李馬仰 李寧

摘? ?要：農(nóng)村商業(yè)銀行是服務(wù)“三農(nóng)”、鄉(xiāng)村振興的主要金融力量，也是金融體系的薄弱環(huán)節(jié)，國家對其穩(wěn)定經(jīng)營和風(fēng)險防范做了明確要求。本文基于兩種DEA方法考察25個省份農(nóng)商行的效率，從時間和空間的角度進行實證分析。結(jié)果發(fā)現(xiàn)：隨著總資產(chǎn)規(guī)模的增加、破產(chǎn)風(fēng)險的下降或者股權(quán)集中度的增加，農(nóng)商行的效率會提高；與南方地區(qū)農(nóng)商行相比，北方地區(qū)農(nóng)商行的效率對規(guī)模、風(fēng)險和股權(quán)集中度都更加敏感；國有控股近年來整體上提高了農(nóng)商行效率，但會降低北方農(nóng)商行的效率。據(jù)此，建議對規(guī)模較小的農(nóng)商行進行優(yōu)化整合，適度提高股權(quán)集中度和國有資本比例，并壓實地方政府風(fēng)險處置責(zé)任。

關(guān)鍵詞：農(nóng)商行；經(jīng)營效率；DEA模型；銀行規(guī)模；股權(quán)集中度；破產(chǎn)風(fēng)險

DOI：10.3969/j.issn.1003-9031.2024.04.001

中圖分類號： F832? ? ? ? ? ? 文獻標(biāo)識碼：A? ? ?文章編號：1003－9031（2024）04－0003－15

一、引言

我國農(nóng)村金融機構(gòu)規(guī)模發(fā)展迅速，截至2023年第三季度，農(nóng)村金融機構(gòu)總資產(chǎn)54.3萬億元，總負債50.4萬億元，均接近股份制商業(yè)銀行、城商行的總資產(chǎn)和總負債的規(guī)模①。長期以來，農(nóng)村金融機構(gòu)一直是金融體系的薄弱環(huán)節(jié)，發(fā)展面臨許多困局。

眾多學(xué)者從不同角度對農(nóng)村金融機構(gòu)的績效、風(fēng)險等方面進行了考察。如吳少新等（2009）首次使用DEA超效率模型、鄧曉娜（2020）運用非徑向模型分別研究了村鎮(zhèn)銀行的經(jīng)營效率。但相關(guān)研究文獻缺少專門對農(nóng)商行的運營效率和股權(quán)、風(fēng)險等因素之間關(guān)系的全面考察，而且現(xiàn)有文獻考察的農(nóng)商行樣本量較少，一般僅限于上市銀行或者某一地區(qū)的銀行數(shù)據(jù)（王克強等，2018；鄧曉娜等，2020）。本文使用25個省份農(nóng)商行的數(shù)據(jù)，使用DEA方法，分別從時間維度和空間維度考察規(guī)模、股權(quán)性質(zhì)、股權(quán)集中度、風(fēng)險承擔(dān)等因素對效率的影響，尤其對比分析了我國南北方地區(qū)農(nóng)商行的股權(quán)集中、風(fēng)險承擔(dān)等的差異及其對效率的影響差異，為我國因地制宜制定農(nóng)商行的改革方案提供有益參考。

二、文獻綜述與研究假設(shè)

（一）農(nóng)商行的規(guī)模與效率

大量研究表明，銀行的規(guī)模是影響其效率的關(guān)鍵因素之一。資產(chǎn)和規(guī)模對銀行來說很重要，因為它們必須滿足其對信貸、擔(dān)保、貨幣交易以及其他金融服務(wù)的需求。在現(xiàn)代金融中介理論中，更加重視金融中介的規(guī)模經(jīng)濟。規(guī)模的好處在于金融中介可以與大量借款人和貸款人簽訂合同，進而提升多樣化，即使在所有代理人都是風(fēng)險中性的環(huán)境中，這也被證明是有價值的，因為它降低了信息不對稱的代理人之間的合約成本。此外，多樣化也降低了克服信息不對稱的事前預(yù)期成本，無論違約是否真的出現(xiàn)，這都導(dǎo)致了成本的降低。Fernandes et al.（2018）使用效率模型驗證了銀行規(guī)模的增加會提高其運營效率，進而對銀行的效益產(chǎn)生正向影響。國內(nèi)的研究以鄭錄軍和曹廷求（2005）等為代表，他們考察了規(guī)模在內(nèi)的八個方面的影響因素。他們認為，可以采用總資產(chǎn)、總收入、存款額和貸款額四個指標(biāo)來反映銀行的規(guī)模，這幾個指標(biāo)之間有高度的相關(guān)性，最終，他們選取總收入作為規(guī)模指標(biāo)，發(fā)現(xiàn)規(guī)模對商業(yè)銀行效率的提升有顯著的正向作用。相比于大型上市銀行和城市商業(yè)銀行，農(nóng)村金融機構(gòu)服務(wù)范圍都較小，客戶較分散，很難形成規(guī)模經(jīng)濟。如果能擴大農(nóng)商行的規(guī)模（如同一地區(qū)的農(nóng)商行進行重組合并），將能更高效地利用農(nóng)商行的資源，產(chǎn)生規(guī)模效應(yīng)，提高效率和盈利。

基于以上分析，提出假設(shè)H1：農(nóng)商行的規(guī)模增加會提高其效率。

（二）農(nóng)商行的風(fēng)險承擔(dān)與效率

一般來說，銀行為獲取更高額利潤，需要承擔(dān)更大的風(fēng)險?，F(xiàn)代銀行理論表明，銀行的行為受制于借款人、存款人和銀行相互作用的金融市場行為所產(chǎn)生的不確定性。銀行愿意承受的風(fēng)險量，取決于競爭、監(jiān)管和公司治理（Sarmiento and Galan，2017）。但當(dāng)銀行從事更多的具有風(fēng)險的業(yè)務(wù)，必然導(dǎo)致風(fēng)險敞口的擴大，進而影響其運營效率。Sarmiento and Galan（2017）提出的模型捕捉了風(fēng)險承擔(dān)對銀行效率的影響，并區(qū)分了具有不同特征的銀行。他們發(fā)現(xiàn)，較高的信用風(fēng)險敞口會導(dǎo)致較低的成本效率，這可能與監(jiān)測和管理問題貸款的支出增加有關(guān)。Pessarossi and Weill（2015）認為當(dāng)資本率提高時，銀行的風(fēng)險承擔(dān)水平會降低，成本效率會提升。余晶晶等（2019）發(fā)現(xiàn)對于具有低風(fēng)險承擔(dān)水平的商業(yè)銀行，提高競爭能激勵其提高核心競爭力，從而提高其效率。譚政勛和李麗芳（2016）發(fā)現(xiàn)我國銀行風(fēng)險承擔(dān)對效率的影響并非單調(diào)，而是存在倒U型關(guān)系，風(fēng)險承擔(dān)的增加有利于利潤效率的提升，同時利潤效率的提升反過來促使銀行承擔(dān)更多的風(fēng)險。

除了實證分析，也有不少學(xué)者對此建模和理論分析。如Berger and Young（1997）指出，大量研究發(fā)現(xiàn)，那些經(jīng)營失敗的銀行都離有效前沿距離較遠，而且成本效率較低，即使那些沒倒閉的銀行也存在效率與不良貸款率的負相關(guān)關(guān)系。他們還將原因總結(jié)為四個假設(shè)：“壞運氣”假設(shè)、“壞管理”假設(shè)、“吝嗇行為”假設(shè)和道德風(fēng)險假設(shè)。歸納這些假設(shè)，可以得到銀行風(fēng)險影響效率的途徑：銀行的風(fēng)險提高會帶來多種成本的增加，進而降低銀行的效率。

因此，提出假設(shè)H2：農(nóng)商行承擔(dān)的風(fēng)險越高，效率就越低。

（三）農(nóng)商行的股權(quán)結(jié)構(gòu)與效率

理想的股權(quán)結(jié)構(gòu)應(yīng)具備產(chǎn)權(quán)清晰、杜絕內(nèi)部人控制、獨立運營等條件，這樣能帶來銀行效率的提升和風(fēng)險的下降。鄭錄軍和曹廷求（2005）發(fā)現(xiàn)，集中型股權(quán)結(jié)構(gòu)和公司治理機制是影響商業(yè)銀行效率的重要因素。首先來看股權(quán)集中度對效率的影響，有文獻發(fā)現(xiàn)影響方向并不單一。Shehzad et al.（2010）指出股權(quán)集中既有助于公司增強管理、加強監(jiān)管，但也會增加銀行風(fēng)險。Shleifer and Vishny（1997）提出兩種理論解釋股權(quán)集中的雙向影響：一是“利益協(xié)調(diào)假說”，即股權(quán)集中時，大股東具有信息優(yōu)勢，能夠有效監(jiān)督銀行的決策，提升銀行信貸質(zhì)量，改善經(jīng)營績效和效率；二是“掏空假說”，即股權(quán)集中可能使大股東追求絕對控制權(quán)而損害其他股東的利益，從而有損銀行績效和效率。隨后，針對以上兩種假說都有大量研究來證實（李維安和曹廷求，2004；祝繼高，2012；趙尚梅等，2012）。針對股權(quán)集中度的非單向影響，也有“管理防御假說”（Morck et al.，1988）來解釋。

現(xiàn)有文獻主要集中分析了股份制銀行的控股股東性質(zhì)對效率的影響。學(xué)者認為如果國有股東控股，就會帶來政府干預(yù)的增加，偏離銀行的市場化經(jīng)營目標(biāo)，從而導(dǎo)致銀行效率下降，風(fēng)險增加（趙尚梅等，2012；譚勁松等，2012）。內(nèi)部人控股也可能帶來不良后果，如經(jīng)理層控股可能導(dǎo)致嚴重的代理問題，選擇松散的董事會成員，銀行業(yè)務(wù)的不透明性和復(fù)雜性會加重這一問題，也會帶來更大的風(fēng)險（Grove et al.，2011）。但現(xiàn)有文獻缺乏對國有股東防控銀行風(fēng)險方面的研究。

關(guān)于農(nóng)商行的研究較少，何婧和何廣文（2015）首次證實了農(nóng)商行的管理層持股比例越高，越容易采取激進策略，提升銀行效率；股權(quán)越集中或當(dāng)銀行所在地區(qū)的市場化程度越低時，持股比例與風(fēng)險和效率之間的關(guān)系越顯著。

綜上，提出假設(shè)H3：農(nóng)商行的股權(quán)集中度提升會提高效率，國有股東若履行加強經(jīng)營和風(fēng)險管理的職責(zé)，會提高農(nóng)商行效率，否則，會降低農(nóng)商行效率。

三、研究設(shè)計

（一）樣本與數(shù)據(jù)來源

本文所用數(shù)據(jù)全部來源于Wind數(shù)據(jù)庫，盡可能多地采用農(nóng)商行多維度數(shù)據(jù)，剔除掉非上市農(nóng)商行缺失數(shù)據(jù)和變量，只保留樣本量大于600的變量。本文最終使用2015—2019年一共691組農(nóng)商行觀測值，分布于25個省份，既包括已經(jīng)上市的大型農(nóng)商行，也包括非上市農(nóng)商行。

（二）模型選取

1. DEA傳統(tǒng)效率模型與超效率模型

多年來，學(xué)術(shù)界研究運行或產(chǎn)出效率比較廣泛的兩類方法分別是以數(shù)據(jù)包絡(luò)分析法（DEA）為代表的非參數(shù)法和以隨機前沿分析法（SFA）為代表的參數(shù)法。兩種方法各有優(yōu)缺點。相比于SFA方法，DEA方法突出的優(yōu)勢是無需設(shè)定具體的投入-產(chǎn)出函數(shù)形式，因而可以避免SFA方法因生產(chǎn)函數(shù)設(shè)定錯誤而導(dǎo)致的偏差。DEA方法還具有將全要素生產(chǎn)率分解為技術(shù)進步指數(shù)和技術(shù)效率指數(shù)、能計算出每一種投入要素的利用效率等優(yōu)點，從而找出提高效率的最優(yōu)路徑，為決策提供有力支持。DEA方法由著名運籌學(xué)家Charnes等人提出，他們最初基于Farell關(guān)于生產(chǎn)效率的觀點，使用DEA方法計算公共部門和非盈利部門的效率。隨后，被大量學(xué)者應(yīng)用于銀行、生產(chǎn)性企業(yè)、能源利用等方面的效率評價。數(shù)十年來，大量研究又在Charnes等人方法的基礎(chǔ)上，改進DEA方法，克服了傳統(tǒng)DEA方法的缺陷，使效率計算更精準(zhǔn)，不僅可以計算不同類型的效率值，也可以分階段考察每一過程的效率。

傳統(tǒng)的DEA模型中，規(guī)模報酬不變條件下的產(chǎn)出導(dǎo)向模型（CCR模型）。傳統(tǒng)的DEA模型有一些缺點，學(xué)者們尋找更優(yōu)化的模型，其中一個應(yīng)用廣泛的方法是使用超效率模型，對DEA有效單元進一步排序，從而挑選出最優(yōu)解。本方法的特點是，在將某一決策單元（以下簡稱“DMU”）與其他DMU作對比時，將這一特定DMU排除在集合之外，超效率DEA模型形式如下：

其中，λ≥0，j=1，2，…，N，s≥0，s≥0。傳統(tǒng)的DEA 模型得出的是“有效”DMU，無法在有效DMU之間進一步比較效率的高低（認為其效率值都為1）。在超效率DEA模型中，對于無效的DMU，其效率值與傳統(tǒng)的DEA效率值一致，但對于有效率的DMU，它在樣本中仍保持相對有效，此時的DEA值表示保持DMU有效的前提下，可以最大化的半徑，進而可以比較有效DMU的效率高低。在超效率模型中，產(chǎn)出導(dǎo)向方法計算出的某個DMU的效率值小于1，說明其有效率，大于1，說明其缺乏效率，而且效率值越小，意味著其越有效。

效率可以分為三類。方程（1）是在規(guī)模報酬不變的條件下計算出的效率值，為綜合效率（TE）。當(dāng)在方程（1）中加入約束條件Σλ=1，計算的是規(guī)模報酬變化的條件下的效率值，為純技術(shù)效率（PTE）。最后一類效率是規(guī)模效率（SE）。他們的關(guān)系是：TE=PTE*SE。

2.兩階段半?yún)?shù)DEA方法

由于以往分析效率影響因素的兩階段DEA方法可能因為效率值之間的序列相關(guān)導(dǎo)致統(tǒng)計推斷失效，Simar and Wilson（2007）提出使用兩階段自助法（bootstrap）模型（即兩階段半?yún)?shù)DEA方法）得到無偏估計量。在第一階段，使用傳統(tǒng)的DEA模型，對于特定點（xi，yi），計算出產(chǎn)出導(dǎo)向的效率值，進而計算其Shephard產(chǎn)出距離函數(shù)：θi=δ（xi，yi|P）≡supθ

（xi，θyi）P，θ>0，其中，P為生產(chǎn)的有效前沿的集合。我們可以看到，θi衡量的是DMUi到效率前沿的徑向距離，是Farell效率指標(biāo)的反函數(shù)，也是無效率程度的指標(biāo)。在第二階段，對于相對無效率的M個樣本組合（θi>1）①，建立截尾回歸：

其中，zi為調(diào)節(jié)變量或環(huán)境變量矩陣，β為系數(shù)矩陣，εi表示誤差項，并假設(shè)服εi從截尾的正態(tài)分布：均值μ=0，標(biāo)準(zhǔn)差為σ，分布在1-ziβ處左截斷。

（三）變量構(gòu)造

1.被解釋變量

本文使用兩種方法計算農(nóng)商行的效率指標(biāo)作為被解釋變量，第一種是無效率指標(biāo)（Shephard產(chǎn)出距離函數(shù)），第二種是超效率DEA模型計算出的效率值。

2.核心解釋變量

（1）農(nóng)商行的風(fēng)險

銀行的風(fēng)險包括經(jīng)營風(fēng)險、市場風(fēng)險和信用風(fēng)險等，譚政勛和李麗芳（2016）指出，資產(chǎn)回報率（ROA）的波動率和破產(chǎn)概率（即Z 值）是最常用的兩個經(jīng)營風(fēng)險指標(biāo)。其中，Z值的計算方法如下：

其中，σ（ROA）為ROA的波動率，μ（ROA）為ROA的平均值，equratio是資本資產(chǎn)比（股東權(quán)益與總資產(chǎn)的比值）。為提高精確度，本文使用五年期ROA數(shù)據(jù)滾動計算其均值和波動率。σ（ROA）衡量了Z 值中的風(fēng)險，是純風(fēng)險指標(biāo)。但Z 值更能全面反映銀行經(jīng)營過程中所面臨的風(fēng)險，而且Z值越大，說明銀行的破產(chǎn)概率越大。譚政勛和李麗芳（2016）指出，貸款是我國銀行業(yè)最主要的業(yè)務(wù)，信貸風(fēng)險和不良貸款是重點關(guān)注的風(fēng)險，本文在穩(wěn)健性檢驗中使用不良貸款率來衡量信用風(fēng)險，對結(jié)果的穩(wěn)健性進行考察。

（2）農(nóng)商行的股權(quán)集中度

股權(quán)集中度采用前十大股東持股比例的平方和計算，即HHI=Σr，其中，HHI是赫芬達爾指數(shù)，ri是股東i的持股比例。

（3）農(nóng)商行的規(guī)模

在研究銀行效率的影響因素文獻中，一般使用銀行的總資產(chǎn)、存款額和貸款額三個變量作為銀行規(guī)模的代表變量。本文在實證分析中使用總資產(chǎn)的對數(shù)值代表規(guī)模，在穩(wěn)健性檢驗中，使用貸款額的對數(shù)值作為規(guī)模的代表變量。

3.控制變量

本文根據(jù)相關(guān)研究文獻選取幾個可能影響銀行經(jīng)營績效的因素，作為主要控制變量。由于中國的銀行業(yè)存貸款規(guī)模和利差等是其盈利的主要來源，本文選取存貸款利差（NIS）作為影響經(jīng)營績效和效率的變量。為控制影響銀行平穩(wěn)運行的因素，將風(fēng)險資產(chǎn)占比（riskyasset）和撥備充足率（baddebtcov）也作為控制變量，因為風(fēng)險資產(chǎn)占比越低、貸款損失準(zhǔn)備金計提越充足，銀行的抗風(fēng)險能力越強。此外，還選取資本資產(chǎn)比（equratio）作為控制變量，它衡量銀行核心資本的充足水平，可以幫助銀行抵御風(fēng)險，支持規(guī)模擴張。各變量的含義見表1。

（四）實證模型設(shè)計

實證分析部分首先計算出效率的三類指標(biāo)作為被解釋變量，接著將其他變量作為解釋變量進行回歸分析。本文分別從時間和空間上考察各因素對效率的影響，兩種做法分別是：在用傳統(tǒng)DEA模型計算出被解釋變量后，針對每一年的樣本分別做截尾回歸；使用DEA超效率模型計算出被解釋變量后，將樣本按照南北方省份劃分為兩組，再分別對南北方的樣本做面板回歸。這兩種方法使用的被解釋變量和解釋變量都相同。這里展示面板回歸方程，形式如下：

其中，Effit是農(nóng)商行i在t年的效率值，代表綜合效率（TE）、純技術(shù)效率（PTE）和規(guī)模效率（SE）三類效率，在回歸中，分別用這三類效率值作為被解釋變量做回歸。x代表核心解釋變量，包括size、HHI、Zvalue。為考察股權(quán)性質(zhì)對效率的影響，方程（5）中還加入股權(quán)性質(zhì)與其他變量的交乘項，S表示農(nóng)商行股權(quán)性質(zhì)的虛擬變量（根據(jù)holdertype進行賦值分組），當(dāng)農(nóng)商行i在t年的第一大股東是國有性質(zhì)，則Sit=1；否則，Sit=0。在穩(wěn)健性檢驗中，也使用其他方法對股東的性質(zhì)進行分組，如當(dāng)農(nóng)商行i在t年的前五大股東中，國有性質(zhì)的股權(quán)占比超過民營股權(quán)占比，則；則Sit=1；否則，Sit=0。z代表控制變量，包括riskyasset、NIS、equratio、baddebtcov。表示在面板回歸中控制了年度固定效應(yīng)，為隨機誤差項。

四、實證結(jié)果分析

（一）描述性統(tǒng)計

為了便于觀察回歸系數(shù)，對規(guī)模變量（size和loan，單位：萬元）取對數(shù)。我們重點關(guān)注農(nóng)商行的效率和風(fēng)險。表2顯示，綜合效率值和規(guī)模效率值的均值小于1（有效率），純技術(shù)效率的均值大于1（相對無效率）。說明中國的農(nóng)商行的管理和技術(shù)（純技術(shù)效率）仍有較大提高空間。從Z值代表的風(fēng)險指標(biāo)來看，最小風(fēng)險的農(nóng)商行破產(chǎn)概率幾乎為0，但風(fēng)險最高的農(nóng)商行破產(chǎn)概率達12.2%；從不良貸款率來看，風(fēng)險最小的農(nóng)商行的不良貸款率為0.36%，最高的為24.43%。從這兩類指標(biāo)可見，風(fēng)險較大的農(nóng)村金融機構(gòu)多是在北方地區(qū)。

在正式對數(shù)據(jù)做回歸分析之前，先對所使用的變量做相關(guān)性分析，主要關(guān)注幾個核心解釋變量對效率（TE）的影響。可以看到，Zvalue對TE的相關(guān)系數(shù)為0.190，nplratio對TE的相關(guān)系數(shù)為0.277，且都在1%的置信水平下顯著，說明銀行承擔(dān)的風(fēng)險與其效率負相關(guān)；size對TE的相關(guān)系數(shù)為-0.794，loan對TE的相關(guān)系數(shù)為-0.798，且都在1%的置信水平下顯著，說明銀行的規(guī)模與其效率正相關(guān)。此外，nplratio與Zvalue的相關(guān)系數(shù)為0.282，loan與size的相關(guān)系數(shù)為0.989，均在1%的置信水平下顯著，具有很好的正相關(guān)性，因此，在穩(wěn)健性檢驗部分使用nplratio替代Zvalue、loan替代size重新做回歸分析。

（二）農(nóng)商行效率測度與排名

本部分采用超效率模型計算每年各商業(yè)銀行的相對效率值（包括綜合效率、純技術(shù)效率和規(guī)模效率）。篇幅所限，這里只展示綜合效率的統(tǒng)計和排名情況。從表3可以看出，隨著樣本包含的小規(guī)模農(nóng)商行個數(shù)的增加，整體上平均效率（產(chǎn)出導(dǎo)向方法計算出的效率值在變大）是逐年下降的，這與燕翔和馮興元（2021）的發(fā)現(xiàn)相一致。從2015—2019年五年間，青島農(nóng)商行、廣州農(nóng)商行、上海農(nóng)商行、成都農(nóng)商行、重慶農(nóng)商行、北京農(nóng)商行這些規(guī)模最大的商業(yè)銀行在效率排名上出現(xiàn)次數(shù)較多，除了成都農(nóng)商行外它們都是大型上市農(nóng)商行。這表明，規(guī)模的擴大對農(nóng)商行的效率會有積極的影響。但我們也發(fā)現(xiàn)，隨著樣本中包含的小規(guī)模的農(nóng)商行個數(shù)的增加，以江蘇常熟農(nóng)商行為代表的非上市、規(guī)模相對較小的銀行排名在上升。燕翔和馮興元（2021）也發(fā)現(xiàn)中小型農(nóng)商行的技術(shù)效率和規(guī)模效率近年來要么沒有村鎮(zhèn)銀行的相應(yīng)效率提高的快，要么比其下降的幅度大。這些現(xiàn)象都說明除了規(guī)模之外，還有其他重要因素影響銀行的效率。

（三）回歸分析

1.按年份進行回歸分析

采用Simar-Wilson兩階段方法逐年進行回歸分析。分兩步進行：第一步，使用傳統(tǒng)的DEA模型計算各銀行各年的效率值；第二步，將無效DMU的Shephard產(chǎn)出距離函數(shù)（代表非有效的程度）作為被解釋變量，建立截尾回歸（方程（2）），其使用的解釋變量和控制變量與方程（4）相同，并使用自助法對系數(shù)進行估計。

表4是方程（2）的最終估計結(jié)果，依次列出2015—2019年的各影響因素的回歸系數(shù)①，被解釋變量是無效率的程度的度量指標(biāo)②。遵循習(xí)慣，在結(jié)果分析時，本文將解釋各因素對效率的影響方向，因而，會與表4中回歸結(jié)果的符號相反，后面的各分析同此說明。

接下來依次檢驗前文提出的假設(shè)。從表4可以看到，除了2015年農(nóng)商行規(guī)模與效率在10%的水平上顯著正相關(guān)之外，2016—2019年規(guī)模與效率都在1%的水平上顯著正相關(guān)，且正向影響呈現(xiàn)先增后降的趨勢，在2017年這種正向影響最大。從現(xiàn)實意義看，在2019年，農(nóng)商行的總資產(chǎn)每提高1個百分點，會使效率提高約0.11個單位，這種效應(yīng)約為2015年時的1.9倍。實證研究結(jié)果證實了本文的研究假設(shè)1。在農(nóng)商行的風(fēng)險承擔(dān)對效率的影響方面， 2015—2019年幾乎全部在1%的水平上顯著負相關(guān)，農(nóng)商行的破產(chǎn)概率每增加1個百分點，會使效率下降約5～9個百分點，而且從趨勢上看，風(fēng)險承擔(dān)的負向效應(yīng)整體上在減小，2019年時的效應(yīng)約為2015年的一半。這一結(jié)果證實了本文的研究假設(shè)2。從時間的角度看，只有2016年和2017年的股權(quán)集中度與效率在10%的水平上顯著正相關(guān)，其余年份這兩者正向關(guān)系不顯著。對這一結(jié)果可能的解釋是，在不同的股權(quán)集中度水平，其對效率的影響非線性，即隨著股權(quán)集中度的不斷升高，其對效率的影響可能上升也可能下降，股權(quán)集中度對效率的作用應(yīng)該還受到其他因素的影響。我們觀察圖1中的整體農(nóng)商行的股權(quán)集中度的變化，可以看到，平均股權(quán)集中度在2016年達到最高水平，隨后逐年下降。也即，從2015—2019年來看，只有2016年和2017年的股權(quán)集中度水平相對較高，在此水平上，股權(quán)集中度與效率正相關(guān)，其余年份的股權(quán)集中度較低，其對效率無顯著影響（見圖1）。因而，本結(jié)果證實了研究假設(shè)3的部分結(jié)論。

此外，本文驗證了國有大股東可以通過規(guī)模、破產(chǎn)風(fēng)險和股權(quán)集中度渠道對效率產(chǎn)生影響，結(jié)果如表5所示。可以看到，國有大股東在不同年份、通過不同渠道對效率的影響有所差異，從時間上來看，只在2015年和2019年產(chǎn)生了顯著影響。從規(guī)?？?，國有控股的農(nóng)商行只在2019年通過規(guī)模擴大顯著增加了效率；從破產(chǎn)風(fēng)險來看，當(dāng)風(fēng)險增大時，國有控股的農(nóng)商行在2015年和2019年都顯著增加了效率；從股權(quán)集中度來看，當(dāng)股權(quán)集中度增加時，國有控股的農(nóng)商行在2015年減小了效率，在2019年增加了效率。總體來看，經(jīng)過近幾年系列改革，農(nóng)商行在完善公司治理機制、提高規(guī)范化水平和突出專業(yè)化服務(wù)功能等方面取得了較大進展，國有股東發(fā)揮了積極作用。

2.按地區(qū)進行回歸分析

本部分先將農(nóng)商行按照所屬區(qū)域劃分為兩組，再采用超效率DEA方法與面板回歸相結(jié)合的方法，分別對兩個區(qū)域的樣本進行實證分析。也分為兩步：第一步，使用超效率模型計算出銀行的效率值，此時，有效DMU對應(yīng)的效率值也可以進行比較，即此時的效率值沒有截斷，因而不需要在下一步使用截尾回歸；第二步，分別對南方省份和北方省份的樣本做面板回歸，對效率的影響因素進行考察（回歸方程（4）和方程（5））。表6為實證結(jié)果。

先看規(guī)模的影響效應(yīng)。不論南方還是北方，不論是哪種效率，都發(fā)現(xiàn)規(guī)模與效率正相關(guān)的結(jié)論，而且均在1%的水平上顯著。從區(qū)域差異的角度來看，北方省份的農(nóng)商行規(guī)模的增加帶來的效率提升量高于南方省份的提升量。對于北方農(nóng)商行而言，不論哪種效率，風(fēng)險承擔(dān)都與其顯著負相關(guān)；而對于南方農(nóng)商行，風(fēng)險承擔(dān)只對整體效率和規(guī)模效率有顯著負向影響。而且，北方農(nóng)商行的風(fēng)險承擔(dān)對效率的負向影響效應(yīng)要大于南方農(nóng)商行的負向影響效應(yīng)。圖2顯示，從平均水平來說，北方省份的農(nóng)商行平均破產(chǎn)風(fēng)險（Z值）遠高于南方省份農(nóng)商行的同期水平。近年來，只有2016年和2017年南北方農(nóng)商行破產(chǎn)風(fēng)險差距較小，其余年份，北方農(nóng)商行的破產(chǎn)概率是南方農(nóng)商行的1.53～1.75倍。因而，北方農(nóng)商行的風(fēng)險承擔(dān)水平對效率的負向影響更大，需要受到重視。最后，來看股權(quán)集中度對南北方農(nóng)商行效率影響的差異?？梢钥吹?，北方農(nóng)商行的股權(quán)集中度與效率顯著正相關(guān)，而且三個效率指標(biāo)的回歸均在1%的水平上顯著，但南方農(nóng)商行的股權(quán)集中度與效率不顯著相關(guān)。可能的解釋是，北方農(nóng)商行的股權(quán)集中度比南方農(nóng)商行的股權(quán)集中度平均高出1倍左右，可能北方農(nóng)商行的股權(quán)集中度處于其對效率有正向影響的區(qū)間。綜上所述，從空間角度的實證分析結(jié)果也驗證了本文的H1、H2和H3的部分假設(shè)。

接下來分析股權(quán)性質(zhì)對南北方農(nóng)商行效率的不同影響，結(jié)果如表6所示，驗證H3的后半部分假設(shè)。比較交互項的系數(shù)我們會發(fā)現(xiàn)，國有大股東對南北方農(nóng)商行的效率產(chǎn)生了截然不同的影響：通過規(guī)模渠道，國有控股會使得北方農(nóng)商行總效率和純技術(shù)效率下降，但會使南方農(nóng)商行總效率和純技術(shù)效率上升，從絕對值上來看，下降的幅度約為上升幅度的3到5倍；對于北方農(nóng)商行來說，相比于大股東為非國有性質(zhì)的情形，當(dāng)大股東為國有性質(zhì)時，其破產(chǎn)風(fēng)險的增加會使總效率和規(guī)模效率顯著下降，而南方農(nóng)商行的大股東所有制性質(zhì)不會通過破產(chǎn)風(fēng)險對其效率產(chǎn)生影響；國有控股的北方農(nóng)商行會通過股權(quán)集中度的提升顯著降低其總效率和純技術(shù)效率，而國有控股的南方農(nóng)商行會通過股權(quán)集中度的提升顯著降低其規(guī)模效率。

綜上所述，對于北方農(nóng)商行，本部分實證結(jié)果確實可以表明國有控股通過規(guī)模、破產(chǎn)風(fēng)險和股權(quán)集中度的渠道都降低了銀行的效率，與趙尚梅等（2012）和譚勁松等（2012）關(guān)于股份制銀行的發(fā)現(xiàn)一致。但對于南方的農(nóng)商行來說，國有控股可以通過規(guī)模渠道提高效率。這種不同方向的影響可以從趙尚梅等（2012）的研究中找到類似的原因：當(dāng)?shù)胤秸鲇谧陨砝?，對銀行進行過多的行政干預(yù)，干擾銀行追求利潤最大化的目標(biāo)時，地方政府國有股權(quán)越集中，對地方銀行的績效提升越不利；當(dāng)銀行的國有股東不被地方政府利益所左右，并且具有資源壟斷性和政策支持優(yōu)勢時，國有股的存在對銀行績效會產(chǎn)生積極影響。

（四）穩(wěn)健性檢驗

為增強實證結(jié)果的可靠性，還需進行穩(wěn)健性檢驗。關(guān)于各因素對農(nóng)商行效率的影響，有多種穩(wěn)健性檢驗方法，本文使用總貸款額（loan）代表銀行的規(guī)模，使用不良貸款率（nplratio）代表風(fēng)險承擔(dān)的指標(biāo)（側(cè)重于信用風(fēng)險），使用前五名股東持股比例構(gòu)造赫芬達爾指數(shù)作為股權(quán)集中度的指標(biāo)，以及根據(jù)前五大股東的國有股權(quán)是否超過非國有股權(quán)來分組，重新做回歸。所得結(jié)果與前文展示的結(jié)果相似，這里不再贅述。

五、結(jié)論與政策建議

（一）結(jié)論

本文分別使用Simar-Wilson兩階段DEA方法、DEA超效率模型與面板回歸相結(jié)合的方法，研究了農(nóng)商行的規(guī)模、風(fēng)險承擔(dān)和股權(quán)結(jié)構(gòu)對效率的影響，分別從時間和空間維度比較了這些影響的不同之處。

第一，隨著總資產(chǎn)規(guī)模的增加，農(nóng)商行的效率都會提高，整體上來說，北方省份的農(nóng)商行的效率對規(guī)模更加敏感。就大多數(shù)農(nóng)商行來說，因為它們由農(nóng)村信用社“商業(yè)化”改革不久，還具有典型的地方屬性，地理分布及業(yè)務(wù)覆蓋區(qū)域限制了其更高效地經(jīng)營，相比于其他類型的銀行，其仍屬于小型金融機構(gòu)，基本上還處于規(guī)模經(jīng)濟的初始階段，因而效率會隨著規(guī)模的擴大而提高。

第二，農(nóng)商行的效率基本上都會隨著破產(chǎn)風(fēng)險的增加而下降，相比于南方農(nóng)商行，北方農(nóng)商行的總效率對風(fēng)險敞口更加敏感。當(dāng)銀行從事更多的具有風(fēng)險的業(yè)務(wù)，必然導(dǎo)致風(fēng)險敞口的擴大，監(jiān)測和管理問題貸款的支出增加會影響其運營效率。2017年之后農(nóng)商行風(fēng)險敞口對效率的負向影響下降，2019年的效率降為2015年時的將近一半，這表明近年來中小金融機構(gòu)改革取得積極效果。

第三，股權(quán)結(jié)構(gòu)對效率的影響較為復(fù)雜。股權(quán)集中度的增加會提高農(nóng)商行的效率，但主要對北方省份的農(nóng)商行影響更顯著；從時間上看，國有控股股東近年來會通過規(guī)模、風(fēng)險控制、股權(quán)集中度提升三個渠道提高效率，但從地域上看，會降低北方農(nóng)商行的效率。這或許與國有股東的特性有關(guān)，地方政府過多行政干預(yù)會導(dǎo)致銀行偏離利潤目標(biāo)，但也會更加注重風(fēng)險防范。

（二）政策建議

第一，探索建立省市級農(nóng)商行。在農(nóng)村金融需求持續(xù)擴大、銀行業(yè)競爭加劇等形勢下，農(nóng)村金融機構(gòu)改革在堅守支農(nóng)支小市場定位、堅持服務(wù)“三農(nóng)”與小微企業(yè)的同時，要適度擴大規(guī)模，一是用于擴充當(dāng)?shù)氐慕鹑谫Y本儲備，二是可以節(jié)約資源，產(chǎn)生規(guī)模經(jīng)濟，增強區(qū)域型機構(gòu)抵御風(fēng)險的能力。探索成立省級或地市級農(nóng)商行，取消現(xiàn)有縣區(qū)級農(nóng)商行的獨立法人地位，將其變?yōu)槭〖壔虻厥屑夀r(nóng)商行的支行，建立現(xiàn)代金融企業(yè)制度，監(jiān)管部門通過一定的監(jiān)管指標(biāo)設(shè)定，確保改革后的農(nóng)商行在堅守支農(nóng)支小的同時，仍專注服務(wù)本地，優(yōu)化管理機制，穩(wěn)健經(jīng)營，這樣才有可能產(chǎn)生規(guī)模經(jīng)濟，進一步提升效率。

第二，優(yōu)化農(nóng)商行股權(quán)結(jié)構(gòu)，提高股權(quán)集中度，發(fā)揮國有股東積極作用。對于我國農(nóng)商行來說，集中型股權(quán)結(jié)構(gòu)和公司治理機制是影響效率的重要因素，當(dāng)股權(quán)集中度上升時，可有助于公司增強管理，改善銀行經(jīng)營績效。因而，建議適當(dāng)提升農(nóng)商行的股權(quán)集中度，尤其是對于北方省份的農(nóng)商行，需要將股權(quán)更多地集中在有優(yōu)秀管理能力和遵從監(jiān)管要求的股東手里。此外，雖然某些年份、某些地區(qū)的國有大股東會通過幾個渠道降低農(nóng)商行的經(jīng)營效率，但2019年國有大股東可以通過擴大規(guī)模、防范風(fēng)險和提高股權(quán)集中度三個渠道顯著提升農(nóng)商行的經(jīng)營效率，而且從區(qū)域的角度看，也可以通過擴大規(guī)模顯著提升南方農(nóng)商行的效率。建議適當(dāng)提高農(nóng)商行國有股權(quán)占比，雖然這樣可能會導(dǎo)致部分效率下降，但相比于某些非國有股東掏空農(nóng)商行、謀取私利所造成的危害和巨大負外部性，這亦是最好選擇。

第三，壓實地方政府對農(nóng)商行的風(fēng)險處置屬地責(zé)任。當(dāng)國有股權(quán)占比提高時，可能意味著地方政府對當(dāng)?shù)剞r(nóng)商行的影響力增強，地方政府往往出于自身利益出發(fā)，可能將當(dāng)?shù)剞r(nóng)村金融機構(gòu)作為“提款機”，這就會造成農(nóng)商行的風(fēng)險增加、效率下降。壓實地方政府對農(nóng)商行的風(fēng)險處置屬地責(zé)任，會顯著增加把農(nóng)村金融機構(gòu)作為“提款機”的成本，避免“興一利而生一弊”。

（責(zé)任編輯：夏凡）

參考文獻：

[1]Berger A N，DeYoung R.Problem loans and cost efficiency in commercial banks[J].Journal of Banking & Finance，1997，21（6）：849-870.

[2]Fernandes F D S，Stasinakis C，Bardarova V.Two-stage DEA-Truncated Regression：Application in banking efficiency and financial development[J].Expert Systems with Applications，2018，96：284-301.

[3]Grove H，Patelli L，Victoravich L M，et al.Corporate governance and performance in the wake of the financial crisis：Evidence from US commercial banks[J].Corporate Governance：An International Review，2011，19（5）：418-436.

[4]Morck R，Shleifer A，Vishny R W.Management ownership and market valuation： An empirical analysis[J].Journal of financial economics，1988，20：293-315.

[5]Pessarossi P，Weill L.Do capital requirements affect cost efficiency？ Evidence from China[J].Journal of Financial Stability，2015，19：119-127.

[6]Sarmiento M，Galán J E.The influence of risk-taking on bank efficiency：Evidence from Colombia[J].Emerging Markets Review，2017，32：52-73.

[7]Shehzad C T，de Haan J，Scholtens B.The impact of bank ownership concentration on impaired loans and capital adequacy[J].Journal of Banking & Finance，2010，34（2）：399-408.

[8]Shleifer A，Vishny R W.A survey of corporate governance[J].The journal of finance，1997，52（2）： 737-783.

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

[10]鄧曉娜.農(nóng)村金融機構(gòu)經(jīng)營效率測算及影響因素的空間計量分析——兼論農(nóng)村金融機構(gòu)改革[J].金融監(jiān)管研究，2020（2）：51-66.

[11]何婧，何廣文.農(nóng)村商業(yè)銀行股權(quán)結(jié)構(gòu)與其經(jīng)營風(fēng)險，經(jīng)營績效關(guān)系研究[J].農(nóng)業(yè)經(jīng)濟問題，2015 （12）： 65-74.

[12]李維安，曹廷求.股權(quán)結(jié)構(gòu)，治理機制與城市銀行績效——來自山東，河南兩省的調(diào)查證據(jù)[J].經(jīng)濟研究，2004（12）：4-15.

[13]譚勁松，簡宇寅，陳穎.政府干預(yù)與不良貸款[J].管理世界，2012（7）：29-43.

[14]譚政勛，李麗芳.中國商業(yè)銀行的風(fēng)險承擔(dān)與效率——貨幣政策視角[J].金融研究，2016，432（6）： 112-126.

[15]王克強，蔣濤，劉紅梅，等.中國農(nóng)村金融機構(gòu)效率研究——基于上市農(nóng)商行與村鎮(zhèn)銀行對比視角[J].農(nóng)業(yè)技術(shù)經(jīng)濟，2018，（9）：20-29.

[16]吳少新，李建華，許傳華.基于 DEA 超效率模型的村鎮(zhèn)銀行經(jīng)營效率研究[J].財貿(mào)經(jīng)濟，2009（12）：45-49.

[17]燕翔，馮興元.農(nóng)村中小銀行的經(jīng)營效率研究 ——基于DEA-BCC模型和DEA-Malmquist指數(shù)模型的分析.金融監(jiān)管研究，2021（11）：1-17.

[18]余晶晶，何德旭，仝菲菲.競爭，資本監(jiān)管與商業(yè)銀行效率優(yōu)化——兼論貨幣政策環(huán)境的影響[J].中國工業(yè)經(jīng)濟，2019（8）： 24-41.

[19]趙尚梅，杜華東，車亞斌.城市商業(yè)銀行股權(quán)結(jié)構(gòu)與績效關(guān)系及作用機制研究[J].財貿(mào)經(jīng)濟，2012 （7）：39-48.

[20]鄭錄軍，曹廷求.我國商業(yè)銀行效率及其影響因素的實證分析[J].金融研究，2005（1）：91-101.

[21]祝繼高.銀行與企業(yè)交叉持股的理論與依據(jù)——基于國際比較的研究[J].國際金融研究，2012（2）：58-68.