Регрессионный анализ факторов эффективности - Разработка методики эффективного регулирования банковской деятельности

Итак, были проведены тесты на fixed, random и pool регрессии. По итогам проведенных процедур предпочтение и в одном и во втором периоде было отдано регрессии с детерминированными эффектами. Для более подробной информации смотрите приложением к настоящей работе. Для того, чтобы упростить визуальное восприятие моделей, мы оставим только значимые переменные.

О качестве полученных моделей можно судить по R-sq within, которые составляют 0,24 и 0,18 для второго и первого периодов. Аналогичные модели, оцененные по принципу between регрессии дали менее устойчивые результаты. (Смотри приложение). Это означает, что индивидуальные эффекты, присущие каждому банку, являются более значимыми, чем динамические.

По итогам анализа вовлеченность банков в прочую непрофильную деятельность (отношение прочих доходов к операционным доходам) и отношения обязательств до востребования к сумме депозитов оказались незначимыми в обоих периодах. Поэтому нам трудно делать какие-либо выводы об их влиянии на эффективность, поскольку это очень специфические показатели, которые могут быть значимы для невошедших в выборку банков. Поскольку мы выбирали именно системно образующие кредитные организации, то в нашем исследовании участвуют самые крупные банки, доля прочих непрофильных операций в которых значительно мала, так же как и обязательств до востребования. Этим и объясняется полученный результат.

2-ой период:

Банковский монополизм процентный маржа

Табл. 13

1-ый период:

Табл. 14

Низкое значение корреляции случайной ошибки и вектора объясняющих переменных гарантируют состоятельность полученных оценок. В нашем случае их значения не критичны: -0,29 и -0,43 для второго и первого периодов соответственно.

Для того чтобы подтвердить качество подгонки воспользуемся методом LSDV (Least Squares Dummy Variables). Суть: каждый фиксированный эффект заменяется на фиктивную переменную, после чего производится оценка МНК, что позволяет получить обычный R2:

2-ой период:

Табл. 15

1-ый период:

Табл. 16

Большие значения R2, полученные методом LSDV подтверждают высокое качество подгонки моделей.

Похожие статьи




Регрессионный анализ факторов эффективности - Разработка методики эффективного регулирования банковской деятельности

Предыдущая | Следующая