中国学生贷款补贴的效率评估

黄维，易世超，陈静

中国学生贷款补贴的效率评估

黄维，易世超，陈静

（长沙理工大学经济与管理学院，湖南长沙410004）

补贴在学生贷款政策中发挥着关键作用。本文利用DEA模型对2005-2011年中国学生贷款的补贴效率进行了定量评估。在考察期间，中国学生贷款补贴的综合效率体现出良好的水平。但是，各省之间的规模效率和纯技术效率存在着较大差距，制约了学生贷款补贴效率的整体提高，需要进行相应的政策优化。政府必须对财政贴息的发放标准和方式进行调整，使有限的财政资金真正用到实处。与此同时，应加强学生贷款风险补偿金的过程监控，提高财政补贴的管理效率，协调好中央政府与地方政府之间的补贴权责。

学生贷款；补贴；效率评估

一、问题的提出

学生贷款的市场失灵是世界性的普遍现象，其主要表现就是“获贷难”与“回收难”这两大问题。“即便是学生贷款发展较为完善的国家，也不同程度地受到这两个问题的困扰。”[1]财政补贴是政府干预学生贷款市场失灵的最主要政策工具。世界学生贷款50多年的发展实践表明：财政补贴是在促进银行发放学生贷款、保障高等教育入学机会和规模扩张方面发挥着不可替代作用的关键角色。为应对高等教育规模急剧扩张所带来的贫困生资助问题，中国政府1999年开始推行学生贷款，并投入巨额补贴进行积极推动。2004年，随着国家开发银行的介入，学生贷款与财政补贴迅速增长。据统计，2007-2011年中国政府对学生贷款进行的各种补贴高达96.14亿元①。这些补贴资金由中央财政和地方财政按学校隶属关系进行分担，但地方财政分担的比例在各区域存在明显差异。在财政补贴的支持下，银行经营学生贷款的意愿显著增强。2012年，中国银行对高校263.45万大学生发放贷款，金额达149.03亿元[2]，为中国高等教育大众化做出巨大贡献。

然而，这些补贴措施往往是着眼于刺激银行发放贷款的“应急”措施，缺少相应的效率评估。事实上，社会各界对学生贷款补贴政策的实施效果存在很大争议。一些研究认为，学生贷款补贴的利用效率低下。Ziderman等人（2006）计算过20世纪90年代初20多个学生贷款项目中的利息补贴，指出不同贷款项目“补贴”的数额存在巨大差异。例如，巴巴多斯是13%，巴西的一个学生贷款项目的补贴则超过90%[3]。同时发现，如果向学生以远低于市场利率的廉价信贷提供大量补贴，在泰国、埃塞俄比亚等国并不成功，大量补贴使得银行产生机会主义和道德风险。Chapman（2013）对越南学生贷款的研究也再度证明这一点[4]。前述研究侧重于政府对学生贷款补贴程度的国际比较，将所有的学生贷款运行成本都视为“补贴”，以考察学生贷款的成本回收率与财务可持续性，缺乏财政经济学上的科学性和严谨性。而另一些研究则肯定了学生贷款补贴的积极作用。黄维、沈红（2010）对中国学生贷款补贴政策的演化进行分析，全面梳理了中国不同学生贷款补贴方式的政策效应[5]。季俊杰（2012）分析了中国学生贷款补贴体系的演变和教育资助效应。他认为，中国学生贷款补贴扩大了资助面，减轻了学生还贷负担，有效缓解“获贷难”和“回收难”问题，要扩大学生贷款补贴的规模[1]。Hva Shen＆Adrian Ziderman （2009）、沈华和张广斌（2013）则通过对中国学生贷款政策的梳理，探寻影响毕业生债务负担的主要政策因素。他们在计量了不同时期学生贷款债务负担后，间接论证了财政补贴在降低学生贷款债务负担方面的重要性[6-7]。但这些研究以定性分析为主，并未对中国学生贷款补贴效率进行精确评估。中国目前学生贷款补贴的效率到底如何？应当怎样进行补贴政策的优化？分析和回答上述问题不仅有利于提高财政资金使用效率，而且对政府部门制定和出台其他补贴政策也具有重要参考价值。

二、研究方法与分析框架

（一）DEA方法说明

根据系统原理，学生贷款补贴可被视为一个具有多投入和多产出的系统，这种多投入、多产出系统的效率评估具有复杂性。数据包络分析法（DEA）是运用数学规划模型求解，进行同类型决策单元相对效率评价的系统分析方法[8]。该方法不需要评估指标量纲的归一化，在多输入、多输出部门的效率评估中具有显著优势。因此，本文利用DEA模型进行学生贷款补贴的相对效率评估是较为合适的。

Charmes和Cooper两人在1978年提出DEA模型的CCR模型，该模型在假定规模报酬不变的基础上，利用线性规划方法计算出相同类型决策单元的综合效率，据此评价每一决策单元的相对效率。Banker等人则将CCR模型发展为BCC模型，也就是将综合效率分解为规模效率与纯技术效率的乘积，评价的准确性进一步得到提高，见公式（1）。

（二）界定学生贷款补贴的综合效率、规模效率与纯技术效率

根据DEA模型的原理，为了确保效率评估的精确性，本文采用BCC模型，并将学生贷款补贴的综合效率界定为：在补贴规模、标准结构不变的条件下，各省开办学生贷款的高校数占全日制普通高校数的比例、全日制在校本专科生获得学生贷款的人数以及每年度学生贷款审批金额这三项指标与理论最优值的比值。当综合效率值等于1时，财政补贴对刺激银行发放学生贷款的功能处于最优的效率水平，补贴效果也是最优的。

规模效率指学生贷款补贴的规模与资助面增加的匹配程度。当规模效率值等于1时，补贴资金规模处于规模收益不变的最适宜状态，规模上是有效的；当规模效率值小于1时，表明在既定技术水平上补贴规模不合理，存在着规模递增或递减的可能，不能达到最优规模。纯技术效率是受学生贷款管理、政策等方面因素影响的生产效率。当纯技术效率值等于1时，学生贷款补贴的资金使用是有效率的，能达到技术上的最优水平。

三、指标选取及数据来源

根据DEA模型的基本要求，本文选择每年学生贷款的补贴金额与全日制本专科在校学生人数作为两个投入指标，选择各省已开办学生贷款的学校数占普通全日制高校数比例、全日制在校生申请到贷款的人数以及每年学生贷款的审批金额作为三个产出指标，进行学生贷款补贴的效率评估，如图1所示。

图1　评价学生贷款补贴效率的指标体系

本文以全国31个省（市、自治区）的学生贷款补贴为研究对象，收集、汇总这些省（市、自治区）2005-2011年上述各指标数据，以每一个省作为一个决策单元。所有投入、产出指标的数据分别来源于《中国教育统计年鉴》以及教育部、全国和各省高校学生资助中心的网站。其中，每年学生贷款的补贴资金包括财政贴息、风险补偿金以及代偿等三种方式。

四、研究结果

（一）综合效率分析

将决策单元的投入、产出指标数据导入到DEAP 2.1软件，并运用CCR模型进行运算，即可得到中国学生贷款补贴的综合效率，见表1。在综合效率为1的决策单元（省、市、自治区），学生贷款补贴的各项支出都得到充分利用，不存在效率损失的情形，可以视为其他省区的“标杆”；在综合效率小于1的决策单元，学生贷款补贴的各项支出在整体上存在运用无效的情形。

从总体上看，全国31个省（市、自治区）2005-2011年综合效率的平均值是0.759，最低值是0.366（2005年宁夏回族自治区）。这表明，在投入一定的情况下，学生贷款补贴的实际产出与最优产出的差距较大，具体表现为：

第一类：综合效率值为1。从表1中可以看出，青海、吉林、浙江、西藏在考察期间每一年的DEA都为有效。天津、山东、重庆、甘肃在部分年份的DEA有效。2005-2011年，共计33个决策单元的综合效率值等于1，这反映出这些被评价的决策单元在投入产出上的相对最优性。因此，这些决策单元的学生贷款补贴投入与产出在技术上有效，在规模收益上也处于最优。

第二类：综合效率在0.6-1之间。2005-2011年，中国大部分省份的综合效率值都在此区间。共有140个决策单元的综合效率值大于0.6且非DEA有效。然而，到底是技术上的资源配置不当还是补贴规模过大或过小导致了非DEA有效，还无法根据综合效率进行判别。

第三类：综合效率值在0.6以下。天津、福建、辽宁、四川、陕西、黑龙江、湖南、江西、新疆、宁夏都有部分年份的综合效率值远低于全国平均水平，共有37个决策单元的综合效率低于0.6。这说明，在投入一定的情况下，这些地方学生贷款补贴的效果相对不理想。

表1　2005-2011年中国各省份学生贷款补贴的综合效率

（二）规模效率和纯技术效率分析

学生贷款补贴的综合效率没有考虑不同决策单元学生贷款补贴支出的规模和规模报酬都存在差异的情形。而事实上，2005-2011年每个省份学生贷款补贴的规模和规模收益有显著的差异。也就是说，综合效率较高，原因可能是补贴资金配置的结构合理、运用效率高，也可能是补贴的规模适当；反之，综合效率较低，原因可能是补贴资金配置的结构不合理，也可能是补贴规模不足，还有可能是补贴规模过度、财政支出的边际收益已经降到零。为了克服综合效率的局限，本文还对规模效率和纯技术效率进行了评估，见表2。

表22011　年中国31个省份学生贷款补贴综合效率、纯技术效率及规模效率值

如表2所示，2011年，全部省份学生贷款补贴的规模效率平均值达到0.916。浙江、西藏、吉林和青海的规模效率是DEA有效，说明这些省份的学生贷款补贴投入规模合理，处于规模收益不变的最优状态。上海、江苏、贵州、云南、广东、河南、湖北、广西、甘肃和新疆10个省份学生贷款补贴规模效率值低于0.9。除新疆外，其他9个省份都处于规模报酬递减的状态。这些省份需要减少学生贷款的补贴，以消除投入冗余。其余17个省份的规模效率都达到或超过了0.916的平均值。以上数据说明，现阶段中国学生贷款补贴的规模效率已经较为接近DEA有效状态，但省际存在一定差距，需要加以改进和完善。

2011年，全部省份学生贷款补贴的纯技术效率值为0.811。上海、浙江、湖北、贵州、山东、吉林、河南、西藏和青海共9个省份的纯技术效率处于DEA有效状态，说明这些省份学生贷款补贴的结构配置和管理过程较为合理，处于相对最优的状态。其余22个省份中，辽宁、四川、福建、湖南以及陕西的纯技术效率值均低于0.6，相对其他省区而言较低。因此，总体而言，现阶段中国学生贷款补贴的纯技术效率在各省份之间呈现出参差不齐的状况，部分省份进一步优化的任务相对艰巨。

（三）学生贷款补贴效率的分组

根据计算结果，依据纯技术效率和规模效率是否分别达到全国平均值的两个维度，可以将31个决策单元划分为四组，如图2所示。第I组表示纯技术效率与规模效率都达标；第II组表示纯技术效率达标，但规模效率未达标；第III组表示纯技术效率未达标，规模效率达标；第IV组表示纯技术效率和规模效率都未达标。

图2　中国31个省（市、自治区）学生贷款补贴效率评价分组结果

通过分组，可以更直观地观察到中国31个省份学生贷款补贴效率的相对水平。第一组的8个省份在两个维度上都达到或超过了全国平均水平，DEA总体有效。第二组的9个省份和第三组的13个省份都有一个维度未达到全国平均水平，表明它们需要从不同的方面有侧重地采取措施以提高学生贷款补贴的效率。第四组只有新疆维吾尔自治区，其DEA处于非有效状态，且规模报酬处于递增的区间，因而亟须在加大贷款补贴投入规模的前提下优化管理过程，以提高效率水平。

五、结论与建议

中国31个省份学生贷款的补贴效率受到多方面因素的影响。通过上述运用DEA模型的分析，可以得出如下结论：

第一，2005-2011年间，从总体来看，中国学生贷款补贴的效率达到了良好的水平。这一点可以从这七年间中国学生贷款的综合效率平均值0.759中反映出来。这表明，中国学生贷款补贴在扩大贷款资助面、刺激金融机构放贷方面发挥了较好的作用，促进了学生贷款市场的平稳、健康发展。

第二，平均来看，中国学生贷款补贴的规模效率水平（平均值0.916）高于纯技术效率水平（平均值0.811）。这一点反映出在既定投入规模的基础上，中国学生贷款补贴获得了相对较优的产出效应，但在资金配置、过程管理等纯技术效率方面还不够成熟与高效。

第三，各省份之间效率水平参差不齐。从上述分析可以看出，中国31个省份学生贷款补贴效率的水平并不均衡，并且表现出一个很明显的特征，即效率水平并未呈现出明显的东、中、西部差异。原因可能有两方面。一方面，中国高校大多集中在东部沿海和中部经济较发达地区，这些地区经济发展水平较高、管理相对完善；而中西部经济欠发达地区虽然经济实力较弱、管理相对落后，但高校数量也较少。所以从整体上看，并未出现东、中、西部地区之间的显著差异。

结合以上对各省份学生贷款补贴效率的分析，我们认为，完善中国学生贷款补贴政策，可采取如下措施：

首先，推动学生贷款财政贴息由“刺激放贷＋全面普惠型”向“激励偿还＋有限覆盖型”转变。在现行三种补贴方式中，财政贴息占学生贷款补贴的比例最高。仅2012年一年，全国财政核定安排贴息就达19.59亿元[2]。然而，目前中国学生贷款补贴并没有合理的确定标准，主要根据学生贷款发放量和财政支付能力而不是根据补贴效率和偿还情况来确定预算，实际上已经变成一种不与效率、偿还挂钩的全面普惠型纯固定补贴。对学生而言，只要获得学生贷款，就能获得相应的贴息，补贴的激励效果不断下降。因此，中国必须对财政贴息的发放标准和方式进行调整，使得有限的财政贴息资金能真正用到对此特别需要的群体身上。学生在读期间，财政贴息应该跟学生的学业表现挂钩，根据学业表现的不同提供不同比例的贴息，以激励学生努力学习。特别是对于申请了学生贷款而学业表现较差的学生，可以停止对其贴息。

其次，加强学生贷款风险补偿金的过程监控，提高财政补贴的管理效率。分析发现，中国学生贷款补贴在管理方面的效率较低，风险补偿金制度设计不合理是一个重要原因。中国应该以风险补偿制度为核心，将政府、银行和高校这三个学生贷款补贴的利益相关方紧密联系起来，促使其加强贷款过程的管理，从科学、严密的管理中提高补贴的纯技术效率。补贴政策的关键是将风险补偿金与实际的风险水平联系起来。为了提高银行和高校管理贷款的积极性，政府除了补贴一部分风险补偿金给银行外，对于违约率控制得较好的银行和高校，可以给予适度的风险管理奖励。

最后，因地制宜，协调好中央政府与地方政府的补贴权责。分析表明，全国各省份的学生贷款补贴效率水平差异很大。除了上述的东、中、西部地区间差异不明显外，还有一个特点是经济强省的补贴效率水平不一定就高于经济欠发达省份的效率水平。这说明，不论是从投入的规模还是从管理方面来说，各个省份都应该根据各自不同的实际情况采取不同的措施。这就要求改变目前全国补贴政策统一规定的现状，给予地方政府更多灵活制定补贴政策的权利。当然，这种灵活性一定还是要在全国大政策的框架体系内去实现。同时，随着近年来学生贷款发放量的逐年增加，地方政府尤其是中西部地区的省级和市级财政所面临的财政补贴压力日渐加大，部分省份已表示难以承受[9]。因此，中央政府还是应该肩负起自身的责任，通过政策倾斜、转移支付等方式照顾经济欠发达或补贴效率很低的地区，从而在整体上实现全国学生贷款较均衡发展的局面。只有协调好中央与地方政府的关系，才能促进学生贷款补贴有效、公平地持续发展下去。

注释

①我国财政补贴的主要方式包括代偿、财政贴息和风险补偿金。该数据根据教育部发布的《中国学生资助发展报告（2007-2011 年）》测算出。根据这份报告，2007-2011年全国共发放学生贷款488.62亿元，发生代偿26.26亿元。同期5年以上金融机构贷款利率是6.8%。按照学生贷款的政策规定，财政需要为学生贷款贴息33.23亿元。风险补偿金由招投标确定，不超过15%，财政需要承担一半。因此，财政需要提供最大风险补偿金为36.65（488.62×15%×50%）。将三项相加，即可得出我国学生贷款的补贴规模为96.14亿元。

[1]季俊杰. 中国学生贷款补贴体系的演变与发展趋势[J]. 云南师范大学学报（哲学社会科学版）， 2012 （1）：105-110.

[2]全国学生资助管理中心. 2012年中国学生资助发展报告[EB/OL]. （2013-11-20）[2014-01-05]. http：//www.xszz.ce-e.edu.cn/gongzuodongtai/ zhongyang/2013-11-20/1873.html.

[3]沈华， 沈红. 学生贷款的偿还[M]. 北京： 高等教育出版社， 2008.

[4]CHAPMAN B， LIU A Y C. Repayment burdens of student loans for Vietnamese higher education[J]. Economics of Education Review， 2013 （37）： 298-308.

[5]黄维， 沈红. 我国学生贷款补贴政策的演变与改革路径[J]. 国家教育行政学院学报，2010（3）： 58-63.

[6]SHEN H， ZIDERMAN A. Student loans repayment and recovery：International comparisons[J]. Higher Education， 2009（3）： 315-333.

[7]沈华， 张广斌. 中国学生贷款债务负担演变及差异分析[J].湖北大学学报（哲学社会科学版）， 2013（1）： 123-128.

[8]马占新. 数据包络分析模型与方法[M]. 北京： 科学出版社， 2010.

[9]孙涛. 国家助学贷款的政府财政干预[J]. 江苏高教， 2011（3）：45-48.

Efficiency Assessment of Student Loan Subsidies in China

HUANG Wei，YI Shi-chao，CHEN Jin
（School of Economics and Management，Changsha University of Science and Technology，Changsha 410004，Hunan，China）

The paper employs DEA model to evalvate the efficiency of stvdent loan svbsidies between 2005 and 2011 in China.In general，the comprehensive efficiency of stvdent loan svbsidies reached a good level dvring the investigation.However，there was a relatively wide disparity in pvre technical efficiency and scale efficiency of stvdent loan svbsidies between provinces.To enhance the efficiency of stvdent loan svbsidies，it is imperative to fvrther improve the finance discovnt policy，strengthen the svpervision on loaning procedvre，and share responsibilities between central and local governments.

Stvdent Loan；Svbsidy；Efficiency Assessment

2014-09-12

2011年湖南省教育厅优秀青年项目“基于前景理论的学生贷款补贴政策研究”（11B003）；湖南省教育经济与财政研究基地2013年度招标课题（13JCJA1）；长沙理工大学研究生科研创新项目“学生贷款对我国大学生学业表现的影响”。

黄维，1974年生，男，回族，湖南汉寿人，博士，长沙理工大学经济与管理学院教授，主要从事学生贷款与教育经济学研究；易世超，1987年生，男，汉族，湖南长沙人，长沙理工大学经济与管理学院硕士研究生，从事学生贷款与高等教育财政研究；陈静，1987年生，女，汉族，湖南邵阳人，长沙理工大学经济与管理学院硕士研究生，从事学生贷款补贴效率评估研究。