金融監理制度對商業銀行利潤效率之影響--亞洲12國之實證分析 - 政大學術集成
86
0
0
全文
(2) 謝 辭. 蟬鳴聒耳，又是仲夏時分；轉眼間，七百多個研究生的日子也將至尾聲。作為 碩士生涯的最後一項「任務」，本論文是在許多人的慷慨協助與鼓勵下方能完成， 該是感謝的時候了。 首先，我的指導教授廖四郎老師是本文得以完整面貌呈現的最大功臣。回想過 去一年每週的 meeting 課，在許多次的討論報告中，論文的形貌漸漸清晰，內容越. 政 治 大 部分，老師使我瞭解，作為全篇論文的重心，應該充分鑽研釐清，才能厚植紮實的 立 發完善豐富，那種從無到有的感覺，是十分真實且令我感動的。特別是模型理論的. ‧ 國. 學. 研究功力。感謝老師在繁忙的研究教學中，協助我創造出生平第一本學位論文。 另外，同窗兩年的一○二級碩士班同學們，也是應該感謝的對象。回憶這段時. ‧. 光，不論是課堂上的大小報告、期中期末的各種考試，我們都一起努力過，我的碩. sit. y. Nat. 士生涯才能留下更多豐富的回憶。特別是曾一同進行論文討論的道鈞、家揚、彥儒、. io. er. 宏錡、汪卉和雨楨，你（妳）們的許多寶貴意見和腦力激盪所迸發出的燦爛火花，. al. 是這本論文更臻完美的重要推手。. n. v i n Ch 感謝系上的明潔和淑芳助教，以她們服務的專業和熱情，提供我一切行政上必 engchi U. 要的協助。特別是淑芳助教，謝謝她給予我系辦的工讀機會，讓我累積一些在課業 外的寶貴經驗。. 最後，我要向我的家人致上最高謝意。在過去多年的求學生涯，乃至於論文寫 作這段如此長的日子裡，都因為有你們無悔的陪伴與鼓勵，才讓我有勇氣戰勝所有 的不可能。謝謝大家﹗ 黃國睿. 謹誌於. 國立政治大學金融學系 中華民國一○四年六月 i.
(3) 摘 要. 金融監理制度影響一國商業銀行經營績效的相關議題，一直受到學者與政府 當局的重視，為瞭解亞洲地區銀行業在中央銀行與監理單位不同管理下的利潤效 率，找出最適的制度設計，本研究根據 Huang、Huang 與 Liu（2014）提出之隨機 共同利潤邊界（stochastic meta-profit frontier） ，採用兩階段估計法，蒐集中國大陸、 香港、印度、日本、韓國、馬來西亞、巴基斯坦、菲律賓、新加坡、斯里蘭卡、泰. 政 治 大 群組，將環境變數納入無效率模型中，進行實證分析，比較不同群組的利潤效率差 立. 國以及阿拉伯聯合大公國等十二國商業銀行資料，分成開發中和已開發國家兩個. ‧ 國. 學. 異，發掘影響效率的主要變數與方向，從而獲得重要政策意涵。 根據實證分析結果，中央銀行介入銀行監理程度越高，商業銀行利潤效率越低；. ‧. 金融監理單位整合程度越高，商業銀行利潤效率越高；中央銀行獨立程度越高，商. sit. y. Nat. 業銀行利潤效率越低；已開發國家群組的平均技術缺口比率與共同邊界技術效率. io. al. er. 值皆高於開發中國家群組，符合預期。共同利潤效率最高的是日本，最低的是韓國。. n. 平均而言，各國若在共同利潤邊界上從事生產，能提升 41.9%至 75%的利潤。. Ch. engchi. i n U. v. 關鍵詞：金融監理、隨機共同利潤邊界、兩階段估計法、環境變數、已開發國家群 組、開發中國家群組、技術缺口比率、共同邊界技術效率、金融監理單位 整合程度、中央銀行獨立程度. ii.
(4) Abstract. The effects of degrees of financial supervision on performance of commercial banks have long been important issues and drawn much attention to academic researchers and government authorities. This study applies the stochastic meta-profit frontier, recently developed by Huang, Huang, and Liu (2014), to estimate and compare profit efficiencies of commercial banks from 12 Asian countries, i.e., Mainland China, Hong Kong, India, Japan, South Korea, Malaysia, Pakistan, Philippines, Singapore, Sri Lanka, Thailand, and United Arab Emirates. We divide the sample countries into two groups, i.e., developing and developed countries. This enables us to further investigate the effects of different supervisory systems, enforced by central banks (CB) and supervisory authorities, on commercial banks’ profit efficiencies, as well as to make a suggestion about the optimal supervision regimes in the area. Note that a set of supervisory indices are considered as environmental variables that explain profit inefficiency. Using the two-stage estimation procedure, the empirical results are summarized as follows. First, it is found that bank’s profit efficiency decreases with the increase in a CB’s supervision sectors. Second, the unification of supervisory authority has positive effect on bank’s profit efficiency. Third, the more independent is the CB, the less profit efficient the commercial bank is. Fourth, banks in the group of developed countries are found to have higher technology gap ratios and meta-profit efficiencies than those in the group of developing countries, as expected. Fifth and finally, Japan and South Korea has the highest and the lowest level of meta-profit efficiency, respectively. Evidence is found that if an average commercial bank were adopting the best technology, it can earn roughly 41.9% to 75% more profits than otherwise.. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. Keywords: financial supervision, stochastic meta-profit frontier, developing countries, developed countries, environmental variables, two-stage estimation procedure, technology gap ratios, meta-profit efficiencies, independence, unification of supervisory authority. iii.
(5) 目 次 頁次 謝辭 ................................................................................................................ i 摘要 ............................................................................................................... ii Abstract ........................................................................................................ iii 第一章 緒論 ................................................................................................. 1 第一節 研究動機 ................................................................................. 1 第二節 研究目的 ................................................................................. 3 第三節 本文架構 ................................................................................. 3. 政 治 大 第一節 隨機生產邊界模型 立 ................................................................. 5. 第二章 文獻回顧 ......................................................................................... 5. ‧ 國. 學. 第二節 隨機利潤邊界模型................................................................. 8 第三章 分析模型 ....................................................................................... 10. ‧. 第一節 理論架構 ............................................................................... 10. y. Nat. 第二節 實證模型與研究方法........................................................... 20. io. sit. 第四章 資料分析 ....................................................................................... 24. er. 第一節 變數處理與來源 ................................................................... 24. n. a. v. l C....................................................................... 第二節 重要環境變數 26 ni. hengchi U. 第三節 敘述統計 ............................................................................... 30 第五章 實證結果 ....................................................................................... 34 第六章 結論與建議 ................................................................................... 50 參考文獻 ..................................................................................................... 52 附錄一：其它環境變數 ............................................................................. 57 附錄二：受限制模型估計結果 ................................................................. 64 附錄三：穩健性測試 ................................................................................. 68 附錄四：數理規劃法 ................................................................................. 75. iv.
(6) 表 次 頁次 表 1-1 美國監理機關架構 ........................................................................ 2 表 4-1 資料概述....................................................................................... 24 表 4-2 變數資訊....................................................................................... 25 表 4-3 CBFA 與 FSU 指標 ...................................................................... 27 表 4-4 CBPOLIND、CBECIND 與 CBIND 指標................................... 29 表 4-5 敘述統計....................................................................................... 30 表 4-6 各環境變數之相關係數 .............................................................. 32. 政 治 大. 表 5-1 群組特定隨機利潤邊界估計值 .................................................. 35. 立. 表 5-2 共同邊界利潤函數估計值 .......................................................... 39. ‧ 國. 學. 表 5-3 共同邊界利潤函數替換指標估計值 .......................................... 43 表 5-4 效率估計值敘述統計量 .............................................................. 47. ‧. 表 5-5 各國 TE、TGR 與 MTE 比較 ..................................................... 48. sit. y. Nat. 附表 1 CAPRQ 指標 ................................................................................ 58. er. io. 附表 2 OFFPR 指標 ................................................................................ 60. n. 附表 3 PRMONIT 指標............................................................................ 61 a v 附表 4. i l C n ACTRS 指標 ................................................................................. 63 hengchi U. 附表 5 受限制模型估計值 ...................................................................... 65 附表 6 群組特定邊界穩健性測試估計值 .............................................. 69 附表 7 共同邊界穩健性測試估計值 ...................................................... 71 附表 8 穩健性測試效率敘述統計量 ...................................................... 73 附表 9 數理規劃法估計結果 .................................................................. 76 附表 10 LP 估計效率敘述統計量 .......................................................... 78 附表 11 QP 估計效率敘述統計量.......................................................... 79. v.
(7) 圖 次 頁次 圖 1-1 研究流程圖..................................................................................... 4 圖 3-1 隨機生產邊界............................................................................... 11 圖 3-2 隨機成本邊界............................................................................... 12 圖 3-3 截斷常態分配機率密度函數圖 .................................................. 14. 立. 政 治 大. 圖 3-4 共同邊界生產模型 ...................................................................... 18. ‧ 國. 學. 圖 5-1 MTE 時間趨勢 ............................................................................. 48. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. vi. i n U. v.
(8) 第一章. 第一節. 緒論. 研究動機. 金融監理（financial supervision）議題在各國政治論辯中一向佔有重要的地位。 雖然金融業在 2008 年金融海嘯後，從原本寬鬆的管理一夕間變為人人聞之色變、 亟欲加諸各種嚴苛管制的行業，但這也帶來更多疑問：到底金融管理應該朝著怎樣. 政 治 大. 的方向，才能避免因過度放任造成另一次金融危機的發生，並且不會因管制過苛而. 立. 影響商業銀行的獲利與存續？. ‧ 國. 學. 美國在本次海嘯後提出金融相關改革方案，方向概可歸納為四類：系統性金融 危機防範、金融監理架構調整、加強新金融商品管理與維護投資人權益。根據謝人. ‧. 俊（2009） ，美國在次貸風暴前已存在許多監理體制面的問題： （1）多頭馬車之金. Nat. sit. y. 融監理體系存在監理漏洞：屬於多元監理體制的美國，從中央聯邦當局到各州政府. n. al. er. io. 均有不同機構掌管商業銀行與儲貸業務，而證券、期貨也有各自之管理部門（見次. i n U. v. 頁表 1-1） ，如此「疊床架屋」式的管理無法有效防範金融機構承受過度風險或及時. Ch. engchi. 察覺系統性弱點（2）具系統重要性之金融機構未嚴格監理：聯邦準備理事會 （Federal Reserve，Fed）依法不對金控公司下之子公司做金融檢查；另外，高風險 的影子銀行（shadow banking）與貨幣市場共同基金（money market mutural funds， MMMFs）等對市場影響力漸增，卻未被納入監理（3）金融監理忽略系統性風險 （systematic risk）：美國過去將金融監理重點放在個別金融機構風險控管上，忽略 整體系統風險的監控，造成危機隱藏於金融系統中，並日益膨脹。由此可見，監理 制度設計的良窳是一國金融體系能否健全發展的關鍵因素。 綜觀各國金融監理相關機構不外乎有二：中央銀行（central bank）以及專責之 金融管理單位。中央銀行為實行一國貨幣政策（monetary policy）者，一般而言， 1.
(9) 其主要任務在於達成總體經濟穩定以及維護國家金融體制的穩定及健全，公開市 場操作（open market operation，OMO）為其常用之政策工具。以我國為例，中央 銀行揭櫫之目標為：促進金融穩定、健全銀行業務、維護對內及對外幣值之穩定以 及協助經濟之發展。 專責金融管理單位負責部門大致為銀行、保險與證券，以我國金融監督管理委 員會（簡稱「金管會」）為例，其工作目標有五：維持金融穩定、落實金融改革、 協助產業發展、加強消費者與投資人保護與金融教育以及建立公平、健康、能獲利 的金融環境並全面提升金融業競爭力。. 政 治 大. 因此央行採取的政策將影響國內各商業銀行的運作，而所採行之政策又受其. 立. 獨立程度高低以及介入銀行監理程度大小影響；金融管理單位的權力大小與整合. ‧ 國. 學. 程度也將決定對銀行管理的力道，並進而影響受管轄銀行的獲利。這些有趣的問題 都值得深入研究。. n. al. er. io 金融機構 銀行 銀行控股公司 州註冊會員 州註冊非會員 聯邦註冊 儲貸機構 外國銀行在美分行 投資銀行 保險公司. sit. y. ‧. Nat. 表 1-1 美國監理機關架構. Ch. engchi. iv 金融監理機關 n U. 聯邦準備理事會 聯邦準備理事會／州銀行廳 聯邦存款保險公司／州銀行廳 財政部金融局 儲貸機構監理局／州儲貸監理機關 聯邦準備理事會／州銀行廳 證券管理委員會 州保險監理機關. 資料來源：謝人俊（2009）。. 2.
(10) 第二節. 研究目的. 有鑑於亞投行之設立屆時將引發金融監理制度的討論，故本研究欲探討亞洲 各國央行的獨立程度、介入銀行監理程度以及金融監理機構權力與整合程度對於 商業銀行獲利與效率之影響，進而找出對亞洲地區最佳的制度組合。 本研究將以亞洲 12 國為研究標的，包括中國大陸、香港、印度、日本、韓國、 馬來西亞、巴基斯坦、菲律賓、新加坡、斯里蘭卡、泰國以及阿拉伯聯合大公國， 利用隨機邊界法（stochastic frontier approach，SFA）之計量模型設定，並透過兩階. 政 治 大. 段共同邊界估計法，以檢驗亞洲中央銀行獨立程度以及監理機構整合程度對商業. 立. 銀行利潤效率之影響，並進一步探討兩者之間的關係以及其中之經濟意義。. ‧ 國. 學. 本研究的創新之處在於：利用兩階段隨機邊界法估計出不同國家群組的共同. ‧. 利潤邊界（meta-profit frontier），與類似研究（Gaganis & Pasiouras，2013）相比， 共同邊界的估計因考慮樣本群組間技術選擇之差異，故會比僅加入虛擬變數. y. Nat. io. sit. （dummy variables）的估計結果來得可信；另外，本研究以亞洲國家做為分析標的，. n. al. er. 資料期間也較新（2009 年至 2013 年），因此更能看出亞洲區域現階段之金融監理 特性。. 第三節. Ch. engchi. i n U. v. 本文架構. 本文共分為六章，第一章為緒論，簡介本文研究的動機與目的；第二章為文獻 回顧，探討過去文獻對於類似議題的研究，並找出可用之研究方法；第三章為分析 模型，旨在闡述本研究之計量方法以及數學模型設計；第四章為資料分析，說明本 研究之變數處理以及初步的敘述統計；第五章為實證結果，呈現本文估計結果；第 六章為結論與建議，總結本文所得之結果，並從中析離出未來之改進方向。本研究 3.
(11) 之流程如圖 1-1 所示。. 問題發想. 文獻搜尋與整理. 立. 政 治 大 計量模型建立. ‧. ‧ 國. 學. 共同邊界模型. 環境變數模型. n. 迴歸實證分析. Ch. engchi. er. io. sit. y. Nat. al. i n U. 群組邊界結果. v. 共同邊界結果. 結論與建議. 資料來源：本研究建構。. 圖 1-1 研究流程圖 4.
(12) 第二章. 第一節. 文獻回顧. 隨機生產邊界模型. 一、 早期不隨時間而改變之效率模型. 隨機邊界（stochastic frontier）模型最早由 Aigner、Lovell 與 Schmidt（1977）. 政 治 大. 所發展，此前雖已有邊界迴歸模型概念之提出，但皆未對隨機干擾項之統計性質做. 立. 假設，具體而言，Aigner、Lovell 與 Schmidt（1977）透過釐清生產邊界的概念，. ‧ 國. 學. 並假設兩個隨機干擾項分別服從常態分配與半常態分配（half-normal distribution） ， 並以最大概似估計法（maximum likelihood estimation）估計模型參數，而建構出橫. ‧. 斷面（cross sectional）資料的隨機邊界模型。. Nat. sit. y. 有了隨機邊界模型的建立，接著便是賦予其更多經濟意義。Meeusen 與 van den. n. al. er. io. Broeck（1977）提出 Cobb-Douglas 隨機生產邊界模型，並透過假設無效率干擾項. i n U. v. 服從指數分配（exponential distribution），導得平均效率（average efficiency）的定. Ch. engchi. 義式，並據以套用實證資料做估計。至此，隨機邊界的效率值遂成為該模型最重要 且最具經濟意義之統計量。 上述隨機邊界模型僅適用於橫斷面資料，缺乏時間維度的後果將是資料含有 的訊息較少，職是之故，Schmidt 與 Sickles（1984）進一步將原模型擴展至適用於 縱橫資料（panel data）－－即加入時間項的橫斷面資料，並提出多種估計式與估計 方法。縱橫資料模型的好處在於可得到具一致性（consistency）的無效率估計式、 不須對無效率項作統計分配假設以及可以捨棄無效率項與自變數獨立的假設。簡 言之，縱橫資料模型較橫斷面模型在使用上具有更大的彈性，估計結果的意義也更 加豐富。 5.
(13) 二、 隨時間而改變之效率模型. 早期的隨機邊界模型皆隱含廠商之技術效率（無效率）不隨著時間的變化而變 化，此明顯違反真實狀態，不論廠商或個人皆會透過學習而進步（或懈怠而退步） ， 因此過去的技術效率（無效率）不能代表今日的技術效率（無效率） ，換言之，真 實的效率應是隨時間而改變的。有了這樣的體認，Cornwell、Schmidt 與 Sickles（1990） 建構出隨時間變動（time-varying）的縱橫資料隨機邊界模型，即不同的廠商具有相 異的截距項。利用該模型可估得隨時間變動的技術效率值，且不須對無效率項和隨. 政 治 大. 機干擾項作統計分配的假設。同樣地，Kumbhakar（1990）也提出另一版本的縱橫. 立. 資料模型，該模型可用來估計隨時間遞增、遞減與不變的技術無效率值，極具使用. ‧ 國. 學. 彈性。. 技術效率隨時間變動可以另一角度來衡量，Huang 與 Liu（1994）提出一種「混. ‧. 合版」的隨機邊界模型，為結合隨機邊界迴歸式與截斷迴歸式之方法，其中，截斷. Nat. sit. y. 迴歸式用以估計影響技術效率之因素。與 Aigner、Lovell 與 Schmidt（1977）模型. n. al. er. io. 不同之處在於，截斷迴歸式（無效率項）中已包含廠商特性以及政策等變數，此時. i n U. v. 生產函數將隨著截斷迴歸式上下移動，方能反映真實狀況。. Ch. engchi. Battese 與 Coelli（1995）利用與 Huang 與 Liu（1994）相似之概念，假設無效 率項服從截斷常態分配（truncated-normal distribution），且其平均數為一系列外生 解釋變數之函數（但變異數仍固定） ，並利用最大概似估計法將隨機邊界模型以及 無效率項平均數同時估計出來。該一階段（one-stage）模型最大之貢獻在於研究者 可以發掘影響無效率之因素以及它們之間的關係，特別是無效率的時間趨勢，該模 型所含有的訊息更加多元。. 6.
(14) 三、 共同邊界模型. 共同生產函數的概念，最早由 Hayami（1969）以及 Hayami 與 Ruttan（1970， 1971）等人提出。該函數適合用來同時研究不同群組（國家或地區）的投入與產出 關係。由於在定義投入變數時，常因各群組採用技術水準不同，導致同一變數在不 同群組間差異甚大，所以消除群組差異為獲得可信賴估計結果的必要工作。 在函數估計方法上，Hayami 與 Ruttan （1970） 、Mundlak 與 Hellinghausen（1982） 、 Lau 與 Yotopoulos（1989） 、Boskin 與 Lau（1992）以及 Kim 與 Lau（1994）是將各. 政 治 大. 群組間要素投入的差異以一定比例轉換，取得各群組的相對比例後代入生產函數，. 立. 再藉由差分（difference）來降低估計參數個數，同時刪除為常數的轉換因子和各國. ‧ 國. 學. 的個別差異，再將異質變異轉換為同質變異，即能比較各國的效率差異。但採用該 法將使得轉換因子在取差分後被刪除，而存在無法估計和解釋的問題。. ‧. 為了解決轉換比例與差分估計法的缺陷，Battese 與 Rao（2002）以及 Battese、. Nat. sit. y. Rao 與 O’Donnell（2004）採用線性與非線性數理規劃法估計共同生產函數的參數，. n. al. er. io. 使得轉換因子無法估計的問題得以解決，其分析結果也更加客觀。. i n U. v. 過去相關文獻中首先使用隨機共同邊界函數以進行多國生產效率分析的為. Ch. engchi. Sharma 與 Leung（2000）以及 Gunaratne 與 Leung（2001），前者融合 Kim 與 Lau （1994）的共同生產函數以及 Battese 與 Coelli（1995）的無效率模型發展為隨機 邊界共同生產模型，成功將隨機邊界中之隨機干擾項以及非負無效率項整合進模 型中；後者同樣利用隨機邊界法，不同之處在於採用 Hayami 與 Ruttan（1970）的 共同生產函數以及 Lau 與 Yotopoulos（1989）之虛擬變數。. 7.
(15) 第二節 隨機利潤邊界模型. 採用利潤函數做為隨機邊界法分析標的之文獻眾多。Kumbhakar（1996）提出 採用利潤極大化架構以建立一般化利潤函數法，該法同時將技術效率以及配置效 率（allocative efficiency）整合起來，並利用超越對數（transcendental logarithmic， 以下簡稱 translog）利潤函數證明若模型僅考慮配置效率，會得到有偏誤且不一致 的估計量，並且廠商的技術變化估計值也是有偏誤的。 將銀行經營效率作為分析主題者以 Berger、Leusner 與 Mingo（1997）具有代. 政 治 大. 表性。該研究以隨機邊界成本函數模型，搭配 translog 的設定，分析美國大型商業. 立. 銀行的成本效率，並發現當分行越多收入則越高，但效率則顯著降低（稱為 x 無效. ‧ 國. 學. 率，x-inefficiency） 。Berger 與 Mester（1997）釐清金融機構經營無效率之來源，並. ‧. 整理出幾種估計方法與銀行、市場與法規方面的特性，將過去相關研究之結果做整 合。相反地，Akhigbe 與 McNulty（2003）則以美國小型商業銀行的利潤效率為主. y. Nat. io. sit. 題，假設小銀行與大銀行皆使用相同之技術，則小銀行較具利潤效率，且非位於都. n. al. er. 會區之銀行利潤效率也較高。. Ch. i n U. v. 上述廠商的 x 無效率問題在 Huang（2000）的研究中有進一步的討論。該研究. engchi. 透過 translog 利潤函數的設計，發現超過半數的利潤損失是由於無效率所造成的， 並且過低的收入而非過高的成本是造成無效率的主因。 公司治理（corporate governance）議題也是相關文獻探討的焦點。Berger 與 di Patti（2006）採用利潤效率的觀點來檢定企業的代理成本（agency cost）確實會影 響整體績效。該研究也是首先將經營績效對資本結構的逆向因果關係納入模型估 計者。 Sun、Harimaya 與 Yamori（2013）利用隨機利潤函數的設定，研究策略性投資 人（strategic investors）對於區域銀行效率的影響。結果發現策略性投資人確實會 增進中國大陸城市商業銀行之效率，且地區發展程度越高，該影響將會減少。 8.
(16) Gaganis 與 Pasiouras（2013）也採用隨機利潤函數之設定，以實證分析檢驗中 央銀行的獨立程度是否會對各國商業銀行之經營效率造成影響？作者發現：先進 國家較落後國家的銀行經營效率高，但差異不大，且整體而言，銀行經營效率沒有 明顯的時間趨勢；央行參與管理的部門越多，對經營效率而言會有正面助益；監理 單位整合程度越高，銀行獲利效率越低；央行越獨立，銀行的獲利效率也越低；央 行在政治與經濟上越獨立，銀行的獲利效率也越低。雖則上述某些結果違反一般預 期，但都具有穩健性（robustness）。值得一提的是，該研究以全球 78 國為樣本進 行分析，於利潤函數設定時僅以「轉型中國家」 、 「先進國家」以及「主要先進國家」. 政 治 大. 等虛擬變數區分不同國家群組，但如此是假定所有國家樣本是採用相同的技術、可. 立. 直接比較它們之間的利潤效率值，如此假設似乎太過武斷，也不符合真實情況，故. ‧ 國. 學. 應採取其它估計方法，將不同國家群組之技術選擇差異納入模型設計中，方能獲致 可信賴的結果。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. 9. i n U. v.
(17) 第三章. 第一節. 分析模型. 理論架構. 一、 隨機邊界法. （一） 基本模型. 立. 政 治 大. 學. ‧ 國. 考慮一傳統縱橫資料計量經濟模型：. yit = f ( xit ; β ) evit. （3-1）. ‧. 其中，i=1,2,…,N，t=1,2,…,T， yit 為可觀察應變數， f ( ) 通常是生產函數、成本函. y. Nat. io. sit. 數或利潤函數，它是一個確定邊界（deterministic frontier） ， xit 代表自變數， β 為待. n. al. er. 估參數向量，亦稱為技術參數，e 代表自然指數， vit 為隨機干擾項，可利用普通最. i n U. v. 小平方法（ordinary least square，OLS），即可估計出參數向量 β 。. Ch. engchi. 在 單 一 投 入 與 單 一 產 出 生 產 函 數 的 假 設 下 ， 要 求 df ( x ) dx > 0 以 及. d 2 f ( x ) dx 2 < 0 1，建構出之生產函數邊界為「在該技術狀態下，不同投入數量所得 之最大生產量」 。但是，在生產過程中若發生管理無效率（managerial inefficiency） ， 導致實際生產量低於邊界產量， （3-1）式無法解釋此現象。可從（3-1）式減去一非 負隨機變數 uit ，以反映這種生產無效率，即. 1. 嚴格而言，生產函數必須滿足四個性質：（1）非負性：f(x)為有限、非負之實數（2）弱必要性： 產出至少必須利用一個投入要素（3）x 為非遞減（單調性）：投入增加則產出必增加（4）凹向 （concave）x：產出隨投入以遞減速率增加。參見 Coelli、Rao、O’Donnell 與 Battese（2005）1213 頁。 10.
(18) yit = f ( xit ; β ) evit −uit. （3-2）. （3-2）式即為隨機邊界生產模型，隨機干擾項 vit 與非負隨機項 uit 在文獻上合稱組 合誤差（composed error），通常假設兩者相互獨立，如圖 3-1 所示。. 政 治 大. 立. ‧. ‧ 國. 學 sit. y. Nat. io. n. al. er. 0. 資料來源：本研究建構。. Ch. i n U. v. ngchi 圖 3-1 e 隨機生產邊界. 另外一個研究上常用的模型為成本函數（cost function） ，將迴歸模型（3-1）式 加入一非負干擾項 uit 並改寫為 yit = f ( xit ; β ) evit +uit. （3-3）. 即為隨機成本邊界模型。其經濟意義為所觀察到的實際成本值均落於成本邊界函. 11.
(19) 數 f ( xit ; β ) 上方，換言之，實際成本為最低的成本 f ( xit ; β ) 再加上一干擾項 uit ，如 圖 3-2 所示。. 立. 政 治 大. ‧. ‧ 國. 學. 0. er. io. sit. y. Nat. 資料來源：本研究建構。. n. a l圖 3-2 隨機成本邊界 i v n Ch U engchi. 上述模型之估計，實證上會採用無分配法（distribution-free approach）與最大 概似估計法（maximum likelihood estimation） ，兩者之差異，僅在對於無效率項 uit 是否給予機率分配假設。常用的無分配法有修正的普通最小平方法（corrected ordinary least square，COLS） 、修正的平均絕對離差（corrected mean absolute deviation， CMAD）以及 Berger 與 Humphrey（1991）的厚邊界法（thick frontier approach， TFA）等。 在最大概似估計法中，常用的無效率項分配假設有半常態分配、截斷常態分配、 12.
(20) 指數分配以及伽瑪分配（gamma distribution）等。 技術效率（technical efficiency，TE）的估計為利用隨機邊界法重要之結果，可 以做為決策之參考。如圖 3-1 所示， yit 為可觀察之實際產出，因此，技術效率定義 為實際產出與生產邊界產出（最佳狀態）之比，即. f ( xit ) evit −uit yit = = e − uit vit * f ( xit ) e yit. TE= it. （3-4）. 其中， yit* 為邊界產出水準， TEit 介於 0 與 1 之間，越接近 1 隱含該廠商越具技術 效率。. 政 治 大. 上述之技術效率衡量皆以產出做為基準，故又稱為產出導向（output-oriented，. 立. OO）技術效率。估計技術效率有兩個方法，（1）先利用係數估計值計算條件期望. ‧ 國. 學. 值 uˆit = Eˆ ( uit εˆit ) ， 其 中 「 ^ 」 代 表 估 計 值 ， εˆ= vˆit − uˆit 為 殘 差 （ residual ）， 則 it. ‧. TEit E exp ( −uit ) ε it 。 = （2）根據 Battese 與 Coelli（1988）， TE = exp ( −uˆit ) ， it. Nat. sit. y. 以上的條件期望值會因無效率項的分配不同而有差異，若假設無效率項 uit 服. al. er. io. 從截斷常態分配，則可證明 2. v. n. µ Φ * −σ* σ 1 E exp ( −u ) ε = exp − µ* + σ *2 * 2 µ Φ * σ* . Ch. engchi. i n U. （3-5）. 其中，ε = v − u 為組合誤差項， µ* = σ u2 )，σ *2 σ v2σ u2 (σ v2 + σ u2 )， ( µσ v2 − εσ u2 ) (σ v2 +=. Φ ( ) 為標準常態分配累積分配函數。. （二） 截斷常態分配隨機邊界模型. 2. 參見 Kumbhakar、Wang 與 Horncastle（2015）Appendix B。 13.
(21) Stevenson（1980）提出截斷常態分配隨機邊界模型，為允許無效率項 uit 之分 配具有非零的平均數，即 uit N + ( µ , σ u2 ) i .i .d .. （3-6）. 其中， N + ( µ , σ u2 ) 為平均數 µ 與變異數 σ u2 之常態分配，並於 0 及以下部分截斷，即 僅容許 uit ≥ 0 。值得注意的是，若令 µ = 0 ，則該分配將變為半常態分配。截斷常 態分配在不同參數下之關係如圖 3-3 所示。. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 資料來源：本研究建構。. 圖 3-3 截斷常態分配機率密度函數圖. 14.
(22) 截斷常態分配函數之推導可由機率的基本性質導得。令隨機變數 u 服從平均 數 µ 、變異數 σ u2 之常態分配，且其機率密度函數為 g ( u ) ，故於 0 及以下部分截斷 之機率密度函數 f ( u ) 為. u−µ σu σu g (u ) f (u ) = = = 0−µ µ 1− Φ 1− Φ − σu σu 1. φ. ( u − µ )2 exp − （3-7） 2σ u2 µ 2πσ u Φ σu 1. 其中， φ ( ) 與 Φ ( ) 分別代表標準常態分配之機率密度函數與累積分配函數。對數 概似函數可以證明為 3. 立. 政 治 大. ‧ 國. µ µ + ln Φ * − ln Φ σ* σu . 學. µ +ε 1 Li = − ln (σ v2 + σ u2 ) + ln φ σ 2 +σ 2 2 v u . （3-8）. ‧. 其中，ε = v − u 為組合誤差項， µ* = σ u2 )，σ *2 σ v2σ u2 (σ v2 + σ u2 )， ( µσ v2 − εσ u2 ) (σ v2 +=. sit. y. Nat. 並注意該函數適用於橫斷面資料。. io. er. 本研究採用 Battese 與 Coelli（1995）之模型，其設定無效率項 uit 服從截斷常 態分配，並假設無效率項之平均數 µit 為外生變數（exogenous variables）的線性函. n. al. 數，即. Ch. engchi. i n U. µit = zit′δ. v. （3-9）. 其中， zit 為觀察值 i 在時間 t 時的外生變數向量，δ 為待估參數向量。 （3-8）與（39）式中所有係數可採用最大概似法估計得到。. 3. 參見 Kumbhakar、Wang 與 Horncastle（2015）Appendix A。 15.
(23) 二、 共同邊界模型（meta-frontier model）. Hayami（1969）以及 Hayami 與 Ruttan（1970，1971）首次提出共同生產函數 （metaproduction function），其概念在於不同群組中的生產者，但由於某些因素的 限制（如：法規、環境、生產資源、相對投入價格等） ，只能採用該群組的生產技 術進行生產，而無法採用最佳生產技術－－共同生產邊界，群組生產邊界與共同生 產邊界之差距，稱為技術缺口（technology gap），由 Battese 與 Rao（2002）以及 Battese 、Rao 與 O’Donnell（2004）提出，透過群組技術效率與技術缺口比率. 政 治 大. （technology gap ratio，TGR）的估計，獲得共同邊界技術效率（metafrontier technical. 立. efficiency，MTE）估計值，進而可以從事不同群組廠商生產效率之比較。. ‧ 國. 學. 群組技術效率為各群組生產者實際生產量相對於該群組生產邊界產量之比率， 假設共有 J 個生產群組，第 j 群組隨機生產邊界表為 （3-10）. sit. y. v jit −u jit. ‧. Nat. y jit = ft j ( x jit ; β ) e. er. io. 其中，j=1,2,…,J，i=1,2,…, N j ，t=1,2,…,T， y jit 為第 j 群組中第 i 廠商於 t 期的生. al. v i n β 為待估參數向量， v ( ) 為群組生產函數，Cx h為群組投入向量， engchi U n. 產量， ft. j. jit. jit. 與 u jit. 分別為雙邊隨機干擾項與非負干擾項。根據（3-4）式定義技術效率（ TEitj ） ，此效 率值為依據該群組邊界估計得到，根據不同群組邊界估計得到的技術效率值，因為 計算基準不同而無法相互比較。 為解決不同群組廠商無法相互比較的困難，可藉助共同生產邊界的建構，找出 一條能描述所有群組生產者所能選用的「最佳」技術，不同群組廠商皆可在此共同 生產邊界上進行比較。群組邊界與共同生產邊界之關係可表為 ft j ( x jit ; β ) = ft M ( x jit ; β ) e 16. −u M jit. （3-11）.
(24) 其中， ft M ( ) 為共同生產邊界函數。技術缺口比率為各生產群組所選用之技術與最 佳技術（即共同生產邊界之技術）之差異，即 = TGR j it. ft j ( x jit ; β ) −u M = e jit M ft ( x jit ; β ). （3-12）. 第 j 群組中第 i 廠商於 t 期的共同邊界技術效率定義為各群組之實際產出值相 對於共同生產邊界之效率，即 MTE jit = 綜合上述結果可知. y jit. （3-13）. v jit. j it. ft j ( x jit ; β ) e =. v jit. ×. ft j ( x jit ; β ). ft M ( x jit ; β ). 學. TE ×= TGR. y jit. ft M ( x jit ; β ) e. v jit. ‧. ‧ 國. ft M ( x jit ; β ) e. 政 治 大. 立. j it. y jit. = MTE jit. Nat. y. （3-14）. n. al. Ch. engchi. 17. er. io. 邊界與共同生產邊界之關係描繪如次頁圖 3-4。. sit. 利用此關係，我們可以很容易地藉由找到其中兩個數值並推得另外一個。群組特定. i n U. v.
(25) 政 治 大. 0. 立. 圖 3-4 共同邊界生產模型. 學. ‧ 國. 資料來源：Huang、Huang 與 Liu（2014）。. ‧ y. Nat. io. sit. 整體而言，要找出共同生產邊界，其前置作業是要估計出各生產群組的生產邊. er. 界，才能據以估計出 TGR 與 MTE。Battese、Rao 與 O’Donnell（2004）以及 O’Donnell、. n. al. Ch. i n U. v. Rao 與 Battese（2008）建議採用混合式兩階段估計法，第一階段針對每個群組，運. engchi. 用隨機邊界法分別估計各群組特定生產邊界，第二階段將所有群組資料合併，改用 數理規劃法估計共同生產邊界，可以替每個樣本點計算 TGR。 第一階段的群組特定邊界估計為採用最大概似法估計隨機邊界函數，即將（310）式取自然對數後進行估計。第二階段求解極小化共同生產邊界與群組特定邊界 之離差（deviation）絕對值和或平方和問題，以找出共同生產邊界函數，即 min. Nj. ∑∑∑ ln f ( x J. T. M. =j 1 =i 1 =t 1. t. jit. ; β ) − ln fˆt j ( x jit ; β ). s.t. ln ft M ( x jit ; β ) ≥ ln fˆt j ( x jit ; β ). （3-15）. 其中，「min」表極小化（minimize），「s.t.」表受限於（subject to）。式中採用估計 18.
(26) 的群組邊界 ln fˆt j ( x jit ; β ) 來代替真實的群組邊界，此外函數皆已取自然對數。為節 省篇幅，不列出極小化共同生產邊界與群組特定邊界平方和模型，有興趣的讀者請 參考 Battese、Rao 與 O’Donnell（2004）以及 O’Donnell、Rao 與 Battese（2008）。 採用數理規劃法所得之共同生產函數有存在三個缺點，第一、因其第二階段採 用數理規劃法，故所得之係數估計值不具有統計性質，雖然 Battese、Rao 與 O’Donnell（2004）提出以模擬（simulation）或拔靴法（bootstrap）得到係數估計值 的標準差，其統計性質仍然未知，無法進行顯著性檢定與區間推定。第二、數理規 劃法無法將隨機干擾項納入模型，找到的生產邊界屬於確定性邊界，故其估計結果. 政 治 大. 易受隨機因素影響。第三、不同群組廠商面臨不同的經營環境，數理規劃法無法考. 立. 慮外生環境因素對廠商生產效率的影響，處在優良環境與不良環境下的廠商一視. ‧ 國. 學. 同仁，導致其估計結果不能正確反映各廠商的經營績效。. ‧. 為了改善前述混合法之缺陷，Huang、Huang 與 Liu（2014）提出新的方法估 計共同生產邊界，主要差別在第二階段不採用數理規劃法，仍使用隨機邊界法估計. y. Nat. n. al. Ch. ln ft j ( x jit ; β ) ln ft M ( x jit =. er. io. 已知群組隨機邊界與共同邊界之關係為. sit. 隨機共同生產邊界，上述混合法之缺點全部解決。. i n ; βU − u. engchi ). v. M jit. （3-16）. 因為群組隨機邊界未知，當我們估計第一階段的群組隨機邊界後，兩者之差異可表 為 ln fˆt j ( x jit ; β ) − ln ft j ( x jit ; β ) = ε jit − εˆ jit ≡ v Mjit. （3-17）. 將（3-17）式代入（3-16）式，得到 j ln fˆt= ( x jit ; β ) ln ft M ( x jit ; β ) + v Mjit − u Mjit. 19. （3-18）.
(27) 上式左方應變數為群組邊界估計值， ln ft M ( x jit ; β ) 為共同邊界函數， v Mjit − u Mjit 構成 組合誤差項，故（3-18）式成為第二階段共同隨機邊界迴歸式，可利用最大概似法 估計之。 因為 v Mjit 含有估計群組邊界的殘差 εˆ jit ，故僅可假設 v Mjit 服從平均數為 0 之漸進 常態分配，其變異數不是常數，故不具有相同分配。另外，利用該法所得之估計式 又稱準最大概似（quasi-maximum-likelihood，QML）估計式，但所得之標準誤應以 White（1982）提出的「三明治」 （sandwich-form）估計式估計，否則會得到有偏誤. 政 治 大 簡而言之，兩階段隨機邊界法是利用第一階段群組隨機邊界估計值 立. 的標準誤 4。. ‧ 國. ‧. 第二節. 學. ln fˆt j ( x jit ; β ) ，做為第二階段的應變數，並成功地解決全部數理規劃法的問題。. 實證模型與研究方法. io. sit. y. Nat. n. al. er. 本研究旨在探討利潤效率議題，利潤邊界與生產邊界的組合誤差項相同。依循. Ch. Gaganis 與 Pasiouras（2013）的模型設定如下：. engchi. i n U. = ln PBTit π ( pit , wit ; β ) − uit + vit. v. （3-19）. 其中，i=1,2,…,N，t=1,2,…,T， PBTit 為第 i 家銀行在時間 t 時的稅前利潤； π () 為 利潤函數； pit 為產出價格向量； wit 為投入價格向量； β 為模型待估參數向量； vit i .i .d .. 為雙邊隨機干擾項，且 vit ∼ N (0, σ v2 ) ，uit 為非負無效率因子，服從 N + ( µit , σ u2 ) 之截 斷常態分配，並於 0 及以下處截斷。無效率項的設定係根據 Battese 與 Coelli（1995） ， 其設定同（3-9）式。. 4. 參見 Huang、Huang 與 Liu（2014） 。 20.
(28) 本研究採用具有伸縮性的超越對數型式設定利潤函數如下： PBT ln W3. P P W W 1 P β 0 + β1 ln 1 + β 2 ln 2 + β3 ln 1 + β 4 ln 2 + β5 ln 1 = 2 W3 W3 W3 W3 W3 2. 2. 2. P P P W 1 P 1 W + β 6 ln 1 ln 2 + β 7 ln 2 + β8 ln 1 + β9 ln 1 ln 1 2 W3 2 W3 W3 W3 W3 W3 2. P W P W 1 W + β10 ln 2 ln 1 + β11 ln 2 + β12 ln 1 ln 2 2 W3 W3 W3 W3 W3 P W W W 2 1 + β13 ln 2 ln 2 + β14 ln 1 ln 2 + β15 ln ( EQ ) + β16 ln ( EQ ) 2 W3 W3 W3 W3 P P W + β17 ln ( EQ ) ln 1 + β18 ln ( EQ ) ln 2 + β19 ln ( EQ ) ln 1 W3 W3 W3 . 政 治 大. W P P + β 20 ln ( EQ ) ln 2 + β 21Year + β 22Year 2 + β 23Year ln 1 + β 24Year ln 2 W3 W3 W3 W W + β 25Year ln 1 + β 26Year ln 2 + β 27Year ln ( EQ ) − uit + vit （3-20） W3 W3 . 立. ‧ 國. 學. ‧. （ 3-20 ） 式 之 模 型 有 幾 點 須 特 別 注 意 ： 第 一 ， 銀 行 產 出 定 義 採 用 仲 介 法. sit. y. Nat. （intermediation approach），視銀行為經濟體系中資金之中介者，故其產出有二：. io. er. 放款以及其他收益資產，其價格分別為利息收益對放款金額比（ P1 ）以及非利息收 益對其他收益資產比（ P2 ） 。第二，我們設定三種要素投入，包含資金、勞動與資. al. n. v i n Ch 本，它們的價格分別為利息費用對總存款金額比 e n g c h（i WU）、用人費用對總資產之比（ W ） 1. 2. 以及廠房與設備費用對固定資產比（ W3 ） 。第三，Year 代表時間趨勢變數，用來捕. 捉技術進步，本研究假設為非中性技術進步，故將其二次項以及與所有價格變數的 交乘項均納入；EQ 為股東權益總額，該值越高，代表廠商自有資本金額越高，顯 示經理人員風險趨避程度越大，該銀行陷入清算風險越小，請參考 Hughes 與 Mester （1993）、 Berger 與 Mester（1997）以及 Huang（2000）。第四，本研究任意選擇 第三種要素為中立財（numéraire） ，並以其要素價格標準化利潤函數，即將（3-20） 式左方的利潤與右方所有投入與產出價格變數同除以 W3 ，如此可以輕易滿足個體 經濟學對利潤函數的要求，即它必須是投入與產出價格的一階齊次（homogeneous 21.
(29) of degree 1）函數。 在第一階段估計中，將樣本國家區分為「已開發國家」與「開發中國家」兩群 組 5，無效率項之平均數函數具體設定成. µitj = δ 0j + δ1j CONC + δ 2j EQAS + δ 3j LLP. （3-21）. 其中，i=1,2,…, N j ，j=1,2，t=1,2,…,T，CONC 為一國中最大三家銀行持有的資產 總額占國內所有銀行持有總資產的比率、EQAS 為商業銀行股東權益對總資產比、 LLP 為商業銀行貸款損失準備占總貸款之比率。該三變數因與個別商業銀行與國. 政 治 大. 家特性相關，故放入為第一階段的群組利潤函數中，當作環境變數。. 立. 第二階段的共同利潤邊界，則設定成. ‧ 國. 學. µit = δ 0 + δ1CBFA + δ 2 FSU + δ 3CBIND + δ 4CAPRQ + δ 5OFFPR + δ 6 PRMONIT + δ 7 ACTRS + δ 8 INFL + δ 9GDPGR + δ10CLAIMS （3-22）. ‧. 或. y. Nat. sit. n. al. er. io. µit = δ 0 + δ1CBFA + δ 2 FSU + δ 3CBPOLIND + δ 4CBECIND + δ 5CAPRQ + δ 6OFFPR + δ 7 PRMONIT + δ 8 ACTRS + δ 9 INFL + δ10GDPGR + δ11CLAIMS （3-23）. Ch. i n U. v. 估計時使用全部樣本觀察值。其中 CBFA（Central Bank as Financial Authority index）. engchi. 為衡量中央銀行介入金融監理的程度，取自 Masciandaro（2009）之定義，為 1 至 4 的數值，該值越大，代表央行參與銀行監理程度越高。FSU（Financial Supervision Unification index）為金融監理當局的整合程度指標，亦為 Masciandaro（2009）所 發展，為 1 至 7 的數值，該值越大，代表該國金融監理機關整合程度越高。 CBIND（Central Bank Independence index）為央行的政治與經濟獨立程度指標， 參考自 Arnone 等人（2007）之指標。其中，政治獨立性之衡量為政府是否有介入 央行總裁與董事的指派、他們是否都已上任超過 5 年、董事會中有無政府強制安 5. 根據國際貨幣基金組織（International Monetary Fund，IMF）之定義，分為「先進經濟體」 （advanced economies）以及「新興市場與開發中經濟體」 （emerging market and developing economies）兩類 國家。參閱 International Monetary Fund（2015） 。 22.
(30) 插的代表、當與政府發生衝突時央行的地位是否有合法的保障以及權力、政府從央 行獲得直接授信是否經由一自發性過程以及央行參與初級市場是否為了政府公債 等。 CAPRQ（Capital Requirements index）為資本要求指標，代表初始與整體資本 要求的嚴格程度；OFFPR（Official Supervisory Powers index）為監理單位的權力大 小指標；PRMONIT（Private Monitoring index）為市場紀律指標，其值越高代表該 國有越高的揭露要求；ACTRS（Restrictions on Activities index）為對銀行活動的限 制程度，其值為 1 代表為毫無限制、2 代表允許、3 代表限制、4 代表完全禁止。. 政 治 大. CBPOLIND 與 CBECIND 為 CBIND 之子指標，用以替換 CBIND 估計之用，分. 立. 別代表央行的政治獨立性與經濟獨立性，皆為 1 至 8 的數值，其值越高，表示央行. ‧ 國. 學. 在政治和經濟上越獨立 6。INFL 為通膨率，GDPGR 為實質 GDP 成長率，CLAIMS 為銀行對私部門的請求權對 GDP 比率，可視為一國銀行發展程度指標，這三個變. ‧. 數資料皆取自世界銀行（World Bank，WB）統計資料庫。. Nat. sit. y. 本研究利用 Stata 13.1 版統計套裝軟體以及 Belotti 等人（2013）所撰寫之. n. al. er. io. 「sfpanel」指令程式進行迴歸實證分析 7。. 6. 7. Ch. engchi. i n U. v. CBFA、FSU、CBIND、CBPOLIND 以及 CBECIND 等變數將於第四章第二節「重要環境變數」中 詳細說明其意涵；其餘環境變數則置於「附錄一：其它環境變數」中介紹。 「sfpanel」為免費之 Stata 指令程式，可以估計多種隨機邊界模型，計有：Greene（2005）的固定 與隨機效果模型、Battese 與 Coelli（1995）模型、Battese 與 Coelli（1992）的時間衰減模型、 Kumbhakar（1990）的彈性參數模型、Battese 與 Coelli（1988）模型、Pitt 與 Lee（1981）模型、 Lee 與 Schmidt（1993）模型、Cornwell、Schmidt 與 Sickles（1990）模型以及 Schmidt 與 Sickles （1984）模型等九種。 23.
(31) 第四章. 資料分析. 第一節 變數處理與來源. 本研究將針對中國大陸、香港、印度、日本、韓國、馬來西亞、巴基斯坦、菲 律賓、新加坡、斯里蘭卡、泰國以及阿拉伯聯合大公國等十二個亞洲國家之商業銀 行進行研究，資料期間為 2009 年至 2013 年，共計五年，主要涵蓋金融海嘯以後的 期間，避免有結構性轉變問題。. 立. 政 治 大. 稅前利潤（PBT） 、利息收益／貸款總額（ P1 ） 、非利息收益／其他收益資產（ P2 ） 、. ‧ 國. 學. 利息費用／存款總額（ W1 ） 、人事費用／資產總額（ W2 ） 、 （營業費用－人事費用） ／固定資產（ W3 ）以及股東權益總額（EQ）等主要變數，皆由 Bankscope 資料庫. ‧. 中取得，並剔除變數為 0、為負或遺漏者，詳細資料狀況如表 4-1 所示。. n 已開發國家／地區 香港 日本 韓國 新加坡 開發中國家／地區 中國大陸 印度 馬來西亞 巴基斯坦 菲律賓. er. io. sit. y. Nat. al. i n U. 表 4-1 資料概述. Ch. engchi. v. 單位：家. 2009 年. 2010 年. 2011 年. 2012 年. 2013 年. 43 424 4 14. 44 411 44 14. 41 423 47 15. 45 456 60 15. 43 468 53 16. 64 86 9 6 31. 82 93 11 7 36. 108 97 65 10 42. 137 101 74 38 42. 129 95 74 38 36. 24.
(32) 表 4-1（續） 斯里蘭卡 泰國 阿拉伯聯合大公國. 1 28 20. 1 34 23. 34 35 24. 37 36 27. 36 36 26. 資料來源：本研究整理。. CBFA 與 FSU 取自 Masciandaro（2009）；CBIND 取自 Arnone 等人（2007）； CAPRQ、OFFPR、PRMONIT 與 ACTRS 等四個指標變數為參考 Barth、Caprio 與. 政 治 大. Levine（2008）的分類標準，利用世界銀行的銀行法規與監理（Bank Regulation and. 立. Supervision）資料庫中 2011 年調查資料分類計算而得；INFL、GDPGR 與 CLAIMS. ‧ 國. 學. 等三個變數資料皆取自世界銀行統計資料庫。最後，最大三家銀行持有的資產總額 對國家內所有銀行持有總資產的比率（CONC）取自世界銀行的金融發展與結構. ‧. （Financial Development and Structure）資料庫，股東權益對總資產比（EQAS）和. Nat. sit. n. al. er. io. 結果整理如表 4-2。. y. 商業銀行貸款損失準備占總貸款比（LLP）取自 Bankscope 資料庫。上述變數處理. Ch. engchi. i n U. 表 4-2 變數資訊 變數. 資料來源. 利潤邊界變數 PBT P1 P2 W1 W2 W3 EQ. Bankscope Bankscope Bankscope Bankscope Bankscope Bankscope Bankscope 25. v.
(33) 表 4-2（續） 群組特定環境變數 WB 金融發展與結構資料庫 CONC EQAS Bankscope LLP Bankscope 共同邊界環境變數 Masciandaro（2009） CBFA Masciandaro（2009） FSU Arnone 等人（2007） CBIND WB 銀行法規與監理資料庫以及 Barth、Caprio 與 Levine（2008） CAPRQ WB 銀行法規與監理資料庫以及 Barth、Caprio 與 Levine（2008） OFFPR WB 銀行法規與監理資料庫以及 Barth、Caprio 與 Levine（2008） PRMONIT WB 銀行法規與監理資料庫以及 Barth、Caprio 與 Levine（2008） ACTRS WB 統計資料庫 INFL WB 統計資料庫 GDPGR WB 統計資料庫 CLAIMS 共同邊界替換指標變數 Arnone 等人（2007） CBECIND Arnone 等人（2007） CBPOLIND. 立. 政 治 大. ‧. ‧ 國. 學. y. Nat. n. al. er. io. sit. 資料來源：本研究整理。. 第二節 重要環境變數. Ch. engchi. i n U. v. 本研究中將利用到 CBFA、FSU、CBIND、CBPOLIND 以及 CBECIND 等五個 獨特的金融監理變數，均採自 Masciandaro（2009）以及 Arnone 等人（2007）之分 類標準。為了清楚呈現這些指標之意涵，以下詳列這些指標的分類準則。. 一、 中央銀行介入金融監理指標（CBFA）. 指標分類標準： 26.
(34) 1：中央銀行未被賦予銀行監理責任。 2：中央銀行有主要或單一的銀行監理責任。 3：中央銀行對任兩個金融部門負有監理責任。 4：中央銀行對所有三個金融部門（保險、證券以及銀行）負有監理責任。 本研究國家之 CBFA 指標如表 4-3 所示。. 二、 監理機構整合程度指標（FSU）. 指標分類標準：. 立. 政 治 大. 7：所有三個金融部門有單一之主管機關。. ‧ 國. 學. 5：銀行部門與證券市場有單一之主管機關（即有 2 個主管機關）。 3：保險部門與證券市場或保險部門與銀行部門有單一之主管機關（即有 2 個主管. ‧. 機關）。. Nat. sit. y. 1：三個金融部門有各自之主管機關（即有 3 個主管機關）。. n. al. er. io. 上述為基本指標分數，若該國有至少一個部門由兩個主管機關管轄，且其中一. i n U. v. 個主管機關同時負責至少一個其他部門的管理，則基本指標分數加 1 分；若該國. Ch. engchi. 有至少一個部門由兩個主管機關管轄，但沒有任何主管機關負責其他部門的管理， 則基本指標分數減 1 分。本研究國家之 FSU 指標如表 4-3 所示。. 表 4-3 CBFA 與 FSU 指標 已開發國家／地區 香港 日本 韓國. CBFA. FSU. 2 1 1. 1 6 7. 27.
(35) 表 4-3（續） 新加坡 開發中國家／地區 中國大陸 印度 馬來西亞 巴基斯坦 菲律賓 斯里蘭卡 泰國 阿拉伯聯合大公國. 4. 7. 1 2 3 3 3 2 2 2. 1 0 3 2 2 1 1 1. 政 治 大. 資料來源：本研究整理自 Masciandaro（2009）。. 立. ‧ 國. 學. 三、 中央銀行政治與經濟獨立程度指標（CBPOLIND、CBECIND 與 CBIND）. ‧ sit. y. Nat. 政治獨立程度指標（CBPOLIND）分類標準：. io. al. er. 1. 中央銀行行長的派任未受政府干預。. n. 2. 中央銀行行長任期已超過五年。. Ch. engchi. 3. 中央銀行董事的派任未受政府干預。. i n U. v. 4. 董事任期已超過五年。 5. 沒有法定強制政府代表須參與董事會。 6. 貨幣政策之形成不須經政府允許。 7. 中央銀行依法將維持貨幣穩定做為其主要目標。 8. 當中央銀行與政府發生衝突時，央行有相關法律做為其後盾。. 經濟獨立程度指標（CBECIND）分類標準： 1. 政府由中央銀行獲得直接授信非自發性程序。 28.
(36) 2. 以市場利率對政府直接授信。 3. 給政府的授信是暫時的。 4. 給政府的授信金額是有限的。 5. 中央銀行未參與主要的公債市場。 6. 中央銀行負責訂定政策性利率。 7. 中央銀行不負責銀行的監理（2 分）或分擔監理責任（1 分）。 上述 15 個問題若符合敘述則給予 1 分，加總後即得 CBIND 指標分數，如表 4-4 所 示。. 政 治 大. 立. ‧ 國. 學. 表 4-4 CBPOLIND、CBECIND 與 CBIND 指標. 3 1 2 3. 3 6 7 3. al. n. 巴基斯坦 菲律賓 斯里蘭卡 泰國 阿拉伯聯合大公國. Ch 3 2 2 3 5 4 4 3. engchi. y. sit. io. 中國大陸 印度 馬來西亞. CBIND. ‧. CBECIND. Nat. 已開發國家／地區 香港 日本 韓國 新加坡 開發中國家／地區. CBPOLIND. er. 國家. i n U. 6 6 6 5 5 5 3 4. v. 6 7 9 6 9 8 8 8 10 9 7 7. 資料來源：本研究整理自 Arnone 等人（2007） 8。. 8. 該指標為 Arnone 等人（2007）根據 Grilli、Masciandaro 與 Tabellini（1991）制定之標準，更新資 料重新計算而得。 29.
(37) 第三節. 敘述統計. 以下將本研究變數之敘述統計量整理如表 4-5。其中， 「利潤邊界變數」為建構 隨機利潤函數之變數； 「群組環境變數」為第一階段估計時，決定無效率項之變數； 「共同邊界環境變數」為第二階段估計時，決定無效率項（即為技術缺口比率）之 變數； 「共同邊界替換環境變數」為第二階段估計時，用以替換 CBIND 之變數。32 頁表 4-6 顯示決定無效率項平均數之環境變數間的相關係數，絕大多數的相關係數 值不超過 0.6，顯示它們彼此間的相關程度不高。. 標準差. 最小值. 最大值. 平均值. 標準差. 最大值. 26. 18669762. 772941. 3939724. 7. 61611496. 0.001. 50.000. 1.304. 19.046. 0.003. 490.143. 0.001. 5137.887. 49.196. 0.002. 1450.100. 0.165. 1.586. 0.000. 52.057. 0.230. 0.012. 0.018. 0.000. 0.318. y. 958241. io. 最小值. sit. 193741. 開發中國家. 已開發國家. Nat. 利潤邊界變數 PBT. 表 4-5 敘述統計*. ‧. 平均值. 學. ‧ 國. 立. 政 治 大. 0.117. P2. 5.895. 117.847. W1 W2. 0.011. 0.051. Ch. 0.009. 0.011. 0.000. W3. 5.495. 64.848. 0.036. 2072.000. 5.036. 36.095. 0.025. 877.75. EQ. 1885299. 8463522. 817. 119515520. 3311222. 14337240. 766. 209180480. 1.411. n. al. 0.000. engchi 1.486. er. P1. i n U 3.884. v. 群組特定環境變數 CONC. 48.545. 10.833. 44.162. 96.276. 46.270. 10.818. 29.371. 66.600. EQAS. 0.090. 0.109. 0.001. 0.929. 0.141. 0.127. 0.002. 0.967. LLP. 0.005. 0.019. －0.023. 0.571. 0.007. 0.023. －0.605. 0.254. 共同邊界環境變數 CAPRQ. 4.997. 0.398. 4.000. 6.000. 4.982. 0.941. 4.000. 6.000. OFFPR. 8.819. 0.685. 7.000. 11.000. 9.338. 0.710. 9.000. 11.000. PRMONIT. 6.997. 0.398. 6.000. 8.000. 7.067. 0.856. 6.000. 9.000. ACTRS. 2.641. 0.506. 1.000. 3.250. 3.021. 0.548. 1.750. 3.500. －0.660. 1.393. －2.200. 3.900. 4.738. 4.194. －15.200. 20.700. INFL. 30.
(38) 表 4-5（續） GDPGR. 1.005. 3.516. －5.500. 15.200. 6.342. 2.919. －5.200. 10.400. CLAIMS. 176.330. 18.551. 96.200. 219.500. 84.999. 45.022. 16.000. 154.400. CBFA. 1.163. 0.550. 1.000. 4.000. 1.999. 0.738. 1.000. 3.000. FSU. 5.702. 1.426. 1.000. 7.000. 1.147. 0.930. 0.000. 3.000. CBIND. 7.047. 0.645. 6.000. 9.000. 8.374. 0.856. 7.000. 10.000. 共同邊界替換環境變數 CBPOLIND. 1.294. 0.651. 1.000. 3.000. 2.972. 0.952. 2.000. 5.000. CBECIND. 5.753. 0.995. 3.000. 7.000. 5.402. 0.947. 3.000. 6.000. 資料來源：本研究估計。 註*：PBT 與 EQ 單位為千美元，CONC、INFL、GDPGR 以及 CLAIMS 單位為百分 比，其餘變數單位皆為比率。. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 31. i n U. v.
(39) 0.065*** −0.132***. CBIND. LLP. EQAS. 0.088***. 0.116*** −0.044***. −0.020. 0.083*** −0.436***. 0.108***. 0.024. 0.106***. 0.264*** −0.036**. 0.064***. 0.008. 32. 0.080***. 0.206***. 0.032**. 0.292***. −. CONC. 0.423***. −0.102***. 0.005. 0.221***. −. FSU. 0.025. −0.069***. 0.310*** −0.271***. 0.402***. 0.617 *** −0.720***. 0.184*** −0.431***. −0.474***. −. CBFA. 0.127 *** −0.621*** −0.529***. −0.653***. −0.629*** −0.133***. 0.687 *** −0.009. 0.130*** −0.211***. 0.555*** −0.157 *** −0.037 **. −0.167 ***. 0.124***. −. CLAIMS. 0.297 *** −0.677 ***. a0.325*** 0.434*** 0.537 i v*** l C n h e n0.511*** −0.200*** g c h i U0.496***. 0.438***. 0.046***. e. 0.062*** −0.065*** −0.691*** −0.598***. n. CBECIND. −0.016. 0.077 *** −0.213***. FSU. io t a N. CBPOLIND. 0.384*** −0.170*** −0.284***. 0.104***. CBFA. −0.061*** −0.489*** −0.091***. 0.023. −. −0.513***. 0.514***. −. CONC. 0.244***. 0.153***. −0.313*** −0.271*** −0.249*** −0.141*** −0.720*** −0.529***. 0.214***. 立−. CLAIMS. 0.121***. INFL. 0.399***. GDPGR. 政 治 大. INFL. y. rs it. 0.053*** −0.024. 0.180***. 0.121***. ACTRS. ACTRS. −0.085***. 0.068***. 0.184***. PRMONIT. −. PRMONIT. GDPGR. 0.140***. 0.013. OFFPR. −. −. OFFPR. CAPRQ. CAPRQ. ‧ 國. 表 4-6 各環境變數之相關係數*. 學 ‧.
(40) 0.577 *** 0.331*** 0.047 *** 0.092***. ‧ 國 −0.580*** 0.332*** 0.116***. −. 立 CBPOLIND. io t a N. −0.337 *** −0.044***. −. CBECIND. al Ch. n 33. engchi. i n U. 資料來源：本研究估計。 註*：「 *** 」表示達 1%顯著水準；「 ** 」表示達 5%顯著水準；「 * 」表示達 10%顯著水準。. CBIND CBPOLIND CBECIND EQAS LLP. CBIND −. 政 治 大. y. 表 4-6（續）. 學 ‧. v. e. rs it. 0.069***. −. EQAS. −. LLP.
(41) 第五章. 實證結果. 次頁表 5-1 整理了兩群組國家之隨機利潤邊界估計值。整體而言，大部分的係 數估計值皆達統計顯著，模型的配適結果尚佳。而三個無效率項的環境變數（CONC、 EQAS 與 LLP）的係數估計值，兩個群組皆有相同的正負號。 CONC 為一國銀行業資產集中程度變數，越高者代表該國前三大銀行擁有越 高比率的銀行業資產，該國銀行業的市場集中度越高，競爭度則越低。本研究結果. 政 治 大 降低競爭，有助於提升商業銀行之利潤效率。觀諸臺灣目前正面臨銀行過多 立 顯示 CONC 與無效率呈反比（與效率成正比） ，支持銀行業若能提高市場集中度以. ‧ 國. 學. （overbanking）的問題，恐不利於銀行經營效率的提高，若能透過銀行間的整併， 應能達到提升各家銀行的利潤效率。. ‧. EQAS 為股東權益對總資產比。如同前述，經理人員風險趨避程度越大，傾向. sit. y. Nat. 選擇保有較多自有資本，降低虧損帶來的不利衝擊，其代價則是減少放款與投資，. io. 持上述論點。. er. 不利於獲利與利潤效率，本研究發現 EQAS 與無效率成正比（與效率成反比），支. al. n. v i n Ch LLP 為銀行放款損失準備占總放款之比率，越高者代表銀行對壞帳提列準備 engchi U. 越多，導致放款收益減少（因財務報表上已預先認列為損失） ，不利於獲利與利潤 效率。本研究估計結果證實 LLP 與無效率成正比（與效率成反比） ，即放款損失準 備越多，利潤效率越低；反之，則效率越高。. 34.
(42) 表 5-1 群組特定隨機利潤邊界估計值 a,b 已開發國家 變數. 開發中國家. 係數. 標準誤. 係數. 標準誤. 常數項. 5.873***. 0.946. −2.473***. 0.952. ln ( P1 W3 ). 1.066***. 0.230. 0.762***. 0.235. ln ( P2 W3 ). 0.608***. 0.221. 0.474***. 0.155. ln (W1 W3 ). 0.559***. 0.195. ln (W2 W3 ). −1.255***. 1 2 ln ( P1 W3 ) . 立. 2. −0.102. 治 政 0.266 大 −0.390*. 0.141 0.227. −0.060*. 0.036. ln ( P1 W3 ) ln ( P2 W3 ). −0.014. 0.019. −0.008. 0.020. 1 2 ln ( P2 W3 ) . −0.066***. 0.011. −0.044***. −0.029. 0.024. −0.067 ***. y. io. a0.003 l C h. n. ln ( P1 W3 ) ln (W1 W3 ). sit. 2. Nat. 1 2 ln (W1 W3 ) . 0.011 0.016. er. 2. ‧. ‧ 國. 0.023. 學. −0.066***. 0.026. e n g0.016 chi. v0.027. 0.018. −0.017. 0.013. i n U. ln ( P2 W3 ) ln (W1 W3 ). −0.003. 1 2 ln (W2 W3 ) . −0.230***. 0.064. −0.169***. 0.034. ln ( P1 W3 ) ln (W2 W3 ). 0.125***. 0.035. 0.095***. 0.032. ln ( P2 W3 ) ln (W2 W3 ). 0.091***. 0.025. 0.053***. 0.016. −0.013. 0.025. 0.027 *. 0.016. 0.099. 0.115. 1.302***. 0.102. 2. ln (W1 W3 ) ln (W2 W3 ). ln ( EQ ). 35.
(43) 表 5-1（續） 2. 0.074***. 0.008. ln ( EQ ) ln ( P1 W3 ). −0.018. 0.014. ln ( EQ ) ln ( P2 W3 ). −0.009. 0.013. ln ( EQ ) ln (W1 W3 ). −0.039***. 0.011. ln ( EQ ) ln (W2 W3 ). 0.050***. 0.016. Year. 0.065. 0.011 0.009. −0.019. 0.017. 治 政 0.108 大 0.111. 0.120. 0.008. 0.001. 0.016. 0.019. −0.030. −0.002. 0.013. 0.029**. −0.041***. 0.013. 0.008. 0.020. v0.017 i n. 0.018. −0.005. 0.007. a0.023 l C h. n. Year ln ( EQ ). 0.016. 0.019**. io. Year ln (W2 W3 ). 0.020**. −0.015**. 0.009 0.019 0.012. y e n g0.007 chi U. sit. Nat. Year ln (W1 W3 ). −0.021*. ‧. Year ln ( P2 W3 ). 0.037 **. 0.006. 學. Year ln ( P1 W3 ). ‧ 國. Year. 立. 2. −0.008. er. 1 2 ln ( EQ ) . 0.012. 群組特定環境變數 常數項. −0.441. 0.889. −0.252***. 0.315. CONC. −0.010*. 0.005. −0.008*. 0.004. EQAS LLP. 5.221***. 1.137. 5.202***. 0.420. 10.179***. 1.688. 18.363***. 2.075. 36.
(44) 表 5-1（續） σ uj. 0.896***. 0.210. 0.829***. 0.068. σ vj. 0.494***. 0.015. 0.416***. 0.017. λ ( = σ uj σ vj ). 1.815***. 0.214. 1.991***. 0.074. Log-Likelihood 群組樣本數. −2584.323. −1815.164. 2680. 1909. 政 治 大. 資料來源：本研究估計。 「 ** 」表示達 5%顯著水準； 「 * 」表示達 10% 註：a 「 *** 」表示達 1%顯著水準； 顯著水準。 b 本表中的參數估計值為利用 Battese 與 Coelli（1995）之模型估計而得。. 立. ‧. ‧ 國. 學. sit. y. Nat. 估計出兩群組國家之個別利潤邊界函數後，有必要驗證這兩組國家是否皆採. io. er. 用相同之生產技術，若採用之技術相同，則將兩群組資料直接合併後估計即可，無. al. 須估計共同邊界函數，因該函數假設不同群組間使用相異的技術組合。. n. v i n Ch 利用概似比（likelihood ratio，以下簡稱 e n g cLR）檢定，可以測試各國家群組間是 hi U. 否存在技術水準差異。定義 LR 檢定統計量為 L ( H 0 ) LR = −2 ln −2 ln L ( H 0 ) − ln L ( H1 ) χ r2 = L H ( ) 1 . {. }. （5-1）. 此檢定統計量具有卡方分配（chi-square distribution） ，其中，r 代表限制條件個數， 也就是自由度， L ( H 0 ) 為受限制模型之概似函數值， L ( H1 ) 為不受限制模型之概似 函數值。 將所有樣本綜合（pooling）起來，以上述隨機邊界模型估計，得到受限制模型. 37.
(45) 對數概似函數值為 −4566.6872 9，再將兩群組國家之對數概似函數值相加（表 5-1 中的兩個對數概似函數值） ，得到不受限制模型對數概似函數值為 −4399.4872 ，計 算 LR 檢定統計量，得到 LR=334.4，其自由度等於 34，拒絕兩群組國家間之隨機 生產邊界是相同的虛無假設，支持採用共同邊界模型。 次頁表 5-2 顯示隨機共同邊界的利潤函數估計結果，為利用 Battese 與 Coelli （1995）模型估計而得。另外注意各參數之估計標準誤為採用 White（1982）之「三 明治」估計式所得，若不改用，則此「錯誤設定」 （misspecified）模型的參數標準 誤會過低，t 檢定時所有參數在 1%水準下均達顯著，此顯然是有偏誤的。本研究. 政 治 大. 關心的三個環境變數（CBFA、FSU 與 CBIND）的係數估計值都顯示出重要的經濟. 立. 意義。. ‧ 國. 學. CBFA 為中央銀行介入金融監理程度指標，與無效率成正比（與效率成反比） ， 並達統計顯著，代表中央銀行所負責管理的金融部門（保險、證券與銀行）越少，. ‧. 商業銀行的利潤效率越高。可能原因有二：其一，當央行管理部門越多，面臨管轄. Nat. sit. y. 部門的整合挑戰越大，因之央行很難同時滿足不同金融部門各自之目標，此外金融. n. al. er. io. 監理資源的有效分配也是一大問題。更嚴重的是，央行很有可能為了追求整體金融. i n U. v. 穩定之目標，而犧牲個別金融機構的利益，導致利潤效率下降；其二，央行參與金. Ch. engchi. 融監理程度越高，代表行政權力膨脹，此時若無有效的制衡機制，可能造成政府命 令下的信用擴張（directed lending）而傷害金融發展。 FSU 為金融監理整合程度指標，與無效率呈反比（與效率成正比） ，表示整合 程度越高，商業銀行利潤效率也越高。造成此結果的可能原因，一方面金融監理單 位的分工與專業化，有效促進金融機構的管理能力；另一方面，在本研究 12 個亞 洲國家中，金融監理較強勢、整合程度越高的國家，例如日本與新加坡，其商業銀 行的獲利相對較突出，利潤效率也較高。此應可視為亞洲國家的特性，即金融監理 分工越嚴密，有利於利潤效率的提高。本研究結果與 Gaganis 與 Pasiouras（2013）. 9. 詳細結果請見「附錄二：受限制模型估計結果」 。 38.
(46) 不同，可能因為該研究之樣本包含全球 78 國，而本研究僅針對亞洲 12 國，地區性 差異所造成。 CBIND 為央行的政治與經濟獨立程度，與無效率成正比（與效率成反比） ，類 似的結果也出現在 Gaganis 與 Pasiouras（2013）以及 Barth 等人（2002，2003）的 研究中，這些作者認為，完全獨立的央行所追求的應是滿足貨幣政策目標，例如物 價與匯率的穩定，而非推行財政政策（fiscal policy）或提升商業銀行的利潤效率， 因此貨幣政策可能會與銀行運作產生衝突而導致銀行績效下降。舉例來說，央行若 要促進企業投資而降低市場利率，透過公開市場操作釋出強力貨幣（high power. 政 治 大. money），此時利率的下跌將造成商業銀行放款利息收入的損失，此項收入是多數. 立. 商銀的重要收入來源。因此，央行「獨立」追求貨幣政策目標的結果，易造成商銀. ‧. ‧ 國. 學. 的損失，利潤效率因而下跌。. y. Nat. n. al. 參數估計值. 常數項. Ch. 5.3167 ***. engchi. 標準誤 c. er. io. 變數. sit. 表 5-2 共同邊界利潤函數估計值 a,b. i n U. v. z值. 0.5203. 10.22. ln ( P1 W3 ). 1.1813***. 0.0904. 13.07. ln ( P2 W3 ). 0.4403***. 0.0463. 9.51. ln (W1 W3 ). 0.4018***. 0.0863. 4.66. ln (W2 W3 ). −0.9550***. 0.1057. −9.03. −0.0188. 0.0162. −1.17. −0.0117 **. 0.0047. −2.52. 1 2 ln ( P1 W3 ) . 2. ln ( P1 W3 ) ln ( P2 W3 ). 39.
(47) 表 5-2（續） 1 2 ln ( P2 W3 ) . 2. 0.0050. −8.37. 0.0103. 0.0112. 0.92. ln ( P1 W3 ) ln (W1 W3 ). 0.0698***. 0.0063. 11.07. ln ( P2 W3 ) ln (W1 W3 ). −0.0198***. 0.0061. −3.24. 1 2 ln (W2 W3 ) . −0.0592***. 0.0140. −4.22. 政 治 大 0.0129. 2.79. 2. 2. 立. ln (W1 W3 ) ln (W2 W3 ). ln ( EQ ) ln (W1 W3 ). al. n. ln ( EQ ) ln ( P2 W3 ). io. ln ( EQ ) ln ( P1 W3 ). −0.0655***. 0.0088. 0.2198***. 0.0705. 0.0722***. 0.0053. 10.04 −7.45 3.12. y. 2. Nat. 1 2 ln ( EQ ) . 0.0058. ‧. ln ( EQ ). 0.0582***. 學. ‧ 國. ln ( P2 W3 ) ln (W2 W3 ). 0.0360***. −0.0091. Ch. sit. ln ( P1 W3 ) ln (W2 W3 ). er. 1 2 ln (W1 W3 ) . −0.0415***. 13.69. 0.0061. −1.50. e n g c h i U0.0035. −3.85. v ni. −0.0136*** −0.0080*. 0.0041. −1.93. ln ( EQ ) ln (W2 W3 ). 0.0270***. 0.0074. 3.67. Year. 0.0670***. 0.0132. 5.09. Year 2. 0.0188***. 0.0021. 9.09. Year ln ( P1 W3 ). 0.0104***. 0.0034. 3.05. Year ln ( P2 W3 ). 0.0142***. 0.0053. 2.69. 40.
(48) 表 5-2（續） Year ln (W1 W3 ). −0.0487 ***. 0.0019. −25.32. Year ln (W2 W3 ). 0.0280***. 0.0063. 4.41. −0.0141***. 0.0016. −8.68. 常數項. −25.1045***. 7.9304. −3.17. CAPRQ. 0.8530***. 政 治 大 0.2694. 3.17. Year ln ( EQ ) 第二階段環境變數. 立. OFFPR. ‧ 國 al. n. CLAIMS. −1.2417 ***. 0.3404. 0.0981***. 0.0272. 0.1535***. 0.0382. 4.01. e n g c h i U0.0110. 2.42. 7.19. Ch. sit. er. io GDPGR. 0.3528. −3.65. y. Nat. INFL. 2.5358***. −6.51. ‧. ACTRS. 0.2459. 學. PRMONIT. −1.6015***. v ni. 0.0265**. 3.60. CBFA. 3.2344***. 0.5342. 6.05. FSU. −0.4375***. 0.1505. −2.91. 0.9755***. 0.3234. 3.02. σ uM. 1.0687 ***. 0.0814. 13.13. σ vM. 0.0231**. 0.0107. 2.16. 46.2146***. 0.0888. 520.14. CBIND. λ ( = σ uM σ vM ). 41.
(49) 表 5-2（續） Log-Likelihood. 2270.4051. 樣本數. 4589. 資料來源：本研究估計。 註：a 「 *** 」表示達 1%顯著水準； 「 ** 」表示達 5%顯著水準； 「 * 」表示達 10% 顯著水準。 b 本表中的參數估計值為利用 Battese 與 Coelli（1995）之模型估計而得。 c 標準誤為採用「三明治」估計式所得之穩健標準誤。. 立. 政 治 大. 為了進一步探究中央銀行獨立程度與商業銀行利潤效率之關係，我們將. ‧ 國. 學. CBIND 指標再細分成政治獨立性（CBPOLIND）與經濟獨立性（CBECIND）兩個. ‧. 子指標，估計結果如次頁表 5-3 所示。. 我們可以發現，替換後的兩個指標依舊與無效率成正比（與效率成反比） ，唯. y. Nat. io. sit. 僅 CBPOLIND 的係數估計值達到 10%顯著水準，意謂不論央行在經濟上或政治上. n. al. er. 保持獨立性，對於商業銀行的利潤效率均造成負面影響，也證實了本研究結果具有 穩健性 10。. Ch. engchi. i n U. v. 其餘的政策環境變數：CAPRQ 與 PRMONIT 分別顯示資本限制越嚴苛以及商 銀自我監控誘因越高之國家其利潤效率越低，兩者隱含了對商銀各方面限制繁多 將造成經營上「綁手綁腳」而效率低落。OFFPR 與 ACTRS 分別顯示監理機構權力 越大以及商銀承做業務限制越多則利潤效率越佳，前者原因在於監理權力越大的 國家，對商銀的管制強度也越強，因此可能迫使內部有違法情事之商銀（一般而言 經營效率較差）改善或退場， 「汰弱留強」的結果將是整體銀行業效率的提升；後 者之成因應由專業分工角度觀之，由於限制越多將誘使商銀朝向承作單一業務之. 10. 本研究另外以第一階段與第二階段估計時不加入任何環境變數來測試穩健性，主要結果依舊不 變，詳見「附錄三：穩健性測試」。 42.
相關文件
This research was based on a 12-year compulsory education syllabus in the field of mathematics, and it integrated mathematical culture to develop game-based lesson plans to
Then, a visualization is proposed to explain how the convergent behaviors are influenced by two descent directions in merit function approach.. Based on the geometric properties
Chen, The semismooth-related properties of a merit function and a descent method for the nonlinear complementarity problem, Journal of Global Optimization, vol.. Soares, A new
Abstract Based on a class of smoothing approximations to projection function onto second-order cone, an approximate lower order penalty approach for solving second-order cone
A derivative free algorithm based on the new NCP- function and the new merit function for complementarity problems was discussed, and some preliminary numerical results for
Based on a class of smoothing approximations to projection function onto second-order cone, an approximate lower order penalty approach for solving second-order cone
This paper examines the effect of banks’off-balance sheet activities on their risk and profitability in Taiwan.We takes quarterly data of 37 commercial banks, covering the period
files Controller Controller Parser Parser.
