我國26個省(區)農村信用社支農效率評價實證研究

仲 深 高 巍 田 立

(哈爾濱商業大學金融學院，黑龍江哈爾濱150028)

一、引言

農村信用合作社是由中國人民銀行批準設立、由社員入股組成、實行民主管理、主要為社員提供金融服務的農村合作金融機構。農村信用社為我國農村經濟發展提供了重要的金融支持。在發揮重要支農作用的同時，農村信用社也暴露出其自身存在的一些問題，如歷史債務包袱沉重、產權不清、經營管理不善、內部人控制現象嚴重和監督管理體制不合理等。2012年中央發布《關于加快推進農業科技創新持續增強農產品供給保障能力的若干意見》中明確提出“健全地區金融機構考核評價辦法”和“深化農村信用社改革”的要求。由此可以看出，對農村信用社支農效率的研究非常必要。基于此，在構建我國農村信用社支農效率評價的網絡DEA模型的基礎上，運用相關數據，對我國26個省(區)農村信用社支農效率情況進行測度，期望對我國農村信用社的發展提供一定的理論支持。

二、網絡DEA模型

1978年Charnes，Cooper和Rhodes提出數據包絡分析(Date Envelope Analysis，DEA)模型，用于測度多投入、多產出的系統效率。隨著對復雜系統實踐研究的不斷深入，傳統DEA方法考慮從投入到產出的中間過程和數據，從“黑箱”中直接得出效率值已經無法滿足管理與政策發展的需要。在此背景下，網絡DEA(Network DEA)得到了快速發展。網絡DEA模型是指整個評價體系由包含兩個或兩個以上的子系統構成，子系統間由中間變量進行鏈接的多投入、多產出的系統效率評價模型。

如果將農村信用社支農看作一個系統，可以將這個系統分為兩個子系統，第一個子系統是農村信用社自身運營階段，可以通過投入資本和勞動力進行經營，產出可以看作是存款和貸款;第二個子系統是農村信用社利用資金支持“三農”的階段，投入變量是貸款和額外投入的土地資源，產出變量則是農業產值和農民收入。由此得出農村信用社支農效率網絡DEA評價模型流程示意圖，見圖1。

圖1 農村信用社支農效率網絡DEA評價模型流程

下面具體給出投入型網絡DEA效率模型的CRS(規模報酬不變)和VRS(規模報酬可變)線性結構(具體內容可見Holod和Lewis(2011)的論述)。其中，I表示投入變量，O表示產出變量，Z表示中間變量，ε和k分別代表支農相對效率和近似反效率。

1.投入型網絡DEA的CRS結構

2.投入型網絡DEA的VRS結構

三、我國農村信用社效率測定及分析

1.指標選擇和數據來源

通過上述構建模型，可以選擇相應的指標變量，其中初始投入指標包括地區每萬人營業網點數和地區每萬人從業人員數，代表前期的資本和勞動力投入;中間指標包括存款總額和貸款總額，其中貸款總額還要作為第二階段的投入，另外，將地區土地面積作為新中間投入變量;最終產出變量則包括農村人均收入和第一產業總產值。

由于北京、天津、上海、重慶沒有農村信用社機構，西藏地區相關數據缺失，故排除以上5個地區。所用指標數據來源于中國銀行業監督管理委員會公布的《中國銀行業農村金融服務分布圖集》和《2012年中國縣(市)社會經濟統計年鑒》。變量指標的統計性描述見表1。

表1 各變量指標的統計性描述

2.實證分析

根據上述構建的我國地區農村信用社支農效率評價網絡DEA模型，選擇每萬人營業網點數和每萬人從業人員數為投入指標，存款總額和貸款總額為中間變量，各地區耕地面積為中間投入變量，農村居民純收入和第一產業總產值為產出變量，運用MaxDEA 6.3軟件進行求解，具體結果見表2。

表2 我國26個省(區)農村信用社支農效率評價結果

3 江蘇 0.8983 1.0000 0.9464 海南 1.0000 1.0000 1.0000 4 浙江 0.8326 1.0000 0.9087 湖南 1.0000 1.0000 1.0000 5 河南 0.8294 0.8436 0.8364 浙江 0.8963 1.0000 0.9453 6 河北 0.8701 0.6335 0.7332 河南 0.8435 0.8633 0.8533 7 廣東 0.7786 0.6546 0.7113 廣東 0.8310 0.8275 0.8294 8 湖南 0.5256 0.9519 0.6772 河北 1.0000 0.6437 0.8025 9 安徽 0.6669 0.5145 0.5808 安徽 0.7482 0.5275 0.6271 10 遼寧 0.4474 0.6049 0.5144 福建 0.4097 0.7723 0.5354 11 福建 0.4421 0.6083 0.5120 廣西 0.8278 0.3295 0.5308 12 廣西 0.7792 0.3038 0.4372 江西 0.5169 0.5080 0.5129 13 湖北 0.4072 0.4673 0.4352 遼寧 0.3473 0.8820 0.5098 14 江西 0.5138 0.3539 0.4191 山西 0.4023 0.5936 0.4927 15 山西 0.9509 0.2529 0.3995 湖北 0.4253 0.5068 0.4558 16 陜西 0.4567 0.2580 0.3297 陜西 0.5531 0.2959 0.4136 17 吉林 0.1621 0.7541 0.2668 云南 0.8546 0.1514 0.4019 18 貴州 0.3677 0.1968 0.2564 四川 0.6989 0.0253 0.3738 19 寧夏 0.1310 1.0000 0.2316 貴州 0.3334 0.3517 0.3414 20 云南 0.8304 0.1247 0.2233 吉林 0.1980 0.6672 0.2879 21 四川 0.6957 0.0214 0.1675 寧夏 0.1540 0.7813 0.2573 22 黑龍江 0.1463 0.1629 0.1542 黑龍江 0.2108 0.2805 0.2269 23 新疆 0.2536 0.0694 0.1090 甘肅 0.2994 0.1082 0.2136 24 甘肅 0.2928 0.0641 0.1052 新疆 0.2661 0.0604 0.2058 25 內蒙古 0.1376 0.0491 0.0724 內蒙古 0.1841 0.0933 0.1606 26 青海 0.0275 0.0521 0.0360 青海 0.0278 0.0483 0.0290

從實證結果來看，VRS條件下的得分比CRS的得分總體要高出少許，但整體排序和結果沒有明顯變化，由此可以證明兩個模型結果的有效性。

在CRS(規模報酬不變)條件下，農村信用社自身運營階段的效率平均值為0.5517，其中，排在前三位的是山東、山西、河南，得分分別為 1、0.9509、0.9015;排在最后三位的是青海、寧夏、內蒙古，得分分別為 0.0275、0.1310、0.1379。農村信用社貸款支農階段的效率平均值為0.4978，其中，山東、河南、江蘇、浙江、寧夏的效率值均為1;排在最后三位的是四川、內蒙古、青海，得分分別為0.0214、0.0491、0.0521，得分不足0.1的有5個地區，兩極分化比較嚴重。農村信用社支農效率總得分平均值為0.4620，其中，排名前三位的是山東、河南、江蘇，得分分別為1、0.9482、0.9464;排名最后三位的是青海、內蒙古、甘肅，得分分別為 0.0360、0.0724、0.1052。

在VRS(規模報酬可變)條件下，農村信用社自身運營階段的效率平均值為0.5780，其中，山東、江蘇、海南、湖南、河北的效率值均為1;排名在最后三位的是青海、寧夏、內蒙古，得分分別為 0.0278、0.1540、0.1841。農村信用社貸款支農階段的效率平均值為0.5507，其中，山東、江蘇、海南、湖南、浙江的效率值均為1;排名在最后三位的是四川、青海、新疆，得分分別為0.0253、0.0483、0.0604。農村信用社支農效率得分平均值為0.5387，其中，山東、江蘇、海南、湖南的效率值均為1，排在最后三位的是青海、內蒙古、新疆，得分分別為 0.0290、0.1606、0.2058。

四、結論

第一，我國農村信用社自身運營效率相對較高。農村信用社在我國農村覆蓋范圍極廣，被廣東農村居民認為是首選的金融機構。再者，我國居民一直都存在過度儲蓄的習慣，使得農村信用社吸納存款和發放貸款業務可以很好的展開。

第二，我國農村信用社發放貸款支農效率相對較低。我國農村信用社發放貸款的效率較高，但是貸款支農的效率較低，這說明貸款資金很可能沒有發放到“三農”方面。近些年農村信用社一直面臨著諸多問題，其中一個就是控股股東和內部職工濫用權利套取資金的問題，所以，我國農村信用社必須進一步加強監督管理，深化改革。

第三，我國各地區農村信用社支農效率差異極大。通過實證結果可以很容易看出，各省農村信用社支農效率值差異極大，有的省份，如山東，得分非常高，而有的省份得分卻極低。不難看出，東部各省效率值整體較高，而西部各省的效率值則整體偏低，這應該與當地經濟發展和金融發展水平相匹配。

第四，我國農村信用社支農效率還有比較大的提升空間。隨著農村經濟和社會的不斷發展，對農村金融體系提出了更高的要求。根據測度效率值可以看出，很多地區還具有比較大的提升空間，而這種提升應該以深化農村信用社改革為基石。

［1] 魏權齡.評價相對有效性的數據包絡分析模型——DEA和網絡DEA［M] .北京：中國人民大學出版社，2012：333 －336.

［2] Holod D.，Lewis H.Resolving the Deposit Dilemma：A New Bank Efficiency Model［J] .Journal of Banking and Finance，2011，35(11)：2801 －2810.