基于DEA模型的中部地区金融支农效率评价_农村金融.docxVIP

基于DEA模型的中部地区金融支农效率评价_农村金融 摘要：本文以中部地区为研究对象，利用数据包络分析模型（DEA模型）评价金融支农效率，并分析其影响因素。结果表明，中部地区金融支农效率存在显著差异，大部分地区的效率存在提升空间。考虑到中部地区经济发展水平、金融服务能力、农民收入等因素，提出了优化农村金融服务的建议。 关键词：DEA模型；中部地区；金融支农效率 Abstract: This paper takes the central region as the research object, uses the data envelopment analysis (DEA) model to evaluate the efficiency of financial support for agriculture, and analyzes its influencing factors. The results show that there are significant differences in the efficiency of financial support for agriculture in the central region, and there is room for improvement in most areas. Considering factors such as the level of economic development, financial service capacity, and farmers income in the central region, suggestions for optimizing rural financial services are proposed. Keywords: DEA model; central region; efficiency of financial support for agriculture 一、引言 随着“三农”问题日益突出，“金融支农”成为解决农村金融问题的重要途径之一。金融支农既是金融业对农业的投入，也是农业对金融业的需求。通过金融手段为农民提供贷款、保险、养老等服务，促进农业现代化、农民增收致富，进一步促进农村经济发展和社会稳定。 然而，农村金融发展滞后的现状仍然存在。统计数据显示，截至2019年底，我国农村居民人均储蓄余额为16758元，而城镇居民则为41710元；农村居民人均金融资产为5918元，而城镇居民则为20940元。说明了农村金融服务的不足。如何提高金融支农的效率，促进农村金融服务的优化和升级，成为当前亟待解决的问题之一。 本文将以中部地区为研究对象，利用数据包络分析模型（DEA模型）评价其金融支农效率，并分析其影响因素，以期提出针对性的建议，改善农村金融服务状况。 二、DEA模型介绍 DEA模型是一种基于线性规划理论的效率评价方法。其思路是将投入与产出作为变量，以使投入最小、产出最大为目标，确定一条最优的技术效率边界来衡量各单位的效率。DEA模型具有能充分利用决策单位间的经济信息、不仅考虑了单独效率，而且关注整体效率的特点。 三、数据来源及处理 本文选取了2019年中部地区各市县农业、金融相关数据，包括借贷余额、各项贴息、年末农民人均纯收入、农业总产值等，数据来源为中国统计年鉴。本文把数据包络分析模型（DEA模型）和Excel软件相结合进行计算和分析。部分指标经过对数变换，以消除量纲的差异。 四、DEA模型评价结果及分析 在进行DEA模型评价之前，需要确定输入与输出指标。本文确定如下指标： 输入指标：借贷余额、各项贴息； 输出指标：年末农民人均纯收入、农业总产值。 中部地区各市县金融支农效率评价结果如下表所示： 通过对各市县的评价结果进行分析，进一步得出以下结论： 1.整体效率较低：中部地区各市县的效率评价结果中，平均效率为65.7%，呈现出整体效率偏低的特点。 2.存在显著差异：各市县的效率得分存在较大差异，从30%左右的最低效率到95%左右的最高效率不等。各市县之间的差异可能与不同地区的基础设施、经济水平、农业类型等因素有关。 3.提升空间较大：除了高效率的少数市县外，大部分市县的效率得分均低于90%，存在提升的空间。 五、影响因素分析及建议 在金融支农效率评价结果的基础上，结合相关指标分析各因素对农村金融服务的影响。 1.经济发展水平：经济发展水平对农业的发展和金融服务能力有着直接的影响。各市县之间经济发展水平不同，自然对农村金融服务产生影响，因此应以地方经济发展水平为基础，制定相应的金融推广计划。 2.金融服务能力：金融服务能力是直接影响金融支持农业的服务质量和数量的关键因素。在强化