第三节银行效率测度方法的发展

第三节　银行效率测度方法的发展 及在中国的应用

一、银行效率测度的一般方法

国内外现有文献中使用的银行效率测度方法主要有两类(见图1－1):第一类是财务指标分析法。该方法根据银行的财务报表计算出反映银行财务状况和经营管理水平的财务指标，主要包括经营绩效指标、成本绩效指标、资产配置指标、信用风险指标四大类。财务指标分析方法的优点是数据易于获得、结论简单明了、容易被人接受。该方法的缺点主要是计算出的财务指标解释力不强，具有一定的单一性或者说片面性。此外，根据该方法评价银行的效率很可能得出互相矛盾的结论。例如，根据获利能力指标，A银行的资产收益率比B银行的高，因而A的获利能力比B强；根据费用控制能力指标，A的资产费用率比B高，B的费用控制能力比A强，这样，研究者就无法对A、B两家银行的经营效率做出判断。正是由于这一缺陷的存在，该方法在近来的国外文献中已经很少出现，在国内出现得也很少。另一类是前沿分析方法。前沿分析的核心是根据已知的投入产出观察值，确定所有可能的投入产出的外部边界(即生产前沿面)，使所有产出值位于边界之内，所有投入值位于边界之外，每个观察值与边界的距离即为该生产点的效率。在实际应用中，前沿效率是一种相对效率而不是绝对效率，即效率前沿面始终由样本中最佳机构或其组合(效率值为100%)构成(Berger和Mester，1997)。

图1－1　银行效率测度的常用方法

根据是否需要估计前沿生产函数中的参数，前沿效率分析可以分为参数估计和非参数估计两种方法。非参数分析法又可进一步划分为数据包络分析法(Data Envelopment Analysis，DEA)和无界分析法(Free Disposal Hull，FDH)，其中无界分析法是数据包络分析的特例。该类方法中用得最多的是数据包络分析法，它利用线性规划方法及对偶原理，通过对商业银行的投入产出指标的组合分析，评价成本效率水平。参数法是利用多元统计分析技术，确定前沿成本函数中的未知参数，继而由之计算理论最小成本和实际成本比值的一种计量经济学方法。根据对前沿函数中成本无效率项分布的假设不同，参数法可分为随机前沿方法(Stochastic Frontier Approach，SFA)、自由分布法(Distribution Free Approach，DFA)和厚边界函数法(Thick Frontier Analysis，TFA)三种(Berger et al．，1993)。

(一)最基本的非参数法－－数据包络分析法及其原理

数据包络分析法是一种线性规划方法，最初由Charne等(1978)在Farell(1957)的生产效率的基础上提出。Farre(1957)提出了一个能解释多种投入的公司的效率测度方式，并将公司效率分为两个部分:(1)技术效率(Technical Efficiency)，它反映了在给定投入的情况下，公司获得最大产出的能力；(2)配置效率(Allocative Efficiency)，它反映了给定投入要素的价格的情况下，公司利用最佳投入比例的能力。

基本的DEA模型有规模报酬不变模型和规模报酬可变模型。规模报酬不变模型是Charnes，Cooper和Rhodes(1978)所提出的最基本的模型，也称为CCR模型，可以用来测度决策单位的技术效率；规模报酬可变模型则是由Banker，Charnes和Cooper(1984)在假定决策单位的规模报酬可变的情况下发展出来的，所以也称为BCC模型，这一模型放松了CCR模型的规模报酬不变这一限制条件，它测度的是纯技术效率(Pure Technical Efficiency)，并且它也允许将技术效率分解成纯技术效率和规模效率。当前，人们使用的模型主要为BCC模型，本文以图1－2来说明BCC模型的原理:

图1－2为一项投入L和一项产出Q的生产情形。共有A、B、C、D四个单位使用投入要素L生产产品Q，以A、B、C、D四点分别表示四家单位的投入产出情况，其中A、B、C三点位于生产前沿面上，点D位于生产前沿内部，折线ABC则构成生产前沿。D点表示在投入L₄单位的L要素下生产出G单位的产出Q。在相同的条件下，在点S生产只需要投入L₃单位的L就可以生产出G单位的Q，因而D点是无效率的，Banker，Charnes和Cooper(1984)定义纯技术效率为在特定的产出水平之下，位于生产边界上的投入与实际投入的比值；定义规模效率为在特定的产出水平下，位于生产边界上的投入与目标值投入的比值；技术效率值为纯技术效率与规模效率的乘积。因而点D的纯技术效率值为GS/GD= L₃/L₄；点D的规模效率值为GR/GS= L₁/L₃，点D的技术效率值为GR/GD= L₁/L₄。

图1－2　BCC模型的原理

根据定义，位于生产前沿上的点(如点A、B、C)的技术效率、纯技术效率和规模效率都为1。

(二)最基本的参数法－－随机前沿方法及其原理

随机前沿方法(Stochastic Frontier Approach，SFA)是最早使用的参数法，它由Aigner，Lovell，Schmidt(ALS)和Meeusen，van den Broeck(MB)同时于1977年提出，其函数表达式为:Y= f(X)exp(ε)。其中f(X)exp(v)代表随机前沿生产函数，ε为残差，并将残差ε分解成随机误差项v_i和X-无效率项u_i。

一般假定v_i独立同分布N(0，σ²_v)；u_i为银行的X-无效率项，其分布假定主要有半正态分布、截断正态分布、指数分布和gamma分布；u_i、v_i和z_i彼此独立。根据u_i、v_i和z_i的分布假定，可以推出含N个样本点的对数似然函数，最大化对数似然函数可以得到参数的估计值。估计出参数后，应用Jondrow，Lovell，Materov和Schmidt(JLMS)(1982)得出的方法得到给定ε下u的数学期望E(u_i|ε)。从而最终得到第i家银行的X-无效率值:X-eff_i= exp(－E(u_i|ε))。

(三)随机前沿法SFA与数据包络分析法DEA的比较

随机前沿法和数据包络分析法各有优缺点:与随机前沿法相比，数据包络分析法的优点主要是它无需知道生产函数的具体形式，在研究中受到的约束相对较少，得出的技术效率除可以指明与最佳企业相比，被评价机构的投入利用效果外，还可以得知企业在哪些投入要素的使用上效率更低，从而找出改进效率的途径；除可以得到银行的技术效率外，还可以测算出经济效率、配置效率和纯技术效率，对企业的评价更加全面。其缺点主要是它没有考虑运气成分、数据问题或其他计量问题所引起的随机误差，如果存在随机误差，则评价的效率值可能会与随机的偏离混在一起；它对效率的估计值偏低，离散程度较大，且不能方便地检验结果的显著性；当约束条件较多时它往往会得出观察数据100%有效的结论。

相反，随机前沿法考虑了随机误差对银行效率的干扰，得出的样本银行效率值离散度较小，便于区分；避免了数据包络分析法中存在多个样本点效率均为1的情况(Berger和Humphrey，1997)。但随机前沿法设定了特定的函数形式，这种函数形式隐含了效率前沿的形状。也就是说如果函数形式设定偏差过大了，那么测算出的效率将会受到设定误差很大的影响。例如我们通常采用的超越对数方程使得平均成本的前沿曲线呈现出对称的U形；而且，随机前沿法对误差项做出了各种不同的分布假设，这些分布假设往往受到较多的攻击。

二、银行效率测度方法的进一步发展

随机前沿法与数据包络法各有优点及缺点，很难说谁比谁好。改进的方向是不断吸收对方的优点，克服自己的缺陷。例如在数据包络法中引入一定程度的随机误差项；在随机前沿法的基础上发展出自由分布法、厚前沿法、递归厚前沿法。

(一)DEA方法的完善与发展－－超效率DEA法，随机DEA法

1．超效率DEA法

数据包络分析的CCR模型和BCC模型往往会得出数个“有效”(即效率值为1)的决策单元，而无法直接比较有效决策单元之间的效率高低。为了弥补这一缺陷，Andersen和Petersen(1993)提出了一种DEA的“超效率”(Super－Efficiency)模型，使有效决策单元之间也能比较效率的高低。这个模型的基本思路是:在评估决策单元的效率时，将其排除在决策单元的参考集合之外。下面以图1－3来说明这一思路。

以商业银行C为例。图1－3中，C点处在由A、B、C、D四家银行构成的生产前沿面上，用CCR模型计算出商业银行C的效率值为1。按照超效率模型的思路，在计算商业银行C的效率值时，C点应排除在商业银行的参考集合之外，于是生产前沿面就由ABCD变为了ABD，此时C点的效率值X-ineffC= OC'/OC＞1。对于CCR模型中本来就是无效率的商业银行E，在超效率模型中其生产前沿面仍然是ABCD，效率值与CCR模型的一致，仍然是X-ineffE=OE'/OE＜1。

可以看出，超效率DEA模型与CCR模型的区别仅仅在于:超效率DEA模型在求解第t家商业银行的效率值时，其约束条件中决策单元的参考集合将第t家商业银行排除在外。在超效率模型中，对于无效率的商业银行，其效率值与CCR模型一致；而对于有效率的商业银行，例如效率值为1．20，则表示该商业银行即使再等比例地增加20%的投入，它在整个商业银行样本集合中仍能保持相对有效(即效率值仍能维持在1以上)。

图1－3　超效率DEA模型的原理

2．随机DEA法

传统的CCR模型存在的另一缺陷是没有考虑运气成分、数据问题或其他计量问题所引起的随机误差，如果存在随机误差，则评价的效率值可能会与随机的偏离混在一起；它对效率的估计值偏低，离散程度较大，且不能方便地检验结果的显著性。为解决这个问题，许多学者试图将随机因素引入DEA模型，从而拓宽DEA模型的应用领域，提高评价的准确性。近年来国内外学者进行了较深入细致的研究，提出了许多相应的模型和方法。Banker(1993)和肖渡等(1996)把统计方法引入DEA，提出了用最大似然估计法处理DEA中的随机性；Olesen和Petersen(1995)使用可信度域的分段线性包络方法提出了概率约束DEA模型；Cooper等(1996)把满意度概念引入DEA，提出了满意DEA模型；胡汉辉(1995)等利用最小绝对误差估计和机会约束规划方法，对单输出条件下DEA模型中的随机性问题进行了初步研究；曾祥云等(2000)从分析引起投入、产出指标随机性的因素出发，讨论了决策单元随机DEA有效的定义，建立了随机DEA规划模型，并利用随机规划和目标规划原理，将随机DEA问题转化为确定型线性规划问题求解，得到了判断决策单元随机DEA有效的必要条件。

(二)SFA方法的完善与发展－－自由分布法、厚前沿方法、递归厚前沿方法

在分离X-无效率项时，SFA方法最初假设它们服从半正态分布或指数分布(Aigner、Lovell and Schmidt(1977)，Meeusen and van den Broeck(1977)，Battese and Corra(1977))，为了扩大该方法的适用性和准确性，许多学者研究了X-无效率项的其他分布形式，如Greene(1980a，b)提出了Gamma分布，Stevenson(1980)提出了Gamma分布和截断正态分布，Lee(1983)甚至提出了四个参数的Pearson分布。一些学者从其他角度来估计X-无效率项，如John Ruggiero(1999)在Gong和Sickles(1992)的基础上提出用蒙特卡罗模拟来估计随机前沿模型；Efthymios G．Tsionas和Subal C．Kumbhakar(2004)提出了马尔科夫随机前沿模型(Markov switching stochastic frontiermodel)。

SFA方法对误差项的分布形式做出了严格的假定(如最初假定随机误差项服从半正态分布)。然而，误差项的分布形式往往是未知的，不同的分布假设很可能影响效率测度结果。为了克服上述缺陷，Berger(1993)年在Schmidt和Sickles(1984)的研究基础上提出了自由分布方法(Distribution－Free Approach，DFA)，Berger和Humphrey(1992)提出了厚前沿方法(thick frontier approach，TFA)，Rien Wagenvoort和Paul Schure(2005)提出了递归厚前沿法(recursive thick－frontier approach，RTFA)。

1．自由分布法

自由分布法也设定了成本或者利润的函数形式，但是这种方法并没有对误差项的分布形式做出任何设定。自由分布法只是假定在一定时期内被度量公司的非效率项是固定不变的，而且随机误差项的均值趋近于0。因此非效率程度可以根据最小的平均残差与总残差之间的偏离来估计(Berger和Humphrey 1997)。

这种方法使用了面板数据。假设成本函数是:ln C_i，t= ln f(Y_i，t，w_i，t)+ ln x_i+ ln v_i，t其中C代表总成本，f()是成本函数，Y是产出向量，w是投入价格向量，x_i代表非效率项，v_ij是随机误差项。ln x和ln v构成混合误差项:lnε_i，t= ln x_i+ ln v_i，t。由于随机误差项在各个年份将会被抵消，也就是随机误差项的均值为0，所以用平均残差来估计公司的非效率项ln x_i。定义公司i的DFA估计量为:，其中T为观测的年份宽度。X-无效率为:

2．厚前沿方法

厚前沿方法同样不对随机误差项和无效率项的分布作具体的假设，而是假设样本公司可分为四分位区间的两组(绩效最佳和最差)，在两组样本银行之间出现的差异是由无效率造成的；在组内样本银行之间出现的差异是由随机误差造成的。

运用厚前沿方法来测度银行效率，就是分别对绩效最佳和最差的四分位区间内的样本银行估算效率前沿函数，这种效率前沿被称为厚前沿。由于假定组内样本银行之间的差异是随机误差，因此组内样本银行之间不存在效率差异。相反，通过考察两个厚前沿之间的偏差，得出这两组样本银行的效率差异。通常，厚前沿方法只估算四分位区间内银行间的效率水平，而不测度单个银行的效率。为了估算单个银行在每个时间段内的效率值，还需对厚前沿方法进行修正。同时，厚前沿方法对样本的分类有些随意，如采取四分位数。

3．递归厚前沿方法

上述几种方法都存在随意假设随机误差项和无效率项服从某种分布的问题；随机前沿法假定无效率项服从非对称分布；自由分布法假定无效率项不随时间变化；厚前沿法又随意选择四分位法对样本数据进行分类。为了克服上述各测度方法的缺陷，Rien Wagenvoort和Paul Schure(2005)提出了递归厚前沿法(recursive thick－frontier approach，RTFA)。该方法不对随机误差项和无效率项的分布作严格的假定，只是假定银行效率中存在随机误差项。它首先对总样本进行回归，得出一个初始效率前沿函数，再进一步测算样本的总估算成本或利润，然后通过统计检验来验证各样本是否符合上述随机误差假设。如果符合，则回归结束，各样本点均为高绩效；如果不符合，则在剔除掉那些实际成本或利润与其估测成本或利润偏差较大的样本点后重新进行回归。这样，通过递归分析可以将总样本分为高绩效子样本和低绩效子样本。然后，再对高绩效子样本进行回归，分析得出效率前沿或利润函数。最后，通过计算待考察样本点与效率前沿样本点之间的成本或利润差异，得到待考察银行的效率值。该方法避免了对无效率项分布的假定。然而，采用递归厚前沿方法有可能较难找到高绩效银行，或因高绩效银行数量较少而降低了该方法的有效性。

三、银行效率测度方法在中国的应用情况简介

近年来，我国加大了银行体系的改革力度，银行效率问题成了人们研究的焦点，出现了许多的研究成果，其中主要是定量研究，但在研究方法和理论方面仍然远落后于国外研究。

截至2006年6月，从中国期刊网镜像上可查到的使用前沿分析方法对我国商业银行效率进行研究的文献有110余篇，其中使用DEA方法的有75篇，使用SFA方法的共有10篇，使用DFA方法的有2篇(刘志新和刘琛，2004；谭政勋，2005)，有关方法论研究的文献有2篇(马占新，2002；李靖霞和周小春，2003年)，同时使用参数方法与非参数方法进行分析的有4篇(林炳文，2004；孙兆斌，2005a，2005b；许晓雯和时鹏将，2006)。其中最早涉及前沿分析法的文献为薛峰和杨德礼(1998)，第二篇为杨宝臣等(1999)。魏煜和王丽(2000)是我们所查到的第三篇使用非参数方法测度我国商业银行效率的文献，这篇文献也是目前国内相关研究引用较多的文献。我国学者大量采用DEA方法的原因并不是因为DEA方法优于其他方法，而是由于DEA方法所需的样本量要小很多，只要几个样本点就可以了；此外，它甚至不需要投入要素的价格信息。我国银行业信息披露不全面、不系统、不连续，研究者往往难以准确获得大规模的样本，因此，各学者倾向于采用DEA方法。至于厚前沿方法和递归厚前沿方法，我国根本就难以提供研究所需要的样本规模。

从2003年以后，使用前沿分析法对我国商业银行进行的研究越来越多，2003年13篇、2004年20篇、2005年38篇，2006年33篇，可见，前沿分析法已经逐渐成为研究我国商业银行效率的主要方法。

(一)国内前沿效率测度方法研究现状

国内关于前沿效率方法的研究相对较少，其中有关DEA方法的研究最多且最为深入，周泽昆等(1986)在《评价管理效率的一种新方法》一文中首次介绍了DEA方法，魏权龄(1988)出版了我国第一本系统介绍DEA方法的专著。另外，孙巍(1997)分析探讨了生产资源有效配置的前沿生产函数理论；朱乔(1995)则从纯方法的角度探讨了DEA，他提出了一种数据包络分析/保证域方法，同时给出了求利润率的数学规划模型；薛峰和杨德礼(1998)介绍了评价银行经营与管理综合效益的DEA模型，并以建行19个分支机构的规模效率的测度为例具体介绍了测度方法。王丽和魏煜(1999)是我们能够查到的第一篇比较完整介绍前沿效率方法的文献，他们较为系统地介绍了参数方法和非参数方法的原理，但较少涉及方法的具体实现。马占新(2002)在《数据包络分析方法的研究进展》一文中系统分析了DEA方法研究的最新进展，归纳总结了DEA方法的具体工作步骤，指出应用DEA模型时决策单元必须具有相同的目标、任务、外部环境和输入输出指标，收集整理的数据要具有广泛性，并要根据有效性分析的目的和实际问题的背景选择适当的DEA模型。此外，他还指出，DEA方法还可以用于系统的预测预警研究。李靖霞和周小春(2003)从银行并购效率的研究出发，对财务比率分析和前沿效率分析各种实证方法都做了介绍和评析，并介绍了目前对这些方法的一些改进研究。徐琼(2005)在《技术效率与前沿面理论评述》一文中从技术效率及前沿面的概念入手，从投入和产出角度分析了技术效率的度量，并介绍了用以评价技术效率最常用的数据包络分析方法和随机前沿分析法。张超、顾锋和邸强(2005a)介绍了国外银行效率研究的最新进展，探讨了银行效率的测度方法及影响因素，评价和对比了银行效率测度的数据包络分析方法、随机前沿方法、自由分布方法、厚前沿方法及递归厚前沿方法等，认为银行效率的主要影响因素为资产规模、组织形式、银行财务特征、银行兼并重组、市场结构和金融管制。

(二)参数方法在我国商业银行效率测度中的应用

使用参数法SFA的10篇文献的研究角度和样本时期各不相同，其中张超、顾峰和邸强(2005b，2005c)分别测度了我国商业银行的利润效率和成本效率，结论是国有银行的成本效率和利润效率都存在较大的上升空间；钱蓁(2003)认为可以通过自有资本比例、所有权结构安排和利息收入占营业收入的比重优化来提高银行的效率。刘琛和宋蔚兰(2004)发现国有银行与股份制银行的效率差距不断缩小，国有银行存在规模不经济，而股份制银行存在规模经济。陈敬学和别双枝(2004c)研究得出国有商业银行经营过程中长期存在规模不经济，其缘由表面上源于规模大、人员机构多，实质上是隐藏于它们背后的国有产权制度安排和金融领域的长期垄断。姚树洁等(2004)研究得出非国有银行比国有银行效率高11%～18%；面临硬预算约束的银行的绩效比国家和地方政府投入大量资本的银行好。陈国中和刘志迎(2005)采用随机前沿分析法(SFA)测算了我国商业银行的1996～2003年效率值，并对其决定因素进行了分析。结果表明，银行效率的提高来源于充足的银行资本金、多元化的产权结构、资产质量、人力资本、市场竞争程度等。迟国泰(2005)研究得出中国商业银行总体的成本效率并不差，国有商业银行成本效率处于上升趋势，股份制商业银行则保持波动攀升趋势，贷款产出质量对中国商业银行的成本效率有明显的负面影响。刘玲玲和李西新(2006)发现国有商业银行的成本效率目前较低，但改进的速度很快，所有样本银行的成本效率有趋同现象。使用参数方法DFA对商业银行效率进行研究的文献较少，能找到的只有刘志新、刘琛(2004)和谭政勋(2005)发表的两篇文献，刘志新、刘琛(2004)发现股份制商业银行的效率较高，其中的上市银行效率更高；谭政勋(2005)认为是产权制度而不是市场结构造成我国国有商业银行和股份制银行的成本效率存在结构性差别，并且产权制度与市场结构之间是一种互补关系而不是替代关系。

(三)非参数方法在我国商业银行效率测度中的应用

使用非参数方法研究我国商业银行效率的文献相对较多，采用的方法普遍为DEA。大多数研究是以全国有代表性的十几家大型商业银行为研究对象，主要对比国有商业银行与股份制商业银行效率的差异，并分析产生差异的原因，也有部分学者只针对国有商业银行的效率进行研究。其中颇具代表性的有赵旭(2000)、魏煜和王丽(2000)、赵旭、周军民和将振声(2001)、张健华(2003)、吴晓勇和池宏(2003)、卞月波和王娟(2003)、方春阳等(2004)、李希义和任若恩(2004a)、朱南等(2004)、陈敬学(2004)、孙兆斌(2005)、索贵彬和赵国杰(2005)等。此外，李雪(2005)、何韧(2005a，2005b)等以上海地区的银行业作为效率测度和研究的对象，其中李雪应用数据包络分析法中的“超效率”模型，对上海中资商业银行2000到2003年的效率状况进行了全面分析，而何韧的研究表明，与全国的情况不同，上海地区四大国有商业银行的综合效率较高，股份制上市银行综合效率与其他商业银行相比不具有优势；赵昕等(2002)研究了商业银行的竞争力问题，得出四大国有银行的效率低于股份制银行的效率。吴晓勇和池宏(2003)运用数据包络分析方法对商业银行分理处进行效益和效率的评价的基础上，提出分析效率对盈利性影响程度的方法。张权和张世英(2004)运用数据包络分析(DEA)方法对我国国有商业银行的人力资源效率进行测度，得出了国有商业银行人力资源效率的相对有效性评价，同时结合Malmquist指数和因子分析对我国国有商业银行人力资源效率进行了综合分析。许庆明和应智明(2004)发现目前我国商业银行规模效率呈倒U形分布，并且随着市场集中度的降低，商业银行总体规模效率将会得到提高。董萍和薛声家(2005)将DEA应用于信用卡销售渠道评价。王金祥等(2005)、罗勇等(2005)、朱南等(2004)应用的模型是DEA的扩展模型－－超效率模型。

同时使用参数方法和非参数方法研究银行效率的仅有林炳文(2004)、孙兆斌(2005a，b)、许晓雯和时鹏将(2006)。许晓雯和时鹏将(2006)同时使用DEA和SFA方法测度我国银行业的效率，对测度出的银行效率值排序进行了相关分析和一致性检验，结果表明两种方法测度出的银行效率在数值上有显著差异，但在效率排序上具有很好的一致性。孙兆斌(2005a，b)应用SFA和DEA研究了我国四大国有商业银行的前沿效率，他将四大国有商业银行的低效率归因于三点:一是用工制度缺陷，使得劳动合同不完整；二是职业经理市场的缺位与国有银行“官本位”的人力资源管理制度和组织制度，使不确定性的投入产出关系更加难以把握；三是银行业市场的高度垄断性使国有银行缺乏足够的创新动力，退出机制的缺位也造成了管理层和员工的严重惰性。林炳文(2004)同时应用SFA和DEA研究了台湾地区47家商业银行1998～2000年的银行并购效率，发现并购对于银行成本效率皆有不显著的正向关系。

我国学者对效率测度的参数法及非参数法的研究和应用极大提高了银行效率研究的能力和水平，许多研究结论具有重大的理论价值和应用前景。当然，也有一些方面需要着力改进:

1．现有文献大部分都是直接套用国外的方法和模型，少有创新。国外的模型和方法是在国外现有的经济背景下产生和发展起来的，直接套用国外模型有时会导致“水土不服”，这需要根据国内的经济背景做适当调整，如当前国外使用参数法的文献很多都采用带傅立叶函数的超越对数函数模型，它往往有上百个参数，要求样本点至少要好几百个，这样的样本规模显然是我国银行业不能提供的。再如厚前沿方法要求将样本银行分为高效率样本银行和低效率样本银行，但我国城市商业银行的数据很难得到，4大国有银行和11家股份制银行数据“残缺不全”，根本就无法进行。

2．投入产出变量的确定缺乏严谨性。效率测度的参数法和非参数法都需要事先确定投入产出变量，银行业是特殊的企业，与一般企业的产出多是有形的物质不同，银行产出更多表现为无形的服务。当前，主要使用的银行投入产出变量确定方法有资产法、中介法和生产法。这些方法的最大不同在于是将存款作为投入还是产出。在我国，有的学者将存款看作投入，有的学者将存款看作产出，还有的学者将存款既作为投入又作为产出。不论是作为投入还是产出，我国学者都没有给出详细的理论解释，更没有提供实证支持。