引言當(dāng)今社會(huì)，隨著互聯(lián)網(wǎng)和智能手機(jī)的迅速普及，第三方支付跟隨著智能手機(jī)走進(jìn)了百姓的生活之中。網(wǎng)購的方便快捷，第三方支付平臺(tái)的理財(cái)豐富性，方便的生活繳費(fèi)方式，讓第三方支付平臺(tái)在逐漸的擠壓傳統(tǒng)銀行業(yè)的發(fā)展空間。探究第三方支付對(duì)我國(guó)商業(yè)銀行的影響對(duì)我國(guó)傳統(tǒng)金融業(yè)未來發(fā)展方向有著重要意義，有重要的理論和應(yīng)用價(jià)值。近些年來，有關(guān)第三方支付對(duì)商業(yè)銀行影響的研究明顯增多，研究類型由最初的純理論研究逐漸變?yōu)榻┠甑睦碚撆c實(shí)證并存?，F(xiàn)有研究成果中理論研究占大部分，實(shí)證研究較少。在學(xué)者專家們的實(shí)證研究中，使用面板數(shù)據(jù)回歸來進(jìn)行分析的研究較多，在研究層次上的探究仍有進(jìn)一步研究空間。鑒于此，本文采用了先總后分的方法，先對(duì)商業(yè)銀行總體數(shù)據(jù)進(jìn)行回歸，觀察第三方支付對(duì)商業(yè)銀行總體影響，再將銀行分為大中小三類，探究第三方支付對(duì)不同規(guī)模的商業(yè)銀行的影響。1.1研究背景當(dāng)今中國(guó)，在4G網(wǎng)絡(luò)的逐漸普及下，互聯(lián)網(wǎng)技術(shù)逐步涉及人民群眾生活的方方面，無論是方便大眾的順風(fēng)車，還是讓人沉迷其中的各類購物平臺(tái)，亦或是深受宅男宅女喜愛的外賣APP，都離不開其中的一大媒介——第三方支付，在這一時(shí)代背景下，第三方支付的市場(chǎng)規(guī)模在不斷的擴(kuò)大。在擴(kuò)大市場(chǎng)份額的過程中，第三方支付平臺(tái)也在不斷的擴(kuò)寬自己的業(yè)務(wù)范圍，其不再局限于最開始的方便群眾網(wǎng)上支付這一目的，而開始進(jìn)行了吸納存款（如支付寶的余額寶、微信的理財(cái)通）、發(fā)放小額貸款（如支付寶的借唄）等業(yè)務(wù)。第三方支付平臺(tái)推出的各項(xiàng)目具有很強(qiáng)的靈活性，不受時(shí)間地點(diǎn)的控制，且手續(xù)費(fèi)、收益等方面較銀行也有著很強(qiáng)的優(yōu)勢(shì)，這無疑影響到了以吸納存款和發(fā)放貸款的利差來作為主要收入的商業(yè)銀行。雖然現(xiàn)在距“移動(dòng)支付元年”僅過去6年，但移動(dòng)支付規(guī)模在爆發(fā)式增長(zhǎng)。根據(jù)中央銀行2019年第一季度數(shù)據(jù)顯示，網(wǎng)聯(lián)平臺(tái)第一季度處理業(yè)務(wù)758.15億筆，金額54.72萬億元，日均處理業(yè)務(wù)8.42億筆，金額6079.6億元，相較而言，銀聯(lián)的CUPS處理業(yè)務(wù)227.99億筆，金額38.27萬億元，日均處理業(yè)務(wù)2.53億筆，金額4251.81億元。網(wǎng)聯(lián)平臺(tái)的金融業(yè)服務(wù)規(guī)模已遠(yuǎn)超傳統(tǒng)銀行，在這一趨勢(shì)下，傳統(tǒng)銀行業(yè)的發(fā)展空間將進(jìn)一步受到擠壓，探明二者之間的關(guān)系，對(duì)于傳統(tǒng)銀行業(yè)的未來發(fā)展方向具有重要意義。1.2選題意義商業(yè)銀行作為我國(guó)重要的金融中介機(jī)構(gòu)，是我國(guó)聯(lián)系貨幣政策和貨幣流通的重要媒介，對(duì)控制市場(chǎng)經(jīng)濟(jì)發(fā)展、資金流通、匯率、貨幣政策等至關(guān)重要。伴隨著用戶移動(dòng)支付習(xí)慣的養(yǎng)成，第三方支付平臺(tái)持續(xù)推出的業(yè)務(wù)無不在影響著銀行的資產(chǎn)和負(fù)債項(xiàng)目，進(jìn)而影響商業(yè)銀行的盈利能力和盈利結(jié)構(gòu)。在這一時(shí)代背景下，商業(yè)銀行必須探究第三方支付對(duì)其盈利能力及結(jié)構(gòu)的影響，以便判斷自己所處方位，結(jié)合自身優(yōu)勢(shì)來做出相應(yīng)的措施，積極處理互聯(lián)網(wǎng)時(shí)代帶給商業(yè)銀行的一些轉(zhuǎn)變。對(duì)于金融監(jiān)管機(jī)構(gòu)而言，探究第三方支付對(duì)商業(yè)銀行的影響可以讓其直觀的察覺到金融中介機(jī)構(gòu)之間的相互影響作用，以便做出相應(yīng)的市場(chǎng)規(guī)范條例及發(fā)布相關(guān)的貨幣經(jīng)濟(jì)政策。對(duì)于第三方支付平臺(tái)而言，探究其對(duì)商業(yè)銀行的影響可以讓其直觀的感受到第三方支付在哪方面對(duì)銀行造成了影響及了解到影響程度，便于第三方支付平臺(tái)調(diào)整自我發(fā)展方向，也有利于其和銀行展開某些方面的合作。對(duì)于財(cái)經(jīng)大學(xué)的學(xué)生而言，探究這一問題有利于讓學(xué)生們清楚的看到第三方支付對(duì)銀行的影響，以便部分學(xué)生在進(jìn)入銀行后能為銀行發(fā)展提出一些好的發(fā)展建議。2.文獻(xiàn)綜述近些年，關(guān)于第三方支付對(duì)商業(yè)銀行影響方面的研究越來越多，其中大部分主要是從理論分析方面去推導(dǎo)，也有部分實(shí)證分析。理論研究在多年研究下已形成了較為統(tǒng)一的認(rèn)識(shí)，實(shí)證分析由于數(shù)據(jù)收集等原因，都是從較為片面的角度去反映第三方支付對(duì)商業(yè)銀行的影響，且得出的結(jié)論并沒有統(tǒng)一。2.1理論研究現(xiàn)狀第三方支付和銀行兩者之間的關(guān)系探究從十多年前就開始有學(xué)者在進(jìn)行研究，總的都是認(rèn)為第三方支付會(huì)對(duì)銀行各方面帶來沖擊。包春靜（2008）認(rèn)為電子支付的發(fā)展在改變著商業(yè)銀行的服務(wù)邊界，同時(shí)給銀行帶來了“支付脫媒”的挑戰(zhàn)。程國(guó)樹（2010）提出了第三方支付將在支付結(jié)算領(lǐng)域、信用卡套現(xiàn)方面與銀行競(jìng)爭(zhēng)。譚潤(rùn)沾（2010）認(rèn)為第三方支付發(fā)展的根本是有效滿足了網(wǎng)絡(luò)購物及附帶擔(dān)保的支付需求特征，銀行業(yè)在未來的競(jìng)爭(zhēng)中將處于劣勢(shì)地位。高洪滿,閻志鵬（2011）認(rèn)為隨著第三方支付領(lǐng)域的不斷擴(kuò)張，商業(yè)銀行作為借貸中介脫媒后又會(huì)面臨支付脫媒的挑戰(zhàn)，個(gè)人生活中資金的收付業(yè)務(wù)成為了銀行和第三方支付平臺(tái)的競(jìng)爭(zhēng)焦點(diǎn)。胡熠（2012）認(rèn)為第三方支付平臺(tái)將從網(wǎng)上套現(xiàn)、沉淀資金和業(yè)務(wù)沖突方面來對(duì)銀行產(chǎn)生沖擊，影響銀行的利潤(rùn)甚至生存發(fā)展空間。何燕崗（2012）提出商業(yè)銀行在第三方支付迅速發(fā)展的背景下，將面臨原有客戶群體被分流、產(chǎn)品銷售及渠道受到?jīng)_擊、以自我為中心的業(yè)務(wù)模式受到嚴(yán)重影響、客戶行為模式產(chǎn)生的改變和被洗錢者利用，這讓商業(yè)銀行被擠到了服務(wù)鏈末端，也讓銀行的創(chuàng)新業(yè)務(wù)帶來了潛在的風(fēng)險(xiǎn)隱患。王碩,蘭婷（2012）認(rèn)為第三方支付平臺(tái)將由于其以及形成了相對(duì)獨(dú)立、與銀行功能相似的跨行結(jié)算賬戶體系，對(duì)商業(yè)銀行的中間業(yè)務(wù)有所影響。同時(shí)，由于第三方支付推出的項(xiàng)目可吸收存款，將對(duì)銀行負(fù)債業(yè)務(wù)產(chǎn)生影響，而第三方支付平臺(tái)推出的小額信貸等融資服務(wù)，將影響銀行的資產(chǎn)業(yè)務(wù)。不僅如此，憑借著智能手機(jī)的普及，各網(wǎng)購APP的推廣，第三方支付對(duì)商業(yè)銀行的客戶資源將帶來不小的影響。楊姝琴（2014）提出第三方支付平臺(tái)將會(huì)對(duì)銀行支付服務(wù)價(jià)格產(chǎn)生影響，會(huì)讓銀行直接或間接的減少賬戶管理費(fèi)用，降低中間業(yè)務(wù)價(jià)格。李賓（2016）通過理論分析及數(shù)據(jù)對(duì)比后，認(rèn)為第三方支付在給銀行帶來挑戰(zhàn)的同時(shí)也在推動(dòng)著商業(yè)銀行的業(yè)務(wù)轉(zhuǎn)型和創(chuàng)新，第三方支付雖然會(huì)擠壓商業(yè)銀行的發(fā)展空間，沖擊銀行的資產(chǎn)項(xiàng)目和負(fù)債項(xiàng)目，但商業(yè)銀行可通過與第三方支付平臺(tái)合作來減少這種沖擊并促進(jìn)自我發(fā)展。劉丹丹、王雷濤（2017）認(rèn)為第三方支付從對(duì)商業(yè)銀行中間業(yè)務(wù)收入的增長(zhǎng)影響、對(duì)存貸款業(yè)務(wù)影響、對(duì)客戶資源的影響這三個(gè)方面來沖擊著商業(yè)銀行的零售業(yè)務(wù)。沈君儀（2018）通過數(shù)據(jù)對(duì)比提出第三方支付在影響著商業(yè)銀行活期存款的增長(zhǎng)，同時(shí)由數(shù)據(jù)觀察也看出了不同銀行的手續(xù)費(fèi)收入在近些年出現(xiàn)了不同程度的下滑。通過梳理相關(guān)論研究不難發(fā)現(xiàn)，對(duì)于第三方支付將會(huì)對(duì)商業(yè)銀行的資產(chǎn)業(yè)務(wù)、負(fù)債業(yè)務(wù)、客流量造成沖擊的共識(shí)已經(jīng)達(dá)成。2.2實(shí)證分析系列研究第三方對(duì)于商業(yè)銀行影響的定量研究較少，主要集中在2017年以后，對(duì)于這個(gè)問題并沒有統(tǒng)一的研究結(jié)果。在盈利結(jié)構(gòu)方面，李淑錦和陳銀飛（2017）將16家上市銀行分為國(guó)有和非國(guó)有兩組，利用2013年至2016年的季度數(shù)據(jù)，構(gòu)建了固定效應(yīng)面板模型，探討第三方支付對(duì)上市銀行非利息收入的影響，結(jié)果表明第三方支付規(guī)模對(duì)銀行開展非利息業(yè)務(wù)具有促進(jìn)作用，且對(duì)非國(guó)有銀行的正的“溢出效應(yīng)”更為顯著。梁燕子（2017）使用成本收入比衡量商業(yè)銀行的盈利能力，使用85個(gè)商業(yè)銀行的面板數(shù)據(jù)量化了互聯(lián)網(wǎng)金融對(duì)不同規(guī)模、地域范圍的商業(yè)銀行的應(yīng)，認(rèn)為互聯(lián)網(wǎng)金融對(duì)各規(guī)模商業(yè)銀行的盈利能力影響不一。其中，對(duì)大型商業(yè)銀行影響不明確，對(duì)中小型全國(guó)性商業(yè)銀行有著顯著地負(fù)面影響，但對(duì)小型城市商業(yè)銀行的有著積極的影響。李朋林與董一一（2018）在對(duì)我國(guó)主要商業(yè)銀行的面板數(shù)據(jù)進(jìn)行回歸后，得出了第三方支付對(duì)傳統(tǒng)商業(yè)銀行資產(chǎn)與負(fù)債業(yè)務(wù)具有正向影響,對(duì)中間業(yè)務(wù)有不利影響這一結(jié)論。顧海峰,閆君（2019）認(rèn)為第三方支付對(duì)商業(yè)銀行的盈利能力有顯著的負(fù)向影響，在盈利結(jié)構(gòu)方面，第三方支付對(duì)銀行的非利息收入占比有著顯著的正向影響。謝太峰、劉科（2019）通過對(duì)15家商業(yè)銀行的面板數(shù)據(jù)進(jìn)行回歸后，得出了第三方支付對(duì)商業(yè)銀行的盈利水平造成了負(fù)向影響，但第三方支付平臺(tái)和銀行合作可以在一定程度上緩解這種不利影響，第三方支付平臺(tái)在一定程度上增加銀行的收益。從數(shù)據(jù)選取來看，大部分研究選擇的都是十多家商業(yè)銀行近十年的年度數(shù)據(jù)或是近幾年的季度數(shù)據(jù)；從研究方法來看，多數(shù)實(shí)證研究采用面板回歸，少部分采用時(shí)間序列回歸；從變量指標(biāo)來看，盈利結(jié)構(gòu)的指標(biāo)選擇較為統(tǒng)一，基本上都采用非利息收入占比來作為回歸被解釋變量，盈利結(jié)構(gòu)衡量指標(biāo)則有所不同，大部分研究采用資產(chǎn)收益率，也有部分采用成本收入比。當(dāng)前對(duì)于第三方支付對(duì)商業(yè)銀行影響的研究雖較多，但分析角度較為片面，只是對(duì)商業(yè)銀行的盈利能力或盈利結(jié)構(gòu)來進(jìn)行分析，兩者皆進(jìn)行分析的較少；其次，數(shù)據(jù)選取不太具有代表性，大部分研究中所選取的商業(yè)銀行并不代表全體商業(yè)銀行，如果能找到全體商業(yè)銀行的數(shù)據(jù)來進(jìn)行分析，結(jié)果會(huì)更有意義；再者，研究不具有層次性，現(xiàn)有研究中部分是直接選取十多家商業(yè)銀行的時(shí)間序列數(shù)據(jù)來進(jìn)行面板回歸，有的則將銀行進(jìn)行分類大中小型、國(guó)有和非國(guó)有，但終究沒有層次之分，探究的較為片面。綜上，對(duì)于銀行數(shù)據(jù)的選取，可以層次劃分為本文研究亮點(diǎn)，先研究第三方支付對(duì)商業(yè)銀行整體盈利能力和盈利結(jié)構(gòu)的影響，再研究第三方支付對(duì)大中小型商業(yè)銀行盈利能力和盈利結(jié)構(gòu)的影響。在數(shù)據(jù)選擇上，可先選擇商業(yè)銀行整體數(shù)據(jù)，再將商業(yè)銀行分為大中小三類，每一類選擇五家銀行作為該類代表進(jìn)行分析；在研究方法上，可對(duì)商業(yè)銀行整體進(jìn)行時(shí)間序列回歸，再對(duì)不同類型的商業(yè)銀行分別進(jìn)行面板數(shù)據(jù)回歸。在變量選取上，選取非利息收入占比作為盈利結(jié)構(gòu)的衡量指標(biāo)，選取資產(chǎn)收益率作為盈利能力的衡量指標(biāo)。3.理論分析和研究設(shè)計(jì)3.1有關(guān)概念及理論3.1.1第三方支付第三方支付定義引自管理學(xué)大辭典，指非傳統(tǒng)金融機(jī)構(gòu)在收、付款人之間作為第三方中介機(jī)構(gòu)提供的貨幣資金轉(zhuǎn)移服務(wù)。通常在第三方支付平臺(tái)的交易中，買方選購商品后，使用第三方平臺(tái)提供的賬戶進(jìn)行貨款支付，由第三方通知賣家貨款到達(dá)、進(jìn)行發(fā)貨;買定義引自管理學(xué)大辭典第三方支付具有以下幾個(gè)特點(diǎn)：發(fā)展迅速：第三方支付平臺(tái)不需要傳統(tǒng)商業(yè)銀行的服務(wù)網(wǎng)點(diǎn)，而僅依賴于一臺(tái)智能手機(jī)，僅需一個(gè)相關(guān)的APP，你就可以進(jìn)行第三方支付。據(jù)艾瑞咨詢的數(shù)據(jù)顯示，2011年第一季度，第三方支付規(guī)模僅為139.2億元，僅過了3年，在2014年第一季度支付規(guī)模就破萬億，在2016年第三季度就破十萬億，而2019年第三季度支付規(guī)模約為56萬億元。第三方支付，僅僅用了十年不到的時(shí)間，就已經(jīng)走進(jìn)了中國(guó)人民生活的點(diǎn)點(diǎn)滴滴。方便快捷：不同于傳統(tǒng)銀行需要固定網(wǎng)點(diǎn)來進(jìn)行業(yè)務(wù)辦理，第三方支付不受時(shí)間空間的影響，顧客可以隨時(shí)隨地進(jìn)行業(yè)務(wù)操作。不管是轉(zhuǎn)賬，還是購買基金，亦或是保險(xiǎn)，都可以在一臺(tái)手機(jī)上面完成。業(yè)務(wù)范圍廣泛：第三方移動(dòng)支付不僅是在業(yè)務(wù)方面和銀行有部分重合，其還擔(dān)任著“線上人民幣”的功能，在線下可用人民幣進(jìn)行的交易，第三方支付讓你在線上就完成交易。3.1.2商業(yè)銀行根據(jù)中國(guó)人民銀行、百度中國(guó)銀行業(yè)監(jiān)督管理委員會(huì)、中國(guó)證券監(jiān)督管理委員會(huì)中國(guó)保險(xiǎn)監(jiān)督管理委員會(huì)、國(guó)家統(tǒng)計(jì)局于2015年9月28日印發(fā)的《金融業(yè)企業(yè)劃型標(biāo)準(zhǔn)規(guī)定》，商業(yè)銀行有大中小之分，規(guī)定內(nèi)容如下：（1）大型商業(yè)銀行：資產(chǎn)總額在4萬億以上的商業(yè)銀行。（2）中型商業(yè)銀行：資產(chǎn)總額在5千億到4萬億之間的商業(yè)銀行。（3）小型商業(yè)銀行：資產(chǎn)在50億元以下的商業(yè)銀行。3.1.3商業(yè)銀行盈利能力衡量商業(yè)銀行盈利能力的指標(biāo)有很多，如：凈利潤(rùn)率、資產(chǎn)收益率、風(fēng)險(xiǎn)加權(quán)資產(chǎn)收益率，成本收入比率等。凈利潤(rùn)率是指經(jīng)營(yíng)所得的凈利潤(rùn)占銷貨凈額的百分比，或占投入資本額的百分比。這種百分比能綜合反映一個(gè)企業(yè)或一個(gè)行業(yè)的經(jīng)營(yíng)效率。資產(chǎn)收益率，又稱資產(chǎn)回報(bào)率，它是用來衡量每單位資產(chǎn)創(chuàng)造多少凈利潤(rùn)的指標(biāo)。計(jì)算公式為：資產(chǎn)收益率=凈利潤(rùn)/平均資產(chǎn)總額*100%。資產(chǎn)收益率是業(yè)界應(yīng)用最為廣泛的衡量銀行盈利能力的指標(biāo)之一，該指標(biāo)越高，表明企業(yè)資產(chǎn)利用效果越好。成本收入比率是銀行營(yíng)業(yè)費(fèi)用與營(yíng)業(yè)收入的比率,反映出銀行每一單位的收入需要支出多少成本,該比率越低，說明銀行單位收入的成本支出越低，銀行獲取收入的能力越強(qiáng)。我國(guó)的商業(yè)銀行主要以吸納存款和發(fā)放貸款作為其主要收入來源，因此采用資產(chǎn)利潤(rùn)率更能體現(xiàn)銀行的資金利用情況，反映銀行的盈利能力。但是由于小型商業(yè)銀行數(shù)據(jù)不夠全面，無法查詢到五家小型商業(yè)銀行及部分中型商業(yè)銀行的資產(chǎn)利潤(rùn)率，只能找到其成本收入比，因此對(duì)于銀行總體數(shù)據(jù)而言，本文進(jìn)行了兩個(gè)回歸，分別以資產(chǎn)利潤(rùn)率和成本收入比作為被解釋變量；對(duì)于分類型商業(yè)銀行而言，則以成本收入比作為被解釋變量。3.1.4商業(yè)銀行盈利結(jié)構(gòu)商業(yè)銀行的收入可以分為兩大部分，即利息收入和非利息收入。對(duì)于我國(guó)的商業(yè)銀行而言，利息收入是由于利差產(chǎn)生的收入，也是其收入的主要來源。而非利息收入主要由主要是中間業(yè)務(wù)收入和咨詢、投資等活動(dòng)產(chǎn)生的收入。3.2理論與現(xiàn)狀分析3.2.1第三方支付對(duì)商業(yè)銀行盈利能力的影響第三方支付有著銀行無法超越的自身優(yōu)越性，方便快捷，將主動(dòng)權(quán)放在顧客手中，銀行的存貸業(yè)務(wù)都在受到第三方支付的影響。就存款業(yè)務(wù)而言，近些年來第三方支付相繼推出一些理財(cái)基金，其中部分基金深受廣大消費(fèi)者的青睞。用戶可以將空余的錢存在基金平臺(tái)內(nèi)，平臺(tái)會(huì)像銀行一樣給其支付一定的利息，用戶可以隨時(shí)將錢轉(zhuǎn)出，既豐富了用戶的理財(cái)方式，也方便了用戶的日常生活，就2013年6月13日推出的余額寶而言，其在推出一個(gè)月的時(shí)間里用戶就突破了100萬，至2017年3月，用戶人數(shù)達(dá)3.25億，至2020年2月底，余額寶用戶已達(dá)6億數(shù)據(jù)來源：艾瑞咨詢。此外，第三方支付平臺(tái)還有延遲支付的功能，用戶在購物時(shí)，已經(jīng)支付的錢要在確認(rèn)收貨后才會(huì)支付給網(wǎng)絡(luò)平臺(tái)賣家。雖然第三方支付平臺(tái)沉淀的資金都是用戶的閑散資金，以支付寶為例，截至2018年6月底余額寶總規(guī)模達(dá)18602億元數(shù)據(jù)來源：天弘基金，歷史上首次超過“四大行”的個(gè)人活期存款。原本很多應(yīng)該放在儲(chǔ)在銀行或個(gè)人手中的閑散資金在第三方支付平臺(tái)沉淀了下來，在一定程度上影響了銀行的存款增長(zhǎng)。我國(guó)儲(chǔ)蓄增長(zhǎng)率在2008年出現(xiàn)高峰后，出現(xiàn)逐漸下滑的現(xiàn)象，2011年出現(xiàn)穩(wěn)定傾向，但2013數(shù)據(jù)來源：艾瑞咨詢數(shù)據(jù)來源：天弘基金數(shù)據(jù)來源：CEIC數(shù)據(jù)庫第三方支付平臺(tái)上推出的小額貸款業(yè)務(wù)，也在一定程度上影響著銀行的貸款項(xiàng)目。不管是現(xiàn)在在年輕人中流行的“花唄”，還是最多可借30萬的“借唄”，都廣受消費(fèi)者的青睞，只要信用分達(dá)到一定程度，就可以借款，隨用隨借，可提前還款。其方便快捷的程度，是商業(yè)銀行所不能達(dá)到的，這在一定程度上沖擊了銀行的貸款業(yè)務(wù)。由圖3-1可以看出，全國(guó)商業(yè)銀行的存款同比增長(zhǎng)率自2011年以來出現(xiàn)了較為明顯波動(dòng)性下降，且峰值一路降低；貸款增長(zhǎng)率雖無太大波動(dòng)，但仍可以看出其緩慢下降的趨勢(shì)。圖3-1全國(guó)商業(yè)銀行存貸款同比增長(zhǎng)率第三方支付對(duì)銀行的存款業(yè)務(wù)沖擊，影響著銀行的資金池大小，對(duì)貸款業(yè)務(wù)的影響，使得銀行的盈利能力降低。3.2.2第三方支付對(duì)商業(yè)銀行盈利結(jié)構(gòu)的影響銀行收入可分為利息收入和非利息收入。利息收入，指企業(yè)將資金提供給他人使用但不構(gòu)成權(quán)益性投資，或者因他人占用本企業(yè)資金取得的收入，包括存款利息、貸款利息、債券利息、欠款利息等收入。銀行的利息收入主要來源于吸納存款和發(fā)放貸款的利息差形成的收入。第三方支付對(duì)銀行存款的沖擊致使商業(yè)銀行提高存款利率以吸納更多的存款，進(jìn)而使得利差降低，成本增加，而對(duì)銀行貸款業(yè)務(wù)的沖擊使得銀行的收入減少。從理論上得出，第三方支付對(duì)銀行的利息收入是負(fù)向作用。非利息收入指商業(yè)銀行除利差收入外的營(yíng)業(yè)收入，包括中間業(yè)務(wù)和咨詢、投資等活動(dòng)產(chǎn)生的收入。目前我國(guó)銀行的主要非利息收入來源于信用卡業(yè)務(wù)和結(jié)算業(yè)務(wù)。在第三方支付還沒有普及的時(shí)候，匯款、結(jié)算等都需要去銀行完成，日常生活開銷也需要使用現(xiàn)金支付。如今，支付寶轉(zhuǎn)賬，微信轉(zhuǎn)賬方便快捷，不受時(shí)間地點(diǎn)控制，銀行的匯兌業(yè)務(wù)受到了很大的沖擊。二維碼支付的普及大大減少了人們對(duì)現(xiàn)金的需求，也降低了人們?nèi)ャy行的頻率，銀行的基金理財(cái)項(xiàng)目較之前難以進(jìn)行，又一步降低了中間業(yè)務(wù)收入。依據(jù)我國(guó)相關(guān)法律規(guī)定，第三方支付機(jī)構(gòu)必須將備付金的賬戶放到托管銀行中，將客戶資金以及自有資金分開，以防客戶資金被挪用，也將第三方支付支付機(jī)構(gòu)的資金重新納入銀行業(yè)范圍。所謂的備付金，指用戶在消費(fèi)時(shí)已經(jīng)支付但是還未結(jié)算給商家的在途資金。隨著我國(guó)網(wǎng)絡(luò)購物的普及，每天的備付金已經(jīng)是一筆不小的數(shù)目，銀行在對(duì)這些資金進(jìn)行清算的時(shí)候，也可以獲得一筆可觀的結(jié)算費(fèi)用。3.2.3相關(guān)變量選取結(jié)合銀行的經(jīng)營(yíng)模式及上述分析，篩選出了以下重要變量。資產(chǎn)收益率(ROA)：也稱資產(chǎn)報(bào)酬率或投資報(bào)酬率,為企業(yè)在一定時(shí)期內(nèi)的凈利潤(rùn)與資產(chǎn)總額的比率，該比率主要用來衡量企業(yè)利用資產(chǎn)獲取利潤(rùn)的能力,反映了企業(yè)總資產(chǎn)的利用效果。在市場(chǎng)經(jīng)濟(jì)高度發(fā)達(dá),各行業(yè)間競(jìng)爭(zhēng)充分的前提下,各行業(yè)的資產(chǎn)收益率將趨于一致。這個(gè)比率越高,表明企業(yè)資產(chǎn)利用的效率越高。根據(jù)銀監(jiān)會(huì)規(guī)定，金融機(jī)構(gòu)資產(chǎn)利潤(rùn)率和資產(chǎn)收益率計(jì)算公式相同，其計(jì)算公式為：資產(chǎn)收益率=凈利潤(rùn)成本收入比（CIR）：是銀行營(yíng)業(yè)費(fèi)用與營(yíng)業(yè)收入的比率,反映出銀行每一單位的收入需要支出多少成本，該比率越低，說明銀行單位收入的成本支出越低，銀行獲取收入的能力越強(qiáng)。因此，成本收入比率是衡量銀行盈利能力的重要指標(biāo)，其計(jì)算公式為：成本收入比非利息收入占比（PNII）：指商業(yè)銀行除利差收入之外的營(yíng)業(yè)收入與總收入的比，該指標(biāo)越高，表明銀行的利息收入占比越低。第三方移動(dòng)支付規(guī)模（STP）：指第三方移動(dòng)支付的交易規(guī)模，規(guī)模越大，表明在第三方支付上沉淀的資金越多，用來作為衡量第三方支付的發(fā)展指標(biāo)。超額備付金率（OR）：指商業(yè)銀行在中國(guó)人民銀行超額準(zhǔn)備金存款、現(xiàn)金、存放同業(yè)的總和與人民幣各項(xiàng)存款之比，超額備付金率體現(xiàn)了銀行未充分利用的資金規(guī)模大小，超額備付金率越高，銀行的盈利能力越低。凈息差（NIM）：指每單位放款能產(chǎn)生多少的利息收入該指標(biāo)越大說明商業(yè)銀行的管理利率能力越強(qiáng)，盈利能力也更好。存貸比（LDR）：指銀行貸款總額/存款總額。對(duì)于銀行的盈利而言，存貸比越高表明銀行的資金利用越充分，產(chǎn)生的利息收入就越多，盈利能力越強(qiáng)。國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)率（GGR）:GDP指一個(gè)國(guó)家（或地區(qū)）所有常住單位在一定時(shí)期（通常為一年）內(nèi)收入初次分配的最終結(jié)果。是一定時(shí)期內(nèi)本國(guó)的生產(chǎn)要素所有者所占有的最終產(chǎn)品和服務(wù)的總價(jià)值。GDP增長(zhǎng)率體現(xiàn)了國(guó)家經(jīng)濟(jì)形勢(shì)，在一定成程度上影響著銀行的盈利情況。居民消費(fèi)價(jià)格指數(shù)（CPI）：是一個(gè)反映居民家庭一般所購買的消費(fèi)品和服務(wù)項(xiàng)目?jī)r(jià)格水平變動(dòng)情況的宏觀經(jīng)濟(jì)指標(biāo)。它是在特定時(shí)段內(nèi)度量一組代表性消費(fèi)商品及服務(wù)項(xiàng)目的價(jià)格水平隨時(shí)間而變動(dòng)的相對(duì)數(shù)，是用來反映居民家庭購買消費(fèi)商品及服務(wù)的價(jià)格水平的變動(dòng)情況。其在一定程度上影響著居民的消費(fèi)和存儲(chǔ)行為。不良貸款率（NPLR）：指不良貸款占總貸款的比率，不良貸款率越高，銀行可能無法收回的貸款占總貸款的比例越大，經(jīng)濟(jì)損失就越大。商業(yè)銀行資產(chǎn)總額（TCBI）：非利息收入占比可以通過銀行的利息收入占比來反映，影響銀行利息收入的主要因素除了利差以外，還有商業(yè)銀行的發(fā)放貸款總額，而商業(yè)銀行發(fā)放的貸款是其資產(chǎn)的重要組成部分，因此選用商業(yè)銀行資產(chǎn)總額作為解釋變量。4.實(shí)證分析4.1模型與數(shù)據(jù)本部分內(nèi)容采用先總后分的方式，先探究第三方支付對(duì)商業(yè)銀行總體的影響，隨后分析第三方支付對(duì)不同規(guī)模的商業(yè)銀行的影響。4.1.1理論模型對(duì)于銀行盈利能力而言，選擇資產(chǎn)收益率(ROA)作為被解釋變量來衡量銀行盈利能力的強(qiáng)弱，選擇第三方移動(dòng)支付規(guī)模（STP）、成本收入比（CIR）、存貸比（LDR）、超額備付金率（OR）、凈息差（NIM）、國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)率（GGR）、居民消費(fèi)價(jià)格指數(shù)（CPI）、不良貸款率（NPLR）來作為被解釋變量。ROA=為了分層次對(duì)比分析，將成本收入比（CIR）作為被解釋變量來衡量銀行盈利能力的強(qiáng)弱，選擇第三方移動(dòng)支付規(guī)模（STP）、存貸比（LDR）、超額備付金率（OR）、凈息差（NIM）、國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)率（GGR）、居民消費(fèi)價(jià)格指數(shù)（CPI）、不良貸款率（NPLR）來作為被解釋變量。CIR=對(duì)于銀行的盈利結(jié)構(gòu)而言，選擇非利息收入占比（PNII）被解釋變量來衡量銀行盈利結(jié)構(gòu)的變化，以第三方移動(dòng)支付規(guī)模（STP）、凈息差（NIM）、存貸比（LDR）、國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)率（GGR）、居民消費(fèi)價(jià)格指數(shù)（CPI）、商業(yè)銀行資產(chǎn)總額（TCBI）作為解釋變量。PNII=4.1.2數(shù)據(jù)來源及空值處理數(shù)據(jù)中所用的數(shù)據(jù)來源如下表：表4-1各變量數(shù)據(jù)來源變量數(shù)據(jù)來源（商業(yè)銀行）數(shù)據(jù)來源（大型商業(yè)銀行）數(shù)據(jù)來源（中型商業(yè)銀行）數(shù)據(jù)來源（小型商業(yè)銀行）STP艾瑞咨詢艾瑞咨詢艾瑞咨詢艾瑞咨詢ROACEIC數(shù)據(jù)庫Wind數(shù)據(jù)庫Wind數(shù)據(jù)庫Wind數(shù)據(jù)庫CIRCEIC數(shù)據(jù)庫Wind數(shù)據(jù)庫Wind數(shù)據(jù)庫Wind數(shù)據(jù)庫LDRCEIC數(shù)據(jù)庫Wind數(shù)據(jù)庫Wind數(shù)據(jù)庫Wind數(shù)據(jù)庫ORCEIC數(shù)據(jù)庫Wind數(shù)據(jù)庫Wind數(shù)據(jù)庫Wind數(shù)據(jù)庫CPICEIC數(shù)據(jù)庫CEIC數(shù)據(jù)庫CEIC數(shù)據(jù)庫CEIC數(shù)據(jù)庫NIMCEIC數(shù)據(jù)庫Wind數(shù)據(jù)庫Wind數(shù)據(jù)庫Wind數(shù)據(jù)庫LDRCEIC數(shù)據(jù)庫Wind數(shù)據(jù)庫Wind數(shù)據(jù)庫Wind數(shù)據(jù)庫GGRCEIC數(shù)據(jù)庫CEIC數(shù)據(jù)庫CEIC數(shù)據(jù)庫CEIC數(shù)據(jù)庫NPLRCEIC數(shù)據(jù)庫Wind數(shù)據(jù)庫Wind數(shù)據(jù)庫Wind數(shù)據(jù)庫PNIICEIC數(shù)據(jù)庫Wind數(shù)據(jù)庫Wind數(shù)據(jù)庫Wind數(shù)據(jù)庫TCBICEIC數(shù)據(jù)庫Wind數(shù)據(jù)庫Wind數(shù)據(jù)庫Wind數(shù)據(jù)庫鑒于大部分小型商業(yè)銀行的數(shù)據(jù)在2015年以前都是年度數(shù)據(jù)，采用樣條插值的方法來對(duì)其進(jìn)行數(shù)據(jù)補(bǔ)充，將其變?yōu)榧径葦?shù)據(jù)。4.1.3數(shù)據(jù)檢驗(yàn)在對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行回歸之前，應(yīng)先檢驗(yàn)時(shí)間序列數(shù)據(jù)的平穩(wěn)性，以防因不平穩(wěn)而造成的偽回歸問題。采用ADF方法來對(duì)時(shí)間序列平穩(wěn)性進(jìn)行檢驗(yàn)。通過ADF檢驗(yàn)后，結(jié)果如下：表4-2ADF檢驗(yàn)結(jié)果（所有變量）變量穩(wěn)定性（商業(yè)銀行）穩(wěn)定性（大型銀行）穩(wěn)定性（中型銀行）穩(wěn)定性（小型銀行）STP不平穩(wěn)不平穩(wěn)不平穩(wěn)不平穩(wěn)ROA不平穩(wěn)不平穩(wěn)不平穩(wěn)不平穩(wěn)CIR不平穩(wěn)不平穩(wěn)不平穩(wěn)不平穩(wěn)LDR不平穩(wěn)不平穩(wěn)不平穩(wěn)不平穩(wěn)OR不平穩(wěn)不平穩(wěn)不平穩(wěn)不平穩(wěn)CPI平穩(wěn)平穩(wěn)平穩(wěn)平穩(wěn)NIM不平穩(wěn)不平穩(wěn)不平穩(wěn)不平穩(wěn)LDR不平穩(wěn)不平穩(wěn)不平穩(wěn)不平穩(wěn)GGR平穩(wěn)平穩(wěn)平穩(wěn)平穩(wěn)NPLR不平穩(wěn)不平穩(wěn)不平穩(wěn)不平穩(wěn)對(duì)不平穩(wěn)時(shí)間序列利用ADF方法，對(duì)不平穩(wěn)面板數(shù)據(jù)用LLC檢驗(yàn)進(jìn)行進(jìn)一步檢驗(yàn)。結(jié)果顯示，除第三方支付序列為二階單整外，其余變量均為一階單整。詳細(xì)檢驗(yàn)結(jié)果如表4-3：表4-3不平穩(wěn)變量檢驗(yàn)結(jié)果變量檢測(cè)變量P值變量檢測(cè)變量P值STPD.ln(STP)0.0186**0.0057*0.0057*0.0057*ORD.OR0.0470**0.0030***0.0030***0.0030***PNIID.PNII0.0183**0.0099***0.0862*0.0000***NIMD.NIM0.0281**0.0190**0.0035***0.0001***CIRD.CIR0.0040***0.0000***0.0867*0.0358**NPLRD.NPLR0.0388**0.0908*0.0018****0.0309**LDRD.LDR0.0185**0.0294**0.0003***0.0000***ROAD.ROA0.042**TCBID.TCBI0.0356**注：表中四個(gè)結(jié)果分別代表商業(yè)銀行、大型商業(yè)銀行、中型商業(yè)銀行和小型商業(yè)銀行；檢測(cè)變量中，“l(fā)n”代表取對(duì)數(shù)，“D”代表一階差分；***表示在1%顯著水平上拒絕原假設(shè)，**表示在5%顯著水平上拒絕原假設(shè)，*在10%顯著水平上拒絕原假設(shè)。判斷出變量的平穩(wěn)性后，需要對(duì)幾個(gè)變量間是否存在協(xié)整關(guān)系進(jìn)行檢驗(yàn)。由于第三方支付是二階單整，需將對(duì)其取對(duì)數(shù)降階讓其變?yōu)橐浑A單整，現(xiàn)模型暫定為：ROA=PNII=采用Johansen-Juselius(JJ)協(xié)整檢驗(yàn)法對(duì)商業(yè)銀行總體數(shù)據(jù)變量之間的協(xié)整關(guān)系進(jìn)行檢驗(yàn)。用Pedroni方法對(duì)面板數(shù)據(jù)進(jìn)行協(xié)整檢驗(yàn)。商業(yè)銀行總體數(shù)據(jù)檢驗(yàn)結(jié)果如下（以ROA為被解釋變量）：表4-4商業(yè)銀行盈利能力Johansen-Juselius協(xié)整檢驗(yàn)結(jié)果（ROA）ROAtest10pct5pct1pctr<=84.706.508.1811.65r<=714.6315.6617.9523.52r<=625.8028.7131.5237.22r<=551.4745.2348.2855.43r<=488.7766.4970.6078.87r<=3131.3985.1890.39104.20r<=2201.44118.99124.25136.06r<=1287.30151.38157.11168.92r=0461.81186.54192.84204.79對(duì)于商業(yè)銀行盈利能力的模型而言，由檢測(cè)結(jié)果可以看出，r=0時(shí)，檢測(cè)結(jié)果為461.81>204.79，表明可以在顯著性水平為α=0.01的情況下拒絕原假設(shè)（r=0,即不存在協(xié)整關(guān)系），表明模型存在協(xié)整關(guān)系。通過數(shù)據(jù)比較可以看出，r<=5時(shí)，檢測(cè)結(jié)果為51.47，可以在α=0.05的顯著性水平下拒絕原假設(shè)。r<=6時(shí)，不能在α=0.1的顯著性拒絕原假設(shè)，表明檢驗(yàn)矩陣的秩為5，存在5個(gè)獨(dú)立的協(xié)整向量。表4-5商業(yè)銀行盈利結(jié)構(gòu)Johansen-Juselius協(xié)整檢驗(yàn)結(jié)果PNIItest10pct5pct1pctr<=63.716.508.1811.65r<=512.7315.6617.9523.52r<=428.8828.7131.5237.22r<=364.5645.2348.2855.43r<=2108.8666.4970.6078.87r<=1154.7885.1890.39104.20r=0228.89118.99124.25136.06對(duì)于銀行盈利結(jié)構(gòu)的模型而言，由檢測(cè)結(jié)果可以看出，r=0時(shí)，檢測(cè)結(jié)果為228.89>136.06，表明可以在顯著性水平為α=0.01的情況下拒絕原假設(shè)（r=0,即不存在協(xié)整關(guān)系），表明模型存在協(xié)整關(guān)系。通過數(shù)據(jù)比較可以看出，r<=3時(shí)，檢測(cè)結(jié)果為64.56，可以在α=0.01的顯著性水平下拒絕原假設(shè)。r<=4時(shí)，在α=0.1的顯著性水平下都不能拒絕原假設(shè)，因此判斷檢驗(yàn)矩陣的秩為3，存在3個(gè)獨(dú)立的協(xié)整向量。商業(yè)銀行總體數(shù)據(jù)檢驗(yàn)結(jié)果如下（以CIR為被解釋變量）：表4-6商業(yè)銀行盈利能力Johansen-Juselius協(xié)整檢驗(yàn)結(jié)果（CIR）CIRtest10pct5pct1pctr<=78.866.508.1811.65r<=618.8715.6617.9523.52r<=531.8528.7131.5237.22r<=453.1945.2348.2855.43r<=387.9366.4970.6078.87r<=2136.1185.1890.39104.20r<=1212.08118.99124.25136.06r=0374.64151.38157.11168.92對(duì)于商業(yè)銀行盈利能力的模型而言（以CIR為被解釋變量），由檢測(cè)結(jié)果可以看出，r=0時(shí)，檢測(cè)結(jié)果為374.64>168.92，表明可以在顯著性水平為α=0.01的情況下拒絕原假設(shè)（r=0,即不存在協(xié)整關(guān)系），表明模型存在協(xié)整關(guān)系。通過數(shù)據(jù)比較可以看出，r<=5時(shí)，檢測(cè)結(jié)果為31.85，可以在α=0.05的顯著性水平下拒絕原假設(shè)。r<=7時(shí)，不能在α=0.1的顯著性拒絕原假設(shè)，表明檢驗(yàn)矩陣的秩為6，存在6個(gè)獨(dú)立的協(xié)整向量。面板數(shù)據(jù)協(xié)整檢驗(yàn)結(jié)果如下（以CIR為被解釋變量）：表4-7不同類型商業(yè)銀行盈利能力協(xié)整檢驗(yàn)結(jié)果Data（ability）InspectionstatisticsT值P-value小型銀行ModifiedPhillips-Perron3.29590.0005Phillips-Perron1.36630.0859AugmentDickey-Fuller0.70030.2419中型銀行ModifiedPhillips-Perron2.26380.0118Phillips-Perron-2.71550.0033AugmentDickey-Fuller-5.62540.0000大型銀行ModifiedPhillips-Perron2.48430.0065Phillips-Perron-6.56660.0000AugmentDickey-Fuller-11.45690.0000對(duì)于銀行盈利能力而言，不管是大型銀行、中型銀行、還是小型銀行，都不存在在顯著性水平α=0.05的情況下，三個(gè)統(tǒng)計(jì)量均拒絕原假設(shè)（不存在協(xié)整檢驗(yàn)）的情況，即這三個(gè)面板數(shù)據(jù)都表4-8不同類型商業(yè)銀行盈利結(jié)構(gòu)協(xié)整檢驗(yàn)結(jié)果Data（structure）InspectionstatisticsT值P-value小型銀行ModifiedPhillips-Perron1.77980.0376Phillips-Perron0.75840.2241AugmentDickey-Fuller0.63380.2631中型銀行ModifiedPhillips-Perront0.99210.1606Phillips-Perront-2.17590.0148AugmentDickey-Fullert-3.07970.0010大型銀行ModifiedPhillips-Perront1.30160.0965Phillips-Perront-4.43740.0000AugmentDickey-Fullert-2.63830.0042對(duì)于銀行盈利結(jié)構(gòu)而言，不管是大型銀行、中型銀行、還是小型銀行，都不存在在顯著性水平α=0.05的情況下，三個(gè)統(tǒng)計(jì)量均拒絕原假設(shè)（不存在協(xié)整檢驗(yàn)）的情況，即這三個(gè)面板數(shù)據(jù)都4.2商業(yè)銀行總數(shù)據(jù)實(shí)證結(jié)果4.2.1以ROA為被解釋變量由檢驗(yàn)結(jié)果可知，該時(shí)間序列模型存在協(xié)整關(guān)系，可以對(duì)其進(jìn)行回歸。模型為：ROA=為了方便理解，以下符號(hào)分別代表以下變量：表4-9各符號(hào)代表變量符號(hào)X1X2X3X4X5X6X7X8變量STPCIRLDRORNIMGGRCPINPLR檢驗(yàn)結(jié)果如下：表4-10商業(yè)銀行盈利能力回歸結(jié)果（以ROA為被解釋變量）ROAEstimateStd.ErrortvaluePr(>|t|)(Intercept)1.5337150.3727964.1140.000369log(X1)-0.0051470.003432-1.5000.146238X2-0.0281620.001891-14.8926.17e-14X3-0.0072610.001973-3.6800.001120X4-0.0175050.010511-1.6650.108317X50.2051850.0312636.5637.09e-07X6-0.0082330.029142-0.2830.779867X70.0094530.0033022.8630.008367X8-0.2865220.022460-12.7571.91e-12回歸結(jié)果如下：ROA=1.533715-0.005147就盈利能力回歸結(jié)果而言，修正R2=0.9919，表明模型擬合效果良好。但最為重要的解釋變量log(X1)不顯著，且X6非常不顯著?？紤]嚴(yán)重的多重共線性可能影響了log(X1)的顯著性。在對(duì)解釋變量進(jìn)行了方差膨脹因子檢驗(yàn)后發(fā)現(xiàn)，log(X1)的VIF值為14.418，X8的VIF值為鑒于可能由于變量過多導(dǎo)致的多重共線性嚴(yán)重，采用主成分分析法提取重要主成分。結(jié)果顯示，提取兩個(gè)主成分時(shí)，對(duì)原解釋變量有80.39%的替代能力；當(dāng)提取到第四個(gè)主成分時(shí)，便有93.54%的替代能力，提取的四個(gè)主成分如下：p1=0.432*X1-0.278*X2+0.369*X3-0.392*X4-0.42*X5-0.292*X7+0.425*X8p2=0.14*X1+0.526*X2+0.263*X3+0.124*X4+0.772*X6+0.124*X8p3=-0.389*X3+0.264*X5+0.23*X6-0.839*X7-0.1048*X8p4=0.705*X2+0.257*X3-0.573*X6-0.307*X7在提取出的主成分中，僅有p1、p2包含了重要解釋變量X1。將提取出的四個(gè)主成分與因變量進(jìn)行回歸，構(gòu)建模型：ROA=結(jié)果如下：表4-11商業(yè)銀行盈利能力主成分提取后回歸結(jié)果（ROA）EstimateStd.ErrortvaluePr(>|t|)Intercept2.9067100.9152543.1760.00353p1-0.0345550.005365-6.4404.79e-07p2-0.1074140.049582-2.1660.03864p3-0.0124690.013227-0.9430.35362p40.0460140.0409681.1230.27058回歸結(jié)果為：ROA=2.9067-0.0346結(jié)果顯示，修正R2=0.9052，F(xiàn)=79.8，表明回歸結(jié)果顯著且模型擬合效果較好。在α=0.01的顯著性水平下可以拒絕p1不顯著的原假設(shè)，也可以拒絕截距項(xiàng)不顯著的原假設(shè)；在α=0.05的顯著性水平下可以拒絕p2不顯著的原假設(shè)，表明p1、p2均顯著，即重要解釋變量log(X1)顯著。但p3、p4很不顯著，由于p3p4中不涉及重要變量log(X1),因此刪除變量p3、表4-12商業(yè)銀行盈利能力主成分篩選后回歸結(jié)果（ROA）EstimateStd.ErrortvaluePr(>|t|)Intercept2.6130170.268349.7386.02e-11p1-0.0345550.003006-13.1003.54e-14p2-0.0521050.007337-7.1025.59e-08修正R2=0.9074，F(xiàn)=162.8，表明回歸結(jié)果顯著且模型擬合效果良好。在α=0.01的顯著性水平下可以拒絕p1不顯著的原假設(shè)，也可以拒絕p2不顯著的原假設(shè)。將回歸結(jié)果帶回p1、ROA=2.613017對(duì)回歸后的模型進(jìn)行異方差檢驗(yàn)，模型p=0.8891，在給定顯著性水平0.05的情況下，檢驗(yàn)的P值都很大。因此我們不能拒絕殘差的方差是恒定的零假設(shè)，并推斷出異方差是不存在的。由商業(yè)銀行盈利結(jié)構(gòu)協(xié)整結(jié)果易知，該模型存在協(xié)整關(guān)系。可以對(duì)其進(jìn)行回歸，回歸模型如下：PNII=為了方便理解，以下符號(hào)分別代表以下變量：表4-13各符號(hào)代表變量符號(hào)W1W2W3W4W5W6變量STPNIMLDRGGRCPITCBI檢驗(yàn)結(jié)果為：表4-14商業(yè)銀行盈利結(jié)構(gòu)回歸結(jié)果EstimateStd.ErrortvaluePr(>|t|)Intercept7.121e+012.455e+012.9010.007316log(W1)1.538e-012.761e-010.5570.582152W2-2.84e+001.847e+00-1.5380.135678W3-6.81e-011.772e-01-3.8400.000674W4-5.00e+001.651e+00-3.0300.005332W5-3.513e-02.367e-01-0.1480.883093W64.593e-052.597e-051.7690.088256修正后的R2=0.755，表明模型擬合效果良好。給定顯著性水平α=0.01，F(xiàn)=17.95>Fα6,27=3.53，表明回歸結(jié)果顯著。在給定顯著性水平α=0.01的情況下，截距項(xiàng)、變量W3顯著；在給定顯著性水平α=0.05的情況，變量W4顯著。即在α=0.1的情況下，X6顯著。重要變量log(W1)的p值為0.582152，不顯著。查看各解釋變量的多重共線性情況，多重共線性結(jié)果顯示，變量中l(wèi)og(W1)和W6的值均大于通過相關(guān)系數(shù)矩陣數(shù)據(jù)看出，重要解釋變量log(W1)和W2、W3、W6的相關(guān)系數(shù)均大于0.8，其與W6的相關(guān)系數(shù)高達(dá)0.968.為了避免多重共線性造成的回歸結(jié)果不顯著，保留重要變量，刪除解釋變量W6。刪除變量W6后，檢驗(yàn)協(xié)整是否存在，在α=0.1的顯著性水平下，測(cè)試值156.74>104.20，故拒絕原假設(shè)（不存在協(xié)整組合）。將剔除變量W表4-15商業(yè)銀行盈利結(jié)構(gòu)變量篩選后回歸結(jié)果EstimateStd.ErrortvaluePr(>|t|)(Intercept)78.748425.07793.1400.00396W10.51370.19352.6540.01295W2-4.10211.7668-2.3220.02774W3-0.45180.1257-3.5950.00123W4-5.10711.7119-2.9830.00585W5-0.19640.2265-0.8670.39337結(jié)果顯示，給定顯著性水平α=0.05,截距項(xiàng)和解釋變量W1、W2、W3、W4均顯著。修正R2=0.736，表明模型擬合效果良好。F=19.44，明顯顯著。PNII=78.74檢驗(yàn)回歸模型的異方差存在性，p=0.97659，在給定顯著性水平0.05的情況下，檢驗(yàn)的P值都很大。因此我們不能拒絕殘差的方差是恒定的零假設(shè)，并推斷出異方差是不存在的。4.2.2以CIR為被解釋變量由檢驗(yàn)結(jié)果可知，該時(shí)間序列模型存在協(xié)整關(guān)系，可以對(duì)其進(jìn)行回歸。模型為：CIR為了方便理解，以下符號(hào)分別代表以下變量：表4-16各符號(hào)代表變量符號(hào)γ1γ2γ3γ4γ5γ6γ7變量STPLDRORNIMGGRCPINPLR檢驗(yàn)結(jié)果如下：表4-17商業(yè)銀行盈利能力回歸結(jié)果（以CIR為被解釋變量）CIREstimateStd.ErrortvaluePr(>|t|)(Intercept)18.450836.88030.5000.6211log(X1)0.77220.30572.5260.0180X20.19490.18411.0590.2994X31.57630.99801.5790.1263X4-5.85362.8892-2.0200.0538X5-1.12412.8884-0.3890.7003X60.44800.31621.4170.1685X70.23742.23210.1060.9161回歸結(jié)果如下：CIR=18.4508-0.7722×ln?(STP)-0.1949×LDR-1.5763×OR-5.8536×NIM-1.1241×GGR+0.4480×CPI+0.2374×NPLR就盈利能力回歸結(jié)果而言，修正R^2=0.7482，表明模型擬合效果良好。重要解釋變量log(X1)在α=0.05的顯著性水平下顯著，除此外其他解釋變量在α=0.05的顯著性水平下均不顯著?？紤]嚴(yán)重的多重共線性可能影響了變量的顯著性。在對(duì)解釋變量進(jìn)行了方差膨脹因子檢驗(yàn)后發(fā)現(xiàn)，log(X1)的VIF值為11.577141，X7的VIF值為10.080812，表明模型有很強(qiáng)的多重共線性問題。鑒于可能由于變量過多導(dǎo)致的多重共線性嚴(yán)重，采用主成分分析法提取重要主成分。結(jié)果顯示，提取兩個(gè)主成分時(shí)，對(duì)原解釋變量有79.97%的替代能力；當(dāng)提取到第四個(gè)主成分時(shí)，便有94.53%的替代能力，提取的四個(gè)主成分如下：m1=0.454*γ1-0.321*γ2-0.430*γ3-0.438*γ4-0.330*γ6+0.446*γ7m2=0.197*γ1+0.487*γ2-0.109*γ4+0.819*γ5-0.102*γ6+0.169*γ7m3=-0.381*γ4+0.895*γ6+0.227*γ7m4=0.807*γ2-0.142*γ3-0.170*γ4-0.531*γ5在提取出的主成分中，僅有m1、m2包含了重要解釋變量γ1。將提取出的四個(gè)主成分與因變量進(jìn)行回歸，構(gòu)建模型：CIR=結(jié)果如下：表4-18商業(yè)銀行盈利能力主成分提取后回歸結(jié)果（CIR）EstimateStd.ErrortvaluePr(>|t|)Intercept-15.439529.1997-0.5290.60100m11.17160.63511.8450.07529m21.43881.73640.8290.41410m31.37740.35293.9030.00052m4-0.16231.4212-0.1140.90989回歸結(jié)果為：CIR=結(jié)果顯示，修正R2=0.7234，F(xiàn)=22.57，表明回歸結(jié)果顯著且模型擬合效果較好。在α=0.01的顯著性水平下只可以拒絕m3不顯著的原假設(shè)；在α=0.1的顯著性水平下可以拒絕m1不顯著的原假設(shè)，表明m1、m3均顯著，即重要解釋變量log(X1)顯著。由于m3,m4中不涉及重要變量log(X1),因此刪除變量m3、m4再進(jìn)行回歸（截取兩個(gè)主成分時(shí)其表4-19商業(yè)銀行盈利能力主成分篩選后回歸結(jié)果（CIR）EstimateStd.ErrortvaluePr(>|t|)Intercept97.19965.824916.687<2e-16m10.88510.13486.5652.48e-07m21.01440.34952.9030.00676修正R2=0.6046，F(xiàn)=26.23，表明回歸結(jié)果顯著且模型擬合效果良好。在α=0.01的顯著性水平下可以拒絕m1不顯著的原假設(shè)，也可以拒絕m2不顯著的原假設(shè)。將回歸結(jié)果帶回m1、CIR=97.1996對(duì)回歸后的模型進(jìn)行異方差檢驗(yàn)，模型p=0.1312，在給定顯著性水平0.05的情況下，檢驗(yàn)的P值都很大。因此我們不能拒絕殘差的方差是恒定的零假設(shè)，并推斷出異方差是不存在的。4.3分類銀行數(shù)據(jù)實(shí)證結(jié)果在本小節(jié)中，挑選出具有代表性的大中小型商業(yè)銀行各五家，進(jìn)行面板數(shù)據(jù)回歸分析。其中，大型銀行分別為：中國(guó)工商銀行、中國(guó)建設(shè)銀行、中國(guó)農(nóng)業(yè)銀行、中國(guó)交通銀行、中國(guó)建設(shè)銀行；中型銀行分別為：平安銀行、民生銀行、招商銀行、中信銀行、北京銀行；小型銀行分別為：吳江銀行，無錫銀行，張家港銀行，南京銀行，常熟銀行。鑒于商業(yè)銀行盈利結(jié)構(gòu)分析中，商業(yè)銀行資產(chǎn)這一變量和主要變量（第三方支付規(guī)模）有著很嚴(yán)重的多重共線性，因此在此節(jié)分析中不選取變量商業(yè)銀行資產(chǎn)。4.3.1第三方支付對(duì)不同類型銀行盈利能力的影響通過前面的協(xié)整檢驗(yàn)可以知道，盈利能力這三個(gè)數(shù)據(jù)集的變量雖有很多不平穩(wěn)，但是在對(duì)第三方支付金額取對(duì)數(shù)后，變量之間存在協(xié)整關(guān)系，因此可以對(duì)大中小型商業(yè)銀行的盈利能力數(shù)據(jù)集進(jìn)行面板數(shù)據(jù)回歸。在進(jìn)行回歸前，應(yīng)先運(yùn)用F檢驗(yàn)和Hausman檢驗(yàn)來確定使用混合模型、固定效應(yīng)模型還是隨機(jī)效應(yīng)模型。三類銀行盈利結(jié)構(gòu)的F檢驗(yàn)和Hausman結(jié)果如下：表4-20大中小型商業(yè)銀行盈利能力F及Hausman檢驗(yàn)結(jié)果銀行類型檢驗(yàn)方法檢驗(yàn)結(jié)果結(jié)論大型銀行F檢驗(yàn)p-value=0.00333拒絕HHausman檢驗(yàn)p-value=0.04589拒絕H中型銀行F檢驗(yàn)p-value<2.2e-16拒絕HHausman檢驗(yàn)p-value<2.2e-16拒絕H小型銀行F檢驗(yàn)p-value<2.2e-16拒絕HHausman檢驗(yàn)p-value=0.6561不拒絕H結(jié)果顯示，就盈利能力而言，大型銀行、中型銀行應(yīng)使用固定效應(yīng)模型，小型銀行應(yīng)使用隨機(jī)效應(yīng)模型。由4.2.2可知，方程假設(shè)為：CIR結(jié)合表4-16，對(duì)不同的面板數(shù)據(jù)采用不同的回歸方法，結(jié)果如下：表4-21大中小型商業(yè)銀行面板數(shù)據(jù)回歸結(jié)果（盈利能力）大型商業(yè)銀行中型商業(yè)銀行小型商業(yè)銀行Estimatet-valuePr(>|t|)Estimatet-valuePr(>|t|)Estimatez-valuePr(>|z|)Intercept-42.29-1.7710.077ln-0.660-4.9262.09e-060.1970.8210.4130.1190.8390.401LDR0.1072.2300.0270.0611.3640.1740.1803.9986.39e-05OR1.4962.5960.0101.0391.4220.157-0.172-0.2570.797NIM-4.573-4.5071.27e-05-2.355-2.6400.0090.5190.8380.402GGR11.3597.2921.38e-117.4843.7140.000-0.272-0.1480.881CPI-0.278-1.5130.132-0.085-0.3390.7350.5272.3420.019NPLR-0.668-0.7350.463-7.849-5.6915.74e-084.5444.9387.87e-07其中，大型銀行：修正R2=0.4511F=21.4173；中型銀行：修正R2=0.4479F=21.1578；小型銀行：修正R2=0.2850,p-value:4.4392e-09。由結(jié)果可以看出，就盈利能力而言，第三方支付規(guī)模對(duì)大型商業(yè)銀行的影響十分顯著，對(duì)中型和小型商業(yè)銀行影響不顯著。從影響方向來看，第三方支付規(guī)模對(duì)大型商業(yè)銀行的盈利能力是正向影響，即隨著第三方支付規(guī)模的提高，大型商業(yè)銀行的成本收入比會(huì)下降CIR4.3.2第三方支付對(duì)不同類型銀行盈利結(jié)構(gòu)的影響通過前面的協(xié)整檢驗(yàn)可以知道，盈利結(jié)構(gòu)這三個(gè)數(shù)據(jù)集的變量雖有很多不平穩(wěn)，但是在對(duì)第三方支付金額取對(duì)數(shù)后，變量之間存在協(xié)整關(guān)系，因此可以對(duì)大中小型商業(yè)銀行的盈利結(jié)構(gòu)數(shù)據(jù)集進(jìn)行面板數(shù)據(jù)回歸。在進(jìn)行回歸前，應(yīng)先運(yùn)用F檢驗(yàn)和Hausman檢驗(yàn)來確定使用混合模型、固定效應(yīng)模型還是隨機(jī)效應(yīng)模型。三類銀行盈利結(jié)構(gòu)的F檢驗(yàn)和Hausman結(jié)果如下：表4-22大中小型商業(yè)銀行盈利結(jié)構(gòu)F及Hausman檢驗(yàn)結(jié)果銀行類型檢驗(yàn)方法檢驗(yàn)結(jié)果結(jié)論大型銀行F檢驗(yàn)p-value=1.265e-11拒絕HHausman檢驗(yàn)P=0.9802不拒絕H中型銀行F檢驗(yàn)p-value<2.2e-16拒絕HHausman檢驗(yàn)p-value=9.451e-07拒絕H小型銀行F檢驗(yàn)p-value=1.622e-11拒絕HHausman檢驗(yàn)p-value=0.5502不拒絕H結(jié)果顯示，就盈利結(jié)構(gòu)而言，大型銀行、小型銀行應(yīng)使用隨機(jī)效應(yīng)模型，中型銀行應(yīng)使用固定效應(yīng)模型。由4.2.1可知，方程假設(shè)為：PNII=表4-23大中小型商業(yè)銀行面板數(shù)據(jù)回歸結(jié)果（盈利結(jié)構(gòu)）大型商業(yè)銀行中型商業(yè)銀行小型商業(yè)銀行Estimatez-valuePr(>|z|)Estimatet-valuePr(>|z|)Estimatez-valuePr(>|z|)Intercept81.6432.5840.009751.4371.7850.074ln-0.254-1.4740.14042.03010.627<2.2e-162.02410.595<2.2e-16NIM-13.069-9.387<2.2e-16-4.796-4.833.11e-06-4.720-4.7641.89e-06LDR0.1982.9150.0035-0.008-0.1640.869-0.004-0.0910.928GGR-7.965-3.5650.0003-7.823-3.6300.000-7.799-3.6170.000CPI-0.332-1.1920.2333-0.291-1.0240.307-0.300-1.0570.291其中，大型銀行：修正R2=0.60476Chisq:263.588on5DF,p-value:<2.22e-16；中型銀行：修正R2=0.8504F=193.8560；小型銀行：修正R2=0.8506Chisq:967.423on5DFp-value:<2.22e-16。由結(jié)果可以看出，就盈利結(jié)構(gòu)而言，第三方支付規(guī)模對(duì)中型和小型商業(yè)銀行的影響十分顯著，對(duì)大型商業(yè)銀行影響不顯著。從影響方向來看，第三方支付規(guī)模對(duì)大型和小型商業(yè)銀行的盈利結(jié)構(gòu)都是正向影響，即隨著第三方支付規(guī)模的提高，大型小型商業(yè)銀行的非利息收入占比都會(huì)提高?；貧w結(jié)果如下PNII4.4結(jié)果分析與討論以資產(chǎn)收益率為商業(yè)銀行總體盈利能力指標(biāo)，回歸結(jié)果如下：ROA=2.613017從關(guān)系來看，第三方移動(dòng)支付規(guī)模與商業(yè)銀行的盈利能力是顯著的負(fù)相關(guān)，即第三方移動(dòng)支付規(guī)模的擴(kuò)大會(huì)降低商業(yè)銀行的盈利能力。當(dāng)?shù)谌揭苿?dòng)支付規(guī)模擴(kuò)大1%時(shí)，商業(yè)銀行的盈利能力就會(huì)下降0.024303個(gè)單位（即0.024303%）。當(dāng)以成本收入比為商業(yè)銀行總體盈利能力指標(biāo)時(shí)，回歸結(jié)果如下：CIR=97.1996從結(jié)果看來，當(dāng)?shù)谌揭苿?dòng)支付規(guī)模擴(kuò)大1%時(shí)，商業(yè)銀行的成本收入比就會(huì)上升0.6017個(gè)單位（即0.6017%%）。不管是選擇資產(chǎn)收益率或是成本收入比作為商業(yè)銀行盈利能力的指標(biāo)，第三方移動(dòng)支付規(guī)模與商業(yè)銀行的盈利能力都是顯著的負(fù)相關(guān)，即第三方移動(dòng)支付規(guī)模的擴(kuò)大會(huì)降低第三方支付的快捷已經(jīng)深入人心，人們已經(jīng)在逐漸將本該存在銀行卡里面的轉(zhuǎn)入第三方支付平臺(tái)推出的基金里面，銀行吸納存款的能力降低，這使得主要靠利息差獲利的商業(yè)銀行盈利能力下降；與此同時(shí)，第三方支付平臺(tái)的廣泛使用降低了人們平時(shí)去銀行的頻率，從而減少了銀行在基金理財(cái)方面的潛在客戶，降低了銀行的收入；不僅如此，第三方支付平臺(tái)的便捷轉(zhuǎn)賬功能沖擊著銀行的小額結(jié)算業(yè)務(wù)，使銀行在跨行跨地區(qū)取款收取的手續(xù)費(fèi)消失在收入來源中。對(duì)于銀行的盈利結(jié)構(gòu)而言，回歸結(jié)果如下：PNII=78.74從關(guān)系來看，第三方移動(dòng)支付規(guī)模與商業(yè)銀行的非利息收入呈現(xiàn)正相關(guān)關(guān)系。第三方移動(dòng)支付每擴(kuò)大1%的規(guī)模，非利息收入就會(huì)上升0.5137個(gè)單位（即0.5137%）。對(duì)于商業(yè)銀行的盈利結(jié)構(gòu)來說，第三方支付對(duì)非利息收入有一個(gè)正向影響，即其對(duì)于銀行的中間業(yè)務(wù)的負(fù)向影響小于正向影響。第三方移動(dòng)支付規(guī)模一方面沖擊著商業(yè)銀行的存貸業(yè)務(wù)，一方面在增加商業(yè)銀行在網(wǎng)上結(jié)算上的收入，兩者共同導(dǎo)致了商業(yè)銀行非利息收入占比增加這一結(jié)果。對(duì)于不同類型商業(yè)銀行的盈利能力而言，第三方支付規(guī)模對(duì)中型小型商業(yè)銀行盈影響不顯著，對(duì)大型銀行是正向影響。CIR對(duì)于大型商業(yè)銀行而言，第三方移動(dòng)支付每擴(kuò)大1%的規(guī)模，成本收入比就會(huì)下降0.66個(gè)單位（即0.66%）。出現(xiàn)這一現(xiàn)象的原因有很多，其中有一個(gè)重要的原因就是國(guó)內(nèi)幾家大型商業(yè)銀行包攬了支付寶、微信等占市場(chǎng)主流的第三方支付平臺(tái)的資金托管權(quán)，也就是說用戶轉(zhuǎn)出的錢暫時(shí)會(huì)交于商業(yè)銀行，到轉(zhuǎn)出對(duì)象需要收到錢（如領(lǐng)取紅包等）時(shí)，托管銀行再將錢轉(zhuǎn)交對(duì)方。這不僅會(huì)給商業(yè)銀行一個(gè)巨大的臨時(shí)流動(dòng)大型資金池，商業(yè)銀行還會(huì)收到一筆不小的手續(xù)費(fèi)。雖然對(duì)于中小型商業(yè)銀行回歸效果不顯著，但是從總體結(jié)果為負(fù)向影響和大型商業(yè)銀行為正向影響來推測(cè)的話，第三方支付對(duì)中型和小型商業(yè)銀行應(yīng)該是負(fù)向影響，本文回歸結(jié)果為不顯著可能是中小型商業(yè)銀行太多，五家不具有代表性所導(dǎo)致。對(duì)于不同類型商業(yè)銀行的盈利結(jié)構(gòu)而言，第三方支付規(guī)模對(duì)大型商業(yè)銀行盈利結(jié)構(gòu)影響不顯著，對(duì)中型及小型銀行都是正向影響。PNIIPNII對(duì)于中型商業(yè)銀行而言，第三方移動(dòng)支付每擴(kuò)大1%的規(guī)模，非利息收入就會(huì)上升2.03個(gè)單位（即2.03%）；對(duì)于小型商業(yè)銀行而言，第三方移動(dòng)支付每擴(kuò)大1%的規(guī)模，非利息收入就會(huì)上升2.024個(gè)單位（即2.024%）。大型商業(yè)銀行在全國(guó)各地都有網(wǎng)點(diǎn)，用戶更多，常需要進(jìn)行大額交易的用戶一也會(huì)因此成為大型商業(yè)銀行的忠實(shí)顧客。此外，大型銀行資金雄厚，有很高的信譽(yù)，成為銀行用戶的首選，故受影響不大。中小型銀行因網(wǎng)點(diǎn)不廣泛，故存貸業(yè)務(wù)也因第三方支付的廣泛使用而受到很大的影響。5.相關(guān)政策建議5.1研究結(jié)論從結(jié)果可以看出商業(yè)銀行總體回歸結(jié)果和分類回歸結(jié)果有所不同，證明單獨(dú)對(duì)商業(yè)銀行總體或是不同類型的商業(yè)銀行進(jìn)行分析都是比較片面的。第三方支付規(guī)模會(huì)對(duì)商業(yè)銀行的盈利能力造成負(fù)向影響，再將商業(yè)銀行進(jìn)行大中小分類后，得出第三方支付對(duì)中型和小型商業(yè)銀行無顯著影響，對(duì)大型銀行是正向影響。以商業(yè)銀行作為一個(gè)整體來說，第三方支付在不停的擠壓商業(yè)銀行的發(fā)展空間，商業(yè)銀行吸納存款和發(fā)放貸款所占市場(chǎng)份額不及2013年以前。在總體上，第三方支付雖對(duì)商業(yè)銀行盈利能力是負(fù)向影響，但其對(duì)大型銀行是正向影響。鑒于大型銀行的廣泛性，多數(shù)公司及個(gè)人在存貸款時(shí)都會(huì)首選大型