一、引言

2017年1月，国家发展和改革委员会印发了《西部大开发“十三五”规划》，这是国家批复的第四个西部大开发规划，也标志着西部大开发进入第16个年头。据《西部大开发“十三五”规划》显示，“十二五”期间，西部地区经济实力稳步提升，主要指标增速高于全国和东部平均水平，城乡居民收入年均增长超过10%，截至2015年末，西部地区生产总值占全国比重20.1%，较2011年末提升0.86个百分点。总体而言，经过15年的开发建设，西部地区已具备较强的经济实力，经济结构调整取得积极进展，内生发展动力及抗风险能力得到加强。

CFG桩复合地基承载力计算是根据GB 50007—2011《建筑地基基础设计规范》[1]式（5.2.1-1）、式（5.2.4）和 JGJ 79—2012《建筑地基处理技术规范》[2]式（7.1.5-2）进行计算，即

西部大开发离不开金融的大力支持，无论是公共基础设施的建设完善，推动大众创业万众创新，还是推进城镇化建设、脱贫攻坚，都离不开金融要素的支撑。尤其在当下仍然以银行业为主体的间接融资体制下，引导银行业金融机构更好地服务实体经济也成为西部大开发的一个重要着力点。作为地方法人金融机构，城市商业银行(以下简称“城商行”)更接近经济建设的第一线，同时，与数量众多且作用巨大的中小企业关系密切，据刘畅等人(2017)的研究显示，城商行每增加1元贷款对中小企业的贷款就会增加0.199元，远高于国有大型商业银行的0.0568元和股份制商业银行的0.1元[1]，城商行已经成为小微企业金融服务的重要“生力军”，构成地方金融体系的重要组成部分，积极支持了地方实体经济的发展*以重庆银行为例，该行充分发挥自身法人金融机构的优势，运用综合金融服务模式，在港口航运、公路铁路、油气管网建设方面制定一揽子方案，调动信贷资金，支持重庆交通运输建设的一线企业；出台授信政策指引，支持战略性新兴产业和传统产业转型升级，2016年向装备制造、汽车、信息、化工、材料、能源等重点产业提供信贷资金300亿元。。因此，西部大开发中城商行大有可为。“打铁还需自身硬”，为了更好地服务西部大开发，城商行还需从提升自身服务实体经济的效率入手。经过二十余年的努力，西部地区城商行改革取得了一定成效，尤其是战略投资者的引进(西安银行、成都银行、重庆银行分别引进加拿大丰业银行、马来西亚丰隆银行及大华银行等)、公司治理机制的完善(优化股权结构、完善“三会一层”体制等)、跨区域经营等，为西部地区城商行竞争力的提升奠定了坚实的基础。在此背景下，对西部地区城商行改革发展绩效进行评价具有重要的理论及现实意义。

二、文献综述

通过对商业银行绩效评价的相关研究文献的梳理，我们发现商业银行绩效评价经历从单要素财务指标(丁俊，2001[2])到综合财务指标体系(宁熙等，2004[3])再到参数及非参数分析法的演变过程。而参数及非参数分析法也成为当前研究国内商业银行绩效的两种主流方法。但是，参数分析法对生产函数具体形式及参数的设定具有较强依赖性，尤其是依托一定理论基础的非效率因素指标的选择上主观性更强，不同学者评价体系呈现出差异化的指标设定，一定程度上影响效率评价结果的统一性(张健华，2003[4])。而非参数DEA(数据包络分析)不依赖于前沿生产函数具体设定形式，且可以减轻因观察值不足而造成的估计误差等问题，并且以其处理多投入产出的相对有效性而在商业银行绩效评价中得到更为广泛的应用(陈一洪，2014[5])。例如，赵永乐等(2008)[6]、董竹等(2011)[7]、仲深等(2012)[9]分别从不同角度对国内商业银行的经营绩效进行数据包络分析。

近年来，随着城商行的发展壮大，城商行绩效评价越来越成为学界关注及研究的焦点。芮有浩等(2009)运用DEA方法对包括北京银行、上海银行等在内的13家有代表性的城商行进行分析，结果发现除北京银行一直保持技术有效外，其它12家城商行均在不同时期出现技术无效[9]。靳素君(2013)采用相同的方法对河南省17家城商行不同年份的效率进行评价研究[10]。谭元戎等(2013)则扩展了研究样本，对35家城商行2003—2008年的技术效率进行了实证研究，结果表明城商行的技术效率在此期间处于逐步提升阶段，但其效率值仍然在不同程度上低于国有银行及股份制银行[11]。而对西部地区城商行经营绩效的非参数分析则较少。从掌握的已有文献来看仅有一篇，潘秀等人(2012)对西北地区三家城商行——西安银行、兰州银行、宁夏银行的全要素生产率指数变化进行了研究，结果表明受技术退步影响，3家西北地区城商行全要素生产率下降明显[12]。

综上，目前对西部地区城商行绩效评价的研究文献较少，而从已有对城商行(包括西部地区城商行)绩效评价的研究文献来看，多数研究采用传统的一阶段DEA模型，在绩效评价过程中无法剔除外部环境因素的影响，导致评价结果准确性较低(蓝虹等，2014)[13]。尤其是城商行分布地域广泛，不同城市差异化的经济发展水平、金融生态环境及市场化程度均会对城商行的经营绩效评价产生一定的影响，因此，只有在剔除这些外部环境因素的影响后进行数据包络分析才能得出更为准确的绩效评价结果。据此，本文将采用三阶段DEA模型的Malmquist指数法对西部地区城商行近年来发展绩效进行实证研究，评估其投入产出效率，提高西部地区城商行绩效评价的科学性与准确性。三阶段DEA模型最大的特点是在一阶段分析的基础上运用随机前沿分析法(SFA)剔除环境变量对商业银行绩效的影响，通过调整投入或产出指标将各个评价主体置于同一计量评价起点，从而提高数据包络分析准确性。

①袭人因劝宝玉道：“……今儿你也这么着了。明儿初五，大节下，你们两个再这么仇人似的……”(第二十九回)

三、研究方法

(一)三阶段DEA-Malmquist模型概述

传统DEA-Malmquist模型由Caves、Christensen、Diewert于1982年首次引入，并由Färe等人进一步发展演化而来。该模型采用Shephard(1953)提出的距离函数来定义，用来描述不需要说明具体行为标准的多投入多产出变量的生产技术。一般采用面向产出的方法定义距离函数，即在给定产出变量矩阵情况下投入指标变量矩阵的最小比例[14]。根据Shephard(1970)和Färe(1988)的方法，面向产出的距离函数定义如下：

2.主动反省自己，有助于超越自我。这是一个非常适用于中层干部超越自我的重要辅助办法。因为大部分中层干部由于每天忙于很多事务性工作，会容易变得心情浮躁，不要说一日反省多次，就是一次也很难。《论语》有这样一句话，“吾日三省吾身”。古人尚且知道一日三省，身为单位核心力量的中层干部更需要天天留给自己一段精心思考、回顾的时间。美国前总统富兰克林，每日睡觉前总会检讨今天预订要做的事是否都已完成，并且思考明日要做的事。如果每位中层干部能主动反省，并坚持一日一省或多日一省，不但可以及时纠正自己的错误，还能将别人的错误当成自己的镜子，少走弯路。

本文在Fried(2002)三阶段DEA模型的基础上引入Malmquist指数建立三阶段DEA-Malmquist指数模型。

D0(x，y)=inf{δ:(x，y/δ)∈P(x)}

M0=(xt，yt，xt+1，yt+1)=

在此基础上，Färe等(1989)采用几何平均值来计算定向输出Malmquist指数：

其中，x和y分别表示投入变量和产出变量矩阵，δ表示面向产出的效率指标，P(x)定义为可能的生产集合。如果y是P(x)的组成部分，则函数值将小于或等于1，如果y位于P(x)的前沿面上，那么函数值等于1，如果y位于P(x)外部，那么函数值将大于1。

进一步地，Färe等人(1994)将技术效率变化(EFFCH)分解为纯技术效率变化与规模效率变化，因此，得到如下Malmquist指数：

3）中国女篮主力中锋、大前锋得分能力强，而主力小前锋2分球出手数、得分能力及组织后卫和得分后卫的3分球得分能力、出手数均低于日、澳女篮。

2.3 transwell小室检测人前列腺癌细胞PC3侵袭能力 shRNA-NC组和pcDNA3.0组PC3细胞侵袭能力与对照组相比差异无统计学意义(P>0.05)，RKIP-shRNA组PC3细胞侵袭能力显著高于对照组和shRNA-NC组(P<0.05)，pcDNA3.0-RKIP组PC3细胞侵袭能力显著低于对照组和pcDNA3.0组(P<0.05)，pcDNA3.0-RKIP组PC3细胞侵袭能力显著低于RKIP-shRNA组(P<0.05，表2、图2)。

M0=(xt，yt，xt+1，yt+1)=

上述三项式分别表示规模效率变化、纯技术效率变化以及技术变化，当M0(TFP)及其分解项大于1时表示相关指标改进，等于1时表示没有变化，小于1时表示倒退[15]。

利用随机前沿模型得出的松弛变量结果，对决策单元的投入量进行调整，即：

第二阶段通过构建随机前沿分析模型对决策单元的投入量进行调整使之处在相同的环境中。随机前沿分析模型是由Meeusen、Van den Broeck(1977)及Aigner、Ovell & Schmidt(1977)同时引进的。这里我们建立模型：

Sik=fn(Zk，βi)+Vik+Uik

Sik和Zk分别为松弛变量和环境变量，βi为环境变量的待估参数，fn(Zk，βi)是环境变量对松弛变量的影响函数，Vik+Uik为混合误差项，Vik为随机干扰项，服从分布，Uik表示管理无效率，服从的截断正态分布，Vik与Uik独立不相关并且当γ=σum/(σum+σum)趋近于1时，管理无效率占主导因素，说明忽略环境变量的传统一阶段DEA-Malmquist指数并不能反映决策单元全要素生产率的真实情况及其变动[16]。

2.第二阶段：构建相似随机前沿分析模型

Xik为调整前的投入量，为调整后的投入量，Max{ZKβi}-Zkβi代表将所有决策单元调整至相同的环境变量中，Max{Vik}-Vik代表将所有决策单元的随机干扰因素调整至相同的情形中。

3.第三阶段：调整投入变量后的DEA-Malmquist模型

1.第一阶段：传统DEA-Malmquist模型

利用第二阶段随机前沿分析模型得到的调整后的投入量与初始产出，再次运用Malmquist指数模型计算各决策单元的效率值，从而得到剔除外部环境和随机干扰因素影响的效率值，该效率值能够真实地反映决策单元的全要素生产率及各分解效率指数。

(二)数据及变量说明

为确保样本城商行的可比性，本文搜集了2009—2016年间连续且完整披露相关财务信息的14家西部地区城商行的年度报告，通过年度报告提取研究所需的数据。14家样本城商行分别为包商银行、成都银行、长安银行、重庆银行、富滇银行、桂林银行、贵阳银行、昆仑银行、兰州银行、南充银行、内蒙古银行、宁夏银行、三峡银行及西安银行。14家样本城商行2016年末资产总计3.52万亿元，年度实现利润总计376.60亿元。

1.投入产出指标选择

数据包络分析中投入产出指标的选择至关重要，对于同一时间区间同一样本的决策单元来说，选择不同的投入产出指标所得到的效率值也不同。尤其对于商业银行而言，投入产出指标选择方法多样，除了常见的生产法、资产法、中介法之外，还有诸如对偶法、增加值法以及中介法与生产法相结合、中介法与资产法相结合等多种方法。通过对王兵等(2011)[17]、蔡跃洲等(2009)[18]、周逢民等(2010)[19]几篇发表于《经济研究》及《金融研究》有关DEA投入产出指标选择文献的梳理，本文发现，既有研究中无论采取哪种方法都存在一些问题：一是产出指标选择的重复，产出指标中既有税前利润又有非息收入或者贷款余额，而税前利润本身包含了正常贷款获取的利息收入以及通过开展中间业务获取的非利息收入；二是将固定资产作为一项独立的投入指标，而固定资产在商业银行总资产中的占比很小，因此不宜将固定资产作为一项投入；三是投入指标的重复，投入指标中既有利息支出又有存款余额，或者既有员工薪酬又有员工人数。基于以上关于投入产出指标的相关结论，本文拟从盈利角度，即城商行通过使用既有资源创造利润的能力角度来研究城商行投入产出效率。据此，本文选择税前利润作为产出指标，选择员工费用、计息负债余额及股东权益作为投入指标，其中，员工费用反映城商行支付给员工的薪酬，作为人力投入指标，计息付债是城商行需要付出债务成本的负债余额，反映城商行通过对外负债投入的资金，股东权益则是自有资金，这两项合计为非人力投入。

表1 投入产出指标的描述性统计结果(2009—2016)

指标类型指标名称观测个数均值标准差最小值最大值投入指标计息负债1121156.52359.56123.063616.02股东权益11293.42169.659.63298员工费用1124.927.140.2125.89产出指标税前利润11218.1731.400.8955.08

2.环境变量因素的选取

在第二阶段影响城商行绩效环境变量的选择上，本文结合城商行经营环境特点以及已有理论研究[20][21][22]，选取以下3个环境变量。一是股权结构变量，反映城商行产权形式差异对城商行绩效产生的影响。产权配置影响城商行的资源配置行为，尤其是国有股权占比较高的城商行，其经营行为在更大程度上受到地方政府的影响，地方政府出于自身政绩需要而施加于城商行主体的经营决策有可能对城商行的经营绩效产生负面的影响(La Port et al.2002)。二是地方经济发展水平。经济金融之间相互促进、相辅相成的关系十分明显，尤其是城商行，较高的地方经济发展水平能够为城商行的发展提供充足的动力，尤其在信贷投放方面，同时，经济发展水平越好，城商行资产质量压力也会越小。三是贷款市场份额。反映城商行所处城市银行业竞争程度对城商行绩效评价的影响，贷款市场份额越大说明对当地银行业市场的垄断程度越高、竞争程度就越小。

四、实证结果与分析

本部分运用三阶段DEA模型的Malmquist指数分析法，从引入包括员工费用、股东权益、计息负债三个投入指标、税前利润产出指标、剔除外部环境因素角度，实证分析西部地区14家样本城商行的全要素生产率及其各项分解因子的发展趋势及影响因素，探寻提高西部地区城商行服务西部大开发绩效的路径。

如今医学早就为左撇子们证言，他们非但不是残疾，而且右脑甚至比一般人更加发达，人们才对左撇子有了更大的接纳。但很少有不掰正孩子左撇子的父母。有心理学家说，制止左撇子只是父母压制孩子天性的一个缩影。

(一)第一阶段DEA—Malmquist指数法的绩效分析

1.均值角度分析

(1)西部地区城商行总样本。表2第一阶段的结果显示，纯技术效率指数、综合技术效率指数两个因子指数大于1，说明西部地区样本城商行整体经营管理水平和运营能力提到不断提高，而规模效率整体则呈现下降趋势，表明随着西部地区城商行资产规模及业务规模的不断扩张，规模的有效利用率还有待提高，尤其是大量建设网点及员工投入的同时要更加注重提高网均及人均产能。技术变化指数仅为0.983，低于其它各项分解因子，也在很大程度上拖了全要素生产率的“后腿”，导致在综合效率指数整体提升的情况下，全要素生产率指数则小于1，表现为全要素生产率的下降。

同时，在区块链中共识机制与激励机制息息相关，许多共识机制的改进是为了更好地设计激励机制，文章中我们对此不做讨论。

(2)样本城商行个体分析。14家样本城商行中仅4家城商行八年来全要素生产率指数大于1，占比不到三成，并且这4家样本城商行整体全要素生产率的改进幅度都比较小，最高的仅提升了4.1%，最低的不到1%。将14家样本城商行以综合效率指数为横轴，以技术变化指数为纵轴绘制散点图，得到图1。可以看出，没有1家样本城商行位于图1右上象限，也就是说没有1家样本城商行的综合技术效率指数与技术变化指数同时达到效率前沿面，其中，综合技术效率指数大于1的样本城商行有5家，而技术变化指数大于1的样本城商行则有4家，由此可见，西部地区城商行综合技术效率、技术进步效率均有待提高。再将14家样本城商行以纯技术效率指数为横轴，以规模效率指数为纵轴绘制散点图得到图2。可以看到，仅有2家样本城商行位于图2右上角的象限，其中，各有7家样本城商行的纯技术效率及规模效率指数大于1，并且纯技术效率比规模效率整体更接近效率前沿面，也就是说大多数西部样本城商行的综合技术无效来源于规模无效率，规模无效率制约西部城商行综合技术效率的提升，这与前面的分析一致。

表2 样本城商行第一阶段DEA-Malmquist指数表

模型阶段效率类别第一阶段综合技术效率技术变化纯技术效率规模效率全要素生产率2009—2010年1.0631.1401.0571.0061.2122010—2011年1.1000.9651.0871.0131.0622011—2012年1.0820.9411.0441.0361.0182012—2013年1.0460.9290.9821.0660.9722013—2014年0.9270.9891.0080.9200.9172014—2015年0.9120.9310.9860.9250.8492015—2016年0.9530.9990.9630.9900.953几何平均值1.0090.9831.0170.9920.992

注：在得出样本城商行各年份效率值的基础上进行几何平均得出样本城商行平均效率值。

图1 西部地区样本城商行综合效率及技术变化指数

图2 西部地区样本城商行投入产出纯技术效率和规模效率指数

2.动态角度分析

由图3可以看出，全部研究样本的全要素生产率指数2009—2015年间出现明显的衰退现象，虽然2009—2012年间全要素生产率指数维持在1以上，但逐年下降，尤其是2011年下降十分明显。总体来看，除2009—2010年间技术进步变化指数处于高位，2010—2016年技术进步变化相对平缓，说明期间西部城商行在技术创新、技术引进方面并没有取得较为明显的突破，导致2010年以后技术进步变化指数始终在1以下。从综合技术效率及技术进步与全要素生产率指数的变化趋势来看，2009—2012年间全要素生产率指数与技术进步指数的变化趋势基本保持一致，也就是说在这一时期样本城商行全要素生产率指数主要依赖于技术变化，在技术变化呈现退步的趋势带动下，样本城商行的全要素生产率也明显衰退；2012—2016年间全要素生产率指数的变化趋势与综合技术效率的变化趋势基本一致，在这一时期综合技术效率则成为制约全要素生产率提高的主要因素。

图3 西部地区样本城商行2009—2016年Malmquist指数均值及其分解指标

(二)运用SFA剔除外部环境因素影响分析

第二阶段运用随机前沿生产分析法(SFA)，以第一阶段数据包络分析求出的三个投入的松弛变量作为因变量，以前述环境变量作为自变量，采用Frontier4.1软件进行随机前沿分析，根据投入的不同使用独立的回归方程，剔除环境变量对城商行经营绩效评价可能产生的影响(如表3所示)。由于投入松弛可视为各家城商行的机会成本，因此，当回归系数为正时，表明解释变量与投入松弛变量呈正相关，说明解释变量的增加不利于投入松弛的减少，反则有利于提高投入的利用效率。

表3 第二阶段：各变量SFA的估计结果

计息负债投入松弛变量股东权益投入松弛变量员工费用松弛变量常数项-3.6876 -3.0963 -2.6788 国有股持股比例0.9155 0.3876 0.9305 人均GDP-1.0006 -1.0186 -0.7263 贷款市场份额-1.4308 -1.0532 -0.3831 Sigma-squared0.3975 0.4965 0.4235 gamma0.9218 0.9380 0.9179 LR检验值87.64 70.83 77.65

注：FRONTIER4.1软件采用Quasi-Newton方法进行迭代运算，当误差估计小于0.00001时迭代计算终止；表示在1%的水平下显著；表示在5%的水平下显著；表示在10%的水平下显著。LR是单边似然比检验统计量，模型符合混合卡方分布。

由表3随机前沿分析可知，西部地区城商行效率受环境因素影响较大。

1.股权结构。国有股持股比例变量与固定资产、员工及营业支出松弛变量的关系均为正，表明国有股持股比例越高越不利于城商行投入产出效率的提高。扎根于地方以及与地方政府的天然联系，再加上自身经营地域的局限性决定了城商行在很大程度上仍然需要地方政府的政策及资源扶持，在这种利益互换的过程中，多数城商行第一大股东仍然是地方财政、国有资产投资经营公司等。然而，这种产权配置属性很大程度上影响着城商行的资源配置行为，尤其在信贷决策中更容易受到地方政府基于稳定就业及经济发展诉求的影响，将更多的信贷资源投放到低效项目或者周期比较长的基建项目。

2.经济发展水平。人均GDP变量与三个投入要素松弛变量之间均为负相关，表明地方经济发展水平越好越有利于城商行投入产出效率的提升，这一研究结论具有较强的普遍性。一般说来，一个地区经济发展水平越高，对人才、资金等要素的吸引力也越高，比如，北上广深等经济发达的一线城市往往是人力、资金、信息要素的“高地”，这从各家城商行争相在上述一线城市设立分行就可以看得出来。丰富的人才、资金等要素对于提升城商行的全要素生产率具有积极作用。此外，经济发展水平越高，城商行发展的外部环境越稳定，这有利于其加快改革转型、提升效率。

3.行业竞争程度。贷款份额变量与三个投入要素松弛变量之间也呈负相关，表明行业竞争程度越低越有利于城商行提升其投入产出效率。当前激烈的银行业竞争在一定程度上削弱部分城商行的竞争力，尤其以传统息差业务为主要盈利模式的城商行面对深入推进的利率市场化以及来自国有银行及股份制银行的价格竞争明显处于劣势地位。而那些在本土具有较高市场份额的城商行往往能够利用已有市场势力开展业务或者进行结构调整，这对其发展绩效的稳定与提升具有积极的推动作用。

(三)第三阶段DEA—Malmquist指数法的绩效分析

通过前述随机前沿分析可以发现环境因素对样本城商行的投入冗余具有显著的影响。那些处于较好环境(股权结构较优、经济发展水平较高、行业竞争度较低)样本城商行的投入产出效率可能会被高估，而那些处于较差环境的样本城商行投入产出效率则可能被低估，因此，本部分将要用第二阶段调整后的投入指标来替代原始投入数据，再次运用DEA-Malmquist指数分析法分析获得样本城商行的投入产出效率，所得的各个效率值即为剔除外部环境变量后的效率值(如表4所示)。

针对这些不可避免的自然因素对档案的影响，就要建立起以预防为主，修缮为辅的档案保护模式，应建立起专门的档案库房馆并使用相关的合理设备。该馆的温度、湿度等都要符合档案的保存条件，而且该馆在建造时，应采用节能、环保的材料，要重点注意库房的防火、防水，防空气污染、防有害生物等情况，从而建立一个良好的档案保存环境。对电子档案来说，要以预防信息泄露和保障信息安全为主，建立起覆盖各层次的网络环境。同时，要对毁坏性的档案进行修补，包括档案去污和对档案馆进行驱虫灭菌等，合理的档案预防和修补技术能有效保护档案的安全。

表4 样本城商行第三阶段DEA-Malmquist指数表

模型阶段效率类别第一阶段综合技术效率技术变化纯技术效率规模效率全要素生产率2009—2010年1.0401.1231.0321.0081.1682010—2011年1.0910.9581.0801.0101.0452011—2012年1.0790.9331.0441.0331.0072012—2013年1.0340.9240.9771.0580.9552013—2014年0.9120.9811.0010.9110.8952014—2015年0.9030.9200.9810.9200.8302015—2016年0.9400.9880.9580.9810.929几何平均值0.9970.9731.0100.9870.970

注：在得出样本城商行各年份效率值的基础上进行几何平均得出样本城商行平均效率值。

对比表2和表4可知，经过第二阶段SFA调整后的效率值与调整前的效率值存在明显的差异*采用Wilcoxon符号等级检验法检验调整前后的全要素生产率、各分解项之间是否存在显著差异，结果显示在1%显著水平下存在显著差异，也表明采用SFA对原始投入指标进行调整是有必要的。。总体而言，剔除环境变量和随机因素影响后的西部地区样本城商行的效率值低于调整前的效率值，平均全要素生产率指数由调整前的0.992降至调整后的0.970，其中，综合技术效率值下降了0.012，技术变化指数下降了0.010，说明调整前的样本全要素生产率及各分解项存在明显的高估。

1.总体来看，西部地区样本城商行八年间全要素生产率几何平均值为0.970，年均下降0.03。而在总共七个时间区间内，西部地区样本城商行仍然在前三个时间段内(2009—2010年、2010—2011年、2011—2012年)保持全要素生产率的改进，但是改进幅度相较调整前存在不同程度的下降。在此之后样本城商行全要素生产率出现“断崖式”下降，尤其是2013—2014年、2014—2015年分别下降至0.895、0.830，较八年几何平均值分别低0.075、0.140。

2.从全要素生产率的分解因子来看，综合技术效率几何平均值0.997，接近效率前沿面，意味着样本城商行在这八年时间内整体资源配置能力、资源使用效率等经营管理技术方面的能力保持在基本有效水平，这也可以从纯技术效率值的几何平均值及动态变化中得到体现。纵观西部地区城商行改革发展实践，可以发现多方面因素叠加共同推动其技术效率的改进。从公司治理层级来看，降低各类国有股比例，引进在商业银行领域具有较强综合实力和先进管理水平的战略投资者，不断优化股权结构、提高公司治理水平。2008年以来，重庆银行、成都银行、德阳银行等西部城商行相继引进国内外具有较强综合实力的金融企业作为战略投资者，引资的同时引进其先进的公司治理、经营管理理念以及风险控制技术，助推其经营管理技术的改进。从具体技术层面来看，西部地区城商行坚持服务小微企业、服务市民、服务社区的市场定位，立足城商行资源禀赋走差异化、特色化的发展道路。例如，包商银行多年来坚定小微战略定位，通过引进国外先进小微技术、事业部制改革等举措发展成为业界标杆。相比纯技术效率，西部样本城商行的规模效率自2013年起一直处于规模无效状态，规模无效也成为制约样本城商行综合技术效率提升的关键因素。事实上，自2009年起样本城商行资产规模年复合增长率达到27.41%，总资产余额由2009年末的6467.26亿元增长至2016年末的35245.42亿元，规模快速扩张与规模效率下降之间的矛盾更多体现在人均和网均产能的不足，最终归结为人员投入与产出之间的不匹配。造成这种现象的原因有很多，而在纯技术效率提升的情况下，激励约束机制的不健全是症结所在，许多城商行在扩张过程中没有根据发展质效科学制订激励约束机制，不能有效控制经营成本，导致成本的增加超过产出的扩张，表现为规模效率的下降。

3.结合技术变化指数趋势及其后期对样本城商行全要素生产率提升的制约，本文认为，随着规模效率递减的到来，除非样本城商行通过改善资源配置效率，将更多的生产要素配置到效率更高的业务，从而让既定技术水平和投入下的产出得到提升；或者通过引进互联网、大数据等更为先进的技术来改善经营管理、创造新的商业模式，使生产边界外移。否则在现有技术条件下，通过持续的要素投入、规模扩张所带来的全要素生产率提升的空间将越来越小。

红色文化是革命先辈用鲜血乃至生命留下的文化瑰宝，是民族精神、集体主义、爱国主义的集中体现[3]。红色教育即红色文化教育，是将高尚的民族气节、舍生取义的奉献精神、无畏的奋斗精神和与时俱进的时代精神融入人们的思想与生活中。高校红色教育有助于大学生明确政治方向、坚定理想信念，提升思想认知水平，培养吃苦耐劳精神，是弘扬民族精神、激发爱国之情的有效途径。当前高校红色教育存在诸多局限，在教学实践中无法取得预想效果。

晚上，走进土菜馆，看着满桌子美味佳肴，饭店老板乐呵呵地向食客们介绍道，今天吃的都是绿色无污染的食材。这些土菜，都是施土杂肥生长的，农药化肥用得少，更没有用催长素，既新鲜环保又比固定市场里的价格还便宜了许多。老板还不无得意地推销道，这盘是野生黑木耳炒青草饲养的猪肉，这盘是山溪里抓的各种野生鱼类，这盘是山坡上放养的鸡……大家放心吃吧！

五、主要结论及政策建议

运用三阶段DEA-Malmquist指数法，本文对西部地区14家城商行投入产出效率进行分析。在随机前沿分析剔除环境变量的影响后，样本城商行的综合技术效率、纯技术效率、规模效率及全要素生产率均出现不同程度下降，具体来看：(1)西部地区城商行全要素生产率自2009年起逐年下降，其中，2009—2012年间，制约样本城商行全要素生产率提升的主要因素是技术退步，而2012—2016年间，受综合技术效率的下降，样本城商行的全要素生产率也呈现下降态势。(2)以股权结构、经济发展水平及行业竞争度为代表的环境变量对样本城商行的全要素生产率影响明显，调整前后的全要素生产率及各项分解因子均有所改变，表明样本城商行效率确实受环境因素影响，其中，经济发展水平和行业竞争度对提升城商行效率具有显著的促进作用，股权结构对城商行效率提升则起到相反的作用。(3)14家样本城商行中不到三成的城商行八年来年均全要素生产率指数大于1，即便全要素生产率大于1，整体改进幅度也比较小，最高的仅提升了4.1%，最低的则不到1%。

8月23日晚，安徽滁州全椒县扶贫干部、农村公路局副局长张伟像往常一样洗了个澡。他肯定想不到，为此他要付出意外的代价：洗澡时，他在4分钟内错过了省脱贫攻坚巡查组打来的4个电话。于是他就被县纪委通报处分了，理由是，在安徽省脱贫攻坚巡查中不正确履职，造成严重不良影响，给予党内警告处分。这则通报发布后，举国哗然。小伙伴们都惊呆了：今后，咱还能好好洗个澡吗？迫于舆论的强烈反应，全椒县纪委监委组成调查组全面复查，11月16日通报称，决定撤销对张伟的党纪处分，同时要求防止执纪问责简单化。

基于上述研究结论，本文认为西部城商行可以同时通过进一步改善资源配置效率和推动技术进步两个路径来提升全要素生产率。(1)先从资源配置效应来看，宏观经济下行及产业结构调整对传统对公业务的负面影响逐步凸显并在未来很长一段时间内持续，但是，包括投资银行、交易银行在内的新兴对公业务以及零售银行业务对城商行而言还有很大的拓展空间，因此，无论是业务内部资源配置的改善还是业务间资源配置的转移仍然有一定的潜力。例如，适应当前融资脱媒趋势，加快培育债券承销等投资银行业务；以支付结算、现金管理、贸易和融资服务为核心，围绕企业供应链提供交易银行服务等。城商行还需在业务管控模式、激励机制、团队建设等方面积极探索实践，为新业务的培育夯实基础。(2)再从技术进步来看，在未来一段时期内，城商行仍然有机会获得一定的技术进步。一方面，互联网、大数据、云计算等信息技术的逐步发展成熟为城商行新技术应用提供了广阔空间，另一方面，相比大型银行，城商行对技术的研发水平或者技术研发的转化率相对落后，未来还有较大的提升空间。城商行须加快以知识、信息、数据等新生产要素为支撑，以新技术新业态新模式为核心的金融创新。在传统业务创新改造方面，要结合当前客户消费方式的变化，利用互联网、大数据等新技术成果，提升产品和服务的附加值。同时，积极主动对信息科技进行投入，每年拿出税前利润的一定比例作为科技建设资金，适应市场环境的变化，提升管理的信息化、数字化，增强部门协作效率、业务拓展和创新能力，提高全要素生产率[23]。

市政建筑工程地基施工需要开挖较深的基坑，对于地下水资源较为丰富的地区，例如我国南方多雨地区，地下水资源不仅丰富，而且水层较浅，再加上常年多雨，充足的雨水势必会对地基工程施工产生较大的影响。所以对于这些地区，尤其在雨季进行施工时，必须做好现场防水、排水工作。但是在实际作业中，很多建筑企业并没有采取科学的保护措施，导致地基进水，不仅影响施工进度，而且也会严重影响地基结构质量。所以在市政建筑工程地基施工中必须及时清理深基坑内的积水，同时做好防水和排水设施，保证基坑无积水。另外对于被水浸泡过的土层也要做好清理和加固工作。

参考文献：

[1]刘畅，刘冲，马光荣.中小金融机构与中小企业贷款[J].经济研究，2017，(08).

[2]丁俊.对我国地方性商业银行效率的国内比较研究[J].金融论坛，2001，(07).

[3]宁熙，蒋科瑛.中国地方性银行绩效提升问题研究——以杭州市商业银行为例[J].商业研究，2004，(15).

[4]张健华.我国商业银行效率研究的DEA方法及1997-2001年效率的实证研究[J].金融研究，2003，(03).

[5]陈一洪.基于DEA-Malmquist模型的城市商业银行效率分析[J].金融理论与实践，2014，(07).

[6]赵永乐，王均坦.商业银行效率、影响因素及其能力模型的解释结果[J].金融研究，2008，(03).

[7]董竹，张春鸽.中国大中型银行与小型商业银行效率的比较——基于投入主导型的DEA测度[J].经济管理，2011，(07).

[8]仲深，王春宇.中国商业银行全要素生产率及其影响因素的实证研究——基于DEA的Malmquist生产率指数法[J].技术经济，2012，(01).

[9]芮有浩，许承明.基于DEA模型的我国城市商业银行效率动态研究[J].南京财经大学学报，2010，(02).

[10]靳素君.基于数据包络分析(DEA)模型的河南省城市商业银行效率研究[J].金融理论与实践，2013，(10).

[11]谭元戎，顾颖，赵自强.中国城市商业银行的技术效率及其影响因素的实证分析[J].经济问题探索，2013，(06).

[12]潘秀，王雷.西北地区城市商业银行效率分析——基于DEA和Malmquist指数法的实证研究[J].宁夏社会科学，2012，(03).

[13]蓝虹，穆争社.中国农村信用社改革后的绩效评价及提升方向[J].金融研究，2014，(04).

[14]陈一洪.城商行经营效率及其影响因素实证分析——基于53家城商行面板数据的随机前沿模型[J].江汉学术，2014，(03).

[15]卢曦，许长新.基于三阶段DEA与Malmquist指数分解的长江经济带水资源利用效率研究[J].长江流域资源与环境，2017，(01).

[16]陈一洪.基于SFA的鲁浙苏城商行技术效率对比及影响因素研究[J].财经理论研究，2014，(01).

[17]王兵，朱宁.不良贷款约束下的中国银行业全要素生产率增长研究[J].经济研究，2011，(05).

[18]蔡跃洲，郭梅军.我国上市商业银行全要素生产率的实证分析[J].经济研究，2009，(09).

[19]周逢民，张会元，周海，孙佰清.基于两阶段关联DEA模型的我国商业银行效率评价[J].金融研究，2010，(11).

[20]丁俊.对我国地方性商业银行效率的国内比较研究[J].金融论坛，2001，(07).

[21]迟国泰，芦丹，孙秀峰.基于城市差异系数的城市商业银行效率评价模型及实证研究[J].管理工程学报，2007，(03).

[22]陈一洪.股权结构、跨区域经营与经营绩效——基于城市商业银行随机前沿生产函数的分析[J].广东财经大学学报，2013，(05).

[23]陈一洪.城市商业银行竞争力分析(2009—2016)——基于横向对比与动态发展的视角[J].当代金融研究，2017，(02).