Page 126 - 《华中农业大学学报(社会科学版)》2022年第1期
P. 126

1 2 0                            华中农业大学学报( 社会科学版)                               ( 总 157 期)

                   其中, E ff icient 为农 村 商 业 银 行 效 率, 具 体 由 成 本 效 率 Coste ff 和 利 润 效 率 Proe ff 表 示.
                                 it
               E ff icient  为农村商业银行效率的一阶滞后项. RIFI 为互联网金融指数, DS 和 DIV 均为中介
                        it-1                                     it                     it     it
               变量, 分别代表农村商业银行存款结构和收入结构, Controls 为一系列控制变量, ε 为随机误差项.
                                                                     it                 it
                   为验证上述两个假说, 多重中介模型回归步骤如下: 第一步, 回归方程( 2 ), 若 α 显著, 才进行下一
                                                                                        2
               步回归, 否则重新进行理论分析并设定模型; 第二步, 回归方程( 3 ) 或( 4 ), 若                        或 γ 显著, 则表明互联
                                                                                  β 1   1
               网金融对农村商业银行存款结构和收入结构产生显著影响; 第三步, 回归方程( 5 ), 若系数 δ 、 δ 显著
                                                                                                 3  4
               但 δ 不显著, 说明在互联网金融影响农村商业银行效率的作用机制中, 存款结构和收入结构发挥完全
                  2
               中介作用, 若系数 δ 、 δ 、 δ 均显著, 说明存款结构和收入结构在互联网金融对农村商业银行效率的影
                                2  3  4
               响中发挥部分中介作用.为了体现效率的连续性, 本文采用动态面板系统广义距估计( GMM ) 方法,
               在方程( 2 ) 和( 5 ) 引入了效率的一阶滞后项.

                  三、 结果与分析

                  表 3 报告了中介效应模型回归结果.其中步骤一( 模型 2 ) 采用系统广义矩估计法考察了互联网
               金融对农村商业银行成本效率和利润效率的整体影响.基于整体影响存在的前提, 继续回归步骤二
               ( 模型 3 或模型 4 ) 以检验互联网金融对农村商业银行成本效率和利润效率的影响是否存在中介效
               应.步骤三( 模型 5 ) 考察加入中介变量后, 互联网金融对农村商业银行效率的影响以及验证中介变
               量是否发挥完全中介效应.表 3 显示 AR ( 2 ) 检验和 Sar g an 检验 P 值均接受原假设, 说明扰动项无
               自相关, 且工具变量均有效, 这也表明模型 2 和模型 5 满足使用系统广义矩估计的条件.同时, 模型
               3 和模型 4 的 Hausman检验结果显示应选择固定效应模型.
                   ( 1 ) 互联网金融发展对农村商业银行效率的整体影响.表 3 中成本效率回归结果显示, 互联网金
               融指数( RIFI ) 的系数在 1% 的统计水平上显著为负, 表明互联网金融的发展降低了农村商业银行的
               成本效率.利润效率回归结果显示, 互联网金融指数( RIFI ) 的系数在 1% 的统计水平上显著为负,
               表明互联网金融的发展降低了农村商业银行利润效率.主要原因在于, 互联网金融与农村商业银行
               在其传统客户市场中激烈竞争, 增加了农村商业银行的获客成本; 改变了农村商业银行的存款结构并

               提升了资金使用成本; 与此同时, 互联网金融在零售业务和理财业务领域同农村商业银行展开竞争,
               缩窄了农村商业银行的收入来源, 从而导致其成本效率和利润效率下降.
                   在控制变量中, 成本效率和利润效率一阶滞后项系数在 1% 的统计水平上显著为正, 说明上期效
               率会对当期效率产生正向影响, 即农村商业银行的效率水平具有连续性.广义货币增长率代表经济
               通胀风险, 由于其系数在 1% 的统计水平上显著为负, 表明广义货币增长率越高即经济通胀风险越大
               时, 农村商业银行的效率越低.因此, 本文认为农村商业银行效率具有明显的连续性和顺周期性.银
               行规模系数在 1% 的统计水平上显著为正, 说明规模越大银行效率越高, 主要原因在于规模越大的银
               行越容易产生规模经济效益, 就农村商业银行而言, 其规模越大就越容易在农村地区形成地缘业缘优
               势, 从而提升了效率.
                   ( 2 ) 互联网金融对农村商业银行存款结构和收入结构的影响.在成本效率方程模型 3 ( DS ) 中,
               互联网金融指数( RIFI ) 的估计系数在 10% 的统计水平上显著为负, 说明互联网金融的发展对农村
               商业银行的存款结构产生显著负面影响.原因在于, 互联网金融的发展显著分流了农村商业银行的
               零售存款, 降低了农村商业银行低成本的零售存款占比; 为了弥补资金缺口, 农村商业银行只能借助
               同业市场获取资金, 导致高成本的同业存款占比上升, 存款结构显著恶化.
                   在利润效率方程模型 4 ( DIV ) 中, 互联网金融指数( RIFI ) 估计系数在 10% 的水平上显著为负,
               即互联网金融的发展缩窄了农村商业银行收入来源渠道.在互联网金融发展过程中, 无论是以余额
               宝为代表的互联网财富管理模式、 还是以微信支付宝为代表的第三方支付模式, 以及以翼龙贷为代
               表的互联网借贷模式, 在农村金融市场的各个细分领域中相较于农村商业银行都具有一定的比较
               优势, 进而对农村商业银行的传统业务造成挤压, 缩窄了农村商业银行的收入来源渠道, 恶化了收
               入结构.
   121   122   123   124   125   126   127   128   129   130   131