供给侧改革下的税负水平、业务结构与银行效率
开篇：润墨网以专业的文秘视角，为您筛选了一篇供给侧改革下的税负水平、业务结构与银行效率范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘 要：本文基于2004―2014年我国16家上市银行的面板数据，构建SSBM的三阶段DEA模型计算银行效率，构建面板门槛模型分析税收负担变动时业务结构与银行效率的非线性关系。研究表明：国内商业银行效率整体状况不容乐观，影响银行效率的主要因素为规模效率。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。在供给侧结构性改革背景下，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。
中图分类号：F832.33 文献标识码：A 文章编号：1674-2265（2017）03-0067-08
一、问题提出
经历“刘易斯拐点”以后，我国经济进入生产要素成本周期性上升的阶段，传统经济增长模式受到严峻挑战，供给侧结构性改革已成为当今我国促进经济新常态发展的必然路径。为减轻企业税收负担，尽快实现产业转型，我国从2012年开始分地区、分行业渐进式地实施营业税改征增值税试点工作。2016年5月1日，“营改增”税制改革试点全面推开，建筑业、房地产业、金融业和生活服务业等四大行业被纳入试点范围。四大行业实施营改增，会增加1000万户试点纳税人，改革难度明显加大，金融业的营改增更是面临诸多困难。对于商业银行，其业务结构会产生应激式调整，对银行的经营效率产生影响。那么，银行税负水平、业务结构与经I效率之间存在怎样的内在关系？在当前严峻的经济形势下，银行能否顺应国家的营改增政策，处理好税负、结构与效率三者的关系？此类问题的研究开始受到政府部门、学术界和金融业界的普遍关注，并成为当前微观金融领域中新的热点课题。
（一）税收负担对银行效率的影响
由于中外税收制度存在较大差异，国外关于银行税收支付与经营绩效的关系研究不多，研究方法大多限于定性研究或者使用线性模型。Kunt和Harry（1999）曾选取80个国家作为样本，利用1988―1995年银行业的财务数据指标证实了税收制度对银行业的经营绩效确有重大影响。Neil（2001）对澳大利亚的银行业展开分析，得出了相同的结论。国内学者李文宏（2005）考察了不同税种对国内商业银行行为的影响，结果表明营业税的开征影响到商业银行最优贷款发放量，继而影响银行绩效，所得税则对最优存贷款量没有影响。路君平和汪慧娇（2008）选取国内银行面板数据进行实证分析，发现银行业实际负担的税率与其盈利能力之间存在着负相关关系。梁琪等（2010）研究发现，在原所得税33%的税率设置下，高税负带来我国银行业平均20.1%的效率损失；在新所得税25%的税率设置下，要达到国际活跃银行的平均实际税负水平，必须将我国银行业现行营业税率下调2.5%。
（二）业务结构对银行效率的影响
在业务结构与银行效率的关系方面，国内外的研究文献较少。Kolari和Zardkoohi（1987）将美国约600家银行按各类业务所占比例，按城乡、批零特性进行分类，设计出一个“双产品业务范围效率模型”。估计结果表明，经营多种组合业务都能够提高银行效率。Boyd等（1998）谨慎地认为，如果资金所有者能够获得存款保险的保证，业务多元化就会有利于商业银行绩效的优化。Altunbas等（2000）、Rosie（2003）、Vincenzo（2008）、Joyeeta（2010）利用不同国家银行数据进行分析，均认为非传统业务比例增加会稳步提升商业银行的经营绩效。相对立的观点同样存在，Albertazzi和Gambacorta（2010）提出，虽然税负导致银行业务结构发生了改变，但银行具有将直接税负转嫁给其他利益相关者的实际能力，税负水平与盈利能力之间的相关性并不明显。国内学者孙秀峰和迟国泰（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。刘孟飞等（2012）却发现商业银行收入结构多元化对绩效影响并不明显。吴有红和张金清（2013）测度和比较了我国主要商业银行和全球规模较大商业银行的效率水平，结果认为商业银行优化业务结构有利于提高银行效率。
由此看来，当前同时考虑业务结构和税收负担两个因素的变化对银行效率影响的研究在国内尚未有效展开。本文首先利用2004―2014年国内16家上市银行的数据，构建SSBM的三阶段DEA模型，衡量银行的真实效率，此类方法在国内银行业的应用也不多见。进而构建面板门槛模型，揭示不同的税收支付水平下，商业银行业务结构变动对经营效率形成的门槛效应。此类问题的解决，将对保证银行业的稳步发展、营改增政策的顺利推进以及促进国内宏观经济健康发展有着重要的现实意义。
二、银行经营效率测算模型设计
Andersen和Petersen（1993）在传统DEA模型的基础上加以改进，提出超效率DEA模型，解决了对效率有效排序的问题。Thrall（1996）随后指出，超效率DEA模型在可变规模报酬的情形下，容易出现无法估计的现象。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），克服了上述问题。Tone（2002）将SBM模型和超效率DEA模型结合起来，提出了SSBM的DEA模型。该模型较好地解决了有效DMU的排序问题，并且以非径向方式来估计效率，不会出现估计溢出现象。
但是SSBM模型仍然存在其他问题。它考虑了经济单体经营中的技术管理因素，却没有考虑也无法解决环境因素和随机因素给效率带来的各种影响，致使效率测算失真。实际上经济单体的效率损失至少存在三重因素：内部管理不善、外部环境和随机误差。学者们曾用传统SFA方法对效率的外部影响因素进行了分析，但是该方法无法分离外部环境和随机因素的影响。Fried等（2002）提出的三阶段DEA方法吸收了SFA方法的优点，剔除了环境因素和随机误差的影响，有效解决了上述模型存在的问题。
本文进一步将SSBM模型和三阶段DEA模型结合起来，构造SSBM的三阶段DEA模型（简称“SSBM-DEA模型”），测算更为真实的银行效率。
（一）投入和产出指标选择
在银行效率的研究中，对银行经营的投入项及产出项究竟如何选择并无统一意见。本文认为，银行经营的本质就是运用业务费用雇佣劳动力在固定的经营场所（固定资产）用储蓄者的钱（存款总额），花费业务成本和营业支出获得收入和利润。据此，选取的投入变量主要有折旧和摊销（zjtx）、职工费用（zgfy）、业务成本（ywcb）和营业支出（yyzc）。折旧及摊销反映了商业银行固定资产及其他长期资产的成本，职工费用反映了商业银行人力成本①。业务成本包括利息支出和手续费及佣金支出，反映商业银行日常业务办理所发生的支出。营业支出包括营业税金及附加、业务费用、资产减值损失和其他营业成本等，其中业务费用则反映了维持日常业务正常运营所发生的费用。选取的产出变量为营业收入（yysr）和净利润（jlr），这两个指标是商业银行作为营利性企业所追求的主要指标。
计入样本的银行为16家上市银行，数据摘自各大银行年度报告及其招股说明书。2004年以前，我国政府对银行的资本监管力度不足，各银行的资本充足率水平参差不齐；而且各个商业银行对资本充足率的理解不同，计算口径也存在较大差异，相互比较存在困难。鉴于上述原因，本文仅收集2004―2014年的数据进行研究。
（二）第一阶段
借鉴Tone（2002）的思路，建立产出导向型SSBM-DEA模型，估计后得到各上市银行的技术效率值、纯技术效率值和规模效率值，这些数值是没有考虑外部环境因素和随机因素影响的数值，计算结果见表1。
三类银行平均技术效率为0.709，效率损失主要来自于纯技术效率，规模效率损失较轻。2004―2009年，国内商业银行技术效率呈波动性上升特征，城市商业银行的平均技术效率为0.814，高于大型银行（0.706）和股份制银行（0.663）；2010―2014年，国内银行的技术效率逐渐下降，各类银行技术效率差距逐渐缩小。2004―2009年，国内商业银行纯技术效率同样呈波动性上升特征；2010―2014年间，银行纯技术效率保持高稳态势。分类型来看，2004―2014年间城市商业银行的纯技术效率一直在下降，大型银行在2010年前后先升后降，股份制银行则表现出先升后稳的特征。2004―2009年间，我国商业银行的规模效率也呈上升走势，其中大型银行和股份制银行表现平稳，城市商业银行快速上升；2010―2014年间，规模效率逐步下降，近两年呈快速下降态势。
（三）第二阶段
鉴于外部环境因素和随机误差因素对银行效率产生一定的影响，有必要剥离出上述因素形成的效应，将各个商业银行拉到同一基线上，进一步测算和比较它们的经营效率。以第一阶段建立的SSBM模型中各投入变量的松弛变量为因变量，以环境变量为自变量建立SFA回归模型。外部环境变量主要是那些影响银行经营效率但不在银行主观控制范围之内的外部因素，以及银行在短期内很难改变的一些个体特征变量。选取的外部环境变量分为银行个体特征变量和行业政策变量两部分。
银行个体特征变量有两个：
1. 市场份额（SCFE）。市场份额为各家商业银行的年末资产余额除以整个银行业年末总资产得到的比值。该变量反映了商业银行对市场结构的势力分割，同时也能够反映银行资产的集中度。市场份额是银行竞争能力的主要影响因素。一般而言，市场份额增加表示银行在市场上的控制能力变强，有利于充分发挥规模经济效应，改善竞争环境，银行利润增加，有利于银行的未来经营发展。但是如果市场份额增加，只是增加了银行在行业中的垄断地位，不能有效发挥规模经济效应，银行成本控制能力下降，对经营效率反而造成不利影响。
2. 所有制形式（SYZ）。这里设定SYZ=1，表示该银行为国家控股银行；SYZ=0，表示该银行为其他银行，即非国有银行。这个虚拟变量每年数据也几乎没有变化，因此将其纳入环境变量考察。
行业政策影响变量有四个：
1. 实际存款利率（CKLL）。实际存款利率为名义存款利率减去CPI指数，即CKLLt-CPIt，反映了商业银行经营中的利息成本，并且剔除了通货膨胀的影响。CKLLt为中国人民银行规定的金融机构一年期存款基准利率，数据来自央行网站，如果某年的存款利率发生变动，则按不同利率水平实施的时间长短进行加权处理，依此计算当年平均存款利率。
2. 存贷利差（CDLC）。存贷利差的计算采用贷款利率减去存款利率的方式，计算公式为名义贷款利率减去名义存款利率，即DKLLt-CKLLt，DKLLt为金融机构一年期贷款利率，CKLLt为金融机构一年期存款利率，两者的差值反映了银行赚取利差收入的空间。
3. 准备金率（ZBJL）。按央行公布的历次准备金率的调整期间，逐月计算加权平均后，求得该年加权平均计算存款准备金率。
4. 经济增长率（RGDP）。按照我国统计年鉴中的国内生产总值指数确定经济增长率，计算公式为RGDP=（国内生产总值指数-100）%。
由于SFA模型是以各商业银行DMU投入松弛变量作为因变量，以外部环境变量樽员淞浚所以当自变量的回归系数为负数时，表明增加外部环境变量值能够减少投入松弛量，有利于提高银行效率；回归系数为正数时，情况正好相反。SFA模型的估计结果见表2。
四个投入松弛变量的模型中，部分外部环境变量通过了显著性检验，[γ]值均通过了1%的显著性检验，参数值也较高。折旧及摊销松弛变量、职工费用松弛变量和营业支出松弛变量三个模型的[γ]值均在70%以上，说明管理无效率和运气等因素占了大部分比例，它们对松弛变量的联合影响不能被忽视。四个模型的LR单边检验均通过了1%的显著性检验，说明复合误差项中存在技术非效率，第二阶段进行SFA分析是必要的。
（四）第三阶段
对各个银行投入变量的数据重新调整，并将调整后的投入变量值和原始产出值再次代入SSBM模型，得到剔除外部环境变量和随机误差因素影响后新的银行经营效率值。将第一阶段的银行经营效率值和第三阶段的银行经营效率值同时置于表3中进行分析。
16家上市y行的经营效率在调整前后发生了较大的变化。从整体来看，在剔除环境因素和随机因素的影响以后，大部分银行的技术效率和规模效率出现大幅下降，纯技术效率则变化不大，只是略有下降。16家银行调整后的平均技术效率（0.709）较调整前降低了0.462，第一阶段的技术效率明显高估。其中，大型银行平均下降0.166，股份制银行下降0.525，城市商业银行下降0.785。技术效率的下降说明我国银行均受到来自于环境因素（例如关于银行业的政策因素）的保护，规模较小的银行受到的保护力度更大。调整后的16家银行技术效率排名发生了较大变化。大型银行整体排名有了较大的提升，城市商业银行排名由最高变为最低。从个体银行来看，排名前5位的全部是大型银行，其他股份制银行和城市商业银行的排名出现不同程度的下降。16家商业银行调整前的平均规模效率（0.947）较调整后下降了0.602，规模效率也出现高估。大型银行调整后的规模效率较调整前仅下降了0.235，股份制银行下降了0.719，城市商业银行下降了0.860，调整后的结果变为大型银行规模效率0.706最高，股份制银行0.253次之，城市商业银行0.052最低。
由此可见，国内商业银行整体上受环境变量的影响较为明显。环境因素对大多数商业银行效率的提高起到一定的促进作用，但同时也反映了其对环境依赖性较重，经营能力没有得到有效体现。一旦剔除了环境带来的影响，单由自身因素决定的效率就变得很低，其中城市商业银行和股份制银行表现得尤为明显。
三、税收负担下业务结构对银行效率的影响分析
实际数据表明，业务结构与银行效率之间可能存在非线性关系。为了揭示这种关系，本文建立面板门槛模型，将业务结构变动视为核心影响变量，将税负支付率视为门槛变量，其他变量为控制变量，来分析业务结构变动对银行效率的影响。
（一）数据选取与变量确定
我国商业银行效率变动受到多方面因素的影响，本文主要将其分为内部因素和外部因素两个方面来进行分析。内部的影响因素多表现为商业银行微观个体的自身特征，有的变量例如投入变量和产出变量，在计算银行效率时，其影响作用已经得到体现，这里不将这些变量纳入模型。外部的影响因素即为宏观经济方面，以及政府部门的政策调控与行业监管方面。因变量为已经扣除了宏观环境变量因素的银行经营效率，因此这里只讨论税收负担水平（税负支付率）对银行效率的影响因素，将资本充足性（资本充足率）、业务结构（中间业务收入占比）、传统业务获利能力（存贷利差水平）以及银行的公司治理能力（营业外支出率）等作为控制变量。这里研究的银行效率是已经扣除外部环境变量和随机误差因素影响以后形成的技术效率。
1. 资本充足率（CAR）。很多研究结论表明，在资本强约束的背景下，商业银行为了提高资本充足率水平，信贷规模增速减缓，对银行业绩产生重大影响。资本充足率作为模型的被解释变量，反映银行所达到的资本充足水平，其计算公式为：资本充足率=（总资本-资本扣减项）/风险加权资产。尽管计算公式中有关资本和资产的定义和构成不断发生变化，不过将其作为衡量和比较国内商业银行抵御各类风险能力相对高低的指标，仍是目前此类研究的最佳选择。
2. 金融发展水平（FDL）。金融发展水平用贷款/GDP的比值来衡量，该变量既反映了市场势力和市场结构，又与银行规模高度相关。根据既有的研究，一方面，金融自由化程度越高，越能激发银行的发展活力，有利于提升银行效率；另一方面，银行创新能力的提高，无疑给银行带来了新的风险，风险不断积聚甚至连锁性爆发会给银行带来损失甚至达到破产的地步，严重损害银行效率。因此，金融发展水平和银行效率之间会因不同的国家监管政策、制度环境呈现不同的关系。
3. 中间业务收入占比（IOIR）。中间业务收入占比的计算公式为：（手续费+佣金收入）/业务收入。该变量既能体现银行的业务结构，又能从一定程度上反映银行的业务创新能力。银行通过金融业务创新，开发新的金融产品和市场，培育新的利润增长点，能够增强新技术的应用和范围经济优势，降低交易费用，促进银行效率的提高。
4. 存贷款实际利差（ISL）。存贷款实际利差的计算公式为：（利息收入-利息支出）/总资产，反映商业银行实际的经营管理水平和资金的运用效果，也是中央银行放松利率管制与商业银行谋求市场定价行为之间的动态博弈结果，又称为净利差。一般认为，存贷款实际利差越高，银行的资金运用效果越好，越有利于提高银行效率。
5. 营业外支出率（NOER）。通过营业外支出率（营业外支出/总收入）指标量化成本，反映商业银行管理能力的高低。营业外支出比率越高，说明成本越大，公司治理状况越不理想，银行效率越低。这里的总收入等于商业银行年报中的业务收入加营业外收入。
（二）门槛效应估计
表7列示了2004―2014年间，以33.162%为界处于不同税负区制内上市银行的家数。2004―2007年，大部分银行处于高税负区，只有建设银行、兴业银行和宁波银行的税负相对较低。2008―2014年，三类银行开始脱离高税负区。城商行2008年率先脱离高税负区，大型银行2009年全部进入了低税负区，股份制银行直到2014年仍有5家处于高税负区。整体看来，大型银行和城市商业银行的税负较股份制银行较轻。表8是2004―2014年间处于不同中间业务收入占比区制的银行家数，中间业务收入占比区制划分以6.862%为界，这个比例数是建立以TPR为核心解释变量、IOIR为门槛变量的银行效率模型估计后得出的，估计过程略。比较表7和表8发现，中间业务收入占比较高的银行，其税负支付率往往较低。
四、Y论和建议
本文首先构建SSBM的三阶段DEA模型，揭示了2004―2014年我国16家上市银行的技术效率、纯技术效率和规模效率的变动特征。结果表明：我国商业银行效率整体状况不容乐观，影响银行经营效率的主要因素为规模效率，股份制银行和城市商业银行的规模亟待扩张。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比高税负水平环境下更为有效。
近年来，我国银行业持续快速增长，推动着国民经济的健康发展。不过，我国金融市场化改革已经是大势所趋，随着利率市场化改革进程不断加快，银行业普遍拥有的高盈利状态难以继续保持甚至会出现剧烈下降和分化，高税负会成为商业银行业务转型发展过程中的沉重压力。
我国经济正处在供给侧结构性改革浪潮之中，而提高效率是供给侧改革的核心目标，也是衡量商业银行发展的优选标准。商业银行应主动适应经济变革，既要注意保持和扩大市场份额，又需尽快实施业务转型，提升经营效率，增强自身的核心竞争力。政府部门应进一步细化银行业的营改增实施细则，减轻银行业特别是股份制银行的税负负担，避免出现银行税负不减反增、税负波动过大的现象。商业银行借助内外双重驱动力的作用，不断增强业务创新能力，充分挤压冗余支出，进而有效提高自身的经营效率。
注：
①由于数据存在缺失，农业银行2003―2006年的职工费用以其当年现金流量表中的“支付给职工以及为职工支付的现金”数据代替。
参考文献：
[1]Kunt D.， and Harry H. 1999. Determinants of Commercial Bank Interest Margins and Profitability： Some International Evidence[J].The World Bank Economic Review，13（2）.
[2]Neil E. 2001. The determinants of Cost Efficiency in Cooperative Financial Institutions：Australian Evidence[J].Journal of Banking and Finance.25（5）.
[3]Kolari J. W.， and Zardkoohi A. 1987. Bank Costs， Structure， and Performance[M].Lexington Books.
[4]Boyd J. L.， Chang C.， and Smith B.D. 1998. Moral Hazard under Commercial and Universal Banking[J].Journal of money， Credit and Banking，30（3）.
[5]Altunbas Y.， Liu M. H.， Molyneux P.， and Seth R. 2000. Efficiency and Risk in Japanese Banking[J].Journal of Banking and Finance，24（10）.
[6]Rosie S.， Christos S， and Wood G. 2003. Non-interest Income and Total Income Stability[R].Bank of England Work Paper No.198.
[7]Vincenzo C.， Carlo M.， and Francesca S. 2008. Income Diversification and Bank Performance： Evidence from Italian Banks[J].Journal Financial Service Research.，33（3）.
[8]Joyeeta D. 2010. Income Diversificationin Banking：a Branch Level Study in North East India[J].The Journal of Management Awarenes，13（1）.
[9]Albertazzi U.， and Gambacorta L. 2010. Bank Profitability and Taxation[J].Journal of Banking and Finance，34（11）.
[10]Andersen P.， and Petersen.N. C. 1993. A Procedure for Ranking Units in Date Envelopment Analysis[J].Management Science，（39）.
[11]Thrall R. M. 1996. Duality， classification and slacks in DEA[J].The Annals of Operation Research，（66）.
[12]Tone K. 2001. A Slacks-Based Measure of Efficiency in Data Envelopment Analysis[J].European Journal of Operational Research，130（3）.
[13]Tone K. 2002. A Slacks-Based Measure of Super-Efficiency in Data Envelopment Analysis[J].European Journal of Operational Research，143（1）.
[14]Fried H. O.， Lovell C. A. K.， Schmidt S. S.， and Yaisawarng S. 2002. Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J].Journal of Productivity Analysis，（17）.
[15]Berger A. N.， and Humphrey D. B. 1991. The Dominance of Inefficiencies Over Scale and Product Mix Economies in Banking[J].Journal of Monetary Economics，28（1）.
[16]李文宏.中银行业税制结构的选择[J].国际金融研究，2005，（2）.
[17]路君平，汪慧娇.银行业税收负担比较分析及其对银行经营绩效的影响[J].财政研究，2008，（2）.
[18]梁琪，申琳，郝项超.当前营业税制对我国银行业竞争力的影响――基于国际比较的分析[J].财贸经济，2010，（7）.
[19]孙秀峰，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，2010，129（2）.
[20]刘孟飞，张晓岚，张超.我国商业银行业务多元化、经营绩效与风险相关性研究[J].国际金融研究，2012，（8）.
[21]吴有红，张金清.商业银行效率的测度及其影响因素――基于跨国数据的比较分析[J].金融监管研究，2013，（7）.
Abstract：Based on the panel data of domestic 16 listed banks from year 2004 to 2014，this paper builds a SSBM three stage DEA model to estimate the bank efficiency，and a panel threshold model to analyze the nonlinear relationship of business structure and bank efficiency during the change of tax burden. The result shows thatdomestic commercial banks' efficiency as a whole is not optimistic，and the main factors influencing on the bank efficiency is the scale efficiency. Under the low tax burden level， raising the intermediary business revenue ratio would play a much more effective role in improving the bank efficiency. Under the background of supply-side structural reform，the government should as soon as possible implement the commercial banks' changing turnover tax to value-added tax reform for achieving tax reduction effect. In order to effectively improve the bank efficiency，banks should optimize the business structure，control the operating expense and moderately expand their size.
Key Words：commercial banks，tax burden level，business structure，bank efficiency