基于三阶段DEA模型的金融支农效率研究

摘 要：提高金融支农效率是有效缓解农村金融供需矛盾、推动农村经济快速发展的重要途径。本文利用三阶段DEA模型对我国2012年金融支农效率进行了研究，实证研究结果显示：财政支农和农村固定资产投资有利于金融支农效率的提高，农村劳动力文化水平、城乡收入差距和自然灾害不利于金融支农效率的提高；我国金融支农效率的区域差异明显，这种差异主要表现在西部与东中部之间；我国大部分省市处于规模报酬递增阶段。

关键词：金融支农；三阶段DEA；综合技术效率；纯技术效率；规模效率

中图分类号：F323.3 文献标识码：A 文章编号：1003-9031（2014）10-0007-06 DOI：10.3969/j.issn.1003-9031.2014.10.02

“三农”问题一直是我国经济社会发展中十分重要的问题。改革开放以来，在国家一系列强农惠农政策的推动下，我国农村经济取得了较快的发展。据统计，1978―2012年间，我国农村人均纯收入由1336.6元增长到7916.6元，年均实际增长4.87%。但由于历史条件、政策偏向和城乡二元经济结构等因素的影响，城乡收入差距加大、农村社会保障体系薄弱、农业生产投入不足等问题十分突出。金融作为现代经济的核心，农村金融在农村经济社会发展中扮演着重要的角色。近年来，国家不断加大对“三农”的金融支持力度。据统计，2007―2012年，我国金融机构本外币涉农贷款由61150.66亿元增加到176227亿元，年均增长23.58%。

一、文献综述

纵观国外既有文献，关于农村金融效率的研究，大部分学者将研究重点集中在对农业信贷效率的分析上。Jensen（2002）、Jim（2005）研究发现，由政府主导的农业信贷体系往往是缺乏效率的[1-2]。Nourse（2001）指出，微型金融机构应当针对贫困人口推出更适合于他们的信贷产品[3]。在定量研究的方法上，多以线性回归为主，即以人均GDP或其他指标为因变量，以包含农业信贷在内的多个指标为自变量，进行回归分析。如Kochar（1997）使用多元线性回归模型考察了印度农业贷款的执行效果，结果显示农业信贷总体上无效[4]。Rousseau（1990）运用误差修正模型（VEC）估计了农业贷款发放效率[5]，但该模型中只包含了农业信贷和农村经济增长两个变量，降低了研究结论的有效性。Hendry（1995）在误差修正模型中加入了控制变量，使指标体系更加完整[6]。

国内学者针对农村金融效率进行了大量的研究，归纳起来大致可分为三类。第一类是从金融环境角度研究农村金融效率。金融环境主要包括金融制度、信用环境和市场体系等方面。谷慎（2006）、刘泽仁（2007）、王修华和沈岚（2003）从制度角度分析了我国农村金融效率，认为导致我国农村金融效率低下、农村金融资源配置的帕累托条件缺失的根本原因在于我国农村金融制度有效供给不足，以及制度结构不够协调[7-9]。吴俊杰和周再清（20

10）通过对农村金融发展的信用环境进行分析，指出我国金融支农效率整体上还处在较低水平，农村信用意识缺失、法律框架基础薄弱等问题普遍存在[10]。第二类是从信贷角度研究农村金融效率。王定祥等（2013）以人均金融机构农业贷款、人均农业劳动力和人均农业资本作为投入指标，以人均农业增加值、农村人均纯收入、城镇化率和农业成灾率为产出指标，运用DEA模型和Malmquist指数分解法对我国农村金融支农效率进行测度[11]。吴俊杰和周再清（2009）引入人均农业贷款、获贷农户比例两个指标，运用DEA模型对金融支农效率进行评价[12]。第三类是从金融功能角度研究农村金融效率。代表性的有白广玉（2005）等、褚保金（2007）等、邓奇志（2010）等[13-15]。

已有文献对研究我国金融支农效率作出了有益的探索，但存在以下几方面不足：（1）在定量研究方法上，线性回归无法对多投入、多产出的情形进行评价，SFA和DEA在评价时无法剔除外部环境和随机误差的影响，使评价结果出现偏差；（2）在产出指标选取上，已有文献大多选取农业总产值（或农业增加值）、农村人均纯收入等经济贡献指标来评价金融支农效率，而没有涵盖农村社会福利的改善情况。为此，本文从农业发展、农民生活水平和农村社会福利三个方面选取相应产出指标，运用三阶段DEA模型剔除外部环境和随机误差影响，对我国2012年金融支农效率进行评价，并找出影响金融支农效率的外部因素，为政府决策提供科学依据。

二、模型介绍

三阶段DEA模型是由Fried（2002）等提出的一种新的效率评价方法[16]，其构建和运用包括三个阶段。

第一阶段：传统DEA模型（BCC模型）。假设有n个决策单元DMU，每个决策单元都包含m种输入和s种输出；xij代表第j个决策单元的第i中输入，yrj代表第j个决策单元的第r种输出。第p个决策单元总效率的计算就可以转化为线性规划问题：

min[？兹-？着（■s-+■s+）]

s.t. ■？姿jxj+s+=？兹x0

■？姿jyj-s-=y0 （1）

■？姿j=1

？姿j>0，s+>0，s->0

其中，？兹为决策单元的有效值，s-、s+为松弛变量，？着为非阿基米德无穷小。当？兹=1且s-、s+均为0时，决策单元DEA有效；当？兹=1且s-≠0或s+≠0时，决策单元为弱DEA有效；当？兹

第二阶段：构建相似SFA分析模型。第一阶段计算出来的投入冗余量要受到内部管理、外部环境和随机误差的影响。第二阶段通过构建相似SFA分析模型分别计算出以上三种因素对效率值的影响，然后剔除外部环境和随机误差因素，得到仅由内部管理无效率造成的投入冗余。假设有n个决策单元DMU，每个决策单元都包含m种输入，分别对决策单元的每个投入冗余变量进行SFA分析，构建的SFA模型如下：

sik=fi（Zk；？茁i）+？谆ik+？滋ik （2）

其中，i=1，2，3…m，k=1，2，3…n，sik代表第k个决策单元的第i项投入松弛变量，Zk=（Z1k，Z2k，Z3k…Zpk）表示p个可观察的环境变量，？茁i为环境变量的待估参数。？谆ik+？滋ik代表混合误差项，其中？谆ik为随机干扰项，并假定？谆ik～N（0，？滓2）；？滋ik表示管理无效率，假定？滋ik～N+（？滋i，？滓2？滋i），？谆ik和？滋ik相互独立。当？酌=？滓2？滋i/（？滓2？滋i+？滓2）接近于1时，说明管理因素占主导地位；当？酌=？滓2？滋i/（？滓2？滋i+？滓2）接近于0时，此时随机因素占主导地位。

利用回归结果对各决策单元的投入项进行调整，具体的调整方法如下：

■ik=Xik+[maxk{zk■i}-zk■i]+[maxk{■ik}-■ik] （3）

其中，i=1，2，3…m，k=1，2，3…n，Xik代表第k个决策单元第i项投入的实际投入值，■ik为调整后的投入值；■i为环境变量参数的估计值，■ik为随机因素的估计值。式（3）中第一个括号表示将所有决策单元调整到相同的外部环境，第二个括号表示将所有决策单元面临同样的运气。

第三阶段DEA：调整后DEA模型。将经过第二阶段调整后的投入变量和原始产出变量再次代入到DEA模型，得到剔除了环境和随机因素的真实效率值。

三、指标选取和数据说明

（一）指标选取

1.投入产出指标

已有文献多从农村经济增长角度选取相应指标作为产出指标，无法反映农村社会福利情况。本文选用人均农业总产值、农村人均纯收入和城镇化率三个指标，分别从农业发展、农民生活水平和农村社会福利三个方面综合反映农村经济社会的发展情况，涵盖范围更广。对于投入指标，本文选取人均涉农贷款、农村人均储蓄及每万人拥有金融机构网点三个指标。

2.环境变量

环境变量是指对金融支农效率有影响但不在决策单元主观可控范围内的外部因素，考虑到金融支农的自身特点，本文从以下几方面选取了环境变量。

（1）财政支农。财政支农的方式主要有涉农惠农补贴，对农村基础设施建设、教育、文化等方面的补助。财政支农提高了农民的生产积极性，鼓励农民引进先进生产设备，同时改善了农村的生产生活环境，有利于金融支农效率的提高。本文选用各省市2012年财政支农支出反映政府财政支农力度，预期财政支农支出的增加将促进金融支农效率的提高。

（2）农村固定资产投资。农村固定资产投资一方面用于农村基础设施的建设和完善，另一方面则主要用于扩大生产经营规模及购买相关设备。这些对金融支农效率产生正向影响。本文选用各省市2012年农村农户固定资产投资和建房来反映农村固定资产投资情况，预期农村固定资产投资的增加将有利于金融支农效率的提高。

（3）农村劳动力文化水平。文化水平的提高有助于农民掌握先进的生产技能，使其具备更强的生产能力和创造力，同时也可以提高农民经济决策的效率。本文选用各省市2012年农村劳动力平均受教育年限反映农村劳动力文化水平，预期农村劳动力文化水平的提高对金融支农效率产生正向影响。各省市农村劳动力平均受教育年限的计算方法如式（4）：

edut=■（4）

其中， edut表示某省市第t年农村劳动力的平均受教育年限；i=1，2，3，4，5分别表示文盲、小学、初中、高中、大专及以上5种不同的受教育水平；nti表示某省市第t年受教育程度为i的人数；yi表示受教育程度为i的教育年限，当i依次取1，2，3，4，5时，对应的yi分别为0，6，9，

12，16年。

（4）城乡收入差距。城乡收入差距扩大促使农村劳动力和资本外流，先进技术和优秀人才无法引入到农业生产，不利于金融支农效率的提高。本文选用各省市2012年城镇人均可支配收入与农村人均纯收入的比重反映城乡收入差距，预期城乡收入差距扩大对金融支农效率产生不利影响。

（5）自然灾害。自然灾害对农业生产、农村基础设施造成了破坏，且在一定程度上降低了农民生产的积极性，不利于金融支农效率的提高。本文选用各省市2012年农村受灾面积反映自然灾害情况，预期自然灾害对金融支农效率产生不利影响。

（二）数据说明

由于数据难以获取，本文将其剔除，样本选取了2012年全国30个省市的相关数据并进行整理。数据来源于《中国统计年鉴（2013）》、《中国金融年鉴（2013）》、《中国农村统计年鉴（2013）》和《中国农村金融服务报告（2012）》。

四、实证分析

（一）第一阶段DEA实证结果

利用DEAP2.1软件对我国30个省市的金融支农效率进行分析（见表1）。由表1可知，在不考虑外部环境和随机误差干扰的情况下，我国各省市金融支农的综合技术效率平均值为0.773，纯技术效率平均值为0.887，规模效率平均值为0.876。其中，黑龙江、福建、湖北、湖南、广东和新疆处在生产前沿面上，其余24个省市在不同程度上处于技术无效率状态。由于上述结果包含了外部环境和随机误差的影响，无法真实地反映各省市金融支农效率状况，因此仍需作进一步的调整与测算。

（二）第二阶段SFA回归结果

将第一阶段计算得到的投入松弛变量作为因变量，将上述5个环境变量作为自变量，利用Frontier4.1软件进行回归分析（见表2）。由表2可知，在三个投入松弛变量模型中，大部分系数通过5%和1%显著性检验，表明各环境变量对金融支农效率确实存在着显著的影响；且三个模型的LR单边检验均通过5%显著性检验，表明第二阶段SFA回归分析的必要性。

由于各环境变量是对投入松弛变量的回归，因此当回归系数为正时，表明环境变量值增大会导致投入松弛量的增加，不利于金融支农效率的提高；当回归系数为负时，表明环境变量值增大会导致投入松弛量的减少，从而提高了金融支农效率。下面具体分析各环境变量对金融支农效率的影响。

1.财政支农。财政支农在人均涉农贷款松弛变量和农村人均储蓄松弛变量两个模型中的系数为负，且分别通过1%、5%显著性检验；在每万人拥有金融机构网点松弛变量模型中的系数为正，但不显著。可以看出，财政支农有利于金融支农效率的提高，与预期结论相同。

2.农村固定资产投资。农村固定资产投资在三个模型中的系数均显著为负，说明农村固定资产投资增加会减少投入冗余量，提高了金融支农效率，与预期结论相同。

3.农村劳动力文化水平。农村劳动力文化水平与投入松弛变量呈正向关系，表明提高农村劳力文化水平会降低金融支农效率，与预期结论相反。这可能是由于我国农村劳动力所学的知识还不足以帮助农民增加收入，提高生产效率；相反，文化程度偏高的农民往往缺乏吃苦耐劳的精神，从事农业生产的积极性不高，这就在一定程度上限制了农业生产效率的提高，降低了金融支农效率。

4.城乡收入差距。城乡收入比对三个模型的投入松弛变量均起促进作用，即城乡收入差距扩大不利于金融支农效率的提高，与预期结论相同。

5.自然灾害。受灾面积在三个模型中的系数显著为正，表明受灾面积扩大增加了投入冗余量，从而降低了金融支农效率，与预期结论相同。

由上述分析可知，环境变量对金融支农效率确实存在着一定的影响，因而包含了环境因素的效率评价可能会对不同决策单元得出不恰当的结论，即处于较好环境或运气较佳的决策单元可能得到更高的效率值，而处于较差环境或运气较差的决策单元的效率值会相对较低。因此，有必要对原投入变量进行调整，使各决策单元处于相同的经营环境和运气，进而考察它们真实的效率。

（三）第三阶段DEA实证结果

运用式（3）对原投入变量进行调整，并将调整后的投入变量与原始产出变量再次代入到BCC模型进行分析，得到各省市金融支农效率的真实值及规模报酬状态，结果如表3所示。

对比表1和表3可知，经过调整计算得到的效率值与第一阶段效率值相差较大。在进行具体分析之前，采用配对样本T检验对调整前后的综合技术效率、纯技术效率和规模效率进行显著性差异分析（见表4）。

由表4可以看到，综合技术效率和纯技术效率分别通过10%、5%显著性检验，表明调整前后的综合技术效率和纯技术效率存在显著差异，从侧面验证了本文对原始投入变量进行调整的必要性。下面对第三阶段计算结果进行详细分析。

从全国整体水平来看，综合技术效率平均值由0.773上升到0.832，纯技术效率平均值由0.887上升到0.930，规模效率平均值由0.876上升到0.894。可以看到，在剔除了外部环境和随机误差的影响后，我国金融支农效率有所改善，且效率水平相对较高。这主要是由于近十几年来，国家越来越重视农村金融在服务“三农”中发挥的核心作用，不断推进一系列重要体制机制改革，落实和完善了大批金融、财税扶持政策。自2003年农村信用社改革试点全面启动后，中国农业银行、中国农业发展银行和中国邮政储蓄银行也相继改革，加大了对农业和农村经济发展的支持力度，同时不断创新金融产品，满足农民对金融产品的多元化需求。此外，乡镇银行、农村合作银行、农村资金互助社等新型农村金融机构迅速发展，弥补了传统金融机构无法覆盖地区的金融空白。

从各省市来看，处于生产前沿面的省市由6个减为5个，其中福建、湖北、湖南三个省份在调整前后均处在生产前沿面，表明这三个省份的金融支农效率确实较高；辽宁、上海则由技术无效率变为技术有效，这主要是由于调整前规模效率被低估的结果。综合技术效率上升的省市有16个，其中北京、辽宁、浙江上升幅度较大；下降的有11个，下降幅度较大是新疆。从调整后的综合技术效率来看，甘肃、新疆、四川、天津和青海排在后五位，金融支农效率相对较低，国家应加大对这些省市的扶持力度，改善当地金融支农现状。大部分省市处于规模报酬递增阶段，说明我国大部分农村地区仍然存在金融资源投入不足的问题。

从三大区域来看，东部的综合技术效率由0.725上升到0.865，上升幅度较大；中部和西部略有上升，调整后分别为0.857、0.771。可以看到，东部和中部的金融支农效率较高，而西部则相对较低。这主要是由于东部凭借着政策优势和地理优势获得了发展先机，农村经济得到了较快发展。东部的金融市场发展较早，多元化的金融产品（股票、债券、保险、黄金等）为农村提供了多元化的投资渠道，提高了农民的收入。此外，较活跃的金融市场为农民从事农业生产、扩大经营规模、购进先进设备提供了融资渠道，满足了农民对融资的多元化需求。因此东部地区的金融支农效率相对较高，中部作为我国重要的粮食生产基地，承担着实现农产品有效供给和保证国家粮食安全的重要使命，因此一直是国家重点扶持的对象。近年来，国家通过税收减免、财政补贴、差别存款准备金率等一系列政策，鼓励金融机构增加涉农贷款投入，信贷资金逐渐向农村回流，农业生产效率得到了明显的改善。中部地区金融机构改革效果明显，新型金融机构也得到了较快的发展，这些都促进了中部金融支农效率的提高。西部地区的经济社会发展相对落后，交通、能源等基础设施建设不够完善，加上地理条件和气候环境较差，许多金融机构不愿在这些地区开设网点，导致了当地金融资源的匮乏。随着西部大开发政策的实施，农村信用社、农业发展银行、中国农业银行等金融机构不断入驻西部，加大了对西部农村地区的金融扶持力度，金融投入不足、金融资源匮乏的状况有所改善，金融支农效率有所提高，但整体水平仍相对偏低。

五、结论与建议

（一）结论

本文运用三阶段DEA模型对我国2012年金融支农效率进行研究，主要得出以下结论：

1.经过第二阶段调整后，我国各省市金融支农效率发生了较大的变化，表明外部环境和随机误差对金融支农效率影响显著。在外部环境中，财政支农和农村固定资产投资有利于金融支农效率的提高；农村劳动力文化水平、城乡收入差距和自然灾害不利于金融支农效率的提高，农村劳动力文化水平的提高并没有对金融支农效率起到应用的促进作用。

2.我国金融支农效率的区域差异明显。这种差异主要表现在西部与东中部之间。经过第二阶段调整后，东部、中部和西部的综合技术效率分别为0.865、0.857、0.771，西部地区的金融支农效率相对较低。且金融支农效率排在后5位的省市中，有4个来自西部地区。

3.我国大部分省市处在规模报酬递增阶段。由第三阶段规模报酬分析可知，除了处于生产前沿面的5个省市的规模报酬不变外，其余省市均处于规模报酬递增阶段。

（二）建议

基于以上结论，本文提出以下几点改进策略：

1.重视外部环境对金融支农效率的影响。一方面要加大财政支农力度，增加农村固定资产投资，发挥两者对金融支农效率的积极作用。另一方面要积极培育新的农村经济增长点，促进农民增收，缩小城乡收入差距；建立自然灾害预防和治理机制，尽量减少自然灾害给农业生产带来的损失；扩大义务教育和高等教育的覆盖范围，积极开展专业技能培训和专业知识讲座，努力提高农村劳动力的专业素质水平，发挥教育对金融支农效率应有的促进作用。

2.重点改善西部地区金融支农现状，缩小区域间差距。通过财政补贴、税收减免和差别存款准备金率等一系列政策，鼓励金融机构进入西部地区，增加涉农贷款金额，拓宽农民的融资渠道；同时改善当地金融支农资金管理模式和运行机制，将支农资金投入到生产效益较高的农业生产领域，提高资金利用效率。

3.加大金融支农投入力度，提高规模效率。既要加大传统金融机构对“三农”的支持力度，也要鼓励新型金融机构的发展，弥补传统金融机构无法覆盖地区的金融空白，形成一套多层次、广覆盖、功能互补、适度竞争的农村金融服务体系。■

参考文献：

[1]Jensen，R.. The Farm Credit System as A Government-sponsored Enterprise [J]. Review of the Agricultural Economic，2002（22）.

[2]Jim，M. Agricultural Credit：Institutions and Issue（CRS Report for Progress）[DE/OL]. www. national lag law center. org/assets/crs/RS2，2005（23）.

[3]Nourse TH. The Missing Parts of Microfinance：

Services for Consumption and Insurance [J]. SAIS Review，2001（21）：61-70.

[4]Anjini Kochar. An empirical Investigation of Rationing Constraints in Rural Credit Market in India [J]. Journal of Development Economic，1997（53）：339-371.

[5]Rousseau P L，Wachetel P. Financial Intermediation

and Economic Performance：Historical Evidence from Five Industrial Countries [J]. Journal of Money，Credit，And Banking，1998（30）：657-678.

[6]Hendry D. F. Dynamic Econometrics [M].Oxford：Oxford University Press，1995：1-29.

[7]谷慎.中国农村金融体制改革的最优选择路径[J].西北大学学报（哲学社会科学版），2006（6）：47-50.

[8]刘泽仁，孙从海.中国农村金融发展：制度与效率[J].农业经济问题，2007（1）：23-26.

[9]王修华，沈岚.金融支农：存在问题及对策研究[J].新疆财经，2003（1）：38-40.

[10]吴俊杰，周再清.我国金融支农效率现状分析[J].金融经济，2010（6）：42-43.

[11]王定祥等.我国金融支农效率的测度与改进策略[J].当代经济研究，2013（11）：62-69.

[12]吴俊杰，周再清.基于DEA模型的金融支农效率研究[J].求索，2009（9）：24-26.

[13]百广玉，陈淼.农村金融资源配置及其效率分析[J].农村金融研究，2005（10）：39-41.

[14]褚保金，张兰等.中国农村信用社运行效率及影响因素分析―以苏北地区为例[J].中国农村观察，2007（1）：11-23.

[15]邓奇志.功能视角下我国农村金融效率的现实审视及优化路径[J].农村经济，2010（5）：52-55.

[16]Fried，Lovell，Schmidt，Yaisawarng. Accounting for

Environmental Effects and Statistical Noise in Data Envelopment Analysis[J].Journal of Productivity Analysis，2002（17）：121-136.