DEA模型的中国商业银行效率研究——基于因子分析谭艳娴;凌俊【摘要】为了更加深刻地认识中国商业银行的效率,本文构建与传统DEA模型不同的因子分析—DEA模型,对2000-2012年间我国12家大型股份制和股份制商业银行的效率变化进行考察.研究结果显示总体上我国12家商业银行在2001-2012年间综合效率和纯技术效率均呈现先上升后下降再上升的特征,而规模效率呈现增长趋势,但变化不显著.其中,大型股份制银行总体上属于纯技术有效,规模无效;股份制银行总体上属于纯技术无效而规模效率呈递增状态.【期刊名称】《广东技术师范学院学报(自然科学版)》【年(卷),期】2014(035)001【总页数】8页(P43-50)【关键词】因子分析;DEA模型;银行效率研究【作者】谭艳娴;凌俊【作者单位】广东工业大学管理学院,广东广州510520;广东工业大学管理学院,广东广州510520【正文语种】中文【中图分类】F832.331 引言众所周知，当今银行业作为我国金融体系的主导，主要的融资渠道都来自与银行的间接融资，可见银行在整个金融系统中举足轻重.银行效率的高低决定了我国整个金融体系的资源配置效率和可持续发展潜力.由于效率是衡量银行经营业绩的重要标准，是银行业竞争力的集中体现，中国银行业急需测算商业银行的效率，以帮助我国银行业正确应对外资银行进入带来的挑战，有效提高商业银行的运营效率，增强国际竞争力.基于这种考虑，文中采用因子分析—DEA模型，利用因子分析能寻找出最本质的投入和产出变量，解决指标个数太多的矛盾.利用我国12家商业银行2001-2012年度面板数据进行实证分析，揭示我国商业银行的效率变化.文章共分为三个部分.第一部分是对有关商业银行效率研究的主要文献进行综述，分析学者们研究的不足和需要进一步讨论的问题；第二部分介绍指标选取方法和因子分析—DEA模型，并进行实证分析，从综合效率、纯技术效率、规模效率三个方面进行分析；第三部分是结论与政策建议.2 文献回顾从20世纪50年代中期以来，国外学者对商业银行效率的研究发展迅速，现如今已硕果累累.虽然我国开始研究银行效率较晚，但也发展十分迅速.La Porta（2002）通过研究国有成分在银行所有制中所占的比重与经济增长之间的关系，发现国有成分所占比例越重，金融市场活跃性就越差，增长也越慢.Fries 和 Taci（2005）通过研究指出，私有银行的效率要高于国有银行，随着国有股份的增加，经营绩效则会下滑.Al-Sharkhas（2008）指出，美国的合股银行在平均水平上要比非合股的银行有更好的收益和经营.刘汉涛（2004）运用DEA模型测度了我国商业银行的效率，实证结果显示我国银行的技术无效性较大，而技术无效主要是因为规模无效，四大国有银行和越来越多股份制银行的规模报酬呈现递减趋势.矫亦林和吕兆友（2005）基于主成分分析法考察了我国14家商业银行的经营效率，得出在经营效率上国有商业银行与国内股份制银行存在较大差距的结论.黄馨（2007）从财务数据和DEA方法两方面考察了四种不同性质的32家商业银行的效率，结果表示银行的盈利能力、规模效率和技术效率从高到低排名是：外资银行、城市商业银行、股份制银行、国有银行.杨大强和张爱武（2007）利用DEA分析法，测算了我国商业银行1996-2005年的利润效率和成本效率，并首次从替代利润效率和标准利润效率两方面来研究利润效率，研究结果表明中国商业银行存在较为显著的利润效率和成本效率，国有商业银行的利润效率和成本效率比股份制银行高.宋增基、张宗益、袁茂（2009）对我国商业银行的DEA综合效率进行考察，采用DEA优势效率模型和劣势效率模型对我国14家商业银行进行实证研究，认为新兴股份制商业银行的效率总体上比四大国有商业银行强，四大国有银行的规模经济现象不显著.不少文献利用多种实证分析方法从银行效率的各个影响因素入手进行诸多研究，得出较为全面的相关结论，但是由于我国银行样本数据量有限且较为滞后，研究方法大多为传统的数据包络分析方法，使研究中存在指标选取全面性和指标个数太多的矛盾.有鉴于此，文中采用因子分析的方法，对指标进行筛选，有效地对银行效率进行分析评价.3 DEA模型的中国商业银行效率评价--基于因子分析3.1 选取决策单元本文在前人研究和现实的基础上，选取我国大型股份制和股份制共12家商业银行为研究样本.大型股份制银行主要包括中国工商银行、中国农业银行、中国银行、中国建设银行四大银行.在股份制银行的选取上既包括国有改制银行，也包括新型商业银行，最终选取交通银行、中信银行、华夏银行、民生银行、浦发银行、兴业银行、招商银行和深圳发展银行.这些银行的经营理念、经营侧重点、经营策略和面向的客户群体具有一定差异性，这体现了样本多元化和数据差异化的特点，有利于数据分析结果的可分析性、真实性和可靠性.样本期为2001-2012年，这期间中国商业银行进行股份制改革，经济迅速增长，具有可研究性，样本数据主要来源于《中国金融年鉴》（2001-2012年）、国泰安数据库和各银行年报.本文在选取被评价银行时剔除所有外资银行、城市商业银行、城市信用社和农村信用社，这是因为这几类银行的数据在《中国金融年鉴》、国泰安数据库和各银行年报中均未体现，数据难以得到.而且这几类银行在市场规模和资产份额上与本文选取的样本银行相差较大，无可比性.3.2 选取投入产出指标银行效率的研究一直以来在该如何确定银行的投入与产出的问题上争议较大，现在此问题还没有定论.目前，国际学术界普遍把确定银行投入和产出指标的方法划分生产法、中介法和资产法.（1）生产法.生产法是将银行当成一个拥有各种服务的金融机构，利用自身拥有的劳动力和资本为借贷双方提供贷款存款服务.最早提出生产法的Benston认为生产法是将劳动力和资本等作为投入，贷款笔数和存款账户数等作为产出.据前人的研究发现，用银行在一定时间内的交易数量和类型来作为产出指标较好，不过由于存款和贷款的交易记录都是属于客户隐私问题，所以大多交易信息在现实生活中难以得到，因此用银行的存款和贷款数额来表示银行的产出.（2）中介法.中介法认为银行不是存款和贷款的生产者，而是储蓄转化为投资的中介机构.中介法认为银行的投入主要包括劳动力、实物资本和存款等；而产出则包括各种贷款、所持有银行的对外权益投资以及各种有价证券，其中各种形式的贷款和银行用自身拥有的资金去投资所获得的价值也应看作是产出.（3）资产法.资产法与中介法一样也将银行视为金融中介者，资产法的投入指标包括存款和负债，产出指标则包括贷款和投资金额.3.3 构建评价指标体系Coelli等（1998）表示随着变量个数的增加，技术无效个体的数量会减少，从而影响效率的评价分析.因此借鉴国内外的研究成果，并结合中国银行业的特点，本文选取总资产、营业总支出、总股份、固定资产净值、员工人数作为投入数据源，贷款数、存款数、营业收入作为产出数据源.总资产、营业总支出、总股份能反映一个商业银行的经营规模和运营情况.固定资产净值在商业银行中不可或缺，能反映银行的经营规模和现存价值，本文的固定资产净值为固定资产原值减去累计折旧.员工作为商业银行一切生产经营活动必不可少的主体，能反映银行的人力资本，本文选取商业银行当年总行和各分支银行的管理人员、业务人员和其他人员在内的职工人数总额作为员工人数.贷款数、存款数是在前人的研究中直接选取的.由于我国商业银行的利润主要来源于利息收入，而随着中国不断大力发展中间业务，非利息收入在总收入的比重中也不断提高，而且中间业务能反映银行在创新方面的潜力，因此本文的营业收入包括利息收入和非利息收入，能反映出我国商业银行的获利能力和创新程度.3.4 构建评价中国商业银行效率的因子分析—DEA模型由于数据包络分析模型中投入—产出指标所受到的约束限制比较多，在选取指标时常常遇到指标选取不全面或者指标个数太多的问题，而在解决这种矛盾上，很多学者则是基于经济意义和数据方便性来进行指标筛选，但是这样难免会有一定的主观性，造成国内外学者选取投入-产出指标差异较大，从而使得效率值差别显著.因此，有必要对选取投入—产出指标的方法进行改进.在指标筛选方面，为了很好地解决前文提到的指标问题，也为了令指标选取更加客观，本文采用多元统计分析方法中的因子分析法.在银行效率分析中，可能会遇到变量之间存在强相关关系的问题，往往给分析带来诸多不便，通过因子分析可以找出最核心的投入和产出指标来替代原始变量.3.4.1 因子分析模型首先假设所有数据都已标准化，然后假设在相关一组的变量 y1，y2，…yk中，每个变量都由公共因子 h1，h2…hm和特殊因子 e1，e2…ek决定（k〉m），而且公共因子 hi之间彼此两两正交且方差为1，特殊因子ei互不相关且只作用于相应的 yi.基于以上两种假设建立因子模型如下：3.4.2 DEA 模型本文采用著名的C2R模型.C2R模型测算的值为综合效率，而综合效率是用于衡量当产出不变时决策单元消耗最小投入的能力，或者当投入一定时决策单元获得最大产出的能力.综合效率越接近1，表示该决策单元资源配置状态相对越合理.具体模型如下：假设有n个决策单元（DMU），在此代表n个银行，对于每个银行都有a类“输入”，代表该银行对资源的消耗和b类“输出”，表示该银行在消耗之后的产出.设xij为第 j间银行第 i种输入量，用xj表示所有银行的输入向量.yrj表示第j 间银行第r种输出量，用 yj表示所有银行的输出向量，输入权系数为 ci，输出权数为 dr，为了方便起见，记：那么当评价第 j0（1〈j0〈n）间银行的效率时，需要用权系数c，u为自变量，用第 j0间银行的效率指数为因变量，所有银行的效率指数hj≤1（j＝1,…,n）为约束条件来构造规模报酬不变的 C2R模型.其线性模型（PC2R）及对偶规划模型（DC2R）分别为：4 实证分析由于本文所选取的时间为12年，DEA方法投入及产出变量一共有8个，为了简化变量个数，使数据更加客观准确，因此首先使用SPSS软件对投入和产出数据进行因子分析，再用DEAP2.1软件对银行效率进行计算.4.1 因子分析在进行因子分析之前，需要检验这8个变量包括投入和产出变量的相关性，只有在相关性较高时，才适合做因子分析.本文用KMO样本测度来检验变量的相关性，KMO统计量的值越接近 1，表示越适合做因子分析.当 KMO〉0.9时，因子分析的效果最理想，当KMO的值在0.8～0.9之间，表示很适合，当 KMO的值在0.7～0.8 之间，表示适合，当 KMO〈0.5 时，不宜进行因子分析.先对投入变量进行KMO检验，其中KMO＝0.835，可以进行因子分析检验.接着使用主成分分析，确定因子数目，并进行旋转.如下表所示，第一个因子的贡献率为89.484%，因此选取这个公因子来反映5个投入变量的信息，并将其命名为投入因子.根据相同方法，对3个产出变量进行因子分析处理，首先计算的 KMO值为 0.763，也适合进行因子分析.通过累计贡献率分析，产出变量的第一个公因子可以解释3个产出变量的98.662%的信息，因此选取这个公因子作为产出变量的值，并命名为产出因子.4.2 中国商业银行综合效率分析用 DEZP2.1软件设置参数、变量及选定所用模型.DMU个数即总体样本个数为144，面板数据年限为1，由以上因子分析可得产出指标为1，投入指标为 1.对2001年至 2012年 12家银行总体的银行效率进行计算，得到12家银行的12年效率得分.通过整理如下表所示：图1 2001-2012年间中国12家商业银行综合效率趋势图2 2001-2012年间中国12家商业银行平均综合效率状况图3 2001-2012年间中国12家商业银行的平均综合效率分类趋势综合效率是对决策单元的资源配置能力、资源使用效率等多方面能力的综合衡量与评价.表 3、图 1、图 2表明，我国这 12家商业银行在2001-2012年期间的技术无效性较大，十二年的平均综合效率仅为0.548，这意味着在投入中有45.2%浪费，差不多占了一半，说明在整体经营上中国商业银行属于粗放型.当我们回顾近几年银行整体的运行状况，不难发现我国商业银行的收入结构、组织结构并不合理，而且坏账比率相对标准而言偏高，这些都是制约我国银行业整体效率水平的重要因素.基于此，可以在给定产出水平的条件下，对投入的使用量大幅度减少，这样能在很大程度上降低成本费用，提高效率.2001年至2012年是我国经济飞速发展时期，我国银行业也是在这个时期进行了改制上市，但从综合效率的角度来看，大型股份制银行的综合效率总体上低于股份制银行.十二年来大型股份制银行效率值为0.504，而股份制银行对应的效率值为0.569.这与大型股份制银行的现实状况并不相悖.其一，大型股份制银行机构臃肿，冗员太多，到2012年末大型股份制银行平均员工多达384856人，是股份制银行平均员工数的8倍；其二，在借贷过程中难以避免一些企业因经营不善而给银行带来了长期呆坏账；其三，大型股份制银行在长期计划经济体制下，业务运作及管理出现惯性，缺乏创新.这些因素都严重制约着大型股份制银行综合效率.而大部分股份制银行体制灵活多变，产权清晰明确，因而有较高的综合效率.图2表明，只有五家商业银行在2001-2012年间的综合效率平均值高于全体银行的平均水平，其中包括交通银行、民生银行、浦发银行、招商银行和深发展银行.由图3可以直观看到，2001-2012年期间12家商业银行的平均综合效率趋势为先上升后下降再上升，在 2003年达到锋点，然后在 2003年逐渐回升.这主要是1994年至2003年银行业改革的第二阶段，是国有独资商业银行改革的阶段，而第三阶段起源于2003年，国家控股的股份制商业银行进入改革阶段，经历了案件频发的焦虑后进入我国银行业入市后过渡期的最后一年——2006年.2006年后各银行逐步上市.从图中可以看到，股份制银行与总体水平趋于一致，而大型股份制银行起伏较大.4.3 中国商业银行纯技术效率分析图4 2001-2012年间中国12家商业银行纯技术效率趋势图5 2001-2012年间中国12家商业银行平均纯技术效率分类趋势纯技术效率反映的是决策单元在最优规模时投入要素的生产效率，由于一般认为综合效率为纯技术效率与规模效率之积，因此它可以进一步说明纯技术无效率在多大概率下引起银行的综合无效率.纯技术效率反映更多的是银行日常的管理水平和技术策略.从纯技术效率看，我国商业银行的整体纯技术效率达到了0.664，其中大型股份制银行的纯技术效率值为0.702，股份制银行为0.645，这说明我国商业银行的纯技术水平处于中上水平.从表 4、图 4、图5可以直观地看出大型股份制银行的技术效率正逐步提升.以工商银行为例，2001年效率得分为0.748，而2012年的效率得分提高到1.000.2004年是效率变化的转折点，之后效率又开始回升.从总体上看大部分银行的纯技术效率表现出先上升后下降再上升的趋势，这表明中国商业银行内部的管理效率有所提高但依然偏低，只有工商银行和中国银行在2012年达到最优配置.而且四大大型股份制银行的纯技术效率均值为 0.702，而股份制银行则为 0.645，可以看出大型股份制银行的纯技术效率明显比股份制银行的纯技术效率高，表明股份制银行稳中发展，但同大型股份制银行相比的优势已不明显. 图6 2001-2012年间中国12家商业银行规模效率趋势图7 2001-2012年间中国12家商业银行平均规模效率分类趋势4.4 中国商业银行规模效率分析规模效率是由于银行规模因素影响的生产效率.从表 5、图 6、图 7可以观察到我国 12家商业银行在2001-2012年间的规模效率单位平均值为 0.843，比较低，这说明决策银行的实际规模与最优生产规模还有一定差距，规模经济现象不是很明显，有待提升，规模效率还没达到理想状态.其中大型股份制银行的规模效率值为0.739，股份制银行为0.895.大型股份制银行呈下降趋势，而股份制银行呈上升趋势.这也就解释了前面为何大型股份制银行综合效率相对总体综合效率较低.从图7可以直观地看到股份制的规模效率均在稳速增长，但依然没有达到有效值.5 结论与建议银行效率反映的是银行对于资源的有效配置，衡量的是银行投入产出能力、市场竞争能力和可持续发展能力.用银行效率作为综合评价的结果，是因为银行效率既可以反映各项财务报表上能看到的经营业绩，也可以反映那些无法进行财务分析的经营成果.本文利用因子分析-DEA方法考察我国12家商业银行的效率，实证结果显示2001-2012年间我国12家商业银行的综合效率和纯技术效率总体上均呈现先上升后下降再上升的特征，而规模效率呈现增长趋势，但变化不显著.研究期间八家股份制银行的综合效率普遍高于四家大型股份制银行，在一定程度上反映了股份制银行的管理水平、风险防范等多个方面要好于大型股份制银行.这与实际情况相符，在国家行政干预下，社会效益往往会是大型股份制银行经营业绩的主要指标，而且在国家政策的指引下，大型股份制银行常对一些国家基础工业和重要支柱产业提供必要的贷款，因此就损害了自身的经济利益.而股份制银行一般不受国家行政干预，所以其经营目标是利润最大化.大型股份制银行总体上属于纯技术有效，规模无效，这说明银行的资源配置能力均为有效状态，但是由于其经营规模不当造成了经营无效.此时大型股份制应从规模管理和创新管理出发，一方面根据实际情况精简机构和人员，建立合理的人才激励机制，并且减少冗余和费用；另一方面，可以通过开发独具特色的金融产品和提高技术含量来提升市场竞争力.而股份制银行总体上属于纯技术无效，这说明这些银行的资源配置能力较差，没有达到有效水平，而规模效率呈递增状态.应加快经营转型，调整优化企业结构，并在完善全面风险管理体制的基础上推行精细化管理，大力发展创新业务，打造属于自己的品牌，努力做到在技术水平提升与规模扩张之间寻求一个最佳的平衡点.总体而言，中国商业银行业今后的主要发展目标是：第一，时刻关注国际金融市场的方向，防范经营过程中的各种风险，包括信用风险，市场风险、流动性风险和操作风险；第二，发展多元化收入结构，进一步提升盈利能力；第三，创新开发持续产品，进一步做好零售业务基础平台；第四，以客户为主，提升经营业绩和市场竞争力.【相关文献】［1］毛定祥.基于 DEA 的商业银行经营效率分析［J］.商业研究,2005,（22）.［2］庄新路.中国商业银行效率影响因素及评价研究［J］.经济研究导刊,2009,（14）.［3］陈晓卫.中国商业银行效率评价及影响因素研究［M］.西南交通大学出版社,2011.［4］孙浦阳,武力超，付村.银行不同所有制结构与经营绩效关系—基于中国47家不同所有制银行的面板数据分析［J］.数量经济技术经济研究,2010（12）.［5］薛健.基于 DEA的商业银行经营效率分析［D］.山东大学,2011［6］张鹏.论商业银行经营效率与稳健性之间的关系—基于我国股份制银行的实证研究［J］.金融与经济,2007,（9）.［7］王相宁,张志洋.中国商业银行市场势力对其效率和稳定性的影响［J］.金融论坛,2010,（12）［8］王聪,谭政勋.中国商业银行效率结构研究［J］.经济研究,2007,（7）.［9］马占新,马生昀.基于 C2W模型的广义数据包络分析方法研究［J］.系统工程与电子技术,2009，(2):366-372.［10］马占新.数据包络分析方法在中国经济管理中的应用进展［J］.管理学报,2010,(5):785-789 ［11］杨大强,张爱武.1996—2005年中国商业银行的效率评价——基于成本效率和利润效率的实证分析［J］.金融研究,2007,(12A):102-112.［12］刘汉涛.对我国商业银行效率的测度:DEA方法的应用［J］.经济科学,2004,(6):48-58. ［13］宋增基,张宗益,袁茂.中国银行业 DEA效率实证分析［J］.系统工程理论与实践,2009,(12):105-110.［14］黄馨.基于数据包络分析法的银行效率研究［D］.西南交通大学,2010.［15］矫亦林,吕兆友.多元分析法在评价我国商业银行经营效率方面的应用［J］.济南金融,2005,(3):002.［16］Ma Zhan-xin,Wen Deer.Research on the Economic Benefit Based on the Panel Date of Chinese Regions.Proceedings of 2010 Conference on Regional Economy and Sustainable Development,Australia:M&D Forum,2010［17］Lv ximing,Ma Zhan-xin.Study of Efficiency Evaluation of Commercial Banks by Using Sample DEA Method ［J］.Proceedings of International Conference on management of Technology,Australia:Aussino Academic Publishing House,2008:541-546. ［18］Hausman J.Specification tests in econometrics［J］.E-conometrica,1978,46:1251-1271.［19］Ansari M S.An empirical investigation of cost efficiency in the banking sector of Pakistan ［J］.SBP Research,2007,(3).［20］Sherman Gold.Bank branch operating efficiency:E-valuation with data envelopment analysis ［J］.Journal of Banking and Finance,1985,(2):297-315.［21］Birgul Sakat.A study on efficiency and productivity of Turkish banks in Istanbulstock exchange using Malmquist DEA and Tobit analysis［J］.2000.［22］Battese G E,Coelli T,Rao D S,et al.An introduction to efficiency and productivity analysis［J］.1998.。
