金融科技與上市商業(yè)銀行全要素生產(chǎn)率的研究
——基于三階段SBM-DEA 模型

王秀意

（山東大學(xué)經(jīng)濟(jì)研究院，濟(jì)南 250000）

一、引言

黨的十九大報(bào)告中提出：“我國(guó)經(jīng)濟(jì)已由高速增長(zhǎng)階段轉(zhuǎn)向高質(zhì)量發(fā)展階段，正處在轉(zhuǎn)變發(fā)展方式、優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)、轉(zhuǎn)換增長(zhǎng)動(dòng)力的攻關(guān)期，建設(shè)現(xiàn)代化經(jīng)濟(jì)體系是跨越關(guān)口的迫切要求和我國(guó)發(fā)展的戰(zhàn)略目標(biāo)”。在這種經(jīng)濟(jì)背景下，適度擴(kuò)大總需求、著力加強(qiáng)供給側(cè)結(jié)構(gòu)改革、提高供給系統(tǒng)質(zhì)量和效率，已成為中國(guó)經(jīng)濟(jì)轉(zhuǎn)型的突破口和支點(diǎn)。銀行部門作為金融部門的一個(gè)重要組成部分，對(duì)經(jīng)濟(jì)的運(yùn)作負(fù)有重大責(zé)任，迫切需要改變過(guò)去需求驅(qū)動(dòng)的局面，通過(guò)技術(shù)創(chuàng)新和內(nèi)部治理，在確保風(fēng)險(xiǎn)控制水平的同時(shí)，全面深化金融體質(zhì)改革，提高銀行部門要素生產(chǎn)率，并加強(qiáng)其服務(wù)實(shí)體經(jīng)濟(jì)的能力。

當(dāng)前我國(guó)正處于高速增長(zhǎng)向高質(zhì)量發(fā)展階段轉(zhuǎn)變的經(jīng)濟(jì)背景下，適度擴(kuò)大總需求、加強(qiáng)供給側(cè)結(jié)構(gòu)改革、提升供給系統(tǒng)質(zhì)量和效率，已成為中國(guó)經(jīng)濟(jì)轉(zhuǎn)型的突破口和支點(diǎn)。銀行部門作為金融部門的一個(gè)重要組成部分，對(duì)經(jīng)濟(jì)的運(yùn)作負(fù)有重大責(zé)任，迫切需要改變過(guò)去需求驅(qū)動(dòng)的局面，通過(guò)技術(shù)創(chuàng)新和內(nèi)部治理，在確保風(fēng)險(xiǎn)控制水平的同時(shí)，全面深化金融體質(zhì)改革，提高銀行部門要素生產(chǎn)率，并加強(qiáng)其服務(wù)實(shí)體經(jīng)濟(jì)的能力。

二、文獻(xiàn)回顧

（一）銀行效率

全要素生產(chǎn)率是一種衡量經(jīng)濟(jì)增長(zhǎng)質(zhì)量的重要指標(biāo)之一，指的是各種要素（如資本和勞動(dòng)等）投入之外的技術(shù)進(jìn)步或技術(shù)變化以促進(jìn)經(jīng)濟(jì)增長(zhǎng)的因素（易綱等，2003）。一般而言，全要素生產(chǎn)率越高，生產(chǎn)能力越強(qiáng)。金融發(fā)展促進(jìn)了要素生產(chǎn)率總量的重要性。其目的是增加社會(huì)流動(dòng)資金的供應(yīng)，促進(jìn)企業(yè)的生產(chǎn)性融資，促進(jìn)擴(kuò)大生產(chǎn)，提高企業(yè)發(fā)展和提高生產(chǎn)效率。

在效率測(cè)算上，國(guó)外主要是有參數(shù)法（隨機(jī)前沿生產(chǎn)函數(shù)法）及非參數(shù)法（Malmquist 指數(shù)）。隨機(jī)前沿生產(chǎn)函數(shù)法是由Aigner et al（1977）幾位學(xué)者首先提出，他們打破了基于技術(shù)有效論的假設(shè)，補(bǔ)充了技術(shù)無(wú)效率問(wèn)題，其觀點(diǎn)是全要素生產(chǎn)率的變化是由生產(chǎn)可能性邊界的移動(dòng)及技術(shù)效率的變化共同作用的結(jié)果，認(rèn)為這種情況更符合實(shí)際情況。Bauer 和Hancock（1993）運(yùn)用隨機(jī)前沿生產(chǎn)函數(shù)法對(duì)1977—1988 年美國(guó)銀行業(yè)的全要素生產(chǎn)率進(jìn)行了測(cè)算。1978 年，Charnes et al（1978）提出了數(shù)據(jù)包絡(luò)分析（DEA）理論，鑒于規(guī)模報(bào)酬的變化，將多輸入、多產(chǎn)出的DEA 模型劃分為規(guī)模報(bào)酬不變（CRS）模型和規(guī)模報(bào)酬可變（VRS）模型。Howcroft和Ataullah（2006）采用DEA 方法對(duì)印度和巴基斯坦商業(yè)銀行1992—1998 年的全要素生產(chǎn)率進(jìn)行測(cè)算。Caves et al（1982）結(jié)合DEA 方法于1982 年使用Malmquist 全要素生產(chǎn)率指數(shù)（M指數(shù)）評(píng)估了商業(yè)銀行的生產(chǎn)率，后期學(xué)著在此基礎(chǔ)上結(jié)合指定距離函數(shù)Malmquist-Luenberger 全要素生產(chǎn)率指數(shù)（ML指數(shù)）進(jìn)行研究。Gilbert et al（1998）使用ML 指數(shù)衡量1980 年后韓國(guó)政府私有化和商業(yè)銀行監(jiān)管對(duì)韓國(guó)銀行部門全要素生產(chǎn)率的影響。Havrylchyk（2004）分析了波蘭商業(yè)銀行使用ML 指數(shù)進(jìn)行的合并和收購(gòu)，發(fā)現(xiàn)這種合并和收購(gòu)提高了商業(yè)銀行的盈利能力。Huang（2016）使用ML 指數(shù)來(lái)衡量西歐商業(yè)銀行的全要素生產(chǎn)率，并發(fā)現(xiàn)小型銀行比中型銀行更有效。Duygun et al（2016）使用的ML 指數(shù)是根據(jù)以英國(guó)為基礎(chǔ)的（trade marking 和untrade marking）商業(yè)銀行在金融危機(jī)之前和之后的2005—2013 年的數(shù)據(jù)計(jì)算的，發(fā)現(xiàn)大多數(shù)商業(yè)銀行在觀察期間無(wú)法從危機(jī)的影響中恢復(fù)過(guò)來(lái)。

從國(guó)內(nèi)研究看，張健華和王鵬（2010）利用產(chǎn)出距離函數(shù)測(cè)算了我國(guó)國(guó)有銀行及商業(yè)銀行的全要素生產(chǎn)率，得出我國(guó)金融體制的改革對(duì)銀行業(yè)全要素生產(chǎn)率的正向作用結(jié)果。郭曄等（2020）使用stochastic frontier approach（SFA）法對(duì)我國(guó)2008—2016 年102 家城市商業(yè)銀行的效率進(jìn)行測(cè)算，實(shí)證說(shuō)明不同類型的戰(zhàn)略投資者對(duì)于銀行效率產(chǎn)生的不同影響，引進(jìn)戰(zhàn)略投資者能顯著提高我國(guó)商業(yè)銀行的效率。王兵和朱寧（2011）運(yùn)用DEA 方法測(cè)算了2004—2009 年在不良貸款約束下的我國(guó)27 家商業(yè)銀行的全要素生產(chǎn)率，得到結(jié)論是考慮不良貸款測(cè)算的效率值要低于不考慮的情況。周小柯等（2015）計(jì)算了2008—2013 年中外商業(yè)銀行全要素生產(chǎn)率指數(shù)，結(jié)果表明，中國(guó)商業(yè)銀行資產(chǎn)和利潤(rùn)的快速增長(zhǎng)并未導(dǎo)致全要素生產(chǎn)率的增長(zhǎng)。

對(duì)于影響銀行效率的因素研究有以下觀點(diǎn)：Berger 和Mester（1997）考慮了銀行資產(chǎn)規(guī)模，以及市場(chǎng)集中度等因素對(duì)銀行效率的影響。關(guān)于中國(guó)商業(yè)銀行總生產(chǎn)率增長(zhǎng)或下降的主要驅(qū)動(dòng)因素，鄭錄軍和曹廷求（2005）通過(guò)規(guī)模、創(chuàng)新、穩(wěn)定性、盈利能力、配置、公司治理、股權(quán)結(jié)構(gòu)及營(yíng)業(yè)范圍八個(gè)方面來(lái)考察銀行效率的影響因素，得出結(jié)論集中型股權(quán)結(jié)構(gòu)和公司治理機(jī)制是影響我國(guó)商業(yè)銀行效率的重要因素。趙永樂(lè)和王均坦（2008）使用DEA 測(cè)算了中國(guó)境內(nèi)17 家商業(yè)銀行生產(chǎn)率的總體增長(zhǎng)因素主要是技術(shù)進(jìn)步造成的。蔡躍洲和郭梅軍（2009）分析了2004—2008 年的數(shù)據(jù)，得出結(jié)論認(rèn)為，要素生產(chǎn)率總體下降的主要原因是技術(shù)進(jìn)步下降，這與宏觀經(jīng)濟(jì)監(jiān)管有關(guān)。張弛（2007）通過(guò)引入國(guó)際戰(zhàn)略投資者角度實(shí)證研究銀行資本充足率與產(chǎn)權(quán)結(jié)構(gòu)對(duì)銀行效率的影響，結(jié)果表明產(chǎn)權(quán)結(jié)構(gòu)對(duì)銀行效率有顯著正向作用。呂驍（2012）認(rèn)為中國(guó)商業(yè)銀行2002—2009 年的總體生產(chǎn)率系數(shù)是根據(jù)寬松變量計(jì)算的，發(fā)現(xiàn)技術(shù)進(jìn)步水平高于效率下降，從而提高了生產(chǎn)率?？驴琢趾婉T宗憲（2013）利用global-malmquist-luenberger（GML）指數(shù)進(jìn)一步研究了2001—2010 年15家中國(guó)商業(yè)銀行的數(shù)據(jù)，證實(shí)了早先得出的結(jié)論，即技術(shù)進(jìn)步是全要素生產(chǎn)率增長(zhǎng)的主要?jiǎng)恿Α?/p>

總體而言，對(duì)我國(guó)商業(yè)銀行效率和全要素生產(chǎn)率的研究，主要從技術(shù)進(jìn)步和效率提升的角度對(duì)銀行業(yè)的整體效率和全要素生產(chǎn)率進(jìn)行分解分析和研究。各產(chǎn)出因素的觀點(diǎn)分解，一般銀行業(yè)、各銀行及各集團(tuán)層面各銀行的效率和生產(chǎn)率變化的文獻(xiàn)很少。然而，現(xiàn)有的從效率提升和技術(shù)進(jìn)步來(lái)描述銀行總生產(chǎn)率的文獻(xiàn)，也很少解釋分解值的內(nèi)涵并進(jìn)一步分析其來(lái)源，本文將嘗試在這兩方面完成研究。

（二）金融科技與銀行效率

關(guān)于金融科技的定義，巴曙松和白海峰（2016）對(duì)金融科技做出定義，金融科技（FinTech）是一種手段，可以與金融行業(yè)的應(yīng)用進(jìn)行深度融合，能夠擴(kuò)大金融服務(wù)、降低交易成本及提升金融業(yè)效率。2019 年，中國(guó)人民銀行發(fā)布的《金融科技（FinTech）發(fā)展規(guī)劃（2019—2021）》中提出，金融科技是金融創(chuàng)新的重要內(nèi)容，號(hào)召充分發(fā)揮金融科技的推動(dòng)作用，進(jìn)一步加快我國(guó)金融業(yè)高質(zhì)量發(fā)展。董貞良等（2021）基于價(jià)值空間分類框架對(duì)金融科技相關(guān)學(xué)術(shù)研究進(jìn)行分析和評(píng)述，認(rèn)為金融科技未來(lái)的研究應(yīng)該致力于發(fā)展“中國(guó)化的金融科技”。

對(duì)于金融科技與銀行效率的研究，沈悅和郭品（2015）研究了互聯(lián)網(wǎng)金融對(duì)于我國(guó)商業(yè)銀行效率的提升的促進(jìn)作用。楊望等（2020）認(rèn)為金融科技推動(dòng)金融創(chuàng)新、技術(shù)溢出及市場(chǎng)競(jìng)爭(zhēng)，從而推動(dòng)商業(yè)銀行的戰(zhàn)略轉(zhuǎn)型，對(duì)銀行效率提高產(chǎn)生積極作用。操先良（2020）則通過(guò)客戶、同業(yè)、監(jiān)管和內(nèi)部管理等維度，認(rèn)為金融科技可以有效促進(jìn)客戶范圍增加、交易成本降低、內(nèi)部管理效率提高。李琴和裴平（2021）將銀行效率分解為成本效率和收入效率，認(rèn)為金融科技通過(guò)減少資金成本和固定資產(chǎn)投入及增加利息收入和中間業(yè)務(wù)收入的渠道來(lái)提高銀行效率。從現(xiàn)有的研究來(lái)看，已有研究針對(duì)金融科技的文獻(xiàn)多集中于金融科技對(duì)銀行效率的整體影響，但鮮有探究這種影響的主要來(lái)源。金融科技的發(fā)展能夠顯著的促進(jìn)銀行效率的提升嗎？這種促進(jìn)作用主要來(lái)源在哪里？解決這一問(wèn)題有利于深入理解金融科技的發(fā)展對(duì)銀行效率的具體作用機(jī)制，進(jìn)而為銀行業(yè)如何利用金融科技提高自身競(jìng)爭(zhēng)力提供借鑒。

因此，本文基于全要素生產(chǎn)率與銀行效率的相關(guān)研究基礎(chǔ)，以銀行不良貸款率作為非期望產(chǎn)出來(lái)評(píng)價(jià)我國(guó)上市商業(yè)銀行的效率分解。同時(shí)，本文相較于傳統(tǒng)的SBM-DEA 模型因?yàn)闆](méi)有考慮到環(huán)境因素和隨機(jī)擾動(dòng)的影響，而使得效率的評(píng)價(jià)存在偏差，在探討非期望產(chǎn)出的銀行效率時(shí)加入環(huán)境因素和隨機(jī)擾動(dòng)的影響。2019 年我國(guó)國(guó)內(nèi)生產(chǎn)總之已達(dá)到12 萬(wàn)億美元，位居全球第二位。隨著經(jīng)濟(jì)的持續(xù)發(fā)展，銀行業(yè)在金融體系中將發(fā)揮著更大作用，國(guó)內(nèi)經(jīng)濟(jì)環(huán)境的發(fā)展也決定了銀行業(yè)的未來(lái)發(fā)展方向。因此在評(píng)價(jià)我國(guó)商業(yè)銀行效率時(shí)，需要加入外部環(huán)境及銀行業(yè)內(nèi)部差異等因素的影響，以達(dá)到對(duì)銀行效率更加精準(zhǔn)的評(píng)價(jià)。Fried et al（2002）提出了三階段DEA 方法，基于Aigner et al（1977）的隨機(jī)前沿分析（SFA）對(duì)外部環(huán)境及隨機(jī)噪聲進(jìn)行了剔除，最終得出的決策單元效率更能反映其真實(shí)水平。三階段DEA 方法后續(xù)也被多名學(xué)者（黃憲等，2008；王赫一和張屹山，2012；王莉等，2012；周申蓓和張俊，2014；蔣書彬，2016）用于我國(guó)銀行業(yè)效率的研究。綜合國(guó)內(nèi)外研究來(lái)看，本文的主要?jiǎng)?chuàng)新點(diǎn)在于運(yùn)用基于非徑向和非角度及包含非期望產(chǎn)出的三階段SBM-DEA 模型對(duì)我國(guó)28 家上市商業(yè)銀行2009—2018 年的全要素生產(chǎn)率進(jìn)行測(cè)算和分析，以此研究我國(guó)上市商業(yè)銀行的真實(shí)效率水平。此外，分析了人均GDP、銀行所有制、市場(chǎng)份額構(gòu)成的外部環(huán)境對(duì)投出產(chǎn)出松弛的影響及商業(yè)銀行效率的改善方向。最后基于固定效應(yīng)模型，對(duì)我國(guó)上市商業(yè)銀行金融科技對(duì)銀行效率的影響進(jìn)行實(shí)證分析。

三、理論分析與研究假定

（一）理論分析

在與商業(yè)銀行的競(jìng)爭(zhēng)、協(xié)作和互動(dòng)過(guò)程中，金融科技基于算法技術(shù)及精準(zhǔn)的市場(chǎng)定位、獲得精準(zhǔn)客戶的推薦能力及大幅降低成本的優(yōu)勢(shì)，成為傳統(tǒng)銀行的業(yè)務(wù)優(yōu)勢(shì)。強(qiáng)大的競(jìng)爭(zhēng)者最終在資產(chǎn)末期債務(wù)末期，一方面減少了傳統(tǒng)商業(yè)銀行的利潤(rùn)；另一方面增加了它們承擔(dān)的風(fēng)險(xiǎn)。而隨著銀行業(yè)的進(jìn)一步發(fā)展，一方面，商業(yè)銀行持續(xù)加強(qiáng)跟金融科技類公司的戰(zhàn)略投資及深層次合作，使得商業(yè)銀行能結(jié)合金融科技創(chuàng)新來(lái)提供更優(yōu)的金融服務(wù)，優(yōu)化用戶體驗(yàn)；另一方面，根據(jù)技術(shù)溢出理論，競(jìng)爭(zhēng)效應(yīng)、示范效應(yīng)、人才流動(dòng)效應(yīng)，以及金融科技與商業(yè)銀行的深度合作效應(yīng)，進(jìn)一步提高了商業(yè)銀行的全要素生產(chǎn)率，降低商業(yè)銀行的整體要素生產(chǎn)率。具體分析如下。

1.示范效應(yīng)（demonstration effect）

當(dāng)前，大數(shù)據(jù)、人工智能及數(shù)字貨幣、區(qū)塊鏈等新技術(shù)手段的應(yīng)用，進(jìn)一步推動(dòng)和拓展商業(yè)銀行的發(fā)展。此前，互聯(lián)網(wǎng)金融已經(jīng)極大的推動(dòng)了商業(yè)銀行的發(fā)展，而商業(yè)銀行又通過(guò)模仿和學(xué)習(xí)金融科技領(lǐng)域的各種模式及理念，大大豐富了原有的產(chǎn)品體系。商業(yè)銀行在傳統(tǒng)經(jīng)營(yíng)的基礎(chǔ)上，增加了手機(jī)銀行、電子銀行等一系列業(yè)務(wù)模式，內(nèi)部也新增了與金融科技相對(duì)接的業(yè)務(wù)部門，如建設(shè)銀行互聯(lián)網(wǎng)金融部。通過(guò)這種方式，商業(yè)銀行實(shí)現(xiàn)了自身效率的提升。

2.競(jìng)爭(zhēng)效應(yīng)

金融科技的應(yīng)用及其市場(chǎng)滲透，與商業(yè)銀行的傳統(tǒng)業(yè)務(wù)展開了激烈的競(jìng)爭(zhēng)，降低了行業(yè)的壟斷性，使得商業(yè)銀行不得不提升自身競(jìng)爭(zhēng)力。傳統(tǒng)銀行的主要優(yōu)勢(shì)是利用國(guó)家金融壟斷的市場(chǎng)地位，以及信息不對(duì)稱等手段獲得利潤(rùn)。但金融科技的日益發(fā)展，給傳統(tǒng)商業(yè)銀行的支付及存貸款業(yè)務(wù)帶來(lái)了猛烈的沖擊。網(wǎng)絡(luò)融資平臺(tái)通過(guò)整合借貸雙方的相關(guān)資源，更透明的開展借貸業(yè)務(wù)，信息不對(duì)稱更小，有效降低了交易成本，使借貸雙方達(dá)成交易更加有效。大數(shù)據(jù)技術(shù)善于控制風(fēng)險(xiǎn)，可以更加有效地降低顧客信用審查的成本和評(píng)估風(fēng)險(xiǎn)。在存款業(yè)務(wù)方面，支付寶、微信等第三方支付平臺(tái)也分流了一部分商業(yè)銀行的存款業(yè)務(wù)。在支付交易方面，金融科技創(chuàng)新及應(yīng)用更加廣泛，業(yè)務(wù)涉及個(gè)人和組織的各項(xiàng)活動(dòng)，規(guī)模也在不斷擴(kuò)大。就第三方支付而言，其低廉的交易費(fèi)用、便捷的操作體驗(yàn)和支持延遲支付等一系列優(yōu)勢(shì)，對(duì)商業(yè)銀行私人結(jié)算業(yè)務(wù)產(chǎn)生了強(qiáng)烈的影響。

3.工人流動(dòng)的影響（effect of workermobility）

金融科技技術(shù)人才擅長(zhǎng)其領(lǐng)域的核心業(yè)務(wù)，并具有豐富的實(shí)踐經(jīng)驗(yàn)。當(dāng)他們?cè)谛袠I(yè)內(nèi)轉(zhuǎn)移時(shí)，他們可以提高商業(yè)銀行員工的技術(shù)水平和專業(yè)技能，使得商業(yè)銀行開始注重培養(yǎng)和引進(jìn)金融科技人才，包括財(cái)務(wù)管理人才，以及計(jì)算機(jī)、數(shù)學(xué)、統(tǒng)計(jì)等專業(yè)人才。

4.結(jié)合效應(yīng)（binding effect）

商業(yè)銀行與金融科技公司相互融合能進(jìn)一步提升雙方的效率。一方面，商業(yè)銀行借助金融科技公司的各項(xiàng)新技術(shù)手段及理念，相互學(xué)習(xí)、做強(qiáng)業(yè)務(wù)、優(yōu)化和調(diào)整業(yè)務(wù)；另一方面，商業(yè)銀行在資本上也有優(yōu)勢(shì)，可以對(duì)金融科技公司的分銷和清算方面提供支持。代表性的例子有：2019 年12 月，螞蟻金服集團(tuán)與工商銀行秉持“平等開放、互利共贏”的原則展開戰(zhàn)略合作，共同打造數(shù)字金融協(xié)同一體的新生態(tài)。在具體業(yè)務(wù)合作過(guò)程中，商業(yè)銀行可以和金融科技公司開展資源共享及優(yōu)勢(shì)互補(bǔ)，提高雙方的效率。

（二）研究假設(shè)

基于上述分析，本文提出假設(shè)1：

商業(yè)銀行金融科技的發(fā)展有助于提高銀行效率。

考慮到金融科技的發(fā)展需要大量的資金與人力投入，而國(guó)有銀行、大型商業(yè)銀行與城商行在規(guī)模、管理體系及發(fā)展定位存在諸多不同，如國(guó)有銀行雖然在規(guī)模上占有優(yōu)勢(shì)，但是體制缺乏靈活性。因此不同類型的上市銀行在金融科技對(duì)效率的效應(yīng)發(fā)揮上存在不同。基于金融科技對(duì)不同類型上市銀行效率可能存在的影響不同，本文提出假設(shè)2：

金融科技的發(fā)展對(duì)不同類型的銀行效率的促進(jìn)作用存在異質(zhì)性。

四、模型構(gòu)建

（一）數(shù)據(jù)選擇

考慮到中國(guó)各上市銀行的上市時(shí)間不同，公布的數(shù)據(jù)有限，通過(guò)刪除缺失數(shù)據(jù)，本文的樣本數(shù)據(jù)來(lái)自于2009—2018 年中國(guó)28 家上市商業(yè)銀行，包括5 家國(guó)有銀行（中國(guó)農(nóng)業(yè)銀行、中國(guó)銀行、中國(guó)工商銀行、中國(guó)建設(shè)銀行、交通銀行）、9 家大型商業(yè)銀行（光大銀行、中信銀行、興業(yè)銀行、平安銀行、華夏銀行、招商銀行、浦發(fā)銀行、民生銀行、浙商銀行）、14 家城市商業(yè)銀行（北京銀行、上海銀行、寧波銀行、常熟銀行、成都銀行、江蘇銀行、貴陽(yáng)銀行、杭州銀行、江陰銀行、南京銀行、蘇州銀行、西安銀行、長(zhǎng)沙銀行、鄭州銀行）。數(shù)據(jù)來(lái)源是基于各個(gè)銀行的年度報(bào)告及國(guó)家統(tǒng)計(jì)局、中國(guó)人民銀行的公開資料。

（二）模型設(shè)定

本文使用的數(shù)據(jù)類型為10 年28 家上市銀行的面板數(shù)據(jù)，面板數(shù)據(jù)回歸的類型主要有：混合效應(yīng)、固定效應(yīng)及隨機(jī)效應(yīng)模型?；旌闲?yīng)的前提假設(shè)是不考慮到個(gè)體效應(yīng)和時(shí)間效應(yīng)，假定不同個(gè)體之間無(wú)顯著差異。而隨機(jī)效應(yīng)模型認(rèn)為個(gè)體效應(yīng)與自變量無(wú)關(guān)，一般的面板數(shù)據(jù)無(wú)法滿足這一假設(shè)條件要求，基于上述原因，本文選擇固定效應(yīng)模型來(lái)進(jìn)行面板回歸分析，具體模型如下：

其中：i為個(gè)體銀行；t為時(shí)間；TFPi，t為被解釋變量，表示銀行業(yè)全要素生產(chǎn)率；FRi，t為核心解釋變量，表示第i個(gè)銀行的金融科技指數(shù)；Z為模型選定的控制變量；β0為常數(shù)項(xiàng)；β1為金融科技指數(shù)對(duì)銀行全要素生產(chǎn)率的影響概率；γ為控制變量的回歸系數(shù)；δi為銀行固定效應(yīng)；εi，t為隨機(jī)擾動(dòng)項(xiàng)。

（三）變量說(shuō)明

1.被解釋變量

銀行效率，基于樣本數(shù)據(jù)使用非期望產(chǎn)出的三階段SBM-DEA 模型測(cè)算。

2.核心解釋變量

金融科技發(fā)展指數(shù)。借鑒沈悅和郭品（2015）、李春濤等（2020）的方法，本文構(gòu)建了銀行層面的金融科技發(fā)展指標(biāo)。首先，從支付結(jié)算、資源配置、財(cái)富管理、信息渠道和技術(shù)路徑等維度出發(fā)，選取與銀行金融科技相關(guān)的關(guān)鍵詞，包括互聯(lián)網(wǎng)金融、消費(fèi)金融、第三方支付、移動(dòng)支付、在線支付、網(wǎng)上支付、手機(jī)支付、NFC（near field communication）支付、數(shù)字貨幣、網(wǎng)絡(luò)融資、網(wǎng)絡(luò)貸款、網(wǎng)貸、在線理財(cái)、互聯(lián)網(wǎng)理財(cái)、互聯(lián)網(wǎng)保險(xiǎn)、智能投顧、征信、開放銀行、在線銀行、網(wǎng)上銀行、網(wǎng)銀、電子銀行、手機(jī)銀行、無(wú)卡取款、移動(dòng)互聯(lián)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、區(qū)塊鏈、智能、大數(shù)據(jù)、云計(jì)算、數(shù)據(jù)挖掘、語(yǔ)音識(shí)別、5G、人臉識(shí)別，共35 個(gè)關(guān)鍵詞。其次，將每個(gè)關(guān)鍵詞與樣本商業(yè)銀行進(jìn)行匹配，并在百度新聞中按年度進(jìn)行搜索，將每年每個(gè)銀行所有關(guān)鍵詞搜索的新聞數(shù)量進(jìn)行加總得出樣本銀行每年的金融科技發(fā)展指數(shù)。在回歸分析中，對(duì)指數(shù)取對(duì)數(shù)變換以消除數(shù)據(jù)的異方差問(wèn)題。

3.控制變量

經(jīng)過(guò)提煉國(guó)內(nèi)外學(xué)術(shù)專家的研究，外部的宏觀經(jīng)濟(jì)環(huán)境、政府監(jiān)管政策和各個(gè)銀行的資產(chǎn)負(fù)債強(qiáng)度等都影響商業(yè)銀行的全要素生產(chǎn)率。因此，本文通過(guò)三個(gè)層面構(gòu)建模型中的一組控制變量，宏觀經(jīng)濟(jì)層面（GDP 增長(zhǎng)率）、行業(yè)層面（行業(yè)集中度，使用五大國(guó)有銀行資產(chǎn)占所有樣本銀行比值衡量）、微觀層面（存貸比、盈利能力（營(yíng)業(yè)利潤(rùn)/總資產(chǎn)）、自有資本比率（所有者權(quán)益與總資產(chǎn)比率）。表1 說(shuō)明了各變量的含義及統(tǒng)計(jì)情況。

表1 主要變量的含義與描述性統(tǒng)計(jì)

五、基于三階段SBM-DEA 模型的銀行業(yè)效率測(cè)算及分析

傳統(tǒng)DEA 方法如charnes coopers rhodes（CCR）、banker charnes cooper（BCC）等多是徑向的或角度的，“徑向的”意味著在效率評(píng)價(jià)時(shí)投入（產(chǎn)出）同比例縮減（增加）以實(shí)現(xiàn)有效，“角度的”則意味著選擇從投入角度實(shí)現(xiàn)產(chǎn)出最大或從產(chǎn)出角度實(shí)現(xiàn)投入最小。這些模型無(wú)法考慮到投入及產(chǎn)出的松弛，更無(wú)法測(cè)算包含非期望產(chǎn)出的效率模型。目前可以測(cè)算非期望產(chǎn)出的方法主要有方向距離函數(shù)法及正向?qū)傩赞D(zhuǎn)換法等，但這些方法均無(wú)法處理投入產(chǎn)出的松弛。面對(duì)上述這些問(wèn)題，F(xiàn)are et al（1989）提出了包含“非合意要素”的數(shù)據(jù)包絡(luò)分析方法。Tone（2001）提出一種基于松弛變量（slacks-based measure，SBM）的方法。與傳統(tǒng)的DEA 模型有所區(qū)別，SBM 模型在目標(biāo)函數(shù)中引入松弛變量使得SBM 模型不僅可以實(shí)現(xiàn)收益最大化，而且可以實(shí)現(xiàn)實(shí)際利潤(rùn)最大化。SBM 模型同時(shí)也克服了徑向DEA 模型不能考慮投入產(chǎn)出的松弛性問(wèn)題，并解決了考慮非期望產(chǎn)出的效率評(píng)估問(wèn)題，在生態(tài)效率、環(huán)境效率、經(jīng)營(yíng)效率評(píng)價(jià)中應(yīng)用廣泛。

（一）三階段SBM-DEA 模型

Fried et al（1999，2002）認(rèn)為第一階段包含非期望產(chǎn)出的SBM-DEA 模型并沒(méi)有剔除環(huán)境因素和隨機(jī)誤差的影響，需要通過(guò)SFA 來(lái)予以剔除，即將第二階段SFA 回歸后的調(diào)整過(guò)的投入值和原始產(chǎn)出值再通過(guò)包含非期望產(chǎn)出的SBM-DEA 模型測(cè)算，得到的效率值更加客觀和準(zhǔn)確。這三個(gè)階段內(nèi)容綜合在一起，成為三階段SBA-DEA 模型。

（二）我國(guó)銀行業(yè)效率評(píng)價(jià)實(shí)證分析

經(jīng)過(guò)三階段SBM-DEA 模型構(gòu)建后，本部分將對(duì)我國(guó)銀行業(yè)效率進(jìn)行分析。本章實(shí)證分析所用到的軟件是Maxdea8 和Frontier4.1。

1.模型指標(biāo)選取原則

為了能客觀準(zhǔn)確及全面地評(píng)價(jià)我國(guó)銀行業(yè)經(jīng)營(yíng)效率，一方面要借鑒國(guó)內(nèi)外專家學(xué)者對(duì)銀行業(yè)經(jīng)營(yíng)效率的研究理論及方法；另一方面要遵循和滿足DEA 方法對(duì)投入和產(chǎn)出指標(biāo)的相關(guān)原則要求。

（1）科學(xué)性原則。對(duì)我國(guó)銀行業(yè)經(jīng)營(yíng)效率進(jìn)行評(píng)價(jià)時(shí)，需要選擇國(guó)內(nèi)外專家學(xué)者研究過(guò)的、被實(shí)踐或業(yè)內(nèi)認(rèn)可的投入產(chǎn)出指標(biāo)體系。

（2）關(guān)鍵性原則。根據(jù)研究對(duì)象及研究目的，選擇最關(guān)鍵、最科學(xué)的指標(biāo)。

（3）可獲得性原則。選擇的指標(biāo)還需要滿足數(shù)據(jù)的可獲得性及經(jīng)濟(jì)性等特點(diǎn)。

（4）符合DEA 要求原則。DEA 方法要求投入與產(chǎn)出指標(biāo)之間滿足正相關(guān)性，以及所有投入產(chǎn)出指標(biāo)數(shù)據(jù)必須完整無(wú)缺失。

2.投入、產(chǎn)出指標(biāo)的選取

國(guó)內(nèi)外專家學(xué)者對(duì)我國(guó)銀行業(yè)經(jīng)營(yíng)效率評(píng)價(jià)有很多研究。關(guān)于非期望產(chǎn)出變量，Zha et al（2016）、楚雪芹等（2021）等在使用DEA 模型測(cè)算中國(guó)商業(yè)銀行效率時(shí)均使用不良貸款作為非期望產(chǎn)出，這種在效率評(píng)價(jià)中納入非期望產(chǎn)出或投入的方法，比較符合銀行業(yè)的實(shí)際經(jīng)營(yíng)情況。還有部分學(xué)者通過(guò)“壞賬”“市場(chǎng)風(fēng)險(xiǎn)”“環(huán)境保護(hù)”等角度來(lái)探討銀行業(yè)的“非期望產(chǎn)出”。胡曉燕等（2013）使用存貸款利率風(fēng)險(xiǎn)敞口和不良貸款率兩個(gè)指標(biāo)作為非期望產(chǎn)出，通過(guò)兩階段DEA 模型得出結(jié)論，這種模型的應(yīng)用相較于以往方法更能有效評(píng)價(jià)銀行的投出產(chǎn)出結(jié)構(gòu)，在此基礎(chǔ)上指出改進(jìn)方向。紀(jì)建悅和孔膠膠（2013）結(jié)合契約理論、商業(yè)銀行生產(chǎn)函數(shù)和期望理論的基礎(chǔ)，采用不良貸款作為非期望產(chǎn)出指標(biāo)，運(yùn)用SBM 模型評(píng)價(jià)商業(yè)銀行效率及分析其影響因素，得出結(jié)論利益相關(guān)者關(guān)系對(duì)我國(guó)商業(yè)銀行效率有關(guān)鍵性影響。李炫榆等（2019）考慮信用風(fēng)險(xiǎn)這一非期望產(chǎn)出，使用超效率SBM 模型，探討銀行業(yè)競(jìng)爭(zhēng)與銀行效率的相關(guān)性，得出結(jié)論加快信用體系建設(shè)可以通過(guò)緩解銀行業(yè)的信息不對(duì)稱來(lái)提升銀行效率。表2 列出了國(guó)內(nèi)使用DEA 方法測(cè)算銀行效率的學(xué)者所選擇的投入和產(chǎn)出指標(biāo)情況，綜上所述，使用SBM-DEA 模型探討不良貸款率這一非期望產(chǎn)出對(duì)效率的評(píng)價(jià)在銀行業(yè)的應(yīng)用還不多。

表2 我國(guó)銀行業(yè)效率文獻(xiàn)選取的投入與產(chǎn)出評(píng)價(jià)指標(biāo)

在滿足DEA 模型指標(biāo)選取原則的基礎(chǔ)上，參考國(guó)內(nèi)外專家學(xué)者研究成果及本文的研究對(duì)象及目的，本文選擇從八個(gè)指標(biāo)構(gòu)建我國(guó)銀行業(yè)經(jīng)營(yíng)效率的投入產(chǎn)出指標(biāo)體系，具體見表3。

表3 我國(guó)銀行業(yè)效率投入與產(chǎn)出指標(biāo)體系

3.環(huán)境指標(biāo)的選取

環(huán)境變量主要包括對(duì)我國(guó)銀行業(yè)經(jīng)營(yíng)效率有顯著影響但又不在主觀可控范圍內(nèi)的因素。影響我國(guó)銀行業(yè)經(jīng)營(yíng)效率的因素眾多，參考已有研究，結(jié)合本文研究目的，主要考慮市場(chǎng)份額、銀行所有制和人均GDP 三個(gè)因素，具體說(shuō)明如下：

（1）市場(chǎng)份額。各個(gè)銀行的市場(chǎng)份額指的是該銀行的每年新增存貸款額在整個(gè)樣本銀行存貸款額所占的比重。市場(chǎng)份額反映了銀行業(yè)的相互競(jìng)爭(zhēng)及壟斷程度，是市場(chǎng)結(jié)構(gòu)的主要表現(xiàn)。一般而言，單個(gè)銀行所占比例小，市場(chǎng)份額就小，而市場(chǎng)占有率越低，其競(jìng)爭(zhēng)程度越強(qiáng)。

（2）銀行所有制。根據(jù)各個(gè)銀行所有制性質(zhì)而設(shè)置的虛擬變量，其中五家國(guó)有控股銀行為0，其他銀行為1。不同所有制性質(zhì)的銀行在業(yè)務(wù)發(fā)展、決策機(jī)制、社會(huì)責(zé)任等方面存在一定的差異，對(duì)銀行的經(jīng)營(yíng)效率產(chǎn)生一定的影響。

（3）人均GDP。人均國(guó)內(nèi)生產(chǎn)總值的概念是一個(gè)國(guó)家或地區(qū)核算期內(nèi)（通常是一年）實(shí)現(xiàn)的國(guó)內(nèi)生產(chǎn)總值與這個(gè)國(guó)家和地區(qū)常住人口的比值，經(jīng)常與購(gòu)買力平價(jià)相結(jié)合，是對(duì)一個(gè)國(guó)家或地區(qū)的宏觀經(jīng)濟(jì)運(yùn)行狀況衡量的主要變量，對(duì)銀行業(yè)發(fā)展有明顯的影響。

4.實(shí)證分析

（1）第一階段：包含非期望產(chǎn)出的SBM-DEA 經(jīng)營(yíng)效率分析。這一階段主要通過(guò)Maxdea8 軟件中的包含非期望產(chǎn)出的SBM-DEA 模型（以投入為導(dǎo)向），對(duì)28 家銀行2009—2018 年共10 年的效率進(jìn)行測(cè)算，得到個(gè)體、和分類別的技術(shù)、純技術(shù)和規(guī)模效率值。

2009—2018 年我國(guó)28 家銀行整體經(jīng)營(yíng)效率均值來(lái)看，北京銀行、西安銀行、長(zhǎng)沙銀行、招商銀行、鄭州銀行、中國(guó)工商銀行和中國(guó)農(nóng)業(yè)銀行的技術(shù)效率處在28 家銀行中的第一梯隊(duì)，效率均值為1，處于這些銀行的前沿面，表明其組織管理水平和規(guī)?；骄鶠樽顑?yōu)；中國(guó)銀行、興業(yè)銀行、平安銀行、浦發(fā)銀行、中國(guó)民生銀行、中國(guó)建設(shè)銀行和交通銀行的技術(shù)效率處在28 家銀行中的第二梯隊(duì)，效率均值都大于0.9，其中交通銀行最高，效率均值為0.959，表明其組織管理水平和規(guī)模化水平較優(yōu)；而江陰銀行、常熟銀行、蘇州銀行、杭州銀行、寧波銀行、光大銀行、南京銀行、上海銀行、華夏銀行、成都銀行、中信銀行、江蘇銀行、貴陽(yáng)銀行和浙商銀行的技術(shù)效率處在28 家銀行中的第三梯隊(duì)，效率均值都小于0.9，其中江陰銀行最低，效率均值為0.641，表明其組織管理水平和規(guī)?；较鄬?duì)較差。

而從銀行分類角度來(lái)看，總體而言，2009—2018 年，我國(guó)三類銀行技術(shù)效率均值都表現(xiàn)出波動(dòng)起伏的趨勢(shì)，其中大型商業(yè)銀行波動(dòng)較大，且最后幾年呈現(xiàn)下跌的趨勢(shì)，而國(guó)有控股銀行和城市商業(yè)銀行均呈現(xiàn)上漲的勢(shì)頭，其中城市商業(yè)銀行上漲速度更快。而從我國(guó)三類銀行技術(shù)效率均值來(lái)看，2009—2018 年，國(guó)有控股銀行的效率均值高于大型商業(yè)銀行，而大型商業(yè)銀行的效率均值高于城市商業(yè)銀行。雖然這個(gè)結(jié)論存在一部分合理的地方，但也有部分結(jié)論與一般意義上的認(rèn)知存在一定的偏差，主要是因?yàn)楦鱾€(gè)銀行、各類銀行經(jīng)營(yíng)所處的外部環(huán)境存在一定的差異，對(duì)經(jīng)營(yíng)效率的測(cè)算結(jié)果產(chǎn)生了一定的影響。因此，必須剔除環(huán)境變量及隨機(jī)噪聲對(duì)測(cè)算結(jié)果的影響，以求得相對(duì)真實(shí)客觀的結(jié)果，從而得到有用的管理啟示。

（2）第二階段：SFA 模型回歸實(shí)證分析。根據(jù)第一階段的實(shí)證分析，得到了各個(gè)銀行的投入松弛，本節(jié)將進(jìn)行第二階段SFA 分析，將第一階段得到的各個(gè)投入松弛（銀行規(guī)模、應(yīng)付職工薪酬、所有者權(quán)益和營(yíng)業(yè)支出的松弛變量）作為被解釋變量，將環(huán)境變量（市場(chǎng)份額、銀行所有制和人均GDP）作為解釋變量，通過(guò)建立SFA模型，運(yùn)用Frontier4.1 軟件，可得如下結(jié)果，具體見表4。

表4 2009—2018 年間我國(guó)28 家銀行經(jīng)營(yíng)效率測(cè)算SFA 回歸結(jié)果（第二階段）

SFA 回歸整體分析：由表4 可知，2009—2018 年回歸結(jié)果中的所有LR值，即極大似然比均通過(guò)1%水平上的顯著性檢驗(yàn)，可以認(rèn)為本文所選擇的3 個(gè)外部環(huán)境因素對(duì)各個(gè)決策單元松弛值產(chǎn)生了顯著性影響，所以，本節(jié)進(jìn)行SFA 回歸分析是非常有必要的。而且4 個(gè)回歸分析中的值分別為0.41、0.35、0.59、0.35 均大于0.1，且都通過(guò)顯著性檢驗(yàn)，說(shuō)明環(huán)境變量影響越大，管理無(wú)效率的影響較為明顯，隨機(jī)因素影響相對(duì)較小。從回歸結(jié)果來(lái)看，3 個(gè)環(huán)境變量對(duì)4 個(gè)投入松弛值的回歸系數(shù)全部通過(guò)了1%水平上的顯著性檢驗(yàn)，進(jìn)一步驗(yàn)證了各個(gè)環(huán)境變量對(duì)投入松弛變量及投入變量產(chǎn)生顯著的影響。環(huán)境變量的系數(shù)正負(fù)，反映出環(huán)境變量對(duì)投入松弛值的影響關(guān)系，即負(fù)值表示增加環(huán)境變量會(huì)減少投入松弛值，即減少投入變量的損耗，從而提升經(jīng)營(yíng)效率；反之，環(huán)境變量的系數(shù)為正值，則表示增加環(huán)境變量將會(huì)提高投入松弛值，即加劇了投入變量的損耗，從而降低經(jīng)營(yíng)效率。

SFA 回歸具體分析：

①市場(chǎng)份額。市場(chǎng)份額與銀行規(guī)模松弛、應(yīng)付職工薪酬松弛和營(yíng)業(yè)支出松弛呈現(xiàn)顯著正相關(guān)性，與所有者權(quán)益松弛呈現(xiàn)顯著負(fù)相關(guān)性。這反映出市場(chǎng)份額增加將會(huì)增加這銀行規(guī)模、應(yīng)付職工薪酬和營(yíng)業(yè)支出這3 個(gè)投入的松弛變量，從而降低經(jīng)營(yíng)效率。市場(chǎng)份額增加將會(huì)減少所有者權(quán)益的松弛變量，從而提高經(jīng)營(yíng)效率。這一結(jié)果也反映了隨著銀行市場(chǎng)份額的提高，雖然會(huì)帶來(lái)所有者權(quán)益的下降，但市場(chǎng)規(guī)模也會(huì)相應(yīng)提高，職工人數(shù)增加，薪酬和營(yíng)業(yè)支出都會(huì)提升，如果借貸款業(yè)務(wù)或利潤(rùn)無(wú)法相應(yīng)得到更高提升的話，將會(huì)對(duì)經(jīng)營(yíng)效率產(chǎn)生負(fù)作用。銀行業(yè)想要提高經(jīng)營(yíng)效率的話，不能簡(jiǎn)單通過(guò)擴(kuò)大自身規(guī)模，提高市場(chǎng)份額的方式，特別是城市商業(yè)銀行和大型商業(yè)銀行，需要結(jié)合更多的創(chuàng)新和改革，找到適合自己的細(xì)分市場(chǎng)進(jìn)行突破，在市場(chǎng)規(guī)模及自身優(yōu)勢(shì)發(fā)揮兩方面找到契合點(diǎn)。

②銀行所有制。銀行所有制與銀行規(guī)模松弛、應(yīng)付職工薪酬松弛呈現(xiàn)顯著正相關(guān)性，與營(yíng)業(yè)支出松弛、所有者權(quán)益松弛呈現(xiàn)顯著負(fù)相關(guān)性。這反映出銀行所有制性質(zhì)是全民所有制的話將會(huì)將會(huì)減少營(yíng)業(yè)支出、所有者權(quán)益的松弛變量，從而提高經(jīng)營(yíng)效率。銀行所有制性質(zhì)是其他形式的話將會(huì)增加銀行規(guī)模、應(yīng)付職工薪酬這兩個(gè)投入的松弛變量，從而降低經(jīng)營(yíng)效率。這一結(jié)果也反映了銀行所有制性質(zhì)是全民所有制的國(guó)有控股銀行，由于其規(guī)模大、網(wǎng)點(diǎn)多、員工多等特點(diǎn)，其職工薪酬等相較于其他商業(yè)銀行是偏低的，而且全民所有制的國(guó)有控股銀行承擔(dān)的社會(huì)責(zé)任也更大，某些決策并非完全遵照市場(chǎng)而定，從而降低了經(jīng)營(yíng)效率，這些因素在其他商業(yè)銀行身上并非產(chǎn)生相同的影響。

③人均GDP。人均GDP 與銀行規(guī)模松弛、應(yīng)付職工薪酬松弛、營(yíng)業(yè)支出松弛及所有者權(quán)益松弛均呈現(xiàn)顯著正相關(guān)性。這反映出人均GDP 的增加將會(huì)增加這銀行規(guī)模、應(yīng)付職工薪酬、營(yíng)業(yè)支出及所有者權(quán)益這四個(gè)投入的松弛變量，從而降低經(jīng)營(yíng)效率。這一結(jié)果也反映了隨著銀行所在地區(qū)的人均GDP 的提高，當(dāng)?shù)氐慕?jīng)濟(jì)發(fā)展更好，也一定程度上提高了銀行的業(yè)務(wù)量、應(yīng)付職工薪酬、營(yíng)業(yè)支出及所有者權(quán)益等投入量，一旦投入上的提升沒(méi)有導(dǎo)致產(chǎn)出相應(yīng)的提升的話，就會(huì)降低經(jīng)營(yíng)效率。各個(gè)銀行在一二線城市布局的同時(shí)，需要控制好相應(yīng)的投入成本，并努力提升產(chǎn)出水平。同時(shí)考慮到一二線城市銀行業(yè)競(jìng)爭(zhēng)更加激烈，有條件的銀行可以向三四線城市發(fā)展，一方面投入更?。涣硪环矫娓?jìng)爭(zhēng)相對(duì)沒(méi)那么激烈，從而可以提高經(jīng)營(yíng)效率。

綜上所述，由于外在環(huán)境變量對(duì)我國(guó)28 個(gè)銀行的經(jīng)營(yíng)效率產(chǎn)生了一定程度的影響，導(dǎo)致第一階段包含非期望產(chǎn)出的SBM-DEA 模型測(cè)算出來(lái)的經(jīng)營(yíng)效率與實(shí)際情況存在一定的偏差。因此，有必要剔除這些環(huán)境變量對(duì)各個(gè)決策單元的影響，更加真實(shí)、客觀的對(duì)我國(guó)28 個(gè)銀行的經(jīng)營(yíng)效率進(jìn)行綜合評(píng)價(jià)。

（3）第三階段：調(diào)整后的包含非期望產(chǎn)出的SBM-DEA 效率分析。對(duì)第三階段調(diào)整后的包含非期望產(chǎn)出的SBM-DEA 進(jìn)行測(cè)算，獲得調(diào)整后的經(jīng)營(yíng)效率值。

從調(diào)整后的2009—2018 年我國(guó)28 家銀行整體經(jīng)營(yíng)效率均值來(lái)看，只有中國(guó)工商銀行、中國(guó)農(nóng)業(yè)銀行的技術(shù)效率處在28 家銀行中的第一梯隊(duì)，效率均值為1，與第一階段相比，第一梯隊(duì)數(shù)量減少了5 家，北京銀行、西安銀行、長(zhǎng)沙銀行、招商銀行、鄭州銀行的技術(shù)效率均值都小于1；效率均值都大于0.9 的第二梯隊(duì)銀行只有招商銀行、中國(guó)銀行和中國(guó)建設(shè)銀行，與第一階段相比，第二梯隊(duì)數(shù)量減少了4 家，其余23 家銀行的效率均值都小于0.9，與第一階段相比，第三梯隊(duì)的數(shù)量增加了9 家，其中江陰銀行和常熟銀行的技術(shù)效率均值甚至降到0.1 以下。而從純技術(shù)效率均值來(lái)看，北京銀行、江陰銀行、長(zhǎng)沙銀行、鄭州銀行、西安銀行、招商銀行、中國(guó)工商銀行和中國(guó)農(nóng)業(yè)銀行的純技術(shù)效率均值為1，其他銀行的純技術(shù)效率均值也大于0.98，光大銀行純技術(shù)效率均值最低，為0.981，這反映了剔除環(huán)境變量影響后，我國(guó)28 家銀行的組織管理等方面整體處于較高的水平；而從規(guī)模效率均值來(lái)看，中國(guó)工商銀行、中國(guó)農(nóng)業(yè)銀行的規(guī)模效率均值為1，招商銀行、中國(guó)銀行和中國(guó)建設(shè)銀行3 家銀行效率均值都大于0.9，效率均值都小于0.9 的銀行為23 家，其中江陰銀行和常熟銀行的規(guī)模效率均值都在0.1 以下。這反映了我國(guó)銀行整體組織管理水平、技術(shù)水平較高，且較為接近，效率均值差異較大的原因在于部分銀行規(guī)?；讲桓?，特別是城市商業(yè)銀行，更加確定了我國(guó)商業(yè)銀行的發(fā)展需要進(jìn)一步提高規(guī)模化水平。

剔除環(huán)境變量影響后，大多數(shù)銀行技術(shù)效率均值均有所下降，光大銀行、交通銀行、浦發(fā)銀行、招商銀行、興業(yè)銀行、中國(guó)建設(shè)銀行、中國(guó)工商銀行、中國(guó)農(nóng)業(yè)銀行、中國(guó)銀行和中興銀行技術(shù)效率均值保持不變或下降幅度較小，常熟銀行、貴陽(yáng)銀行、蘇州銀行、江陰銀行、西安銀行、長(zhǎng)沙銀行、鄭州銀行技術(shù)效率均值下降幅度非常大，受環(huán)境變量影響較大。

從銀行分類角度來(lái)看，剔除環(huán)境變量的影響后，2009—2018 年，我國(guó)三類銀行技術(shù)效率均值波動(dòng)起伏的幅度變小，而國(guó)有控股銀行、大型商業(yè)銀行和城市商業(yè)銀行均整體呈現(xiàn)上漲的勢(shì)頭，說(shuō)明我國(guó)三類銀行整體發(fā)展趨勢(shì)較好，均保持發(fā)展的勢(shì)頭。而從2009—2018 年我國(guó)三類銀行技術(shù)效率均值來(lái)看，依然是國(guó)有控股銀行均值大于大型商業(yè)銀行，大型商業(yè)銀行均值大于城市商業(yè)銀行。

從圖1 可以看出，剔除環(huán)境變量影響后，大多數(shù)銀行技術(shù)效率均值均有所下降，國(guó)有控股銀行技術(shù)效率均值保持不變或下降幅度較小，大型商業(yè)銀行技術(shù)效率均值下降幅度中等，而城市商業(yè)銀行技術(shù)效率均值下降幅度最大，受環(huán)境變量影響最大?？傮w而言，銀行業(yè)的發(fā)展，經(jīng)營(yíng)效率的提高，與市場(chǎng)規(guī)模關(guān)系非常密切，只有規(guī)模達(dá)到一定程度后，才能更好的獲得規(guī)模效益的提升，才能更快的提高經(jīng)營(yíng)效率，但同時(shí)也要注意，雖然市場(chǎng)規(guī)模與經(jīng)營(yíng)效率關(guān)系密切，但并非意味著各個(gè)銀行僅僅依靠擴(kuò)大市場(chǎng)規(guī)模來(lái)提高經(jīng)營(yíng)效率，在擴(kuò)大規(guī)模的同時(shí)，必須在內(nèi)部組織管理、業(yè)務(wù)創(chuàng)新拓展及對(duì)客服務(wù)等方面下功夫，雙管齊下，才能應(yīng)對(duì)越來(lái)越激烈的銀行業(yè)競(jìng)爭(zhēng)，才能提高自身的經(jīng)營(yíng)效率。

圖1 2009—2018 年28 家銀行第一和第三階段效率均值對(duì)比

五、金融科技對(duì)銀行全要素生產(chǎn)率的實(shí)證分析

（一）回歸結(jié)果

表5 為金融科技影響銀行效率的基準(zhǔn)回歸結(jié)果，列（1）為僅加入金融科技的回歸結(jié)果；列（2）為加入存貸比、盈利能力、自有資本比率一組控制變量的回歸結(jié)果；列（3）為進(jìn)一步考慮到行業(yè)集中度及GDP 增長(zhǎng)率等控制變量的回歸結(jié)果。通過(guò)逐步加入控制變量，可以觀察到金融科技對(duì)銀行效率的回歸系數(shù)是否發(fā)生變化，基準(zhǔn)回歸采用的是固定效應(yīng)模型

從表5 列（1）的結(jié)果看，在僅考慮金融科技對(duì)銀行效率影響的情況下，估計(jì)系數(shù)為0.0367，且在1%的水平上顯著。從列（2）和列（3）的結(jié)果來(lái)看，在先后加入部分控制變量和全部控制變量后，金融科技的估計(jì)系數(shù)依然為正數(shù)，且分別在1%和5%的水平上顯著，系數(shù)的值略有浮動(dòng)。R2值隨著控制變量的增加逐步增加，表明金融科技對(duì)銀行效率的正向影響是顯著且穩(wěn)定的，假設(shè)1 得到驗(yàn)證。從列（3）的基準(zhǔn)回歸結(jié)果可以看出，在樣本區(qū)間內(nèi)，金融科技水平的提升堵銀行效率提升有顯著的促進(jìn)作用，控制變量中，存貸比對(duì)銀行效率的影響顯著為負(fù)，說(shuō)明銀行貸款占比的上升對(duì)銀行效率提升產(chǎn)生了抑制作用。

表5 金融科技對(duì)銀行業(yè)全要素生產(chǎn)率的基準(zhǔn)回歸結(jié)果

（二）穩(wěn)健性檢驗(yàn)

1.工具變量

將解釋變量金融科技指數(shù)滯后一階生成工具變量，具體回歸結(jié)果見表6 中列（2），通過(guò)回歸結(jié)果可以看出，金融科技的估計(jì)系數(shù)依然是顯著為正的。因此通過(guò)加入工具變量處理后，金融科技對(duì)銀行效率的正向影響結(jié)論依然是穩(wěn)健、可靠的。

表6 穩(wěn)健性檢驗(yàn)

2.替換控制變量

為了方式控制變量測(cè)算對(duì)回歸結(jié)果產(chǎn)生偏差，考慮到存貸款業(yè)務(wù)是我國(guó)銀行業(yè)的主營(yíng)業(yè)務(wù)，本文將控制變量中的行業(yè)集中度的測(cè)算方法由五大行的資產(chǎn)占比更換為五大行的存貸款總額占樣本銀行存貸款總額的占比。通過(guò)對(duì)比表6 中列（3）回歸結(jié)果與基準(zhǔn)回歸結(jié)果，可以看出，通過(guò)替換控制變量處理后，金融科技的估計(jì)系數(shù)均為正數(shù)，顯著性提高到1%的水平上。結(jié)果顯示金融科技的估計(jì)系數(shù)有所增加，說(shuō)明基準(zhǔn)回歸結(jié)果較為穩(wěn)健。

（三）異質(zhì)性分析

按照銀行類型將樣本分為5 家國(guó)有控股銀行、9 家大型商業(yè)銀行和14 家地方商業(yè)銀行，進(jìn)行金融科技與銀行效率的異質(zhì)性回歸分析。通過(guò)表7 回歸結(jié)果來(lái)看，金融科技對(duì)銀行效率的影響存在銀行類型上的差異。詳細(xì)來(lái)看，金融科技對(duì)國(guó)有控股銀行和大型商業(yè)銀行效率的正向影響水平比較高，這也基本與金融科技的實(shí)際發(fā)展需要相匹配。一方面，國(guó)有控股銀行與大型商業(yè)銀行的規(guī)模和科技人員占比相較于地方商業(yè)銀行來(lái)說(shuō)，具有明顯優(yōu)勢(shì)；另一方面，國(guó)有銀行在運(yùn)行機(jī)制上相較于大型商業(yè)銀行，缺乏靈活性。這會(huì)在一定程度上抑制金融科技對(duì)銀行效率的提升。因此國(guó)有銀行金融科技對(duì)銀行效率的正向影響要低于大型商業(yè)銀行，地方商業(yè)銀行的作用最小。此外通過(guò)對(duì)比三組回歸結(jié)果中控制變量的影響系數(shù)可以看出，宏觀變量GDP 的增長(zhǎng)率對(duì)國(guó)有銀行和大型商業(yè)銀行無(wú)顯著性作用，而對(duì)城市商業(yè)銀行卻存在顯著的負(fù)向影響。這說(shuō)明城市商業(yè)銀行的效率提升與經(jīng)濟(jì)增長(zhǎng)存在脫節(jié)。

表7 銀行類型異質(zhì)性檢驗(yàn)

（四）效率分解

根據(jù)效率分解，技術(shù)效率指數(shù)（TE）=規(guī)模效率指數(shù)（SE）×純技術(shù)效率指數(shù)（PTE）。根據(jù)效率分解，技術(shù)效率指數(shù)（TE）=規(guī)模效率指數(shù)（SE）×純技術(shù)效率指數(shù)（PTE）。本文通過(guò)對(duì)全部樣本及按照銀行類型分類的三組樣本進(jìn)行回歸分析，得到結(jié)果（表8）。結(jié)果表明，銀行金融科技與銀行規(guī)模效率，無(wú)論是全部樣本數(shù)據(jù)還是分組數(shù)據(jù)均無(wú)顯著影響，而金融科技對(duì)銀行純技術(shù)效率的回歸系數(shù)均大于0，除了城市商業(yè)銀行以外，其他樣本結(jié)果均為顯著。也就是，銀行的金融科技發(fā)展對(duì)國(guó)有控股銀行和大型城市商業(yè)銀行的純技術(shù)效率有顯著的促進(jìn)作用，而對(duì)城市商業(yè)銀行純技術(shù)效率無(wú)顯著作用。

表8 效率分解

六、結(jié)論與啟示

（一）研究結(jié)論

為研究金融科技對(duì)上市銀行效率的影響，本文使用我國(guó)28 家上市銀行2009—2018 年的數(shù)據(jù)樣本，采用非期望產(chǎn)出的三階段SBM-DEA 模型，剔除環(huán)境與隨機(jī)因素對(duì)效率測(cè)算的干擾得到商業(yè)銀行的經(jīng)營(yíng)效率，并對(duì)經(jīng)營(yíng)效率進(jìn)行分解，使用網(wǎng)絡(luò)爬蟲技術(shù)測(cè)算銀行層面的金融科技指數(shù)。在此基礎(chǔ)上，使用固定效應(yīng)模型實(shí)證分析金融科技對(duì)銀行效率及效率分解（規(guī)模效率和純技術(shù)效率）的作用機(jī)制。本文最終得出結(jié)論：①在剔除環(huán)境因素后，商業(yè)銀行金融科技的發(fā)展能夠促進(jìn)商業(yè)銀行進(jìn)行產(chǎn)品與服務(wù)上的創(chuàng)新，從而對(duì)銀行全要素生產(chǎn)率有顯著的促進(jìn)作用；②商業(yè)銀行金融科技的發(fā)展對(duì)不同類型的銀行效率的促進(jìn)作用存在異質(zhì)性，相較于城市商業(yè)銀行，對(duì)國(guó)有銀行和大型商業(yè)銀行的促進(jìn)作用較大，其中對(duì)于大型商業(yè)銀行的作用最大；③商業(yè)銀行金融科技的發(fā)展對(duì)銀行純技術(shù)效率的提升有正向促進(jìn)作用，表明金融科技的發(fā)展對(duì)銀行全要素生產(chǎn)率的作用更多來(lái)源于技術(shù)進(jìn)步上。

本文實(shí)證證明金融科技對(duì)銀行效率的促進(jìn)作用，對(duì)我國(guó)商業(yè)銀行如何深入推進(jìn)金融科技的應(yīng)用，創(chuàng)新產(chǎn)品和服務(wù)水平、優(yōu)化內(nèi)部管理，從而提高自身效率具有重要的實(shí)踐意義。

（二）建議

2019 年，《金融科技發(fā)展規(guī)劃（2019—2021）年》的發(fā)布，表明了國(guó)家對(duì)商業(yè)銀行發(fā)展金融科技的重視和迫切需要，也對(duì)商業(yè)銀行下一步金融科技的發(fā)展提出了要求。因此商業(yè)銀行應(yīng)該抓住數(shù)字化轉(zhuǎn)型的機(jī)遇期，充分認(rèn)識(shí)到發(fā)展金融科技對(duì)提升自身效率的重要性，利用金融科技不斷提高內(nèi)部治理水平、優(yōu)化產(chǎn)品和服務(wù)、科技賦能風(fēng)險(xiǎn)控制等，進(jìn)一步推動(dòng)銀行效率的提升。商業(yè)銀行應(yīng)該抓住金融科技對(duì)資源配置驅(qū)動(dòng)屬性，優(yōu)化內(nèi)部經(jīng)營(yíng)模式、降低運(yùn)營(yíng)成本，同時(shí)把握金融科技的創(chuàng)新驅(qū)動(dòng)屬性，通過(guò)打造科技產(chǎn)品和重塑業(yè)務(wù)模式尋求新的利潤(rùn)增長(zhǎng)點(diǎn)，提升風(fēng)險(xiǎn)防范水平，充分發(fā)揮出金融科技對(duì)銀行效率提高的積極作用。

（三）研究不足

本文在研究中依然存在不足之處。一是由于金融科技發(fā)展在我國(guó)布局仍處于初期的探索階段，商業(yè)銀行的研發(fā)投入等指標(biāo)數(shù)據(jù)非常有限。因此對(duì)于金融科技指數(shù)測(cè)度上不夠科學(xué)嚴(yán)謹(jǐn)。二是我國(guó)上市商業(yè)銀行由于上市時(shí)間不同，數(shù)據(jù)獲取上存在一定缺失，為了保證實(shí)證分析的真實(shí)性，在最終樣本的選擇上只能限制在上述的28 家上市商業(yè)銀行。