段永瑞 郭清漪

摘 要： 引入多方向效率分析模型（MEA）模型對我國16家上市商業(yè)銀行2011—2018年各指標(biāo)的效率進(jìn)行了評估，結(jié)果顯示國有銀行效率低下的主要原因是凈利息利潤、存款和勞動(dòng)力的效率較低。為進(jìn)一步研究中國商業(yè)銀行生產(chǎn)率的構(gòu)成情況，引入基于方向性距離函數(shù)的Luenberger生產(chǎn)率指數(shù)及其分解結(jié)果，來評價(jià)中國商業(yè)銀行各指標(biāo)的生產(chǎn)率，得到中國商業(yè)銀行生產(chǎn)率的變化主要?dú)w功于凈利息利潤和凈非利息利潤生產(chǎn)率的變化。

關(guān)鍵詞： 銀行效率評價(jià);數(shù)據(jù)包絡(luò)分析;多方向效率分析;Luenberger生產(chǎn)率指數(shù)

Abstract： In this paper， we use MEA model to evaluate the efficiency of 16 Chinese listed commercial banks from 2011 to 2018， investigating the factor affecting state-owned banks inefficient， which proved the inefficient of state-owned banks is due to low efficiency of net interest income， total deposits and labor. Also， the Luenberger productivity index is applied to investigate the composition of total factor productivity. The results indicate that the productivity improvement of net interest income and non-interest income is the dormant force behind the total factor productivity change.

Key words： bank efficiency evaluation; data envelopment analysis; multi-directional efficiency analysis; Luenberger productivity index

目前中國銀行業(yè)正在迅速發(fā)展并逐步轉(zhuǎn)向市場導(dǎo)向，但是國有銀行仍然主導(dǎo)著市場。由于歷史因素，國有銀行與股份制銀行的組織構(gòu)架、運(yùn)營機(jī)制等都大有不同，如國有銀行存在員工冗余、資產(chǎn)質(zhì)量低、不良貸款率高等問題。只追求擴(kuò)大規(guī)模并不能作為銀行發(fā)展的目標(biāo)，而匹配新業(yè)務(wù)品種、改善服務(wù)質(zhì)量、提高決策能力和管理能力是目前國有銀行的關(guān)注點(diǎn)。

國內(nèi)外學(xué)者利用各種不同的評價(jià)方法評價(jià)我國商業(yè)銀行的生產(chǎn)率與效率，得到不同的結(jié)論。數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis， DEA）是最常用的方法之一，其優(yōu)點(diǎn)不僅在于無需像參數(shù)法那樣構(gòu)建具體函數(shù)形式的生產(chǎn)前沿面，而且同時(shí)能夠處理多產(chǎn)出與多投入的問題，故近期被廣泛應(yīng)用于銀行效率評估。Asmild 等（2012）利用基于DEA的多方向效率分析（MEA）模型評價(jià)了1997—2008年14家中國商業(yè)銀行的效率，并將效率分解到不同的投入產(chǎn)出因素上，結(jié)論是股份制銀行比國有銀行效率高，且1997—2007年它們之間的差異在減少，兩者在研究期間效率均有所升高。但是論文中數(shù)據(jù)顯示在2008年，股份制銀行與國有銀行之間的差距又開始增大。韓松等（2014）從銀行運(yùn)營結(jié)構(gòu)角度，通過構(gòu)建復(fù)雜網(wǎng)絡(luò)DEA模型對銀行整體結(jié)構(gòu)效率進(jìn)行了評價(jià)。Arabi等（2015）指出，采用不良產(chǎn)出時(shí)Malmquist生產(chǎn)率指數(shù)存在無解問題，并提出了模型修改解決方案。鐘世和等（2018）運(yùn)用改進(jìn)的SFA模型和方差法，從動(dòng)態(tài)視角考察了商業(yè)銀行效率和風(fēng)險(xiǎn)的相互關(guān)系。于剛等（2018）運(yùn)用DEA-Malmquist 生產(chǎn)率指數(shù)評估中國15家商業(yè)銀行在2014—2016年的全要素生產(chǎn)率，得到股份制商業(yè)銀行全要素生產(chǎn)率上升、國有銀行全要素生產(chǎn)率有輕微下降趨勢的結(jié)論。

雖然現(xiàn)有研究指出國有商業(yè)銀行效率偏低是由結(jié)構(gòu)臃腫、政治性貸款等原因造成的，但是對于其效率模式以及生產(chǎn)率模式的具體差異卻鮮有定量研究。而進(jìn)一步明確地分析單個(gè)指標(biāo)的效率及生產(chǎn)率，能夠更明確并有針對性地提高銀行的運(yùn)營效率及生產(chǎn)技術(shù)。

針對以上問題，本文引入多方向效率評價(jià)MEA模型，評價(jià)中國16家上市銀行2011—2018年的效率，比較國有銀行與股份制銀行之間效率差異的原因。采用Luenberger生產(chǎn)率指數(shù)及其分解結(jié)果來評價(jià)中國商業(yè)銀行各指標(biāo)的生產(chǎn)率。

1 指標(biāo)選取與數(shù)據(jù)來源

1.1 模型指標(biāo)選取

本文將商業(yè)銀行作為一個(gè)營利性組織，即通過一系列的投入（資產(chǎn)、勞動(dòng)力和存款）獲得凈利潤，包括利息凈利潤和非利息凈利潤（Mceachern 等，2007）。考慮到銀行不良貸款（Non-Performing Loan，NPL）是影響銀行效率的一個(gè)重要的因素，是一種非期望產(chǎn)出，本文參考了Thanassoulis等（2008）的處理方法，將NPL作為投入指標(biāo)處理。

1.2 數(shù)據(jù)來源

中國現(xiàn)有16家上市銀行，其中包括五家國有銀行（State-Owned Banks，SOBs）：中國農(nóng)業(yè)銀行、中國銀行、中國建設(shè)銀行、中國工商銀行和交通銀行;11家股份制銀行（Joint-Stock Banks，JSBs）： 北京銀行、光大銀行、華夏銀行、民生銀行、南京銀行、寧波銀行、浦發(fā)銀行、興業(yè)銀行、招商銀行、中信銀行和平安銀行。所有數(shù)據(jù)均來自各銀行的年度報(bào)告與《中國金融年鑒》。

2 模型和方法介紹

2.1 多方向效率分析模型（Multi-directional Efficiency Analysis， MEA）

多方向效率分析模型（MEA）模型最初由Bogetoft （1998）提出。本文采用Asmild 和Matthews （2012）優(yōu)化后的模型來評估單個(gè)投入產(chǎn)出指標(biāo)的效率值，分析造成銀行效率提高或者降低的具體因素，并希望通過減少勞動(dòng)力（LAB）、不良貸款（NPL）、增加利息凈利潤（NII）和非利息凈收入（NNI）來實(shí)現(xiàn)效率的提高，存款總額（DEP）作為重要投入指標(biāo)也需要對其效率進(jìn)行分析（分別為模型中的i=1，2，3與r=1，2）。而固定資產(chǎn)（FA）由于在銀行運(yùn)作過程中較為穩(wěn)定，降低的難度較大，故作為非自由變量，其余五個(gè)指標(biāo)為自由變量。其中，勞動(dòng)力（LAB）、不良貸款（NPL）和存款總額（DEP）作為投入變量，利息凈利潤（NII）和非利息凈收入（NNI）作為產(chǎn)出變量。

由下述線性規(guī)劃得到目標(biāo)決策單元的理想?yún)⒖键c(diǎn)（xt0，yt0）：

同理，全要素的效率變化率和技術(shù)前沿面變化也是各個(gè)指標(biāo)的算數(shù)平均數(shù)之和。此方法最大的優(yōu)點(diǎn)就在于評價(jià)各個(gè)指標(biāo)生產(chǎn)率的同時(shí)，全要素生產(chǎn)率又是各個(gè)單獨(dú)指標(biāo)生產(chǎn)率的線性和。

3 中國商業(yè)銀行分指標(biāo)效率及生產(chǎn)率評價(jià)

3.1 基于MEA的中國商業(yè)銀行分指標(biāo)效率評價(jià)

為了比較國有銀行（SOBs）與股份制銀行（JSBs）之間效率模式的差異，探索國有銀行效率低下的主要原因，研究造成銀行被評估為非有效的主要因素，并探索銀行在提高效率方面的切入點(diǎn)，引入了多方向效率分析模型（MEA）作為分指標(biāo)的效率分析模型，評價(jià)了銀行單個(gè)指標(biāo)的效率，以比較國有銀行和股份制銀行之間效率的差異。

3.1.1 中國商業(yè)銀行業(yè)分指標(biāo)效率評價(jià)

本節(jié)將16家銀行8年的數(shù)據(jù)分別作為不同的決策單元，共128個(gè)DMU，應(yīng)用MEA模型評價(jià)中國商業(yè)銀行相對于有效前沿面的效率，并分析中國商業(yè)銀行業(yè)2011年到2018年各指標(biāo)的效率。由于此時(shí)各年份中的決策單元擁有同一個(gè)效率前沿面，故評估結(jié)果中，不同年份的效率也可進(jìn)行縱向比較。

（1） 國有銀行和股份制銀行效率趨勢分析

利用MEA模型計(jì)算得到中國16家商業(yè)銀行的相對效率，并將各銀行分別在當(dāng)年國有銀行或股份制銀行中所占存款市場份額作為權(quán)重，計(jì)算國有銀行與股份制銀行的平均效率值，評估結(jié)果如圖1所示。

MEA模型的評價(jià)結(jié)果顯示在研究期間，國有銀行平均相對效率要持續(xù)低于股份制銀行。中國商業(yè)銀行的平均效率在2011—2014年上升，2014年以后中國商業(yè)銀行效率下降，2017年后中國商業(yè)銀行效率有小幅回升，在2018年國有銀行和股份制銀行的相對效率分別達(dá)到0.573和0.932。

（2） 中國商業(yè)銀行業(yè)分指標(biāo)效率評價(jià)

本節(jié)利用式（3）將商業(yè)銀行MEA效率分解到各個(gè)指標(biāo)，并將每年各指標(biāo)的全國效率做平均值，得到圖2。

由圖2可以發(fā)現(xiàn)，在所研究的5個(gè)投入和產(chǎn)出指標(biāo)中，平均相對效率最高的是存款總額（DEP）和凈利息利潤（NII），兩個(gè)指標(biāo)的平均相對效率從2011年開始幾乎趨于一致。2014年，存款總額的平均相對效率達(dá)到0.939，凈利息利潤的平均相對效率達(dá)到0.933。因?yàn)檠胄薪迪?，?015年起中國商業(yè)銀行的凈利息利潤效率有所下降。

造成前沿面以外的商業(yè)銀行相對效率低的主要因素是非利息利潤，其次是勞動(dòng)力和不良貸款。在2011年，非利息利潤的相對效率僅有0.777，不過由于銀行的各種業(yè)務(wù)以及理財(cái)產(chǎn)品在不斷進(jìn)步和發(fā)展，在2011—2018年，非利息利潤的效率在不斷上升。

3.1.2 SOBs與JSBs效率模式差異比較

首先評價(jià)相對于整體前沿面的各指標(biāo)效率值，并針對各個(gè)指標(biāo)，進(jìn)行Mann-Whitney U秩和統(tǒng)計(jì)分析，統(tǒng)計(jì)結(jié)果如表1所示。兩組銀行所有指標(biāo)之間都存在顯著性差異（P<0.001），尤其是凈利息利潤之間差異較大。故造成國有銀行與股份制銀行之間效率差異的主要因素首先是凈利息利潤，其次是存款與勞動(dòng)力。

圖3是2011—2018年各年分別基于MEA模型評估得到的各因素相對效率值。股份制銀行勞動(dòng)力效率較高，每年的平均效率值都在90%以上;國有銀行由于機(jī)構(gòu)臃腫、員工工作效率低，勞動(dòng)力效率顯著低于股份制銀行。雖然近幾年針對這方面問題做出了整改，勞動(dòng)力的效率問題得到了一定的改善，但相比股份制銀行還有一定差距。

由上一節(jié)的分析我們已經(jīng)得到，存款方面的相對效率在各指標(biāo)中處在較高的水平，兩者每年的平均效率值都在80%以上，兩者分別在2014年和2015年達(dá)到了最高值（SOBs在2014年達(dá)到89.8%，JSBs在2015年達(dá)到96.8%）。

對于非期望產(chǎn)出不良貸款，股份制銀行一直保持著較高的效率。國有銀行的不良貸款效率在研究期內(nèi)存在波動(dòng)，可見銀行與政府在積極地做出應(yīng)對與調(diào)整，但是最近幾年的相對效率值依舊不理想，2018年不良貸款的相對效率為73.4%。

凈利息利潤方面，從表1中可見國有銀行在該指標(biāo)的相對效率上顯著低于股份制銀行。國有銀行由于其在一定程度上受到國家政策及相關(guān)企業(yè)盈利情況的影響，相對效率波動(dòng)較大。央行在2014年年底與2015年年初兩次下調(diào)貸款和存款基準(zhǔn)利率，在2014年后國有銀行的凈利息利潤效率接連三年下降。非利息利潤方面，股份制銀行的效率一直保持著較高的效率并逐步上升，從2011年的79.9%一路上升到2018年的96.5%，可見在這8年期間股份制銀行的各種金融服務(wù)得到了不斷的進(jìn)步與發(fā)展。與此同時(shí)，股份制銀行也與國有銀行逐漸拉開距離，2018年國有銀行的非利息利潤效率僅為71.2%。

3.1.3 銀行層面效率模式分析

本節(jié)我們將針對具體不同銀行進(jìn)行效率模式的對比分析，表2是中國16家商業(yè)銀行2011—2018年基于MEA效率模型的評估結(jié)果;表3是分解到各指標(biāo)效率以及總效率在2011—2018年間的效率均值。

由表2和表3可見，16家銀行中表現(xiàn)最佳的是興業(yè)銀行，其MEA平均相對效率最高，為0.972，在2011—2018年共有四年被評價(jià)為有效，其各指標(biāo)的相對效率均為1。緊隨其后的是民生銀行（0.963）和北京銀行（0.961）。

表現(xiàn)最不理想的商業(yè)銀行是農(nóng)業(yè)銀行，2018年農(nóng)業(yè)銀行的相對效率只有0.484，2011—2018年平均效率為0.512，處在行業(yè)最低水平，除凈利息利潤外，每一個(gè)指標(biāo)的平均相對效率值都排在末位。其中，非利息利潤的平均效率值為0.582，是其效率低下最大原因，這說明農(nóng)業(yè)銀行的業(yè)務(wù)和利潤模式過于單一，非利息收入來源占比較小;勞動(dòng)力和不良貸款的平均相對效率為0.714和0.693，也需要引起關(guān)注。

根據(jù)每家銀行導(dǎo)致效率較低原因的不同，剩下的12家商業(yè)銀行根據(jù)各指標(biāo)的平均效率可以被分成三類。第一類只有中國銀行，其凈利息利潤效率水平處在行業(yè)末位，是影響銀行效率的主要原因。由于國有銀行的凈利息利潤受到貸款質(zhì)量與國家調(diào)息政策的影響，故提高凈利息利潤的相對效率可以從減少不良貸款的角度切入;或多元化發(fā)展銀行業(yè)務(wù)，使凈利息利潤的投入向非利息利潤方向轉(zhuǎn)移來提高綜合運(yùn)營效率。

第二類銀行造成效率低下的主要原因是不良貸款，這類銀行包括光大銀行、招商銀行和中信銀行。這類銀行提升總體效率的關(guān)鍵在于不良貸款的管理，銀行應(yīng)該加強(qiáng)銀行企業(yè)貸款的監(jiān)控和管理，增強(qiáng)風(fēng)險(xiǎn)意識(shí)，積極推出和實(shí)施控制不良貸款的解決方案。

第三類商業(yè)銀行的效率則受到非利息利潤的負(fù)面影響。對于這類銀行，需要調(diào)整其業(yè)務(wù)和利潤模式，不斷拓展新的業(yè)務(wù)渠道，將業(yè)務(wù)從利息收入不斷向非利息收入擴(kuò)展，使業(yè)務(wù)和盈利渠道更加多樣化發(fā)展。

3.2 基于Luenberger生產(chǎn)率指數(shù)的中國商業(yè)銀行分指標(biāo)生產(chǎn)率分析

為了探索引起中國商業(yè)銀行生產(chǎn)率變化的主要來源，本文引入了Luenberger生產(chǎn)率指數(shù)，下面將分析基于Luenberger生產(chǎn)率指數(shù)（以下簡稱L生產(chǎn)率）的評估結(jié)果。

3.2.1 中國商業(yè)銀行業(yè)分指標(biāo)生產(chǎn)率評價(jià)

（1） Luenberger生產(chǎn)率指數(shù)

圖4為中國16家商業(yè)銀行各個(gè)指標(biāo)L生產(chǎn)率的平均值。商業(yè)銀行2011—2018年全要素生產(chǎn)率累積提高了37.1%，平均增長率為5.3%。在研究期間，商業(yè)銀行平均全要素生產(chǎn)率處于一個(gè)增長—下降—再增長的波浪式趨勢狀態(tài)。2011—2015年，L生產(chǎn)率持續(xù)上升，平均增長率為17.2%，之后兩年L生產(chǎn)率下降（年平均17.5%），2017年后又有小幅上升。

從單個(gè)指標(biāo)上看，在整體研究期間，中國商業(yè)銀行的生產(chǎn)率變化主要受到產(chǎn)出指標(biāo)的影響。其中，凈非利息利潤（NNI）是引起生產(chǎn)率變化的主要原因。2011—2015年，NNI單個(gè)指標(biāo)的生產(chǎn)率一直處于上升狀態(tài)，累積增長了258.7%，遠(yuǎn)高于全要素生產(chǎn)率。2015—2017年NNI的生產(chǎn)率下降，累計(jì)下降74.1%，2018年又有小幅上升。另一個(gè)產(chǎn)出指標(biāo)凈利息利潤（NII）的趨勢也類似。另外幾項(xiàng)指標(biāo)勞動(dòng)力（LAB）、不良貸款（NPL）和存款（DEP）的生產(chǎn)率呈先下降后上升的趨勢，并且在不同時(shí)期嚴(yán)重影響著全要素生產(chǎn)率。

總的來說，中國商業(yè)銀行生產(chǎn)率的變化主要?dú)w功于凈利息利潤和非利息利潤生產(chǎn)率的提高。近幾年，央行提出擴(kuò)大存款利率浮動(dòng)區(qū)間，推進(jìn)利率市場化，給銀行的資源利用、運(yùn)營能力與創(chuàng)新能力帶來了考驗(yàn)，其他金融市場和理財(cái)產(chǎn)品的興起也為中國商業(yè)銀行在存款等方面生產(chǎn)率的提高上帶來了不少的挑戰(zhàn)。

（2） 前沿面變化（FS）和效率變化（EC）

圖5和圖6分別為中國16家商業(yè)銀行Luenberger生產(chǎn)率指數(shù)分解后的技術(shù)前沿面變化（FS）和效率變化（EC）均值隨時(shí)間變化的趨勢圖。

從圖5中可得，中國商業(yè)銀行各個(gè)指標(biāo)技術(shù)前沿面的變化趨勢和生產(chǎn)率變化趨勢基本一致。在2011—2015年，技術(shù)前沿面保持穩(wěn)定緩慢的增長速度，平均增長率為16.9%。2015—2017年發(fā)生退步，之后又有小幅進(jìn)步。技術(shù)前沿面水平在研究期間累積增長了36.9%。其中非利息利潤（NNI）和凈利息利潤（NII）是主導(dǎo)因素。而勞動(dòng)力、存款和不良貸款的技術(shù)前沿面在2011—2014年一直處在退步狀態(tài)，但之后逐漸開始進(jìn)步，這進(jìn)一步說明了中國商業(yè)銀行在資源利用方面不斷探索，及時(shí)調(diào)整銀行的運(yùn)營策略，通過金融創(chuàng)新與技術(shù)的進(jìn)步提高銀行的生產(chǎn)率。

圖6是中國銀行業(yè)效率均值隨時(shí)間變化的趨勢。各個(gè)指標(biāo)效率在研究期間效率有下降也有上升，并且全要素的效率變化也有很大波動(dòng)，累計(jì)增長率僅為0.24%。

因此我們可以得出結(jié)論：2011—2018年，生產(chǎn)率的增加主要是由技術(shù)前沿面的進(jìn)步引起的，而效率值在波動(dòng)中整體稍有進(jìn)步。

3.2.2 SOBs與JSBs生產(chǎn)率模式差異比較

接下來將16家商業(yè)銀行分成5家國有銀行和11家股份制銀行兩組分別進(jìn)行分析，通過分別分析兩組銀行全要素生產(chǎn)率的主要來源，來比較我國國有銀行和股份制銀行的生產(chǎn)率模式。

（1）Luenberger TFP 隨時(shí)間變化趨勢比較

本節(jié)針對國有銀行和股份制銀行的生產(chǎn)率模式進(jìn)行對比分析。圖7是2011—2018年國有銀行和股份制銀行Luenberger全要素生產(chǎn)率均值隨時(shí)間的變化趨勢。2011—2018年，11家股份制銀行L生產(chǎn)率的平均年增長率為8.99%，累積增長了62.9%;而5家國有銀行的L生產(chǎn)率則累積減少了19.5%，平均年降低率為2.80%。

從圖7中可得，國有銀行和股份制銀行的TFP在2011—2014年都呈上升趨勢。在2014—2015年階段國有銀行的生產(chǎn)率開始下降，一年后股份制銀行也開始下降，但下降率低于國有銀行。2015—2017年國有銀行的生產(chǎn)率累積下降了80%，同期股份制銀行生產(chǎn)率累積下降15%。不過，在2017—2018階段國有銀行的生產(chǎn)率又增加了10.4%，超過了股份制銀行（-0.22%）。這說明國有銀行在不斷探索中尋找適合各自銀行的最優(yōu)資源配置比例，并取得了一定的成效。

股份制銀行在2011—2014年，L生產(chǎn)率指數(shù)持續(xù)大于0，年平均為19.4%。在2015—2018年L生產(chǎn)率指數(shù)降低為負(fù)，年平均為-4.94%。這說明股份制銀行近年的效率并沒有實(shí)現(xiàn)可持續(xù)增長，在快速變化的金融市場中，銀行的創(chuàng)新和改革仍然需要加強(qiáng)。

（2） 各指標(biāo)Luenberger生產(chǎn)率指數(shù)及其分解

圖8是國有銀行和股份制銀行Luenberger生產(chǎn)率指數(shù)2011—2018年的生產(chǎn)率變化的平均值。2011—2018年整個(gè)研究階段，國有銀行和股份制銀行的生產(chǎn)率增長都來源于勞動(dòng)力（LAB）、存款（DEP）和非利息利潤（NNI）。對于國有銀行，LAB的生產(chǎn)率指數(shù)平均值在各指標(biāo)中最高，為31.6%。這說明國有銀行意識(shí)到了機(jī)構(gòu)臃腫、勞動(dòng)力效率低下等問題，在勞動(dòng)力的管理上進(jìn)行了改革和創(chuàng)新，并取得了一定的成效。相應(yīng)地，股份制銀行LAB的生產(chǎn)率指數(shù)平均值為7.46%。考慮到股份制銀行的LAB效率本來就很高，所以進(jìn)步的空間也較小。股份制銀行在2011—2018年的NNI指數(shù)平均值為34.0%，在其各指標(biāo)中最高，可見在這8年期間股份制銀行的各種金融服務(wù)得到了不斷的進(jìn)步與發(fā)展。國有銀行也有小幅進(jìn)步，但和股份制銀行相比仍有差距。存款方面，國有銀行的生產(chǎn)率指數(shù)平均值為3.48%，股份制銀行為9.45%。給生產(chǎn)率帶來負(fù)面影響的是不良貸款（NPL）和凈利息利潤（NII）。

3.2.3 銀行層面生產(chǎn)率模式分析

為了更進(jìn)一步地分析不同銀行的生產(chǎn)率情況，本節(jié)將從具體銀行的角度出發(fā)，研究2011—2018年整個(gè)時(shí)間段各銀行的生產(chǎn)率模式問題。表4給出了中國16家商業(yè)銀行全要素Luenberger生產(chǎn)率指數(shù)和5個(gè)指標(biāo)各自生產(chǎn)率指數(shù)的均值。

從表4中可得，所有銀行在2011—2018年，全要素生產(chǎn)率變化主要來自全要素技術(shù)前沿面的進(jìn)步，技術(shù)對于中國銀行生產(chǎn)率提高的貢獻(xiàn)更大，并且技術(shù)也在不斷進(jìn)步。但是也正因?yàn)槿绱?，銀行容易忽略運(yùn)營管理的重要性。

從全要素效率變化的角度看，在2011—2018年，有4家銀行在研究期間，平均效率變化值為0，即效率保持不變，分別是北京銀行、民生銀行、興業(yè)銀行和招商銀行。這4家銀行構(gòu)成了這個(gè)階段的平均技術(shù)前沿面，是引起前沿面移動(dòng)的主要因素。而其中只有北京銀行和招商銀行的平均全要素生產(chǎn)率指數(shù)大于0（分別為7%和0.08%）。

16家銀行中，寧波銀行的全要素生產(chǎn)率的平均增長率最高，在2011—2018年的平均增長率為24.3%，在16家商業(yè)銀行中排名第一。而這么高的全要素增長率是由其凈利息利潤（NII）和非利息利潤（NNI）的增長帶來的。

除了上述所分析到的5家銀行，剩下的11家銀行按照全要素生產(chǎn)率可以分成兩類。

第一類銀行有農(nóng)業(yè)銀行、光大銀行、華夏銀行、南京銀行、浦發(fā)銀行、中信銀行和平安銀行，這類銀行的全要素生產(chǎn)率在研究期間累積上升，主導(dǎo)因素是技術(shù)進(jìn)步，但是分解到各個(gè)指標(biāo)，則不同銀行有不同的表現(xiàn)。例如南京銀行，它的全要素生產(chǎn)率進(jìn)步的主要原因是非利息利潤，平均增長率為76.9%。

其余4家銀行歸為第二類，即中國銀行、建設(shè)銀行、工商銀行和交通銀行4家國有銀行，這類銀行的全要素生產(chǎn)率在研究期間下降。除工商銀行最近兩年的全要素生產(chǎn)率有所回升外，另外3家的全要素生產(chǎn)率在近四年持續(xù)下降。對于中國銀行、建設(shè)銀行和工商銀行來說，不良貸款效率的下降是導(dǎo)致全要素生產(chǎn)率下降的主要原因。交通銀行全要素生產(chǎn)率下降的原因主要是凈利息利潤生產(chǎn)率的大幅下降，說明交通銀行應(yīng)該合理規(guī)劃和管理業(yè)務(wù)的運(yùn)營，積極發(fā)展各項(xiàng)業(yè)務(wù)，提高利潤。

4 總結(jié)

本文采用了多方向MEA效率評估模型與Luenberger生產(chǎn)率指數(shù)，選取固定資產(chǎn)、不良貸款、勞動(dòng)力與存款作為投入指標(biāo)，凈利息利潤與凈非利息利潤作為產(chǎn)出指標(biāo)，對2011—2018年中國16家商業(yè)銀行進(jìn)行效率和生產(chǎn)率的評估。

基于MEA的效率評估得到造成商業(yè)銀行非有效的主要因素是凈非利息利潤，其次是勞動(dòng)力和不良貸款的結(jié)論;凈非利息利潤在研究期間呈現(xiàn)的技術(shù)水平在不斷進(jìn)步，可見這個(gè)指標(biāo)近年來處于快速發(fā)展與創(chuàng)新階段，但是其管理效率有待加強(qiáng);國有銀行在各項(xiàng)指標(biāo)效率上都顯著低于股份制銀行，其中差異最大的是凈利息利潤，其次是存款與勞動(dòng)力。不同銀行的運(yùn)營效率存在不同問題，針對各指標(biāo)相對效率，本文將中國商業(yè)銀行分成了3類，每一類銀行可以有針對性地提高企業(yè)的運(yùn)營與生產(chǎn)效率。興業(yè)銀行在分指標(biāo)的效率評估上都處在行業(yè)領(lǐng)先水平，而農(nóng)業(yè)銀行各方面的效率都亟待提升。

通過計(jì)算生產(chǎn)率指數(shù)在各個(gè)投入與產(chǎn)出指標(biāo)上的分解，得出結(jié)論：中國銀行全要素生產(chǎn)率的變化主要取決于凈利息利潤和非利息利潤生產(chǎn)率兩個(gè)產(chǎn)出指標(biāo)生產(chǎn)率的變化，其技術(shù)水平的變化是生產(chǎn)率變化的主要原因。存款、勞動(dòng)力和不良貸款的生產(chǎn)率呈先下降后上升的趨勢，并且在不同時(shí)期嚴(yán)重影響著全要素生產(chǎn)率。從具體銀行角度分析，北京銀行和招商銀行可以被認(rèn)為處在行業(yè)領(lǐng)先地位;農(nóng)業(yè)銀行的生產(chǎn)率增長速度快，各個(gè)指標(biāo)的生產(chǎn)率在提高，技術(shù)進(jìn)步，效率也在上升，雖然在效率評價(jià)中表現(xiàn)不佳，但在不斷進(jìn)步、改革和發(fā)展。

參考文獻(xiàn)：

[1] 朱南， 卓賢， 董屹. 關(guān)于我國國有商業(yè)銀行效率的實(shí)證分析與改革策略[J]. 管理世界， 2004（2）：18-26.

[2] 伍偉， 李丹， 王濤. 基于DEA和Malmquist生產(chǎn)率指數(shù)的商業(yè)銀行效率分析[J]. 財(cái)會(huì)月刊， 2015（27）.

[3] ASMILD M， MATTHEWS K. Multi-directional efficiency analysis of efficiency patterns in Chinese banks 1997—2008[J]. European Journal of Operational Research， 2012， 219（2）：434-441.

[4] 韓松，蘇熊.中國商業(yè)銀行結(jié)構(gòu)效率研究：基于復(fù)雜網(wǎng)絡(luò)DEA模型[J].中國管理科學(xué)，2016，24（8）：1-9.

[5] ARABI B， MUNISAMY S， EMROUZNEJAD A. A new slacks-based measure of Malmquist-Luenberger index in the presence of undesirable outputs [J]. Omega， 2015， 51（51）：29-37.

[6] 鐘世和，何英華，吳艷.基于改進(jìn)SFA模型的銀行效率與風(fēng)險(xiǎn)動(dòng)態(tài)關(guān)系研究——來自中國16家上市商業(yè)銀行的經(jīng)驗(yàn)證據(jù)[J].統(tǒng)計(jì)與信息論壇，2018，33（12）：30-36.

[7] 于剛，張智晴.基于DEA-Malmquist指數(shù)的中國商業(yè)銀行效率研究[J].東北財(cái)經(jīng)大學(xué)學(xué)報(bào)，2019（1）：79-86.

[8] MCEACHERN D， PARADI J C. Intra-and inter-country bank branch assessment using DEA[J]. Journal of Productivity Analysis， 2007， 27（2）：123-136.

[9] THANASSOULIS E， PORTELA M C S， DESPIO4 O. Data envelopment analysis： the mathematical programming approach to efficiency analysis[J]. Data Envelopment Analysis the Mathematical Programming Approach to Efficiency Analysis， 2008.

[10] BOGETOFT P， HOUGAARD J L. Efficiency evaluations based on potential （non-proportional） improvements[J]. Journal of Productivity Analysis， 1999， 12（3）：233-247.

[11] TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research， 2001， 130（3）：498-509.

[12] CHAMBERS R G， CHUNG Y， FRE R. Profit， directional distance functions， and Nerlovian efficiency[J]. Journal of Optimization Theory and Applications， 1998（98）： 351-364.

[13] BARROS C P， CHEN Z， LIANG Q B， et al. Technical efficiency in the Chinese banking sector[J]. Economic Modelling， 2011， 28（5）：2083-2089.

[14] BARROS C P， MANAGI S， MATOUSEK R. The technical efficiency of the Japanese banks： non-radial directional performance measurement with undesirable output[J]. Omega， 2012， 40（40）：1-8.

[15] FUJII H， MANAGI S， MATOUSEK R. Indian bank efficiency and productivity changes with undesirable outputs： a disaggregated approach[J]. Journal of Banking & Finance， 2014， 38（1）：41-50.