方大春，郭燕梅

(安徽工業(yè)大學(xué) 商學(xué)院，安徽 馬鞍山 243032)

一、引言

我國正處在經(jīng)濟由高速增長轉(zhuǎn)向高質(zhì)量發(fā)展的關(guān)鍵時期，金融資源配置效率影響經(jīng)濟結(jié)構(gòu)均衡性和實體經(jīng)濟發(fā)展。優(yōu)化金融資源配置效率、提升金融服務(wù)實體經(jīng)濟的能力成為經(jīng)濟轉(zhuǎn)型的關(guān)鍵。長三角地區(qū)作為我國在經(jīng)濟發(fā)展中最活躍、最開放和最具創(chuàng)新性的地區(qū)之一，它在國家現(xiàn)代化建設(shè)和全面開放的總體框架中占據(jù)著至關(guān)重要的戰(zhàn)略地位。長三角金融資源的均衡配置有利于推進區(qū)域經(jīng)濟的一體化發(fā)展和實現(xiàn)長三角一體化的國家戰(zhàn)略目標(biāo)。因此，以長三角地區(qū)金融資源配置效率及其影響因素為對象進行探討，對于促進長三角地區(qū)經(jīng)濟高質(zhì)量和一體化發(fā)展具有重大的實際意義。

長期以來，我國主要按行政區(qū)域劃配置資源，金融資源在區(qū)域間高效配置中存在障礙，不利于區(qū)域一體化的發(fā)展(金鵬輝，2020)。韓大海、張文瑞、高鳳英(2007)認為，區(qū)域金融資源配置包括金融資源配置的數(shù)量和效率兩方面內(nèi)容，前者是指金融資源空間布局的數(shù)量，后者是指區(qū)域金融功能的發(fā)揮程度。崔建軍(2012)通過對我國東、中、西部地區(qū)2008年金融資源及其配置效率進行分析后發(fā)現(xiàn)金融資源使用效率與金融資源占有份額并不匹配。安強身、姜占英(2015)研究發(fā)現(xiàn)在金融資源配置效率高的年份，一般都伴隨著經(jīng)濟的高速增長，而金融資源配置效率低的年份也帶來了經(jīng)濟增長的放緩[1-5]。

在效率測算方面，李明賢、向忠德(2011)采用投入產(chǎn)出法來建立農(nóng)村金融資源配置效率的模型對中部地區(qū)農(nóng)村金融資源配置效率進行研究。余霞民(2016)采用資本配置效率模型對長三角金融資源配置效率進行研究。楊友才、王希、孫亞男(2019)采用基于面板的廣義DEA方法對金融資源配置效率進行測算。林進忠、藍麗嬌(2019)構(gòu)建DEA模型測算福建省金融配置效率值并選用Malmquist指數(shù)進行動態(tài)效率研究。常海嬌(2016)借助DEA-Tobit模型，對影響山東省金融效率值和影響因素進行實證分析[6-12]。

綜上所述，盡管學(xué)者從各個角度利用不同方法對金融資源配置效率進行測算，但對于金融資源配置效率與影響因素之間的相關(guān)性研究較少。鑒于此，本文綜合運用DEA模型和Malmquist指數(shù)模型，從靜態(tài)和動態(tài)兩個方面對長三角金融資源配置效率進行研究，再根據(jù)Tobit回歸模型探究其影響要素，從而為長三角地區(qū)的經(jīng)濟發(fā)展提供建議。

二、模型設(shè)計

1.Dea模型

Dea模型即數(shù)據(jù)包絡(luò)模型，最先由美國的 Charnes、Cooper 和 Rhodes 三人于 1978年研究提出的。它是利用線性規(guī)劃方法決策具有多個投入和多個產(chǎn)出指標(biāo)同類型部門間相對有效的一種非參數(shù)方法。該方法分為規(guī)模收益不變的 CCR 模型和規(guī)模收益可變的BCC模型，鑒于金融資源配置中相對能夠容易控制投入，決定采用產(chǎn)出導(dǎo)向的規(guī)模收益可變模型，即BCC模型：

Minθ

(1)

λj≥0,J=1,……，n.

其中,xij表示第j個城市第i個投入指標(biāo)；yrk表示第j個城市第r個產(chǎn)出指標(biāo)；θ(0≤θ≤1)表示決策單元的綜合技術(shù)效率；λ是決策單元的線性組合系數(shù)。

2.Malmquist指數(shù)模型

Malmquist指數(shù)模型最初是由瑞典經(jīng)濟學(xué)家Malmquist(1953)[13]提出的，之后Fare(1994)[14]等人將這一理論與DEA模型結(jié)合起來使得這一指數(shù)模型廣泛應(yīng)用于測算生產(chǎn)效率。Malmquist指數(shù)模型可以分析不同決策單元在不同時期的效率變動情況，而DEA模型是一種靜態(tài)分析，Malmquist指數(shù)模型與DEA模型結(jié)合正好可以彌補這一缺點。Malmquist指數(shù)模型如下：

(2)

(3)

采用t時期和t+1時期指數(shù)的幾何平均值，得到兩時期生產(chǎn)率變化的Malmquist指數(shù)模型：

M0(xt,yt,xt+1,yt+1)=

(4)

公式(4)可變形為：

(5)

綜合技術(shù)效率(EFFCH)=

(6)

技術(shù)進步率(TECHCH)=

(7)

綜合技術(shù)效率分解成純技術(shù)效率(PECH)和規(guī)模效率(SECH)，所以Malmquist指數(shù)模型的最終公式為M0(xt,yt,xt+1,yt+1)=PECH×SECH×TECHCH.

(8)

3.Tobit模型

由于DEA計算出的效率值都大于0，數(shù)據(jù)會出現(xiàn)截斷。若用普通最小二乘法，選取DEA模型測算出來的效率值作為因變量做回歸模型，得到的結(jié)果會出現(xiàn)誤差，通常采用Tobit模型，其函數(shù)形式為：

(9)

三、指標(biāo)選取及數(shù)據(jù)來源

1.指標(biāo)選取

投入指標(biāo)從資本投入、人力資源投入來考慮，資本投入用長三角地區(qū)金融機構(gòu)貸款余額表示，人力資源投入是長三角各城市金融業(yè)從業(yè)人數(shù)。產(chǎn)出指標(biāo)用長三角各城市金融業(yè)增加值來表示。表1列出了具體的指標(biāo)選取。

表1 金融資源配置效率測算指標(biāo)

2．?dāng)?shù)據(jù)來源

根據(jù)《長江三角洲區(qū)域一體化發(fā)展規(guī)劃綱要》，基于紹興金融業(yè)增加值數(shù)據(jù)的缺失，選擇上海、南京、無錫、常州、蘇州、南通、鹽城、揚州、鎮(zhèn)江、泰州、杭州、寧波、嘉興、湖州、紹興、金華、舟山、臺州、合肥、蕪湖、馬鞍山、銅陵、安慶、滁州、池州、宣城25個城市作為此次研究的長三角城市群。數(shù)據(jù)來源于2012年-2017年的《上海統(tǒng)計年鑒》《江蘇省統(tǒng)計年鑒》《浙江省統(tǒng)計年鑒》《安徽省統(tǒng)計年鑒》以及各城市的統(tǒng)計年鑒。

四、實證研究結(jié)果與分析

1.基于DEA模型金融資源配置效率靜態(tài)分析

本文通過Deap2.1軟件對長三角地區(qū)25個城市2012年-2017年的金融資源效率值進行測算，測算結(jié)果省略，僅列出來均值情況，如表2。

表2 長三角城市2012年-2017年金融資源配置效率均值

綜合技術(shù)效率(crste)反映的是金融資源配置效率，它代表的是在各城市金融資源投入量一定的情況下實際產(chǎn)出量與能達到的最大產(chǎn)出量之間的差值，衡量投入的金融資源是否充分發(fā)揮作用。規(guī)模效率(scale)指的是實際規(guī)模與最優(yōu)生產(chǎn)規(guī)模之間的距離。純技術(shù)效率反映了一個地區(qū)或企業(yè)的管理能力、制度的運行能力和技術(shù)的運用能力。綜合技術(shù)效率(vrste)=純技術(shù)效率×規(guī)模技術(shù)效率。對于效率值而言，值的大小越接近于1表明效率越好，效率值等于1表明DEA有效。

通過計算得出如下結(jié)果：

第一，2012年-2017年長三角所有城市的綜合技術(shù)效率值均值都小于1，均為非DEA有效，金融資源配置效率欠佳，金融資源利用率并非最優(yōu)或者投入不足。其中，上海的純技術(shù)效率值等于1，但規(guī)模效率值小于1，說明金融資源配置純技術(shù)有效，造成上海金融資源配置非DEA有效的原因與規(guī)模效率有關(guān)。上海除2012年和2013年綜合技術(shù)效率值分別為0.894、0.956外其他年份都為1，并且這兩年純技術(shù)效率都為1，說明2012年和2013年上海的資源投入可能不足，滿足不了市場的需求。

第二，從純技術(shù)效率來看，杭州、寧波、嘉興、湖州、金華、舟山、臺州、合肥、蕪湖、馬鞍山、安慶、滁州、宣城的值都低于平均值。從規(guī)模效率來看，舟山、馬鞍山、銅陵、安慶、滁州、池州、宣城的值都低于平均值。這些城市在綜合效率排名中排名靠后，金融資源配置結(jié)構(gòu)有待提高。

2.基于 Malmquist指數(shù)模型金融資源配置效率動態(tài)分析

利用deap2.1軟件計算結(jié)果如表3、表4。

表3給出不同年份長三角地區(qū)Malmquist指數(shù)(全要素生產(chǎn)率)及其分解的變化，總體來看：

表3 長三角地區(qū)城市各年份Malmquist指數(shù)及其分解

第一，2012年-2017年長三角地區(qū)25個城市全要素生產(chǎn)率均值為1.030，平均增長率為3%，呈遞增狀態(tài)。

第二，從年均增長率的分解角度，技術(shù)進步率的年均增長率為4%，說明生產(chǎn)效率的提高主要是基于技術(shù)進步的拉動，規(guī)模效率的年均增長率僅為0.7%，對Malmquist指數(shù)的年均增長率拉動作用很小。純技術(shù)效率平均值小于1，表明造成長三角城市全要素生產(chǎn)率增長的原因是技術(shù)進步的提升而不是技術(shù)效率的提高。

第三，分時期來看，2012年-2013年TFP的值是研究期內(nèi)最低的一年，主要受規(guī)模效率降低的影響。2013年-2014年、2014年-2015年、2015年-2016年Malmquist指數(shù)都大于1，TFP均為正增長，說明這三個期間金融資源利用效率都是提升的，2015年-2016年的增長率最高。2016年-2017年Malmquist指數(shù)下降主要是綜合技術(shù)效率下降所導(dǎo)致的，說明金融資源的投入沒有得到合理利用，配置結(jié)構(gòu)存在問題，金融體系不健全。

表4是長三角不同城市Malmquist指數(shù)及其分解的結(jié)果，綜合來看：

表4 長三角各城市Malmquist指數(shù)及其分解均值

第一，2012年-2017年大部分城市的全要素生產(chǎn)率都大于1，處于增長狀態(tài)，主要依賴于技術(shù)進步的拉動。

第二，分省份來看，安徽省各城市Malmquist指數(shù)均大于或等于1，配置效率整體情況最好，由表3可知平均增長率為22.1%。江蘇省除常州和鹽城外其他城市全要素生產(chǎn)率都處于增長態(tài)勢，Malmquist指數(shù)的均值為1.024，處于正增長。浙江省金融資源配置效率整體情況最差，除臺州外，其他城市Malmquist指數(shù)呈現(xiàn)負增長，主要受純技術(shù)效率影響，說明浙江省金融資源配置結(jié)構(gòu)較差，技術(shù)應(yīng)用和金融市場管理能力不足。

第三，在研究的25個城市中蕪湖的Malmquist指數(shù)最高，平均增長率為16.2%。金華的Malmquist指數(shù)最低，下降了10.1%,主要是純技術(shù)效率下降導(dǎo)致的，即金融市場管理水平出現(xiàn)問題。從Malmquist指數(shù)的分解來看，長三角城市2012年-2017年技術(shù)進步率均大于1，表明技術(shù)進步對金融資源的利用和配置具有促進作用。

3.基于Tobit模型金融資源配置效率影響因素分析

為了進一步研究影響長三角城市金融資源配置效率的因素，選取前文DEA測算結(jié)果中各城市的綜合技術(shù)效率作為因變量，綜合社會、經(jīng)濟、政策方面的考慮，選取如下解釋變量：(1)經(jīng)濟發(fā)展程度(ECO)，用各城市的人均GDP與長三角人均GDP的比值來表示。(2)政府干預(yù)程度(GOV)，用各城市地方政府各年的財政支出占當(dāng)年的地方生產(chǎn)總值的比重來反映。(3)消費水平(CON)用各城市當(dāng)年社會消費品零售總額占地區(qū)生產(chǎn)總值的比重來衡量。(4)產(chǎn)業(yè)結(jié)構(gòu)(IND)，用各城市第三產(chǎn)業(yè)產(chǎn)值與各城市生產(chǎn)總值的比值來表示，以反映各地區(qū)產(chǎn)業(yè)結(jié)構(gòu)水平。結(jié)合影響因素指標(biāo)的選取構(gòu)建如下Tobit回歸模型：

Yti=β0+β1ECO+β2GOV+

β3CON+β4IND+μi+εti.

(10)

其中：i表示城市，t表示時間，Yti表示第i個城市第t年的金融資源配置效率；β0為截距項；β1～β4I為解釋變量的回歸系數(shù)。

對表5的結(jié)果分析如下。

表5 長三角城市金融資源配置效率影響因素的Tobit回歸結(jié)果

第一，各城市的經(jīng)濟發(fā)展程度在1%的顯著性水平上與金融資源配置效率呈正相關(guān)關(guān)系，回歸系數(shù)為-0.1805，說明由于資本種類多、規(guī)模大，長三角經(jīng)濟發(fā)展程度高的城市金融資源利用率低，沒有達到最優(yōu)效果。因此，經(jīng)濟發(fā)展水平高的城市反而對金融資源配置效率沒有促進作用。

第二，政府的干預(yù)程度與金融資源配置效率呈顯著的負相關(guān)關(guān)系，回歸系數(shù)為2.5618，說明地方政府的干預(yù)會抑制金融資源的配置效率，地方政府各年的財政支出占當(dāng)年地方生產(chǎn)總值的比重的提高反而會降低金融資源配置效率。

第三，產(chǎn)業(yè)結(jié)構(gòu)的回歸系數(shù)為1.4534，說明產(chǎn)業(yè)結(jié)構(gòu)與金融資源配置效率在1%的顯著性水平上有明顯的正相關(guān)關(guān)系，第三產(chǎn)業(yè)占比每提高1%將促進金融效率增加1.4534%。能夠看出，第三產(chǎn)業(yè)GDP占比越高，產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化程度越高，從而促進金融資源配置效率。

五、結(jié)論與建議

通過 DEA 模型及Malmquist 指數(shù)分解法對長三角城市2012年-2017年的金融資源配置效率進行評價研究，并在此基礎(chǔ)上利用tobit回歸對影響長三角城市金融資源配置效率的因素進行研究，研究結(jié)論如下：

第一，從靜態(tài)分析來看，長三角城市總體的金融資源配置為非DEA有效，整體金融資源投入的實際產(chǎn)出與生產(chǎn)可能性曲線的距離較遠，資源配置水平不高。各城市金融資源配置效率的差異懸殊，杭州、寧波、金華、舟山、合肥、蕪湖、馬鞍山、銅陵、安慶、滁州、池州、宣城的綜合技術(shù)效率值都均低于平均值，其中安徽省的綜合技術(shù)效率值均低于平均值?？梢园l(fā)現(xiàn)比較發(fā)達的城市大多金融資源配置有效，完善的金融市場運行制度和雄厚的經(jīng)濟基礎(chǔ)對于資源的配置具有推動作用。

第二，從動態(tài)分析來看，長三角城市全要素生產(chǎn)率總體呈增長態(tài)勢，從年均增長率的分解角度，配置效率的提高主要是基于技術(shù)進步的拉動，規(guī)模效率的年均增長率為0.07%，對Malmquist指數(shù)的年均增長率的拉動作用不是很明顯。

第三，基于Tobit回歸結(jié)果發(fā)現(xiàn)，長三角城市服務(wù)業(yè)發(fā)展水平對金融資源配置效率提升有顯著促進作用，政府干預(yù)程度高和經(jīng)濟水平較高不利于金融資源配置效率提升。經(jīng)濟水平較高城市由于資本規(guī)模大、種類多可能會造成金融資本錯配，對金融資源配置效率有抑制作用。

根據(jù)上述結(jié)論，本文提出如下建議：一是引導(dǎo)金融資本優(yōu)化配置。政府應(yīng)給予落后城市政策性支持，引導(dǎo)金融資本流向相對落后城市，提高金融資源配置效率。二是加強技術(shù)創(chuàng)新，提高技術(shù)進步對金融資源配置效率的拉動作用。三是加快地方政府職能轉(zhuǎn)變，減少政府對金融資源配置化機制的干預(yù)，改善金融生態(tài)環(huán)境。四是加快推進服務(wù)業(yè)發(fā)展，調(diào)整產(chǎn)業(yè)結(jié)構(gòu)失衡，加快產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級。