基于窗口参比Malmquist指数的农村金融支农效率分析

吴刘杰 张金清

基于窗口参比Malmquist指数法，采用全国31个省市2009—2016年的面板样本数据，实证检验了全国农村金融支农效率。研究发现：（1）农村金融支农的全要素生产率整体是下降的，但有不断改进的趋势；（2）农村金融支农的全要素生产率下降既有技术变化的因素，也有效率变化的原因；（3）绝大多数省市农村金融仍处于规模效率状态；（4）全国四大区域农村金融支农效率差异较大，东部、西部、中部及东北地区技术变化指数依次递减，且每个区域各省份之间也存在差异。因而，有效提升农村金融支农效率，必须强化技术创新，提高农村金融要素的集约化利用效率，立足服务农村经济发展需要，多维度推动农村金融供给侧结构性改革。

十九大报告首次提出坚持农业农村优先发展和乡村振兴战略，2017年中央农村工作会议专门部署了乡村振兴战略的目标和实施路径，为当前和今后一段时期的三农工作指明了发展方向和工作纲领。农村金融是农村经济的核心，农业农村发展离不开农村金融的支持，农村金融亦是我国金融体系中最为薄弱的一环，因而，支持农业农村优先发展和乡村振兴战略的有效落地，必须加快农村金融发展，加强农村金融研究。由于农村金融支农效率是正确理解并解决当前我国农村金融存在的深层次矛盾和问题的核心［1］，所以研究农村金融问题的重点在于关注农村金融支农效率。基于这一逻辑思路，本文以全国31个省市的农村金融支农面板数据为研究对象，分析农村金融支持农业发展的内在机理，并实证检验农村金融支农的效率变化，进而提出提升农村金融支农效率的对策建议，以期对完善我国农村金融服务体系、优化农村金融资源配置、提升农村金融支农效率带来参考与启示。

一、文献综述

发达经济体城乡一体化程度较高，不存在二元经济现象。针对农村金融效率的研究主要集中于发展中国家。比如，Siamwalla et al.对泰国正规农村信贷的效率研究发现，泰国正规农村信贷效率不高的主要原因是信息不对称。［2］Paxton认为墨西哥农村金融效率低下是由金融制度性因素导致的。［3］我国作为最大的发展中国家，具有典型的二元经济状态。因而，农村金融效率也是广大理论工作者和实务工作者关注的重点课题。针对这一课题，诸多学者的研究主要集中于宏观农村金融效率和微观农村金融效率。

从中国农村金融效率宏观层面研究来看，主要着眼于农村金融支农效率研究。具体而言，部分学者认为农村金融效率整体水平较低。［4-6］温红梅等以2010年全国2001个县级数据为基础,运用四阶段DEA方法对县级市及县城的投入产出指标及外部环境因素共计30015个数据进行实证分析,结果发现我国农村金融整体处于低效状态,且明显受到外部环境的影响。［5］张永刚和张茜基于资源配置效率角度,运用DEA方法实证研究了中国农村金融效率，认为农村金融促进农村经济增长的效率欠缺,且农村金融技术效率受外部环境较大制约。［6］鉴于我国区域发展不平衡的状态，我国农村金融效率也呈现出明显的区域差异。黎翠梅和曹建珍指出，我国不同区域的农村金融效率差异显著，东部地区的农村金融效率总体上高于中西部地区，同时中部地区农村金融效率具有典型的“塌陷”特征。［7］张一青和彭非运用四阶段DEA-Tobit方法，对我国31个省级行政区的农村金融效率进行了实证研究，结果发现西部地区农村金融综合效率远远低于东、中部地区。［8］杜伟岸等在数据包络分析模型基础上考虑环境因素，对我国省际农业保险财补政策方面进行效率评价，结果认为，我国农业保险财补总体效率较高，但西北五省除新疆外的其他地区效率普遍偏低；效率最低的省份还包括江西和浙江两省，两省效率低的原因具有差异性。［9］曹静等利用面板数据，实证研究了我国1991—2011年农业资本配置效率与农村金融发展的相关性，发现农业资本配置效率呈东、中、西梯度递减特征，且农业资本配置效率的地区差异随着农业经济发展而缩小。［10］关于中国农村金融微观层面的研究，主要考察农村金融机构的经营效率。部分学者对村镇银行和小贷公司经营效率进行了实证研究。［11-12］但对农村金融经营效率的研究多集中于农村合作金融机构。如，李敬和陈澍基于西部地区311个乡镇农村信用社的调查资料，运用排序多元选择模型对农村信用社运行绩效及影响因素进行了实证研究，结果发现农村信用社的运行绩效整体处于中偏差的状态，而影响其运行绩效的主要因素是人力资本结构、农户信用体系建设、农村信用社的治理结构及运营方式等因素。［13］

金融系统复杂性、农业产业特殊性和二元经济结构典型性的叠加使得我国农村金融问题更为凸显。［14］已有研究主要集中于宏观层面或微观金融机构主体的效率问题，取得了一定成果，对我国农村金融效率提升具有一定价值。但是，相对于我国广大农村区域的复杂性和不同地方的特殊性，现有研究的指导意义尚有不足。因而，本文基于全国农村金融支农的面板数据，探讨全国及不同区域的农村金融支农效率，总结全国农村金融支农效率提升的共性因素，为不同区域在促进农村金融效率提升过程中，相互借鉴学习，提供实证依据，以进一步强化乡村振兴的农村金融支持。

二、农村金融支持农业发展的内在机理

农业发展离不开资金的支持。农村金融在农业经济发展中扮演着举足轻重的地位。在我国金融实践中，农业金融机构主要包括银行、证券、保险三类金融机构，其各有支持农业发展的内在机制。

（一）银行机构

银行业机构是支持农业发展的主要金融机构。在我国主要涉农银行业机构中，既有农村信用社、农村商业银行、农村合作银行等农合金融机构，也有农业银行、邮政储蓄银行等股份制银行，又有农业发展银行等政策性银行，还有村镇银行等新型农村金融机构。农业经营者的资金需求多具有季节性、周转慢等特点，而农业贷款也具有高风险的特征。因而，银行业机构支持农业发展更具有履行政策性义务的内在要求。银行业支农的重点方式就是提供信贷支持，主要包括抵押、担保、信用等贷款类别。从抵押角度来看，农业经营者提供有效抵押物给银行，然后从银行获得贷款资金，以用于农业生产。从担保角度来看，当农业生产者缺少抵押物时，由第三方为其提供担保后，方可获得信贷资金，从事相应的农业生产活动。从信用角度来看，农业生产者没有抵押物且没有第三方提供担保时，如果拥有良好的信用，则可以向银行申请无抵押、免担保的信用贷款，用以相应的农业生产生活。

（二）保险机构

作为弱质性产业，农业容易受自然灾害的影响。我国作为自然灾害多发的国家，不仅农作物易受到自然灾害的影响，养殖业也易受到自然灾害、传染性疾病等因素带来的不利影响。若农业生产者参加农业保险，则当风险事件发生时，农业生产者可以获得由保险人提供的损失补偿，有利于农业生产者迅速恢复再生产。同时，建立良好的农业保险体系，相当于为信贷的介入提供了一种催化剂，可以更大范围地撬动信贷资源进入农业领域。［15］因为，保险能够起到类似抵押物的作用，使贷款违约率降低，从而促进银行增加信贷供给。［16］

（三）证券机构

证券机构可以支持符合上市条件的农业企业在资本市场上市融资，或者支持相关农业企业在债券市场发行债券进行融资。而对于已上市农业企业而言，可以通过再融资方式获得发展所需资金。对于农产品期货市场而言，由于具备价格发现功能，能够帮助农民调整农产品种植结构，增强生产预见性；也可以帮助市场参与者改善经营和保值避险；还能够促使农产品流通国际化和农业生产标准化。［17］

在我国,农村金融支农政策具有显著的政策化属性,因而农村金融资金的使用效果受到政府管理效能、地区自然禀赋、金融系统的运行状况等因素影响，存在地区差异。但是，随着宏观经济环境改善以及农业生产水平的提高，农村金融支持农业发展的效率即农村金融支农效率从理论上应该获得相应的改善。这也是笔者进行实证分析的理论前提。

三、研究设计

（一）样本选择

鉴于整体研究农村金融的支农效率，在样本选择上，先把全国农业金融效率作为研究对象，在此基础上，考察了东部、中部、西部、东北四大经济区域及区域内不同省份的农村金融支农效率。

（二）数据说明

在金融机构类型划分中，主要包括银行、证券和保险三类。而在农村尤其中西部农村金融中，农村证券所占份额相对较少，且统计数据缺乏，因此，本课题研究中忽略农村证券对农业经济的影响，仅考虑银行和保险业对农业经济的影响。在指标选取上，借鉴已有文献［9］［18］，选取涉农贷款和农业保险保费收入作为投入指标，将农林牧渔业总产值作为产出指标。数据主要来源于wind数据库、《中国保险年鉴》和中经网统计数据库。

表1 投入产出指标及数据来源

从2009—2016年全国涉农贷款、农业保险保费收入与农林牧渔业总产值变化趋势看，农村金融投入增加的速度快于农林牧渔业总产值增加速度，意味着单位农林牧渔业总产值的增加需要单位农村金融资源的投入量增多，即单位金融资源投入的边际产出减少。

图1 全国涉农贷款、农业保险保费收入与农林牧渔业总产值变化趋势

（三）模型介绍

在效率评价研究中，近年来越来越多学者采用工程效率的评价方法即数据包络分析（Data Envelope Analysis,DEA）,该方法是用于评估评价单元相对有效性的非参数技术效率分析方法,不要求具体的模型设定，适用范围较广，从而得到了广泛应用。因而本文借鉴相关文献，对农村金融支农效率的评价采用DEA-Malmquist指数法进行分析。Malmquist指数（Malmquist Indix，MI）最初是由瑞典经济学家Sten Malmquist在1953年提出，此后学者们不断对该方法进行改进和拓展。Caves等在1982年开始将这一指数应用于生产效率变化的测算，Färe等在1994年将这一理论的一种非参数线性规划法与DEA理论进行了结合，并将Malmquist指数分解为技术变化指数（technological change,TC）和效率变化指数（efficiency change，EC）。［19］EC用以评价DMU在两个时期的技术效率变化，TC用以评价生产前沿面的变动情况。其中效率变化指数又可进一步分解为纯效率变化指数（pure efficiency change,PEC）和规模效率变化指数(scale efficency change,SEC)。Färe等人的改进，使Malmquist指数法引入了适当的动态DEA模型进行决策综合效率评价，可以对决策单元进行充分评价和排序，并能定量指出系统如何不断优化结构、提高投入产出效率的发展途径，以指导决策者进行决策。由于Malmquist指数法能够较好刻画经营效率的动态变化，同时可以对得出的经营效率值进行排名，使其成为许多学者研究动态效率时的首选方法。基于Malmquist指数法的上述诸多优势，本文选用该方法考察农村金融支农效率。

Malmquist指数构造的基础是距离函数（distance function），距离函数为DEA理论中C2R模型和BC2模型效率值的倒数。假定规模报酬不变,t期技术条件下,决策单元的输入指标x和输出指标y从t期到t+1期的技术效率的变化为在t+1期的技术条件下，从t期到t+1期的技术效率的变化为则Malmquist指数（MST或MI）可以表示为：

根据Ray和Desli的分解模型［20］，Malmquist指数可以进行如下分解：

其中：Malmquist指数是衡量全要素生产率①从t期到t+1期的动态变化指数。该指数值大于1，表明从t期到t+1期全要素生产率有所提高；该指数值等于1，表明从t期到t+l期全要素生产率不变；该指数值小于1，表明从t期到t+l期全要素生产率呈下降趋势。

效率变化指数（EC）表示从t期到t+l期每个观察对象相对于生产前沿的追赶程度，即在t期至t+l期的技术效率变动程度，反映了在给定投入的情况下被评价对象获取最大产出的能力，代表了各种生产要素的集约利用效率。EC＞1表示技术效率改善，EC＜1表示技术效率恶化。

TC表示t期到t+1期的技术变化指数，表示决策单元在t期到t+1期生产前沿面的移动，反应技术进步或创新的程度。TC＞1表示生产边界外移，即整体技术进步；TC＜1表示生产边界向原点移动，即整体技术衰退。

PEC表示一定资源的投入获得相应产出的能力，PEC＞1表示相应年份技术进步，PEC＜1表示相应年份技术滞后。

SEC表示扩大资源投入相应扩大产出的能力，SEC＞1说明投入规模相应不足，SEC＜1说明投入资源过度，导致规模效率下降。

为有效扩展Malmquist指数的应用，部分学者将窗口DEA应用于Malmquist构造了窗口Malmquist模型，将多个时期构成的窗口作为参考集，窗口的构成由窗口宽度（d）和偏移量（f）决定。具体而言，窗口Malmquist模型使得参考集内的数值点（一个数值点看作一个“DMU”）的数量成倍增加，解决了DMU数量不足的问题，扩展了DEA方法在地市级政策效果评价中的应用。根据经验分析，选择窗口宽度为3，能够减少测量误差，实现可信度和稳定性的平衡，效率值更接近实际情况。［21］因而本文选取d=3的窗口前沿交叉参比Malmquist指数法（两个Malmquist指数的几何平均）进行实证研究。其中，Et(xt,yt)和Et+1(xt,yt)为某一评价单元在两个时期的技术效率值。

即Malmquist指数为效率变化和技术变化的乘积。

四、实证分析

依据窗口参比Malmquist指数法及上述样本数据，测算了全国31个省（市）2009—2016年农村金融支农的全要素生产率及其分解变化，进而全面深入分析其变化情况（见表2）。

（一）全国农村金融支农的全要素生产率变化趋势

根据表2结果可以发现：从样本期均值看，全国农村金融支农的全要素生产率整体下降，年均下降8.82%的幅度，且29个省级区域的全要素生产率也是下降的。这说明全国农村金融支农效率整体是下降的，原因或许在于相关制度未充分调动各类农村金融资源支持农业发展的积极性。从样本期全要素生产率年度变化来看，近年来全国农村金融支农的全要素生产率在不断改进，其中全国农村金融支农的全要素生产率的下降幅度由2011—2012年的17.93%变为2015—2016年的7.49%，同时，31个省级单位中全要素生产率大于1的省级单位也由2012—2013年的0个变为2015—2016年的8个。这说明全国农村金融的支农效率存在改进，主要原因在于近年来金融支农力度加大和金融精准扶贫政策的持续推进。

（二）全国农村金融支农的全要素生产率的分解变化趋势

为有效揭示影响全要素生产率变化的内在原因及存在差异性，本部分将从时间和区域角度分别探讨农村金融支农的全要素生产率分解变化趋势。

1.基于时间角度的全国农村金融支农全要素生产率变化分解。根据表3结果可以发现：2011—2012年后全国农村金融支农的TC值均小于1，说明导致全要素生产率下降的主要原因在于技术下降，即金融支农技术落后，主要包括农村金融结构不合理、农村金融创新能力弱、农村金融资源流向非农产业等问题，比如，名义上为涉农贷款，实际上将资金投资于房地产或资本市场来牟利。从EC指标来看，除2012—2013年、2013—2014年与2015—2016年外，其他时间段EC是小于1的，说明整体上农村金融要素的集约利用程度不高。通过对EC指标的进一步分解发现，除2013—2014年与2015—2016年外，样本期PEC指标均小于1，这说明存在农村金融相关的制度运行效率不高，经营管理能力不强等问题；而除2009—2010年、2011—2012年的SEC指标小于1外，其余年份SEC指标均大于1，这表示依靠金融资源的投入规模能够有效支持农业生产。但是，各方需要注意规模效应递减带来的问题，应持续提升金融支农技术，提升资源的集约化利用程度。

表2 全国农村金融支农全要素生产率变化

表3 基于时间角度的全国农村金融支农全要素生产率变化分解

2.基于区域角度的全国农村金融支农全要素生产率变化分解。根据表4结果，可以发现：从四大经济区域来看，东部、西部、中部及东北地区的TC值有递减趋势，这说明东部、西部、中部及东北地区的农村金融技术进步程度是递减的。但是，除东部地区外，其他三个区域SEC均大于1，这说明东部地区金融支农技术创新具有相对优势，而其他区域主要侧重于依靠规模促进支农效率提升。同时，各区域EC与PEC均值都小于1，这说明全国各区域均有待于持续提升技术进步程度，不断提高金融资源的集约化利用程度。从各区域内部来看，浙江是东部地区乃至全国TC值唯一大于1的区域，说明浙江农村金融创新在全国领先。西部地区重庆、贵州的EC、PEC和SEC均大于1，且这两个区域MI值是西部乃至全国大于1的两个省市，原因或许在于重庆地票制度及贵州农村金融改革②极大推动了相关要素资源的利用效率。中部、东北地区农村金融发展主要体现在规模效率上，尤其是东北三省的SEC均大于1，这说明该地区应持续增加农村金融要素的规模。总体来看，全国各省域农村金融支农效率差异较大，存在显著的农村金融发展不平衡问题。原因或许在于各省域农村金融资源禀赋、金融创新能力、地方政府重视农村金融程度、农村金融机构管理者素质等因素的差异。

五、结论与建议

本文基于窗口参比Malmquist指数法，采用全国31个省市2009—2016年的样本数据，实证分析了全国农村金融支农效率。研究发现：（1）农村金融支农的全要素生产率整体呈下降态势，但具有不断改进的趋势；（2）农村金融支农的全要素生产率下降既有技术变化指数的因素，也有效率变化指数的原因；（3）绝大多数省市农村金融仍处于规模效率状态；（4）各区域农村金融支农效率差异较大，东部、西部、中部及东北地区技术变化指数依次递减，且每个区域各省份之间存在差异。

表4 基于区域角度的全国农村金融支农全要素生产率变化分解

根据研究发现，笔者认为有效提升农村金融支农效率，必须强化技术创新，扩大农村金融投入规模，提高农村金融要素的集约化利用效率，而这需要金融机构、监管机构与政府机构的多方合力，立足服务农村经济发展需要，多维度推动农村金融供给侧结构性改革，以加大金融支农的精准度。因此，首先，金融机构应提升自身经营管理水平。涉农金融机构应以农业供给侧结构性改革为主线，聚焦新型农业经营主体、绿色农业和特色农业，持续更新现代金融服务技术，不断加大产品和服务模式的创新。同时，涉农金融机构应对标同业先进银行，改进自身服务模式，提升自身公司治理水平，完善激励约束机制，健全全面风险管理体系。其次，监管机构应加强金融支农的有效监管。监管机构应不断完善相关数据统计制度，健全涉农机构的支农考核办法，引导金融机构持续加大投入农村领域的金融资源规模，并加大对涉农资金违规流向非农产业的惩罚力度。在监管政策制定上，也应充分考虑农业的弱质性，适度向农村金融机构进行政策倾斜，比如在支农再贷款利率、扶贫再贷款利率、增值税抵扣项目、存款保险费征收等方面给予农村金融机构优惠政策。最后，政府机构应健全支农政策。政府部门应厘清与市场的职责边界，着力完善相关涉农制度建设，比如农地“三权”分置、林权制度改革、农村产权交易制度等。还应持续加大财政支农力度，如在财政资金主导下设立各类涉农产业引导基金。同时，要积极带头并组织相关涉农服务机构向先进地区学习经验。

注释：

①文中全要素生产率表示农村金融投入产出系统中管理效能、技术进步、资源配置等因素综合作用下的效率，在模型函数中用距离函数度量。

②依据《国务院关于进一步促进贵州经济社会又好又快发展的若干意见》(国发〔2012〕2号)，贵州专门出台《贵州省人民政府关于进一步深化农村金融体制改革的指导意见》（黔府发〔2012〕22号），推动农村金融体制改革。