经济新常态下区域金融发展质量动态比较与借鉴

■向 琳

随着中国“人口红利”的消失和资本边际报酬递减，加上政府主导型投资的不可持续性，中国经济进入新常态。金融作为现代经济的核心，其发展质量成为经济发展方式转变的重要推动力。同时我们注意到，伴随着金融改革的深化和发展，各地区金融生态环境呈现较大差异，致使金融资源配置效率的空间布局日趋不平衡。区域金融发展不平衡必然导致宏观经济政策的作用机制遭遇区域性结构矛盾，产生不同的区域效应（刘飞，2005）。为了定量分析区域金融发展的不均衡，提高金融发展质量，实现金融业的“又好又快”发展，需要分别对整个国家与各区域金融发展质量进行科学测度，找到影响金融发展质量因素的作用边界。同时随着考虑金融发展效率与规模对金融发展质量的贡献率，需要对指标进行分解，为金融效率低下的区域提出针对性的建议，并对处于效率前沿地区的发展模式进行科学借鉴。

一、理论回顾

现有文献针对金融业发展质量定量分析理论较少，本文借鉴经济增长质量分析方法。一般来讲，金融业发展动力来自两个方面：一是增加对金融业的投入，如增加固定资产投资与劳动量的投入；二是提高效率，主要指技术更新、管理水平提高与法律法规完善等。新古典经济学认为，经济增长的核心是全要素生产率的增长。全要素生产率衡量的是除劳动和资本以外其他要素所带来的产出增长率，如技术进步、规模报酬等。最早反映生产率和经济增长关系的是 Cobb-Douglas函数 （1923），后由 J.Tibergen（1942）引入时间因素，提出全要素生产率，此时生产要素仅包括劳动和资本，后来Davsi(1954)加入了原材料与能源等投入要素。Solow(1957)分离出技术进步对经济增长的影响，提出 “Solow剩余”。 Christensen、Jorgenson 和 Lau（1973）提出超越对数来测量全要素生产率,并认为生产函数中资本投入量应为投入流量不应为资本存量。此后，学界对全要素生产率做了大量的研究，出现了大量有价值的文献成果。仔细分析这些文献，从研究方法上，可以分为三种种思路：增长核算法、时间参数法与前沿生产函数法。(1)增长核算法一般用于计算索洛残差值，该方法优点是简单易行，且符合经济规律。但同时在参数估计、规模报酬和技术外生性方面处理欠佳（段文斌，2009），其测算结果存在较大差别，如邹至庄(1984)、陈时中(1986)、张军扩(1991)、郭庆旺等(2005)、涂正革 (2006)认为全要素生产率增长缓慢，而 chow(2002)、张军(2002)、孙琳琳等(2005)测算结果显示全要素生产率增长较快。（2）时间参数法一般是先设定回归方程，用计量方法直接估算全要素生产率。王小鲁(2000)估算1953～1999年间中国全要素生产率增长率。张军和施少华(2003)计算了1952～1998年间中国经济的全要素生产率及其增长率，认为在改革开放前,中国经济的全要素生产率波动很大,1978年的全要素生产率水平与1952年相比,不仅没有增长,反而有所退步。但是在改革后,中国经济的全要素生产率有了明显的提高。（3）前沿生产函数法一般包括参数 （SFA）与分参数分析（DEA）方法，该方法能有效排除服从正态分布的误差项，仅保留偏态分布的残差值，作为生产效率的近似替代。本文就采用Caves、Christensen和 Diewert(1982)创建的基于DEA的Malmquist模型对各地区金融业全要素生产率进行测算。选择该模型基于三方面考虑：一是各地区的数据质量问题，用Malmquist指数作了一阶差分，各地区的同方向变化将会被消除；二是该模型由于利用时间段上的截面数据进行对比，对指标的选取上较为宽容，放开了指数化过程必须要求所使用的离散数据和时间派生数据近似相等的限定，也没有对投入产出关系做任何限制；三是Malmquist指数法对全要素生产率进行分解，首先分解成技术效率和技术进步，再把技术效率分解成纯技术效率和规模效率，这样对全要素生产率的分析更加全面。利用MPI分析也有大量较高水平的文献：如章祥称和贵斌威(2008),颜鹏飞和王兵(2004)运用DEA法对技术进步和技术效率进行测算,郑京海等(2005),岳书敬等(2006)应用DEA法对地区全要素生产率进行研究,陶洪等(2007)等对中国工业企业生产率的分析研究。

总体而言，学界研究金融发展质量的文献比较少，利用全要素生产率分解金融发展质量的更少，在此基础上进行对比分析的几乎没有。从某种程度上讲，分析金融发展质量本身就是一种创新。本文在中国经济新常态的背景下，借鉴前人对经济发展质量研究成果的基础上，以金融发展质量为研究对象，对金融区域发展效率与技术进步进行科学的测度与分解，以期得到金融业集约的可持续发展模式，并对经济转型提供坚实保障。

二、数据选取与来源说明

本研究旨在分析各地区金融业发展的技术效率与技术进步，所以选择中国31个省份为研究对象，构成Malmquist分析的基本决策单元（DUM）。在分析全要素生产率值时，Malmquist方法对指标的选取较为敏感，在现有的统计资料中，受到数据可得性的限制，仅能收集到2004～2013年10年间金融业产值、金融业固定资产投资数据，由于对劳动力统计口径的变化，劳动力统计数据存在两种情况：一是包括从2004～2013年的金融业城镇就业人数；二是2002～2008年金融业全社会就业人数，Malmquist分析方法研究对象之间的对比，理论上认为在整个分析过程中指标选取一致，对结果的相对数不会存在较大影响，但会影响金融发展质量及其分解指标的绝对值。为了科学测定两者分析结果是否存在显著差异，现用Kolmogorov-Smirnov检验和t检验对2002～2008年间两种结果进行检验，以期得到科学的指标选取结果。本文计算得到的检验统计量近似正态分布，两样本K-S检验的表达式为：Z=，其中n表示样本量，D为两个样本积累经验分布函数之差。通过R软件计算，结果见表1。

表1 Kolmogorov-Smirnov检验与t检验结果

从表1可以看出，除技术进步指标外，其他指标均不能拒绝两者来自同一分布的假设。通过对技术进步两个向量进行分析可以看出，大多数决策单元的技术进步指标趋同，即使有差距数值也不大，所有检验存在不同分布。且技术进步可由全要素生产率和技术效率计算而得，全要素生产率和技术效率均不能拒绝原假设，在一定程度上可以认为技术进步也来自同一分布。本文综合指标数据选择的科学性、可比性和可得性，选择金融业城镇就业人数作为人力投入指标。

本文数据来源于国研网统计数据库，经整理而得。其中2012年贵州省金融业固定资产投资数据有缺失，通过《贵州统计年鉴》（2013）获取。

三、实证分析结果

把各投入产出指标带入方程式中，运用经济学家Coelli在DOS系统下编写的包络数据分析软件DEAP2.1，以投入为导向，采用可变规模报酬（VRS）模型。

（一）分析结果总体描述

为了直观地观察全要素生产率及其分解值的总体表现，根据实证计算结果，制作数据地图，结果见图1。

图1 金融业全要素生产率、技术效率与技术进步数据地图

从宏观层面上看，全国金融业全要素生产率、技术效率存在明显的区域集聚特征，这为本文的区域比较提供了直观的依据。从省级数据统计分析来看，省级间差异较大，其中全要素生产率最大的是内蒙古，在2004～2013年10年间平均提高了33.8%，高出全国平均水平55.1%，同时高出最低的天津91.8%；内蒙古技术效率值最大，达到了1.292，远高于全国平均水平0.859，湖北技术效率值最小，仅为0.422；陕西的技术进步值最大，平均上升4.6%，山西的技术进步最小，距离有效前沿14.6%；内蒙古的纯技术效率值最大，为1.192，是技术效率的最大贡献者，江苏的值最低，仅为0.611；山西的规模效率最高，为1.172，湖北的规模效率最低，仅为0.563，同时规模效率低下是湖北技术效率的最大“累赘”。

（二）全要素生产率及分解值统计特征

我们首先考虑全国31个省份在2004～2013年期间的全要素生产率及其分解值，对相应的统计特征进行描述，并对各指标之间的关系进行梳理。结果见表2。

表2 技术效率与技术进步基本分布特征

从统计特征指标来看，我国31个省份在2004～2013年10年间全要素生产率平均降低了21.3%，且各省之间存在较大差异，方差高达0.206，说明我国各省间金融业发展并不均衡，甚至存在巨大的差距。从全要素生产率分解值来看，全要素生产率低下的原因直接来源于技术效率，平均值仅为0.859，说明我国金融业并没有充分利用技术进步的优势（技术进步平均值为1.1%）来提高金融资源配置效率。值得注意的是，技术效率平均值为0.859，中位数为1.079，两者相差较大，说明省际之间存在较大的不均衡，技术进步在各省之间的传递流动不够充分。从技术效率的分解值上看，纯技术效率和规模效率均未达到有效前沿，说明我国在提高金融业管理水平和规范金融业法律法规的同时，提高规模效率才是当前金融业发展的重点。从各指标值达到有效前沿个数与占比上看，仅有54.84%的省份全要素生产率达到有效前沿，其中主要的贡献是技术进步，技术效率成为全要素生产率的“累赘”，使技术效率成为“累赘”的“累赘”是规模效率的低下，打破金融业的空间集聚，实现区域间均衡发展，提高整体规模效率，是提升当前金融发展质量的重点。

（三）空间上的表现特征

由于区域差距较大，结合图1数据地图的结论，本文认为传统的中东西划分方法对考虑区域内金融资源配置状况分析欠佳，现借鉴以前经济区域划分成果，按照经济体之间的紧密程度，分为八大综合经济区①东北综合经济区包括辽宁、吉林与黑龙江；北部沿海综合经济区包括北京、天津、河北与山东；东部沿海综合经济区上海、江苏与浙江；南部沿海综合经济区包括福建、广东与海南；黄河中游综合经济区包括陕西、山西、河南与内蒙古；长江中游综合经济区湖北、湖南、江西与安徽；大西南综合经济区包括云南、贵州、四川、重庆与广西；大西北综合经济区包括甘肃、青海、宁夏、西藏与新疆。，各区域金融发展质量见表3。

表3 全要素生产率及其分解值的区域比较

从区域比较角度来看，区域间金融业全要素生产率存在较大差异，其中全要素生产率最大的是大西南经济综合区，全要素生产率平均上升了14.04%，最小的是东北沿海经济综合区，全要素生产率平均下降了53.8%。全要素生产率改善的区域有东北经济综合区、黄河中游经济综合区和大西北综合经济区三大区域，全要素生产率在2004～2013年间未改善的区域包括三大沿海综合经济区、长江中游综合经济区与大西南综合经济区。

从全要素生产率分解值来看，全要素生产率主要受到技术效率的影响，技术进步在2004～2013年间均得到了提高，黄河中游综合经济区技术进步虽然未达到有效前沿，但距离有效前沿仅为1%，有理由相信区域全要素生产率主要受技术进步的贡献，这也印证了全国的结论。技术效率与技术进步相关系数为-0.18〈0.3，说明技术效率与技术进步之间不存在相关性。

从技术效率及分解值看，技术效率总体来看均不理想，仅黄河中游与大西北经综合经济区达到技术效率动态有效前沿，其他区域均未达到技术效率有效前沿。其中黄河中游综合经济区平均提高了8.05%，大西北综合经济区平均提高了13.3%，分析两区域纯技术效率和规模效率可以看出，两区域技术效率的提高得益于投入要素的合理与规模的适当，且作用力相当。

为了深入探究技术效率未达到有效前沿区域的原因，现将未达到有效技术前沿的地区分为两个梯队：第一梯队是偏离有效前沿较大的地区，包括三大沿海综合经济区；第二梯队是技术性效率偏离有效前沿不大的地区，包括东北综合经济区（0.9913）、长江中游经济区 （0.9463）与大西南综合经济区（0.9350）。第一梯队主要受制于规模效率的低下，说明沿海地区金融机构已经超出了最佳生产规模的阶段，所以应该引入金融市场的竞争机制，缩小单个金融机构规模，增大竞争性金融机构数量。这也验证了潘英丽（2003）的结论，她通过实证分析认为金融机构空间聚集可能存在负聚集效应，效应不经济主要体现在昂贵办公楼租金、时区差别、信息成本增加、市场供给能力过剩，影响了金融业过度竞争，导致了平均利润率下降。除了规模效率的低下，沿海地区金融效率还存在投入产出的不合理性，金融业的发展还处于粗放式阶段，产出的增加主要依靠投入的增加，而这样的投入理论上应该有更多的产出。该观点同时也得到了部分学者的证实，如张清正（2013）认为金融资源逐渐向沿海集聚，中西部省市的金融资源则大量流出，金融资源空间集聚的“黑洞效应”显现，致使沿海地区金融业规模不经济。第二梯队主要受到规模效率的影响，与第一梯队中规模效率低下不同的是，第二梯队中规模效率低下的原因是规模经济未能体现，应该扩大规模以追求规模经济。第二梯队中东北综合经济区应该提高金融业管理水平和完善相应法律法规，距离有效前沿仅有1.1%的距离；长江中游与大西南综合经济区的纯技术效率均达到了有效前沿。

四、结论

本文对中国金融发展质量进行实证分析，研究了31个省份在2004～2013年间金融业全要素生产率的动态变化，并对区域间进行对比分析，研究发现：

1.全国金融业发展质量、技术效率存在明显的区域集聚特征，各省间金融业发展并不均衡，甚至存在巨大的差距。金融发展质量中技术进步的贡献率较高，技术效率与技术进步之间不存在相关性。

2.我国金融业并没有充分利用技术进步的优势来提高金融资源配置效率，且省际之间存在较大的不均衡，技术进步在各省之间的传递流动不够充分。

3.技术效率低下是制约金融发展质量的主要因素，规模效率的低下是技术效率低下的主要因素，打破金融业的空间集聚，实现区域间均衡发展，提高整体规模效率，是提高当前金融发展质量的重点。

4.较高金融发展质量的区域得益于投入要素的合理性和规模的适当，且两者作用力相当。

5.金融发展质量期间未改善的区域中，第一梯队（三大沿海综合经济区）金融机构已经超出了最佳生产规模的阶段，所以应该引入金融市场的竞争机制，缩小单个金融机构规模，增大竞争性金融机构数量。第二梯队（东北、长江中游与大西南综合经济区）规模效率低下的原因是规模经济未能体现，应该扩大规模以追求规模经济。

[1]陆远权，张德钢.我国区域金融效率测度及效率差异研究[J].经济地理，2012，(01)：96～101.

[2]刘秉镰，李清彬.中国城市全要素生产率的动态实证分析：1990～2006[J].南开经济研究,2009，(3):139～152.

[3]傅勇，白龙.中国改革开放以来的全要素生产率变动及其分解（1978～2006 年）[J].金融研究，2009，(7):38～50.

[4]WILLIAM W.COOPER，LAWRENCE M.SEIFORD，KAORU TONE.Data Envelopment Analysis（2nd）[M].Springer Science& Business Media，LLC,2007:330～331.

[5]郑玉歆.理解全要素生产率[D].中国社科院数量经济技术经济研究所工作论文，2007:1～9.

[6]王小鲁等.中国经济增长方式转换和增长可持续性[J].经济研究，2009，(1):4～16.

[7]Jefferson D.W.Gary H.Behind the Open Door:Foreign Enterprises in the Chinese Marketplace[J].Institute for International Economics，Working paper,2000:2～16.

[8]刘建国等.中国经济效率和全要素生产率的空间分异及其影响[J].地理学报，2012，(8):1069～1084.

[9]潘英丽.论金融中心形成的微观基础——金融机构的空间集聚[J].上海财经大学学报，2003，(2)：50～57.