本站小編為你精心準備了銀行效率影響因素研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《北京工商大學學報》2016年第3期

摘要:

提高政策性銀行效率是實現其市場化改革和資源合理配置的必然選擇。文章利用DEA超效率模型測算我國2000—2014年三家政策性銀行的效率值，并采用Tobit回歸模型對我國政策性銀行效率的影響因素進行了深入的探討。結果表明，除了成本管控能力外，資產質量、銀行規模、穩定性、資產配置能力和人力資本質量等因素都對政策性銀行效率具有顯著的正向促進作用。在此基礎上，通過收斂性模型進行檢驗，發現我國政策性銀行效率存在絕對β收斂和條件β收斂。最后，根據相關實證結論提出可行性政策啟示。

關鍵詞:

政策性銀行;銀行效率;DEA超效率模型;Tobit模型;收斂性;收斂檢驗

黨的十八屆五中全會指出，中國需要發展更高層次的開放型經濟，積極參與全球經濟治理和公共產品供給，提高我國在全球經濟治理中的制度性話語權。李若谷(2015)［1］提出讓政策性金融成為助推器。政策性金融服務作為商業性金融的重要和有益補充，對于支持國家經濟建設、社會事業發展和實現國民經濟穩定增長，發揮著不可替代的作用。在2015年的總理政府報告中也再次強調發揮好政策性金融在增加公共產品供給的導向作用。可見，當前適逢政策性金融改革的窗口期，分析我國政策性金融機構經營發展中存在的問題，具有十分重要的理論意義和實踐意義。政策性金融機構作為我國金融體系發展的重要組成部分(白欽先，1993［2］;賈康、孟艷，2009［3］)，它包括政策性銀行、政策性保險機構和政策性擔保機構等相關政策性機構。其中，以國家開發銀行(以下簡稱國開行)、中國農業發展銀行(以下簡稱農發行)和中國進出口銀行(以下簡稱進出口行)三家政策性銀行為我國政策性金融活動最主要的運營載體，扮演著國家扶持“弱勢群體”的重要角色，并在政策性金融機構服務實體經濟中發揮著主導作用。

一、文獻回顧與評述

關于銀行效率研究可追溯到20世紀50年代，其研究理論和方法也一直備受各國關注和重視。國外學者Farrell(1957)［4］最早將生產效率方法運用到非營利組織的公共部門進行綜合效率分析，并奠定Charnesetal．(1978)［5］提出DEA方法的理論基礎。之后，Sherman＆Gold(1985)［6］又將DEA方法推廣到銀行各分支機構效率的研究中。至此，DEA方法受到學術界的追捧。Bergeretal．(1993)［7］研究發現大銀行比小銀行更有效率，這可能與抵消規模不經濟有關。Fethietal．(2000)［8］運用DEA方法研究土耳其銀行效率，發現其資產規模越大，獲利能力越強且管理效率越高，但所有權結構和資本充足率并沒有產生顯著的影響。這點同Halkos＆Salamouris(2004)［9］測算希臘銀行效率所得出資產規模與效率正相關的結論保持一致。Grigorian(2002)［10］運用DEA方法測算17個轉軌經濟國家的銀行業效率，發現人均GDP、市場勢力和自有資金比率與銀行效率呈正相關，而金融市場發展程度卻阻礙銀行效率的增長。Staubetal．(2010)［11］采用DEA方法對2000—2007年巴西銀行業效率進行分析，發現其效率比歐洲和美國的銀行效率低，主要歸因于技術資源配置效率偏低，并且得出銀行經營活動類型與規模同經濟效率不存在顯著的相關性結論。Ayadi(2013)［12］采用DEA方法對1996—2010年突尼斯商業銀行效率進行分析，發現信貸規模的擴大對銀行效率產生負效應以及國有銀行比私有銀行更有效率。同時，應對效率較差的銀行，Zimková(2014)［13］還提出了改變管理制度和增強激勵政策等建議。故此，銀行業效率成為金融業可持續發展的重要關注砝碼。銀行業效率研究為我國銀行業的長期發展提供了重要的理論借鑒意義。政策性銀行作為政策性金融服務實體經濟的主力軍，雖然堅持保本微利的原則，但也要講究其自身的經營效率，這也引起國內專家和學者們的關注。王廣謙(1997)［14］和楊德勇(1997)［15］成為國內較早關注我國商業銀行業效率的學者，并促使我國金融發展提升一個新的臺階。之后，涌現了大批學者包括張健華(2003)［16］、遲國泰等(2005)［17］、王兵和朱寧(2011)［18］等人展開對我國商業銀行業效率的研究。銀行效率測算中通常所采用的DEA一般模型(CCR模型)，而這種模型會導致銀行效率高值排名的無序化，此時彌補這種缺陷的超效率模型便成了最佳選擇。其中，羅登躍(2005)［19］對我國12家商業銀行2001年和2002年的效率研究和吳少新等(2009)［20］對我國4家村鎮銀行的經營效率研究都是采用DEA的超效率模型去修正一般模型(CCR模型)的分析方法，并得出了有價值的實證結論。在不滿足于選擇超效率模型單純測算銀行效率的現狀下，又進一步采用Tobit回歸模型探討了對其效率的影響因素分析。從銀行產權的角度，朱南等(2004)［21］得出影響國有商業銀行盈利效率偏低的主要原因是模糊不清的產權關系;從銀行分支機構的角度，趙翔(2010)［22］得出存款特點、收入結構和支行類型等對其支行效率顯著影響的結論;從銀行股改的角度，王文卓(2013)［23］發現股改對商業銀行的效率有提升作用，并得出了資產回報率、市場規模和管理能力等對其效率具有重要影響的結論。相比商業性銀行效率研究，政策性銀行要相對更晚些，主要以楊曄(2007)［24］、欒義君和馬增華(2009)［25］等幾位學者分別從不同的區間段來考察我國政策性銀行的經營效率，均得出政策性銀行總體效率偏低的一致結論。因此，如何提高政策性銀行效率，讓其更好地服務實體經濟的發展，便成為當下政策性金融改革最為關注的焦點。本文通過對現有政策性銀行效率研究文獻的回顧與梳理，發現前期的幾位學者研究都采用DEA一般模型(CCR模型)的分析方法，無法對效率的高值進行準確的排名和甄別，故對效率問題分析存在一定的局限性。限于此研究背景下，并結合政策性銀行的本質屬性特征，本文嘗試采用DEA超效率模型和Tobit模型來全面的分析我國政策性銀行的效率及其影響因素，并進一步對其效率的收斂性做了開創性的探索。以期通過對潛在影響效率的因素進行挖掘，捕捉到影響政策性銀行效率的真正內因，實現政策性金融服務實體經濟的杠桿作用。

二、政策性銀行效率的評價

(一)DEA的超效率模型相對效率評價方法說明如下:圖1為A、B、C、D、E五種投入和一種產出所構成的決策單元，其中構成生產前沿面的ABCD為有效率單元，E為無效率的單元且被生產前沿面包絡。設OB與生產前沿面的交點為B0，其B點的效率值為:TEB=OB0/OB=1，意味有效率決策單元;而設OE與生產前沿面的交點為E0，其E點的效率值為:TEE=OE0/OE＜1，意味無效率決策單元。采用傳統的DEA一般模型(CCR模型)所測決策單元只能被分為無效和有效兩類，但因存在多個同時有效的決策單元的缺陷而不能做出進一步的評價。而DEA的改進模型(超效率模型)卻恰恰彌補了這一點，使對同時有效的決策單元能夠進行深入的評價和比較。其思路是:在評價某個決策單元時，將其排除在決策單元的集合之外。具體說明見圖2，對于計算B點的效率，將其排除在決策單元的參考集之外，此時有效生產前沿面ABCD變為ACD，其效率值為:TEB=OB0/OB＞1;而原來無效決策單元的E點，在生產前沿面ABCD并沒有改變的前提下，其得出的效率評價值仍然與一般模型(CCR模型)保持一致，即TEE=OE0/OE＜1。用模型表示為式(1)。模型得出的θ為第k家被考察單元的效率，并依據θ=1和θ＜1判斷決策單元是否有效。通過以上模型求解的minθ值，即為第k家被考察單元的超效率評價值，以此對決策單元進行更為準確地有效評價。

(二)指標選擇與數據說明關于政策性銀行投入變量和產出變量的選擇，本文遵循張健華(2003)［16］、遲國泰等(2005)［17］、王兵和朱寧(2011)［18］等測算商業銀行效率所采用的中介法，即銀行作為金融中介的角色，充當借貸的橋梁作用。借鑒了已有政策性銀行效率研究的變量選擇基礎(楊曄，2007［24］;欒義君、馬增華，2009［25］)。故將投入與產出變量定義如下:將政策性銀行的固定資產凈值、員工人數、資金來源和營業費用定義為投入變量。其中，固定資產凈值來自于各家政策性銀行資產負債表中的固定資產項目;銀行員工人數用來衡量勞動力資本;資金來源是政策性銀行最主要的一項投入，而又與其商業性銀行的資金來源存在明顯的區別，其資金來源主要來自于發行的政策性金融債券、財政撥款等;營業費用是銀行經營投入的重要體現，政策性銀行也不例外，所以將營業費用也列為一項投入。政策性銀行雖然堅持著保本微利的經營原則，但并不意味著虧本經營，因此把稅前利潤作為衡量產出變量之一。貸款凈額作為政策性銀行經營信貸資金管理的風向標，并考慮將其作為另一個產出變量。數據說明:本文收集三家政策性銀行2000—2014年總計675個樣本數據，數據均來源于三家政策性銀行2000—2014年的財務年報和2001—2015年的《中國金融年鑒》。

(三)政策性銀行的超效率測算值本文通過DEASOLVER軟件，對政策性銀行的綜合效率進行了測量，其結果如下。表1測算結果可以看出，改進模型修正了一般模型(CCR模型)測算效率值的缺陷。尤其是國開行在一般模型(CCR模型)下測算的效率值均為1的有效單元，顯然很難對該行的效率作出評價。另外，農發行和進出口行也出現了大部分效率值為1的有效單元這種情況。采用改進模型以后，其表示有效單元的真實效率值就會被準確估算出，這樣才能夠合理、準確地作出對政策性銀行效率的評價。在2000—2014年期間，我國政策性銀行的效率值并未出現持續的上升或下降。在平均效率值方面，國開行為1.031，農發行為0.807，進出口行為0.939，可以看出，國開行較高，而農發行較低。國開行因業務模式創新和商業化改革，其效率相對最高;而農發行受經營業務模式單一和人員冗余等諸多因素影響，其效率相對較低。在效率增長的穩定性方面:國開行為0.017，農發行為0.052，進出口行為0.005。可以看出，進出口行是最穩定的，這點從它在促進貿易增長、加快貿易往來的貢獻度逐年增加中有所體現;而農發行作為國家扶持三農政策的重要信貸載體，其政策性農業貸款回收的長期性和不可控性極大地束縛了該行的業務發展，進而導致其效率增長的穩定性較差。

三、政策性銀行效率的影響因素分析

(一)確定效率影響因素的兩階段法及Tobit模型對于投入與產出指標共同決定的DEA模型所測得的效率值，也同樣會受到環境因素的影響。而DEA評價中所衍生出來的“兩階段”方法卻綜合了兩者的考慮，使其效率評價更加準確。所謂“兩階段”方法，第一階段就是采用DEA模型評價出決策單元的效率值;而第二階段就是將所測得的效率值作為被解釋變量對環境因素的解釋變量進行線性回歸，以其解釋變量的系數正負和顯著性來判斷對效率值的影響。考慮到評價值的最小值為0，對于被截斷的數據若采用OLS進行回歸，其參數估計肯定是有偏且不一致。Tobit針對上面出現的問題，提出了解決方案是構造模型(2)。其中，Xi是(k+1)維的解釋變量，βT是(k+1)維的未知參數向量，ei～N(0，σ2)，此模型被稱為截取回歸模型。其主要特征是當解釋變量Xi取實際觀測值時，則被解釋變量yi以受限制的方式取值。如果yi＞0時，“無限制”觀測值取實際的觀測值;如果yi≤0時，“受限”觀測值均截取為0。通過證明利用極大似然法估計Tobit模型值的βT和σ2是一致估計量。

(二)政策性銀行效率的影響因素實證結果分析1.變量定義及模型構建從現有文獻研究來看，影響政策性銀行效率的因素大體分為兩類(外部環境和內部管理)。外部環境包括地區經濟發展水平、宏觀經濟環境和監管制度安排等;內部管理包括資產質量、穩定性和人力資本結構等。對于影響政策性銀行效率的外部環境，顯然是客觀存在且難以改良的。相比之下，通過完善內部管理提高政策性銀行經營效率更顯得行之有效。因此，本文選擇內部管理因素作為解釋變量，解釋變量選擇說明如下。

(1)資產質量(AQ)。資產質量的優劣直接關系到其投放信貸資金能否正常循環運轉以及在金融市場的競爭生存能力。資產質量越好，表明政策性銀行的競爭力越強，效率越高，反之亦然。故本文選擇政策性銀行不良貸款率作為資產質量指標。

(2)銀行規模(BS)。根據已有文獻研究表明，銀行業具有規模經濟效應，隨著規模增大，其成本降低且效率提高。本文選擇政策性銀行總資產的自然對數作為銀行規模指標。

(3)穩定性(ST)。資本充足率是金融當局衡量銀行資本是否充足和抵御風險能力的重要監管指標。本文選擇政策性銀行權益資本與總資產的比值———權益資本比率作為資本充足率衡量穩定性指標。

(4)資產配置水平(AA)。資產配置水平反映銀行對其持有的資產負債的種類、數量和結構組合作出決策的水平。本文選擇政策性銀行貸款與總資產的比值———貸款資產比率作為資本配置指標。(5)人力資本質量(LA)。人力資本質量是反映銀行的人力資源結構安排和配置效率的重要指標，并成為能降低經營成本且提高效率的重要因素。本文選擇本科及以上學歷人數占比作為人力資本質量的指標。(6)成本管控能力(CP)。成本控制就是采用系統工程的原理對銀行經營過程中所產生的各種費用進行計算、調節和監督，并尋找一切可能降低成本的方法。本文選擇政策性銀行凈利潤與總收入的比值作為成本管控能力指標。依據以上解釋變量選擇說明，本文擬建立如下回歸模型:其中，EF表示超效率值。i=1，2，3;1代表國開行，2代表農發行，3代表進出口行。j代表年份，即2000—2014年各年。εij為隨機擾動項。2.實證結果分析本文采用Eviews5.1軟件建立面板數據模型，對(3)式所示2000—2014年我國政策性銀行效率的Tobit模型進行回歸分析，其基本統計描述結果見表2，回歸模型結果見表3。通過表3回歸結果可以發現，除了成本管控能力(CP)外，資產質量(AQ)、銀行規模(BS)、穩定性(ST)、資產配置能力(AA)和人力資本質量(LA等因素都通過顯著性檢驗，說明上述因素對政策性銀行效率具有顯著的正向促進作用。具體回歸結果說明如下。

(1)資產質量指標系數為正，并且在5%的水平上顯著，反映資產質量對政策性銀行的效率具有正向顯著影響。政策性銀行在經營業務時，需要嚴格控制其不良貸款率，確保資產良性循環，這樣可以有效提高政策性銀行的效率。

(2)銀行規模指標系數為正，并且在1%的水平上顯著，反映出適當的擴大政策性銀行的規模，有利于提高政策性銀行的效率，并降低其經營成本。現階段政策性銀行的總體效益呈現出邊際收益遞增的趨勢，加大政策性金融的扶持力度也成為應對當下國情之需的良藥。由此可見，適度擴大政策銀行規模是提高其經營效率的亟須措施。

(3)穩定性指標系數為正，并且在10%的水平上顯著，反映穩定性對政策性銀行的效率也具有正向顯著影響。資本充足率作為《巴塞爾協議》規定考核銀行穩定性的關鍵指標，并受到世界各國銀行的追捧，足以見證其重要性。政策性銀行作為銀行業發展的重要組成部分，其穩定性也必須引起足夠重視。

(4)資產配置水平系數為正，并且在1%的水平上顯著，反映資產配置對政策性銀行效率的正向顯著影響。政策性銀行對其資產配置實行多樣化分配和專業化管理，這樣不僅降低了銀行內部的控制風險，而且還提高了銀行資產的配置水平，從而促進效率提升。

(5)人力資本質量系數為正，并且在1%的水平上顯著，反映人力資本質量對政策性銀行效率的正向顯著影響。21世紀最缺的是什么?是人才。人才的重要性在政策性銀行的經營效率中也有所體現，政策性銀行制定完善的員工發展規劃和晉升機制，使員工素質技能和工作責任感有所增強，進而發揮人力資本在工作中的高杠桿作用，通過強化內在軟實力來提升政策性銀行的效率。

(6)成本管控能力與政策性銀行效率相關性沒有通過顯著性檢驗，其影響效果難以判斷，但成本控制能力也是政策性銀行在今后應引起足夠重視的方面，尋找有效降低成本費用的方法和手段，是實現其政策性目標的基礎條件之一。

四、收斂性檢驗

我國三家政策性銀行經過20多年的發展與改革，走出了不同的軌跡，其效率差異是否在逐漸減小呢?按照經濟學里面的新古典經濟增長理論，會存在這樣一種形式，比較發達的經濟體因其資本投入報酬存在邊際遞減的規律而將增長的速度拉慢，并逐漸與不太發達的經濟體增長速度縮小差距，這種差距會隨著時間的推移趨同于一個平衡增長路徑，經濟理論把這種現象稱為經濟增長的收斂(Barro＆Sala-i-Martin，1992)［26］。他們把收斂現象分為兩類:一類是σ收斂;二類是β收斂，按照經濟體收斂的穩態是否相同，β收斂又分為絕對β收斂和條件β收斂。

(一)σ收斂檢驗借鑒

以往的研究經驗，本文使用標準差和變異系數來檢驗我國政策性銀行效率是否存在σ收斂。其中，δ=1N∑Ni=1(EFi－EF槡)(N為樣本個數，EFi為效率樣本值，EF為效率平均值)，變異系數CV=δ/EF(δ為效率標準差，EF為效率平均值)。利用文中所測得的結果，本文計算2000—2014年我國政策性銀行效率的標準差和變異系數(見圖3)。圖3為我國政策性銀行效率值的標準差和變異系數，整體上來看，我國政策性銀行在2000—2014年區間的效率標準差和變異系數并未出現持續的下降趨勢，說明我國政策性銀行只存在區間段的σ收斂。就具體年份來看，2001—2003年、2004—2006年、2008—2009年、2013—2014年這四個區間段我國政策性銀行的效率標準差和變異系數呈上升趨勢，表現出一定的發散性。鑒于標準差和變異系數變動幅度較大，且下降趨勢并不是很明顯，本文進一步通過β收斂檢驗我國政策性銀行效率的收斂性。

(二)絕對β收斂檢驗

絕對β收斂主要探討效率較差的政策性銀行能否趕上效率較好的政策性銀行，最終達到相同穩定的增長速度，借鑒Barro＆Sala-i-Martin(1992)［26］的研究框架，將絕對β收斂的檢驗方程形式設置為式(4)。ln(EFi，t+T/EFi，t)/T=α+βlnEFi，t+μi，t(4)其中，EFi，t、EFi，t+T分別表示各家政策性銀行在t期、t+T期的效率值，T為觀察期時間跨度，α為常數項，β為收斂系數，ui，t為隨機擾動項。若β值為負值，則表明存在絕對β收斂。見表4，通過回歸結果得出整體絕對β收斂回歸系數為－0.1583，國開行絕對β收斂回歸系數為－0.3047，農發行絕對β收斂回歸系數為－0.1713，進出口行絕對β收斂回歸系數為－0.3082，所有β均通過1%的顯著性檢驗。這意味著初始效率較高的政策性銀行在未來效率的增長會相對緩慢，即三家政策性銀行的效率會趨于相同的穩定增長速度，效率較差的政策性銀行存在追趕效率較好的政策性銀行趨勢，三家政策性銀行的發展正在向一個均衡的增長路徑運動。

(三)條件

β收斂檢驗與絕對β收斂不同之處在于各家政策性銀行效率存在不同的穩定水平，條件β收斂衡量的是政策性銀行的效率是否收斂各自的穩定水平，對于條件β收斂檢驗的研究一般采用PanelData固定效應模型，因為它能夠設定界面和時間固定效應，并考慮了不同個體有不同的穩態值和自身的穩態值隨時間變化而變化。不同于傳統的加入控制變量的檢驗方法，由于PanelData的固定效應項對應著不同經濟體各自不同的穩態條件，故加入控制變量是多余的。并再次借鑒Barro＆Sala-i-Martin(1992)［26］的研究框架，將條件β收斂的檢驗方程形式設置為式(5)。其中，EFi，t+1、EFi，t表示各家政策性銀行在t+1、t期的效率值，α為常數項，β為收斂系數，ui，t為隨機擾動項。若β值為負值，則表明存在條件β收斂。見表5，通過回歸結果得出整體條件β收斂回歸系數為－0.2880，并通過5%的顯著性檢驗。這意味著上一期政策性銀行的效率水平越高，其效率的增長幅度會越慢，反之亦然。三家政策性銀行效率會收斂于各自的穩定水平。綜合以上收斂性分析，很容易發現我國政策性銀行效率變動表現出很強的收斂性。隨著時間推移，不同政策性銀行的效率離散程度明顯會減小。政策性銀行效率不僅會收斂到自身的穩定水平，不同政策性銀行效率也會收斂到相同的穩定增長速度。

五、結論與政策啟示

本文通過超效率模型和Tobit模型對我國政策性銀行效率進行了分析，得出的結論如下:我國政策性銀行總體效率偏低。其中，國開行效率最高，農發行效率最差。這種低效率的持續，一方面會抑制商業化改革的長期發展戰略，另一方面也會弱化政策性銀行的政策性金融服務作用與功能。進一步采用Tobit模型對其影響效率因素進行回歸后得出:除了成本管控能力外，資產質量、銀行規模、穩定性、資產配置能力和人力資本質量等因素對政策性銀行效率具有顯著的正向促進作用。最后通過收斂性檢驗，發現我國政策性銀行效率存在絕對β收斂和條件β收斂。通過上面的實證結論，得出如下政策啟示:在政策性銀行經營業務中，應該嚴格把控資產質量關卡，不能因利潤和其他目的而有所怠慢，通過保證優質的資產質量，促使政策性的經營業績穩步上升;鑒于政策性銀行的效率與其規模呈正向相關關系，政策性銀行可以適度的擴大其業務規模，以此來增加規模效應所帶來的經營效率提高，這與“十三五”規劃關于推進政策性銀行改革不謀而合;資本充足率成為政策性銀行穩定性的命脈，無論是何種性質的銀行，離開《巴塞爾協議》規定的最低資本充足率要求，都會成為脫韁的野馬，后果不堪設想。建立有效的資本充足率約束機制既可以提高抵御金融風險的能力，又可以降低政策性銀行的資金成本，為政策性銀行的良好資本運作能力保駕護航;優化資產配置結構和提高行業競爭力是新一輪政策性銀行改革的關鍵，多樣化和專業化的資產配置能力成為新常態下經濟發展不可回避的訴求;人力資本質量在政策性銀行發展中也應引起足夠重視，優化的人力資本結構表現出索洛經濟增長模型的勞動有效性，意味著政策性銀行中員工的勞動有效性表現得越突出，政策性銀行所呈現的綜合效益水平越好。因此，基于中國經濟面臨“新常態”處境的背景下，政策性銀行應秉承“十三五”規劃的改革浪潮，實現政策性與市場性目標雙贏的局面，加快其自身改革的前進步伐，并優化其政策功能和作用，著實提高經營的效率和效益。并以此來全面提升政策性目標的實現度，發揮政策性金融彌補商業性金融的缺口作用，實現金融發展的動態平衡架構，更好地促進政策性金融服務實體經濟的效率和貢獻度。

參考文獻:

［1］李若谷．讓政策性金融成為助推器［EB/OL］．(2015－12－29)［2016－02－01］．

［2］白欽先．各國政策性金融機構比較［M］．北京:中國金融出版社，1993．

［3］賈康，孟艷．政策性金融何去何從:必要性、困難與出路［J］．財政研究，2009(3):2－9．

［14］王廣謙．經濟發展中金融的貢獻與效率［M］．北京:中國人民大學出版社，1997．

［15］楊德勇．論中國金融效率的現狀及政策選擇［J］．財經理論研究，1997(2):54－60．

［16］張健華．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，2003(3):11－25．

［17］遲國泰，孫秀峰，蘆丹．中國商業銀行成本效率實證研究［J］．經濟研究，2005(6):104－114．

［18］王兵，朱寧．不良貸款約束下的中國上市商業銀行效率和全要素生產率研究———基于SBM方向性距離函數的實證分析［J］．金融研究，2011(1):110－130．

［19］羅登躍．基于DEA的商業銀行效率實證研究［J］．管理科學，2005(2):39－45．

［20］吳少新，李建華，許傳華．基于DEA超效率模型的村鎮銀行經營效率研究［J］．財貿經濟，2009(12):45－49．

［21］朱南，卓賢，董屹．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，2004(2):18－26．

［22］趙翔．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，2010(1):85－96．

［23］王文卓．我國商業銀行股改效率評價與影響因素分析———基于DEA超效率模型和Tobit回歸模型［J］．上海金融，2013(5):38－41．

［24］楊曄．我國政策性銀行改革和職能調整的研究［J］．財政研究，2007(10):50－53．

［25］欒義君，馬增華．我國政策性銀行的DEA效率分析［J］．技術經濟，2009(7):87－89．

作者：林春 單位：遼寧大學經濟學院