中国商业银行全要素生产率测度及其影响因素分析

 摘要：文章利用Malmquist生产率指数测算了中国14家商业银行2000-2006年的全要素生产率、技术效率和技术变化，并构建PanelData模型对影响中国商业银行效率的因素进行实证检验。结果表明，2000-2006年中国商业银行全要素生产率平均增长率为4.88%，其主要来源于技术进步的作用，国有商业银行全要素生产率增长比股份制商业银行高，ATM与POS投资对中国商业银行全要素生产率有显著正影响，自有资本比例有利于改善商业银行生产效率，而存贷款比例、规模、资产费用率与商业银行生产效率提高没有显著联系。 
中国论文网 /2/view-13219996.htm
　　关键词：全要素生产率；Malmquist指数；IT投资；技术效率；技术进步 
　　中图分类号:F832.4文献标识码:A文章编号：1000-2154(2008)09-0029-07 
　　 
　　一、文献回顾 
　　 
　　商业银行生产效率成为20世纪90年代以来研究的热点问题之一，从国外学者近期的研究来看，更多地关注全要素生产率及其影响因素的研究。Wheelock和Wilson(1999)运用Malmquist生产率指数探讨不同规模的美国商业银行1984-1993年生产率的变化，实证结果发现，所有规模的商业银行技术效率下降而技术进步，少数大型商业银行将技术边界往上移，而大部分商业银行不能赶上这一技术边界，平均而言，美国商业银行的生产率是下降的����［1]。Park和Weber(2006)考虑不良贷款因素，首先利用定向技术距离函数估计了1992-2002年期间韩国银行业无效率值，以此为基础求出全要素生产率，认为韩国银行业在研究期间技术进步超过了技术效率的下降，从而促使全要素生产率保持增长态势，这也佐证韩国银行业的改革取得了成功^[2]。Shu和Strassmann(2005)选择了美国12家银行9年的面板数据，应用随机效应模型分析，结果显示在所包含的各种投入要素中，IT投资的边际产出最高，对利润及商业银行效率的贡献也最大^[3]。Elena(2007)从硬件、软件和信息服务三个方面来考察IT投资对商业银行效率的影响，结果表明信息服务对商业银行效率有着正面的影响，而硬件和软件投资却对商业银行效率有着负面影响^[4]。 
　　进入2000年以来，中国国内关于商业银行效率的实证研究也日趋活跃，大多数采用DEA和SFA的方法来描述中国商业银行生产有效性的状况。王付彪等(2006)对中国商业银行1998-2004的技术效率进行实证研究，发现中国商业银行效率呈现上升趋势，技术效率损失主要源自于规模效率损失^[5]。张成虎、王雪萍(2006)发现除了其他股份制商业银行ROA外，ATM投资对四大国有商业银行ROA、ROE以及其他股份制商业银行ROE都有正面的影响^[6]。徐传谌、齐树天(2007)运用超越对数模型对成本/利润效率状况和演进趋势进行了研究，结果表明所有制改革产生了一定意义上的积极作用，政府对于国有商业银行的挽救和调整在降低其成本方面取得了不错的效果^[7]。 
　　综观以上研究成果，目前国内在商业银行生产效率的研究上存在以下疏漏和不足：第一，目前大多数研究成果主要集中在对截面数据效率的测度上，运用面板数据对商业银行全要素生产率的研究并不多见；第二，探讨影响商业银行生产效率的解释变量时多集中于财务指标上，忽视了IT投资的影响从而降低了研究的价值。针对以上不足之处，本文拟进行如下改进和创新：首先构建Malmquist生产率指数测度中国商业银行全要素生产率变动情况，并进一步将其分解为技术效率变化和技术进步指数两部分，在此基础上以全要素生产率、技术效率、技术进步为因变量，以IT领域中ATM机器台数的自然对数和POS机器台数的自然对数以及一些控制变量作为自变量构建PanelData计量模型，揭示影响商业银行全要素生产率的主要因素。 
　　 
　　二、中国各商业银行全要素生产率测度及其分解 
　　 
　　（一）Malmquist指数模型的构建 
　　考虑到关于投入产出方面的数据比较容易收集，而要获取要素价格等信息相对而言比较困难，在本文分析中，我们把中国各商业银行作为一个决策单元，运用Malmquist指数方法估计中国商业银行全要素生产率变动情况，并进一步将其分解为技术效率变化和技术进步指数两部分。Malmquist指数最初由瑞典经济学和统计学家StenMalmquist(1953)提出，Caveetal.(1982)首先将该指数应用于生产率变化的测算中，此后与Charnesetal.(1978)建立的DEA理论相结合，在生产率测算中的应用日益广泛^[8]。 
　　根据Fareetal.(1994)可以用距离函数对Malmquist指数作出如下定义：�В酮�０（x��t，y��t，x����t+1，y����t+1）＝Ｄ��t��０（x����t+1,y����t+1)D��t��0(x��t,y��t)×Ｄ����t+1��０（x����t+1,y����t+1)Ｄ����t+1��０（x��t,y��t）����１／２�В�1）其中，��(x����t+1,y����t+1）和（x��t，y��t）��分别表示t+1时期和t时期的投入和产出向量，即��Ｔ��={（y,x)：x可以生产出y}。��D��t��０（x����t+1,y����t+1)��代表以第t期的技术水平表示的第t+1期的银行效率水平；��D����t+1��０（x����t＋１，y����t＋１）��代表以第t+1期的技术水平表示的当期的效率水平；��Ｄ��t��０（x��t，y��t）��代表以第t期的技术水平表示的当期的效率水平；��D����t+1��０（x����t，y����t）��代表第t+1期的技术水平表示的第t期的效率水平。若Malmquist指数大于1，表示全要素生产率增长；其指数小于1，表示全要素生产率下降；其指数等于1，则表示全要素生产率没有变化。同时我们可以将其分解为技术效率变化（technicalefficiencychange）和技术变化（technicalchange）两部分，定义如下^[9]：��ＥＦＦＣＨ＝Ｄ����t+1��０（x����t+1，y����t+1）Ｄ��t��０（x��t，y��t）��（2）��ＴＥＣＨ＝Ｄ��t��０（x����t+1,y����t+1)D����t＋１��0(x����t＋１,y����t＋１)×Ｄ��t��０（x��t,y��t)Ｄ����t+1��０（x��t,y��t）����１／２��（3）Malmquist指数即为两者乘积Ｍ����t+1��t＝ＥＦＦＣＨ����t+1��t×ＴＥＣＨ����t+1��t。 
　　为了度量Malmquist生产率指数，需要利用DEA技术，运用线性规划方法计算有关银行投入产出的各种距离函数，以产出导向型的规模报酬不变的模型分别为： 
　　��［Ｄ�┅�t��０（y��t,x��t)］����－１＝��max��θ�� 
　　��s.t.∑Ｋk＝１z��ky��t����km≥θy��t����k′mm=1,…，M 
　　∑Ｋk＝１z��kx��t����kn≤x��t����k′nn=1,…，N�� 
　　z��k≥０，k=1,…，K（4） 
　　［Ｄ�霆���t+1��0（y����t+1,x����t+1)］����－１＝maxθ 
　　��s.t.∑Ｋk＝１z��ky����t+1����km≥θy����t＋１����k′m?m=1,…，