郭双双 王雨晴 孙畅
华北理工大学
引言：尹霞[1]以宁波市商业银行为研究对象,采用多元线性回归的实证研究方法,对宁波市商业银行不良贷款影响因素进行分析并对宁波市商业银行不良贷款提出防范措施。项燕彪[2]基于浙江金融运行特征,深入分析区域特定因素对于浙江银行业不良贷款率走势的影响机制,在此基础上构建实证模型,测度分析浙江不良贷款率的合理水平。
一、变量的选择与数据选取建立
根据有关商业银行不良贷款率的相关理论和文献，提出影响其规模的因素，并选取合适的指标构建指标体系。本文将选取六个指标来分析影响商业银行不良贷款率的因素。从微观的角度上选取商业银行的拨备覆盖率，存贷比，流动性比例和资本充足率四个银行自身因素指标，从宏观的角度上选取GDP增长率和M2增长率两个宏观因素。上面六个因素分别设为X1，X2，X3，X4，X5，X6，商业银行不良贷款率设为Y。本文数据来自于国家统计局和中国银保监会，样本区间为2012年―2019年每一季度的相关数据。
二、模型的建立
根据相关性分析，建立如下多元线性回归模型：
利用Eviews软件，OLS估计结果如下所示：
三、模型的修正
（一）多重共线性修正
上述模型可决系数很高，F统计量检验显着，但是依然存在解释变量的符号与预期不一致，故对此用逐步回归法进行修正，通过逐步回归来筛选并剔除引起多重共线性的解释变量。
对被解释变量贡献从大到小的解释变量分别为X1,X5,X6,X4,X2,X3，从贡献度最大的变量X1开始引入，添加解释变量X2后观察拟合度拟合优度增大，F检验同样通过，继续对解释变量进行t检验，此时(25)=2.060，X1和X2均通过 t 检验，所以保留该解释变量。再引进X6，该解释变量引入后虽然对修正后拟合优度有改进，但是t检不显着，所以剔除该解释变量。分别引入X3,X4和X5时，发现虽然拟合优度有了较小的改进，但是t检验不显着，故把这三个解释变量剔除。因此是X3,X4,X5和X6引起的多重共线性，修正多重共线性后的回归结果如下：
由以上回归方程可以看出，修正的可决系数为0.994，说明拟合程度高，F统计量检验参数联合显着性高。由此得出结论，商业银行拨备覆盖率和存贷比是影响商业银行不良贷款率的主要因素。
（二）误差修正模型
通过单位根检验和协整检验可得，X1、X2和Y存在协整关系。但从短期来看，可能会出现失衡，为了增强模型的精度，可以把误差项看作是均衡误差，通过建立误差修正模型把短期行为与长期变化联系起来。误差修正模型如下：
商业银行拨备覆盖率（X1）、商业银行存贷比（X2）和不良贷款率（Y）的差分序列如下：
上述估计结果表明，拨备覆盖率、存贷比对商业银行不良贷款率的变化有影响，不良贷款率不仅取决于拨备覆盖率，存贷比这一期的影响，而且还取决于上一期不良贷款率对均衡水平的偏离的影响，误差项的系数为0.376，当短期波动偏离长期均衡时，将以0.376的调整力度将非均衡状态拉回到均衡状态。
四、结论
本文利用Eviews软件对我国的国内生产总值及其影响因素进行分析，通过多重共线性的修正得出影响国内商业银行不良贷款率的最主要因素是拨备覆盖率和存贷比。
拨备覆盖比和存贷比是影响我国商业银行不良贷款率的两个重要因素，拨备覆盖率每增加1%，不良贷款率平均下降 0.006%。存贷比每增加1%亿美元，不良贷款率平均增加0.026%。
最后，本文中虽然剔除了其他的四个变量，但是经过查相关文献和资料，这四个因素同样也对商业银行不良贷款率有重要影响。只是因为不符合多元线性回归模型和误差修正模型的建立，但这些依然是影响我国商业银行不良贷款率的相关因素，在探索我国商业银行不良贷款率因素的过程中依然是不可以忽视的。
