变量选取与数据来源
（一）被解释变量
本书以商业银行平均资产收益率ROAA度量被解释变量商业银行绩效。资产收益率是净利润相对于资产总额的比率。对于商业银行而言，资产收益率反映了在给定时间内单位资产所获取的经营净收益，从资金成本和利润两个方面衡量了其绩效，被国内外研究者广泛用于商业银行绩效的度量。除了平均资产收益率之外，本书还采用了平均股东权益收益率ROAE作为商业银行绩效的备选指标，以检验实证研究的稳健性。权益收益率反映了单位股东投入资产所获取的净利润回报。根据DuPont分析，权益收益率等于资产收益率与权益乘数的乘积。一方面，作为特殊经济实体，相对于一般企业，商业银行的高权益杠杆率较高；另一方面，尤其是对中国商业银行而言，作为重要的金融中介机构，除了获取一般意义上的经营利润之外，商业银行还承担着信用中介职能和维护金融稳定、促进经济发展的附加责任，并不能在所有经济状况下或所有经营时期内寻求利润最大化。因此，权益收益率并不能够较为全面地衡量商业银行绩效，本书仅将权益收益率作为一个备选指标。
托宾Q值（Tobin's Q）作为国内外商业银行绩效研究广泛采用的绩效指标，反映了商业银行市场价值与资产重置价值的比率。本书没有选取这一指标是基于以下两点原因。第一，本书所选取的中国商业银行样本较多，其中大部分商业银行并未在证券市场融资，即使是上市商业银行，其上市历史也较短，因此，商业银行市场价值数据无法获取。第二，托宾Q值能够准确度量商业银行绩效的前提是资本市场是充分有效的，市场价格能够充分反映商业银行的经营状况和市场参与者的预期，而我国资本市场的历史较短，还在处于不断完善的发展过程之中，托宾Q值的这个前提条件对于中国现阶段的资本市场而言还难以完全满足。
（二）解释变量
1.技术进步、金融创新和效率变量
技术进步、纯技术效率和规模效率变化采用Malmquist DEA方法测度，见本章第二节。对于金融创新（FI）以及金融创新与技术进步协同效应（FITC）的度量方法，本节第一部分已详细讨论。
由于商业银行投入要素和产出的价格信息难以确定，本书没有采用前沿分析方法对我国商业银行的配置效率进行测度。首先，每家商业银行的资产组合各不相同，如果考虑到风险和期限结构，则个体差异更为显著。其次，每家商业银行平均人力资本价格主要由商业银行人力资源组成、具体工作职位的员工薪酬和培训费用决定，这些数据无法从外部公开信息中获得。最后，要素价格并非在给定的时期内保持不变，而是受到利率、汇率和工资水平波动等多项因素的影响，存在变化。因此，对于外部研究者而言，利息支出、非利息支出、风险成本和人力资本的价格信息是无法获取的。对于本书研究样本中的大部分非上市中国商业银行而言，获取这些价格信息的可靠数据就更加困难了。为了弥补商业银行前沿分析中由于价格信息可获得性缺陷造成的不足，本书增加成本收入比率（CIR）这一财务指标，作为度量商业银行的成本效率或经济效率的代理变量[10]。
2.商业银行市场结构变量
除了技术进步、金融创新和效率变量外，本章第一节给出实证模型中还包含商业市场结构变量：市场集中度（MC）和市场份额（MS）。
商业银行市场集中度衡量的是商业银行市场内大型商业银行的垄断程度和市场势力。市场集中度越高，商业银行市场趋于完全垄断市场；市场集中度越低，商业银行市场趋于完全竞争市场。在具有较高市场集中度的商业银行市场中，少数大型商业银行可以通过共谋、协议或政治游说等方式对市场施加影响，从而获取超额利润。市场集中度变量是商业银行SCP理论和RMP理论的关键性变量。市场集中度一般采用赫芬达尔-赫尔希曼指数（HHI）、集中度指数（concentration ration index，CRI）和熵指数（EI）等度量。商业银行赫芬达尔-赫尔希曼指数通过计算各商业银行资产占所有商业银行资产比例的平方和得出。当赫芬达尔-赫尔希曼指数等于1时，表明存在着完全垄断；赫芬达尔-赫尔希曼指数等于0对应于完全竞争状态。商业银行赫芬达尔-赫尔希曼指数是商业银行资产份额变量的二次凸函数，能够较好地衡量大型商业银行的垄断程度，被绝大部分研究文献采用。本书也采用商业银行赫芬达尔-赫尔希曼指数度量商业银行的市场集中度。
商业银行市场份额是指商业银行个体市场指标占商业银行业或所有商业银行该项指标总额的比例。一般商业银行市场份额通过计算单一商业银行总资产相对于所有商业银行资产总额的比例来衡量。市场份额变量是市场结构的一次变量，可以部分衡量单一商业银行对整个市场的影响力。具有较高市场份额的商业银行能够对金融中介市场价格产生影响。市场份额变量是商业银行RMP理论的决定性变量。
3.控制变量
在金融创新、技术进步、效率变量和市场结构变量之外，还有一些变量可能会对商业银行绩效产生影响。本书选取了实际GDP增长率（GDPGR）、广义货币（M2）、广义货币增长率（M2GR）、央行基准利率（BSINT）、商业银行资产规模（ASSET）、权益资产比率（EAR）、净息差（INTMAR）、减值贷款比率（IMPLR）和公开发行股票状态（LIST）作为控制变量。
实际GDP增长率、广义货币增长率和央行基准利率是影响我国商业银行绩效的宏观变量。其中，实际GDP增长率考虑了宏观经济运行和经济增长对商业银行绩效的影响。为了研究货币政策对我国商业银行绩效的影响，采用广义货币增长率和央行基准利率分别考察数量型货币政策和价格型货币政策的不同影响。
商业银行资产规模和权益资产比率用于考察商业银行资产规模和资产结构与绩效的相关性。净息差用于研究商业银行定价能力对绩效的影响。减值贷款比率用于衡量商业银行贷款质量和相对风险成本对绩效的影响。相对于不良贷款率指标，减值贷款比率直接反映了商业银行实际的贷款损失，不会因为不良贷款分类标准、信贷风险估计或人为调整等因素而造成统计偏差。在面板数据模型中，公开发行股票状态不仅记录了商业银行是否公开发行股票，而且记录了商业银行公开发行股票的时间，因此可以用于考察上市商业银行与非上市商业银行或者商业银行公开发行股票前后的绩效差别。(https://www.daowen.com)
所选取的各指标变量描述如表6-4所示。
表6-4 中国商业银行绩效实证研究指标变量描述
续表
（三）样本数据
实证研究所有商业银行原始数据来源于BankScope数据库，宏观经济数据来自2000—2014年《中国统计年鉴》和《中国金融年鉴》[11]。金融创新指标和市场结构变量数据分别由本节第一部分给出的GRFARMS、GRNII、MC和MS等指标计算得出，技术进步和效率变化的指标由本章第二节Malmquist DEA方法计算得出。其余变量数据来源于原始数据。
基于本章第二节第三部分技术进步测度样本选取的原则，本节关于中国商业银行绩效的实证研究同样选取了41家中国商业银行作为研究对象，时间跨度为从1999年至2013年[12]。样本所选取的中国商业银行个体包含4家国有商业银行，10家全国性股份制商业银行和27家区域性商业银行[13]。这41家商业银行的资产份额超过了BankScope数据库所统计中国商业银行总资产的94%。根据中国银行业监督管理委员会统计，截至2013年年底，中国银行业金融机构共有3949家，总资产规模为151.4万亿元。即使是相对整个中国银行业，本书样本所选取的商业银行资产规模比重也超过了75%。因此，相对于现有大部分研究中国商业银行文献仅选取不超过20家银行作为样本，本书选取的样本更具有代表性。
所有变量的描述性统计如表6-5所示。
表6-5 中国商业银行绩效实证研究各变量描述性统计[14]
续表
