شناسایی و ارزیابی عوامل موثر محیطی بر جذب سپرده بانکی مقاله

امروزه سپرده‌های بانکی به جهت تأمین نیاز مالی برای سپرده‌گذاران دارای موقعیتی ممتاز بوده و همچنین از نظر تجهیز منابع، تامین منابع مالی و ایجاد فرصت برنامه‌ریزی برای سیستم بانکی دارای اهمیت ویژه‌ای می‌باشد. با توجه به ضرورت بررسی و اندازه‌‌گیری اثر متغیرهای محیطی بر میزان جذب سپرده نظام بانکی، در پژوهش حاضر اثر متغیرهای تعداد شاغلین، ارزش افزوده به تفکیک بخش‌های مختلف اقتصادی و استان، تسهیلات اعطایی، جمعیت فعال و هزینه کل خانوار به تفکیک استانی، نرخ تورم، نقدینگی و نرخ بهره‌ موزون اسمی بر حجم سپرده نظام بانکی به تفکیک استانی در بازه زمانی 1380 الی1390 و با استفاده از پانل دیتا سنجیده شد. نتایج پژوهش نشان داد، به ترتیب متغیرهای ارزش افزوده بخش خدمات، تسهیلات اعطایی و هزینه خانوار اثر مثبت و متغیرهای تورم و جمعیت فعال اثر منفی و معنی‌داری بر متغیر وابسته دارند. در ادامه با انجام آزمون‌های مختلف آماری، مدل اثرات تصادفی از رهیافت پانل دیتا به عنوان مدل نهایی انتخاب گردید. مطابق این مدل، نیاز به برآورد رگرسیون جداگانه برای هر استان نمی‌باشد. در پایان داده‌های واقعی سال‌های 1391 الی 1394 با نتایج حاصل از پیش‌بینی مدل برآوردی مقایسه گردید که نتایج آن گویای دقت 94 درصدی مدل در پیش‌بینی جذب سپرده بوده است.

Nowadays, bank deposits are one of the most important economic and social tools that depend on various business, service and economic conditions and have an important role in sustainable economic growth and development in countries. In order to provide financial assistance to depositors with privileged positions, equip the existing resources, and provide funds and create planning opportunities for the banking system, it is especially important to have access to adequate bank deposits.With a regard to the necessity of investigating and measuring the impact of economic variables on the amount of attracted deposits, we have used panel data to study the impacts of several factors on the amount of deposits in the banking system. These factors include the number of the employed, value added in various economic sectors and provinces, paid loans, active population, provincial household expenses, inflation rate, liquidity and weighted interest rate. The results are indicative of the fact that independent variables including service sector value added, paid loans and household expenses have positive impacts on the dependent variable. In contrast, the other variables including inflation and active population have a significant negative impact on the dependent variable. Different statistical tests were also conducted using the panel data to choose the random effect model as the final model. According to this model, there is no need to estimate separate regressions for each province.