鄉(xiāng)村振興背景下廣西金融扶貧效率與防返貧對策研究
——基于超效率DEA 模型與Malmquist 指數(shù)方法

關荻晨 胡 京 唐景鳳

根據(jù)《中國農村扶貧開發(fā)綱要（2011-2020年）》，廣西共有國定貧困縣28 個，主要分布在滇桂黔石漠化片區(qū)、少數(shù)民族聚居區(qū)和邊境地區(qū)，生態(tài)環(huán)境脆弱、貧困人口多、貧困程度深。截止2020 年11 月，廣西最后8 個深度貧困縣脫貧摘帽，廣西實現(xiàn)所有貧困縣全部“清零”目標。但是解決區(qū)域性的絕對貧困并不等于完全消除相對貧困，農村貧困仍然以多維性、長期性、復雜性的形式存在。對此，黨中央對貧困縣設置五年過渡期，摘帽不摘政策，逐步實現(xiàn)由依靠扶貧資源輸入到貧困人口自我造血。防止大規(guī)模返貧是推進精準扶貧向鄉(xiāng)村振興平穩(wěn)銜接時期的關鍵。

一、金融扶貧效率相關文獻綜述

金融扶貧作為重要的扶貧手段之一，其扶貧效率是學者們的關注重點，主要研究方向集中在金融扶貧效率指標的構建、評價方法的選取以及區(qū)域間金融扶貧效率的比較。

第一，構建金融扶貧效率指標體系。目前國內研究主要通過平衡積分卡、因子分析法、層次分析法等方法進行體系構建，常見體系有普惠金融評價體系和政府績效審計評價體系。具體來看，楊軍、張龍耀等（2016）運用22 個量化指標，通過因子分析法從金融服務的三個維度構建縣域普惠金融評價體系。李寶慶（2017）借鑒平衡計分卡方法從社會、經濟、管理、生態(tài)四個維度建立了金融扶貧績效的33 項評價指標，并按照層次分析法對指標進行賦值、權重分配和標準化。孟志華等（2020）借鑒政府績效審計的5E 審計理念并結合層次分析法進行金融精準扶貧績效評價體系的構建。

第二，對影響地方金融扶貧效果的因素進行分析。對于金融扶貧效果評價方法的選擇主要有回歸分析、聚類分析、包絡數(shù)據(jù)分析等，評價方法選取較分散，傾向性不強。具體來看，楊光凱（2018）使用VAR 模型對貴州省財政扶貧投入效果分析發(fā)現(xiàn)，政府財政的投入對降低貧困率具有正向的促進作用，金融信貸對減貧的貢獻程度較小。杜興洋等（2019）構建DEA－Tobit 模型分析影響湖南省金融扶貧效率的主要因素，發(fā)現(xiàn)農村金融發(fā)展水平的提高、農村產業(yè)結構的優(yōu)化及政府財政政策支持等有利于提高金融扶貧效率，城鄉(xiāng)二元經濟結構則起到阻礙作用。武麗娟等（2018）利用運用Logit 模型和傾向匹配得分法（PSM）對中國西部地區(qū)4976 戶農戶的微觀調研數(shù)據(jù)進行分析，研究表明支農貸款對貧困農戶的收入增加具有負向作用，對非貧困農戶的收入增加影響具有正向作用。由以上文獻可知，對影響地方金融扶貧效果因素的分析主要集中在宏觀層面，微觀層面文獻相對較少。

第三，對金融扶貧效率進行區(qū)域間比較。由于參數(shù)法無法進行區(qū)域間比較，非參數(shù)DEA 方法開始廣泛應用于金融效率評價。陳銀娥等（2018）研究發(fā)現(xiàn)國內各地區(qū)農村金融扶貧效率整體水平不高，并呈“南高北低”“東高西低”的空間非均衡分布，空間分布上具有顯著的區(qū)域聚集效應。包盛（2019）運用超效率DEA 模型發(fā)現(xiàn)，中國金融扶貧效率整體在波動中上升，各省市區(qū)扶貧效率差異顯著，但逐步縮小，規(guī)模效率不高是制約扶貧效率提升的主要原因。陳治國等（2020）運用三階段DEA和Malmquist 指數(shù)方法研究發(fā)現(xiàn)：中、西部地區(qū)金融扶貧效率遠低于東部地區(qū)，但東部地區(qū)綜合技術效率存在地區(qū)異質性。不利的外部環(huán)境因素制約了農村金融扶貧效果的有效發(fā)揮，技術進步是支撐我國農村金融減貧效率的主要因素。

專家們對于金融扶貧效率的研究成果較豐富，從不同的角度、運用多種模型及方法對農村貧困地區(qū)精準扶貧提出了多種測度方法，具有較高借鑒意義。不足在于樣本時間較早、區(qū)域性強，且僅以農村居民人均純收入作為反映貧困的唯一指標，無法體現(xiàn)貧困多維性。此外，針對廣西地區(qū)金融扶貧效率的研究目前研究主要停留在定性分析或者簡單計量分析層面，采用DEA 方法分析較少，也只是靜態(tài)比較分析，實證結果缺乏動態(tài)演變和綜合性研究。因此，本文選擇超效率DEA 模型，基于廣西28 個國定貧困縣2013-2020 年的面板數(shù)據(jù)測度金融扶貧效率，并通過Malmquist 指數(shù)法實現(xiàn)動態(tài)分析，為鞏固脫貧攻堅成果提供經驗證據(jù)，進而提出治理相對貧困和多維貧困的建議，以期為金融支持鄉(xiāng)村振興、防范返貧致貧提供參考。

二、廣西國定貧困縣（市）金融扶貧效率實證分析

（一）研究方法

1.超效率 DEA 模型

論文選用超效率DEA 模型對廣西28 個國定貧困縣金融扶貧效率進行評價。超效率DEA 模型具有能對多個有效決策單元進行排序的優(yōu)勢。設定共有n 個決策單元DMUj（j=1，2，…，n），每個DMU 存在r 個投入變量和s 個產出變量，xj=（x1j，x2j，…xrj）T＞0，yj=（y1j，y2j，…ysj）T＞0，xij 表示第j 個DMU 的第i 個投入量，yij 表示第j 個DMU的第i 個產出量。

2.Malmquist 指數(shù)

Malmquist 指數(shù)是基于距離函數(shù)發(fā)展起來的動態(tài)效率分析方法，能夠隨時間推移對效率的變化率進行比較。根據(jù)Malmquist 指數(shù)模型得出影響效率變化的因素，公式如下：

其中，tfpch、effch、techch、pech、sech 分別代表全要素生產率變化、技術效率變化、技術進步、純技術效率變化和規(guī)模效率變化。技術效率指數(shù)（effch）和技術進步指數(shù)（techch）分別表示各DUM 對應不同時期生產可能集、生產前沿面的技術效率變化情況和移動情況，分別反映金融扶貧資源的配置效率和技術進步對全要素生產率的貢獻。技術效率指數(shù)又可分解為純技術效率指數(shù)（pech）和規(guī)模效率指數(shù)（sech），分別反映在規(guī)模報酬不變情形下，技術效率和規(guī)模經濟對全要素生產率的影響。

（二）指標選取與數(shù)據(jù)來源

1.指標的選?。?）投入指標

基于金融指標體系內涵，選取金融覆蓋度、滲透性和參與度三個維度來衡量平困縣的金融扶貧力度?？紤]到數(shù)據(jù)可得性，用“每萬人銀行網點數(shù)量”來表示金融服務覆蓋廣度，衡量金融服務可獲得性，用“人均各項貸款余額”表示金融服務滲透深度，衡量金融服務支持力度；用“人均儲蓄存款余額”表示金融服務參與程度，衡量金融服務普惠性。具體投入指標如表1 所示。

表1 超效率DEA 模型的投入指標

（2）產出指標

根據(jù)《廣西壯族自治區(qū)精準扶貧研究報告》，排名前3 的貧困戶致貧原因分別是缺資金（31%）、因?。?9%）、因學（13%）。考慮到貧困多維性，通過農村經濟發(fā)展水平、農民收入水平、教育水平和醫(yī)療設施四個維度考察廣西貧困縣（市）金融扶貧的產出情況。其中，農村經濟發(fā)展水平用“人均第一產業(yè)增加值”來衡量，農民收入水平用“農村居民人均可支配收入”來衡量，教育水平用“每萬人普通中學在校生人數(shù)”來衡量，醫(yī)療設施水平用“每萬人醫(yī)療機構床位數(shù)”來表示。具體產出指標如表2 所示。

表2 超效率DEA 模型的產出指標

2.數(shù)據(jù)來源

選取2013-2020 年廣西28 個國定貧困縣的面板數(shù)據(jù)進行實證分析，原始數(shù)據(jù)來源于《廣西統(tǒng)計年鑒》、國研網、《廣西金融年鑒》、廣西各國定貧困縣（市）《國民經濟與社會發(fā)展統(tǒng)計公報》、《中國縣域統(tǒng)計年鑒》和中國銀保監(jiān)會網站。在使用超效率模型時，DUM 數(shù)量應同時滿足兩個條件：（1）不少于投入指標與產出指標數(shù)量的乘積；（2）不少于投入指標與產出指標數(shù)量和的3 倍。本文投入指標數(shù)量為3，產出指標數(shù)量為4，二者數(shù)量之乘積為12、數(shù)量和的3 倍為21，均小于DUM 數(shù)量28，因此，樣本容量滿足要求。

（三）實證結果分析

1.靜態(tài)分析

根據(jù)超效率DEA 模型，運用DEA-SOLVER5.0軟件測算廣西28 個國定貧困縣的金融扶貧效率均值。如表3 所示，從時間序列看，廣西2013-2020年28 個貧困縣金融扶貧效率均值平均數(shù)為0.787，沒有達到效率前沿，2020 年金融扶貧效率均值比2013 年下降6.9%，反映出廣西國定貧困縣金融扶貧資源投入利用程度不足，金融扶貧水平呈波動下降趨勢，金融扶貧沒有達到最佳效果。

表3 2013—2020 年廣西28 個國家級貧困縣（市）金融扶貧效率值表

從縣域角度分析，28 個國定貧困縣（市）中，僅有忻城和凌云縣的金融扶貧效率均值處在效率前沿面上，金融扶貧資源投入合理、利用有效，扶貧效率達到最優(yōu)水平；其余26 個縣（市）金融扶貧效率均值小于1，為金融扶貧效率無效組。將無效組進一步劃分為較高金融扶貧效率組和較低金融扶貧效率組。金融扶貧效率均值高于平均數(shù)0.787 的貧困縣有9 個，分別是都安、西林、三江、昭平、馬山、大化、富川、環(huán)江、樂業(yè)，其中，都安和西林縣金融扶貧資源配置基本合理，均值均在0.90 以上，接近效率前沿面；其余7 個縣的金融扶貧工作也取得較大進步。金融扶貧效率均值低于0.787 的貧困縣有17 個，占比60.71%，分別是隆安、靖西、龍州、田東、上林、田林、巴馬、德保、隆林、天等、羅城、融水、鳳山、那坡、東蘭、金秀、龍勝17 個縣（市），其中，金秀和龍勝金融扶貧資源配置最不合理，扶貧效率均值低于0.6；其余15 個貧困縣（市）金融扶貧效率均值也距離效率前沿面較遠，可以繼續(xù)增加金融資源的投入，進一步優(yōu)化金融扶貧資源配置方式。

從區(qū)域角度分析，如圖1 所示，可以直觀看出廣西國定貧困縣金融扶貧效率均值呈現(xiàn)出“桂中、桂東高，桂西、桂北低”的空間分布特征，桂中地區(qū)和桂東地區(qū)經濟較發(fā)達，區(qū)位更加優(yōu)越，擁有更充分的金融配套支持，組織機構設置上能夠合理優(yōu)化配置資金，因而金融扶貧效率更高。尤其是桂中5 縣（忻城、都安、大化、馬山、上林），金融扶貧效率均值平均數(shù)高達0.909，接近效率前沿，整體遠高于其他地區(qū)。桂西地區(qū)金融扶貧效率均值為0.768，雖然略高于桂北地區(qū)均值0.726，但區(qū)域金融扶貧效率異質性較大，達到效率前沿面的有凌云縣，0.9 以上的有西林縣，但低于0.787 的縣共12 個，占金融扶貧效率較低組的三分之二。桂西和桂北地區(qū)多為石漠化片區(qū)，外部環(huán)境限制了金融扶貧效率，資本運用水平較低，亟需提高農村金融組織創(chuàng)新能力，發(fā)揮金融扶貧機制作用。

圖1 廣西26 個貧困縣金融扶貧效率分布圖

（2）動態(tài)分析

為了對金融扶貧效率變化趨勢進行動態(tài)分析，計算出廣西28 個國定貧困縣（市）2013-2020 年金融扶貧效率均值的Malmaquist 指數(shù)及其分解值。

從分地區(qū)年度均值看，如表4 所示，2013-2020 年，廣西28 個國定貧困縣（市）全要素生產率平均值為0.998，各年平均值變化不穩(wěn)定，呈波動狀態(tài)，整體金融扶貧效率不高。從分解指標上看，技術效率平均增速為0.2%，沒有明顯提升；技術進步平均增速為-0.3%是全要素生產率負增長的主要因素。全要素生產效率值大于1 的年份分別是2013-2014 年、2015-2016 年和 2018-2019 年，其中，2018-2019 年的全要素生產率增幅最大，較上年增長2.4%，是技術效率、技術進步共同增長作用的結果。全要素生產效率值小于1 的年份分別是2014-2015 年、2016-2017 年、2017-2018 年和 2019-2020年，其中，2014-2015 年，全要素生產率達到最低值，只有0.978，主要原因是技術進步增長-2.9%。表4 分年度金融扶貧效率Malmquist 指數(shù)變化的地區(qū)均值及其分解值

全要素生產率（tfpch）2013-2014 0.977 1.038 0.99 0.987 1.011 2014-2015 1.008 0.971 1 1.008 0.978 2015-2016 0.986 1.037 0.991 0.996 1.022 2016-2017 0.998 0.997 1.001 0.997 0.996 2017-2018 1.019 0.981 1.017 1.003 0.999 2018-2019 1.005 1.021 0.998 1.007 1.024 2019-2020 1.019 0.937 0.993 1.025 0.954均值 1.002 0.997 0.999 1.003 0.998年份 技術效率（effch）技術進步（techch）純技術效率（pech）規(guī)模效率（sech）

從分地區(qū)年度均值來看，由表5 可知，2013-2020年，全要素生產率變化均值大于1的貧困縣（市）有12 個，分別是融水、田東、三江、靖西、天等、富川、環(huán)江、上林、凌云、昭平、德保、隆安，說明金融扶貧效率增速是提高的；其余16 個貧困縣金融扶貧全要素生產率變化均值小于1，說明金融效率增速是下降的。28 個貧困縣（市）技術進步與全要素生產率變化基本一致，其余兩個指標對全要素生產率變化有影響表現(xiàn)出靈活性，且影響較弱。

表5 分地區(qū)金融扶貧效率Malmquist 指數(shù)變化的年度均值及其分解值

通過比較不同時間和不同地區(qū)全要素生產率及其分解值變化得知，僅靠簡單粗放的金融資源投入并不能改善金融扶貧效率，忽高忽低的技術管理水平也不利于金融扶貧資源的有效配置，應要加大技術效率改進，并協(xié)調管理規(guī)模經濟，推動技術進步。

DMU 綜合技術效率 規(guī)模效率 全要素生產率富川 1.010 1.032 1 1.010 1.042環(huán)江 1 1.039 1 1 1.038上林 1.014 1.022 1.001 1.012 1.032凌云 1 1.021 1 1 1.021昭平 0.991 1.029 0.994 0.997 1.020德保 1.009 1.005 1.005 1.004 1.012隆安 0.995 1.015 1 0.995 1.004羅城 1.003 0.992 1.008 0.998 0.999龍勝 1.008 0.989 0.996 1.012 0.996忻城 1 0.990 1 1 0.990龍州 0.987 1.006 0.991 0.995 0.989田林 1.026 0.963 1.010 1.017 0.986大化 1.003 0.977 1 1.003 0.979西林 1 0.974 1 1 0.974馬山 1.002 0.968 1 1.001 0.970隆林 1.023 0.948 1.015 1.008 0.969都安 1 0.969 1 1 0.969樂業(yè) 0.990 0.961 0.985 1.005 0.947那坡 1.023 0.929 1.021 1.003 0.946東蘭 0.966 0.976 0.966 1 0.943金秀 0.996 0.937 0.983 1.018 0.931鳳山 0.994 0.928 0.992 1.001 0.920巴馬 0.977 0.936 1.001 0.980 0.915均值 1.002 0.007 0.999 1.003 0.998效率 技術進步 純技術

3.綜合分析

為了能夠直觀地呈現(xiàn)各縣（市）金融扶貧效率和全要素生產率的綜合情況，將金融扶貧效率均值作為橫坐標、全要素生產率作為縱坐標，構建散點圖。由圖2 所示，金融扶貧效率高于均值且全要素生產率大于1 的貧困縣有5 個，分別是凌云、昭平、三江、富川和環(huán)江，其中，凌云縣金融扶貧效率和全要素生產率均大于1，可定義為“最佳型”，其余4 個貧困縣可定義為“較優(yōu)型”，即金融扶貧效率較高且保持平均增速上升。金融扶貧效率高于均值，但平均增速下降的貧困縣有6 個，可定義為“穩(wěn)定型”，分別是忻城、都安、西林、馬山、大化、樂業(yè)。扶貧效率低于均值，但扶貧平均增速上升的有7 個貧困縣（市），分別是隆安、靖西、上林、田東、德保、天等、融水，可定義為“發(fā)展型”。金融扶貧效率低于均值且平均增速下降的貧困縣有9 個，分別是羅城、龍州、田林、隆林、那坡、巴馬、鳳山、金秀、龍勝，這8 個縣可定義為“低效型”。各貧困縣（市）可按照不同類型特征，選擇合適的金融扶貧效率提升路徑。

圖2 廣西28 個貧困縣（市）金融扶貧效率和全要素生產率分布圖

凌云縣作為“最佳型”貧困縣，是開發(fā)性金融支持脫貧攻堅的示范縣，國家開發(fā)銀行廣西分行對其重點領域扶貧建設起到了良好的金融支持作用。后期可以從開發(fā)性扶貧過渡到普惠金融扶貧，全面落實小額信貸政策，建立小額信貸擔?；?，采取直接幫扶、委托幫扶、企業(yè)捆綁幫扶等模式為貧困戶申請小額信貸提供擔保，以此降低小額信貸申請門檻繼續(xù)，保持金融扶貧規(guī)模和技術管理水平。

“較優(yōu)型”貧困縣銀行網點較多，信貸資金投入較大，對資金的管理運用水平良好，故金融扶貧效率較高且逐年上升?！拜^優(yōu)型”貧困縣金融扶貧投入已經能滿足貧困戶最低需求，農業(yè)發(fā)展水平較高，若想進一步提升農戶收益，可以進一步完善政策性農業(yè)保險，并探索“政府+銀行+保險+期貨”的模式，多主體共同分擔農戶從事農業(yè)生產的風險，適當調整扶貧規(guī)模，優(yōu)化技術管理水平，進一步鞏固和強化金融績效。

“穩(wěn)定型”縣金融扶貧效率較高，但是增速較慢。此類貧困縣已有較好的扶貧效果，金融環(huán)境良好，但金融扶貧缺乏后續(xù)動力，需要防范“扶貧內卷”。雖然扶貧資源投入擴大，脫貧數(shù)量增加，但農戶的脫貧意識、勞動技能等并沒有質的提升，導致扶貧陷入“無增長”狀態(tài)。廣西傳統(tǒng)“分貸統(tǒng)還”的扶貧小額信貸模式存在企業(yè)經營風險轉移到貧困戶身上的潛在隱患，無法提升農戶參與積極性，不利于刺激農戶自身發(fā)展動力。因此，需要尋找新的金融扶貧方式刺激增長，如借助互聯(lián)網金融、電商平臺、自媒體平臺等，在農業(yè)生產環(huán)節(jié)形成集采購、種植、加工和銷售“一條龍”的全供應鏈金融服務，形成閉環(huán)；同時增加產品附加值，實現(xiàn)利益共享的合作模式，使扶貧規(guī)模與技術管理水平共同提升。

“發(fā)展型”縣扶貧效率較低但增速較快，金融扶貧資源投入不足，但具有一定發(fā)展?jié)摿?，但需要增強扶貧資金發(fā)放的精準性，防范“精英俘獲”，即非貧困農戶利用農村金融扶貧制度缺陷與信息優(yōu)勢與貧困農戶爭奪低息貸款，使金融扶貧資金無法及時有效地分配到最需要扶持的貧困農戶手中。因此，需要進一步提高金融扶貧資源投入規(guī)模，同時需增強貧困戶獲得金融服務的便利性，設立小微金融機構，避免信息不對稱造成的逆向選擇。建立多元開放的金融扶貧體系，多渠道提供金融支持，不斷降低金融服務交易成本。

“低效型”縣金融扶貧效率較低，且增速較慢。此類貧困縣金融扶貧資金人均占有量不高，村落分布分散，造成金融服務成本高，外部環(huán)境限制了資金難以形成規(guī)模效應。此外，農村空心化與較低的鄉(xiāng)村治理水平，容易陷入人口和技術“貧困陷阱”的惡性循環(huán)中，從而加劇金融資源的不合理配置，導致規(guī)模不經濟。因此，需要正視金融扶貧效率低下的客觀事實，擴大金融扶貧資源投入規(guī)模，努力提高技術管理水平。針對相對深度貧困戶，進行重點幫扶，從社會保障入手，完善醫(yī)療和養(yǎng)老保障，并對家庭基礎設施進行修繕，在精準扶貧與鄉(xiāng)村振興有效銜接中，堅持摘帽不摘責任。

三、結論與政策建議

基于2013-2020 年廣西28 個國定貧困縣數(shù)據(jù)，利用超效率DEA 模型與Malmquist 指數(shù)方法對廣西金融扶貧效率進行實證研究。結果表明：第一，廣西貧困縣（市）整體金融扶貧資源配置效率不高，只有忻城和凌云處于效率前沿面，其余26 個縣（市）均表現(xiàn)出無效率。第二，金融扶貧效率呈現(xiàn)出“桂中、桂東高，桂西、桂北低”的地區(qū)分布特征。第三，廣西全要素生產率平均值變化不穩(wěn)定，呈波動狀態(tài)。全要素生產率大于1 的縣僅有12 個，技術進步負增長是制約金融扶貧效率提升的主要因素。第四，綜合金融扶貧效率與全要素生產率的表現(xiàn)，廣西國定貧困可分為“最佳型”“較優(yōu)型”“發(fā)展型”“穩(wěn)定型”和“低效型”五種類型，不同類型縣域需要因地制宜選擇適合的方式提高金融扶貧效率?！胺€(wěn)定型”縣域應側重于尋找新的金融效率增長點，防范“扶貧內卷”；“發(fā)展型”縣域應注重增強扶貧資金發(fā)放的精準性，防范“精英俘獲”，與“低效型”縣域應及時轉變農村金融扶貧觀念，因地制宜地學習“最佳型”與“較優(yōu)型”貧困縣的金融扶貧經驗，擺脫“貧困陷阱”。

根據(jù)以上結論，提出以下防返貧的建議：

第一，加強金融知識宣傳，規(guī)避“扶貧內卷”。提高相對貧困農戶的財經金融素養(yǎng)，借助鄉(xiāng)村集體組織農戶教育宣傳，家庭持久收入來源于自身努力奮斗，激發(fā)農戶脫貧致富的內生動力。

第二，提高金融扶貧管理技能，抑制“精英俘獲”。借助大數(shù)據(jù)、人工智能、移動互聯(lián)、云計算、物聯(lián)網（“大智移云物”）等新興技術構建金融扶貧管理系統(tǒng)，提升金融扶貧的技術管理水平，做到真正的“精準金融扶貧”。

第三，提高農村金融市場化程度，跳出“扶貧陷阱”。充分滿足相對貧困農戶持續(xù)性的信貸需求，提供多樣化的金融產品與優(yōu)質的金融服務，降低農村金融服務的交易費用，提升農戶金融服務可選擇性。

第四，縮小城鄉(xiāng)差距，緩解“農村空心化”。允許獲得扶貧資金的農戶在城市從事無差別化的投資活動，并享有和城市居民同等的社會福利，通過“涓滴效應”縮小農村與城市居民的收入差距，早日實現(xiàn)共同富裕?！?/p>