基于DEA模型的非利息收入变动对我国商业银行效率影响的实证分析

1、目 录摘要1ABSTRACT2一 前言31.1 研究背景及意义31.2 文献综述41.2.1 国外研究文献综述41.2.2 国内研究文献综述51.2.3 文献评述61.3 研究思路及方法6二 银行效率的DEA评价方法72.1 银行效率评价方法72.2 DEA分析法7三 研究设计与样本描述103.1 理论分析与研究假设103.1.1 我国商业银行非利息收入业务发展现状103.1.2 银行非利息业务、非利息收入与银行效率之间的关系103.2 模型构建与变量选择113.2.1 建立DEA模型、选择输入输出值113.2.2 建立面板数据模型113.3 描述统计123.3.1 DEA模型描述统计123.

2、3.2 面板数据描述统计14四 实证结果与分析174.1 面板数据实证结果174.2 实证研究结果分析18五 建议对策及研究展望205.1 建议与对策205.2 研究不足及后续研究展望21参考文献22致谢24基于DEA模型的非利息收入变动对我国商业银行效率影响的实证分析摘要本文主要研究我国商业银行非利息收变动与其效率之间的关系。分析我国商业银行非利息收入业务的生存环境、发展现状及影响因素，选取2010年第二季度至2016年第二季度我国十六家上市银行财务报表披露的季度数据为样本，利用数据包络分析方法（DEA）对银行的效率进行估计，利用面板数据分析方法，对银行非利息收入变动及其他相关影响因素和银行

3、效率的相关关系进行实证论证，结合我国商业银行非利息收入业务发展现状，对其未来发展和银行效率的提高提出针对性对策和合理建议。本文得出如下结论：（1）我国上市商业银行的手续费及佣金收入与银行效率呈明显正相关关系，银行的手续费及佣金收入成为商业银行利润增长的支撑点，手续费及佣金收入占比的提升能带来商业银行效率的优化；（2）其他非利息收入（扣除佣金和手续费收入的非息收入）占比与商业银行的效率负相关，与其发展成熟程度较低、经营所消耗成本较高、占比较低未形成规模效应、存在较大风险等因素有关；（3）商业银行利润的增长和资产规模的扩大与商业银行效率的提升相关程度并不显著。关键词：非利息收入，商业银行效率，DE

4、AAn Empirical Analysis of the Impact of Non-interest Income Changes on the Efficiency of Chinas Commercial Banks Based on DEA ModelABSTRACTThis paper mainly studies the relationship between the non - interest income and the efficiency of China s commercial banks. This paper analyzes the living envir

5、onment, the present situation and the influencing factors of the non-interest income business of Chinas commercial banks, and selects the quarterly data from the financial statements of the 16 listed banks in China from the second quarter of 2010 to the second quarter of 2016 as the sample, (DEA) is

6、 used to estimate the efficiency of banks, and the relationship between bank non-interest income and other relevant factors and bank efficiency is proved by using panel data analysis method. Combining with the development of non-interest income business of commercial banks in China, Its future devel

7、opment and the improvement of bank efficiency put forward targeted countermeasures and reasonable suggestions.This paper draws the following conclusions: (1) The fees and commission income of listed commercial banks in China are positively correlated with the bank efficiency. The banks fee and commi

8、ssion income are the supporting points of the profit growth of commercial banks. The fee and commission income (2) The proportion of other non-interest income (non-interest income excluding commission and fee income) is negatively correlated with the efficiency of commercial banks, and the degree of

9、 maturity is low, and the operation of the business (3) The increase of profit of commercial banks and the expansion of asset scale are not significant in relation to the improvement of commercial banks efficiency. Key Words: Non-interest Income of Commercial Bank, Bank Efficiency; DEA一 前言1.1 研究背景及意

10、义银行非利息收入顾名思义是传统的存贷业务利息差以外的营业收入，主要由手续费及佣金收入、净投资收入等服务或活动产生的收入构成。在我国目前的银行收入构成模式下，传统的利息收入仍是商业银行利润的主要来源，一般占据主营业务收入的80%以上。但近年来互联网金融飞速发展及金融体系多元化的态势对我国商业银行传统的存贷业务产生了不小的冲击，同时利率变动、国际经济周期、经济金融形势波动都是导致传统的利息收入增速放缓甚至呈下行趋势的因素。图1 20102015年我国五大国有银行利息收入变化情况图2 20102015年我国五大国有银行非利息收入占比变化情况从图1可以看出，我国五大国有银行的年利息收入近年来呈总体增速

11、放缓趋势；非利息收入占比方面，图2显示自2010年以来交通银行、工商银行非利息收入占比有明显上升趋势，中国银行与建设银行稳中有增，农业银行略有波动但2014年以来仍呈现上升趋势。 数据来源：五大国有商业银行2010-2015年度财务报告数据传统的利息收入增长速度已经逐渐减慢，非利息收入已经逐渐为各家银行所重视并成为提升业绩能力的重要施力方向。不仅仅在中国，全球背景下，尤其是西方金融业较为发达的国家，非利息收入业务已经成为应对银行业和其他金融机构激烈的竞争、适应不断变化的经济金融形势普遍使用和追求的手段。银行综合化经营的持续推进、企业和个人多元化资产管理需求的不断提升等都将成为推动非利息收入增长

12、的有利因素，但外贸持续低迷、理财监管趋于严格、资本市场波动等对其的影响同样不容忽视。 赫国胜,徐洁. 我国上市商业银行非利息收入业务分析与对策J. 财经问题研究,2010,(12):86-92.当前对商业银行非利息收入的研究较少，大多数也都集中在非利息收入业务变动可能存在的风险上，并未与商业银行的实际经营效率联系在一起；而对银行的效率研究也较少将非利息收入业务的影响纳入专门考量。1.2 文献综述本部分主要针对国内外研究学者对商业银行非利息收入业务和银行效率的相关研究理论进行概述。1.2.1 国外研究文献综述商业银行非利息收入业务在国外发展较早，关于其对银行效率影响的研究也相对更为成熟。Joye

13、eta Deb(2013)在对印度的60家银行的面板数据进行分析后得出非利息收入占比的增加能够显著提升商业银行经营管理的效率。Vincenzo Chiorazzo(2008)分析整理了2003至2007年意大利银行的财务报告后认为非利息收入业务类别和规模的扩大导致了商业银行绩效的提高；但同时也有不少学者持相反的观点。Li Li(2014)利用DEA模型对多家商业银行的效率进行评分估计后提出增加非利息收入作为产出变量后并不会对银行的效率产生显著的影响。Moshirian(2015)和Jaffar(2014)对英国巴克莱银行和欧美其他国家的银行非利息收入变动和银行的效率表现进行分析后认为其相关关系

14、不明显。除了非利息收入对银行效率和风险的研究，国外学者对影响非利息收入变动的因素也做过相应探究。较早期的研究中Sinkey（1998）利用美国银行二十世纪90年的财务数据分析研究得出银行资产规模越大非利息收入相应占比越高、传统的利息收入和非利息收入呈负相关变化、核心存款利息和非利息收入占比成反比等结论。Lepetit(2009)分析了欧洲商业银行的风险和收入结构后认为银行的规模和非利息收入的种类都会对商业银行利息收入效益产生比较大的影响，进而影响到商业银行的效率。Stiroh K(2014)在对欧美地区的商业银行非利息收入业务进行分析后提出不同金融市场中的经营格局业务模式都会对非利息收入业务的

15、发展和非利息收入与银行效率之间的关系产生不同程度的影响。1.2.2 国内研究文献综述我国商业银行的非利息收入业务起步相对较晚，随着商业银行多元化、综合化经营的发展趋势，越来越多的专业学者也开始将目光聚焦在非利息收入以及其对商业银行效率、绩效的影响上来。肖崎、苗俊杰(2016)对我国主要上市银行在2005至2014年的财报数据进行实证分析，剖析了我国商业银行非利息收入所占比重不高、业务的种类不多、前期增速缓慢但与利息收入波动近似的发展现状，但国内关于非利息收入的研究更多地集中在对银行风险的影响上。吴晓艳(2013)利用面板数据建立系统GMM GMM即广义矩估计,Generalized metho

16、d of moments，是基于模型实际参数满足一定矩条件而形成的一种参数估计的方法，是矩估计方法的一般化。模型分析后认为非利息收入增加对降低资本充足率风险、经营风险、获利风险有积极的作用。汪宏城(2012)提出非利息收入业务的变动对我国商业银行收益率的波动存在着显著的影响。商业银行效率受非利息收入变动影响的研究方面，邰越越、杨虎锋(2014)基于我国44家银行2007-2012的面板数据建立变截距固定效应模型，他们认为非利息收入占比以及非利息收入业务的种类变化对商业银行的绩效并无显著影响。魏世杰(2010)等人在分析了2003-2007年间国内40家商业银行的相关数据后提出非利息收入占比的提

17、高和商业银行效率之间呈负相关关系，但将其进一步拆分后佣金及手续费收入占比的提高有利于提高银行的经营效率。崔慕华(2014)利用理论分析与实证回归相结合的方法提出在我国目前的银行非利息收入发展现状下，商业银行的非利息收入与银行的经营效率是呈正相关关系的结论并加以了验证。1.2.3 文献评述随着我国银行业收入结构的不断调整和转型发展的趋势，非传统的非利息收入业务尤其是在近几年发展迅猛，关于最新的非利息收入发展现状下与商业银行效率的相关性研究还是较少，国内的相关研究在引入DEA模型来测度商业银行的效率时也较少考虑到非利息收入因素的影响。因此本文选取2010至2016年度我国十六家上市银行非利息业务收

18、入占比、营业净利润等季度数据，利用DEA效率评价方法对银行效率进行评估，利用面板数据分析方法，对银行非利息收入变动和银行效率的相关关系进行实证论证具有一定创新性和价值。 1.3 研究思路及方法本文采用理论分析与实证检验相结合的研究方法，将商业银行的非利息收入变动情况与其实际经营效率联系起来，选取2010年至2016年我国16家上市银行所披露的季度数据指标作为研究对象，采用数据包络分析方法（DEA）对其经营效率进行估计，提出相关假设，利用面板数据分析方法检验我国上市商业银行的非利息收入变动情况对商业银行效率的影响，进而得出相关结论并提出相应建议与对策。本文采用的研究方法具体有：1. 文献综合研究

19、法。梳理国内外对于商业银行非利息收入业务的现有研究成果，整理包括数据包络分析方法（DEA）在内的银行效率评价方法，对国内外关于商业银行效率、非利息收入业务的相关理论与研究成果进行概述和评价，为后续的实证分析打下基础。2. 实证研究分析方法。采用数据包络分析法（DEA）对研究样本进行估计，采用面板数据分析方法，基于基本理论建立非利息收入对商业银行效率影响的模型，利用计量经济学方法验证银行非利息收入变动对于商业银行效率的实际影响。二 银行效率的DEA评价方法2.1 银行效率评价方法根据效率的基本定义，商业银行的效率是指综合考量银行的投入和产出间的相对比例关系。银行的效率往往是商业银行的盈利能力、可

20、持续发展能力的综合体现，银行的效率不管是在理论界还是实务界都是关注和研究的焦点，因为银行的效率高低不仅影响其自身的获利能力和发展前景，也对整个社会的资金运转效率与金融、经济稳定有重要的意义。关于银行效率的评价方法也多种多样，现行采用比较广泛的是财务指标分析法、经济增加值方法、平衡记分卡法和前沿效率分析法。 陈晞. 银行同业业务扩张对我国上市商业银行效率影响D.厦门大学,2014.财务指标分析法和经济增加值分析方法都是利用银行的相关指标来进行效率的衡量。净资产收益率（ROE） 净资产收益率ROE，即Rate of Return on Common Stockholders Equity，是公司税

21、后利润与净资产的比值，用于衡量股东权益的收益水平。就是财务指标分析法下经典的一项效率评价指标，至今也为众多的研究者所选用，但显然其更侧重于银行盈利能力的强弱，对复杂的金融环境下银行的可持续发展经营绩效的评估是不全面的；经济增加值方法从增量的角度衡量效率，用税后营业净利润和资本费用的差额得出经济的增加值，但实际资金使用成本和未来现金流的预测是较为困难的。平衡计分卡从财务、内部流程、客户、创新与学习四个维度进行效率考核，属于较抽象的方法。以上三种方法各有侧重，但是都存在着或评价方法单一、或定性测度有失准确的弊端。现广泛为人们所接受的银行效率测度方法是随机前沿分析（SFA）为代表的参数法和数据包络分

22、析（DEA）为代表的非参数分析方法，它们就属于上述的第四种效率评价方法：前沿效率分析法。随机前沿分析法（SFA）需要提前预设效率的目标函数，利用最大似然估计对其进行参数估计，其优点为可以分解出影响效率的各个因素，但函数的预设难度较大；而数据包络分析法（DEA）则不需要预设目标函数或者分布，实际运用的是线性规划的方法，利用投入要素与产出要素进行效率估计，因其较强的可操作性得到广泛认可与使用。2.2 DEA分析法数据包络分析方法（DEA）本质上是利用线性规划方法来评价多个投入和产出“对象”（称为“决策单元”，记为DMU）的有效性。根据对DMU观察数据值判断DMU是否有效，本质上是判断DMU是否位于

23、可能集的“生产前沿面”上。2.2.1 DEA模型概述DEA模型所测度的技术效率是规模报酬不变的情况下生产前沿面上最优投入同实际投入的比率，可以理解为是反应在产出一定时，实现投入最小化的能力。实际上DEA模型度量的是一种综合效率，它包含纯技术效率（PTE）和规模效率（SE）两部分，相关关系为：TE=PTE*SE当规模报酬可变时，位于生产前沿面上的最佳投入与实际投入的比例就是PTE，能够体现银行经营管理水平的高低；而SE则是在规模报酬不变与规模报酬可变的不同情况下两者最优投入的比例。2.2.2 模型的简要数学推导过程在DEA模型中拟进行效率评估的对象就是决策单元（DMU）。有如下的几项假设：有n个

24、决策单元 (j=1,2,3,n)每个DMU有相同（相似）的m项输入（投入）指标 (i=1,2,3,m) 每个DMU有相同（相似）的s项输出（产出）指标 r=1,2,3,s) 第i个决策单元的输入向量Xi=x1i, x2i,xai，输出向量量Yi=y1i, y2i,yai,衡量决策单元DMUj是否DEA有效即用线性规划方法求出效率前沿边界，此时xij表示DMUj的m*1投入向量，yij表示DMUj的s*1产出向量，定义落在前沿上的决策单位（DMU）效率为1，即DEA有效，未落在前沿面上的效率值介于0到1之间。则某一DMUj0的相对效率则可以由以下线性规划模型得出：min,s.t. j=1njXj

25、iXi ,s.t. j=1njYjiYi ,j0, j=1,2,3,n以上即规模报酬不变前提下的CCR模型，是库伯等人由“两投入一产出”推广为“多投入多产出”而来。但在现实中规模报酬不变的前提条件是较难满足的，VRS模型就进行了相应的修正来改进较为苛刻的假设带来的不便，测算除去规模效应的影响所得到的纯技术效率，即加入凸性假设：j=1nj=1 ,模型中的i则表示第i个决策单元的PTE，再利用比例关系求出规模效率SE。2.2.3 样本及指标选取依据效率的基本定义，商业银行的效率应为其投入要素与产出要素之间的比例，本质反应的是商业银行的资源利用效率和运营水平。利用数据包络分析（DEA）方法进行商业银

26、行效率的评价和度量已经逐渐为人们所广泛使用，但在输入和输出指标的选择上却各有侧重，有所区别。如何选用输入和输出指标，现行的主流方法有成本法和中介法等。 王健,金浩,梁慧超. 我国商业银行效率分析基于超效率DEA和Malmquist指数J. 技术经济与管理研究,2011,(04):124-127.成本法将银行视为生产其产品（即对应服务）的厂家，输入指标（投入）为生产的成本:资本、劳动力等，输出指标（产出）为其提供产品的数量，一般具体化为使用用户和交易的数量。中介法则将银行视为金融活动的中介机构，付出利息从存款者处吸纳储蓄筹集资金，向贷款者放出贷款收取利息以获利。银行作为资金融通活动的媒介显然更符

27、合现代银行的功能定位与实际情况，所以在DEA研究中中介法也处于较高的使用频率。表1 基于中介法的DEA输入输出指标选取作者输入指标输出指标武伟、李丹、王涛资本总额、劳动、借入资金贷款、股权投资、其他投资、其他收益资产周逢民、张会元等存款总额、利息支出、员工人数、固定资产投资总额、非利息收入、净贷款总额王健、金浩、梁慧超固定资产净值、员工人数、营业费用贷款、其他盈利资产、税前利润总额本文根据自身的研究方向和重点，对比后综合两种方法的长处，取长补短综合选取相应的输入和输出指标。三 研究设计与样本描述3.1 理论分析与研究假设3.1.1 我国商业银行非利息收入业务发展现状商业银行非利息收入是属于传统

28、的存贷业务利息差以外的营业收入。利差收入虽仍是商业银行主要的利润来源，但由于影响利息变动的因素较多，且随着经济、金融形式的变化，我国的商业银行也开始纷纷将目光聚焦在非利息业务的发展上。根据2016年我国上市商业银行披露的季度财务报告显示，多家银行的营业收入下滑，利息收入减少，但非利息收入占比却呈现一个增长的态势。截至2016年第三季度数据不完全统计，非利息收入占营业收入的比重超过30%的银行在A股上市行中数目已经大于10家。民生银行、中国银行和招商银行表现亮眼，非利息收入占比居前三位。 数据来源：我国上市银行季度财务报告披露数据我国的非利息收入发展较晚和国外普遍的接近50%的非息收入占比有着很

29、大的差距，也因此在发展的潜力上是巨大的。 崔慕华,衣兰. 商业银行非利息收入与经营绩效相关性研究J. 绿色财会,2014,(04):14-16.但是金融环境的差异、竞争情况的复杂也意味着非利息收入业务的发展速度和发展方式都同时面临着机遇和挑战。银行业转型推动力巨大但政策规范也愈加严格，互联网金融、机构和产品市场化多元化都对商业银行的各类传统和创新业务产生了极大的冲击，因而非利息收入的变动和商业银行的经营效率之间的关系是一个值得研究的问题。3.1.2 银行非利息业务、非利息收入与银行效率之间的关系依据我国上市商业银行财务报告列示，商业银行的非利息收入主要有佣金及手续费收入、净投资收入、汇兑收入等

30、几项，当下经济金融形势下资产规模扩张速度放缓，金融市场化程度逐渐加深，商业银行“躺着赚钱”的阶段早已经不复存在，传统的利息差收入利润空间逐渐缩减，向非利息收入业务转变发展已经成为商业银行经转型发展的必由之路。中国商业银行的非利息收入占比和利息差收入确实规模尚小，但非利息收入已呈现总体增长趋势，且占据份额也在逐步提升的过程中，随着银行业综合功能的日益健全和规范，非利息收入业务的发展对商业银行分散风险、提升经营效益和效率具有重要的影响。所以本文假设非利息收入与我国商业银行的经营效率呈相关关系，但具体正向还是负向的影响暂不明确，因而对其作如下拆分处理：对非利息收入的构成进行进一步的分析，将非利息收入

31、拆分为手续费及佣金收入和不包含手续费和佣金收入的其他非利息收入两部分。其中手续费及佣金收入属于非利息收入最重要的组成部分也是目前非利息收入的主要来源，较高的手续费及佣金业务收入往往意味着规模较大或数量较多的咨询、担保、代管业务等，与之相匹配的一般都是较高的银行声誉和强大的运营实力，本文假设手续费佣金收入与商业银行的效率呈正相关关系。除去手续费及佣金收入后的其他非利息收入来源主要是其他的一些新兴的、风险较高的、不够成熟的非利息收入业务，在我国非利息收入业务迅速成长但发展不够成熟和尚未完善的阶段，本文假设其与我国商业银行的效率呈负相关关系。3.2 模型构建与变量选择在进行非利息收入变动与商业银行效

32、率之间的相关关系实证论证时，实际要分为两个步骤，第一步先利用数据包络分析法（DEA）对商业银行的效率值进行估测，估测出的效率值作为面板数据分析中的被解释变量；选取我国16家上市银行的相应指标作为解释变量进行实证研究，数据时间跨度为2010年第二季度至2016年第二季度的季度数据。3.2.1 建立DEA模型、选择输入输出值选择在时间跨度期开始时已上市的16家银行作为DEA模型中的决策单元（DMU），数据来源为中国上市银行所披露的季报、半年报和年报。在DEA分析方法中，需要对比各项所选择的投入（输入）和产出（输出）指标来估测DMU的效率值。综合借鉴广泛运用的中介法和生产法等指标选取方法，根据阅读整

33、理的相关文献，融合本文探讨的方向与重点，选择以下的指标作为输入和输出指标：输入指标:存款总额、固定资产、利息支出输出指标:贷款总额、主营业务收入、净利润3.2.2 建立面板数据模型选择与DEA模型中相同的十六家上市银行作为样本，以保持分析的延续性与整体性，根据以上分析及其他文献研究，考察商业银行非利息收入波动是否和银行的效率变化有相关关系，考察商业商业银行其他非利息收入、净利润和资产规模等其他因素对其效率影响的相关关系，建立如下模型：TEit=0+1SXFRit+2ONIIRit+3TRit+4TAit+it模型中i表示第i家银行，i=1,2,3,n，t表示第t期，t=1,2,3,s，TEit

34、表示第i家银行在第t时期的效率值，SXFRit是第i家银行在第t期的手续费及佣金收入占比，ONIIRit则是第i家银行在第t时期的其他非利息收入占比，TRit是第i家银行在第t时期的营业净利润指标，而TAit指的是第i家银行在t期的资本总量。3.3 描述统计3.3.1 DEA模型描述统计本文选取的输入指标为“存款总额、固定资产、利息支出”，输出指标为“贷款总额、主营业务收入、净利润”，利用DEA-SOLVER Pro5.0软件进行DEA模型分析，下表即为选择CCR-I模型时十六家上市银行的效率值估测值：表2-1 十六家商业银行2010年第二季度至2012年第二季度DEA模型效率值时期/银行20

35、1006201009201012201103201106201109201112201203201206浦发银行0.9979 0.9912 0.9525 0.9632 0.9764 0.9390 0.9470 0.9235 0.9967 华夏银行1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 民生银行0.8214 0.8265 0.8126 0.8463 0.8152 0.8387 0.8563 0.8287 0.8354 招商银行0.8341 0.8523 0.8069 0.8296 0.8221 0.7986 0

36、.8425 0.8121 0.8412 南京银行1.0000 0.8900 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 兴业银行0.9170 0.8468 0.9878 1.0000 0.9258 1.0000 0.9952 1.0000 1.0000 北京银行1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 农业银行1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 交通银行0.8883 0

37、.8873 0.8646 0.9167 0.9456 0.9297 0.9204 0.9105 0.9363 工商银行0.9618 0.9307 0.9355 0.9565 0.9483 0.9400 0.9627 0.9615 0.9683 光大银行0.9525 0.9572 0.9604 0.9572 0.9701 0.9969 0.9768 0.8893 0.9127 建设银行0.9088 1.0000 0.9061 0.9141 0.9270 0.8997 0.9394 0.9710 0.9431 中国银行1.0000 1.0000 1.0000 1.0000 1.0000 1.000

38、0 1.0000 1.0000 1.0000 中信银行0.9876 0.9370 0.9092 0.9423 0.9307 0.8631 0.8918 0.9146 0.9525 平安银行0.9604 0.9679 0.9265 0.8947 0.9357 1.0000 1.0000 0.9564 1.0000 宁波银行0.8888 0.8070 1.0000 1.0000 1.0000 1.0000 1.0000 0.8884 0.8979 2-2 十六家商业银行2012年第三季度至2014年第三季度DEA模型效率值时期/银行2012092012122013/0320130620130920

39、1312201403201406201409浦发银行0.9629 0.9879 1.0000 1.0000 0.9772 0.9203 0.9409 0.9510 0.9461 华夏银行1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 民生银行0.8169 0.8496 0.8871 0.8731 0.8645 0.9251 0.9018 0.8967 0.8676 招商银行0.8092 0.8622 0.8720 0.8610 0.8361 0.8050 0.7831 0.8485 0.8372 南京银行1.0000

40、 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 兴业银行1.0000 0.9989 0.9108 0.9276 0.9557 0.9667 1.0000 1.0000 0.9757 北京银行1.0000 1.0000 0.9424 0.9939 1.0000 1.0000 1.0000 1.0000 1.0000 农业银行1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 交通银行0.9315 0.9814 0.9291 0.9430 0.9696 1.0

41、000 1.0000 1.0000 1.0000 工商银行0.9707 0.9823 0.9658 0.9641 0.9680 0.9489 0.9703 0.9737 0.9734 光大银行0.9107 0.9382 0.9495 0.9537 0.9807 0.9917 1.0000 0.9749 0.9451 建设银行0.9291 0.9522 0.9552 0.9687 0.9446 0.9264 0.9238 0.9269 0.9402 中国银行1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 中信银行0.9

42、355 0.9681 0.9845 1.0000 0.9839 0.9573 0.9481 0.9953 0.9880 平安银行1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 宁波银行0.9235 0.9527 1.0000 1.0000 0.9519 0.9862 1.0000 1.0000 1.0000 表2-3 十六家商业银行2014年第四季度至2016年第二季度DEA模型效率值时期/银行201412201503201506201509201512201603201606浦发银行0.9100 0.9854 0.

43、9522 0.9137 0.8807 0.8936 0.8622 华夏银行1.0000 1.0000 1.0000 1.0000 0.9955 1.0000 0.9708 民生银行0.9558 0.9448 0.9160 0.9170 0.9312 0.9126 0.8959 招商银行0.8434 0.7233 0.7602 0.7556 0.8155 0.6875 0.7253 南京银行1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 兴业银行0.9522 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 北京

44、银行1.0000 1.0000 1.0000 1.0000 1.0000 0.9891 1.0000 农业银行1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 交通银行1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 工商银行0.9708 0.9184 0.9385 0.9504 0.9291 0.9025 0.9133 光大银行0.9515 0.9413 0.9434 0.9257 0.9563 1.0000 1.0000 建设银行0.9337 0.8893 0.9055 0.9138 0.900

45、8 0.8315 0.8467 中国银行1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9527 中信银行0.9724 0.9349 0.9741 0.9873 1.0000 1.0000 1.0000 平安银行1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 宁波银行0.9533 0.9378 0.9756 0.9473 0.9287 0.9518 0.9480 根据DEA模型分析结果（如表2-1、2-2以及2-3所示）可以对作为代表的16家上市银行选取时段（2010年第二季度至2016年第二季度）的效率

46、情况进行简单的分析评述。1. 我国上市商业银行的效率在波动中上升由上表DEA模型得出的银行效率估测值可以看出，我国商业银行的效率处于一个波动的过程，每个时点上该16家银行的效率均值如图3所示，处于一个波动上升的状态。其中2012年第一季度与2014下半年的两次明显下滑可能与银监会密集出台相关政策和互联网金融迅速发展对商业银行带来的冲击有关联。2015-2016年商业银行转型发展步伐逐渐加快，在业务、经营方式转型探索中，产生波动也属于正常反应。图3 2010年第二季度至2016年第二季度16家银行效率均值2. 我国上市股份制银行的效率暂优于国有上市银行由2010年第二季度至2016年第二季度的效

47、率值得出16家上市银行的效率均值，其中农业银行效率值最高，接着是华夏银行、中国银行、北京银行、南京银行、平安银行、兴业银行、中信银行，五大行中仅农业银行与中国银行排名靠前，股份制银行更佳的效率值表现与其较强的业务创新能力是密不可分的，而工商银行与建设银行的效率值则呈现一个下滑趋势，在巨大的体量下保持业务增长的同时也需要关注实际的运营效率。3.3.2 面板数据描述统计1. 面板数据统计描述对该16家上市银行的非利息收入指标“非利息收入占比”进行统计描述可得：如图4，16家上市银行的非利息收入占比呈现明显上升趋势，这与我国商业银行向多元业务转型和逐步发展非利息收入等业务的现状相符合。图4 2010

48、2016年银行年平均非利息收入占比变化趋势其中平均非利息收入占比最高的是中国银行，非利息收入占比为32.7%，可见非利息收入已经低于70%，可能与其经营方针与外汇业务等银行发展特色有关系，紧随其后的是民生银行29.4%与招商银行28.3%，而非利息收入平均占比最低的是华夏银行13.8%。单季度非利息收入占比最大值出现在建设银行2016年第一季度时，占比42.6%。表3 面板数据模型变量相关统计描述TESXFRONIIRTRTA均值0.95620118.1242521.735464.43E+105.84E+12中值0.98496918.5671021.480002.06E+103.27E+12最

49、大值1.00000036.3084042.596702.78E+112.35E+13最小值0.6875065.9025000.2220007.89E+081.99E+11标准差0.0589665.8936087.8270545.59E+105.98E+122. 面板数据单位根检验在面板数据中，当存在单位根时就会出现不平稳情况，此时就会出现伪回归。所以在回归之前先对变量进行单位根检验。以下为检验结果：（1）技术效率（TE）被解释变量TE是基于DEA模型估测的银行效率的评价指标，利用Eviews软件对其进行单位根检验，原假设为存在单位根，置信度为5%，结果如下：表4-1 TE（技术效率）单位根检验方法统计