尹向飛

(湖南商學(xué)院 1.湖南經(jīng)濟(jì)改革與發(fā)展研究中心 2.經(jīng)濟(jì)與貿(mào)易學(xué)院，湖南 長沙 410205)

一、引言及相關(guān)文獻(xiàn)回顧

銀行效率的提升備受關(guān)注，銀行業(yè)的全要素生產(chǎn)率一直是學(xué)術(shù)界研究的重點。而銀行業(yè)務(wù)由若干階段組成，從靜態(tài)上來看，銀行業(yè)效率和各階段效率直接相關(guān)(Wang et al.，1997；Seiford et al.，1999)，因此，理論上各銀行的全要素生產(chǎn)率變化必定和各階段的效率變化密切相關(guān)。那么，如何從動態(tài)的視角建立它們之間的聯(lián)系？中國商業(yè)銀行全要素生產(chǎn)率變化主要來自于哪個階段？各階段效率變化對全要素生產(chǎn)率的貢獻(xiàn)如何？

上述問題的研究具有重要的現(xiàn)實意義，原因如下：第一，銀行業(yè)對中國的資源配置和經(jīng)濟(jì)發(fā)展一直起非常重要的作用。這不但體現(xiàn)在銀行業(yè)在社會融資規(guī)模增量占比上，還體現(xiàn)在存量占比上。從中國人民銀行公布的2016年1—6月的社會融資規(guī)模數(shù)據(jù)來看，通過銀行的融資規(guī)模增量占社會總?cè)谫Y規(guī)模增量的91.1%，而且截止到2016年6月，通過銀行的融資規(guī)模存量占社會融資規(guī)模存量的84.7%，*通過對中國人民銀行網(wǎng)站上的2016年上半年統(tǒng)計數(shù)據(jù)計算整理得到。因此銀行業(yè)效率的高低不僅僅影響這個行業(yè)的整體效率，還關(guān)系到整個經(jīng)濟(jì)體系的運行效率，銀行業(yè)效率的提升，不但能夠促進(jìn)整個金融體系效率的提升，而且通過促進(jìn)資源的合理配置，提升經(jīng)濟(jì)增長質(zhì)量，推動中國全要素生產(chǎn)率的提升。第二，有助于提高政策的針對性和有效性。銀行業(yè)全要素生產(chǎn)率的增長必定和銀行業(yè)務(wù)各階段效率變化有關(guān)，因此要提高政策對推動全要素生產(chǎn)率增長的針對性，首先，需要對銀行業(yè)各階段效率變化和銀行業(yè)全要素生產(chǎn)率以及前者對后者的貢獻(xiàn)進(jìn)行測算，挖掘銀行業(yè)全要素生產(chǎn)率增長中的不足，針對不足提出政策建議，以提高其針對性；其次，同一政策對銀行業(yè)各階段效率變化可能都存在影響，對某一階段效率變化可能存在正影響，但對另一階段效率變化可能存在負(fù)影響，因此，在制定政策時，需要權(quán)衡其對各階段效率變化的影響，進(jìn)而提高政策的有效性。

既然上述問題的研究具有重要的現(xiàn)實意義，那么如何構(gòu)建模型，從動態(tài)的視角評估銀行業(yè)各階段效率變化和全要素生產(chǎn)率之間的關(guān)系尤為迫切。然而通過對銀行業(yè)效率方面的相關(guān)文獻(xiàn)進(jìn)行梳理，可以發(fā)現(xiàn)相關(guān)研究主要存在如下特征：其一，利用SFA及其改進(jìn)方法測算銀行效率或者全要素生產(chǎn)率。如Berger et al.(1997)、Altunbas et al. (2001)、毛洪濤等(2013)、Yao et al. (2009)、劉孟飛等(2015)等利用隨機(jī)前沿分析法測算了商業(yè)銀行的利潤效率或成本效率；王聰?shù)?2007)、徐傳諶等(2007)、鄭少鋒等(2013)利用SFA方法測算了銀行的X效率。SFA模型需要事先假定隨機(jī)誤差項服從特定分布，為了克服這一不足，各種改進(jìn)分析方法用于測算銀行效率，如厚前沿分析法(DeYoung，1997)、自由分布法(Hunter et al.，1991)、遞歸厚前沿分析法(Wagenvoort et al.，1999)等。其二，利用傳統(tǒng)DEA及其改進(jìn)方法測算銀行效率或全要素生產(chǎn)率。需要事先設(shè)定生產(chǎn)函數(shù)形式，是SFA方法的不足，而DEA方法能夠克服這一不足，因此自Sherman et al. (1985)首次利用DEA對銀行效率進(jìn)行測度以來，越來越多的研究運用該方法測算銀行效率或全要素生產(chǎn)率，如Maudos et al.(2003)、F?re et al. (1997)、張健華(2003)、楊大強等(2007)等。針對DEA模型存在無法對處于前沿面銀行效率進(jìn)行有效排序、容易受到奇異值的影響等問題，有研究進(jìn)行改進(jìn)以測算銀行效率或全要素生產(chǎn)率，如超效率DEA(李雙杰 等，2014；朱南 等，2004；趙翔，2010)、序列DEA(Park et al.，2006；王兵 等，2011)、全局DEA(Portela et al.，2010；柯孔林 等，2013)、DEA三階段模型(黃憲 等，2008)等。其三，利用網(wǎng)絡(luò)DEA模型測算銀行效率。傳統(tǒng)DEA及其改進(jìn)將生產(chǎn)過程視為黑箱，僅依據(jù)最初投入和最終產(chǎn)出來測算決策單元效率，未涉及生產(chǎn)過程各個階段的情況，而網(wǎng)絡(luò)DEA能夠在一定程度上解決此問題，因此網(wǎng)絡(luò)DEA被用于測算銀行效率成為當(dāng)前研究熱點，如基于非徑向松弛變量的Network DEA模型，Avkiran(2009)測算了阿拉伯聯(lián)合酋長國的銀行業(yè)效率；Fukuyama et al.(2010)在網(wǎng)絡(luò)DEA模型中引入了不良貸款這一“壞”產(chǎn)出變量，對日本銀行效率進(jìn)行測算等。國內(nèi)相關(guān)研究較少，比較有代表性的有黃祎等(2009)、韓松等(2015)、李小勝等(2015)、蘆鋒等(2012)等。上述文獻(xiàn)極大豐富了銀行效率以及全要素生產(chǎn)率方面的研究，但是前兩類文獻(xiàn)將銀行的生產(chǎn)過程視為黑箱，僅僅依據(jù)銀行的最初投入和最終產(chǎn)出來測算銀行效率以及全要素生產(chǎn)率，將銀行業(yè)的經(jīng)營過程看作一個單一階段的生產(chǎn)過程，忽略了銀行業(yè)生產(chǎn)過程具有階段網(wǎng)絡(luò)結(jié)構(gòu)特征。第三類研究考慮了銀行業(yè)生產(chǎn)過程的階段網(wǎng)絡(luò)結(jié)構(gòu)特征，多僅從靜態(tài)視角研究銀行效率，雖然可以從各階段效率的高低來解釋整個系統(tǒng)總體效率的高低，但未從動態(tài)視角測算銀行的全要素生產(chǎn)率；李小勝等(2015)測算了銀行業(yè)的全要素生產(chǎn)率，但是尚未涉及銀行業(yè)全要素生產(chǎn)率變動與各階段效率變化之間的直接聯(lián)系。因此，如何將銀行業(yè)全要素生產(chǎn)率變動的“黑箱”打開，構(gòu)建模型，以分析各個生產(chǎn)子系統(tǒng)效率變動對系統(tǒng)總體效率——全要素生產(chǎn)率變動的影響，具有重要的學(xué)術(shù)價值。

本文基于Network-DEA和Malmquist指數(shù)法，構(gòu)建模型，建立全要素生產(chǎn)率和第一階段、第二階段效率變化之間的直接聯(lián)系，從技術(shù)進(jìn)步、技術(shù)效率改進(jìn)視角進(jìn)行分解，并利用2006—2014年13家商業(yè)銀行數(shù)據(jù)進(jìn)行實證研究，通過測算第一階段、第二階段各種效率變化和全要素生產(chǎn)率，來分析中國商業(yè)銀行在提升全要素生產(chǎn)率方面的優(yōu)勢和不足，以期能為相關(guān)政策的制定提供理論和實證依據(jù)。

二、模型構(gòu)建與數(shù)據(jù)來源

(一)模型構(gòu)建

銀行投入產(chǎn)出指標(biāo)具有無形性、非物質(zhì)性等特點，已有研究所采用的指標(biāo)存在一定差異。Fukuyama et al.(2010)把銀行生產(chǎn)過程分為兩個階段，勞動力、資金和實物資產(chǎn)為第一階段投入變量，貸款等作為“好”產(chǎn)出變量，不良貸款作為“壞”產(chǎn)出變量，中間產(chǎn)出變量為第一階段籌集的資金。Yang et al.(2012)將銀行業(yè)務(wù)分為兩個階段——第一階段和第二階段，個人成本、利率和運營成本是第一階段的投入，存款為第一階段的產(chǎn)出變量和第二階段的投入變量，利率收入等為第二階段的產(chǎn)出變量。蘆鋒等(2012)將銀行業(yè)務(wù)分為兩個階段，第一階段包括固定資產(chǎn)凈值、員工總?cè)藬?shù)，產(chǎn)出為存款總額；第二階段存款總額為投入變量，貸款總額和其他盈利性資產(chǎn)總額為產(chǎn)出變量等。借鑒Fukuyama et al.(2010)等，本文將銀行業(yè)務(wù)分為第一階段和第二階段。投入產(chǎn)出指標(biāo)的界定綜合考慮已有研究成果，初始投入指標(biāo)為固定資產(chǎn)凈值IN1、員工人數(shù)IN2、銀行的股本金IN3，最終產(chǎn)出指標(biāo)為貸款總額OU1和稅前利潤OU2，中間變量為存款總額M。銀行業(yè)務(wù)流程圖見圖1。

圖1銀行業(yè)務(wù)流程圖

假設(shè)有n個決策單元格，借鑒Kao(2009)的思路，對第t期第k個決策單元格，在第t期技術(shù)水平下，構(gòu)建如下效率模型度量該決策單元格當(dāng)期總體效率：

(1)

設(shè)模型(1)的最優(yōu)解為u*l,v*i,w*(i=1,2；l=1,2,3)，根據(jù)上述網(wǎng)絡(luò)DEA模型投入產(chǎn)出的基本思想，定義第一階段和第二階段的靜態(tài)效率如下：

(2)

(3)

(4)

(5)

顯然式(5)和F?re et al. (1994)的定義是相同的，類似F?re et al. (1994)的做法，定義其他三種距離函數(shù)，在此基礎(chǔ)上定義總體效率、第一階段效率和第二階段效率，以t-1期技術(shù)水平表示的第k個決策單元格第t期各種效率如下：

(6)

(7)

(8)

以t-1期技術(shù)水平表示的第k個決策單元格第t-1期各種效率如下：

(9)

(10)

(11)

以t期技術(shù)水平表示的第k個決策單元格第t-1期各種效率如下：

(12)

(13)

(14)

根據(jù)Malmquist指數(shù)法，考慮到全要素生產(chǎn)率和技術(shù)進(jìn)步、技術(shù)效率改進(jìn)的可加性，本文定義全要素生產(chǎn)率增長率及其分解如下：

(15)

(16)

其中:式(16)第一項表示技術(shù)進(jìn)步，它測度了從t-1時期到t時期生產(chǎn)前沿面的移動，記為TECHk,t；第二項表示技術(shù)效率改進(jìn)，它表示從t-1時期到t時期每個決策單元對前沿面的追趕程度，記為EFFCHk,t。

將式(4)、(8)、(11)和(14)代入式(15)，可以得到：

(17)

式(17)右項的第一項表示第一階段的效率變化，記為ECH1k,t；第二項表示第二階段的效率變化，記為ECH2k,t。

將式(4)、(8)、(11)和(14)代入式(16)的第一項，可以得到：

(18)

式(18)右項的第一項測算了第一階段從t-1時期到t時期生產(chǎn)前沿面的移動，稱之為第一階段技術(shù)進(jìn)步，記為TECH1k,t;第二項測算了第二階段從t-1時期到t時期生產(chǎn)前沿面的移動，稱之為第二階段技術(shù)進(jìn)步，記為TECH2k,t。

將式(4)、(8)、(11)和(14)代入式(16)的第二項，可以得到：

(19)

式(19)右項的第一項測算了第一階段從t-1時期到t時期決策單元格向前沿面的追趕程度，稱之為第一階段技術(shù)效率改進(jìn)，記為EFFCH1k,t；第二項測算了第二階段從t-1時期到t時期決策單元格向前沿面的追趕程度，稱之為第二階段技術(shù)效率改進(jìn)，記為EFFCH2k,t。

綜合上述公式，可以得到:

ECH1k,t=TECH1k,t+EFFCH1k,t

(20)

ECH2k,t=TECH2k,t+EFFCH2k,t

(21)

式(20)、(21)表明，各階段的效率變化等于對應(yīng)階段的技術(shù)進(jìn)步和技術(shù)效率改進(jìn)之和，要提高各階段的效率，可以從對應(yīng)階段的技術(shù)進(jìn)步和技術(shù)效率改進(jìn)著手。而全要素生產(chǎn)率是兩階段效率變化之和，要提高全要素生產(chǎn)率，應(yīng)該從兩階段的技術(shù)進(jìn)步和技術(shù)效率著手。

(二)變量及其來源

本文實證研究的時間段為2006—2014年，由于一些銀行數(shù)據(jù)缺失，經(jīng)過篩選，最后剩下四大國有商業(yè)銀行和9大股份制銀行共13家銀行，包括中國工商銀行、中國農(nóng)業(yè)銀行、中國銀行、中國建設(shè)銀行、交通銀行、中信銀行、中國民生銀行、華夏銀行、中國光大銀行、招商銀行、廣發(fā)銀行、興業(yè)銀行、上海浦東發(fā)展銀行，所有數(shù)據(jù)均來自于國研網(wǎng)的中國金融統(tǒng)計數(shù)據(jù)庫、EPS統(tǒng)計數(shù)據(jù)及經(jīng)濟(jì)預(yù)測數(shù)據(jù)庫，除了銀行股本金以外其他指標(biāo)的定義和蘆鋒等(2012)相同，股本金利用股本對價格指數(shù)平減，轉(zhuǎn)換為以1996年價格表示的股本金。具體見表1。

表1 網(wǎng)絡(luò)DEA模型所涉及的變量及說明

三、實證分析

將各銀行2006—2014年數(shù)據(jù)代入式(1)～(21)，測算各銀行歷年各階段的技術(shù)進(jìn)步、技術(shù)效率改進(jìn)和效率變化以及整個系統(tǒng)的技術(shù)進(jìn)步、技術(shù)效率改進(jìn)和全要素生產(chǎn)率，在此基礎(chǔ)上進(jìn)行后續(xù)分析。

(一)銀行業(yè)層面

以各銀行各階段以及整個系統(tǒng)的各種效率變化的算術(shù)平均值作為整個銀行業(yè)各種效率變化的度量*后續(xù)的各種平均效率及其變動都是利用算術(shù)平均法計算得到。，最終測算結(jié)果見表2。

從表2可以得到：(1)在第一階段，除了2011年技術(shù)進(jìn)步小于0以外，其他年份技術(shù)進(jìn)步均大于0，是推動第一階段效率變化的主要原因；2009、2011、2013、2014年第一階段的技術(shù)效率改進(jìn)為正，其他年份為負(fù)，這說明大多數(shù)年份中國銀行業(yè)在第一階段不存在向前沿面追趕現(xiàn)象，可能歸因于中國銀行業(yè)第一階段的效率呈擴(kuò)散變化趨勢；除了2008、2011年第一階段效率變化為負(fù)以外，其他年份都為正，說明總的來看，我國銀行業(yè)的第一階段效率得到明顯提升；2007—2010年、2011—2014年銀行第一階段的技術(shù)進(jìn)步平均分別增長9.24%、-0.68%，但是技術(shù)效率改進(jìn)分別為-3.92%、1.02%，使得銀行業(yè)第一階段的效率變化分別為5.32%、0.34%；從整個時間段來看，銀行第一階段效率變化平均為2.83%，呈低速增長趨勢。(2)在第二階段，絕大多數(shù)年份的技術(shù)進(jìn)步為負(fù)，這說明前沿面不但沒有向前移動，反而向后移動；大多數(shù)年份技術(shù)效率改進(jìn)為正，說明在第二階段，中國銀行業(yè)存在追趕現(xiàn)象；平均技術(shù)進(jìn)步為-2.07%，技術(shù)效率改進(jìn)為0.36%，共同導(dǎo)致階段二的效率變化為-1.71%；2007—2010年、2011—2014年銀行業(yè)階段二技術(shù)進(jìn)步、效率變化呈現(xiàn)下降變化趨勢，技術(shù)效率改進(jìn)在2007—2010年為負(fù)，2011—2014年為正，這說明應(yīng)該重點關(guān)注銀行業(yè)第二階段效率。(3)從整個系統(tǒng)效率來看，由于絕大多數(shù)年份第一階段的技術(shù)進(jìn)步為正，并且大于第二階段技術(shù)進(jìn)步下降的幅度，因此盡管受到階段二技術(shù)進(jìn)步下降的拖累，整個系統(tǒng)的技術(shù)進(jìn)步在大多數(shù)年份還是為正；盡管大多數(shù)年份第二階段的技術(shù)效率改進(jìn)為正，但是絕大多數(shù)年份的第一階段技術(shù)效率改進(jìn)為負(fù)，使得整個系統(tǒng)的技術(shù)效率改進(jìn)呈正增長和負(fù)增長的年份各為4個；在整個研究時間段內(nèi)，平均技術(shù)進(jìn)步為2.20%，技術(shù)效率改進(jìn)為-1.10%，共同推動全要素生產(chǎn)率年均增長1.10%。

表2 銀行業(yè)層面各階段和整個系統(tǒng)各種效率變化(單位：%)

(二)四大國有銀行和其他股份制銀行的比較

本文將所研究的13個銀行分為兩類——四大國有商業(yè)銀行和九大股份制銀行，然后對這兩類銀行的各種效率指標(biāo)以及效率變化指標(biāo)進(jìn)行比較。

表3 兩類銀行各階段的靜態(tài)效率比較

兩類銀行的靜態(tài)效率比較見表3。首先，從不同階段對國有商業(yè)銀行和股份制銀行之間的靜態(tài)效率進(jìn)行比較?？梢钥吹剑还苁堑谝浑A段還是第二階段，股份制銀行歷年都高于四大國有銀行，并且它們之間的差距在第一階段比第二階段更為明顯。在第一階段，四大國有銀行平均靜態(tài)效率較低，在0.4～0.52之間波動，而股份制銀行靜態(tài)效率在0.75～0.95之間波動。在第二階段，四大國有銀行靜態(tài)效率在0.8～0.93之間波動，股份制銀行靜態(tài)效率保持在0.9以上。四大國有商業(yè)銀行和股份制銀行各階段靜態(tài)效率相差不大。其次，對同類銀行不同階段靜態(tài)效率進(jìn)行比較。不管是四大國有商業(yè)銀行還是股份制銀行，第一階段的靜態(tài)效率都低于第二階段的靜態(tài)效率，這說明中國銀行業(yè)提升整體效率的主要障礙在于第一階段。

四大國有商業(yè)銀行和股份制銀行的各種效率變化差距比較見圖2。圖2A匯報了第一階段兩類銀行各種效率變化差距*利用四大國有商業(yè)銀行的各種效率指標(biāo)減去股份制銀行對應(yīng)的各種效率指標(biāo)。下同。，可以看出，兩類銀行效率變化差距有6年大于0，2年小于0，平均效率變化差距為3.67%，這說明四大國有商業(yè)銀行第一階段效率增長速度快于股份制銀行，考慮到四大國有商業(yè)銀行第一階段靜態(tài)效率低于股份制銀行，因此，第一階段效率差距呈縮小變化趨勢；2012年之前，TECH1差距基本上位于EFFCH1差距上方，是導(dǎo)致ECH1差距的主要原因；2013—2014年TECH1差距位于EFFCH1差距下方，EFFCH1差距是導(dǎo)致ECH1差距的主要原因；從平均來看，TECH1差距為2.91%，是導(dǎo)致這兩類銀行效率變化差距的主要原因。圖2B匯報了第二階段兩類銀行各種效率變化差距，大多數(shù)年份的ECH2差距小于0，平均值為-2.77%，考慮到四大國有商業(yè)銀行在第二階段靜態(tài)效率小于股份制銀行，因此在第二階段它們之間效率差距呈擴(kuò)大變化趨勢；大多數(shù)年份TECH2差距曲線位于EFFCH2差距曲線下方，其平均值為-2.58%，是導(dǎo)致ECH2差距小于0的主要原因。圖2C從整個系統(tǒng)的角度匯報了兩類銀行全要素生產(chǎn)率變化差距、技術(shù)效率改進(jìn)差距和技術(shù)進(jìn)步差距的變化趨勢，可以看出，技術(shù)進(jìn)步差距和技術(shù)效率改進(jìn)差距波動較為劇烈，并且方向基本相反，從而導(dǎo)致TFPCH差距變化比較平緩，技術(shù)進(jìn)步差距平均為-0.61%，技術(shù)效率改進(jìn)差距為1.51%，導(dǎo)致全要素生產(chǎn)率差距為0.9%，考慮到四大國有商業(yè)銀行綜合效率低于股份制銀行，因此TFPCH差距呈縮小趨勢。圖2D匯報了兩類銀行兩階段效率變化差距和全要素生產(chǎn)率差距變化趨勢，可以看出，除了2010和2014年ECH1差距小于0以外，其他年份均大于0，是推動TFPCH差距的主要原因，而ECH2差距則相反。

A

B

C

D

(三)各銀行的靜態(tài)效率和動態(tài)效率變化

銀行各階段靜態(tài)效率和綜合靜態(tài)效率見表4?？梢钥闯?，在第一階段，效率最低的銀行全是國有商業(yè)銀行，分別為中國農(nóng)業(yè)銀行、中國銀行和中國工商銀行，靜態(tài)效率分別為0.384、0.468和0.530，最高的三家銀行分別為上海浦東發(fā)展銀行、興業(yè)銀行和中信銀行，靜態(tài)效率分別為1.000、0.977和0.910。在第二階段，招商銀行、興業(yè)銀行和中國民生銀行靜態(tài)效率排行前三，分別為0.989、0.974和0.972；中國農(nóng)業(yè)銀行、中國工商銀行、華夏銀行效率最低，分別為0.733、0.867和0.877。從整個系統(tǒng)來看，由于中國農(nóng)業(yè)銀行兩個階段靜態(tài)效率排行都在倒數(shù)第一位，使得綜合效率排行最末，僅為0.285；興業(yè)銀行、上海浦東發(fā)展銀行和中信銀行排行前三，分別為0.951、0.926和0.874。

表4 銀行各階段靜態(tài)效率和綜合靜態(tài)效率

表5匯報了各銀行各階段的各種平均效率變化。在第一階段，除了中國交通銀行、中國工商銀行的平均技術(shù)效率改進(jìn)分別為5.94%、2.99%以外，其他銀行的技術(shù)效率改進(jìn)都小于0；而所有銀行的技術(shù)進(jìn)步均大于0，其中9家銀行技術(shù)進(jìn)步增長幅度大于技術(shù)效率改進(jìn)下降速度，使得這9家銀行的第一階段效率變化大于0，說明這9家銀行第一階段效率是提升的；包括招商銀行、中國民生銀行、中國光大銀行在內(nèi)的4家銀行技術(shù)進(jìn)步增長幅度小于技術(shù)效率改進(jìn)下降速度，使得這4家銀行的第一階段效率變化小于0，在第一階段效率是下降的。在第二階段，9家銀行的技術(shù)效率改進(jìn)是正的，技術(shù)進(jìn)步、效率變化為正和為負(fù)的銀行數(shù)量大致相等；第二階段效率變化最低的3個銀行分別為交通銀行、中國工商銀行和中國農(nóng)業(yè)銀行，平均增長率分別為-8.34%、-5.92%、-5.51%，效率變化最高的3個銀行分別為中國光大銀行、中國民生銀行和廣發(fā)銀行，平均增長率分別為2.48%、2.04%和1.76%。從整個系統(tǒng)來看，由于大多數(shù)銀行第一階段的技術(shù)進(jìn)步上升幅度大于第二階段技術(shù)進(jìn)步下降幅度，因此整個系統(tǒng)的技術(shù)進(jìn)步大于0，技術(shù)效率改進(jìn)則相反，大多數(shù)銀行的技術(shù)效率改進(jìn)小于0；除了上海浦東發(fā)展銀行以外，其他銀行的全要素生產(chǎn)率都大于0，其中交通銀行、中國工商銀行和招商銀行的全要素生產(chǎn)率增長最快，增長率分別為3.44%、2.56%和1.45%；全要素生產(chǎn)率增長最慢的3個銀行分別為上海浦東發(fā)展銀行、興業(yè)銀行和中國光大銀行，增長率分別為-0.31%、0.25%和0.44%。第一階段和第二階段效率實現(xiàn)雙增長的銀行僅有中信銀行，這說明絕大多數(shù)銀行沒有堅持兩手都要抓、兩手都要硬，存在一手硬、一手軟的現(xiàn)象。

表5 各銀行各種效率變化指數(shù)(單位：%)

以上僅僅從靜態(tài)分析各銀行各階段的效率或者從動態(tài)分析了各銀行各階段的效率變化，然而，同時分析各銀行的靜態(tài)效率水平與動態(tài)生產(chǎn)率變化，會更有意義(張少華 等，2014)。借鑒張少華等(2014)的做法，以各銀行的動態(tài)效率變化和靜態(tài)效率的平均值為分界點，將各銀行分為低于平均值的L組和高于平均值的H組，分別構(gòu)建第一階段、第二階段以及整個系統(tǒng)的效率—效率變化矩陣，并將各銀行分別歸入下述四個方陣: 處于第一方陣(表示為H/H) 的是動態(tài)效率變化及靜態(tài)效率均高于平均水平的銀行，表明該銀行不僅增長速度快，而且當(dāng)前靜態(tài)效率也較高；處于第二方陣( 即L/H 組) 的銀行表示其靜態(tài)效率低于平均水平，而動態(tài)效率變化高于平均水平，盡管這些銀行目前位勢在銀行業(yè)中處于中后水平，但是由于動態(tài)效率增長速度較快，其未來增長潛力不可小覷；處于第三方陣( 即H/L組) 的銀行表示其靜態(tài)效率高于平均水平，而動態(tài)效率變化低于平均水平，說明盡管這類銀行當(dāng)前位勢較高，但是由于效率增長速度較慢，其將面臨被其他銀行趕超的風(fēng)險；處于第四方陣( 即L/L組) 的銀行表示其靜態(tài)效率及動態(tài)效率變化均低于平均水平，該類銀行的相對位勢不僅較低，而且沒有增長潛力。

從表6可以看出，沒有1家銀行的第一階段、第二階段和整個系統(tǒng)的動態(tài)效率和靜態(tài)效率全部處于平均水平以上，也沒有一家銀行都處于平均水平以下。中信銀行、中國民生銀行、中國光大銀行、廣發(fā)銀行盡管很多指標(biāo)處于H組，第一階段靜態(tài)效率處于H組(招商銀行除外)，但是第一階段動態(tài)效率處于L組，使得整個系統(tǒng)的動態(tài)效率處于L組，這說明這幾家銀行在第一階段和整個系統(tǒng)方面都存在被其他銀行趕超的風(fēng)險，這些銀行應(yīng)該在第一階段進(jìn)行改革，以促進(jìn)整個系統(tǒng)效率的提升。盡管中國工商銀行、中國建設(shè)銀行的靜態(tài)效率指標(biāo)都低于平均值，但是第一階段的動態(tài)效率指標(biāo)都高于平均值，使得整個系統(tǒng)的動態(tài)效率高于平均值，說明這兩家銀行在第一階段和整個系統(tǒng)效率方面存在后來居上的趨勢。興業(yè)銀行、上海浦東發(fā)展銀行在第二階段動態(tài)效率處于劣勢，中國農(nóng)業(yè)銀行在第二階段和整個系統(tǒng)的動態(tài)效率和靜態(tài)效率都處于劣勢，中國銀行在第一階段和整個系統(tǒng)的動態(tài)效率和靜態(tài)效率都處于劣勢。各銀行的綜合效率、第一階段效率與第二階段效率在H/H組與L/L組出現(xiàn)“扎堆”現(xiàn)象，說明各銀行在第一階段和第二階段表現(xiàn)出“強者恒強、弱者恒弱”的態(tài)勢。

表6 各銀行靜態(tài)效率和動態(tài)效率變化情況

四、結(jié)論

鑒于傳統(tǒng)的全要素生產(chǎn)率測算和分解方法，不能打開全要素生產(chǎn)率增長的黑箱，因此，本文基于Network DEA和Malmquist指數(shù)法，構(gòu)建Network-DEA-Malmquist效率測算模型，將銀行業(yè)全要素生產(chǎn)率分解為第一階段的效率變化和第二階段的效率變化，而將系統(tǒng)的技術(shù)進(jìn)步分解為兩個階段技術(shù)進(jìn)步之和，將系統(tǒng)的技術(shù)效率改進(jìn)分解為兩個階段的技術(shù)效率改進(jìn)?；谥袊拇髧猩虡I(yè)銀行和9家股份制銀行2006—2014年數(shù)據(jù)的實證結(jié)果表明：

(1)銀行業(yè)全要素生產(chǎn)率以年均1.1%的速度增長，而其主要推動力來自于第一階段的效率變化和第一階段的技術(shù)進(jìn)步，而第二階段的技術(shù)進(jìn)步和效率變化是抑制全要素生產(chǎn)率增長的主要阻力，因此，應(yīng)對銀行業(yè)第二階段需要加大改革力度，制定強有力的措施，推動第二階段效率的提升，以提高銀行業(yè)的整體運行質(zhì)量。

(2)通過對四大國有商業(yè)銀行和股份制銀行的靜態(tài)效率比較，可以看到，股份制銀行在第一階段和第二階段兩方面效率都高于四大國有商業(yè)銀行，在第一階段優(yōu)勢更為明顯；各銀行提升整體效率的主要障礙來自于第一階段。第一階段四大國有銀行和股份制銀行之間效率差距呈縮小變化趨勢。在第二階段，兩類銀行效率差距呈擴(kuò)大變化趨勢，其中技術(shù)進(jìn)步是主要原因。從整體效率來看，這兩類銀行整體效率差距呈縮小變化趨勢。

(3)從各銀行動態(tài)效率和靜態(tài)效率來看，四大國有商業(yè)銀行低于股份制銀行，但是同時從靜態(tài)效率水平與動態(tài)生產(chǎn)率變化的銀行分組來看，各銀行都存在自己的優(yōu)點和不足；TFP以及兩個階段效率在銀行之間呈現(xiàn)出“強者恒強、弱者恒弱”的變化趨勢。

上述理論研究和實證結(jié)果為我國銀行業(yè)改革政策的制定提供了重要的理論和實證依據(jù)，而本文的Network-DEA-Malmquist指數(shù)模型也可應(yīng)用于類似經(jīng)濟(jì)系統(tǒng)全要素生產(chǎn)率的測算及其分解。

參考文獻(xiàn)：

韓松，王二明. 2015. 中國商業(yè)銀行整體效率研究：基于具有中間投入和中間產(chǎn)出的綜合網(wǎng)絡(luò)DEA模型[J]. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理(8):81-91.

黃憲，余丹，楊柳. 2008. 我國商業(yè)銀行X效率研究：基于DEA三階段模型的實證分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究(7):80-91.

黃祎，葛虹，馮英浚. 2009. 基于鏈形系統(tǒng)的關(guān)聯(lián)網(wǎng)絡(luò)DEA模型：以我國14家商業(yè)銀行為例[J]. 系統(tǒng)工程理論與實踐(5):106-114.

柯孔林，馮宗憲. 2013. 中國商業(yè)銀行全要素生產(chǎn)率增長及其收斂性研究：基于GML指數(shù)的實證分析[J]. 金融研究(6):146-159.

李雙杰，高巖. 2014. 銀行效率實證研究的投入產(chǎn)出指標(biāo)選擇[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究(4):130-144.

李小勝，張煥明. 2015. 中國上市銀行效率與全要素生產(chǎn)率再研究：基于兩階段網(wǎng)絡(luò)方向性距離SBM模型的實證分析[J]. 財經(jīng)研究(9):79-95.

劉孟飛，王軍. 2015. 系統(tǒng)性風(fēng)險約束下的商業(yè)銀行成本、利潤效率比較研究[J]. 中國管理科學(xué)(12):27-34.

蘆鋒，劉維奇，史金鳳. 2012. 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)(2):174-184.

毛洪濤，何熙瓊，張福華. 2013. 轉(zhuǎn)型經(jīng)濟(jì)體制下我國商業(yè)銀行改革對銀行效率的影響：來自1999—2010年的經(jīng)驗證據(jù)[J]. 金融研究(12):16-29.

王兵，朱寧. 2011. 不良貸款約束下的中國銀行業(yè)全要素生產(chǎn)率增長研究[J]. 經(jīng)濟(jì)研究(5):110-130.

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

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

楊大強，張愛武. 2007. 1996—2005年中國商業(yè)銀行的效率評價：基于成本效率和利潤效率的實證分析[J]. 金融研究(12):102-112.

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

張少華，蔣偉杰. 2014. 中國全要素生產(chǎn)率的再測度與分解[J]. 統(tǒng)計研究(3)：54-60.

趙翔. 2010. 銀行分支機(jī)構(gòu)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(jīng)濟(jì)科學(xué)(1):85-96.

鄭少鋒，尹小蒙. 2013. 基于X效率角度的我國商業(yè)銀行多元化分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究(7):81-97.

朱南，卓賢，董屹. 2004. 關(guān)于我國國有商業(yè)銀行效率的實證分析與改革策略[J]. 管理世界(2):18-26.

ALTUNBAS Y, CHAKRAVARTY S P. 2001. Frontier cost functions and bank efficiency [J]. Economics Letters, 72(2):233-240.

AVKIRAN N. 2009. Opening the black box of efficiency analysis: an illustration with UAE banks [J]. Omega, 37(4):930-941.

BERGER A N, DEYOUNG R. 1997. Problem loans and cost efficiency in commercial banks [J]. Journal of Banking and Finance, 21(6):849-870.

DEYOUNG R. 1997. Bank mergers, X-efficiency, and the market for corporate control [J]. Managerial Finance, 23(1):32-47.

FUKUYAMA H, WEBER W L. 2010. A slacks-based inefficiency measure for a two-stage system with bad outputs [J]. Omega, 38(5):398-409.

HUNTER W C, TIMMER S G. 1991. Technological change in large U.S. commercial banks [J]. The Journal of Business, 64(3):339-362.

KAO C. 2009. Efficiency decomposition in network data envelopment analysis: a relational model [J]. European Journal of Operational Research, 192(3):561-572.

MAUDOS J, PASTOR J M. 2003. Cost and profit efficiency in the Spanish banking sector (1985-1996): a non-parametric approach [J]. Applied Financial Economics, 13(1):1-12.

PARK K H, WEBER W L. 2006. A note on efficiency and productivity growth in the Korean banking industry, 1992-2002 [J]. Journal of Banking and Finance, 30(8):2371-2386.

PORTELA M, THANASSOULIS E. 2010. Malmquist-type indices in the presence of negative data: an application to bank branches [J]. Journal of Banking and Finance, 34(7):1472-1483.

SEIFORD L M, ZHU J. 1999. Profitability and marketability of the top 55 U.S. commercial banks [J]. Management Science, 45(9):1270-1288.

SHENMAN H D, GOLD F. 1985. Bank branch operating efficiency: evaluation with data envelopment analysis [J]. Journal of Banking and Finance, 30(2):297-315.

WAGENVOORT R, SCHURE P. 1999. The recursive thick frontier approach to estimating efficiency [J]. Economic and Financial Reports, 68(2):183-201.

WANG C H, GOPAL R, ZIONTS S. 1997. Use of data envelopment analysis in assessing information technology impact on firm performance [Z]. Annals of Operations Research, 73:191-213.

YANG C, LIU H. 2012. Managerial efficiency in Taiwan bank branches: a network DEA [J]. Economic Modeling, 29(2):450-461.

YAO S J, JIANG C X, ZHANG Z Y. 2009. The effect of governance changes on bank efficiency in China: a stochastic distance function approach [J]. China Economic Review, 20(2):183-192.