摘 要：貧困問題一直是困擾發(fā)展中國家的主要問題之一。金融扶貧作為減緩貧困的主要力量，研究金融扶貧的效率問題，對于實現(xiàn)農(nóng)村貧困人口物質(zhì)上和精神上的“雙小康”具有重要意義。對臨夏州貧困地區(qū)的經(jīng)濟發(fā)展狀況和農(nóng)發(fā)行臨夏州分行扶貧現(xiàn)狀進行整體的把握，對農(nóng)發(fā)行臨夏州分行金融扶貧效率的實證分析，找出造成農(nóng)發(fā)行臨夏州分行金融扶貧效率下降的主要原因。
　　關(guān)鍵詞：臨夏州；金融扶貧；效率；農(nóng)發(fā)行
　　改革開放以來，我國開始有針對性地實施扶貧政策，扶貧、減貧的經(jīng)濟和社會效果日益彰顯。然而，受扶貧開發(fā)事業(yè)的特殊性以及區(qū)域發(fā)展不平衡等因素的影響，扶貧精準度始終不能達到一個較高的水平，貧困農(nóng)戶數(shù)量不清、致貧原因不明、扶貧政策針對性不強、扶貧項目和扶貧資金指向不準等問題十分突出。
　　金融扶貧是扶貧工作中重要的一個環(huán)節(jié)和手段，無論哪種形式的扶貧都離不開金融資金的介入。近年來各個金融機構(gòu)在和地方政府的合作下，通過低息貸款，增強金融服務(wù)等措施，取得了一定的成效。甘肅作為典型的貧困省份，臨夏州又地處民族地區(qū)，由于其特殊的地理環(huán)境，金融扶貧效率低下顯得尤為突出。因此，本文試圖以臨夏回族自治州八縣市為樣本，擬首先對農(nóng)發(fā)行金融扶貧的效果評價機制進行探索，進而找出可能制約農(nóng)發(fā)行臨夏州分行金融扶貧效率的影響因素，并在此基礎(chǔ)上提出有效提高信貸扶貧精準度和信貸資金效率的政策建議。
　　1 研究方法
　　1.1 DEA方法
　　綜合有關(guān)金融扶貧效率的研究成果可知，對于扶貧效率評價的傳統(tǒng)方法主要是數(shù)據(jù)包絡(luò)分析（DEA）。DEA方法利用線性規(guī)劃方法，能夠處理多輸入和多輸出問題，因而在研究多輸入多輸出的復(fù)雜系統(tǒng)時，展現(xiàn)出較好的適用性。DEA模型最早是由Charnes、Cooper及Rhodes 在1978年提出的CCR模型，用于評價相同部門間的相對有效性。CCR模型并沒有考慮規(guī)模報酬可變的實際情況，對此，Banker、Charnes和Cooper通過剔除CCR模型中的錐形約束，使得CCR模型的生產(chǎn)可能性集變成一個凸多面體，因而，Banker等人又提出了規(guī)模報酬可變的BCC模型。與CCR相比，BCC模型假設(shè)規(guī)模報酬可變，且將CCR模型中的技術(shù)效率（TE）分解為純技術(shù)效率（PTE）和規(guī)模效率（SE）。
　　1.2 Malmquist方法
　　在實證分析中，普遍使用Fare等人構(gòu)建的DEA-Malmquist指數(shù)模型。本文采用Malmquist指數(shù)來評價農(nóng)發(fā)行臨夏分行金融扶貧效率的動態(tài)變化以獲得實際的應(yīng)用效果。以t時刻和t+1時刻為技術(shù)參照的Malmquist效率變化指數(shù)定義為：
　　M（xt+1，yt+1；xt，yt）=
　　Dt（xt+1，yt+1）Dt（xt，yt）×Dt+1（xt+1，yt+1）Dt+1（xt，yt）1/2（1）
　　當Malmquist指數(shù)大于1時，這說明全要素生產(chǎn)率（TFP）水平相對于前一年有所提高；如果Malmquist指數(shù)小于1時則表明TFP水平與前一年相比有所下降。Fare（1994）將全要素生產(chǎn)率分解為：技術(shù)效率的變化（TE）以及技術(shù)進步的變化（TC）兩部分，而在可變規(guī)模報酬下，技術(shù)效率變化又能分解為純技術(shù)效率變化（PTEC）和規(guī)模效率變化（SC）。其具體分解形式可表示為：
　　M（xt+1，yt+1；xt，yt）=Dt（xt+1，yt+1）Dt（xt，yt）×Dt+1（xt+1，yt+1）Dt+1（xt，yt）1/2
　　=Dt+1（xt+1，yt+1）Dt（xt，yt）Dt（xt+1，yt+1）Dt+1（xt+1，yt+1）×Dt（xt，yt）Dt+1（xt，yt）1/2
　　=TE×TC=PTEC×SC×TC（2）
　　2 指標選取和數(shù)據(jù)來源
　　進行模型評價的重要前提是構(gòu)建農(nóng)發(fā)行臨夏州分行金融扶貧效率的評價指標體系，指標選取不僅要考慮評價模型的特點，還要考慮到數(shù)據(jù)選取的原則。本文結(jié)合指標選取的原則以及農(nóng)發(fā)行臨夏州分行的發(fā)展情況，并考慮DEA模型對指標的要求，構(gòu)建農(nóng)發(fā)行臨夏分行金融扶貧效率評價指標體系，從而科學、合理地評價農(nóng)發(fā)行臨夏分行的金融扶貧效率水平。
　　本文選取農(nóng)發(fā)行臨夏分行所在的8個縣市為研究樣本，包括臨夏市、臨夏縣、康樂縣、永靖縣、廣河縣、和政縣、東鄉(xiāng)縣、積石山縣�？紤]到數(shù)據(jù)的可得性和完整性，本文選取以下投入產(chǎn)出指標：（1）投入指標：縣域人均貸款額、縣域金融機構(gòu)網(wǎng)點數(shù)、縣域金融機構(gòu)從業(yè)人員數(shù)。這些指標可以反映銀行的整體信貸投入狀況。（2）產(chǎn)出指標：城鎮(zhèn)居民人均可支配收入、農(nóng)村居民人均可支配收入。人均可支配收入能夠體現(xiàn)銀行信貸投入對提升居民生活水平的效果。
　　3 農(nóng)發(fā)行臨夏州分行金融扶貧效率實證分析
　　本文采用DEA投入導(dǎo)向型方法對農(nóng)發(fā)行臨夏分行金融扶貧效率進行測算。將臨夏州各市縣作為研究對象，基于2013-2017年的面板數(shù)據(jù)，采用DEAP2.1軟件，計算出各省市歷年的技術(shù)效率、純技術(shù)效率和規(guī)模效率值，計算結(jié)果見表1、表2、表3。
　　其次從純技術(shù)效率分析，純技術(shù)效率能夠反映企業(yè)的經(jīng)營管理水平。表2為DEA模型分析得到的純技術(shù)效率的分析結(jié)果。具體來看，2013-2017年農(nóng)發(fā)行臨夏分行金融扶貧的純技術(shù)效率總體上逐年增加并伴隨波動，均值為0.936，其中，在2016年出現(xiàn)了小幅下降。除了臨夏市在2016年和2017年為效率有效，其余市縣均為無效率。這與技術(shù)效率的分析結(jié)果相一致。純技術(shù)效率的分析結(jié)果表明，農(nóng)發(fā)行臨夏分行在金融扶貧中的技術(shù)和管理水平有待進一步提升。
　　最后對農(nóng)發(fā)行臨夏分行金融扶貧的規(guī)模效率進行分析。從歷年均值看，2013-2017年純技術(shù)效率逐年增長，但整體水平較低，均值為0.611，其中，在2014年出現(xiàn)小幅下降。由此可見，農(nóng)發(fā)行臨夏分行金融扶貧效率整體水平處于非有效狀態(tài)的原因是規(guī)模效率較低，金融扶貧的規(guī)模較小是制約農(nóng)發(fā)行臨夏分析金融扶貧效率提升的主要因素。因此，銀行必須采取措施擴大金融扶貧規(guī)模，進一步提升銀行的金融扶貧效率。

相關(guān)熱詞搜索：扶貧 分行 農(nóng)發(fā)行 效率 金融