孟光輝 李永坤 安 康

(山東農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院(商學(xué)院)，山東 泰安 271000)

一、引言

發(fā)展融資擔(dān)保是破解小微企業(yè)和“三農(nóng)”融資難融資貴問題的重要手段和關(guān)鍵環(huán)節(jié)(1)李克強(qiáng).發(fā)展融資擔(dān)保 破解小微企業(yè)和“三農(nóng)”融資難融資貴[EB/OL].http://www.gov.cn/guowuyuan/2014-12/18/content_2793669.htm.，融資擔(dān)保被視為有效的支農(nóng)財(cái)政工具。2015年7月，財(cái)政部、農(nóng)業(yè)部和銀監(jiān)會(huì)聯(lián)合下文，在全國范圍內(nèi)正式發(fā)起建立農(nóng)業(yè)信貸擔(dān)保體系(以下簡稱農(nóng)擔(dān)體系)，試圖以財(cái)政支持的相對(duì)獨(dú)立、自成體系的融資擔(dān)保機(jī)構(gòu)來破解“三農(nóng)”融資瓶頸。截止到2021年，國家累計(jì)投資655億元，成立33家省級(jí)(副省級(jí))農(nóng)業(yè)融資擔(dān)保公司和遍布全國的1677家分支機(jī)構(gòu)，累計(jì)擔(dān)保金額6892億元，擔(dān)保項(xiàng)目217萬個(gè)，政策效能放大了10.5倍(2)通過國家企業(yè)信用信息公示系統(tǒng)、各擔(dān)保機(jī)構(gòu)網(wǎng)站和其他公開資料整理。。實(shí)踐證明，無論是從組織架構(gòu)還是到業(yè)務(wù)布局，全國農(nóng)擔(dān)體系已經(jīng)初步形成，運(yùn)行效果正逐漸向政策預(yù)期靠攏。農(nóng)擔(dān)體系在提高財(cái)政支農(nóng)資金使用效率以及促進(jìn)新型農(nóng)業(yè)經(jīng)營主體適度規(guī)模發(fā)展等方面都取得了顯著性成效(李江源等，2017)[1]。

雖然農(nóng)擔(dān)體系正在逐步走向完善，但是作為一項(xiàng)國家級(jí)的政策措施，發(fā)展過程中仍然存在著業(yè)務(wù)不均衡、服務(wù)對(duì)象不精準(zhǔn)等問題。農(nóng)業(yè)融資擔(dān)保過程中增信擔(dān)保功能發(fā)揮不足的問題不可忽視(陸宇鋒、張智勤，2015)[2]。政策性農(nóng)業(yè)擔(dān)保不同于傳統(tǒng)的純財(cái)政或純金融方式，兼具財(cái)政和金融雙重屬性，農(nóng)業(yè)擔(dān)保的生效機(jī)制與實(shí)施效果究竟如何，有待觀察。作為一項(xiàng)體量龐大、涉及面廣泛的政策措施，運(yùn)行實(shí)踐效果能否支持當(dāng)初決策的正確性？回答這些問題需以科學(xué)評(píng)價(jià)為前提。雖然為引導(dǎo)政府性融資擔(dān)保機(jī)構(gòu)堅(jiān)守主業(yè)、聚焦支小支農(nóng)的業(yè)務(wù)方向，財(cái)政部專門印發(fā)了擔(dān)保機(jī)構(gòu)的績效評(píng)價(jià)指引(3)政府性融資擔(dān)保、再擔(dān)保機(jī)構(gòu)績效評(píng)價(jià)指引堅(jiān)守主業(yè)、聚焦支小支農(nóng)提出具體評(píng)價(jià)要求[EB/OL].http://www.gov.cn/zhengce/zhengceku/2020-05/28/content_5515690.htm.，設(shè)置了對(duì)政策性農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)(以下簡稱農(nóng)擔(dān)機(jī)構(gòu))的績效評(píng)價(jià)指標(biāo)體系，但這些只是作為主管單位對(duì)農(nóng)擔(dān)公司的內(nèi)部考核使用，迄今尚未見到整體上對(duì)農(nóng)擔(dān)體系運(yùn)行效率的評(píng)價(jià)文獻(xiàn)。

運(yùn)行效率是對(duì)檢測農(nóng)擔(dān)機(jī)構(gòu)存在價(jià)值和績效水平的直接反映。政策性農(nóng)業(yè)擔(dān)保作為一種新型財(cái)政支農(nóng)工具，為了更好地釋放農(nóng)擔(dān)機(jī)構(gòu)在促進(jìn)農(nóng)村金融有效供給上所發(fā)揮的作用，需要對(duì)其運(yùn)行效率進(jìn)行科學(xué)測度，并據(jù)此研究其影響因素，以優(yōu)化調(diào)整財(cái)政支農(nóng)的結(jié)構(gòu)與方式。這不僅是審視財(cái)政支農(nóng)政策與農(nóng)業(yè)經(jīng)濟(jì)能否協(xié)調(diào)發(fā)展的重要考量，也是構(gòu)建農(nóng)業(yè)信貸擔(dān)保制度體系和發(fā)展農(nóng)村金融市場的必要步驟。業(yè)務(wù)狀況是反映體系效率最核心的因素，而整個(gè)農(nóng)擔(dān)體系的業(yè)務(wù)核心在各省級(jí)融資擔(dān)保公司，農(nóng)擔(dān)體系業(yè)務(wù)均由其完成。因此，本研究以全國33家省級(jí)農(nóng)擔(dān)機(jī)構(gòu)的實(shí)際業(yè)務(wù)情況為分析依據(jù)，解析政策性農(nóng)業(yè)擔(dān)保的真實(shí)發(fā)展?fàn)顩r。

二、文獻(xiàn)綜述

財(cái)政支農(nóng)政策已成為世界各國推動(dòng)現(xiàn)代化農(nóng)業(yè)發(fā)展的主要手段(張維剛、歐陽建勇，2021)[3]，而政策性農(nóng)業(yè)擔(dān)保被認(rèn)為是財(cái)政轉(zhuǎn)移支付支農(nóng)政策的創(chuàng)新延伸(Li 和Shu，2019)[4]，是將農(nóng)業(yè)生產(chǎn)活動(dòng)與金融機(jī)構(gòu)進(jìn)行有效銜接的新型財(cái)政支農(nóng)工具，不僅有利于推進(jìn)農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革，而且也順應(yīng)了我國由傳統(tǒng)小農(nóng)經(jīng)濟(jì)向現(xiàn)代農(nóng)業(yè)發(fā)展轉(zhuǎn)變的歷史趨勢(shì)(羅必良，2020)[5]。政策性擔(dān)保被諸多國家作為財(cái)政工具用于支持獲取農(nóng)業(yè)信貸，政策效果已得到諸多實(shí)踐研究的支持，比如包括匈牙利在內(nèi)的多國用信貸擔(dān)?；饋泶龠M(jìn)涉農(nóng)產(chǎn)業(yè)發(fā)展，并取得顯著成效(Dang，2016)[6]。政策性擔(dān)保的有效運(yùn)行，不僅降低了信貸門檻，緩解了信貸約束，而且使信貸配給發(fā)生率得以下降，從而實(shí)現(xiàn)借貸雙方的互利互惠(Cowling，2010)[7]。對(duì)此，呂靜等(2020)[8]也認(rèn)為政策性農(nóng)業(yè)擔(dān)保不僅能夠促進(jìn)銀行的涉農(nóng)信貸供給，有效分擔(dān)銀行的信貸風(fēng)險(xiǎn)，而且也極可能成為解決我國農(nóng)業(yè)農(nóng)村領(lǐng)域融資難題的重要著力點(diǎn)。因此，農(nóng)擔(dān)體系作為創(chuàng)新農(nóng)村金融改革頂層設(shè)計(jì)的重要財(cái)政工具，能夠充分發(fā)揮市場主導(dǎo)作用的同時(shí)，利用政府財(cái)政的“有形之手”助推我國現(xiàn)代化農(nóng)業(yè)的發(fā)展(張超、王振宇，2021)[9]。

雖然各地農(nóng)擔(dān)機(jī)構(gòu)通過增信分險(xiǎn)機(jī)制極大地提升了涉農(nóng)領(lǐng)域的融資效率，使得財(cái)政支農(nóng)資金得以有效配置，但目前我國仍然處于健全農(nóng)擔(dān)體系的探索階段，各省級(jí)擔(dān)保機(jī)構(gòu)之間沒有形成相互協(xié)作有效溝通的體系，致使其無法充分發(fā)揮上下聯(lián)保的效能，大大降低了信貸擔(dān)保的運(yùn)行效率。對(duì)此，姜曉兵和郭云冬(2021)[10]采用數(shù)據(jù)包絡(luò)分析方法對(duì)政策性農(nóng)業(yè)信貸擔(dān)保資金的配置效率進(jìn)行了實(shí)證分析，認(rèn)為資金配置量與配置效率并不匹配，且使用規(guī)模與效率也未能實(shí)現(xiàn)統(tǒng)一，另外還發(fā)現(xiàn)財(cái)政支農(nóng)資金出現(xiàn)非農(nóng)化使用問題。黃慶安(2011)[11]通過測算農(nóng)村信用擔(dān)保機(jī)構(gòu)的運(yùn)行效率，認(rèn)為總體運(yùn)行效率處于較低水平，且存在一定的個(gè)體異質(zhì)性與地區(qū)差異性。而此類問題，胡杰和羅劍朝(2022)[12]在研究農(nóng)業(yè)信用擔(dān)保貸款對(duì)農(nóng)戶收入增長問題上也得出相似結(jié)論，農(nóng)業(yè)信用擔(dān)保貸款對(duì)不同收入水平農(nóng)戶的增收效應(yīng)存在一定差異，尤其是對(duì)低收入水平農(nóng)戶的增收效應(yīng)并不明顯。同樣，尼日利亞政府為鼓勵(lì)銀行增加農(nóng)業(yè)貸款而成立的農(nóng)業(yè)信貸擔(dān)保計(jì)劃基金(ACGSF)，其方案運(yùn)行也并未達(dá)到預(yù)期效果，而究其原因，Wang 和Finance(2019)[13]認(rèn)為是農(nóng)業(yè)信貸擔(dān)保的準(zhǔn)公共產(chǎn)品性質(zhì)、強(qiáng)烈正外部性和信息不對(duì)稱導(dǎo)致了農(nóng)業(yè)信貸擔(dān)保市場的失靈。運(yùn)行效率是農(nóng)擔(dān)機(jī)構(gòu)存在價(jià)值與實(shí)施效能的真實(shí)反映，有學(xué)者通過構(gòu)建指標(biāo)體系對(duì)不同區(qū)域的農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率展開研究，發(fā)現(xiàn)除受自身的影響外，風(fēng)險(xiǎn)補(bǔ)償、經(jīng)濟(jì)發(fā)展以及政策扶持等外部環(huán)境因素也在相當(dāng)程度上影響著整體運(yùn)行效率(陸宇鋒、梁箐，2016)[14]。

在當(dāng)前宏觀經(jīng)濟(jì)背景下，政策性農(nóng)擔(dān)體系已成為國家實(shí)施支農(nóng)政策的重要工具(劉孝紅、巴曙松，2009)[15]，通過財(cái)政投入帶動(dòng)農(nóng)擔(dān)機(jī)構(gòu)的發(fā)展，以有限的財(cái)政資金實(shí)現(xiàn)放大財(cái)政支農(nóng)的杠桿效應(yīng)。完善的金融生態(tài)環(huán)境和風(fēng)險(xiǎn)分擔(dān)機(jī)制是推動(dòng)農(nóng)村金融市場健康發(fā)展的有效途徑(閆艷，2015)[16]，只有科學(xué)設(shè)計(jì)農(nóng)村金融服務(wù)體系，完善金融支農(nóng)機(jī)制，才能真正推動(dòng)現(xiàn)代農(nóng)業(yè)的高質(zhì)量發(fā)展。一方面，信用主體層面與農(nóng)村金融市場層面建設(shè)的“雙管齊下”(朱乾宇、馬九杰，2012)[17]，為農(nóng)擔(dān)體系營造良好的建設(shè)環(huán)境；另一方面，制定差異化的農(nóng)業(yè)信貸擔(dān)保政策，創(chuàng)新農(nóng)業(yè)擔(dān)保業(yè)務(wù)準(zhǔn)入門檻，降低金融排斥均是發(fā)展農(nóng)業(yè)擔(dān)保的關(guān)鍵(胡杰、羅劍朝，2022)[12]。同時(shí)，“政銀擔(dān)”合作新機(jī)制是促使農(nóng)擔(dān)體系可持續(xù)發(fā)展的有力保障，也是業(yè)務(wù)拓展和風(fēng)險(xiǎn)控制的有效途徑(江秀榮、劉青林，2017)[18]。另外要認(rèn)識(shí)到，政策性農(nóng)業(yè)擔(dān)保將政府信用植入農(nóng)業(yè)融資關(guān)系中，在經(jīng)營過程中需要兼顧政策性和持續(xù)性的雙重目標(biāo)(馮林、朱艷靜，2021)[19]，既要“市場化經(jīng)營”，又要“政策性定位”，就需要設(shè)計(jì)出合理有效的制衡機(jī)制，將可能出現(xiàn)的“異化”現(xiàn)象限定在可控范圍內(nèi)(許黎莉、陳東平，2017)[20]。

綜上，學(xué)術(shù)界對(duì)于政策性農(nóng)業(yè)信貸擔(dān)保的存在價(jià)值、存在問題與完善路徑等展開了多方面的研究，大都肯定了農(nóng)業(yè)擔(dān)保體系對(duì)于優(yōu)化財(cái)政支農(nóng)資金的配置效率和解決農(nóng)村金融瓶頸問題的重要性，也提出了諸多具有建設(shè)性的路徑分析，其提供的觀點(diǎn)與結(jié)論為本文奠定了較好的研究基礎(chǔ)。但相比之下，以下幾個(gè)方面的研究更需要加強(qiáng)：一是對(duì)于農(nóng)業(yè)擔(dān)保問題，國內(nèi)學(xué)者多注重于體系制度和風(fēng)險(xiǎn)化解層面的研究，而對(duì)農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率的測度比較缺乏。二是農(nóng)業(yè)擔(dān)保作為新型財(cái)政支農(nóng)工具，資金使用效率如何？真正發(fā)揮的融資增信和財(cái)政放大作用是否符合初期目標(biāo)？有無堅(jiān)守扶農(nóng)支農(nóng)的政策性初心？三是在為數(shù)不多的實(shí)證分析中，大多從農(nóng)戶微觀視角分析政策性農(nóng)業(yè)擔(dān)保的實(shí)踐效果，以農(nóng)擔(dān)機(jī)構(gòu)角度開展的效率測度較為少見，而基于政策性要求，后者更能反映國家支農(nóng)政策的落實(shí)程度。四是已有對(duì)農(nóng)擔(dān)機(jī)構(gòu)的效率評(píng)價(jià)文獻(xiàn)，幾乎未考慮農(nóng)擔(dān)機(jī)構(gòu)的代償率問題，這是個(gè)明顯缺陷。對(duì)金融機(jī)構(gòu)而言，沒有風(fēng)險(xiǎn)考量的效率測度缺乏科學(xué)性和可信度?；诖?，本文擬從政策性農(nóng)擔(dān)機(jī)構(gòu)的角度出發(fā)，以全國農(nóng)擔(dān)體系的實(shí)際運(yùn)營數(shù)據(jù)為載體，將代償率這一風(fēng)險(xiǎn)指標(biāo)納入評(píng)價(jià)體系，綜合測度中國政策性農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)的運(yùn)行效率，以此考察這一新型財(cái)政支農(nóng)工具的實(shí)際效果，另外嘗試?yán)迩遛r(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率的影響因素，并提出切實(shí)可行的政策建議。

三、研究設(shè)計(jì)

(一)數(shù)據(jù)來源及說明

本研究的支撐數(shù)據(jù)主要來源于全國農(nóng)擔(dān)體系的經(jīng)營資料和國家統(tǒng)計(jì)局的公開數(shù)據(jù)?？紤]我國目前農(nóng)擔(dān)體系的主要建設(shè)情況，剔除了上海、西藏、中國香港、中國澳門和中國臺(tái)灣5個(gè)地區(qū)代表性不明顯的數(shù)據(jù)信息(4)目前全國農(nóng)擔(dān)體系尚未在上海、西藏、中國香港、中國澳門和中國臺(tái)灣等五個(gè)地區(qū)設(shè)立農(nóng)擔(dān)機(jī)構(gòu)，因此篩選相關(guān)指標(biāo)數(shù)據(jù)時(shí)予以剔除。，另通過地方統(tǒng)計(jì)局補(bǔ)充了大連、青島、寧波和廈門4個(gè)副省級(jí)城市的相關(guān)數(shù)據(jù)。數(shù)據(jù)來源具體包括了2020年省級(jí)農(nóng)擔(dān)機(jī)構(gòu)業(yè)務(wù)統(tǒng)計(jì)數(shù)據(jù)、《中國統(tǒng)計(jì)年鑒》及中國人民銀行各省市支行的統(tǒng)計(jì)數(shù)據(jù)和部分省市的統(tǒng)計(jì)公報(bào)，其中省級(jí)擔(dān)保機(jī)構(gòu)的業(yè)務(wù)數(shù)據(jù)是核心內(nèi)容。另外，個(gè)別省市不良貸款率數(shù)據(jù)缺失(5)其中，2020年內(nèi)蒙古、遼寧、陜西、安徽以及大連等五個(gè)省市的不良貸款率暫未公布，本文采用平均值法估計(jì)代替。，本文采用平均值法估計(jì)代替。

(二)模型構(gòu)建

1.三階段DEA模型

數(shù)據(jù)包絡(luò)分析方法(DEA)用于多投入多產(chǎn)出模式下評(píng)價(jià)各決策單元的相對(duì)有效性，與其他方法相比，投入及產(chǎn)出指標(biāo)值的量綱選取不影響各決策單元的最優(yōu)效率，沒有主觀上的任何權(quán)重假設(shè)。但傳統(tǒng)DEA模型忽略了其所處的外界環(huán)境和隨機(jī)干擾項(xiàng)等不可控因素對(duì)其效率測度的影響，因此，本文采用將傳統(tǒng)DEA模型與隨機(jī)前沿分析(SFA)方法相結(jié)合的三階段DEA模型來對(duì)農(nóng)擔(dān)機(jī)構(gòu)的運(yùn)營效率進(jìn)行測度，在剔除外界環(huán)境和隨機(jī)干擾等因素對(duì)效率值的影響后，測算出的效率值能夠準(zhǔn)確真實(shí)地反映各決策單元的投入規(guī)模和內(nèi)部管理水平。模型具體構(gòu)建和運(yùn)用包括以下三個(gè)階段。

第一階段：傳統(tǒng)DEA模型

根據(jù)投入和產(chǎn)出數(shù)據(jù)，運(yùn)用傳統(tǒng)DEA模型，選擇投入導(dǎo)向的BCC模型，可以得到各投入變量的松弛值，具體表達(dá)式如下：

(1)

第二階段：隨機(jī)前沿分析(SFA)模型

隨機(jī)前沿分析方法考慮環(huán)境因素對(duì)投入效率的影響，使得決策單元剔除環(huán)境因素和隨機(jī)擾動(dòng)項(xiàng)對(duì)效率值的干擾。設(shè)有M個(gè)決策單元，每個(gè)決策單元都有n項(xiàng)投入，構(gòu)建以下回歸方程分解各決策單元的初始投入松弛值：

sim=fi(zm;βi)+vim+uim

(2)

其中，i=1,2…n,m=1,2,…M。sim表示第m個(gè)決策單元第i項(xiàng)投入松弛值，Zm=(Z1m, Z2m, …,Zpm)表示第m個(gè)決策單元的p個(gè)可觀測到的外界環(huán)境影響因素，βi表示外界環(huán)境影響因素的待估參數(shù)，fi(Zm;βi)表示第m個(gè)決策單元的p個(gè)外界環(huán)境影響因素對(duì)第i項(xiàng)投入松弛值的影響，vim表示隨機(jī)干擾影響，uim表示投入規(guī)模水平和內(nèi)部管理影響。

利用Frontier4.1軟件得到回歸結(jié)果之后，以相對(duì)完全有效決策單元的投入量為基準(zhǔn)，進(jìn)一步利用回歸結(jié)果進(jìn)行調(diào)整，使得所有決策單元在剔除環(huán)境和隨機(jī)噪聲因素產(chǎn)生的影響后處于相同的外部環(huán)境，調(diào)整公式如下：

(3)

第三階段：調(diào)整后的DEA模型

利用第二階段處理得到的剔除環(huán)境及隨機(jī)干擾因素影響的投入數(shù)據(jù)替代原始投入量，產(chǎn)出值保持不變，運(yùn)用傳統(tǒng)DEA模型測算效率，得到剔除外界環(huán)境影響后的決策單元最終效率值，此時(shí)的效率值相對(duì)比較準(zhǔn)確，且能夠真實(shí)反映各決策單元的投入規(guī)模和內(nèi)部管理水平。

2.Tobit模型

將第三階段DEA模型所計(jì)算出的各農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率評(píng)價(jià)值作為因變量，對(duì)影響擔(dān)保機(jī)構(gòu)運(yùn)行效率的因素展開分析。由于效率測度的計(jì)算結(jié)果介于0和1之間，且具有非負(fù)截?cái)嗵卣?，在進(jìn)行影響因素分析時(shí)，若采用最小二乘估計(jì)法(OLS)，估計(jì)結(jié)果會(huì)出現(xiàn)有偏和不一致的問題，因此選擇Tobit計(jì)量模型進(jìn)行回歸，具體如下：

(4)

(5)

(三)評(píng)價(jià)指標(biāo)選取

1.投入—產(chǎn)出指標(biāo)

為保證指標(biāo)選取的合理性，綜合考慮我國農(nóng)擔(dān)機(jī)構(gòu)的成立背景及擔(dān)保機(jī)構(gòu)的核心業(yè)務(wù)模式，并結(jié)合財(cái)政部發(fā)布的政府性融資擔(dān)保機(jī)構(gòu)績效評(píng)價(jià)指引的相關(guān)數(shù)據(jù)指標(biāo)(6)政府性融資擔(dān)保、再擔(dān)保機(jī)構(gòu)績效評(píng)價(jià)指引[EB/OL].http://www.gov.cn/zhengce/zhengceku/2020-05/28/content_5515690.htm.，參考已有研究的合理經(jīng)驗(yàn)，最終選取各省級(jí)擔(dān)保機(jī)構(gòu)的注冊(cè)資本金、專職人員數(shù)量作為投入指標(biāo)，選取當(dāng)年累計(jì)擔(dān)保業(yè)務(wù)金額、擔(dān)保項(xiàng)目總數(shù)、放大倍數(shù)以及代償金額作為產(chǎn)出指標(biāo)。其中，注冊(cè)資本金用以反映農(nóng)擔(dān)機(jī)構(gòu)所能承擔(dān)的業(yè)務(wù)規(guī)模與擔(dān)保能力，專職人員數(shù)量體現(xiàn)人力資本投入與質(zhì)量水平；而擔(dān)保業(yè)務(wù)金額和項(xiàng)目總數(shù)直接反映當(dāng)年農(nóng)擔(dān)機(jī)構(gòu)的業(yè)務(wù)開展情況，放大倍數(shù)能夠體現(xiàn)出其撬動(dòng)社會(huì)資本的財(cái)政支農(nóng)效果；另外，代償金額能在一定程度上體現(xiàn)出農(nóng)擔(dān)機(jī)構(gòu)業(yè)務(wù)開展的風(fēng)險(xiǎn)控制水平，結(jié)合風(fēng)險(xiǎn)報(bào)酬配比原理，只有同時(shí)考慮風(fēng)險(xiǎn)因素的影響，才能對(duì)運(yùn)行效率做出科學(xué)有效的測度，然而代償金額作為一種反向指標(biāo)，直接采用將會(huì)致使測度結(jié)果與實(shí)際情況背離，因此采用減法一致化方法(徐林明、李美娟，2020)[21]對(duì)該逆向指標(biāo)做正向化處理。

2.環(huán)境指標(biāo)

為剔除環(huán)境因素和隨機(jī)干擾項(xiàng)對(duì)運(yùn)行效率測度的影響，結(jié)合有關(guān)文獻(xiàn)資料(呂靜等，2020[8]；許黎莉、陳東平，2017[20])的研究方法，最終選取地區(qū)人均GDP水平、地區(qū)不良貸款率、農(nóng)林牧漁總產(chǎn)值以及地方財(cái)政農(nóng)林水事務(wù)支出作為環(huán)境指標(biāo)(見表1)。

表1 運(yùn)行效率評(píng)價(jià)指標(biāo)體系構(gòu)建

3.影響因素指標(biāo)的選取

為了對(duì)影響政策性農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率的因素展開分析，以剔除環(huán)境因素影響后的綜合技術(shù)效率值作為被解釋變量，結(jié)合有關(guān)文獻(xiàn)的研究成果(呂靜等，2020[8]；陸宇鋒、梁箐，2016[14])及現(xiàn)實(shí)環(huán)境的約束條件，本文最終選取擔(dān)保項(xiàng)目平均規(guī)模等7個(gè)指標(biāo)作為Tobit模型回歸的解釋變量。具體變量定義及描述統(tǒng)計(jì)分析如表2所示。

表2 Tobit 模型變量選取及描述性分析

四、我國政策性農(nóng)業(yè)擔(dān)保機(jī)構(gòu)運(yùn)行效率及其影響因素的實(shí)證分析

(一)運(yùn)行效率評(píng)價(jià)

主要采用剔除環(huán)境因素和隨機(jī)干擾項(xiàng)影響的三階段DEA模型來對(duì)我國農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率展開評(píng)價(jià)研究。另外采用四象限圖、聚類分析譜系圖、中國行政區(qū)域劃分對(duì)比圖等方法分別從整體、省際和區(qū)域之間來展開對(duì)農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率的具體分析。

1.第一階段：傳統(tǒng)DEA

本文利用Deap2.1軟件對(duì)2020年我國政策性農(nóng)擔(dān)機(jī)構(gòu)的運(yùn)行效率進(jìn)行初始測度，并分別從全國整體、省際對(duì)比和區(qū)域差異三個(gè)層面分析模型測算結(jié)果，效率評(píng)估結(jié)果詳見表3。

表3 調(diào)整前后的33家政策性農(nóng)擔(dān)機(jī)構(gòu)DEA效率測算值

(1)整體分析。2020年我國政策性農(nóng)擔(dān)機(jī)構(gòu)整體運(yùn)行效率水平不高，綜合技術(shù)效率均值僅為0.672，其中純技術(shù)效率均值為0.723，規(guī)模效率均值為0.947，與效率前沿面相差較大，還有很大的提升空間。另外，規(guī)模效率均值基本接近生產(chǎn)前沿面，且規(guī)模效率要遠(yuǎn)高于純技術(shù)效率，說明純技術(shù)效率相對(duì)較低是影響我國農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率的主要制約因素。

(2)省際分析。在不排除環(huán)境因素和隨機(jī)干擾項(xiàng)影響的情況下，處于效率前沿面的省級(jí)農(nóng)業(yè)擔(dān)保公司共有7家，分別是貴州、河南、山東、新疆、浙江、寧波和廈門，而其他省份的擔(dān)保機(jī)構(gòu)運(yùn)行效率并未達(dá)到DEA完全有效。另外，從純技術(shù)效率值來看，黑龍江、貴州、河南、內(nèi)蒙古、山東、新疆、浙江、甘肅、青海、大連、青島、寧波和廈門共13家農(nóng)擔(dān)公司的純技術(shù)效率值達(dá)到1，同時(shí)也間接說明，規(guī)模效率低下是造成黑龍江、內(nèi)蒙古、甘肅、青海、大連和青島6家農(nóng)擔(dān)公司綜合技術(shù)效率值未能達(dá)到效率前沿面的主要原因。同理，廣西壯族自治區(qū)農(nóng)擔(dān)機(jī)構(gòu)雖然規(guī)模效率值達(dá)到1，但純技術(shù)效率值較低，從而造成其整體運(yùn)行效率未能達(dá)到完全有效。

(3)區(qū)域分析。根據(jù)中國行政區(qū)劃分布，將33家省級(jí)政策性農(nóng)業(yè)擔(dān)保公司劃分為華北、東北、華東、華中、華南、西南和西北七大經(jīng)濟(jì)區(qū)域(7)限于篇幅，圖略。國內(nèi)傳統(tǒng)的區(qū)域單元?jiǎng)澐滞凑盏乩矸植細(xì)w納為東中西三大區(qū)域，但由于我國幅員遼闊，各地區(qū)之間在資源稟賦以及經(jīng)濟(jì)和社會(huì)發(fā)展上存在較大差距，若按“三大區(qū)域”劃分，地域內(nèi)的差異往往被平均化，因此為了分析各區(qū)域內(nèi)農(nóng)擔(dān)機(jī)構(gòu)的平均發(fā)展現(xiàn)狀，結(jié)合農(nóng)業(yè)生產(chǎn)水平、經(jīng)濟(jì)技術(shù)發(fā)展以及地理分布位置等因素，將全國分為七大經(jīng)濟(jì)區(qū)域，其中華北地區(qū)：北京、天津、河北、山西、內(nèi)蒙古；東北地區(qū)：黑龍江、吉林、遼寧、大連；華東地區(qū)：山東、安徽、江蘇、江西、浙江、福建、廈門、青島、寧波；華中地區(qū)：河南、湖南、湖北；華南地區(qū)：廣西、廣東、海南；西南地區(qū)：云南、貴州、四川、重慶；西北地區(qū)：陜西、新疆、甘肅、青海、寧夏。。華東、華南和西北地區(qū)的綜合技術(shù)效率均值高于全國整體水平，分別達(dá)到0.844、0.667和0.773，西南地區(qū)與全國整體水平基本持平，而華北地區(qū)的綜合技術(shù)效率均值遠(yuǎn)低于全國平均水平，僅為0.390。從純技術(shù)效率水平來看，整體運(yùn)行效率水平不高，僅為0.698，最高的為華東地區(qū)0.851，最低的為華北地區(qū)，僅為0.490。從規(guī)模效率水平來看，華東、華中、華南和西南地區(qū)的規(guī)模效率都在0.990以上，運(yùn)行效率水平比較高。

2.第二階段：隨機(jī)前沿分析(SFA)

第二階段的主要目的是剔除環(huán)境因素和隨機(jī)干擾項(xiàng)對(duì)政策性農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率的影響，以4個(gè)環(huán)境因素作為自變量，2個(gè)投入指標(biāo)的松弛變量作為因變量，運(yùn)用Frontier4.1軟件進(jìn)行SFA回歸，具體結(jié)果如表4所示。

表4 第二階段隨機(jī)前沿分析(SFA)回歸結(jié)果

由表4可知，兩個(gè)模型的γ值都為1，且在1%的置信水平下顯著，說明各機(jī)構(gòu)的管理無效率是影響政策性農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率的主要因素。模型的σ2通過了1%的顯著性水平檢驗(yàn)，證明誤差項(xiàng)也是顯著存在的。其次，LR單邊檢驗(yàn)誤差值也分別通過了1%和5%的顯著性水平檢驗(yàn)，表明SFA回歸模型在政策性農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率評(píng)估中有必要。另外，在SFA回歸結(jié)果中，當(dāng)回歸系數(shù)為負(fù)時(shí)，說明增加相應(yīng)的環(huán)境變量將減少投入變量的松弛度，即有利于減少投入或增加產(chǎn)出；同理，當(dāng)回歸系數(shù)為正時(shí)反之。對(duì)各環(huán)境因素展開分析如下。

(1)地區(qū)人均GDP水平。該變量對(duì)所有投入變量松弛值的回歸系數(shù)均為負(fù)數(shù)，且對(duì)注冊(cè)資本金和專業(yè)人員數(shù)量兩個(gè)指標(biāo)的投入松弛量分別通過了10%和1%的顯著性水平檢驗(yàn)。這表明地區(qū)人均GDP水平越高，區(qū)域經(jīng)濟(jì)發(fā)展水平也就越好，在良好的經(jīng)濟(jì)發(fā)展環(huán)境中，農(nóng)業(yè)擔(dān)保業(yè)務(wù)規(guī)模的發(fā)展將促進(jìn)資金和人員投入的優(yōu)化利用，從而減少投入變量的冗余程度，進(jìn)而對(duì)農(nóng)擔(dān)機(jī)構(gòu)的運(yùn)行效率產(chǎn)生正向推動(dòng)作用。

(2)地區(qū)不良貸款率。該變量對(duì)所有投入變量松弛值的回歸系數(shù)均為負(fù)數(shù)，且均通過了1%的顯著性水平檢驗(yàn)。地區(qū)不良貸款率能夠在一定程度上反映一個(gè)地區(qū)的信用環(huán)境狀況，不良貸款率越高，信貸擔(dān)保條件也就越為嚴(yán)格，銀行金融機(jī)構(gòu)及政策性農(nóng)業(yè)擔(dān)保公司在業(yè)務(wù)開展過程中也會(huì)更加慎重，以降低信貸及擔(dān)保風(fēng)險(xiǎn)的發(fā)生概率，同時(shí)會(huì)合理規(guī)劃資金與人員的投入，減少冗余浪費(fèi)，從而提升其整體運(yùn)營效率。

(3)農(nóng)林牧漁總產(chǎn)值。該變量對(duì)注冊(cè)資本金投入松弛量的回歸系數(shù)為負(fù)，對(duì)人員投入松弛量的回歸系數(shù)為正，且分別通過了10%和1%的顯著性水平檢驗(yàn)。這表明區(qū)域農(nóng)業(yè)發(fā)展水平越高，相關(guān)的農(nóng)業(yè)生產(chǎn)活動(dòng)也就越多，能夠較大刺激農(nóng)業(yè)擔(dān)保業(yè)務(wù)的開展，從而減少農(nóng)擔(dān)機(jī)構(gòu)注冊(cè)資本金的松弛程度；另一方面，地區(qū)農(nóng)業(yè)產(chǎn)值也在一定程度上反映了農(nóng)業(yè)生產(chǎn)經(jīng)營的規(guī)?；?，生產(chǎn)經(jīng)營規(guī)模程度越高，擔(dān)保機(jī)構(gòu)對(duì)人員的投入量也會(huì)隨之增加，然而規(guī)模效應(yīng)可能會(huì)降低對(duì)擔(dān)保人員投入量的需求，一味地隨農(nóng)業(yè)生產(chǎn)經(jīng)營規(guī)模的提升而增加人力資源的投入將會(huì)造成冗余浪費(fèi)現(xiàn)象，進(jìn)而影響其整體運(yùn)行效率。

(4)地方財(cái)政農(nóng)林水事務(wù)支出。該環(huán)境變量對(duì)注冊(cè)資本金投入松弛量的回歸系數(shù)為正，對(duì)人員投入松弛量的回歸系數(shù)為負(fù)，且均通過了1%的顯著性水平檢驗(yàn)。地方財(cái)政對(duì)于農(nóng)林水事務(wù)的支出水平越高，農(nóng)戶所能享受到的政策優(yōu)惠也就越多，在一定程度上將會(huì)促使農(nóng)戶減少對(duì)農(nóng)業(yè)信貸的依賴，從而降低擔(dān)保業(yè)務(wù)的規(guī)模，造成資金投入冗余的增加。與此同時(shí)，農(nóng)業(yè)擔(dān)保業(yè)務(wù)量的減少將會(huì)抑制農(nóng)擔(dān)機(jī)構(gòu)的人力資源投入，從而降低專職人員的冗余程度。

3.第三階段：調(diào)整后的DEA測度

通過SFA回歸，剔除環(huán)境因素和隨機(jī)干擾項(xiàng)對(duì)效率測度的影響，根據(jù)第二階段模型結(jié)果調(diào)整投入變量，并將其與原有的產(chǎn)出變量再次采用DEA重新測算，由此得到第三階段的33家省級(jí)農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率值和規(guī)模報(bào)酬?duì)顟B(tài)(詳見表1)。

(1)整體分析。根據(jù)表1可知，在剔除外界環(huán)境和隨機(jī)干擾因素對(duì)運(yùn)行效率測度的影響后，我國33家農(nóng)擔(dān)機(jī)構(gòu)的綜合技術(shù)效率均值為0.7，純技術(shù)效率均值為0.76，規(guī)模效率均值為0.936，整體運(yùn)行效率出現(xiàn)小幅度的上升。其中，綜合技術(shù)效率上升4.17%，純技術(shù)效率上升5.12%，規(guī)模效率下降1.16%，純技術(shù)效率均值上升幅度超過規(guī)模效率均值的下降幅度，說明調(diào)整后的政策性農(nóng)擔(dān)機(jī)構(gòu)綜合技術(shù)效率均值提升的主要原因來源于純技術(shù)效率值的增加。同時(shí)各項(xiàng)指標(biāo)的變動(dòng)也在一定程度上說明運(yùn)行效率受地區(qū)環(huán)境因素的影響，如不考慮環(huán)境因素的影響將會(huì)致使整體運(yùn)行效率的測度值偏低。

(2)省際分析。在剔除外界環(huán)境和隨機(jī)干擾等因素影響后，33家省級(jí)農(nóng)擔(dān)機(jī)構(gòu)中，只有貴州、河南、山東、新疆、浙江和廈門6家的三種效率值未發(fā)生任何變動(dòng)，其他27家均出現(xiàn)不同程度的改變。其中，寧波市農(nóng)擔(dān)公司未能繼續(xù)保持DEA完全有效，而青島市農(nóng)擔(dān)公司的整體運(yùn)行效率值達(dá)到效率前沿面，間接說明第一階段測度的不同效率值并不能真實(shí)地反映農(nóng)擔(dān)機(jī)構(gòu)的運(yùn)行效率水平，外界環(huán)境和隨機(jī)干擾因素會(huì)對(duì)效率值的測度產(chǎn)生不同方向的影響。

以調(diào)整后的純技術(shù)效率均值(0.76)和規(guī)模效率均值(0.936)為標(biāo)準(zhǔn)進(jìn)行劃分，將我國33家農(nóng)擔(dān)公司分為四個(gè)區(qū)域。如圖1所示，第Ⅰ象限的區(qū)域稱為“雙高”型，主要包括貴州及河南等14家農(nóng)擔(dān)機(jī)構(gòu)，此區(qū)域內(nèi)的機(jī)構(gòu)處于效率前沿面，整體運(yùn)行效率比較高，各自的純技術(shù)效率和規(guī)模效率也都處于全國平均水平以上。第Ⅱ象限稱為“高規(guī)模效率”型，主要包括天津及山西等15家農(nóng)擔(dān)公司，整體規(guī)模水平在全國均值以上，但純技術(shù)效率值比較低，因此要著重提升政策性農(nóng)擔(dān)機(jī)構(gòu)的內(nèi)部管理水平。第Ⅳ象限稱為“高技術(shù)效率”型，主要包括青海、甘肅、內(nèi)蒙古和大連4家，此區(qū)域內(nèi)的純技術(shù)效率均達(dá)到效率前沿面，但規(guī)模效率都比較低，在完善農(nóng)擔(dān)機(jī)構(gòu)管理制度的同時(shí)，要逐步擴(kuò)大擔(dān)保業(yè)務(wù)的規(guī)模水平，實(shí)現(xiàn)資源的集中配置和優(yōu)化管理。

圖1 全國33家政策性農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率劃分圖

為了更加清晰地了解各省市農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率的區(qū)域聚集特征，采用SPSS22軟件，根據(jù)組間連接法和平方Euclidean距離法對(duì)我國33家農(nóng)擔(dān)機(jī)構(gòu)的整體運(yùn)行效率(調(diào)整后)進(jìn)行聚類分析，得到相應(yīng)的聚類譜系圖(8)限于篇幅，圖略。。另外根據(jù)聚類結(jié)果可分為四類，具體的分類情況和綜合技術(shù)效率均值如表5所示，第一類農(nóng)擔(dān)機(jī)構(gòu)整體運(yùn)行效率較高，綜合效率均值達(dá)到0.974，整體運(yùn)行水平比較高，第三類農(nóng)擔(dān)機(jī)構(gòu)整體運(yùn)行效率最低，僅為0.407。

表5 分類情況表

(3)區(qū)域分析。在剔除環(huán)境因素和隨機(jī)干擾項(xiàng)的影響后，不同地區(qū)的三類效率均值均發(fā)生不同程度的變化。各地區(qū)的純技術(shù)效率均值與規(guī)模效率均值均出現(xiàn)反向變動(dòng)情況，說明環(huán)境因素對(duì)農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率變化會(huì)產(chǎn)生較為明顯的影響。華東、華南和西北地區(qū)的綜合技術(shù)效率均值仍高于全國整體水平，與調(diào)整前相比，分別上升1.36%、8.70%和3.96%，華北地區(qū)變動(dòng)幅度最大，上升15.71%，東北地區(qū)變動(dòng)幅度最小，僅上升1.11%，說明東北地區(qū)農(nóng)擔(dān)機(jī)構(gòu)的運(yùn)行效率受環(huán)境因素變化影響較小。從純技術(shù)效率水平來看，華北和華南地區(qū)分別上升14.20%和10.07%。從規(guī)模效率水平來看，僅東北地區(qū)提升，西北地區(qū)下降最大，達(dá)5.49%，華東地區(qū)整體變化幅度都相對(duì)較小。

(二)運(yùn)行效率影響因素分析

為進(jìn)一步提高農(nóng)擔(dān)機(jī)構(gòu)的運(yùn)行效率，以剔除環(huán)境因素和隨機(jī)干擾影響后的農(nóng)擔(dān)機(jī)構(gòu)綜合技術(shù)效率值作為被解釋變量，選取擔(dān)保項(xiàng)目平均規(guī)模等7個(gè)指標(biāo)作為解釋變量進(jìn)行分析研究?？紤]效率值的范圍在0-1之間，因此選用Tobit模型，利用Stata15.1軟件對(duì)農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率的影響因素進(jìn)行回歸分析(見表6)。

表6 Tobit模型回歸估計(jì)結(jié)果

從回歸結(jié)果來看，擔(dān)保項(xiàng)目平均規(guī)模和政策性業(yè)務(wù)開展情況分別通過了1%和10%的顯著性水平檢驗(yàn)，而追償率和擔(dān)保業(yè)務(wù)覆蓋率則通過了5%的顯著性水平檢驗(yàn)，其余變量不顯著。

1.平均規(guī)模與農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率呈顯著的反向相關(guān)關(guān)系

擔(dān)保項(xiàng)目平均規(guī)模為擔(dān)保業(yè)務(wù)項(xiàng)目總額與擔(dān)保項(xiàng)目數(shù)量之比，農(nóng)業(yè)信貸擔(dān)保業(yè)務(wù)單筆規(guī)模往往比較小(10萬-300萬)，一方面，項(xiàng)目平均規(guī)模過大可能會(huì)導(dǎo)致農(nóng)擔(dān)機(jī)構(gòu)違背扶農(nóng)支農(nóng)的政策性初衷，另一方面，擔(dān)保業(yè)務(wù)的風(fēng)險(xiǎn)水平往往與擔(dān)保業(yè)務(wù)規(guī)模成正比，在農(nóng)業(yè)領(lǐng)域更為突出，擔(dān)保業(yè)務(wù)規(guī)模越大，農(nóng)擔(dān)機(jī)構(gòu)所承擔(dān)的風(fēng)險(xiǎn)也就越高，出現(xiàn)代償?shù)娘L(fēng)險(xiǎn)概率也會(huì)隨之增加，進(jìn)而影響整體的運(yùn)行效率。本項(xiàng)結(jié)論也印證了政策要求農(nóng)業(yè)擔(dān)保業(yè)務(wù)要“小額分散”的合理性。

2.追償率與農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率呈顯著的正相關(guān)關(guān)系

追償率是指農(nóng)擔(dān)機(jī)構(gòu)對(duì)發(fā)生代償?shù)男庞觅J款執(zhí)行追償權(quán)而追回的比例，能夠在一定程度上體現(xiàn)其整體運(yùn)行的風(fēng)險(xiǎn)管理水平。農(nóng)擔(dān)機(jī)構(gòu)對(duì)發(fā)生違約代償?shù)淖坊乇壤酱?，意味著其自身承?dān)的風(fēng)險(xiǎn)比例也就越低，表明擔(dān)保機(jī)構(gòu)的風(fēng)險(xiǎn)控制水平越好，擔(dān)保能力也就越強(qiáng)，從而在整體上提升機(jī)構(gòu)的運(yùn)營效率。

3.政策性業(yè)務(wù)開展情況與農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率呈顯著的正相關(guān)關(guān)系

“政策性業(yè)務(wù)開展情況”因素通過了10%的顯著性水平檢驗(yàn)，與農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率呈顯著的正相關(guān)關(guān)系。政策性業(yè)務(wù)是指擔(dān)保額度在10萬元到300萬元之間的農(nóng)業(yè)擔(dān)保業(yè)務(wù)，其作為農(nóng)擔(dān)機(jī)構(gòu)的核心業(yè)務(wù)種類，是政策性金融支持農(nóng)村產(chǎn)業(yè)融合發(fā)展的重要財(cái)政工具，旨在培育適度規(guī)模經(jīng)營的農(nóng)業(yè)主體，有效解決該類群體的融資問題。政策性業(yè)務(wù)的限定既是對(duì)農(nóng)擔(dān)機(jī)構(gòu)堅(jiān)定扶農(nóng)支農(nóng)初衷的底線與要求，也是防范財(cái)政支農(nóng)資金非農(nóng)化使用的規(guī)避手段。政策性業(yè)務(wù)占比越高，農(nóng)擔(dān)機(jī)構(gòu)的政策性初衷越能得到充分地實(shí)現(xiàn)，從而間接促進(jìn)整體運(yùn)行效率的改善。該項(xiàng)指標(biāo)事實(shí)上體現(xiàn)了政策本身的合規(guī)性要求。

4.擔(dān)保業(yè)務(wù)覆蓋率與農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率呈顯著的反向相關(guān)關(guān)系

擔(dān)保業(yè)務(wù)覆蓋率是反映農(nóng)擔(dān)體系服務(wù)農(nóng)村金融廣度和深度的重要指標(biāo)，目前全國農(nóng)擔(dān)業(yè)務(wù)覆蓋95%的縣級(jí)轄區(qū)，覆蓋率較高。但研究數(shù)據(jù)反映，擔(dān)保業(yè)務(wù)覆蓋率與農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率呈顯著的反向相關(guān)關(guān)系，當(dāng)農(nóng)擔(dān)業(yè)務(wù)涉足更多區(qū)域的時(shí)候，其整體業(yè)務(wù)效率便會(huì)受到更多的制約。這是農(nóng)擔(dān)業(yè)務(wù)固有的特征，原因一方面是農(nóng)村金融業(yè)務(wù)主要遍布鄉(xiāng)村，甚至主要在田間地頭，信貸過程中的盡調(diào)、監(jiān)管等必要環(huán)節(jié)，受制于物理距離、交通條件等客觀因素，直接導(dǎo)致信貸效率難以提升；另一方面是由于農(nóng)擔(dān)服務(wù)機(jī)構(gòu)目前布局仍然存在不合理問題，以城市為中心的辦公布局不利于其運(yùn)營效率的提升。

5.平均綜合融資成本與農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率呈反向相關(guān)關(guān)系

融資成本是信貸業(yè)務(wù)的關(guān)鍵。平均綜合融資成本包括平均擔(dān)保費(fèi)率和平均貸款利率，該項(xiàng)因素雖然未通過顯著性水平檢驗(yàn)，但研究數(shù)據(jù)顯示其與農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率明顯反向相關(guān)。這意味著融資成本仍然是制約農(nóng)村金融業(yè)務(wù)發(fā)展的關(guān)鍵因素之一，完善銀擔(dān)關(guān)系，降低貸款利率水平，顯然能夠提升農(nóng)擔(dān)機(jī)構(gòu)的運(yùn)行效率。信貸利率受制于整體的金融政策和外部機(jī)構(gòu)的合作關(guān)系，但農(nóng)擔(dān)機(jī)構(gòu)自身的擔(dān)保費(fèi)率可以自主決定，調(diào)整擔(dān)保費(fèi)率可能是改善機(jī)構(gòu)運(yùn)營效率的直接有效措施。

本文的穩(wěn)健性檢驗(yàn)方法選擇變量替換法和補(bǔ)充變量法。首先，在Tobit模型回歸結(jié)果中，所采用的被解釋變量是通過投入導(dǎo)向的三階段DEA模型來測算的政策性農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)的綜合技術(shù)效率，如表7列(1)所示；而為檢驗(yàn)?zāi)Ｐ突貧w結(jié)果的可靠性，通過采用產(chǎn)出導(dǎo)向的三階段DEA模型測算出的運(yùn)行效率作為被解釋變量(徐攀、李玉雙，2022)[22]，重新進(jìn)行回歸分析，具體結(jié)果如表7列(2)所示。另外，政策性農(nóng)業(yè)擔(dān)保作為由財(cái)政支持建立起來的新型支農(nóng)工具，“政府+擔(dān)?！焙献髂Ｊ綄檗r(nóng)擔(dān)公司注入“信用資本”，有利于農(nóng)擔(dān)公司順利開展經(jīng)營活動(dòng)，一定程度上影響其運(yùn)營效率，為了檢驗(yàn)是否存在與之相關(guān)的遺漏變量，在模型解釋變量中添加“政擔(dān)合作情況”這一指標(biāo)，具體回歸結(jié)果如表7列(3)所示。通過兩種方法的回歸分析，各變量的統(tǒng)計(jì)顯著性并未發(fā)生改變，回歸系數(shù)也比較接近，影響方向一致，進(jìn)一步證明前文回歸結(jié)果的穩(wěn)健有效。

表7 穩(wěn)健性檢驗(yàn)

五、研究結(jié)論與政策建議

(一)研究結(jié)論

通過三階段DEA模型來對(duì)我國33家政策性農(nóng)擔(dān)機(jī)構(gòu)的運(yùn)行效率進(jìn)行測度評(píng)價(jià)，評(píng)價(jià)結(jié)果揭示了目前我國政策性農(nóng)業(yè)擔(dān)保的體系建設(shè)與實(shí)踐效果。在此基礎(chǔ)上，進(jìn)一步采用Tobit模型對(duì)農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率的影響因素展開了分析。研究的主要結(jié)論如下：(1)目前我國整體政策性農(nóng)擔(dān)機(jī)構(gòu)的運(yùn)行效率處于較低水平，僅為0.7，只有貴州、河南、山東、新疆、浙江、青島和廈門七個(gè)地區(qū)位于技術(shù)效率前沿面，其他地區(qū)仍具有很大的提升空間，絕大多數(shù)地區(qū)的運(yùn)行效率處于規(guī)模報(bào)酬遞增狀態(tài)。(2)地域差異較為懸殊，華東、華南和西北地區(qū)的綜合技術(shù)效率均值高于全國平均水平，而華北地區(qū)則處于最低水平，僅為0.451。(3)外界環(huán)境因素對(duì)農(nóng)擔(dān)機(jī)構(gòu)的三種運(yùn)行效率均會(huì)產(chǎn)生不同的影響，尤以純技術(shù)效率變動(dòng)幅度最大。除外界環(huán)境因素外，擔(dān)保項(xiàng)目平均規(guī)模、平均綜合融資成本和擔(dān)保業(yè)務(wù)覆蓋率與農(nóng)擔(dān)機(jī)構(gòu)運(yùn)行效率呈負(fù)相關(guān)關(guān)系，而政策性業(yè)務(wù)開展情況和追償率與機(jī)構(gòu)運(yùn)行效率呈正相關(guān)關(guān)系。

(二)政策建議

經(jīng)比對(duì)發(fā)現(xiàn)，通過模型數(shù)據(jù)計(jì)算得出的研究結(jié)果與農(nóng)業(yè)擔(dān)保業(yè)務(wù)實(shí)踐中的經(jīng)驗(yàn)結(jié)論高度一致，這反映出本研究方法的科學(xué)性。研究結(jié)論啟發(fā)了完善農(nóng)擔(dān)體系的發(fā)展方向。2021年中央一號(hào)文件要求“加強(qiáng)對(duì)農(nóng)業(yè)信貸擔(dān)保放大倍數(shù)的量化考核，提高農(nóng)業(yè)信貸擔(dān)保規(guī)模”，顯然，完善農(nóng)業(yè)信貸擔(dān)保體系仍然是目前提升農(nóng)村金融服務(wù)水平的重要舉措。

1.繼續(xù)完善農(nóng)擔(dān)業(yè)務(wù)布局，實(shí)現(xiàn)均衡發(fā)展。首先，未來國家農(nóng)業(yè)擔(dān)保體系的建設(shè)，仍應(yīng)當(dāng)有針對(duì)性地督促效率較低的華北、東北、和華中地區(qū)的業(yè)務(wù)效率提升，實(shí)現(xiàn)全國的均衡發(fā)展。其次，農(nóng)擔(dān)機(jī)構(gòu)業(yè)務(wù)廣泛下沉雖然是有效服務(wù)“三農(nóng)”的必要手段，也是擴(kuò)大業(yè)務(wù)覆蓋范圍的需要，但是在更廣闊的領(lǐng)域開展業(yè)務(wù)，的確會(huì)因盡職調(diào)查、保后監(jiān)控以及業(yè)務(wù)手續(xù)開展的物理半徑較遠(yuǎn)而帶來效率的損失。從純粹的機(jī)構(gòu)效率考量，擴(kuò)張業(yè)務(wù)范圍無益，但從政策性定位考量，廣泛覆蓋的業(yè)務(wù)領(lǐng)域是制度的“初心”。有效克服該內(nèi)在矛盾，需要從技術(shù)層面做更多的考量。目前有兩個(gè)方面的經(jīng)驗(yàn)可以參考：一是加大農(nóng)擔(dān)體系的數(shù)字化業(yè)務(wù)轉(zhuǎn)型，利用互聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)，實(shí)現(xiàn)遠(yuǎn)距離的盡職調(diào)查、合同簽署、風(fēng)險(xiǎn)審核以及內(nèi)部審批等必要流程，替代事必躬親的傳統(tǒng)業(yè)務(wù)模式；二是擺脫以行政區(qū)劃和縣城為中心的傳統(tǒng)機(jī)構(gòu)布局，代替以產(chǎn)業(yè)集群、產(chǎn)業(yè)帶和鄉(xiāng)村為機(jī)構(gòu)落地點(diǎn)的業(yè)務(wù)機(jī)構(gòu)布局，以此來提高服務(wù)的針對(duì)性和便捷性。當(dāng)然，利用其他機(jī)構(gòu)增強(qiáng)農(nóng)擔(dān)業(yè)務(wù)功能也是選擇之一，種種路徑不再贅述。

2.堅(jiān)持政策性定位，業(yè)務(wù)仍然以“支農(nóng)支小”為方向。在農(nóng)業(yè)融資擔(dān)保領(lǐng)域，過大金額的金融支持可能有助于完成擔(dān)保額度的業(yè)績考核，但對(duì)綜合效率的提升無益。堅(jiān)持政策性定位，仍然以“支農(nóng)支小”為農(nóng)業(yè)擔(dān)保業(yè)務(wù)的開展方向，是農(nóng)擔(dān)體系健康發(fā)展的前提。同時(shí)，基于政策紅線的剛性束縛，開展低于10萬和超過300萬額度的政策外業(yè)務(wù)，顯然無益于提高農(nóng)擔(dān)機(jī)構(gòu)的運(yùn)行效率。作為財(cái)政協(xié)同金融的支農(nóng)工具，農(nóng)擔(dān)機(jī)構(gòu)理應(yīng)堅(jiān)持“緩解‘三農(nóng)’領(lǐng)域融資約束難題”的社會(huì)使命不動(dòng)搖。研究證明，農(nóng)業(yè)擔(dān)保作為準(zhǔn)公共物品的功能定位，以適當(dāng)業(yè)務(wù)額度控制來作為政策業(yè)務(wù)標(biāo)準(zhǔn)之一，對(duì)農(nóng)擔(dān)體系的健康發(fā)展有著明確的科學(xué)依據(jù)。

3.加強(qiáng)銀擔(dān)合作機(jī)制，盡快提升追償能力。銀行與擔(dān)保機(jī)構(gòu)協(xié)同業(yè)務(wù)合作、共同分擔(dān)風(fēng)險(xiǎn)是提高金融效率的得力措施。一方面，有效的銀擔(dān)合作除有利于金融項(xiàng)目的風(fēng)險(xiǎn)控制，更有助于實(shí)現(xiàn)數(shù)據(jù)互通、資料共享和業(yè)務(wù)代理，減少業(yè)務(wù)環(huán)節(jié)，提高擔(dān)保效率；另一方面，銀擔(dān)合作不僅提高了業(yè)務(wù)效率，更是降低了銀行的風(fēng)險(xiǎn)，在風(fēng)險(xiǎn)定價(jià)機(jī)制下，可以降低客戶的融資成本。如山東省農(nóng)擔(dān)公司介入后，農(nóng)戶年化融資成本扣除政府補(bǔ)貼后，最低時(shí)僅2.1%，這也是該機(jī)構(gòu)迅速把業(yè)務(wù)做到全國首位的重要原因之一。施行階梯式銀擔(dān)分險(xiǎn)比例控制代償風(fēng)險(xiǎn)，建立銀行風(fēng)險(xiǎn)敞口和代償熔斷機(jī)制等措施，進(jìn)一步完善的“政銀擔(dān)”合作新機(jī)制，充分調(diào)動(dòng)銀行合作積極性，形成新型農(nóng)村金融的“鯰魚效應(yīng)”，仍然是未來農(nóng)擔(dān)體系發(fā)展方向之一。

有效的風(fēng)險(xiǎn)管控是政策性農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)持續(xù)健康運(yùn)營發(fā)展的前提。從實(shí)質(zhì)上分析，良好的追償能力是最有效的風(fēng)險(xiǎn)管控方式，全方位提高農(nóng)擔(dān)機(jī)構(gòu)的追償水平，是農(nóng)擔(dān)效率提升的最重要因素。截止到2021年9月份，農(nóng)擔(dān)體系內(nèi)的整體累計(jì)追償率僅為23%，高達(dá)77%的代償款尚未收回，個(gè)別省級(jí)擔(dān)保機(jī)構(gòu)追償率不及3%，也是其運(yùn)行效率較低的重要原因。從現(xiàn)實(shí)情況看，追償能力不足幾乎是所有省級(jí)擔(dān)保機(jī)構(gòu)面臨的共性問題。加強(qiáng)追償能力建設(shè)，成為提高農(nóng)擔(dān)體系運(yùn)營效率的關(guān)鍵之所在。