中國商業銀行全要素生產率增長動能分析

譚 磊，李文君

（1.華中科技大學 經濟學院，武漢 430074；2.喀什大學 經濟與管理學院，新疆 喀什 844000）

0 引言

隨著中國經濟步入新常態，支撐銀行業規模高速擴張的宏觀經濟轉向中低速增長階段，中國銀行業進入向高質量發展階段轉變的歷史轉折點。商業銀行的主要矛盾日益表現為客戶不斷升級的金融和非金融需求與銀行落后的服務和組織能力之間的矛盾。中國銀行業必須轉變需求側驅動的粗放式經營方式，以“創新、協調、綠色、開放、共享”新發展理念為引領，以供給側結構性改革為主線，抓好“去產能、去庫存、去杠桿、降成本、補短板”五大任務，提升全要素生產率，通過轉變經營理念、創新產品和服務模式、變革管理和生產組織機制等多措并舉的方式實現中國商業銀行的高質量發展，提高商業銀行服務實體經濟的質效，最終實現與中國經濟的“同頻共振”。

黨的二十大報告進一步明確堅持以推動高質量發展為主題，著力提高全要素生產率，推動經濟實現質的有效提升和量的合理增長。銀行業作為高杠桿行業，也是經營風險的行業，這要求商業銀行向高質量發展階段轉變時既要考慮信貸規模也要考慮信貸質量。現有文獻通常選用不良貸款來反映商業銀行的貸款質量[1]，不良貸款是伴隨“好”產出而產生的副產品——“壞”產出。Chung 等（1997）[2]提出使用方向距離函數來處理經營過程中的“壞”產出，方向距離函數不僅可以從技術上同時實現“好”產出擴張與“壞”產出縮減，還具有良好的經濟含義，被廣泛應用于銀行效率與全要素生產率研究。Fukuyama 和Weber（2009）[3]結合基于松弛變量的測度方法與方向距離函數，提出了SBM 方向距離函數，與傳統方向距離函數相比，SBM 方向距離函數考慮了投入產出松弛量。SBM 方向距離函數通過尋找投入產出最優的松弛量使決策單元投入產出改善潛力之和最大化，投入產出最優的松弛量綜合反映了決策單元的效率改善方向，SBM方向距離函數是一種內生方向距離函數。朱寧等（2018）[4]認為在內生分析框架下，商業銀行可以根據自身實際資產規模和盈利能力內生地調整經營決策來應對環境的變化，在內生分析框架下，商業銀行具有更高的改善潛力。

現有關于不良貸款約束下中國商業銀行全要素生產率的研究主要采用Luenberger 指數和Malmquist-Luenberger 指數[1,5]。其中，Luenberger 指數為加性結構形式，與同樣具有加性結構的SBM方向距離函數更適應[5,6]，兩者在分解時均可沿用F?re 等（1994）[7]或者Ray 和Desli（1997）[8]的分解思路，將全要素生產率增長分解為技術效率變化指數、技術變化指數和規模效率變化指數。劉瑞翔和安同良（2012）[9]結合SBM 方向距離函數和Luenberger 指數特點，發展了一種新型生產率指數構建與分解方法，將全要素生產率、技術進步和效率改善與投入產出因素聯系起來。涂正革等（2021）[10]運用內生方向距離函數研究中國工業生產率增長新動能，將與“好”產出相聯系的技術進步和效率改善定義為發展動能，將與“壞”產出相聯系的技術進步和效率改善定義為綠色動能。上述文獻將生產過程“黑箱”處理，忽略了生產過程內部的網絡結構，可能導致測算的結果偏高[11]。Fukuyama和Weber（2010）[12]考慮到銀行業經營過程的網絡結構，將SBM 方向距離函數在網絡框架下進行拓展，對日本銀行業效率進行評價；李小勝和張煥明（2015）[13]引入兩階段SBM方向距離函數構建Malmquist指數測算了中國上市銀行全要素生產率，但在全要素生產率分解時未將技術進步和效率改善與投入產出聯系起來。

綜上所述，本文從以下幾個方面對現有文獻進行拓展：（1）結合兩階段SBM 方向距離函數和Luenberger 指數的加性特點，發展一種與商業銀行開源、節流和降“壞”相關的多維分解方法。（2）對2014—2021年中國商業銀行的開源動能、節流動能和降“壞”動能進行詳細分析，探索中國商業銀行全要素生產率增長的來源。（3）從開源動能、節流動能和降“壞”動能方面比較分析不同類型商業銀行全要素生產率增長的差異。

1 研究設計

1.1 兩階段SBM方向距離函數

考慮到商業銀行經營過程的網絡特征，本文引入Fukuyama 和Weber（2010）[12]提出的兩階段SBM 方向距離函數：

根據Cooper 等（2007）[14]的研究，分別定義投入非效率、“好”產出非效率和“壞”產出非效率為：

可知，決策單元的非效率水平β衡量的是投入、“好”產出和“壞”產出非效率的均值。本文選取方向向量g=(-x，y，-b)，則βx為投入非效率，表示投入潛在可縮減的比例；βy為“好”產出非效率，表示“好”產出潛在可擴張的比例；βb為“壞”產出非效率，表示“壞”產出潛在可縮減的比例，三者分別衡量了商業銀行的節流潛力、開源潛力和降“壞”潛力。

1.2 Luenberger生產率指數

根據Chambers 等（1996）[6]的研究，Luenberger 生產率指數可表示為：

Luenberger 生產率指數為加性結構形式，參考涂正革等（2021）[10]的研究，LTFP指數可分解為：

其中，LTFPx、LTFPy和LTFPb分別表示投入、“好”產出和“壞”產出對全要素生產率的影響，將由縮減投入引起的全要素生產率增長定義為節流動能，將由擴張“好”產出引起的全要素生產率增長定義為開源動能，將由降低“壞”產出引起的全要素生產率增長定義為降“壞”動能。參考Ray 和Desli（1997）[8]的分解思路，LTFPx、LTFPy和LTFPb可分解為：

其中，LECx、LTCx和LSCx分別表示引起商業銀行投入縮減的效率提升、技術進步和規模效率，分別記為節流技術效率、節流技術進步與節流規模效率。LECy、LTCy和LSCy分別表示引起商業銀行“好”產出擴張的效率提升、技術進步和規模效率，分別記為開源技術效率、開源技術進步與開源規模效率。LECb、LTCb和LSCb分別表示引起商業銀行“壞”產出下降的效率提升、技術進步和規模效率，分別記為降“壞”技術效率、降“壞”技術進步與降“壞”規模效率。LECx、LECy和LECb綜合反映了商業銀行的技術效率變化（LEC），LTCx、LTCy和LTCb綜合反映了商業銀行的技術進步變化（LTC），LSCx、LSCy和LSCb綜合反映了商業銀行的規模效率變化（LSC）。LEC=(LECx+LECy+LECb) ；LTC=(LTCx+LTCy+LTCb) ；LSC=(LSCx+LSCy+LSCb)。

1.3 投入產出指標選取

借鑒已有的研究，本文選取在職員工、固定資產凈值和營業費用作為第一階段的投入指標①由于本文的投入指標選取了員工人數，故營業費用中不包含員工費用。。選取存款及同業拆借之和作為中間產出指標。選取凈利息收入、非利息收入和不良貸款作為第二階段的產出指標。相關投入產出指標說明見表1。

表1 投入產出指標說明

1.4 數據來源

本文選取2013—2021年54家中國商業銀行作為研究對象，其中包含6家國有銀行、11家股份制銀行、27家城市商業銀行和10家農村商業銀行。本文數據來源于bankscope 數據庫、各商業銀行年度報告及跟蹤信用評級報告。所有數據以2013年為基期消除價格因素。

2 實證分析

2.1 中國商業銀行全要素生產率增長動能分析

本文構建基于兩階段SBM方向距離函數的Luenberger指數對2014—2021年中國商業銀行全要素生產率進行測算，并在開源、節流與降“壞”方向對其進行分解，相關結果如表2所示。總體來說，中國商業銀行全要素生產率呈增長態勢。節流技術效率、節流技術進步、節流規模效率和降“壞”規模效率年均變動小于1%，對全要素生產率的影響較小，開源技術效率、開源技術進步、開源規模效率、降“壞”技術效率和降“壞”技術進步的年均變動相對較大，其中，開源技術效率和開源規模效率呈改進趨勢，對全要素生產率起促進作用，開源技術進步、降“壞”技術效率和降“壞”技術進步呈下降趨勢，阻礙了全要素生產率增長。可知，中國商業銀行全要素生產率增長主要源于開源技術效率和開源規模效率。

表2 中國商業銀行全要素生產率分解結果

從開源動能、節流動能和降“壞”動能來看，中國商業銀行節流動能年均增長0.03%，對全要素生產率影響甚微；開源動能年均增長14.42%，促進全要素生產率年均增長4.81%；降“壞”動能年均下降4.79%，全要素生產率受降“壞”動能的負面影響。中國商業銀行全要素生產率增長的動力主要來自開源動能，說明商業銀行應緊跟國家發展戰略，將更多金融資源配置到經濟社會發展的重點領域和薄弱環節，同時加大非利息業務投入，創新業務模式，培養業務人才，大力發展非利息業務。降“壞”動能阻礙了商業銀行全要素生產率增長，表明商業銀行應借助金融科技在信息收集、信息傳遞與信息處理等方面的優勢，提升風險識別、風險評估、風險計量、風險監測和風險控制等方面的能力，實現風險管理轉型。

從技術效率、技術進步和規模效率來看，中國商業銀行技術效率年均增長3.46%，規模效率年均增長3.12%，有助于促進全要素生產率增長，技術進步年均下降3.36%，抑制了全要素生產率增長，中國商業銀行全要素生產率增長受技術效率、技術進步和規模效率的綜合影響。

2.2 中國商業銀行全要素生產率增長動能趨勢變化

圖1 給出了中國商業銀行開源動能、節流動能與降“壞”動能的歷年變化及其對全要素生產率增長的貢獻率。可以看到，中國商業銀行全要素生產率除2017 年和2020 年出現下降外，其余年份增長較為明顯。2017 年全要素生產率下降可能是受債券和資本市場波動、表外業務風險管理政策落地、營改增等多項因素影響，而2020年則是受新冠肺炎疫情的影響。

圖1 中國商業銀行開源動能、節流動能與降“壞”動能

從變化趨勢來看，中國商業銀行全要素生產率增長總體與開源動能的變動趨勢一致，節流動能與降“壞”動能的變動較小，全要素生產率增長的動力主要來自開源動能。結合中國商業銀行全要素生產率增長的歷年變化與開源動能、節流動能與降“壞”動能的歷年貢獻率可以看到，2014—2017 年中國商業銀行全要素生產率呈下降趨勢，受開源動能、節流動能與降“壞”動能綜合影響，這可能是受宏觀經濟增速減緩的影響，供給側結構性改革對商業銀行傳統經營模式及風險管理能力提出了新的挑戰。而隨著銀行業供給側結構性改革取得一定成效，2017年后，中國商業銀行全要素生產率增長主要受開源動能影響，節流動能與降“壞”動能的貢獻率基本為0，2017—2021年開源動能呈波動變化趨勢。

圖2給出了中國商業銀行技術效率、技術進步與規模效率的歷年變化及其對全要素生產率增長的歷年貢獻率。可以看到，中國商業銀行全要素生產率總體與技術效率的變動趨勢一致，技術進步與規模效率的變動相對較小，全要素生產率增長主要受技術效率影響。這可能是因為商業銀行積極推進供給側結構性改革，在人員結構、業務結構、信貸結構等方面不斷調整，服務實體經濟質效持續提升。

圖2 中國商業銀行技術效率、技術進步與規模效率

中國商業銀行技術效率、技術進步與規模效率對全要素生產率增長的貢獻可以分為兩個階段。2017年之前技術效率、技術進步與規模效率對全要素生產率增長的貢獻率均比較大，全要素生產率增長受技術效率、技術進步與規模效率的綜合影響，技術效率和規模效率對全要素生產率的貢獻率為正，技術進步對全要素生產率增長的貢獻率為負。表明2014—2017年中國商業銀行整體技術出現退步，這可能是受宏觀經濟下滑的影響。2017 年之后全要素生產率增長主要受技術效率的影響，但技術效率的貢獻率呈下降趨勢。說明隨著供給側結構性改革進入深水區，商業銀行結構性調整動能逐步減弱。規模效率的貢獻率總體先升后降，2019年規模效率的貢獻率超過技術效率，技術進步的貢獻率2019年轉為正向，總體呈上升趨勢。

圖3 給出了中國商業銀行開源、節流與降“壞”方向技術效率、技術進步與規模效率的變動。可以看到，開源方向技術效率、技術進步和規模效率波動較大，節流與降“壞”方向技術效率、技術進步與規模效率的變動相對較小。說明中國商業銀行技術效率、技術進步與規模效率主要作用于“好”產出。從“好”產出指標利息收入和非利息收入來看，中國商業銀行利息業務趨于飽和且發展較為成熟，即引起利息收入變動的技術效率、技術進步與規模效率波動應較為平緩，因此，中國商業銀行技術效率、技術進步與規模效率主要作用于非利息收入。

圖3 開源、節流與降“壞”方向技術效率、技術進步與規模效率

進一步對中國商業銀行的開源技術效率、開源技術進步和開源規模效率進行分析。可以看到，受新冠肺炎疫情的影響，2020年開源技術效率、開源技術進步和開源規模效率均出現下降。其余年份，2017 年開源技術效率出現下降，這可能是商業銀行貫徹落實國家減費讓利政策，同時受債券市場和資本市場波動的影響，銀行業非利息收入大幅減少。在開源技術進步方面，隨著宏觀經濟增速減緩以及金融監管趨嚴，“好”產出指標下降引起前沿面下移，整體表現為開源技術退步。但可以看到，2017年、2019年和2021年出現開源技術進步，2017年中國經濟企穩回暖，全年GDP 增長6.9%，增速較上年提高0.2 個百分點，2019年銀行金融子公司獲批成立，商業銀行可以通過金融子公司發行的公募理財產品直接投資或者通過其他方式間接投資股票，2021年則是得益于對疫情的控制，宏觀經濟實現復蘇。在開源規模效率方面，信息技術尤其是互聯網的發展使銀行業更具有規模經濟效應，銀行更易通過規模擴張來降低經營成本，2017年出現開源規模效率下降，這可能是央行將表外理財納入廣義信貸范圍之內，抑制了商業銀行表外理財規模的擴張。

2.3 不同類型商業銀行全要素生產率增長動能

表3 給出了四類商業銀行的全要素生產率增長動能。總體而言，不同類型商業銀行全要素生產率增長存在較大差異，國有銀行全要素生產率年均下降2.72%，股份制銀行年均下降1.63%，城市商業銀行年均增長1.48%，農村商業銀行年均增長16.80%。可以發現，國有銀行全要素生產率下降主要受開源技術進步、開源規模效率以及降“壞”規模效率下降的影響，股份制商業銀行全要素生產率下降主要是受開源技術效率與降“壞”技術效率下降的影響，而城市商業銀行和農村商業銀行全要素生產率增長則主要是受開源技術效率和開源規模效率提升所致。

表3 不同類型商業銀行全要素生產率增長動能

從開源動能、節流動能和降“壞”動能來看，四類商業銀行全要素生產率增長的差異主要體現在開源動能方面。國有銀行和股份制銀行的開源動能為負，分別為-4.25%和-0.17%，主要受宏觀經濟增速減緩和凈息差收窄的影響，說明發展非利息收入業務將成為各銀行提升自身競爭力的主要方法。而城市商業銀行和農村商業銀行的開源動能年均增長率分別為9.88%和53.92%，2015年后城市商業銀行和農村商業銀行大規模上市，通過并購或增設網點的方式擴大經營范圍與規模。四類商業銀行的節流動能均較小，說明商業銀行投入要素的改善主要表現為結構優化而不是量的減少，如員工結構方面，業務人員數量出現減少，信息科技等領域崗位的員工數量增加。四類商業銀行的降“壞”動能均為負，這可能是供給側結構性改革持續推進以及金融監管趨嚴，商業銀行的信貸風險不斷積累，說明防范和化解金融風險是商業銀行面臨的緊迫而又現實的挑戰。

進一步地，四類商業銀行開源方向技術效率、技術進步和規模效率存在明顯差異。國有銀行開源規模效率年均下降2.74%，股份制銀行、城市商業銀行和農村商業銀行開源規模效率分別年均增長4.45%、9.95%和21.42%，說明國有商業銀行已基本達到或接近最優規模水平，繼續擴大規模反而會降低產出效率水平，而股份制銀行、城市商業銀行和農村商業銀行應適當擴大規模，合理擴大經營范圍。股份制商業銀行開源技術效率呈下降趨勢，這可能是國有商業銀行大力拓展非利息收入業務擠占了股份制銀行的業務市場，但股份制商業銀行開源技術進步年均增長1.45%，這可能是股份制銀行以市場為導向，經營方式靈活，有更強的技術進步動機。城市商業銀行和農村商業銀行的開源技術效率和開源規模效率年均增長量較大，城市商業銀行和農村商業銀行的大規模上市，不僅可以通過募集資金用于擴張經營規模與擴大經營范圍，而且上市增加的信息披露有助于進一步改善銀行治理水平。

3 結論

本文結合兩階段SBM 方向距離函數和Luenberger 指數的加性結構特點，利用一種與商業銀行開源、節流和降“壞”相關的Luenberger指數多維分解方法，對2014—2021年中國商業銀行全要素生產率增長的開源動能、節流動能和降“壞”動能進行研究。研究發現：（1）中國商業銀行全要素生產率年均增長3.22%，開源動能是中國商業銀行全要素生產率年均增長的源泉，開源技術效率和開源規模效率提升是全要素生產率增長的核心動力，開源技術退步、降“壞”技術效率惡化和降“壞”技術退步阻礙全要素生產率增長。（2）中國商業銀行全要素生產率增長受技術效率、技術進步和規模效率的綜合影響，技術效率、技術進步與規模效率主要作用于開源方向。（3）中國商業銀行全要素生產率增長的動能分為兩個階段，2017 年之前受開源動能、節流動能與降“壞”動能綜合影響，開源動能的貢獻率為正，節流動能與降“壞”動能的貢獻率為負；2017年后主要受開源動能影響，節流動能與降“壞”動能的貢獻率基本為0。（4）國有銀行和股份制銀行的全要素生產率分別年均下降2.72%和1.63%，城市商業銀行和農村商業銀行分別年均增長1.48%和16.80%，不同類型商業銀行全要素生產率增長的差異主要體現在開源動能方面，四類商業銀行的開源動能年均變化率分別為-4.25%、-0.17%、9.88%和53.92%。