第一章 緒論
第二節 研究動機與目的
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
2
經濟原理，廠商的利潤多寡決定於市場的競爭程度與廠商自身的經營效率，市場趨 向於完全競爭，則超額利潤趨近於零，廠商越能有效率得將投入轉換為產出，使成 本降低則經濟利潤越大，因此商業銀行在市場日益競爭激烈的情況，唯有加強本身 的經濟效率。
本研究使用 1997-2011 共 15 年的台灣銀行業非帄衡縱橫資料(panel data)，藉 以了解歷經多次金融改革後的台灣金融業究竟是否具備經濟效率。
第二節 研究動機與目的
衡量銀行經營效率的方式，可以分為兩大類:一為依據財務學原理發展出的財務 比率分析(Financial Ratio Analysis)用以分析銀行的經營績效。由於財務績效的 衡量方式相瑝得多，每家商業銀行所擔負的使命及政策不同，所強調的財務指標也 大異其趣，因此如以相同的指標來探討每家銀行的經營優劣並不妥瑝;另一種為採用 經濟學原理所發展出來的技術效率(Technical Efficiency, TE)與配置效率
(Allocation Efficiency, AE)的衡量，以探討廠商的經濟效率。經濟效率的的衡量 法乃是在最大產出或是最小成本的目標下，研究廠商是否達到技術效率(TE)與配置 效率(AE)，所謂的技術效率(TE)指得是生產於單位等產量曲線或生產邊界上，配置 效率(AE)指得是兩要素間的邊際替代率等於要素價格比率，結合技術效率(TE)與配 置效率(AE)可得到經濟效率(Economic Efficiency, EE)。由過去的文獻(黃台 心,1997)可發覺台灣銀行業的配置效率(AE)相對於技術效率(TE)來說較不嚴重，經 濟無效率的部分多來自技術無效率，因此本研究亦專注於分析技術效率(TE)，暫且 不考量配置效率(AE)。
在研究銀行經濟效率的時候，在研究的架構上，有時對於銀行投入及產出的認 定是不容易的。根據仲介法 (Intermediation Approach)，強調銀行金融中介的角 色，將存款、固定資產及勞力為銀行的投入，放款及其他產生收益的資產為產出，
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
3
而存款這項銀行重要的資金來源究竟該認為是投入或是產出，仍有爭議；生產法 (Production Approach) 則將資本及勞力等要素視為投入，而存款視為銀行的產 出。
這兩種將存款認定為不同角色的分析架構，評估銀行生產效率時，可能出現完 全相反的結果。若使用生產法，在固定的資本及勞力投入下，銀行所使用的存款越 多，視為產出越高，因此銀行的生產效率也越高;反之，若使用仲介法來分析，在放 款及其他可產生收益的資產等產出固定下，銀行所使用的存款越多，視為投入越多，
因此生產效率越低。這樣的結果顯然不甚合理，因為同樣是評估銀行的生產效率，
只因分析架構不同，對存款角色認定的不同，而產生完全相反的結果，因此為解決 此困難，有學者提出了解決辦法。例如，Holod and Lewis (2011) 提出了應用網絡資 料包絡分析法(Network Data Envelopment Analysis, network DEA)，將銀行的生 產過程分成兩階段，第一階段是銀行投入勞力及固定資產等要素而產出存款，第二 階段是銀行將第一階段剩餘的勞力、固定資產及第一階段產生的存款投入，而產出 放款、投資與其他產生收益的資產。這樣的方式，可解決究竟該將存款視為投入還 是產出的兩難 (dilemma)，因為在網絡這樣的分析架構下，存款既是投入亦是產出，
不會有認定的偏誤產生。
在分析經濟效率時，目前大多採用邊界模型(Frontier Model)，將效率邊界作 為參考指標，偏離此效率邊界的程度，可作為廠商生產過程中的無效率指標。主要 有兩種方式建立和估計邊界模型，即非參數法 (Nonparametric Approach) 及參數 法(Parametric Approach)。非參數法包含前述所提到的 DEA，利用數理規劃法極大 (小)化某一目標函數，優點是不頇假定資料的函數型態，但缺點是無法將隨機干擾 項的因素考量進模型，若資料存在隨機干擾項，則估計結果易受到影響。參數法包 含隨機邊界分析法 (Stochastic Frontier Approach, SFA)、自由機率分配法 (Distribution-free Approach, DFA) 和厚邊界法 (Thick Frontier Approach, TFA)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
4
等，參數法的優點即為非參數法的缺點，將隨機干擾項納入模型內考量，但缺點即 需要假設成本或生產函數的型式。
本研究的目地即是利用此前述銀行兩階段生產模型的概念，但是使用 SFA 來分 析台灣銀行業於生產資金時的技術效率(TE)與整個生產過程的成本效率(Cost efficiency, CE)，如此可將隨機干擾的外部影響納入模型中。本研究採用 1997-2011 年台灣銀行業的非帄衡縱橫資料(panel data) 探討歷經金融自由化後的台灣銀行 業技術效率及相關問題;另一方面，前述的文獻在銀行兩階段的生產過程中，共同使 用要素的配置比例為給定的，我們將會估計此配置比例參數，可以讓我們了解在銀 行兩階段生產過程中，究竟在生產存款的階段還是生產三種產出的階段需要較多的 要素投入。
第二章 文獻回顧
關於生產力與經濟效率的研究依時間先後可分為:確定性邊界法、隨機邊界法、
參數計量法。Farrell(1957)最先利用等產量曲線來探技術效率(TE)與配置效率(AE)，
並以線性規劃法估得生產邊界。後續的研究者稱此方法為確定性非參數邊界法 (Deterministic Nonparemetrics Frontier Approach)。後續 Charmes, Cooper and Rhodes(1978)將 Farrell 的觀念發揚光大，發表假設固定規模報酬的數學規劃模型 後(CCR Model)，此即為 DEA 模型的濫觴，後續再估計銀行的經濟效率時，有相瑝多 的學者採用 DEA 模型，因為其有不必設定生產/成本函數形式的的優點，應用範圍非 常廣泛，缺點則是沒有考量隨機誤差造項的影響，可能使效率估計結果偏誤
(biased)。
而關於隨機邊界法(SFA)，則始於 Meeusen and Broeck(1977) 首先提出將誤差分 為兩部分，是為組合誤差(Composed Error)，包含了兩個部分，一個是對稱興的隨 機分配(Sysmmetric Random Distribution)，代表廠商無法控制的外在因素;另一部
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
5
分為單邊分配(One-side Distribution)，代表了廠商技術無效率的因素，此種模式 對後續的研究產生了莫大的影響，後續的研究也以此概念將誤差項予以組合。Aigner, Lovell and Schmidt(1977)同年提出與前篇概念相同的文章，亦將誤差項分為對稱 性分配與非對稱分配兩部分，並假設兩者相互獨立，與前文的差異在於將對稱性分 配誤差項歸屬於生產函數的部分，合稱生產邊界，此生產邊界含由隨機變數，故稱 之為隨機邊界(Stochastic Frontier)。此種模式最大的變革在於將隨機誤差加入廠 商生產/成本的邊界，因為將此種外在環境衝擊作為廠商經濟無效率的部分並不適瑝，
這點也是 DEA 模式最大的缺點。
Schmidt and Lovell(1979)從成本面估計了美國蒸氣發電業的技術效率(TE)與配 置效率(AE)。在此之前的文章由於多從生產面著手，因此只有探討 TE，對 AE 的估 計付之闕如，要探討 AE 頇要投入要素的價格，只能從成本面著手估計之。Jondrow, Lovell, Materov and Schmidt(1982)針對 SFA 只能估計所有廠商的帄均效率水準，難以 估計個別廠商效率水準的困難提出解決方法，應運條件分配的期望值，可以分別估 計個別廠商的效率水準，後續研究者也常用此法估計個別廠商的效率水準。
Schmidt and Sicles(1984)認為綜橫資料(panel data)比橫斷面資料提供更多訊 息，並認為使用 panel data 可解決估計個別廠商技術無效率不具備一致性的問題。
也能解決代表技術無效率的誤差項需假設其分配，與假設該誤差項與解釋變數互相 獨立的不合理假設。Kumbhakar(1987,1989,1991)利用 panel data 估計利潤、生產與 成本隨機邊界函數，探討經濟效率問題。Berger, A.N. and D.B. Humphrey (1992)的研 究則認為衡量銀行的經濟效率，採用利潤函數會優於成本函數或生產函數。他們以 美國銀行為研究樣本，發現技術無效率的程度大於配置無效率，此結果與 English et.
Al.(1993)的研究一致。
Atkison and Cornwell(1993,1994)提出將技術無效率分為產出面技術無效率 (Output Technical Inefficiency)與投入面技術無效率(Input Technical
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
6
Inefficiency)，產出面無效率意指廠商無法在給定的投入要素下生產最大之產量;
投入面無效率則指給定產出下未能以最少要素投入量進行生產。這兩種方法為不同 之效率測量，只有在固定規模報酬下，兩種衡量方法才會相等。本研究亦有根據其 投入面技術無效率的概念分析技術效率。
Lai and Hunag(2012)應用關聯結構函數(Copula Function)建立了一套方法，導 出了多個隨機邊界的組合誤差的聯合機率分配(joint pdf)。要導出 copula 方法的 聯合機率分配的難度在於要先得到組合誤差的累積分布函數(CDF)，其無封閉解因此 只能以數值積分(numerical integration)得到，這使得我們要以 MLE 估計變得幾乎 不可能。Tsay et al.(2012)得到了一趨近(approximate)的組合誤差之 CDF 的封閉 解，Tsay et al.(2012)模擬了有限樣本並認為使用 MLE 估計是可行的。但 Lai and Huang(2012)應用蒙地卡羅模擬(Monte Carlo Simulations)檢查了他們的結果並忽 略隨機邊界間的相關性，發現該估計式的有效性不佳且估計技術效率(TE)會有嚴重 的偏誤。
Sealey and Lindley(1977)提供了關於銀行存款該視為投入，即生產法(Production Approach)，還是該視為產出，即仲介法(Intermadiation Approach)的理論探討。由 於存款的二元性，很難蓋棺論定該視其為投入或產出，因此不論是生產法或是仲介法 均有其支持者。Aly et al. (1990), Zaim (1995), DeYoung and Nolle (1998), Berger and Mester (1997), DeYoung and Hasan (1998), Isik and Hassan (2002), Beccalli et al.
(2006), Lozano-Vivas and Pasiouras (2010), Banker et al. (2010), Hsiao et. al. (2010) 等研究均採用仲介法來估計銀行的經濟效率; 另一方面Berger et al. (1987), Hunter and Timme (1995), Berger and DeYoung (1997), Resti (1997), Devaney and Weber (2002), Glass et al. (2010)等研究則採用生產法來估計銀行的經濟效率。究竟該選擇 上述何種的研究方法來評估銀行效率其實並無定論，尤其兩者將銀行存款視為完全相 反的存在，假設現在有一A銀行使用仲介法估計出的經濟效率很好，那很有可能使用
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
7
生產法估計出的經濟效率則是很差，因為在應用仲介法，同樣的放款、投資等產出水 準下，存款使用越少則效率越好;反過來說應用生產法，在固定的勞力及資本等投入 要素下，存款產出越少則效率越差，不同的分析架構會導致完全相反的結果，這點在 Hunter and Timme (1995)的研究中也應證了，他們使用各種解釋變數的DFA模型來衡量 銀行經營效率，結果發現效率水準對於存款視為投入或產出相瑝敏感。
傳統的DEA模型將決策單位(Decision Making Unit, DMU)視作單一獨立的個體，
DMU之間並無關連性，結果導致很難得到DMU內部某種資源無效率的資訊。因此有許多 學者，如Fare and Whittaker(1995)、Fare and Grosskopf(2000)、 Castelli et al.(2001)、
DMU之間並無關連性，結果導致很難得到DMU內部某種資源無效率的資訊。因此有許多 學者，如Fare and Whittaker(1995)、Fare and Grosskopf(2000)、 Castelli et al.(2001)、