阮素梅 甄 欣

（安徽財經(jīng)大學(xué)，安徽蚌埠 233000）

一、引 言

我國自1995年在深圳成立第一家城市商業(yè)銀行開始，至今不到20年的時間。與國有、股份制商業(yè)銀行從無到有的誕生方式不同，城市商業(yè)銀行經(jīng)歷了城市信用社、改制、處置風險資產(chǎn)和歷史包袱的陣痛之后重獲新生，主要定位于“地方的銀行、城市的銀行、中小企業(yè)的銀行”。截至2012年末，城市商業(yè)銀行在全國注冊成立的有144家，資產(chǎn)總額達12.35萬億元，資產(chǎn)總額同比2011年增長了23.7%，城市商業(yè)銀行正在日益成為支持地方發(fā)展、扶持中小企業(yè)生存的重要力量。可見，城市商業(yè)銀行在滿足中小實體企業(yè)金融服務(wù)需求、促進區(qū)域經(jīng)濟發(fā)展方面發(fā)揮了重要作用，然而隨著利率市場化和金融脫媒時代的到來，主要依靠傳統(tǒng)存貸利差盈利的城市商業(yè)銀行面臨著前所未有的挑戰(zhàn)，加快金融創(chuàng)新和提高創(chuàng)新效率是推動城市商業(yè)銀行發(fā)展的關(guān)鍵。

我國城市商業(yè)銀行類似美國社區(qū)銀行，屬于地方性中小型商業(yè)銀行。國外學(xué)者的相關(guān)研究大多集中在金融創(chuàng)新，中間業(yè)務(wù)非利息收入以及經(jīng)營風險等方面，對創(chuàng)新的實證往往采取問卷調(diào)查、財務(wù)數(shù)據(jù)包絡(luò)分析等方法。而在國內(nèi)，有中國特色的城市商業(yè)銀行組建成立的時間較短，相關(guān)研究成果較匱乏。

通過對已有文獻梳理后發(fā)現(xiàn)，國內(nèi)外學(xué)者的研究更多集中在外資、國有以及大型股份制商業(yè)銀行的金融業(yè)務(wù)創(chuàng)新及效率評價方面，很少有學(xué)者將研究重心放在城市商業(yè)銀行的業(yè)務(wù)創(chuàng)新及效率評價方面。本文圍繞城市商業(yè)銀行創(chuàng)新能力形成、創(chuàng)新效率評價等問題，主要展開以下兩方面的研究工作：一是引用加權(quán)的DEA模型，從靜態(tài)和動態(tài)兩個角度，對我國城市商業(yè)銀行、國有銀行和股份制銀行的創(chuàng)新效率進行橫向比較分析，并對我國28家城市商業(yè)銀行做分經(jīng)濟地域的創(chuàng)新效率比較測評；二是利用Stata軟件對影響我國28家城市商業(yè)銀行創(chuàng)新效率的因素，做Tobit面板數(shù)據(jù)回歸，用實證來探求我國城市商業(yè)銀行的股權(quán)結(jié)構(gòu)和公司治理對創(chuàng)新效率影響的方向和幅度。

二、模型的構(gòu)建

（一）效率的測度模型

1．傳統(tǒng)及加權(quán)的靜態(tài)DEA模型

數(shù)據(jù)包絡(luò)分析是數(shù)學(xué)、運籌學(xué)、管理學(xué)和計算機科學(xué)的一個新的交叉領(lǐng)域，是用于測度企業(yè)資源使用效率的非參數(shù)方法。它是由Charnes等人［11］于1978年開始創(chuàng)建的，評價具有多個輸入或輸出的“部門”或“決策單位”（DMU）間的相對有效性。加權(quán)DEA模型構(gòu)造思想來源于傳統(tǒng)DEA本身的優(yōu)缺點，其優(yōu)點之一便是無需明確的模型函數(shù)，沒有過多的約束條件束縛，其中每個投入與產(chǎn)出指標（DMU）在DEA的軟件運算中所賦予的原始指標權(quán)重是一樣的。但是這些特點在某些領(lǐng)域的運用時也會成為它的弊端，特別在銀行業(yè)面板數(shù)據(jù)處理中，每個投入產(chǎn)出指標在模型中的權(quán)重占比，因時間周期、指標波動、外在環(huán)境及政策的變化而有所不同。所以本文參考變異系數(shù)理論，對DEA模型的投入產(chǎn)出指標賦予不同的權(quán)重系數(shù)以求模型更貼近實際情況。

此外，模型系數(shù)的選取不是依據(jù)人的主觀因素而是根據(jù)客觀樣本系數(shù)自身的離散程度和波動性。根據(jù)被評價對象投入產(chǎn)出指標的波動差異情況來確定權(quán)重，即對同一決策單元中波動差異較大，辨識度較高的指標應(yīng)賦予較大權(quán)重，而決策單元中波動差異較小，辨識度不高的指標應(yīng)賦予較小的權(quán)重，加權(quán)模型如下：

加權(quán)數(shù)CCR模型

加權(quán)數(shù)BCC模型

模型中，x為投入數(shù)量，y為產(chǎn)出數(shù)量（x、y皆為樣本無量綱化后的數(shù)值），w為根據(jù)樣本變異系數(shù)求出的權(quán)重，θ表示DMU-j的效率指數(shù)，eTs-表示m項投入由X0減少到θX0之外，還需減少的總和；eTs+表示產(chǎn)出不足的總和，ε為非阿基米德無窮小，任意實數(shù)X>0皆有X≥ε。

2．Malmquist指數(shù)的動態(tài)DEA模型

無論是規(guī)模不變的CCR模型還是規(guī)模可變的BCC模型，只能從靜態(tài)的角度對被測評對象進行橫截面的效率比較并且得出效率結(jié)論都是受限的，效率結(jié)果是離散的、被隔斷的，所以都無法解決樣本數(shù)據(jù)時間序列上的縱向?qū)Ρ?。因此，本文引入DEA-Malmquist指數(shù)模型法，它是由經(jīng)濟統(tǒng)計學(xué)家Malmquist首創(chuàng)于1953年，M指數(shù)的核心理論基礎(chǔ)為距離函數(shù)D （x，y），其倒數(shù)形式恰好為CCR、BCC模型的最優(yōu)解，隨后經(jīng)過一系列學(xué)者的繼承與發(fā)展，由Caves在1982年結(jié)合DEA理論模型用于測評生產(chǎn)要素使用效率的動態(tài)變化：

（二）Tobit模型

我們考慮到用DEA求解出來的效率的取值區(qū)間是在0和1之間，數(shù)值在0處是被隔斷的，是受限的，所以最小二乘法無法對模型進行無偏有效的估計。因此，本文采用面板數(shù)據(jù)Tobit回歸（XTTobit）（1），這樣既能兼顧時間與截面序列又能提高樣本精度，使模型估計結(jié)果更貼近實際。Tobit在1958年針對被解釋變量一部分離散一部分連續(xù)的情況下提出的解決模型，Tobit模型是用極大似然法代替最小二乘法對模型進行估計，模型如下：

其中i=1，2，3…，在本文中Z代表效率值，X為影響因素，β 為未知參數(shù)，ε 服從 N（0，σ2）分布。

三、實證研究與結(jié)果分析

（一）決策變量選取及樣本數(shù)據(jù)處理

國際上對效率的研究，常用的測評方法大致有三種：生產(chǎn)法、資產(chǎn)法和中介法。以上三種方法各有優(yōu)劣，具體哪種方法在效率的評判上更有優(yōu)勢，學(xué)術(shù)界尚無定論，所以本文綜合以上方法的思想，選擇固定資產(chǎn)凈值、無形資產(chǎn)、員工人數(shù)和管理費用作為創(chuàng)新效率測評的投入項，以中間業(yè)務(wù)收入作為測評城市商業(yè)銀行創(chuàng)新效率的產(chǎn)出項。

在樣本選擇和數(shù)據(jù)處理方面，本文按照數(shù)據(jù)獲取的可得性、完整性以及可用性等選取規(guī)則，按經(jīng)濟地域劃分，選取2008—2012年共5年28家樣本城市商業(yè)銀行的數(shù)據(jù)以及作為橫截面對比的4家國有銀行和4家全國股份制銀行的財務(wù)數(shù)據(jù)。樣本銀行見表1。

表1 樣本商業(yè)銀行

根據(jù)樣本變異系數(shù)公式，求得每個投入決策變量的均值和標準差，再用每個決策變量的變異系數(shù)加權(quán)求出決策變量的權(quán)重，計算結(jié)果如表2所示。

表2 投入指標權(quán)重系數(shù)

（二）效率測度及結(jié)果分析

本文從靜態(tài)和動態(tài)兩個角度對城市商業(yè)銀行的創(chuàng)新效率做5年的實證比較測評。首先兼顧樣本的可比性，本文按照不同的經(jīng)濟地域各選2家城市商業(yè)銀行、4家國有商業(yè)銀行、4家股份商業(yè)銀行組成16家樣本銀行，做創(chuàng)新效率比較，如表3所示。

其次，按四大經(jīng)濟地域區(qū)分，對我國28家城市商業(yè)銀行做區(qū)域性創(chuàng)新效率比較，如表4所示。

最后，對28家城市商業(yè)銀行做5年的動態(tài)M指數(shù)分析，如表5所示。

通過上述分析可以看出：總體看，國有和股份制商業(yè)銀行的金融創(chuàng)新效率較高，分別為0.875和0.828，但農(nóng)業(yè)銀行因為公司治理不當、不良資產(chǎn)聚集等歷史原因?qū)е聞?chuàng)新能力相對較低（0.6238）；城市商業(yè)銀行金融創(chuàng)新效率平均只有0.52，并且各地城市商業(yè)銀行創(chuàng)新效率參差不齊，最高為1，最低的僅有0.095，絕大多數(shù)的城市商業(yè)銀行在16家樣本銀行創(chuàng)新效率中的綜合排名較后。從地域分布來看，東部和中部地區(qū)的城市商業(yè)銀行創(chuàng)新效率年均值略高于東北和西部地區(qū)，并且處于同一經(jīng)濟地域城市商業(yè)銀行的金融創(chuàng)新效率也千差萬別。從綜合效率角度看，全體樣本城市商業(yè)銀行在2008—2012年這5年中，綜合效率呈倒“U”字型，由2008年的0.613到2010年到0.685達最高峰，隨后兩年綜合效率遞減至2012年的0.546，呈現(xiàn)出先增后降的態(tài)勢。從要素貢獻角度看，中國城市商業(yè)銀行在2008—2012年這5年全要素生產(chǎn)指數(shù)的變化趨勢呈“凸”字型，我國城市商業(yè)銀行全要素生產(chǎn)率的年均值達到1.171，也就是每年以17.1%的速度增長，全要素生產(chǎn)率的推進主要靠技術(shù)進步要素以每年22%的速率拉動，因此技術(shù)進步要素貢獻最為突出。

表3 2008—2012年3類銀行綜合效率總匯表

表4 2008—2012年28家城市商業(yè)銀行創(chuàng)新效率總匯表

表5 2008—2012年中國城商行M指數(shù)及其分解表

（三）城市商業(yè)銀行創(chuàng)新效率影響因素的實證結(jié)果及分析

通過對效率的測評，我們發(fā)現(xiàn)城市商業(yè)銀行在創(chuàng)新層面表現(xiàn)出不同程度的低效率，但是無法判斷影響創(chuàng)新效率的因素以及影響的程度和方向。下面主要從城市商業(yè)銀行的股權(quán)治理和公司運營這兩個角度定量研究其對創(chuàng)新效率的影響因素和影響程度。本部分主要設(shè)計了兩類變量：被解釋變量和解釋變量，各變量功能及其解釋變量基本描述詳見表6和表 7。

由于被解釋變量的離散性，所以本文采用面板數(shù)據(jù)Tobit回歸，這樣既能兼顧時間與截面序列又能提高樣本精度，使模型估計結(jié)果更貼近實際。而被解釋變量選擇綜合效率值，本文認為其在表示城市商業(yè)銀行整體創(chuàng)新效率情況時更具有包容性，城市商業(yè)銀行創(chuàng)新效率影響因素回歸結(jié)果如表8所示。

表6 變量列表

表7 解釋變量基本描述（2008—2012）

表8 我國城市商業(yè)銀行創(chuàng)新效率影響因素回歸結(jié)果

通過對表8的分析可以得出：從股權(quán)治理角度來看，前5大股東股權(quán)集中度系數(shù)為正，說明前5大股東股權(quán)的集中對城商行的創(chuàng)新效率起到了促進作用，但效果并不顯；監(jiān)事會規(guī)模對城商行創(chuàng)新效率有負的影響 （在5%的水平下顯著）；引進戰(zhàn)略投資者對創(chuàng)新效率有正的影響（在1%的顯著水平下顯著）；創(chuàng)新能力對創(chuàng)新效率的影響為正（在1%的顯著水平下顯著），說明創(chuàng)新能力越強，創(chuàng)新收益越高，創(chuàng)新效率提升越快；不良貸款率對創(chuàng)新效率的影響為負但不顯著；員工激勵對創(chuàng)新效率影響雖然為正但效果有限且不顯著；城商行的分支機構(gòu)對創(chuàng)新效率的影響為正且在1%的水平下顯著；管理費用對創(chuàng)新效率的影響為負且在5%的水平下顯著。

四、主要結(jié)論

本文收集了全國28家城市商業(yè)銀行2008—2012年5年的面板數(shù)據(jù)，利用加權(quán)的DEA模型和Tobit面板數(shù)據(jù)回歸模型，從靜態(tài)和動態(tài)兩個角度分別對我國城市、國有以及股份制商業(yè)銀行的創(chuàng)新效率進行了測度，實證分析了股權(quán)結(jié)構(gòu)和公司治理因素對我國城市商業(yè)銀行創(chuàng)新效率影響的方向和幅度。結(jié)果發(fā)現(xiàn)：我國城市商業(yè)銀行在創(chuàng)新層面表現(xiàn)出不同程度的低效率，推動我國城市商業(yè)銀行創(chuàng)新效率提高的最大動力是技術(shù)進步，最根本的內(nèi)因是加強公司治理；國有和股份制商業(yè)銀行的金融創(chuàng)新效率普遍高于城市商業(yè)銀行，我國城市商業(yè)銀行創(chuàng)新效率受地域分布的影響，東部和中部地區(qū)的城市商業(yè)銀行創(chuàng)新效率年均值略高于東北和西部地區(qū)，并且處于同一經(jīng)濟地域城市商業(yè)銀行的金融創(chuàng)新效率也千差萬別；我國城市商業(yè)銀行的監(jiān)事會制度與員工激勵并未起到應(yīng)有的作用，相反，增設(shè)分支機構(gòu)、引進戰(zhàn)略投資者以及引進外來先進的創(chuàng)新技術(shù)和理念能夠增強城市商業(yè)銀行創(chuàng)新能力和創(chuàng)新效率的提升。

注釋：

（1）Tobit模型中截距和斜率一般設(shè)為pool常數(shù)，且離散數(shù)據(jù)不適用于Housman檢驗，所以在Stata中區(qū)分固定和隨機效應(yīng)沒有意義。

［1］約瑟夫·熊彼特.經(jīng)濟發(fā)展理論［M］.北京：北京商務(wù)印刷館，1990.

［2］Ross S A.Institutional Markets， Financial Marketing， and Financial Innovation ［J］.The Journal of Finance， 1989， 44（3）： 541-556.

［3］Bhattacharyya S， Nanda， V.Client Discretion，Switching Costs， and Financial Innovation［J］.Review of Financial Studies， 2000， 13 （4）： 1101-1127.

［4］DeYoung，R. ， Rice， T.Noninterest Income and Financial Performance at U.S.Commercial Banks［J］.Financial Review， 2004： 101–127.

［5］朱盈盈，李平，曾勇，等.境外戰(zhàn)略投資者與中資銀行創(chuàng)新能力——基于中國73家商業(yè)銀行面板數(shù)據(jù)的實證分析［J］.投資研究， 2011， （7）： 55-66.

［6］Jackson Fetih.Evaluating the Technical Efficiency of Turkish Commercial Banks：Application of DEA and Tobit Analysis［R］．University of Queensland， Working Papers，2000：28-35.

［7］Berger A N， Miller， N H， Petersen， M A， et al.Does Function Follow Organizational Form?Evidence from the Lending Practices of Large and Small Banks ［J］.Journal of Financial Economics，2005， 76（2）： 237-269.

［8］武志.中國地方金融體系的改革和重組［M］.大連：東北財經(jīng)大學(xué)出版社，2006.

［9］陳雨露，馬勇，李濛.金融危機中的信息機制：一個新的視角［J］.金融研究， 2010， （3）： 1-15.

［10］王永海，章濤.金融創(chuàng)新、審計質(zhì)量與銀行風險承受——來自我國商業(yè)銀行的經(jīng)驗證據(jù)［J］.會計研究， 2014， （4）：81-87，96.

［11］Charnes A，Cooper W.Measuring the Efficiency of Decision Making Unites ［J］.European Journal of Operation Research，1978（2）：429-444.