论文部分内容阅读
摘 要：本文基于2009—2016年中国16家上市商业银行的面板数据，运用超效率SBM-DEA模型对商业银行的经营效率进行测度，并构建单一门槛的面板门槛模型分析了非利息收入对商业银行经营效率的非线性影响。结果表明：受纯技术效率较低的影响，我国商业银行总体经营效率不高；城市商业银行的经营效率好于国有银行和股份制银行；在不同资产规模下非利息收入占比对商业银行经营效率的影响存在显著的非线性关系。当资产规模超过21000亿元时，非利息收入占比对商业银行的经营效率存在显著的正向影响。因此建议小型商业银行应该继续以传统信贷业务为主，不断夯实自身经营实力；大型商业银行应该坚持拓展非利息业务，逐步提高经营效率，实现转型发展。
关键词：上市商业银行；经营效率；非利息收入；面板门槛模型
中图分类号：F830.33 文献标识码：A 文章编号：1674-2265（2018）02-0061-07
DOI：10.19647/j.cnki.37-1462/f.2018.02.010
一、引言
从2012年6月7日中国人民银行决定调整金融机构存款利率的浮动上限和贷款利率的浮动下限，至2013年7月19日宣布放开金融机构贷款利率管制，再到2015年10月24日起不再设置金融机构存款利率浮动上限，中国的利率市场化改革得到实质性发展。随着利率市场化进程的不断推进，面对着息差不断收窄的环境，商业银行之间的竞争逐步加剧，传统的信贷业务越来越无法支撑商业银行做优做强的战略目标。因此拓展非利息业务就成了商业银行提高经营效率、实现做优做强和持续发展的重中之重。截至2016年底，我国16家上市商业银行创造的非利息收入已达11120.97亿元，占整个商业银行营业收入的30.36%。由表1可以看出，2009—2016年我国所有上市商业银行的非利息收入占比均获得了较大的提高，非利息业务获得了突飞猛进的增长。由图1可以看出，我国上市商业银行的非利息收入占比整体上实现了逐年增长，股份制银行增长势头尤为强劲。非利息收入已经成为支撑商业银行收入增长的一项关键业务。可见，研究非利息收入占比和商业银行经营效率之间的关系对于商业银行优化资源配置、提高经营效率、实现高效发展具有重要的指导意义。
二、文献综述
（一）国外文献综述
在国外文献研究中， 学者持有三类不同的观点。一部分学者认为非利息收入并不能够明显改善商业银行的经营绩效，而且会增加银行经营风险。Lepetit 等（2008）对1996—2002 年欧洲银行业的多元化经营进行分析，得出非利息业务加大银行的经营风险，其对于经营绩效的改善并不明显。Calmes（2009）以加拿大银行样本数据进行实证研究也得到了相似的结论，他发现非利息收入的增加会使银行绩效降低、收入波动加大。也有部分学者认为非利息收入能够提高商业银行的经营绩效。Sanya 和Wolfe（2011）使用广义矩估计的方法对新兴经济体的上市银行展开研究，认为非利息收入可以改善商业银行盈利能力，但也伴随着银行破产风险的加大。Meslier 等（2013）研究新興经济体银行得出的结论是，非利息收入对银行业的利润和风险调整报酬具有正向影响。还有部分国外研究显示非息收入对银行绩效的影响不是绝对正相关或负相关，这取决于银行自身因素。Gamra与Plihon（2011）对14 个东亚和拉丁美洲国家的714 家银行展开研究认为，在新兴经济体市场中，非利息收入对银行的影响与银行规模、经营方式相关，因此银行在开展非利息业务时应当结合自身情况。
（二）国内文献综述
在国内学者的研究中，由于数据选取、指标选择和模型设定等方面的差异，研究结论也很难一致。袁晓玲和张宝山（2008）基于1999—2006 年中国15 家商业银行的面板数据，运用非参数DEA 模型的Malmquist 生产率指数，测算了商业银行的全要素生产率，结果显示中国商业银行全要素生产率整体呈现下降趋势，且非利息收入占比对商业银行资源利用影响作用甚微。孙秀峰和迟国泰（2010）利用我国商业银行的数据展开研究，结果表明扩大非信贷业务比重有利于提高效率。马雯璐和马占新（2012）基于2001—2009年中国15家商业银行的面板数据，提出了银行效率评价的非参数DEA模型，并采用随机效应Tobit模型对影响中国商业银行综合效率、纯技术效率和规模效率的微观因素进行定量分析，得出中间业务占比对商业银行的综合效率和纯技术效率具有显著的正向影响。蒋莉（2012）发现在非利息收入不会引起经营成本大幅上升的情况下，增加非利息收入有助于银行收益率水平的提高。姚文韵（2012）选用2000—2010 年14 家上市商业银行数据作为研究样本，结果显示非利息收入份额与资产收益率（ROA） 存在不显著的负向关系，手续费和佣金收入份额与资产收益率（ ROA） 为显著的正相关关系，而其他业务收入份额却与资产收益率（ ROA） 有显著的负相关关系。邰越越和杨虎峰（2014）通过建立变截距固定效应模型，实证分析了非利息收入对中小型商业银行绩效的影响，研究结果表明非利息收入占比与非利息收入种类数对银行绩效的影响并不显著，甚至会降低银行的绩效。窦俊贤（2015）通过构建动态面板数据模型和应用系统GMM 估计方法，对2008—2013 年我国16 家上市商业银行的数据进行回归，发现非利息收入与商业银行绩效呈现倒U 形关系。袁庆禄和龚廷秀（2017）基于2004—2014年我国16家上市商业银行的面板数据研究发现，国内商业银行整体效率不容乐观。在低税负水平环境下，提高中间业务收入占比对改善银行效率更为有效，银行应从优化业务结构、控制营业支出和适度扩大规模着手，有效提升银行效率。
可见，关于非利息收入与商业银行经营效率的关系，既有影响甚微的研究结论，也有学者认为存在显著的线性关系，也有认为这种影响关系在不同的税收水平下是非线性的。目前，针对在不同的资产规模下非利息收入对商业银行效率影响关系的研究甚少，因此本文以2009—2016年我国16家上市银行为研究对象，通过构建影响商业银行经营效率的面板门槛模型来分析非利息收入是否会对商业银行经营效率产生显著影响以及这种影响在不同的资产规模下是否是非线性的。 三、不同资产规模下非利息收入对商业银行经营效率影响的分析和模型假设
在银行资产规模较大的条件下，首先，银行的非利息业务经营范围较广，在商业银行进行跨区域竞争时优势明显；其次，由于具有品牌效应，即使大型银行在开展非利息业务过程中开发的产品和服务具有较强的同质性，客户在购买同种类产品时仍然会倾向于购买大型银行提供的产品，进而提高了大型银行在非利息业务运行方面的收入；在经营非利息业务时大型银行具备较强的成本控制能力和规模效应，在非利息业务开展过程中的“节流”方面做得更为出色；拥有大量的分支机构和营业网点使得大型商业银行在推广非利息业务的创新应用方面更为高效，针对客户的特定非利息业务反馈机制也更加完善；除了以上因素之外，大型商业银行在金融科技研发和大数据应用方面的实力较为强劲，能够为客户量身定制更具个性化的产品和服务，进一步开拓市场、实现非利息业务收入的大幅增长。
因此，本文提出假设1：大型商业银行的非利息收入对其经营效率具有正向影响。
在银行资产规模较小的条件下，小型商业银行由于自身经营实力较弱和所占的市场份额有限，在经营非利息业务时会受到种种限制，例如经营地域限制、资源投入限制和管理运营能力限制等，并且难以利用大数据时代发展带来的红利，很难进行非利息业务方面的“开源”和“节流”，因此就无法通过开展非利息业务来提高经营效率。
因此，本文提出假设2：小型商业银行的非利息收入对其经营效率的提升没有影响。
四、商业银行经营效率测度
（一）银行经营效率测度模型设计和选择
由于传统的DEA模型容易出现多个效率为1的情况，以致无法针对有效率的测度单位进行深入测度比较，Andersen 和Petersen（1993）对该模型加以改进，提出超效率DEA 模型，实现了对多个有效率单元效率值的测度和排序。超效率DEA 模型在可变规模报酬的情形下，容易出现无法测度的问题。为了克服上述问题，Tone（2001）构建了一个以松弛测度为基础、以非径向方式来估计效率的DEA 模型（即SBM 模型），并随后将SBM 模型和超效率DEA 模型结合起来，提出了超效率SBM-DEA 模型（Tone，2002）。该模型不但较好地解决了针对有效DMU的排序问题，并且通过非径向方式来估计效率，避免了传统以径向方式估计进而导致溢出现象的问题，因此该模型可以实现对DMU的更加有效和准确的测度。本文选用超效率SBM-DEA模型来对我国16家上市银行经营效率值进行测度和分析。
（二）投入和产出指标选择
在银行效率的研究中，对于投入和产出指标的定义和选择目前并没有形成广泛一致的意见，对投入和产出指标的定义和选择方法主要有三种：第一种是生产法，该方法将商业银行看成金融产品的提供者，将一般的资本和劳动力看成投入，将存款账户的数目和贷款笔数作为产出；第二种是中介法，该方法将银行视为把存款转化为贷款的转化机构，一般将存款、劳动力和资本作為投入项，产出为贷款项和其他利润项（主要指证券投资）；第三种是对偶法，该方法介于两种方法之间，将存款同时作为投入项和产出项是该方法的突出特点。本文根据多数学者的处理方法以及数据的可得性，采用生产法和中介法相结合的方式，将存款、固定资产和职工薪酬作为银行经营的投入项，将营业收入和税前利润作为产出项进行商业银行经营效率的测度。本文选取了国内16家上市商业银行2009—2016年的相关数据，使用MaxDEA软件进行分析，包括5家国有银行、8家股份制银行和3家城市商业银行。数据主要来源于BankScope数据库，少部分数据从各家银行年报中摘取。
（三）银行效率测度结果和效率分析
建立产出导向型的超效率SBM-DEA模型，估计后得到各家上市银行的技术效率、纯技术效率和规模效率，结果如表2所示。
三类上市银行整体的平均技术效率较低，仅为0.793。整体的技术效率呈现先增后降的趋势，这主要是受到整体纯技术效率先波动性上升后下降的影响。整体的规模效率变动较平稳，但仍有先增后降的特征。三类银行的技术效率都经历不同程度的波动：国有银行在2009—2014年期间技术效率稳步提高，2015—2016年开始出现连续下降，这主要是受到了纯技术效率先增后降的波动影响；股份制银行技术效率在经历了连续7年的增长之后在2016年也出现下降，同样是由于纯技术效率在2016年出现下降；城市商业银行的技术效率则经历较大起伏，但总体来看仍然呈现先增后降的变化趋势。国有银行的规模效率波动较小，但仍有下降趋势，股份制商业银行的规模效率呈现平稳性波动，而城市商业银行的规模效率在样本期内增长明显，中间略有下降，但总体上升势头明显，涨幅较大。
五、非利息收入对商业银行经营效率影响的实证分析
为了揭示在不同的资产规模下非利息收入与商业银行经营效率的非线性关系，本文建立面板门槛模型，将上市银行的资产规模作为门槛变量，将非利息收入占比作为影响银行经营效率的核心解释变量，并选取控制变量，来分析非利息收入对商业银行经营效率的影响。
（一）变量选取与数据说明
中国上市商业银行的经营效率存在多方面的影响因素，主要体现在银行内部特征和外部经营环境中，结合以往研究中的变量选取，本文选取以下几个变量对商业银行效率的影响因素进行分析。
1. 非利息收入占比（NII）。该变量的计算公式为：非利息收入/营业收入。商业银行的非利息收入主要包括两个方面——手续费及佣金收入和投资收益。该变量既能反映商业银行多元化经营的水平，又能在一定程度上反映商业银行拓展非利息业务的创新能力，是模型中的核心解释变量。
2. 资产规模（AS）。该变量为商业银行的年末总资产额，是模型中的门槛变量。
3. 不良贷款率（RISK）。不良贷款率反映了商业银行的贷款质量，是银行在业务经营过程中要考虑的一个十分重要的信用风险因素，风险变动会显著地影响商业银行的经营效率（刘孟飞和张晓岚，2013）。 4. 成本收入比（COST）。该变量为营业支出/营业收入。成本收入比反映了银行经营成本相对于营业收入的耗费情况，体现了商业银行成本管理能力的高低。
5. 存贷利差（CS）。该变量即为中国人民银行宣布的一年期存贷款基准利率之差，反映了商业银行利息业务的盈利空间。
6. 全社会固定资产投资增长率（FA）。由于我国多年来的投资结构都是以政府投资为主导，企业的融资渠道也是以银行融资为主，全社会固定资产投资资金主要来自商业银行的贷款，因此全社会固定资产投资增长率对商业银行经营效率也存在重要影响。
具体变量的定义及描述性统计结果见表3。
（二）面板门槛模型
本文主要研究在不同的资产规模下非利息收入占比对商业银行经营效率的影响。由于普通的线性模型并未考虑到门槛效应，所以本文借鉴汉森（Hansen，1999）所提出的模型进行分析。门槛模型设定如下：
其中被解释变量为商业银行经营效率（TE），由超效率SBM-DEA模型测度得到。TE越大，表明商业银行经营效率越高。核心解释变量为非利息收入占比（NII）；[γi]表示第i个门槛值（i = 1，2，…，n）；其余变量为控制变量，其基本含义如表3所示。
（三）实证分析
1. 门槛效应检验。本文使用stata14软件首先对非利息收入占比对银行经营效率的影响是否存在非线性的门槛效应进行检验，依次进行单一门槛和双重门槛的检验，门槛效应检验结果如表4所示。
由表4可知，单一门槛模型通过了显著性检验，并且由图2所示的单一门槛值的似然比检验结果也说明非利息收入占比对银行经营效率的影响存在显著的非线性特征，应建立单一门槛的面板模型进行分析。本文根据单一门槛的门槛值将16个上市银行划分为两个类型，将其中资产规模满足AS[≤]21163.390 亿元的银行定义为小型银行，将资产规模满足AS>21163.390亿元 的银行定义为大型银行。
2. 单一门槛模型的估计。本文对非利息收入占比对银行经营效率非线性影响的单一门槛面板模型进行估计，估计结果如表5所示。
由表5可知，在不同的银行资产规模下，非利息收入占比对银行经营效率的影响呈现出显著的差异。当资产规模AS[≤]21163.39亿元时，非利息收入占比的回归系数仅为0.00514，而且没有通过显著性检验；当资产规模AS>21163.39亿元时，非利息收入占比的回归系数增大为1.054，并且非常显著。从回归结果可以看出，当银行资产规模处于较小的资产规模区间时，非利息收入对银行经营效率影响为正但是影响很小，并且十分不显著；当银行资产规模处于较大资产规模区间时，非利息收入对银行经营效率的影响迅速增大，并且显著为正。
综合这两个阶段来看，在 2009—2016年期间，非利息收入提高了大型商业银行的经营效率，但对小型银行来说影响不明显，从整体来看存在一个单门槛效应的非线性特征。这是因为当银行的资产规模较小时，首先这些小型商业银行由于经营范围有限，在面对大型银行跨区域经营的竞争时实力较弱，小型银行在拓展非利息业务时并不能提高自己的经营绩效（黄泽勇，2013）；其次小型银行并不具备有助于商业银行降低产品研发和销售推广成本的规模效应（邰越越和杨虎锋，2014）；第三，随着金融科技的快速发展和互联网金融的兴起，小型银行在研发金融科技及其成果转化和布局互联网方面存在着明显的资金和技术劣势，导致小型银行无法通过降低非利息业务成本和增加非利息业务带来的利润来提高经营效率。因此接受假设2，即认为非利息收入对小型银行经营效率的提高没有影响。
相较来看，当银行的资产规模较大时，这些大型银行便可以通过跨区域经营和自身的规模效应来降低开发和推广非利息业务的成本，并且在金融科技研发和互联网金融应用上拥有得天独厚的资源优势，再加上在非利息业务的市场拓展方面已经经营多年，所积攒的市场资源和管理经验都是小型银行所不具备的。另外非利息收入对大型银行应对利率市场化带来的冲击效果更好（王欢和郭建强，2014）。这些因素都使非利息收入提高了大型商业银行的经营效率。因此接受假设1，即认为非利息收入对大型商业银行经营效率存在着显著的正向影响。
从控制变量来看，不良贷款率RISK的回归系数为负值，并且通过了显著性检验。這是由于不良贷款率的增大意味着银行信用风险上升，抑制了银行拓展业务和扩大规模，阻碍银行的持续健康发展，不利于商业银行经营效率的提高（刘孟飞和张晓岚，2013）。成本收入比COST的回归系数为负值，并且通过了显著性检验。存贷利差CS的回归系数为负值，但是没有通过显著性检验。全社会固定资产投资增长率FA的回归系数为正值但不显著，说明全社会固定资产投资增长率对银行经营效率存在不显著的正向影响。
3. 稳健性检验。上述分析表明了非利息收入对商业银行经营效率存在着显著的单一门槛效应。由于控制变量的增加或减少都可能影响模型的估计结果，因此本文在上述单一门槛模型的基础上依次剔除其中一个控制变量进行估计，用来检验模型的结果是否存在稳健性。在门槛效应的检验结果中，依次剔除一个控制变量后全部都接受了单一门槛效应，并且门槛值仍然为21163.390亿元，稳健性估计的结果如表6所示。
由表6可知，在原门槛模型中，剔除了控制变量RISK之后，在小型银行中非利息收入占比的估计系数变为负值，但依然很小而且不显著。除此之外，依次剔除控制变量COST、CS和FA之后，非利息收入占比NII的系数估计结果保持了符号的一致性，只是在数值上存在少许差别，说明随着银行资产规模增大，非利息收入对银行经营效率的影响具有显著增大的特征。上述稳健性检验表明本文的估计结果存在稳健性。
4. 门槛区间的构成和变化。2009—2016年位于两个资产规模区间的银行家数如表7所示。5家国有银行在样本期间内始终为大型银行；8家股份制银行在样本期间内资产规模发生了较大变化：2009年8家股份制银行全部为小型银行，2016年这8家银行全部跨入大型银行行列，资产规模始终在持续稳定地扩大；3家城市商业银行在样本期间内的资产规模也实现了不同程度的增长，其中北京银行在2016年跨入大型银行行列。图3表明了2009—2016年间，以21163.39为分界点的不同资产规模区间的银行家数变化趋势。可以看出，整体上大型银行的家数在样本期间逐年增长并且在2011年超过了小型银行的总家数，这主要是因为在样本期间股份制商业银行的资产规模增长较快、增长势头强劲，相比之下，城市商业银行的资产规模较小、增长较为缓慢。 六、结论和建议
（一）结论
本文利用2009—2016年中国16家上市商业银行的面板数据，构建了超效率SBM-DEA模型，对这16家上市银行在样本期间的技术效率、纯技术效率和规模效率进行了测度和分析。结果表明：我国商业银行整体经营效率不高，主要是受到了纯技术效率较低的影响，城市商业银行的经营效率要好于国有银行和股份制银行。同时构建了非利息收入占比和商业银行经营效率的单一门槛面板模型并进行了模型估计和分析，结果表明：对于资产规模小于21163.39亿元的小型银行来说，非利息收入占比对改善银行经营效率没有影响；对于资产规模超过21163.39亿元的大型银行来说，非利息收入占比对银行提高经营效率则更为有效。
（二）建议
一方面，随着利率市场化的迅速推进，商业银行传统的生存空间受到进一步挤压，转变经营模式已成为商业银行的必然选择，国内商业银行在进行非利息业务的拓展时，一定要根据自身的实际情况来发展，切勿盲目跟风。另一方面，我国经济正处在创新驱动战略和供给侧结构性改革浪潮之中，提效提质正是供给侧改革的核心目标，也是衡量商业银行健康可持续发展的优先指标。商业银行应主动调整来适应经济动能转型，在保持和扩大资产规模的同时，还需尽快实施业务转型、增强创新能力、提升经营效率、增强自身的核心竞争力。
大型银行一方面应该充分利用自身的体量优势和规模效应，积极拓展非利息业务，实现非利息业务的成本最小化、提升经营效率、增强自身的竞争力；另一方面应该抓住金融科技兴起和互联网金融发展带来的机遇，不断提高自身的管理效率和科技实力，充分利用大数据技术，紧跟客户的实际需求及时创新，积极提升产品设计和营销效率。例如为客户量身定制更多个性化的产品和服务，避免产品的同质化竞争，争取向高效率发展的优质银行转型。
小型银行目前应继续做好传统的存贷业务，在信贷业务方面寻找突破口，拓展目标客户群，积极主动地为中小微企业提供信贷资金支持，积极开发针对解决企业融资难的新型信贷产品。在推动信贷产品创新的同时要吸引更多的目标客户，积极开拓市场。小型银行通过自身的做大做强，不断夯实自身实力，为规模升级后拓展非利息业务打下基础和储备资源。
参考文献：
[1]Lepetit，L.，Nys，E，C.， Rous，P.， and Tarazi，A. 2008. The Expansion of Services in European Banking：Implications for Loan Pricing and Interest Margins[J].Journal of Banking and Finance，32（11）.
[2]Calmes， C.， Liu， Y. 2009. Financial structure change and banking income： A Canada-U.S. comparison [J].Ssrn Electronic Journal， 19（1）.
[3]Sanya， S.， Wolfe， S. 2011. Can Banks in Emerging Economies Benefit from Revenue Diversification？[J]. Journal of Financial Services Research， 40（1）.
[4]Meslier，C.，Tacneng，R.，Tarazi，A. 2013. Is bank income diversification beneficial？ Evidence from an emerging economy[J].Journal of International Financial Markets Institutions & Money， 31（1）.
[5]Gamra，SB.，Plihon，D. 2011. Revenue diversification in emerging market banks： implications for financial performance[J].Cepn Working Papers hal-00598136， HAL.
[6]Andersen P.，and Petersen.N.C.，1993. A Procedure for Ranking Units in Date Envelopment Analysis[J].Management Science，（39）.
[7]Tone， K. 2001. A Slacks-Based Measure of Efficiency in Data Envelopment Analysis[J].European Journal of Operational Research，130（3）.
[8]孫秀峰，迟国泰.中国商业银行效率的内生影响因素研究与实证[J].预测，2010，29（2）.
[9]马雯璐，马占新.基于DEA模型的中国商业银行效率及影响因素分析[D].内蒙古大学硕士研究生论文，2012.
[10]蒋莉.非利息收入对商业银行绩效影响的实证研究——基于我国16家上市银行的面板数据[J].科学技术与工程，2012，12（10）.
[11]邰越越，杨虎锋. 非利息收入对我国中小银行绩效的影响—基于44家银行面板数据的实证分析[J].浙江金融，2014，（8）.
[12]窦俊贤.经济新常态下的非利息收入与商业银行绩效研究[J].金融与经济， 2015，（9）.
[13]袁庆禄，龚廷秀.供给侧改革下的税负水平、业务结构与银行效率[J].金融发展研究， 2017，（3）.
[14]刘孟飞，张晓岚.风险约束下的商业银行效率及其影响因素研究[J].金融研究， 2013，（7）.
[15]王欢，郭建强.利率市场化、非利息收入与银行净利差[J].金融论坛， 2014，19（8）.
[16]吕喜明.互联网金融冲击下的A股上市银行创新能力评价研究—基于面板数据广义DEA模型[J].会计与经济研究，2016，（5）.
关键词：上市商业银行；经营效率；非利息收入；面板门槛模型
中图分类号：F830.33 文献标识码：A 文章编号：1674-2265（2018）02-0061-07
DOI：10.19647/j.cnki.37-1462/f.2018.02.010
一、引言
从2012年6月7日中国人民银行决定调整金融机构存款利率的浮动上限和贷款利率的浮动下限，至2013年7月19日宣布放开金融机构贷款利率管制，再到2015年10月24日起不再设置金融机构存款利率浮动上限，中国的利率市场化改革得到实质性发展。随着利率市场化进程的不断推进，面对着息差不断收窄的环境，商业银行之间的竞争逐步加剧，传统的信贷业务越来越无法支撑商业银行做优做强的战略目标。因此拓展非利息业务就成了商业银行提高经营效率、实现做优做强和持续发展的重中之重。截至2016年底，我国16家上市商业银行创造的非利息收入已达11120.97亿元，占整个商业银行营业收入的30.36%。由表1可以看出，2009—2016年我国所有上市商业银行的非利息收入占比均获得了较大的提高，非利息业务获得了突飞猛进的增长。由图1可以看出，我国上市商业银行的非利息收入占比整体上实现了逐年增长，股份制银行增长势头尤为强劲。非利息收入已经成为支撑商业银行收入增长的一项关键业务。可见，研究非利息收入占比和商业银行经营效率之间的关系对于商业银行优化资源配置、提高经营效率、实现高效发展具有重要的指导意义。
二、文献综述
（一）国外文献综述
在国外文献研究中， 学者持有三类不同的观点。一部分学者认为非利息收入并不能够明显改善商业银行的经营绩效，而且会增加银行经营风险。Lepetit 等（2008）对1996—2002 年欧洲银行业的多元化经营进行分析，得出非利息业务加大银行的经营风险，其对于经营绩效的改善并不明显。Calmes（2009）以加拿大银行样本数据进行实证研究也得到了相似的结论，他发现非利息收入的增加会使银行绩效降低、收入波动加大。也有部分学者认为非利息收入能够提高商业银行的经营绩效。Sanya 和Wolfe（2011）使用广义矩估计的方法对新兴经济体的上市银行展开研究，认为非利息收入可以改善商业银行盈利能力，但也伴随着银行破产风险的加大。Meslier 等（2013）研究新興经济体银行得出的结论是，非利息收入对银行业的利润和风险调整报酬具有正向影响。还有部分国外研究显示非息收入对银行绩效的影响不是绝对正相关或负相关，这取决于银行自身因素。Gamra与Plihon（2011）对14 个东亚和拉丁美洲国家的714 家银行展开研究认为，在新兴经济体市场中，非利息收入对银行的影响与银行规模、经营方式相关，因此银行在开展非利息业务时应当结合自身情况。
（二）国内文献综述
在国内学者的研究中，由于数据选取、指标选择和模型设定等方面的差异，研究结论也很难一致。袁晓玲和张宝山（2008）基于1999—2006 年中国15 家商业银行的面板数据，运用非参数DEA 模型的Malmquist 生产率指数，测算了商业银行的全要素生产率，结果显示中国商业银行全要素生产率整体呈现下降趋势，且非利息收入占比对商业银行资源利用影响作用甚微。孙秀峰和迟国泰（2010）利用我国商业银行的数据展开研究，结果表明扩大非信贷业务比重有利于提高效率。马雯璐和马占新（2012）基于2001—2009年中国15家商业银行的面板数据，提出了银行效率评价的非参数DEA模型，并采用随机效应Tobit模型对影响中国商业银行综合效率、纯技术效率和规模效率的微观因素进行定量分析，得出中间业务占比对商业银行的综合效率和纯技术效率具有显著的正向影响。蒋莉（2012）发现在非利息收入不会引起经营成本大幅上升的情况下，增加非利息收入有助于银行收益率水平的提高。姚文韵（2012）选用2000—2010 年14 家上市商业银行数据作为研究样本，结果显示非利息收入份额与资产收益率（ROA） 存在不显著的负向关系，手续费和佣金收入份额与资产收益率（ ROA） 为显著的正相关关系，而其他业务收入份额却与资产收益率（ ROA） 有显著的负相关关系。邰越越和杨虎峰（2014）通过建立变截距固定效应模型，实证分析了非利息收入对中小型商业银行绩效的影响，研究结果表明非利息收入占比与非利息收入种类数对银行绩效的影响并不显著，甚至会降低银行的绩效。窦俊贤（2015）通过构建动态面板数据模型和应用系统GMM 估计方法，对2008—2013 年我国16 家上市商业银行的数据进行回归，发现非利息收入与商业银行绩效呈现倒U 形关系。袁庆禄和龚廷秀（2017）基于2004—2014年我国16家上市商业银行的面板数据研究发现，国内商业银行整体效率不容乐观。在低税负水平环境下，提高中间业务收入占比对改善银行效率更为有效，银行应从优化业务结构、控制营业支出和适度扩大规模着手，有效提升银行效率。
可见，关于非利息收入与商业银行经营效率的关系，既有影响甚微的研究结论，也有学者认为存在显著的线性关系，也有认为这种影响关系在不同的税收水平下是非线性的。目前，针对在不同的资产规模下非利息收入对商业银行效率影响关系的研究甚少，因此本文以2009—2016年我国16家上市银行为研究对象，通过构建影响商业银行经营效率的面板门槛模型来分析非利息收入是否会对商业银行经营效率产生显著影响以及这种影响在不同的资产规模下是否是非线性的。 三、不同资产规模下非利息收入对商业银行经营效率影响的分析和模型假设
在银行资产规模较大的条件下，首先，银行的非利息业务经营范围较广，在商业银行进行跨区域竞争时优势明显；其次，由于具有品牌效应，即使大型银行在开展非利息业务过程中开发的产品和服务具有较强的同质性，客户在购买同种类产品时仍然会倾向于购买大型银行提供的产品，进而提高了大型银行在非利息业务运行方面的收入；在经营非利息业务时大型银行具备较强的成本控制能力和规模效应，在非利息业务开展过程中的“节流”方面做得更为出色；拥有大量的分支机构和营业网点使得大型商业银行在推广非利息业务的创新应用方面更为高效，针对客户的特定非利息业务反馈机制也更加完善；除了以上因素之外，大型商业银行在金融科技研发和大数据应用方面的实力较为强劲，能够为客户量身定制更具个性化的产品和服务，进一步开拓市场、实现非利息业务收入的大幅增长。
因此，本文提出假设1：大型商业银行的非利息收入对其经营效率具有正向影响。
在银行资产规模较小的条件下，小型商业银行由于自身经营实力较弱和所占的市场份额有限，在经营非利息业务时会受到种种限制，例如经营地域限制、资源投入限制和管理运营能力限制等，并且难以利用大数据时代发展带来的红利，很难进行非利息业务方面的“开源”和“节流”，因此就无法通过开展非利息业务来提高经营效率。
因此，本文提出假设2：小型商业银行的非利息收入对其经营效率的提升没有影响。
四、商业银行经营效率测度
（一）银行经营效率测度模型设计和选择
由于传统的DEA模型容易出现多个效率为1的情况，以致无法针对有效率的测度单位进行深入测度比较，Andersen 和Petersen（1993）对该模型加以改进，提出超效率DEA 模型，实现了对多个有效率单元效率值的测度和排序。超效率DEA 模型在可变规模报酬的情形下，容易出现无法测度的问题。为了克服上述问题，Tone（2001）构建了一个以松弛测度为基础、以非径向方式来估计效率的DEA 模型（即SBM 模型），并随后将SBM 模型和超效率DEA 模型结合起来，提出了超效率SBM-DEA 模型（Tone，2002）。该模型不但较好地解决了针对有效DMU的排序问题，并且通过非径向方式来估计效率，避免了传统以径向方式估计进而导致溢出现象的问题，因此该模型可以实现对DMU的更加有效和准确的测度。本文选用超效率SBM-DEA模型来对我国16家上市银行经营效率值进行测度和分析。
（二）投入和产出指标选择
在银行效率的研究中，对于投入和产出指标的定义和选择目前并没有形成广泛一致的意见，对投入和产出指标的定义和选择方法主要有三种：第一种是生产法，该方法将商业银行看成金融产品的提供者，将一般的资本和劳动力看成投入，将存款账户的数目和贷款笔数作为产出；第二种是中介法，该方法将银行视为把存款转化为贷款的转化机构，一般将存款、劳动力和资本作為投入项，产出为贷款项和其他利润项（主要指证券投资）；第三种是对偶法，该方法介于两种方法之间，将存款同时作为投入项和产出项是该方法的突出特点。本文根据多数学者的处理方法以及数据的可得性，采用生产法和中介法相结合的方式，将存款、固定资产和职工薪酬作为银行经营的投入项，将营业收入和税前利润作为产出项进行商业银行经营效率的测度。本文选取了国内16家上市商业银行2009—2016年的相关数据，使用MaxDEA软件进行分析，包括5家国有银行、8家股份制银行和3家城市商业银行。数据主要来源于BankScope数据库，少部分数据从各家银行年报中摘取。
（三）银行效率测度结果和效率分析
建立产出导向型的超效率SBM-DEA模型，估计后得到各家上市银行的技术效率、纯技术效率和规模效率，结果如表2所示。
三类上市银行整体的平均技术效率较低，仅为0.793。整体的技术效率呈现先增后降的趋势，这主要是受到整体纯技术效率先波动性上升后下降的影响。整体的规模效率变动较平稳，但仍有先增后降的特征。三类银行的技术效率都经历不同程度的波动：国有银行在2009—2014年期间技术效率稳步提高，2015—2016年开始出现连续下降，这主要是受到了纯技术效率先增后降的波动影响；股份制银行技术效率在经历了连续7年的增长之后在2016年也出现下降，同样是由于纯技术效率在2016年出现下降；城市商业银行的技术效率则经历较大起伏，但总体来看仍然呈现先增后降的变化趋势。国有银行的规模效率波动较小，但仍有下降趋势，股份制商业银行的规模效率呈现平稳性波动，而城市商业银行的规模效率在样本期内增长明显，中间略有下降，但总体上升势头明显，涨幅较大。
五、非利息收入对商业银行经营效率影响的实证分析
为了揭示在不同的资产规模下非利息收入与商业银行经营效率的非线性关系，本文建立面板门槛模型，将上市银行的资产规模作为门槛变量，将非利息收入占比作为影响银行经营效率的核心解释变量，并选取控制变量，来分析非利息收入对商业银行经营效率的影响。
（一）变量选取与数据说明
中国上市商业银行的经营效率存在多方面的影响因素，主要体现在银行内部特征和外部经营环境中，结合以往研究中的变量选取，本文选取以下几个变量对商业银行效率的影响因素进行分析。
1. 非利息收入占比（NII）。该变量的计算公式为：非利息收入/营业收入。商业银行的非利息收入主要包括两个方面——手续费及佣金收入和投资收益。该变量既能反映商业银行多元化经营的水平，又能在一定程度上反映商业银行拓展非利息业务的创新能力，是模型中的核心解释变量。
2. 资产规模（AS）。该变量为商业银行的年末总资产额，是模型中的门槛变量。
3. 不良贷款率（RISK）。不良贷款率反映了商业银行的贷款质量，是银行在业务经营过程中要考虑的一个十分重要的信用风险因素，风险变动会显著地影响商业银行的经营效率（刘孟飞和张晓岚，2013）。 4. 成本收入比（COST）。该变量为营业支出/营业收入。成本收入比反映了银行经营成本相对于营业收入的耗费情况，体现了商业银行成本管理能力的高低。
5. 存贷利差（CS）。该变量即为中国人民银行宣布的一年期存贷款基准利率之差，反映了商业银行利息业务的盈利空间。
6. 全社会固定资产投资增长率（FA）。由于我国多年来的投资结构都是以政府投资为主导，企业的融资渠道也是以银行融资为主，全社会固定资产投资资金主要来自商业银行的贷款，因此全社会固定资产投资增长率对商业银行经营效率也存在重要影响。
具体变量的定义及描述性统计结果见表3。
（二）面板门槛模型
本文主要研究在不同的资产规模下非利息收入占比对商业银行经营效率的影响。由于普通的线性模型并未考虑到门槛效应，所以本文借鉴汉森（Hansen，1999）所提出的模型进行分析。门槛模型设定如下：
其中被解释变量为商业银行经营效率（TE），由超效率SBM-DEA模型测度得到。TE越大，表明商业银行经营效率越高。核心解释变量为非利息收入占比（NII）；[γi]表示第i个门槛值（i = 1，2，…，n）；其余变量为控制变量，其基本含义如表3所示。
（三）实证分析
1. 门槛效应检验。本文使用stata14软件首先对非利息收入占比对银行经营效率的影响是否存在非线性的门槛效应进行检验，依次进行单一门槛和双重门槛的检验，门槛效应检验结果如表4所示。
由表4可知，单一门槛模型通过了显著性检验，并且由图2所示的单一门槛值的似然比检验结果也说明非利息收入占比对银行经营效率的影响存在显著的非线性特征，应建立单一门槛的面板模型进行分析。本文根据单一门槛的门槛值将16个上市银行划分为两个类型，将其中资产规模满足AS[≤]21163.390 亿元的银行定义为小型银行，将资产规模满足AS>21163.390亿元 的银行定义为大型银行。
2. 单一门槛模型的估计。本文对非利息收入占比对银行经营效率非线性影响的单一门槛面板模型进行估计，估计结果如表5所示。
由表5可知，在不同的银行资产规模下，非利息收入占比对银行经营效率的影响呈现出显著的差异。当资产规模AS[≤]21163.39亿元时，非利息收入占比的回归系数仅为0.00514，而且没有通过显著性检验；当资产规模AS>21163.39亿元时，非利息收入占比的回归系数增大为1.054，并且非常显著。从回归结果可以看出，当银行资产规模处于较小的资产规模区间时，非利息收入对银行经营效率影响为正但是影响很小，并且十分不显著；当银行资产规模处于较大资产规模区间时，非利息收入对银行经营效率的影响迅速增大，并且显著为正。
综合这两个阶段来看，在 2009—2016年期间，非利息收入提高了大型商业银行的经营效率，但对小型银行来说影响不明显，从整体来看存在一个单门槛效应的非线性特征。这是因为当银行的资产规模较小时，首先这些小型商业银行由于经营范围有限，在面对大型银行跨区域经营的竞争时实力较弱，小型银行在拓展非利息业务时并不能提高自己的经营绩效（黄泽勇，2013）；其次小型银行并不具备有助于商业银行降低产品研发和销售推广成本的规模效应（邰越越和杨虎锋，2014）；第三，随着金融科技的快速发展和互联网金融的兴起，小型银行在研发金融科技及其成果转化和布局互联网方面存在着明显的资金和技术劣势，导致小型银行无法通过降低非利息业务成本和增加非利息业务带来的利润来提高经营效率。因此接受假设2，即认为非利息收入对小型银行经营效率的提高没有影响。
相较来看，当银行的资产规模较大时，这些大型银行便可以通过跨区域经营和自身的规模效应来降低开发和推广非利息业务的成本，并且在金融科技研发和互联网金融应用上拥有得天独厚的资源优势，再加上在非利息业务的市场拓展方面已经经营多年，所积攒的市场资源和管理经验都是小型银行所不具备的。另外非利息收入对大型银行应对利率市场化带来的冲击效果更好（王欢和郭建强，2014）。这些因素都使非利息收入提高了大型商业银行的经营效率。因此接受假设1，即认为非利息收入对大型商业银行经营效率存在着显著的正向影响。
从控制变量来看，不良贷款率RISK的回归系数为负值，并且通过了显著性检验。這是由于不良贷款率的增大意味着银行信用风险上升，抑制了银行拓展业务和扩大规模，阻碍银行的持续健康发展，不利于商业银行经营效率的提高（刘孟飞和张晓岚，2013）。成本收入比COST的回归系数为负值，并且通过了显著性检验。存贷利差CS的回归系数为负值，但是没有通过显著性检验。全社会固定资产投资增长率FA的回归系数为正值但不显著，说明全社会固定资产投资增长率对银行经营效率存在不显著的正向影响。
3. 稳健性检验。上述分析表明了非利息收入对商业银行经营效率存在着显著的单一门槛效应。由于控制变量的增加或减少都可能影响模型的估计结果，因此本文在上述单一门槛模型的基础上依次剔除其中一个控制变量进行估计，用来检验模型的结果是否存在稳健性。在门槛效应的检验结果中，依次剔除一个控制变量后全部都接受了单一门槛效应，并且门槛值仍然为21163.390亿元，稳健性估计的结果如表6所示。
由表6可知，在原门槛模型中，剔除了控制变量RISK之后，在小型银行中非利息收入占比的估计系数变为负值，但依然很小而且不显著。除此之外，依次剔除控制变量COST、CS和FA之后，非利息收入占比NII的系数估计结果保持了符号的一致性，只是在数值上存在少许差别，说明随着银行资产规模增大，非利息收入对银行经营效率的影响具有显著增大的特征。上述稳健性检验表明本文的估计结果存在稳健性。
4. 门槛区间的构成和变化。2009—2016年位于两个资产规模区间的银行家数如表7所示。5家国有银行在样本期间内始终为大型银行；8家股份制银行在样本期间内资产规模发生了较大变化：2009年8家股份制银行全部为小型银行，2016年这8家银行全部跨入大型银行行列，资产规模始终在持续稳定地扩大；3家城市商业银行在样本期间内的资产规模也实现了不同程度的增长，其中北京银行在2016年跨入大型银行行列。图3表明了2009—2016年间，以21163.39为分界点的不同资产规模区间的银行家数变化趋势。可以看出，整体上大型银行的家数在样本期间逐年增长并且在2011年超过了小型银行的总家数，这主要是因为在样本期间股份制商业银行的资产规模增长较快、增长势头强劲，相比之下，城市商业银行的资产规模较小、增长较为缓慢。 六、结论和建议
（一）结论
本文利用2009—2016年中国16家上市商业银行的面板数据，构建了超效率SBM-DEA模型，对这16家上市银行在样本期间的技术效率、纯技术效率和规模效率进行了测度和分析。结果表明：我国商业银行整体经营效率不高，主要是受到了纯技术效率较低的影响，城市商业银行的经营效率要好于国有银行和股份制银行。同时构建了非利息收入占比和商业银行经营效率的单一门槛面板模型并进行了模型估计和分析，结果表明：对于资产规模小于21163.39亿元的小型银行来说，非利息收入占比对改善银行经营效率没有影响；对于资产规模超过21163.39亿元的大型银行来说，非利息收入占比对银行提高经营效率则更为有效。
（二）建议
一方面，随着利率市场化的迅速推进，商业银行传统的生存空间受到进一步挤压，转变经营模式已成为商业银行的必然选择，国内商业银行在进行非利息业务的拓展时，一定要根据自身的实际情况来发展，切勿盲目跟风。另一方面，我国经济正处在创新驱动战略和供给侧结构性改革浪潮之中，提效提质正是供给侧改革的核心目标，也是衡量商业银行健康可持续发展的优先指标。商业银行应主动调整来适应经济动能转型，在保持和扩大资产规模的同时，还需尽快实施业务转型、增强创新能力、提升经营效率、增强自身的核心竞争力。
大型银行一方面应该充分利用自身的体量优势和规模效应，积极拓展非利息业务，实现非利息业务的成本最小化、提升经营效率、增强自身的竞争力；另一方面应该抓住金融科技兴起和互联网金融发展带来的机遇，不断提高自身的管理效率和科技实力，充分利用大数据技术，紧跟客户的实际需求及时创新，积极提升产品设计和营销效率。例如为客户量身定制更多个性化的产品和服务，避免产品的同质化竞争，争取向高效率发展的优质银行转型。
小型银行目前应继续做好传统的存贷业务，在信贷业务方面寻找突破口，拓展目标客户群，积极主动地为中小微企业提供信贷资金支持，积极开发针对解决企业融资难的新型信贷产品。在推动信贷产品创新的同时要吸引更多的目标客户，积极开拓市场。小型银行通过自身的做大做强，不断夯实自身实力，为规模升级后拓展非利息业务打下基础和储备资源。
参考文献：
[1]Lepetit，L.，Nys，E，C.， Rous，P.， and Tarazi，A. 2008. The Expansion of Services in European Banking：Implications for Loan Pricing and Interest Margins[J].Journal of Banking and Finance，32（11）.
[2]Calmes， C.， Liu， Y. 2009. Financial structure change and banking income： A Canada-U.S. comparison [J].Ssrn Electronic Journal， 19（1）.
[3]Sanya， S.， Wolfe， S. 2011. Can Banks in Emerging Economies Benefit from Revenue Diversification？[J]. Journal of Financial Services Research， 40（1）.
[4]Meslier，C.，Tacneng，R.，Tarazi，A. 2013. Is bank income diversification beneficial？ Evidence from an emerging economy[J].Journal of International Financial Markets Institutions & Money， 31（1）.
[5]Gamra，SB.，Plihon，D. 2011. Revenue diversification in emerging market banks： implications for financial performance[J].Cepn Working Papers hal-00598136， HAL.
[6]Andersen P.，and Petersen.N.C.，1993. A Procedure for Ranking Units in Date Envelopment Analysis[J].Management Science，（39）.
[7]Tone， K. 2001. A Slacks-Based Measure of Efficiency in Data Envelopment Analysis[J].European Journal of Operational Research，130（3）.
[8]孫秀峰，迟国泰.中国商业银行效率的内生影响因素研究与实证[J].预测，2010，29（2）.
[9]马雯璐，马占新.基于DEA模型的中国商业银行效率及影响因素分析[D].内蒙古大学硕士研究生论文，2012.
[10]蒋莉.非利息收入对商业银行绩效影响的实证研究——基于我国16家上市银行的面板数据[J].科学技术与工程，2012，12（10）.
[11]邰越越，杨虎锋. 非利息收入对我国中小银行绩效的影响—基于44家银行面板数据的实证分析[J].浙江金融，2014，（8）.
[12]窦俊贤.经济新常态下的非利息收入与商业银行绩效研究[J].金融与经济， 2015，（9）.
[13]袁庆禄，龚廷秀.供给侧改革下的税负水平、业务结构与银行效率[J].金融发展研究， 2017，（3）.
[14]刘孟飞，张晓岚.风险约束下的商业银行效率及其影响因素研究[J].金融研究， 2013，（7）.
[15]王欢，郭建强.利率市场化、非利息收入与银行净利差[J].金融论坛， 2014，19（8）.
[16]吕喜明.互联网金融冲击下的A股上市银行创新能力评价研究—基于面板数据广义DEA模型[J].会计与经济研究，2016，（5）.