Диссертация (1151058), страница 26
Текст из файла (страница 26)
Несмотря на то, что корреляцияподтверждена на уровне значимости в 5%, она незначительна ( =0,157). Такимобразом, можно утверждать, что обнаружена прямая зависимость междурезультативностью системы УЧР и результатами деятельности банков. Тем неменее, на основе корреляционного анализа заключительный вывод делать рано,необходимо провести многофакторный регрессионный анализ.3.3.2.
Многофакторный регрессионный анализ влияния показателейрезультативности системы УЧР на результаты деятельности банковВ данной части параграфа представлены результаты регрессионного анализа,который позволяет определить факторы, влияющие на чистую прибыль,рентабельность активов и рентабельность капитала банков, оперирующих нароссийском рынке. Многофакторный регрессионный анализ проводился на основеданных выборки из 200 банков.Для включения факторов, влияющих на результаты деятельности банков, впервичный регрессионный анализ были рассчитаны парные коэффициентыранговой корреляции Кендалла между количественными показателями, длякачественных показателей был использован тест Краскела-Уоллиса. Таблицы срезультатами расчетов представлены в приложениях 5 и 6. На основе данных таблицбыл проведен первичный отбор факторов в соответствующие эконометрическиемодели.
В приложении 5, где представлены значения парных коэффициентов127ранговой корреляции Кендалла, значения уровня значимости отображаются вовторой строке. Здесь и далее будем считать связь статистически значимой, еслидоверительная вероятность не превышает 0,05, то есть 5%.Многофакторный регрессионный анализ: чистая прибыль банковДля борьбы с неоднородностью исходных данных была проведенакластеризация по контрольным переменным исследования, не вошедшим врегрессионную модель (расположение головного офиса банка, тип бизнеса,продуктовая ниша, клиентская ниша, наличие службы УЧР).
При проведениикластерного анализа могут быть использованы различные методы объединениякластеров, включая метод ближайшего соседа, метод средних, метод медиан,центроидный метод и метод Ворда [Wooldridge, 2013]. Для анализа данных былиспользован центроидный метод, в результате чего было получено число групп,равное 8. Используя полученное число групп, были построены модели случайныхэффектов и постоянных эффектов.Результаты регрессионного анализа после отбора факторов при построениимоделей с постоянными и случайными эффектами представлены в таблице 51:Таблица 51. Модель постоянных и случайных эффектов для показателя чистой прибылиМодель постоянных эффектов (сorr (u_i, X) = -0.1807)Coef.Рентабельностьинвестиций в человеческийкапитал (HCROI)Форма собственности (O)Количество филиалов (NF)Расходы на персонал врасчете на одногосотрудника (PE)ConstStd.
Err.tP>t[95% Conf. Interval]4.96000.1030-0.41110.96500.02080.15020.0525-0.02120.79040.00430.29960.14400.00000.00700.00000.0620-0.70740.86152.64000.00000.0090-0.02970.19931.3815-2.740018.3900-4.8900-0.11471.0685-0.0126Модель случайных эффектов (сorr (u_i, X) = 0)Рентабельностьинвестиций в человеческийкапитал (HCROI)Форма собственности (O)Количество филиалов (NF)Расходы на персонал врасчете на одногосотрудника (PE)Const0.10180.02094.8800.00000.06090.1426-0.39070.94160.15240.0518-2.56018.170.01000.0000-0.68940.8400-0.09201.0432-0.02110.75290.00430.30370.00000.0130-0.02950.1576-4.9402.480-0.01281.3482R-sq: within = 0.7363Параметры регрессионных моделей можно интерпретировать как частныеэффекты влияния факторной переменной на результативную, то есть коэффициенты128показывают, на сколько единиц изменится чистая прибыль при изменении факторана единицу.
Лучшими свойствами обладает модель случайных эффектов, так какдопущение о строгой экзогенности выполняется: можно считать corr (u_i, X) = 0 науровне значимости 5%. Следовательно, уравнение регрессии выглядит следующимобразом:Чистая прибыль = 0.7529 + 0.1018* HCROI – 0.3907*O + 0.9416*NF – 0.0211*PEВ построенной множественной регрессии R-sq = 0,7363, где R-sq (или Rквадрат) – коэффициент детерминации, то есть именно настолько включенныефакторы объясняют значение чистой прибыли.
Влияние неучтенных факторовоцениваетсякак(1 – R-sq) = 0,2637.Построениерегрессииподтвердилоположительное влияние рентабельности инвестиций в человеческий капитал начистую прибыль банков. При этом, чем выше расходы на персонал в расчете наодного сотрудника, тем меньше чистая прибыль.Помимо показателей результативности системы УЧР на чистую прибыльвлияют организационные характеристики банков, в частности, форма собственностии количество филиалов.
В связи с тем, что количество филиалов было включено врегрессию в качестве фактора, характеризующего размер банка, то можноутверждать, что чем больше размер банка по объему активов, тем больше чистаяприбыль. Еще одним фактором, влияющим на чистую прибыль, является формасобственности банка, причем это влияние отрицательное.
Отрицательное влияниеформы собственности на чистую прибыль показывает, что в государственныхбанках прибыль выше.Многофакторный регрессионный анализ: рентабельность активов банковРегрессионный анализ для показателя рентабельности активов проводился потакому же принципу, как и для показателя чистой прибыли. Построениерегрессионной модели для 200 банков методом наименьших квадратов показало, чтокачество модели заметно хуже, чем в моделях, где зависимой переменной являетсячистая прибыль (R-sq = 0,1951 в сравнении с R-sq = 0,7363 в моделях для чистойприбыли).
Проведя кластеризацию центроидным методом по контрольнымпеременным исследования, не вошедшим в модель, удалось определить число групп,которое равняется 8. Как и в случае с показателем чистой прибыли при анализе129модели МНК, моделей постоянных и случайных эффектов, удалось выявить, чтолучшими свойствами обладает модель случайных эффектов. Гипотезу о corr(u_i, X)= 0 можно принять с вероятностью больше 0,95. Модель случайных эффектов дляпоказателя рентабельности активов банков представлена в таблице 52:Таблица 52. Модель случайных эффектов для показателя рентабельности активов банковCoef.Рентабельность инвестиций вчеловеческий капитал (HCROI)Производительность труда (P)Национальность капитала (N)ConstStd.
Err.tP>t[95% Conf. Interval]0.0017080.0005912.8900000.004000.0005490.0028660.0000040.0000013.6400000.000000.0000020.0000060.0075700.0028092.6900000.007000.0020640.0130750.0002790.0034760.0800000.09360-0.0065340.007091R-sq: within = 0.1951сorr (u_i, X) = 0Важно отметить, что оценки, полученные различными методами, практическине различаются.
Таким образом, регрессионное уравнение для показателярентабельности активов (ROA) выглядит следующим образом:ROA = 0.000279 + 0.001708* HCROI +0.000004*P + 0.007570*NВсе факторы оказывают положительный эффект на рентабельность активовбанков:чембольшезначениекаждогофактора,тембольшезначениерентабельности активов. В связи с тем, что в уравнении регрессии национальностькапитала оказывает положительное влияние на рентабельность активов, можноутверждать, что для международных банков значение рентабельности активов будетвыше,чемдляроссийских.Множественнаярегрессияпоказывает,чторентабельность инвестиций в человеческий капитал и производительность трудаоказывают положительное воздействие на рентабельность активов, то есть, чемвыше показатели результативности системы УЧР, тем выше результирующеезначениерентабельностиактивовбанков.Темнеменее,применимостьполучившейся регрессии низка, так как выявленные факторы объясняют показательтолько на 0,1951, а влияние неучтенных факторов составляет 0,8049.Многофакторный регрессионный анализ: рентабельность капиталабанковПри построении моделей для показателя рентабельности капитала банковбыло выявлено, что наибольшей интерпретируемостью обладает модель постоянных130эффектов (corr(u_i, X) статистически не равно 0) (таблица 53).
При проведениикластеризации центроидным методом удалось выявить, что число групп равно 6.Таблица 53. Модель постоянных эффектов для рентабельности капитала банковCoef.Рентабельность инвестиций вчеловеческий капитал (HCROI)Производительность труда (P)Национальность капитала (N)Std. Err.tP>t[95% Conf. Interval]0.0092190.0033042.7900000.006000.0027020.0157360.0000210.0000053.8100000.000000.0000100.0000320.0249200.011402-2.190000.03000-0.047411-0.002420.0173120.0060182.8800000.004000.0054420.029183ConstR-sq: within = 0.1965сorr (u_i, X) = 0Таким образом, регрессионное уравнение для показателя рентабельностикапитала банков (ROE) выглядит следующим образом:ROE = 0.017312 + 0.009219* HCROI +0.000021*P + 0.024920*NСогласно полученному регрессионному уравнению, на рентабельностькапитала оказывают положительное воздействие, как показатели результативностисистемыУЧР(рентабельностьинвестицийвчеловеческийкапиталипроизводительность труда), так и организационные характеристики банка, включаянациональность капитала.
Тем не менее, в связи с тем, что R-sq = 0,1965, уравнениерегрессиидлярентабельностикапиталаслабообъясняетсявыделеннымифакторами. Неучтенные факторы объясняют рентабельность капитала в размере0,8035.Таким образом, построение множественных регрессий подтвердило, чтопоказатели результативности системы УЧР оказывают воздействие на показателидеятельности банков.
В большей степени это влияние наблюдается для чистойприбыли, на которую положительно влияет рентабельность инвестиций вчеловеческий капитал.3.3.3. Влияние показателей системы УЧР на результаты деятельностибанковПри проведении корреляционного анализа между показателями,характеризующими систему УЧР было выявлено, что все они коррелируют междусобой, что затруднило построение эконометрических моделей и определение того,каким образом показатели системы УЧР влияют на результаты деятельности банков.Для устранения проблемы мультиколлинеарности был использован метод главных131компонент, основная идея которого – замена факторовX i некоторыми Z i , которыене коррелируют между собой, а, с другой стороны, содержат в себе всюизменчивостьX i .
Обычно, Z i – линейная комбинация X i . Вычислительнаяпроцедура заключается в нахождении ортонормированных собственных векторовцентрированной матрицы X X . Причем, первая главная компонента соответствуетнаибольшему собственному числу, вторая – второму по величине собственномучислу и т.д. [Wooldridge, 2013]. Основная трудность, связанная с использованиемданного метода, заключается в недостаточной интерпретируемости главныхкомпонент. Часто бывает невозможно перейти к исходным факторам без потериинформации. Результаты применения метода главных компонент, проведенных спомощью программы STATA в рамках данного исследования, представлены нарисунке 10.ГлавныекомпонентыComp1Comp2Comp3Comp4Comp5Eigenvalue4.37572.255699.171672.114232.0826733Difference4.12003.0840269.05744.0315584.Proportion0.87510.05110.03430.02280.0165Cumulative0.87510.92630.96060.98351.0000Компоненты:Показателисистемы УЧРHℎSFIComp10.44200.43120.46100.45320.4481Главные компонентыComp2Comp3Comp40.35270.8004-0.04840.82920.04400.02650.09980.00720.3129-0.1606-0.3519-0.7998-0.3902-0.48330.5092UnexplainedComp50.19320.3519-0.8243-0.07270.392400000Рисунок 10.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
