基于三階段DEA 模型的區域性金融扶貧效率分析與對策建議

康 明

黨的十八大把扶貧開發擺在十分突出的位置，將精準扶貧、精準脫貧作為基本方略。黨的十九大更將精準脫貧列入決勝全面建成小康社會的“三大攻堅戰”之一。多年以來，廣西一直是全國扶貧工作的重點地區，經過近十年努力，精準扶貧工作取得了顯著成效，一批貧困村、貧困縣陸續脫掉貧困帽子，農村貧困人口由2012 年的755 萬人減少至2018 年的246 萬人，七年累計減少509 萬人，下降幅度達67.4%，年均減少101.8 萬人，貧困發生率也由2012年的70%降至2018 年的5.7%。在精準扶貧過程中，金融扶貧扮演著非常重要的角色。截至2018 年12月31 日，廣西累計向44.96 萬建檔立卡貧困戶發放扶貧小額信貸，貸款余額達204.14 億元。廣西扶貧小額信貸的發放量和獲貸率均處于全國“第一梯隊”，貸款額位居全國前五位。廣西金融扶貧規模大，但效率如何？針對這一問題，本文基于廣西14 個地級市的金融扶貧數據，運用三階段數據包絡分析（data envelopment analysis，DEA）模型進行實證，剖析當前廣西金融精準扶貧中存在的問題，并提出提高扶貧資金使用效率的可行建議。

一、文獻回顧

關于金融扶貧問題的研究，現有文獻主要從以下四個方面開展：金融扶貧模式、金融扶貧有效性、金融扶貧機理和金融扶貧效率。

（一）關于金融扶貧模式的研究

小額信貸是金融扶貧的主要方式，可以有效緩解農戶在農業生產和經營中的資金短缺問題（穆罕默德·尤努斯，2009），顯著提升貧困農戶的家庭收入，減少貧困的發生率和貧困程度（Lacalle-Calderon et al.，2018），大大提高扶貧的精準度（賈俊雪等，2017）。一般而言，小額信貸機構人均信貸總額越高，其貧困人口比例就越低，人均收入水平與消費水平就越高（Khanam et al.，2018）。因此，通過小額信貸提供各種金融資本，可以促進經濟持續性和包容性增長，實現可持續發展目標（Khaki & Sangmi，2017）。然而，小額信貸有非常嚴格的信用風險評估程序（Weber，2013），加之商業金融與包容性金融的盈利性矛盾，更阻礙了消除社會貧困的步伐（原妍娜和陳洛川，2018）。因此，小額信貸方式并不能給所有貧困人群帶來積極作用，并沒有為窮人中的最窮人服務（Weiss & Montgomery，2005）。

（二）關于金融扶貧有效性的研究

從理論上看，金融扶貧可以將信貸資源提供給貧困人口，幫助他們形成個人信用，也可以通過推動農業技術進步（Allet & Hudon，2015）為經濟增長貢獻高邊際回報（Khaki & Sangmi，2017）。從實踐上看，金融自由化可能會加深貧困地區收入分配不均等問題（Ravallion，2001），并且中國的小額信貸對縮小城鄉收入差距的作用正在逐漸減弱（齊紅倩和李志創，2018），收入分配不均可能抵消經濟增長的減貧效應（Zhang & Naceur，2019）。Beck 和Peria（2007）研究發現，金融發展與扶貧效果呈U 型關系，也就是說，隨著金融深化程度的加深，貧困程度會先擴大后縮小，只有當金融發展經過U 型拐點之后，隨著貧困人口獲得金融服務成本的下降，金融扶貧才會表現出明顯成效（崔艷娟和孫剛，2012）。此外，若金融市場出現大幅震蕩，同樣不能有效治理貧困（Yang & Fu，2019）。

（三）關于金融扶貧運作機理的研究

金融扶貧的渠道分為直接途徑和間接途徑。其中，直接途徑是金融機構直接向貧困農戶提供信貸服務，滿足貧困農戶擴大生產規模的資金需求，增加生產性收入（傅鵬和張鵬，2016），或通過金融體系的交易和儲蓄活動來增加農戶收入（Alkire & Foster，2011），即通過零售業務優惠政策（如便利存取款、免費轉賬、定期存款利率）幫助貧困農戶積累資金和降低消費，預防收入不穩定帶來的金融風險，從而提升預期收入，減少貧困發生的可能性（羅絨戰堆和陳健生，2017）。間接途徑是金融機構向貧困地區的企業或產業提供相關金融服務，以企業或產業的發展帶動地區經濟的發展，進而帶動貧困人口脫貧。Dollar和Kraay（2002）將這種傳導方式稱為經濟增長的“滑滴效應”。

（四）關于金融扶貧效率的研究

目前，學術界直接研究金融扶貧效率的文獻較少，主要圍繞農村信貸資金配置效率問題開展研究。Huq（2017）研究發現，由某些海外國家政府主導的農業信貸體系經常出現資金配置效率低的問題。鄧坤（2015）研究發現，四川省巴中市的金融扶貧效率出現了負值，表明涉農貸款占比的上升并不能提高貧困農戶的收入。薛書明等（2018）研究發現，不同地區金融減貧的效果存在差異，金融在農村地區的減貧效果是短期的、不顯著的，這是由于農村地區受金融政策的波動以及金融供給方面問題的影響，減弱了金融扶貧的效率（楊俊等，2008）。

從現有文獻不難看出，針對中國特定省份，特別是分析廣西區域金融扶貧效率影響因素，并提出切實可行優化對策的研究還很少。本文采用三階段DEA 模型對金融扶貧效率進行分析，并提出優化金融扶貧效率的可行建議，以期對廣西貧困地區的區域性金融精準扶貧實踐起到積極的推動作用。

二、研究方法、指標選擇及數據來源

（一）研究方法

本文采用三階段DEA 模型對金融扶貧效率進行分析。三階段DEA 模型衡量金融扶貧效率有兩種方式：假設規模報酬不變的技術效率CCR 模型（Charnes et al.，1978）和規模報酬可變的技術效率BCC 模型（Banker et al.，1984）。兩種方式的差別在于，BCC 模型可以利用純技術效率和規模效率分析金融機構內部管理水平和經營規模優化程度對精準脫貧效率的影響。因此，本文選擇陳銀娥和尹湘（2019）提出的投入導向下的BCC 模型來衡量金融扶貧效率，包括金融資源配置使用效率和規模集聚效率。

1．第一階段：DEA 模型

DEA 中每個評估的對象稱為決策單元（decision-making unit，DMU），在投入導向下，第i 個決策單元的表達式為：

2．第二階段：隨機邊界分析（stochastic frontier approach，SFA）

其中，i=1,2,……,I，n=1,2,……,N。

3．第三階段：調整后的DEA 模型

（二）指標選擇

1．投入指標和產出指標

投入指標上，首先選取與金融整體環境有關的因素，并用金融機構貸款余額與地區生產總值的比值來反映地區整體金融發展水平。其次，選取“每平方公里金融機構服務人員數”代表與金融自身相關的投入要素。最后，用住戶存款/GDP 代表居民存款水平，反映金融扶貧投入資金的使用效率。產出指標上，選擇第一產業生產總值增長率和農村居民人均可支配收入增長率，反映貧困人口的生活水平和經濟發展水平，以此衡量扶貧效果。相關指標體系見表1。

表1 金融扶貧效率評價指標體系

2．環境指標

經濟發達地區能夠通過增加就業崗位和收入水平減輕貧困，較好的市場環境能在很大程度上影響資源的使用效率，如貧困戶的收入水平。借鑒陳銀娥和尹湘（2019）的做法，本文同樣選取地區生產總值和農產品生產價格指數作為環境指標。

（三）數據來源

本文根據《廣西農村貧困監測報告2018》的統計口徑，選擇2013-2018 年廣西四大經濟區域共計14 個地級市作為樣本，研究金融扶貧效率。數據來源于《廣西統計年鑒（2014-2019）》、《廣西金融年鑒（2014-2016）》、《廣西財政年鑒（2014-2018）》，以及各市扶貧辦和市政府官網。具體經濟區域劃分如表2 所示。

表2 廣西四大經濟區域劃分

三、實證分析

（一）第一階段DEA 實證結果分析

本文根據2013-2018 年廣西貧困地區的投入產出數據建立DEA 模型，實證分析金融扶貧效率，暫不考慮隨機擾動項和環境因素的影響。

1．金融扶貧效率評價靜態比較分析

將2013–2018 年共計84 個樣本數據代入BCC 模型，得到第一階段金融扶貧效率的均值，如表3 所示。表3 中第一行的0.695、0.847、0.821 分別代表了廣西全區的金融扶貧綜合效率、純技術效率、規模效率，都略高于0.5 的中等水平，說明廣西金融發展對貧困治理的效果處于中等偏上水平。從綜合效率角度來說，金融機構投入要素還存在一定浪費，與最佳投入值相比較，要獲得既定初始產出還可以減少0.305 的投入。比較分析各區的效率值可以看出，玉林和崇左的純技術效率低下是拉低北部灣經濟區六市綜合效率的主因。從各區域來看，桂西資源富集區、北部灣經濟區、西江經濟帶的效率值呈現出逐漸降低的特點。綜合來看，西江經濟帶技術無效的原因是多面的，不僅需要提高金融機構的內部管理水平，還需要根據各區所處規模報酬階段優化經營規模。

表3 第一階段2013-2018年金融扶貧效率總體評價

2．金融扶貧效率評價動態比較分析

將2013-2018 年的樣本數據分年度分析，結果如表4 所示。可以看出，廣西全區的金融扶貧效率處于中等偏上水平，但2013-2018 年的動態變化則呈波動下降趨勢。比較分析北部灣經濟區及六市的動態效率值可以發現，玉林和崇左兩市拉低了北部灣經濟區六市的效率，其主因為純技術效率，這與靜態比較分析的結果一致。換言之，從效率分解的角度來看，主要是純技術效率拉低了綜合效率。從地區的分解看，北部灣經濟區和西江經濟帶的低效率是全區扶貧效率下降的主要原因。金融精準扶貧脫貧方略自2013 年提出以來，已取得了顯著成效，北部灣經濟區在扶貧政策的實施下大部分貧困人口已經脫貧，但仍有部分人口處于貧困或極度貧困水平，且貧困原因復雜多樣，現有扶貧舉措并不能完全覆蓋，因此需要采取更有力的扶貧措施。西江經濟帶貧困問題依然嚴峻，原因在于自然環境的局限、經濟發展的不平衡以及人力資源投入的不足，加上特殊的地域人口分布，使得金融資源難以精準投放，從而減緩了脫貧速度，拉低了全區扶貧效率。

表4 第一階段2013-2018年金融扶貧效率動態變化比較分析

3．技術有效和無效分析

從比較靜態分析來看，廣西全區和四大經濟區域分地區的金融扶貧效率都小于1，這意味著所有地區均為技術無效狀態，存在不同程度投入要素的浪費。投入冗余率分別為30.5%、22.0%、28.5%、27.2%、18.7%，即減少相應冗余要素的投入仍可獲得相同的產出。從技術有效和無效地市分布情況來看（見表5），全區分年度統計口徑下技術有效的地市數量為8 個，占比9.52%；六年均值統計口徑下技術有效的地市數量為4 個，占比28.57%，分別為防城港、欽州、百色、崇左，這四個地市在2013-2018年間均值的綜合效率為1，均達到了效率最優。從效率的分解來看，由純技術效率與規模效率導致技術無效的地區數量基本相當，說明影響廣西全區技術無效的原因比較復雜，這與比較靜態分析的結果一致。針對技術無效的原因進行分析，以純技術效率為主因導致技術無效的地市為南寧、柳州、梧州、貴港、玉林和賀州，以規模效率為主因導致技術無效的地市為桂林、北海、河池和來賓。

表5 第一階段2013-2018年技術有效和技術無效省份數量比較分析

（二）第二階段DEA 實證結果分析

從第一階段DEA 模型測算結果可以發現，廣西金融扶貧效率存在很大的提升空間，可以從中等偏上水平提升至更高水平。第一階段DEA 是在未考慮外部環境和隨機誤差的前提下得出的，但不考慮經濟的動態變化以及政府政策推行與實施及產生效果的時間較長等因素會造成實證結果偏離現實，因此有必要利用第二階段DEA 的隨機邊界分析剔除不可控的環境因素和隨機誤差干擾，這樣得到的效率值才更準確。本文運用Frontier4.1 軟件，對投入差額進行隨機邊界分析。在隨機邊界分析回歸中，以環境指標為自變量，第一階段投入要素松弛值為因變量。因此，本文以地區生產總值和農產品生產價格指數為環境指標，經計算得到剔除了外部環境因素的投入指標值，從而使效率值更貼近金融助推精準脫貧效率的真實情況。

（三）第三階段DEA 實證結果分析

將經過第二階段隨機邊界分析調整后的投入指標再次代入BBC 模型，進行第三階段DEA 檢驗，結果見表6。

1．第三階段金融扶貧效率評價靜態比較分析

如表6 所示，全區的金融扶貧綜合效率、純技術效率、規模效率分別為0.729、0.899、0.809，相較于第一階段，效率值有大幅提升，說明第一階段由于外部環境因素低估了金融扶貧效率，表明普惠金融在脫貧攻堅中發揮了重要作用。比較分析各區效率值可以看出：玉林和崇左沒有拉低反而提高了北部灣經濟區六市的綜合效率，且純技術達到有效。從各區效率值來看，桂西資源富集區最優，其次是北部灣經濟區，西江經濟帶最差。總體來看，西江經濟帶技術無效的原因主要在于規模效率低下。該結果與第一階段的分析有較大差異，原因在于第一階段綜合考慮了各地區的經濟發展狀態，以崇左、賀州、貴港、來賓等為代表的西江經濟帶相對于其他地區較落后，分析結果不能準確反映金融扶貧的效率。而當剔除環境因素的影響，將各地區經濟發展調整到同一水平，此時的效率值較優，說明金融要素投入能縮小收入差距，降低經濟發展落后地區的貧困發生率。

表6 第三階段2013-2018年金融扶貧效率總體評價

2．第三階段金融扶貧效率評價動態比較分析

表7是對第三階段2013-2018 年各年度金融扶貧效率值進行整理的結果，可以看出：第三階段廣西全區金融扶貧效率平均處于較優水平，2013-2018 年的效率動態變化呈波動上升趨勢。從對全區效率分解的角度來看，2015 年以來的純技術效率整體處于較優水平，規模效率逐年上升，可能的原因是廣西省響應2015 年出臺的國家普惠金融發展規劃文件和小額扶貧貸款政策，各地區大力發展普惠金融，加大了相關金融資源及技術服務的投入。從對地區效率的分解看，桂西資源富集區的綜合效率逐年上升，并達到技術有效，未來金融扶貧工作的重點區域依然在西江經濟帶。

表7 第三階段2013-2018年金融扶貧效率動態變化比較分析

?

3．第三階段技術有效和技術無效分析

從比較靜態分析來看，投入冗余率分別為27.1%、11.6%、11.5%、13.0%、1.7%，相較于第一階段有較大幅度的降低，說明無論是以全區還是分區域為研究對象，廣西的金融扶貧效率都未達到技術有效，金融資源投入存在浪費的問題。如表8 所示，從技術有效和無效地市分布情況來看，廣西全區貧困地區分年度統計口徑下技術有效的地市數量為6個，占比7.14%；六年均值統計口徑下技術有效的地市數量為4 個，占比28.57%，分別為桂林、防城港、百色、崇左。對比第一階段所測度的效率值，欽州退出了隨機前沿，處于技術無效狀態，主因是規模效率降低。從第三階段六年均值統計口徑下的效率分解來看，由純技術效率與規模效率導致技術無效的地區數量基本相當，這與第一階段的分析結果吻合，說明影響廣西全區金融扶貧效率的原因較復雜，需根據各地區的扶貧進展情況進行適當調整。針對技術無效的原因分析，以純技術效率低下為主因導致技術無效的地市為南寧、梧州、貴港、賀州；以規模效率為主因導致技術無效的地市有柳州、北海、欽州、玉林、河池、來賓，且規模報酬均處于遞增狀態。

表8 第三階段2013-2018年技術有效和技術無效省份數量比較分析

四、結論與建議

綜合本文研究發現：第一，廣西全區和各經濟區域的金融扶貧效率均處于中等以上水平，尤其近三年來效率值都高于0.9，說明廣西金融扶貧工作已取得了良好的進展。第二，各區都處于技術無效狀態，金融扶貧效率均小于1，說明扶貧工作中存在一定的金融資源浪費，但減少相應冗余的投入要素，仍能達到相應的產出目標。第三，在剔除了外部環境因素的影響后，全區效率值都有大幅提高。第一階段因外部環境因素的影響，低估了金融扶貧效率值，說明金融資源投入與服務在脫貧攻堅中發揮了重要作用。從總體效率分解來看，各經濟區的純技術效率均接近或等于1，由此可以看出，規模效率是綜合效率的主要制約因素。第四，從靜態和動態變化分析來看，金融扶貧投入要素冗余率相較于第一階段有大幅降低，冗余率最高的是西江經濟帶。從六年均值統計口徑來看，桂林、防城港、百色、崇左這4 個地市處于技術有效狀態，其余10 個地市均存在不同程度的資源浪費。

根據以上結論，本文提出廣西金融精準扶貧建議：第一，發展區域性特色金融機構，加強金融機構內部管理，優化金融資源使用效率。尤其是梧州、貴港、賀州等以純技術效率低為主因導致技術無效的地區要著重加強和完善金融扶貧體系建設，并與互聯網、產業鏈、綠色金融、政府和社會資本合作模式（public-private partnership，PPP）等有機結合，以貧困的層次為切入點，將金融資源進行整合調度，精準對接產業發展多元化融資需求，增加金融機構資金覆蓋面（溫智良等，2019），走出小額信貸業務難以覆蓋極度貧困人群的困境。第二，優化金融扶貧要素投入規模管理。打贏脫貧攻堅戰，不僅需要在總量上有所作為，還應注意完善冗余率較高的西江經濟帶的資源規模體系建設，科學高效地管理與配置金融資源；尤其對于技術無效的主因在于規模效率的地區，如北海、欽州、玉林、河池和來賓，應在充分發揮政策性金融對扶貧工作作用的基礎上，進一步探索政策性金融資金與財政扶貧資金的協同配合，對貸款項目實施差別管理，建立審、貸、查三權分立機制（李偉和馮泉，2018），保證資源投入充足合理，減少資源過度投入造成的浪費。第三，加快貧困地區金融生態環境建設，促進小額信貸組織和農村合作金融組織的發展。盡管小額貸款扶貧模式對貧困地區的經濟產生了較高的邊際回報，但在發展過程中也存在很多問題，因此要進一步落實配套保障措施，引導小額貸款公司可持續發展。不僅如此，還應大力發展多種形式的新型合作金融組織，通過農民的有效參與，促進合作金融與農村治理的協同，彌補當前政府剛性治理和小額信貸的不足，提高金融扶貧的覆蓋面。第四，建立扶貧對象信用和經濟檔案，完善信用評級系統。為了防范金融助推精準扶貧過程中存在的各種潛在風險，一方面需根據貸款主體的信用檔案，規范幫扶對象信用評級標準和操作流程，嚴格落實評定工作，努力提升貸款主體的償債能力（周孟亮和彭雅婷，2015）。另一方面要定期審查已評級主體，撤銷不合標準主體的現有評級，將更多貸款向已評級主體傾斜，以降低扶貧工作中的信用風險，增加扶貧精度，使金融精準扶貧的效率達到最優。