基于窗口參比Malmquist指數的農村金融支農效率分析

吳劉杰 張金清

基于窗口參比Malmquist指數法，采用全國31個省市2009—2016年的面板樣本數據，實證檢驗了全國農村金融支農效率。研究發現：（1）農村金融支農的全要素生產率整體是下降的，但有不斷改進的趨勢；（2）農村金融支農的全要素生產率下降既有技術變化的因素，也有效率變化的原因；（3）絕大多數省市農村金融仍處于規模效率狀態；（4）全國四大區域農村金融支農效率差異較大，東部、西部、中部及東北地區技術變化指數依次遞減，且每個區域各省份之間也存在差異。因而，有效提升農村金融支農效率，必須強化技術創新，提高農村金融要素的集約化利用效率，立足服務農村經濟發展需要，多維度推動農村金融供給側結構性改革。

十九大報告首次提出堅持農業農村優先發展和鄉村振興戰略，2017年中央農村工作會議專門部署了鄉村振興戰略的目標和實施路徑，為當前和今后一段時期的三農工作指明了發展方向和工作綱領。農村金融是農村經濟的核心，農業農村發展離不開農村金融的支持，農村金融亦是我國金融體系中最為薄弱的一環，因而，支持農業農村優先發展和鄉村振興戰略的有效落地，必須加快農村金融發展，加強農村金融研究。由于農村金融支農效率是正確理解并解決當前我國農村金融存在的深層次矛盾和問題的核心［1］，所以研究農村金融問題的重點在于關注農村金融支農效率。基于這一邏輯思路，本文以全國31個省市的農村金融支農面板數據為研究對象，分析農村金融支持農業發展的內在機理，并實證檢驗農村金融支農的效率變化，進而提出提升農村金融支農效率的對策建議，以期對完善我國農村金融服務體系、優化農村金融資源配置、提升農村金融支農效率帶來參考與啟示。

一、文獻綜述

發達經濟體城鄉一體化程度較高，不存在二元經濟現象。針對農村金融效率的研究主要集中于發展中國家。比如，Siamwalla et al.對泰國正規農村信貸的效率研究發現，泰國正規農村信貸效率不高的主要原因是信息不對稱。［2］Paxton認為墨西哥農村金融效率低下是由金融制度性因素導致的。［3］我國作為最大的發展中國家，具有典型的二元經濟狀態。因而，農村金融效率也是廣大理論工作者和實務工作者關注的重點課題。針對這一課題，諸多學者的研究主要集中于宏觀農村金融效率和微觀農村金融效率。

從中國農村金融效率宏觀層面研究來看，主要著眼于農村金融支農效率研究。具體而言，部分學者認為農村金融效率整體水平較低。［4-6］溫紅梅等以2010年全國2001個縣級數據為基礎,運用四階段DEA方法對縣級市及縣城的投入產出指標及外部環境因素共計30015個數據進行實證分析,結果發現我國農村金融整體處于低效狀態,且明顯受到外部環境的影響。［5］張永剛和張茜基于資源配置效率角度,運用DEA方法實證研究了中國農村金融效率，認為農村金融促進農村經濟增長的效率欠缺,且農村金融技術效率受外部環境較大制約。［6］鑒于我國區域發展不平衡的狀態，我國農村金融效率也呈現出明顯的區域差異。黎翠梅和曹建珍指出，我國不同區域的農村金融效率差異顯著，東部地區的農村金融效率總體上高于中西部地區，同時中部地區農村金融效率具有典型的“塌陷”特征。［7］張一青和彭非運用四階段DEA-Tobit方法，對我國31個省級行政區的農村金融效率進行了實證研究，結果發現西部地區農村金融綜合效率遠遠低于東、中部地區。［8］杜偉岸等在數據包絡分析模型基礎上考慮環境因素，對我國省際農業保險財補政策方面進行效率評價，結果認為，我國農業保險財補總體效率較高，但西北五省除新疆外的其他地區效率普遍偏低；效率最低的省份還包括江西和浙江兩省，兩省效率低的原因具有差異性。［9］曹靜等利用面板數據，實證研究了我國1991—2011年農業資本配置效率與農村金融發展的相關性，發現農業資本配置效率呈東、中、西梯度遞減特征，且農業資本配置效率的地區差異隨著農業經濟發展而縮小。［10］關于中國農村金融微觀層面的研究，主要考察農村金融機構的經營效率。部分學者對村鎮銀行和小貸公司經營效率進行了實證研究。［11-12］但對農村金融經營效率的研究多集中于農村合作金融機構。如，李敬和陳澍基于西部地區311個鄉鎮農村信用社的調查資料，運用排序多元選擇模型對農村信用社運行績效及影響因素進行了實證研究，結果發現農村信用社的運行績效整體處于中偏差的狀態，而影響其運行績效的主要因素是人力資本結構、農戶信用體系建設、農村信用社的治理結構及運營方式等因素。［13］

金融系統復雜性、農業產業特殊性和二元經濟結構典型性的疊加使得我國農村金融問題更為凸顯。［14］已有研究主要集中于宏觀層面或微觀金融機構主體的效率問題，取得了一定成果，對我國農村金融效率提升具有一定價值。但是，相對于我國廣大農村區域的復雜性和不同地方的特殊性，現有研究的指導意義尚有不足。因而，本文基于全國農村金融支農的面板數據，探討全國及不同區域的農村金融支農效率，總結全國農村金融支農效率提升的共性因素，為不同區域在促進農村金融效率提升過程中，相互借鑒學習，提供實證依據，以進一步強化鄉村振興的農村金融支持。

二、農村金融支持農業發展的內在機理

農業發展離不開資金的支持。農村金融在農業經濟發展中扮演著舉足輕重的地位。在我國金融實踐中，農業金融機構主要包括銀行、證券、保險三類金融機構，其各有支持農業發展的內在機制。

（一）銀行機構

銀行業機構是支持農業發展的主要金融機構。在我國主要涉農銀行業機構中，既有農村信用社、農村商業銀行、農村合作銀行等農合金融機構，也有農業銀行、郵政儲蓄銀行等股份制銀行，又有農業發展銀行等政策性銀行，還有村鎮銀行等新型農村金融機構。農業經營者的資金需求多具有季節性、周轉慢等特點，而農業貸款也具有高風險的特征。因而，銀行業機構支持農業發展更具有履行政策性義務的內在要求。銀行業支農的重點方式就是提供信貸支持，主要包括抵押、擔保、信用等貸款類別。從抵押角度來看，農業經營者提供有效抵押物給銀行，然后從銀行獲得貸款資金，以用于農業生產。從擔保角度來看，當農業生產者缺少抵押物時，由第三方為其提供擔保后，方可獲得信貸資金，從事相應的農業生產活動。從信用角度來看，農業生產者沒有抵押物且沒有第三方提供擔保時，如果擁有良好的信用，則可以向銀行申請無抵押、免擔保的信用貸款，用以相應的農業生產生活。

（二）保險機構

作為弱質性產業，農業容易受自然災害的影響。我國作為自然災害多發的國家，不僅農作物易受到自然災害的影響，養殖業也易受到自然災害、傳染性疾病等因素帶來的不利影響。若農業生產者參加農業保險，則當風險事件發生時，農業生產者可以獲得由保險人提供的損失補償，有利于農業生產者迅速恢復再生產。同時，建立良好的農業保險體系，相當于為信貸的介入提供了一種催化劑，可以更大范圍地撬動信貸資源進入農業領域。［15］因為，保險能夠起到類似抵押物的作用，使貸款違約率降低，從而促進銀行增加信貸供給。［16］

（三）證券機構

證券機構可以支持符合上市條件的農業企業在資本市場上市融資，或者支持相關農業企業在債券市場發行債券進行融資。而對于已上市農業企業而言，可以通過再融資方式獲得發展所需資金。對于農產品期貨市場而言，由于具備價格發現功能，能夠幫助農民調整農產品種植結構，增強生產預見性；也可以幫助市場參與者改善經營和保值避險；還能夠促使農產品流通國際化和農業生產標準化。［17］

在我國,農村金融支農政策具有顯著的政策化屬性,因而農村金融資金的使用效果受到政府管理效能、地區自然稟賦、金融系統的運行狀況等因素影響，存在地區差異。但是，隨著宏觀經濟環境改善以及農業生產水平的提高，農村金融支持農業發展的效率即農村金融支農效率從理論上應該獲得相應的改善。這也是筆者進行實證分析的理論前提。

三、研究設計

（一）樣本選擇

鑒于整體研究農村金融的支農效率，在樣本選擇上，先把全國農業金融效率作為研究對象，在此基礎上，考察了東部、中部、西部、東北四大經濟區域及區域內不同省份的農村金融支農效率。

（二）數據說明

在金融機構類型劃分中，主要包括銀行、證券和保險三類。而在農村尤其中西部農村金融中，農村證券所占份額相對較少，且統計數據缺乏，因此，本課題研究中忽略農村證券對農業經濟的影響，僅考慮銀行和保險業對農業經濟的影響。在指標選取上，借鑒已有文獻［9］［18］，選取涉農貸款和農業保險保費收入作為投入指標，將農林牧漁業總產值作為產出指標。數據主要來源于wind數據庫、《中國保險年鑒》和中經網統計數據庫。

表1 投入產出指標及數據來源

從2009—2016年全國涉農貸款、農業保險保費收入與農林牧漁業總產值變化趨勢看，農村金融投入增加的速度快于農林牧漁業總產值增加速度，意味著單位農林牧漁業總產值的增加需要單位農村金融資源的投入量增多，即單位金融資源投入的邊際產出減少。

圖1 全國涉農貸款、農業保險保費收入與農林牧漁業總產值變化趨勢

（三）模型介紹

在效率評價研究中，近年來越來越多學者采用工程效率的評價方法即數據包絡分析（Data Envelope Analysis,DEA）,該方法是用于評估評價單元相對有效性的非參數技術效率分析方法,不要求具體的模型設定，適用范圍較廣，從而得到了廣泛應用。因而本文借鑒相關文獻，對農村金融支農效率的評價采用DEA-Malmquist指數法進行分析。Malmquist指數（Malmquist Indix，MI）最初是由瑞典經濟學家Sten Malmquist在1953年提出，此后學者們不斷對該方法進行改進和拓展。Caves等在1982年開始將這一指數應用于生產效率變化的測算，F?re等在1994年將這一理論的一種非參數線性規劃法與DEA理論進行了結合，并將Malmquist指數分解為技術變化指數（technological change,TC）和效率變化指數（efficiency change，EC）。［19］EC用以評價DMU在兩個時期的技術效率變化，TC用以評價生產前沿面的變動情況。其中效率變化指數又可進一步分解為純效率變化指數（pure efficiency change,PEC）和規模效率變化指數(scale efficency change,SEC)。F?re等人的改進，使Malmquist指數法引入了適當的動態DEA模型進行決策綜合效率評價，可以對決策單元進行充分評價和排序，并能定量指出系統如何不斷優化結構、提高投入產出效率的發展途徑，以指導決策者進行決策。由于Malmquist指數法能夠較好刻畫經營效率的動態變化，同時可以對得出的經營效率值進行排名，使其成為許多學者研究動態效率時的首選方法。基于Malmquist指數法的上述諸多優勢，本文選用該方法考察農村金融支農效率。

Malmquist指數構造的基礎是距離函數（distance function），距離函數為DEA理論中C2R模型和BC2模型效率值的倒數。假定規模報酬不變,t期技術條件下,決策單元的輸入指標x和輸出指標y從t期到t+1期的技術效率的變化為在t+1期的技術條件下，從t期到t+1期的技術效率的變化為則Malmquist指數（MST或MI）可以表示為：

根據Ray和Desli的分解模型［20］，Malmquist指數可以進行如下分解：

其中：Malmquist指數是衡量全要素生產率①從t期到t+1期的動態變化指數。該指數值大于1，表明從t期到t+1期全要素生產率有所提高；該指數值等于1，表明從t期到t+l期全要素生產率不變；該指數值小于1，表明從t期到t+l期全要素生產率呈下降趨勢。

效率變化指數（EC）表示從t期到t+l期每個觀察對象相對于生產前沿的追趕程度，即在t期至t+l期的技術效率變動程度，反映了在給定投入的情況下被評價對象獲取最大產出的能力，代表了各種生產要素的集約利用效率。EC＞1表示技術效率改善，EC＜1表示技術效率惡化。

TC表示t期到t+1期的技術變化指數，表示決策單元在t期到t+1期生產前沿面的移動，反應技術進步或創新的程度。TC＞1表示生產邊界外移，即整體技術進步；TC＜1表示生產邊界向原點移動，即整體技術衰退。

PEC表示一定資源的投入獲得相應產出的能力，PEC＞1表示相應年份技術進步，PEC＜1表示相應年份技術滯后。

SEC表示擴大資源投入相應擴大產出的能力，SEC＞1說明投入規模相應不足，SEC＜1說明投入資源過度，導致規模效率下降。

為有效擴展Malmquist指數的應用，部分學者將窗口DEA應用于Malmquist構造了窗口Malmquist模型，將多個時期構成的窗口作為參考集，窗口的構成由窗口寬度（d）和偏移量（f）決定。具體而言，窗口Malmquist模型使得參考集內的數值點（一個數值點看作一個“DMU”）的數量成倍增加，解決了DMU數量不足的問題，擴展了DEA方法在地市級政策效果評價中的應用。根據經驗分析，選擇窗口寬度為3，能夠減少測量誤差，實現可信度和穩定性的平衡，效率值更接近實際情況。［21］因而本文選取d=3的窗口前沿交叉參比Malmquist指數法（兩個Malmquist指數的幾何平均）進行實證研究。其中，Et(xt,yt)和Et+1(xt,yt)為某一評價單元在兩個時期的技術效率值。

即Malmquist指數為效率變化和技術變化的乘積。

四、實證分析

依據窗口參比Malmquist指數法及上述樣本數據，測算了全國31個省（市）2009—2016年農村金融支農的全要素生產率及其分解變化，進而全面深入分析其變化情況（見表2）。

（一）全國農村金融支農的全要素生產率變化趨勢

根據表2結果可以發現：從樣本期均值看，全國農村金融支農的全要素生產率整體下降，年均下降8.82%的幅度，且29個省級區域的全要素生產率也是下降的。這說明全國農村金融支農效率整體是下降的，原因或許在于相關制度未充分調動各類農村金融資源支持農業發展的積極性。從樣本期全要素生產率年度變化來看，近年來全國農村金融支農的全要素生產率在不斷改進，其中全國農村金融支農的全要素生產率的下降幅度由2011—2012年的17.93%變為2015—2016年的7.49%，同時，31個省級單位中全要素生產率大于1的省級單位也由2012—2013年的0個變為2015—2016年的8個。這說明全國農村金融的支農效率存在改進，主要原因在于近年來金融支農力度加大和金融精準扶貧政策的持續推進。

（二）全國農村金融支農的全要素生產率的分解變化趨勢

為有效揭示影響全要素生產率變化的內在原因及存在差異性，本部分將從時間和區域角度分別探討農村金融支農的全要素生產率分解變化趨勢。

1.基于時間角度的全國農村金融支農全要素生產率變化分解。根據表3結果可以發現：2011—2012年后全國農村金融支農的TC值均小于1，說明導致全要素生產率下降的主要原因在于技術下降，即金融支農技術落后，主要包括農村金融結構不合理、農村金融創新能力弱、農村金融資源流向非農產業等問題，比如，名義上為涉農貸款，實際上將資金投資于房地產或資本市場來牟利。從EC指標來看，除2012—2013年、2013—2014年與2015—2016年外，其他時間段EC是小于1的，說明整體上農村金融要素的集約利用程度不高。通過對EC指標的進一步分解發現，除2013—2014年與2015—2016年外，樣本期PEC指標均小于1，這說明存在農村金融相關的制度運行效率不高，經營管理能力不強等問題；而除2009—2010年、2011—2012年的SEC指標小于1外，其余年份SEC指標均大于1，這表示依靠金融資源的投入規模能夠有效支持農業生產。但是，各方需要注意規模效應遞減帶來的問題，應持續提升金融支農技術，提升資源的集約化利用程度。

表2 全國農村金融支農全要素生產率變化

表3 基于時間角度的全國農村金融支農全要素生產率變化分解

2.基于區域角度的全國農村金融支農全要素生產率變化分解。根據表4結果，可以發現：從四大經濟區域來看，東部、西部、中部及東北地區的TC值有遞減趨勢，這說明東部、西部、中部及東北地區的農村金融技術進步程度是遞減的。但是，除東部地區外，其他三個區域SEC均大于1，這說明東部地區金融支農技術創新具有相對優勢，而其他區域主要側重于依靠規模促進支農效率提升。同時，各區域EC與PEC均值都小于1，這說明全國各區域均有待于持續提升技術進步程度，不斷提高金融資源的集約化利用程度。從各區域內部來看，浙江是東部地區乃至全國TC值唯一大于1的區域，說明浙江農村金融創新在全國領先。西部地區重慶、貴州的EC、PEC和SEC均大于1，且這兩個區域MI值是西部乃至全國大于1的兩個省市，原因或許在于重慶地票制度及貴州農村金融改革②極大推動了相關要素資源的利用效率。中部、東北地區農村金融發展主要體現在規模效率上，尤其是東北三省的SEC均大于1，這說明該地區應持續增加農村金融要素的規模。總體來看，全國各省域農村金融支農效率差異較大，存在顯著的農村金融發展不平衡問題。原因或許在于各省域農村金融資源稟賦、金融創新能力、地方政府重視農村金融程度、農村金融機構管理者素質等因素的差異。

五、結論與建議

本文基于窗口參比Malmquist指數法，采用全國31個省市2009—2016年的樣本數據，實證分析了全國農村金融支農效率。研究發現：（1）農村金融支農的全要素生產率整體呈下降態勢，但具有不斷改進的趨勢；（2）農村金融支農的全要素生產率下降既有技術變化指數的因素，也有效率變化指數的原因；（3）絕大多數省市農村金融仍處于規模效率狀態；（4）各區域農村金融支農效率差異較大，東部、西部、中部及東北地區技術變化指數依次遞減，且每個區域各省份之間存在差異。

表4 基于區域角度的全國農村金融支農全要素生產率變化分解

根據研究發現，筆者認為有效提升農村金融支農效率，必須強化技術創新，擴大農村金融投入規模，提高農村金融要素的集約化利用效率，而這需要金融機構、監管機構與政府機構的多方合力，立足服務農村經濟發展需要，多維度推動農村金融供給側結構性改革，以加大金融支農的精準度。因此，首先，金融機構應提升自身經營管理水平。涉農金融機構應以農業供給側結構性改革為主線，聚焦新型農業經營主體、綠色農業和特色農業，持續更新現代金融服務技術，不斷加大產品和服務模式的創新。同時，涉農金融機構應對標同業先進銀行，改進自身服務模式，提升自身公司治理水平，完善激勵約束機制，健全全面風險管理體系。其次，監管機構應加強金融支農的有效監管。監管機構應不斷完善相關數據統計制度，健全涉農機構的支農考核辦法，引導金融機構持續加大投入農村領域的金融資源規模，并加大對涉農資金違規流向非農產業的懲罰力度。在監管政策制定上，也應充分考慮農業的弱質性，適度向農村金融機構進行政策傾斜，比如在支農再貸款利率、扶貧再貸款利率、增值稅抵扣項目、存款保險費征收等方面給予農村金融機構優惠政策。最后，政府機構應健全支農政策。政府部門應厘清與市場的職責邊界，著力完善相關涉農制度建設，比如農地“三權”分置、林權制度改革、農村產權交易制度等。還應持續加大財政支農力度，如在財政資金主導下設立各類涉農產業引導基金。同時，要積極帶頭并組織相關涉農服務機構向先進地區學習經驗。

注釋：

①文中全要素生產率表示農村金融投入產出系統中管理效能、技術進步、資源配置等因素綜合作用下的效率，在模型函數中用距離函數度量。

②依據《國務院關于進一步促進貴州經濟社會又好又快發展的若干意見》(國發〔2012〕2號)，貴州專門出臺《貴州省人民政府關于進一步深化農村金融體制改革的指導意見》（黔府發〔2012〕22號），推動農村金融體制改革。