導致小微南康家具企業不良貸款產生的原因分為宏觀和微觀兩個方面。從宏觀經濟因素來看，當經濟過熱時，小微南康家具企業生產運營的原材料成本以及人工成本都將面臨上升，小微南康家具企業可能陷入資金周轉的困境。當經濟衰退時，需求方的購買力不足將導致小微南康家具企業的存貨積壓，同樣會使得小微南康家具企業陷入資金周轉困難，從而使得商業銀行面臨較大的違約風險。從微觀因素來看，商業銀行對小微南康家具企業貸款審批流程的不嚴格、放貸規模的不合理都可能增大小微貸款的違約風險。
四、變量、數據和模型
（一）變量的選擇
商業銀行的小微貸款可以細分為消費貸款、經營貸款、汽車貸款、購房貸款等。考慮到在長期內商業銀行小微貸款的不良額中經營類貸款的變化較大，且在總體小微貸款的不良貸款中占據較大的比重，本文將以小微貸款中經營貸款為研究對象，以期更好地分析影響小微不良貸款額的因素。此外，在分析不同因素對商業銀行小微貸款不良額的影響時，同時考慮宏觀和微觀兩方面的影響。在宏觀因素方面，選取居民消費價格指數（CPI）和國民生產總值的增長率（GDP）兩個常用的宏觀經濟指標。在微觀方面，考慮到不良貸款的額度可能會受到貸款的投放規模以及貸款結構的影響，選取小微貸款中的經營貸款的規模（DK）和其中大額貸款的規模（DE）兩個變量。每月新增的經營類小微貸款不良額將作為本文的被解釋變量，并用BL表示。
（二）數據的選擇
本文以2011年1月至2013年4月為研究期間。微觀數據主要來自股份制商業銀行X在Y市的小微貸款數據。宏觀數據是從中經網數據庫中獲取的，其中居民消費價格指數（CPI）以2010年1月為基期進行了調整。由于公布的國民生產總值的增長率（GDP）是季度數據，本文將每個季度中三個月的GDP都調整成該數值。考慮到經營貸款的規模（DK）和其中大額貸款的規模（DE）兩個變量數目較大且變化較大，本文對其進行了對數處理以減少變量的離散程度，并分別用LDK和LDE表示。其中，大額貸款是指3000萬元以上的貸款。
（三）模型的建立
為了分析不同因素對小微南康家具企業不良貸款規模的影響，并且明確不同因素的影響程度，本文將利用EVIEWS7.0軟件，并選取常規的多元線性回歸模型進行分析。根據貸款的五級分類標準，貸款只有在延期3個月未歸還時才將其計入不良貸款。因此，在構建模型時，本文對變量經營類小微貸款的規模（LDK）及其大額貸款的規模（LDE）進行滯后三階的處理。本文的模型構建如下：
五、實證分析
（一）描述性統計分析
由于部分月份新增的不良貸款額為0，所以無法對不良貸款新增額（BL）進行對數化處理。因此，在表1 中，相較于其他變量，BL的波動較大，最小值為0，最大值為37140.100。經營類貸款和大額貸款規模經過對數化處理后，波動相對較小，特別是經營類貸款規模的標準差只有0.613。從表1中也可以看到，CPI在104.800與115.122之間波動，GDP在7.400與10.300之間波動，說明在2011年1月至2013年4月，總體的宏觀經濟形勢還是存在一定的波動，因此可以進一步考慮宏觀經濟形勢對不良貸款新增額的影響。
（二）平穩性檢驗
為了防止由于序列的不平穩造成偽回歸現象的出現，在對模型進行回歸前，首先對模型進行平穩性檢驗。本文利用ADF檢驗的方法對變量序列進行平穩性檢驗，結果如表2。從表中可以看出，所有變量的原序列都是不平穩的。經過一階差分處理后，變量序列在1%的顯著性水平下都是平穩的。因此，這些變量是一階單整的。
（三）協整檢驗
由于變量序列是一階單整的，滿足了協整檢驗的前提條件，可以進一步進行協整檢驗。首先對變量序列BL、LDK、LDE、CPI、GDP進行回歸。其次，對回歸產生的殘差序列進行單位根檢驗，得到ADF值為-4.252580，P值為0.0028，在1%的顯著性水平下拒絕了原假設。因此，變量之間存在協整關系。
（四）回歸分析
考慮到序列的不平穩以及變量的實際情況，為了更好地描述各個因素對不良貸款的影響，本文將對模型進行一定的調整。首先，由于宏觀經濟因素影響的持續性，本期的新增不良貸款額可能受到上期宏觀經濟因素的影響，因此引入滯后一階的宏觀經濟變量CPI（-1）和GDP（-1）。其次，由于我國商業銀行貸款投向較為集中，不同貸款之間可能存在一定的關聯性，本期的不良貸款新增額也可能受到上一期不良貸款額的影響，因此引入不良貸款新增額的滯后一階BL（-1）。回歸模型因此調整為：
表3顯示了對模型（2）的回歸結果。從P值來看，即使在10%的顯著性水平下，變量BL（-1）、LDK（-3）和LDE（-3）都沒有通過顯著性檢驗。考慮到變量BL（-1）、LDK（-3）和LDE（-3）之間可能存在相互影響，本文調整了大額貸款規模的滯后階數，變為LDE（-2）。這樣模型既消除BL（-1）、LDK（-3）和LDE（-3）之間潛在的相關性，又能反映前3期內各個時期的因素對當期不良貸款新增額的影響，使得模型更加完整。因此，本文將模型進一步調整為：
表4顯示了針對模型（3）的回歸結果。在5%的顯著性水平下，只有LDK（-3）沒有通過顯著性檢驗；而在10%的顯著性水平下，所有的變量都通過了顯著性檢驗，說明所有的解釋變量都對每月新增不良貸款額（BL）存在顯著的影響，并且該模型調整后的擬合優度為0.684470，擬合情況較好。模型顯著性檢驗的P值為0.000170，證明模型也通過了顯著性檢驗。此外，懷特檢驗的P值為0.1662，小于0.05，接受了原假設，說明不存在異方差，并且DW值為1.85較接近2，說明不存在序列自相關。因此，可以認為該模型是穩定可行的。此外，還可以看到，當期的CPI、GDP以及滯后三期的LDK和滯后兩期的LDE都對當期的新增不良貸款產生了正向的影響，而上一期的BL、CPI和GDP都對當期的新增不良貸款產生了負向的影響。最終得到模型的具體形式如下：
四、變量、數據和模型
（一）變量的選擇
商業銀行的小微貸款可以細分為消費貸款、經營貸款、汽車貸款、購房貸款等。考慮到在長期內商業銀行小微貸款的不良額中經營類貸款的變化較大，且在總體小微貸款的不良貸款中占據較大的比重，本文將以小微貸款中經營貸款為研究對象，以期更好地分析影響小微不良貸款額的因素。此外，在分析不同因素對商業銀行小微貸款不良額的影響時，同時考慮宏觀和微觀兩方面的影響。在宏觀因素方面，選取居民消費價格指數（CPI）和國民生產總值的增長率（GDP）兩個常用的宏觀經濟指標。在微觀方面，考慮到不良貸款的額度可能會受到貸款的投放規模以及貸款結構的影響，選取小微貸款中的經營貸款的規模（DK）和其中大額貸款的規模（DE）兩個變量。每月新增的經營類小微貸款不良額將作為本文的被解釋變量，并用BL表示。
（二）數據的選擇
本文以2011年1月至2013年4月為研究期間。微觀數據主要來自股份制商業銀行X在Y市的小微貸款數據。宏觀數據是從中經網數據庫中獲取的，其中居民消費價格指數（CPI）以2010年1月為基期進行了調整。由于公布的國民生產總值的增長率（GDP）是季度數據，本文將每個季度中三個月的GDP都調整成該數值。考慮到經營貸款的規模（DK）和其中大額貸款的規模（DE）兩個變量數目較大且變化較大，本文對其進行了對數處理以減少變量的離散程度，并分別用LDK和LDE表示。其中，大額貸款是指3000萬元以上的貸款。
（三）模型的建立
為了分析不同因素對小微南康家具企業不良貸款規模的影響，并且明確不同因素的影響程度，本文將利用EVIEWS7.0軟件，并選取常規的多元線性回歸模型進行分析。根據貸款的五級分類標準，貸款只有在延期3個月未歸還時才將其計入不良貸款。因此，在構建模型時，本文對變量經營類小微貸款的規模（LDK）及其大額貸款的規模（LDE）進行滯后三階的處理。本文的模型構建如下：
五、實證分析
（一）描述性統計分析
由于部分月份新增的不良貸款額為0，所以無法對不良貸款新增額（BL）進行對數化處理。因此，在表1 中，相較于其他變量，BL的波動較大，最小值為0，最大值為37140.100。經營類貸款和大額貸款規模經過對數化處理后，波動相對較小，特別是經營類貸款規模的標準差只有0.613。從表1中也可以看到，CPI在104.800與115.122之間波動，GDP在7.400與10.300之間波動，說明在2011年1月至2013年4月，總體的宏觀經濟形勢還是存在一定的波動，因此可以進一步考慮宏觀經濟形勢對不良貸款新增額的影響。
（二）平穩性檢驗
為了防止由于序列的不平穩造成偽回歸現象的出現，在對模型進行回歸前，首先對模型進行平穩性檢驗。本文利用ADF檢驗的方法對變量序列進行平穩性檢驗，結果如表2。從表中可以看出，所有變量的原序列都是不平穩的。經過一階差分處理后，變量序列在1%的顯著性水平下都是平穩的。因此，這些變量是一階單整的。
（三）協整檢驗
由于變量序列是一階單整的，滿足了協整檢驗的前提條件，可以進一步進行協整檢驗。首先對變量序列BL、LDK、LDE、CPI、GDP進行回歸。其次，對回歸產生的殘差序列進行單位根檢驗，得到ADF值為-4.252580，P值為0.0028，在1%的顯著性水平下拒絕了原假設。因此，變量之間存在協整關系。
（四）回歸分析
考慮到序列的不平穩以及變量的實際情況，為了更好地描述各個因素對不良貸款的影響，本文將對模型進行一定的調整。首先，由于宏觀經濟因素影響的持續性，本期的新增不良貸款額可能受到上期宏觀經濟因素的影響，因此引入滯后一階的宏觀經濟變量CPI（-1）和GDP（-1）。其次，由于我國商業銀行貸款投向較為集中，不同貸款之間可能存在一定的關聯性，本期的不良貸款新增額也可能受到上一期不良貸款額的影響，因此引入不良貸款新增額的滯后一階BL（-1）。回歸模型因此調整為：
表3顯示了對模型（2）的回歸結果。從P值來看，即使在10%的顯著性水平下，變量BL（-1）、LDK（-3）和LDE（-3）都沒有通過顯著性檢驗。考慮到變量BL（-1）、LDK（-3）和LDE（-3）之間可能存在相互影響，本文調整了大額貸款規模的滯后階數，變為LDE（-2）。這樣模型既消除BL（-1）、LDK（-3）和LDE（-3）之間潛在的相關性，又能反映前3期內各個時期的因素對當期不良貸款新增額的影響，使得模型更加完整。因此，本文將模型進一步調整為：
表4顯示了針對模型（3）的回歸結果。在5%的顯著性水平下，只有LDK（-3）沒有通過顯著性檢驗；而在10%的顯著性水平下，所有的變量都通過了顯著性檢驗，說明所有的解釋變量都對每月新增不良貸款額（BL）存在顯著的影響，并且該模型調整后的擬合優度為0.684470，擬合情況較好。模型顯著性檢驗的P值為0.000170，證明模型也通過了顯著性檢驗。此外，懷特檢驗的P值為0.1662，小于0.05，接受了原假設，說明不存在異方差，并且DW值為1.85較接近2，說明不存在序列自相關。因此，可以認為該模型是穩定可行的。此外，還可以看到，當期的CPI、GDP以及滯后三期的LDK和滯后兩期的LDE都對當期的新增不良貸款產生了正向的影響，而上一期的BL、CPI和GDP都對當期的新增不良貸款產生了負向的影響。最終得到模型的具體形式如下：