呂 健

(上海金融學(xué)院經(jīng)濟(jì)系，上海201209)

一、引言及文獻(xiàn)回顧

高效、完善的金融體系是轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式、實施宏觀調(diào)控政策的基礎(chǔ)和保證，因此，金融業(yè)的發(fā)展水平和發(fā)展效率處于何種狀態(tài)，對中國經(jīng)濟(jì)社會全面可持續(xù)發(fā)展至關(guān)重要。1997年以來，中國金融體制改革進(jìn)入市場金融體系框架的調(diào)整和充實階段，剝離不良資產(chǎn)、實行分業(yè)監(jiān)管、發(fā)展資本市場、國有銀行商業(yè)化以及完善法制建設(shè)等一系列舉措，有力地促進(jìn)了中國各個省、自治區(qū)、直轄市(下文將簡稱為“省域”)金融業(yè)的發(fā)展。學(xué)術(shù)界通常以Goldsmith(1969)提出的金融相關(guān)比率(Financial Interrelations Ratio，F(xiàn)IR)來衡量一個國家或地區(qū)的金融發(fā)展水平［1］，通過測算①本文關(guān)于金融相關(guān)比率的測算方法，在第二部分內(nèi)容有詳細(xì)介紹。，我們發(fā)現(xiàn)，1997-2011年，除了個別省域外，中國絕大部分省域的金融相關(guān)比率都獲得了不同程度的提高(如圖1所示)。

圖1 中國各省域金融相關(guān)比率情況

2006年底，新的外資銀行管理條例的實施，標(biāo)志著中國履行承諾，對外資銀行全面開放人民幣業(yè)務(wù)。外資法人銀行從最初的9家增加到2011年的39家，外資分行也達(dá)到93家。隨著外資金融機(jī)構(gòu)以各種形式快速涌入中國金融市場，中國金融業(yè)惟有以提高效率和生產(chǎn)率、增強(qiáng)競爭力才能抵御外資金融機(jī)構(gòu)的強(qiáng)烈沖擊。另一方面，金融業(yè)發(fā)展效率的全面提升，也有利于資金要素在全社會范圍內(nèi)的優(yōu)化配置，有利于國家宏觀調(diào)控、推動經(jīng)濟(jì)穩(wěn)定健康發(fā)展。事實上，與實際部門類似，全要素生產(chǎn)率既是金融業(yè)發(fā)展效率變化的源泉，又是影響其核心競爭力的重要因素。因此，自20世紀(jì)90年代以來，金融業(yè)全要素生產(chǎn)率成為國內(nèi)外學(xué)者共同關(guān)注的焦點之一。

在國外學(xué)術(shù)界，關(guān)于金融業(yè)全要素生產(chǎn)率的研究大多與銀行效率的研究交織在一起。而銀行效率問題則可以追溯到上個世紀(jì)50年代，并在90年代之后逐漸成為研究的重點。此類研究主要包括以下方面:

第一，對規(guī)模經(jīng)濟(jì)的研究。Alhadeff(1954)以美國210家銀行為研究對象，通過實證分析，發(fā)現(xiàn)銀行業(yè)存在著遞增的產(chǎn)出規(guī)模效率和遞減的成本規(guī) 模 效 率［2］。Benston、Hanweck 和 Humphrey(1981)的研究結(jié)果認(rèn)為，中等規(guī)模銀行比大型銀行和小型銀行更具規(guī)模效率的優(yōu)勢，原因是銀行的經(jīng)營成本曲線呈現(xiàn)出相對平坦的U型狀態(tài)［3］。McKillop、Glass和Morikawa(1996)通過對日本大型商業(yè)銀行的效率分析，發(fā)現(xiàn)了總體規(guī)模經(jīng)濟(jì)［4］。Karafolas和Mantakas(1996)的實證研究結(jié)果顯示，希臘商業(yè)銀行在營業(yè)成本方面也具有規(guī)模經(jīng)濟(jì)［5］。

第二，對生產(chǎn)效率的研究。涉及的研究方法不外乎兩種，一是參數(shù)分析方法，如 Berger和Humphrey(1997)采用隨機(jī)前沿分析法(Stochastic Frontier Approach，SFA)對美國銀行業(yè)的效率進(jìn)行了實證分析，認(rèn)為銀行規(guī)模、組織形式以及政府監(jiān)管是影響銀行效率的主要因素［6］。Isik和Hassan(2002)也以此類方法研究了土耳其商業(yè)銀行的效率，并進(jìn)一步分析了銀行規(guī)模、公司治理結(jié)構(gòu)、產(chǎn)權(quán)制度和政府監(jiān)管對銀行效率的影響［7］。類似的研究還有 Berger和 De Young(1997)［8］，Rossi、Schwaiger 和 Winkler(2005)［9］，Shu 和 Strassmann(2005)［10］等等。二是非參數(shù)分析方法。Wheelock和Wilson(1999)運(yùn)用Malmquist生產(chǎn)率指數(shù)分析法，對美國商業(yè)銀行的生產(chǎn)率變化進(jìn)行了研究，發(fā)現(xiàn)在1984-1993年間銀行的生產(chǎn)率是下降的［11］。Maudos和 Pastor(2003)［12］、Hasan和Marton(2003)［13］利用數(shù)據(jù)包絡(luò)分析法(Data Envelopment Analysis，DEA)分別對西班牙和匈牙利的商業(yè)銀行效率進(jìn)行了實證研究，并比較了利潤效率和成本效率之間的關(guān)系。Park和Weber(2006)在估計韓國銀行業(yè)無效率值的基礎(chǔ)上，測算出全要素生產(chǎn)率，發(fā)現(xiàn)技術(shù)進(jìn)步促進(jìn)了全要素生產(chǎn)率的增長［14］。

第三，對轉(zhuǎn)型國家銀行效率的研究。Fries和Taci(2005)［15］和 Bonin、Hassan 和 Wachtel(2005)［16］的研究都表明，在轉(zhuǎn)型國家的銀行業(yè)，私有化或外資所有權(quán)主導(dǎo)化未必能夠促進(jìn)銀行效率的提高。而 Fu 和 Heffernan(2005)［17］，Ariff和Can(2008)［18］運(yùn)用非參數(shù)分析法，分別對中國的14家和28家商業(yè)銀行的成本效率和盈利效率進(jìn)行了全面分析，則發(fā)現(xiàn)股份制商業(yè)銀行的成本效率和盈利效率普遍比國有銀行高。Berger、Hansan和Zhou(2009)系統(tǒng)地比較了中國四大國有銀行與其他不同類型銀行的效率差別［19］。Lin和Zhang(2009)也對中國銀行效率做了類似的研究［20］。此外，Nakane和Weintraub(2005)針對巴西銀行業(yè)的研究發(fā)現(xiàn)，州有銀行的全要素生產(chǎn)率低于私有銀行，民營化則提高了州有銀行的全要素生產(chǎn)率［21］。

在進(jìn)入21世紀(jì)之后，國內(nèi)學(xué)術(shù)界，關(guān)于金融業(yè)(更多的是銀行業(yè))效率的實證研究也日益活躍起來，大多采用的是SFA和DEA方法來論證中國銀行業(yè)生產(chǎn)的有效性。這些研究主要是按照以下兩條思路展開。

一是關(guān)于銀行業(yè)效率的研究。魏煜、王麗(2000)運(yùn)用DEA方法，對中國商業(yè)銀行的技術(shù)效率、純技術(shù)效率、規(guī)模效率和規(guī)模報酬進(jìn)行了實證分析，并指出了提升銀行效率的主要途徑［22］。張健華(2003)在利用Malmquist生產(chǎn)率指數(shù)測算出中國41家銀行效率值的基礎(chǔ)上，分析得出股份制商業(yè)銀行的效率水平高于國有商業(yè)銀行的結(jié)論［23］。此外，劉志新、劉琛(2004)［24］，何蛟、傅強(qiáng)等(2010)［25］，周逢民、張會元等(2010)［26］，蘆峰、劉維奇等(2012)［27］的研究也得出了與此類似的結(jié)論。謝升峰、李慧珍(2011)在規(guī)模報酬不變和可變條件下，研究了外資銀行對國內(nèi)銀行效率的影響［28］。曾儉華(2011)也利用Malmquist生產(chǎn)率指數(shù)分析了國際化經(jīng)營對中國商業(yè)銀行效率的影響［29］。進(jìn)一步地，朱南、卓賢等(2004)通過 DEA“超效率”模型，指出了員工冗多、產(chǎn)權(quán)模糊和贏利能力差分別是大型國有銀行短期和長期低效率的主要原因［30］。謝朝華、段軍山(2005)［31］和王聰、譚政勛(2007)［32］分別采用 DEA和 SFA方法，對影響中國商業(yè)銀行效率的因素進(jìn)行了分析，結(jié)論認(rèn)為宏觀因素、產(chǎn)權(quán)制度、市場結(jié)構(gòu)、政府監(jiān)管等是影響銀行效率的主要因素。張健華、王鵬(2011)認(rèn)為市場集中度、國有銀行控股比例以及金融發(fā)展深度也是影響中國銀行效率的重要因素［33］。姚樹潔、馮根福等(2004)［34］，徐傳諶、齊樹天(2005)［35］和吳棟、周建平(2007)［36］等人通過SFA分析，給出了提升中國商業(yè)銀行效率的具體方法和路徑。

二是關(guān)于銀行業(yè)全要素生產(chǎn)率的研究。柯孔林、馮宗憲(2008)通過對中國14家商業(yè)銀行全要素生產(chǎn)率、技術(shù)效率和技術(shù)變化進(jìn)行實證檢驗，發(fā)現(xiàn)全要素生產(chǎn)率在技術(shù)進(jìn)步的作用下持續(xù)增長［37］。陳宇峰(2009)進(jìn)行了實證研究之后，認(rèn)為金融市場化改革過程中，中國商業(yè)銀行的全要素生產(chǎn)率在不斷提升，銀行效率在不斷改善，其驅(qū)動力由原先的制度改革轉(zhuǎn)變?yōu)閮?nèi)部管理［38］。袁穎(2010)認(rèn)為，中國國有上市商業(yè)銀行自從改革之后，全要素生產(chǎn)率整體呈現(xiàn)上升趨勢，但個別大型商業(yè)銀行的全要素生產(chǎn)率是下降的［39］。羅茜、蒲勇健等(2010)運(yùn)用三階段Malmquist指數(shù)分析法進(jìn)行研究之后，指出中國商業(yè)銀行全要素生產(chǎn)率出現(xiàn)了改進(jìn)，主要源自技術(shù)進(jìn)步，但是，金融危機(jī)的爆發(fā)使得中國銀行業(yè)整體生產(chǎn)率大幅度下降［40］。姜鑫、顧曉安等(2011)的研究也取得了與之相似的結(jié)論［41］。王兵、朱寧(2011)測算了不良貸款約束下的中國商業(yè)銀行全要素生產(chǎn)率，發(fā)現(xiàn)該指標(biāo)是增長的，且股份制商業(yè)銀行要高于大型商業(yè)銀行，外資銀行的進(jìn)入是一個重要的影響因素［42］。同時，另外一些學(xué)者得出了與此相反的結(jié)論。蔡躍洲、郭梅軍(2009)的研究發(fā)現(xiàn)，2004年以來中國上市商業(yè)銀行全要素生產(chǎn)率總體略有下降，其中技術(shù)變化出現(xiàn)了下降，這種下降與宏觀調(diào)控和貨幣信貸政策有關(guān)，另外，股份制改革有助于銀行效率的提高［43］。袁曉玲、張寶山(2009)運(yùn)用DEA-Malmquist方法分析后，發(fā)現(xiàn)中國商業(yè)銀行的全要素生產(chǎn)率整體呈現(xiàn)下降趨勢，同時指出了影響全要素生產(chǎn)率提高和降低的若干重要因素［44］。仲深、王春宇(2012)對中國商業(yè)銀行的全要素生產(chǎn)率及其分解指數(shù)進(jìn)行了分析，結(jié)果顯示中國商業(yè)銀行的全要素生產(chǎn)率整體呈現(xiàn)出下降趨勢，其中技術(shù)進(jìn)步指數(shù)的下降幅度較大［45］。

本文與國內(nèi)外現(xiàn)有研究不同的是:(1)在金融業(yè)全要素生產(chǎn)率的測算上，相關(guān)的研究多以銀行業(yè)的某些變量作為產(chǎn)出指標(biāo)，通過(非)參數(shù)分析方法，測算銀行業(yè)的效率或者全要素生產(chǎn)率;而本文是以金融相關(guān)比率作為產(chǎn)出指標(biāo)，也就是說通過一定的要素投入和要素投入之后省域金融發(fā)展所達(dá)到的水平，來測算金融業(yè)的全要素生產(chǎn)率，這是本文的一個新穎而有益的嘗試。(2)在考察市場化發(fā)展對金融業(yè)全要素生產(chǎn)率的影響時，本文并不是沿用傳統(tǒng)的計量分析方法，而是把地理空間因素納入到分析框架之中，利用空間計量模型進(jìn)行分析，并通過比較，指出普通最小二乘法(OLS)估計中存在的一些缺陷。本文的結(jié)構(gòu)如下:第一部分是引言及文獻(xiàn)回顧;第二部分介紹研究的技術(shù)路線和樣本數(shù)據(jù);第三部分是對金融業(yè)全要素生產(chǎn)率的測算;第四部分是空間計量分析及其拓展;第五部分是基本結(jié)論與啟示。

二、技術(shù)路線與樣本數(shù)據(jù)

本文主要運(yùn)用基于數(shù)據(jù)包絡(luò)分析的Malmquist生產(chǎn)率指數(shù)分析方法，測算出中國各個省域金融業(yè)的全要素生產(chǎn)率變化指數(shù)，并將其進(jìn)一步分解為技術(shù)效率變化指數(shù)和技術(shù)水平變化指數(shù);引入市場化發(fā)展的具體指標(biāo)，利用空間滯后模型和空間誤差模型，得到市場化程度對金融業(yè)全要素生產(chǎn)率影響，并消除殘差的空間自相關(guān);最后，通過技術(shù)效率和技術(shù)進(jìn)步，探尋市場化發(fā)展對金融業(yè)全要素生產(chǎn)率的影響路徑。

(一)DEA-Malmquist分析

本文首先運(yùn)用DEA-Malmquist方法對各個省域金融業(yè)的全要素生產(chǎn)率進(jìn)行測算和分解。Malmquist指數(shù)最初由瑞典統(tǒng)計學(xué)家 Malmquist(1953)提出，旨在考察不同時期的消費(fèi)變化［46］。在此基礎(chǔ)上，Caves、Christensen和 Diewert(1982)引入距離函數(shù)，構(gòu)造出Malmquist生產(chǎn)率指數(shù)，借以分析全要素生產(chǎn)率的變化情況［47］。他們定義第t期與第t+1期的Malmquist生產(chǎn)率指數(shù)如下:

其中，M為Malmquist生產(chǎn)率指數(shù)，x和y分別是投入和產(chǎn)出，D為基于產(chǎn)出的距離函數(shù)，表示技術(shù)條件不變的情況下實際產(chǎn)出與最大可能產(chǎn)出的比值。

Fare、Grosskopf、Lindgren 和 Ross(1994)在 Caves等人的基礎(chǔ)上，假定規(guī)模報酬固定(Constant Return to Scale，CRS)，把 Malmquist生產(chǎn)率指數(shù)定義為第t期與第t+1期指數(shù)的幾何平均數(shù)［48］，即全要素生產(chǎn)率變化指數(shù)(TFPCH):

其中，D的下標(biāo)c表示固定規(guī)模報酬。如果TFPCH＞1，表示全要素生產(chǎn)率提高;如果TFPCH＜1，表示全要素生產(chǎn)率降低。進(jìn)一步地，該指數(shù)還可以分解成技術(shù)效率變化指數(shù)(EFFCH)和技術(shù)水平變化指數(shù)(TECHCH)，即:

同樣地，如果EFFCH大(小)于1，表示技術(shù)效率提高(降低);如果TECHCH大(小)于1，表示技術(shù)進(jìn)步(退步)①在可變規(guī)模報酬(VRS)假設(shè)下，技術(shù)效率變化指數(shù)又可以進(jìn)一步分解為純技術(shù)效率變化與規(guī)模效率變化。如果純技術(shù)效率變化大(小)于1，表示變動規(guī)模報酬之后，出現(xiàn)了改善(惡化)情形;如果規(guī)模效率變化大(小)于1，表示變動規(guī)模報酬之后，接近(遠(yuǎn)離)長期最優(yōu)規(guī)模。鑒于本文假設(shè)規(guī)模報酬不變，因此，不對可變規(guī)模報酬情況進(jìn)行展開分析。。

利用數(shù)據(jù)包絡(luò)分析(DEA)方法，可以測算出TFPCH，并分解出EFFCH和TECHCH。DEA是一種非參數(shù)前沿效率分析方法，其突出的特點就是不需要事先確定生產(chǎn)函數(shù)的具體表達(dá)形式，也不需要具備研究樣本無效率分布這樣的假設(shè)。該方法一經(jīng)提出(Farrel，1957)［49］，便發(fā)展出了 CCR 模型，將原先的單一產(chǎn)出的效率模型擴(kuò)展為多元產(chǎn)出效率模型［50-51］。Sherman＆ Gold(1985)首次將DEA分析運(yùn)用到金融領(lǐng)域，評價銀行業(yè)效率［52］。目前，許多學(xué)者對DEA做了改進(jìn)，該方法的適應(yīng)性和解釋性也不斷增強(qiáng)，從而在生產(chǎn)效率策略及決策領(lǐng)域得到了廣泛的應(yīng)用②DEA模型有兩種形式，一種是分式規(guī)劃，另一種是線性規(guī)劃，這兩種形式是等價的。通常，我們采用4個線性規(guī)劃問題計算出TFPCH、EFFCH、TECHCH值。鑒于篇幅及文章的連貫性，本文不再詳述。。

(二)空間計量分析

1.空間自相關(guān)

隨著空間異質(zhì)理論的提出，我們發(fā)現(xiàn)，Moran's I指數(shù)有助于更加科學(xué)地分析經(jīng)濟(jì)現(xiàn)象的空間效應(yīng)與空間自相關(guān)［53］。Moran's I定義如下:

此外，Moran's I散點圖能夠進(jìn)一步區(qū)分某個地區(qū)與其相鄰地區(qū)之間的空間聯(lián)系形式。Moran's I散點圖具有4個象限，分別對應(yīng)于相鄰地區(qū)之間4種類型的空間聯(lián)系形式［55］。第Ⅰ、Ⅲ象限代表觀測值之間存在正的空間自相關(guān)，而第Ⅱ、Ⅳ象限代表觀測值之間存在負(fù)的空間自相關(guān)。

2.空間計量模型

通常，空間計量模型主要有兩類:當(dāng)變量之間的空間依賴性對模型顯得非常關(guān)鍵而導(dǎo)致了空間自相關(guān)時，采用空間滯后模型(SLM);當(dāng)模型的誤差項在空間自相關(guān)時，采用空間誤差模型(SEM)［56］。

空間滯后模型的表達(dá)式為:

其中，y為因變量，X為n×k的外生解釋變量矩陣，ρ為空間回歸系數(shù)，反映了樣本觀測值中的空間依賴作用③吳玉鳴(2007)把空間滯后解釋為鄰近觀測省域上某一隨機(jī)變量的加權(quán)平均，類似于空間平滑濾波器。［57］，即相鄰地區(qū)的觀測值Wy對本地區(qū)觀測值y的影響方向和程度，W為n×n階空間權(quán)重矩陣，Wy為空間滯后因變量，ε為隨機(jī)誤差項向量。

空間誤差模型的表達(dá)式為:

其中，ε為隨機(jī)誤差向量，λ為n×1階的截面因變量向量的空間誤差系數(shù)，μ為正態(tài)分布的隨機(jī)誤差向量。模型中參數(shù)β反映了自變量X對因變量y的影響，參數(shù)λ衡量了樣本觀測值中的空間依賴作用。存在于擾動誤差項之中的空間依賴作用，可以度量鄰近地區(qū)關(guān)于觀測值的誤差沖擊對本地區(qū)觀測值的影響程度。

(三)樣本數(shù)據(jù)

1.DEA分析中的變量和數(shù)據(jù)

在DEA分析中，總產(chǎn)出、勞動投入與資本投入是必不可少的三個變量①在金融業(yè)投入產(chǎn)出指標(biāo)的選取上并沒有統(tǒng)一的標(biāo)準(zhǔn)，關(guān)于銀行效率的研究主要采用生產(chǎn)法和中介法，本文在充分考慮了這兩種方法的優(yōu)劣所在之后，根據(jù)研究需要進(jìn)行了指標(biāo)選取。。本文主要研究的是中國金融發(fā)展過程中全要素生產(chǎn)率的變化情況，因此，把金融發(fā)展水平作為總產(chǎn)出。關(guān)于金融發(fā)展的指標(biāo)，我們將采用金融相關(guān)比率，即全部金融資產(chǎn)價值與全部實物資產(chǎn)價值的之比。Goldsmith(1969)認(rèn)為，金融相關(guān)比率的變動反映的是金融上層結(jié)構(gòu)與經(jīng)濟(jì)基礎(chǔ)結(jié)構(gòu)之間在規(guī)模上的變化關(guān)系，既是金融發(fā)展的一個基本特征，又可以衡量金融發(fā)展達(dá)到何種水平。由于中國缺乏各個省(區(qū)、市)的金融資產(chǎn)和M2的統(tǒng)計數(shù)據(jù)，主要金融資產(chǎn)又集中在銀行，而銀行最主要的業(yè)務(wù)是存款和貸款，所以國內(nèi)學(xué)者通常采用銀行的存貸款之和與國內(nèi)生產(chǎn)總值之比來近似地代替金融相關(guān)比率［58-62］。因此，本文也采用這種計算方法。

勞動投入以金融業(yè)從業(yè)人員數(shù)表示。關(guān)于資本投入，在計算宏觀經(jīng)濟(jì)或者具體行業(yè)的全要素生產(chǎn)率時，都是以固定資本來衡量。由于金融業(yè)的發(fā)展并不是單純依靠固定資本投入，為了防止測算出的產(chǎn)出率存在偏差，還應(yīng)該考慮金融業(yè)的其他資本投入。存款可以反映一個地區(qū)的金融資源，但是，作為銀行的負(fù)債業(yè)務(wù)，存款并不適合作為資本投入;而貸款作為銀行的主要資產(chǎn)，應(yīng)作為資產(chǎn)投入［63-66］，更重要的是，貸款既是金融機(jī)構(gòu)盈利的主要來源，又可以直接反映地區(qū)貨幣投放規(guī)模，在金融業(yè)發(fā)展的效率衡量中占有重要地位。因此，本文把金融業(yè)固定資產(chǎn)投資數(shù)量和貸款數(shù)量均作為資本投入。

需要說明的是:本文的存貸款數(shù)據(jù)采用各個省域金融機(jī)構(gòu)人民幣存貸款余額，個別省域的個別年份由于數(shù)據(jù)缺失，則以金融機(jī)構(gòu)本外幣存貸款余額代替。通常，各個省域的本外幣存貸款中，人民幣存貸款占據(jù)絕大部分比重，因此，這種替代誤差可以接受。數(shù)據(jù)主要來自于《新中國60年統(tǒng)計資料匯編》、各省(區(qū)、市)《統(tǒng)計年鑒》相關(guān)各期。其中，2011年數(shù)據(jù)主要來自各省(區(qū)、市)《2011年國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計公報》②各省(區(qū)、市)《2011年國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計公報》部分?jǐn)?shù)據(jù)為快報數(shù)，可能與最終的《統(tǒng)計年鑒》不盡相同，但誤差是可以接受的。。

2.回歸分析中的變量和數(shù)據(jù)

在普通最小二乘法回歸和空間回歸模型中，我們以DEA-Malmquist方法測算出的金融業(yè)全要素生產(chǎn)率變化指數(shù)為被解釋變量;以衡量市場化發(fā)展水平的5項指數(shù)和人均GDP為解釋變量。關(guān)于市場化發(fā)展的5項指數(shù)，我們主要采用樊綱、王小魯?shù)?2011)［67］所編制的中國各省(區(qū)、市)市場化指數(shù)③關(guān)于各省(區(qū)、市)市場化指數(shù)各級各類指標(biāo)數(shù)據(jù)，參見樊綱、王小魯?shù)戎?《中國市場化指數(shù):各地區(qū)市場化相對進(jìn)程2011年報告》，北京:經(jīng)濟(jì)科學(xué)出版社，2011年。，具體如表1所示。

關(guān)于樣本時期，本文主要選取了1997-2011年。依據(jù)是:1992年黨的十四大明確提出了“我國經(jīng)濟(jì)體制改革的目標(biāo)是建立社會主義市場經(jīng)濟(jì)體制，以利于進(jìn)一步解放和發(fā)展生產(chǎn)力”。由于計劃經(jīng)濟(jì)在我國的經(jīng)濟(jì)體制中長期占據(jù)主導(dǎo)地位，因此，當(dāng)時的全國各地的市場化仍然處于較低水平。1997年黨的十五大認(rèn)為過去的5年里，“市場在資源配置中的基礎(chǔ)性作用明顯增強(qiáng)，宏觀調(diào)控體系的框架初步建立”，并進(jìn)一步提出“要加快國民經(jīng)濟(jì)市場化進(jìn)程”的經(jīng)濟(jì)發(fā)展要求。不難發(fā)現(xiàn)，從1997年開始，中國的市場化水平有了顯著的提高。因此，本文以該年為樣本的起始點，選取1997-2011年共15年的市場化與金融發(fā)展數(shù)據(jù)進(jìn)行實證分析。由于樊綱、王小魯?shù)热司幹剖袌龌笖?shù)截止到2009年，我們根據(jù)以前年度的增速，對2010-2011年的市場化指數(shù)進(jìn)行了推算。

(四)空間權(quán)重矩陣的設(shè)計

目前，常用的空間權(quán)重矩陣有9種，每種空間權(quán)重矩陣得到的Moran's I數(shù)值都是不同的，因此，選擇一個合適的空間權(quán)重矩陣尤為重要。我們首先采用k-nearest空間權(quán)重矩陣進(jìn)行模擬實證。通過地理相鄰信息表(如表2所示)，我們發(fā)現(xiàn)鄰居最少的省域是海南(這里假設(shè)廣東與海南鄰接)，鄰居最多的是內(nèi)蒙古和陜西(8個)，因此，設(shè)定k=3、4、5、6。雖然這種方法保證了每個省域都有相同的鄰近，但是結(jié)果發(fā)現(xiàn)空間聯(lián)系多發(fā)生于相互鄰接的省域，因此，該方法設(shè)計的空間權(quán)重矩陣并不適用。進(jìn)而，我們選擇rook空間權(quán)重矩陣，以探尋對省域間鄰近關(guān)系的更好解釋，rook的相鄰規(guī)則是兩個省域擁有共同的邊界即視為相鄰［68］。

表1 市場化的5項指數(shù)

通過對rook一階鄰接關(guān)系和二階鄰接關(guān)系(即鄰居的鄰居)進(jìn)行實證，我們發(fā)現(xiàn)選擇rook一階空間權(quán)重矩陣較為理想。原因是選擇rook一階之后，隨著階數(shù)的升高，所得到的各個年份的省域Moran's I數(shù)值逐階下降，說明經(jīng)濟(jì)活動的空間自相關(guān)隨著空間距離的增大而減小，符合地理學(xué)第一定理［69］。但選擇rook二階之后，未能得到理想的結(jié)果;同理，我們選擇queen空間權(quán)重矩陣，模擬實證的結(jié)果亦不理想。最終，本文采用的是rook一階鄰接關(guān)系的空間權(quán)重矩陣①。

(五)模型的識別與估計

判斷某一經(jīng)濟(jì)活動是否存在空間自相關(guān)，以及空間滯后模型和空間誤差模型哪個更恰當(dāng)，一般可以通過Moran's I檢驗、兩個Lagrange Multiplier形式(LMLAG和LMERR)及其穩(wěn)健性形式(Robust-LMLAG和 Robust-LMERR)來實現(xiàn)。Anselin和Florx(1995)提出了如下判別標(biāo)準(zhǔn):如果在空間自相關(guān)的檢驗中發(fā)現(xiàn)LMLAG較之LMER在統(tǒng)計上更加顯著，且Robust-LMLAG顯著而Robust-LMERR不顯著，可以認(rèn)為空間滯后模型較為合適;反之，則須選擇空間誤差模型［70］。但是，很多時候，相近的檢驗結(jié)果使得我們無法嚴(yán)格地判斷哪一種空間模型更好一些，這時則需要分別采用SLM和SEM兩種模型進(jìn)行估計和比較。

表2 中國31個省域地理相鄰信息

在模型估計中，由于以上兩種空間模型自變量的內(nèi)生性，如果仍采用最小二乘法(OLS)，系數(shù)估計值會有偏或者無效，需要通過工具變量法(IV)、極大似然法(ML)或者廣義最小二乘估計(GLS)、廣義矩估計(GMM)等其他方法來進(jìn)行。本文將根據(jù)Anselin(1988)的建議，采用極大似然法估計空間滯后模型和空間誤差模型中的參數(shù)。

三、金融業(yè)全要素生產(chǎn)率測算

這里，我們將根據(jù)1997-2011年的樣本數(shù)據(jù)，運(yùn)用DEA-Malmquist方法，對中國各省域金融發(fā)展的全要素生產(chǎn)率進(jìn)行測算。如上文所述，產(chǎn)出變量為金融相關(guān)比率，投入變量為金融業(yè)從業(yè)人員數(shù)、金融業(yè)固定資產(chǎn)投資、貸款。測算模型采用Charnes、Cooper和Rhodes(1978)所提出的最基本的DEA模型，即CCR模型。當(dāng)然，這個模型隱含的假設(shè)是金融業(yè)規(guī)模較小地區(qū)可以通過增加投入等比例地擴(kuò)大產(chǎn)出規(guī)模，即金融業(yè)規(guī)模大小不影響其效率。本文的產(chǎn)出變量采用的是金融相關(guān)比率，而不是絕對數(shù)量，因此，可以接受模型假設(shè)。限于篇幅，我們只給出部分年份和樣本期內(nèi)平均的全要素生產(chǎn)率變化情況(如表3所示)，分解出的技術(shù)效率變化和技術(shù)水平變化情況也不再一一羅列。

通過表3，我們可以看出1997-1998年和2001-2002年，中國金融業(yè)全要素生產(chǎn)率總體上呈現(xiàn)出明顯增長的態(tài)勢，全國平均水平分別達(dá)到1.043和1.154;而2005-2006年和2010-2011年，金融業(yè)全要素生產(chǎn)率均出現(xiàn)了不同程度的下降，特別是2010-2011年，全國平均水平僅為0.850;在1997-2011年這15年間，中國的金融業(yè)全要素生產(chǎn)率的總平均水平為0.964，也屬于下降狀態(tài)。出現(xiàn)這種情況的原因，一方面與各個省域金融、經(jīng)濟(jì)發(fā)展?fàn)顩r有關(guān)，另一方面也可能與本文所設(shè)定的產(chǎn)出變量有關(guān)。我們設(shè)定的產(chǎn)出變量為金融相關(guān)比率，它體現(xiàn)的是金融資產(chǎn)規(guī)模在社會實物資產(chǎn)中所占的比重，進(jìn)而可以反映出地區(qū)金融發(fā)展水平。當(dāng)社會實物資產(chǎn)規(guī)模增速大于金融資產(chǎn)增速時，金融相關(guān)比率將會減小，最終使得測算出的金融業(yè)全要素生產(chǎn)率有所下降。但是，這從另一側(cè)面也反映出金融業(yè)發(fā)展效率低于社會經(jīng)濟(jì)的總體發(fā)展效率。

四、空間計量分析

20世紀(jì)90年代以來，以Krugman(1995)為代表的一些學(xué)者把空間集聚作為一種要素，與經(jīng)濟(jì)活動之間建立了聯(lián)系，并認(rèn)為空間分布對經(jīng)濟(jì)發(fā)展是一種有效的地理平衡，而經(jīng)濟(jì)發(fā)展可被視為一種集聚的力量［71］。同理，地區(qū)金融發(fā)展也可能受到空間效應(yīng)的作用，即存在著地理空間上的相關(guān)性。具體地說，一個地區(qū)的金融發(fā)展會影響到與其鄰近地區(qū)的金融發(fā)展，不同地區(qū)的金融發(fā)展也可能存在著示范、帶動和學(xué)習(xí)效應(yīng)。

然而，現(xiàn)有研究文獻(xiàn)中還沒有學(xué)者考慮空間自相關(guān)對金融業(yè)全要素生產(chǎn)率變化的影響。在本部分中，第一，我們將在DEA-Malmquist測算的基礎(chǔ)上分析中國各省域金融業(yè)全要素生產(chǎn)率變化的空間自相關(guān)。第二，通過普通回歸方法估計市場化發(fā)展對金融業(yè)全要素生產(chǎn)率變化的影響，并對殘差進(jìn)行空間自相關(guān)分析。第三，構(gòu)建適當(dāng)?shù)目臻g模型，分析在空間自相關(guān)條件下，市場化發(fā)展對金融業(yè)全要素生產(chǎn)率的影響。第四，根據(jù)全要素生產(chǎn)率的分解，探尋市場化發(fā)展對金融業(yè)全要素的影響路徑。

表3 中國金融業(yè)全要素生產(chǎn)率變化情況(1997-2011)

(一)空間自相關(guān)分析

關(guān)于地區(qū)變量間是否存在空間自相關(guān)的檢驗，目前一般使用的是Moran's I指數(shù)，我們采用前文所述的空間權(quán)重矩陣設(shè)計方法，根據(jù)地理信息系統(tǒng)(GIS)軟件生成空間權(quán)重矩陣W，并利用DEA-Malmquist方法測算的結(jié)果，計算1997-2011年各省域金融業(yè)全要素生產(chǎn)率變化指數(shù)空間自相關(guān)，發(fā)現(xiàn)大部分年份Moran's I數(shù)值在10%水平上顯著，同時在Moran's I散點圖上出現(xiàn)了第Ⅰ、Ⅲ象限集聚的現(xiàn)象。為了研究的便利，我們根據(jù)Moran's I的變化規(guī)律，把15年的樣本時期劃分為3個時段，即 1997-2001、2002-2006、2007-2011。表4中報告了3個時段金融業(yè)全要素生產(chǎn)率變化及其分解出的技術(shù)效率變化和技術(shù)水平變化的Moran's I指數(shù)檢驗情況，其他具體年份的Moran's I以及各類散點圖不再給出。

通過表4不難發(fā)現(xiàn)，1997-2011年中國金融業(yè)全要素生產(chǎn)率變化和技術(shù)效率變化呈現(xiàn)出空間正自相關(guān);而技術(shù)水平變化僅在2007-2011年呈現(xiàn)出空間正自相關(guān)，在整個樣本時期內(nèi)，并不具有正的空間自相關(guān)。

(二)普通回歸及檢驗

如前文所述，我們以金融業(yè)全要素生產(chǎn)率變化(tfpch)為被解釋變量，以衡量市場化水平的5項指數(shù)(gov，nse，dpm，dfm，mil)和人均國內(nèi)生產(chǎn)總值(gdp)為解釋變量，分析市場化發(fā)展對全要素生產(chǎn)率變化的影響。需要說明的是，在3個時段中，我們逐一地對每個自變量進(jìn)行多重共線性檢測，發(fā)現(xiàn)任一自變量均不能用其他5個自變量表示，可以認(rèn)為不存在多重共線性，鑒于篇幅的原因，這里不再報告檢測結(jié)果。各個變量的描述性統(tǒng)計分析結(jié)果如表5所示。

首先，我們構(gòu)建不包含空間因素的基礎(chǔ)模型，來分析市場化各項指數(shù)對金融業(yè)全要素生產(chǎn)率的影響。為了消除量綱和異方差等因素的影響，我們對各個變量進(jìn)行自然對數(shù)處理，模型的表達(dá)式如下:

lntfpch=c+ β1lngdp+ β2lngov+ β3lnnse+ β4lndpm+β5lndfm+β6lnmil+ε

其中，c為常數(shù)項，β為回歸系數(shù)，ε為隨機(jī)誤差項。在該模型基礎(chǔ)上，分別對1997-2001、2002-2006、2007-2011這3個時段進(jìn)行回歸，得到的結(jié)果如表6所示。

表6報告了3個時段市場化對金融業(yè)全要素生產(chǎn)率的影響。在前2個時段，產(chǎn)品市場發(fā)育程度和要素市場發(fā)育程度對全要素生產(chǎn)率變化指數(shù)影響較為顯著;而在第3個時段，非國有經(jīng)濟(jì)發(fā)展對全要素生產(chǎn)率變化指數(shù)較為顯著。此外，我們還發(fā)現(xiàn)，空間自相關(guān)檢驗結(jié)果反映出OLS估計中存在著顯著的空間自相關(guān)。具體地說，3個時段回歸方程的殘差的 Moran's I數(shù)值分別為0.14、0.12、0.10，均通過了10%水平的顯著性檢驗。因此，運(yùn)用OLS進(jìn)行估計，結(jié)果可能會是有偏的或非一致的。

進(jìn)而，我們通過普通回歸方程的殘差空間分布四分位圖的形式，更加直觀地展示出3個時段回歸方程的殘差在空間上的分布①地圖中雖然繪制了臺灣、香港和澳門，但這3個地區(qū)的地理信息并未納入統(tǒng)計分析。。如圖2所示，O LS估計的殘差值表現(xiàn)出了明顯的空間集聚特征。因為，我們發(fā)現(xiàn)任一時段的四分位圖中，顏色較深的省域和顏色較淺的省域都呈現(xiàn)出很大程度的空間集聚。這說明，OLS在地理空間上會系統(tǒng)地低估部分省域的解釋變量系數(shù)，產(chǎn)生正的殘差(即顏色較深的省域);同時，又會高估另一部分省域的解釋變量系數(shù)，產(chǎn)生負(fù)的殘差(即顏色較淺的省域)。圖2形象地告訴我們，在沒有考慮空間自相關(guān)的OLS估計中，計算結(jié)果可能是有偏的，在空間上表現(xiàn)為非隨機(jī)分布的特征。

表4 各個變量空間自相關(guān)的Moran's I指數(shù)檢驗

表5 主要回歸變量的描述性統(tǒng)計分析結(jié)果(樣本數(shù):434)

表6 全要素生產(chǎn)率變化:普通最小二乘法估計結(jié)果

(三)空間模型估計

為了得到有效、一致的回歸模型估計結(jié)果，我們需要引入空間權(quán)重矩陣，建立空間計量模型，通過極大似然估計方法消除數(shù)據(jù)的空間自相關(guān)。正如前文所述，我們將構(gòu)建空間滯后模型和空間誤差模型這兩類空間計量模型。

空間滯后模型(SLM)表達(dá)式如下:

lntfpch=c+ ρWlntfpch+ β1lngdp+ β2lngov+ β3lnnse+β4lndpm+β5lndfm+β6lnmil+ε

空間誤差模型(SEM)表達(dá)式如下:

lntfpch=c+ λεW+ β1lngdp+ β2lngov+ β3lnnse+β4lndpm+β5lndfm+β6lnmil+μ

其中，W為空間權(quán)重矩陣，ρ為空間回歸系數(shù)，λ為空間誤差系數(shù)，ε為隨機(jī)誤差項，μ為正態(tài)分布的隨機(jī)誤差項。

在模型選取方面，根據(jù)前文論述的選取規(guī)則，不難判斷SLM模型較之SEM模型更為合理。為了便于兩類模型估計結(jié)果的比較，我們在表7中同時報告了這兩種模型的估計結(jié)果。

圖2 普通回歸方程的殘差空間分布四分位圖

通過表6和表7的對比，可以看出，3個時段的SLM模型和SEM模型的擬合優(yōu)度值均顯著高于相應(yīng)的OLS模型，當(dāng)然，由于采用極大似然法估計參數(shù)，基于殘差平方和分解的擬合優(yōu)度檢驗意義不是很大［72］。另外，3個時段的 SLM模型和SEM模型的對數(shù)似然函數(shù)值logL均大于OLS模型，而AIC和SC值均小于OLS模型。所以，我們可以認(rèn)為OLS模型遺漏了變量之間空間自相關(guān)，而變得不夠恰當(dāng);同時也說明，省域金融業(yè)全要素生產(chǎn)率之間不可能沒有關(guān)系。

接下來，我們詳細(xì)地分析在考慮了空間自相關(guān)之后，空間模型的估計結(jié)果及其意義。

1.表7顯示，在2002-2006、2007-2011這2個時段，SEM模型回歸后的殘差的Moran's I仍然在1%水平上顯著，說明SEM模型未能消除殘差的空間自相關(guān)，而每個時段的SLM模型均可以消除殘差的空間自相關(guān)，因此，可以判斷SLM模型明顯優(yōu)于SEM模型。

2.在1997-2001年間，SLM模型估計結(jié)果表明，解釋變量lndpm和lndfm的系數(shù)均通過了5%水平的顯著性檢驗，其他解釋變量的系數(shù)估計值不顯著。這說明該時段內(nèi)，金融業(yè)全要素生產(chǎn)率變化受到產(chǎn)品場和要素市場的市場化程度影響較大，具體地說，這兩個市場的市場化程度每增加1%，金融業(yè)全要素生產(chǎn)變化指數(shù)將會提高0.32%和0.09%;而政府與市場關(guān)系、非國有經(jīng)濟(jì)發(fā)展、市場中介組織和法律環(huán)境等方面的發(fā)展沒有對金融業(yè)全要素生產(chǎn)率產(chǎn)生顯著影響。

表7 全要素生產(chǎn)率變化:空間計量模型估計結(jié)果

3.在2002-2006年間，SLM模型估計顯示，解釋變量 lngov、lnnse、lndpm、lndfm 和 lnmil的系數(shù)均通過了5%或10%水平的顯著性檢驗。但是，令人意外的是，只有l(wèi)nnse和lnmil系數(shù)為正數(shù)，其他系數(shù)均為負(fù)數(shù)。這意味著政府與市場關(guān)系、產(chǎn)品和要素市場發(fā)育程度提高1%時，金融業(yè)全要素生產(chǎn)率變化指數(shù)會分別下降0.07%、0.16%和0.06%，這顯然與我們的“經(jīng)濟(jì)直覺”相悖。通過測算，可以得到2002-2006年全國金融相關(guān)比率分別為 2.51、2.70、2.62、2.63、2.65，非但沒有明顯提高，還有所下降?？梢哉J(rèn)為該時段內(nèi)，中國金融發(fā)展水平?jīng)]有得到顯著提升;市場化發(fā)展，促進(jìn)了社會實物資產(chǎn)的增加，卻并沒有提高金融資產(chǎn)在社會實物資產(chǎn)中的比重，這也反映出了金融發(fā)展的效率問題(后文將做進(jìn)一步論述)，因此，這在一定程度解釋了金融業(yè)全要素生產(chǎn)率變化指數(shù)與市場化發(fā)展呈反向關(guān)系的原因。

4.在2007-2011年間，SLM模型估計結(jié)果告訴我們，金融業(yè)全要素生產(chǎn)率僅與非國有經(jīng)濟(jì)發(fā)展程度有關(guān)，且彈性為0.09。這意味著，非國有經(jīng)濟(jì)，特別是民營經(jīng)濟(jì)的發(fā)展，顯著地推動了金融業(yè)全要素生產(chǎn)率的提高。

5.我們把lngdp作為控制變量引入空間計量模型之后，發(fā)現(xiàn)1997-2011年間，其系數(shù)均沒有通過顯著性水平檢驗。這說明，人均GDP并沒有對金融業(yè)全要素生產(chǎn)率產(chǎn)生顯著的影響?；蛘哒f，中國長期以來的GDP高增長，并沒有促進(jìn)金融業(yè)全要素生產(chǎn)率的提高。這剛好佐證了前文中金融業(yè)全要素生產(chǎn)率具有下降態(tài)勢的結(jié)論。

(四)進(jìn)一步拓展分析

根據(jù)前文所述，全要素生產(chǎn)率變化可以分解為技術(shù)效率變化與技術(shù)水平變化的乘積。根據(jù)表5可知，由于技術(shù)水平變化沒有顯著的空間自相關(guān)，全要素生產(chǎn)率變化的空間自相關(guān)，主要源自技術(shù)效率變化的空間自相關(guān)。接下來，我們將進(jìn)一步構(gòu)建金融業(yè)技術(shù)效率變化指數(shù)與市場化5項指數(shù)及人均GDP的OLS模型和空間回歸模型，具體方法與前文相同，這里不再贅述，僅給出估計結(jié)果。

表8報告了OLS模型的空間自相關(guān)檢驗結(jié)果，發(fā)現(xiàn)3個時段的殘差均具有空間自相關(guān)，并且，構(gòu)建SLM模型較為適宜。從表9中也可以看出，后2個時段的SEM模型回歸殘差中具有顯著的空間自相關(guān)。1997-2001年間，金融業(yè)技術(shù)效率變化指數(shù)與非國有經(jīng)濟(jì)發(fā)展程度、產(chǎn)品和要素市場發(fā)育程度均存在正向關(guān)系。2002-2006年間，金融業(yè)技術(shù)效率變化指數(shù)與要素市場發(fā)育程度存在反向關(guān)系。根據(jù)樊綱、王小魯?shù)?2011)的研究可以發(fā)現(xiàn)，該時段內(nèi)大部分省域的金融業(yè)的競爭指數(shù)都出現(xiàn)了前所未有的提高。此外，這一時段內(nèi)，各大商業(yè)銀行都加大了資產(chǎn)質(zhì)量管理，銀行惜貸現(xiàn)象普遍存在，導(dǎo)致高收入、高風(fēng)險的貸款減少，大量存款只能用于收益率較低的貨幣市場，這些都是金融業(yè)技術(shù)效率出現(xiàn)下降的重要原因。2007-2011年間，技術(shù)效率變化僅與非國有經(jīng)濟(jì)的發(fā)展有正向關(guān)系。

通過我們進(jìn)一步的拓展分析，不難發(fā)現(xiàn)，中國金融業(yè)全要素生產(chǎn)率變化的空間自相關(guān)源于技術(shù)效率變化的空間自相關(guān)。通過比較表8和表9，還可以看出，與金融業(yè)全要素生產(chǎn)率指數(shù)關(guān)系顯著的市場化變量，基本上都與技術(shù)效率變化指數(shù)關(guān)系顯著，且方向一致。這更加明確地反映出，市場化發(fā)展主要是通過技術(shù)效率變化這一路徑來影響金融業(yè)全要素生產(chǎn)率的。

五、基本結(jié)論與啟示

為了考察中國內(nèi)地31個省域金融業(yè)全要素生產(chǎn)率的變化趨勢、空間效應(yīng)以及與市場化發(fā)展之間的關(guān)系，本文首先采用DEA-Malmquist方法對各省域的金融業(yè)全要素生產(chǎn)率進(jìn)行測算，發(fā)現(xiàn)1997-2011年間，該指標(biāo)總體呈現(xiàn)出下降趨勢，并存在著顯著的空間自相關(guān)。進(jìn)一步地，我們把市場化發(fā)展的5項主要指標(biāo)和人均GDP作為解釋變量，通過回歸模型，分析市場化對金融業(yè)全要素生

產(chǎn)率的影響。由于傳統(tǒng)的OLS估計殘差中存在空間自相關(guān)，通過構(gòu)建空間回歸模型，我們發(fā)現(xiàn)SLM模型可以有效地消除殘差中的空間自相關(guān)，得到與現(xiàn)實更為相符的估計結(jié)果?？臻g計量分析結(jié)果表明:1997-2011年，市場化發(fā)展對中國金融業(yè)全要素生產(chǎn)率具有顯著的影響。具體地說:1997-2001年，金融業(yè)全要素生產(chǎn)率變化受到產(chǎn)品和要素市場的發(fā)育程度影響較大;2002-2006年，金融業(yè)全要素生產(chǎn)率與政府和市場關(guān)系、產(chǎn)品和要素市場發(fā)育程度呈現(xiàn)負(fù)相關(guān)關(guān)系;2007-2011年，非國有經(jīng)濟(jì)的發(fā)展對金融業(yè)全要素生產(chǎn)率具有推動作用。通過進(jìn)一步的拓展分析，我們還發(fā)現(xiàn)，市場化發(fā)展對金融業(yè)全要素生產(chǎn)率的影響是通過技術(shù)效率這一路徑來完成的。

表8 技術(shù)效率變化:OLS估計結(jié)果

表9 技術(shù)效率變化:空間計量模型估計結(jié)果

由此，我們得到的啟示是:市場化的發(fā)展會對金融業(yè)全要素生產(chǎn)率產(chǎn)生影響，但是這種影響并非像人們的“經(jīng)濟(jì)直覺”那樣一直為正，在一定時期也可以為負(fù)。1997年開始，由于國民經(jīng)濟(jì)市場化進(jìn)程明顯加快，產(chǎn)品市場和金融、勞動力、技術(shù)等要素市場得到快速的發(fā)展，有力地推動了金融業(yè)全要素生產(chǎn)率的提高，特別是產(chǎn)品市場發(fā)育程度的影響力度尤為突出。2002-2006年，陸續(xù)展開的國有大型商業(yè)銀行的股份制改革，標(biāo)志著中國金融業(yè)發(fā)展進(jìn)入到了轉(zhuǎn)型時期，此間，市場化的發(fā)展提高了實體經(jīng)濟(jì)增長效率，而金融業(yè)由于行業(yè)競爭和資產(chǎn)質(zhì)量管理等原因未能獲得更高的效率，使得金融發(fā)展水平受到影響，主要表現(xiàn)為金融業(yè)全要素生產(chǎn)率隨市場化發(fā)展而下降。2007年以來，市場體系不斷健全，非國有經(jīng)濟(jì)發(fā)展的體制性障礙基本消除，融資條件得到很大的改善，因此，非國有經(jīng)濟(jì)的快速發(fā)展在較大程度上促進(jìn)了金融業(yè)全要素生產(chǎn)率的提高。此外，各個時期，市場化在影響金融業(yè)全要素生產(chǎn)率的過程中，都具有顯著的空間聯(lián)系，說明省域之間存在著示范、帶動和學(xué)習(xí)效應(yīng)。那么，在市場化進(jìn)程中，如何提高全要素生產(chǎn)率，實現(xiàn)金融業(yè)的進(jìn)一步發(fā)展?我們注意到，技術(shù)效率是兩者聯(lián)系的路徑，只有根據(jù)不同時期市場化各項指標(biāo)的變化，提高金融業(yè)技術(shù)效率水平，才能提高金融業(yè)全要素生產(chǎn)率，增加金融資產(chǎn)在社會資產(chǎn)中的比重，使金融業(yè)獲得持續(xù)、高效的發(fā)展。

最后，本文屬于一個市場化與金融業(yè)全要素生產(chǎn)率關(guān)系的探索性研究，在DEA-Malmquist分析時，嘗試性地選用金融相關(guān)比率為產(chǎn)出變量，來測算金融業(yè)全要素生產(chǎn)率，并把該指標(biāo)分解為技術(shù)效率和技術(shù)水平;事實上，規(guī)模報酬可變時，技術(shù)效率還可以分解為純技術(shù)效率和規(guī)模效率，這樣有助于問題的進(jìn)一步分析。在空間計量中僅僅采用了有關(guān)年份的截面數(shù)據(jù)，而更為理想的方法是采用面板數(shù)據(jù)與地理空間因素相結(jié)合的方法，即空間面板數(shù)據(jù)分析。這些問題都應(yīng)該成為我們未來進(jìn)一步研究的方向。

［1］Goldsmith R W.Financial Structure and Development［M］.Yale University Press，1969:78-99.

［2］Alhadeff D A.Monopoly and Competition in Banking［M］.University of California Press，1954:1-10.

［3］Benston G J，Hanweck G A，Humphrey D B.Scale Economies in Banking:A Restructuring and Ressessment［J］.Research Paper in Banking and Financial Economics，1981，53，Board of Governors of the Federal Reserve System:1-2.

［4］Mckillop D G，Glass J C，Morikawa Y.The Composite Cost Function and Efficiency in Giant Japanese Banks［J］.Journal of Banking and Finance，1996，20:1651-1671.

［5］Karafolas S，Mantakas G A.A Note on Cost Structure and Economies of Scale in Greek Banking［J］.Journal of Banking and Finance，1996，20:377-387.

［6］Berger A N，Humphrey D B.Efficiency of Financial Institutions:International Survey and Directions for Future Research［J］European Journal of Operational Research，1997，98:175-212.

［7］Isik I，Hassan M K.Cost and Profit Efficiency of the Turkish Banking Industry:An Empirical Investigation［J］.The Financial Review，2002，37:257-280.

［8］Berger A N，De Young R.Problem Loans and Cost Efficient in Commercial Banks［J］.Journal of Banking and Finance，1997，21(6):849-870.

［9］Rossi S P S，Schwaiger M，Winkler G.Managerial Behavior and Cost/Profit Efficiency in the Banking Sectors of Central and Eastern European Countries［C］.The Working Paper Series of the Oesterreichische National Bank，http://www.oenb.at，2005，7:1-3.

［10］Shu W，Strassmann P A.Does Information Technology Provide Banks with Profit［J］.Information and Management，2005，42(5):781-787.

［11］Wheelock D C，Wilson P W.Technical Progress，Inefficiency，and Productivity Change in US Banking:1984-1993［J］.Journal of Money，Credit，and Banking，1999，31(2):212-234.

［12］Maudos J，Pastor J M.Cost and Profit Efficiency in the Spanish Banking Sector(1985～1996):A Non-parametric Approach ［J］.Applied Financial Economics，2003，13:1-12.

［13］Hasan I，Marton K.Development and Efficiency of a Banking Sector in a Transitional Economy:Hungarian Experience ［J］.Journal of Banking and Finance，2003，27:2249-2271.

［14］Park K H，Weber W L.A Note on Efficiency and Productivity Growth in the Korean Banking Industry ［J］.Journal of Banking and Finance，2006，30(12):2371-2386.

［15］Fries S.Taci A.Cost Efficiency of Banks in Transition:Evidence from 289 Banks in 15 Post-communist Countries［J］.Journal Banking and Finance，2005，29:55-81.

［16］Bonin J P，Hasan I，Wachtel P.Bank Performance，Efficiency and Ownership in Transition Countries［J］.Journal of Banking and Finance，2005，29:31-53.

［17］Fu X Q，Heffernan S.Cost X-Efficiency in China's Banking Setctor［C］.Cass Business School，Working Papers，2005，WP-FF-14:1-2.

［18］Ariff M，Can L.Cost and Profit Efficiency of Chinese Banks:A Non-parametric Analysis ［J］.China Economic Review，2008，19(2):260-273.

［19］Berger A，Hasan I，Zhou M M.The Effects of Focus Versus Diversification on Bank Performance:Evidence from Chinese Banks［C］.CEI Working Paper Series，2009，9:1-2.

［20］Lin X C，Zhang Y.Bank Ownership Reform and Bank Performance in China ［J］.Journal of Banking and Finance，2009，33:20-29.

［21］Nakane M I，Weintraub D B.Bank Privatization and Productivity:Evidence for Brazil［J］.Journal of Banking and Finance，2005，29:2559-2289.

［22］魏 煜，王 麗.中國商業(yè)銀行效率:一種非參數(shù)的分析［J］.金融研究，2000，(3):88-96.

［23］張健華.我國商業(yè)銀行效率的DEA方法及1997～2001年效率的實證分析［J］.金融研究，2003，(3):11-25.

［24］劉志新，劉 琛.基于DFA的中國商業(yè)銀行效率研究［J］. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2004，(4):42-45.

［25］何 蛟，傅強(qiáng)等.股權(quán)結(jié)構(gòu)改革對我國商業(yè)銀行效率的影響［J］. 財經(jīng)科學(xué)，2010，(7):39-46.

［26］周逢民，張會元等.基于兩階段關(guān)聯(lián)DEA模型的我國商業(yè)銀行效率評價［J］.金融研究，2010，(11):169-179.

［27］蘆 峰，劉維奇等.我國商業(yè)銀行效率研究——基于儲蓄新視角下的網(wǎng)絡(luò)DEA方法［J］.中國軟科學(xué)，2012，(2):174-184.

［28］謝升峰，李慧珍.外資銀行進(jìn)入對我國銀行業(yè)效率的影響——基于數(shù)據(jù)包絡(luò)分析(DEA)的實證研究［J］.經(jīng)濟(jì)管理，2011，(4):131-135.

［29］曾儉華.國際化經(jīng)營對中國商業(yè)銀行效率的影響研究［J］.國際金融研究，2011，(1):76-82.

［30］朱 南，卓賢等.關(guān)于我國商業(yè)銀行效率的實證分析與改革策略［J］. 管理世界，2004，(2):18-26.

［31］謝朝華，段軍山.基于DEA方法的我國商業(yè)銀行X-效率研究［J］.中國管理科學(xué)，2005，(4):120-128.

［32］王 聰，譚政勛.我國商業(yè)銀行效率結(jié)構(gòu)研究［J］.經(jīng)濟(jì)研究，2007，(7):110-123.

［33］張健華，王 鵬.銀行效率及其影響因素研究——基于中、外銀行業(yè)的跨國比較［J］.金融研究，2011，(5):13-28.

［34］姚樹潔，馮根福等.中國銀行業(yè)效率的實證分析［J］.經(jīng)濟(jì)研究，2004，(3):4-15.

［35］徐傳諶，齊樹天.中國商業(yè)銀行X-效率實證研究［J］. 經(jīng)濟(jì)研究，2007，(3):106-116.

［36］吳 棟，周建平.基于SFA的中國商業(yè)銀行股權(quán)結(jié)構(gòu)選擇的實證研究［J］.金融研究，2007，(7):47-60.

［37］柯孔林，馮宗憲.中國商業(yè)銀行全要素生產(chǎn)率測度及其影響因素分析［J］.商業(yè)經(jīng)濟(jì)與管理，2008，(9):29-35.

［38］陳宇峰.市場化進(jìn)程中我國商業(yè)銀行全要素生產(chǎn)率變動分析［J］.甘肅金融，2009，(4):12-15.

［39］袁 穎.中國上市商業(yè)銀行全要素生產(chǎn)率研究［J］.北方經(jīng)濟(jì)，2010，(5):39-42.

［40］羅 茜，蒲勇健等.中國商業(yè)銀行全要素生產(chǎn)率分析——基于三階段 Malmquist指數(shù)模型［J］.技術(shù)經(jīng)濟(jì)，2010，(6):74-81.

［41］姜 鑫，顧曉安等.我國主要商業(yè)銀行全要素生產(chǎn)率測算及其收斂性分析［J］.金融理論與實踐，2011，(6):30-34.

［42］王 兵，朱 寧.不良貸款約束下的中國上市商業(yè)銀行效率和全要素生產(chǎn)率研究——基于SBM方向性距離函數(shù)的實證分析［J］. 金融研究，2011，(1):110-130.

［43］蔡躍洲，郭梅軍.我國上市銀行全要素生產(chǎn)率的實證分析［J］.經(jīng)濟(jì)研究，2009，(9):52-65.

［44］袁曉玲，張寶山.中國商業(yè)銀行全要素生產(chǎn)率的影響因素研究——基于DEA模型的Malmquist指數(shù)分析［J］.金融研究，2009，(3):93-116.

［45］仲 深，王春宇.中國商業(yè)銀行全要素生產(chǎn)率及其影響因素的實證研究——基于DEA的Malmquist生產(chǎn)率指數(shù)法［J］. 技術(shù)經(jīng)濟(jì)，2012，(1):101-106.

［46］Malmquist S.Index Numbers and Indifference Curves［J］.Trabajos de Estatistica，1953，4:209-242.

［47］Caves D W，Christensen L R，Diewert W E.The Economic Theory of Index Numbers and the Measurement of Input and Output，and Productivity ［J］.Econometrica，1982，50:1393-1414.

［48］Fare R，Grosskopf S，Lindgren B，Ross P.Productivity Development in Swedish Hospital:A Malmquist Output Index Approach［A］.Charnes A，Cooper W W，Lewin A Y，Seiford L.Data Envelopment Analysis:Theory，Methodology，and Application［C］.Kluwer Academic Publishers，1994:253-272.

［49］Farrell M J.The Measurement of Productive Efficiency［J］.Journal of the Royal Statistical Society，Series A(General)，1957，120(3):253-290.

［50］Charnes A，Cooper W W，Rhodes E.Measuring the Efficiency of Decision Making Units［J］.European Journal of Operation Research，1978，6:419-444.

［51］Charnes A，Cooper W W，Rhodes E.Evaluating Program and Managerial Efficiency:An Application of Data Envelopment Analysis to Program Follow Through［J］.Management Science，1981，6:668-697.

［52］Sherman H D，Gold F.Bank Branch Operating Efficiency:Evaluation with Data Envelopment Analysis［J］.Journal of Banking and Finance，1985，9(2):297-315.

［53］Moran P A P.Notes on Continuous Stochastic Phenomena［J］.Biometrika，1950，37(1):17-23.

［54］LeSage J P.The Theory and Practice of Spatial Econometrics［Z］.Unpublished，Department of Economics，University of Toledo，1999:1-3.

［55］徐建華.計量地理學(xué)［M］.北京:高等教育出版社，2006:120-151.

［56］Anselin L.Spatial Econometrics:Methods and Models［M］.Dordrecht，Kluwer Academic Publishers，1988:1-10.

［57］吳玉鳴.中國區(qū)域研發(fā)、知識溢出與創(chuàng)新的空間計量經(jīng)濟(jì)研究［M］.北京:人民出版社，2007:57-86.

［58］謝 平.中國金融資產(chǎn)結(jié)構(gòu)分析［J］.經(jīng)濟(jì)研究，1992，(11):30-37.

［59］易 綱.中國金融資產(chǎn)結(jié)構(gòu)分析及政策含義［J］.經(jīng)濟(jì)研究，1996，(11):26-33.

［60］周 立，胡鞍鋼.中國金融發(fā)展的地區(qū)差距狀況分析(1978～1999)［J］.清華大學(xué)學(xué)報(哲學(xué)社會科學(xué)版)，2002，(2):60-74.

［61］趙 偉，馬瑞永.中國區(qū)域金融發(fā)展的收斂性、成因及政策建議［J］. 中國軟科學(xué)，2006，(2):94-101.

［62］余鈴錚，魏下海.金融發(fā)展加劇了中國收入不平等嗎?——基于門檻回歸模型的證據(jù)［J］.財經(jīng)研究，2012，(1):105-114.

［63］劉 飛.基于DEA的區(qū)域金融效率評價研究［J］.城市發(fā)展研究，2007，(1):6-9.

［64］陳建南，廖 琪.基于DEA模型的金融效率評價——以江西各地區(qū)金融機(jī)構(gòu)為例［J］.金融與經(jīng)濟(jì)，2008，(11):56-59.

［65］李季剛，向 琳.基于DEA方法分析農(nóng)村金融資源配置效率［J］. 財會月刊，2010，(7):40-43.

［66］晏露蓉，陳寶泉等.基于DEA模型的福建省金融效率研究［J］. 福建金融，2010，(8):16-19.

［67］樊 綱，王小魯?shù)?中國市場化指數(shù):各地區(qū)市場化相對進(jìn)程2011年報告［M］.北京:經(jīng)濟(jì)科學(xué)出版社，2011:266-294.

［68］呂 健.中國城市化水平的空間效應(yīng)與區(qū)域收斂分析:1978～2009年［J］.經(jīng)濟(jì)管理，2011，(9):32-44.

［69］Tobler W.A Computer Movie Simulating Urban Growth in the Detroit Region ［J］.Economic Geography，1970，46(2):234-240.

［70］Anselin L，F(xiàn)lorx R.New Directions in Spatial Econometrics［M］.Springer-Verlag，Berlin，1995:21-71.

［71］Krugman P.Development，Geography and Economic Theory［M］.MIT Press，Cambridge.1995:1-12.

［72］呂 健.城市化驅(qū)動經(jīng)濟(jì)增長的空間計量分析［J］.上海經(jīng)濟(jì)研究，2011，(5):3-15.