長江經(jīng)濟帶金融資源配置效率測算計算過程案例綜述目錄TOC\o"1-3"\h\u28216長江經(jīng)濟帶金融資源配置效率測算計算過程案例綜述 1323241.1三階段DEA模型建立 135751.1.1數(shù)據(jù)包絡分析法 1305991.1.2第一階段：傳統(tǒng)DEA模型 2103221.1.3第二階段：隨機前沿分析（SFA） 4264171.1.4第三階段：調(diào)整后的DEA再測算 4106921.2長江經(jīng)濟帶金融資源效率的測算 5193711.2.1指標選擇與數(shù)據(jù)來源 5131891.2.2三階段DEA模型結果分析 6根據(jù)馮玉梅等（2018）學者對金融資源配置效率測算方法的歸納，測算金融資源配置效率的方法主要有三種：投資彈性系數(shù)方法、DEA衡量方法、金融相關比率衡量方法[40]。由于金融是一個復雜的系統(tǒng)，涉及到眾多金融主體，單一的比率或系數(shù)方法無法對其效率作出全面評價，而DEA是多投入和多產(chǎn)出的綜合效率評價方法，且具有權重不受人為主觀因素影響的優(yōu)點，可以作為本章評價長江經(jīng)濟帶金融資源配置效率的評價方法。綜合DEA方法的各種變化形式，為了更加準確地測算出金融資源配置效率，本章選用三階段DEA模型來進行測算。1.1三階段DEA模型建立1.1.1數(shù)據(jù)包絡分析法數(shù)據(jù)包絡分析法（DEA，DataEnvelopmentAnalysis）由Charnes，Coopor和Rhodes在1978年提出，以相對效率概念為基礎而發(fā)展的一種效率評價方法[61]。它是利用數(shù)學線性規(guī)劃將決策單元（DMU）的多種投入和產(chǎn)出的數(shù)據(jù)，投射到坐標空間，求得最大產(chǎn)出或者最小投入為效率邊界來確定相對有效的生產(chǎn)前沿面，然后將各個決策單元投影到生產(chǎn)前沿面上，通過比較偏離DEA有效前沿面的程度來評價它們相對有效性情況。實際上，效率或者相對效率指的時產(chǎn)出和投入之比，不過是在加權之下的產(chǎn)出和投入之比。而決策單元是否DEA有效是相對應于生產(chǎn)可能集而言，以投入最小和產(chǎn)出最大為目標的帕累托最優(yōu)。由于傳統(tǒng)DEA方法未考慮外部因素和隨機誤差對效率影響，F(xiàn)reid（2002）等人對其進行改進，提出一個需要分三步完成對效率測算的不受外部環(huán)境和隨機誤差干擾的新效率評價模型，簡稱三階段DEA方法[62]。1.1.2第一階段：傳統(tǒng)DEA模型1.1.2.1規(guī)模報酬不變的DEA模型-CCRCCR模型，是Chames，Cooper和Rhodes（1978）提出的多種投入和多種產(chǎn)出的效率評估模型，是最基本的DEA模型。假設有n個決策單元（DMU），每個DMU有m種輸入和s種輸出；Xij=DMUj對第i種輸入的投入總量，Yrj=DMUj對第r種輸出的產(chǎn)出總量(j=1，2，…，n；i=1,2,…，m；r=1,2,…，s)。為方便，以第j0個決策單元為例，記對應的輸入、輸出數(shù)據(jù)分別為x0=xj0，y0=yj0，則評價DMUj0的DEA模型為：公式（4-1）其中QUOTEv=(v1，v2，…，vm)T公式（4-2）根據(jù)線性規(guī)劃的對偶定理公式（4-2）等價為：公式（4-3）上述公式（4-4）雖為線性規(guī)劃，但在計算和技術上存在困難，因此Charnes將非阿基米德無窮小量?引入方程，建立了新的方程：公式（4-5）其中，，為剩余變量，為松弛變量，無約束。當時，決策單元為DEA有效，且技術效率和規(guī)模同為最佳水平。1.1.2.2規(guī)模報酬可變的DEA模型-BCC由于上述CCR模型的約束為規(guī)模報酬不變，而在實際情況中規(guī)模報酬不變的情況較少，因此，Banker（1984）在CCR模型的基礎上添加了一個約束條件，使計算效率時只考慮技術有效而不考慮規(guī)模有效，得到BCC模型[63]：公式（4-6）其中為施加的凸性約束條件。BCC模型求出的規(guī)模報酬可變條件下的效率稱為純技術效率（PTE），結合CCR模型求出的規(guī)模報酬不變條件下的總體效率即技術效率（TE），可以求出規(guī)模效率（SE），即SE=TE/PTE。1.1.3第二階段：隨機前沿分析（SFA）傳統(tǒng)DEA模型中投入松弛變量衡量了理想投入量與實際投入量之間的差值，它的大小受管理無效、環(huán)境因素變量和隨機誤差等影響。隨機前沿分析回歸模型將考慮隨機誤差的影響，旨在剔除生產(chǎn)單元無法控制的外在環(huán)境因素對效率值的影響，并且從松弛變量中分離出管理無效、環(huán)境變量和隨機誤差等因素，根據(jù)這些影響因素對投入量進行調(diào)整。隨機前沿分析回歸模型是投入松弛變量和外部環(huán)境變量之間的模型，投入松弛變量為因變量，外部環(huán)境變量為自變量，模型如下：公式（4-7）式中，sni表示第i個決策單元的第n項投入松弛量，Zi表示第i個決策單元所有的外界環(huán)境因素，為外部環(huán)境因素待估參數(shù)，衡量的是第i個決策單元的外界環(huán)境因素對第n項投入松弛量的影響，一般=；為混合誤差項，表示隨機誤差項，服從分布，表示管理無效率帶來的誤差，且服從分布，和相互獨立且不相關。根據(jù)上述回歸的結果可對決策單元的投入項進行調(diào)整，調(diào)整公式為：公式（4-8）式中，表示投入的調(diào)整值，表示投入的實際值，為對環(huán)境因素的調(diào)整，為對隨機誤差的調(diào)整。1.1.4第三階段：調(diào)整后的DEA再測算在第二階段對整個模型中的隨機誤差和外部因素等因素的影響進行剔除后，將調(diào)整后的投入指標數(shù)據(jù)重新用BCC模型進行第二次測算，可以得到真實的效率值。1.2長江經(jīng)濟帶金融資源效率的測算1.2.1指標選擇與數(shù)據(jù)來源DEA模型需要利用一定的投入和與之相對應的產(chǎn)出來計算效率值，無論是根據(jù)一定規(guī)模的投入來實現(xiàn)產(chǎn)出最大化還是給定產(chǎn)出實現(xiàn)最小化的投入，投入量與產(chǎn)出量的選擇都很關鍵。在評價長江經(jīng)濟帶金融資源區(qū)域配置效率時，也需要明確金融資源的投入指標和產(chǎn)出指標，根據(jù)第二章有關金融資源的理論分析，本文選取銀行存貸款余額、股票市場籌資額、保費收入、實際利用外資、金融從業(yè)人員、金融機構數(shù)量等為投入指標，金融業(yè)增加值、人均GDP為產(chǎn)出指標。選取的具體指標與名稱如表4-1所示。表4-1投入、產(chǎn)出指標指標名稱投入指標銀行存貸款余額股票市場籌資額保費收入實際利用外資金融從業(yè)人員金融機構數(shù)量產(chǎn)出指標金融業(yè)增加值人均GDP由于社會經(jīng)濟發(fā)展是一個復雜的活動，而金融資源配置只是社會經(jīng)濟發(fā)展中的一個環(huán)節(jié)，社會經(jīng)濟發(fā)展中各種其他因素會影響到金融資源配置的效率，因此，為了得到較為真實的金融資源配置效率，需要將外部環(huán)境因素和隨機誤差等影響剔除掉。由于金融環(huán)境相關指標的獲取和衡量較為困難，例如金融制度、信用水平、法律政策環(huán)境等因素，因此從數(shù)據(jù)獲取難易程度和科學性的角度出發(fā)，選取了第三產(chǎn)業(yè)增加值、規(guī)模以上工業(yè)增加值、城鎮(zhèn)居民可支配收入和政府財政支出作為構造SFA方法中的外部環(huán)境指標，分別代表經(jīng)濟、產(chǎn)業(yè)、社會、政府這四個層面，如表4-2所示。表4-2SFA方法中外部環(huán)境指標變量名稱變量說明因變量投入差值傳統(tǒng)DEA模型中無效DMU與有效DMU的投入差值（六個）自變量第三產(chǎn)業(yè)增加值衡量地區(qū)經(jīng)濟發(fā)展質(zhì)量規(guī)模以上工業(yè)增加值衡量地區(qū)工業(yè)發(fā)展水平城鎮(zhèn)居民可支配收入衡量地區(qū)居民生活水平政府財政支出衡量地區(qū)政府治理狀況以上指標均來自于長江經(jīng)濟帶11省市地區(qū)的各年統(tǒng)計年鑒以及各地區(qū)金融統(tǒng)計年鑒，時間從2008到2017年。1.2.2三階段DEA模型結果分析1.2.2.1第一階段：傳統(tǒng)模型DEA實證使用DEAsolver5.0軟件測算了2008-2017年長江經(jīng)濟帶11省市地區(qū)的金融資源配置效率值，選用的模型是規(guī)模可變的投入導向DEA模型。此階段沒有分離隨機誤差、內(nèi)部管理因素和外部環(huán)境因素帶來的影響，具體的結果如表4-3所示。表4-32008-2017年長江經(jīng)濟帶11省市金融資源配置效率均值（未調(diào)整）地區(qū)crstevrstescale上海1.0001.0001.000-江蘇0.8780.9720.903drs浙江1.0001.0001.000-江西0.6160.6250.986-安徽0.7870.8790.896irs湖北0.8810.8810.999drs湖南0.8970.940.954irs重慶1.0001.0001.000-四川0.6950.6980.995irs云南0.5140.5260.977-貴州0.4430.4740.935-均值0.7920.8180.968注：crste代表規(guī)模報酬不變條件下的綜合效率（或技術效率），vrste表示規(guī)模報酬可變條件下的純技術效率，scale表示規(guī)模效率，其中crste=vrste*scale；irs、drs、“-”分別表規(guī)模報酬遞增、遞減和不變，下同。未調(diào)整外部因素的DEA效率值表明，在不考慮外部環(huán)境因素的條件下，整個長江經(jīng)濟帶有三個地區(qū)達到了技術有效和純技術有效，分別為上海、浙江和重慶。對比發(fā)現(xiàn)，長江經(jīng)濟帶上游地區(qū)的金融資源配置效率值平均最低，四川、云南、貴州的金融資源配置效率值均低于長江經(jīng)濟帶平均值，其中貴州省的效率值最低，技術效率值和純技術效率值分別為0.443、0.474。在中游地區(qū)，僅有重慶達到技術有效和純技術有效，其他省份中湖南、湖北的技術效率和純技術效率均高于長江經(jīng)濟帶平均水平，安徽省的技術效率低于平均水平、純技術效率高于平均水平，江西省的技術效率和純技術效率均低于平均水平。下游地區(qū)中，上海和浙江效率值都為1，達到技術有效和純技術有效，江蘇省雖未達到有效配置，但其技術效率和純技術效率都高于平均水平。從技術效率來看，在長江經(jīng)濟帶存在金融資源配置不均衡的情況，金融資源在上游地區(qū)發(fā)揮的效率遠低于在中下游的配置效率。從純技術效率來看，長江經(jīng)濟帶也存在著區(qū)域金融資源制度建設和管理水平不高的情況。從規(guī)模效率來看，雖然也存在差異。整體而言，長江經(jīng)濟帶金融資源配置的規(guī)模效率的水平偏高。安徽、湖南、四川三個省份規(guī)模報酬遞增，而江蘇和湖北規(guī)模報酬遞減，其余地區(qū)規(guī)模報酬不變。規(guī)模報酬遞增的三個省份金融資源配置效率較低，可能是由于當?shù)赝度氲慕鹑谫Y源較少；而江蘇和湖北這兩個省份的金融資源配置效率較高，可能是由于當?shù)赝度氲慕鹑谫Y源較多；規(guī)模報酬不變的其他省份金融資源配置效率低下，可能是金融資源投入以外的因素造成的。1.2.2.2第二階段：隨機前沿分析隨機前沿分析回歸模型以上一階段測算出來的各投入變量的松弛變量為因變量，由于松弛變量受到內(nèi)部、外部以及隨機誤差等因素的影響，所以需要將這些因素的影響消除或減少，以第三產(chǎn)業(yè)增加值、規(guī)模以上工業(yè)增加值、城鎮(zhèn)居民可支配收入和政府財政支出這四個因素作為外部環(huán)境指標，構建SFA回歸方程：公式（4-9）利用Frontier1.1軟件對該模型進行估計，結果如表4-4所示。表4-4投入松弛變量的SFA回歸結果存貸款余額松弛變量股市籌資額松弛變量保費收入松弛變量實際利用外資松弛變量金融機構數(shù)量松弛變量金融從業(yè)人員松弛變量C0-9.0743*-183.7342*-72.0406-91.0132*23.236175.949C1-1.9834***-3.2874***-2.1603*-2.7406**-2.1021*-0.2331**C20.56820.86790.205630**1.3429**1.44160.6142C3-9.1625*-11.3496*-12.0769**-9.0436***-2.1501**-12.3143*C43.8716*3.2456**2.0473**-2.7924*-3.2103-2.0144*注：*、**、***分別表示在1%、5%、10%水平具有顯著性。C0、C1、C2、C3、C4分別代表常數(shù)項、第三產(chǎn)業(yè)增加值、城鎮(zhèn)居民人均可支配收入、規(guī)模以上工業(yè)增加值、政府財政支出。從表4-4可以看出，大多數(shù)外部環(huán)境因素都通過了顯著性檢驗，說明以上外部環(huán)境變量的選取具有一定的合理性。因此，需要進行第二階段SFA隨機前沿模型的回歸分析。四個外部環(huán)境因素對投入松弛變量的影響如下：（1）經(jīng)濟層面，第三產(chǎn)業(yè)增加值對所有投入指標松弛變量值的具有顯著的負向影響，說明長江經(jīng)濟帶地區(qū)經(jīng)濟發(fā)展質(zhì)量的提升可有效提高金融資源配置效率。（2）社會層面，城鎮(zhèn)居民人均可支配收入與每個松弛變量呈正相關關系，表明居民生活水平的提高并未顯著提高金融資源配置效率。這可能與我國居民的消費習慣和儲蓄習慣有關，由于居民有將大部分資產(chǎn)存進銀行的習慣，收入提高將促進存款的增加，但即便金融機構的存款數(shù)量增加，國有商業(yè)銀行的壟斷屬性使其提供金融服務具有一定的傾向性，導致金融資源未達到有效的配置。（3）產(chǎn)業(yè)層面，規(guī)模以上工業(yè)增加值對各松弛變量呈現(xiàn)負向顯著特征，即工業(yè)化程度越高，投入冗余值越低，投入資本的利用率越高。這意味著現(xiàn)階段長江經(jīng)濟帶工業(yè)發(fā)展水平的提高將有助于提高金融資源配置的效率。（4）政策層面，政府財政支出一方面對銀行存貸款余額、股市籌資額和保費收入等投入松弛變量的影響顯著為正，說明政府財政支出的增加會導致這三個松弛變量的增加，也就是說在相同的條件下繼續(xù)減小投入量可以得到相同產(chǎn)出，即政府財政支出增加不能帶來地區(qū)金融資源配置效率的提高。而另一方面，政府財政支出對實際利用外資、金融從業(yè)人員投入松弛變量的影響顯著為負，這表明政府財政支出多用于引進外資和增加金融從業(yè)人員可以提高地區(qū)金融資源配置效率。1.2.2.3第三階段：調(diào)整后的效率再測算根據(jù)第二階段隨機前沿模型的回歸分析，將隨機誤差與外部環(huán)境等對金融資源配置效率有影響的因素剔除出去，從而對六個原始投入數(shù)值進行調(diào)整，重新得到調(diào)整后的投入數(shù)值。在第三階段的測算中，再次利用DEAsolver5.0軟件，重新測算得出的效率值如表4-5所示：表4-52008-2017年長江經(jīng)濟帶11省市金融資源配置效率調(diào)整前后對比分析地區(qū)調(diào)整前調(diào)整后crstevrstescalecrstevrstescale上海1.0001.0001.000-1.0001.0001.000irs江蘇0.8780.9720.903drs1.0001.0001.000-浙江1.0001.0001.000-1.0001.0001.000-江西0.6160.6250.986-0.7350.7410.992irs安徽0.7870.8790.896irs0.8870.9010.984irs湖北0.8810.8810.999drs1.0001.0001.000-湖南0.8970.9400.954irs0.9120.9690.941-重慶1.0001.0001.000-1.0001.0001.000irs四川0.6950.6980.995irs0.8020.8140.985irs云南0.5140.5260.977-0.7740.7840.987-貴州0.4430.4740.935-0.5240.5970.878-均值0.7920.8180.9680.8760.8910.979（1）技術效率分析。由表4-5可以得出，2008至2017年期間，技術效率值調(diào)整前后發(fā)生的變化較大，綜合效率值在調(diào)整后，均比調(diào)整前高，這說明確實存在隨機誤差項、外部環(huán)境等因素對長江經(jīng)濟帶金融資源配置效率值產(chǎn)生較大影響。長江經(jīng)濟帶是國家重要戰(zhàn)略布局的主要區(qū)域，然而效率值卻存在較大差異性，效率調(diào)整前，長江經(jīng)濟帶下游地區(qū)中，只有上海和浙江處于金融資源配置生產(chǎn)前沿面，上中游地區(qū)僅有重慶處在生產(chǎn)前沿面，其中江西、安徽、四川、云南、貴州均低于地區(qū)均值，這表明長江經(jīng)濟帶地區(qū)的金融資源配置不合理，效率低下；調(diào)整后，長江經(jīng)濟帶下游地區(qū)全達到配置有效的生產(chǎn)前沿面，上中游地區(qū)中，新增湖北省達到技術有效，安徽由0.787增長到0.887，調(diào)整后高于平均