基于DEA和DFA方法的我国商业银行效率实证研究

银行效率的测度方法之二

财经视线Finance Economy

表示第ｊ种产出指标的权系数，ｕｊ≥０（是变权数），投入指标和产出指标的权系数向

基于ＤＥＡ和ＤＦＡ方法的

我国商业银行效率实证研究

■▲◆

胡支军１ 副教授 涂萍２（1、贵州大学理学院 2、贵州大学管理学院 贵阳 550025）

基金项目：贵州大学引进人才科研资助项目（X065024）中图分类号：F830 文献标识码：A

前国内学者对银行效率的参数和非参数评

内容摘要：本文利用面板数据,分别采用非参数前沿方法中的DEA方法和参数前沿方法中的DFA方法对我国十四家商业银行在1998～2006年期间的综合效率进行了测度,并在此基础上对两种方法测度出的银行效率值排序进行了相关分析和一致性检验，结果表明，两种方法测度出的银行效率在数值上有显著差异,在效率排序上不具有很好的一致性。

关键词：商业银行效率 数据包络分析方法 自由分布方法

量分别为Ｖ＝（ｖ１，ｖ２，……ｖｐ）Ｔ，Ｕ＝（ｕ１，

Ｔ

ｕ２，……ｕｎ），对每一个决策单元ｋ，定义

一个效率评价指标：

　（１）

即：效率指标ｈｋ等于产出加权之和除以投入加权之和，表示第ｋ个决策单元多指标投入和多指标产出所取得的经济效率。可以适当地选择权系数Ｕ，Ｖ，使得ｈｋ≤１。

建立评价第ｋ０个决策单元相对有效性的Ｃ２Ｒ模型。设第ｋ０个决策单元的投入向

量和产出向量分别为：Ｘ０＝（ｘ１ｋ０，ｘ２ｋ０，……

ＴＴｘｐｋ），Ｙ＝（ｙ１ｋ，ｙ２ｋ，……ｙｑｋ），效率０

０

０

０

价方法都作了较多的研究，在众多的研究成果中却很少有对银行效率不同分析方法的对比研究，因此，本文运用ＤＥＡ和ＤＦＡ两种方法选取了１９９８～２００６年的数据对我国１４家商业银行进行效率分析，并对两种效率分析方法进行对照研究。

指标ｈ０＝ｈｋ０，在效率评价指标ｈｋ≤１（ｋ＝１，２，……，ｎ）的约束条件下，选择一组最优权系数Ｕ，Ｖ，使得达到最大值，构造优化模型：

　（２）

ＤＥＡ方法和ＤＦＡ方法在评价

银行效率中的应用

（一）DEA模型在评价银行业效率中的应用

设有ｎ家银行，称为ｎ个决策单元，每个决策单元都有ｐ种投入和ｑ种产出，分别用不同的经济指标表示。这样，由ｎ个决策单元构成的多指标投入和多指标产出的评价系统，其中ｘｉｋ表示第ｋ个决策单元第ｉ种投入指标的投入量，ｘｉｋ＞０（是已知数据），ｖｉ表示第ｉ种投入指标的权系数，ｖｉ≥０（是变权数），ｙｊｋ表示第ｋ个决策单元第ｊ种产出指标的产出量，ｙｊｋ＞０（是已知数据），ｕｊ

此模型称为Ｃ２Ｒ模型，是最基本的ＤＥＡ模型，用Ｃ２Ｒ模型评价第ｋ０个决策单元的有效性，是相对于其它决策单元而言的，故称为评价相对有效性的ＤＥＡ模型。

Ｔ

记Ｘｋ＝（ｘ１ｋ，ｘ２ｋ，……ｘｐｋ），Ｙｋ＝（ｙ１ｋ，

（３）

银行效率是银行在业务活动中投入与产出或成本与收益之间的对比关系，是衡量银行经营业绩、市场竞争能力、投入产出能力和可持续发展能力的重要标准，效率值的高低可以反映银行的资源利用效果和整体经营情况。因而银行效率分析也就成为银行业绩评价的一种有效方法（邹炜，２００７）。银行效率的分析方法分为非参数方法和参数方法两种，其中非参数方法主要有数据包络分析方法（ｄａｔａ　ｅｎｖｅｌｏｐｍｅｎｔａｎａｌｙｓｉｓ－ＤＥＡ方法）和无界分析方法（ｆｒｅｅｄｉｓｐｏｓａｌ　ｈｕｌｌ－ＦＤＨ方法）；而参数分析方法主要有自由分布方法（ｄｉｓｔｒｉｂｕｔｉｏｎ　ｆｒｅｅ　ａｐ－ｐｒｏａｃｈ－ＤＦＡ方法）、随机前沿分析方法（ｓｔｏｃｈａｓｔｉｃ　ｆｒｏｎｔｉｅｒａｎａｌｙｓｉｓ－ＳＦＡ方法）以及厚前沿分析方法（ｔｈｉｃｋ　ｆｒｏｎｔｉｅｒ　ａｎａｌｙ－ｓｉｓ－ＴＦＡ方法）三种。目

１４家银行工商银行农业银行中国银行

建设银行交通银行浦发银行中信银行光大银行民生银行华夏银行招商银行广东发展福建兴业深圳发展

表４　配对样本的相关性检验

Ｐａｉｒｅｄ　　　Ｓａｍｐｌｅｓ　　Ｃｏｒｒｅｌａｔｉｏｎｓ

Ｎ

Ｐａｉｒ１ＤＥＡ＆ＤＦＡ

１４

Ｃｏｒｒｅｌａｔｉｏｎ．３１７

Ｓｉｇ．．２７０

表１　１９９９－２００５年样本银行各项指标数据一览表

ｘ１

０．００３６９０．００３５１０．００３６００．００３９４０．００３５３０．００３７１０．００３２９０．００３２６０．００３１８０．００３３１０．００３２１０．００３８００．００３１３０．００３５６

ｘ２ｘ３ｙ１

０．６１９３１０．５８２９１０．６５７５３０．５２０２０１．０６７７６１．３８３９１０．７２８３５０．８５７９４１．４５７１０１．０５１８８１．１０８９９１．３０７３２０．８７２８３０．８００２１

０．０１９９３０．０１７６６０．０２２６１０．０１７３９０．０２４９３０．０１６５９０．０６６２６０．０１５６８０．０３９０００．０１５１５０．０３６５１０．０１７８８０．０１３８５０．０５２７１

１６０８．５７２５０１００２．００３７５１１５５．０７７５０１３３７．３３１２５３０１．１００００１１１．３８５３６１１６．５３７５０６０．７１３７８９５．０５４２３６６．２２２６３１３８．１５９０９６０．７９４６５８１．４２００５４４．８７１９４

ｙ２

５７９．１４２５０３４５．３６２５０３８１．２８７５０６１０．９２８７５７７．８５１２５２３．２００５０５０．１３６２５３１．９５１０６２９．２１６７１２０．３６３９３３６．３８９７９２８．２３２９５１９．５４９２６１９．５２６４６

各银行数据来源于1998～2006年的《中国金融年鉴》

第1页下一页