特色商品交易
0" style="display:">
您有 99 ? '99+' : gchatCount">条新消息
真假G买卖客服QQ验证
您查询的QQ是G买卖客服
您查询的QQ是假客服
验证成功,该QQ号码是本平台客服或工作人员，请放心使用。
请不要将账号、密码、手机号、验证码等相关信息发送给他！ 请不要给他转账、汇款，支付所谓的
[保证金]、[手续费]、
[解冻金]等各种名目的钱。G买卖不会以任何方式收取保证金！ 请不要点击他发给你的任何连接!
建设中，敬请期待
活动尚未开始，敬请期待
G买卖微信公众号
微信号：gmaimai123
我的足迹&&
获取上架模板信息失败，请检查网络后再次尝试！！
1.下载G买卖APP
2.G买卖微信公众号
微信号：gmaimai123 扫一扫，联系客服互联网金融 、 技术溢出与商业银行全要素生产率
设为首页 | 加入收藏 |
&&案例资源库
互联网金融&、&技术溢出与商业银行全要素生产率
发布部门：金融系精品课程　发布时间：　浏览次数：
&摘 要 ： 立足技术溢出 理论 ，本文剖析 了互联网金 融对商业银行全要素 生产率的影响机制。 在此基础上 ，借助无导向 ＤＥＡ － Ｍａｌｍｑｕｉｓｔ模型测度商业银行全要素生产率 ， 运用 &文本挖掘法 &从金融 功能的 四个维度构建互联 网 金融指数 ， 并结合 2 0 0 3 &&2 0 1 2 年 3 6 家商业银行的数据进行实证检验 。 结果显示 ，互联 网金融通 过技术溢 出 效应 ， 显著 提升 了我 国商业银行的全要素生产率， 但不同 类型商业银行对互 联网 金融技术 溢出 的 吸收 能力具有差 异 ： 股份制商业银行的 吸收能力最强 ， 城市商业银行次之 ， 大型商业银行较弱 。因 此 ， 鼓励互联网 金融 健康发展 ， 规范其有序竞争 ，对于完善传统金融模式 ， 深化我国银行业改革意义深远 。 ? ?
关键词 ： 互联网 金融 ；技术溢出效应 ；商业银行全要素生产率
? 一、 引言
2 0 1 3 年 6 月 1 3 日， 支付宝和天弘基金结姻 ， 余额宝上线 ， 直接 冲击了商业银行的存款业务 ， 迅速香食了金融企业 的 固有领地 。 根据 中 国人民银行发布的数据 ， 2 0 1 4 年 1 月人民币存款额减少 9 4 0 2 亿元 ， 而同期余额宝的规模却从 2 5 0 0 亿元飙升至 4 0 0 0 亿元 。 然则 ， 互联网金融并不是从 2 0 1 3 年才出现 ， 互联网金融与商业银行的 竞争也不是从去年才开始 。 早于 1 9 9 9 年 ，随着 电子商务 的兴起，网络金融与商业银行之间 的阵 地就开始弥漫硝烟 （ 狄卫平和梁洪泽 ， 2 0 0 0 ?） 。 互联 网金融的日渐渗透迫使商业银行调整思维， 提高效率以应对金融体系变革 ， 但互联网金融如何作用 于商业银行全要素生产率仍是 一个 尚 未打开的& 黑匣子 &。 互联网金融能否给商业银行带来技术溢 出？不同类型商业银行的吸收能力又是否影响互联网 金融 的技术溢 出效应 ？ 这些问 题的解答对进一 步深化商业银行改革，促进互联网金融健康发展具有重要 的理论意义与现实价值。
国外学者较早开展了 对互联网 金融雏形 （ 网络金融和 电子银行 ） 的研究 。 Ａｎｏｎｙｍ ｏｕｓ（1 9 9 9 ） 指出 ，互联 网是 一把 & 双刃剑 & ， 在促进商业银行模式革新的 同 时 ， 也为 传统金融体系带来了 风险 。 ＢｒｅＷｅ ｒ（ 2 0 0 1 ） 的研究表 明 ， 相对于中小银行 ，大型商业银行更愿意通过网络技术增强 自 身竞争力 。 Ａｃ ｈａｒｙａａｎｄ?Ａｌｂｅｒｔ（ 2 0 0 4 ） 也认为 ，网络金融是商业银行 的替代品 ， 迫于压力 ， 银行不得不使用互联网 。 ? ?
近年来 ， 随着互联网金融的异军突起 ， 相关研究开始涌现 。 Ｂｅ ｒｇｅｒ ?ａｎｄ? Ｇｌｅ ｉ Ｓｎ ｅｒ （ 2 0 0 9 ） 指 出 互联 网金融 是互联 网 技术与 金融业务有 机结合 的 新 型金 融模式 。 谢平 和 邹传伟（2 0 1 2 ） 认为互联网 金融是既不 同 于 商业银行 间接融资 、 又 有别于资本市场直接融资 的第 三种融资模式， 该模式将加剧金融脱媒的发展 ， 促成竞争格局 的变化 。 ? ?
作为传统金融业的推动者 ， 互联网金融对商业银行影 响深远 。 Ｓｒ ｉｖａｓｔａｖａ （ 2 0 1 4 ）指 出互联网金融虽处于萌芽阶段 ， 但通过健全金融市场 ， 减少交易 成本 ， 显著改善了 印度 、 中 国和 巴 西等发展 中 国 家的金融体系 。 刘澜飚等（ 2 0 1 3 ） 立足金融机构角 度 ， 梳理了 互联网金融影响传统金融模式的 国 际文献 ， 主张二者存在较大的融合空间 。 莫易 娴 （ 2 0 1 4 ） 依据金融功能观理论 ， 认为互联网 金融虽然没有增加金融的基本功能 ，却改变了 金融服务 的提供方式和获取方式 ， 剧烈冲击了 原有银行业 。 吴晓求 （ 2 0 1 4 ） 基于金融改革视角， 提 出互联网金融作为互联阿技术与传统金融 的相互匹配 ， 将为 中 国金融带来深度变革 。 ? ?
已有文献对于理解互联网 金融的发展与 演变具有重要启 示 ， 但关于互联网金融与商业银行竞合互动关系 的讨论却刚 刚起步 ， 特别是以 下 三个关键 问题尚未深入展开 。 第 一 ，当前研究大多泛泛而谈互联网金融带给银行业的挑 战和 机遇 ， 从理论层面系 统剖释互联网金融技术溢出促进商业银行全要素生产率的文献屈指 可数 。 第 二 ， 现有研究缺少对银行吸收能力 的关注 ， 从实证层面定量考察互联 网 金融技术溢 出对不 同类型商业银行异质性影响的 文献尚付 阙如 。第三 ， 目 前研究仍未涉及互联 网金融成长水平的科学量化 ， 客观测 度互联网金融发展程度 的文献凤毛麟角 。 ? ?
有鉴于此 ， 本文将着重分析互联网 金融对商业银行全要素生产率的技术溢出 效应 ， 以及该效应在不同类型商业银行中 的异质性表现 ， 试 图 为前述问题提供理论解读与经验回答 。 本文对现有文献进行了 如下拓展 ： （ 1 ） 从技术溢 出着手 ， 揭示互联 网 金融改善商业银行全要素生产率的作用机制， 并结合吸收能力 探寻互联网 金融对各类商业银行的异质影响 ， 丰富 了 互联网金融技术溢 出 效应 的理论研究 。 （ 2 ） 选用源于 Ｂ ａｎｋＳｃｏｐｅ 数据库 2 0 0 3&&2 0 1 2 年 3 6 家商业银行的数据进行动态面板 的系 统广 义矩估计（ ＳＹＳＧＭＭ ） ， 将研究单 位从行业层面细化到企业层面 ， 捕捉 了互联 网金融 与不 同商业银行之间 的关系 。 （ 3 ） 借鉴& 文本挖掘法 & ， 通过对相关新闻措辞的挖掘 、筛选与分析 ， 从金融功能 的 四个维度构建 互联 网金融指数， 提供了科学度量互联网金融发展水平的思路 ， 有助于审视互联网金融的成长路径与发展趋势 。 （ 4 ） 基于无导向 ＤＥ Ａ? －?Ｍａｌ ｍｑｕ ｉｓ ｔ 指数模型 ， 测算商业银行的全要素生产率 ， 避免主观界定存款角色与 集结 目 标函 数导致的估计偏差 ， 拓宽了商业银行生率的评价模式 。 ? ?
其余 内容安排如 下 ： 第二部分在剖释互联 网金融技术溢 出 效应的基础上 ， 提 出本文 的研究假说 ； 第三部分阐 明数据来源 、 变量定义与模型设定； 第四 部分 以 2 0 0 3－ 2 0 1 2 年 3 6家商业银行为样本进行实证检验 ； 第五部分为研究结论与政策建议 。 ?
二 、 理论分析 与 假说提 出
互联网 金融作为 一支新生力量 ， 势必会冲击传统银行体系 ， 但其如何作用于商业银行 ? ? 全要素生产率仍是一 个 & 黑箱 & 。 技术溢出理论指出 ， 技术领先企业 （ 溢 出 主体 ） 非 自 愿与 ? ? 无意识的技术扩散会对同行其他企业 （ 吸收主体） 的 技术进步产生积极影响 。 根据技术 ?? 溢 出 理论 ， 互联 网金融可 以 通过如下 四 种途径推动商业银行全要素生产率提升 。 ? ? 第一 是示范效应 （ Ｄｅｍ ｏｎｓ ｔｒａｔ ｉｏｎ?Ｅｆｆｅｃｔ ） ， 指互联网金融领域的先进技术可 以对商业银 ? ? 行产生示范扩散作用 。 由 于互联 网金融企业 的技术思维更加领先 ， 商业银行通过学习 模 ?? 仿其产品类型 ， 吸纳运用其服务理念 ， 能够推陈 出 新 ， 打破经营窠臼 ， 从而实现技术的改 良 ? ? 与效率的提升。 第二是竞争效应 （ Ｃｏｍｐｅｔ ｉｔ ｉ ｏｎ?Ｅ ｆｆｅｃｔ ） ， 指互联网金融的兴起有助于 消除银 ? ? 行业垄断 ， 推动商业银行生产率的提高 。 莫易 娴 （ 2 0 1 4 ） 指 出 ， 互联 网金融 的服务范围 已 ? ? 经逐渐渗透到商业银行的业务领域 ， 目 前巳 对银行的支付结算与存款业务造成冲击 ， 在长 ? ? 期更有可能触及银行 的核心贷款业务 。 互联网 金融 的出 现必然会迫使享有行政垄断权力 ? ? 的商业银行改变投人产出组合 ， 进行技术升级 。 第三是人员 流动效应 （ Ｗｏ ｒｋｅ ｒｓ ?Ｍｏｂｉ ｌ ｉｔｙ ? ?
Ｅｆ ｆｅ ｃｔ
） ， 指互联网 金融企业的员 工作为技术的 载体 ， 在行业间流动会提高商业银行的人员 ? ? 素质与技术水平 。 当然 ， 相反的情形也可能 出 现， 即商业银行绩效较高的员工投身到互联 ? ? 网 金融行业中 ， 并对银行效率产生负 向 影响 。 第 四是联系效应 （ Ｌｉｎｋａｇｅ?Ｅ ｆ ｆｅ ｃｔ） ， 指互联网 ? ? 金融企业和 商业银行相互合作 ， 在业务联系 中商业银行能够吸收互联网 金融企业的技术 。 ? ? 一方面 ， 商业银行能够为 互联网金融公司 提供资金划拨与 清算等业务支持 ； 另 一 方面 ， 互 ? ? 联网 金融公司能够为传统银行提供海量的前 台 客户 流与线上大数据 。 在合作过程中 ， 商 ? ? 业银行与互联网金融企业实现业务优势 互补和客户资源共享 ， 进而改善商业银行生产率 。 ． ? ? 由是 ， 提出本文 的假说 1 ?： 互联 网金融通过示范、竞争 、 人员 流动与业务联 系效应给商 ? ? 业银行带来了 技术溢出 ， 互联 网金融的发展有助于商业银行全要素生产率的提升 。 ? ? 近来研究显示 ， 技术溢出很大程度上取决于吸收能力 ， 而吸收能力又受到企业规模 、 ? ? 组织结构以 及先验知识等影响（ Ｅ ｓｃ ｒ ｉｂａｎｏ?ｅｔ?ａｌ ． ?， 2 0 0 9 ） 。 作为 互联网金融技术溢 出 的 潜? ? 在受益者 ， 大型商业银行 、 股份制商业银行与城市商业银行在资源约束 、 产权结构 、 经营模 ? ? 式等方面迥然不同 。 以 是 ， 我们有理 由相信互联网金融的技术溢出 效应在三类银行 中存 ? ? 在显著差异 ， 剖析互联网 金融技术溢 出效应时 ， 对不 同类型商业银行进行 区分是必要 的 。 ? ? 大型商业银行具有资产规模、 客户 基数与政府支持的 & 先天优势 & ， 但也因 产权不明 ? ? 晰 、 委托代理链过长和激励机制不健全饱受诟病 （ 姚树洁等 ， 2 0 1 1 ） ， 这严重阻碍了 大型商 ? ? 业银行学习 吸收互联网 金融外溢的先进技术 。 首先 ， 大型商业银行的垄断地位和预算软约束导致互联网金融示范效应和＾争效应难以 有效释放 。 刘瑞明 和石磊 （ 2 0 1 0 ） 指出 ， 市 ? ? 场经济体制下， 企业的存亡取决于其能否通过不断创新获取利润 ， 而面对软预算约束的 国 ? ? 有企业则可依靠政府补贴弥补亏损 ， 并无生存之忧 。 因 此 ， 当竞争压缩了银行利润 空 间并 ? ? 威胁其地位时 ， 大型商业银行往往依赖 国家救助而不是技术创新起死 回生 。 其次 ， 大型商 ? ? 业银行的庞大规模 与 复杂体系使 其对互联 网 金融 的 冲击反应迟缓 。 正如 Ａｎｄｅ ｒｓｅｎ?ａ ｎｄ ? ? Ｓｔｒａｎｄ ｓｋｏｖ （ 2 0 0 8 ） 指 出 的 ， 规模过大的企业在创新激励和决策管理方 面迟钝僵化 ， 在应对 ? ? 危机和把握机遇时难 以做出 恰当判断， 出现所谓的 & 大企业病& 和 & 创新者困境 & 。 最后 ， ? ? 大型商业银行 的人事管理制度缺乏弹性 ， 互联 网 金融 的人员流动效应可能是负面 的。 大 ? ? 型商业银行的官僚化体制 与技术创新活动尖锐 冲突 ， 因 为在该制度下员 工创新的 风险常 ? ? 常大于收益 ， 创新的期望利润为负 。 由是， 在互联 网金融 的冲击下 ， 这种制度不仅会诱发 ? ? 大型商业银行髙水平人员 的流失 ， 而且会阻断互联网金融企业的人才流入银行 。 据此 ， 本 ?? 文推断大型商业银行对互联网金融技术溢出 的吸收能力 相对较差 。 ? ? 相较于大型商业银行 ， 股份制商业银行政策优 惠少 、 市场地位低 ， 却凭借 清晰的产权? ? 和完善的制度独 树一 帜 （ 王兵和 朱宁 ， 2 0 1 1 ） ， 如此 & 后天努力 & 极大地促进了股份制商业 ? ? 银行对互联 网金融技术溢 出 的吸收 。 首先 ， 股份制商业银行天然硬化的利润 目 标和预算 ? ? 约束有助于互联网金融示范效应和竞争效应的发挥。 近年来 ， 在与 大型商业 银行及互联 ? ? 网金融 的激烈竞争中 ， 股份制商业银行在业务创新与多元化经营上不 断突 破 （ 刘莉亚等 ， ? ?
） ， 综合电商平 台逐步建立 ， 余额类现金管理产品也 陆续 & 进场 & 。 再者 ， 股份制商业 ? ? 银行灵活的组织架构与激励机制将为其 带来正向 的 人员 流动效应 。 根据 Ｌｙ ｌｅ ｓ? ａｎｄ?Ｓａｌｋ ? ? （ 1 9 9 6 ） ， 非官僚、非等级 、 有弹性 的组织结构 和管 理方法将更容易 获得知识 ， 吸收技术 。 ? ? 同 时 ， 蒋殿春和张宇 （ 2 0 0 8 ） 也指 出 ， 只有在制度和产权完善 的条件下 ， 人力 资本才会得到 ? ? 合理定价与充分回 报 ， 企业才有能力 吸引并 留住优秀人才 。 因 此 ， 与大型商业银行相 比 ， ? ? 股份制商业银行对互联网金融技术溢出 的吸收能力较为 出色 。 ? ? 相较于大型商业银行 ， 城市商业银行虽然成立时 间 短 、 网 点 数量少 ， 却能够依托地缘 ? ? 优势 、 客户 资源和先验知识稳步跟随互联网金融 。 首先 ， 城市商业银行资产规模较小 ，经 ? ? 营地域集 中 ， 信息传递快捷 （ Ｓａｘｅｎｉ ａｎ?ａｎｄ?Ｈｓｕ ， 2 0 0 1 ） 船小好调头 & 的特质使其可以 及时 ? ? 响应市场变化 ， 迅速学习互联网金融 的技术 。 其次 ， 城市商业银行 的 主要客户 为 中小 、 民 ? ?
营 与科技企业 （ 林毅夫和李永军 ， 2 0 0 1 ） ， 这与 互联网 金融 的服务对象十分接近， 因 此 ， 互 ? ?
联网金融对城市商业银行具有直接 的示范 、 竞争与联系耦合效应 。 最后 ， 城市商业银行在 ? ? 小微金融领域取得 了卓有成效的业绩 ， 且掌握了处理 & 客户软信息 & 的 比较优势 ， 因 而 ， 具 ? ? 有先验知识 的城市商业银行更加容易除 旧布新 ， 消化吸收互联网 金融外溢的技术 。 以是， ? ? 与 大型商业银行相 比 ， 城市商业银行对互联网 金融技术溢出 的 吸收能力较为 明显 。 ? ? 综合上述分析 ， 提出 本文的假说 2 ?： 对于 互联 网金融 的技术溢 出 效应 ， 不 同类型商业 ? ? 银行的吸收能力不 同 。 股份制 商业银行和城市商业银行的吸 收能力 较为 出 色 ， 大型商业 ? ?
银行 的 吸收能力相对较差 。
三 、 变 量定义 与 模 型设定 ． ? ?
） 研究样本与数据来源 ? ? 依据银监会的划分准则 ， 考虑数据的可得性 ， 本文选取 5 家太型商业银行、 1 2 家股份 ? ? 制商业银行与 1 9 家城市商业银行作为研究样本。 样本 区间 为 2 0 0 3 ?－? 2 0 1 2 年， 数据来源 ? ? 于 Ｂ ａｎｋＳｃ ｏｐｅ 数据库 、 各大银行年报 、 中 国 金融年鉴与 国 研网数据库 。 ? ? （ 二 ） 变量定义 ? ? 1 ． 被解释变量 ： 商业银行全要素生产率 ? ? 准确测算商业银行全要素生产率是实证分析得出 有效结果的关键 ， 其前提在于客观? ? 评价银行效率 。 商业银行效率水平的测量方法分为参数法和非参数法 。 非参数方法 以数 ? ? 据包络分析 （ ＤＥ Ａ ） 为代表 ， 此 法不依赖生产函 数和样本 量纲 ， 能得到较为稳健 的结果 。 ? ? 在具体运用 ＤＥＡ 模型时 ， 国 内外 学者对存款角 色 的界定众说纷纭 。 根据李双杰和高岩 ?? （ 2 0 1 4 ） 的统计 ， 近 1 0 年涉及银行效率指标选择的 5 5 篇国 内外文献中 ， 存款作为投人指标 ? ? 共出 现 2 7 次， 作为产出 指标共 出 现 1 4 次 ， 存款角 色 的归 属不 一 导致了 银行效率的有偏 ? ? 估计。 ? ? 为解决传统 ＤＥＡ 模型的不足 ， 关联 ＤＥＡ 应运而生 。 鉴于商业银行生产经 营分为通 ? ? 过资本和人力筹集存款的 & 资金组织阶段 & 与通过资本 、 人力 以 及存款获得贷款和盈利的 ? ? & 资金运作阶段 & ， 因 此 ， 将存款同时视为投入产 出 的两阶段关联 ＤＥＡ 模型更适于银行效? ? 率估算 。 但在集结 目标效率时 ， 学者莫衷一 是 ， 有些提出使用子过程效率 的算术平均值作 ? ? 为整体效率的近似值 ， 有些则建议引 人相乘集结的效率评价方法 。 正如 Ｋａｏ?ａｎ ｄ?Ｈｗａｎ ｇ ? ? （ 2 0 1 0 ） 指出 的 ， 这些主观确定的集结方式破坏了效率评价的客观公平原则 。 ? ? 针对这些分歧 ， Ｈ ｏｌｏｄ?ａｎｄ?ＬｅＷｉ ｓ （ 2 0 1 1 ）率先提出 ＂ 归并优化模型& 的思路 ， 通过构造无 ? ? 导 向 ＤＥＡ 模型 ， 在统一 的框架下获得 了银行效率的 一致估计量 。 1 无导 向 ＤＥＡ 模型将存 ? ? 款视为 中 间产品 ， 规避了 界定存款角 色的 困境 ， 将多 目 标线性规划问题转化成单目 标线性 ? ? 规划问题 ， 避免了集结 目 标效率的难题 。 但其不足在于仅能处理截面数据 ， 无法对商业银 ? ? 行效率进行纵向 比较。 有鉴于此 ，本文拟在无导向 ＤＥＡ 模型 中 引 人 Ｍａｌｍｑｕ ｉ ｓｔ 指数 ， 构建 ? ? 动态分析框架 ， 以 衡量商业银行全要素生产率的演变趋势 。 ? ?假定时期 商业银行 9 的投人 、 产出 与存款依次为 ｘ 、 ｎ 与 《 。 仅考虑决策单元投 ? ? 人和产出 的 Ｍａｌｍｑｕｉｓ ｔ 生产率指数可表示为 ： ? ?
（ ｘ＇； 1 ， ｙ； 1 ）?ｐ ， ＋
（ （& ， ｙ； 1 ）? 1 1
／ 2?⑴ ? ?￣ 1?仅 （ ｍ） 『ｗ ， ） Ｊ? ? 式 中 ， 疗 和 ｚｒ 1 分别表示观测点与 ＋ 1 时期技术前沿面的距离 函数 。 以 是 ， 同时关注决策单元投入 、 产出 和 中 间产品的 Ｍａｌｍｑｕｉ ｓ ｔ 生产率指数应表示如下 ： ? ?
ｏ＇ ｗ ， ｃ?Ｘ ＇ ）?＂ ＇ ＋ 1 ?ａｒ 1 ，Ｋｌ ? &Ｃ ）
1 ／ 2?⑵ ? ?￣ ? 1 ?ｏ＇ （ Ｘ ； ， Ｙ ； ， Ｚ ； ）?Ｄｔ ＋ Ｉ （ ｘ； ， ｙ ， ， ｚ ； ）?Ｊ ? ? 参考 Ｈｏｌｏｄ?ａｎｄ?ＬｅｗｉＳ（ 2 0 1 1 ） ， 为求解 仅 （ 《 ， ？； ， 《 ） ， 构建下述的无导向 ＤＥＡ 模型 ： ??
Ｋ?ｘ 1 ?－?ｚｌ ? ?
［ ＾ （ Ｚ
， ＾ ＾； ） ］ － 1 ?＝?Ｍａｘ 6 ＼?ｓ．?ｋ?ｋ?
?（ 3 ） ? ?
ｉ? 5 ＝ 0 ， 0 ； 彡? 1 ? ? 式中 表示银行 ？ 在银行 ＝ ? 1 ， 2 ， & 1 ） 上的权重 。 将式（ 3 ） 中的 ￡ 全部替换为 ? ?
， 便可求得 ｚｒ 1 ? （ Ｘ1； 1 ， ｒ； ＼ ， ｚ；＋ 1 ） 。 进一 步 ， 求解 ｄ！ （ ｚ；＋ 1 ， ｙ；1 ， ｚ；＋ 1 ）的线性规划如下 ： ? ?
＝ ／Ｕ＾ ＾； ＋ ，
（ 2 － ＜1 ） ? ?
Ｖ? Ｋ?7 ＇ ?＼ ｆ? ＝? 7 1 ＋ 1 ? ?
? （ｚ；＋ 1 ，? ｒ ，
?， ｚ； ＋
1 ?＝?Ｍａｘ Ｅ ｑ ＋
ｌ?ｓ ． ?ｔ ｌ?ｋ ?ｋ? ｑ?（ 4 ） ? ?
＞ 0 ， Ｅ ＇； ＇?＾?1? ?
将式 （ 4 ） 中 的 《 与 ｔ? ＋ 1 互换 ，可获得 Ｄ＇ ＋ 1? （ ｒ 9
， ＜ ） 。 上述距离函数依次带入式 （ 2 ） ， ? ? 即可得到无导 向 ＤＥＡ － Ｍａｌｍｑｕｉ ｓｔ 指数。 据此 ， 借鉴李兴华等 （ 2 0 1 4 ） 的做法 ， 选取资产总 ? ? 额 （ ＸＩ） 和营业费用 （ Ｘ2 ） 为投入变量 ， 存款总额 （ Ｚ） 为 中 间变量 ， 税前利润 （ Ｙ1 ） 和贷款总 ? ? 额 （ Ｋ 2 ） 为产 出变量 （ 变量的具体说明见表 1 ） ， 运用 Ｍａｔ ｌａｂ 7 ． ? 0 软件编程测算 2 0 0 3 &2 0 1 2 ? ? 年我国 3 6 家商业银行的全要素生产率。 ? ?
表 1 商业银行全要東生产率 评价指标选择?单位 ： 百万 ? ?
变量类型 变量名称 符号?变量设计
? 均值?标准差?最小值 最大值 ? ? ＃ 人 亦《 ＂?资产总额?Ｘ 1?银行年末 资产总规模?1 3 0 9 9 4 8 ? 2 8 3 1 1 0 3 ?4 4 5 0 ?1 7 5 4 2 2 1 7 ? ? Ｋ人 重 营业费用?幻?银行年度营业费用?1 3 4 8 5 ? 2 8 9 4 9? 3 3 ?1 5 9 4 4 2 ? ?
税前利润?Ｙ 1?银行年度税前利润? 1 9 5 2 3 ?4 7 2 2 7? 7 ?3 4 3 7 5 3 ? ? ｒ ｍ ｊＥＫ?贷款总额?Ｙ 2?银行年末贷款总规模? 6 6 8 3 9 1? 1 4 5 7 7 3 4 ? 2 2 4 5? 8 8 0 3 6 9 2 ? ?
中 间变量 存款总额?Ｚ?银行年末存款总规模?1 0 3 0 6 3 8? 2 2 4 7 9 9 9? 3 7 8 9 ?1 2 4 7 3 4 9 0 ? ?
根据表 2 的测算结果 ， 得出如 下基本判断 ： 整体而言 ， 2 0 0 3 年到 2 0 1 2 年 ， 我 国商业银 ? ? 行的全要 素生产率年均值为 1 ． 0 0 6 2 ， 说明该时期 内 我 国商业银行技术水平有所改善。 从 ? ? 时 间动态 出发 ， 全部样本区 间 内 ， 仅有 2 0 0 7 ? & 2 0 0 8 与 2 0 1 0 & 2 0 1 1 两个时期 ， 商业银行全 ? ? 要素生产率年均值小于 1 ， 这可能是 由 于国际金融危机冲击与 国 内 货币政策紧缩导致的 。 ? ? 从所有制结构入手 ， 城市商业银行全要素生产率最高 ， 大型商业银行与股份制商业银行略 ? ? 逊一筹 ， 这与李双杰和髙岩 （ 2 0 1 4 ） 的估算结果一 致 。 从变动趋势来看 ， 大型 商业银行与股份制商业银行出现了 明显的 & 追赶效应 & （ Ｃａｔｃ ｈ － ｕｐ ?Ｅｆｆｅｃｔ ） ， 二者与城市商业银行的差 ? ? 距不断缩小 ， 三类银行运行边界趋于收敛。 ??
表 2 我国 商业银行无导 向 ＤＥＡ? －?Ｍａｌ ｍｑｕｉ ｓｔ 指数測算结果 ? ?
大型商业银行?股份制商业银行?城市商业银行?全部银行 ? ?
2 0 0 4? 0 ． 9 9 5 7 ? 0 ． 9 8 5 6? 1 ． 0 1 2 4 ? 1 ． 0 0 1 1? ?
2 0 0 4 & 2 0 0 5 ?1 ． 0 1 3 6 ? 1 ． 0 0 1 2? 1 ． 0 0 8 8 ?1 ． 0 0 6 9 ? ?
2 0 0 5 & 2 0 0 6?1 ． 0 0 7 9 ? 1 ． 0 1 6 7 ? 1 ． 0 1 4 3 ? 1 ． 0 1 4 2 ? ?
2 0 0 6 & 2 0 0 7?1 ． 0 1 6 9 ? 1 ． 0 1 6 3 ? 1 ． 0 0 0 6? 1 ． 0 0 8 1? ?
2 0 0 7 & 2 0 0 8 ? 0 ． 9 8 7 8 ? 1 ． 0 0 0 2? 0 ． 9 9 5 6? 0 ． 9 9 6 1? ?
2 0 0 8 & 2 0 0 9?1 ． 0 1 3 4 ? 1 ． 0 0 4 5 ? 1 ． 0 0 1 6?1 ． 0 0 4 2 ? ?
2 0 0 9 & 2 0 1 0? 1 ． 0 2 0 9 ?1 ． 0 0 6 5 ? 1 ． 0 2 0 1? 1 ： 0 1 5 7 ? ?
2 0 1 0 &2 0 1 1? 0 ． 9 9 5 5 ? 0 ． 9 9 9 5 ? 0 ． 9 9 7 0 ? 0 ． 9 9 7 6 ? ?
2 0 1 2? 1 ． 0 0 0 7 ? 1 ． 0 1 5 5? 1 ． 0 1 1 9 ?1 ． 0 1 1 5 ? ?
平均值?1 ． 0 0 5 8 ? 1 ． 0 0 5 1 ?、? 1 ． 0 0 6 9 ?1 ． 0 0 6 2 ? ?
￣ 注 ： 表中 每类商业银行 的列示值为该类银行所囊括 的各家商业 银行测算值 以相对市场份额为权重 的加权平均值 ； ? ? 全部银行的 列示值 为三类银行测算值以 银行数 目 为权重 的加权平均数 。 ? ?
2 ． 核心解释变量 ： 互联网 金融指数 ? ? 科学构建互联网金融指数是实证检验互联两 金融技术溢 出 效应的重要前提， 但 巳 有 ? ? 研究却较少涉猎互联 网金融发展水平的定量测度 。 因 此 ， 本文借鉴 & 文本挖掘法 & 构建互 ? ? 联网 金融指数 。 其具体步骤如下。 ? ? 第 一 ， 依据金融功能观 ， 建立初始词库 。 根据功能论观点 ， 现代金融具有支付结算 、 资 ? ? 源配置 、 风险规避 、 信息传递、 公司治理与经济调节等功能 （ Ｍｅｒｔｏｎ ?ａｎｄ?Ｂｏ ｄｉ ｅ ， 1 9 9 5 ） 0 同 ? ? 时 ， 借鉴吴晓求 （ 2 0 1 4 ）?& 本文认为互联网金融作为金融功能与互联网技术 的稱合 ， 在支付 ? ? 清算 、 资源配置 、风险管理与提供价格信息 四 大领域发挥作用 。 由 是 ， 本文从金融功能视 ?? 角 出发 ， 确定表 3 所示四个维度的初始词库 。 ? ? 第二 ， 借助百度搜索引擎 ， 计算关键词的词频。 2 首先 ， 利用百度数据库 ， 搜索初始关 ? ? 键词在 2 0 0 3 ? & 2 0 1 3 年每个月 份的新闻发布次数 ； 其后 ， 统计每月 份的新 闻发布总数， 3 计 ? ? 算关键词的月 度新闻发布频率 ； 再次， 将关键词 的 月 度词频年化平均 ， 得到 年度词频， 令其 ? ? 作为构建互联网金融指数的基础 。 ?
表 3 互联 网金 融 指数 初始词 库 ? ?
? ? ? 第三方支付?网上支付?在 线支付?移动 支付?电 脑支付 ? ?
支付结算维度 ? ?
（ 0 ． 3 5 6 0 ）?（ 0 ． 1 1 4 0 ）?（ 0 ． 5 3 8 0 ） ＊ ＊ ?（ 0 ． 3 0 9 0 ）?（ 0 ． 1 1 1 0 ） ? ?
网上融资?网上投资?网络融资?网络投资?网贷 ? ?
资 源配置维度 ? ?
（ 0 ． 3 9 9 0 ）?（ 0 ． 4 2 4 0 ）? ＊?（ 0 ． 1 7 5 0 ）?（ 0 ． 0 8 3 0 ）?（ 0 ． 5 1 7 0 ） ? ＊ ? ?
互联网理 财?互联 网保 险?网络理财?在线 理财?网 上 车险 ? ?
风险管理维度 ? ?
（ 0 ． 3 0 3 0 ）?（ 0 ． 4 0 9 0 ）? ＊?（ 0 ． 1 8 3 0 ）?（ 0 ． 3 9 6 0 ） ?＊?（ 0 ．? 1 1 0 0 ） ? ?
网上银行?电子银行?在线银行?网络 银行?网银 ? ?
网 络渠 道维度 ? ?
（ 0 ． 2 7 3 0 ）?（ 0 ． 5 4 6 0 ）? ＊?（ 0 ． 2 8 1 0 ）?（ 0 ． 2 4 4 0 ）?（ 0 ． 3 0 3 0 ） ? ? 注 ： 括号 内 为关键 词年 度词频与无导向 ＤＥＡ?－ ? Ｍ ａｌ ｍ ｑ ｕ ｉ ｓ ｔ 指数年均值之 间 的 Ｐｅａｒｓｏ ｎ 相关系 数 。 ？ 、 & 分别表示 ? ? 在 1 0 ％ 、 5 ％ 、 与 1 ％水 平下 显 著 ， 下 同 。 ? ?
第 三 ， 运用 相关分析法 ， 筛选有效关键词 。 对初 始关键词 的词 频进行标准化处 理后 ， ． ? ? 使用 Ｐｅ ａ ｒｓ ｏ ｎ 相关分析法， 计算各关键词词频与无导 向 Ｄ ＥＡ?－?Ｍ ａｌ ｍ ｑｕｉ ｓ ｔ 指数年均值之间 ? ? 的相关系数 ， 结果如表 3 所示 。 参考 Ｌａｒ ｓｏｎ?ａ ｎｄ?Ｆ ａｒｂｅｒ （ 2 0 1 1 ） ， 选定 0 ． ? 3 为 弱相关的 临界 ? ? 值 ， 别除相关系 数小 于 0 ． 3 的关键词 ， 保 留其余 1 1 个关键词 。 ? ? 第 四 ， 应用 因 子分析法 ， 合成互联 网金融指数 。 （ 1 ）基于剩余 1 1 个关键词 ， 进行综合 ? ? 因 子分析 ， 计算 & 互联 网 金融 指数 & ， 将其作为计量分析的基准指标。 （ 2 ） 基于各维度 的关 ? ? 键词 ， 进行分层次因 子分析 ， 依次计算 & 支付结算指数 & 、 & 资 源配 置指数 & 、 & 风险管理指 ? ? 数 & 与 & 网 络渠道指数 & ， 将 四者作为稳健性检验的替代指标 ， 分析步骤不予赘述 。 据此构? ? 建 的互联网 金 融指数走势如 图 1 所示 。 ? ?
0 ． 8 0 0 0 ?－ ?＾?＂ ? ? 0 ? 6 0 0 0?／?& 想 结 算 指数 ? ? ／?一 ■一 资源 配 置 指数 ? ? 0 ． 4 0 0 0 ?－ Ｌ? ?& & & ＋ ?顺 管 理 指数 ? ? ／ｒｉ?一 ＾一 网 络 渠 道 指数 ? ? 0 ? 2 0 0 0 ?? & 玄 一? 一＾＾ 9 一 ．厂 ．严?一 ― ？互 联 网 金 融指 数 ? ? ／ＶｒＴＴ ｙ ? ?
2 0 0 3 ?2 0 0 4 ? 2 0 0 5 ? 2 0 0 6 ? 2 0 0 7 ? 2 0 0 8 ? 2 0 0 9 ? 2 0 1 0 ? 2 0 1 1 ? 2 0 1 2 ? 2 0 1 3 ? ?
图 1 ? 2 0 0 3 ? － 2 0 1 3 年中 国 互联 网 金 融 指数走势 ? ?
3 ． 控制 变量 ? ? Ｋ ｌｕｍ ｐｅ ｓ （ 2 0 0 4 ）研究发现 ， 宏 观 环境变 化 、 监管 政策调 整 、 市 场 竞争加 剧 以及银行 资 ? ? 产 负债强 度等均会对商业 银行全要素生产率产生 显著影响。 因 此 ， 实证模型 共包括以 下 四个层面 的控制 变量 。 宏观层面 ， 选择名 义 ＧＤＰ 增速 （ ＧＤＰ ） 和 股票总市值与 ＧＤＰ 之 比 ?? （ ＧＳ） 控制经济总量与资本市场发展的影响 。 政策层面 ， 采用年份虚拟变量 （ ＺＤ ） 衡量 & 信 ? ? 贷规模管理& 政策的影响 。 由 于通胀高居不下， 2 0 0 7 年年末 & 信贷规模管理 & 工具被重新 ? ? 启 用 ， 2 0 0 8 年央行将其控制为 3 ． ? 4 6 万亿元 ， 2 0 Ｈ） 年又将其界定在 7 ．? 5 万亿元 ， 因此 ， 令 ? ? 2 0 0 8 ， 2 0 1 0 年份的 ； ＝? 1 ， 其余年份 ＺＺ？ ?＝? 0 。 行业层面 ， 利用行业集 中 度（ ＣＲ 4 ） 与行业对 ? ? 外开取度 （ Ｆｆ ｉ ） 控制市场结构 的影响 。 银行层面 ， 选用资本资产＇ 比 （ ＡＥ ） 、 流动资产 占 比 ? ?
& 银行上市 & 虚拟变量 （ ＳＳ ） 测度银行风险承担 、 流动水平以 及上市情况 的影响 。 令 ? ? 银行上市之前 ＳＳ?＝? 0 ， 银行上市 当年及 以 后 ＳＳ ?＝ ?1 。 变量定义及描述性统计情况如表 4 ? ? 所示 。 ? ?
表 4 变最设计 与描述性分析 ? ?
变量类 型?变量名 称?符号
? 变量设计
? 均值?标准差 最小值 最大值 ? ?
被解释 ? ?
全要素生产率?财?无导 向 ＤＥＡ? － ?Ｍａｌ ｍｑｕｉ ｓ ｔ 指数?1 ． 0 0 6 ? 0 ． 0 0 7 ? 0 ． 9 8 6 ?1 ． 0 2 1 ? ?
互联网 金融?Ｈ?互联网 金融指数? 0 ． 3 2 2 ? 0 ． 3 3 8 ? 0 ． 0 0 0 ?1 ． 0 0 0??
支付结算功能?ｍ?支付结算 指数? 0 ． 4 9 4 ? 0 ． 3 6 6 ? 0 ． 0 0 0 ?1 ． 0 0 0??
资源配置功能?资源配置指数? 0 ． 2 2 3 ? 0 ． 3 7 8 ? 0 ． 0 0 0 ? 1 ． 0 0 0 ??
风险管理功能?Ｈｉ?风险管理指数? 0 ． 2 6 6 ? 0 ． 3 2 3 ? 0 ． 0 0 0 ?1 ． 0 0 0 ??
网络渠道功能? Ｈ4 ?网络渠道指数? 0 ． 4 6 2 ? 0 ． 3 0 8 ? 0 ． 0 0 0 ? 1 ． 0 0 0 ? ?
宏观经济水平?ＧＤＰ?名义? ＧＤＰ ?增速? ＊ 1 0 0 ?1 5 ． 8 8 9 ? 4 ． 2 6 8 ? 7 ． 6 8 6 ? 2 3 ． 3 9 8 ? ?
股市发展状况?ＧＳ?股票总市值与 ＧＤＰ 之 比 ＿1 0 0 ? 5 0 ． 2 4 2 ? 2 9 ． 1 0 1 ? 1 7 ． 5 3 6 ? 1 2 3 ． 0 7 3 ? ?
政策监管变量?ＸＤ? & 信贷规模管理& 虚拟变量?0 ． 2 0 0 ? 0 ． 4 0 1 ? 0 ． 0 0 0 ? 1 ． 0 0 0 ? ?
银行业集 中度?ＣＲ 4 ?前 4 大银行资产 占 比增速 ＇ 1 0 0 ?－ 1 ． 8 5 3 ?0 ． 7 6 7 ?－? 3 ． 0 3 0 ?－ ? 0 ． 5 2 1? ?
控制变量 ? ?
银行业开放度?ＦＲ?在华外资机构数 目 增速 ＊ 1 0 0 ? 8 ． 4 6 3 ?5 ． 9 5 6 ? 0 ． 5 3 5 ? 2 2 ． 3 2 1 ? ?
银行风 险承担?ＡＥ?银行资产与银行资本之比? 5 ． 1 8 4? 1 ． 9 7 7 ?0 ． 1 1 2 ? 1 4 ． 1 8 0 ? ?
银行流动水平?Ｕ?银行 流动资产 与资产之 比 ＊ 1 0 0 ? 2 6 ． 0 1 7 ? 1 2 ． 7 3 9 ?2 ． 1 2 1 ? 7 9 ． 3 7 8 ? ?
? 银行上市情况?ＳＳ
& 银行上市 & 虚拟变量
0 ． 2 8 3 ? 0 ． 4 5 1 ?0 ． 0 0 0 ? 1 ． 0 0 0 ? ?
（ 三 ） 模型设定 与方法选择 ? ? 为了检验互联网金融技术溢出 效应的存在性与异质性 ， 设计如下计量方程 ：?& ? ?
?Ｐｏ?＋?＋? 办2 丑ｉ?＋?＾ｆ ｉ ｊ
Ｃｏｎｔｒｏ ｌ ＾?
ｔ?＋ ?ｅ ｉ ｔ?（ 5 ） ? ?
式 中 ， ｉ 为银行 ， 《 为年份 ； 被解释变量 为商业银行全要素生产 率 Ｍ ； 核心解 释变量为 ? ? 互联网金融指数 控制 变量为 Ｃｏ咖Ｉ； 叫 为商业银行固 定效应 ； ？ 为随机误差项 ； 达 刻 ? ? 画 了互联网金融对商业银行 的技术溢 出 效应 。 由 于商业银行 生产率的 & 黏性动态 & 特征 ? ? 已得到文献佐证 ， 因 此模型 也引 人了全要素生产率 的前期值作为解释变量 。 ? ? 检验假说 1 时， 本文的识别思路是基于全体商业银行样本对方程 （ 5 ?） 回归 ， 我们预期 ? ? 成 显著为正 。 检验假说 2 时 ， 本文并没有引 入代表商业银行类型 的虚拟变量 ， 以及其与互 联网金融指数的交叉项 ， 而是采用 了分组回 归的识别策略， 我们预期基于分组样本 回 归的 ? ? Ａ 具有明 显差异 。 这 一做法主要 出 于以 下 三点考虑 ： 首先 ， 交叉项 回 归 在小样本中会产 ? ?生多重共线性问题 ， 降低统计推断的有效性 ； 其次 ， 交叉项 回 归在动态面板估计中 容易 出 ? ? 现样本数据少于工具变量个数 的极 端情形 ， 导致无法得到估计结果 ； 再次， & 商业银行类 ? ? 型 & 虚拟变量是一个二分变量 ， 其随时间 的波动程度很小 ， 因 而可能引起序列相关 。 ? ? 选择估计方法时， 需要综合考虑计量模 型 的异质性 、 动态性与 内 生性 。 首先 ， 本文的 ? ? 数据结构具有 & 大 Ｎ 小 Ｔ& 特征 ， 忽略样本特点 的 混合效应回 归 （ ＰＯＯＬ ） 会使实证结果产 ? ? 生偏误， 而控制个体特征 的固定效应回归 （ ＦＥ ） 和随机效应 （ ＲＥ） 回 归则有助 于解决异质 ?? 性 问题。 因 此 ， 本文先采用 Ｐ 0 0 Ｌ 、 ＦＥ 与 ＲＥ 方法回 归方程 （ 5 ） 。 其次 ， 模型引 人了被解释 ? ? 变量 的滞后项作为解释变量 ， 且风险承担 、 流动水平与商业银行全要素生产率存在互为因 ? ? 果 的联立关系 ， 因 而实证模型可能具有 内生性问题。 所以 ， 本文拟进一 步采用系统广义矩 ? ?
ＳＹＳＧＭＭ ） 估计方程 （ 5 ） 。 ＇ ? ?
四 、 实证 分 析 ? ?
） 相关性检验与平稳性检验 ? ? 为避免多重共线性 ， 回 归之前首先对各解释变量进行相关性检验 。 结果表明 ， 解释变 ? ? 量之间 的相关系数较小， 这意味着变量不存在严重 的多重共线性问题 。 进 一 步 ， 为 防止 ? ? & 伪回 归 & ， 围绕银行层面的变量 Ｍ、 ＡＥ 与 Ｕ 开展平稳性检验。 结果显示 & 三个变量均不 ? ? 存在单位根 ， 因 此 ， 回归分析将不会出 现& 虚 回归 & 。 ? ?
二 ） 互联网金融技术溢 出效应 的存在性检验 ? ? 为考察互联网 金融对商业银行全要素生产率 的技术溢 出效应 ， 首先采用静态面板的 ? ? 混合效应（ ＰＯＯＬ ） 、 固定效应 （ ＦＥ ） 与随机效应 （ ＲＥ ） 估计方程 （ 5 ） ， 结果列示于表 5 。 模型 ? ? 设定的 Ｆ 检验在 5 ％ 的显著水平下拒绝混合估计； ＬＭ 检验接受 & 不存在个体随机效应 & 的 ? ? 原假设 ； 且 Ｈ ａｕ ｓｍａｎ 检验也强烈拒绝 & 随机扰动项与解释变量不相关 & 的原假设，因此 ， 本 ? ? 文初步认为计量方程应采用 固定效应 。 但 ＦＥ 回 归 的 系数显著性较差 ， 这表 明解释变量 ? ? 与误差项并不独立 ， 方程 （ 5 ） 具有内 生性 ， 以是 ， 下文继续使用动态面板 ＧＭＭ 估计。 Ｄｉｆ ｆ－ ? ? ＧＭ Ｍ 与 ＳＹＳＧＭＭ的 ＡＲ （ 2 ） 检验结果 支持扰动项 的差分不存在二阶序列相关。 Ｗａｌｄ 检 ? ? 验进 一 步表明工具变量与内 生变量具有很强的相关性 。 同 时 ， Ｓａｒｇａｎ 检验也显示所有工 ? ? 具变量均外生 。 这意 味着实证分析依据 的 动态模 型与选 择的工 具变量 不仅合 理而且 ? ? 有效 。 ? ? 根据 Ｓ ＹＳＧＭＭ 的 回归结果 ， 得到 以 下结论。 互联 网金融指数的估计系数显著为正 ， ?? 与假设 1 预期一致。 这 一结果证实 了互联网金融技术溢 出 效应的存在 ， 说明互联网金融 ? ? 的发展强有力地推动了商业银行全要素生产率增长。 换言之 ， 在我 国金 融管制 逐步放松 ? ? 的背景下 ， 互联网金融经 由 示范 、竞争 、 人员 流动和业务联系 等途径对商业银行产生了 技 ? ?术溢 出 ， 商业银行亦能通过有效吸收互联网 金融的技术溢出 提高 自 身生产率。 因 此 ， 互联 网金融的快速发展能够为我国商业银行摆脱低效的现状提供动力， 为银行业 的转 型升级 ? ?
注人活力 ， 为金融体系 的基因式变革创造 良机 。 ? ? 宏观垒济水平的 回 归 系数为 正 ， 且在 1 ％水平下显著 ， 表明 高速的经济发展水平有助 ? ? 于提升商业银行的全要素生产率 。 这与张金清和吴有红 （ 2 0 1 0 ） 的研究 结论契合 。 商业 ? ? 银行顺周期特征决定了其经营绩效的变动与经济发展 的起伏息事相关 ， 特别是我国 间接 ． ? ? 融资为主的市场融资结构、 利息收入为主的银行臝利模式更是决定 了 商业银行生产率与 ? ? 宏观经济发展之间齐涨齐跌 的密切关系 。 ? ?
表 5 互联网金融技术溢 出效应的存在性检验 ? ?
变量?ＰＯ ＯＬ?ＦＥ?ＲＥ?Ｄｉｆ ｆＧＭＭ?ＳＹＳＧ ＭＭ ? ?
Ｌ ． Ｍ?0 ． ? 1 9 7 7 ＊ ＊
＊? 0 ． ? 1 8 8 3 ? & & ? ? （ 0 ． 0 3 0 9 ）?（ 0 ． 0 4 5 8 ） ? ? Ｈ? 0 ． 0 1 7 6? 0 ． 0 1 5 1 ?0 ． 0 1 7 6 ? 0 ． 0 1 1 5 ＇?0 ． 0 1 7 8 ? ? （ 0 ． 0 1 6 7 ）?（ 0． 0 1 6 9 ）?（ 0 ． 0 1 6 7 ）?（ 0 ． 0 0 6 2 ）? （ 0 ． 0 0 5 2 ） ? ? ＧＤＰ? 0 ． 0 0 1 3? 0 ． 0 0 1 2 ? 0 ． 0 0 1 3 ? 0 ． 0 0 1 2 ? ＂? 0 ． 0 0 1 6 ＊＂ ? ?（ 0 ． 0 0 1 3 ）?（ 0 ． 0 0 1 3 ） ?（ 0 ． 0 0 1 3 ） ?（ 0 ． 0 0 0 7 ）?（ 0 ． 0 0 0 4 ） ?? ＧＳ ? 0 ． 0 0 0 3? 0 ． 0 0 0 3 ? 0 ． 0 0 0 3 ? 0 ． 0 0 0 2 ＊＊ ? 0 ． 0 0 0 3 ? & ??
0 ． 0 0 0 2
）?（ 0 ． 0 0 0 2 ）?（ 0 ． 0 0 0 2 ） ?（ 0 ． 0 0 0 1 ）? （ 0 ． 0 0 0 1 ） ? ? ＸＤ?0 ． 0 1 3 8 ? 0 ． 0 1 3 1 ? 0 ． 0 1 3 8 ? &? 0 ． 0 0 8 8? ？& ?0 ． 0 1 1 6 ? & ? ? （ 0 ． 0 1 7 4 ）?（ 0 ． 0 1 7 5 ）?（ 0 ． 0 1 7 4 ）?（ 0 ． 0 0 4 0 ）?（ 0 ． 0 0 4 2 ） ? ?ＣＲ 4 ? 0 ． 0 1 2 8? 0 ． 0 1 1 0 ? 0 ． 0 1 2 8? 0 ． 0 0 8 2 ＊? 0 ． 0 1 0 2 ? & ? ?
（ 0 ． 0 0 7 9 ）?（ 0 ． 0 0 8 0 ）?（ 0 ． 0 0 7 9 ） ?（ 0 ． 0 0 3 1 ）? （ 0 ． 0 0 3 1 ）? ? ＦＲ? － 0 ． 0 0 0 6 ?－ ? 0 ． 0 0 0 5 4 ? － ? 0 ． 0 0 0 6 ? －? 0 ． 0 0 0 4 ?－ ? 0 ． 0 0 0 9 ＊ ? ?
0 ． 0 0 0 9 ）?（ 0 ． 0 0 0 9 ）?（ 0 ． 0 0 0 9 ）?（ 0 ． 0 0 0 3 ）? （ 0 ． 0 0 0 5 ） ?? ＡＥ ?－ 0 ． 0 0 0 2 ?－ ? 0 ． 0 0 1 3?－ ? 0 ． 0 0 0 2? － ? 0 ． 0 0 2 5 ＊? － 0 ． 0 0 2 8 ?? （ 0 ． 0 0 1 4 ）?（ 0 ． 0 0 1 8 ）?（ 0 ． 0 0 1 4 ）?（ 0 ． 0 0 1 1 ）?（ 0 ． 0 0 1 0 ） ? ?Ｕ ?0 ． 0 0 0 5 ? 0 ． 0 0 0 5? 0 ． 0 0 0 5 ? &? 0 ． 0 0 0 4 ?＂? 0 ． 0 0 0 5 ? ？ & ? ? （ 0 ． 0 0 0 2 ）?（ 0 ． 0 0 0 3 ）?（ 0 ． 0 0 0 2 ）?（ 0 ． 0 0 0 1 ）?（ 0 ． 0 0 0 1 ） ? ?ＳＳ?0 ． 0 0 3 1 ? 0 ． 0 1 1 3 ? 0 ． 0 0 3 1 ? 0 ． 0 1 4 3 ? 0 ． 0 1 3 6 ?& ? ? （ 0 ． 0 0 5 2 ） ?（ 0 ． 0 1 1 8 ）?（ 0 ．? 0 0 5 2 ）?（ 0 ． 0 0 8 9 ） ?（ 0 ． 0 0 6 3 ） ? ?
2 ?0 ． 0 5 0 2 ? 0 ． 0 7 6 8 ? 0 ． 0 6 7 0 ? ? Ｆ ?检验? 2 ． 0 9 ? ＂ ［ 0 ． 0 2 0 9 ］?
ＬＭ?检验? 0 ． 0 0 ［ ? 1 ． 0 0 0 0 ］ ? ? Ｈａｕｓｍａ ｎ ?检验?2 5 ． ? 9 3? ？ ？ ＊ ［ （） ． ? 0 0 0 0 ］ ? ? ＡＲ（ 2 ）? 1 ． 5 8 ［ 0 ． 1 1 5 2 ］? 1 ． 5 0 ［ 0 ． ? 1 3 4 9 ］ ? ? Ｗａ ｌｄ?检验?7 4 5 ．? 8 0 ， 0 ．? 0 0 0 0 ?］ ?2 6 5 8 ． 1 0 ? ＊＂［ 0 ． ? 0 0 0 0 ］ ? ? Ｓａ ｒｇ ａｎ ?检验 ?；?? ? 2 9 ． 1 0 ?［ 0 ． 7 8 5 9 ?］? 2 1 ．? 3 1 ［ 1 ． ? 0 0 0 0 ］ ? ? 注 ： 回归结果省略了 常数项 ；回归 系数下方括号 内为标准误； 模型设定检验右方括号 内为相应 Ｐ 值 。 ? ?
股市发展状况的系数为正 ， 且在统计上髙度显著 ， 这意味着资本市场的发展能够促进 ? ? 商业银行全要素生产率 的提高 。 根据李兴华等 （ 2 0 1 4 ） ， 中 国 的金融市场并不完美 ， 货 币 ? ? 市场与资本市场处于争夺信贷资源的零和博弈 。 随着资本市场的不断壮大， 行业间 的竞 ? ? 争 曰 益加剧 ， 在客户资源与利润空间受到侵蚀 的压力下 ， 我 国商业银行积极应对 ， 主动推 ? ? 进转型发展 ， 客户服务能力和市场竞争能力逐步增强 。 因 此 ， 股市发展状况对商业银行全 ? ? 要素生产率具有正向作用 。 ? ? ? ?&
& 政策监管变量 的 回归 系数显著为正 ， 表明央行 的信贷管理计划有助于改善商业银行 ? ? 全要素生产率 。 原 因在于贷款规模管制作为 中 国 货 币 政策调控最有效的操作工具 （ 李成 ? ? 和高智贤， 2 0 1 4 ） ， 直接 限制 了商业银行非理性的扩张冲动 ， 这不仅提髙 了 银行 的规模效 ? ?率 ， 而且能缺激励银行改变依赖利差 的盈利模式 ， 推动其全要素生产率的进步 。 ? ? 银行业集 中 度 的估计结果高度为 正 ， 说明 市场集 中 度的增加会对商业银行全要素生 ? ? 产率产生积极影响 。 根据 & 相对市场支配力假说& ， 市场集 中度 的提髙有助于企业 自 主定 ? ? 价权 的获得与企业规模效率的改善， 二者均会对企业生产率产生正向 的溢 出 效应 。 因 此 ， ? ? 以 ＣＲ4 增长率衡量 的市场结构与商业银行的经营绩效呈正向 变动关系 。 ? ? 银行业开放度的 回归系数显著为 负 ， 意味外资银行 的进人不利 于我国 商业银行生产 ? ? 率的提高 。 对此可能的解释是 ： 与外资银行相比 ， 国 内 商业银行在管理技术 、 创新能力 等 ? ? 方面处于落后地位 ， 加之 & 选摘效应 & 的负面影响 （ 姚树洁等 ， 2 0 1 1 ） ， 国 内 银行的劣势更加 ? ? 凸显 ， 所 以 ， 对外开放程度的提髙抑制了 我国商业银行的市场表现。 ? ? 以 资本资产 比衡量 的风 险承 担水平 与 商业 银行经 营绩 效呈 显著反 向 关系 。 根 据 ? ? Ｊｏ ｈｎ?ｅ ｔ?ａｌ．? （ 2 0 0 8 ） 的研究 ， 风险承担意愿与企业销售增长 、 创新项 目 投资有直接联系 ， 适度 ? ? 的风险承担有助于形成良性的竞合互动， 提高企业经营效率 ； 反之 ， 过度的风险 承担会引 ? ? 致经营不稳定 ， 降低企业市场表现 。 长期 以 来 ， 在政府主导的金融体制下 ， 国 家信用担保? ? 造成银行经营杠杆高居不下 。 商业银行风险承担水平显然已 超过促进其绩效增加 的合理 ? ? 阈值 ， 由是 ， 风险承担与银行全要素生产率之间表现 出负 向 关系 。 ? ? 以流动资产 占 比衡 量 的 流动水平 与 商业银 行 生产 率 呈正 向 变 动 关 系 。 李喜 梅 ? ? （ 2 0 1 1 ） 指出 流动性是衡量商业银行绩效 的重要指标 ， 流动性过高会降低商业银行的盈利 ? ? 能力 ， 流动性过低又会威胁商业银行的正常运转 & 因 此管理者必须综合权衡银行的流动性 ? ? 与盈利性 。 本文实证结果显示流动资产 占 比较髙 的商业银行 ， 全要素生产率增长也较快 ， ? ? 这间接表明我 国商业银行的流动性和盈利性达到 了相互促进的正向平衡。 ? ? 以虚拟变量衡量的上市情况与商业银行全要素生产率呈高度地正向关系 。 这与蔡跃 ? ? 洲和郭梅军（ 2 0 0 9 ） 、 张健华和王鹏 （ 2 0 1 0 ） 的研究发现一致 ， 上市不仅有助于银行充 实资 ? ? 本金 ， 增加信贷资金来源 ， 改善规模效率 ； 而且会减少委托代理成本 ， 强化市场约束 ， 规范 ? ? 内部管理， 进而提高商业银行生产率 。 ? ? （ 三 ） 互联网金融技术筚 出效应的异质性检验 ? ? 基于分组样本的估计结果 ， 讨论互联 网金融对商业银行全要素生产率的异质性影 响 。 ? ? 出 于对变量 自 由 度的需要 ， 具体回 归时借鉴 Ｚｈｕ （ 2 0 1 2 ）的识别策略 。 第 一 ， 设计如下三个 ? ? 子样本进行动态 回归 。 其中 ， 子样本一从全体样本 中 剔除大型商业银行 ， 子样本二剔除股 ? ? 份制商业银行， 子样本三剔除城市商业银行 。 第二 ， 对 比子样本与全样本 的回 归结果 。 若 ? ? 子样本回 归 中核心解释变量的 系数发生提高 ， 则表明该子样本所剔除的商业银行技术吸? ? 收能力低 于全部银行的平均水平 ， 且 回 归系数增 幅越大 ， 被剔 除 的商业银行 吸收 能力越 ? ? 弱 ； 反之亦然 。 第 三 ， 检验分组回归 的系数是否具有显著差异 。 ? ? 据此思路 ，运用 ＳＹＳ ＧＭＭ 估计检验假说 2 ， 回 归结果列示于表 6 。 ＡＲ （ 2 ） 检验和 Ｓａｒ － ?ｇａｎ 检验 的结果表 明回归模型 的设定与工具变量 的选 择具有合理性 。 子样本一 、 子样本 ? ? 二与子样本三中 ， 核心解释变量 Ｈ 的 系数分别为 0 ． 0 2 6 4 、 0 ．? 0 0 7 3 与 0 ． 0 1 6 3 ， 与全样本 回 ? ? 归结果相 比 ， 三者的变化程度依 次为 4 8 ． ? 3 1 ％ 、 － 5 8 ． ? 9 9 ％ 与 － 8 ．? 4 3 ％ 。 这与理论预期相? ? 符 ， 初步验证了假说 2 ， 说明 不同类型商业银行对互联网金融技术溢出 的吸收能力存在差 ? ? 异， 其中 ， 股份制 商业银行的吸收能力 最为 出色 ， 城市商业银行次之 ， 大型商业银行较差 。 ? ? 控制变量的 系数符号与全体样本的 估计结果保持一致。 其 中 ， 政策变量 & 信贷规模 ? ? 管理& 的 回归 系数在子样本 一 中 降幅最大 ， 说明 信贷规模管控政策最有助于改善大型商 ? ? 业银行的全要素生产率。 变量股市发展水平与银行上市情况的估计结果在子样本二 中 的 ? ? 下跌尤为明显 ， 说明 股份制银行对 资本市场发展与上市的正向 响应最积极 ， 原因在于对于? ? 资本金吸收渠道较窄的股份制银行 ， 上市是其补充资本的重要途径 ， 而不是大型商业银行 ? ? 的锦上添花 （ 冯科和何理 ， 2 0 1 1 ） 。 变量宏 观经济水平 、 行业集 中 度 、 行业开放度 、 银行风 ? ? 险承担以 及银行流动状况的系数在子样本三中 出 现大幅降低 ， 意味着规模较小的城市商 ? ? 业银行最易受外部环境冲击与 自 身特征影 响 。 ? ?
表 6 互 联网 金融技术溢 出 效应的异质性性检驗 ? ?
变量?子样本一?子样本二?子样本 三?变量?子样本一?子样本二?子样本 三 ? ?
Ｌ Ｍ?0 ． 2 7 6 0 ＊ ＂? 0 ． 1 7 3 5 ＊ ＊ ＊? 0 ． 5 1 0 9 ＂?ＦＲ?－ 0 ． 0 0 1 1 ＊ ?－ 0 ． 0 0 0 8 ＂? － 0 ． 0 0 0 2 ＂? ?
（ 0 ． 0 4 3 1 ） ?（ 0 ． 0 6 5 5 ）?（ 0 ． 2 5 6 7 ）?（ 0 ． 0 0 0 6 ）?（ 0 ． 0 0 0 4 ）?（ 0 ． 0 0 0 1 ） ? ?
＋ 4 6 ． 5 7 ％? － 6 0 ． 9 7 ％?＋ 1 7 1 ． 3 2 ％?＋ 2 2 ． 2 2 ％?－ 1 1 ． 1 1 ％?－ 7 7 ． 7 8 ％ ? ?
Ｈ?0 ． 0 2 6 4 ＊＂ ?0 ． 0 0 7 3 ? &? 0 ． 0 1 6 3 ＊?ＡＥ ?－ 0 ． 0 0 3 1 ＊ ＊ ?－ 0 ． 0 0 3 2 ＊?－ 0 ． 0 0 1 0 ＂ ? ?
0 ． 0 0 9 7 ）?（ 0 ． 0 0 3 6 ）?（ 0 ． 0 0 9 4 ）?（ 0 ． 0 0 1 3 ）?（ 0 ． 0 0 1 8 ）?（ 0 ． 0 0 0 5 ） ? ?
＋ 4 8 ． 3 1 ％? － 5 8 ． 9 9 ％?－ 8 ． 4 3 ％?＋ 1 0 ． 7 1 ％?＋ 1 4 ． 2 9 ％? － 6 4 ． 2 9 ％ ? ? ＧＤＰ?0 ． 0 0 2 1 ? ＂ ＊? 0 ． 0 0 2 4 ＂＊ ?0 ． 0 0 1 3 ＊ ．?Ｕ? 0 ． 0 0 0 6 ＊ ＂?0 ． 0 0 0 8 ?＂ ＊? 0 ． 0 0 0 3 ?＂ ＊ ? ?
（ 0 ． 0 0 0 5 ）?（ 0 ． 0 0 0 6 ）?（ 0 ． 0 0 0 7 ）?（ 0 ． 0 0 0 2 ）?（ 0 ． 0 0 0 2 ）?（?－ 0 ． 0 0 0 1 ） ? ?
＋? 3 1 ． 2 5 ％?＋ 4 7 ． 6 0 ％?－ 2 0 ． 0 5 ％?＋ 2 0 ． 0 0 ％?＋ 6 0 ． 0 0 ％?－ 4 0 ． 0 0 ％ ? ?
ＧＳ? 0 ． 0 0 0 2 ? ＂? 0 ． 0 0 0 1 ? &? 0 ． 0 0 0 5 ?＊ ＊ ＊ ?ＳＳ? 0 ． 0 2 1 8 ?&? 0 ． 0 0 8 5 ?＊? 0 ． 0 1 0 9 ＂ ＊ ??
（ 0 ． 0 0 0 1 ）?（ 0 ． 0 0 0 0 ）?（ 0 ． 0 0 0 1 ）?（ 0 ． 0 0 6 6 ）?（ 0 ． 0 0 4 9 ）?（ 0 ． 0 0 4 5 ） ? ? －
3 3 ． 3 3 ％?－ 6 6 ． 6 7 ％?＋ 6 6 ． 6 7 ％?＋ 6 0 ． 2 9 ％?－ 3 7 ． 5 0 ％? － 1 9 ． 8 5 ％ ? ?
ＸＤ?0 ． 0 0 4 0 ＊? 0 ． 0 0 4 3 ＊ ?0 ． 0 2 8 9 & ?Ａｆ ｌ （ ｌ ）?－ 2 ． 9 9 1 7 ＊ ＂?－ 5 ． 3 7 3 1 ＂ ＊ ?－ 0 ． 8 7 5 6 ??
0 ． 0 0 2 2 ）?（ 0 ． 0 0 2 5 ）?（ 0 ． 0 1 1 0 ）?（ 0 ． 0 0 2 8 ）?（ 0 ． 0 0 0 0 ）?（ 0 ． 3 8 1 2 ） ? ? － 6 5 ． 5 2 ％? － 6 2 ． 9 3 ％?＋ 1 4 9 ． 1 4 ％?ＡＲ （ 2 ?）?0 ． 7 1 0 4 ?1 ． 4 5 1 7 ?－ ? 0 ． 1 2 5 4 ? ? ＣＲＡ? 0 ． 0 1 1 2 ? ？ ？ ？? 0 ． 0 1 7 4 ?& & ?0 ． 0 0 6 6 ? ？?（ 0 ． 4 7 7 5 ）? （ 0 ． 1 6 3 7 ）?（ 0 ． 9 0 0 2 ） ?? （ 0 ． 0 0 3 8 ）?（ 0 ． 0 0 5 1 ）?（ 0 ． 0 0 3 5 ）?Ｓ ａｒｇａｎ ?检验?1 7 ． 1 5 0 3 ? 1 4 ． 0 5 9 5? 6 ． 2 3 4 8 ? ?
＋? 9 ．? 8 0 ％?＋ ? 7 0 ． 5 9 ％?－ 3 5 ．? 2 9 ％
? （ 1 ． 0 0 0 0 ）?（ 1 ． 0 0 0 0 ）?（ 1 ． 0 0 0 0 ） ? ?
注 ： 回归结果省略 了常数项 ； 回归系数下方括号内 为标准误 ； 标准误下方数字为分组 回归与整体样 本回 归相 比 ， 各 ? ? 系 数的 变化方向与变化 幅度 ； 模型设定检验下方括号 内为相应 Ｐ 值。 ? ?
为进一 步验证假说 2 ， 参照 Ａｃｑ Ｕａａｈ （ 2 0 1 2 ） 提出 的组间差异 Ｔ 检验方法对分组回 归 中 ? ? 互联网 金融指数 的估计结果进行 比较。 结果显示 ， 子样本一 与子样本二 、子样本一 与子样 ? ? 本三中 互联 网金融指数的差异系数分别为 0 ．? 0 1 9 1 与 0 ． ? 0 1 0 1 ，且均在 1 ％ 的显著性水平下 ?&& 拒绝 &估计系数不存在偏差 & 的原假设 ， 这表明 股份制 银行 以 及城市商业银行对互联网金 ? ? 融技术溢出效应 的吸收能力显著高 于大型商业银行。 组间 差异 Ｔ 检验的结果印 证了 互 ? ? 联网金融技术溢 出效应在三类商业银行中 存在显著差异的结论。 ? ? （ 四 ） 稳健性检验 ? ? 为确保研究结论 的可靠性 ， 对互联网 金融技术溢出 效应 的存在性与异质性展开稳健 ? ? 性检验 。 依次采用支付结算指数、 资源配置指数 、 风险管理指数与 网络渠道指数作为 互联 ? ? 网金融指数 的替代变量进行估计 ， 主要结论无实质性变化 。 限于篇 幅 ， 文中 未详细列示稳? ? 健性检验结果 ， 如有需要可与作者联系 。 ? ?
五 、 研 究 结论 与 政策建议 ? ?
作为信息革命的产物 ， 互联网金融为传统金融业的经营模式带来了颠覆性冲击 ， 为商 ? ? 业银行的跨越发展提供了蜕变式机遇。 本文基于技术溢出 理论 ， 系统梳理了 互联网金融 ? ? 对商业银行全要素生产率的影响机制 ， 并结合 吸收能力 深入讨论 了 互联网金融技术溢出 ? ?在不 同类型商业银行 的异质表现 。 在此基础上 ， 以 2 0 0 3 & 2 0 1 2 年 3 6 家商业银行为样本 ， ? ? 以无导向 ＤＥＡ? －?Ｍａｌｍｑｕｉｓ ｔ 模型测度 的商业银行全要素生产率为被解释变量 ， 以 & 文本挖 ? ? 掘法& 构建的互联 网 金融指数为核心 解释变量进行了 实证检验。 研究得 出以 下结论 ： （ 1 ） ? ? 互联 网金融通过技术 溢出 效应 ， 强有 力 地推动 了 我 国商业 银行全要素生产 率的 提髙 。 ? ? （ 2 ） 不同类型商业银行对互联 网金融技术溢 出 的吸收能力 具有差异 ：股份制商业银行对 ? ? 互联网金融 的正 向 响应最为 明 显 ， 城市商业银行次之 ， 大型商业银行较弱 。 根据本文 的结 ? ? 论提出 如下政策建议： ? ? 第一 ， 互联网金融企业应坚持技术创新 ， 并逐步提高 自 律意识 。 近年来 ， 互联网 金融 ? ? 利用其特有 的 & 信息整合 、 渠道平台、 时空 不受限 & 优势显著降低 了 交易 成本与 信息不对 ? ? 称 ， 创造 了 巨大的社会效益 ， 但随着 互联网 金融 的 日 渐兴起 ， & 拆标、 泄密与跑路& 等现象 ? ? 时有发生 。 因此 ， 互联 网金融企业在坚持创新 的 同时 ， 应不断加强风险防控意识 ， 建立信 ? ? 息安全机制 ，完善消 费者保护 ， 实现互联网金融的规范健康发展 。 ? ? 第二 ， 商业银行应继续积极应对互联 网金融的冲击 ， 全力进军互联 网领域 。 互联 网金 ?? 融通过引 入竞争机制 ， 打破银行垄断 ， 给现存金融模式带来了严峻挑战 。 在面对互联 网金 ? ? 融时 ， 商业银行不能 固步 自 封 ， 而应主动求变， 将互联网 金融的挑 战 内 生为 自 身改革的动 ? ? 力 ， 全面推进产品创新与服务创新 ， 以 顺应信息化潮流 。 同 时 ， 商业银行也要 客观认识自 ? ? 身在 & 客户 资源 、 网络构建 、社会信誉& 等方 面 的优势 ， 取长补短 ， 搭建 多样化平 台 服务模 ? ? 式 ， 快速响 应市场需求， 不断提高综合实力 。 ? ? 第三 ， 政府应大力提供支持互联 网金融发展的公共产品 ， 持续推进我 国 的金融电子化 ? ? 进程 。 这一 方面需从行业规范入手， 及时推出 相关法规和管理条例 ， 促进互联网 金融行业 ? ? 可持续健康发展 ； 另 一方面应从硬件建设着力 ， 完善不 同层 级的计算 机系统和通信网络， ? ? 确保互联网金融的发展不受基础设施 的滞后钳制 。 中 国 人民 银行应牵头建立骨干网络 ，?保证商业银行互联的畅通 ， 构建一套从动脉到 毛细血管的完整循环系统， 为我国互联网 金 ? ? 融的发展驶入快车道做好基础性工作
| 加入收藏 |
Copyright &
河南财政金融学院（象湖校区） All Right Reserved 豫ICP备号
地址：郑州市郑东新区郑开大道76号 邮编：451464}