■鄭德鵬 鐘貞貞 吳 玲

（1.中國人民銀行三亞市中心支行 海南三亞 572000；2.中國人民銀行?？谥行闹?海南?？?570106）

一、研究背景及意義

全面建設(shè)社會(huì)主義現(xiàn)代化國家，實(shí)現(xiàn)中華民族偉大復(fù)興，最艱巨最繁重的任務(wù)在農(nóng)村。2017年，中國共產(chǎn)黨第十九次全國代表大會(huì)的報(bào)告首次提出實(shí)施鄉(xiāng)村振興戰(zhàn)略，將“三農(nóng)”工作提升到了一個(gè)新的政治高度，指明實(shí)施鄉(xiāng)村振興戰(zhàn)略有助于解決“三農(nóng)”問題?！多l(xiāng)村振興戰(zhàn)略規(guī)劃（2018-2022年）》明確提出健全“金融支農(nóng)”體系，進(jìn)一步加大金融服務(wù)鄉(xiāng)村振興戰(zhàn)略的力度。2019年1月，人民銀行會(huì)同銀保監(jiān)會(huì)、證監(jiān)會(huì)、財(cái)政部和農(nóng)業(yè)農(nóng)村部聯(lián)合印發(fā)《關(guān)于金融服務(wù)鄉(xiāng)村振興的指導(dǎo)意見》，提出金融服務(wù)鄉(xiāng)村振興的短期和中長期目標(biāo)，明確了各類金融機(jī)構(gòu)服務(wù)差別化定位，要求銀行金融機(jī)構(gòu)深化金融產(chǎn)品和服務(wù)創(chuàng)新，加大金融資源投入，引導(dǎo)更多金融資源回流農(nóng)村。同時(shí)，要求建立健全多渠道資金供給體系，拓寬鄉(xiāng)村振興資金來源，促進(jìn)農(nóng)業(yè)農(nóng)村優(yōu)先發(fā)展。當(dāng)前，我國農(nóng)村金融水平得到顯著提高，但仍面臨著一系列問題，主要表現(xiàn)為我國農(nóng)村金融需求群體眾多與金融服務(wù)供給不匹配，以及農(nóng)村金融發(fā)展不平衡不充分等問題。進(jìn)一步促進(jìn)我國農(nóng)村金融全面高質(zhì)量發(fā)展，提高農(nóng)村金融資源使用效率，營造良好的農(nóng)村金融環(huán)境，不僅有助于促進(jìn)農(nóng)村經(jīng)濟(jì)發(fā)展和釋放農(nóng)村發(fā)展活力，更有助于鄉(xiāng)村振興戰(zhàn)略的實(shí)施。因此，研究我國農(nóng)村金融效率問題具有重要的現(xiàn)實(shí)意義。

二、文獻(xiàn)綜述

隨著我國城鄉(xiāng)一體化發(fā)展、精準(zhǔn)脫貧以及鄉(xiāng)村振興戰(zhàn)略的提出，國內(nèi)學(xué)者對(duì)我國農(nóng)村金融的研究逐漸深入，主要從宏觀和微觀兩個(gè)層面開展研究。宏觀層面，側(cè)重于農(nóng)村金融效率的界定以及農(nóng)村金融推動(dòng)地方經(jīng)濟(jì)發(fā)展的效率研究，部分學(xué)者研究了農(nóng)村金融效率的影響因素、區(qū)域農(nóng)村金融效率的差異。如李建等人認(rèn)為，現(xiàn)有農(nóng)村金融制度缺乏對(duì)農(nóng)村微觀經(jīng)濟(jì)現(xiàn)狀與農(nóng)戶特征的聯(lián)系，導(dǎo)致農(nóng)村金融效率水平不高。趙洪丹等人認(rèn)為，農(nóng)村金融效率是指農(nóng)村金融機(jī)構(gòu)將農(nóng)村居民儲(chǔ)蓄轉(zhuǎn)化為農(nóng)業(yè)貸款的能力。微觀層面，學(xué)者更多地開展了農(nóng)村金融效率測(cè)算、基于農(nóng)村金融機(jī)構(gòu)指標(biāo)體系的效率等問題的研究。如向琳等人在對(duì)我國各區(qū)域農(nóng)村金融效率研究時(shí)發(fā)現(xiàn)，各區(qū)域農(nóng)村金融效率整體水平差別不大，但中西部地區(qū)農(nóng)村金融效率略高于東部地區(qū)。孟兆娟等人從省級(jí)層面和劃分中東西區(qū)域來對(duì)我國農(nóng)村金融效率進(jìn)行測(cè)算，發(fā)現(xiàn)我國農(nóng)村金融效率呈現(xiàn)先高后低趨勢(shì)，省級(jí)經(jīng)濟(jì)發(fā)展水平差異和政府干預(yù)程度導(dǎo)致我國各區(qū)域農(nóng)村金融效率存在差異。岳意定等人從經(jīng)營與服務(wù)兩個(gè)方面分析了我國農(nóng)村金融效率問題，發(fā)現(xiàn)導(dǎo)致我國農(nóng)村金融效率偏低的主要原因是農(nóng)村金融組織不完善、資金利用率不高以及涉農(nóng)貸款投入不足，同時(shí)指出，良好的農(nóng)村金融生態(tài)和健全的金融體系有助于提高我國農(nóng)村金融效率。薛薇等人認(rèn)為，我國西部相關(guān)制度不夠健全以及管理水平不高，是我國西部農(nóng)村金融效率相對(duì)較低的原因，農(nóng)村金融效率分布不均衡。武臻等人基于2007～2012年西部12個(gè)省級(jí)城市的數(shù)據(jù)發(fā)現(xiàn)，西部農(nóng)村金融市場配置效率不高，同時(shí)還發(fā)現(xiàn)技術(shù)進(jìn)步有助于農(nóng)村金融市場配置效率提升。孫玉榮等人通過DEA模型分析我國2011年30個(gè)省份的農(nóng)村金融效率，其中選擇農(nóng)村金融機(jī)構(gòu)從業(yè)人員、機(jī)構(gòu)數(shù)、總資產(chǎn)作為模型投入指標(biāo)，農(nóng)村金融機(jī)構(gòu)存款、貸款及利潤作為產(chǎn)出指標(biāo)，實(shí)證表明我國大多數(shù)省級(jí)農(nóng)村金融效率低下。阮華等人以江西省作為決策單元，選擇農(nóng)村信貸余額、城鎮(zhèn)固定資產(chǎn)投資作為投入指標(biāo)，選擇第一產(chǎn)業(yè)增加值、農(nóng)民人均純收入、第二產(chǎn)業(yè)增加值作為產(chǎn)出指標(biāo)，通過Malmquist指數(shù)模型測(cè)算出江西省農(nóng)村金融效率。張一青等人通過DEA-Tobit模型，分析我國30個(gè)省份的農(nóng)村金融效率，結(jié)果證明運(yùn)用四階段DEA-Tobit模型測(cè)算農(nóng)村金融效率與經(jīng)典的DEA模型測(cè)算的結(jié)果不盡相同，發(fā)現(xiàn)外部因素對(duì)農(nóng)村金融效率的影響顯著。陳莉等人以每年作為決策單元，選取1994～2014年的農(nóng)村金融機(jī)構(gòu)數(shù)量、農(nóng)村涉農(nóng)貸款、農(nóng)村存款、農(nóng)村保險(xiǎn)費(fèi)用收入面板數(shù)據(jù)作為投入指標(biāo)，以農(nóng)村家庭平均收入和農(nóng)村GDP作為產(chǎn)出指標(biāo)，通過模型分析，表明我國農(nóng)村金融效率水平較高，除了個(gè)別年份存在波動(dòng)外，農(nóng)村金融朝著積極的方向發(fā)展。李彩霞等人以京津冀地區(qū)作為決策單元，選取農(nóng)村金融機(jī)構(gòu)從業(yè)人數(shù)、營業(yè)網(wǎng)點(diǎn)及總資產(chǎn)作為投入指標(biāo)，以農(nóng)林牧漁業(yè)人均總產(chǎn)值、農(nóng)村居民人均純收入作為產(chǎn)出指標(biāo)進(jìn)行分析，實(shí)證結(jié)果表明，整體上京津冀地區(qū)金融機(jī)構(gòu)配置全要素生產(chǎn)率穩(wěn)中有降，農(nóng)村金融資源在京津冀地區(qū)的分配不均衡，京津地區(qū)優(yōu)于河北省。

當(dāng)前，國內(nèi)學(xué)者對(duì)我國農(nóng)村金融效率測(cè)算已經(jīng)有了較為系統(tǒng)的研究，為我國研究農(nóng)村金融效率的測(cè)算提供了更多的思路。但受限于數(shù)據(jù)可得性，大部分學(xué)者更多的是研究一個(gè)省份的農(nóng)村金融效率或者進(jìn)行靜態(tài)分析，較少針對(duì)全國性農(nóng)村金融動(dòng)態(tài)效率進(jìn)行分析。隨著我國鄉(xiāng)村振興戰(zhàn)略的實(shí)施，農(nóng)村金融效率的高低在一定程度上影響著我國農(nóng)村經(jīng)濟(jì)發(fā)展以及鄉(xiāng)村振興戰(zhàn)略的實(shí)施效果?；诖?，本文以我國各省份（含直轄市，不含西藏自治區(qū)，以下簡稱“各省份”）2010～2020年農(nóng)村經(jīng)濟(jì)和金融相關(guān)數(shù)據(jù)作為投入和產(chǎn)出，測(cè)算和分析我國各省份農(nóng)村金融效率和全要素生產(chǎn)率，在此基礎(chǔ)上為我國農(nóng)村金融發(fā)展提出政策建議。

三、農(nóng)村金融效率測(cè)算方法及模型構(gòu)建

（一）模型構(gòu)建

1.超效率SBM模型。數(shù)據(jù)包絡(luò)分析方法（DEA）最早由Charnes等學(xué)者提出，是一種評(píng)價(jià)決策單元效率的非參數(shù)線性規(guī)劃分析方法，常見的有基于規(guī)模收益不變的CCR模型和基于規(guī)模收益可變的BCC模型，在效率評(píng)價(jià)領(lǐng)域應(yīng)用廣泛。由于傳統(tǒng)DEA模型是基于徑向距離函數(shù)對(duì)目標(biāo)效率進(jìn)行測(cè)算，而現(xiàn)實(shí)應(yīng)用場景中很難滿足徑向條件。因此，Tonek提出了SBM模型，這是一種非徑向模型，有效地解決了傳統(tǒng)DEA模型的不足，但SBM模型仍無法對(duì)DMU效率值為1時(shí)的情形進(jìn)行區(qū)分。后來，Tonek又提出引進(jìn)修正松弛變量的超效率SBM模型，該模型測(cè)算效率值可以等于或大于1，有效地解決了當(dāng)決策單元（DMU）效率值為1時(shí)無法進(jìn)一步區(qū)分的問題。

在使用超效率SBM模型測(cè)算各省份的農(nóng)村金融效率時(shí)，假設(shè)每個(gè)省份農(nóng)村金融活動(dòng)是通過多種金融資源投入得到多種期望產(chǎn)出，除第k個(gè)DMU外的其他DMU構(gòu)建生產(chǎn)可能集為：

假設(shè)每一個(gè)省份作為一個(gè)決策單元（DMU），每個(gè)DMU有m個(gè)投入和s個(gè)產(chǎn)出，第k個(gè)DMU的超效率模型定義為：

其中，目標(biāo)函數(shù)ρSE的值越大，則該決策單元的效率越高。

2.Globe-Malmquist指數(shù)分析方法。傳統(tǒng)的DEA模型主要是用來評(píng)價(jià)某一時(shí)期生產(chǎn)技術(shù)效率，但在現(xiàn)實(shí)生活中，生產(chǎn)技術(shù)和技術(shù)效率是不斷變化的，當(dāng)評(píng)價(jià)DMU包含多個(gè)時(shí)間面板數(shù)據(jù)時(shí)，需要采用Globe-Malmquist指數(shù)分析方法。Globe-Malmquist（GM）指數(shù)分析方法是針對(duì)時(shí)間序列的DMU的效率進(jìn)行動(dòng)態(tài)分析（即全要素生產(chǎn)率TFP），TFP指數(shù)是將各期DMU的綜合作為參考集，實(shí)現(xiàn)跨期分析。TFP指數(shù)可以分解為技術(shù)進(jìn)步指數(shù)（TC）及技術(shù)效率指數(shù)（EC）。具體定義如下：

其中，xt、yt分別是被測(cè)算DMU在t期的投入和產(chǎn)出值，TFPt,t+1是指測(cè)算的省份由t到t+1期農(nóng)村金融效率TFP的變動(dòng)值，ρg(x t,yt)表示基于全局各期生產(chǎn)技術(shù)和t期投入產(chǎn)出的效率值；ρg(x t+1,yt+1)表示基于全 局各期生產(chǎn)技術(shù)和t+1期投入產(chǎn)出的效率值；ρt(x t,yt)表示各省份在t期的效率值；ρt(x t+1,yt+1)表示各省份在t+1期的效率值。的值表示前沿t+1與全局前沿的靠近程度；的值表示前沿t期與全局前沿的靠近程度。當(dāng)TFPt,t+1＜1時(shí)，表示農(nóng)村金融TFP退步；當(dāng)TFPt,t+1=1時(shí)，表示農(nóng)村金融TFP無變化；當(dāng)TFPt,t+1＞1時(shí)，表示農(nóng)村金融TFP進(jìn)步。當(dāng)ECt,t+1＜1時(shí)，表示技術(shù)效率下降；當(dāng)ECt,t+1=1時(shí)，表示相鄰兩個(gè)時(shí)期技術(shù)效率無變化；當(dāng)ECt,t+1＞1時(shí)，表示技術(shù)效率提高。當(dāng)TCt,t+1＜1時(shí)，表示生產(chǎn)技術(shù)退步；當(dāng)TCt,t+1=1時(shí)，表示生產(chǎn)技術(shù)無變化；當(dāng)TCt,t+1＞1時(shí)，表示生產(chǎn)技術(shù)進(jìn)步。

（二）指標(biāo)選擇和面板數(shù)據(jù)來源

如何科學(xué)地選取投入與產(chǎn)出指標(biāo)，對(duì)于研究農(nóng)村金融效率問題顯得尤為重要。國內(nèi)很多學(xué)者在研究農(nóng)村金融效率時(shí)，基本上從農(nóng)村金融與農(nóng)村經(jīng)濟(jì)發(fā)展這一思路出發(fā)，如陳國治等人在研究西北地區(qū)農(nóng)村金融效率時(shí)，選擇農(nóng)村貸款作為投入指標(biāo)；董竹等人在研究農(nóng)村金融與經(jīng)濟(jì)發(fā)展問題時(shí)，選擇農(nóng)村GDP和農(nóng)村居民人均收入作為產(chǎn)出指標(biāo)等。本文參考國內(nèi)相關(guān)學(xué)者關(guān)于農(nóng)村金融效率的研究成果，并綜合考慮我國農(nóng)村金融現(xiàn)狀、數(shù)據(jù)可獲性、全面性來選取決策單元、投入與產(chǎn)出指標(biāo)，其中投入指標(biāo)主要選擇農(nóng)村金融領(lǐng)域的指標(biāo)，產(chǎn)出指標(biāo)主要選擇農(nóng)村經(jīng)濟(jì)的指標(biāo)。具體如下：選擇農(nóng)村金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)量、農(nóng)村金融機(jī)構(gòu)從業(yè)人數(shù)、地方財(cái)政農(nóng)林水事務(wù)支出、涉農(nóng)貸款余額作為投入指標(biāo)；選擇第一產(chǎn)業(yè)生產(chǎn)增加值、農(nóng)村居民人均可支配收入、農(nóng)村居民人均消費(fèi)支出作為產(chǎn)出指標(biāo)，詳見表1：情況。

表1 農(nóng)村金融效率研究投入指標(biāo)與產(chǎn)出指標(biāo)

2.面板數(shù)據(jù)來源。本文重點(diǎn)研究全國各省份的農(nóng)村金融效率，選取2010～2020年各省份的農(nóng)村金融與經(jīng)濟(jì)相關(guān)數(shù)據(jù)，進(jìn)行農(nóng)村金融效率靜態(tài)與動(dòng)態(tài)的研究分析，其中金融相關(guān)數(shù)據(jù)主要來自中國人民銀行官網(wǎng)、中國農(nóng)村金融服務(wù)報(bào)告、中國區(qū)域金融運(yùn)行分析報(bào)告等；經(jīng)濟(jì)相關(guān)數(shù)據(jù)主要來自國家統(tǒng)計(jì)局。

四、農(nóng)村金融效率測(cè)算結(jié)果與分析

1.投入與產(chǎn)出指標(biāo)。本文選取農(nóng)村金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)量、農(nóng)村金融機(jī)構(gòu)從業(yè)人數(shù)作為投入指標(biāo)，是因?yàn)檗r(nóng)村金融機(jī)構(gòu)和從業(yè)人數(shù)更能反映農(nóng)村金融服務(wù)的覆蓋面及農(nóng)村金融機(jī)構(gòu)的供給能力；涉農(nóng)貸款余額能準(zhǔn)確地反映出農(nóng)村獲得金融信貸資源支持力度的大小；地方財(cái)政農(nóng)林水事務(wù)支出在一定程度上反映了政府向農(nóng)村經(jīng)濟(jì)發(fā)展提供財(cái)政資源，從而撬動(dòng)金融資源向農(nóng)村傾斜的力度。由于農(nóng)村金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)、農(nóng)村金融機(jī)構(gòu)從業(yè)人數(shù)的個(gè)別年份數(shù)據(jù)缺失，為了確保數(shù)據(jù)的完整性，本文根據(jù)其年均增長率進(jìn)行推算，具體計(jì)算方法是：以北京為例，假設(shè)計(jì)算出北京2010～2019年農(nóng)村金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)年均增長率為r，北京2019年農(nóng)村金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)為b，則北京2020年金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)等于b*(1+r)。同理，測(cè)算出農(nóng)村金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)和農(nóng)村金融機(jī)構(gòu)從業(yè)人數(shù)缺失的數(shù)據(jù)。西藏地區(qū)的農(nóng)村金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)和從業(yè)人數(shù)的數(shù)據(jù)缺失嚴(yán)重，為了確保數(shù)據(jù)完整性，將其剔除。

產(chǎn)出指標(biāo)選取第一產(chǎn)業(yè)生產(chǎn)增加值、農(nóng)村居民人均可支配收入和農(nóng)村居民人均消費(fèi)支出，其中第一產(chǎn)業(yè)生產(chǎn)增加值能充分反映出一個(gè)地區(qū)的農(nóng)村經(jīng)濟(jì)發(fā)展程度；農(nóng)村人均消費(fèi)支出可以反映出一個(gè)地區(qū)的農(nóng)村居民的生活水平；農(nóng)村居民人均可支配收入能很好地反映一個(gè)地區(qū)的農(nóng)村居民收入

本文運(yùn)用SBMrun軟件，基于超效率SBM模型與Malmquist指數(shù)方法，測(cè)算我國2010～2020年間30個(gè)省份農(nóng)村金融全要素生產(chǎn)率指數(shù)及分解指標(biāo)。下面用超效率SBM模型對(duì)農(nóng)村金融效率進(jìn)行靜態(tài)分析，用超效率SBM-Malmquist指數(shù)全要素生產(chǎn)率對(duì)農(nóng)村金融效率進(jìn)行動(dòng)態(tài)分析。

（一）基于超效率SBM模型的農(nóng)村金融效率分析

通過使用超效率SBM模型測(cè)算2010～2020年30個(gè)省份的農(nóng)村金融效率的相對(duì)效率值和效率平均值。從表2中可知，我國農(nóng)村金融效率均值達(dá)到0.79，這說明我國農(nóng)村金融資金利用處在較好的水平，各地區(qū)的農(nóng)村金融效率存在一定的差別。從我國四大區(qū)域的農(nóng)村金融效率均值來看，東部地區(qū)的農(nóng)村金融效率均值最高，為1.07，說明東部地區(qū)農(nóng)村金融資源的利用率最高；中部地區(qū)為0.69，東北地區(qū)為0.65，西部地區(qū)為0.63，說明西部地區(qū)的總體農(nóng)村金融效率相對(duì)較低。在30個(gè)省份中，有9個(gè)省份的農(nóng)村金融效率均值大于1，占比30%，主要集中在東部地區(qū)，分別是上海、浙江、福建、江蘇、廣東、山東、天津、海南及湖北，這9個(gè)省份的農(nóng)村金融效率值在2010～2020年期間的效率值基本大于1，說明這些省份每年的DEA有效，農(nóng)村金融效率較高。有17個(gè)省份的農(nóng)村金融效率均值小于全國平均水平，占比56.67%，主要在中西部地區(qū)，這些省份的農(nóng)村金融效率較低，金融資源利用效率不高，有待于進(jìn)一步加強(qiáng)。

表2 用超效率SBM模型測(cè)算30個(gè)省份的農(nóng)村金融效率的結(jié)果

（二）基于超效率SBM-Malmquist指數(shù)全要素生產(chǎn)率的測(cè)算結(jié)果

下面從農(nóng)村金融TFP指數(shù)年均值及年均增長率、農(nóng)村金融TFP指數(shù)及其分解項(xiàng)的時(shí)序變化、各省TFP指數(shù)增長動(dòng)力分類三個(gè)方面分析我國農(nóng)村金融TFP總體特征及趨勢(shì)。

1.各省份農(nóng)村金融TFP指數(shù)值及年均增長率分析。運(yùn)用SBMrun軟件對(duì)2010～2020年間我國30個(gè)省份農(nóng)村金融全要素生產(chǎn)率指數(shù)（TFP）進(jìn)行測(cè)算，表3為30個(gè)省份農(nóng)村金融全要素生產(chǎn)率指數(shù)值。從整體上來看，全國農(nóng)村金融全要素生產(chǎn)率在2010～2020年間均值為1.06，整體處于上升階段，其中有28個(gè)省份的農(nóng)村金融全要素生產(chǎn)率均值大于1，最高的3個(gè)省份分別是黑龍江（1.17）、浙江（1.14）、上海（1.13），主要集中在東北地區(qū)和東部地區(qū)，可能是受當(dāng)?shù)剞r(nóng)村經(jīng)濟(jì)和財(cái)政金融政策的影響，農(nóng)村金融效率提升較快。2010～2015年間，全國農(nóng)村金融全要素生產(chǎn)率均值為1.02，年均增長率為-1.92%，表明在這段時(shí)間內(nèi)，全國農(nóng)村金融生產(chǎn)全要素生產(chǎn)率變化有所下降，而在2015～2020年間，全國農(nóng)村金融全要素生產(chǎn)率均值達(dá)到1.1，年均增長率達(dá)到3.17%，表明這段時(shí)間我國的農(nóng)村金融全要素生產(chǎn)率提升較快，農(nóng)村的金融生態(tài)環(huán)境有所改善。這可能是2015年的“中央一號(hào)文件”（《關(guān)于加大改革創(chuàng)新力度加快農(nóng)業(yè)現(xiàn)代化建設(shè)的若干意見》）提出，要推動(dòng)農(nóng)村金融立法，以法律的形式明確政策性和商業(yè)性金融支農(nóng)責(zé)任；大力建設(shè)農(nóng)村信用體系和農(nóng)村支付體系，加強(qiáng)對(duì)農(nóng)村金融消費(fèi)者的教育培訓(xùn)等一系列舉措，有效地推動(dòng)了農(nóng)村金融領(lǐng)域的基礎(chǔ)設(shè)施建設(shè)，極大地改善了農(nóng)村地區(qū)的金融生態(tài)環(huán)境。

表3 30個(gè)省份的農(nóng)村金融全要素生產(chǎn)率指數(shù)值

2.全國農(nóng)村金融TFP指數(shù)及分解指數(shù)的動(dòng)態(tài)演變。我國各省份在2010～2020年農(nóng)村金融全要素生產(chǎn)率指數(shù)（TFP）可以分解為技術(shù)效率指數(shù)（EC）和技術(shù)進(jìn)步指數(shù)（TC），如表4所示。TFP、EC及TC指數(shù)年均值分別為1.06、1.02、1.05，年均增長率分別為0.88%、0.18%和0.67%，這說明我國農(nóng)村金融全要素生產(chǎn)率指數(shù)、技術(shù)效率指數(shù)（EC）和技術(shù)進(jìn)步指數(shù)（TC）均有一定程度的提高,但總體水平依然不高。

表4 我國的農(nóng)村金融全要素生產(chǎn)率及分解指標(biāo)

從圖1中可以看出，我國農(nóng)村金融技術(shù)進(jìn)步與技術(shù)效率基本呈現(xiàn)反向的關(guān)系，當(dāng)技術(shù)效率提高時(shí)，技術(shù)進(jìn)步表現(xiàn)為下降；當(dāng)技術(shù)進(jìn)步提升時(shí)，技術(shù)效率表現(xiàn)為下降。這表明可能在現(xiàn)有農(nóng)村金融制度及政策條件下，短期內(nèi)的技術(shù)進(jìn)步難以實(shí)現(xiàn)，技術(shù)效率提高促進(jìn)技術(shù)進(jìn)步具有一定的滯后性。另外，農(nóng)村金融全要素生產(chǎn)率指數(shù)與技術(shù)進(jìn)步指數(shù)的變動(dòng)趨勢(shì)基本保持一致，這說明了當(dāng)前我國農(nóng)村金融全要素生產(chǎn)率與技術(shù)進(jìn)步有著密切的關(guān)系，技術(shù)進(jìn)步能有效提升農(nóng)村金融全要素生產(chǎn)率。從2015年始,全國農(nóng)村金融TFP指數(shù)和技術(shù)進(jìn)步指數(shù)持續(xù)呈現(xiàn)上升趨勢(shì)，這表明我國農(nóng)村金融全要素生產(chǎn)率的增長動(dòng)力主要來自技術(shù)進(jìn)步，而技術(shù)效率優(yōu)化對(duì)其的貢獻(xiàn)則相對(duì)較小。其原因可能是我國在打贏脫貧攻堅(jiān)戰(zhàn)期間，加大了對(duì)農(nóng)村地區(qū)的金融資源和技術(shù)支持，使得農(nóng)村地區(qū)的技術(shù)進(jìn)步較快，農(nóng)村的經(jīng)濟(jì)金融環(huán)境得到改善，農(nóng)村金融資源得到有效利用，提高了技術(shù)創(chuàng)新轉(zhuǎn)化的能力。

圖1 2010～2020年我國農(nóng)村金融全要素生產(chǎn)率指數(shù)及其指標(biāo)時(shí)序圖

3.分區(qū)域?qū)r(nóng)村金融全要素生產(chǎn)率指數(shù)進(jìn)行異質(zhì)性分析。將30個(gè)省份劃分為東部地區(qū)、東北地區(qū)、中部地區(qū)和西部地區(qū)進(jìn)行分析，四大區(qū)域2010～2020年的農(nóng)村金融TFP指數(shù)及其分解指標(biāo)，如表5所示。我國四個(gè)經(jīng)濟(jì)地區(qū)的農(nóng)村金融TFP均值均大于1，其中東北地區(qū)農(nóng)村金融TFP均值最高，達(dá)到1.1，西部地區(qū)1.08，東部地區(qū)1.05，中部地區(qū)1.03，我國四大經(jīng)濟(jì)區(qū)域的農(nóng)村金融全要素生產(chǎn)率均有所提高。從農(nóng)村金融TFP年均增長率來看，不同地區(qū)的農(nóng)村金融TFP指數(shù)年均增長情況存在明顯差異，其中西部地區(qū)＞中部地區(qū)＞東部地區(qū)＞東北地區(qū)，這說明四個(gè)地區(qū)推動(dòng)農(nóng)村經(jīng)濟(jì)發(fā)展的動(dòng)力可能不同。東北地區(qū)農(nóng)村金融TFP年均增長率下降了1.34%，主要是由技術(shù)進(jìn)步指數(shù)下降造成的，這說明了東北地區(qū)技術(shù)進(jìn)步指數(shù)的下降是導(dǎo)致農(nóng)村金融全要素生產(chǎn)率下降的主要原因。東部地區(qū)、中部地區(qū)和西部地區(qū)農(nóng)村金融TFP年均增長率分別為0.79%、1.37%、1.38%，東部地區(qū)農(nóng)村金融TFP增長的動(dòng)力主要來自技術(shù)進(jìn)步，中部地區(qū)增長的動(dòng)力主要來自技術(shù)效率的提升，西部地區(qū)增長的動(dòng)力主要來自技術(shù)進(jìn)步和技術(shù)效率的提升，二者共同促進(jìn)了西部地區(qū)農(nóng)村全要素生產(chǎn)率指數(shù)的增長?？傮w而言，我國四大經(jīng)濟(jì)區(qū)域農(nóng)村金融全要素生產(chǎn)率增長的動(dòng)力來源存在顯著差異。

表5 2010～2020年四大經(jīng)濟(jì)區(qū)域農(nóng)村金融效率TFP指數(shù)及分解指標(biāo)

（三）綜合分析農(nóng)村金融效率的優(yōu)勢(shì)和不足

為了更加全面地分析我國的農(nóng)村金融效率，基于上述測(cè)算結(jié)果，將采取靜態(tài)和動(dòng)態(tài)相結(jié)合的方式進(jìn)行分析。以2010～2020年30個(gè)省份農(nóng)村金融效率和全要素生產(chǎn)率指數(shù)均值為標(biāo)準(zhǔn)，構(gòu)建農(nóng)村“金融效率(靜態(tài))-全要素生產(chǎn)率指數(shù)(動(dòng)態(tài))”矩陣象限，將30個(gè)省份分為四個(gè)象限，綜合比較分析各省份農(nóng)村金融效率的優(yōu)劣勢(shì)，為各省份農(nóng)村經(jīng)濟(jì)金融的發(fā)展提供參考。第一象限：農(nóng)村金融效率(靜態(tài))＞平均值、全要素生產(chǎn)率指數(shù)(動(dòng)態(tài))＜平均值，表明效率高，但提升速度慢；第二象限：農(nóng)村金融效率(靜態(tài))＞平均值、全要素生產(chǎn)率指數(shù)(動(dòng)態(tài))＞平均值，表明農(nóng)村金融效率高，且提升速度快；第三象限：農(nóng)村金融效率(靜態(tài))＜平均值、全要素生產(chǎn)率指數(shù)(動(dòng)態(tài))＜平均值，表明農(nóng)村金融效率低，且提升速度慢；第四象限：農(nóng)村金融效率(靜態(tài))＜平均值、全要素生產(chǎn)率指數(shù)(動(dòng)態(tài))＞平均值，表明農(nóng)村金融效率低，但提升速度快。如圖2所示。

圖2 我國農(nóng)村“金融效率（靜態(tài)）-全要素生產(chǎn)率指數(shù)（動(dòng)態(tài)）”散點(diǎn)圖

第一象限有海南、山東、湖北等8個(gè)省份，其農(nóng)村金融效率大于均值，全要素生產(chǎn)率指數(shù)小于均值，說明這類省份的農(nóng)村效率水平相對(duì)較高，但增長速度慢。第二象限有江蘇、廣東、浙江等5個(gè)省份，其農(nóng)村金融效率大于均值，全要素生產(chǎn)率指數(shù)大于均值，這些省份（含直轄市）的農(nóng)村效率水平相對(duì)較高，且增長速度快，主要集中在東部發(fā)達(dá)地區(qū)。第三象限有安徽、湖南、山西等7個(gè)省份，其農(nóng)村金融效率小于均值，全要素生產(chǎn)率指數(shù)小于均值，這些省份的農(nóng)村效率水平相對(duì)較低，且增長速度慢，未來需要從數(shù)量和質(zhì)量兩個(gè)方面共同提升農(nóng)村金融效率。第四象限有重慶、云南、貴州等9個(gè)省份，其農(nóng)村金融效率小于均值，全要素生產(chǎn)率指數(shù)大于均值，這類省份的農(nóng)村效率水平相對(duì)較低，但增長速度相對(duì)較快，未來農(nóng)村金融效率的提升潛力較大。

五、研究結(jié)論與建議

本文采用超效率SBM-Malmquist全要素生產(chǎn)率指數(shù)，對(duì)我國2010～2020年30個(gè)省份的農(nóng)村金融效率進(jìn)行實(shí)證分析，并構(gòu)建農(nóng)村“金融效率（靜態(tài)）-全要素生產(chǎn)率(動(dòng)態(tài))”均值，綜合分析各省份農(nóng)村金融效率的優(yōu)勢(shì)與不足，得出相關(guān)結(jié)論和建議如下：

總體上看，我國各省份農(nóng)村金融效率相對(duì)較高，但區(qū)域間農(nóng)村金融發(fā)展水平不平衡，東部地區(qū)的省份農(nóng)村金融發(fā)展水平相對(duì)較高。建議農(nóng)村金融效率值小于1的省份，借鑒上海、廣東、江蘇等農(nóng)村金融效率較高地區(qū)的發(fā)展經(jīng)驗(yàn)，與當(dāng)?shù)貙?shí)際情況相結(jié)合，加大對(duì)農(nóng)村地區(qū)的資源投入及科學(xué)配置，不斷提升服務(wù)質(zhì)量，從而提高農(nóng)村金融效率。

我國農(nóng)村金融全要素生產(chǎn)率、技術(shù)效率及技術(shù)進(jìn)步均呈上升態(tài)勢(shì)，但各省份間存在一定的差別。從2015年始，農(nóng)村金融全要素生產(chǎn)率上升明顯，技術(shù)效率與技術(shù)進(jìn)步的提升共同促進(jìn)了全要素生產(chǎn)率的提高，其中技術(shù)進(jìn)步是全要素生產(chǎn)率提升的主要?jiǎng)恿?。所以，?duì)于技術(shù)進(jìn)步指數(shù)不高的省份，如東北三省及西部大多數(shù)省份，應(yīng)該注重提升農(nóng)村農(nóng)業(yè)管理水平，加大農(nóng)業(yè)技術(shù)的投入和創(chuàng)新力度，從而進(jìn)一步提升農(nóng)村金融效率水平。

從農(nóng)村“金融效率（靜態(tài)）-全要素生產(chǎn)率（動(dòng)態(tài)）”矩陣劃分結(jié)果來看，應(yīng)重點(diǎn)關(guān)注位于第四象限的省份，這些省份的農(nóng)村金融效率水平較低且全要素生產(chǎn)率指數(shù)不高。農(nóng)村金融效率受政策、經(jīng)濟(jì)和金融生態(tài)環(huán)境等多重因素影響，因此，為了全面提升農(nóng)村金融的效率，建議從以下幾面開展工作：一是結(jié)合每個(gè)省份農(nóng)村發(fā)展水平、發(fā)展需求、資源和農(nóng)作物等因素，科學(xué)制定農(nóng)業(yè)發(fā)展規(guī)劃，遵循循序漸進(jìn)的原則，推動(dòng)農(nóng)村金融經(jīng)濟(jì)發(fā)展；二是大力推動(dòng)普惠金融事業(yè)的發(fā)展，加大農(nóng)村金融領(lǐng)域的基礎(chǔ)設(shè)施建設(shè)，特別是農(nóng)村信用體系和支付體系的建設(shè)，進(jìn)一步提高農(nóng)村金融服務(wù)水平，拓寬農(nóng)村金融覆蓋面，增強(qiáng)農(nóng)村金融供給能力，從而改善農(nóng)村金融生態(tài)環(huán)境；三是科學(xué)制定獎(jiǎng)勵(lì)措施，鼓勵(lì)農(nóng)村金融機(jī)構(gòu)加大對(duì)“三農(nóng)”的支持力度，引導(dǎo)更多的金融資源向農(nóng)村傾斜。