王文莉,赵芸,薛伟贤
(西安理工大学 经济与管理学院,陕西 西安 710054)
农村信用社从成立之初就一直立足于农村地区,以服务农民、农业和农村为办社宗旨,但近些年来农村信用社追求利润最大化的倾向越来越明显,农村信用社的双重性任务不能得到同时兼顾,即支农效率和利润效率不能同时得到提高。因此,需要对陕西农村信用社的支农效率和利润效率进行实证分析,来找到一个平衡点,以至于在保证金融可持续性的基础上,最大限度地服务于“三农”。这对于改善农村信用社的管理,提高其支农效率和利润效率的改进方向具有重要的理论研究价值和现实意义。
目前,不同专家学者从不同的角度出发对农村信用社效率的定义和内涵进行了不同的阐释。已有文献对于农村信用社的研究主要集中在农村信用社改革效率和经营效率方面[1-2],很少涉及其支农方面的效率,即忽视了农村信用社作为农村地区金融主力军的支农功能,且大多处于理论层面,实证分析较少,而且实证分析所用的测度方法大多是DEA分析法[3]。虽然DEA分析法无须对数据进行标准化处理,无须任何权重假设,避免了主观因素对于测度结果的影响,但是DEA分析法的边界是确定的,不能存在测量误差,否则会对效率的测度结果产生较大的影响,这在实际运用中很难实现[4]。而SFA方法能够抵抗因统计样本选择不同而造成的测度结果较大波动,并且在模型中加入了随机影响因素变量,对于大样本的测度具有稳健性[5],因此本文运用目前最前沿的效率测度方法——随机前沿分析方法对陕西农村信用社的效率进行研究。
用普通最小二乘法对生产函数(平均生产函数)进行估计,有随机误差项,却没有考虑到技术无效率的因素;用确定的生产前沿面方法对生产函数(前沿生产函数)进行估计,虽然有技术无效率项,但是没有随机误差项。实际上,技术无效率项和随机误差项同时存在,以上两种估计方法都存在缺陷,而随机前沿模型则将两种误差同时考虑,克服了以上两种方法各自的缺点[6]。其模型为:
Yi=f(xi,β)exp(Vi)exp(-Ui)
i=1,2,…,N
(1)
式中,Vi表示随机误差项,Ui表示技术无效率项,两者在模型中是一项,称为复合误差项,Yi为产出,xi为投入,β为待估参数。
生产函数形式一般有柯布-道格拉斯生产函数和超越成本对数函数,为了方便说明,选取简单的柯布-道格拉斯生产函数,并且将其对数化,则模型变为以下形式:
(2)
截面数据的随机前沿模型有效地解决了随机误差项和技术无效率项不能处于同一模型的问题,与之前的模型相比,能够更为准确地估计出参数和效率值。但是,在实际运用中存在以下问题:
1) 在估计参数时,需要主观确定Vi和Ui的分布形式,这样确定的分布形式缺乏理论依据;
2) 模型中假设技术无效率项Ui与投入变量Xi相互独立,实际上,技术效率与投入变量之间往往呈相关关系;
3) 用截面数据对技术效率进行估计,得到的结果有可能不具有一致性。
Aigner,Lovell和Schmidt(1977)首先提出了基于面板数据的随机前沿模型,有效地解决了上述问题。与截面数据相比,面板数据包含了时间信息,可以更好地对效率值进行估计。根据技术效率与时间的关系,该模型可以分为不随时间改变的随机前沿模型和随时间改变的随机前沿模型。
1) 不随时间改变的随机前沿模型
(3)
模型(3)中,技术无效率项Ui不随时间的变化而改变,可以看成是一个常量。参数βj的估计可以采用普通最小二乘方法,如果对于Ui的分布已知,也可以采用极大似然估计法。
2) 随时间改变的随机前沿模型
Battese和Coelli(1992)首先提出了技术效率随时间改变的随机前沿模型,具体形式如下:
(4)
模型(4)中,η为待估计的参数,与技术无效率项有关。当η=0时,该模型变为不随时间改变的随机前沿模型,也就是说,技术效率不随时间的变化而改变;当η<0时,技术效率与时间呈负相关关系,随时间增加而降低;当η>0时,技术效率与时间呈正相关关系,随时间增加而提高。
本文采用的数据为2006—2010年陕西省51家农村信用社的面板数据。
由于本文研究的是农村信用社的支农效率和利润效率,考察的是在单产出情况下,投入与产出之间的关系,因此采用模型(4),并结合柯布-道格拉斯生产函数,测算其效率值。
为方便计算,将模型(4)对数化,具体形式为:
lnYit=β0+β1lnX1it+β2lnX2it+…+
βnlnXnit+vit-uit
(5)
农村信用社的效率可以表示为该地区农村信用社的实际产出与其技术无效率项为0时的前沿产出的比值。具体形式为:
(6)
式中,EFF1代表农村信用社的效率,如果农村信用社自身可控制的无效率项uit=0,则表明效率最高,或者说效率处于随机前沿面上;如果uit>0,则说明效率还有提升的空间,或者说效率处于随机前沿面以下。
2.2.1 变量设定
目前,对于金融机构支农效率的研究较少,实证测度中,现有文献对投入与产出指标的选取见表1。
表1 支农效率的投入产出指标
1) 产出指标
支农效率属于农村信用社的外部效率(宏观效率),应该采用中介法界定其投入和产出变量。由表1可以看出,学者们对于金融支农效率的实证研究中,产出指标的选取不尽相同,但是都包含农民人均纯收入这一项,因为农民人均纯收入最能集中体现一个地区“三农”发展的总体情况。本文选择的SFA模型属于多投入、单产出的模型,因此本文选取农民人均纯收入作为SFA模型的产出变量。
2) 投入指标
投入指标的选取应该包括资本投入、劳动力投入和支农方面的投入。本文采用农村信用社的资产总额作为其资本的投入,职工人数作为其劳动力的投入,农户贷款额和农户贷款率作为其对于“三农”的投入,其中,农户贷款额反映农村信用社支持“三农”的总体运行情况,农户贷款率反映农村信用社支持“三农”覆盖面的广度。
2.2.2 随机模型检验及结果分析
本文运用Frontier4.1软件对样本农村信用社的支农效率进行测度,该软件是由Tim Coelli和Battese于1996年编写而成,专门运用随机前沿分析方法对银行效率进行计算。
随机前沿模型待估参数的估计值如表2所示。
表2 随机前沿模型参数的估计值
由表2可以看出,LR检验值为96.431 8,表明在5%的水平下显著,说明误差项中的复合结构较为明显,农村信用社的支农效率存在明显的差异;γ值为0.876 4,说明复合误差项中,技术无效率是主要因素,占87.64%,统计误差却只占12.36%;对数似然值为138.374 7,表明用此随机前沿模型测量农村信用社的支农效率是可行的。
将51个区县的农村信用社按城市划分为10个地区。按城市划分的农村信用社的支农效率如表3所示。
表3 2006—2010年陕西省各城市农村信用社的支农效率
从表3可以看出,西安农村信用社的支农效率高达90.15%,排名第一。宝鸡、咸阳和铜川的农村信用社的支农效率也都在80%以上,排名在第二至第四位。安康和商洛的农村信用社的支农效率较低,都未达到70%,排名最后两位。
西安、宝鸡和咸阳属于陕西省经济较为发达的城市,金融资源相对丰富,各类商业银行网点和资金也较多。这样,商业银行主要承担当地工业、服务业以及城市户籍居民的资金需求,而农村信用社主要承担当地农村、农业和农民的资金需求。所以,支农效率相对较高。
安康和商洛的经济基础相对薄弱,金融资源也相对缺乏。农村信用社不仅要服务于“三农”,又要满足较多的各类工商企业的贷款需要,加之安康和商洛的农村信用社资金本来就相对较少,这种情况下,农村、农业和农民的资金需求就更加得不到满足。因此,支农效率也相对较低。
综上所述,农村信用社的产权模式、经济环境和自然环境都会对其支农效率产生影响。具体来说,县联社模式的农村信用社比农村合作银行和农村商业银行的支农效率要高;经济发达城市的农村信用社的支农效率较高;自然环境优越、有利于农业发展的地区,支农效率相对较高。
2.3.1 变量设定
现有文献对于金融机构利润效率进行研究时,选取的投入产出指标见表4。
1) 产出指标
利润效率属于农村信用社的内部效率(微观效率),应该采用生产法界定其投入和产出变量。由表4可知,在测度金融机构的利润效率时,学者们对于产出指标的选取较为一致,一般包括利息收入、非利息收入、利税总额等反映其盈利水平的指标。农村信用社的利润主要来源于利息收入和非利息收入,本文选取利润总额(利息收入和非利息收入之和)作为利润效率的产出变量,以衡量农村信用社各项利润的总体情况。
2) 投入指标
投入指标应该反映金融机构为了获得利润的成本投入,一般都包括资本和劳动力。本文用资产总额和职工人数分别反映农村信用社的资本和劳动力的投入,用营业费用来反映资本和劳动力的价格。
表4 利润效率的投入产出指标
2.3.2 随机模型检验及结果分析
随机前沿模型待估参数的估计值如表5所示。
表5 随机前沿模型参数的估计值
由表5可以看出,LR检验值为89.912 7,表明在5%的水平下显著,说明误差项中的复合结构较为明显,农村信用社的利润效率存在明显的差异;γ值为0.847 3,说明复合误差项中,技术无效率是主要因素,占84.73%,而统计误差只占15.27%;对数似然值为115.355 6,表明用此随机前沿模型测量农村信用社的支农效率是可行的。
将样本农村信用社按照所在城市划分,得到陕西省10个城市的农村信用社的利润效率如表6所示。
表6 2006—2010年陕西省各城市农村信用社的利润效率
从表6可以看出,汉中和榆林地区的农村信用社的利润效率最高,都超过80%,而咸阳和铜川地区的农村信用社的利润效率较低,排名后两位。
汉中地区的农村信用社虽然利润总额并不是最高,处于中上水平,但是由于本文测度利润效率模型中三个自变量为资产总额、职工人数和营业费用,而汉中地区农村信用社的人力价格、资产价格和资金价格都相对较低。较高的利润总额和较低的人力、资产、资金价格共同作用,使得汉中地区农村信用社的利润效率最高。
榆林市是陕西省发展较快的城市之一,经济水平相对较高,金融业发达,很多国有银行和股份制商业银行在该市县域地区都设有网点。由于矿产资源丰富,人均收入水平较高,高收入人群增长迅速,与陕西省其他地区相比,客户资源优良,外部发展环境较好,以利润最大化为主要经营目标的农村合作银行和农村商业银行的数量位居陕西省第一位,本文所选榆林地区的5个样本中,就有两家农村合作银行和一家农村商业银行,因此榆林地区农村信用社的利润效率也较高。
铜川市是陕西省经济基础相对薄弱的城市之一,经济总量少,产业结构不合理,农村信用社的资金也相应较少,网点覆盖率不高,没有形成规模效应,利润水平较低,而且在所调研的铜川的4家农村信用社中,有3家在市区,人力价格、资产价格和资金价格相对较高,这与汉中地区的情况正好相反,所以利润效率相对较低。
可以看出,对于相同产权模式的农村信用社,有的经济环境和自然环境都较差,但是支农效率(或利润效率)却相对较高(如:延安),这表明效率还与农村信用社的内部管理水平有关。
为了便于分析农村信用社支农效率和利润效率之间的关系,选取以市为单位,结合表3和表6,得到表7。
表7 2006—2010年陕西省各城市农村信用社的支农效率和利润效率
从表7可以看出,关中地区的西安、宝鸡、咸阳和铜川的农村信用社在支农效率的排名中占据前四位,而在利润效率的排名中却属于最后四位;汉中和榆林地区的农村信用社支农效率排名靠后,但是利润效率却排名前两位。
总体来看,农村信用社的支农效率和利润效率呈负相关关系。支农效率高的农村信用其社利润效率就低,利润效率高的农村信用社其支农效率就低。也就是说,农村信用社不可能同时兼顾服务“三农”和利润最大化,这就要求农村信用社必须平衡两者之间的关系,在保证其可持续经营的基础上,最大限度地支持“三农”。
本文运用SFA方法对农村信用社的效率进行测度,得到以下结论:
1) 农村信用社的支农效率和利润效率与其产权模式、所处地区的经济环境、农业发展水平以及自然环境都有密切的关系;
2) 县联社模式的农村信用社支农效率较高而其利润效率较低,农村合作银行和农村商业银行的支农效率较低而其利润效率较高;
3) 经济环境、农业发展水平和自然环境都较好的地区,其支农效率和利润效率都较高;
4) 支农效率和利润效率呈明显的负相关关系。
基于以上结论,提出如下政策性建议。
1) 根据经济发展状况,选择相应的产权模式。农村信用社产权模式的选择应该与当地的经济和农业发展水平相适应。经济发达、以工业和服务业为主要产业的地区,应该选择以利润最大化为唯一经营目标的农村商业银行模式,以促进当地经济的进一步发展;经济较发达、支农任务相对较轻的地区应该选择兼顾服务“三农”和利润最大化的农村合作银行模式,平衡农业和非农产业的发展;经济欠发达、以农业为主要产业的地区应该选择以服务“三农”为主要经营目标的县联社农村信用社模式,以此促进当地农业产业的发展。
2) 减少省联社干预,增加县联社自主经营权。省联社既是政府委托管理全省农村信用社的管理机构,又是办理各种金融业务的经营机构,多种职能集于一身,造成了目前省联社权力过大、定位不清的现象。由于省联社对于县联社的经营管理和人事任免等具体事务干预过多,但对各地区农村信用社的实际情况不是十分了解,使得制定的政策和经营策略与当地的实际情况不相符,对其农村信用社的利润效率产生负面影响。因此,应该弱化省联社的管理职能,减少对县联社经营活动的干预,同时加强其行业自律的职能,监督基层信用社合法合规经营。
3) 优化经济环境,发展农业保险。农业产业受自然灾害和市场需求的双重影响导致了其弱势性。如果能够优化经济环境,降低这些影响带来的损失,那么农村信用社对于“三农”的惜贷现象就会减少。同时,农村信用社的不良贷款率和不良资产会降低,就会有更多的资金用于支持“三农”。因此,政府应该鼓励发展农业保险,通过建立农业保险制度保障农户的生产经营,减少农户遭受风险时的损失,为农民增收、农业发展和农村经济发展提供金融保障。保险机构为了自身经营,会对农业生产的风险进行预期和控制,农村信用社可以通过与保险机构合作,了解农户贷款的风险,减少信息不对称,使其更好的服务于“三农”。
参考文献:
[1] 张静,谭中明.农村信用社效率问题的产权分析[J] . 江苏大学学报,2002,4(1):116-118.
Zhang Jing,Tan Zhongming. The property rights analysison effieiency problem of RCCs[J] . Journal of Jiangsu University, 2002,4(1):116-118.
[2] Berger A N, Humphrey D B. Efficiency of financial institutions: international survey and directions for future research[J] . Finance and Economics Discussion Series,2006,97(11):175-212.
[3] Lewis H F. Network DEA:efficiency analysis of organizations with complex internal structure[J] . Computers and Operations Research,2004,31(9):1365-1410.
[4] Mohamed ARIFF, Luc CAN. Cost and profit efficiency of Chinese banks: A non-parametic analisis [J] . China Economic Review,2008,19(2):260-273.
[5] 宋罡,徐勇.基于随机前沿分析的中小企业技术效率[J] . 系统工程,2013,31(2):77-83.
Song Gang,Xu Yong.The technical efficiency of SMEs based on SFA[J] . Systems Engineering, 2013,31(2):77-83.
[6] 齐天翔,杨大强.商业银行效率研究的理论综述[J] . 财经科学,2008,8:26-34.
Qi Tianxiang,Yang Daqiang.Theoretical review on the researches of commercial bank efficiency[J] . Finance & Economics, 2008,8:26-34.
[7] 周再清,吴俊杰.基于DEA模型的金融支农效率研究[J] . 求索,2009,9:24-26.
Zhou Zaiqing,Wu Junjie.The research of financial support for agriculture based on DEA[J] . Seeker, 2009,9:24-26.
[8] 陈时兴.农村金融支农效率的比较研究——以浙江省农村信贷投资的产出效应与收入效应为例[J] . 中共浙江省委党校学报,2011,6:98-104.
Chen Shixing. The comparative study of the efficiency of rural financial support for agriculture——An example as the investment effect and the income effect in the production of zhejiang province rural credit[J] . Journal of Zhejiang Provincial Party School,2011,6:98-104.
[9] 张月飞,张伦.县域金融支农效率的实证研究——基于浙江省部分县域2005—2009年数据[J] . 浙江金融,2011,11:53-56.
Zhang Yuefei,Zhang Lun. The empirical research of the efficiency of county’s financial support for agriculture—Zhejiang Counties’ Data from 2005 to 2009[J] . Zhejiang Finance, 2011,11:53-56.
[10] 张振海,茹少峰.陕西省金融支农效率评价及影响因素分析[J] . 农业技术经济,2011,7:82-89.
Zhang Zhenhai,Ru Shaofeng. The evaluation and analysis of the efficiency and influence factors of Shaanxi financial support agriculture[J] . Journal of Agrotechnical Economics,2011,7:82-89.
[11] 黄宪,余丹,杨柳.我国商业银行X效率研究——基于DEA三阶段模型的实证分析[J] . 数量经济技术经济研究,2008,7:80-91.
Huang Xian,Yu Dan,Yang Liu.Research on the X-Efficiency of Commercial Banks in China—three-stage DEA mode[J] . The Journal of Quantitative & Technical Economics,2008,7:80-91.
[12] 姚晋兰,毛定祥.基于DEA-Tobit两步法的股份制商业银行效率评价与分析[J] . 上海大学学报,2009,15(4):436-440.
Yao Jinlan,Mao Dingxiang.Evaluation and analysis of efficiency of joint-stock commercial banks using the DEA-Tobit two-stage method[J] . Journal of Shanghai Univerdity, 2009,15(4):436-440.
[13] 李勇,王满仓.基于超越对数函数的商业银行成本、利润效率实证研究[J] . 投资研究,2011,30(8):3-11.
Li Yong,Wang Mancang.Empirical analysis of commercial banks’ cost and profit efficiency based on translog function[J] . Investment Research,2011,30(8):3-11.
[14] 王健,金浩,梁慧超.我国商业银行效率分析——基于超效率DEA和Malmquist指数[J] . 技术经济与管理研究,2011,4:124-127.
Wang Jian,Jin Hao,Liang Huichao.Analysis on efficiency of china commercial banks——based on SE-DEA and Malmquist index[J] . Technoeconomics and Management Research,2011,4:124-127.
[15] 于明超,陈柳.中国商业银行利润效率实证分析:1996—2007[J] . 南京师大学报,2011,1:51-64.
Yu Mingchao,Chen Liu.An empirical analysis of the profit efficiency of Chinese commercial banks: 1996—2007[J] . Journal of Nanjing Normal University, 2011,1:51-64.
[16] 丁忠明,张琛.基于DEA方法下商业银行效率的实证研究[J] . 管理世界,2011,3:172-173.
Ding Zhongming,Zhang Chen. Empirical analysis on efficiency of commercial banks based on DEA[J] . Management World,2011,3:172-173.
[17] 许刚全,杨水利.基于DEA的区域科技生产效率与科技成果转移转化效率测度[J] . 西安理工大学学报,2013,29(1):121-126.
Xu Gangquan,YANG Shuili.Measuring degree of the region’s S & T production efficiency and region’s S & T achievement transfer and transformation efficiency based on DEA[J] . Journal of Xi’an University of Technology, 2013,29(1):121-126.
[18] 徐辉,李健.中国银行业成本效率实证研究(1999—2010)——基于SFA测度方法的应用[J] . 北京理工大学学报,2013,15(3):74-83.
Xu Hui,Li Jian.The empirical study on the cost efficiency of Chinese commercial banks(1999—2010)—based on SFA method application[J] . Journal of Beijing institute of technology,2013,15(3):74-83.
[19] 窦育民,李富有.中国商业银行的利润效率:1994—2010年——基于随机前沿替代利润函数方法的实证分析[J] . 财经科学,2013,3:10-17.
Dou Yumin,Li Fuyou.The profit efficiency of Chinese commercial banking from 1994 to 2010 based on stochastic frontier alternative profit function approach empirical analyses[J] . Finance & Economics, 2013,3:10-17.