• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于宏觀視角的商業(yè)銀行不良貸款影響因素的國際比較

      2015-09-16 16:21:02李佳
      時(shí)代金融 2015年24期

      【摘要】本文選擇國內(nèi)生產(chǎn)總值、固定資產(chǎn)投資總額、廣義貨幣供應(yīng)量、居民消費(fèi)物價(jià)指數(shù)、進(jìn)出口總額這五個(gè)宏觀經(jīng)濟(jì)指標(biāo),利用相關(guān)分析、共線性診斷、主成分回歸分析等方法建立模型來研究對2000~2013年16個(gè)國家商業(yè)銀行不良貸款率的影響程度。實(shí)證結(jié)果表明:各國不同宏觀經(jīng)濟(jì)因素確實(shí)會(huì)對商業(yè)銀行不良貸款率產(chǎn)生一定的影響,但是影響的程度和方向存在一定的差異。就中國而言,不能過多依賴相關(guān)宏觀經(jīng)濟(jì)指標(biāo)來進(jìn)行調(diào)整,可能需要借助于除宏觀因素以外的其他因素配合來降低不良貸款率。

      【關(guān)鍵詞】不良貸款率 宏觀經(jīng)濟(jì)因素 主成分回歸

      中圖分類號(hào):F830.33 文獻(xiàn)標(biāo)識(shí)碼:A

      一、引言

      我國商業(yè)銀行的不良貸款率呈大幅下降趨勢,從2000年的22.4%下降到2013年的1%,已基本上和國際平均水平持平,但是從不良貸款的具體數(shù)值來看,依然增勢明顯。截止到2013年末我國商業(yè)銀行不良貸款總額為5921億元,相當(dāng)于2013年國內(nèi)生產(chǎn)總值的1.04%,較高的不良資產(chǎn)對我國銀行業(yè)健康的發(fā)展是一個(gè)挑戰(zhàn)。一般來說,國際上發(fā)生的金融危機(jī)大多與銀行體系巨額的不良貸款有關(guān),當(dāng)信貸資產(chǎn)質(zhì)量不能得到保證時(shí),銀行體系的安全就會(huì)受到威脅。[1]因此研究不良貸款產(chǎn)生的原因,并提出有針對性的改進(jìn)措施顯得非常重要。

      國內(nèi)的研究大多側(cè)重于單純從國內(nèi)銀行或者企業(yè)角度展開分析,缺乏基于宏觀因素實(shí)證分析的國際比較。事實(shí)上宏觀經(jīng)濟(jì)因素的變動(dòng)會(huì)改變借款人的經(jīng)營環(huán)境,間接導(dǎo)致無法按期償還借款的可能性增加,最終影響到銀行的貸款運(yùn)行質(zhì)量。[2]基于此,橫向的國家與國家之間的比較,可使得研究具備更好的可比性和參考性。故本文在參考國內(nèi)外文獻(xiàn)的基礎(chǔ)上,選擇若干個(gè)宏觀經(jīng)濟(jì)影響因素來分析對商業(yè)銀行不良貸款產(chǎn)生的影響程度,通過分析2000年~2013年14年的數(shù)據(jù),把中國和其他15個(gè)國家影響程度進(jìn)行比較,得出不同國家不良貸款影響因素的差異,并提出相應(yīng)的對策建議。

      二、變量的選取和數(shù)據(jù)的說明

      (一)變量的選取

      本文在選擇實(shí)證模型的解釋變量時(shí),考慮到指標(biāo)的代表性、經(jīng)濟(jì)意義和數(shù)據(jù)的可得性,綜合國內(nèi)外文獻(xiàn)資料,選取了國內(nèi)生產(chǎn)總值(X1)、固定資產(chǎn)投資總額(X2)、廣義貨幣供應(yīng)量(X3)、居民消費(fèi)物價(jià)指數(shù)(X4)、進(jìn)出口總額(X5)這五個(gè)指標(biāo)來研究對不同國家商業(yè)銀行不良貸款率的影響程度。

      國內(nèi)生產(chǎn)總值是反映一國經(jīng)濟(jì)增長和宏觀經(jīng)濟(jì)周期運(yùn)行狀況的最核心指標(biāo),[3]一國經(jīng)濟(jì)增長情況越好,則企業(yè)的經(jīng)營環(huán)境越好,其償債能力就越強(qiáng),形成銀行不良貸款的概率就越??;一國固定資產(chǎn)投資總量越大,對經(jīng)濟(jì)的拉動(dòng)作用越好,企業(yè)的還款能力就會(huì)增強(qiáng),會(huì)在一定程度上制約銀行不良貸款的形成概率;廣義貨幣供應(yīng)量的增加可以推動(dòng)國民經(jīng)濟(jì)的發(fā)展,間接使得企業(yè)還款能力得到增強(qiáng),形成銀行不良貸款的概率就越??;[4]通貨膨脹率越高,無形會(huì)增加企業(yè)和個(gè)人的生存成本,降低其還款的意愿,導(dǎo)致銀行不良貸款有大量增加的可能性,本文主要選取居民消費(fèi)價(jià)格指數(shù)(CPI)進(jìn)行分析;除此之外,國內(nèi)經(jīng)濟(jì)貿(mào)易的變化也會(huì)在一定程度上對銀行不良貸款的變化產(chǎn)生影響,兩者呈反向變動(dòng)關(guān)系。[5]從以上的理論分析中可以看出,本文選取的五個(gè)解釋變量除了居民消費(fèi)價(jià)格指數(shù)(CPI)與被解釋變量不良貸款比率呈正比關(guān)系外,其余均與被解釋變量不良貸款比率呈反比關(guān)系。

      (二)數(shù)據(jù)的選取

      本文主要選取世界上主要的16個(gè)國家,對不同國家商業(yè)銀行不良貸款受其宏觀經(jīng)濟(jì)相關(guān)因素間接影響程度展開比較分析?;跀?shù)據(jù)的可得性及數(shù)據(jù)的完整性,這里刪除了數(shù)據(jù)不完整的一些國家,16個(gè)國家主要包括阿根廷(英文縮寫AR,下同)、澳大利亞(AU)、巴西(BR)、韓國(KP)、俄羅斯聯(lián)邦(RU)、加拿大(CA)、墨西哥(MX)、美國(US)、南非(ZA)、日本(JP)、沙特阿拉伯(SA)、土耳其(TR)、英國(GB)、印度尼西亞(ID)、印度(IN)、中國(CN),涉及到發(fā)達(dá)國家、發(fā)展中國家,有一定的代表性。

      本文收集整理的相關(guān)國家不良貸款率的數(shù)據(jù)主要來源于世界銀行網(wǎng)站相關(guān)數(shù)據(jù),基于計(jì)量單位統(tǒng)一性的要求,本文選取的五個(gè)解釋變量涉及到的16個(gè)國家的2000年~2013年相關(guān)數(shù)據(jù)統(tǒng)一來源于EIU country data,其中國內(nèi)生產(chǎn)總值、總固定投資支出、進(jìn)出口貿(mào)易總額單位為10億美元,廣義貨幣供應(yīng)量根據(jù)不同國家貨幣與美元的年平均匯率轉(zhuǎn)化為10億美元為單位,居民消費(fèi)物價(jià)指數(shù)以2005年為基期。主要采用SPSS軟件,對16個(gè)國家的相關(guān)因素分別進(jìn)行實(shí)證檢驗(yàn)。

      三、實(shí)證分析過程

      (一)相關(guān)性分析

      本文主要選用Pearson模型進(jìn)行非參數(shù)相關(guān)分析。表1的結(jié)果顯示,除了俄羅斯聯(lián)邦以外,其他15個(gè)國家的因變量與自變量五個(gè)指標(biāo)的相關(guān)性都比較強(qiáng),基本可以通過5%或1%的雙側(cè)檢驗(yàn),但是不同國家的相關(guān)性檢驗(yàn)結(jié)果存在一定的差異。超過三分之二國家的不良貸款比率與自變量國內(nèi)生產(chǎn)總值、固定資產(chǎn)投資總額、廣義貨幣供應(yīng)量、居民消費(fèi)物價(jià)指數(shù)、進(jìn)出口總額這五個(gè)指標(biāo)都呈現(xiàn)負(fù)相關(guān)的關(guān)系,這與上文的理論分析基本一致。但澳大利亞和南非這兩個(gè)國家的不良貸款比率與五個(gè)因變量指標(biāo)都呈現(xiàn)正相關(guān)的關(guān)系,這與上文的理論分析相反,且南非在廣義貨幣供應(yīng)量、進(jìn)出口總額這兩個(gè)指標(biāo)上缺乏一定的相關(guān)性。部分國家存在著因變量和自變量相關(guān)性不一致的情況,如美國、英國這兩個(gè)國家的不良貸款比率除了與固定資產(chǎn)投資總額呈現(xiàn)負(fù)相關(guān)系外,與其他四個(gè)因變量均呈現(xiàn)正相關(guān)關(guān)系,而日本的不良貸款比率除了與居民消費(fèi)物價(jià)指數(shù)呈現(xiàn)正相關(guān)系外,與其他四個(gè)因變量均呈現(xiàn)負(fù)相關(guān)關(guān)系?;诖?,說明建立的模型具有一定的合理性,可以建立因變量與多個(gè)自變量的相關(guān)回歸模型進(jìn)行實(shí)際檢驗(yàn)。

      表1 16個(gè)國家因變量和自變量的相關(guān)性檢驗(yàn)

      其中(**)表示P<0.01,(*)表示P<0.05。

      (二)共線性診斷

      從表1的相關(guān)性檢驗(yàn)結(jié)果可以看出,自變量的相關(guān)性較為明顯,可能會(huì)出現(xiàn)嚴(yán)重的共線性,需要對回歸方程中的變量進(jìn)行共線性診斷。[6]由于樣本國家有16個(gè),基于文章篇幅的限制,本文僅列出中國的共線性診斷結(jié)果。從結(jié)果看,五個(gè)變量的方差擴(kuò)大因子分別為VIF1=618.765,VIF2=494.946,VIF3=55.784,VIF4=123.287,VIF5 =89.585,全部大于10,可見自變量之間存在較強(qiáng)的多重共線性。對其他15個(gè)國家共線性診斷的結(jié)果證實(shí)了這個(gè)結(jié)論,因此需要采用主成分分析法提取公因子,消除多重共線性。

      (三)主成分分析過程

      在SPSS軟件中運(yùn)行factor過程,進(jìn)行KMO檢驗(yàn)和巴特利球度(Bartlett)檢驗(yàn),判斷16個(gè)國家的相關(guān)自變量是否存在明顯的相關(guān)性。結(jié)果表明KMO值全部都大于0.6,Bartlett值除了日本低于100外,其余15個(gè)國家均大于100,即自變量之間存在明顯相關(guān)性,可以進(jìn)行主成分分析。

      表2 主成分的累積方差明細(xì)表(以中國為例)

      運(yùn)用統(tǒng)計(jì)軟件SPSS對16個(gè)國家自變量X1、X2、X3、X4和X5分別進(jìn)行主成分分析,根據(jù)主成分對應(yīng)的特征值大于1的原則提取公因子,16個(gè)國家的主成分累計(jì)方差明細(xì)表顯示,均只能提取一個(gè)因子作為公共因子,可用F表示。以中國為例,如表2所示,提取前一個(gè)因子(特征值=4.945)作為公共因子,其方差貢獻(xiàn)率為98.902%>70%,可將此公共因子命名為宏觀經(jīng)濟(jì)因子,用F來表示,宏觀經(jīng)濟(jì)因子的線性組合表示為:

      F=0.449X1+0.448X2+0.444X3+0.448X4+0.446X5。

      其余15個(gè)國家按照此步驟依次得出各自宏觀經(jīng)濟(jì)因子的線性組合。

      下文主要基于宏觀經(jīng)濟(jì)因子對因變量的影響程度進(jìn)行線性回歸,16個(gè)國家的結(jié)果如表3所示。

      表3 16個(gè)國家宏觀經(jīng)濟(jì)因子對不良貸款率回歸結(jié)果

      (四)實(shí)證結(jié)果分析

      1.表3的結(jié)果顯示,美國、澳大利亞、俄羅斯聯(lián)邦、南非和英國五個(gè)國家的因變量和宏觀經(jīng)濟(jì)因子的回歸系數(shù)為正,即每增加一個(gè)主成分單位,不良貸款比率也會(huì)增加,但英國和俄羅斯聯(lián)邦相應(yīng)回歸方程的顯著性偏弱,解釋能力不強(qiáng)。英國相應(yīng)回歸方程結(jié)果顯示,宏觀經(jīng)濟(jì)因子系數(shù)的t值為0.913,顯著性概率大于0.05,且R平方僅為0.065,擬合優(yōu)度太低。俄羅斯聯(lián)邦相應(yīng)回歸方程結(jié)果顯示,宏觀經(jīng)濟(jì)因子系數(shù)的t值為0.904,顯著性概率大于0.05,且R平方僅為0.064,擬合優(yōu)度太低,所以這兩個(gè)國家反映出的回歸結(jié)果不具有一定的代表性和顯著性。

      表4 3個(gè)國家不良貸款比率和五個(gè)宏觀經(jīng)濟(jì)因素的回歸結(jié)果

      2.將美國、澳大利亞和南非用F表示的宏觀經(jīng)濟(jì)因子的線性組合代入上述回歸方程中,可得到不良貸款比率和五個(gè)宏觀經(jīng)濟(jì)因素的回歸方程,如表4所示。通過比較后可看出,五個(gè)宏觀經(jīng)濟(jì)因素對不良貸款比率的影響均為正相關(guān)關(guān)系,即國內(nèi)生產(chǎn)總值、固定資產(chǎn)投資總額、廣義貨幣供應(yīng)量、居民消費(fèi)物價(jià)指數(shù)、進(jìn)出口總額的增加對降低不良貸款比率均有負(fù)向阻礙作用,這與理論分析不一致。其中南非在降低不良貸款比例中所受到宏觀因素影響的程度更大,較于澳大利亞和美國,南非的五個(gè)宏觀因素規(guī)模數(shù)值的增加會(huì)相對較大幅度提高該國的不良貸款比率。表4中的數(shù)據(jù)顯示,南非、澳大利亞、美國的國內(nèi)生產(chǎn)總值每增長1%,對應(yīng)國家的不良貸款率分別上升0.003199%,0.000481%和0.000481%,其中南非的國內(nèi)生產(chǎn)總值對該國商業(yè)銀行不良貸款的影響程度要略高于澳大利亞和美國,另四個(gè)宏觀因素的影響同樣具備這樣的特點(diǎn)。此外,美國和南非的國內(nèi)生產(chǎn)總值的增加導(dǎo)致不良貸款比例上升的幅度是最大的,而澳大利亞的消費(fèi)物價(jià)指數(shù)上升對惡化該國商業(yè)銀行不良貸款比率影響更大。

      3.表3的結(jié)果顯示,阿根廷、巴西、韓國、加拿大、墨西哥、日本、沙特阿拉伯、土耳其、印度尼西亞、印度、中國11個(gè)國家的因變量和宏觀經(jīng)濟(jì)因子的回歸系數(shù)為負(fù),即每增加一個(gè)主成分單位,不良貸款比率將會(huì)降低,大部分國家的檢驗(yàn)結(jié)果具有較強(qiáng)的顯著性,擬合優(yōu)度較好,有一定的解釋力。但加拿大反映出的回歸結(jié)果顯著性偏弱,宏觀經(jīng)濟(jì)因子系數(shù)的t值為-1.933,顯著性概率大于0.05,解釋能力被削弱。

      表5 11個(gè)國家不良貸款比率和五個(gè)宏觀經(jīng)濟(jì)因素的回歸結(jié)果

      4.將以上11個(gè)國家用F表示的宏觀經(jīng)濟(jì)因子的線性組合分別代入上述回歸方程中,可得到不良貸款比率和五個(gè)宏觀經(jīng)濟(jì)因素的回歸方程,如表5所示。通過比較后發(fā)現(xiàn),只有日本的不良貸款比率和相關(guān)自變量的關(guān)系符合上文的假設(shè)預(yù)期,即日本的國內(nèi)生產(chǎn)總值、固定資產(chǎn)投資總額、廣義貨幣供應(yīng)量和進(jìn)出口總額的增加都會(huì)降低該國銀行的不良貸款比率,居民消費(fèi)物價(jià)指數(shù)的增加會(huì)提高該國銀行的不良貸款比率。其余10個(gè)國家的五個(gè)宏觀經(jīng)濟(jì)因素對不良貸款比率的影響均為負(fù)相關(guān)關(guān)系,即國內(nèi)生產(chǎn)總值、固定資產(chǎn)投資總額、廣義貨幣供應(yīng)量、居民消費(fèi)物價(jià)指數(shù)、進(jìn)出口總額的增加對降低不良貸款比率均有正向的促進(jìn)作用,這與前述的假設(shè)不一致。

      五個(gè)自變量中國內(nèi)生產(chǎn)總值的變化對銀行不良貸款的影響程度更大,尤以阿根廷、印度尼西亞為代表,每增加1%的國內(nèi)生產(chǎn)總值將會(huì)導(dǎo)致阿根廷、印度尼西亞商業(yè)銀行不良貸款平均降低0.014%、0.013%,這對降低不良貸款貢獻(xiàn)度最大,效果也是最佳的。但是反觀中國的實(shí)證結(jié)果發(fā)現(xiàn),中國在利用發(fā)展經(jīng)濟(jì),保持經(jīng)濟(jì)持續(xù)穩(wěn)定增長以提高國內(nèi)生產(chǎn)總值來間接降低商業(yè)銀行不良貸款比率的效果上表現(xiàn)不佳,在11個(gè)國家的排序中屬于中后位置。即中國每增加1%的國內(nèi)生產(chǎn)總值只會(huì)使得不良貸款平均降低0.000449%,和阿根廷、印度尼西亞相比而言差距較大。

      此外,對降低不良貸款比率影響較明顯的其他宏觀因素表現(xiàn)在不同的國家有一定的差異,如阿根廷、日本、巴西、土耳其等國家的進(jìn)出口總額的增加對于不良貸款率的下降有較大的影響,進(jìn)出口貿(mào)易總額每增加1%,將會(huì)使不良貸款率分別下降至0.0143%、0.0025%、0.00090%、0.0072%,尤其以阿根廷的表現(xiàn)最好。墨西哥、印度尼西亞和印度這三個(gè)國家的廣義貨幣供應(yīng)量的增加對于不良貸款率的下降有較大的貢獻(xiàn),韓國、沙特阿拉伯、中國的固定資產(chǎn)投資增長對不良貸款率下降的影響更明顯。加拿大、中國也在某種程度上可能依賴于國內(nèi)通貨膨脹水平的提高來抑制不良貸款率的提高,這和我們的理論分析不相符。盡管其他9個(gè)國家(除了日本)這一指標(biāo)也和不良貸款率呈反比關(guān)系,但是所反映的影響程度并不明顯。如巴西、土耳其、印尼、印度等國,其居民消費(fèi)物價(jià)指數(shù)增長彈性分別只有0.00088%、0.007056%、0.01290%、0.00089%。

      四、結(jié)論和建議

      (一)商業(yè)銀行不良貸款率確實(shí)會(huì)受到各國不同宏觀經(jīng)濟(jì)因素的影響,但是影響的程度和方向存在一定的差異

      經(jīng)濟(jì)水平在某個(gè)區(qū)域發(fā)展越好的國家,其不良貸款與本國經(jīng)濟(jì)發(fā)展?fàn)顩r的相關(guān)性越不明顯,反而會(huì)起到一定的制約作用,即國內(nèi)生產(chǎn)總值、固定資產(chǎn)投資總額、廣義貨幣供應(yīng)量、居民消費(fèi)物價(jià)指數(shù)、進(jìn)出口總額的增加對降低不良貸款比率均有負(fù)向阻礙作用。如美洲的美國、非洲的南非和大洋洲的澳大利亞均屬于此類國家,即這些國家反而需要減慢相關(guān)經(jīng)濟(jì)發(fā)展指標(biāo),尤其表現(xiàn)為控制國內(nèi)生產(chǎn)總值過快增長,來避免過高的不良貸款可能給經(jīng)濟(jì)帶來的負(fù)面影響。

      經(jīng)濟(jì)水平在某個(gè)區(qū)域發(fā)展處于中等水平的國家,其不良貸款與本國經(jīng)濟(jì)發(fā)展?fàn)顩r的相關(guān)性會(huì)較明顯,即國內(nèi)生產(chǎn)總值、固定資產(chǎn)投資總額、廣義貨幣供應(yīng)量、居民消費(fèi)物價(jià)指數(shù)、進(jìn)出口總額的增加對降低不良貸款比率均有正向的促進(jìn)作用,這些國家可以通過提高經(jīng)濟(jì)增長發(fā)展水平、增加固定資產(chǎn)投資,同時(shí)擴(kuò)大消費(fèi)和保持進(jìn)出口的平穩(wěn)增長,從而起到降低銀行不良貸款比率的作用。

      (二)國內(nèi)生產(chǎn)總值是影響商業(yè)銀行不良貸款率高低的最顯著因素

      其中阿根廷的商業(yè)銀行不良貸款率受到宏觀經(jīng)濟(jì)因素的影響程度最大,其次是印度尼西亞和土耳其,而中國商業(yè)銀行不良貸款率受到相關(guān)因素影響的程度較小。阿根廷、印度尼西亞和土耳其這三個(gè)國家可以通過提高相關(guān)經(jīng)濟(jì)指標(biāo)來達(dá)到降低不良貸款減少銀行業(yè)風(fēng)險(xiǎn)的作用。但就中國而言,則不能過多依賴于相關(guān)宏觀經(jīng)濟(jì)指標(biāo)來進(jìn)行調(diào)整,可能需要進(jìn)一步完善商業(yè)銀行經(jīng)營體制,提高自身防范風(fēng)險(xiǎn)能力和意識(shí),借助于除宏觀因素以外的其他因素配合來降低不良貸款率。

      此外,實(shí)證結(jié)果還表明,中國的不良貸款率和通貨膨脹影響為負(fù)相關(guān)的程度比較明顯,這可能和本國相應(yīng)的制度、政策環(huán)境和消費(fèi)投資習(xí)慣有關(guān)。為了降低經(jīng)濟(jì)過熱給國內(nèi)經(jīng)濟(jì)造成的負(fù)面影響,央行等職能部門會(huì)采取一定的經(jīng)濟(jì)手段而不是完全市場化的行為來抑制國內(nèi)的投資,會(huì)設(shè)置門檻提高貸款利率或制定限購政策減少房地產(chǎn)等的投資活動(dòng),使得企業(yè)、個(gè)人較難從銀行等金融機(jī)構(gòu)取得貸款。銀監(jiān)會(huì)也會(huì)要求各銀行加大對每筆貸款的審核力度以防范風(fēng)險(xiǎn),減少不符合標(biāo)準(zhǔn)的貸款發(fā)放量,從而提高貸款的整體質(zhì)量。

      參考文獻(xiàn)

      [1]莊毓敏.商業(yè)銀行業(yè)務(wù)與經(jīng)營[M].北京:中國人民大學(xué)出版社,2010.

      [2]肖梓光.銀行不良貸款形成與區(qū)域經(jīng)濟(jì)相關(guān)性的實(shí)證分析[J],統(tǒng)計(jì)與決策,2013,(15):171-173.

      [3]梁秋霞.我國商業(yè)銀行不良貸款影響因素的實(shí)證分析[J],吉林工商學(xué)院學(xué)報(bào),2012,(1):69-74.

      [4]程思勱.影響我國商業(yè)銀行不良貸款因素的實(shí)證分析[J],棗莊學(xué)院學(xué)報(bào),2012,(10):88-90.

      [5]李思慧,顏向農(nóng).商業(yè)銀行不良貸款與宏觀經(jīng)濟(jì)因素相關(guān)性實(shí)證分析[J],時(shí)代金融,2007,(8):45-46.

      [6]謝冰.商業(yè)銀行不良貸款的宏觀經(jīng)濟(jì)影響因素分析[J],財(cái)經(jīng)理論與實(shí)踐,2009,(11):22-25.

      作者簡介:李佳(1982-),女,漢族,江蘇南京人,任職于三江學(xué)院經(jīng)法學(xué)院,研究方向:金融。

      松溪县| 芮城县| 日喀则市| 凌源市| 武穴市| 九寨沟县| 金秀| 平和县| 凌云县| 额尔古纳市| 绍兴市| 阜阳市| 靖西县| 定安县| 巍山| 尼玛县| 汉中市| 体育| 嘉义县| 泸水县| 贵南县| 武定县| 申扎县| 嘉鱼县| 正安县| 巴塘县| 孟州市| 重庆市| 冀州市| 白沙| 滨海县| 英超| 永仁县| 敖汉旗| 城口县| 平阳县| 晋宁县| 定陶县| 珲春市| 板桥市| 鹤峰县|