一、研究方法與模型

1.隨機前沿分析方法

常用的效率測量方法包括兩種:非參數方法和參數方法。其中非參數方法是指數據包絡分析法(DEA),一般通過線性規劃構造出生產前沿面,使用距離函數得到生產單元的效率;參數法是指隨機前沿函數法(SFA),其基本思路是將實際生產單元與前沿面的偏離分解為隨機誤差和技術無效率了,使用劑量的方法對前沿生產函數進行估計。正是由于隨機誤差和技術無效率的分離,從而確保了被估效率的有效且一致,并且考慮了隨機誤差項對個體效率的影響。隨機前沿生產方法由Aigner,LovellandSchmidt(1977)、MeeusenandBroeck(1977)、BatteseandCorra(1977)共同提出。該方法的基本模型可以表達為:y=f(x;β)•exp(v-u),其中,y表示產出;x表示一組矢量投入,β為待估參數。誤差項由兩個獨立的部分組成:v服從標準正態分布N(0,σ2u)表示觀測誤差和其他隨機因素,通常假定它獨立于投入和技術水平;u被假設為服從非負斷尾正態分布N+(μ,σ2v)表示表征技術非效率的非負值隨機變量,技術效率水平則用TE==exp(-u)來表示。這樣當u=0時,TE=1,該廠商就恰好處于生產前沿上,即處于技術有效狀態;當u>0時,TE的值就處于0～1之間,該廠商就位于生產前沿下方,也就是處于非技術效率狀態。

2.模型構建

本文依據Battese&Coelli(1992)模型的基本原理,〔11〕運用對數型柯布-道格拉斯生產函數以及在1986年～2009年間的省際數據的基礎上,對我國各省市的農村金融制度效率進行測定。具體函數模型如下:Ln(Yit)=β0t+B1•lnX1it+β2•lnX2it+β3•lnX3it+vit-uit　(1)TEit=exp(-uit)　(2)uit=β(t)•ui　(3)β(t)=exp{-η•(t-T)}　(4)γ=σ2uσ2u+σ2v　(5)在(1)式中,Yit表示農民人均純收入,下標i為各省市的排列序號,i=1,2,3……,N,N=29;t為時期序號t=1,2,3……,T,T=24;X1it、X2it、X3it分別表示人均農業貸款、人均財政支農、人均固定資產投資;β1、β2、β3分別表示人均農業貸款、人均財政支農、人均固定資產投資的產出彈性,β0表示待估常數項。(vit-uit)代表方程的隨機誤差,第一部分vit服從N(0,σ2v)分布,第二部分uit服從N+(μ,σ2it)分布,vit與uit之間是相互獨立的。(2)式中TEit=exp(-uit)表示樣本中第i個省份在第t時期內的技術效率水平。式(3)和(4)則表示定量描述事件因素對uit的影響,其中β(t)≥0,當η>0時,β(t)將以遞增的速度下降;當η<0時,β(t)將以遞增的速度增加;當η=0時,β(t)將維持不變。

在統計檢驗中,如果γ=0這一原假設被接受,則無需使用SFA技術來分析這一面板數據,而直接運用OLS方法即可。在上述模型中的參數估計應使用最大似然法,其中,最關鍵的步驟是對γ=0這一原假設使用似然比檢驗。

3.變量與數據

根據新制度經濟學的解釋,金融制度效率體現為通過合理的金融制度安排,最大限度地動員國內外儲蓄資源,并盡可能的將其轉化為投資的思想。一個高效率的金融制度能最大限度地促進資本的形成和提高資源配置率,促進經濟增長。其中,提高資源配置率是核心。農村金融制度效率的關鍵在于是否有效促進了農村經濟的增長,而農村經濟的增長主要表現在農業總產值的增長和農民收入增加方面。〔12〕基于以上思路并考慮到數據的可得性以及各地區人口基數的差異,本文選擇農民人均純收入(Yit)為產出指標,人均農業貸款額(X1it)、人均財政支農(X2it)、人均農村固定資產投資額(X3it)為投入指標,對我國農村金融制度效率進行測量。以上變量均取自然對數值。

本文選擇了全國共29個省、自治區以及直轄市作為樣本,并將它們按東、中、西進行劃分。其中東部地區包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南共10個省市;中部地區包括山西、內蒙古、遼寧、吉林、黑龍江、安徽、江西、河南、湖北、湖南、廣西共11個省市;西部地區包括四川、貴州、云南、陜西、甘肅、寧夏、青海、新疆共8個省市。在時間跨度上,我們截取了1986年～2009年間的有關數據。所有的數據來源于歷年《中國統計年鑒》、歷年《中國金融年鑒》以及《新中國60年統計資料匯編》

二、結果與分析

本文利用Frontier4.1,根據上述數據對上述模型進行估計。

實證研究結論表明:

(1)γ=0.5,且LR統計檢驗在1%的水平下顯著。這說明模型中的隨機誤差項是包含無效率因素的符合結構。因此,對于區域面板數據使用隨機前沿生產函數是可行的,模型設定是可以接受的。

(2)從相關系數的計算結果看,人均農業貸款與農村人均純收入之間呈現出正相關關系,相關系數僅為0.0268,并在1%水平下是顯著的;人均農村固定資產投資于農村人均純收入之前呈現出較強的正相關關系,相關系數達到0.3665,并在1%水平下顯著;人均財政支農與農村人均純收入之間呈現出負相關關系,相關系數為-0.0504,并在1%水平下是顯著的。以上分析結果說明當先農村金融制度下,農業貸款的增加并沒有成為促進農民收入水平提高的關鍵因素,只有固定資產投資額的增加才能在一定程度上促進農民增收,財政支農資金的增加反而不利于農民收入的增長。

(3)參數η=0.0685,表明時間因素對β(t)的影響將以遞增的速度下降。這說明各省市的農村金融制度無效率將隨著時間的推移而加速下降,即各省市的金融制度效率是呈遞增趨勢的。

(4)農村金融制度效率及變動情況。由計量結果分析,我國農村金融制度效率的整體(平均)水平為0.486并不高,無效率因素占了0.514,大于50%。樣本中29個省市中農村金融制度效率平均值超過0.5的僅有北京、天津、遼寧、吉林、黑龍江、上海、浙江、福建、廣東、海南等10個省市,這與實際情況也比較吻合。根據上述方法將樣本中的29個省市劃分成東、中、西部三個區域,它們之間表現出了明顯的區域差異,同一年份下地區農村金融制度的效率差距最大超過了0.2,東部地區的農村金融制度效率明顯高于中、西部地區。