在一定差异。截至[具体年份7]末，商业银行整体不良贷款率为[具体不良贷款率数值]。部分银行由于加强了风险管理和贷款审批流程，不良贷款率较低，如[列举低不良贷款率银行名称]的不良贷款率仅为[具体低不良贷款率数值]；而一些银行可能由于业务结构、地区经济环境等因素的影响，不良贷款率相对较高，如[列举高不良贷款率银行名称]的不良贷款率达到了[具体高不良贷款率数值]。贷款拨备率也在一定程度上反映了银行对贷款损失的准备金计提水平，为银行抵御潜在风险提供了保障。3.2.2不同类型商业银行经营绩效对比国有大型商业银行、股份制商业银行和城市商业银行在经营绩效方面存在一定的差异，这些差异主要源于银行的规模、市场定位、业务结构以及资源优势等方面的不同。国有大型商业银行，如工商银行、农业银行、中国银行、建设银行等，凭借其庞大的资产规模、广泛的网点布局和深厚的客户基础，在市场中占据重要地位。在盈利能力方面，国有大型商业银行的资产收益率（ROA）和净资产收益率（ROE）相对较为稳定。由于其业务规模大，在传统存贷款业务上具有规模优势，能够获得较为稳定的利息收入。在[具体年份8]，国有大型商业银行的平均ROA达到了[具体国有行ROA数值]，平均ROE为[具体国有行ROE数值]。然而，由于国有大型商业银行承担着较多的社会责任，业务决策相对较为谨慎，在业务创新和拓展非利息收入业务方面的速度相对较慢，非利息收入占比较股份制商业银行低。在成本控制方面，虽然其规模效应有助于降低部分成本，但庞大的机构体系和人员规模也使得运营成本相对较高，成本收入比在[具体国有行成本收入比范围]。在资产质量方面，国有大型商业银行凭借其强大的风险管理能力和优质的客户资源，不良贷款率相对较低，截至[具体年份9]末，平均不良贷款率为[具体国有行不良贷款率数值]，资产质量较为稳健。股份制商业银行，如招商银行、民生银行、兴业银行等，以其灵活的经营机制和较强的创新能力，在金融市场中展现出独特的竞争力。在盈利能力上，股份制商业银行的ROE表现较为突出，在[具体年份10]，平均ROE达到了[具体股份制行ROE数值]，高于国有大型商业银行。这主要得益于其在业务创新和非利息收入业务拓展方面的积极进取，非利息收入占比较高，业务结构相对多元化。招商银行通过大力发展财富管理业务，手续费及佣金收入不断增长，非利息收入占营业收入的比重在同行业中处于较高水平。在成本控制方面，股份制商业银行相对精简的机构设置和高效的运营管理，使得其成本收入比相对较低，在[具体股份制行成本收入比范围]。在资产质量方面，股份制商业银行的不良贷款率在[具体股份制行不良贷款率范围]，虽然整体资产质量较好，但由于其业务创新和市场拓展过程中面临的风险相对复杂，部分股份制商业银行的不良贷款率存在一定的波动。城市商业银行主要服务于当地经济和中小企业，业务范围相对集中在特定地区。在盈利能力方面，城市商业银行的ROA和ROE表现参差不齐，受地区经济发展水平影响较大。在经济发达地区，城市商业银行依托当地活跃的经济环境和丰富的金融需求，盈利能力较强，如[列举经济发达地区城商行名称]在[具体年份11]的ROA达到了[具体发达地区城商行ROA数值]，ROE为[具体发达地区城商行ROE数值]。而在经济欠发达地区，城市商业银行面临的市场竞争压力较大，业务发展受限，盈利能力相对较弱。在成本控制方面，城市商业银行由于网点布局相对集中，运营成本相对较低，但部分城商行在科技投入和风险管理体系建设方面相对滞后，可能导致成本上升。在资产质量方面，城市商业银行的不良贷款率在[具体城商行不良贷款率范围]，一些城商行在支持当地中小企业发展过程中，由于中小企业信用风险相对较高，不良贷款率相对国有大型商业银行和股份制商业银行略高。不同类型商业银行在经营绩效上各有特点，国有大型商业银行凭借规模和资源优势，资产质量稳健；股份制商业银行以创新和灵活的经营机制，在盈利能力和业务结构多元化方面表现突出；城市商业银行则受地区经济影响，经营绩效存在较大差异。四、研究设计与实证分析4.1研究设计4.1.1样本选取与数据来源为全面、准确地研究商业银行非利息收入与经营绩效的关系，本研究选取了具有代表性的商业银行作为样本。样本涵盖了国有大型商业银行、股份制商业银行和城市商业银行，共计[X]家。其中，国有大型商业银行包括工商银行、农业银行、中国银行、建设银行、交通银行等[具体数量1]家，它们在我国金融体系中占据重要地位，资产规模庞大，业务范围广泛；股份制商业银行有招商银行、民生银行、兴业银行、浦发银行等[具体数量2]家，这些银行以其灵活的经营机制和较强的创新能力在市场中具有独特竞争力；城市商业银行选取了北京银行、上海银行、南京银行、宁波银行等[具体数量3]家，它们在服务当地经济和中小企业方面发挥着重要作用。样本数据的时间跨度为[起始年份3]-[截止年份3]，这一时间段涵盖了我国金融市场的多个发展阶段，包括利率市场化进程的加速、金融创新的不断推进以及宏观经济环境的变化等，能够较为全面地反映商业银行在不同市场环境下非利息收入与经营绩效的关系。数据主要来源于各商业银行的年度报告，这些报告详细披露了银行的财务状况、业务经营等信息，是获取数据的重要可靠来源。同时，为了补充和验证相关数据，还参考了Wind数据库、国泰安数据库等权威金融数据库，这些数据库整合了大量金融机构的信息，为研究提供了丰富的数据资源。对于部分缺失的数据，采用了线性插值法、均值替代法等方法进行填补，以确保数据的完整性和连续性。例如，若某银行某一年的非利息收入数据缺失，通过对该银行前后年份非利息收入数据进行线性插值，估算出缺失年份的数据；对于个别银行个别指标的缺失数据，若该指标在同类型银行中的均值较为稳定，则采用均值替代法进行填补。通过多渠道获取数据并进行合理处理，为后续的实证研究提供了坚实的数据基础。4.1.2变量定义与模型构建变量定义：被解释变量：选用资产收益率（ROA）和净资产收益率（ROE）作为衡量商业银行经营绩效的被解释变量。ROA反映了银行运用全部资产获取利润的能力，计算公式为ROA=\frac{净利润}{平均资产总额}\times100\%，该指标数值越高，表明银行资产利用效率越高，盈利能力越强。ROE体现了股东权益的收益水平，衡量了银行运用自有资本获取收益的能力，其计算公式为ROE=\frac{净利润}{平均净资产}\times100\%，较高的ROE意味着银行能够为股东创造更多的价值。这两个指标从不同角度全面地反映了商业银行的盈利能力和经营绩效，在以往研究中被广泛应用。解释变量：以非利息收入占比（NOIN）作为核心解释变量，用于衡量商业银行非利息收入在营业收入中的相对规模，计算公式为NOIN=\frac{非利息收入}{营业收入}\times100\%。非利息收入占比的变化能够直观地反映出商业银行收入结构的调整和非利息收入业务的发展程度。为了进一步深入研究非利息收入结构对经营绩效的影响，将非利息收入细分为手续费及佣金收入占比（FCOM）、投资收益占比（INV）、汇兑收益占比（EXCH）和其他业务收入占比（OTH）等细分变量。手续费及佣金收入占比FCOM=\frac{手续费及佣金收入}{营业收入}\times100\%，投资收益占比INV=\frac{投资收益}{营业收入}\times100\%，汇兑收益占比EXCH=\frac{汇兑收益}{营业收入}\times100\%，其他业务收入占比OTH=\frac{其他业务收入}{营业收入}\times100\%，这些细分变量能够更具体地展示不同类型非利息收入在银行经营中的作用。控制变量：考虑到银行自身经营特征和宏观经济环境等因素可能对经营绩效产生影响，选取了一系列控制变量。银行规模（SIZE），用银行总资产的自然对数来表示，即SIZE=\ln(总资产)，银行规模越大，可能在资源获取、业务拓展、风险管理等方面具有优势，进而影响经营绩效。资本充足率（CAP），计算公式为CAP=\frac{资本}{风险加权资产}\times100\%，它反映了银行抵御风险的能力，较高的资本充足率意味着银行在面临风险时具有更强的缓冲能力，可能对经营绩效产生积极影响。资产负债率（LEV），LEV=\frac{总负债}{总资产}\times100\%，该指标衡量了银行的负债水平，过高的资产负债率可能增加银行的财务风险，对经营绩效产生不利影响。此外，还选取了国内生产总值增长率（GDPG）来反映宏观经济增长状况，通货膨胀率（CPI）衡量物价水平的变化，货币政策指标（M2）体现货币供应量的情况，这些宏观经济变量对商业银行的经营环境和业务发展具有重要影响，进而影响经营绩效。模型构建：线性回归模型：首先构建线性回归模型，初步探究非利息收入与经营绩效之间的线性关系。以ROA为被解释变量的模型设定如下：ROA_{it}=\alpha_0+\alpha_1NOIN_{it}+\sum_{j=2}^{n}\alpha_jControl_{jit}+\varepsilon_{it}其中，ROA_{it}表示第i家银行在第t年的资产收益率；\alpha_0为常数项；\alpha_1为非利息收入占比的系数，用于衡量非利息收入占比对资产收益率的影响程度；NOIN_{it}为第i家银行在第t年的非利息收入占比；Control_{jit}表示第j个控制变量，包括银行规模（SIZE）、资本充足率（CAP）、资产负债率（LEV）、国内生产总值增长率（GDPG）、通货膨胀率（CPI）、货币政策指标（M2）等，\alpha_j为相应控制变量的系数；\varepsilon_{it}为随机误差项，代表模型中未考虑到的其他因素对资产收益率的影响。以ROE为被解释变量的模型设定如下：ROE_{it}=\beta_0+\beta_1NOIN_{it}+\sum_{j=2}^{n}\beta_jControl_{jit}+\mu_{it}其中，ROE_{it}表示第i家银行在第t年的净资产收益率；\beta_0为常数项；\beta_1为非利息收入占比的系数；NOIN_{it}为第i家银行在第t年的非利息收入占比；Control_{jit}和\beta_j的含义与上述以ROA为被解释变量的模型一致；\mu_{it}为随机误差项。门限回归模型：为了研究非利息收入对经营绩效的非线性影响，引入门限回归模型。以非利息收入占比（NOIN）作为门限变量，构建如下门限回归模型：ROA_{it}=\begin{cases}\gamma_{10}+\gamma_{11}NOIN_{it}+\sum_{j=2}^{n}\gamma_{1j}Control_{jit}+\xi_{1it},&NOIN_{it}\leq\theta_1\\\gamma_{20}+\gamma_{21}NOIN_{it}+\sum_{j=2}^{n}\gamma_{2j}Control_{jit}+\xi_{2it},&\theta_1<NOIN_{it}\leq\theta_2\\\cdots\\\gamma_{k0}+\gamma_{k1}NOIN_{it}+\sum_{j=2}^{n}\gamma_{kj}Control_{jit}+\xi_{kit},&NOIN_{it}>\theta_{k-1}\end{cases}其中，\gamma_{l0}为第l个门限区间的常数项（l=1,2,\cdots,k）；\gamma_{l1}为第l个门限区间非利息收入占比的系数，反映在不同门限区间内非利息收入占比对资产收益率的不同影响；\theta_1,\theta_2,\cdots,\theta_{k-1}为门限值，将非利息收入占比的取值范围划分为k个区间；Control_{jit}和\gamma_{lj}的含义与线性回归模型相同；\xi_{lit}为第l个门限区间的随机误差项。同理，以ROE为被解释变量的门限回归模型设定如下：ROE_{it}=\begin{cases}\delta_{10}+\delta_{11}NOIN_{it}+\sum_{j=2}^{n}\delta_{1j}Control_{jit}+\omega_{1it},&NOIN_{it}\leq\theta_1\\\delta_{20}+\delta_{21}NOIN_{it}+\sum_{j=2}^{n}\delta_{2j}Control_{jit}+\omega_{2it},&\theta_1<NOIN_{it}\leq\theta_2\\\cdots\\\delta_{k0}+\delta_{k1}NOIN_{it}+\sum_{j=2}^{n}\delta_{kj}Control_{jit}+\omega_{kit},&NOIN_{it}>\theta_{k-1}\end{cases}其中，\delta_{l0}、\delta_{l1}、\theta_1,\theta_2,\cdots,\theta_{k-1}、Control_{jit}、\delta_{lj}和\omega_{lit}的含义与以ROA为被解释变量的门限回归模型一致。通过构建上述线性回归模型和门限回归模型，能够全面、深入地研究商业银行非利息收入与经营绩效之间的关系，包括线性关系和非线性关系，为后续的实证分析提供了有力的模型支持。4.2实证结果与分析4.2.1描述性统计分析对选取的样本数据进行描述性统计分析，结果如表1所示。从经营绩效指标来看，资产收益率（ROA）的均值为[ROA均值]，表明样本银行平均资产利用效率处于[对应水平]，最大值为[ROA最大值]，最小值为[ROA最小值]，说明不同银行之间的资产利用效率存在较大差异，部分银行在资产运营方面表现出色，而部分银行则有待提升。净资产收益率（ROE）均值为[ROE均值]，反映了银行运用自有资本获取收益的平均水平，其最大值和最小值也相差较大，体现了银行在股东权益收益水平上的显著差异。在非利息收入相关指标方面，非利息收入占比（NOIN）均值为[NOIN均值]，说明样本银行非利息收入在营业收入中所占比重平均处于[对应比重水平]，最大值达到[NOIN最大值]，最小值仅为[NOIN最小值]，这表明不同银行在非利息收入业务发展程度上参差不齐，部分银行已成功实现收入结构多元化，非利息收入占比较高，而部分银行仍主要依赖利息收入，非利息收入占比较低。手续费及佣金收入占比（FCOM）均值为[FCOM均值]，在非利息收入中占比较大，是许多银行非利息收入的重要来源，但不同银行之间也存在一定波动，最大值为[FCOM最大值]，最小值为[FCOM最小值]。投资收益占比（INV）均值为[INV均值]，由于金融市场波动，其最大值和最小值差异明显，分别为[INV最大值]和[INV最小值]，反映了投资收益的不稳定性。汇兑收益占比（EXCH）均值为[EXCH均值]，占比较小，且受汇率波动影响，最大值和最小值波动较大，分别为[EXCH最大值]和[EXCH最小值]。其他业务收入占比（OTH）均值为[OTH均值]，同样占比较小，最大值和最小值分别为[OTH最大值]和[OTH最小值]，不同银行之间差异较大。控制变量方面，银行规模（SIZE）均值为[银行规模均值]，以总资产的自然对数衡量，体现了样本银行的平均规模水平，最大值和最小值反映了银行规模的显著差异。资本充足率（CAP）均值为[CAP均值]，符合监管要求，最大值和最小值表明不同银行在资本实力和风险抵御能力上存在一定差距。资产负债率（LEV）均值为[LEV均值]，反映了银行的负债水平，最大值和最小值体现了银行负债结构的差异。国内生产总值增长率（GDPG）均值为[GDPG均值]，反映了样本期间内宏观经济的平均增长状况，最大值和最小值体现了经济增长的波动。通货膨胀率（CPI）均值为[CPI均值]，最大值和最小值反映了物价水平的变化情况。货币政策指标（M2）均值为[M2均值]，体现了货币供应量的平均水平，最大值和最小值反映了货币政策的调整和变化。变量观测值均值标准差最小值最大值ROA[观测值数量1][ROA均值][ROA标准差][ROA最小值][ROA最大值]ROE[观测值数量2][ROE均值][ROE标准差][ROE最小值][ROE最大值]NOIN[观测值数量3][NOIN均值][NOIN标准差][NOIN最小值][NOIN最大值]FCOM[观测值数量4][FCOM均值][FCOM标准差][FCOM最小值][FCOM最大值]INV[观测值数量5][INV均值][INV标准差][INV最小值][INV最大值]EXCH[观测值数量6][EXCH均值][EXCH标准差][EXCH最小值][EXCH最大值]OTH[观测值数量7][OTH均值][OTH标准差][OTH最小值][OTH最大值]SIZE[观测值数量8][银行规模均值][银行规模标准差][银行规模最小值][银行规模最大值]CAP[观测值数量9][CAP均值][CAP标准差][CAP最小值][CAP最大值]LEV[观测值数量10][LEV均值][LEV标准差][LEV最小值][LEV最大值]GDPG[观测值数量11][GDPG均值][GDPG标准差][GDPG最小值][GDPG最大值]CPI[观测值数量12][CPI均值][CPI标准差][CPI最小值][CPI最大值]M2[观测值数量13][M2均值][M2标准差][M2最小值][M2最大值]通过描述性统计分析，对样本银行的经营绩效、非利息收入及其细分项目、控制变量等有了初步了解，为后续深入分析商业银行非利息收入与经营绩效的关系奠定了基础。不同银行在各指标上的差异，也为进一步研究提供了丰富的数据信息，有助于探究影响商业银行非利息收入与经营绩效的因素及内在关系。4.2.2相关性分析为了初步探究变量之间的关系，对各变量进行相关性分析，结果如表2所示。从表中可以看出，资产收益率（ROA）与非利息收入占比（NOIN）的相关系数为[ROA与NOIN相关系数]，在[显著性水平1]上显著正相关，表明非利息收入占比的增加对资产收益率具有正向促进作用，即非利息收入在营业收入中所占比重越高，银行的资产利用效率可能越高，经营绩效越好。净资产收益率（ROE）与非利息收入占比（NOIN）的相关系数为[ROE与NOIN相关系数]，同样在[显著性水平2]上显著正相关，说明非利息收入占比的提升有助于提高银行运用自有资本获取收益的能力，进而提升经营绩效。在非利息收入细分项目与经营绩效的相关性方面，手续费及佣金收入占比（FCOM）与ROA的相关系数为[FCOM与ROA相关系数]，在[显著性水平3]上显著正相关，表明手续费及佣金收入占比的增加对资产收益率有积极影响，手续费及佣金收入作为非利息收入的重要组成部分，其增长有助于提升银行的经营绩效。FCOM与ROE的相关系数为[FCOM与ROE相关系数]，在[显著性水平4]上显著正相关，进一步验证了手续费及佣金收入占比与银行运用自有资本获取收益能力之间的正向关系。投资收益占比（INV）与ROA的相关系数为[INV与ROA相关系数]，在[显著性水平5]上正相关，说明投资收益占比的提高对资产收益率有一定的促进作用，但相关系数相对较小，表明投资收益虽然能对经营绩效产生正向影响，但其影响程度相对手续费及佣金收入占比可能较弱。INV与ROE的相关系数为[INV与ROE相关系数]，在[显著性水平6]上正相关，同样体现了投资收益占比与银行自有资本收益能力之间的正向关系。汇兑收益占比（EXCH）与ROA和ROE的相关系数分别为[EXCH与ROA相关系数]和[EXCH与ROE相关系数]，相关性不显著，说明汇兑收益占比在样本数据中与经营绩效的关系不明显，可能是由于汇兑收益受汇率波动等因素影响较大，其在非利息收入中占比较小且波动不稳定，对经营绩效的影响相对较弱。其他业务收入占比（OTH）与ROA和ROE的相关系数分别为[OTH与ROA相关系数]和[OTH与ROE相关系数]，相关性也不显著，表明其他业务收入占比在当前样本中对经营绩效的影响不突出。控制变量方面，银行规模（SIZE）与ROA的相关系数为[银行规模与ROA相关系数]，在[显著性水平7]上负相关，说明银行规模的扩大可能会对资产收益率产生一定的负面影响，可能是由于随着银行规模的增大，管理成本上升、运营效率降低等因素导致资产利用效率下降。银行规模（SIZE）与ROE的相关系数为[银行规模与ROE相关系数]，在[显著性水平8]上负相关，同样反映了银行规模与自有资本收益能力之间的负向关系。资本充足率（CAP）与ROA的相关系数为[CAP与ROA相关系数]，在[显著性水平9]上正相关，表明资本充足率的提高有助于提升资产收益率，资本充足的银行在面临风险时具有更强的抵御能力，能够更稳定地开展业务，从而提高资产利用效率。CAP与ROE的相关系数为[CAP与ROE相关系数]，在[显著性水平10]上正相关，体现了资本充足率与银行自有资本收益能力之间的正向关系。资产负债率（LEV）与ROA的相关系数为[LEV与ROA相关系数]，在[显著性水平11]上负相关，说明资产负债率过高可能会增加银行的财务风险，降低资产收益率。LEV与ROE的相关系数为[LEV与ROE相关系数]，在[显著性水平12]上负相关，同样表明资产负债率与银行自有资本收益能力之间存在负向关系。国内生产总值增长率（GDPG）与ROA和ROE的相关系数分别为[GDPG与ROA相关系数]和[GDPG与ROE相关系数]，在[显著性水平13]上正相关，说明宏观经济增长状况对银行经营绩效具有正向影响，经济增长较快时，企业和居民的经济活动活跃，银行的业务量增加，盈利能力增强。通货膨胀率（CPI）与ROA和ROE的相关系数分别为[CPI与ROA相关系数]和[CPI与ROE相关系数]，在[显著性水平14]上负相关，表明通货膨胀可能会对银行经营绩效产生负面影响，通货膨胀可能导致物价上涨、利率波动，增加银行的运营成本和风险，从而降低资产收益率和自有资本收益率。货币政策指标（M2）与ROA和ROE的相关系数分别为[M2与ROA相关系数]和[M2与ROE相关系数]，在[显著性水平15]上正相关，说明宽松的货币政策下，货币供应量增加，银行的资金来源相对充裕，业务开展更为顺畅，有助于提升经营绩效。变量ROAROENOINFCOMINVEXCHOTHSIZECAPLEVGDPGCPIM2ROA1[相关系数说明1][相关系数说明1][相关系数说明1][相关系数说明1][相关系数说明1][相关系数说明1][相关系数说明1][相关系数说明1][相关系数说明1][相关系数说明1][相关系数说明1][相关系数说明1]ROE[ROE与ROA相关系数]1[相关系数说明2][相关系数说明2][相关系数说明2][相关系数说明2][相关系数说明2][相关系数说明2][相关系数说明2][相关系数说明2][相关系数说明2][相关系数说明2][相关系数说明2]NOIN[ROA与NOIN相关系数][ROE与NOIN相关系数]1[相关系数说明3][相关系数说明3][相关系数说明3][相关系数说明3][相关系数说明3][相关系数说明3][相关系数说明3][相关系数说明3][相关系数说明3][相关系数说明3]FCOM[FCOM与ROA相关系数][FCOM与ROE相关系数][FCOM与NOIN相关系数]1[相关系数说明4][相关系数说明4][相关系数说明4][相关系数说明4][相关系数说明4][相关系数说明4][相关系数说明4][相关系数说明4][相关系数说明4]INV[INV与ROA相关系数][INV与ROE相关系数][INV与NOIN相关系数][INV与FCOM相关系数]1[相关系数说明5][相关系数说明5][相关系数说明5][相关系数说明5][相关系数说明5][相关系数说明5][相关系数说明5][相关系数说明5]EXCH[EXCH与ROA相关系数][EXCH与ROE相关系数][EXCH与NOIN相关系数][EXCH与FCOM相关系数][EXCH与INV相关系数]1[相关系数说明6][相关系数说明6][相关系数说明6][相关系数说明6][相关系数说明6][相关系数说明6][相关系数说明6]OTH[OTH与ROA相关系数][OTH与ROE相关系数][OTH与NOIN相关系数][OTH与FCOM相关系数][OTH与INV相关系数][OTH与EXCH相关系数]1[相关系数说明7][相关系数说明7][相关系数说明7][相关系数说明7][相关系数说明7][相关系数说明7]SIZE[银行规模与ROA相关系数][银行规模与ROE相关系数][银行规模与NOIN相关系数][银行规模与FCOM相关系数][银行规模与INV相关系数][银行规模与EXCH相关系数][银行规模与OTH相关系数]1[相关系数说明8][相关系数说明8][相关系数说明8][相关系数说明8][相关系数说明8]CAP[CAP与ROA相关系数][CAP与ROE相关系数][CAP与NOIN相关系数][CAP与FCOM相关系数][CAP与INV相关系数][CAP与EXCH相关系数][CAP与OTH相关系数][CAP与SIZE相关系数]1[相关系数说明9][相关系数说明9][相关系数说明9][相关系数说明9]LEV[LEV与ROA相关系数][LEV与ROE相关系数][LEV与NOIN相关系数][LEV与FCOM相关系数][LEV与INV相关系数][LEV与EXCH相关系数][LEV与OTH相关系数][LEV与SIZE相关系数][LEV与CAP相关系数]1[相关系数说明10][相关系数说明10][相关系数说明10]GDPG[GDPG与ROA相关系数][GDPG与ROE相关系数][GDPG与NOIN相关系数][GDPG与FCOM相关系数][GDPG与INV相关系数][GDPG与EXCH相关系数][GDPG与OTH相关系数][GDPG与SIZE相关系数][GDPG与CAP相关系数][GDPG与LEV相关系数]1[相关系数说明11][相关系数说明11]CPI[CPI与ROA相关系数][CPI与ROE相关系数][CPI与NOIN相关系数][CPI与FCOM相关系数][CPI与INV相关系数][CPI与EXCH相关系数][CPI与OTH相关系数][CPI与SIZE相关系数][CPI与CAP相关系数][CPI与LEV相关系数][CPI与GDPG相关系数]1[相关系数说明12]M2[M2与ROA相关系数][M2与ROE相关系数][M2与NOIN相关系数][M2与FCOM相关系数][M2与INV相关系数][M2与EXCH相关系数][M2与OTH相关系数][M2与SIZE相关系数][M2与CAP相关系数][M2与LEV相关系数][M2与GDPG相关系数][M2与CPI相关系数]1注：*、**、***分别表示在10%、5%、1%的水平上显著相关。通过相关性分析，初步判断了各变量之间的关系，为后续构建回归模型提供了依据。同时，各变量之间的相关系数均小于0.8，说明不存在严重的多重共线性问题，可以进行下一步的回归分析。4.2.3门限回归结果分析运用Stata软件对构建的门限回归模型进行估计，得到的门限回归结果如表3所示。首先进