我國(guó)城市商業(yè)銀行創(chuàng)新效率測(cè)度與評(píng)價(jià)研究我國(guó)城市商業(yè)銀行創(chuàng)新效率測(cè)度與評(píng)價(jià)研究

中圖分類號(hào)：F830.33

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001-862X〔2022〕02-0039-007

本刊網(wǎng)址《在線雜志：

*基金工程：國(guó)家自然科學(xué)基金工程〔71403001〕;教育廳人文社科重點(diǎn)工程〔SK2022A011〕;安徽省軟科學(xué)工程〔1302053044〕

作者簡(jiǎn)介：阮素梅〔1974―〕，女，安徽太和人，安徽財(cái)經(jīng)大學(xué)副教授，博士，碩士生導(dǎo)師，主要研究方向：銀行管理、公司治理。

一、引言

我國(guó)自1995年在深圳成立第一家城市商業(yè)銀行開始，至今不到20年的時(shí)間。與國(guó)有、股份制商業(yè)銀行從無到有的誕生方式不同，城市商業(yè)銀行經(jīng)歷了城市信用社、改制、處置風(fēng)險(xiǎn)資產(chǎn)和歷史包袱的陣痛之后重獲新生，主要定位于“地方的銀行、城市的銀行、中小企業(yè)的銀行〞。截至2022年末，城市商業(yè)銀行在全國(guó)注冊(cè)成立的有144家，資產(chǎn)總額達(dá)12.35萬億元，資產(chǎn)總額同比2022年增長(zhǎng)了23.7%，城市商業(yè)銀行正在日益成為支持地方開展、扶持中小企業(yè)生存的重要力量?？梢?，城市商業(yè)銀行在滿足中小實(shí)體企業(yè)金融效勞需求、促進(jìn)區(qū)域經(jīng)濟(jì)開展方面發(fā)揮了重要作用，然而隨著利率市場(chǎng)化和金融脫媒時(shí)代的到來，主要依靠傳統(tǒng)存貸利差盈利的城市商業(yè)銀行面臨著前所未有的挑戰(zhàn)，加快金融創(chuàng)新和提高創(chuàng)新效率是推動(dòng)城市商業(yè)銀行開展的關(guān)鍵。

我國(guó)城市商業(yè)銀行類似美國(guó)社區(qū)銀行，屬于地方性中小型商業(yè)銀行。國(guó)外學(xué)者的相關(guān)研究大多集中在金融創(chuàng)新，中間業(yè)務(wù)非利息收入以及經(jīng)營(yíng)風(fēng)險(xiǎn)等方面，對(duì)創(chuàng)新的實(shí)證往往采取問卷調(diào)查、財(cái)務(wù)數(shù)據(jù)包絡(luò)分析等辦法。而在國(guó)內(nèi)，有中國(guó)特色的城市商業(yè)銀行組建成立的時(shí)間較短，相關(guān)研究成果較匱乏。

通過對(duì)已有文獻(xiàn)梳理后發(fā)現(xiàn)，國(guó)內(nèi)外學(xué)者的研究更多集中在外資、國(guó)有以及大型股份制商業(yè)銀行的金融業(yè)務(wù)創(chuàng)新及效率評(píng)價(jià)方面，很少有學(xué)者將研究重心放在城市商業(yè)銀行的業(yè)務(wù)創(chuàng)新及效率評(píng)價(jià)方面。本文圍繞城市商業(yè)銀行創(chuàng)新能力形成、創(chuàng)新效率評(píng)價(jià)等問題，主要展開下列兩方面的研究工作：一是引用加權(quán)的DEA模型，從靜態(tài)和動(dòng)態(tài)兩個(gè)角度，對(duì)我國(guó)城市商業(yè)銀行、國(guó)有銀行和股份制銀行的創(chuàng)新效率進(jìn)行橫向比擬分析，并對(duì)我國(guó)28家城市商業(yè)銀行做分經(jīng)濟(jì)地域的創(chuàng)新效率比擬測(cè)評(píng);二是利用Stata軟件對(duì)影響我國(guó)28家城市商業(yè)銀行創(chuàng)新效率的因素，做Tobit面板數(shù)據(jù)回歸，用實(shí)證來探求我國(guó)城市商業(yè)銀行的股權(quán)結(jié)構(gòu)和公司治理對(duì)創(chuàng)新效率影響的方向和幅度。

二、模型的構(gòu)建

〔一〕效率的測(cè)度模型

1.傳統(tǒng)及加權(quán)的靜態(tài)DEA模型

數(shù)據(jù)包絡(luò)分析是數(shù)學(xué)、運(yùn)籌學(xué)、管理學(xué)和計(jì)算機(jī)科學(xué)的一個(gè)新的交叉領(lǐng)域，是用于測(cè)度企業(yè)資源使用效率的非參數(shù)辦法。它是由Charnes等人[11]于1978年開始創(chuàng)立的，評(píng)價(jià)具有多個(gè)輸入或輸出的“部門〞或“決策單位〞〔DMU〕間的相對(duì)有效性。加權(quán)DEA模型構(gòu)造思想來源于傳統(tǒng)DEA本身的優(yōu)缺點(diǎn)，其優(yōu)點(diǎn)之一便是無需明確的模型函數(shù)，沒有過多的約束條件束縛，其中每個(gè)投入與產(chǎn)出指標(biāo)〔DMU〕在DEA的軟件運(yùn)算中所賦予的原始指標(biāo)權(quán)重是一樣的。但是這些特點(diǎn)在某些領(lǐng)域的運(yùn)用時(shí)也會(huì)成為它的弊端，特別在銀行業(yè)面板數(shù)據(jù)處理中，每個(gè)投入產(chǎn)出指標(biāo)在模型中的權(quán)重占比，因時(shí)間周期、指標(biāo)波動(dòng)、外在環(huán)境及政策的變化而有所不同。所以本文參考變異系數(shù)理論，對(duì)DEA模型的投入產(chǎn)出指標(biāo)賦予不同的權(quán)重系數(shù)以求模型更貼近實(shí)際情況。

此外，模型系數(shù)的選取不是依據(jù)人的主觀因素而是根據(jù)客觀樣本系數(shù)自身的離散程度和波動(dòng)性。根據(jù)被評(píng)價(jià)對(duì)象投入產(chǎn)出指標(biāo)的波動(dòng)差別情況來確定權(quán)重，即對(duì)同一決策單元中波動(dòng)差別較大，辨識(shí)度較高的指標(biāo)應(yīng)賦予較大權(quán)重，而決策單元中波動(dòng)差別較小，辨識(shí)度不高的指標(biāo)應(yīng)賦予較小的權(quán)重，加權(quán)模型如下：

加權(quán)數(shù)CCR模型

min[θ-ε〔eTs++eTs-〕]

s.t.■wixj？姿j+s-=θx0

■wiyj？姿j-s+=y0

？姿j？叟0，j=1，…n且s+？叟0，s-？叟0

加權(quán)數(shù)BCC模型

min[θ-ε〔eTs++eTs-〕]

s.t.■wixj？姿j+s-=θx0

■wiyj？姿j-s+=y0

■？姿j=1

？姿j？叟0，j=1，…n且s+？叟0，s-？叟0

模型中，x為投入數(shù)量，y為產(chǎn)出數(shù)量〔x、y皆為樣本無量綱化后的數(shù)值〕，w為根據(jù)樣本變異系數(shù)求出的權(quán)重，θ表示DMU-j的效率指數(shù)，eTs-表示m項(xiàng)投入由X0減少到θX0之外，還需減少的總和;eTs+表示產(chǎn)出缺乏的總和，ε為非阿基米德無窮小，任意實(shí)數(shù)X>0皆有X？叟ε。

2.Malmquist指數(shù)的動(dòng)態(tài)DEA模型無論是規(guī)模不變的CCR模型還是規(guī)?？勺兊腂CC模型，只能從靜態(tài)的角度對(duì)被測(cè)評(píng)對(duì)象進(jìn)行橫截面的效率比擬并且得出效率結(jié)論都是受限的，效率結(jié)果是離散的、被隔斷的，所以都無法解決樣本數(shù)據(jù)時(shí)間序列上的縱向比照。因此，本文引入DEA-Malmquist指數(shù)模型法，它是由經(jīng)濟(jì)統(tǒng)計(jì)學(xué)家Malmquist首創(chuàng)于1953年，M指數(shù)的核心理論根底為距離函數(shù)D〔x，y〕，其倒數(shù)形式恰好為CCR、BCC模型的最優(yōu)解，隨后經(jīng)過一系列學(xué)者的繼承與開展，由Caves在1982年結(jié)合DEA理論模型用于測(cè)評(píng)生產(chǎn)要素使用效率的動(dòng)態(tài)變化：

M〔xt+1，yt+1，xt，yt〕=■

■×■1/2

=TEC×TC

=PTEC×SEC×TC

〔二〕Tobit模型

我們考慮到用DEA求解出來的效率的取值區(qū)間是在0和1之間，數(shù)值在0處是被隔斷的，是受限的，所以最小二乘法無法對(duì)模型進(jìn)行無偏有效的估計(jì)。因此，本文采用面板數(shù)據(jù)Tobit回歸〔XTTobit〕〔1〕，這樣既能兼顧時(shí)間與截面序列又能提高樣本精度，使模型估計(jì)結(jié)果更貼近實(shí)際。Tobit在1958年針對(duì)被解釋變量一局部離散一局部連續(xù)的情況下提出的解決模型，Tobit模型是用極大似然法代替最小二乘法對(duì)模型進(jìn)行估計(jì)，模型如下：

Zi=？茁TXi+εi，？茁TXi+εi>00

，？茁TXi+εi？燮0

其中i=1，2，3…，在本文中Z代表效率值，X為影響因素，β為未知參數(shù)，ε服從N〔0，σ2〕分布。

三、實(shí)證研究與結(jié)果分析

〔一〕決策變量選取及樣本數(shù)據(jù)處理

國(guó)際上對(duì)效率的研究，常用的測(cè)評(píng)辦法大致有三種：生產(chǎn)法、資產(chǎn)法和中介法。以上三種辦法各有優(yōu)劣，具體哪種辦法在效率的評(píng)判上更有優(yōu)勢(shì)，學(xué)術(shù)界尚無定論，所以本文綜合以上辦法的思想，選擇固定資產(chǎn)凈值、無形資產(chǎn)、員工人數(shù)和管理費(fèi)用作為創(chuàng)新效率測(cè)評(píng)的投入項(xiàng)，以中間業(yè)務(wù)收入作為測(cè)評(píng)城市商業(yè)銀行創(chuàng)新效率的產(chǎn)出項(xiàng)。

在樣本選擇和數(shù)據(jù)處理方面，本文按照數(shù)據(jù)獲取的可得性、完整性以及可用性等選取規(guī)那么，按經(jīng)濟(jì)地域劃分，選取2022―2022年共5年28家樣本城市商業(yè)銀行的數(shù)據(jù)以及作為橫截面比照的4家國(guó)有銀行和4家全國(guó)股份制銀行的財(cái)務(wù)數(shù)據(jù)。樣本銀行見表1。

根據(jù)樣本變異系數(shù)公式，求得每個(gè)投入決策變量的均值和規(guī)范差，再用每個(gè)決策變量的變異系數(shù)加權(quán)求出決策變量的權(quán)重，計(jì)算結(jié)果如表2所示。

〔二〕效率測(cè)度及結(jié)果分析

本文從靜態(tài)和動(dòng)態(tài)兩個(gè)角度對(duì)城市商業(yè)銀行的創(chuàng)新效率做5年的實(shí)證比擬測(cè)評(píng)。首先兼顧樣本的可比性，本文按照不同的經(jīng)濟(jì)地域各選2家城市商業(yè)銀行、4家國(guó)有商業(yè)銀行、4家股份商業(yè)銀行組成16家樣本銀行，做創(chuàng)新效率比擬，如表3所示。

其次，按四大經(jīng)濟(jì)地域辨別，對(duì)我國(guó)28家城市商業(yè)銀行做區(qū)域性創(chuàng)新效率比擬，如表4所示。

最后，對(duì)28家城市商業(yè)銀行做5年的動(dòng)態(tài)M指數(shù)分析，如表5所示。

通過上述分析可以看出：總體看，國(guó)有和股份制商業(yè)銀行的金融創(chuàng)新效率較高，分別為0.875和0.828，但農(nóng)業(yè)銀行因?yàn)楣局卫聿划?dāng)、不良資產(chǎn)匯集等歷史原因?qū)е聞?chuàng)新能力相對(duì)較低〔0.6238〕;城市商業(yè)銀行金融創(chuàng)新效率平均只有0.52，并且各地城市商業(yè)銀行創(chuàng)新效率參差不齊，最高為1，最低的僅有0.095，絕大多數(shù)的城市商業(yè)銀行在16家樣本銀行創(chuàng)新效率中的綜合排名較后。從地域分布來看，東部和中部地區(qū)的城市商業(yè)銀行創(chuàng)新效率年均值略高于東北和西部地區(qū)，并且處于同一經(jīng)濟(jì)地域城市商業(yè)銀行的金融創(chuàng)新效率也千差萬別。從綜合效率角度看，全體樣本城市商業(yè)銀行在2022―2022年這5年中，綜合效率呈倒“U〞字型，由2022年的0.613到2022年到0.685達(dá)最頂峰，隨后兩年綜合效率遞減至2022年的0.546，呈現(xiàn)出先增后降的態(tài)勢(shì)。從要素奉獻(xiàn)角度看，中國(guó)城市商業(yè)銀行在2022―2022年這5年全要素生產(chǎn)指數(shù)的變化趨勢(shì)呈“凸〞字型，我國(guó)城市商業(yè)銀行全要素生產(chǎn)率的年均值到達(dá)1.171，也就是每年以17.1%的速度增長(zhǎng)，全要素生產(chǎn)率的推進(jìn)主要靠技術(shù)進(jìn)步要素以每年22%的速率拉動(dòng)，因此技術(shù)進(jìn)步要素奉獻(xiàn)最為突出。

〔三〕城市商業(yè)銀行創(chuàng)新效率影響因素的實(shí)證結(jié)果及分析

通過對(duì)效率的測(cè)評(píng)，我們發(fā)現(xiàn)城市商業(yè)銀行在創(chuàng)新層面表現(xiàn)出不同程度的低效率，但是無法判斷影響創(chuàng)新效率的因素以及影響的程度和方向。下面主要從城市商業(yè)銀行的股權(quán)治理和公司運(yùn)營(yíng)這兩個(gè)角度定量研究其對(duì)創(chuàng)新效率的影響因素和影響程度。本局部主要設(shè)計(jì)了兩類變量：被解釋變量和解釋變量，各變量功能及其解釋變量根本描述詳見表6和表7。

由于被解釋變量的離散性，所以本文采用面板數(shù)據(jù)Tobit回歸，這樣既能兼顧時(shí)間與截面序列又能提高樣本精度，使模型估計(jì)結(jié)果更貼近實(shí)際。而被解釋變量選擇綜合效率值，本文認(rèn)為其在表示城市商業(yè)銀行整體創(chuàng)新效率情況時(shí)更具有包容性，城市商業(yè)銀行創(chuàng)新效率影響因素回歸結(jié)果如表8所示。

通過對(duì)表8的分析可以得出：從股權(quán)治理角度來看，前5大股東股權(quán)集中度系數(shù)為正，表明前5大股東股權(quán)的集中對(duì)城商行的創(chuàng)新效率起到了促進(jìn)作用，但效果并不顯;監(jiān)事會(huì)規(guī)模對(duì)城商行創(chuàng)新效率有負(fù)的影響〔在5%的水平下顯著〕;引進(jìn)戰(zhàn)略投資者對(duì)創(chuàng)新效率有正的影響〔在1%的顯著水平下顯著〕;創(chuàng)新能力對(duì)創(chuàng)新效率的影響為正〔在1%的顯著水平下顯著〕，表明創(chuàng)新能力越強(qiáng)，創(chuàng)新收益越高，創(chuàng)新效率提升越快;不良貸款率對(duì)創(chuàng)新效率的影響為負(fù)但不顯著;員工鼓勵(lì)對(duì)創(chuàng)新效率影響雖然為正但效果有限且不顯著;城商行的分支機(jī)構(gòu)對(duì)創(chuàng)新效率的影響為正且在1%的水平下顯著;管理費(fèi)用對(duì)創(chuàng)新效率的影響為負(fù)且在5%的水平下顯著。

四、主要結(jié)論

本文收集了全國(guó)28家城市商業(yè)銀行2022―2022年5年的面板數(shù)據(jù)，利用加權(quán)的DEA模型和Tobit面板數(shù)據(jù)回歸模型，從靜態(tài)和動(dòng)態(tài)兩個(gè)角度分別對(duì)我國(guó)城市、國(guó)有以及股份制商業(yè)銀行的創(chuàng)新效率進(jìn)行了測(cè)度，實(shí)證分析了股權(quán)結(jié)構(gòu)和公司治理因素對(duì)我國(guó)城市商業(yè)銀行創(chuàng)新效率影響的方向和幅度。結(jié)果發(fā)現(xiàn)：我國(guó)城市商業(yè)銀行在創(chuàng)新層面表現(xiàn)出不同程度的低效率，推動(dòng)我國(guó)城市商業(yè)銀行創(chuàng)新效率提高的最大動(dòng)力是技術(shù)進(jìn)步，最基本的內(nèi)因是加強(qiáng)公司治理;國(guó)有和股份制商業(yè)銀行的金融創(chuàng)新效率普遍高于城市商業(yè)銀行，我國(guó)城市商業(yè)銀行創(chuàng)新效