中国金融业全要素生产率影响因素及收敛性研究——基于省际面板数据分析

林春，辽宁大学 经济学院，辽宁 沈阳 110036



中国金融业全要素生产率影响因素及收敛性研究
——基于省际面板数据分析

林春，辽宁大学 经济学院，辽宁 沈阳 110036

文章采用DEA-Malmquist指数法估算我国2000年-2014年的金融业全要素生产率，并对其进行相关的评价分析，在此基础上，对金融业全要素生产率的影响因素进行实证分析。研究结论：经济发展水平、政府干预、城镇化水平和市场化程度均对金融业全要素生产率提高产生显著的促进作用，而对外开放程度和社会消费水平却对其产生显著的抑制作用。根据金融业全要素生产率的趋势特征，对其进行相关的收敛性检验，发现东、中和西部地区的金融业全要素生产率均存在绝对β收敛和条件β收敛。最后，依据实证结论提出政策启示。

金融业； 全要素生产率； 影响因素； 收敛性

深化金融体制改革，提高金融服务实体经济的效率，是“十三五”规划对金融业改革和发展的总体要求。同时，实现全面的供给侧结构性改革，提高金融供给质量、效率，也是决定当下新常态经济发展质量和速度的保证。要想提高金融业的服务效率必须从提升其自身的全要素生产率着手，这与刘世锦(2015)[1]3-5所提出的攀登效率高地——全面持续地提高要素生产率遥相呼应。“提高全要素生产率”被首次纳入2015年的政府报告中，并将其作为经济考核的指挥棒，这也足以印证当前国家对其质量发展的重视程度。

一、文献回顾与综述

全要素生产率的提升将成为新常态下中国实现供给侧结构性改革的主轴导向，也是保持中高速经济增长所依赖的路径。金融作为现代经济发展的前沿阵地和捍卫当下质量经济增长的主力军，其全要素生产率的提高备受学者和专家们的关注。全要素生产率(TFP)最早由学者Tinbergen(1942)[2]37-48提出，后来又被Solow(1957)[3]312-320称为“索罗余值”，作为衡量单位总投入的总产量的生产率指标。国外有关金融业全要素生产率的研究主要集中在其微观主体——银行，Nakane & Weintraub(2004)[4]2259-2289研究了巴西所经历重组和并购的银行业全要素生产率水平，并得出国有银行的效率略低于私人银行的结论，同时私有化提高了银行业的生产率水平。为了进一步研究银行业改革和银行绩效之间的关系，Brissimis et al.(2008)[5]2674-2683选择了十个新加入欧盟国家的银行为研究样本，通过对效率、全要素生产率和净息差等指标分析并给予两者问题的佐证。结果表明，银行业改革和竞争对银行效率提高具有积极的促进作用，而全要素生产率的增长受改革的影响是显著的。Ataullah(2006)[6]189-202研究1992年-1998年印度和巴基斯坦的商业银行生产率，得出的结论是：两国的政府政策目标是银行业全要素生产率提高的关键；国有部分银行因缺乏应用新技术和存在较高的不良贷款率而阻碍了全要素生产率的增长，相比之下，实施效率改善和技术创新的外资银行，其全要素生产率的增长更乐观。这点同Yasemin & Suleyman(2013)[7]139-159所测算的土耳其银行2004年-2009年的全要素生产率来评估该银行业的绩效表现得出的结论一致。Sufian(2009)[8]1273-1291研究马来西亚伊斯兰银行2001年-2004年期间的生产力变化，结果表明，马来西亚伊斯兰银行的生产率水平，早些年同外资银行相比是下降的，但近几年有所改善，并略高于外资银行。受经济全球化的“侵袭”，银行全要素生产率会受到怎样影响呢？Sufian & Habibullah(2014)[9]821-852给出了一个答案，他们选取了马来西亚银行业1998年-2007年的数据样本，对影响因素进行了全面的实证分析，得出的结论是：贸易、资本账户限制和文化接近对银行全要素生产率的提高具有积极的影响，而人际关系、信息流动和政治全球化却似乎产生了消极影响。可见，学者们虽然采用不同国家对银行业全要素生产率进行分析研究，但其结论是一致的，即肯定了提升银行业全要素生产率的必要性。

国内关于金融业全要素生产率的研究相比国外要晚些，通过对已有文献的梳理与回顾，大致可分为两类：一类是基于金融业微观主体——银行业的全要素生产率研究；另一类是基于金融业整体的全要素生产率研究，但相对较少。银行业全要素生产率的提高是其绩效增长和核心竞争力的关键因素，产权对银行效率的提升存在重要的启示作用(2010)[10]54-60。关于采用Malmquist指数法对银行业全要素生产率的测算及分解的研究主要有：蔡跃洲和郭梅军(2009)[11]52-65选择11家上市商业银行2004年-2008年的数据作为研究对象，得出的结论是自2004年以后的该样本银行的全要素生产率是略微下降的，而股改对银行效率的提升存在积极影响，这点同后来张健华和王鹏(2010)[12]128-140基于10年大数据样本的166家银行(包括国有、股份制和城商行)的全要素生产率研究的结论保持了一致性。为其所得结论的全面性考虑，王兵和朱宁(2011)[13]32-45、吴江涛(2012)[14]151-154、姜永宏和蒋伟杰(2014)[15]62-79等又纳入不良贷款约束再次验证了商业银行全要素生产率的增长状况，发现较未纳入之前全要素生产率有所下降、有效控制不良贷款率对全要素生产率的积极影响。在此基础上，学者们又进一步探讨了商业银行全要素生产率的影响因素及收敛性检验。其中，得出影响因素正面促进的有ATM和POS投资(2008)[16]29-35、资产市场份额、GDP增长率和全社会固定资产投资增长率(2009)[17]93-104、进出口总额和货币供应量(2012)[18]101-106以及管制变革和适度开放(2014)[19]57-68等；负面抑制的有资产费用率、消费者价格指数和全部国有及规模以上非国有工业企业销售收入利润增长率(2009)[17]93-104、战略引资和市场集中度(2011)[20]135-157、利率市场化(2015)[21]50-62以及市场结构和所有权结构不合理(2014)[19]57-68等。而对其收敛检验得出的结论是：商业银行[22]30-34[23]146-159、中小银行(2014)[24]63-79、农村商业银行(2015)[25]71-79等全要素生产率均存在一致的收敛特征。从银行业延伸到对整个金融业全要素生产率的把握，现有金融业全要素生产率的研究如下：戴伟和张雪芳(2015)[26]97-101得出我国金融业效率整体偏低，金融业全要素生产率总体呈现出下降的态势。刘飞(2007)[27]6-9和马正兵(2015)[28]62-70进一步从区域(东、中和西部)的角度得出东部的金融业全要素生产率较好而中西部较差的结论。受市场化改革的启发，吕健(2013)[29]64-80对市场化与金融业全要素生产率关系进行了论证，得出结论是：除2002年-2006年以外，其他考察期间的市场化对金融业全要素生产率的提升均有促进作用，并将技术效率作为两者的传导路径。因此，综上所述，金融业全要素生产率提升对金融业的发展具有重要的现实意义。

通过对已有相关文献的回顾与梳理，不难发现有关金融业全要素生产率的研究更多地集中于商业银行方面，而针对金融业整体的研究却是屈指可数。其中，包括戴伟和张雪芳(2015)[26]97-101、刘飞(2007)[27]6-9、马正兵(2015)[28]62-70、吕健(2013)[29]64-80等学者对金融业整体的全要素生产率研究也更多地局限于对其省级层面的估算和评价，其考察区间段也相对较短。而对于探讨各因素是如何影响金融业全要素生产率的提高，以及地区间金融业全要素生产率增长的未来趋势特征，似乎并没有给出满意的答案。基于此背景下，笔者尝试寻找上面问题的答案，先是对中国2000年-2014年31个省(市、自治区)的金融业全要素生产率进行估算和评价；其次，从影响因素的角度探讨其增长状况的差异性；最后，依据其增长的趋势特征进行相关的收敛性检验。以期为新常态下提高金融业全要素生产率服务实体经济效率建言献策。

二、中国金融业全要素生产率的估算

(一)变量选择与数据说明

针对使用DEA-Malmquist指数方法测算金融业全要素生产率，关键就是对其投入与产出指标的选择，若指标选择不恰当，就会严重影响其测算结果。本文借鉴张健华(2003)[30]11-25、郑录军和曹廷求(2005)[31]91-101、粟芳和初立苹(2015)[32]150-162等人对商业银行效率的研究，并结合中国金融业自身发展的特点，将金融业从业人员作为劳动投入，而资本投入根据以往的行业全要素生产率研究，都是采用固定资产投资来衡量，但金融业的发展并不单纯依靠固定资本投入，还应考虑其他资金投入。存款可以反映一个地区的金融资源，但作为银行的负债业务并不适合作为资本投入；贷款作为银行的主要资产，既是金融机构的主要盈利来源，又可以直接反映地区货币投放规模，所以考虑将贷款作为资金投入比较恰当[33]94-101[34]105-114。综合以上，本文将金融业固定资产投资(2012)[35]48-56和贷款量作为资本投入。对于产出指标选择，借鉴已有文献研究的思考[26]97-101[28]62-70[36]91-97，并考虑涵盖银行、保险和证券等总体产出的综合反映，这里拟选取金融业增加值(亿元)作为产出指标变量。鉴于价格变化对研究结果可能会造成的分析偏差，先将各地区金融业增加值指数转换为以1998年为基期的价格指数，再对各地区金融业增加值的相关数据进行价格平减，使得研究更具可比性和精准性。以上数据均来源于2000年-2015年的《中国金融年鉴》、《中国统计年鉴》及各省、市统计年鉴、国民经济和社会发展统计公报、国家统计局网站等。

(二)测算结果分析

从图1可以看出，在2001年-2014年，中国金融业全要素生产率增长状况并未出现持续的上升或下降，整个考察区间的全要素生产率指数均大于1，说明我国金融业整体状况发展得不错。但随着内在自身发展束缚和外在经济下行等诸多因素的困扰，我国现阶段的金融业全要素生产率总体增长趋势有所回落，这也验证了我国金融发展模式并没有得到“质量”的提升和完善，一直以扩大规模为主的粗放型经营模式占据半壁江山的局面没有改变，这也是近年来中央政府全面深化金融改革、提升金融新活力的原因所在。金融业全要素生产率又进一步分解成金融业技术进步和技术效率，其理论上是由两者共同驱动促进增长的结果。但图1所示的金融业技术进步与技术效率的走势并没有同金融业全要素生产率完全保持一致的趋势，在某些年份依然会存在失衡的“体征”，两者的二维动态作用显现乏力。但是金融业全要素生产率的内在决定作用有所改变，由前期的技术效率转变为后期的技术进步，可谓是发展态势良好。因此，提升金融业全要素生产率是实现新常态下金融可持续发展的必然归宿。

图1 中国金融业全要素生产率及其构成趋势图

图2 全国及各地区金融业全要素生产率变化趋势图

鉴于完善上述分析的全面性和透彻性，本文进一步从地区角度来探讨金融业全要素生产率的发展状况(图2)。在整个考察期内，2001年-2005年各地区的金融业全要素生产率波动及差异较大，这也体现了我国金融改革初期的地区适应程度不同的反馈效果，其他区间大致呈平稳状态。其中，2001年-2005年，东部和中部地区金融业全要素生产率变化较大，西部地区基本与全国走势趋于一致性；继2006年-2007年，东部、中部和西部地区与全国增长趋势收敛为一致性；到2008年-2012年，西部地区受国家政策扶持效果作用明显，给予了该地区较好的金融发展环境，其金融业全要素生产率得到了有效的提升空间，整体情况要好于东部和中部地区；2012年之后，受全球经济再次衰退负面环境的冲击，金融业发展也不免陷入“阴霾”的窘态，东部地区因得益于短期有效金融结构的调整，故该地区的金融业全要素生产率状况要好于中西部地区，但各地区在向全国靠拢的态势不可阻挡。因此，地区的金融业全要素生产率的高低，不应该停留在完全依赖于经济发达和落后的感官认识，应该设身处地的从各地区的金融发展环境出发，切勿盲目导向引流，树立正确的金融发展观念，实现金融业全要素生产率全面、高效的质量提升。

三、中国金融业全要素生产率影响因素分析

(一) 变量选择与模型设定

鉴于上述对金融业全要素生产率估算及评价分析完成的基础上，本文进一步采用各因素对金融业全要素生产率的影响进行实证分析，并综合已有的文献研究，拟选择指标如下：

对外开放程度(DO)：各地区进出口总额与GDP的比值。

经济发展水平(LE)：取各地区人均可支配收入的自然对数作为经济发展程度。

政府干预程度(DG)：各地区财政支出与GDP的比值。

城镇化水平(LU)：各地区城镇人口与总人口的比值。

社会消费水平(LC)：取各地区人均消费性支出的自然对数作为社会消费程度。

市场化程度(MT)：这里主要采用樊纲等(2011)[37]265-266测算的市场化指数来表示各地区市场的发展程度。限于现有市场化指数数据只有2000年-2009年的，笔者基于已有市场化指数得分数据运用回归方法得到外插值2010年-2014年的数据。

以上数据均来源于2002年-2015年的《中国统计年鉴》、各省(市、自治区)《统计年鉴》及国民经济和社会发展统计公报、国家统计局网站等。

考虑影响因素对中国金融业全要素生产率的影响也是一个动态的过程，本文将建立如下回归模型：

TFPit=λ0+γ0TFPit-1+φ1DOit+φ2LEit+φ3DGit+φ4LUit+φ5LCit+φ6MTit+φit

(1)

EFFCHit=λ0+γ0EFFCHit-1+φ1DOit+φ2LEit+φ3DGit+φ4LUit+φ5LCit+φ6MTit+φit

(2)

TECHit=λ0+γ0TECHit-1+φ1DOit+φ2LEit+φ3DGit+φ4LUit+φ5LCit+φ6MTit+φit

(3)

(二) 描述性统计

从表1可以发现，金融业全要素生产率(TFP)的最大值为5.8320，最小值为0.1050，说明各地区的金融业发展差距较大。进一步观察金融业全要素生产率构成要素的技术效率(EFFCH)和技术进步(TECH)指标，技术效率变化较大，而技术进步变化较小，说明我国金融业全要素生产率的提高在技术进步方面有待于加强。解释变量：经济发展水平、城镇化水平和社会消费水平的最大值和最小值之间并没有表现出较大的差距性，说明了这几方面在地区间的发展差异上在不断缩小；而对外开放程度、政府干预程度和市场化程度却表现出较大的地区间差距，这里也在提示政府对于薄弱地区应该给予相关强度的政策扶持，包括加大招商引资力度、继续简政放权、加快市场化改革和激发市场活力等。

表1 主要变量描述性统计

注：数值保留小数点后四位，四舍五入

(三)实证分析

本文采用SYS-GMM方法对上面述模型(1)、(2)和(3)分别进行回归，得到的估计结果如表2所示。结论如下所述。

表2 影响因素估计结果

注：*、**、***分别表示在10%、5%、1%的水平上显著；括号内为T统计概率值

对外开放程度(DO)：对外开放程度的系数为-0.4052，并在10%的显著水平上，说明对外开放进程对金融业全要素的提高起到了抑制作用。进一步从其分解要素来看，对外开放促进金融业技术进步的提高，却抑制其技术效率的改善。其原因是：对外开放的加快带来了我国广度的经济增长繁荣，促进了贸易自由化、汇率改革以及利率市场化等，但是其隐藏的负面冲击效应也不小，外资金融企业进入对国内金融资源的掠夺，干扰国内金融市场秩序，阻碍了国内金融的良性发展。

经济发展水平(LE)：经济发展水平的系数为4.5758，并在1%的显著水平上，体现了经济增长与金融发展的内生互动性，说明经济发展对金融业全要素的提高具有显著的促进作用。进一步从其分解要素来看，经济发展促进金融业技术进步的提高，却抑制其技术效率的改善。其原因是：金融作为现代经济增长的核心，金融发展动力促进经济增长，而经济增长反作用力金融业的发展，两者的互动作用缺一不可。

政府干预程度(DG)：政府干预系数为0.2489，并在10%显著水平上，说明政府干预对金融业全要素生产率的提高具有显著地促进作用。进一步从其分解要素来看，政府干预促进金融业技术效率的改善，却抑制其技术进步的提高。其原因是：政府给予当下金融发展需要所提供的相关政策，对于金融业的瓶颈发展无异于雪中送炭，使金融业获得了新的活力和动力，包括国家的货币政策调控、普惠金融和政策性金融等多项措施。

城镇化水平(LU)：城镇化水平的系数为1.5861，并在1%的显著水平上，说明提高城镇化水平对金融业全要素生产率的提高具有显著的促进作用。进一步从其构成分解要素来看，城镇化水平促进金融业技术效率的改善，却抑制其技术进步的提高。其原因是：继续推进城镇化进程仍然是国家肩负的历史使命，一个国家的城镇化水平越高，意味着经济发展水平越发达。近些年，中国也在不断地努力推进这项使命的完成，城镇化水平也在逐渐提高，相关的金融行业也得到了潜在的发展福利，改善了金融发展的生态环境，促进金融业效率的提高。

社会消费水平(LC)：社会消费水平的系数为-5.6872，并在1%的显著水平上，说明社会消费水平对金融业全要素生产率的提高具有显著的抑制作用。进一步从其分解要素来看，提高社会消费水平、促进金融业技术效率的改善，却抑制其技术进步的提高。其原因是：居民收入差距与社会消费水平大体是成反比例关系的，随着地区间的居民收入差距不断扩大，社会消费水平的消极效应也表现得越来越明显，弱化了人们对于金融创新产品的强烈需求，惯性储蓄的思想依然禁锢，这就导致了当前金融供给与社会消费水平发展的失衡。

市场化程度(MT)：市场化系数为0.1910，并在1%的显著水平上，说明市场化对金融业全要素生产率的提高具有显著的促进作用。这点同吕健(2013)[29]64-80的研究结论不谋而合。进一步从其分解要素来看，市场化对金融业的技术效率和技术进步均有所抑制。其原因是：市场化对地区金融发展至关重要，地区的市场化开放程度越早，相应的资本市场融资能力越强，人们的金融观念越强烈，其金融业发展得越好。

综上所述，国家应该给予各影响因素的合理性调节和调控，创造适合金融业发展的有力软环境建设，实现金融创新的内部驱动活力，努力提升金融业全要素生产率。

四、中国金融业全要素生产率收敛性分析

(一)中国金融业全要素生产率趋势特征

从图3可以看出，在2002年-2014年，全国及各地区的金融业TFP增长率并未出现持续的攀升或回落。其中，全国金融业TFP增长率分别在2008年和2012年出现负增长，东部地区金融业TFP增长率分别在2004年、2008年和2011年出现负增长，中部地区金融业TFP增长率分别在2003年、2008年、2012年和2013年出现负增长，西部地区金融业TFP增长率分别2002年、2006年和2012年出现负增长。全国及各地区金融业TFP增长率出现涨幅最明显的是在2006年和2010年，其东部和西部地区也分别作为2006年和2010年增速最快的两个地区。从上面的分析不难发现，出现负增长的年份主要集中在2008年和2012年，其中，2008年主要受美国爆发次贷危机所带来的“余震效应”和2012年全球经济再次陷入衰退，这些都严重地冲击了正常的金融演进秩序，对国内金融业整体发展造成了直接或间接的负面影响，对当前深化金融改革提出了更高的挑战；而2006年中国金融业受惠于股权分置改革、汇率改革以及国有商业银行的股改与上市等诸多方面的利好效应，促使金融业发展出现了一次井喷式的短暂繁荣。进一步从地区的金融业TFP增长与波动幅度看，东部地区增长最快且波动幅度较大，中部地区增长缓慢且较稳定，西部地区的状况介于两者之间。

图3 中国金融业全要素生产率的增长趋势图

东、中和西部地区金融业TFP的增长走势基本与全国保持一致，但地区间却呈现较大的差异(表3)，那么这种差异会随着时间推移而缩小吗？各地区的收敛模式又有何不同？故此，本文将进一步对各地区的金融业全要素生产率的增长进行相关的收敛性检验。

按照新古典经济增长理论，会存在这样一种形式，经济比较发达的地区受其资本投入报酬存在边际递减规律的束缚而将增长的速度拉慢，并逐渐与欠发达的地区的增长速度缩小差距，这种差距会随着时间的推移最终趋同于一个平衡增长路径，经济理论把这种现象称为经济增长的收敛(Barro & Sala-i-Martin，1991[38]223-251；Mankiw et al.，1992[39]407-437)。他们把收敛现象分为两类：一类是σ收敛；二类是β收敛，按照经济体收敛的稳态是否相同，β收敛又分为绝对β收敛和条件β收敛。

(二)σ收敛检验

借鉴以往的研究经验，本文使用标准差和变异系数来检验金融业全要素生产率是否存在σ收敛。其中，

根据以上公式，我们计算金融业TFP从2001年-2014年标准差和变异系数(图4)。图4(上)和图4(下)的变化趋势基本一致，在2001年-2006年区间，全国及各地区金融业TFP呈现了两次较大的波动，分别在2001年-2002年和2004年-2005年呈现发散，尤其是在2005年末受其股权分置改革措施的影响，金融业TFP的攀升创下历史新高；在2007年-2014年，除2008年-2009年和2013年-2014年呈现短暂发散以外，其他区间基本保持在收敛状态。因此，从上面的分析得出，对于各地区金融业TFP的收敛性准确把握仍然值得商榷，故采用β收敛方法对我国金融业TFP的收敛性进一步检验。

图4 金融业全要素生产率标准差(上)和变异系数(下)变化趋势图

(三)β收敛检验

1.绝对β收敛检验

金融业全要素生产率增长较差的中西部地区是否会赶上东部呢？以及最终三个地区是否会趋同于一条平衡的增长路径？绝对β收敛检验帮助我们回答了上面的问题。借鉴Barro & Sala-i-Martin(1991)[38]223-251的研究框架，将绝对β收敛的检验方程形式设置为：

ln(TFPi,t+T/TFPi,t)/T

=α+βlnTFPi,t+μi,t

(4)

其中，TFPi,t、TFPi,t+T分别表示各地区在t期、t+T期的金融业TFP增长率，T为观察期时间跨度，α为常数项，β为收敛系数，ui,t为随机扰动项。若β值为负值，则表明存在绝对β收敛。

通过回归结果得出东部条件β收敛回归系数为-0.2703，中部条件β收敛回归系数为-0.3066，西部条件β收敛回归系数为-0.3213，全国条件β收敛回归系数为-0.2768，所有β均通过1%的显著性检验(表3)。可见，全国及各地区金融业TFP均存在绝对β收敛。这表明对于东、中、西部和全国地区而言，若将其经济发展条件趋于一致化后，则各地区之间的金融业TFP会随着时间推移逐渐缩小，较差地区(中西部)的金融业TFP存在追赶较发达地区(东部)的金融业TFP趋势，向一个平衡的增长路径运动，其收敛速度从快到慢依次排序为西部、中部、全国和东部。

表3 中国金融业全要素生产率绝对β收敛检验(OLS回归)

注：*、**、***分别表示在10%、5%、1%的水平上显著；括号内数字为t统计量

2.条件β收敛检验

对于上述绝对β收敛检验的结论，引发我们进一步思考各地区金融业全要素生产率是否又会收敛各自的稳定水平呢？下面我们采用条件β收敛检验回答这个问题。对于条件β收敛检验，一般采用Panel Data固定效应模型，因为它能够设定界面和时间固定效应，并考虑了不同个体有不同的稳态值和自身的稳态值随时间变化而变化。鉴于Panel Data的固定效应项对应着不同地区各自不同的稳态条件，故此舍弃传统加入控制变量的检验方法(Miller & Upadhyay，2002)[40]267-286，再次借鉴Barro & Sala-i-Martin(1991)[38]223-251的研究框架，将条件β收敛的检验方程形式设置为：

ln(TFPi,t+1/TFPi,t)

=α+βlnTFPi,t+μi,t

(5)

其中，TFPi,t、TFPi,t+1分别表示各地区在t期、t+1期的金融业TFP增长率；α为常数项；β为收敛系数；μi,t为随机扰动项。若β值为负值，则表明存在条件β收敛。

通过回归结果得出东部条件β收敛回归系数为-1.1604，中部条件β收敛回归系数为-1.2144，西部条件β收敛回归系数为-1.3624，全国条件β收敛回归系数为-1.2513，所有β均通过1%的显著性检验(表4)。可见，全国及各地区金融业TFP均存在条件β收敛。这意味着上一期各地区的金融业TFP水平越高，其金融业TFP增长幅度会越慢，反之亦然。东、中、西部和全国的金融业TFP会收敛于自身的稳定水平。

综上所述，发现全国各地区金融业TFP变动表现出很强的收敛性。随着时间推移，不同地区的金融业TFP的离散程度明显会减小。各地区的金融业TFP不仅会收敛到自身的稳定水平，不同地区金融业TFP也会收敛到相同的稳定增长速度。这点同金融业的微观主体-银行[22]30-34[23]146-159[24]63-79[25]71-79)和所从属的第三产业[41]52-58全要素生产率的收敛性的结论相同。

表4 中国金融业全要素生产率条件β收敛检验(FE回归)

注：*、**、***分别表示在10%、5%、1%的水平上显著；括号内数字为t统计量

五、结论与政策启示

首先，本文在采用DEA-Malmquist指数法全面、系统地测算了我国2000年-2014年的金融业全要素生产率，并对其进行相关的评价分析。其次，采用SYS-GMM方法，对金融业全要素生产率的影响因素进行了相关实证分析，得出的结论如下：从全要素生产率看，经济发展水平、政府干预、城镇化水平和市场化程度均对其产生显著的促进作用，而对外开放程度和社会消费水平却对其产生显著的抑制作用。从技术效率看，政府干预、城镇化和社会消费水平对其产生显著的促进作用，而对外开放、经济发展水平和市场化却对其产生抑制作用，但市场化不显著。从技术进步看，对外开放和经济发展水平对其产生显著的促进作用，而政府干预、城镇化水平、社会消费水平和市场化却对其产生抑制作用，但政府干预不显著。最后，依据金融业全要素生产率的增长趋势特征，进行了相关的收敛性检验，发现东、中和西部地区的金融业全要素生产率均存在绝对β收敛和条件β收敛。其中，以西部收敛速度最快，中部最慢，说明我国各个地区的金融业全要素生产率都存在各自的稳态水平，并且都收敛于各自的稳定水平。

根据上面实证结论得出如下政策启示：(1)全面深化金融供给体的结构性改革，实现金融功能的优势发挥和金融结构的再平衡，摆脱以扩大规模的粗放型金融增长束缚，着实以提高全要素生产率的质量型金融发展为牵引，全面服务于实体经济的生产建设当中。(2)基于“互联网+”的大数据背景下，通过互联网金融的空间集聚来加强资本市场发展的广度和宽度，使其市场的运作能力和融资能力得到进一步增强，发挥资本市场因金融创新所带来的高杠杆倍增作用，实现资本市场服务实体经济的无缝接轨，提升金融发展对经济增长的贡献度。(3)国家针对地区金融业的发展政策也应该依据量体裁衣的原则，对中西部发展薄弱地区要加大对金融发展软硬环境的建设，而相对于较发达的东部也要适当给予其良性发展的正确导引，实现地区间金融发展的动态平衡，以此全面提高金融业的全要素生产率，实现金融服务于实体经济的高倍效率。

[1]刘世锦：《全要素生产率提升与转型再平衡》，载《宁波经济:三江论坛》2015年第7期。

[2]Tinbergen J..“Professor Douglas’Production Function”，Revue De Linstitut International De Statistique，1942，10(1/2):37-48.

[3]Solow R M..“Technical Change and the Aggregate Production Function”，Review of Economics & Statistics，1957，39(3):312-320.

[4]Nakane M I.，Weintraub D B..“Bank privatization and productivity: Evidence for Brazil”， Journal of Banking & Finance，2004，29(8-9):2259-2289.

[5]Brissimis S N.，Delis M D. and Papanikolaou N I..“ Exploring the nexus between banking sector reform and performance: evidence from newly acceded EU countries”，Journal of Banking & Finance，2008， 32(12):2674-2683.

[6]Ataullah B H A..“Total factor productivity change: An examination of the commercial banking industry in India and Pakistan”，Service Industries Journal，2006，26(2):189-202.

[7]Yasemin K B.，Suleyman D..“The application of data envelopment analysis based Malmquist total factor productivity index: Empirical evidence in Turkish banking sector”，Panoeconomicus，2013， 60(2):139-159.

[8]Fadzlan Sufian..“ Sources of TFP growth in the Malaysian Islamic banking sector”，Service Industries Journal，2009，29(9):1273-1291.

[9]Sufian F.，Habibullah M S..“Banks’Total Factor Productivity growth in a developing economy：Does globalisation matter?”，Journal of International Development，2014，26(6):821-852.

[10]米运生、毛雅娟：《商业银行全要素生产率的时序变迁—基于中国银行的实证分析》，载《河北经贸大学学报》2010年第4期。

[11]蔡跃洲、郭梅军：《我国上市商业银行全要素生产率的实证分析》，载《经济研究》2009年第9期。

[12]张健华、王鹏：《中国银行业广义Malmquist生产率指数研究》，载《经济研究》2010年第8期。

[13]王兵、朱宁：《不良贷款约束下的中国银行业全要素生产率增长研究》，载《经济研究》2011年第5期。

[14]吴江涛：《不良贷款约束下中国商业银行全要素生产率增长研究》，载《统计与决策》2012年第23期。

[15]姜永宏、蒋伟杰：《不良贷款约束下中国上市商业银行全要素生产率研究:基于Luenberger指数的分析》，载《南方经济》2014年第4期。

[16]柯孔林、冯宗宪：《中国商业银行全要素生产率测度及其影响因素分析》，载《商业经济与管理》2008年第9期。

[17]袁晓玲、张宝山：《中国商业银行全要素生产率的影响因素研究——基于DEA模型的Malmquist指数分析》，载《数量经济技术经济研究》2009年第4期。

[18]仲深、王春宇：《中国商业银行全要素生产率及其影响因素的实证研究——基于DEA的Malmquist生产率指数法》，载《技术经济》2012年第1期。

[19]李兴华、秦建群、孙亮：《经营环境、治理结构与商业银行全要素生产率的动态变化》，载《中国工业经济》2014年第1期。

[20]侯晓辉、李婉丽、王青：《所有权、市场势力与中国商业银行的全要素生产率》，载《世界经济》2011年第2期。

[21]何康：《利率市场化有利于改善城市商业银行效率吗——来自中国24家城市商业银行的经验证据》，载《南方经济》2015年第8期。

[22]姜鑫、顾晓安、姚必华：《我国主要商业银行全要素生产率测算及其收敛性分析》，载《中国农业银行武汉培训学院学报》2011年第6期。

[23]柯孔林、冯宗宪：《中国商业银行全要素生产率增长及其收敛性研究——基于GML指数的实证分析》，载《金融研究》2013年第6期。

[24]李广子、刘明磊、李玲：《不良贷款约束下中小银行全要素生产率及其收敛性》，载《金融评论》2014年第3期。

[25]陈伟平、冯宗宪：《不良贷款约束下中国农村商业银行生产率增长及收敛性研究》，载《商业经济与管理》2015年第1期。

[26]戴伟、张雪芳：《我国金融业效率测度及其影响因子的实证研究》，载《华东经济管理》2015年第9期。

[27]刘飞：《基于DEA的区域金融效率评价研究》，载《城市发展研究》2007年第1期。

[28]马正兵：《区域金融业全要素生产率分解及其效率提升策略》，载《西南大学学报(社会科学版)》2015年第5期。

[29]吕健：《市场化与中国金融业全要素生产率——基于省域数据的空间计量分析》，载《中国软科学》2013年第2期。

[30]张健华：《我国商业银行效率研究的DEA方法及1997-2001年效率的实证分析》，载《金融研究》2003年第3期。

[31]郑录军、曹廷求：《我国商业银行效率及其影响因素的实证分析》，载《金融研究》2005年第1期。

[32]粟芳、初立苹：《中国银行业资金使用效率的测度及改进分析》，载《金融研究》2015年第1期。

[33]赵伟、马瑞永：《中国区域金融发展的收敛性、成因及政策建议》，载《中国软科学》2006年第2期。

[34]余玲铮、魏下海：《金融发展加剧了中国收入不平等吗——基于门槛回归模型的证据》，载《财经研究》2012年第1期。

[35]金春雨、韩哲：《中国区域金融业效率非均衡性计量检验》，载《社会科学战线》2012年第3期。

[36]李苍舒：《我国金融业效率的测度及对应分析》，载《统计研究》2014第1期。

[37]樊纲、王小鲁、朱恒鹏：《中国市场化指数. 各省区市场化相对进程2011年度报告》，北京：经济科学出版社2011年版。

[38]Barro R J.，Sala-I-Martin X..“ Convergence”，Papers，1991，36(1):223-251.

[39]Mankiw N G.，D.Romer and D.Weil..“A contribution to the empirics of economic growthe”, Quarterly Journal of Economics，1992，107(2):407-437.

[40]Miller S M.，Upadhyay M P..“ Total factor productivity and the convergence hypothesis”， Journal of Macroeconomics，2002，24(2):267-286.

[41]曹跃群、唐静：《第三产业全要素生产率增长及其收敛性分析》，载《山西财经大学学报》2010年第6期。

责任编辑 胡章成

Research on the Influence Factors and Convergence of Total Factor Productivity of Financial Industry in China——Based on the Provincial Panel Data Analysis

LIN Chun

(SchoolofEconomics,LiaoningUniversity,Shenyang110036,China)

Firstly, this article makes use of the DEA-Malmquist index to calculate the total factor productivity of financial industry in China from 2000 to 2014. Secondly, based on the calculation, an empirical analysis is carried on the influence factors of total factor productivity of financial industry in China. And the conclusion shows that the external factors such as the level of economic development, the government intervention, the level of urbanization and the degree of marketization also have an active role while the degree of opening to the outside world and the level of urbanization play an inhibitory role. Thirdly, according to the characteristics of the trend of the total factor productivity of financial industry, this article, through the convergence test, finds that absolute β convergence and conditional β convergence exist in the total factor productivity of financial industry in the eastern, central and western regions. Finally, the feasible policy implications are put forward according to the empirical conclusions.

financial industry; total factor productivity; influence factor; convergence

林春，辽宁大学经济学院博士生，研究方向为金融发展理论与政策。

国家社科基金(14BJY193)

2016-05-13

F830

A

1671-7023(2016)06-0112-09