我國政策性農業信貸擔保體系運行效率評價

摘" "要：為加快構建財政金融協同支農機制，有效緩解農業融資難、融資貴問題，2015年以來我國通過財政資本金注入方式支持33個?。ㄗ灾螀^、直轄市、計劃單列市）建立省級農業信貸擔保機構，推動形成覆蓋全國的政策性農業信貸擔保體系。本文運用三階段DEA模型和Malmquist指數分析法，分別從靜態和動態兩個層面測度2019—2022年我國政策性農業信貸擔保體系運行效率。結果表明：（1）隨機誤差因素與外部環境因素的影響會導致體系運行效率值偏低，其中農林牧漁業總產值的增加和財政農林水事務支出的降低對體系運行效率有促進作用。（2）調整后體系綜合技術效率較高，但只有兩省處于效率前沿面上，有15省低于體系均值0.902，最低的湖南省效率值只有0.65。（3）從全要素生產率指數來看，體系效率先升后降，技術和創新成為影響體系運行效率的主要因素。因此，推動區域協調發展、創新運作模式、防控業務風險是提高體系運行效率的重要途徑。

關鍵詞：政策性農業信貸擔保；三階段DEA模型；Malmquist指數；效率

中圖分類號：F832" "文獻標識碼： A" 文章編號：1674-2265（2024）06-0039-10

DOI：10.19647/j.cnki.37-1462/f.2024.06.004

一、引言與文獻綜述

農業農村農民問題是關系國計民生的根本性問題，而融資難、融資貴是制約“三農”發展的關鍵性難題。由于缺乏正規的會計核算制度和完整的信息披露，商業銀行等金融機構難以了解農業經營主體真實的經營情況和償債能力，導致農業經營主體和金融機構之間存在信息不對稱，金融機構面臨逆向選擇和道德風險，提供信貸支持的意愿較低，農村信貸市場出現失靈。與此同時，農

業生產具有弱質性特點，面臨自然風險和市場風險，加上收益率不高，導致金融機構通常會要求農業經營主體提供足額抵質押來降低信貸風險。然而，農業經營主體所擁有的財產大都是生產工具、農產品等，缺乏金融機構認可的抵押物，影響了貸款可得性，進一步加劇了農村金融市場供需矛盾。

農業信貸擔保是破解農村金融供需雙方信息不對稱問題的重要手段，通過擔保增信，農業經營主體能夠滿足商業銀行設置的信貸門檻，獲得金融支持，實現財政金融協同支農的目的。作為財政支農的創新方式和重要舉措，我國高度重視政策性農業信貸擔保體系建設，多次在中央一號文件中進行了強調①。自2015年以來，中央和省級財政通過資本金注入的方式，推動建立了“國家農擔公司+省級農擔公司+市縣分支機構”的全國政策性農業信貸擔保體系②，并通過財政補助、風險補償等措施支持其發展。國家農擔公司統計月報顯示，截至2023年末，我國政策性農業信貸擔保體系累計擔保項目398.49萬個，擔保金額1.31萬億元；在保項目114.91萬個，在保金額3956.25億元；注冊資本金放大倍數5.97倍，有效發揮了財政資金政策效應，政策性農業信貸擔保體系已逐漸成為助力鄉村產業振興、鞏固拓展脫貧攻堅成果的重要抓手。同時，政策性農業信貸擔保體系一定程度上解決了農業融資貴問題，2023年體系新增擔保項目平均擔保費率0.48%，平均貸款利率4.76%，平均綜合融資成本5.24%，遠低于財政部政策文件要求的8%以內。我國政策性農業信貸擔保體系發展初見成效，但各地發展不平衡的問題較為突出。2023年末，注冊資本金放大倍數最高的山東達到11.32倍，最低的河北只有2.01倍；體系累計代償率為1.3%，最高的天津達到3.26%，最低的山東只有0.35%。機構和人員投入方面，各地也存在較大差別。雖然財政部建立了對各地農業信貸擔保的績效考核指標，但只是分項指標得分的簡單加總，無法衡量各地的運行效率，也無法確定財政資金投入是否實現了資源配置效率最大化。

國內外不少學者圍繞農業信貸擔保體系運行效率進行了研究。Riding和Haines（2001）[1]通過構建模型，從成本收益角度對加拿大3000戶接受小企業貸款管理局（SBLA）貸款項目的農戶開展分析，結果顯示擔保在促進就業方面效率明顯。Ong等（2003）[2]運用DEA方法，將固定資產、經營費用等作為投入指標，將擔保貸款額作為產出指標，對馬來西亞信貸擔保機構運行效率進行研究，結果顯示綜合技術效率水平相對較低。崔曉玲和鐘田麗（2010）[3]運用財務績效分析法，從投入和產出兩個維度研究擔保機構的運行效率。黃慶安（2011）[4]對福建省50家農業信貸擔保機構運行效率進行測算，結果顯示平均運行效率為0.607。孟光輝等（2022）[5]采用三階段DEA模型對2020年我國33家省級農業信貸擔保機構運行效率進行測度，顯示整體運行效率為0.7。石寶峰等（2023）[6]對我國33家省級農業信貸擔保機構2018—2021年的運行效率進行測度，結果顯示綜合技術效率均值為0.956，但地區差異顯著。

綜上，關于農業信貸擔保機構運行效率的諸多成果為本文研究奠定了較好的理論基礎。與財務績效分析法、成本收益分析法等相比，DEA方法具有不需要事前主觀假設指標權重、指標選取能避免量綱和數量級不一致等優勢，但局限于靜態分析，無法動態分析年度間的效率變化情況，一定程度上影響了實證分析結果。因此，本文從投入產出角度，在三階段DEA分析基礎上，進一步運用Malmquist指數分析法，對運行效率情況進行動態變化趨勢分析，彌補三階段DEA模型靜態分析的短板，更加全面系統地評價我國政策性農業信貸擔保體系運行效率，并提出優化建議，為進一步實現財政支農資金“四兩撥千斤”的導向功能，引導更多金融資源投向鄉村振興領域，促進農業高質高效、鄉村宜居宜業、農民富裕富足提供參考。

二、我國提升政策性農業信貸擔保體系運行效率的實踐

20世紀90年代，我國開始在信貸市場引入融資擔保工具，通過推動設立融資擔保機構來解決中小企業和“三農”融資難問題。2004年中央一號文件首次提出“有條件的地方可設立農業擔保機構，鼓勵現有商業性擔保機構開展農村擔保業務”。在國家政策導向下，地方層面逐步形成政策性、互助性和商業性農業擔保機構共同發展的格局。但在運行過程中，商業性擔保機構以實現利潤最大化為目標，支農意愿不強。而政策性機構由于缺乏政府補償機制，出現偏離支農主業、資本金不足、代償風險較高等問題（雷曜等，2021）[7]，運行效率低下甚至陷入“倒閉潮”。與此同時，隨著農業生產方式的變化，農業“三項補貼”政策出現邊際效應遞減問題，政策的指向性、精準性逐步減弱（侯石安，2013）[8]，難以滿足農業經營主體需求。因此，2015年我國開始轉變財政支農方式，中央財政將農業“三項補貼”中的部分資金作為資本金投入，支持33個?。ㄗ灾螀^、直轄市、計劃單列市，以下簡稱省份）建立政策性農業信貸擔保體系。同時，針對擔保機構投入不足、代償風險較高、業務規模偏小等原因導致運行效率不高的問題，中央和各省份實施了動態補充資本金、健全服務網絡、明確主責主業、出臺財政支持政策等一系列舉措，支持政策性農業信貸擔保體系提高運行效率。

（一）建立注冊資本金動態補充機制

政策性農業信貸擔保體系與其他擔保機構最顯著的區別是注冊資本金主要來源于中央財政資金。2015年，我國明確將農業“三項補貼”中20%的農資綜合補貼存量資金，加上種糧大戶補貼試點資金和農業“三項補貼”增量資金，主要用于支持各地尤其是糧食主產省份建立農業信貸擔保體系。在此基礎上，各省份也運用本級財政資金為省級農業信貸擔保公司注資。在中央和省級層面的支持下，政策性農業信貸擔保體系注冊資本金規模由2016年末的346.95億元增加到2023年末的663.23億元（見表1），增長91.16%。其中，中央支持糧食適度規模經營資金536.37億元，地方財政出資116.02億元，非財政出資10.84億元，占比分別為80.87%、17.49%、1.63%。資本金動態補充機制增強了政策性農業信貸擔保體系的擔保能力，為進一步做大業務規模提供了信用支撐。

（二）推動擔保服務網絡體系建設

為建成上下聯動、緊密可控的農業信貸擔保網絡體系，加快政策性農業信貸擔保實施，在財政部、農業農村部等的推動下，全國33個省份依據垂直化、短鏈化原則，在市縣級設立政策性農業信貸擔保分支機構，并優先覆蓋產糧大縣、農業大縣。從機構數量來看，截至2023年末，共設立有專職人員的市、縣級分支機構1154個（見圖1），較2018年增加606個。同時，探索與地方政府合作設立辦事處，由當地政府從財政、農業等部門及金融機構選派人員到辦事處開展農業信貸擔保工作，截至2023年末，政策性農業信貸擔保體系共有無專職人員分支機構386家。從人員數量來看，政策性農業信貸擔保體系內專職人員數量由2018年末的1499人增加至2023年末的4184人（見圖1），其中省級本部專職人員數量為1529人，市縣級分支機構專職人員數量為2655人，占比為63.5%。

（三）明確農業信貸擔保主責主業

傳統農業信貸擔保機構運行效率不高的重要原因是聚焦主業不足，部分機構為追求經濟利益盲目擴大業務范圍，甚至違規運用資本金和保證金從事高風險投資，不僅導致支農政策效果沒有發揮，而且增加了代償風險。因此，2017年財政部等三部委印發《關于做好全國農業信貸擔保工作的通知》（財農〔2017〕40號），明確政策性農業信貸擔保機構服務范圍為農業生產及與農業生產直接相關的產業融合項目，不允許開展非農業務。同時，明確省級農業信貸擔保機構加強自身能力建設，與金融機構、各級農業部門和基層政府深度合作，將做大10～300萬元的政策性業務規模作為核心任務，由財政部對各省農業信貸擔保工作開展績效評價，根據政策性業務規模等指標兌現中央財政支持資金。

（四）出臺一系列財政支持政策

2015年財政部等三部委印發《關于財政支持建立農業信貸擔保體系的指導意見》（財農〔2015〕121號），明確財政出臺政策支持政策性農業信貸擔保體系做大擔保業務。2018年和2019年中央一號文件分別提出“切實發揮全國農業信貸擔保體系作用，通過財政擔保費率補助和以獎代補等，加大對新型農業經營主體支持力度”和“健全農業信貸擔保費率補助和以獎代補機制，研究制定擔保機構業務考核的具體辦法，加快做大擔保規?！钡染唧w要求。2020年財政部等四部委印發《關于進一步做好全國農業信貸擔保工作的通知》（財農〔2020〕15號），明確中央財政對政策性農業信貸擔保業務實行擔保費用補助和業務獎補，分別按不超過政策性業務規模的1.5%和1%測算。在財政部的指導和推動下，33個省份出臺了一系列支持農業信貸擔保體系發展的財政政策措施。一方面，實行“一補一獎”政策。參照中央財政對各省市的“一補一獎”標準，結合實際出臺了擔保費補助和業務獎補政策。根據政策性農業信貸擔保業務規模實施補助和獎補，有助于調動農業信貸擔保機構做大業務規模的積極性。另一方面，實行風險補償機制。有的省份出臺了代償補償政策，如廣西按代償率不超過1%、1%～3%，分別給予代償金額20%、10%的補償；也有的省出臺了風險救助政策，如吉林按照在保余額的10%預提撥付系統風險準備金。通過風險補償，避免農業信貸擔保機構因過度擔憂擔保代償風險而不敢開展政策性農業信貸擔保業務的問題。

在中央和省級層面大力推動下，我國政策性農業信貸擔保體系的擔保業務規模、風險控制水平都得到較大提升。截至2023年末，從年度新增擔保情況來看，擔保規模由2016年的175.84億元增長到3151.22億元，年均增長51.03%；擔保戶數由2016年的4.1萬個增加到85.83萬個，年均增長54.42%；政策性業務占比由2018年末的78.88%提高到97.32%，增長了18.44個百分點，遠高于“不低于70%”的政策要求。從擔保代償情況來看，2015—2023年政策性農業信貸擔保體系內33家農業信貸擔保機構累計發生代償項目數31147個，代償金額120.62億元，累計代償率1.3%。從年度代償率③來看，總體呈下降趨勢，由2017年的1.7%降至2023年的1.2%，且明顯低于融資擔保行業代償率（見圖2），撥備覆蓋率超過200%，遠高于融資擔保行業86%的撥備覆蓋率水平，總體來看能夠應對各類突發應急風險或長周期經濟下行風險影響。

三、評價模型與指標選取

（一）三階段DEA模型

DEA模型最早由運籌學家Charnes等（1978）[9]提出，是評價具有多個投入和產出的決策單元之間相對有效性的方法。根據評價對象規模報酬是否可變，DEA模型分為CCR模型（規模報酬不變）和BCC模型（規模報酬可變）。為解決傳統DEA模型未考慮外部環境和隨機干擾因素導致評價結果準確性不足的問題，Fried等（2002）[10]提出了三階段DEA模型，通過隨機前沿分析（SFA）方法，剔除外部環境和隨機干擾因素對效率的影響。三階段DEA模型具體操作如下：

1. 第一階段：運用投入導向型BCC模型分析初始效率。BCC模型分為投入導向型和產出導向型。就我國政策性農業信貸擔保體系運行效率評價來看，投入變量是決策的基本變量，較容易控制，因此，選擇投入導向型BCC模型來測算初始效率。假設有[n]個決策單元，每個決策單元[j]有[m]個投入要素（[i]=1，2，…，[m]）和[k]個產出要素（[r]=1，2，…[k]），則模型為：

[minθj-εi=1ms-ij+r=1ks+rj]

[s.t.j=1nλjxij=θnxij-s-ij，i=1，2，…，mj=1nλjyrj=yrj+s+rj，r=1，2，…，kj=1nλj=1λj≥0，s-in≥0，s+rj≥0，j=1，2，…，n]" "（1）

其中，[θj]為第[j]個決策單元的技術效率，[s-ij]和[s+rj]為投入和產出松弛變量，[ε]為非阿基米德無窮小。[xij]和[yrj]分別為投入要素和產出要素，[λj]表示權重。

2. 第二階段：運用SFA模型，對松弛變量[s-ij]進行分解，剔除環境因素和隨機干擾因素對效率的影響。模型為：

[s-ij=fi（Zj;βi）+νij+uij]" "（2）

其中，[Zj]是環境變量，[βi]是環境變量系數，[vij]是隨機干擾項，服從正態分布N（0，[σ2vi]）；[uij]是管理無效率，服從截斷正態分布[N+]（[ui]，[σ2ui]）；[vij]與[uij]獨立且不相關。

參考陳巍?。?014）[11]的思路，對隨機干擾項和管理無效率進行分離，利用調整公式將所有決策單元調整到相同的外部環境中，調整公式為：

[x*ij=xij+[max（f（Zj;βi^））-f（Zj;βi^）]+[max（vij）-vij]]" "（3）

其中，[x*ij]表示第[j]個決策單元經調整后的第[i]項投入要素的投入值；[[max（f（Zj;βi^））-f（Zj;βi^）]]表示調整后的同等外部環境；[[max（vij）-vij]]表示調整后的同等運氣水平。

3.第三階段：運用BCC模型和調整后的投入要素[x*ij]進行效率測度。

（二）Malmquist指數模型

三階段DEA模型在測算效率時，由于不同時期數據包絡面不同，只能對決策單元進行橫向比較，無法進行跨期縱向比較。因此，本文進一步采用Malmquist指數模型對2019—2022年我國政策性農業信貸擔保體系運行效率進行動態分析。數學公式如下：

[TFPch=Effch×Techch=Dt+1cj（xt+1i，yt+1r）Dtcj（xti，ytr）×Dtcj（xt+1i，yt+1r）Dt+1cj（xt+1i，yt+1r）×Dtcj（xti，ytr）Dt+1cj（xti，ytr）] （4）

其中：

[Effch=Dt+1j（xt+1i，yt+1r）Dtj（xti，ytr）]" "（5）

[Techch=Dtj（xt+1i，yt+1r）Dt+1j（xt+1i，yt+1r）×Dtj（xti，ytr）Dt+1j（xti，ytr）]" "（6）

[Effch=Pech×Sech=Dt+1vj（xt+1i，yt+1r）Dtvj（xti，ytr）×Dtvj（xti，ytr）Dt+1vj（xti，ytr）Dtvj（xt+1i，yt+1r）Dt+1vj（xt+1i，yt+1r）]" （7）

其中，[xti]和[ytr]分別表示[t]期第[i]個投入要素和第[r]個產出要素，[Dtvj（xti，ytr）]表示規模報酬可變條件下[t]期決策單元[j]的距離函數，[Dtcj（xti，ytr）]表示規模報酬不變條件下[t]期決策單元[j]的距離函數。[TFPch]為全要素生產率變化指數，可以分解為技術效率指數（[Effch]）和技術進步指數（[Techch]），技術效率指數又可以分解為純技術效率變化指數（[Pech]）和規模效率變化指數（[Sech]）。

（三）指標選取

本文結合我國政策性農業信貸擔保體系運行情況，在考慮數據可得性和準確性的基礎上，參考徐攀和李玉雙（2022）[12]、孟光輝等（2022）[5]的研究，選取如下投入、產出和環境因素指標。

1. 投入指標。包括注冊資本金、分支機構和專職人員數量。注冊資本金不僅是農業信貸擔保機構最主要的投入，也是擔保能力和信譽的重要體現，因此，選擇注冊資本作為投入指標。另外，為保障業務開展和防控風險，省級農業信貸擔保機構需要匹配一定數量的分支機構和人員，這也是衡量投入的重要因素。

2.產出指標。包括新增擔保金額、項目數、政策性業務占比和擔保代償情況。新增擔保金額、項目數、政策性業務占比三個指標反映農業信貸擔保政策效應發揮情況，是正向產出指標。擔保代償情況則是反向產出指標，因此，采用減法一致化方法（徐林明和李美娟，2020）[13]，對代償率進行正向化處理，用“1－代償率”表示擔保代償情況。文學舟和許高銘（2021）[14]還從社會效益角度選取了擔保對象的利稅、就業等指標，但難以確定這些指標的增長到底是由擔保帶來的還是其他支農政策促進發展實現的，因此，本文未將其納入指標體系。

3.環境因素指標。基于發展基礎、市場需求、政府支持、銀行意愿四個方面，分別選取成立年限、農林牧漁業總產值、地區財政農林水事務支出和商業銀行存貸比作為環境因素指標。

（四）數據來源及描述性統計

由于我國政策性農業信貸擔保體系建立時間較短，33家省級農業信貸擔保機構的最晚成立時間為2017年12月，2018年大多處于體系搭建和業務探索階段，2019年才進入規范運營階段，因此，選擇2019—2022年33家省級機構運營數據開展效率評價。投入產出指標數據通過國家農擔公司統計月報獲得，環境指標數據通過各年度《中國統計年鑒》、各省市統計年鑒和統計公報、中國人民銀行官網、各省年度金融運行報告以及萬得數據庫獲取。各指標的描述性統計結果見表2。

四、實證分析

（一）三階段DEA靜態效率分析

1. 第一階段：DEA效率測算結果。運用Deap2.1軟件進行測算，結果如表3所示，我國政策性農業信貸擔保體系綜合技術效率均值為0.638，純技術效率均值為0.773，規模效率均值為0.846，均未達到完全有效，還存在較大的增長和改善空間。從各省份來看，貴州和廈門綜合技術效率為1，處于效率前沿面，新疆、陜西、河南、浙江、山東綜合技術效率高于0.8，內蒙古、山西、重慶、天津、大連、河北、湖南綜合技術效率低于0.5。

2.第二階段：SFA回歸分析。運用Frontier4.1軟件分析成立年限、農林牧漁業總產值、地區財政農林水事務支出、地區存貸比等環境變量對投入松弛變量的影響（見表4）。結果顯示，資本金、專職員工數量、分支機構數量松弛變量對應的LR單邊檢驗顯著性水平分別為1%、5%和10%，說明SFA回歸結果有效。松弛變量對應的[σ2]和[γ]顯著性水平均為1%，說明環境因素和隨機誤差因素均對投入松弛變量產生影響。

（1）成立年限。該變量與資本金和專職員工數量松弛變量的回歸系數為負值，且通過10%的顯著性水平檢驗，與分支機構數量松弛變量的回歸系數為正值。這表明隨著成立年限的增加，通過業務規模的穩步增長和員工專業技能的提升，能降低投入冗余。與此同時，通過數字化轉型等手段以及產業鏈、產業集群批量獲客等方式，分支機構設置較多的省份容易出現投入冗余，這與當前一些銀行壓縮基層網點有相似之處。（2）農林牧漁業總產值。該變量與資本金、專職人員數量、分支機構數量松弛變量的回歸系數均為負值，且至少在5%的顯著性水平上顯著。這表明農業較為發達的地區，融資需求較大，有助于農業信貸擔保業務開展，減少投入冗余。（3）財政農林水事務支出。該變量與資本金、專職人員數量、分支機構數量松弛變量的回歸系數均為正值，且至少在5%的顯著性水平上顯著。這表明農林水事務支出水平越高，農業經營主體能夠享受到的優惠政策越多，對農業信貸擔保需求產生替代效應，導致投入冗余。（4）地區存貸比。該變量與資本金、專職人員數量、分支機構數量松弛變量的回歸系數均為負值，且與資本金投入松弛變量的回歸系數在10%的顯著性水平上顯著。這表明，存貸比較低的地區，銀行通過農業信貸擔保增加金融供給的意愿較強，有助于擔保機構做大業務規模，降低投入變量的冗余程度。

3. 第三階段：調整后的DEA效率測算結果。根據第二階段回歸結果，將調整后的投入值與初始產出值代入模型中，重新測算我國政策性農業信貸擔保體系運行效率（見表5）。剔除外部因素影響后，體系綜合技術效率均值由0.638提高到0.902，純技術效率均值由0.773提高到0.932，規模效率均值由0.846提高到0.968，說明環境因素對體系運行效率影響較大。從各省份調整后的情況看，綜合技術效率只有貴州和廈門處于前沿面上，有15個省份低于體系均值，后三位由調整前的大連（0.325）、河北（0.312）、湖南（0.310）變為云南（0.804）、重慶（0.700）、湖南（0.650），均是由純技術效率偏低導致。純技術效率為1的省份有8個，有15個低于體系均值，后三位由調整前的重慶（0.415）、天津（0.357）、湖南（0.320）變為廣西（0.828）、重慶（0.705）、湖南（0.655），主要原因是2022年代償率都較高，分別為3.43%、2.97%、2.14%。規模效率為1的省份有3個，有12個低于體系均值，后三位由調整前的內蒙古（0.531）、河北（0.498）、大連（0.332）變成遼寧（0.909）、山東（0.857）、四川（0.856），主要原因是其資本金、專職人員和分支機構數量較多，但個別年度新增擔保業務規模和項目數偏少。

（二）Malmquist指數動態分析

在三階段DEA分析基礎上，運用Malmquist指數模型，進一步測度決策單元時間序列上的動態效率變化情況（見表6）。

1. 體系運行效率的整體分析。從表6中可以看出，2019—2022年我國政策性農業信貸擔保體系全要素生產率變化指數均值為1.001，2019—2020年、2020—2021年分別增長1.4%、13%，2021—2022年下降14.1%，說明體系運行效率尚不穩定。其中，技術效率變化指數均值為0.978，2019—2020年增長9.8%，2020—2021年、2021—2022年分別下降1.7%、14.8%，說明體系技術效率處于下降趨勢。技術進步變化指數均值為1.022，2019—2020年下降8.8%，2020—2021年、2021—2022年分別增長15%和0.5%，雖然呈上升趨勢，但體系在技術進步和創新方面的速度有所放緩。

進一步將技術效率變化指數分解，可以看出純技術效率變化指數和規模效率變化指數走勢與技術效率變化指數一致，呈下行趨勢。其中，純技術效率變化指數均值為0.971，2019—2020年增長4.8%，2020—2021年、2021—2022年分別下降2.2%、11.5%，是導致技術效率下降的主要因素，說明體系風險管理水平需要進一步提高。規模效率均值為1.007，2019—2020年、2020—2021年分別增長5.1%、0.7%，2021—2022年下降3.6%，說明體系規模效率出現下降趨勢，需要進一步擴大業務規模。

2. 區域運行效率分析。從表7中可以看出，2019—2022年間，山東、黑龍江、貴州、河南、遼寧、陜西和吉林7個省份全要素生產率變化指數均值超過1，其余26個省份低于1，最低的重慶只有0.819。這說明大多數地區農業信貸擔保運行效率不夠理想，需要進一步優化提升。其中，山東、黑龍江、遼寧、寧夏、海南、陜西、寧波、青島8個省份技術效率變化指數超過1，貴州、浙江、廈門等于1，其余22個省份低于1，最低的湖南只有0.811，技術效率不高是影響運行效率的主要因素。在技術進步變化指數方面，有18個省份高于1，說明大部分省份一定程度上實現了技術進步和創新。

進一步將各省份技術效率變化指數進行分解。2019—2022年間，純技術效率變化指數均值超過1的地區有6個，分別為黑龍江、四川、寧夏、陜西、吉林、河北，其中黑龍江增長幅度最大，達到16%，17個省份均值小于1，湖南最低，只有0.814。規模效率變化指數均值超過1的地區有14個，其中山東增長幅度最大，達到44.8%，有15個省份均值小于1，河北最低，為0.929。由此可見，各地區在考察期內規模效率相對較高，影響綜合技術效率的主要因素是純技術效率，說明大部分地區需要進一步提升管理能力。

五、研究結論與建議

（一）研究結論

本文運用三階段DEA—Malmquist指數模型，對2019—2022年我國政策性農業信貸擔保體系運行效率進行了靜態和動態評價，主要結論如下：

1. 從靜態分析結果看，第一，第三階段測算出的絕大多數地區運行效率高于第一階段測算結果，說明外部環境和隨機干擾因素對體系運行效率有較大影響。特別是農業發展較好的地區，潛在融資需求較大，有助于農業信貸擔保機構運行效率的提高。但隨著財政農林水事務支出的增加，有可能引發其他支農政策對農業信貸擔保政策的替代效應。第二，調整后的體系綜合技術效率均值為0.902，說明我國政策性農業信貸擔保體系建設取得了較好成效，但是體系內各地區綜合技術效率差異較大，存在財政資金投入配置不夠合理的問題。第三，調整后的體系純技術效率均值為0.932，但有7個地區低于0.9，純技術效率是影響區域綜合技術效率的主要因素，因此，應注重加強風險管理和提升數字化技術在農業信貸擔保業務中的應用。第四，調整后的體系規模效率均值為0.968，各區域規模效率較高，但還需要進一步做大業務規模，將規模效率提升至前沿面。

2. 從動態分析結果看，第一，2019—2022年全要素生產率變化指數均值為1.001，說明全要素生產率整體小幅提升，其中技術效率平均下降2.2%，技術進步平均上升2.2%。第二，從年度變化來看，2021—2022年除技術進步變化指數上升0.5%之外，全要素生產率、技術效率、純技術效率、規模效率4個指標均出現下降，主要原因在于：一方面，可能是隨著體系業務規模的增加，部分地區的代償也在大幅增加；另一方面，2022年財政部調整對各地區的獎補政策，對首擔業務金額按1.5%獎補，續擔業務金額按最高不超過0.3%獎補，導致各省級農業信貸擔保機構開始優化業務結構，將更多精力用于提高首擔客戶比重，一定程度上影響了業務規模增長。第三，從各地區來看，山東、黑龍江和貴州全要素生產率增長幅度居前3位，河北、湖南、重慶為后3位。另外，遼寧等省份雖然靜態效率不理想，但從動態效率看處于增長狀態，說明了動態效率分析的必要性。

（二）政策建議

1. 推動區域協調發展。雖然我國政策性農業信貸擔保體系整體效率較高，但區域發展不平衡問題較為突出，需要引起高度重視。一方面，要優化農業信貸擔保機構投入。結合地區農業發展水平和現實融資需求，探索建立專職人員與業務規模相適應的動態平衡機制，采取垂直化、扁平化方式設置基層服務機構，在注重精耕細作、挖掘區域業務潛力的同時，提升業務人員能力素質，避免盲目配置分支機構和業務人員造成資源浪費。另一方面，做大政策性農業信貸擔保業務規模。綜合技術效率較低的地區應加強政銀擔合作，鄉鎮政府或縣級農業部門發揮信息資源優勢，批量篩選符合擔保準入條件、有融資需求的產業集群、產業鏈農業經營主體白名單，由農業信貸擔保機構和商業銀行聯合盡調和審批，實現擔保服務與產業項目的精準匹配和擔保貸款資金的快速投放。

2. 完善財政支持政策。一是中央層面要完善財政補助資金分配方式，在兼顧公平的基礎上，將效率作為資金分配的考量，對運行效率高的地區給予一定獎勵，調動各省級農業信貸擔保機構提高運行效率的積極性。二是運行效率低的省份要結合自身財力，在“一獎一補”政策基礎上，出臺代償補償、風險救助等支持政策，彌補農業信貸擔保機構業務成本和風險損失，確保農業信貸擔保機構通過財政獎補和自身的擔保費收入實現保本微利運行，使其能夠持續穩步做大業務規模和放大政策效應。三是鑒于政策性農業信貸擔保在解決農業融資難題方面的重要作用，應進一步明確省級與市縣級政府的支出責任和支持重點，可通過市縣級財政注資形式，進一步充實省級農業信貸擔保機構注冊資本金，形成中央、省、市縣協同推動政策性農業信貸擔保發展的合力。

3.優化風險分擔機制。代償風險作為省級農業信貸擔保機構的非期望產出，較高的代償率不僅影響其當年產出，也有可能因為將大量人力匹配到追償環節，影響到下一年度的新增擔保產出。因此，提升體系運行效率，一方面，需要省級農業信貸擔保機構加強風險防控體系建設，通過大數據手段進行交叉比對、聯合商業銀行開展差異化審查、加強保后管理等方式，有效防控擔保業務風險，盡可能將代償率控制在較低水平。另一方面，通過政銀擔合作分險、再擔保分險等方式，將代償風險進行合理分散，增強省級農業信貸擔保機構風險應對能力，使其能夠實現政策性定位和自身可持續發展的有機統一。

注：

①自2016年中央一號文件首次提出“用3年左右時間建立健全全國農業信貸擔保體系，2016年推動省級農業信貸擔保機構正式建立并開始運營”以來，之后歷年中央一號文件都對發揮政策性農業信貸擔保體系作用提出明確要求。

②全國共有33家省級農擔公司，分布在29個?。ㄗ灾螀^、直轄市，不含上海、西藏、香港、澳門、臺灣）以及大連、青島、寧波、廈門4個計劃單列市。

③年度代償率=本年代償金額/本年解除擔保金額×100%，代償金額不包括銀行分擔規模，包括除銀行外的政府、再擔保等其他各類風險分擔規模。

參考文獻：

[1]Alian L Riding，George Haines J R. 2001. Loan Guarantees：Costs of Default and Benefits to Small Firms [J].Journal of Business Venturing，（16）.

[2]Hway‐Boon Ong，Muzafar Shah Habibullah，Alias Radam，M Azali. 2003. Evaluating a Credit Guarantee Agency in a Developing Economy：a Non‐parametric Approach [J].International Journal of Social Economics，（1/2）.

[3]崔曉玲，鐘田麗.基于DEA的信用擔保運行效率求解方法 [J].運籌與管理，2010，（06）.

[4]黃慶安.農村信用擔保機構的運行效率及其影響因素研究——基于DEA—Tobit兩步法的實證分析 [J].東南學術，2011，（03）.

[5]孟光輝，李永坤，安康.中國政策性農業信貸擔保機構運行效率研究 [J].經濟與管理評論，2022，（06）.

[6]石寶峰，劉磊，王瑞琪.政策性農業融資擔保公司運行效率研究 [J].東方論壇—青島大學學報（社會科學版），2023，（02）.

[7]雷曜，祝紅梅，吳京.我國普惠金融風險分擔機制研究——以銀擔合作為例 [J].金融發展研究，2021，（06）.

[8]侯石安.農業補貼政策運行面臨的問題與完善對策 [J].學習與實踐，2013，（06）.

[9]A Charnes，W W Cooper，E Rhodes. 1978. Measuring the Efficiency of Decision Making Units [J].European Journal of Operational Research，（6）.

[10]H O Fried，CAK Lovell，SSS Yaisawarng. 2002. Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis [J].Journal of Productivity Analysis，（1/2）.

[11]陳巍巍，張雷，馬鐵虎，劉秋繸.關于三階段DEA模型的幾點研究 [J].系統工程，2014，（09）.

[12]徐攀，李玉雙.政策性融資擔保機構運行效率的測算及其影響因素——基于浙江省微觀調研數據的分析[J].財經論叢，2022，（05）.

[13]徐林明，李美娟.動態綜合評價中的數據預處理方法研究[J].中國管理科學，2020，（01）.

[14]文學舟，許高銘.基于三階段DEA模型的民營中小企業融資擔保效率研究——以江蘇省190家融資擔保公司的調查為例[J].金融理論與實踐，2021，（01）．