后疫情时代背景下金融支持实体经济的效率研究.pdf

Financial View|金融视线MODERN BUSINESS现代商业92后疫情时代背景下金融支持实体经济的效率研究白语扬张玟汪丹丹张涵刘红艳苏州科技大学江苏苏州215009摘要：本文采用 DEA 的方法对 20192021 年全国 31 个省市金融支持实体经济的效率进行测度，主要进行BCC 静态测算和 Malmquist 指数动态测算，结合区域产业结构和禀赋特征，探求效率水平及其分解项，同时构建Tobit 回归模型从“金融实体经济”结构匹配视角分析两者发展效率差异的影响因素，为后疫情时代背景下金融支持实体经济的效率提升提出建议。关键词：金融；实体经济；DEA 方法；效率测度中图分类号：F832.5文献识别码：A文章编号：1673-5889（2023）17-0092-05一、引言受新冠疫情等因素影响，实体经济生存成本上升、创新驱动不足等窘境愈发凸显。尤其是后疫情时代，我国经济呈现出明显的弱复苏特征，虽然主要经济指标在缓慢修复，但实体经济的内生增长动力仍旧低于疫情前的一般水准。疫情带来的阴霾逐渐散去，但危机并未远离。面对疫情后经济发展的不利局势，国家出台了 金融标准化“十四五”发展规划 等一系列金融政策，通过推出促进金融机构向实体经济合理让利等举措，鼓励各主体开辟金融支持实体经济的新路径。后疫情时代，如何彰显金融强劲的服务力，切实有效解决实体经济发展困难，成为了当下“活金融、稳经济”的重中之重。当前阶段，学术界研究金融与实体经济的重点在于两者之间共生共存的关系，Shaw（1973）从全新视角提出了金融深化战略并认为金融将助推一国经济的发展；潘海峰等（2022）研究发现，金融服务实体经济发展的效率高低在不同年份表现出不同的特征。田秀娟等（2021）主张通过金融和科技的双重创新促进实体经济发展；邓宇（2022）建议从政策、改革等方面助力金融服务实体经济。后疫情时代，政府部门出台的金融政策支持实体经济的效率如何，还缺少定量的研究，这不利于正确认识因疫情原因导致的金融服务实体经济效率降低的现状，并阻碍实体经济利用金融科技等新工具解决危机。综上所述，本文的研究目标是：探寻疫情影响下金融支持实体经济的效率水平，观察实体经济能否依靠创新性的金融活动对冲后疫情时代所衍生出的各种不利干扰；同时考虑地区发展差异，测量 20192021 年全国各区域金融支持实体经济发展效率高低，检验各项指标对效率影响的显著程度，以此正确运analysisJ.Wireless Personal Communications，2018，102：3699-3713.5 陈茜，田治威.林业上市企业财务风险评价研究基于因子分析法和聚类分析法J.财经理论与实践，2017（1）：103-108.6 李光荣，李风强.基于几种神经网络方法的公司财务风险判别研究J.经济经纬，2017（2）：122-127.7 陈艺云.基于文本信息的上市中小企业财务困境预测研究J.运筹与管理，2022，31（4）：136-143.8 戴珍房地产企业财务风险评价与控制研究D.南宁：广西大学，2017 9 杨葳基于信息熵、灰色关联的财务风险评价研究D.北京：首都经济贸易大学，2018.10王拉娣，韩江旭.房地产上市公司财务风险评价J.会计之友，2020（10）：31-36.作者简介：陈星儒，重庆交通大学研究生在读。Financial View|金融视线MODERN BUSINESS现代商业93用金融手段、合理选择服务路径，让金融最大程度发挥支持经济增长的作用。为此，本文首先基于 BCC 静态模型和 Malmquist 动态模型，选取国家统计局发布的全国 31 个省市 20192021 年地区季度GDP、社会融资规模等相关数据，测度各省市金融支持实体经济的效率；其次根据测量结果分析影响综合效率的原因，并给出对策建议。本文主要目的是为了分解得到全国各省市具体的纯技术效率变化指数等，借助指数对比与平均值，准确比较各省市金融服务实体经济的异同及各区域创新技术、金融政策等对实体经济的影响。此外，本文将根据研究所得的对策，助力各地制定因地制宜的政策，以此加强科学管理，提高资源利用效率，进而协调金融业发展规模和经济社会发展的匹配程度。二、效率测度与分析（一）测度方法由于本文决策单元（DMU）包括全国 31 个省市，数量众多，各项投入指标的单位不一致，也不一定符合拟合线性关系，所以采用非参数的数据包络分析法中的 BCC 静态模型（规模报酬可变）和 Malmquist 动态模型。本文对决策单元（DMU）考察的时间段为 20192021 年，且选择产出主导型，对全国各省份金融支持实体经济的效率进行测度评价。（二）投入产出指标的选取本文主要考察 20192021 年金融业支持实体经济的现状，所测度的效率属于宏观金融效率，基于上述要求本文选取 3 个投入变量和 1 个产出变量。具体如下：1.投入指标本文选取金融机构存贷余额比、进出口总额、金融业增加值/GDP 作为投入指标进行分析。上述投入指标能够比较完整地反映金融业的情况。数据从中国人民银行、国家统计局官网等渠道获得。2.产出指标选择实体经济总产值作为产出指标对金融支持实体经济的效率进行分析。实体经济总产值能够直观地体现实体经济的被支持效率和程度，给后续的分析奠定可靠真实的数据基础。（三）测度结果分析1.DEA 视角下地区金融服务实体经济效率静态分析运用 SPSSAU 软件，以金融机构贷存余额比、进出口总额、金融业增加值/GDP 作为投入，实体经济总产值为产出，运用DEA-BCC 模型，测量 20192021 年全国各省份金融支持实体经济发展效率测度的结果如表 1 所示。表1BCC模型下全国各省市金融支持实体经济的效率测度结果DMU2019年2020年2021年技术效益 规模效益 综合效益 技术效益 规模效益 综合效益 技术效益 规模效益 综合效益北京市1110.2930.70.205111天津市0.6130.3750.2310.3230.3230.610.960.586河北省1110.250.9250.2320.90.8870.798山西省10.6390.6390.20.9860.1970.970.9740.945内蒙古自治区0.8330.6470.5390.4680.5280.2470.8950.9750.872辽宁省0.8940.7270.650.260.8630.2240.8940.9590.858吉林省0.9580.9290.8910.3130.7140.2230.9320.9840.918黑龙江省10.9150.9150.1950.9730.19111上海市0.7840.5660.4440.3150.740.2330.8720.8550.746江苏省0.570.3550.20210.6580.6580.5860.3880.227浙江省0.6270.5510.3460.80.510.4070.6180.690.427安徽省0.8670.6660.5770.4010.6840.2750.7720.8540.659福建省0.6520.6580.4290.9330.3710.3460.6060.8610.522江西省0.8290.7820.6480.5640.4920.2780.7030.9190.646山东省0.7280.5920.430.4340.7310.3170.7180.7790.559河南省0.8160.640.5220.4780.6260.2990.7320.8280.606湖北省0.8930.6550.5840.3920.7310.2870.810.7680.622湖南省0.890.6830.6080.3760.6990.2630.7710.8840.682广东省0.6250.2490.1561110.6320.1960.194广西壮族自治区0.790.7960.6290.7280.4050.2950.6520.9290.606海南省0.8870.9610.8520.540.4620.250.9170.9890.907重庆市0.7770.7420.5760.6380.4490.2870.6710.9370.628四川省0.9130.6370.5820.3030.8630.2610.8210.830.682贵州省0.8540.9450.8070.9490.3230.3060.7330.9440.693云南省0.7950.880.6990.6160.4490.2770.6640.9450.628西藏自治区1110.3990.5720.228111陕西省0.9480.7680.7280.2790.8120.2260.8530.950.811甘肃省0.8620.9580.8260.750.3710.2780.8310.9640.801青海省1110.6990.3790.265111宁夏回族自治区0.8040.9880.7950.8510.3330.28310.9920.992新疆维吾尔自治区0.9130.9280.8470.4450.5490.2440.8190.9810.804数据来源：中国人民银行、各地区海关和统计局、中国人民银行、国家统计局。Financial View|金融视线MODERN BUSINESS现代商业942020 年由于受到新冠疫情影响，大量企业停业，严重冲击了实体经济，所以相较于 2019 年，平均综合效率指数大幅下降。随着防控工作的有序开展，经济得到有效复苏，较 2020年，2021 年多省综合效率指数大幅度提升，年平均综合效率指数也随之提升。由表 1 可看出，20192021 年各省金融服务实体经济的综合技术效率差异较大。2019 年，共有北京、河北等4 个省份综合效率指数达到 1，2020 年，仅有广东 1 个省份综合效率指数达到 1，2021 年，又有北京、青海等 4 个省份综合效率指数达到 1，说明了这些省份在对应时间中金融支持经济的发展是有效的。这些发展较好的省份都有自己的区位优势和支持战略，例如两年综合效率指数均达到 1 的青海，这与其不断推动产业结构转型升级以及新动能不断成长有关。其余省份在 20192021 年中的综合效率值均小于 1，表示这些省份金融支持实体经济在上述时期中未处于效率有效状态，其中最低的是 2020 年的黑龙江省，这与黑龙江省经济该年受新冠疫情冲击较大，传统制造业开始走下坡路，导致黑龙江省产能严重过剩，产业结构转型升级矛盾突出有关。从分解的角度看，综合效率（OE）=技术效率（TE）规模效率（SE），2019 年综合效率的主要影响因素是规模效率，多省规模效率指数较低，其中山西、黑龙江两省，纯技术效率值为 1，可知纯技术效率处于有效状态，相比之下，规模效率处于非有效状态。2020 年，综合效率的主要影响因素是纯技术效率，多省纯技术效率指数较低，其中山西、黑龙江、四川等地受纯技术效率影响较大，说明其金融机构的管理以及科技创新水平对实体经济发展的支持作用较弱。2021 年，多地区的纯技术效率和规模效率大多都较为接近。其中宁夏回族自治区纯技术效率值为 1，其主要影响因素是规模效率。然而天津、福建等地对比规模效率，其纯技术效率较低，说明该地区金融内部技术优势不足、结构单一、管理经营效果不理想。2.Malmquist 指数视角下地区金融服务实体经济效率动态分析对31个省市20192021年投入、产出指标按时间顺序排列，将数据代入DEAP2.1软件中进行处理，选取DEA-Malmquist方法，效率结果如表 2 所示。表2DEA-Malmquist模型下全国各省市金融支持实体经济的效率测度结果20192020年20202021年地区effchtechchpechsechtfpcheffchtechchpechsechtfpch北京市10.597110.59710.956110.956天津市2.5580.8231.0032.5512.1050.9970.9971.0020.9950.994河北省0.8160.7880.9070.90.6430.9780.9940.9920.9860.972山西省1.5171.0130.9941.5271.5370.9750.9770.9770.9980.953内蒙古自治区1.551.0211.0311.5031.5831.0440.9691.0470.9971.012辽宁省1.3020.7790.9861.321.0141.0170.9941.0180.9991.011吉林省1.0081.0090.9481.0631.0171.0220.971.0260.9960.992黑龙江省1.0930.98711.0931.07810.977110.977上海市1.760.5881.1311.5561.0350.9540.9610.9790.9750.917江苏省1.3870.6121.0721.2950.8490.810.9730.9590.8440.788浙江省1.3270.6821.021.3010.9050.930.9840.9680.9610.915安徽省1.1920.7860.911.310.9370.9580.9930.980.9770.952福建省1.2840.7650.9721.3210.9810.9580.9920.9740.9840.951江西省1.0670.8710.8971.1890.930.9470.9960.960.9870.944山东省1.370.6971.0121.3540.9550.9480.9850.9780.9690.934河南省1.2090.7810.9211.3130.9440.960.9920.9740.9850.952湖北省1.130.8120.9261.220.9170.9420.9940.980.9610.937湖南省1.1850.7910.9041.3110.9380.9460.9950.960.9860.941广东省1.1670.5791.041.1220.6760.6790.9610.9650.7040.653广西壮族自治区1.0240.9090.8841.1590.9310.9410.9950.9460.9940.936海南省1.0160.9940.9831.0331.011.0430.9811.0460.9971.023重庆市1.1810.8030.9131.2940.9480.9520.9950.9610.9910.947四川省1.2380.7690.9211.3450.9520.9470.990.9770.9690.937贵州省0.8851.0280.8811.0040.910.9690.9790.9740.9950.949云南省0.9810.9760.9111.0760.9570.9340.9840.9410.9930.919西藏自治区11.119111.11910.802110.802陕西省1.1480.8340.9191.250.9570.9690.9950.9780.9910.964甘肃省0.9621.0290.9541.0080.991.0080.9811.0090.9980.988青海省0.931.4880.9350.9951.3841.0750.7761.0691.0050.834宁夏回族自治区1.0051.0280.9991.0061.0331.0040.9831.0041.0010.988新疆维吾尔自治区0.961.0060.8961.0710.9650.9890.9641.0010.9880.953数据来源：中国人民银行、各地区海关和统计局、中国人民银行、国家统计局。Financial View|金融视线MODERN BUSINESS现代商业95全要素生产率（TFPCH）的增长意味着生产活动在一定时间内效率的增长，通过表 2 数据能看到全国各省市在年度 TFPCH上有着一定程度的回落，但总体变动幅度不大。对比 20192020 年，20202021 年相当大部分省份金融支持实体经济发展的 TFPCH 从 1 以上回落到了 0.9 左右，其余指数在 1 以下的省市也有小幅下滑，稳定在 1 以上的省份明显减少。说明受到2020 年新冠疫情的影响，金融生产效率总体是下滑的，后疫情时代金融要素的配置受到了一定程度的影响，金融资源的利用效率小幅下降。整体上，金融服务实体经济的 TFPCH 变化值以及分解值在不同年度和不同省市间差异化程度较大。三大区域中，疫情影响下东部地区的平均变化率相对平稳，优于西部地区，而中部地区的波动程度比较大，部分省份的下滑较大。对 TFPCH 进行分解，全国 31 个省市中仅有小部分省市的技术效率（EFFCH）持续两年稳定在 1，这部分省市的金融技术效率较平稳，其余省市的金融技术效率均有所下降，金融生产率由技术进步（TECHCH）的变化决定，受到政策导向、市场环境等的影响比较大；绝大部分省市的金融生产率受到 TECHCH变化情况和 EFFCH 的共同影响，全国有 20 个省市的 TECHCH 与TFPCH 的变化方向一致，总体来看，TECHCH 对 TFPCH 的影响相对更大，而 TECHCH 显示后疫情时代的金融环境相对不乐观，金融资源的利用不佳。从分解值看，EFFCH 受到规模效率（SECH）和纯技术效率（PECH）的影响，PECH 的变化相对平稳，EFFCH的变动主要受到 SECH 的影响，全国 31 省市中有 26 个省市的SECH 与 EFFCH 的变化保持一致。这说明，相比影响程度较小的技术效率方面，技术进步在金融服务实体经济的 TFPCH 提高上有着较大的影响，而规模效率的影响程度更大，纯技术效率的影响程度较小。综上所述，新冠疫情暴发对全国各省份金融支持实体经济的效率产生了影响，西藏等产业结构相对单一的省份受到疫情的影响更大，而东部地区的省份产业结构稳定，金融业相对更加发达，疫情影响较小的省份甚至出现了逆势增长的现象，比如北京、浙江、安徽等。三、影响效率的因素分析（一）变量选取及数据来源利用 Stata17 对全国 31 个省市 20192021 年面板数据进行分析，为进一步分析后疫情时代全国各省金融支持实体经济效率差异的因素，选取上文所测出的综合效益作为被解释变量。对于解释变量的选取，除去前文构造模型中的金融中介效率和金融业发展规模等，还选取了对外开放程度、政府干预程度、社会融资规模、产业结构这四个变量作为解释变量。（二）回归结果分析在处理面板数据时，一般有固定效应、混合效应和随机效应等三种效应模型可供选择。在多项回归验证和豪斯曼检验后本文选择混合效应模型。综上本文建立模型：6655443322110 xxxxxxy+=且通过检验模型可得，本文将使用混合效应模型来分析综合效益更为合理，且模型结果估计如表 3 所示。表3混合效应面板数据回归结果YCoeftP|t|X1-0.4964743-3.120.004X2-1.300531-2.910.007X30.11171842.240.033X4-0.8900173-2.940.006X50.07323071.010.319X6-0.0156994-0.720.480_cons1.2253648.610.000数据来源：由Stata17计算所得。基于混合回归模型可知：金融中介效率、金融业发展规模、对外开放程度和政府干预程度对综合效益均有显著性的影响，而社会融资规模和产业结构的显著性不高。其中社会融资规模未通过检验，表明社会融资规模与金融服务实体经济增长效率间无显著性关系。这可能是因为在近几年新冠疫情的影响下，实体经济都受到较大的影响，社会融资规模的作用有了限制，从而对金融服务实体经济增长效率的作用不大。对于产业结构而言，虽然近几年中第三产业发展迅速，但是在本次疫情的影响中第三产业受到的打击也尤为严重，遮盖了原来发展的优势。在金融业方面，金融中介效率为负显著性，且系数较大，说明金融业储蓄转化率的增长过快会对实体经济的增长产生抑制，金融产业规模的系数为负，这说明金融产业与实体经济发展相互之间存在一定的阻碍作用，仅仅去扩大金融业规模已经不能满足实体经济的发展需求。这与蒋智陶（2014）、张林（2017）的研究结果一致。因此，需要协调金融业发展规模以适应实体经济的发展。在经济发展水平上，对外开放程度通过检验，且与综合效益具有正相关关系，说明虽然是在后疫情时代背景下，进出口受到限制，但是整体仍是上升的趋势，进出口额的扩大有效推动了金融服务实体经济的增长。Financial View|金融视线MODERN BUSINESS现代商业96在宏观环境方面。政府干预程度与综合效益均呈现负相关，说明政府干预会对金融服务实体经济的效率产生负面影响，所以应该减少过度干预，让市场发挥调控作用。四、结论与建议（一）基于 DEA 进行效率测度模型的研究结论与问题本文采用了全国 31 个省市 20192021 年的数据建立面板数据模型，利用 BCC 静态函数、Malmquist 动态函数测算了考虑经济产出最大化和新冠疫情影响最小化的金融服务实体经济的发展效率。研究发现：从整体来看，受疫情影响，2020 年中国金融服务实体经济的发展效率相较于 2019 年整体下跌；2021 年随着疫情防控效果显著，金融生产效率稳步增长，经济形势恢复良好。但从局部来看，各省市地区规模效率和技术效率差异较大，地区间发展效率的不同主要由于各地经济结构与支撑产业的区别，金融稳定性上东部沿海各省份高于中西部地区。基于得出的综合效益值，本文分别在金融产业、经济、宏观环境选取了 6 个指标，从“金融实体经济”结构匹配视角构建 Tobit 回归模型，分析两者发展效率差异的影响因素。研究发现：选取的六项指标中，金融中介效率、金融业发展规模、对外开放程度和政府干预程度可以促进效率提升；产业结构对效率影响微弱，社会融资规模未通过检验。与金融服务实体经济效率相关的四项指标中，对外开放程度为正相关，其余为均负相关，可见在国际贸易形势复杂的情况下，我国进出口总额仍然稳步上升，市场主体活力较强。（二）金融支持实体经济的效率提升路径探索基于上述结论，如果想要提升金融服务实体经济的效率水平，探索创新路径，就必须契合我国产业转型、技术进步的需求，结合产业特征与宏观条件充分考虑。面对中国各省市地区经济发展不平衡的现状，需制定因地制宜的金融政策来促进均衡发展。从实验数据来看，东部与南部地区具有相对完备的金融体系，技术发展较为成熟，应注重金融结构的调整，匹配实体经济结构，促进金融资源均衡配置和精细化管理。而中西部与北部地区则面临着金融市场发展水平较低，对宏观政策的适应周期较长的问题，因此应继续加大金融深化力度，通过各类财税金融政策和激励机制，引导各金融机构加大金融资源的投入，拓宽实体经济的融资渠道，实现共生发展。当前国际形势错综复杂，在后疫情时代，如何稳定外贸外资面临着诸多挑战。因而政府要落实好下列政策：一方面让企业享受到政策红利，如培育外贸试验区、完善国际物流平台，提高贸易的便利化水平。另一方面，提高对外开放水平，如吸引外资投向先进制造业等领域和中西部地区、优化外资营商环境和权益保护力度，稳定外资企业的投资信心。推进供给侧结构性改革与扩大金融市场协同发展。随着我国经济进入新常态，长期积累的矛盾凸显，其根源在于经济的结构性失衡。对于中西部等以传统产业为主导的省市，需要淘汰落后产能，推动产业数字化。对于东部、南部等金融体系较成熟的省市，需要加强信用监管，完善风险防范体系，促进新产业健康发展。除此以外，还可以逐步开放金融市场，设立金融自贸区，通过以点带面，推动邻近省市协同发展，促进区域经济一体化发展。参考文献：1 Edward S.Financial deepening in economic developmentM.Oxford University Press，1973.2 潘海峰，程文，张定胜.金融支持实体经济发展的效率测度及其空间效应分析J.统计与决策，2022，38（8）：139-143.3 邓宇.防范过度金融化及金融服务实体经济有效路径研究J.西南金融，2022（3）：19-32.4 宋志秀.基于DEA-Malmquist法的中国区域金融服务实体经济效率测度J.武汉金融，2019（12）：51-59.作者简介：1.白语扬，苏州科技大学，本科生。2.张玟，苏州科技大学，本科生。3.汪丹丹，苏州科技大学，本科生。4.张涵，苏州科技大学，本科生。5.刘红艳，苏州科技大学，本科生。