第１７卷第１期 ２０１７年１月 鸡西大学学报 ＪＯＵＲＮＡＬ ＯＦ ＪＩＸＩ ＵＮＩＶＥＲＳＩＴＹ Ｖ０ｌ＿１７ Ｎｏ．１ Ｊａｎ．２０１７ 文章编号：１６７２—６７５８（２０１７）０ｌ一００６１—５ 中国农业银行不良贷款率影响因素的实证分析 关 珊 ，朱家明２ （安徽财经大学１．金融学院；２．统计与应用数学学院，安徽蚌埠２３３０３０） 摘要：针对中国农业银行不良贷款率影响因素，选取了２０１０年６月至２０１６年３月我国农业银行不良贷 款率、资本充足率（ＣＡＲ）、国内生产总值（ＧＤＰ）、居民消费价格指数（ＣＰＩ）、贷存比、拨备覆盖率（ＰＣＲ）的月度数 据，运用ＥＶＩＥＷＳ软件建立多元线性回归模型，并对模型进行了多重共线性、异方差、自相关检验等计量检验，得 出农业银行的贷存款比率和拔备覆盖率对不良贷款率影响程度最为显著的结论。最后从不良贷款的增量防范 和存量化解两方面提出了降低农业银行不良贷款率的措施建议。 关键词：不良贷款率；线性回归；多重共线性；异方差；自相关 中图分类号：Ｆ８３２．４ 文献标识码：Ａ ２０１５年度财务报告指出中国前六大商业银行 款率和不良贷款警戒率，得出主要的商业银行不 不良贷款余额合计接近８０００亿元人民币，占中国 全部商业银行不良贷款余额的６２．２２％，严重影响 了银行业的利润增长。中国农业银行２０１５年年底 不良率继续维持上市银行最高水平，达到２．３９％， 同比上涨０．８５个百分点，居四大银行之首。 良贷款率基本都达到一年存贷利率计算口径的警 戒率水平。贾宏文、颜咏华（２０１２）实证研究发现， 银行风险承担与银行发行债券、银行存款数量呈 负相关，与银行次级信贷呈正相关变动，＿４ 并提出 银行上市有利于控制信用风险。王光伟、童元松 （２０１４）通过统计描述分析、多元回归法和虚拟变 不良贷款率大小是商业银行盈利能力和核心竞 争力的反映，它不仅影响着银行的生存和发展，更对 一个国家金融体系的稳定起着不容忽视的作用。因 防范和化解不良贷款的有效措施，有利于中国农业 量回归等方法从宏观角度研究了影响我国商业银 行不良贷款率的具体因素，＿５ 并得出了人民币升 此研究影响中国农业银行不良贷款率的因素并提出 银行资产质量和核心竞争力的提升，是促进我国实 体经济发展、防范我国金融风险的必要举措。 １文献综述 值有利于银行降低不良贷款率的结论。纵观国内 外学者对于商业银行不良贷款率问题的研究，大 部分是从宏观角度出发，通过建立相关计量模型 研究不同因素对不良贷款的影响程度。本文将从 宏观、微观两个方面人手，选取五个具有代表性的 经济指标，深入具体地研究中国农业银行不良贷 款率的产生原因。 ２实证分析 关于商业银行不良贷款率的影响因素和防范 措施，众多国内外学者从不同角度进行了大量的 研究。Ｊｉｍｅｎｅｚ和Ｇａｂｒｉｅｌ等（２００５）选取了１９８４— ２００４年间西班牙银行业不良贷款的相关数据进行 探讨，发现ＧＤＰ增长率，较高的实际利率 和宽松 ２．１ 变量的选取和数据的处理 本研究从影响农业银行不良贷款的宏观经济 信贷条件是不良贷款增长的重要影响因素。Ｂａｒ— ｒｏｓ Ｃ．Ｐ．等在对商业银行效率考察时引进不良贷 款作为主要因素 之一，测算了日本银行业技术 效率和生产率的变动情况。娜（２０１０）基于我 因素和银行自身行为人手，选择了５个变量：资本 充足率（ＣＡＲ）、国内生产总值（ＧＤＰ）、居民消费价 格指数（ＣＰＩ）、贷存比、拨备覆盖率（ＰＣＲ）来解释 农业银行不良贷款率的变动。选取２０１０年６月至 ２０１６年３月每３月一次的月度数据，共２４个样 国现有的不良贷款警戒率模型，＿３ 比较了１９９８— ２００８年国有商业银行和股份制商业银行的不良贷 本，数据来源于《中国统计年鉴》和Ｗｉｎｄ资讯。 作者简介：关珊，在读硕士，安徽财经大学金融学院。研究方向：金融学。 通讯作者：朱家明，硕士，副教授，安徽财经大学统计与应用数学学院。研究方向：应用数学与数学建模。 基金项目：国家级大学生创新创业训练计划项目（编号：２０１６１０３７８４３４）；国家自然科学基金资助项目（编号：１１６０１００１）。 ・６１・ 第１期 鸡西大学学报 ２．２研究方法 Ｙｔ＝ｐ０＋ｐ１ Ｘ２ｔ＋ｐ２Ｘ３ｔ＋ｐ３Ｘ４ｔ＋ｐ４Ｘ５ｔ＋ｐ５Ｘ６ｔ＋ ｕ （１） 引入解释变量：资本充足率／％（Ｘ２）、ＧＤＰ当 季值／亿元（Ｘ３）、ＣＰＩ／％（Ｘ４）、贷存ＩＬ／％（Ｘ５）、 拨备覆盖率／％（Ｘ６）与被解释变量：不良贷款 率／％（Ｙ），我们初步设定模型为： Ｖａｒｉａｂｌｅ Ｃ Ｘ２ Ｘ３ Ｘ４ Ｘ５ Ｘ６ 其中ＩＩ 为随机扰动项。 通过ＥＶＩＥＷＳ软件建立多元线性回归模型并 利用ＯＬＳ方法估计参数，结果见表１。 Ｃｏｅｉｃｉｆｅｎｔ Ｓｔｄ．Ｅｒｒｏｒ ２．５９０７７８ ０．７９７８６ —０．００７３９０ ０．０３ １２９ ２．４９Ｅ一０６ ２．１ ３Ｅ一０６ 表１ ＯＬＳ方法下的多元线性模型参数估计表 ｔ－Ｓｔａｔｉｓｔｉｃ ３．２４７３８０ ０．２３６２４２ １．１ ６６２３６ １．７４７６０５ ０．３７８０５ｌ ．１ ６．０４２５９ Ｐｒｏｂ． ０．００４５ ０．８ ｌ ５９ ０．２５８７ ０．０９７６ ０．７０９８ ０．００００ —０．０３８４４２ ０．０２ ｌ ９７ ０．００６６８２ ０．０１７６５ —０．００５６６ １ ０．０００３３ Ｒ—ｓｑｕａｒｅｄ ０．９６０６７７ Ｍｅａｎ ｄｅｐｅｎｄｅｎｔ ｖａｒ １．６２７５００ Ａｄｊｕｓｔｅｄ Ｒ—ｓｑｕａｒｅｄ Ｓ．Ｅ．ｏｆｒｅｇｒｅｓｓｉｏｎ Ｓｕｍ ｓｑｕａｒｅｄ ｒｅｓｉｄ Ｌｏｇ ｌｉｋｅｌｉｈｏｏｄ ０．９４９７５４ ０．０８７６６４ ０．１３８３３１ ２７．８ｌ９３９ Ｓ．Ｄ．ｄｅｐｅｎｄｅｎｔ ｖａｒ Ａｋａｉｋｅ ｉｎｆｏ ｃｒｉｔｅｒｉｏｎ Ｓｃｈｗａｒｚ ｃｒｉｔｅｒｉｏｎ Ｆ．ｓｔａｔｉｓｔｉｃ ０３９１０８８ 一１．８ １ ８２８３ 一１．５２３７６９ ８７．９５０４３ Ｄｕｒｂｉｎ．腑ｔｓｏｎ ｓｔａｔ ０．６７６９６６ Ｐｒｏｂ（Ｆ—ｓｔａｔｉｓｔｉｃ）０．００００００ 因此我们初步得到农业银行不良贷款率与各 ＝１９的临界值ｔ。。 （１９）＝２．０９３。我们分别将解 影响因素间的线性回归方程： Ｙ ＝２．５９０７７８—０．００７３９０ｘ２ ＋２．４９Ｅ一０６ｘ３ 一 ０．０３８４４２ｘ４。一０．００６６８２ｘ５ 一０．００５６６１Ｘ ６ ｌ释变量Ｘ２、Ｘ３、Ｘ４、Ｘ５、Ｘ６和常数Ｃ的ｔ统计量值 与临界值进行比较，发现常数Ｃ的ｔ统计量 ３．２４７３８０＞２．０９３；Ｘ６的ｔ统计量一１６．０４２５９，其绝 ｔ＝（３．２４７３８０）（一０．２３６２４２）（１．１６６２３６） 对值大于２．０９３，即常数ｃ和Ｘ６通过ｔ检验，说明 （一１．７４７６０５）（０．３７８０５１）（一１６．０４２５９） Ｒ ＝０．９６０６７７ ０．６７６９６６ 拨备覆盖率对不良贷款率的影响显著；其余变量均 ＤＷ＝ Ｒ ：０．９４９７５４ 未通过ｔ检验。 由于资本充足率（Ｘ２）、ＣＰＩ（Ｘ４）的经济意义不 由回归结果可以得出，农行的不良贷款率与存 合理，除拨备覆盖率（Ｘ６）以外各解释变量的ｔ检验 贷比呈正相关，与资本充足率、拨备覆盖率呈负相 均不能通过，我们推断模型中可能出现了多重共线 关，这与实际经济意义相符合；但与ＧＤＰ呈正相 性，故进一步对模型进行计量经济学检验。 关、与ＣＰＩ呈负相关，不符合实际经济意义。因此， ３．２计量经济学检验 我们对模型进行统计推断和计量经济学检验。 ３模型的检验 ３．２．１多重共线性检验及修正 （１）模型的多重共线性检验 运用ＥＶＩＥＷＳ软件得到各解释变量之间以及 ３．１统计推断检验 由表１可知，所建模型的可决系数Ｒ ＝ 各解释变量与被解释变量之间的线性相关系数见 ０．９６０６７７，修正后的可决系数Ｒ ＝０．９４９７５４，Ｆ统 表２。由表２可以看出，ＧＤＰ（Ｘ３）、存贷比（Ｘ５）存 计量为８７．９５０４３，模型的整体拟合优度较高。给定 在严重的多重共线性，故采用逐步回归法对模型进 显著性水平仅＝０．０５，查ｔ分布表得自由度为１２１一ｋ 行修正。 表２各变量相关系数表 Ｘ２ Ｘ３ Ｘ４ Ｘ５ Ｘ６ Ｘ２ Ｘ３ １．００００００ ０．７ｌ２９７６ ０．７１２９７６ １．００００００ —０．３９２５６７ —０．６６７３４０ ０．６８５９４３ ０．９２ｌ７８３ ０．４６０５８８ ０．３３４９ｌ３ Ｘ４ Ｘ５ －０．３９２５６７ ０．６８５９４３ —０．６６７３４０ ０．９２１７８３ １．００００００ ．０．７３８８７０ —０．７３８８７０ １．００００００ －０．３４ ｌ ９８０ ０．１９７５ｌ５ Ｘ６ ０．４６０５８８ ０．３３４９ ｌ ３ —０．３４１９８０ ０．１９７５ ｌ ５ １．００００００ ・６２・ 第１期 中国农业银行不良贷款率影响因素的实证分析 （２）逐步回归法修正模型 归结果发现，ｙ、ｘ５、ｘ６进行拟合所得到的回归模型 由ｔ检验得知，解释变量Ｘ６（拨备覆盖率）对 （见表３）Ｒ ＝０．９５０２０９，拟合优度最好，且均通过Ｆ 被解释变量的影响最为显著，故以Ｘ６为基础，分 检验和ｔ检验。 别增加解释变量Ｘ２、Ｘ３、Ｘ４、Ｘ５引人方程，观察回 因此我们以该模型为基础，继续增加解释变量 表３基于解释变量对存贷比的回归 Ｖａｒｉａｂｌｅ Ｃ Ｘ６ Ｘ５ Ｃｏｅ伍ｃｉｅｎｔ １．１８５０５ｌ ．０．００５４０１ ０．０３１４７３ Ｓｔｄ．Ｅｒｒｏｒ ０．３ｌ８８７３ ０．０００２７１ ０．００５４１２ ｔ－Ｓｔａｔｉｓｔｉｃ ３．７１６３７４ ．１９．９２７０ｌ ５．８１５２１４ Ｐｍｂ． ０．００１３ ０．００００ ０．００００ Ｒ・ｓｑｕａｒｅｄ ０．９５０２０９ Ｍｅａｎ ｄｅｐｅｎｄｅｎｔ ｖａｒ １．６２７５００ Ａｄｊｕｓｔｅｄ Ｒ・ｓｑｕａｒｅｄ Ｓ．Ｅ．ｏｆ ｒｅｇｒｅｓｓｉｏｎ Ｓｕｍ ｓｑｕａｒｅｄ ｒｅｓｉｄ Ｌｏｇ ｌｉｋｅｌｉｈｏｏｄ ０．９４５４６７ ０．Ｏ９ １ ３２８ Ｏ．１７５ｌ５８ ２４．９８６９ ｌ Ｓ．Ｄ．ｄｅｐｅｎｄｅｎｔ ｖａｒ Ａｋａｉｋｅ ｉｎｆｏ ｃｒｉｔｅｒｉｏｎ Ｓｃｈｗａｒｚ ｃｒｉｔｅｒｉｏｎ Ｆ．ｓｔａｔｉｓｔｉｃ ０．３９１０８８ ．１．８３２２４３ 一１．６８４９８６ ２００．３８０４ Ｄｕｒｂｉｎ．腑ｔｓｏｎ ｓｔａｔ ０．５８３２６６ Ｐｒｏｂ（Ｆ－ｓｔａｔｉｓｔｉｃ） ０．００００００ Ｘ２、Ｘ３、Ｘ４进行逐步回归，结果发现三种情况均通 ３．２．２异方差的检验及修正 不过统计推断检验，故认为Ｙ与）（５、Ｘ６拟合的线性 回归直线最为准确。在对模型的多重共线性进行 修正以后，得到的回归方程为： Ｙ＝１．１８５０５１＋０．０３１４７３Ｘ５—０．００５４０１Ｘ６ （１）异方差的检验 ①运用Ｗｈｉｔｅ异方差检验方法对模型进行异 方差检验，得到表４。表４中，Ｏｂｓ；ｌ：Ｒ—ｓｑｕａｒｅｄ＝ １１．９６５１７，相伴概率Ｐ＝０．０３５２６８小于０．０５，即该 模型存在异方差。 （０．３１８８７３） （０．００５４１２） （０．０００２７１） Ｔ＝（３．７１６３７４） （５．８１５２１４） （一１９．９２７０１） Ｒ ：０．９５０２０９ Ｒ ：０．９４５４７６ Ｆ：２００．３８０４ Ｄ．Ｗ．＝０．５８３２６６ （２）使用加权最小二乘法修正异方差 加权最小二乘法就对原模型加权以消除模型 的异方差，然后采用普通最小二乘法估计其参数， 表４ Ｗｈｉｔｅ异方差检验结果表 ＷｈｉｔｅＨｅｔｅｒｏｓｋｅｄａｓｔｉｃｉｔｙＴｅｓｔ Ｆ ｓｔａｔｉｓｔｉｃ ３．５７９１６１ Ｐｒｏｂａｂｉｌｉｔｙ ０．０２０１５０ Ｏｂｓ Ｒ－ｓｑｕａｒｅｄ Ｖａｒｉａｂｌｅ Ｃ １１．９６５ｔ７ Ｃｏｅｆｉｃｉｆｅｎｔ ０．３６０ｌ８１ Ｐｒｏｂａｂｉｌｉｔｙ Ｓｔｄ．Ｅｒｒｏｒ １．１３３４５９ ｔ－Ｓｔａｔｉｓｔｉｃ ０．３１７７７２ ０．０３５２６８ Ｐｒｏｂ． ０．７５４３ Ｘ６ Ｘ６ ２ ０ ０００Ｉ２３ ４．８０Ｅ一０７ ０．０００４２７ ３．４９Ｅ一０７ ０．２８７２７２ １．３７７５３７ ０．７７７２ ０ ｔ８５２ Ｘ６ Ｘ５ Ｘ５ Ｘ５ ２ Ｒ—ｓｑｕａｒｅｄ —６．８４Ｅ－０６ ０．０１３０８ｌ ０．０００１３１ ０．４９８５４９ ７．８８Ｅ．０６ ０ ０３８１３４ ０．０００３１９ ．０．８６７３ １ ５ ０．３４３０３６ ０．４ｌ０４９３ ０．３９７２ ０ ７３５５ ０．６８６３ Ｏ．００７２９８ Ｍｅａｎ ｄｅｐｅｎｄｅｎｔ ｖａｔ Ａｄｊｕｓｔｅｄ Ｒ－ｓｑｕａｒｅｄ Ｓ．Ｅ．ｏｆｒｅｇｒｅｓｓｉｏｎ ０．３５９２５７ ０．００５９４８ Ｓ，Ｄ．ｄｅｐｅｎｄｅｎｔ ｖａｒ Ａｋａｉｋｅ ｉｎｆｏ ｃｒｉｔｅｒｉｏｎ Ｏ．００７４３１ 一７．１９９ｌ９４ Ｓｕｍ ｓｑｕａｒｅｄ ｒｅｓｉｄ Ｌｏｇ ｌｉｋｅｌｉｈｏｏｄ ０．０００６３７ ９２．３９０３２ Ｓｃｈｗａｒｚ ｃｒｉｔｅｒｉｏｎ Ｆ．ｓｔａｔｉｓｔｉｃ ．６．９０４６８０ ３．５７９１６ｌ Ｄｕｒｂｉｎ．Ｗａｔｓｏｎ ｓｔａｔ １．９８５５９１ ＰｒｏｂｆＦ—ｓｔａｔｉｓｔｉｃ） Ｏ．０２０１ ５０ 得出无偏、有效的参数估计量的方法。运行 ＥＶＩＥＷＳ软件，得到异方差修正结果见表５。 ・６３・ 第１期 鸡西大学学报 表５异方差修正结果表 非权重统计量 统计量 Ｒ 值 修正后的Ｒ 值 残羞平方和 权重统计量 统计量 Ｒ 值 修正后的Ｒ 值 残差平方和 参数值 ０．９２２６００ ０．９１５２２８ ０．２７２２８２ 参数值 １．００００ １．００００ ５．８８Ｅ—Ｏ５ 回归标准差 Ｄｗ值 ０．１１３８６７ ０．３６８１４１ 回归标准差 Ｄｗ值 Ｆ值 ０．００１６７３ １．６ｌ３０６３ ｌ ２２５４４．４ Ｆ概率值 ０．００００００ 对修正后的模型再次进行Ｗｈｉｔｅ异方差检验 通过偏相关系数检验，观察ＰＡＣ以及Ｐａｒｔｉａｌ 值均小于０．５，表明不良贷款率模型不存在一阶、二 阶及多阶的自相关性。 得到：Ｏｂｓ；｝：Ｒ—ｓｑｕａｒｅｄ＝２．７０４８７８，Ｐｒｏｂａｂｉｌｉｔｙ＝ Ｃｏｒｒｅｌａｔｉｏｎ列的图１可知，偏相关系数ＰＡＣ的绝对 ０．７４５３７２＞０．５，说明修正后的模型不存在异方差。 ３．２．３ 自相关检验 Ａｕｔｏｃｏｒｒｅｌａｔｉｏｎ Ｐａｒｔｉａｌ Ｃｏｒｒｅｌａｔｉｏｎ ＡＣ ＰＡＣ Ｑ Ｓ￡猷Ｐｒｏｂ １ ０ １４Ｏ ０ １４Ｏ Ｏ ５３３９ Ｏ＋４６５ ２ Ｏ ０ｌ４５ Ｏ Ｏ２ＩＳ Ｏｌ５９ａ｝６ ０ ７４４ ３ Ｏ Ｏ７３ Ｏ ｏ６５ ０ ７５Ｏ１ Ｏ ８６１ ４＿￡｝ ３３３．ｏ ３６２ ４ ２１ＳＯ Ｏ ３７８ ５血ｏ １０１．ｏ ∞５ ４ ５４９２ Ｏ ４ ６∞ １ 婚∞ １３Ｓ ５ ２９１０ ０ ５Ｏ７ ７．０ ２ １１４ ６ ７９５７ ０ ４５０ ８∞ １ｏ２．ｏ １９７ ７ ２０１０ ０ ５１５ ９ Ｏ ６∞ Ｃ燃７ ４：｝８６ Ｏ．５ ｝２ １ｏ Ｏ ＯＯ５∞ 《脱７ ４３ｇＩ９ Ｏ ｊ５８３ １１ Ｏ ｏｏ９ ｍ １１４ ７ ４雌３４ ０ ７６２ １２ ０ ２０７ ０ １５９ １０ ３６９ Ｏ ＳｉＭ 图１ 偏相关系数检验结果图 在对最初建立的模型进行了经济意义检验、 统计推断检验、多重共线性检验、异方差检验和自 相关性检验，并基于各种检验修正模型后，我们最 终得到农业银行不良贷款率与各影响因素间的线 性回归方程： Ｙ＝１．７８２６７５＋０．０１９９６５Ｘ５—０．００５２４０Ｘ６ 通过对中国农业银行不良贷款率影响因素的 实证分析，我们发现中国农业银行不良贷款的产 生与我国宏观经济发展形势、银行的经营管理水 平及控制防范信贷风险的能力紧密相关。其中， 农业银行的拨备覆盖率和存贷比对不良贷款率的 影响程度最为显著。要降低中国农业银行不良贷 款率，需要将增量防范和存量化解二者有机结合 起来，在提高防范能力、遏制新增不良贷款的同 （０．１２９２０１）（０．００１８５４）（３．７４Ｅ一０５） ｔ＝（１３．７９７７２）（１０．７７１０３）（一１４０．２７０３） Ｒ。＝１００００００ ．Ｒ＝１．００００００ ＤＷ＝ 时，通过合理的途径化解农业银行已经存在的不 １．６ｌ３０６３ 良贷款。本研究就如何降低中国农业银行的不良 贷款率，给出以下建议。 （１）农业银行应合理地预期宏观经济发展形 势以实行配套的信贷管理制度，建立科学有效的 风险预警机制，提高对信贷风险的控制和分散能 ４结论和建议 根据最终模型的结果可知，我国农业银行不 良贷款率与商业银行的拨备覆盖率、存贷比率密 切相关。不良贷款率与存贷比正相关，存贷比每 增加１％，不良贷款率就会增加０．０１９９６５％；不良 贷款率与拨备覆盖率负相关，拨备覆盖率每增加 １％，不良贷款率就会减少０．００５２４％。 ．力。农业银行在进行贷款时应严查企业的财务状 况和盈利能力，加强信贷风险识别，从源头上减少 呆账和不良贷款的发生。 ６４・ 第１期 中国农业银行不良贷款率影响因素的实证分析 ２０１７年 （２）积极推进商业银行债权转股权和不良资 ｒｉｓｋ，ａｎｄ ｐｒｕｄｅｎｔｉａｌ ｒｅｇｕｌａｔｉｏｎ［Ｊ］．Ｂａｎｃｏ ｄｅ Ｅｓｐａｎａ，２００５ （１）：１０—２８． 产证券化。债转股和资产证券化被称为供给侧改 革的“两只手”。债转股即把债权转化为股权，是 一［２］Ｂａ￣ｏｓ Ｃ Ｐ，Ｍａｎａｇｉ Ｓ，Ｍａｔｏｕｓｅｋ Ｒ．Ｔｈｅ ｔｅｃｈｎｉｃａｌ ｅｍ－ ｃｌ‘ｅｎｃｙ ｏｆ ｔｈｅ Ｊａｐａｎｅｓｅ ｂａｎｋｓ：Ｎｏｎ—ｒａｄｉａｌ ｄｉｒｅｃｔｉｏｎａｌ ｐｅｒｆｏｒｍ． 种债务重组，也是处置不良资产的常用方式之 。一我国目前正在积极重启首批试点规模约 ａｆｌｅｅ ｍｅａｓ—ｕｒｅｍｅｎｔ ｗｉｔｈ ｕｎｄｅｓｉｒａｂｌｅ ｏｕｔｐｕｔ［Ｊ］．Ｏｍｅｇａ， ２０１２，４０（１）：１—８． 为１万亿的债转股，这将明显降低商业银行不良贷 款的下行压力，改善银行资产状况，同时减轻高负 债企业的财务压力，大大避免企业的破产风险。 资产证券化是指银行将缺乏流动性但具有未来现 ［３］娜．关于降低我国商业银行不良贷款率的思 考［Ｊ］．金融与经济，２０１０（２）：２６—２９． ［４］贾宏文，颜咏华．市场纪律对银行风险承担行为的 金流量的信贷资产，通过结构性重组，层层打包， 转变为可以在金融市场上流通的证券。商业银行 影响研究［Ｊ］．湖南财政经济学院学报，２０１２（８）：７３—７７． ［５］王光伟，童元松．我国商业银行不良贷款率的影响因 通过将某些贷款证券化可以将这些资产移至表 外，提高银行的资本充足率；同时也可将信贷资产 的风险通过证券化转移给证券市场上具有不同风 素研究［Ｊ］．湖北工业职业技术学院学报，２０１４（３）：５０—５４． ［６］陈亮．中国农业银行不良贷款问题及分析 ［Ｊ］．企业导报，２０１２，３２（１１）：１—８． ［７］马振国．新经济形势下我国商业银行不良贷款的 影响因素研究［Ｄ］．吉林大学，２０１５． ［８］徐晓通．中国银行业不良贷款率的影响因素实证 研究［Ｄ］．山东财经大学，２０１５． 险偏好的投资者，以分散和化解金融风险。 （３）完善拨备考核方案，根据农行的经营状况 确定适宜的拨备覆盖率。根据银监会相关规定，商 业银行拨备覆盖率不能低于１５０％。此前，已经有 商业银行建议银监会下调银行拨备覆盖率至１００％ 一［９］陈奕羽．我国商业银行不良贷款率的影响因素分 析［Ｄ］．南京理工大学，２０１５． １２０％的水平以缓解商业银行的拨备压力，提升商 业银行的风险偏好和放贷意愿，提高其盈利能力。 ［１０］伍德里奇ＪＭ．计量经济学导论：现代观点［Ｍ］． 费剑平，林相森，译．北京：中国人民大学出版社，２００３． ［１１］张晓峒．计量经济学软件ＥＶＩＥＷＳ使用指南 ［Ｍ］．天津：南开大学出版社，２００４ 参考文献 ［１］Ｊｉｍｅｎｅｚ，Ｇａｂｒｉｅｌ，Ｊ Ｓａｕｎｎａ Ｃｒｅｄｉｔ ｃｙｃｌｅｓ，ｃｒｅｄｉｔ Ｅｍｐｉｒｉｃａｌ Ａｎａｌｙｓｉｓ ｏｆ Ｉｎｆｌｕｅｎｃｉｎｇ Ｆａｃｔｏｒｓ ｏｆ Ｎｏｎ——ｐｅｒｆｏｒｍｉｎｇ Ｌｏａｎ Ｒａｔｉｏ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｂａｎｋ ｏｆ Ｃｈｉｎａ Ｇｕａｎ Ｓｈａｎ ，Ｚｈｕ Ｊｉａｍｉｎｇ （Ａｎｈｕｉ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｆｉｎａｎｃｅ ａｎｄ Ｅｃｏｎｏｍｉｃｓ １．Ｓｃｈｏｏｌ ｏｆ Ｆｉｎａｎｃｅ； ２．Ｓｃｈｏｏｌ ｏｆ Ｓｔａｔｉｓｔｉｃｓ ａｎｄ Ａｐｐｌｉｅｄ Ｍａｔｈｅｍａｔｉｃｓ，Ｂｅｎｇｂｕ，Ａｎｈｕｉ ２３３０３０，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｉｍｅｄ ｔｏ ｔｈｅ ｉｎｆｌｕｅｎｃｉｎｇ ｆａｃｔｏｒｓ ｏｆ ｎｏｎ—ｐｅｒｆｏｒｍｉｎｇ ｌｏａｎ ｒａｔｉｏ ｏｆ ａｇｒｉｃｕｌｔｕｒａｌ ｂａｎｋ ｏｆ Ｃｈｉｎａ．ｔｈｉｓ ｐａｐｅｒ ｓｅｌｅｃｔｓ ｎｏｎ— ｐｅｒｆｏｒｍｉｎｇ ｌｏａｎｓ ｒａｔｉｏ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｂａｎｋ ｏｆ Ｃｈｉｎａ，ｔｈｅ ｒａｔｅ ｏｆ ｃａｐｉｔａｌ ａｄｅｑｕａｃｙ ｒａｔｉｏ（ＣＡＲ），ｔｈｅ ｇｒｏｓｓ ｄｏｍｅｓｔｉｃ ｐｒｏｄｕｃｔ（ＧＤＰ）， ｔｈｅ ｃｏｎｓｕｍｅｒ ｐｒｉｃｅ ｉｎｄｅｘ（ＣＰＩ），ｌｏａｎ ｄｅｐｏｓｉｔ ｒａｔｉｏ ａｎｄ ｐｒｏｖｉｓｉｏｎ ｃｏｖｅｒａｇｅ ｒａｔｉｏ（ＰＣＲ）ｏｆ ｔｈｅ ｍｏｎｔｈｌｙ ｄａｔａ ｆｒｏｍ Ｊｕｎｅ ２０１０ ｔｏ Ｍａｒｃｈ ２０１６，ｗｉｔｈ ＥＶＩＥＷＳ ｓｏｆｔｗａｒｅ，ｗｅ ｃｏｎｓｔｒｕｃｔ ａ ｍｕｌｔｉｐｌｅ ｔｈｅ ｌｉｎｅａｒ ｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅｌ ｗｈｉｃｈ ｉｓ ｔｅｓｔｅｄ ｂｙ ｍｕｌｔｉｐｌｅ ＣＯ—ｌｉｎｅａｒｉｔｙ， ｄｉｆｆｅｒｅｎｔ ｖａｒｉａｎｃｅ，ａｕｔｏｃｏｎ＇ｅｌａｔｉｏｎ ｔｅｓｔ，ｉｔ ｉｓ ｃｏｎｃｌｕｄｅｄ ｔｈａｔ ｔｈｅ Ａｇｒｉｃｕｌｔｕｒａｌ Ｂａｎｋ Ｌｏａｎ ｄｅｐｏｓｉｔ ｒａｔｉｏ ａｎｄ ｐｒｏｖｉｓｉｏｎ ｃｏｖｅｒａｇｅ ｅｆｆｅｃｔ ｏｎ ｔｈｅ ｒａｔｅ ｏｆ ｎｏｎ——ｐｅｒｆｏｒｍｉｎｇ ｌｏａｎｓ ｉｓ ｔｈｅ ｍｏｓｔ ｓｉｇｎｉｆｉｃａｎｔ ｄｅｇｒｅｅ ｏｆ．Ｗｅ ｐｕｔｓ ｆｏｒｗａｒｄ ｓｏｍｅ ｍｅａｓｕｒｅｓ ｔｏ ｒｅｄｕｃｅ ｔｈｅ ｎｏｎ—－ｐｅｒｆｏｒｍｉｎｇ ｌｏａｎ ｒａｔｉｏ ａｓ ｗｅｌ１． Ｋｅｙ ｗｏｒｄｓ：ｎｏｎ—ｐｅｒｆｏｒｍｉｎｇ ｌｏａｎ ｒａｔｉｏ；ｌｉｎｅａｒ ｒｅｇｒｅｓｓｉｏｎ；ｍｕｌｔｉｐｌｅ ＣＯ—ｌｉｎｅａｒｉｔｙ；ｄｉｆｆｅｒｅｎｔ ｖａｒｉａｎｃｅ；ｓｅｌｆ ｃｏｒｒｅｌａｔｉｏｎ Ｃｌａｓｓ Ｎｏ．：Ｆ８３２．４ Ｄｏｃｕｍｅｎｔ Ｍａｒｋ：Ａ （责任编辑：宋瑞斌） ６５・ ・
