刘融冰, 刘俊奇

(辽宁大学 商学院, 沈阳 110036)

0 引 言

小额贷款公司作为目前普惠金融的供给载体,全方位致力于解决中小企业和农户的融资难问题,其经营效率的质量也一直备受相关专家和学者们的关注。小额贷款公司又属于微型金融机构的一部分,在为弱势群体提供金融服务发展历程中获得了一致的好评。孟加拉格莱珉银行的创始人尤努斯也因为在此方面的突出贡献获得了2006年度的诺贝尔和平奖。对于金融机构效率的测算,大致经历了从传统的财务到较为热门的参数化或非参数化方法的演进过程。先是采用财务方法具有代表性的就是Alhadeff[1]对美国加利福尼亚州210家商业银行经营效率进行分析,而后考虑到金融机构财务指标选择的随意性和反映长期经营效率的失真性[2-3],Charnes等[4]提出数据包络分析方法来弥补以上的不足,并广泛受到业界的推广和认可。Gutiérrez Nieto等[5]采用DEA方法对拉丁美洲30家微型金融机构的效率进行了分析,得出国别和机构类型是其影响效率的主要因素。Qayyum和Ahmad[6]采用DEA方法对亚洲地区的孟加拉、巴基斯坦和印度3个国家的微型金融机构效率进行分析。得出其经营机构效率总体偏低是因技术不足所造成的结论,并在技术和管理方面对其加以改善。进一步从地区的角度,Nghiem等[7]分析了越南地区的小额贷款公司效率及其影响因素。得出结论如下:该地区小额贷款公司的技术效率和规模效率是偏低的,并且同成立时间长短和地区经济发达程度高度相关;Bassem[8]分析了地中海地区的小额贷款公司的经营效率,得出结论如下:经营规模与效率呈倒U关系,并以中等规模为最佳。Widiarto和Emrouznejad[9]依据小额信贷机构双底线目标(向穷人和金融可持续发展),采用DEA方法对伊斯兰地区的该机构进行社会效率和金融效率的分析,并进行了相关的比较和鉴别。由此可见,小额贷款公司经营效率的提升应引起金融当局的足够重视。

小额贷款公司作为我国金融制度的创新,其发展路径与经营状况引起了广泛关注[10]。限于国内小额贷款公司正式运行较晚,故其相关效率的研究也相对较少。林春[11]采用2010—2015年31个省份的面板数据,运用DEA超效率模型和Malmquist指数模型对我国小额贷款公司的静、动态效率进行了测算及评价。结果表明:从静态效率看,我国的小额贷款公司的整体效率并不高,并且在考察期内呈倒U型增长;从动态效率来看,我国小额贷款公司的全要素生产率整体上增长状况良好,其中,西部地区增长最快,中部地区有所缓慢,而东部地区却出现了负增长。杨虎锋和何广文[12]采用DEA方法对2010年16个省42家小额贷款公司的经营效率进行了评价。结果发现,所考察地区的整体经营效率水平较高且差异不明显,纯技术效率偏低成为主因,当前正处于规模报酬递增的发展阶段,扩大规模有利于提高其效率,并随着成立时间的增长呈U型变化。于转利和罗剑朝[13]采用DEA-Malmquist指数法对中西部地区2005—2009年的30家小额信贷机构全要素生产率进行测算及分解。得出结论是:小额贷款公司整体上的全要素生产力呈下降趋势,造成这种原因主要是规模效率低和技术进步缓慢,并给出了适量扩大规模和增加技术投入的相关改进效率建议。 游龙和罗剑朝[14]运用DEA-Tobit模型对陕西省2011年的小额贷款公司经营效率进行了实证分析。 结果表明: 该地区的小额贷款公司综合效率整体不高, 并且存在明显的投入冗余现象, 贷款规模和资产规模对其效率具有显著的影响。 而董晓林和高瑾(2014)[15]也同样采用DEA-Tobit模型对江苏省2011年的227家农村小额贷款公司进行效率及影响因素分析。 其结果是: 贷款数量存在规模递增效应, 平均贷款额度与运营效率间存在倒U型关系, 资金规模、 贷款利率对其运营效率具有显著的正向影响。 田青[16]基于DEA方法测算的小额贷款公司的运营效率值, 进一步采用SUR方法进行实证分析。 得出结论如下:效率与目标偏离呈显著负相关关系; 贷款收益率与目标偏离呈倒U形关系。 故此, 我国小额贷款公司提升现阶段的经营效率是至关重要的。

鉴于对上述文献的梳理,不难发现,国内研究更多地注重于观察某个地区的小额贷款公司的经营状况,并且研究的年限也相对较短,这样所获得的结论对于国家制定普惠金融政策目标的借鉴意义有限。鉴于此,笔者将小额贷款公司的效率研究所涉及的时间跨度和地区覆盖面力争做到全面和科学,以2010—2015年作为考察区间段,以31个省(市、自治区)作为研究对象,来全面分析小额贷款公司经营效率的地区差异性,并根据地区效率的趋势特征进行相关的收敛性检验,为我国小额贷款公司实现普惠金融目标的战略布局建言献策。

1 模型建立与指标选择

1.1 模型建立

DEA-Malmquist指数模型是Sten Malmquist于1953年提出来的,但在初期因受到测度距离函数方法的限制而没有得到业界内的足够认可。随着Charnes等(1978)[4]所提出的数据包络分析方法(DEA)对上述测度距离函数方法问题的解决,它才开始逐渐走入人们的视线,并被应用到投入产出角度的效率分析当中,受到业界的一致好评。本文采用DEA-Malmquist指数模型的原因如下:1)采用DEA方法不用事前构造生产函数模型,因为影响我国小额贷款公司的产出因素很复杂,难以用恰当的生产函数模型去描述;2)Malmquist指数将全要素生产率又可分解成技术效率变动和技术进步变动2个部分,有利于挖掘引起全要素生产率变化的真正原因。因此,选择DEA-Malmquist指数模型测算小额贷款效率更具有权威性。函数形式如下:

1.2 投入与产出指标的选择说明

运用DEA测算效率最主要的是关于投入与产出变量的选择, 它决定着是否能对评价单元做出准确判断。 通过对小额贷款公司效率研究的前期文献梳理, 对相关投入和产出变量进行了相关归纳和总结。 投入变量主要集中以下指标: 员工人数、操作、总资产、贷款余额、资本净额、经营支出、管理费用、机构从业人员数等。 产出变量主要集中以下指标:贷款余额、存款余额、贷款笔数、营业收入、总收入、营业利润、贷款客户数、还款率等。 综合以上指标选择的借鉴, 并考虑到文中所使用数据的可得性和统一性, 将选择小额贷款公司的实收资本和员工人数作为资本和劳动的投入变量; 将选择贷款余额作为产出变量。 以上数据主要来源于各省(市、自治区)小额贷款公司协会网站、 银监会网站、 中国人民银行网站等。

2 小额贷款公司效率研究

本文采用DEA-Malmquist指数模型对我国小额贷款公司效率进行了相关测算,分析结果如下。

从图1的结果可以看出,我国小额贷款公司的全要素生产率(tfpch)大体上呈增长的趋势,2010—2015年期间的全要素生产率变化指数为1.007 1,说明样本期间内我国小额贷款公司的全要素生产率是以0.71%的平均速度增长。从具体年份来看,我国小额贷款公司的全要素生产率指数在2012—2013年、2014—2015年这2个区间段是小于1的,说明我国小额贷款公司的经营能力在这2个阶段是有所下降的,并折射出了全球经济衰退给国内市场带来的短暂负面冲击,严重地影响了上下游行业的发展。而在2010—2011年、2011—2012年和2013—2014年这3个区间段是大于1的,说明我国小额贷款公司的经营能力在这3个阶段是有所提升的,在2010—2012年期间,我国小额贷款公司正处于发展的膨胀期,可以说是全国范围的“遍地开花”,机构数量从2010年末的2 614家到2012年末的6 080家,从业人员从2010年末的27 884人到2012年末的70 343人,实收资本从2010年末的1 780.93亿元到2012年末的5 146.97亿元,贷款余额从2010年末的1 975.05亿元到2012年末的5 921.38亿元,足以见证了该阶段小额贷款公司发展之迅速。在2013年国内行业受到短暂的负面冲击以后,相关企业势必要重新调整发展战略,故在2014年因其扩大规模而贷款量倍增,小额贷款公司的发展再次迎来春天。

又因其全要素生产率指数(tfpch)=技术进步指数(techch)×技术效率指数(effch),本文将进一步从技术进步和技术效率方面来对小额贷款公司的效率展开分析。技术进步方面:技术进步指数在区间段2010—2011年、2013—2014年、2014—2015年均大于1;而在区间段2011—2012年、2012—2013年均小于1。技术效率方面:技术效率指数在区间段2010—2011年、2011—2012年、2012—2013年、2013—2014年均大于1;而在区间段2014—2015年是小于1的。通过对上面构成要素的分析,可以看出我国小额贷款公司全要素生产率的增长,现阶段主要依赖于规模扩张所带来技术效率的改善,而对于技术进步的改善并不是很明显,这也是我国小额贷款公司很快进入发展瓶颈期的主要原因。如果企业一味的追求扩大规模和提升利润空间,不考虑维持企业可持续发展的创新能力,这种“竭泽而渔”的做法会使企业的经营很快陷入到困境当中,阻碍企业的发展。目前,我国小额贷款公司的发展也有面临这种困境的危险,要想摆脱这种困境必须提升自身的创新能力,实现其经营能力的质量跨越,以此来更好地充当普惠金融的供给载体,为服务实体经济的发展需要贡献力量。

图1 我国小额贷款公司年份效率及其分解Fig.1 Annualefficiency and decomposition of China’s microfinance companies

3 小额贷款公司效率收敛性研究

3.1 小额贷款公司效率的趋势特征

图2 我国各地区小额贷款公司效率的增长趋势Fig.2 Theincreasing trend of the efficiency of microfinance companies in China

从图2可以看出,我国小额贷款公司的全要素生产率的增长率并未出现持续的上升或下降。从全国层面来看,2012—2013年和2014—2015年2个区间段的小额贷款公司全要素生产率的增长率呈上升状态,而2013—2014年则呈下降的状态,这主要受到世界经济衰退的蔓延效应影响,国内的经济出现了不同程度的下滑趋向,相继的中下游企业遭到了不同程度的“外伤”洗礼,继而导致了原本承受风险能力较弱的小额贷款公司面临出局和危机的边缘,故该阶段的小额贷款公司经营效率是有所下降的。从区域层面来看,东部和西部的增长趋势近乎达成一致性,分别在2012—2013、2014—2015年这2个区间出现上升和在2013—2014年区间出现下降;而中部地区走势却与东西部是有所差异的,2012—2013区间出现了下降,而2013—2015年区间一直保持着增长的态势。造成地区间主要差异的是雄厚的经济基础和当前经济发展的需要,东部因其良好的经济底蕴促成小额贷款公司迅速崛起,并在2013年末就达到了一个增长的峰值;地处偏远的西部也一直以中小企业融资难困扰着该地区的经济发展,小额贷款公司在这里生根发芽正为破解这一融资难题所需,固然它一在这里落地就受到了百般的呵护,并促以茁壮成长;中部地区因其偏重于工业发展,企业经营规模相对较大,对融资需求提出的要求更为苛刻,故前期小额贷款公司的推广受到了“水土不服”的阻力,收到的反馈效果相对较差,但随着新常态经济结构转型的发展需要,小额贷款公司支持该地区的企业融资发展开始逐渐凸显,这点在趋势图中有所体现。

3.2 小额贷款公司效率的收敛性检验

从图2不难发现,东、中、西部地区的小额贷款公司效率增长走势基本同全国保持一致,但地区间却呈现出较大的差异化,那么这种差异会随着时间推移而有所缩小吗?各地区的收敛模式又有何不同呢？故此,本文将进一步对各地区的小额贷款公司效率的增长进行相关的收敛性检验。

按照新古典经济增长理论,经济比较发达的地区受其资本投入报酬存在边际递减规律的束缚而将增长的速度拉慢,并逐渐与欠发达地区的增长速度缩小差距,这种差距会随着时间的推移最终趋同于一个平衡增长路径,经济理论把这种现象称为经济增长的收敛[17-18]。他们把收敛现象分为2类:一类是σ收敛;二类是β收敛,按照经济体收敛的稳态是否相同,β收敛又分为绝对β收敛和条件β收敛。

3.2.1σ收敛检验

图3 我国各地区小额贷款公司效率标准差(左)和变异系数(右)走势图

图3为我国小额贷款公司效率值的标准差和变异系数。从全国来看,我国小额贷款公司在2011—2015年区间的效率标准差和变异系数并未出现持续的下降趋势,故不能判定为σ收敛。从地区来看,中部和东部地区出现了较为明显的下降趋势,即反映为σ收敛特征;而西部地区出现的趋势有升有降,故不能判定为σ收敛。从年份来看,2011—2012年、2013—2015年这2个区间均出现σ收敛;而2012—2013年区间,全国和西部均呈现发散的特征。因此,限于对我国各地区的小额贷款公司效率收敛特征的准确把握下,本文进一步通过β收敛来验证我国各地区小额贷款公司的效率收敛性。

3.2.2 绝对β收敛检验

绝对β收敛主要探讨效率较差地区的小额贷款公司能否赶上效率较好地区的小额贷款公司,最终达到相同稳定的增长速度,借鉴Barro和Sala-I-Martin[17]的研究框架,将绝对β收敛的检验方程形式设置为公式(2):

(2)

通过观察回归结果表1,全国的估计系数为-0.702 0,东部的估计系数为-0.577 1,中部的估计系数为-0.536 9,西部估计系数为-0.754 9,所有β均通过1%的显著性检验。这意味着初始经营效率较高东部地区小额贷款公司在未来效率的增长会相对缓慢,即东、中和西部地区的小额贷款公司的经营效率会趋于相同的稳定增长速度。效率较差的中西部地区存在追赶效率较好的东部地区,东、中和西部地区的小额贷款公司的发展正在朝向一个均衡的增长路径运动。

表1 绝对β收敛检验(OLS回归)Table 1 Absolute beta convergence test (OLS regression)

注: *,**,***分别表示在10%,5%,1%的水平上显著;括号内数字为t统计量

3.2.3 条件β收敛检验

与绝对β收敛不同之处在于各地区的小额贷款公司效率存在不同的稳定水平,条件β收敛衡量的是各地区的小额贷款公司效率是否收敛各自的稳定水平,对于条件β收敛检验的研究一般采用Panel Data固定效应模型,因为它能够设定界面和时间固定效应,并考虑了不同个体有不同的稳态值和自身的稳态值随时间变化而变化。不同于传统的加入控制变量的检验方法,由于Panel Data的固定效应项对应着不同经济体各自不同的稳态条件,因此加入控制变量是多余的[19],再次借鉴Barro和Sala-I-Martin[17]的研究框架,将条件β收敛的检验方程形式设置为公式(3):

(3)

通过观察表2回归结果,全国估计系数为-1.180 3,东部估计系数为-1.279 8,中部估计系数为-1.011 1,西部估计系数为-1.165 0,所有β均通过1%的显著性检验。这意味着上一期小额贷款公司的效率水平越高,其效率的增长幅度会越慢,反之亦然。各地区小额贷款公司的效率会收敛于各自的稳定水平。

表2 条件β收敛检验(固定效应回归)Table 2 Conditional beta convergence test (fixed effect regression)

注: *,**,***分别表示在10%,5%,1%的水平上显著;括号内数字为t统计量

综上,很容易发现我国小额贷款公司效率的变动表现出很强的收敛性。随着时间推移,不同地区小额贷款公司效率的离散程度明显会减小,小额贷款公司效率不仅会收敛到自身的稳定水平,不同地区小额贷款公司效率也会收敛到相同的稳定增长速度。以上结论恰好与我国大型金融机构效率收敛性、中小金融机构效率收敛性、农村金融机构效率收敛性、政策性金融机构效率收敛性等均保持一致[20-23]。

4 结 语

本文先是采用DEA-Malmuqist指数模型对我国2010—2015年省级层面的小额贷款公司的效率进行了相关测算和评价。从整体年份来看,我国小额贷款公司的总体效率呈现上升的趋势,并且该阶段的增长也主要依赖于规模扩张所带来技术效率的改善,而对于技术进步的改善并不是很明显,这也是我国小额贷款公司很快进入发展瓶颈期的主要原因。从地区来看,东部地区经济较为发达,小额贷款公司的总体效率表现得较高,但因其机构数目增长迅猛也很快进入了饱和期,尤其是浙江省、江苏省、上海市和广东省4个省份,故该地区的机构发展表现得较为一般;中部地区经济较为一般,小额贷款公司的总体效率也表现得较为一般,偏向于重工大型企业的传统发展模式也严重束缚了小额贷款公司适宜的成长环境,故该地区的机构发展也表现得较为差强人意;西部地区经济较为落后,小额贷款公司的总体效率也同中部地区一样表现得较为一般,但其增长速度和潜力都是最快和最大的,中小微企业融资难问题也一直困扰着该地区的发展,小额贷款公司大大地缓解了这一难题,便在这里获得了茁壮的成长与飞速的发展,故该地区的机构发展前景表现得较好。鉴于对小额贷款公司效率全面和科学分析的基础上,又根据该机构地区效率所表现出来的趋势特征,进一步对其地区发展差异作了相关的收敛性检验。结果发现,我国东、中和西部地区的小额贷款公司的效率均存在绝对β收敛和条件β收敛。

本文的研究结论对提升普惠金融机构服务实体经济效率也具有一定的政策含义:1)小额贷款公司作为普惠金融的重要载体,其经营效率的提高直接关系到普惠金融目标的政策实现度,为普惠金融政策在地区的发展布局奠定了良好的基础,增强了普惠金融机构服务实体经济发展能力和效率。2)金融的供给侧改革是实现新常态下经济稳定增长的必然诉求,作为普惠金融的供给方—小额贷款公司更是如此,其自身经营效率不高束缚了实现社会责任的使命,并偏离了相关的政策服务目标,欲提高其自身的发展实力,就必须要完善健全的公司内部治理结构和风险防控制度,这样才能保证为中小微企业发展需要良性输血,增强地区经济发展的新动能。3)小额贷款公司的发展必须要坚持因地制宜和地区均衡的原则,切不能形成“经济热带区”(东部)的泛滥,应该有效的引导和鼓励向“经济寒带区”(中西部)发展,并给予相关的优惠政策支持,改善“经济寒带区”(中西部)资金供给不足的局面,实现小额贷款公司与地区实体经济发展的良性互动,提升普惠金融服务实体经济的效率。