中国商业银行生产率提升来源：第一阶段还是第二阶段

尹向飞

(湖南商学院 1.湖南经济改革与发展研究中心 2.经济与贸易学院，湖南 长沙 410205)

一、引言及相关文献回顾

银行效率的提升备受关注，银行业的全要素生产率一直是学术界研究的重点。而银行业务由若干阶段组成，从静态上来看，银行业效率和各阶段效率直接相关(Wang et al.，1997；Seiford et al.，1999)，因此，理论上各银行的全要素生产率变化必定和各阶段的效率变化密切相关。那么，如何从动态的视角建立它们之间的联系？中国商业银行全要素生产率变化主要来自于哪个阶段？各阶段效率变化对全要素生产率的贡献如何？

上述问题的研究具有重要的现实意义，原因如下：第一，银行业对中国的资源配置和经济发展一直起非常重要的作用。这不但体现在银行业在社会融资规模增量占比上，还体现在存量占比上。从中国人民银行公布的2016年1—6月的社会融资规模数据来看，通过银行的融资规模增量占社会总融资规模增量的91.1%，而且截止到2016年6月，通过银行的融资规模存量占社会融资规模存量的84.7%，*通过对中国人民银行网站上的2016年上半年统计数据计算整理得到。因此银行业效率的高低不仅仅影响这个行业的整体效率，还关系到整个经济体系的运行效率，银行业效率的提升，不但能够促进整个金融体系效率的提升，而且通过促进资源的合理配置，提升经济增长质量，推动中国全要素生产率的提升。第二，有助于提高政策的针对性和有效性。银行业全要素生产率的增长必定和银行业务各阶段效率变化有关，因此要提高政策对推动全要素生产率增长的针对性，首先，需要对银行业各阶段效率变化和银行业全要素生产率以及前者对后者的贡献进行测算，挖掘银行业全要素生产率增长中的不足，针对不足提出政策建议，以提高其针对性；其次，同一政策对银行业各阶段效率变化可能都存在影响，对某一阶段效率变化可能存在正影响，但对另一阶段效率变化可能存在负影响，因此，在制定政策时，需要权衡其对各阶段效率变化的影响，进而提高政策的有效性。

既然上述问题的研究具有重要的现实意义，那么如何构建模型，从动态的视角评估银行业各阶段效率变化和全要素生产率之间的关系尤为迫切。然而通过对银行业效率方面的相关文献进行梳理，可以发现相关研究主要存在如下特征：其一，利用SFA及其改进方法测算银行效率或者全要素生产率。如Berger et al.(1997)、Altunbas et al. (2001)、毛洪涛等(2013)、Yao et al. (2009)、刘孟飞等(2015)等利用随机前沿分析法测算了商业银行的利润效率或成本效率；王聪等(2007)、徐传谌等(2007)、郑少锋等(2013)利用SFA方法测算了银行的X效率。SFA模型需要事先假定随机误差项服从特定分布，为了克服这一不足，各种改进分析方法用于测算银行效率，如厚前沿分析法(DeYoung，1997)、自由分布法(Hunter et al.，1991)、递归厚前沿分析法(Wagenvoort et al.，1999)等。其二，利用传统DEA及其改进方法测算银行效率或全要素生产率。需要事先设定生产函数形式，是SFA方法的不足，而DEA方法能够克服这一不足，因此自Sherman et al. (1985)首次利用DEA对银行效率进行测度以来，越来越多的研究运用该方法测算银行效率或全要素生产率，如Maudos et al.(2003)、Färe et al. (1997)、张健华(2003)、杨大强等(2007)等。针对DEA模型存在无法对处于前沿面银行效率进行有效排序、容易受到奇异值的影响等问题，有研究进行改进以测算银行效率或全要素生产率，如超效率DEA(李双杰 等，2014；朱南 等，2004；赵翔，2010)、序列DEA(Park et al.，2006；王兵 等，2011)、全局DEA(Portela et al.，2010；柯孔林 等，2013)、DEA三阶段模型(黄宪 等，2008)等。其三，利用网络DEA模型测算银行效率。传统DEA及其改进将生产过程视为黑箱，仅依据最初投入和最终产出来测算决策单元效率，未涉及生产过程各个阶段的情况，而网络DEA能够在一定程度上解决此问题，因此网络DEA被用于测算银行效率成为当前研究热点，如基于非径向松弛变量的Network DEA模型，Avkiran(2009)测算了阿拉伯联合酋长国的银行业效率；Fukuyama et al.(2010)在网络DEA模型中引入了不良贷款这一“坏”产出变量，对日本银行效率进行测算等。国内相关研究较少，比较有代表性的有黄祎等(2009)、韩松等(2015)、李小胜等(2015)、芦锋等(2012)等。上述文献极大丰富了银行效率以及全要素生产率方面的研究，但是前两类文献将银行的生产过程视为黑箱，仅仅依据银行的最初投入和最终产出来测算银行效率以及全要素生产率，将银行业的经营过程看作一个单一阶段的生产过程，忽略了银行业生产过程具有阶段网络结构特征。第三类研究考虑了银行业生产过程的阶段网络结构特征，多仅从静态视角研究银行效率，虽然可以从各阶段效率的高低来解释整个系统总体效率的高低，但未从动态视角测算银行的全要素生产率；李小胜等(2015)测算了银行业的全要素生产率，但是尚未涉及银行业全要素生产率变动与各阶段效率变化之间的直接联系。因此，如何将银行业全要素生产率变动的“黑箱”打开，构建模型，以分析各个生产子系统效率变动对系统总体效率——全要素生产率变动的影响，具有重要的学术价值。

本文基于Network-DEA和Malmquist指数法，构建模型，建立全要素生产率和第一阶段、第二阶段效率变化之间的直接联系，从技术进步、技术效率改进视角进行分解，并利用2006—2014年13家商业银行数据进行实证研究，通过测算第一阶段、第二阶段各种效率变化和全要素生产率，来分析中国商业银行在提升全要素生产率方面的优势和不足，以期能为相关政策的制定提供理论和实证依据。

二、模型构建与数据来源

(一)模型构建

银行投入产出指标具有无形性、非物质性等特点，已有研究所采用的指标存在一定差异。Fukuyama et al.(2010)把银行生产过程分为两个阶段，劳动力、资金和实物资产为第一阶段投入变量，贷款等作为“好”产出变量，不良贷款作为“坏”产出变量，中间产出变量为第一阶段筹集的资金。Yang et al.(2012)将银行业务分为两个阶段——第一阶段和第二阶段，个人成本、利率和运营成本是第一阶段的投入，存款为第一阶段的产出变量和第二阶段的投入变量，利率收入等为第二阶段的产出变量。芦锋等(2012)将银行业务分为两个阶段，第一阶段包括固定资产净值、员工总人数，产出为存款总额；第二阶段存款总额为投入变量，贷款总额和其他盈利性资产总额为产出变量等。借鉴Fukuyama et al.(2010)等，本文将银行业务分为第一阶段和第二阶段。投入产出指标的界定综合考虑已有研究成果，初始投入指标为固定资产净值IN1、员工人数IN2、银行的股本金IN3，最终产出指标为贷款总额OU1和税前利润OU2，中间变量为存款总额M。银行业务流程图见图1。

图1银行业务流程图

假设有n个决策单元格，借鉴Kao(2009)的思路，对第t期第k个决策单元格，在第t期技术水平下，构建如下效率模型度量该决策单元格当期总体效率：

(1)

设模型(1)的最优解为u*l,v*i,w*(i=1,2；l=1,2,3)，根据上述网络DEA模型投入产出的基本思想，定义第一阶段和第二阶段的静态效率如下：

(2)

(3)

(4)

(5)

显然式(5)和Färe et al. (1994)的定义是相同的，类似Färe et al. (1994)的做法，定义其他三种距离函数，在此基础上定义总体效率、第一阶段效率和第二阶段效率，以t-1期技术水平表示的第k个决策单元格第t期各种效率如下：

(6)

(7)

(8)

以t-1期技术水平表示的第k个决策单元格第t-1期各种效率如下：

(9)

(10)

(11)

以t期技术水平表示的第k个决策单元格第t-1期各种效率如下：

(12)

(13)

(14)

根据Malmquist指数法，考虑到全要素生产率和技术进步、技术效率改进的可加性，本文定义全要素生产率增长率及其分解如下：

(15)

(16)

其中:式(16)第一项表示技术进步，它测度了从t-1时期到t时期生产前沿面的移动，记为TECHk,t；第二项表示技术效率改进，它表示从t-1时期到t时期每个决策单元对前沿面的追赶程度，记为EFFCHk,t。

将式(4)、(8)、(11)和(14)代入式(15)，可以得到：

(17)

式(17)右项的第一项表示第一阶段的效率变化，记为ECH1k,t；第二项表示第二阶段的效率变化，记为ECH2k,t。

将式(4)、(8)、(11)和(14)代入式(16)的第一项，可以得到：

(18)

式(18)右项的第一项测算了第一阶段从t-1时期到t时期生产前沿面的移动，称之为第一阶段技术进步，记为TECH1k,t;第二项测算了第二阶段从t-1时期到t时期生产前沿面的移动，称之为第二阶段技术进步，记为TECH2k,t。

将式(4)、(8)、(11)和(14)代入式(16)的第二项，可以得到：

(19)

式(19)右项的第一项测算了第一阶段从t-1时期到t时期决策单元格向前沿面的追赶程度，称之为第一阶段技术效率改进，记为EFFCH1k,t；第二项测算了第二阶段从t-1时期到t时期决策单元格向前沿面的追赶程度，称之为第二阶段技术效率改进，记为EFFCH2k,t。

综合上述公式，可以得到:

ECH1k,t=TECH1k,t+EFFCH1k,t

(20)

ECH2k,t=TECH2k,t+EFFCH2k,t

(21)

式(20)、(21)表明，各阶段的效率变化等于对应阶段的技术进步和技术效率改进之和，要提高各阶段的效率，可以从对应阶段的技术进步和技术效率改进着手。而全要素生产率是两阶段效率变化之和，要提高全要素生产率，应该从两阶段的技术进步和技术效率着手。

(二)变量及其来源

本文实证研究的时间段为2006—2014年，由于一些银行数据缺失，经过筛选，最后剩下四大国有商业银行和9大股份制银行共13家银行，包括中国工商银行、中国农业银行、中国银行、中国建设银行、交通银行、中信银行、中国民生银行、华夏银行、中国光大银行、招商银行、广发银行、兴业银行、上海浦东发展银行，所有数据均来自于国研网的中国金融统计数据库、EPS统计数据及经济预测数据库，除了银行股本金以外其他指标的定义和芦锋等(2012)相同，股本金利用股本对价格指数平减，转换为以1996年价格表示的股本金。具体见表1。

表1 网络DEA模型所涉及的变量及说明

三、实证分析

将各银行2006—2014年数据代入式(1)～(21)，测算各银行历年各阶段的技术进步、技术效率改进和效率变化以及整个系统的技术进步、技术效率改进和全要素生产率，在此基础上进行后续分析。

(一)银行业层面

以各银行各阶段以及整个系统的各种效率变化的算术平均值作为整个银行业各种效率变化的度量*后续的各种平均效率及其变动都是利用算术平均法计算得到。，最终测算结果见表2。

从表2可以得到：(1)在第一阶段，除了2011年技术进步小于0以外，其他年份技术进步均大于0，是推动第一阶段效率变化的主要原因；2009、2011、2013、2014年第一阶段的技术效率改进为正，其他年份为负，这说明大多数年份中国银行业在第一阶段不存在向前沿面追赶现象，可能归因于中国银行业第一阶段的效率呈扩散变化趋势；除了2008、2011年第一阶段效率变化为负以外，其他年份都为正，说明总的来看，我国银行业的第一阶段效率得到明显提升；2007—2010年、2011—2014年银行第一阶段的技术进步平均分别增长9.24%、-0.68%，但是技术效率改进分别为-3.92%、1.02%，使得银行业第一阶段的效率变化分别为5.32%、0.34%；从整个时间段来看，银行第一阶段效率变化平均为2.83%，呈低速增长趋势。(2)在第二阶段，绝大多数年份的技术进步为负，这说明前沿面不但没有向前移动，反而向后移动；大多数年份技术效率改进为正，说明在第二阶段，中国银行业存在追赶现象；平均技术进步为-2.07%，技术效率改进为0.36%，共同导致阶段二的效率变化为-1.71%；2007—2010年、2011—2014年银行业阶段二技术进步、效率变化呈现下降变化趋势，技术效率改进在2007—2010年为负，2011—2014年为正，这说明应该重点关注银行业第二阶段效率。(3)从整个系统效率来看，由于绝大多数年份第一阶段的技术进步为正，并且大于第二阶段技术进步下降的幅度，因此尽管受到阶段二技术进步下降的拖累，整个系统的技术进步在大多数年份还是为正；尽管大多数年份第二阶段的技术效率改进为正，但是绝大多数年份的第一阶段技术效率改进为负，使得整个系统的技术效率改进呈正增长和负增长的年份各为4个；在整个研究时间段内，平均技术进步为2.20%，技术效率改进为-1.10%，共同推动全要素生产率年均增长1.10%。

表2 银行业层面各阶段和整个系统各种效率变化(单位：%)

(二)四大国有银行和其他股份制银行的比较

本文将所研究的13个银行分为两类——四大国有商业银行和九大股份制银行，然后对这两类银行的各种效率指标以及效率变化指标进行比较。

表3 两类银行各阶段的静态效率比较

两类银行的静态效率比较见表3。首先，从不同阶段对国有商业银行和股份制银行之间的静态效率进行比较。可以看到，不管是第一阶段还是第二阶段，股份制银行历年都高于四大国有银行，并且它们之间的差距在第一阶段比第二阶段更为明显。在第一阶段，四大国有银行平均静态效率较低，在0.4～0.52之间波动，而股份制银行静态效率在0.75～0.95之间波动。在第二阶段，四大国有银行静态效率在0.8～0.93之间波动，股份制银行静态效率保持在0.9以上。四大国有商业银行和股份制银行各阶段静态效率相差不大。其次，对同类银行不同阶段静态效率进行比较。不管是四大国有商业银行还是股份制银行，第一阶段的静态效率都低于第二阶段的静态效率，这说明中国银行业提升整体效率的主要障碍在于第一阶段。

四大国有商业银行和股份制银行的各种效率变化差距比较见图2。图2A汇报了第一阶段两类银行各种效率变化差距*利用四大国有商业银行的各种效率指标减去股份制银行对应的各种效率指标。下同。，可以看出，两类银行效率变化差距有6年大于0，2年小于0，平均效率变化差距为3.67%，这说明四大国有商业银行第一阶段效率增长速度快于股份制银行，考虑到四大国有商业银行第一阶段静态效率低于股份制银行，因此，第一阶段效率差距呈缩小变化趋势；2012年之前，TECH1差距基本上位于EFFCH1差距上方，是导致ECH1差距的主要原因；2013—2014年TECH1差距位于EFFCH1差距下方，EFFCH1差距是导致ECH1差距的主要原因；从平均来看，TECH1差距为2.91%，是导致这两类银行效率变化差距的主要原因。图2B汇报了第二阶段两类银行各种效率变化差距，大多数年份的ECH2差距小于0，平均值为-2.77%，考虑到四大国有商业银行在第二阶段静态效率小于股份制银行，因此在第二阶段它们之间效率差距呈扩大变化趋势；大多数年份TECH2差距曲线位于EFFCH2差距曲线下方，其平均值为-2.58%，是导致ECH2差距小于0的主要原因。图2C从整个系统的角度汇报了两类银行全要素生产率变化差距、技术效率改进差距和技术进步差距的变化趋势，可以看出，技术进步差距和技术效率改进差距波动较为剧烈，并且方向基本相反，从而导致TFPCH差距变化比较平缓，技术进步差距平均为-0.61%，技术效率改进差距为1.51%，导致全要素生产率差距为0.9%，考虑到四大国有商业银行综合效率低于股份制银行，因此TFPCH差距呈缩小趋势。图2D汇报了两类银行两阶段效率变化差距和全要素生产率差距变化趋势，可以看出，除了2010和2014年ECH1差距小于0以外，其他年份均大于0，是推动TFPCH差距的主要原因，而ECH2差距则相反。

A

B

C

D

(三)各银行的静态效率和动态效率变化

银行各阶段静态效率和综合静态效率见表4。可以看出，在第一阶段，效率最低的银行全是国有商业银行，分别为中国农业银行、中国银行和中国工商银行，静态效率分别为0.384、0.468和0.530，最高的三家银行分别为上海浦东发展银行、兴业银行和中信银行，静态效率分别为1.000、0.977和0.910。在第二阶段，招商银行、兴业银行和中国民生银行静态效率排行前三，分别为0.989、0.974和0.972；中国农业银行、中国工商银行、华夏银行效率最低，分别为0.733、0.867和0.877。从整个系统来看，由于中国农业银行两个阶段静态效率排行都在倒数第一位，使得综合效率排行最末，仅为0.285；兴业银行、上海浦东发展银行和中信银行排行前三，分别为0.951、0.926和0.874。

表4 银行各阶段静态效率和综合静态效率

表5汇报了各银行各阶段的各种平均效率变化。在第一阶段，除了中国交通银行、中国工商银行的平均技术效率改进分别为5.94%、2.99%以外，其他银行的技术效率改进都小于0；而所有银行的技术进步均大于0，其中9家银行技术进步增长幅度大于技术效率改进下降速度，使得这9家银行的第一阶段效率变化大于0，说明这9家银行第一阶段效率是提升的；包括招商银行、中国民生银行、中国光大银行在内的4家银行技术进步增长幅度小于技术效率改进下降速度，使得这4家银行的第一阶段效率变化小于0，在第一阶段效率是下降的。在第二阶段，9家银行的技术效率改进是正的，技术进步、效率变化为正和为负的银行数量大致相等；第二阶段效率变化最低的3个银行分别为交通银行、中国工商银行和中国农业银行，平均增长率分别为-8.34%、-5.92%、-5.51%，效率变化最高的3个银行分别为中国光大银行、中国民生银行和广发银行，平均增长率分别为2.48%、2.04%和1.76%。从整个系统来看，由于大多数银行第一阶段的技术进步上升幅度大于第二阶段技术进步下降幅度，因此整个系统的技术进步大于0，技术效率改进则相反，大多数银行的技术效率改进小于0；除了上海浦东发展银行以外，其他银行的全要素生产率都大于0，其中交通银行、中国工商银行和招商银行的全要素生产率增长最快，增长率分别为3.44%、2.56%和1.45%；全要素生产率增长最慢的3个银行分别为上海浦东发展银行、兴业银行和中国光大银行，增长率分别为-0.31%、0.25%和0.44%。第一阶段和第二阶段效率实现双增长的银行仅有中信银行，这说明绝大多数银行没有坚持两手都要抓、两手都要硬，存在一手硬、一手软的现象。

表5 各银行各种效率变化指数(单位：%)

以上仅仅从静态分析各银行各阶段的效率或者从动态分析了各银行各阶段的效率变化，然而，同时分析各银行的静态效率水平与动态生产率变化，会更有意义(张少华 等，2014)。借鉴张少华等(2014)的做法，以各银行的动态效率变化和静态效率的平均值为分界点，将各银行分为低于平均值的L组和高于平均值的H组，分别构建第一阶段、第二阶段以及整个系统的效率—效率变化矩阵，并将各银行分别归入下述四个方阵: 处于第一方阵(表示为H/H) 的是动态效率变化及静态效率均高于平均水平的银行，表明该银行不仅增长速度快，而且当前静态效率也较高；处于第二方阵( 即L/H 组) 的银行表示其静态效率低于平均水平，而动态效率变化高于平均水平，尽管这些银行目前位势在银行业中处于中后水平，但是由于动态效率增长速度较快，其未来增长潜力不可小觑；处于第三方阵( 即H/L组) 的银行表示其静态效率高于平均水平，而动态效率变化低于平均水平，说明尽管这类银行当前位势较高，但是由于效率增长速度较慢，其将面临被其他银行赶超的风险；处于第四方阵( 即L/L组) 的银行表示其静态效率及动态效率变化均低于平均水平，该类银行的相对位势不仅较低，而且没有增长潜力。

从表6可以看出，没有1家银行的第一阶段、第二阶段和整个系统的动态效率和静态效率全部处于平均水平以上，也没有一家银行都处于平均水平以下。中信银行、中国民生银行、中国光大银行、广发银行尽管很多指标处于H组，第一阶段静态效率处于H组(招商银行除外)，但是第一阶段动态效率处于L组，使得整个系统的动态效率处于L组，这说明这几家银行在第一阶段和整个系统方面都存在被其他银行赶超的风险，这些银行应该在第一阶段进行改革，以促进整个系统效率的提升。尽管中国工商银行、中国建设银行的静态效率指标都低于平均值，但是第一阶段的动态效率指标都高于平均值，使得整个系统的动态效率高于平均值，说明这两家银行在第一阶段和整个系统效率方面存在后来居上的趋势。兴业银行、上海浦东发展银行在第二阶段动态效率处于劣势，中国农业银行在第二阶段和整个系统的动态效率和静态效率都处于劣势，中国银行在第一阶段和整个系统的动态效率和静态效率都处于劣势。各银行的综合效率、第一阶段效率与第二阶段效率在H/H组与L/L组出现“扎堆”现象，说明各银行在第一阶段和第二阶段表现出“强者恒强、弱者恒弱”的态势。

表6 各银行静态效率和动态效率变化情况

四、结论

鉴于传统的全要素生产率测算和分解方法，不能打开全要素生产率增长的黑箱，因此，本文基于Network DEA和Malmquist指数法，构建Network-DEA-Malmquist效率测算模型，将银行业全要素生产率分解为第一阶段的效率变化和第二阶段的效率变化，而将系统的技术进步分解为两个阶段技术进步之和，将系统的技术效率改进分解为两个阶段的技术效率改进。基于中国四大国有商业银行和9家股份制银行2006—2014年数据的实证结果表明：

(1)银行业全要素生产率以年均1.1%的速度增长，而其主要推动力来自于第一阶段的效率变化和第一阶段的技术进步，而第二阶段的技术进步和效率变化是抑制全要素生产率增长的主要阻力，因此，应对银行业第二阶段需要加大改革力度，制定强有力的措施，推动第二阶段效率的提升，以提高银行业的整体运行质量。

(2)通过对四大国有商业银行和股份制银行的静态效率比较，可以看到，股份制银行在第一阶段和第二阶段两方面效率都高于四大国有商业银行，在第一阶段优势更为明显；各银行提升整体效率的主要障碍来自于第一阶段。第一阶段四大国有银行和股份制银行之间效率差距呈缩小变化趋势。在第二阶段，两类银行效率差距呈扩大变化趋势，其中技术进步是主要原因。从整体效率来看，这两类银行整体效率差距呈缩小变化趋势。

(3)从各银行动态效率和静态效率来看，四大国有商业银行低于股份制银行，但是同时从静态效率水平与动态生产率变化的银行分组来看，各银行都存在自己的优点和不足；TFP以及两个阶段效率在银行之间呈现出“强者恒强、弱者恒弱”的变化趋势。

上述理论研究和实证结果为我国银行业改革政策的制定提供了重要的理论和实证依据，而本文的Network-DEA-Malmquist指数模型也可应用于类似经济系统全要素生产率的测算及其分解。

参考文献：

韩松，王二明. 2015. 中国商业银行整体效率研究：基于具有中间投入和中间产出的综合网络DEA模型[J]. 经济理论与经济管理(8):81-91.

黄宪，余丹，杨柳. 2008. 我国商业银行X效率研究：基于DEA三阶段模型的实证分析[J]. 数量经济技术经济研究(7):80-91.

黄祎，葛虹，冯英浚. 2009. 基于链形系统的关联网络DEA模型：以我国14家商业银行为例[J]. 系统工程理论与实践(5):106-114.

柯孔林，冯宗宪. 2013. 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[J]. 金融研究(6):146-159.

李双杰，高岩. 2014. 银行效率实证研究的投入产出指标选择[J]. 数量经济技术经济研究(4):130-144.

李小胜，张焕明. 2015. 中国上市银行效率与全要素生产率再研究：基于两阶段网络方向性距离SBM模型的实证分析[J]. 财经研究(9):79-95.

刘孟飞，王军. 2015. 系统性风险约束下的商业银行成本、利润效率比较研究[J]. 中国管理科学(12):27-34.

芦锋，刘维奇，史金凤. 2012. 我国商业银行效率研究：基于储蓄新视角下的网络DEA方法[J]. 中国软科学(2):174-184.

毛洪涛，何熙琼，张福华. 2013. 转型经济体制下我国商业银行改革对银行效率的影响：来自1999—2010年的经验证据[J]. 金融研究(12):16-29.

王兵，朱宁. 2011. 不良贷款约束下的中国银行业全要素生产率增长研究[J]. 经济研究(5):110-130.

王聪，谭政勋. 2007. 我国商业银行效率结构研究[J]. 经济研究(7):110-123.

徐传谌，齐树天. 2007. 中国商业银行X-效率实证研究[J]. 经济研究(3):106-116.

杨大强，张爱武. 2007. 1996—2005年中国商业银行的效率评价：基于成本效率和利润效率的实证分析[J]. 金融研究(12):102-112.

张健华. 2003. 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[J]. 金融研究(3):11-25.

张少华，蒋伟杰. 2014. 中国全要素生产率的再测度与分解[J]. 统计研究(3)：54-60.

赵翔. 2010. 银行分支机构效率测度及影响因素分析：基于超效率DEA与Tobit模型的实证研究[J]. 经济科学(1):85-96.

郑少锋，尹小蒙. 2013. 基于X效率角度的我国商业银行多元化分析[J]. 数量经济技术经济研究(7):81-97.

朱南，卓贤，董屹. 2004. 关于我国国有商业银行效率的实证分析与改革策略[J]. 管理世界(2):18-26.

ALTUNBAS Y, CHAKRAVARTY S P. 2001. Frontier cost functions and bank efficiency [J]. Economics Letters, 72(2):233-240.

AVKIRAN N. 2009. Opening the black box of efficiency analysis: an illustration with UAE banks [J]. Omega, 37(4):930-941.

BERGER A N, DEYOUNG R. 1997. Problem loans and cost efficiency in commercial banks [J]. Journal of Banking and Finance, 21(6):849-870.

DEYOUNG R. 1997. Bank mergers, X-efficiency, and the market for corporate control [J]. Managerial Finance, 23(1):32-47.

FUKUYAMA H, WEBER W L. 2010. A slacks-based inefficiency measure for a two-stage system with bad outputs [J]. Omega, 38(5):398-409.

HUNTER W C, TIMMER S G. 1991. Technological change in large U.S. commercial banks [J]. The Journal of Business, 64(3):339-362.

KAO C. 2009. Efficiency decomposition in network data envelopment analysis: a relational model [J]. European Journal of Operational Research, 192(3):561-572.

MAUDOS J, PASTOR J M. 2003. Cost and profit efficiency in the Spanish banking sector (1985-1996): a non-parametric approach [J]. Applied Financial Economics, 13(1):1-12.

PARK K H, WEBER W L. 2006. A note on efficiency and productivity growth in the Korean banking industry, 1992-2002 [J]. Journal of Banking and Finance, 30(8):2371-2386.

PORTELA M, THANASSOULIS E. 2010. Malmquist-type indices in the presence of negative data: an application to bank branches [J]. Journal of Banking and Finance, 34(7):1472-1483.

SEIFORD L M, ZHU J. 1999. Profitability and marketability of the top 55 U.S. commercial banks [J]. Management Science, 45(9):1270-1288.

SHENMAN H D, GOLD F. 1985. Bank branch operating efficiency: evaluation with data envelopment analysis [J]. Journal of Banking and Finance, 30(2):297-315.

WAGENVOORT R, SCHURE P. 1999. The recursive thick frontier approach to estimating efficiency [J]. Economic and Financial Reports, 68(2):183-201.

WANG C H, GOPAL R, ZIONTS S. 1997. Use of data envelopment analysis in assessing information technology impact on firm performance [Z]. Annals of Operations Research, 73:191-213.

YANG C, LIU H. 2012. Managerial efficiency in Taiwan bank branches: a network DEA [J]. Economic Modeling, 29(2):450-461.

YAO S J, JIANG C X, ZHANG Z Y. 2009. The effect of governance changes on bank efficiency in China: a stochastic distance function approach [J]. China Economic Review, 20(2):183-192.