《资本约束对城商行经营风险影响的实证研究13000字（论文）》

资本约束对城商行经营风险影响的实证研究目录TOC\o"1-3"\h\u17542资本约束对城商行经营风险影响的实证研究 120188第一节实证模型构建和指标变量选择 114667一、实证模型构建 122358（一）银行固定效应模型 214366（二）门槛回归模型 211326二、指标变量选择 230440（一）被解释变量 28832（二）解释变量 315075（三）控制变量 49831第二节数据来源和统计描述 529508一、数据来源 55664二、描述性统计 510790三、多重共线性判断 628017第三节实证结果与分析 81512一、基准回归和门槛回归结果 813356（一）基准回归结果 89817（二）门槛回归结果 1127931二、稳健性检验和异质性分析 1517509（一）稳健性检验 1529058（二）异质性分析 1828715三、中介效应和调节效应分析 2017762（一）中介效应分析 2026775（二）调节效应分析 23第一节实证模型构建和指标变量选择一、实证模型构建为了研究资本约束对中国城市商业银行经营风险的影响，本文基于2009年~2018年中国134家城市商业银行的面板数据本文选择的银行样本覆盖了截止2018年底中国全部的城市商业银行，共134家。，在基准回归部分构造了OLS模型、随机效应模型、银行固定效应模型和双向固定模型。考虑到资本约束和中国城市商业银行经营风险之间可能存在非线性关系，本文还构造了以地区GDP为门槛变量的门槛回归模型。此外，为了研究相关变量在中国城市商业银行资本约束和经营风险中的中介效应和调节效应，本文还进行了中介效应和调节效应检验。囿于篇幅，本文在模型构建部分只介绍银行固定效应模型和门槛回归模型，后文一并展示全部回归检验结果。本文选择的银行样本覆盖了截止2018年底中国全部的城市商业银行，共134家。（一）银行固定效应模型为了控制中国城市商业银行的个体影响，构造模型如下：yit=α式（4.1）中i=1,2,···，N代表中国城市商业银行；t代表时间；被解释变量为银行经营风险（yit）；核心解释变量为银行资本充足率（carit）；控制变量主要包括银行特征变量和城市特征变量两大类。银行特征变量contro（二）门槛回归模型地区发展水平体现了当地的经济金融环境，一定程度上能反映当地的产业情况、企业质量和居民收入等，这些因素共同决定着中国城市商业银行的生存环境。为判断在不同地区GDP下中国城市商业银行资本约束对经营风险的影响是否发生结构性突变，本文分别进行了单一门槛回归、双重门槛回归和三重门槛回归检验，我们初步设定单一门槛回归方程如下，双重门槛和三重门槛就是在此基础上改变示性函数，增加样本分段数。yit=式（4.2）中i=1,2,···，N代表中国城市商业银行；t代表时间；解释变量为银行资本充足率（carit）；被解释变量为银行经营风险（yit）；控制变量controlsit包括净利润、权益乘数、最大十家客户贷款比例和地区生产总值；q二、指标变量选择（一）被解释变量从已有研究文献来看，银行经营风险的测度指标主要有预期违约率、股价波动率、股票收益波动率、Z值、风险加权资产比率、贷款损失准备与总贷款之比以及不良贷款率等等。预期违约率是一种前瞻性的风险度量指标AltunbasY,GambacortaL,Marques-IbanezD.“Bankriskandmonetarypolicy”，JournalofFinancialStability,2010,6(3):121-129.（Altunbasetal.，2010），是衡量银行经营风险的较佳选择，但考虑到中国尚未建立违约数据库，无法获得银行业的预期违约率数据，故该指标不具有可实施性。股价波动率和股票收益波动率是市场对风险的反应，也可以作为衡量银行经营风险的代理指标。然而，其可行性是建立在有效股市和上市银行样本的基础上，本文的研究对象是中国城市商业银行，涉及大量未上市银行样本，且中国股市的投机性较为严重，故该指标也不具有可行性。Z值通常用来衡量银行的破产概率LepetitL,StrobelF.“BankinsolvencyriskandZ-scoremeasures:ArefinementAltunbasY,GambacortaL,Marques-IbanezD.“Bankriskandmonetarypolicy”，JournalofFinancialStability,2010,6(3):121-129.LepetitL,StrobelF.“BankinsolvencyriskandZ-scoremeasures:Arefinement”，FinanceResearchLetters,2015.13(5):215-224.苏帆,于寄语,熊劼：《更高资本充足率要求能够有效防范金融风险吗?——基于双重差分法的再检验》，《国际金融研究》2019年第9期，第76~86页。DasA,GhoshS.“TheRelationshipBetweenRiskandCapital:EvidencefromIndianPublicSectorBanks”，IndustrialOrganization,2004.张雪兰,何德旭：《货币政策立场与银行风险承担——基于中国银行业的实证研究(2000—2010)》，《经济研究》2012年第5期，第31~44页。（二）解释变量根据以往文献，学者们对银行资本约束代理指标的选择不尽相同。Shrieves和Dahl(1992)设置银行资本达到监管要求与否的虚拟变量来体现资本约束ShrievesRE,DahlD.“Therelationshipbetweenriskandcapitalincommercialbanks”，JournalofBanking&Finance,1992,16(2):439-457.，Jacques和Nigro(1997)在此基础上改进,以银行资本比率与最低监管要求之差衡量银行受到监管压力的大小，根据资本充足率是否大于最低资本监管要求的情况进行分段考虑，计算两者之间的倒数之差JacquesKShrievesRE,DahlD.“Therelationshipbetweenriskandcapitalincommercialbanks”，JournalofBanking&Finance,1992,16(2):439-457.JacquesK,NigroP.“Risk-basedCapital，PortfolioRisk，andBankCapital：ASimultaneousEquationsApproach”，JournalofEconomicsandBusiness,1997,49(6):533-547.蒋海,占林生：《资本监管、市场竞争与银行贷款结构》，《金融经济学研究》2020年第1期，第67~80页。（三）控制变量本文还考虑了银行盈利能力、资产结构、贷款集中度以及区域发展水平等对银行经营风险的影响，选取净利润、权益乘数、最大十家客户贷款比例和地区生产总值作为相应的控制变量。表4-1基础回归部分研究变量及其定义变量标识变量名称Dependenty1贷款损失准备/总贷款y2不良贷款率1y3不良贷款率2y4逾期贷款/贷款呆帐准备金Independentcar资本充足率Controlsnp净利润flev权益乘数topten最大十家客户贷款比例cgdp地区生产总值第二节数据来源和统计描述一、数据来源本文的研究样本涵盖中国134家城市商业银行2009年~2018年的非平衡面板数据，其中上市银行22家，非上市银行112家。银行层面的贷款损失准备与总贷款之比和不良贷款率1来自bankfocus数据库，其余银行层面的数据都来源于wind数据库。wind数据库和bankfocus数据库中的中国城市商业银行不良贷款率指标尽管都适用贷款五级分类法，但在数值上存在细微差别，故本文同时考虑了两种数据库来源的不良贷款率。地区层面的数据来源于各年份的《中国城市统计年鉴》。二、描述性统计表4-2是本文实证涉及所有变量的描述性统计结果。从被解释变量来看，贷款损失准备/总贷款的波动最小，不良贷款率1、不良贷款率2和逾期贷款/贷款呆帐准备金的波动程度相近。所有银行层面的数据都因银行样本的差异而存在较大的差异性，地区层面的数据同样表现出了明显的地区差异。对中国城市商业银行进行异质性分析以及以地区GDP为门槛变量进行门槛回归具有一定的必要性。

表4-2变量描述性统计结果变量样本量平均值标准差贷款损失准备/总贷款（%）y15183.070.93不良贷款率1（%）y25131.491.19不良贷款率2（%）y38621.330.97逾期贷款/贷款呆帐准备金（%）y47740.810.64资本充足率（%）car88313.7414.78净利润（亿元）np91015.6323.98权益乘数flev90815.163.71最大十家客户贷款比例（%）topten59841.8526.59地区生产总值（亿元）cgdp8774364.914587.34地区生产总值增长率（%）crdgp8808.774.59地区第二产业总值占比（%）cseco79148.869.16同业资产/生息资产(%)intb9106.737.14短期资产流动性比例(%)sliq91049.1821.97投资活动产生的现金流量净额（亿元）ninv977-101.49270.93跨区域经营与否kua9070.880.33上市与否sh9100.090.29注：不良贷款率1为来自bankfocus数据库的银行不良贷款率，不良贷款率2为来自wind数据库的银行不良贷款率，后文同。表4-2变量描述性统计结果（续）最小值第25百分位数中位数第75百分位数最大值贷款损失准备/总贷款（%）0.552.532.913.597.99不良贷款率1（%）0.030.891.301.8013.68不良贷款率2（%）0.010.811.191.7013.97逾期贷款/贷款呆帐准备金（%）00.350.651.114.83资本充足率（%）5.5811.8512.8214.16446.00净利润（亿元）-45.933.817.5917.27200.02权益乘数2.3012.7714.9917.0533.22最大十家客户贷款比例（%）4.8026.9037.4950.82244.53地区生产总值（亿元）184.951381.182981.125492.6432680.00地区生产总值增长率（%）-12.307.009.0012.1022.65地区第二产业总值占比（%）18.6343.6849.2953.9689.75同业资产/生息资产(%)01.764.479.0148.87短期资产流动性比例(%)041.3251.0061.90114.23投资活动产生的现金流量净额（亿元）-3008.00-108.46-32.93-2.641191.66跨区域经营与否01111上市与否00001三、多重共线性判断从表4-3可以看出，基准回归方程不同控制变量之间的相关系数均显著低于0.8，一定程度上排除了模型存在严重多重共线性的可能。除了地区生产总值和银行净利润之间相关系数为0.707，其余变量间的相关系数均远小于0.8。为了更确切地判断模型是否存在多重共线性，本文对贷款损失准备/总贷款、不良贷款率1、不良贷款率2和逾期贷款/贷款呆帐准备金共四个被解释变量的回归方程分别做了方差膨胀因子检验，如表4-4所示，得出的方差膨胀因子均远小于10，故不必担心回归方程存在多重共线性问题。表4-3相关系数矩阵净利润资本充足率权益乘数最大十家客户贷款比例地区生产总值净利润1资本充足率-0.041权益乘数0.089***-0.196***1最大十家客户贷款比例-0.297***-0.113***0.197***1地区生产总值0.707***-0.0070.080**-0.237***1注：*p<0.1,**p<0.05,***p<0.01，后文图表同。表4-4对被解释变量回归的方差膨胀因子VIF-y1VIF-y2VIF-y3VIF-y4净利润（亿元）2.42.372.212.17地区生产总值（亿元）2.122.142.092.04资本充足率（%）1.291.221.31.3最大十家客户贷款比例（%）1.271.221.271.29财务杠杆率（%）1.251.21.171.16注：y1为贷款损失准备/总贷款，y2为不良贷款率1，y3为不良贷款率2，y4为逾期贷款/贷款呆帐准备金。第三节实证结果与分析一、基准回归和门槛回归结果（一）基准回归结果考虑到中国城市商业银行作为区域性中小银行，业务结构具有以存贷款为主的特征，其经营风险主要来自于信贷层面的信用风险，故本文选取了贷款损失准备/总贷款、不良贷款率、逾期贷款/贷款呆帐准备金等多个反映信用风险的指标，分别采用OLS模型、随机效应模型、银行固定模型和双向固定模型进行回归，得到16个回归方程，回归结果如表4-5、表4-6、表4-7、表4-8所示。所得解释变量的系数均为负，但同一被解释变量下不同回归模型所对应的系数具有不同的显著性。本文对同一被解释变量下不同的回归模型进行了霍斯曼检验，得出当被解释变量为贷款损失准备/总贷款、不良贷款率2、逾期贷款/贷款呆帐准备金时，适用带聚类稳健标准误的银行固定效应模型；当被解释变量为不良贷款率1时，适用随机效应模型。除了被解释变量为不良贷款率1时对应的几个模型均不显著，其余三个被解释变量对应的回归模型都在适用银行固定效应或随机效应的情况下，显著地表现了资本充足率和经营风险之间的负向关系。不良贷款率1来自bankfocus数据库，样本量为513，而来自wind数据库的不良贷款率2的样本量为862，不良贷款率1对应的回归模型不显著可能是样本缺失造成的。综合所有的回归结果，所得结论很好地支持了假设1，即资本约束降低了中国城市商业银行的经营风险。表4-5对贷款损失准备/总贷款的基准回归结果OLS随机效应银行固定效应双向固定效应资本充足率（%）-0.0289(-0.84)-0.0557**(-2.43)-0.0626*(-1.74)-0.0604**(-2.18)净利润（亿元）0.00582***(3.83)0.00876***（3.11）0.00748（1.37）0.00296（0.57）财务杠杆率（%）-0.0546***(-3.48)-0.0595***(-3.15)-0.0311(-1.01)-0.0379(-1.34)最大十家客户贷款比例（%）0.00756**（2.45）0.00167（0.5）-0.00389(-0.55)-0.00298(-0.43)地区生产总值（亿元）-0.0000369***(-4.36)-0.0000248(-1.48)0.0000331（1.12）-0.0000143(-0.40)常数项4.048***（6.58）4.575***（8.44）4.070***（3.58）3.769***（3.83）样本数341341341341是否带聚类稳健标准误NONOYESYES是否银行固定效应NONOYESYES是否时间固定效应NONONOYES霍斯曼检验Prob>chi2=0.0015注：为了使用霍斯曼检验在固定效应与随机效应间进行选择，本文也做了不使用聚类稳健标准误的固定效应回归，并得到了与使用聚类稳健标准误的固定效应相似的结果，囿于篇幅，回归结果从略。

表4-6对不良贷款率1的基准回归结果OLS随机效应银行固定效应双向固定效应资本充足率（%）-0.061(-1.34)-0.0535(-1.55)-0.0556(-1.39)-0.0402(-0.76)净利润（亿元）-0.00469*(-1.93)-0.0047(-1.29)-0.011(-1.52)-0.0215**(-2.14)财务杠杆率（%）-0.0637***(-3.20)-0.0743***(-2.88)-0.0582*(-1.68)-0.0349(-1.11)最大十家客户贷款比例（%）0.00881***（2.79）0.0062（1.40）0.00154（0.27）0.00266（0.42）地区生产总值（亿元）0.0000133（0.80）0.0000267（1.32）0.000144**（2.28）0.000108（1.62）常数项2.890***（4.24）2.989***（3.93）2.341**（2.50）1.568（1.15）样本数335335335335是否带聚类稳健标准误NONOYESYES是否银行固定效应NONOYESYES是否时间固定效应NONONOYES霍斯曼检验Prob>chi2=0.6139表4-7对不良贷款率2的基准回归结果OLS随机效应银行固定效应双向固定效应资本充足率（%）-0.0731***(-3.56)-0.0644***(-4.03)-0.0477***(-2.83)-0.0263*(-1.77)净利润（亿元）-0.00310*(-1.87)-0.0017(-0.67)-0.0028(-1.18)-0.00957***(-3.61)财务杠杆率（%）-0.0126(-0.67)-0.00881(-0.63)0.00619（0.21）0.0233（1.08）最大十家客户贷款比例（%）0.00604***(3.81)0.00579***(3.69)0.00595***(3.03)0.00601**(2.57)地区生产总值（亿元）0.00000324(0.48)0.0000179(1.18)0.0000803***(4.86)0.0000364*(1.76)常数项2.260***(5.96)2.005***(5.31)1.255**(2.21)0.872*（1.89）样本数564564564564是否带聚类稳健标准误NONOYESYES是否银行固定效应NONOYESYES是否时间固定效应NONONOYES霍斯曼检验Prob>chi2=0.0744

表4-8对逾期贷款/贷款呆帐准备金的基准回归结果OLS随机效应银行固定效应双向固定效应资本充足率（%）-0.0704***(-5.62)-0.0657***(-5.70)-0.0497***(-3.79)-0.0182(-1.32)净利润（亿元）-0.00257***(-2.76)-0.0014(-0.81)-0.0012(-0.55)-0.00756***(-3.28)财务杠杆率（%）-0.0257***(-3.16)-0.0198*(-1.92)-0.00072(-0.04)0.0136(1.00)最大十家客户贷款比例（%）0.00156(1.14)0.00111(0.91)0.00147(0.75)0.00312(1.40)地区生产总值（亿元）0.000000948(0.17)0.00000784(0.81)0.0000562***(3.13)0.0000162(0.93)常数项2.083***(8.08)1.898***(6.89)1.114***（2.70）0.497（1.21）样本数512512512512是否带聚类稳健标准误NONOYESYES是否银行固定效应NONOYESYES是否时间固定效应NONONOYES霍斯曼检验Prob>chi2=0.0348（二）门槛回归结果为了判断不同地区发展水平下，中国城市商业银行资本约束对经营风险的影响是否发生结构性突变，本文以地区GDP（亿元）为门槛变量对被解释变量分别进行了单一门槛回归和多重门槛回归检验。由于被解释变量中不良贷款率1数据量不足，无法完成门槛回归，并且在现有数据下不良贷款率1的基准回归方程不显著，故该部分未记录其门槛回归结果，仅对贷款损失准备/总贷款、不良贷款率2、逾期贷款/贷款呆帐准备金的门槛回归进行了记录。除了基准回归部分使用了双向固定效应模型，下文均不再使用该模型，因为其没能通过联合显著性检验。下文采用固定效应的模型都是银行固定效应，本部分的门槛回归就是采用的银行固定效应模型。如表4-9、表4-10所示，当被解释变量为贷款损失准备/总贷款时，三重门槛回归模型的门槛估计值不显著，且单一门槛回归模型、双重门槛回归模型和三重门槛回归模型所对应的解释变量的系数均未通过显著性检验，故其不存在多区制均显著的门槛效应。表4-9对贷款损失准备/总贷款回归的门槛估计值结果门槛估计值F值P值抽样次数单一门槛模型920013.499**0.037300双重门槛模型40007.140**0.013300三重门槛模型28000.0000.147300

表4-10对贷款损失准备/总贷款的门槛回归结果单一门槛回归双重门槛回归三重门槛回归净利润（亿元）0.0114***0.0100***0.00810***(4.01)(3.43)(3.17)财务杠杆率（%）-0.0685***-0.0683***-0.0466**(-3.21)(-3.09)(-2.33)最大十家客户贷款比例（%）0.004160.003780.00224(1.32)(1.21)(0.75)地区生产总值（亿元）-0.0000573***-0.0000116-0.0000299*(-2.88)(-0.57)(-1.72)资本充足率（%）-1-0.0565**-0.0535*-0.0692***(-2.10)(-1.88)(-2.74)资本充足率（%）-2-0.0214-0.0316-0.0357(-0.71)(-1.16)(-1.43)资本充足率（%）-3-0.0671**0(-2.46)(.)资本充足率（%）-4-0.0747***(-2.88)常数项4.620***4.469***4.485***(7.27)(6.91)(7.86)样本数341341341如表4-11、表4-12所示，当被解释变量为不良贷款率2时，单一门槛回归模型、双重门槛回归模型和三重门槛回归模型的门槛估计值都显著存在，单一门槛回归模型和双重门槛回归模型所对应的解释变量前的多个系数均同时显著，三重门槛回归模型所对应的解释变量前的多个系数不同时显著，说明中国城市商业银行的资本约束和以不良贷款率2所表示的经营风险之间存在显著的、以地区GDP为门槛变量的单一门槛效应和双重门槛效应，所得结论支持了假设4，对于位于较低或较高经济发展水平区域的中国城市商业银行，资本约束对其经营风险的抑制作用更强。表4-12所展示的单一门槛回归结果显示，银行资本约束和经营风险的关系在单门槛（双区制）下的符号为（—，—），表示在1400亿元地区GDP门槛估计值前后，资本约束对中国城市商业银行的经营风险均起到抑制作用，但影响系数不一样，抑制效果不一样。当地区GDP＜1400亿元时，资本约束对经营风险的影响系数为-0.0784；当地区GDP＞1400亿时，资本约束对经营风险的影响系数为-0.0550，两者均在1%的显著性水平下显著。表示对位于地区GDP＜1400亿元的区域的城市商业银行而言，资本约束对其经营风险的抑制作用更强。表4-12所展示的双重门槛回归结果显示，银行资本约束和经营风险的关系在双门槛（三区制）下的符号为（—，—，—），表示在以1400亿元和4700亿元地区GDP门槛估计值所划分的三个区间中，资本约束对中国城市商业银行的经营风险均起到抑制作用，但影响系数不一样，抑制效果不一样。当地区GDP＜1400亿元时，资本约束对经营风险的影响系数为-0.0734；当1400亿元＜地区GDP＜4700亿元时，资本约束对经营风险的影响系数为-0.0461；当地区GDP＞4700亿元时，资本约束对经营风险的影响系数为-0.0692，三者均在1%的显著性水平下显著。表示在双重门槛效应下，资本约束对中国城市商业银行经营风险的抑制效果存在显著的、以地区GDP为门槛变量的“U型”关系，当地区GDP＜1400亿元或地区GDP＞4700亿元时，资本约束对中国城市商业银行经营风险的抑制效果更强。表4-11对不良贷款率2回归的门槛估计值结果门槛估计值F值P值抽样次数单一门槛模型140024.599***0.003300双重门槛模型47008.100**0.037300三重门槛模型39000.000*0.060300表4-12对不良贷款率2的门槛回归结果单一门槛回归双重门槛回归三重门槛回归净利润（亿元）-0.00317-0.00357-0.00129(-1.44)(-1.62)(-0.60)财务杠杆率（%）-0.0153-0.0163-0.0238*(-1.16)(-1.24)(-1.81)最大十家客户贷款比例（%）0.00905***0.00879***0.00490***(5.25)(5.12)(3.33)地区生产总值（亿元）0.000004920.00002610.0000127(0.36)(1.64)(0.83)资本充足率（%）-1-0.0784***-0.0734***-0.0653***(-4.62)(-4.28)(-3.95)资本充足率（%）-2-0.0550***-0.0461***-0.0498***(-3.32)(-2.74)(-3.24)资本充足率（%）-3-0.0692***0(-4.02)(.)资本充足率（%）-4-0.0623***(-3.88)常数项2.003***1.935***2.195***(5.50)(5.32)(6.27)样本数564564564如表4-13、表4-14所示，当被解释变量为逾期贷款/贷款呆帐准备金时，单一门槛回归模型、双重门槛回归模型和三重门槛回归模型的门槛估计值都显著存在，单一门槛回归模型和双重门槛回归模型所对应的解释变量前的多个系数均同时显著，三重门槛回归模型所对应的解释变量前的多个系数不同时显著，说明中国城市商业银行的资本约束和以逾期贷款/贷款呆帐准备金所表示的经营风险之间存在显著的、以地区GDP为门槛变量的单一门槛效应和双重门槛效应，所得结论同样对假设4表示支持。从表4-14可以看出，单一门槛回归模型下资本约束对经营风险的影响系数，在门槛估计值前后分别为-0.0780和-0.0595，且均在1%的显著性水平下显著。双重门槛回归模型下资本约束对经营风险的影响系数，在两个门槛估计值所划分的三个区间前后分别为-0.0773、-0.0443和-0.0660，且均在1%的显著性水平下显著。当被解释变量为逾期贷款/贷款呆帐准备金时，以地区GDP为门槛变量的单一门槛效应和双重门槛效应所得出的结论和前文被解释变量为不良贷款率2时的结论及其相似。单一门槛回归的结果均得出，位于地区GDP小于门槛估计值的区域的城市商业银行，其资本约束对经营风险的抑制作用更强，只是被解释变量为逾期贷款/贷款呆帐准备金时所得出的单一门槛估计值为1500亿元，不同于前文被解释变量为不良贷款率2时的1400亿元。双重门槛回归的结果均得出，资本约束对中国城市商业银行经营风险的抑制效果存在显著的、以地区GDP为门槛变量的“U型”关系。只是当被解释变量为逾期贷款/贷款呆帐准备金时，门槛估计值为1500亿元和2100亿元，当地区GDP＜1500亿元或地区GDP＞2100亿元时，资本约束对中国城市商业银行经营风险的抑制效果更强。表4-13对逾期贷款/贷款呆帐准备金回归的门槛估计值结果门槛估计值F值P值抽样次数单一门槛模型150026.880***0.000300双重门槛模型21009.110**0.023300三重门槛模型18000.000*0.087300表4-14对逾期贷款/贷款呆帐准备金的门槛回归结果单一门槛回归双重门槛回归三重门槛回归净利润（亿元）0.000526-0.0001620.00081(0.29)(-0.09)(0.48)财务杠杆率（%）-0.00481-0.00558-0.0163(-0.39)(-0.46)(-1.56)最大十家客户贷款比例（%）0.00288**0.00265**0.0000514(2.22)(2.05)(0.04)地区生产总值（亿元）-0.000001290.00000882-0.00000431(-0.10)(0.66)(-0.42)资本充足率（%）-1-0.0780***-0.0773***-0.0760***(-5.54)(-5.54)(-5.87)资本充足率（%）-2-0.0595***-0.0443***-0.0449***(-4.64)(-3.19)(-3.39)资本充足率（%）-3-0.0660***0(-5.10)(.)资本充足率（%）-4-0.0681***(-5.68)常数项1.574***1.593***1.925***(4.97)(5.06)(6.70)样本数512512512二、稳健性检验和异质性分析（一）稳健性检验为了考察评价方法和指标解释能力的稳健性，本文分别从替换自变量、替换因变量、加入控制变量、运用工具变量法四个角度，对实证设计部分的基准回归和门槛回归分别进行稳健性检验。稳健性检验结果显示，估计系数前的符号和显著性基本和前文一致，说明上文的实证结果是稳健的。囿于篇幅，下文仅展示基准回归部分的稳健性检验结果。1.替换自变量前文所使用的资本约束的代理变量为资本充足率，在稳健性检验中，本文用核心资本充足率来替换资本充足率，对四个被解释变量所对应的回归方程分别进行检验。结果显示，估计系数前的符号和前文保持一致，且估计系数显著性进一步增强。表4-15用核心资本充足率替代资本充足率后的基准回归结果贷款损失准备/总贷款不良贷款率1不良贷款率2逾期贷款/贷款呆帐准备金（固定效应）（随机效应）（固定效应）（固定效应）核心资本充足率（%）-0.142**(-2.61)-0.106***(-2.92)-0.0607***(-2.77)-0.0733***(-3.85)净利润（亿元）0.00814（1.61）-0.0052(-1.43)-0.0028(-1.21)-0.0012(-0.54)财务杠杆率（%）-0.0888**(-2.12)-0.0986***(-3.46)0.00282（0.08）-0.019(-1.11)最大十家客户贷款比例（%）-0.00325(-0.54)0.00696(1.59)0.00611***(3.07)0.00212(1.13)地区生产总值（亿元）0.00000537(0.17)0.0000249(1.23)0.0000714***(4.3)0.0000439**(2.52)常数项5.775***（4.25）3.797***（5.05）1.374**（2.04）1.593***（3.67）样本数334332543516注：根据基准回归部分的霍斯曼检验结果，贷款损失准备/总贷款、不良贷款率2、逾期贷款/贷款呆帐准备金为被解释变量的回归方程适用银行固定效应模型，不良贷款率1适用随机效应模型。2.替换因变量前文基准回归部分使用了四个因变量，分别为贷款损失准备/总贷款、不良贷款率1、不良贷款率2和逾期贷款/贷款呆帐准备金，其既包括了对事前风险的预估，又包括了对事后风险的度量。在研究资本约束和银行经营风险的关系中，这四个因变量所在回归方程的核心自变量前的预估系数的符号意义相同，即当资本约束抑制了银行经营风险时，核心自变量前的系数符号均为负。在稳健性检验中，本文选择了一个符号意义相反的指标——不良贷款拨备覆盖率。当该指标越大时，表示拨备越充足，银行经营风险相对会更小。在稳健性检验中，用不良贷款拨备覆盖率来替换前文的因变量，若前文的结果是稳健的，那么稳健性检验中核心自变量前系数符号为正，所得结果支持了该结论。表4-16对不良贷款拨备覆盖率的描述性统计不良贷款拨备覆盖率（%）变量y5样本量849平均值344.36标准差654.77最小值44.541/4分位数178.61中位数235.193/4分位数327.22最大值13514.17表4-17对不良贷款拨备覆盖率回归的方差膨胀因子VIF-不良贷款拨备覆盖率净利润（亿元）2.21地区生产总值（亿元）2.08资本充足率（%）1.28最大十家客户贷款比例（%）1.26财务杠杆率（%）1.17表4-18对不良贷款拨备覆盖率的基准回归结果OLS随机效应银行固定效应双向固定效应资本充足率（%）14.13***(2.79)10.98*(1.79)8.213(1.13)2.917（0.56）净利润（亿元）0.204（0.49）0.0001（0.96）0.000209（1.50）0.000305***（3.21）财务杠杆率（%）3.952（1.62）1.821（0.33）-0.321(-0.05)-7.125(-1.08)最大十家客户贷款比例（%）-0.913***(-3.17)-0.972(-1.61)-1.117***(-3.87)-0.262(-0.31)地区生产总值（亿元）-0.00397*(-1.67)-0.011(-1.64)-0.0231**(-2.06)-0.011(-0.94)常数项117.2(1.24)213.8(1.44)326.7*(1.66)311.0**(2.26)样本数556556556556是否带聚类稳健标准误NONOYESYES是否银行固定效应NONOYESYES是否时间固定效应NONONOYES霍斯曼检验Prob>chi2=0.62003.加入控制变量本文对四个被解释变量所在回归方程分别加入了上市与否的虚拟变量作为控制变量，进行稳健性检验。结果显示，除了被解释变量为不良贷款率1时回归结果不显著，其余回归方程中核心解释变量的预估系数前的符号均与前文保持一致。不良贷款率1所对应的结果不显著，很可能是样本量缺失造成的。除此以外，对于上市与否虚拟变量前的系数符号，当被解释变量为贷款损失准备/总贷款时，该系数符号为负，绝对值和核心解释变量前的预估系数绝对值相近；当被解释变量为不良贷款率2和逾期贷款/贷款呆帐准备金时，该系数符号为正，绝对值远大于核心解释变量前的预估系数的绝对值。综合以上结果，除了证明原实证结果的稳健性，还进一步得出银行上市更大程度是减弱了资本约束对银行经营风险的抑制作用。表4-19加入上市与否虚拟变量后的基准回归结果贷款损失准备/总贷款不良贷款率1不良贷款率2逾期贷款/贷款呆帐准备金(固定效应)(随机效应)(固定效应)(固定效应)资本充足率（%）-0.0631*-0.0534-0.0481***-0.0496***(-1.74)(-1.55)(-2.88)(-3.89)上市与否-0.07250.1780.369***0.236*(-0.55)（0.80）（3.63）（1.96）净利润（亿元）0.00773-0.0059-0.00479**-0.0025（1.4）(-1.50)(-2.20)(-1.31)财务杠杆率（%）-0.0323-0.0730***0.008830.00173(-1.04)(-2.83)（0.30）（0.10）最大十家客户贷款比例（%）-0.004060.006690.00591***0.00148(-0.56)（1.50）（3.00）(0.75)地区生产总值（亿元）0.00003490.00002590.0000716***0.0000507***(1.22)(1.28)(4.31)(3.03)常数项4.097***2.954***1.254**1.096***(3.55)（3.88）（2.21）（2.66）样本数3413355645124.工具变量法截止于2018年底，中国城市商业银行共134家，上市银行22家，占比仅为16%。中国城市商业银行作为区域性中小银行，资本补充渠道相对更狭窄，无论就内源融资还是外源融资而言，都与当地的经济发展水平关系紧密。故本文以地区GDP增长率作为资本约束的工具变量，对前文所提到的四个被解释变量所在的回归方程均进行了稳健性检验，结果得出当被解释变量为不良贷款率2、逾期贷款/贷款呆帐准备金时，所得结果显著，且核心解释变量前的系数符号和前文一致，证实了前文结论的稳健性。当被解释变量为贷款损失准备/总贷款、不良贷款率1时，回归结束不显著。表4-20仅展示显著部分的回归结果。表4-20运用工具变量法后的基准回归结果资本充足率（%）不良贷款率2资本充足率（%）逾期贷款/贷款呆帐准备金（固定效应）（固定效应）地区生产总值增长率（%）0.130***(4.65)0.106***(3.45)净利润（亿元）0.0191*(1.91)-0.00183(-0.65)0.0165*(1.68)0.0000819(0.03)财务杠杆率（%）-0.453***(-4.88)-0.139***(-2.98)-0.526***(-4.70)-0.193***(-3.05)最大十家客户贷款比例（%）-0.0144***(-2.71)0.00312（1.37）-0.0160**(-2.33)-0.00193(-0.69)地区生产总值（亿元）-0.0003***(-2.81)-0.00000816(-0.26)-0.000311***(-2.92)-0.000048(-1.17)资本充足率（%）-0.356***(-4.65)-0.405***(-3.42)样本数595595517517（二）异质性分析在数据搜集和整理过程中发现，中国城市商业银行相关指标的差异性较大。以资产规模为例，截止2018年底，超过80%的中国城市商业银行资产规模不足5000亿元，而资产上万亿的中国城市商业银行有6家，分别是北京银行、上海银行、江苏银行、南京银行、宁波银行和徽商银行，其资产规模约占据中国城市商业银行总规模的三分之一。本文将中国城市商业银行按照资产规模大小进行四等分，分为资产规模最大、中上、中下和最小四个等分样本，对各分样本对应的基准回归和门槛回归分别进行检验，所得结果尽管存在显著性差别，但几乎所有估计系数前的符号都为负。即对于不同资产规模的中国城市商业银行，所得结果均支持了资本约束对中国城市商业银行经营风险起抑制作用的结论。囿于篇幅，文中仅展示基准回归的异质性分析结果。

表4-21中国城商行资产规模异质性分析表4-21中国城商行资产规模异质性分析（续表）注：y1为贷款损失准备/总贷款，y2为不良贷款率1，y3为不良贷款率2，y4为逾期贷款/贷款呆帐准备金。

三、中介效应和调节效应分析（一）中介效应分析中介效应的概念最早来源于心理学研究，用以衡量独立变量通过中介变量间接作用于非独立变量的影响程度，随着中介效应检验方法的成熟,这一概念也开始被逐渐引入到更广泛的领域中来陈东,刘金东：《农村信贷对农村居民消费的影响——基于状态空间模型和中介效应检验的长期动态分析》，《金融研究》2013年第6期，第160~172页。（陈东等，2013）。在统计概念中，中介效应指独立变量对非独立变量的影响（X→Y）不是直接的因果链关系,而是通过一个或一个以上的变量(M)间接产生影响,此时我们称M为中介变量,X通过M对Y产生的间接影响为中介效应陈东,刘金东：《农村信贷对农村居民消费的影响——基于状态空间模型和中介效应检验的长期动态分析》，《金融研究》2013年第6期，第160~172页。甄红线,张先治,迟国泰：《制度环境、终极控制权对公司绩效的影响——基于代理成本的中介效应检验》，《金融研究》2015年第12期，第162~177页。1.中介效应—异地经营按管辖半径的不同，中国城市商业银行异地经营可分为省内异地和跨省经营两种，本文取前一种概念，只要城商行在所在城市行政区划以外设置了分行和支行并存续经营，便将其划属为异地经营的类别。本文对贷款损失准备/总贷款、不良贷款率1、不良贷款率2、逾期贷款/贷款呆帐准备金以及不良贷款拨备覆盖率共五个被解释变量，分别进行了以异地经营为中介变量的中介效应检验，表4-22记录了显著的检验结果。如表4-22所示，资本充足率和异地经营之间存在显著的负向关系，资本充足率越高，异地经营的可能性越低。当被解释变量为贷款损失准备/总贷款时，异地经营虚拟变量前的系数符号为正，说明异地经营对城商行经营风险起促进作用。综合该被解释变量下的三个回归方程，由于回归系数-0.0552不显著，异地经营在资本约束对城商行经营风险的影响中起完全中介效应，即资本约束并不直接作用于城商行经营风险，而是通过作用于异地经营来间接作用于经营风险。而间接作用的效果由系数交乘项-0.0230×0.604决定，其绝对值远小于考虑异地经营前核心解释变量对应系数-0.0624的绝对值，所得结果很好的支持了假设6，即中国城市商业银行的资本充足率越低，其异地经营的激励越强，经营风险越大。异地经营弱化了资本约束对城商行经营风险的抑制效果。当被解释变量为不良贷款拨备覆盖率时，其值越大代表经营风险越小，若要支持前文的假设，核心解释变量的符号需与前文反向，而实证结果契合了这一分析。由表4-22可知，异地经营在资本约束和以不良贷款拨备覆盖率表示的经营风险中起部分中介效应，即资本约束一方面直接作用于城商行经营风险，由系数值16.28体现；一方面通过异地经营来间接作用于城商行经营风险，由系数交乘项的值（-0.023）×（-111.1）体现。加入异地经营虚拟变量后的总效应由系数加乘汇总后的值[16.28+（-0.023）×（-111.1）]决定，小于考虑异地经营以前核心解释变量前的系数值18.98，说明异地经营弱化了资本约束对经营风险的抑制作用，假设6进一步得以证实。表4-22资本约束对城商行经营风险影响的中介效应—异地经营y1异地经营y1y5异地经营y5固定效应固定效应随机效应随机效应资本充足率（%）-0.0624*(-1.75)-0.0230**(-2.48)-0.0552(-1.52)18.98***(3.17)-0.0237***(-5.37)16.28***(2.65)净利润（亿元）0.00763(1.41)-0.00222**(-2.17)0.00838(1.55)0.863(0.83)-0.000973(-1.17)0.772(0.76)财务杠杆率（%）-0.0298(-0.98)-0.00842(-1.27)-0.0313(-1.03)5.848(1.11)-0.00458(-1.16)5.915(1.13)最大十家客户贷款比例（%）-0.00359(-0.51)-0.00197**(-2.19)-0.00349(-0.50)-1.073*(-1.77)-0.00256***(-5.65)-1.411**(-2.25)地区生产总值（亿元）0.000033(1.12)0.0000226*(1.94)0.0000239(0.83)-0.0088(-1.41)0.0000135**(2.52)-0.007