藏、新、桂自治區(qū)農(nóng)村金融扶貧效率分析
——基于DEA模型和Malmquist指數(shù)方法

朱亞榮

(西藏民族大學(xué) 研究生院，陜西 咸陽 712082)

2015年，我國出臺《關(guān)于打贏脫貧攻堅(jiān)戰(zhàn)的決定》明確強(qiáng)調(diào)金融對扶貧的重要作用，學(xué)界對此也進(jìn)行了相關(guān)的研究和論證。如：朱若然、陳貴富認(rèn)為，金融發(fā)展規(guī)模對減貧有顯著影響，金融發(fā)展效率越高，貧困發(fā)生率相對越低；[1]張雄、張慶紅發(fā)現(xiàn)金融發(fā)展規(guī)模對不同貧困地區(qū)的扶貧效果不同，西部地區(qū)減貧效果相對大于東部地區(qū)；[2]譚江華認(rèn)為推動金融發(fā)展有利于培養(yǎng)貧困地區(qū)人口的金融素養(yǎng)，拓寬居民的收入渠道，從而發(fā)揮減貧效應(yīng)。[3]

然而，要了解金融扶貧對農(nóng)村貧困地區(qū)的作用，就必須對農(nóng)村金融扶貧效率進(jìn)行測評。薛曜祖、畢潔穎等利用DEA三階段靜態(tài)分析和Malmquist指數(shù)動態(tài)分析對中國農(nóng)村金融扶貧效率進(jìn)行了實(shí)證研究；[4]趙丙奇、李露丹通過構(gòu)建普惠金融對精準(zhǔn)扶貧效果的評價框架，借助熵值法和聚類分析法分析中西部地區(qū)扶貧效率的差異。[5]我國西部地區(qū)農(nóng)村貧困問題尤為顯著，因此，本文主要分析西部地區(qū)中處于邊境的西藏自治區(qū)(簡稱“藏”)、新疆維吾爾族自治區(qū)(簡稱“新”)和發(fā)展相對快的廣西壯族自治區(qū)(簡稱“桂”)的金融扶貧效率。

一、模型理論及設(shè)計(jì)

本研究主要采用數(shù)據(jù)包絡(luò)分析方法(簡稱DEA三階段模型)和Malmquist指數(shù)分析方法。DEA三階段模型能較好地評估決策單元效率，既可以測量影響效率因素的問題，也可以消除外部環(huán)境影響因素；[4]Malmquist指數(shù)分析能從產(chǎn)出—投入比的衡量中，計(jì)算決策單元的技術(shù)效率變動和技術(shù)變化率。

1．DEA三階段模型

第一階段：整合原始投入產(chǎn)出數(shù)據(jù)，借助傳統(tǒng)DEA模型進(jìn)行初始效率評價。本文以投入導(dǎo)向的BC2模型作為藏、新、桂自治區(qū)金融扶貧效率分析的基礎(chǔ)模型。

第二階段：運(yùn)用隨機(jī)前沿分析方法(簡稱SFA回歸模型)剔除環(huán)境和隨機(jī)誤差因素對扶貧效率的影響。構(gòu)建SFA回歸模型，測算第一階段投入的環(huán)境和隨機(jī)誤差因素，并剔除有影響的因子，得到只有管理無效率影響的模型。

第三階段：整合調(diào)整各自治區(qū)金融扶貧投入量和原始產(chǎn)出量并進(jìn)行傳統(tǒng)DEA效率分析，得到剔除影響因素后的農(nóng)村金融扶貧效率值。

2．Malmquist指數(shù)分析

DEA三階段模型衡量了藏、新、桂各自治區(qū)金融扶貧效率與前沿面之間的差距。該部分通過構(gòu)建Malmquist指數(shù)，對2010—2019年間各自治區(qū)扶貧效率的變化開展動態(tài)研究。

本文引用Rolf Fare和Gross kopf構(gòu)建的Malmquist指數(shù)方程進(jìn)行分析，[6]主要對全要素生產(chǎn)率指數(shù)進(jìn)行測量(Tfpch，簡稱Tfp)，由技術(shù)效率變化指數(shù)(簡稱Effch，用于表示決策單元與科技的結(jié)合度)與技術(shù)變化指數(shù)(簡稱Tech，用于表示決策單元的現(xiàn)有技術(shù)水平)二者相乘得到，其中，技術(shù)效率變化指數(shù)(Effch)由純技術(shù)效率變化(PE)和規(guī)模效率變化(SE)相乘得到。

3．變量選取

本研究在部分學(xué)者構(gòu)建的金融扶貧效率指標(biāo)體系基礎(chǔ)上，結(jié)合藏、新、桂自治區(qū)金融扶貧特點(diǎn)，選擇適合的投入變量、產(chǎn)出變量和環(huán)境變量，構(gòu)建了新的效率評價框架。[4-8]

投入變量(X)的選取。為顯示各地區(qū)金融機(jī)構(gòu)對扶貧方面的資源投入，主要設(shè)定三個投入變量：銀行業(yè)金融機(jī)構(gòu)從業(yè)人數(shù)(X1)、營業(yè)網(wǎng)點(diǎn)數(shù)(X2)和人均涉農(nóng)貸款(X3)。

產(chǎn)出變量(Y)的選取。為分析各地金融扶貧的效果，主要設(shè)定農(nóng)村居民人均可支配收入(Y1)、農(nóng)村居民人均消費(fèi)支出(Y2)和農(nóng)林牧漁業(yè)人均GDP(Y3)。

環(huán)境和隨機(jī)擾動因素(Z)的選取。為了剔除這兩項(xiàng)因素對金融扶貧的影響，以便進(jìn)行對比分析，主要設(shè)定地方政府一般公共財(cái)政預(yù)算(Z1)、糧食總產(chǎn)量(Z2)、居民消費(fèi)價格指數(shù)(Z3)和全社會固定資產(chǎn)投資增長速度(Z4)。

本研究運(yùn)用IBM SPSS Statistics 22軟件，借助Pearson相關(guān)性檢驗(yàn)方法進(jìn)行測度，結(jié)果見表1。分析可得：三個自治區(qū)的投入變量與產(chǎn)出變量之間的相關(guān)系數(shù)均為正，滿足“正向性”關(guān)系。同時，除了銀行業(yè)金融機(jī)構(gòu)從業(yè)人數(shù)和銀行業(yè)金融機(jī)構(gòu)營業(yè)網(wǎng)點(diǎn)數(shù)與農(nóng)村居民人均可支配收入之間的相關(guān)性程度較低外，其余投入變量與產(chǎn)出變量之間的相關(guān)性均在5%的顯著水平下通過假設(shè)檢驗(yàn)。

表1 投入指標(biāo)和產(chǎn)出指標(biāo)Pearson相關(guān)系數(shù)分析結(jié)果

4．樣本選取與數(shù)據(jù)說明

(1)樣本選取。研究選取西藏、新疆和廣西三個自治區(qū)的金融扶貧效率，數(shù)據(jù)包括區(qū)域金融機(jī)構(gòu)發(fā)展數(shù)據(jù)和農(nóng)村居民生活水平數(shù)據(jù)。

(2)數(shù)據(jù)來源。研究數(shù)據(jù)主要來源于2011—2020年《中國區(qū)域金融運(yùn)行報(bào)告》《中國金融年鑒》、2011—2019年各自治區(qū)的《統(tǒng)計(jì)年鑒》、各自治區(qū)2020年國民經(jīng)濟(jì)社會發(fā)展統(tǒng)計(jì)公報(bào)以及國家統(tǒng)計(jì)局，其中部分涉農(nóng)貸款缺失數(shù)據(jù)運(yùn)用Excel中趨勢線進(jìn)行預(yù)測得出。

二、實(shí)證分析

1．基于三階段DEA的金融扶貧效率靜態(tài)分析

第一階段：傳統(tǒng)DEA結(jié)果

在此階段運(yùn)用DEAP 2.1軟件進(jìn)行測算藏、新、桂自治區(qū)2010—2019年金融扶貧效率，主要測算指標(biāo)為全要素生產(chǎn)率(TE1)、純技術(shù)效率(PE1)和規(guī)模效率(SE1)(見表2)。在不剔除環(huán)境因素和隨機(jī)擾動項(xiàng)的條件下，藏、新、桂自治區(qū)2010—2019年金融扶貧效率的全要素生產(chǎn)率為0.557，距效率前沿面有44.3%的進(jìn)步空間；此時，純技術(shù)效率均值為0.963，規(guī)模效率均值為0.565。對這三個自治區(qū)的金融扶貧效率進(jìn)行對比發(fā)現(xiàn)西藏自治區(qū)的全要素生產(chǎn)率最高，說明其在這三者之間的金融扶貧效果最好。

表2 2010—2019年藏、新、桂自治區(qū)金融扶貧全要素生產(chǎn)率、純技術(shù)效率及規(guī)模效率均值

第二階段：SFA回歸結(jié)果

將第一階段決策單元(DUM)中各投入的松弛變量設(shè)為因變量、前文中提及的四個環(huán)境因素作為自變量，構(gòu)建SFA回歸模型。運(yùn)用Frontier4.1軟件進(jìn)行分析，計(jì)算結(jié)果見表3。由表3可知：LR單邊檢驗(yàn)值在5%的顯著性水平下，都通過假設(shè)檢驗(yàn)，表明可以對決策單元用SFA進(jìn)行回歸分析。選取的四個環(huán)境指標(biāo)同三個投入松弛變量的回歸系數(shù)大部分通過顯著性檢驗(yàn)，證明外部環(huán)境會對各地區(qū)金融機(jī)構(gòu)資金投入產(chǎn)生顯著影響。各投入松弛變量的值分別為0.86、0.86、0.72，均在1%的顯著性水平下通過檢驗(yàn)，說明各自治區(qū)管理效率存在顯著差異，并對投入變量產(chǎn)生影響。因此，需要運(yùn)用SFA回歸模型將投入變量中的外部因素和管理因素剔除，研究各投入變量的回歸系數(shù)。

表3 各投入松弛變量的SFA回歸分析

第三階段：修正的DEA測度

據(jù)上述SFA前沿測度結(jié)果，運(yùn)用DEAP2.1軟件將修正的投入變量和產(chǎn)出變量帶入模型中分析，得出新的TE、PE、SE(見表4)。

表4 2010—2019年三自治區(qū)金融扶貧全要素生產(chǎn)率、純技術(shù)效率及規(guī)模效率均值

對比表2和表4可得，在剔除外部環(huán)境因素和隨機(jī)干擾之后，西藏自治區(qū)和新疆維吾爾自治區(qū)的全要素生產(chǎn)率和規(guī)模效率發(fā)生改變，廣西壯族自治區(qū)的全要素生產(chǎn)效率、純技術(shù)效率和規(guī)模效率都發(fā)生改變。由此可得，剔除環(huán)境和隨機(jī)擾動項(xiàng)是有必要的，這使得修正后的實(shí)驗(yàn)結(jié)果更加具有客觀性和可比性。

(1)金融扶貧全要素效率分析。通過TE3比較發(fā)現(xiàn)，新疆維吾爾自治區(qū)金融扶貧效率最好，其次是西藏自治區(qū)，最后是廣西壯族自治區(qū)。從總體平均效率來看，經(jīng)過模型的修正，均值從0.557上升到0.961，整體金融扶貧效率值有明顯上升。(2)金融扶貧純技術(shù)效率分析。這部分衡量了地區(qū)金融扶貧政策及提著機(jī)制對金融扶貧的影響。由驗(yàn)證結(jié)果可得，在未剔除環(huán)境因素和隨機(jī)擾動項(xiàng)之后，廣西壯族自治區(qū)的PE值上升，其他兩地區(qū)未發(fā)生變化，均達(dá)到1。由此得出，金融機(jī)構(gòu)的扶貧機(jī)制建設(shè)對整體農(nóng)村扶貧效率的影響較為顯著。(3)金融扶貧規(guī)模效率分析。這部分主要分析金融機(jī)構(gòu)對扶貧項(xiàng)目的資源投入度對整體扶貧效率的影響。此外，還測量了決策單元目前的運(yùn)營規(guī)模與最優(yōu)運(yùn)營規(guī)模之間存在的差距，當(dāng)規(guī)模效率值越接近1時，運(yùn)營規(guī)模就越趨向于最優(yōu)運(yùn)營規(guī)模。[1]通過對比分析，發(fā)現(xiàn)新疆維吾爾自治區(qū)的金融扶貧規(guī)模效率處于第一位。并且，經(jīng)過模型修正，整體規(guī)模效率平均值從0.565上升到0.961。

2．基于Malmquist指數(shù)的金融扶貧效率動態(tài)分析

此階段運(yùn)用DEAP 2.1軟件，剔除環(huán)境和隨機(jī)干擾因素，并將調(diào)整后的投入變量和初始產(chǎn)出變量代入Malmquist 指數(shù)模型中計(jì)算，得出具有可比性和客觀性的結(jié)果，如表5所示。

表5 2010—2019年全藏、新、桂自治區(qū)金融扶貧效率的Malmquist指數(shù)及分解

由表5可知，2010—2019年間，三個自治區(qū)tfpch值都大于1，但各自效率增長均小于10%，其中西藏自治區(qū)為9.5%、新疆維吾爾自治區(qū)為5.3%、廣西壯族自治區(qū)為3.9%，表明十年間三個自治區(qū)金融扶貧效率增勢不明顯，扶貧效率偏低。從年均增長率指標(biāo)分解看，tech值最高且大于1，同時年增長為7.3%；pech值為1，表明在純技術(shù)效率方面三個自治區(qū)都處于效率前沿面；effch和sech兩個指標(biāo)均小于1且都等于0.99?？梢?，綜合技術(shù)的低效率和金融投入的較小規(guī)模是制約金融扶貧效率的主要因素。

三、研究結(jié)論

1．從三個自治區(qū)金融扶貧的整體效率來看，2010—2019年間，三個自治區(qū)金融扶貧平均效率均有所提升，環(huán)境因素和隨機(jī)干擾對其具有顯著影響。從DEA三階段靜態(tài)分析結(jié)果來看，剔除環(huán)境變量和隨機(jī)擾動因素，三個自治區(qū)金融扶貧效率有顯著提升，結(jié)果具有客觀性和可比性，進(jìn)一步反映了環(huán)境因素和隨機(jī)擾動項(xiàng)的影響。從Malmquist指數(shù)分析來看，2010—2019年間，三個自治區(qū)金融扶貧效率均有所提升，這與我國金融扶貧由大水漫灌向精準(zhǔn)扶貧轉(zhuǎn)型有很大關(guān)系，[8]也突出了我國扶貧戰(zhàn)略的成功。

2．從不同地區(qū)金融扶貧效果來看，三個自治區(qū)存在一定程度的差異。從DEA第三階段實(shí)證結(jié)果來看，新疆維吾爾自治區(qū)的金融扶貧效率最好，其綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率均達(dá)到1；其次是廣西壯族自治區(qū)，其規(guī)模效率仍有5.3%的提升空間；西藏自治區(qū)的的金融扶貧效率最低，其規(guī)模效率仍有6.4%的提升空間。從分析動態(tài)Malmquist指數(shù)實(shí)證結(jié)果來看，2010—2019年間西藏自治區(qū)整體扶貧效率增加最快，其次是新疆維吾爾自治區(qū)，最后是廣西壯族自治區(qū)。

3．金融扶貧環(huán)境、金融投入規(guī)模和金融技術(shù)水平是影響扶貧效率的主要因素。在三階段DEA靜態(tài)分析中，第二階段逐次分析了各投入松弛變量與環(huán)境因素之間的回歸關(guān)系，得出大多數(shù)外部環(huán)境因素對地區(qū)扶貧效率產(chǎn)生顯著性影響；第三階段在剔除環(huán)境因素和隨機(jī)擾動項(xiàng)后，結(jié)果顯示整體的規(guī)模效率偏低。從Malmquist指數(shù)動態(tài)分析實(shí)證結(jié)果發(fā)現(xiàn)，三個自治區(qū)金融扶貧存在整體技術(shù)進(jìn)步匱乏和規(guī)模效率較低的現(xiàn)象。

四、對策及措施

1．優(yōu)化金融扶貧機(jī)制，發(fā)揮各自治區(qū)政府的作用。一方面，政府提供優(yōu)惠政策，對處于深度貧困地區(qū)的農(nóng)村產(chǎn)業(yè)，積極推出財(cái)政貼息等政策，同時為銀行因風(fēng)險大不愿提供貸款的農(nóng)牧戶做擔(dān)保的政策：另一方面，金融機(jī)構(gòu)為農(nóng)村居民提供優(yōu)惠的金融服務(wù)政策。目前普惠金融政策已經(jīng)開始實(shí)施，金融機(jī)構(gòu)要加大這項(xiàng)政策在西部自治區(qū)的覆蓋程度，提高政策的使用效率，為推動地區(qū)經(jīng)濟(jì)發(fā)展貢獻(xiàn)力量。

2．?dāng)U大金融扶貧資源投入力度，尤其是西藏自治區(qū)和廣西壯族自治區(qū)。一方面，加大自治區(qū)金融機(jī)構(gòu)的建設(shè)力度，同時積極引導(dǎo)金融機(jī)構(gòu)向涉農(nóng)貸款方向有所偏移，特別是擴(kuò)大農(nóng)業(yè)發(fā)展銀行和國家開發(fā)銀行等政策性銀行在農(nóng)村地區(qū)的覆蓋密度；另一方面，商業(yè)銀行和其他微型貸款金融機(jī)構(gòu)要對金融扶貧項(xiàng)目有所作為。不能因?yàn)榉鲐氋J款的風(fēng)險較高就產(chǎn)生農(nóng)村貸款的“排擠”現(xiàn)象，這對農(nóng)村經(jīng)濟(jì)發(fā)展將產(chǎn)生嚴(yán)重打擊，造成貧困的“惡性循環(huán)現(xiàn)象”。

3．強(qiáng)化科技對金融業(yè)的支撐力度，加速金融扶貧進(jìn)程。一方面，要加快完善金融與“互聯(lián)網(wǎng)+”相結(jié)合的線上金融服務(wù)模式在藏、新、桂自治區(qū)的覆蓋率，搭建新時代數(shù)字農(nóng)業(yè)金融平臺，同時擴(kuò)大電子銀行產(chǎn)品的使用率，為廣大農(nóng)村居民提供方便、高效的農(nóng)村金融服務(wù)；另一方面，要切實(shí)解決好電子金融服務(wù)的安全問題，不斷提升金融網(wǎng)絡(luò)的防御系統(tǒng)，為農(nóng)村居民提供放心的產(chǎn)品及服務(wù)，從而進(jìn)一步提升金融扶貧整體效率。