我国商业银行效率DEA测评模型优化研究.docVIP

我国商业银行效率DEA测评模型优化研究 　　摘 要：相比一般的DEA模型，超效率DEA模型能够对均处于效率前沿的决策单元进行有效评价，但是该模型无法剔除环境和随机误差因素对效率值的影响，从而无法得到真实的效率值。在超效率DEA模型的基础上，利用随机前沿方法（SFA）进行优化调整，分阶段对我国商业银行效率进行实证分析。结果表明环境和随机误差因素对商业银行效率具有显著影响，超效率DEA三阶段模型较超效率DEA模型更具合理性，进行规范的股份制改革以及适度的机构规模调整是提升我国商业银行效率的有效途径。 　　关键词：商业银行效率；超效率DEA三阶段模型；随机前沿方法（SFA）；模型优化 　　一、引 言 　　国际金融学界对商业银行效率的研究大约始于20世纪50年代，其研究理论和方法一直为各国学者长期关注和探索，作为我国经济发展与金融改革的关键问题，对商业银行效率的研究不仅可以为我国银行业可持续发展提供一定理论指导，使其充分发挥在经济发展中的推动作用，而且有助于探索我国银行业改革的现实之路。 　　对商业银行效率的研究主要涉及三个角度：规模效率、范围效率和X效率，技术效率和配置效率都同属X效率的范畴。目前，几乎所有的文献都得出了银行X无效率程度远大于规模无效率和范围无效率的结论。也就是说，关注银行内部管理水平的X效率对银行业改革的实践更具有指导意义。相关理论表明，反映银行在既定投入下可以扩张产出的能力或在既定产出下可以压缩投入的能力的技术效率是决定银行效率高低的主要因素，银行达到技术有效是综合有效和配置有效的必要条件，因此本文以商业银行的技术效率为研究对象。 　　目前，国内外的研究大多是基于A.Charnes，W.W.Cooper与E.Rhodes于1978年提出的分析具有多个输入和输出的各决策单元之间相对有效性的数据包络分析方法（DEA） [1]。自Sherman与Gold（1985）首次运用DEA基本模型考察一家银行分支机构间的效率后，该方法就被广泛运用于银行业效率的评估与探讨，取得了一定的研究成果[2]。但是对均处于效率前沿面的银行而言，DEA基本模型无法进行有效地排序和比较，超效率DEA模型则可以很好地解决这个问题，对所有银行的效率水平进行充分地评价。国外学者如Li Shanling、Jahanshahloo. G.R与Khodabakhshi.M（2007）运用超效率DEA模型评价样本效率，克服了以往模型的不足[3]。国内学者罗勇、曹丽莉（2005）运用此方法对我国商业银行2001-2003年的效率进行了实证分析，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[4]。陈敬学（2007）也运用此方法对我国商业银行2001-2006年的效率进行了实证研究，得出了国有商业银行的效率普遍低于股份制商业银行的结论[5]。但是在事先并不知道环境变量对效率的影响情况下，将所有的投入、产出和环境变量同时纳入超效率DEA模型的做法可能会由于环境变量归类判断错误，而使得所求效率值有所偏误，无法完全反映银行的真实效率。基于上述情况，Fried、Lovell、Schmidt与Yaisawarng（2002）提出一种新的效率评价模型——DEA三阶段模型[6]。国内学者黄宪、余丹、杨柳（2008）运用此方法对我国商业银行X效率进行了大范围和较长期间的测度研究，证实该方法比以往的前沿效率分析法更具合理性[7]。方燕、白先华（2008）也运用此方法调整环境和随机因素对我国商业银行效率体系的影响，对其进行了更准确的评估[8]。 　　本文则在此基础上将能够对均处于效率前沿面上的银行进一步排名和评价的超效率DEA模型和能够剔除环境和随机误差因素对效率测评结果影响的DEA三阶段模型结合起来，运用超效率DEA三阶段模型对我国商业银行2006-2010年的效率水平进行更加准确地测评，同时为提高银行业效率、改进管理措施提供更有力的依据。 　　二、DEA模型的优化：超效率DEA三阶段模型 　　超效率DEA三阶段模型可以对所有决策单元进行全面的排序，并剔除环境和随机误差因素对效率值的影响，从而得到更为真实有效的评价结果。其基本思想是：第一阶段将原始的投入与产出变量代入超效率DEA模型测度各决策单元的效率值与投入差额值；第二阶段运用随机前沿方法（SFA）对各决策单元的投入变量进行调整，剔除环境和随机误差因素的影响；第三阶段将调整后的投入变量与原始的产出变量再次代入超效率DEA模型测度各决策单元的真实效率值。 　　（一） 第一阶段 　　运用超效率DEA模型测度各决策单元的效率值与投入差额值。假设有 个决策单元且都具有可比性，每个决策单元有 种类型的输入变量和 种类型的输出变量，超效率DEA模型的线性规划形式为： 　　（1） 　　其中， 表示第