安徽省金融业发展效率测算及其影响因素分析
中图分类号：F83
文献标识码：A文章编号：1672-1101（2016）04-0037-06
Abstract： Based on the data of input and output in financial industry in Anhui province from 2000 to 2015， the development efficiency of financial industry is calculated by using Malmquist index. Then based on Tobit model， the degree of impact on the development efficiency of financial industry is studied which is exerted by economic growth， investment， industrial structure， government intervention， and urbanization. The findings are as follows. Firstly， the development efficiency of financial industry in Anhui Province has steadily risen， whereas the overall efficiency is still low， the increased scale of financial industry and improved technology being the major reasons for the rising efficiency while the low efficiency of resource allocation being a hindrance. Secondly， the development efficiency of financial industry in Anhui Province is subject to many macro variables， the improved economy and optimized industrial structure being a positive factor， urbanization being a negative factor， and the investment volume and government intervention having a positive and a negative impact on the efficiency.
Key words： development efficiency of financial industry； allocation of resources； Malmquist index
改革开放以来，安徽省经济快速发展，金融服务经济发展和转型升级的能力持续增强。2015年，安徽省金融业增加值达1 255.9亿元，占GDP的比重达5.7%，对GDP增长的贡献率为7.3%，安徽地方金融的发展对经济增长起到了重要的促进作用。然而，近年来安徽政府致力于提升地方金融发展水平，高度重视金融数量方面的扩张，但缺乏对金融发展效率方面的关注，安徽省金融资源的开发和配置上出现一些不协调的现象，如金融资源配置过度集中于国有银行等金融机构，导致安徽省创造产值和就业的部门无法获得配套的金融资源。随着安徽省金融发展效率得不到改善，金融资源不断流失，区域收入差距扩大，区域经济发展不协调等问题的加深导致安徽经济增长速度逐渐缓慢。
一个能有效分配金融资源的现代金融体系对支持实体经济的长期发展有着至关重要的作用，金融发展效率决定金融成长的速度，是推动经济发展的关键。因此，未来安徽地方金融体系完善的落脚点，应是着力提高金融发展效率，通过优化金融资源配置，解决安徽地方金融体系存在功能缺失等问题。由此可见，现阶段通过测算安徽金融发展的效率，并厘清金融效率的影响因素与作用机制，以便在当前安徽经济转型的需求下，充分发挥金融发展的促进效用。
一、文献回顾
在国民经济系统运行中，金融业以期将全社会金融资源配置实现帕累托改进，同时调控生产效率达到最优[1]。诸多学者对金融效率进行了积极有益的探究。传统的金融发展效率研究更多强调金融作为经济发展的要素功能，因此，Ang（2008）认为金融发展的资源配置功能是金融效率发挥的重要组成部分之一，实现资金有效配置的原理是金融的导向机制：社会资金从效率低的部门流向效率高的部门，从而提高实体经济效率[2]。同时，Bittencourt（2012）通过研究发现，随着对内生经济金融发展理论研究的深入，技术创新在经济发展中的作用逐渐凸显，金融发展的技术创新效应是金融效率不可或缺的一极[3]。杨茜淋（2012）以我国1995-2010 年金融业的投入产出数据为基础，参照参数法中的随机前沿分析法，估计出了我国金融业的技术效率变化情况。结果表明，我国金融业的平均技术效率是上升的趋势，总体水平较高，但在2003 年与2008 年有两次下降的过程[4]。 金融效率的发挥与一国或地区的经济、金融特性以及制度环境等因素密切相关[5]。Demetriades and Andrianova（2004）认为造成金融效率差异性的原因是各地区金融发展初期拥有要素、条件和金融政策环境下可运用空间方面的不同[6]。赵勇和雷达（2010）通过测算中国各地区金融效率发现中国各地区的金融效率存在显著的地区间差异，造成这一现象主要是因为地区经济发展本就存在的实际差异加之中国系列经济改革措施的实施，引起区域金融发展的不协调性和国内市场进程的非一体化[7]。金春雨等（2013）通过对我国不同地区金融业的全要素生产率测算研究也表明，我国的金融业发展效率具有明显的区域特征，并指出现阶段我国金融业效率的提升较多的依靠规模效率，限制了金融业效率的进一步提高，从长远来看，金融业的发展不能只靠单纯加大原始投入，需尽快转变当前的粗放型增长方式[8]。谢家智和王文涛（2013）利用2000-2010年我国31个省域的面板数据，运用非参数Malmquist 指数法，对我国金融发展效率进行了测度，同时分析其分布特征，结果表明金融效率分布具有较为典型的区域性经济发展特征和金融受控性特征，尤其是源自政府的金融控制政策阻碍和钳制了金融发展促进技术创新能力的提升[9]。
综上所述，国内外学者对于金融效率与影响因素分析等相关问题进行了较为深入的研究，具有显著的参考价值，但仍存在一些问题值得继续探究。一是部分学者选取银行业作为测算对象，虽然银行业作为金融业的核心组成部分在一定程度上体现着金融业发展水平，但金融业还包括证券业、保险业、基金等其他行业，银行业效率并不能完全代表金融业效率，单纯用银行业效率来代表金融业效率存在以偏概全之嫌；二是金融配置效率与金融规模效率是金融效率的两个不同组成部分，对经济增长效率影响方向和作用机理存在差异，部分学者在分析金融效率的影响因素时，缺乏对金融效率的分解，很难抓住金融效率偏低的症结所在。因此，本文以安徽省2000-2015年的数据为样本，通过构建DEA-Tobit模型，并采用Malmquist指数法对金融效率进行分解，在测算安徽金融效率的基础上，从经济、社会等方面研究影响安徽金融效率的因素，进而探究优化安徽金融效率的路径，为促进安徽金融发展水平的提高提供理论支持。
二、方法、变量与数据
（一）研究方法
1.Malmquist指数法。
Malmquist指数法是一种以多投入多产出生产单位为研究对象的效率分析方法。其优点在于：不必确定预先已知的生产函数，因为估计多投入多产出数量关系复杂系统的函数形式十分困难，这就简化了分析难度；各指标权重不需确定，有效避免对客观评价结果的人为影响；计算结果不受计量单位和数据类型的限制等。Malmquist指数法是把生产率的变化原因分为技术变化与技术效率变化：技术变化是生产前沿面的移动；技术效率变化是生产技术的利用效率，是生产前沿面和实际产出量之间的距离变化。二者都可以由距离函数计算得出，从基期t到t + 1期利用距离函数比率的测量投入产出变化关系。为了避免在选择生产技术参照系时的随意性，Fare[10]建议采用两者的几何平均值作为最终的Malmquist 生产率指数，即：
进一步地，可将（2）式中的Malmquist 生产率指数TFPCH分解为技术水平（宏观环境）变化指数TFCHCH和综合效率（不考虑宏观环境变化时的效率）指数EFFCH的乘积。
在规模报酬可变（VRS）条件下，EFFCH可以进一步拆分为纯技术效率PECH和规模效率SECH的乘积，其中，PECH反映要素配置是否得到优化，SECH反映要素投入规模是否最优，经济政策含义是金融体系内部的治理机制和管理水平，因此，分别用PECH和SECH来衡量金融资源的配置效率和规模效率[11]。至此，Malmquist生产率指数TFPCH可表示为（4）式。
2.Tobit模型。
首先运用DEA模型测算出的金融效率是一种相对效率，并不能从微观层面更为准确地确定影响金融效率的主要因素和影响程度。为了进一步分析金融效率的影响因素及程度，采用Tobit模型，即先通过DEA模型评估出金融效率，并利用Malmquist指数法对金融效率进行分解，然后将金融效率TFPCH、金融配置效率PECH和金融规模效率SECH分别作为被解释变量，将影响金融效率的诸因素作为解释变量进行回归分析。由于DEA模型评估的金融效率值存在截断值，若用普通的最小二乘法对模型直接进行回归，参数将是有偏且不一致的。为了解决该问题，采用Tobit模型进行金融效率影响因素的回归分析。Tobit模型的一般形式如下所示：
（二）变量与数据说明
1.金融投入产出变量的选择与说明。
一般来说，金融投入包括资金投入、物力投入和人员投入等，综合考虑指标的完备性、代表性和数据的可获得性，此处以2000年不变价格表示的金融业增加值作为产出指标，因为增加值是生产单位创造的新增价值和固定资产的转移价值，它能够较好地体现生产过程中所创造的新增价值，以金融机构各项贷款余额作为资金投入指标，金融业固定资产投资作为物力投入，金融业从业人员数作为人力投入指标。具体的变量选择与说明如表1所示。
2.金融效率影响因素变量的选择与说明。
影响金融效率的因素有很多，本文参考既有理论研究，从经济因素、政府因素和社会因素等方面选取5个可能对金融效率产生影响的因素作为解释变量，这5个变量分别是经济增长、投资水平、产业结构、政府干预和城市化等变量，各变量的具体定义如表2所示。
3.数据说明。
本文研究数据来源于历年《安徽统计年鉴》、《中国统计年鉴》以及统计局网站等，样本区间为2000-2015年。考虑到通货膨胀的影响，我们采用此前各年的GDP平减指数计算作为上述各项经济指标，在进行DEA 模型分析时，隐含要求各类投入、产出指标为正，当投入、产出数值存在多个零值时，无法求得满足约束条件的解，本文在实际数据搜集与处理过程中，未出现零值或负值的情况，而且决策单元和投入产出变量的个数也符合要求，因此，DEA模型是可以正常运用的。
三、实证分析
（一）安徽金融效率测算分析
为了更好地分析安徽省金融效率变化趋势和内部作用机制，本文首先利用DEAP2.1软件，测算了安徽省2000-2015年金融效率TFPCH，然后通过Malmquist指数法将金融效率分解为技术水平TECHCH和综合效率EFFCH，其中综合效率EFFCH又可进一步分解为金融配置效率PECH和金融规模效率SECH。表3是安徽省金融效率测算与分解结果，图1是金融效率及内部效率变动趋势图。
根据DEA模型中关于效率评价指标的界定，效率值介于0～1之间，效率值越大，效率越高，表明安徽省单位金融投入带来的产出越多。结合表3和图1，通过分析安徽省金融效率的测算结果，结合来看金融效率及内部效率的变动趋势，可以得出以下几点结论：
第一，安徽省金融效率总体呈上升趋势，但金融效率水平长期偏低。自2000年以来，安徽省金融效率保持年均8.6%的增长速度，2014-2015年间的金融效率相比于2000-2001年间提高了142%，特别是2009年以来，安徽省金融效率得到大幅提升。与此同时，尽管安徽省金融效率稳步提升，但金融效率长期低于0.5，2009年以后，金融效率也仅仅在0.6上下波动，安徽省金融投入与产出长期处于有效不足的状态，金融效率亟需提高。
第二，安徽省技术水平提高和金融规模扩大是金融效率提高的主要原因。安徽省技术水平和金融规模在2000-2015年期间分别保持7.1%和2.6%的年均增长率，由于技术水平提高衡量的是安徽省技术进步和宏观环境改善，尽管安徽省宏观环境在个别年份出现恶化，但技术水平指数总体上仍保持波动上升的趋势，而规模效率始终保持逐步提高的态势，表明安徽省金融规模在不断扩大，因此，技术进步、宏观环境改善和金融规模扩大是安徽省金融效率提高的内在动因。
第三，安徽省金融资源配置效率低下阻碍了金融效率的提高。安徽省金融资源配置效率在2000-2015年期间呈现波动下降的趋势，金融资源配置效率的年均增长率为-0.1%，金融资源配置效率在此期间表现为负增长，这意味着安徽省金融资源在城乡和区域之间分配不均衡，更多的金融资源流向城市和金融发达地区，而金融资源的运用效率又难以跟上金融规模扩张的速度，二者之间的不同步造成金融资源配置效率低下，对安徽省金融效率的提高产生一定的阻碍。
（二）安徽金融效率的影响因素分析
上文通过DEA模型和Malmquist指数法对安徽金融效率进行测算与分解，但是具体哪些因素对安徽金融效率产生影响，特别是对配置效率和规模效率的影响因素分析仍需要进一步探究。由于运用DEA方法测算出的金融效率是介于0～1之间的截尾数据，运用普通最小二乘法对模型进行回归得到的参数显示有偏且不一致。因此，此处对影响因素的回归模型采用Tobit模型，同时，为了综合考虑金融效率的内部作用机制，被解释变量依次选取金融效率TFPCH、金融配置效率PECH和金融规模效率SECH。
由于影响金融效率的因素有很多，为了综合考虑经济、政府和社会等多方面因素，而且为了避免变量选取过多或相似而产生严重的多重共线性，本文选取经济增长、投资水平、产业结构、政府干预和城市化等5个可能影响金融效率的因素作为解释变量。同时，为消除异方差的影响，本文在进行Tobit模型回归分析时，将对各解释变量进行对数化处理，分别记作lnpgdp、lninv、lnind、lngov和lnurb。表4是三个不同的被解释变量的Tobit模型估计结果。
通过对比表4中的三个模型，可以看出在不同的被解释变量模型中，个别解释变量也表现出不同的影响方向和程度，特别是投资水平和政府干预两个因素，它们对金融效率表现出较为显著的正负效应。具体而言，结合表4的估计结果和安徽金融发展实际，可以得出以下几点结论：
第一，经济增长水平提高、产业结构优化能够显著促进安徽金融效率的提高，而城市化水平的提高会阻碍安徽金融效率的提高。经济增长和产业结构优化意味着安徽省金融发展的外部环境在逐步改善，溢出效应显著，特别是金融业在GDP中所占比重越来越高，这有利于发挥金融规模效应，从而推动安徽省金融效率的提高。与此同时，随着安徽省城市化进程的推进，更多的金融资源被分配到金融欠发达地区或农村地区，但短期内金融配置效率与金融规模效率未能一致收敛，因而金融资源配置效率显著下降，而金融发展的规模效应也不再显著，因此，安徽省金融效率随着城市化水平的提高呈现下降趋势。 第二，投资水平和政府干预对安徽省金融效率的发挥存在正负两种效应。一方面，固定资产投资的增加能够扩大金融发展规模，投资水平的提高能够推动金融规模效率的提高，但是，若投资水平短期内显著提高，金融资源与产业发展的不匹配效应开始凸显，金融配置效率反而会下降，综合来看，投资水平的提高在一定程度上会降低金融效率。另一方面，由于政府在金融资源分配中的干预作用，近年来，安徽省金融发展规模不断扩大，政府的干预作用能够显著提高金融规模效率，但是过多的政府干预会冲抵金融市场化提高金融资源配置效率的正向效应，所以，政府干预在一定程度上对安徽金融效率的提高具有抑制作用。
四、主要结论与政策建议
（一）主要结论
本文基于2000-2015年安徽省金融业的投入产出数据，通过Malmquist指数测算金融业发展效率情况，并运用 Tobit 模型进一步探究经济增长、投资水平、产业结构、政府干预和城市化等因素对金融业发展效率的影响程度。实证结果表明：
第一，安徽省金融效率稳步提高，但金融效率仍然偏低，特别是金融配置效率亟需提高。自2000年以来，由于安徽省宏观环境改善、技术水平提高以及金融规模扩大，安徽省金融效率总体呈现上升态势，但是，安徽省金融投入与产出长期处于有效不足的状态，金融效率低下，金融发展滞后。同时，金融资源配置的效率在长期内得不到改善，阻碍了安徽金融效率的进一步提高。
第二，安徽省经济增长、投资水平、产业结构、政府干预和城市化等因素是影响安徽省金融效率的重要宏观变量，通过不同作用渠道影响着金融效率的发挥。其中，经济增长水平提高、产业结构优化能够显著促进安徽金融效率的提高，城市化水平的提高会阻碍安徽金融效率的提高，而投资水平和政府干预对安徽省金融效率的发挥存在正负两种效应。
（二）政策建议
第一，深化安徽金融改革，完善安徽地方金融体系。深化安徽省金融改革可从以下两方面入手：其一，深化利率市场化改革，充分发挥市场在金融资源配置中的决定性作用，推动市场化为导向的金融改革在银行、保险和证券领域全面展开；其二，推动区域金融协调发展，引导金融资源在不同区域的合理配置，加大欠发达地区的金融发展扶持力度，努力发挥金融在各地区经济均衡发展中的作用。
第二，规范安徽金融市场发展，提高金融资源配置效率。为解决金融资源的配置与经济发展的不协调问题，金融发展应从注重规模扩张向结构优化转变。因此，可以采取系列措施优化整合我省金融资源，如有效发挥直接融资作用，扩大企业的直接融资渠道，提高现有金融资源利用效率；以银行部门带头的金融机构要加快完善市场化驱动机制，深化金融体制改革，完善金融服务体系，提高金融资源配置的市场效率；用价格竞争机制促进金融要素市场的发育和完善，优化社会信用环境，促成多元有序的金融竞争市场格局。
第三，规范政府与市场的关系，加快安徽金融市场化进程。现代金融的健康发展需要建立具有约束力的市场金融体制，但是，普遍存在的以政绩为导向的地方政府，为了追求短期的绩效，偏好于尽力获取金融资源，且这种趋势在不断增强，政府的过多干预不利于安徽金融市场化的推进。因此，应进一步明确政府行为边界，完善市场运营体系，发挥市场作用机制，并将着力点放在优化政府职能结构，还原市场调节能力，提高政府控制的能力和具体实现方式的关注上。
