现代商业银行是各国经济活动中最主要的资金集散机构,是各国金融体系中最重要的组成部分。商业银行不是一般的企业,而是经营货币资金的金融企业,它所开展的业务活动决定了其在国民经济中扮演重要的角色。一个国家商业银行的运营效率高低直接反应了一个国家资金运转的速度及其在运转过程中所发挥的效用,从而可以看出国民经济运行的状况。所以对商业银行的效率进行研究具有重要的意义,特别是在中国政府履行对WTO的承诺,完全开放中国金融市场的背景下。生产率分析是探求增长源泉的主要工具,同时也是确定增长质量的主要方法。全要素生产率是相对单要素生产率而言的,根据生产率最一般的定义——产出与投入之比,如果作为研究对象的投入只包括一种要素如劳动、资本等,所得生产率称为单要素生产率,如劳动生产率、资本生产率等；如果作为研究对象的投入包括了土地、劳动、资本和自然资源等所有要素,所得生产率即为全要素生产率,它是社会经济系统经营管理效率定量评价的一个综合指标。一些学者通过研究后发现,规模经济效率和范围经济效率等对商业银行成本的影响并不显著,带来的成本无效率都不足5%,而全要素生产率给银行带来的成本无效率超过了20%,因此对银行业全要素生产率的研究显得尤为重要。测算全要素生产率的主要方法有：索洛余值法、Jorgenson指数法、DEA-Malmquist指数和SFA-Malmquist指数。本文所使用的方法为DEA-Malmquist指数。DEA模型由Charnes、W.W. Cooper(?)口E.Rhodes于1978年提出。该方法是使用数学规划模型进行评价具有多个输入、特别是多个输出的决策单元之间的有效性。它是一种非参数方法,不需要设定具体的函数形式。DEA模型不能直接应用到全要素生产率模型中,它需要与Malmquist指数结合来测算。1953年,瑞典经济学家和统计学家Sten Malmquist提出了用于消费分析的定量指数,该指数使用输入距离函数来比较两个或更多的消费群体,以其中—个消费群体的无差异曲线作为参考集,该指数后来被命名为Malmquist指数。但该指数并没有被大量运用,直到1982年,Caves、Christensen和Diewert将Malmquist的思想用于分析生产率增长,提出了CCD模型,从而极大地丰富了生产率增长的测算方法。Fare(1989)等推动了Malmquist指数在生产率增长测算上的应用,他提出怎样使用非参数线性规划方法来计算Malmquist生产率指数。使用传统的DEA模型测算Malmquist指数也就意味着得出的结果会保留DEA模型固有的不足。DEA模型假设不存在随机误差。它们假设：(1)在构造边界时不存在测量误差；(2)不存在运气因素使得一个决策单位在接下来的一年得到更好的效率评价；(3)会造成测量到产出和投入偏离经济中的投入和产出的计算规则不会造成不准确。出现在某一个无效率单位数据中的任何一种误差都会改变效率测算的结果。更大的问题是,其中的一个单位的任何一种误差都有可能改变相对于这个单位的所有单位或者有关于这个单位的线性组合的效率测量。而且DEA模型中各个决策单元面临的不同环境因素也削弱了测算值的说服力。所以本文采用Fried、Lovell、Schmidt和Yaisawarng提出的三阶段DEA模型测算Malmquist指数。在每一年我们将各个商业银行的投入要素进行调整,如果某个商业银行当年面临较好的环境和较好的运气(即随机误差使得它的投入要素下调),我们将提高它的投入要素数量。这样我们得出的结果就考虑到了环境因素和随机误差的影响。本文选用的样本为2004-2008年的14家商业银行(这14家银行分别为中国工商银行、中国农业银行、中国银行、中国建设银行、交通银行、中信银行、华夏银行、民生银行、深圳发展银行、招商银行、兴业银行、上海浦东发展银行、恒丰银行、浙商银行),实证结果发现在2004年-2008年中国商业银行在平均水平上呈增长趋势,但上升的幅度很小,仅为0.06425个百分点。而且商业银行的增长主要来源于技术效率的改进,甚至在有些年份出现技术下降的情况。