《表2 基准模型回归的结果》

  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

《基于“渠道识别”的货币政策银行风险承担渠道问题研究》

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:（1）下标t-i表示变量的滞后i期值，如果没有注明下标的，则表示变量的当期值。（2）***表示统计量在1%水平上显著，**表示统计量在5%水平上显著，*表示统计量在10%水平上显著，括号内为t值（下同）。

考虑到Altunbas等（2010，2014）等多位学者的研究表明，银行风险承担确实具有滞后性，因此本文确定使用动态面板模型进行估计。对于基准模型，我们采用系统广义矩进行估计，以便与加入渠道识别后的模型进行控制和对比。而对于加入渠道识别后的模型，鉴于我们设计的是一个特殊的两阶段回归模型，且第二阶段回归的解释变量是第一阶段回归的残差，因此我们选择在第一阶段回归模型上使用动态面板估计，第二阶段回归模型上使用静态面板估计..（1.5）。由于一阶差分广义矩估计量会导致一部分样本信息的损失，并且当因变量在时间上有持续性时，工具变量的有效性将减弱从而影响估计结果的渐进有效性，即会出现有限样本偏误。而系统广义矩估计可以增强差分估计中工具变量的有效性（冯宗宪、陈伟平，2013），因此我们使用系统广义矩的残差作为第二阶段回归模型的因变量。且在下文结果的相关部分中我们均列出了二阶序列相关检验和Sargan识别检验的结果。