基于三阶段DEA模型的山东省区域金融资源配置效率研究

陈 雪 任培民 赵树然

(1.青岛大学经济学院,青岛 266061;2.中国海洋大学经济学院,青岛 266100)

山东省位于黄河经济带和渤海经济区交界处,是华北和华东的结合点,经济发展水平名列前茅,在国民经济格局中发挥着重要作用。2019年山东省GDP 为70 540.5亿元,居全国第3位,但其金融业增加值占GDP比重排名仅居全国第28位,这一定程度反映了山东省虽是经济大省,但其金融业发展却较为落后。目前,山东省正处于新旧动能转化三年初见成效、五年突破的关键年份,社会经济发展需要金融这一强有力支柱,提高金融资源配置效率对促进金融资源流向需求区域和经济高质量发展具有重要的现实意义。金融资源配置效率的测量方法主要包括:投资效率模型,以投资变动弹性系数和产业增加值变动反映资源配置效率[1];金融效率指标,从单一指标(如现有金融资产总额与GDP的比率[2])逐渐转化为综合指标体系(如基于虚实转换效率和间接融资效率的实体金融效率测度指标体系,基于运用效率和直接融资效率的市场金融效率测度指标体系[3]);数据包络分析(Data Envelopment Analysis,DEA),适用于多投入多产出的非参数评价,如以区域金融为视角测度中国31个省(市、自治区)的金融效率[4],探究中部6省金融资源配置效率的时空分布格局[5]。由于传统DEA 模型[6]未考虑环境因素和随机干扰项对决策单元的影响,导致难以获得纯粹的效率值,存在真实效率误差的缺陷。三阶段DEA 模型[7]可剔除环境因素和统计噪声的影响,其测算的效率损失仅包含管理无效率(即管理带来的效率损失),相较于传统DEA 模型测算结果更真实准确。现有研究大多侧重探究省级和经济区层面金融资源配置效率[5,8-11],各省内部金融资源配置效率相关研究较少。综上,本文拟采用三阶段DEA 模型,测度分析山东省各地市的金融资源配置效率,确定金融资源配置过程中的短板,提出针对性建议。

1 指标体系构建

以往研究构建的指标体系中,投入指标大多按照要素分类将金融资源分为人力资源和货币资源(表1)。考虑到决策单元数量应不少于投入产出指标总数3倍的要求和指标数据的可得性,为此,选取省各地市金融机构从业人数(万人)代表人力资源要素;兼顾银行、证券、保险业的发展规模、结构及效率,选取金融机构本外币各项贷款余额(亿元)、上市公司数量(个)和保费收入(亿元)代表货币资源要素。产出指标选取金融业增加值(亿元)。

表1 以往研究中构建的指标体系

外部环境变量指能够对综合效率产生影响且不受行业主观控制的变量。宏观影响因素主要包括经济发展水平、政府干预、产业结构、对外开放程度和外商投资等[12-14]。结合金融资源配置效率的特征和金融业行业特点,本研究筛选确定政府干预和产业结构作为外部环境变量。(1)政府干预:用一般公共预算支出(亿元)衡量。“看不见的手”理论认为,市场机制会引导最高效的资源配置,但市场固有的缺陷如自发性、盲目性和滞后性会导致市场失灵[15]。此时需要通过政府的宏观调控手段调节市场的短期非均衡状态,重新分配金融资源,使其再次恢复最优配置状态。理论上政府干预可以提高金融资源配置效率,但要坚持适度原则,过度的干预行为会适得其反[16]。(2)产业结构:用第三产业增加值占GDP比重表示。产业结构影响金融资源配置的区域调整和产业方向,其合理性可正向影响资源配置效率[17]。综上,选取一般公共预算支出和第三产业增加值占GDP 比重两个外部环境指标作为解释变量,采用随机前沿方法(Stochastic Frontier Approach,SFA)过滤外部环境和统计噪声的影响,调整原始投入值,使测算结果更真实准确。

2 实证分析

2.1 样本数据取值

搜集整理山东省16个地市2019年的投入指标值、产出指标值和环境指标值测算效率值。数据来源于山东省及各地市统计局《统计年鉴》《国民经济和社会发展统计公报》。

2.2 数据实证处理

2.2.1 第一阶段 利用DEAP2.1软件,测算2019年山东省16地市的第一阶段金融资源配置效率值(表2)。可知,规模效率均值高于纯技术效率均值,表明纯技术效率不足,即金融机构经营管理水平的不足是山东省整体金融资源配置效率低下的主要原因。山东省综合效率均值0.888,处于较高水平,但仍有进步空间。济南、东营、日照、临沂、德州、菏泽金融资源配置效率值为1,处于效率前沿边界;而聊城和滨州的效率值比较低,分别为0.736和0.765,这表明区域金融资源配置并不均衡。纯技术效率均值为0.938,其中聊城最低(0.804),对综合效率的影响大于规模效率;规模效率均值为0.946且都大于0.83,资金使用效率较高,行业规模合理,但仍有一定上升空间。规模效率和纯技术效率的累加影响决定了各地市的综合效率表现。

表2 第一阶段效率值

2.2.2 第二阶段 根据第一阶段结果中的投入目标值,计算各投入松弛变量,其代表实际投入量与理想投入量之间的差额。利用似SFA 回归的估计系数,分离松弛变量的管理无效率、环境变量和随机误差,调整原始投入值,此处选择分离公式[18]:,其中,,λ＝σμ/σν。

由表3可知,4个回归模型均通过了LR 单边似然比检验,表明环境变量的选取有意义,应利用随机前沿模型分离环境因素和随机因素。模型的gamma值均约等于1,t统计量均在1%的水平上显著,表明管理无效率显著影响金融资源配置效率,随机误差对效率的影响微弱。此外,大部分环境变量在1%的水平上显著影响各投入松弛变量,表明所选两个环境变量能够较好地解释各投入松弛变量。

表3 各投入松弛变量与环境变量的似SFA 回归结果

政府干预显著正向影响金融机构本外币各项贷款余额松弛变量、上市公司数量松弛变量和保费收入松弛变量,表明政府存在干预过度,增加了冗余,降低了效率;产业结构显著负向影响金融机构本外币各项贷款余额松弛变量、上市公司数量松弛变量和保费收入松弛变量,这是由于产业结构优化减少了投入冗余,提高了效率;政府干预和产业结构对金融业从业人数的冗余没有显著影响,这可能与金融业门槛较高,从业人员数量长期较稳定有关。

2.2.3 第三阶段 利用DEAP 2.1 软件测算调整后的金融资源配置效率值,对比分析调整前后效率值的变化。调整后的金融资源配置效率值见表4,调整前后效率值比较如图1所示。可知,去除环境因素和随机噪声的干扰后,区域金融资源配置效率仍不均衡,仅有济南、东营、临沂、德州、菏泽始终处于有效前沿边界,表明这些区域金融业规模合理,资源配置相对较优。青岛、淄博、烟台、潍坊、济宁综合效率值呈现不同程度的提高,环境因素的存在反而使得金融资源配置效率值较低,这很可能是政府干预过度导致了冗余增加和效率降低;枣庄、泰安、威海、日照、聊城、滨州规模效率的降低导致综合效率的降低,表明这些地市主要通过规模经济手段拉动效率提升,未来金融改革方向应更注重科技对效率的拉动作用;仅有泰安纯技术效率值较调整后有所提升,表明其关注了纯技术效率的提升作用且取得了较好成果。

图1 调整前后不同效率值比较

表4 考虑环境与随机扰动的效率值

3 结论

基于三阶段DEA 模型,系统计算分析了山东省2019年各地市的金融资源配置效率。剔除环境因素和随机因素前后,大部分地市金融资源配置未实现最优,金融资源配置效率呈现不均衡,部分地市很可能存在政府干预过度。山东省各地市提升金融资源配置效率,主要以规模扩张为手段。据此建议,一是各地市可通过纯技术效率和规模效率与最优配置状态的差距,确定配置短板;鼓励区域协同合作,发挥金融资源丰富地区的带动与辐射作用;给予落后城市政策支持,鼓励其形成自身独特竞争力;加快发展地方金融机构,推动信贷资源更多投入民营经济、中小微企业。二是深化金融改革,推动政府与市场两方面的“双轮驱动”协同,着重发挥市场配置资源的决定性作用;加快地方政府职能转变,减少政府干预程度,改善金融生态环境。三是提高金融机构经营管理水平,鼓励金融业科技发展,实现科技创新与金融资源配置优化的良性循环。今后研究可对比评价山东省内部与其他省份城市的金融资源配置效率,明晰省域间的配置效率影响因素。