李成，高智賢，郭品

（西安交通大學經(jīng)濟與金融學院，陜西西安710061）

我國商業(yè)銀行全要素生產(chǎn)率實證研究:1996-2012
——基于無導向型DEA-Malmquist指數(shù)模型

李成，高智賢，郭品

（西安交通大學經(jīng)濟與金融學院，陜西西安710061）

文章通過構建無導向型DEA-Malmquist指數(shù)模型，對我國商業(yè)銀行的全要素生產(chǎn)率進行了評估。結(jié)果顯示：1996-2012年，我國銀行業(yè)的全要素生產(chǎn)率有所提升，但提升速度較慢；已有的銀行業(yè)改革雖有效果卻不夠深入；較高的進入壁壘、過嚴的業(yè)務監(jiān)管以及單一的股權結(jié)構是我國銀行業(yè)效率低下的主要根源。因此，應繼續(xù)推進并深化銀行業(yè)改革，降低銀行業(yè)的進入門檻，放寬銀行業(yè)的業(yè)務管制，豐富商業(yè)銀行的股權結(jié)構，促進金融資源配置效率的不斷提高。

商業(yè)銀行；全要素生產(chǎn)率；無導向型DEA；Malmquist指數(shù)

加入WTO以來，隨著經(jīng)濟的高速發(fā)展，我國商業(yè)銀行如沐春風，不論是資產(chǎn)規(guī)模還是盈利水平都得到巨大提升。但是，在規(guī)模和效益增加的同時，商業(yè)銀行的運營效率是否也有所提高？巨大的存貸利差帶來的究竟是一批具有競爭力的現(xiàn)代化商業(yè)銀行還是一些嬌生慣養(yǎng)的“阿斗”？這些都是目前業(yè)界和學界探討的焦點。效率作為商業(yè)銀行核心競爭力的重要表現(xiàn)，是考量商業(yè)銀行績效最為重要的一個指標，也是衡量社會資源優(yōu)化配置水平的重要變量。銀行效率的提高不僅代表了商業(yè)銀行核心競爭力的提升，也意味著整個社會資源配置的優(yōu)化。因此，商業(yè)銀行效率不僅僅是一個金融問題，更是一個經(jīng)濟問題。客觀準確地評估商業(yè)銀行效率及其演變趨勢，深入分析其背后的影響因素與經(jīng)濟原因無疑對提高我國商業(yè)銀行效率具有重要的理論意義與現(xiàn)實意義。

一、文獻綜述

商業(yè)銀行效率即商業(yè)銀行在業(yè)務活動中投入與產(chǎn)出的對比關系，包括規(guī)模效率、范圍效率與前沿效率。Berger等（1991）研究發(fā)現(xiàn)，規(guī)模不經(jīng)濟或范圍不經(jīng)濟導致的效率損失不超過總成本的5%，而前沿效率低下導致的效率損失卻高達總成本的20%［1］。因此，近年來國內(nèi)外學者研究的重點主要在于商業(yè)銀行的前沿效率。相關文獻主要從以下幾方面展開研究。

關于商業(yè)銀行前沿效率的研究焦點，早期集中于對技術效率、規(guī)模效率和配置效率的分析。Bonin等（2005）以11個轉(zhuǎn)軌國家的銀行為樣本進行研究，發(fā)現(xiàn)商業(yè)銀行私有化并非提高其技術效率的充分條件［2］。顏廷峰（2009）基于結(jié)構方程模型，評價了我國商業(yè)銀行的成長性、流動性、盈利性和安全性，并據(jù)此對各家銀行的技術效率進行排序［3］。侯曉輝等（2009）采用最小凸輸入需求集法，測算了中國商業(yè)銀行的技術效率與配置效率，認為國有商業(yè)銀行的技術效率高于其他股份制商業(yè)銀行［4］。最近的研究重點則在于分析商業(yè)銀行的全要素生產(chǎn)率①及其演變趨勢。蔡躍洲等（2009）基于Malmquist指數(shù)的實證分析表明，股份制改造有助于改善商業(yè)銀行的經(jīng)營效率［5］。崔慶軍（2012），構建了基于利潤最大化的一維模型和基于利潤最大化與不良貸款最小化的二維模型，分析了我國主要商業(yè)銀行的全要素生產(chǎn)率［6］。譚燕芝（2012）通過對2005-2010年中國本土銀行和外資銀行Malmquist指數(shù)的計算與分析，認為股份制改革有助于中國銀行業(yè)效率的提高［7］。

關于商業(yè)銀行前沿效率的測度方法，Berger等（1997）通過對130多篇文獻的總結(jié)，認為其分為參數(shù)法和非參數(shù)法［8］。非參數(shù)法以數(shù)據(jù)包絡分析（DEA）為代表，由于“黑箱”視角下的DEA模型忽略了決策單元的內(nèi)部結(jié)構和生產(chǎn)過程，無法區(qū)分有效與無效的子決策單元，因此，網(wǎng)絡DEA模型應運而生。Castelli等（2010）認為網(wǎng)絡DEA模型可以深入到?jīng)Q策單元內(nèi)部，進行子系統(tǒng)的效率評價并找到低效的問題所在，但其難點在于不易確定初始投入的分配權重［9］。對此，Dmy?tro Holod（2011）提出了最新的解決思路，通過構建無導向型DEA模型，解決了計算初始投入分配權重的難題［10］。無論是傳統(tǒng)DEA模型，還是網(wǎng)絡DEA模型都只能處理截面數(shù)據(jù)，對決策單元進行橫向比較。為了對決策單元進行動態(tài)比較，F(xiàn)are等（1996）引入了Malmquist指數(shù)［11］。此后，Malmquist指數(shù)在評價決策單元效率中的應用日益廣泛。

關于商業(yè)銀行投入產(chǎn)出指標的界定方法，Camanho（1999）認為最常用的是生產(chǎn)法和中介法［12］，蔡躍洲（2009）則將其分為生產(chǎn)法、收支法和中介法［5］。這些方法中，關于存款的角色歸屬爭議最大。有些學者將存款視為投入變量，如Favero等（1995）［13］；有些學者將存款視為產(chǎn)出變量，如Siems等（1999）［14］；而有些甚至不考慮存款，如唐齊鳴等（2011）［15］。Dmytro Holod（2011）的研究認為由于銀行經(jīng)營分為資金籌集和資金運作兩個階段，因此，將存款視為中間變量的無導向型DEA模型更能客觀有效地衡量商業(yè)銀行的效率。

以上研究成果為分析我國商業(yè)銀行效率問題做出了大量有益探討和重要貢獻。但可以發(fā)現(xiàn)現(xiàn)有文獻尚存在以下待完善之處：研究內(nèi)容上，關于我國商業(yè)銀行的技術效率、規(guī)模效率與配置效率及其影響因素的分析比較豐富，但關于商業(yè)銀行全要素生產(chǎn)率及其構成的分析還不夠深入；研究方法上，學者們通常采用投入主導型或產(chǎn)出主導型DEA模型，但在這兩種模型中，如將存款視為投入變量，則存款越少商業(yè)銀行效率越高，如將存款視為產(chǎn)出變量，則存款越多商業(yè)銀行效率越高，這與現(xiàn)實不相吻合，尚沒有學者采用可以克服這一難題的無導向型DEA-Malmquist模型；研究指標上，關于存款角色的界定還存在很大爭議，而學者主觀的選擇將導致不一致的銀行效率估計；研究樣本上，以往學者選取的年份通常集中于銀行業(yè)改革之前或之后的幾年，較短的時間跨度不一定能保證相關結(jié)論的穩(wěn)健性與可靠性。

基于此，本文試圖在共享投入關聯(lián)兩階段DEA模型的基礎上，首先建立衡量商業(yè)銀行運營效率的無導向型DEA-Malmquist模型；然后，采用1996-2012年的數(shù)據(jù)，對我國15家商業(yè)銀行的全要素生產(chǎn)率進行研究，并得出相應結(jié)論。本文的特點在于：第一，構建的無導向型DEA-Malmquist模型不僅考慮了商業(yè)銀行的生產(chǎn)經(jīng)營過程；而且解決了存款既是投入要素又是產(chǎn)出要素的難題，避免了存款角色主觀選擇造成的效率估計偏差，能夠更客觀準確地評估我國商業(yè)銀行全要素生產(chǎn)率及其演變趨勢。第二，選取的投入產(chǎn)出指標兼顧了商業(yè)銀行的產(chǎn)出數(shù)量與產(chǎn)出質(zhì)量，這在我國商業(yè)銀行不良貸款率較高②的現(xiàn)實下顯得頗為重要。第三，采用的樣本囊括了我國15家商業(yè)銀行1996-2012年的數(shù)據(jù)，較長的時間跨度可以得到更為準確的測度結(jié)果和更加可靠的分析結(jié)論。

其余內(nèi)容安排如下：第二部分主要介紹無導向型DEA-Malmquist指數(shù)模型的構建；第三部分在上述模型的基礎上，通過指標選取、數(shù)據(jù)搜集、Matlab軟件編程，對我國商業(yè)銀行的全要素生產(chǎn)率進行測度、分解與評價；第四部分得出本文的研究結(jié)論并提出相應政策建議。

二、模型構建

（一）共享投入關聯(lián)兩階段DEA模型

商業(yè)銀行作為一種典型的間接金融機構，其本質(zhì)是以債務人的身份從資金盈余者手中籌集資金，又以債權人的身份向資金短缺者提供資金。將商業(yè)銀行的經(jīng)營過程表述如圖1。其中，X1和X2分別表示商業(yè)銀行的人力投入和財力投入；Y1和Y2分別表示商業(yè)銀行的盈利產(chǎn)出和貸款產(chǎn)出；Z表示商業(yè)銀行的存款；α和(1-α)分別表示人力投入在兩個階段的分配權重；β和(1-β)分別表示財力投入在兩個階段的分配權重。

圖1 共享投入關聯(lián)兩階段DEA模型③下商業(yè)銀行經(jīng)營過程

無論是在資金籌集階段，還是在資金運用階段，商業(yè)銀行的經(jīng)營目標都是用最小的投入獲得最大的產(chǎn)出。因此，可以通過圖2的優(yōu)化過程來實現(xiàn)這樣一個多目標問題。如圖3所示,“資金籌集階段”的優(yōu)化步驟會使中間變量變大，而“資金運用階段”的優(yōu)化步驟會使中間變量變小，兩個過程交替進行，中間變量在整個優(yōu)化過程中就會呈現(xiàn)振蕩且振幅收斂的形態(tài)。利用該優(yōu)化方法，最終可以得到整個銀行業(yè)的生產(chǎn)前沿面，進而確定每家商業(yè)銀行的效率。

圖2 共享投入兩階段DEA模型實現(xiàn)流程

圖3 共享投入關聯(lián)兩階段DEA模型下中間產(chǎn)品變動示意圖

（二）無導向型DEA模型

由于現(xiàn)實世界里很難得到初始投入在第一階段和第二階段的分配權重，即很難確定上述的α和β值。因此，共享投入關聯(lián)兩階段DEA模型只是一個理想的理論模型，不能在實際中得到運用。為解決此問題，本文將前述模型變形，轉(zhuǎn)化為存款視角下的無導向型DEA模型④，如圖4所示，其中各變量含義與前文一致。此時，商業(yè)銀行的生產(chǎn)經(jīng)營目標可以表述為：在存款額一定的前提下，同時追求投入的最小化和產(chǎn)出的最大化。這與我國商業(yè)銀行的生產(chǎn)過程與管理過程基本吻合。

圖4 無導向型DEA模型下商業(yè)銀行經(jīng)營過程

無導向型DEA模型的具體規(guī)劃表述如下：假定時期t，有Q個決策單元（DMU），每個DMU有N種投入和M種產(chǎn)出，為N*Q投入矩陣，為M*Q產(chǎn)出矩陣。在規(guī)模報酬不變（CRS）的條件下，無導向型DEA模型的線性規(guī)劃如下：

（三）Malmquist指數(shù)及其分解

當考慮到時間因素時，由于技術的進步或退化會導致生產(chǎn)前沿面的移動，進而使得不同期間的決策單元缺乏縱向比較的基準。因此，DEA模型只能處理截面數(shù)據(jù)，對決策單元進行橫向比較。Malmquist指數(shù)很好地解決DEA模型存在的問題，F(xiàn)are創(chuàng)建了如下的Malmquist指數(shù)：

其中，(xt+1,yt+1)和(xt,yt)分別表示t+1時期和t時期的投入產(chǎn)出向量；Dt+1和Dt分別表示以t+1時期和t時期的技術為基準的距離函數(shù)，其值等于基于產(chǎn)出導向型DEA模型的技術效率值的倒數(shù)。在規(guī)模報酬可變的假設下，（2）式可以分解為：

其中，Dt+1v和Dtv表示在規(guī)模報酬可變條件下的距離函數(shù)，等式右邊第一個括號代表純技術效率變化指數(shù)（PTEC），第二個括號代表規(guī)模效率變化指數(shù)（SEC），第三個括號代表技術進步變化指數(shù)（TC）。

（四）無導向型DEA-Malmquist模型

在前述分析的基礎上，建立存款視角下的無導向型DEA-Malmquist指數(shù)模型。由于距離函數(shù)的值等于DEA模型下技術效率的倒數(shù)，因此可以采用DEA模型的線線規(guī)劃來求解距離函數(shù)，進而求得無導向型DEA-Malmquist指數(shù)。

經(jīng)過上述過程后，將求得的距離函數(shù)值代入式（2）、（3），即可求得無導向型DEA-Malmquist指數(shù)模型下的全要素生產(chǎn)率變化指數(shù)、規(guī)模效率變化指數(shù)、純技術效率變化指數(shù)和技術進步變化指數(shù)。

三、實證分析

（一）樣本與數(shù)據(jù)期間的確定

本文依據(jù)銀監(jiān)會的劃分標準，選擇相對具有同質(zhì)性的5家大型商業(yè)銀行和10家股份制商業(yè)銀行⑤作為樣本決策單元。這些銀行囊括了國內(nèi)大多數(shù)具有較大影響的商業(yè)銀行，其資產(chǎn)規(guī)模、負債規(guī)模占全國所有銀行的62.5%、62.7%⑥，基本能代表中國銀行業(yè)的整體情況。本文選擇數(shù)據(jù)的時間跨度為1996-2012年，數(shù)據(jù)來源于各銀行年報、銀監(jiān)會年報、中國金融統(tǒng)計年鑒以及中宏網(wǎng)數(shù)據(jù)庫。

（二）變量選擇與說明

考慮到商業(yè)銀行作為一般企業(yè)獲取最大收益的目標和作為資金中介主體在資源配置中的重要地位，本文結(jié)合“生產(chǎn)法”和“中介法”，選取員工人數(shù)（X1）、營業(yè)成本（X2）作為投入變量，選取利息收入（Y1）、貸款總額（Y2）作為產(chǎn)出變量以兼顧商業(yè)銀行的產(chǎn)出數(shù)量與產(chǎn)出質(zhì)量，選取存款總額（D）作為中間變量以解決存款既是投入要素又是產(chǎn)出要素的難題。變量具體說明見表1。

表1 各變量具體描述

由于投入產(chǎn)出項正相關系數(shù)越高，效率評價結(jié)果越可靠，因此投入產(chǎn)出項的選取必須滿足Pearson相關性檢驗。對1996-2012年各項投入產(chǎn)出指標進行Pearson相關性分析，得到投入產(chǎn)出指標的年均相關系數(shù)如表2所示。由表2可知：各項產(chǎn)出指標與投入指標之間顯示出高度的正相關性，且通過了0.01顯著水平下的雙尾檢驗，這說明本文所選的指標是合適的。

表2 產(chǎn)出指標與投入指標年均相關系數(shù)

（三）商業(yè)銀行效率的測算及分析

運用Matlab7.0軟件進行編程⑦，以商業(yè)銀行的投入產(chǎn)出數(shù)據(jù)為基礎，對1996-2012年我國15家商業(yè)銀行的效率進行評估，結(jié)果如表3、表4。

表3 我國商業(yè)銀行全要素生產(chǎn)率變化指數(shù)年份平均結(jié)果

表4 我國商業(yè)銀行全要素生產(chǎn)率變化指數(shù)銀行平均結(jié)果

整體而言，1996-2012年，我國商業(yè)銀行的全要素生產(chǎn)率變化指數(shù)的年均值為1.004，說明該時期內(nèi)，我國商業(yè)銀行的全要素生產(chǎn)率有所增加。但值得注意的是，該時期內(nèi)，我國GDP的年均增長率達到9.83%，相比而言，商業(yè)銀行全要素生產(chǎn)率的年均增長率僅為0.4%，這顯然是一個較為緩慢的增長速度。為了探尋我國商業(yè)銀行全要素生產(chǎn)率增長較慢的經(jīng)濟原因，下文分別從全要素生產(chǎn)率變化指數(shù)的構成成分、時間角度、銀行類別三個方面進行分析。

第一，從構成成分來看，1996-2012年，我國商業(yè)銀行的純技術效率變化指數(shù)為1.004，規(guī)模效率變化指數(shù)為1.003，技術進步變化指數(shù)為0.997?？梢?，這一時期，純技術效率的改善與規(guī)模效率的提高對全要素生產(chǎn)率的增長產(chǎn)生了促進作用，而技術的退步卻對其產(chǎn)生了抑制作用。

技術進步變化指數(shù)代表一段時期內(nèi)生產(chǎn)前沿面的移動速度，反映了整個行業(yè)投入產(chǎn)出效率的變化情況。我國銀行業(yè)技術的退步主要源于以下三個因素：第一，隨著我國經(jīng)濟總量的增大，經(jīng)濟增速的中軸呈逐年下降的趨勢，宏觀環(huán)境影響了銀行業(yè)的技術進步；第二，由于政策性貸款的存在以及欲使銀行業(yè)利潤回歸到平均利潤水平的意愿，國家對銀行業(yè)的政策傾斜逐漸減少，這些措施部分地影響了銀行業(yè)的技術進步；第三，由于愈發(fā)壯大的網(wǎng)絡金融、蓬勃發(fā)展的民間借貸等競爭者對我國商業(yè)銀行造成業(yè)務擠壓和利潤侵蝕，導致銀行業(yè)的技術出現(xiàn)退步。上述原因的存在阻礙了我國商業(yè)銀行技術的進步，進而導致我國商業(yè)銀行全要素生產(chǎn)率增速較慢。

第二，依時間演進分析，從2003年銀監(jiān)會成立，匯金公司向四大國有商業(yè)銀行注資開始，到2006年中國銀行和工商銀行先后在香港和內(nèi)地上市，我國商業(yè)銀行的改革基本告一段落。在這一時期內(nèi)，我國商業(yè)銀行全要素生產(chǎn)率變化指數(shù)的年均值為1.015，遠遠高于非改革期間的年均值0.998，這說明商業(yè)銀行改革顯著地改善了我國銀行業(yè)的全要素生產(chǎn)率，明顯地增強了我國商業(yè)銀行的效率與核心競爭力。

進一步而言，2003-2006年，我國商業(yè)銀行純技術效率變化指數(shù)、規(guī)模效率變化指數(shù)和技術進步變化指數(shù)分別為1.004、0.997和1.014，非改革期間的各指數(shù)相應為1.004、1.005和0.991。這表明商業(yè)銀行改革對純技術效率影響較小，對規(guī)模效率有負向影響，對技術進步有正向影響。導致該結(jié)果的原因在于：首先，在商業(yè)銀行改革期間，為滿足資本充足率的監(jiān)管要求，為不斷提高經(jīng)營的穩(wěn)健性，銀行管理層降低了運營的杠桿，減小了規(guī)模擴張的速度，進而導致規(guī)模效率有所降低；其次，改革期間，大量涌入的外資給我國商業(yè)銀行帶來豐裕資金的同時，也為其帶來了先進的技術，這致使我國銀行業(yè)的技術水平快速提升。

總之，銀行業(yè)改革顯著提高了我國商業(yè)銀行的全要素生產(chǎn)率和技術進步，但由于商業(yè)銀行改革僅僅持續(xù)了4年，本文研究的時間跨度卻長達16年，非改革期間較低的全要素生產(chǎn)率增長率稀釋了改革期間較高的全要素成產(chǎn)率增長率。整體而言，我國商業(yè)銀行全要素生產(chǎn)率的增長率仍舊較低。因此，本文認為已有的銀行業(yè)改革雖有效果，但還不夠深入持久。

第三，按銀行類別來看，如表4所示：1996-2012年，大型商業(yè)銀行的全要素生產(chǎn)率呈下降趨勢，其Malmquist指數(shù)年均值為0.997，純技術效率變化指數(shù)為1.001，規(guī)模效率變化指數(shù)為1.002，技術進步變化指數(shù)為0.994。相比而言，股份制商業(yè)銀行的全要素生產(chǎn)率呈上升趨勢，其Malmquist指數(shù)年均值為1.006，純技術效率變化指數(shù)為1.005，規(guī)模效率變化指數(shù)為1.003，技術變化指數(shù)為0.997。由此可知，大型商業(yè)銀行不論是全要素生產(chǎn)率，還是純技術效率、規(guī)模效率和技術進步，增長速度都低于股份制商業(yè)銀行。大型商業(yè)銀行整體表現(xiàn)較差，股份制商業(yè)銀行表現(xiàn)則相對較好。

農(nóng)業(yè)銀行為大型商業(yè)銀行中表現(xiàn)最差的銀行，其全要素生產(chǎn)率變化指數(shù)年均值僅為0.982。根據(jù)曲小剛（2013）的研究，農(nóng)業(yè)銀行的業(yè)務區(qū)域主要集中于中小城市和偏遠地區(qū)，分散的縣域金融業(yè)務和客戶群體導致了其資源空間配置的高成本與低收益，進而導致了農(nóng)業(yè)銀行較差的經(jīng)營效率［16］。中國銀行為大型商業(yè)銀行中表現(xiàn)最佳的銀行，較高的技術進步指數(shù)（1.011）是拉動中國銀行經(jīng)營效率的主要因素。農(nóng)業(yè)銀行與中國銀行經(jīng)營效率的差異說明了商業(yè)銀行的客戶群體和管理層在很大程度上影響著銀行的經(jīng)營績效。然而，目前我國大型商業(yè)銀行卻缺乏充足的動力去改善它們的客戶群體或管理層，這主要由以下兩方面原因造成：一方面，由于較高的銀行業(yè)進入壁壘造成了大型商業(yè)銀行的壟斷地位，進而導致大型商業(yè)銀行的管理層沒有積極性進行重大變革；另一方面，由于過嚴的行業(yè)監(jiān)管造成了大型商業(yè)銀行在政府有形的監(jiān)管與無形的約束下，難以完全自主決定重要的經(jīng)營決策，難以進行重大變革。

民生銀行作為樣本中唯一一家民營控股的商業(yè)銀行，其全要素生產(chǎn)率遠高于其他國有控股的商業(yè)銀行。這表明銀行的控股股東對商業(yè)銀行的經(jīng)營績效有很大的影響。國有控股商業(yè)銀行“所有權虛置”引發(fā)的產(chǎn)權不明晰，委托代理鏈過長，管理體制和薪酬激勵機制尚欠科學，這致使其管理層缺乏改善經(jīng)營績效的動力，進而導致其低下的效率。相對而言，民營控股的商業(yè)銀行在天然硬化的利潤約束下，擁有相對明晰的產(chǎn)權、有效的監(jiān)督約束機制與薪酬激勵機制，其管理層更有動力去改善商業(yè)銀行的經(jīng)營績效，最終促進銀行效率的提升。

綜上分析，在本文所研究的商業(yè)銀行中，表現(xiàn)最佳的是民營控股的商業(yè)銀行，表現(xiàn)最差的是大型商業(yè)銀行。降低銀行業(yè)的進入壁壘、放寬銀行業(yè)的業(yè)務管制以及豐富商業(yè)銀行的股權結(jié)構是未來大型商業(yè)銀行提高全要素生產(chǎn)率的突破口。

四、研究結(jié)論

在構建無導向型DEA-Malmquist指數(shù)模型的基礎上，運用1996-2012年的面板數(shù)據(jù)，對我國15家股份制商業(yè)銀行的全要素生產(chǎn)率進行了測度、分解與分析，得出如下結(jié)論。

（1）1996-2012年，我國銀行業(yè)的全要素生產(chǎn)率有所提升，但提升速度緩慢，技術退步是造成該現(xiàn)象的罪魁禍首。因此，應改變我國商業(yè)銀行依靠規(guī)模擴張的粗放式發(fā)展方式，促使商業(yè)銀行進行金融產(chǎn)品和服務的自主創(chuàng)新，實現(xiàn)商業(yè)銀行經(jīng)營效率和技術水平的可持續(xù)提高。一方面應提升銀行業(yè)的內(nèi)在動力，鼓勵商業(yè)銀行吸收互聯(lián)網(wǎng)金融企業(yè)的先進技術和管理經(jīng)驗，為傳統(tǒng)的銀行業(yè)植入創(chuàng)新基因，加快其科技進步的節(jié)奏。另一方面應增強銀行業(yè)的外部壓力，規(guī)范和引導最近興起的互聯(lián)網(wǎng)金融，在管控風險的同時發(fā)揮“鯰魚效應”，迫使養(yǎng)尊處優(yōu)的國有商業(yè)銀行直面競爭，痛下決心提升服務品質(zhì)與科技含量。

（2）2003-2006年的銀行業(yè)改革顯著地改善了我國商業(yè)銀行的全要素生產(chǎn)率和技術水平，切實地提高了我國商業(yè)銀行的經(jīng)營效率與核心競爭力，但已有的銀行業(yè)改革卻不夠深入持久。因此，應繼續(xù)推進并深化銀行業(yè)改革，改革的重點之一在于提高銀行業(yè)金融產(chǎn)品和金融服務的精準度：加快私人銀行、理財產(chǎn)品的創(chuàng)新以挖掘高端客戶；調(diào)節(jié)對公客戶結(jié)構以擴大對小微企業(yè)的扶持；充分利用電子信息渠道以節(jié)約中間業(yè)務成本。改革的另一著力點在于擴大對外開放，在風險可控的前提下，在更高層次上、更大范圍內(nèi)開放國內(nèi)金融市場，讓更多優(yōu)質(zhì)的外資銀行“走進來”。同時鼓勵國內(nèi)符合一定條件的內(nèi)資銀行“走出去”，積極參與全球金融市場的競爭以不斷提高我國商業(yè)銀行的國際競爭力。

（3）相對于大型商業(yè)銀行而言，股份制商業(yè)銀行的全要素生產(chǎn)率增加速度較快，尤其是民營控股商業(yè)銀行的全要素生產(chǎn)率增加的最為迅速?？傮w上，我國銀行業(yè)全要素生產(chǎn)率增長緩慢的根源在于其濃厚的行政化色彩、較高的進入壁壘以及過嚴的業(yè)務監(jiān)管。因此，需逐漸取消國有商業(yè)銀行的行政級別，對商業(yè)銀行中高層領導的任命要更加公開化、透明化，使銀行管理者從政府官員轉(zhuǎn)變?yōu)檎嬲穆殬I(yè)經(jīng)理人，實現(xiàn)銀行業(yè)微觀基礎的市場化轉(zhuǎn)變。其次，應降低我國銀行業(yè)的進入門檻，豐富商業(yè)銀行的股權結(jié)構，健全商業(yè)銀行的資本約束機制，鼓勵、引導和規(guī)范更多的私人部門或其他國有企業(yè)進入銀行業(yè)，以提高銀行業(yè)的整體效率。最后，應逐步放寬對商業(yè)銀行的業(yè)務管制，讓銀行自主決定其所要經(jīng)營或摒棄的業(yè)務，讓市場的手發(fā)揮更大的作用，促成一個更為公平和更有活力的金融市場，以提高整個社會的資源配置效率。

注釋：

①在我國學者魏權齡將測度前沿效率的數(shù)據(jù)包絡分析（DEA）方法引入中國之前，國內(nèi)學者主要采用索洛余值法對全要素生產(chǎn)率進行測度。索洛余值法不僅需要預設具體的生產(chǎn)函數(shù)形式、確定具體的參數(shù)，而且無法對全要素生產(chǎn)率進行分解，因此，后來的學者主要運用DEA方法結(jié)合Malmquist指數(shù)測度全要素生產(chǎn)率及其構成。

②根據(jù)銀監(jiān)會、國家統(tǒng)計局數(shù)據(jù)估算，我國商業(yè)銀行不良貸款率在2001年約為24%，近年來雖有所下降，但仍然處于較高水平，2010年約為8.5%。

③共享投入關聯(lián)兩階段DEA模型是指初始投入在第一階段和第二階段共享，同時第一階段的產(chǎn)出又是第二階段的投入的DEA模型。

④DEA模型包括：投入主導型DEA、產(chǎn)出主導型DEA和無導向型DEA。其中，投入主導型DEA在決策單元產(chǎn)出保持不變的情況下，追求投入最小化；產(chǎn)出主導型DEA在決策單元投入保持不變的情況下，追求產(chǎn)出最大化；無導向型DEA在決策單元中間產(chǎn)品保持不變的情況下，同時追求投入最小和產(chǎn)出最大化。

⑤5家大型商業(yè)銀行包括：中國工商銀行、中國農(nóng)業(yè)銀行、中國銀行、中國建設銀行、交通銀行；10家股份制商業(yè)銀行包括：招商銀行、平安銀行、浦東發(fā)展銀行、廣東發(fā)展銀行、中信銀行、興業(yè)銀行、民生銀行、華夏銀行、光大銀行、恒豐銀行。

⑥按照2012年數(shù)據(jù)估算，數(shù)據(jù)來源于中國銀行業(yè)監(jiān)督管理委員會2012年監(jiān)管統(tǒng)計數(shù)據(jù)。

⑦為保證編程正確與精度水平，運用Lingo11.0軟件進行編程驗證。

［1］Berger A N，Humphrey D B.The dominance of inefficiencies over scale and product mix economies in banking［J］.Journal of Monetary Economics，1991，28（1）：117–148.

［2］Bonin J P，Hasan I，Wachtel P.Bank performance，efficiency and ownership in transition countries［J］.Journal of Banking &Finance，2005，29（1）：31–53.

［3］顏廷峰，孫麗.商業(yè)銀行業(yè)績評價結(jié)構方程實證［J］.華東經(jīng)濟管理，2009（9）：113-118.

［4］侯曉輝，王青.基于MCIRS方法的中國商業(yè)銀行技術與配置效率研究［J］.經(jīng)濟科學，2009（2）：72-83.

［5］蔡躍洲，郭梅軍.我國上市商業(yè)銀行全要素生產(chǎn)率的實證分析［J］.經(jīng)濟研究，2009（9）：52-65.

［6］崔慶軍，趙增耀，王群偉.考慮非期望產(chǎn)出的我國商業(yè)銀行經(jīng)營效率研究［J］.華東經(jīng)濟管理，2012（5）：78-82.

［7］譚燕芝，丁浩.銀行業(yè)改革,趕超與開放——基于Malmquist TFP指數(shù)的實證分析［J］.經(jīng)濟與管理研究，2012（3）：73-85.

［8］Berger A N，Humphrey D B.Efficiency of financial institu?tions:International survey and directions for future research［J］.European journal of operational research，1997，98（2）：243-249.

［9］Castelli L，Pesenti R，Ukovich W.A classification of DEA models when the internal structure of the Decision Making Units is considered［J］.Annals of Operations Research，2010，173（1）：207-235.

［10］Holod D，Lewis H F.Resolving the deposit dilemma：A new DEA bank efficiency model［J］.Journal of Banking&Fi?nance，2011，35（11）：2801-2810.

［11］Faer R，Grosskopf S，Br Nnlund R.Intertemporal production frontiers：with dynamic DEA［M］.Boston；Kluwer Academ?ic Boston，1996：46-62.

［12］Camanho A，Dyson R.Efficiency，size，benchmarks and tar?gets for bank branches：an application of data envelopment analysis［J］.Journal of the Operational Research Society，1999，50（9）：903-915.

［13］Favero C A，Papi L.Technical efficiency and scale efficiency in the Italian banking sector:a non-parametric approach［J］.Applied Economics，1995，27（4）：385-395.

［14］Siems T F.Quantifying management's role in bank survival［J］.Economic and Financial Policy Review，1999（29）：29-41.

［15］唐齊鳴，付雯雯.商業(yè)銀行效率、風險與技術進步——基于18家國際大銀行的實證分析［J］.經(jīng)濟管理，2011（3）：123-131.

［16］曲小剛，羅劍朝.上市后中國農(nóng)業(yè)銀行服務“三農(nóng)”的績效研究［J］.華東經(jīng)濟管理，2013（9）：105-110.

［責任編輯：余志虎］

An Empirical Study on the Chinese Banking Industry’s Total Factor Productivity：1996-2012—Based on the Un-oriented DEA-Malmquist Index Model

LI Cheng，GAO Zhi-xian，GUO Pin
（School of Economics and Finance，Xi’an Jiaotong University，Xi’an 710061，China）

The paper accesses the TFP of China’s commercial banks by building an un-oriented DEA-Malmquist Index mod?el.The results show that the Chinese banking industry’s total factor productivity has been improved，but very slowly from the year of 1996 to 2012；the existing banking reform is effective but not deep enough；the higher entry barrier，the more strict business regulation and the single ownership structure are the main sources of the inefficiency of China’s banking industry. Therefore，China should continue to promote and deepen the banking reform，lower the entry barrier，deregulate banking business，diversify the ownership structure of commercial banks and improve the efficiency of allocating financial resources constantly.

commercial bank；total factor productivity；un-oriented DEA；the Malmquist Index

F832.1

A

1007-5097（2014）08-0085-06

●財經(jīng)透視

10.3969/j.issn.1007-5097.2014.08.016

2014-01-15

國家社會科學基金重點項目（2009ZD020）；國家自然科學基金項目（71203175）

李成（1956-），男，陜西寶雞人，教授，博士生導師，研究方向：貨幣金融學；

高智賢（1987-），男，內(nèi)蒙古集寧人，博士研究生，研究方向：銀行效率；

郭品（1989-），女，河南鶴壁人，博士研究生，研究方向：貨幣金融學。