我國政策銀行效率實證研究

張 明 劉春曉

一、引 言

政策性銀行一般是指那些由政府創立，參股或保證，不以盈利為目的，專門為貫徹、配合政府的經濟社會政策或意圖，在特定的業務領域內，直接或間接從事政策性融資活動，充當政府發展經濟、促進社會進步、進行宏觀經濟調節管理工具的金融機構。1994年，我國金融體系改革進入全面推進的突破性變革階段，我國政策銀行也趁此改革之風相繼成立。此后，我國銀行組織體系逐漸形成了中央銀行管“總量”、商業銀行管“效益”、政策銀行管“結構”的新格局。在市場經濟條件下，商業銀行以追求利潤為核心，而政策銀行是作為商業銀行的補充，主要為貫徹執行國家產業政策及區域經濟發展政策而設立。資金作為稀缺要素，商業銀行的資金配置總是傾向于效益好的產業及經濟基礎好的地區，而對那些社會效益好的產業及欠發達地區產業扶持方面，政策銀行卻發揮著極其重要的作用。

二、文獻回顧

（一）基于DEA法研究銀行效率問題的文獻

從盼盼，杜樹增（2011）選取7家銀行作為參照，使用2005-2009年數據，運用DEA方法中的VRS模型靜態分析了國家開發銀行改制后第一年的技術效率變化。魏巍（2007）采用CCR模型和超效率DEA模型，對具有代表性的10家國內商業銀行2005年的經營效率進行評估，結果表明，超效率模型確實能夠對所有決策單元進行充分評價和排序，從而解決了CCR模型無法對相對有效單元進一步識別的問題。王健，金浩，梁慧超（2011）基于超效率DEA方法，運用EMS軟件對2004-2009年14家商業銀行的效率進行分析，并對其均值進行排名。王付彪，闕超等（2006）基于DEA方法對我國商業銀行1998-2004年間技術效率進行分析，分析結果表明：在1998-2004年間，我國商業銀行效率整體呈上升趨勢，技術效率損失主要源于規模效率損失，說明我國商業銀行存在與其規模不相適應的管理能力。

以上學者在利用DEA模型研究效率問題時，在指標選取上均采用多投入、多產出指標；在利用DEA中的CCR模型進行效率值測算時，往往會得到多個決策單元有效，難區分有效單元的效率大小，為了進一步識別有效單元的效率，多采用DEA超效率模型研究效率問題。

（二）基于Malmquist指數法研究TFP問題的文獻

傅永，白龍（2009）運用 DEA分析中的Malmquist指數模型測算并分解分析了我國改革開放以來全要素生產率變化。鐘杏云，方鵬程，劉群玲（2012）通過Malmquist指數法對銀行效率進行分解研究，得出結論：我國城市商業銀行運營效率呈現出下降的趨勢。仲深，王春宇（2012）采用2004-2009年間我國15家商業銀行的面板數據，運用基于DEA的Malmquist指數法，測算了商業銀行的Malmquist生產率指數及其分解指數。結果顯示：我國商業銀行的全要素生產率整體呈下降趨勢，其中技術進步指數的下降幅度較大，純技術效率指數和規模效率指數略有升高。

國內學者偏重于對商業銀行效率問題進行研究，而對我國政策銀行效率問題的研究較少。我國正處于經濟轉軌時期，政策銀行在貫徹產業政策及區域經濟發展方面起著極其重要的作用，為了優化政策銀行資源配置，更進一步提升政策銀行效率，更好的發揮其“補充”作用，開展對政策銀行效率問題的研究是很有必要的。

三、原理及模型

（一）超效率DEA模型

DEA法進行效率分析可采用兩種導向：一種是投入主導型，另一種是產出主導性。對于政策銀行而言，對投入要素的控制遠比產出要素控制容易。因此，本文對政策銀行效率研究采用的導向是投入主導型。

DEA的CCR模型將決策單元分為兩類：有效和無效。其缺點是對于多個同時有效的決策單元無法進一步評價比較。Andersen和Peterson提出超效率DEA模型，其基本思想是：在對該決策單元進行效率評價時，將其排除在決策單元參考集外。對于DEA有效決策單元，超效率模型將其生產前沿面進行重新計算推移，使得最終計算出的效率值大于經典CCR模型效率值；而對于非有效的決策單元的效率值并不會發生變化，評價結果與CCR模型是一致的。即：超效率DEA模型能夠區分出DEA有效單元之間的差異，能夠對所評價的決策單元進行有效排序。其求解方程如下：

其中，θ為規劃目標值，λj（j＝1,2,…n）為規劃決策變量，S+和S-為松弛變量向量。

（二）Malmquist指數模型

Malmquist指數模型是瑞典經濟學家、統計學家Malmquist在1953年提出來的，Fare等人在多投入產出條件下，建立了考察生產率變化的Malmquist指數。Malmquist指數是在距離函數基礎上構造而成的。Fare等人將距離函數定義為Farrell技術效率的倒數，投入距離函數可以視為是某一生產點向理想最小投入點的靠近程度。基于投入的全要素Malmquist指數可表示為：

Malmquist指數（TFPch）可分解成相對技術效率指數（Effch）和技術進步指數（Tech）。通過對不同時期技術條件下的兩個Malmquist指數取幾何平均值，測算出效率的變化值。

技術效率指數Effch是相對效率變化指數，反映t期到t＋1期之間決策單元的組織管理水平變化，即“追趕效應”；技術進步指數Tech是衡量決策單元在t期到t＋1期之間生產技術變化程度的指標，反映技術效率前沿面的變化，即“前沿面移動效應”，表明技術的進步及創新程度。該法不僅可以考察政策銀行效率的動態變化，而且還可以分析政策銀行技術進步變化情況；將技術效率指數（Effch）分解為純技術效率指數（Tech）和規模效率指數（Sech），能夠得到全要素生產率指數。若全要素生產率指數各個分量大于1，說明具有正向進步變化；反之，說明存在反向變化。各個變量之間總關系如下：

四、實證結果及分析

（一）投入—產出指標選取

投入-產出指標選取方法有很多，本文采用常用的增值法進行指標選取。本文選擇的投入指標為：員工數量、固定資產、業務及管理費用；產出指標為：資金吸收額、稅前利潤、納稅額、放貸額。投入指標中，總人數是反映人力資源的指標，固定資產是反映資本投入的指標，業務及管理費是反映管理水平的指標，按照新古典經濟學理論，這三個指標基本上能反映政策銀行的要素投入。政策銀行要實現可持續發展，就須既要吸收資本，又需放貸，所以在產出項中吸收資金量和放貸量是最為重要的兩個指標。由于政策銀行實行的是“保本微利”原則，而不是“零利潤”原則，所以將稅前利潤及納稅額作為產出也是必要的，這也是反映政策銀行經營成果的指標。

（二）樣本選取

本文研究所采用的數據均來源于《中國金融統計年鑒》及各政策銀行年報。

DEA-Malmquist指數法分析所用數據要求是面板數據，而農發展行在2000-2004年期間數據并不滿足同向性原則，故用DEA-Malmquist指數法分析全要素生產率時使用我國三家政策銀行2005年-2011年間面板數據。超效率分析時，國開行及進出口行數據采用2000年-2011年數據，農發展行采用2005年-2011年數據。

（三）超效率DEA模型分析結果

本文進行超效率DEA分析時使用三家政策銀行的2000年-2011年間數據，構成31個決策單元，具體決策單元見表5所示。超效率DEA模型分析結果如表1所示。

表1 我國政策銀行超效率分析結果

注：irs：規模報酬遞增；drs：規模報酬遞減；-：規模報酬不變；big：表示效率非常大。

表1按年列出了我國政策銀行的效率值。各政策銀行效率值變化曲線如圖1所示。

圖1 各政策銀行效率值變化

由圖1可見：

（1）在2000-2001年期間，進出口行效率高于國開行效率；

（2）自2001年以后，我國政策銀行效率大體呈現出：國開行效率＞進出口行效率＞農發展行效率；

（3）在2002-2006年間，國開行效率整體呈現緩慢上升趨勢，進出口行效率整體呈現緩慢下降趨勢；

（4）在2006-2008年間（金融危機期間），國開行效率與進出口行效率呈現截然相反的變化趨勢，國開行出現效率高增長，進出口行出現效率低谷；

（5）效率經過2006-2008年的大幅變化后，自2008年開始，國開行效率回歸到金融危機前的效率水平，而進出口行效率要比危機前的效率有所提升。

（6）在2005-2011年間，農發展行效率一直處于較低的水平，與國開行和進出口行效率有很大差距，但在金融危機期間，其效率并無突降或突升現象。

（四）全要素生產率分析結果

全要素生產率是衡量生產力變化狀況的指標。當全要素生產率指數（tfpch）＞1時，說明生產力提升；全要素生產率指數（tfpch）=1時，說明生產力維持原水平；全要素生產率指數（tfpch）＜1時，說明生產力下降。

本文采用2005-2011年共7年數據，使用DEA-Malmquist指數模型對我國政策銀行進行全要素生產率（TFP）分解分析。具體的決策單元見表5所示。我國政策銀行2005-2011年全要素生產率指數及分解結果如表2、圖2所示。

表2 我國政策銀行2005-2011年全要素生產率指數及分解

圖2 我國政策銀行2005-2011年全要素生產率指數及分解

由圖2可見：

（1）我國政策銀行全要素生產率指數只有2006年和2009年超過1，其余年份均低于1。這表明2006年和2009年生產力均有提高，其余年份生產力下降；

（2）技術效率指數與純技術效率指數均大于1。表明我國政策銀行在技術與管理等方面越來越進步，資源配置優化不斷深入；

（3）技術進步指數在大部分年份處于較低狀態，只有2009年技術進步指數大于1，技術進步指數在其余年份表現較差。這表明我國政策銀行在技術進步方面需要更加努力，需要善于學習外國先進技術及管理理念，并應用到我國政策銀行管理經營中去，同時需加快我國政策銀行創新工作。

國家開發銀行2005-2011年全要素生產率指數及分解分析如表3、圖3所示：

表3 國家開發銀行2005-2011年全要素生產率指數及分解

由圖3可見：

（1）國開行的技術效率指數、純技術效率指數、規模效率指數均很接近于1，這表明：技術效率、純技術效率、規模效率每年變化很小、很穩定且表現很好；

（2）技術進步指數、全要素生產率指數較其他3個指數有很大波動，且全要素生產率指數曲線與技術進步指數曲線幾乎重合。這表明，國開行全要素生產率主要是由技術進步決定的。在2007-2008年兩年時間里，國開行生產力下降，2009年生產力水平得到恢復，這主要得益于國家應對金融危機時采取的積極財政政策和貨幣政策。

圖3 國家開發銀行2005-2011年全要素生產率指數及分解

中國進出口銀行2005-2011年全要素生產率指數及分解分析如表4、圖4所示：

表4 中國進出口銀行2005-2011年全要素生產率指數及分解

圖4 中國進出口銀行2005-2011年全要素生產率指數及分解

由圖4可見：

（1）進出口銀行的技術效率指數、純技術效率指數、規模效率指數均很接近于1，這表明：技術效率、純技術效率、規模效率每年幾乎不變化；

（2）技術進步指數、全要素生產率變化較其他3項有很大波動，且全要素生產率變化曲線與技術進步曲線重合。這表明，國開行全要素生產率主要是由技術進步決定的。尤其在2006-2007年、2010-2011年期間，進出口行生產力下降，2009年生產力水平得到恢復，2009年生產力水平達到最高。金融危機后，進出口行生產力經歷了先增長后下降的演進路徑。

中國農業發展銀行2005-2011年全要素生產率指數及分解分析如表5、圖5所示：

表5 中國農業發展銀行2005-2011年全要素生產率指數及分解

圖5 中國農業發展銀行2005-2011年全要素生產率指數及分解

由圖5可見：

（1）農發展行全要素生產率指數均位于有效線以上，這表明農發展行生產力在不斷提升；

（2）技術進步指數均位于有效線以下，這表明農發展行近年來在技術進步方面不斷降低；

（3）技術效率指數、純技術效率指數均位于有效線以上，這表明：農發展行在技術及管理水平上每年均有提高；

（4）規模效率指數只在2010年處于低位，在2011年很快就恢復高位水平。

總結：我國政策銀行在技術效率指數、技術進步指數、純技術效率指數、規模效率指數、全要素生產率指數方面表現各異。近年來，農發展銀行全要素生產率指數表現優于國開行和進出口行表現，但其技術進步表現明顯差于國開行與進出口行。

五、結 論

本文以我國政策銀行為研究對象，采用DEA分析法研究其效率，用Malmquist指數模型研究全要素生產率變化，得到的研究成果總結如下：

（1）在超效率分析方面，金融危機助推了國開行效率增長，對進出口行效率稍有拉低作用，對農發展行幾乎無影響；

（2）在效率分析方面，國開行、進出口行、農發展行效率表現各不相同。自2005年后，我國政策銀行規模效率均已無太大提升空間；在所研究的時間區間內，國開行及進出口行均出現效率“漏斗”，但漏斗形態有差異；在后危機時期，進出口行及農發展行效率均有不同程度的增長，國開行效率依然堅挺；

（3）在全要素生產率指數分析方面，我國政策銀行在技術效率指數、技術進步指數、純技術效率指數、規模效率指數、全要素生產率指數方面表現各異。近年來，農發展銀行全要素生產率指數優于國開行和進出口行表現，但技術進步表現明顯差于國開行與進出口行；國開行和進出口行全要素生產率指數主要是由技術進步引起的。國開行和進出口行全要素生產率變化主要是由技術進步變化引起的。

［1］莊俊鴻.政策銀行概論[M].北京：中國金融出版社，2001

［2］從盼盼，杜樹增.國家開發銀行改制前后效率評價基于DEA方法和Malmquist指數的實證分析[J].經濟研究導刊，2011，(35)：126-127

［3］魏巍.基于DEA超效率模型的中國商業銀行經營效率評價[J].金融經濟，2007，(18)：79-80

［4］王健，金浩，梁慧超.我國商業銀行效率分析—基于超效率DEA和Malmquist指數[J].技術經濟與管理研究，2011，(4)：124-127

［5］王傅彪，闕超等.我國商業銀行技術效率與技術進步實證研究（1998-2004）[J].金融研究，2006，(8)：122-131

［6］傅勇，白龍.中國改革開放以來的全要素生產率變動及其分解（1978-2006年）—基于省際面板數據的Malmquist指數分析[J].金融研究，2009，(7)：38-50

［7］鐘杏云，方鵬程，劉群玲.中國城市商業銀行效率動態變化的Malmquist指數研究 [J]. 特區經濟，2012，(7)：112-114

［8］仲深，王春宇.中國商業銀行全要素生產率及其影響因素的實證分析[J].技術經濟，2012，31，（1）：101-106

［9］魏權齡.數據包絡分析[M].北京：科學出版社，2004