《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》
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。
图表编号 | XD0021029000 严禁用于非法目的 |
---|---|
绘制时间 | 2018.08.15 |
作者 | 项后军、郜栋玺、陈昕朋 |
绘制单位 | 西南证券广州天河路营业部 |
更多格式 | 高清、无水印(增值服务) |