规模越大, sharp、 ZScore和pcr越大,而ηl越小,银行风险承担的动机越弱。 当然,在控制了其他影响因素后,银行规模对风险承担的影响机制还需要进一步 的计量分析予以确认。 Fitted values Fitied t Fittedvalues 图1银行规模和风险承担 四、实证结果和分析 (一)基本模型估计 估计方法的选择问题。比较极端的策略是要求样本中每个个体都拥有完全相 同的回归方程,这种方法被称为混合回归( Pooled-0LS);相比之下,较为常见 的处理面板数据的方法假定每个个体的回归方程中斜率相同,但截距不同。进 步地,如果表征个体异致性的U与某个解释变量相关,则适用于固定效应模型 (FE);如果u与所有解释变量均不相关,则应使用随机效应模型(RE)。但是
规模越大，sharp、zscore 和 pcr 越大，而 npl 越小，银行风险承担的动机越弱。 当然，在控制了其他影响因素后，银行规模对风险承担的影响机制还需要进一步 的计量分析予以确认。 0 50 100 150 200 6 8 10 12 14 16 size sharp Fitted values 0 2 4 6 8 6 8 10 12 14 16 size zscore Fitted values 0 5 10 15 20 25 6 8 10 12 14 16 size npl Fitted values 0 200 400 600 800 6 8 10 12 14 16 size pcr Fitted values 图 1 银行规模和风险承担 四、实证结果和分析 （一）基本模型估计 估计方法的选择问题。比较极端的策略是要求样本中每个个体都拥有完全相 同的回归方程，这种方法被称为混合回归（Pooled-OLS）；相比之下，较为常见 的处理面板数据的方法假定每个个体的回归方程中斜率相同，但截距不同。进一 步地，如果表征个体异致性的 ui 与某个解释变量相关，则适用于固定效应模型 （FE）；如果 ui与所有解释变量均不相关，则应使用随机效应模型（RE）。但是
无论u是否与解释变量相关,FE模型的估计结果都是一致的,而且FE模型的前 提假定显然更为符合经济现实,因此统一采取固定效应模型估计模型(1)。为减 少扰动项不规则带来的问题,所有回归均采用了聚类稳健的标准差。表3汇报了 主要的估计结果。 表3基本模型估计结果 (4) sharpsharp zscore Zscore np pCl siz11.089.6140.429"0.612-2.382-1.577139.6-111.8 (4.72)(2.54)(4.05)(3 (-3.14)(-2.48)(8.77)(4.97) unc1.6793.1440.006330 0.122-16.39-15.63 (2.12)(2.43)(0.12)(2.13)(2.78)(0.44)(-4.11)(-3.42) gdp-1.039-0.290-0.144·-0.04990.156-0.190-10.05--7.240 (-0.28)(-3.60)(-0.93)(0.82)(-1.24)(-3.02)(-1.48) -2.603-0.04960.0525-0.228-0.177-0.192-2.964 (-2.31)(-3.07)(-1.53)(-1.42)(-2.51)(-1.66)(-0.08)(-0.78) m2-1.892-2.22-0.06-0.066″-0.14-0.149-3.585-4.614 (-4.29)(-4.21)(-3.15)(-3.14)(-2.68)(-2.74)(-2.00)(-1.90) 8.560 0.326 -0.437 72.23 ( 0.00221 (1.55) (0.32) (-3.94 (1.31) 0.0897 0.00804 0.0971 0.564 (0.87) (0.72) 11.42 0.521 -0.520 9.392 (1.21) (0.24) 常-71.72-86.141.744-3.40126.63”28.77-1131”-988.9 数 项 (-2.96)(-1.38)(1.04)(-1.12)(2.13)(2.55)(-5.44)(-3.05) 观 694 520
无论 ui是否与解释变量相关，FE 模型的估计结果都是一致的，而且 FE 模型的前 提假定显然更为符合经济现实，因此统一采取固定效应模型估计模型（1）。为减 少扰动项不规则带来的问题，所有回归均采用了聚类稳健的标准差。表 3 汇报了 主要的估计结果。 表 3 基本模型估计结果 (1) (2) (3) (4) (5) (6) (7) (8) sharp sharp zscore zscore npl npl pcr pcr siz e 11.08 *** 9.614** 0.429*** 0.612*** -2.382** * -1.577** 139.6*** 111.8*** (4.72) (2.54) (4.05) (3.40) (-3.14) (-2.48) (8.77) (4.97) unc 1.679** 3.144** 0.00633 0.128** 0.806*** 0.122 -16.39** * -15.63** * (2.12) (2.43) (0.12) (2.13) (2.78) (0.44) (-4.11) (-3.42) gdp -1.039* -0.290 -0.144** * -0.0499 0.156 -0.190 -10.05** * -7.240 (-1.67) (-0.28) (-3.60) (-0.93) (0.82) (-1.24) (-3.02) (-1.48) inf -1.589** -2.603** * -0.0496 -0.0525 -0.228** -0.177 -0.192 -2.964 (-2.31) (-3.07) (-1.53) (-1.42) (-2.51) (-1.66) (-0.08) (-0.78) m2 -1.892** * -2.22*** -0.06*** -0.066** * -0.14*** -0.149** * -3.585** -4.614* (-4.29) (-4.21) (-3.15) (-3.14) (-2.68) (-2.74) (-2.00) (-1.90) Roa 8.560*** 0.326 -0.437 72.23** (2.90) (1.66) (-0.62) (2.46) Car 0.131 0.00221 -0.348** * 3.098 (1.55) (0.32) (-3.94) (1.31) Cti -0.0897 0.00804 0.0971** 0.564 (-0.53) (0.87) (2.52) (0.72) lii r 11.42 0.521 -0.520 9.392 (1.05) (1.21) (-0.52) (0.24) 常 数 项 -71.72** * -86.14 1.744 -3.401 26.63** 28.77** -1131*** -988.9** * (-2.96) (-1.38) (1.04) (-1.12) (2.13) (2.55) (-5.44) (-3.05) 观 测 694 466 694 466 590 437 520 402