【《基于DEA模型的我国商业银行经营效率测算实证计算》3000字】

基于DEA模型的我国商业银行经营效率测算实证计算目录TOC\o"1-3"\h\u30545基于DEA模型的我国商业银行经营效率测算实证计算 1127761.1我国商业银行经营效率测算的相关数据 172481.2回归模型构建 1200921.3实证分析 31.1我国商业银行经营效率测算的相关数据为了能够使广大投资者对此可以更加深入地进行研究全面一些,能够更准确地充分反映当前时期我国大型商业投资银行业的经营管理效率和经营水平,在确定投资者需要选取这些统计样本时,选择了2008年-2016年之间的长期统计数据,选择了不同时期经济发展性质的大型商业投资银行:分别分为是大型国有银行、全国股份制银行、城市集体股份制投资银行三种管理类型,并且这些投资者所需要选择的都主要是一些大型企业,即一些资产净值规模相对比较大、经营效益情况良好且在金融行业中特别具有一定国际代表性的大型商业投资银行。在研究的样本中我总共有16家大型城市商业投资银行中国银行、中国农业银行、中国工商银行、建设银行、交通银行、招商银行、中信银行、光大银行、浦发银行、华夏银行、民生银行、平安银行、兴业银行、北京银行、宁波银行、南京银行。这些统计数据主要是来自于东方财富通、各大银行的年报以及国家的统计数据库。中国银行、中国农业银行、中国工商银行、建设银行、交通银行、招商银行、中信银行、光大银行、浦发银行、华夏银行、民生银行、平安银行、兴业银行、北京银行、宁波银行、南京银行1.2回归模型构建利率市场化使商业银行间在存款业务和贷款业务方面进行了猛烈的竞争,银行的重要的收入源头就是存贷款利差产生的金额,这一方面的收入受到了创伤性的影响。为了应对这一突如其来但也是大势所趋的大挑战,我国的商业投资银行只能踊跃的加快产品创新的脚步、找出一种崭新的经营模式,这样才能很大程度上提升其竞争力，来保证能可持续地发展。利率市场化对我国商业投资银行经济的影响从宏观上看,主要表现在总资产规模,存贷款比重,不良贷款占比,非利息性收入所占的金额等。本文选取总资产规模（lnsize）、存款贷款比例(dar)、不良贷款比例(npl)、非利息收入所占的比重(nir)这几个因子作为回归模型中的解释变量,被解释的变量分别是目前我国大型商业银行的技术效率、单一的技术效率和规模绩效。多元回归模型为：Eit=ɑ0+ɑ1X1it+ɑ2X2it+ɑ3X3it+ɑ4X4it+ε变量类型及符号如表1:变量类型名称符号解释变量总资产规模X1存贷款比例X2不良贷款比例X3非利息收入占比X4被解释变量技术效率Eit纯技术效率规模效率常数项ɑ0回归系数ɑ1ɑ2ɑ3ɑ4将控制面板上的两个数据结果回归效应模型进行区分，分别是固定数据效应回归模型和随机数据效应回归模型。它们之间的最大不同点主要是一个回归物理模型的一个不可能被观测到的变量与自观测变量之间几乎有无直接的相互联系。在不确定能够自动观察变化到的一个变量和能够自动化到的变量之间密切交互相关的实际条件下,采用了一个相对固定的有效应变量模型。反之,则可以使用随机运动效应定义模型。TestSummaryChi-Sq.StatisticChi-Sq.d.f.Prob.Cross-sectionrandom16.10688940.0029TestSummaryChi-Sq.StatisticChi-Sq.d.f.Prob.Cross-sectionrandom13.97221340.0074TestSummaryChi-Sq.StatisticChi-Sq.d.f.Prob.Cross-sectionrandom11.03306540.0262表2：hausman0检验如上表2，通过检验eviews7.2对随机回归效应模型的值进行一个hausman0的检验(h0为随机回归效应)后,发现每个p值的值平均准确度通常低于0.05,所以我拒绝了原有的的假设,选择用固定随机效应回归模型。1.3实证分析运用Eviews7.2软件对影响因素进行回归分析。一．16家商业投资银行效率影响因素的回归结果。如表3-表5：变量名称相关系数标准误差T值P值C0.9708930.01543862.8898900.000000DAR0.0339350.0219601.5453230.124800LNSIZE-0.0202740.006307-3.2143880.001700NIR0.1735210.0583772.9724100.003600NPL-1.9851940.465647-1.2632980.000000表3：对技术效率影响的回归结果变量名称相关系数标准误差T值P值C0.9864450.007136138.2288000.000000DAR0.0107650.0101511.0604640.291000LNSIZE-0.0099070.002916-3.3979750.000900NIR0.0941430.0269853.4886820.000700NPL-0.6401540.215249-2.9740160.003500表4：对纯技术效率影响的回归结果变量名称相关系数标准误差T值P值C0.9842950.01301975.6068400.000000DAR0.0235070.0185181.2694010.206700LNSIZE-0.0106670.005319-2.0055450.047100NIR0.0811880.0492281.6492080.101600NPL-1.3630190.392673-3.4711300.000700表5：对规模效率影响的回归结果(1)存贷比：存贷比与商业银行的技术效率、纯技术效率、规模效率三种效率相关关系均不是很明显，虽然它们都是正相关关系的，但是从表格中的数据可以看出相关系数较小，显著性检验的p值都在0.1到0.3之间，只能表明它们的相关关系并不显著。造成这样一结果可能是因为存贷比与其利息收入呈正相关关系，即存贷比越高，利息收入会越多，但是这样会导致有更高的金融风险，这样一来两者对效率产生的影响就不明显了。(2)总资产规模：我国商业银行的总资产规模（因资产规模较大选择用它的对数来进行分析）与技术效率、纯技术效率和规模效率均存在着负相关关系。但其相关系数都很小，并且总资产规模对这三种效率影响都是最小的。这三个相关系数相较而言，会发现总资产规模对技术效率的影响是最大的，说明我国商业银行需要合理扩大资产规模，从而使技术效率得到大大提升，同时也反映出来我国银行业的总资产规模没有达到理想状态，还有待提升。(3)非利息收入占比：非利息收入占比与技术效率、纯技术效率、规模效率均呈现正相关关系，且与技术效率的相关关系最为明显。这一结果说明利率市场化虽然十分成熟，但是对商业银行来说，它们并没有调整好自身的盈利结构，其主要收入来源还是存贷款利差。这提示我国商业银行急需优化资源配置，调整好盈利结构，提升非利息收入的占比。(4)不良贷款比例：不良贷款对三种效率都是负相关。不良贷款与商业银行的技术效率、纯技术效率和规模效率的相关系数的绝对值都大于0.6，甚至与技术效率的相关系数的绝对值接近2。这说明不良贷款与三种效率负相关，且影响都很大，尤其是对技术效率而言。说明我国应该通过减少不良贷款来提升我国的经营效率。二．分析我国不同性质的商业银行经营效率回归结果：变量名称相关系数标准误差T值P值C1.0032610.03023333.1839300.000000DAR0.0044700.0243430.1836330.855200LNSIZE0.0006900.0079690.0865570.931500NIR0.0457110.0792110.5770850.567100NPL-2.3759700.634196-3.7464300.000600表6:对国有商业银行技术效率影响回归结果变量名称相关系数标准误差T值P值C1.0043440.006724149.3682000.000000DAR0.0041780.0054140.7717930.444800LNSIZE0.0002100.0017720.1185900.906200NIR0.0131380.0176170.7457770.460200NPL-0.8153670.141046-5.7808480.000000表7:对国有商业银行纯技术效率影响回归结果变量名称相关系数标准误差T值P值C0.9990800.02983133.4912200.000000DAR0.0004610.0240190.0191760.984800LNSIZE0.0004990.0078630.0634550.949700NIR0.0327390.0781570.4188880.677500NPL-1.5888370.625758-2.5390600.015100表8:对国有商业银行规模效率影响回归结果变量名称相关系数标准误差T值P值C0.9076210.03554925.5312400.000000DAR0.1123660.0517392.1717750.033400LNSIZE0.0011830.0053880.2195890.826900NIR0.0967700.0457292.1161620.038100NPL-1.9736030.591998-3.3337990.001400表9:对全国性股份制商业银行技术效率影响回归结果变量名称相关系数标准误差T值P值C0.9181980.02797932.8175330.000000DAR0.1059640.0407212.6021770.011393LNSIZE0.0034690.0042400.8181140.416192NIR0.0558670.0359911.5522590.125311NPL-1.6681040.465928-3.5801770.000645表10:对全国性股份制商业银行纯技术效率影响回归结果变量名称相关系数标准误差T值P值C0.9891570.01947350.7974710.000000DAR0.0067500.0283410.2381560.812487LNSIZE-0.0022550.002951-0.7642750.447387NIR0.0409800.0250491.6360030.106528NPL-0.3098870.324273-0.9556340.342693表11:对全国性股份制商业银行规模效率影响回归结果变量名称相关系数标准误差T值P值C0.8845790.03750123.5882830.000000DAR0.2054670.0500361.1063880.000465LNSIZE-0.0150130.004810-3.1212370.004972NIR-0.4465280.089870-1.9686220.000057NPL1.2142101.5594150.7786320.444491表12:对城市商业银行技术效率影响回归结果变量名称相关系数标准误差T值P值C0.9663670.02401040.2483940.000000DAR0.0483550.0320361.5094010.145426LNSIZE-0.0079990.003080-2.5976280.016432NIR-0.0702100.057539-1.2202020.235307NPL0.0861620.9984240.0862980.932010表13:对城市商业银行纯技术效率影响回归结果变量名称相关系数标准误差T值P值C0.9165610.03381627.1044630.000000DAR0.1600940.0451193.5482480.001803LNSIZE-0.0073930.004337-1.7046160.102350NIR-0.3806870.081039-1.6975870.000110NPL1.1077091.4061830.7877420.439253表14:对城市商业银行规模效率影响回归结果分析：存贷比对所有类型的商业银行的效率都是呈正相关，但其影响也是最不明显的，国有商业银行、全国性股份制商业银行和城市商业银行的存贷款比例与各自银行的三种效率相关系数都非常小，且相关关系都不显著。总资产规模和非利息收入占比与国有商业银行和全国性股份制银行的三个效率呈正相关关系，但相关系数都较小，其相关关系并不明显。总资产规模非利息收入占比与城市商业银行的效率是呈负相关。且相关关系较明显。不良贷款与我国国有商业银行和全国性股