基于DEA模型的我国各省份金融效率研究.docVIP

基于DEA模型的我国各省份金融效率研究 　　摘要：本文主要以2012年全国31个省市自治区的相关金融数据为样本，应用DEA模型并通过MaxDEA软件分析各省份的金融机构效率。实证分析表明，东中西部三个区域之间的金融效率体现出明显的差异，东部地区的金融机构效率要明显高于中部和西部。从投入和产出指标冗余方面，主要冗余体现在投入指标上，产出指标也有较多省份存在冗余。研究在一定程度上揭示了各地区在发展过程中金融效率的差别及相应的问题，这需要从制度和技术等各方面优化金融机构，大力发展金融市场和金融服务，减少投入和产出冗余，以真正提高金融机构的金融效率。 　　关键词：DEA模型；金融机构；MaxDEA；金融效率 　　中图分类号：F830 文献识别码：A 文章编号：1001-828X（2015）018-000-02 　　一、理论分析及模型的构建 　　1.数据包络分析（DEA）模型 　　数据包络分析（data envelopment analysis，DEA）是一个多投入、多产出的多个决策单元的效率评价方法。它是1978年由Charnes和Cooper创建的。可广泛使用于业绩评价。 　　最常用的DEA模型有两个：CCR和BCC模型。 　　2.指标的选取 　　本文在采用DEA模型时，选取了以下投入和产出指标 　　（1）本选选取了存贷比（等于年末贷款额/年末存款额）作为DEA模型的一个投入指标，存贷比不仅可以衡量银行的流动性风险，也可以一定程度上反映金融机构的效率。 　　（2）作为金融机构的人力和智力资源，从业人员毫无疑问地会影响到机构的运营效率，基于数据既要符合科学性又要充分可得，本文采用的是从业人员数与地区总人口表示金融从业人员比值。 　　（3）金融资源是指金融领域中关于金融服务主体与客体的结构、数量、规模、分布及其效应和相互作用关系的一系列对象的总和或集体。考虑到各省份的人口规模不同，本文选取存贷款款总额与地区人口的比值表示人均金融资源，此为第一个产出指标[2]。 　　（4）金融增加值是指金融业的各个基层单位在一定时期内创造的价值总和，可反映当年的金融效率的高低，因为金融效率越高必然会带来高产出。基于数据的可比性、科学性，本文选取了金融增加值的增长率（对比11年）作为第二个产出指标。 　　（5）金融业增加值占地区GDP的比重反映了金融产业对整体经济的贡献率，直接体现了金融业对地区经济的支持力度，所以本文选取了各省份的金融业增加值占地区GDP的比重作为第三个产出指标。 　　二、实证结果及评价 　　各省份金融效率分析。根据以上模型，本文选取了2012年全国31个省市地区的相关金融数据，数据选自中国金融年鉴2013和中国统计年鉴2013，通过MAX DEA软件对各省份的综合金融效率进行了测算，结果如表1： 　　为了更好地对不同地区的省份效率进行对比分析，本文根据国家统计局2011年6月13号的划分办法，将全国31个省市地区四大地区。 　　全国的各项效率得分如表2所示： 　　金融综合效率处在前沿面的一共有7个省份：北京、天津、上海、四川、贵州、云南、西藏，仅占了样本数的22.6%，这7个省份不仅综合效率处在前沿面，金融纯技术效率、规模效率也均在前沿面，而其他绝大部分省份在投入或产出方面与效率前沿面均存在偏差。（见图1） 　　从图1我们可以看到绝大部分省份的规模效率值是大于纯技术效率的，相对于提高金融技术，各省份更多地要提高规模效益。 　　为了更加清晰地看到各省份的效率，本文以金融纯技术效率为横坐标、金融规模效率为纵坐标做出了31省份的分布图如图2： 　　为了更加准确地对各省份进行分类，文本通过SPSS20软件的聚类分析，以金融纯技术效率（PTE）、金融规模效率（SE）为分类变量，我们可以把31个省份分为以下四类： 　　（I）PTE=1，SE≥0.85的省份有10个：北京、天津、上海、江苏、山东、云南、西藏、四川、贵州、重庆。（II）0.72≤PTE≤0.92，0.86≤SE≤0.98 的省份有12个：浙江、广东、湖北、广西、海南、福建、新疆、青海、宁夏、山西、辽宁、陕西。（III）0.77≤PTE≤0.97，0.70≤SE≤0.81的省份有5个：江西、河南、安徽、甘肃、河北、。（IV）0.64≤PTE≤0.77，0.60≤SE≤0.80的省份有4个：内蒙古、吉林、黑龙江、湖南。 　　三、研究结论 　　根据以上发现，本文给出了以下建议： 　　第一，鉴于中西部、东北部和东部地区在金融效率上的差距，国家应加大对中西部及东北部的金融业扶持力度。 　　第二，不同的省份在提高金融效率方面要有不同的侧重点。按照前文以金融纯技术效率（PTE）、金融规模效率（SE）的高低特点把全国的各省份分为四类。第一类省份多