實證結果

國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

37

第四節 實證結果

本文採用三種模式進行實證分析，模式一不考慮落後期拆款利率與虛擬變數，

模式二不考慮虛擬變數，模式三則加入所有解釋變數於模型中。因考量銀行準備 金比率的自我相關性因此亦加入一階自我相關模型 (AR(1)) 進行修正，三種模 式的實證結果列於表 6。

觀察實證結果可發現，顯著的變數有製造業工業生產指數、落後一期拆款利 率及 1995 年 8 月代表之虛擬變數。另外，我們可以進一步比較不同模式之間的 差別。首先，比較模式一與模式二可發現，落後一期拆款利率的加入，不但提升 了整體的解釋能力，並且落後一期拆款利率也呈現負向的顯著結果。其次，比較 模式二與模式三，加入了虛擬變數後，整體的解釋能力有小幅度的提升，另外 1995 年 8 月代表之虛擬變數為顯著的正向結果。最後，比較模式一與模式三，

發現整體解釋能力增加幅度最大。整體而言，加入落後一期拆款利率與虛擬變數 後，模式一所採用的解釋變數顯著向並不受影響，依然只有製造業之工業生產指 數為顯著變數。

模式三是進一步同時將所有解釋變數納入分析的模式，且分析其結果可發現，

其解釋能力是三種模式中最佳，顯著的變數有製造業之工業生產指數、落後一期 拆款利率及 1995 年 8 月代表之虛擬變數。故整體而言，我們可以斷定模式三最 具有對銀行準備金比率的解釋能力。

若觀察本研究整體的解釋能力可發現，三個模式的解釋度分別為 0.0922、

0.1742 及 0.2055，解釋能力解於 0.09 至 0.2 之間。

‧

-4.3500 -4.6400 -4.6500 (-2.0400) ^** (-2.1608) ^** (-2.1868) ^**

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

39

解釋變數 模式一 模式二 模式三

R 2 0.0921 0.1742 0.2055 D-W 1.8914 1.8684 1.9396

資料來源：本研究整理。

註 1：括號內的數值為 t 值。

註 2：* 為達 10% 的顯著水準；**為達 5% 的顯著水準；***為達 1% 的顯著水準。

以下將進一步對模式中個變數產生的影響方向進行分析與比較。

表 7 中分別呈現模式三的實證結果與原先預期方向以及本研究主要參考文 獻 Chang et al. (2014)、Ogawa (2007) 以及 Khasawneh (2013) 之研究成果，藉此 我們可以分析不同研究及預期對銀行準備金比率影響方向異同。

首先，比較原先預期方向與模式三的結果可發現影響方向大致相同，其中因 為壞帳比率的衡量方式為逾期帳款占總應收帳款的比率，與一般的銀行壞帳占總 應收帳款的比率不同，因此可能產生實證上的偏誤。

若比較本研究主要參考文獻與模式三的結果，在選用可衡量整體經濟情況的 變數時本文使用的是 製造業之工業生產指數，其實證結果為負向顯著，而 Khasawneh (2013) 則是使用實質 GDP，實證結果則為正向顯著。另外，由於 Khasawneh (2013) 指出若景氣良好，銀行為避免眾多民眾提領存款造成銀行透支，

因此傾向持有較多準備金，但另一方面也可能因持有現金的機會成本較高而選擇 減少準備金。因此由本文對於製造業之工業生產指數的實證結果可以發現，台灣 的銀行行為不趨向於保守，因此當景氣良好時持有現金的機會成本較高，銀行傾 向於將資金用於投資，因此實際上將傾向持有較少準備金。

Khasawneh (2013) 中在採用拆款利率為解釋變數時，使用的為當期拆款利率，

與本文的落後一期拆款利率並不相同，其實證結果為正向顯著，而本文實證結果 為負向顯著，顯示當上一期拆款利率較高時，銀行傾向於在當期將上一期較高的 準備金比率調降，將資金運用於其他投資中。

‧

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

41