基于三阶段模型的区域金融生态环境研究

摘 要:基于2013年我国31个省市的区域金融生态投入、产出与环境因素,运用三阶段DEA方法,分析我国金融生态环境情况与发展趋势。结果表明:我国区域金融整体发展较为领先,但存在空间非平衡性,西部地区明显落后,且对于环境因素的依赖较大;在剔除了环境因素与随机因素后,我国区域金融生态环境不容乐观,由纯技术效率与规模效率的低水平导致综合效率值偏低。在此基础上提出相关建议以改进我国金融生态环境。

关键词:三阶段DEA模型;区域金融;金融生态环境

一、引言

随着我国经济的发展,生态化的区域金融特征越来越受到重视。区域金融改革创新以金融服务实体经济为出发点,支持条件成熟的地区做好金融改革与产业结构升级、金融创新与经济社会发展需求的衔接,并引导地方充分利用现有政策,完善区域金融改革才能提高我国整体金融运行效率。2015年12月2日,国务院常务会议上指出要坚持突出特色、重点推进,选择一批条件成熟的地区分类开展金融改革创新试点。2015年底,根据金融运行规律和区域经济特征,开始有针对性地选择一些基础条件较好的地区开展区域金融改革创新试点。目前,我国各大省市纷纷提出建立区域金融中心,打造不同功能、不同类型的区域金融中心已成为许多城市今后发展的长期目标。学者们对于相关问题的研究也早就起步,大多数学者建立区域金融评价体系,以供政府与社会评定当地区域发展,也有不少学者对于区域金融发展以定性方法分析,没有数据计量支撑,无法揭示区域金融的客观变动规律,只有少数学者在近几年开始使用简单的计量方法对于某一城市与区域进行金融生态环境评价。在新常态与改革大背景下,对于我国整体的金融生态环境阐述尤为重要,是否有东西部显著发展差异,是否有一定的发展规律与集聚效应。良好的金融生态环境是区域金融市场良性运行和资金“洼地效应”形成的先决条件,也是区域经济健康持续发展的重要基础。基于此,本文采用我国31个省市2013年的相关面板数据,应用三阶段DEA方法,对评价单元的均值进行客观排序与效率因素分析,并重点探讨不同区域金融生态效率的成分变动规律,为我国区域金融的发展提供参考建议。

二、文献综述

(一)区域金融生态环境评价体系发展研究

区域金融生态环境评价需要对区域进行金融生态环境水平的测评,并得出该区域整体的金融生态环境的综合评价、区域内部各考察对象的金融生态环境状况以及考察对象之间的对比结果,有史以来学者们对于区域金融的体系构建各抒己见。胡滨(2009)研究指出区域金融包括两个主要的约束条件:一是区域内各考察对象之间应该具有一定的相似性、关联性或同质性,只有这样评价才具有科学性和理论意义;二是必须得出区域内部的横向对比结果,即确定区域内金融生态环境的排名或排序,只有这样,评价才具有可操作性和现实意义。徐小林(2005)构建了自己的区域金融评价体系,对金融机构自身机制建设和进一步改善金融业运行的外部环境提出建议,尤其关注科学的评价体系。程亚男等(2006)在课题中说明了区域金融指标体系应有定量与定性两个子体系,其中定量指标设计包括经济发展水平、金融资源水平、社会信用和法制环境3个层面,定性指标包括金融法律法规的完善程度和执行状况等4项标准。汪祖杰等(2006)对于区域金融生态环境质量提出了科学的指标层次选取方法,从目标层、领域层、准则层、指标层4个层次综合评价生态环境质量。胡滨(2009)在自己的理论基础上,使用因子分析法评价黑龙江省的区域金融生态环境水平,以此为例提出改善金融法治环境、中介机构服务水平等现实建议。金欣雪与谢邦昌(2014)依据金融生态环境理论的研究成果,建立了两岸金融生态环境的评价指标体系,从金融发展指标和综合环境指标两方面,分别进行动态分析和对比分析,最后运用灰色关联度法进行了总体分析。姚爽等(2015)构建了区域金融生态环境的多层次评价指标体系,建立了基于修正变异系数法的综合评价模型,并以辽宁省为例进行实践分析。赵然(2015)运用生态学理论构建金融生态环境评价体系,基于熵值法对我国中部六省的金融生态环境进行了综合评价。选择科学合理的金融生态环境的指标体系,是评价区域金融质量的基础。

(二)区域金融环境效率研究

对于区域金融生态的评价以及影响因素,目前国内外学者众说纷纭,King and Levine(1993)的研究结果显示,不同地区的经济发展水平仍受到金融发展水平的影响,且呈正相关关系。Choi等人(2013)运用定量分析将区域金融进行了中心级别的划分。国内学者目前运用最多、最前沿的则是数据包络分析(DEA)方法研究生态环境评价。张炳等(2008)利用DEA对杭州湾精细化工园区企业生态效率进行评价,得出环境因素结果;杨斌(2009)从宏观的角度对我国区域生态效率所做的研究,得出区域效率不足的验证;邓波等(2011)开始运用三阶段DEA方法研究我国2008年的区域生态效率变化,研究发现剔除外部与随机因素后,我国区域生态效率发生极大的规模下降。谢军和黄志忠(2014)以我国深沪两市数据实证研究为基础,考察区域金融发展程度和企业集团内部融资对企业融资约束的影响。孙刚(2015)研究区域金融发展的空间集聚特征对企业创新活动及其效率的影响机制,金融市场发展的空间集聚对企业创新投入强度和价值相关性的影响机理上具有异质性。周建荣(2016)基于金融生态环境的基本构成要素分析了其影响金融主体发展的基本路径,发现金融生态环境对于金融主体发展的影响渠道,以法律诚信环境、政府行为与经济基础而实现。在对于区域金融环境的评价呈现于所选区域的条件因素,我国的大部分区域环境研究都说明我国区域金融环境效率较好,但东西部差异性显著。

各学者在生态环境质量评估上都提出了自己的指标体系,在多层次、多纬度上都给出了很好的解释方法,也有不少学者应用实证数据对于部分省市或全国的区域金融进行了分析比较。但是,现阶段较多学者所应用的都是层次分析法或者因子分析法,主观判别成分较多,而数据包络分析法则可以很好地避免这个问题,同时又可以兼顾各指标体系的内容,且以往学者研究年限虽多为时间序列,但2010年之后的研究较少,而我国近几年的经济发展迅速,以前的数据已经不能被广泛运用。因此,本文将运用数据包络分析法,以全国2013年相关区域金融指标为例,进行分析,以研究我国区域金融的发展程度。

三、模型设计

(一)理论分析

三阶段DEA模型是由Fried等人于2002年提出的一种能够更好地评估DMU效率的方法,它的构建和运用包括三个阶段。

第一阶段:传统DEA模型。该阶段使用DMU初始投入产出数据进行传统DEA分析。本文将采用投入导向下的BCC(规模报酬可变)模型进行分析。BBC模型用来处理“规模报酬可变”假设下的决策单元有效性问题。对于任一决策单元,投入导向下对偶形式的BCC模型可表示为:

其中,i=1,2,…,n;j=1,2,…,m;r=1,2,…,s。n为决策单元的个数, m和s分别为输入与输出变量的个数,xij(j=1,2,…,m)为第i个决策单元的第j个投入要素,yir(r=1,2,…,s)为第i个决策单元的第s个产出要素,θ为决策单元DMU的有效值。若θ=1,且s+=s-=0,则决策单元DEA有效;若θ=1,且s+≠0,或s-≠0时,则决策单元为弱DEA有效;若θ＜1,则决策单元非DEA有效。由BCC模型计算出的效率值为技术效率值,还可以进一步分解成规模效率与纯技术效率的乘积,即技术效率=规模效率*纯技术效率。

第二阶段:相似SFA分析模型。第一阶段DEA分析得到的投入/产出松弛变量受三部分因素影响:环境因素、随机因素和管理效率。传统DEA模型并未就这三种因素对投入/产出冗余的影响进行区分,而是把所有影响均归于DMU管理的无效率,因而是不准确的。在第二阶段通过构建类似SFA模型可分别观测出以上三个因素的影响,从而得出仅是由管理无效率造成的DMU投入冗余。利用SFA模型的回归结果进一步对决策单元的投入项进行调整,对那些处于较好外部环境或运气较好的决策单元增加投入,从而剔除外部环境因素或随机因素的影响。

第三阶段:调整后的DEA模型。用调整后的DMU投入数据x′ni代替原始投入数据xni,再次运用BCC模型进行效率评估。由此得到的各DMU的效率值即为剔除了环境因素和随机因素后的技术效率,更能反映各DMU的实际运营状况。

(二)指标选取

DEA方法的研究设计中,投入产出指标是最为关键的因素,基于本文的研究目的是区域金融的生态环境特征,选取经济与人力两方面的相关数据作为投入指标,以金融主体银行作为产出指标,而选取宏观经济、政府等因素作为环境因素。

具体来说,在投入指标方面,设置2个维度,在经济投入方面以第三产业的增值为参考,在人力资本方面以区域大专及以上人口比例为依据。而在产出指标,选取金融主体的存贷款余额,来表示区域金融的居民收益与投资情况,体现了省市金融的经济稳定性。最后,在环境变量中,采用了3个维度:以省市GDP和第三产业的增量作为经济环境;在政策方面,以地方财政支出体现当地政府对于金融的支持力度与方向;社会信用采取省市福利支出作为指标。

表1 指标选取与解释

资料来源:《2014中国统计年鉴》、《2013年中国区域金融运行报告》、《2013中国民政统计年鉴》、中华人民共和国国家统计局。

(三)研究假设

选取我国31个省市作为研究对象,出于数据完整性等原因,选取2013年的区域金融相关数据为分析样本,对于我国区域金融的生态环境进行数据包络分析。根据之前学者的研究成果与现实情况,本文做出如下假设:

H1:2013年我国区域金融生态环境总体情况较好,区域金融生态环境总体有效。

H2:2013年我国区域金融生态环境存在显著的地区差异,不同的地区,区域金融发展效率有显著差别,且西部地区效率较为低下。

H3:虽然我国的地域差别较大,但是在一二线城市中,区域金融的环境被重视,并逐渐向周边衍生。因此,本文认为在2013年时,我国区域金融有效的省市占一半以上的比例。

四、实证分析

(一)2013年我国区域金融整体情况描述

2013年,我国区域金融发展整体水平较好,金融机构的产出指标都显示出较好的水准,金融存款余额超出贷款余额45%,达到了33795亿元的规模,可见居民收入水平的提升,且金融机构的资金总量较大,意味着流动性也会增强。在其他投入指标方面,虽然各省市的GDP总量庞大,且第三产业增值达到了GDP的40%,第三产业的比重已经在我国逐渐增长,但地方的财政支出所占比重却不大,福利支出也有提升空间。总体来看,我国的地区差异性表现得非常显著,除了在教育程度上相差较小,其他的指标都有显著的分化趋势,我国的地区金融差异很大,不同地区的金融生态环境有明显的差距。具体如表2所示。

表2 2013区域金融整体描述统计

在相关性统计中发现,区域金融的各项产出与收入指标都互相存在显著的相关性,这也意味着区域金融的相互依托性,良好的生态环境可以产生良好的金融产出,而良好的金融产出又为下一阶段的金融环境提供支持。具体如表3所示。

表3 2013区域金融整体相关性统计

(续表)

注:**在0.01水平(双侧)上显著相关,*在0.05水平(双侧)上显著相关。

(二)区域金融聚类情况

使用聚类分析直观展现区域金融发展差异,得到两个类别。如表4所示,在第一类中,区域金融的整体发展水平都较为发达,无论是经济、政策、教育、文化程度与金融主体的资金上都较为庞大;而第二类规模较小,证明我国的确有庞大的金融发展差距。

表4 2013年区域金融聚类分析结果

通过图1分析发现,最终广东、江苏、山东、浙江、上海、北京这6个省市被归纳为第一大类,而其他的25个省市则归为第二大类。国家的激励作用于地方协整发展,北上广及周边地区的金融中心圈发展迅速,在区域金融上也起到了领先作用,而其他的省市则差距较大,我国各地域的经济发展悬殊,尤其是我国东西部地区的经济发展存在很大的差异性,在初始聚类中,中西部偏远地区,如西藏、青海、宁夏等也被归为一类,它们的聚类中心数据非常落后。

图1 Ward系统聚类树状图

(三)区域金融生态效率评价与比较

1.第一阶段传统DEA实证结果

使用DEAP2.1软件,基于DEA规模报酬可变的BCC模型,对我国31个地区2013年的2种区域金融生态环境产出指标与5种投入指标进行了效率分析,具体效率估算结果如表5所示,其中crste代表综合效率,vrste代表纯技术效率,scale代表规模效率。

表5 2013年我国31个省市文化产业综合技术效率、纯技术效率及规模效率值

注:crste为综合效率,vrste为纯技术效率,scale为规模效率,irs为规模报酬递增,drs为规模报酬递减,—为规模报酬不变,以下各表均相同。

由表5可见,2013年我国各省市区域金融生态环境的平均综合技术效率为0.827,纯技术效率为0.840,规模效率为0.984。其中,由刚才聚类分析所产生的第一大类省市三项效率值都接近于1,处于技术效率的前沿面;其他的省市则在纯技术效率与规模效率方面都在0.7～0.9之间,各有不同程度的可改进空间。

这一结果说明我国的区域金融生态环境效率比较乐观,但也存在一定的地区差异性,还有待进行进一步的缩小。各省市综合技术的无效率主要来源于纯技术无效率,规模无效率情况相对较轻。

2.第二阶段SFA回归结果

将第一阶段得出的决策单元中各投入变量的松弛量作为被解释变量,将上述三个外部环境变量作为解释变量,并使用Frontier4.1软件与SPSS软件相结合,给出的SFA回归结果如表6所示。

表6 第二阶段SFA回归结果

注:P值为检验解释变量是否显著的指标,P值小于1%,表示通过1%的显著性检验;P值小于5%,表示通过5%的显著性检验;P值小于10%,表示通过10%的显著性检验。(***)表示显著水平达1%,(**)表示显著水平达5%,(*)表示显著水平达10%。

GDP总量分别对第三产业增值与人力资本的松弛变量系数通过1%与5%的显著性检验,而社会福利还对第三产业增值松弛变量通过10%的显著性检验,这可以说明外部的环境对于区域金融生态环境的冗余有产生影响,尤其是GDP总量,即第二阶段的SFA回归检验是有一定必要的。

进一步分别观察GDP的总量对于两个投入变量的系数都为正,说明GDP总量的增加会导致第三产业增值与人口教育水平上升。同样,社会福利因素也对两者有正向的关系,社会福利水平越好,产生的区域金融投入越正面,有更好的第三产业增值与高学历人口。而地方的财政支出却对于两个投入变量有负向的影响,这说明财政支出可能有更多方面,对于金融生态环境的推动并不显著,另外,从P的不显著性也可以看出地方财政对于金融生态环境的影响并不大。

由上述分析可知,各环境因素对区域金融生态环境投入冗余的影响方向不一,程度不等,再综合考虑随机因素对文化产业投入冗余的影响,如在评估DMU效率时不剔除环境因素和随机因素的作用,则很有可能导致对DMU技术效率的不恰当评判,即处于较好经营环境或有好运气的省份的文化产业会有较优表现,反之也成立。因此,以第二阶段结果为依据对我国31个省市区域金融生态环境投入数据进行调整,从而得出在剔除环境和运气因素后的各省市文化产业的效率情况。

3.第三阶段投入调整后DEA实证结果

对2013年我国31个省文化产业投入进行调整后,再次进行BCC模型分析,得出各省市文化产业效率及规模报酬状态,如表7所示。

表7 2013年我国31个省区域金融生态环境同质环境下效率值

(续表)

对比DEA分析第一阶段和第三阶段的结果可看出,剔除环境因素和随机因素影响后,各DMU效率表现改变很大。从各省市金融生态环境效率表现的平均情况来看,第三阶段综合技术效率均值相比第一阶段明显下降,由0.827下降到0.304,规模效率均值也有大幅下降,由一阶段的0.984下降到调整后的0.454,纯技术效率均值下降较少,由0.840下降到0.642。

从各个省市的情况来看,在第一阶段的城市中,广东、浙江、北京仍处于领先地位,而上海、江苏、山东则有小幅下降,且山东省的综合效率与纯技术效率下降得最为严重,说明之前之所以效率表现好是由于当地GDP总量因素影响或运气较好所致,其实际的金融生态环境水平和规模状态并没有看上去那么好。而其他的省市也有不同程度的效率下降的表现。以上分析表明,在不考虑环境因素和随机因素的情况下,各省市综合效率往往被高估,其实并没有很好的区域金融生态环境,且规模效率被高估得更严重,纯技术效率值被略微高估,两者共同致使综合效率值被高估。

五、结论与建议

(一)结论

(1)目前我国区域金融的整体规模较大,但社会信用环境较为落后。虽然我国目前的经济发展情况较为稳定,各省市的金融投入也有庞大的基础,但是在社会信用方面却远远落后于发达国家,社会抚恤与福利、社会保障支出的缺乏使得我国居民的安全感不足,风险偏好也较弱,导致资金的流向单一且保守。

(2)我国金融发展的地区差异性较大,省市之间的发展不平衡较为严重。东中西部的金融发展水平不仅表现出绝对差异,而且相对差异较大,中、西部地区落后于东部地区,且在金融主体资金运用效率上,中部的劣势尤为突出,甚至个别地区的金融产出不到均值的10%。区域金融发展的两极化已经是当下的重大难题。统一的宏观经济政策有利有弊,区域金融发展不平衡现状,已开始反作用于区域经济发展,并制约部分地区经济的发展,而反观经济政策、货币政策还不能充分体现地区差别。

(3)我国总体的金融生态状况有很大的进步空间,金融生态效率值有较多被高估的情况,且存在空间的非平衡性。单从效率投入来说,我国有将近一半的省市达到了金融生态环境效率的前沿,其中更包含金融规模并不是很大的省市,良好的金融生态将会不断提升金融规模。但在剔除了环境因素与随机项后,区域总体金融生态环境直线下降,有许多城市呈现出DEA无效的效率值。同时,我国区域金融生态环境也存在较大的区域差异,北京、上海、广东、浙江等一二线省市有很高的金融生态环境效率,但有更多的偏远或经济不发达地区效率值很低,这些省市的金融发展还有很大的进步空间,需要通过提高金融资金规模提升效率,生态效率也反作用于规模的进一步增加。

(二)建议

(1)加快地方金融业的发展,发达地区带动周边区域。不仅要把发展地方金融机构作为金融业发展的重中之重,大力培养地方金融龙头机构,而且要积极引进国内外金融机构,通过集聚效应将金融生态由重点区域扩散至周边,全面增强金融实力。东西部分别有不同的工业和农业产业布局,要根据工业产业和农村金融需求的特点,加快构建分工合理、投资多元、功能完善、服务高效的现代金融市场体系,探索政策性金融与商业性金融共同支持工业升级和农村经济发展的有效模式。

(2)创造良好的社会信用环境,完善社会信用体系。信用是市场经济的基石,更是金融生态环境的核心。要健全地区社会信用基础,就必须建立和完善多种形式的信用征信和评价体系,加快推进全国统一的征信数据库建设,制定出统一的信用体系、规范标准和查询体系,提高信用数据的开放共享程度,同时需要配套系列的信用违约惩罚措施。

(3)建立和完善区域金融生态环境的科学评价体系,促进区域金融生态环境的改善。根据我国的特有地域差异性,应建立系统的针对性评价体系,对于发达地区和落后地区制定不同的发展目标和核算机制,将区域金融的目标按基数进行设定,以生态环境效率为主要导向,积极鼓励地方政府与企业加快金融创新,支持区域性金融的发展与合作。

参考文献

[1]陈傲.中国区域生态效率评价及影响因素实证分析——以2000—2006年省际数据为例[J].中国管理科学,2007(S1):566-570.

[2]邓波,张学军,郭军华.基于三阶段DEA模型的区域生态效率研究[J].中国软科学, 2011(1):92-99.

[3]黄森,蒲勇健.中国省域经济综合效率分析——基于三阶段DEA模型的研究[J].山西财经大学学报,2010(3):23-29.

[4]金欣雪,谢邦昌.区域金融生态环境评价与实证[J].统计与决策,2014(15):160-162.

[5]孙刚.区域金融发展的空间集聚与上市企业创新研究[J].投资研究,2015(3):20-38.

[6]陶长琪,王志平.技术效率的地区差异及其成因分析——基于三阶段DEA与Bootstrap—DEA方法[J].研究与发展管理,2011,23(6):91-99.

[7]王家庭,张容.基于三阶段DEA模型的中国31省市文化产业效率研究[J].中国软科学, 2009(9):75-82.

[8]谢军,黄志忠.区域金融发展、内部资本市场与企业融资约束[J].会计研究,2014(7):75-81.

[9]姚爽,黄玮强,张展.区域金融生态环境评价——基于修正变异系数法[J].技术经济, 2015(10):61-67.

[10]赵然.区域金融生态环境综合评价研究——基于熵值法的中部六省数据分析[J].区域经济评论,2015(4):103-110.

[11]周建荣.金融生态环境、金融主体发展及其关系探析——基于区域面板数据的实证研究[J].财政监督,2011,6(11):100-105.

[12]Charnes,A.,W.Cooperand E.Rhodes.Measuringtheefficiencyofdecisionmaking units[J].European Journalof Operational Research,1978(2):429-444.

[13]Choi SR,Park D,Tschoegl AE.2013.Banksandtheworld'smajorbanking centers,2000[J].Reviewof World Economics,139(3),pp.550-568.

[14]Fried,Lovell,Schmidt,etc.Accounting for Environmental Effects and Statistical Noisein Data Envelopment Analysis[J].Journal of Productivity Analysis,2002(17),121-136.

[15]King,Robert Gand Ross Levine.Finance Entrepreneurshipand Growth:Theoryand Evidence[J].Journalof Monetary Economics,1993(32):513-542.

Research on ecological environment of regional finance in 31 provinces of China based on Three-stage DEA Model

Zhu Weiqi,Sun Hongmei

Abstract:Based on the 2013 China's 31 provinces and cities regional financial ecological input and output and environmental factors,using the three stage DEA method,analysis the present situation and development trend of the overall financial ecological environment,the results show that:on one hand,a leading regional overall financial development in our country,but there is space not balance,the western region lags behind,and dependence on environmental factors;On the other hand,after excluding the environmental factors and random factors,the regional financial ecological environment in China is not optimistic,from pure technical efficiency and scale efficiency of low level lead to comprehensive efficiency value is low.To this,this article put forward some suggestions to help the further development of China's financial ecological environment.

Key Words:Three-stage DEAModel;Regional Finance;Ecological Environment

[1] 本文受到作者独立主持的上海师范大学2016年研究生优秀成果培育项目(A-0132-00-002050)、上海师范大学学生科研重点项目、上海师范大学研究生学术沙龙A类项目的资助。

[2] 朱伟琪(1993.7—),上海师范大学硕士研究生,专业为金融学。

[3] 孙红梅(1967.11—),女,博士、教授、硕士生导师,上海师范大学,研究方向为财务管理与风险控制。