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(shí)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(duì)中國經(jīng)濟(jì)社會(huì)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(chǎng)金融體系框架的調(diào)整和充實(shí)階段，剝離不良資產(chǎn)、實(shí)行分業(yè)監(jiān)管、發(fā)展資本市場(chǎng)、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(gè)省、自治區(qū)、直轄市(下文將簡(jiǎn)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(gè)國家或地區(qū)的金融發(fā)展水平［1］，通過測(cè)算①本文關(guān)于金融相關(guān)比率的測(cè)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(gè)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?xiàng)l例的實(shí)施，標(biāo)志著中國履行承諾，對(duì)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(chǎng)，中國金融業(yè)惟有以提高效率和生產(chǎn)率、增強(qiáng)競(jìng)爭(zhēng)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(huì)范圍內(nèi)的優(yōu)化配置，有利于國家宏觀調(diào)控、推動(dòng)經(jīng)濟(jì)穩(wěn)定健康發(fā)展。事實(shí)上，與實(shí)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(jìng)爭(zhēng)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(diǎn)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(gè)世紀(jì)50年代，并在90年代之后逐漸成為研究的重點(diǎn)。此類研究主要包括以下方面:

第一，對(duì)規(guī)模經(jīng)濟(jì)的研究。Alhadeff(1954)以美國210家銀行為研究對(duì)象，通過實(shí)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(shì)，原因是銀行的經(jīng)營(yíng)成本曲線呈現(xiàn)出相對(duì)平坦的U型狀態(tài)［3］。McKillop、Glass和Morikawa(1996)通過對(duì)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(shí)證研究結(jié)果顯示，希臘商業(yè)銀行在營(yíng)業(yè)成本方面也具有規(guī)模經(jīng)濟(jì)［5］。

第二，對(duì)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(duì)美國銀行業(yè)的效率進(jìn)行了實(shí)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(duì)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(duì)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(duì)西班牙和匈牙利的商業(yè)銀行效率進(jìn)行了實(shí)證研究，并比較了利潤(rùn)效率和成本效率之間的關(guān)系。Park和Weber(2006)在估計(jì)韓國銀行業(yè)無效率值的基礎(chǔ)上，測(cè)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(zhǎng)［14］。

第三，對(duì)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(duì)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(duì)中國銀行效率做了類似的研究［20］。此外，Nakane和Weintraub(2005)針對(duì)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(yíng)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(shí)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(duì)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(bào)酬進(jìn)行了實(shí)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(cè)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(huì)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(bào)酬不變和可變條件下，研究了外資銀行對(duì)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(yíng)對(duì)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(zhǎng)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(duì)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(chǎng)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(chǎng)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?？驴琢?、馮宗憲(2008)通過對(duì)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(shí)證檢驗(yàn)，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(zhǎng)［37］。陳宇峰(2009)進(jìn)行了實(shí)證研究之后，認(rèn)為金融市場(chǎng)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(dòng)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(shì)，但個(gè)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(cè)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(zhǎng)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(gè)重要的影響因素［42］。同時(shí)，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(shì)，同時(shí)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(duì)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(shì)，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(cè)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(cè)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(cè)算金融業(yè)的全要素生產(chǎn)率，這是本文的一個(gè)新穎而有益的嘗試。(2)在考察市場(chǎng)化發(fā)展對(duì)金融業(yè)全要素生產(chǎn)率的影響時(shí)，本文并不是沿用傳統(tǒng)的計(jì)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(jì)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(jì)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(duì)金融業(yè)全要素生產(chǎn)率的測(cè)算;第四部分是空間計(jì)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(cè)算出中國各個(gè)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(chǎng)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(chǎng)化程度對(duì)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(chǎng)化發(fā)展對(duì)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(duì)各個(gè)省域金融業(yè)的全要素生產(chǎn)率進(jìn)行測(cè)算和分解。Malmquist指數(shù)最初由瑞典統(tǒng)計(jì)學(xué)家 Malmquist(1953)提出，旨在考察不同時(shí)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(shí)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(bào)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(bào)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(bào)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(dòng)規(guī)模報(bào)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(dòng)規(guī)模報(bào)酬之后，接近(遠(yuǎn)離)長(zhǎng)期最優(yōu)規(guī)模。鑒于本文假設(shè)規(guī)模報(bào)酬不變，因此，不對(duì)可變規(guī)模報(bào)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(cè)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(diǎn)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(píng)價(jià)銀行業(yè)效率［52］。目前，許多學(xué)者對(duì)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(jià)的。通常，我們采用4個(gè)線性規(guī)劃問題計(jì)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(jì)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(diǎn)圖能夠進(jìn)一步區(qū)分某個(gè)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(diǎn)圖具有4個(gè)象限，分別對(duì)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(cè)值之間存在正的空間自相關(guān)，而第Ⅱ、Ⅳ象限代表觀測(cè)值之間存在負(fù)的空間自相關(guān)。

2.空間計(jì)量模型

通常，空間計(jì)量模型主要有兩類:當(dāng)變量之間的空間依賴性對(duì)模型顯得非常關(guān)鍵而導(dǎo)致了空間自相關(guān)時(shí)，采用空間滯后模型(SLM);當(dāng)模型的誤差項(xiàng)在空間自相關(guān)時(shí)，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(cè)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(cè)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(cè)值Wy對(duì)本地區(qū)觀測(cè)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(xiàng)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(duì)因變量y的影響，參數(shù)λ衡量了樣本觀測(cè)值中的空間依賴作用。存在于擾動(dòng)誤差項(xiàng)之中的空間依賴作用，可以度量鄰近地區(qū)關(guān)于觀測(cè)值的誤差沖擊對(duì)本地區(qū)觀測(cè)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(dòng)投入與資本投入是必不可少的三個(gè)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(jià)值與全部實(shí)物資產(chǎn)價(jià)值的之比。Goldsmith(1969)認(rèn)為，金融相關(guān)比率的變動(dòng)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(gè)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(gè)省(區(qū)、市)的金融資產(chǎn)和M2的統(tǒng)計(jì)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(jì)算方法。

勞動(dòng)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(jì)算宏觀經(jīng)濟(jì)或者具體行業(yè)的全要素生產(chǎn)率時(shí)，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(cè)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(gè)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(gè)省域金融機(jī)構(gòu)人民幣存貸款余額，個(gè)別省域的個(gè)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(gè)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(jì)資料匯編》、各省(區(qū)、市)《統(tǒng)計(jì)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(huì)發(fā)展統(tǒng)計(jì)公報(bào)》②各省(區(qū)、市)《2011年國民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》部分?jǐn)?shù)據(jù)為快報(bào)數(shù)，可能與最終的《統(tǒng)計(jì)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(cè)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(chǎng)化發(fā)展水平的5項(xiàng)指數(shù)和人均GDP為解釋變量。關(guān)于市場(chǎng)化發(fā)展的5項(xiàng)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(chǎng)化指數(shù)③關(guān)于各省(區(qū)、市)市場(chǎng)化指數(shù)各級(jí)各類指標(biāo)數(shù)據(jù)，參見樊綱、王小魯?shù)戎?《中國市場(chǎng)化指數(shù):各地區(qū)市場(chǎng)化相對(duì)進(jìn)程2011年報(bào)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(shí)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(huì)主義市場(chǎng)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(jì)劃經(jīng)濟(jì)在我國的經(jīng)濟(jì)體制中長(zhǎng)期占據(jù)主導(dǎo)地位，因此，當(dāng)時(shí)的全國各地的市場(chǎng)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(chǎng)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(chǎng)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(chǎng)化水平有了顯著的提高。因此，本文以該年為樣本的起始點(diǎn)，選取1997-2011年共15年的市場(chǎng)化與金融發(fā)展數(shù)據(jù)進(jìn)行實(shí)證分析。由于樊綱、王小魯?shù)热司幹剖袌?chǎng)化指數(shù)截止到2009年，我們根據(jù)以前年度的增速，對(duì)2010-2011年的市場(chǎng)化指數(shù)進(jìn)行了推算。

(四)空間權(quán)重矩陣的設(shè)計(jì)

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(gè)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(shí)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(gè))，因此，設(shè)定k=3、4、5、6。雖然這種方法保證了每個(gè)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(jì)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(duì)省域間鄰近關(guān)系的更好解釋，rook的相鄰規(guī)則是兩個(gè)省域擁有共同的邊界即視為相鄰［68］。

表1 市場(chǎng)化的5項(xiàng)指數(shù)

通過對(duì)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(shí)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(gè)年份的省域Moran's I數(shù)值逐階下降，說明經(jīng)濟(jì)活動(dòng)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(shí)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(shí)別與估計(jì)

判斷某一經(jīng)濟(jì)活動(dòng)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(gè)更恰當(dāng)，一般可以通過Moran's I檢驗(yàn)、兩個(gè)Lagrange Multiplier形式(LMLAG和LMERR)及其穩(wěn)健性形式(Robust-LMLAG和 Robust-LMERR)來實(shí)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(yàn)中發(fā)現(xiàn)LMLAG較之LMER在統(tǒng)計(jì)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(shí)候，相近的檢驗(yàn)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(shí)則需要分別采用SLM和SEM兩種模型進(jìn)行估計(jì)和比較。

表2 中國31個(gè)省域地理相鄰信息

在模型估計(jì)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(jì)值會(huì)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(jì)(GLS)、廣義矩估計(jì)(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(jì)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(cè)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(duì)中國各省域金融發(fā)展的全要素生產(chǎn)率進(jìn)行測(cè)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(cè)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(gè)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?cái)U(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(duì)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(zhǎng)的態(tài)勢(shì)，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(gè)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?cè)O(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(huì)實(shí)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(huì)實(shí)物資產(chǎn)規(guī)模增速大于金融資產(chǎn)增速時(shí)，金融相關(guān)比率將會(huì)減小，最終使得測(cè)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(huì)經(jīng)濟(jì)的總體發(fā)展效率。

四、空間計(jì)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(dòng)之間建立了聯(lián)系，并認(rèn)為空間分布對(duì)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(gè)地區(qū)的金融發(fā)展會(huì)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(dòng)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(duì)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(cè)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(jì)市場(chǎng)化發(fā)展對(duì)金融業(yè)全要素生產(chǎn)率變化的影響，并對(duì)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(chǎng)化發(fā)展對(duì)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(chǎng)化發(fā)展對(duì)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(yàn)，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(jì)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(cè)算的結(jié)果，計(jì)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(shí)在Moran's I散點(diǎn)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(shí)期劃分為3個(gè)時(shí)段，即 1997-2001、2002-2006、2007-2011。表4中報(bào)告了3個(gè)時(shí)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(yàn)情況，其他具體年份的Moran's I以及各類散點(diǎn)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(gè)樣本時(shí)期內(nèi)，并不具有正的空間自相關(guān)。

(二)普通回歸及檢驗(yàn)

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(chǎng)化水平的5項(xiàng)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(chǎng)化發(fā)展對(duì)全要素生產(chǎn)率變化的影響。需要說明的是，在3個(gè)時(shí)段中，我們逐一地對(duì)每個(gè)自變量進(jìn)行多重共線性檢測(cè)，發(fā)現(xiàn)任一自變量均不能用其他5個(gè)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(bào)告檢測(cè)結(jié)果。各個(gè)變量的描述性統(tǒng)計(jì)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(chǎng)化各項(xiàng)指數(shù)對(duì)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(duì)各個(gè)變量進(jìn)行自然對(duì)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(xiàng)，β為回歸系數(shù)，ε為隨機(jī)誤差項(xiàng)。在該模型基礎(chǔ)上，分別對(duì)1997-2001、2002-2006、2007-2011這3個(gè)時(shí)段進(jìn)行回歸，得到的結(jié)果如表6所示。

表6報(bào)告了3個(gè)時(shí)段市場(chǎng)化對(duì)金融業(yè)全要素生產(chǎn)率的影響。在前2個(gè)時(shí)段，產(chǎn)品市場(chǎng)發(fā)育程度和要素市場(chǎng)發(fā)育程度對(duì)全要素生產(chǎn)率變化指數(shù)影響較為顯著;而在第3個(gè)時(shí)段，非國有經(jīng)濟(jì)發(fā)展對(duì)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(yàn)結(jié)果反映出OLS估計(jì)中存在著顯著的空間自相關(guān)。具體地說，3個(gè)時(shí)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(yàn)。因此，運(yùn)用OLS進(jìn)行估計(jì)，結(jié)果可能會(huì)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(gè)時(shí)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(tái)灣、香港和澳門，但這3個(gè)地區(qū)的地理信息并未納入統(tǒng)計(jì)分析。。如圖2所示，O LS估計(jì)的殘差值表現(xiàn)出了明顯的空間集聚特征。因?yàn)?，我們發(fā)現(xiàn)任一時(shí)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(huì)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(shí)，又會(huì)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(jì)中，計(jì)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(gè)變量空間自相關(guān)的Moran's I指數(shù)檢驗(yàn)

表5 主要回歸變量的描述性統(tǒng)計(jì)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(jì)結(jié)果

(三)空間模型估計(jì)

為了得到有效、一致的回歸模型估計(jì)結(jié)果，我們需要引入空間權(quán)重矩陣，建立空間計(jì)量模型，通過極大似然估計(jì)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(jì)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(xiàng)，μ為正態(tài)分布的隨機(jī)誤差項(xiàng)。

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(jì)結(jié)果的比較，我們?cè)诒?中同時(shí)報(bào)告了這兩種模型的估計(jì)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(duì)比，可以看出，3個(gè)時(shí)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(jì)參數(shù)，基于殘差平方和分解的擬合優(yōu)度檢驗(yàn)意義不是很大［72］。另外，3個(gè)時(shí)段的 SLM模型和SEM模型的對(duì)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(shí)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?cè)敿?xì)地分析在考慮了空間自相關(guān)之后，空間模型的估計(jì)結(jié)果及其意義。

1.表7顯示，在2002-2006、2007-2011這2個(gè)時(shí)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(gè)時(shí)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(jì)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(yàn)，其他解釋變量的系數(shù)估計(jì)值不顯著。這說明該時(shí)段內(nèi)，金融業(yè)全要素生產(chǎn)率變化受到產(chǎn)品場(chǎng)和要素市場(chǎng)的市場(chǎng)化程度影響較大，具體地說，這兩個(gè)市場(chǎng)的市場(chǎng)化程度每增加1%，金融業(yè)全要素生產(chǎn)變化指數(shù)將會(huì)提高0.32%和0.09%;而政府與市場(chǎng)關(guān)系、非國有經(jīng)濟(jì)發(fā)展、市場(chǎng)中介組織和法律環(huán)境等方面的發(fā)展沒有對(duì)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(jì)量模型估計(jì)結(jié)果

3.在2002-2006年間，SLM模型估計(jì)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(yàn)。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(chǎng)關(guān)系、產(chǎn)品和要素市場(chǎng)發(fā)育程度提高1%時(shí)，金融業(yè)全要素生產(chǎn)率變化指數(shù)會(huì)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(cè)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。可以認(rèn)為該時(shí)段內(nèi)，中國金融發(fā)展水平?jīng)]有得到顯著提升;市場(chǎng)化發(fā)展，促進(jìn)了社會(huì)實(shí)物資產(chǎn)的增加，卻并沒有提高金融資產(chǎn)在社會(huì)實(shí)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(chǎng)化發(fā)展呈反向關(guān)系的原因。

4.在2007-2011年間，SLM模型估計(jì)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(yíng)經(jīng)濟(jì)的發(fā)展，顯著地推動(dòng)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(jì)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(yàn)。這說明，人均GDP并沒有對(duì)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(zhǎng)期以來的GDP高增長(zhǎng)，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(shì)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(chǎng)化5項(xiàng)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(jì)結(jié)果。

表8報(bào)告了OLS模型的空間自相關(guān)檢驗(yàn)結(jié)果，發(fā)現(xiàn)3個(gè)時(shí)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(gè)時(shí)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(chǎng)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(chǎng)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(shí)段內(nèi)大部分省域的金融業(yè)的競(jìng)爭(zhēng)指數(shù)都出現(xiàn)了前所未有的提高。此外，這一時(shí)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(xiǎn)的貸款減少，大量存款只能用于收益率較低的貨幣市場(chǎng)，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(chǎng)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(chǎng)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(gè)省域金融業(yè)全要素生產(chǎn)率的變化趨勢(shì)、空間效應(yīng)以及與市場(chǎng)化發(fā)展之間的關(guān)系，本文首先采用DEA-Malmquist方法對(duì)各省域的金融業(yè)全要素生產(chǎn)率進(jìn)行測(cè)算，發(fā)現(xiàn)1997-2011年間，該指標(biāo)總體呈現(xiàn)出下降趨勢(shì)，并存在著顯著的空間自相關(guān)。進(jìn)一步地，我們把市場(chǎng)化發(fā)展的5項(xiàng)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(chǎng)化對(duì)金融業(yè)全要素生

產(chǎn)率的影響。由于傳統(tǒng)的OLS估計(jì)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(shí)更為相符的估計(jì)結(jié)果?？臻g計(jì)量分析結(jié)果表明:1997-2011年，市場(chǎng)化發(fā)展對(duì)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(chǎng)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(chǎng)關(guān)系、產(chǎn)品和要素市場(chǎng)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(duì)金融業(yè)全要素生產(chǎn)率具有推動(dòng)作用。通過進(jìn)一步的拓展分析，我們還發(fā)現(xiàn)，市場(chǎng)化發(fā)展對(duì)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(jì)結(jié)果

表9 技術(shù)效率變化:空間計(jì)量模型估計(jì)結(jié)果

由此，我們得到的啟示是:市場(chǎng)化的發(fā)展會(huì)對(duì)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(shí)期也可以為負(fù)。1997年開始，由于國民經(jīng)濟(jì)市場(chǎng)化進(jìn)程明顯加快，產(chǎn)品市場(chǎng)和金融、勞動(dòng)力、技術(shù)等要素市場(chǎng)得到快速的發(fā)展，有力地推動(dòng)了金融業(yè)全要素生產(chǎn)率的提高，特別是產(chǎn)品市場(chǎng)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(shí)期，此間，市場(chǎng)化的發(fā)展提高了實(shí)體經(jīng)濟(jì)增長(zhǎng)效率，而金融業(yè)由于行業(yè)競(jìng)爭(zhēng)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(chǎng)化發(fā)展而下降。2007年以來，市場(chǎng)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(gè)時(shí)期，市場(chǎng)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(dòng)和學(xué)習(xí)效應(yīng)。那么，在市場(chǎng)化進(jìn)程中，如何提高全要素生產(chǎn)率，實(shí)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(shí)期市場(chǎng)化各項(xiàng)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(huì)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(gè)市場(chǎng)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(shí)，嘗試性地選用金融相關(guān)比率為產(chǎn)出變量，來測(cè)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(shí)上，規(guī)模報(bào)酬可變時(shí)，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(jì)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(shí)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(duì)我國商業(yè)銀行效率的影響［J］. 財(cái)經(jīng)科學(xué)，2010，(7):39-46.

［26］周逢民，張會(huì)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(píng)價(jià)［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(chǔ)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(duì)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(shí)證研究［J］.經(jīng)濟(jì)管理，2011，(4):131-135.

［29］曾儉華.國際化經(jīng)營(yíng)對(duì)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(shí)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(shí)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(shí)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(shí)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(cè)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(chǎng)化進(jìn)程中我國商業(yè)銀行全要素生產(chǎn)率變動(dòng)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(cè)算及其收斂性分析［J］.金融理論與實(shí)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(shí)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(shí)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(shí)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(jì)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(shí)溢出與創(chuàng)新的空間計(jì)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(bào)(哲學(xué)社會(huì)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(cái)經(jīng)研究，2012，(1):105-114.

［63］劉 飛.基于DEA的區(qū)域金融效率評(píng)價(jià)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(píng)價(jià)——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(cái)會(huì)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(chǎng)化指數(shù):各地區(qū)市場(chǎng)化相對(duì)進(jìn)程2011年報(bào)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(dòng)經(jīng)濟(jì)增長(zhǎng)的空間計(jì)量分析［J］.上海經(jīng)濟(jì)研究，2011，(5):3-15.