農(nóng)發(fā)行臨夏州分行金融扶貧效率研究

　　摘 要：貧困問題一直是困擾發(fā)展中國家的主要問題之一。金融扶貧作為減緩貧困的主要力量，研究金融扶貧的效率問題，對于實現(xiàn)農(nóng)村貧困人口物質(zhì)上和精神上的“雙小康”具有重要意義。對臨夏州貧困地區(qū)的經(jīng)濟發(fā)展狀況和農(nóng)發(fā)行臨夏州分行扶貧現(xiàn)狀進行整體的把握，對農(nóng)發(fā)行臨夏州分行金融扶貧效率的實證分析，找出造成農(nóng)發(fā)行臨夏州分行金融扶貧效率下降的主要原因。
　　關(guān)鍵詞：臨夏州；金融扶貧；效率；農(nóng)發(fā)行
　　改革開放以來，我國開始有針對性地實施扶貧政策，扶貧、減貧的經(jīng)濟和社會效果日益彰顯。然而，受扶貧開發(fā)事業(yè)的特殊性以及區(qū)域發(fā)展不平衡等因素的影響，扶貧精準度始終不能達到一個較高的水平，貧困農(nóng)戶數(shù)量不清、致貧原因不明、扶貧政策針對性不強、扶貧項目和扶貧資金指向不準等問題十分突出。
　　金融扶貧是扶貧工作中重要的一個環(huán)節(jié)和手段，無論哪種形式的扶貧都離不開金融資金的介入。近年來各個金融機構(gòu)在和地方政府的合作下，通過低息貸款，增強金融服務等措施，取得了一定的成效。甘肅作為典型的貧困省份，臨夏州又地處民族地區(qū)，由于其特殊的地理環(huán)境，金融扶貧效率低下顯得尤為突出。因此，本文試圖以臨夏回族自治州八縣市為樣本，擬首先對農(nóng)發(fā)行金融扶貧的效果評價機制進行探索，進而找出可能制約農(nóng)發(fā)行臨夏州分行金融扶貧效率的影響因素，并在此基礎上提出有效提高信貸扶貧精準度和信貸資金效率的政策建議。
　　1 研究方法
　　1.1 DEA方法
　　綜合有關(guān)金融扶貧效率的研究成果可知，對于扶貧效率評價的傳統(tǒng)方法主要是數(shù)據(jù)包絡分析（DEA）。DEA方法利用線性規(guī)劃方法，能夠處理多輸入和多輸出問題，因而在研究多輸入多輸出的復雜系統(tǒng)時，展現(xiàn)出較好的適用性。DEA模型最早是由Charnes、Cooper及Rhodes 在1978年提出的CCR模型，用于評價相同部門間的相對有效性。CCR模型并沒有考慮規(guī)模報酬可變的實際情況，對此，Banker、Charnes和Cooper通過剔除CCR模型中的錐形約束，使得CCR模型的生產(chǎn)可能性集變成一個凸多面體，因而，Banker等人又提出了規(guī)模報酬可變的BCC模型。與CCR相比，BCC模型假設規(guī)模報酬可變，且將CCR模型中的技術(shù)效率（TE）分解為純技術(shù)效率（PTE）和規(guī)模效率（SE）。
　　1.2 Malmquist方法
　　在實證分析中，普遍使用Fare等人構(gòu)建的DEA-Malmquist指數(shù)模型。本文采用Malmquist指數(shù)來評價農(nóng)發(fā)行臨夏分行金融扶貧效率的動態(tài)變化以獲得實際的應用效果。以t時刻和t+1時刻為技術(shù)參照的Malmquist效率變化指數(shù)定義為：
　　M（xt+1，yt+1；xt，yt）=
　　Dt（xt+1，yt+1）Dt（xt，yt）×Dt+1（xt+1，yt+1）Dt+1（xt，yt）1/2（1）
　　當Malmquist指數(shù)大于1時，這說明全要素生產(chǎn)率（TFP）水平相對于前一年有所提高；如果Malmquist指數(shù)小于1時則表明TFP水平與前一年相比有所下降。Fare（1994）將全要素生產(chǎn)率分解為：技術(shù)效率的變化（TE）以及技術(shù)進步的變化（TC）兩部分，而在可變規(guī)模報酬下，技術(shù)效率變化又能分解為純技術(shù)效率變化（PTEC）和規(guī)模效率變化（SC）。其具體分解形式可表示為：
　　M（xt+1，yt+1；xt，yt）=Dt（xt+1，yt+1）Dt（xt，yt）×Dt+1（xt+1，yt+1）Dt+1（xt，yt）1/2
　　=Dt+1（xt+1，yt+1）Dt（xt，yt）Dt（xt+1，yt+1）Dt+1（xt+1，yt+1）×Dt（xt，yt）Dt+1（xt，yt）1/2
　　=TE×TC=PTEC×SC×TC（2）
　　2 指標選取和數(shù)據(jù)來源
　　進行模型評價的重要前提是構(gòu)建農(nóng)發(fā)行臨夏州分行金融扶貧效率的評價指標體系，指標選取不僅要考慮評價模型的特點，還要考慮到數(shù)據(jù)選取的原則。本文結(jié)合指標選取的原則以及農(nóng)發(fā)行臨夏州分行的發(fā)展情況，并考慮DEA模型對指標的要求，構(gòu)建農(nóng)發(fā)行臨夏分行金融扶貧效率評價指標體系，從而科學、合理地評價農(nóng)發(fā)行臨夏分行的金融扶貧效率水平。
　　本文選取農(nóng)發(fā)行臨夏分行所在的8個縣市為研究樣本，包括臨夏市、臨夏縣、康樂縣、永靖縣、廣河縣、和政縣、東鄉(xiāng)縣、積石山縣�？紤]到數(shù)據(jù)的可得性和完整性，本文選取以下投入產(chǎn)出指標：（1）投入指標：縣域人均貸款額、縣域金融機構(gòu)網(wǎng)點數(shù)、縣域金融機構(gòu)從業(yè)人員數(shù)。這些指標可以反映銀行的整體信貸投入狀況。（2）產(chǎn)出指標：城鎮(zhèn)居民人均可支配收入、農(nóng)村居民人均可支配收入。人均可支配收入能夠體現(xiàn)銀行信貸投入對提升居民生活水平的效果。
　　3 農(nóng)發(fā)行臨夏州分行金融扶貧效率實證分析
　　本文采用DEA投入導向型方法對農(nóng)發(fā)行臨夏分行金融扶貧效率進行測算。將臨夏州各市縣作為研究對象，基于2013-2017年的面板數(shù)據(jù)，采用DEAP2.1軟件，計算出各省市歷年的技術(shù)效率、純技術(shù)效率和規(guī)模效率值，計算結(jié)果見表1、表2、表3。
　　其次從純技術(shù)效率分析，純技術(shù)效率能夠反映企業(yè)的經(jīng)營管理水平。表2為DEA模型分析得到的純技術(shù)效率的分析結(jié)果。具體來看，2013-2017年農(nóng)發(fā)行臨夏分行金融扶貧的純技術(shù)效率總體上逐年增加并伴隨波動，均值為0.936，其中，在2016年出現(xiàn)了小幅下降。除了臨夏市在2016年和2017年為效率有效，其余市縣均為無效率。這與技術(shù)效率的分析結(jié)果相一致。純技術(shù)效率的分析結(jié)果表明，農(nóng)發(fā)行臨夏分行在金融扶貧中的技術(shù)和管理水平有待進一步提升。
　　最后對農(nóng)發(fā)行臨夏分行金融扶貧的規(guī)模效率進行分析。從歷年均值看，2013-2017年純技術(shù)效率逐年增長，但整體水平較低，均值為0.611，其中，在2014年出現(xiàn)小幅下降。由此可見，農(nóng)發(fā)行臨夏分行金融扶貧效率整體水平處于非有效狀態(tài)的原因是規(guī)模效率較低，金融扶貧的規(guī)模較小是制約農(nóng)發(fā)行臨夏分析金融扶貧效率提升的主要因素。因此，銀行必須采取措施擴大金融扶貧規(guī)模，進一步提升銀行的金融扶貧效率。

相關(guān)熱詞搜索：扶貧 分行 農(nóng)發(fā)行 效率 金融