论文部分内容阅读
摘 要：首先运用DEA方法测算我国城商行的贷款效率，然后构建Tobit模型分析贷款效率的影响因素。实证结果表明：城商行的贷款效率均值总体偏低;大部分城商行处于规模报酬递增阶段;城商行的存贷比、M2增速、GDP增速与贷款效率显著正相关，不良贷款率与贷款效率显著负相关。
关键词：城商行;贷款效率;DEA方法;Tobit模型
中图分类号：F23 文献标识码：A doi：10.19311/j.cnki.1672-3198.2019.19.042
1 引言
我国商业银行作为市场经济下资金融通的中介，在金融体系中占据重要地位，对实体经济的发展起到促进作用。近年来我国进入经濟新常态，在供给侧改革的背景下，经济发展方式由粗放型向集约型转变，加之金融监管环境趋严，银行业的快速扩张时期已不复存在。在利率市场化、外资银行准入放松、互联网金融崛起等因素的影响下，商业银行的利润增速逐年下滑，贷款质量不断降低，银行间的竞争愈加激烈。如何提高商业银行的核心竞争力，是当前我国银行业面临的重要问题。存贷款业务作为银行主营业务，能直接反映其资产配置能力和经营绩效情况。因此提高商业银行的贷款效率，是提升其盈利能力、防范金融风险和推动银行业可持续发展的根本。
城市商业银行是我国银行业体系中具有区域特色、规模增速最快的一类商业银行，在服务地方经济和小微企业等方面发挥着不可或缺的作用。截至2017年底，我国已有134家城商行，资产总额达31.72万亿元，占银行业金融机构比重达12.57%。当前我国城商行正处在业务转型的关键时期，大数据技术等金融科技的兴起，使以往由规模扩张带来的红利不再有效，而城商行区域受限、业务单一、资本实力不足、科技应用滞后等问题逐步显现。对于城商行来说，存贷款净息差是核心盈利方式，其业务效率水平决定着经营绩效和发展潜力。为此，本文对我国代表性城商行的贷款效率进行测度，并在此基础上研究其影响因素，为城商行的运营和发展提供建议。
2 文献综述
周逢民等（2010）运用两阶段DEA方法分析2003～2007年我国15家上市银行的经营效率，发现资金组织阶段的效率高于资金运营阶段，股份制银行的效率普遍高于国有银行。王佳、高董（2012）讨论剔除环境变量影响后的银行效率水平，实证结果表明，国有银行和股份制银行的技术效率明显高于城市商业银行。曾昭法、杨畅灿（2013）运用两阶段DEA方法研究2006-2012年我国政策性银行、国有银行和股份制银行的贷款效率，发现在贷款筹集阶段三类银行的效率值都接近最优，在贷款发放阶段国有银行的效率最高，政策性银行的效率最低。
现有文献对银行效率的测度研究比较丰富，主要研究方法包括非参数方法中的DEA方法和Malmquist指数法，以及参数方法中的SFA方法等。但以往学者的关注点大多是银行的整体效率或经营绩效，对银行内部业务进行细化的研究较少，特别是对存贷款业务效率的研究。作为商业银行的核心业务，贷款效率水平的高低能直接影响银行的盈利和发展。
孙秀峰、迟国泰（2010）对1998-2007年我国14家上市银行的数据进行研究，发现不良贷款率、利息支出比和存贷比对银行经营效率的影响显著。卿杨（2011）选取2001-2009年我国13家商业银行为研究样本，发现产权结构、股权集中度、存贷比、资本充足率和不良贷款率对银行的技术效率具有显著影响。徐占东、程砚秋（2015）运用SFA模型评价我国银行贷款效率的上市效应，实证结果表明，总资产、贷款余额和利息支出对银行贷款效率的影响权重较大，固定资产、存款总额和员工人数对银行贷款效率的影响权重较小。
研究者通常将银行效率的影响因素分为内部因素和外部因素，内部因素涉及银行自身的经营管理方面，如资产规模、产权结构、利息支出、存贷比、不良贷款率等指标，外部因素主要是政策环境和宏观经济环境。但当前大部分研究是针对上市银行的实证分析，容易忽视很多近年来新兴发展、还未上市的城商行。因此本文将围绕我国城商行的贷款效率问题展开研究。
3 城商行贷款效率的测算
3.1 银行贷款效率的测度方法
目前银行贷款效率的测度方法主要是前沿面分析法，分为参数前沿面法和非参数前沿面法，后者中的数据包络分析法（Data Envelopment Analysis，DEA）应用最为广泛。DEA方法的原理是保持决策单元的输入或者输出不变，借助样本间的线性约束确定相对有效的生产前沿面，通过比较各决策单元偏离生产前沿面的程度来评价它们的相对有效性。DEA方法不必确定具体的生产函数表达式，无须任何权重假设，无须对数据进行无量纲化处理，该方法常用于多投入、多产出问题的相对效率测度。
DEA模型分为不变规模回报模型和变动规模回报模型，后者是前者去掉锥形假设后得到的，即在前者模型的基础上增加限制条件，使规模相同的决策单元才能比较，从而规避规模对效率的影响。变动规模回报模型将技术效率分解为纯技术效率和规模效率的乘积，能以此判断无效率是由纯技术因素还是规模因素造成的，故本文在测算城商行贷款效率时选用变动规模回报模型。
技术效率测度的是在规模报酬不变时各决策单元偏离前沿生产面的距离，即在一定产出下，生产单元理想的最小可能性投入与实际投入的比率;纯技术效率测度的是在规模报酬可变时各决策单元偏离前沿生产面的距离，体现银行管理和技术水平的生产效率;规模效率测度的是规模报酬不变时的前沿生产面与规模报酬可变时的前沿生产面的距离，衡量银行在不同规模下运营的效率水平。
DEA模型又分为投入导向型与产出导向型，投入导向是指在产出一定时如何使投入最小，产出导向型是指在投入一定时如何使产出最大。对于银行贷款业务的效率测度，相较于产出，银行在控制投入方面更具有主动性，故本文选择投入导向法。结合已有文献，本文选取利息支出、业务费及管理费、营业税金及附加作为投入指标，利息收入作为产出指标，对城商行贷款效率进行测算。 3.2 测算结果分析
截至2017年底，我国共有134家城商行，其中A股上市的有8家、H股上市的有10家。考虑到样本的代表性和数据的可得性，本文对我国全部城商行按总资产规模排名，并选取前30家作为样本。它们综合实力领先，能代表行业未来发展方向，更具有研究意义。
本文运用DEAP2.1软件，对30家样本城商行的贷款效率进行测算，样本区间选为2014-2016年。本文研究所用数据来源于WIND数据库及各城商行披露的年报，具体测算结果经整理后如表1、表2所示。
从30家样本城商行贷款效率的测算结果来看，技术效率的平均值三年来均低于0.8，效率值为1的比例接近20%，尽管三年来呈稳步上升趋势，但是总体水平仍然较低。就纯技术效率而言，其平均值同样较低，且明显低于规模效率，故贷款效率偏低的主因是纯技术无效率。这反映出我国城商行在运营管理和技术创新等方面的整体水平，还与当前发展成熟的大型银行存在差距，原因可能与一些起步较晚的城商行缺少资源和经验、未能因地制宜开展业务有关。
与纯技术效率的表现相反，规模效率的平均值三年来始终保持在0.9以上的较高水平。这表明我国城商行对业务规模的控制比较合理，规模过大或过小都不利于贷款效率的提高。在规模效率不为1的城商行中，规模报酬递增的比例超过80%，原因可能是很多城商行受成立时间短、地缘范围限制等影响，在经营规模上有待于扩张。因此现阶段城商行在提高资金筹集能力和贷款投放水平的同时，仍需积极关注并适时调整其存贷规模，从而不断提升贷款业务的综合技术效率。
4 城商行贷款效率影响因素的实证分析
4.1 模型选择与变量选取
由于城商行贷款效率的取值在0-1之间，因变量属于截断数据，若使用普通最小二乘法会得到有偏且不一致的参数结果。这种情况适用于遵循极大似然法的Tobit模型，该模型常用于因变量受限情况下的回归分析。对于面板数据来说，固定效应Tobit模型不能得到一致的估计量，故本文选用随机效应Tobit模型。
通过对以往文献的整理，本文将城商行贷款效率的影响因素分为内部因素和外部因素，即分为银行自身的经营状况和宏观经济环境。综合考虑，本文选取五个解释变量，内部因素为总资产规模、不良贷款率和存贷比，外部因素为GDP增速和M2增速。因此本文建立Tobit多元回归模型如下：
TEit=β0+β1SIZEit+β2NPLit+β3LDit+β4Mit+β5GDPit+αi+γt+εit
其中，i代表样本中的银行个体，t代表样本的时间分布，α、γ、ε代表随机误差项，因变量和自变量的符号说明如表3所示。
贷款效率，即以DEA方法输出的技术效率，作为Tobit模型的被解释变量;总资产规模，规模大的银行往往管理水平高、资金成本低，但可能导致边际效率的浪费;不良贷款率，不良贷款包括次级贷款、可疑贷款和损失贷款，容易引发银行的破产风险;存贷比，数值越高说明银行的盈利能力越强，但存贷比过高会给银行带来流动性风险;M2增速，即广义货币供应量增速，其变化能反映货币政策和市场流动性的改变;GDP增速，作为国民经济核算的核心指标，与金融企业的经营效益息息相关。
4.2 实证结果分析
本文运用Stata13.0软件，对2014-2016年我国宏观经济指标和30家城商行年报的面板数据做Tobit回归。为提高模型估计的准确度，首先进行多重共线性检验，发现各解释变量间的相关系数均小于0.5，同时VIF值小于10，说明各解释变量间不存在严重的多重共线性，可全部纳入模型分析。实证结果表明，能显著影响城商行贷款效率的因素有：不良贷款率、存贷比、M2增速和GDP增速，回归结果如表4所示。
不良贷款率与贷款效率在1%的显著水平下负相关。随着我国经济结构的转型调整，银行业资产质量下降的问题时有发生。高不良贷款率现象会放大城商行的经营风险，缩窄其盈利空间，从而对贷款效率产生不利影响。
存贷比与贷款效率在1%的显著水平下正相关。为保持流动性央行规定存贷比不得超过75%，但部分指标良好的中小型银行可突破限制。我国信贷监管政策的调整，能促进城商行资金运用效率提升，从而对贷款效率产生积极效应。
M2增速与贷款效率在5%的显著水平下正相关。经济新常态下，我国M2增长率呈现平稳下行趋势。通缩压力使实际利率上升，贷款融资成本上升，社会信贷规模扩张放缓，消费和投资受到抑制，城商行的贷款效率间接随之降低。
GDP增速与贷款效率在10%的显著水平下正相关。近年来我国GDP增速持续下降，而经济发展形势与银行的贷款业务息息相关。我国银行业同样具有经济周期性，当前宏观经济处于下行阶段，城商行的贷款效率也会受此影响。
总资产规模未能通过显著性检验。虽然我国大部分城商行尚处于规模报酬递增阶段，但是对于少数成立较早、发展较好的城商行来说，它们已经实现了最优或过剩的经营规模，因此总资产规模对贷款效率的影响程度是有限的。
5 研究结论与建议
本文首先运用DEA方法对2014-2016年我国30家样本城商行的贷款效率进行测度。分析测算结果得出以下结论：第一，城商行贷款业务的技术效率均值三年来呈上升趋势，但总体水平较低，主要归因于纯技术无效率;第二，城商行贷款业务的规模效率均值显著高于纯技术效率均值，其中大部分城商行处于规模报酬递增阶段。
接下来将技术效率作为被解释变量，本文建立Tobit模型对我国城商行贷款效率的影响因素进行探究。从样本城商行的实证结果中可以看出：存贷比、M2增速、GDP增速对贷款效率有显著正向影响，不良贷款率对贷款效率有显著负向影响，总资产规模对贷款效率的影响不显著。
基于以上研究结论，为提高我国城商行的贷款效率、完善其经营发展方式，本文提出几点政策建议：第一，加快技术进步和创新，积极发展互联网金融业务，重视区块链、人工智能等在金融创新领域的应用;第二，优化业务结构和管理体系，进一步提升存贷款净息差的盈利水平;第三，調整信贷结构，提高贷款质量，降低次贷风险;第四，充分发挥央行的监管和政策调控功能，合理控制利率水平，积极调整信贷规模并引导贷款流向。
参考文献
[1]丁忠明，张琛.基于DEA方法下商业银行效率的实证研究[J].管理世界，2011，（03）：172-173.
[2]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，2011，46（05）：32-45.
[3]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）：169-179.
[4]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，2010，29（02）：5-12.
[5]曾昭法，杨畅灿.基于两阶段关联DEA方法的我国银行贷款效率研究[J].金融与经济，2013，（10）：17-20.
[6]陈洪斌.城市商业银行经营绩效的地区间比较研究——基于DEA与Logit模型的分析[J].金融理论与实践，2016，（06）：1-5.
[7]顾晓安，袁照贺，龚德风.我国城市商业银行效率的区域差异及其影响因素研究[J].南京审计大学学报，2017，14（01）：10-20.
[8]许祥秦，郗楠，刘艳芳.基于ML指数法的中国银行业贷款效率分析[J].沈阳工业大学学报（社会科学版），2014，7（05）：440-448.
[9]李亚林.基于DEA-Tobit方法的中国上市商业银行贷款效率研究[D].大连：东北财经大学，2016.
[10]杜婷婷.基于超效率DEA模型的中国城市商业银行效率实证研究[D].济南：山东财经大学，2015.
关键词：城商行;贷款效率;DEA方法;Tobit模型
中图分类号：F23 文献标识码：A doi：10.19311/j.cnki.1672-3198.2019.19.042
1 引言
我国商业银行作为市场经济下资金融通的中介，在金融体系中占据重要地位，对实体经济的发展起到促进作用。近年来我国进入经濟新常态，在供给侧改革的背景下，经济发展方式由粗放型向集约型转变，加之金融监管环境趋严，银行业的快速扩张时期已不复存在。在利率市场化、外资银行准入放松、互联网金融崛起等因素的影响下，商业银行的利润增速逐年下滑，贷款质量不断降低，银行间的竞争愈加激烈。如何提高商业银行的核心竞争力，是当前我国银行业面临的重要问题。存贷款业务作为银行主营业务，能直接反映其资产配置能力和经营绩效情况。因此提高商业银行的贷款效率，是提升其盈利能力、防范金融风险和推动银行业可持续发展的根本。
城市商业银行是我国银行业体系中具有区域特色、规模增速最快的一类商业银行，在服务地方经济和小微企业等方面发挥着不可或缺的作用。截至2017年底，我国已有134家城商行，资产总额达31.72万亿元，占银行业金融机构比重达12.57%。当前我国城商行正处在业务转型的关键时期，大数据技术等金融科技的兴起，使以往由规模扩张带来的红利不再有效，而城商行区域受限、业务单一、资本实力不足、科技应用滞后等问题逐步显现。对于城商行来说，存贷款净息差是核心盈利方式，其业务效率水平决定着经营绩效和发展潜力。为此，本文对我国代表性城商行的贷款效率进行测度，并在此基础上研究其影响因素，为城商行的运营和发展提供建议。
2 文献综述
周逢民等（2010）运用两阶段DEA方法分析2003～2007年我国15家上市银行的经营效率，发现资金组织阶段的效率高于资金运营阶段，股份制银行的效率普遍高于国有银行。王佳、高董（2012）讨论剔除环境变量影响后的银行效率水平，实证结果表明，国有银行和股份制银行的技术效率明显高于城市商业银行。曾昭法、杨畅灿（2013）运用两阶段DEA方法研究2006-2012年我国政策性银行、国有银行和股份制银行的贷款效率，发现在贷款筹集阶段三类银行的效率值都接近最优，在贷款发放阶段国有银行的效率最高，政策性银行的效率最低。
现有文献对银行效率的测度研究比较丰富，主要研究方法包括非参数方法中的DEA方法和Malmquist指数法，以及参数方法中的SFA方法等。但以往学者的关注点大多是银行的整体效率或经营绩效，对银行内部业务进行细化的研究较少，特别是对存贷款业务效率的研究。作为商业银行的核心业务，贷款效率水平的高低能直接影响银行的盈利和发展。
孙秀峰、迟国泰（2010）对1998-2007年我国14家上市银行的数据进行研究，发现不良贷款率、利息支出比和存贷比对银行经营效率的影响显著。卿杨（2011）选取2001-2009年我国13家商业银行为研究样本，发现产权结构、股权集中度、存贷比、资本充足率和不良贷款率对银行的技术效率具有显著影响。徐占东、程砚秋（2015）运用SFA模型评价我国银行贷款效率的上市效应，实证结果表明，总资产、贷款余额和利息支出对银行贷款效率的影响权重较大，固定资产、存款总额和员工人数对银行贷款效率的影响权重较小。
研究者通常将银行效率的影响因素分为内部因素和外部因素，内部因素涉及银行自身的经营管理方面，如资产规模、产权结构、利息支出、存贷比、不良贷款率等指标，外部因素主要是政策环境和宏观经济环境。但当前大部分研究是针对上市银行的实证分析，容易忽视很多近年来新兴发展、还未上市的城商行。因此本文将围绕我国城商行的贷款效率问题展开研究。
3 城商行贷款效率的测算
3.1 银行贷款效率的测度方法
目前银行贷款效率的测度方法主要是前沿面分析法，分为参数前沿面法和非参数前沿面法，后者中的数据包络分析法（Data Envelopment Analysis，DEA）应用最为广泛。DEA方法的原理是保持决策单元的输入或者输出不变，借助样本间的线性约束确定相对有效的生产前沿面，通过比较各决策单元偏离生产前沿面的程度来评价它们的相对有效性。DEA方法不必确定具体的生产函数表达式，无须任何权重假设，无须对数据进行无量纲化处理，该方法常用于多投入、多产出问题的相对效率测度。
DEA模型分为不变规模回报模型和变动规模回报模型，后者是前者去掉锥形假设后得到的，即在前者模型的基础上增加限制条件，使规模相同的决策单元才能比较，从而规避规模对效率的影响。变动规模回报模型将技术效率分解为纯技术效率和规模效率的乘积，能以此判断无效率是由纯技术因素还是规模因素造成的，故本文在测算城商行贷款效率时选用变动规模回报模型。
技术效率测度的是在规模报酬不变时各决策单元偏离前沿生产面的距离，即在一定产出下，生产单元理想的最小可能性投入与实际投入的比率;纯技术效率测度的是在规模报酬可变时各决策单元偏离前沿生产面的距离，体现银行管理和技术水平的生产效率;规模效率测度的是规模报酬不变时的前沿生产面与规模报酬可变时的前沿生产面的距离，衡量银行在不同规模下运营的效率水平。
DEA模型又分为投入导向型与产出导向型，投入导向是指在产出一定时如何使投入最小，产出导向型是指在投入一定时如何使产出最大。对于银行贷款业务的效率测度，相较于产出，银行在控制投入方面更具有主动性，故本文选择投入导向法。结合已有文献，本文选取利息支出、业务费及管理费、营业税金及附加作为投入指标，利息收入作为产出指标，对城商行贷款效率进行测算。 3.2 测算结果分析
截至2017年底，我国共有134家城商行，其中A股上市的有8家、H股上市的有10家。考虑到样本的代表性和数据的可得性，本文对我国全部城商行按总资产规模排名，并选取前30家作为样本。它们综合实力领先，能代表行业未来发展方向，更具有研究意义。
本文运用DEAP2.1软件，对30家样本城商行的贷款效率进行测算，样本区间选为2014-2016年。本文研究所用数据来源于WIND数据库及各城商行披露的年报，具体测算结果经整理后如表1、表2所示。
从30家样本城商行贷款效率的测算结果来看，技术效率的平均值三年来均低于0.8，效率值为1的比例接近20%，尽管三年来呈稳步上升趋势，但是总体水平仍然较低。就纯技术效率而言，其平均值同样较低，且明显低于规模效率，故贷款效率偏低的主因是纯技术无效率。这反映出我国城商行在运营管理和技术创新等方面的整体水平，还与当前发展成熟的大型银行存在差距，原因可能与一些起步较晚的城商行缺少资源和经验、未能因地制宜开展业务有关。
与纯技术效率的表现相反，规模效率的平均值三年来始终保持在0.9以上的较高水平。这表明我国城商行对业务规模的控制比较合理，规模过大或过小都不利于贷款效率的提高。在规模效率不为1的城商行中，规模报酬递增的比例超过80%，原因可能是很多城商行受成立时间短、地缘范围限制等影响，在经营规模上有待于扩张。因此现阶段城商行在提高资金筹集能力和贷款投放水平的同时，仍需积极关注并适时调整其存贷规模，从而不断提升贷款业务的综合技术效率。
4 城商行贷款效率影响因素的实证分析
4.1 模型选择与变量选取
由于城商行贷款效率的取值在0-1之间，因变量属于截断数据，若使用普通最小二乘法会得到有偏且不一致的参数结果。这种情况适用于遵循极大似然法的Tobit模型，该模型常用于因变量受限情况下的回归分析。对于面板数据来说，固定效应Tobit模型不能得到一致的估计量，故本文选用随机效应Tobit模型。
通过对以往文献的整理，本文将城商行贷款效率的影响因素分为内部因素和外部因素，即分为银行自身的经营状况和宏观经济环境。综合考虑，本文选取五个解释变量，内部因素为总资产规模、不良贷款率和存贷比，外部因素为GDP增速和M2增速。因此本文建立Tobit多元回归模型如下：
TEit=β0+β1SIZEit+β2NPLit+β3LDit+β4Mit+β5GDPit+αi+γt+εit
其中，i代表样本中的银行个体，t代表样本的时间分布，α、γ、ε代表随机误差项，因变量和自变量的符号说明如表3所示。
贷款效率，即以DEA方法输出的技术效率，作为Tobit模型的被解释变量;总资产规模，规模大的银行往往管理水平高、资金成本低，但可能导致边际效率的浪费;不良贷款率，不良贷款包括次级贷款、可疑贷款和损失贷款，容易引发银行的破产风险;存贷比，数值越高说明银行的盈利能力越强，但存贷比过高会给银行带来流动性风险;M2增速，即广义货币供应量增速，其变化能反映货币政策和市场流动性的改变;GDP增速，作为国民经济核算的核心指标，与金融企业的经营效益息息相关。
4.2 实证结果分析
本文运用Stata13.0软件，对2014-2016年我国宏观经济指标和30家城商行年报的面板数据做Tobit回归。为提高模型估计的准确度，首先进行多重共线性检验，发现各解释变量间的相关系数均小于0.5，同时VIF值小于10，说明各解释变量间不存在严重的多重共线性，可全部纳入模型分析。实证结果表明，能显著影响城商行贷款效率的因素有：不良贷款率、存贷比、M2增速和GDP增速，回归结果如表4所示。
不良贷款率与贷款效率在1%的显著水平下负相关。随着我国经济结构的转型调整，银行业资产质量下降的问题时有发生。高不良贷款率现象会放大城商行的经营风险，缩窄其盈利空间，从而对贷款效率产生不利影响。
存贷比与贷款效率在1%的显著水平下正相关。为保持流动性央行规定存贷比不得超过75%，但部分指标良好的中小型银行可突破限制。我国信贷监管政策的调整，能促进城商行资金运用效率提升，从而对贷款效率产生积极效应。
M2增速与贷款效率在5%的显著水平下正相关。经济新常态下，我国M2增长率呈现平稳下行趋势。通缩压力使实际利率上升，贷款融资成本上升，社会信贷规模扩张放缓，消费和投资受到抑制，城商行的贷款效率间接随之降低。
GDP增速与贷款效率在10%的显著水平下正相关。近年来我国GDP增速持续下降，而经济发展形势与银行的贷款业务息息相关。我国银行业同样具有经济周期性，当前宏观经济处于下行阶段，城商行的贷款效率也会受此影响。
总资产规模未能通过显著性检验。虽然我国大部分城商行尚处于规模报酬递增阶段，但是对于少数成立较早、发展较好的城商行来说，它们已经实现了最优或过剩的经营规模，因此总资产规模对贷款效率的影响程度是有限的。
5 研究结论与建议
本文首先运用DEA方法对2014-2016年我国30家样本城商行的贷款效率进行测度。分析测算结果得出以下结论：第一，城商行贷款业务的技术效率均值三年来呈上升趋势，但总体水平较低，主要归因于纯技术无效率;第二，城商行贷款业务的规模效率均值显著高于纯技术效率均值，其中大部分城商行处于规模报酬递增阶段。
接下来将技术效率作为被解释变量，本文建立Tobit模型对我国城商行贷款效率的影响因素进行探究。从样本城商行的实证结果中可以看出：存贷比、M2增速、GDP增速对贷款效率有显著正向影响，不良贷款率对贷款效率有显著负向影响，总资产规模对贷款效率的影响不显著。
基于以上研究结论，为提高我国城商行的贷款效率、完善其经营发展方式，本文提出几点政策建议：第一，加快技术进步和创新，积极发展互联网金融业务，重视区块链、人工智能等在金融创新领域的应用;第二，优化业务结构和管理体系，进一步提升存贷款净息差的盈利水平;第三，調整信贷结构，提高贷款质量，降低次贷风险;第四，充分发挥央行的监管和政策调控功能，合理控制利率水平，积极调整信贷规模并引导贷款流向。
参考文献
[1]丁忠明，张琛.基于DEA方法下商业银行效率的实证研究[J].管理世界，2011，（03）：172-173.
[2]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，2011，46（05）：32-45.
[3]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）：169-179.
[4]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，2010，29（02）：5-12.
[5]曾昭法，杨畅灿.基于两阶段关联DEA方法的我国银行贷款效率研究[J].金融与经济，2013，（10）：17-20.
[6]陈洪斌.城市商业银行经营绩效的地区间比较研究——基于DEA与Logit模型的分析[J].金融理论与实践，2016，（06）：1-5.
[7]顾晓安，袁照贺，龚德风.我国城市商业银行效率的区域差异及其影响因素研究[J].南京审计大学学报，2017，14（01）：10-20.
[8]许祥秦，郗楠，刘艳芳.基于ML指数法的中国银行业贷款效率分析[J].沈阳工业大学学报（社会科学版），2014，7（05）：440-448.
[9]李亚林.基于DEA-Tobit方法的中国上市商业银行贷款效率研究[D].大连：东北财经大学，2016.
[10]杜婷婷.基于超效率DEA模型的中国城市商业银行效率实证研究[D].济南：山东财经大学，2015.