研究论文中国省际金融发展水平研究.docx

研究论文中国省际金融发展水平研究.docx

《研究论文中国省际金融发展水平研究.docx》由会员分享，可在线阅读，更多相关《研究论文中国省际金融发展水平研究.docx（7页珍藏版）》请在冰豆网上搜索。

研究论文中国省际金融发展水平研究

107211金融研究论文

中国省际金融发展水平研究

　　关键词：

四阶段DEA-Tobit；金融效率；外部环境因素

一、引言

　　金融是现代经济的核心，金融与经济相互促进、共同发展。

对于一个区域来说，大量改革实践及研究表明，区域经济越发达，越能聚集经济资源及人力资本，金融市场越成熟；反过来，区域金融发展水平越高，越能给该区域提供资金支持、优化资源配置、调控经济发展，则区域经济增长的推动力往往越大。

如今，金融处在一个大资管时代背景下，金融行业在不断的转型与创新，金融对经济的直接或间接贡献比重也越来越大。

一个区域的金融发展水平状况，能够在一定程度上反映出该区域经济的发展状况。

因此，本文研究中国省际金融发展状况，是有现实意义的。

　　衡量金融发展水平的重要指标是金融效率。

在经济学中，效率指的是投入与产出之间的关系，即用最少的投入来获取最大的效用。

那么，顾名思义，金融效率反映的是金融部门投入与产出关系；从金融资源观的视角出发，也就是：

将有限的金融资源进行有效配置，以实现帕累托最优。

　　在实际研究中，金融效率本身是一个极其综合、复杂的指标，且具有不同的分类标准。

学者们基于不同的分类标准，选取合适的单一指标或多指标来衡量金融效率大小，如贷款与储蓄之比、金融资产总量与GDP之比等等。

但是，金融系统是一个错综复杂的系统，金融市场信息具有不确定性、不对称性、非线性、非结构性等特征；若用单一指标来衡量金融效率大小，会由于金融市场信息的缺失从而导致评估结果出现系统性偏差；若用多指标加权计算来衡量金融效率大小时，会遇到权重设定问题。

　　基于上述考虑，本文不直接用指标来衡量金融效率大小，而是间接用指标来衡量。

在金融系统中，作为金融中介的银行、券商、基金公司、信托公司、保险公司等，吸收社会闲置资金，通过金融市场运作，将闲置资金配置到资本边际效率最高的项目中去，以提高资本边际生产率，从而加速经济发展。

可见，金融系统实际上是一个多投入、多产出系统。

考虑到投入和产出这两个词，本文采用运筹学中的数据包络分析（dataenvelopmentanalysis，DEA）方法，来对金融效率进行客观分析。

因此这里的“间接”之意为：

确定金融投入指标和金融产出指标，运用DEA方法来计算金融效率。

　　测算金融效率的常用工具为经典DEA方法；但该方法本身存在一个缺陷，那就是：

未考虑决策单元所处的外部环境因素对效率得分的影响。

鉴于此，Fried等提出了四阶段DEA-Tobit方法，以剔除外部环境因素对效率测算所做造成的影响，使效率评估更为真实、准确、客观。

目前，国内关于DEA效率测算的研究主要采用的是经典DEA方法；本文尝试运用四阶段DEA-Tobit方法对我国省际金融效率进行客观测算，从而进一步比较各省之间的金融发展状况。

二、四阶段DEA-Tobit模型

　　DEA方法给出了三种信息：

投入松弛量、产出松弛量、和效率得分。

对于经典DEA方法来说，评估决策单元效率所使用的信息为效率得分，对松弛量信息却“视而不见”。

而四阶段DEA-Tobit方法巧妙的把效率得分与松弛量信息相结合，通过Tobit回归模型来剔除外部环境因素对效率得分的影响。

四阶段DEA-Tobit方法的基本步骤见下。

　　1.第一阶段：

经典DEA模型。

本文采用DEA-BCC模型，其基本形式如下，

　　其中，θ0为某个决策单元的效率值，si-为第i个投入松弛量，sr+为第r个产出松弛量，ε为非阿基米德无穷小，m为投入指标个数，s为产出指标个数。

　　2.第二阶段：

Tobit回归模型。

Tobit回归模型的建立主要分为两步。

　　第一步，构造一个新指标，将其命名为投入总松弛量，构造公式为：

　　其中，Sij为第j个决策单元第i个投入的总松弛量，θj和sij-分别为第一阶段经典DEA-BBC模型所计算出的效率得分和投入松弛量，xij为第j个决策单元第i个投入指标值。

　　第二步，构造Tobit回归模型。

所构造的Tobit回归模型共有m个，对于第i个投入总松弛量，相对应的tobit回归模型分量形式如下

　　Sij=βiZpj+ui，p=1，2，…，k

　　其中，Zpj为第j个决策单元第p个外部环境指标，βi为第i个tobit回归模型的回归系数向量，ui为第i个tobit回归的误差项，k为外部环境指标个数。

　　3.第三阶段：

投入指标调整。

该阶段是对外部环境因素的剔除，剔除方法则为投入指标的调整，调整公式如下：

　　其中，xijadj为调整后的投入指标，Sij为第二阶段Tobit回归的拟合值。

经过如上一番调整后，外部环境因素已被剔除，所有的决策单元均处于相同的外部环境中。

　　4.第四阶段：

经典DEA-BBC模型。

最后阶段再次回到经典DEA-BBC模型，根据调整后的投入指标xijadj来进行DEA效率测算。

三、实证分析

　　1.指标选取。

金融发展的投入指标有三个：

金融机构数、固定资产投资总额和贷款余额，分别反映了各省为推动金融发展所投入的人力、物力和财力。

　　金融发展的产出指标有三个：

人均GDP增加值、人均纯收入和人均消费支出。

其中，人均GDP增加值指标反映了经济发展的速度和规模；人均纯收入指标反映了居民生活水平；人均消费支出反映了居民实际生活水平的改善。

　　金融发展的外部指标主要从居民受教育程度、工业机械化程度、产业结构及贸易进出口四个方面来选取，相应指标分别为大专以上文化程度人数、工业机械总动力、二三产业增加值占比、产品贸易逆差数量。

　　此外，本文采用20xx年数据进行实证分析，数据均来自于《中国统计年鉴》、《中国区域金融运行报告》和《中国金融年鉴》。

　　2.第一阶段：

经典DEA-BBC结果分析。

根据第一阶段经典DEA-BBC的结果可知，全国省际金融发展的综合效率得分差距过大，仅有5个省份的金融综合效率得分为1，占比16.1%，分别为北京、天津、上海、西藏和青海。

有4个省份的金融综合效率得分在0.6和0.8之间，占比12.9%，分别为宁夏、青海、内蒙古和安徽。

剩下的22个省份的金融综合效率得分均低于0.5，占比71%。

此外，各省的金融规模效率得分差距不大，但金融纯技术效率得分差距过大，有21个省份的金融纯技术效率得分低于0.5，占比77.4%。

　　从各省的金融效率得分来看，有几个省份的金融效率得分与实际情况相悖。

西藏和青海的金融综合效率得分为1，但该两省地处偏远地区，经济不发达、金融不健全、高素质人才缺乏，其金融综合效率得分理应较低。

相反，江苏、浙江、山东等东部省份，经济发展位居国内之首，金融市场健全成熟，但金融综合效率得分却很低，分别为0.23、0.19、0.15，排名分别为倒数第6、倒数第5和倒数第3。

　　基于上述分析可知，运用经典DEA方法所测算出的各省金融效率得分，存在不合理性，即全国省际金融综合效率得分相差悬殊，西藏和青海两省得分较高，而江苏、浙江、山东三省的得分较低。

因此，对金融效率进行测算时，需要考虑外部环境因素的影响。

　　3.第二阶段：

Tobit模型结果分析。

Tobit回归模型的拟合结果见表1。

可知，三个tobit模型均通过1%显著性检验。

下面从四个外部环境指标出发，分析外部环境指标对金融机构数、贷款余额和固定资产投资总额这三个输入指标松弛量的影响程度。

（1）大专以上文化程度人数。

该外部指标对金融机构数、贷款余额和固定资产投资总额的松弛量均有显著负影响；也就是说，大专以上文化程度人数或者说高学历人数的增加，会降低该三个输入指标的冗余度，从而提高了金融效率。

可见，国民受教育程度的提升，有助于金融知识的大力宣传与普及，从而进一步促进金融发展。

（2）工业机械总动力。

该外部指标只对固定资产投资总额松弛量有显著正影响；也就是说，工业机械总动力的增加，会提高固定资产投资总额松弛量的冗余度，从而降低了金融效率。

可见，工业机械总动力并未得到高效利用，存在产能过剩，从而造成固定资产投资额的浪费，对金融发展未起到应有的促进作用。

　　（3）二三产业增加值占比。

该外部指标对金融机构数、贷款余额和固定资产投资总额的松弛量均有显著负影响，也就是说，二三产业增加值比重的加大，会降低这三个输入指标的冗余度，从而提高了金融效率。

可见，二三产业增加值占比的加大，反映了产业结构优化调整的成效性，对金融市场的发展起到促进作用。

　　（4）贸易逆差总额。

该外部指标仅对两个输入指标（贷款余额、固定资产投资总额）松弛量具有显著正影响；也就是说，贸易逆差的扩大，会增加这两个输入指标的冗余度，从而降低了金融效率。

可见，贸易逆差的扩大，会使贷款额度和固定资产投资额度得不到有效利用，从而对金融市场的发展起到负面效应。

　　基于上述分析可知，外部环境因素对金融效率得分的测算具有显著影响，因此用DEA方法进行省际金融效率测算时，需要考虑外部环境因素的影响，并对其剔除。

　　4.四阶段DEA-Tobit结果分析。

在剔除外部环境因素之前，我国省际金融发展的综合效率得分差距过大，有22个省份的金融综合效率得分均低于0.5。

剔除外部环境因素影响后，各省的金融综合效率得分有一定程度的提高，且分布均匀，见表2。

可见，北京、天津、上海三个直辖市的金融环境处于较好的区域大环境，而其他省份的金融环境均受到外部环境因素的负面干扰，尤其是江苏、浙江和山东三省，从而造成金融效率的低下。

因此，运用四阶段DEA-Tobit方法进行金融效率的测算是合理的，具有一定的意义。

　　由表2可知，金融综合效率得分为1的省份有六个，分别为北京、上海、天津、江苏、浙江和广东；这六个省市均处于东部沿海地区，经济发达、金融市场健全成熟，且北京、上海和广东聚集了优秀的金融人才以及全国80%的金融机构，大大促进了金融市场的发展，故金融综合效率最高是当之无愧的。

金融综合效率得分较高的省份还有山东、辽宁、安徽、福建、山西和湖北，这六个省份也是我国的经济和人口大省，金融发展状况良好。

金融综合效率较低的省份有新疆、西藏、云南、青海、甘肃和宁夏，其效率得分均在0.5以下，这六个省份均处于我国西部地区，经济发展水平滞后于东部和中部省份；虽然在国家西部大开发战略等政策的指引下，西部省份的金融发展支持力度相对较大，但由于受经济发展基础薄弱、金融体系结构不完善等因素的影响，西部省份的金融发展相对落后，故金融综合效率得分较低。

　　从东中西地区层面来看，我国东部、中部、西部地区省份的金融综合效率得分均值，分别为0.93、0.72和0.40；可见，我国东中西地区省份的金融综合效率得分呈阶梯式序列，东部省份得分最高，中部省份次之，西部省份的金融综合效率远远低于东部和中部省份。

西部省份与东中部省份的金融综合效率的差别，主要在于西部省份的金融规模效率得分远远低于东中部省份，西部省份的金融规模效率得分为0.59，远远低于东中部省份的0.95、0.83；此外，西部省份的金融纯技术效率得分为0.68，也低于东中部省份（0.98、0.87），但悬殊不如金融规模效率得分大。

四、结论及建议

　　本文基于金融效率评价指标，运用四阶段DEA-Tobit方法，对我国31个省级行政区的金融发展状况进行实证分析，得出的结论与建议如下：

　　1.效率测算方法。

在对金融效率得分进行测算时，四阶段DEA-Tobit方法与经典DEA方法所测算出的结果相差很大。

若不考虑外部环境因素对效率得分的影响，经典DEA方法所测算出的省际金融效率水平明显偏低，且不合理，与实际情况相违背；因此，考虑外部环境因素对效率测算所造成的影响非常有必要。

四阶段DEA-Tobit方法通过Tobit模型来对外部环境因素进行剔除，所测算出的省际金融效率得分，与经典DEA方法相比，更为客观、真实、准确。

　　2.外部环境因素。

居民受教育程度、工业机械化程度、产业结构水平以及产品贸易等外部因素对各省的金融发展起着至关重要的推动作用。

未来应大力推进全民教育，大力提高居民精神、文化水平，各省应调整经济结构、淘汰落后产能、促进产业结构的转型省级，出台多项措施来促进产品进出口贸易的发展，从而推动金融效率的提高。

此外，还应深化改革金融体制、构建金融发展新体制。

　　3.西部省份。

西部省份金融综合效率最低。

从金融发展投入指标来看，西部省份的金融机构数目、类型及金融资产总额远远低于东中部省份，这也就解释了西部省份金融规模效率低于东中部省份这一实证结果。

因此，国家应重视西部地区金融市场的发展、促进西部省份金融理念的推广和金融人才的引进，通过提高金融规模来增强金融技术水平，从而促进金融效率水平的提高。