|
三、研究设计
(一)研究模型
根据以往的研究，参考Andres、Vallelado和Haw等人的做法，以及目前国内学界对银行业绩效的研究，本文采用总资产收益率(ROA)作为被解释变量来衡量银行绩效。以关联贷款比例指标(RELOAN)来衡量关联贷款，即关联贷款比例=关联贷款余额/总贷款余额，关联贷款余额和总贷款余额均以各银行公开公布的年度数据为准。金融生态环境指标则采用李杨等编著的金融生态环境综合评价指数(FEE)进行衡量，由于目前发布的只有2006-2010年和2013-2014年的金融生态环境指数数据，所以2011-2012年的金融生态环境综合指数取2009-2010年和2013-2014年数据的平均值并且按照前面所划分的七大区域(区域划分见表2)，通过各地区金融生态环境综合指数的平均值来衡量该区域的金融生态环境状态，并且构建金融生态环境综合指数和关联贷款比例的交互变量，以此来验证金融生态环境与关联贷款的交互作用对我国城市商业银行绩效的影响。通过已有的文献可以发现，银行规模(SIZE )、第一大股东性质(TOP1XZ)、第一大股东控制力(TOP1KZ)和当地宏观经济(GDP)是影响银行绩效的重要因素，因此本文将上述变量作为控制变量。其中，LnSIZE等于年末银行总资产的自然对数；TOP1XZ为虚拟变量，当第一大股东的性质为国有时为1，反之为0; TOP1KZ等于第一大股东持股比例减去第二大股东持股比例的差值；LnGDP等于各银行所在地当年GDP的对数，其根据各地方的金融统计年鉴或政府网站整理所得(具体变量定义见表3)。因此，为验证本文的研究假设，特构建如下线性回归模型(回归模型1是为了检验假设H1，模型2是为了检验假设H2，模型3是为了检验假设H3，综合模型1、2、3可以验证假设H4):
ROA=α1+α2 FEE +α3 TOP1XZ +α4 TOP1KZ +α5 LnSIZE +α6 LnGDP +ε1(1)
ROA=γ1+γ2RELOAN +γ3 FEE +γ4RELOAN* FEE +γ5 TOP1XZ +γ6 TOP1KZ +γ7 LnSIZE +γ8LnGDP +ε2(2)
RELOAN=β1+β2 FEE +β3 TOP1XZ +β4TOP1KZ +β5 LnSIZE +β6 LnGDP +ε3(3)
表2：区域划分表
┌─────────┬──────────────────────────┐
│华东 │福建、山东、浙江 │
├─────────┼──────────────────────────┤
│华南 │广东、广西 │
├─────────┼──────────────────────────┤
│华中 │河南、湖北、湖南、江西 │
├─────────┼──────────────────────────┤
│华北 │河北、内蒙古、山西、天津 │
├─────────┼──────────────────────────┤
│西北 │甘肃、宁夏、陕曲、新疆 │
├─────────┼──────────────────────────┤
│西南 │贵州、四川、云南、重庆 │
├─────────┼──────────────────────────┤
│东北 │辽宁、吉林、黑龙江 │
└─────────┴──────────────────────────┘
表3：变量定义表
┌─────┬────────┬─────┬─────────────────┐
│被解释变量│总资产收益率 │ROA │净利润/总资产 │
├─────┼────────┼─────┼─────────────────┤
│解释变量 │关联货款比例 │RELOAN │年末关联货款佘额/年末总货款佘额 │
│ ├────────┼─────┼─────────────────┤
│ │金融生态环境 │FEE │金融生态环境综合指数（包含地方政府│
│ │ │ │债务对金融稳定的影响DFZF、经济基础│
│ │ │ │JJJC、金融发展JRFZ、制度与诚信文化│
│ │ │ │ZDYCX四个分项指标） │
├─────┼────────┼─────┼─────────────────┤
│控制变量 │第一大股东性质 │TOP1XZ │虚拟变量，第一大股东为国有取值为1 │
│ │ │ │，否则为0 │
│ ├────────┼─────┼─────────────────┤
│ │第一大股东控制力│TOP1KZ │第一大股东持股比例减去第二大股东持│
│ │ │ │股比例 │
│ ├────────┼─────┼─────────────────┤
│ │银行规摸 │LnSIZE │年末银行总资产的自然对敎 │
│ ├────────┼─────┼─────────────────┤
│ │期末存款总额 │LnNMCK │年末银行存款总额的自然对敎 │
│ ├────────┼─────┼─────────────────┤
│ │期末货款总额 │LnNMDK │年末银行货款总额减关联货款总额的余│
│ │ │ │额的自然对敎 │
│ ├────────┼─────┼─────────────────┤
│ │地方GDP │LnGDP │各银行所在地当年GDP的对敎 │
└─────┴────────┴─────┴─────────────────┘
(二)样本选取与数据来源
本文选取2006-2014年间中国城市商业银行作为研究样本，所选取的城市商业银行均是成立满三年以上且其经营范围均在其所属区域内，共收集70家城市商业银行的301份年度报告，剔除信息不完整样本，实际有效样本为266份，包括华东、华南、华中、华北、西北、西南、东北这七个区域的46家城市商业银行(见表4和表5)。实证研究中所有样本数据均通过手工收集、整理各银行官网上公布的各年度报告所得。
表4：样本点的时间分布
┌─────┬───┬───┬───┬───┬───┬───┬───┬───┬───┬───┐
│ │2006 │2007 │2008 │2009 │2010 │2011 │2012 │2013 │2014 │合计 │
├─────┼───┼───┼───┼───┼───┼───┼───┼───┼───┼───┤
│样本数 │9 │12 │23 │30 │39 │38 │39 │42 │34 │266 │
└─────┴───┴───┴───┴───┴───┴───┴───┴───┴───┴───┘
表5：样本点的区域分布
┌────┬───┬────┬────┬────┬────┬────┬────┬────┐
│ │华东 │华南 │华中 │华北 │西北 │西南 │东北 │合计 │
├────┼───┼────┼────┼────┼────┼────┼────┼────┤
│银行数 │11 │5 │7 │8 │4 │6 │5 │46 │
├────┼───┼────┼────┼────┼────┼────┼────┼────┤
│样本数 │70 │29 │39 │46 │28 │34 │20 │266 │
└────┴───┴────┴────┴────┴────┴────┴────┴────┘
四、实证结果
(一)样本的描述性统计分析
表6给出了所选变量的均值、中位数、标准差、最大值和最小值等描述性统计结果，可以看到总资产收益率ROA的最大值为2.88%，最小值为0.01%，平均值为1.02%，说明各城市商业银行之间的盈利水平存在较大的差异。关联贷款比例RELOAN的最大值为31.52%，最小值几乎为0，平均值为2.45%，说明各银行之间的关联贷款比例相差较大。从标准差来看，关联贷款相比于总资产收益率波动幅度较大。金融生态环境综合指数最大值为0.831，最小值为0.248，说明各地区金融生态环境相差较大。第一大股东性质TOP1XZ平均值为0.80，说明目前我国城市商业银行绝大部分第一大股东均为国有性质，其受地方政府的控制较大。从第一大股东的控制力TOP1KZ来看，其均值为10.14，最大值为90.18，最小值为0(即前两名股东持股比例相同，具有同等的控制力)，标准差达到16.84，说明各银行间第一大股东控制力程度相差较大，第一大股东持股比例较大的银行可以说达到了绝对控制的程度。
表6：变量的描述性统计分析
┌─────┬────┬─────┬─────┬─────┬─────┬─────┐
│ │样本量 │均值 │标准差 │最大值 │中位数 │最小值 │
├─────┼────┼─────┼─────┼─────┼─────┼─────┤
│ROA │266 │0.010215 │0.004047 │0.028800 │0.010241 │0.000100 │
├─────┼────┼─────┼─────┼─────┼─────┼─────┤
│RELOAN │266 │0.024450 │0.032083 │0.315224 │0.016819 │0.000003 │
├─────┼────┼─────┼─────┼─────┼─────┼─────┤
│FEE │266 │0.482170 │0.123089 │0.831000 │0.457000 │0.248000 │
├─────┼────┼─────┼─────┼─────┼─────┼─────┤
│TOP1XZ │266 │0.800000 │0.403000 │1.000000 │1.000000 │0.000000 │
├─────┼────┼─────┼─────┼─────┼─────┼─────┤
│TOP1KZ │266 │10.143400 │16.835190 │90.180000 │4.450000 │0.000000 │
├─────┼────┼─────┼─────┼─────┼─────┼─────┤
│LnSIZE │266 │24.715900 │0.835300 │26.890000 │24.761300 │22.490000 │
├─────┼────┼─────┼─────┼─────┼─────┼─────┤
│LnGDP │266 │28.090300 │0.783600 │29.460000 │28.135300 │25.010000 │
└─────┴────┴─────┴─────┴─────┴─────┴─────┘
(二)变量的相关性分析
本文使用Pearson相关系数来检验各变量之间的相关性(见表7)，通过表7我们可以看到，关联贷款比例RELOAN与总资产收益率ROA之间显著负相关，说明关联贷款占比越高，城市商业银行的总资产收益率越低，该结果与本文的假设相符。金融生态环境综合指数FEE与总资产收益率ROA正相关，说明外部金融生态环境越好，我国城市商业银行绩效水平也就越高，而FEE与RELOAN负相关，说明金融生态环境越好，我国城市商业银行的关联贷款占比越低。TOP1XZ、TOP1KZ均与ROA呈负相关关系，说明第一大股东为国有性质时不利于城市商业银业绩效的提高，并且第一大股东的控制力越大，城市商业银行的绩效越低，这与王擎等人的研究结论相符。LnSIZE与RELOAN、TOP1XZ均呈负相关关系，说明规模越大的城市商业银行，其对关联贷款的管理更为规范，减少了关联贷款占比，并且这部分城市商业银行第一大股东性质为国有的较少。LnGDP与RELOAN、TOP1XZ和TOP1KZ呈负相关关系，与LnSIZE呈正相关关系，说明随着地区经济水平的提升，城市商业银行的规模逐步增大，其公司治理水平、对关联贷款的管理水平等也随之增强，从而促进了城市商业银行绩效的提升。综上，虽然各变量之间均有一定的相关性，但其相关系数均较低，均没有超过0.5，各变量之间并不存在严重的多重共线性，因此可以进行多元线性回归。
表7: Pearson相关系数检验
┌─────┬─────┬────┬────┬────┬────┬────┬─────┐
│ │ROA │RELOAN │FEE │TOP1XZ │TOP1KZ │LnSIZE │LnGDP │
├─────┼─────┼────┼────┼────┼────┼────┼─────┤
│ROA │1.000 │ │ │ │ │ │ │
├─────┼─────┼────┼────┼────┼────┼────┼─────┤
│RELOAN │-0.216*** │1.000 │ │ │ │ │ │
├─────┼─────┼────┼────┼────┼────┼────┼─────┤
│FEE │0.109 │-0.271**│1.000 │ │ │ │ │
│ │ │* │ │ │ │ │ │
├─────┼─────┼────┼────┼────┼────┼────┼─────┤
│TOP1XZ │-0.102 │0.119 │-0.288**│1.000 │ │ │ │
├─────┼─────┼────┼────┼────┼────┼────┼─────┤
│TOPl^CZ │-0.245*** │0.078 │-0.141**│0.192** │1.000 │ │ │
├─────┼─────┼────┼────┼────┼────┼────┼─────┤
│LnSIZE │0.157** │-0.310**│-0.144**│-0.060 │0.005 │1.000 │ │
├─────┼─────┼────┼────┼────┼────┼────┼─────┤
│LnGDP │0.128** │-0.279**│0.480***│-0.342**│-0.132**│0.163***│1.000 │
│ │ │* │ │ │ │ │ │
└─────┴─────┴────┴────┴────┴────┴────┴─────┘
*在0.1水平上显著相关，＊＊在0.05水平上显著相关，＊＊＊在0.01水平上显著相关，下表同。
(三)回归结果分析
表8是为了验证本文假设H1所做的多元线性回归模型(1)的结果，从表8中可以看出，模型(1)的R2为0.210，模型拟合度较好，金融生态环境综合指数FEE与总资产收益率ROA在0.1水平上显著正相关，说明地区金融生态环境越好，该地区内的银行绩效也就越好，这是因为在较好的外部金融生态环境中，政府对银行治理的管控较少，同时较为发达的实体经济基础和较高的金融发展水平为城市商业银行的发展提供了有利条件，完善的体制机制和高水平的诚信文化也为城市商业银行的发展提供了制度和文化保障。所以，地区金融生态环境越好，该地区的城市商业银行绩效水平也就越高，这与假设H1相符。
表8：回归模型(1)结果分析
┌─────────┬────────┬─────────┬─────────┐
│ │系数 │t检验值 │Sig │
├─────────┼────────┼─────────┼─────────┤
│Constant │-0.012 │-1.077 │0.282 │
├─────────┼────────┼─────────┼─────────┤
│FEE │0.124 │1.761 │0.079 │
├─────────┼────────┼─────────┼─────────┤
│TOP1XZ │-0.003 │-0.040 │0.968 │
├─────────┼────────┼─────────┼─────────┤
│TOP1KZ │-0.234 │-3.887 │0.000 │
├─────────┼────────┼─────────┼─────────┤
│LnSIZE │0.159 │2.570 │0.011 │
├─────────┼────────┼─────────┼─────────┤
│LnGDP │0.013 │0.178 │0.859 │
├─────────┼────────┼─────────┼─────────┤
│R-Square │ │0.210 │ │
├─────────┼────────┼─────────┼─────────┤
│F检验值 │ │5.846*** │ │
└─────────┴────────┴─────────┴─────────┘
表8是多元线性回归模型(2)的结果，通过表8我们可以看出，模型(2)的R2为0.217，模型拟合度较好，关联贷款所占比例RELOAN与我国城市商业银行绩效ROA在0.05的水平上显著负相关，说明关联贷款比例的增加会阻碍城市商业银行绩效的提高，这是因为我国目前整体市场经济环境较差，在不成熟的金融发展体系和不健全的法治环境下，再加之我国城市商业银行自身公司治理水平尚较差，所以此时城市商业银行的大股东就很可能利用关联贷款来实现自身利益，从而损害我国城市商业银行的绩效。因此，我国城市商业银行中关联贷款越多，越不利于城市商业银行绩效的提升，这与本文的研究假设H2相符。
表9：回归模型(2)结果分析
┌──────────┬────────┬─────────┬─────────┐
│ │系数 │t检验值 │Sig │
├──────────┼────────┼─────────┼─────────┤
│Constant │-0.004 │-0.303 │0.762 │
├──────────┼────────┼─────────┼─────────┤
│RELOAN │-1.045 │-2.814 │0.05 │
├──────────┼────────┼─────────┼─────────┤
│FEE │0.085 │1.180 │0.239 │
├──────────┼────────┼─────────┼─────────┤
│RELOAN*FEE │0.889 │2.462 │0.014 │
├──────────┼────────┼─────────┼─────────┤
│TOP1XZ │-0.005 │-0.082 │0.935 │
├──────────┼────────┼─────────┼─────────┤
│TOP1KZ │-0.229 │-3.836 │0.000 │
├──────────┼────────┼─────────┼─────────┤
│LnSIZE │0.111 │1.710 │0.088 │
├──────────┼────────┼─────────┼─────────┤
│LnGDP │0.001 │0.010 │0.992 │
├──────────┼────────┼─────────┼─────────┤
│R-Square │ │0.217 │ │
├──────────┼────────┼─────────┼─────────┤
│F检验值 │ │5.713*** │ │
└──────────┴────────┴─────────┴─────────┘
表9是多元线性回归模型(3)的结果，从表9中我们可以看出，金融生态环境综合指数与我国城市商业银行关联贷款比例在0.01水平上显著负相关，这是因为良好的外部金融生态环境将有助于我国城市商业银行对关联贷款进行规范化管理，同时健全的市场制度和高水平的诚信文化水平抑制了大股东的机会主义行为，从而减少了我国城市商业银行中关联贷款的产生，说明地区金融生态环境越好，则该区域内城市商业银行的关联贷款越少，这与假设H3相符。
表10：回归模型(3)结果分析
┌─────────┬────────┬──────────┬────────┐
│Constant │0.487 │5.919 │0.000 │
│FEE │-0.274 │-4.154 │0.000 │
├─────────┼────────┼──────────┼────────┤
│TOP1XZ │-0.019 │-0.308 │0.758 │
├─────────┼────────┼──────────┼────────┤
│TOP1KZ │0.032 │0.569 │0.570 │
├─────────┼────────┼──────────┼────────┤
│LnSIZE │-0.335 │-5.778 │0.000 │
├─────────┼────────┼──────────┼────────┤
│LnGDP │-0.095 │-1.412 │0.159 │
├─────────┼────────┼──────────┼────────┤
│R Square │ │0.205 │ │
├─────────┼────────┼──────────┼────────┤
│F检验值 │ │13.422＊＊＊ │ │
└─────────┴────────┴──────────┴────────┘
综合上述三个回归模型结果分析，从表8的多元线性回归模型结果中，我们可以看到金融生态环境与我国城市商业银行绩效显著正相关，而在表9中，当模型中加入关联贷款RELOAN这一变量时，金融生态环境综合指数FEE与城市商业银行绩效ROA的正相关关系并不显著，并且通过表10可以看出，金融生态环境与关联贷款呈显著的负相关，因此，我们可以发现关联贷款在金融生态环境与我水平上显著负相关，而金融生态环境与关联贷款的交互变量与银行绩效在0． 05 水平上显著正相关，说明金融生态环境变好会减弱关联贷款与我国城市商业银行绩效的负相关关系，这就验证了假设H4。
|
