張一青

摘要：文章運用四階段DEA-Tobit方法，基于金融效率評價指標(biāo)，對我國31個省級行政區(qū)的金融發(fā)展?fàn)顩r進(jìn)行實證分析。分析結(jié)果表明：在對各省金融效率得分進(jìn)行測算時，四階段DEA-Tobit方法與經(jīng)典DEA方法所測算出的結(jié)果相差很大；外部環(huán)境因素對金融效率的測算結(jié)果具有顯著影響；西部省份的金融綜合效率最低，東部省份最高?；趯嵶C分析結(jié)果，文章提出了提高金融效率、促進(jìn)金融發(fā)展的針對性建議。

關(guān)鍵詞：四階段DEA-Tobit；金融效率；外部環(huán)境因素

一、 引言

金融是現(xiàn)代經(jīng)濟的核心，金融與經(jīng)濟相互促進(jìn)、共同發(fā)展。對于一個區(qū)域來說，大量改革實踐及研究表明，區(qū)域經(jīng)濟越發(fā)達(dá)，越能聚集經(jīng)濟資源及人力資本，金融市場越成熟；反過來，區(qū)域金融發(fā)展水平越高，越能給該區(qū)域提供資金支持、優(yōu)化資源配置、調(diào)控經(jīng)濟發(fā)展，則區(qū)域經(jīng)濟增長的推動力往往越大。如今，金融處在一個大資管時代背景下，金融行業(yè)在不斷的轉(zhuǎn)型與創(chuàng)新，金融對經(jīng)濟的直接或間接貢獻(xiàn)比重也越來越大。一個區(qū)域的金融發(fā)展水平狀況，能夠在一定程度上反映出該區(qū)域經(jīng)濟的發(fā)展?fàn)顩r。因此，本文研究中國省際金融發(fā)展?fàn)顩r，是有現(xiàn)實意義的。

衡量金融發(fā)展水平的重要指標(biāo)是金融效率。在經(jīng)濟學(xué)中，效率指的是投入與產(chǎn)出之間的關(guān)系，即用最少的投入來獲取最大的效用。那么，顧名思義，金融效率反映的是金融部門投入與產(chǎn)出關(guān)系；從金融資源觀的視角出發(fā)，也就是：將有限的金融資源進(jìn)行有效配置，以實現(xiàn)帕累托最優(yōu)。

在實際研究中，金融效率本身是一個極其綜合、復(fù)雜的指標(biāo)，且具有不同的分類標(biāo)準(zhǔn)。學(xué)者們基于不同的分類標(biāo)準(zhǔn)，選取合適的單一指標(biāo)或多指標(biāo)來衡量金融效率大小，如貸款與儲蓄之比、金融資產(chǎn)總量與GDP之比等等。但是，金融系統(tǒng)是一個錯綜復(fù)雜的系統(tǒng)，金融市場信息具有不確定性、不對稱性、非線性、非結(jié)構(gòu)性等特征；若用單一指標(biāo)來衡量金融效率大小，會由于金融市場信息的缺失從而導(dǎo)致評估結(jié)果出現(xiàn)系統(tǒng)性偏差；若用多指標(biāo)加權(quán)計算來衡量金融效率大小時，會遇到權(quán)重設(shè)定問題。

基于上述考慮，本文不直接用指標(biāo)來衡量金融效率大小，而是間接用指標(biāo)來衡量。在金融系統(tǒng)中，作為金融中介的銀行、券商、基金公司、信托公司、保險公司等，吸收社會閑置資金，通過金融市場運作，將閑置資金配置到資本邊際效率最高的項目中去，以提高資本邊際生產(chǎn)率，從而加速經(jīng)濟發(fā)展?？梢?，金融系統(tǒng)實際上是一個多投入、多產(chǎn)出系統(tǒng)?？紤]到投入和產(chǎn)出這兩個詞，本文采用運籌學(xué)中的數(shù)據(jù)包絡(luò)分析（data envelopment analysis，DEA）方法，來對金融效率進(jìn)行客觀分析。因此這里的“間接”之意為：確定金融投入指標(biāo)和金融產(chǎn)出指標(biāo)，運用DEA方法來計算金融效率。

測算金融效率的常用工具為經(jīng)典DEA方法；但該方法本身存在一個缺陷，那就是：未考慮決策單元所處的外部環(huán)境因素對效率得分的影響。鑒于此，F(xiàn)ried等提出了四階段DEA-Tobit方法，以剔除外部環(huán)境因素對效率測算所做造成的影響，使效率評估更為真實、準(zhǔn)確、客觀。目前，國內(nèi)關(guān)于DEA效率測算的研究主要采用的是經(jīng)典DEA方法；本文嘗試運用四階段DEA-Tobit方法對我國省際金融效率進(jìn)行客觀測算，從而進(jìn)一步比較各省之間的金融發(fā)展?fàn)顩r。

二、 四階段DEA-Tobit模型

DEA方法給出了三種信息：投入松弛量、產(chǎn)出松弛量、和效率得分。對于經(jīng)典DEA方法來說，評估決策單元效率所使用的信息為效率得分，對松弛量信息卻“視而不見”。而四階段DEA-Tobit方法巧妙的把效率得分與松弛量信息相結(jié)合，通過Tobit回歸模型來剔除外部環(huán)境因素對效率得分的影響。四階段DEA-Tobit方法的基本步驟見下。

1. 第一階段：經(jīng)典DEA模型。本文采用DEA-BCC模型，其基本形式如下，

其中，θ0為某個決策單元的效率值，si-為第i個投入松弛量，sr+為第r個產(chǎn)出松弛量，ε為非阿基米德無窮小，m為投入指標(biāo)個數(shù)，s為產(chǎn)出指標(biāo)個數(shù)。

2. 第二階段：Tobit回歸模型。Tobit回歸模型的建立主要分為兩步。

第一步，構(gòu)造一個新指標(biāo)，將其命名為投入總松弛量，構(gòu)造公式為：

其中，Sij為第j個決策單元第i個投入的總松弛量，θj和sij-分別為第一階段經(jīng)典DEA-BBC模型所計算出的效率得分和投入松弛量，xij為第j個決策單元第i個投入指標(biāo)值。

第二步，構(gòu)造Tobit回歸模型。所構(gòu)造的Tobit回歸模型共有m個，對于第i個投入總松弛量，相對應(yīng)的tobit回歸模型分量形式如下

Sij=βiZpj+ui，p=1，2，…，k

其中，Zpj為第j個決策單元第p個外部環(huán)境指標(biāo)，βi為第i個tobit回歸模型的回歸系數(shù)向量，ui為第i個tobit回歸的誤差項，k為外部環(huán)境指標(biāo)個數(shù)。

3. 第三階段：投入指標(biāo)調(diào)整。該階段是對外部環(huán)境因素的剔除，剔除方法則為投入指標(biāo)的調(diào)整，調(diào)整公式如下：

其中，xijadj為調(diào)整后的投入指標(biāo)，Sij為第二階段Tobit回歸的擬合值。經(jīng)過如上一番調(diào)整后，外部環(huán)境因素已被剔除，所有的決策單元均處于相同的外部環(huán)境中。

4. 第四階段：經(jīng)典DEA-BBC模型。最后階段再次回到經(jīng)典DEA-BBC模型，根據(jù)調(diào)整后的投入指標(biāo)xijadj來進(jìn)行DEA效率測算。

三、 實證分析

1. 指標(biāo)選取。金融發(fā)展的投入指標(biāo)有三個：金融機構(gòu)數(shù)、固定資產(chǎn)投資總額和貸款余額，分別反映了各省為推動金融發(fā)展所投入的人力、物力和財力。

金融發(fā)展的產(chǎn)出指標(biāo)有三個：人均GDP增加值、人均純收入和人均消費支出。其中，人均GDP增加值指標(biāo)反映了經(jīng)濟發(fā)展的速度和規(guī)模；人均純收入指標(biāo)反映了居民生活水平；人均消費支出反映了居民實際生活水平的改善。

金融發(fā)展的外部指標(biāo)主要從居民受教育程度、工業(yè)機械化程度、產(chǎn)業(yè)結(jié)構(gòu)及貿(mào)易進(jìn)出口四個方面來選取，相應(yīng)指標(biāo)分別為大專以上文化程度人數(shù)、工業(yè)機械總動力、二三產(chǎn)業(yè)增加值占比、產(chǎn)品貿(mào)易逆差數(shù)量。

此外，本文采用2013年數(shù)據(jù)進(jìn)行實證分析，數(shù)據(jù)均來自于《中國統(tǒng)計年鑒》、《中國區(qū)域金融運行報告》和《中國金融年鑒》。

2. 第一階段：經(jīng)典DEA-BBC結(jié)果分析。根據(jù)第一階段經(jīng)典DEA-BBC的結(jié)果可知，全國省際金融發(fā)展的綜合效率得分差距過大，僅有5個省份的金融綜合效率得分為1，占比16.1%，分別為北京、天津、上海、西藏和青海。有4個省份的金融綜合效率得分在0.6和0.8之間，占比12.9%，分別為寧夏、青海、內(nèi)蒙古和安徽。剩下的22個省份的金融綜合效率得分均低于0.5，占比71%。此外，各省的金融規(guī)模效率得分差距不大，但金融純技術(shù)效率得分差距過大，有21個省份的金融純技術(shù)效率得分低于0.5，占比77.4%。

從各省的金融效率得分來看，有幾個省份的金融效率得分與實際情況相悖。西藏和青海的金融綜合效率得分為1，但該兩省地處偏遠(yuǎn)地區(qū)，經(jīng)濟不發(fā)達(dá)、金融不健全、高素質(zhì)人才缺乏，其金融綜合效率得分理應(yīng)較低。相反，江蘇、浙江、山東等東部省份，經(jīng)濟發(fā)展位居國內(nèi)之首，金融市場健全成熟，但金融綜合效率得分卻很低，分別為0.23、0.19、0.15，排名分別為倒數(shù)第6、倒數(shù)第5和倒數(shù)第3。

基于上述分析可知，運用經(jīng)典DEA方法所測算出的各省金融效率得分，存在不合理性，即全國省際金融綜合效率得分相差懸殊，西藏和青海兩省得分較高，而江蘇、浙江、山東三省的得分較低。因此，對金融效率進(jìn)行測算時，需要考慮外部環(huán)境因素的影響。

3. 第二階段：Tobit模型結(jié)果分析。Tobit回歸模型的擬合結(jié)果見表1。可知，三個tobit模型均通過1%顯著性檢驗。下面從四個外部環(huán)境指標(biāo)出發(fā)，分析外部環(huán)境指標(biāo)對金融機構(gòu)數(shù)、貸款余額和固定資產(chǎn)投資總額這三個輸入指標(biāo)松弛量的影響程度。

（1）大專以上文化程度人數(shù)。該外部指標(biāo)對金融機構(gòu)數(shù)、貸款余額和固定資產(chǎn)投資總額的松弛量均有顯著負(fù)影響；也就是說，大專以上文化程度人數(shù)或者說高學(xué)歷人數(shù)的增加，會降低該三個輸入指標(biāo)的冗余度，從而提高了金融效率?？梢姡瑖袷芙逃潭鹊奶嵘?，有助于金融知識的大力宣傳與普及，從而進(jìn)一步促進(jìn)金融發(fā)展。

（2）工業(yè)機械總動力。該外部指標(biāo)只對固定資產(chǎn)投資總額松弛量有顯著正影響；也就是說，工業(yè)機械總動力的增加，會提高固定資產(chǎn)投資總額松弛量的冗余度，從而降低了金融效率。可見，工業(yè)機械總動力并未得到高效利用，存在產(chǎn)能過剩，從而造成固定資產(chǎn)投資額的浪費，對金融發(fā)展未起到應(yīng)有的促進(jìn)作用。

（3）二三產(chǎn)業(yè)增加值占比。該外部指標(biāo)對金融機構(gòu)數(shù)、貸款余額和固定資產(chǎn)投資總額的松弛量均有顯著負(fù)影響，也就是說，二三產(chǎn)業(yè)增加值比重的加大，會降低這三個輸入指標(biāo)的冗余度，從而提高了金融效率?？梢?，二三產(chǎn)業(yè)增加值占比的加大，反映了產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化調(diào)整的成效性，對金融市場的發(fā)展起到促進(jìn)作用。

（4）貿(mào)易逆差總額。該外部指標(biāo)僅對兩個輸入指標(biāo)（貸款余額、固定資產(chǎn)投資總額）松弛量具有顯著正影響；也就是說，貿(mào)易逆差的擴大，會增加這兩個輸入指標(biāo)的冗余度，從而降低了金融效率?？梢?，貿(mào)易逆差的擴大，會使貸款額度和固定資產(chǎn)投資額度得不到有效利用，從而對金融市場的發(fā)展起到負(fù)面效應(yīng)。

基于上述分析可知，外部環(huán)境因素對金融效率得分的測算具有顯著影響，因此用DEA方法進(jìn)行省際金融效率測算時，需要考慮外部環(huán)境因素的影響，并對其剔除。

4. 四階段DEA-Tobit結(jié)果分析。在剔除外部環(huán)境因素之前，我國省際金融發(fā)展的綜合效率得分差距過大，有22個省份的金融綜合效率得分均低于0.5。剔除外部環(huán)境因素影響后，各省的金融綜合效率得分有一定程度的提高，且分布均勻，見表2?？梢姡本?、天津、上海三個直轄市的金融環(huán)境處于較好的區(qū)域大環(huán)境，而其他省份的金融環(huán)境均受到外部環(huán)境因素的負(fù)面干擾，尤其是江蘇、浙江和山東三省，從而造成金融效率的低下。因此，運用四階段DEA-Tobit方法進(jìn)行金融效率的測算是合理的，具有一定的意義。

由表2可知，金融綜合效率得分為1的省份有六個，分別為北京、上海、天津、江蘇、浙江和廣東；這六個省市均處于東部沿海地區(qū)，經(jīng)濟發(fā)達(dá)、金融市場健全成熟，且北京、上海和廣東聚集了優(yōu)秀的金融人才以及全國80%的金融機構(gòu)，大大促進(jìn)了金融市場的發(fā)展，故金融綜合效率最高是當(dāng)之無愧的。金融綜合效率得分較高的省份還有山東、遼寧、安徽、福建、山西和湖北，這六個省份也是我國的經(jīng)濟和人口大省，金融發(fā)展?fàn)顩r良好。金融綜合效率較低的省份有新疆、西藏、云南、青海、甘肅和寧夏，其效率得分均在0.5以下，這六個省份均處于我國西部地區(qū)，經(jīng)濟發(fā)展水平滯后于東部和中部省份；雖然在國家西部大開發(fā)戰(zhàn)略等政策的指引下，西部省份的金融發(fā)展支持力度相對較大，但由于受經(jīng)濟發(fā)展基礎(chǔ)薄弱、金融體系結(jié)構(gòu)不完善等因素的影響，西部省份的金融發(fā)展相對落后，故金融綜合效率得分較低。

從東中西地區(qū)層面來看，我國東部、中部、西部地區(qū)省份的金融綜合效率得分均值，分別為0.93、0.72和0.40；可見，我國東中西地區(qū)省份的金融綜合效率得分呈階梯式序列，東部省份得分最高，中部省份次之，西部省份的金融綜合效率遠(yuǎn)遠(yuǎn)低于東部和中部省份。西部省份與東中部省份的金融綜合效率的差別，主要在于西部省份的金融規(guī)模效率得分遠(yuǎn)遠(yuǎn)低于東中部省份，西部省份的金融規(guī)模效率得分為0.59，遠(yuǎn)遠(yuǎn)低于東中部省份的0.95、0.83；此外，西部省份的金融純技術(shù)效率得分為0.68，也低于東中部省份（0.98、0.87），但懸殊不如金融規(guī)模效率得分大。

四、 結(jié)論及建議

本文基于金融效率評價指標(biāo)，運用四階段DEA-Tobit方法，對我國31個省級行政區(qū)的金融發(fā)展?fàn)顩r進(jìn)行實證分析，得出的結(jié)論與建議如下：

1. 效率測算方法。在對金融效率得分進(jìn)行測算時，四階段DEA-Tobit方法與經(jīng)典DEA方法所測算出的結(jié)果相差很大。若不考慮外部環(huán)境因素對效率得分的影響，經(jīng)典DEA方法所測算出的省際金融效率水平明顯偏低，且不合理，與實際情況相違背；因此，考慮外部環(huán)境因素對效率測算所造成的影響非常有必要。四階段DEA-Tobit方法通過Tobit模型來對外部環(huán)境因素進(jìn)行剔除，所測算出的省際金融效率得分，與經(jīng)典DEA方法相比，更為客觀、真實、準(zhǔn)確。

2. 外部環(huán)境因素。居民受教育程度、工業(yè)機械化程度、產(chǎn)業(yè)結(jié)構(gòu)水平以及產(chǎn)品貿(mào)易等外部因素對各省的金融發(fā)展起著至關(guān)重要的推動作用。未來應(yīng)大力推進(jìn)全民教育，大力提高居民精神、文化水平，各省應(yīng)調(diào)整經(jīng)濟結(jié)構(gòu)、淘汰落后產(chǎn)能、促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)型省級，出臺多項措施來促進(jìn)產(chǎn)品進(jìn)出口貿(mào)易的發(fā)展，從而推動金融效率的提高。此外，還應(yīng)深化改革金融體制、構(gòu)建金融發(fā)展新體制。

3. 西部省份。西部省份金融綜合效率最低。從金融發(fā)展投入指標(biāo)來看，西部省份的金融機構(gòu)數(shù)目、類型及金融資產(chǎn)總額遠(yuǎn)遠(yuǎn)低于東中部省份，這也就解釋了西部省份金融規(guī)模效率低于東中部省份這一實證結(jié)果。因此，國家應(yīng)重視西部地區(qū)金融市場的發(fā)展、促進(jìn)西部省份金融理念的推廣和金融人才的引進(jìn)，通過提高金融規(guī)模來增強金融技術(shù)水平，從而促進(jìn)金融效率水平的提高。

參考文獻(xiàn)：

[1] 程炳友.我國農(nóng)村市場金融效率機制研究[J].農(nóng)村經(jīng)濟，2009，（8）.

[2] Fried H O，Schmidt S S，Yaisawarng S.Incorpo- rating the Operating Environment into a Non- parametric Measure of Technical Efficiency，Journal of Productivity Analysis，1999，（12）.

[3] 張永剛，張茜.基于DEA方法的農(nóng)村金融效率研究[J].經(jīng)濟問題，2015，（1）.