陳 雪 任培民 趙樹(shù)然

(1.青島大學(xué)經(jīng)濟(jì)學(xué)院,青島 266061;2.中國(guó)海洋大學(xué)經(jīng)濟(jì)學(xué)院,青島 266100)

山東省位于黃河經(jīng)濟(jì)帶和渤海經(jīng)濟(jì)區(qū)交界處,是華北和華東的結(jié)合點(diǎn),經(jīng)濟(jì)發(fā)展水平名列前茅,在國(guó)民經(jīng)濟(jì)格局中發(fā)揮著重要作用。2019年山東省GDP 為70 540.5億元,居全國(guó)第3位,但其金融業(yè)增加值占GDP比重排名僅居全國(guó)第28位,這一定程度反映了山東省雖是經(jīng)濟(jì)大省,但其金融業(yè)發(fā)展卻較為落后。目前,山東省正處于新舊動(dòng)能轉(zhuǎn)化三年初見(jiàn)成效、五年突破的關(guān)鍵年份,社會(huì)經(jīng)濟(jì)發(fā)展需要金融這一強(qiáng)有力支柱,提高金融資源配置效率對(duì)促進(jìn)金融資源流向需求區(qū)域和經(jīng)濟(jì)高質(zhì)量發(fā)展具有重要的現(xiàn)實(shí)意義。金融資源配置效率的測(cè)量方法主要包括:投資效率模型,以投資變動(dòng)彈性系數(shù)和產(chǎn)業(yè)增加值變動(dòng)反映資源配置效率[1];金融效率指標(biāo),從單一指標(biāo)(如現(xiàn)有金融資產(chǎn)總額與GDP的比率[2])逐漸轉(zhuǎn)化為綜合指標(biāo)體系(如基于虛實(shí)轉(zhuǎn)換效率和間接融資效率的實(shí)體金融效率測(cè)度指標(biāo)體系,基于運(yùn)用效率和直接融資效率的市場(chǎng)金融效率測(cè)度指標(biāo)體系[3]);數(shù)據(jù)包絡(luò)分析(Data Envelopment Analysis,DEA),適用于多投入多產(chǎn)出的非參數(shù)評(píng)價(jià),如以區(qū)域金融為視角測(cè)度中國(guó)31個(gè)省(市、自治區(qū))的金融效率[4],探究中部6省金融資源配置效率的時(shí)空分布格局[5]。由于傳統(tǒng)DEA 模型[6]未考慮環(huán)境因素和隨機(jī)干擾項(xiàng)對(duì)決策單元的影響,導(dǎo)致難以獲得純粹的效率值,存在真實(shí)效率誤差的缺陷。三階段DEA 模型[7]可剔除環(huán)境因素和統(tǒng)計(jì)噪聲的影響,其測(cè)算的效率損失僅包含管理無(wú)效率(即管理帶來(lái)的效率損失),相較于傳統(tǒng)DEA 模型測(cè)算結(jié)果更真實(shí)準(zhǔn)確。現(xiàn)有研究大多側(cè)重探究省級(jí)和經(jīng)濟(jì)區(qū)層面金融資源配置效率[5,8-11],各省內(nèi)部金融資源配置效率相關(guān)研究較少。綜上,本文擬采用三階段DEA 模型,測(cè)度分析山東省各地市的金融資源配置效率,確定金融資源配置過(guò)程中的短板,提出針對(duì)性建議。

1 指標(biāo)體系構(gòu)建

以往研究構(gòu)建的指標(biāo)體系中,投入指標(biāo)大多按照要素分類(lèi)將金融資源分為人力資源和貨幣資源(表1)。考慮到?jīng)Q策單元數(shù)量應(yīng)不少于投入產(chǎn)出指標(biāo)總數(shù)3倍的要求和指標(biāo)數(shù)據(jù)的可得性,為此,選取省各地市金融機(jī)構(gòu)從業(yè)人數(shù)(萬(wàn)人)代表人力資源要素;兼顧銀行、證券、保險(xiǎn)業(yè)的發(fā)展規(guī)模、結(jié)構(gòu)及效率,選取金融機(jī)構(gòu)本外幣各項(xiàng)貸款余額(億元)、上市公司數(shù)量(個(gè))和保費(fèi)收入(億元)代表貨幣資源要素。產(chǎn)出指標(biāo)選取金融業(yè)增加值(億元)。

表1 以往研究中構(gòu)建的指標(biāo)體系

外部環(huán)境變量指能夠?qū)C合效率產(chǎn)生影響且不受行業(yè)主觀控制的變量。宏觀影響因素主要包括經(jīng)濟(jì)發(fā)展水平、政府干預(yù)、產(chǎn)業(yè)結(jié)構(gòu)、對(duì)外開(kāi)放程度和外商投資等[12-14]。結(jié)合金融資源配置效率的特征和金融業(yè)行業(yè)特點(diǎn),本研究篩選確定政府干預(yù)和產(chǎn)業(yè)結(jié)構(gòu)作為外部環(huán)境變量。(1)政府干預(yù):用一般公共預(yù)算支出(億元)衡量?！翱床灰?jiàn)的手”理論認(rèn)為,市場(chǎng)機(jī)制會(huì)引導(dǎo)最高效的資源配置,但市場(chǎng)固有的缺陷如自發(fā)性、盲目性和滯后性會(huì)導(dǎo)致市場(chǎng)失靈[15]。此時(shí)需要通過(guò)政府的宏觀調(diào)控手段調(diào)節(jié)市場(chǎng)的短期非均衡狀態(tài),重新分配金融資源,使其再次恢復(fù)最優(yōu)配置狀態(tài)。理論上政府干預(yù)可以提高金融資源配置效率,但要堅(jiān)持適度原則,過(guò)度的干預(yù)行為會(huì)適得其反[16]。(2)產(chǎn)業(yè)結(jié)構(gòu):用第三產(chǎn)業(yè)增加值占GDP比重表示。產(chǎn)業(yè)結(jié)構(gòu)影響金融資源配置的區(qū)域調(diào)整和產(chǎn)業(yè)方向,其合理性可正向影響資源配置效率[17]。綜上,選取一般公共預(yù)算支出和第三產(chǎn)業(yè)增加值占GDP 比重兩個(gè)外部環(huán)境指標(biāo)作為解釋變量,采用隨機(jī)前沿方法(Stochastic Frontier Approach,SFA)過(guò)濾外部環(huán)境和統(tǒng)計(jì)噪聲的影響,調(diào)整原始投入值,使測(cè)算結(jié)果更真實(shí)準(zhǔn)確。

2 實(shí)證分析

2.1 樣本數(shù)據(jù)取值

搜集整理山東省16個(gè)地市2019年的投入指標(biāo)值、產(chǎn)出指標(biāo)值和環(huán)境指標(biāo)值測(cè)算效率值。數(shù)據(jù)來(lái)源于山東省及各地市統(tǒng)計(jì)局《統(tǒng)計(jì)年鑒》《國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》。

2.2 數(shù)據(jù)實(shí)證處理

2.2.1 第一階段 利用DEAP2.1軟件,測(cè)算2019年山東省16地市的第一階段金融資源配置效率值(表2)?？芍?規(guī)模效率均值高于純技術(shù)效率均值,表明純技術(shù)效率不足,即金融機(jī)構(gòu)經(jīng)營(yíng)管理水平的不足是山東省整體金融資源配置效率低下的主要原因。山東省綜合效率均值0.888,處于較高水平,但仍有進(jìn)步空間。濟(jì)南、東營(yíng)、日照、臨沂、德州、菏澤金融資源配置效率值為1,處于效率前沿邊界;而聊城和濱州的效率值比較低,分別為0.736和0.765,這表明區(qū)域金融資源配置并不均衡。純技術(shù)效率均值為0.938,其中聊城最低(0.804),對(duì)綜合效率的影響大于規(guī)模效率;規(guī)模效率均值為0.946且都大于0.83,資金使用效率較高,行業(yè)規(guī)模合理,但仍有一定上升空間。規(guī)模效率和純技術(shù)效率的累加影響決定了各地市的綜合效率表現(xiàn)。

表2 第一階段效率值

2.2.2 第二階段 根據(jù)第一階段結(jié)果中的投入目標(biāo)值,計(jì)算各投入松弛變量,其代表實(shí)際投入量與理想投入量之間的差額。利用似SFA 回歸的估計(jì)系數(shù),分離松弛變量的管理無(wú)效率、環(huán)境變量和隨機(jī)誤差,調(diào)整原始投入值,此處選擇分離公式[18]:,其中,,λ＝σμ/σν。

由表3可知,4個(gè)回歸模型均通過(guò)了LR 單邊似然比檢驗(yàn),表明環(huán)境變量的選取有意義,應(yīng)利用隨機(jī)前沿模型分離環(huán)境因素和隨機(jī)因素。模型的gamma值均約等于1,t統(tǒng)計(jì)量均在1%的水平上顯著,表明管理無(wú)效率顯著影響金融資源配置效率,隨機(jī)誤差對(duì)效率的影響微弱。此外,大部分環(huán)境變量在1%的水平上顯著影響各投入松弛變量,表明所選兩個(gè)環(huán)境變量能夠較好地解釋各投入松弛變量。

表3 各投入松弛變量與環(huán)境變量的似SFA 回歸結(jié)果

政府干預(yù)顯著正向影響金融機(jī)構(gòu)本外幣各項(xiàng)貸款余額松弛變量、上市公司數(shù)量松弛變量和保費(fèi)收入松弛變量,表明政府存在干預(yù)過(guò)度,增加了冗余,降低了效率;產(chǎn)業(yè)結(jié)構(gòu)顯著負(fù)向影響金融機(jī)構(gòu)本外幣各項(xiàng)貸款余額松弛變量、上市公司數(shù)量松弛變量和保費(fèi)收入松弛變量,這是由于產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化減少了投入冗余,提高了效率;政府干預(yù)和產(chǎn)業(yè)結(jié)構(gòu)對(duì)金融業(yè)從業(yè)人數(shù)的冗余沒(méi)有顯著影響,這可能與金融業(yè)門(mén)檻較高,從業(yè)人員數(shù)量長(zhǎng)期較穩(wěn)定有關(guān)。

2.2.3 第三階段 利用DEAP 2.1 軟件測(cè)算調(diào)整后的金融資源配置效率值,對(duì)比分析調(diào)整前后效率值的變化。調(diào)整后的金融資源配置效率值見(jiàn)表4,調(diào)整前后效率值比較如圖1所示。可知,去除環(huán)境因素和隨機(jī)噪聲的干擾后,區(qū)域金融資源配置效率仍不均衡,僅有濟(jì)南、東營(yíng)、臨沂、德州、菏澤始終處于有效前沿邊界,表明這些區(qū)域金融業(yè)規(guī)模合理,資源配置相對(duì)較優(yōu)。青島、淄博、煙臺(tái)、濰坊、濟(jì)寧綜合效率值呈現(xiàn)不同程度的提高,環(huán)境因素的存在反而使得金融資源配置效率值較低,這很可能是政府干預(yù)過(guò)度導(dǎo)致了冗余增加和效率降低;棗莊、泰安、威海、日照、聊城、濱州規(guī)模效率的降低導(dǎo)致綜合效率的降低,表明這些地市主要通過(guò)規(guī)模經(jīng)濟(jì)手段拉動(dòng)效率提升,未來(lái)金融改革方向應(yīng)更注重科技對(duì)效率的拉動(dòng)作用;僅有泰安純技術(shù)效率值較調(diào)整后有所提升,表明其關(guān)注了純技術(shù)效率的提升作用且取得了較好成果。

圖1 調(diào)整前后不同效率值比較

表4 考慮環(huán)境與隨機(jī)擾動(dòng)的效率值

3 結(jié)論

基于三階段DEA 模型,系統(tǒng)計(jì)算分析了山東省2019年各地市的金融資源配置效率。剔除環(huán)境因素和隨機(jī)因素前后,大部分地市金融資源配置未實(shí)現(xiàn)最優(yōu),金融資源配置效率呈現(xiàn)不均衡,部分地市很可能存在政府干預(yù)過(guò)度。山東省各地市提升金融資源配置效率,主要以規(guī)模擴(kuò)張為手段。據(jù)此建議,一是各地市可通過(guò)純技術(shù)效率和規(guī)模效率與最優(yōu)配置狀態(tài)的差距,確定配置短板;鼓勵(lì)區(qū)域協(xié)同合作,發(fā)揮金融資源豐富地區(qū)的帶動(dòng)與輻射作用;給予落后城市政策支持,鼓勵(lì)其形成自身獨(dú)特競(jìng)爭(zhēng)力;加快發(fā)展地方金融機(jī)構(gòu),推動(dòng)信貸資源更多投入民營(yíng)經(jīng)濟(jì)、中小微企業(yè)。二是深化金融改革,推動(dòng)政府與市場(chǎng)兩方面的“雙輪驅(qū)動(dòng)”協(xié)同,著重發(fā)揮市場(chǎng)配置資源的決定性作用;加快地方政府職能轉(zhuǎn)變,減少政府干預(yù)程度,改善金融生態(tài)環(huán)境。三是提高金融機(jī)構(gòu)經(jīng)營(yíng)管理水平,鼓勵(lì)金融業(yè)科技發(fā)展,實(shí)現(xiàn)科技創(chuàng)新與金融資源配置優(yōu)化的良性循環(huán)。今后研究可對(duì)比評(píng)價(jià)山東省內(nèi)部與其他省份城市的金融資源配置效率,明晰省域間的配置效率影響因素。