李小勝，張煥明

(安徽財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院，安徽 蚌埠233030)

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(shí)證分析

李小勝，張煥明

(安徽財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院，安徽 蚌埠233030)

摘要：現(xiàn)有文獻(xiàn)運(yùn)用數(shù)據(jù)包絡(luò)分析模型對(duì)銀行業(yè)的效率進(jìn)行了大量的實(shí)證研究，但是大多沒有考慮銀行業(yè)效率評(píng)價(jià)的網(wǎng)絡(luò)結(jié)構(gòu)，也較少考慮銀行業(yè)的非期望產(chǎn)出，從而其估計(jì)結(jié)果頗受質(zhì)疑。文章利用中國16家上市銀行2004-2012年的數(shù)據(jù)，將銀行業(yè)的生產(chǎn)看成是一個(gè)兩階段網(wǎng)絡(luò)生產(chǎn)過程，并考慮了銀行業(yè)的不良貸款作為非期望產(chǎn)出時(shí)的弱可處置性問題，運(yùn)用兩階段網(wǎng)絡(luò)方向性距離松弛的數(shù)據(jù)包絡(luò)模型進(jìn)行了系統(tǒng)的測量研究。分析表明，國有銀行的效率仍然偏低，各家銀行都存在非效率現(xiàn)象，但效率變化呈現(xiàn)出一種倒U形變化的趨勢，尤其是近幾年銀行業(yè)的效率有顯著提高；銀行業(yè)效率評(píng)價(jià)方法的選擇對(duì)實(shí)證結(jié)果非常重要，未考慮與考慮松弛作用時(shí)的估計(jì)結(jié)果有很大差異。全要素生產(chǎn)率的分析結(jié)果表明，銀行業(yè)的整體業(yè)績變好，這是技術(shù)進(jìn)步和技術(shù)效率提升共同作用的結(jié)果，主要得益于2003年以來推行的國有銀行股份制改造和公開上市所產(chǎn)生的硬約束效應(yīng)。文章進(jìn)一步分析了影響銀行業(yè)非效率的因素，結(jié)果表明宏觀經(jīng)濟(jì)因素對(duì)銀行業(yè)效率的影響并不明顯，銀行業(yè)內(nèi)部因素對(duì)非效率項(xiàng)的影響顯著。

關(guān)鍵詞：兩階段網(wǎng)絡(luò)DEA；方向性距離；上市銀行效率

張煥明(1973-)，男，湖北襄樊人，安徽財(cái)經(jīng)大學(xué)統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院教授。

一、引言

銀行業(yè)作為重要的金融中介，對(duì)一個(gè)國家的經(jīng)濟(jì)發(fā)展和資源配置起著重要的作用。從中國人民銀行網(wǎng)站公布的社會(huì)融資規(guī)模來看，2013年10月份通過銀行融資的比重占到90%以上。銀行業(yè)是我國目前融資的主要渠道，在這種間接融資成為當(dāng)前我國資源配置主要渠道的情況下，銀行業(yè)效率的高低直接關(guān)系到整個(gè)行業(yè)的利潤以及宏觀效率的高低(蔡躍洲和郭梅軍，2009)。Fujii等(2014)認(rèn)為，宏觀上銀行業(yè)效率的提升能夠降低金融中介的成本和促進(jìn)整個(gè)金融體系的穩(wěn)定，也能促進(jìn)金融資源的合理配置，從而帶動(dòng)經(jīng)濟(jì)增長；微觀上隨著金融業(yè)的發(fā)展，競爭日益激烈，效率分析也可促使銀行完善制度建設(shè)、提升監(jiān)管能力。

截至2012年底，從市價(jià)總值看，中國四大國有商業(yè)銀行位列世界銀行業(yè)的前十名，特別是中國工商銀行和中國建設(shè)銀行按照市價(jià)總值分別位列第一和第二。近年來受人民幣匯率升值影響，原材料價(jià)格和工資成本上升，多數(shù)上市公司的投資收益呈下降的趨勢，但是我國16家上市銀行的利潤卻占所有上市公司利潤的53.6%左右，達(dá)到1.03萬億元人民幣。經(jīng)過不良資產(chǎn)的剝離和貸款的嚴(yán)格審批程序，銀行業(yè)的利潤有了大幅的提高。如果根據(jù)利潤來判斷銀行業(yè)的業(yè)績好壞，那么中國銀行業(yè)的效率很高，經(jīng)營效果較好。但從單一指標(biāo)來評(píng)價(jià)銀行業(yè)的效率明顯存在缺陷，如我國銀行業(yè)目前仍存在大量的不良貸款、貸款和存款的比例不協(xié)調(diào)、銀行惜貸比較嚴(yán)重等。因此，根據(jù)銀行業(yè)經(jīng)營的多投入和多產(chǎn)出特點(diǎn)，不僅要考慮期望產(chǎn)出，也要考慮非期望產(chǎn)出；不僅要與自身歷年經(jīng)營業(yè)績比較，也要與行業(yè)中優(yōu)秀的銀行比較。那么在考慮這些因素之后，我國上市銀行的效率如何，影響因素有哪些，各家銀行是否有改進(jìn)的余地，銀行業(yè)全要素生產(chǎn)率的增長情況如何，這些成為本文關(guān)注的焦點(diǎn)。

對(duì)銀行業(yè)的效率評(píng)價(jià)由來已久，國內(nèi)外積累了大量的文獻(xiàn)。從某種意義上說，對(duì)銀行的效率評(píng)價(jià)是許多新的數(shù)量經(jīng)濟(jì)分析方法的“試驗(yàn)田”。這說明了銀行效率評(píng)價(jià)的重要性，也表明評(píng)價(jià)方法是否合理會(huì)導(dǎo)致評(píng)價(jià)結(jié)果相差很大。本文在對(duì)這些方法進(jìn)行述評(píng)的基礎(chǔ)上，將應(yīng)用一種比較穩(wěn)健的兩階段網(wǎng)絡(luò)方向性距離松弛的數(shù)據(jù)包絡(luò)模型(two-stagenetworkdirectionaldistanceslacks-basedinefficiencymodel)對(duì)上市銀行效率進(jìn)行評(píng)價(jià)。本文的研究能夠?yàn)殂y行業(yè)效率改進(jìn)和投資者投資決策提供參考依據(jù)，也能為后續(xù)的研究提供新的實(shí)證研究方法。

二、文獻(xiàn)綜述

Berger和Humphrey(1997)對(duì)銀行業(yè)的效率評(píng)價(jià)進(jìn)行了系統(tǒng)的文獻(xiàn)綜述，認(rèn)為實(shí)證研究中主要采用的是參數(shù)方法和非參數(shù)方法。參數(shù)方法包括隨機(jī)前沿分析法(stochasticfrontierapproach，SFA)、厚前沿分析法(thickfrontierapproach，TFA)和自由分布分析法(distributionfreeapproach，DFA)，而實(shí)際中隨機(jī)前沿分析法應(yīng)用較多。非參數(shù)方法包括數(shù)據(jù)包絡(luò)分析(DEA)和自由處置殼(freedisposalhull，F(xiàn)DH)等方法，而實(shí)證研究中以DEA方法居多。Fethi和Pasiouras(2010)認(rèn)為，雖然兩種方法各有優(yōu)勢和缺點(diǎn)，但是相對(duì)而言，DEA方法的應(yīng)用更為廣泛，對(duì)于銀行效率的評(píng)價(jià)具有比較優(yōu)勢。

數(shù)據(jù)包絡(luò)分析方法通過構(gòu)造分段的前沿面，不需要設(shè)定具體的函數(shù)形式，而且能夠處理多投入和多產(chǎn)出的情況，在銀行業(yè)效率評(píng)價(jià)中逐漸受到人們的青睞。例如，Sherman和Gold(1985)就采用DEA模型對(duì)美國商業(yè)銀行分支機(jī)構(gòu)的效率進(jìn)行了評(píng)價(jià)，得到平均的效率為0.96。隨后出現(xiàn)了大量的評(píng)價(jià)文獻(xiàn)，Berg等(1993)采用該方法對(duì)挪威、瑞典、芬蘭三國的銀行業(yè)效率進(jìn)行了評(píng)價(jià)，得到的效率值分別為0.57、0.78和0.53。Isik和Hassan(2002)對(duì)土耳其的銀行業(yè)效率進(jìn)行了評(píng)價(jià)，得到的效率值為0.82。國內(nèi)學(xué)者薛峰和楊德禮(1998)同樣采用DEA方法對(duì)中國銀行業(yè)的效率進(jìn)行了評(píng)價(jià)，張健華(2003)對(duì)1997-2001年中國三類銀行的效率進(jìn)行了評(píng)價(jià)和排名。蔡躍洲和郭梅軍(2009)對(duì)2004-2008年中國11家上市銀行進(jìn)行了效率評(píng)價(jià)，并對(duì)全要素生產(chǎn)率進(jìn)行了分析。

然而，上述運(yùn)用傳統(tǒng)DEA方法進(jìn)行效率評(píng)價(jià)的文獻(xiàn)存在很多不足。首先，以往的DEA模型對(duì)決策單元效率的估計(jì)采用的是徑向(Radial)的方法，這種方法在存在松弛情況下會(huì)高估決策單元的效率(Fukuyama和Weber，2009)；其次，上述文獻(xiàn)通常沒有考慮不良貸款，從而會(huì)導(dǎo)致評(píng)價(jià)結(jié)果存在偏差(王兵和朱寧，2011)。針對(duì)第一個(gè)問題，Charnes等(1985)提出了一種加性模型，這種模型最大化投入松弛和產(chǎn)出松弛，但它不是真正意義上的效率測量模型，因?yàn)槟繕?biāo)函數(shù)中的投入松弛和產(chǎn)出松弛的單位通常不一致。針對(duì)加性模型中投入松弛和產(chǎn)出松弛加總過程中單位不一致的問題，F(xiàn)?re等(1985)提出了Russell測度的方法，Cooper等(2011)及Tone(2001)則提出了SBM(slacks-basedmodel)方法。這些方法將目標(biāo)函數(shù)中的投入松弛和產(chǎn)出松弛進(jìn)行了標(biāo)準(zhǔn)化，使目標(biāo)函數(shù)中的投入松弛和產(chǎn)出松弛成為無量綱的量，這樣加總就得到真正意義上的效率值。這種評(píng)價(jià)效率的模型又分為投入導(dǎo)向、產(chǎn)出導(dǎo)向和非導(dǎo)向的形式，其中非導(dǎo)向形式的應(yīng)用較廣，它可以避免導(dǎo)向選擇所引起的效率評(píng)價(jià)結(jié)果偏差。

上述模型即使得到了改進(jìn)，其在經(jīng)濟(jì)應(yīng)用中還是與生產(chǎn)過程中的利潤最大化目標(biāo)產(chǎn)生不一致。Chambers等(1996)從方向性距離函數(shù)的觀點(diǎn)出發(fā)，提出了非效率的度量方法。方向性距離函數(shù)尋求給定方向下非徑向的產(chǎn)出擴(kuò)張和非徑向的投入縮減最大化。方向性距離函數(shù)是利潤函數(shù)的對(duì)偶形式，具有良好的性質(zhì)。由于經(jīng)濟(jì)生產(chǎn)活動(dòng)在某種程度上是追求利潤最大化的過程，方向性距離函數(shù)被很多文獻(xiàn)所采用，如Chung等(1997)及F?re等(2007)成功地將方向性距離函數(shù)應(yīng)用于環(huán)境效率評(píng)價(jià)中。但是方向性距離函數(shù)還是沒有很好地解決投入、產(chǎn)出松弛問題，而且本質(zhì)上還是一種徑向的調(diào)整模型。針對(duì)方向性距離函數(shù)的上述問題，F(xiàn)ukuyama和Weber(2009)提出了基于松弛測度的非徑向、非導(dǎo)向的方向性距離函數(shù)，并對(duì)日本銀行業(yè)的效率進(jìn)行了評(píng)價(jià)。在上述思想下，國內(nèi)學(xué)者王兵和朱寧(2011)在不良貸款約束下運(yùn)用SBM方向性距離函數(shù)測度了2003-2009年我國11 家上市商業(yè)銀行的效率?？驴琢趾婉T宗憲(2008)運(yùn)用方向性距離函數(shù)對(duì)2000-2005年中國銀行業(yè)效率進(jìn)行了評(píng)價(jià)。

不過，上述文獻(xiàn)只考慮了投入和產(chǎn)出過程，而沒有考慮投入和產(chǎn)出之間的連接，將生產(chǎn)過程看成是“黑箱”。其實(shí)很多生產(chǎn)過程具有網(wǎng)絡(luò)結(jié)構(gòu)，若忽略會(huì)導(dǎo)致估計(jì)得到的效率值偏高。Seiford和Zhu(1999)較早注意到銀行業(yè)生產(chǎn)過程的兩階段網(wǎng)絡(luò)結(jié)構(gòu)的特征，并運(yùn)用獨(dú)立的兩階段數(shù)據(jù)包絡(luò)分析方法對(duì)美國的銀行業(yè)效率進(jìn)行了評(píng)價(jià)。他們將兩個(gè)階段看成是獨(dú)立的生產(chǎn)過程，而實(shí)際上第一階段的產(chǎn)出作為中間產(chǎn)品是下一階段的投入，根據(jù)效率評(píng)價(jià)的規(guī)則應(yīng)該盡量少，而作為第一階段的產(chǎn)出應(yīng)該盡量多，所以這兩個(gè)階段的效率評(píng)價(jià)是相互聯(lián)系的。Kao和Hwang(2008)提出整個(gè)過程的效率是這兩個(gè)階段效率的乘積，并應(yīng)用在中國臺(tái)灣的非壽險(xiǎn)業(yè)效率評(píng)價(jià)中。Chen等(2009)認(rèn)為，整個(gè)過程的效率是這兩個(gè)階段效率的相加。Liang 等(2008)從斯塔克伯格博弈的觀點(diǎn)解決了兩個(gè)階段效率評(píng)價(jià)的問題。Fukuyama和Weber(2009)將兩個(gè)生產(chǎn)過程放在一個(gè)框架中，得到兩個(gè)階段的一個(gè)綜合效率。

為了彌補(bǔ)上述研究文獻(xiàn)的不足，本文在借鑒國際最前沿處理方法的基礎(chǔ)上，采用兩階段網(wǎng)絡(luò)方向性距離松弛的數(shù)據(jù)包絡(luò)模型對(duì)2004-2012年中國16家上市銀行的效率進(jìn)行了評(píng)價(jià)，獲得了比以往研究更為準(zhǔn)確、可靠的分析結(jié)論，拓展了該領(lǐng)域的研究。本文的貢獻(xiàn)主要體現(xiàn)在以下三個(gè)方面：首先，從銀行業(yè)生產(chǎn)的網(wǎng)絡(luò)結(jié)構(gòu)出發(fā)，將生產(chǎn)過程看成一個(gè)相互聯(lián)系的兩階段生產(chǎn)過程，避免了以往將銀行業(yè)生產(chǎn)過程看成“黑箱”而導(dǎo)致評(píng)價(jià)效率不合理的情況出現(xiàn)。其次，考慮到以往徑向調(diào)整高估效率的問題，本文加入了投入和產(chǎn)出松弛，并選擇非導(dǎo)向效率評(píng)價(jià)模型，在方向性距離函數(shù)的基礎(chǔ)上對(duì)目標(biāo)函數(shù)中的松弛進(jìn)行了標(biāo)準(zhǔn)化，使其成為真正的效率評(píng)價(jià)值，并構(gòu)造了跨期的效率測量模型和全要素生產(chǎn)率指數(shù)。最后，本文將不良貸款作為非期望產(chǎn)出，并認(rèn)為銀行每一期的第二階段非期望產(chǎn)出會(huì)成為下一期的第一階段投入，影響下一期的存款吸收。

三、方法介紹

(一)銀行業(yè)效率測量方法介紹

根據(jù)Seiford和Zhu(1999)的思想，本文認(rèn)為銀行業(yè)的生產(chǎn)過程具有兩階段網(wǎng)絡(luò)結(jié)構(gòu)特征，具體表現(xiàn)為：銀行通過固定資產(chǎn)凈值、股權(quán)資本和人員等初始的投入吸收存款，產(chǎn)生負(fù)債業(yè)務(wù)，這是銀行經(jīng)營的第一個(gè)階段，也是開展業(yè)務(wù)的基礎(chǔ)。很多銀行都對(duì)存款業(yè)務(wù)非常重視，常以存款的多少作為考核員工的主要指標(biāo)，對(duì)這個(gè)階段的效率非常關(guān)注。而銀行組織存款的目的是產(chǎn)生生息資產(chǎn)、獲得利潤，近年來很多銀行的投資和貸款失敗，給其帶來嚴(yán)重的損失，所以在完成第一個(gè)階段的生產(chǎn)后銀行會(huì)考慮投資組合，包括貸款對(duì)象的甄別以及投資品種的選擇。這個(gè)階段主要是運(yùn)用資金的階段，如果這個(gè)階段的效率不高，同樣會(huì)導(dǎo)致銀行的效率降低。這兩個(gè)階段中任何一個(gè)階段的無效率都會(huì)導(dǎo)致銀行的整體無效率。傳統(tǒng)的研究中忽視了銀行中間產(chǎn)品的生產(chǎn)過程，將存款看成產(chǎn)出或者投入，把銀行業(yè)的經(jīng)營過程看成一個(gè)單一階段的生產(chǎn)過程。這樣處理既不符合效率評(píng)價(jià)原理，也不符合銀行業(yè)經(jīng)營的現(xiàn)實(shí)。在單一階段效率評(píng)價(jià)中，將存款看成產(chǎn)出還是投入，很多觀點(diǎn)是不一致的；而兩階段的生產(chǎn)過程能夠有效避免劃分的問題(Holod和Lewis，2011)，將其看成中間產(chǎn)品，為正確評(píng)價(jià)銀行業(yè)的效率提供了合理的途徑，也為揭開銀行業(yè)經(jīng)營的“黑箱”提供了依據(jù)。

(1)

對(duì)于沒有考慮松弛作用的兩階段網(wǎng)絡(luò)方向性距離函數(shù)模型，我們可以用下式表示：

(2)

上述的兩階段網(wǎng)絡(luò)方向性距離函數(shù)模型沒有考慮松弛問題，會(huì)導(dǎo)致評(píng)價(jià)結(jié)果偏高。為了克服這個(gè)問題，我們采用Akther等(2013)的模型進(jìn)行效率測量，具體的設(shè)定如下：

(3)

(4)

(二)銀行業(yè)全要素生產(chǎn)率測量方法介紹

效率分析是一種靜態(tài)的比較，為了進(jìn)行動(dòng)態(tài)分析并得到全要素生產(chǎn)率指數(shù)、技術(shù)效率指數(shù)和技術(shù)進(jìn)步指數(shù)，我們對(duì)Akther等(2013)的銀行效率評(píng)價(jià)模型進(jìn)行了拓展，設(shè)計(jì)了3個(gè)跨期效率測量模型(式(5)-式(7))，再依據(jù)以上四個(gè)效率測量模型，根據(jù)Cooper等(2004)對(duì)松弛情況下Malmquist指數(shù)的計(jì)算設(shè)定，以及Tone和Tsutsui(2013)對(duì)網(wǎng)絡(luò)結(jié)構(gòu)下Malmquist指數(shù)的計(jì)算思想，得到本文的Malmquist指數(shù)式(8)及其分解式(9)和式(10)。

(5)

其中，NSBI2表示以t+1期的技術(shù)為參照系時(shí)t+1期的非效率值。

(6)

其中，NSBI3表示以t+1期的技術(shù)為參照系時(shí)t期的非效率值。

(7)

其中，NSBI4表示以t期的技術(shù)為參照系時(shí)t+1期的效率值。

由于NSBI1、NSBI2、NSBI3和NSBI4表示非效率項(xiàng)的大小，在構(gòu)造Malmquist指數(shù)時(shí)，我們采用效率項(xiàng)的大小。為此，我們采用Chung等(1997)的公式，將非效率值加1后取倒數(shù)得到效率值的大小，其中SBI1=1/(1+NSBI1)，SBI2=1/(1+NSBI2)，SBI3=1/(1+NSBI3)和SBI4=1/(1+NSBI4)。根據(jù)以上四個(gè)距離函數(shù)，我們可以根據(jù)F?re等(1994)以及Tone和Tsutsui(2013)提出的各種分解Malmquist指數(shù)的思想，得到全要素生產(chǎn)率指數(shù)及其分解式。

(8)

(9)

(10)

(11)

(三)數(shù)據(jù)來源

上市銀行是中國銀行業(yè)的主體，對(duì)這些銀行的效率評(píng)價(jià)可以為其他銀行的評(píng)價(jià)提供借鑒。目前，我國共有16家上市銀行，包括4家國有商業(yè)銀行：中國銀行、中國建設(shè)銀行、中國工商銀行和中國農(nóng)業(yè)銀行；3家城市商業(yè)銀行：北京銀行、南京銀行和寧波銀行；9家股份制銀行：交通銀行、中國民生銀行、光大銀行、華夏銀行、平安銀行、興業(yè)銀行、浦發(fā)銀行、招商銀行和中信銀行。數(shù)據(jù)包絡(luò)分析的經(jīng)驗(yàn)規(guī)則認(rèn)為決策單元數(shù)目n應(yīng)該滿足n≥max{m×s,3(m+s)}，其中m為投入指標(biāo)數(shù)，s為產(chǎn)出指標(biāo)數(shù)(Cooper等，2007)。為此，本文選擇16家上市銀行2004-2012年的數(shù)據(jù)進(jìn)行分析，第一階段有四種投入和兩種產(chǎn)出，第二階段有兩種投入和三種產(chǎn)出。但也有文獻(xiàn)認(rèn)為這并不是必須滿足的條件(Cook等，2014)，這個(gè)問題還在爭論之中。

銀行效率評(píng)價(jià)既取決于評(píng)價(jià)方法的選擇，也取決于投入和產(chǎn)出指標(biāo)的選擇，銀行業(yè)投入產(chǎn)出指標(biāo)的選取是效率評(píng)價(jià)的重點(diǎn)問題之一，這個(gè)問題會(huì)導(dǎo)致評(píng)價(jià)的結(jié)果不同。對(duì)于投入產(chǎn)出指標(biāo)的選取主要有生產(chǎn)法(productionapproach)、中介法(intermediationapproach)、資產(chǎn)法(assetsapproach)、增值法(valueaddedapproach)和用戶成本法(user-costapproach)。Berger和Humphrey(1997)認(rèn)為現(xiàn)實(shí)中較為常用的方法是前兩種，但是實(shí)證研究中會(huì)出現(xiàn)多種指標(biāo)的結(jié)合應(yīng)用。傳統(tǒng)的銀行業(yè)效率評(píng)價(jià)文獻(xiàn)將銀行業(yè)的生產(chǎn)過程看成“黑箱”，只考慮了投入和產(chǎn)出數(shù)據(jù)，而沒有考慮中間生產(chǎn)過程，且不少文獻(xiàn)也沒有考慮以不良貸款表示的非期望產(chǎn)出。根據(jù)對(duì)銀行業(yè)生產(chǎn)過程的兩階段網(wǎng)絡(luò)模型的設(shè)定，本文投入和產(chǎn)出指標(biāo)的選擇主要從生產(chǎn)法的角度來考慮，這一考慮與國內(nèi)文獻(xiàn)中將生產(chǎn)法和中介法結(jié)合考慮相類似。其實(shí)對(duì)于生產(chǎn)法，在中國的存貸款利率市場化程度不高的情況下，銀行業(yè)很多費(fèi)用標(biāo)準(zhǔn)是相同的，只取決于投入和產(chǎn)出。從這個(gè)方面看，生產(chǎn)法的效果與中介法、增值法的指標(biāo)也有類似之處。

每一期的第一階段投入包括固定資產(chǎn)凈值、員工人數(shù)、股權(quán)資本以及上一期的不良貸款。將上一期的不良貸款看成投入，因?yàn)橘J款質(zhì)量的高低與銀行效率直接相關(guān)，如果不良貸款較多，銀行就必須用較多的利潤對(duì)壞賬進(jìn)行沖銷，或提取較多的壞賬準(zhǔn)備以應(yīng)對(duì)未來可能出現(xiàn)的風(fēng)險(xiǎn)，或增加股權(quán)資本，從財(cái)務(wù)杠桿的角度看也會(huì)限制吸收存款的數(shù)量，因此本文將它看成投入，這種處理與國內(nèi)大多數(shù)文獻(xiàn)是不同的。Akther等(2013)采用的就是這一處理方式，它與巴塞爾協(xié)議Ⅲ對(duì)風(fēng)險(xiǎn)資本標(biāo)準(zhǔn)的要求是一致的。第一階段的產(chǎn)出用存款來表示，存款是中間產(chǎn)品，也是第二階段的投入，這與Seiford和Zhu(1999)的做法是一致的。第二階段的產(chǎn)出用貸款、不良貸款和投資來表示，本文的投資包括債券投資和股權(quán)投資。由于銀行業(yè)的股權(quán)投資限制比較嚴(yán)格，從數(shù)據(jù)來看很多銀行都沒有該項(xiàng)投資，債券投資占絕大部分的比重。

根據(jù)兩階段網(wǎng)絡(luò)模型的設(shè)定，每期的效率評(píng)價(jià)需要上一期的非期望產(chǎn)出作為投入。我們采用GDP的縮減因子對(duì)上一期的非期望產(chǎn)出數(shù)據(jù)進(jìn)行處理，得到當(dāng)年的不變價(jià)指標(biāo)。為了進(jìn)行跨期的比較，也需要進(jìn)行縮減，所以我們對(duì)所有數(shù)據(jù)進(jìn)行了不變價(jià)處理。以上數(shù)據(jù)來自《中國統(tǒng)計(jì)年鑒》、《中國金融年鑒》、Bankscope以及各上市銀行年報(bào)或財(cái)務(wù)報(bào)告。

四、實(shí)證結(jié)果分析

根據(jù)兩階段網(wǎng)絡(luò)方向性距離函數(shù)模型(式(2))和兩階段網(wǎng)絡(luò)方向性距離松弛的數(shù)據(jù)包絡(luò)模型(式(3))，我們可以得到16家上市銀行的非效率項(xiàng)大小，選擇式(2)主要為了與式(3)的結(jié)果進(jìn)行比較。在實(shí)際計(jì)算中，兩類模型方向性向量的選擇有很多標(biāo)準(zhǔn)。本文采用標(biāo)準(zhǔn)的設(shè)定，以自身的數(shù)值作為方向性向量對(duì)目標(biāo)函數(shù)中的松弛量進(jìn)行調(diào)整，這也是很多文獻(xiàn)采用的方法，這樣非效率項(xiàng)的評(píng)價(jià)值在0到1之間。

(一)銀行業(yè)效率分析結(jié)果與模型比較研究

通過兩階段網(wǎng)絡(luò)方向性距離松弛的數(shù)據(jù)包絡(luò)模型(式(3))，我們可以得到非效率測算結(jié)果。從表1中可以看到，2005-2012年各家銀行多數(shù)年份都出現(xiàn)非效率，特別是華夏銀行每年的非效率項(xiàng)數(shù)值都比較大。例如，2007年華夏銀行的非效率項(xiàng)數(shù)值為0.5163。根據(jù)方向性距離函數(shù)中的方向選擇，華夏銀行2007年的固定資產(chǎn)凈值為41.21億元，從業(yè)人員為9 390人，股權(quán)資本為5 923.38億元，貸款為2 985.49億元，投資為689.74億元，不良貸款為68.9億元。如果按照方向性向量調(diào)整，只需要固定資產(chǎn)凈值41.21×(1-0.5163)億元，從業(yè)人員9 390×(1-0.5163)人，股權(quán)資本5 923.38×(1-0.5163)億元，就能得到貸款2 985.49×(1+0.5163)億元，投資689.74×(1+0.5163)億元，不良貸款68.9×(1-0.5163)億元的結(jié)果。2005年處在前沿面即有效率的銀行共有3家，分別是中國民生銀行、寧波銀行和興業(yè)銀行。非效率項(xiàng)數(shù)值最大的是中國銀行，其次是交通銀行，以及中國工商銀行、中國農(nóng)業(yè)銀行、光大銀行等。這個(gè)評(píng)價(jià)結(jié)果表明，有效率的銀行都是地區(qū)性銀行和股份制銀行，排名靠后的都是國有商業(yè)銀行。例如，2005年中國建設(shè)銀行的非效率值為0.3253，在成立較早和國有股份制銀行中是最小的，但仍排在第11位。2006年延續(xù)了2005年的評(píng)價(jià)結(jié)果，不過中國農(nóng)業(yè)銀行的業(yè)績最差，排在最后，四大國有股份制銀行和交通銀行仍排名靠后。2007年處在前沿面的銀行只有寧波銀行1家，其他銀行都出現(xiàn)了無效率的狀況，且很多銀行離前沿面更遠(yuǎn)，其中一個(gè)顯著的變化是華夏銀行以非效率數(shù)值0.5163排名倒數(shù)第一，其他國有商業(yè)銀行緊隨其后。2008年的非效率得分情況與2007年基本相似，不過中國農(nóng)業(yè)銀行的排名在國有銀行中明顯靠前。2009年和2010年華夏銀行繼續(xù)排名靠后，離前沿面的距離較2007年有所好轉(zhuǎn)。2011年和2012年與前面年份相比較的一個(gè)顯著特點(diǎn)是，處在前沿面的銀行增加了1家，非效率項(xiàng)數(shù)值較前兩年也有所降低，說明這兩年銀行業(yè)的整體效率有所上升。本文的分析結(jié)果特別是2007年和2008年的效率比較低與張健華和王鵬(2010)的分析結(jié)論是一致的。

從單個(gè)銀行來看，對(duì)于2005-2012年的平均非效率項(xiàng)，16家銀行中興業(yè)銀行最小，為0.0288，8年中有5年處在前沿面上，其次是寧波銀行，為0.0699，8年中有4年處在前沿面上。排名靠后的3家銀行依次是華夏銀行、中國農(nóng)業(yè)銀行和中國銀行，兩家國有商業(yè)銀行和一家股份制銀行。從時(shí)間維度來看，2005-2012年每家銀行的非效率項(xiàng)呈現(xiàn)出一種倒U形變化趨勢，銀行非效率項(xiàng)最近兩年逐漸變小，經(jīng)營業(yè)績有所好轉(zhuǎn)。從所有銀行的平均情況來看，非效率項(xiàng)的均值從小到大依次出現(xiàn)在2012年、2011年、2010年、2008年、2009年、2005年、2006年和2007年。這表明非效率項(xiàng)的數(shù)值隨時(shí)間變得越來越小，離前沿面的距離越來越近，銀行業(yè)的業(yè)績整體上在2010-2012年有大幅提高。從時(shí)間維度來看，這些年份銀行業(yè)的非效率呈現(xiàn)出倒U形變化趨勢，這與單個(gè)銀行的趨勢是類似的。出現(xiàn)這種狀況的原因在于：一方面，宏觀經(jīng)濟(jì)形勢好轉(zhuǎn)，導(dǎo)致投資收益高和企業(yè)貸款違約率低；另一方面，得益于銀行自身微觀制度的規(guī)范，如銀行貸款的嚴(yán)格審批和核準(zhǔn)程序以及貸款發(fā)放和收回責(zé)任制等，不良貸款率大大降低，而存款和貸款的利差是穩(wěn)定的，從而導(dǎo)致近年來銀行業(yè)效率逐漸提高，即非效率項(xiàng)出現(xiàn)下降趨勢。2008年的效率出現(xiàn)下降，主要是因?yàn)檫@一年的投入和產(chǎn)出組合不是非常有效，如不良貸款率下降并不多，但是各家銀行的資產(chǎn)規(guī)模等變量卻變得較大。

表1　16家上市銀行2005-2012年的非效率值

表1的分析結(jié)果表明，華夏銀行的業(yè)績較差，其次是國有商業(yè)銀行中的中國農(nóng)業(yè)銀行和中國銀行，這與現(xiàn)實(shí)中這幾家銀行的經(jīng)營結(jié)果是一致的。我們通過收集銀行的財(cái)務(wù)報(bào)告信息，發(fā)現(xiàn)2007年和2008年，華夏銀行的加權(quán)風(fēng)險(xiǎn)資產(chǎn)收益率分別為0.8%和1.26%，在當(dāng)時(shí)14家上市銀行中排名倒數(shù)第一。在資本充足率方面，2007年年報(bào)顯示其核心資本充足率和資本充足率分別為4.3%和8.27%，已經(jīng)接近4%和8%的監(jiān)管紅線。在不良貸款率方面，華夏銀行2010年為1.18%，僅次于中國農(nóng)業(yè)銀行的2.03%；2011年為0.92%，僅低于四大國有商業(yè)銀行；2012年為0.88%，低于交通銀行、平安銀行、中國銀行、中國建設(shè)銀行和中國農(nóng)業(yè)銀行。在上述的非效率分析中，我們看到中國農(nóng)業(yè)銀行的非效率值始終排在前兩位。圖1顯示，中國農(nóng)業(yè)銀行的不良貸款率較高，加之其貸款量較大，不良貸款量也是所有銀行中最大的。從資本充足率看，2005年中國農(nóng)業(yè)銀行的股權(quán)資本為-7 276.05億元，處于資不抵債的狀態(tài)。光大銀行2005-2012年的平均非效率值為0.2899，排名第四，這從光大銀行2005年和2006年的所有者權(quán)益分別為-1.47億元和-0.39億元中有所反映，同樣是一種資不抵債的情況。中國銀行2005-2012年的平均非效率值為0.3021，在16家銀行中排在第三位，這與其不良貸款率一直處于較高水平有一定的關(guān)系。

圖1　16家上市銀行2010-2012年的不良貸款率(單位：%)

表1的結(jié)果相對(duì)較為合理，與銀行業(yè)的實(shí)際表現(xiàn)也是基本吻合的。為了比較其他模型的效果，我們采用式(2)即沒有考慮松弛情況下的非效率項(xiàng)度量方法，選擇與表1相同的方向性向量，估計(jì)結(jié)果見表2。我們發(fā)現(xiàn)這種評(píng)價(jià)結(jié)果與表1的結(jié)果存在非常大的區(qū)別。其中顯著的特點(diǎn)是各年中國農(nóng)業(yè)銀行都處在前沿面上，是經(jīng)營業(yè)績最好的銀行，其次是北京銀行。其他4家國有股份制銀行的非效率項(xiàng)數(shù)值也較大，這與中國農(nóng)業(yè)銀行的極端取值有一定的關(guān)系，這種方法的分辨能力不是非常強(qiáng)。另外，每年處在前沿面上的銀行數(shù)目都較多，分辨能力較差，但2007年和2008年華夏銀行也是表現(xiàn)最差的銀行。從2005-2012年每家銀行的均值來看，除了中國農(nóng)業(yè)銀行沒有非效率情況外，其他銀行都出現(xiàn)了非效率。從時(shí)間維度來看，2005年的平均非效率值為0.0282，2008年為0.0546，隨后出現(xiàn)下降的趨勢，2012年的平均非效率值為0.0215，可見這些年份的效率變化呈現(xiàn)出倒U形趨勢。這種分析方法顯然沒有由式(3)分析得到的結(jié)果好，而且兩種估計(jì)方法的差距比較大。在下文影響效率的因素分析中，我們主要采用了表1中的非效率數(shù)據(jù)。

表2　沒有考慮松弛情況下的非效率估計(jì)結(jié)果

(二)銀行全要素生產(chǎn)率分析

非效率反映了離前沿面的距離，是一種靜態(tài)的相對(duì)比較。為了反映全要素生產(chǎn)率的變化，我們采用這些距離函數(shù)，根據(jù)F?re等(1994)以及Tone和Tsutsui(2013)構(gòu)造Malmquist指數(shù)的思想得到網(wǎng)絡(luò)情況下的全要素生產(chǎn)率指數(shù)及其分解后的技術(shù)進(jìn)步指數(shù)和技術(shù)效率指數(shù)。根據(jù)式(8)，全要素生產(chǎn)率指數(shù)見表3。從中可以看到，全要素生產(chǎn)率下降的三家銀行分別是華夏銀行、中國民生銀行和中國農(nóng)業(yè)銀行。這與效率分析結(jié)果是基本對(duì)應(yīng)的，特別是華夏銀行和中國農(nóng)業(yè)銀行的效率本身也較低，中國民生銀行的全要素生產(chǎn)率出現(xiàn)下降，主要是因?yàn)?009年、2010年和2012年這3年的非效率項(xiàng)數(shù)值較大，導(dǎo)致全要素生產(chǎn)率下降。其他13家銀行的全要素生產(chǎn)率都出現(xiàn)了上升，特別是浦發(fā)銀行、興業(yè)銀行、平安銀行、招商銀行和中信銀行的全要素生產(chǎn)率增長都在20%以上。另外，每家銀行或者全部銀行的平均全要素生產(chǎn)率指數(shù)都出現(xiàn)了上升的趨勢，表明銀行業(yè)的整體經(jīng)營績效有了大幅的改善。我們對(duì)全要素生產(chǎn)率指數(shù)進(jìn)行分解得到了技術(shù)效率指數(shù)，*為了節(jié)省篇幅，文中未給出技術(shù)效率指數(shù)和技術(shù)進(jìn)步指數(shù)的分解結(jié)果，如有需要可向作者索要。發(fā)現(xiàn)華夏銀行和中國民生銀行的排名沒有改變。由于技術(shù)效率反映的主要是管理經(jīng)驗(yàn)，這兩家銀行的全要素生產(chǎn)率較低與其管理水平較低有一定的關(guān)系，而且這兩家銀行與前沿銀行管理水平的差距呈現(xiàn)拉大的趨勢。這一分析結(jié)果表明股份制銀行的管理不一定就比國有銀行要好，大的國有商業(yè)銀行在歷史積淀、研發(fā)投入和人才方面有一定的優(yōu)勢。

表3　2006-2012年16家上市銀行的全要素生產(chǎn)率指數(shù)

從技術(shù)進(jìn)步指數(shù)來看，四大國有銀行的技術(shù)進(jìn)步指數(shù)的排名都靠后，這與王兵和朱寧(2011)的結(jié)論是一致的。他們的解釋是“低懸的果實(shí)”摘取殆盡，即技術(shù)進(jìn)步已經(jīng)到了一定的水平，技術(shù)復(fù)雜性增加得較快，要想在原有技術(shù)上取得突破非常困難。而股份制和地區(qū)性銀行的技術(shù)水平較低，在技術(shù)模仿和技術(shù)引進(jìn)方面有著很大的空間，導(dǎo)致技術(shù)進(jìn)步指數(shù)上升較大。這與現(xiàn)實(shí)中國有銀行的研發(fā)資金與人員投入較大是相對(duì)應(yīng)的。我國四大國有銀行成立較早，資產(chǎn)規(guī)模較大，而且都有自己的研發(fā)部；而很多地區(qū)性銀行和股份制銀行沒有相應(yīng)的研發(fā)部，為了節(jié)省研發(fā)費(fèi)用，很多設(shè)備和技術(shù)都是從國有銀行和國外購置得到的。從實(shí)證結(jié)果可以看到，全要素生產(chǎn)率的上升是技術(shù)進(jìn)步和技術(shù)效率提高共同作用的結(jié)果，很難區(qū)分其中是技術(shù)進(jìn)步的貢獻(xiàn)大還是技術(shù)效率提高的貢獻(xiàn)大。

五、銀行業(yè)非效率的影響因素分析

造成銀行間效率差距的因素有哪些？這是很多研究銀行效率文獻(xiàn)和決策者關(guān)心的問題之一，但是相關(guān)研究并沒有得到一致的結(jié)論。Berger和Humphrey(1997)認(rèn)為這主要取決于效率的度量方法、效率的概念和變量的選取。張健華(2003)及張健華和王鵬(2010)從銀行業(yè)的內(nèi)部和外部選取了影響其效率的因素。王兵和朱寧(2011)主要選取外部宏觀環(huán)境因素對(duì)銀行業(yè)的全要素生產(chǎn)率進(jìn)行了實(shí)證分析。Assaf等(2013)則選擇了各家銀行存款的市場份額(MSD)、分支機(jī)構(gòu)(BRANCH)、資產(chǎn)回報(bào)率(ROA)、凈利息收益率(NetInterestMargin，NIM)以及前五大行的存款比重。Fukuyama和Weber(2009)選擇了銀行存款的市場份額、凈利息收益率、資本充足率(CAPEQ)、成立時(shí)間(Age)和銀行資產(chǎn)的自然對(duì)數(shù)這5個(gè)變量對(duì)非效率項(xiàng)進(jìn)行了研究。Fukuyama和Matousek(2011)選擇的變量更多，包括凈利息收益率、非利息收入率、資產(chǎn)回報(bào)率、存款市場份額、貸款市場份額、產(chǎn)權(quán)結(jié)構(gòu)虛擬變量、成立時(shí)間和資本充足率等。

參考已有研究，本文選擇了9個(gè)銀行業(yè)內(nèi)部變量和1個(gè)宏觀經(jīng)濟(jì)變量即GDP增長速度對(duì)銀行業(yè)非效率的影響因素進(jìn)行分析。銀行業(yè)內(nèi)部變量主要有：(1)凈利息收益率(NIM)：用凈利息收入除以生息資產(chǎn)來表示，用于衡量銀行的存貸盈利能力和管理質(zhì)量。(2)分支機(jī)構(gòu)數(shù)量(BRANCH)：該指標(biāo)既反映了服務(wù)的可及性和質(zhì)量，也反映了銀行經(jīng)營成本的上升。(3)市場勢力：用存款或貸款份額(MSL)或資產(chǎn)比重(ZC)來表示，這幾個(gè)變量存在共線性，在回歸分析中采用其中一個(gè)變量，其他兩個(gè)變量用于檢驗(yàn)穩(wěn)健性。(4)資產(chǎn)回報(bào)率(ROA)：用凈收入占總資產(chǎn)的比例來表示，反映銀行的經(jīng)營表現(xiàn)。(5)產(chǎn)權(quán)結(jié)構(gòu)(Dummy)：國有銀行取1，股份制銀行取0。張健華(2003)以及Fukuyama和Matousek(2011)發(fā)現(xiàn)產(chǎn)權(quán)結(jié)構(gòu)對(duì)效率的影響不顯著，沒有證據(jù)表明國有銀行的效率比股份制銀行要低，這一結(jié)論不支持“平靜生活理論(quietlifetheory)”。*Berger和Hannan(1998)利用美國20世紀(jì)80年代5 000家銀行的數(shù)據(jù)，發(fā)現(xiàn)銀行業(yè)高的市場集中度即低的競爭度與成本低效率聯(lián)系在一起，因?yàn)榇笮豌y行利用其壟斷地位發(fā)揮定價(jià)的優(yōu)勢，對(duì)成本的降低并不是很關(guān)心，所以以損失效率換取利潤最大化，享受“平靜生活”。(6)資本充足率(CAPEQ)：該指標(biāo)常被用來衡量銀行經(jīng)營的風(fēng)險(xiǎn)性，是影響銀行效率的主要因素，巴塞爾協(xié)議對(duì)該指標(biāo)一直有著嚴(yán)格的規(guī)定，特別是2010年末的巴塞爾協(xié)議Ⅲ對(duì)資本充足率更是非常重視；此外，資本充足率也是實(shí)際經(jīng)營成本的重要影響因素之一。(7)貸款與存款之比(Deposit)：該指標(biāo)反映銀行的資產(chǎn)配置情況，體現(xiàn)資產(chǎn)配置效率，該指標(biāo)數(shù)值越高通常表明銀行的效率越高。(8)中間業(yè)務(wù)收入(Inter)：該指標(biāo)反映銀行的效率高低，我們對(duì)該指標(biāo)取對(duì)數(shù)。(9)銀行成立時(shí)間的對(duì)數(shù)(Age)：該指標(biāo)反映學(xué)習(xí)效應(yīng)的大小。上述數(shù)據(jù)與第三部分效率評(píng)價(jià)中的數(shù)據(jù)來源是一致的。

由于銀行業(yè)技術(shù)非效率的取值大于等于0，是一種明顯的左截?cái)喾植?，用?jīng)典回歸分析方法建立模型有可能會(huì)得到負(fù)的擬合值。Maudos和 de Guevara(2007)采用Logit回歸模型來分析影響因素的作用，但是更多的文獻(xiàn)采用受限因變量的面板Tobit模型來研究技術(shù)效率的影響因素。對(duì)受限因變量面板數(shù)據(jù)模型而言，固定效應(yīng)Tobit模型通常不能得到一致的估計(jì)值，因此本文采用隨機(jī)效應(yīng)Tobit模型。我們選擇第三部分得到的NSBI1作為因變量，上述的銀行內(nèi)部因素和宏觀環(huán)境因素共10個(gè)變量作為解釋變量，建立了以下的面板隨機(jī)效應(yīng)Tobit模型：

+β6Depositit+β7Interit+β8Ageit+β9Dummyi+β10GDPt+εit

(12)

表4報(bào)告了隨機(jī)效應(yīng)面板Tobit模型的回歸結(jié)果，隨機(jī)效應(yīng)非常顯著，表明采用的模型是合適的。其中，列(1)是對(duì)所有10個(gè)變量進(jìn)行回歸的結(jié)果；列(2)是剔除了列(1)中不顯著的經(jīng)濟(jì)發(fā)展水平變量后的回歸結(jié)果，所有變量系數(shù)的符號(hào)與列(1)相同，但是資本充足率仍不顯著；列(3)中剔除了經(jīng)濟(jì)發(fā)展水平和資本充足率兩個(gè)變量，所有變量在20%的顯著性水平上是可以接受的，且系數(shù)符號(hào)與列(1)中相同，所以下文主要依據(jù)列(1)的結(jié)果進(jìn)行分析。

表4　銀行業(yè)非效率項(xiàng)的影響因素分析

從表4中可以看到，凈利息收益率的系數(shù)顯著為正，表明凈利息收益率增加導(dǎo)致非效率項(xiàng)數(shù)值增加。這與Fukuyama和Weber(2009)的結(jié)論是一致的，他們認(rèn)為這個(gè)結(jié)果表明銀行業(yè)有著較高的邊際收益，會(huì)使經(jīng)理們從事成本較高的項(xiàng)目投資，從而抵消了效率的增長。我們用存款比重來表示市場份額，結(jié)果表明其增加降低了非效率項(xiàng)數(shù)值，而且在5%的水平上顯著，Maudos和de Guevara(2007)的解釋是：市場勢力的存在會(huì)導(dǎo)致銀行的投入成本降低，由于規(guī)模報(bào)酬遞增，規(guī)模大的銀行平均成本較低，本文的結(jié)果支持了他們的分析。為了保證穩(wěn)健性，我們用貸款份額或資產(chǎn)比重重新進(jìn)行回歸，結(jié)果并沒有改變。Benston(1972)的研究也表明，在其他投入和產(chǎn)出要素不變的情況下，銀行規(guī)模擴(kuò)大1倍，平均成本下降5%-8%。貸款與存款之比的結(jié)果并不顯著，按照效率銀行的要求，其系數(shù)為負(fù)，該項(xiàng)指標(biāo)值越高表明銀行的非效率值越小，即有效率的銀行貸存比結(jié)構(gòu)較好。本文的結(jié)果不支持這個(gè)假設(shè)。資本充足率的系數(shù)按照理論預(yù)期也應(yīng)為負(fù)，即資本充足率高的銀行效率應(yīng)更高，但是本文的結(jié)果并不支持這一理論預(yù)期。資本充足率的高低反映了銀行的經(jīng)營風(fēng)險(xiǎn)，但是對(duì)于我國銀行業(yè)資本充足率的要求，主要是為滿足國際規(guī)則和市場化改革的需要而設(shè)置的，而其經(jīng)營風(fēng)險(xiǎn)通常是以國家信用為擔(dān)保，不存在破產(chǎn)風(fēng)險(xiǎn)，從而導(dǎo)致該項(xiàng)指標(biāo)沒有西方國家對(duì)效率的影響明顯。資產(chǎn)回報(bào)率的系數(shù)顯著為負(fù)，這與多數(shù)研究的結(jié)論是一致的，收益率高的銀行經(jīng)營業(yè)績更好，有限的資金創(chuàng)造了最大的收益。中間業(yè)務(wù)收入可以看成是效率的表現(xiàn)，也可以理解為金融創(chuàng)新。本文中中間業(yè)務(wù)收入的系數(shù)為負(fù)，表明該指標(biāo)提高導(dǎo)致非效率下降，這與多數(shù)研究的結(jié)論是類似的，但是其系數(shù)并不顯著。對(duì)于分支機(jī)構(gòu)的作用，F(xiàn)ukuyama和Matousek(2011)認(rèn)為分支機(jī)構(gòu)較多會(huì)導(dǎo)致成本上升，從而非效率項(xiàng)數(shù)值上升，本文中其系數(shù)顯著為正，這與他們的結(jié)論是一致的。分支機(jī)構(gòu)多會(huì)耗費(fèi)大量的成本，國有銀行的分支機(jī)構(gòu)較多且遍布城鄉(xiāng)，而股份制銀行則主要分布在經(jīng)濟(jì)發(fā)達(dá)的城市部門。從這個(gè)方面看，股份制銀行對(duì)分支機(jī)構(gòu)的設(shè)置也是有效的。宏觀經(jīng)濟(jì)變量GDP增長速度對(duì)效率的影響并不明顯，銀行業(yè)效率主要受到自身內(nèi)部因素的影響。產(chǎn)權(quán)結(jié)構(gòu)的影響不顯著，支持了“平靜生活理論(quietlifetheory)”，即國有產(chǎn)權(quán)和市場份額較大的銀行在市場競爭中的效率較低，這與針對(duì)國外銀行業(yè)的研究結(jié)論是一致的，張健華(2003)的研究也支持了這個(gè)結(jié)果。銀行的成立時(shí)間反映了其學(xué)習(xí)效應(yīng)，但是本文的結(jié)果與這個(gè)觀點(diǎn)相反，主要是因?yàn)槌闪⑤^早的國有商業(yè)銀行的政策性負(fù)擔(dān)較大，其次是不良貸款較多、機(jī)構(gòu)和退休人員數(shù)量較大等，從而抵消了學(xué)習(xí)效應(yīng)所導(dǎo)致的效率上升。

六、結(jié)論與啟示

本文運(yùn)用中國16家上市銀行2004-2012年的數(shù)據(jù)，將銀行業(yè)的生產(chǎn)看成一個(gè)兩階段網(wǎng)絡(luò)生產(chǎn)過程，并考慮了銀行業(yè)的不良貸款作為非期望產(chǎn)出時(shí)的弱可處置性問題，運(yùn)用兩階段網(wǎng)絡(luò)方向性距離松弛的數(shù)據(jù)包絡(luò)模型對(duì)我國銀行業(yè)的效率與全要素生產(chǎn)率進(jìn)行了較系統(tǒng)的實(shí)證研究，得到以下結(jié)論：

(1)銀行業(yè)的效率評(píng)價(jià)與不良貸款的比率有著密切的關(guān)系，以往不考慮不良貸款的非參數(shù)估計(jì)方法所得結(jié)果有可能不穩(wěn)健。首先，根據(jù)本文的評(píng)價(jià)方法，華夏銀行的效率最低，這與其不良貸款比率偏高顯著相關(guān)；其次，國有銀行的效率仍然偏低，四大國有銀行排在后七位。我國國有銀行的不良貸款比率排在前5位，其中中國農(nóng)業(yè)銀行的不良貸款率明顯高于華夏銀行。

(2)兩階段網(wǎng)絡(luò)方向性距離松弛的數(shù)據(jù)包絡(luò)模型分析表明，每年處在前沿面的銀行非常少，各家銀行都存在非效率現(xiàn)象；從單個(gè)銀行和所有銀行平均的時(shí)間維度看，效率變化呈現(xiàn)出倒U形的趨勢，但是近幾年銀行業(yè)效率顯著提高。

(3)銀行業(yè)效率評(píng)價(jià)方法的選擇對(duì)評(píng)價(jià)結(jié)果是否科學(xué)非常關(guān)鍵，沒有考慮松弛作用時(shí)對(duì)效率的估計(jì)結(jié)果與考慮時(shí)的結(jié)果差別很大。比如，沒有考慮松弛作用時(shí)對(duì)中國農(nóng)業(yè)銀行的效率評(píng)價(jià)結(jié)果明顯不符合事實(shí)；同時(shí)，每年處在前沿面的銀行數(shù)目也較多，非效率數(shù)值明顯偏小，最大也不超過7%，這與我們通常的理解顯然不相吻合。

(4)全要素生產(chǎn)率的分析結(jié)果表明，銀行業(yè)的業(yè)績整體變好。銀行業(yè)全要素生產(chǎn)率的增長是技術(shù)進(jìn)步和技術(shù)效率提高共同作用的結(jié)果，其中三家銀行的全要素生產(chǎn)率指數(shù)下降主要是近幾年非效率上升所導(dǎo)致的，其他銀行則在技術(shù)進(jìn)步和技術(shù)效率提高的共同作用下出現(xiàn)了上升的趨勢。

(5)影響銀行業(yè)效率的因素主要來自銀行業(yè)內(nèi)部。本文選取了9個(gè)銀行業(yè)內(nèi)部變量和1個(gè)宏觀經(jīng)濟(jì)變量，發(fā)現(xiàn)宏觀經(jīng)濟(jì)變量對(duì)銀行業(yè)效率的影響并不顯著。另外，影響銀行業(yè)效率的變量在發(fā)達(dá)國家顯著，而在中國有可能不顯著，但是多數(shù)影響銀行業(yè)效率的變量與國內(nèi)外研究的結(jié)論基本一致。

根據(jù)本文的分析結(jié)果，近年來我國銀行業(yè)的效率和全要素生產(chǎn)率有大幅上升的趨勢。這主要得益于2003年以來推行的國有銀行股份制改造和公開上市所產(chǎn)生的正向效應(yīng)，這些措施在某種程度上硬化了國有銀行的預(yù)算約束。但國有商業(yè)銀行的效率仍偏低，股份制銀行的政策性負(fù)擔(dān)則相對(duì)較少，導(dǎo)致整體效率較高。這提醒我們對(duì)于國有銀行，要優(yōu)化銀行的內(nèi)部治理結(jié)構(gòu)和去行政化，硬化其預(yù)算約束，真正解決委托代理問題和道德風(fēng)險(xiǎn)問題，提高效率。

--------------

主要參考文獻(xiàn)：

[1]蔡躍洲，郭梅軍.我國上市商業(yè)銀行全要素生產(chǎn)率的實(shí)證分析[J].經(jīng)濟(jì)研究，2009，(9)：52-65.

[2]柯孔林，馮宗憲.中國銀行業(yè)全要素生產(chǎn)率測度：基于Malmquist-Luenberger指數(shù)研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2008，(4)：110-120.

[3]王兵，朱寧.不良貸款約束下的中國上市商業(yè)銀行效率和全要素生產(chǎn)率研究——基于SBM方向性距離函數(shù)的實(shí)證分析[J].金融研究，2011，(1)：110-130.

[4]薛峰，楊德禮.評(píng)價(jià)銀行經(jīng)營與管理綜合效益的DEA模型[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，1998，(5)：63-66.

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

[6]張健華，王鵬.中國銀行業(yè)廣義Malmquist生產(chǎn)率指數(shù)研究[J].經(jīng)濟(jì)研究，2010，(8)：128-140.

[7]Akther S, Fukuyama H, Weber W L. Estimating two-stage network slacks-based inefficiency: An application to Bangladesh banking[J]. Omega, 2013, 41(1): 88-96.

[8]Assaf A G,Matousek R, Tsionas E G. Turkish bank efficiency: Bayesian estimation with undesirable outputs[J]. Journal of Banking and Finance, 2013, 37(2): 506-517.

[9]Benston G J. Economies of scale of financial institutions[J]. Journal of Money, Credit and Banking, 1972, 4(2): 312-341.

[10]Berg S A,F?rsund F R,Hjalmarsson L, et al. Banking efficiency in the Nordic countries[J]. Journal of Banking and Finance, 1993, 17(2): 371-388.

[11]Berger A N, Humphrey D B. Efficiency of financial institutions: International survey and directions for future research[J]. European Journal of Operation Research, 1997, 98(2): 175-212.

[12]Chambers R G, Chung Y, F?re R. Benefit and distance functions[J]. Journal of Economics Theory, 1996, 70(2): 407-419.

[13]Charnes A,Cooper W W,Golany B，et al. Foundations of data envelopment analysis for Pareto-Koopmans efficient empirical production functions[J]. Journal of Econometrics, 1985, 30(1): 91-107.

[14]Chen Y, Cook W D, Li N, et al. Aditive efficiency decomposition in two-stage DEA[J]. European Journal of Operational Research, 2009, 196(3): 1170-1176.

[15]Chung Y, F?re R, Grosskopf S. Productivity and undesirable outputs: A directional distance function approach[J]. Journal of Environmental Management, 1997, 51(3): 229-240.

[16]Cook W D, Tone K, Zhu J. Data envelopment analysis: Prior to choosing a model[J]. Omega, 2014, 44(1): 1-4.

[17]Cooper W W, Seiford L M, Tone K. Data envelopment analysis: A comprehensive text with models, applications, references and DEA-solver software[M].Berlin：Springer, 2007.

[18]Cooper W W, Seiford L M, Zhu J. Handbook on data envelopment analysis[M].Berlin:Springer, 2011.

[19]F?re R, Grosskopf S, Lovell C. The measurement of efficiency of production[M]. Boston:Kluwer-Nijhoff, 1985.

[20]F?re R, Grosskopf S, Norris M, et al. Productivity growth, technical progress, and efficiency change in industrialized countries[J]. American Economic Review,1994,84(1):66-83.

[21]F?re R, Grosskopf S, Pasurka C. Environmental production functions and environmental directional distance functions[J]. Energy, 2007, 32(7): 1055-1066.

[22]Fethi M D, Pasiouras F. Assessing bank efficiency and performance with operational research and artificial intelligence techniques: A survey[J]. European Journal of Operational Research, 2010, 204(2):189-198.

[23]Fujii H, Managi S, Matousek R. Indian bank efficiency and productivity changes with undesirable outputs: A disaggregated approach[J]. Journal of Banking and Finance, 2014, 38: 41-50.

[24]Fukuyama H, Matousek R. Efficiency of Turkish banking: Two-stage network system[J]. Journal of International Financial Markets, Institutions and Money, 2011, 21(1): 75-91.

[25]Fukuyama H, Weber W L. A directional slacks-based measure of technical inefficiency[J]. Socio-Economic Planning Sciences, 2009, 43(4): 274-287.

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

[27]Isik I, Hassan M K. Technical, scale and allocative efficiencies of Turkish banking industry[J]. Journal of Banking and Finance, 2002, 26(4): 719-766.

[28]Kao C, Hwang S N. Efficiency decomposition in two-stage data envelopment analysis: An application to non-life insurance companies in Taiwan[J]. European Journal of Operational Research, 2008, 185(1): 418-429.

[29]Liang L, Cook W D, Zhu J. DEA models for two-stage processes: Game approach and efficiency decomposition[J]. Naval Research Logistics, 2008, 55(7): 643-653.

[30]Maudos J, de Guevara J F. The cost of market power in banking: Social welfare loss vs. cost inefficiency[J]. Journal of Banking and Finance, 2007, 31(7): 2103-2125.

[31]Seiford L M, Zhu J. Profitability and marketability of the top 55 US commercial banks[J]. Management Science, 1999, 45(9): 1270-1288.

[32]Sherman D, Gold F. Branch operating efficiency: Evaluation with data envelopment analysis[J]. Journal of Banking and Finance, 1985, 9(2): 297-315.

[33]Tone K. A slacks based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2001, 130(3): 498-509.

[34]Tone K, Tsutsui M. Dynamic DEA with network structure: A slacks-based measure approach[R]. Workshop on DNDEA, 2013.

(責(zé)任編輯康健)

中圖分類號(hào)：F830.3

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-9952(2015)09-0079-17

收稿日期：2015-02-22

基金項(xiàng)目：國家社科基金項(xiàng)目“資源環(huán)境約束下全要素生產(chǎn)率增長的測度方法拓展與實(shí)證分析研究”(14BTJ011)；教育部新世紀(jì)優(yōu)秀人才支持計(jì)劃(NCET-13-0641)；國家社科基金重大項(xiàng)目“大數(shù)據(jù)與統(tǒng)計(jì)學(xué)理論的發(fā)展研究”(13&ZD148)

作者簡介：李小勝(1976-)，男，安徽樅陽人，安徽財(cái)經(jīng)大學(xué)統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院副教授；

The Efficiency of Chinese Listed Banks and Total Factor
Productivity：Empirical Analysis Based on Two-stage
Network Directional Distance SBM Model

Li Xiaosheng, Zhang Huanming

(SchoolofStatisticsandAppliedMathematics,AnhuiUniversityof

FinanceandEconomics,Bengbu233030,China)

Abstract：Although many scholars have done a lot of empirical studies on measuring the efficiency of banking industry with data envelopment analysis model, most of the literature does not take the network structure of banking efficiency evaluation into account, and also less considers the undesirable outputs of banking, leading to the challenges of the estimation results. Based on the data of 16 listed banks in China from 2004 to 2012, this paper regards the banking production as a two-stage network production process, and considers the “non-performing loans” as a weak disposability of undesirable outputs. Then it employs a data envelopment model of two-stage directional distance network slacks to make a systematic measurement. It reaches the empirical results as follows: firstly, the efficiency of state-owned banking sector is still relatively low;secondly, there exists the inefficient phenomenon in each bank, but changes in banking efficiency show an inverted U-shape trend; in recent years, the efficiency of the banking sector has improved significantly; thirdly, method choices of efficiency evaluation of the banking sector is very critical to empirical results, and the estimation results without considering the slack effect are different from ones taking the slack effect into account. Total factor productivity (TFP) results show that the overall performance of the banking sector became better, the result of the combination of technological progress and technical efficiency improvement, mainly owing to the hard constraint resulting from the shareholding reform of state-owned banks and the public offering since 2003. It further analyzes the factors affecting the non-efficiency of the banking sector and indicates that macroeconomic factors have no significant effects on the efficiency of the banking sector while the internal factors of the banking have significant effects on the non-efficiency terms.

Key words:two-stage network DEA;directional distance;the efficiency of listed banks