引 言

我国是以银行为主导的金融体制，商业银行的作用直接决定我国资金资源的配置效率，决定我国长期经济增长。银行配置资源的能力很大程度上受到银行集中度的影响。例题银行集中与银行效率的关系又受到金融环境的制约。金融环境：混业经营和分业经营。混业经营与分业经营下的银行集中也会以不同的方式影响银行效率。因为分业经营严格限制各银行的经营行为，必定会给银行效率带来重大影响。同时混业经营因为可以为银行提供多种收入途径，同时银行内部利益冲突和混业经营风险又会带来不良后果。显然也会为银行效率带来影响。目前分业经营下银行集中与银行效率的关系研究已经有很多丰富的研究成果，还应该拓展分析混业经营下银行集中与银行效率的关系[1]。研究混业经营下银行集中与银行效率可以借鉴别国经验为国内改革提供理论基础和实践指导。

亚洲一些国家混业经营已经成为普遍现象。例如1981年日本商业银行开办了“指定日期定期存款”，期限最长可为3年。1984年，大藏省批准信托银行可以开办1年以内的信托存款业务。这样商业银行与长期信用银行之间的业务实现交叉。1981年颁布了新银行法，规定银行可以从事国债地方政府债券、政府保付债券的买卖。1984年6月，银行正式成为债券市场的中间商。证券公司则向银行的CD_s业务渗透。银行证券之间分业开始突破。进入上世纪90年代，分业管理进一步被打破，银行、信托公司和证券公司可以出资50%以上收买或成立相互间的子公司，进行混业经营。20世纪80年代早期起，随着韩国政府实施了一系列金融自由化政策调整。金融机构的业务领域被拓宽，经营自主权被扩大。商业银行辅助的和外围的业务被放宽，包括商业票据销售、信用卡业务、可转让大额存单业务以及承兑、贴现和销售贸易票据业务。泰国在1979年修订了商业银行法、制度金融证券法、股权分散、强化贷款规定、限制商业银行对企业的出资比例、防止金融机构参与股票投机等，实行严格的分业经营。但自1987年，泰国允许产业银行进入保险业，同时同意其扩大业务范围^[1]。[2]

基于上述分析及以下三个原因，选取东南亚及东亚七个亚洲国家和地区：日本、韩国、新加坡、马来西亚、菲律宾、泰国、香港作为研究样本。首先是这些国家是以银行为主导的金融体系，都具有很高的银行集中程度。其次是银行系统都是混业经营的，如下表1所示。最后有高储蓄率、高增长率、儒家文化等相似的宏观背景。总之，选取这七个国家已经最大程度排除影响银行效率的其他因素，有利于说明混业经营下银行集中度与银行效率的关系。

表格 1亚洲七国混业经营情况表

菲律宾 新加坡 泰国 香港 韩国 日本 马来西亚

证券业务 1 1 3 1 2 　2 2

保险业务 2 2 3 2 3 2 3

不动产业务 2 3 3 1 4 4 3

银行拥有非金融公司 2 4 3 2 3 3 3

数据来源：www.worldbank.org，其中数值1、2、3、4分别表示无限制、允许、限制和禁止。

一、文献综述

银行集中与银行效率的关系，理论上主要是通过结构效率观来解释的。该理论认为低成本和更大市场份额会导致更高效率（Demsetz,1973；Pelzman,1997）^[2][3]。此理论建立在古典经济学厂商理论基础上，认为银行经营中存在规模经济和范围经济，高集中度意味着存在少数较大规模、较大市场份额的大银行，这些银行凭借规模优势降低成本，提高利润率。同时集中度高的大银行具有操纵市场的力量，银行之间更容易达成协议降低共谋成本，通过收取较低存款利率和较高的贷款利率，从而获得垄断利润。从这种观点出发，银行集中是有效率的。另一方面，行政管制限制竞争，创造一种垄断势力，而它利用这种势力阻止其他竞争者的进入，从而降低银行效率。所以从这种观点来看，银行集中与银行效率存在负相关关系。

实证分析银行集中与银行效率也没有一致的看法。一些证据表明：银行集中与银行效率有正相关关系。因为高集中的银行体系会索取较高的贷款利率，给予较低的存款利率，所以银行集中与银行效率呈正相关^{［4］［5］［6］［7］}。Robert.Deyoungt &Zftekhar.Hasan研究美国银行业1984年至1993年效率状况，发现银行集中度与效率有显著正相关关系^［8］。Demirgnc.Kunt& Harry.Huizinga实证分析80个发达国家及发展中国家1988年到1995年银行状况，发现银行市场集中度与银行利润率呈正相关关系^[9]。相反，也有实证认为高银行集中度并不一定是高效率。比如一些研究表明兼并导致的集中也并没有系统地降低存款利率，提高银行效率^{[10][11][12[13][14]}。还有证据表明：存贷利率差距在集中的银行体系更小^[15][16]。

国内分业经营下银行集中与银行效率研究主要观点：一是银行集中导致低效率。王栋、王静然（2000）认为我国商业银行集中度与回报率是背离的,银行集中度越高，效率越低。原因主要是银行获利能力及规模不经济所造成的^[17]。张健华（2003）实证发现我国商业银行效率与市场垄断势力负相关^[18]。王国红（2002）指出集中度高导致规模不经济，缺乏动力改善绩效，只会产生一些扭曲的市场行为，导致低效率^[19]。孙天琦（2001）均指出我国银行结构是寡头垄断，但因为不是市场竞争，优胜劣汰所形成，所以绩效不高^[20]。罗珺（2003）论证市场集中度过高存在市场势力，导致其追求目标多元化，缺乏创新动力，贷款资源闲置和隐含资产投资风险，从而降低银行效率。二是银行集中度与银行效率关系不确定^[21]。刘伟、黄桂田（2002）认为银行结构不影响到银行效率。因为在非市场竞争导致条件下，由中央银行决定利率；在市场竞争导致国家银行结构影响利率受到市场竞争、非银行融资体系、非银行企业利润率和宏观经济政策、货币政策的约束^[22]。张震宇等（2003）认为垄断竞争是确保银行活力的市场条件，适度垄断构成了对银行盈利激励，适度竞争构成了对银行业创新的激励。总之，只要不存在独家垄断，银行结构与市场价格没有必然联系^[23]。

总结国内外研究发现：（1）银行集中与银行效率关系没有区分混业经营与分业经营。（2）研究银行集中度与银行效率内在机制研究比较少。（3）我国研究集中于分业经营，较少涉及混业经营。（4）多数研究没有考察均衡关系的稳定性。即使考察了也多数是基于时间序列的分析。然而事实上，由于时间序列的局限性，尤其是控制部门和时间效应下面板数据不稳定性会导致伪回归。[1]

本文重点研究混业经营下银行集中度与银行效率互相作用的内在机制，并且运用面板单位根与面板协整分析内在机制长期关系。理论模型表明混业经营下的银行效率可以分解为规模经济与专业化经济。银行效率与银行集中度的关系取决于两者的比较。银行集中度提高会带来两种相反作用的效应：规模经济和专业化经济，银行集中度提高所带来规模经济上升促进银行效率；相反专业化经济下降损害银行效率。计量结果证实银行效率与银行集中度等相关变量存在理论模型表明的长期关系，有协整关系。

主要变量是银行效率和银行集中度。银行效率主要体现在净利息边际收入。净利息边际收入指银行贷款利息收入与存款利息支出差额占银行获利资产总额的比例。净利息边际收入反映银行利用资源获取收入的能力和配置资源的能力。所以本文主要使用净利息边际收入作为银行效率的衡量指标。一般来说，在市场竞争条件下，净利息边际收入越高，银行效率越高。银行集中度指该国家三个最大银行总资产占银行系统总资产的比例。

本文结构如下：第二部分说明计量经济方法，首先简单介绍面板单位根检验方法：LLC unit root test 和IPS unit root test ，然后是面板协整检验方法（Pedori panel cointegration test）;最后是协整方程估计（FMOLS估计）；第三部分运用理论模型说明影响银行效率的机制；第四部分计量方法和变量设定；第五部分是实证结果；最后是结论与政策建议。

二、面板单位根检验、面板协整检验与面板协整方程估计方法

(一)面板单位根检验。面板单位根检验主要是判定面板数据的稳定性问题。在时间序列中，如果非平稳时间序列对另一非平稳时间序列回归。在这种情形下，标准的T和F检验是无效的。[1]面板数据同样存在相类似的问题。已有研究都是基于单一国家长期时间序列分析，然而，长期时间序列分析很有可能出现制度变革和结构突变，这可能极大地影响到回归结果。例如，Carruth ,Hooker&Oswald(1998)指出只要样本期包含20世纪70年代的石油冲击，那么回归结果可能是谬误的。所以长期时间序列的面板数据应该检验稳定性。

面板单位根检验主要有：LLC UNIT ROOT TEST（2002）[2]和IPS UNIT ROOT TEST（1997）[3]。尽管还有其他重要的方法，但考虑到计量软件的可实行性，我们只此两种方法研究数据的稳定性问题。

Levin、Llin&Chu（2002）的检验方法允许不同截距及时间趋势，异方差及高阶序列相关。Levin, A., C.-F. Lin, C.-S.J. Chu定义检验统计如下：

Pooled Phillips-Perron ρ-statistic.:

Pooled Phillips-Perron t-statistic.

Pooled ADF t-statistic.

根据其证明得到所有统计量分布都是标准正态分布。IPS检验定义ADF统计量，根据极限定理可以得到其分布也是标准正态分布。所以两种检验方法都有：

原假设：H0：在10%的显著性水平下拒绝单位根，如果检验值小于临界值-1.28。

(二)面板协整检验（Pedori panel cointegration test）

时间序列非稳定的变量协整关系已经得到普遍认可。一个随机游动对另一个的回归实际上肯定会产生显著的关系，然而这很有可能是伪回归。然而，如果两个变量差分后是稳定的，那么可能是协整的。正如Engle and Granger (1987) 指出当变量d阶求积时，那么(d-1)求积可能是协整的^[24]。使用修正的ADF单位根检验变量稳定性^[25][26]，Engle–Granger 二步法检验协整关系。

然而这些方法有一个缺点：检验短的时间序列是低效果的。(Pedroni, 1995). Shiller & Perron (1985), Perron (1989, 1991)，Pierse and Snell (1995) 指出检验对时间维度非常敏感^{[27][28][29][30][31]}。同时如果使用Johansen(1991) 多参数协整检验，滞后差分选择是敏感的。换句话说，在短的时间序列，Johansen 协整检验是不可靠的^[32]。

为此，Pedroni（2001）提出面板协整检验方法^[33]。Pedroni讨论了７个Panel Data的协整统计，其中４个是用联合组内尺度描述即Panel v-Statistic、 Panel -Statistic、 Panel t-Statistic(nonparametric)、Panel t-Statistic(parametric)；另外３个是用组间尺度来描述即Group -Statistic Group t-Statistic Group t-Statistic(parametric)，作为组平均Panel协整统计量[4]。根据Pedroni的计算，统计量是服从标准正态分布，所以可以得到相关临界值。原假设：如果统计检验值小于临界值-1.28，在10%显著性水平下拒绝没有协整关系。

(三)面板协整方程估计即完全修正普通最小二乘法估计（FMOLS ESTIMA）[5]

选用Pedroni提出的Group mean Panel Fmosl估计方法是Phillips &Hanson (1990)的发展^[34].。主要有以下几个方面的优势：首先是优于Pool panel Fmols。这是因为组间估计是基于面板组间维度，而Pool panel Fmosl基于组内维度。因此Group mean Panel Fmosl提供协整方程共同参数的一致检验，而后者则没有。其次，正如Pesaran &Smith (1995)所指出：Group mean Panel Fmolsl提供了基于样本均值的异质协整方程系数的一致估计，[6]而Pool panel Fmosl没有^[35]。最后，Phillips &Moon (1999)还指出，当协整方程是异质时，组内估计量只是提供回归系数均值的一致点估计，而不是基于样本均值的异质协整方程系数的协整方程的估计^[36]。总之，Group mean Panel Fmols比Pool panel Fmols更好，更适用于实证分析^[37]。

后面的公式太多,无法粘贴,直接将全文作为附件贴上了,我就想明白人家的数值是如何计算出来的,望高手指教.

(你不要告诉我人家是用手算的,没用任何软件哦!)

[此贴子已经被作者于2006-3-17 21:18:06编辑过]

华工的高手都是用Matlab算的。Eviews现在肯定是不行的。

用Matlab可以吗? 那我赶快研究一下Matlab.

谢谢！

学习。。。。

这个帖子质量很高 赞一个啊 呵呵

看得有些小晕，还是了解到了新东西

目前已经知道可以用于面板单位根协整检验软件:RATS8,GUASS6,STATA12,EVIEWS6.0以上
                              面板协整方程估计软件:RATS8,GUASS
如果自己编写程序:RATS8,GUASS6,STATA12,EVIEWS6.0以上面板单位根协整检验估计都可以

没有发现面板数据存在协整时,使用误差修正的内容