變數之敘述統計

表 4-1 實證模型中變數之敘述統計表

平均值 標準差 最小值 最大值 樣本數 資產報酬率(ROA) 0.0011 0.0078 -0.0299 0.0171 146 股東權益報酬(ROE) -0.0082 0.1555 -0.8016 0.1964 146 風險調整的資產報酬率(RAROA) 2.9996 6.5411 -2.0923 44.1144 146 風險調整的股東權益報酬(RAROE) 3.1949 7.0271 -2.0462 36.7352 146 淨利息邊際(NIM) 0.0207 0.0114 0.0011 0.0698 146 倒閉風險(Z-score) 48.8030 111.6310 0.3862 853.2010 146 逾放比率(NPL) 0.0277 0.0254 0.0050 0.1972 146 備抵呆帳比率(LLP) 0.0122 0.0081 0.0041 0.0609 146 收入來源多角化(RHI) 0.4126 0.0929 0.0713 0.5000 146 放款組合多角化(LHI) 0.6256 0.0386 0.4985 0.6836 146 股東權益比率(E/A)(%) 6.1567 2.1448 2.7049 17.8378 146 銀行規模(SIZE)(百萬) 13.0403 0.9901 10.8648 14.9821 146 銀行規模成長率(SIZEG) 0.0902 0.1397 -0.2307 0.9209 146 實質經濟成長率(GDPG)(%) 5.2396 0.7885 4.1606 6.1532 146

表4-1 可知，本國一般銀行之收入來源多角化的平均值為 0.4126，放款組合多角化

值與完全多角化之數值差距並不大，可見國內銀行業者傳統放款分散程度以及跨足非傳 統業務活動之程度相當高。其次，Z-score 是用以衡量銀行的倒閉風險，值越大，表示 倒閉可能性越低，而其最大值為 853.2010，該樣本為三信銀行，是利用 2005 的資料所 求算出的值，其平均獲利與股東權益比率僅為 0.034%及 6.3%，但其 ROA 標準差為 0.00008，獲利波動相當微小，以致 Z-score 值相當高。而 ROE 最小值為-0.8016，該值 為2005 台東企銀的獲利數據，逾放比率最大值為 0,1972，該值為 2006 聯邦銀行的 NPL。

而銀行資產規模最大值為2004 年的第一銀行，而最小值為 2005 年的新光銀行。

在進行實證分析之前，必須先檢定自變數之間是否存在共線性問題，本文以變異數 膨脹因素(VIF)來檢定，表 4-2 可知，模型一、模型二及模型三之自變數的 VIF 值都小於 10，表示自變數之間的相關程度較低。若實證模式同時考慮收入多角化及放款多角化與 銀行規模及經濟成長的交互項，由表4-3 可知，除控制變數(股東權益比率、銀行規模成 長率)之 VIF 小於 2 之外，其餘自變數的 VIF 值都大於 45 以上，表示自變數之間存在高 度共線性問題。表4-4 可知，變數與變數之交叉項的相關係數值都很大，例如，RHI 與 RHI*SIZE 之相關係數為 0.8832。因此，本文在探討多角化變數與銀行規模及經濟成長 之交互作用時，則是分開探討之。

表 4-2 自變數間共線性檢定（VIF Test）

變數名稱

VIF Tolerance VIF Tolerance VIF Tolerance

EA 1.01 0.993259 1.02 0.977142 1.03 0.972037

SIZEG 1.00 0.997540 1.02 0.983259 1.02 0.984939

RHI 1.00 0.995200 6.09 0.164302 1.02 0.976781

LHI 1.00 0.999204 1.07 0.934827 2.85 0.351066

RHI*SIZE 4.91 0.203531

RHI*GDP 2.03 0.492386

LHI*SIZE 2.34 0.426896

LHI*GDP 1.46 0.684106

表 4-3 自變數間共線性檢定（VIF Test）

變數名稱

VIF Tolerance（1/VIF）

EA 1.04 0.957781

SIZEG 1.03 0.970989

RHI 143.13 0.006987

LHI 65.07 0.015368

RHI*SIZE 110.99 0.009009 RHI*GDP 65.54 0.015258

LHI*SIZE 52.93 0.018895

LHI*GDP 47.17 0.021198

表 4-4 自變數間之相關係數

RHI LHI EA SIZE SIZEG GDP RHI*SIZE RHI*GDP LHI*SIZE LHI*GDP RHI

1

LHI

0.018035 1

EA

-0.067 -0.01245 1

SIZE

-0.11877 -0.25649 -0.09307 1

SIZEG

0.001056 0.018038 0.045822 0.058364 1

GDP

-0.02965 -0.02429 0.103592 -0.06642 -0.09307 1

RHI*SIZE 0.883259 -0.09957

-0.09403 0.352187 0.02823 -0.05655 1

RHI*GDP 0.703769 -0.01343

0.02175 -0.13086 -0.06872 0.681016 0.601319 1

LHI*SIZE -0.06775 0.746186 -0.07481 0.449193 0.062485 -0.06909

0.147296 -0.10501 1

LHI*GDP -0.02194 0.547755

0.07769 -0.20014 -0.05674 0.818474 -0.10999 0.554558 0.365536 1

第二節 實證結果

本節主要是說明多角化經營對銀行利潤及風險影響之實證結果。本節之內容根據應 變數不同分三小節討論，分別說明多角化經營對利潤、風險調整後之利潤及風險之影 響，每一小節在分析實證結果前，會先說明最適模式（普通最小平方法模式、固定效果 模式及隨機效果模式）的選取結果。實證結果的分析包含三個實證模型，模型一主要探 討分散收入來源及放款對應變數的影響，模型二及模型三則是進一步分別探討當銀行規 模與經濟成長變動不同的情況下，分散收入來源及放款對應變項之影響為何，若同時考 慮分散收入來源及放款之交互作用將導致自變數間產生共線性問題。

一、多角化經營對利潤影響之實證結果

表 4-5 說明多角化經營對利潤影響之實證結果。模型一的結果顯示，在 1%的顯著 水準下，ROA、ROE 及 NIM 之 F-test 及 LM test 都顯示追蹤資料模型較為適當，而在 10%的顯著水準下，ROA 之 Hausman test 檢定結果顯示固定效果模型為最適模式，而 ROE 及 NIM 之最適模式為隨機效果模型。由模型一之結果可知，分散放款對 ROE 及 NIM 之影響分別為正向及負向顯著。

模型二及模型三的結果顯示，在 1%的顯著水準下，ROA、ROE 及 NIM 之 F-test 及LM test 也都顯示追蹤資料模型較為適當，而在 5%的顯著水準下，ROA 之 Hausman test 檢定結果顯示固定效果模型為最適模式，而ROE 及 NIM 之最適模式為隨機效果模型。

模型二的結果可知，分散收入來源對 NIM 之影響為正向顯著，表示收入多角化可 提高NIM，推測原因可能是研究期間內，銀行追求放款業務成長，為避免殺價競爭之方 式，可能開始著重在非價格的競爭，例如、提高服務品質，降低各種手續費、匯費及保 證費，贈送小禮品等以爭取客戶，並透過交叉銷售方式提供非利息收入的產品及服務，

因此，收入多角化未必造成 NIM 降低。其次，交叉項之結果顯示，第一、收入多角化

與銀行規模之交叉項對 ROE 之影響為正向顯著，表示銀行規模越大，收入多角化可增 加股東權益報酬率，這結果與預期一致。第二、收入多角化與銀行規模之交叉項對NIM 之影響為負向顯著，表示銀行規模越大，收入多角化會降低NIM，推測原因可能是大銀 行在放款業務上以價格競爭方式來吸引客戶，並透過交叉銷售方式提供非利息收入產品 及服務，McAllister and McManus (1993)指出大銀行可經由多角化經營來分散風險，以致 規模較大的銀行可取得成本較低的資金，因此大銀行有能力採取較低的放款利率來吸引 客戶。而小銀行規模小，資金取得成本相對較高，因此小銀行可能是以非價格競爭方式 來吸引放款客戶，並以交叉銷售方式提供其他金融商品。第三、收入多角化與經濟成長 之交叉項對 ROE、ROA 之影響都為負向顯著，表示當經濟成長幅度衰退，銀行分散收 入來源可減少經濟成長下滑所造成的傷害，以致收入多角化之銀行的資產報酬率及股東 權益報酬率相對較好。

模型三的結果可知，分散放款對ROA、ROE 及 NIM 之影響不顯著。其次，交叉項 之結果顯示，第一、放款多角化與銀行規模之交叉項對 NIM 之影響為負向顯著，表示 銀行規模越大，放款多角化會降低NIM。第二、放款多角化與經濟成長之交叉項對 ROE、

ROA 之影響都為負向顯著，表示當經濟成長幅度減緩，分散放款可減少經濟成長衰退 所造成的衝擊，以致分散放款之銀行的資產報酬率及股東權益報酬率相對較好。

控制變數方面，表4-5 結果顯示銀行規模成長對 ROA、ROE 及 NIM 之影響為正向 顯著，這結果與預期相符。而股東權益比率對 ROE 之影響為正向顯著，這結果與預期 一致。

二、多角化經營對風險調整後利潤影響之實證結果

表4-6 說明多角化經營對風險調整後利潤影響之實證結果。模型一的結果顯示，在 5%的顯著水準下，RAROA、RAROE 之 F-test 及 LM test 都顯示追蹤資料模型較為適當，

型為最適模式。由模型一之結果可知，分散收入來源及放款都對 RAROA、RAROE 之 影響都不顯著。

模型二及模型三的結果顯示，在 5%的顯著水準下，RAROA、RAROE 之 F-test 及 LM test 都顯示追蹤資料模型較為適當，而在 10%的顯著水準下，RAROA、RAROE 之 Hausman test 檢定結果都顯示隨機效果模型為最適模式。

模型二的結果可知，分散收入來源對 RAROA、RAROE 之影響都不顯著。其次，

交叉項之結果顯示，第一、收入多角化與銀行規模之交叉項對 RAROA、RAROE 之影 響都不顯著，然而表4-5 之模型二的結果可知，收入多角化與銀行規模之交叉項對 ROE 之影響為正向顯著，表示銀行規模越大，收入多角化可增加股東權益報酬率，DeYoung and Roland (2001)指出非利息收入比淨利息收入更容易造成盈餘的波動，因此，涉足非 利息收入活動會使銀行利潤波動增大，以致收入多角化與銀行規模之交叉項對 RAROE 之影響變為不顯著。第二、收入多角化與經濟成長之交叉項對 RAROA、RAROE 之影 響為負向顯著，表示當經濟成長幅度減少，銀行分散收入來源可減少經濟成長降低所造 成的衝擊，以致股東權益報酬率及資產報酬率相對較佳，而且報酬波動幅度較小，因此，

銀行分散收入來源在經濟成長幅度下降時有助於增加風險調整後之股東權益報酬率及 資產報酬率。

同樣地，模型三之交叉項的結果可知，放款多角化與經濟成長之交叉項對RAROA、

RAROE 之影響為負向顯著，表示銀行分散放款在經濟成長衰退時之風險調整後的股東 權益報酬率及資產報酬率相對較好。而放款多角化與銀行規模之交叉項對 RAROA、

RAROE 之影響都不顯著。控制變數方面，表 4-6 結果顯示股東權益比率對 RAROA、

RAROE 之影響為正向顯著。

三、多角化經營對倒閉風險及信用風險影響之實證結果

表 4-7 說明多角化經營對風險影響之實證結果。模型一的結果顯示，在 1%的顯著 水準下，Z-score、NPL 及 LLP 之 F-test 及 LM test 均顯示追蹤資料模型較為適當，而在 10%的顯著水準下，Z-score 之 Hausman test 檢定結果顯示隨機效果模型為最適模式，而 NPL 及 LLP 之最適模式為固定效果模型。由模型一之結果可知，分散放款對 LLP 之影 響為正向顯著。

模型二以及模型三的結果顯示，在1%的顯著水準下，Z-score、NPL 及 LLP 之 F-test 及 LM test 均顯示追蹤資料模型較為適當。在 10%的顯著水準下，Z-score 及 LLP 之 Hausman test 檢定結果分別顯示隨機效果模型及固定效果模型為最適模式，模型二之 NPL 的最適模式為固定效果模型，模型三之 NPL 的最適模式為隨機效果模型。

模型二與模型三的結果可知，所有自變數對 Z-score 之影響大部分都不顯著。其原 因可能有兩種情況，第一、根據Shen and Chang (2002)指出以 Z-score 來衡量銀行之安全 性並非十分完美，因為當某家銀行在樣本期間的獲利小於0，但加上 E/A 後，其倒閉風 險指標的分子幾乎都大於 0，而且利潤的變動又很小時(分母非常小)，以致倒閉風險指 標仍會相當的高(亦即銀行倒閉風險很低)，例如：三信銀行之 ROA 為 0.34%小於同年華 南銀行之ROA 為 0.77%，且 E/A 比率差異不大下，其 Z-score 值卻高達 853 遠大於華南 銀行之Z-score 為 79，以致結果出現不顯著的情況。另一種原因可能是樣本數不足或者 研究期間過短。其次，模型二之交叉項的結果顯示，收入多角化與經濟成長之交叉項對

模型二與模型三的結果可知，所有自變數對 Z-score 之影響大部分都不顯著。其原 因可能有兩種情況，第一、根據Shen and Chang (2002)指出以 Z-score 來衡量銀行之安全 性並非十分完美，因為當某家銀行在樣本期間的獲利小於0，但加上 E/A 後，其倒閉風 險指標的分子幾乎都大於 0，而且利潤的變動又很小時(分母非常小)，以致倒閉風險指 標仍會相當的高(亦即銀行倒閉風險很低)，例如：三信銀行之 ROA 為 0.34%小於同年華 南銀行之ROA 為 0.77%，且 E/A 比率差異不大下，其 Z-score 值卻高達 853 遠大於華南 銀行之Z-score 為 79，以致結果出現不顯著的情況。另一種原因可能是樣本數不足或者 研究期間過短。其次，模型二之交叉項的結果顯示，收入多角化與經濟成長之交叉項對

在文檔中 多角化經營是否對台灣銀行業有所助益?以收入與放款為例 (頁 38-0)