趙婷婷

基于DEA模型的山東省金融支農(nóng)效率測算與改進建議

趙婷婷

對山東省金融支農(nóng)效率進行科學(xué)測算，將有助于正確認識我省金融支農(nóng)的實際現(xiàn)狀和作用效果，為政府在金融支農(nóng)領(lǐng)域如何更好定位，更加準確引導(dǎo)金融支農(nóng)，進而促進山東省“三農(nóng)”健康有序發(fā)展提供理論依據(jù)。運用DEA模型和Malmquist指數(shù)對山東省金融支農(nóng)效率進行靜、動態(tài)的測算分析表明，當(dāng)前山東省金融支農(nóng)效率總體不佳且存在下降趨勢，省內(nèi)區(qū)域間和城市間金融支農(nóng)效率差異較大。作為應(yīng)對，提高金融支農(nóng)效率應(yīng)著重從改善純技術(shù)效率和技術(shù)進步入手。

金融支農(nóng)；效率；DEA模型

一、引言與文獻回顧

改革開放以來，我國農(nóng)村經(jīng)濟蓬勃發(fā)展，農(nóng)村金融也順勢發(fā)展壯大。截至2013年末，全國金融機構(gòu)涉農(nóng)貸款余額為20.88萬億元。其中山東金融機構(gòu)涉農(nóng)貸款余額1.92萬億元，占到全國涉農(nóng)貸款的9.19%，占山東省金融機構(gòu)全部貸款余額的40.00%。從規(guī)模來看，現(xiàn)階段山東省金融支農(nóng)成績非常顯著。然而，巨大規(guī)模的金融支持是否真正帶來了農(nóng)業(yè)增效、農(nóng)民增收、農(nóng)村發(fā)展問題受到了廣泛質(zhì)疑。徐紹榮等［1］認為山東省農(nóng)村金融服務(wù)供給相對于農(nóng)村經(jīng)濟發(fā)展需要仍存在明顯不足，表現(xiàn)為金融資源供需主體失衡、農(nóng)村金融資源配置效率低、農(nóng)村金融資源信貸成本高、農(nóng)村金融服務(wù)功能單一等。張晴［2］通過計量檢驗證明，目前山東金融信貸支農(nóng)對于農(nóng)業(yè)經(jīng)濟發(fā)展的正向促進作用并不顯著。羅紅梅［3］以山東省調(diào)查為例，說明了當(dāng)前新型農(nóng)村金融機構(gòu)包括村鎮(zhèn)銀行和小額貸款公司等下沉服務(wù)網(wǎng)點、開設(shè)分支機構(gòu)的意愿較弱，對于服務(wù)貧窮小農(nóng)、實現(xiàn)普惠金融作用有限。2014年4月國務(wù)院辦公廳發(fā)布《關(guān)于金融服務(wù)“三農(nóng)”發(fā)展的若干意見》，明確指出農(nóng)村金融是整個金融體系中最為薄弱的環(huán)節(jié)。在此背景下，對山東省金融支農(nóng)效率進行科學(xué)測算，將有助于正確認識我省金融支農(nóng)的實際現(xiàn)狀和作用效果，為政府在金融支農(nóng)領(lǐng)域如何更好定位，更加準確引導(dǎo)金融支農(nóng)，進而促進山東省“三農(nóng)”健康有序發(fā)展提供理論依據(jù)。

關(guān)于金融支農(nóng)效率的測算，國外學(xué)者Jensen（2000）、［4］Jim（2005）［5］等研究證實，由政府主導(dǎo)的農(nóng)業(yè)信貸體系一般是缺乏效率的，需要適當(dāng)引入市場機制和商業(yè)金融支農(nóng)體系。國內(nèi)隨著金融服務(wù)業(yè)的迅速發(fā)展，對支農(nóng)效率測度的研究發(fā)生了從注重財政作用向注重金融作用的轉(zhuǎn)變。特別是近幾年已有不少學(xué)者運用實證方法對我國金融支農(nóng)效率進行測度。如湯琦等［6］運用VAR模型對1985-2012年數(shù)據(jù)進行實證研究，結(jié)論是從長期看我國金融支農(nóng)規(guī)模對農(nóng)業(yè)收入增長存在負向影響關(guān)系，而金融支農(nóng)效率在較大程度上促進了農(nóng)業(yè)收入的增長；王定祥等［7］運用 DEA 方法對我國1997-2010年30個?。▍^(qū)、市）的面板數(shù)據(jù)進行實證分析，認為我國金融支農(nóng)效率總體上不佳，距生產(chǎn)前沿面尚有較大改進空間；彭?。?］利用三階段DEA 模型對我國2012年金融支農(nóng)效率進行了研究，實證結(jié)果顯示我國金融支農(nóng)效率的區(qū)域差異明顯?？傮w來看，在方法選取上，基于數(shù)據(jù)包絡(luò)分析（DEA）的非參數(shù)方法運用得較為廣泛，該方法在測度金融支農(nóng)效率上受到了較多認可。但在指標選取上不同研究差異較大，特別是在投入指標中，具有銀行工作經(jīng)歷的往往側(cè)重于從營業(yè)網(wǎng)點覆蓋率、金融從業(yè)占比率等數(shù)據(jù)中考察金融對助力“三農(nóng)”的效率改進；而其他學(xué)者主要選取人均涉農(nóng)貸款、人均農(nóng)業(yè)勞動力等。在產(chǎn)出指標上多數(shù)研究普遍采用了人均農(nóng)業(yè)GDP、農(nóng)民人均純收入等指標。

二、測算模型與指標選取

（一）測算模型選取和建立

本文選取數(shù)據(jù)包絡(luò)分析法（Data Envelopment Analysis，DEA）對山東省金融支農(nóng)效率進行測算。DEA是一種基于被評價對象間相對比較的非參數(shù)技術(shù)效率分析方法。該方法將效率的測度對象稱為決策單元（DMU），DMU可以是任何具有可測量的投入、產(chǎn)出的部門或單位。由于DEA具有適用范圍廣、原理相對簡單的特點，特別是在測度多投入多產(chǎn)出的情況時具有特殊優(yōu)勢，因而其應(yīng)用范圍拓展迅速。DEA有兩個基本模型，CCR和BCC。其中CCR模型是基礎(chǔ)模型，該模型假設(shè)所有被評價的DMU均處于最優(yōu)生產(chǎn)規(guī)模階段，即處于規(guī)模收益不變階段，其得出的技術(shù)效率包含了規(guī)模效率的成分。BCC模型對此進行了改進，即規(guī)模收益可變，此時得出的技術(shù)效率排除了規(guī)模的影響，可以分別得出純技術(shù)效率和規(guī)模效率。本文基于實際應(yīng)用中規(guī)模報酬可變假設(shè)更符合現(xiàn)實情況的考慮，使用BCC模型，基本思路如下。

假設(shè)測度n個城市的金融支農(nóng)效率，記為DMUj（j=1，2，…，n）。每個城市有m種投入和q種產(chǎn)出，分別記為xi（i=1，2，…，m），Yr（r=1，2，…，q）。記要測量的DMU為DMUk，則測算效率值的模型為：

以上BCC模型分析的情況是針對某一時間點的截面數(shù)據(jù)而言。當(dāng)要評價包含多個時間點觀測值的DMU數(shù)據(jù)時，通常用DEA模型下的Malmquist指數(shù)分析生產(chǎn)率的變動情況、技術(shù)效率和技術(shù)進步各自對生產(chǎn)率變動所起的作用。從而得到的Malmquist指數(shù)表示為：

其中，Et表示第t期DMU的全要素生產(chǎn)率指數(shù)。若m＞1，則說明隨著時間推移全要素生產(chǎn)率得到改善，反之則不是；m=1則說明相鄰兩期的生產(chǎn)效率沒有變化。［9］Malmquist指數(shù)內(nèi)容可以用以下公式進行解釋。其中，effch代表綜合技術(shù)效率的變動，techch代表技術(shù)進步的變動，pech代表純技術(shù)效率變動，sech代表規(guī)模效率變動。

（二）指標選擇與數(shù)據(jù)來源

在DEA模型中，指標選取對于測算結(jié)果的影響非常關(guān)鍵。本文在選取投入和產(chǎn)出指標時有兩方面考慮。一是嚴謹?shù)腄EA模型中投入和產(chǎn)出指標應(yīng)少于DMU數(shù)量的三分之一，指標數(shù)量選取較多往往容易導(dǎo)致模型區(qū)分能力不足。二是在控制指標數(shù)量的前提下，從盡可能包含更多生產(chǎn)要素的角度出發(fā)，在投入和產(chǎn)出中盡量排除高度相關(guān)的指標?；诖?，同時參考既有相關(guān)文獻的指標選取并結(jié)合數(shù)據(jù)的可得性，本文選取人均涉農(nóng)貸款（涉農(nóng)貸款/農(nóng)業(yè)人口）和金融機構(gòu)網(wǎng)點覆蓋率（金融機構(gòu)網(wǎng)點數(shù)/農(nóng)業(yè)人口）作為測算金融支農(nóng)效率的投入指標，選取農(nóng)民人均收入和人均第一產(chǎn)業(yè)增加值（第一產(chǎn)業(yè)GDP/農(nóng)業(yè)人口）作為產(chǎn)出指標，以此來測算“三農(nóng)”金融投入為農(nóng)業(yè)增效、農(nóng)民增收的效率改進。

本文實證分析選用2011——2013年山東省17城市的面板數(shù)據(jù)。數(shù)據(jù)主要來自《山東金融年鑒》（2012——2014）和中國銀行業(yè)監(jiān)督管理委員會網(wǎng)站提供的農(nóng)村金融圖集，部分數(shù)據(jù)來自各城市在政府官網(wǎng)公布的統(tǒng)計公報。

三、實證結(jié)果分析

（一）山東省金融支農(nóng)效率的靜態(tài)分析

表1反映了山東省17城市的金融支農(nóng)效率靜態(tài)值?？傮w來看，2013年山東省金融支農(nóng)綜合效率TE均值是0.763，小于1，說明當(dāng)前山東省金融支農(nóng)總體效率不足。其中純技術(shù)效率PTE均值是0.815，反映出以金融資源支持“三農(nóng)”建設(shè)的管理制度和技術(shù)水平存在無效率情況；規(guī)模效率SE均值是0.931，反映出當(dāng)前支農(nóng)的金融資源規(guī)模較有效率，但仍有改進空間。

表1 2013年山東17市金融支農(nóng)效率值總表

在區(qū)域比較層面，金融支農(nóng)的綜合效率排名依次是魯東＞魯南＞魯北＞魯中。排名反映出當(dāng)前山東省各地金融支農(nóng)效率與經(jīng)濟發(fā)展水平并不完全吻合，與各地第一產(chǎn)業(yè)產(chǎn)值總量也并不完全匹配。其中僅有魯東地區(qū)作為全省經(jīng)濟大區(qū)和農(nóng)業(yè)大區(qū)，其金融支農(nóng)效率也保持全省首位。從效率構(gòu)成來看，魯東的純技術(shù)效率具有絕對優(yōu)勢，達到0.994，而規(guī)模效率還有待提高。魯北地區(qū)和魯南地區(qū)相比，在經(jīng)濟總量和第一產(chǎn)業(yè)產(chǎn)值方面都居于前列，但金融支農(nóng)效率卻相對偏差，支農(nóng)的金融資源存在浪費現(xiàn)象。從效率構(gòu)成來看，魯北和魯南的指標弱項均在純技術(shù)效率方面，反映出金融管理制度等方面的不足。魯中地區(qū)的第一產(chǎn)業(yè)產(chǎn)值居于全省最末，但即使經(jīng)濟總量僅次于魯東，其金融支農(nóng)效率也仍然全省最低，反映出這一地區(qū)具有比較優(yōu)勢的經(jīng)濟和金融發(fā)展對于支農(nóng)、惠農(nóng)的作用沒有得到有效發(fā)揮。值得關(guān)注的是，魯中地區(qū)和魯北地區(qū)除東營外，其他城市構(gòu)成了山東省會城市群經(jīng)濟圈（以省會濟南為核心，與泰安、淄博、萊蕪、德州、聊城、濱州等6市組成的“1+6”都市圈區(qū)域），而圈內(nèi)幾乎把全省金融支農(nóng)效率較低的城市均包含在內(nèi)，反映出經(jīng)濟圈內(nèi)在金融支農(nóng)工作方面的嚴重不足。

具體到城市層面，大多數(shù)城市在服務(wù)“三農(nóng)”的金融投入和產(chǎn)出方面都處于一種遠離前沿面的無效率狀態(tài)，且不同城市間金融支農(nóng)效率存在較大差異。17城市中淄博、臨沂、濟南、萊蕪、東營、青島綜合效率最低，反映出城市經(jīng)濟發(fā)展總量與金融服務(wù)“三農(nóng)”之間的巨大缺口。其中，濟南作為山東省會城市，近年來一直致力于打造區(qū)域性金融中心，以此作為提升城市競爭力和帶動輻射周邊共同發(fā)展的重要引擎，然而從表1中可以看出，濟南市近年來的金融改革和快速發(fā)展對于服務(wù)“三農(nóng)”建設(shè)的效率不高，特別是純技術(shù)效率偏低，反映出該市金融支農(nóng)可能面臨資源管理松散、資金配置錯位、利用率較低等問題。與之形成鮮明對比的是青島，青島作為山東經(jīng)濟除省會之外的另一個中心，近年來在金融領(lǐng)域積極打造國家級的財富管理中心，但其金融支農(nóng)效率同樣不高，而其中癥結(jié)則主要在于規(guī)模效率低下，即當(dāng)前青島面向“三農(nóng)”的金融服務(wù)規(guī)模不能滿足相應(yīng)的需求。綜合來看，山東17城市中，多數(shù)城市的金融支農(nóng)效率不足，但原因各異，需要針對各自情況在增加信貸投入規(guī)模和構(gòu)建有效的金融管理制度之間區(qū)別對待、有所側(cè)重。

（二）山東省金融支農(nóng)效率的動態(tài)分析

表2對山東17城市2011——2013年金融支農(nóng)的Malmquist指數(shù)進行分解測度，反映山東省金融支農(nóng)效率的動態(tài)變化趨勢。由于2010年人行重新定義了農(nóng)業(yè)貸款科目統(tǒng)計口徑，囿于數(shù)據(jù)的可比性和可得性，本文僅選取了近3年的數(shù)據(jù)，這使得測算結(jié)果對全省金融支農(nóng)效率的長期動態(tài)變化方面解釋力較弱，但仍能真實反映效率的變化趨勢。

從表2可知，全省Malmquist指數(shù)均值為0.602，小于1，說明從動態(tài)變化角度山東省金融支農(nóng)的全要素生產(chǎn)率在近3年出現(xiàn)下滑。這其中，綜合技術(shù)效率增進了10.4%，但技術(shù)進步狀況明顯下降，成為阻礙全要素生產(chǎn)率提高的最大短板；3年里全省純技術(shù)效率平均下降了7.7%，但規(guī)模效率進步明顯，達到19.6%，反映出在“十二五”時期，全省各市在擴大金融支農(nóng)規(guī)模方面作出了巨大努力。在區(qū)域比較層面，魯中地區(qū)金融支農(nóng)的整體效率最高，之后依次是魯東、魯北、魯南。從效率構(gòu)成來看，除魯南外，其他三地的金融支農(nóng)綜合技術(shù)效率都有不同程度的提高，而這主要得益于規(guī)模效率的顯著改善。在具體城市層面，17城市中只有煙臺和萊蕪的Malmquist指數(shù)大于1，其余15市在技術(shù)進步方面顯現(xiàn)出較為嚴重的滯緩狀況。在綜合技術(shù)效率方面，濟南、淄博、棗莊、臨沂、德州5個城市出現(xiàn)下降，下降原因主要在于純技術(shù)效率的惡化。

表2反映出當(dāng)前山東省金融支農(nóng)情況不容樂觀。隨著近幾年世界經(jīng)濟遇冷，我國發(fā)展進入新常態(tài)并全力深化多層面改革，山東省同樣面臨經(jīng)濟轉(zhuǎn)型、產(chǎn)業(yè)升級、提質(zhì)增效的巨大壓力。然而在多力共促全省各項改革順利開展并保障經(jīng)濟穩(wěn)步增速之時，金融支農(nóng)、惠農(nóng)、促農(nóng)工作不應(yīng)被放緩延后。作為農(nóng)業(yè)大省和金融大省，山東優(yōu)質(zhì)豐富的金融資源應(yīng)在服務(wù)于“三農(nóng)”建設(shè)、促進發(fā)展現(xiàn)代農(nóng)業(yè)方面發(fā)揮更大的作用。

表2 2011-2013年山東17城市金融支農(nóng)的Malmquist指數(shù)分解結(jié)果

四、結(jié)論與改進建議

基于DEA模型的實證研究顯示，山東省金融支農(nóng)效率總體不足，與理想狀態(tài)還存在一定差距，其中純技術(shù)效率是主要制約因素；山東省金融支農(nóng)效率在近3年出現(xiàn)下滑，具有共性的主要原因在于技術(shù)進步的滯緩，部分城市還受到純技術(shù)效率降低的影響，但整體的規(guī)模效率改善顯著；省內(nèi)各市金融支農(nóng)效率差異明顯，從地區(qū)來看魯東地區(qū)效率較高，魯中地區(qū)效率最差，但從動態(tài)的角度觀察，魯中地區(qū)技術(shù)衰減的速率最慢?？傮w而言，當(dāng)前山東省金融支農(nóng)效率有待提高，應(yīng)著重從改善純技術(shù)效率和技術(shù)進步入手。

（一）改善純技術(shù)效率

純技術(shù)效率結(jié)果體現(xiàn)出山東省金融管理體制和資金運行制度的不足導(dǎo)致了可觀的農(nóng)村金融資源沒有被充分利用。因此，一要優(yōu)化資金配置，將支農(nóng)資金投放到最需要的地方。支農(nóng)資金既要充分滿足種養(yǎng)大戶、家庭農(nóng)場、合作社等的金融需求，更要體現(xiàn)普惠金融價值，在不同地區(qū)適應(yīng)農(nóng)村實際、農(nóng)業(yè)特點和農(nóng)民需求，為廣大農(nóng)戶解資金之渴。二要培育競爭性的農(nóng)村金融市場，大力發(fā)展新型農(nóng)村金融組織。近年來山東省新型農(nóng)村金融組織豐富了很多，17城市都出現(xiàn)了一定數(shù)量的小額貸款公司和村鎮(zhèn)銀行。但這些新型組織規(guī)模較小且覆蓋率較低，2013年全省79家村鎮(zhèn)銀行中最大貸款規(guī)模為8億元，村鎮(zhèn)銀行的縣域覆蓋率只有60%，這對服務(wù)農(nóng)村金融只起到了補充作用。三要發(fā)揮財政政策對農(nóng)業(yè)信貸的撬動作用，認真貫徹中央“一號文件”提及的“落實縣域金融機構(gòu)涉農(nóng)貸款增量獎勵、農(nóng)村金融機構(gòu)定向費用補貼、農(nóng)戶貸款稅收優(yōu)惠、小額擔(dān)保貸款貼息等政策”，進一步引導(dǎo)金融支持現(xiàn)代農(nóng)業(yè)發(fā)展。

（二）大力促進技術(shù)進步

一是豐富金融支農(nóng)產(chǎn)品和服務(wù)方式，為農(nóng)民創(chuàng)新多樣化的金融服務(wù)。創(chuàng)新貸款擔(dān)保方式，“研究當(dāng)?shù)靥厣?chuàng)新金融產(chǎn)品”，因地制宜開發(fā)有利于減輕一次還本付息壓力的“按揭式”信用貸款，如“公司+農(nóng)戶”、“公司+協(xié)會+農(nóng)戶”等各種貸款合作模式；加大保險創(chuàng)新力度，探索“貸款+保險”合作新模式，提高農(nóng)業(yè)保險服務(wù)水平；多次開展金企對接會、金民對接會等；繼續(xù)完善涉農(nóng)貸款擔(dān)保財產(chǎn)的評估管理機制。二是充分利用現(xiàn)代化信息技術(shù)提升金融服務(wù)效能，依托“互聯(lián)網(wǎng)+”金融助力“三農(nóng)”發(fā)展。推進非現(xiàn)金支付工具應(yīng)用和農(nóng)村信用體系建設(shè)；適度引導(dǎo)P2P網(wǎng)絡(luò)貸款、眾籌融資等新興業(yè)態(tài)發(fā)展成長，在合理控制金融風(fēng)險的條件下促進形成“互聯(lián)網(wǎng)+金融+農(nóng)業(yè)”的新模式；進一步完善金融基礎(chǔ)設(shè)施建設(shè)，著力改善農(nóng)村支付服務(wù)條件，暢通支付結(jié)算渠道等。

［1］徐紹榮，呂蔚，劉艷紅.山東省農(nóng)村金融發(fā)展存在的問題及對策［J］.會計之友，2011（2）.

［2］張晴.山東省財政金融支農(nóng)政策與農(nóng)業(yè)經(jīng)濟發(fā)展［D］.山東大學(xué)，2012（5）.

［3］羅紅梅.新型農(nóng)村金融機構(gòu)支農(nóng)目標及信貸行為解釋——以山東省調(diào)查為例［J］.金融發(fā)展研究，2013（11）.

［4］Jensen，R.The Farm Credit System as a Government——sponsored Enterprise［J］.Review of Agricultural Economics，2000（22）.

［5］Jim，M.Agricultural Credit：Institutions and Issue（CRS Report For Congress）.www.national lag law center.org/as-sets/crs/RS2，2005（23）.

［6］湯琦，陳凱淵.我國金融支農(nóng)對農(nóng)業(yè)收入增長的有效性研究——基于1985-2012年經(jīng)驗數(shù)據(jù)的實證［J］.農(nóng)村經(jīng)濟與科技，2014（5）.

［7］王定祥，琚麗娟，李伶俐.我國金融支農(nóng)效率的測度與改進策略［J］.當(dāng)代經(jīng)濟研究，2013（11）.

［8］彭健.基于三階段DEA模型的金融支農(nóng)效率研究［J］.海南金融，2014（10）.

［9］成剛.數(shù)據(jù)包絡(luò)分析方法與MaxDEA軟件（第1版）［M］.北京：知識產(chǎn)權(quán)出版社，2014.

（責(zé)任編輯 張訊）

趙婷婷，中共濟南市委黨校經(jīng)濟學(xué)教研部講師，博士（郵政編碼 250100）

F830.49

A

1672-6359（2015）06-0028-04

山東省黨校系統(tǒng)課題“山東省金融支農(nóng)發(fā)展問題研究——基于普惠金融視角分析”（2014s011）