自贸区背景下安徽金融机构经济效率评价及影响因素研究

【摘  要】安徽近十年来一直致力于打造开放型经济发展格局，安徽经济活力在“一带一路”倡议及中欧班列等一系列优惠政策的推动下显著提升，对外贸易总额不断攀升。现阶段安徽省经济发展势头良好，地区GDP持续上升，安徽的金融服務优势不断显现，在境外资源与境内资源双向促进的作用下，片区内的企业可以享受到在资金池、供应链融资、担保等方面的全球化和国际化的服务，并且可以为片区内的高端制造业和高科技企业产业升级提供金融支持。论文以安徽自贸区的设立为研究背景，以金融服务机构为研究对象，利用金融机构年度数据，选取数据包络分析和Tobit回归模型，对金融服务效率进行整体评价，并提出对策建议。

【关键词】金融服务效率；自贸区；数据包络分析；Tobit回归

【中图分类号】F832；F124                                             【文献标志码】A                                                 【文章编号】1673-1069（2023）06-0040-03

1 引言

中国共产党第十九届中央委员会第四次全体会议提出建设自由贸易试验区和自由贸易港的相关概念和政策。2020年9月24日，中国（安徽）自贸试验区在合肥正式揭牌，安徽自贸试验区总面积119.86平方公里，主要涉及和辐射的范围有合肥片区、芜湖片区和蚌埠片区。安徽自贸试验区的发展目标和主要任务是，在拥有更大自主改革权的前提下，在自贸试验区内探索差别化的改革。经过一段时间的改革探索，围绕加快转变政府职能、深化投资领域改革、推动贸易高质量发展等7个方面、19项主要任务措施，使得自贸区制度创新成果有一定的国际竞争力，在贸易投资的便利性、创新产业的活跃性、高端产业的聚合性、金融服务的完善性、监管的高效与安全性等方面有自己的特色，并且可以起到一定的辐射和带动作用。安徽省自贸试验区的成立与运营，是安徽省扩大对外开放力度的一个开端。自贸试验区是全国开放水平最高的区域。安徽自贸区还将在金融服务方面，通过落实放宽金融机构外资持股限制等，扩大金融领域对外开放力度，推动更多金融类服务企业落户安徽自贸试验区。运用科学有效的计量模型对自贸区金融服务机构效率进行分析评价，对比各个金融机构的优劣势，有利于推动金融服务机构健康发展。

2 指标选取与模型构建

2.1 DEA-Malmquist模型

数据包络分析（DEA）方法起初源自Charnes、Cooper、Rhodes[1]在《欧洲运筹学杂志》上发表的论文“Measuring the efficiency of decision making units”，在往后的DEA文献中，以三人姓氏的首字母作为他们创建的第一个DEA模型，即CCR模型。DEA方法利用决策单元（DMU）的投入和产出变量，借助数学规划方法测算出有效单元构成的生产前沿面，然后衡量各个DMU与生产前沿面的偏离程度，从而估算各DMU间的相对效率值[2]。1984年，Banker、Charnes、Cooper[3]在《Management Science》杂志上发表了“Some models for estimating technical and scale inefficiencies in data envelopment analysis”，这篇文章提出了估计规模效率的DEA模型，也被称为BCC模型。DEA模型又可分为投入导向型和产出导向型，本文选择投入导向的DEA模型来测算金融服务业经营效率。

DEA模型测算出的效率值是针对某一时间的生产技术而言的，其本质是一种静态效率分析。由于生产技术在较长一段时间内是不断发生变化的，因而需要借助动态效率分析方法进行考察。在实际的研究中，反映生产率变化情况的效率指数有Malmquist指数、Passche指数、Fisher指数等。当被评价决策单元包含多个时间点观测的面板数据时，Malmqusit生产率指数模型可辅以距离函数的概念，分析其变化状况以及技术效率、技术进步在生产率变化中的作用。

在实证分析中，为了避免参照技术前沿的随意性， Fare等[4]建立了DEA-Malmquist指数模型，并将Malmquist指数分解为技术效率（TE）和技术进步（TC）两部分。在规模报酬可变情况下，技术效率又可分解为纯技术效率（PTEC）和规模效率（SC）。分解形式可表示为：

式中，技术效率测算相邻两期DMU与生产前沿面的距离变化状况，当技术变化率的值>1，说明技术效率提高了；技术变化率的值=1，说明技术效率没有发生变化；技术变化率的值<1，说明技术效率下降了。对于技术进步的测度主要考虑相邻两期的移动情况，该指数>1，说明技术进步了；该指数=1，说明技术没有发生变化；该指数<1，说明技术发生了退步。纯技术效率变化与纯技术效率类似，反映由管理水平等因素造成的变化，规模效率变化反映自身规模改变对其效率的影响。综上，本文采用Malmquist方法探究金融服务公司全要素生产率变动的主要因素。

2.2 指标确定

根据上述讨论，本文选取的投入指标为：营业总成本X1 （万元）、股本X2 （万股）、总资产X3 （万元），选取的产出指标为：净利润Y1、流动比率Y2、速动比率Y3、总资产周转率Y4。对于投入和产出指标的相关性，本文选择皮尔逊相关系数进行测量。根据理论，皮尔逊相关系数值越大，说明被检测变量间的相关程度越高，因此选择其投入产出指标进行效率测算的标准，相应的评价结果越可靠。表1为采用SPSS软件进行皮尔逊相关性检验的结果。

根据表1可以看出，本文所选择的投入和产出指标数据具有较高的相关性，说明投入的增长一定会带来产出的显著增长，这也符合数据包络分析模型中的单调性原则。

2.3 Tobit模型及指标选取

衡量金融服务机构经济效率时，选择金融服务机构的盈利能力这个指标，而净资产的收益率又能很好地体现金融服务机构的盈利能力，故有以下假设：

假设1：金融服务机构的经济效率与金融服务机构的盈利性呈正向变动关系。产品的研发投入应该引起金融服务机构的重视，而产品研发主力军主要依靠机构内受过高等教育的人才[5]，故本文选取硕士以上员工在总员工内的占比来表示员工受教育程度。

假设2：员工的学历越高，其金融服务经济效率便越好。金融服务机构产品的边际成本基本为0，容易产生规模效应，因此规模正向促进金融机构提升服务效率[6]。金融服务机构的规模由机构总资产来描述。

假设3：关注金融服务机构的规模，必然涉及机构的管理方式，管理成本越低反映机构管理水平越高，进一步促进金融服务效率的提升[7]。本文选取管理成本来衡量金融服务机构的管理水平。

假设4：管理成本控制得好能够显著提升管理效率，从而使金融服务经济效率提高，二者呈正向变动关系。

因此，建立如下Tobit模型，模型参数解释如表2所示。

Y=α+α1x1+α2x2+α3x3+α4x4

3 实证结果与相关分析

3.1 金融服务机构经济效率静态测算结果

以2016-2021年11家金融机构的数据作为样本，选取金融服务机构的技术效率、纯技术效率和规模效率作为指标，采用投入导向的BCC模型进行测算和分析，结果如表3所示。

由表3可以看到安徽省金融机构技术效率均值为0.583，从整体来看安徽省金融服务机构的业绩处于中等的水平。主要是由于地方金融仍处于摸索阶段，技术还未成熟；再者由于很多金融平台出现融资跑路问题，对金融机构的发展存在一定的负面影响。从纯技术效率来看，平均纯技术效率为0.723，这说明在现有的技术水平之下，金融机构不可能在不改变投入的情况下增加产出。若想改善金融机构经济情况，提高投入产出比，就要提高企业对投入的使用效率。规模效率的均值为0.809，数据表明金融机构规模没有达到最优，由于地方金融仍处于发展阶段，应注意资产配置和股本结构的选择。

3.2 金融服务机构经济效率动态测算结果

以2016-2021年11家金融机构的数据作为样本，采用Malmquist指数模型对金融服务机构的技术效率、纯技术效率、规模效率、技术进步以及全要素生产率指数进行测算和分析，结果如表4所示。

由表4可以看出，2016-2021年平均全要素生产指数为1.012，5年来安徽金融服务机构服务效率一直以1.2%的速度递增。2016-2021年金融服务机构整体技术效率均值为1.085，说明安徽省金融机构技术效率每年以8.5%的速度递增。技术进步指数均值达到1.027，主要由于金融服务机构在自贸区背景下联动势头良好。2020-2021年度全要素生产率高达1.379。合肥自贸实验区可以依靠丰富的境外服务资源，通过境内+境外的双向联动，进一步加快金融服务的全球化，推动金融机构的数字化转型。

3.3 Tobit回归测算结果

根据2.3的参数设定，Tobit回归主要考虑金融企业规模、利润、管理水平和科技创新能力，这4个方面对被解释变量的影响。采用Eviews对数据进行处理分析，得到结果如表5所示。

表5结果表明，在本文选取的总资产、净资产收益率、管理成本以及员工受教育程度4项指标中，对被解释变量的影响排序由大到小为：总资产、管理费用、资产收益率和员工受教育程度。因此，增加自贸区金融服务机构的规模对金融服务机构经济效率有显著的作用，扩大规模不具有规模经济效应。净资产收益率系数为0.065并且显著，这表明金融服务机构净资产收益率越高利潤也越大，其经济效率也越高。管理费用系数为-0.069且在1%的水平上显著。近几年，我国金融服务机构的规模不断扩大，市场占有率也进一步提高，但是管理成本往往在发展范畴内被忽略了。随着金融的进一步发展，高管们也逐渐意识到管理效率有利于提升金融机构的经济效率，进一步助力金融机构瓜分市场份额。Tobit测算结果显示，保持其他条件不变，高学历员工占比每增加1%，金融机构服务效率会增加0.047%，因此提高金融企业人才梯队可以促进其经济效率的提高。

4 提升金融服务机构经济效率的建议和对策

4.1 吸引海内外复合型高端人才，加强人才梯队建设

复合型高学历人才是金融服务机构急需的人才，尤其是高级技术人才和企业高管的需求尤为明显。安徽金融服务机构提升人才梯队建设水平和员工素质可以通过以下4个途径：①设立人才选拔体制，确保选拔的公平性和灵活性；②从实际需求出发，制定阶梯职业发展规划；③加大人才引进力度，吸引科技创新人才以及科研人才；④创新人才工作激励方式，如实施赠与原始股权制度等。

4.2 加大科研创新力度

借助安徽自贸区金融创新改革试点政策，安徽金融业迎来重大发展机遇，各类金融机构正加快金融产品创新步伐，为区内市场主体提供优质服务，助力安徽外向型经济腾飞。一方面，提高产品创新能力，金融服务机构除了加大对科研的资金和人力投入，进一步完善自身的科研战略部署和储备，还要与高校、科学研究机构等建立紧密合作关系，通过校企合作取长补短；另一方面，注重科研成果的转化比率，将资金投入转化率高的科研项目上来。

4.3 提升金融机构内部组织管理水平

持续的群体活动是在一定形式的组织中进行的，群体活动的持续进行导致了组织的产生，可以从以下3方面来提升金融服务机构组织管理水平：

①积极学习借鉴国内外先进的管理理念，根据我国国情制定符合国内外要求的管理标准，不断丰富和提高金融机构组织内部的管理水平；②明确组织目标，控制管理费用最小化，精简内部工作人员，减少不必要的劳动支出，为此提升金融服务机构管理效率；③加强组织内管理信息化建设，利用大数据、5G等高科技手段有效配置组织内的资金流、物流和信息流管理，以达到有效整合科技型金融服务机构内外部资源的目的。

4.4 提高营运和盈利能力

提高金融服务机构的营运能力和盈利能力，可以根据上一年的财务报表做出相应的财务分析，从而制定本年度运营计划。同时也要考虑员工对现有工作状态的满意程度、管理是否有效和金融机构所占的市场份额这些非财务指标，以提高金融服务机构的营运能力。

【参考文献】

【1】Charnes A， Cooper W W， Rhodnes E. Measuring the efficiency of decision-making units [J]. European Journal of Operational Research，1978，2（6）：429-444.

【2】Coelli T， Rao P， Battase E. An Introduction to Efficiency and Productivity Analysis[M]. Boston： Kluwer Academic Publishers，1998．

【3】Banker R D， Charnes A， Cooper W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis[J]. Management Science，1984（30）：1078-1092.

【4】Fare R， Grosskopf S， Lindgren B， et al. Productivity changes in Swedish pharamacies 1980-1989： A non-parametric Malmquist approach[M].Netherlands：Springer，1992.

【5】陈建南，廖琪.基于DEA模型的金融效率评价金融机构——以江西各地区为例[J].金融与经济，2008（11）：56-59.

【6】宁媛媛.基于数据包络分析法DEA的商业银行效率研究[D].天津：天津师范大学，2007.

【7】庞瑞芝，张艳，薛伟.中国上市银行经营效率的影響因素——基于Tobit回归模型的二阶段分析[J].金融论坛，2007（10）：29-35.

【基金项目】安徽商贸职业技术学院科研项目（项目编号：2021KZR12）；安徽省质量工程项目（项目编号：2021jxtd100）；学校专业拔尖人才学术资助重点项目（项目编号：smbjrc202204）。

【作者简介】许贤丽（1983-），女，安徽芜湖人，副教授，研究方向：经济金融。