周一至周日 8:00-22:30（免长途费）:
学术咨询：400-888-9411 订阅咨询：400-888-1571
在线咨询
一、研究方法与模型
1.随机前沿分析方法
常用的效率测量方法包括两种:非参数方法和参数方法。其中非参数方法是指数据包络分析法(DEA),一般通过线性规划构造出生产前沿面,使用距离函数得到生产单元的效率;参数法是指随机前沿函数法(SFA),其基本思路是将实际生产单元与前沿面的偏离分解为随机误差和技术无效率了,使用剂量的方法对前沿生产函数进行估计。正是由于随机误差和技术无效率的分离,从而确保了被估效率的有效且一致,并且考虑了随机误差项对个体效率的影响。随机前沿生产方法由Aigner,LovellandSchmidt(1977)、MeeusenandBroeck(1977)、BatteseandCorra(1977)共同提出。该方法的基本模型可以表达为:y=f(x;β)•exp(v-u),其中,y表示产出;x表示一组矢量投入,β为待估参数。误差项由两个独立的部分组成:v服从标准正态分布N(0,σ2u)表示观测误差和其他随机因素,通常假定它独立于投入和技术水平;u被假设为服从非负断尾正态分布N+(μ,σ2v)表示表征技术非效率的非负值随机变量,技术效率水平则用TE==exp(-u)来表示。这样当u=0时,TE=1,该厂商就恰好处于生产前沿上,即处于技术有效状态;当u>0时,TE的值就处于0～1之间,该厂商就位于生产前沿下方,也就是处于非技术效率状态。
2.模型构建
本文依据Battese&Coelli(1992)模型的基本原理,〔11〕运用对数型柯布-道格拉斯生产函数以及在1986年～2009年间的省际数据的基础上,对我国各省市的农村金融制度效率进行测定。具体函数模型如下: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表示农民人均纯收入,下标i为各省市的排列序号,i=1,2,3……,N,N=29;t为时期序号t=1,2,3……,T,T=24;X1it、X2it、X3it分别表示人均农业贷款、人均财政支农、人均固定资产投资;β1、β2、β3分别表示人均农业贷款、人均财政支农、人均固定资产投资的产出弹性,β0表示待估常数项。(vit-uit)代表方程的随机误差,第一部分vit服从N(0,σ2v)分布,第二部分uit服从N+(μ,σ2it)分布,vit与uit之间是相互独立的。(2)式中TEit=exp(-uit)表示样本中第i个省份在第t时期内的技术效率水平。式(3)和(4)则表示定量描述事件因素对uit的影响,其中β(t)≥0,当η>0时,β(t)将以递增的速度下降;当η<0时,β(t)将以递增的速度增加;当η=0时,β(t)将维持不变。
在统计检验中,如果γ=0这一原假设被接受,则无需使用SFA技术来分析这一面板数据,而直接运用OLS方法即可。在上述模型中的参数估计应使用最大似然法,其中,最关键的步骤是对γ=0这一原假设使用似然比检验。
3.变量与数据
根据新制度经济学的解释,金融制度效率体现为通过合理的金融制度安排,最大限度地动员国内外储蓄资源,并尽可能的将其转化为投资的思想。一个高效率的金融制度能最大限度地促进资本的形成和提高资源配置率,促进经济增长。其中,提高资源配置率是核心。农村金融制度效率的关键在于是否有效促进了农村经济的增长,而农村经济的增长主要表现在农业总产值的增长和农民收入增加方面。〔12〕基于以上思路并考虑到数据的可得性以及各地区人口基数的差异,本文选择农民人均纯收入(Yit)为产出指标,人均农业贷款额(X1it)、人均财政支农(X2it)、人均农村固定资产投资额(X3it)为投入指标,对我国农村金融制度效率进行测量。以上变量均取自然对数值。
本文选择了全国共29个省、自治区以及直辖市作为样本,并将它们按东、中、西进行划分。其中东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南共10个省市;中部地区包括山西、内蒙古、辽宁、吉林、黑龙江、安徽、江西、河南、湖北、湖南、广西共11个省市;西部地区包括四川、贵州、云南、陕西、甘肃、宁夏、青海、新疆共8个省市。在时间跨度上,我们截取了1986年～2009年间的有关数据。所有的数据来源于历年《中国统计年鉴》、历年《中国金融年鉴》以及《新中国60年统计资料汇编》
二、结果与分析
本文利用Frontier4.1,根据上述数据对上述模型进行估计。
实证研究结论表明:
(1)γ=0.5,且LR统计检验在1%的水平下显著。这说明模型中的随机误差项是包含无效率因素的符合结构。因此,对于区域面板数据使用随机前沿生产函数是可行的,模型设定是可以接受的。
(2)从相关系数的计算结果看,人均农业贷款与农村人均纯收入之间呈现出正相关关系,相关系数仅为0.0268,并在1%水平下是显著的;人均农村固定资产投资于农村人均纯收入之前呈现出较强的正相关关系,相关系数达到0.3665,并在1%水平下显著;人均财政支农与农村人均纯收入之间呈现出负相关关系,相关系数为-0.0504,并在1%水平下是显著的。以上分析结果说明当先农村金融制度下,农业贷款的增加并没有成为促进农民收入水平提高的关键因素,只有固定资产投资额的增加才能在一定程度上促进农民增收,财政支农资金的增加反而不利于农民收入的增长。
(3)参数η=0.0685,表明时间因素对β(t)的影响将以递增的速度下降。这说明各省市的农村金融制度无效率将随着时间的推移而加速下降,即各省市的金融制度效率是呈递增趋势的。
(4)农村金融制度效率及变动情况。由计量结果分析,我国农村金融制度效率的整体(平均)水平为0.486并不高,无效率因素占了0.514,大于50%。样本中29个省市中农村金融制度效率平均值超过0.5的仅有北京、天津、辽宁、吉林、黑龙江、上海、浙江、福建、广东、海南等10个省市,这与实际情况也比较吻合。根据上述方法将样本中的29个省市划分成东、中、西部三个区域,它们之间表现出了明显的区域差异,同一年份下地区农村金融制度的效率差距最大超过了0.2,东部地区的农村金融制度效率明显高于中、西部地区。
