我国上市商业银行效率及其影响因素实证研究

国有商业银行是我国金融体系的主体，也是我国国民经济的命脉，其发展与活力对整个国民经济发展和社会稳定起着举足轻重的作用，直接关系到国民经济和国家金融安全的重大问题。银行业的快速成长为我国经济增长、社会稳定发挥了重要作用。然而，长期以来我国银行业片面地追求规模和发展速度，忽视经营效率和发展质量，这种发展模式使商业银行的经营风险日益增加。

商业银行的效率是最能体现其综合竞争力的绩效评价指标，它反映了银行的市场竞争力、综合经营能力以及对资源的配置利用程度。因此，通过实证分析研究我国上市商业银行经营效率，并提出提高其经营能力的相应建议，对于我国商业银行健康可持续发展、增强其应对风险的能力以及提高市场竞争力，就具有重要的理论和现实意义。

1  研究方法简述与变量选取

1.1  DEA方法简述

DEA方法是由美国著名学者Charnes、Cooper等人创建的，利用线性规划的原理，普遍用于对多输入及多输出的同类指标数据的效率进行评价的方法。在 DEA的发展过程中，催生了多种模型，其中最为运用广泛的模型是假定规模报酬不变的CRS模型和假定规模报酬可变的VRS模型。本文主要选用DEA中VRS模型来对上市银行的效率进行测度。

在该模型的规模报酬可变的条件下，可以通过以单一投入产出变量情况为例子，解释出样本的具体效率值。如图1，横坐标即为样本经营单位的投入X，纵坐标为样本经营单位的产出Y。OI段表示为规模报酬不变时的生产效率前沿面，处在该线段上的样本经营单位可以在确定产出条件下使得投入最少。线段ABGH表示为规模报酬可变时的生产效率前沿面，其中，在AB段上的样本经营单位处于规模报酬递增状态，在BG段上的样本经营单位处于规模报酬不变状态，在GH段上的样本经营单位则处于规模报酬递减状态。现假定样本经营单位在点F处进行生产，则点F即为其生产点。

图1  规模效率、技术效率和纯技术效率

其中，样本F和处于规模报酬不变的生产效率前沿面上的经营单位OI之间的距离即为技术效率（Technical Efficiency，TE）。技术效率体现出经营单位资源配置的有效程度，其数值越靠近1时，该经营单位的资源配置程度越高，即

TE=CD/CF

样本F和处于规模报酬可变的生产效率前沿面上的经营单位ABGH间的距离为纯技术效率（Pure Technical Efficiency，PTE）。它可以体现出经营单位的内部管理的有效程度，其数值越靠近1时，则表明该经营单位的内部管理越有效。即

PTE=CE/CF

处于规模报酬不变的生产效率前沿面的经营单位OI和处于规模报酬可变的生产效率前沿面ABGH之间的距离即为规模效率（Scale Efficiency，SE）。它体现出了经营单位对自身规模利用的有效程度，其数值越靠近1时，则表明该经营单位达到了其规模条件下的最优状态。即

SE=CD/CE

由此可见，当样本银行F在规模报酬不变的生产效率前沿面OI段上时，可得TE=1，则技术效率是有效的；当样本银行F在OI段以内时，可知TE<1，则技术效率是无效的。

由以上表达式，还可以得出：

TE=PTE*SE

SE=TE/PTE

1.2  模型投入产出指标选择

投入和产出指标是利用DEA模型分析研究金融机构经营效率的关键。在现有研究中，对于投入产出指标的选择尚无统一定义。一般而言，对于金融机构的投入产出有生产法、中介法及资产法三种方法。生产法将金融机构看作为金融服务与产品的生产者，其经营成本被视作为投入，如资本（一般是固定资产）、劳动力等。中介法把金融机构当做一种信用中介，它将社会上的各种闲置资金聚集起来，如资本、劳动力、支出以等；将投资及利润等指标作为产出。资产法依然是把金融机构当作一种信用中介，但它将产出指标严格限定在资产负债表中的资产栏内，如贷款以及投资等。

本文结合中介法与资产法，考虑数据的可得性，选取员工人数、营业支出及股东权益作为投入指标；选取净利润作为产出指标。

表1  投入产出指标表

变量名称 变量说明

投入变量 员工人数 反映金融机构的经营规模

营业支出 体现银行在日常运营中投入的成本

股东权益 反映对金融机构的投资及资本的使用效率

产出变量 利息收入 体现银行经营业务创造收入的能力

净利润 反映金融机构综合经营成效的能力

2  我国上市银行效率测度及分析

2.1  数据来源

为了尽可能地收集到并通过足够完整的数据来分析我国商业银行的经营效率现状，且保证所需数据满足在时间上的连续性和完整性，本文对于数据的研究时间为各银行已公布的最近5年，即2013-2017年作为样本数据的时间序列，选取以工商银行、招商银行以及北京银行为代表的23家上市大型国有银行、股份制商业银行和商业银行。本文所选取的数据均来源于wind数据库及部分银行年度报表。

2.2  实证结果及分析 

本文运用DEAP2.1软件，对23家样本商业银行2013-2017年的各效率值进行计算并分析。现将所得数据结果整理成各表格，并对其进行实证分析及评价。

2.2.1  总体效率分析

由表2可以看出，2013到2017年间，我国商业银行整体效率水平较高，技术效率与纯技术效率均处于0.9以上较高水平。这说明我国银行业近年来对资源的配置程度普遍较高并趋于稳定，整体经营的稳定性稳步增强，整体经营管理较为有效。

表2  样本商业银行2013-2017年总体效率水平

年份 TE(技术效率) PTE(纯技术效率) SE(规模效率)

2013 0.880 0.957 0.918

2014 0.891 0.963 0.924

2015 0.888 0.961 0.924

2016 0.874 0.965 0.904

2017 0.891 0.961 0.959

2.2.2  技术效率分析

技术效率可以反映出银行对于其金融资源配置的有效程度。通过表3可知，在样本年限内，北京银行、长沙银行及郑州银行的技术效率处于前3名，排名靠前的银行均为商业银行，而像中国银行这样的大型国有银行技术效率垫底。在所有样本中，有11家银行在样本年限中至少有一年处于技术最有效状态，达到了其金融资源配置的最优化状态。所有银行的平均技术效率达到0.891，这说明多数银行均处于较高技术效率水平，仅有光大银行在2016年的技术效率值曾低于0.7。这说明我国商业银行对于资源的配置能力较强，整体发展稳健良好。

表3  样本商业银行2013-2017年技术效率测度结果

名称 年份 平均 排名

2013 2014 2015 2016 2017

TE TE TE TE TE

北京银行 1 1 1 1 1 1 1

成都银行 0.868 0.959 0.858 0.834 1 0.904 10

工商银行 0.932 0.875 0.861 1 0.941 0.922 9

光大银行 0.845 0.799 0.766 0.698 0.754 0.772 21

贵阳银行 1 1 1 0.954 1 0.991 4

杭州银行 0.903 0.814 0.887 0.833 0.866 0.861 14

华夏银行 0.873 0.965 0.831 0.787 0.752 0.842 18

建设银行 0.872 0.833 0.801 0.87 0.92 0.859 16

江苏银行 0.829 0.882 0.884 0.811 0.895 0.860 15

交通银行 0.715 0.709 0.717 0.74 0.768 0.730 23

民生银行 0.87 0.856 0.782 0.76 0.89 0.832 19

南京银行 0.919 0.961 1 1 1 0.976 5

宁波银行 0.869 0.875 0.832 0.868 0.984 0.886 13

农业银行 0.86 0.857 0.787 0.813 0.917 0.847 17

平安银行 0.701 0.867 0.941 0.965 1 0.895 12

浦发银行 0.971 0.991 1 0.894 0.954 0.962 7

上海银行 0.932 0.901 1 1 1 0.967 6

兴业银行 0.882 0.931 1 0.888 0.971 0.934 8

长沙银行 1 1 1 1 1 1 1

招商银行 0.834 0.854 0.916 0.873 1 0.895 11

郑州银行 0.987 1 1 1 1 0.997 3

中国银行 0.746 0.714 0.735 0.724 0.794 0.743 22

中信银行 0.827 0.849 0.837 0.783 0.808 0.821 20

平均 0.880 0.891 0.888 0.874 0.922 0.891

2.2.3  规模报酬情况分析

根据表4可知，2013到2017年间，虽然处于规模报酬递减的银行数量有所减少，但处于规模报酬递减和规模报酬不变的样本银行占绝大多数，总体规模现象不明显。这说明我国多数商业银行在不断发展自身实力的时候过分追求了企业规模和市场占有率，导致内部运转效率和生产效率的下降。因此我国商业银行可适当调整自身经营规模，来获得更加合理有效率的收益。

具体到单个银行来看，只有北京银行、郑州银行等商业银行在这段时期中基本上保持着规模报酬不变，它们自身治理结构较为完善、经营管理能力强等优点使其更易达到规模最优状态。究其原因可能在于商业银行的自身规模相比大型国有银行实力仍较薄弱、发展空间较大，因此可以通过扩张规模获取更大比例收益。而几乎所有样本大型国有银行及股份制商业银行样本始终处于规模报酬递减的状况，这表明它们需控制好自身规模扩张步伐，寻找适合其发展的合理规模并通过改善自身内部管理水平来提高其技术效率。

表4  样本商业银行2013-2017年规模经济情况

年份 2013 2014 2015 2016 2017

规模报酬递增 2 0 0 2 1

规模报酬递减 18 19 15 15 13

规模报酬不变 3 4 8 6 9

3  我国上市商业银行效率的影响因素分析

3.1  研究方法及模型设定

银行效率的影响因素，一直是学者们关于银行效率研究的重点考虑内容。最初，研究者主要重点考察银行的资本结构、规模等因素对银行效率的影响程度。近年来，随着理论研究的发展，学者们普遍利用回归分析方法探究银行效率的影响因素。本文以前文测算出的样本银行技术效率作为被解释变量，运用多元回归分析实证研究影响我国商业银行效率的潜在因素。

由于效率值的上下限分别为0和1，其数据受到被分割和截断的限制，若采取OLS（最小二乘法）来进行模型的回归分析，则得到的参数估计无法保持其无偏性和有效性。而基于最大似然估计的方法的Tobit模型则适用于因变量取值受限制的情形，可以有效解决该类问题。其基本原理如下：

其中，Xi为k+1维因变量的向量，β为k+1维的一个未知的参数向量，且误差项e服从标准正态分布。该模型被称作为Tobit模型（tobit model），也被称为截尾回归模型（censored regression model）。一般来说，该模型中的解释变量Xi取的是实际观测到的数值，而被解释变量y的观测值是受限制的。当y>0时，观测值直接取实际值；而当y≤0时，其观测值是受限制的，故在这种情况下其数值统统截取为0。通过证明可以得出，基于最大似然估计方法来估计得到的Tobit模型的与均为一致估计量。因此，本文选取Tobit模型来对影响效率的各个因素进行回归分析。

3.2  影响因素指标选取及回归模型构建

本文运用Stata12.0软件对上文测出的23家样本商业银行在2013至2017年的所有技术效率值以及指标数值汇总，作为面板数据进行Tobit回归统计，构建的影响因素模型如下：

其中，i=1，2，…，23，表示样本商业银行的个数；t=2013，2014，…，2017，表示各年份。本文在借鉴和总结国内外以往相关文献的经验的基础上，从资产规模稳定性等8个方面来具体分析影响我国商业银行的效率的因素，所选取的各个变量定义如下表5所示：

表5  影响效率的因素变量表

变量名称 变量符号 指标定义或说明

技术效率 TE 本文测度出的样本银行的技术效率值

资产规模 BS 银行的资产总额的对数

稳定性 CAR 资本充足率

盈利能力 ROA 资产收益率

资产质量 NP 不良贷款率

资产配置 LR 存贷比（贷款总额/存款总额）

股权结构 BSH 第一大股东持股比例

宏观经济因素 GDPGR 我国GDP年增长率

创新能力 IBIR 非利息收入/营业收入

3.3  统计及实证分析

3.3.1  描述性统计

为了便于更加直观、清晰地了解所选用变量的基本特征状况，本文在此进行了简单的描述统计。如表6可知，除BSH（第一大股东持股比例）标准差较大，达到16.86%,其余变量的标准差均处在较低的位置，说明样本银行之间在多数指标中差距并不是很大。值得一提的是，其中BSH的平均值为27.26%，说明了样本银行中的股权较为集中，存在着具有强大话语权的大股东。多数变量的最值、均值差异不大，处在合理范围内。

表6  变量描述性统计

Variable Obs Mean Std.Dev. Min Max

TE 115 0.8910522 0.0919264 0.698 1

BS 115 4.363347 0.6209219 3.0883 5.4164

CAR 115 12.53235 1.309416 9.88 15.95

ROA 115 1.067636 0.2102068 0.5857 1.7566

NPL 115 1.302 0.3828201 0.53 2.39

LR 115 0.6993183 0.129763 0.3897 1.0516

BSH 115 27.25567 16.86058 6.16 67.72

GDPGR 115 0.071 0.0040674 0.067 0.078

IBIR 115 0.2198174 0.0901979 0.0358 0.4229

3.3.2  实证结果分析

模型的回归结果如表7所示。整个Tobit模型的卡方值为73.54，其卡方检验的P值显著低于了0.05（即Prob > chi2=0.0000），表明模型的回归方程非常显著；同时有NPL、LR等5个因变量的P值通过了5%的显著性水平下的检验。因此这些变量可以很好地解释样本银行的技术效率值。

表7  Tobit模型回归结果

Tobit regression Number of obs        = 115

LR chi2(7)          = 73.54

Prob > chi2                    = 0.0000

Log likelihood =  67.923598 Pseudo R2                  = -1.1801

TE Coef. Std.Err. t P>|t| [95% conf. Interval]

BS -0.0112235 0.0261561 -0.43 0.669 -0.0630749 0.0406279

CAR -0.0113792 0.0080179 -1.42 0.159 -0.0272737 0.0045154

ROA 0.204817 0.0650611 3.15 0.002 0.075841 0.3337929

NPL -0.0913693 0.033988 -2.69 0.008 -0.1587465 -0.0239921

LR -0.2298839 0.1077617 -2.13 0.035 -0.4435088 -0.016259

BSH -0.0014533 0.0006216 -2.34 0.021 -0.0026856 -0.000221

GDPGR -18.19862 4.049406 -4.49 0.000 -26.2261 -10.17115

IBIR -0.1879852 0.1655712 -1.14 0.259 -.5162109 0.1402404

cons 2.53669 0.327455 7.75 0.000 1.887548 3.185831

/sigma 0.085015 0.0067992 0.0715364 0.0984936

根据表6的结果，本文现对各变量代表的影响因素进行分析。

（1）资产收益率。ROA的系数为0.205，说明ROA对商业银行效率的影响非常显著，ROA的提高将大大提升其经营效率。该结果与几乎所有相关研究结论一致。ROA值的大小表现出商业银行以尽量少的成本来得到尽可能多的收益的能力的强弱，是其盈利能力的综合体现，显然商业银行对自身有限资源的合理运用是能够显著提高自身效率水平的。因此我国商业银行应在优化其自身金融资源、降低成本的情况下，有效地提高利润水平。

（2）不良贷款率。NPL的系数为-0.091，与TE（技术效率）呈负相关关系，对样本银行的效率有明显负面影响。这与现有研究结论一致，NPL的数值越高，银行的资产质量越差，面临的经营风险业越大，其贷款就越可能无法回收，最终会迫使商业银行以牺牲部分利润的代价来弥补不良贷款的损失，导致收益减少。因此我国商业银行应加大对贷款的控制力度，努力减少自身不良贷款，从而提高银行自身的效率。

（3）存贷比。LR的系数为-0.230，与TE呈负相关关系，表明商业银行自身贷款占存款的比重越高，其效率越低。存贷比通常能体现出商业银行的资产配置状况，越高的LR表明银行所贷出的资金越多，最终所得到的利息回报就越多；但从另一方面来讲，过高的LR会导致商业银行流动资产减少，自身清偿能力变弱，面临风险的可能性陡然上升。由结果可知，现阶段商业银行的LR提高所带来的有利于盈利性的影响效果小于其带来的安全性降低的影响效果。因此我国商业银行应当优先考虑适度降低自身存贷比，在达到监管要求的前提下,合理控制贷款过多带来的负面影响，从而提高自身技术效率。

（4）第一大股东持股比例。BSH的回归系数为-0.002，与TE负相关。这表明了商业银行中存在的具有持巨额股份的大股东的现象虽然对商业银行的效率产生了消极影响，但影响较小。虽然国内外关于股权结构对于效率的影响研究结果各不相同，但就本文看来，过于集中的股权会导致股东之间缺乏权力机制，不利于人们对商业银行的决策者进行监督管理以督促其提升经营管理效率。因此对于我国商业银行来说，积极改善和优化股权结构，能够在一定程度商促进提高经营效率的提高。

（5）GDP年增长率。GDPGR的系数值为-18.20，与TE呈较明显的负相关关系，与过往研究结果并不一致。究其原因，本文认为，过往的大量国内研究均是在我国经济增长最迅猛的时期里进行的，那一时期的银行效率与GDP增速往往是呈同向波动趋势。而近些年来，我国的GDP高速增长期已经结束，步入了“经济新常态”，面临着经济结构转型的阵痛以及较大的经济下行压力，经济增速逐年下降。对于处在这一阶段的商业银行而言，有效地提升其经营管理能力，继续快速发展具有一定难度。

（6）其余解释变量。在实证结果中，本文所选的其他三个变量并没通过显著性检验，说明这些变量对于样本商业银行的效率影响并不显著。其中BS的系数值为-0.011，两者间相关关系为负，与大部分学者的结论相反。究其原因，可能在于本文的分析对象基本上代表国内最好的商业银行，其资产规模庞大，已经进入规模报酬递减阶段。CAR的回归系数为-0.011，在过往的相关文献中，该变量对银行效率的影响有正有负，该变量的数值过低或者过高都会对商业银行产生不利影响。IBIR的系数值为-0.188，这与部分国内研究一致，但与国外研究相反。原因可能在于我国商业银行的中间业务占比仍然较少，且开展时间也比较短，银行初始投入比较大，导致收益水平较低，因此我国部分银行的中间业务并没真正实现对利润的太大贡献。

4  结论及建议

本文以2013-2017年我国23家上市商业银行的统计数据为基础，利用DEA方法以及Tobit模型对样本银行的效率以及影响因素进行测度和分析。实证结果表明：（1）现阶段我国商业银行的整体效率均处于0.88以上的较高水平，整体效率的变化趋势较稳定。（2）处于规模报酬递减的样本商业银行占大多数，说明我国商业银行普遍盲目追求企业规模和市场占有率，导致运转效率和生产效率的低下，应适当调整自身经营规模，来获得更加合理有效率的收益。在我国上市商业银行效率的影响因素方面来看，ROA（资产收益率）与商业银行效率呈正相关关系；而NPL（不良贷款率）、LR（存贷比）、BSH（第一大股东持股比例）及GDPGR（GDP年增长率）与商业银行效率呈负相关关系。

通过本文的实证结果分析，根据各变量与商业银行效率的影响关系以及我国商业银行的实际情况，从而针对性地提出如下建议：（1）适当调整自身规模。根据前文的分析可知，我国大多数上市商业银行已处于规模报酬递减的状态，一昧地规模的扩展不再有利于效率的提升。因此我国商业银行应结合自身状况，寻找最适合自身的规模并改善自身内部管理水平来提高其技术效率。（2）加强对风险的控制力度，减少不良贷款。尽管我国商业银行发展至今，早已告别了过去的高风险经营状况，但在风险控制方面对比西方发达国家银行依然存在着不足。商业银行应不断完善内部治理结构，提高风险量化及管控能力，同时密切追踪所发放贷款的质量情况。（3）提高内部管理能力。我国商业银行应多借鉴国内外成功大型银行经验，建立有效的内部管理机制，同时积极引进高级管理人才，不断学习更加先进的管理技术，进而有效提高总体效率。

本文来源：《企业科技与发展》：http://www.zzqklm.com/w/kj/21223.html