W badaniu nad czynnikami wpływającymi na spready między kredytami a depozytami wykorzystano zarówno dane roczne jak i miesięczne. Czynniki występujące w statystykach rocznych wykorzystane w badaniu to: tempo wzrostu PKB, współczynnik adekwatności kapitałowej, udział kredytów nieregularnych, relacja aktywów 5 największych banków do aktywów banków ogółem, udział funduszy własnych w pasywach przedsiębiorstw, relacja kredytów przedsiębiorstw do aktywów przedsiębiorstw oraz koszty banków i obciążenia fiskalne banków, natomiast w przypadku czynników występujących w statystykach miesięcznych można wymienić takie jak: inflacja, bezrobocie, sprzedaż detaliczna, długoterminowe stopy procentowe oraz agregaty pieniężne M3. Ma to na celu określenie, które z wymienionych czynników oddziałują i w jakim stopniu na spready stóp procentowych kredytów i depozytów. Badania empiryczne poprzedziła analiza literatury przedmiotu w zakresie zagadnienia dotyczącego spreadu między kredytem a depozytem oraz wykorzystania metod statystycznych do estymacji oddziaływania poszczególnych czynników przyjętych w rozprawie doktorskiej na spready stóp procentowych między kredytami a depozytami. Oprócz artykułów naukowych i literatury branżowej, wykorzystano opracowania międzynarodowych instytucji finansowych, w tym raportów banków centralnych: FEDU, Narodowego Banku Polskiego, Banku Anglii, Banku Światowego. Ponadto instytucji takich jak: FDIC, IMF, KNF, OCC, BFG i innych. Większość wykorzystanych źródeł literatury przedmiotu to źródła zagraniczne opublikowane w języku angielskim. Wynika to z faktu, że poruszony temat badawczy, został szerzej omówiony przez zagranicznych autorów. W celu przeanalizowania relacji pomiędzy spreadem między kredytem a depozytem, a wybranymi wskaźnikami na poziomie rocznym wykonano jednozmiennowe analizy regresji liniowej metodą najmniejszych kwadratów za pomocą funkcji lm(). W celu przeanalizowania relacji pomiędzy spreadem między kredytem a depozytem, a wybranymi wskaźnikami na poziomie miesięcznym wykonano jednozmiennowe hierarchiczne analizy regresji, ograniczoną metodą największej wiarygodności za pomocą funkcji lmer() z biblioteki lme4 [2].

In the study of the factors influencing the spreads between loans and deposits, both annual and monthly data were used. Factors appearing in the annual statistics used in the study are: GDP growth rate, capital adequacy ratio, share of non-performing loans, ratio of assets of the 5 largest banks to total banks' assets, share of own funds in corporate liabilities, ratio of corporate loans to corporate assets and costs banks and fiscal burden on banks, while in the case of factors appearing in monthly statistics, one can mention such as: inflation, unemployment, retail sales, long-term interest rates and M3 monetary aggregates. The purpose of this is to identify which of these factors are influencing and to what extent the spreads of interest rates on loans and deposits. Empirical research was preceded by an analysis of the literature on the subject in the field of the issue of the spread between credit and deposit and the use of statistical methods to estimate the impact of individual factors adopted in the doctoral dissertation on the spreads of interest rates between loans and deposits. In addition to scientific articles and industry literature, studies of international financial institutions were used, including reports from central banks such as the FED, the National Bank of Poland, the Bank of England, and the World Bank. In addition, institutions such as FDIC, IMF, KNF, OCC, BFG and others. Most of the literature sources used on the subject are foreign sources published in English. This is due to the fact that the discussed research topic has been more widely discussed by foreign authors. In order to analyze the relationship between the spread between the loan and the deposit and the selected ratios at the annual level, univariate linear regression analyzes were performed using the least squares method using the lm() function. In order to analyze the relationship between the spread between the loan and the deposit and the selected indices at the monthly level, univariate hierarchical regression analyzes were performed, limited by the maximum likelihood method using the lmer() function from the library lme4 [2].