戴 偉，張雪芳

（湖北理工學院 a.長江中游礦冶文化與經濟社會發(fā)展研究中心；b.經濟與管理學院，湖北 黃石 435003）

一、引 言

金融服務實體經濟是黨十八大報告的一項重要文件精神，但是金融如何更好地服務實體經濟就與金融機構的運作效率密切相關。效率的高低能夠反映金融機構利用和整合資源的能力，因此效率分析成為評價金融機構發(fā)展水平的一個重要方面。Berger和Humphrey（1997）分析了涉及21個國家的100多項關于金融機構效率的研究方法，結果表明：效率測算使用最多、最成熟的方法是前沿分析法[1]。前沿分析法又可分為參數(shù)分析法和非參數(shù)分析法，參數(shù)分析法以隨機前沿分析法（SFA）為代表，而非參數(shù)分析法最常用的是數(shù)據包絡分析法（DEA）。相對于其他方法，DEA方法不需要設定生產函數(shù)的具體形式，受到的約束較少，在減少誤差等方面也有著顯著的優(yōu)勢，因此DEA方法已成為測度金融機構效率的主流方法之一。Sherman（1985）首次將DEA技術運用于銀行業(yè)[2]，其后國內外許多學者都開始運用DEA方法來分析金融效率，如：Jeng（2001）[3]利用DEA方法分析了日本、美國和臺灣地區(qū)的金融機構效率；Lee（2002）[4]和Holod（2011）[5]利用DEA方法對11個國家銀行業(yè)的X效率進行了估計和比較；李希義和任若恩（2004）[6]運用DEA法，對我國國有商業(yè)銀行在1994-2001年間的技術效率及其變化進行了研究；方春陽等[7]采用DEA方法對我國金融等產業(yè)的效率水平進行了測度。

但是，國內外有關金融效率的研究主要集中在銀行效率層面[8-15]，而對金融業(yè)整體運行效率的研究較少，僅有的金融效率研究文獻，也主要是圍繞理論研究展開，而實證研究不足?；诖?，本文將以我國29個省市自治區(qū)（西藏、青海除外）2006-2013年的數(shù)據為樣本，對我國金融業(yè)效率進行測度，并在此基礎上探索其影響因素，為促進我國金融業(yè)服務效率水平的提高提供理論與實證依據。

二、我國金融業(yè)效率測度與評價

（一）DEA模型分析

DEA模型是由美國運籌學家Charnes，Coopor和Rhodes于1978年提出的一種效率評價方法。該方法的原理主要是通過保持決策單元（DMU）的輸入或者輸出不變，借助于數(shù)學規(guī)劃和統(tǒng)計數(shù)據確定相對有效的生產前沿面，將各個決策單元投影到DEA的生產前沿面上，并通過比較決策單元偏離DEA前沿面的程度來評價它們的相對有效性，它包括規(guī)模報酬不變的CCR模型和規(guī)模報酬可變的BCC模型。CCR模型假設所有決策單元規(guī)模效率不變，這意味著金融機構可以通過增加投入就可以等比例地擴大產出規(guī)模，即金融業(yè)的效率與規(guī)模無關，顯然這與現(xiàn)實不符。據此，Banker，Charnes和Cooper（1984）對CCR模型進行修正，獲得了規(guī)模報酬可變的BCC模型。因此，本文也將選取更符合實際的BCC模型對我國金融業(yè)的技術效率水平進行分析。

上述公式是第j0個決策單元的BCC模型，其中：θ表示該決策單元的有效值，Xj表示第j個決策單元的投入向量，Yj表示產出向量，s-為投入松弛變量，s+為產出松弛變量。

若θ=1，且s-=s+=0時，即純技術效率PTE=1，且投入、產出均沒有冗余時，決策單元為DEA有效；

若θ=1，且s-＞0時，即純技術效率PTE=1，但是存在投入冗余時，決策單元為DEA弱有效，此時可以減少投入而保持產出不變；

若θ=1，且s+＞0時，即純技術效率PTE=1，但是存在產出冗余時，決策單元為DEA弱有效，此時可在保持投入不變時而增加產出。

該模型的經濟涵義為：①若技術效率（即綜合效率）TE=PTE=1，則為DEA有效；②若PTE=1，而TE＜1，則為DEA弱有效，說明決策單元本身的技術效率而言沒有投入需要減少、沒有產出需要增加，而決策單元的技術效率沒有達到有效（即1），是因為其規(guī)模和投入、產出不相匹配，需要增加規(guī)模或減少規(guī)模；③若兩者均小于1，則為DEA無效。

（二）變量與數(shù)據說明

1.變量說明

（1）金融業(yè)產出變量（Y）。金融業(yè)產出變量，我們選擇2006-2013年我國29個省市的金融業(yè)增加值來衡量，因為增加值是生產單位創(chuàng)造的新增價值和固定資產的轉移價值，它能夠較好地體現(xiàn)生產過程中所創(chuàng)造的新增價值。

（2）資本投入變量（K）。金融業(yè)資本投入變量，我們選擇最具代表性的“資本存量”指標來衡量。但是中國沒有進行過大規(guī)模的資產普查，因此對資本存量進行估計將是本文的難點，很多學者對此進行過專業(yè)的研究。本文將選取目前被普遍采用的“永續(xù)盤存法”來估算金融業(yè)的資本存量，該方法的重點是首先需要估計出基準年份的資本存量，計算公式如下：

其中，Kit為第i個樣本地區(qū)第t年的資本存量，d為固定資產折舊率，Iit為第i個樣本地區(qū)第t年固定資本形成總額。本文選擇用金融業(yè)全社會固定資產投資總額來衡量金融業(yè)固定資本形成總額；同時考慮到數(shù)據的完整性，本文選擇以2006年為基年，并借鑒Hall和Jones（1999）研究時所采用通用折舊率（d=6%）與基年資本存量計算方法，即：用[基年2006年的金融業(yè)全社會固定資產投資總額/（2006-2013）年金融業(yè)投資額增長率的幾何平均數(shù)+折舊率）]作為2006年金融業(yè)資本存量的估計值。

（3）勞動力投入變量（L）。勞動力投入變量，擬采用2006-2013各省市金融業(yè)城鎮(zhèn)單位就業(yè)人員數(shù)來衡量。但是中國統(tǒng)計年鑒中的就業(yè)人員數(shù)據是年底數(shù)，而本文擬采用年平均就業(yè)人員數(shù)作為勞動力投入數(shù)量，即上年年底數(shù)與本年年底數(shù)的平均值。

2.數(shù)據來源

本文根據實際研究需要和數(shù)據的可得性，確定樣本為2006-2013年全國29個省市金融業(yè)的面板數(shù)據。數(shù)據主要來源于中國統(tǒng)計年鑒（2006-2013年），各地方統(tǒng)計年鑒，并對相關數(shù)據進行了處理。詳見表1所列。

表1 樣本變量的描述性統(tǒng)計（2006-2013年均值）

（三）效率測算結果與分析

通過運用DEAP 2.1軟件，得出我國29個省市自治區(qū)2006-2013年金融業(yè)效率狀況如表2所列。

從表2和圖1都可以看出，我國金融業(yè)效率水平整體偏低，大部分地區(qū)甚至低于0.5。其中，北京、天津、上海、江蘇、廣東的純技術效率基本處在有效生產前沿面，說明從技術層面來看，這些地區(qū)基本實現(xiàn)了既定投入下的產出最大化。但是除了天津，這些地區(qū)均呈現(xiàn)規(guī)模報酬遞減現(xiàn)象，表明這些地區(qū)金融業(yè)的規(guī)模都過大，尤其是廣東，綜合效率遠低于純技術效率，表明這些地區(qū)金融業(yè)效率的提高應主要通過整合資產規(guī)模實現(xiàn)。而西部地區(qū)的純技術效率普遍低于0.5（除了寧夏），且均呈現(xiàn)出規(guī)模報酬遞增的現(xiàn)象（除了四川和陜西），表明西部地區(qū)金融業(yè)效率有很大的提升空間，不僅要依靠技術水平的提升，還需要通過擴大規(guī)模來實現(xiàn)。

另外，由上述分析我們還可以得出一個結論：我國所有一線城市（北京、上海、廣州、深圳、天津）金融業(yè)的純技術效率相對較高，達到或接近有效生產前沿面，這也說明了金融業(yè)對經濟發(fā)展的重要支持與促進作用，也說明了提高金融業(yè)技術效率對提升區(qū)域競爭力具有的重要現(xiàn)實意義。

表2 地區(qū)金融業(yè)效率估計（2006-2013年均值）

續(xù)表2

圖1 2006-2013年各地區(qū)金融業(yè)技術效率均值

三、我國金融業(yè)效率的影響因子分析

（一）影響因子的選取

從上面分析結果可以看出，不同省份之間的金融效率差異很大（如表3所示），如何理解這種省份之間的效率差異？因此，本文進一步對我國金融業(yè)效率的影響因子進行探究。

表3 金融業(yè)綜合效率和技術效率的聚類分區(qū)比較

根據已有文獻，本文擬考慮以下各影響因素：

（1）技術創(chuàng)新。金融技術創(chuàng)新主要是指科學技術特別是電子計算機技術在金融領域的應用而引起的金融交易手段、交易方法和物質條件等的變化與革新，它是降低交易成本、提高金融效率的物質保證。因此，技術創(chuàng)新顯然是影響金融效率水平的一個重要因素。但是該指標難以刻畫，尤其是沒有專門體現(xiàn)金融業(yè)技術創(chuàng)新水平的相關數(shù)據，因此本文擬借鑒國外采用專利申請量來衡量技術水平的做法，用專利申請占比（地區(qū)專利申請量/全國專利申請量）來衡量各地區(qū)技術創(chuàng)新水平。

（2）市場化程度。理論上，市場化程度越高，金融業(yè)效率水平越高。但是如何衡量金融業(yè)市場化程度并沒有定論，也難以找到單一指標對其進行全面衡量。綜合考慮后，本文擬借鑒相關文獻中所采用的“商業(yè)性金融機構產權多元化程度”來衡量，即降低金融機構的國有化比率，增加非國有產權比重。但是相關年鑒中并沒有地區(qū)非國有金融企業(yè)相關數(shù)據，因此本文擬采用地區(qū)“非國有全社會固定資產投資/全社會固定資產投資”來衡量各地區(qū)的市場化程度。

（3）金融集聚水平。金融集聚，近年來已成為金融發(fā)展過程中引人注目的空間現(xiàn)象，那么它對集聚地區(qū)的金融發(fā)展有何影響即成為本文選取其作為影響因子的動因。本文擬選取最常見的測度集聚的指標——區(qū)位商作為金融集聚變量。計算公式為：

其中，Eij為i地區(qū)金融業(yè)就業(yè)人數(shù)；Ei為i地區(qū)總就業(yè)；Ej為全國金融業(yè)就業(yè)人數(shù)；E為全國總就業(yè)。LQi＞1說明i地區(qū)金融業(yè)就業(yè)大于全國水平，呈現(xiàn)集聚現(xiàn)象。具體見表4。

（二）模型的建立

綜合上述變量數(shù)據的可得性，本文擬采用2006-2013年全國29個省份的面板數(shù)據進行回歸分析。為了減小異方差的影響，使數(shù)據更加平穩(wěn)，對模型各變量采用了取對數(shù)方法，建立影響因子模型如下：

其中，LTEit為i地區(qū)t年的金融業(yè)技術效率對數(shù)值，為β0為公共截距項，βi為各橫截面的個體差別，LTIit表示金融業(yè)技術創(chuàng)新水平對數(shù)值，LMar表示金融業(yè)的市場化程度對數(shù)值，LLQ表示金融集聚水平對數(shù)值，εit為隨機誤差項。

表4 影響因子的描述性統(tǒng)計（2006-2013年均值）

（三）計量結果及分析

通過運用Stata12.0計量分析軟件，分別運用固定效應模型和隨機效應模型分析，并進行Hausman檢驗，結果顯示：chi2（3）=0.28，Prob＞chi2=0.964 5，表明無法拒絕個體效應和解釋變量相關的原假設，因此應采用隨機效應模型分析。運用隨機效應模型的估計結果見表5所列。

表5 模型估計結果

根據表5的總體回歸結果來看，可以得出以下結論：①決定系數(shù)R2=0.987 9，表明模型在整體上擬合優(yōu)度非常好；②P值為0.000 0，表明模型從整體上看，地區(qū)金融業(yè)效率與各解釋變量之間的線性關系極為顯著；③技術創(chuàng)新水平、市場化程度、金融集聚水平和金融效率顯著相關，其中，技術創(chuàng)新水平對金融效率的影響程度最大，市場化程度次之，而金融集聚的影響最小。

四、結 論

本文在測算我國各省金融業(yè)效率水平的基礎上，運用計量經濟模型對金融效率的影響因子進行分析，初步得到以下分析結論：

（1）我國金融業(yè)效率整體水平低下，只有極少數(shù)省市達到或接近有效生產前沿面，大多數(shù)地區(qū)的效率水平非常低，且地區(qū)差異顯著。因此，我國金融業(yè)效率水平亟需提高，同時各地區(qū)應結合自身情況尋找提升效率的路徑，以更好地促進各地區(qū)實體經濟的發(fā)展與產業(yè)結構的調整。

（2）我國金融業(yè)效率水平與技術創(chuàng)新水平及市場化程度正相關，尤其是技術創(chuàng)新水平，能夠顯著提高金融業(yè)效率水平。因此，我國應積極鼓勵進行金融創(chuàng)新，以提高金融市場和金融機構的運作效率，但也要充分認識到金融過度創(chuàng)新所引發(fā)的風險，謹防發(fā)生金融危機。

（3）金融集聚因子對金融效率呈顯著影響，這與其他學者[16]研究結論一致。同時根據其研究顯示，金融集聚對金融效率呈非線性影響，并且當人力資本在某一閾值之上，金融集聚才開始正面地影響金融效率。根據這一結論，我們可以得出從整體上看，我國人力資本目前還處在該閾值之下。因此，我們要提高我國金融業(yè)效率水平，還應該積極提升人力資本，以實現(xiàn)區(qū)域間的知識共享，促進技術外部性的實現(xiàn)，從而形成金融集聚對金融效率的積極影響。

[1]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（2）：175-212.

[2]Sherman H D，Gold F.Bank branch operating efficiency：evaluation with data envelopment analysis[J].Journal of Banking&Finance，1985，9（2）：297-315.

[3]Jeng S C.Efficiency issues in the financial services industry worldwide[D].Rhode Island：University of Rhode Island，2001.

[4]Lee S H.Essays on Banking Efficiency[D].Kansas：University of Kansas，2002.

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

[6]李希義，任若恩.國有商業(yè)銀行效率變化及趨勢分析[J].中國軟科學，2004（1）：57-61.

[7]方春陽，孫巍，王錚，等.國有商業(yè)銀行的效率測度及其行為特征的實證檢驗[J].數(shù)量經濟技術經濟研究，2004（7）：51-58.

[8]李成，高智賢，郭品.我國商業(yè)銀行全要素生產率實證研究：1996-2012——基于無導向型DEA-Malmquist指數(shù)模型[J].華東經濟管理，2014，28（8）：85-90.

[9]蘆鋒，劉維奇，史金鳳.我國商業(yè)銀行效率研究——基于儲蓄新視角下的網絡 DEA 方法[J].中國軟科學，2012（2）：174-184.

[10]趙翔.銀行分支機構效率測度及影響因素分析——基于超效率 DEA與 Tobit模型的實證研究[J].經濟科學，2010（1）：85-96.

[11]趙萌.并聯(lián)決策單元的動態(tài) DEA效率評價研究[J].管理科學，2011，24（1）：90-97.

[12]唐建榮，馬潔純.物流金融效率的組合測度研究——基于DEA-TOPSIS-Malmquis三步法[J].華東經濟管理，2014，28（2）：74-78.

[13]雷勛平，劉思峰.基于DEA的物流產業(yè)效率測度實證研究——基于我國31個省，市，自治區(qū)2008年投入產出數(shù)據[J].華東經濟管理，2012（7）：62-66.

[14]馮科.北京市金融業(yè)投入產出效率的實證分析[J].中央財經大學學報，2013（8）：24-30.

[15]吳晨.我國上市商業(yè)銀行效率測度及影響因素分析——基于 DEA的實證分析[J].山西財經大學學報，2011（11）：47-54.

[16]田菁，孫祎凡，李芳.金融集聚與金融服務業(yè)技術效率的關系探討——基于省域隨機前沿生產函數(shù)的分析[J].現(xiàn)代財經，2012（12）：37-46.