基于区域和时间两个维度的我国金融业效率评价

被引:4
作者
杨中宣 [1 ]
杨洋洋 [2 ]
机构
[1] 中原工学院系统与工业工程技术研究中心
[2] 中原工学院建筑工程学院
关键词
金融业; 效率; DEA方法; ANN方法; 影响因素;
D O I
10.15931/j.cnki.1006-1096.2017.06.025
中图分类号
F832 [中国金融、银行];
学科分类号
1201 ; 020204 ;
摘要
综合运用DEA方法和ANN方法,以我国省域2003—2015年金融业相关数据为样本,从区域和时间两个维度测度我国金融业效率和金融业效率影响因素。结果表明:从区域维度来看,我国大部分地区规模效率位于技术效率和纯技术效率的上方,纯技术效率曲线与技术效率曲线基本重合,各地区金融业效率影响因素重要性由大到小依次是产业结构(0.304)、经济增长速度(0.288)、劳动生产率(0.229)、企业规模(0.092)和投资力度(0.087)。从时间维度来看,2003—2015年,规模效率变化较大,技术效率和纯技术效率曲线基本重合,金融业效率影响因素重要性由大到小依次是产业结构(0.346)、劳动生产率(0.309)、经济增长速度(0.154)、投资力度(0.143)和企业规模(0.047)。总体来看,我国各地区金融业效率水平参差不齐,产业结构是影响我国金融业效率的主要因素。
引用
收藏
页码:147 / 151
页数:5
相关论文
共 11 条
[1]   福建自贸区金融业效率实证研究 [J].
严珊珊 ;
庄赟 .
集美大学学报(哲社版), 2016, 19 (04) :55-62
[2]   安徽省金融业发展效率测算及其影响因素分析 [J].
唐时雨 ;
程云鹤 .
安徽理工大学学报(社会科学版), 2016, 18 (04) :37-42
[3]   基于人工神经网络的房地产市场预警模型研究——以成都市为例 [J].
刘佼 ;
袁红平 .
工程管理学报, 2016, 30 (02) :147-152
[4]   商业银行理财产品收益的实证研究 [J].
周建涛 .
河北经贸大学学报, 2015, (04) :59-62
[5]   基于DEA的厦门金融业经济效率评价 [J].
刘晓杰 .
财经界(学术版), 2014, (13) :8-9
[6]   基于BP神经网络的房地产业顾客满意度测评研究 [J].
王学文 ;
魏彦凤 ;
单其帅 ;
王玉芬 ;
孙毅 .
大众科技, 2013, 15 (12) :219-221
[7]   北京市金融业投入产出效率的实证分析 [J].
冯科 .
中央财经大学学报, 2013, (08) :24-30
[8]   应用人工神经网络模型分析胃癌病人住院费用影响因素作用大小 [J].
王静 ;
李曼 ;
胡运涛 ;
王德斌 .
中国卫生统计, 2009, 26 (05) :499-501
[9]   基于人工神经网络的我国接待业员工满意度及其影响因素实证研究 [J].
田喜洲 .
软科学, 2009, 23 (05) :108-113
[10]   利用人工神经网络分析疾病的影响因素——以高血压为例 [J].
丁小丽 ;
杨涛 ;
周金海 .
医学信息, 2009, 22 (01) :4-7