主页 > 案例大全 >

论文方法大全-基于数据包络分析的中国商业银行效率评价

2021-03-11 16:57


   本文的研究过程中,从研究资料和内容着手,对当前银行工作以及运行效率在基本理论和方法让进行深入探究,研究主要从产出量和投入量开始进,借助数据包络的相关分析方式,对近年来我国多家银行以及十余家股份制银行当前经营情况进行分析,但是所选取的研究方法并没有过多贡线特性,而且在进行单元分析的过程中,具有极强的主观性。基于此,从多元非线性回归理论上寻找影响银行经营效率的相关因素,并针对这些影响因素提出解决措施。文中选取了多个投入性指标,不仅如此,企业在产出指标方面选取了经营净利润指标,以及其他资金充盈率指标,借助DEA定量分析法,对数据包路进行细探究,将以上所给出的指标,作为自变量管控的对象。

 

  1.1本研究背景及意义分析

 

  1.1.1本文研究背景

 

  通过对银行经营效率的研究可以了解银行日常营运能力,以及银行在运行过程中,当差异化结构不同时,所形成的经营效能之间的差别。不仅如此,还能把国内银行和股份制银行之间关于行业经营能力进行详细比对,了解出国际和区域经济之间发展的基本情况,同时也能对银行未来发展趋势和方向进行探究。我们从经济效益角度性分析,银行经营能力对银行发展效率有着积极的引导作用。所以。本文要对当前现有的银行发展情况以及银行经营效率角度着手,整个探究具有极为重要的研究意义。

 

  1.1.2本文研究目的及意义分析

 

  (1)借助特定的分析方法,可以对银行行业的经营能力和效率金探究和评价,这些方法和可以实现的目的如下所示:

 

  1)对我国当前银行经营效率评价资料进行收集整理,借助数据包络分析法和回归分析法,可以对银行净效率进行系统评析。

 

  2)借助当前以及以往研究的内容和成果进行整体探究,对银行行业中投入和产出之间的不同点进行区分,给出具体的区分原则,从而获得所需要的投入和产出的数值,为后期形成科学完善的数据分析提供帮助。

 

  3)对有关资料进行收集整理,所获得的资料大多借助数据包络分析法,对问题进行探究,了解商业银行的营运能力以及未来发展形势,当发现营运能力较低的银行时,可以给出具体的解决对策。

 

  (2)在研究意义方面,加强对银行经营效能和效率的探究,可以了解银行发展情况,当银行未来发展受到阻力时,可以给出具体的解决对策,通过相关部门的政策措施跟进为银行运行提供支撑。

 

  2国内外关于数据包络分析法及银行经营效率的研究和分析

 

  对银行效率经营进行探究,可以从两个阶段着手,在探究初期,主要从经营规模和范围方面,也就是长期平均总成本和产量之间是否呈现正比关系的研究,和长期平均总成本是否会因为生产规模的增大而有所减少。当前在研究重点上,主要以生产效率的测算和具体的影响因素为主,相关研究学者Farrell(1957)在研究过程中,把前沿生产函数投入到企业效率的研究中,这也是第一次借助这种方式进行探究,通过研究,当前已经取得了较多的成果。Berger和Humphrey(1997)选取了近百篇研究论文,使用五种前沿分析方法,对多个国家的金融机构效率进行评估[[[]Berger,A.N.&D.B.Humphrey.Efficiency of financial institutions:International survey and directions for future research[J].European Journal of Operational Research,1997,(98):175-212.]]。借助前沿效率分析法,主要分为两种数据分析形式,第一种是随机前沿分析,第二种是数据包络分析,这两种分析主要代表了参数分析法和非参数分析法。数据包括分析,在开始提出时,国内外众多学者给出了较大的肯定,他们认为可以用这种方法对商业银行效率进行评估。而且评估结果较为准确。Sherman和Gold(1985)借助DEA模型来对银行效率进行总体评估[[[]Sherman,H.D.&F.Gold.Bank branch operating efficiency:Evaluation with Data Envelopment Analysis[J].Journal of Banking&Finance,1985,(6):297-315.]],对于该模型的使用我国最早的是薛峰和杨德礼(1998)[[[]薛峰.评价银行经营与管理综合效益的DEA模型[J].数量经济技术经济研究,1998(5):63-66.]]。

 

  秦宛顺等人(2001)借助DEA方法对我国商业银行市场结构和绩效进行中的评价,在评价中他们认为,我国商业银行发展形势有待提高,多家国有商业银行和其他商业银行相比效率较低,其他银行虽然前景发展较为广阔,但商业银行呈现垄断现象,使市场环境短期内无法改善,仍然会保持原有的发展形式[[[]秦宛顺.中国商业银行业市场结构、效率和绩效[J].经济科学,2001(4):34-45.]]。张健华(2003)在研究时处于我国商业银行重组大变革时期,他利用DEA研究方法,将我国商业银行进分类,并选择了当时近五年的效率进行总体评估。[[[]张健华.我国商业银行效率研究的DEA方法及1997-2001年效率的实证分析[J].金融研究,2003(3):11-25.]]。杨大强和张爱武(2007)在研究过程中,主要从标准的利润效率和替代利润效率着手,借助该方法,选取了中国银行近十年的效率进行论证,通过研究发现,如果商业银行在成本效率和利润效率上较为明显。不仅如此,股份制商业银行整体效益增长趋势比较迅猛,明显高于国有商业银行[[[]杨大强,张爱武.1996-2005年中国商业银行的效率评价——基于成本效率和利润效率的实证分析[J].金融研究,2007(12):102-112]]。

 

  Staub等人(2010)借助包络分析法,对21世纪初期到2007年巴西银行的综合效率进行综合分析,通过分析发现,巴西银行和其他发达国家银行相比,总体经济效率水平较为不足,他认为主要原因是巴西银行技术效率不足,和配置效率较低之间关系较小[[[]Staub,R.B.&G.S.Souza.&B.M.Tabak.Evolution of bank efficiency in Brazil:A DEA approach[J].European Journal of Operational Research,2010,(202):204-213.]]。Tsolas等人(2015)通过数据包络分析法。对银行效率进行计算。并将说存在的风险纳入到评价指标中,通过特定的计算方式,对整个结果进行计算和类比[[[]Tsolas,I.E.&V.Charles.Incorporating risk into bank efficiency:A satisficing DEA approach to assess the Greek banking crisis[J].Expert Systems with Applications,2015,(42):3491-3500.]]。刘春志等人(2018)选取了我国多家商业银行在2018年到2014年的数据信息,分别对多种类型的商业银行进行交叉评价效率的计算,并对该效率可能影响的各类因素进行分析[[[]刘春志.基于DEA交叉模型的中国银行业效率研究[J].经济与管理,2018(7):29-35.]]。Fernandes等人(2018)将DEA适用于特定的生产指标中,以此来计算银行效率的得分情况,借助特定的方法,来了解和研究金融条件的变化是否会对银行效率水平造成明显的影响[[[]Fernandes,F.D.S.&C.Stasinakis.&V.Bardarova.Two-stage DEA-Truncated Regression:Application in banking efficiency and financial development[J].Expert Systems with Applications,2018,(96):284-301.]]。

 

  3数据包络分析法中关于参数变量选取及采集

 

  3.1银行经营实践中的投入值与产出值的类型确定

 

  想要对银行经营效率进行科学评定,需要对银行经营过程中的投入和产出所产生的从属问题进行划分,当前银行整个体系过于庞大,内部具体的产出和投入涉及多种行业类型,很多信息交叉量过大,而且由于研究水平有限,并没有形成统一的划分标准,在一些文献研究中,所给出的方法主要有中介法,生产法等多项法律条例。

 

  中介研究法在上个世纪90年代时,研究学者Siems在研究中明确指出,该类方法主要适用于区分投入和产出的具体情况,通过特定的方法对银行贷款方以及多项中介之间的关联进行细化,主要目的是提高存款吸收率或将借款净转移,从中获取经济收益。所以,在进行具体计算时,要对人数和资金数量进行着重探究,产出中要对具体贷款和利息以及非利息性的收入类型进行明确。为能够存储款项的业绩制造方,其可以借助员工稳定的资产存款及借贷行为实现资金链接续,所以,资金的投入可以认为是银行固定资产等类型的消耗及员工的固定花销,银行产出主要为在统计范围内的符合要求的借贷规模等。在我国法律中明确规定了银行资产可以视为动态性资产。具有较强的循环性,所以银行可以借助债券和利润本金的方式作为存款。来为银行获取经济收益。综合以上叙述可以看出,我们可以把存款和债券划分为银行投入,通过这种方式为企业带来经济收益,把这两者称之为产出值。上个世纪90年代,相关学者Fixler和Ziechang借助上述方法开始了具体研究。研究思想上,主要是选择两种不同的方案,进行后续对比,如果超过资产报酬或负债成本时,可以把资产进行整体划分,划分到特定的产出类范畴。

 

  3.2关于投入范畴和产出范畴的变量选取及相关解释

 

  本来在研究中认为,银行在整体经营效率上和所花费的投入和产出分配之间联系较为密切,所以我们可以借助具体的关系来对投入和产出进行判断,为了提高发展效率,要加强资源优化节约资本投入。银行在正常投入方面,主要有内部人力,物力,资本等相关费用开支。借助数据包络分析法对应的数据量纲也有所差别,所以产出变量可以称之为净利润,资本充足率等。

 

  投入指标:

 

  主要资产表示,银行在总体资产分配上,商业银行在主要资产上主要是银行在一个特定的周期内对不同金融来往的总量和业务量统计,这些数据主要有商业银行主体经营管理,后期会给企业经营带来经济收益,所以银行在经营投入范围上包括多种方面,这些方面主要有,主营业务对外投资贷款情况等,在我们所表述的这些业务类型上,主要以投资和贷款为主。

 

  营业费用主要表示,企业在运营过程中,由于经营业务和管理行为,需要开支费用,这些费用涵盖多种方面,银行通过这些开支,可以维持正常的经营和发展,却又不得不消耗的成本资金,所以我们可以将这些消耗的成本。看作为总投入,这些投入主要体现在银行日常经营中的成本开支。

 

  总体入职人员数量在特定的时间段内,银行全部支援所花费的人力资源开支,以及薪酬等,占据了银行多数资本和现金,这些资金使用主要体现在银行在经营过程中,所花费的人力资本投入,这种人力资本可以等同于企业所使用的员工数量和相关开支,对应开支视为投入。

 

  产出指标:

 

  企业在经营中所获得利润叫做企业经营净利润,也称为税后利润值,这些利润的获得也是遵守了利润的相关标准,在银行经营过程中,计算银行所得的净利润都是按照以下方法来计算的:

 

  净利润=税前利润-所得税。

 

  资本充足率体现出了银行的资本,也更能表现出银行负债的能力,也可以说是企业的抗风险能力。银行发展中,银行的指标能正常发展,银行的资金越充足,所能获得的利润也就越高,抵抗能力很强,在金融危机下银行业不会受到很大的影响,也能继续发展。

 

  银行中不良贷款率是一种不好的因素,阻碍了公司的正常发展,在一定程度上也会影响银行资金的质量。不良贷款率主要体现的就是银行在投入指标后产生的效果,也可以当做银行的产出指标。

 

  3.3模型选择

 

  利用数据包络分析技术可以将银行的资产分成两种,就是资产投入和资产产出。该文章也利用了合理的分析方法,通过分析可知,金融市场的发展状况很复杂,在经营过程中出现了很多不确定性,银行的发展规模和水平也是不同的,银行发展中会遇到各种各样的问题,这些问题也是很难解决的,分析银行的经营状况可以利用BCC模型,这对银行的发展有很大的帮助。

 

  3.4研究样本遴选与数据采集分析

 

  在分析之前,要先选择样本,样本的选择决定了数据的准确性,选择以后利用数据包络技术,以此来获得更准确的评测效果,决策必须具有代表性,同时还要考虑以下一些问题。

 

  (1)Dmu分析技术必须在相同的类型上分析,简单来说,就是分析前和分析后要保证样本的各个方面都是一样的。

 

  (2)在进行数据包络分析过程中,研究的内容和数量必须要超过企业投入总和的2.5倍以上。

 

  (3)研究样本不能太少,而且样本必须是具有代表性的。

 

  中国在2018年之前还没有建立很多金融服务机构,直到2018年底,主要建立的金融机构有以下几种:其中有3家政策性银行、5家国有控股银行、5家民营银行、12家混合股份制银行,还有1家邮政储蓄银行。在本文中,主要研究了15家银行,其中有4家是国有银行,这4家银行分别是中、农、工、建行:还有8家混合所有制银行,还有国内的一些二线银行,像交行、中信、广大等,还有3家小型的商业银行。下表是一些银行的分析数据,员工的单位为“人”,其他指标的单位是“亿元”。

 

  表3.1 2016年研究对象财务指标数据

 

  不良贷款率资金充足率净利润员工总资产营业费用

 

  中国工商银行0.009411618 0.133264512 2629.736342 425041 189411.3434 2529.032025

 

  中国建设银行0.009912236 0.135467231 2149.223161 345339 153821.9893 2327.202872

 

  中国银行0.009611866 0.124754006 1571.04942 298990 138914.4763 1991.087947

 

  中国农业银行0.012215079 0.11874659 1665.205653 458049 145801.0076 2499.215217

 

  交通银行0.010512978 0.120949309 623.7199662 97212 59683.04718 814.9560422

 

  招商银行0.008310259 0.11153769 518.5901862 61403 40213.63269 635.9550701

 

  中信银行0.010312731 0.121349803 392.234203 43052 36456.93515 561.1226915

 

  浦发银行0.007409146 0.109835589 409.7257959 36543 36846.73635 465.4946411

 

  民生银行0.008510506 0.107032128 423.3025561 50758 32301.97596 591.5602659

 

  兴业银行0.076093936 0.108433859 412.619368 43963 36819.8031 552.7723832

 

  光大银行0.00861063 0.105830645 267.8706794 33550 24180.71046 310.5934196

 

  华夏银行0.009011124 0.098922117 155.2516542 23771 16745.14144 176.2575854

 

  北京银行0.006508034 0.109535218 168.4179076 8513 13384.15239 139.1217422

 

  南京银行0.008911 0.129159444 45.02558292 5040 4345.934945 32.55018236

 

  宁波银行0.008911 0.138971557 60.6749016 5704 4683.511674 67.09282436

 

  表3.2 2017年研究对象财务指标数据

 

  不良贷款率资金充足率净利润员工总资产营业费用

 

  中国工商银行0.011313967 0.145479591 2766.905674 442448 206354.269 2996.499101

 

  中国建设银行0.011914708 0.148883793 2285.291133 368865 167648.2574 2735.607036

 

  中国银行0.011814585 0.138871433 1774.170167 306053 152702.3271 2256.906092

 

  中国农业银行0.015419034 0.124754006 1797.318744 496979 159938.9605 2838.243739

 

  交通银行0.01251545 0.140573534 659.313906 93774 62760.46618 936.7463892

 

  招商银行0.01111372 0.123953017 561.1827656 75202 47376.80544 932.0906418

 

  中信银行0.013016068 0.123452399 407.4229531 50798 41439.30575 703.9890563

 

  浦发银行0.010613102 0.113440039 474.1853696 42585 42011.10162 615.0592748

 

  民生银行0.011714461 0.107032128 446.0105886 59733 40200.98708 760.8392364

 

  兴业银行0.011013596 0.113039544 471.6622549 49449 44125.17139 647.8797909

 

  光大银行0.011914708 0.112238556 289.1869939 39063 27403.92944 401.6458214

 

  华夏银行0.010913472 0.127056848 180.0322452 27869 18539.16612 310.3230858

 

  北京银行0.00861063 0.110936949 156.4231003 10414 15263.21204 171.2313807

 

  南京银行0.009411618 0.12014832 70.66723688 6431 5738.584134 87.13756908

 

  宁波银行0.008911 0.124153264 56.33954972 7507 5547.968824 83.4029588

 

  表3.3 2018年研究对象财务指标数据

 

  不良贷款率资金充足率净利润员工总资产营业费用

 

  中国工商银行0.01501854 0.152388119 2780.632619 466922 222372.3129 3385.299064

 

  中国建设银行0.015819529 0.15409022 2291.689031 369639 183721.6897 3094.890563

 

  中国银行0.014317675 0.144678602 1796.387594 310425 168363.8108 2442.46516

 

  中国农业银行0.02392954 0.134165624 1809.974367 503704 178133.8316 3036.718751

 

  交通银行0.015118664 0.135066736 666.1022861 91581 71642.06027 1082.496314

 

  招商银行0.016820765 0.119247208 580.8971025 76286 54817.45073 1273.802476

 

  中信银行0.014317675 0.118846713 417.9159064 56559 51286.23153 906.0885429

 

  浦发银行0.015619282 0.123051904 510.6003229 48487 50505.86819 805.8247699

 

  民生银行0.016019776 0.115042016 470.8011919 59584 45262.7557 942.914003

 

  兴业银行0.014618046 0.112038308 507.126034 52080 53054.29416 916.5114097

 

  光大银行0.0161199 0.118846713 296.1355717 40369 31716.2529 539.8564388

 

  华夏银行0.015218787 0.108634106 189.7542467 34285 20231.01467 339.5191276

 

  北京银行0.011213843 0.122851657 169.0386739 13793 18471.89308 230.7348362

 

  南京银行0.008310259 0.13126204 70.74733576 7399 8060.150047 138.6912107

 

  宁波银行0.092113712 0.133064264 65.75116812 9555 7173.505507 115.1221153

 

  4基于数据包络和多元线性回归分析的商业银行经营效率定量分析

 

  4.1数据包络分析

 

  本文分析的数据真实性很高,主要内容有技术效率、规模效率以及纯技术效率。

 

  4.1.1计算结果分析

 

  (1)deap2.1软件运算值间见下表

 

  1)银行经营效率统计结果见下表4.1~4.3

 

  表4.1 2016年研究对象效能评价结果

 

  样本次序技术效率纯技术效率规模效率规模区间

 

  1 0.938258256 1.0000 0.938358379 drs

 

  2 0.865969016 1.0000 0.866169264 drs

 

  3 1.0000 1.0000 1.0000-

 

  4 0.646998703 0.683744064 0.947769998 drs

 

  5 0.69585902 0.862865185 0.807296587 drs

 

  6 0.774756417 0.998432539 0.776758889 drs

 

  7 0.709175459 1.0000 0.708975212 drs

 

  8 0.779161855 1.0000 0.779161855 drs

 

  9 0.769049372 0.933352199 0.828222419 drs

 

  10 1.0000 1.0000 1.0000-

 

  11 0.769349742 0.798085216 0.964390515 drs

 

  12 0.73200364 0.763142079 0.964290392 drs

 

  13 1.0000 1.0000 1.0000-

 

  14 1.0000 1.0000 1.0000-

 

  15 1.0000 1.0000 1.0000-

 

  表4.2 2017年研究对象效能评价结果

 

  样本次序技术效率纯技术效率规模效率规模区间

 

  1 1.0000 1.0000 1.0000-

 

  2 1.0000 1.0000 1.0000-

 

  3 0.876181624 0.905317591 0.969496819 drs

 

  4 0.828422666 1.0000 0.828422666 drs

 

  5 0.828322543 1.0000 0.828322543 drs

 

  6 0.920135884 0.998432539 0.923239716 drs

 

  7 0.791376934 1.0000 0.791376934 drs

 

  8 0.957481987 1.0000 0.957481987 drs

 

  9 0.870174208 0.977106212 0.892301523 drs

 

  10 0.883190276 0.965491875 0.915329951 drs

 

  11 0.844242195 1.0000 0.844242195 drs

 

  12 0.760739113 1.0000 0.760739113 drs

 

  13 1.0000 1.0000 1.0000-

 

  14 1.0000 1.0000 1.0000-

 

  15 1.0000 1.0000 1.0000-

 

  表4.3 2018年研究对象效能评价结果

 

  样本次序技术效率纯技术效率规模效率规模区间

 

  1 1.0000 1.0000 1.0000-

 

  2 1.0000 1.0000 1.0000-

 

  3 0.9901 1.0000 0.9901 drs

 

  4 0.9782 1.0000 0.9782 drs

 

  5 1.0000 1.0000 1.0000-

 

  6 1.0000 1.0000 1.0000-

 

  7 1.0000 1.0000 1.0000-

 

  8 1.0000 1.0000 1.0000-

 

  9 1.0000 1.0000 1.0000-

 

  10 1.0000 1.0000 1.0000-

 

  11 0.9743 1.0000 0.9743 irs

 

  12 1.0000 1.0000 1.0000-

 

  13 1.0000 1.0000 1.0000-

 

  14 0.9168 1.0000 0.9168 irs

 

  15 0.8382 1.0000 0.8382 irs

 

  2)2016~2018年效能均值统计:

 

  表4.4技术经营效率指标

 

  2016年2017年2018年

 

  全部研究银行经营效率平均值0.846244667 0.904516602 0.984114864

 

  全部研究银行的数据有效数量5 5 10

 

  公立银行平均值0.863165556 0.927044412 0.993326236

 

  公立银行数据有效家数1 2 2

 

  股份制银行平均值0.898409063 0.895905973 0.976305224

 

  股份制银行数据有效数量4 3 8

 

  表4.5纯技术经营效率指标

 

  2016年2017年2018年

 

  全部研究银行经营效率平均值0.870174208 0.990422651 1.0000

 

  全部研究银行的数据有效数量8 11 15

 

  公立银行平均值0.922438727 0.97730646 1.0000

 

  公立银行数据有效家数3 3 4

 

  股份制银行平均值0.942062952 0.995328708 1.0000

 

  股份制银行数据有效数量5 8 11

 

  表4.6规模经营效率指标

 

  2016年2017年2018年

 

  全部研究银行经营效率平均值0.905417715 0.914328715 0.981511651

 

  全部研究银行的数据有效数量5 5 10

 

  公立银行平均值0.938358379 0.949572222 0.993125988

 

  公立银行数据有效家数1 2 2

 

  股份制银行平均值0.893402883 0.9011124 0.976405347

 

  股份制银行数据有效数量4 3 8

 

  从上表可以看出,稳重总共选中了45个dmu结果,但是这些结果不全是有用的,有一半是不可以用的,这些数据的有效率占了55%。从上表中的统计周期内可以看出国有四大银行的的经营技术效率,这些数据分别是0.8621、0.9259、0.9921。这些数据准确率比较高,到2015年底,我国的股份制银行已经超过了4家,17年有6家,18年有8家,而且这些银行的经营值都是在评论值往下的,只有三家银行满足了有效数据,这三家是工商银行、建设银行和北京银行。

 

  (2)结果探究:

 

  从研究结果来看,2015年到2018年中,在15的时候,银行在经营过程中获得了很高的效益,而在16年,获取的利益不是很高,没有达到预期效果。从经营的技术角度来看,2015年到2018年这三年中经营效益逐渐增高。利用规模化经营效能进行分析,可以得出这样一个结论,数据包络分析技术所得出的结果有失能的情况,这是因为经营规模无效,规模效率对银行的发展有着一定的影响。

 

  在数据中可以看出,2016年的国有银行经营效率期望值是0.9372,2017年的国有银行经营期望值是0.9484,2018年的国有银行期望值是0.9919,而股份制银行每年的期望值也是不同的,分别是0.8923、0.9000、0.9752,随着经济的发展,在2018年底,有6家银行已经达到了企业的期望值,银行的经营效率也是逐年增高,但是银行的发展也会受到国家政策的影响。

 

  4.1.2输出结果深入探究

 

  输出的结果也是清晰可见的,运算结果除去"EFFICIENCY SUMMARY"表格既定的经营效率标准外的"SUMMARY OF OUTPUT SLACK"和"SUMMARY OF INPUT SLACK"表示经营过程中产出及投入指标的变量松弛程度,也可以利用计算模型中的代替;"SUMMARY OF PEERS"是没有进行数据包络分析所得出的数据,"SUMMARY OF PEER WEIGHTS"权重数;deap2.1输出结果如下:

 

  表4.7 Results for firm:4

 

  技术效率=0.816

 

  规模效率=0.999(irs)

 

  预测概要

 

  变量原始值投入冗余值产出不足值有效目标值

 

  产出1 0.024029664 0 0.019023484 0.043053148

 

  产出2 0.134165624 0 0.011013596 0.14517922

 

  产出3 1809.974367 0 0 1809.974367

 

  投入1 503703.8094-92470.7077-107834.4659 303398.6358

 

  投入2 178133.8316-32702.07887 0 145431.7527

 

  投入3 3036.718751-557.4852011-263.1288257 2216.104724

 

  “original”表示未处理数据,“radial movement”表示投入类产值中的剩余部分,“slack movement”表示银行产出值部分的缺陷值,这些结果中可以看出一些数据是有一些问题的,所得出的缺陷值是0.019,而这个数据在对应的指标上再加0.019,下一个数值逐渐增加。

 

  本文利用数据包络分析技术,也利用了一些投入产出的模型,通过分析所得出的数值,一些不充足的值叫做多余值,主要有三个多余值,第一个多余值是-200057.9、第二种多余值是32661.709,第三种值是819.601,也可以看出资产产出个投入是有一定的偏差的。

 

  表4.8 Results for firm:13

 

  技术效率=1.000

 

  规模效率=1.000(crs)

 

  预测总结

 

  变量原始值投入冗余值产出不足值有效目标值

 

  产出1 0.123152028 0 0 0.011013596

 

  产出2 0.123152028 0 0 0.123152028

 

  产出3 169.0386739 0 0 169.0386739

 

  投入1 13793.02714 0 0 13793.02714

 

  投入2 18471.89308 0 0 18471.89308

 

  投入3 230.7348362 0 0 230.7348362

 

  北京银行利用包络数据分析技术进行分析,所得出的结果是非常有效的,可以表明技术类经营效率指标和规模值是1,对应的投入冗杂值“radial movement”和对应产出值“slack movement”均为0。

 

  4.2多元回归方法

 

  4.2.1分析说明

 

  数据包络分析技术主要是分析银行经营的评价结果、银行贷款劣质率、资金是否充足自己资产获益率等,这些数据是自变量,而经营效能可以看做是因变量,同时这些数据利用SPSS回归方法,下表4.9是相对应的数值。

 

  表4.9 2015~2018年各项指标均值

 

  资产收益率不良贷款率资产费用率人均利润资产充足率技术效率

 

  中国工商银行0.013316439 0.013216315 0.014417798 0.006007416 0.143076624 1.0000

 

  中国建设银行0.013416562 0.014217551 0.0161199 0.00610754 0.145479591 1.0000

 

  中国银行0.01141409 0.013416562 0.014517922 0.005606922 0.137770074 0.913427603

 

  中国农业银行0.010913472 0.018823237 0.017421506 0.00360445 0.127056848 0.877082736

 

  交通银行0.010112484 0.01391718 0.014818293 0.014417798 0.132163152 0.957181616

 

  招商银行0.011814585 0.014718169 0.019724349 0.007609394 0.116143376 0.983213752

 

  中信银行0.009711989 0.01391718 0.016320147 0.008009888 0.118245972 0.926844165

 

  浦发银行0.010913472 0.012915944 0.014417798 0.010713225 0.115442511 0.996930685

 

  民生银行0.011714461 0.015318911 0.019423978 0.007809641 0.109735466 0.982212516

 

  兴业银行0.010512978 0.013516686 0.015719405 0.009311495 0.111137196 0.956881245

 

  光大银行0.010312731 0.01361681 0.014818293 0.007409146 0.112338679 0.931449851

 

  华夏银行0.009511742 0.01361681 0.0161199 0.00610754 0.106030892 0.866369511

 

  北京银行0.009812113 0.010112484 0.01141409 0.014017304 0.114441275 1.0000

 

  南京银行0.009711989 0.009711989 0.014718169 0.008911 0.126856601 0.973501763

 

  宁波银行0.009912236 0.038447462 0.015118664 0.007409146 0.125955489 0.939159368

 

  注:样本数据来源于东方财富网、各商业银行年报和《中国金融年鉴》

 

  4.2.2变量假设和模形建立

 

  假设银行贷款不良程度表示为、资金是否充足表示为、银行资产获益能力为、相关费用比例和利润平均值,银行的经营效率情况y,函数关系如下:

 

  4.2.3多元回归分析结果

 

  SPSS计算结果如下:

 

  模型R R方调整R方标准估计的误差

 

  1.872.761.628.0269004

 

  表4.10模型汇总

 

  注:预测变量:(常量),资本充足率,不良贷款率,资产费用率,资产费用率,人均利润,资产收益率。

 

  模型平方和Df均方F Sig.

 

  回归.021 5.004 5.722 0.12

 

  1残差.007 9.001

 

  总计.027 14

 

  表4.11 Anovaa

 

  注:a.因变量:技术效率

 

  b.预测变量:(常量),资本充足率,不良贷款率,资产费用率,人均利润,资产收益率。

 

  通过SPSS回归分析可知,,总体拟合情况良好,通过表4.11,经过F检验,有显著性,系数检验说明,未通过检验,故去掉对应的后的结果如下表4.13~4.14。

 

  表4.13模型汇总

 

  模型R R方调整R方标准估计的误差

 

  1.861.742.699.0242030

 

  注:预测变量:(常量),人均利润,资产收益率。

 

  模型平方和Df均方F Sig.

 

  回归.020 2.010 17.229 0.000

 

  1残差.007 12.001

 

  总计.027 14

 

  表4.14 Anovaa

 

  注:a.因变量:技术效率

 

  b.预测变量:(常量),人均利润,资产收益率。

 

  微调后,,总体拟合率较高,检验均通过,对应的回归方程如下:

 

  +ԑ

 

  4.2.4多元回归结果相关建议

 

  通过数据包络分析技术所分析的结果来看,银行的资产收益状况和银行的经营能力是有很大的关系的,收益越高,经营能力就越强,也可以说银行的资金利用效能比较高。现在银行也面临着一些资产的折旧问题,银行要开始重视这些问题,资金折旧关系到银行的发展,处理不好,就会影响到银行资产的利润,所以银行要尽可能的减少不必要的开支,合理利用银行资产,尽最大努力来提高银行的资产效益。



知网查重福礼


微信扫码关注公众号登录

x
客服QQ 返回顶部