基于DEA的安徽省农村金融机构支农效率研究

董春丽

（滁州学院 数学与金融学院，安徽 滁州239000）

农村金融在支持三农、促进农村资本充分利用过程中发挥着重要的作用。2018-2022的乡村振兴战略规划中明确强调要“加大金融支农力度，更好满足乡村振兴多样化金融需求”。农村金融机构作为服务农村经济的主力军，其经营及支持三农发展效率问题备受关注。多年来农村金融机构支农效率不高、农村金融机构供给不足等问题被反复讨论，在此背景下农村金融机构的改革不断推进。

金融机构通过信贷投入及相应的服务支持农村经济的发展，金融支农效率分析农村金融在农村地区投入对农村经济发展的影响，可以从金融的覆盖、农村经济福利的改善进行对比分析，通过研究金融投入和经济产出是否位于生产的前沿面来判定金融支农效率是否处于有效状态。对农村金融机构支农中存在的问题及效率进行研究的文献很多。程郁等研究发现正规金融体系抑制了农村的金融需求[1]。黎翠梅等通过对区域农村金融效率分析发现我国东西中各个区域金融效率区别较大[2]。王颂吉等使用两阶段关联型DEA的方法研究了改革开放40年来农村信用社的支农效率，发现农信社支农效率水平在不同的改革阶段分化比较明显[3]。王定祥等研究发现加快农村区域金融改革，调整农村产业结构，增加农村人力资本投入，以有利促进金融支农效率的提高[4]。从现有文献来看，研究农村金融机构尤其农信社支农效率的较多，大部分文献通过DEA方法测算农村金融的横向及纵向效率，从农村金融机构改革的视角研究其支农效率变化的研究较少。在全国大多地区已基本完成农村金融机构改革的背景下，对全国及区域的农村金融机构支农成效变化的研究较少。本文首次从安徽省农村金融机构改革的视角研究安徽省农村金融机构改革带来的支农效率变化，并未后续进一步的研究提供方向。

1 研究方法与数据来源

1.1 研究方法

评价投入产出效率的方法有参数法及非参数法，其中基于非参数的数据包络模型比较常用。DEA模型能相对客观的确定投入分析比例，通过规划模型判断样本是否处于生产可能集的有效前沿，在多投入产出模型中不需要提前确定相应的生产函数，能比较好的计算样本的效率值[5]。基于以上因素本文将选取DEA模型来评价安徽省农村金融机构的支农效率。DEA模型模型是由A.Charnes和 W.W.Cooper等（1978）基于规模报酬不变的假设创建，称为CCR模型。此后Banker，Charnes and Cooper(1984)提出了规模报酬变化的假设对模型进行改进即BBC模型[6]。

对于CCR模型，假设有n个样本，其中每个样本均有m个投入指标X和s个产出指标Y，每个样本i均对应一个投入量xi和一个产出量yi。对于每一个决策单元，我们都得到所有产出关于所有投入的比率的测量，其中u为输出权重矩阵，v是为投入权重矩阵。求解最优权重即求解线性规划的目标。

对于每一个决策样本，线性规划模型表示为：

对于BBC模型，在CCR模型中加入

其中θ为第i个样本的技术效率测度，xi0表示第i个样本的投入向量，yi0表示第i个样本的产出向量，λi为第i个样本的权重，s+和s-为松弛变量，ε为大于0的非阿基米德无穷小量。

根据模型可以计算出样本技术效率，包括纯技术效率和规模效率，技术效率的取值介于0和1之间。根据DEA相关理论，BCC模型中的最优解θ当，θ＝1时，决策样本单元技术效率有效；当θ＜1时，决策样本单元技术效率无效；且θ值越小，说明效率越低。规模效率的取值处于0与1之间。同样若规模效率等于1，则样本规模有效率；若规模效率小于1，则样本规模无效率。

1.2 数据来源及指标选取

由于农村主要金融机构农信社于2003年开始与农行脱钩进行深化改革，本文农村金融机构信贷数据选择从2003年开始。本文数据源于安徽省2003--2017年统计年鉴中的农村金融机构信贷收支数据，农村人均收入，第一产业GDP及第一产业固定资产投资。由于安徽省自2012年前后开始进行农村金融机构改革，因此在统计年鉴中国的数据统计对应加以调整。2011年及以后的农村金融机构信贷收支数据取自农村信用社及中资区域性中小型银行的信贷数据。其中中资区域性中小型银行包括农村商业银行、农村合作银行、村镇银行。2011年以前的农村金融机构信贷数据取自农村信用社、农村商业银行及农村合作银行的信贷余额数据。2015年开始安徽省农村信用社全部改制完成，农村金融机构信贷数据取自中资区域性中小型银行。从选取的数据可以看出，2003-2017年农村人均收入连续增长，2015年安徽省农村金融机构改革完成后出现了2016-2017年农村金融机构贷款额度下降但农村人均收入持续上升的情况，说明安徽省农村金融机构改革成效初显。安徽省农村金融机构投入与农村人均收入增长图如图1所示。

图1 安徽省农村金融机构投入与农村人均收入走势图

本文运用DEA模型对安徽省农村金融支农效率进行分析，因此首先需要确定投入和产出指标。基于全面的考虑，本文选取农村金融机构贷款余额及第一产业固定资产投资作为投入指标，选取安徽省第一产业GDP及农村人均输入做为产出指标，基于投入指标和产出指标对安徽省农村金融机构进行效率评价，具体指标选取如表1所示。

表1 安徽省农村金融机构投入产出指标

2 安徽省农村金融机构改革前后支农效率分析

本文的DEA效率测算在DEAP2.1软件中完成。基于安徽省2003-2017年数据对安徽省农村金融机构的支农效率通过投入产出法进行分析，效率评价结果如表2所示。

根据DEA方法中关于效率评价指标的界定，效率值越大说明金融机构支农效率越高，表明相同规模的金融投入引起的农村GDP和人均收入的产出越多。Crste表示规模报酬不变的综合技术效率，vrste表示纯技术效率，scale表示规模效率，其值等于crste/vrste。从表2中可以看出，安徽省2003-2017年综合效率均值0.666，纯技术效率均值0.989，规模效率0.673，规模效率较低，纯技术效率较高。规模效率偏低说明安徽农村金融机构的金融投入规模并没有产生相应的效率，带动农村农业经济增长的更多依靠的是技术效率。总体而言，安徽省农村金融机构综合效率较低，与技术效率有效值1仍有较大的差距，需要进一步提高农村金融机构的规模效率。

表2 2003-2017年安徽省农村金融机构效率评价结果

从图2中可以看出，安徽省农村金融机构综合效率、纯技术效率及规模效率的变动趋势。2003年及2004年效率值较高因为当时农村金融贷款投入较少，但在当时市场化改革的带动下，农业经济相对于贷款投入有较快速的增速，是一种低投入、低增长下的规模效率。安徽省在2012年前后开始进行农村金融机构改革，从图中可以看出

图2 安徽省农村金融机构支农效率图

2012年之前，安徽农村金融机构纯技术效率在相对稳定的情况下，规模效率不断下降导致综合效率直线下降，且效率降低速度相对稳定。由此说明在2012年及之前，由于农村金融机构设置及管理问题，农村金融机构支农效率不断下降。随着2012年安徽省开始不断深化的农村金融机构改革，农村金融机构支农效率在2013年之后开始停止下降，改变了之前近乎匀速下降的趋势，并且综合效率开始有一定的回升。2015年安徽省基本完成农村金融机构的改革，纯技术效率开始上升，2017年综合效率也开始回升。说明随着安徽省农村金融机构改革的完成，其支农效率有了较大的改善。数据显示，2017年与2016年相比农村金融机构贷款余额下降但第一产业GDP及人均收入仍然上升，说明农村金融机构提升支农效率，在缩减贷款投入的情况下产出仍然有一定的增长，实现了技术效率的改善。但总体而言，2017年综合效率0.548，虽然较之前有一定的进步，但安徽省总体的农村金融机构支农效率仍处于较低水平，仍有较大的提升空间。

3 结论与建议

3.1 结论

通过对安徽省2003-2017年农村金融机构改革前后其支农效率的变化进行研究，结果发现：(1)安徽省农村金融机构改革成效显著。改革之前2003-2012其支农的技术效率连续下降，2012年开始改革之后其综合效率开始停止下降并在2016-2017年开始改善并提升，在投入金融规模减少的情况下产出继续增多，规模效率提升显著。(2)安徽省农村金融机构支农效率仍然水平较低。虽然经过改革后，安徽省农村金融机构支农效率有一定的改善，但2017年其综合支农效率整体仍处于低位，处于规模无效的状态，说明安徽省农村金融机构的效率仍有较大的提升空间，需要进一步深化农村金融机构改革。

3.2 建议

因此要继续提升农村金融机构支农效率，建议：(1)政府等监管机构对于农村金融机构的监管措施从规模投入转向效率考核。考核农村金融机构的放贷规模，鼓励加大对中小微企业的信贷规模投入不利于农村金融机构支农效率的有效提升。随着农村土地制度的改革、农业经营方式的改变及新型农业经营主体的出现，三农领域的金融支持方式需要作出调整，信贷投放方式需要适应三农领域的发展新特征，提供相适应的金融产品及服务。管层需要用合适的激励及考核方式引导农村金融机构的信贷投放，鼓励农村金融机构通过创新产品及服务提升规模效率。(2)政府推动金融科技设施及技术在农村金融机构的应用，提升其综合效率。农村金融机构支农效率不高与其自身的经营特征有较大的关系。金融科技的出现极大地提升了信贷效率，改变了信息处理方式和整个决策的过程，为中小型的农村金融机构提供了新机遇。服务农村地区的中小区域性金融机构与其他全国性金融机构相比规模较小，金融科技设施投入较少。因此政府可以通过补贴、税收及考核等相关措施推动农村金融机构加快转型，提升其支农的技术效率及综合效率。