基于DEA-Tobit 模型的金融精準扶貧效率與影響因素研究
——以阜陽市為例

謝艷琳 芮英健 韓雨雪（謝艷琳，安徽財經大學財政與公共管理學院；芮英健、韓雨雪，安徽財經大學金融學院）

■ 引言

2019 年4 月習近平總書記在座談會上強調，當下工作核心是聚焦脫貧攻堅、加大金融支持以及創新產品服務，切實有效完成今明兩年金融精準扶貧工作，助推金融脫貧攻堅。目前，我國的脫貧工作到了最后的沖刺關頭，金融扶貧也到了“攻堅拔寨短窮根”的關鍵時期。雖然大量貧困人口已經成功脫貧，但貧困人口的絕對數量依舊龐大。如何讓剩下的人口早日脫貧，應當采取更為有效的扶貧措施。而金融扶貧在資金使用管理、扶貧成本以及脫貧效率等方面均存在問題,如何有效提高金融扶貧效率是一個等待研究和解決的問題。因此，本文以阜陽市為研究對象，建立DEA-Tobit 模型，分析比較下屬三個國家級貧困縣金融扶貧的技術效率值以及影響效率值的因素，助力金融扶貧效率的提高。

■ 金融扶貧效率實證分析

（一）研究方法

DEA（數據包絡分析）效率評價方法指的是在多個投入產出的情況下，被用來測量決策單元(DMU:Decision Making Unit)相對有效性的分析方法。根據DEA 分析方法確定DMU 的有效生產前沿面，確定被測量的DMU 實際產出值與有效生產前沿面的相差程度，從而判斷DMU 是否有效。

（二）建立模型

本文將選取阜陽市下的三個國家級貧困縣（臨泉縣、阜南縣、潁上縣）作為決策單元，記為DM(i=1,2,3),每個決策單元均包含3 個投入變量X 與3 個產出變量Y，針對第i 個決策單元，以投入為導向建立BBC 模型，其表現為：

其中，j=1,2,3 表示決策單元，X,Y 分別表示投入變量與產出變量，S?表示決策單元實際值與有效值可減少的數量，S+表示決策單元實際值與有效值可增加的數量。ε 表示一個無窮小量，θ 表示決策單元的有效值。①若θ=1且S?=S+=0，則決策單元處于有效狀態。②若θ=1，S?≠ 0或S+≠0，則決策單元DEA 處于弱有效狀態。③若θ＜1，則決策單元處于非有效狀態。

（三）指標選擇

本文考慮數據可獲得性，同時結合阜陽市的實際情況，對臨泉縣、阜南縣、潁上縣2015 年—2018 年的投入產出數據進行以下指標選擇。

投入指標：金融基礎設施是支持金融扶貧工作的重要載體，有益于扶貧政策的實施與開展，金融機構為農村群體提供了最基本的農村金融服務，反映了特定地區內提供金融產品與服務的能力大小，再者，特地地區內的存貸款余額占當地GDP 的比例（下面用金融相關率表示），反映了當地金融發展的規模大小，特定地區內貸款余額占存款的比例，反映了信貸資金的轉化能力，二者均反映了金融扶貧政策實施的難易程度，因此本文選取金融機構網點數、金融相關率（X1）、貸款余額（X2）與存款余額（X3）之間的存貸比作為該模型的投入指標。

產出指標：金融扶貧的產出反映為特定地區扶貧對象生活的改善情況以及當地的經濟發展情況。本文選取農村居民家庭人均可支配收入（Y1）、農村居民人均消費性支出（Y2）、農林牧業增加值（Y3）。前面兩項反映了金融扶貧投入對改善扶貧對象生活的影響，后者反映了金融扶貧投入對農業經濟的拉動程度。

（四）數據來源

根據所選數據最大程度反映最新情況的原則,并考慮到指標的可獲得性，本次研究將數據來源時間定為2015—2018 年，相關數據來源于銀監會官方網站，《阜陽統計年鑒》以及《中國縣域統計年鑒》（縣市卷）。

（五）結果分析

利用DEAP.2 軟件，將阜陽市下三個國家級貧困縣2015—2018 年金融扶貧的投入產出數據，導入軟件。根據表1 結果可知，2015—2018 年臨泉縣和潁上縣的技術效率均等于1，說明二者金融扶貧效率始終有效。而2015 年阜南縣的技術效率值為0.954，呈無效狀態。根據阜南縣2015—2017 年DEA 實證結果可知，當技術效率值小于1 時，其規模效率均小于1。說明阜南縣是因為總體投入不足導致規模效率無效，最終結果表現為技術效率無效。隨著當地金融網點的增加、競爭程度不斷加大，當地金融服務逐漸得到保障，金融市場的信用環境逐步改善，存貸比以及金融相關率得到的一定的提升，2015—2018 年阜南縣的技術效率呈上升趨勢，直至2018 年，阜南縣的技術效率等于1，最終達到技術有效。

表1 DEA實證結果

■ 金融扶貧效率影響因素

結合上述阜陽市金融扶貧的實際情況，進一步研究阜陽市金融扶貧技術效率的影響因素。

（一）模型構建

由于本文所選用被解釋變量是通過DEA 模型計算出來的技術效率值,而技術效率值均是處于0-1 之間的離散數值,若使用普通最小二乘法（OLS）可能會導致將結果出現偏差，因此為規避普通最小二乘法（OLS）估計所帶來的誤差,我們采用極大似然估計法進行Tobit 回歸分析。

上式中，y 代表各縣的金融扶貧技術效率值，x 是影響各縣金融扶貧效率的因素，α代表的是常數項向量，β代表的是回歸參數向量，ε代表的是隨機擾動項。

（二）指標選取

根據現有研究成果，影響金融扶貧效率主要是在金融機構以及存貸款數量上，因此，本文選取DEA 模型中的三個投入指標，分別金融機構網點數（X1）、金融相關率（X2）、存貸比（X3）。

（三）結果分析

通過建立Tobit 模型，利用Eviews9.0 軟件對各影響因素影響指標進行分析，其結果呈現如下。

表2 阜陽市金融扶貧效率影響因素分析結果

根據表2 可知，金融機構網點數、金融相關率、存貸比三個指標均對金融扶貧效率值有正面影響。其中金融機構網點數對金融扶貧效率值影響顯著。金融扶貧不是簡單的融資、貸款，其本質為 “授人以漁”，只有讓貧困地區的人口接觸，并懂得如何正確的使用金融工具，才能真正的解其一生之需，而不是一時之急。而金融機構網點數的增加代表著金融服務人員數量的增加以及競爭條件下金融服務質量的提升，最終的結果就是越來越多的貧困群體可以有機會有條享受良好的金融服務，從而自身金融問題得到有效解決。模型中，金融相關率和存貸比對金融扶貧效率不顯著，這可能是由于這三個國家級貧困縣金融發展水平均相對較低，再加上政府的配套設施不夠完善，導致這兩個指標對金融扶貧效率尚未發揮作用。

■ 結論與建議

（一）結論

從DEA 實證結果分析來看，阜陽市下三個國家級貧困縣在實施金融精準政策以來，金融扶貧效率均處在較高的水平，其中臨泉縣和潁上縣在2015——2018 年期間，金融扶貧效率始終為有效水平，2015 年阜南縣的金融扶貧效率雖未達到有效水平，但其規模報酬在不斷的增加，直至2018 年金融扶貧效率達到有效。在金融扶貧效率影響因素中，金融機構網點數是個重要影響變量，并對金融扶貧效率產生正向的影響。

（二）建議

1.優化金融扶貧資源配置結構，提升貧困地區金融服務可獲得性

在確保金融扶貧資金投入持續增加的前提下，優化金融扶貧資源配置結構。金融機構各部門應當相互協調配合執行金融扶貧政策，加大力度建設金融扶貧信息共享平臺，以提升貧困地區金融服務的可獲得性。各大金融機構應當定期安排人員上門走訪貧困農戶和貧困地區企業，深層次調查了解農戶和企業的貸款融資需求。金融機構不以完成扶貧任務和扶貧指標為目的，精準選擇扶貧對象和扶貧企業，確保金融扶貧貸款精準滴灌，提高金融服務的有效性，打通貧困地區金融服務的“最后一公里”。

2.加強金融扶貧產品和服務的創新，提高信貸產品的精準度

首先，金融機構的服務人員不僅僅以簡單地系統性解決貧困群體問題為目標，應當為貧困地區群體提供更為齊全的服務，通過探尋貧困農戶和企業的需要，根據貧困地區的特點，因地制宜研發出具有個性化的金融產品。再者，貧困群體對于資金需求其實十分龐大，但是由于貸款申請門檻較高以及審核標準過于嚴格，導致很大一部分貧困群體的資金需求得不到滿足，為適應扶貧對象對金融產品的多樣化需求，金融機構應當根據不同層次的人群，設置不同的貸款門檻以及審核標準，并對貸款利率以及還款日期進行相應的調整，調動貧困人群參與金融產品與服務的積極性，進而提高貸款余額與存款余額之間的存貸比。最后，加大貧困地區龍頭企業和農村專業合作社的扶持力度，通過經營主體帶動當地貧困戶發家致富，從而降低貧困戶自己創業的風險。

3.加大金融扶貧資金的整合，降低扶貧對象的融資成本

第一，有效整合金融扶貧的各類資金，構建多元化,多渠道的投融資體系。第二，充分發揮財政政策以及地方政府對貧困戶信貸資金的引導作用，積極落實農村金融機構的定向補貼費用以及貧困戶小額貸款的稅收優惠，地方政府應當建立健全金融扶貧資金的運行環境, 注重財政貼息、風險補償協同共進，實現金融扶貧資金可持續發展。第二，金融機構應當充分利用扶貧再貸款,通過再貸款最大限度降低扶貧對象的融資成本。