我国政策银行效率实证研究

张 明 刘春晓

一、引 言

政策性银行一般是指那些由政府创立，参股或保证，不以盈利为目的，专门为贯彻、配合政府的经济社会政策或意图，在特定的业务领域内，直接或间接从事政策性融资活动，充当政府发展经济、促进社会进步、进行宏观经济调节管理工具的金融机构。1994年，我国金融体系改革进入全面推进的突破性变革阶段，我国政策银行也趁此改革之风相继成立。此后，我国银行组织体系逐渐形成了中央银行管“总量”、商业银行管“效益”、政策银行管“结构”的新格局。在市场经济条件下，商业银行以追求利润为核心，而政策银行是作为商业银行的补充，主要为贯彻执行国家产业政策及区域经济发展政策而设立。资金作为稀缺要素，商业银行的资金配置总是倾向于效益好的产业及经济基础好的地区，而对那些社会效益好的产业及欠发达地区产业扶持方面，政策银行却发挥着极其重要的作用。

二、文献回顾

（一）基于DEA法研究银行效率问题的文献

从盼盼，杜树增（2011）选取7家银行作为参照，使用2005-2009年数据，运用DEA方法中的VRS模型静态分析了国家开发银行改制后第一年的技术效率变化。魏巍（2007）采用CCR模型和超效率DEA模型，对具有代表性的10家国内商业银行2005年的经营效率进行评估，结果表明，超效率模型确实能够对所有决策单元进行充分评价和排序，从而解决了CCR模型无法对相对有效单元进一步识别的问题。王健，金浩，梁慧超（2011）基于超效率DEA方法，运用EMS软件对2004-2009年14家商业银行的效率进行分析，并对其均值进行排名。王付彪，阙超等（2006）基于DEA方法对我国商业银行1998-2004年间技术效率进行分析，分析结果表明：在1998-2004年间，我国商业银行效率整体呈上升趋势，技术效率损失主要源于规模效率损失，说明我国商业银行存在与其规模不相适应的管理能力。

以上学者在利用DEA模型研究效率问题时，在指标选取上均采用多投入、多产出指标；在利用DEA中的CCR模型进行效率值测算时，往往会得到多个决策单元有效，难区分有效单元的效率大小，为了进一步识别有效单元的效率，多采用DEA超效率模型研究效率问题。

（二）基于Malmquist指数法研究TFP问题的文献

傅永，白龙（2009）运用 DEA分析中的Malmquist指数模型测算并分解分析了我国改革开放以来全要素生产率变化。钟杏云，方鹏程，刘群玲（2012）通过Malmquist指数法对银行效率进行分解研究，得出结论：我国城市商业银行运营效率呈现出下降的趋势。仲深，王春宇（2012）采用2004-2009年间我国15家商业银行的面板数据，运用基于DEA的Malmquist指数法，测算了商业银行的Malmquist生产率指数及其分解指数。结果显示：我国商业银行的全要素生产率整体呈下降趋势，其中技术进步指数的下降幅度较大，纯技术效率指数和规模效率指数略有升高。

国内学者偏重于对商业银行效率问题进行研究，而对我国政策银行效率问题的研究较少。我国正处于经济转轨时期，政策银行在贯彻产业政策及区域经济发展方面起着极其重要的作用，为了优化政策银行资源配置，更进一步提升政策银行效率，更好的发挥其“补充”作用，开展对政策银行效率问题的研究是很有必要的。

三、原理及模型

（一）超效率DEA模型

DEA法进行效率分析可采用两种导向：一种是投入主导型，另一种是产出主导性。对于政策银行而言，对投入要素的控制远比产出要素控制容易。因此，本文对政策银行效率研究采用的导向是投入主导型。

DEA的CCR模型将决策单元分为两类：有效和无效。其缺点是对于多个同时有效的决策单元无法进一步评价比较。Andersen和Peterson提出超效率DEA模型，其基本思想是：在对该决策单元进行效率评价时，将其排除在决策单元参考集外。对于DEA有效决策单元，超效率模型将其生产前沿面进行重新计算推移，使得最终计算出的效率值大于经典CCR模型效率值；而对于非有效的决策单元的效率值并不会发生变化，评价结果与CCR模型是一致的。即：超效率DEA模型能够区分出DEA有效单元之间的差异，能够对所评价的决策单元进行有效排序。其求解方程如下：

其中，θ为规划目标值，λj（j＝1,2,…n）为规划决策变量，S+和S-为松弛变量向量。

（二）Malmquist指数模型

Malmquist指数模型是瑞典经济学家、统计学家Malmquist在1953年提出来的，Fare等人在多投入产出条件下，建立了考察生产率变化的Malmquist指数。Malmquist指数是在距离函数基础上构造而成的。Fare等人将距离函数定义为Farrell技术效率的倒数，投入距离函数可以视为是某一生产点向理想最小投入点的靠近程度。基于投入的全要素Malmquist指数可表示为：

Malmquist指数（TFPch）可分解成相对技术效率指数（Effch）和技术进步指数（Tech）。通过对不同时期技术条件下的两个Malmquist指数取几何平均值，测算出效率的变化值。

技术效率指数Effch是相对效率变化指数，反映t期到t＋1期之间决策单元的组织管理水平变化，即“追赶效应”；技术进步指数Tech是衡量决策单元在t期到t＋1期之间生产技术变化程度的指标，反映技术效率前沿面的变化，即“前沿面移动效应”，表明技术的进步及创新程度。该法不仅可以考察政策银行效率的动态变化，而且还可以分析政策银行技术进步变化情况；将技术效率指数（Effch）分解为纯技术效率指数（Tech）和规模效率指数（Sech），能够得到全要素生产率指数。若全要素生产率指数各个分量大于1，说明具有正向进步变化；反之，说明存在反向变化。各个变量之间总关系如下：

四、实证结果及分析

（一）投入—产出指标选取

投入-产出指标选取方法有很多，本文采用常用的增值法进行指标选取。本文选择的投入指标为：员工数量、固定资产、业务及管理费用；产出指标为：资金吸收额、税前利润、纳税额、放贷额。投入指标中，总人数是反映人力资源的指标，固定资产是反映资本投入的指标，业务及管理费是反映管理水平的指标，按照新古典经济学理论，这三个指标基本上能反映政策银行的要素投入。政策银行要实现可持续发展，就须既要吸收资本，又需放贷，所以在产出项中吸收资金量和放贷量是最为重要的两个指标。由于政策银行实行的是“保本微利”原则，而不是“零利润”原则，所以将税前利润及纳税额作为产出也是必要的，这也是反映政策银行经营成果的指标。

（二）样本选取

本文研究所采用的数据均来源于《中国金融统计年鉴》及各政策银行年报。

DEA-Malmquist指数法分析所用数据要求是面板数据，而农发展行在2000-2004年期间数据并不满足同向性原则，故用DEA-Malmquist指数法分析全要素生产率时使用我国三家政策银行2005年-2011年间面板数据。超效率分析时，国开行及进出口行数据采用2000年-2011年数据，农发展行采用2005年-2011年数据。

（三）超效率DEA模型分析结果

本文进行超效率DEA分析时使用三家政策银行的2000年-2011年间数据，构成31个决策单元，具体决策单元见表5所示。超效率DEA模型分析结果如表1所示。

表1 我国政策银行超效率分析结果

注：irs：规模报酬递增；drs：规模报酬递减；-：规模报酬不变；big：表示效率非常大。

表1按年列出了我国政策银行的效率值。各政策银行效率值变化曲线如图1所示。

图1 各政策银行效率值变化

由图1可见：

（1）在2000-2001年期间，进出口行效率高于国开行效率；

（2）自2001年以后，我国政策银行效率大体呈现出：国开行效率＞进出口行效率＞农发展行效率；

（3）在2002-2006年间，国开行效率整体呈现缓慢上升趋势，进出口行效率整体呈现缓慢下降趋势；

（4）在2006-2008年间（金融危机期间），国开行效率与进出口行效率呈现截然相反的变化趋势，国开行出现效率高增长，进出口行出现效率低谷；

（5）效率经过2006-2008年的大幅变化后，自2008年开始，国开行效率回归到金融危机前的效率水平，而进出口行效率要比危机前的效率有所提升。

（6）在2005-2011年间，农发展行效率一直处于较低的水平，与国开行和进出口行效率有很大差距，但在金融危机期间，其效率并无突降或突升现象。

（四）全要素生产率分析结果

全要素生产率是衡量生产力变化状况的指标。当全要素生产率指数（tfpch）＞1时，说明生产力提升；全要素生产率指数（tfpch）=1时，说明生产力维持原水平；全要素生产率指数（tfpch）＜1时，说明生产力下降。

本文采用2005-2011年共7年数据，使用DEA-Malmquist指数模型对我国政策银行进行全要素生产率（TFP）分解分析。具体的决策单元见表5所示。我国政策银行2005-2011年全要素生产率指数及分解结果如表2、图2所示。

表2 我国政策银行2005-2011年全要素生产率指数及分解

图2 我国政策银行2005-2011年全要素生产率指数及分解

由图2可见：

（1）我国政策银行全要素生产率指数只有2006年和2009年超过1，其余年份均低于1。这表明2006年和2009年生产力均有提高，其余年份生产力下降；

（2）技术效率指数与纯技术效率指数均大于1。表明我国政策银行在技术与管理等方面越来越进步，资源配置优化不断深入；

（3）技术进步指数在大部分年份处于较低状态，只有2009年技术进步指数大于1，技术进步指数在其余年份表现较差。这表明我国政策银行在技术进步方面需要更加努力，需要善于学习外国先进技术及管理理念，并应用到我国政策银行管理经营中去，同时需加快我国政策银行创新工作。

国家开发银行2005-2011年全要素生产率指数及分解分析如表3、图3所示：

表3 国家开发银行2005-2011年全要素生产率指数及分解

由图3可见：

（1）国开行的技术效率指数、纯技术效率指数、规模效率指数均很接近于1，这表明：技术效率、纯技术效率、规模效率每年变化很小、很稳定且表现很好；

（2）技术进步指数、全要素生产率指数较其他3个指数有很大波动，且全要素生产率指数曲线与技术进步指数曲线几乎重合。这表明，国开行全要素生产率主要是由技术进步决定的。在2007-2008年两年时间里，国开行生产力下降，2009年生产力水平得到恢复，这主要得益于国家应对金融危机时采取的积极财政政策和货币政策。

图3 国家开发银行2005-2011年全要素生产率指数及分解

中国进出口银行2005-2011年全要素生产率指数及分解分析如表4、图4所示：

表4 中国进出口银行2005-2011年全要素生产率指数及分解

图4 中国进出口银行2005-2011年全要素生产率指数及分解

由图4可见：

（1）进出口银行的技术效率指数、纯技术效率指数、规模效率指数均很接近于1，这表明：技术效率、纯技术效率、规模效率每年几乎不变化；

（2）技术进步指数、全要素生产率变化较其他3项有很大波动，且全要素生产率变化曲线与技术进步曲线重合。这表明，国开行全要素生产率主要是由技术进步决定的。尤其在2006-2007年、2010-2011年期间，进出口行生产力下降，2009年生产力水平得到恢复，2009年生产力水平达到最高。金融危机后，进出口行生产力经历了先增长后下降的演进路径。

中国农业发展银行2005-2011年全要素生产率指数及分解分析如表5、图5所示：

表5 中国农业发展银行2005-2011年全要素生产率指数及分解

图5 中国农业发展银行2005-2011年全要素生产率指数及分解

由图5可见：

（1）农发展行全要素生产率指数均位于有效线以上，这表明农发展行生产力在不断提升；

（2）技术进步指数均位于有效线以下，这表明农发展行近年来在技术进步方面不断降低；

（3）技术效率指数、纯技术效率指数均位于有效线以上，这表明：农发展行在技术及管理水平上每年均有提高；

（4）规模效率指数只在2010年处于低位，在2011年很快就恢复高位水平。

总结：我国政策银行在技术效率指数、技术进步指数、纯技术效率指数、规模效率指数、全要素生产率指数方面表现各异。近年来，农发展银行全要素生产率指数表现优于国开行和进出口行表现，但其技术进步表现明显差于国开行与进出口行。

五、结 论

本文以我国政策银行为研究对象，采用DEA分析法研究其效率，用Malmquist指数模型研究全要素生产率变化，得到的研究成果总结如下：

（1）在超效率分析方面，金融危机助推了国开行效率增长，对进出口行效率稍有拉低作用，对农发展行几乎无影响；

（2）在效率分析方面，国开行、进出口行、农发展行效率表现各不相同。自2005年后，我国政策银行规模效率均已无太大提升空间；在所研究的时间区间内，国开行及进出口行均出现效率“漏斗”，但漏斗形态有差异；在后危机时期，进出口行及农发展行效率均有不同程度的增长，国开行效率依然坚挺；

（3）在全要素生产率指数分析方面，我国政策银行在技术效率指数、技术进步指数、纯技术效率指数、规模效率指数、全要素生产率指数方面表现各异。近年来，农发展银行全要素生产率指数优于国开行和进出口行表现，但技术进步表现明显差于国开行与进出口行；国开行和进出口行全要素生产率指数主要是由技术进步引起的。国开行和进出口行全要素生产率变化主要是由技术进步变化引起的。

［1］庄俊鸿.政策银行概论[M].北京：中国金融出版社，2001

［2］从盼盼，杜树增.国家开发银行改制前后效率评价基于DEA方法和Malmquist指数的实证分析[J].经济研究导刊，2011，(35)：126-127

［3］魏巍.基于DEA超效率模型的中国商业银行经营效率评价[J].金融经济，2007，(18)：79-80

［4］王健，金浩，梁慧超.我国商业银行效率分析—基于超效率DEA和Malmquist指数[J].技术经济与管理研究，2011，(4)：124-127

［5］王傅彪，阙超等.我国商业银行技术效率与技术进步实证研究（1998-2004）[J].金融研究，2006，(8)：122-131

［6］傅勇，白龙.中国改革开放以来的全要素生产率变动及其分解（1978-2006年）—基于省际面板数据的Malmquist指数分析[J].金融研究，2009，(7)：38-50

［7］钟杏云，方鹏程，刘群玲.中国城市商业银行效率动态变化的Malmquist指数研究 [J]. 特区经济，2012，(7)：112-114

［8］仲深，王春宇.中国商业银行全要素生产率及其影响因素的实证分析[J].技术经济，2012，31，（1）：101-106

［9］魏权龄.数据包络分析[M].北京：科学出版社，2004