中国农村商业银行效率评价与影响因素研究

李马仰 李宁

摘   要：农村商业银行是服务“三农”、乡村振兴的主要金融力量，也是金融体系的薄弱环节，国家对其稳定经营和风险防范做了明确要求。本文基于两种DEA方法考察25个省份农商行的效率，从时间和空间的角度进行实证分析。结果发现：随着总资产规模的增加、破产风险的下降或者股权集中度的增加，农商行的效率会提高；与南方地区农商行相比，北方地区农商行的效率对规模、风险和股权集中度都更加敏感；国有控股近年来整体上提高了农商行效率，但会降低北方农商行的效率。据此，建议对规模较小的农商行进行优化整合，适度提高股权集中度和国有资本比例，并压实地方政府风险处置责任。

关键词：农商行；经营效率；DEA模型；银行规模；股权集中度；破产风险

DOI：10.3969/j.issn.1003-9031.2024.04.001

中图分类号： F832            文献标识码：A     文章编号：1003－9031（2024）04－0003－15

一、引言

我国农村金融机构规模发展迅速，截至2023年第三季度，农村金融机构总资产54.3万亿元，总负债50.4万亿元，均接近股份制商业银行、城商行的总资产和总负债的规模①。长期以来，农村金融机构一直是金融体系的薄弱环节，发展面临许多困局。

众多学者从不同角度对农村金融机构的绩效、风险等方面进行了考察。如吴少新等（2009）首次使用DEA超效率模型、邓晓娜（2020）运用非径向模型分别研究了村镇银行的经营效率。但相关研究文献缺少专门对农商行的运营效率和股权、风险等因素之间关系的全面考察，而且现有文献考察的农商行样本量较少，一般仅限于上市银行或者某一地区的银行数据（王克强等，2018；邓晓娜等，2020）。本文使用25个省份农商行的数据，使用DEA方法，分别从时间维度和空间维度考察规模、股权性质、股权集中度、风险承担等因素对效率的影响，尤其对比分析了我国南北方地区农商行的股权集中、风险承担等的差异及其对效率的影响差异，为我国因地制宜制定农商行的改革方案提供有益参考。

二、文献综述与研究假设

（一）农商行的规模与效率

大量研究表明，银行的规模是影响其效率的关键因素之一。资产和规模对银行来说很重要，因为它们必须满足其对信贷、担保、货币交易以及其他金融服务的需求。在现代金融中介理论中，更加重视金融中介的规模经济。规模的好处在于金融中介可以与大量借款人和贷款人签订合同，进而提升多样化，即使在所有代理人都是风险中性的环境中，这也被证明是有价值的，因为它降低了信息不对称的代理人之间的合约成本。此外，多样化也降低了克服信息不对称的事前预期成本，无论违约是否真的出现，这都导致了成本的降低。Fernandes et al.（2018）使用效率模型验证了银行规模的增加会提高其运营效率，进而对银行的效益产生正向影响。国内的研究以郑录军和曹廷求（2005）等为代表，他们考察了规模在内的八个方面的影响因素。他们认为，可以采用总资产、总收入、存款额和贷款额四个指标来反映银行的规模，这几个指标之间有高度的相关性，最终，他们选取总收入作为规模指标，发现规模对商业银行效率的提升有显著的正向作用。相比于大型上市银行和城市商业银行，农村金融机构服务范围都较小，客户较分散，很难形成规模经济。如果能扩大农商行的规模（如同一地区的农商行进行重组合并），将能更高效地利用农商行的资源，产生规模效应，提高效率和盈利。

基于以上分析，提出假设H1：农商行的规模增加会提高其效率。

（二）农商行的风险承担与效率

一般来说，银行为获取更高额利润，需要承担更大的风险。现代银行理论表明，银行的行为受制于借款人、存款人和银行相互作用的金融市场行为所产生的不确定性。银行愿意承受的风险量，取决于竞争、监管和公司治理（Sarmiento and Galan，2017）。但当银行从事更多的具有风险的业务，必然导致风险敞口的扩大，进而影响其运营效率。Sarmiento and Galan（2017）提出的模型捕捉了风险承担对银行效率的影响，并区分了具有不同特征的银行。他们发现，较高的信用风险敞口会导致较低的成本效率，这可能与监测和管理问题贷款的支出增加有关。Pessarossi and Weill（2015）认为当资本率提高时，银行的风险承担水平会降低，成本效率会提升。余晶晶等（2019）发现对于具有低风险承担水平的商业银行，提高竞争能激励其提高核心竞争力，从而提高其效率。谭政勋和李丽芳（2016）发现我国银行风险承担对效率的影响并非单调，而是存在倒U型关系，风险承担的增加有利于利润效率的提升，同時利润效率的提升反过来促使银行承担更多的风险。

除了实证分析，也有不少学者对此建模和理论分析。如Berger and Young（1997）指出，大量研究发现，那些经营失败的银行都离有效前沿距离较远，而且成本效率较低，即使那些没倒闭的银行也存在效率与不良贷款率的负相关关系。他们还将原因总结为四个假设：“坏运气”假设、“坏管理”假设、“吝啬行为”假设和道德风险假设。归纳这些假设，可以得到银行风险影响效率的途径：银行的风险提高会带来多种成本的增加，进而降低银行的效率。

因此，提出假设H2：农商行承担的风险越高，效率就越低。

（三）农商行的股权结构与效率

理想的股权结构应具备产权清晰、杜绝内部人控制、独立运营等条件，这样能带来银行效率的提升和风险的下降。郑录军和曹廷求（2005）发现，集中型股权结构和公司治理机制是影响商业银行效率的重要因素。首先来看股权集中度对效率的影响，有文献发现影响方向并不单一。Shehzad et al.（2010）指出股权集中既有助于公司增强管理、加强监管，但也会增加银行风险。Shleifer and Vishny（1997）提出两种理论解释股权集中的双向影响：一是“利益协调假说”，即股权集中时，大股东具有信息优势，能够有效监督银行的决策，提升银行信贷质量，改善经营绩效和效率；二是“掏空假说”，即股权集中可能使大股东追求绝对控制权而损害其他股东的利益，从而有损银行绩效和效率。随后，针对以上两种假说都有大量研究来证实（李维安和曹廷求，2004；祝继高，2012；赵尚梅等，2012）。针对股权集中度的非单向影响，也有“管理防御假说”（Morck et al.，1988）来解释。

现有文献主要集中分析了股份制银行的控股股东性质对效率的影响。学者认为如果国有股东控股，就会带来政府干预的增加，偏离银行的市场化经营目标，从而导致银行效率下降，风险增加（赵尚梅等，2012；谭劲松等，2012）。内部人控股也可能带来不良后果，如经理层控股可能导致严重的代理问题，选择松散的董事会成员，银行业务的不透明性和复杂性会加重这一问题，也会带来更大的风险（Grove et al.，2011）。但现有文献缺乏对国有股东防控银行风险方面的研究。

关于农商行的研究较少，何婧和何广文（2015）首次证实了农商行的管理层持股比例越高，越容易采取激进策略，提升银行效率；股权越集中或当银行所在地区的市场化程度越低时，持股比例与风险和效率之间的关系越显著。

综上，提出假设H3：农商行的股权集中度提升会提高效率，国有股东若履行加强经营和风险管理的职责，会提高农商行效率，否则，会降低农商行效率。

三、研究设计

（一）样本与数据来源

本文所用数据全部来源于Wind数据库，尽可能多地采用农商行多维度数据，剔除掉非上市农商行缺失数据和变量，只保留样本量大于600的变量。本文最终使用2015—2019年一共691组农商行观测值，分布于25个省份，既包括已经上市的大型农商行，也包括非上市农商行。

（二）模型选取

1. DEA传统效率模型与超效率模型

多年来，学术界研究运行或产出效率比较广泛的两类方法分别是以数据包络分析法（DEA）为代表的非参数法和以随机前沿分析法（SFA）为代表的参数法。两种方法各有优缺点。相比于SFA方法，DEA方法突出的优势是无需设定具体的投入-产出函数形式，因而可以避免SFA方法因生产函数设定错误而导致的偏差。DEA方法还具有将全要素生产率分解为技术进步指数和技术效率指数、能计算出每一种投入要素的利用效率等优点，从而找出提高效率的最优路径，为决策提供有力支持。DEA方法由著名运筹学家Charnes等人提出，他们最初基于Farell关于生产效率的观点，使用DEA方法计算公共部门和非盈利部门的效率。随后，被大量学者应用于银行、生产性企业、能源利用等方面的效率评价。数十年来，大量研究又在Charnes等人方法的基础上，改进DEA方法，克服了传统DEA方法的缺陷，使效率计算更精准，不仅可以计算不同类型的效率值，也可以分阶段考察每一过程的效率。

传统的DEA模型中，规模报酬不变条件下的产出导向模型（CCR模型）。传统的DEA模型有一些缺點，学者们寻找更优化的模型，其中一个应用广泛的方法是使用超效率模型，对DEA有效单元进一步排序，从而挑选出最优解。本方法的特点是，在将某一决策单元（以下简称“DMU”）与其他DMU作对比时，将这一特定DMU排除在集合之外，超效率DEA模型形式如下：

其中，λ≥0，j=1，2，…，N，s≥0，s≥0。传统的DEA 模型得出的是“有效”DMU，无法在有效DMU之间进一步比较效率的高低（认为其效率值都为1）。在超效率DEA模型中，对于无效的DMU，其效率值与传统的DEA效率值一致，但对于有效率的DMU，它在样本中仍保持相对有效，此时的DEA值表示保持DMU有效的前提下，可以最大化的半径，进而可以比较有效DMU的效率高低。在超效率模型中，产出导向方法计算出的某个DMU的效率值小于1，说明其有效率，大于1，说明其缺乏效率，而且效率值越小，意味着其越有效。

效率可以分为三类。方程（1）是在规模报酬不变的条件下计算出的效率值，为综合效率（TE）。当在方程（1）中加入约束条件Σλ=1，计算的是规模报酬变化的条件下的效率值，为纯技术效率（PTE）。最后一类效率是规模效率（SE）。他们的关系是：TE=PTE*SE。

2.两阶段半参数DEA方法

由于以往分析效率影响因素的两阶段DEA方法可能因为效率值之间的序列相关导致统计推断失效，Simar and Wilson（2007）提出使用两阶段自助法（bootstrap）模型（即两阶段半参数DEA方法）得到无偏估计量。在第一阶段，使用传统的DEA模型，对于特定点（xi，yi），计算出产出导向的效率值，进而计算其Shephard产出距离函数：θi=δ（xi，yi|P）≡supθ

（xi，θyi）P，θ>0，其中，P为生产的有效前沿的集合。我们可以看到，θi衡量的是DMUi到效率前沿的径向距离，是Farell效率指标的反函数，也是无效率程度的指标。在第二阶段，对于相对无效率的M个样本组合（θi>1）①，建立截尾回归：

其中，zi为调节变量或环境变量矩阵，β为系数矩阵，εi表示误差项，并假设服εi从截尾的正态分布：均值μ=0，标准差为σ，分布在1-ziβ处左截断。

（三）变量构造

1.被解释变量

本文使用两种方法计算农商行的效率指标作为被解释变量，第一种是无效率指标（Shephard产出距离函数），第二种是超效率DEA模型计算出的效率值。

2.核心解释变量

（1）农商行的风险

银行的风险包括经营风险、市场风险和信用风险等，谭政勋和李丽芳（2016）指出，资产回报率（ROA）的波动率和破产概率（即Z 值）是最常用的两个经营风险指标。其中，Z值的计算方法如下：

其中，σ（ROA）为ROA的波动率，μ（ROA）为ROA的平均值，equratio是资本资产比（股东权益与总资产的比值）。为提高精确度，本文使用五年期ROA数据滚动计算其均值和波动率。σ（ROA）衡量了Z 值中的风险，是纯风险指标。但Z 值更能全面反映银行经营过程中所面临的风险，而且Z值越大，说明银行的破产概率越大。谭政勋和李丽芳（2016）指出，贷款是我国银行业最主要的业务，信贷风险和不良贷款是重点关注的风险，本文在稳健性检验中使用不良贷款率来衡量信用风险，对结果的稳健性进行考察。

（2）农商行的股权集中度

股权集中度采用前十大股东持股比例的平方和计算，即HHI=Σr，其中，HHI是赫芬达尔指数，ri是股东i的持股比例。

（3）农商行的规模

在研究银行效率的影响因素文献中，一般使用银行的总资产、存款额和贷款额三个变量作为银行规模的代表变量。本文在实证分析中使用总资产的对数值代表规模，在稳健性检验中，使用贷款额的对数值作为规模的代表变量。

3.控制变量

本文根据相关研究文献选取几个可能影响银行经营绩效的因素，作为主要控制变量。由于中国的银行业存贷款规模和利差等是其盈利的主要来源，本文选取存贷款利差（NIS）作为影响经营绩效和效率的变量。为控制影响银行平稳运行的因素，将风险资产占比（riskyasset）和拨备充足率（baddebtcov）也作为控制变量，因为风险资产占比越低、贷款损失准备金计提越充足，银行的抗风险能力越强。此外，还选取资本资产比（equratio）作为控制变量，它衡量银行核心资本的充足水平，可以帮助银行抵御风险，支持规模扩张。各变量的含义见表1。

（四）实证模型设计

实证分析部分首先计算出效率的三类指标作为被解释变量，接着将其他变量作为解释变量进行回归分析。本文分别从时间和空间上考察各因素对效率的影响，两种做法分别是：在用传统DEA模型计算出被解释变量后，针对每一年的样本分别做截尾回归；使用DEA超效率模型计算出被解释变量后，将样本按照南北方省份划分为两组，再分别对南北方的样本做面板回归。这两种方法使用的被解释变量和解释变量都相同。这里展示面板回归方程，形式如下：

其中，Effit是农商行i在t年的效率值，代表综合效率（TE）、纯技术效率（PTE）和规模效率（SE）三类效率，在回归中，分别用这三类效率值作为被解释变量做回归。x代表核心解释变量，包括size、HHI、Zvalue。为考察股权性质对效率的影响，方程（5）中还加入股权性质与其他变量的交乘项，S表示农商行股权性质的虚拟变量（根据holdertype进行赋值分组），当农商行i在t年的第一大股东是国有性质，则Sit=1；否则，Sit=0。在稳健性检验中，也使用其他方法对股东的性质进行分组，如当农商行i在t年的前五大股东中，国有性质的股权占比超过民营股权占比，则；则Sit=1；否则，Sit=0。z代表控制变量，包括riskyasset、NIS、equratio、baddebtcov。表示在面板回归中控制了年度固定效应，为随机误差项。

四、实证结果分析

（一）描述性统计

为了便于观察回归系数，对规模变量（size和loan，单位：万元）取对数。我们重点关注农商行的效率和风险。表2显示，综合效率值和规模效率值的均值小于1（有效率），纯技术效率的均值大于1（相对无效率）。说明中国的农商行的管理和技术（纯技术效率）仍有较大提高空间。从Z值代表的风险指标来看，最小风险的农商行破产概率几乎为0，但风险最高的农商行破产概率达12.2%；从不良贷款率来看，风险最小的农商行的不良贷款率为0.36%，最高的为24.43%。从这两类指标可见，风险较大的农村金融机构多是在北方地区。

在正式对数据做回归分析之前，先对所使用的变量做相关性分析，主要关注几个核心解释变量对效率（TE）的影响。可以看到，Zvalue对TE的相关系数为0.190，nplratio对TE的相关系数为0.277，且都在1%的置信水平下显著，说明银行承担的风险与其效率负相关；size对TE的相关系数为-0.794，loan对TE的相关系数为-0.798，且都在1%的置信水平下显著，说明银行的规模与其效率正相关。此外，nplratio与Zvalue的相关系数为0.282，loan与size的相关系数为0.989，均在1%的置信水平下显著，具有很好的正相关性，因此，在稳健性检验部分使用nplratio替代Zvalue、loan替代size重新做回归分析。

（二）农商行效率测度与排名

本部分采用超效率模型计算每年各商业银行的相对效率值（包括综合效率、纯技术效率和规模效率）。篇幅所限，这里只展示综合效率的统计和排名情况。从表3可以看出，随着样本包含的小规模农商行个数的增加，整体上平均效率（产出导向方法计算出的效率值在变大）是逐年下降的，这与燕翔和冯兴元（2021）的发现相一致。从2015—2019年五年间，青岛农商行、广州农商行、上海农商行、成都农商行、重庆农商行、北京农商行这些规模最大的商业银行在效率排名上出现次数较多，除了成都农商行外它们都是大型上市农商行。这表明，规模的扩大对农商行的效率会有积极的影响。但我们也发现，随着样本中包含的小规模的农商行个数的增加，以江苏常熟农商行为代表的非上市、规模相对较小的银行排名在上升。燕翔和冯兴元（2021）也发现中小型农商行的技术效率和规模效率近年来要么没有村镇银行的相应效率提高的快，要么比其下降的幅度大。这些现象都说明除了规模之外，还有其他重要因素影响银行的效率。

（三）回归分析

1.按年份进行回归分析

采用Simar-Wilson两阶段方法逐年进行回归分析。分两步进行：第一步，使用传统的DEA模型计算各银行各年的效率值；第二步，将无效DMU的Shephard产出距离函数（代表非有效的程度）作为被解释变量，建立截尾回归（方程（2）），其使用的解释变量和控制变量与方程（4）相同，并使用自助法对系数进行估计。

表4是方程（2）的最终估计结果，依次列出2015—2019年的各影響因素的回归系数①，被解释变量是无效率的程度的度量指标②。遵循习惯，在结果分析时，本文将解释各因素对效率的影响方向，因而，会与表4中回归结果的符号相反，后面的各分析同此说明。

接下来依次检验前文提出的假设。从表4可以看到，除了2015年农商行规模与效率在10%的水平上显著正相关之外，2016—2019年规模与效率都在1%的水平上显著正相关，且正向影响呈现先增后降的趋势，在2017年这种正向影响最大。从现实意义看，在2019年，农商行的总资产每提高1个百分点，会使效率提高约0.11个单位，这种效应约为2015年时的1.9倍。实证研究结果证实了本文的研究假设1。在农商行的风险承担对效率的影响方面， 2015—2019年几乎全部在1%的水平上显著负相关，农商行的破产概率每增加1个百分点，会使效率下降约5～9个百分点，而且从趋势上看，风险承担的负向效应整体上在减小，2019年时的效应约为2015年的一半。这一结果证实了本文的研究假设2。从时间的角度看，只有2016年和2017年的股权集中度与效率在10%的水平上显著正相关，其余年份这两者正向关系不显著。对这一结果可能的解释是，在不同的股权集中度水平，其对效率的影响非线性，即随着股权集中度的不断升高，其对效率的影响可能上升也可能下降，股权集中度对效率的作用应该还受到其他因素的影响。我们观察图1中的整体农商行的股权集中度的变化，可以看到，平均股权集中度在2016年达到最高水平，随后逐年下降。也即，从2015—2019年来看，只有2016年和2017年的股权集中度水平相对较高，在此水平上，股权集中度与效率正相关，其余年份的股权集中度较低，其对效率无显著影响（见图1）。因而，本结果证实了研究假设3的部分结论。

此外，本文验证了国有大股东可以通过规模、破产风险和股权集中度渠道对效率产生影响，结果如表5所示。可以看到，国有大股东在不同年份、通过不同渠道对效率的影响有所差异，从时间上来看，只在2015年和2019年产生了显著影响。从规模看，国有控股的农商行只在2019年通过规模扩大显著增加了效率；从破产风险来看，当风险增大时，国有控股的农商行在2015年和2019年都显著增加了效率；从股权集中度来看，当股权集中度增加时，国有控股的农商行在2015年减小了效率，在2019年增加了效率。总体来看，经过近几年系列改革，农商行在完善公司治理机制、提高规范化水平和突出专业化服务功能等方面取得了较大进展，国有股东发挥了积极作用。

2.按地区进行回归分析

本部分先将农商行按照所属区域划分为两组，再采用超效率DEA方法与面板回归相结合的方法，分别对两个区域的样本进行实证分析。也分为两步：第一步，使用超效率模型计算出银行的效率值，此时，有效DMU对应的效率值也可以进行比较，即此时的效率值没有截断，因而不需要在下一步使用截尾回归；第二步，分别对南方省份和北方省份的样本做面板回归，对效率的影响因素进行考察（回归方程（4）和方程（5））。表6为实证结果。

先看规模的影响效应。不论南方还是北方，不论是哪种效率，都发现规模与效率正相关的结论，而且均在1%的水平上显著。从区域差异的角度来看，北方省份的农商行规模的增加带来的效率提升量高于南方省份的提升量。对于北方农商行而言，不论哪种效率，风险承担都与其显著负相关；而对于南方农商行，风险承担只对整体效率和规模效率有显著负向影响。而且，北方农商行的风险承担对效率的负向影响效应要大于南方农商行的负向影响效应。图2显示，从平均水平来说，北方省份的农商行平均破产风险（Z值）远高于南方省份农商行的同期水平。近年来，只有2016年和2017年南北方农商行破产风险差距较小，其余年份，北方农商行的破产概率是南方农商行的1.53～1.75倍。因而，北方农商行的风险承担水平对效率的负向影响更大，需要受到重视。最后，来看股权集中度对南北方农商行效率影响的差异。可以看到，北方农商行的股权集中度与效率显著正相关，而且三个效率指标的回归均在1%的水平上显著，但南方农商行的股权集中度与效率不显著相关。可能的解释是，北方农商行的股权集中度比南方农商行的股权集中度平均高出1倍左右，可能北方农商行的股权集中度处于其对效率有正向影响的区間。综上所述，从空间角度的实证分析结果也验证了本文的H1、H2和H3的部分假设。

接下来分析股权性质对南北方农商行效率的不同影响，结果如表6所示，验证H3的后半部分假设。比较交互项的系数我们会发现，国有大股东对南北方农商行的效率产生了截然不同的影响：通过规模渠道，国有控股会使得北方农商行总效率和纯技术效率下降，但会使南方农商行总效率和纯技术效率上升，从绝对值上来看，下降的幅度约为上升幅度的3到5倍；对于北方农商行来说，相比于大股东为非国有性质的情形，当大股东为国有性质时，其破产风险的增加会使总效率和规模效率显著下降，而南方农商行的大股东所有制性质不会通过破产风险对其效率产生影响；国有控股的北方农商行会通过股权集中度的提升显著降低其总效率和纯技术效率，而国有控股的南方农商行会通过股权集中度的提升显著降低其规模效率。

综上所述，对于北方农商行，本部分实证结果确实可以表明国有控股通过规模、破产风险和股权集中度的渠道都降低了银行的效率，与赵尚梅等（2012）和谭劲松等（2012）关于股份制银行的发现一致。但对于南方的农商行来说，国有控股可以通过规模渠道提高效率。这种不同方向的影响可以从赵尚梅等（2012）的研究中找到类似的原因：当地方政府出于自身利益，对银行进行过多的行政干预，干扰银行追求利润最大化的目标时，地方政府国有股权越集中，对地方银行的绩效提升越不利；当银行的国有股东不被地方政府利益所左右，并且具有资源垄断性和政策支持优势时，国有股的存在对银行绩效会产生积极影响。

（四）稳健性检验

为增强实证结果的可靠性，还需进行稳健性检验。关于各因素对农商行效率的影响，有多种稳健性检验方法，本文使用总贷款额（loan）代表银行的规模，使用不良贷款率（nplratio）代表风险承担的指标（侧重于信用风险），使用前五名股东持股比例构造赫芬达尔指数作为股权集中度的指标，以及根据前五大股东的国有股权是否超过非国有股权来分组，重新做回归。所得结果与前文展示的结果相似，这里不再赘述。

五、结论与政策建议

（一）结论

本文分别使用Simar-Wilson两阶段DEA方法、DEA超效率模型与面板回归相结合的方法，研究了农商行的规模、风险承担和股权结构对效率的影响，分别从时间和空间维度比较了这些影响的不同之处。

第一，随着总资产规模的增加，农商行的效率都会提高，整体上来说，北方省份的农商行的效率对规模更加敏感。就大多数农商行来说，因为它们由农村信用社“商业化”改革不久，还具有典型的地方属性，地理分布及业务覆盖区域限制了其更高效地经营，相比于其他类型的银行，其仍属于小型金融机构，基本上还处于规模经济的初始阶段，因而效率会随着规模的扩大而提高。

第二，农商行的效率基本上都会随着破产风险的增加而下降，相比于南方农商行，北方农商行的总效率对风险敞口更加敏感。当银行从事更多的具有风险的业务，必然导致风险敞口的扩大，监测和管理问题贷款的支出增加会影响其运营效率。2017年之后农商行风险敞口对效率的负向影响下降，2019年的效率降为2015年时的将近一半，这表明近年来中小金融机构改革取得积极效果。

第三，股权结构对效率的影响较为复杂。股权集中度的增加会提高农商行的效率，但主要对北方省份的农商行影响更显著；从时间上看，国有控股股东近年来会通过规模、风险控制、股权集中度提升三个渠道提高效率，但从地域上看，会降低北方农商行的效率。这或许与国有股东的特性有关，地方政府过多行政干预会导致银行偏离利润目标，但也会更加注重风险防范。

（二）政策建议

第一，探索建立省市級农商行。在农村金融需求持续扩大、银行业竞争加剧等形势下，农村金融机构改革在坚守支农支小市场定位、坚持服务“三农”与小微企业的同时，要适度扩大规模，一是用于扩充当地的金融资本储备，二是可以节约资源，产生规模经济，增强区域型机构抵御风险的能力。探索成立省级或地市级农商行，取消现有县区级农商行的独立法人地位，将其变为省级或地市级农商行的支行，建立现代金融企业制度，监管部门通过一定的监管指标设定，确保改革后的农商行在坚守支农支小的同时，仍专注服务本地，优化管理机制，稳健经营，这样才有可能产生规模经济，进一步提升效率。

第二，优化农商行股权结构，提高股权集中度，发挥国有股东积极作用。对于我国农商行来说，集中型股权结构和公司治理机制是影响效率的重要因素，当股权集中度上升时，可有助于公司增强管理，改善银行经营绩效。因而，建议适当提升农商行的股权集中度，尤其是对于北方省份的农商行，需要将股权更多地集中在有优秀管理能力和遵从监管要求的股东手里。此外，虽然某些年份、某些地区的国有大股东会通过几个渠道降低农商行的经营效率，但2019年国有大股东可以通过扩大规模、防范风险和提高股权集中度三个渠道显著提升农商行的经营效率，而且从区域的角度看，也可以通过扩大规模显著提升南方农商行的效率。建议适当提高农商行国有股权占比，虽然这样可能会导致部分效率下降，但相比于某些非国有股东掏空农商行、谋取私利所造成的危害和巨大负外部性，这亦是最好选择。

第三，压实地方政府对农商行的风险处置属地责任。当国有股权占比提高时，可能意味着地方政府对当地农商行的影响力增强，地方政府往往出于自身利益出发，可能将当地农村金融机构作为“提款机”，这就会造成农商行的风险增加、效率下降。压实地方政府对农商行的风险处置属地责任，会显著增加把农村金融机构作为“提款机”的成本，避免“兴一利而生一弊”。

（责任编辑：夏凡）

参考文献：

[1]Berger A N，DeYoung R.Problem loans and cost efficiency in commercial banks[J].Journal of Banking & Finance，1997，21（6）：849-870.

[2]Fernandes F D S，Stasinakis C，Bardarova V.Two-stage DEA-Truncated Regression：Application in banking efficiency and financial development[J].Expert Systems with Applications，2018，96：284-301.

[3]Grove H，Patelli L，Victoravich L M，et al.Corporate governance and performance in the wake of the financial crisis：Evidence from US commercial banks[J].Corporate Governance：An International Review，2011，19（5）：418-436.

[4]Morck R，Shleifer A，Vishny R W.Management ownership and market valuation： An empirical analysis[J].Journal of financial economics，1988，20：293-315.

[5]Pessarossi P，Weill L.Do capital requirements affect cost efficiency？ Evidence from China[J].Journal of Financial Stability，2015，19：119-127.

[6]Sarmiento M，Galán J E.The influence of risk-taking on bank efficiency：Evidence from Colombia[J].Emerging Markets Review，2017，32：52-73.

[7]Shehzad C T，de Haan J，Scholtens B.The impact of bank ownership concentration on impaired loans and capital adequacy[J].Journal of Banking & Finance，2010，34（2）：399-408.

[8]Shleifer A，Vishny R W.A survey of corporate governance[J].The journal of finance，1997，52（2）： 737-783.

[9]Simar L，P W Wilson.Estimation and inference in two-stage，semi-parametric models of production processes.Journal of Econometrics，2007，136：31-64.

[10]邓晓娜.农村金融机构经营效率测算及影响因素的空间计量分析——兼论农村金融机构改革[J].金融监管研究，2020（2）：51-66.

[11]何婧，何广文.农村商业银行股权结构与其经营风险，经营绩效关系研究[J].农业经济问题，2015 （12）： 65-74.

[12]李维安，曹廷求.股权结构，治理机制与城市银行绩效——来自山东，河南两省的调查证据[J].经济研究，2004（12）：4-15.

[13]谭劲松，简宇寅，陳颖.政府干预与不良贷款[J].管理世界，2012（7）：29-43.

[14]谭政勋，李丽芳.中国商业银行的风险承担与效率——货币政策视角[J].金融研究，2016，432（6）： 112-126.

[15]王克强，蒋涛，刘红梅，等.中国农村金融机构效率研究——基于上市农商行与村镇银行对比视角[J].农业技术经济，2018，（9）：20-29.

[16]吴少新，李建华，许传华.基于 DEA 超效率模型的村镇银行经营效率研究[J].财贸经济，2009（12）：45-49.

[17]燕翔，冯兴元.农村中小银行的经营效率研究 ——基于DEA-BCC模型和DEA-Malmquist指数模型的分析.金融监管研究，2021（11）：1-17.

[18]余晶晶，何德旭，仝菲菲.竞争，资本监管与商业银行效率优化——兼论货币政策环境的影响[J].中国工业经济，2019（8）： 24-41.

[19]赵尚梅，杜华东，车亚斌.城市商业银行股权结构与绩效关系及作用机制研究[J].财贸经济，2012 （7）：39-48.

[20]郑录军，曹廷求.我国商业银行效率及其影响因素的实证分析[J].金融研究，2005（1）：91-101.

[21]祝继高.银行与企业交叉持股的理论与依据——基于国际比较的研究[J].国际金融研究，2012（2）：58-68.