基于DEA方法下的我国商业银行效率研究分析1
The research of our commercial bank efficiency based on
DEA method
摘要：银行效率是银行对资源的有效配置，效率问题成为中国商业银行面临的一个深层次的问题。运用DEA模型，选取投入指标：总资产、员工人数、利息支出、非利息支出和所有者权益；产出指标：利息收入和非利息收入，实证分析我国商业银行的效率。
Abstract：Bank efficiency is the resources of bank effectively configuration, efficiency problem is becoming a commercial Banks’ deep problem. Using DEA model, input index: the total assets, number of employees, interest expenses and non-interest expenditure and ownership interest; Output index: interest income and non-interest income, the empirical analysis of Chinese commercial Banks efficiency.
关键词：DEA 技术效率纯技术效率规模效率
Keyword：DEA technical efficiency Pure technical efficiency Scale efficiency
1、引言
从2006年底开始，我国已经逐步取消了对在华外资银行的一些行政限制，享受同等的国民待遇，同时金融市场的进一步改革，使得具有强大综合实力的外资银行进入到中国市场。截止到2008年底，在华外资银行的营业机构数达到558家，资产达到13448亿，外资银
1作者简介：姓名：王珊珊学历：新疆财经大学研究生出生日期：1984年11月研究方向：金融工程籍贯：新疆自治区乌鲁木齐市北京中路4 49号
行资产占银行业金融机构总资产的比率从2004年的1.84%到2007年的2.38%。这对中国的商业银行来说是个巨大的挑战。
银行效率是银行对资源的有效配置，是衡量经营业绩的重要指标，是银行综合竞争力的体现。在我国商业银行竞争过程中，只是片面的强调市场占有率而忽视了效率。根据英国《银行家》杂志对2001年度1000家大银行进行的排名中，四大国有商业银行的平均资本利润率处于25%左右，而国际活跃银行的这一数值均能达到30%以上，盈利能力具有相当明显的差距。因此，效率问题成为中国商业银行面临的一个深层次的问题。
2、DEA模型介绍
关于测量商业银行效率的方法很多，而且也取得了许多重要的研究成果。一般而言商业银行的绩效评价分为财务绩效评价和非财务绩效评价。非财务绩效评价主要有参数法和非参数法。参数法分别是随即前沿方法(stochastic frontier approach——SFA)、自由分布方法(distribution-free approach——DFA)以及厚前沿方法(thick frontier approach——TFA)
本文采用的的是DEA方法(Data Envelopment Analysis)即数据包络分析法，它是一种线性规划技术。最初由Charnes，Cooper 和Rhodes(CCR,1978)在要素规模报酬不变的前提条件下，提出了规模报酬不变模型——CRS模型（CCR模型），对DMU（决策单位）的技术效率进行分析。此后，Banker，Charnes 和Cooper（1984）放松了CRS模型的假设条件提出了规模报酬可变模型——VRS模型（BCC
模型） ，认为技术效率可以分为纯技术效率和规模效率。Sherman 和Gold 在1985年第一次将DEA 技术运用于银行业。Andersen 和Petersen(1993)建立了超效率(Super-Efficiency)的DEA 模型将有效的DMU 分离出来。 Coelli (1996)提出规模报酬非增模型(NIRS)并提出“两阶段法”(Two-Stage Method)。DEA 的模型分为投入导向型和产出导向型。投入导向模型是指产出固定的情况下，使得投入最小化的线性规划问题；产出导向模型是在投入固定的情况下，使得产出最大化的线性规划问题。
我们主要是从成本投入最小化的角度进行分析，一般设计5种效率指数：综合效率（OE ）、技术效率（TE ）、配置效率（AE ）、规模效率（SE ）、纯技术效率（PTE ）。图 2.1描述的是在规模报酬不变（CRTS ）的情况下，一家企业用两种投入X 1，X 2生产一种产出Y 。
SS '是该企业的等成本曲线（预算约束线）。AA '是该企业的等产量线，
描述了在当前的技术条件下，生产等量的Y ，所需要的X 1和X 2的投资组合。在AA '上的所有点的技术都是有效的。只有在预算约束线上
X
2
图2.1 综合、技术与配置效率
图2.2 纯技术与规模效率
X
生产才能实现配置有效，点Q'的技术和配置均是有效的。从图中看Q 点的技术是有效的，但是配置是无效的。对于点P而言，技术和配置都是无效的，点P的TE=OQ；AE=OR OQ；OE=OR OP由此可以看出综合效率=技术效率×配置效率。
图2.2描述的是在规模报酬可变的情况下，把技术效率分为纯技术效率和规模效率。PTE=MB MA，是银行当前的生产点与规模报酬变化的生产前沿的之间技术水平运用的差距；SE=MC MB，是规模报酬变化的生产前沿和规模报酬不变的生产前沿的距离。TE=MC MA；由此可见TE=SE PTE
?。
3、DEA模型
一、指标的选取和数据的来源
对于DEA模型指标的选取，历来的研究都存在着很多的争议，一般而言投入和产出的指标的选择主要有生产法、资产法、中介法、用户成本法、价值附加值法。不同的学者选用的不同的指标来衡量自己研究的出成果，得出的结论是有偏差的，甚至会出现相反的结果。曹昌军和李宗植（2007）对研究国内外商业银行投入产出指标的有关文献总结分析，发现员工人数和固定资产净值是两个重要的投入要素。本文所选取的投入指标是总资产、员工人数、利息支出、非利息支出和所有者权益。很多研究方法直接把贷款额作为银行的产出，并没有考虑到贷款质量的差异。事实上银行是非常谨慎的，只有在满足一定条件下才会贷款。关于贷款额作为产出存在很多的争议，我们避开这些争议，将银行的收入定义为利息收入和非利息收入。用利息
97576
49
数据来源：《中国金融年鉴》数据整理得到收入来反映贷款的质量。本文采用的产出指标是利息收入和非利息收入（投资收益、营业外收入、汇兑收益、手续费收入和其他收入）。
受资料的限制，很难找到投入要素价格的相关数据，就没有办法计算银行的综合效率和配置效率。文章主要是分析银行的技术效率，规模效率和纯技术效率。研究的样本主要是四大国有商业银行和股份制商业银行即：交通银行、光大银行、浦东发展银行、深圳发展银行、华夏银行、招商银行等。文章的数据主要来源于《中国金融年鉴》（2009）中各家银行年末的损益表和资产负债表。
二、实证分析
文章选择了中国银行、农业银行、工商银行、建设银行、交通银行、光大银行、浦东发展银行、深圳发展银行、华夏银行、招商银行
等商业银行2008年的数据为样本，并选取利息收入和非利息收入为产出指标，总资产、员工人数、利息支出、非利息支出和所有者权益为投入指标，进行实证分析
（一）通过DEA软件，可以测算出银行2008年的技术效率、纯技术效率和规模效率，结果如表2。
从表2可以看出我国商业银行的效率有了明显的提高，2004年四大国有商业银行的效率分别为0.308、0.307、0.547、0.298。上升到现在的0.974、0.918、1、0.966。其原因主要是因为四大国有银行都进行了股份制改革，而且现在都已经成功上市。总体上看，我国商业银行的规模效率平均值达到0.982还是比较高的。民生银行、华夏银行、光大银行、招商银行、广东发展这几家银行相对其他银行来说技术效率偏低，纯技术效率明显低于规模效率，这表明这几家银行规
模的扩大对技术效率的提高作用不是很明显，可以通过减少投入要素，加强经营管理，来提高自身的效率。
（二）分别用利息收入和非利息收入这两个产出变量对16家银行进行CCR分析，可以各银行产出变量的相对效率，结果如表3。
注：相对效率为1视为有效，小于1为无效。
从表中可以看出，利息收入的相对效率明显高于非利息收入的相对效率，非利息收入包括中间业务收入等。这表明我国商业银行还是以传统的存贷款的利息为主要收入，中间业务和表外业务开展起步比较晚。浙江商业银行、招商银行、光大银行、农业银行、和广东发展银行的非利息收入的相对效率比较低，这些银行可以通过积极开展中间业务，拓展新的业务、加强经营管理来提高自身效率。
4、结论
本文利用DEA方法对2008年的商业银行的技术效率、纯技术效
率和规模效率进行了测度和初步分析，得出以下结果：
a)我国商业银行技术效率的差距比较明显。各大商业银行应该扬长避短，大力推进网络银行，减少支行和营业网点的设置。缩小各银行间效率的差距，有利于我国银行业的长期稳定。
b)尽管我国商业银行的效率提高很快，但是利息收入的相对效率明显高于非利息收入，银行的重要收入还是依靠存贷利息收入。中间业务的发展相对滞后。我国商业银行应该努力拓展自己的中间业务，以便与国际金融接轨。增加对外资银行的竞争力。
c)股份制改革后，我国商业银行效率已经有了明显的提高。尤其是纯技术效率的提高很明显。这表明股份制改革不仅减轻了银行的负担，而且提高了银行的效率。
提高商业银行的核心竞争力优势和银行的收益率水平，主要的是在技术上强化商业银行的专业经营水平。
参考文献
【1】张建华，我国商业银行效率研究中的DEA方法及1997年—2001年效率的实证分析[J].金融研究，2003.3
【2】王灵华，薛晶，我国商业银行效率评价及实证分析[J]. 统计研究2008.2
【3】龙锋、邓启峰、符斯年，基于DEA分析方法下的海南省商业银行效率研究[J].海南金融2009.12
【4】赵永乐、王均坦，商业银行效率、影响因素以及能力模型的解释结果[J].金融研究2008.3
【5】徐灵超、吴光伟，中国商业银行效率研究的文献综述[J].经济师2010.7
【6】尚丽娜、邱烈金，利用DEA技术测量我国上市银行的X-效率
[C].河南金融管理干部学院学报2007.5
【7】张建华，我国商业银行的X效率分析[J].金融研究2003.6 【8】赵旭，中国银行业效率研究[C].博士学位论文
【9】高杰英，中国商业银行效率研究[M].首都经济贸易大学出版社
序 现在我们接着第三篇，进一步阐述超效率DEA，并以“高校院系科研论文产出绩效”为题做一下实例分析。 1.1主要流行的方法 学术界开展了有关科研绩效和科研产出的理论研究和实证分析。主要研究内容包括评价指标体系的设置、评价标准的确定，评价内容和对象等。另一方面，数学模型的应用和定量评价方法也得到不断发展，数据包络分析、层次分析法和灰色关联分析等方法已应用于科研产出的评价。 1.2问题背景 目前，对高校科研产出评价存在一定的争议。分定量和定性两种。主观的评价很容易产生偏见，定量化评价操作性强，比较客观，所以本文采用比较客观的改进型DEA方法进行评价。 1.3普通CCR 模型与超效率 SE-DEA模型的差异 DEA的主要模型为CCR模型和BCC模型。其中CCR对决策单元规模有效性和技术性同时进行评价。但使用该模型只能区别出有效率和无效率的单位，而对于有效率的单位无法进行排序。为此，Anderson 和 petersen 依据CCR模型的方法，提出超效率DEA模型（Super efficiency DEA，SE-DEA）,计算出的不再局限于0~1范围内，而是允许效率值超过1，即可将效率值为1的DMU进行排序并比较。 下图为SE-DEA模型 1．4 校院系科研论文产出绩效问题及其参数 基于文献计量评价方法评价科研绩效的基础在于学术论文是在严格意义上的学术期刊上发表的成果。而目前学术期刊参差不齐, 学术期刊与科普读物甚至娱乐性杂志混杂不清, 使科研产出评价失灵。但国内大部分高校, 尤其是211.985重点高校均认同中文社会科学引文索引( CSSCI)和中国科学引文索引( CSCD)两大数据库收录的计源期刊。另外, 武汉大学中国科学评价中心于2008年研制完成中国学术期刊评价研究报告; 该报告对学术期刊进行
河南省科技进步的超效率ＤＥＡ分析 摘要：通过对近年河南省科技进步水平及在全国各地区的排名进行研究，并用数据包络分析(DEA)对代表河南省科技进步的大中型企业1999—2006年的科技活动进行有效性评价，认为影响河南省科技进步的主要因素是资金和人力投入少、科技创新体系不完善等，最后对河南省科技进步存在的问题进行探讨并提出相关对策和建议。 标签：科技进步；数据包络分析；效率分析 一、引言 世界的经济实践一再表明，科学技术是一个国家先进生产力的集中体现和重要标志。显然，一个国家和地区的经济要实现快速发展，就必须加快科技进步的步伐。 河南位于我国的中部腹地，承东启西、贯通南北，是各种经济力量、科技力量发挥作用和影响的要冲之地，因此，河南省发展的好坏直接关系到我国整个国民经济发展的全局和大局。2006年，河南省的GDP总量为12495.97亿元，位居全国第5位，成为我国中西部地区的首位经济大省，但还不是经济科技强省。近年，河南省在全国各省的科技进步和经济发展中的排名仍然落后。本文将对此进行具体的分析，以便找到原因，采取科学有效的措施，推动河南经济走上持续、协调、快速的发展道路。 二、河南省以及全国科技进步水平分析 1近年，在国家宏观科技政策的指导下，河南省的科技活动取得了很大进展。 2006年河南省科技活动人员达到17.73万人，其中科学家、工程师10.86万人；科技经费支出额178.65亿元，占河南省GDP的1.43％；R&D经费79.84亿元，占河南省GDP的0.64％；地方性科技拨款17.6亿元；高技术产业规模以上企业产值277.34亿元，占全国的0.7996；高技术产业规模以上企业增加值159.15亿元；高技术产品进出口额3.03亿美元；专利申请授权量5242项。2001-2006年，河南省各种科技指标值如表1所示。
七步骤帮助ＣＩＯ提高数据管理效率超效率dea步骤如何在更短时间和更小风险范围之内做出更好的业务决策?为保持持续增长,企业面临各种挑战。而内部数据的不可靠性是其中之最,因为这些数据往往是用作决策依据的。 从两年到6~8个月 大多数企业数据管理方面的问题是,采用自顶向下的方法,且只着眼于短期的业务需求目标。要做好数据管理少不了业务经理的合作支持,但业务经理会以此争取自己部门的利益,用其去支撑实现一些业务目标,而不会太注重费力不讨好的数据管理流程本身。 只有极少数公司的数据管理实际有效,因为在大多数情况下,对数据管理而言,自顶向下的方法是无效的。如果用典型的自顶向下的瀑布模型来实现数据管理,企业需要花6个月时间来形成决议,再花6个月时间来定义和启动项目,然后花6个月时间收集需求,最后再花6个月争论相关的技术……这样,两年下来,所有的人都只是在无数的会议中浪费时间,而数据管理却不会有任何实质性进展。
为解决这一问题,企业应该借鉴敏捷开发的方法。通过引入敏捷的管理流程,公司可以先在小范围内快速实现数据管理流程与策略, 并逐步进行适应和调整,在解决业务需求和数据自身问题之间找到最恰当的平衡点,使得数据管理流程更加稳定,比如将其重心放在其客 户数据的关键数据管理项目上。 想要尝试敏捷数据管理方法,公司需要遵循一些基本原则,来帮助公司取得成功。首先,最为重要的是,要重点处理那些能够为企业带来最大业务利益,以及能够确保项目取得成功的条件与数据。其次, 要限制数据管理团队的规模,但同时也要保证在项目的每个阶段,所 涉及的数据都有团队成员对其一清二楚,只有这样才能帮助提高流程的效率,并消除绝大多数的潜在问题。最后,在项目的每个部分,都指定稳固的数据管理团队帮助确保最后的成功。 在整个项目开始之前,企业需要选择一个核心而精干的数据管 理委员会,这个委员会必须能够代表企业高管关于整个企业业务目标走向的策略性思想。这个委员会的意图要让整个公司 __理解,从而能够将企业所面临的各种关键的数据问题加以分门别类,进而确定哪几个重要的问题应该首先跟踪解决,这其中包含最为关键的第一个项目,那就是必须让这个数据管理项目取得开门红,为以后的项目进展带个好头。要解决的数据管理问题是那些严重破坏可靠性,并会对企业利润、生产率、生产周期、客户满意度、风险、名誉、成本节约、员工