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(guó)政府為推動(dòng)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(xiǎn)。進(jìn)入21世紀(jì)以來，解決好三農(nóng)問題對(duì)我國(guó)而言已經(jīng)成為推動(dòng)經(jīng)濟(jì)、社會(huì)發(fā)展、改善民生及構(gòu)建和諧社會(huì)的重要課題，人們也越來越深刻地認(rèn)識(shí)到農(nóng)村金融在緩解農(nóng)村貧困、促進(jìn)農(nóng)村經(jīng)濟(jì)發(fā)展以及保持社會(huì)穩(wěn)定方面的巨大作用。由于農(nóng)業(yè)具有顯著的弱勢(shì)性和一定程度的公共品屬性，所以無論在發(fā)達(dá)國(guó)家還是在發(fā)展中國(guó)家，都普遍依托金融平臺(tái)，提高農(nóng)村金融組織的服務(wù)功能效率，來推動(dòng)農(nóng)村經(jīng)濟(jì)發(fā)展。對(duì)農(nóng)村金融組織的服務(wù)功能進(jìn)行量化分析效率評(píng)價(jià)，有利于全面掌握我國(guó)農(nóng)村金融組織的服務(wù)狀況，這對(duì)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(jìn)農(nóng)村經(jīng)濟(jì)發(fā)展有十分重要的意義。

最早對(duì)銀行功能的關(guān)注始于18世紀(jì)，亞當(dāng)·斯密、大衛(wèi)·李嘉圖和約翰·米勒認(rèn)為銀行的功能在于提供信用媒介。1912年，美國(guó)經(jīng)濟(jì)學(xué)家約瑟夫·熊彼得提出銀行的信用創(chuàng)造功能是推動(dòng)經(jīng)濟(jì)發(fā)展的動(dòng)力。但這之后的研究都集中在貨幣對(duì)經(jīng)濟(jì)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(jìn)入人們視野，開始了圍繞金融對(duì)經(jīng)濟(jì)的影響進(jìn)行研究。1995年，默頓(Robert C.Merton)和博迪(Z.Bodie)等人相對(duì)于傳統(tǒng)的“金融機(jī)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(guó)國(guó)內(nèi)對(duì)金融發(fā)展沿著金融功能的思路進(jìn)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(kuò)展功能和衍生功能，并從金融功能角度研究金融發(fā)展對(duì)經(jīng)濟(jì)發(fā)展的作用［2］。在對(duì)金融功能理論的理解不斷加深后，中國(guó)更多的學(xué)者從金融功能視角來分析中國(guó)農(nóng)村金融對(duì)農(nóng)村經(jīng)濟(jì)的影響。李喜梅(2006)從金融對(duì)經(jīng)濟(jì)發(fā)展起促進(jìn)作用這一隱形功能的角度研究得出中國(guó)農(nóng)村金融功能失衡，并未支撐農(nóng)村經(jīng)濟(jì)發(fā)展。曹軍新(2009)運(yùn)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(guó)農(nóng)村金融體系缺陷［3］。對(duì)于農(nóng)村金融效率的研究，主要集中在探討信貸對(duì)農(nóng)村金融效率的影響。如Chang、Hsieh (1998)運(yùn)用nonparametric programming approach，Lee、Wang、Peng (2006)應(yīng)用隨機(jī)成本frontier 分析和數(shù)據(jù)包 絡(luò)分析(DEA)，Liu、Lin(2007)運(yùn)用數(shù)據(jù)包絡(luò)分析法分別分析臺(tái)灣農(nóng)民協(xié)會(huì)的信貸部門(CDFAs)的規(guī)模效率、技術(shù)效率、配置效率和運(yùn)行效率［4］，［5］，［6］。Fleschner、Guirkinger、Boucher (2010)運(yùn)用面板數(shù)據(jù)和二階段DEA 分析來估計(jì)北秘魯正規(guī)信貸可得性對(duì)農(nóng)業(yè)金融效率的影響［7］。

綜上所述，目前國(guó)內(nèi)外對(duì)金融功能、金融效率的研究已經(jīng)相當(dāng)充分，但國(guó)內(nèi)外學(xué)者們忽略了對(duì)金融功能效率的研究，尤其對(duì)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(yùn)用網(wǎng)絡(luò)分析法構(gòu)建服務(wù)功能效率評(píng)價(jià)指標(biāo)體系，并結(jié)合COPRAS－G 方法進(jìn)行定量分析，得出相對(duì)于城鎮(zhèn)金融機(jī)構(gòu)的量化的我國(guó)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(jì)運(yùn)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(jī)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(shí)際意義，因此對(duì)農(nóng)村金融組織的服務(wù)功能效率的量化計(jì)算可以看作是一個(gè)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(jiǎn)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(gè)指標(biāo)的權(quán)重，因此為了評(píng)估金融組織的服務(wù)功能效率，有必要選擇恰當(dāng)?shù)闹笜?biāo)來評(píng)估信息，并根據(jù)這些指標(biāo)來構(gòu)建相應(yīng)評(píng)估體系。當(dāng)需要在一定指標(biāo)下比較一定量的變量時(shí)需要應(yīng)用決策分析方法。這時(shí)可以使用復(fù)雜比例估計(jì)(Complex proportional assessment，簡(jiǎn)稱COPRAS)方法。2008年Zavadskas et al.提出區(qū)間灰色復(fù)雜比例估計(jì)模型(Complex proportional assessment with grey interval numbers，簡(jiǎn)稱COPRAS－G)。COPRAS－G 方法認(rèn)為指標(biāo)值是非連續(xù)性的，這一方法是基于實(shí)際決策過程并運(yùn)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(guó)農(nóng)村金融組織的服務(wù)功能的各指標(biāo)的權(quán)重，再通過運(yùn)用COPRAS－G 方法得出相對(duì)于城鎮(zhèn)金融機(jī)構(gòu)的我國(guó)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(jiǎn)稱ANP)由兩部分構(gòu)成。第一部分是一個(gè)控制層或者一個(gè)網(wǎng)絡(luò)，它由控制相互作用的標(biāo)準(zhǔn)和準(zhǔn)標(biāo)準(zhǔn)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(biāo)準(zhǔn)的不同而不同，對(duì)于每一個(gè)控制標(biāo)準(zhǔn)，都會(huì)計(jì)算一個(gè)不同的超級(jí)矩陣。最后，每一個(gè)超級(jí)矩陣會(huì)根據(jù)其控制標(biāo)準(zhǔn)的優(yōu)越性而進(jìn)行加權(quán)，結(jié)果通過對(duì)所有標(biāo)準(zhǔn)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(biāo)準(zhǔn)和用于比較系統(tǒng)中元素的準(zhǔn)標(biāo)準(zhǔn)。

(2)對(duì)于每個(gè)控制標(biāo)準(zhǔn)或準(zhǔn)標(biāo)準(zhǔn)，確定其元素群。

2.構(gòu)造ANP 超級(jí)矩陣

(1)根據(jù)控制標(biāo)準(zhǔn)，對(duì)于受此元素群影響的和影響此元素群的元素進(jìn)行兩兩比較。所得到的權(quán)重將用于衡量與這一控制標(biāo)準(zhǔn)所對(duì)應(yīng)的超級(jí)矩陣所對(duì)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(gè)元素群中的每個(gè)元素的影響，對(duì)于本元素群中的各個(gè)元素進(jìn)行兩兩比較。這些比較是根據(jù)控制層的某一標(biāo)準(zhǔn)或準(zhǔn)標(biāo)準(zhǔn)進(jìn)行的。優(yōu)勢(shì)度量是按照層次分析法的1－9 標(biāo)度表進(jìn)行的。

(3)對(duì)于每一個(gè)控制標(biāo)準(zhǔn)，構(gòu)造一個(gè)超級(jí)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(biāo)準(zhǔn)，以Vj(j=1，2，…，N)中元素vjk(k=1，2，…，nj)為準(zhǔn)標(biāo)準(zhǔn)，將元素組Vj中元素按其對(duì)vjk的影響力大小進(jìn)行間接優(yōu)勢(shì)比較，即在標(biāo)準(zhǔn)Us下構(gòu)造判斷矩陣Wij。通過對(duì)相關(guān)專家咨詢得到矩陣中的數(shù)據(jù)，體現(xiàn)出對(duì)兩元素相對(duì)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(yàn)，則將其寫成矩陣形勢(shì)，得到局部的權(quán)重向量矩陣:

圖1 ANP 的典型層次

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

矩陣的每個(gè)元素都是一個(gè)矩陣，列和為1;但W 并不是歸一化矩陣。為了計(jì)算方便，需要將超級(jí)矩陣歸一化，即對(duì)超級(jí)矩陣W 的元素加權(quán)，得到加權(quán)超級(jí)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(duì)超級(jí)矩陣W 做穩(wěn)定處理，即計(jì)算每個(gè)超級(jí)矩陣的極限相對(duì)排列向量:

如果這個(gè)極限收斂且唯一，則原矩陣對(duì)應(yīng)行的值為各評(píng)價(jià)指標(biāo)的穩(wěn)定權(quán)重。

4.得到評(píng)價(jià)指標(biāo)的權(quán)重

假設(shè)求得控制標(biāo)準(zhǔn)Ui(i=1，2，…，m)的權(quán)數(shù)分配為ai(i=1，2，…，m)，各指標(biāo)權(quán)重集A=(a1，a2，…，am)，且滿足;準(zhǔn)標(biāo)準(zhǔn)Vij(i=1，2，…，m，j=1，2，…，ni)的權(quán)重分配為aij=1，2，…，ni)，各指標(biāo)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(jì)模型(Complex proportional assessment with grey interval numbers，簡(jiǎn)稱COPRAS－G)。COPRAS－G 方法認(rèn)為標(biāo)準(zhǔn)值是非連續(xù)性的，這一方法是基于實(shí)際決策過程并運(yùn)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(biāo)準(zhǔn)來描繪變量

2.構(gòu)建決策矩陣?X

3.對(duì)決策矩陣?X 標(biāo)準(zhǔn)化

然后標(biāo)準(zhǔn)化后的決策矩陣為:

在公式(7)中qj是第j 個(gè)標(biāo)準(zhǔn)的權(quán)重。

然后，標(biāo)準(zhǔn)化的決策矩陣是:

5.計(jì)算標(biāo)準(zhǔn)值之和Pi，其值越大越好(標(biāo)準(zhǔn)值為越大越好的標(biāo)準(zhǔn)默認(rèn)為列于判斷矩陣前部，之后接著標(biāo)準(zhǔn)值越小越好的標(biāo)準(zhǔn))

6.計(jì)算標(biāo)準(zhǔn)值之和Ri，其值越小越好

7.計(jì)算每個(gè)變量的相對(duì)重要性Qi

8.計(jì)算每個(gè)變量的效用程度

二、指標(biāo)選取

設(shè)立農(nóng)村金融組織的服務(wù)功能的評(píng)價(jià)指標(biāo)體系的目的在于對(duì)其服務(wù)效率水平進(jìn)行評(píng)價(jià)。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(shí)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(duì)于服務(wù)功能的效率評(píng)價(jià)將從供需兩個(gè)角度進(jìn)行。

(一)基于服務(wù)供給角度的評(píng)價(jià)指標(biāo)及計(jì)算方法

對(duì)于農(nóng)村金融組織的服務(wù)效率評(píng)價(jià)，可以從兩個(gè)方面考慮:

1.業(yè)務(wù)水平

金融機(jī)構(gòu)的業(yè)務(wù)包括三大類:資產(chǎn)業(yè)務(wù)、負(fù)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(guó)內(nèi)現(xiàn)實(shí)狀況是中間業(yè)務(wù)在金融機(jī)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(gè)評(píng)價(jià)指標(biāo):人均人民幣貸款程度和人均人民幣存款程度，這兩個(gè)指標(biāo)都是與全國(guó)平均水平的比較值。人口單位以億人計(jì)算。

2.農(nóng)村金融網(wǎng)點(diǎn)密集程度

農(nóng)村金融網(wǎng)點(diǎn)為農(nóng)村金融服務(wù)提供實(shí)際場(chǎng)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(jì)算并不客觀，因此，引入網(wǎng)點(diǎn)密度這一指標(biāo)可以清楚反映該地區(qū)的金融普及度和便利度。本指標(biāo)是與全國(guó)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(jì)算單位，網(wǎng)點(diǎn)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(píng)價(jià)指標(biāo)

從農(nóng)民角度對(duì)農(nóng)村金融組織的服務(wù)進(jìn)行評(píng)價(jià)，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(duì)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(biāo)，評(píng)分方法如下:金融服務(wù)過程復(fù)雜冗長(zhǎng)得1 分;比較復(fù)雜得0.5 分;簡(jiǎn)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(duì)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(biāo)。數(shù)值越高，說明提供服務(wù)的種類越多。評(píng)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(píng)價(jià)指標(biāo)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(píng)價(jià)，服務(wù)供給由網(wǎng)點(diǎn)密集程度和業(yè)務(wù)水平來評(píng)價(jià)，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(duì)農(nóng)村金融組織的服務(wù)過程和種類的滿足程度來評(píng)價(jià)。服務(wù)功能效率的評(píng)價(jià)指標(biāo)結(jié)構(gòu)圖及評(píng)價(jià)指標(biāo)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(píng)價(jià)指標(biāo)結(jié)構(gòu)圖

表1 服務(wù)功能效率的評(píng)價(jià)指標(biāo)說明

三、農(nóng)村金融組織服務(wù)功能效率的實(shí)證分析

為了獲得各層次網(wǎng)絡(luò)的指標(biāo)權(quán)重值，本文主要采用專家調(diào)查評(píng)分法得出比較優(yōu)勢(shì)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(duì)農(nóng)村金融組織、非農(nóng)村金融機(jī)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(chǔ)蓄機(jī)構(gòu)和貸款公司)和全國(guó)金融機(jī)構(gòu)的服務(wù)功能效率進(jìn)行綜合評(píng)價(jià)。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(jī)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(huì)網(wǎng)站，可以直接查詢到或經(jīng)過簡(jiǎn)單計(jì)算即可得到。

(一)基于ANP 方法的指標(biāo)權(quán)重測(cè)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(jì)算可得相應(yīng)的權(quán)重值，通過網(wǎng)絡(luò)分析法軟件計(jì)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(rèn)為判斷矩陣是可以被接受的。同時(shí)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(diǎn)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(jì)算

進(jìn)一步匯總專家調(diào)查問卷，可得到對(duì)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(diǎn)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(jìn)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(jí)矩陣，最終可得表5 所示的權(quán)重和對(duì)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(biāo)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(diǎn)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(biāo)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(píng)價(jià)指標(biāo)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(jī)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(chǔ)蓄機(jī)構(gòu)和貸款公司)和全國(guó)金融機(jī)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(yùn)用公式(5)對(duì)原始矩陣進(jìn)行標(biāo)準(zhǔn)化處理得到表9;繼續(xù)運(yùn)用公式(7)對(duì)已得標(biāo)準(zhǔn)化矩陣進(jìn)行加權(quán)得到表10;最后對(duì)加權(quán)矩陣運(yùn)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(biāo)準(zhǔn)化決策矩陣

表10 加權(quán)標(biāo)準(zhǔn)化決策矩陣

表11 服務(wù)功能效率的評(píng)價(jià)結(jié)果

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

結(jié)論

對(duì)我國(guó)農(nóng)村金融組織的服務(wù)功能效率作出準(zhǔn)確量化度量是非常重要的，得出其與城鎮(zhèn)金融機(jī)構(gòu)的服務(wù)功能效率的對(duì)比值更能直觀反映我國(guó)農(nóng)村金融組織的發(fā)展水平。但是，現(xiàn)有文獻(xiàn)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(jì)算服務(wù)功能效率值。本文運(yùn)用ANP 和COPRAS－G 方法提出一種可用于度量我國(guó)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(biāo)的相應(yīng)權(quán)重，COPRAS－G 方法用于計(jì)算相對(duì)于城鎮(zhèn)金融機(jī)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(gè)角度進(jìn)行分析建立服務(wù)功能效率的指標(biāo)體系，運(yùn)用ANP 方法計(jì)算得出每一指標(biāo)的權(quán)重，進(jìn)而運(yùn)用COPRAS－G 方法計(jì)算出我國(guó)農(nóng)村金融組織相對(duì)于城鎮(zhèn)金融機(jī)構(gòu)的服務(wù)功能效率僅為56.38%。這是由于我國(guó)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(jī)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(diǎn)僅為全國(guó)平均水平的70%～80%，人均貸款和人均存款僅為全國(guó)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(duì)簡(jiǎn)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(jī)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(jìn)與金融發(fā)展［J］.金融研究，2006，(7):41－42.

［3］曹軍新.論我國(guó)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(kuò)展視角［J］.河南金融管理干部學(xué)院學(xué)報(bào)，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.