劉 磊，王作功

（1.貴州大學(xué) 管理學(xué)院，貴州 貴陽 550025；2.中國人民銀行 遵義市中心支行，貴州 遵義 563000；3.貴州財(cái)經(jīng)大學(xué) 金融學(xué)院，貴州 貴陽 550004）

一、引言

推動(dòng)普惠金融持續(xù)健康發(fā)展，加快金融基礎(chǔ)設(shè)施建設(shè)，提高金融服務(wù)可獲得性、效率和質(zhì)量的重要手段和保障在于對(duì)普惠金融發(fā)展水平有一個(gè)準(zhǔn)確的判斷和評(píng)估。在評(píng)估方法中，有定性評(píng)價(jià)和定量評(píng)價(jià)兩類方法。從主觀的德爾菲、層次分析法等到客觀的熵權(quán)法、主成分分析法等，這些評(píng)價(jià)方法各有優(yōu)缺點(diǎn)，對(duì)于同一研究對(duì)象、同一評(píng)價(jià)指標(biāo)體系和數(shù)據(jù)，往往得出不一致的結(jié)果，進(jìn)而影響該研究的評(píng)估結(jié)果，最后會(huì)影響到普惠金融的總體評(píng)估結(jié)果的科學(xué)性和有效性。那么，何種方法適用于普惠金融發(fā)展評(píng)估呢？哪種評(píng)估方法能夠?qū)Σ煌貐^(qū)、不同發(fā)展階段的普惠金融發(fā)展水平給予合理的權(quán)重？不同評(píng)價(jià)方法得出的評(píng)價(jià)結(jié)果之間的關(guān)聯(lián)如何？本文的研究目的在于對(duì)同一評(píng)估對(duì)象，運(yùn)用同一數(shù)據(jù)，使用不同方法，對(duì)評(píng)估的結(jié)果進(jìn)行差異性分析并進(jìn)行檢驗(yàn)，從而找到一種適合某一區(qū)域的評(píng)估方法。本文以貴州省作為案例，對(duì)其普惠金融的發(fā)展進(jìn)行客觀的分析，并梳理當(dāng)前國際、國內(nèi)對(duì)普惠金融評(píng)估的方法，運(yùn)用貴州省的數(shù)據(jù)進(jìn)行檢驗(yàn)，以期獲得適合于一個(gè)地區(qū)的評(píng)估方法。

二、當(dāng)前普惠金融評(píng)估常用的評(píng)估方法綜述

（一）國際上常用的評(píng)估方法

2008年全球金融危機(jī)后，IMF、WB先后開始研究普惠金融發(fā)展情況。2008年9月，普惠金融國際組織普惠金融聯(lián)盟（AFI）成立；2009年在G20的組織領(lǐng)導(dǎo)下，全球普惠金融合作伙伴組織（GPFI）和G20普惠金融專家組（FIEG）成立。該組織成立后，研究和分析了全球推進(jìn)普惠金融的發(fā)展戰(zhàn)略框架和行動(dòng)計(jì)劃。在全球主權(quán)國家中，列出了發(fā)展普惠金融建設(shè)的路線圖和時(shí)間表的已有50多個(gè)國家。為深入推進(jìn)普惠金融的發(fā)展，各國際經(jīng)濟(jì)組織和國家對(duì)普惠金融發(fā)展的現(xiàn)狀進(jìn)行了評(píng)估。

有關(guān)國際經(jīng)濟(jì)組織：世界銀行（WB）Demirguc-Kunt等（2012）采用抽樣權(quán)重法，從正常賬戶、儲(chǔ)蓄行為、銀行信貸三個(gè)維度，對(duì)普惠金融發(fā)展?fàn)顩r進(jìn)行了綜合評(píng)價(jià)[1]。國際貨幣基金組織（IMF）Amid?ic′Gorant等（2014）采用因子分析法，從滲透率、使用情況、質(zhì)量三個(gè)維度，對(duì)普惠金融發(fā)展?fàn)顩r進(jìn)行了綜合評(píng)價(jià)[2]。2012年G20領(lǐng)導(dǎo)人洛斯卡沃斯峰會(huì)上通過了《G20普惠金融指標(biāo)體系》，從金融服務(wù)的可得性、金融服務(wù)的使用情況和金融產(chǎn)品與服務(wù)的質(zhì)量三個(gè)維度對(duì)普惠金融進(jìn)行衡量[3]。有關(guān)國家：美國主要應(yīng)用主成分分析法和變異系數(shù)法對(duì)發(fā)展中國家的金融穩(wěn)定和普惠金融指數(shù)進(jìn)行了評(píng)價(jià)；非洲Adalessossi等（2015）運(yùn)用判別分結(jié)合因子分析成人總數(shù)、所有銀行卡賬戶總數(shù)、成人未償還的貸款等多個(gè)指標(biāo)對(duì)非洲國家的普惠金融發(fā)展?fàn)顩r進(jìn)行了評(píng)估[4]。墨西哥 Cesar（2013）采用主成分分析法，從基礎(chǔ)設(shè)施、金融服務(wù)、教育、消費(fèi)者保護(hù)、社會(huì)發(fā)展五個(gè)維度對(duì)墨西哥普惠金融發(fā)展進(jìn)行了評(píng)估[5]；印度學(xué)者Sarma等（2008）采用等權(quán)法從滲透性、銀行服務(wù)的可獲得性、使用情況三個(gè)維度對(duì)印度的普惠金融發(fā)展進(jìn)行了評(píng)估[6]；印度Rajani等（2012）采用功效系數(shù)法從滲透性、使用情況、交易的簡(jiǎn)易性、交易成本四個(gè)維度對(duì)印度的普惠金融發(fā)展?fàn)顩r進(jìn)行了分析[7]；印度Nandru等（2015）從可獲得性、使用情況對(duì)印度本地治里地區(qū)的普惠金融發(fā)展?fàn)顩r進(jìn)行了研究[8]；西班牙Noelia等（2014）采用兩階段主成分分析，從可獲得性、使用情況、障礙三個(gè)維度對(duì)82個(gè)國家進(jìn)行了金融包容性程度研究[9]；土耳其Recep（2013）直接賦予相等權(quán)重從滲透率、可獲得性、使用情況三個(gè)維度對(duì)土耳其地區(qū)的普惠金融進(jìn)行了研究[10]；巴西中央銀行（2011）采用等權(quán)法，從滲透率、可獲得性、使用情況三個(gè)維度對(duì)巴西普惠金融狀況進(jìn)行了評(píng)估[11]。

（二）國內(nèi)的常用評(píng)估方法

經(jīng)過文獻(xiàn)梳理，國內(nèi)常用評(píng)估方法主要是層次分析法、變異系數(shù)法、主成分分析、熵權(quán)法等多類方法。

一是層次分析法：如我國學(xué)者焦瑾璞等（2015）采用層次分析法從可獲得性、使用情況、服務(wù)質(zhì)量三個(gè)方面對(duì)中國的普惠金融發(fā)展進(jìn)行了實(shí)證研究[12]；姜天瑞等（2016）運(yùn)用層次分析法對(duì)黑龍江普惠金融發(fā)展進(jìn)行了評(píng)估[13]。二是變異系數(shù)法：如宋漢光等（2014）運(yùn)用變異系數(shù)法，分簡(jiǎn)易、擴(kuò)展普惠金融指數(shù)兩個(gè)方面對(duì)普惠金融發(fā)展指標(biāo)進(jìn)行了研究[14]；劉明等（2014）運(yùn)用變異系數(shù)法研究了山東省普惠金融發(fā)展指數(shù)[15]；張正平等（2016）運(yùn)用變異系數(shù)法對(duì)內(nèi)蒙古普惠金融發(fā)展水平進(jìn)行了分析[16]。三是熵權(quán)法：劉磊（2016）采用熵權(quán)法和IFI指數(shù)分析了貴州省72個(gè)縣（市）普惠金融發(fā)展水平[17]；陳銀娥等（2015）采用熵值法對(duì)中國普惠金融發(fā)展水平進(jìn)行了評(píng)估[18]。四是主成分分析法：楊燕（2015）[19]、許桂紅等（2015）[20]、賈立等（2016）[21]運(yùn)用主成分分析法對(duì)我國各地區(qū)的普惠金融發(fā)展程度進(jìn)行了分析。五是因子分析法：李濱（2014）[22]、張彩云（2016）[23]運(yùn)用因子分析對(duì)中國普惠金融發(fā)展進(jìn)行了分析。六是等權(quán)法:蔡洋萍（2015）運(yùn)用權(quán)重相等法對(duì)中國中部六省的普惠金融發(fā)展水平進(jìn)行了研究[24]。

（三）影響國際、國內(nèi)評(píng)估方法的原因

1.指標(biāo)體系的復(fù)雜程度直接影響著評(píng)估方法的選擇。經(jīng)過文獻(xiàn)梳理，評(píng)估對(duì)象的多寡和評(píng)估的指標(biāo)體系復(fù)雜性與評(píng)估方法的選擇存在一定的關(guān)系。評(píng)估對(duì)象比較少的采用相對(duì)簡(jiǎn)單的計(jì)算方法，指標(biāo)體系簡(jiǎn)單的采用相對(duì)復(fù)雜的計(jì)算方法進(jìn)行評(píng)估。如蔡洋萍（2015）[24]以中部六省為例測(cè)算2005—2013年中國農(nóng)村普惠金融發(fā)展的差異分析時(shí)，直接采用了等權(quán)法，即所有指標(biāo)權(quán)重相等。

2.評(píng)估結(jié)果的分析應(yīng)用與評(píng)估方法的選定有關(guān)。評(píng)估方法的選定直接決定了會(huì)得到一定方法下的評(píng)估結(jié)果，而對(duì)評(píng)估結(jié)果的分析就決定了其應(yīng)用的范圍。在部分研究案例中，如因子分析和主成分分析這類將當(dāng)年數(shù)據(jù)作為一個(gè)系統(tǒng)的評(píng)估方法，不能進(jìn)行時(shí)間序列的評(píng)估結(jié)果的比較分析，為研究者棄用。因?yàn)轭愃平y(tǒng)計(jì)評(píng)估方法，得出的權(quán)重依靠樣本數(shù)據(jù)自身涵蓋的信息，多年的指標(biāo)數(shù)據(jù)的變動(dòng)，將使這些評(píng)估結(jié)果不具有縱向可比性。

3.評(píng)估結(jié)果采信程度是選擇評(píng)估方法的條件之一。經(jīng)過對(duì)國際、國內(nèi)評(píng)估方法的梳理，普惠金融的評(píng)估粗略就有10余種。多樣的數(shù)理分析的內(nèi)涵和復(fù)雜的公式表格，將普惠金融的內(nèi)涵詮釋得多種多樣。但是可以采信的評(píng)估結(jié)果有其判定的標(biāo)準(zhǔn):是否符合主要從業(yè)者的客觀現(xiàn)實(shí)感受，如主成分分析不一定會(huì)符合實(shí)際的發(fā)展情況；是否符合數(shù)據(jù)采集的客觀實(shí)際，如層次分析法需要專家打分；是否簡(jiǎn)單方便可操作，如數(shù)據(jù)指標(biāo)可能存在一定的離散和收斂的程度，需要多種數(shù)據(jù)處理，或者應(yīng)用SAS、AMOS軟件進(jìn)行分析等。眾多因素都是選擇哪種評(píng)估方法的前置條件。

三、指標(biāo)體系、數(shù)據(jù)與技術(shù)路線

本文的研究目的在于對(duì)同一評(píng)估對(duì)象，運(yùn)用同一數(shù)據(jù)，使用不同方法，對(duì)評(píng)估的結(jié)果進(jìn)行差異性分析，并進(jìn)行檢驗(yàn)，從而找到一種適合某地區(qū)的評(píng)估方法。因此，在指標(biāo)體系方面主要參考焦瑾璞（2015）[12]、劉磊（2016）[17]的研究成果，運(yùn)用 G20 的指標(biāo)體系，并結(jié)合貴州實(shí)際建立指標(biāo)體系。在評(píng)估對(duì)象和數(shù)據(jù)方面，主要針對(duì)貴州省72個(gè)縣（市）的普惠金融發(fā)展有關(guān)數(shù)據(jù)（見表1）。在技術(shù)路線方面，首先使用上述國際、國內(nèi)對(duì)普惠金融發(fā)展水平的評(píng)估方法逐一對(duì)貴州省普惠金融發(fā)展水平進(jìn)行評(píng)估；其次運(yùn)用IFI值從而獲得各縣（市）的評(píng)估結(jié)果；再根據(jù)評(píng)估結(jié)果，運(yùn)用Spearman等級(jí)相關(guān)系數(shù)進(jìn)行分析，綜合考慮復(fù)雜程度等多項(xiàng)因素，從而找到一種多項(xiàng)一致性評(píng)估結(jié)果的方法；最后篩選出適合貴州省普惠金融發(fā)展評(píng)估的方法。

（一）指標(biāo)體系

G20指標(biāo)體系認(rèn)為衡量一個(gè)國家金融的普惠程度，需要應(yīng)用金融普惠指標(biāo)。2004年，國際貨幣基金組織（IMF）開展金融可獲得性調(diào)查（Financial Access Survey，F(xiàn)AS），從可獲得性和使用情況兩個(gè)方面對(duì)多個(gè)國家的普惠金融發(fā)展水平進(jìn)行評(píng)測(cè)。主要包括兩個(gè)方面，一是金融產(chǎn)品和服務(wù)對(duì)象（通過對(duì)個(gè)人、企業(yè)等對(duì)象進(jìn)行實(shí)地調(diào)查分析數(shù)據(jù)）；二是金融服務(wù)供給者（通過監(jiān)管當(dāng)局和銀行等金融機(jī)構(gòu)調(diào)查分析數(shù)據(jù)）。通過需求端的需求分析和供應(yīng)端的供給分析，兩方面著手，相互結(jié)合評(píng)估。

由上所述，指標(biāo)體系參考學(xué)者焦瑾璞（2015）[12]、劉磊（2016）[17]使用的評(píng)估指標(biāo)體系成果（見表1），共設(shè)立三級(jí)指標(biāo)體系。采用IFI為普惠金融一級(jí)指標(biāo)，結(jié)合貴州當(dāng)前普惠金融發(fā)展的階段和水平，對(duì)為社會(huì)所有階層和群體提供服務(wù)的金融體系進(jìn)行總評(píng)價(jià)。以可獲得性、使用情況、服務(wù)質(zhì)量作為貴州省普惠金融發(fā)展的二級(jí)指標(biāo)。應(yīng)用銀行網(wǎng)點(diǎn)鄉(xiāng)鎮(zhèn)覆蓋率、農(nóng)戶信貸獲得率等19個(gè)指標(biāo)作為三級(jí)指標(biāo)。

（二）數(shù)據(jù)來源

基礎(chǔ)數(shù)據(jù)使用2017年貴州省72個(gè)縣（市）截面數(shù)據(jù)（中國人民銀行各縣支行收集）。

（三）技術(shù)路線

本文技術(shù)路線是綜合多種評(píng)估方式，運(yùn)用上述指標(biāo)體系進(jìn)行如下評(píng)估，再對(duì)評(píng)估結(jié)果進(jìn)行綜合比較。

首先，由于各指標(biāo)的含義不同，指標(biāo)值的計(jì)量單位量綱也不同。為消除指標(biāo)間不同單位的影響，需對(duì)指標(biāo)數(shù)據(jù)進(jìn)行極值歸一化處理。采用線性標(biāo)準(zhǔn)化中的極值法，消除因量綱不同對(duì)評(píng)價(jià)結(jié)果的影響。

標(biāo)準(zhǔn)化公式為：

表1 指標(biāo)計(jì)算方法及其數(shù)據(jù)來源

然后，根據(jù)不同評(píng)估方法計(jì)算出來的權(quán)重（Wij），和各指標(biāo)的無量綱化（Zij）后的值，相乘并累加，可得各準(zhǔn)則層的綜合評(píng)價(jià)指數(shù)。分別計(jì)算出各指標(biāo)指數(shù)后，進(jìn)行加權(quán)匯總，得到：

最后，運(yùn)用歐式距離算法分別計(jì)算出普惠金融指數(shù)（IFI）：

這樣就可以對(duì)2017年貴州省72個(gè)縣（市）的同一數(shù)據(jù)進(jìn)行6種方法的普惠金融發(fā)展評(píng)估，從而得到6種不同的評(píng)估結(jié)果。再針對(duì)評(píng)估結(jié)果進(jìn)行Spearman等級(jí)相關(guān)系數(shù)分析。綜合檢驗(yàn)結(jié)果，結(jié)合定性及評(píng)估方法的優(yōu)缺點(diǎn)，綜合找到最符合貴州省普惠金融發(fā)展實(shí)際的評(píng)估方法。

四、評(píng)估方法實(shí)證分析

（一）熵權(quán)法

熵權(quán)法是以各指標(biāo)值蘊(yùn)含的信息量為基礎(chǔ)，基于系統(tǒng)視角，通過數(shù)理分析，綜合獲得一個(gè)指標(biāo)值的方法。

計(jì)算第j項(xiàng)指標(biāo)下第i個(gè)方案指標(biāo)值的比重為：

為消除上述標(biāo)準(zhǔn)化可能帶來的影響，使InPij有意義，對(duì)Zij進(jìn)行坐標(biāo)平移，令則 Pij修正為：

計(jì)算第j項(xiàng)指標(biāo)的熵值eij。

對(duì)于給定的j，rij的差異性越小，則ej越大；當(dāng)ej等于1時(shí)，此時(shí)對(duì)于方案的比較，指標(biāo)rij毫無作用；各方案的指標(biāo)值相差越大，ej越小，該項(xiàng)指標(biāo)的作用越大。因此，某項(xiàng)指標(biāo)的作用取決于該指標(biāo)的信息熵ej與1的差異系數(shù)gj，計(jì)算第j項(xiàng)指標(biāo)的差異性系數(shù)（即效用值）gj=1-ej。

最后，確定第j個(gè)評(píng)價(jià)指標(biāo)的熵權(quán)為：

（二）層次分析法

匹茲堡大學(xué)教授T·L·Saaty于1977年創(chuàng)立了層次分析法（Analytic Hierarchy Process），它是一種基于系統(tǒng)概念的綜合分析與評(píng)價(jià)方法。采用層次分析法來確定權(quán)重優(yōu)點(diǎn)是一方面可以淡化指標(biāo)權(quán)重設(shè)置的主觀色彩；另一方面它可以解決指標(biāo)權(quán)重設(shè)置中的標(biāo)度和排序兩大難點(diǎn)。根據(jù)準(zhǔn)則層的各指標(biāo)的相對(duì)重要性，在構(gòu)造判定矩陣、為矩陣賦值時(shí)，常用的是1-9標(biāo)度法，即在比較兩個(gè)因素時(shí)，根據(jù)相對(duì)關(guān)系的強(qiáng)弱，用數(shù)字1-9來為判定矩陣的每個(gè)元素賦值。

（三）等權(quán)法

此種方法較為簡(jiǎn)單，認(rèn)為所有指標(biāo)的權(quán)重在指標(biāo)體系中的作用是一樣的。可以命19個(gè)指標(biāo)權(quán)重Wij的比值等于1，即每個(gè)Wij=1/19=0.0526；再按公式（4）進(jìn)行加權(quán)綜合，得出IFI排名表。

（四）變異系數(shù)法

還有一種客觀賦權(quán)的方法，即變異系數(shù)法（Coefficient Of Variation Method）。它是基于系統(tǒng)概念的前提下，將指標(biāo)中所蘊(yùn)含的信息，通過計(jì)算其在系統(tǒng)中與均值的變化程度，得到指標(biāo)的權(quán)重。使用變異系數(shù)方法計(jì)算時(shí)，取值差異越大的指標(biāo)，越能反映被評(píng)價(jià)單位的差距。

變異系數(shù)公式如下：

式中，Vi是第i項(xiàng)指標(biāo)的變異系數(shù)，σi是第i項(xiàng)指標(biāo)的標(biāo)準(zhǔn)差系數(shù)是第i項(xiàng)指標(biāo)的平均數(shù)。

由此可知，第i個(gè)指標(biāo)的變異系數(shù)權(quán)重Wi為該指標(biāo)的變異系數(shù)Vi與所有指標(biāo)變異系數(shù)總和∑Vi的比值，各個(gè)指標(biāo)的權(quán)重為：

（五）功效系數(shù)法

功效系數(shù)法是在進(jìn)行綜合統(tǒng)計(jì)評(píng)估時(shí)，運(yùn)用功效系數(shù)對(duì)各指標(biāo)進(jìn)行無量綱同度量的轉(zhuǎn)換，然后再采用算術(shù)平均數(shù)或幾何平均法，對(duì)各項(xiàng)功效系數(shù)求總功效系數(shù)，作為對(duì)總體的綜合評(píng)價(jià)值，并進(jìn)行綜合比較評(píng)估。功效系數(shù)是根據(jù)各項(xiàng)評(píng)價(jià)指標(biāo)的實(shí)際值與其允許變動(dòng)范圍的相對(duì)位置。

一是確定各項(xiàng)評(píng)估指標(biāo)。

二是確定各項(xiàng)評(píng)價(jià)指標(biāo)的允許范圍，即滿意值xhi和不允許值xsi。滿意值是指在目前條件下能夠達(dá)到的最優(yōu)值；不允許值是指該指標(biāo)不應(yīng)該出現(xiàn)的最低值。允許變動(dòng)的范圍的參照系就是滿意值和不允許值之差。由于本文指標(biāo)沒有一個(gè)絕對(duì)的標(biāo)準(zhǔn)指標(biāo)，所以根據(jù)此定義，本文的滿意值和不允許值采用以下標(biāo)準(zhǔn)：對(duì)正向指標(biāo)采用最大值和最小值作為滿意值和不允許值；對(duì)于逆向指標(biāo)采用最小值和最大值作為滿意值和不允許值。

三是計(jì)算各項(xiàng)評(píng)價(jià)指標(biāo)的功效系數(shù)fi，對(duì)指標(biāo)進(jìn)行無量綱化處理，其計(jì)算如下：

四是根據(jù)各指標(biāo)的重要程度決定權(quán)數(shù)，確定總功效系數(shù)為：

（六）主成分分析法

主成分分析是利用降維的思想，把多指標(biāo)轉(zhuǎn)化為少數(shù)幾個(gè)綜合性指標(biāo)。主成分分析的數(shù)學(xué)模型為：

通過（13）式計(jì)算出的主成分值以及主成分權(quán)重進(jìn)行加權(quán)平均，對(duì)指標(biāo)體系進(jìn)行綜合評(píng)價(jià)，計(jì)算出綜合評(píng)價(jià)值。

其中，F(xiàn)1，F(xiàn)2，……Fn是通過（13）式計(jì)算出的幾個(gè)主成分的值，W1，W2，……Wn是指 n 個(gè)主成分的權(quán)重，分別用每個(gè)主成分的方差貢獻(xiàn)值占累積方差的比重來衡量。

在進(jìn)行主成分分析之前，首先對(duì)指標(biāo)變量進(jìn)行檢驗(yàn)（見表2），驗(yàn)證是否可以使用主成分分析方法。表2中，KMO值為0.593，接近0.6，符合有關(guān)標(biāo)準(zhǔn)（只有KMO值超過或接近0.6時(shí)，才能應(yīng)用主成分分析方法）。與此同時(shí)巴特利特球形度檢驗(yàn)近似卡方453.86遠(yuǎn)大于0，且顯著性值為0.000，說明選取的72個(gè)縣（市）普惠金融發(fā)展的樣本數(shù)據(jù)的統(tǒng)計(jì)顯著性非常強(qiáng)。通過了有關(guān)檢驗(yàn)，主成分分析可行。

表2 KMO和Bartlett的檢驗(yàn)

五、評(píng)估結(jié)果檢驗(yàn)分析

在評(píng)估完結(jié)果后，對(duì)6種評(píng)估方法的結(jié)果進(jìn)行檢驗(yàn)。在兩兩評(píng)估檢驗(yàn)中，Spearman相關(guān)系數(shù)，又稱等級(jí)相關(guān)系數(shù)，是常用的一種檢驗(yàn)方法。該方法是采用總體秩相關(guān)系數(shù)的估計(jì)值作為檢驗(yàn)值，并設(shè)立原假設(shè)，使用卡方檢驗(yàn)其是否接受或拒絕原假設(shè)，原假設(shè)為兩種方法：無明顯差別或存在差異。

運(yùn)用SPSS17.0對(duì)表3的6種評(píng)估結(jié)果進(jìn)行Spearman相關(guān)系數(shù)檢驗(yàn)，得表4，可以發(fā)現(xiàn)：

（一）6種方法測(cè)評(píng)結(jié)果具有一致性，但不是非常明顯

6種方法的Spearman等級(jí)相關(guān)系數(shù)皆在60%以上，這表明6種測(cè)評(píng)結(jié)果具有一致性，但不是相當(dāng)明顯。由于變異系數(shù)法與等權(quán)法、功效系數(shù)法、主成分分析的一致性僅達(dá)到了60%以上，存在個(gè)別評(píng)估方法影響了整體的一致性。因此，在評(píng)估中應(yīng)該排除變異系數(shù)法。

（二）熵權(quán)法、層次分析法、主成分分析擬合效果較好

熵權(quán)法與其他評(píng)估方法的一致性在84%以上，與等權(quán)法和功效系數(shù)法的一致性超過了90%；層次分析法除與變異系數(shù)法一致性僅有70%，其余均超過80%；主成分分析法除與變異系數(shù)法結(jié)果僅為62.6%，其余也高達(dá)80%以上。說明熵權(quán)法與層次分析法、主成分分析法均能較好地評(píng)估普惠金融發(fā)展水平，在評(píng)估中具有代表性。

（三）功效系數(shù)法與等權(quán)法結(jié)果高度一致

表3 用6種方法對(duì)貴州省2017年72個(gè)縣（市）普惠金融評(píng)估排名

從Spearman等級(jí)相關(guān)系數(shù)來看，功效系數(shù)法與等權(quán)法系數(shù)值達(dá)97.1%，二者結(jié)果高度一致。

表4 6種方法相互spearman相關(guān)系數(shù)值

（四）功效系數(shù)法與變異系數(shù)法結(jié)果有較大的差異

從Spearman等級(jí)相關(guān)系數(shù)來看，功效系數(shù)法與變異系數(shù)法系數(shù)值僅為61.2%，可以發(fā)現(xiàn)二者結(jié)果存在一致性，但不明顯。

綜合上述分析，評(píng)估結(jié)果認(rèn)為：熵權(quán)法、層次分析法、主成分分析均能較好地評(píng)估普惠金融發(fā)展水平，在各種方法中能代表整體評(píng)估趨勢(shì)。但是熵權(quán)法、主成分分析均是從數(shù)據(jù)本身出發(fā)得出客觀的結(jié)果，而層次分析法在賦權(quán)過程中，判斷矩陣明顯加入了專家的判斷，因此兩類方法均各有優(yōu)勢(shì)和缺點(diǎn)。一方面，客觀反映評(píng)估結(jié)果是評(píng)估的需要，另一方面，加入實(shí)際的專家感觀認(rèn)知，能客觀反映對(duì)部分指標(biāo)重要性的認(rèn)識(shí)，但不能排除主觀的客體差異性。在評(píng)估過程中，若不能尋找到大量的專家，給予客觀的感性評(píng)判，那么是基層評(píng)估的短板，也不能較好地反映出發(fā)展情況。

六、結(jié)語

本文對(duì)同一評(píng)估對(duì)象，同一指標(biāo)體系，用6種不同的評(píng)估方法進(jìn)行了評(píng)估，評(píng)估結(jié)果發(fā)現(xiàn)：在較高的層面，能找到專家的專業(yè)感觀意見的前提下，應(yīng)進(jìn)行層次分析法的評(píng)估；若在基層，則應(yīng)采用熵權(quán)法、主成分分析法進(jìn)行評(píng)估，客觀反映實(shí)際情況。評(píng)估結(jié)果的使用能夠指導(dǎo)相應(yīng)工作的調(diào)整。但評(píng)估評(píng)估結(jié)果的可信程度，應(yīng)建立在深度挖掘原因后的現(xiàn)實(shí)的主觀感受和發(fā)展實(shí)際之上。二者互為補(bǔ)充，不應(yīng)苑囿于評(píng)估結(jié)果，也不能為了評(píng)估而評(píng)估。

本文還存在一些不足：一是多種模型條件下賦權(quán)的影響。本文是基于Samar等（2008）[6]人類發(fā)展指數(shù)IFI的模型基礎(chǔ)上研究的，可能不同的模型也會(huì)反映不同的評(píng)估結(jié)果，例如投影尋蹤模型、聯(lián)立方程模型。二是對(duì)于復(fù)雜賦權(quán)方法探討不足。本文僅用6種方法進(jìn)行了研究，沒有加入復(fù)雜的如BP神經(jīng)網(wǎng)絡(luò)模型、卡爾曼濾波法、秩比和法等較為復(fù)雜的評(píng)估方法，上述兩點(diǎn)將是進(jìn)一步的研究方向。