基于数据包络分析的农村金融资源配置效率分析
2016-07-02谭秀阁
谭秀阁
(西北大学 经济管理学院,陕西 西安 710127)
基于数据包络分析的农村金融资源配置效率分析
谭秀阁
(西北大学 经济管理学院,陕西 西安 710127)
摘要:农村金融资源配置效率直接影响着农村经济的发展,为此,以我国2003—2012年农村金融发展状况为研究对象,利用数据包络分析方法对我国农村金融的整体和各地区进行了效率评价。结果发现:我国农村金融整体情况较好,呈现上升趋势。但各地效率参差不齐,有些地区波动较大,有些则较为稳定,个别地区的效率排名一直处于落后状态。因此,需要根据各地实际情况因地制宜地加以改进和完善。
关键词:数据包络分析;农村金融;配置效率;Malmquist生产率指数
0引言
经济学家普遍认为经济的发展和金融市场关系密切,因为金融市场能够提高资本配置效率,进而促进经济增长。同样地,目前我国正在大力推进的新农村建设也需要依靠金融业的推动。而农村金融是服务“三农”的主力军,其有助于优化农村资源配置和缓解农村资金难题,而农村金融的良好发展又要求农村金融效率的提高。农村金融效率也因此成为农村金融体系和金融资源配置水平的衡量指标。近年来,随着农村金融作用的日益凸显,相关机构对农村金融的支持力度也逐步加大。截至2013年末,全国金融机构涉农贷款余额为已达20.88万亿元,同比增长18.4%,增幅高于全国金融机构同期各项贷款4.5个百分点。全国支农再贷款余额1 684亿元,比年初增加109亿元。
如此大的投入是否得到了充分利用?如果效率不高,其影响因素又有哪些?需要做出怎样的改进呢?这些问题成为各界关注的重点。如目前关于农村金融效率的研究:谷慎、李成从金融制度缺陷的视角分析了金融资源配置无法满足帕累托最优,认为产权制度不够完善和农村经济市场化程度较低是引起农村金融效率低下的原因[1]98-102;邓奇志基于功能视角对我国农村金融效率状况进行了分析,并提出了优化措施[2]52-55;张兵、许国玉基于Jeffrey Wurgler思想,以江苏省为研究对象,对其农村金融资本配置效率进行了分析[3]54-61。此外,比较典型的实证分析有:姚耀军和丕禅利用我国1999—2002年农村金融数据,并采用固定及随机效应估计法对农业信贷绩效进行了实证分析[4]45-49;李国章、耿理想、王秋晨以Jeffrey Wurgler思想为基础,结合协整检验和Granger因果关系检验法研究了甘肃省农村金融效率[5]64-67;温涛、熊德平运用数据包络法分析和评价了我国30个地区的农村金融配置效率,并采用Tobit回归模型对农村金融效率的影响因素进行了分析[6]84-91;另外,李季刚、向琳也采用数据包络分析法和Tobit回归模型相结合的方法,对农村金融效率和影响因素进行了分析[7]40-43;黎翠梅、曹建珍在农村金融储蓄动员效率、储蓄投资转换效率和投资投向效率进行区域效率差异分析的基础上,采用因子分析法做出了综合评价[8]4-12。以上学者虽然从各自角度,对农村金融效率问题进行了分析,但现有研究中基于定性分析的说服力不强,定量分析中采用的方法则存在指标难以量化统一、计算方法要求严格等问题,只有数据包络分析法对指标的要求程度最低,也便于掌握和整理。鉴于此,本文选用数据包络分析法,采用能够对效率排名做出更为精准的超效率DEA模型,从而结合Malmquist指数法对农村金融效率进行评价并对可能出现的影响因素进行分析,以达到对我国农村金融资源配置效率进行动态分析的目的。
1模型的建立
数据包络分析方法是评价同类部门或单元间相对有效性的决策方法。该方法将每个部门或单元看作一个决策单元(DMU),每个决策单元具有相同的输入和输出指标,通过对输入、输出数据的综合分析,DEA模型可以得到每个决策单元的综合效率值,还能将决策单元进行定级排序,并判断非有效单元的方向和程度。
1.1C2R模型
本文首先对研究过程所运用的C2R模型和超效率模型进行介绍和分析。
设有n个决策单元(DMU),每个决策单元都有m种输入和s种输出。Xik(i=1,2,…,m)表示第k个决策单元的第i个输入变量,Yjk(j=1,2,…,s)表示第k个决策单元的第j个输出变量,由此构成C2R模型,如(1)式所示。
minθ
(1)
(1)式中,s-和s+是松弛变量,λ和θ为决策变量,θ值即为被考察决策单元的综合效率值。此模型用于评价决策单元的技术效率:纯技术效率和规模效率的综合效率。若θ=1,且s+=0,s-=0,则可判定第X个决策单元同时为纯技术效率最优和规模收益不变;若θ<1或者θ=1,且s+≠0或s-≠0,则判定第X个决策单元不同时为纯技术效率最优和规模收益不变。
1.2超效率模型
为了对各个决策单元的效率做出相对精确的比较,我们引入超效率DEA模型:
minθ
(2)
超效率模型和C2R模型在公式表达上仅存在着略微差别,同时,由超效率模型与普通DEA模型计算出的结果也仅在于有效单元的效率分值不同,但非有效单元的效率分值是一样的。其原因在于通过超效率模型,得出的θ值有可能会超过1,从而实现对效率分值更精确的计算和比较。
2实证分析
2.1指标的选取
本文在严格遵循指标选取原则的基础上,充分考虑指标的可量化性及数据的可获得性,从人、财、物三个方面选取三个输入指标,并选取两个有代表性的输出指标。
由于目前我国缺乏对农村金融的详细统计信息,同时又经过一定的时间跨度,有些指标改变了统计口径。为此,本文在查阅大量资料的情况下,根据本文研究的需要,综合选取了以下输入指标和输出指标,详见表1所示。
表1 指标名称及代码
2.2数据来源及说明
本文的数据基本来源于《中国统计年鉴》(2004—2013)、《中国区域经济统计年鉴》(2004—2013)、《中国农村统计年鉴》(2004—2013)及《中国财政年鉴》(2004—2013)。以上数据覆盖了我国除西藏自治区外其余的30个省、自治区、直辖市。在此,本文运用专门的分析软件DEAP2.1和EMS1.3。EMS1.3软件的优点在于能够精确计算各个决策单元的相对效率分值,从而避免了多个决策单元效率值同时为1的问题。Malmquist生产率指数能够反映农村金融效率的动态变化,从一定程度上能保证对我国农村金融资源分析的动态性和精确性。
2.3实证结果分析
下面本文利用DEAP2.1和EMS1.3软件分别从整体和地区角度对我国农村金融资源配置效率进行分析,以对我国农村金融的发展状况有一个较为全面的了解。
2.3.1逐年变动分析
本文首先利用DEAP2.1软件对2003—2012年间我国农村金融整体情况进行年份间的对比评价和逐年变动分析,结果如表2所示。
表2 我国农村金融年度效率对比情况
由表2可知,2006年我国农村金融达到了效率最优,其后的年份里,除2009年效率偏低外,其余年份都基本达到了效率最优。因此,2003—2012年,我国农村金融效率较为稳定。为进一步了解我国农村金融在2003—2012年间的发展情况,本文利用DEAP2.1软件对我国农村金融进行Malmquist生产率指数分析,从而得到我国农村金融的变动情况,结果如表3所示。
表3 2003—2012年我国农村金融Malmquist生产率指数及其它指数变动情况
表3中,Malmquist生产率指数也称为全要素生产率,其值等于其余四个生产率指数之积。全要素生产率以1为界,表示效率较上一阶段的提升或下降,如果全要素生产率大于1,则表示效率提升,其整体运行效率处于上升阶段;反之,则处于下降阶段。
若从横向进行Malmquist生产率指数的分析可以发现,技术效率变化指数、纯技术效率变化指数及规模效率变化指数均为1,说明技术变化指数是影响我国农村金融生产率指数变动的最主要因素。另外,从指数的逐年变动来看,虽然部分年份出现了下降情况,但全要素生产率总体呈现上升趋势。详见图1所示。
图1 我国30个地区的Malmquist生产率指数变动情况
2.3.2地区农村金融效率分析
(1)我国各地区综合效率分析。为进一步了解我国各地农村金融效率,本文采用EMS1.3软件对我国各个地区2003—2013年的超效率分值进行计算,并以此进行排名,其结果如表4所示。
表4 2003—2012年我国各个地区农村金融效率排名
由表4可知,2003—2012年间,北京、天津、上海、海南、青海和宁夏的农村金融效率排名一直靠前,而辽宁、山东和湖南的效率排名一直较后。另外,从各个地区效率排名的波动性来看,北京、黑龙江、河南波动性最大, 其中最佳排名与最差排名间的差距达二十位以上。
(2)典型地区的效率分析。通过对全国30个地区的效率排名对比分析发现,各地区的效率有极大的差别。为了进一步分析出现这些问题的原因,本文针对各地区进行具体分析。为此,本文再做以下分析。
第一,投影分析。对效率排名一直居后和排名波动大的5个地区(辽宁、山东、湖南、北京、黑龙江)进行投影分析,其结果如表5所示。
由表5可知,对辽宁、山东、湖南、北京、黑龙江5个地区投入指标X3(金融业新增固定资产投资)和产出指标Y2(第一产业人均生产总值)上都存在着投入冗余和产出不足的问题。其中,辽宁存在着投入指标X2(农业综合开发项目银行贷款额)出现较大程度的投入冗余,北京的X1(金融机构职工人数)指标存在轻微的投入冗余。从产出上来看,山东和黑龙江Y2(农民人均收入和Y1(第一产业人均生产总值)也存在较大程度的产出不足。
表5 部分地区的投影分析结果
第二,Malmquist生产率指数分解。对辽宁和黑龙江进行Malmquist生产率指数分解,结果如表6和表7所示。
表6 辽宁2003—2012年Malmquist生产率指数变化情况
表7 黑龙江2003—2012年Malmquist生产率指数变化情况
由表6和表7可知,辽宁和黑龙江的Malmquist生产率指数的变动仅受技术变化指数的影响。从逐年的变动趋势来看,两个地区的Malmquist生产率指数的变动趋势有所不同。
为了清晰地了解辽宁和黑龙江生产率变化状况,本文特将辽宁和黑龙江的Malmquist生产率变化状况绘制成图,如图2所示。
由图2可知,辽宁和黑龙江的变动趋势,黑龙江的全要素生产率指数先出现较大下降,之后在1附近徘徊。 而辽宁的Malmquist生产率指数在整个分析期内一直在1附近波动,但波动幅度不太大。
图2 辽宁和黑龙江Malmquist生产率指数变化情况
3结语
本文通过构建DEA模型,对我国农村金融资源配置效率从全国和各地区两个角度进行了分析,由此发现我国农村金融资源配置效率整体虽然较为稳定,但各地区的金融配置效率差异较大。具体表现为两种情况。
(1)我国农村金融资源配置效率整体较为稳定。通过本文分析发现:除2009年和2011年受世界范围内金融危机的冲击,我国农村金融配置效率略有下降外,其余年份我国农村金融效率逐渐提高,尤其从2006年开始,我国农村金融效率不仅达到最优,而且一直保持了较为稳定的状态。
(2)我国各地区农村金融配置效率差异较大。通过对我国各地农村金融配置效率的对比和排序发现,各地农村金融配置效率还存在较大差别。有些地区的资源配置效率一直低下,其原因可能是这些地区存在着不同程度的投入冗余和产出不足问题。为此,我国还需从以下几个方面进一步提高我国农村金融的配置效率。
第一,优化农村金融管理制度。农村金融服务体系必须紧紧围绕“三农”发展大局,不断优化市场发展环境,进一步深化金融发展政策、监管政策的改革,推进我国农村金融的生态环境建设,完善农村金融服务体系的外部环境,引导涉农资金合理流动,提高资金投入的转化效率以及农村资金配置的整体效率。
第二,不断加强金融创新。目前我国很多省份存在着投入过量,但技术水平有限或重视程度不够的问题,没能实现农村资金投入产出的良性循环。为此,国家要鼓励和引导农村金融产品、金融工具和金融服务的创新,扩大农村金融的覆盖面,尽可能实现农村金融服务水平的提高。具体来讲,就是要从金融产品、服务和渠道等方面加大创新力度,满足多层次的农村金融需求,促进农业增产、农民增收和农村经济发展,做促进“三农”发展的坚强后盾。
第三,协调各项投入的比例关系。农村金融投入不足和投入冗余都会导致农村金融配置效率的低下,因为投入若超过一定范围时,过量的投入不仅不会拉动农村金融配置效率,相反会出现诸如资源浪费或资源使用不当的现象。所以,各地金融部门应结合本地区农村金融的实际情况,有选择性地增加或减少投入,以保障农村金融各项投入的合理高效利用。
第四,完善农村金融服务机制。加强农村金融生态环境建设,持续推广信用村、信用乡镇等区域信用创建,不断完善农村融资担保机制,加快农村产权制度改革,推进农村生产要素资本化进程,建立多元化融资担保和保险体系,引导农村金融机构提高对涉农贷款投放及农村基础设施投入的比重,并对服务“三农”支持力度大的金融机构给予一定政策支持。
[参考文献]
[1]谷慎,李成.金融制度缺陷:我国农村金融效率低下的根源[J].财经科学,2006(9).
[2]邓奇志.功能视角下我国农村金融效率的现实审视及优化路径[J].农村经济,2010(5).
[3]张兵,许国玉.江苏省农村信贷资金配置效率:基于面板数据的经验分析[J].中国农村经济,2007(6).
[4]姚耀军,和丕禅.中国农业信贷与农业GDP(1978—2001):一个协整分析[J].上海经济研究,2004(8).
[5]李国璋,耿理想,王秋晨.甘肃省农村金融资源配置效率实证分析[J].甘肃金融,2010(8).
[6]温涛,熊德平.“十五”期间各地区农村资金配置效率比较[J].统计研究,2008(4).
[7]向林,李季刚.中国农村金融资源配置的区域效率研究[J].区域金融研究,2010(4).
[8]黎翠梅,曹建珍.中国农村金融效率区域差异的动态分析与综合评价[J].农业技术经济,2012(3).
(责任编辑王栓芹)
Analyses on the Efficiency of Rural Financial Resources Allocation Based on DEA
TANXiuge
(SchoolofEconomicsandManagement,NorthwestUniversity,Xi'an,Shaanxi,710127,China)
Abstract:The allocation efficiency of rural financial resources directly influences the development of rural economy.Because of this,the data of rural financial development in 2003-2012 was studied based on data envelopment analysis (DEA) in order to evaluate the overall and the regional efficiency of our rural financial development.The results show that the overall situation of our rural financial development is better,taking on the upward tendency;but there are some differences between different regions in China,some regions having large fluctuation,some being stable,and the individual region remaining backward.As a result,it is necessary to improve and perfect the allocation of rural financial resources according to the local actual conditions of different regions.
Key words:data envelopment analysis;rural finance;allocation efficiency;Malmquist productivity index
收稿日期:2015-01-15
作者简介:谭秀阁,女,河北唐山人,西北大学经济管理学院博士研究生,研究方向:世界经济学。
基金项目:西北大学研究生自主创新项目(YZZ13049)。
中图分类号:F832.5
文献标识码:A
文章编号:1008-5645(2016)02-0024-07