基于三阶段DEA模型的甘肃省贫困县金融扶贫效率实证研究

赵敏娟

摘要：金融扶贫是打赢脱贫攻坚战的重要手段之一，对扶贫效果会产生较大影响。文章运用三阶段DEA模型对甘肃省贫困县的金融扶贫效率进行测算，发现各县区扶贫综合技术效率处于低水平，规模效率普遍较好，且规模报酬递增的县区数量远多于规模报酬递减的数量，而纯技术效率差异较大。此外，外部环境因素也会对金融扶贫效率产生不同程度的影响。

Abstract： Financial poverty alleviation is one of the important means to win the battle against poverty， and it will have a greater impact on poverty alleviation. The paper uses the three-stage DEA model to measure the financial poverty alleviation efficiency of poverty-stricken counties in Gansu Province， and finds that the comprehensive technical efficiency of poverty alleviation in all counties is at a low level， the scale efficiency is generally good， and the number of counties with increasing returns to scale is far more than the decline in scale returns. The amount of pure technical efficiency varies greatly. In addition， external environmental factors will have different degrees of impact on financial poverty alleviation efficiency.

关键词：甘肃贫困县;金融扶贫;纯技术效率;规模效率;三阶段DEA模型

Key words： poverty-stricken counties in Gansu;financial poverty alleviation;pure technical efficiency;scale efficiency;three-stage DEA model

中图分类号：F323.8;F832.4                            文獻标识码：A                                  文章编号：1006-4311（2019）27-0296-04

0  引言

现阶段我国面临的一个重大问题是实现全面打赢脱贫攻坚战的战略目标，确保到2020年实现农村贫困人口全面脱贫。甘肃省属于西北地区深度贫困省份，贫困人口分布广泛，农村经济发展落后，农村居民收入来源少，劳动力素质不高，长期处于贫困程度深且发展弱的阶段。在大力打赢脱贫攻坚战的时代背景下，全省贫困县是全面脱贫的重点关注对象。而金融扶贫是重要的扶贫方式之一，金融扶贫资金成为支持贫困地区发展的重要资金来源。因此，研究全省扶贫实施效果及金融对扶贫效果产生的影响具有重要意义。

对金融扶贫的相关研究主要有以下：第一：对地区金融发展水平与其贫困程度的关系研究。部分学者研究发现金融发展会加剧不平等程度、扩大城乡居民间收入差距，农村金融发展不利于农民收入的增长（温涛等，2005;杨俊等，2006）;也有研究认为农村金融发展水平能够促进农村经济增长（姚耀军，2004;），而由于金融的不稳定性，又会在一定程度上抵消一部分减贫效果（崔艳娟，2012）。第二：对农村信贷资金配置效率的研究。农业信贷资金有助于减缓贫困，但我国贫困地区的农村信贷资金配置效率低下，对贫困减缓的作用有限（温涛等，2005;谢婷婷，2016）;在政府主导农业信贷资金投放的情况下，短期内农业信贷并未对农村经济发展做出有益贡献（朱喜等，2006），而长期来看农业信贷资金对农村经济发展有正向影响（杨栋，2007）。第三，对金融扶贫的模式、问题及对策建议的探讨。我国多数贫困地区过于追求扩大金融扶贫信贷规模，忽视了农村金融扶贫体系设计（吴义能等，2016），因此要从多角度结合地区特点发挥金融支持对精准扶贫的作用（张李娟，2017;欧国立等，2018）。已有文献对金融扶贫研究做出了有益的贡献，而直接以金融扶贫效率作为研究对象的文献多是以全国或者其他省份作为研究对象的，本文通过三阶段DEA模型，以甘肃省75个贫困县（区）为例，使用2016年末的统计数据进行实证分析，对金融扶贫效率以及其影响因素进行研究，为制定合理的金融扶贫政策、提高扶贫效率提供理论支持。

1  样本选取与模型

1.1 样本指标选取及数据来源

甘肃省共86个县（市、区），2018年10月16号，2个国家扶贫工作重点县、4个国家片区县和12个插花型贫困县摘帽，考虑到研究数据的问题，本文仍按照75个贫困县（区）进行金融扶贫效率测算。本文数据来源于《甘肃发展年鉴（2017）》《甘肃金融年鉴（2017）》《中国县域统计年鉴（县市卷）》。

投入指标：选取人均（涉农）贷款余额和人均农业生产投资作为投入指标。产出指标：选取农村居民人均纯收入和农业增加值分别代表农民生活水平和农业经济发展情况。环境指标：依据对金融扶贫效率有显著影响但又无法主观控制的原则选取地区生产总值、第一产业从业人员数、政府公共财政收入、农作物播种面积、固定资产投资为环境变量。

1.2 模型建立

传统数据包络分析（DEA）模型未考虑环境因素的影响，Fried（2002）将环境因素和随机扰动项加入到模型中建立了三阶段DEA模型。由于甘肃省各贫困县之间的发展情况不同，外部环境条件会对扶贫效率产生不同程度的影响，因此本文采取三阶段DEA模型进行测算金融扶贫效率。

1.2.1 第一阶段DEA模型

将考察评价的甘肃省75个贫困县看做决策单元，建立投入导向型BCC模型。每个决策单元记为DMUi（i=1，2，…），均有两个投入变量x和两个产出变量y，對于第i个决策单元，其投入导向下对偶形式的BCC模型可表示为：

1.2.2 第二阶段SFA回归

第二阶段主要任务是通过SFA回归将各投入的松弛变量分解，以剔除环境影响和统计噪声。对投入松弛变量进行回归时，解释变量为环境变量、随机误差和管理无效率。根据Fried等人（2002）的想法，构造如下的类似SFA回归函数：

其中，Zi为环境变量，？茁n为环境变量的系数;vni为随机扰动，？滋ni为管理无效率，Vni+？滋ni为混合误差项。SFA回归使用Frontier4.1软件来实现，采用最大似然法来估计环境变量的系数。

1.2.3 第三阶段调整后的DEA模型

将第二阶段经调整后的投入变量和原始产出变量再次代入DEA模型测算各决策单元的效率值，此时得到的是剔除了环境因素和随机影响之后相对有效的效率值。

2  实证结果

2.1 第一阶段DEA模型结果

使用deap2.1软件，对甘肃省75个贫困县（区）的投入产出数据进行效率测算，发现全省75个贫困县（区）纯技术效率均值为0.754，规模效率均值为0.889，综合技术效率均值为0.67，总体效率值较低。但此时的效率值包含了环境、统计噪声等影响因素，由于各县区的外部环境和发展情况存在较大差距，可能会使结果缺乏可靠性，因此有必要进行第二阶段SFA回归剔除环境和随机扰动的影响。

2.2 第二阶段结果

运用Frontier4.1软件对投入松弛变量分别进行SFA回归，通过多次拟合，剔除不显著的环境变量。回归结果如表1：单边似然比检验值均在1%水平上通过检验，说明模型的估计效果较好，有必要进行SFA回归以分离环境变量和统计噪声，且多数解释变量也在一定置信水平上通过检验。其中：①地区生产总值对投入2松弛变量在1%的显著性水平上通过检验且系数为正，会增加投入松弛变量的冗余量，对扶贫效率产生不利影响，与理论预期不一致，可能是因为地区经济发展会导致城乡居民收入差距扩大、加剧不平等程度，不利于提高扶贫效率。②第一产业从业人员对投入松弛变量的系数均为负且通过检验，表明能够降低投入松弛变量的冗余量，有助于提高金融扶贫效率，与理论预期相符合。因为全省农业生产机械化水平低，仍是以劳动力投入为主的粗放式生产模式，因此劳动力的投入能够有效的提高农业生产效率，对扶贫效果产生正向影响。③政府公共财政收入对投入2的松弛变量系数为负，与理论预期相符，因为较高的政府公共财政收入会在一定程度上增加政府财政扶贫资金的投入，提高对农村公共物品供给水平和农村公共设施建设能力，有助于提高金融扶贫效率。④农作物播种面积系数均为正且显著通过检验，会增加松弛变量冗余量，对金融扶贫效率产生不利影响，与理论预期不一致，可能是由于随着农作物播种面积的提高会降低资源利用率，使得单位土地生产效率下降，导致资源的浪费和一定程度的效率损失。⑤固定资产投资对投入1松弛变量系数为正且通过检验，与理论预期不相符，可能是因为固定资产投资更多的服务于县城经济发展，而对农村地区发展贡献小，进一步导致县城与农村经济发展的不均衡，加剧不平等程度，对扶贫效率产生了不利影响。

2.3 第三阶段DEA模型结果

将第二阶段经调整后的投入数据与原始产出数据再次代入DEA模型，得到第三阶段效率值。整理后结果如下表2所示。

在具体分析之前，先将第一和第三阶段效率值进行配对样本T检验，以进行差异显著性分析，结果如表3，调整前后规模效率差异并不显著，说明环境因素对其影响较小;而综合技术效率和纯技术效率分别在5%和1%的显著性水平上通过检验，表明调整前和调整后存在显著差异，环境因素和统计噪声对其产生了显著影响，这又进一步证明了进行SFA回归的必要性。

根据表2可以看出，在剔除环境因素和统计噪声影响后，处于效率前沿面的决策单元由8个下降至5个，其中，武山县、七里河区、凉州区、高台县没有变化，而临夏市、临夏县、甘谷县、夏河县退出有效前沿面，表明其外部环境条件相对较好，对金融扶贫效率产生了正向影响，在剔除环境因素和统计噪声后其效率值有所下降。

整体来看，全省平均综合技术效率水平由0.67上升至0.702，主要原因是纯技术效率由0.754上升至0.793，而规模效率由0.889下降为0.887，下降程度并不是很大。各县区综合技术效率均有不同程度的变化，整体效率有所上升但仍处于较低水平，调整前效率值主要集中在0.5-0.7之间，调整后集中在0.6-0.8之间，其中有25个县（区）综合技术效率有所下降，说明其外部发展环境对金融扶贫效率产生了正向影响，但大多数县区综合效率水平呈上升态势，说明其外部环境条件较差，对金融扶贫效率产生了不利影响。此外，纯技术效率分布情况较为分散，说明各县区之间的金融扶贫管理技术水平存在较大差距，调整后分散程度有稍微缓解，但西峰区、天祝县、两当县、皋兰县纯技术效率水平仍低于0.5，远低于全省平均水平，其管理决策能力与技术水平还需进一步提高。

相比纯技术效率，规模效率集中程度较高，大多数县区规模效率处于较高水平，平均值为0.889，且高于0.9的占全省贫困县的半数以上，说明甘肃省对贫困地区重视程度较高，整体金融扶贫供给规模相对较大。调整后规模报酬递增的县（区）由39个增加至58个，规模报酬递减的县（区）由28个下降为11个，且规模报酬递减的县大多为全省经济发展水平较好的县，如甘州区、肃南县等，但大多数县区仍未达到最优水平，距离最优规模水平仍具有一定的差距，在金融扶贫资金投入方面仍有较大提升空间。

就所属区域来看，全省贫困县分布广泛，天水市、定西市、陇南市、甘南州、临夏州集中了全省大部分贫困人口。从表5可以看出，不同经济区之间效率值差异较小，金融扶贫效率水平较为趋同，无显著差异，但总体仍处于较低水平。民族经济区综合技术效率最高，主要原因是其纯技术效率较高，但其规模效率最低，说明民族经济区的管理技术水平较高，但扶贫供给规模小;陇南经济区综合技术效率最低，其纯技术效率和规模效率均处于低水平，说明其管理技术和扶贫供给规模距离最优水平还有较大差距;隴中、河西经济区综合效率值也低于全省平均水平，仍有待进一步提高。

3  结论与建议

根据以上实证结果可得：第一，在排除环境因素和随机噪声后，各县区的综合技术效率水平均有不同程度的变化，表明金融扶贫效率受外部环境因素和统计噪声影响较大。第一产业从业人员、政府公共财政收入对金融扶贫效率产生了正向影响，而地区生产总值、农作物播种面积、固定资产投资由于各种不同的原因没有对金融扶贫效率产生所预期的促进作用。第二，总体来看，全省规模效率递增的县区数量明显多于规模报酬递减的数量，说明贫困县受重视程度较高，扶贫资源供给充足，扶贫力度相对较大，但大多数县区没有达到效率最优规模，仍有提升空间。第三，总体金融扶贫效率处于较低水平，且各县区之间的差异较大，主要原因是纯技术效率分布较分散，表明不同地区间管理技术水平有着较大差距。第四，各经济区之间效率差异并不明显。

针对以上研究结果，提出如下对策建议：第一，加强对金融扶贫效率带来负向影响的外部环境条件的改善。首先，加大政府公共财政投入和政府资金支农惠农力度，提高农村公共设施建设能力和公共物品供给水平;其次，结合县域特色，提高土地、固定资产等资源利用效率，充分发挥其提高农业综合生产能力的作用，提供良好的经济和社会环境;最后，建立健全农村金融体系建设，制定完善的农村金融政策，鼓励金融机构创新金融扶贫产品，扩展金融扶贫服务项目，以提升金融扶贫效率。第二，根据不同县区规模报酬条件增加或减少扶贫资源的投入。对于规模报酬递增的地区，进一步加大扶贫资金投入，加大对农村地区信贷资源的供给;对于规模报酬递减的地区，降低金融扶贫信贷规模，力求达到最优的规模效率。第三，对于纯技术效率较低的地区，应致力于提升其管理技术水平，各县应结合其自身实际条件和发展情况，进行管理创新，充分发挥自身优势，加强各环节的调控和监督，建立完善的管理制度体系，提升管理效率。

参考文献：

[1]H. O. Fried， C. A. K. Lovell， S. S. Schmidt， S. Yaisawarng. Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis [J]. Journal of Productivity Analysis， 17， 157-174， 2002.

[2]Harold O. Fried， Shelton S. Schmidt， Suthathip Yaisawarng. Incorporating the Operating Environment Into a Nonparametric Measure of Technical Efficiency [J]. Journal of Productivity Analysis， 12， 249-267 （1999）.

[3]温涛，冉光和，等.中国金融发展与农民收入增长[J].经济研究，2005（09）：30-43.

[4]杨俊，李晓羽，等.中国金融发展水平与居民收入分配的实证分析[J].经济科学，2006（02）：23-33.

[5]姚耀军.中国农村金融发展与经济增长关系的实证分析[J].经济科学，2004（05）：24-31.

[6]崔艳娟，孙刚.金融发展是贫困减缓的原因吗？——来自中国的证据[J].金融研究，2012（11）：116-127.

[7]温涛，王煜宇.农业贷款、财政支农投入对农民收入增长有效性研究[J].财经问题研究，2005（02）：78-83.

[8]谢婷婷，郭艳芳.地方政府干预、农村信贷资金配置与反贫困[J].贵州财经大学学报，2016（02）：71-79.

[9]朱喜，李子奈.改革以来我国农村信贷的效率分析[J].管理世界，2006（07）：68-76.

[10]杨栋，郭玉清.中国农业贷款效率——基于双方程误差修正模型[J].金融研究，2007（09）：151-159.

[11]吴义能，叶永刚，等.我国金融扶贫的困境与对策[J].统计与决策，2016（09）：176-178.

[12]欧国立，王睿哲.开发性金融在精准扶贫中的作用、挑战和对策研究[J].经济纵横，2018（07）：117-123.

[13]张李娟.西部地区金融支持精准扶贫的难点与对策[J].改革与战略，2017，33（02）：51-54.

[14]罗登跃.三阶段DEA模型管理无效率估计注记[J].统计研究，2012，29（04）：104-107.

[15]陈巍巍，张雷，等.关于三阶段DEA模型的几点研究[J].系统工程，2014，32（09）：144-149.