我国商业银行效率DEA测评模型的优化研究

摘 要：相比一般的DEA模型，超效率DEA模型能够对均处于效率前沿的决策单元进行有效评价，但是该模型无法剔除环境和随机误差因素对效率值的影响，从而无法得到真实的效率值。在超效率DEA模型的基础上，利用随机前沿方法（SFA）进行优化调整，分阶段对我国商业银行效率进行实证分析。结果表明环境和随机误差因素对商业银行效率具有显著影响，超效率DEA三阶段模型较超效率DEA模型更具合理性，进行规范的股份制改革以及适度的机构规模调整是提升我国商业银行效率的有效途径。

关键词：商业银行效率；超效率DEA三阶段模型；随机前沿方法（SFA）；模型优化

一、引 言

国际金融学界对商业银行效率的研究大约始于20世纪50年代，其研究理论和方法一直为各国学者长期关注和探索，作为我国经济发展与金融改革的关键问题，对商业银行效率的研究不仅可以为我国银行业可持续发展提供一定理论指导，使其充分发挥在经济发展中的推动作用，而且有助于探索我国银行业改革的现实之路。

对商业银行效率的研究主要涉及三个角度：规模效率、范围效率和X效率，技术效率和配置效率都同属X效率的范畴。目前，几乎所有的文献都得出了银行X无效率程度远大于规模无效率和范围无效率的结论。也就是说，关注银行内部管理水平的X效率对银行业改革的实践更具有指导意义。相关理论表明，反映银行在既定投入下可以扩张产出的能力或在既定产出下可以压缩投入的能力的技术效率是决定银行效率高低的主要因素，银行达到技术有效是综合有效和配置有效的必要条件，因此本文以商业银行的技术效率为研究对象。

目前，国内外的研究大多是基于A.Charnes，W.W.Cooper与E.Rhodes于1978年提出的分析具有多个输入和输出的各决策单元之间相对有效性的数据包络分析方法（DEA） [1]。自Sherman与Gold（1985）首次运用DEA基本模型考察一家银行分支机构间的效率后，该方法就被广泛运用于银行业效率的评估与探讨，取得了一定的研究成果[2]。但是对均处于效率前沿面的银行而言，DEA基本模型无法进行有效地排序和比较，超效率DEA模型则可以很好地解决这个问题，对所有银行的效率水平进行充分地评价。国外学者如Li Shanling、Jahanshahloo. G.R与Khodabakhshi.M（2007）运用超效率DEA模型评价样本效率，克服了以往模型的不足[3]。国内学者罗勇、曹丽莉（2005）运用此方法对我国商业银行2001-2003年的效率进行了实证分析，结果表明超效率模型确实能够对所有决策单元进行充分评价和排序[4]。陈敬学（2007）也运用此方法对我国商业银行2001-2006年的效率进行了实证研究，得出了国有商业银行的效率普遍低于股份制商业银行的结论[5]。但是在事先并不知道环境变量对效率的影响情况下，将所有的投入、产出和环境变量同时纳入超效率DEA模型的做法可能会由于环境变量归类判断错误，而使得所求效率值有所偏误，无法完全反映银行的真实效率。基于上述情况，Fried、Lovell、Schmidt与Yaisawarng（2002）提出一种新的效率评价模型——DEA三阶段模型[6]。国内学者黄宪、余丹、杨柳（2008）运用此方法对我国商业银行X效率进行了大范围和较长期间的测度研究，证实该方法比以往的前沿效率分析法更具合理性[7]。方燕、白先华（2008）也运用此方法调整环境和随机因素对我国商业银行效率体系的影响，对其进行了更准确的评估[8]。

本文则在此基础上将能够对均处于效率前沿面上的银行进一步排名和评价的超效率DEA模型和能够剔除环境和随机误差因素对效率测评结果影响的DEA三阶段模型结合起来，运用超效率DEA三阶段模型对我国商业银行2006-2010年的效率水平进行更加准确地测评，同时为提高银行业效率、改进管理措施提供更有力的依据。

二、DEA模型的优化：超效率DEA三阶段模型

超效率DEA三阶段模型可以对所有决策单元进行全面的排序，并剔除环境和随机误差因素对效率值的影响，从而得到更为真实有效的评价结果。其基本思想是：第一阶段将原始的投入与产出变量代入超效率DEA模型测度各决策单元的效率值与投入差额值；第二阶段运用随机前沿方法（SFA）对各决策单元的投入变量进行调整，剔除环境和随机误差因素的影响；第三阶段将调整后的投入变量与原始的产出变量再次代入超效率DEA模型测度各决策单元的真实效率值。

（一） 第一阶段

运用超效率DEA模型测度各决策单元的效率值与投入差额值。假设有 个决策单元且都具有可比性，每个决策单元有 种类型的输入变量和 种类型的输出变量，超效率DEA模型的线性规划形式为：

（1）

其中， 表示第 个决策单元的第 个输入变量， 表示第 个决策单元的第l个输出变量。该模型是将需测度的决策单元的投入和产出用除自身在外的其它所有决策单元的投入和产出的线性组合来替代，测度出的超效率值 即可用于区分原来均为相对有效的决策单元。

（二） 第二阶段

运用SFA方法将所有决策单元调整到相同的环境条件，同时考虑随机误差干扰的影响，从而测度出真实的效率值。调整的方式有两种：一种是对于那些所处环境较好的决策单元增加其投入，另一种是对于环境较差的决策单元减少其投入。为了避免出现在某些极端条件下，对于环境较差的决策单元减少其投入可能会导致调整后的投入变量为负值的情况，本文采用第一种调整方法。

具体思路为： 第一阶段得到的各决策单元的投入差额值可以表示如下：

其中， 表示第 个决策单元第 个投入变量的实际投入值， 表示第 个决策单元第 个投入变量的目标投入值，运用SFA方法对 进行分解，建立回归方程：

其中， 表示环境变量对投入差额值的影响方式，一般取为 ， ， ，表示 个环境变量， 表示环境变量的待估参数。 和 之和是组合误差项， 表示随机误差，一般假设其服从正态分布： ； 表示管理无效率，有研究表明， 服从哪种分布对最终结果的影响不大，至少其结果的等级相关系数是很高的，所以本文假设 服从截断正态分布，即 ，并假定 与 独立不相关。

基于最有效的决策单元，以其投入量为基准，对其他决策单元的投入变量进行调整如下：

其中， 表示第 个决策单元第 个投入变量的实际投入值， 为其调整后的值。 为环境变量的待估参数， 表示把全部决策单元调整到相同的环境状况。 为随机误差项的估计值， 表示把全部决策单元的随机误差调整到相同情形。

（三） 第三阶段

运用超效率DEA模型测度各决策单元剔除了环境和随机误差因素影响后的真实效率值。考虑到我国股份制商业银行与国有商业银行在规模上差距较远，短时间内难以赶上的现状，并本着资源节约和环境友好，尽量减少投入和降低负产出的必要性，以及商业银行对其投入要素的控制远比对产出的控制容易的实际情况，本文采用规模报酬不变的投入导向型超效率DEA三阶段模型来测评我国商业银行的效率。

三、基于超效率DEA三阶段模型的实证分析

根据《中国银行业监督管理委员会2010年报》的数据，截至2010年底，我国4家国有商业银行和12家主要的全国性股份制商业银行的资产总额已占我国商业银行总资产的88%，它们的效率水平足以反映我国商业银行的总体竞争力状况。由于广东发展银行、恒丰银行和浙商银行的部分数据难以获取，并且在存贷款市场份额、实际经营状况等方面对商业银行整体水平影响不大，所以本文选取4家国有商业银行和9家股份制商业银行作为决策单元 。同时，考虑到测评结果的时效性，选取2006-2010年的数据为样本，数据来源于《中国金融年鉴》（2007-2010年）和有关银行网站公布的2010年度报告。

（一）投入产出变量和环境变量的选取

1.投入与产出变量的选取

投入与产出变量应当在全面反映评价目的的前提下尽量精简，两者之间应保持较强的线性关系，以符合被考察对象的实际情况，而现有选取方法的差别之处在于对于银行在金融系统中所扮演的角色的理解不同。本文在借鉴现有研究成果，将生产法和中介法结合起来，即将银行视为金融产品与服务的生产者，以及联系资金需求者和资金供给者的金融中介的基础上，充分考虑我国银行业的特点，选取劳动力、固定资产原值和利息支出作为投入变量，净利润和贷款作为产出变量。

从投入方面看，劳动力作为银行的基本投入要素，代表着银行的实力和业务运作能力，是直接关系到银行效率的最积极因素，也是银行最具活力且能够创造更大价值的主要因素。固定资产原值代表着银行的经营规模状况，是其效率最稳定的物质基础。利息支出可以反映银行的成本耗费程度，因而关系着其效率水平的高低。从产出方面看，净利润作为体现银行盈利性的主要方式之一，能够客观反映银行的实际经营状况，集中体现其经营成果。贷款作为银行获取利润的主要途径，在一定程度上反映了银行的经营规模。将净利润和贷款同时列为产出变量本质上兼顾了对贷款质量存在差异的质疑，因为贷款质量不高理所当然净利润也不会太高。

2.环境变量的选取

环境变量也称外部影响因素，是指能够对银行效率产生影响但又不在银行主观可控范围之内的因素。既包括国家的宏观经济环境、政府的管制政策、行业的市场结构等总体环境，也包括产权结构、设立年限、规模大小、市场份额等银行特征因素。本文仅从银行层面的外部因素选取成立年限、分支机构数目和反映产权结构的虚拟变量作为环境变量。一般而言，银行成立年限越长，管理方面越有经验、技术也越先进，从而更易降低成本，提高效率；但也有可能意味着不良贷款越多，从而导致资本质量降低，影响效率。另外，在我国现实环境中，分支机构数目对银行的经营具有明显的影响，分支机构数目越多，说明银行规模越大，增加分支机构数目可拓展银行营业的地域范围、扩大各类业务的规模，提高其市场占有率，但也有可能因此造成管理半径过大、要素投入闲置，从而使得银行管理成本上升、绩效降低。考虑到我国商业银行分为国有商业银行和股份制商业银行，这两类银行在资产结构、经营方式等方面有所差异，而银行的产权结构规定了银行的决策结构、管理机构和约束机制，深刻地影响着银行的效率，因此引入虚拟变量来区分商业银行是否国有，以此来剔除银行产权结构对商业银行效率的影响。

3.Pearson相关性检验

首先对投入与产出变量进行Pearson相关性检验，以使其符合“同向性”假设，即随着投入的增加，产出不得减少。检验结果如下：

由表1可知，样本投入与产出变量之间确实存在显著的正相关，这表明本文所选取的投入与产出变量符合模型所要求的“同向性”原则，具有合理性。

（二）基于超效率DEA三阶段模型的效率测度

1.第一阶段的计算

运用超效率DEA模型计算第一阶段我国商业银行的效率值，结果如下表：

表2显示，我国商业银行历年整体效率均处于较高水平且变化不大，这说明我国商业银行近年来基本保持稳定、良好的发展态势。综合来看，历年效率值最高的都是股份制商业银行，其中兴业银行、上海浦东发展银行、深圳发展银行表现出色，5年均处于效率前沿。相比而言，交通银行、华夏银行、光大银行表现不佳，效率水平较低。而国有商业银行除建设银行效率稍高外，其余银行效率值普遍偏低但逐渐有所提升。

2.第三阶段的计算

对调整后的投入变量和原始的产出变量再次运用超效率DEA模型计算第三阶段我国商业银行的效率值，结果如下表：

表3显示，去除环境和随机因素的影响后，我国商业银行历年整体效率除2006年达到0.9781外，其余年份均处于0.8左右的水平，较第一阶段有所下降。综合来看，历年效率值最高的都是国有商业银行，其中建设银行表现突出，5年均达到效率前沿。工商银行、中国银行、农业银行表现较好，除个别年份外效率值一直处于较高水平。而股份制商业银行效率值普遍偏低，仅有招商银行2006年和2007年达到效率前沿。除交通银行、中信银行效率值相对较高外，其余银行大多出现效率不稳定的情况或一直处于低效率状态。

3.第一阶段与第三阶段效率值的比较

为了更加清晰地比较调整前后效率值的变化情况，将第一阶段与第三阶段的计算结果整理如下表：

通过表4可以看出，第一阶段和第三阶段效率值差别很大，说明环境和随机因素对商业银行效率值的影响比较显著。综合看来，国有商业银行的效率值在第一阶段被普遍低估，平均效率值为0.9228，第三阶段则达到1.0916。其中，工商银行效率值上升最多，中国银行紧随其后，建设银行和农业银行效率值上升幅度则不如前两者明显。从排名角度可以发现，除建设银行外，国有商业银行在第一阶段排名均处于较低水平，第三阶段则有明显上升，均处于前五的位置。其中工商银行上升幅度最大，由第九名上升到第二名，农业银行、中国银行和建设银行排名均上升五名，而建设银行的排名也从第六跃居第一。而股份制商业银行的效率值在第一阶段被普遍高估，平均效率值为1.0613，第三阶段仅为0.7552。 其中，除交通银行效率值有小幅上升之外，其他银行效率值均有所下降，这主要是由于国有商业银行效率值增加造成的。招商银行、中信银行、兴业银行、上海浦东发展银行和深圳发展银行在第三阶段不再处于效率前沿。其中，兴业银行效率值显著下降，深圳发展银行紧随其后，说明环境

和随机因素使这两家银行效率值增加，实际上这两家银行成立时注入资金丰富，而且成立时间很短，没有太多历史问题，同时分支机构多分布于发达地区，即使在不发达地区也多位于省会城市，所以环境和随机因素使它们效率值偏大。上海浦东发展银行、招商银行和华夏银行的效率值也有明显下降。相比而言，中信银行、光大银行和民生银行调整前后超效率值变化较小，说明这三家银行经营状况较稳定，环境和随机因素对其影响不大，实际上这三家银行口碑一直很好，因此所得结论也与实际相符合。从排名角度可以发现，除华夏银行排名无变化外，其余股份制商业银行排名均有一定变化。其中在第一阶段排名较低的交通银行和光大银行在第三阶段排名有明显上升，而兴业银行排名下降幅度最大，深圳发展银行次之，上海浦东发展银行排名也有所下降， 相比而言，民生银行、招商银行和中信银行的排名下降幅度很小。

以上分析表明因为国有商业银行机构庞大，总资产、存款、贷款规模大，不易集中管理，因而容易受到环境和随机误差因素影响，使其效率值在第一阶段被低估，而当将所有银行处理成统一环境下，即处于最劣势的环境下和最不幸的运气时，可以发现国有商业银行的效率值确实较股份制商业银行有所提升。

（三）环境变量对商业银行效率的影响分析

1.第一阶段和第三阶段效率值的配对样本T检验

为了分析环境变量对商业银行效率值是否产生了影响，需要考察第一阶段和第三阶段的效率值之间是否具有显著差异性，以表4为依据，对两者进行配对样本T检验。通过计算可以得知t值为1.755，对应的t统计量服从自由度为15的t分布，显著性概率为0.105，所以在选定显著性水平为0.05情况下不能拒绝原假设，即认为第一阶段和第三阶段的效率值之间不存在显著的差异。之所以产生这样的结果是因为第三阶段国有商业银行的效率普遍上升，而股份制商业银行的效率普遍下降。

但是如果进一步分别考虑国有商业银行和股份制商业银行的情况，效率变化则是十分显著的，结果如下表：

表5显示出分别对国有商业银行和股份制商业银行第一阶段和第三阶段的效率值进行配对样本T检验的结果，两者的显著性概率均为0.013（ 0.05），因而可以认为国有商业银行第一阶段和第三阶段的效率值之间具有显著差异性，对于股份制商业银行也可以得出相同的结论。

上述分析从实证方面说明了环境变量对商业银行效率值确实产生了比较显著的影响，因此，在评价效率时应当考虑这些因素的作用，并通过进一步分析环境变量对于投入变量的调整幅度和方向，探索提升我国商业银行真实效率的有效途径。

2.环境变量对效率值的影响程度分析

基于理论模型可知，若式（3）中某环境变量的系数为正，则 相对于负的较大，从而其与 差距较小或者为0，则在利用式（4）进行调整时其调整幅度较负系数调整的幅度小，即其对调整的投入变量的影响是正向的；若式（3）中环境变量的系数为负，则 相对于正的小很多，从而其与 差距较大，则在利用式（4）进行调整时其调整幅度较正系数调整的幅度大，即其对调整的投入变量的影响是负向的。所以对于投入调整幅度大的银行说明其在第一阶段投入较少，效率被高估，而对于投入调整幅度小的银行说明其在第一阶段投入过多，效率被低估。

就选取的环境变量对效率值的影响程度进行实证分析如下：

（1）对于劳动力的调整结果：

（2）对于固定资产原值的调整结果：

（3）对于利息支出的调整结果：

其中， 为分支机构数目； 为成立年限； 为虚拟变量，当 时表示国有商业银行， 时表示股份制商业银行。 表示劳动力的差额值； 表示固定资产原值的差额值； 表示利息支出的差额值。

从回归方程的系数可以得出如下相关结论：

第一，对劳动力差额值影响较大的是虚拟变量，成立年限和分支机构数目影响较小。虚拟变量的系数为正，说明在进行劳动力的调整时在其他变量不变的条件下，国有商业银行要较股份制商业银行增加约7.64，从而说明股份制商业银行的效率被高估，国有商业银行的效率被低估。

第二，对固定资产原值差额值正向影响显著的是虚拟变量，其次是成立年限，分支机构数目影响较小。成立年限变量的系数为正，说明成立年限对固定资产原值投入松弛的影响为正，对商业银行效率的影响则为负，即成立年限越长商业银行效率越低，成立年限越短商业银行效率越高。分支机构数目变量的系数也为正，说明分支机构数目对固定资产原值投入松弛的影响为正，对商业银行效率的影响则为负，即分支机构数目越多商业银行效率越低，分支机构数目越少商业银行效率越高。

第三，对利息支出差额值影响较大的是虚拟变量，其次是成立年限，分支机构数目影响较小。

综合来看，分支机构数目对三个投入差额值的影响都不大，但影响方向不同。对劳动力和固定资产原值的影响是正向的，对利息支出的影响是负向的。从系数比较，分支机构数目影响最大的投入项是固定资产原值，并且为正向影响，故对商业银行效率的影响是负向的，即分支机构数目越多的商业银行效率越低，而分支机构数目越少的商业银行效率越高。成立年限对三个投入差额值的影响都是正向的，故对商业银行效率的影响是负向的，即成立年限越长商业银行效率越低，成立年限越短商业银行效率越高。这与普遍认识不尽相同，原因是我国银行业并没有打破四大国有商业银行的垄断局面，并非是一个完全竞争的市场。虚拟变量对三个投入差额值的影响较为显著，但影响方向不同。对劳动力和固定资产原值的影响是正向的，对利息支出的影响是负向的。从系数比较，虚拟变量影响最大的投入项是固定资产原值，并且为正向影响，故对商业银行效率的影响是负向的，说明要把样本银行处理成为同一水平，股份制商业银行要增加投入的幅度要小于国有商业银行增加的幅度，从而说明在第一阶段国有商业银行的效率值被低估，而股份制商业银行的效率值被高估。

由上述分析可知，各环境变量对各投入变量差额值的影响程度不等、方向不一，在评价效率时应当将分支机构数目不同、成立年限不同的商业银行处理成同一水平，才能反映出我国商业银行真实的效率情况。这也从实证方面说明了超效率DEA三阶段模型的优越性。

四、结论与建议

本文在总结国内外相关文献的基础上，将具有调整效果的三阶段方法引入优化的DEA模型中，构建超效率DEA三阶段模型，对我国13家商业银行2006-2010年的投入产出数据进行实证分析，结果表明改进后的模型较一般的DEA模型更具合理性，更能真实的反映出我国商业银行的效率状况。

通过比较第一阶段和第三阶段得到的效率值可以发现，两者之间确实存在显著差异，从而说明环境和随机因素对商业银行的效率值具有显著影响，并且对国有商业银行的影响较股份制商业银行要大。在第一阶段国有商业银行的平均总体效率为0.9228，股份制商业银行的平均总体效率为1.0613。剔除环境和随机因素后，国有商业银行的平均总体效率提高到1.0916，股份制商业银行的平均总体效率降低到0.7552。商业银行平均总体效率也有所变化。

为了更进一步的分析环境和随机因素对各投入项的调整方向和幅度，对第二阶段的调整结果进行分析发现，成立年限越长、分支机构数目越多的商业银行效率越低，成立年限越短、分支机构数目越少的商业银行反而效率越高。结合实际看来，国有商业银行成立较早，机构规模庞大，国家完全控股也从根本上规定着它的决策机制、行为目标和行为方式，导致其难以成为真正独立的法人实体和理性的市场主体，因而环境和随机因素会对其效率产生不利影响，说明要把样本银行处理成为同一水平，股份制商业银行需要增加投入的幅度要小于国有商业银行增加的幅度。从而说明国有商业银行效率值在第一阶段被低估，股份制商业银行的效率值被高估，而当所有银行在统一环境下时国有商业银行效率值较股份制商业银行有所提升。这就从数据上支持了对国有商业银行实行规范的股份制改革以及适度的机构规模调整是十分必要的。股份制商业银行由于产权结构的原因，更容易顺应发展环境，但经过第二阶段的调整发现，股份制商业银行的效率明显有所降低，甚至低于国有商业银行。这说明股份制商业银行需要转变经营战略，不与国有商业银行在传统业务上硬碰硬，而是扬长避短，调整业务方向，利用自身资本优势，开拓创新。同时应在避免盲目追求过大机构规模的基础上，采取积极措施适当扩大规模、提高市场份额，进一步增加业务范围，增强市场竞争力，最终实现自身发展战略，并促使整个银行业效率水平的提高。

参考文献：

[1]Charnes，A.Cooper，W.，W.，Rhodes，E.，Measuring the efficiency of decision making units[J].European Journal of Operational Research，1978，32（2）：429-444.

[2]Sherman，HD，and Gold，F.Bank branch operating efficiency： evaluation with data envelopment analysis[J].Journal of Banking and Finance，1985，（9）：297-315.

[3]Li，Shanling，Jahanshahloo.G.R.and Khodabakhshi.M.Asuper-efficiency model for ranking efficient units in data envelopment analysis[J].Applied Mathematics & Computation，2007，184（2）：638-648.

[4]罗勇，曹丽莉.基于超效率模型的中国商业银行效率评价[J].金融论坛，2005（9）：17-21.

[5]陈敬学.中国银行业的效率：一个基于超效率DEA模型的实证研究[J].统计与决策，2008（24）：133-135. [6]Fried，Lovell，Schmidt and Yaisawarng.Accounting for Environmental Effects and Statisticals Noise in Data Envelopment Analysis[J].Journal of Productivity Analysis，2002（17）：157-172.

[7]黄宪，余丹，杨柳.我国商业银行X效率研究：基于DEA三阶段模型的实证分析[J].数量经济技术经济研究，2008（7）：80-91.

[8]方燕，白先华.中国商业银行经营效率分析：三阶段DEA之应用[N].中央财经大学学报，2008（6）：41-46.

An Optimized Study on the Efficiency of Commercial

Banks in China with the DEA Model

Abstract：Compared with general DEA model， super-efficiency DEA model can make the efficient decision to the effective evaluation of all decision-making units.But the model can not eliminate environmental factors and random error factors on the efficiency of commercial banks，then can not get the value of efficiency.On the basis of super-efficiency DEA model，using Stochastic frontier approach （SFA） for optimal adjustment and making empirical analysis of the efficiency of China's commercial banks in stages. The results show that environmental factors and random error factors have significant effects on the efficiency of commercial banks，and the super-efficiency three-stage DEA model is more reasonable than the super-efficiency DEA model，.While the standard joint-stock reform and appropriate size of institution adjustment is the efficient and effective way to enhance the efficiency of commercial banks in China.

Key Words：the efficiency of Commercial banks；super-efficiency three-stage DEA model；Stochastic frontier approach（SFA）；model optimization

附录A 2006-2010年第一阶段投入产出变量

商业银行

（2006年） 投入指标 产出指标

劳动力

（万人） 固定资产原值

（亿元） 利息支出

（亿元） 贷款

（亿元） 净利润

（亿元）

中国工商银行 35.1448 789.7400 1081.0700 36311.71 494.36

中国农业银行 45.2464 660.7000 796.8400 30518.35 52.26

中国银行 23.2632 818.2300 939.6300 19881.21 480.58

中国建设银行 29.7506 515.9100 748.2100 28736.09 463.19

交通银行 6.0865 204.0000 247.5600 9103.07 125.40

民生银行 1.3831 53.4400 111.9300 4656.71 37.58

招商银行 2.3202 61.2400 124.8100 5398.38 67.94

中信银行 1.2575 83.9300 119.7100 4631.67 37.26

华夏银行 0.8290 38.5300 79.0600 2985.49 14.82

兴业银行 0.9788 26.5000 116.4400 3152.74 37.98

光大银行 1.3260 56.9800 105.6700 3426.93 26.50

上海浦东发展银行 1.1786 52.9500 106.4800 4608.93 33.53

深圳发展银行 0.7737 15.4300 50.6900 1773.86 14.12

商业银行

（2007年） 投入指标 产出指标

劳动力

（万人） 固定资产原值

（亿元） 利息支出

（亿元） 贷款

（亿元） 净利润

（亿元）

中国工商银行 37.9401 766.2800 1328.2200 40732.29 819.90

中国农业银行 44.7519 763.1100 859.2700 34741.74 433.83

中国银行 23.7379 482.5600 825.3400 28505.61 462.62

中国建设银行 29.8868 564.2100 920.4800 31832.29 691.42

交通银行 6.8083 207.3900 364.0300 11044.60 199.28

民生银行 1.7766 59.5800 174.9000 5549.59 63.35

招商银行 2.8971 77.0700 176.8300 6544.17 152.43

中信银行 1.507 84.4400 153.2400 5752.08 82.90

华夏银行 0.939 36.0600 116.3000 2538.02 21.01

兴业银行 1.1851 29.9500 193.5200 3930.28 85.86

光大银行 1.5179 37.4800 133.3300 3995.70 50.39

上海浦东发展银行 1.4128 55.0700 142.6300 5356.58 54.99

深圳发展银行 0.8573 15.5400 84.3800 2210.36 26.50

商业银行

（2008年） 投入指标 产出指标

劳动力

（万人） 固定资产原值

（亿元） 利息支出

（亿元） 贷款

（亿元） 净利润

（亿元）

中国工商银行 38.5609 797.5900 1775.3700 45719.94 1115.51

中国农业银行 44.1883 1037.1500 1218.5200 31001.59 515.91

中国银行 24.9278 522.2700 1138.0700 32961.46 771.82

中国建设银行 30.0296 639.5700 1315.8000 37939.43 926.42

交通银行 7.7734 221.4100 511.4900 13285.90 282.97

民生银行 1.9853 64.7200 259.0200 6583.60 78.31

招商银行 3.6916 116.7600 257.5000 8023.93 209.46

中信银行 2.1385 94.1900 251.7500 7303.86 133.20

华夏银行 1.1109 41.1000 209.1000 3554.78 30.71

兴业银行 1.9536 33.8400 263.3200 4899.86 113.85

光大银行 1.6987 80.2200 207.6900 4592.23 73.16

上海浦东发展银行 1.7695 62.6000 241.8700 6812.67 125.16

深圳发展银行 1.0381 16.7500 138.6700 2853.00 6.14

商业银行

（2009年） 投入指标 产出指标

劳动力

（万人） 固定资产原值

（亿元） 利息支出

（亿元） 贷款

（亿元） 净利润

（亿元）

中国工商银行 38.9827 846.2600 1600.5700 57286.26 1293.50

中国农业银行 44.083 1117.7600 1145.0700 41381.87 648.92

中国银行 26.2566 587.3900 1000.9800 49103.58 701.94

中国建设银行 30.1537 746.9300 1275.7800 48197.73 1068.36

交通银行 7.9122 231.4500 498.2100 18393.14 295.57

民生银行 2.2064 74.1200 209.4600 8829.79 120.09

招商银行 4.034 125.1900 254.7400 10693.64 182.35

中信银行 2.418 103.2100 201.4700 10656.49 145.60

华夏银行 1.2301 44.6900 166.9900 4302.26 37.60

兴业银行 2.2004 36.2400 228.3700 6919.63 132.82

光大银行 1.9217 88.2700 178.2200 6321.51 76.43

上海浦东发展银行 2.1877 70.7500 266.5200 9105.08 132.15

深圳发展银行 1.1308 17.1400 90.0100 3595.00 50.31

商业银行

（2010年） 投入指标 产出指标

劳动力

（万人） 固定资产原值

（亿元） 利息支出

（亿元） 贷款

（亿元） 净利润

（亿元）

中国工商银行 39.7339 905.6900 1590.1300 67905.06 1660.25

中国农业银行 44.4447 1212.2000 1155.2800 47877.49 956.41

中国银行 27.9301 654.9400 1155.3300 49511.71 965.04

中国建设银行 31.3867 834.3400 1262.8300 56691.28 1350.31

交通银行 8.529 252.8400 563.8600 21891.54 383.08

民生银行 3.0931 81.1900 249.0300 10575.71 176.88

招商银行 4.3089 150.3800 274.3700 14314.51 257.69

中信银行 3.3552 99.7400 243.2500 12642.45 217.79

华夏银行 1.4304 59.0000 206.0800 5148.63 59.90

兴业银行 2.9214 38.4700 329.4400 8425.68 185.21

光大银行 2.2267 101.4100 237.3300 7788.28 127.90

上海浦东发展银行 2.8081 74.3300 277.6300 11241.13 191.79

深圳发展银行 1.2203 24.7000 104.2300 4009.66 62.84

附录B 2006-2010年环境变量

商业银行（2006年） 分支机构数目（个） 成立年限（年） 是否国有

中国工商银行 16997 22 0

中国农业银行 24937 27 0

中国银行 11241 21 0

中国建设银行 13629 10 0

交通银行 2628 19 1

民生银行 287 10 1

招商银行 504 19 1

中信银行 446 19 1

华夏银行 280 14 1

兴业银行 351 18 1

光大银行 389 14 1

上海浦东发展银行 370 14 1

深圳发展银行 243 19 1

商业银行（2007年） 分支机构数目（个） 成立年限（年） 是否国有

中国工商银行 16474 23 0

中国农业银行 24452 28 0

中国银行 10834 22 0

中国建设银行 13457 11 0

交通银行 2610 20 1

民生银行 327 11 1

招商银行 579 20 1

中信银行 485 20 1

华夏银行 287 15 1

兴业银行 390 19 1

光大银行 395 15 1

上海浦东发展银行 408 15 1

深圳发展银行 254 20 1

商业银行（2008年） 分支机构数目（个） 成立年限（年） 是否国有

中国工商银行 16386 24 0

中国农业银行 24064 29 0

中国银行 10789 23 0

中国建设银行 13426 12 0

交通银行 2636 21 1

民生银行 374 12 1

招商银行 674 21 1

中信银行 544 21 1

华夏银行 313 16 1

兴业银行 441 20 1

光大银行 426 16 1

上海浦东发展银行 491 16 1

深圳发展银行 282 21 1

商业银行（2009年） 分支机构数目（个） 成立年限（年） 是否国有

中国工商银行 16232 25 0

中国农业银行 23624 30 0

中国银行 10961 24 0

中国建设银行 13384 13 0

交通银行 2648 22 1

民生银行 434 13 1

招商银行 745 22 1

中信银行 615 22 1

华夏银行 349 17 1

兴业银行 503 21 1

光大银行 483 17 1

上海浦东发展银行 565 17 1

深圳发展银行 302 22 1

商业银行（2010年） 分支机构数目（个） 成立年限（年） 是否国有

中国工商银行 16227 26 0

中国农业银行 23486 31 0

中国银行 11058 25 0

中国建设银行 13415 14 0

交通银行 2643 23 1

民生银行 509 14 1

招商银行 749 23 1

中信银行 622 23 1

华夏银行 394 18 1

兴业银行 577 22 1

光大银行 605 18 1

上海浦东发展银行 655 18 1

深圳发展银行 304 23 1

附录C 2006-2010年经第二阶段调整后的投入产出变量

商业银行

（2006年） 投入指标 产出指标

劳动力

（万人） 固定资产原值

（亿元） 利息支出

（亿元） 贷款

（亿元） 净利润

（亿元）

中国工商银行 88.3346 1026.4510 1085.6988 36311.71 494.36

中国农业银行 71.7402 817.4135 801.4688 30518.35 52.26

中国银行 96.8808 935.4122 944.2588 19881.21 480.58

中国建设银行 106.8950 906.6975 752.8417 28736.09 463.19

交通银行 83.2309 533.3881 252.1919 9103.07 125.40

民生银行 78.5275 444.1164 116.5604 4656.71 37.58

招商银行 79.4646 452.0610 129.4424 5398.38 67.94

中信银行 78.4019 443.7502 124.3424 4631.67 37.26

华夏银行 77.9734 428.0264 79.8509 2985.49 14.82

兴业银行 78.1232 417.3614 121.0720 3152.74 37.98

光大银行 62.3340 444.2864 110.3009 3426.93 26.50

上海浦东发展银行 78.3230 443.6264 111.1109 4608.93 33.53

深圳发展银行 77.9181 406.2480 55.3225 1773.86 14.12

商业银行

（2007年） 投入指标 产出指标

劳动力

（万人） 固定资产原值

（亿元） 利息支出

（亿元） 贷款

（亿元） 净利润

（亿元）

中国工商银行 45.1337 857.3333 1344.4294 40732.29 819.90

中国农业银行 54.7157 872.2153 875.4794 34741.74 433.83

中国银行 32.5658 591.6537 841.5494 28505.61 462.62

中国建设银行 29.9873 574.6286 936.6941 31832.29 691.42

交通银行 16.4612 309.6665 380.2444 11044.60 199.28

民生银行 11.5479 168.6719 191.1119 5549.59 63.35

招商银行 12.5500 186.1565 193.0451 6544.17 152.43

中信银行 11.1599 193.5265 169.4552 5752.08 82.90

华夏银行 10.8615 145.1610 118.8628 2538.02 21.01

兴业银行 10.8380 139.0365 209.7345 3930.28 85.86

光大银行 11.3480 146.5808 149.5428 3995.70 50.39

上海浦东发展银行 11.3350 164.1708 158.8428 5356.58 54.99

深圳发展银行 10.5102 124.6265 100.5953 2210.36 26.50

商业银行

（2008年） 投入指标 产出指标

劳动力

（万人） 固定资产原值

（亿元） 利息支出

（亿元） 贷款

（亿元） 净利润

（亿元）

中国工商银行 53.1299 1614.5068 1831.4440 45719.94 1115.51

中国农业银行 47.7926 1440.0287 1274.5940 31001.59 515.91

中国银行 42.3511 1314.9799 1194.1440 32961.46 771.82

中国建设银行 45.1979 1399.3627 1371.8742 37939.43 926.42

交通银行 33.7895 1038.3268 567.5642 13285.90 282.97

民生银行 28.8918 881.6368 315.0941 6583.60 78.31

招商银行 47.5355 933.6768 313.5743 8023.93 209.46

中信银行 45.9824 911.1068 307.8243 7303.86 133.20

华夏银行 44.9548 840.7548 217.5942 3554.78 30.71

兴业银行 45.7975 850.7568 319.3942 4899.86 113.85

光大银行 45.5426 873.1525 263.7642 4592.23 73.16

上海浦东发展银行 45.6134 879.5168 297.9442 6812.67 125.16

深圳发展银行 37.5300 833.6668 194.7443 2853.00 6.14

商业银行

（2009年） 投入指标 产出指标

劳动力

（万人） 固定资产原值

（亿元） 利息支出

（亿元） 贷款

（亿元） 净利润

（亿元）

中国工商银行 78.5294 1558.1164 1637.6919 57286.26 1293.50

中国农业银行 45.6145 1432.9627 1182.1919 41381.87 648.92

中国银行 34.9090 1216.6461 1038.1019 49103.58 701.94

中国建设银行 69.7004 1458.7864 1312.9025 48197.73 1068.36

交通银行 30.8807 943.3064 535.3325 18393.14 295.57

民生银行 30.5020 785.9764 246.5822 8829.79 120.09

招商银行 43.5807 837.0464 291.8626 10693.64 182.35

中信银行 41.9647 815.0664 238.5926 10656.49 145.60

华夏银行 40.7768 756.5464 175.0223 4302.26 37.60

兴业银行 41.7471 748.0964 265.4926 6919.63 132.82

光大银行 41.4684 779.0824 201.8323 6321.51 76.43

上海浦东发展银行 41.7344 782.6064 303.6423 9105.08 132.15

深圳发展银行 40.6775 728.9964 127.1327 3595.00 50.31

商业银行

（2010年） 投入指标 产出指标

劳动力

（万人） 固定资产原值

（亿元） 利息支出

（亿元） 贷款

（亿元） 净利润

（亿元）

中国工商银行 71.2663 1858.5344 1662.4456 67905.06 1660.25

中国农业银行 53.6802 1702.2300 1227.5956 47877.49 956.41

中国银行 50.0491 1607.7844 1227.6456 49511.71 965.04

中国建设银行 62.9191 1787.1844 1335.1458 56691.28 1350.31

交通银行 38.6014 1205.6844 636.1758 21891.54 383.08

民生银行 31.0013 1034.0344 321.3457 10575.71 176.88

招商银行 35.8413 1103.2244 346.6858 14314.51 257.69

中信银行 34.8877 1052.5844 315.5658 12642.45 217.79

华夏银行 34.1313 974.8342 220.2557 5148.63 59.90

兴业银行 34.4542 991.3144 401.7558 8425.68 185.21

光大银行 34.5740 998.7261 294.6357 7788.28 127.90

上海浦东发展银行 34.9386 1027.1744 349.9457 11241.13 191.79

深圳发展银行 32.7530 977.5444 176.5458 4009.66 62.84