姚鳳閣，路少朋，李福新

(哈爾濱商業(yè)大學(xué) a.商業(yè)經(jīng)濟(jì)研究院； b.金融學(xué)院，哈爾濱150028)

金融理論與實(shí)務(wù)

銀行全要素生產(chǎn)率研究：歷史脈絡(luò)與邏輯演進(jìn)

姚鳳閣a，路少朋b，李福新b

(哈爾濱商業(yè)大學(xué) a.商業(yè)經(jīng)濟(jì)研究院； b.金融學(xué)院，哈爾濱150028)

全要素生產(chǎn)率作為評(píng)價(jià)銀行競(jìng)爭(zhēng)力的重要方面是當(dāng)前的一個(gè)研究熱點(diǎn)。在梳理銀行全要素生產(chǎn)率相關(guān)研究文獻(xiàn)的基礎(chǔ)上，首先從理論和方法論兩個(gè)方面對(duì)全要素生產(chǎn)率研究進(jìn)行評(píng)述。其次，圍繞測(cè)度方法、實(shí)證要點(diǎn)以及結(jié)果分析三個(gè)方面對(duì)全要素生產(chǎn)率在銀行領(lǐng)域的應(yīng)用研究進(jìn)行梳理。最后，以樣本數(shù)據(jù)、指標(biāo)選取和測(cè)度方法為切入點(diǎn)對(duì)研究的發(fā)展趨勢(shì)進(jìn)行展望。通過(guò)文獻(xiàn)梳理，提供已有研究的思路，為未來(lái)銀行全要素生產(chǎn)率的研究拓展空間。

銀行；全要素生產(chǎn)率；參數(shù)法；非參數(shù)法

一、引 言

生產(chǎn)率作為一個(gè)重要的經(jīng)濟(jì)概念是指投入與產(chǎn)出的比率(肯德里克，1961)[1]，反映了單位投入的產(chǎn)出效率，而全要素生產(chǎn)率(Total Factor Productivity，TFP)是指總產(chǎn)量與全部要素投入量的構(gòu)成比例(索洛，1957)，它表示勞動(dòng)、資本等投入資源的開(kāi)發(fā)利用效率[2]。

由于健全高效的銀行系統(tǒng)是政府進(jìn)行有效宏觀調(diào)控的重要支撐和基礎(chǔ)[3]，在世界經(jīng)濟(jì)仍將延續(xù)疲弱復(fù)蘇態(tài)勢(shì)這一宏觀環(huán)境下，提高銀行競(jìng)爭(zhēng)力已成為實(shí)現(xiàn)國(guó)家經(jīng)濟(jì)增長(zhǎng)的重要手段。自改革開(kāi)放以來(lái)，隨著經(jīng)濟(jì)、金融體制改革的不斷深化，我國(guó)銀行業(yè)也歷經(jīng)了深刻的變革，從注資、剝離銀行不良資產(chǎn)，到股份制改造、銀行上市再到逐步對(duì)外開(kāi)放金融市場(chǎng)，其目的就在于提高我國(guó)銀行的國(guó)際競(jìng)爭(zhēng)力。當(dāng)前，粗放的經(jīng)營(yíng)擴(kuò)張模式已不能滿足銀行提高自身實(shí)力的需要，如何在保證流動(dòng)性、安全性和盈利性的基礎(chǔ)上實(shí)現(xiàn)銀行生產(chǎn)率的提高才是其強(qiáng)化發(fā)展核心競(jìng)爭(zhēng)力的關(guān)鍵。

正是出于此考慮，近年來(lái)國(guó)內(nèi)外學(xué)者對(duì)銀行效率進(jìn)行了廣泛而深入的研究，其中又以銀行全要素生產(chǎn)率研究較為活躍，且銀行的全要素生產(chǎn)率研究已成為當(dāng)前研究的熱點(diǎn)。本文從全要素生產(chǎn)率的視角出發(fā)，對(duì)現(xiàn)有的銀行TFP研究成果進(jìn)行梳理、歸納和評(píng)述，并理順歷史發(fā)展脈絡(luò)、把握邏輯演進(jìn)方向，進(jìn)而為深入研究銀行的績(jī)效提供理論指導(dǎo)。

二、關(guān)于銀行全要素生產(chǎn)率研究的邏輯演進(jìn)

(一)全要素生產(chǎn)率理論研究

目前關(guān)于全要素生產(chǎn)率的研究主要集中在四個(gè)方面：(1)關(guān)于全要素生產(chǎn)率的定義和內(nèi)涵。全要素生產(chǎn)率問(wèn)題最早由美國(guó)經(jīng)濟(jì)學(xué)家丁伯根(1942)提出，而全要素生產(chǎn)率這一概念由斯蒂格勒(1947)最先獨(dú)立提出。此后，希朗·戴維斯(1954)首次對(duì)全要素生產(chǎn)率的內(nèi)涵進(jìn)行了明確，他認(rèn)為“全要素生產(chǎn)率應(yīng)針對(duì)全部投入要素進(jìn)行測(cè)算，而不是只涉及部分要素”[4]。索洛(1957)在綜合前人研究成果的基礎(chǔ)上將技術(shù)進(jìn)步因素引入生產(chǎn)函數(shù)，建立了著名的索洛增長(zhǎng)模型。他認(rèn)為，全要素生產(chǎn)率(技術(shù)進(jìn)步率)作為技術(shù)進(jìn)步的結(jié)果是人均產(chǎn)出增長(zhǎng)中無(wú)法被資本和勞動(dòng)所解釋的部分[2]。丹尼森(1962)在索洛余值法的基礎(chǔ)上，采用超越對(duì)數(shù)生產(chǎn)函數(shù)對(duì)生產(chǎn)率進(jìn)行測(cè)度，并建立了著名的“丹尼森模型”。他將全要素生產(chǎn)率增長(zhǎng)率定義為“產(chǎn)出增長(zhǎng)率扣除各生產(chǎn)要素投入增長(zhǎng)率的產(chǎn)出效益后的‘余值’”[5]。(2)關(guān)于全要素生產(chǎn)率在經(jīng)濟(jì)增長(zhǎng)中的應(yīng)用。舒元(1993)、王小魯(2000)、郭慶旺和賈俊雪(2005)、張少華和蔣偉杰(2015)對(duì)我國(guó)的總體TFP進(jìn)行了定量測(cè)度[6]-[9]。此后，隨著環(huán)境和能源問(wèn)題對(duì)經(jīng)濟(jì)增長(zhǎng)的影響日益突出，王兵和顏鵬飛(2007)、胡鞍鋼等(2008)考慮在DEA模型中引入環(huán)境變量，從而對(duì)已有的研究進(jìn)行了修正[10]-[11]。(3)關(guān)于全要素生產(chǎn)率在特定區(qū)域中的應(yīng)用。如吳先滿等(2008)、王立成和牛勇平(2010)、張衛(wèi)東等(2015)分別研究了江蘇省、山東省和四川省的TFP狀況及其變遷[12]-[14]。(4)關(guān)于全要素生產(chǎn)率在不同行業(yè)中的應(yīng)用。金懷玉和菅利榮(2013)研究了我國(guó)1996-2009年農(nóng)業(yè)TFP的動(dòng)態(tài)變遷，結(jié)果表明我國(guó)農(nóng)業(yè)TFP波動(dòng)性較大，但總體呈增長(zhǎng)趨勢(shì)[15]。楊汝岱(2015)利用OP、LP等方法研究了我國(guó)1998-2009年制造業(yè)企業(yè)TFP的增長(zhǎng)趨勢(shì)[16]。楊勇(2008)利用C-D生產(chǎn)函數(shù)估算了中國(guó)1952-2006年的服務(wù)業(yè)TFP[17]。

通過(guò)梳理文獻(xiàn)發(fā)現(xiàn)，雖然全要素生產(chǎn)率是一個(gè)微觀層面的的企業(yè)概念，但早期研究囿于數(shù)據(jù)可得性較差，全要素生產(chǎn)率通常應(yīng)用于宏觀層面的研究。近年來(lái)，隨著企業(yè)相關(guān)統(tǒng)計(jì)數(shù)據(jù)透明度的提高，全要素生產(chǎn)率的研究趨勢(shì)逐漸由宏觀轉(zhuǎn)向微觀。此外，全要素生產(chǎn)率研究作為一種應(yīng)用性研究，其重點(diǎn)方向在于對(duì)所研究領(lǐng)域TFP的測(cè)算。

(二)全要素生產(chǎn)率方法論研究

現(xiàn)代計(jì)量經(jīng)濟(jì)學(xué)的發(fā)展為銀行TFP增長(zhǎng)率測(cè)算提供了穩(wěn)健和可靠的工具。從具體的研究方法來(lái)看，已有文獻(xiàn)主要采用的有參數(shù)和非參數(shù)兩種方法。其中，參數(shù)方法主要包括索洛余值法、增長(zhǎng)核算法和隨機(jī)前沿分析(StochasticFrontierAnalysis，SFA)。傳統(tǒng)的索洛余值法和增長(zhǎng)核算法將全要素生產(chǎn)率增長(zhǎng)的原因歸結(jié)為技術(shù)進(jìn)步，其前提是生產(chǎn)技術(shù)充分有效，但其忽視了技術(shù)無(wú)效的情況。為彌補(bǔ)這一缺陷，Aigner(1977)提出的用于測(cè)度全要素生產(chǎn)率的隨機(jī)前沿生產(chǎn)函數(shù)充分考慮了技術(shù)無(wú)效的現(xiàn)實(shí)情況，并將TFP變化分解為技術(shù)效率變化和生產(chǎn)可能性邊界移動(dòng)，同時(shí)這一方法消除了隨機(jī)因素的影響，因此具有相當(dāng)?shù)膬?yōu)越性[18]。相較于傳統(tǒng)的參數(shù)分析方法SFA法更接近于經(jīng)濟(jì)增長(zhǎng)和生產(chǎn)的實(shí)際情況，但這種方法需要預(yù)先設(shè)定生產(chǎn)函數(shù)形式，無(wú)法處理多輸出情況，難以說(shuō)明輸入的減少程度，以上這些缺點(diǎn)的存在也在一定程度限制了該方法在實(shí)踐中的應(yīng)用。

非參數(shù)法按照歷史發(fā)展進(jìn)程大致可劃分為傳統(tǒng)的非參數(shù)法和修正后的非參數(shù)法兩大階段。傳統(tǒng)的參數(shù)法主要包括指數(shù)法、數(shù)據(jù)包絡(luò)法(Data Envelopment Analysis，DEA)和Malmquist指數(shù)法。從掌握的文獻(xiàn)看，由F?re et al.(1994，1997)提出的基于產(chǎn)出的Malmquist指數(shù)法應(yīng)用最早，且Malmquist指數(shù)作為測(cè)度算TFP的一種基礎(chǔ)方法至今仍被廣泛應(yīng)用于銀行TFP的實(shí)證分析中[19]。該方法具有不需預(yù)先設(shè)定生產(chǎn)函數(shù)，不需相關(guān)價(jià)格信息，可進(jìn)行動(dòng)態(tài)跨期分析等優(yōu)點(diǎn)。Malmquist生產(chǎn)率指數(shù)的提出一定程度上具有里程碑式的意義，鑒于這一方法的諸多優(yōu)點(diǎn)，該方法在包括銀行在內(nèi)的諸多領(lǐng)域已得到廣泛應(yīng)用。但是，這種方法不適用于投入或產(chǎn)出多方面變化的情形，因而降低了測(cè)算結(jié)果的準(zhǔn)確性和可信度。為處理基于傳統(tǒng)距離函數(shù)的Malmquist指數(shù)無(wú)法適用投入或產(chǎn)出多方面變化的現(xiàn)實(shí)情況，學(xué)者們進(jìn)行了諸多積極探索。諸如Chung&Grosskopf(1997)設(shè)計(jì)引入了方向性距離函數(shù)[20]，F(xiàn)ukuyama et al.(2009)構(gòu)建出一種非角度、非徑向的SBM(Slack-based Measure)模型[21]等等。此外，就銀行TFP研究來(lái)看，Malmquist指數(shù)不對(duì)正常貸款與不良貸款進(jìn)行區(qū)分處理，但忽視銀行不良貸款這一“壞”產(chǎn)出的代表性指標(biāo)將高估銀行TFP增長(zhǎng)(柯孔林和馮宗憲，2008)[22]。為解決傳統(tǒng)的Malmquist指數(shù)法中不區(qū)分正常貸款和不良貸款難這一問(wèn)題，大量學(xué)者開(kāi)始對(duì)非參數(shù)方法進(jìn)行修正，并將不良貸款從貸款中分離出來(lái)作為一項(xiàng)“非理想”(Fukuyama et al.)產(chǎn)出納入考慮，這一意見(jiàn)日后逐漸成為學(xué)者們的共識(shí)。

(三)全要素生產(chǎn)率在銀行領(lǐng)域的應(yīng)用研究

全要素生產(chǎn)率最初主要應(yīng)用于一國(guó)經(jīng)濟(jì)、工業(yè)和農(nóng)業(yè)等領(lǐng)域，后有學(xué)者將其應(yīng)用于銀行業(yè)生產(chǎn)率測(cè)算，并逐漸成為衡量銀行競(jìng)爭(zhēng)力的重要指標(biāo)。銀行的全要素生產(chǎn)率可定義為銀行這個(gè)經(jīng)濟(jì)系統(tǒng)的總產(chǎn)出與除勞動(dòng)和資本之外的所有要素之比，它反映了社會(huì)資源(投入要素)的有效利用程度。銀行作為市場(chǎng)經(jīng)濟(jì)的重要參與主體，是整個(gè)金融體系乃至社會(huì)的資金融通中心，在經(jīng)濟(jì)發(fā)展中發(fā)揮的杠桿作用也日益凸顯。銀行效率的高低關(guān)乎經(jīng)濟(jì)總體發(fā)展態(tài)勢(shì)，所以對(duì)銀行的跨期動(dòng)態(tài)效率進(jìn)行研究很有必要。在這一背景下，本文著重對(duì)已有的銀行TFP相關(guān)文獻(xiàn)進(jìn)行梳理和評(píng)述。

1.銀行全要素生產(chǎn)率測(cè)算方法

從掌握的文獻(xiàn)來(lái)看，Sherman and Gold(1985)最早利用DEA方法對(duì)銀行效率進(jìn)行定量測(cè)度[23]。從20世紀(jì)80年代開(kāi)始，國(guó)外學(xué)者開(kāi)始逐漸運(yùn)用TFP測(cè)度銀行的生產(chǎn)率，到20世紀(jì)末，TFP作為銀行效率的衡量標(biāo)準(zhǔn)成為研究的重點(diǎn)。國(guó)內(nèi)對(duì)銀行TFP的研究起步較晚，且出于現(xiàn)實(shí)需要的考慮，早期的相關(guān)研究多為簡(jiǎn)單利用Malmquist指數(shù)法對(duì)銀行TFP進(jìn)行定量測(cè)度。隨著國(guó)際研究成果的日漸豐碩和國(guó)內(nèi)相關(guān)研究的逐步深入，國(guó)內(nèi)學(xué)者在引進(jìn)先進(jìn)技術(shù)的基礎(chǔ)上，不斷結(jié)合我國(guó)銀行業(yè)的發(fā)展實(shí)際進(jìn)行了諸多富有創(chuàng)新性的探索。從結(jié)果看，國(guó)內(nèi)測(cè)度銀行TFP的方法主要為以DEA為測(cè)度工具的非參數(shù)方法：Malmquist生產(chǎn)率指數(shù)、Malmquist-Luenberger(ML)生產(chǎn)率指數(shù)和Luenberger生產(chǎn)率指標(biāo)。其中，Luenberger生產(chǎn)率指標(biāo)和ML生產(chǎn)率指數(shù)將不良貸款和方向性距離函數(shù)納入考慮，進(jìn)而對(duì)Malmquist指數(shù)的種種缺陷進(jìn)行了修正。在Luenberger生產(chǎn)率指標(biāo)研究方面，參照Chambers et al.(1997)指標(biāo)的定義[24]和Grosskopf(2003)對(duì)指標(biāo)分解的解釋[25]，Luenberger生產(chǎn)率指標(biāo)可以分解為純技術(shù)進(jìn)步、純效率變化、規(guī)模效率變化(LSEC)和技術(shù)規(guī)模變化之和(王兵和朱寧，2011a)[3]。相較于Malmquist指數(shù)，由方向性距離函數(shù)構(gòu)成的Luenberger生產(chǎn)率指標(biāo)可在選擇方向的基礎(chǔ)上進(jìn)行投入產(chǎn)出的調(diào)整，而且不需進(jìn)行等比例變動(dòng)，從而為更準(zhǔn)確地測(cè)度TFP提供了一種有效的方法。在ML生產(chǎn)率指數(shù)研究方面，據(jù)Chunget al.(1997)對(duì)指數(shù)的定義和Chung，F(xiàn)?re&Grosskopf(1998)對(duì)分解的理解[26]，ML指數(shù)可分解為技術(shù)效率變化和技術(shù)變化兩部分之積，其中某一項(xiàng)的改善都將引起t到t+1期銀行TFP水平的提高。以上兩種方法通常將不良貸款這一“壞”產(chǎn)出作為約束對(duì)銀行TFP進(jìn)行研究，這在很大程度上解決了因忽視風(fēng)險(xiǎn)因素的存在所導(dǎo)致的測(cè)算偏差問(wèn)題，進(jìn)而提高了銀行TFP測(cè)算的準(zhǔn)確性。

2.非參數(shù)方法在應(yīng)用中的幾個(gè)要點(diǎn)

(1)在投入、產(chǎn)出指標(biāo)選取方面

運(yùn)用非參數(shù)方法對(duì)銀行TFP進(jìn)行測(cè)度首先要合理確定投入、產(chǎn)出指標(biāo)，這一評(píng)價(jià)指標(biāo)的選取也是研究效率的關(guān)鍵環(huán)節(jié)。目前，國(guó)外學(xué)者對(duì)投入、產(chǎn)出指標(biāo)的選取方法主要分為生產(chǎn)法、資產(chǎn)法和中介法三種。其中，生產(chǎn)法將銀行視作存、貸賬戶的生產(chǎn)者，因此產(chǎn)出常被定義為存、貸賬戶的數(shù)量，而投入常用勞動(dòng)力和固定資產(chǎn)來(lái)表示。資產(chǎn)法和中介法都將銀行視為借款人和貸款人之間的資金融通中介，投入通常選擇利息成本和營(yíng)運(yùn)成本，但是中介法將存、貸金額均計(jì)入產(chǎn)出，而資產(chǎn)法中的產(chǎn)出指標(biāo)并未將存款納入。Berger and Humphrey(1997)認(rèn)為在評(píng)價(jià)金融機(jī)構(gòu)分支機(jī)構(gòu)的效率時(shí)生產(chǎn)法更為適用，而在評(píng)價(jià)整體金融機(jī)構(gòu)的效率時(shí)中介法則更為適用[27]。國(guó)內(nèi)學(xué)者對(duì)銀行TFP的分析較多地參考了中介法指標(biāo)體系，但出于研究的現(xiàn)實(shí)需要，又并不局限于這一指標(biāo)體系。從研究的目的出發(fā)，本文對(duì)部分國(guó)內(nèi)權(quán)威核心期刊中有關(guān)銀行TFP的投入、產(chǎn)出指標(biāo)進(jìn)行了統(tǒng)計(jì)。從結(jié)果看，在投入指標(biāo)選取方面，按出現(xiàn)次數(shù)排序靠前的指標(biāo)有：勞動(dòng)力、固定資產(chǎn)、存款或可貸資金、費(fèi)用；在產(chǎn)出指標(biāo)選取方面，排序靠前的有：貸款、利潤(rùn)、利息收入、非利息收入。目前，對(duì)于投入產(chǎn)出指標(biāo)的選取尚未統(tǒng)一標(biāo)準(zhǔn)，這也是未來(lái)需要著重研究的主要方向。

(2)在負(fù)值變量處理方面

傳統(tǒng)的DEA模型以變量數(shù)據(jù)為正值為前提，但對(duì)以負(fù)債業(yè)務(wù)為重要資金來(lái)源的商業(yè)銀行來(lái)講，其實(shí)證研究中常用的凈利潤(rùn)、非利息收入等投入、產(chǎn)出變量多為負(fù)值，這就對(duì)傳統(tǒng)的DEA模型提出了新的挑戰(zhàn)。為有效解決這一難題，Charnes et al.(1985)提出了具有平移不變特性的加法模型，即通過(guò)對(duì)負(fù)值變量加上一足夠大的數(shù)值使其變?yōu)檎担J(rèn)為這并不會(huì)對(duì)結(jié)果產(chǎn)生影響[28]。Ali and Seiford(1990)在后來(lái)的研究中也對(duì)這一結(jié)論的正確性進(jìn)行了證明[29]。國(guó)內(nèi)學(xué)者在早期的實(shí)證分析中對(duì)于負(fù)值變量的處理較多地采用了這一方法，但變量單位的影響在一定程度上限制了此方法在在實(shí)踐中的應(yīng)用。

為解決上述問(wèn)題，Portela et al.(2004)構(gòu)建出RDM模型，該模型在方向向量的調(diào)整方面以實(shí)際值與最小值之差來(lái)處理投入，以最大值與實(shí)際值之差來(lái)處理產(chǎn)出[30]。Sharp et al.(2006)在處理SBM(Slack-based Measure)模型中涉及的負(fù)值變量時(shí)也采用了這一方法[31]?？紤]到這一模型處理方式較大的復(fù)雜性，Cheng et al.(2013)提出了一種更為簡(jiǎn)便的模型VRM(variant of the radial measure)模型[32]來(lái)處理負(fù)值變量問(wèn)題。鑒于此模型簡(jiǎn)單靈活的可操作性，Zhu et al.(2014)在測(cè)度中國(guó)25家商業(yè)銀行的績(jī)效時(shí)，對(duì)非利息收入這一負(fù)值變量的處理便采用了上述方法[33]。

(3)在方向性距離函數(shù)引入方面

Berger and Humphrey(1997)認(rèn)為在對(duì)銀行效率進(jìn)行評(píng)價(jià)時(shí)忽視風(fēng)險(xiǎn)因素將低估測(cè)算結(jié)果[27]。早期文獻(xiàn)的研究主要集中在合適風(fēng)險(xiǎn)變量的選擇方面。關(guān)于風(fēng)險(xiǎn)因素的選擇，Mester(1996)將資本金和不良貸款率作為風(fēng)險(xiǎn)變量；Chang(1999)采用了風(fēng)險(xiǎn)資產(chǎn)、貸款損失準(zhǔn)備和不良貸款三種風(fēng)險(xiǎn)變量；Manlagnit(2011)考慮了貸款損失準(zhǔn)備金和資本金；Chen(2012)通過(guò)構(gòu)造資本充足率指數(shù)來(lái)對(duì)風(fēng)險(xiǎn)變量進(jìn)行定義[34]。國(guó)內(nèi)的相關(guān)研究成果中已考慮到將風(fēng)險(xiǎn)因素作為“壞”產(chǎn)出納入銀行效率評(píng)價(jià)，但目前仍局限于將不良貸款作為唯一的風(fēng)險(xiǎn)變量(柯孔林等，2008；王兵和朱寧，2011a，2011b)[22][2][35]。

在研究方法上，Chambers et al.(1996)最早引入方向性距離函數(shù)對(duì)生產(chǎn)績(jī)效進(jìn)行測(cè)算[36]。此后，國(guó)內(nèi)外學(xué)者延續(xù)這一思路，在研究銀行效率時(shí)將不良貸款等“壞”產(chǎn)出納入考慮范疇。但傳統(tǒng)的方向性距離函數(shù)只能解決角度性(oriented)問(wèn)題，無(wú)法解決徑向性(radial)問(wèn)題。為處理這一難題，F(xiàn)ukuyama et al.(2009)構(gòu)建出一種非角度、非徑向的SBM(Slack-based Measure)模型[21]。這一模型彌補(bǔ)了傳統(tǒng)模型的缺陷，兼顧解決了角度性和徑向性兩大問(wèn)題，應(yīng)用也更為廣泛。王兵和朱寧(2011a)、吳江濤(2012)基于這種方法研究了我國(guó)商業(yè)銀行的TFP[3][37]。

(4)在宏觀經(jīng)濟(jì)影響因素研究方面

作為系統(tǒng)性風(fēng)險(xiǎn)的宏觀經(jīng)濟(jì)因素對(duì)銀行全要素生產(chǎn)率的影響不容忽視。Baum et al.(2009)認(rèn)為宏觀經(jīng)濟(jì)因素的影響主要表現(xiàn)為其對(duì)信貸資金配置的引導(dǎo)[38]。甘小豐(2007)認(rèn)為宏觀經(jīng)濟(jì)因素直接影響效率邊界的構(gòu)建[39]。因此，在評(píng)價(jià)銀行TFP時(shí)加入宏觀經(jīng)濟(jì)因素的影響研究是非常必要的補(bǔ)充。國(guó)內(nèi)在這方面的研究文獻(xiàn)較少，相關(guān)研究也主要集中對(duì)宏觀經(jīng)濟(jì)影響因素的顯著性檢驗(yàn)方面。在涉及研究宏觀經(jīng)濟(jì)因素對(duì)銀行TFP影響的相關(guān)文獻(xiàn)中，袁曉玲和張寶山(2009)檢驗(yàn)了GDP增長(zhǎng)率、貨幣供應(yīng)量增長(zhǎng)率、全社會(huì)固定資產(chǎn)投資增長(zhǎng)率、CPI指數(shù)以及全部國(guó)有及規(guī)模以上非國(guó)有工業(yè)企業(yè)的銷售收入利潤(rùn)率增長(zhǎng)率對(duì)銀行TFP的影響，實(shí)證研究結(jié)果表明，前兩個(gè)指標(biāo)對(duì)銀行TFP具有顯著的正向作用，最后一個(gè)指標(biāo)具有顯著負(fù)向作用，其他指標(biāo)則沒(méi)有通過(guò)顯著性檢驗(yàn)[40]。王兵、朱寧(2011a)選取了GDP增長(zhǎng)率、M2增長(zhǎng)速度、外資銀行資產(chǎn)占比、第三產(chǎn)業(yè)增加值占比和股票籌資額占比重五個(gè)指標(biāo)。結(jié)果表明，M2的增長(zhǎng)和外資銀行的進(jìn)入對(duì)銀行TFP會(huì)產(chǎn)生積極影響[3]。之后，王兵、朱寧(2011b)又引入固定資產(chǎn)和CPI指數(shù)兩個(gè)變量[35]。侯曉輝、李婉麗和王青(2011)探討了市場(chǎng)勢(shì)力、戰(zhàn)略引資和所有制屬性對(duì)銀行TFP的影響[41]。綜上所述，參考已有的經(jīng)驗(yàn)總結(jié)，在研究影響銀行TFP的宏觀因素中，GDP、貨幣供應(yīng)量M2和固定資產(chǎn)是考慮的重要方向。

3. 銀行TFP測(cè)算結(jié)果分析

(1)有關(guān)中國(guó)銀行的研究

有關(guān)中國(guó)銀行全要素生產(chǎn)率的研究起步較晚，且研究的重點(diǎn)主要在對(duì)銀行TFP進(jìn)行的定量測(cè)度和分解方面，分析方法多采用非參數(shù)法。有些學(xué)者利用Malmquist指數(shù)對(duì)我國(guó)銀行TFP進(jìn)行了實(shí)證研究。張健華(2003)是最先利用該方法對(duì)我國(guó)商業(yè)銀行TFP進(jìn)行定量測(cè)度的學(xué)者，他的研究發(fā)現(xiàn)，1997-2001年期間我國(guó)銀行TFP值呈逐年改進(jìn)趨勢(shì)[42]。這一方法同樣體現(xiàn)在王付彪等(2006)的研究中，不過(guò)他們又進(jìn)一步通過(guò)引入了距離函數(shù)(Distance Function)計(jì)算了1998-2004年我國(guó)銀行的TFP值，研究結(jié)果同樣得出了我國(guó)商業(yè)銀行效率整體呈上升趨勢(shì)的結(jié)論，他們認(rèn)為這一結(jié)果是技術(shù)進(jìn)步的推動(dòng)[43]。不同于以上研究結(jié)果，朱超(2006)和蔡躍洲、郭梅軍(2009)均基于Malmquist指數(shù)將TFP分解為技術(shù)進(jìn)步和技術(shù)效率變動(dòng)，在此基礎(chǔ)上他們認(rèn)為樣本商業(yè)銀行在其研究期間內(nèi)年的平均TFP值略有下降，前者將這一結(jié)果歸結(jié)于技術(shù)進(jìn)步和技術(shù)效率變動(dòng)的雙退步，而后者指出這是由于技術(shù)變化的下降幅度大于技術(shù)效率變化上升幅度[44][45]。

考慮到傳統(tǒng)的Malmquist指數(shù)在應(yīng)用中的局限性，國(guó)內(nèi)諸多學(xué)者逐漸開(kāi)始利用諸如ML指數(shù)、Luenberger指標(biāo)等修正后的非參數(shù)分析方法，并將其運(yùn)用于銀行TFP研究。柯孔林、馮宗憲(2008)在考慮不良貸款的基礎(chǔ)上通過(guò)構(gòu)建ML生產(chǎn)率指數(shù)測(cè)算了我國(guó)銀行動(dòng)態(tài)跨期的TFP，并進(jìn)一步將其分解為技術(shù)變化指數(shù)和技術(shù)效率變化。他認(rèn)為2000-2005年我國(guó)銀行業(yè)TFP之所以能保持4.8%的平均增長(zhǎng)主要在于技術(shù)進(jìn)步的促進(jìn)作用[22]。吳江濤(2012)沿用這一測(cè)度方法同時(shí)引入SBM方向性距離函數(shù)對(duì)我國(guó)11家上市銀行2005-2011年的TFP進(jìn)行了實(shí)證分析，他認(rèn)為規(guī)模效率和技術(shù)進(jìn)步的提高彌補(bǔ)了純技術(shù)效率的下降從而帶來(lái)了我國(guó)銀行TFP的增長(zhǎng)[37]。王兵、朱寧(2011b)運(yùn)用Luenberger指標(biāo)并基于SBM方向性距離函數(shù)將TFP分解為純技術(shù)變化、純效率變化、技術(shù)規(guī)模變化和規(guī)模效率變化。他的研究發(fā)現(xiàn)上述四個(gè)指標(biāo)均為正，表明我國(guó)銀行業(yè)TFP在樣本區(qū)間內(nèi)不斷提高[35]。姜永宏、蔣偉杰(2014)也采用了相似的技術(shù)路線，但其研究結(jié)果卻得出了我國(guó)上市商業(yè)銀行2005-2011年的TFP年平均退步3%的結(jié)論[46]。柯孔林、馮宗憲(2013)考慮到傳統(tǒng)ML指數(shù)無(wú)法處理線性規(guī)劃無(wú)解和非傳遞性的缺陷，通過(guò)構(gòu)建全域ML指數(shù)模型對(duì)我國(guó)商業(yè)銀行2001-2010年的TFP進(jìn)行了研究，認(rèn)為我國(guó)商業(yè)銀行在這一時(shí)期內(nèi)以0.73%的速度保持增長(zhǎng)，這主要得益于技術(shù)進(jìn)步，同時(shí)其研究得出了我國(guó)商業(yè)銀行TFP存在收斂趨勢(shì)的結(jié)論[47]。

此外，還有些學(xué)者采用參數(shù)分析方法研究了我國(guó)銀行TFP的變遷。金毅(2011)以1996-2006年我國(guó)銀行業(yè)相關(guān)數(shù)據(jù)為樣本，采用索洛余值法考察了銀行業(yè)的動(dòng)態(tài)效率變化，實(shí)證結(jié)果表明我國(guó)銀行業(yè)TFP增長(zhǎng)緩慢，有些年份甚至出現(xiàn)負(fù)增長(zhǎng)[48]。李興華等(2014)借助隨機(jī)前沿分析(SFA)定量測(cè)算了我國(guó)43家商業(yè)銀行2001-2013年的TFP，實(shí)證結(jié)果表明銀行TFP總體呈增長(zhǎng)趨勢(shì)，且其增長(zhǎng)率的波動(dòng)呈下降趨勢(shì)[49]。綜合上述針對(duì)中國(guó)銀行TFP的研究文獻(xiàn)，我們發(fā)現(xiàn)，隨著TFP理論和分析方法的發(fā)展，全要素生產(chǎn)率逐漸應(yīng)用于銀行業(yè)的效率研究，并掀起了一輪新的研究熱潮。

(2)有關(guān)其他國(guó)家銀行的研究

國(guó)外學(xué)者最早將全要素生產(chǎn)率應(yīng)用于銀行領(lǐng)域，且研究成果豐碩。在基于參數(shù)方法進(jìn)行的研究方面，Bauer et al.(1993)借助SFA對(duì)1977-1988年美國(guó)銀行業(yè)TFP進(jìn)行的研究發(fā)現(xiàn)，其增長(zhǎng)率變化區(qū)間為0.1%-3.35%[50]。此外，Schmidt(1980、1986)、Kumbhakar(1988、1990)、Battese&Coelli(1988、1992、1995)、Kalirajan(1993)等學(xué)者利用SFA進(jìn)行了大量的實(shí)證研究[51]。在基于非參數(shù)方法進(jìn)行的研究方面，E.Grifell et al.(1997)利用Malmquist指數(shù)對(duì)西班牙銀行的生產(chǎn)率做了定量測(cè)度，并將TFP分解為規(guī)模經(jīng)濟(jì)、技術(shù)變化和機(jī)構(gòu)效率變化三部分[52]。David C.wheelock和Paul W.Wilson(1999)將Malmquist指數(shù)分解為純效率變化、純技術(shù)變化、技術(shù)規(guī)模變化和規(guī)模效率變化。他通過(guò)利用1984-1993年美國(guó)不同規(guī)模的商業(yè)銀行相關(guān)數(shù)據(jù)進(jìn)行的實(shí)證研究得出，所有規(guī)模的商業(yè)銀行技術(shù)進(jìn)步但技術(shù)效率下降，大型商業(yè)銀行的存在使得技術(shù)邊界上移，而這一邊界是大部分銀行所不能達(dá)到的。總體而言，他得出了美國(guó)商業(yè)銀行在樣本區(qū)間內(nèi)的生產(chǎn)率呈下降趨勢(shì)的結(jié)論[53]。Darrat(2002)將Malmquist指數(shù)分解為技術(shù)變化和技術(shù)效率變化兩部分，其中技術(shù)效率變化為又可分為規(guī)模效率變化和純效率變化。他以1994-1997的科威特銀行為樣本的研究發(fā)現(xiàn)，在這一時(shí)期內(nèi)，科威特銀行的生產(chǎn)率取得了具有實(shí)質(zhì)性的約28%的提高[54]。Howcroft、Ataullah(2005)利用DEA方法以1992-1998的銀行數(shù)據(jù)為樣本，定量測(cè)度了印度和巴基斯坦的銀行全要素生產(chǎn)率[55]。Park(2006)將TFP分解為技術(shù)效率和技術(shù)進(jìn)步，他的研究結(jié)果表明韓國(guó)1992-2002年的TFP總體呈上升趨勢(shì)，其中技術(shù)進(jìn)步指數(shù)的上升幅度大于技術(shù)效率下降幅度[56]。Fujjiet al.(2014)考慮到生產(chǎn)率增長(zhǎng)受到投入、產(chǎn)出的影響，將其進(jìn)行分解進(jìn)而分析了印度銀行業(yè)生產(chǎn)率的增長(zhǎng)的源泉[33]。

三、小結(jié)及研究展望

對(duì)銀行全要素生產(chǎn)率的研究始于國(guó)外，國(guó)外學(xué)者對(duì)此進(jìn)行了諸多有益的嘗試，在研究過(guò)程中TFP測(cè)度方法也不斷發(fā)展和完善，從而為銀行TFP的進(jìn)一步研究奠定了堅(jiān)實(shí)的理論基礎(chǔ)。近年來(lái)，國(guó)內(nèi)學(xué)者在已有研究成果的基礎(chǔ)上對(duì)銀行TFP的研究日益深入。全要素生產(chǎn)率最早開(kāi)始于宏觀研究，近年來(lái)研究的重點(diǎn)逐漸從宏觀轉(zhuǎn)向微觀，其中銀行全要素生產(chǎn)率研究逐漸成為熱潮。全要素生產(chǎn)率的研究方法主要有參數(shù)和非參數(shù)兩種，其中非參數(shù)方法在銀行TFP中應(yīng)用最廣。

從現(xiàn)有文獻(xiàn)看，投入、產(chǎn)出指標(biāo)的選取至關(guān)重要，若評(píng)價(jià)指標(biāo)不同，即使基于同一TFP測(cè)度方法和相同的樣本數(shù)據(jù)，實(shí)證結(jié)果也會(huì)出現(xiàn)較大差距。

通過(guò)梳理文獻(xiàn)，并結(jié)合現(xiàn)有研究中的局限，本文認(rèn)為，銀行全要素生產(chǎn)率的研究方向應(yīng)圍繞樣本數(shù)據(jù)度量的改善、指標(biāo)選取與影響因素的引入以及測(cè)度方法的改進(jìn)三方面展開(kāi)。

第一，樣本數(shù)據(jù)度量的改善。樣本數(shù)據(jù)準(zhǔn)確與否直接影響DEA模型中的參數(shù)或距離函數(shù)，進(jìn)而影響TFP測(cè)度結(jié)果的準(zhǔn)確性，因此通過(guò)提高度量精度來(lái)改善樣本數(shù)據(jù)十分必要。銀行業(yè)中的技術(shù)創(chuàng)新將改善資本質(zhì)量，職工培訓(xùn)將提升員工素質(zhì)，所以在度量這些變量時(shí)不對(duì)其加以區(qū)分會(huì)嚴(yán)重破壞數(shù)據(jù)真實(shí)性。而且，我國(guó)銀行本身統(tǒng)計(jì)數(shù)據(jù)缺乏完整性和可靠性，因此樣本數(shù)據(jù)度量的改善將成為一項(xiàng)具有挑戰(zhàn)性的課題。

第二，指標(biāo)選取與影響因素的引入。指標(biāo)選取不同，實(shí)證結(jié)果不同。通過(guò)比較國(guó)內(nèi)權(quán)威核心期刊相關(guān)文章中的指標(biāo)選取可以看出，不同文章指標(biāo)選取也不盡相同。目前，學(xué)術(shù)界尚未對(duì)銀行TFP測(cè)算中投入、產(chǎn)出指標(biāo)的選取統(tǒng)一意見(jiàn)，因此，指標(biāo)的選取也是諸多學(xué)者在進(jìn)行相關(guān)研究時(shí)需要迫切解決的重要難題。此外，我國(guó)的金融體制改革在很大程度上影響著銀行業(yè)的資源配置和勞動(dòng)力素質(zhì)等方面，再加上宏觀經(jīng)濟(jì)因素的影響作用，在研究銀行TFP時(shí)引入相關(guān)影響因素的分析也將成為熱點(diǎn)。

第三，測(cè)度方法的改進(jìn)。從全要素生產(chǎn)率的研究方法來(lái)看，隨著可考慮的影響因素的增加，對(duì)TFP的測(cè)度方法也不斷發(fā)展。相關(guān)研究文獻(xiàn)表明，廣義Malmquist指數(shù)(張健華和王鵬，2010)[57]、全域Malmquist-Luenberger生產(chǎn)率指數(shù)(柯孔林和馮宗憲，2013)[47]、F?re-Primont指數(shù)(楊振和孫計(jì)領(lǐng)，2016)[58]等修正非參數(shù)方法逐漸應(yīng)用于銀行TFP測(cè)算。此外，考慮到DEA法和SFA法在測(cè)度銀行TFP時(shí)各有優(yōu)劣，因此，為在一定程度上彌補(bǔ)各自缺陷而將這兩種方法進(jìn)行融合也是重要的研究方向。

[1]丹尼森.經(jīng)濟(jì)增長(zhǎng)因素分析的應(yīng)用[M]//羅伯特.M.索洛.經(jīng)濟(jì)增長(zhǎng)因素分析.北京：北京商務(wù)印書(shū)館，1991.

[2]Solow，R.M. Technical Change and the Aggregate Production Function [J].Review of Econonics and Statistics，1957，(39)：312-320.

[3]王 兵，朱 寧.不良貸款約束下的中國(guó)上市商業(yè)銀行效率和全要素生產(chǎn)率研究——基于SBM方向性距離函數(shù)的實(shí)證分析[J]. 金融研究，2011，(1)：110-130.

[4]楊永府.中國(guó)商業(yè)銀行全要素生產(chǎn)率及其影響因素研究[D].重慶：重慶大學(xué)，2013.

[5]D.W.丹尼森. 生產(chǎn)率第一卷：戰(zhàn)后美國(guó)經(jīng)濟(jì)增長(zhǎng)[M]. 北京：中國(guó)發(fā)展出版社，2011.5-6.

[6]舒 元.中國(guó)經(jīng)濟(jì)增長(zhǎng)分析[M].上海：復(fù)旦大學(xué)出版社，1993.

[7]王小魯.中國(guó)經(jīng)濟(jì)增長(zhǎng)的可持續(xù)性與制度變革[J].經(jīng)濟(jì)研究，2000，(7)，3-15.

[8]郭慶旺，賈俊雪.中國(guó)全要素生產(chǎn)率的估算：1979—2004[J]. 經(jīng)濟(jì)研究，2005，(6)：51-60.

[9]張少華，蔣偉杰. 中國(guó)全要素生產(chǎn)率的再測(cè)度與分解[J]. 統(tǒng)計(jì)研究，2014，(3)：54-60.

[10]王 兵，顏鵬飛.技術(shù)效率、技術(shù)進(jìn)步與東亞經(jīng)濟(jì)增長(zhǎng)—基于APEC視角的實(shí)證分析[J]. 經(jīng)濟(jì)研究，2007，(5)：91-103.

[11]胡鞍鋼，鄭京海，高宇寧，張 寧，許海萍. 考慮環(huán)境因素的省級(jí)技術(shù)效率排名(1999—2005)[J]. 經(jīng)濟(jì)學(xué)(季刊)，2008，(3)：933-960.

[12]吳先滿，駱祖春. 全要素生產(chǎn)率對(duì)江蘇經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)研究[J]. 南京財(cái)經(jīng)大學(xué)學(xué)報(bào)，2008，(1)：14-18.

[13]王立成，牛勇平. 山東省全要素生產(chǎn)率的測(cè)算與分析[J]. 山東社會(huì)科學(xué)，2010，(9)：92-94.

[14]張衛(wèi)東，趙士紅，龍海霞，劉美茹.基于SBM方法和全要素生產(chǎn)率分解的經(jīng)濟(jì)增長(zhǎng)效率——以四川省為例[J]. 財(cái)經(jīng)科學(xué)，2015，(8)：100-111.

[15]金懷玉,菅利榮. 中國(guó)農(nóng)業(yè)全要素生產(chǎn)率測(cè)算及影響因素分析[J]. 西北農(nóng)林科技大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2013，(2)：29-35.

[16]楊汝岱. 中國(guó)制造業(yè)企業(yè)全要素生產(chǎn)率研究[J]. 經(jīng)濟(jì)研究，2015，(2)：61-74.

[17]楊 勇. 中國(guó)服務(wù)業(yè)全要素生產(chǎn)率再測(cè)算[J]. 世界經(jīng)濟(jì)，2008，(10)：46-55.

[18]Aigner D. J. ，Lovell C A K，Schmidt P J. Formulation and Estimation of Stochastic FrontierProduction Function Models[J]. Journal of Econometrics，1977,(6).

[19]Fa?re，Rolf，Shawna Grosskoft， Mary Norris，Zhongyang Zhang.Productivity Growth， Technical Progress，and Efficiency Changein Industrialized Countries [J].American Economic Review，1994,(1):66-83.

[20]Chung.，Grosskopf， Productivity and Undesirable Outputs：a Directional Distance Function Approach [J].Journal of Environmental Management，1996，(3):229-240.

[21]Fukuyama，Hirofumi，and Weber，William，L. Japanese Banking Inefficiency and Shadow Pricing[J]. Mathematical and Computer Modeling，2008，(11-12)：1854-1867.

[22]柯孔林，馮宗憲.中國(guó)銀行業(yè)全要素生產(chǎn)率測(cè)度：基于Malmquist-Luenberger指數(shù)研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2008，(4)：110-120.

[23]Sherman，H.D.Gold，F(xiàn). Bank Branch Operating Efficiency; Evaluation with Data Envelopment Analysis[J].Journal of Banking and Finance，1985，(2).

[24]Chambers，R·，Chung，Y·，F(xiàn)a?re，R. Benefit and Distance Functions[J]. Journal ofEconomic Theory，1997，70： 407-419.

[25]Grosskopf，S.Some Remarks on Productivity and its Decomposition [J]. Journal of Productivity Analysis，2003，(3):459-474.

[26]Chung，Y.，F(xiàn)?re，R. and Grosskoph，S.，Productivity and Undesirable Outputs: a Directional Distance Function Approach[J]. Journal of Environmental Management，1997，(3)：229-240.

[27]Berger，A.N.，Humphrey，D. B. Efficiency of Financial Institutions：International Survey and Directions for Future Research[J].Journal of Operational Research，1997，(2).

[28]Charnes，A.，T. Clark，W. Cooper and B. Golany. A Developmental Study of Data Envelopment Analysis in Measuring theEfficiency of Maintenance Units in U.S. Air Forces[J]. Annals of Operational Research，1985，(2)：95-112.

[29]Ali，A. and L. Seiford. Translation Invariance in Data Envelopment Analysis[J]. Operations Research Letters，1990，(9)：403-405.

[30]Silva Portela，M.，E. Thanassoulis and G. Simpson. A Directional Distance Approach to Deal with Negative Data in DEA: An Application to Bank Branchesp[J]. Journal of Operational Research Society，2004，55：1111-1121.

[31]Sharp，J.，W. Liu and W. Meng. A Modified Slacks-based Measure Model for Data Envelopment Analysis with “Natural”Negative Outputs and Inputs [J]. Journal of Operational Research Society，2006，57：1-6.

[32]Cheng G.，P. Zervopoulos and Z. Qian. A Variant of Radial Measure Capable of Dealing with Negative Inputs and Outputsin Data Envelopment Analysis [J]. European Journal of Operational Research，2013，225：100-105.

[33]Zhu，N.，B. Wang and Y. Wu. Productivity, Efficiency and Non-Performing Loans in the Chinese Banking Industry[J]. The Social Science Journal，2014，(3).

[34]朱 寧，王 兵，于之倩.基于DEA的銀行績(jī)效研究綜述[J]. 金融評(píng)論，2015，(2)：100-122+126.

[35]王 兵，朱 寧.不良貸款約束下的中國(guó)銀行業(yè)全要素生產(chǎn)率增長(zhǎng)研究[J]. 經(jīng)濟(jì)研究，2011，(5)：32-45+73.

[36]Chambers，F(xiàn)?re and S. Grosskopf. Productivity Growth in APEC Countries[J]. Pacific Economic Reviews，1996，(1)：181-190.

[37]吳江濤. 不良貸款約束下中國(guó)商業(yè)銀行全要素生產(chǎn)率增長(zhǎng)研究[J]. 統(tǒng)計(jì)與決策，2012，(23)：149-152.

[38]Baum，C.，M. Caglayan and N. Ozkan. The Second Moments Matter: The Impact of Macroeconomic Uncertainty on the Allocationof Loanable Funds [J]. Economics Letters，2009，102：87-89.

[39]甘小豐.中國(guó)商業(yè)銀行效率的SBM分析—控制宏觀和所有權(quán)因素[J]. 金融研究，2007,(10)： 58-69.

[40]袁曉玲，張寶山. 中國(guó)商業(yè)銀行全要素生產(chǎn)率的影響因素研究——基于DEA模型的Malmquist指數(shù)分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2009，(4)：93-116.

[41]侯曉輝，李婉麗，王 青. 所有權(quán)、市場(chǎng)勢(shì)力與中國(guó)商業(yè)銀行的全要素生產(chǎn)率[J]. 世界經(jīng)濟(jì)，2011，(2)：135-157.

[42]張健華.我國(guó)商業(yè)銀行效率研究的DEA方法及1997-2001年效率的實(shí)證分析[J].金融研究，2003，(3)：11-25.

[43]王付彪，闞 超，沈 謙，陳永春.我國(guó)商業(yè)銀行技術(shù)效率與技術(shù)進(jìn)步實(shí)證研究(1998-2004)[J].金融研究，2006，(8)：122-132.

[44]朱 超. 中國(guó)銀行業(yè)效率動(dòng)態(tài)變化的Malmquist指數(shù)研究：2000-2004[J]. 經(jīng)濟(jì)科學(xué)，2006，(5)：51-62.

[45]蔡躍洲，郭梅軍.我國(guó)上市商業(yè)銀行全要素生產(chǎn)率的實(shí)證分析[J].經(jīng)濟(jì)研究，2009，(9)：52-65.

[46]姜永宏，蔣偉杰. 中國(guó)上市商業(yè)銀行效率和全要素生產(chǎn)率研究——基于Hicks-Moorsteen TFP指數(shù)的一個(gè)分析框架[J].中國(guó)工業(yè)經(jīng)濟(jì)，2014，(9)：109-121.

[47]柯孔林，馮宗憲.中國(guó)商業(yè)銀行全要素生產(chǎn)率增長(zhǎng)及其收斂性研究——基于GML指數(shù)的實(shí)證分析[J]. 金融研究，2013，(6)：146-159.

[48]金 毅.中國(guó)銀行體系績(jī)效變遷：基于生產(chǎn)率的視角[J]. 特區(qū)經(jīng)濟(jì)，2011，(5)：83-85.

[49]李興華，秦建群，孫 亮. 經(jīng)營(yíng)環(huán)境、治理結(jié)構(gòu)與商業(yè)銀行全要素生產(chǎn)率的動(dòng)態(tài)變化[J]. 中國(guó)工業(yè)經(jīng)濟(jì)，2014，(1)：57-68.

[50]Bauer，P.W.，Berger，A.N.，Humphrey，D.B. Efficiency and Productivity Growth in US banking[M]. Oxford University Presss.NewYork，1993.

[51]王元園.銀行業(yè)全要素生產(chǎn)率的增長(zhǎng)率測(cè)算:一個(gè)文獻(xiàn)綜述[J]. 財(cái)會(huì)通訊，2013，(15)：121-124.

[52]E.Grifell.Tatje.E.and C.A.K.Lovell. A Generalized Malmquist Productivity Index[J].1999.

[53]Wheelock D C， Wilson P W. Technical Progress, Inefficiency, and Productivity Change in US Banking, 1984-1993 [J]. Journal of Money, Credit, and Banking，1999，(2)：212-234.

[54]Darra A F C，Topuz T， Yousef. Assessing Cost and Technical Efficiency of Banks in Kuwait[R]. Working paper，2002.

[55]Barry Howcroft，Ali Ataullah. Total Foctor Productivity Change:an Examination of the Commercial Banking Industry in India andPakistan[J]. The Service Industries Journal，2005.

[56]Park，K.H.and Weber，W.L.A Note on Efficiency and Productivity Growth in the Korean Banking Industry[J]. Journal of Banking andFinance，2006.

[57]張健華，王 鵬. 中國(guó)銀行業(yè)廣義Malmquist生產(chǎn)率指數(shù)研究[J]. 經(jīng)濟(jì)研究，2010，(8)：128-140.

[58]楊 振，孫計(jì)領(lǐng). 中國(guó)城市商業(yè)銀行的效率與全要素生產(chǎn)率研究[J]. 金融理論與實(shí)踐，2017，(2)：54-59.

[責(zé)任編輯：姜 野]

Research on Total Factor Productivity of Banks:Historical Context and Logical Evolution

YAO Feng-gea，LU Shao-pengb，LI Fu-xinb

(a.Institute of Business & Economic Research;b.Finance College, Harbin University of Commerce, Harbin 150028,China)

Total factor productivity (TFP) as an important aspect of evaluating the competitiveness of banks is one of the hotspots.On the basis of combing the relevant research literature of the TFP of the bank, this paper reviews the TFP research from the two aspects of theory and methodology.Then, the research on the application of TFP in the field of banking is combed in three aspects: measuring method, empirical point and result analysis.Finally, the development trend of the research is prospected by using the sample data, the index selection and the measurement method as the starting point. Sorting out the research on TFP of banks and recent progress, this paper not only provides the existing research ideas, but also explores the future of study.

bank;total tactor productivity;parameter method;nonparametric method

2017-01-05

國(guó)家社會(huì)科學(xué)基金一般項(xiàng)目“供給側(cè)結(jié)構(gòu)性改革背景下的農(nóng)村金融服務(wù)創(chuàng)新和風(fēng)險(xiǎn)控制研究”(17BJY119)

姚鳳閣(1971-)，男，山東黃縣人，教授，博士研究生導(dǎo)師，管理學(xué)博士，從事農(nóng)村金融理論與實(shí)務(wù)研究。

F832.33

A

1671-7112(2017)04-0085-09