《表4 回归结果表：基于市场势力的农村商业银行贷款市场风险承担与效率分析》

  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

《基于市场势力的农村商业银行贷款市场风险承担与效率分析》

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:Sargan检验和AR检验括号内为P值（下同）。

由于本文采用39家农村商业银行的面板数据，且模型中存在自变量的一阶滞后项做因变量，很可能产生内生性问题。因此如果直接采用OLS、固定效应和极大似然法等传统发放进行估计时，则会造成参数估计结果有偏和非一致性。为了缓解异方差、自相关和内生性，本文用广义矩估计法对动态面板进行估计。GMM估计方法通常包括差分GMM和系统GMM两种形式。但差分GMM无法估计随时间而变的变量的系数，且容易出现弱工具变量的问题。为了克服差分GMM的不足，提高估计效率，本文选用系统GMM。系统GMM方法估计的关键是如何选择合理的工具变量。由于对农商行来说，宏观经济变量通常是外生的，因此，本文选择银行微观变量如风险和效率作为前定变量或内生变量。为了确保工具变量是合理的，同时保证结果的稳健性和有效性，本文对方程做以下两个检验。一是过度识别检验。本文用Sargan检验验证工具变量的有效性。二是干扰项序列自相关检验。GMM估计要求模型中干扰项不相关。因此，本文需要检验残差项是否存在二阶或者更高阶序列相关，若不存在二阶自相关，则说明工具变量是合理的。检验结果证明（见表4），本文模型设置和变量选取是合理的。