鄧向榮 曹紅 苗萌萌

摘要：文章對(duì)美國(guó)成立于1960年以前、在金融脫媒背景下存續(xù)至今的2 995家社區(qū)銀行，基于1992年～2014年的投入產(chǎn)出數(shù)據(jù)，運(yùn)用DEA-Malmquist指數(shù)法對(duì)全要素生產(chǎn)率變化進(jìn)行了測(cè)度。實(shí)證結(jié)果表明：美國(guó)社區(qū)銀行TFP增長(zhǎng)速度快于大型商業(yè)銀行，前者得益于技術(shù)進(jìn)步，后者則依靠規(guī)模擴(kuò)張，反映了金融脫媒背景下兩類(lèi)銀行的不同發(fā)展路徑；此外，純技術(shù)效率低下成為制約美國(guó)社區(qū)銀行TFP增長(zhǎng)的主要因素，規(guī)模效率影響不大。美國(guó)社區(qū)銀行效率變化的啟示是：著力推進(jìn)傳統(tǒng)信貸業(yè)務(wù)以外的技術(shù)創(chuàng)新活動(dòng)、全面提升銀行管理水平、積極開(kāi)展表外業(yè)務(wù)等是金融脫媒背景下提升我國(guó)地方性商業(yè)銀行運(yùn)營(yíng)效率、增強(qiáng)競(jìng)爭(zhēng)力的戰(zhàn)略選擇。

關(guān)鍵詞：美國(guó)社區(qū)銀行；效率變化；全要素生產(chǎn)率；技術(shù)進(jìn)步

一、 引言

銀行效率問(wèn)題一直是理論界和實(shí)務(wù)界共同關(guān)注的焦點(diǎn)，其根本原因在于效率高低不但關(guān)系著銀行運(yùn)營(yíng)成本與贏利能力高低、服務(wù)質(zhì)量?jī)?yōu)劣，而且也影響著社會(huì)資金分配效率乃至整個(gè)金融系統(tǒng)的穩(wěn)定。目前關(guān)于銀行效率的研究主要集中在三方面：一是對(duì)歐美及中國(guó)等國(guó)家地區(qū)商業(yè)銀行整體層面的效率測(cè)度；二是解析銀行效率的制約因素；三是銀行效率對(duì)宏觀經(jīng)濟(jì)運(yùn)行的影響。但對(duì)美國(guó)社區(qū)銀行這一類(lèi)特殊機(jī)構(gòu)運(yùn)營(yíng)效率的研究尚顯不足。

美國(guó)的金融脫媒始于20世紀(jì)60年代，至已走過(guò)五十余年的歷程，包括社區(qū)銀行在內(nèi)的存款性金融機(jī)構(gòu)在信貸市場(chǎng)上的份額從57%（1961年）快速下降至18%（2014年）。金融脫媒使得銀行之間以及銀行與其他金融機(jī)構(gòu)之間的競(jìng)爭(zhēng)日趨激烈，兼并重組與破產(chǎn)倒閉事件頻發(fā)。相比于大型商業(yè)銀行，以社區(qū)銀行為代表的中小型銀行囿于資本規(guī)模約束，在持續(xù)創(chuàng)新發(fā)展道路上面臨的形勢(shì)更為嚴(yán)峻，但其總體數(shù)量仍占美國(guó)全部商業(yè)銀行總數(shù)的90.1%；尤為突出的是，其中成立于1960以前的中小型銀行有3 343家至今仍在經(jīng)營(yíng)，占當(dāng)前全部中小銀行數(shù)量的65.8%。這些銀行在激烈競(jìng)爭(zhēng)中得以存活的原因是什么？其效率變化規(guī)律又是怎樣？特別地，在當(dāng)前我國(guó)金融脫媒趨勢(shì)已初步顯現(xiàn)、金融改革進(jìn)入深水區(qū)、利率市場(chǎng)化步伐加快的背景下，與美國(guó)社區(qū)銀行功能及定位相類(lèi)似的我國(guó)地方性商業(yè)銀行受到了前所未有的生存壓力與嚴(yán)峻挑戰(zhàn)，后者又能從美國(guó)社區(qū)銀行的發(fā)展中獲得哪些經(jīng)驗(yàn)與啟示？因此，深入研究美國(guó)社區(qū)銀行的效率變化及其經(jīng)驗(yàn)規(guī)律對(duì)推進(jìn)我國(guó)地方性商業(yè)銀行以及小微銀行創(chuàng)新發(fā)展乃至金融體系完善都具有重要借鑒意義。本文即通過(guò)對(duì)存續(xù)時(shí)間在50年以上的美國(guó)社區(qū)銀行效率變化進(jìn)行測(cè)度，以期從中找出其發(fā)展經(jīng)驗(yàn)及對(duì)我國(guó)的啟示。

二、 模型構(gòu)建

測(cè)度商業(yè)銀行效率的方法主要有兩大類(lèi)：以隨機(jī)前沿分析（SFA）為代表的參數(shù)法和以數(shù)據(jù)包絡(luò)分析（DEA）為代表的非參數(shù)分析法。隨機(jī)前沿分析法可以分解出供企業(yè)提升效率的信息，但其準(zhǔn)確性取決于模型設(shè)定情況；數(shù)據(jù)包絡(luò)分析法并不預(yù)先假設(shè)生產(chǎn)函數(shù)或分布，而是采用線性規(guī)劃方法來(lái)處理數(shù)據(jù)，因?qū)嵱眯愿鼜?qiáng)而大量被用于測(cè)度金融產(chǎn)業(yè)效率領(lǐng)域，本文亦選用該方法測(cè)度社區(qū)銀行效率。

數(shù)據(jù)包絡(luò)分析模型主要包括CCR效率評(píng)估模型（Charnes，Cooper，Rhodes，1979）、BCC效率評(píng)估模型（Ban-ker，Charmes，Cooper，1984）等及Malmquist指數(shù)法（F？覿re et al.，1992）等。CCR模型假定各企業(yè)規(guī)模報(bào)酬不變，根據(jù)樣本觀測(cè)值構(gòu)造效率前沿邊界，并用個(gè)體樣本觀測(cè)值與其距離遠(yuǎn)近來(lái)衡量個(gè)體樣本的相對(duì)效率。BCC模型放松了前述假定，將綜合技術(shù)效率分解為純技術(shù)效率和規(guī)模效率，以衡量不同規(guī)模報(bào)酬下的各決策單元是否處于最佳生產(chǎn)規(guī)模。上述兩模型都是基于特定時(shí)期、生產(chǎn)技術(shù)不變這一假設(shè)，但不同時(shí)期的生產(chǎn)前沿面及技術(shù)水平都存在差異，導(dǎo)致樣本各年間的效率值缺乏可比性?？疾烀绹?guó)社區(qū)銀行效率變化，其核心和根本在于對(duì)其全要素生產(chǎn)率（TFP）也即廣義的技術(shù)進(jìn)步率進(jìn)行測(cè)度，并對(duì)各時(shí)期TFP進(jìn)行比較。DEA-Malmquist指數(shù)分析法則基于生產(chǎn)技術(shù)可變假設(shè)，允許效率隨時(shí)間變化，故本文用以測(cè)度美國(guó)社區(qū)銀行效率動(dòng)態(tài)變化水平。

Malmquist指數(shù)法將全要素生產(chǎn)率的變動(dòng)（TFPC）看作是技術(shù)進(jìn)步（TC）和技術(shù)不變條件下技術(shù)效率變動(dòng)（EC）的“合力”，其計(jì)算公式為：

M（yt+1，xt+1，yt，xt）=[■×■]■

=[■]×[■×■]■式（1）

式（1）中，xt、yt分別代表t期的輸入向量和輸出向量，Dt（xt，yt）和Dt（xt+1，yt+1）分別表示決策單元以t期為技術(shù)基準(zhǔn)的t期與t+1期的有效性；Dt+1（xt，yt）和Dt+1（xt+1，yt+1）分別表示決策單元以t+1期為技術(shù)基準(zhǔn)的t期和t+1期的有效性。若M（yt+1，xt+1，yt，xt）>1，表示社區(qū)銀行TFP提高；反之則表示TFP有所下降。其中，[■×■]■為t期到t+1期的技術(shù)變化，衡量技術(shù)進(jìn)步對(duì)社區(qū)銀行經(jīng)營(yíng)的影響；■為t期到t+1期的的技術(shù)效率（EC）變化，衡量社區(qū)銀行在生產(chǎn)行為方面的改善情況，可以通過(guò)線性規(guī)劃進(jìn)一步分解為純技術(shù)效率變化（PEC）和規(guī)模效率變化（SEC），如式（2）：

[Dt（xt，yt）]-1=Max？準(zhǔn)，？姿？準(zhǔn)式（2）

s.t.-？準(zhǔn)yit+？姿yt≥0，xit-？姿xt≥0，？姿≥0

其含義是，給定t期輸入向量xt，輸出向量yt最大可能倍數(shù)的倒數(shù)。通過(guò)增加規(guī)模報(bào)酬變化時(shí)所需的約束條件∑？姿=1，即可完成既定的規(guī)模報(bào)酬條件下企業(yè)純技術(shù)效率變化（PEC）與規(guī)模效率變化的分解。故Malmquist指數(shù)法的實(shí)質(zhì)是衡量技術(shù)進(jìn)步與技術(shù)效率變化（包括規(guī)模效率變化與純技術(shù)效率變化）等指標(biāo)變化對(duì)全要素生產(chǎn)率變化的影響。因此，全要素生產(chǎn)率變動(dòng)也可以表示為：TFPC=TC×EC=TC×PEC×SEC。

三、 指標(biāo)選取與數(shù)據(jù)描述性統(tǒng)計(jì)分析

1. 指標(biāo)確定。應(yīng)用Malmquist指數(shù)法測(cè)度銀行效率的關(guān)鍵在于投入產(chǎn)出指標(biāo)的確定。既有研究由于視角和側(cè)重點(diǎn)不同，其投入與產(chǎn)出變量的選取也存在差異。比較常用的方法主要有：資產(chǎn)法、生產(chǎn)法、中介法、附加價(jià)值法、用戶(hù)成本法等五種方法。資產(chǎn)法以銀行“吸收存款、發(fā)放貸款”的經(jīng)營(yíng)核心為基礎(chǔ)，將銀行存款及其他負(fù)債視為投入，將銀行貸款及其他資產(chǎn)視為產(chǎn)出，強(qiáng)調(diào)資金運(yùn)動(dòng)過(guò)程，側(cè)重考察銀行的規(guī)模效率。生產(chǎn)法將銀行視為生產(chǎn)金融產(chǎn)品的企業(yè)，偏重于選取與金融產(chǎn)品生產(chǎn)相關(guān)的投入產(chǎn)出指標(biāo)，主要用以評(píng)估銀行分支機(jī)構(gòu)的效率。中介法與資產(chǎn)法類(lèi)似，將銀行視為在存貸款方面提供金融服務(wù)的中介機(jī)構(gòu)，適合于測(cè)度主要從其他金融機(jī)構(gòu)獲取高額存款并轉(zhuǎn)為貸款或投資的銀行的經(jīng)營(yíng)效率。附加價(jià)值法主張以單一要素為銀行價(jià)值創(chuàng)造的重要程度為標(biāo)準(zhǔn)評(píng)判各投入產(chǎn)出指標(biāo)。用戶(hù)成本法則用銀行某一業(yè)務(wù)（項(xiàng)目）在經(jīng)營(yíng)過(guò)程中所產(chǎn)生的凈值（或成本）為核心標(biāo)準(zhǔn)劃分投入產(chǎn)出指標(biāo)。

由于社區(qū)銀行是一個(gè)特殊性金融機(jī)構(gòu)群體，產(chǎn)品具有多樣性，而且對(duì)應(yīng)不同類(lèi)型的風(fēng)險(xiǎn)，因此合適的測(cè)度方法，應(yīng)該基于測(cè)度績(jī)效的目標(biāo)和其所處的社會(huì)環(huán)境。但上述方法對(duì)投入產(chǎn)出指標(biāo)設(shè)定的差異較大，如“資產(chǎn)法”與“生產(chǎn)法”將存款視為投入指標(biāo)，而“中介法”將其視為產(chǎn)出指標(biāo)。附加價(jià)值法和用戶(hù)成本法對(duì)于劃分投入項(xiàng)和產(chǎn)出項(xiàng)具有相對(duì)性，不適用于時(shí)間序列下的銀行效率測(cè)度。事實(shí)上，銀行作為金融中介機(jī)構(gòu)，存貸款僅是經(jīng)營(yíng)的中間過(guò)程，很難被界定為是投入抑或產(chǎn)出指標(biāo)，而銀行在經(jīng)營(yíng)過(guò)程中的各項(xiàng)支付與利潤(rùn)所得則極少存在爭(zhēng)議，也與銀行經(jīng)營(yíng)目標(biāo)相一致。鑒于此，本文將社區(qū)銀行資產(chǎn)負(fù)債表和損益表中對(duì)應(yīng)的員工薪酬、運(yùn)營(yíng)費(fèi)用、利息支出和固定資產(chǎn)投入等作為投入指標(biāo)，而將利息收入和非利息收入作為產(chǎn)出指標(biāo)，以此來(lái)考察美國(guó)社區(qū)銀行的經(jīng)營(yíng)效率。

2. 數(shù)據(jù)選取及描述性統(tǒng)計(jì)分析。本文數(shù)據(jù)主要來(lái)源于美國(guó)聯(lián)邦存款保險(xiǎn)公司（FDIC）所統(tǒng)計(jì)的各社區(qū)銀行1992年～2014年各年度財(cái)務(wù)報(bào)表。為盡可能考察金融脫媒背景下美國(guó)社區(qū)銀行效率變化的長(zhǎng)期規(guī)律，本文從FDIC所統(tǒng)計(jì)的1992年登記在冊(cè)的13 279家社區(qū)銀行中，選取在1960年以前成立并存續(xù)至今的社區(qū)銀行共計(jì)3 343家，剔除數(shù)據(jù)不全的348家，剩余2 995家是為檢測(cè)樣本。本文還選取了相同時(shí)間條件下成立的、并且至今仍在經(jīng)營(yíng)的47家美國(guó)大型商業(yè)銀行作為對(duì)比樣本。

美國(guó)社區(qū)銀行的相關(guān)數(shù)據(jù)描述性統(tǒng)計(jì)特征如下：

第一，投入部分中利息支出均值最高，為228.21萬(wàn)美元，占全部投入的28.7%，運(yùn)營(yíng)費(fèi)用均值最低，占全部投入的20%，各項(xiàng)投入占比整體上差別不大；第二，產(chǎn)出部分中利息收入均值為671.67萬(wàn)美元，占全部收入的87.2%，可見(jiàn)利息收入仍是美國(guó)社區(qū)銀行的主要收入來(lái)源；第三，各投入產(chǎn)出指標(biāo)最大值和最小值相差數(shù)千倍乃至萬(wàn)倍，如樣本銀行中非利息收入最低僅為僅1 000美元，最高則達(dá)到8 730.5萬(wàn)元，相應(yīng)方差也較大，說(shuō)明各銀行的盈利能力差別迥異，但投入產(chǎn)出效率還有待后文驗(yàn)證。

四、 實(shí)證分析

運(yùn)用DEAP2.1軟件，使用DEA-Malmquist指數(shù)方法，計(jì)算得出美國(guó)2 995家社區(qū)銀行與對(duì)比組47家大型商業(yè)銀行1992年～2014年間全要素生產(chǎn)率動(dòng)態(tài)變化情況，從中可以看出：

第一，1992年～2014年間美國(guó)社區(qū)銀行的全要素生產(chǎn)率（TFP）變動(dòng)均值為1.024，即整體上呈現(xiàn)增長(zhǎng)的趨勢(shì)，年均增速2.4%，高于美國(guó)商業(yè)銀行1.1%的增速。從TFP歷年變化情況看，美國(guó)社區(qū)銀行的全要素生產(chǎn)率變化值在多數(shù)年份里（有13個(gè)年份）高于大型商業(yè)銀行，特別是2008年金融危機(jī)以來(lái)，美國(guó)社區(qū)銀行的全要素生產(chǎn)率增速加快，遠(yuǎn)高于大型商業(yè)銀行。

第二，美國(guó)社區(qū)銀行技術(shù)變化均值為1.036，呈增長(zhǎng)態(tài)勢(shì)，其速度年均達(dá)到了3.6%，成為拉動(dòng)社區(qū)銀行TFP增長(zhǎng)的主要原因；而大型商業(yè)銀行的技術(shù)變化僅為0.5%，技術(shù)變化對(duì)TFP增長(zhǎng)的作用并不明顯。此外，從社區(qū)銀行的縱向分析也可以得到相同結(jié)論：1993年～2014年間社區(qū)銀行TFP變動(dòng)并不均，有13個(gè)年份增長(zhǎng)（TFP變化大于1），8個(gè)年份衰退（TFP變化小于1）。TFP增長(zhǎng)的13個(gè)年份中，有12個(gè)年份出現(xiàn)技術(shù)進(jìn)步，年均進(jìn)步速度為7.7%；同期僅有3個(gè)年份出現(xiàn)技術(shù)效率增長(zhǎng)，其余10個(gè)年份都是技術(shù)效率降低，其中尤以純技術(shù)效率的下降最為突出，年均下降3%；TFP衰退的8個(gè)年份中，有6個(gè)年份出現(xiàn)技術(shù)退步（技術(shù)變化小于1），年均退步2.7%；同期只有4個(gè)年份出現(xiàn)技術(shù)效率降低。由此說(shuō)明，技術(shù)進(jìn)步的變動(dòng)是美國(guó)社區(qū)銀行TFP變化的主要影響因素，技術(shù)效率變化的影響并不十分明顯。

第三，美國(guó)社區(qū)銀行技術(shù)效率整體呈下降趨勢(shì)，年均降速1.1%，其中純技術(shù)效率變化均值為0.991，小于規(guī)模效率變化平均值0.999，幾乎為1，說(shuō)明純技術(shù)效率低下是技術(shù)效率下降的主要原因，規(guī)模效率變動(dòng)對(duì)技術(shù)效率乃至TFP的影響可以忽略不計(jì)；相反美國(guó)大型商業(yè)銀行技術(shù)效率變化呈逐年增長(zhǎng)態(tài)勢(shì)，但是幅度并不大，構(gòu)成其技術(shù)效率變化的純技術(shù)效率變化為1.001，規(guī)模效率變化為1.004，說(shuō)明，美國(guó)大型商業(yè)銀行技術(shù)效率增長(zhǎng)的主要?jiǎng)右蛟谟谝?guī)模擴(kuò)張。

五、 結(jié)論與啟示

本文運(yùn)用DEA-Malmquist指數(shù)法對(duì)美國(guó)社區(qū)銀行TFP動(dòng)態(tài)變化情況進(jìn)行了測(cè)度和解析，得出以下結(jié)論：（1）美國(guó)社區(qū)銀行TFP增長(zhǎng)速度快于大型商業(yè)銀行，這是其在金融脫媒壓力下得以持續(xù)生存的重要原因；（2）美國(guó)社區(qū)銀行的TFP增長(zhǎng)主要得益于技術(shù)進(jìn)步，而大型商業(yè)銀行則依賴(lài)于規(guī)模擴(kuò)張，這反映了金融脫媒背景下兩類(lèi)銀行業(yè)的不同發(fā)展路徑；（3）美國(guó)社區(qū)銀行的技術(shù)效率水平普遍偏低，且遠(yuǎn)嚴(yán)重于大型商業(yè)銀行，其中純技術(shù)效率低下是主要引致因素，規(guī)模效率的貢獻(xiàn)度不大，說(shuō)明社區(qū)銀行的管理水平等成為制約其高速發(fā)展的障礙。

與美國(guó)社區(qū)銀行對(duì)比，我國(guó)地方性商業(yè)銀行也正在面臨相似的困境。當(dāng)前，中國(guó)金融脫媒趨勢(shì)日漸明顯。相關(guān)統(tǒng)計(jì)顯示，2002年我國(guó)新增人民幣貸款占社會(huì)融資總量的比例以及商業(yè)銀行人民幣存款余額同比增速分別為92%與19.0%，至2014年已分別下降至59.4%與9.1%。近些年互聯(lián)網(wǎng)金融的蓬勃興起與利率市場(chǎng)化進(jìn)程的加速，必將使得與大型商業(yè)銀行相比本就不具有規(guī)模優(yōu)勢(shì)的地方性商業(yè)銀行面臨更大的生存壓力?？偨Y(jié)美國(guó)社區(qū)銀行在金融脫媒過(guò)程中的效率變化及經(jīng)驗(yàn)規(guī)律，對(duì)我國(guó)地方性商業(yè)銀行發(fā)展具有如下啟示：

第一，充分發(fā)揮技術(shù)創(chuàng)新在地方性商業(yè)銀行全要素生產(chǎn)效率提升中的作用。21世紀(jì)以來(lái)，以互聯(lián)網(wǎng)技術(shù)、移動(dòng)通信技術(shù)、云計(jì)算為代表的信息技術(shù)極大改變了社會(huì)的生產(chǎn)生活方式，互聯(lián)網(wǎng)金融更是沖擊了傳統(tǒng)金融運(yùn)營(yíng)模式及理念。據(jù)統(tǒng)計(jì)，截止到2013年末，互聯(lián)網(wǎng)支付金額總計(jì)達(dá)到9.22萬(wàn)億，P2P網(wǎng)絡(luò)借貸平臺(tái)累計(jì)交易額超過(guò)600億，互聯(lián)網(wǎng)金融渠道成本低于傳統(tǒng)銀行渠道成本25%?；ヂ?lián)網(wǎng)金融打破了既有的地域限制，進(jìn)一步壓縮以區(qū)域內(nèi)經(jīng)營(yíng)為立足點(diǎn)的地方性商業(yè)銀行的業(yè)務(wù)空間。因此，地方性商業(yè)銀行需要緊隨時(shí)代發(fā)展，積極推進(jìn)金融互聯(lián)網(wǎng)業(yè)務(wù)創(chuàng)新，并探索大數(shù)據(jù)、云計(jì)算技術(shù)等在商業(yè)銀行的應(yīng)用，將技術(shù)進(jìn)步作為推動(dòng)商業(yè)銀行發(fā)展的主要力量。

第二，單純的規(guī)模擴(kuò)張并非提高地方性商業(yè)銀行效率、增強(qiáng)企業(yè)競(jìng)爭(zhēng)力的最佳方法，提升管理水平等以改善純技術(shù)效率，成為地方性商業(yè)銀行增強(qiáng)核心競(jìng)爭(zhēng)力與持續(xù)發(fā)展能力的重要保障。當(dāng)前，我國(guó)地方性商業(yè)銀行總資產(chǎn)僅占銀行業(yè)金融機(jī)構(gòu)資產(chǎn)總額的22.15%，稅后利潤(rùn)占銀行業(yè)金融機(jī)構(gòu)稅后利潤(rùn)總額的20.65%，因此在規(guī)模上無(wú)法與國(guó)有商業(yè)銀行及股份制商業(yè)銀行相競(jìng)爭(zhēng)，通過(guò)提升規(guī)模效率促進(jìn)全要素生產(chǎn)率提高的策略可行性很小。但地方性商業(yè)銀行可以通過(guò)完善法人治理結(jié)構(gòu)、定位于中小企業(yè)融資市場(chǎng)、提升金融服務(wù)水平等方式獲得綜合技術(shù)效率，提升企業(yè)市場(chǎng)競(jìng)爭(zhēng)力。

第三，積極開(kāi)展中間業(yè)務(wù)及表外業(yè)務(wù)，提升非利息收入占總收入比重，優(yōu)化地方性商業(yè)銀行收入結(jié)構(gòu)。一直以來(lái)，我國(guó)地方性商業(yè)銀行都是采用針對(duì)中小企業(yè)和個(gè)人的信貸服務(wù)模式生存，通過(guò)存貸利差獲得的收入占總收入的80%以上，中間業(yè)務(wù)收入不足20%，中間業(yè)務(wù)產(chǎn)品不到400種，這與美國(guó)商業(yè)銀行中間業(yè)務(wù)收入占比60%～70%，中間業(yè)務(wù)產(chǎn)品近4 000種的情況相差甚遠(yuǎn)。隨著中國(guó)利率市場(chǎng)化、金融脫媒進(jìn)程加速等帶來(lái)的壓力與挑戰(zhàn)與日俱增，我國(guó)地方性商業(yè)銀行亟需調(diào)整傳統(tǒng)的存貸經(jīng)營(yíng)模式，通過(guò)業(yè)務(wù)創(chuàng)新實(shí)現(xiàn)新的可持續(xù)發(fā)展。

參考文獻(xiàn)：

[1] Banker R D， Charmes A， Cooper W W.Some models for estimating technical and scale inefficiencies in data envelopment analysis[J].Management science，1984，30（9）：1078-1092.

[2] Charnes A， Cooper W W， Rhodes E L.Measuring Efficiency of Decision-Making Units[J].European Journal of Operational Research，1979， （2）：429-444.

[3] 張健華，王鵬.中國(guó)銀行業(yè)廣義Malmquist生產(chǎn)率指數(shù)研究[J].經(jīng)濟(jì)研究，2010，（8）：128-140.

[4] 鄧向榮，苗萌萌.美國(guó)社區(qū)銀行風(fēng)險(xiǎn)控制體系及經(jīng)驗(yàn)借鑒[J].國(guó)際金融研究，2012，（10）：76-84.

[5] 苗萌萌.金融脫媒背景下美國(guó)社區(qū)銀行發(fā)展路徑及效率研究[D].天津：南開(kāi)大學(xué)學(xué)位論文，2013.

基金項(xiàng)目：天津市科技發(fā)展戰(zhàn)略研究計(jì)劃項(xiàng)目（項(xiàng)目號(hào)：13ZLZLZF08600）。

作者簡(jiǎn)介：鄧向榮（1955-），女，漢族，天津市人，南開(kāi)大學(xué)經(jīng)濟(jì)學(xué)院教授、博士生導(dǎo)師，研究方向?yàn)榭萍冀鹑谂c產(chǎn)業(yè)政策；曹紅（1983-），女，漢族，山東省濟(jì)寧市人，南開(kāi)大學(xué)經(jīng)濟(jì)學(xué)院博士生，研究方向?yàn)榻鹑趧?chuàng)新與產(chǎn)業(yè)升級(jí)；苗萌萌（1984-），女，漢族，河南省許昌市人，南開(kāi)大學(xué)經(jīng)濟(jì)學(xué)院博士，就職于中國(guó)人民銀行金融監(jiān)管局，研究方向?yàn)榻鹑诒O(jiān)管。

收稿日期：2015-12-12。