新常态下中国商业银行全要素生产率研究

张 帆

(1. 辽宁大学 经济学院， 辽宁 沈阳 110036； 2. 辽宁省交通高等专科学校 管理工程系， 辽宁 沈阳 110122)

一、引言及文献评述

在中国经济亟待转型的新常态背景下，商业银行旧的粗放式经营方式已无法满足其进一步发展的要求，如何提高银行效率，已成为商业银行紧迫且必须面对的问题。

早期学者多使用财务报表作为银行效率指标对商业银行进行评价和对比，随着研究的不断深入，规模效率、范围效率、X效率逐步成为了银行效率的评价指标。随着DEA-Malmquist指数法的不断成熟，该方法也被广泛应用到了银行领域，使用DEA-Malmquist方法测算银行的全要素生产率(简称TFP)，并以此作为效率指标进行深入研究。如Robert和Hasan(基于DEA-Malmquist方法计算了商业银行的全要素生产率，并进一步分析了其影响因素，得出了商业银行资产规模的扩大和集中度的提高有利于提升全要素生产率，不良贷款和营业成本的增加则会拟制全要素生产率的结论[1]。Nakane和Weinraub测算并比较了欧洲和巴西商业银行的全要素生产率，并进一步从经济发展水平的视角分析了二者之间产生差异的原因[2]。Sturm和Williams基于发达国家的数据，测算并比较了国内银行和外资银行的全要素生产率，得出了外资银行的全要素生产率要高于国内银行的结论[3]。Kang和Weber以韩国商业银行作为研究对象，测算并比较了亚太金融危机前后的全要素生产率，并进一步从银行财务的视角分析了不同时期的影响因素[4]。Fadzlan Sufian则对发展中国家国内银行和外资银行效率进行了测算和比较，结果表明外资银行的全要素生产率同样高于国内银行[5]。Yang和Liu以台湾地区的银行为研究对象，计算并比较了混合所有制银行和政府所有制银行的全要素生产率，得出了混合所有制银行的全要素生产率高于政府所有制银行的结论，他们进一步认为私有化有利于提升银行全要素生产率[6]。由此可知，虽然关于银行效率研究并未形成定论，但全要素生产率作为效率指标得到了学术界的广泛认可，因此本文使用全要素生产率作为商业银行经营效率指标。

国内关于银行效率的学术研究起步较晚，但基于全要素生产率的研究取得了丰硕成果，尽管结论并未达成一致。魏煜和王丽[7]、张健华和王鹏[8]认为商业银行的全要素生产率有所提升，蔡跃洲和郭梅军[9]认为商业银行的全要素生产率有所下降。股权分置、金融体制改革等事件提升了银行效率，不良贷款率抑制了银行效率的提升[10，11]。为探讨不同商业银行的发展趋势是否一致，学者们对我国商业银行效率进行了收敛性检验。针对大型商业银行[12]、股份制商业银行[13]、中小银行[14]、农村商业银行[15]和城市商业银行[16]的研究都表明了这些银行的全要素生产率存在一致收敛性。

研究商业银行全要素生产率的目的是为了找到其提升的方法，因此关于商业银行全要素生产率的影响因素问题学者同样进行了大量的研究。普遍认为，市场份额、宏观经济形势、货币供应量、对外开放等因素提升了商业银行的全要素生产率[17-19]，而实体经济利润增长率、市场集中度、利率市场化等因素不利于提升全要素生产率[20-23]。

通过梳理现有文献发现，学者把中国商业银行分为大型国有商业银行、全国性股份制商业银行、城市商业银行和农村商业银行四类展开相关研究，但研究对象大多集中于某一类或几类银行来研究其全要素生产率和收敛性，因此有必要对这四类商业银行的综合情况进行进一步的分析。此外，在影响因素的研究中，现有文献通常没有区别商业银行的内部治理因素和外部环境因素，因此本文把商业银行全要素生产率的影响因素分为内部治理因素和外部环境因素两个方面进一步分析商业银行全要素生产率的影响因素。

二、全要素生产率测算

借鉴袁晓玲和张宝山[24]、粟芳和初立苹[25]的方法，本文使用非参数DEA-Malmquist方法估算商业银行的全要素生产率。其中投入指标为从业人员数量、固定资产净值、存款总额和营业费用，产出指标为贷款总额和税前利润。

以92家商业银行作为本文样本，包括5家国有商业银行、12家股份制商业银行、38家城市商业银行和37家农村商业银行。本文考察区间为2001-2016年，所有数据均来自中国人民银行、《中国金融年鉴》、《中国统计年鉴》、《国民经济和社会发展统计公报》、国家统计局网站以及各银行发布的年报等。使用Deap软件计算商业银行的全要素生产率，得到全要素生产率的结果分别如图1和图2所示。

从图1可以看出，新世纪以来，中国商业银行的全要素生产率多数时间内都大于1，整体而言商业银行运行状况良好。考察期内，受外部经济环境动荡、金融危机爆发以及内部金融体制改革、经济转型、经济增速放缓等因素的影响，商业银行的全要素生产率多次出现了大幅下滑，这在一定程度上体现了我国商业银行自身的脆弱性，商业银行旧的重视规模、忽视质量的粗放式发展模式已经不能适应新形势，商业银行的供给侧结构性改革势在必行。

图1 中国商业银行业全要素生产率及其分解值

由图2可知，考察期内我国商业银行全要素生产率的整体走势为震荡上行，2003-2007年，各类商业银行的全要素生产率处于较高水平，之后一路下滑，2008年底各类商业银行先后达到最低点后震荡回升。2013年开始，各类商业银行的全要素生产率均开始提升，在2015年前后小幅下跌后于2016年达到较高水平。

图2 不同类型商业银行全要素生产率

总体而言，股份制商业银行和大型国有商业银行的全要素生产率较高，城市商业银行次之，农商行最低。大型国有商行成立时间最早，网点广泛分布于中国的大中小城市，资产规模远高于其他商业银行，多元化的业务和分散化的布局使其抗风险能力更强，更优的品牌效应使其能够吸引更多优秀的人才，多方面的原因使得大型国有商业银行的全要素生产率较高。

股份制商业银行的资产规模低于大型国有商业银行，但较小的规模使其管理机制更加灵活。网点分布虽不如大型国有商行广泛，但也分布于我国的主要城市，同只分布于一个或几个城市的城商行和农商行相比，范围更广。此外，同城商行和农商行相比，股份制商业银行成立时间更早，成立之初市场中的竞争对手更少。以上原因使得股份制商业银行在管理机制、业务拓展、市场竞争、薪酬激励、人员培养等方面有着先天优势，在金融创新方面独具特色，股份制商业银行是金融领域市场创新的龙头。

城市商业银行是由早期的城市信用社发展而来，虽然组建成为城商行后，获得了较大发展，所在城市通常也会给予本地城商行诸多优惠政策，但仍存在发展程度良莠不齐、总体规模较小、市场定位不清、品牌效应较弱、跨区域发展并不顺利等问题，因此全要素生产率略低。

农商行的前身是农村信用合作社，相比之下，农村商业银行改制时间最晚，总体来说资产规模最小，品牌知名度最低，农商行主营“三农”类业务，业务面窄，且大都是附加值和技术含量较低的行业，收益较低。此外，农商行继承了农村信用合作社的诸多遗留问题，使其进一步发展面临较大挑战，多方面的原因导致了农商行的全要素生产率最低[26]。

三、全要素生产率收敛性分析

收敛性检验用于分析各类商业银行的发展是否存在趋同趋势，通过梳理前人文献可知，收敛性检验包括σ收敛和β收敛检验两种。

1.σ收敛分析

σ收敛通过分析标准差的变化趋势来检验其收敛性，如果标准差呈现收敛趋势，则认为全要素生产率表存在σ收敛。经计算得到σ收敛结果图3。

图3 σ收敛结果

由σ收敛结果图3可知，考察期内商业银行的全要素生产率标准差并未出现持续减小的趋势，而是多次出现较大波动，这意味着商业银行只存在区间σ收敛。2004-2005年间，受股权分置改革的影响，商业银行的全要素生产率出现较大波动；2007-2008年间，先后经历了股市的牛熊转换和国家为了应付美国次贷危机而推出的四万亿刺激计划，两件大事无疑都对商业银行产生较大冲击；2012年开始，中国经济增速开始放缓，经济发展逐渐步入新常态，实体经济发展的减速也影响到了金融行业；2014-2015年间，中国资本市场又一次经历了较大的牛熊转换，“千股涨停、千股跌停、千股停牌”的奇观对商业银行造成了较大影响，使其全要素生产率再次大幅震荡。

2.β收敛分析

β收敛又可分成绝对β收敛和条件β收敛。参考Sala-i-Martin的方法[27]，构建绝对β收敛模型：

其中，被解释变量为全要素生产率的平均增速，解释变量为全要素生产率，β为收敛系数，若β显著为负，则全要素生产率和其增速之间显著负相关，这意味着全要素生产率的初始水平越高，那么增速越低，即存在绝对收敛。根据Matthews和Zhang[28]的观点，若绝对收敛检验中收敛系数不显著，可通过加入控制变量改变收敛系数的显著性，从而认为在一定条件下存在β收敛，即条件β收敛，检验方程如下：

β0+β1lnTFPit+α1LSTit+α2NIIit+α3SIit+eit

其中，控制变量选择如下：LST为人力资本水平，用本科及以上学历人数比例表示，NII为非利息收入与总收入之比，SI为商业银行战略引资比重。若β显著为负，表示存在条件β收敛。收敛性检验结果如表1和表2所示。

由绝对β收敛检验结果表1可知，大型国有商行中的绝对收敛系数为-0.128，且在1%的统计水平下显著，大型国有商行存在绝对β收敛。全样本模型中，绝对收敛系数为-0.003，但只在10%的统计水平下显著，其余模型中的系数虽为负，但都不显著。四大商行为中国规模最大的四家商业银行，业务基本涵盖了金融全领域，导致其全要素生产率呈现相同的趋势，其他商业银行在发展过程中实施的策略和路径并不相同，这使得全样本银行的收敛系数显著性较低。

表1 绝对β收敛检验(OLS回归)

注：括号内为t统计量；*，**，***结果分别通过10%，5%，1%统计水平下的显著性检验

表2 条件β收敛检验(面板数据固定效应回归)

注：括号内为t统计量；*，**，***结果分别通过10%，5%，1%统计水平下的显著性检验

由条件β收敛检验结果表2可知，加入控制变量后，五个模型中的系数均显著为负，这意味着在一定条件下，中国商业银行存在条件β收敛。五个模型中，人力资本水平LST的系数均显著为负，劳动力素质LST的提升有助于不同商业银行增速趋同。非利息收入NII的系数均显著为负，非利息收入的增加有助于不同商业银行间的收敛。战略引资SI系数的显著性较弱，引入战略投资者是一种长期经营行为，短期内对于商业银行的趋同效应影响有限。

四、全要素生产率影响因素分析

1.模型设计

商业银行过去的经营管理模式是建立在“追求规模”而非“追求卓越”的理念上，更加关注规模的增长而非质量的提升。新常态下，经济增长模式已经发生变化，支持银行过往发展的各项红利正在逐渐消失。国家供给侧结构性改革的大背景下，商业银行也需做好供给侧改革，改变过往单纯依赖需求侧的粗放式经营方式，因此本文基于供给侧结构性改革的视角，从内部治理因素和外部环境入手，分析商业银行全要素生产率的影响因素。

(1)内部治理。

选择能够代表商业银行经营和创新情况的规模、贷款质量、人力资本水平、运营成本和创新能力指标作为内部治理因素，以全要素生产率作为被解释变量，构建以下模型：

TFPit=β0+β1MSit+β2LQit+β3LABit+

β4OCit+β5NIIit+β6LABit*NIIit+εit

(1)

其中，MS为商业银行规模，用该商业银行资产占商业银行总资产的比重表示；LQ为贷款质量，用商业银行的不良贷款与总贷款余额之比表示；LAB为人力资本水平，用员工中本科及以上学历人数占比表示；OC为运营成本，用商业银行运营费用与资产总额之比表示；NII为创新能力，用非利息收入占比表示；LAB*NII为人力资本和非利息收入的乘积，用交互项描述由人力资本提升带动的创新对于商业银行全要素生产率的影响。

(2)外部环境。

选择GDP、社会消费水平、社会固定资产投资水平、货币供应量、进出口总额和以及全部国有及规模以上非国有工业企业的销售利润率作为外部环境指标，以全要素生产率作为被解释变量，构建以下模型：

TFPit=α0+α1GDPit+α2LCit+α3FAit+

α4M2it+α5TRit+α6ROSit+uit

(2)

其中，GDP为国内生产总值的增长率，LC为社会消费水平，用人均消费支出的对数表示；FA为社会固定资产投资增长率；M2为货币供应增长率；TR为进出口贸易总额增长率；ROS为国有及规模以上非国有工业企业的销售利润率的增长率。

2.实证分析结果

(1)内部治理因素实证结果

将内部治理因素的相关数据代入模型(1)，Hausman检验结果表明本文数据更适用于固定效应模型，因此使用固定效应进行估计得到结果表3。

由表3可知，大型国有商行模型中，规模系数MS为负，但没有通过显著性检验，其余三个模型中，规模系数为正，股份制商行模型的系数没有通过显著性检验，城商行和农商行模型的系数分别在5%和1%的统计水平下显著。只有城商行和农商行的规模能对其全要素生产率产生显著正向影响。按照规模经济理论，在企业规模较小时，其经营效率会随规模扩大而迅速提升，当规模大到一定程度后，就会出现边际效应递减现象，结合本文研究可以看出，大型国有商行和股份制商业银行的规模已经过于庞大，继续扩大规模已不利于提升全要素生产率，城商行和农商行仍存在边际报酬递增，可适当扩大规模。

表3 内部治理影响因素回归结果

注：括号内为t统计量；*，**，***结果分别通过10%，5%，1%统计水平下的显著性检验

四个模型中，贷款质量LQ的系数均显著为负，贷款质量对于商业银行全要素生产率产生显著负向影响。不良贷款率越高，越不利于提升商业银行的全要素生产率。

农商行模型中，人力资本LAB的系数为正，但只在10%的统计水平下显著，其余三个模型中，人力资本系数均显著为正。除农商行外，其余三类商业银行的人力资本对其全要素生产率产生显著正向影响。可能的原因为，农商行员工大多是从其前身农村信用合作社继承而来，这些员工大多是在计划经济时期招聘，其知识结构和业务水平难以适应当前市场需求，因此不得不重新招聘大量新员工，最终使其员工队伍过于庞杂，对农商行经营形成负担。

四个模型中，运营成本OC的系数均显著为负，运营成本对各类商业银行的全要素生产率产生显著负向影响。运营成本越高，越不利于提升商业银行全要素生产率。

创新能力NII的系数均为正，农商行模型在10%的统计水平下显著，其余模型中的创新能力系数均在5%或1%的统计水平下显著。总体而言，创新能力对于商业银行全要素生产率产生显著正向影响，提升创新能力是商业银行提高全要素生产率的重要途径。

人力资本和创新能力交互项的系数均为正，除农商行模型中只在10%的统计水平下显著性外，其余三个模型中均在1%的统计水平下显著。交互项表示人力资本驱动下的创新对银行效率的影响。总体而言，商业银行能够通过提升人力资本水平来推动其创新能力，并最终提升全要素生产率，但农商行由于人力资本水平较低，因此由此带动的创新程度有限，对提升全要素生产率的影响程度也有限。

(2)外部环境因素实证结果

将外部环境的相关数据代入模型(2)，并使用面板数据进行估计。Hausman检验结果表明本文数据更适合使用固定效应，因此使用固定效应模型进行估计得到结果表4。

表4 外部环境影响因素回归结果

注：括号内为t统计量；*，**，***结果分别通过10%，5%，1%统计水平下的显著性检验

由表4可知，四个模型中，GDP增长率的系数均显著为正，经济增长对四类商业银行的全要素生产率均能产生显著正向影响，良好的宏观经济环境有利于商业银行的发展。

四个模型中，消费水平LC的系数均显著为正，居民消费水平对于商业银行全要素生产率产生显著正向影响。消费水平反映了消费者的需求程度，当前，我国已经进入了消费结构升级的新阶段，消费者对于新产品、新技术的需求大量增加，也带动了相关产业的快速发展，投资者看到机会后会加大对相关行业的投资，最终形成良性循环，作为资源配置枢纽的商业银行也会因此受益。

社会固定资产投资增长率FA的系数均为正，但显著性较差，只有大型国有商行模型在10%的统计水平下显著。现阶段，我国的投资已经呈现边际效应递减的趋势，资本产出比(新增一单位GDP所需的资金)持续大幅增长，依靠投资拉动经济增长的能力有限，社会固定资产投资的收益较差，显然依靠投资对于提升商业银行全要素生产率的影响较弱。

货币供应量M2的系数为正，但显著性较差，只有城市商业银行模型中的系数通过了10%统计水平下的显著性检验，货币供应量对商业银行全要素生产率的影响较弱。货币供给的变化可以通过两种途径影响到商业银行全要素生产率。一方面，货币供应量的增加可以间接使得银行贷款增加，我国商业银行的主要收入为利息收入，因此货币供应量的增加可提升商业银行利息收入。另一方面，货币供应量的增加会降低利率，使银行的利息收入减少。货币供给变化对商业银行的影响是这两种方式共同作用的结果。从本文研究看，两种方式相互抵消，货币供应量对商业银行全要素生产率影响不显著。

进出口贸易TR的系数为正，大型国有商行和股份制商行模型中的系数在10%的统计水平下显著，货币供应量对商业银行全要素生产率的影响较弱。2008年次贷危机对发达国家形成较大冲击，需求大幅下降，这使得中国的出口贸易大幅下降，众多企业受到冲击，银行效率也受到了牵连。

国有及规模以上非国有工业企业的销售利润率ROS的系数均显著为正，ROS对商业银行全要素生产率产生显著正向影响。虽然商业银行存在同实体经济争利的现象，但从本文研究来看，实体经济利润率同商业银行全要素生产率之间存在正相关关系，因此提升商业银行全要素生产率是商业银行和实体经济相互促进、共同发展的重要途径。

五、结论及建议

选择2001-2016年为考察区间，首先基于DEA-Malmquist指数法测算了商业银行的全要素生产率，然后对全要素生产率的收敛性和影响因素进行了分析。主要结论如下：第一，商业银行全要素生产率呈现震荡上升的趋势，股份制商业银行运行效率最高，农商行最低。第二，商业银行全要素生产率只存在区间σ收敛，大型国有商业银行存在绝对β收敛，四类商业银行均存在条件β收敛。第三，从内部治理因素来看，贷款质量和运营成本抑制了全要素生产率的提升，人力资本和创新能力推动了全要素生产率的提升；从外部经济环境来看，经济增长、社会消费水平和国有及规模以上非国有工业企业的销售利润率推动了全要素生产率的提升。

针对以上结论，提出如下建议：第一，矫正旧发展模式下的金融资源配置扭曲。逐步降低落后及产能过剩行业的信贷资源，通过发展现代化融资工具来降低企业融资成本，加大对于新兴产业和小微企业的支持力度，大力发展绿色金融、科技金融，使金融资源配置方向同经济转型方向保持一致。第二，优化商业银行经营管理水平。建设高效的支持保障体系，探索适应当前市场需求、具备灵活协作能力的管理架构，储备专业化的金融解决方案人才，建立科学高效的决策协调机制，以此提升商业银行全要素生产率。第三，提升商业银行的国际竞争力。在金融创新机制和技术运用等方面赶超国际银行业先进水平，监管逐步实现国际标准，通过融入内部经济转型升级和外部全球竞争，实现商业银行自身的产业升级。第四，实施差异化发展战略。不同类型的商业银行在经营过程中应根据自身特点，找到适合自身的发展战略，避免同质化做大，差异化经营才是各类商业银行经营的策略。