中國省際金融發展水平研究

張一青

摘要：文章運用四階段DEA-Tobit方法，基于金融效率評價指標，對我國31個省級行政區的金融發展狀況進行實證分析。分析結果表明：在對各省金融效率得分進行測算時，四階段DEA-Tobit方法與經典DEA方法所測算出的結果相差很大；外部環境因素對金融效率的測算結果具有顯著影響；西部省份的金融綜合效率最低，東部省份最高。基于實證分析結果，文章提出了提高金融效率、促進金融發展的針對性建議。

關鍵詞：四階段DEA-Tobit；金融效率；外部環境因素

一、 引言

金融是現代經濟的核心，金融與經濟相互促進、共同發展。對于一個區域來說，大量改革實踐及研究表明，區域經濟越發達，越能聚集經濟資源及人力資本，金融市場越成熟；反過來，區域金融發展水平越高，越能給該區域提供資金支持、優化資源配置、調控經濟發展，則區域經濟增長的推動力往往越大。如今，金融處在一個大資管時代背景下，金融行業在不斷的轉型與創新，金融對經濟的直接或間接貢獻比重也越來越大。一個區域的金融發展水平狀況，能夠在一定程度上反映出該區域經濟的發展狀況。因此，本文研究中國省際金融發展狀況，是有現實意義的。

衡量金融發展水平的重要指標是金融效率。在經濟學中，效率指的是投入與產出之間的關系，即用最少的投入來獲取最大的效用。那么，顧名思義，金融效率反映的是金融部門投入與產出關系；從金融資源觀的視角出發，也就是：將有限的金融資源進行有效配置，以實現帕累托最優。

在實際研究中，金融效率本身是一個極其綜合、復雜的指標，且具有不同的分類標準。學者們基于不同的分類標準，選取合適的單一指標或多指標來衡量金融效率大小，如貸款與儲蓄之比、金融資產總量與GDP之比等等。但是，金融系統是一個錯綜復雜的系統，金融市場信息具有不確定性、不對稱性、非線性、非結構性等特征；若用單一指標來衡量金融效率大小，會由于金融市場信息的缺失從而導致評估結果出現系統性偏差；若用多指標加權計算來衡量金融效率大小時，會遇到權重設定問題。

基于上述考慮，本文不直接用指標來衡量金融效率大小，而是間接用指標來衡量。在金融系統中，作為金融中介的銀行、券商、基金公司、信托公司、保險公司等，吸收社會閑置資金，通過金融市場運作，將閑置資金配置到資本邊際效率最高的項目中去，以提高資本邊際生產率，從而加速經濟發展?？梢?，金融系統實際上是一個多投入、多產出系統?？紤]到投入和產出這兩個詞，本文采用運籌學中的數據包絡分析（data envelopment analysis，DEA）方法，來對金融效率進行客觀分析。因此這里的“間接”之意為：確定金融投入指標和金融產出指標，運用DEA方法來計算金融效率。

測算金融效率的常用工具為經典DEA方法；但該方法本身存在一個缺陷，那就是：未考慮決策單元所處的外部環境因素對效率得分的影響。鑒于此，Fried等提出了四階段DEA-Tobit方法，以剔除外部環境因素對效率測算所做造成的影響，使效率評估更為真實、準確、客觀。目前，國內關于DEA效率測算的研究主要采用的是經典DEA方法；本文嘗試運用四階段DEA-Tobit方法對我國省際金融效率進行客觀測算，從而進一步比較各省之間的金融發展狀況。

二、 四階段DEA-Tobit模型

DEA方法給出了三種信息：投入松弛量、產出松弛量、和效率得分。對于經典DEA方法來說，評估決策單元效率所使用的信息為效率得分，對松弛量信息卻“視而不見”。而四階段DEA-Tobit方法巧妙的把效率得分與松弛量信息相結合，通過Tobit回歸模型來剔除外部環境因素對效率得分的影響。四階段DEA-Tobit方法的基本步驟見下。

1. 第一階段：經典DEA模型。本文采用DEA-BCC模型，其基本形式如下，

其中，θ0為某個決策單元的效率值，si-為第i個投入松弛量，sr+為第r個產出松弛量，ε為非阿基米德無窮小，m為投入指標個數，s為產出指標個數。

2. 第二階段：Tobit回歸模型。Tobit回歸模型的建立主要分為兩步。

第一步，構造一個新指標，將其命名為投入總松弛量，構造公式為：

其中，Sij為第j個決策單元第i個投入的總松弛量，θj和sij-分別為第一階段經典DEA-BBC模型所計算出的效率得分和投入松弛量，xij為第j個決策單元第i個投入指標值。

第二步，構造Tobit回歸模型。所構造的Tobit回歸模型共有m個，對于第i個投入總松弛量，相對應的tobit回歸模型分量形式如下

Sij=βiZpj+ui，p=1，2，…，k

其中，Zpj為第j個決策單元第p個外部環境指標，βi為第i個tobit回歸模型的回歸系數向量，ui為第i個tobit回歸的誤差項，k為外部環境指標個數。

3. 第三階段：投入指標調整。該階段是對外部環境因素的剔除，剔除方法則為投入指標的調整，調整公式如下：

其中，xijadj為調整后的投入指標，Sij為第二階段Tobit回歸的擬合值。經過如上一番調整后，外部環境因素已被剔除，所有的決策單元均處于相同的外部環境中。

4. 第四階段：經典DEA-BBC模型。最后階段再次回到經典DEA-BBC模型，根據調整后的投入指標xijadj來進行DEA效率測算。

三、 實證分析

1. 指標選取。金融發展的投入指標有三個：金融機構數、固定資產投資總額和貸款余額，分別反映了各省為推動金融發展所投入的人力、物力和財力。

金融發展的產出指標有三個：人均GDP增加值、人均純收入和人均消費支出。其中，人均GDP增加值指標反映了經濟發展的速度和規模；人均純收入指標反映了居民生活水平；人均消費支出反映了居民實際生活水平的改善。

金融發展的外部指標主要從居民受教育程度、工業機械化程度、產業結構及貿易進出口四個方面來選取，相應指標分別為大專以上文化程度人數、工業機械總動力、二三產業增加值占比、產品貿易逆差數量。

此外，本文采用2013年數據進行實證分析，數據均來自于《中國統計年鑒》、《中國區域金融運行報告》和《中國金融年鑒》。

2. 第一階段：經典DEA-BBC結果分析。根據第一階段經典DEA-BBC的結果可知，全國省際金融發展的綜合效率得分差距過大，僅有5個省份的金融綜合效率得分為1，占比16.1%，分別為北京、天津、上海、西藏和青海。有4個省份的金融綜合效率得分在0.6和0.8之間，占比12.9%，分別為寧夏、青海、內蒙古和安徽。剩下的22個省份的金融綜合效率得分均低于0.5，占比71%。此外，各省的金融規模效率得分差距不大，但金融純技術效率得分差距過大，有21個省份的金融純技術效率得分低于0.5，占比77.4%。

從各省的金融效率得分來看，有幾個省份的金融效率得分與實際情況相悖。西藏和青海的金融綜合效率得分為1，但該兩省地處偏遠地區，經濟不發達、金融不健全、高素質人才缺乏，其金融綜合效率得分理應較低。相反，江蘇、浙江、山東等東部省份，經濟發展位居國內之首，金融市場健全成熟，但金融綜合效率得分卻很低，分別為0.23、0.19、0.15，排名分別為倒數第6、倒數第5和倒數第3。

基于上述分析可知，運用經典DEA方法所測算出的各省金融效率得分，存在不合理性，即全國省際金融綜合效率得分相差懸殊，西藏和青海兩省得分較高，而江蘇、浙江、山東三省的得分較低。因此，對金融效率進行測算時，需要考慮外部環境因素的影響。

3. 第二階段：Tobit模型結果分析。Tobit回歸模型的擬合結果見表1。可知，三個tobit模型均通過1%顯著性檢驗。下面從四個外部環境指標出發，分析外部環境指標對金融機構數、貸款余額和固定資產投資總額這三個輸入指標松弛量的影響程度。

（1）大專以上文化程度人數。該外部指標對金融機構數、貸款余額和固定資產投資總額的松弛量均有顯著負影響；也就是說，大專以上文化程度人數或者說高學歷人數的增加，會降低該三個輸入指標的冗余度，從而提高了金融效率。可見，國民受教育程度的提升，有助于金融知識的大力宣傳與普及，從而進一步促進金融發展。

（2）工業機械總動力。該外部指標只對固定資產投資總額松弛量有顯著正影響；也就是說，工業機械總動力的增加，會提高固定資產投資總額松弛量的冗余度，從而降低了金融效率?？梢姡I機械總動力并未得到高效利用，存在產能過剩，從而造成固定資產投資額的浪費，對金融發展未起到應有的促進作用。

（3）二三產業增加值占比。該外部指標對金融機構數、貸款余額和固定資產投資總額的松弛量均有顯著負影響，也就是說，二三產業增加值比重的加大，會降低這三個輸入指標的冗余度，從而提高了金融效率?？梢?，二三產業增加值占比的加大，反映了產業結構優化調整的成效性，對金融市場的發展起到促進作用。

（4）貿易逆差總額。該外部指標僅對兩個輸入指標（貸款余額、固定資產投資總額）松弛量具有顯著正影響；也就是說，貿易逆差的擴大，會增加這兩個輸入指標的冗余度，從而降低了金融效率?？梢?，貿易逆差的擴大，會使貸款額度和固定資產投資額度得不到有效利用，從而對金融市場的發展起到負面效應。

基于上述分析可知，外部環境因素對金融效率得分的測算具有顯著影響，因此用DEA方法進行省際金融效率測算時，需要考慮外部環境因素的影響，并對其剔除。

4. 四階段DEA-Tobit結果分析。在剔除外部環境因素之前，我國省際金融發展的綜合效率得分差距過大，有22個省份的金融綜合效率得分均低于0.5。剔除外部環境因素影響后，各省的金融綜合效率得分有一定程度的提高，且分布均勻，見表2。可見，北京、天津、上海三個直轄市的金融環境處于較好的區域大環境，而其他省份的金融環境均受到外部環境因素的負面干擾，尤其是江蘇、浙江和山東三省，從而造成金融效率的低下。因此，運用四階段DEA-Tobit方法進行金融效率的測算是合理的，具有一定的意義。

由表2可知，金融綜合效率得分為1的省份有六個，分別為北京、上海、天津、江蘇、浙江和廣東；這六個省市均處于東部沿海地區，經濟發達、金融市場健全成熟，且北京、上海和廣東聚集了優秀的金融人才以及全國80%的金融機構，大大促進了金融市場的發展，故金融綜合效率最高是當之無愧的。金融綜合效率得分較高的省份還有山東、遼寧、安徽、福建、山西和湖北，這六個省份也是我國的經濟和人口大省，金融發展狀況良好。金融綜合效率較低的省份有新疆、西藏、云南、青海、甘肅和寧夏，其效率得分均在0.5以下，這六個省份均處于我國西部地區，經濟發展水平滯后于東部和中部省份；雖然在國家西部大開發戰略等政策的指引下，西部省份的金融發展支持力度相對較大，但由于受經濟發展基礎薄弱、金融體系結構不完善等因素的影響，西部省份的金融發展相對落后，故金融綜合效率得分較低。

從東中西地區層面來看，我國東部、中部、西部地區省份的金融綜合效率得分均值，分別為0.93、0.72和0.40；可見，我國東中西地區省份的金融綜合效率得分呈階梯式序列，東部省份得分最高，中部省份次之，西部省份的金融綜合效率遠遠低于東部和中部省份。西部省份與東中部省份的金融綜合效率的差別，主要在于西部省份的金融規模效率得分遠遠低于東中部省份，西部省份的金融規模效率得分為0.59，遠遠低于東中部省份的0.95、0.83；此外，西部省份的金融純技術效率得分為0.68，也低于東中部省份（0.98、0.87），但懸殊不如金融規模效率得分大。

四、 結論及建議

本文基于金融效率評價指標，運用四階段DEA-Tobit方法，對我國31個省級行政區的金融發展狀況進行實證分析，得出的結論與建議如下：

1. 效率測算方法。在對金融效率得分進行測算時，四階段DEA-Tobit方法與經典DEA方法所測算出的結果相差很大。若不考慮外部環境因素對效率得分的影響，經典DEA方法所測算出的省際金融效率水平明顯偏低，且不合理，與實際情況相違背；因此，考慮外部環境因素對效率測算所造成的影響非常有必要。四階段DEA-Tobit方法通過Tobit模型來對外部環境因素進行剔除，所測算出的省際金融效率得分，與經典DEA方法相比，更為客觀、真實、準確。

2. 外部環境因素。居民受教育程度、工業機械化程度、產業結構水平以及產品貿易等外部因素對各省的金融發展起著至關重要的推動作用。未來應大力推進全民教育，大力提高居民精神、文化水平，各省應調整經濟結構、淘汰落后產能、促進產業結構的轉型省級，出臺多項措施來促進產品進出口貿易的發展，從而推動金融效率的提高。此外，還應深化改革金融體制、構建金融發展新體制。

3. 西部省份。西部省份金融綜合效率最低。從金融發展投入指標來看，西部省份的金融機構數目、類型及金融資產總額遠遠低于東中部省份，這也就解釋了西部省份金融規模效率低于東中部省份這一實證結果。因此，國家應重視西部地區金融市場的發展、促進西部省份金融理念的推廣和金融人才的引進，通過提高金融規模來增強金融技術水平，從而促進金融效率水平的提高。

參考文獻：

[1] 程炳友.我國農村市場金融效率機制研究[J].農村經濟，2009，（8）.

[2] Fried H O，Schmidt S S，Yaisawarng S.Incorpo- rating the Operating Environment into a Non- parametric Measure of Technical Efficiency，Journal of Productivity Analysis，1999，（12）.

[3] 張永剛，張茜.基于DEA方法的農村金融效率研究[J].經濟問題，2015，（1）.