中國(guó)銀行業(yè)存貸款市場(chǎng)競(jìng)爭(zhēng)與穩(wěn)定性關(guān)系研究

1、中國(guó)銀行業(yè)存貸款市場(chǎng)市場(chǎng)力與穩(wěn)定性研究* 中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金（JBK130401）、國(guó)家自然科學(xué)基金面上項(xiàng)目（71473200）的階段性成果。 摘要：對(duì)銀行業(yè)市場(chǎng)力與穩(wěn)定性的關(guān)系研究是學(xué)術(shù)界懸而未決的難題。本文基于“市場(chǎng)力狀態(tài)依存”論的觀點(diǎn)，嘗試分存貸款市場(chǎng)分別考察中國(guó)銀行業(yè)市場(chǎng)力與穩(wěn)定性的關(guān)系。以19952012年在中國(guó)大陸境內(nèi)運(yùn)營(yíng)的141家銀行的非平衡面板數(shù)據(jù)為樣本，使用超越對(duì)數(shù)成本函數(shù)計(jì)算樣本期間中國(guó)銀行業(yè)存貸款市場(chǎng)的Boone指數(shù)，將其作為市場(chǎng)力指標(biāo)；采用隨機(jī)前沿方法計(jì)算了中國(guó)銀行業(yè)的“穩(wěn)定非效率”，將其作為銀行業(yè)穩(wěn)定性的逆向指標(biāo)；最后以差分廣義矩方法(GMM)估計(jì)了中國(guó)銀

2、行業(yè)存貸款市場(chǎng)上的市場(chǎng)力與“穩(wěn)定非效率”間的關(guān)系，研究表明：(1)中國(guó)銀行業(yè)存貸款市場(chǎng)有著不同的市場(chǎng)力，其中貸款市場(chǎng)上的市場(chǎng)力高于存款市場(chǎng)上的市場(chǎng)力。(2)樣本期間中國(guó)銀行業(yè)的市場(chǎng)力呈現(xiàn)不斷上升態(tài)勢(shì)。(3)研究支持“市場(chǎng)力狀態(tài)依存”假說(shuō)，存款市場(chǎng)市場(chǎng)力與穩(wěn)定性負(fù)相關(guān)，而貸款市場(chǎng)市場(chǎng)力與穩(wěn)定性正相關(guān)。(4)現(xiàn)階段資本市場(chǎng)的發(fā)展與銀行穩(wěn)定負(fù)相關(guān)。關(guān)鍵詞：存貸款市場(chǎng)；銀行市場(chǎng)力；銀行穩(wěn)定中圖分類號(hào)：F831.4Research on the Nexus between Banking Market Power and Banking Stability in Chinas Deposit and L

3、oan MarketAbstract: The nexus between the market power and the stability of the banking market is a pending academia problem. Based on the “market power state dependency” hypothesis, this paper attempts to investigate the nexus between the market power and the stability of the Chinese deposit and lo

4、an markets. Using the unbalanced panel data of 141 banks operating in Chinese mainland from 1995 to 2012, this paper calculates the Boone indicator of the Chinese deposit and loan market which is used as indicators of market power during the sample period using translog cost function; then using the

5、 stochastic frontier approach to calculate the Chinese Banking “stability inefficiency” which is used as the reverse indicator of banking stability; finally using difference GMM method to estimate the nexus between market power and stability in Chinese deposit and loan markets. This paper shows that

6、: (1) Chinese deposit and loan markets have different market power, and loan market power is higher than the deposit market power. (2) Chinese banking market shows a rising trend during the sample period. (3)This Research Supports the “market power state dependency” hypothesis, the nexus is negative

7、 in the deposit market, otherwise in the loan market. (4)Nowadays the relationship between the development of the capital market and banking stability is negative.Key Words: deposit and loan markets; banking market power; banking stability一、 引言市場(chǎng)力與穩(wěn)定性的關(guān)系是銀行產(chǎn)業(yè)組織理論研究的經(jīng)典問(wèn)題，但一直未得到明確一致的答案。對(duì)其關(guān)系，有三種假說(shuō)，一是“市

8、場(chǎng)力穩(wěn)定論”(Keeley,1990;Hauswald and Marquez,2006)，二是“市場(chǎng)力脆弱論”(Beck,Demirgüç-Kunt and Levine,2006;Boyd and De Nicoló,2005)，三是“市場(chǎng)力狀態(tài)依存論”(Allen and Gale,2004)。三種解釋均得到了相應(yīng)的實(shí)證支持。中國(guó)銀行業(yè)市場(chǎng)力與穩(wěn)定性的關(guān)系如何？對(duì)這一問(wèn)題的回答，關(guān)系到經(jīng)濟(jì)新常態(tài)下中國(guó)銀行業(yè)競(jìng)爭(zhēng)政策的制訂。一方面，中國(guó)銀行業(yè)不合理收費(fèi)和“暴利”現(xiàn)象引發(fā)人們對(duì)銀行業(yè)市場(chǎng)力的廣泛關(guān)注和爭(zhēng)論（劉先云，2012；周小川，2012）。銀行業(yè)過(guò)高的市場(chǎng)力

9、帶來(lái)銀行借貸腐敗，帶來(lái)中小企業(yè)融資難、融資貴問(wèn)題，危害銀行業(yè)穩(wěn)定；另一方面，經(jīng)濟(jì)新常態(tài)背景下，受經(jīng)濟(jì)增速放緩、去杠桿化和去泡沫化進(jìn)程加快，部分行業(yè)產(chǎn)能過(guò)剩等因素的影響，中國(guó)銀行業(yè)不良貸款率呈回升態(tài)勢(shì)。2013年底中國(guó)銀行業(yè)不良貸款余額5921億元，2014年底則上升至8426億元，上升42.31%；2013年不良貸款率1%，2014年不良貸款率1.25%，上升0.25%。可以預(yù)計(jì)，隨著經(jīng)濟(jì)結(jié)構(gòu)調(diào)整步伐的加快，中國(guó)銀行業(yè)資產(chǎn)質(zhì)量將面臨較大的風(fēng)險(xiǎn)壓力，如何防范由此產(chǎn)生的金融風(fēng)險(xiǎn)，促進(jìn)銀行業(yè)穩(wěn)定成為擺在中國(guó)銀行業(yè)面前的一個(gè)現(xiàn)實(shí)挑戰(zhàn)。世界銀行專家曾在Chinas Road to Greater Fin

10、ancial Stability: Some Policy Perspectives一書中斷言：銀行穩(wěn)定是中國(guó)經(jīng)濟(jì)成功轉(zhuǎn)型的關(guān)鍵(Das, et al.,2013)。因此，研究中國(guó)銀行業(yè)市場(chǎng)力，研究市場(chǎng)力對(duì)穩(wěn)定性的影響，關(guān)系到中國(guó)銀行業(yè)服務(wù)實(shí)體經(jīng)濟(jì)的能力，關(guān)系到中國(guó)銀行業(yè)的調(diào)整升級(jí)和結(jié)構(gòu)轉(zhuǎn)型，意義重大。二、 文獻(xiàn)綜述綜觀國(guó)內(nèi)外學(xué)者的研究，相關(guān)研究主要集中在兩方面，一是對(duì)銀行市場(chǎng)力的測(cè)度工具的研究，另一是關(guān)于市場(chǎng)力與穩(wěn)定關(guān)系的研究。銀行市場(chǎng)力是促進(jìn)穩(wěn)定，還是損害穩(wěn)定，回答這一問(wèn)題的關(guān)鍵是要能找到有效的測(cè)量市場(chǎng)力的指標(biāo)(Bushman et al.,2013;Beck,2008)。這些指標(biāo)通?？煞?/p>

11、為兩類，一是結(jié)構(gòu)性的指標(biāo)，包括行業(yè)集中率指數(shù)(CRn)、赫芬達(dá)爾指數(shù)(HHI)、海納一凱指數(shù)(HKI)、嫡指數(shù)(EI)、基尼系數(shù)、支配力指數(shù)等；另一是基于模型的代理指標(biāo)，這些模型包括Iwata(1974)模型、Lau(1982)和Bresnahan(1982,1989)模型、Panzar和Rosse(1987)模型，以及Boone(2005,2008)模型。結(jié)構(gòu)性指標(biāo)通常存在以下缺陷：第一，市場(chǎng)結(jié)構(gòu)并不是外生的，市場(chǎng)結(jié)構(gòu)與銀行績(jī)效存在相互影響的關(guān)系；第二，需要對(duì)什么是銀行最優(yōu)市場(chǎng)結(jié)構(gòu)做出判斷。因此，目前對(duì)市場(chǎng)力的測(cè)量主要使用非結(jié)構(gòu)化指標(biāo)。雖然非結(jié)構(gòu)化指數(shù)成為測(cè)量銀行業(yè)市場(chǎng)力的主要工具，但孰優(yōu)孰

12、劣并無(wú)定論，特別是用不同的指數(shù)對(duì)某一特定國(guó)家銀行業(yè)市場(chǎng)力進(jìn)行研究時(shí)，有時(shí)會(huì)得到相異的結(jié)論，因此需要找到適合某一特定國(guó)家實(shí)際情況的非結(jié)構(gòu)化指數(shù)。國(guó)內(nèi)對(duì)銀行業(yè)市場(chǎng)力（或競(jìng)爭(zhēng)）的研究，早期研究大多運(yùn)用市場(chǎng)結(jié)構(gòu)指標(biāo)來(lái)研究中國(guó)銀行業(yè)，即將哈佛學(xué)派的SCP范式(Structure-Conduct-Performance)運(yùn)用于中國(guó)，檢驗(yàn)中國(guó)銀行業(yè)的績(jī)效（如，李華民，2005；秦宛順和歐陽(yáng)俊，2001）；此后非結(jié)構(gòu)性指標(biāo)逐漸占據(jù)主流，成為中國(guó)銀行業(yè)市場(chǎng)力測(cè)度的主要工具，特別是勒納指數(shù)（如，趙旭，2011；王相寧、張志洋，2010；李國(guó)棟等，2009）和H統(tǒng)計(jì)值（如，陳曉衛(wèi)，2012；余東華和馬路萌，2012

13、；黃雋和湯珂，2008）的運(yùn)用。相對(duì)而言，Bresnahan模型在中國(guó)的運(yùn)用很少，僅有柯孔林(2010)的研究；對(duì)Boone指數(shù)，國(guó)內(nèi)還沒(méi)有相關(guān)研究。國(guó)內(nèi)學(xué)者的研究豐富了中國(guó)銀行業(yè)市場(chǎng)力的研究成果，但存在樣本量較小，時(shí)間跨度短的不足。樣本通常僅有在A股上市的16家銀行，時(shí)間往往在10年左右。并且，不考慮中國(guó)銀行業(yè)利率管制的現(xiàn)狀，簡(jiǎn)單套用H統(tǒng)計(jì)值和勒納指數(shù)。Xu et al.(2013)證明，在存在利率管制情況下，H統(tǒng)計(jì)值和勒納指數(shù)都不適合作為銀行業(yè)市場(chǎng)力的代理指標(biāo)，只有Boone指數(shù)能不受利率管制情形的影響，它能正確評(píng)估存在利率管制情形下的銀行業(yè)市場(chǎng)力。針對(duì)上述問(wèn)題，本文擬采取如下措施：第一，

14、擴(kuò)大樣本容量和時(shí)間跨度，選擇中國(guó)大陸境內(nèi)運(yùn)營(yíng)的141家銀行，時(shí)間跨度為1995-2012年；第二，采用Boone指數(shù)計(jì)算市場(chǎng)力。銀行業(yè)市場(chǎng)力與穩(wěn)定性關(guān)系的文獻(xiàn)始于Marcus(1984)和Keeley(1990)，此后，涌現(xiàn)了大量相關(guān)文獻(xiàn)，但至今仍沒(méi)得到清晰一致的認(rèn)識(shí)，歸納起來(lái)，有三種假說(shuō)：市場(chǎng)力穩(wěn)定論、市場(chǎng)力脆弱論、狀態(tài)依存論。支持“市場(chǎng)力穩(wěn)定論”假說(shuō)的學(xué)者從“特許權(quán)價(jià)值”(Allen and Gale,2004; Keeley,1990)、信息租金 (Allen and Gale,2000)、央行監(jiān)管(Repullo,2004)、資產(chǎn)分散化(Allen and Gale,2004)的視角論

15、證了市場(chǎng)力與穩(wěn)定性間的正相關(guān)關(guān)系。“市場(chǎng)力脆弱論”認(rèn)為市場(chǎng)力有損穩(wěn)定：有更多市場(chǎng)力的銀行有能力索取高利率，迫使企業(yè)投資于高風(fēng)險(xiǎn)項(xiàng)目，增加了銀行業(yè)的脆弱性(Boyd and De Nicolò,2005)。近些年的一些研究拓展了Boyd和De Nicolò(2005)模型，認(rèn)為市場(chǎng)力與穩(wěn)定的關(guān)系是一個(gè)非線性的U型關(guān)系。他們將市場(chǎng)力對(duì)銀行穩(wěn)定性的影響分為兩種效應(yīng)，一是風(fēng)險(xiǎn)轉(zhuǎn)換效應(yīng)(risk-shifting effect)，即市場(chǎng)力增加了銀行貸款利率，增強(qiáng)了借款人的道德風(fēng)險(xiǎn)，削弱了銀行的穩(wěn)定性；另一是盈余效應(yīng)(margin effect)，指市場(chǎng)力增加了貸款利率，提高了可償貸款

16、的利息，提升了貸款利息收入對(duì)貸款損失的緩沖作用，因此市場(chǎng)力有助于穩(wěn)定。他們發(fā)現(xiàn)市場(chǎng)力與銀行穩(wěn)定的U型關(guān)系：在高集中度的銀行市場(chǎng)上，風(fēng)險(xiǎn)轉(zhuǎn)換效應(yīng)占主導(dǎo)，市場(chǎng)力增加了銀行風(fēng)險(xiǎn)；而在低集中度的銀行市場(chǎng)上，盈余效應(yīng)占主導(dǎo)，市場(chǎng)力的弱化損害了銀行的特許權(quán)價(jià)值，因此，增加了風(fēng)險(xiǎn)。目前研究的趨勢(shì)是，對(duì)市場(chǎng)力與穩(wěn)定關(guān)系的研究不像以前研究的二分法，而是轉(zhuǎn)向連續(xù)的集合，認(rèn)為二者的關(guān)系是狀態(tài)依存的。如，Beck et al.(2013)認(rèn)為競(jìng)爭(zhēng)對(duì)穩(wěn)定的影響是狀態(tài)依存的，依賴于一國(guó)特有的性質(zhì)，如銀行業(yè)務(wù)限制、存款保險(xiǎn)制度、信用信息分享機(jī)制、股票市場(chǎng)的發(fā)達(dá)程度等。 國(guó)內(nèi)學(xué)者對(duì)銀行競(jìng)爭(zhēng)與穩(wěn)定的研究以綜述類的文章居多（如，

17、陳雄兵，2011；吳秋實(shí)、江春，2006），僅有少數(shù)文獻(xiàn)用Z值和勒納指數(shù)對(duì)競(jìng)爭(zhēng)與穩(wěn)定的關(guān)系進(jìn)行了實(shí)證研究（如，高瑋，2012）。本文擬從以下幾方面拓展上述研究：第一，拓展穩(wěn)定性的測(cè)量，借鑒Fang et al.(2011)的方法，用“穩(wěn)定非效率”指標(biāo)替代Z值；第二，考慮到市場(chǎng)力可能的內(nèi)生性，使用差分GMM法測(cè)量市場(chǎng)力與穩(wěn)定性之間的關(guān)系，并用多種穩(wěn)健性檢驗(yàn)測(cè)試市場(chǎng)力與穩(wěn)定性間關(guān)系的可靠性；第三， Boyd and De Nicolò(2005)認(rèn)為，對(duì)銀行市場(chǎng)力的研究應(yīng)區(qū)分存款市場(chǎng)和貸款市場(chǎng) 對(duì)此，筆者的理解是，金融消費(fèi)者在存貸款市場(chǎng)上有著不同的購(gòu)買行為模式，對(duì)存款，人們習(xí)慣于在一家金

18、融機(jī)構(gòu)購(gòu)買，即群購(gòu)買；而對(duì)貸款，人們更多地傾向于在不同的機(jī)構(gòu)購(gòu)買。不同的購(gòu)買行為模式，導(dǎo)致存貸款市場(chǎng)市場(chǎng)力的差異。，因此，本文擬分存款與貸款市場(chǎng)分別研究其市場(chǎng)力與穩(wěn)定性的關(guān)系。三、 數(shù)據(jù)描述數(shù)據(jù)來(lái)源于BankScope數(shù)據(jù)庫(kù)、國(guó)泰安金融財(cái)經(jīng)數(shù)據(jù)庫(kù)、各銀行網(wǎng)上公布的定期報(bào)告、和訊網(wǎng)、上海銀行間同業(yè)拆借利率網(wǎng)、美國(guó)傳統(tǒng)基金會(huì)(Heritage Foundation)、中國(guó)經(jīng)濟(jì)金融數(shù)據(jù)庫(kù)以及中國(guó)國(guó)家統(tǒng)計(jì)局網(wǎng)站。BankScope數(shù)據(jù)庫(kù)中共有218家在中國(guó)大陸境內(nèi)運(yùn)營(yíng)的中外資金融機(jī)構(gòu)（包括證券公司、信托投資公司等非銀行金融機(jī)構(gòu)），剔除中國(guó)人民銀行、三家政策性銀行、證券公司、財(cái)務(wù)集團(tuán)公司、信托投資公司等

19、機(jī)構(gòu)以保證分析樣本的同質(zhì)性。時(shí)間跨度為1995至2012年，以1995年為樣本的起點(diǎn)，因?yàn)?994年中國(guó)成立了三家政策性銀行，可將此后的中國(guó)銀行企業(yè)大致認(rèn)為是追求利潤(rùn)最大化的實(shí)體，滿足模型對(duì)利潤(rùn)最大化實(shí)體的需要。為了增加樣本容量，增強(qiáng)分析的準(zhǔn)確性，對(duì)數(shù)據(jù)作如下處理：(1) 使用歷年下載的BankScope數(shù)據(jù)庫(kù)克服某一年度下載的BankScope數(shù)據(jù)庫(kù)涵蓋年度過(guò)少的不足；(2)對(duì)BankScope數(shù)據(jù)庫(kù)缺失的數(shù)據(jù)，逐一從各銀行網(wǎng)上公布的定期報(bào)告和國(guó)泰安金融財(cái)經(jīng)數(shù)據(jù)庫(kù)中查找；(3)剔除時(shí)間跨度不足5年的銀行；(4) 對(duì)外資銀行的數(shù)據(jù)（一般以美元或港元計(jì)價(jià)），按當(dāng)年年底的外匯牌價(jià)予以調(diào)整。所有的絕

20、對(duì)值數(shù)據(jù)均以1995年為基期，使用GDP平減指數(shù)進(jìn)行調(diào)整，剔除物價(jià)的影響；(5) 使用Bankscope數(shù)據(jù)庫(kù)，不包括銀行持股公司，否則會(huì)出現(xiàn)母公司和子公司同時(shí)進(jìn)入樣本導(dǎo)致重復(fù)計(jì)算的情況；同時(shí)，考慮銀行間的并購(gòu)，如果多個(gè)銀行合并，合并前單獨(dú)進(jìn)入樣本，合并后只有一家并購(gòu)實(shí)體進(jìn)入樣本；(6) 所有的數(shù)據(jù)（除虛擬變量）均使用winsorized技術(shù)進(jìn)行截尾處理。最后剩下141家銀行，包括5家大型股份制銀行、11家全國(guó)性商業(yè)銀行、一家郵政儲(chǔ)蓄銀行、14家農(nóng)村商業(yè)銀行（或農(nóng)村合作銀行）、23家外資銀行和87家區(qū)域性商業(yè)銀行。最終的樣本為在中國(guó)大陸境內(nèi)運(yùn)營(yíng)的141家中外資銀行1995-2012年的非平衡面

21、板數(shù)據(jù)，共1316組數(shù)據(jù)。主要變量的描述性統(tǒng)計(jì)見表1：表1 主要變量的描述性統(tǒng)計(jì)摘要變量觀察值均值標(biāo)準(zhǔn)差最小值最大值變量描述數(shù)據(jù)主要來(lái)源gdppc1316143084644504620608人均GDP，反映宏觀經(jīng)濟(jì)特性歷年中國(guó)統(tǒng)計(jì)年鑒pf13160.02460.1290.0005743.496利息支出/(存款+短期負(fù)債)，表示資金成本根據(jù)歷年Bankscope數(shù)據(jù)庫(kù)計(jì)算pl13160.02140.01330.0009860.372（利息支出+非利息支出）/(存款+貸款)，表示人工成本根據(jù)歷年Bankscope數(shù)據(jù)庫(kù)計(jì)算pk13162.0083.1450.0094737.28非利息支出/固定資產(chǎn)

22、，表示物質(zhì)資本成本根據(jù)歷年Bankscope數(shù)據(jù)庫(kù)計(jì)算lns_ta13160.6503.3050.0732103.4顧客貸款/總資產(chǎn)，代表信用風(fēng)險(xiǎn)根據(jù)歷年Bankscope數(shù)據(jù)庫(kù)計(jì)算onea_ta13160.07200.07920.001990.634非盈利資產(chǎn)/總資產(chǎn)，反映資產(chǎn)組合特征根據(jù)歷年Bankscope數(shù)據(jù)庫(kù)計(jì)算dps_ f13160.8430.3700.01879.350顧客存款/（顧客存款+短期資金），捕捉資金組合特征根據(jù)歷年Bankscope數(shù)據(jù)庫(kù)計(jì)算eq_ ta13160.2594.4298.00e-05132.8股東權(quán)益/總資產(chǎn)，衡量銀行的風(fēng)險(xiǎn)偏好根據(jù)歷年Bankscope

23、數(shù)據(jù)庫(kù)計(jì)算rnlp13160.02240.01609.00e-050.161不良貸款撥備覆蓋率Bankscope數(shù)據(jù)庫(kù)trend131611.624.149017每年與1995年的差額自己計(jì)算roa13160.009360.0145-0.06530.466資產(chǎn)收益率Bankscope數(shù)據(jù)庫(kù)deposi318e+0625.801.360e+07存款量Bankscope數(shù)據(jù)庫(kù)loan1316233590728392367.54910358貸款量Bankscope數(shù)據(jù)庫(kù)oea131621358076132646.818.327e+06除貸款外的其他盈利資產(chǎn)根據(jù)歷年Banks

24、cope數(shù)據(jù)庫(kù)計(jì)算t633e+06357.61.750e+07銀行業(yè)總資產(chǎn)歷年中國(guó)金融年鑒eq13162591497013-54901.128e+06股東權(quán)益Bankscope數(shù)據(jù)庫(kù)rnpl_loan13160.04250.06910.0001000.799不良貸款比率Bankscope數(shù)據(jù)庫(kù)obs1316815682596874.6002.318e+06表外項(xiàng)目Bankscope數(shù)據(jù)庫(kù)和各家銀行年報(bào)di13160.2920.2400.0001400.998分散化指數(shù)（）根據(jù)歷年Bankscope數(shù)據(jù)庫(kù)計(jì)算ffi131632.066.09229.9050金融自由化指數(shù)

25、美國(guó)傳統(tǒng)基金會(huì)網(wǎng)站ta_ bank13166.360e+073.690e+075.970e+061.310e+08每家銀行的資產(chǎn)Bankscope數(shù)據(jù)庫(kù)tc131611947409576.201458485總成本，包括管理費(fèi)用、利息費(fèi)用與非利息費(fèi)用根據(jù)歷年Bankscope數(shù)據(jù)庫(kù)計(jì)算ms_ ta13160.01190.04171.21e-050.521資產(chǎn)市場(chǎng)份額根據(jù)歷年Bankscope數(shù)據(jù)庫(kù)計(jì)算cmv_ gdp13160.5740.3110.08691.337資本市場(chǎng)發(fā)展指數(shù)（每年的股票市場(chǎng)市值加上國(guó)庫(kù)券與債券的發(fā)行量除以GDP）中國(guó)經(jīng)濟(jì)金融數(shù)據(jù)庫(kù)（CCER）四、中國(guó)銀行業(yè)市場(chǎng)力測(cè)度：Bo

26、one指數(shù)Boone et al.(2005)提出了Boone指數(shù)，它根植于效率結(jié)構(gòu)假設(shè)(ESH, Efficiency Structure Hypothesis)(Goldberg and Rai,1996)，隱含的思想是競(jìng)爭(zhēng)提升了有效率公司的績(jī)效，損害了低效率公司的績(jī)效，績(jī)效的差異導(dǎo)致它們的利潤(rùn)或市場(chǎng)份額的不同。它有以下兩個(gè)基本思想：一是更有效率的公司得到更大的市場(chǎng)份額或利潤(rùn)；二是競(jìng)爭(zhēng)越強(qiáng)，這一效應(yīng)越大。Boone指數(shù)可用以下模型求得 這里，本文沒(méi)有選用利潤(rùn)指標(biāo)（如ROA）的原因是利潤(rùn)指標(biāo)可能為負(fù)，不便于使用對(duì)數(shù)形式，而市場(chǎng)份額總為正。： (1)其中，表示第家銀行的市場(chǎng)份額，表示第家銀行的

27、邊際成本，即是Boone指數(shù)，它測(cè)量1%的邊際成本增長(zhǎng)帶來(lái)多大幅度的利潤(rùn)下降，隱含的意思是由于進(jìn)入成本的降低或者產(chǎn)品替代性的增強(qiáng)帶來(lái)的競(jìng)爭(zhēng)提升，使得有效率銀行的利潤(rùn)增加，而使欠效率銀行的利潤(rùn)下降更多，因此Boone指數(shù)也被稱為利潤(rùn)彈性，它一般為負(fù)，反映低邊際成本的銀行有更高的市場(chǎng)份額 值也可能為正(Leuvensteijn et al.,2007)，這意味著銀行的邊際成本越高，市場(chǎng)份額越大。原因：(1)市場(chǎng)存在重的合謀行為；(2)銀行以質(zhì)取勝。越大，市場(chǎng)力越弱。在非結(jié)構(gòu)性的市場(chǎng)力測(cè)量指標(biāo)中，Boone指數(shù)因其相對(duì)優(yōu)勢(shì)而越來(lái)越受關(guān)注 Boone指數(shù)測(cè)量競(jìng)爭(zhēng)不僅可以用于整個(gè)銀行業(yè)，還可以用于單個(gè)的

28、產(chǎn)品市場(chǎng)，如貸款市場(chǎng)，甚至某種類型的銀行，如商業(yè)銀行、儲(chǔ)蓄銀行等。這種方法的另一個(gè)優(yōu)勢(shì)是它相對(duì)其它方法（如Bresnahan模型）僅要求相對(duì)少的數(shù)據(jù)。P-R模型的H統(tǒng)計(jì)值只能對(duì)整個(gè)樣本期間的市場(chǎng)力進(jìn)行測(cè)量，不能分年度測(cè)量；勒納指數(shù)雖然可以分年度測(cè)量，但勒納指數(shù)存在以下不足：(1)完善競(jìng)爭(zhēng)市場(chǎng)假設(shè)，但完善競(jìng)爭(zhēng)市場(chǎng)通常很罕見；(2)勒納指數(shù)認(rèn)為，競(jìng)爭(zhēng)程度與價(jià)格成本邊際成反比。但Amir(2003)證明，在一定條件下，競(jìng)爭(zhēng)程度可能與價(jià)格成本邊際成正比；(3)勒納指數(shù)沒(méi)考慮效率問(wèn)題；(4)它不能準(zhǔn)確地捕捉產(chǎn)品替代性程度（Vives,2008）。不過(guò)，這一方法也有不足，不足在于它忽略了產(chǎn)品質(zhì)量的差異、設(shè)

29、計(jì)差異以及它所作的效率傳遞假設(shè)。，已被運(yùn)用到不同產(chǎn)業(yè)的實(shí)證分析中(Van Leuvensteijn et al.,2013;Boone and Van Leuvensteijn,2010)，特別是對(duì)銀行業(yè)市場(chǎng)力的分析。Leuvensteijn et al.(2007)是第一個(gè)運(yùn)用Boone指數(shù)分析銀行業(yè)市場(chǎng)力的文獻(xiàn)，此后，掀起了一股運(yùn)用Boone指數(shù)分析銀行業(yè)市場(chǎng)力的浪潮。鑒于此，本文也采用Boone指數(shù)對(duì)中國(guó)銀行業(yè)1995年至2012年間的市場(chǎng)力進(jìn)行分析除了Boone指數(shù)適合中國(guó)利率管制情形外，對(duì)中國(guó)銀行業(yè)競(jìng)爭(zhēng)選擇Boone指數(shù)的另一個(gè)原因是其模型推導(dǎo)來(lái)自古諾納什均衡模型，這一模型適合中國(guó)實(shí)

30、際，因?yàn)橹袊?guó)銀行業(yè)競(jìng)爭(zhēng)在利率并未市場(chǎng)化的條件下主要是數(shù)量競(jìng)爭(zhēng)。運(yùn)用Boone指數(shù)分析銀行業(yè)市場(chǎng)力，首先需要計(jì)算邊際成本，由于邊際成本不可觀察，有些研究者用平均變動(dòng)成本來(lái)替代（如Boone et al.,2005,2007），也有些研究者用超對(duì)數(shù)成本函數(shù)來(lái)估計(jì)（如Leuvensteijn et al.,2007）。本文采用后一種做法，但采用超越對(duì)數(shù)成本函數(shù)會(huì)面臨一個(gè)問(wèn)題，即用什么方法來(lái)模型化銀行業(yè)的投入和產(chǎn)出？在銀行產(chǎn)業(yè)組織文獻(xiàn)中，模型化其投入產(chǎn)出的方法主要有產(chǎn)品法和中介法兩種。產(chǎn)品法認(rèn)為銀行是使用勞動(dòng)和資本作為投入品，制造貸款和存款的部門。中介法強(qiáng)調(diào)銀行的中介功能，認(rèn)為銀行是利用存款、勞動(dòng)力和

31、物質(zhì)資本制造貸款的部門。二者的分歧在于對(duì)存款作為投入品還是產(chǎn)出品的認(rèn)識(shí)差異上。為了調(diào)和二者的紛爭(zhēng)，Hancock(1985)使用Donovan(1978)和Barnett(1980)創(chuàng)造的“貨幣的使用者成本”概念，并不糾纏于投入或產(chǎn)出的定性爭(zhēng)論上，而是用實(shí)證方法來(lái)決定存款到底是投入品還是產(chǎn)出品。貸款的使用者成本界定為基準(zhǔn)利率（銀行的機(jī)會(huì)成本）與持有貸款的報(bào)酬率之差，即基準(zhǔn)利率減去貸款利率；存款的使用者成本界定為存款利率與基準(zhǔn)利率之差，即存款利率減去基準(zhǔn)利率。如果使用者成本為正，則存款（貸款）為投入品；如果為負(fù)，則為產(chǎn)出品。正使用成本意味著貸款（存款）增加了銀行的營(yíng)運(yùn)支出，負(fù)的使用者成本則意味著

32、增加了銀行的收入。表2 20062013年中國(guó)銀行業(yè)存款和貸款的使用者成本時(shí)間一年期存款利率一年期貸款利率一年期Shibor平均利率使用者成本投入還是產(chǎn)出存款貸款存款貸款20062.526.122.98-0.46-3.14產(chǎn)出產(chǎn)出20074.147.473.5810.559-3.889投入產(chǎn)出20082.255.314.489-2.239-0.821產(chǎn)出產(chǎn)出20092.255.312.0480.202-3.262投入產(chǎn)出20102.755.812.5970.153-3.213投入產(chǎn)出20113.56.564.908-1.408-1.652產(chǎn)出產(chǎn)出2012364.776-1.776-1.224產(chǎn)

33、出產(chǎn)出201336.154.4-1.4-1.65產(chǎn)出產(chǎn)出資料來(lái)源：一年期存貸利率來(lái)自和訊網(wǎng)：。一年期Shibor平均利率來(lái)自上海銀行間同業(yè)拆借利率網(wǎng)站的數(shù)據(jù)服務(wù)：/shibor/web/Dataservice。注：根據(jù)該年一年期Shibor取平均數(shù)；網(wǎng)站上公布的2006年shibor期限是從2006年10月12日至2006年12月31日，本文取這一期間一年期Shibor均值。表2列出了2006年2013年中國(guó)銀行業(yè)存款和貸款的使用者成本，基準(zhǔn)利率以上海銀行間同業(yè)拆借利率（Shibor）表示從國(guó)際經(jīng)驗(yàn)和中國(guó)自身歷程看，經(jīng)過(guò)多年的建設(shè)培育，Shibor已成為

34、企業(yè)債券、衍生品等金融產(chǎn)品和服務(wù)定價(jià)的重要基準(zhǔn)；從調(diào)控能力看，貨幣政策向金融市場(chǎng)各類產(chǎn)品傳導(dǎo)的渠道也已較為暢通。并且，Shibor的波動(dòng)性比現(xiàn)有民間借貸的利率要穩(wěn)定，更能反映資金市場(chǎng)情況，如2013年6月中“錢荒”時(shí)期Shibor的異動(dòng)。從表2可看出，20062013年間，貸款的使用者成本均為負(fù)，說(shuō)明貸款為產(chǎn)出品；八年間存款的使用者成本三年為正（即使為正，數(shù)值也很小），五年為負(fù)，可以大體認(rèn)為存款為產(chǎn)出品，接受產(chǎn)品法的假設(shè)。因此本文以產(chǎn)品法來(lái)構(gòu)筑超越對(duì)數(shù)成本函數(shù)，以物質(zhì)資本、人力資本和資金資本作為投入品，存款、貸款、表外項(xiàng)目、其他盈利資產(chǎn)作為產(chǎn)出品，超越對(duì)數(shù)成本函數(shù)設(shè)定為： 其中，、分別表示總成

35、本、投入品價(jià)格、產(chǎn)出，、分別代表資金成本、人力成本和物質(zhì)成本，、分別代表存款、貸款、表外項(xiàng)目、其他盈利資產(chǎn)，是一個(gè)時(shí)間趨勢(shì)項(xiàng)。所有變量的涵義與數(shù)據(jù)來(lái)源詳見表1。越超對(duì)數(shù)成本函數(shù)有三個(gè)基本約束：投入品價(jià)格的齊次線性、成本耗盡性以及對(duì)稱性(Beattie and Taylor,1985;Jorgenson,1986)。為滿足上述要求，對(duì)方程(2)施加如下約束：將存款和貸款分別對(duì)總成本求導(dǎo)，其邊際成本分別表示為：為了滿足標(biāo)準(zhǔn)齊次條件，本文將成本和投入品價(jià)格都除以物質(zhì)資本成本，以消減異方差的影響。使用似不相關(guān)回歸技術(shù)（SUR）估計(jì)方程(2)有些學(xué)者對(duì)超越對(duì)數(shù)成本函數(shù)估計(jì)邊際成本時(shí)，使用OLS，如Mas

36、lovych(2009)、Van Leuvensteijn et al. (2007)，但由于超越對(duì)數(shù)成本函數(shù)包括大量的解釋變量，很可能帶來(lái)多重共線性問(wèn)題而產(chǎn)生參數(shù)估計(jì)偏誤，因此本文使用似不相關(guān)回歸技術(shù)估計(jì)超越對(duì)數(shù)成本函數(shù)。，得到相應(yīng)的系數(shù)后代入方程(3)和(4)，求出存款和貸款的邊際成本。考慮到存款和貸款不同的Boone指數(shù)以及隨時(shí)間而變的特性，將方程(1)變?yōu)椋浩渲校?、分別表示存款和貸款的市場(chǎng)份額。為時(shí)間虛擬變量，在t年為1，否則為0，用來(lái)捕捉技術(shù)變化的影響。鑒于市場(chǎng)份額與邊際成本可能的內(nèi)生性，使用差分廣義矩方法(GMM)估計(jì)Boone指數(shù)，使用邊際成本的滯后一期項(xiàng)和滯后二期項(xiàng)作為工具變量

37、，估計(jì)出的各年(19972011)存款和貸款的Boone指數(shù)，如圖1所示：圖1 中國(guó)銀行業(yè)19972011年存款市場(chǎng)和貸款市場(chǎng)的邊際成本 從圖1可看出，無(wú)論是存款市場(chǎng)，還是貸款市場(chǎng)，19972011年中國(guó)銀行業(yè)的市場(chǎng)力呈現(xiàn)上升趨勢(shì)，貸款市場(chǎng)的市場(chǎng)力高于存款市場(chǎng)的市場(chǎng)力，說(shuō)明中國(guó)銀行業(yè)貸款市場(chǎng)的賣方市場(chǎng)特征明顯。五、中國(guó)銀行業(yè)穩(wěn)定性測(cè)度：“穩(wěn)定非效率”指數(shù)Z值通常被用于評(píng)估整個(gè)金融業(yè)的穩(wěn)定性(Boyd et al.,2006;Berger et al.,2009)。Z值的增加顯示整個(gè)銀行業(yè)風(fēng)險(xiǎn)敞口的下降，銀行業(yè)更穩(wěn)定。但Z值往往用在橫截面OLS估計(jì)中，為了在面板數(shù)據(jù)中運(yùn)用Z值中，借鑒De Nic

38、olò et al.(2004)的方法，允許每一家銀行在不同時(shí)間有不同的Z值，則Z值可表示為：其中，ROA表示資產(chǎn)利潤(rùn)率，E表示股東權(quán)益，TA表示單個(gè)銀行的總資產(chǎn)。將Z值作為穩(wěn)定性指標(biāo)去評(píng)估銀行業(yè)穩(wěn)定與競(jìng)爭(zhēng)間的關(guān)系，一是容易帶來(lái)穩(wěn)定性指標(biāo)與競(jìng)爭(zhēng)性指標(biāo)的內(nèi)生性問(wèn)題；另一是Z值并不必然反映每一家銀行能獲得的潛在穩(wěn)定性。遵循Fang et al.(2011)的方法，他們認(rèn)為在給定經(jīng)濟(jì)和監(jiān)管條件下，需要考慮銀行現(xiàn)時(shí)的穩(wěn)定性與最大可能穩(wěn)定性間的差距，他們稱之為“穩(wěn)定非效率”。對(duì)“穩(wěn)定非效率”的測(cè)量，以Z值作為因變量，使用隨機(jī)前沿方法進(jìn)行估計(jì)。方程形式與超越對(duì)數(shù)成本很類似，不同的是因變量不是成本

39、，而是Z值，誤差項(xiàng)，第一項(xiàng)捕捉隨機(jī)擾動(dòng)因素，假設(shè)服從正態(tài)分布，代表測(cè)量誤差和其它非控制因素，即；第二項(xiàng)捕捉技術(shù)和配置非效率，假設(shè)為半正態(tài)分布，即。模型設(shè)定為： 與對(duì)方程(2)的處理一樣，為了滿足齊次線性條件，將Z值和投入品價(jià)格都除以物質(zhì)資本成本，以消減異方差的影響。使用隨機(jī)前沿技術(shù)估計(jì)方程(7)，得到，即為“穩(wěn)定非效率”。為了更好地估計(jì)“穩(wěn)定非效率”，本文使用五個(gè)模型，分別是：兩個(gè)時(shí)變固定效應(yīng)模型（Lee and Schmidt(1993)模型(簡(jiǎn)稱LS93)、Cornwell et al. (1990) 模型(簡(jiǎn)稱CSS90)）、一個(gè)非時(shí)變固定效應(yīng)模型(Schmidt and Sickles

40、(1984)模型(簡(jiǎn)稱SS84)、一個(gè)真實(shí)固定效應(yīng)模型(Green(2005)模型(簡(jiǎn)稱TFE2005)、一個(gè)真實(shí)隨機(jī)效應(yīng)模型(Green(2005)模型(簡(jiǎn)稱TRE2005)，實(shí)證結(jié)果見表3：表3 方程(7)的實(shí)證分析結(jié)果LS93CSS90SS84TFE2005TRE2005lnpf_pk-0.523*-0.0740-1.152-1.152-1.780(-0.89)(-0.10)(-1.34)(-1.43).lnpl_pk0.5840.2761.633*1.633*2.389(0.95)(0.31)(1.75)(1.87).lndeposit-2.407*-4.777*-3.461*-3.4

41、61*-2.723(-4.60)(-5.09)(-4.15)(-4.45).lnloan1.714*2.743*1.543*1.543*1.676(2.93)(2.91)(1.71)(1.84).lnoea0.6851.347*0.5710.5711.011(1.63)(2.33)(0.96)(1.03).lnobs-0.339*0.4310.3260.326-0.426(-1.71)(0.86)(0.90)(0.97).(lnpf_pk)2-0.114-0.611*-0.338*-0.338*-0.209(-1.15)(-5.72)(-2.41)(-2.58).(lnpl_pk)20.166

42、-0.440*0.1150.1150.211(1.20)(-3.24)(0.63)(0.67).lnpf_pk*lnpl_pk-0.0003311.198*0.3220.3220.0441(-0.00)(5.45)(1.10)(1.18).(lndeposit)2-0.0808*0.126*0.01510.0151-0.0378(-2.31)(2.23)(0.28)(0.30).(lnloan)2-0.139*-0.113-0.120*-0.120*-0.119(-2.74)(-1.54)(-1.88)(-2.01).(lnoea)20.0900-0.0329-0.0589-0.0589-0.

43、0682(0.76)(-0.39)(-0.59)(-0.64).(lnobs)2-0.0167-0.0184-0.0244-0.0244-0.0113(-1.53)(-0.70)(-1.12)(-1.20).lndeposit*lnloan0.413*0.05180.2180.2180.219(2.75)(0.33)(1.43)(1.53).lndeposit*lnoea0.004540.06610.09660.09660.0764(0.04)(0.64)(0.90)(0.96).lndeposit*lnobs-0.139*0.0286-0.0671-0.0671-0.0435(-2.48)(

44、0.36)(-0.74)(-0.80).lnloan*lnoea-0.285*-0.0216-0.0844-0.0844-0.0976(-1.92)(-0.17)(-0.61)(-0.66).lnloan*lnobs-0.0258-0.00685-0.0792-0.0792-0.0643(-0.45)(-0.08)(-0.87)(-0.93).lnoea*lnobs0.213*-0.01980.163*0.163*0.178(4.25)(-0.32)(2.41)(2.59).lnpf_pk*lndeposit0.2320.745*0.622*0.622*0.270(1.15)(3.22)(2.

45、70)(2.90).lnpf_pk*lnloan-0.378*-0.340-0.517*-0.517*-0.414(-1.77)(-1.35)(-1.89)(-2.03).lnpf_pk*lnoea0.0272-0.0602-0.0787-0.07870.190(0.18)(-0.32)(-0.42)(-0.45).lnpf_pk*lnobs0.0703-0.474*-0.123-0.123-0.0529(0.75)(-3.41)(-0.82)(-0.88).lnpl_pk*lndeposit-0.491*-1.044*-0.846*-0.846*-0.508(-2.29)(-4.11)(-3

46、.41)(-3.65).lnpl_pk*lnloan0.508*0.571*0.592*0.592*0.479(2.20)(2.10)(2.05)(2.20).lnpl_pk*lnoea0.270*0.2940.3370.337*0.0438(1.66)(1.44)(1.59)(1.70).lnpl_pk*lnobs-0.1160.508*0.1320.1320.0571(-1.09)(3.01)(0.76)(0.82).trend-0.0992*-1.38938e+10-0.362*-0.362*-0.379(-3.65)(-0.53)(-4.05)(-4.34).(trend)20.001

47、41927487970.3-0.00308*-0.00308*-0.00327(1.05)(0.52)(-1.81)(-1.94).lngdppc0.840*6.210*5.576*5.576*5.531(7.37)(7.35)(5.98)(6.41).N131613161316131613160.692.62e+100.7710.030.0320.9670.7710.9820.9160.980.0330.033注：(1)* p < 0.1, * p < 0.05, * p < 0.01；(2)括號(hào)下面為t值；(3)pf_pk、pl_pk分別為資金成本和人力成本除以物質(zhì)成本的

48、變量。 從表3可看出，五種模型中兩種時(shí)變固定效應(yīng)模型較顯著，但從、看，明顯LS93模型標(biāo)準(zhǔn)差更小，因此采用LS93模型對(duì)中國(guó)銀行業(yè)的“穩(wěn)定非效率”進(jìn)行分析，而且從該模型各變量的系數(shù)看，也符合經(jīng)濟(jì)學(xué)意義。六、中國(guó)銀行業(yè)市場(chǎng)力與穩(wěn)定性的實(shí)證分析影響銀行業(yè)穩(wěn)定性的因素除了市場(chǎng)力外，還包括銀行自身因素以及資本市場(chǎng)發(fā)展?fàn)顩r等因素。反映銀行自身情況的變量包括：規(guī)模、經(jīng)營(yíng)模式、資本化比率、信用風(fēng)險(xiǎn)等，分別用銀行總資產(chǎn)、分散化指數(shù)、股東權(quán)益比、不良貸款比率表示。總資產(chǎn)作為控制銀行規(guī)模的變量因?yàn)楦蟮你y行更可能“太大而不能倒”。權(quán)益比反映銀行風(fēng)險(xiǎn)偏好上的差異(Stiroh,2004)。不良貸款比率作為測(cè)量銀行資

49、產(chǎn)質(zhì)量的指標(biāo)?？紤]到資產(chǎn)越分散的銀行，風(fēng)險(xiǎn)越小這一事實(shí)，本文用分散化指數(shù)(Laeven and Levine,2007)作為反映銀行風(fēng)險(xiǎn)的指標(biāo) 也有研究表明，分散化指數(shù)與穩(wěn)定負(fù)相關(guān)，分散化會(huì)增加風(fēng)險(xiǎn)，降低回報(bào)(Laeven and Levine,2007)。一般認(rèn)為，銀行規(guī)模越大，分散化指數(shù)越高，股東權(quán)益比越高，不良貸款比率越低，銀行越穩(wěn)定。用每年的股票市場(chǎng)市值加上國(guó)庫(kù)券和債券發(fā)行量表示資本市場(chǎng)發(fā)展?fàn)顩r。資本市場(chǎng)發(fā)展?fàn)顩r與銀行穩(wěn)定性并不存在確定的關(guān)系，既可能是正相關(guān)，發(fā)展良好的資本市場(chǎng)，同時(shí)也會(huì)促進(jìn)銀行業(yè)的穩(wěn)定；也可能是負(fù)相關(guān)關(guān)系，因?yàn)榇嬖谌谫Y上的替代關(guān)系。上述變量的界定、計(jì)算與來(lái)源見表1。模

50、型構(gòu)建如下： 上式中，代表“穩(wěn)定非效率”，bd是存款市場(chǎng)Boone指數(shù)的絕對(duì)值，表示存款市場(chǎng)市場(chǎng)力，bl是貸款市場(chǎng)Boone指數(shù)的絕對(duì)值，表示貸款市場(chǎng)市場(chǎng)力。加入Boone指數(shù)的平方項(xiàng)，是考慮到市場(chǎng)力與穩(wěn)定性間的非線性關(guān)系。同時(shí)，考慮到穩(wěn)定性與市場(chǎng)力間可能存在的相互影響關(guān)系，本文使用差分GMM估計(jì)二者關(guān)系。替代Boone指數(shù)的工具變量是單個(gè)銀行的市場(chǎng)份額、金融自由度（來(lái)自于Heritage Foundation）和固定資產(chǎn)/總資產(chǎn)，市場(chǎng)份額作為工具變量是因?yàn)槭袌?chǎng)份額越大，越有能力實(shí)施市場(chǎng)力，進(jìn)而對(duì)銀行穩(wěn)定產(chǎn)生影響；金融自由度作為工具變量是因?yàn)檎袡?quán)和干預(yù)影響了銀行競(jìng)爭(zhēng)；同樣，固定資產(chǎn)多，反

51、映了銀行有更多的分支網(wǎng)絡(luò)，分支網(wǎng)絡(luò)越多，市場(chǎng)力越強(qiáng)。為了更好地說(shuō)明差分GMM模型分析結(jié)果的穩(wěn)健性，表4列出了存款和貸款三種模型的實(shí)證結(jié)果。表4 銀行市場(chǎng)力與穩(wěn)定性的實(shí)證分析結(jié)果存款OLS模型貸款OLS模型存款2SLS模型貸款2SLS模型存款GMM模型貸款GMM模型lnbd0.963*2.585*2.514*(4.59)(9.03)(8.18)lnbl0.222-2.181*-1.607*(1.39)(-3.85)(-2.90)(lnbd)21.237*2.7652.684(1.12)(0.76)(0.84)(lnbl)20.355-3.754-2.079(-0.89)(0.975)(0.563

52、)lneq_ta0.113*0.171*0.02580.101*0.02690.107*(3.53)(5.59)(0.75)(2.72)(0.79)(2.57)lnta-0.0884*-0.0232-0.184*-0.117*-0.191*-0.158*(-2.05)(-0.55)(-4.02)(-2.29)(-3.67)(-2.85)lndi-0.0135-0.0112-0.0166-0.0168-0.0179-0.0197(-1.03)(-0.85)(-1.23)(-1.15)(-1.11)(-1.24)lnrnpl0.02290.0001640.0574*0.02470.0533*0.0

53、371(1.02)(0.01)(2.45)(0.98)(2.31)(1.58)lncmv_gdp0.671*0.681*0.646*0.732*0.647*0.725*(23.21)(23.33)(21.69)(21.43)(28.18)(25.53)trend0.257*0.228*0.335*0.04240.334*0.113*(17.25)(13.76)(18.84)(0.94)(18.25)(2.48)_cons-0.200-0.982*(-0.51)(-2.78)N115511551154115411541154adj. R20.7900.7860.7770.7380.7790.757Anderson Canonical correlation LM statistic(p value)66.628(0.000)50.197(0.000)Sargan statistic(p value)10.600(0.215)16.212(0.207)Kleibergen-paap rk LM statistic(p value)92.166(0.000)