绿色信贷对商业银行经营绩效影响的差异性——基于主成分分析方法

杜代地

（贵州大学，贵阳 550025）

引言

近年来，伴随着经济的快速发展，我国面临着日趋严峻的环境问题：煤炭、石油、天然气逐渐枯竭，生态环境恶化等。在新时代背景下，我国要实现经济的高质量且可持续性发展，就必须转变经济发展方式，在发展经济的同时保护好生态环境。党的十九大会议明确提出，要发展绿色金融，引导资金支持绿色经济发展，促进经济发展方式的转变。可见，绿色金融是我国转变经济发展方式，实现经济可持续发展道路上不可或缺的重要角色之一。“绿色信贷”作为绿色金融体系的重要组成部分，其本质上是银行传统信贷业务的一种创新，是商业银行利用信贷手段支持社会企业的绿色环保行为，以增强企业的环保意识、促进企业积极承担相应社会责任的一种金融活动。开展绿色信贷业务已经成为商业银行在支持我国经济可持续发展过程中应积极主动承担的社会责任。在这个背景下进一步研究了解我国商业银行开展绿色金融对其经营绩效的影响，对更好制定绿色金融发展政策具有较好的参考价值。

一、研究现状

目前，国内学者在绿色信贷对我国商业银行经营绩效影响方面的研究，其结论主要可分为以下两个方面。第一，银行增加绿色信贷投放量可以提升其盈利能力。郭文伟、刘英迪（2019），张琳、廉永辉（2020）等学者通过系列实证研究，发现绿色信贷对商业银行盈利能力具有正向影响。一些学者认为，声誉效应的存在会使得绿色信贷对银行经营绩效产生正向激励作用（胡荣才，张文琼，2016）。第二，绿色信贷不利于商业银行经营绩效提高，绿色信贷主要会通过增加商业银行的成本费用等途径对其经营绩效造成不利影响。胡荣才、张文琼（2016），赵娟霞（2019）等通过研究发现，银行开展绿色信贷会增加其单位业务及管理费用，进而降低其营业利润。另外，刘忠璐、王鹏英（2019）和邵传林等学者认为，绿色信贷对银行声誉的隐形收益的提高，需要一段时间才能对财务绩效产生正向促进，故短期内开展绿色信贷增加成本会对银行绩效产生抑制作用。

从上述可知，大部分学者通过研究分析了商业银行开展绿色信贷对银行经营绩效的影响，但由于研究样本的区别以及研究方法存在差异性等原因，尚未形成统一的结论。另外，较少有学者从不同类型的商业银行角度出发，探析各类型银行间存在的差异性。故本文希望通过对三个不同类型的12 家商业银行的面板数据进行实证研究，从差异化的角度分析绿色信贷对不同类型商业银行经营的影响，从而对现有理论基础进行补充。

二、变量说明

（一）被解释变量

在构建评价商业银行经营绩效的体系时，大多数学者强调从银行的安全性、流动性和收益性出发。本文基于“三性”的基础上，再引入商业银行的规模性，最终选取包括了商业银行安全性、流动性，以及规模性在内的10 个指标，共同构建评价指标体系。通过主成分分析法，计算综合得分后作为被解释变量。

（二）核心解释变量

目前，在研究绿色信贷对商业银行经营绩效的影响时，对于衡量绿色信贷指标的选取分为两种：第一种，绿色信贷余额；第二种，绿色信贷占比。本文选取总量指标反映各商业银行在绿色信贷业务方面的投入程度。

（三）控制变量

通过对已有相关文献的梳理得知，除绿色信贷外，影响商业银行经营绩效的指标有很多。本文在考虑到数据的可得性和有效性之后，选取了非利息收入、银行资产规模以及不良贷款率三项指标作为研究中的控制变量。

三、实证分析

（一）主成分分析过程

1.KMO 检验和巴特利球形度检验

利用python 软件，对标准化之后的数据进行KMO检验和巴特利球形度检验。检验结果显示，KMO 统计量为0.72，巴特利特检验的显著性概率为0.000，小于0.01。检验结果均表明可以用主成分分析法分析。

2.主成分分析

利用python 软件对商业银行经营绩效指标体系中10 个指标进行主成分分析。根据分析结果，本文选取了方差贡献率大于80%的前4 个主成分，根据成分得分矩阵计算出4 个主成分得分，然后根据各自的方差占比为权重，最后计算出商业银行经营绩效的综合得分。

综合评价模型如下：

由上式所示，计算得出的综合得分F 将作为衡量商业银行经营绩效的被解释变量。

（二）Hausman 检验

为确定回归模型应该使用固定效应还是随机效应，要先对整体银行业、大型国有银行、股份制商业银行及城市性商业银行这4 个模型进行Hausman 检验。结果显示，4 个模型的检验结果P 值均接近0，表示强烈拒绝原假设，故对4 个模型选择使用固定效应模型。

（三）实证分析

1.模型构建

将主成分分析计算出的综合得分作为被解释变量，绿色信贷（GL）作为核心解释变量，非利息收入（GII）、银行总资产规模（TA）和不良贷款率（NPL）作为控制变量，构建出回归模型如下。

上式中，f 表示商业银行经营绩效指标体系的综合得分，是被解释变量；GL 表示绿色信贷余额，为核心解释变量；NII、TA、NPL 分别表示非利息收入、银行总资产规模及不良贷款率，为控制变量。β为截距项，ε为随机扰动项。i 表示第i 年，t 表示第t 家银行。

2.回归分析

根据前文中Hausanm 检验的结果，4 个模型的回归都使用固定效应模型。基于stata15.1 的回归结果如表1 所示。

表1 绿色信贷与商业银行经营绩效回归结果分析

回归结果显示，4 个模型的R取值在0.8 至0.9 之间，表明模型的拟合程度较高，解释能力较强。从表1的回归结果可知，模型（一）中，绿色信贷对商业银行整体的经营绩效具有显著的正向影响。从模型（二）（三）（四）的回归结果来看，绿色信贷对各类型商业银行经营绩效的影响存在差异性。具体分析如下：从影响的方向来看，绿色信贷对大型国有银行以及股份制商业银行具有显著的正向影响；而对城市性商业银行具有负向的影响，显著性较前两者稍弱些。从影响程度来看，对城市性商业银行的影响程度最大，在绿色信贷变动1%的情况下，城市性商业银行的经营绩效就会反方向变动-0.003%，而大型国有银行只会相同方向变动0.000 123 9%，股份制商业银行受影响程度介于二者之间，绿色信贷变1%的变动会引起股份制商业银行0.000 056 6%的同方向变动。

四、结论及原因分析

通过上述分析可知，对于不同类型的商业银行来说，绿色信贷对经营绩效的影响差异较大。第一，绿色信贷对大型国有银行和股份制商业银行经营绩效均具有正向影响，但是影响程度有所差别。第二，与大型国有银行和股份制商业银行相反，绿色信贷对城市性商业银行经营绩效呈现出的是负向影响。针对以上两个结论，分析原因如下。

本文认为，大型国有银行及股份制商业银行间受影响程度存在差别的原因主要为：第一，相较于股份制商业银行，大型国有银行资产规模较大，资金实力更为雄厚些，其规模效应也相应更大，因此开展绿色信贷业务对其产生的声誉收益性通过规模效应的扩张自然也会更高。第二，开展绿色信贷会增加短期成本，也会因为信贷条件的限制流失掉“两高一剩”行业的大客户。相对于大型国有银行，股份制商业银行的客户目标群体不固定且资金实力也相对较弱，故在增加成本又失去部分客户的情况下，其开展绿色信贷对于经营绩效的提高作用相对较弱些。

针对绿色信贷对商业银行经济绩效产生负向影响，本文分析原因有这几点：第一，城市性商业银行资金规模小，开展绿色信贷带来的前期费用及后期监督成本的增加高于其产生的声誉收益。第二，城市性商业银行的创新性不足，绿色信贷实施过程中事前评估等环节机会成本大，导致实施绿色信贷后对其收益率较高的其他业务造成挤出效应更加明显。