曾昭法，王穎

（湖南大學(xué)金融與統(tǒng)計學(xué)院，長沙410079）

金融生態(tài)系統(tǒng)運行效率的區(qū)域差異分析

曾昭法，王穎

（湖南大學(xué)金融與統(tǒng)計學(xué)院，長沙410079）

文章利用2008—2014年31省區(qū)面板數(shù)據(jù)，采用Bootstrap-DEA方法和固定效應(yīng)模型對我國金融生態(tài)系統(tǒng)運行效率及其影響因素進行區(qū)域差異分析。研究發(fā)現(xiàn)：目前我國總體效率不高，各省及地區(qū)間差距較大，效率的區(qū)域分布呈現(xiàn)出較為規(guī)律的東、中、西、東北部地區(qū)梯度遞減的趨勢，各年間各個地區(qū)的效率值也存在顯著性差異；社會福利情況、政府干預(yù)程度、教育支持力度、金融就業(yè)人員規(guī)模、金融發(fā)展水平等因素不同程度的影響了各個地區(qū)金融生態(tài)系統(tǒng)的有效運行。

金融生態(tài)系統(tǒng)；運行效率；Bootstrap-DEA；固定效應(yīng)模型

0 引言

作為經(jīng)濟轉(zhuǎn)型國家，現(xiàn)代金融發(fā)展的新趨勢要求我國既要兼顧金融穩(wěn)定，又要最大限度地推動金融生態(tài)系統(tǒng)高效運轉(zhuǎn)，同時，改革開放以來，我國各省市形成了多樣性的經(jīng)濟金融體系，省際間存在較大的金融差異，因而建立一套符合中國實際的金融生態(tài)系統(tǒng)運行效率的評價模型，對于了解各省區(qū)金融生態(tài)優(yōu)劣，根據(jù)實際經(jīng)濟金融情況制定相應(yīng)的政策，提高金融生態(tài)系統(tǒng)資源配置效率，指導(dǎo)金融體系改革具有一定的參考價值。

通過查閱文獻發(fā)現(xiàn)[1-11]，我國目前對金融生態(tài)的研究多局限于概念和區(qū)域金融生態(tài)環(huán)境的評價上，而從金融生態(tài)系統(tǒng)本身出發(fā)，將其看作一個動態(tài)發(fā)展的系統(tǒng)并分析其運行效率的研究較少，已有研究也僅限于運用傳統(tǒng)DEA模型，而沒有考慮小樣本所導(dǎo)致的效率偏差及隨機噪聲影響，所得結(jié)果可能會高估實際值，也沒有進一步對影響因素進行分析。因此，本文在已有研究的基礎(chǔ)上，基于改進熵值法建立區(qū)域金融生態(tài)系統(tǒng)運行效率指標體系，采用Bootstrap-DEA方法分析2008—2014年我國各省區(qū)金融生態(tài)系統(tǒng)運行效率動態(tài)變化情況，將隨機沖擊造成的偏誤予以修正，給出其修正效率和置信區(qū)間，以全面準確地衡量我國各省區(qū)金融資源配置效率，并進一步分析區(qū)域差異，同時利用固定效應(yīng)模型對影響因素進行具體分析。

1 數(shù)據(jù)與方法

1.1 指標說明

眾多復(fù)雜因素的共同影響決定了金融生態(tài)系統(tǒng)的多層次性和其投入產(chǎn)出指標的多樣性，因此必須要考慮指標選取的全面性，僅僅根據(jù)個別指標得到效率值是失真的。同時，采用DEA方法的指標需要滿足指標個數(shù)限制和同向性假設(shè)。因此，在滿足以上條件和遵循科學(xué)性、代表性、獨立性、可操作性等原則的同時，借鑒《中國城市金融生態(tài)環(huán)境評價》[4]和相關(guān)研究成果[9-11]，本文將金融生態(tài)系統(tǒng)劃分為金融生態(tài)主體和金融生態(tài)環(huán)境兩個子系統(tǒng)，同時兩個子系統(tǒng)又劃分為七個準則層面（一級指標），進一步擴充完善后建立金融生態(tài)系統(tǒng)指標體系（見表1）。

表1 金融生態(tài)系統(tǒng)運行效率評價體系

1.2 數(shù)據(jù)處理及說明

首先采用極差標準化法和線性平滑法對指標進行無量綱化和非負化處理：

其次，將標準化數(shù)據(jù)進行逐級加權(quán)求和，權(quán)重由改進熵值法決定。本文將金融生態(tài)環(huán)境視為投入指標，最終確定為經(jīng)濟發(fā)展環(huán)境、對外開放環(huán)境、居民生活環(huán)境、社會保障環(huán)境、政策環(huán)境、信用環(huán)境六個方面，產(chǎn)出指標為金融生態(tài)主體，由金融機構(gòu)與金融市場的三個指標來界定。本文投入指標m=6，產(chǎn)出指標n=3，決策單元個數(shù)k=31，各省區(qū)投入產(chǎn)出指標之間的Pearson相關(guān)系數(shù)均為正，因此，符合DEA模型要求的指標個數(shù)限制和“同向性”假設(shè)，也保證了數(shù)據(jù)的全面性，具有合理性。

本文的研究數(shù)據(jù)均來源于《中國統(tǒng)計年鑒》(2009—2015)、各省統(tǒng)計年鑒(2009—2014)、各省2014年國民經(jīng)濟和社會發(fā)展統(tǒng)計公報和中國經(jīng)濟與社會發(fā)展統(tǒng)計數(shù)據(jù)庫等，均為可獲得的最新數(shù)據(jù)，并進行了相應(yīng)的整理和部分數(shù)據(jù)的修正。

1.3 Bootstrap-DEA方法

DEA是一種利用非參數(shù)模型在多投入、多產(chǎn)出情況下測算決策單元相對效率的評估方法，廣泛運用于經(jīng)濟學(xué)、管理學(xué)等各個領(lǐng)域。BCC模型是在CCR模型的基礎(chǔ)上進一步推導(dǎo)出純技術(shù)效率和規(guī)模效率，用于分析可變規(guī)模報酬的生產(chǎn)技術(shù)。雖然DEA方法具備一些參數(shù)估計法所不可比擬的優(yōu)點，但由傳統(tǒng)DEA方法估計得到的效率值僅來自于有限觀測樣本，估計結(jié)果易受隨機因素和極端值的影響，且僅給出了各個決策單元效率值的點估計，沒有分析估計量的統(tǒng)計性質(zhì)，可能會將大量無效DMU誤判為有效，導(dǎo)致效率評價有偏，結(jié)論的穩(wěn)健性和可信性也易受質(zhì)疑。基于以上原因，Simar和Wilson提出了基于Bootstrap修正的DEA模型即Bootstrap-DEA模型[12]，是解決傳統(tǒng)DEA方法不足的一個突破性進展。Bootstrap-DEA方法的計算步驟如下：

步驟2：使用Bootstrap方法得到規(guī)模為k的隨機效率值，其中b表示使用Bootstrap方法的第b次迭代；

步驟7：利用上述偏差的估計結(jié)果，可以修正DEA測度結(jié)果的偏誤并構(gòu)建相關(guān)估計量的置信區(qū)間。

2 金融生態(tài)系統(tǒng)運行效率的實證

2.1 Bootstrap-DEA方法實證結(jié)果及分析

由于本文以金融生態(tài)環(huán)境為投入指標，相對于金融生態(tài)主體的產(chǎn)出指標而言，數(shù)量更多、更難控制，同時根據(jù)金融行業(yè)的特殊性決定其產(chǎn)出要素相對投入要素更容易控制，因此本文選擇產(chǎn)出導(dǎo)向模式。其次，并不是每個省份都處于效率運行的最優(yōu)規(guī)模報酬階段，因此本文采用規(guī)模可變的BCC模型。同時，一般而言，Bootstrap迭代的次數(shù)越多，效率值的結(jié)果就越精準，置信度越大，置信區(qū)間也越大。在實際估計中，DEA效率值是基于原始樣本對真實效率值的估計量，Bootstrap效率值是基于諸多模擬樣本對DEA效率值的估計和修正[13]。因此，本文對參數(shù)進行選擇，迭代次數(shù)分別選取3000、5000、8000次，顯著性水平為0.01、0.05、0.1，發(fā)現(xiàn)計算得到的結(jié)果之間差距不大，說明本文設(shè)定的參數(shù)具有合理性，同時證明了該方法具有較強的穩(wěn)健性。最后，綜合考慮可操作性和穩(wěn)定性，本文將迭代次數(shù)設(shè)定為5000，置信度設(shè)定為95%。應(yīng)用R軟件對31個省區(qū)的金融生態(tài)系統(tǒng)運行效率進行測度，結(jié)果見表2（僅列出各省區(qū)傳統(tǒng)DEA方法和Bootstrap-DEA方法效率值的平均結(jié)果，其他各年份的結(jié)果由于篇幅限制不再贅述）。

表22008 —2014年區(qū)域金融生態(tài)系統(tǒng)的平均運行效率

表2顯示，修正后全國平均綜合技術(shù)效率值為0.703，這意味著我國各省區(qū)金融生態(tài)系統(tǒng)在保持投入比例不變的情況下，如能達到有效運作水平，則金融生態(tài)主體的產(chǎn)出存在29.97%的提升空間。與傳統(tǒng)DEA方法結(jié)果相同，在分析期間內(nèi)，修正后的結(jié)果表明各省區(qū)運行效率的提高主要還是依靠規(guī)模的擴張，而純技術(shù)效率較低，應(yīng)加強技術(shù)的提高以達到資源的最優(yōu)配置。同時排名上也發(fā)生了變化，上海、山東、江蘇取代了北京、廣東、天津的領(lǐng)先地位。置信區(qū)間顯示，傳統(tǒng)DEA效率值均在兩邊界之外，而Bootstrap-DEA效率值均在兩邊界之內(nèi)，這說明傳統(tǒng)DEA效率值估計是有偏的。

2.2 區(qū)域差距分析

圖1給出了各省區(qū)效率均值分解項情況，以純技術(shù)效率和規(guī)模效率的平均值為界，將坐標平面分為四個區(qū)域。由圖1看出，各省區(qū)之間平均規(guī)模效率值差別不大，總體上絕大多數(shù)省份處于高規(guī)模效率水平，相對而言，各省區(qū)純技術(shù)效率值較為分散，從分布區(qū)域來看，A區(qū)代表純技術(shù)效率和規(guī)模效率均達到0.85以上的雙高型省區(qū)，此區(qū)域分布最為集中，接近總體的25.81%，需要改進的相對較少；其次，超過一半的省份位于B區(qū)域，代表綜合技術(shù)效率偏科現(xiàn)象明顯，規(guī)模效率較高而純技術(shù)效率值偏低，因此，B區(qū)省區(qū)應(yīng)加大技術(shù)投入，提高資源的有效利用能力，實現(xiàn)資源的集中配置，從而提高金融發(fā)展的純技術(shù)效率。C區(qū)雙弱型省區(qū)只有4個省，C區(qū)與A區(qū)相比，管理水平相對較弱，系統(tǒng)規(guī)模較小，在發(fā)展中應(yīng)兼顧技術(shù)提高和規(guī)模的擴大。綜合來看，雖然各省區(qū)平均綜合技術(shù)效率不高，但其分布較為合理，位于C區(qū)的省區(qū)較少，有較大的改善空間。

圖1 各省區(qū)修正后運行效率均值分解項

為了更好地分析，本文按“四大板塊”經(jīng)濟區(qū)域劃分方法將我國劃分為東、中、西和東北部四大地區(qū)。受社會、經(jīng)濟、歷史、自然等因素的影響，我國各區(qū)域發(fā)展具有一定的差距，根據(jù)表3的Mann-Whitney U檢驗結(jié)果可知，中部地區(qū)與領(lǐng)先的東部地區(qū)僅在2010年和2011年存在顯著性差異，中部、東部地區(qū)與落后的西部、東北部地區(qū)在較多年份均存在統(tǒng)計上的差異，而西部和東北部地區(qū)在金融生態(tài)系統(tǒng)運行效率上并不存在顯著差異。由此可以看出，上文根據(jù)效率值得出的分析結(jié)果具有統(tǒng)計上的意義。因此，從統(tǒng)計意義上來看，東部與中部地區(qū)差距在2011年后在逐漸變小，兩地區(qū)協(xié)同發(fā)展，將推進長遠共同進步，而相對落后的西部和東北部地區(qū)與領(lǐng)先地區(qū)差異較大，需繼續(xù)努力學(xué)習(xí)先進經(jīng)驗，不斷縮小差距。

表3 不同地區(qū)金融生態(tài)系統(tǒng)運行效率差異的Mann-Whitney U結(jié)果

3 影響因素分析

通過分析發(fā)現(xiàn)各省區(qū)金融生態(tài)系統(tǒng)運行效率存在明顯差異，需進一步分析造成差異的原因。本文以社會服務(wù)機構(gòu)數(shù)、稅收/財政收入、地方財政教育支出、城鎮(zhèn)金融就業(yè)人員和金融業(yè)增加值為解釋變量，并根據(jù)各個變量特點，對社會服務(wù)機構(gòu)數(shù)、地方財政教育支出和金融業(yè)增加值數(shù)據(jù)取對數(shù)，使模型更有效。并以修正后的綜合技術(shù)效率值為被解釋變量。由于得到的Bootstrap-DEA效率值是一組介于0～1之間的受限數(shù)據(jù)，一般會建立面板Tobit模型進行影響因素分析，但Simar和Wilson指出，DEA相對效率值的取值范圍不過是人為限制而已，因此其他估計方法在檢驗變量對效率值的影響時同樣適用[14]。通過Hausman檢驗和似然比檢驗，本文綜合采用面板Tobit模型、固定效應(yīng)模型和截面加權(quán)回歸方法進行對比，根據(jù)不同地區(qū)特點選擇最適合模型。估計結(jié)果見表4。

表4 面板數(shù)據(jù)各個地區(qū)回歸估計結(jié)果

表4的結(jié)果顯示，各個模型的F統(tǒng)計量均表明影響因素對效率值具有顯著性聯(lián)合影響，可決系數(shù)代表模型的整體擬合程度，綜合來看，所選模型均能較好地反映影響金融生態(tài)系統(tǒng)運行效率各因素的作用效果。具體結(jié)果表明，X1代表社會福利情況，對全國和中部地區(qū)有顯著正影響，對東部有顯著負影響。造成此結(jié)果的原因可能有以下兩點：第一，領(lǐng)先的東部地區(qū)可能由于其在社會服務(wù)方面已達到了較高的水平，而此階段提高社會福利水平并不能對金融生態(tài)系統(tǒng)效率值的提高起到正向作用。第二，對于落后的西部和東北部地區(qū)，由于自身自主性不足，獲得和合理運用資源的能力不足，社會服務(wù)機構(gòu)的增加在此階段并不能顯現(xiàn)出明顯的促進作用。

X2代表政府干預(yù)程度，對全國和東部地區(qū)有正影響，但對中部、西部、東北部有不顯著的負影響，造成此結(jié)果可能由于東部發(fā)達地區(qū)適當(dāng)?shù)恼深A(yù)和金融政策的完善更能促進效率的提高，而其他地區(qū)雖有負效應(yīng)但未能達到統(tǒng)計上的顯著意義，可能由于現(xiàn)階段這些地區(qū)的政府干預(yù)對效率的影響并沒能達到顯著影響，仍需要其他各個方面的配合。

X3代表教育支持力度，對所有地區(qū)都有正影響，但僅僅只有全國和西部地區(qū)具有顯著性表現(xiàn)，該指標的意義主要表現(xiàn)在政府對教育的重視程度將會直接影響居民對金融生態(tài)觀念的意識強弱，反映出從業(yè)人員對金融生態(tài)系統(tǒng)管理能力的熟練程度，較為落后的西部地區(qū)加大教育資源的投入能更好地促進群眾對金融生態(tài)環(huán)境意識的增強，體現(xiàn)出教育水平的提高對金融生態(tài)系統(tǒng)運行效率的提升有顯著地推動作用，而其他地區(qū)此階段情況加大教育支持力度并不能對效率水平起到統(tǒng)計上的促進作用。

X4代表金融就業(yè)人員規(guī)模，東部有顯著正影響，而西部和東北部有顯著負向影響。主要原因可能有以下兩點：第一，隨著互聯(lián)網(wǎng)金融等新興金融業(yè)形式的蓬勃發(fā)展，發(fā)達的東部地區(qū)對從業(yè)人員仍存在較大的需求量，而經(jīng)濟較落后的西部和東北部地區(qū)金融產(chǎn)業(yè)發(fā)展相對較慢，人員需求已經(jīng)開始逐步走向飽和，僅僅簡單的引入傳統(tǒng)從業(yè)人員已不能提高其金融生態(tài)系統(tǒng)的運行效率。第二，各地區(qū)金融隊伍結(jié)構(gòu)中國際化、市場化的中高級人才占比均不高，對高端型和創(chuàng)新型的金融人才的實際需求其實都非常高，相對而言，東部發(fā)達地區(qū)高端人才的流動性和儲備性較強，對這類人才的需求易得到滿足，而相對落后的西部和東北部地區(qū)，由于經(jīng)濟基礎(chǔ)等各類現(xiàn)實條件的束縛，高端人才的需求在很大程度上無法滿足。

X5代表金融發(fā)展水平，對除東部以外所有地區(qū)都有顯著正影響，這表示各地區(qū)要得到較好的效率值，可通過不斷擴大金融機構(gòu)規(guī)模和增加數(shù)量的方式來提高當(dāng)?shù)亟鹑诋a(chǎn)業(yè)在本土經(jīng)濟中的比重，同時不斷完善地區(qū)金融生態(tài)環(huán)境建設(shè)所需的基本基礎(chǔ)設(shè)施和資金需求，能對金融生態(tài)系統(tǒng)的有效運行起到很好的作用。而相對于發(fā)達的東部地區(qū)，金融生態(tài)系統(tǒng)的基礎(chǔ)建設(shè)和資金需求得到較大滿足后，該地區(qū)對于金融規(guī)模的擴張并不能給金融生態(tài)系統(tǒng)的發(fā)展帶來顯著的正向影響作用。

4 結(jié)論與建議

（1）傳統(tǒng)DEA模型估計得到的效率值僅來自于有限樣本，估計結(jié)果易受隨機因素和極端值的影響，且僅能得到各個決策單元效率值的點估計，沒有分析估計量的統(tǒng)計性質(zhì)，同時，通過統(tǒng)計分析，傳統(tǒng)DEA模型與Bootstrap-DEA模型的效率值存在顯著性差異，后者通過引入Bootstrap方法得到各省金融生態(tài)系統(tǒng)效率變化及其置信區(qū)間，將隨機誤差對效率測度造成的偏差進行了修正，得到了更為準確的效率值，提高了效率測度的準確性和穩(wěn)健性。

（2）雖然處于效率相對前沿面的省區(qū)主要集中在東部地區(qū)，但并不是經(jīng)濟實力越強其金融生態(tài)系統(tǒng)運行效率的水平就越高，部分經(jīng)濟實力一般的省區(qū)也表現(xiàn)出了較高的運行效率水平，例如河北、安徽和四川，而經(jīng)濟實力并不弱的遼寧和吉林卻出現(xiàn)極低的效率水平，這意味著中部、西部、東北部地區(qū)經(jīng)濟發(fā)展水平相對落后的經(jīng)濟體如果能適時發(fā)現(xiàn)，并充分利用適合自身金融生態(tài)主體發(fā)展的最佳模式，在合適的金融生態(tài)環(huán)境下，相對低效率的省區(qū)仍有較大的潛力提升自身效率水平，改進當(dāng)前狀態(tài)。

（3）我國相對落后的省區(qū)在學(xué)習(xí)和效仿其他地區(qū)金融生態(tài)系統(tǒng)投入產(chǎn)出模式的同時，應(yīng)根據(jù)自身效率不足的具體原因采取相應(yīng)的措施進行改進，不能僅僅盲目的按照某種既定的模式進行發(fā)展。如吉林、重慶、云南、遼寧等，這些省區(qū)綜合技術(shù)效率過低主要是因為純技術(shù)效率較低導(dǎo)致的，則需要努力加強管理的創(chuàng)新和制度的變革，不斷優(yōu)化金融資源的配置，引進新的管理理念和方法。另一部分省區(qū)主要是規(guī)模效率不足導(dǎo)致的，如江西、青海、寧夏等，當(dāng)前這些地區(qū)的主要任務(wù)是進一步優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，集中有效配置資源并不斷擴大系統(tǒng)規(guī)模，提升規(guī)模效益。

（4）金融生態(tài)系統(tǒng)運行過程不僅僅是金融生態(tài)環(huán)境要素的投入和金融生態(tài)主體產(chǎn)出的一個過程，更是金融生態(tài)系統(tǒng)內(nèi)部互動、結(jié)網(wǎng)和協(xié)同過程。各地區(qū)應(yīng)根據(jù)自身情況，因地制宜，在不斷改善金融生態(tài)環(huán)境的過程中，統(tǒng)籌考慮金融生態(tài)主體發(fā)展狀況，不斷提高技術(shù)支持和金融資源配置的能力，加大教育支持力度，適當(dāng)控制政府直接管理和政策干預(yù)程度，精簡金融就業(yè)人員，加強人才結(jié)構(gòu)的優(yōu)化和高端人才的培養(yǎng)，采取強有力的措施保障金融生態(tài)系統(tǒng)穩(wěn)定、高效運轉(zhuǎn)，為實現(xiàn)生態(tài)化金融建設(shè)模式的轉(zhuǎn)變提供新思路和新方法。

[1]徐諾金.論我國的金融生態(tài)問題[J].金融研究,2005,(2).

[2]謝太峰.關(guān)于金融生態(tài)內(nèi)涵與評價標準的比較[J].金融理論與實踐, 2006,(4).

[3]雷杰，李佳晗.反思全球金融危機，改善我國金融生態(tài)[J].時代金融，2009,(7).

[4]李揚，王國剛，劉昱輝.中國城市金融生態(tài)環(huán)境評價[M].北京：人民出版社，2005．

[5]張瑞懷.基于BP神經(jīng)網(wǎng)絡(luò)模型的農(nóng)村金融生態(tài)環(huán)境綜合評價[J].金融理論與實踐,2006,(10).

[6]常相全，張守鳳.基于AHP/DEA的農(nóng)村金融生態(tài)環(huán)境評價[J].統(tǒng)計與決策,2008,(11).

[7]韓廷春，趙瑄.金融生態(tài)系統(tǒng)影響中國實體經(jīng)濟發(fā)展的實證研究[J].公共管理評論,2010,(8).

[8]徐榮貞，孫全龍.區(qū)域金融生態(tài)恢復(fù)力研究[J].統(tǒng)計與決策,2014,(13).

[9]朱順杰，周惠民，逯進.區(qū)域金融生態(tài)效率的評價與比較——基于山東省面板數(shù)據(jù)的實證分析[J].青島大學(xué)學(xué)報,2012,(25).

[10]于平，逯進.基于我國省域面板數(shù)據(jù)的金融生態(tài)效率評價[J].東方論壇,2014,(4).

[11]鄧淇中，何俊陽，程云宇.中國金融生態(tài)系統(tǒng)運行效率及其影響因素的評價研究[J].湖南科技大學(xué)學(xué)報,2015,(18).

[12]Simar L，Wilson P W.A General Methodology for Bootstrapping in Non-parametric Frontier Model[J].Journal of Applied Statistics, 2000,(27).

[13]Simar L，Wilson P W.Statistical Inference in Nonparametric Frontier Models:The State of the Art[J].Productivity Analysis.2000,(13).

[14]Simar L，Wilson P W.Estimation and Inference in Two-stage，Semi-parametric Models of Production Processes[J].Journal of Econometrics,2007,(136).

（責(zé)任編輯/劉柳青）

F061.5

A

1002-6487（2017）11-0152-05

國家社會科學(xué)基金資助項目（13BTJ001）；教育部人文社會科學(xué)基金資助項目（12YJA910007）

曾昭法（1965—），男，湖南常德人，博士，副教授，研究方向：計量經(jīng)濟、宏觀經(jīng)濟管理。王穎（1992—），女，湖南懷化人，碩士研究生，研究方向：風(fēng)險管理、金融統(tǒng)計。