基于DEA模型的中部地区金融支农效率评价_农村金融.docVIP

基于DEA模型的中部地区金融支农效率评价_农村金融 论文摘要：本文采用数据包络分析（DEA）方法对中部八省的农村金融资源配置效率作整体的评价和比较，在此基础上剖析了中部八省在金融机构支农效率的影响因素。分析表明：山西、安徽、江西、湖南与河南须提高金融支农的管理水平与完善相关的制度，同时提高金融支农的规模效率，湖南的制度建设与管理水平相对完善，但须提高规模效率。其中，农村信用社的贷款力度不足是影响金融支农效率的关键。 论文关键词：金融资源,农村金融,配置效率,中部 一、引言 农村金融资源的配置效率问题一直受到国内外学者的关注。王秀山(2002)在对金融资源的划分就基础上对金融资源的效率进行了深入地研究。曾康霖(2005)认为金融资源主要包括作为资金的货币、能够流通的证券、社会成员间及成员和政府间的信用，其共同特点是能够作为经济发展的要素带来增值。帕加诺(Pagano，1993)在内生增长模型为基础上对金融发展作用于经济增长的机制作出全面规范的解释。韩廷春(2001)将影响经济增长的因素分解为储蓄率、储蓄转化为投资的比例以及资本的边际效率，并经济增长与金融发展之间的关系进行了分阶段的计t检验，认为不同的经济发展阶段，金融深化程度对经济的影响不同。麦金农(McKinnon)和肖(Shaw,1937)针对金融受到压抑的发展中国家的经济提出了金融深化理论，从金融抑制和金融深化的角度论证了货币金融和经济发展的辩证关系.。 总体而言，国内对农村金融资源配置效率的研究大多数还停留在定性分析方面，定量分析的文献相对较少。在加快发展农村的同时，不能光靠增加金融支农的投入，还应注重农村金融资源自身的配置效率，使金融支农从粗放型向集约型发展。因此，有必要对农村金融资源配置效率做出科学的评价，在此基础上厘清农村金融资源配置效率的影响因素，为改善农村金融生态环境提供有益的借鉴。基于以上思考，本研究运用DEA模型对各地区农村金融资源配置效率进行评价和分析，并结合Tobit回归模型探索农村金融资源配置效率的影响因素。 二、研究方法及说明 数据包罗分析（DataEnvelopmentAnalysis,DEA）方法是一种非参数的效率评估技术。最早的DEA技术是Farrell(1957)对英国农业生产力进行分析时提出的包罗思想和此后基于线性规划技术发展起来的用于经济定量分析的非参数方法。Charnesetal(1978)把这个方法推广到适应多输入多输出同类的决策单元（decisionmakingunitDMU）情形，形成了规范的数据包罗分析方法。本文就DEA模型对中部八省金融机构金融支农效率做整体评价。 假设将对n个地区进行金融支农效率进行比较，每个地区都有m种投入变量和s种产出变量，表示第j个地区的第i种金融资源投入总量，表示第j个地区第i种金融资源的产出总量。那么则有第j个地区金融资源的投入为=（，，，，产出为=（，，，，令V为投入向量的x的权系数向量，U为产出向量Y的权系数向量，以第j地区的效率评价为目标函数，以全部单元的效率指数约束，得到最优化的CCR模型： Max= s.t≦1 u≧0,v≧0,j=1,2,,n 利用Charnes-Cooper变换，将上述非线性变换成模型等价的线性规划模型： Min[-(+)] 令、、、是给定问题的最优解，若=1，且=0或=0，则称第j个地区为DUM有效，即DUM同时技术有效和规模有效；若=1，且0或0，则称第j地区为DUM弱有效，即DUM不是同时技术有效和规模有效；若＜1，则称底j地区为DUM无效，即DUM既不是技术效率最佳，也不是规模收益最佳。 CCR模型中的最优值可以判断DUM的规模收益情况，具体表现在：（1）如果存在（j=1,2,,n）使得=1,则DUM的规模收益不变；（2）如果不存在（j=1,2,,n）使得=1,若＜1,则DUM的规模收益递增；（3）如果不存在（j=1,2,,n）使得=1,若＞1,则DUM的规模报酬递减。 由于有很多的因素可能导致DUM存在规模报酬变化(VRS)，因此，在固定的规模报酬的基础上，Banker（1984）在CCR模型上增加了一个凸性假设=1,得到BCC模型。 通过执行CRS和VRSDEA，可以获得厂商的规模效率。其关系可以表示为： =*SE 其中，表示规模收益不变的技术效率得分，表示规模收益可变的技术效率得分，SE表示规模效率得分。根据这些指标，本文就可以对我国中部八省金融支农的效率作整体的评价。 三、研究指标及数据的选取 运用DEA模型对中部八省农村正规金融机构金融支农效率进行分析时，首先要确定金融支农的投入和产出指标。金融支农的关键是在一定的投入规模