影子银行业务规模是否会增加银行系统性风险？——基于14家上市银行的实证分析

■郑淑霞

影子银行业务规模是否会增加银行系统性风险？
——基于14家上市银行的实证分析

■郑淑霞

影子银行；系统性风险；非线性模型；金融监管

一、引言

2008年由美国次贷危机引发的金融危机后，许多学者认为在这次危机中，银行系统中的影子银行（Shadow Banking）业务的不稳定传递是造成金融动荡的主要因素。包括国际货币基金组织（IMF）、欧洲央行（ECB）在内的众多金融机构对银行系统性风险展开研究，同时也开始关注影子银行业务以及影子银行业务与系统性风险的关系。不可否认，包括影子银行在内的金融产品在较大程度上对经济社会发展带来贡献，但是如果盲目扩张、不受合理监控，则会使部分影子银行业务为更高利益而不断扩大规模，影响金融稳定性，增加银行业的系统性风险。

与西方国家相比，中国商业银行的影子银行业务规模处于较低水平，但随着我国金融市场、金融规模的发展，影子银行业务规模快速增长。影子银行业务在发展初期，为融资困难、投资渠道有限的中小企业、投资机构以及其他经济体带来了便捷性，促进了金融机构多元化发展、金融创新，也完善了资本市场，加快金融改革。但是，由于目前我国对影子银行业务的监管比较薄弱，近几年发生的“钱荒”、卷款跑路、股市巨震等事件，既反映出我国金融市场存在一定的系统性风险，也说明我国有关监管部门对影子银行业务的监管力度和范围还远远不够。在全国金融工作会议中，习近平总书记指出，防止发生系统性金融风险是金融工作的永恒主题。要把主动防范化解系统性金融风险放在更加重要的位置，科学防范，早识别、早预警、早发现、早处置，着力防范化解重点领域风险，着力完善金融安全防线和风险应急处置机制。由此可见，商业银行作为整个金融体系的核心，其影子银行业务所积累的风险必然会传导到银行本身，影响整个金融市场的稳定性，甚至引发系统性金融风险。这是中央不能容忍的。为此，本文将基于我国商业银行的数据，探讨银行业的影子银行业务规模对商业银行系统性风险的影响，并测算影子银行业务的最佳规模，从而为金融监管部门进行有效监管、合理控制提供依据，也为政策设计者提供思路。

二、理论分析和文献回顾

影子银行最早由美国太平洋投资管理公司执行董事McCulley在2007年的美联储年度会议上提出，此后不同国家主要金融机构和金融学者对影子银行进行了界定。金融稳定理事会（2011）认为，影子银行是指游离于银行监管体系之外、可能引发系统性风险和监管套利等问题的信用中介体系。Gorton&Metrick（2010）认为影子银行有着和传统商业银行同样的功能，但是参与者却与商业银行不同，监管非常少，或者根本没有监管，从广义来看，影子银行包括共同基金、债券回购协议、资产支持证券、债务抵押债券、资产支持商业票据等。在金融危机后期，我国政府对影子银行的关注度也越来越强，如国务院在2013年12月发布了《关于加强影子银行监管有关问题的通知》，将我国影子银行分为不持有金融牌照、完全无监督的信用中介机构，不持有金融牌照、存在监管不足的信用中介机构，持有金融牌照、但存在监管不足的金融机构。但中国商业银行主动将资产和负债从表内转移到表外以规避监管约束，实际上是构成中国影子银行的主体，因此本文的影子银行主要是指商业银行中的影子银行业务。涂晓枫等（2016）也指出我国影子银行是以传统银行为主导的，影子银行资金的最终提供方是商业银行。从国外和国内关于影子银行的定义概括来看，影子银行业务具有创新性、复杂性、隐蔽性、突发性等特点，而这些特点会诱发银行业的系统性风险。

首先，银行的影子业务作为金融合规业务范围外的一种补充，能提升金融效率，降低银行业系统性风险。商业银行的影子银行业务作为主导性金融资源的一种补充，能优化金融资源的配置，提高社会资金的使用效率，为一些融资困难、投资渠道有限的中小企业、投资机构以及其他经济体带来便捷性融资，促进商业银行业务的多元化发展，提升金融创新，从这个角度看，影子银行业务的发展能在一定程度上分散商业银行金融资源投放过于集中的风险，降低系统性风险发生概率。

其次，影子银行业务也成为商业银行规避管制的重要工具，由于监管制度缺失会加速金融系统性风险的积累和爆发。一方面，影子银行业务能为商业银行带来高收益，使得影子银行业务规模不断膨胀，资金杠杆风险不断加强。银行表内业务的严监管特征使影子银行业务范畴与监管薄弱的高杠杆金融工具相挂钩，造成信用扩张，风险积累。影子银行业务资金往往流向高收益的资本市场、房地产市场，这导致一些企业不再将银行贷款、民间借贷资金流向实业，相反流向风险更高的股票市场、房地产市场等。这会导致虚拟资产价格与实体经济发展之间的失衡，也会引致资产价格波动更大、更加频繁，一旦股票市场、房地产受到较大的负面冲击，就会造成短期内资产价格的暴跌，连锁反应到商业银行，增加银行系统风险。2015年的股市危机深刻表明了利用配资高杠杆行为严重提高了金融系统性危机概率。另一方面，目前我国监管部门对影子银行业务的监管不足。目前影子银行还没有受到正规金融监管，透明度低、隐蔽性强、复杂性高，使得法律体系和监控手段很难准确展开。这使得影子银行业务实施主体为了利益肆意扩大影子银行业务规模。当流动性充裕、资金流有序运行时，可能影子银行能平稳可控，但当市场流动性趋紧、某条资金链断裂后，影子银行系统性风险就会急剧上升，通过表外业务、债务关系等传导到商业银行。2013年几次钱荒以及近两年不断出现的卷款跑路事件充分说明了监管部门对影子银行的监管、控制力度不够。

由此说明，商业银行的影子业务规模的扩大能在一定程度上给银行带来业绩补充，同时也会由于其规模变化影响银行业的系统性风险，并且由于影子银行业务范围、监管的复杂性，其业务规模与银行系统性风险的关系仍然难以确定。

目前从实证上分析较多的是对影子银行业务规模和系统性风险的测算上，如李若愚（2013）、裴平和印文（2014）、孙国峰（2015）对中国的影子银行业务规模进行了测算，方意等（2011）、高国华（2011）、宋清华（2014）对银行系统性风险进行了测算。本文在此对两个变量的测算方法不进行过多关注，本文重点是讨论影子银行业务规模变化是否会加剧银行系统性风险。然而，国内外学者对影子银行业务规模与银行系统性风险关系的研究较少。部分学者进行了初步分析，大致得到了两类结论：一是线性关系，陈晓静等（2016）分析结果显示银行整体影子业务对商业银行稳定性存在负面影响，张宝林和潘焕学（2013）实证分析发现银行影子业务在长期内会引起房价上涨，而房地产泡沫的扩大会导致银行系统性风险增加；二是非线性关系，毛泽盛和万亚兰（2012）分析发现银行影子业务规模与银行体系稳定性之间存在阈值效应。涂晓枫和李政（2016）通过16家商业银行数据分析发现银行的影子业务与银行系统性风险之间呈U型关系。王擎和白雪（2016）研究表明我国地区间影子银行业务规模差异较明显，影子银行业务规模与银行体系稳定性呈现倒“U”型关系，存在显著的阈值效应。王家华和王瑞（2016）同样实证得出二者之间存在阈值效应。

从上面来看，影子银行业务规模和银行系统性风险是当前金融学的研究热点，对此的研究既能增加其机理和相关理论，同时也能为防范系统性风险、增强银行业影子业务有效监管提供实践操作根据。本文将利用我国A股上市商业银行作为对象，在测算银行系统性风险基础上，分析影子银行业务规模对银行系统性风险的影响关系，并计算出最佳的影子银行业务规模。

三、研究设计

（一）模型的建立

前面指出商业银行中影子银行业务的发展对于一些金融发展尚不成熟、金融多元化业务程度低的国家和地区，能提高银行资产的多元化，从而能分散业务风险，降低单个银行的系统性风险。但是，随着影子银行业务规模增加，金融系统的关联水平提高，可能会通过金融加速作用放大影子银行业务对金融主体的负向冲击，造成系统性风险上升。因此，银行的影子业务对银行系统性风险的关系既可能是线性关系，也更可能是非线性关系。基于此，本文建立一个基于多家商业银行作为样本的面板数据模型进行分析，具体的模型方程如下：

模型（1）用于判断影子银行业务规模对银行系统性风险的线性影响，在模型中SRit表示i银行在t时期的系统性风险水平，BSit表示i银行在t时期的影子银行业务规模，Xj表示第j个控制变量。为判断影子银行业务规模与银行系统性风险是否为非线性关系，在模型（1）基础上引入影子银行业务规模的平方项。模型（2）可判断两者间是否为非线性关系，又可以估算出影子银行业务规模的拐点。

对于上面两个方程，本文用面板数据模型进行分析。考虑到因变量银行系统性风险可能反过来会影响影子银行业务规模，模型可能存在内生性问题，为此，本文在静态面板模型估计的同时，采用面板数据系统广义矩估计（System GMM）法进行估计。系统GMM法的优点是不但克服了个体异质性和内生性问题，并且更加充分地利用了样本信息，提高了估计效率。

（二）样本和变量数据

本文选取我国商业银行作为研究影子银行业务规模与银行系统性风险关系的对象，根据数据的完整性和准确性原则，本文选择在A股上市的银行样本，由于光大银行和农业银行上市时间较晚，因此将这两家银行剔除，共包括工商银行等14家上市银行样本。严格来讲，商业银行影子业务在2009年才开始快速发展，因此本文的时期区间为2007年7月到2017年3月。考虑到银行业财务数据的披露周期，影子银行业务规模等变量都采用季度指标，全部变量原始数据来源于国泰安（CSMAR）金融数据库。

各个变量的选取和说明介绍如下。

1.因变量：系统性风险

目前对于商业银行系统性风险主要包括两种测算方法：一是采用由Adrian&Brunnermeier（2011）提出的动态CoVaR方法，高国华和潘英丽（2011）、杨有振（2013）采用该方法对我国商业银行系统性风险进行了测算，CoVar方法在度量金融机构的系统性风险时采用的是一种“自下而上”的分析方法，即以单个金融机构的破产倒闭为条件来估计整个金融体系的系统性风险；二是采用Brownlees&Engle（2012）提出的动态MES来度量单个银行的系统性风险，宋清华和姜玉东（2014）、郭卫东（2013）采用该方法对我国商业银行系统性风险进行了估计，Brownlees&Engle（2012）进一步发展了MES的计算方法，通过双变量DCC-GARCH模型和非参数估计计算MES，这样计算出的MES具有频度高、灵活性强等优点。

考虑到CoVaR方法复杂度更高，本文选用MES法来衡量银行系统性风险。MES方法在度量金融机构系统性风险时采用一种“自上而下”的分析方法。根据对金融结构系统性风险的定义，可将金融体系处于危机状态看作一个系统性事件，记为{Rmt∶t+h＜C}，其中Rmt：t+h表示t～t+h时期的市场收益率，C表示市场收益率的门槛值。则单个银行的资本短缺可表示为：

进一步假定当经济处于危机状态时，银行破产倒闭的兼并重组机制将会失效，此时银行债务不能被回购，意味着Et（Dit+h│Rmt+h∶t＜C）=Dit，代入式（3）可得：

式（4）中，MESi，t+h（C）=Et（Ri，t+h│Rm，t+h＜C）表示系统性事件下银行股权回报率的尾部期望。则银行的系统性风险指数可定义为：SRISKit=max（0，CSit）。

由（4）式可知，计算单个银行的系统性风险指数需要每家银行负债的账面价值、股权的市场价值和编辑预期损失（MES），前两个可通过银行的财务报表简单计算得到，而MES的计算亦有两种方法，本文通过DCC-GARCH模型计算各银行的MES。根据Brownlees&Engle（2012）的市场波动模型，将市场指数收益率与单个金融机构收益率定义如下：

其中，rmt表示市场指数收益率，rit表示第i个银行的股票收益率，σmt表示市场指数收益率的条件标准差，σit表示银行股票收益率的条件标准差，ρit表示市场和银行之间的动态条件相关系数，（εmt，ξit）表示均值为0、方差为1、协方差为0的扰动项。F为一个未指定具体分布的二变量分布过程。则单个银行一步向前的MES可表示为：MESi，t-1（C）=Et-1（rit│rmt＜C），利用上面市场指数收益率与单个金融机构收益率的定义，通过简单的推导可得：

式（6）中，波动率σit、σmt和动态条件相关系数ρit可通过DCC-GARCH模型运用准极大似然估计法估计得到，两个尾部条件期望Et-1（εmt│εmt＜C/σmt）和Et-1（ξit│εmt＜C/σmt）可以简单地通过满足εmt＜C/σmt条件下，残差序列（εmt，ξit）的均值计算得出。本文主要通过DCC-GARCH模型估计得到σit、σmt和ρit，然后通过公式（6）计算MES。

在测度银行系统性风险具体计算过程中，需要利用到各银行时期股价收益率数据以及对应的股票综合指数（本文选取上证综合指数）收盘价收益率数据，收益率采用本期期末对数收盘价与上一期期末对数收盘价之差表示。

2.自变量：影子银行业务规模

表1 控制变量说明

目前大多数学者基于影子银行规模的业务种类出发来衡量影子银行规模，但各学者的影子银行业务种类并不完全相同，如涂晓枫（2016）将商业银行资产负债表内涉及的存放同业、拆出资金、买入返售金融资产、应收款项类投资、可供出售金融资产、交易性金融资产等归为银行影子业务。赫国胜（2015）则认为影子银行业务主要包括资产负债率外的非保本银信理财产品、未贴现承兑汇票、委托贷款。陈子元（2015）指出中国商业银行影子银行业务主要包括理财类（理财产品）、委托承诺类（委托贷款、信托贷款）、代理类（同业代收代付业务）和票据类（未贴现银行票据）。本文借鉴涂晓枫（2016）的影子银行衡量方法，将商业银行资产负债表内涉及的存放同业、拆出资金、买入返售金融资产、应收款项类投资、可供出售金融资产、交易性金融资产等归为银行影子业务。考虑到这几个科目并非全部为影子银行业务部分，因此本文按这几个科目金额的50%计提为影子银行业务规模。考虑到数量级差异，本文用相对数即影子银行业务规模与银行总资产的比率作为影子银行业务规模的最终衡量变量。

3.控制变量

对于控制变量，本文参考郭卫东（2013）、涂晓枫（2016）等，共选取了总资产增长率、银行规模、不良贷款率、权益比率、净资产收益率、银行贷款比重和衍生金融资产比重七个变量。各个变量的具体定义见表1。

四、实证分析结果

（一）描述性统计

表2 变量的描述性统计

表2显示了各个变量的描述性统计结果，可以看到14家商业银行系统性风险的平均水平为0.445，其中最小的银行为0.028，最大的银行达到1.110；影子银行业务规模占银行总资产的比重为13.7%，可见影子银行业务已成为商业银行资产的重要组成部分，其中最小的银行为4.2%，最大的银行则为26.2%。对于控制变量，14家商业银行在样本期间的季度总资产增长率均值为4.7%，最小值为-11.8%，最大值为34.8%；总资产规模均值水平为2.5万亿元，不良贷款率均值水平为1.167%，权益比率均值水平为0.062，净资产收益率均值为12.5%，最小值只有2.9%，最大值为35.8%；银行贷款比重均值为1.8%，衍生金融资产比例均值为0.2%。

（二）模型估计结果

表3显示了影子银行业务规模对银行系统性风险的线性和非线性影响估计结果，其中列（1）和列（2）是静态面板数据模型的估计结果，列（3）和列（4）是面板数据系统广义矩估计结果。首先，从列（1）和列（2）看，F test和Hausman test下模型最终选择了面板数据随机效应。具体从系数看，列（1）下，影子银行业务规模变量系数为0.328，但统计不显著。七个控制变量中，在10%概率下统计显著的有银行规模、不良贷款率、贷款规模和衍生金融资产比例，其中银行规模和衍生金融资产比例系数为负，说明规模越大、衍生金融资产比例增加能降低银行的系统性风险，不良贷款率和贷款规模系数为正，说明不良贷款率越高、贷款规模越大会导致银行的系统性风险上升。列（2）下，影子银行业务规模一次变量系数为-1.258，在10%概率水平下统计不显著，而其平方项bs12变量系数为4.982，统计显著，因此影子银行业务规模与银行系统性风险不是一次线性关系，而是二次函数的U型关系。计算影子银行业务规模的拐点系数，得到拐点值为0.126。说明在影子银行业务相对规模低于0.126时，影子银行业务规模增加会降低银行的系统性风险，而当影子银行业务相对规模超过0.126后，影子银行业务规模增加会提高银行的系统性风险。七个控制变量中，变量显著性和符号与列（1）一致。

列（3）和列（4）是面板数据系统广义矩估计的结果，两个方程结果中，AR(1)、AR(2)检验的概率系数显示一阶差分方程随机误差项中，存在一阶自相关但不存在二阶自相关，此外，Sargan检验结果也说明了模型设定的工具变量有效，因此估计结果是可信的。具体观察变量系数，线性模型下，bs1变量系数为1.942，统计不显著，在非线性模型下，bs1变量系数为-15.912，bs12变量系数为54.301，后者在5%概率水平下统计显著，再次说明影子银行业务规模与银行系统性风险存在二次函数的非线性U型关系。计算得到影子银行业务规模拐点值为0.146，与列（2）的拐点非常接近。控制变量中，统计显著的有银行资产增长率、银行规模、不良贷款率、权益比率、贷款规模和和衍生金融资产比重，其中银行资产增长率在两列下一正一负，因此其与银行系统性风险的关系并不确定，其余变量与列（1）、（2）相同，也与前面的理论预期一致。

由表3的结果可以看出，我国商业银行的影子银行业务规模与银行系统性风险存在U型关系，在开始影子银行业务规模增大时，能降低银行系统性风险，但是随着影子银行业务规模增加到一定水平后，会提高银行系统性风险。并且可以计算得到最佳的影子银行业务规模为[0.126*2.5万亿，0.146*2.5万亿]区间。

表3 影子银行对银行系统性风险的影响

考虑到上述变量部分指标为时点变量，时点变量可能会忽略变化机制，为此本文用两个时点的均值水平表示时期变量，进一步稳健性检验，结果见表4。从列（1）和列（2）看出，单独变量bs1系数为0.211，统计不显著，而在二次函数下，bs1变量为-0.972，同样不显著，但bs12变量系数显著为正，说明影子银行业务规模与系统性风险之间仍然是U型函数关系，计算影子银行业务规模拐点值为0.128。控制变量中，共有 lnasset、npl、equityratio、loan和derivatives五个变量统计显著，其中除equityratio外其余四个变量符号与表3相同，equityratio系数显著为负，说明权益比例增加会导致银行系统性风险上升。列（3）和列（4）下，同样在一次函数时，bs1不显著，二次函数时，bs1一次项系数不显著，二次项bs12系数显著为正，计算拐点系数为0.160。列（2）与列（4）的拐点值与表3也较为接近。控制变量中，五个显著性变量在符号上与列（1）、（2）完全相同。因此，表4的结论与表3相同，说明表3关于影子银行业务规模对银行系统性风险存在U型影响关系的结论是稳健的。

表4 稳健性检验

五、结论与政策建议

本文选取2007年3季度到2017年1季度数据，在测算影子银行业务规模和商业银行系统性风险基础上，采用面板数据模型分析了影子银行业务规模对银行系统性风险的影响。实证得到，我国影子银行业务规模与银行系统性风险之间为非线性的U型关系，在影子银行业务发展初期，能降低银行的系统性风险，但是随着影子银行业务规模增加到一定水平后，会提高银行系统性风险。最佳的影子银行业务规模为[0.126*2.5万亿，0.160*2.5万亿]=[0.315万亿，0.4万亿]区间，由此比例可计算出每家商业银行的最佳影子银行业务规模。

根据研究结论，本文提出两点政策建议：

（一）合理准确引导影子银行业务方向。目前我国影子银行业务发展还不到十年，但其业务规模、产品多元化程度已可与发达国家相比，加上影子银行带有明显的逐利、高收益等特性，使得每年影子银行的创新金融产品应接不暇、参差不齐，在激活金融市场活力的同时，也使得部分风险性高、漏洞多的影子银行业务以不同的形式和品种呈现，这不仅扰乱了金融市场的秩序和稳定性，同时也给监管带来了难度，增加了系统性风险发生的概率。为此，相关部门要合理引导商业银行以及非银行金融机构的影子银行发展方向和业务类型，防范高杠杆的银行影子业务，将影子银行限定在可测可控范围内。

（二）加强对影子银行业务的监管，完善监管体系和法律法规建设。影子银行范畴的争议性和业务的模糊性质，以及影子银行隐蔽性、复杂性的特点，历来对影子银行的监管强度低于影子银行的发展速度，使得许多投机机构为追逐高收益而不顾风险。此外，目前就我国而言，政府官员、学术界和银行等金融机构对当前影子银行的态度并不统一，部分持乐观观点。针对这些，本文认为有关金融监管部门应该重新测算影子银行规模，在此基础上，对不合理、风险高的影子银行业务加强监管级别，同时加快相关法律法规建设，完善金融机构法人治理结构，加强宏观审慎管理制度建设，更加重视行为监管，将不合法的业务采用较为严格的监控体系。

[1]陈晓静,董慧,吴比,林思闪.影子银行对中国商业银行体系稳定性影响的实证研究[J].国际商务研究,2016,37(03):77～86.

[2]陈子元.影子银行业务对上市银行经营风险和价值的影响[D].浙江大学,2015.

[3]方意,赵胜民,王道平.我国金融机构系统性风险测度——基于DCC-GARCH模型的研究[J].金融监管研究，2012，(11).

[4]高国华,潘英丽.银行系统性风险度量——基于动态CoVaR方法的分析[J].上海交通大学学报,2011,45(12).

[5]郭卫东.中国上市银行的系统性风险贡献测度及其影响因素——基于MES方法的实证分析[J].金融论坛,2013,18(02):16～21+79.

[6]赫国胜，陈芙.中国商业银行影子银行业务发展及其对银行盈利能力影响分析[J].辽宁大学学报,2015,43(2).

[7]李若愚.中国式影子银行规模测算与风险评估[J].金融与经济,2013,(09):32～36+45.

[8]毛泽盛,万亚兰.中国影子银行与银行体系稳定性阈值效应研究[J].国际金融研究,2012,(11):65～73.

[9]裴平，印文.中国影子银行的信用创造及其规模测算[J].经济管理，2014，36(03):98～107.

[10]宋清华，姜玉东.中国上市银行系统性风险度量——基于MES方法的分析[J].财经理论与实践,2014,35(192).

[11]孙国峰,贾君怡.中国影子银行界定及其规模测算——基于信用货币创造的视角[J].中国社会科学,2015,(11):92～110+207.

[12]涂晓枫，李政.银行的影子:风险分担还是风险传染[J].当代经济科学,2016,38(2).

[13]王家华,王瑞.影子银行会加剧银行破产风险吗?——基于我国上市银行的实证分析[J].金融发展研究,2016,(06):3～10.

[14]王擎,白雪.我国影子银行发展与银行体系稳定——来自省际面板数据的证据[J].财经科学,2016,(04):1～12.

[15]杨有振，王书华.中国上市商业银行系统性风险溢出效应分析——基于CoVaR技术的分位数估计[J].山西财经大学学报,2013,35(07):24～33.

[16]张宝林,潘焕学.影子银行与房地产泡沫:诱发系统性金融风险之源[J].现代财经(天津财经大学学报),2013,33(11):33～44.

[17]Adrian T.,Brunnermeier M K.CoVaR[R].National Bureau of Economic Research,2011.

[18]Brownlees T.C., Engle R. Volatility，Correlation and tails for systemic risk measurement[R].Working Paper,NYU,2011.

[19]Gorton G.,Metrick A.Regulating the Shadow BankingSystem[J].BrookingsPaperson Economic Activity,2010,41(2).

影子银行作为金融市场监管力度相对薄弱的区域，其是否会影响银行系统性风险以及如何影响系统性风险是金融部门监管、政府制定相关政策的主要依据。本文选取2007～2017年的季度数据，利用面板数据模型系统广义矩估计方法分析了影子银行业务规模对银行系统性风险的影响。实证结果显示，我国影子银行业务规模与银行系统性风险之间为非线性的U型关系，当影子银行业务规模较低时，会降低银行系统性风险，而当影子银行业务规模超过一定水平后，将扩大银行系统性风险。最佳的影子银行业务规模为0.315万亿元至0.4万亿元之间。本文的研究结论对于合理引导影子银行业务方向和加强对影子银行的监管，具有重要的政策含义。

F830.4

A

1006-169X（2017）11-0020-07

10.19622/j.cnki.cn36-1005/f.2017.11.003

郑淑霞（1983-），福建莆田人，讲师，硕士研究生，福建江夏学院数理教研部。（福建福州 350108）