论文部分内容阅读
【摘要】本文选择国内生产总值、固定资产投资总额、广义货币供应量、居民消费物价指数、进出口总额这五个宏观经济指标，利用相关分析、共线性诊断、主成分回归分析等方法建立模型来研究对2000～2013年16个国家商业银行不良贷款率的影响程度。实证结果表明：各国不同宏观经济因素确实会对商业银行不良贷款率产生一定的影响，但是影响的程度和方向存在一定的差异。就中国而言，不能过多依赖相关宏观经济指标来进行调整，可能需要借助于除宏观因素以外的其他因素配合来降低不良贷款率。
【关键词】不良贷款率 宏观经济因素 主成分回归
中图分类号：F830.33 文献标识码：A
一、引言
我国商业银行的不良贷款率呈大幅下降趋势，从2000年的22.4%下降到2013年的1%，已基本上和国际平均水平持平，但是从不良贷款的具体数值来看，依然增势明显。截止到2013年末我国商业银行不良贷款总额为5921亿元，相当于2013年国内生产总值的1.04%，较高的不良资产对我国银行业健康的发展是一个挑战。一般来说，国际上发生的金融危机大多与银行体系巨额的不良贷款有关，当信贷资产质量不能得到保证时，银行体系的安全就会受到威胁。[1]因此研究不良贷款产生的原因，并提出有针对性的改进措施显得非常重要。
国内的研究大多侧重于单纯从国内银行或者企业角度展开分析，缺乏基于宏观因素实证分析的国际比较。事实上宏观经济因素的变动会改变借款人的经营环境，间接导致无法按期偿还借款的可能性增加，最终影响到银行的贷款运行质量。[2]基于此，横向的国家与国家之间的比较，可使得研究具备更好的可比性和参考性。故本文在参考国内外文献的基础上，选择若干个宏观经济影响因素来分析对商业银行不良贷款产生的影响程度，通过分析2000年～2013年14年的数据，把中国和其他15个国家影响程度进行比较，得出不同国家不良贷款影响因素的差异，并提出相应的对策建议。
二、变量的选取和数据的说明
（一）变量的选取
本文在选择实证模型的解释变量时，考虑到指标的代表性、经济意义和数据的可得性，综合国内外文献资料，选取了国内生产总值（X1）、固定资产投资总额（X2）、广义货币供应量（X3）、居民消费物价指数（X4）、进出口总额（X5）这五个指标来研究对不同国家商业银行不良贷款率的影响程度。
国内生产总值是反映一国经济增长和宏观经济周期运行状况的最核心指标，[3]一国经济增长情况越好，则企业的经营环境越好，其偿债能力就越强，形成银行不良贷款的概率就越小；一国固定资产投资总量越大，对经济的拉动作用越好，企业的还款能力就会增强，会在一定程度上制约银行不良贷款的形成概率；广义货币供应量的增加可以推动国民经济的发展，间接使得企业还款能力得到增强，形成银行不良贷款的概率就越小；[4]通货膨胀率越高，无形会增加企业和个人的生存成本，降低其还款的意愿，导致银行不良贷款有大量增加的可能性，本文主要选取居民消费价格指数（CPI）进行分析；除此之外，国内经济贸易的变化也会在一定程度上对银行不良贷款的变化产生影响，两者呈反向变动关系。[5]从以上的理论分析中可以看出，本文选取的五个解释变量除了居民消费价格指数（CPI）与被解释变量不良贷款比率呈正比关系外，其余均与被解释变量不良贷款比率呈反比关系。
（二）数据的选取
本文主要选取世界上主要的16个国家，对不同国家商业银行不良贷款受其宏观经济相关因素间接影响程度展开比较分析。基于数据的可得性及数据的完整性，这里删除了数据不完整的一些国家，16个国家主要包括阿根廷（英文缩写AR，下同）、澳大利亚（AU）、巴西（BR）、韩国（KP）、俄罗斯联邦（RU）、加拿大（CA）、墨西哥（MX）、美国（US）、南非（ZA）、日本（JP）、沙特阿拉伯（SA）、土耳其（TR）、英国（GB）、印度尼西亚（ID）、印度（IN）、中国（CN），涉及到发达国家、发展中国家，有一定的代表性。
本文收集整理的相关国家不良贷款率的数据主要来源于世界银行网站相关数据，基于计量单位统一性的要求，本文选取的五个解释变量涉及到的16个国家的2000年～2013年相关数据统一来源于EIU country data，其中国内生产总值、总固定投资支出、进出口贸易总额单位为10亿美元，广义货币供应量根据不同国家货币与美元的年平均汇率转化为10亿美元为单位，居民消费物价指数以2005年为基期。主要采用SPSS软件，对16个国家的相关因素分别进行实证检验。
三、实证分析过程
（一）相关性分析
本文主要选用Pearson模型进行非参数相关分析。表1的结果显示，除了俄罗斯联邦以外，其他15个国家的因变量与自变量五个指标的相关性都比较强，基本可以通过5%或1%的双侧检验，但是不同国家的相关性检验结果存在一定的差异。超过三分之二国家的不良贷款比率与自变量国内生产总值、固定资产投资总额、广义货币供应量、居民消费物价指数、进出口总额这五个指标都呈现负相关的关系，这与上文的理论分析基本一致。但澳大利亚和南非这两个国家的不良贷款比率与五个因变量指标都呈现正相关的关系，这与上文的理论分析相反，且南非在广义货币供应量、进出口总额这两个指标上缺乏一定的相关性。部分国家存在着因变量和自变量相关性不一致的情况，如美国、英国这两个国家的不良贷款比率除了与固定资产投资总额呈现负相关系外，与其他四个因变量均呈现正相关关系，而日本的不良贷款比率除了与居民消费物价指数呈现正相关系外，与其他四个因变量均呈现负相关关系。基于此，说明建立的模型具有一定的合理性，可以建立因变量与多个自变量的相关回归模型进行实际检验。
表1 16个国家因变量和自变量的相关性检验
其中（**）表示P<0.01，（*）表示P<0.05。 （二）共线性诊断
从表1的相关性检验结果可以看出，自变量的相关性较为明显，可能会出现严重的共线性，需要对回归方程中的变量进行共线性诊断。[6]由于样本国家有16个，基于文章篇幅的限制，本文仅列出中国的共线性诊断结果。从结果看，五个变量的方差扩大因子分别为VIF1=618.765，VIF2=494.946，VIF3=55.784，VIF4=123.287，VIF5 =89.585，全部大于10，可见自变量之间存在较强的多重共线性。对其他15个国家共线性诊断的结果证实了这个结论，因此需要采用主成分分析法提取公因子，消除多重共线性。
（三）主成分分析过程
在SPSS软件中运行factor过程，进行KMO检验和巴特利球度（Bartlett）检验，判断16个国家的相关自变量是否存在明显的相关性。结果表明KMO值全部都大于0.6，Bartlett值除了日本低于100外，其余15个国家均大于100，即自变量之间存在明显相关性，可以进行主成分分析。
表2 主成分的累积方差明细表（以中国为例）
运用统计软件SPSS对16个国家自变量X1、X2、X3、X4和X5分别进行主成分分析，根据主成分对应的特征值大于1的原则提取公因子，16个国家的主成分累计方差明细表显示，均只能提取一个因子作为公共因子，可用F表示。以中国为例，如表2所示，提取前一个因子（特征值=4.945）作为公共因子，其方差贡献率为98.902%>70%，可将此公共因子命名为宏观经济因子，用F来表示，宏观经济因子的线性组合表示为：
F=0.449X1+0.448X2+0.444X3+0.448X4+0.446X5。
其余15个国家按照此步骤依次得出各自宏观经济因子的线性组合。
下文主要基于宏观经济因子对因变量的影响程度进行线性回归，16个国家的结果如表3所示。
表3 16个国家宏观经济因子对不良贷款率回归结果
（四）实证结果分析
1.表3的结果显示，美国、澳大利亚、俄罗斯联邦、南非和英国五个国家的因变量和宏观经济因子的回归系数为正，即每增加一个主成分单位，不良贷款比率也会增加，但英国和俄罗斯联邦相应回归方程的显著性偏弱，解释能力不强。英国相应回归方程结果显示，宏观经济因子系数的t值为0.913，显著性概率大于0.05，且R平方仅为0.065，拟合优度太低。俄罗斯联邦相应回归方程结果显示，宏观经济因子系数的t值为0.904，显著性概率大于0.05，且R平方仅为0.064，拟合优度太低，所以这两个国家反映出的回归结果不具有一定的代表性和显著性。
表4 3个国家不良贷款比率和五个宏观经济因素的回归结果
2.将美国、澳大利亚和南非用F表示的宏观经济因子的线性组合代入上述回归方程中，可得到不良贷款比率和五个宏观经济因素的回归方程，如表4所示。通过比较后可看出，五个宏观经济因素对不良贷款比率的影响均为正相关关系，即国内生产总值、固定资产投资总额、广义货币供应量、居民消费物价指数、进出口总额的增加对降低不良贷款比率均有负向阻碍作用，这与理论分析不一致。其中南非在降低不良贷款比例中所受到宏观因素影响的程度更大，较于澳大利亚和美国，南非的五个宏观因素规模数值的增加会相对较大幅度提高该国的不良贷款比率。表4中的数据显示，南非、澳大利亚、美国的国内生产总值每增长1%，对应国家的不良贷款率分别上升0.003199%，0.000481%和0.000481%，其中南非的国内生产总值对该国商业银行不良贷款的影响程度要略高于澳大利亚和美国，另四个宏观因素的影响同样具备这样的特点。此外，美国和南非的国内生产总值的增加导致不良贷款比例上升的幅度是最大的，而澳大利亚的消费物价指数上升对恶化该国商业银行不良贷款比率影响更大。
3.表3的结果显示，阿根廷、巴西、韩国、加拿大、墨西哥、日本、沙特阿拉伯、土耳其、印度尼西亚、印度、中国11个国家的因变量和宏观经济因子的回归系数为负，即每增加一个主成分单位，不良贷款比率将会降低，大部分国家的检验结果具有较强的显著性，拟合优度较好，有一定的解释力。但加拿大反映出的回归结果显著性偏弱，宏观经济因子系数的t值为-1.933，显著性概率大于0.05，解释能力被削弱。
表5 11个国家不良贷款比率和五个宏观经济因素的回归结果
4.将以上11个国家用F表示的宏观经济因子的线性组合分别代入上述回归方程中，可得到不良贷款比率和五个宏观经济因素的回归方程，如表5所示。通过比较后发现，只有日本的不良贷款比率和相关自变量的关系符合上文的假设预期，即日本的国内生产总值、固定资产投资总额、广义货币供应量和进出口总额的增加都会降低该国银行的不良贷款比率，居民消费物价指数的增加会提高该国银行的不良贷款比率。其余10个国家的五个宏观经济因素对不良贷款比率的影响均为负相关关系，即国内生产总值、固定资产投资总额、广义货币供应量、居民消费物价指数、进出口总额的增加对降低不良贷款比率均有正向的促进作用，这与前述的假设不一致。
五个自变量中国内生产总值的变化对银行不良贷款的影响程度更大，尤以阿根廷、印度尼西亚为代表，每增加1%的国内生产总值将会导致阿根廷、印度尼西亚商业银行不良贷款平均降低0.014%、0.013%，这对降低不良贷款贡献度最大，效果也是最佳的。但是反观中国的实证结果发现，中国在利用发展经济，保持经济持续稳定增长以提高国内生产总值来间接降低商业银行不良贷款比率的效果上表现不佳，在11个国家的排序中属于中后位置。即中国每增加1%的国内生产总值只会使得不良贷款平均降低0.000449%，和阿根廷、印度尼西亚相比而言差距较大。
此外，对降低不良贷款比率影响较明显的其他宏观因素表现在不同的国家有一定的差异，如阿根廷、日本、巴西、土耳其等国家的进出口总额的增加对于不良贷款率的下降有较大的影响，进出口贸易总额每增加1%，将会使不良贷款率分别下降至0.0143%、0.0025%、0.00090%、0.0072%，尤其以阿根廷的表现最好。墨西哥、印度尼西亚和印度这三个国家的广义货币供应量的增加对于不良贷款率的下降有较大的贡献，韩国、沙特阿拉伯、中国的固定资产投资增长对不良贷款率下降的影响更明显。加拿大、中国也在某种程度上可能依赖于国内通货膨胀水平的提高来抑制不良贷款率的提高，这和我们的理论分析不相符。尽管其他9个国家（除了日本）这一指标也和不良贷款率呈反比关系，但是所反映的影响程度并不明显。如巴西、土耳其、印尼、印度等国，其居民消费物价指数增长弹性分别只有0.00088%、0.007056%、0.01290%、0.00089%。 四、结论和建议
（一）商业银行不良贷款率确实会受到各国不同宏观经济因素的影响，但是影响的程度和方向存在一定的差异
经济水平在某个区域发展越好的国家，其不良贷款与本国经济发展状况的相关性越不明显，反而会起到一定的制约作用，即国内生产总值、固定资产投资总额、广义货币供应量、居民消费物价指数、进出口总额的增加对降低不良贷款比率均有负向阻碍作用。如美洲的美国、非洲的南非和大洋洲的澳大利亚均属于此类国家，即这些国家反而需要减慢相关经济发展指标，尤其表现为控制国内生产总值过快增长，来避免过高的不良贷款可能给经济带来的负面影响。
经济水平在某个区域发展处于中等水平的国家，其不良贷款与本国经济发展状况的相关性会较明显，即国内生产总值、固定资产投资总额、广义货币供应量、居民消费物价指数、进出口总额的增加对降低不良贷款比率均有正向的促进作用，这些国家可以通过提高经济增长发展水平、增加固定资产投资，同时扩大消费和保持进出口的平稳增长，从而起到降低银行不良贷款比率的作用。
（二）国内生产总值是影响商业银行不良贷款率高低的最显著因素
其中阿根廷的商业银行不良贷款率受到宏观经济因素的影响程度最大，其次是印度尼西亚和土耳其，而中国商业银行不良贷款率受到相关因素影响的程度较小。阿根廷、印度尼西亚和土耳其这三个国家可以通过提高相关经济指标来达到降低不良贷款减少银行业风险的作用。但就中国而言，则不能过多依赖于相关宏观经济指标来进行调整，可能需要进一步完善商业银行经营体制，提高自身防范风险能力和意识，借助于除宏观因素以外的其他因素配合来降低不良贷款率。
此外，实证结果还表明，中国的不良贷款率和通货膨胀影响为负相关的程度比较明显，这可能和本国相应的制度、政策环境和消费投资习惯有关。为了降低经济过热给国内经济造成的负面影响，央行等职能部门会采取一定的经济手段而不是完全市场化的行为来抑制国内的投资，会设置门槛提高贷款利率或制定限购政策减少房地产等的投资活动，使得企业、个人较难从银行等金融机构取得贷款。银监会也会要求各银行加大对每笔贷款的审核力度以防范风险，减少不符合标准的贷款发放量，从而提高贷款的整体质量。
参考文献
[1]庄毓敏.商业银行业务与经营[M].北京：中国人民大学出版社，2010.
[2]肖梓光.银行不良贷款形成与区域经济相关性的实证分析[J]，统计与决策，2013，（15）：171-173.
[3]梁秋霞.我国商业银行不良贷款影响因素的实证分析[J]，吉林工商学院学报，2012，（1）：69-74.
[4]程思劢.影响我国商业银行不良贷款因素的实证分析[J]，枣庄学院学报，2012，（10）：88-90.
[5]李思慧，颜向农.商业银行不良贷款与宏观经济因素相关性实证分析[J]，时代金融，2007，（8）：45-46.
[6]谢冰.商业银行不良贷款的宏观经济影响因素分析[J]，财经理论与实践，2009，（11）：22-25.
作者简介：李佳（1982-），女，汉族，江苏南京人，任职于三江学院经法学院，研究方向：金融。
【关键词】不良贷款率 宏观经济因素 主成分回归
中图分类号：F830.33 文献标识码：A
一、引言
我国商业银行的不良贷款率呈大幅下降趋势，从2000年的22.4%下降到2013年的1%，已基本上和国际平均水平持平，但是从不良贷款的具体数值来看，依然增势明显。截止到2013年末我国商业银行不良贷款总额为5921亿元，相当于2013年国内生产总值的1.04%，较高的不良资产对我国银行业健康的发展是一个挑战。一般来说，国际上发生的金融危机大多与银行体系巨额的不良贷款有关，当信贷资产质量不能得到保证时，银行体系的安全就会受到威胁。[1]因此研究不良贷款产生的原因，并提出有针对性的改进措施显得非常重要。
国内的研究大多侧重于单纯从国内银行或者企业角度展开分析，缺乏基于宏观因素实证分析的国际比较。事实上宏观经济因素的变动会改变借款人的经营环境，间接导致无法按期偿还借款的可能性增加，最终影响到银行的贷款运行质量。[2]基于此，横向的国家与国家之间的比较，可使得研究具备更好的可比性和参考性。故本文在参考国内外文献的基础上，选择若干个宏观经济影响因素来分析对商业银行不良贷款产生的影响程度，通过分析2000年～2013年14年的数据，把中国和其他15个国家影响程度进行比较，得出不同国家不良贷款影响因素的差异，并提出相应的对策建议。
二、变量的选取和数据的说明
（一）变量的选取
本文在选择实证模型的解释变量时，考虑到指标的代表性、经济意义和数据的可得性，综合国内外文献资料，选取了国内生产总值（X1）、固定资产投资总额（X2）、广义货币供应量（X3）、居民消费物价指数（X4）、进出口总额（X5）这五个指标来研究对不同国家商业银行不良贷款率的影响程度。
国内生产总值是反映一国经济增长和宏观经济周期运行状况的最核心指标，[3]一国经济增长情况越好，则企业的经营环境越好，其偿债能力就越强，形成银行不良贷款的概率就越小；一国固定资产投资总量越大，对经济的拉动作用越好，企业的还款能力就会增强，会在一定程度上制约银行不良贷款的形成概率；广义货币供应量的增加可以推动国民经济的发展，间接使得企业还款能力得到增强，形成银行不良贷款的概率就越小；[4]通货膨胀率越高，无形会增加企业和个人的生存成本，降低其还款的意愿，导致银行不良贷款有大量增加的可能性，本文主要选取居民消费价格指数（CPI）进行分析；除此之外，国内经济贸易的变化也会在一定程度上对银行不良贷款的变化产生影响，两者呈反向变动关系。[5]从以上的理论分析中可以看出，本文选取的五个解释变量除了居民消费价格指数（CPI）与被解释变量不良贷款比率呈正比关系外，其余均与被解释变量不良贷款比率呈反比关系。
（二）数据的选取
本文主要选取世界上主要的16个国家，对不同国家商业银行不良贷款受其宏观经济相关因素间接影响程度展开比较分析。基于数据的可得性及数据的完整性，这里删除了数据不完整的一些国家，16个国家主要包括阿根廷（英文缩写AR，下同）、澳大利亚（AU）、巴西（BR）、韩国（KP）、俄罗斯联邦（RU）、加拿大（CA）、墨西哥（MX）、美国（US）、南非（ZA）、日本（JP）、沙特阿拉伯（SA）、土耳其（TR）、英国（GB）、印度尼西亚（ID）、印度（IN）、中国（CN），涉及到发达国家、发展中国家，有一定的代表性。
本文收集整理的相关国家不良贷款率的数据主要来源于世界银行网站相关数据，基于计量单位统一性的要求，本文选取的五个解释变量涉及到的16个国家的2000年～2013年相关数据统一来源于EIU country data，其中国内生产总值、总固定投资支出、进出口贸易总额单位为10亿美元，广义货币供应量根据不同国家货币与美元的年平均汇率转化为10亿美元为单位，居民消费物价指数以2005年为基期。主要采用SPSS软件，对16个国家的相关因素分别进行实证检验。
三、实证分析过程
（一）相关性分析
本文主要选用Pearson模型进行非参数相关分析。表1的结果显示，除了俄罗斯联邦以外，其他15个国家的因变量与自变量五个指标的相关性都比较强，基本可以通过5%或1%的双侧检验，但是不同国家的相关性检验结果存在一定的差异。超过三分之二国家的不良贷款比率与自变量国内生产总值、固定资产投资总额、广义货币供应量、居民消费物价指数、进出口总额这五个指标都呈现负相关的关系，这与上文的理论分析基本一致。但澳大利亚和南非这两个国家的不良贷款比率与五个因变量指标都呈现正相关的关系，这与上文的理论分析相反，且南非在广义货币供应量、进出口总额这两个指标上缺乏一定的相关性。部分国家存在着因变量和自变量相关性不一致的情况，如美国、英国这两个国家的不良贷款比率除了与固定资产投资总额呈现负相关系外，与其他四个因变量均呈现正相关关系，而日本的不良贷款比率除了与居民消费物价指数呈现正相关系外，与其他四个因变量均呈现负相关关系。基于此，说明建立的模型具有一定的合理性，可以建立因变量与多个自变量的相关回归模型进行实际检验。
表1 16个国家因变量和自变量的相关性检验
其中（**）表示P<0.01，（*）表示P<0.05。 （二）共线性诊断
从表1的相关性检验结果可以看出，自变量的相关性较为明显，可能会出现严重的共线性，需要对回归方程中的变量进行共线性诊断。[6]由于样本国家有16个，基于文章篇幅的限制，本文仅列出中国的共线性诊断结果。从结果看，五个变量的方差扩大因子分别为VIF1=618.765，VIF2=494.946，VIF3=55.784，VIF4=123.287，VIF5 =89.585，全部大于10，可见自变量之间存在较强的多重共线性。对其他15个国家共线性诊断的结果证实了这个结论，因此需要采用主成分分析法提取公因子，消除多重共线性。
（三）主成分分析过程
在SPSS软件中运行factor过程，进行KMO检验和巴特利球度（Bartlett）检验，判断16个国家的相关自变量是否存在明显的相关性。结果表明KMO值全部都大于0.6，Bartlett值除了日本低于100外，其余15个国家均大于100，即自变量之间存在明显相关性，可以进行主成分分析。
表2 主成分的累积方差明细表（以中国为例）
运用统计软件SPSS对16个国家自变量X1、X2、X3、X4和X5分别进行主成分分析，根据主成分对应的特征值大于1的原则提取公因子，16个国家的主成分累计方差明细表显示，均只能提取一个因子作为公共因子，可用F表示。以中国为例，如表2所示，提取前一个因子（特征值=4.945）作为公共因子，其方差贡献率为98.902%>70%，可将此公共因子命名为宏观经济因子，用F来表示，宏观经济因子的线性组合表示为：
F=0.449X1+0.448X2+0.444X3+0.448X4+0.446X5。
其余15个国家按照此步骤依次得出各自宏观经济因子的线性组合。
下文主要基于宏观经济因子对因变量的影响程度进行线性回归，16个国家的结果如表3所示。
表3 16个国家宏观经济因子对不良贷款率回归结果
（四）实证结果分析
1.表3的结果显示，美国、澳大利亚、俄罗斯联邦、南非和英国五个国家的因变量和宏观经济因子的回归系数为正，即每增加一个主成分单位，不良贷款比率也会增加，但英国和俄罗斯联邦相应回归方程的显著性偏弱，解释能力不强。英国相应回归方程结果显示，宏观经济因子系数的t值为0.913，显著性概率大于0.05，且R平方仅为0.065，拟合优度太低。俄罗斯联邦相应回归方程结果显示，宏观经济因子系数的t值为0.904，显著性概率大于0.05，且R平方仅为0.064，拟合优度太低，所以这两个国家反映出的回归结果不具有一定的代表性和显著性。
表4 3个国家不良贷款比率和五个宏观经济因素的回归结果
2.将美国、澳大利亚和南非用F表示的宏观经济因子的线性组合代入上述回归方程中，可得到不良贷款比率和五个宏观经济因素的回归方程，如表4所示。通过比较后可看出，五个宏观经济因素对不良贷款比率的影响均为正相关关系，即国内生产总值、固定资产投资总额、广义货币供应量、居民消费物价指数、进出口总额的增加对降低不良贷款比率均有负向阻碍作用，这与理论分析不一致。其中南非在降低不良贷款比例中所受到宏观因素影响的程度更大，较于澳大利亚和美国，南非的五个宏观因素规模数值的增加会相对较大幅度提高该国的不良贷款比率。表4中的数据显示，南非、澳大利亚、美国的国内生产总值每增长1%，对应国家的不良贷款率分别上升0.003199%，0.000481%和0.000481%，其中南非的国内生产总值对该国商业银行不良贷款的影响程度要略高于澳大利亚和美国，另四个宏观因素的影响同样具备这样的特点。此外，美国和南非的国内生产总值的增加导致不良贷款比例上升的幅度是最大的，而澳大利亚的消费物价指数上升对恶化该国商业银行不良贷款比率影响更大。
3.表3的结果显示，阿根廷、巴西、韩国、加拿大、墨西哥、日本、沙特阿拉伯、土耳其、印度尼西亚、印度、中国11个国家的因变量和宏观经济因子的回归系数为负，即每增加一个主成分单位，不良贷款比率将会降低，大部分国家的检验结果具有较强的显著性，拟合优度较好，有一定的解释力。但加拿大反映出的回归结果显著性偏弱，宏观经济因子系数的t值为-1.933，显著性概率大于0.05，解释能力被削弱。
表5 11个国家不良贷款比率和五个宏观经济因素的回归结果
4.将以上11个国家用F表示的宏观经济因子的线性组合分别代入上述回归方程中，可得到不良贷款比率和五个宏观经济因素的回归方程，如表5所示。通过比较后发现，只有日本的不良贷款比率和相关自变量的关系符合上文的假设预期，即日本的国内生产总值、固定资产投资总额、广义货币供应量和进出口总额的增加都会降低该国银行的不良贷款比率，居民消费物价指数的增加会提高该国银行的不良贷款比率。其余10个国家的五个宏观经济因素对不良贷款比率的影响均为负相关关系，即国内生产总值、固定资产投资总额、广义货币供应量、居民消费物价指数、进出口总额的增加对降低不良贷款比率均有正向的促进作用，这与前述的假设不一致。
五个自变量中国内生产总值的变化对银行不良贷款的影响程度更大，尤以阿根廷、印度尼西亚为代表，每增加1%的国内生产总值将会导致阿根廷、印度尼西亚商业银行不良贷款平均降低0.014%、0.013%，这对降低不良贷款贡献度最大，效果也是最佳的。但是反观中国的实证结果发现，中国在利用发展经济，保持经济持续稳定增长以提高国内生产总值来间接降低商业银行不良贷款比率的效果上表现不佳，在11个国家的排序中属于中后位置。即中国每增加1%的国内生产总值只会使得不良贷款平均降低0.000449%，和阿根廷、印度尼西亚相比而言差距较大。
此外，对降低不良贷款比率影响较明显的其他宏观因素表现在不同的国家有一定的差异，如阿根廷、日本、巴西、土耳其等国家的进出口总额的增加对于不良贷款率的下降有较大的影响，进出口贸易总额每增加1%，将会使不良贷款率分别下降至0.0143%、0.0025%、0.00090%、0.0072%，尤其以阿根廷的表现最好。墨西哥、印度尼西亚和印度这三个国家的广义货币供应量的增加对于不良贷款率的下降有较大的贡献，韩国、沙特阿拉伯、中国的固定资产投资增长对不良贷款率下降的影响更明显。加拿大、中国也在某种程度上可能依赖于国内通货膨胀水平的提高来抑制不良贷款率的提高，这和我们的理论分析不相符。尽管其他9个国家（除了日本）这一指标也和不良贷款率呈反比关系，但是所反映的影响程度并不明显。如巴西、土耳其、印尼、印度等国，其居民消费物价指数增长弹性分别只有0.00088%、0.007056%、0.01290%、0.00089%。 四、结论和建议
（一）商业银行不良贷款率确实会受到各国不同宏观经济因素的影响，但是影响的程度和方向存在一定的差异
经济水平在某个区域发展越好的国家，其不良贷款与本国经济发展状况的相关性越不明显，反而会起到一定的制约作用，即国内生产总值、固定资产投资总额、广义货币供应量、居民消费物价指数、进出口总额的增加对降低不良贷款比率均有负向阻碍作用。如美洲的美国、非洲的南非和大洋洲的澳大利亚均属于此类国家，即这些国家反而需要减慢相关经济发展指标，尤其表现为控制国内生产总值过快增长，来避免过高的不良贷款可能给经济带来的负面影响。
经济水平在某个区域发展处于中等水平的国家，其不良贷款与本国经济发展状况的相关性会较明显，即国内生产总值、固定资产投资总额、广义货币供应量、居民消费物价指数、进出口总额的增加对降低不良贷款比率均有正向的促进作用，这些国家可以通过提高经济增长发展水平、增加固定资产投资，同时扩大消费和保持进出口的平稳增长，从而起到降低银行不良贷款比率的作用。
（二）国内生产总值是影响商业银行不良贷款率高低的最显著因素
其中阿根廷的商业银行不良贷款率受到宏观经济因素的影响程度最大，其次是印度尼西亚和土耳其，而中国商业银行不良贷款率受到相关因素影响的程度较小。阿根廷、印度尼西亚和土耳其这三个国家可以通过提高相关经济指标来达到降低不良贷款减少银行业风险的作用。但就中国而言，则不能过多依赖于相关宏观经济指标来进行调整，可能需要进一步完善商业银行经营体制，提高自身防范风险能力和意识，借助于除宏观因素以外的其他因素配合来降低不良贷款率。
此外，实证结果还表明，中国的不良贷款率和通货膨胀影响为负相关的程度比较明显，这可能和本国相应的制度、政策环境和消费投资习惯有关。为了降低经济过热给国内经济造成的负面影响，央行等职能部门会采取一定的经济手段而不是完全市场化的行为来抑制国内的投资，会设置门槛提高贷款利率或制定限购政策减少房地产等的投资活动，使得企业、个人较难从银行等金融机构取得贷款。银监会也会要求各银行加大对每笔贷款的审核力度以防范风险，减少不符合标准的贷款发放量，从而提高贷款的整体质量。
参考文献
[1]庄毓敏.商业银行业务与经营[M].北京：中国人民大学出版社，2010.
[2]肖梓光.银行不良贷款形成与区域经济相关性的实证分析[J]，统计与决策，2013，（15）：171-173.
[3]梁秋霞.我国商业银行不良贷款影响因素的实证分析[J]，吉林工商学院学报，2012，（1）：69-74.
[4]程思劢.影响我国商业银行不良贷款因素的实证分析[J]，枣庄学院学报，2012，（10）：88-90.
[5]李思慧，颜向农.商业银行不良贷款与宏观经济因素相关性实证分析[J]，时代金融，2007，（8）：45-46.
[6]谢冰.商业银行不良贷款的宏观经济影响因素分析[J]，财经理论与实践，2009，（11）：22-25.
作者简介：李佳（1982-），女，汉族，江苏南京人，任职于三江学院经法学院，研究方向：金融。