王秀意

（山東大學(xué)經(jīng)濟研究院，濟南 250000）

一、引言

黨的十九大報告中提出：“我國經(jīng)濟已由高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段，正處在轉(zhuǎn)變發(fā)展方式、優(yōu)化經(jīng)濟結(jié)構(gòu)、轉(zhuǎn)換增長動力的攻關(guān)期，建設(shè)現(xiàn)代化經(jīng)濟體系是跨越關(guān)口的迫切要求和我國發(fā)展的戰(zhàn)略目標(biāo)”。在這種經(jīng)濟背景下，適度擴大總需求、著力加強供給側(cè)結(jié)構(gòu)改革、提高供給系統(tǒng)質(zhì)量和效率，已成為中國經(jīng)濟轉(zhuǎn)型的突破口和支點。銀行部門作為金融部門的一個重要組成部分，對經(jīng)濟的運作負(fù)有重大責(zé)任，迫切需要改變過去需求驅(qū)動的局面，通過技術(shù)創(chuàng)新和內(nèi)部治理，在確保風(fēng)險控制水平的同時，全面深化金融體質(zhì)改革，提高銀行部門要素生產(chǎn)率，并加強其服務(wù)實體經(jīng)濟的能力。

當(dāng)前我國正處于高速增長向高質(zhì)量發(fā)展階段轉(zhuǎn)變的經(jīng)濟背景下，適度擴大總需求、加強供給側(cè)結(jié)構(gòu)改革、提升供給系統(tǒng)質(zhì)量和效率，已成為中國經(jīng)濟轉(zhuǎn)型的突破口和支點。銀行部門作為金融部門的一個重要組成部分，對經(jīng)濟的運作負(fù)有重大責(zé)任，迫切需要改變過去需求驅(qū)動的局面，通過技術(shù)創(chuàng)新和內(nèi)部治理，在確保風(fēng)險控制水平的同時，全面深化金融體質(zhì)改革，提高銀行部門要素生產(chǎn)率，并加強其服務(wù)實體經(jīng)濟的能力。

二、文獻(xiàn)回顧

（一）銀行效率

全要素生產(chǎn)率是一種衡量經(jīng)濟增長質(zhì)量的重要指標(biāo)之一，指的是各種要素（如資本和勞動等）投入之外的技術(shù)進步或技術(shù)變化以促進經(jīng)濟增長的因素（易綱等，2003）。一般而言，全要素生產(chǎn)率越高，生產(chǎn)能力越強。金融發(fā)展促進了要素生產(chǎn)率總量的重要性。其目的是增加社會流動資金的供應(yīng)，促進企業(yè)的生產(chǎn)性融資，促進擴大生產(chǎn)，提高企業(yè)發(fā)展和提高生產(chǎn)效率。

在效率測算上，國外主要是有參數(shù)法（隨機前沿生產(chǎn)函數(shù)法）及非參數(shù)法（Malmquist 指數(shù)）。隨機前沿生產(chǎn)函數(shù)法是由Aigner et al（1977）幾位學(xué)者首先提出，他們打破了基于技術(shù)有效論的假設(shè)，補充了技術(shù)無效率問題，其觀點是全要素生產(chǎn)率的變化是由生產(chǎn)可能性邊界的移動及技術(shù)效率的變化共同作用的結(jié)果，認(rèn)為這種情況更符合實際情況。Bauer 和Hancock（1993）運用隨機前沿生產(chǎn)函數(shù)法對1977—1988 年美國銀行業(yè)的全要素生產(chǎn)率進行了測算。1978 年，Charnes et al（1978）提出了數(shù)據(jù)包絡(luò)分析（DEA）理論，鑒于規(guī)模報酬的變化，將多輸入、多產(chǎn)出的DEA 模型劃分為規(guī)模報酬不變（CRS）模型和規(guī)模報酬可變（VRS）模型。Howcroft和Ataullah（2006）采用DEA 方法對印度和巴基斯坦商業(yè)銀行1992—1998 年的全要素生產(chǎn)率進行測算。Caves et al（1982）結(jié)合DEA 方法于1982 年使用Malmquist 全要素生產(chǎn)率指數(shù)（M指數(shù)）評估了商業(yè)銀行的生產(chǎn)率，后期學(xué)著在此基礎(chǔ)上結(jié)合指定距離函數(shù)Malmquist-Luenberger 全要素生產(chǎn)率指數(shù)（ML指數(shù)）進行研究。Gilbert et al（1998）使用ML 指數(shù)衡量1980 年后韓國政府私有化和商業(yè)銀行監(jiān)管對韓國銀行部門全要素生產(chǎn)率的影響。Havrylchyk（2004）分析了波蘭商業(yè)銀行使用ML 指數(shù)進行的合并和收購，發(fā)現(xiàn)這種合并和收購提高了商業(yè)銀行的盈利能力。Huang（2016）使用ML 指數(shù)來衡量西歐商業(yè)銀行的全要素生產(chǎn)率，并發(fā)現(xiàn)小型銀行比中型銀行更有效。Duygun et al（2016）使用的ML 指數(shù)是根據(jù)以英國為基礎(chǔ)的（trade marking 和untrade marking）商業(yè)銀行在金融危機之前和之后的2005—2013 年的數(shù)據(jù)計算的，發(fā)現(xiàn)大多數(shù)商業(yè)銀行在觀察期間無法從危機的影響中恢復(fù)過來。

從國內(nèi)研究看，張健華和王鵬（2010）利用產(chǎn)出距離函數(shù)測算了我國國有銀行及商業(yè)銀行的全要素生產(chǎn)率，得出我國金融體制的改革對銀行業(yè)全要素生產(chǎn)率的正向作用結(jié)果。郭曄等（2020）使用stochastic frontier approach（SFA）法對我國2008—2016 年102 家城市商業(yè)銀行的效率進行測算，實證說明不同類型的戰(zhàn)略投資者對于銀行效率產(chǎn)生的不同影響，引進戰(zhàn)略投資者能顯著提高我國商業(yè)銀行的效率。王兵和朱寧（2011）運用DEA 方法測算了2004—2009 年在不良貸款約束下的我國27 家商業(yè)銀行的全要素生產(chǎn)率，得到結(jié)論是考慮不良貸款測算的效率值要低于不考慮的情況。周小柯等（2015）計算了2008—2013 年中外商業(yè)銀行全要素生產(chǎn)率指數(shù)，結(jié)果表明，中國商業(yè)銀行資產(chǎn)和利潤的快速增長并未導(dǎo)致全要素生產(chǎn)率的增長。

對于影響銀行效率的因素研究有以下觀點：Berger 和Mester（1997）考慮了銀行資產(chǎn)規(guī)模，以及市場集中度等因素對銀行效率的影響。關(guān)于中國商業(yè)銀行總生產(chǎn)率增長或下降的主要驅(qū)動因素，鄭錄軍和曹廷求（2005）通過規(guī)模、創(chuàng)新、穩(wěn)定性、盈利能力、配置、公司治理、股權(quán)結(jié)構(gòu)及營業(yè)范圍八個方面來考察銀行效率的影響因素，得出結(jié)論集中型股權(quán)結(jié)構(gòu)和公司治理機制是影響我國商業(yè)銀行效率的重要因素。趙永樂和王均坦（2008）使用DEA 測算了中國境內(nèi)17 家商業(yè)銀行生產(chǎn)率的總體增長因素主要是技術(shù)進步造成的。蔡躍洲和郭梅軍（2009）分析了2004—2008 年的數(shù)據(jù)，得出結(jié)論認(rèn)為，要素生產(chǎn)率總體下降的主要原因是技術(shù)進步下降，這與宏觀經(jīng)濟監(jiān)管有關(guān)。張弛（2007）通過引入國際戰(zhàn)略投資者角度實證研究銀行資本充足率與產(chǎn)權(quán)結(jié)構(gòu)對銀行效率的影響，結(jié)果表明產(chǎn)權(quán)結(jié)構(gòu)對銀行效率有顯著正向作用。呂驍（2012）認(rèn)為中國商業(yè)銀行2002—2009 年的總體生產(chǎn)率系數(shù)是根據(jù)寬松變量計算的，發(fā)現(xiàn)技術(shù)進步水平高于效率下降，從而提高了生產(chǎn)率?？驴琢趾婉T宗憲（2013）利用global-malmquist-luenberger（GML）指數(shù)進一步研究了2001—2010 年15家中國商業(yè)銀行的數(shù)據(jù)，證實了早先得出的結(jié)論，即技術(shù)進步是全要素生產(chǎn)率增長的主要動力。

總體而言，對我國商業(yè)銀行效率和全要素生產(chǎn)率的研究，主要從技術(shù)進步和效率提升的角度對銀行業(yè)的整體效率和全要素生產(chǎn)率進行分解分析和研究。各產(chǎn)出因素的觀點分解，一般銀行業(yè)、各銀行及各集團層面各銀行的效率和生產(chǎn)率變化的文獻(xiàn)很少。然而，現(xiàn)有的從效率提升和技術(shù)進步來描述銀行總生產(chǎn)率的文獻(xiàn)，也很少解釋分解值的內(nèi)涵并進一步分析其來源，本文將嘗試在這兩方面完成研究。

（二）金融科技與銀行效率

關(guān)于金融科技的定義，巴曙松和白海峰（2016）對金融科技做出定義，金融科技（FinTech）是一種手段，可以與金融行業(yè)的應(yīng)用進行深度融合，能夠擴大金融服務(wù)、降低交易成本及提升金融業(yè)效率。2019 年，中國人民銀行發(fā)布的《金融科技（FinTech）發(fā)展規(guī)劃（2019—2021）》中提出，金融科技是金融創(chuàng)新的重要內(nèi)容，號召充分發(fā)揮金融科技的推動作用，進一步加快我國金融業(yè)高質(zhì)量發(fā)展。董貞良等（2021）基于價值空間分類框架對金融科技相關(guān)學(xué)術(shù)研究進行分析和評述，認(rèn)為金融科技未來的研究應(yīng)該致力于發(fā)展“中國化的金融科技”。

對于金融科技與銀行效率的研究，沈悅和郭品（2015）研究了互聯(lián)網(wǎng)金融對于我國商業(yè)銀行效率的提升的促進作用。楊望等（2020）認(rèn)為金融科技推動金融創(chuàng)新、技術(shù)溢出及市場競爭，從而推動商業(yè)銀行的戰(zhàn)略轉(zhuǎn)型，對銀行效率提高產(chǎn)生積極作用。操先良（2020）則通過客戶、同業(yè)、監(jiān)管和內(nèi)部管理等維度，認(rèn)為金融科技可以有效促進客戶范圍增加、交易成本降低、內(nèi)部管理效率提高。李琴和裴平（2021）將銀行效率分解為成本效率和收入效率，認(rèn)為金融科技通過減少資金成本和固定資產(chǎn)投入及增加利息收入和中間業(yè)務(wù)收入的渠道來提高銀行效率。從現(xiàn)有的研究來看，已有研究針對金融科技的文獻(xiàn)多集中于金融科技對銀行效率的整體影響，但鮮有探究這種影響的主要來源。金融科技的發(fā)展能夠顯著的促進銀行效率的提升嗎？這種促進作用主要來源在哪里？解決這一問題有利于深入理解金融科技的發(fā)展對銀行效率的具體作用機制，進而為銀行業(yè)如何利用金融科技提高自身競爭力提供借鑒。

因此，本文基于全要素生產(chǎn)率與銀行效率的相關(guān)研究基礎(chǔ)，以銀行不良貸款率作為非期望產(chǎn)出來評價我國上市商業(yè)銀行的效率分解。同時，本文相較于傳統(tǒng)的SBM-DEA 模型因為沒有考慮到環(huán)境因素和隨機擾動的影響，而使得效率的評價存在偏差，在探討非期望產(chǎn)出的銀行效率時加入環(huán)境因素和隨機擾動的影響。2019 年我國國內(nèi)生產(chǎn)總之已達(dá)到12 萬億美元，位居全球第二位。隨著經(jīng)濟的持續(xù)發(fā)展，銀行業(yè)在金融體系中將發(fā)揮著更大作用，國內(nèi)經(jīng)濟環(huán)境的發(fā)展也決定了銀行業(yè)的未來發(fā)展方向。因此在評價我國商業(yè)銀行效率時，需要加入外部環(huán)境及銀行業(yè)內(nèi)部差異等因素的影響，以達(dá)到對銀行效率更加精準(zhǔn)的評價。Fried et al（2002）提出了三階段DEA 方法，基于Aigner et al（1977）的隨機前沿分析（SFA）對外部環(huán)境及隨機噪聲進行了剔除，最終得出的決策單元效率更能反映其真實水平。三階段DEA 方法后續(xù)也被多名學(xué)者（黃憲等，2008；王赫一和張屹山，2012；王莉等，2012；周申蓓和張俊，2014；蔣書彬，2016）用于我國銀行業(yè)效率的研究。綜合國內(nèi)外研究來看，本文的主要創(chuàng)新點在于運用基于非徑向和非角度及包含非期望產(chǎn)出的三階段SBM-DEA 模型對我國28 家上市商業(yè)銀行2009—2018 年的全要素生產(chǎn)率進行測算和分析，以此研究我國上市商業(yè)銀行的真實效率水平。此外，分析了人均GDP、銀行所有制、市場份額構(gòu)成的外部環(huán)境對投出產(chǎn)出松弛的影響及商業(yè)銀行效率的改善方向。最后基于固定效應(yīng)模型，對我國上市商業(yè)銀行金融科技對銀行效率的影響進行實證分析。

三、理論分析與研究假定

（一）理論分析

在與商業(yè)銀行的競爭、協(xié)作和互動過程中，金融科技基于算法技術(shù)及精準(zhǔn)的市場定位、獲得精準(zhǔn)客戶的推薦能力及大幅降低成本的優(yōu)勢，成為傳統(tǒng)銀行的業(yè)務(wù)優(yōu)勢。強大的競爭者最終在資產(chǎn)末期債務(wù)末期，一方面減少了傳統(tǒng)商業(yè)銀行的利潤；另一方面增加了它們承擔(dān)的風(fēng)險。而隨著銀行業(yè)的進一步發(fā)展，一方面，商業(yè)銀行持續(xù)加強跟金融科技類公司的戰(zhàn)略投資及深層次合作，使得商業(yè)銀行能結(jié)合金融科技創(chuàng)新來提供更優(yōu)的金融服務(wù)，優(yōu)化用戶體驗；另一方面，根據(jù)技術(shù)溢出理論，競爭效應(yīng)、示范效應(yīng)、人才流動效應(yīng)，以及金融科技與商業(yè)銀行的深度合作效應(yīng)，進一步提高了商業(yè)銀行的全要素生產(chǎn)率，降低商業(yè)銀行的整體要素生產(chǎn)率。具體分析如下。

1.示范效應(yīng)（demonstration effect）

當(dāng)前，大數(shù)據(jù)、人工智能及數(shù)字貨幣、區(qū)塊鏈等新技術(shù)手段的應(yīng)用，進一步推動和拓展商業(yè)銀行的發(fā)展。此前，互聯(lián)網(wǎng)金融已經(jīng)極大的推動了商業(yè)銀行的發(fā)展，而商業(yè)銀行又通過模仿和學(xué)習(xí)金融科技領(lǐng)域的各種模式及理念，大大豐富了原有的產(chǎn)品體系。商業(yè)銀行在傳統(tǒng)經(jīng)營的基礎(chǔ)上，增加了手機銀行、電子銀行等一系列業(yè)務(wù)模式，內(nèi)部也新增了與金融科技相對接的業(yè)務(wù)部門，如建設(shè)銀行互聯(lián)網(wǎng)金融部。通過這種方式，商業(yè)銀行實現(xiàn)了自身效率的提升。

2.競爭效應(yīng)

金融科技的應(yīng)用及其市場滲透，與商業(yè)銀行的傳統(tǒng)業(yè)務(wù)展開了激烈的競爭，降低了行業(yè)的壟斷性，使得商業(yè)銀行不得不提升自身競爭力。傳統(tǒng)銀行的主要優(yōu)勢是利用國家金融壟斷的市場地位，以及信息不對稱等手段獲得利潤。但金融科技的日益發(fā)展，給傳統(tǒng)商業(yè)銀行的支付及存貸款業(yè)務(wù)帶來了猛烈的沖擊。網(wǎng)絡(luò)融資平臺通過整合借貸雙方的相關(guān)資源，更透明的開展借貸業(yè)務(wù)，信息不對稱更小，有效降低了交易成本，使借貸雙方達(dá)成交易更加有效。大數(shù)據(jù)技術(shù)善于控制風(fēng)險，可以更加有效地降低顧客信用審查的成本和評估風(fēng)險。在存款業(yè)務(wù)方面，支付寶、微信等第三方支付平臺也分流了一部分商業(yè)銀行的存款業(yè)務(wù)。在支付交易方面，金融科技創(chuàng)新及應(yīng)用更加廣泛，業(yè)務(wù)涉及個人和組織的各項活動，規(guī)模也在不斷擴大。就第三方支付而言，其低廉的交易費用、便捷的操作體驗和支持延遲支付等一系列優(yōu)勢，對商業(yè)銀行私人結(jié)算業(yè)務(wù)產(chǎn)生了強烈的影響。

3.工人流動的影響（effect of workermobility）

金融科技技術(shù)人才擅長其領(lǐng)域的核心業(yè)務(wù)，并具有豐富的實踐經(jīng)驗。當(dāng)他們在行業(yè)內(nèi)轉(zhuǎn)移時，他們可以提高商業(yè)銀行員工的技術(shù)水平和專業(yè)技能，使得商業(yè)銀行開始注重培養(yǎng)和引進金融科技人才，包括財務(wù)管理人才，以及計算機、數(shù)學(xué)、統(tǒng)計等專業(yè)人才。

4.結(jié)合效應(yīng)（binding effect）

商業(yè)銀行與金融科技公司相互融合能進一步提升雙方的效率。一方面，商業(yè)銀行借助金融科技公司的各項新技術(shù)手段及理念，相互學(xué)習(xí)、做強業(yè)務(wù)、優(yōu)化和調(diào)整業(yè)務(wù)；另一方面，商業(yè)銀行在資本上也有優(yōu)勢，可以對金融科技公司的分銷和清算方面提供支持。代表性的例子有：2019 年12 月，螞蟻金服集團與工商銀行秉持“平等開放、互利共贏”的原則展開戰(zhàn)略合作，共同打造數(shù)字金融協(xié)同一體的新生態(tài)。在具體業(yè)務(wù)合作過程中，商業(yè)銀行可以和金融科技公司開展資源共享及優(yōu)勢互補，提高雙方的效率。

（二）研究假設(shè)

基于上述分析，本文提出假設(shè)1：

商業(yè)銀行金融科技的發(fā)展有助于提高銀行效率。

考慮到金融科技的發(fā)展需要大量的資金與人力投入，而國有銀行、大型商業(yè)銀行與城商行在規(guī)模、管理體系及發(fā)展定位存在諸多不同，如國有銀行雖然在規(guī)模上占有優(yōu)勢，但是體制缺乏靈活性。因此不同類型的上市銀行在金融科技對效率的效應(yīng)發(fā)揮上存在不同。基于金融科技對不同類型上市銀行效率可能存在的影響不同，本文提出假設(shè)2：

金融科技的發(fā)展對不同類型的銀行效率的促進作用存在異質(zhì)性。

四、模型構(gòu)建

（一）數(shù)據(jù)選擇

考慮到中國各上市銀行的上市時間不同，公布的數(shù)據(jù)有限，通過刪除缺失數(shù)據(jù)，本文的樣本數(shù)據(jù)來自于2009—2018 年中國28 家上市商業(yè)銀行，包括5 家國有銀行（中國農(nóng)業(yè)銀行、中國銀行、中國工商銀行、中國建設(shè)銀行、交通銀行）、9 家大型商業(yè)銀行（光大銀行、中信銀行、興業(yè)銀行、平安銀行、華夏銀行、招商銀行、浦發(fā)銀行、民生銀行、浙商銀行）、14 家城市商業(yè)銀行（北京銀行、上海銀行、寧波銀行、常熟銀行、成都銀行、江蘇銀行、貴陽銀行、杭州銀行、江陰銀行、南京銀行、蘇州銀行、西安銀行、長沙銀行、鄭州銀行）。數(shù)據(jù)來源是基于各個銀行的年度報告及國家統(tǒng)計局、中國人民銀行的公開資料。

（二）模型設(shè)定

本文使用的數(shù)據(jù)類型為10 年28 家上市銀行的面板數(shù)據(jù)，面板數(shù)據(jù)回歸的類型主要有：混合效應(yīng)、固定效應(yīng)及隨機效應(yīng)模型。混合效應(yīng)的前提假設(shè)是不考慮到個體效應(yīng)和時間效應(yīng)，假定不同個體之間無顯著差異。而隨機效應(yīng)模型認(rèn)為個體效應(yīng)與自變量無關(guān)，一般的面板數(shù)據(jù)無法滿足這一假設(shè)條件要求，基于上述原因，本文選擇固定效應(yīng)模型來進行面板回歸分析，具體模型如下：

其中：i為個體銀行；t為時間；TFPi，t為被解釋變量，表示銀行業(yè)全要素生產(chǎn)率；FRi，t為核心解釋變量，表示第i個銀行的金融科技指數(shù)；Z為模型選定的控制變量；β0為常數(shù)項；β1為金融科技指數(shù)對銀行全要素生產(chǎn)率的影響概率；γ為控制變量的回歸系數(shù)；δi為銀行固定效應(yīng)；εi，t為隨機擾動項。

（三）變量說明

1.被解釋變量

銀行效率，基于樣本數(shù)據(jù)使用非期望產(chǎn)出的三階段SBM-DEA 模型測算。

2.核心解釋變量

金融科技發(fā)展指數(shù)。借鑒沈悅和郭品（2015）、李春濤等（2020）的方法，本文構(gòu)建了銀行層面的金融科技發(fā)展指標(biāo)。首先，從支付結(jié)算、資源配置、財富管理、信息渠道和技術(shù)路徑等維度出發(fā)，選取與銀行金融科技相關(guān)的關(guān)鍵詞，包括互聯(lián)網(wǎng)金融、消費金融、第三方支付、移動支付、在線支付、網(wǎng)上支付、手機支付、NFC（near field communication）支付、數(shù)字貨幣、網(wǎng)絡(luò)融資、網(wǎng)絡(luò)貸款、網(wǎng)貸、在線理財、互聯(lián)網(wǎng)理財、互聯(lián)網(wǎng)保險、智能投顧、征信、開放銀行、在線銀行、網(wǎng)上銀行、網(wǎng)銀、電子銀行、手機銀行、無卡取款、移動互聯(lián)、機器學(xué)習(xí)、深度學(xué)習(xí)、區(qū)塊鏈、智能、大數(shù)據(jù)、云計算、數(shù)據(jù)挖掘、語音識別、5G、人臉識別，共35 個關(guān)鍵詞。其次，將每個關(guān)鍵詞與樣本商業(yè)銀行進行匹配，并在百度新聞中按年度進行搜索，將每年每個銀行所有關(guān)鍵詞搜索的新聞數(shù)量進行加總得出樣本銀行每年的金融科技發(fā)展指數(shù)。在回歸分析中，對指數(shù)取對數(shù)變換以消除數(shù)據(jù)的異方差問題。

3.控制變量

經(jīng)過提煉國內(nèi)外學(xué)術(shù)專家的研究，外部的宏觀經(jīng)濟環(huán)境、政府監(jiān)管政策和各個銀行的資產(chǎn)負(fù)債強度等都影響商業(yè)銀行的全要素生產(chǎn)率。因此，本文通過三個層面構(gòu)建模型中的一組控制變量，宏觀經(jīng)濟層面（GDP 增長率）、行業(yè)層面（行業(yè)集中度，使用五大國有銀行資產(chǎn)占所有樣本銀行比值衡量）、微觀層面（存貸比、盈利能力（營業(yè)利潤/總資產(chǎn)）、自有資本比率（所有者權(quán)益與總資產(chǎn)比率）。表1 說明了各變量的含義及統(tǒng)計情況。

表1 主要變量的含義與描述性統(tǒng)計

五、基于三階段SBM-DEA 模型的銀行業(yè)效率測算及分析

傳統(tǒng)DEA 方法如charnes coopers rhodes（CCR）、banker charnes cooper（BCC）等多是徑向的或角度的，“徑向的”意味著在效率評價時投入（產(chǎn)出）同比例縮減（增加）以實現(xiàn)有效，“角度的”則意味著選擇從投入角度實現(xiàn)產(chǎn)出最大或從產(chǎn)出角度實現(xiàn)投入最小。這些模型無法考慮到投入及產(chǎn)出的松弛，更無法測算包含非期望產(chǎn)出的效率模型。目前可以測算非期望產(chǎn)出的方法主要有方向距離函數(shù)法及正向?qū)傩赞D(zhuǎn)換法等，但這些方法均無法處理投入產(chǎn)出的松弛。面對上述這些問題，F(xiàn)are et al（1989）提出了包含“非合意要素”的數(shù)據(jù)包絡(luò)分析方法。Tone（2001）提出一種基于松弛變量（slacks-based measure，SBM）的方法。與傳統(tǒng)的DEA 模型有所區(qū)別，SBM 模型在目標(biāo)函數(shù)中引入松弛變量使得SBM 模型不僅可以實現(xiàn)收益最大化，而且可以實現(xiàn)實際利潤最大化。SBM 模型同時也克服了徑向DEA 模型不能考慮投入產(chǎn)出的松弛性問題，并解決了考慮非期望產(chǎn)出的效率評估問題，在生態(tài)效率、環(huán)境效率、經(jīng)營效率評價中應(yīng)用廣泛。

（一）三階段SBM-DEA 模型

Fried et al（1999，2002）認(rèn)為第一階段包含非期望產(chǎn)出的SBM-DEA 模型并沒有剔除環(huán)境因素和隨機誤差的影響，需要通過SFA 來予以剔除，即將第二階段SFA 回歸后的調(diào)整過的投入值和原始產(chǎn)出值再通過包含非期望產(chǎn)出的SBM-DEA 模型測算，得到的效率值更加客觀和準(zhǔn)確。這三個階段內(nèi)容綜合在一起，成為三階段SBA-DEA 模型。

（二）我國銀行業(yè)效率評價實證分析

經(jīng)過三階段SBM-DEA 模型構(gòu)建后，本部分將對我國銀行業(yè)效率進行分析。本章實證分析所用到的軟件是Maxdea8 和Frontier4.1。

1.模型指標(biāo)選取原則

為了能客觀準(zhǔn)確及全面地評價我國銀行業(yè)經(jīng)營效率，一方面要借鑒國內(nèi)外專家學(xué)者對銀行業(yè)經(jīng)營效率的研究理論及方法；另一方面要遵循和滿足DEA 方法對投入和產(chǎn)出指標(biāo)的相關(guān)原則要求。

（1）科學(xué)性原則。對我國銀行業(yè)經(jīng)營效率進行評價時，需要選擇國內(nèi)外專家學(xué)者研究過的、被實踐或業(yè)內(nèi)認(rèn)可的投入產(chǎn)出指標(biāo)體系。

（2）關(guān)鍵性原則。根據(jù)研究對象及研究目的，選擇最關(guān)鍵、最科學(xué)的指標(biāo)。

（3）可獲得性原則。選擇的指標(biāo)還需要滿足數(shù)據(jù)的可獲得性及經(jīng)濟性等特點。

（4）符合DEA 要求原則。DEA 方法要求投入與產(chǎn)出指標(biāo)之間滿足正相關(guān)性，以及所有投入產(chǎn)出指標(biāo)數(shù)據(jù)必須完整無缺失。

2.投入、產(chǎn)出指標(biāo)的選取

國內(nèi)外專家學(xué)者對我國銀行業(yè)經(jīng)營效率評價有很多研究。關(guān)于非期望產(chǎn)出變量，Zha et al（2016）、楚雪芹等（2021）等在使用DEA 模型測算中國商業(yè)銀行效率時均使用不良貸款作為非期望產(chǎn)出，這種在效率評價中納入非期望產(chǎn)出或投入的方法，比較符合銀行業(yè)的實際經(jīng)營情況。還有部分學(xué)者通過“壞賬”“市場風(fēng)險”“環(huán)境保護”等角度來探討銀行業(yè)的“非期望產(chǎn)出”。胡曉燕等（2013）使用存貸款利率風(fēng)險敞口和不良貸款率兩個指標(biāo)作為非期望產(chǎn)出，通過兩階段DEA 模型得出結(jié)論，這種模型的應(yīng)用相較于以往方法更能有效評價銀行的投出產(chǎn)出結(jié)構(gòu)，在此基礎(chǔ)上指出改進方向。紀(jì)建悅和孔膠膠（2013）結(jié)合契約理論、商業(yè)銀行生產(chǎn)函數(shù)和期望理論的基礎(chǔ)，采用不良貸款作為非期望產(chǎn)出指標(biāo)，運用SBM 模型評價商業(yè)銀行效率及分析其影響因素，得出結(jié)論利益相關(guān)者關(guān)系對我國商業(yè)銀行效率有關(guān)鍵性影響。李炫榆等（2019）考慮信用風(fēng)險這一非期望產(chǎn)出，使用超效率SBM 模型，探討銀行業(yè)競爭與銀行效率的相關(guān)性，得出結(jié)論加快信用體系建設(shè)可以通過緩解銀行業(yè)的信息不對稱來提升銀行效率。表2 列出了國內(nèi)使用DEA 方法測算銀行效率的學(xué)者所選擇的投入和產(chǎn)出指標(biāo)情況，綜上所述，使用SBM-DEA 模型探討不良貸款率這一非期望產(chǎn)出對效率的評價在銀行業(yè)的應(yīng)用還不多。

表2 我國銀行業(yè)效率文獻(xiàn)選取的投入與產(chǎn)出評價指標(biāo)

在滿足DEA 模型指標(biāo)選取原則的基礎(chǔ)上，參考國內(nèi)外專家學(xué)者研究成果及本文的研究對象及目的，本文選擇從八個指標(biāo)構(gòu)建我國銀行業(yè)經(jīng)營效率的投入產(chǎn)出指標(biāo)體系，具體見表3。

表3 我國銀行業(yè)效率投入與產(chǎn)出指標(biāo)體系

3.環(huán)境指標(biāo)的選取

環(huán)境變量主要包括對我國銀行業(yè)經(jīng)營效率有顯著影響但又不在主觀可控范圍內(nèi)的因素。影響我國銀行業(yè)經(jīng)營效率的因素眾多，參考已有研究，結(jié)合本文研究目的，主要考慮市場份額、銀行所有制和人均GDP 三個因素，具體說明如下：

（1）市場份額。各個銀行的市場份額指的是該銀行的每年新增存貸款額在整個樣本銀行存貸款額所占的比重。市場份額反映了銀行業(yè)的相互競爭及壟斷程度，是市場結(jié)構(gòu)的主要表現(xiàn)。一般而言，單個銀行所占比例小，市場份額就小，而市場占有率越低，其競爭程度越強。

（2）銀行所有制。根據(jù)各個銀行所有制性質(zhì)而設(shè)置的虛擬變量，其中五家國有控股銀行為0，其他銀行為1。不同所有制性質(zhì)的銀行在業(yè)務(wù)發(fā)展、決策機制、社會責(zé)任等方面存在一定的差異，對銀行的經(jīng)營效率產(chǎn)生一定的影響。

（3）人均GDP。人均國內(nèi)生產(chǎn)總值的概念是一個國家或地區(qū)核算期內(nèi)（通常是一年）實現(xiàn)的國內(nèi)生產(chǎn)總值與這個國家和地區(qū)常住人口的比值，經(jīng)常與購買力平價相結(jié)合，是對一個國家或地區(qū)的宏觀經(jīng)濟運行狀況衡量的主要變量，對銀行業(yè)發(fā)展有明顯的影響。

4.實證分析

（1）第一階段：包含非期望產(chǎn)出的SBM-DEA 經(jīng)營效率分析。這一階段主要通過Maxdea8 軟件中的包含非期望產(chǎn)出的SBM-DEA 模型（以投入為導(dǎo)向），對28 家銀行2009—2018 年共10 年的效率進行測算，得到個體、和分類別的技術(shù)、純技術(shù)和規(guī)模效率值。

2009—2018 年我國28 家銀行整體經(jīng)營效率均值來看，北京銀行、西安銀行、長沙銀行、招商銀行、鄭州銀行、中國工商銀行和中國農(nóng)業(yè)銀行的技術(shù)效率處在28 家銀行中的第一梯隊，效率均值為1，處于這些銀行的前沿面，表明其組織管理水平和規(guī)模化水平均為最優(yōu)；中國銀行、興業(yè)銀行、平安銀行、浦發(fā)銀行、中國民生銀行、中國建設(shè)銀行和交通銀行的技術(shù)效率處在28 家銀行中的第二梯隊，效率均值都大于0.9，其中交通銀行最高，效率均值為0.959，表明其組織管理水平和規(guī)?；捷^優(yōu)；而江陰銀行、常熟銀行、蘇州銀行、杭州銀行、寧波銀行、光大銀行、南京銀行、上海銀行、華夏銀行、成都銀行、中信銀行、江蘇銀行、貴陽銀行和浙商銀行的技術(shù)效率處在28 家銀行中的第三梯隊，效率均值都小于0.9，其中江陰銀行最低，效率均值為0.641，表明其組織管理水平和規(guī)模化水平相對較差。

而從銀行分類角度來看，總體而言，2009—2018 年，我國三類銀行技術(shù)效率均值都表現(xiàn)出波動起伏的趨勢，其中大型商業(yè)銀行波動較大，且最后幾年呈現(xiàn)下跌的趨勢，而國有控股銀行和城市商業(yè)銀行均呈現(xiàn)上漲的勢頭，其中城市商業(yè)銀行上漲速度更快。而從我國三類銀行技術(shù)效率均值來看，2009—2018 年，國有控股銀行的效率均值高于大型商業(yè)銀行，而大型商業(yè)銀行的效率均值高于城市商業(yè)銀行。雖然這個結(jié)論存在一部分合理的地方，但也有部分結(jié)論與一般意義上的認(rèn)知存在一定的偏差，主要是因為各個銀行、各類銀行經(jīng)營所處的外部環(huán)境存在一定的差異，對經(jīng)營效率的測算結(jié)果產(chǎn)生了一定的影響。因此，必須剔除環(huán)境變量及隨機噪聲對測算結(jié)果的影響，以求得相對真實客觀的結(jié)果，從而得到有用的管理啟示。

（2）第二階段：SFA 模型回歸實證分析。根據(jù)第一階段的實證分析，得到了各個銀行的投入松弛，本節(jié)將進行第二階段SFA 分析，將第一階段得到的各個投入松弛（銀行規(guī)模、應(yīng)付職工薪酬、所有者權(quán)益和營業(yè)支出的松弛變量）作為被解釋變量，將環(huán)境變量（市場份額、銀行所有制和人均GDP）作為解釋變量，通過建立SFA模型，運用Frontier4.1 軟件，可得如下結(jié)果，具體見表4。

表4 2009—2018 年間我國28 家銀行經(jīng)營效率測算SFA 回歸結(jié)果（第二階段）

SFA 回歸整體分析：由表4 可知，2009—2018 年回歸結(jié)果中的所有LR值，即極大似然比均通過1%水平上的顯著性檢驗，可以認(rèn)為本文所選擇的3 個外部環(huán)境因素對各個決策單元松弛值產(chǎn)生了顯著性影響，所以，本節(jié)進行SFA 回歸分析是非常有必要的。而且4 個回歸分析中的值分別為0.41、0.35、0.59、0.35 均大于0.1，且都通過顯著性檢驗，說明環(huán)境變量影響越大，管理無效率的影響較為明顯，隨機因素影響相對較小。從回歸結(jié)果來看，3 個環(huán)境變量對4 個投入松弛值的回歸系數(shù)全部通過了1%水平上的顯著性檢驗，進一步驗證了各個環(huán)境變量對投入松弛變量及投入變量產(chǎn)生顯著的影響。環(huán)境變量的系數(shù)正負(fù)，反映出環(huán)境變量對投入松弛值的影響關(guān)系，即負(fù)值表示增加環(huán)境變量會減少投入松弛值，即減少投入變量的損耗，從而提升經(jīng)營效率；反之，環(huán)境變量的系數(shù)為正值，則表示增加環(huán)境變量將會提高投入松弛值，即加劇了投入變量的損耗，從而降低經(jīng)營效率。

SFA 回歸具體分析：

①市場份額。市場份額與銀行規(guī)模松弛、應(yīng)付職工薪酬松弛和營業(yè)支出松弛呈現(xiàn)顯著正相關(guān)性，與所有者權(quán)益松弛呈現(xiàn)顯著負(fù)相關(guān)性。這反映出市場份額增加將會增加這銀行規(guī)模、應(yīng)付職工薪酬和營業(yè)支出這3 個投入的松弛變量，從而降低經(jīng)營效率。市場份額增加將會減少所有者權(quán)益的松弛變量，從而提高經(jīng)營效率。這一結(jié)果也反映了隨著銀行市場份額的提高，雖然會帶來所有者權(quán)益的下降，但市場規(guī)模也會相應(yīng)提高，職工人數(shù)增加，薪酬和營業(yè)支出都會提升，如果借貸款業(yè)務(wù)或利潤無法相應(yīng)得到更高提升的話，將會對經(jīng)營效率產(chǎn)生負(fù)作用。銀行業(yè)想要提高經(jīng)營效率的話，不能簡單通過擴大自身規(guī)模，提高市場份額的方式，特別是城市商業(yè)銀行和大型商業(yè)銀行，需要結(jié)合更多的創(chuàng)新和改革，找到適合自己的細(xì)分市場進行突破，在市場規(guī)模及自身優(yōu)勢發(fā)揮兩方面找到契合點。

②銀行所有制。銀行所有制與銀行規(guī)模松弛、應(yīng)付職工薪酬松弛呈現(xiàn)顯著正相關(guān)性，與營業(yè)支出松弛、所有者權(quán)益松弛呈現(xiàn)顯著負(fù)相關(guān)性。這反映出銀行所有制性質(zhì)是全民所有制的話將會將會減少營業(yè)支出、所有者權(quán)益的松弛變量，從而提高經(jīng)營效率。銀行所有制性質(zhì)是其他形式的話將會增加銀行規(guī)模、應(yīng)付職工薪酬這兩個投入的松弛變量，從而降低經(jīng)營效率。這一結(jié)果也反映了銀行所有制性質(zhì)是全民所有制的國有控股銀行，由于其規(guī)模大、網(wǎng)點多、員工多等特點，其職工薪酬等相較于其他商業(yè)銀行是偏低的，而且全民所有制的國有控股銀行承擔(dān)的社會責(zé)任也更大，某些決策并非完全遵照市場而定，從而降低了經(jīng)營效率，這些因素在其他商業(yè)銀行身上并非產(chǎn)生相同的影響。

③人均GDP。人均GDP 與銀行規(guī)模松弛、應(yīng)付職工薪酬松弛、營業(yè)支出松弛及所有者權(quán)益松弛均呈現(xiàn)顯著正相關(guān)性。這反映出人均GDP 的增加將會增加這銀行規(guī)模、應(yīng)付職工薪酬、營業(yè)支出及所有者權(quán)益這四個投入的松弛變量，從而降低經(jīng)營效率。這一結(jié)果也反映了隨著銀行所在地區(qū)的人均GDP 的提高，當(dāng)?shù)氐慕?jīng)濟發(fā)展更好，也一定程度上提高了銀行的業(yè)務(wù)量、應(yīng)付職工薪酬、營業(yè)支出及所有者權(quán)益等投入量，一旦投入上的提升沒有導(dǎo)致產(chǎn)出相應(yīng)的提升的話，就會降低經(jīng)營效率。各個銀行在一二線城市布局的同時，需要控制好相應(yīng)的投入成本，并努力提升產(chǎn)出水平。同時考慮到一二線城市銀行業(yè)競爭更加激烈，有條件的銀行可以向三四線城市發(fā)展，一方面投入更??；另一方面競爭相對沒那么激烈，從而可以提高經(jīng)營效率。

綜上所述，由于外在環(huán)境變量對我國28 個銀行的經(jīng)營效率產(chǎn)生了一定程度的影響，導(dǎo)致第一階段包含非期望產(chǎn)出的SBM-DEA 模型測算出來的經(jīng)營效率與實際情況存在一定的偏差。因此，有必要剔除這些環(huán)境變量對各個決策單元的影響，更加真實、客觀的對我國28 個銀行的經(jīng)營效率進行綜合評價。

（3）第三階段：調(diào)整后的包含非期望產(chǎn)出的SBM-DEA 效率分析。對第三階段調(diào)整后的包含非期望產(chǎn)出的SBM-DEA 進行測算，獲得調(diào)整后的經(jīng)營效率值。

從調(diào)整后的2009—2018 年我國28 家銀行整體經(jīng)營效率均值來看，只有中國工商銀行、中國農(nóng)業(yè)銀行的技術(shù)效率處在28 家銀行中的第一梯隊，效率均值為1，與第一階段相比，第一梯隊數(shù)量減少了5 家，北京銀行、西安銀行、長沙銀行、招商銀行、鄭州銀行的技術(shù)效率均值都小于1；效率均值都大于0.9 的第二梯隊銀行只有招商銀行、中國銀行和中國建設(shè)銀行，與第一階段相比，第二梯隊數(shù)量減少了4 家，其余23 家銀行的效率均值都小于0.9，與第一階段相比，第三梯隊的數(shù)量增加了9 家，其中江陰銀行和常熟銀行的技術(shù)效率均值甚至降到0.1 以下。而從純技術(shù)效率均值來看，北京銀行、江陰銀行、長沙銀行、鄭州銀行、西安銀行、招商銀行、中國工商銀行和中國農(nóng)業(yè)銀行的純技術(shù)效率均值為1，其他銀行的純技術(shù)效率均值也大于0.98，光大銀行純技術(shù)效率均值最低，為0.981，這反映了剔除環(huán)境變量影響后，我國28 家銀行的組織管理等方面整體處于較高的水平；而從規(guī)模效率均值來看，中國工商銀行、中國農(nóng)業(yè)銀行的規(guī)模效率均值為1，招商銀行、中國銀行和中國建設(shè)銀行3 家銀行效率均值都大于0.9，效率均值都小于0.9 的銀行為23 家，其中江陰銀行和常熟銀行的規(guī)模效率均值都在0.1 以下。這反映了我國銀行整體組織管理水平、技術(shù)水平較高，且較為接近，效率均值差異較大的原因在于部分銀行規(guī)?；讲桓?，特別是城市商業(yè)銀行，更加確定了我國商業(yè)銀行的發(fā)展需要進一步提高規(guī)?；?。

剔除環(huán)境變量影響后，大多數(shù)銀行技術(shù)效率均值均有所下降，光大銀行、交通銀行、浦發(fā)銀行、招商銀行、興業(yè)銀行、中國建設(shè)銀行、中國工商銀行、中國農(nóng)業(yè)銀行、中國銀行和中興銀行技術(shù)效率均值保持不變或下降幅度較小，常熟銀行、貴陽銀行、蘇州銀行、江陰銀行、西安銀行、長沙銀行、鄭州銀行技術(shù)效率均值下降幅度非常大，受環(huán)境變量影響較大。

從銀行分類角度來看，剔除環(huán)境變量的影響后，2009—2018 年，我國三類銀行技術(shù)效率均值波動起伏的幅度變小，而國有控股銀行、大型商業(yè)銀行和城市商業(yè)銀行均整體呈現(xiàn)上漲的勢頭，說明我國三類銀行整體發(fā)展趨勢較好，均保持發(fā)展的勢頭。而從2009—2018 年我國三類銀行技術(shù)效率均值來看，依然是國有控股銀行均值大于大型商業(yè)銀行，大型商業(yè)銀行均值大于城市商業(yè)銀行。

從圖1 可以看出，剔除環(huán)境變量影響后，大多數(shù)銀行技術(shù)效率均值均有所下降，國有控股銀行技術(shù)效率均值保持不變或下降幅度較小，大型商業(yè)銀行技術(shù)效率均值下降幅度中等，而城市商業(yè)銀行技術(shù)效率均值下降幅度最大，受環(huán)境變量影響最大?？傮w而言，銀行業(yè)的發(fā)展，經(jīng)營效率的提高，與市場規(guī)模關(guān)系非常密切，只有規(guī)模達(dá)到一定程度后，才能更好的獲得規(guī)模效益的提升，才能更快的提高經(jīng)營效率，但同時也要注意，雖然市場規(guī)模與經(jīng)營效率關(guān)系密切，但并非意味著各個銀行僅僅依靠擴大市場規(guī)模來提高經(jīng)營效率，在擴大規(guī)模的同時，必須在內(nèi)部組織管理、業(yè)務(wù)創(chuàng)新拓展及對客服務(wù)等方面下功夫，雙管齊下，才能應(yīng)對越來越激烈的銀行業(yè)競爭，才能提高自身的經(jīng)營效率。

圖1 2009—2018 年28 家銀行第一和第三階段效率均值對比

五、金融科技對銀行全要素生產(chǎn)率的實證分析

（一）回歸結(jié)果

表5 為金融科技影響銀行效率的基準(zhǔn)回歸結(jié)果，列（1）為僅加入金融科技的回歸結(jié)果；列（2）為加入存貸比、盈利能力、自有資本比率一組控制變量的回歸結(jié)果；列（3）為進一步考慮到行業(yè)集中度及GDP 增長率等控制變量的回歸結(jié)果。通過逐步加入控制變量，可以觀察到金融科技對銀行效率的回歸系數(shù)是否發(fā)生變化，基準(zhǔn)回歸采用的是固定效應(yīng)模型

從表5 列（1）的結(jié)果看，在僅考慮金融科技對銀行效率影響的情況下，估計系數(shù)為0.0367，且在1%的水平上顯著。從列（2）和列（3）的結(jié)果來看，在先后加入部分控制變量和全部控制變量后，金融科技的估計系數(shù)依然為正數(shù)，且分別在1%和5%的水平上顯著，系數(shù)的值略有浮動。R2值隨著控制變量的增加逐步增加，表明金融科技對銀行效率的正向影響是顯著且穩(wěn)定的，假設(shè)1 得到驗證。從列（3）的基準(zhǔn)回歸結(jié)果可以看出，在樣本區(qū)間內(nèi)，金融科技水平的提升堵銀行效率提升有顯著的促進作用，控制變量中，存貸比對銀行效率的影響顯著為負(fù)，說明銀行貸款占比的上升對銀行效率提升產(chǎn)生了抑制作用。

表5 金融科技對銀行業(yè)全要素生產(chǎn)率的基準(zhǔn)回歸結(jié)果

（二）穩(wěn)健性檢驗

1.工具變量

將解釋變量金融科技指數(shù)滯后一階生成工具變量，具體回歸結(jié)果見表6 中列（2），通過回歸結(jié)果可以看出，金融科技的估計系數(shù)依然是顯著為正的。因此通過加入工具變量處理后，金融科技對銀行效率的正向影響結(jié)論依然是穩(wěn)健、可靠的。

表6 穩(wěn)健性檢驗

2.替換控制變量

為了方式控制變量測算對回歸結(jié)果產(chǎn)生偏差，考慮到存貸款業(yè)務(wù)是我國銀行業(yè)的主營業(yè)務(wù)，本文將控制變量中的行業(yè)集中度的測算方法由五大行的資產(chǎn)占比更換為五大行的存貸款總額占樣本銀行存貸款總額的占比。通過對比表6 中列（3）回歸結(jié)果與基準(zhǔn)回歸結(jié)果，可以看出，通過替換控制變量處理后，金融科技的估計系數(shù)均為正數(shù)，顯著性提高到1%的水平上。結(jié)果顯示金融科技的估計系數(shù)有所增加，說明基準(zhǔn)回歸結(jié)果較為穩(wěn)健。

（三）異質(zhì)性分析

按照銀行類型將樣本分為5 家國有控股銀行、9 家大型商業(yè)銀行和14 家地方商業(yè)銀行，進行金融科技與銀行效率的異質(zhì)性回歸分析。通過表7 回歸結(jié)果來看，金融科技對銀行效率的影響存在銀行類型上的差異。詳細(xì)來看，金融科技對國有控股銀行和大型商業(yè)銀行效率的正向影響水平比較高，這也基本與金融科技的實際發(fā)展需要相匹配。一方面，國有控股銀行與大型商業(yè)銀行的規(guī)模和科技人員占比相較于地方商業(yè)銀行來說，具有明顯優(yōu)勢；另一方面，國有銀行在運行機制上相較于大型商業(yè)銀行，缺乏靈活性。這會在一定程度上抑制金融科技對銀行效率的提升。因此國有銀行金融科技對銀行效率的正向影響要低于大型商業(yè)銀行，地方商業(yè)銀行的作用最小。此外通過對比三組回歸結(jié)果中控制變量的影響系數(shù)可以看出，宏觀變量GDP 的增長率對國有銀行和大型商業(yè)銀行無顯著性作用，而對城市商業(yè)銀行卻存在顯著的負(fù)向影響。這說明城市商業(yè)銀行的效率提升與經(jīng)濟增長存在脫節(jié)。

表7 銀行類型異質(zhì)性檢驗

（四）效率分解

根據(jù)效率分解，技術(shù)效率指數(shù)（TE）=規(guī)模效率指數(shù)（SE）×純技術(shù)效率指數(shù)（PTE）。根據(jù)效率分解，技術(shù)效率指數(shù)（TE）=規(guī)模效率指數(shù)（SE）×純技術(shù)效率指數(shù)（PTE）。本文通過對全部樣本及按照銀行類型分類的三組樣本進行回歸分析，得到結(jié)果（表8）。結(jié)果表明，銀行金融科技與銀行規(guī)模效率，無論是全部樣本數(shù)據(jù)還是分組數(shù)據(jù)均無顯著影響，而金融科技對銀行純技術(shù)效率的回歸系數(shù)均大于0，除了城市商業(yè)銀行以外，其他樣本結(jié)果均為顯著。也就是，銀行的金融科技發(fā)展對國有控股銀行和大型城市商業(yè)銀行的純技術(shù)效率有顯著的促進作用，而對城市商業(yè)銀行純技術(shù)效率無顯著作用。

表8 效率分解

六、結(jié)論與啟示

（一）研究結(jié)論

為研究金融科技對上市銀行效率的影響，本文使用我國28 家上市銀行2009—2018 年的數(shù)據(jù)樣本，采用非期望產(chǎn)出的三階段SBM-DEA 模型，剔除環(huán)境與隨機因素對效率測算的干擾得到商業(yè)銀行的經(jīng)營效率，并對經(jīng)營效率進行分解，使用網(wǎng)絡(luò)爬蟲技術(shù)測算銀行層面的金融科技指數(shù)。在此基礎(chǔ)上，使用固定效應(yīng)模型實證分析金融科技對銀行效率及效率分解（規(guī)模效率和純技術(shù)效率）的作用機制。本文最終得出結(jié)論：①在剔除環(huán)境因素后，商業(yè)銀行金融科技的發(fā)展能夠促進商業(yè)銀行進行產(chǎn)品與服務(wù)上的創(chuàng)新，從而對銀行全要素生產(chǎn)率有顯著的促進作用；②商業(yè)銀行金融科技的發(fā)展對不同類型的銀行效率的促進作用存在異質(zhì)性，相較于城市商業(yè)銀行，對國有銀行和大型商業(yè)銀行的促進作用較大，其中對于大型商業(yè)銀行的作用最大；③商業(yè)銀行金融科技的發(fā)展對銀行純技術(shù)效率的提升有正向促進作用，表明金融科技的發(fā)展對銀行全要素生產(chǎn)率的作用更多來源于技術(shù)進步上。

本文實證證明金融科技對銀行效率的促進作用，對我國商業(yè)銀行如何深入推進金融科技的應(yīng)用，創(chuàng)新產(chǎn)品和服務(wù)水平、優(yōu)化內(nèi)部管理，從而提高自身效率具有重要的實踐意義。

（二）建議

2019 年，《金融科技發(fā)展規(guī)劃（2019—2021）年》的發(fā)布，表明了國家對商業(yè)銀行發(fā)展金融科技的重視和迫切需要，也對商業(yè)銀行下一步金融科技的發(fā)展提出了要求。因此商業(yè)銀行應(yīng)該抓住數(shù)字化轉(zhuǎn)型的機遇期，充分認(rèn)識到發(fā)展金融科技對提升自身效率的重要性，利用金融科技不斷提高內(nèi)部治理水平、優(yōu)化產(chǎn)品和服務(wù)、科技賦能風(fēng)險控制等，進一步推動銀行效率的提升。商業(yè)銀行應(yīng)該抓住金融科技對資源配置驅(qū)動屬性，優(yōu)化內(nèi)部經(jīng)營模式、降低運營成本，同時把握金融科技的創(chuàng)新驅(qū)動屬性，通過打造科技產(chǎn)品和重塑業(yè)務(wù)模式尋求新的利潤增長點，提升風(fēng)險防范水平，充分發(fā)揮出金融科技對銀行效率提高的積極作用。

（三）研究不足

本文在研究中依然存在不足之處。一是由于金融科技發(fā)展在我國布局仍處于初期的探索階段，商業(yè)銀行的研發(fā)投入等指標(biāo)數(shù)據(jù)非常有限。因此對于金融科技指數(shù)測度上不夠科學(xué)嚴(yán)謹(jǐn)。二是我國上市商業(yè)銀行由于上市時間不同，數(shù)據(jù)獲取上存在一定缺失，為了保證實證分析的真實性，在最終樣本的選擇上只能限制在上述的28 家上市商業(yè)銀行。