基于多元線性回歸模型的銀行網(wǎng)點(diǎn)資源配置實(shí)證分析

【摘要】隨著銀行物理網(wǎng)點(diǎn)由外延擴(kuò)張向布局優(yōu)化轉(zhuǎn)型，渠道經(jīng)營逐步向?qū)I(yè)發(fā)展。作為渠道經(jīng)營的重要組成，資源配置管理應(yīng)打破傳統(tǒng)經(jīng)驗(yàn)觀念，更多依賴于營運(yùn)數(shù)據(jù)分析，借助科學(xué)方法論的預(yù)判。本文從資源配置的一個實(shí)例入手，利用多元線性回歸的方法，對銀行物理網(wǎng)點(diǎn)資源配置進(jìn)行實(shí)證分析。根據(jù)模型構(gòu)建、檢驗(yàn)以及修正，實(shí)現(xiàn)對資源投放的分析預(yù)測。實(shí)證結(jié)果可對渠道經(jīng)營實(shí)踐提供參考，以及方法論的借鑒。

【關(guān)鍵詞】多元線性回歸 銀行網(wǎng)點(diǎn) 資源配置

一、引言

隨著互聯(lián)網(wǎng)金融的深入發(fā)展，其弱物理化的實(shí)質(zhì)，對銀行物理網(wǎng)點(diǎn)傳統(tǒng)上的經(jīng)營客觀造成了較大沖擊。為了順應(yīng)發(fā)展，各銀行也借鑒國內(nèi)外經(jīng)驗(yàn)，紛紛推出“小而精”、“個性化”、“智能化”的網(wǎng)點(diǎn)，以多元化轉(zhuǎn)型服務(wù)迎接移動互聯(lián)時代的挑戰(zhàn)。銀行渠道管理理念也應(yīng)同步甚至未雨綢繆。作為銀行經(jīng)營成本最昂貴的渠道，物理網(wǎng)點(diǎn)的營運(yùn)已不能沿用傳統(tǒng)方式，僅通過市場經(jīng)驗(yàn)來判斷營業(yè)面積、設(shè)施、人員等資源投放，甚至粗放式的追求大面積營業(yè)網(wǎng)點(diǎn)、豪華裝修形象工程，來取得競爭優(yōu)勢。渠道資源投入應(yīng)有大數(shù)據(jù)的思維，基于對歷史數(shù)據(jù)的提煉分析，以及未來宏微觀經(jīng)濟(jì)發(fā)展的預(yù)測，選擇最優(yōu)的資源投入品種和數(shù)量，在確?？蛻趔w驗(yàn)的同時，優(yōu)化渠道投入產(chǎn)出結(jié)構(gòu)，促進(jìn)經(jīng)營效能最大化。

本文擬采用多元線性回歸模型對于銀行物理網(wǎng)點(diǎn)的資源投入進(jìn)行實(shí)證分析，可以對未來網(wǎng)點(diǎn)資源投入進(jìn)行預(yù)測，以使資源得到合理配置。同時也為網(wǎng)點(diǎn)制定未來營運(yùn)計(jì)劃提供方法論依據(jù)。

二、指標(biāo)選取

衡量網(wǎng)點(diǎn)資源配置合理性的指標(biāo)較多，應(yīng)根據(jù)全面性、代表性、科學(xué)性以及數(shù)據(jù)的可獲得性原則選取指標(biāo)。本文從網(wǎng)點(diǎn)資源配置的一個實(shí)例，即網(wǎng)點(diǎn)設(shè)備配置入手，探討影響資源配置的經(jīng)濟(jì)指標(biāo)。

網(wǎng)點(diǎn)的設(shè)備配置與設(shè)備自身功能類型、網(wǎng)點(diǎn)業(yè)務(wù)結(jié)構(gòu)、設(shè)備對客戶服務(wù)能力、網(wǎng)點(diǎn)最大負(fù)荷能力、客戶對設(shè)備的潛在接受程度等因素相關(guān)。根據(jù)對設(shè)備需求的影響因素分析，預(yù)選取的經(jīng)濟(jì)指標(biāo)為：設(shè)備功能覆蓋、業(yè)務(wù)結(jié)構(gòu)、日均服務(wù)能力、客流高峰、客戶年齡結(jié)構(gòu)這5類。本模型中樣本數(shù)據(jù)來源于國內(nèi)某商業(yè)銀行經(jīng)過一段時間運(yùn)營驗(yàn)證設(shè)備配置合理的45家網(wǎng)點(diǎn)。

三、模型構(gòu)建與檢驗(yàn)

（一）研究假設(shè)

基于對網(wǎng)點(diǎn)設(shè)備配置的專業(yè)知識和經(jīng)驗(yàn)判斷，我們選取了設(shè)備功能覆蓋、業(yè)務(wù)結(jié)構(gòu)、日均服務(wù)能力、高峰服務(wù)能力、客戶年齡結(jié)構(gòu)這5類經(jīng)濟(jì)指標(biāo)，作為預(yù)測網(wǎng)點(diǎn)設(shè)備配置的解釋變量。結(jié)合數(shù)據(jù)的可獲得性，考慮數(shù)據(jù)自身特點(diǎn)，本文假設(shè)影響網(wǎng)點(diǎn)資源配置數(shù)量的解釋變量如下：

Y：合理的設(shè)備配置數(shù)量

X1：設(shè)備功能覆蓋率=設(shè)備日均業(yè)務(wù)量/網(wǎng)點(diǎn)日均業(yè)務(wù)總量；

X2：業(yè)務(wù)結(jié)構(gòu)比率=對私日均業(yè)務(wù)量/網(wǎng)點(diǎn)日均業(yè)務(wù)總量；

X3：日均服務(wù)能力=In（設(shè)備日均服務(wù)客戶量）

X4：高峰客流壓力=In（網(wǎng)點(diǎn)高峰客流量）

X5：客戶年齡結(jié)構(gòu)=網(wǎng)點(diǎn)到訪客戶里中青年客戶占比

設(shè)備日均服務(wù)客戶量、網(wǎng)點(diǎn)高峰客流量的量綱較其他因變量大得多，取對數(shù)形式，可減少多重共線性，并在一定程度上消除量綱影響。

（二）模型構(gòu)建

根據(jù)假設(shè)條件設(shè)置網(wǎng)點(diǎn)設(shè)備配置的多元線形回歸模型為：

運(yùn)用Eviews8.0對45家網(wǎng)點(diǎn)數(shù)據(jù)進(jìn)行OLS回歸，初步回歸結(jié)果如下：

由回歸結(jié)果可知，解釋變量整體對因變量擬合的相關(guān)系數(shù)Adjusted R-squared=0.854067，整體擬合程度較好。回歸的常數(shù)項(xiàng)的t統(tǒng)計(jì)的P值>0.05，不能拒絕該項(xiàng)顯著為零的原假設(shè)。解釋變量X1、X3、X4、X5的參數(shù)t統(tǒng)計(jì)的P值小于0.05，拒絕原假設(shè)，設(shè)備功能覆蓋率、設(shè)備日均服務(wù)能力、網(wǎng)點(diǎn)高峰客流壓力、客戶年齡結(jié)構(gòu)對于網(wǎng)點(diǎn)的該種設(shè)備配置有顯著的影響。

剔除影響不顯著的因素，重新進(jìn)行OLS回歸，得到設(shè)備配置初步回歸模型為：Y=1.34029X1+0.434947X3+0.376715X4+ 1.605963X5

（三）模型檢驗(yàn)

應(yīng)用OLS時要求模型的誤差項(xiàng)必須滿足無偏性、同方差、無序列相關(guān)、解釋變量和誤差項(xiàng)相互獨(dú)立。由于本文構(gòu)建的模型并非采用時間序列數(shù)據(jù)，故而進(jìn)行異方差、多重共線性檢驗(yàn)。

1.異方差檢驗(yàn)。采用White檢驗(yàn)法，由于Obs*R-squared的概率值0.3184大于顯著性水平0.05，所以不能拒絕原假設(shè)，原回歸模型不存在異方差。

2.多重共線性檢驗(yàn)。解釋變量X1、X3、X4、X5的兩兩之間相關(guān)系數(shù)如下表，由于X3和X4的相關(guān)系數(shù)為0.778374，存在較強(qiáng)相關(guān)性，因此需要對模型進(jìn)行修正。

（四）模型修正

由于只有X3與X4的相關(guān)性較為顯著，故而本文采用逐步剔除的方法對回歸模型進(jìn)行修正。運(yùn)用OLS方法分別做出因變量Y對X1、X3、X5解釋變量的回歸；以及因變量對X1、X4、X5解釋變量的回歸。優(yōu)先選擇整體擬合程度更好，且各解釋變量在統(tǒng)計(jì)上顯著不為零的回歸結(jié)果。經(jīng)分析，應(yīng)保留X1、X3、X5作為回歸模型的解釋變量。進(jìn)一步檢驗(yàn)修正模型的有效性，對其進(jìn)行無常數(shù)項(xiàng)的回歸，經(jīng)檢驗(yàn)不存在異方差以及多重共線性。

經(jīng)過反復(fù)回歸驗(yàn)證，最終構(gòu)建出的網(wǎng)點(diǎn)設(shè)備配置的多元線性回歸模型如下：

設(shè)備功能覆蓋率、設(shè)備日均客戶服務(wù)能力、客戶年齡結(jié)構(gòu)這幾個自變量對因變量起到了顯著的影響。

四、模型應(yīng)用

根據(jù)實(shí)證分析結(jié)果，對于該種類型的設(shè)備配置，為達(dá)到科學(xué)合理的投入產(chǎn)出運(yùn)行效果，應(yīng)從設(shè)備自身功能類型、對客戶服務(wù)能力、客戶接受程度著手進(jìn)行分析預(yù)測。如果這三方面的條件發(fā)生較大變動，可運(yùn)用模型的線性關(guān)系對設(shè)備投入進(jìn)行調(diào)整，確保資源的合理配置和有效利用。

對于物理網(wǎng)點(diǎn)營業(yè)場所、人員、設(shè)施、運(yùn)行物料等相關(guān)資源投放，應(yīng)充分分析，從宏微觀視覺全面分析，選取有代表性、合理的經(jīng)濟(jì)指標(biāo)，進(jìn)行分析預(yù)測，從數(shù)量和結(jié)構(gòu)上選擇最優(yōu)的方案，并且隨內(nèi)外在條件變化，調(diào)整資源投放結(jié)構(gòu)，實(shí)現(xiàn)高效能的渠道經(jīng)營管理。

作者簡介：謝彬彬（1986-），女，福建人，經(jīng)濟(jì)學(xué)碩士，研究方向：商業(yè)銀行經(jīng)營管理。