基于DEA-Tobit 模型的金融精准扶贫效率与影响因素研究——以阜阳市为例

谢艳琳 芮英健 韩雨雪（谢艳琳，安徽财经大学财政与公共管理学院；芮英健、韩雨雪，安徽财经大学金融学院）

■ 引言

2019 年4 月习近平总书记在座谈会上强调，当下工作核心是聚焦脱贫攻坚、加大金融支持以及创新产品服务，切实有效完成今明两年金融精准扶贫工作，助推金融脱贫攻坚。目前，我国的脱贫工作到了最后的冲刺关头，金融扶贫也到了“攻坚拔寨短穷根”的关键时期。虽然大量贫困人口已经成功脱贫，但贫困人口的绝对数量依旧庞大。如何让剩下的人口早日脱贫，应当采取更为有效的扶贫措施。而金融扶贫在资金使用管理、扶贫成本以及脱贫效率等方面均存在问题,如何有效提高金融扶贫效率是一个等待研究和解决的问题。因此，本文以阜阳市为研究对象，建立DEA-Tobit 模型，分析比较下属三个国家级贫困县金融扶贫的技术效率值以及影响效率值的因素，助力金融扶贫效率的提高。

■ 金融扶贫效率实证分析

（一）研究方法

DEA（数据包络分析）效率评价方法指的是在多个投入产出的情况下，被用来测量决策单元(DMU:Decision Making Unit)相对有效性的分析方法。根据DEA 分析方法确定DMU 的有效生产前沿面，确定被测量的DMU 实际产出值与有效生产前沿面的相差程度，从而判断DMU 是否有效。

（二）建立模型

本文将选取阜阳市下的三个国家级贫困县（临泉县、阜南县、颍上县）作为决策单元，记为DM(i=1,2,3),每个决策单元均包含3 个投入变量X 与3 个产出变量Y，针对第i 个决策单元，以投入为导向建立BBC 模型，其表现为：

其中，j=1,2,3 表示决策单元，X,Y 分别表示投入变量与产出变量，S−表示决策单元实际值与有效值可减少的数量，S+表示决策单元实际值与有效值可增加的数量。ε 表示一个无穷小量，θ 表示决策单元的有效值。①若θ=1且S−=S+=0，则决策单元处于有效状态。②若θ=1，S−≠ 0或S+≠0，则决策单元DEA 处于弱有效状态。③若θ＜1，则决策单元处于非有效状态。

（三）指标选择

本文考虑数据可获得性，同时结合阜阳市的实际情况，对临泉县、阜南县、颍上县2015 年—2018 年的投入产出数据进行以下指标选择。

投入指标：金融基础设施是支持金融扶贫工作的重要载体，有益于扶贫政策的实施与开展，金融机构为农村群体提供了最基本的农村金融服务，反映了特定地区内提供金融产品与服务的能力大小，再者，特地地区内的存贷款余额占当地GDP 的比例（下面用金融相关率表示），反映了当地金融发展的规模大小，特定地区内贷款余额占存款的比例，反映了信贷资金的转化能力，二者均反映了金融扶贫政策实施的难易程度，因此本文选取金融机构网点数、金融相关率（X1）、贷款余额（X2）与存款余额（X3）之间的存贷比作为该模型的投入指标。

产出指标：金融扶贫的产出反映为特定地区扶贫对象生活的改善情况以及当地的经济发展情况。本文选取农村居民家庭人均可支配收入（Y1）、农村居民人均消费性支出（Y2）、农林牧业增加值（Y3）。前面两项反映了金融扶贫投入对改善扶贫对象生活的影响，后者反映了金融扶贫投入对农业经济的拉动程度。

（四）数据来源

根据所选数据最大程度反映最新情况的原则,并考虑到指标的可获得性，本次研究将数据来源时间定为2015—2018 年，相关数据来源于银监会官方网站，《阜阳统计年鉴》以及《中国县域统计年鉴》（县市卷）。

（五）结果分析

利用DEAP.2 软件，将阜阳市下三个国家级贫困县2015—2018 年金融扶贫的投入产出数据，导入软件。根据表1 结果可知，2015—2018 年临泉县和颍上县的技术效率均等于1，说明二者金融扶贫效率始终有效。而2015 年阜南县的技术效率值为0.954，呈无效状态。根据阜南县2015—2017 年DEA 实证结果可知，当技术效率值小于1 时，其规模效率均小于1。说明阜南县是因为总体投入不足导致规模效率无效，最终结果表现为技术效率无效。随着当地金融网点的增加、竞争程度不断加大，当地金融服务逐渐得到保障，金融市场的信用环境逐步改善，存贷比以及金融相关率得到的一定的提升，2015—2018 年阜南县的技术效率呈上升趋势，直至2018 年，阜南县的技术效率等于1，最终达到技术有效。

表1 DEA实证结果

■ 金融扶贫效率影响因素

结合上述阜阳市金融扶贫的实际情况，进一步研究阜阳市金融扶贫技术效率的影响因素。

（一）模型构建

由于本文所选用被解释变量是通过DEA 模型计算出来的技术效率值,而技术效率值均是处于0-1 之间的离散数值,若使用普通最小二乘法（OLS）可能会导致将结果出现偏差，因此为规避普通最小二乘法（OLS）估计所带来的误差,我们采用极大似然估计法进行Tobit 回归分析。

上式中，y 代表各县的金融扶贫技术效率值，x 是影响各县金融扶贫效率的因素，α代表的是常数项向量，β代表的是回归参数向量，ε代表的是随机扰动项。

（二）指标选取

根据现有研究成果，影响金融扶贫效率主要是在金融机构以及存贷款数量上，因此，本文选取DEA 模型中的三个投入指标，分别金融机构网点数（X1）、金融相关率（X2）、存贷比（X3）。

（三）结果分析

通过建立Tobit 模型，利用Eviews9.0 软件对各影响因素影响指标进行分析，其结果呈现如下。

表2 阜阳市金融扶贫效率影响因素分析结果

根据表2 可知，金融机构网点数、金融相关率、存贷比三个指标均对金融扶贫效率值有正面影响。其中金融机构网点数对金融扶贫效率值影响显著。金融扶贫不是简单的融资、贷款，其本质为 “授人以渔”，只有让贫困地区的人口接触，并懂得如何正确的使用金融工具，才能真正的解其一生之需，而不是一时之急。而金融机构网点数的增加代表着金融服务人员数量的增加以及竞争条件下金融服务质量的提升，最终的结果就是越来越多的贫困群体可以有机会有条享受良好的金融服务，从而自身金融问题得到有效解决。模型中，金融相关率和存贷比对金融扶贫效率不显著，这可能是由于这三个国家级贫困县金融发展水平均相对较低，再加上政府的配套设施不够完善，导致这两个指标对金融扶贫效率尚未发挥作用。

■ 结论与建议

（一）结论

从DEA 实证结果分析来看，阜阳市下三个国家级贫困县在实施金融精准政策以来，金融扶贫效率均处在较高的水平，其中临泉县和颍上县在2015——2018 年期间，金融扶贫效率始终为有效水平，2015 年阜南县的金融扶贫效率虽未达到有效水平，但其规模报酬在不断的增加，直至2018 年金融扶贫效率达到有效。在金融扶贫效率影响因素中，金融机构网点数是个重要影响变量，并对金融扶贫效率产生正向的影响。

（二）建议

1.优化金融扶贫资源配置结构，提升贫困地区金融服务可获得性

在确保金融扶贫资金投入持续增加的前提下，优化金融扶贫资源配置结构。金融机构各部门应当相互协调配合执行金融扶贫政策，加大力度建设金融扶贫信息共享平台，以提升贫困地区金融服务的可获得性。各大金融机构应当定期安排人员上门走访贫困农户和贫困地区企业，深层次调查了解农户和企业的贷款融资需求。金融机构不以完成扶贫任务和扶贫指标为目的，精准选择扶贫对象和扶贫企业，确保金融扶贫贷款精准滴灌，提高金融服务的有效性，打通贫困地区金融服务的“最后一公里”。

2.加强金融扶贫产品和服务的创新，提高信贷产品的精准度

首先，金融机构的服务人员不仅仅以简单地系统性解决贫困群体问题为目标，应当为贫困地区群体提供更为齐全的服务，通过探寻贫困农户和企业的需要，根据贫困地区的特点，因地制宜研发出具有个性化的金融产品。再者，贫困群体对于资金需求其实十分庞大，但是由于贷款申请门槛较高以及审核标准过于严格，导致很大一部分贫困群体的资金需求得不到满足，为适应扶贫对象对金融产品的多样化需求，金融机构应当根据不同层次的人群，设置不同的贷款门槛以及审核标准，并对贷款利率以及还款日期进行相应的调整，调动贫困人群参与金融产品与服务的积极性，进而提高贷款余额与存款余额之间的存贷比。最后，加大贫困地区龙头企业和农村专业合作社的扶持力度，通过经营主体带动当地贫困户发家致富，从而降低贫困户自己创业的风险。

3.加大金融扶贫资金的整合，降低扶贫对象的融资成本

第一，有效整合金融扶贫的各类资金，构建多元化,多渠道的投融资体系。第二，充分发挥财政政策以及地方政府对贫困户信贷资金的引导作用，积极落实农村金融机构的定向补贴费用以及贫困户小额贷款的税收优惠，地方政府应当建立健全金融扶贫资金的运行环境, 注重财政贴息、风险补偿协同共进，实现金融扶贫资金可持续发展。第二，金融机构应当充分利用扶贫再贷款,通过再贷款最大限度降低扶贫对象的融资成本。