王建梅　王濤　張愛武

摘要：基于我國46家金融類上市公司2008-2014年的面板數(shù)據(jù)樣本，利用基于DEA的Malmquist指數(shù)分析金融機(jī)構(gòu)的技術(shù)效率變動(dòng)，并通過回歸分析考察金融混業(yè)和資本結(jié)構(gòu)及其變動(dòng)對(duì)技術(shù)效率變動(dòng)的影響。研究發(fā)現(xiàn)，金融混業(yè)會(huì)對(duì)金融機(jī)構(gòu)的技術(shù)效率改善產(chǎn)生顯著的抑制作用，資本結(jié)構(gòu)及其變動(dòng)會(huì)對(duì)上述作用產(chǎn)生顯著的影響。上述發(fā)現(xiàn)意味著，金融混業(yè)決策很可能是基于比較長遠(yuǎn)的戰(zhàn)略考量作出的，金融機(jī)構(gòu)有可能通過資本結(jié)構(gòu)的主動(dòng)調(diào)整促進(jìn)其技術(shù)效率改善，并且弱化混業(yè)經(jīng)營對(duì)技術(shù)效率改善的抑制作用。

關(guān)鍵詞：金融混業(yè)；資本結(jié)構(gòu)；技術(shù)效率變動(dòng)；中介法；經(jīng)營杠桿

中圖分類號(hào)：F830 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-2101（2017）02-0075-06

一、問題的提出

自2002年中信集團(tuán)、光大集團(tuán)和平安集團(tuán)開始綜合金融控股集團(tuán)試點(diǎn)以來，工商銀行、農(nóng)業(yè)銀行、中國銀行、建設(shè)銀行、交通銀行等大型商業(yè)銀行陸續(xù)通過海外注冊(cè)或者借助類信托控股等方式開展混業(yè)經(jīng)營。時(shí)至今日，各類金融機(jī)構(gòu)獲取跨行業(yè)金融牌照開展混業(yè)經(jīng)營的努力仍在持續(xù)。

現(xiàn)有理論研究表明，混業(yè)經(jīng)營會(huì)使金融機(jī)構(gòu)享有規(guī)模經(jīng)濟(jì)、范圍經(jīng)濟(jì)和信息優(yōu)勢(shì)，對(duì)金融機(jī)構(gòu)的績效具有積極作用。例如，Steinherr和Huveneers（1990）認(rèn)為，通過混業(yè)經(jīng)營，金融機(jī)構(gòu)可以攤薄固定成本。Llewellyn（1996）認(rèn)為，混業(yè)經(jīng)營的金融機(jī)構(gòu)利用已有的分支機(jī)構(gòu)和其他銷售渠道銷售附加金融產(chǎn)品的邊際成本較低，因而可以享受潛在的范圍經(jīng)濟(jì)。Rajan（1996）認(rèn)為，混業(yè)經(jīng)營的金融機(jī)構(gòu)可以利用一種業(yè)務(wù)上的優(yōu)勢(shì)提高其他業(yè)務(wù)上的競爭力，其聲譽(yù)和品牌價(jià)值可以因分享而提升。Diamond（1984）、Santos（1998）、Birkbeck（2000）等認(rèn)為，在混業(yè)經(jīng)營體制下，金融機(jī)構(gòu)可以滿足企業(yè)的多種金融需求，金融機(jī)構(gòu)與企業(yè)之間的關(guān)系得以強(qiáng)化并發(fā)展為長期關(guān)系，兩者之間的信息流動(dòng)更加充分，有助于克服金融契約中因信息不對(duì)稱導(dǎo)致的道德風(fēng)險(xiǎn)問題。Ville（2004）認(rèn)為，混業(yè)經(jīng)營有助于節(jié)約對(duì)客戶和管理層的監(jiān)控成本。閻彥明（2004）認(rèn)為，成本、收入、消費(fèi)者和地理方面的范圍經(jīng)濟(jì)是金融行業(yè)混業(yè)經(jīng)營的主要?jiǎng)右颉?/p>

上述理論研究成果得到不少實(shí)證研究的證實(shí)。例如，Clark和Speaker（1994）、Shaffer和David（1988）、Noulas等（1990）、Hunter等（1990）、Saunders和Walter（1994）及Vennet（2002）等通過不同方式提供了金融行業(yè)規(guī)模經(jīng)濟(jì)存在的證據(jù)。Hughes和Mester（2006）、Canals（1993）、Gallo等（1996）等從不同視角提供了金融行業(yè)范圍經(jīng)濟(jì)存在的證據(jù)。Mester（1993）、Vennet（2002）等證實(shí)了混業(yè)經(jīng)營的金融機(jī)構(gòu)相對(duì)于分業(yè)經(jīng)營金融機(jī)構(gòu)的信息優(yōu)勢(shì)。

目前，國內(nèi)已經(jīng)有不少學(xué)者從不同角度探討了金融混業(yè)（如宋軍，2002；魯明易，2005；王鶴立，2008；曹建華，2012）或者金融效率問題（如姚樹潔等，2004，2011；丁忠明、張琛，2011；王聰、鄒朋飛，2006；朱南等，2004；張健華，2003；邱兆祥、張愛武，2009；吳棟、周建平，2007；魏煜、王麗，2000；劉琛、宋蔚蘭，2004）。然而，迄今為止國內(nèi)探討金融混業(yè)及其效率涵義的研究尚不多見。初可佳、洪銳濱（2008）基于38個(gè)國家和地區(qū)812家商業(yè)銀行的樣本數(shù)據(jù)研究發(fā)現(xiàn)，商業(yè)銀行從事證券業(yè)務(wù)、保險(xiǎn)業(yè)務(wù)和非金融企業(yè)（房地產(chǎn)企業(yè)除外）投資有利于提高效率。薛和生、丁浩舟（2006）認(rèn)為，銀行控股公司的金融混業(yè)經(jīng)營模式有助于降低風(fēng)險(xiǎn)，發(fā)揮規(guī)模經(jīng)濟(jì)和范圍經(jīng)濟(jì)優(yōu)勢(shì)，提高經(jīng)營效率。

筆者試圖通過實(shí)證研究探討混業(yè)經(jīng)營以及資本結(jié)構(gòu)對(duì)金融機(jī)構(gòu)技術(shù)效率的動(dòng)態(tài)影響。具體而言，筆者基于我國46家金融類上市公司2008—2014年的面板數(shù)據(jù)樣本，利用基于DEA的Malmquist指數(shù)，研究混業(yè)經(jīng)營和資本結(jié)構(gòu)是否會(huì)對(duì)金融機(jī)構(gòu)技術(shù)效率的跨期變動(dòng)產(chǎn)生顯著影響。

二、方法與樣本

筆者采用Malmquist指數(shù)分析金融機(jī)構(gòu)技術(shù)效率的跨期變動(dòng)，采用數(shù)據(jù)包絡(luò)分析方法（Data Envelopment Analysis，一般簡寫為“DEA”）計(jì)算Malmquist指數(shù)中的距離函數(shù)，采用基于平衡面板數(shù)據(jù)的線性回歸分析方法分析混業(yè)經(jīng)營對(duì)金融機(jī)構(gòu)技術(shù)效率變動(dòng)的影響。

（一）Malmquist指數(shù)

Malmquist（1953）在消費(fèi)的定量分析中提出了Malmquist指數(shù)的雛形。Caves等（1982）將這一思想引入生產(chǎn)的理論分析，并將按照基于Shephard（1970）提出的距離函數(shù)之比構(gòu)造的生產(chǎn)率指數(shù)命名為Malmquist（生產(chǎn)率）指數(shù)。繼Nischimizu和Page（1982）首次在實(shí)證分析中應(yīng)用參數(shù)規(guī)劃方法計(jì)算該指數(shù)之后，F(xiàn)are等（1994a，1994b）將兩個(gè)時(shí)期的Malmquist指數(shù)的幾何平均視為（全要素）生產(chǎn)率在這兩個(gè)時(shí)期之間的變動(dòng)（亦稱為Malmquist指數(shù)），并將其分解為技術(shù)變動(dòng)和效率變動(dòng)兩個(gè)部分，隨后又將效率變動(dòng)進(jìn)一步分解為純技術(shù)效率變動(dòng)和規(guī)模效率變動(dòng)兩個(gè)部分。

筆者采用Fare等（1994a）對(duì)Malmquist指數(shù)的定義。根據(jù)這一定義，如果記決策單元集合為N={1，2，…，nmax}，投入為X，產(chǎn)出為Y，并且，對(duì)于任一給定決策單元0（0∈N）、任一時(shí)刻p（p∈{t，t+1}）和任一時(shí)刻q（q∈{t，t+1}），以Dp0（Xq，Yq）表示決策單元0的以q時(shí)期技術(shù)為參照計(jì)算得到的p時(shí)期距離函數(shù)，那么，決策單元0在時(shí)間t和t+1之間的生產(chǎn)率變動(dòng)（即Malmquist指數(shù)）可以表示為：

根據(jù)Fare等（1994a），EC表示效率變動(dòng)，亦即同一決策單元相對(duì)于生產(chǎn)前沿的距離在前后兩個(gè)時(shí)期的變化。TC表示技術(shù)變動(dòng)或者技術(shù)進(jìn)步，亦即生產(chǎn)前沿在前后兩個(gè)時(shí)期的變化。根據(jù)章祥蓀、貴斌威（2008）以及吳磊、周潔（2010），技術(shù)變動(dòng)或者技術(shù)進(jìn)步TC對(duì)于行業(yè)中的追趕者而言是外生的，不可用來衡量決策單元自身技術(shù)變動(dòng)，因此，筆者不考慮這一分解因子而僅考慮效率變動(dòng)部分。

（二）數(shù)據(jù)包絡(luò)分析方法（DEA）

在Malmquist指數(shù)的上述定義中，距離函數(shù)是一個(gè)重要概念，應(yīng)用Malmquist指數(shù)進(jìn)行決策單元效率變動(dòng)的實(shí)證分析，首先需要對(duì)距離函數(shù)進(jìn)行估計(jì)。一般來說，對(duì)距離函數(shù)進(jìn)行估計(jì)，可以采用非參數(shù)法和參數(shù)法這兩類估計(jì)方法。非參數(shù)法主要包括DEA方法和無成本處置殼方法（Free Disposal Hull，“FDH”）。參數(shù)法主要包括隨機(jī)前沿方法（Stochastic Frontier Approach，“SFA”）、自由分布方法（Distribution Free Approach，“DFA”）和厚前沿方法（Thick Frontier Approach，“TFA”）等。與參數(shù)法相比，非參數(shù)法無需預(yù)設(shè)生產(chǎn)函數(shù)的具體形式，有助于避免主觀因素的影響（Berger和Humphrey，1997），因此，筆者采用非參數(shù)法。由于非參數(shù)法中DEA方法應(yīng)用最為廣泛，并且，根據(jù)Berger和Humphrey（1997）以及邱兆祥、張愛武（2009），DEA方法與FDH方法相比，僅添加了一個(gè)生產(chǎn)凸性假設(shè)，因此，筆者采用DEA方法進(jìn)行Malmquist指數(shù)中距離函數(shù)的估計(jì)。

DEA方法存在多種模型。根據(jù)在計(jì)算任意一個(gè)決策單元的效率值時(shí)是否允許以該決策單元作為參照，DEA模型可以分為超效率模型和非超效率模型（Andersen和Petersen，1993；Lovell和Rouse，2003）。由于Malmquist指數(shù)涉及同一決策單元在前后兩個(gè)時(shí)期的效率的比較，從而有必要以決策單元自身作為參照，因此筆者采用非超效率模型。根據(jù)有關(guān)規(guī)模報(bào)酬的不同設(shè)定，DEA模型可以分為規(guī)模報(bào)酬不變（Constant Return to Scale，“CRS”）和規(guī)模報(bào)酬可變（Variable Return to Scale，“VRS”）兩種形式。鑒于文中不涉及技術(shù)變動(dòng)或者技術(shù)進(jìn)步部分及其進(jìn)一步分解，故僅考慮規(guī)模報(bào)酬不變的情形。根據(jù)生產(chǎn)分析中產(chǎn)出的最大化和投入的最小化這兩種目標(biāo)中哪一個(gè)更多地受到關(guān)注，DEA模型可以分為產(chǎn)出導(dǎo)向和投入導(dǎo)向兩種形式。根據(jù)Coelli和Perelman（1999），在規(guī)模報(bào)酬不變的情況下，投入導(dǎo)向的DEA模型與產(chǎn)出導(dǎo)向的DEA模型等價(jià)，筆者選擇投入導(dǎo)向的DEA模型。

具體而言，筆者應(yīng)用非超效率、投入導(dǎo)向的CCR模型（Charnes等，1978）對(duì)距離函數(shù)進(jìn)行估計(jì)。根據(jù)這一模型，設(shè)存在r種投入，s種產(chǎn)出，記決策單元集合為N={1，2，…，nmax}，考察的時(shí)期集為T={1，2，…，tmax}，對(duì)于任一時(shí)期t∈T，投入為r×nmax矩陣Xt，產(chǎn)出為s×nmax矩陣Yt，則對(duì)于任意0∈N，p∈T，q∈T，距離函數(shù)Dp0（Xq，Yq）可以表示為：

在DEA方法應(yīng)用過程中，投入和產(chǎn)出的選擇是至關(guān)重要的一步。在金融機(jī)構(gòu)銀行效率評(píng)估實(shí)踐中，為了保障投入和產(chǎn)出的界定和選取的合理性，人們建立了一些基本準(zhǔn)則，這些準(zhǔn)則主要包括生產(chǎn)法、中介法、資產(chǎn)法、用戶成本法和價(jià)值附加法等五種（Berger和Humphrey，1997）。其中，生產(chǎn)法、中介法和資產(chǎn)法三者應(yīng)用最為普遍（Casu和Molyneux，2003）。生產(chǎn)法假設(shè)，金融機(jī)構(gòu)作為生產(chǎn)者，向金融賬戶的擁有人提供包括執(zhí)行交易指令以及處理貸款申請(qǐng)、信用報(bào)告、支票及其他支付工具等文書在內(nèi)的各項(xiàng)金融服務(wù)的生產(chǎn)者，因而用一定時(shí)間內(nèi)處理的交易或者文書的數(shù)量和類型或者現(xiàn)有存（貸）款賬戶數(shù)量（如Ferrier等，1990）來衡量產(chǎn)出，同時(shí)用資本和勞動(dòng)力來衡量投入。中介法假設(shè)，金融機(jī)構(gòu)（尤其是商業(yè)銀行）作為將儲(chǔ)蓄轉(zhuǎn)化為投資的中介機(jī)構(gòu)，以業(yè)務(wù)指標(biāo)（如存款金額和貸款金額）作為產(chǎn)出，投入同樣可以用資本和勞動(dòng)來衡量（如Berger和Humphrey，1991）。資產(chǎn)法也將商業(yè)銀行視為金融中介機(jī)構(gòu)，但僅將資產(chǎn)項(xiàng)目視為產(chǎn)出，因此產(chǎn)出不包括負(fù)債性質(zhì)的存款（如Berger，1993）。根據(jù)Berger和Humphrey（1997），與生產(chǎn)法相比，中介法更適合于商業(yè)銀行整體而不是其分支機(jī)構(gòu)的效率的評(píng)估，而且在評(píng)價(jià)前沿效率對(duì)于商業(yè)銀行盈利能力的重要性方面效果更好。由于筆者旨在分析金融混業(yè)對(duì)于金融機(jī)構(gòu)效率變動(dòng)的影響，所考察的金融機(jī)構(gòu)不僅限于商業(yè)銀行，因此，筆者參照中介法進(jìn)行投入和產(chǎn)出的界定和選取。鑒于金融機(jī)構(gòu)在資金經(jīng)營上的共性，筆者以凈資產(chǎn)和營業(yè)費(fèi)用作為DEA模型的投入，以營業(yè)收入作為DEA模型的產(chǎn)出。

（三）回歸模型

基于研究目的，筆者以金融機(jī)構(gòu)技術(shù)效率變動(dòng)作為被解釋變量，以金融機(jī)構(gòu)是否在較大程度上開展混業(yè)經(jīng)營的虛擬變量（以下簡稱為“混業(yè)虛擬變量”）以及其他重要指標(biāo)作為解釋變量，并利用平衡面板數(shù)據(jù)進(jìn)行回歸分析。由于金融機(jī)構(gòu)（尤其是商業(yè)銀行）在很大程度上是通過經(jīng)營負(fù)債獲取利潤的，資本結(jié)構(gòu)及其變動(dòng)很可能對(duì)金融機(jī)構(gòu)的效率變動(dòng)產(chǎn)生影響。因此，筆者以資本結(jié)構(gòu)及其變動(dòng)作為回歸模型的解釋變量。同時(shí)，筆者以資本結(jié)構(gòu)與混業(yè)虛擬變量的交叉積以及資本結(jié)構(gòu)變動(dòng)與混業(yè)虛擬變量的交叉積作為回歸模型的解釋變量。

具體而言，記時(shí)間參數(shù)為t，技術(shù)效率變動(dòng)為EC，混業(yè)虛擬變量為MO（混業(yè)，則MO=1；否則，MO=0），資本結(jié)構(gòu)為CS?；貧w模型如下：

ECit=α0+α1×MOit+α2×CSit+α3×ΔCSit+α4×（M0it×CSit）+α5×（MOit×ΔCSit）+εit（7）

（四）樣本

筆者以滬深證券交易所上市的49家金融機(jī)構(gòu)2008—2014年的年度數(shù)據(jù)作為樣本。這些樣本金融機(jī)構(gòu)包括16家商業(yè)銀行（即：平安銀行，寧波銀行，浦發(fā)銀行，華夏銀行，民生銀行，招商銀行，南京銀行，興業(yè)銀行，北京銀行，農(nóng)業(yè)銀行，交通銀行，工商銀行，光大銀行，建設(shè)銀行，中國銀行，中信銀行）、4家保險(xiǎn)公司（中國平安，新華保險(xiǎn)，中國太保，中國人壽）、24家證券公司或者在證券行業(yè)擁有重要利益的上市公司（申萬宏源，東北證券，錦龍股份，國元證券，國海證券，廣發(fā)證券，長江證券，山西證券，西部證券，國信證券，中信證券，國金證券，西南證券，海通證券，東方證券，招商證券，太平洋，東興證券，國泰君安，興業(yè)證券，東吳證券，華泰證券，光大證券，方正證券）、5家其他金融機(jī)構(gòu)（民生控股，陜國投，愛建集團(tuán)，中航資本，安信信托）?，F(xiàn)有的另1家上市證券公司（國投安信）因數(shù)據(jù)不足原因被剔除。

上述所有樣本數(shù)據(jù)（除混業(yè)虛擬變量）都來自Wind資訊。對(duì)于混業(yè)虛擬變量，筆者利用了來自巨潮資訊的公開信息。如果在樣本期內(nèi)，樣本金融機(jī)構(gòu)的業(yè)務(wù)正式涉及兩個(gè)及兩個(gè)以上行業(yè)（考慮到分類監(jiān)管因素，僅考慮銀行、保險(xiǎn)、證券期貨、信托等四類行業(yè)），那么，筆者認(rèn)為該金融機(jī)構(gòu)已經(jīng)“在較大程度上開展混業(yè)經(jīng)營”，亦即令其混業(yè)虛擬變量的當(dāng)期值為1，否則為0。

三、實(shí)證結(jié)果與分析

（一）模型設(shè)定

為了檢驗(yàn)序列的平穩(wěn)性，分別針對(duì)變量EC、MO、CS、ΔCS、（MO×CS）、（MO×ΔCS）進(jìn)行單位根檢驗(yàn)。涉及面板數(shù)據(jù)的單位根檢驗(yàn)的方法主要包括LLC（Levin-Lin-Chu）檢驗(yàn)、Breitung檢驗(yàn)、Hadri檢驗(yàn)、Im-Pesaran-Skin檢驗(yàn)、Fisher-ADF檢驗(yàn)和Fisher-PP檢驗(yàn)等6種。其中，前三者假設(shè)各截面序列具有相同的單位根過程，后三者則允許各截面序列具有不同的單位根過程。鑒于技術(shù)效率數(shù)據(jù)生成機(jī)制的復(fù)雜性，筆者選擇不考慮前三者而選擇后三者中應(yīng)用最為廣泛的Fisher-ADF檢驗(yàn)。單位根檢驗(yàn)方程分為不包含截距項(xiàng)和趨勢(shì)項(xiàng)、只包含截距項(xiàng)、同時(shí)包含截距項(xiàng)和趨勢(shì)項(xiàng)三種形式。筆者通過曲線圖識(shí)別上述變量的單位根檢驗(yàn)應(yīng)當(dāng)采用哪種形式，檢驗(yàn)結(jié)果見表1。從表1中可以看出，在5%的顯著性水平下，可以認(rèn)為上述變量都是平穩(wěn)的。

面板數(shù)據(jù)模型需要在固定效應(yīng)模型和隨機(jī)效應(yīng)模型之間作出選擇，為此通常采用Hausman檢驗(yàn)和Breusch-Pagan檢驗(yàn)。筆者選用現(xiàn)有文獻(xiàn)通常采用的Hausman檢驗(yàn)，并在5%的顯著性水平下選擇固定效應(yīng)模型。

（二）回歸結(jié)果

由表2回歸結(jié)果可以認(rèn)為，在5%的顯著性水平下，混業(yè)經(jīng)營并不會(huì)有助于提高金融機(jī)構(gòu)的技術(shù)效率，恰恰相反，混業(yè)經(jīng)營會(huì)顯著地抑制金融機(jī)構(gòu)的技術(shù)效率改善。在橫截面上，經(jīng)營杠桿越高，金融機(jī)構(gòu)的技術(shù)效率改善越受到顯著的抑制，但是，與非混業(yè)經(jīng)營相比，混業(yè)經(jīng)營下經(jīng)營杠桿的使用對(duì)于金融機(jī)構(gòu)的技術(shù)效率改善具有顯著的正面影響。與此相反，經(jīng)營杠桿的跨期正向變動(dòng)，能夠顯著地促進(jìn)金融機(jī)構(gòu)的技術(shù)效率改善，但是，與非混業(yè)經(jīng)營相比，混業(yè)經(jīng)營下經(jīng)營杠桿的跨期正向變動(dòng)對(duì)于金融機(jī)構(gòu)的技術(shù)效率改善具有顯著的負(fù)面影響。

四、結(jié)論

筆者基于我國46家金融類上市公司2008—2014年的面板數(shù)據(jù)樣本，利用基于DEA的Malmquist指數(shù)方法，研究混業(yè)經(jīng)營和資本結(jié)構(gòu)是否會(huì)對(duì)金融機(jī)構(gòu)技術(shù)效率的跨期變動(dòng)產(chǎn)生顯著影響。結(jié)果發(fā)現(xiàn)，混業(yè)經(jīng)營會(huì)顯著地抑制金融機(jī)構(gòu)的技術(shù)效率改善。資本結(jié)構(gòu)及其變動(dòng)對(duì)于金融機(jī)構(gòu)的技術(shù)效率改善以及混業(yè)經(jīng)營對(duì)這一改善的作用具有重要影響。上述分析意味著，金融機(jī)構(gòu)混業(yè)經(jīng)營決策的作出，很可能是基于戰(zhàn)略上的較為長遠(yuǎn)的考慮，而不僅僅是為了在短期內(nèi)提高技術(shù)效率。此外，在有關(guān)混業(yè)經(jīng)營的決策既定的情況下，有可能通過合理改變經(jīng)營杠桿以促進(jìn)金融機(jī)構(gòu)技術(shù)效率的改善。

參考文獻(xiàn)：

[1]Andersen，P.，and N.Petersen.A Procedure for Ranking Efficient Units in Data Envelopment Analysis[J].Management Science，1993，（10）：1261-1264.

[2]Berger，A.Distribution-Free Estimates of Efficiency in the U.S.Banking Industry and Tests of the Standard Distributional Assumptions[J].Journal of Productivity Analysis，1993，（3）：201-292.

[3]Berger，A.，and D.Humphrey.The Dominance of Inefficiencies over Scale and Product Mix Economies in Banking[J].Journal of Monetary Economics，1991，（1）：117-148.

[4]Berger，A.，and D.Humphrey.Efficiency of Financial Institutions：International Survey and Directions for Future Research[J].European Journal of Operational Research，1997，（2）：175-212.

[5]Casu，B.，and P.Molyneux.A Comparative Study of Efficiency in European Banking[J].Applied Economics，2003，（17）：1865-1876.

[6]Caves，D.，L.Christensen，and W.Diewert.The Economic Theory of Index Numbers and the Measurement of Input，Output，and Productivity[J].Econometrica，1982，（6）：1393-1414.

[7]Clark，J.，and P.Speaker.Economies of Scale and Scope in Banking：Evidence from a Generalized Translog Cost Function[J].Quarterly Journal of Business and Economies，1994，（2）：3-25.

[8]Coelli，T.，and S.Perelman.A Comparison of Parametric and Non-Parametric Distance Functions：With Application to European Railways[J].European Journal of Operational Research，1999，（2）：326-339.

[9]Diamond，D.Financial Intermediation and Delegated Monitor[J].Review of Economic Studies，1984，（3）：393-414.

[10]Fare，R.，S.Grosskopf，and C.Lovell.Production Frontiers[M].New York：Cambridge University Press，1994a.

[11]Fare，R.，S.Grosskopf，M.Norris，and Z.Zhang.Productivity Growth，Technical Progress，and Efficiency Change in Industrialized Countries[J].American Economic Review，1994b，（1）：66-83.

[12]Ferrier，G.，C.Lovell，T.Amemiya，et al.Measuring Cost Efficiency in Banking：Econometric and Linear Programming Evidence[J].Journal of Econometrics，1990，（1-2）：229-245.

[13]Gallo，J.，V.Apilado，and J.Kolari.Commercial Bank Mutual Fund Activities：Implications for Bank Risk and Profitability[J].Journal of Banking and Finance，1996，（10）：1775-1792.

[14]Hughes，J.，and L.Mester.Bank Capitalization and Cost：Evidence of Scale Economies in Risk Management and Signaling[J].Review of Economics and Statistics，2006，（2）：314-325.

[15]Hunter，W.，S.Timme，and W.Yang.An Examination of Cost Subadditivity and Multiproduct Production in Large U.S.Banks[J].Journal of Money，Credit and Banking，1990，（4）：504-525.

[16]Llewellyn，D.Evolution of the British System[M].in Gilbart Lecture on Banking.London：Institute of Bankers，1985.

[17]Lovell，C.，and A.Rouse.Equivalent Standard DEA Models to Provide Super-Efficiency Scores[J].Journal of the Operational Research Society，2003，（1）：101-108.

[18]Malmquist，S.Index Numbers and Indifference Surfaces[J].Trabajos De Estadistica，1953，（2）：209-242.

[19]Mester，L.Efficiency in the Savings and Loan Industry[J].Journal of Banking and Finance，1992，（17）：267-286.

[20]Nishimizu，M.，and J.Page.Total Factor Productivity Growth，Technological Progress and Technical Efficiency Change：Dimensions of Productivity Change in Yugoslavia，1965-1978[J]. Economic Journal，1982，（6）：920-936.

[21]Noulas，G.，S.Ray，and S.Miller.Returns to Scale and Input Substitution for Large U.S.Banks[J]. Journal of Money，Credit and Banking，1990，（22）：94-108.

[22]Rajan，G.The Entry of Commercial Banks into the Securities Business：A Selective Survey of Theories and Evidence[M].in A.Saunders and I.Walter（ed.），Universal Banking：Financial System Design Reconsidered，1996.

[23]Santos，C.Commercial Banks in the Securities Business：A Review[R].BIS Working Paper NO.56，1998.

[24]Saunders，A.，and I.Walters.Universal Banking in the United States：What Could We Gain？ What Could We Lose？[M].Oxford：Oxford University Press，1994.

[25]Shaffer，S.，and E.David.Economies of Super Scale in Commercial Banking[J].App1ied Economics，1991，（2）：283-293.

[26]Shephard，R.Theory of Cost and Production Functions[J].Economic Journal，1970，（3）：177-188.

[27]Steinher，A.，and C.Huveneers.Universal Banks：The Prototype of Successful Banks in the Integrated European Market？ A View Inspired by German Experience[R].Centre for European Policy Studies（CEPS） Financial Markets Unit，Research Report No.2.1990.

[28]Ville，M.The Efficiency Implications of Financial Conglomeration[R].Bank of Finland Discussion Paper No.17，2004.

[29]李平，曾勇，朱曉林.中國銀行業(yè)改革對(duì)中資銀行效率變化的影響[J].管理科學(xué)學(xué)報(bào)，2013，（8）：47-53

[30]吳聰.基于SFA的中國商業(yè)銀行效率研究[J].特區(qū)經(jīng)濟(jì)，2013，（10）：57-61.

[31]曹建華.混業(yè)經(jīng)營與金融監(jiān)管：基于效率的視角[J].山東社會(huì)科學(xué)，2012，（8）：172-175.

[32]邱兆祥，張愛武.商業(yè)銀行技術(shù)效率與市場結(jié)構(gòu)之間的動(dòng)態(tài)關(guān)系分析[J].金融理論與實(shí)踐，2012，（11）：13-17.

[33]石濤，邱兆祥，張愛武.商業(yè)銀行技術(shù)效率與市場結(jié)構(gòu)：一個(gè)動(dòng)態(tài)視角[J].管理世界，2012，（9）：172-173.

[34]姚樹潔，姜春霞，馮根福.中國銀行業(yè)的改革與效率：1995—2008[J].經(jīng)濟(jì)研究，2011，（8）：4-14.

[35]丁忠明，張琛.基于DEA方法下商業(yè)銀行效率的實(shí)證研究[J].管理世界，2011，（3）：172-173.

[36]吳磊，周潔.Malmquist指數(shù)法與中國全要素生產(chǎn)率研究：誤解和爭論[J].商業(yè)時(shí)代，2010，（29）：4-5.

[37]邱兆祥，張愛武.基于FDH方法的中國商業(yè)銀行X—效率研究[J].金融研究，2009，（11）：91-102.

[38]初可佳，洪銳濱.商業(yè)銀行混業(yè)經(jīng)營績效的實(shí)證研究[J].學(xué)術(shù)論壇，2008，（11）：117-119.

[39]魯明易.分業(yè)經(jīng)營和混業(yè)經(jīng)營的選擇——基于菲律賓金融混業(yè)經(jīng)營的案例研究[J].國際金融研究，2005，（9）：48-54.

[40]王聰，鄒朋飛.基于資本結(jié)構(gòu)和風(fēng)險(xiǎn)考慮的中國商業(yè)銀行X—效率研究[J].管理世界，2006，（11）：6-12.

[41]王鶴立.我國金融混業(yè)經(jīng)營前景研究[J].金融研究，2008，（9）：188-197.

[42]吳棟，周建平.基于SFA的中國商業(yè)銀行股權(quán)結(jié)構(gòu)選擇的實(shí)證研究[J].金融研究，2007，（7）：47-60.

[43]宋軍.監(jiān)管水平約束下的金融混業(yè)改革[J].證券市場導(dǎo)報(bào)，2002，（10）：66-71.

[44]薛和生，丁浩舟.論我國投資銀行和商業(yè)銀行的混業(yè)經(jīng)營[J].上海師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2006，（2）：110-116.

[45]閻彥明.金融多元化與范圍經(jīng)濟(jì)[M].上海：上海社會(huì)科學(xué)院出版社，2004.

[46]姚樹潔，馮根福，姜春霞.中國銀行業(yè)效率的實(shí)證分析[J].經(jīng)濟(jì)研究，2004，（8）：4-15.

[47]魏煜，王麗.中國商業(yè)銀行效率研究——一種非參數(shù)的分析[J].金融研究，2000，（3）：88-96.

[48]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.

[49]章祥蓀，貴斌威.中國全要素生產(chǎn)率分析：Malmquist指數(shù)法評(píng)述與應(yīng)用[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2008，（6）：111-122.

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

責(zé)任編輯：李金霞