重庆市农村金融效率评价

李枷宇　李智

摘   要：运用第一阶段DEA-Malmquist和第三阶段DEA-Malmquist指数对重庆市2010-2017年农村金融效率评价以及各区县效率评价。研究发现：重庆市农村金融全要素生产率整体效率值不高，大部分年间效率值小于1，主要是受技术进步效率值的影响，各区县差异不明显;在剔除环境变量后，全要素生产率有所提升，主要是因为技术进步效率值的提高，说明环境因素对重庆市农村金融有一定影响，但力度不够。因此需进一步提升重庆市农村金融的技术效率，加大政府支出在促进农村金融效率方面的作用以及促进重庆市农村金融各效率值的全方位提升来共同促进重庆市农村金融全要素生产率的提高。

关键词：重庆;金融效率;DEA-Malmquist;技术进步

中图分类号：F325.24 文献标志码：A 文章编号：1008-2697（2019）03-0039-06

近年来国家对“三农”工作高度重视，农村金融作为农村经济发展的关键因素，可提供农村大量的资金贷款，拉动农村经济需求。2018年中央一号文《中共中央国务院关于实施乡村振兴战略的意见》中提出把更多金融资源配置到农村经济社会发展的重点领域和薄弱环节。农村金融机构起着关键推动作用，直接影响农村经济的健康持续发展。因此对农村金融效率问题的研究具有重要的现实意义。

重庆市作为西部地区直辖市，同时又处于长江经济带和“一带一路”重要沿线城市。由于重庆市有着严重的二元经济机构的问题，农村与城市发展存在很大程度上的不协调，因此重庆市农村经济发展的情况如何？重庆市农村金融机构的资源配置效率如何？怎么进一步来促进效率的提高来更好的为农村经济发展服务，都是我们需要思考的问题。鉴于此，为全面了解重庆市农村金融效率，本文采用DEA-Malmquist指数模型以及第三阶段DEA-Malmquist指数方法，对重庆市农村金融进行效率进行较全面分析。

一、文献回顾

我国学者对金融效率的研究成果丰富，从不同的视角和方法得出各自的结论。从整体上来看，谷慎[1]通过对中国农村金融效率资源配置实证分析，认为中国农村金融效率低，主要是由于农村金融制度的有效供给不足，提出要创新农村金融制度。张永刚等[2]认为中国农村金融效率值整体不高且有区域差异影响。孙玉奇等[3]研究发现，我国大部分省份的农村金融投入产出低下，主要原因是纯技术效率值偏低。从测算方法上看，目前关于DEA农村金融效率的测算主要是以下方式：郑博阳等[4]运用数据包络法（DEA）分析河南省17各地市的农村金融效率。武臻等[5]基于DEA-Malmquist指数方法对西部地区12个省城投入产出数据处理。张玉苗[6]利用超效率DEA模型对区域金融资源配置效率进行测算。彭建[7]利用三阶段DEA模型对我国2012年金融支农效率进行研究。从指标选取上看，关于DEA测算方法的投入产出指标的选取主要是以贷款和第一产业生产为投入，以GDP和收入为产出，张永刚等[8]选取农村信贷余额和人均农业生产投资为投入指标 ，以农业人均GDP和农民人均收入为产出水平。向琳等[9]选取农业贷款与财政支农作为输入目标，各地区农民人均收入与第一产业人均生产总值作为金融资源的输出指标。

从已有文献可知，我国农村金融整体效率不高;现有文献主要针对河南、江西、山东、福建、黑龙江、云南、陕西、四川等区域展开讨论[10-13]，而重庆市农村金融效率的研究较少;大多文献采取传统DEA方式测算农村金融效率，没有考虑外在环境对农村金融的影响[14-18]，可能缺乏一定的客观性。因此，为全面对重庆市农村金融效率进行研究，采取三阶段DEA-Malmquist指数方法，从第一阶段与第三阶段评价对比以及环境变量因素角度对重庆市农村金融效率进行全面评价，可为我国西部地区其他省份以及我国其他省份地区农村金融效率研究发展提供一定的借鉴意义。

二、研究方法与数据来源

本文研究方法采用DEA方法、DEA-Malmquist指数法和第三阶段DEA-Malmquist指数法。

本文选取重庆市以及重庆市2010—2017年各区县为样本。通过DEA-Malmquist模型分析重庆市整体农村金融技术以及规模效率的变化，对重庆市37个区县（万州区、黔江区、涪陵区、沙坪坝区、九龙坡区、南岸区、北碚区、巴南区、长寿区、江津区、合川区、永川区、南川区、綦江区、大足区、璧山区、铜梁区、潼南区、荣昌区、开州区、梁平区、武隆区、城口县、丰都县、垫江县、忠县、云阳县、奉节县、巫山县、巫溪县、石柱县、秀山县、酉阳县、彭水县）进行效率评价，分析重庆市各区县农村金融效率的变化趋势以及效率差异情况，结合重庆市农村金融发展的实况以及相应的政策分析重庆市农村金融效率。

本文参考相关文献以及考虑数据的可得性选取人均农村贷款与人均农村生产投入为投入变量，由于农村金融资本投入是为了促进农村经济发展和人民生活水平的提高，因此选取人均农村GDP和农村人均可支配收入为产出变量。

环境变量影响农村金融资源配置效率，本文選取2个环境变量：农林水支出。农林水支出主要是反映政府一般公共预算开支中对农业发展的补贴费用，因此本文选取2010—2017年政府预算农林水支出费用数据作为衡量政府对农村经济发展支持力度的指标，预期增加农林水支出会促进农村金融效率的提高[19]。乡村就业人数。就业是衡量经济发展的指标，乡村就业人数反映了农村经济发展的状况，因此本文选取2010-2017年乡村就业人数来衡量农村经济发展的环境，预期乡村就业越充分，农村经济发展越好，会促进农村金融效率的提升。

本文数据主要来源于《重庆统计年鉴》、EPS数据平台的重庆市各区县数据以及重庆市各区县《国民经济与社会发展公报》。由于区县数据没有第一产业农村贷款、第一产业固定资产投资，因此数据需要处理所得。人均农村信贷余额：第一产业生产总值/GDP×金融机构贷款总额/农村人口;人均农村生产投资：第一产业生产总值/GDP×全社会固定资产投资/农村人口;农业人均GDP：第一产业生产总值/农村人口。

三、实证分析

（一）重庆市农村金融效率DEA-Malmquist指数及其分解

从表1可以看出，重庆市农村金融效率全要素生产率在2010—2017年期间呈现平稳趋势，大部分年间重庆市农村金融全要素生产率值小于1，全要素年均值为0.970。从时间序列上看，2010—2011年、2016—2017年重庆是农村金融全要素生产率大于1呈上升趋势，2011—2016年重庆市农村金融全要素生产率主要趋势向下。

由图1可知，全要素生产率整体上先下降后稍微回升，之后一直处于较平稳的趋势。2010—2012年农村金融全要素生产率的下降主要是受技术效率下降的影响，规模效率也有一定的影响;2012—2016年间全要素生产率主要受制于技术进步效率的制约;2016—2017年全要素生产率呈上升趋势，主要是由于技术进步率的提升，规模效率也有一定影响。总体而言重庆市农村金融效率全要素生产率主要受制于技术进步率的低下，导致全要素生产率大部分年间低于1，呈下降趋势，规模效率起到了一定的辅助作用。

（二）重庆市各区县农村金融效率DEA-Malmquist分析

从表2可以看出，重庆市各区县大部分农村金融全要素生产率低于1，整体效率值不高，各区县全要素效率值主要受制于技术进步效率值。全要素效率值大于1的地区有黔江区、江北区、南岸区、北碚区、合川区、南川区、綦江区、潼南区、城口县、丰都县、武隆县11个区县，该区县的技术进步效率值也受限制，但是技术效率值较高，即管理有效率，使得全要素生产率呈上升趋势，全要素生产率值低于0.9的区县有涪陵区、大足区、璧山区、铜梁区、垫江县5个区县该区县本来经济发展较好，农村金融全要素生产值却较低，不仅受限于技术进步效率，并且规模效率值也不高，说明该区县并没有注重农村金融的发展，农村金融的工作有待进一步提高。

（三）SFA回归结果分析

使用Frontier4.1软件，通过SFA模型进行回归分析，第一阶段农村金融投入变量中的松弛值作为被解释变量。外部环境变量（农林水支出、乡村从业人数）作为解释变量。结果显示：人均信贷余额与人均农村生产投资的似然比LR单边检验都通过了1%的显著性检验，说明混合误差项中存在技术无效率，使用SFA方法可行。

本文截取2010年、2013年以及2017年的SFA回归结果（表3），发现：（1）2010年农林水支出对人均农村贷款和人均农村生产投资的回归系数均为负数且通过了1%、5%的显著水平;2013年农林水支出对人均农村贷款和人均农村生产投资的回归系数均为负数且通过了1%显著水平;2017年农林水支出对人均农村贷款和人均农村生产投资的回归系数均为负数且通过了1%、10%的显著水平。说明农林水支出环境变量的增加有利于减少农村金融投入冗余，对农村金融效率起促进作用，与预期设想相符。（2）2010年乡村就业人员数量对人均农村贷款回归系数为负值且通过1%显著水平，对人均农村生产投资不显著;2013年乡村就业人员数对人均农村贷款和人均农村生产投资的回归系数均为负数且都通过1%显著水平;2017年乡村就业人员数对人均农村贷款和的回归系数均为负数且通过1%显著水平。说明乡村就业人员环境变量主要作用于人均农村贷款投入变量，对于人均生产投资的作用不明显，与预期设想也相符合。

（四）重庆市农村金融效率第三阶段DEA-Malmquist指数及分解

由表4可知，剔除了环境变量之后重庆市农村金融全要素生产率有所提高，但仍小于1。说明环境因素对重庆市农村金融有一定的影响，但影响力度不够。从各效率值分析，剔除环境影响因素之后技术效率年均值下降3%，技术进步效率年均值上升3.8%，纯技术效率年均值下降1.3%，规模技术效率年均值下降1.6%，除了技术进步效率年均值增加，其余效率年均值均不同程度减少。由于技术进步年均值的增加导致全要素生产率年均值增加。说明农林水支出和乡村从业人员数量这两个外部环境变量主要作用于技术效率和规模效率上，政府对农业的支持以及乡村从业人员的增加并没有缓解农村金融效率在技术进步上的限制。

由图2可知，第三阶段DEA—Malmquist指数走势图与第一阶段相比，变化幅度不大，方向大致吻合。农村金融全要素生产率仍然是在2010—2011年、2016—2017年大于1，其余年间小于1。与第一阶段不同的是在2011—2012年有小幅上升趋势，此后到2016年都是下降趋势。

（五）重庆市各区县农村金融效率第三阶段DEA-Malmquist指数

由表5可知，在剔除环境变量后，重庆市各区县农村金融全要素生产率由第一阶段大于1的11个区县增加了4个区县，万州区、渝北区、云阳县和酉阳县，均是由于技术进步效率值的提高导致全要素生产率大于1，技术效率与规模效率、纯技术效率变化较小，说明该地区政府农林水支出并没有得到有效利用，在技术进步方面，缺乏先进的农村金融机器设备，或者引进了设备却没有得到较好的使用;与第一阶段malmquist指数相比，由于剔除环境变量因素后，技术进步效率值提高，使整体全要素上升，因此全要素生产率低于0.9的区县由之前的4个变为1个，即垫江县，尽管垫江县的全要素有上升，但是垫江县农村金融各方面效率值较低，在规模投入上以及技术引进和管理效率都急需提升。

四、结论与建议

（一）结论

研究结果显示，整体来看2010—2017重庆市农村金融效率值较低，在2012—2016年间处于下降趋势，主要受技术进步效率的影响;重庆市各区县大部分农村金融全要素生产率也低于1，整体效率值不高，各区县之间差异不明显。（2）选取2010—2017年政府一般公共预算支出中的农林水支出与乡村就业人数作为外部环境变量，通过三阶段DEA-Malmquist指数测算出，农林水支出对农村金融投入变量显著，并且起正向促进作用;乡村就业人数变量主要作用于人均农村贷款投入变量，且通过显著水平检验，起正向促进作用，但是对于人均农村生产投资投入变量不显著。（3）剔除了环境变量之后，整体全要素生产率值提升，主要是由于技术进步效率值得到改善，说明政府对农林水的财政支出主要使得管理效率、投入规模得到了改善，并没有针对农村金融现有的技术进步效率值低，或者改善力度不夠。

（二）对策建议

1. 有效提高重庆市农村金融技术进步

研究结果显示，不管是在第一节阶段DEA-Malmquist指数分解中还是在提出环境影响因素之后，重庆市农村金融效率全要素生产率值较低的原因始终在于技术进步效率的制约影响，说明重庆市农村金融效率值整体不高的原因在于技术进步存在问题。因此提高重庆市农村金融技术进步效率值是农村金融工作的重点，在农村金融机构中引进先进的金融设备，金融机器，金融终端产品来替代人工办理业务，可以大大较少人工办理业务中的低效率问题，节省工作时间，提高工作效率。

2. 加大政府支出在促进农村金融效率方面的作用

政府公共预算支出中农林水财政支出有利于提升农村金融效率的提高，但主要作用在于管理效率以及规模投入方面，对于技术进步方便作用不明显。因此不仅在农村金融机构投入规模上要注重政府的支持，也应该有针对性的把政府的资金支持用于先进技术方面。政府应该做好相应的支持工作，学习效仿其他农村金融效率好的地区，把政府的支持用在最有利的方面，才可能更有效更有针对性的提高农村金融效率。

3. 多举措促进重庆市农村金融效率全方位提升

重庆市农村金融效率值低，技术进步占很大原因，但是技术效率和规模效率本身优势不明显，在注重提升农村金融技术进步的同时，也应该提升各方面效率值的提升。提高金融管理效率，农村金在融机构组织管理远远低于城市金融机构，农村机构工作人员的积极性和效率问题是本质问题，任何时候都需要改善;另外适当扩大偏远地区农村金融机构的投入，提高农村金融机构的覆盖率，使农村金融服务更多的农村地区，更好的促进重庆市整个农村金融的环境。

参考文献：

[1] 谷慎.我国农村金融效率实证分析[ J ].西安交通大学学报（社会科学版），2006（05）：31-35.

[2] 张永刚，张茜.基于DEA方法的农村金融效率研究[ J ].经济问题， 2015（01）：60-63.

[3] 孙玉荣，陈奇.基于DEA模型的我国农村金融效率测算分析[ J ].特区经济，2013（02）：113-114.

[4] 郑博阳，张冬平.基于DEA-Malmquist方法的河南省农村金融效率研究[ J ].现代经济信息， 2016（23）：461-463.

[5] 武臻，罗剑朝，张珩.西部地区农村金融市场资源配置效率实证研究-基于DEA-Malmquist指数方法的分析[ J ].商业经济研究，2014（27）：140-142.

[6] 张玉苗.区域金融资源配置效率经验研究——基于超效率DEA-Tobit模型的分析[ J ].财经问题研究，2017（04）：122-128

[7] 彭健.基于三阶段DEA模型的金融支农效率研究[ J ].海南金融，2014（10）：7-12.

[8] 张永刚，张茜.基于DEA 方法的农村金融效率研究[ J ].经济问题，2015（01）：60-63.

[9] 向琳，李季刚.中国农村金融资源配置的区域效率评价——基于DEA模型的分析[ J ].甘肃金融，2010（03）：43-45.

[10] 谭秀阁.基于数据包络分析的农村金融资源配置效率分析[ J ].西安石油大学学报（社会科学版），2016，25（02）：24-30.

[11] 彭阳，王燕.我国农村金融效率实证研究[ J ].青岛农业大学学报（社会科学版），2011，23（03）：56-61.

[12] 张晓琳，董继刚.农村金融资源配置效率评析——以山东省为例[ J ].农业经济与管理，2017（02）：45-53.

[13] 彭阳，王燕.我国农村金融效率实证研究[ J ].青岛农业大学学报（社会科学版），2011，23（03）：56-61.

[14] 熊晓炼，王露.西部金融资源配置效率研究[ J ].甘肃金融，2017（11）：21-26.

[15] 余红，熊德斌.我国西南地区金融资源配置效率的实证研究[ J ].中国集体经济，2018（05）：120-122.

[16] 阮华，翁贞林.江西农村金融效率的测算及地区差异[ J ].贵州农业科学，2015，43（11）：198-201.

[17] 熊晓炼，王露.西部金融资源配置效率研究[ J ].甘肃金融，2017（11）：21-26.

[18] 曾胜，张明龙.基于三阶段DEA模型的我国金融支持科技创新效率评价[ J ].西部论坛，2016，26（04）：101-108.

[19] Binswanger H P，McIntire J.Behavioral and material determinants of production relations in land-abundant tropical agriculture[ J ].Journal of Development Studies，1987（22）：73-99.

（责任编辑：董  濤）