經濟新常態下區域金融發展質量動態比較與借鑒

■向 琳

隨著中國“人口紅利”的消失和資本邊際報酬遞減，加上政府主導型投資的不可持續性，中國經濟進入新常態。金融作為現代經濟的核心，其發展質量成為經濟發展方式轉變的重要推動力。同時我們注意到，伴隨著金融改革的深化和發展，各地區金融生態環境呈現較大差異，致使金融資源配置效率的空間布局日趨不平衡。區域金融發展不平衡必然導致宏觀經濟政策的作用機制遭遇區域性結構矛盾，產生不同的區域效應（劉飛，2005）。為了定量分析區域金融發展的不均衡，提高金融發展質量，實現金融業的“又好又快”發展，需要分別對整個國家與各區域金融發展質量進行科學測度，找到影響金融發展質量因素的作用邊界。同時隨著考慮金融發展效率與規模對金融發展質量的貢獻率，需要對指標進行分解，為金融效率低下的區域提出針對性的建議，并對處于效率前沿地區的發展模式進行科學借鑒。

一、理論回顧

現有文獻針對金融業發展質量定量分析理論較少，本文借鑒經濟增長質量分析方法。一般來講，金融業發展動力來自兩個方面：一是增加對金融業的投入，如增加固定資產投資與勞動量的投入；二是提高效率，主要指技術更新、管理水平提高與法律法規完善等。新古典經濟學認為，經濟增長的核心是全要素生產率的增長。全要素生產率衡量的是除勞動和資本以外其他要素所帶來的產出增長率，如技術進步、規模報酬等。最早反映生產率和經濟增長關系的是 Cobb-Douglas函數 （1923），后由 J.Tibergen（1942）引入時間因素，提出全要素生產率，此時生產要素僅包括勞動和資本，后來Davsi(1954)加入了原材料與能源等投入要素。Solow(1957)分離出技術進步對經濟增長的影響，提出 “Solow剩余”。 Christensen、Jorgenson 和 Lau（1973）提出超越對數來測量全要素生產率,并認為生產函數中資本投入量應為投入流量不應為資本存量。此后，學界對全要素生產率做了大量的研究，出現了大量有價值的文獻成果。仔細分析這些文獻，從研究方法上，可以分為三種種思路：增長核算法、時間參數法與前沿生產函數法。(1)增長核算法一般用于計算索洛殘差值，該方法優點是簡單易行，且符合經濟規律。但同時在參數估計、規模報酬和技術外生性方面處理欠佳（段文斌，2009），其測算結果存在較大差別，如鄒至莊(1984)、陳時中(1986)、張軍擴(1991)、郭慶旺等(2005)、涂正革 (2006)認為全要素生產率增長緩慢，而 chow(2002)、張軍(2002)、孫琳琳等(2005)測算結果顯示全要素生產率增長較快。（2）時間參數法一般是先設定回歸方程，用計量方法直接估算全要素生產率。王小魯(2000)估算1953～1999年間中國全要素生產率增長率。張軍和施少華(2003)計算了1952～1998年間中國經濟的全要素生產率及其增長率，認為在改革開放前,中國經濟的全要素生產率波動很大,1978年的全要素生產率水平與1952年相比,不僅沒有增長,反而有所退步。但是在改革后,中國經濟的全要素生產率有了明顯的提高。（3）前沿生產函數法一般包括參數 （SFA）與分參數分析（DEA）方法，該方法能有效排除服從正態分布的誤差項，僅保留偏態分布的殘差值，作為生產效率的近似替代。本文就采用Caves、Christensen和 Diewert(1982)創建的基于DEA的Malmquist模型對各地區金融業全要素生產率進行測算。選擇該模型基于三方面考慮：一是各地區的數據質量問題，用Malmquist指數作了一階差分，各地區的同方向變化將會被消除；二是該模型由于利用時間段上的截面數據進行對比，對指標的選取上較為寬容，放開了指數化過程必須要求所使用的離散數據和時間派生數據近似相等的限定，也沒有對投入產出關系做任何限制；三是Malmquist指數法對全要素生產率進行分解，首先分解成技術效率和技術進步，再把技術效率分解成純技術效率和規模效率，這樣對全要素生產率的分析更加全面。利用MPI分析也有大量較高水平的文獻：如章祥稱和貴斌威(2008),顏鵬飛和王兵(2004)運用DEA法對技術進步和技術效率進行測算,鄭京海等(2005),岳書敬等(2006)應用DEA法對地區全要素生產率進行研究,陶洪等(2007)等對中國工業企業生產率的分析研究。

總體而言，學界研究金融發展質量的文獻比較少，利用全要素生產率分解金融發展質量的更少，在此基礎上進行對比分析的幾乎沒有。從某種程度上講，分析金融發展質量本身就是一種創新。本文在中國經濟新常態的背景下，借鑒前人對經濟發展質量研究成果的基礎上，以金融發展質量為研究對象，對金融區域發展效率與技術進步進行科學的測度與分解，以期得到金融業集約的可持續發展模式，并對經濟轉型提供堅實保障。

二、數據選取與來源說明

本研究旨在分析各地區金融業發展的技術效率與技術進步，所以選擇中國31個省份為研究對象，構成Malmquist分析的基本決策單元（DUM）。在分析全要素生產率值時，Malmquist方法對指標的選取較為敏感，在現有的統計資料中，受到數據可得性的限制，僅能收集到2004～2013年10年間金融業產值、金融業固定資產投資數據，由于對勞動力統計口徑的變化，勞動力統計數據存在兩種情況：一是包括從2004～2013年的金融業城鎮就業人數；二是2002～2008年金融業全社會就業人數，Malmquist分析方法研究對象之間的對比，理論上認為在整個分析過程中指標選取一致，對結果的相對數不會存在較大影響，但會影響金融發展質量及其分解指標的絕對值。為了科學測定兩者分析結果是否存在顯著差異，現用Kolmogorov-Smirnov檢驗和t檢驗對2002～2008年間兩種結果進行檢驗，以期得到科學的指標選取結果。本文計算得到的檢驗統計量近似正態分布，兩樣本K-S檢驗的表達式為：Z=，其中n表示樣本量，D為兩個樣本積累經驗分布函數之差。通過R軟件計算，結果見表1。

表1 Kolmogorov-Smirnov檢驗與t檢驗結果

從表1可以看出，除技術進步指標外，其他指標均不能拒絕兩者來自同一分布的假設。通過對技術進步兩個向量進行分析可以看出，大多數決策單元的技術進步指標趨同，即使有差距數值也不大，所有檢驗存在不同分布。且技術進步可由全要素生產率和技術效率計算而得，全要素生產率和技術效率均不能拒絕原假設，在一定程度上可以認為技術進步也來自同一分布。本文綜合指標數據選擇的科學性、可比性和可得性，選擇金融業城鎮就業人數作為人力投入指標。

本文數據來源于國研網統計數據庫，經整理而得。其中2012年貴州省金融業固定資產投資數據有缺失，通過《貴州統計年鑒》（2013）獲取。

三、實證分析結果

把各投入產出指標帶入方程式中，運用經濟學家Coelli在DOS系統下編寫的包絡數據分析軟件DEAP2.1，以投入為導向，采用可變規模報酬（VRS）模型。

（一）分析結果總體描述

為了直觀地觀察全要素生產率及其分解值的總體表現，根據實證計算結果，制作數據地圖，結果見圖1。

圖1 金融業全要素生產率、技術效率與技術進步數據地圖

從宏觀層面上看，全國金融業全要素生產率、技術效率存在明顯的區域集聚特征，這為本文的區域比較提供了直觀的依據。從省級數據統計分析來看，省級間差異較大，其中全要素生產率最大的是內蒙古，在2004～2013年10年間平均提高了33.8%，高出全國平均水平55.1%，同時高出最低的天津91.8%；內蒙古技術效率值最大，達到了1.292，遠高于全國平均水平0.859，湖北技術效率值最小，僅為0.422；陜西的技術進步值最大，平均上升4.6%，山西的技術進步最小，距離有效前沿14.6%；內蒙古的純技術效率值最大，為1.192，是技術效率的最大貢獻者，江蘇的值最低，僅為0.611；山西的規模效率最高，為1.172，湖北的規模效率最低，僅為0.563，同時規模效率低下是湖北技術效率的最大“累贅”。

（二）全要素生產率及分解值統計特征

我們首先考慮全國31個省份在2004～2013年期間的全要素生產率及其分解值，對相應的統計特征進行描述，并對各指標之間的關系進行梳理。結果見表2。

表2 技術效率與技術進步基本分布特征

從統計特征指標來看，我國31個省份在2004～2013年10年間全要素生產率平均降低了21.3%，且各省之間存在較大差異，方差高達0.206，說明我國各省間金融業發展并不均衡，甚至存在巨大的差距。從全要素生產率分解值來看，全要素生產率低下的原因直接來源于技術效率，平均值僅為0.859，說明我國金融業并沒有充分利用技術進步的優勢（技術進步平均值為1.1%）來提高金融資源配置效率。值得注意的是，技術效率平均值為0.859，中位數為1.079，兩者相差較大，說明省際之間存在較大的不均衡，技術進步在各省之間的傳遞流動不夠充分。從技術效率的分解值上看，純技術效率和規模效率均未達到有效前沿，說明我國在提高金融業管理水平和規范金融業法律法規的同時，提高規模效率才是當前金融業發展的重點。從各指標值達到有效前沿個數與占比上看，僅有54.84%的省份全要素生產率達到有效前沿，其中主要的貢獻是技術進步，技術效率成為全要素生產率的“累贅”，使技術效率成為“累贅”的“累贅”是規模效率的低下，打破金融業的空間集聚，實現區域間均衡發展，提高整體規模效率，是提升當前金融發展質量的重點。

（三）空間上的表現特征

由于區域差距較大，結合圖1數據地圖的結論，本文認為傳統的中東西劃分方法對考慮區域內金融資源配置狀況分析欠佳，現借鑒以前經濟區域劃分成果，按照經濟體之間的緊密程度，分為八大綜合經濟區①東北綜合經濟區包括遼寧、吉林與黑龍江；北部沿海綜合經濟區包括北京、天津、河北與山東；東部沿海綜合經濟區上海、江蘇與浙江；南部沿海綜合經濟區包括福建、廣東與海南；黃河中游綜合經濟區包括陜西、山西、河南與內蒙古；長江中游綜合經濟區湖北、湖南、江西與安徽；大西南綜合經濟區包括云南、貴州、四川、重慶與廣西；大西北綜合經濟區包括甘肅、青海、寧夏、西藏與新疆。，各區域金融發展質量見表3。

表3 全要素生產率及其分解值的區域比較

從區域比較角度來看，區域間金融業全要素生產率存在較大差異，其中全要素生產率最大的是大西南經濟綜合區，全要素生產率平均上升了14.04%，最小的是東北沿海經濟綜合區，全要素生產率平均下降了53.8%。全要素生產率改善的區域有東北經濟綜合區、黃河中游經濟綜合區和大西北綜合經濟區三大區域，全要素生產率在2004～2013年間未改善的區域包括三大沿海綜合經濟區、長江中游綜合經濟區與大西南綜合經濟區。

從全要素生產率分解值來看，全要素生產率主要受到技術效率的影響，技術進步在2004～2013年間均得到了提高，黃河中游綜合經濟區技術進步雖然未達到有效前沿，但距離有效前沿僅為1%，有理由相信區域全要素生產率主要受技術進步的貢獻，這也印證了全國的結論。技術效率與技術進步相關系數為-0.18〈0.3，說明技術效率與技術進步之間不存在相關性。

從技術效率及分解值看，技術效率總體來看均不理想，僅黃河中游與大西北經綜合經濟區達到技術效率動態有效前沿，其他區域均未達到技術效率有效前沿。其中黃河中游綜合經濟區平均提高了8.05%，大西北綜合經濟區平均提高了13.3%，分析兩區域純技術效率和規模效率可以看出，兩區域技術效率的提高得益于投入要素的合理與規模的適當，且作用力相當。

為了深入探究技術效率未達到有效前沿區域的原因，現將未達到有效技術前沿的地區分為兩個梯隊：第一梯隊是偏離有效前沿較大的地區，包括三大沿海綜合經濟區；第二梯隊是技術性效率偏離有效前沿不大的地區，包括東北綜合經濟區（0.9913）、長江中游經濟區 （0.9463）與大西南綜合經濟區（0.9350）。第一梯隊主要受制于規模效率的低下，說明沿海地區金融機構已經超出了最佳生產規模的階段，所以應該引入金融市場的競爭機制，縮小單個金融機構規模，增大競爭性金融機構數量。這也驗證了潘英麗（2003）的結論，她通過實證分析認為金融機構空間聚集可能存在負聚集效應，效應不經濟主要體現在昂貴辦公樓租金、時區差別、信息成本增加、市場供給能力過剩，影響了金融業過度競爭，導致了平均利潤率下降。除了規模效率的低下，沿海地區金融效率還存在投入產出的不合理性，金融業的發展還處于粗放式階段，產出的增加主要依靠投入的增加，而這樣的投入理論上應該有更多的產出。該觀點同時也得到了部分學者的證實，如張清正（2013）認為金融資源逐漸向沿海集聚，中西部省市的金融資源則大量流出，金融資源空間集聚的“黑洞效應”顯現，致使沿海地區金融業規模不經濟。第二梯隊主要受到規模效率的影響，與第一梯隊中規模效率低下不同的是，第二梯隊中規模效率低下的原因是規模經濟未能體現，應該擴大規模以追求規模經濟。第二梯隊中東北綜合經濟區應該提高金融業管理水平和完善相應法律法規，距離有效前沿僅有1.1%的距離；長江中游與大西南綜合經濟區的純技術效率均達到了有效前沿。

四、結論

本文對中國金融發展質量進行實證分析，研究了31個省份在2004～2013年間金融業全要素生產率的動態變化，并對區域間進行對比分析，研究發現：

1.全國金融業發展質量、技術效率存在明顯的區域集聚特征，各省間金融業發展并不均衡，甚至存在巨大的差距。金融發展質量中技術進步的貢獻率較高，技術效率與技術進步之間不存在相關性。

2.我國金融業并沒有充分利用技術進步的優勢來提高金融資源配置效率，且省際之間存在較大的不均衡，技術進步在各省之間的傳遞流動不夠充分。

3.技術效率低下是制約金融發展質量的主要因素，規模效率的低下是技術效率低下的主要因素，打破金融業的空間集聚，實現區域間均衡發展，提高整體規模效率，是提高當前金融發展質量的重點。

4.較高金融發展質量的區域得益于投入要素的合理性和規模的適當，且兩者作用力相當。

5.金融發展質量期間未改善的區域中，第一梯隊（三大沿海綜合經濟區）金融機構已經超出了最佳生產規模的階段，所以應該引入金融市場的競爭機制，縮小單個金融機構規模，增大競爭性金融機構數量。第二梯隊（東北、長江中游與大西南綜合經濟區）規模效率低下的原因是規模經濟未能體現，應該擴大規模以追求規模經濟。

[1]陸遠權，張德鋼.我國區域金融效率測度及效率差異研究[J].經濟地理，2012，(01)：96～101.

[2]劉秉鐮，李清彬.中國城市全要素生產率的動態實證分析：1990～2006[J].南開經濟研究,2009，(3):139～152.

[3]傅勇，白龍.中國改革開放以來的全要素生產率變動及其分解（1978～2006 年）[J].金融研究，2009，(7):38～50.

[4]WILLIAM W.COOPER，LAWRENCE M.SEIFORD，KAORU TONE.Data Envelopment Analysis（2nd）[M].Springer Science& Business Media，LLC,2007:330～331.

[5]鄭玉歆.理解全要素生產率[D].中國社科院數量經濟技術經濟研究所工作論文，2007:1～9.

[6]王小魯等.中國經濟增長方式轉換和增長可持續性[J].經濟研究，2009，(1):4～16.

[7]Jefferson D.W.Gary H.Behind the Open Door:Foreign Enterprises in the Chinese Marketplace[J].Institute for International Economics，Working paper,2000:2～16.

[8]劉建國等.中國經濟效率和全要素生產率的空間分異及其影響[J].地理學報，2012，(8):1069～1084.

[9]潘英麗.論金融中心形成的微觀基礎——金融機構的空間集聚[J].上海財經大學學報，2003，(2)：50～57.