中國商業銀行生產率提升來源：第一階段還是第二階段

尹向飛

(湖南商學院 1.湖南經濟改革與發展研究中心 2.經濟與貿易學院，湖南 長沙 410205)

一、引言及相關文獻回顧

銀行效率的提升備受關注，銀行業的全要素生產率一直是學術界研究的重點。而銀行業務由若干階段組成，從靜態上來看，銀行業效率和各階段效率直接相關(Wang et al.，1997；Seiford et al.，1999)，因此，理論上各銀行的全要素生產率變化必定和各階段的效率變化密切相關。那么，如何從動態的視角建立它們之間的聯系？中國商業銀行全要素生產率變化主要來自于哪個階段？各階段效率變化對全要素生產率的貢獻如何？

上述問題的研究具有重要的現實意義，原因如下：第一，銀行業對中國的資源配置和經濟發展一直起非常重要的作用。這不但體現在銀行業在社會融資規模增量占比上，還體現在存量占比上。從中國人民銀行公布的2016年1—6月的社會融資規模數據來看，通過銀行的融資規模增量占社會總融資規模增量的91.1%，而且截止到2016年6月，通過銀行的融資規模存量占社會融資規模存量的84.7%，*通過對中國人民銀行網站上的2016年上半年統計數據計算整理得到。因此銀行業效率的高低不僅僅影響這個行業的整體效率，還關系到整個經濟體系的運行效率，銀行業效率的提升，不但能夠促進整個金融體系效率的提升，而且通過促進資源的合理配置，提升經濟增長質量，推動中國全要素生產率的提升。第二，有助于提高政策的針對性和有效性。銀行業全要素生產率的增長必定和銀行業務各階段效率變化有關，因此要提高政策對推動全要素生產率增長的針對性，首先，需要對銀行業各階段效率變化和銀行業全要素生產率以及前者對后者的貢獻進行測算，挖掘銀行業全要素生產率增長中的不足，針對不足提出政策建議，以提高其針對性；其次，同一政策對銀行業各階段效率變化可能都存在影響，對某一階段效率變化可能存在正影響，但對另一階段效率變化可能存在負影響，因此，在制定政策時，需要權衡其對各階段效率變化的影響，進而提高政策的有效性。

既然上述問題的研究具有重要的現實意義，那么如何構建模型，從動態的視角評估銀行業各階段效率變化和全要素生產率之間的關系尤為迫切。然而通過對銀行業效率方面的相關文獻進行梳理，可以發現相關研究主要存在如下特征：其一，利用SFA及其改進方法測算銀行效率或者全要素生產率。如Berger et al.(1997)、Altunbas et al. (2001)、毛洪濤等(2013)、Yao et al. (2009)、劉孟飛等(2015)等利用隨機前沿分析法測算了商業銀行的利潤效率或成本效率；王聰等(2007)、徐傳諶等(2007)、鄭少鋒等(2013)利用SFA方法測算了銀行的X效率。SFA模型需要事先假定隨機誤差項服從特定分布，為了克服這一不足，各種改進分析方法用于測算銀行效率，如厚前沿分析法(DeYoung，1997)、自由分布法(Hunter et al.，1991)、遞歸厚前沿分析法(Wagenvoort et al.，1999)等。其二，利用傳統DEA及其改進方法測算銀行效率或全要素生產率。需要事先設定生產函數形式，是SFA方法的不足，而DEA方法能夠克服這一不足，因此自Sherman et al. (1985)首次利用DEA對銀行效率進行測度以來，越來越多的研究運用該方法測算銀行效率或全要素生產率，如Maudos et al.(2003)、F?re et al. (1997)、張健華(2003)、楊大強等(2007)等。針對DEA模型存在無法對處于前沿面銀行效率進行有效排序、容易受到奇異值的影響等問題，有研究進行改進以測算銀行效率或全要素生產率，如超效率DEA(李雙杰 等，2014；朱南 等，2004；趙翔，2010)、序列DEA(Park et al.，2006；王兵 等，2011)、全局DEA(Portela et al.，2010；柯孔林 等，2013)、DEA三階段模型(黃憲 等，2008)等。其三，利用網絡DEA模型測算銀行效率。傳統DEA及其改進將生產過程視為黑箱，僅依據最初投入和最終產出來測算決策單元效率，未涉及生產過程各個階段的情況，而網絡DEA能夠在一定程度上解決此問題，因此網絡DEA被用于測算銀行效率成為當前研究熱點，如基于非徑向松弛變量的Network DEA模型，Avkiran(2009)測算了阿拉伯聯合酋長國的銀行業效率；Fukuyama et al.(2010)在網絡DEA模型中引入了不良貸款這一“壞”產出變量，對日本銀行效率進行測算等。國內相關研究較少，比較有代表性的有黃祎等(2009)、韓松等(2015)、李小勝等(2015)、蘆鋒等(2012)等。上述文獻極大豐富了銀行效率以及全要素生產率方面的研究，但是前兩類文獻將銀行的生產過程視為黑箱，僅僅依據銀行的最初投入和最終產出來測算銀行效率以及全要素生產率，將銀行業的經營過程看作一個單一階段的生產過程，忽略了銀行業生產過程具有階段網絡結構特征。第三類研究考慮了銀行業生產過程的階段網絡結構特征，多僅從靜態視角研究銀行效率，雖然可以從各階段效率的高低來解釋整個系統總體效率的高低，但未從動態視角測算銀行的全要素生產率；李小勝等(2015)測算了銀行業的全要素生產率，但是尚未涉及銀行業全要素生產率變動與各階段效率變化之間的直接聯系。因此，如何將銀行業全要素生產率變動的“黑箱”打開，構建模型，以分析各個生產子系統效率變動對系統總體效率——全要素生產率變動的影響，具有重要的學術價值。

本文基于Network-DEA和Malmquist指數法，構建模型，建立全要素生產率和第一階段、第二階段效率變化之間的直接聯系，從技術進步、技術效率改進視角進行分解，并利用2006—2014年13家商業銀行數據進行實證研究，通過測算第一階段、第二階段各種效率變化和全要素生產率，來分析中國商業銀行在提升全要素生產率方面的優勢和不足，以期能為相關政策的制定提供理論和實證依據。

二、模型構建與數據來源

(一)模型構建

銀行投入產出指標具有無形性、非物質性等特點，已有研究所采用的指標存在一定差異。Fukuyama et al.(2010)把銀行生產過程分為兩個階段，勞動力、資金和實物資產為第一階段投入變量，貸款等作為“好”產出變量，不良貸款作為“壞”產出變量，中間產出變量為第一階段籌集的資金。Yang et al.(2012)將銀行業務分為兩個階段——第一階段和第二階段，個人成本、利率和運營成本是第一階段的投入，存款為第一階段的產出變量和第二階段的投入變量，利率收入等為第二階段的產出變量。蘆鋒等(2012)將銀行業務分為兩個階段，第一階段包括固定資產凈值、員工總人數，產出為存款總額；第二階段存款總額為投入變量，貸款總額和其他盈利性資產總額為產出變量等。借鑒Fukuyama et al.(2010)等，本文將銀行業務分為第一階段和第二階段。投入產出指標的界定綜合考慮已有研究成果，初始投入指標為固定資產凈值IN1、員工人數IN2、銀行的股本金IN3，最終產出指標為貸款總額OU1和稅前利潤OU2，中間變量為存款總額M。銀行業務流程圖見圖1。

圖1銀行業務流程圖

假設有n個決策單元格，借鑒Kao(2009)的思路，對第t期第k個決策單元格，在第t期技術水平下，構建如下效率模型度量該決策單元格當期總體效率：

(1)

設模型(1)的最優解為u*l,v*i,w*(i=1,2；l=1,2,3)，根據上述網絡DEA模型投入產出的基本思想，定義第一階段和第二階段的靜態效率如下：

(2)

(3)

(4)

(5)

顯然式(5)和F?re et al. (1994)的定義是相同的，類似F?re et al. (1994)的做法，定義其他三種距離函數，在此基礎上定義總體效率、第一階段效率和第二階段效率，以t-1期技術水平表示的第k個決策單元格第t期各種效率如下：

(6)

(7)

(8)

以t-1期技術水平表示的第k個決策單元格第t-1期各種效率如下：

(9)

(10)

(11)

以t期技術水平表示的第k個決策單元格第t-1期各種效率如下：

(12)

(13)

(14)

根據Malmquist指數法，考慮到全要素生產率和技術進步、技術效率改進的可加性，本文定義全要素生產率增長率及其分解如下：

(15)

(16)

其中:式(16)第一項表示技術進步，它測度了從t-1時期到t時期生產前沿面的移動，記為TECHk,t；第二項表示技術效率改進，它表示從t-1時期到t時期每個決策單元對前沿面的追趕程度，記為EFFCHk,t。

將式(4)、(8)、(11)和(14)代入式(15)，可以得到：

(17)

式(17)右項的第一項表示第一階段的效率變化，記為ECH1k,t；第二項表示第二階段的效率變化，記為ECH2k,t。

將式(4)、(8)、(11)和(14)代入式(16)的第一項，可以得到：

(18)

式(18)右項的第一項測算了第一階段從t-1時期到t時期生產前沿面的移動，稱之為第一階段技術進步，記為TECH1k,t;第二項測算了第二階段從t-1時期到t時期生產前沿面的移動，稱之為第二階段技術進步，記為TECH2k,t。

將式(4)、(8)、(11)和(14)代入式(16)的第二項，可以得到：

(19)

式(19)右項的第一項測算了第一階段從t-1時期到t時期決策單元格向前沿面的追趕程度，稱之為第一階段技術效率改進，記為EFFCH1k,t；第二項測算了第二階段從t-1時期到t時期決策單元格向前沿面的追趕程度，稱之為第二階段技術效率改進，記為EFFCH2k,t。

綜合上述公式，可以得到:

ECH1k,t=TECH1k,t+EFFCH1k,t

(20)

ECH2k,t=TECH2k,t+EFFCH2k,t

(21)

式(20)、(21)表明，各階段的效率變化等于對應階段的技術進步和技術效率改進之和，要提高各階段的效率，可以從對應階段的技術進步和技術效率改進著手。而全要素生產率是兩階段效率變化之和，要提高全要素生產率，應該從兩階段的技術進步和技術效率著手。

(二)變量及其來源

本文實證研究的時間段為2006—2014年，由于一些銀行數據缺失，經過篩選，最后剩下四大國有商業銀行和9大股份制銀行共13家銀行，包括中國工商銀行、中國農業銀行、中國銀行、中國建設銀行、交通銀行、中信銀行、中國民生銀行、華夏銀行、中國光大銀行、招商銀行、廣發銀行、興業銀行、上海浦東發展銀行，所有數據均來自于國研網的中國金融統計數據庫、EPS統計數據及經濟預測數據庫，除了銀行股本金以外其他指標的定義和蘆鋒等(2012)相同，股本金利用股本對價格指數平減，轉換為以1996年價格表示的股本金。具體見表1。

表1 網絡DEA模型所涉及的變量及說明

三、實證分析

將各銀行2006—2014年數據代入式(1)～(21)，測算各銀行歷年各階段的技術進步、技術效率改進和效率變化以及整個系統的技術進步、技術效率改進和全要素生產率，在此基礎上進行后續分析。

(一)銀行業層面

以各銀行各階段以及整個系統的各種效率變化的算術平均值作為整個銀行業各種效率變化的度量*后續的各種平均效率及其變動都是利用算術平均法計算得到。，最終測算結果見表2。

從表2可以得到：(1)在第一階段，除了2011年技術進步小于0以外，其他年份技術進步均大于0，是推動第一階段效率變化的主要原因；2009、2011、2013、2014年第一階段的技術效率改進為正，其他年份為負，這說明大多數年份中國銀行業在第一階段不存在向前沿面追趕現象，可能歸因于中國銀行業第一階段的效率呈擴散變化趨勢；除了2008、2011年第一階段效率變化為負以外，其他年份都為正，說明總的來看，我國銀行業的第一階段效率得到明顯提升；2007—2010年、2011—2014年銀行第一階段的技術進步平均分別增長9.24%、-0.68%，但是技術效率改進分別為-3.92%、1.02%，使得銀行業第一階段的效率變化分別為5.32%、0.34%；從整個時間段來看，銀行第一階段效率變化平均為2.83%，呈低速增長趨勢。(2)在第二階段，絕大多數年份的技術進步為負，這說明前沿面不但沒有向前移動，反而向后移動；大多數年份技術效率改進為正，說明在第二階段，中國銀行業存在追趕現象；平均技術進步為-2.07%，技術效率改進為0.36%，共同導致階段二的效率變化為-1.71%；2007—2010年、2011—2014年銀行業階段二技術進步、效率變化呈現下降變化趨勢，技術效率改進在2007—2010年為負，2011—2014年為正，這說明應該重點關注銀行業第二階段效率。(3)從整個系統效率來看，由于絕大多數年份第一階段的技術進步為正，并且大于第二階段技術進步下降的幅度，因此盡管受到階段二技術進步下降的拖累，整個系統的技術進步在大多數年份還是為正；盡管大多數年份第二階段的技術效率改進為正，但是絕大多數年份的第一階段技術效率改進為負，使得整個系統的技術效率改進呈正增長和負增長的年份各為4個；在整個研究時間段內，平均技術進步為2.20%，技術效率改進為-1.10%，共同推動全要素生產率年均增長1.10%。

表2 銀行業層面各階段和整個系統各種效率變化(單位：%)

(二)四大國有銀行和其他股份制銀行的比較

本文將所研究的13個銀行分為兩類——四大國有商業銀行和九大股份制銀行，然后對這兩類銀行的各種效率指標以及效率變化指標進行比較。

表3 兩類銀行各階段的靜態效率比較

兩類銀行的靜態效率比較見表3。首先，從不同階段對國有商業銀行和股份制銀行之間的靜態效率進行比較。可以看到，不管是第一階段還是第二階段，股份制銀行歷年都高于四大國有銀行，并且它們之間的差距在第一階段比第二階段更為明顯。在第一階段，四大國有銀行平均靜態效率較低，在0.4～0.52之間波動，而股份制銀行靜態效率在0.75～0.95之間波動。在第二階段，四大國有銀行靜態效率在0.8～0.93之間波動，股份制銀行靜態效率保持在0.9以上。四大國有商業銀行和股份制銀行各階段靜態效率相差不大。其次，對同類銀行不同階段靜態效率進行比較。不管是四大國有商業銀行還是股份制銀行，第一階段的靜態效率都低于第二階段的靜態效率，這說明中國銀行業提升整體效率的主要障礙在于第一階段。

四大國有商業銀行和股份制銀行的各種效率變化差距比較見圖2。圖2A匯報了第一階段兩類銀行各種效率變化差距*利用四大國有商業銀行的各種效率指標減去股份制銀行對應的各種效率指標。下同。，可以看出，兩類銀行效率變化差距有6年大于0，2年小于0，平均效率變化差距為3.67%，這說明四大國有商業銀行第一階段效率增長速度快于股份制銀行，考慮到四大國有商業銀行第一階段靜態效率低于股份制銀行，因此，第一階段效率差距呈縮小變化趨勢；2012年之前，TECH1差距基本上位于EFFCH1差距上方，是導致ECH1差距的主要原因；2013—2014年TECH1差距位于EFFCH1差距下方，EFFCH1差距是導致ECH1差距的主要原因；從平均來看，TECH1差距為2.91%，是導致這兩類銀行效率變化差距的主要原因。圖2B匯報了第二階段兩類銀行各種效率變化差距，大多數年份的ECH2差距小于0，平均值為-2.77%，考慮到四大國有商業銀行在第二階段靜態效率小于股份制銀行，因此在第二階段它們之間效率差距呈擴大變化趨勢；大多數年份TECH2差距曲線位于EFFCH2差距曲線下方，其平均值為-2.58%，是導致ECH2差距小于0的主要原因。圖2C從整個系統的角度匯報了兩類銀行全要素生產率變化差距、技術效率改進差距和技術進步差距的變化趨勢，可以看出，技術進步差距和技術效率改進差距波動較為劇烈，并且方向基本相反，從而導致TFPCH差距變化比較平緩，技術進步差距平均為-0.61%，技術效率改進差距為1.51%，導致全要素生產率差距為0.9%，考慮到四大國有商業銀行綜合效率低于股份制銀行，因此TFPCH差距呈縮小趨勢。圖2D匯報了兩類銀行兩階段效率變化差距和全要素生產率差距變化趨勢，可以看出，除了2010和2014年ECH1差距小于0以外，其他年份均大于0，是推動TFPCH差距的主要原因，而ECH2差距則相反。

A

B

C

D

(三)各銀行的靜態效率和動態效率變化

銀行各階段靜態效率和綜合靜態效率見表4。可以看出，在第一階段，效率最低的銀行全是國有商業銀行，分別為中國農業銀行、中國銀行和中國工商銀行，靜態效率分別為0.384、0.468和0.530，最高的三家銀行分別為上海浦東發展銀行、興業銀行和中信銀行，靜態效率分別為1.000、0.977和0.910。在第二階段，招商銀行、興業銀行和中國民生銀行靜態效率排行前三，分別為0.989、0.974和0.972；中國農業銀行、中國工商銀行、華夏銀行效率最低，分別為0.733、0.867和0.877。從整個系統來看，由于中國農業銀行兩個階段靜態效率排行都在倒數第一位，使得綜合效率排行最末，僅為0.285；興業銀行、上海浦東發展銀行和中信銀行排行前三，分別為0.951、0.926和0.874。

表4 銀行各階段靜態效率和綜合靜態效率

表5匯報了各銀行各階段的各種平均效率變化。在第一階段，除了中國交通銀行、中國工商銀行的平均技術效率改進分別為5.94%、2.99%以外，其他銀行的技術效率改進都小于0；而所有銀行的技術進步均大于0，其中9家銀行技術進步增長幅度大于技術效率改進下降速度，使得這9家銀行的第一階段效率變化大于0，說明這9家銀行第一階段效率是提升的；包括招商銀行、中國民生銀行、中國光大銀行在內的4家銀行技術進步增長幅度小于技術效率改進下降速度，使得這4家銀行的第一階段效率變化小于0，在第一階段效率是下降的。在第二階段，9家銀行的技術效率改進是正的，技術進步、效率變化為正和為負的銀行數量大致相等；第二階段效率變化最低的3個銀行分別為交通銀行、中國工商銀行和中國農業銀行，平均增長率分別為-8.34%、-5.92%、-5.51%，效率變化最高的3個銀行分別為中國光大銀行、中國民生銀行和廣發銀行，平均增長率分別為2.48%、2.04%和1.76%。從整個系統來看，由于大多數銀行第一階段的技術進步上升幅度大于第二階段技術進步下降幅度，因此整個系統的技術進步大于0，技術效率改進則相反，大多數銀行的技術效率改進小于0；除了上海浦東發展銀行以外，其他銀行的全要素生產率都大于0，其中交通銀行、中國工商銀行和招商銀行的全要素生產率增長最快，增長率分別為3.44%、2.56%和1.45%；全要素生產率增長最慢的3個銀行分別為上海浦東發展銀行、興業銀行和中國光大銀行，增長率分別為-0.31%、0.25%和0.44%。第一階段和第二階段效率實現雙增長的銀行僅有中信銀行，這說明絕大多數銀行沒有堅持兩手都要抓、兩手都要硬，存在一手硬、一手軟的現象。

表5 各銀行各種效率變化指數(單位：%)

以上僅僅從靜態分析各銀行各階段的效率或者從動態分析了各銀行各階段的效率變化，然而，同時分析各銀行的靜態效率水平與動態生產率變化，會更有意義(張少華 等，2014)。借鑒張少華等(2014)的做法，以各銀行的動態效率變化和靜態效率的平均值為分界點，將各銀行分為低于平均值的L組和高于平均值的H組，分別構建第一階段、第二階段以及整個系統的效率—效率變化矩陣，并將各銀行分別歸入下述四個方陣: 處于第一方陣(表示為H/H) 的是動態效率變化及靜態效率均高于平均水平的銀行，表明該銀行不僅增長速度快，而且當前靜態效率也較高；處于第二方陣( 即L/H 組) 的銀行表示其靜態效率低于平均水平，而動態效率變化高于平均水平，盡管這些銀行目前位勢在銀行業中處于中后水平，但是由于動態效率增長速度較快，其未來增長潛力不可小覷；處于第三方陣( 即H/L組) 的銀行表示其靜態效率高于平均水平，而動態效率變化低于平均水平，說明盡管這類銀行當前位勢較高，但是由于效率增長速度較慢，其將面臨被其他銀行趕超的風險；處于第四方陣( 即L/L組) 的銀行表示其靜態效率及動態效率變化均低于平均水平，該類銀行的相對位勢不僅較低，而且沒有增長潛力。

從表6可以看出，沒有1家銀行的第一階段、第二階段和整個系統的動態效率和靜態效率全部處于平均水平以上，也沒有一家銀行都處于平均水平以下。中信銀行、中國民生銀行、中國光大銀行、廣發銀行盡管很多指標處于H組，第一階段靜態效率處于H組(招商銀行除外)，但是第一階段動態效率處于L組，使得整個系統的動態效率處于L組，這說明這幾家銀行在第一階段和整個系統方面都存在被其他銀行趕超的風險，這些銀行應該在第一階段進行改革，以促進整個系統效率的提升。盡管中國工商銀行、中國建設銀行的靜態效率指標都低于平均值，但是第一階段的動態效率指標都高于平均值，使得整個系統的動態效率高于平均值，說明這兩家銀行在第一階段和整個系統效率方面存在后來居上的趨勢。興業銀行、上海浦東發展銀行在第二階段動態效率處于劣勢，中國農業銀行在第二階段和整個系統的動態效率和靜態效率都處于劣勢，中國銀行在第一階段和整個系統的動態效率和靜態效率都處于劣勢。各銀行的綜合效率、第一階段效率與第二階段效率在H/H組與L/L組出現“扎堆”現象，說明各銀行在第一階段和第二階段表現出“強者恒強、弱者恒弱”的態勢。

表6 各銀行靜態效率和動態效率變化情況

四、結論

鑒于傳統的全要素生產率測算和分解方法，不能打開全要素生產率增長的黑箱，因此，本文基于Network DEA和Malmquist指數法，構建Network-DEA-Malmquist效率測算模型，將銀行業全要素生產率分解為第一階段的效率變化和第二階段的效率變化，而將系統的技術進步分解為兩個階段技術進步之和，將系統的技術效率改進分解為兩個階段的技術效率改進。基于中國四大國有商業銀行和9家股份制銀行2006—2014年數據的實證結果表明：

(1)銀行業全要素生產率以年均1.1%的速度增長，而其主要推動力來自于第一階段的效率變化和第一階段的技術進步，而第二階段的技術進步和效率變化是抑制全要素生產率增長的主要阻力，因此，應對銀行業第二階段需要加大改革力度，制定強有力的措施，推動第二階段效率的提升，以提高銀行業的整體運行質量。

(2)通過對四大國有商業銀行和股份制銀行的靜態效率比較，可以看到，股份制銀行在第一階段和第二階段兩方面效率都高于四大國有商業銀行，在第一階段優勢更為明顯；各銀行提升整體效率的主要障礙來自于第一階段。第一階段四大國有銀行和股份制銀行之間效率差距呈縮小變化趨勢。在第二階段，兩類銀行效率差距呈擴大變化趨勢，其中技術進步是主要原因。從整體效率來看，這兩類銀行整體效率差距呈縮小變化趨勢。

(3)從各銀行動態效率和靜態效率來看，四大國有商業銀行低于股份制銀行，但是同時從靜態效率水平與動態生產率變化的銀行分組來看，各銀行都存在自己的優點和不足；TFP以及兩個階段效率在銀行之間呈現出“強者恒強、弱者恒弱”的變化趨勢。

上述理論研究和實證結果為我國銀行業改革政策的制定提供了重要的理論和實證依據，而本文的Network-DEA-Malmquist指數模型也可應用于類似經濟系統全要素生產率的測算及其分解。

參考文獻：

韓松，王二明. 2015. 中國商業銀行整體效率研究：基于具有中間投入和中間產出的綜合網絡DEA模型[J]. 經濟理論與經濟管理(8):81-91.

黃憲，余丹，楊柳. 2008. 我國商業銀行X效率研究：基于DEA三階段模型的實證分析[J]. 數量經濟技術經濟研究(7):80-91.

黃祎，葛虹，馮英浚. 2009. 基于鏈形系統的關聯網絡DEA模型：以我國14家商業銀行為例[J]. 系統工程理論與實踐(5):106-114.

柯孔林，馮宗憲. 2013. 中國商業銀行全要素生產率增長及其收斂性研究：基于GML指數的實證分析[J]. 金融研究(6):146-159.

李雙杰，高巖. 2014. 銀行效率實證研究的投入產出指標選擇[J]. 數量經濟技術經濟研究(4):130-144.

李小勝，張煥明. 2015. 中國上市銀行效率與全要素生產率再研究：基于兩階段網絡方向性距離SBM模型的實證分析[J]. 財經研究(9):79-95.

劉孟飛，王軍. 2015. 系統性風險約束下的商業銀行成本、利潤效率比較研究[J]. 中國管理科學(12):27-34.

蘆鋒，劉維奇，史金鳳. 2012. 我國商業銀行效率研究：基于儲蓄新視角下的網絡DEA方法[J]. 中國軟科學(2):174-184.

毛洪濤，何熙瓊，張福華. 2013. 轉型經濟體制下我國商業銀行改革對銀行效率的影響：來自1999—2010年的經驗證據[J]. 金融研究(12):16-29.

王兵，朱寧. 2011. 不良貸款約束下的中國銀行業全要素生產率增長研究[J]. 經濟研究(5):110-130.

王聰，譚政勛. 2007. 我國商業銀行效率結構研究[J]. 經濟研究(7):110-123.

徐傳諶，齊樹天. 2007. 中國商業銀行X-效率實證研究[J]. 經濟研究(3):106-116.

楊大強，張愛武. 2007. 1996—2005年中國商業銀行的效率評價：基于成本效率和利潤效率的實證分析[J]. 金融研究(12):102-112.

張健華. 2003. 我國商業銀行效率研究的DEA方法及1997—2001年效率的實證分析[J]. 金融研究(3):11-25.

張少華，蔣偉杰. 2014. 中國全要素生產率的再測度與分解[J]. 統計研究(3)：54-60.

趙翔. 2010. 銀行分支機構效率測度及影響因素分析：基于超效率DEA與Tobit模型的實證研究[J]. 經濟科學(1):85-96.

鄭少鋒，尹小蒙. 2013. 基于X效率角度的我國商業銀行多元化分析[J]. 數量經濟技術經濟研究(7):81-97.

朱南，卓賢，董屹. 2004. 關于我國國有商業銀行效率的實證分析與改革策略[J]. 管理世界(2):18-26.

ALTUNBAS Y, CHAKRAVARTY S P. 2001. Frontier cost functions and bank efficiency [J]. Economics Letters, 72(2):233-240.

AVKIRAN N. 2009. Opening the black box of efficiency analysis: an illustration with UAE banks [J]. Omega, 37(4):930-941.

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

DEYOUNG R. 1997. Bank mergers, X-efficiency, and the market for corporate control [J]. Managerial Finance, 23(1):32-47.

FUKUYAMA H, WEBER W L. 2010. A slacks-based inefficiency measure for a two-stage system with bad outputs [J]. Omega, 38(5):398-409.

HUNTER W C, TIMMER S G. 1991. Technological change in large U.S. commercial banks [J]. The Journal of Business, 64(3):339-362.

KAO C. 2009. Efficiency decomposition in network data envelopment analysis: a relational model [J]. European Journal of Operational Research, 192(3):561-572.

MAUDOS J, PASTOR J M. 2003. Cost and profit efficiency in the Spanish banking sector (1985-1996): a non-parametric approach [J]. Applied Financial Economics, 13(1):1-12.

PARK K H, WEBER W L. 2006. A note on efficiency and productivity growth in the Korean banking industry, 1992-2002 [J]. Journal of Banking and Finance, 30(8):2371-2386.

PORTELA M, THANASSOULIS E. 2010. Malmquist-type indices in the presence of negative data: an application to bank branches [J]. Journal of Banking and Finance, 34(7):1472-1483.

SEIFORD L M, ZHU J. 1999. Profitability and marketability of the top 55 U.S. commercial banks [J]. Management Science, 45(9):1270-1288.

SHENMAN H D, GOLD F. 1985. Bank branch operating efficiency: evaluation with data envelopment analysis [J]. Journal of Banking and Finance, 30(2):297-315.

WAGENVOORT R, SCHURE P. 1999. The recursive thick frontier approach to estimating efficiency [J]. Economic and Financial Reports, 68(2):183-201.

WANG C H, GOPAL R, ZIONTS S. 1997. Use of data envelopment analysis in assessing information technology impact on firm performance [Z]. Annals of Operations Research, 73:191-213.

YANG C, LIU H. 2012. Managerial efficiency in Taiwan bank branches: a network DEA [J]. Economic Modeling, 29(2):450-461.

YAO S J, JIANG C X, ZHANG Z Y. 2009. The effect of governance changes on bank efficiency in China: a stochastic distance function approach [J]. China Economic Review, 20(2):183-192.