姚鳳閣，張 萍

(哈爾濱商業(yè)大學(xué) 金融學(xué)院，哈爾濱 150028)

引言

自改革開放以來，我國政府為推動農(nóng)村金融發(fā)展采取了一系列措施，諸如成立農(nóng)業(yè)發(fā)展銀行，農(nóng)業(yè)銀行向商業(yè)銀行和股份制銀行轉(zhuǎn)變，其政策性業(yè)務(wù)交由農(nóng)發(fā)行辦理;農(nóng)村信用社與農(nóng)業(yè)銀行脫離并按合作性原則重塑;規(guī)范非正規(guī)金融;建立一大批農(nóng)村中小銀行;等等。這些措施在一定程度上整合了農(nóng)村金融資源，提高了資金利用率，降低了農(nóng)村金融風(fēng)險。進入21世紀以來，解決好三農(nóng)問題對我國而言已經(jīng)成為推動經(jīng)濟、社會發(fā)展、改善民生及構(gòu)建和諧社會的重要課題，人們也越來越深刻地認識到農(nóng)村金融在緩解農(nóng)村貧困、促進農(nóng)村經(jīng)濟發(fā)展以及保持社會穩(wěn)定方面的巨大作用。由于農(nóng)業(yè)具有顯著的弱勢性和一定程度的公共品屬性，所以無論在發(fā)達國家還是在發(fā)展中國家，都普遍依托金融平臺，提高農(nóng)村金融組織的服務(wù)功能效率，來推動農(nóng)村經(jīng)濟發(fā)展。對農(nóng)村金融組織的服務(wù)功能進行量化分析效率評價，有利于全面掌握我國農(nóng)村金融組織的服務(wù)狀況，這對于完善農(nóng)村金融服務(wù)，縮小城鄉(xiāng)金融服務(wù)差異，促進農(nóng)村經(jīng)濟發(fā)展有十分重要的意義。

最早對銀行功能的關(guān)注始于18世紀，亞當·斯密、大衛(wèi)·李嘉圖和約翰·米勒認為銀行的功能在于提供信用媒介。1912年，美國經(jīng)濟學(xué)家約瑟夫·熊彼得提出銀行的信用創(chuàng)造功能是推動經(jīng)濟發(fā)展的動力。但這之后的研究都集中在貨幣對經(jīng)濟的影響。隨著1969年雷蒙德·W.戈德史密斯(Raymond W.Goldsmith)提出了金融結(jié)構(gòu)理論，指出金融發(fā)展是金融結(jié)構(gòu)的變化。1973年，羅納德·I.麥金農(nóng)和愛德華·S.肖提出金融深化理論，從此金融發(fā)展理論開始進入人們視野，開始了圍繞金融對經(jīng)濟的影響進行研究。1995年，默頓(Robert C.Merton)和博迪(Z.Bodie)等人相對于傳統(tǒng)的“金融機構(gòu)觀”而言，提出以金融功能為理論核心的“金融功能觀”來研究金融體系變化。此后，中國國內(nèi)對金融發(fā)展沿著金融功能的思路進行研究［1］。白欽先、譚慶華(2006)重新定義金融功能，即基本功能、核心功能、擴展功能和衍生功能，并從金融功能角度研究金融發(fā)展對經(jīng)濟發(fā)展的作用［2］。在對金融功能理論的理解不斷加深后，中國更多的學(xué)者從金融功能視角來分析中國農(nóng)村金融對農(nóng)村經(jīng)濟的影響。李喜梅(2006)從金融對經(jīng)濟發(fā)展起促進作用這一隱形功能的角度研究得出中國農(nóng)村金融功能失衡，并未支撐農(nóng)村經(jīng)濟發(fā)展。曹軍新(2009)運用金融功能與制度結(jié)構(gòu)相統(tǒng)一的分析框架分析了中國農(nóng)村金融體系缺陷［3］。對于農(nóng)村金融效率的研究，主要集中在探討信貸對農(nóng)村金融效率的影響。如Chang、Hsieh (1998)運用nonparametric programming approach，Lee、Wang、Peng (2006)應(yīng)用隨機成本frontier 分析和數(shù)據(jù)包 絡(luò)分析(DEA)，Liu、Lin(2007)運用數(shù)據(jù)包絡(luò)分析法分別分析臺灣農(nóng)民協(xié)會的信貸部門(CDFAs)的規(guī)模效率、技術(shù)效率、配置效率和運行效率［4］，［5］，［6］。Fleschner、Guirkinger、Boucher (2010)運用面板數(shù)據(jù)和二階段DEA 分析來估計北秘魯正規(guī)信貸可得性對農(nóng)業(yè)金融效率的影響［7］。

綜上所述，目前國內(nèi)外對金融功能、金融效率的研究已經(jīng)相當充分，但國內(nèi)外學(xué)者們忽略了對金融功能效率的研究，尤其對農(nóng)村金融組織的服務(wù)功能效率的定量研究仍是空白。本文擬運用網(wǎng)絡(luò)分析法構(gòu)建服務(wù)功能效率評價指標體系，并結(jié)合COPRAS－G 方法進行定量分析，得出相對于城鎮(zhèn)金融機構(gòu)的量化的我國農(nóng)村金融組織的服務(wù)功能效率值。

一、研究方法

農(nóng)村金融組織的服務(wù)功能是指農(nóng)村金融組織為農(nóng)村經(jīng)濟運行所提供的便利程度。農(nóng)村金融組織的服務(wù)功能效率更多受到各種復(fù)雜因素影響，并且因素間具有相關(guān)關(guān)系，而且與城鎮(zhèn)金融機構(gòu)比較后得出的農(nóng)村金融組織的服務(wù)功能效率更有實際意義，因此對農(nóng)村金融組織的服務(wù)功能效率的量化計算可以看作是一個復(fù)雜因素決策制定(Multple criteria decision making，MCDM)問題。網(wǎng)絡(luò)分析法(Analytic network process，簡稱ANP)是適用于解決具有復(fù)雜關(guān)系的模型，此模型可以用來確定每個指標的權(quán)重，因此為了評估金融組織的服務(wù)功能效率，有必要選擇恰當?shù)闹笜藖碓u估信息，并根據(jù)這些指標來構(gòu)建相應(yīng)評估體系。當需要在一定指標下比較一定量的變量時需要應(yīng)用決策分析方法。這時可以使用復(fù)雜比例估計(Complex proportional assessment，簡稱COPRAS)方法。2008年Zavadskas et al.提出區(qū)間灰色復(fù)雜比例估計模型(Complex proportional assessment with grey interval numbers，簡稱COPRAS－G)。COPRAS－G 方法認為指標值是非連續(xù)性的，這一方法是基于實際決策過程并運用灰色系統(tǒng)理論(Grey systems theory)。因此，本文擬先應(yīng)用ANP方法確定影響我國農(nóng)村金融組織的服務(wù)功能的各指標的權(quán)重，再通過運用COPRAS－G 方法得出相對于城鎮(zhèn)金融機構(gòu)的我國農(nóng)村金融組織的服務(wù)功能效率值。

(一)網(wǎng)絡(luò)分析方法

網(wǎng)絡(luò)分析法(Analytic network process，簡稱ANP)由兩部分構(gòu)成。第一部分是一個控制層或者一個網(wǎng)絡(luò)，它由控制相互作用的標準和準標準構(gòu)成。第二部分是元素和元素群之間的影響關(guān)系所構(gòu)成的網(wǎng)絡(luò)。這一網(wǎng)絡(luò)因標準的不同而不同，對于每一個控制標準，都會計算一個不同的超級矩陣。最后，每一個超級矩陣會根據(jù)其控制標準的優(yōu)越性而進行加權(quán)，結(jié)果通過對所有標準的綜合加和而得到。ANP 的層次結(jié)構(gòu)如圖1所示。

ANP 的使用步驟如下:

1.構(gòu)建網(wǎng)絡(luò)

(1)確定控制層。包括用于比較系統(tǒng)中組成部分的標準和用于比較系統(tǒng)中元素的準標準。

(2)對于每個控制標準或準標準，確定其元素群。

2.構(gòu)造ANP 超級矩陣

(1)根據(jù)控制標準，對于受此元素群影響的和影響此元素群的元素進行兩兩比較。所得到的權(quán)重將用于衡量與這一控制標準所對應(yīng)的超級矩陣所對應(yīng)的元素群中的元素。如果沒有影響，即為零。

(2)根據(jù)本元素群中各元素間的相互影響關(guān)系和與本元素群有關(guān)聯(lián)的另一個元素群中的每個元素的影響，對于本元素群中的各個元素進行兩兩比較。這些比較是根據(jù)控制層的某一標準或準標準進行的。優(yōu)勢度量是按照層次分析法的1－9 標度表進行的。

(3)對于每一個控制標準，構(gòu)造一個超級矩陣。設(shè)ANP 的控制層有元素U1，U2，…，Um，控制層下網(wǎng)絡(luò)層有V1，V2，…，VN，其中Vi中有元素vi1，vi2，vin，i=1，2，…，N。以控制層元素Us(s=1，2，…，m)為標準，以Vj(j=1，2，…，N)中元素vjk(k=1，2，…，nj)為準標準，將元素組Vj中元素按其對vjk的影響力大小進行間接優(yōu)勢比較，即在標準Us下構(gòu)造判斷矩陣Wij。通過對相關(guān)專家咨詢得到矩陣中的數(shù)據(jù)，體現(xiàn)出對兩元素相對重要性的看法。然后由特征值法得到排列向量如果上述特征向量通過一致性檢驗，則將其寫成矩陣形勢，得到局部的權(quán)重向量矩陣:

圖1 ANP 的典型層次

對于i=1，2，…，N，j=1，2，…，N，重復(fù)上述步驟，最終可得到一個在控制元素Us下的超級矩陣W，這樣的超級矩陣共有m 個:

矩陣的每個元素都是一個矩陣，列和為1;但W 并不是歸一化矩陣。為了計算方便，需要將超級矩陣歸一化，即對超級矩陣W 的元素加權(quán)，得到加權(quán)超級矩陣W，其中元素W=aijWij，其中aij為加權(quán)因子，i=1，2，…，N，j=1，2，…，N。

3.確定局部權(quán)重向量

為了反映元素間的依存關(guān)系，需要對超級矩陣W 做穩(wěn)定處理，即計算每個超級矩陣的極限相對排列向量:

如果這個極限收斂且唯一，則原矩陣對應(yīng)行的值為各評價指標的穩(wěn)定權(quán)重。

4.得到評價指標的權(quán)重

假設(shè)求得控制標準Ui(i=1，2，…，m)的權(quán)數(shù)分配為ai(i=1，2，…，m)，各指標權(quán)重集A=(a1，a2，…，am)，且滿足;準標準Vij(i=1，2，…，m，j=1，2，…，ni)的權(quán)重分配為aij=1，2，…，ni)，各指標權(quán)重集Ai=(ai1，ai2，…，amj)，滿足aij≥0，

(二)COPRAS－G 方法

2008年Zavadskas et al.提出區(qū)間灰數(shù)復(fù)雜比例估計模型(Complex proportional assessment with grey interval numbers，簡稱COPRAS－G)。COPRAS－G 方法認為標準值是非連續(xù)性的，這一方法是基于實際決策過程并運用灰色系統(tǒng)理論(Grey systems theory)。應(yīng)用COPRAS－G 方法的步驟如下:

1.選擇一組最重要的標準來描繪變量

2.構(gòu)建決策矩陣?X

3.對決策矩陣?X 標準化

然后標準化后的決策矩陣為:

在公式(7)中qj是第j 個標準的權(quán)重。

然后，標準化的決策矩陣是:

5.計算標準值之和Pi，其值越大越好(標準值為越大越好的標準默認為列于判斷矩陣前部，之后接著標準值越小越好的標準)

6.計算標準值之和Ri，其值越小越好

7.計算每個變量的相對重要性Qi

8.計算每個變量的效用程度

二、指標選取

設(shè)立農(nóng)村金融組織的服務(wù)功能的評價指標體系的目的在于對其服務(wù)效率水平進行評價。農(nóng)村金融組織的服務(wù)功能是農(nóng)村金融組織為農(nóng)民和農(nóng)村提供實際金融服務(wù)的功能。金融服務(wù)是一種服務(wù)性商品，其供給方為金融組織，需求方為農(nóng)民。因此對于服務(wù)功能的效率評價將從供需兩個角度進行。

(一)基于服務(wù)供給角度的評價指標及計算方法

對于農(nóng)村金融組織的服務(wù)效率評價，可以從兩個方面考慮:

1.業(yè)務(wù)水平

金融機構(gòu)的業(yè)務(wù)包括三大類:資產(chǎn)業(yè)務(wù)、負債業(yè)務(wù)和中間業(yè)務(wù)，農(nóng)村金融組織也與此相同。但國內(nèi)現(xiàn)實狀況是中間業(yè)務(wù)在金融機構(gòu)業(yè)務(wù)中所占比重很小，農(nóng)村金融組織更甚于此。因此，可以建立兩個評價指標:人均人民幣貸款程度和人均人民幣存款程度，這兩個指標都是與全國平均水平的比較值。人口單位以億人計算。

2.農(nóng)村金融網(wǎng)點密集程度

農(nóng)村金融網(wǎng)點為農(nóng)村金融服務(wù)提供實際場所，其數(shù)量代表了該地區(qū)金融服務(wù)水平的高低。但不考慮人口數(shù)量的計算并不客觀，因此，引入網(wǎng)點密度這一指標可以清楚反映該地區(qū)的金融普及度和便利度。本指標是與全國平均水平的比較值，更能客觀反映農(nóng)村金融組織的服務(wù)水平。

其中，人口數(shù)以億為計算單位，網(wǎng)點數(shù)只考慮正規(guī)金融組織，以萬為單位。

(二)基于服務(wù)需求角度的評價指標

從農(nóng)民角度對農(nóng)村金融組織的服務(wù)進行評價，可以用其復(fù)雜程度和滿足程度來度量。

1.服務(wù)的復(fù)雜程度

反映了農(nóng)民對農(nóng)村金融組織的服務(wù)過程的滿意程度，客觀反映了農(nóng)村金融組織的服務(wù)水平。復(fù)雜程度是定性指標，評分方法如下:金融服務(wù)過程復(fù)雜冗長得1 分;比較復(fù)雜得0.5 分;簡單便捷得0 分。

2.服務(wù)種類滿足程度

反映農(nóng)村金融組織對農(nóng)民金融服務(wù)種類上需求的滿足程度，客觀反映了農(nóng)村金融組織的服務(wù)需求被滿足程度。反映農(nóng)村金融組織為農(nóng)民提供的金融服務(wù)種類的定性指標。數(shù)值越高，說明提供服務(wù)的種類越多。評分方法如下:服務(wù)種類多樣，完全滿足需要，得1 分;服務(wù)種類較多，基本滿足需要，得0.5分;服務(wù)種類匱乏，無法滿足需要，得0 分。

(三)農(nóng)村金融組織的服務(wù)效率的評價指標結(jié)構(gòu)

服務(wù)功能效率是可以從農(nóng)村金融組織的服務(wù)供給和服務(wù)需求的角度來評價，服務(wù)供給由網(wǎng)點密集程度和業(yè)務(wù)水平來評價，此二者相互影響，其中農(nóng)村金融組織的業(yè)務(wù)水平是由人均人民幣貸款程度和人均人民幣存款程度來度量的，且存款程度影響貸款程度;服務(wù)需求由農(nóng)民對農(nóng)村金融組織的服務(wù)過程和種類的滿足程度來評價。服務(wù)功能效率的評價指標結(jié)構(gòu)圖及評價指標說明如表1、圖2 所示。

圖2 農(nóng)村金融組織的服務(wù)功能效率的評價指標結(jié)構(gòu)圖

表1 服務(wù)功能效率的評價指標說明

三、農(nóng)村金融組織服務(wù)功能效率的實證分析

為了獲得各層次網(wǎng)絡(luò)的指標權(quán)重值，本文主要采用專家調(diào)查評分法得出比較優(yōu)勢值，再通過Matlab 數(shù)學(xué)軟件和Super Decision 軟件得出各元素權(quán)重值。本次調(diào)查共發(fā)出專家調(diào)查問卷10 份，其中高校研究者6 名，農(nóng)村金融組織的管理人員4 名(調(diào)查問卷見附錄)。專家的背景信息如表2所示。

表2 被調(diào)查專家的背景信息

本文采用2006—2011年數(shù)據(jù)對農(nóng)村金融組織、非農(nóng)村金融機構(gòu)(即五家商業(yè)銀行、政策行銀行、股份制商業(yè)銀行及城市信用社、郵政儲蓄機構(gòu)和貸款公司)和全國金融機構(gòu)的服務(wù)功能效率進行綜合評價。采用此六年數(shù)據(jù)是由COPRAS－G方法的特性所決定的，COPRAS－G 方法易受極端值的影響，因此采用最近六年數(shù)據(jù)能夠比較良好地反映農(nóng)村金融組織與非農(nóng)村金融機構(gòu)之間的功能效率的差異。所應(yīng)用的數(shù)據(jù)皆來源于中經(jīng)網(wǎng)和銀監(jiān)會網(wǎng)站，可以直接查詢到或經(jīng)過簡單計算即可得到。

(一)基于ANP 方法的指標權(quán)重測定

1.服務(wù)效率A、服務(wù)供給B1和服務(wù)需求B2的判斷矩陣及權(quán)重

通過匯總，專家調(diào)查問卷可得到表3 和表4的服務(wù)效率A，服務(wù)供給B1和服務(wù)需求B2的判斷矩陣，并且通過計算可得相應(yīng)的權(quán)重值，通過網(wǎng)絡(luò)分析法軟件計算，以上服務(wù)效率、服務(wù)供給與服務(wù)需求的判斷矩陣的一致性比例CR=0 ＜0.1，所以，認為判斷矩陣是可以被接受的。同時也意味著結(jié)果是可以信任的。

表3 服務(wù)效率的判斷矩陣

表4 服務(wù)供給與服務(wù)需求的判斷矩陣

2.農(nóng)村金融組織業(yè)務(wù)水平C23、農(nóng)村金融組織網(wǎng)點密集程度C1、人均人民幣貸款程度C2、人均人民幣存款程度C3的權(quán)重計算

進一步匯總專家調(diào)查問卷，可得到對于服務(wù)供給B1、農(nóng)村金融組織業(yè)務(wù)水平C23、農(nóng)村金融組織網(wǎng)點密集程度C1、人均人民幣貸款程度C2、人均人民幣存款程度C3的判斷矩陣，進行歸一化處理后可得無權(quán)重超矩陣、加權(quán)超矩陣和極限超級矩陣，最終可得表5 所示的權(quán)重和對應(yīng)的極限。各極限收斂且唯一，所以所得到的權(quán)重為穩(wěn)重權(quán)重。服務(wù)功能效率各層次指標權(quán)重最終結(jié)果見表6、表7。

表5 農(nóng)村金融組織業(yè)務(wù)水平C23、農(nóng)村金融組織網(wǎng)點密集程度C1、人均人民幣貸款程度C2、人均人民幣存款程度C3的權(quán)重和極限

表6 服務(wù)功能效率各層次指標權(quán)重最終結(jié)果

表7 農(nóng)村金融組織的服務(wù)功能效率評價指標體系權(quán)重

(二)基于COPRAS－G 方法的數(shù)據(jù)處理

首先，根據(jù)所收集到的農(nóng)村金融組織、非農(nóng)村金融機構(gòu)(即五家商業(yè)銀行、政策行銀行、股份制商業(yè)銀行及城市信用社、郵政儲蓄機構(gòu)和貸款公司)和全國金融機構(gòu)的2006—2011年原始數(shù)據(jù)，構(gòu)造原始決策矩陣，其中各變量值用區(qū)間描述，如表8 所示;然后運用公式(5)對原始矩陣進行標準化處理得到表9;繼續(xù)運用公式(7)對已得標準化矩陣進行加權(quán)得到表10;最后對加權(quán)矩陣運用公式(9)－(12)得到相應(yīng)P、R、Q、N 值，如表11所示。

表8 原始決策矩陣

表9 標準化決策矩陣

表10 加權(quán)標準化決策矩陣

表11 服務(wù)功能效率的評價結(jié)果

從表11 中可以看出，我國農(nóng)村金融組織的服務(wù)功能效率僅是城鎮(zhèn)金融機構(gòu)的56.38%。

結(jié)論

對我國農(nóng)村金融組織的服務(wù)功能效率作出準確量化度量是非常重要的，得出其與城鎮(zhèn)金融機構(gòu)的服務(wù)功能效率的對比值更能直觀反映我國農(nóng)村金融組織的發(fā)展水平。但是，現(xiàn)有文獻中主要集中討論金融功能和金融效率，目前尚無可用模型用于計算服務(wù)功能效率值。本文運用ANP 和COPRAS－G 方法提出一種可用于度量我國農(nóng)村金融組織的服務(wù)功能效率值的模型。ANP 方法用來獲得各指標的相應(yīng)權(quán)重，COPRAS－G 方法用于計算相對于城鎮(zhèn)金融機構(gòu)的農(nóng)村金融組織的服務(wù)功能效率值。

本文將服務(wù)功能從服務(wù)供給和服務(wù)需求兩個角度進行分析建立服務(wù)功能效率的指標體系，運用ANP 方法計算得出每一指標的權(quán)重，進而運用COPRAS－G 方法計算出我國農(nóng)村金融組織相對于城鎮(zhèn)金融機構(gòu)的服務(wù)功能效率僅為56.38%。這是由于我國農(nóng)村金融組織無論在服務(wù)供給還是服務(wù)需求方面，都無法與城鎮(zhèn)金融機構(gòu)相媲美。從表8 可以看出，從服務(wù)供給方面，農(nóng)村金融組織網(wǎng)點僅為全國平均水平的70%～80%，人均貸款和人均存款僅為全國平均水平的20%～30%，從服務(wù)需求方面，農(nóng)村金融組織的服務(wù)還相對簡單易于理解，服務(wù)種類也能較好地滿足農(nóng)民基本金融需求，從以上數(shù)據(jù)可以看出，在服務(wù)供給方面，農(nóng)村金融組織與城鎮(zhèn)金融機構(gòu)還有很大差距。

［1］Merton，R.and Z.Bodie.A Framework for Analyzing the Financial System，in Crane et al.，Eds.，The Global Financial System:A Functional Perspective，Boston MA:Harvard Business School Press.1995.

［2］白欽先，譚慶華.金融功能演進與金融發(fā)展［J］.金融研究，2006，(7):41－42.

［3］曹軍新.論我國農(nóng)村金融體系的功能缺失與創(chuàng)新:基于金融功能與制度結(jié)構(gòu)相統(tǒng)—的擴展視角［J］.河南金融管理干部學(xué)院學(xué)報，2009，(3):78－82.

［4］Ching～Cheng Chang，Tsung～Chuan Hsieh.The Economic Efficiency of the Credit Department of Farmers＇Associations in Taiwan［J］.Applied Financial Economics，1998(8):409－418.

［5］Cheng～Few Lee，Kehluh Wang，Ya～Hui Peng.Cost Structure and Efficiency of the Credit Departments of the Farmers＇Associations in Taiwan［J］.Review of Pacific Basin Financial Markets and Policies，2006(3):384－403.

［6］Chun～Chu Liu，Hsiu～Chuan Lin.Applying Data Envelopment Analysis in Analysing the Organizational Change for Credit Departments of Farmers;Associations in Taiwan［J］.Applied Economics，2007(10):2797－2804.

［7］Diana Fletschner，Catherine Guirkinger，Steve Boucher.Risk，Credit Constraints and Financial Efficiency in Peruvian Agriculture ［J］.Journal of Development Studies，2010(6):981－1002.