席田 曹超 秦珂

摘要：以江蘇省2000—2017年的面板數(shù)據(jù)為基礎(chǔ)，通過構(gòu)建三階段Bootstrap數(shù)據(jù)包絡(luò)分析（DEA）模型分析了不同經(jīng)濟發(fā)展水平地區(qū)農(nóng)村信用社技術(shù)效率的發(fā)展情況，并采用β收斂考察了農(nóng)村信用社效率的收斂性。結(jié)果表明，農(nóng)村信用社改革期間，江蘇省不同地區(qū)農(nóng)村信用社技術(shù)的效率水平均逐步提高，蘇南農(nóng)村信用社的效率水平整體高于蘇北地區(qū);隨著改革推進(jìn)，江蘇省不同地區(qū)農(nóng)村信用社技術(shù)效率在不同階段呈現(xiàn)出顯著的收斂性（P<0.1），蘇北地區(qū)農(nóng)村信用社效率的收斂速度高于蘇南地區(qū)，追趕效應(yīng)明顯。說明農(nóng)村信用社改革不能一刀切，進(jìn)而提出應(yīng)推進(jìn)差異化改革模式，根據(jù)各階段及各地區(qū)的實際情況因地制宜地指導(dǎo)農(nóng)村金融機構(gòu)改革，從而促進(jìn)農(nóng)村信用社效率進(jìn)一步提升。

關(guān)鍵詞：Bootstrap DEA模型;技術(shù)效率;β收斂;效率收斂性;地區(qū)差異

中圖分類號： F832.35 ?文獻(xiàn)標(biāo)志碼： A ?文章編號：1002-1302（2021）10-0230-08

2003年8月國務(wù)院下發(fā)了關(guān)于農(nóng)村信用社（以下簡稱“農(nóng)信社”）改革的文件，計劃在重慶市、江蘇省、貴州省等8個地區(qū)開展農(nóng)村信用社改革試點工作，改革涉及組織制度、產(chǎn)權(quán)關(guān)系、管理結(jié)構(gòu)和不良貸款等4個方面。經(jīng)過近20年的改革，我國農(nóng)村信用社的經(jīng)營業(yè)績有了很大提高。截至2017年年底，全國農(nóng)村信用社存貸款余額分別為27.2萬億、15萬億元;同時，不良貸款率從2002年的36.93%下降到2017年的4.2%，資本充足率從2002年的 -8.45% 上升到2017年的11.7%。

江蘇省作為首批開展改革的省份之一，62家基層法人單位中已經(jīng)有58家改制為農(nóng)村商業(yè)銀行，率先基本完成了縣級農(nóng)信社的股份制改革。隨著改革不斷推進(jìn)，農(nóng)信社股權(quán)逐漸明晰，歷史包袱消除，農(nóng)村信用社的市場競爭力有了很大的提高。由于經(jīng)濟發(fā)展水平不同，蘇南地區(qū)和蘇北地區(qū)農(nóng)信社的經(jīng)營效率存在差距，改革期間雖然都取得了提升，但各地之間經(jīng)營效率的差距究竟是收斂還是發(fā)散？差距的變化趨勢如何？這些問題對農(nóng)信社未來如何因地制宜地制定改革方案有重要影響，值得進(jìn)一步研究。本研究選取江蘇省內(nèi)31家農(nóng)村信用社為樣本，采用三階段Bootstrap DEA模型，測度江蘇省農(nóng)村信用社2000—2017年的技術(shù)效率，并采用β收斂法，從區(qū)域角度深入分析2000—2006年政策改革時期和2007—2017年市場改革時期江蘇省不同經(jīng)濟發(fā)展水平地區(qū)農(nóng)村信用社效率的收斂性，以期為進(jìn)一步深化農(nóng)信社改革提供較為科學(xué)的依據(jù)，具有重要的政策含義。

1 文獻(xiàn)回顧

對農(nóng)村信用社的研究文獻(xiàn)分為對農(nóng)村信用社改革績效的定性研究和定量研究。在定性研究方面，多位學(xué)者通過問卷調(diào)查和走訪座談等形式，從農(nóng)村金融體制、行業(yè)管理等方面分析了農(nóng)信社產(chǎn)權(quán)改革的問題與難點，梳理了改革的基本思路，提出了未來農(nóng)信社的改革方向[1]。在定量研究方面，大部分研究通過數(shù)據(jù)包絡(luò)分析（DEA）模型以及Malmquist Luenberger生產(chǎn)率指數(shù)對農(nóng)信社的經(jīng)營效率和全要素生產(chǎn)率進(jìn)行了測度[2-4];除此之外，耿欣等運用主成分分析法，對山東省133家農(nóng)村信用社2002—2010年的發(fā)展指標(biāo)進(jìn)行實證研究，發(fā)現(xiàn)大部分農(nóng)村信用社的商業(yè)可持續(xù)能力不斷增強[5]。李敬等利用了排序多元選擇模型，測度了西部地區(qū)311家農(nóng)村信用社的運行效率，發(fā)現(xiàn)其整體處于中等偏下的狀態(tài)[6]。

僅有少數(shù)學(xué)者對農(nóng)信社效率收斂問題進(jìn)行討論。師榮蓉等以陜西省81個區(qū)（縣）的農(nóng)村信用社為樣本，采用超越對數(shù)隨機邊界模型，測度了利潤效率和成本效率，發(fā)現(xiàn)不同地區(qū)的農(nóng)信社利潤效率差異是不斷縮小的，但該研究未從實證方面驗證效率的收斂性[7]。陳偉平等針對24家農(nóng)信社2008—2013年的動態(tài)生產(chǎn)率研究表明，農(nóng)信社動態(tài)生產(chǎn)率存在β收斂，業(yè)務(wù)創(chuàng)新能力與當(dāng)?shù)亟?jīng)濟發(fā)展水平能有效促進(jìn)農(nóng)信社動態(tài)生產(chǎn)率增長[8]。張珩等基于2008—2014年陜西農(nóng)信社的數(shù)據(jù)，深入分析了不良貸款約束下農(nóng)信社靜態(tài)效率變化、動態(tài)全要素生產(chǎn)率增長以及收斂性，研究發(fā)現(xiàn)，一級法人農(nóng)信社靜態(tài)效率低于農(nóng)合行和農(nóng)商行，但動態(tài)生產(chǎn)率增長最快[9]。目前，已有研究關(guān)于不同改革階段以及不同經(jīng)濟發(fā)展水平地區(qū)農(nóng)信社效率收斂變化方面的研究較少。

2 江蘇省農(nóng)信社改革現(xiàn)狀

江蘇省是最早的8個改革試驗區(qū)之一。在改革中，重新構(gòu)建了農(nóng)村金融機構(gòu)體系，明確了產(chǎn)權(quán)，政府加大了對農(nóng)信社的財政支持和監(jiān)管力度。具體改革措施如下。

（1）組織的重建。通過實行統(tǒng)一法人制度，江蘇省將鄉(xiāng)鎮(zhèn)農(nóng)村信用社和縣市農(nóng)村信用社合并為一家法人機構(gòu)。全省1 664個農(nóng)村信用社和82個縣（市）聯(lián)社以縣（市）為單位，合并成82家法人機構(gòu)。

（2）治理結(jié)構(gòu)的調(diào)整。江蘇省農(nóng)信社轉(zhuǎn)換經(jīng)營制度，建立公司治理機制，實行理事長與主任的分設(shè)，并進(jìn)一步探索新型產(chǎn)權(quán)制度，鼓勵經(jīng)營績效較好的農(nóng)信社進(jìn)行股份制改革。在妥善處理老股金的基礎(chǔ)上，農(nóng)信社按照新的股權(quán)設(shè)置，進(jìn)行增資擴股;同時，普遍推行小額信貸，開辦農(nóng)戶聯(lián)保貸款。

（3）歷史包袱的消化。在政府支持下，通過推行專項中央銀行票據(jù)和專項借款等資金扶持政策、保值貼補息、減免營業(yè)稅和所得稅等政策，不良資產(chǎn)正在從農(nóng)信社中剝離，此外，人民銀行還撥付了50億元5年期無息再貸款。

四是行業(yè)管理和金融監(jiān)管的完善。江蘇省進(jìn)一步調(diào)整落實監(jiān)管責(zé)任制，成立省聯(lián)社。省聯(lián)社對全省農(nóng)村行使行業(yè)管理和資金調(diào)劑、清算、電子化建設(shè)、政策協(xié)調(diào)等服務(wù)職能，但不具體經(jīng)辦存貸款業(yè)務(wù)。

2007年以來，為進(jìn)一步提高改革績效，增加農(nóng)村金融機構(gòu)的多樣性，江蘇省以完善風(fēng)險防控機制為原則，適當(dāng)放開準(zhǔn)入，吸引民間資本，建立了許多新的金融機構(gòu)，如農(nóng)村銀行、共同基金合作社和小額信貸機構(gòu)，一些商業(yè)銀行還設(shè)立了新的部門來處理農(nóng)村信貸。

截至2017年年底，江蘇省農(nóng)村信用社總資產(chǎn)達(dá)到2.6萬億元，存款余額1.91萬億元，貸款余額1.3萬億元。存貸款余額分別為改革前的14.4、15.1倍，不良貸款率也由2000年的33.98%下降到2017年的2.52%，成功地實現(xiàn)了對歷史包袱的吸收。與此同時，江蘇省各地區(qū)經(jīng)濟發(fā)展的不平衡導(dǎo)致改革效果不一。從表1可以看出，蘇南地區(qū)農(nóng)村經(jīng)濟最為發(fā)達(dá)，農(nóng)信社的資產(chǎn)規(guī)模增長最快。從2000年到2017年，蘇北地區(qū)和蘇南地區(qū)農(nóng)信社的資產(chǎn)總額分別增長7.9、8.3倍。

3 江蘇省農(nóng)信社效率測算

3.1 模型設(shè)定

關(guān)于銀行效率研究可追溯到20世紀(jì)50年代，其研究理論和方法也一直備受各國關(guān)注和重視。國外學(xué)者 Farrell最早將生產(chǎn)效率方法運用到非營利組織的公共部門進(jìn)行綜合效率分析[10]，并奠定Charnes等提出DEA方法的理論基礎(chǔ)[11]。之后，Sherman 等又將DEA方法推廣到銀行各分支機構(gòu)效率的研究中[12]。早期文獻(xiàn)主要集中于銀行效率的測度，采用的方法包括參數(shù)法和非參數(shù)法等[13]。

最近，許多學(xué)者開始考慮效率度量中的風(fēng)險因素[14]。他們在模型中加入了“不良產(chǎn)出”，即銀行的不良貸款。Fried等研究認(rèn)為，傳統(tǒng)DEA方法測算的效率中有環(huán)境因素、管理無效和隨機擾動影響[15]。因此，為了提高效率計算結(jié)果的可靠性，本研究使用三階段Bootstrap DEA模型評估銀行系統(tǒng)，該模型可以剔除環(huán)境因素和隨機擾動的影響。

3.2 數(shù)據(jù)來源與投入產(chǎn)出指標(biāo)選擇

本研究的數(shù)據(jù)來源包括江蘇省縣域31家農(nóng)村信用社2000—2017年調(diào)研所得數(shù)據(jù)、財務(wù)報表、《江蘇省統(tǒng)計年鑒》、江蘇省省聯(lián)社統(tǒng)計數(shù)據(jù)和各年份縣域國民經(jīng)濟和社會發(fā)展統(tǒng)計公報。筆者的分析旨在研究農(nóng)信社的長期效率及其收斂性，并確定效率增長的主要來源，因此與使用不平衡面板相比，使用平衡面板可以更好地分析效率隨時間的變化。

投入產(chǎn)出指標(biāo)的選擇是效率研究的重要內(nèi)容之一。根據(jù)以往研究，投入產(chǎn)出指標(biāo)選擇方法主要有生產(chǎn)法、中介法和資產(chǎn)法。在生產(chǎn)法中，農(nóng)村信用社的投入變量為存款、貸款和服務(wù)，產(chǎn)出變量為賬戶的個數(shù)和交易的筆數(shù);在資產(chǎn)法下，農(nóng)村信用社的投入變量可以為存款，產(chǎn)出變量可以是貸款、投資等;中介法則是將農(nóng)村信用社作為將儲蓄轉(zhuǎn)化為投資的中介，則農(nóng)村信用社的投入變量為勞動力和資本等，產(chǎn)出變量為存款和貸款等[17]。農(nóng)村金融機構(gòu)的基本職能是為“三農(nóng)”服務(wù)。農(nóng)村信用社改革的根本目標(biāo)是實現(xiàn)商業(yè)可持續(xù)性和社會效益最大化。根據(jù)農(nóng)村金融機構(gòu)的業(yè)務(wù)特點，在選擇投入產(chǎn)出指標(biāo)時考慮了中介法和資產(chǎn)法2種方法。投入指標(biāo)選取的是可貸資金（存款+同業(yè)拆入+央行再貸款）、非利息支出、利息支出和固定資產(chǎn)凈額，產(chǎn)出指標(biāo)選取正常貸款額、非利息收入、利息收入和不良貸款額。本研究投入產(chǎn)出變量的描述性統(tǒng)計如表2所示。

3.3 實證結(jié)果

本研究采用Bootstrap DEA模型測算江蘇省31家農(nóng)村信用社2000—2017年的技術(shù)效率，結(jié)果如圖1所示，可以看出，江蘇省農(nóng)村信用社的技術(shù)效率在考察期內(nèi)整體呈現(xiàn)逐步上升的趨勢，總體波動較小。其中，2007—2011年，技術(shù)效率增長速度較快，2011年以后的增速放緩，主要由于各中小金融機構(gòu)加速進(jìn)入農(nóng)村金融市場，農(nóng)信社系統(tǒng)在農(nóng)村地區(qū)的壟斷優(yōu)勢逐步喪失，因此2010年后效率增速緩慢。同時，蘇南地區(qū)和蘇北地區(qū)農(nóng)村信用社的技術(shù)效率的變化趨勢基本一致，但蘇南地區(qū)農(nóng)村信用社的技術(shù)效率水平整體高于蘇北地區(qū)。

技術(shù)效率為純技術(shù)效率和規(guī)模效率的乘積。從圖2和圖3可以看出，3個地區(qū)的農(nóng)信社純技術(shù)效率并無很大區(qū)別，換句話說，造成3個地區(qū)農(nóng)信社技術(shù)效率形成差異的原因是規(guī)模效率的不同。從圖3可以看出，2000—2017年江蘇省農(nóng)村信用社的規(guī)模效率整體呈上升趨勢。產(chǎn)權(quán)改革使農(nóng)信社的存量資本增加，資產(chǎn)規(guī)模擴大，因此2007—2011年江蘇省農(nóng)信社的規(guī)模效率快速增長。然后隨著經(jīng)營能力的成熟，各地農(nóng)信社接近最優(yōu)規(guī)模，導(dǎo)致2011年后的規(guī)模效率增長變緩。與此同時，蘇北地區(qū)農(nóng)信社規(guī)模效率仍低于蘇南地區(qū)，因此，蘇南地區(qū)的農(nóng)信社比蘇北地區(qū)更早甚至已經(jīng)到達(dá)了范圍經(jīng)濟的最高點。從圖中可以看出，不同地區(qū)農(nóng)信社效率可能存在收斂效應(yīng)，意味著初始發(fā)展水平較低的地區(qū)，發(fā)展速度更快，各地區(qū)的發(fā)展水平會趨于一致，下面將進(jìn)一步論證。

4 江蘇省農(nóng)信社效率收斂性分析

4.1 模型選擇：β收斂法

目前，有3種效率收斂分析方法：σ收斂、β收斂和俱樂部收斂[18]。其中，β收斂強調(diào)初始發(fā)展水平低的地區(qū)發(fā)展會更快;α收斂關(guān)注發(fā)展指標(biāo)在橫截面上的標(biāo)準(zhǔn)差，如果這一標(biāo)準(zhǔn)差隨時間下降，則存在σ收斂;俱樂部收斂指依據(jù)初始條件差異，不同地區(qū)在發(fā)展上形成不同的俱樂部，內(nèi)部條件相似的地區(qū)會出現(xiàn)收斂的情況。鑒于σ收斂存在檢驗農(nóng)信社效率是否符合正態(tài)分布的缺點，俱樂部收斂又對樣本量有一定要求，本研究采用了β收斂進(jìn)行收斂性分析，模型設(shè)置如下：

4.2 指標(biāo)選取

本研究選取了縣域人均GDP、市場份額、非利息收入占比、資本充足率以及貸存比等變量作為檢驗收斂模型的控制變量。從影響農(nóng)村信用社技術(shù)效率的外部因素來看，農(nóng)村經(jīng)濟發(fā)展水平以縣域人均GDP來衡量。農(nóng)信社在農(nóng)村金融市場的競爭水平以其縣域市場份額（share）來衡量的。從產(chǎn)權(quán)改革的具體內(nèi)容來看，改革通過加強經(jīng)營管理來影響農(nóng)村信用社的生產(chǎn)力，經(jīng)營狀況可以通過非利息收入占比（NIIR）、存貸比（LDR）和資本充足率（CAR）來衡量。其中，非利息收入占比反映了農(nóng)信社的業(yè)務(wù)創(chuàng)新能力，存貸比反映了其資本配置能力，資本充足率反映了其抵御風(fēng)險的能力。各變量的描述性統(tǒng)計詳見表3。

4.3 實證結(jié)果

面板數(shù)據(jù)模型的Hausman檢驗結(jié)果拒絕隨機效果，故采用固定效應(yīng)模型。根據(jù)技術(shù)效率結(jié)果，利用公式（11）和公式（12），本研究分析了農(nóng)村信用社效率收斂與發(fā)散，回歸結(jié)果如表4所示。其中，L.lnte代表2000—2006年蘇北地區(qū)農(nóng)信社的收斂系數(shù)，將其與代表時間和地區(qū)的虛擬變量afte和ssn的系數(shù)根據(jù)公式（11）和公式（12）進(jìn)行運算，可以進(jìn)一步整理出2007—2017年江蘇省各地農(nóng)信社的技術(shù)效率收斂性的結(jié)果（表5）。模型（1）為沒有添加控制變量的結(jié)果，模型（2）中添加了人均GDP和市場份額等控制變量，模型（3）在模型（2）的基礎(chǔ)上添加了非利息收入占比、貸存比和資本充足率等變量?？梢钥闯觯K北地區(qū)的農(nóng)信社2000—2017年技術(shù)效率收斂的系數(shù)均顯著小于1，表明2000—2017年分時間段下蘇北地區(qū)的農(nóng)村信用社技術(shù)效率存在顯著的收斂特征。蘇南地區(qū)農(nóng)信社的技術(shù)效率雖然在2000—2006年內(nèi)呈現(xiàn)發(fā)散的趨勢，但在隨后的2007—2017年內(nèi)顯著收斂。

為了準(zhǔn)確表明收斂的連續(xù)性，本研究借鑒Song的做法，采用公式β=-（1-e-λT）計算收斂速度。其中，β為收斂系數(shù)，λ為收斂速度，T為考察期年限[19]。

2000—2006年內(nèi)蘇北地區(qū)農(nóng)信社的技術(shù)效率收斂速度為3.68%，2007—2017年內(nèi)蘇南和蘇北地區(qū)農(nóng)行農(nóng)信社的技術(shù)效率收斂速度分別為0.77%、3.59%。

本研究結(jié)果表明，江蘇省不同地區(qū)農(nóng)信社效率在不同階段以不同的收斂速度在逐步縮小差距，這與張珩等的結(jié)論[9]一致。同時，結(jié)合不同改革階段來看，2006年以前，江蘇省農(nóng)村信用社技術(shù)效率之間已經(jīng)出現(xiàn)收斂趨勢，此時農(nóng)信社收斂的速度相對較快，主要原因是政府在改革初期采取了一系列干預(yù)措施對經(jīng)營不善的農(nóng)信社進(jìn)行補貼扶持，令其迅速扭虧為盈，效率顯著提升并快速收斂;2007年之后至2017年，隨著市場的開放性加強和農(nóng)村信用社的自主性加強，江蘇省農(nóng)村信用社效率之間的收斂速度變緩。此外，在產(chǎn)權(quán)改革期間，蘇北地區(qū)農(nóng)信社效率的收斂速度高于蘇南地區(qū)，說明與經(jīng)濟發(fā)展水平較高的地區(qū)相比，產(chǎn)權(quán)改革對于經(jīng)濟欠發(fā)達(dá)地區(qū)農(nóng)信社的效率提升作用更明顯。

4.4 穩(wěn)健性檢驗

本部分對前面的實證結(jié)果進(jìn)行穩(wěn)健性測試，以確保主要結(jié)果在不同的模型下保持不變。筆者采用偏差校正（LSDV）模型進(jìn)一步檢驗分析，可以有效避免自相關(guān)和內(nèi)生性的問題，同時有效克服樣本數(shù)量的限制[20]，結(jié)果見表6和表7。其中，蘇北地區(qū)的農(nóng)信社技術(shù)效率收斂的系數(shù)均顯著小于1，表明2000—2017年分時間段下蘇北地區(qū)的農(nóng)村信用社技術(shù)效率存在顯著的收斂特征。蘇南地區(qū)農(nóng)信社的技術(shù)效率雖然在2000—2006年內(nèi)呈現(xiàn)發(fā)散的趨勢，但在隨后的2007—2017年內(nèi)顯著收斂。

經(jīng)過進(jìn)一步計算，2000—2006年內(nèi)蘇北地區(qū)農(nóng)信社的技術(shù)效率收斂速度為2.58%，2007—2017年內(nèi)蘇南和蘇北地區(qū)農(nóng)行農(nóng)信社的技術(shù)效率收斂速度分別為0.49%、2.54%?？梢悦黠@看出，偏差校正模型的結(jié)果和固定效應(yīng)模型的結(jié)果基本保持一致。

5 結(jié)論

本研究采用Bootstrap DEA模型測度了2000—2017年江蘇省農(nóng)村信用社的技術(shù)效率，同時利用β收斂法對其進(jìn)行了收斂性分析。得出的結(jié)論如下：（1）改革期間，江蘇省農(nóng)村信用社的技術(shù)效率水平逐步提高，蘇南地區(qū)農(nóng)信社的技術(shù)效率水平整體高于蘇北地區(qū);（2）對不同地區(qū)農(nóng)村信用社進(jìn)行的技術(shù)效率的收斂性檢驗結(jié)果表明，江蘇省農(nóng)村信用社技術(shù)效率表現(xiàn)出顯著的收斂特征，隨著改革各項政策落地，不同地區(qū)農(nóng)村信用社效率之間的差異在逐步縮小，蘇北地區(qū)農(nóng)信社的收斂速度高于對蘇南地區(qū)。

因此，在今后的進(jìn)一步改革中，除了提升各農(nóng)村信用社自身的經(jīng)營管理能力和技術(shù)水平外，江蘇省農(nóng)村信用社聯(lián)合社應(yīng)推進(jìn)差異化改革模式，減少一刀切現(xiàn)象。不同階段、不同地區(qū)的相對經(jīng)濟條件和機構(gòu)績效有所不同，因此根據(jù)各階段以及各地區(qū)的實際情況因地制宜地指導(dǎo)農(nóng)村金融機構(gòu)改革可能會更有效。對于經(jīng)濟發(fā)展較好地區(qū)的農(nóng)信社，充分發(fā)揮市場機制的作用，進(jìn)一步提升其競爭能力和創(chuàng)新水平，同時利用大數(shù)據(jù)以及互聯(lián)網(wǎng)金融等平臺，加快其數(shù)字化轉(zhuǎn)型，發(fā)揮帶頭作用;對于經(jīng)濟欠發(fā)達(dá)地區(qū)的農(nóng)信社，效率提升速度更快，因此在接下來的階段要更關(guān)注如何穩(wěn)步發(fā)展，改善監(jiān)管環(huán)境，加大監(jiān)管力度，同時按照股權(quán)多元化原則，吸收民間優(yōu)質(zhì)資本，以促進(jìn)效率的進(jìn)一步提升。

參考文獻(xiàn)：

[1]謝 平，徐 忠，沈明高. 農(nóng)村信用社改革績效評價[J]. 金融研究，2006（1）：23-39.

[2]謝志忠，劉海明，趙 瑩，等. 福建省農(nóng)村信用社經(jīng)營效率變動的測度評價分析[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟，2011（6）：62-69.

[3]藍(lán) 虹，穆爭社. 中國農(nóng)村信用社改革后的績效評價及提升方向——基于三階段DEA模型BCC分析法的實證研究[J]. 金融研究，2014（4）：63-82.

[4]李 婧，朱承亮，鄭世林.不良貸款約束下的農(nóng)村信用社績效——來自陜西省8市86個縣（區(qū)）的證據(jù)[J]. 中國農(nóng)村經(jīng)濟，2015（11）：63-76.

[5]耿 欣，代金奎. 農(nóng)村信用社改革績效評價——以山東省為例[J]. 山東社會科學(xué)，2012（12）：165-167.

[6]李 敬，陳 澍. 農(nóng)村信用社運行績效與影響因素：西部地區(qū)311個樣本[J]. 改革，2012（8）：47-52.

[7]師榮蓉，徐璋勇. 農(nóng)村信用社成本效率及其影響因素研究——來自陜西省81個區(qū)縣的統(tǒng)計數(shù)據(jù)[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟，2012（3）：78-85.

[8]陳偉平，馮宗憲. 不良貸款約束下中國農(nóng)村信用社生產(chǎn)率增長及收斂性研究[J]. 商業(yè)經(jīng)濟與管理，2015（1）：71-79.

[9]張 珩，羅劍朝，牛 榮. 產(chǎn)權(quán)改革與農(nóng)信社效率變化及其收斂性：2008—2014年——來自陜西省107個縣（區(qū)）的經(jīng)驗證據(jù)[J]. 管理世界，2013，28（4）：60-71.

[10]Farrell M J. The measurement of productive efficiency[J]. Journal of The Royal Statistical Society，1957，120（3）：253-290.

[11]Charnes A，Cooper W W，Rhodes E，et al. Measuring the efficiency of decision making units[J]. European Journal of Operational Research，1978，2（6）：429-444.

[12]Sherman H D，Gold F. Bank branch operating efficiency：evaluation with data envelopment analysis[J]. Journal of Banking and Finance，1985，9（2）：297-315.

[13]Simar L，Wilson P W. Estimating and bootstrapping Malmquist indices[J]. European Journal of Operational Research，1999，115（3）：459-471.

[14]Banker R D，Chang H，Lee S，et al. Differential impact of Korean banking system reforms on bank productivity[J]. Journal of Banking and Finance，2010，34（7）：1450-1460.

[15]Fried H O，Lovell C A，Schmidt S S，et al. Accounting for environmental effects and statistical noise in data envelopment analysis[J]. Journal of Productivity Analysis，2002，17（1）：157-174.

[16]Simar L，Wilson P W. Estimation and inference in two-stage，semi-parametric models of production processes[J]. Journal of Econometrics，2007，136（1）：31-64.

[17]朱承亮. 農(nóng)村信用社改革績效評估——來自陜西省8市86個區(qū)縣的調(diào)查[J]. 農(nóng)業(yè)經(jīng)濟與管理，2016（3）：68-77.

[18]Phillips P C，Sul D. Transition modeling and econometric convergence tests[J]. Econometrica，2007，75（6）：1771-1855.

[19]Song E Y. Trade and the speed of convergence[J]. Review of Development Economics，2014，18（1）：1-12.

[20]Wang Y W，Wang K，Chang C P，et al. The impacts of economic sanctions on exchange rate volatility[J]. Economic Modelling，2019，82（7）：58-65.