《表3 多元回归及多重共线性分析结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《经济新常态下商业银行不良贷款影响因素研究——基于多元线性回归模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：估计系数下方括号内的数字为系数估计值的T统计量，其中*表示变量关系的显著性水平为10%；**表示变量关系的显著性水平为5%；***表示变量关系水平为1%。

从表3回归分析结果可以看出，商业银行互联网化程度与不良贷款率之间在1%的显著性水平下回归系数为-0.588，表明商业银行互联网化的发展有效降低了不良贷款率。一方面，商业银行互联网技术的发展拓宽了商业银行业务渠道，并通过技术管控风险提升了风险管理能力，另一方面，互联网技术的发展带来了征信手段的增多，一定程度上降低了“老赖”的产生几率。因此，商业银行自身互联网发展越快，不良贷款发生的概率则越低。成本收入比与不良贷款率之间在5%的显著性水平上回归系数为0.2002，表明商业银行成本占比越大，则发生不良贷款概率越高。商业银行通过较高成本获取资金，则其流动性将受到负面影响，进而降低资产质量，提高不良贷款的发生概率。杠杆率水平与不良贷款率之间在1%显著性水平上回归系数为0.527，说明高杠杆率将导致不良贷款率升高，商业银行杠杆率过高，则受信人成本增加，很多企业将不堪重负，难以偿还贷款，从而带来不良贷款率的发生。信贷余额与不良贷款率之间在5%的显著性水平上回归系数为-0.311，表明信贷余额规模越大，不良贷款发生概率越小；信贷余额规模增大，则不良贷款被分摊从而降低不良贷款率。国内生产总值与不良贷款率在1%的显著性水平上回归系数为-0.454，表明国内生产总值越大，不良贷款率越小。随着国内生产总值提升，社会投资需求将上升，企业可以获得融资和投资渠道增多，盈利能力增强，从而降低不良贷款率。