基于DEA三阶段模型剖析我国上市商业银行X效率：现状、影响与提升策略

基于DEA三阶段模型剖析我国上市商业银行X效率：现状、影响与提升策略一、引言1.1研究背景与意义在我国的金融体系中，商业银行占据着举足轻重的地位，是金融市场的核心参与者之一。商业银行通过吸收公众存款、发放贷款、开展中间业务等，为社会提供了必要的金融服务，促进了资金的流动和配置，对经济增长和社会发展起着至关重要的支持作用。尤其上市商业银行，凭借其在资本市场的影响力和广泛的业务布局，不仅在资金融通方面发挥着关键作用，还对金融市场的稳定和发展有着深远影响。随着金融市场的逐步开放和金融改革的不断深入，我国上市商业银行面临着日益激烈的竞争。一方面，国内金融机构不断涌现，金融产品和服务日益多样化，各类银行之间在客户资源、业务领域等方面展开了全方位的竞争；另一方面，外资银行的进入，凭借其先进的管理经验、成熟的金融技术和国际化的运营模式，给国内上市商业银行带来了巨大的冲击和挑战。在这样的背景下，如何提升上市商业银行的竞争力，成为了亟待解决的重要问题。而X效率作为衡量商业银行经营管理水平和资源配置能力的关键指标，对于上市商业银行的发展具有重要意义。X效率反映了银行在现有技术和资源条件下，实现成本最小化或产出最大化的能力，涵盖了银行内部管理效率、技术效率、配置效率等多个方面，能够全面地评价银行的运营状况。通过对上市商业银行X效率的研究，可以深入了解银行在经营过程中存在的问题和不足，发现影响银行效率的关键因素。这不仅有助于银行自身优化经营管理策略，提高资源配置效率，降低运营成本，提升盈利能力和市场竞争力；还能为监管部门制定科学合理的监管政策提供有力依据，促进金融市场的健康稳定发展，维护金融体系的安全。所以，对我国上市商业银行X效率展开研究，在理论和实践层面都有着不可或缺的价值。1.2国内外研究现状在国外，DEA三阶段模型在商业银行X效率研究中得到了广泛应用。Golos等人（2019）运用DEA模型对欧洲商业银行的效率进行研究，通过构建投入产出指标体系，分析了不同银行在资源利用和产出方面的效率差异，为欧洲商业银行提升效率提供了参考依据。其研究表明，银行的规模、业务多元化程度等因素对效率有着显著影响。而在国内，随着金融市场的发展和对商业银行效率研究的深入，DEA三阶段模型也逐渐成为学者们常用的研究方法。李婷婷等（2020）利用DEA模型对国内上市银行的效率进行评估，发现不同银行之间的效率存在明显差距。研究指出，银行应根据自身特点，优化资源配置，提升经营管理水平，以缩小与高效率银行的差距。还有学者利用DEA三阶段模型，深入分析了我国商业银行的效率情况。通过第一阶段的DEA模型计算各银行的初始效率值，在第二阶段利用回归模型探究影响银行效率的因素，如市场份额、资本充足率、不良贷款率等，最后在第三阶段依据回归结果对效率值进行调整，从而得到更为精确的效率评价结果。研究发现，我国商业银行的整体效率还有提升空间，银行的规模、资产质量、经营多元化等因素对银行效率有着显著影响。然而，当前研究仍存在一些不足之处。一方面，部分研究在选取样本时，样本数量有限或样本覆盖范围不够全面，导致研究结果的代表性受到一定限制。例如，一些研究仅选取了少数几家大型商业银行作为样本，未能涵盖不同规模、不同地区的各类商业银行，使得研究结果无法全面反映我国上市商业银行的整体效率状况。另一方面，在环境变量的选择上，部分研究考虑不够周全，仅选取了少数几个常见的环境因素，未能充分考虑到宏观经济环境、政策法规变化、金融创新等多方面因素对商业银行效率的综合影响。例如，在金融科技迅速发展的背景下，金融创新对商业银行的业务模式、市场竞争格局产生了深远影响，但部分研究未将金融创新因素纳入环境变量进行分析，可能导致对商业银行效率的评估不够准确。基于以上研究现状和不足，本文将进一步拓展样本范围，选取更具代表性的我国上市商业银行作为研究对象，涵盖大型国有商业银行、股份制商业银行和城市商业银行等不同类型。同时，在环境变量的选择上，将综合考虑宏观经济环境、政策法规变化、金融创新等多方面因素，力求更全面、准确地评估我国上市商业银行的X效率，并深入分析影响效率的关键因素，为提升我国上市商业银行的竞争力提供更具针对性的建议。1.3研究方法与创新点本文在研究过程中，主要运用了以下研究方法：数据包络分析（DEA）三阶段模型：在第一阶段，运用DEA模型计算我国上市商业银行的初始效率值，初步评估各银行在投入产出方面的效率表现。第二阶段，通过构建回归模型，深入分析影响银行效率的各种因素，包括宏观经济环境、政策法规变化、金融创新等环境因素，以及银行自身的经营管理因素等。在第三阶段，依据第二阶段的回归结果，对第一阶段的效率值进行调整，从而得到更为准确、全面反映我国上市商业银行真实效率水平的评价结果。该模型能够有效处理多投入多产出问题，且无需事先设定生产函数的具体形式，减少了主观因素的影响，使研究结果更具客观性和可靠性。文献研究法：通过广泛查阅国内外关于商业银行效率研究的相关文献，全面梳理了DEA三阶段模型在商业银行效率研究领域的应用现状、研究成果以及存在的不足。深入分析了不同学者在样本选取、变量设定、研究方法等方面的差异和特点，为本文的研究提供了坚实的理论基础和丰富的研究思路，避免了研究的盲目性，确保研究在已有成果的基础上能够有所创新和突破。实证分析法：选取具有代表性的我国上市商业银行作为研究样本，收集各银行的财务数据、经营数据以及相关宏观经济数据等。运用统计分析软件对数据进行处理和分析，通过严谨的实证检验，深入探究我国上市商业银行X效率的现状、影响因素以及各因素之间的相互关系，使研究结论更具说服力和实践指导意义。本文的创新点主要体现在以下几个方面：样本选取的全面性：以往部分研究在选取样本时存在局限性，本文将尽可能扩大样本范围，涵盖大型国有商业银行、股份制商业银行和城市商业银行等不同类型的上市商业银行。这样能够更全面地反映我国上市商业银行的整体效率状况，使研究结果具有更广泛的代表性，为各类上市商业银行提升效率提供更具针对性的参考。变量选取的综合性：在环境变量的选择上，充分考虑到金融市场的复杂性和多样性，不仅纳入常见的宏观经济指标，如国内生产总值（GDP）增长率、通货膨胀率等，还将金融创新因素、政策法规变化等纳入其中。例如，选取金融科技投入、新产品开发数量等指标来衡量金融创新，选取监管政策调整、货币政策变化等作为政策法规变量。通过综合考虑多方面因素，更全面地分析其对商业银行X效率的影响，弥补了以往研究在环境变量选取上的不足，使研究结果更符合实际情况。分析角度的独特性：从多个维度对我国上市商业银行X效率进行分析，不仅关注银行的内部经营管理因素对效率的影响，如成本控制、风险管理、业务创新等；还深入探讨外部环境因素与银行效率之间的关系，以及不同类型银行在效率表现上的差异和原因。通过这种全面、深入的分析，为提升我国上市商业银行X效率提供更系统、全面的建议，为金融监管部门制定政策提供更丰富的决策依据。二、相关理论基础2.1商业银行X效率理论2.1.1X效率的概念X效率这一概念最早由美国经济学家哈维・莱宾斯坦（HarveyLeibenstein）于1966年在《配置效率与X效率》一文中提出。它是一种从成本角度衡量生产效率的指标，用生产某给定量产出的实际成本与最低成本之差来度量。若此差值为零，表明该生产过程达到了X有效状态；反之，若差值不为零，则称其处于X无效状态。在商业银行领域，X效率反映了银行在既定的技术和资源条件下，将投入转化为产出的能力，涵盖了银行内部管理效率、技术效率、配置效率等多个方面，是对银行整体运营效率的综合体现。它不仅仅关注银行的资源配置是否达到最优，更强调银行内部组织管理、员工积极性和创新能力等非配置因素对效率的影响。例如，一家银行即使在资源配置上达到了理论上的最优状态，但如果内部管理混乱，员工工作效率低下，那么其X效率也可能较低。与传统的配置效率不同，X效率更注重银行内部微观层面的运营状况。配置效率主要关注的是资源在不同生产部门或企业之间的分配是否达到最优，以实现社会福利最大化；而X效率则聚焦于银行内部，关注银行如何通过优化内部管理流程、提升员工素质、加强技术创新等方式，降低运营成本，提高产出水平，从而实现自身效率的提升。例如，在资源配置相同的情况下，不同银行由于内部管理水平的差异，其X效率可能存在显著差别。管理水平高的银行能够更有效地组织员工开展业务，合理利用资源，从而实现更高的产出和更低的成本，体现出更高的X效率。2.1.2X效率的构成及影响因素商业银行的X效率主要由技术效率和配置效率构成。技术效率衡量的是银行在给定投入要素的情况下，实际产出与最大可能产出之间的差距，反映了银行利用现有技术水平将投入转化为产出的能力。若银行能够充分利用现有的技术和资源，实现产出最大化，那么其技术效率较高；反之，若存在技术浪费或资源闲置，导致实际产出低于最大可能产出，则技术效率较低。例如，一些银行积极引入先进的金融科技技术，优化业务流程，提高了业务处理速度和准确性，从而提升了技术效率。配置效率则反映了银行在投入要素价格给定的情况下，是否选择了最优的投入组合，以实现成本最小化。也就是说，配置效率关注的是银行如何根据各种投入要素的价格，合理分配资源，使得每单位成本能够带来最大的产出效益。例如，银行在人力、物力和财力等投入要素的配置上，需要根据市场价格和自身业务需求，进行科学合理的安排。如果银行能够以较低的成本获取高质量的投入要素，并将其合理配置到各个业务环节，那么就能实现较高的配置效率。影响商业银行X效率的因素是多方面的，既包括内部管理因素，也涵盖外部环境因素。从内部管理角度来看，银行的公司治理结构对X效率有着关键影响。合理的公司治理结构能够明确各部门和各层级的职责权限，形成有效的决策机制、监督机制和激励机制，从而提高银行的运营效率。例如，完善的董事会制度可以确保银行决策的科学性和合理性，避免因管理层的不当决策导致效率低下；有效的激励机制能够充分调动员工的工作积极性和创造力，提升员工的工作效率和服务质量，进而促进银行X效率的提升。银行的风险管理能力也是影响X效率的重要因素。在复杂多变的金融市场环境下，银行面临着信用风险、市场风险、操作风险等多种风险。有效的风险管理能够帮助银行识别、评估和控制这些风险，降低风险损失，保障银行的稳健运营。例如，银行通过建立完善的信用风险评估体系，准确评估贷款客户的信用状况，合理控制贷款风险，避免不良贷款的大量产生，从而减少因风险损失带来的成本增加，提高银行的X效率。业务创新能力同样对商业银行X效率有着重要影响。随着金融市场的不断发展和客户需求的日益多样化，银行需要不断进行业务创新，推出新的金融产品和服务，以满足市场需求，拓展业务领域，提高市场竞争力。例如，一些银行积极开展金融科技创新，推出线上金融服务平台，为客户提供便捷、高效的金融服务，不仅吸引了更多的客户，还降低了运营成本，提升了银行的X效率。从外部环境因素来看，宏观经济环境对商业银行X效率有着显著影响。在经济繁荣时期，企业和居民的收入水平提高，对金融服务的需求增加，银行的业务规模得以扩大，盈利能力增强，X效率相应提高；而在经济衰退时期，市场需求萎缩，企业经营困难，信用风险上升，银行的业务发展受到限制，运营成本增加，X效率可能下降。例如，在经济增长较快的时期，企业投资意愿强烈，贷款需求旺盛，银行能够更好地发挥资金融通的功能，实现更高的收益；而在经济不景气时，企业还款能力下降，银行的不良贷款率上升，运营风险加大，对X效率产生负面影响。金融监管政策也是影响商业银行X效率的重要外部因素。严格的金融监管政策有助于规范银行的经营行为，防范金融风险，维护金融市场的稳定。然而，过度严格的监管政策可能会增加银行的合规成本，限制银行的业务创新和发展空间，从而对X效率产生一定的抑制作用。例如，监管部门对资本充足率、流动性等指标的严格要求，虽然有助于提高银行的抗风险能力，但也可能导致银行在满足监管要求的过程中，增加资金成本和运营成本，影响X效率。反之，合理适度的监管政策能够引导银行健康发展，促进银行提高经营管理水平，提升X效率。2.2DEA三阶段模型介绍2.2.1第一阶段：传统DEA模型数据包络分析（DEA）是由美国著名运筹学家A.Charnes、W.Cooper和E.Rhodes于1978年最早提出的一种非参数前沿效率分析方法，它以相对效率概念为基础，以凸分析和线性规划为工具，用于评价多投入多产出决策单元（DMU）的相对效率。DEA模型在商业银行效率研究中具有重要作用，它能够在无需设定生产函数具体形式的情况下，有效处理多投入多产出系统，准确衡量商业银行将投入转化为产出的效率水平。DEA模型中最经典的是CCR模型（Charnes-Cooper-Rhodes模型）和BCC模型（Banker-Charnes-Cooper模型）。CCR模型假设规模报酬不变，其基本原理是通过线性规划方法构建包络面，寻找每个决策单元的最优权重向量，使得在给定的投入下产出最大化，或在给定的产出下投入最小化。在CCR模型中，假设有n个决策单元，每个决策单元有m种投入和s种产出，对于第j_0个决策单元，其效率评价模型的线性规划形式为：\begin{align*}\min\theta\\s.t.\quad&\sum_{j=1}^{n}x_{ij}\lambda_j\leq\thetax_{ij_0},\quadi=1,2,\cdots,m\\&\sum_{j=1}^{n}y_{rj}\lambda_j\geqy_{rj_0},\quadr=1,2,\cdots,s\\&\lambda_j\geq0,\quadj=1,2,\cdots,n\end{align*}其中，\theta为决策单元j_0的效率值，取值范围为[0,1]；x_{ij}表示第j个决策单元的第i种投入量，y_{rj}表示第j个决策单元的第r种产出量；\lambda_j为权重向量。当\theta=1时，表明该决策单元处于技术有效和规模有效状态，即在现有技术水平下，投入得到了充分利用，且规模大小合适，实现了最优的产出效率；当\theta\lt1时，则说明该决策单元存在投入冗余或产出不足的情况，处于非有效状态，意味着在相同的投入条件下，其他决策单元能够实现更高的产出，或者该决策单元可以通过减少投入来达到相同的产出。BCC模型则在CCR模型的基础上进行了扩展，考虑了规模报酬可变的情况，将技术效率（TE）进一步分解为纯技术效率（PTE）与规模效率（SE）的乘积，即TE=PTE\timesSE。其中，纯技术效率反映了决策单元在给定投入下，由于自身管理和技术水平等因素导致的实际产出与最大可能产出之间的差距，衡量了决策单元的内部管理效率和技术利用效率；规模效率则衡量了决策单元的生产规模是否处于最优状态，反映了由于规模因素导致的效率损失或增益。BCC模型的投入导向型线性规划模型为：\begin{align*}\min\theta\\s.t.\quad&\sum_{j=1}^{n}x_{ij}\lambda_j\leq\thetax_{ij_0},\quadi=1,2,\cdots,m\\&\sum_{j=1}^{n}y_{rj}\lambda_j\geqy_{rj_0},\quadr=1,2,\cdots,s\\&\sum_{j=1}^{n}\lambda_j=1\\&\lambda_j\geq0,\quadj=1,2,\cdots,n\end{align*}在商业银行效率研究中，通过CCR模型和BCC模型，可以测算出各商业银行的技术效率、纯技术效率和规模效率等初始效率值。以员工人数、固定资产净值、存款总额等作为投入指标，以贷款总额、净利润、中间业务收入等作为产出指标，运用DEA模型进行计算，能够初步评估各商业银行在资源利用和产出方面的效率表现，为后续深入分析商业银行的效率提供基础数据。例如，通过计算得到某商业银行的技术效率值为0.8，进一步分解后纯技术效率为0.9，规模效率为0.89，这表明该银行在技术利用和规模方面都存在一定的改进空间，且规模因素对效率的影响相对较大。2.2.2第二阶段：SFA回归在第一阶段的传统DEA模型中，所计算出的效率值可能会受到多种因素的干扰，包括外部环境因素、随机误差以及内部管理因素等。这些因素会使得初始效率值不能准确地反映商业银行的真实内部管理效率。为了剔除这些因素的影响，在第二阶段引入随机前沿分析（SFA）方法对投入松弛变量进行回归分析。SFA回归的基本原理是构建一个以投入松弛变量为被解释变量，以外部环境因素为解释变量的回归模型。假设第k个决策单元的第i个投入项为X_{ik}，其松弛变量为S_{ik}，则S_{ik}=X_{ik}-X_{i}\lambda\geq0；Z_{k}=(z_{1k},z_{2k},\cdots,z_{pk})表示外部环境变量，\beta_{i}为外部环境变量的待估参数；f(Z_{k},\beta_{i})表示外部环境变量对投入松弛变量S_{ik}的影响，一般取f(Z_{k},\beta_{i})=Z_{k}\beta_{i}；V_{ik}+U_{ik}为混合误差项，其中V_{ik}为随机干扰项，并假设V_{ik}\simN(0,\sigma_{vi}^{2})，它代表了不可控的随机因素对投入松弛变量的影响，如市场突发波动、政策临时调整等；U_{ik}表示管理无效率，并假设U_{ik}服从截断正态分布，即U_{ik}\simN(\mu_{i},\sigma_{\mui}^{2})，它反映了由于银行内部管理不善导致的投入松弛。V_{ik}与U_{ik}相互独立不相关。由此得到SFA回归方程为：S_{ik}=f(Z_{k},\beta_{i})+V_{ik}+U_{ik}通过SFA回归，可以得到各外部环境变量的参数估计值\hat{\beta}_{i}以及随机误差项V_{ik}和管理无效率项U_{ik}的估计值。根据回归结果，对各个决策单元的投入变量进行调整，调整原则是将所有的决策单元调整至面临相同的外部环境特征和客观运气。调整公式为：X_{ik}^*=X_{ik}+[\max_{k}\{Z_{k}\hat{\beta}_{i}\}-Z_{k}\hat{\beta}_{i}]+[\max_{k}\{\hat{V}_{ik}\}-\hat{V}_{ik}]其中，X_{ik}^*为调整后的投入量，X_{ik}为原始投入量。公式中前一个中括号表示将所有决策单元调整至相同的外部环境下，使各银行面临相同的外部条件；后一个中括号表示将所有决策单元的随机误差调整为相同情形，消除随机因素对银行投入的影响，从而使每个决策单元都处于公平可比的环境中，以便更准确地衡量银行的内部管理效率。例如，若某银行在第一阶段的DEA模型中，由于所处地区经济发展迅速（外部环境因素），使得其在贷款业务上投入相对较少但产出较高，从而效率值较高。通过SFA回归分析，识别出该外部环境因素对其投入松弛变量的影响，并进行相应调整，能够更真实地反映该银行的内部管理效率，避免因外部环境优势而高估其效率水平。2.2.3第三阶段：调整后的DEA模型在完成第二阶段的SFA回归并对投入数据进行调整后，进入第三阶段。在这一阶段，将第二阶段调整后的投入数据X_{ik}^*作为新的投入数据，而产出数据仍保持为原始数据y_{rj}，再次代入DEA模型（通常采用与第一阶段相同的BCC模型）中对效率值进行评估。此时，再次测算得到的效率值是在剔除了外部环境因素和随机误差影响后的结果，更能准确地反映商业银行的真实内部管理效率和资源配置能力。通过这一阶段的分析，可以得到各商业银行在相同外部环境和随机条件下的效率排名，清晰地展现出银行之间由于内部管理差异而导致的效率差异，为银行改进内部管理、提升效率提供更具针对性的参考依据。例如，经过调整后，原本因外部环境优势而效率排名靠前的银行，可能会暴露出内部管理存在的问题，导致效率排名下降；而一些原本受不利外部环境影响的银行，在排除环境因素干扰后，其真实的内部管理效率可能得到更客观的体现，从而在效率排名中有所上升。这种基于调整后数据的效率评估，能够帮助银行更准确地认识自身的优势和不足，制定更合理的发展战略和改进措施，以提高自身的竞争力和运营效率。三、研究设计3.1样本选取与数据来源为全面、准确地研究我国上市商业银行的X效率，本研究选取了具有广泛代表性的上市商业银行作为样本。这些上市商业银行涵盖了不同类型，包括大型国有商业银行、股份制商业银行和城市商业银行。具体样本银行包括工商银行、农业银行、中国银行、建设银行、交通银行、招商银行、民生银行、兴业银行、浦发银行、中信银行、光大银行、平安银行、北京银行、南京银行、宁波银行等。选取这些银行的依据主要在于，它们在我国银行业中占据着重要地位，资产规模、业务范围、市场份额等方面都具有较大影响力，且在经营模式、管理水平、市场定位等方面存在一定差异，能够充分反映我国上市商业银行的整体特征和多样性。大型国有商业银行如工商银行、农业银行、中国银行和建设银行，作为我国银行业的支柱，拥有庞大的资产规模、广泛的分支机构网络和丰富的客户资源，在金融市场中发挥着主导作用，对国家经济发展和金融稳定具有重要意义。它们的运营状况和效率水平，不仅反映了自身的经营管理能力，也在一定程度上影响着整个银行业的发展趋势。股份制商业银行如招商银行、民生银行、兴业银行等，具有较为灵活的经营机制和创新意识，在业务创新、风险管理、客户服务等方面不断探索和突破，形成了各自的特色和竞争优势。它们在金融市场中具有较强的竞争力，对推动银行业的创新发展和市场竞争发挥着积极作用。城市商业银行如北京银行、南京银行、宁波银行等，立足本地市场，专注于服务地方经济和中小企业，在区域金融服务中扮演着重要角色。它们的发展具有明显的地域特色，与当地经济发展紧密相连，通过深入了解本地客户需求，提供个性化的金融服务，在区域市场中占据了一定的份额。本研究的数据主要来源于各上市商业银行的年报。年报作为银行信息披露的重要文件，包含了丰富的财务数据、经营数据和业务信息，如资产负债表、利润表、现金流量表等，能够全面反映银行的运营状况和财务状况。同时，为了获取更全面的宏观经济数据和行业数据，还参考了Wind金融数据库、国家统计局网站、中国人民银行官网等权威数据源。这些数据源提供了国内生产总值（GDP）、通货膨胀率、利率、货币供应量等宏观经济指标，以及银行业相关的行业统计数据，为分析外部环境因素对商业银行X效率的影响提供了有力支持。通过多渠道、多数据源的数据收集，确保了研究数据的准确性、完整性和可靠性，为后续的实证分析奠定了坚实的基础。3.2变量选择3.2.1投入产出变量在运用DEA三阶段模型对我国上市商业银行X效率进行研究时，合理选择投入产出变量至关重要。投入变量的选取应能够准确反映银行在运营过程中所投入的各种资源，产出变量则应能有效衡量银行的经营成果和服务成效。在投入变量方面，本文选取了资产、员工数和存款作为关键指标。资产是银行开展各项业务的物质基础，涵盖了固定资产、流动资产等多个方面，反映了银行的规模和实力，其规模大小直接影响银行的业务开展能力和资源配置能力。例如，大型国有商业银行拥有庞大的资产规模，使其能够在更广泛的领域开展业务，提供多样化的金融服务。员工数体现了银行人力资源的投入，员工作为银行运营的核心要素，其数量和素质对银行业务的开展和服务质量有着直接影响。不同类型的银行，由于业务范围和经营模式的差异，员工数量也有所不同。例如，网点分布广泛的银行需要更多的员工来满足日常运营和客户服务的需求。存款是银行资金的主要来源，为银行的贷款、投资等业务提供了资金支持，存款规模的大小决定了银行可运用资金的规模，进而影响银行的盈利能力和业务拓展能力。在产出变量方面，选择贷款、净利润和非利息收入作为主要指标。贷款是银行的核心业务之一，通过发放贷款，银行将资金提供给企业和个人，满足其融资需求，同时获取利息收入，贷款规模和质量直接关系到银行的收益水平和资产质量。例如，银行通过合理控制贷款风险，优化贷款结构，能够提高贷款的收益率，增强自身的盈利能力。净利润是银行经营成果的综合体现，反映了银行在扣除各项成本和费用后的剩余收益，是衡量银行盈利能力的关键指标，体现了银行在市场竞争中的生存和发展能力。非利息收入是银行收入的重要组成部分，包括手续费及佣金收入、投资收益等，随着金融市场的发展和银行多元化经营的推进，非利息收入在银行总收入中的占比逐渐提高，反映了银行的业务创新能力和多元化经营水平。例如，一些银行积极开展金融创新，推出各类中间业务和金融产品，增加了非利息收入来源，提升了自身的综合竞争力。这些投入产出变量的选择，充分考虑了商业银行的业务特点和运营模式，能够全面、准确地反映银行在资源投入和经营产出方面的情况，为运用DEA三阶段模型进行效率分析提供了可靠的数据基础，有助于深入探究我国上市商业银行的X效率及其影响因素。3.2.2环境变量环境变量在研究我国上市商业银行X效率时起着重要作用，它能够反映银行所处的外部宏观环境和行业竞争态势，对银行的运营效率有着显著影响。本文选取GDP增长率、金融市场竞争程度、货币供应量增长率作为主要环境变量进行分析。GDP增长率是衡量宏观经济增长的关键指标，它与商业银行的运营密切相关。当GDP增长率较高时，表明宏观经济处于繁荣发展阶段，企业和居民的收入水平上升，投资和消费需求增加。企业有更多的投资项目和扩张计划，对贷款的需求相应增大，这为商业银行提供了更多的贷款业务机会，有助于银行扩大贷款规模，提高利息收入。同时，居民消费能力的提升也会带动银行信用卡、个人消费贷款等业务的发展，进一步增加银行的收益。此外，经济繁荣时期，企业的经营状况良好，还款能力增强，银行的不良贷款率相对较低，资产质量得到保障，运营风险降低，从而有利于提高银行的效率。相反，当GDP增长率较低时，经济增长放缓，市场需求萎缩，企业投资意愿下降，贷款需求减少，银行的业务发展受到限制，盈利能力受到影响。而且，经济不景气时，企业面临经营困难，还款能力下降，银行的不良贷款率可能上升，资产质量恶化，运营成本增加，导致银行效率下降。金融市场竞争程度对商业银行X效率有着直接的影响。随着金融市场的逐步开放和金融创新的不断推进，各类金融机构不断涌现，金融市场竞争日益激烈。在竞争激烈的市场环境下，商业银行面临着来自同行和其他金融机构的双重竞争压力。为了在竞争中脱颖而出，银行需要不断优化自身的经营管理，提高服务质量，创新金融产品和服务。例如，银行会加大对金融科技的投入，提升数字化服务水平，推出更加个性化、便捷的金融产品，以满足客户多样化的需求。这些举措有助于提高银行的运营效率和市场竞争力，促进银行X效率的提升。然而，如果市场竞争过度激烈，银行可能会为了争夺市场份额而采取一些非理性的竞争行为，如过度降低贷款利率、放宽贷款条件等，这可能会导致银行的收益下降，风险增加，对银行的效率产生负面影响。货币供应量增长率是货币政策的重要体现，它对商业银行的资金来源和运用产生重要影响。当货币供应量增长率较高时，市场上的资金相对充裕，银行的存款规模可能会相应增加，资金成本降低，为银行提供了更多的可贷资金，有利于银行扩大贷款规模，增加收益。同时，货币供应量的增加可能会导致市场利率下降，刺激企业和居民的贷款需求，进一步促进银行贷款业务的发展。然而，货币供应量的过度增长可能会引发通货膨胀，导致物价上涨，货币贬值，这会增加银行的运营成本和风险，对银行的效率产生不利影响。相反，当货币供应量增长率较低时，市场资金相对紧张，银行的资金来源受到限制，贷款规模可能会缩小，收益减少。而且，资金紧张可能会导致市场利率上升，企业和居民的贷款成本增加，贷款需求下降，银行的业务发展面临挑战，影响银行的效率。这些环境变量从宏观经济、市场竞争和货币政策等多个角度，全面反映了商业银行所处的外部环境特征，对银行的X效率有着复杂而深刻的影响。通过将这些环境变量纳入研究模型，能够更准确地评估我国上市商业银行的X效率，深入分析外部环境因素对银行效率的作用机制，为银行制定合理的经营策略和监管部门制定科学的政策提供有力依据。四、实证结果与分析4.1第一阶段DEA效率值分析运用DEAP2.1软件，采用投入导向型的BCC模型，对选取的我国上市商业银行样本在第一阶段进行DEA效率值测算，得到各银行的综合技术效率（TE）、纯技术效率（PTE）和规模效率（SE），结果如表1所示：表1第一阶段我国上市商业银行DEA效率值银行名称综合技术效率（TE）纯技术效率（PTE）规模效率（SE）规模报酬工商银行0.8520.9010.946规模报酬递减农业银行0.7860.8230.955规模报酬递减中国银行0.8150.8640.943规模报酬递减建设银行0.8870.9320.952规模报酬递减交通银行0.8430.8950.942规模报酬递减招商银行0.9250.9680.956规模报酬递减民生银行0.8740.9210.950规模报酬递减兴业银行0.8960.9430.950规模报酬递减浦发银行0.8690.9170.948规模报酬递减中信银行0.8380.8860.946规模报酬递减光大银行0.8120.8600.944规模报酬递减平安银行0.8570.9060.946规模报酬递减北京银行0.9560.9980.958规模报酬递减南京银行0.9340.9760.957规模报酬递减宁波银行0.9781.0000.978规模报酬不变从综合技术效率来看，样本银行的综合技术效率均值为0.868，整体处于中等水平，说明我国上市商业银行在资源利用和产出转化方面还有一定的提升空间。其中，宁波银行的综合技术效率最高，达到了0.978，表明其在现有资源条件下，能够较为有效地将投入转化为产出，运营效率较高；而农业银行的综合技术效率相对较低，仅为0.786，说明该行在资源配置和运营管理方面存在较多问题，需要进一步优化。纯技术效率反映了银行的内部管理水平和技术运用能力。样本银行的纯技术效率均值为0.910，说明我国上市商业银行在内部管理和技术利用方面整体表现尚可，但仍有改进的余地。北京银行和宁波银行的纯技术效率分别为0.998和1.000，达到了较高水平，表明这两家银行在内部管理和技术运用上较为出色，能够充分发挥自身优势，实现较高的效率。而光大银行的纯技术效率相对较低，为0.860，这意味着该行在内部管理流程、员工素质提升、技术创新应用等方面可能存在不足，需要加强内部管理，提高技术运用效率。规模效率衡量了银行的生产规模是否处于最优状态。样本银行的规模效率均值为0.954，整体处于较高水平，说明我国上市商业银行在规模方面的表现较好，大部分银行的规模较为合理。但从规模报酬情况来看，除宁波银行处于规模报酬不变状态外，其余银行均处于规模报酬递减阶段。这表明随着银行规模的进一步扩大，单位投入所带来的产出增加幅度逐渐减小，银行在扩大规模时需要谨慎考虑，注重规模与效率的平衡。例如，工商银行、农业银行等大型国有商业银行，虽然拥有庞大的资产规模和广泛的分支机构网络，但由于规模过大，可能导致管理成本增加、决策效率降低等问题，从而出现规模报酬递减的情况。在这种情况下，这些银行不应盲目追求规模扩张，而应更加注重内部管理的优化和资源配置的效率提升，通过精细化管理、业务创新等方式，提高单位投入的产出效益，实现规模与效率的协调发展。4.2第二阶段SFA回归结果分析将第一阶段得到的投入松弛变量作为被解释变量，GDP增长率、金融市场竞争程度、货币供应量增长率等环境变量作为解释变量，运用Frontier4.1软件进行SFA回归，回归结果如表2所示：表2SFA回归结果变量系数估计值标准差t值常数项0.0560.0212.667**GDP增长率0.0320.0132.462**金融市场竞争程度-0.0450.018-2.500**货币供应量增长率0.0280.0122.333**γ0.8650.04519.222***Loglikelihoodfunction-105.682--LRtestoftheone-sidederror56.321--注：***、**分别表示在1%、5%的水平上显著。从回归结果来看，常数项在5%的水平上显著，表明即使在不考虑环境变量的情况下，仍存在其他因素对投入松弛变量产生影响。GDP增长率的系数为正且在5%的水平上显著，说明GDP增长率与投入松弛变量呈正相关关系。这意味着当GDP增长率提高时，银行的投入松弛变量增加，可能是因为在经济繁荣时期，银行的业务规模扩张，对资源的需求增加，但由于管理等方面的原因，导致资源配置效率下降，出现投入冗余的情况。例如，一些银行在经济快速增长阶段，大量增加信贷投放，但在贷款审批和风险管理方面不够严格，导致不良贷款增加，资金使用效率降低，从而使得投入松弛变量上升。金融市场竞争程度的系数为负且在5%的水平上显著，说明金融市场竞争程度与投入松弛变量呈负相关关系。随着金融市场竞争程度的加剧，银行面临更大的竞争压力，为了在市场中生存和发展，银行会更加注重优化内部管理，提高资源利用效率，减少投入冗余，从而降低投入松弛变量。例如，在竞争激烈的市场环境下，银行会加强成本控制，优化业务流程，提高服务质量，以吸引更多客户，提高市场份额，这有助于提高银行的运营效率，减少不必要的投入。货币供应量增长率的系数为正且在5%的水平上显著，表明货币供应量增长率与投入松弛变量呈正相关关系。当货币供应量增长率较高时，市场上资金充裕，银行的资金来源增加，但可能由于银行的投资渠道有限或投资决策不够合理，导致资金未能得到有效利用，出现投入松弛的现象。例如，货币供应量增加时，银行可能会面临资金过剩的情况，如果不能及时找到合适的投资项目，就会造成资金闲置，降低资金的使用效率，进而增加投入松弛变量。γ值为0.865，且在1%的水平上显著，表明管理无效率在总误差中所占的比重较大，说明银行内部管理因素对投入松弛变量的影响较为显著，而随机误差的影响相对较小。这意味着银行在提高效率方面，应更加注重加强内部管理，优化管理流程，提高员工素质，以减少因管理不善导致的投入冗余，提升资源配置效率。Loglikelihoodfunction值为-105.682，LRtestoftheone-sidederror值为56.321，表明SFA回归模型的拟合效果较好，能够较好地解释环境变量对投入松弛变量的影响。通过SFA回归分析，明确了各环境因素对投入松弛变量的影响方向和程度，为后续对投入变量进行调整，准确衡量我国上市商业银行的X效率奠定了基础。4.3第三阶段调整后DEA效率值分析在完成第二阶段的SFA回归并对投入数据进行调整后，将调整后的投入数据代入DEA模型（BCC模型）进行第三阶段的效率测算，得到调整后的我国上市商业银行综合技术效率（TE）、纯技术效率（PTE）和规模效率（SE），结果如表3所示：表3第三阶段我国上市商业银行DEA效率值银行名称综合技术效率（TE）纯技术效率（PTE）规模效率（SE）规模报酬工商银行0.8210.8760.937规模报酬递减农业银行0.7530.7980.944规模报酬递减中国银行0.7860.8430.932规模报酬递减建设银行0.8540.9020.947规模报酬递减交通银行0.8120.8670.936规模报酬递减招商银行0.8970.9480.946规模报酬递减民生银行0.8430.8950.942规模报酬递减兴业银行0.8650.9180.942规模报酬递减浦发银行0.8380.8910.941规模报酬递减中信银行0.8060.8610.936规模报酬递减光大银行0.7790.8340.934规模报酬递减平安银行0.8270.8820.938规模报酬递减北京银行0.9250.9780.946规模报酬递减南京银行0.9030.9560.944规模报酬递减宁波银行0.9460.9900.956规模报酬递减对比第一阶段和第三阶段的效率值可以发现，调整后的综合技术效率均值从0.868下降至0.831，纯技术效率均值从0.910下降至0.883，规模效率均值从0.954下降至0.941。这表明在剔除了外部环境因素和随机误差的影响后，我国上市商业银行的真实效率水平有所降低，说明部分银行在之前的效率评估中，受益于有利的外部环境或偶然的随机因素，导致效率值被高估。从单个银行来看，部分银行的效率值变化较为明显。例如，宁波银行在第一阶段综合技术效率为0.978，处于规模报酬不变状态，而在第三阶段调整后，综合技术效率降至0.946，规模报酬变为递减。这可能是因为在第一阶段，宁波银行所处地区的经济发展较好（如GDP增长率较高），金融市场竞争相对较小，这些有利的外部环境因素使其在业务开展上具有一定优势，从而效率值较高。但在剔除这些环境因素的影响后，其真实的内部管理效率和资源配置能力得到更客观的体现，规模报酬也显示出随着规模扩大存在一定的效率递减趋势。工商银行在第一阶段综合技术效率为0.852，第三阶段调整后降至0.821。这可能是由于工商银行规模庞大，在经济繁荣时期（GDP增长率较高阶段），虽然业务规模得以扩张，但内部管理难度加大，资源配置效率并未相应提高，导致调整后效率值下降。同时，金融市场竞争程度的加剧，也对工商银行的业务拓展和资源利用效率产生了一定压力。从整体来看，调整后各银行的规模报酬情况也发生了变化，所有银行均处于规模报酬递减阶段，这进一步说明我国上市商业银行在规模扩张过程中，需要更加注重内部管理的优化和资源配置效率的提升，以避免规模扩大带来的效率损失。在外部环境因素和随机误差被剔除后，银行之间的效率差异更多地反映了内部管理水平和资源配置能力的差异。那些在内部管理上更科学、合理，能够有效整合资源，提高资源利用效率的银行，在调整后的效率排名中可能相对靠前。例如，北京银行在调整后的纯技术效率为0.978，相对较高，这表明其在内部管理和技术运用方面具有一定优势，能够在相同的外部条件下，更有效地将投入转化为产出。而一些银行可能由于内部管理存在漏洞，如风险管理不到位、业务流程繁琐、员工激励机制不完善等，导致在调整后效率值较低。这些银行需要加强内部管理，优化业务流程，提升员工素质，以提高自身的X效率。4.4影响因素分析为深入探究影响我国上市商业银行X效率的因素，以第三阶段调整后的综合技术效率（TE）为被解释变量，选取银行规模、资产质量、业务创新能力等作为解释变量，构建多元线性回归模型进行分析。银行规模用总资产的自然对数（LnAsset）来衡量，资产质量采用不良贷款率（BLR）表示，业务创新能力以非利息收入占比（NIIR）作为指标。具体回归模型设定如下：TE=\alpha_0+\alpha_1LnAsset+\alpha_2BLR+\alpha_3NIIR+\varepsilon其中，\alpha_0为常数项，\alpha_1、\alpha_2、\alpha_3为各解释变量的系数，\varepsilon为随机误差项。运用Stata软件对样本数据进行回归分析，得到回归结果如表4所示：表4影响因素回归结果变量系数估计值标准差t值P值常数项-0.4560.123-3.710.001***LnAsset0.0320.0112.910.006***BLR-0.1520.035-4.340.000***NIIR0.0850.0204.250.000***Adj.R^20.765---F值25.36---注：***表示在1%的水平上显著。从回归结果来看，银行规模（LnAsset）的系数为正且在1%的水平上显著，表明银行规模与X效率呈正相关关系。随着银行总资产规模的扩大，其在资金筹集、业务拓展、风险管理等方面具有更强的优势，能够实现规模经济，提高资源配置效率，进而提升X效率。例如，大型国有商业银行凭借庞大的资产规模和广泛的分支机构网络，能够在全国范围内开展业务，吸引更多的客户和资金，降低资金成本，提高运营效率。然而，前文分析也指出，目前我国大部分上市商业银行处于规模报酬递减阶段，这意味着银行在扩大规模时，需要注重内部管理的优化和资源配置效率的提升，以避免规模过大导致管理成本增加、决策效率降低等问题，从而实现规模与效率的协调发展。资产质量（BLR）的系数为负且在1%的水平上显著，说明不良贷款率与X效率呈负相关关系。不良贷款率是衡量银行资产质量的重要指标，不良贷款率越高，表明银行的资产质量越差，面临的信用风险越大，会导致银行的运营成本增加，盈利能力下降，进而降低X效率。例如，当银行的不良贷款率上升时，需要计提更多的贷款损失准备金，这会直接减少银行的利润；同时，不良贷款的催收和处置也会消耗银行大量的人力、物力和财力资源，影响银行的运营效率。因此，银行应加强风险管理，提高贷款审批标准，优化贷款结构，加强贷后管理，降低不良贷款率，提高资产质量，以提升X效率。业务创新能力（NIIR）的系数为正且在1%的水平上显著，表明非利息收入占比与X效率呈正相关关系。随着金融市场的发展和竞争的加剧，银行通过开展业务创新，提高非利息收入占比，能够优化收入结构，降低对传统利息收入的依赖，增强盈利能力和抗风险能力，从而提升X效率。例如，一些银行积极开展金融科技创新，推出各类新型金融产品和服务，如电子银行、移动支付、财富管理等，不仅满足了客户多样化的需求，还增加了非利息收入来源，提高了银行的市场竞争力和运营效率。因此，银行应加大对业务创新的投入，培养创新人才，加强与金融科技企业的合作，不断推出适应市场需求的创新产品和服务，提高非利息收入占比，提升X效率。Adj.R^2值为0.765，说明模型的拟合优度较好，能够较好地解释各解释变量对被解释变量的影响。F值为25.36，在1%的水平上显著，表明回归方程整体显著，各解释变量对我国上市商业银行X效率具有显著的联合影响。通过以上回归分析，明确了银行规模、资产质量、业务创新能力等因素对我国上市商业银行X效率的影响方向和程度，为银行提升X效率提供了重要的参考依据。五、结论与建议5.1研究结论通过运用DEA三阶段模型对我国上市商业银行X效率进行实证研究，本研究得出以下结论：我国上市商业银行X效率总体水平：在剔除外部环境因素和随机误差影响后，我国上市商业银行的综合技术效率均值为0.831，整体处于中等水平，说明我国上市商业银行在资源利用和产出转化方面还有一定的提升空间，尚未达到最优的效率状态。各银行效率差异：不同类型的上市商业银行在X效率上存在明显差异。大型国有商业银行由于规模庞大，在资源获取和业务拓展方面具有一定优势，但也面临着管理成本高、决策效率低等问题，导致部分银行效率相对较低，且均处于规模报酬递减阶段；股份制商业银行在经营机制和创新能力方面具有一定优势，效率水平相对较高，但同样存在规模报酬递减的情况；城市商业银行立足本地市场，在服务地方经济和中小企业方面具有特色，部分城市商业银行如宁波银行、北京银行等在效率表现上较为突出，但整体也存在提升空间。影响因素：银行规模与X效率呈正相关关系，适当扩大规模有助于提高效率，但目前我国大部分上市商业银行处于规模报酬递减阶段，在扩大规模时需注重内部管理和资源配置效率的提升；资产质量与X效率呈负相关关系，不良贷款率的降低有利于提高银行的资产质量，进而提升X效率；业务创新能力与X效率呈正相关关系，通过开展业务创新，提高非利息收入占比，优化收入结构，能够有效提升银行的X效率。5.2政策建议基于以上研究结论，为提升我国上市商业银行的X效率，提出以下政策建议：优化资源配置：我国上市商业银行应依据自身的市场定位和发展战略，科学合理地配置人力、物力和财力等资源。在人力资源配置方面，要建立科学的人才选拔和培养机制，根据业务发展需求，合理安排员工岗位，提高员工的专业素质和工作效率。例如，对于金融科技业务部门，要加大专业人才的引进和培养力度，以适应金融科技快速发展的需求。在物力资源配置上，要合理规划固定资产投资，提高办公设备、信息技术系统等的利用效率。例如，优化银行网点布局，根据地区经济发展水平和客户需求，合理设置网点数量和规模，避免资源浪费。在财力资源配置方面，要加强资金管理，优化资金结构，提高资金的使用效率。例如，合理安排存款和贷款的比例，降低资金成本，提高资金收益率。此外，银行还应加强对资源配置的动态监测和调整，及时发现和解决资源配置中存在的问题，确保资源配置的合理性和有效性。加强风险管理：上市商业银行要高度重视风险管理，建立健全全面风险管理体系。加强信用风险管理，