基于Malmquist 指數(shù)模型的我國銀行業(yè)效率測評

黃怡涵HUANG Yi-han

（安徽財經(jīng)大學，蚌埠233000）

0 引言

在供給側結構性改革背景下，金融行業(yè)成為改革的大后方保障。銀行業(yè)作為金融運行和貨幣流通的樞紐，在我國資金融通過程中起著重要作用。因此，在我國經(jīng)濟低速增長的新常態(tài)下，如何提高銀行業(yè)運行效率成為急需解決的問題。

1 理論基礎與文獻綜述

1.1 理論基礎

測評銀行的效率可以通過對銀行的生產(chǎn)率進行測度來實現(xiàn)。生產(chǎn)率衡量了企業(yè)在經(jīng)營過程中投入產(chǎn)出之間的關系，根據(jù)要素的選擇不同，生產(chǎn)率又可細分為單要素生產(chǎn)率（SFP）和全要素生產(chǎn)率（TEP）。相比于前者只能衡量單個投入與單個產(chǎn)出的效率情況，全要素生產(chǎn)率可以度量一定時期內多個投入與多個產(chǎn)出之間的相互關系，衡量企業(yè)在某一時期或某一時點的綜合效率水平和生產(chǎn)力水平。全要素生產(chǎn)率基于全部要素投入，使用加權綜合的辦法測算生產(chǎn)率，研究中常用產(chǎn)出增長率超過要素增長率部分來表示全要素生產(chǎn)率，即全要素生產(chǎn)率等于產(chǎn)出增長率減去加權的投入要素的增長率[1]。

1.2 文獻綜述

Berger 等（1997）指出學界最常用的關于銀行效率的評估方法包括：數(shù)據(jù)包絡分析法（data envelopment analysis，DEA）、無界分析法（free disposal hull analysis，F(xiàn)DH）、隨機前沿法（stochastic frontier approach，SFA）、厚前沿 法 （thick frontier approach，TFA）、 自 由 分 布 法（distribution-free approach，DFA）。前兩種方法為非參數(shù)法，后三種方法為參數(shù)法[2]。非參數(shù)法由于不用預先設定目標函數(shù)的具體形式等優(yōu)點被我國學者廣泛使用，其中，數(shù)據(jù)包絡分析法（Data Envelopment），即 DEA 方法，是最常用的非參數(shù)效率分析法[3]。

我國學者最常用的DEA 模型主要包括CCR 模型、BCC 模型以及DEA-Malmquist 指數(shù)模型。其中，運用Malmquist 模型可以將全要素生產(chǎn)率分解成兩部分，一是技術效率，二是技術進步，故而得到我國許多學者的偏愛。范麗（2016）通過 Malmquist 指數(shù)研究了 2005-2014 年我國31 個省市銀行業(yè)金融機構的全要素生產(chǎn)率，發(fā)現(xiàn)2005-2014 年這十年間，我國銀行業(yè)金融機構的全要素生產(chǎn)率總體呈上升趨勢，主要歸功于技術進步[1]。同樣地，藍以信等（2019）以中國26 家商業(yè)銀行2009-2017 年這9年的數(shù)據(jù)為基礎，在運用考慮不良貸款時滯效應下的Malmquist 指數(shù)模型進行全要素生產(chǎn)率測算后也發(fā)現(xiàn)我國銀行全要素生產(chǎn)率的變動主要受技術進步的影響[4]。路妍，李剛（2018）通過將 2006-2016 年這 11 年的 16 家中國商業(yè)銀行投入產(chǎn)出數(shù)據(jù)帶入Malmquist 指數(shù)模型運行得出2006-2016 年我國商業(yè)銀行平均全要素生產(chǎn)率下降，進一步分析得出宏觀背景對我國商業(yè)銀行全要素生產(chǎn)率的影響巨大[5]。

本文在前輩們研究成果的基礎上，運用DEAMalmquist 指數(shù)模型對我國各省市銀行業(yè)全要素生產(chǎn)率進行研究，創(chuàng)新點在于：一是借鑒范麗（2016）的投入產(chǎn)出指標，在此基礎上進行了時間上的更新，研究2016-2019 年我國31 個省市銀行業(yè)投入產(chǎn)出指標數(shù)據(jù)，得出近年來我國各省市銀行業(yè)運營情況；二是在對DEAP2.1 軟件中的Malmquist 指數(shù)模型運行結果進行分析的基礎上，對結果進行進一步手動整合，得出按省市按年分析結果、各省市銀行在研究期間內效率變動匯總結果以及按區(qū)域分析結果，從而更細致地為我國各省市銀行業(yè)今后的效率發(fā)展提供參考。

2 研究設計

2.1 樣本選擇

本文以2016-2019 年四年的我國31 個省市銀行業(yè)金融機構數(shù)據(jù)為研究對象。3 個投入變量分別為：資產(chǎn)總額（億元）、機構數(shù)（個）、從業(yè)人數(shù)（人）；3 個產(chǎn)出變量分別為：存款（億元）、貸款（億元）、不良貸款余額（億元）。數(shù)據(jù)來源于各省市2017-2020 年期間的金融運行報告。

2.2 計量模型

本文將運用如下Malmquist 指數(shù)模型進行我國各省市銀行業(yè)全要素生產(chǎn)率的計量分析：

式中，dt（xt，yt）和dt（xt+1，yt+1）分別表示以第t 期的技術水平計算的第t 期和第t+1 期的效率，dt+1（xt，yt）和dt+1（xt+1，yt+1）分別表示以第t+1 期的技術水平計算的第t 期和第t+1 期的效率。下標c 和v 分別代表規(guī)模不變和規(guī)?？勺?。

即Malmquist TEP 指數(shù)=技術進步*純技術效率變動*規(guī)模效率變動。MTEP>1，則效率較上年上升；反之則下降。

3 實證分析

3.1 描述性統(tǒng)計

本文選取的投入產(chǎn)出指標的描述性統(tǒng)計結果見表1。

表1 投入產(chǎn)出變量描述性統(tǒng)計

本文研究了我國31 個省市2016-2019 年這四年間的銀行業(yè)投入產(chǎn)出數(shù)據(jù)，故共有124 個決策單元。由表1 可見，投入指標中各省市銀行四年間差距較大的是資產(chǎn)總額和從業(yè)人數(shù)；產(chǎn)出指標中各省市銀行四年間差距較大的是存、貸款余額。

3.2 運行結果分析

3.2.1 按年綜合分析

由表2 可知，以2016 年為基期，2017-2019 年我國銀行業(yè)整體的全要素生產(chǎn)率一直處于穩(wěn)步增長態(tài)勢，平均每年增長6.6%，其中技術進步的增長貢獻更大。具體看每年的技術效率和技術進步，只有2017 年的技術效率較前一年降低0.5%，其余的技術效率和技術進步均較前一年有所增加。

表2 2016-2019 年我國銀行業(yè)全要素生產(chǎn)率及其分解指標變動情況

3.2.2 按年分別分析

3.2.2.1 2017 年各省市銀行業(yè)效率分析

由表3 可以看出：①全要素生產(chǎn)率：2017 年西藏的銀行全要素生產(chǎn)率的增速一騎絕塵，達到了116.40%，增幅為2017-2019 年這三年中最大。除西藏以外，還有包括北京、河北等在內的22 個省市全要素生產(chǎn)率實現(xiàn)正向增長，余下9 個銀行全要素生產(chǎn)率較2016 年下降的省份中，天津下降幅度最大，降幅達到13.7%，為2017-2019 年這三年中最大。因此，2017 年銀行全要素生產(chǎn)率增長率極差最大，達到130.1%。②技術效率和技術進步：2017 年技術效率整體呈下降狀態(tài)，下降的省市達16 個；可喜的是，不同于技術效率，31 省市的技術進步水平均有所提高。

表3 2017 年各省市銀行業(yè)Malmquist 指數(shù)模型分析結果

3.2.2.2 2018 年各省市銀行效率分析

由表4 可以看出：①全要素生產(chǎn)率：2018 年河南省銀行全要素生產(chǎn)率增長率最高，達到30.30%，超出銀行全要素生產(chǎn)率增長率排在第二位的廣西壯族自治區(qū)7.3%之多。有8 個省市銀行全要素生產(chǎn)率較2017 年有所下降，包括北京市、天津市、浙江省等，其中浙江省的降幅最大，達3%。②技術效率和技術進步：2018 年我國銀行的技術效率和技術進步整體上均比2017 年有所提高，技術進步的提高幅度更為顯著。具體來說，就技術效率而言，較前一年提高的有包括遼寧省、吉林省在內的14 個省市，其中河南省和海南省銀行效率增長并駕齊驅，分別提高了17.3%和17.4%；就技術進步而言，只有北京市和福建省這兩個省市的銀行技術進步水平下降，降幅分別為1.4%和1.2%。

表4 2018 年各省市銀行業(yè)Malmquist 指數(shù)模型分析結果

3.2.2.3 2019 年各省市銀行效率分析

由表5 可知，①全要素生產(chǎn)率：在2019 年只有北京、浙江、吉林、河南、上海這五個省市的銀行全要素生產(chǎn)率較上一年有所下降，其中北京下降幅度最大，降幅達12.5%。在26 個銀行全要素生產(chǎn)率增長的省市中，天津市的漲幅最大，達52.3%。②技術效率和技術進步：2019 年有14 個省市技術效率水平提高，包括山西、寧夏、河北等，其中天津的銀行技術效率水平較去年提高最顯著，增幅達38%。比起技術效率的提高，技術進步水平的提高勢頭更加迅猛，2019 年只有北京和上海兩個省市銀行技術進步水平下降，且其中上海下降并不多，只有0.2%。

表5 2019 年各省市銀行業(yè)Malmquist 指數(shù)模型分析結果

3.2.3 按省市綜合分析

由表6 可知，綜合來看，我國各省市銀行業(yè)在2016-2019 年的平均全要素生產(chǎn)率絕大多數(shù)在1 以上，只有浙江省的指數(shù)為0.97 小于1，這說明我國銀行在2016-2019這四年里的運營效率在提升。分解來看，在2016-2019 年這四年間，有8 個省市的技術效率平均下來呈下降趨勢；相對于技術效率而言，技術進步這一項交出了更加優(yōu)秀的答卷，所有省市銀行四年間的平均技術進步水平全部提高。值得注意的是西藏銀行業(yè)在2016-2019 這四年間無論是在全要素生產(chǎn)率上，還是在技術效率和技術進步上都獨占鰲頭，表現(xiàn)得十分優(yōu)秀。

表6 2016-2019 年我國各省市銀行業(yè)Malmquist指數(shù)模型綜合分析結果

3.2.4 按省市按年分析

由表7 可知，以2016 年為基期，2017-2019 年我國有26 個省市的銀行全要素生產(chǎn)率最終處于增長態(tài)勢。其中，全要素生產(chǎn)率在三年內一直增長的有15 個省市，包括安徽、甘肅、廣東等；在三年內先增后降再增的有4 個省市，分別是福建、青海、新疆、重慶；在三年內由降轉增的有7 個省市，包括廣西、貴州、海南等。其余5 個省市的銀行全要素生產(chǎn)率在2017-2019 年這三年內發(fā)展勢頭不是很理想，處于下降趨勢。其中，北京、河南、吉林、上海這四個省市是由增轉降；相比之下，浙江的情況更應引起注意，因為它的銀行全要素生產(chǎn)率在2017-2019 年這三年里一直在下降。

表7 2017-2019 年31 省市銀行業(yè)全要素生產(chǎn)率變動情況匯總

3.2.5 按地區(qū)綜合分析

由表8 可知，總體上看，2016-2019 年我國各地區(qū)銀行全要素生產(chǎn)率分四個梯隊：第一梯隊為西南地區(qū)，其全要素生產(chǎn)率達到了1.1 以上；第二梯隊為華中地區(qū)，其全要素生產(chǎn)率超過1.08；第三梯隊為東北地區(qū)、華南地區(qū)和西北地區(qū)，這三個地區(qū)的全要素生產(chǎn)率均在1.06 上下小幅波動；第四個梯隊為華北地區(qū)和華東地區(qū)，這兩個地區(qū)銀行全要素生產(chǎn)率接近1.05。將全要素生產(chǎn)率分為技術效率和技術進步分別來看：①技術效率上，華中地區(qū)、華南地區(qū)和西南地區(qū)銀行業(yè)技術效率水平增長較大，增長了2%左右，相比之下，東北地區(qū)和西北地區(qū)技術效率水平則呈下降狀態(tài)，下降了0.5%左右。②技術進步上，各地區(qū)銀行的技術進步水平都處于增長狀態(tài)，其中仍是西南地區(qū)增長最多，為8.64%。相比之下，華東地區(qū)和華南地區(qū)技術進步水平增長較少，但漲幅也接近4%。以上各地區(qū)銀行在2016-2019 年的效率情況側面反映了我國近年來的宏觀經(jīng)濟政策，即加大對西南、西北、東北等地區(qū)的經(jīng)濟和金融扶持。

表8 2016-2019 年我國銀行效率按地區(qū)綜合分析表

4 結論與建議

本文通過運用Malmquist 指數(shù)模型對我國31 個省市銀行業(yè)進行了效率測評，經(jīng)包括按年綜合分析、按年分別分析、按省市綜合分析、按省市按年分析以及按地區(qū)綜合分析在內的五個角度的多維分析得出以下結論：

第一，總體上看，2016-2019 年我國銀行業(yè)全要素生產(chǎn)率處于增長狀態(tài)，其中技術進步的增長貢獻更大。

第二，分年度看，以2016 年為基期，2017-2019 年這三年中，2017 年銀行全要素生產(chǎn)率增長率的極差最大，唯一的技術效率下降的年份也處于此年。

第三，從各省市銀行研究期內發(fā)展勢頭看，北京、河南、吉林和上海這4 個省市銀行全要素生產(chǎn)率由增轉降，浙江省銀行全要素生產(chǎn)率更是一直在降，需要引起注意。

第四，按地區(qū)來看，西南、西北、東北等地區(qū)的銀行全要素生產(chǎn)率增長更為顯著，體現(xiàn)了我國近年來宏觀經(jīng)濟政策下對這幾個地區(qū)的金融和經(jīng)濟扶持力度和效果。

結合以上分析和結論，本文對我國各省市銀行業(yè)今后的運營和發(fā)展提出以下建議：

第一，由前面的研究可知，我國各省市銀行業(yè)最近幾年在技術進步水平上的發(fā)展較為迅猛，因此應趁熱打鐵，繼續(xù)加強技術創(chuàng)新能力，加大金融產(chǎn)品創(chuàng)新投入，加快傳統(tǒng)的金融借貸產(chǎn)品與數(shù)字化技術融合的速度，提高金融產(chǎn)品與互聯(lián)網(wǎng)融合的質量。

第二，在加快技術創(chuàng)新和技術進步的基礎上，也要注重對已有技術和資金投入的利用效率的提高。一是要合理配置網(wǎng)點和人力資源，隨著數(shù)字化技術的鋪開，勢必會涉及網(wǎng)點和人力資源的投入冗余，需要合理規(guī)劃進行精簡；二是要提高利用已有資金進行外貸的質量，不良貸款的存在一直是銀行提高運營效率的障礙，銀行要想提高盈利能力和競爭力，就要嚴守關口，提高貸款質量以減少新增不良貸款。

第三，應繼續(xù)“補短板”，“固長板”。銀行全要素生產(chǎn)率的高低可以側面反映地區(qū)經(jīng)濟發(fā)展情況。從近幾年我國西南、西北、東北等地區(qū)全要素生產(chǎn)率的顯著增勢可見，國家對特定地區(qū)的金融扶持政策已見成效，應繼續(xù)注重對經(jīng)濟發(fā)展速度較慢地區(qū)的經(jīng)濟和金融扶持，著重修補短板。與此同時也要堅固長板，留心經(jīng)濟發(fā)展速度較快地區(qū)的未來發(fā)展趨勢，必要時給予幫助，以幫助其鞏固之前的發(fā)展成果。