阮素梅 甄 欣

（安徽財經大學，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)銀行經歷了城市信用社、改制、處置風險資產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，資產總額達12.35萬億元，資產總額同比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)金融服務需求、促進區(qū)域經濟發(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。國外學者的相關研究大多集中在金融創(chuàng)新，中間業(yè)務非利息收入以及經營風險等方面，對創(chuàng)新的實證往往采取問卷調查、財務數(shù)據(jù)包絡分析等方法。而在國內，有中國特色的城市商業(yè)銀行組建成立的時間較短，相關研究成果較匱乏。

通過對已有文獻梳理后發(fā)現(xiàn)，國內外學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)務創(chuàng)新及效率評價方面，很少有學者將研究重心放在城市商業(yè)銀行的業(yè)務創(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)銀行的股權結構和公司治理對創(chuàng)新效率影響的方向和幅度。

二、模型的構建

（一）效率的測度模型

1．傳統(tǒng)及加權的靜態(tài)DEA模型

數(shù)據(jù)包絡分析是數(shù)學、運籌學、管理學和計算機科學的一個新的交叉領域，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DEA模型構造思想來源于傳統(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，其中每個投入與產出指標（DMU）在DEA的軟件運算中所賦予的原始指標權重是一樣的。但是這些特點在某些領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，每個投入產出指標在模型中的權重占比，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模型的投入產出指標賦予不同的權重系數(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)被評價對象投入產出指標的波動差異情況來確定權重，即對同一決策單元中波動差異較大，辨識度較高的指標應賦予較大權重，而決策單元中波動差異較小，辨識度不高的指標應賦予較小的權重，加權模型如下：

加權數(shù)CCR模型

加權數(shù)BCC模型

模型中，x為投入數(shù)量，y為產出數(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論都是受限的，效率結果是離散的、被隔斷的，所以都無法解決樣本數(shù)據(jù)時間序列上的縱向對比。因此，本文引入DEA-Malmquist指數(shù)模型法，它是由經濟統(tǒng)計學家Malmquist首創(chuàng)于1953年，M指數(shù)的核心理論基礎為距離函數(shù)D （x，y），其倒數(shù)形式恰好為CCR、BCC模型的最優(yōu)解，隨后經過一系列學者的繼承與發(fā)展，由Caves在1982年結合DEA理論模型用于測評生產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：生產法、資產法和中介法。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，學術界尚無定論，所以本文綜合以上方法的思想，選擇固定資產凈值、無形資產、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)務收入作為測評城市商業(yè)銀行創(chuàng)新效率的產出項。

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)加權求出決策變量的權重，計算結果如表2所示。

表2 投入指標權重系數(shù)

（二）效率測度及結果分析

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，但農業(yè)銀行因為公司治理不當、不良資產聚集等歷史原因導致創(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，全要素生產率的推進主要靠技術進步要素以每年22%的速率拉動，因此技術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果

通過對表8的分析可以得出：從股權治理角度來看，前5大股東股權集中度系數(shù)為正，說明前5大股東股權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，實證分析了股權結構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進步，最根本的內因是加強公司治理；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有的作用，相反，增設分支機構、引進戰(zhàn)略投資者以及引進外來先進的創(chuàng)新技術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)分固定和隨機效應沒有意義。

［1］約瑟夫·熊彼特.經濟發(fā)展理論［M］.北京：北京商務印刷館，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：東北財經大學出版社，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、審計質量與銀行風險承受——來自我國商業(yè)銀行的經驗證據(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.