常见问题      欢迎来到牛博士论文网, 本站提供、本科毕业论文范文硕士论文范文博士毕业论文范文发表职称论文范文,牛博士用心为您服务!欢迎关注微信公众号   
经济论文毕业论文分类>>
毕业论文怎么写更多写论文技巧>>
关于我们
    牛博士论文网经过十余年的心酸代写历程,我们起初的梦想逐渐变成了现实,已经发展成为了一个本科、硕士、博士研究生毕业论文代写代发为主的代写毕业论文平台。十二年专注致力于博士硕士专本科论文代写服务这一核心业务模块,让我们成为了业内有序经营时间最长的综合性论文网站之一,拥有丰富的服务经验和社会资源。合作的写作老师已有2000多位,均为有丰富实践经验的高学历专业人才,以保证文稿的质量与版权,为广大毕业生解决经济、管理、法律、医学、会计、体育、历史、教育教学、建筑等专业的毕业论文及代发代写论文等服务,强大的写作团队奠定了我们的实力! 我们相信通过我们的不断努力和追求,一定能够实现与客户的互利共赢!

我国影子银行对中小企业融资的影响——基于新三板上市公司数据的研究(四)

本站原创   发布时间:2019-03-12   [点击量:269]  


  第4章影子银行对中小企业融资影响的实证检验


  4.1研究假设


  为了检验影子银行对中下企业融资影响的相关性,根据管理层对各种影子银行模式的监管态度(即对于商业银行影子理财产品规模严格控制、积极发展中小型金融机构的影子银行产品等监管措施),本文的基本假设影子银行对中小企业融资具有显著影响,具体假设如下:


  假设1:剔除其他因素的影响,大型金融机构中的影子银行产品对缓解中小企业融资难问题作用不大,甚至是负作用。


  假设2:剔除其他因素的影响,中小金融机构类影子银行对缓解中小企业融资难问题起到积极作用。


  假设3:商业银行利率越高,中小企业获得贷款越容易;中国民间借贷市场利率越高,中小企业获得贷款越容易。


  4.2样本来源及描述


  自2013年年末开始,全国股份转让系统挂牌交易即新三板,面向全国接收企业尤其是中小企业的挂牌申请。因此本文以新三板公司,作为中小企业的代表样本。截止去年年底,在新三板挂牌的公司家数为11630家,总股本6756.73亿股,总市值49404.56亿元。


  针对影子银行对中小企业融资的影响机制,本文选择了年末新三板公司平均总负债水平为自变量,并选取年末银行理财资金总额、信托公司年末信托资产总规模、小额贷款公司年末贷款余额、P2P网贷成交额、商业银行利率水平(Shibor一年期平均利率)和中国民间借贷市场利率(一年期均值)作为因变量,数据的采集来源于Wind数据库、中国人民银行、银监会、用益信托网、银行信息港、普益财富以及国家统计局的统计数据。本文选择2014-2017年年末或年均数据作为分析数据,具体计算过程均应用统计分析软件Stata12.0进行计算与分析。


  4.3模型设定及变量处理


  4.3.1面板模型理论


  面板数据是指一组排列数据拥有两种性质的排列顺序,分别是时间维度以及截面维度。当这一系列数据在平面上按上述两个维度进行排列时,形成了与只有一个维度的数据排列的明显差异,而数据组成的表格就像一个面板,因此成为面板数据。面板数据的本质是一种时间序列数据——截面数据[任通先,龙志和,陈青青,《空间面板数据模型BootstrapLM-Error检验研究》,载《统计研究》,2015年第05期,第31页。]。


  利用面板数据进行分析,是统计领域近几十年来新兴的一种统计模式,由于面板数据可以避免时间序列分析过程中的多重共线性影响,因此能够提供更有效、更少共线性以及更多自由度的估计效率。面板数据分两种类型:


  (1)个体数量较少而延续时间长;


  (2)个体数量多但延续时间段。


  对于面板数据的标识,一般应用双下标来标识,比如变量


  ,其中;


  表示面板数据中不同的个体,对于面板数据来说,该面板数据有N个数据。则表示面板数据中不同的时点,对于面板数据来说,该面板数据时间长度为T。


  利用面板数据建立的模型成为面板数据模型,目前理论界研究出来的面板数据模型主要要三种,分别是混合面板数据模型、固定效应面板数据模型以及随机效应面板数据模型。


  其中,固定面板数据模型具体模式如下:


  假定一个面板数据定义为


  ,等式4.1


  其中,为常数,不随时间、截面的变化而变化;而对于个截面,则有个不同的截距,表示随不同时点(截面)变化,但不随个体变化的难以观测的变量。此时,令,则等式4.1转换为等式4.2。


  ,等式4.2


  等式4-2即为时点固定效应模型的数学式。回归函数的斜率在每个时点(截面)都是相同的,为,却因时点(截面)的不同而发生改变。由此可见,时点固定效应模型中的截距包含了随时点变化而不随个体变化却难以观测到具体数值的变量的影响,因此又代表一种随机变量。常见的时点固定效应模型变量有CPI数据、PMI数据等宏观经济数据。以PMI数据为例,对于不同的时点,PMI是一个便随时间变化的变量,但是对于不同的省份(个体),PMI确是一个不产生变化的量。


  4.3.2定义变量及处理


  本文选取年末新三板公司总负债水平作为因变量。因为中小企业融资方式包括外源性融资和内源性融资,为了统计数据较为容易获得,本文仅考虑外源性融资的负债。另一方面,前文论述国内中小企业获得外源性融资的主要途径是借款,而且融资结构存在短期借款偏多,长期借款偏少的情况,为了统一统计口径,本文采用总负债水平来代表中小企业的融资能力。截止2017年年底,新三板挂牌公司家数为11630家,由于总体数量较大,笔者应用经验抽样法(2%)抽取其中233家挂牌企业作为数据分析样本,其中剔除21家数据不完整企业,实际样本数为212家挂牌企业。又由于2017年年报尚未完全披露,因此剔除2017年年末时点的数据,实际使用2014、2015和2016三年年末的数据。


  本文的自变量有三类,第一类是银行系统中的影子银行产品,包括年末银行理财资金总额、信托公司年末信托资产总规模。第二类变量是中小型金融机构的影子银行和互联网金融类影子银行产品,包括小额贷款公司年末贷款余额和P2P网贷成交额。第三类变量是商业银行利率水平,用Shibor一年期平均利率表示,以及中国民间借贷市场利率。个变量的符号赋值如下表4.1所示。


  表4.1变量符号赋值表


  变量名称 变量符号


  年末新三板公司总负债水平(亿元)


  年末新三板公司流动负债水平(亿元)


  年末银行理财资金总额(亿元)


  信托公司年末信托资产总规模(亿元)


  小额贷款公司年末贷款余额(亿元)


  P2P网贷成交额(亿元)


  商业银行利率水平(%)


  中国民间借贷市场利率(%)


  4.3.3模型设定


  根据上述数据的特点以及上文描述的固定时点面板数据模型,本文采用面板数据的时点固定效应模型。根据上文对于因变量及自变量的定义,通过回归结果的F检验,得出模型自变量间存在明显的个体效应。随后,对模型进行hausman检验,发现个体相应于因变量存在线性相关。


  得出影子银行对中小企业融资影响的具体模型如等式4.3所示。


  ,


  ——等式4.3


  其中,为常数项;表示随自变量变化但不随时间变化的难以观测的自变量;为残差项;为误差项。


  确定模型后,应用Stata编辑函数命令xtcsd来检验数据不同时点间的相关性;编辑函数命令xtserial检验同一时点上不同变量的相关性;编辑函数命令xttest3来检验群组件的异方差,同时用编辑函数命令xtpcse和xtscc来进行模型数据修正。


  4.4检验结果


  4.4.1面板样本数据描述


  如下表4.2所示,212家样本企业2014-2016年年末的总负债情况差异巨大,其平均负债为12233万元,最小值为10572.51元,最大值为115670万元。


  表4.2样本企业年末负债总额数据描述表


  Variable Obs Mean Std.Dev. Min Max


   636 1.2233E+9 2.0925E+9 10572.51 1.1567E+11


   636 8.1639E+7 4.0616E+8 8634.28 8.5638E+10


  其余宏观面板数据的采集结果,如下表4-3所示。2014年-2017年间,由于管理层加强了金融监管,导致了银行年末理财资金总额增长速度日益放缓,在此影响下,银行系统的同业理财剧烈下滑,机构资金来源也被动的收紧。2017年年末理财余额29.54万亿,同比增长速度仅为1.69%。东方不亮西方亮,银行理财的萎缩却带来了信托公司年末信托资产总规模增长,这一金额在,2016年年末为20.25万亿,达到历史最高水平,信托资产总规模的提升很大程度上得益于银监会对于银行理财,尤其是表外资产的强监管。资金失去了银行银行理财蓄水池,自然也分流道了信托端的蓄水池了。值得注意的是,P2P网贷成交额虽然规模与银行及信贷端的资金总量不可同日而语,但是其增速却呈爆发式增长,2014-2017年四年间的年均增速达到127.87%,这一增长速度显示出P2P网贷旺盛的生命力,足以让传统的融资渠道侧目。对于商业银行利率水平(Shibor一年期平均利率)和中国民间借贷市场利率(一年期均值)这两项利率数据,通过观察,可以估计出二者存在正相关的关系,商业银行利率水平下降时,中国民间借贷市场利率随之下降。而2017年的数据却比价特殊,当年商业银行利率水平与2016年相比出现上涨,但是中国民间借贷市场利率却出现下滑。另一方面,由于2017年信托公司年末信托资产总规模数据缺失,因此剔除所采集的2017年年末时点的数据,实际使用2014、2015和2016三年年末的数据。


  表4.3采集数据汇总表


  年份 2014 2015 2016 2017


  年末银行理财资金总额(万亿元) 14.99 23.47 29.05 29.54


  信托公司年末信托资产总规模(万亿元) 13.98 16.30 20.25


  小额贷款公司年末贷款余额(亿元) 9392 9412 9273 9799


  P2P网贷成交额(亿元) 3291.94 11805.65 28049.39 38952.35


  商业银行利率水平(Shibor一年期平均利率)(%) 4.91 3.84 3.24 4.26


  中国民间借贷市场利率(一年期均值)(%) 17.52 12.55 10.26 9.35


  数据来源:Wind数据库、中国人民银行、银监会、用益信托网、银行信息港、普益财富以及国家统计局的统计句相关数据。


  4.4.2变量间的相关性


  各变量相关性分析结果如下表4.3所示,根据上文各变量的符号定义,该正交分析表显示,(年末新三板公司平均总负债水平)与影子银行的各个变量,(即年末银行理财资金总额、信托公司年末信托资产总规模、小额贷款公司年末贷款余额和P2P网贷成交额)之间的相关程度较低。这与数据的预估的情况也较为吻合,由于年末新三板公司平均总负债水平是微观数据,而年末银行理财资金总额、信托公司年末信托资产总规模和小额贷款公司年末贷款余额和P2P网贷成交额这三项影子银行相关数据都属于宏观数据。另一方面,表4-3显示年末银行理财资金总额、信托公司年末信托资产总规模、小额贷款公司年末贷款余额和P2P网贷成交额四个变量两两相关系数最低的是与之间的相关系数,具体数值为0.8514,大于0.7,显示其两两之间存在高度的相关关系。


  .


  表4.4变量相关关系正交表


  


   1


   0.0741 1


   0.0632 0.9254 1


   0.0768 0.9614 0.874 1


   0.0661 0.9028 0.9025 0.8514 1


   0.3529 -0.7021 -0.854 -0.6712 -0.7354 1


   0.2814 -0.1024 0.0421 -0.4321 -0.3017 0.2874 1


  4.4.3不同影子银行模式对中小企业融资的影响


  通过上文的正交分析,笔者得出变量间的两两相关关系,同时发现其相关程度较高,为了检验回归结果的稳定性,在忽略利率因素影响的前提下,笔者对其采用重新分组分类回归的方法,进行模型的稳定性检验(1%显著性水平)。具体稳定性检验过程如下:


  1、因变量对所有自变量的回归;


  2、因变量对去掉信托公司年末信托资产总规模后其余自变量的回归;


  3、因变量对去掉年末银行理财资金总额后其余自变量的回归;


  4、因变量对第二类自变量的回归。


  回归结果如下表4.5所示。表中数据显示,各自变量的符号与显著性一直保持一致,没有出现因为某个变量的增减而变化的情况,因此回归结果显示,面板模型通过稳健性检验。另一方面,银行系统中的影子银行产品的相关变量,即年末银行理财资金总额和信托公司年末信托资产总规模的系数为负数,且通过了1%的显著性水平检验。而代表中小型金融机构的影子银行和互联网金融类影子银行产品,包括小额贷款公司年末贷款余额和P2P网贷成交额的系数为正数,且通过了1%的显著性水平。综上所述,大型金融机构中的影子银行产品对缓解中小企业融资难问题起着消极作用,中小金融机构类影子银行对缓解中小企业融资难问题起到积极作用。因此,上述假设一和假设二被证明成立。


  表4.5面板模型中影子银行稳定性检验表


  VARIABLES


   -0.0284 -0.0714


   -0.0847 -0.187


   5.714 3.984 1.927 4.875


   0.901 1.657 0.524 1.904


  Observations 636 636 636 636


  R-squared 0.402 0.402 0.402 0.4002


  Numberofgroups 212 212 212 212


  4.4.4利率对中小企业融资的影响


  通过上述分析,笔者得出了假设一和假设二的正确性,而对于假设三,笔者通过将因变量与两项利率数据,即商业银行利率水平和中国民间借贷市场利率,分三组进行回归分析(1%显著性水平)。具体回归过程如下:


  1、因变量与商业银行利率水平和中国民间借贷市场利率同时进行回归;


  2、因变量与商业银行利率水平单独回归;


  3、因变量与中国民间借贷市场利率单独回归。


  回归结果如下表4.6所示。根据表4.6的回归结果,各自变量的符号与显著性一直保持一致,没有出现因为某个变量的增减而变化的情况,因此回归结果显示,面板模型通过稳健性检验。另一方面,商业银行利率水平和因变量的相关系数为正数,且通过了1%的显著性水平检验,而中国民间借贷市场利率和因变量的相关系数为正数,且通过了1%的显著性水平。综上所述,商业银行利率越高,中小企业获得贷款越多(容易);中国民间借贷市场利率越高,中小企业获得贷款越多(容易)。因此,上述的假设三被证明成立。


  表4.6面板模型利率回归分析表


  VARIABLES


   0.6529 0.7015


   0.5914 0.6536


  Observations 636 636 636


  R-squared 0.514 0.514 0.514


  Numberofgroups 212 212 212


  4.5面板模型整体稳健性检验


  为了检验面板模型的整体稳健性,笔者用年末新三板公司流动负债水平——对原来自变量年末新三板公司总负债水平进行替换,并用相同的分组方法进行回归分析(1%显著水平)。即:


  1、对所有自变量的回归;


  2、对去掉信托公司年末信托资产总规模后其余自变量的回归;


  3、对去掉年末银行理财资金总额后其余自变量的回归;


  4、对第二类自变量的回归;


  5、与商业银行利率水平和中国民间借贷市场利率同时进行回归;


  6、与商业银行利率水平单独回归;


  7、与中国民间借贷市场利率单独回归。


  通过上述共7步回归步骤,得出面板模型整体的稳健性检验结果,如下表4.7所示。表4.7数据显示,在各回归步骤中,自变量与替代因变量之间的相关系数符号以及显著性基本一致,因此得出结论,原面板数据模型实证结果是稳健的。

文章标题:《我国影子银行对中小企业融资的影响——基于新三板上市公司数据的研究(四)》,原文地址:,如有转载请标明出处,谢谢。

上一篇:我国影子银行对中小企业融资的影响——基于新三板上市公司数据的研究(三)


下一篇:我国影子银行对中小企业融资的影响——基于新三板上市公司数据的研究(完结)


[相关文章]