银行业全要素生产率的增长率测算：一个文献综述
银行业全要素生产率的增长率测算：一个文献综述
作者：王元园
来源：《财会通讯》2013年第15期
摘要：索洛在经济增长模型中，将人均产出增长扣除投入要素增长后未被解释的部分称为技术进步率，后人称为“索洛余值”或全要素生产率的增长率。关于其测算方法，丹尼森、乔根森等经济学者在索洛模型的基础上进行了拓展，形成了较为完善的测算体系。全要素生产率的增长率测算作为经济学领域一个重要的研究工具，起初主要用于一国整体经济、工业、农业等领域的测算，后有学者将之运用于银行业的生产率增长测算。本文从国外和国内两个方面，分别阐述银行业全要素生产率增长测算体系的发展历程。
关键词：银行业全要素生产率 Malmquist指数共同边界生产函数
一、引言
索洛（1957）在《技术进步与总量生产函数》一文中，首次将技术进步因素纳入经济增长模型，将人均产出增长扣除资本集约程度增长后未被解释的部分称为技术进步率，后人称为“索洛余值”或全要素生产率的增长率。但由于索洛本人采用的全要素生产率的增长率测算方法有着明显的缺陷，后经丹尼森、乔根森等一批经济学家的努力，成功地发展了“索洛余值”的测算体系。全要素生产率增长的测算作为经济学领域中一个重要的研究工具，曾经广泛运用于一国整体经济、工业、农业等领域的测算，后有学者创造性地将此测算方法运用到金融业领域的测算中。国外学者对全要素生产率的研究，从参数法（随机前沿生产函数法）到非参数法（DEA的Malmquist指数）逐渐过渡，并在非参数法的基础上进行了三次较大的创新发展。而我国学者对银行业全要素生产率的研究主要还停留在简单模仿国外研究手段的阶段，在国外研究工具上进行自主创新的文献并不多见。本文将从国际和国内两个角度具体阐述银行业全要素生产率增长率的测量手段的变迁发展过程，最后对该领域的研究加以评述，以使国内学者对该课题的发展有一个较为全面的认识。
二、国际：从参数法到非参数法的发展
（一）运用参数法进行的研究参数法主要包括索洛余值法、增长核算法、随机前沿生产函数法（SFA）。前两种方法假设所有生产者都能实现最优的生产效率，从而将产出增长扣除要素投入贡献以外的部分全部归为技术进步的结果，这两种方法较为传统。而随机前沿生产函数法是由Aigner、Lovell、Schmidt和Meeusen、van den Broeck（1977）分别独立提出的，该方法的主要优势是打破传统方法中关于技术有效论的假设，允许技术无效率的存在，并将全要素生产率的变化分解为生产可能性边界的移动和技术效率的变化，这种方法比传统法更接近于生产和经济增长的实际情况。Bauer等人（1993）利用随机前沿生产函数法对1977-1988年间
美国银行业全要素生产率的增长情况进行度量，发现其增长率在0.1%—3.35%间变化。Kumbhakar（1990）运用面板数据模型在技术无效的前提下将影响全要素生产率的增长因素分解为技术效率、规模经济、投入要素的配置效率以及技术进步等四个方面。另外还有Schmidt （1980、1986）、Kumbhakar（1988、1990）、Battese和Coelli（1988、1992、1995）、Kalirajan（1993）等学者利用随机前沿生产函数法针对技术效率对全要素生产率和产出的影响做了大量的实证研究。
（二）运用非参数法进行的研究（1）传统型非参数法。参数法需要假定一个具体的生产函数的数学表达式，但由于假定的数学表达式不一定符合实际情况，难免出现“生搬硬套”的情况，而非参数法无需假定投入产出之间的函数关系，仅依靠分析实际观测到的数据对生产单元进行相对有效性的评价，这是非参数法的一大优点，另外参数法往往只能处理单输出的情况，对于多投入多产出的情况处理起来则非常复杂，而非参数法却是分析多投入多产出相对有效性的有力工具。其三，对于无效单元，参数法仅能说明无效程度的大小，而非参数法除了指出每项产出的改进目标外，若采用投入导向型还可以指出每项输入的减少程度，以使生产单元到达相对有效性。从上述三个方面来看，非参数法比参数法更具有优越性。非参数法主要包括指数法、数据包络法和Malmquist指数法。Malmquist指数最初由Malmquist（1953）提出，Caves et al （1982）首先将该指数应用于生产率增长的测算，后来与Charmes et al（1978）建立的数据包络法相结合，于是基于DEA的Malmquist指数法应运而生，在全要素生产率的测算领域中受到了越来越多的重视。Berger et al（1992）利用Malmquist指数测量了挪威银行业在放松管制期间的生产率增长情况，研究发现放开管制前的生产率是下降的，而放开管制后却是增长的。E.Grifell、Tatj’e.E.et al（1999）运用DEA的Malmquist指数探索了西班牙银行业全要素生产率的变化情况，把潜在的生产率变化分解为机构效率变化、技术变化和规模经济变化。Wheelock，D.C，Wilson，P.W（1999）运用Malmquist指数研究了20世纪80年代至90年代初期美国银行业的全要素生产率，发现在此期间美国大型商业银行的生产率是负增长的。Howcroft、Ataullah（2005）运用DEA方法测算了印度和巴基斯坦商业银行1992年至1998年间全要素生产率的变化情况，发现在政府的政策实施期间两个国家的全要素生产率的增长率都是最高的。（2）创新发展后的非参数法。首先有学者发现运用Malmquist指数或基于DEA的Malmquist指数进行研究时，将不良贷款和正常贷款混合在一起，直接用总贷款额作为产出项来研究时会高估银行业全要素生产率的增长率，减弱了研究结果的可信度。于是大量学者更新研究观念，开始将不良贷款从总贷款额中独立出来研究。如Drake and Hall（2003）是继Berger and Humphrey（1997）关注不良贷款问题之后，将不良贷款作为一项投入指标引进DEA模型，但是此法遭到了质疑，Hirofumi Fukuyama et al（2002）认为不良贷款作为贷款的副产品，只有在贷款行为发生后才有可能产生，所以更严谨地说，不良贷款应该作为一项“非理想”产出项，而不是作为投入项来考虑，之后的学者几乎统一了不良贷款作为产出项的意见。接着有学者发现，运用Malmquist指数或基于DEA的Malmquist指数进行研究时都是基于传统技术距离函数，这种函数只考虑投入或者产出某一方面的变化情况，两者不能同时兼顾，甚至出现分别运用投入导向型和产出导向型对同一样本进行研究时，结果却截然相反的情况。另外现在的产出项有“理想”产出和“非理想”产出之分，“理想”产出需要扩大，“非理想”产出希望缩小。若继续运用传统技术距离函数来处理这种较为复杂的产出项时，大致有三种思路：其