我国主要商业银行全要素生产率测算及其收敛性分析，本文主要内容关键词为：商业银行论文,生产率论文,要素论文,我国论文,收敛性论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言
银行效率是指商业银行在有效保证其赢利性、安全性、流动性基础上，能够合理配置银行资源并能最大限度地推动社会经济资源的流动，是银行市场竞争能力、投入产出能力和可持续发展能力的总称。
20世纪90年代以后，全球银行业竞争加剧，各国银行都把通过自身效率的提高来提升竞争力作为银行的核心战略。可以说，如何提高银行效率既是理论界的研究热点，也是银行经营实践的重要课题。
自2001年11月，我国正式加入WTO并承诺5年内全面开放金融业以来，如何完善公司治理、提高全要素生产率已成为我国商业银行面临的首要问题。从2003年开始，我国启动了大规模的商业银行股份制改造，改造的主要目的之一就是要提高商业银行的全要素生产率。
截至今年，我国加入WTO已有十年。十年间，工、中、建、交等国有大型商业银行先后完成股份制改造，上述银行以及一批股份制中小银行陆续在境内外公开发行上市。随着公司治理、资产质量、业务结构、管理水平等方面的改善和提升，中国商业银行的国际化步伐明显提速。那么中国银行业的效率是否取得了长足的进步，各行之间全要素生产率的差异究竟扩大还是缩小了，差异变化的趋势如何，这些都是关乎银行业未来发展的重大问题。
有鉴于此，文本选取2004-2009年我国11家主要商业银行为样本，运用以数据包络分析(DEA)为基础的Malmquist生产率指数及其三个组成部分——技术变化(Technical Change)指数、纯技术效率变化(Pure Technical Efficiency Change)指数和规模效率变化(Scale Change)指数进行逐年测算和分解，分别分析三种因素对全要素生产率变化的贡献程度，并对各行全要素生产率的差异进行收敛性分析，并试图对研究结果进行解释。
二、文献综述
(一)基于DEA的Malmquist指数及商业银行效率研究
目前研究效率主要有两类方法：一类是参数化方法，主要有随机边界函数分析(SFA)、厚边界函数法(TFA)和自由分布方法(DFA)；另一类是非参数化方法，包括数据包络分析(DEA)和自由处置壳(FDH)等方法，其中DEA方法广泛应用于银行、医院、保险公司的效率评价，具有很强的客观性。
基于DEA的Malmquist生产率指数及其分解是分析多投入-多产出决策单元(Decision Making Units，DMUs)全要素生产率变动情况及相对效率的有效方法。该方法对生产率测度的基本思想源于Malmquist(1953)的距离函数和Farrell(1957)的多投入-多产出效率度量。Charnes，Cooper和Rhodes[1](1978)提出的DEA方法以及Banker，Charnes和Cooper[2](1984)在其基础上进行的技术效率(经济效率)分解，为非参数形式下的Malmquist生产率指数计算和分解提供了方法工具。正是在这两篇文献基础上，Fare，Grosskopf，Norris[3]等(1994，1997)得以将非参数形式下Malmquist生产率指数中涉及的距离函数计算出来，并对Malmquist指数进行分解。此后，基于DEA方法的Malmquist生产率指数及其分解正式成为生产率分析的有效工具。
使用DEA对生产效率进行测算分析，最为关键的步骤就是投入产出指标的选取。由于商业银行的生产经营与其他类型企业有着很大区别，因此，在商业银行的生产效率测算分析中，如何选择投入产出指标一直都有较大争议，也显得更为重要。在已有的相关研究中，对商业银行投入产出指标的选择存在不同的做法，这些做法大致可以划分为三类，即“生产法”、“收支法”和“中介法”。
生产法强调的是银行的各类商业活动和为客户提供服务。使用这种方法的前提是各类账户的成本相同，但实际上成本是不同的；收支法强调银行的盈利能力以及与之相关的各类支出；中介法主张，商业银行的主要功能是在储户和贷款人之间起到融通资金的中介作用，并从中获利，商业银行的效率也主要体现在其金融中介功能方面。中介法中，银行被认为是中介者，即在生产过程中，起金融媒介的作用。这种方法能更好地体现银行作为服务业的特点。
(二)国内相关研究概述
国内使用DEA方法研究商业银行生产效率及综合效率主要是2000年以后，其中比较有代表性的研究包括蔡跃洲、郭梅军(2009)，杨德、迟国泰和孙秀峰(2005)和魏煜、王丽(2000)等。这些研究在指标选取上，基本都使用或借鉴了“中介法”，但在具体指标确定上又不尽相同，加上数据年份上的差异，最终得出有关商业银行综合效率的结果也存在较大差别。
蔡跃洲、郭梅军[4](2009)选取“利息支出”、“营业支出”和“存款总额”作为投入指标，“利息收入”、“非利息收入”和“贷款总额”作为产出指标，选择包括十一家上市银行，对其全要素生产率进行了分解和测算。主要结论有：我国上市银行全要素生产率自2004年来总体来说略有下降，其中技术变化指数下降的最为明显。为此，要提高我国商业银行整体的全要素生产率，提高技术变化指数非常重要。
杨德、迟国泰[5]和孙秀峰[6](2005)的研究选取“在职人员数”、“固定资产净值”、“银行存款”均投入指标，“新增贷款”、“资本收益率”、“净利润”为产出指标，涵盖了包括四大行在内的十四家商业银行，时间跨度为1998-2002这5年。测算结果中发现，国有商业银行平均技术效率值远低于股份制商业银行(大约一半左右)。另外，四大国有银行内部技术效率最好的不再是工商银行，而是建设银行和中国银行，效率最低的依然是农业银行。
魏煜、王丽[7](2000)选取“劳动力”、“实物资本”和“可贷资金”作为投入指标，“利息收入”和“非利息收入”作为产出指标，选择包括国有商业银行在内的十二家银行，对其技术效率及其构成的纯技术效率和规模效率进行了测算。测算的结果表明四大国有银行除工商银行外，其他均为(纯)技术无效，其中又以农业银行最低，四大行平均技术效率水平为0.62，低于所有十二家平均的0.77和其他银行平均的0.85。
总体来说，国内相关研究已较为细致，但还有待进一步的深入。本文试图在研究指标的选取方面更注意投入产出指标的口径对应性，同时对测算出来的商业银行全要素生产率进行收敛性分析，借以观察不同银行的全要素生产率差异是扩大还是缩小，以及变化趋势。
本文的研究思路是按照“中介法”来选取指标，产出指标包括“利息收入”、“非利息收入”和“贷款总额”，投入指标包括“利息支出”、“非利息支出”和“存款总额”；运用Malmquist生产率指数方法来测算全要素生产率，并对其进行分解；最后采用以变异系数为指标的对分解出来的指标进行收敛性分析。
在决策单元和数据期间方面，选取中国工商银行、中国银行、中国建设银行、中国农业银行、中国交通银行、光大银行、广东发展银行、华夏银行、深圳发展银行、中信银行以及招商银行这11家国内主要商业银行作为决策单元(DMUs)，数据期间为2004-2009，数据来源为Bankscope数据库，有关原始数据见附表4。
三、Malmquist指数模型介绍及计算分解
(一)Malmquist生产率指数及其分解
本文采用Fare等(1994，1997)提出的以产出为基础的Malmquist生产率变化指数，其具体的表达式如下：
而公式(3)恰好又是DEA(经济)效率指数的求解公式。其他几个距离函数的表达式类似，不同的只是对应的技术条件和投入产出组合有所变化。
公式(1)还可以做进一步的代数变换如下：
其中，公式(4)中第一项即代表技术效率变化指数，第二项则代表技术变化指数。由于技术效率变化指数是在规模报酬不变假设下计算而得的，它又可以分解为规模报酬变化假设下的纯技术效率变化指数和规模效率变化指数。规模报酬变化假设下的纯技术效率变化指数求解，只需在计算公式(4)中第一项所涉及的两个距离函数时加上规模报酬变化所需的约束条件即可。具体表达式如下：
公式(6)中的TECHCH、EFFCH、PEFFCH、SCH分别代表技术变数指数、技术效率变化指数、纯技术效率变化指数和规模效率变化指数。
(二)Malmquist全要素生产率指数及分解情况
使用Win4-DEAP软件，对2004-2009年11家国内重要商业银行全要素生产率的变化情况进行计算，并将全要素生产率变化指数(即Malmquist生产率指数)分解为技术效率变化
指数和技术变化指数，其中技术效率变化指数又进一步分解为纯技术效率变化指数和规模效率变化指数。相关计算结果及分解如下表1、表2和表3。
根据表1所显示的计算结果，就2004-2009年我国主要商业银行Malmquist全要素生产率指数的相关情况得出如下几点基本判断。
第一，整体上看五年间几乎所有11家商业银行的全要素生产率均值都有所上升，只有中国农业银行五年均值为0.979处于下降趋势。均分年份来看，2006年11家商业银行全要素生产率为0.992，略有下降，其余年份则都有所上升。
第二，五年间全要素生产率均值最高的银行是中国银行，达到1.093；而从不同年份来看，光大银行2005年的全要素生产率则是达到了最高的1.393。
根据表2所显示的计算结果，就2005-2009年我国主要商业银行技术变化指数的相关情况得出如下几点基本判断。
第一，分构成来看，在Malmquist指数构成项中(参见附表1、2)，技术变化指数的变动最为明显，银行平均的平均技术变化指数为1.027，而纯技术效率变化指数和规模效率变化指数分别为0.999和0.999，变化幅度仅有0.001小于技术变化指数变动的0.027。
第二，五年间11家商业银行整体平均技术变化指数2007为1.057达到最大，2006年为1变化最小；从不同银行在五年内的技术变化指数来看可以发现，只有中国农业银行的技术降低为0.989，其余10家银行都有不同程度的上升，上升最大的是中国银行达到1.093。
规模效率是技术效率与纯技术效率的比值，当规模效率为1时，表明决策单元(银行)正处于规模报酬不变的阶段，如小于1则处于规模报酬递减阶段；反之，则处于规模报酬递增的阶段。分析表3得知：
(1)中国银行、中国建设银行以及深圳发展银行始终处于规模报酬不变阶段。
(2)中国工商银行则是规模报酬不变与规模报酬递减交替变化；中国农业银行在2008年时由原来的规模报酬不变转变为规模报酬递减；交通银行则经历2004年的规模报酬递减后一直处于规模报酬不变阶段。
(3)华夏银行、中信银行在2009年均达到了规模报酬不变阶段，而广东发展银行与招商银行则在2009年处于规模报酬递增阶段，应该扩大规模。
(三)全要素生产率指数收敛性分析
σ-收敛指的是各国或地区的人均收入水平随着时间的推移而趋于减少。一般用国家或地区间的对数人均收入或产出的标准差来衡量。将收敛性分析运用于商业银行全要素生产率研究，有助于更直观的表现出商业银行全要素生产率的收敛和发散情况。这里，我们采用变异系数指标来考察主要商业银行全要素生产率的σ-收敛，变异系数=全要素生产率指数的标准差/全要素生产率指数的平均值。如图1横轴表示时间，纵轴表示三种指数的变异系数，所示：
(1)长期来看，主要商业银行全要素生产率指数的变异系数呈现出下降的趋势，这说明中国主要商业银行全要素生产率在长期内存在收敛。
(2)但是从短期来看，不难发现变异系数呈现出明显的波动性，这表明全要素生产率的收敛趋势并不稳定，少数年份出现扩散的趋势，例如2006-2008年间出现持续的扩散。但这段时间的持续扩散也与2005年全要素生产率大幅度的收敛相关，其发散部分原因可解释为对于2005年大幅度收敛的修正。
(3)可以看出，规模效率变化指数的波动幅度很小，而技术变化效率指数波动则与全要素生产率指数波动的重合度非常高，说明规模效率变化对全要素生产率进步的贡献有限，全要素生产率的提高主要通过技术进步实现。
四、相关结论与建议
根据以上的实证分析，我们可以得出以下相关结论和建议：
第一，长期来看，我国主要商业银行全要素生产率呈现出提高的趋势，并且效率变化对全要素生产率提高的影响有限，全要素生产率的提高主要通过技术进步完成的。技术的进步则应该通过规模经济、设备更新、体制改革和自主创新等来实现。
第二，在技术效率中，大多数商业银行的纯技术效率都达到了1，处于弱DEA有效状态。这说明即便是经历了2008年的国际经济危机，但是我国商业银行受到的冲击较小或者说受到冲击后的调整恢复能力很强，稳定住了商业银行的经营效率。而各银行的规模效率变动情况表明，我国商业银行的规模报酬基本符合经营性企业发展的一般规律，即规模较小时处于规模报酬递增阶段，规模增大后逐渐进入规模报酬不变阶段，当规模增大到一定程度后又开始进入规模报酬递减阶段。
第三，商业银行全要素生产率长期内的提高和收敛性表示的是各家银行在效率提高的同时相互之间的差距也在减少，这是我国银行业整体健康发展的表现，但同时也揭示了我国银行业同质化趋势的加剧。由于银行同业普遍存在的低成本模仿导致了银行效率趋同，使全面同质化成为我国银行业面临的一大窘境和挑战。如何鼓励全要素生产率水平高的银行继续改革创新，进一步提升自身效率是银行业政策制定者和监管者应该研究的重大问题。
第四，短期看，各年度全要素生产率差异呈现收敛与发散交替变化的特征。这反映出11家银行长期内的整体全要素生产率以波动曲折的方式提高，也反映了环境变化对银行效率的影响以及各家银行应对环境变化的能力。2007年爆发的次贷危机从投资银行蔓延到商业银行，商业银行的盈利结构和能力受到空前压力，相对而言，我国商业银行受到冲击较小，我国银行业继续保持着稳健发展的态势，但我们必须清醒地认识到，增强银行对环境变化的适应能力仍将是我国商业银行发展中一个重要的目的。
标签：全要素生产率论文; 银行论文; 生产率论文; 规模报酬论文; 商业银行论文; 相关性分析论文; 劳动生产率论文; dea论文;