我國地方金融監(jiān)管效率分析
——基于三階段DEA模型與Malmquist指數(shù)方法

黃祥鐘 劉 暢

（福州大學(xué)，福建 福州 350108）

一、引言

近年來，我國金融風(fēng)險高發(fā)區(qū)域已出現(xiàn)從傳統(tǒng)金融體系向非傳統(tǒng)金融體系轉(zhuǎn)移的趨勢，P2P網(wǎng)絡(luò)借貸頻繁“爆雷”，非法集資案件數(shù)量增多，地方各類交易所潛藏風(fēng)險隱患不斷顯現(xiàn)。在此背景下，我國各省份地方金融監(jiān)管能力與監(jiān)管需求之間存在較大差距。相對地方金融機(jī)構(gòu)的迅速發(fā)展，地方金融監(jiān)管力量明顯不足。根據(jù)Wind 數(shù)據(jù)統(tǒng)計，截至2020 年底，我國有小額貸款公司7118家，貸款余額8888億元；融資租賃企業(yè)12156 家，融資租賃合同余額65070 億元。基于地方金融組織不斷發(fā)展壯大的背景下，對地方金融監(jiān)管工作提出挑戰(zhàn)。目前，山東、河北、四川、天津、上海等地區(qū)出臺了地方金融監(jiān)管條例，但地方性條例法律依據(jù)層級較低，并且條款具體應(yīng)如何實(shí)施在實(shí)際工作中還難以把握。提高地方金融監(jiān)管效率是解決目前我國地方金融監(jiān)管能力與實(shí)際監(jiān)管需求之間矛盾的一個重要思路。本文結(jié)合三階段數(shù)據(jù)包絡(luò)分析（DEA）模型和Malmquist 指數(shù)方法，分析比較我國各省份地方金融監(jiān)管效率及其變化，以尋求改善監(jiān)管效率的方法。

二、文獻(xiàn)綜述

國內(nèi)外學(xué)者關(guān)于地方金融監(jiān)管的研究大致從監(jiān)管權(quán)力配置、監(jiān)管法律制度和監(jiān)管發(fā)揮作用的途徑等三個方面展開。第一，中央與地方金融監(jiān)管權(quán)力的配置。Haritchabalet et al.（2017）運(yùn)用兩區(qū)域模型分析中央與地方金融監(jiān)管權(quán)利的最優(yōu)配置。Colliard（2020）指出中央與地方聯(lián)合監(jiān)管能達(dá)到效率最優(yōu)。第二，地方金融監(jiān)管的法律制度建設(shè)。馮敏等（2022）指出地方金融監(jiān)管的法律制度建設(shè)較為落后，地方行使金融監(jiān)督權(quán)的法律依據(jù)依舊不完善并且法律支持薄弱。劉志偉（2017）指出中央與地方在地方金融監(jiān)管實(shí)踐中存在監(jiān)管漏洞、執(zhí)法沖突，為保證央地金融監(jiān)管協(xié)同有效實(shí)現(xiàn)，需要輔以相應(yīng)的行政法律責(zé)任。第三，地方金融監(jiān)管發(fā)揮作用的途徑。Blum（1999）認(rèn)為有效的金融監(jiān)管能提高各地商業(yè)銀行的風(fēng)險承受能力，從而維護(hù)金融秩序的穩(wěn)定。馬燦坤等（2021）指出地方金融發(fā)展、監(jiān)管與地方金融風(fēng)險整治之間存在著協(xié)調(diào)性，地方金融風(fēng)險的處置過程會促進(jìn)金融業(yè)的穩(wěn)定與發(fā)展。邱新國和陳明興（2021）通過實(shí)證得出，地方金融監(jiān)管能有效促進(jìn)區(qū)域金融發(fā)展，且二者間呈現(xiàn)“倒U 型”的關(guān)系，即隨著金融監(jiān)管的完善與發(fā)展，經(jīng)濟(jì)發(fā)展速度會相應(yīng)增加，但是嚴(yán)苛的監(jiān)管會限制經(jīng)濟(jì)增長的速度。

現(xiàn)有文獻(xiàn)中，常使用DEA方法對金融機(jī)構(gòu)效率進(jìn)行分析。Mercan et al.（2003）利用1989—1999年土耳其商業(yè)銀行的數(shù)據(jù)，以選定的基本財務(wù)比率作為投入產(chǎn)出指標(biāo)進(jìn)行DEA分析，發(fā)現(xiàn)被政府接管的銀行DEA效率值較低。劉漢濤（2004）運(yùn)用DEA 方法測度我國15 家商業(yè)銀行2000—2002 年的技術(shù)、純技術(shù)和規(guī)模效率，發(fā)現(xiàn)我國銀行存在相對較大的技術(shù)無效率。張健華（2003）在利用DEA 方法對我國三類商業(yè)銀行的規(guī)模、技術(shù)效率進(jìn)行測度的基礎(chǔ)上，應(yīng)用Malmquist指數(shù)分析我國銀行業(yè)效率的變化情況。相較于其他效率分析法，DEA 方法不需要對權(quán)重因素作出假設(shè)，效率評價結(jié)果較為客觀，同時DEA 方法更適合研究多投入、多產(chǎn)出的情況，研究約束較少。但傳統(tǒng)DEA方法沒有考慮環(huán)境因素與統(tǒng)計噪聲的影響，三階段DEA模型能夠分離影響決策單元的環(huán)境因素與隨機(jī)擾動項(xiàng)，使效率測度結(jié)果更為可信，政策含義也更加具體（Fried et al.，2002），這些方法在科技金融效率評價（童紀(jì)新和曹越美，2019）和共享制造業(yè)發(fā)展效率測度（陳俊龍和唐秋，2022）等方面均有運(yùn)用。

綜上所述，目前文獻(xiàn)在討論央地金融監(jiān)管分工與協(xié)調(diào)等方面已經(jīng)有許多成果，但從地方金融監(jiān)管部門的角度出發(fā)對地方金融監(jiān)管效率進(jìn)行評價與研究的文獻(xiàn)仍較為缺乏。本文將運(yùn)用DEA模型分析比較我國各省份地方金融監(jiān)管效率，以尋求改善監(jiān)管效率的方法。本文邊際貢獻(xiàn)體現(xiàn)在：一是對我國各省份地方金融監(jiān)管效率進(jìn)行評價，對現(xiàn)有研究進(jìn)行完善；二是經(jīng)研究發(fā)現(xiàn)，地方金融監(jiān)管效率的差異主要受環(huán)境因素影響，剔除環(huán)境因素后，規(guī)模效率是制約地方金融監(jiān)管效率提升的主要因素，這一發(fā)現(xiàn)具有一定的政策意義。

三、監(jiān)管評價體系的構(gòu)建

DEA 方法對效率的評估結(jié)果在很大程度上受所選取的投入與產(chǎn)出指標(biāo)影響，因此，選擇恰當(dāng)?shù)耐度肱c產(chǎn)出指標(biāo)顯得尤為重要。在張建華（2003）、劉漢濤（2004）等學(xué)者研究商業(yè)銀行效率的文獻(xiàn)中，因商業(yè)銀行為經(jīng)營貨幣的特殊企業(yè)，通常使用生產(chǎn)法、中介法和資產(chǎn)法作為投入與產(chǎn)出的定義方法。本文研究的地方金融監(jiān)督管理局作為非營利性監(jiān)管部門，與商業(yè)銀行有一定區(qū)別，但仍然可以借鑒其中的生產(chǎn)法，即將地方金融監(jiān)督管理局視為地方金融監(jiān)管這一“產(chǎn)品”的生產(chǎn)者，以此作為出發(fā)點(diǎn)選擇投入與產(chǎn)出指標(biāo)。

（一）投入指標(biāo)的定義與選取

本部分結(jié)合各省份地方金融監(jiān)督管理局決算中公布的機(jī)構(gòu)職能，根據(jù)財務(wù)報表中各機(jī)構(gòu)為實(shí)現(xiàn)促進(jìn)區(qū)域金融穩(wěn)定、防范化解金融風(fēng)險、優(yōu)化金融發(fā)展環(huán)境和促進(jìn)金融發(fā)展等職能而產(chǎn)生的支出，選取人員經(jīng)費(fèi)、機(jī)關(guān)運(yùn)行經(jīng)費(fèi)和金融服務(wù)支出等作為投入指標(biāo)。

1.人員經(jīng)費(fèi)。地方金融監(jiān)管部門在人事任用上的直接開支，包括基本工資、績效獎金、培訓(xùn)進(jìn)修費(fèi)用等。

2.機(jī)關(guān)運(yùn)行經(jīng)費(fèi)。為保障地方金融監(jiān)管部門正常辦公與運(yùn)行而用于購買貨物和服務(wù)的各項(xiàng)資金。

3.金融服務(wù)支出。指地方金融監(jiān)管部門在對地方金融組織服務(wù)與管理時發(fā)生的支出，包括公共服務(wù)事項(xiàng)權(quán)限授權(quán)給地方金融組織的支出、出臺行政規(guī)范以及進(jìn)行行政管理與處罰的支出、搭建地方互聯(lián)網(wǎng)服務(wù)平臺的支出等。

（二）產(chǎn)出指標(biāo)的定義與選取

地方金融監(jiān)管目標(biāo)的實(shí)現(xiàn)情況是判斷監(jiān)管活動是否有效的主要依據(jù)，孫鵬和趙維久（2020）的研究指出，金融監(jiān)管的目標(biāo)是緊緊圍繞促進(jìn)金融穩(wěn)定與推動經(jīng)濟(jì)發(fā)展兩方面。因此，本文根據(jù)2017 年全國金融工作會議精神中的“地方政府要在堅持金融管理主要是中央事權(quán)的前提下，按照中央統(tǒng)一規(guī)則，強(qiáng)化屬地風(fēng)險處置責(zé)任”和“引導(dǎo)金融促進(jìn)地方經(jīng)濟(jì)平穩(wěn)增長”這兩項(xiàng)地方金融監(jiān)管工作的要點(diǎn)，從“穩(wěn)定”與“發(fā)展”出發(fā)，選取金融服務(wù)經(jīng)濟(jì)力度、區(qū)域銀行業(yè)發(fā)展水平、區(qū)域證券業(yè)發(fā)展水平、區(qū)域保險業(yè)發(fā)展水平和區(qū)域金融穩(wěn)定水平作為產(chǎn)出指標(biāo)。

1.金融服務(wù)經(jīng)濟(jì)力度。該指標(biāo)用社會融資規(guī)模增量占GDP 比重衡量。社會融資規(guī)模增量是全面反映金融對實(shí)體經(jīng)濟(jì)資金支持的總量指標(biāo)，劉劍平（2020）認(rèn)為這一指標(biāo)可以評價地方金融體系服務(wù)經(jīng)濟(jì)發(fā)展的質(zhì)量與結(jié)構(gòu)，以及地方金融業(yè)態(tài)服務(wù)實(shí)體經(jīng)濟(jì)的能力。

2.區(qū)域銀行業(yè)發(fā)展水平。該指標(biāo)用地區(qū)銀行業(yè)資產(chǎn)收益率（ROA）衡量。該指標(biāo)的高低直接反映銀行業(yè)盈利能力與發(fā)展能力的高低。

3.區(qū)域證券業(yè)發(fā)展水平。該指標(biāo)用地區(qū)上市公司總市值占GDP 比重衡量。仲深和王春宇（2011）指出，地區(qū)證券市場的繁榮程度主要取決于地區(qū)上市公司的發(fā)展，地方證券公司僅起到服務(wù)作用，因此在衡量證券業(yè)發(fā)展總量時采用上市公司總市值占比這一指標(biāo)更具說服力。

4.區(qū)域保險業(yè)發(fā)展水平。該指標(biāo)用地區(qū)保險深度衡量。保險深度是指某地保費(fèi)收入占該地區(qū)生產(chǎn)總值之比，反映該地保險業(yè)發(fā)展水平。

5.區(qū)域金融穩(wěn)定水平。該指標(biāo)用地區(qū)銀行業(yè)撥備覆蓋率衡量。我國金融體系以銀行為主導(dǎo)，在地區(qū)金融體系中，銀行更是占據(jù)主導(dǎo)地位（王擎等，2019），所以地區(qū)銀行業(yè)的風(fēng)險水平基本上可以代表地區(qū)金融風(fēng)險水平。撥備覆蓋率是實(shí)際上銀行貸款可能發(fā)生的壞賬準(zhǔn)備金使用比率，該指標(biāo)可以考察銀行運(yùn)行是否穩(wěn)健、風(fēng)險是否可控。

（三）環(huán)境變量的定義與選取

我國各省份金融發(fā)展水平和法律法規(guī)建設(shè)等方面差異顯著，因此在評價地方金融監(jiān)管效率時，必須考慮外部環(huán)境因素的影響。基于相關(guān)性、代表性和數(shù)據(jù)可得性的原則，結(jié)合我國地方金融監(jiān)管發(fā)展的實(shí)際情況，本文選取7個環(huán)境變量來反映影響地方金融監(jiān)管的外部因素。

1.地區(qū)人均GDP。該指標(biāo)體現(xiàn)地區(qū)經(jīng)濟(jì)總體發(fā)展情況，同時通過控制人口變量體現(xiàn)地區(qū)經(jīng)濟(jì)特點(diǎn)。

2.地區(qū)城市化進(jìn)程。該指標(biāo)用城鎮(zhèn)人口占地區(qū)總?cè)丝诘谋戎睾饬?。城市化與金融發(fā)展存在互動關(guān)系，金融發(fā)展通過促進(jìn)儲蓄向投資轉(zhuǎn)化、提高資產(chǎn)配置效率等促進(jìn)城市化，城市化通過增加地區(qū)人口、人才引入等反作用于金融發(fā)展。

3.地區(qū)市場化率。市場化水平提高有利于發(fā)揮市場機(jī)制作用，推動金融發(fā)展，但同時市場化也可能會放大金融風(fēng)險、影響金融穩(wěn)定。該指標(biāo)來自北京國民經(jīng)濟(jì)研究所編制的各省份衡量市場化相對進(jìn)程指數(shù)體系中的地區(qū)市場化率分項(xiàng)指標(biāo)。

4.地區(qū)政府執(zhí)政能力。政府執(zhí)政水平的高低，直接影響到地方政府職能的發(fā)揮，進(jìn)而影響區(qū)域金融發(fā)展。該指標(biāo)來自北京國民經(jīng)濟(jì)研究所編制的各省份衡量市場化相對進(jìn)程指數(shù)體系中的地區(qū)政府執(zhí)政能力分項(xiàng)指標(biāo)。

5.地區(qū)對外開放水平。該指標(biāo)用各省份進(jìn)出口總額占當(dāng)?shù)谿DP 的比重衡量。較高的對外開放程度使得地方金融監(jiān)管部門的監(jiān)管對象范圍擴(kuò)大，可能導(dǎo)致監(jiān)管內(nèi)容復(fù)雜化和監(jiān)管難度增加，同時對外開放也可能引進(jìn)更為先進(jìn)的管理技術(shù)、優(yōu)秀的人才等，這些最終都會影響監(jiān)管效率。

6.地方財政收支壓力。該指標(biāo)用地方財政赤字率衡量，財政赤字率=（財政支出-財政收入）/GDP。經(jīng)濟(jì)增長與財政赤字存在著相互制約的關(guān)系，適度的財政赤字可以促進(jìn)經(jīng)濟(jì)增長，但如果財政赤字過大或者短期赤字的利用不合理，可能會與貨幣風(fēng)險疊加并通過貨幣乘數(shù)放大金融風(fēng)險。

7.地方政府重視程度。該指標(biāo)用地方金融監(jiān)管支出占財政支出總額的比重衡量。地方金融監(jiān)管部門屬于地方政府的職能部門，具有非營利性質(zhì)，其運(yùn)作資金主要來自政府的財政撥款。地方政府的重視程度和支持力度，將直接影響其監(jiān)管活動的開展力度，進(jìn)而導(dǎo)致不同的產(chǎn)出效果。

人員經(jīng)費(fèi)、機(jī)關(guān)運(yùn)行經(jīng)費(fèi)和金融服務(wù)支出三項(xiàng)數(shù)據(jù)來自各省份地方金融監(jiān)管部門公布的決算數(shù)據(jù)，其他原始數(shù)據(jù)來自Wind 數(shù)據(jù)庫。因部分省份數(shù)據(jù)缺失，本文最終數(shù)據(jù)樣本包括16個省份。

四、模型的構(gòu)建

（一）三階段DEA模型

1.第一階段：傳統(tǒng)DEA 模型。DEA 模型是適用于評價相同類型的、具有多投入與多產(chǎn)出的決策單元（DMU）是否技術(shù)有效的一種非參數(shù)統(tǒng)計方法。DEA模型中的技術(shù)效率（TE）可分解為純技術(shù)效率（PTE）與規(guī)模效率（SE），即：

其中技術(shù)效率（TE）表示在產(chǎn)出一定的前提下投入最小化或投入一定的情況下產(chǎn)出達(dá)到最大化的能力；規(guī)模效率（SE）表示與規(guī)模有效點(diǎn)相比規(guī)模經(jīng)濟(jì)性的發(fā)揮程度；純技術(shù)效率（PTE）表示不考慮規(guī)模因素的效率。

第一階段的DEA 模型分析不能將外部環(huán)境因素、隨機(jī)誤差以及內(nèi)部管理因素對效率值的影響效果分開，此時無法通過測算出的效率值得出是由外部環(huán)境因素造成的低效率，還是由內(nèi)部管理因素和隨機(jī)干擾所導(dǎo)致的低效率。因此，下面進(jìn)入第二階段的分析。

2.第二階段：相似SFA 模型。該部分主要運(yùn)用SFA 模型（隨機(jī)前沿方法）去分解第一階段得到的投入冗余值。第一階段在測算出各個決策單元效率值的同時，還會得到各個決策單元的投入冗余，該冗余即為各個決策單元效率最優(yōu)條件下投入與實(shí)際投入之差。該投入冗余值同時受到外部環(huán)境因素、內(nèi)部管理因素與隨機(jī)擾動項(xiàng)這三者的影響。運(yùn)用SFA 模型可以分解第一階段得到的投入冗余值，得出環(huán)境因素對決策單元投入冗余的影響。

假設(shè)存在n個決策單元，每個決策單元使用m種投入，有p個環(huán)境因素影響投入冗余，據(jù)此建立回歸方程為：

式中，Sik表示第k個決策單元第i項(xiàng)投入的差額值，i=1,2,…,m，k=1,2,…,n。zk=[z1k,z2k,…,zpk]表示p個環(huán)境變量，βi為環(huán)境變量的待估參數(shù)，f i(zk;βi)表示環(huán)境變量對投入差額值Sik的影響方式，一般取f i(zk;βi)=zk βi。vik+uik為復(fù)合誤差項(xiàng)，vik表示隨機(jī)干擾，并假設(shè)；uik表示管理無效率，并假設(shè)uik服從截斷正態(tài)分布，即；vik與uik相互獨(dú)立。當(dāng)趨近于1 時，管理因素的影響占主導(dǎo)地位；當(dāng)趨近于0 時，隨機(jī)誤差的影響占主導(dǎo)地位。

接下來用SFA 的回歸結(jié)果來調(diào)整決策單元的投入，以體現(xiàn)不同決策單元的環(huán)境因素與隨機(jī)擾動的影響。Fried（2002）指出，使各個決策單元處在同一公平的環(huán)境下競爭的方法有兩種：第一種，根據(jù)SFA 回歸結(jié)果的參數(shù)估計決策單元投入低效率的來源與方向，并據(jù)此向下調(diào)整決策單元的投入，數(shù)量取決于它們受環(huán)境因素的影響而處于不利地位的程度。第二種，將處于優(yōu)勢環(huán)境的決策單元投入增加。本文選用第二種方法分析，以避免某種極端的情況下，決策單元投入被調(diào)整為負(fù)的情況。調(diào)整公式如下：

其中，xik為第k個決策單元第i個投入項(xiàng)的實(shí)際值，i=1,2,…,m，k=1,2,…,n，為其調(diào)整后的值；為環(huán)境變量參數(shù)的估計值，為隨機(jī)干擾項(xiàng)的估計值。代表把全部決策單元調(diào)整于相同環(huán)境，代表將全部決策單元的隨機(jī)誤差調(diào)整為相同情形。

3.第三階段：調(diào)整后的DEA模型。將調(diào)整后的投入數(shù)據(jù)與原產(chǎn)出數(shù)據(jù)代入DEA 模型，重新計算各決策單元效率值。三階段DEA 方法的特點(diǎn)體現(xiàn)為：利用投入冗余變量中包含的信息，剔除外部環(huán)境因素的影響，得到只體現(xiàn)內(nèi)部管理水平的效率值；同時，可以通過對第二階段的分析，來考察各個環(huán)境變量對投入的松弛變量的影響程度與方向。

（二）DEA-Malmquist指數(shù)

傳統(tǒng)的DEA 模型是針對某一時間點(diǎn)進(jìn)行效率評價，對決策單元的效率進(jìn)行靜態(tài)分析，無法分析決策單元每一年效率的變化與發(fā)展趨勢。Malmquist生產(chǎn)力指數(shù)用于測量生產(chǎn)效率，是利用非參數(shù)距離函數(shù)衡量一個部門從t時刻到t+1時刻全要素生產(chǎn)率的動態(tài)變化趨勢。Malmquist指數(shù)方法是在傳統(tǒng)DEA方法的基礎(chǔ)上提出的，可以反映效率的時間動態(tài)變化，從而避免時間選擇隨意性的影響（劉蔚玲等，2020）。

該指數(shù)的基本原理如下：假設(shè)共存在n個決策單元，T個生產(chǎn)日期，以t和t+1 表示2 個不同的生產(chǎn)日期，以分別代表時期t(t=1,2,…,T-1)和決策單元k(k=1,2,…,n) 的投入和產(chǎn)出向量，表示以t時期生產(chǎn)前沿面為基準(zhǔn)測算t+1 時期決策單元r生產(chǎn)的DEA 效率，則其t至t+1 時期的Malmquist指數(shù)的計算公式表示如下：

構(gòu)建DEA-Malmquist模型，得到包括全要素生產(chǎn)率指數(shù)、技術(shù)效率變化指數(shù)、技術(shù)進(jìn)步指數(shù)、純技術(shù)效率變化指數(shù)以及規(guī)模效率變化指數(shù)等測算數(shù)據(jù)，其中全要素生產(chǎn)率指數(shù)包括技術(shù)效率變化指數(shù)和技術(shù)進(jìn)步指數(shù)，技術(shù)效率變化指數(shù)又劃分為純技術(shù)效率變化指數(shù)與規(guī)模效率變化指數(shù)。Malmquist指數(shù)大于1（Mr＞1）表示決策單元的生產(chǎn)力在該時期得到改善，Mr＜1則表示決策單元的生產(chǎn)力在該時期呈現(xiàn)衰退狀態(tài)。

五、實(shí)證分析

（一）靜態(tài)分析

本文選取三階段DEA模型來對我國各省份2016—2020年的截面數(shù)據(jù)進(jìn)行靜態(tài)分析。

1.第一階段：傳統(tǒng)DEA模型。表1給出第一階段（傳統(tǒng)DEA模型）整體測算結(jié)果。2016—2020年間各省份地方金融監(jiān)管整體綜合技術(shù)效率均值在0.436至0.747 之間變化，表明整體金融監(jiān)管效率有大幅提升的空間。自2017年起地方金融監(jiān)管部門開始改革重組，到2019年各省份地方金融監(jiān)管改革初步完成，地方金融監(jiān)管局陸續(xù)掛牌成立后，綜合技術(shù)效率開始逐年遞增，從2018年的0.436增長至2020年的0.517，呈現(xiàn)緩慢增長趨勢。

從綜合技術(shù)效率分解來看（見表1），2016—2020年間16 個省份純技術(shù)效率均值在0.560 至0.839 之間，純技術(shù)效率與綜合技術(shù)效率的變化趨勢相符且數(shù)值較低，說明綜合技術(shù)效率均值受純技術(shù)效率的影響較大，意味著各省份整體的資源配置能力和管理水平較低，阻礙綜合技術(shù)效率的提高。2018 年純技術(shù)效率值為0.560，2020 年純技術(shù)效率增長至0.672，說明各省份在地方金融監(jiān)管改革后，資源配置能力和管理水平有所改善。2016—2020 年間各省份規(guī)模效率均值情況較好，均值在0.792 至0.914 之間，規(guī)模效率較高，促進(jìn)綜合技術(shù)效率的增長。

表1 第一階段整體效率

表2 給出第一階段各省份的測算結(jié)果。2016—2020 年間，黑龍江、北京、甘肅和青海的綜合技術(shù)效率值分別為0.948、0.881、0.860 和0.820，均高于0.8，地方金融監(jiān)管效率較好。上海、重慶、廣西、湖南、河南、云南和天津的綜合技術(shù)效率低于0.5。上海的規(guī)模效率為0.478，是造成其綜合技術(shù)效率較低的主要原因，說明上海應(yīng)加大對地方金融監(jiān)管的投入。重慶、廣西、湖南、河南、云南、天津的純技術(shù)效率均低于規(guī)模效率，即純技術(shù)效率低是造成這些地區(qū)地方金融監(jiān)管效率較低的主要原因，說明這6個省份的資源配置能力不足，管理水平較低，需有效提升自身管理能力，將監(jiān)管投入有效轉(zhuǎn)化為產(chǎn)出，提高金融監(jiān)管效率。

表2 第一階段各省份效率值

表3 給出各省份的綜合技術(shù)效率值。從各年份來看，2016 年的效率情況較好，北京、廣東、黑龍江、湖南和甘肅的綜合技術(shù)效率均達(dá)到最高值。但在2016—2020 年間，16 個省份中僅吉林的綜合技術(shù)效率呈現(xiàn)總體上升趨勢，其余均呈現(xiàn)不同程度的波動或下降的趨勢。

表3 綜合技術(shù)效率值

第一階段效率測算的結(jié)果未考慮環(huán)境變量對地方金融監(jiān)管效率的影響，需進(jìn)一步分析剔除環(huán)境變量影響后的各省份金融監(jiān)管效率。

2.第二階段：SFA回歸分析。如表4所示，人員經(jīng)費(fèi)投入松弛、機(jī)關(guān)運(yùn)行經(jīng)費(fèi)投入松弛和金融服務(wù)支出投入松弛的隨機(jī)前沿回歸的單邊似然檢驗(yàn)值（LR）遠(yuǎn)高于臨界值，均在1%的顯著性水平下顯著，整體顯著性結(jié)果證明使用SFA模型是合理的，有必要剔除投入松弛中環(huán)境變量的影響以求得更加準(zhǔn)確的效率值。

表4 投入松弛變量SFA回歸

人員經(jīng)費(fèi)投入松弛SFA 回歸結(jié)果中，地區(qū)人均GDP、地區(qū)市場化進(jìn)程、地區(qū)對外開放水平、地方政府財政收支壓力和地方政府重視程度對人員經(jīng)費(fèi)投入松弛的回歸系數(shù)均在5%水平下顯著，其中地區(qū)人均GDP、地區(qū)市場化進(jìn)程、地方政府財政收支壓力與人員經(jīng)費(fèi)投入松弛的回歸系數(shù)符號為正，說明上述指標(biāo)的上升會造成人員經(jīng)費(fèi)投入松弛的增加，造成地方金融監(jiān)管效率的下降。地區(qū)政府執(zhí)政能力、地區(qū)對外開放水平和地方政府重視程度對人員經(jīng)費(fèi)投入松弛的回歸系數(shù)符號為負(fù)，說明上述指標(biāo)的提升會降低人員經(jīng)費(fèi)投入松弛，表明提高地區(qū)政府執(zhí)政能力、地區(qū)對外開放水平和地方政府重視程度可以減少人員經(jīng)費(fèi)的投入浪費(fèi)，進(jìn)而提升地方政府金融監(jiān)管效率。

機(jī)關(guān)運(yùn)行經(jīng)費(fèi)投入松弛SFA回歸結(jié)果中，地區(qū)對外開放水平、地方政府重視程度與機(jī)關(guān)運(yùn)行經(jīng)費(fèi)投入松弛的回歸系數(shù)符號為負(fù)且有顯著性，說明上述指標(biāo)的提升會減少投入浪費(fèi)，促進(jìn)效率的提升。

金融服務(wù)支出投入松弛SFA回歸結(jié)果中，地區(qū)城市化進(jìn)程、地方政府財政收支壓力、地方政府重視程度與金融服務(wù)支出投入松弛的回歸系數(shù)在1%水平下顯著，地方政府財政收支壓力、地方政府重視程度的回歸系數(shù)為負(fù)，說明這兩個指標(biāo)的提升會減少金融服務(wù)支出浪費(fèi)，促進(jìn)效率的提升。地區(qū)城市化進(jìn)程的回歸系數(shù)為正，該指標(biāo)提升會造成金融服務(wù)支出的浪費(fèi)，進(jìn)而阻礙效率的提升。

綜合上述結(jié)論發(fā)現(xiàn)，地區(qū)政府執(zhí)政能力、地方政府重視程度、地區(qū)對外開放水平通過減少投入松弛，對地方金融監(jiān)管效率具有促進(jìn)作用，而地區(qū)城市化進(jìn)程、地區(qū)市場化進(jìn)程、地方政府財政收支壓力會造成各投入松弛的增加，對地方金融監(jiān)管效率具有抑制作用。第二階段回歸結(jié)果中環(huán)境變量對效率存在影響，需剔除環(huán)境變量后進(jìn)一步對各地的金融監(jiān)管效率進(jìn)行測算分析。

3.第三階段：整體分析。根據(jù)表5的第三階段效率整體測算結(jié)果可知，2016—2020 年間各省份綜合技術(shù)效率年平均值在0.808至0.880之間；綜合技術(shù)效率五年平均值從第一階段的0.566增長至第三階段的0.846，較第一階段有較大增長，說明在剔除環(huán)境變量的影響后，多數(shù)省份的金融監(jiān)管效率上升。進(jìn)一步分析發(fā)現(xiàn)，純技術(shù)效率五年平均值從第一階段的0.673增長至第三階段的0.988，規(guī)模效率五年平均值從第一階段的0.843增長至第三階段的0.856，純技術(shù)效率和規(guī)模效率的增長共同促進(jìn)了綜合技術(shù)效率的提升，其中純技術(shù)效率增長幅度為46.8%。在第一階段整體效率值的分解中可以看出，純技術(shù)效率低于規(guī)模效率，說明是較低的純技術(shù)效率制約了地方金融監(jiān)管效率的提升；在剔除環(huán)境變量影響的第三階段中，可以看出真正制約地方金融監(jiān)管效率提高的是規(guī)模效率。因此，各省份在地方金融監(jiān)管建設(shè)中應(yīng)優(yōu)先考慮繼續(xù)增加監(jiān)管投入，實(shí)現(xiàn)規(guī)模效益。從五年變化來看，綜合技術(shù)效率小幅度波動，在2018 年地方金融監(jiān)管局成立初期以及2020年疫情防控期間環(huán)比下降。

表5 第三階段與第一階段效率測算結(jié)果對比

由表6 的各省份第三階段效率值（五年平均值）可知，第三階段大多數(shù)省份綜合技術(shù)效率較第一階段均有不同幅度的提升，在剔除環(huán)境影響后，地方金融監(jiān)管效率差異逐步縮小，這說明各省份在不受環(huán)境影響的情況下，其地方金融監(jiān)管能力差距較小。其中受環(huán)境影響最顯著的省份為北京，在原有環(huán)境變量的影響下，北京市的金融監(jiān)管效率遠(yuǎn)高于其他省份，而在剔除環(huán)境影響后，北京市的金融監(jiān)管優(yōu)勢相對下降，但仍處在效率較高的前沿面。

表6 各省份第三階段和第一階段效率測算結(jié)果對比

剔除環(huán)境影響后，綜合技術(shù)效率值高于0.9 的省份為北京、上海、黑龍江、甘肅、重慶、湖南，其中北京和上海的效率值達(dá)到1，在沒有環(huán)境因素的影響下，北京和上海的金融監(jiān)管效率凸顯出較強(qiáng)的競爭力。北京、上海的地方金融監(jiān)管改革起步較早，地方金融監(jiān)管經(jīng)驗(yàn)豐富，高素質(zhì)專業(yè)人才較多，在地方金融監(jiān)管上更具優(yōu)勢。綜合技術(shù)效率值低于0.8的省份為江西、青海、廣東、內(nèi)蒙古、廣西、云南，除廣東外，其他省份均為經(jīng)濟(jì)發(fā)展水平較低或相對偏遠(yuǎn)的省份，從這些省份綜合技術(shù)效率拆分結(jié)果看，是較低的規(guī)模效率制約了整體金融監(jiān)管效率的發(fā)揮，說明這些省份應(yīng)進(jìn)一步擴(kuò)展地方金融監(jiān)管規(guī)模，通過增加監(jiān)管投入、增設(shè)分支機(jī)構(gòu)等方式實(shí)現(xiàn)規(guī)模效益，提高規(guī)模效率。

從效率值分解來看，各省份純技術(shù)效率值均在0.95以上，說明目前我國地方金融監(jiān)管部門總體管理水平較高，技術(shù)的創(chuàng)新應(yīng)用能力較強(qiáng)，但各省份的規(guī)模效率均值則差異較大。規(guī)模效率值在0.9以上的省份為北京、上海、黑龍江、甘肅、重慶、湖南，規(guī)模效率值在0.8 以下的省份為青海、江西、內(nèi)蒙古、廣西、云南，這五個省份的規(guī)模效率較低，說明這些省份金融監(jiān)管規(guī)模還有待進(jìn)一步擴(kuò)大，規(guī)模效率提升空間較大。

（二）動態(tài)分析

為了更好地把握地方金融監(jiān)管效率的動態(tài)變化規(guī)律，在上述靜態(tài)分析的基礎(chǔ)上，本文采用Malmquist指數(shù)法，利用三階段DEA 模型中調(diào)整后的投入產(chǎn)出分析我國16個省份2016—2020年地方金融監(jiān)管效率的動態(tài)變化。

1.Malmquist 指數(shù)分析。表7 給出地方金融監(jiān)管的全要素生產(chǎn)率指數(shù)測算結(jié)果。整體來看，2016—2020 年我國各省份全要素生產(chǎn)率下降0.075，均值僅為0.980，表明我國地方金融監(jiān)管效率總體呈下降趨勢。分解來看，技術(shù)效率變化指數(shù)下降0.011，技術(shù)進(jìn)步指數(shù)下降0.065，相比之下，技術(shù)進(jìn)步指數(shù)的降低對全要素生產(chǎn)率提高起主要制約作用。進(jìn)一步分解技術(shù)效率變化指數(shù)，可以看到純技術(shù)效率變化指數(shù)基本保持不變，純規(guī)模效率變化指數(shù)則降低了0.001，說明純規(guī)模效率變化指數(shù)的降低是造成技術(shù)效率變化指數(shù)停滯的主要原因。各省份在2016—2020年對金融監(jiān)管投入不足，資源配置效率較低以至于規(guī)模效率不高，這部分結(jié)論與三階段DEA模型結(jié)論一致。

表7 2016—2020年各省總體地方金融監(jiān)管部門全要素生產(chǎn)率指數(shù)測算結(jié)果

具體到各個年份來看，2016—2017 年全要素生產(chǎn)率指數(shù)為1.043，地方金融監(jiān)管效率水平處在改善與提升的狀態(tài)。2017—2018 年全要素生產(chǎn)率指數(shù)僅為0.900，表明地方金融監(jiān)管效率相較于往年是降低的。2017 年地方金融監(jiān)管部門改革伊始，存在部門職能重疊、專業(yè)人才不足等問題，可能使得監(jiān)管機(jī)構(gòu)不必要投入增加，從而導(dǎo)致監(jiān)管效率降低。2018—2019年，全要素生產(chǎn)率為1.017，表明地方金融監(jiān)管效率相較于往年有所改善。2018年地方金融機(jī)構(gòu)改革基本完成，各省份均已設(shè)立地方金融監(jiān)督管理局，地方金融監(jiān)管制度初步成熟，故而效率有所改善。2019—2020年，全要素生產(chǎn)率為0.968，地方金融監(jiān)管效率降低。2020 年受新冠肺炎疫情的沖擊，地方經(jīng)濟(jì)波動性加劇，地方金融風(fēng)險更為突出，地區(qū)金融監(jiān)管難度加大，導(dǎo)致地方金融監(jiān)管效率下降。

表8 給出各省份地方金融監(jiān)管的全要素生產(chǎn)率測算結(jié)果。Malmquist 指數(shù)大于1 表示地方金融監(jiān)管效率有所改善，包括廣東、上海、吉林和青海等四地。從全要素生產(chǎn)率指數(shù)的分解來看，效率改善主要得益于技術(shù)進(jìn)步指數(shù)的改善，表明這四地管理水平和技術(shù)創(chuàng)新能力在不斷提高。Malmquist 指數(shù)小于1 的省份達(dá)到12 個，表明多數(shù)省份地方金融監(jiān)管效率未得到顯著改善。

表8 2016—2020年各省份地方金融監(jiān)管部門全要素生產(chǎn)率及分解

（三）總結(jié)

根據(jù)以上分析結(jié)果，可將本文研究的16 個省份劃分為四大類：第一類，監(jiān)管效率較高且監(jiān)管效率水平呈上升趨勢的省份，為上海市。上海處在地方金融監(jiān)管的效率前沿面，監(jiān)管狀態(tài)良好，應(yīng)繼續(xù)發(fā)揮其在技術(shù)創(chuàng)新與資源配置方面的優(yōu)越性，成為其他省份地方金融監(jiān)管部門學(xué)習(xí)的典范。第二類，監(jiān)管效率較高但監(jiān)管水平呈下降趨勢的省份，包括北京、黑龍江、湖南、重慶和甘肅。技術(shù)進(jìn)步指數(shù)的降低是導(dǎo)致這些省份地方金融監(jiān)管效率不斷下降的主要原因，該類省份地方金融監(jiān)管部門應(yīng)積極改進(jìn)機(jī)構(gòu)運(yùn)行管理制度，培養(yǎng)高素質(zhì)人才，通過積極搭建互聯(lián)網(wǎng)金融服務(wù)平臺等提高技術(shù)創(chuàng)新能力，以此改善監(jiān)管效率。第三類，監(jiān)管效率較低但監(jiān)管水平不斷提升的省份，包括廣東、吉林和青海。這些省份金融監(jiān)管效率較低，但整體呈改進(jìn)趨勢。第四類，監(jiān)管效率較低且監(jiān)管效率未得到有效改善的省份，包括天津、內(nèi)蒙古、遼寧、江西、河南、廣西、云南和青海。這些省份金融監(jiān)管規(guī)模效率較低，應(yīng)考慮加大金融監(jiān)管支出、完善機(jī)構(gòu)部門建設(shè)，從而提高資源利用效率，改善地方金融監(jiān)管效率。

六、結(jié)論與建議

本文結(jié)合三階段DEA 模型與Malmquist 指數(shù)方法，構(gòu)建衡量地方金融監(jiān)管效率的評價體系，從靜態(tài)和動態(tài)兩個視角分析2016—2020年我國各省份地方金融監(jiān)管效率。研究結(jié)果表明：地方政府重視程度和地區(qū)對外開放水平會降低地方金融監(jiān)管部門的投入冗余，而地區(qū)人均GDP、地區(qū)城市化、地區(qū)市場化和地方政府財政收支壓力則會造成地方金融監(jiān)管部門投入冗余的增加；剔除地區(qū)環(huán)境變量的影響后，真正制約地方金融監(jiān)管效率提升的是較低的規(guī)模效率；不同省份間金融監(jiān)管效率變化差異顯著，我國部分省份地方金融監(jiān)管存在管理低效或監(jiān)管效率未得到有效改善的現(xiàn)象。

針對上述結(jié)論，本文提出如下建議：一是各地要抓緊制定完善地方金融監(jiān)管的法規(guī)制度，使地方金融監(jiān)管活動的開展有據(jù)可依；二是各地要結(jié)合實(shí)際情況適當(dāng)加大對地方金融監(jiān)管的支持力度，包括增加人力資源、增加經(jīng)費(fèi)投入等，使地方金融監(jiān)管部門能力進(jìn)一步提升；三是地方金融監(jiān)管部門應(yīng)通過加強(qiáng)部門分工等方式合理配置資源，并與地方立法機(jī)構(gòu)、地方金融行業(yè)自律組織相互配合，提升規(guī)模效益；四是加強(qiáng)地方金融監(jiān)管的省際交流與合作，管理低效的省份應(yīng)積極與地方金融監(jiān)管高效的省份開展技術(shù)與經(jīng)驗(yàn)交流。