基于dea模型的我国商业银行规模效率研究.docx

基于dea模型的我国商业银行规模效率研究 一、 dea算法与计量经济前沿效率分析方法 效率是衡量金融机构运营绩效的重要标准。效率值的价值可以反映金融机构资源使用和全球运营的影响。因此，效率分析本身是对金融机构绩效评估的有效方法。银行效率的研究方法分为参数法和非参数法两种,其出发点都是构建一个生产前沿面,某企业与该前沿面的距离就是这个企业的技术效率或称前沿效率。前沿效率是一个相对概念,不同样本组、不同定义及计算方法都可能得出不同的效率值。Berger和Humphrey 1997)①对涉及21个国家的130项关于金融机构效率研究方法及结论所进行的分析表明,使用较多的前沿效率分析方法有五种,其中两种非参数的方法分别是数据包络分析方法(data envelopment analysis-DEA方法)和无界分析方法(free disposal hull-FDH方法,亦译自由支配外壳方法)。三种参数方法分别是随机前沿方法(stochastic frontier approach-SFA方法,也称作计量经济前沿分析方法),自由分布方法(distribution-free approach-DFA方法)以及厚前沿方法(thick frontier approach-TFA方法)。 DEA是一种线形规划技术,是最常用的一种非参数前沿效率分析方法,最初由Charnes,Cooper和Rhodes(CCR,1978)提出,用于评价公共部门和非赢利机构的效率。Sherman和Gold(1985)第一次将DEA技术运用于银行业。DEA可计算给定样本中多个决策单元(DMUs)的相对效率值,其方法是将样本中每个机构的投入和产出进行加权平均后与样本中的最佳机构相比,由此得出样本中哪些机构有效以及哪些无效。在此之后,一些学者对DEA作了许多改进,以增强其适应性及对问题更好的解释性。DEA已被越来越多的人所采用,成为一种与传统计量经济方法并驾齐驱的投入产出效率研究方法。 本文结构如下:第二部分介绍各种效率定义及其经济含义;第三部分对文章中用到的DEA模型进行较为详尽的介绍,并简要分析每个模型的优缺点;第四部分对样本分组及投入产出变量的选择进行说明,并利用不同模型的计算结果,从不同侧面分析我国银行业的效率及影响因素;第五部分为结论及进一步研究方向。 二、 银行效率的分类 效率(efficiency)往往是与生产率(productivity)联系在一起的,通常是考察产出与投入之间的关系。因研究目的及投入产出项目选择的不同,银行效率有多种定义和分类方法。Berger和Mester(1997)将银行效率分为成本效率、标准利润效率和替代利润效率。采用DEA等非参数方法的学者多数直接采用Farrell(1957)的技术效率、配置效率、纯技术效率和规模效率等概念。还有一些学者依据Leibenstein(1966)的X-效率理论直接定义银行的X-效率。本文采用Farrell的效率概念,如无特殊说明,本文在提到效率时均指技术效率。 2.1 farrell的总经济效率 Farrell(1957)在Debreu和Koopmans工作的基础上,提出了对多种投入企业的一种简单效率测算方法。他将企业效率分成两部分:技术效率反映在给定投入的情况下企业获取最大产出的能力;配置效率(Farrell称为价格效率-price efficiency)反映给定投入价格时企业以适当比例使用各项投入的能力。上述两项测度结果组合成了总的经济效率(economic efficiency)①。Coelli T.J.(1996)用两种投入一种产出的图示方法将Farrell效率的 基本概念直观表示如下: 其中x1、x2为两种投入,y为产出,假设规模报酬不变①,ss’代表完全效率机构(线上各点技术效率相同),AA’代表投入价格比。如果一个企业以P点的投入组合生产单位产品时,线段QP即代表了该企业的技术无效率,当投入由P点等比例降至Q点时,产量并不减少。这里QP/OP用来表示所有投入可以降低的比例,而企业的技术效率(TE)由下述比例得出: 如果已知投入价格比(如图2.1中的AA’),则P点的配置效率(AE)定义为: 这是因为RQ代表了与仅处于技术有效的Q点相比,处于配置有效(同时也是技术有效)的Q’点所能节约的生产成本。 Farrell的总经济效率(EE)被定义为: 这里的距离RP也可以被解释为成本的降低。由(2.1)、(2.2)、(2.3)式可以看出,技术效率和配置效率构成了经济效率,即: 2.2 规模效率与规模报酬可变的生产前沿面 如果放松规模报酬不变的假设,上述技术效率可以进一步分解为纯技术效率(pure technology efficiency-PTE)和规模效率(scale efficiency-SE)。纯