王千紅 趙雅杰
[收稿日期] 2023-10-20
[作者簡介]王千紅，經濟學博士，教授，碩士生導師，東華大學旭日工商管理學院應用經濟學科系，研究方向：商業銀行經營創新、金融宏觀調控、金融投融資政策；
趙雅杰，東華大學旭日工商管理學院應用經濟學科系金融學學術碩士研究生，研究方向：應用金融。
[摘要]數字化變革推進了我國商業銀行普惠金融業務的發展，通過現實觀察可以發現我國商業銀行近年來積極承擔并不斷拓寬普惠金融業務服務面，從而也引發了福利主義和制度主義關于普惠金融業務是否應該追求達成可持續之爭議。為此，本文基于可持續原則，以全國25家商業銀行2017—2022年普惠金融業務經營效率作為研究對象，采用三階段DEA靜態模型和DEA-Malmquist動態模型進行測度，以考察其可持續性下的經營效率特征。主要結論：從普惠金融業務三階段可持續性經營效率值來看，國有商業銀行高于股份制銀行，股份制銀行高于城市商業銀行；
從動態可持續性經營效率變化來看，受技術進步的深刻影響，銀行應繼續強化科技支持，同時在產品服務創新、風險管理、成本控制等方面采取措施。
[關鍵詞] 商業銀行；
普惠金融業務；
可持續；
DEA-Malmquist分析
[中圖分類號] F062.9? ［文獻標識碼］A? ?［文章編號］1000-4211（2024）02-0071-21
一、引言
為響應我國普惠民生公共政策的號召，商業銀行積極拓展其金融服務范圍，專門面向小微企業、農村地區和貧困低收入群體提供服務。立足功能主義視角，普惠金融應具備可獲得、可負擔和可持續的“三可”原則。然而，關于普惠金融業務是否應該追求達成可持續，一直以來存在著福利主義和制度主義之爭。福利主義指出普惠金融主體機構以政策扶持為首任，從而忽略了機構主體自身的可持續。相較之下，制度主義則強調普惠金融機構的存在必須建立在其自身可持續性的基礎上，這樣才能長期為弱勢群體提供適合的金融服務。目前，國內外學者普遍傾向于制度主義觀點，認為金融機構開展普惠金融服務的商業可持續性能力變得越來越關鍵。2001年世界銀行綜合研究報告中提出商業銀行達成可持續需要兼顧“達成財務可持續”和“加大覆蓋面”。Oguz和Gurkan（1996）的研究發現農村金融機構可持續地達成取決于其資金來源的情況。Jacob（1997）提出可以用財務可持續性和覆蓋面評價農村金融組織可持續。Bhari（2011）以印度農村普惠金融業務為觀察對象、Diniz（2012，以巴西為觀察對象，都關注了信息技術可促進普惠金融的發展。Bogan（2012）發現農村金融機構如果對政府財政支持和社會捐贈形成依賴會影響其業務的可持續。
在我國，自2013年黨的十八屆三中全會即明確提出并強調了普惠金融覆蓋的全面性，提出政策性銀行、各類商業銀行及其他金融機構都可以承擔普惠金融業務。2017年中國人民銀行對普惠金融實施定向降準，有利于各類機構積極拓寬普惠金融業務。在這樣的背景下，商業銀行普惠金融業務的財務可持續問題成為其業務拓展的主要考量原則。國內學者杜曉山（2004）指出規范的微型金融機構應有兩個原則：為一定規模的低收入客戶提供可使其受益的信貸服務，并實現機構的自負盈虧和可持續。劉西川等（2007）將商業可持續性作為評價微型金融機構的主要標準，強調了普惠金融可持續的意義。吳曉靈（2013）強調小額信貸、微型金融等普惠金融機構的利率必須覆蓋風險，確保其自身的自負盈虧。在廣義范疇下，金融機構的商業可持續發展指的是在政府的支持下，實現經營的長期穩定和持續發展。狹義而言，重點研究的是財務方面的持續性。商業銀行在金融資源配置方面需謹慎權衡銀行經營績效與市場需求的關系。財務可持續性具體表現為金融機構的收入能夠足以彌補其成本，從而實現盈利。值得注意的是，普惠金融業務可持續受技術更新因素影響深遠。Silber（1983）研究證實技術進步是普惠金融創新過程的關鍵因素。微觀金融機構在需求和盈利的雙重推動下進行創新，數字科技在金融領域迅速發展并得到廣泛應用，切實完善了普惠金融的風險控制，對研究可持續經營問題具備現實價值。孫兆斌（2018）認為數字化轉型為銀行服務小微企業提供了強大的助力，商業銀行通過提升科技創新實力明確了在普惠金融領域的定位。李易懋（2019）從信息不對稱角度得出科技的參與可以有效地減少銀行和企業之間的信用風險，從而提高融資的效率。薛瑩和胡堅（2020）認為運用金融科技的金融機構在資源分配上能顯著降低交易的成本，提高風險控制的能力，增強了整體的金融效益。田秀娟和葛宇航（2023）通過機制分析得出金融科技可以通過影響商業銀行的成本管理、風險控制和經營效率三條路徑影響商業銀行的經營績效。
采用DEA分析方法對銀行業務經營效率的測度是一直以來學界常用的方式。
但是針對存在異質性的銀行經營效率的比較研究過程中， 存在規避環境因素影響和引入動態指標這兩種類型的改進。改進后的DEA分析，可以有效地降低環境因子導致的模型偏差。Stewart（2016）針對不同銀行規模差異采用DEA方法進行效率評價，研究表明大、中型銀行的效率高于小型銀行，同時發現傳統DEA分析有其局限性，采用三階段DEA分析對銀行經營效率評價，可以減少環境因素帶來的模型誤差。Shyu和Chiang（2012）使用三階段DEA分析對中國臺灣某銀行經營效率進行評價，研究發現規模差異對其效率影響更大。魏煜和王麗（2000）利用DEA分析對銀行經營效率進行了測度，研究結論表明國有銀行的經營效率相較于股份制銀行更低；
周朝波和彭歡（2018）則利用三階段DEA分析，關注了我國上市商業銀行所有制差異進行效率測評，研究結論顯示國有銀行的經營效率表現不及股份制銀行。然而，袁曉玲和張寶山（2009）考慮到傳統DEA分析無法處理面板數據，提出引入Malmquist指數可以研究時間序列變化完善這一缺失，對面板數據進行動態效率評價。段永瑞等（2016）使用DEA-Malmquist模型進行經營效率分析，其研究所使用的投入產出要素涉及生產率、技術效率以及技術水平。梅國平等（2014）應用DEA- Malmquist模型對我國13家商業銀行的經營效率評價，樣本期內全要素生產率呈上升趨勢，技術進步是主要的推動因素。牛蕊（2019）在使用DEA- Malmquist模型評價時采用銀行存款、員工數量、固定資產凈值和所有者權益作為投入指標，銀行貸款、凈利潤和營業收入作為產出指標。
近些年來，關于銀行業務效率的研究呈現多樣性，研究方向具體到了各細分業務。段進東等（2017）對商業銀行綠色信貸領域分析認為，提高技術效率可以顯著增強綠色信貸經營效率。薛梅等（2019）對江蘇地區的城市商業銀行中的小微企業貸款業務效率進行研究。朱寧等（2021）對34家商業銀行的小微企業貸款效率進行內生性評價，發現地區性銀行處理小微企業貸款的能力超過大中型銀行。
綜上，在商業銀行的經營效率評價方法上，現有研究通過不斷完善實現了對DEA分析的逐步優化，消除環境因素影響的三階段DEA模型和能進行動態評價的DEA-Malmquist指數模型，能對商業銀行經營效率做出更為客觀和全面的評價，研究領域也從銀行整體經營效率逐步過渡到了細分業務領域如普惠金融業務的分析。我國商業銀行近年來通過不斷下沉市場，積極探索普惠金融業務的可行方式，逐步成為我國普惠金融業務市場中的主力軍，為了考察我國商業銀行普惠金融業務的經營效率及其財務可持續性，本文以全國25家商業銀行2017—2022年普惠金融業務經營效率作為研究對象，采用三階段DEA靜態模型和DEA-Malmquist動態模型，觀察分析我國商業銀行普惠金融業務的經營效率特征。
二、我國商業銀行普惠金融業務的現實特征
（一）商業銀行普惠金融業務的基本現狀
隨著首個普惠金融發展規劃的圓滿收官，我國普惠金融在全球范圍內取得了引人注目的成績，其發展水平位居世界前列，引領了全球數字普惠金融的潮流。根據《2022年銀保監會監管工作綜述》披露的數據，截至2022年底，普惠小微貸款余額23.8萬億元，同比提高23.8%。覆蓋面進一步擴展，與此同時，融資成本持續降低。在信貸規模迅速擴張背景下，商業銀行的資產質量平穩改善，不良貸款率持續減緩，流動性覆蓋率和資本充足率持續攀升，有效提升了風險防范措施。
在政策的推動下，普惠金融呈現出穩健增長的態勢。然而，從表1中普惠小微貸款余額的占比來看，仍有未被滿足的需求存在，未來仍有充足的發展空間。盡管我國小微企業為國家貢獻了50%以上的稅收，創造了60%以上的GDP，完成了70%以上的發明專利，提供了80%以上的就業崗位，占企業總數的90%以上，但小微貸款余額占比仍相對較低，未能達到各項貸款余額的10%水平。
觀察圖1，截至2022年底，銀行業的普惠型小微企業貸款余額達到23.80萬億元，較去年同期增加4.70萬億元，同比增長23.80%。這一增長率仍然領先于整個行業的貸款增速。普惠小微授信戶數為5652萬戶，同比提高26.8%，達成“兩增”目標，且普惠小微貸款這一增速高于銀行貸款平均增速。
在“兩控”目標下，普惠小微貸款利率逐年下降，圖2顯示2022年新發放的普惠小微企業貸款的加權平均利率為4.8%，處于歷史低位，降幅超過了企業貸款利率的降幅。同期，企業貸款利率為4.17%，因其管理成本和企業信用風險相對普惠小微貸款更低，可以用相對更低的利率定價覆蓋成本與風險。作為參考，2022年5年期LPR為4.3%，一般貸款加權平均利率為4.65%，已接近普惠小微貸款利率。
（二）國有銀行頭雁作用領跑股份制和城市商業銀行
1.普惠小微客戶規模
本文通過對25家商業銀行的數據進行縱向對比，發現國有大行在物理渠道和線上渠道上具有雙線優勢，總體客戶規模最大，且增長潛力較強；
股份制銀行展現積極的拓客意愿，規模保持了穩定增長；
而城市商業銀行整體客戶規模相對較小。
國有銀行憑借龐大的客戶資源和網點數量優勢，加大了對客戶下沉和拓展的力度，近幾年普惠金融客戶規模因此取得明顯增長。對普惠小微企業客戶規模進行匯總后發現，國有銀行的客戶總體規模約為股份制銀行的2倍，是城市商業銀行的4倍以上。
從圖3中可以看出，六大國有銀行中，建設銀行、農業銀行、郵儲銀行的普惠小微企業客戶數量大約在200萬戶左右，其中農業銀行和建設銀行在2022年均突破了250萬戶。在過去兩年的客戶規模增長方面，這三家銀行保持了較好的增長潛力，并與工商銀行、中國銀行、交通銀行拉開了一定差距。農業銀行在成長性上表現更為強勁，客戶規模的年平均增速達到了30%以上。
股份制銀行的客戶規模增長較為穩定，招商銀行和平安銀行的普惠小微企業客戶規模相對較大，并且保持了較快的增長速度。由于地域和自身資源的限制，城市商業銀行整體客戶規模相對較小，但北京銀行和上海銀行保持了較快的增速，展現了較好的拓客能力。
2.普惠小微貸款規模
在普惠小微企業貸款余額方面，整體來看，商業銀行的貸款余額呈現梯隊化趨勢。國有銀行通過推動增量擴面，普惠小微貸款呈現出“頭雁”效應，增速已完成或接近“大商業銀行普惠小微企業貸款增速要高于30%”的目標；
頭部股份制銀行則積極提升服務能力，優化信貸結構，小微貸款余額穩居第二梯隊；
而城市商業銀行則側重對地方經濟的支持，小微貸款余額保持了穩定增長，但總體規模較大行仍有較大差距。
通過具體數據圖4來看，2021年，股份制銀行與國有銀行的普惠貸款余額并無顯著差距。然而，到了2022年，由于政策導向和對大商業銀行貸款增速的剛性要求，國有銀行在向普惠金融領域的貸款投放上加大了力度，與股份制銀行之間出現了明顯的差距。在國有銀行中，建設銀行位居絕對領先地位。2022年，建設銀行的普惠金融小微貸款余額達到2.35萬億元，較上年末增長了4，803.82億元，增速環比增長25.67%。普惠金融小微貸款余額排名第二的是農業銀行，2022年，農業銀行普惠小微企業貸款余額1.7萬億元，較上年末增加3，840.60億元，增速28.89%，增速排名第三。普惠金融小微貸款余額排名第三的是工商銀行，2022年末工商銀行普惠小微企業貸款1.55萬億元，比年初增加4512.95億元，增長41.10%，增速位列第一。普惠金融小微貸款余額排名第四的是郵儲銀行，普惠金融小微貸款余額1.18萬億，增速23.07%。排名第五的中國銀行2022年末普惠小微企業貸款余額1.01萬億元，比上年末增長15.88%。排名第六的交通銀行普惠金融小微貸款余額為0.46萬億，增速35.29%，增速位列第二。
在股份制銀行中，招商銀行、民生銀行和平安銀行的增速較為迅猛，其貸款余額已經超越交通銀行，與浦發銀行以及興業銀行一同居于第二梯隊。2022年，招商銀行以6783.38億元的貸款規模蟬聯第一，較2021年增長17.94%。其次是民生銀行，普惠小微企業貸款余額為5491.28億元，環比增長13.01%。位列第三的是平安銀行，半年報中披露其普惠小微企業貸款余額為5282億元，環比增幅53.64%。整體來看，5家股份行的普惠小微企業貸款余額集中在3000億-7000億范圍內，平均規模約為5073億；
普惠小微企業貸款增速在15%～55%。
城市商業銀行中北京銀行、寧波銀行的單戶授信1000萬級以下小微企業貸款余額分別為1721億、1538億元，對應環比增速45.85%、25.86%。緊隨其后的是江蘇銀行1385.22億；
普惠金融貸款余額最低的是鄭州銀行，規模約為441億元。城市商業銀行專注于地方經濟、縣域經濟和三農領域的貸款投放，這一策略在過去兩年中保持了穩定增長。然而，盡管其貸款總體呈現增長態勢，但相較于國有和股份制銀行，城市商業銀行的貸款總體余額相對較小，存在明顯差距。城市商業銀行的小微企業貸款規模不及國有大行和股份行的千億或上萬億級別，盡管如此，與2021年相比，多家城市商業銀行的小微貸款余額已經超過千億規模。
根據圖5顯示的2022年普惠小微貸款占客戶貸款總規模比重的情況，六家國有銀行的平均占比為9.12%。在這六家銀行中，郵儲銀行普惠型小微貸款的占比最高，達到了16.37%，而建設銀行的占比也超過10%。中國銀行是這六家銀行中占比最低的，其普惠小微貸款僅占總規模的5.77%。觀察近兩年的規模增速情況，國有銀行普惠小微貸款的平均增速明顯高于貸款總增速，這表明在“兩增兩控”的政策要求下，國有銀行對小微企業的扶持態度積極。其中，工商銀行、農業銀行和中國銀行的平均增速均達45%。相比之下，股份制銀行和城市商業銀行的平均占比為11.22%和10.87%，均高于國有銀行。這反映了股份制銀行和城市商業銀行在普惠金融業務上投入更多，盡管其貸款業務相對較簡單，但從側面證實了它們在普惠金融領域的重要角色。
3.普惠小微貸款利率水平
國有銀行在小微企業的貸款利率定價和費用減免方面擁有更強的主導能力，能夠為小微企業提供更為有力的支持；
城市商業銀行充分利用央行貨幣政策工具，能夠有序地降低小微企業的融資成本；
相較之下，股份制銀行由于受到收益和風險管理的雙重制約，難以真正突破在定價方面的局限。
從圖6的商業銀行貸款定價方面來看，國有銀行憑借雄厚的資源儲備和較低的資金成本，對貸款定價水平具有更強的主導力量。這使得國有銀行能夠更大幅度地支持小微企業，降低其融資成本。因此，普惠小微貸款的平均投放利率明顯低于股份制銀行和城市商業銀行。在六家國有銀行中，交通銀行的總體貸款利率最低，于2022年降至3.75%。中國銀行、工商銀行、農業銀行、建設銀行于2022年的普惠小微貸款利率均維持在4%以內。僅有郵儲銀行的小微企業融資成本較高，近兩年的貸款利率均在5%左右。
股份制銀行考慮到業務風險，并受制于普惠金融業務的較高資金成本，對利率水平進行了總體控制。然而，由于利率水平對信貸業務的收益影響較為顯著，股份制銀行在長期內仍顯現出缺乏足夠動力的特點。以招商銀行為例，該行在2022年出現了利率上升的情況。
城市商業銀行受到央行貨幣政策工具的支持，有一定程度上的控制利率水平的能力。在近兩年中，這些銀行的利率水平保持了穩步降低的趨勢。例如，北京銀行和江蘇銀行充分利用央行的支小再貸款、支持信用貸款以及延期還本付息等政策工具，實現了提質降本，使得2022年的利率水平均降至4.5%以下。
（三）商業銀行普惠金融業務成本、風險與收益之間不匹配
普惠金融業務相對商業銀行的傳統業務由于客戶授信難度更高、不良率更高，有著更高的征信成本，對被排斥于傳統金融體系的客戶溝通渠道單一。銀行間未能形成統一的評價和準入規則，系統間征信信息不能及時共享，使得客戶授信過程問題繁多，這使得對三農及小微企業的金融服務變得艱難。2019年以來，中小微企業受新冠疫情的沖擊，經營環境變得更為艱難，中小微企業的貸款違約風險提升。商業銀行的不良貸款率受相關機構嚴格監管，普惠金融貸款的不良率在各項貸款中居高。2022年，普惠小微貸款的不良率為2.18%，較各項貸款平均不良率高1.05%。分散普惠金融貸款風險是商業銀行迫切追求的目標。普惠金融致力于以更低成本滿足金融排斥人群對金融服務的需求，在諸多減費讓利政策的影響下，普惠金融貸款因為追求社會福利擠壓了利潤空間。商業銀行的普惠貸款利率保持在4%～6%，遠低于小微貸款公司10%～15%的利潤空間，商業銀行在現有條件下需要進一步壓縮運營成本并尋找拓客的低成本模式，對業務成長和管理創新帶來了挑戰。
三、研究設計
（一）模型原理分析
DEA分析可用于評估商業銀行的普惠金融業務效率和可持續性。該方法能綜合考慮多個投入和產出指標，適用于銀行業務多維度和多層次的特點。由于DEA是一種非參數方法，不對具體函數形式做出假設，因此適用于各種業務形態和規模的銀行，具有靈活性和適應性。DEA通過構建投入產出的“前沿”來評估銀行的效率水平，通過比較銀行相對于這個前沿的距離，定量衡量相對效率，幫助識別改進空間。DEA-Malmquist模型利用長期時間序列數據評估銀行的業務可持續性，觀察效率變化來判斷業務是否長期高效。此模型分析全要素生產率的變化，包括技術效率、技術變化和規模效率的影響，體現了普惠金融業務的動態變化。總體而言，DEA作為一種全面、非參數的評價方法，有助于有效分析商業銀行普惠金融業務的經營效率，為改進業務提供方向和策略。
1.三階段DEA模型
（1）第一階段：規模報酬可變的BCC模型測度普惠金融業務經營效率
BCC模型的假設為存在q個決策單元，各決策單元的m種投入量和n種產出量分別表示為xaj和ybj。模型表達如下：
（1）
其中，ua和vb代表投入和產出的權重值向量，ua，vb≥0，a=1，2，…，m; b=1，2，…，n; j=1，2，…，q。Cj代表第j個決策單元（DMU）的綜合效率，即技術效率。若技術效率為1，表明銀行的投入與產出組合處于生產前沿，且處于有效狀態。
（2）第二階段：SFA 模型剔除環境因素和統計噪聲
第二階段通過SFA模型，剔除外部宏觀環境和隨機誤差影響。該模型表達如下：
（2）
其中，Sni為第i個決策單元第n項投入松弛量，Zi=（Z1i，Z2i…Zki）為k個環境變量，βn為環境變量的系數。vni+uni為整體誤差項，其中uni～N+（0，σ2ui）為管理無效率，vni～N（0，σ2v）為隨機誤差項。假定vni、uni相互獨立。通過SFA回歸得到估計結果：（，，，），參考管理無效率分離公式：
（3）
其中，，，，，，和分別為標準正態分布的密度函數和分布函數。
隨機誤差估計公式：
（4）
再重新調整投入變量：
（5）
是調整前的投入，是調整后的投入；
指所有決策單元目前處于相同的運氣水平。調整后的投入松弛變量只反映管理無效率項。
（3）第三階段：調整后的投入產出變量的DEA效率分析
第三階段利用調整后的投入和原始產出，再次使用第一階段BCC模型對商業銀行普惠金融業務效率進行測度，此時不存在外部環境因素和隨機誤差因素的影響，能更真實地反映普惠金融業務的經營效率。
2.DEA-Malmquist指數模型
因三階段DEA模型只對商業銀行經營效率進行橫向靜態對比，本文在三階段DEA模型的基礎上構建Malmquist指數模型，進而對效率進行縱向動態分析，測度效率的時間趨勢變化。具體形式如下：
（6）
分解結果為TFPCH＝TECHCH x PECH x SECH，其中，X和Y分別代表決策單元的投入和產出。如果TFPCH＞1，表示全要素生產率從t至t+1期間呈上升趨勢；
反之則代表全要素生產率呈下降趨勢。全要素生產率與技術進步、規模效率和純技術效率這三種因素成正相關關系。
（二）指標選取與數據來源
1.投入產出指標
通過對我國學者運用DEA 方法評價上市商業銀行經營效率的文獻梳理，表2展示了學界主流銀行業務投入產出指標的選取。
2.本文指標選擇及數據來源
針對我國上市商業銀行的實際狀況，本研究選擇了普惠金融部門員工人數、固定資產、管理費用以及貸款撥備覆蓋率作為投入指標，這些指標代表了上市商業銀行在人力、資產、財務和風險管理四個方面的投入。而普惠金融貸款余額和貸款利息收入則被選作產出指標。這一選取旨在全面衡量上市商業銀行在普惠金融領域的綜合績效，考慮了其在經營和風險管理方面的多個方面。另參考學界主流環境指標的選取，構建投入產出及環境指標體系如表3所示。
本文選擇我國 25家商業銀行 2017—2022 年的相關數據作為樣本，數據獲取自各銀行年報和社會責任報告，環境變量數據來源于國家統計局。利用Stata17、Deap2.1和Frontier4.1對原始數據進行處理。表4是投入產出指標的描述性統計，對數據整體情況進行展示。
DEA分析模型要求投入增加，產出也隨之增加，兩者需存在正相關性。由此，本研究對選入的投入產出指標進行Pearson相關性檢驗。檢驗結果表5，投入產出指標的相關系數為正，在5%顯著性水平上通過檢驗，指標選取較為合適。
四、經營效率分析
（一）第一階段DEA經營效率值分析
本階段基于DEA的BCC模型，對我國25家上市商業銀行2017—2022年普惠金融業務的經營效率進行測算，結果如表6所示。
總體來看，建設銀行和郵儲銀行各年的經營效率值均為1，表明這兩家銀行處于生產前沿面。而排名最后的寧波銀行的經營效率值僅為0.346，經營效率低。從均值看，從第1名建設銀行和郵儲銀行經營效率1到第11名上海銀行經營效率0.625，大于均值0.624，前11名業務表現較好。由圖8可知，總體上效率值呈現出波動上升的趨勢。受疫情沖擊，2019年和2020年，從需求端來看，小微企業信貸需求回落，貸款不良率提升；
從供給端來看，銀行的金融科技應用尚未實現完全的線上業務辦理，一部分普惠貸款需求未能及時滿足，使得經營效率普遍下降。另可見，疫情下國有制商業銀行因為基石穩健，抗風險能力強，受沖擊影響小于股份制和城市商業銀行。
從表7中可以看出，2017—2022年，生產前沿面上商業銀行的數量呈現波動上升的趨勢。在2017年和2018年之后的四年，國有銀行經營效率值為1的數量占比第一；
而除了2020和2022年，股份制商業銀行生產前沿面上的數量占比低于城市商業銀行，股份制商業銀行占比一直相對較低。
（二）第二階段SFA回歸分析
在第二階段，對第一階段DEA模型得到的各決策單元的投入松弛變量進行回歸分析。此次回歸的因變量為投入松弛變量，而自變量則為外部宏觀環境因素。通過SFA模型的回歸分析，并根據回歸結果分離出管理無效率，獲得了調整后的投入指標。
表8中呈現的SFA回歸結果顯示，三個模型的LR值和gamma值均在1%顯著性水平通過了檢驗，且gamma值分布在0.1-0.9之間，驗證了SFA模型的建立的必要性。通過理解各項SFA回歸系數，得出如下結論：
經濟發展程度的系數為正，表明在良好的地區經濟狀況下商業銀行效率會降低；
金融發展程度對員工人數、管理費用和撥備覆蓋率的回歸系數為正，說明金融發展對這三個投入要素有負向影響，而對固定資產的系數為負，表示高金融發展程度可以優化固定資產的投入；
政府干預變量的系數為負，表明財政支出占GDP比例越高，商業銀行的普惠金融業務效率越高；
銀行類型對員工人數、固定資產和管理費用的回歸系數為負，說明銀行類型可以優化這三個投入要素，而對撥備覆蓋率的回歸系數為正，表示商業銀行類型會使撥備覆蓋率偏離原定的投入目標值，從而導致商業銀行的經營效率下降。
（三）第三階段DEA經營效率值分析
基于第二階段的回歸結果，使用剔除環境因素和隨機誤差項的影響的新投入值，與初始產出值重新投入規模報酬可變的BCC模型，以獲取僅受管理無效率影響的普惠金融業務的經營效率值。測算結果如表9所示。
在2017—2022年期間，建設銀行、農業銀行、郵儲銀行、民生銀行的經營效率值均為1，表明它們位于生產前沿面上，自身規模能夠與當前市場適應，資源配置效率較高，投入要素合理有效，貸款的不良率控制較好。與表6中的經營效率值相比，民生銀行在2017—2022年期間明顯提升了經營效率值，處于生產前沿面上。然而，農業銀行改善的程度較小，只有在2018年達到生產前沿面。從均值來看，青島銀行的經營效率值為0.070，位于最低，其經營效率相對較低。在前13名中，興業銀行的經營效率值為0.596，高于均值0.556，這表明前13名銀行的業務表現較為出色。經營效率值較低的銀行通常表現為投入多、產出少，例如杭州銀行和江蘇銀行。與江蘇銀行相比，杭州銀行在去除環境影響因素后，無論是部門員工人數、部門管理費用還是撥備覆蓋率都顯著高，但未帶來相應的產出。因此，杭州銀行存在投入冗余和產出不足的問題，迫切需要改善自身經營模式，對業務分支建立有效考核機制，降本增效對效率低的分支持續優化，通過結構調整完成業務升級改造，提升普惠金融業務經營效率。
相較于表6，招商銀行在2022年的經營效率值由1.000降至0.815。去除環境因素前，曾達到生產前沿面的杭州銀行、江蘇銀行、上海銀行和西安銀行在2017—2022年期間的效率值均小于1。這一從有效率到無效率的轉變表明這些銀行的普惠金融業務發展與當地經濟增速有很大關聯，自身經營尚存在較多投入冗余，需要提升自身的管理和創新能力。與青島銀行相比，西安銀行在第一階段的經營效率值遠高于青島銀行，但在第三階段的經營效率值比較接近，西安當地的經濟情況對西安銀行普惠金融業務有助力，西安銀行自身因素與青島銀行水平接近。
根據圖9，總體來看，商業銀行的經營效率值相對較低，呈現出明顯的兩極分化趨勢。在這一過程中，國有商業銀行、股份制商業銀行和城市商業銀行的普惠金融業務經營效率表現出一致的趨勢。觀察2017—2022年的趨勢，盡管股份制商業銀行在早期的經營效率值較低于國有商業銀行，但兩者的差距一直相對不大，且都經歷了緩慢上升再下降的過程。股份制商業銀行的經營效率值始終明顯高于城市商業銀行，而在2021—2022年間，這一差距逐漸擴大。疫情發生后，城市商業銀行自身的經營效率恢復相對較慢，這可能與城市商業銀行在此時段受到政府政策支持較多有關。在剔除政策影響后，城市商業銀行的經營效率有望降低。此外，城市商業銀行平臺建設能力相對較弱，線上普及率不高，客戶維護難度大等原因也可能是導致其經營效率較低的因素之一。
從表10可以看出，2017—2022年，生產前沿面上商業銀行的數量逐步上升。2017—2022年間，經營效率為1的國有銀行比例始終高于股份制商業銀行，而城市商業銀行中一直沒有經營效率為1的銀行。
（四） DEA-Malmquist模型動態分析
通過表11和圖10，可以看出全要素生產率變化指數在2017—2022年呈現先上升再下降的趨勢。對全要素生產率變化分解來看，技術變化和純技術效率變化較穩定，大致在1.0左右波動。技術效率變化、純技術效率變化和規模效率變化指數在2020年達到峰值，之后逐漸下降。
2021年，全要素生產率變化指數達到最高值，為1.371。從2018年開始，全要素生產率變化指數與技術效率變化、技術變化變化指數的波動趨勢大致相同，全要素生產率變化指數在2019年降至谷底后持續上升。技術變化在持續下降的情況下，于2021年逆轉至峰值1.368，且推動全要素生產率來到了峰值，這一年普惠金融業務整體經營效率最好。2017—2022年，純技術效率變化和規模效率變化始終比較穩定地在1附近波動。在2022年，由于技術變化驟降，全要素生產率也隨之降至0.897，反映當前階段規模在增加，但技術進步未能跟上這一增長。總體而言，全要素生產率的變化在2017—2022年主要受技術變化的影響，是普惠金融業務經營效率提升的核心驅動。
五、結論與政策建議
（一）研究結論
本文以全國25家商業銀行2017—2022年的普惠金融數據為樣本，對我國商業銀行普惠金融業務的經營效率進行分析，研究普惠金融業務可持續狀態及實現路徑。主要研究結論如下：
三階段DEA分析結果表明，總體上我國商業銀行普惠金融業務的經營效率值先上升后下降。2017—2022年，國有商業銀行的經營效率高于股份制商業銀行，又高于城市商業銀行，分別為0.898、0.702和0.220。六年來始終位于生產前沿面，業績優秀，表現突出的有建設銀行、農業銀行、郵儲銀行和民生銀行。通過對比第一階段和第三階段經營效率值的差異可以發現，剔除環境因素對國有商業銀行的影響最小，其次是股份制商業銀行，受影響最大的是城市商業銀行。這與城市商業銀行多立足本土，依賴當地經濟發展有密切關系。剔除后，大部分國有商業銀行和股份制商業銀行仍處于生產前沿面上。位于生產前沿面上的銀行數量占比，國有銀行最多，其次是股份制商業銀行，城市商業銀行中沒有位于生產前沿面上的銀行。DEA-Malmquist分析結果表明，2017—2022年，全要素生產率主要受技術變化的影響，這期間純技術效率變化和規模效率變化穩定，全要素生產率曲線隨技術變化曲線波動，且在2021年被技術效率推至峰值。
（二）政策建議
第一，不同類型銀行應依托各自主線業務優勢，推進數字普惠金融業務向縱深發展，持續探索普惠金融業務差異化實現路徑。
大型國有銀行在普惠金融領域具備突出的規模、品牌和資源優勢。為此，建議可以借助品牌頭雁效應，通過金融業務數字化來重構其普惠金融業務模式，依托龐大規模和雄厚資金優勢，不斷降低拓客和獲客成本，提升普惠金融業務的經營效率。股份制商業銀行在普惠金融業務中需要更主動地發揮業務模式可以靈活調整的優勢。建議其，可以基于當前業務和客戶基礎，深度挖掘金融數字化所提供的潛在機會，提供可以靈活滿足客戶需求的普惠金融產品，實現業務的可持續增長。城市商業銀行則應當充分發揮與所在地的密切聯系優勢，研究利用數字技術提升客戶黏性的機會，定制化提供與當地小微企業和三農群體相匹配的金融產品，城市和周邊地區提供差異化的普惠金融服務。
第二，各類商業銀行可以依據財務可持續原則尋求其普惠金融業務模式改進路徑，以積極推進業務的廣度和深度。
在獲客模式上，應采用多元化指標構建更為立體的大眾客戶分類。隨著普惠金融的推進，關注大眾客戶的需求和理財能力變得更加重要。為此，需要引入多類二級指標，如性別、年齡、職業、收入、過往理財需求和風險偏好等，以更精準地制定財富管理建議，滿足不同客戶偏好。采用定制式的定價策略，促進價格差異化。定價政策將成為未來業務差異化的重點方向，銀行在服務大眾客戶時需考慮客戶對價格的高度敏感性，并在必要時提供最佳價格。
在組織架構和績效變革方面，需要構建更適應普惠金融要求的客戶管理架構，實施“客戶為中心”的全方位渠道戰略，重點滿足小微客群對企業貸款和消費貸款的需求。無論客戶通過何種途徑接觸銀行的產品和服務，都應感受到清晰、流程化的標準體驗。建立一套圍繞客戶服務滿意度、理財服務購買度和后續服務跟進度的全方位評價體系，將銀行員工的績效評價與過程指標相結合，完善總體目標到各團隊的任務分配，通過績效體系充分調動員工積極性。這樣的改革將有助于提高客戶體驗，加強對小微客群的服務質量。
參考文獻：
[1]Bhari，S.C. Financial Inclusion for Indian Scense[R].SCMS Journal of Indian Management，2011.
[2]Bogan，Vicki L.Capital Structure and Sustainability：
An Empirical Study of Microfinance Institutions[J].Review of Economics and Statistics，2012（4）：1045-1058.
[3]Diniz，E.，Birochi，R. and Pozzebon，M. Triggers and Barries to Financial Inclusion：
The Use of ICT based? Branchless Banking in An Amazon County[J].Electronic Commerce Research and Application，2012（5）：484-494.
[4]Otero M ， Rhyne E .The New world of microenterprise finance ：
building healthy financial institutions for the poor[J].Small Business Economics， 1994（6）：479-482.
[5]Schreiner M. Development Finance Institutions：
Measuring their Subsidy[M].World Bank， 2001. https：//elibrary.worldbank.org/doi/abs/10.1596/0-8213-4984-8
[6]Shyu J， Chiang T. Measuring the true managerial efficiency of bank branches in Taiwan：A three～stage DEA analysis[J].Expert Systems with Applications，2012，39（13）：11494～11502.
[7]Silber W. 1983. The Process of Financial Innovation[J].American Economic Review，73（2）.
[8]Stewart C ，Matousek R ，Nguyen N T .Efficiency in the Vietnamese banking system：
A DEA double bootstrap approach[J].Research in International Business and Finance，2016，36（Jan.）：96-111.
[9]Yaron J. Rural finance ：
Issues， Designs， and Best Practices[M].World Bank， 1997. https：//documents1.worldbank.org/curated/en/680961468136490369/pdf/multi0page.pdf
[10]杜曉山，張保民，劉文璞，白澄宇.對民間或半政府機構開展扶貧小額信貸的政策建議[J].紅旗文稿，2004（06）：19-21.
[11]段進東，王雯佳，卞麗君.我國商業銀行綠色信貸運營效率的DEA-Malmquist實證[J].中外企業家，2017（25）：45-48.
[12]段永瑞，黃鸝彬，張艷霞.基于DEA模型的中國商業銀行效率及生產率評價[J].工業工程與管理，2016，21（02）：1-7.
[13]黃淑穎，曹志鵬.中國城市商業銀行效率評價——基于DEA-Tobit模型[J].北方經貿，2018（01）：98-104.
[14]李易懋. 大象起舞正當時：Fintech 對小微企業融資影響研究[J]. 經濟研究導刊，2019（17）：132-135.
[15]劉西川，黃祖輝，程恩江.小額信貸的目標上移：現象描述與理論解釋——基于三省（區）小額信貸項目區的農戶調查[J].中國農村經濟，2007（08）：23-34.
[16]梅國平，甘敬義，朱四榮.基于三階段DEA和MALMQUIST指數分解的中國商業銀行效率研究[J].江西師范大學學報（哲學社會科學版），2014，47（04）：39-48.
[17]牛蕊.互聯網金融對商業銀行金融效率影響研究[J].山西大學學報（哲學社會科學版），2019，42（03）：122-131.
[18]尚穎，賈士彬.基于四階段DEA的小型農村金融機構社會效率研究[J].河北大學學報（哲學社會科學版），2020，45（05）：98-106.
[19]孫兆斌.商業銀行普惠金融高質量發展的邏輯與路徑[J].新金融，2018（11）：57-62.
[20]田秀娟，葛宇航.金融科技與商業銀行經營績效[J].技術經濟，2023，42（06）：127-137.
[21]魏煜，王麗.中國商業銀行效率研究：一種非參數的分析[J].金融研究，2000（03）：88-96.
[22]吳曉靈.發展小額信貸 促進普惠金融[J].新產經，2013（06）：13.
[23]薛見寒.新發展時期我國商業銀行普惠金融綜合效率影響因素實證研究——基于DEA-Tobit模型分析[J].湖北經濟學院學報，2021，19（06）：26-37.
[24]薛梅，張翼，黃堯.銀行小微企業貸款的效率比較與路徑選擇——基于江蘇省2014—2018年貸款的實證檢驗[J].金陵科技學院學報（社會科學版），2019，33（04）：6-9.
[25]薛瑩，胡堅.金融科技助推經濟高質量發展：理論邏輯、實踐基礎與路徑選擇[J].改革，2020（03）：53-62.
[26]楊鷺，艾洪德.商業銀行普惠金融效率研究——基于15家商業銀行調查數據的分析[J].金融論壇，2020，25（08）：9-17.
[27]于剛，張智晴.基于DEA-Malmquist指數的中國商業銀行效率研究[J].東北財經大學學報，2019（01）：79-86.
[28]袁曉玲，張寶山.中國商業銀行全要素生產率的影響因素研究——基于DEA模型的Malmquist指數分析[J].數量經濟技術經濟研究，2009，26（04）：93-104+116.
[29]周朝波，彭歡.互聯網金融崛起下中國上市商業銀行效率研究——基于三階段DEA法[J].征信，2018，36（12）：72-78.
[30]朱寧，鄔寶儀，郭維.商業銀行小微企業貸款效率評價和分析[J].金融經濟學研究，2020，35（06）：79-92.
Operational Efficiency of Commercial Banks" Financial Inclusion Business under the Principle of Sustainability
Wang Qianhong，? Zhao Yajie
（Glorious Sun School of Business and Management， Donghua University，
Shanghai， 200051）
Abstract：
In recent years， China"s commercial banks have actively undertaken and continuously expanded inclusive financial services ， which has also triggered a debate between welfarism and institutionalism about whether inclusive financial services should be pursued sustainability. Based on the principle of sustainability， this paper takes the operational efficiency of inclusive financial services of 25 commercial banks in China from 2017 to 2022 as the research object， and uses the three-stage DEA static model and DEA-Malmquist dynamic model to measure it. The main conclusions are as follows：
From the perspective of the three-stage operation efficiency of inclusive financial business， state-owned commercial banks are higher than joint-stock banks and higher than urban commercial banks; From the perspective of dynamic operational efficiency changes， under the profound impact of technological progress， banks should continue to strengthen scientific and technological support， while taking measures in product service innovation， risk management， cost control and other aspects.
Key Words：Commercial Banks; Inclusive Finance Business; Sustainability; DEA-Malmquist Analysis
猜你喜歡 可持續商業銀行 商業銀行資金管理的探索與思考大眾投資指南(2020年10期)2020-07-24關于加強控制商業銀行不良貸款探討消費導刊(2017年20期)2018-01-03基于公益講座在本土文化建設的創新模式探析河南圖書館學刊(2016年12期)2017-01-09房地產業調控在經濟結構調整中的意義和作用商情(2016年42期)2016-12-23十八屆五中全會五大發展理念之堅持“綠色發展”智富時代(2016年12期)2016-12-01十八屆五中全會五大發展理念之堅持“綠色發展”智富時代(2016年12期)2016-12-01國有商業銀行金融風險防范策略湖南城市學院學報（自然科學版）(2016年4期)2016-02-27我國商業銀行海外并購績效的實證研究山西大同大學學報(社會科學版)(2016年6期)2016-01-23我國商業銀行風險管理研究當代經濟(2015年4期)2015-04-16發達國家商業銀行操作風險管理的經驗借鑒現代企業(2015年6期)2015-02-28