藏、新、桂自治区农村金融扶贫效率分析
——基于DEA模型和Malmquist指数方法

朱亚荣

(西藏民族大学 研究生院，陕西 咸阳 712082)

2015年，我国出台《关于打赢脱贫攻坚战的决定》明确强调金融对扶贫的重要作用，学界对此也进行了相关的研究和论证。如：朱若然、陈贵富认为，金融发展规模对减贫有显著影响，金融发展效率越高，贫困发生率相对越低；[1]张雄、张庆红发现金融发展规模对不同贫困地区的扶贫效果不同，西部地区减贫效果相对大于东部地区；[2]谭江华认为推动金融发展有利于培养贫困地区人口的金融素养，拓宽居民的收入渠道，从而发挥减贫效应。[3]

然而，要了解金融扶贫对农村贫困地区的作用，就必须对农村金融扶贫效率进行测评。薛曜祖、毕洁颖等利用DEA三阶段静态分析和Malmquist指数动态分析对中国农村金融扶贫效率进行了实证研究；[4]赵丙奇、李露丹通过构建普惠金融对精准扶贫效果的评价框架，借助熵值法和聚类分析法分析中西部地区扶贫效率的差异。[5]我国西部地区农村贫困问题尤为显著，因此，本文主要分析西部地区中处于边境的西藏自治区(简称“藏”)、新疆维吾尔族自治区(简称“新”)和发展相对快的广西壮族自治区(简称“桂”)的金融扶贫效率。

一、模型理论及设计

本研究主要采用数据包络分析方法(简称DEA三阶段模型)和Malmquist指数分析方法。DEA三阶段模型能较好地评估决策单元效率，既可以测量影响效率因素的问题，也可以消除外部环境影响因素；[4]Malmquist指数分析能从产出—投入比的衡量中，计算决策单元的技术效率变动和技术变化率。

1．DEA三阶段模型

第一阶段：整合原始投入产出数据，借助传统DEA模型进行初始效率评价。本文以投入导向的BC2模型作为藏、新、桂自治区金融扶贫效率分析的基础模型。

第二阶段：运用随机前沿分析方法(简称SFA回归模型)剔除环境和随机误差因素对扶贫效率的影响。构建SFA回归模型，测算第一阶段投入的环境和随机误差因素，并剔除有影响的因子，得到只有管理无效率影响的模型。

第三阶段：整合调整各自治区金融扶贫投入量和原始产出量并进行传统DEA效率分析，得到剔除影响因素后的农村金融扶贫效率值。

2．Malmquist指数分析

DEA三阶段模型衡量了藏、新、桂各自治区金融扶贫效率与前沿面之间的差距。该部分通过构建Malmquist指数，对2010—2019年间各自治区扶贫效率的变化开展动态研究。

本文引用Rolf Fare和Gross kopf构建的Malmquist指数方程进行分析，[6]主要对全要素生产率指数进行测量(Tfpch，简称Tfp)，由技术效率变化指数(简称Effch，用于表示决策单元与科技的结合度)与技术变化指数(简称Tech，用于表示决策单元的现有技术水平)二者相乘得到，其中，技术效率变化指数(Effch)由纯技术效率变化(PE)和规模效率变化(SE)相乘得到。

3．变量选取

本研究在部分学者构建的金融扶贫效率指标体系基础上，结合藏、新、桂自治区金融扶贫特点，选择适合的投入变量、产出变量和环境变量，构建了新的效率评价框架。[4-8]

投入变量(X)的选取。为显示各地区金融机构对扶贫方面的资源投入，主要设定三个投入变量：银行业金融机构从业人数(X1)、营业网点数(X2)和人均涉农贷款(X3)。

产出变量(Y)的选取。为分析各地金融扶贫的效果，主要设定农村居民人均可支配收入(Y1)、农村居民人均消费支出(Y2)和农林牧渔业人均GDP(Y3)。

环境和随机扰动因素(Z)的选取。为了剔除这两项因素对金融扶贫的影响，以便进行对比分析，主要设定地方政府一般公共财政预算(Z1)、粮食总产量(Z2)、居民消费价格指数(Z3)和全社会固定资产投资增长速度(Z4)。

本研究运用IBM SPSS Statistics 22软件，借助Pearson相关性检验方法进行测度，结果见表1。分析可得：三个自治区的投入变量与产出变量之间的相关系数均为正，满足“正向性”关系。同时，除了银行业金融机构从业人数和银行业金融机构营业网点数与农村居民人均可支配收入之间的相关性程度较低外，其余投入变量与产出变量之间的相关性均在5%的显著水平下通过假设检验。

表1 投入指标和产出指标Pearson相关系数分析结果

4．样本选取与数据说明

(1)样本选取。研究选取西藏、新疆和广西三个自治区的金融扶贫效率，数据包括区域金融机构发展数据和农村居民生活水平数据。

(2)数据来源。研究数据主要来源于2011—2020年《中国区域金融运行报告》《中国金融年鉴》、2011—2019年各自治区的《统计年鉴》、各自治区2020年国民经济社会发展统计公报以及国家统计局，其中部分涉农贷款缺失数据运用Excel中趋势线进行预测得出。

二、实证分析

1．基于三阶段DEA的金融扶贫效率静态分析

第一阶段：传统DEA结果

在此阶段运用DEAP 2.1软件进行测算藏、新、桂自治区2010—2019年金融扶贫效率，主要测算指标为全要素生产率(TE1)、纯技术效率(PE1)和规模效率(SE1)(见表2)。在不剔除环境因素和随机扰动项的条件下，藏、新、桂自治区2010—2019年金融扶贫效率的全要素生产率为0.557，距效率前沿面有44.3%的进步空间；此时，纯技术效率均值为0.963，规模效率均值为0.565。对这三个自治区的金融扶贫效率进行对比发现西藏自治区的全要素生产率最高，说明其在这三者之间的金融扶贫效果最好。

表2 2010—2019年藏、新、桂自治区金融扶贫全要素生产率、纯技术效率及规模效率均值

第二阶段：SFA回归结果

将第一阶段决策单元(DUM)中各投入的松弛变量设为因变量、前文中提及的四个环境因素作为自变量，构建SFA回归模型。运用Frontier4.1软件进行分析，计算结果见表3。由表3可知：LR单边检验值在5%的显著性水平下，都通过假设检验，表明可以对决策单元用SFA进行回归分析。选取的四个环境指标同三个投入松弛变量的回归系数大部分通过显著性检验，证明外部环境会对各地区金融机构资金投入产生显著影响。各投入松弛变量的值分别为0.86、0.86、0.72，均在1%的显著性水平下通过检验，说明各自治区管理效率存在显著差异，并对投入变量产生影响。因此，需要运用SFA回归模型将投入变量中的外部因素和管理因素剔除，研究各投入变量的回归系数。

表3 各投入松弛变量的SFA回归分析

第三阶段：修正的DEA测度

据上述SFA前沿测度结果，运用DEAP2.1软件将修正的投入变量和产出变量带入模型中分析，得出新的TE、PE、SE(见表4)。

表4 2010—2019年三自治区金融扶贫全要素生产率、纯技术效率及规模效率均值

对比表2和表4可得，在剔除外部环境因素和随机干扰之后，西藏自治区和新疆维吾尔自治区的全要素生产率和规模效率发生改变，广西壮族自治区的全要素生产效率、纯技术效率和规模效率都发生改变。由此可得，剔除环境和随机扰动项是有必要的，这使得修正后的实验结果更加具有客观性和可比性。

(1)金融扶贫全要素效率分析。通过TE3比较发现，新疆维吾尔自治区金融扶贫效率最好，其次是西藏自治区，最后是广西壮族自治区。从总体平均效率来看，经过模型的修正，均值从0.557上升到0.961，整体金融扶贫效率值有明显上升。(2)金融扶贫纯技术效率分析。这部分衡量了地区金融扶贫政策及提着机制对金融扶贫的影响。由验证结果可得，在未剔除环境因素和随机扰动项之后，广西壮族自治区的PE值上升，其他两地区未发生变化，均达到1。由此得出，金融机构的扶贫机制建设对整体农村扶贫效率的影响较为显著。(3)金融扶贫规模效率分析。这部分主要分析金融机构对扶贫项目的资源投入度对整体扶贫效率的影响。此外，还测量了决策单元目前的运营规模与最优运营规模之间存在的差距，当规模效率值越接近1时，运营规模就越趋向于最优运营规模。[1]通过对比分析，发现新疆维吾尔自治区的金融扶贫规模效率处于第一位。并且，经过模型修正，整体规模效率平均值从0.565上升到0.961。

2．基于Malmquist指数的金融扶贫效率动态分析

此阶段运用DEAP 2.1软件，剔除环境和随机干扰因素，并将调整后的投入变量和初始产出变量代入Malmquist 指数模型中计算，得出具有可比性和客观性的结果，如表5所示。

表5 2010—2019年全藏、新、桂自治区金融扶贫效率的Malmquist指数及分解

由表5可知，2010—2019年间，三个自治区tfpch值都大于1，但各自效率增长均小于10%，其中西藏自治区为9.5%、新疆维吾尔自治区为5.3%、广西壮族自治区为3.9%，表明十年间三个自治区金融扶贫效率增势不明显，扶贫效率偏低。从年均增长率指标分解看，tech值最高且大于1，同时年增长为7.3%；pech值为1，表明在纯技术效率方面三个自治区都处于效率前沿面；effch和sech两个指标均小于1且都等于0.99。可见，综合技术的低效率和金融投入的较小规模是制约金融扶贫效率的主要因素。

三、研究结论

1．从三个自治区金融扶贫的整体效率来看，2010—2019年间，三个自治区金融扶贫平均效率均有所提升，环境因素和随机干扰对其具有显著影响。从DEA三阶段静态分析结果来看，剔除环境变量和随机扰动因素，三个自治区金融扶贫效率有显著提升，结果具有客观性和可比性，进一步反映了环境因素和随机扰动项的影响。从Malmquist指数分析来看，2010—2019年间，三个自治区金融扶贫效率均有所提升，这与我国金融扶贫由大水漫灌向精准扶贫转型有很大关系，[8]也突出了我国扶贫战略的成功。

2．从不同地区金融扶贫效果来看，三个自治区存在一定程度的差异。从DEA第三阶段实证结果来看，新疆维吾尔自治区的金融扶贫效率最好，其综合技术效率、纯技术效率和规模效率均达到1；其次是广西壮族自治区，其规模效率仍有5.3%的提升空间；西藏自治区的的金融扶贫效率最低，其规模效率仍有6.4%的提升空间。从分析动态Malmquist指数实证结果来看，2010—2019年间西藏自治区整体扶贫效率增加最快，其次是新疆维吾尔自治区，最后是广西壮族自治区。

3．金融扶贫环境、金融投入规模和金融技术水平是影响扶贫效率的主要因素。在三阶段DEA静态分析中，第二阶段逐次分析了各投入松弛变量与环境因素之间的回归关系，得出大多数外部环境因素对地区扶贫效率产生显著性影响；第三阶段在剔除环境因素和随机扰动项后，结果显示整体的规模效率偏低。从Malmquist指数动态分析实证结果发现，三个自治区金融扶贫存在整体技术进步匮乏和规模效率较低的现象。

四、对策及措施

1．优化金融扶贫机制，发挥各自治区政府的作用。一方面，政府提供优惠政策，对处于深度贫困地区的农村产业，积极推出财政贴息等政策，同时为银行因风险大不愿提供贷款的农牧户做担保的政策：另一方面，金融机构为农村居民提供优惠的金融服务政策。目前普惠金融政策已经开始实施，金融机构要加大这项政策在西部自治区的覆盖程度，提高政策的使用效率，为推动地区经济发展贡献力量。

2．扩大金融扶贫资源投入力度，尤其是西藏自治区和广西壮族自治区。一方面，加大自治区金融机构的建设力度，同时积极引导金融机构向涉农贷款方向有所偏移，特别是扩大农业发展银行和国家开发银行等政策性银行在农村地区的覆盖密度；另一方面，商业银行和其他微型贷款金融机构要对金融扶贫项目有所作为。不能因为扶贫贷款的风险较高就产生农村贷款的“排挤”现象，这对农村经济发展将产生严重打击，造成贫困的“恶性循环现象”。

3．强化科技对金融业的支撑力度，加速金融扶贫进程。一方面，要加快完善金融与“互联网+”相结合的线上金融服务模式在藏、新、桂自治区的覆盖率，搭建新时代数字农业金融平台，同时扩大电子银行产品的使用率，为广大农村居民提供方便、高效的农村金融服务；另一方面，要切实解决好电子金融服务的安全问题，不断提升金融网络的防御系统，为农村居民提供放心的产品及服务，从而进一步提升金融扶贫整体效率。