分类：论文范文 发表时间：2021-11-27 10:46
内容提要: 提升农村金融服务效率是稳定我国农产品供给、维护我国粮食安全的关键。本文基 于我国 粮 食 主 产 区 13 个 省 份 2005 － 2015 年 面 板 数 据，分别采用超效率 DEA 模 型、窗 口 Malmquist 指数、探索性空间数据分析法分析我国粮食主产区农村金融服务效率。研究表明: 我 国粮食主产区农村金融服务效率整体处于稳定有效状态，全要素生产率的增长主要由于技术效 率的提高，粮食主产区农村金融服务效率存在空间正相关关系，各区域间差距现阶段较大，但 具有平衡发展的趋势。
关键词: 粮食主产区; 农村金融服务效率; 超效率 DEA; Window－Malmquist 指数
一、引言
提高农村金融服务效率，是农村金融发展的 重中之重，事关农业供给侧结构性改革成效和中 国全面建成小康社会国家战略目标的实现。近几 年，伴随我国农业政策支持，我国三农发展取得了 巨大进步，但与此同时也产生了许多新问题，其中 农村金融问题就是 “三农”问题中的重要部分， 也是我国金融体系中的最薄弱环节。造成农村金 融问题的主要原因是农村金融资源配置不当。为 此，中国进行了持续的农村金融改革。自 2004 年 起，中央一号文件连续 14 年锁定 “三农”，彰显 了党中央国务院对三农发展的高度重视。2016 年 “两会”期间，习近平总书记指出，在当前新形式 下，我国农业的主要矛盾已由总量不足转变成以 阶段性供过于求和供给不足并存的结构性矛盾。 2017 年中央一号文件正是在深刻研判我国农业农 村发展重大变革的基础上出台的，并将解决问题 的矛头直指农业供给侧结构性改革，积极探索金 融服务农业供给侧改革的有效路径。
二、研究方法及数据说明
( 一) 研究方法
1. 超效率 DEA 模型 为了更好的确定 “多投入多产出”模式的决 策单元间的效率，Chames、Cooper、Ｒhode1978 年 提出了 DEA 方法。1993 年，P. Anersen 将 CCＲ 模 型改进，使原有的 CCＲ 模型仅能对单一决策单元 进行比较的缺陷得到克服，改进模型称为超效率 DEA 模型。该模型可以将决策单元进行有效的比 较、排序。
2. Malmquist 指数分析法是一种动态分析法，该 方法结合距离函数的概念，运用面板数据，能够纵 向比较农村金融服务效率。该方法能够动态比较 分析全要素生产率指数这一反映农村金融服务的 指数，并进一步分解该指数，分析其变动的深层次 影响因素。
（二) 变量选择与数据来源
1． 投入指标选择。本文从人力、物力、财力 三方面选取指标作为农村金融服务的投入。选取 农村金融机构数以及金融机构从业人员数作为反 映人力方面的指标。本文又分别考虑地理和人口 服务的渗透性，分别选取每万平方公里金融机构 网点数、每万平方公里金融从业人员数以及每万 人拥有金融机构网点数和每万人拥有银行从业人 员数作为投入指标。选取农村固定资产总额作为 反映物力方面的指标，农户固定资产总额包括农 户固定资产投资和农村非农户固定资产投资。本 文选取固定资产投资占比 GDP 与人均固定资产投 资额作为投入指标。反映财力方面的指标为涉农 贷款余额与农业保险保费支出。本文选取金融机 构人均涉农贷款余额和金融机构涉农贷款余额占 比 GDP 以及人均农业保险保费支出为投入指标。
2． 产出指标选择。本文从农村经济发展水平 与农民生活水平两方面选取指标衡量农村金融服 务的产出水平。其中，以人均农业增加值作为反映 农村经济发展水平的指标，这一指标能反映农业 发展的人均规模和速度。以农村人均纯收入和农 村人均消费性支出作为反映农民生活水平的指标。
三、实证结果分析
( 一) 农村金融服务效率静态分析
我国粮食主产区 13 个省份 2005－2015 年 10 年间农村金融服务效率的超效率值如表 1 所示，由表 1 可以看出粮食主产区整体以及各省十年间农村金 融服务效率的变化趋势。从整体上看，10 年间， 我国粮食主产区农村金融服务是有效的，2005 － 2015 年粮食主产区农村金融服务效率均值为 1. 045，期间各年效率均值波动较小，围绕均值上 下波动，受 2008 年金融危机影响，2007 年、2008 年两年效率值小于 1，2009 年随经济回暖以及相关 金融政策的支持，效率值大于 1，这说明我国粮食 主产区农村金融服务效率 10 年间能够保持稳定良 好的发展趋势。从局部看，由图 2 可知我国粮食主 产区各区域的农村金融服务效率存在显著的差异。 主要表现为长江流域主产区效率较高，东北主产 区次之，最低的是黄淮海主产区。
（二） 农村金融服务效率动态分析
表 ２ 列出省级面板数据得到的我国粮食主产区 总体 Ｍａｌｍｑｕｉｓｔ 生产率指数及其分解。 我国粮食主 产区 ２００５－２０１５ 年农村金融服务全要素生产率年 均增长率为 ２％， 技术效率和技术进步分别增长 ４％和 １％， 二者都对全要素生产率的增长做出了一 定的贡献， 但很明显技术效率的提高是粮食主产 区全要素生产率提高的主要推动力， 技术进步的 作用则相对偏低。 说明我国粮食主产区与农村金 融服务相关的科技、 教育、 智力和信息资源不具有 优势， 创新资源不够丰富， 在自主创新方面还有待 提高。 同时， 我国粮食主产区农村金融服务投入产 出结构相对合理， 配置效率较高。
表 ３ 列出了我国粮食主产区各省及东北主产 区、 黄淮海主产区、 长江流域主产区 ２００５ － ２０１５ 年农村金融服务全要素生产率及其分解。 各指数 在区域间的变动充分表明， 我国粮食主产区农村 金融服务全要素生产率区域间差距较明显。 三大 地区的农村金融服务的全要素生产率平均增长了 依次为东北地区 １９?? ８％， 黄淮海地区 １０?? ２％， 长 江流域 ８?? ２％。 三大区域农村金融服务全要素增长 主要是由技术进步推动， 技术效率变化的作用相 对较低。 东北地区相对较高的 ＭＩ 增长主要由于其 广泛使用的先进技术以及规模生产， 对金融服务 的供给有促进作用。
（三） 农村金融服务效率的空间差异分析
本文运用 ｓｔａｔａ 软件， 计算了 ２００５－２０１５ 年我 国粮食主产区农村金融服务效率的全局自相关系 数 Ｍｏｒａｎ’ ｓ Ｉ， 统计结果均为显著的。 Ｍｏｒａｎ’ ｓ Ｉ 计算结果及趋势如图 ４ 所示。 从图 ４ 可以看到， 我 国粮食主产区农村金融服务效率的全局自相关系数从 ２００６ 年到 ２０１５ 年呈上升趋势， 除 ２００８、 ２００９ 两年为负， 其他年份均处于 ０ 到 １ 之间。 ２００８、 ２００９ 两年为负说明这两年粮食主产区农村金融服 务效率空间负相关， 较分散， 空间差异大。 这可由 ２００８ 年发生的金融危机解释， 一方面金融危机的 爆发使得各省面临着巨大的经济下行的压力， 另 一方面各省面对金融危机的抗压能力各有不同。 金融发展水平高的省份相对抗压能力强， 受到的 影响相对较小， 而金融发展水平低的省份抗压能 力较弱， 受到的影响相对较大。 这使得地区间差距 逐渐加大。 除 ２００８、 ２００９ 两年， 其他年份 Ｍｏｒａｎ’ ｓ Ｉ 为正数， 表明我国粮食主产区农村金融服务效 率存在空间正相关关系， 且存在一定程度的聚集 性， 但 Ｍｏｒａｎ’ ｓ Ｉ 数值距离 １ 还有很大距离， 证明 粮食主产区农村金融服务效率的聚集性还不大， 总体空间差异虽有逐渐缩小的趋势， 但离全面、 平 衡的发展还有很大距离。
四、 结论
本文基于我国粮食主产区 １３ 个省份 ２００５ － ２０１５ 年面板数据， 分别采用超效率 ＤＥＡ 模型、 窗 口 Ｍａｌｍｑｕｉｓｔ 指数、 探索性空间数据分析法对我国 粮食主产区农村金融服务效率进行分析。 研究发 现：
（１） 从整体上看， 研究期间内我国粮食主产 区农村金融服务是有效的， 各年波动较小， 基本处 于稳定发展状态。 各地区间发展存在一定差距， 其 中长江流域主产区、 东北主产区效率较高， 黄淮海 产区效率相对较低。 各省间差距较大， 江苏省因其 优越的地理位置， 相对较高的金融发展水平， 使得 其农村金融服务效率处于第一位。
（２） 我国粮食 主产区农村金融服务效率的全要素生产率在 ２００５－ ２０１５ 年间处于增长状态， 主要是因为技术效率的 提高， 技术进步也有一定的作用， 但其影响小于技 术效率。
（３） 我国粮食主产区农村金融服务效率 存在正相关关系， 各区域农村金融服务效率有一 定程度的聚集性， 但聚集程度不高， 相关性不断增 强， 但现阶段相关性仍然不高， 整体农村金融服务 效率的空间差异逐渐减小。
参考文献：
［１］ 汪莉霞． 供给侧改革下农村金融服务创新发展及对 策［Ｊ］．商业经济研究，２０１７（１４）：１６６－１６８．
［２］ 温涛，白继山，王小华． 基于 Ｌｏｔｋａ－Ｖｏｌｔｅｒｒａ 模型的中 国农村金融市场竞争关系分析［ Ｊ］．中国农村经济， ２０１５（１０）：４２－５４．
［３］ 徐晓光，冼俊城，郑尊信． 中国城市金融效率提升路 径探析［Ｊ］．数量经济技术经济研究，２０１４，３１（１０）： ５３－６８＋８３．
［４］ 关伟，张华，许淑婷． 基于 ＤＥＡ－ＥＳＤＡ 模型的辽宁省 能源效率测度及时空格局演化分析［ Ｊ］．资源科学， ２０１５，３７（４）：７６４－７７３．
［５］ 沈宏婷，陆玉麒． 中国省域 Ｒ＆ａｍｐ；Ｄ 投入的区域差 异及时空格局演变［Ｊ］．长江流域资源与环境，２０１５， ２４（６）：９１７－９２４
姚凤阁1 ，胡 静2 ，李福新2
相关阅读
论文常识
期刊知识
著作出版
教材出书
专利申请
出版社
扫码关注公众号