華婷婷 陸試群 高 雪(通訊作者)
(中南林業科技大學涉外學院,湖南 長沙 410211)
金融是現代經濟的命脈,利用金融支持手段來實現產業綠色發展是現代社會進步的必然要求。綠色金融又稱環境金融或可持續金融,是對傳統金融的延伸和升華,更強調維護人類社會長遠利益和持續發展。其目的在于實現經濟效益、社會效益和生態效益三者的均衡發展。農業作為一個國家的糧食來源,其重要性不容小覷。但是,由于我國前幾十年的粗放型、非專業化、小規?;洜I,對于土地和環境造成了極大的傷害。而隨著綠色金融支持生態農業發展,集約化生產已成趨勢,為此我們引入數據包絡分析對湖南省綠色金融支持生態農業效率進行評價分析。
我國于2007年開始推行綠色金融政策,至今已有15年,在各個地區的發展參差不齊。湖南作為農業發展大省,研究其綠色金融支持生態農業效率有著重要的意義,可以為整個長江經濟帶的農業發展甚至全國農業發展提供范本,在新環境之下走出在農業現代化發展前列。
數據包絡分析(Data Envelopment Analysis,DEA)方法是一種將單輸入單輸出工程效率推廣到多輸入多輸出的相對效率評價,避免了主觀因素,不要對參數進行事先估計,也不需要假設各向量權重。BCC模型是DEA模型的一種基本形式,BCC將規模效率和技術效率分開,是基于規模報酬可變的假設,即在評價決策單元時會將規模報酬對效率的影響考慮在內,所以使用BCC模型能掌握決策單元所處的規模收益狀態,有助于決策者調整規模,進而提高相對效率。基于此,本文研究選取以投入導向為基礎的BCC模型核算綠色金融支持湖南生態農產品效率。
傳統的DEA方法從徑向角度測算效率,但容易造成投入要素的擁擠,降低測量結果的精確度。BCC模型強調可處置性來確保效率邊界或無差異曲線凸性,卻會造成投入要素“松弛”問題,如果不考慮投入要素的“松弛”的影響直接運用BCC模型,有可能造成對效率測評的偏差。而針對這一問題由Tone在2001年提出的非徑向角度的SBM模型有效地解決了BCC模型的缺陷,但SBM模型依然無法區分多個決策單元同時有效的排序問題,在2002年Tone又提出了修正松弛變量的Super-SBM模型,此模型允許效率值大于1,能夠減少多個決策單元同時有效且作為被解釋變量時結果誤差加大的情況。本文通過投資效率、BCC靜態分析和Super-SBM模型分析投入冗余值。
資金投入對于的各方面都有較好效果,而目前綠色債券在生態農業方面的的投入相對來說是占比較高的,選取其作為綠色金融投入指標具有一定的代表性,能夠從整體上反映湖南省目前綠色金融支持生態農業的狀況。為此,我們選取了湖南省2017年~2020年的136只綠色債券中投放在農業各方面的66只綠色債券作為綠色金融的投入指標,并將其按發行主體分 為公司債和政府債;生態農業產出由經濟產出和環境產出來測度。產出指標分為期望產出和非期望產出。期望產出主要是經濟效益,以湖南地區第一產值作為表現。非期望產出則是環境效益,包括污染物排放和碳排放兩個指標。具體如表1所示。

表1 投入產出指標
指標數據缺失部分采用了插值法補全,分析年份從2017年~2020年通過DEAP 2.1和DEA-Solver Pro 5.0進行分析得出以下結果:
(1)圖1 BCC模型的Efficiency值表明在2017年投資效率小于1,為非有效決策單元;2018年、2019年、2020年投資效率均等于1,為有效決策單元。

圖1 BCC 模型2017年~2020年Efficiency值圖
(2)由于傳統的DEA模型在進行效率測算的過程中會出現多個有效決策單元的情況,影響了決策單元的對比分析,而Super-SBM 模型則可以解決多個有效決策單元效率值為1時無法排序的問題。本文中采用BCC模型測算的有3個決策單元效率值為1,但是BCC模型無法對這3個有效決策單元進行區分和排序,測算的準確度出現偏差。而Super-SBM模型允許有效的決策單元效率值大于1,能夠對有效決策單元進行區分和排序。從圖2可以看出,2019年的投資效率值最高,為4.079195534,其余兩個有效決策單元的投資效率從低到高依次2020年、2018年。非有效決策單元中2017年投資效率值最低。

圖2 Super-SBM模型 2017年~2020年Efficiency值
(3)綠色金融支持湖南省生態農業投資效率主要表現為綠色債券(資金)不同發行主體投入要素是否得到了充分利用和要素之間的配置情況。投資效率總體上處于較高水平,平均投資效率為1.9100388835,投資效率大于等于1的決策單元有3個,小于1的決策單元有1個。

表2 湖南省2017年~2020年綠色金融支持湖南生態農業效率值(BCC模型)
以DEAP2.1模型分析出來的是以2020年為基準1,從而觀察其他年份效率情況。
(1)從綜合指數效率指數來看,綠色金融支持湖南生態農業效率在2017年~2019年效率值分別為0.775、0.773、0.886,整體呈增長趨勢,但仍處于較低范疇。2020年的綜合效率值表明綠色金融支持湖南生態農業實現了最優配置,投資結構合理。投入產出在不同的組合下達到了最佳效果。
(2)從純技術效率來看,除2018年以外,純技術效率呈增長趨勢。2017年綠色金融支持湖南生態農業純技術效率為0.871,與生產前沿面相差0.129,2018年綠色金融支持湖南生態農業純技術效率為0.871,與生產前沿面相差0.146,2019年綠色金融支持湖南生態農業純技術效率為0.871,與生產前沿面相差0.079,反映出管理水平有較大進步空間,說明管理和技術水平是制約湖南省綠色金融支持生態農業效率的主要因素。
(3)從規模效率來看,其能夠體現出綠色金融支持湖南省生態農業是否處于最優規模,從2017年~2020年均保持增長。規模效率為1的則是2020年。規模報酬遞增的年份說明資金得到有效利用,效率損失問題逐步解決,說明湖南地區資金使用方向正確。

表3 Super-SBM模型投入產出
(1)投資效率大于等于1的有效決策單元的投入要素冗余值大于等于0,冗余值等于0說明投入要素處于3個決策單元連接起來的有效投資前沿面上,冗余值大于0是為了解決效率值等于1的決策單元排序問題。例如2019年的投資效率最高,其公司債券和政府債券均大于0。
(2)投資效率值小于1的為非有效決策單元,其投入要素冗余值都小于或等于0,冗余值小于0說明有相對于有效決策單元存在資源配置效率不高的情形。例如2017年和有效決策單元相比較,投資公司債券可以節約36.00005億元。
研究結論:Super-SBM模型比BCC模型更準確的評價了綠色金融支持湖南省生態農產品的投資效率。4年的平均投資效率為1.9100388835且大于1,投資效率較高。
根據模型研究結論和目前湖南省綠色金融支持生態農業情況,為進一步提高湖南省綠色金融支持生態農業效率提出如下建議。
從上述分析結果可以看到,湖南省近四年的綠色金融支持生態農業效率保持穩步發展,但是依舊參差不齊,無法保證一個較高的增長趨勢,在部分年份還出現投資效率小于1以及冗余,在一定程度上有浪費現象,針對此種情況,需要建立供需兩端的公共交流平臺,打破信息不對稱,保證資金能更好的投放到農業的各個角落,避免出現資金在一些層面“冗”,在另一些層面“余”。提高綠色金融支持效率。資金有效利用率。
綠色金融支持主要就是資金層面的投放,那么在這中間的流轉過程要加強監督,保證資金能夠有效傳導和投放到相關企業。避免中途存在資金偷、漏、污的現象,資金要合理高效利用,真正發揮綠色金融對湖南生態農業支持作用。閑置資金要尋找需求點,爭取達到每一筆資金的利益最大化和目標實現度最高。使生態農業方和綠色金融支持方雙向受益,達到生態效益、社會效益和經濟效益三者的有機結合。
生態農業存在高利潤區與中利潤區以及低利潤區,而作為金融機構和企業,投放的目的都帶有盈利性,就會出現資金不匹配,中高利潤區資金爆滿,而低利潤區無人問津,不利于整個湖南省農業的全面發展,易導致生態農業畸形發展。為此,政府需要起到領頭羊的作用,以政府的財政力量和政策導向,逐步引導社會資金的進入并長期“駐扎”,盡量避免短期效益,在盈利后直接出手,這樣對于生態農業的發展是極為不利的,不可持續性發展。有了政策的引導,綠色金融支持生態農業的方向就會更加明確,資金投入效率大大提高。
綠色金融支持生態農產品的過程中,需要引入金融、科技等方面的專業人才,堅持專業的事情有專業的人做,提高投入產出效率,金融人才的投入有利于供需雙方對于資金來源與去向的理解,主要是可解決需求方金融排斥現象,在很大程度上加快綠色金融資金支持的效率和覆蓋度??萍既瞬诺囊胗欣谏鷳B農業的高質高產和集約化發展,客觀上驅使生態農業戶向金融機構尋求資金支持,為雙方的交流搭建了“橋梁”。
在“雙碳”目標如火如荼的開展中,農業在碳排放方面也不能落后。加快綠色生產、綠色產出、綠色消費,綠色金融將在其中發揮至關重要的作用;解決好綠色金融支持湖南生態農業效率的問題,有利于為湖南省生態農業投入產出給出合理的、高效的方案。幫助湖南省先一步占據生態農業市場,可提升生態農產品競爭力,為長江經濟帶甚至全國提供綠色金融支持生態農業范本,助力和加快我國現代化農業發展。