市場結(jié)構(gòu)、宏觀經(jīng)濟(jì)狀況與中國商業(yè)銀行的效率

張?zhí)祉?/p>

摘 要：借助于2003年至2012年在中國運營的126家商業(yè)銀行的年度統(tǒng)計數(shù)據(jù)，同時在對相關(guān)統(tǒng)計數(shù)據(jù)庫中原始統(tǒng)計數(shù)據(jù)進(jìn)行細(xì)致補充和多重插補等統(tǒng)計方法處理的基礎(chǔ)上，本文采用隨機前沿模型對中國商業(yè)銀行的技術(shù)效率進(jìn)行測量。重點從商業(yè)銀行個體特征層面、市場結(jié)構(gòu)以及宏觀經(jīng)濟(jì)運行狀況等多個方面利用貝葉斯模型平均方法考察中國商業(yè)銀行效率的影響因素。結(jié)合上述相關(guān)經(jīng)驗研究結(jié)果，本文給出了有關(guān)于中國銀行業(yè)深化改革的相關(guān)政策建議。

關(guān)鍵詞：市場結(jié)構(gòu)；宏觀經(jīng)濟(jì)；商業(yè)銀行；技術(shù)效率

中圖分類號：F830.31 文獻(xiàn)標(biāo)識碼：B 文章編號：1674-0017-2014（1）-0004-10

一、引言

商業(yè)銀行在現(xiàn)代經(jīng)濟(jì)生活中發(fā)揮著重要作用，它們能夠動員和配置國民儲蓄，因此商業(yè)銀行績效對資本配置、實體企業(yè)成長、產(chǎn)業(yè)擴張以及宏觀經(jīng)濟(jì)發(fā)展具有積極的意義（Levine， 2005；Rajan和Zingales， 1998）。同時，效率高的商業(yè)銀行可以在較低成本下為消費者提供較高質(zhì)量的銀行服務(wù)，這也可以改進(jìn)整個社會的經(jīng)濟(jì)福利?？梢哉f，效率或者是稀缺資源的有效配置對于每個商業(yè)銀行而言無疑都構(gòu)成其核心的戰(zhàn)略目標(biāo)，同時這對于整個銀行業(yè)來看也是至關(guān)重要的。具有較高效率的銀行業(yè)部門能夠較好地應(yīng)對多種宏觀經(jīng)濟(jì)負(fù)向沖擊，有助于整個國家金融體系的穩(wěn)定。一些現(xiàn)有采用宏觀經(jīng)濟(jì)數(shù)據(jù)的經(jīng)驗研究結(jié)果已經(jīng)表明較好發(fā)展水平的金融機構(gòu)對本國金融發(fā)展、金融深化以及經(jīng)濟(jì)增長與績效至關(guān)重要（Andini，2009；Levine，Loayza和Beck，2000）。

但是，現(xiàn)代銀行業(yè)并不總是能夠較好地在個體最優(yōu)與社會最優(yōu)之間進(jìn)行最優(yōu)權(quán)衡。爆發(fā)于美國的2008-2009年金融海嘯將全球銀行體系暴露于一系列的逆向沖擊中，同時這次全球性金融危機也表明即便是金融市場高度發(fā)達(dá)的西方國家，對于金融部門所傳遞出來的逆向外溢效應(yīng)也呈現(xiàn)出極端脆弱性?，F(xiàn)有研究存在著大量的研究結(jié)果探討跨國銀行業(yè)危機問題（Demirgü-Kunt和Detragiache，2005），其中有研究者強調(diào)絕大多數(shù)系統(tǒng)性銀行危機發(fā)生前都經(jīng)歷了貸款過度的增長（Reinhart和Rogoff，2009），一些研究者強調(diào)總體績效不佳的商業(yè)銀行，例如較差的財務(wù)指標(biāo)和較高的非效率得分，構(gòu)成發(fā)展中國家發(fā)生銀行危機的主要原因（Bongini，Claessens和Ferri， 2001；Brown和Din，2005；Kaminsky和Reinhart，1998）。上述因果關(guān)系表明對于商業(yè)銀行的績效評估可能會提供一些有用的、具有政策含意的經(jīng)驗發(fā)現(xiàn)。

考慮到在發(fā)達(dá)國家、發(fā)展中國家或地區(qū)所發(fā)生的大量銀行危機以及為應(yīng)對這些危機所付出的社會成本（Caprio Jr， 1998；Crespo-Tenorio，Jensen和Rosas， 2013；Reinhart和Rogoff， 2013），對銀行效率問題的深入研究有助于我們理解和把握我國商業(yè)銀行的產(chǎn)業(yè)結(jié)構(gòu)、競爭力以及可持續(xù)發(fā)展等方面。現(xiàn)代的銀行體系是我國進(jìn)行宏觀調(diào)控的基礎(chǔ)和支撐，其效率的提高關(guān)系到資本要素在全社會范圍內(nèi)的優(yōu)化配置，因此，銀行部門的效率已經(jīng)成為我國經(jīng)濟(jì)建設(shè)過程中社會各界共同關(guān)注的焦點（蔡躍洲和郭梅軍， 2009）。近些年來，我國相關(guān)政府機構(gòu)已經(jīng)在銀行部門引入了一系列改革，推動銀行業(yè)轉(zhuǎn)變發(fā)展模式，逐步健全現(xiàn)代銀行業(yè)體系，銀行部門整體服務(wù)水平、經(jīng)營能力和競爭能力持續(xù)提升。根據(jù)中國銀監(jiān)會所發(fā)布的2012年年報數(shù)據(jù)，中國銀行業(yè)金融機構(gòu)共有法人機構(gòu)3747家，資產(chǎn)總額為133.6萬億元，少數(shù)幾家大型的商業(yè)銀行占據(jù)全行業(yè)總資產(chǎn)份額的44.9%，部分商業(yè)銀行按照總資產(chǎn)在全球同業(yè)排名中位居前列。因此，在現(xiàn)有中國商業(yè)銀行的規(guī)?？涨耙约吧贁?shù)幾家大銀行居于主體的銀行業(yè)市場結(jié)構(gòu)下，對商業(yè)銀行績效進(jìn)行深入的評估具有著十分重要的現(xiàn)實意義。

二、相關(guān)文獻(xiàn)回顧

對于商業(yè)銀行效率的研究主要可以分為兩個階段，早期研究注重于探討銀行業(yè)的規(guī)模經(jīng)濟(jì)或者范疇經(jīng)濟(jì)問題，主要考察單位運營成本是否隨著業(yè)務(wù)量的增加而降低或者是單位運營成本能否通過多項服務(wù)提供而降低。在隨后的研究中，研究者們注重利用微觀銀行數(shù)據(jù)來探討商業(yè)銀行效率問題（鄭錄軍和曹廷求， 2005）。

在商業(yè)銀行效率的研究文獻(xiàn)中，對于銀行的產(chǎn)出和投入定義和測量問題是研究者們首先要面對的技術(shù)問題。測量金融機構(gòu)產(chǎn)出常常是困難重重。主要原因在于每一家銀行都提供多重服務(wù)，許多金融服務(wù)是互相關(guān)聯(lián)或者是交互作用，這樣研究者就很難對不同種類的金融服務(wù)進(jìn)行分割。此外，商業(yè)銀行明確對他們所提供的許多服務(wù)免費，例如，對借款者的信用評估、存款者的信用卡支付或者貸記卡購買等（Wang，Basu和Fernald， 2009）。然而，這些免費金融服務(wù)的開支常常與銀行利息收入或者非利息性收入捆綁在一起。因此，任何研究者想對銀行效率進(jìn)行完備性測量，首先需要考慮所有利息收入中哪些是用來作為服務(wù)的支付，哪些是用來作為資金成本（Colangelo和Inklaar， 2012）?，F(xiàn)有研究中常用的測量方法主要有生產(chǎn)法和中介法。在生產(chǎn)法下，銀行機構(gòu)作為企業(yè)通過使用資本、勞動等要素提供貸款和存款等業(yè)務(wù)服務(wù)，銀行產(chǎn)出主要采用不同帳戶開戶的數(shù)量或者每種特定產(chǎn)品交易的次數(shù)予以衡量，因此在該方法下銀行存款余額常常是被視為產(chǎn)出。但是，在中介法下商業(yè)銀行不再作為貸款和存款服務(wù)提供者，而是被視為是金融市場上的可貸資金供需雙方之間的媒介，通過匯集存款進(jìn)而發(fā)放貸款或者其它類型資產(chǎn)。這種情況下，銀行存款可以作為投入，也可以作為產(chǎn)出（Altunbas，Evans和Molyneux， 2001；Colwell和Davis， 1992；Sealey和Lindley， 1977）。

在兩種方法中，中介法最早用于商業(yè)銀行的成本研究。較早有研究者采用盈利性資產(chǎn)（例如，貸款與投資之和）測量銀行產(chǎn)出，采用該方法不利的地方是將商業(yè)銀行其它資產(chǎn)排除在外，這樣有可能增加大型商業(yè)銀行的單位成本（Colwell和Davis， 1992；Gorman， 1969）。與此同時，用來測量賬戶開戶數(shù)量多少或者給定時間內(nèi)交易數(shù)量大小的生產(chǎn)法也被引入用來測量銀行產(chǎn)出（Benston， 1965；Benston，Hanweck和Humphrey， 1982）。該方法面臨的批評主要在于它忽略了常常占據(jù)商業(yè)銀行總成本中較大份額的利息成本，同時生產(chǎn)法所需要投入品的價格數(shù)據(jù)在銀行業(yè)內(nèi)常常難以準(zhǔn)確地獲得。受到數(shù)據(jù)獲得性限制，商業(yè)銀行生產(chǎn)率研究常常采用中介法，將商業(yè)銀行的盈利性資產(chǎn)用來測量商業(yè)銀行的產(chǎn)出，而將存款與勞動力、資本等生產(chǎn)要素一并作為投入品（Elyasiani和Mehdian， 1990a；Elyasiani和Mehdian， 1990b）。這樣，在商業(yè)銀行效率估計過程中，中介法將存款與固定資產(chǎn)以及勞動力一起作為投入品，而將貸款總額作為產(chǎn)出。

研究者們對商業(yè)銀行的績效先前常常采用一些常用的財務(wù)指標(biāo)進(jìn)行分析、相互比較或統(tǒng)計推斷。例如，商業(yè)銀行的資產(chǎn)質(zhì)量、資本充足率以及盈利性等等。盡管傳統(tǒng)的比率指標(biāo)分析相對簡單而且更容易理解，但是簡單的財務(wù)比率指標(biāo)面臨著眾多的局限。例如，比率分析假定的市場結(jié)構(gòu)為規(guī)模報酬不變，而且每個指標(biāo)都僅僅體現(xiàn)的是不同銀行間差異性的單一維度，甚至這些指標(biāo)還會對總體績效進(jìn)行無效的測量等等（Paradi，Yang和Zhu， 2011）。因此，在隨后的研究中，傳統(tǒng)的財務(wù)比率指標(biāo)分析逐漸被其它更加細(xì)致的、嚴(yán)謹(jǐn)?shù)姆治龇椒ɑ蚬ぞ咚娲?。既然效率難以從統(tǒng)計數(shù)據(jù)中予以直接觀測，那么就需要研究者采用一定的技術(shù)手段來對效率進(jìn)行估計或者測算。按照被廣泛接受的相關(guān)界定，現(xiàn)有研究對于效率的測量方法一般可以分為兩類：參數(shù)方法和非參數(shù)方法。兩類方法之間具有較突出的差別：首先，參數(shù)方法主要是隨機性方法，并且區(qū)分了白噪聲效應(yīng)和非效率效應(yīng)，而非參數(shù)方法采用線性規(guī)劃技術(shù)，主要是確定性的方法，而且白噪聲非效率項中混合了白噪聲和實際非效率，效率測量會受到遺漏變量、測量誤差以及其它統(tǒng)計噪音的影響；參數(shù)方法所面臨的挑戰(zhàn)是函數(shù)形式的錯誤設(shè)定，而非參數(shù)方法則可以免除函數(shù)形式的錯誤設(shè)定；此外，非參數(shù)方法下測量結(jié)果對數(shù)據(jù)中的例外情況非常敏感。

參數(shù)方法包括有隨機前沿法（SFA）和自由分布法（DFA），非參數(shù)方法包括有數(shù)據(jù)包絡(luò)分析法（DEA），早有研究者對上述三種常用的方法進(jìn)行了深入的比較和探討（Hjalmarsson，Kumbhakar和Heshmati， 1996），而相關(guān)研究者對于不同方法測量商業(yè)銀行效率方面應(yīng)用也存在著出色的總結(jié)（Berger和Humphrey， 1997）。隨機前沿法（SFA）首先由Aigner et al.（1977）以及Meeusen和van den Broeck（1977）提出，此后該分析方法不斷得到補充、完善以及拓展（Aigner，Lovell和Schmidt， 1977；Greene， 2008；Meeusen和Broeck， 1977）。隨機前沿法能夠考慮隨機誤差對效率的干擾，可以避免統(tǒng)計誤差對效率測量的影響，于是它逐漸成為效率分析中頗為流行的工具。Berger和Humphrey （1997）回顧了對金融機構(gòu)效率分析的相關(guān)研究，著重分析了效率前沿分析技術(shù)。

在商業(yè)銀行效率測量中，效率的測量結(jié)果與效率前沿密切相關(guān)。但是，“真實”效率前沿是不可觀測的。于是，研究者們常常通過不同技術(shù)方法或工具構(gòu)建出“最佳實踐”前沿對“真實”效率前沿予以逼近（Battese和Coelli， 1995；Greene， 2008；Lensink和Meesters， 2012）。對此，隨機前沿法主要是通過構(gòu)造“最佳實踐”前沿來估計效率。這種方法假定所估計出的前沿估計可能是由于隨機波動或者是效率低下引起的。為了能夠分離上述兩個主要構(gòu)成成份，非效率項被假定為服從非對稱的概率分布，而隨機波動被假定為是白噪聲。利用相關(guān)技術(shù)手段所估計出的非效率項可以為衡量和改善商業(yè)銀行績效提供重要的依據(jù)。

現(xiàn)有研究中絕大多數(shù)效率分析強調(diào)的是商業(yè)銀行的技術(shù)效率（Drake，Hall和Simper， 2006；Pasiouras， 2008b），技術(shù)效率所體現(xiàn)的是商業(yè)銀行采用最低數(shù)量的投入生產(chǎn)給定數(shù)量的產(chǎn)出，或者是給定數(shù)量的投入來生產(chǎn)最大產(chǎn)量的產(chǎn)出。如果投入或者產(chǎn)出的價格數(shù)據(jù)能夠予以獲得，研究者就能夠估計成本效率或者是利潤效率。如果商業(yè)銀行在給定資源的條件下，現(xiàn)實產(chǎn)出低于最大的潛在產(chǎn)出水平，那么我們就稱為這家商業(yè)銀行是技術(shù)上非效率。產(chǎn)生非效率的原因主要是管理差誤或者是協(xié)調(diào)失效（O'Donnell和Griffiths， 2006）。一般而言，經(jīng)濟(jì)效率是技術(shù)效率和配置效率的綜合體現(xiàn)（Farrell， 1957）。如果研究者僅僅能夠獲得投入和產(chǎn)出的數(shù)量數(shù)據(jù)，而沒有辦法掌握投入和產(chǎn)出的價格數(shù)據(jù)，或者是這類數(shù)據(jù)難以在正式統(tǒng)計資料中完整獲取，那么這種類型的效率則體現(xiàn)為技術(shù)效率；如果投入和產(chǎn)出的價格數(shù)據(jù)具有可獲得性，那么這種類型的效率則為配置效率。按照微觀經(jīng)濟(jì)理論，企業(yè)利潤最大化既要求企業(yè)獲得技術(shù)效率，也要求企業(yè)能夠?qū)崿F(xiàn)配置效率。然而，在現(xiàn)實經(jīng)濟(jì)生活中，廠商常常難以實現(xiàn)完全意義上的生產(chǎn)效率，這就使得廠商難以在完全效率邊界上運營（Reifschneider和Stevenson， 1991）。但是，在實際應(yīng)用中估計商業(yè)銀行的成本效率常常受到限制，一個重要原因就是在搜集可靠的投入價格時面臨著困難。

在20世紀(jì)90年代，對于商業(yè)銀行非效率的測量存在大量的應(yīng)用性研究。例如，Berger和Humphrey（1997）對130項前沿效率的研究進(jìn)行了綜述，結(jié)果表明盡管不同研究者采用了不同機構(gòu)類型、方法，同時樣本數(shù)據(jù)也存在差異，但是金融機構(gòu)的非效率占據(jù)成本的比率超過20%，并且強于規(guī)模經(jīng)濟(jì)和范疇經(jīng)濟(jì)的作用。在早期研究中，采用橫截面數(shù)據(jù)進(jìn)行實證考察或者跨國比較的研究結(jié)果相對較多。在應(yīng)用橫截面數(shù)據(jù)的研究中，研究者首先要施加一些特定的假定。例如，技術(shù)非效率與投入品之間相互獨立以及白噪聲和技術(shù)非效率項服從特定的概率分布形式。上述問題則可以在面板數(shù)據(jù)下得以有效地解決，較早就有研究者強調(diào)采用面板數(shù)據(jù)來估計技術(shù)效率能夠避免在橫截面數(shù)據(jù)中采用隨機前沿模型所面臨的一些問題（Schmidt和Sickles， 1984）。早期應(yīng)用面板數(shù)據(jù)的隨機前沿模型假定效率是非時變的，隨后這個主要的假定被Cornwell et al. （1990）所放松，他們采用生產(chǎn)前沿的截距項來模擬技術(shù)非效率的暫時性改變（Cornwell，Schmidt和Sickles， 1990）。隨后，Battese和Coelli （1992）假定企業(yè)效應(yīng)是時間的指數(shù)函數(shù)進(jìn)而得到時變的技術(shù)非效率（Battese和Coelli， 1992）。

伴隨著測量技術(shù)效率的建模方法不斷取得新進(jìn)展，一個重要的問題是怎樣解釋不可觀測的異質(zhì)性。傳統(tǒng)方法處理不可觀測的異質(zhì)性常常采用固定效應(yīng)或者隨機效應(yīng)的形式進(jìn)行隨機前沿估計，但是這種處理方法會將企業(yè)異質(zhì)性與非效率項進(jìn)行混淆，進(jìn)而得到的是有偏的非效率項估計量。有大量的研究表明：如果研究者忽略異質(zhì)性，效率的估計結(jié)果可能是有偏的（Bos et al.， 2009；Mester， 1997；Wang和Schmidt， 2002）。有研究者通過拓展包括固定效應(yīng)和隨機效應(yīng)模型解釋不可觀測的異質(zhì)性，該項開創(chuàng)性工作較好地解釋了該問題（Greene， 2005b；Greene， 2005a）。后續(xù)相關(guān)文獻(xiàn)將上述模型稱為“真實”效應(yīng)模型。Greene （2005a）將“真實”效應(yīng)模型應(yīng)用于美國500家商業(yè)銀行作為樣本的研究中，研究表明該模型在考慮不可觀測的異質(zhì)性的情況下具有統(tǒng)計技術(shù)優(yōu)勢。

現(xiàn)有研究仍然對所估計到的技術(shù)效率是否是有偏存在著爭論，這不僅僅是由于不同的效率估計技術(shù)所引致，而且跟影響商業(yè)銀行績效的內(nèi)生或者外生因素密切相關(guān)。正如有研究者強調(diào)指出，非效率測量是通過回歸殘差得到的，因此選擇銀行特征或者一些環(huán)境變量納入到前沿估計特別重要（Mester， 2008）。近些年來，一些研究者紛紛考慮了廣泛的備選影響因素，例如商業(yè)銀行特征、銀行業(yè)特征以及宏觀經(jīng)濟(jì)因素等（Athanasoglou，Brissimis和Delis， 2008；Berger et al.， 2004），上述這些因素被認(rèn)為是影響商業(yè)銀行績效的重要因素。有研究者研究表明在跨國銀行效率估計中并沒有發(fā)現(xiàn)不同商務(wù)環(huán)境下的顯著差異（Carbó Valverde，Humphrey和López del Paso， 2007）；相反，也有研究者應(yīng)用德國儲蓄銀行數(shù)據(jù)進(jìn)行效率測量，研究結(jié)果表明銀行效率對異質(zhì)性的處理是敏感的（Bos et al.， 2009）。按照“安逸生活”理論假說，在壟斷的市場結(jié)構(gòu)下管理層將會利用市場力量進(jìn)行尋租，進(jìn)而帶來資源配置的非效率（Hicks， 1935）。同時，這種非效率會作為商業(yè)銀行成本偏好行為被放大，選擇與利潤最大化不一致的風(fēng)險選擇以及延遲或阻礙競爭性政策的實施等（Berger和Hannan， 1998）。此外，銀行業(yè)采用非競爭性定價將會帶來社會福利損失（Maudos和de Guevara， 2007），因此，根據(jù)“安逸生活”理論假說，市場力與商業(yè)銀行技術(shù)效率之間存在著負(fù)向的關(guān)系（Solís和Maudos， 2008），市場壟斷會限制更加有效率的銀行部門發(fā)展。

在實證研究方面，跨國或者不同國別的商業(yè)影響效率的影響因素得到深入分析。有研究者針對轉(zhuǎn)軌經(jīng)濟(jì)國家的銀行績效影響因素進(jìn)行研究（Grigorian和Manole， 2006），他們采用數(shù)據(jù)包絡(luò)方法對不同國家的銀行效率進(jìn)行測量，之后利用Tobit截斷回歸方法考察商業(yè)銀行效率的決定因素。他們的研究結(jié)果表明外資銀行存在以及銀行購并提高了樣本國家的商業(yè)銀行效率，同時發(fā)現(xiàn)資本化程度好的銀行，占有較高市場份額以及人均GDP等因素正向影響著商業(yè)銀行效率。在國別商業(yè)銀行效率研究方面，有研究者考察了希臘商業(yè)銀行的效率和決定因素（Pasiouras， 2008a），他首先利用非參數(shù)方法中數(shù)據(jù)包絡(luò)分析方法測量了商業(yè)銀行的效率，隨后利用Tobit回歸方法探討不同因素對商業(yè)銀行效率的影響作用，研究結(jié)果表明商業(yè)銀行資本化、貸款活動以及市場力量對效率具有統(tǒng)計意義上顯著的影響作用。

本文遵循現(xiàn)有研究文獻(xiàn)的研究范式（Casu和Molyneux， 2003；Delis和Papanikolaou， 2009），對中國商業(yè)銀行的效率及其影響因素進(jìn)行深入的實證研究，主要采用兩階段研究方法。在第一階段，本文采用隨機前沿模型對中國商業(yè)銀行的效率進(jìn)行估計。在第二階段，利用商業(yè)銀行效率的估計結(jié)果，在廣泛考察影響銀行效率的備選因素中利用貝葉斯模型平均方法考察中國商業(yè)銀行效率的影響因素。與現(xiàn)有研究相比，本文的邊際貢獻(xiàn)主要體現(xiàn)在如下方面：其一，本文在樣本商業(yè)銀行的數(shù)據(jù)覆蓋方面進(jìn)行深入擴展，既注重通過多種可信的統(tǒng)計數(shù)據(jù)來源渠道進(jìn)行數(shù)據(jù)補充，又采用規(guī)范的統(tǒng)計方法針對核心變量的數(shù)據(jù)缺失問題進(jìn)行數(shù)據(jù)插補；其二，在商業(yè)銀行效率影響因素分析過程中，與現(xiàn)有研究不同，本文引入貝葉斯模型平均方法來探討商業(yè)銀行效率的影響因素，而現(xiàn)有研究廣泛采用的是Tobit回歸分析方法，在模型不確定的情形下，貝葉斯模型平均方法具有突出的優(yōu)勢。

三、數(shù)據(jù)處理

本文研究中涉及中國銀行業(yè)相關(guān)數(shù)據(jù)主要來自于著名的金融信息服務(wù)商Bureau van Dijk所提供的全球銀行與金融機構(gòu)分析庫BankScope統(tǒng)計數(shù)據(jù)庫，該數(shù)據(jù)庫詳細(xì)提供了全球范圍內(nèi)32000多家主要銀行及世界重要金融機構(gòu)與組織的經(jīng)營與信用分析數(shù)據(jù)。在該數(shù)據(jù)庫檢索和數(shù)據(jù)導(dǎo)出過程中，我們選擇了所有在中國大陸地區(qū)注冊的共計198家商業(yè)銀行、信托公司、租賃公司等機構(gòu)的分年度主要財務(wù)數(shù)據(jù)（以下為簡化表述，本文將上述金融機構(gòu)統(tǒng)稱為商業(yè)銀行），時間范圍為2002年至2012年。中國大型國有商業(yè)銀行的財務(wù)數(shù)據(jù)在本文整個樣本期限內(nèi)具有較好的統(tǒng)計數(shù)據(jù)支撐，但是部分商業(yè)銀行核心的金融或財務(wù)變量能夠涵蓋2003年至2012年。鑒于上述情況，本文剔除了近年組建的商業(yè)銀行或者在數(shù)據(jù)缺失程度嚴(yán)重的商業(yè)銀行，經(jīng)過初步篩選后樣本商業(yè)銀行的數(shù)量減少為126個。

與國內(nèi)現(xiàn)有針對商業(yè)銀行的相關(guān)研究相比，本文所涵蓋的樣本商業(yè)銀行數(shù)量是最大的?，F(xiàn)有研究中或者針對上市的商業(yè)銀行或者針對14家或者16家或者20家左右在BankScope數(shù)據(jù)庫或者《中國金融年鑒》中數(shù)據(jù)報告完整的商業(yè)銀行進(jìn)行探討（韓松和姜鵬， 2011；孫秀峰和遲國泰， 2010；王兵和朱寧， 2011；張金清和吳有紅， 2010）。即便國內(nèi)部分研究者的商業(yè)銀行樣本數(shù)據(jù)超過100多家，但這些研究數(shù)據(jù)都典型具有非平衡性，數(shù)據(jù)缺失問題相對突出。同時，國內(nèi)相關(guān)研究中慣常采用的非參數(shù)技術(shù)手段是不能對數(shù)據(jù)缺失的情況進(jìn)行有效的估計。為盡可能擴充相關(guān)變量觀測值的數(shù)量，本文借助《中國金融年鑒》、國泰安數(shù)據(jù)服務(wù)中心所提供的中國銀行財務(wù)研究數(shù)據(jù)庫中商業(yè)銀行數(shù)據(jù)以及利用不同商業(yè)銀行的網(wǎng)站公開下載的各年份《年度報告》、《審計報告》或者相關(guān)商業(yè)銀行的歷史統(tǒng)計摘要等資料進(jìn)行數(shù)據(jù)核實和補充。經(jīng)過上述細(xì)致的數(shù)據(jù)完善，所有126家商業(yè)銀行在樣本觀測期內(nèi)數(shù)據(jù)完善程度達(dá)到82%以上，顯著擴大了Bankscope數(shù)據(jù)庫中中國商業(yè)銀行數(shù)據(jù)涵蓋面。

對于少數(shù)年份的部分商業(yè)銀行年度報告、財務(wù)報告以及審計報告難以從公開渠道予以獲得，我們采用相關(guān)統(tǒng)計技術(shù)手段對缺失數(shù)據(jù)進(jìn)行插補。多重插補（Multiple Imputation）方法是統(tǒng)計技術(shù)中應(yīng)對缺失數(shù)據(jù)問題的通用方法（Efron， 1994；Rubin和Schenker， 1986）。在多重插補缺失數(shù)據(jù)過程中，本文采用的是EM算法，并且遵循多重插補方法標(biāo)準(zhǔn)的技術(shù)流程對缺失數(shù)據(jù)進(jìn)行插補，最后本文商業(yè)銀行的樣本數(shù)據(jù)均為1260個平衡的觀測值。