基于投入導向DEA 模型的中國商業銀行效率研究

袁偉鋒

(浙江工商大學，浙江杭州310018)

一、引言

金融作為一種稀缺資源，已成為現代經濟研究的重要內容之一，而商業銀行是各國金融系統中最重要的組成部分，其效率的高低直接影響到社會資源的配置效果和金融資源的利用效果。改革開放以來，我國商業銀行取得了長足的發展，但長期以來，我國商業銀行在經營中片面強調市場占有率，只注重銀行的外延發展，重視速度、數量而忽視效率、質量，這也是我國銀行業體系的癥結所在。因此，在當前背景下對我國商業銀行效率進行研究與評價，有著重要的理論意義和現實意義。

二、文獻回顧

從20世紀90年代開始才有學者對歐洲、澳大利亞等國家和地區的銀行業的效率展開研究。如Sheldon(1999)利用DEA方法對歐洲1783家商業和儲蓄銀行的成本效率、利潤效率進行了研究，發現大銀行、專業銀行以及零售銀行的效率高于小銀行、混業銀行以及批發銀行的效率;Penny Neal(2004)利用DEA方法研究了澳大利亞銀行業1995—1999年的效率，發現本地銀行比其他銀行更缺乏效率，1995年銀行效率高于1999年銀行效率。

國內學者魏煜、王麗(2000)以勞動力、(實物)資本和可貸資金為投入，利息收入和非利息收入為產出，利用DEA方法測度了1997年我國12家商業銀行的效率，指出四大國有商業銀行的平均技術效率低于其他股份制商業銀行的平均技術效率，國有商業銀行的技術無效率主要是由純技術無效造成的;遲國泰、楊德、吳珊珊(2006)根據DEA模型，結合我國商業銀行的投入和產出的特點，基于4家國有獨資銀行樣本、14家國有銀行和股份制銀行的混合樣本兩種情況，分別評測出了各家銀行綜合效率值，發現中國銀行是四大國有商業銀行中綜合效率最好的銀行，中國農業銀行效率最差，且四大國有商業銀行的效率普遍低于股份制商業銀行。

本文將在前人研究的基礎上，針對我國商業銀行的特點，采用基于投入導向的DEA模型，全方位、多角度地評價我國商業銀行2006—2008年的效率變化趨勢。

三、模型介紹

數據包絡分析(DEA)的基本模型主要有CCR模型和BCC模型，以下就從投入導向角度對這兩種模型進行簡要介紹。

(一)CCR模型

在規模報酬不變(CRS)的情況下，DEA模型也被叫做CCR模型，又稱CRS模型。該模型利用所有受評估的決策單元(DMU)的投入與產出變量的觀測值，構建一個生產的效率前沿邊界，凡是落在效率前沿邊界上的DMU是有效率的，其效率值為1;而落在效率前沿邊界以外的DMU則是無相對效率的。在CRS假設下，基于投入導向的CCR模型如下所示。

假設有s家銀行，每家銀行均使用n種投入生產m種產出。Yjk表示第k家銀行的第j個輸出變量，Xik表示第k家銀行的第i個輸入變量。利用線性規劃原理，第k家銀行的效率值θ應滿足:

(1)式中Xj表示第j個DMU的m維投入向量，Yj表示第j個DMU的n產出維向量。經過對線性規劃(1)式求解s遍，即可得到每家銀行的技術效率(TE)，其經濟含義是當第k家銀行的產出水平保持不變時，如果以樣本中最佳表現的銀行為標準，實際所要投入的比例。

(二)BCC模型

CCR模型是假設每一個DMU都是在固定規模報酬下生產，但現實中由于受到市場競爭、制度因素等方面的約束，DMU不可能在固定規模報酬下生產。為此，Banker、Charnes、Cooper(1984)在 CCR 模型的基礎上提出了BCC模型，也稱規模報酬可變VRS模型。BCC模型進一步將技術效率(TE)分解為純技術效率(PTE)和規模效率(SE)。在VRS假設下，基于投入導向的BCC模型如下所示:

(2)式中各符號與(1)式含義相同，但該模型求得的效率值θ為純技術效率(PTE)。

利用上述兩個模型，可以分別求出各DMU的技術效率(TECRS)和純技術效率(PTEVRS)，再根據技術效率等于規模效率乘以純技術效率，即TECRS=SE*PTEVRS，便可求得各 DMU的規模效率，亦即 SE=TECRS/PTEVRS。

四、實證分析

(一)樣本的選擇

本文選取了4家國有商業銀行和12家股份制商業銀行作為研究對象，分別是中國工商銀行、中國農業銀行、中國銀行、中國建設銀行、交通銀行、中信實業銀行、光大銀行、民生銀行、華夏銀行、廣東發展銀行、深圳發展銀行、招商銀行、興業銀行、上海浦東發展銀行、恒豐銀行、浙商銀行。之所以選擇這16家商業銀行，一方面是由于這16家商業銀行無論在存款、貸款還是資產方面，其市場份額都達到了95%左右，大致上能夠反映我國商業銀行的整體效率水平;另一方面由于城市商業銀行的數據難以獲得，考慮到數據口徑的統一性和數據的可得性。同時，本文選取了2006—2008年的數據，可以較好地反映最近幾年各商業銀行的效率變化趨勢。文中數據來源于2007—2009年的《中國金融年鑒》以及個別商業銀行年報。

(二)投入產出變量的選擇

本文避開了貸款額作為產出，把銀行的收入定義為利息收入和非利息收入，實際上利息收入就反映了貸款的質量。同時產出里包括了非利息收入，反映了銀行業正漸漸遠離傳統的金融中介服務，進入表外業務和中間業務。如果我們還停留在只是關注盈利資產是不夠的，因為這不能完全把握現代銀行的商業活動。

在非參數法中，增加變量個數會減少技術無效的個體的數量，即分析結果中大量的個體效率值為1，這樣會影響對結果的分析，因而在綜合考慮銀行特點和模型限制的基礎上，本文采用了三種投入兩種產出的DEA模型，這樣會最大程度地減少大量個體效率值為1的情況，以使模型得出盡可能正確的結果。

綜合以上考慮以及借鑒國內外現有研究的基礎，本文的投入變量包括實物資產(固定資產凈值)、勞動力(員工人數)、各項支出之和(損益表中各項支出，包括利息支出)，投入變量包括利息收入和非利息收入(包括投資收益、手續費收入、匯兌收益、營業外收入和其他收入)。

(三)結果分析

本文使用DEAP2.1軟件進行分析，計算結果見表1、表2。

表1 我國商業銀行DEA結果(2006—2008年)

表2 銀行業效率分類匯總(2006—2008年)

1.技術效率分析

從表1可以看出，四大國有商業銀行在2006—2008年期間，只有2008年中國銀行的技術效率處于生產的有效前沿邊界上，其余各行各年均未達到技術有效狀態。建設銀行的技術效率雖然沒有處于生產的有效邊界上，但是其技術效率一直穩定在較高的水平，在2006—2008年期間的平均水平為0.963，而農業銀行和工商銀行的技術效率較低，前者2006—2008年的技術效率年平均值為0.757，是行業的最低值;后者2006—2008年為0.937。這說明農業銀行和工商銀行應在現有的產出水平下，大幅地減少其投入要素的使用，從而縮減成本費用，提高技術效率。從表1中的計算結果也可以看出，2006—2008年農業銀行和工商銀行的技術效率處在一個逐步上升的階段，與之相對應的國有商業銀行的平均值也是處于一個上升的階段，這也說明了國有商業銀行對技術效率的重視程度在逐步提高。

在股份制商業銀行中，中信銀行、華夏銀行、深圳發展銀行、招商銀行、興業銀行和浦東發展銀行的技術效率平均水平較高，是構成行業效率前沿邊界的主要力量，它們的技術效率平均值分別為 0.987、1、0.973、1、1、0.99。交通銀行、光大銀行、民生銀行、廣東發展銀行和恒豐銀行的技術水平稍低一些，它們的技術效率均值位于0.9～0.95之間，處于技術相對有效狀態。而在股份制商業銀行中，效率最低的是浙商銀行，其均值為0.863，這主要是因為浙商銀行成立的時間較晚，整體規模較小，處于起步階段，各方面的發展不成熟，從表中也可以看出浙商銀行處在一個技術效率上升的階段。

2.純技術效率分析

純技術效率衡量的是在不考慮規模因素影響下的銀行效率狀況，即銀行的內部管理、操作技術水平。從表1中可以看出，大部分銀行的純技術效率都比較高，很多銀行都處于純技術的有效前沿上，其效率值為1，如工商銀行、建設銀行、中信銀行、華夏銀行、招商銀行、興業銀行、恒豐銀行和浙商銀行。相比較而言農業銀行和廣東發展銀行的純技術效率值稍低，且廣東發展銀行的純技術效率不斷下降，從2006年的1下降到2008年的0.85，兩年時間下降了15個百分點，說明其管理和技術水平偏低，沒有進行相應的改變;農業銀行的純技術效率呈現出先降后升的特點，從2006年的0.95下降到2007年的0.84，然后小幅上升到2008年的0.87。

3.規模效率分析

表1數據表明，2006—2008年期間，四大國有商業銀行除中國銀行在2008年規模效率為1外，其余各行各年均處于規模無效狀態，且值得注意的是，工商銀行和建設銀行在考察期內的純技術效率值均為1，這說明這兩大國有商業銀行的技術無效完全是由其規模效率低下造成的;而農業銀行的效率問題就復雜多了，2006年的規模效率值小于該年的純技術效率值，2007年、2008年的規模效率值大于這兩年的純技術效率值，這說明農業銀行的技術無效一方面是由規模效率低下造成的，另一方面是由純技術效率低下造成的。在股份制商業銀行中，光大銀行、華夏銀行、招商銀行、興業銀行、浦東發展銀行在此期間均處于規模有效狀態，位于行業第一，而交通銀行、民生銀行、中信銀行、廣東發展銀行、深圳發展銀行等的規模效率值也接近1，但作為新興的兩家股份制商業銀行，恒豐銀行和浙商銀行的規模效率還處在較低的水平，但處于一個上升的階段。

4.銀行業效率總體分析

表2對我國銀行業2006—2008年的總體效率和按銀行性質特征分類的效率進行了匯總，從表中的結果可以看出，我國銀行業總體的技術效率在此期間處在一個上升的階段，技術效率水平并不是很高，其年平均值為0.94;純技術效率較高，年平均純技術效率值為0.98;規模效率也是處在一個從上升到平穩的階段，年平均值為0.97。從表中數據還可以看到，我國銀行業整體的效率既存在純技術效率高于規模效率，又存在規模效率高于純技術效率的現象，這說明造成我國銀行業總體技術無效，既有管理的原因又存在規模無效的原因。

對銀行股權性質分類比較發現，股份制商業銀行的效率整體上要優于國有商業銀行，且無論是技術效率、純技術效率還是規模效率，股份制商業銀行的效率值均高于國有商業銀行;前者的年均技術效率、年均純技術效率、年均規模效率分別為0.95、0.98、0.97，而后者相應的效率值分別為0.91、0.96、0.94。值得注意的是，國有商業銀行和股份制商業銀行在2006年的純技術效率均大于規模效率，而2007年的規模效率均大于純技術效率，2008年兩者相等，這說明無論哪種性質的銀行，多年來由規模無效引起的技術效率低下狀況得到了有效改善，銀行業的整體效率也有所提升。

五、結論及政策建議

(一)結論

1.我國銀行業總體的技術效率并不高。本文研究的16家商業銀行2006—2008年期間的平均技術效率為0.94，這說明大多數銀行可以在現有的產出水平下適當地減少其成本投入，從而降低成本、提高效率。總體的技術無效一方面是由管理無效引起，另一方面是由規模無效引起。

2.股份制商業銀行的效率總體上優于國有商業銀行。本文研究的四大國有銀行的平均技術效率為0.91，而股份制商業銀行的平均技術效率為0.95，這說明國有商業銀行可以減少將近10%的投入獲得同樣的產出。

3.較之股份制商業銀行，國有商業銀行在此期間內技術水平波動較大，技術效率的變動趨勢也比較明顯。

(二)政策建議

1.加快股份制改革步伐，鼓勵銀行并購與資源優化重組。我國國有商業銀行和股份制商業銀行都存在規模不經濟問題，這嚴重制約著其整體效率的提高。因此，各銀行管理當局應對其分支機構進行效率分析與評價，在現有技術水平下降低經營管理費用，減少固定資產的重復購置，嚴格控制機構和人員數，從而提高銀行業總體的技術效率和市場競爭力。

2.合理配置人力資源，改革國有銀行薪酬制度。人力資源是銀行業可持續發展、提高競爭力和經營效率的根本保證，也是銀行效率的主要決定因素。所以，銀行要鼓勵員工通過多種途徑接受素質再教育，提高員工的專業技能和整體素質，還要建立以人為本的人力資源配置和用人機制，優化人力資源結構。同時要改革國有銀行奉行的“官本位”的薪酬制度，引入適當的競爭機制，加強對員工的激勵，激發員工主動參與組織管理的動力。主觀能動性的加強與提高，對提高銀行業效率具有決定性的作用。

3.加強銀行業的創新能力，積極發展新興的中間業務，保持不斷創新的動力源泉。創新是由創新主體在利益驅動下的內生的、主動的行為，是銀行效率提升的重要保證。銀行創新包括宏觀制度安排的創新，微觀主體內部組織構架、管理構架、業務手段等方面的創新。就目前來說，應該著眼于微觀方面的創新，比如利用網絡通信技術和電子信息技術，結合市場需求，開發出適合時代需求的具有特色的金融產品，從而降低成本，提高經營效率。

［1］Sherman，Gold．Bank branch operating efficiency:Evaluation with data envelopment analysis［J］．Journal of Banking ＆ Finance，1985，9(2):297 －315.

［2］Rangan N，Gawbowski R，Aly H．and Pasurka C．The technical efficiency of US banks［J］．Economics Letters，1988，28(2):168 －175.

［3］Sheldon．Capacity Utilization and Efficiency in the European Banking Industry［J］．Working paper of Fondation De La Banque De France Pour La Recherche，1999(10)．

［4］Penny Neal．X － Efficiency and Productivity Change in Australian Banking［J］．Australian Economic Papers，2004，43(6):174 －191.

［5］魏煜，王麗．中國商業銀行效率研究 —— 一種非參數的分析［J］．金融研究，2000(3)．

［6］張健華．我國商業銀行效率研究的DEA方法及1997—2001年效率的實證分析［J］．金融研究，2003(3)．

［7］遲國泰，孫秀峰，蘆丹．中國商業銀行成本效率實證研究［J］．經濟研究，2005(6)．

［8］Charnes，Cooper A，Rhodes W．Measuring efficiency of decision making units［J］．European Journal of Operations Research，1978，2:429 －444.