自貿區背景下安徽金融機構經濟效率評價及影響因素研究

【摘? 要】安徽近十年來一直致力于打造開放型經濟發展格局，安徽經濟活力在“一帶一路”倡議及中歐班列等一系列優惠政策的推動下顯著提升，對外貿易總額不斷攀升。現階段安徽省經濟發展勢頭良好，地區GDP持續上升，安徽的金融服務優勢不斷顯現，在境外資源與境內資源雙向促進的作用下，片區內的企業可以享受到在資金池、供應鏈融資、擔保等方面的全球化和國際化的服務，并且可以為片區內的高端制造業和高科技企業產業升級提供金融支持。論文以安徽自貿區的設立為研究背景，以金融服務機構為研究對象，利用金融機構年度數據，選取數據包絡分析和Tobit回歸模型，對金融服務效率進行整體評價，并提出對策建議。

【關鍵詞】金融服務效率；自貿區；數據包絡分析；Tobit回歸

【中圖分類號】F832；F124? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號】1673-1069（2023）06-0040-03

1 引言

中國共產黨第十九屆中央委員會第四次全體會議提出建設自由貿易試驗區和自由貿易港的相關概念和政策。2020年9月24日，中國（安徽）自貿試驗區在合肥正式揭牌，安徽自貿試驗區總面積119.86平方公里，主要涉及和輻射的范圍有合肥片區、蕪湖片區和蚌埠片區。安徽自貿試驗區的發展目標和主要任務是，在擁有更大自主改革權的前提下，在自貿試驗區內探索差別化的改革。經過一段時間的改革探索，圍繞加快轉變政府職能、深化投資領域改革、推動貿易高質量發展等7個方面、19項主要任務措施，使得自貿區制度創新成果有一定的國際競爭力，在貿易投資的便利性、創新產業的活躍性、高端產業的聚合性、金融服務的完善性、監管的高效與安全性等方面有自己的特色，并且可以起到一定的輻射和帶動作用。安徽省自貿試驗區的成立與運營，是安徽省擴大對外開放力度的一個開端。自貿試驗區是全國開放水平最高的區域。安徽自貿區還將在金融服務方面，通過落實放寬金融機構外資持股限制等，擴大金融領域對外開放力度，推動更多金融類服務企業落戶安徽自貿試驗區。運用科學有效的計量模型對自貿區金融服務機構效率進行分析評價，對比各個金融機構的優劣勢，有利于推動金融服務機構健康發展。

2 指標選取與模型構建

2.1 DEA-Malmquist模型

數據包絡分析（DEA）方法起初源自Charnes、Cooper、Rhodes[1]在《歐洲運籌學雜志》上發表的論文“Measuring the efficiency of decision making units”，在往后的DEA文獻中，以三人姓氏的首字母作為他們創建的第一個DEA模型，即CCR模型。DEA方法利用決策單元（DMU）的投入和產出變量，借助數學規劃方法測算出有效單元構成的生產前沿面，然后衡量各個DMU與生產前沿面的偏離程度，從而估算各DMU間的相對效率值[2]。1984年，Banker、Charnes、Cooper[3]在《Management Science》雜志上發表了“Some models for estimating technical and scale inefficiencies in data envelopment analysis”，這篇文章提出了估計規模效率的DEA模型，也被稱為BCC模型。DEA模型又可分為投入導向型和產出導向型，本文選擇投入導向的DEA模型來測算金融服務業經營效率。

DEA模型測算出的效率值是針對某一時間的生產技術而言的，其本質是一種靜態效率分析。由于生產技術在較長一段時間內是不斷發生變化的，因而需要借助動態效率分析方法進行考察。在實際的研究中，反映生產率變化情況的效率指數有Malmquist指數、Passche指數、Fisher指數等。當被評價決策單元包含多個時間點觀測的面板數據時，Malmqusit生產率指數模型可輔以距離函數的概念，分析其變化狀況以及技術效率、技術進步在生產率變化中的作用。

在實證分析中，為了避免參照技術前沿的隨意性， Fare等[4]建立了DEA-Malmquist指數模型，并將Malmquist指數分解為技術效率（TE）和技術進步（TC）兩部分。在規模報酬可變情況下，技術效率又可分解為純技術效率（PTEC）和規模效率（SC）。分解形式可表示為：

式中，技術效率測算相鄰兩期DMU與生產前沿面的距離變化狀況，當技術變化率的值>1，說明技術效率提高了；技術變化率的值=1，說明技術效率沒有發生變化；技術變化率的值<1，說明技術效率下降了。對于技術進步的測度主要考慮相鄰兩期的移動情況，該指數>1，說明技術進步了；該指數=1，說明技術沒有發生變化；該指數<1，說明技術發生了退步。純技術效率變化與純技術效率類似，反映由管理水平等因素造成的變化，規模效率變化反映自身規模改變對其效率的影響。綜上，本文采用Malmquist方法探究金融服務公司全要素生產率變動的主要因素。

2.2 指標確定

根據上述討論，本文選取的投入指標為：營業總成本X1 （萬元）、股本X2 （萬股）、總資產X3 （萬元），選取的產出指標為：凈利潤Y1、流動比率Y2、速動比率Y3、總資產周轉率Y4。對于投入和產出指標的相關性，本文選擇皮爾遜相關系數進行測量。根據理論，皮爾遜相關系數值越大，說明被檢測變量間的相關程度越高，因此選擇其投入產出指標進行效率測算的標準，相應的評價結果越可靠。表1為采用SPSS軟件進行皮爾遜相關性檢驗的結果。

根據表1可以看出，本文所選擇的投入和產出指標數據具有較高的相關性，說明投入的增長一定會帶來產出的顯著增長，這也符合數據包絡分析模型中的單調性原則。

2.3 Tobit模型及指標選取

衡量金融服務機構經濟效率時，選擇金融服務機構的盈利能力這個指標，而凈資產的收益率又能很好地體現金融服務機構的盈利能力，故有以下假設：

假設1：金融服務機構的經濟效率與金融服務機構的盈利性呈正向變動關系。產品的研發投入應該引起金融服務機構的重視，而產品研發主力軍主要依靠機構內受過高等教育的人才[5]，故本文選取碩士以上員工在總員工內的占比來表示員工受教育程度。

假設2：員工的學歷越高，其金融服務經濟效率便越好。金融服務機構產品的邊際成本基本為0，容易產生規模效應，因此規模正向促進金融機構提升服務效率[6]。金融服務機構的規模由機構總資產來描述。

假設3：關注金融服務機構的規模，必然涉及機構的管理方式，管理成本越低反映機構管理水平越高，進一步促進金融服務效率的提升[7]。本文選取管理成本來衡量金融服務機構的管理水平。

假設4：管理成本控制得好能夠顯著提升管理效率，從而使金融服務經濟效率提高，二者呈正向變動關系。

因此，建立如下Tobit模型，模型參數解釋如表2所示。

Y=α+α1x1+α2x2+α3x3+α4x4

3 實證結果與相關分析

3.1 金融服務機構經濟效率靜態測算結果

以2016-2021年11家金融機構的數據作為樣本，選取金融服務機構的技術效率、純技術效率和規模效率作為指標，采用投入導向的BCC模型進行測算和分析，結果如表3所示。

由表3可以看到安徽省金融機構技術效率均值為0.583，從整體來看安徽省金融服務機構的業績處于中等的水平。主要是由于地方金融仍處于摸索階段，技術還未成熟；再者由于很多金融平臺出現融資跑路問題，對金融機構的發展存在一定的負面影響。從純技術效率來看，平均純技術效率為0.723，這說明在現有的技術水平之下，金融機構不可能在不改變投入的情況下增加產出。若想改善金融機構經濟情況，提高投入產出比，就要提高企業對投入的使用效率。規模效率的均值為0.809，數據表明金融機構規模沒有達到最優，由于地方金融仍處于發展階段，應注意資產配置和股本結構的選擇。

3.2 金融服務機構經濟效率動態測算結果

以2016-2021年11家金融機構的數據作為樣本，采用Malmquist指數模型對金融服務機構的技術效率、純技術效率、規模效率、技術進步以及全要素生產率指數進行測算和分析，結果如表4所示。

由表4可以看出，2016-2021年平均全要素生產指數為1.012，5年來安徽金融服務機構服務效率一直以1.2%的速度遞增。2016-2021年金融服務機構整體技術效率均值為1.085，說明安徽省金融機構技術效率每年以8.5%的速度遞增。技術進步指數均值達到1.027，主要由于金融服務機構在自貿區背景下聯動勢頭良好。2020-2021年度全要素生產率高達1.379。合肥自貿實驗區可以依靠豐富的境外服務資源，通過境內+境外的雙向聯動，進一步加快金融服務的全球化，推動金融機構的數字化轉型。

3.3 Tobit回歸測算結果

根據2.3的參數設定，Tobit回歸主要考慮金融企業規模、利潤、管理水平和科技創新能力，這4個方面對被解釋變量的影響。采用Eviews對數據進行處理分析，得到結果如表5所示。

表5結果表明，在本文選取的總資產、凈資產收益率、管理成本以及員工受教育程度4項指標中，對被解釋變量的影響排序由大到小為：總資產、管理費用、資產收益率和員工受教育程度。因此，增加自貿區金融服務機構的規模對金融服務機構經濟效率有顯著的作用，擴大規模不具有規模經濟效應。凈資產收益率系數為0.065并且顯著，這表明金融服務機構凈資產收益率越高利潤也越大，其經濟效率也越高。管理費用系數為-0.069且在1%的水平上顯著。近幾年，我國金融服務機構的規模不斷擴大，市場占有率也進一步提高，但是管理成本往往在發展范疇內被忽略了。隨著金融的進一步發展，高管們也逐漸意識到管理效率有利于提升金融機構的經濟效率，進一步助力金融機構瓜分市場份額。Tobit測算結果顯示，保持其他條件不變，高學歷員工占比每增加1%，金融機構服務效率會增加0.047%，因此提高金融企業人才梯隊可以促進其經濟效率的提高。

4 提升金融服務機構經濟效率的建議和對策

4.1 吸引海內外復合型高端人才，加強人才梯隊建設

復合型高學歷人才是金融服務機構急需的人才，尤其是高級技術人才和企業高管的需求尤為明顯。安徽金融服務機構提升人才梯隊建設水平和員工素質可以通過以下4個途徑：①設立人才選拔體制，確保選拔的公平性和靈活性；②從實際需求出發，制定階梯職業發展規劃；③加大人才引進力度，吸引科技創新人才以及科研人才；④創新人才工作激勵方式，如實施贈與原始股權制度等。

4.2 加大科研創新力度

借助安徽自貿區金融創新改革試點政策，安徽金融業迎來重大發展機遇，各類金融機構正加快金融產品創新步伐，為區內市場主體提供優質服務，助力安徽外向型經濟騰飛。一方面，提高產品創新能力，金融服務機構除了加大對科研的資金和人力投入，進一步完善自身的科研戰略部署和儲備，還要與高校、科學研究機構等建立緊密合作關系，通過校企合作取長補短；另一方面，注重科研成果的轉化比率，將資金投入轉化率高的科研項目上來。

4.3 提升金融機構內部組織管理水平

持續的群體活動是在一定形式的組織中進行的，群體活動的持續進行導致了組織的產生，可以從以下3方面來提升金融服務機構組織管理水平：

①積極學習借鑒國內外先進的管理理念，根據我國國情制定符合國內外要求的管理標準，不斷豐富和提高金融機構組織內部的管理水平；②明確組織目標，控制管理費用最小化，精簡內部工作人員，減少不必要的勞動支出，為此提升金融服務機構管理效率；③加強組織內管理信息化建設，利用大數據、5G等高科技手段有效配置組織內的資金流、物流和信息流管理，以達到有效整合科技型金融服務機構內外部資源的目的。

4.4 提高營運和盈利能力

提高金融服務機構的營運能力和盈利能力，可以根據上一年的財務報表做出相應的財務分析，從而制定本年度運營計劃。同時也要考慮員工對現有工作狀態的滿意程度、管理是否有效和金融機構所占的市場份額這些非財務指標，以提高金融服務機構的營運能力。

【參考文獻】

【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】陳建南，廖琪.基于DEA模型的金融效率評價金融機構——以江西各地區為例[J].金融與經濟，2008（11）：56-59.

【6】寧媛媛.基于數據包絡分析法DEA的商業銀行效率研究[D].天津：天津師范大學，2007.

【7】龐瑞芝，張艷，薛偉.中國上市銀行經營效率的影響因素——基于Tobit回歸模型的二階段分析[J].金融論壇，2007（10）：29-35.

【基金項目】安徽商貿職業技術學院科研項目（項目編號：2021KZR12）；安徽省質量工程項目（項目編號：2021jxtd100）；學校專業拔尖人才學術資助重點項目（項目編號：smbjrc202204）。

【作者簡介】許賢麗（1983-），女，安徽蕪湖人，副教授，研究方向：經濟金融。