基于DEA模型的江西省金融业发展效率测度和比较分析

葛志财， 周小柯

(1.赣南科技学院，江西 赣州341000；2.北京联合大学台湾研究院，北京100101)

当前，我国经济正迈向高质量发展新阶段，发展高质量的生产性服务业既是实现总体经济高质量发展的内在要求，也是各地区推动区域经济发展质量持续提升的重要手段，其在整体经济中的重要性日趋凸显。生产性服务业能否成为支撑经济中高速和高质量增长的新力量，是直接关系到中国转变发展方式、优化经济结构、转换增长动力成功与否的重大现实问题[1]。而金融业是生产性服务业的最重要组成部分之一，2019年我国金融业增加值实现77 077亿元，在生产性服务业中所占比重将近三分之一，占GDP的比重为7.78%。金融业的发展可以带来人才、机构、资本和稀缺资源的日益集中，同时没有产生拥挤效应[2]；既直接促进本地生产性服务业发展，也为本地制造业的做大做强创造相匹配的金融环境。毫无疑问，发展更加健康富有活力的金融服务业是推动经济高质量发展不可或缺的重要力量。

推动经济高质量发展的过程，也是解决“不平衡不充分”发展问题的过程，在此过程中如何促进经济相对落后地区实现更快更好发展是解决问题的关键。随着金融服务业在经济体系中引领作用的日趋显现，探讨促进经济相对落后地区金融服务业加快发展的重要性不言而喻。在经济相对落后省份中，江西省地处中部，经济总量居中，人均水平处于中下水平，具有较强的代表性。《中国统计年鉴2019》数据显示，2018年江西省地区生产总值(GDP)达到21 984.78亿元，在31省（市、自治区）中居第16位；人均GDP为47 434元，在31省（市、自治区）中居第24位；第三产业占GDP的比重为44.8%，在31省（市、自治区）中仅高于陕西省的42.7%。江西省经济相对落后，在很大程度上与其生产性服务业尤其是金融服务业的发展水平较低有关。鉴于此，这里以江西省金融服务业作为研究对象，对其发展效率进行测度，并将江西省与周边省份金融业及省内各地市金融业的发展效率进行对比分析，以引导促进江西省金融业发展效率的加快提升，更好服务和支撑区域经济向高质量发展迈进。

既有文献对于金融业发展效率的测度，大部分是利用传统的非参数数据包络分析（即DEA）模型[3-7]，利用这种方法可以测度出各个决策单元的效率值，但有两个主要缺陷：其一测度出来的是静态的效率值；其二对于同时处于效率前沿的决策单元，测度出来的效率值都为1。还有研究者利用曼奎斯特（Malmquist）指数法[8]和网络DEA方法进行分析[9-10]。Malmquist指数法是一种动态分析，弥补了传统DEA方法的第一个缺陷；网络DEA方法是在变量选取方面将处于投入和产出之间的中间变量考虑进来。吉生保等[11]和徐晓光等[12]则综合应用了传统DEA模型、超效率DEA模型和Malmquist指数法。比较而言，吉生保等和徐晓光等所采用的研究方法兼顾了静态分析和动态分析，并引入了超效率DEA模型，可以更加精准地测度利用传统DEA模型测度时处于效率前沿的决策单元的效率值，从而弥补了传统DEA模型的第二个缺陷。

一、测度方法及数据说明

（一）测度方法

对某产业进行效率测度或评价，相关研究多是利用DEA方法，该方法经历了从传统DEA到超效率DEA的发展过程，在国内学者的相关研究中早期多采用传统DEA方法，Banker等[13]所提出的投入导向的BCC模型较多地被采用；较近期的研究则有不少开始采用Banker&Gifford[14]、Banker等[15]及Andersen&Petersen[16]所构建和发展的超效率BCC模型。借鉴既有研究所利用的方法，课题组同时利用传统DEA模型和超效率DEA模型测度效率值，并利用由瑞典经济学家Malmquist最早于1953年提出，Färe等[17]所定义的Malmquist生产力指数衡量效率的变动及其分解项之间的关系。传统BCC模型、超效率BCC模型以及Malmquist生产力指数为前述或国外学者提出并被国内学者引入后普遍采用的方法，理论及表示式均已非常成熟，具体公式可以参考吉生保等，在此不再赘述。

（二）指标选取及数据来源

投入要素方面，选取两个基本的指标变量：金融业从业人员（万人）和金融业固定资产投资（亿元），分别代表劳动投入和资本投入。产出要素方面，同样选取两个基本的指标变量：金融机构存款余额（亿元）和金融机构贷款余额（亿元）。

研究时间跨度为2009—2018年度，样本包括江西全省以及南昌市、新余市、赣州市、吉安市、宜春市、上饶市6个地级市，其余5个地级市因数据不完整而合并作为一个样本，数据来自相应年份《江西统计年鉴》《中国城市统计年鉴》以及江西省11个地市的统计年鉴。为了对江西省金融业发展效率进行更加全面的评价分析，进一步将31省（市、自治区）总体以及江西省周边的安徽、湖北、湖南、浙江、福建、广东6省纳入研究范围，相关数据来自相应年份的《中国统计年鉴》和6省的国民经济与社会发展统计公报。各项变量在考察期内的具体数据因篇幅所限不再给出，备索。

二、测度结果及分析评价

（一）静态分析

首先采用投入导向法的BCC模型，并且应用DEAP2.1软件对时间跨度为2009—2018年度的金融业发展效率进行测度；接下来，为了对同时处于效率前沿的时间跨度进行区分，进一步用EMS1.3软件进行超效率模型测度，结果详见表1。表1的第2～5列给出了2018年金融业的静态综合技术效率值、分解项纯技术效率和规模效率，以及规模报酬情况，第6列给出了使用超效率方法计算出的静态综合技术效率值；第7～9列则给出了2009—2018年静态综合技术效率及各分解项的均值，第10列给出了考察期内利用超效率方法得出的静态综合技术效率均值。

表1 2009—2018年江西省及其周边省份金融业的发展效率

静态来看，2018年南昌市和上饶市的金融业发展处于效率前沿水平，用超效率方法衡量出的综合技术效率值分别为1.403和6.199；新余市和吉安市的金融业发展综合技术效率值分别为0.880和0.841，高于江西省总体上的0.724，赣州市和宜春市金融业发展综合技术效率值分别为0.638和0.412，低于江西省总体水平。进一步对江西全省与全国和周边省市的金融业发展效率进行比较，可以看出，2018年江西省金融业发展效率略高于全国31省（市、自治区）的金融业整体效率水平和湖北省的金融业发展效率水平，较明显高于安徽和湖南两省的金融业发展效率水平，明显落后于广东省、福建省和浙江省的金融业发展效率，尤其是广东省金融业发展处于效率前沿水平，用超效率方法衡量的2018年综合技术效率值为1.275，在省市层面处于明显的领先地位。

考察期内，用超效率模型测度的江西省金融业发展综合技术效率的平均值是0.669，低于31省（市、自治区）整体上的0.835，较大幅度低于广东省的1.296和浙江省的1.027，也明显低于福建省的0.849，略低于湖北省的0.699，但较明显高于安徽和湖南两省金融业发展综合技术效率的平均值，这些与2018年度的情况大部分是一致的。最大的区别在于：考察期内江西省金融业发展效率值较明显低于31省（市、自治区）整体水平，而2018年江西省金融业发展效率值却高于后者。这意味着考察期内江西省的金融业发展效率有提升倾向。

就考察期内江西省所属各地市的情况看，基本上也与2018年度的情况相一致。需要特别说明的是，考察期内上饶市和其他5地市的金融发展效率均值分别为1.755和1.592，处于较高的水平。探究其背后原因，主要与金融业规模较小且固定资产投资年度之间波动较大有关。上饶市2009年金融业固定资产投资仅0.07亿元，2010年至2012年分别为0.80亿元、1.80亿元和2.90亿元，2013年骤然下降至0.49亿元，2014年和2015年分别为0.15亿元和0.21亿元，2016年则大幅度提升至2.22亿元，2017年再度骤然下降至0.17亿元。因人员投入和产出指标数值均相对平稳，没有大起大落，由此造成固定资产投资低的年份效率值反而高，2009年、2013年、2014年、2015年和2017年用超效率模型测度的上饶市金融业发展效率值分别为1.638、3.797、1.684、3.054和6.199，其余年份则均低于1。其余5个地市金融业固定资产投资在考察期内也具有年度之间波动幅度大的特点，个别年份因投资水平过低效率值较高拉升了考察期内的平均值。

（二）动态分析

为进一步考察江西省金融业发展效率的动态变化情况，下面进一步利用Malmquist指数方法从动态层面评价分析。表2给出了2009年至2018年各年间江西省及其周边省份金融业发展效率变化及其分解值，表3给出了同一时期各年间江西省地级市金融业发展效率变化及其分解值。

表2 2009—2018年各年间江西省及其周边省份金融业发展效率变化及其分解

表3 2009—2018年各年间江西省地级市金融业发展效率变化及其分解

由表2可以看出，考察期内，江西省及周边省份金融业全要素生产率（TFP）年均增长为10.3%，其中年均增长高达9.6%的技术水平变化是引致TFP增长的主要动力；同时，综合技术效率变化较小，年均仅增长了0.7%。分年度看，除2011—2012年TFP下降10.3%外，其余年份的TFP均有明显的增长，其中2010—2011年、2012—2013年、2015—2016年、2016—2017年以及2017—2018年TFP的提升均为两位数的增速；TFP提升的背后，又主要是技术水平的提升，2010—2011年以及2017—2018年江西省及周边省市金融业技术水平的提升幅度高达22.4%和20.3%。

考察期内，江西省地级市金融业TFP的年均增速为10.8%，较江西省及周边省份金融业TFP的年均增速高出0.5个百分点。江西省地级市金融业TFP的增长完全是由技术进步水平的变化所驱动的，考察期内纯技术效率和规模效率的变化是微乎其微的。分年度看，江西省地级市金融业发展效率的动态变化，与江西省及周边省份的变化情况也大体上是一致的；所不同的是，前者在2009—2010年出现TFP的下降，后者在2011—2012年出现TFP的下降。总体来看，党的十八大尤其是十九大以来，随着金融体制改革的明显提速，以及互联网、大数据等新一代信息技术与金融业务的深度融合，江西省和周边省份金融业都逐渐走上较稳定的依靠科技进步驱动发展的道路。

（三）分地区的进一步分析评价

表4进一步给出了分地区进行动态考察评价的具体情况。我们先将江西省整体情况与全国31省（市、自治区）总体和江西周边的6省进行对比，可以看出考察期内江西省金融业TFP的平均增速为13.3%，较明显高于31省（市、自治区）总体上的7.5%，也明显高于周边6省金融业TFP的平均增速，表明江西省金融业的发展效率在考察期内整体上有明显提升，这验证了前面分析中提到的江西省金融业发展效率的提升倾向。江西省金融业发展效率的提升主要由年均9.3%的技术进步所引致；考察期内的纯技术效率年均增长了3.5%，规模效率年均仅增长0.2%。

表4 2009—2018年江西省及其周边省份金融业发展效率变动平均值及其分解

从江西省内部各地市的情况看，考察期内南昌市、新余市、赣州市的金融业发展效率年均分别增长10.2%、13.6%和10.8%，上饶市的金融业发展效率年均增长7.5%，吉安市的金融业发展效率年均增长1.0%，而宜春市的金融业发展效率却年均下降6.4%，其他5个地市的金融业发展效率年均增长16.3%。进一步考察TFP的分解项，南昌市、新余市、上饶市、其他5个地市金融业发展效率的提升主要由技术进步所引致，技术进步年均增速分别达到9.8%、9.1%、7.5%和9.5%；赣州市金融业发展效率的提升由综合技术效率提升和技术进步所共同驱动，两者的年均增速分别为5.5%和5.1%，前者的提升又由年均2.4%的纯技术效率变化和3.0%的规模效率提升共同驱动；吉安市和宜春市考察期内金融业技术进步的年均增速分别为3.3%和3.0%，但综合技术效率均呈现出明显的下降，年均分别下降2.1%和9.1%，且均主要由纯技术效率的下降所引起。

三、结论与建议

综上分析可以得出以下结论：①静态来看，江西省金融业发展效率仍相对较低。2009年至2018年江西省金融业综合技术效率的平均值低于31省市总体上的水平，较明显低于周边的广东、浙江和福建3省的水平；就2018年的情况看，江西省金融业综合技术效率值仍较明显低于广东、浙江和福建3省的水平，但略高于31省（市、自治区）总体上的水平。②动态而言，江西省金融业发展效率在2009年到2018年间有明显提升。分年度看，江西省及周边省份金融业全要素生产率除2011—2012年度外其余年度均有明显提升，江西省地级市金融业全要素生产率除2009—2010年度外其余年度均有明显提升；分地区看，考察期内江西省金融业全要素生产率年均增长13.3%，高于周边6省市的水平，也高于31省（市、自治区）总体水平。③江西省内部各地市金融业发展效率的变化呈现较明显的不平衡性。南昌市金融业规模最大，综合技术效率水平较高，全要素生产率的提升也比较明显，发展比较稳健；赣州市金融业发展规模也较大，全要素生产率也有明显提升，但综合技术效率相对较低，仍有较大的改进提升空间；新余市金融业规模较小，综合技术效率水平居中，全要素生产率也有明显提升，有较大的发展潜力；吉安市金融业规模较小，综合技术效率水平居中，全要素生产率没有明显变化，需要积极挖掘其发展潜力；宜春市金融业规模较小，综合技术效率水平较低，全要素生产率有所下降，金融资源配置亟待优化；上饶市以及其他5个地市金融业规模都较小，综合技术效率水平较高，全要素生产率有明显提升，但金融业固定资产投资具有较大波动性，稳健性仍有待提升。④江西省金融业全要素生产率的提升主要由技术进步所驱动，这一特征在南昌、新余、上饶3个地市也有明显体现。

基于上述研究结论，江西省应重点借鉴广东、浙江、福建金融业的发展经验，加快提升本地金融业发展水平。南昌市作为江西省金融业发展的引领者，应继续通过优化资源配置提升金融业投入产出效率，尤其是更多利用互联网、物联网、智能设备等工具，一方面持续改造提升传统存贷款业务的办理效率，另一方面积极拓展消费金融、供应链金融等新兴业务领域。赣州市和新余市一方面要加大金融资源投入力度，主要是适当加大金融业固定资产投资力度，尤其是逐渐用集成化、自动化、智能化程度更高的金融设备替代相对落后的设备；另一方面要优化资源配置水平，既突出向金融业聚集区域重点配置，也兼顾配置的均衡性，挖掘释放金融业的潜能。吉安市和宜春市需要先优化金融资源配置水平，再逐步加大金融资源投入力度，以改进优化金融业发展方式；上饶市和九江、鹰潭、抚州、景德镇、萍乡5个地市，则需要重点避免金融业固定资产投资的大起大落，以促进金融业高质量发展。