金融服务实体经济增长的效率及影响因素研究

张 林 　张维康

摘 要:基于效率维度，重拾并高度重视金融支持实体经济增长的效率问题，是经济新常 态下的占优策略。文章采用以 DEA 为基础的全局 Malmquist 指数和同期 Malmquist 指数测算 了中国31 个省市1999—2015 年金融服务实体经济增长的效率及效率变化情况，并采用可行 广义二乘法和分位数回归方法实证分析了影响金融服务实体经济增长效率的主要因素。研究 结果表明:1999—2015 年间中国金融服务实体经济增长的全要素生产率整体上呈下降趋势， 主要由效率变化和技术进步的同步下降共同作用所致，且以技术效率的下降为主导;金融服务 实体经济增长的效率呈现出明显的区域差异，沿海地区相对较高，而内陆地区和沿边地区相对 较低，同一地区不同省份之间也存在较大的差异。金融产业规模扩张、金融体系结构以及政府 干预都会对金融服务实体经济增长效率产生负向影响; 直接融资、实体经济产业结构、对外开 放度、劳动者素质对金融服务实体经济增长效率的影响具有明显的区域差异，在部分区域具有 显著正向影响，在其他区域则不显著;国有经济比重和区域信息化水平对金融服务实体经济增 长效率没有显著的影响。因此，提高金融服务实体经济增长的效率必须从金融产业发展、金融 服务创新、金融制度改革、外部环境优化等多个方面同时着力。

关键词:金融支持;实体经济增长;全要素生产率;影响因素

一、引言

随着经济金融化进程的不断推进和加速，金融产业的日益强大对国民经济持续稳定增长的促进作 用也不断增强。但是，金融业快速发展所带来的金融泡沫化、金融资本脱实向虚、实体产业空心化以及 金融危机所引起的全球经济衰退等一系列问题，再一次引起了学者们对金融与经济关系的高度关注，特 别是金融如何支持实体经济增长的问题。当金融市场发展到一定程度以后，金融资源配置是否有效，金 融要素投入能否高效地促进实体经济增长值得深入研究。而且，从中国经济运行情况来看，金融与经济 之间的关系绝非仅仅是简单的数量关系①，中国金融信贷的“输血”工程必须重新审视。基于效率维度， 重拾并高度重视金融支持经济增长的效率问题是现阶段的占优策略( 谢家智、王文涛，2013a) 。因此， 全面测评中国各省市金融支持实体经济增长的效率并准确找出其主要的影响因素，有助于为解决金融 乏力困境和调整实体经济结构提供参考依据，因而具有重大的现实意义。

目前，国外关于金融支持经济增长的研究更多集中在金融发展与经济增长的关系上，直接研究金融 支持经济增长效率的非常少。Méon 和 Weill( 2010) 基于 47 个国家 1980—1995 年的面板数据，利用随 机前沿模型测算了金融中介发展支持宏观经济增长的技术效率。Gheeraert 和 Weill 等( 2015) 基于 70 个国家的面板数据，利用随机前沿模型测算了伊斯兰银行支持宏观经济增长的效率。国内也有少数学 者从不同角度研究了金融支持经济增长的效率问题。比如: Suo 和 Wang( 2009) 运用 DEA 方法测算了金融支持在农业规模化发展和农民收入增长方面的效率问题;熊正德等( 2011) 将 DEA 和 Logit 模型相 结合，实证研究了金融支持战略性新兴产业发展的效率及影响因素; 周智和万洪斌( 2013) 测算了 1980—2011 年温州信贷资金投入对地区生产总值增长的拉动效率; 张海波( 2014) 利用 DEA 方法测算 了内蒙古 12 个盟市 2009—2012 年的金融效率。孙爱军等( 2011) 利用 Malmquist 指数方法测算了 1998—2010 年中国各省市金融支持经济发展的效率，并细分到三大产业，结果发现金融在不同省份所 发挥的效率和作用存在较大差异。俞立平( 2012) 利用 DEA 非径向超效率模型测算了金融支持经济发 展的效率，结果发现中国金融支持经济增长的绝对效率较低，相对效率较高。谢家智和王文涛( 2013a， 2013b) 采用非参数 Malmquist 指数测算了中国各省金融发展的经济增长效率及其分布特征、影响因素 及传递机理，前者发现金融结构和所有制结构可以提升金融创新效率，中央政府信贷干预程度和金融市 场化程度有利于同时提升金融配置效率和金融创新效率，二元经济结构会降低金融配置效率，政府信贷 干预会冲抵金融市场化对金融效率的促进作用;后者发现中国的金融效率偏低且没有明显改变，金融创 新效率低于金融配置效率，金融控制程度影响金融创新效率，金融创新效率不足制约金融效率的提升， 金融发展对经济增长的作用仍停留在数量扩张和要素堆积阶段。

综上可以看出，现有相关研究都更多的是关注金融支持宏观经济增长的效率问题，鲜有文献专门研 究金融支持实体经济增长的效率问题。蒋智陶( 2014) 利用 Malmquist 指数测算了中国31 个省市 2003—2012 年金融支持实体经济发展的效率及其省际差异，但其研究存在明显的不足之处: 一是他所 使用的同期 Malmquist 指数以同期的生产技术为参考，不具有可传递性特征，且在利用线性规划求解混 合时期的方向性距离函数时可能存在无可行性解问题;二是他仅选用了实体经济融资额和总产值的单 投入单产出指标，忽略了劳动投入、资本投入对实体经济产出的影响。另外，在“内陆经济崛起”的新区 域经济格局下，研究区域实体经济增长问题采用“新三大区域”方案，即沿海、内陆、沿边地区( 张毓峰 等，2014) 来进行区域划分可能更为科学①。基于此，本文采用两阶段研究方法，将首先同时利用全局 Malmquist 指数和同期 Malmquist 指数测度中国 31 个省市 1999—2015 年金融服务实体经济增长的效 率，并对此进行省际横向和时间纵向的比较分析;然后在此基础上利用全国、东部、中部、西部、沿海、沿 边、内陆地区的区域面板数据实证分析影响金融服务实体经济增长效率的主要因素。

二、研究设计:方法、指标与数据

以 DEA 为基础的 Malmquist 指数法不需要事先假定生产函数的形式，也不需要考虑投入产出指标 数量不同量纲的差别，能有效地避免因生产函数设定而导致估计结果的偏误。因此，本文将采用以 DEA 为基础的 Malmquist 指数来测算各省金融服务实体经济增长的效率。

( 一) 全局 DEA-Malmquist 指数

同期 Malmquist 指数目前已经比较成熟，而全局 DEA-Malmquist 指数发展相对较晚，国内采用全局 DEA-Malmquist 指数进行相关问题的研究仍处于起步阶段。限于篇幅，本文对同期 Malmquist 指数仅做 简单介绍，重点介绍全局 Malmquist 指数与分解，以及二者之间的比值关系。

( 二) 指标选择与数据说明

选择科学合理的投入产出指标是准确测算金融服务实体经济增长效率的关键，而投入产出指标的 确定一直是学术界争论的焦点，且争论目前仍未停息( Matthews，2013) 。本文将采用3 个投入( 资本、劳 动、融资额) 1 个产出的模型来测算金融服务实体经济增长的效率。借鉴张林等( 2014) 的方法，采用各 地区 GDP 扣减金融业增加值和房地产业增加值后的其他产业的总产值来衡量实体经济总产值并作为 产出指标。劳动投入( L) 采用实体经济就业人数代替，用全社会就业人口总数减去金融业就业人数和 房地产业就业人数得到;资本投入( K) 采用实体经济部门的固定资产投资额代替，用全社会固定资产投 资额减去金融业和房地产业固定资产投资额得到;实体经济融资额( ＲZ) 采用非金融部门从金融部门获取的融资额减去房地产企业的国内贷款得到。

鉴于数据的可得性和完整性，本文将研究的样本区间设定为1999—2015 年，研究的对象包括中国 31 个省、市、自治区，共 31* 17 =527 个样本。各省市实体经济总产值的相关数据来源于历年的《中国 统计年鉴》。实体经济劳动投入数据和固定资产投资数据分别来源于历年的《中国统计年鉴》、《中国人 口与就业统计年鉴》、《中国固定资产投资统计年鉴》及 wind 资讯数据库。2000—2012 年的非金融部门 从金融机构获得的融资额的相关数据来源于2004—2006 年、2012 年各省市的《金融运行报告》，1999 年 各省市非金融部门的融资额数据缺失，本文采用移动平均法予以补齐①，2013 年以后各年实体经济融资 额采用社会融资规模数据代替，相关数据来源于中国统计局网站。房地产业贷款数据来源于历年的 《中国房地产统计年鉴》。

( 三) 指标数据有效性检验

朱南和谭德彬( 2015) 指出，用于测算效率的投入产出指标之间应满足以下2 个法则: 一是投入指 标与产出指标应有相关性，二是投入与产出之间需要满足“等幅扩张性”，即随着投入的增加产出不减 少。因此，在进行实证之前必须检验投入产出指标间的相关性。本文利用 SPSS18 软件计算了 31 个省 市1999—2015 年投入产出指标的相关系数②，结果如表 1 所示。相关性检验结果表明，实体经济的融 资量、劳动力投入、固定资产投资与实体经济总产值之间均具有显著正相关关系，这符合模型的基本要 求，且与实际情况相吻合。

三、金融服务实体经济增长效率的测算与分析

根据前面的研究方法和基本模型，借助 MaxDEA Pro 6． 0 软件测算了中国31 个省市1999—2015 年 金融服务实体经济增长的效率及效率变化情况。为了比较，本文同时测算了全局 Malmquist 指数、同期 Malmquist 指数及其分解结果。

( 一) 基于省际平均的分析

总体来看，各年间的全局 Malmquist 指数和同期 Malmquist 指数各不相同，但其变化趋势完全一致， 如下图1 所示。1999—2015 年间，中国金融服务实体经济增长的效率整体呈下降趋势，全局全要素生 产率( MG c ) 平均增长率为 －0． 9%，同期全要素生产率( Mc ) 平均增长率为 －1． 6%。分阶段来看，全局 Malmquist 指数和同期 Malmquist 指数在2000—2005 年均小于1，说明金融服务实体经济增长的效率呈 负增长;在2004—2008 年间，两个指数均大于1( 2006 年除外) ，说明这段时间内金融服务实体经济增长 的效率有所提升;在2009 年，全局Malmquist 指数和同期Malmquist 指数均出现大幅下降，分别达到最小 值0． 776 和0． 720，可能是因为2008 年全球金融危机对中国实体经济的巨大冲击所致;2009 年以后，两 个指数均又大幅增长，在 2011 年达到最大值，分别为 1． 179 和 1． 168，这可能与中国金融危机后的 40000 亿投资计划有关;2011 年开始，两个指数又出现了较大幅度的下降，到2013 年分别下降到 0． 832 和0． 767。

下图2 显示了全局 Malmquist 指数和同期 Malmquist 指数的分解情况。总体来看，EC、SC、PC 三个 分解指数的变化趋势比较平稳，波动较小，而 BPC 指数和 TP 指数的波动幅度相对较大，特别是 2003— 2005 年间和2008—2014 年间。从全局 Malmquist 指数的分解来看，技术效率变化指数( ECc ) 的平均增 长率为 －0． 8%，技术进步指数( BPCc ) 的平均增长率为 －0． 2%，说明金融服务实体经济增长的全要素 生产率的下降是由技术效率变化指数( ECc ) 和技术进步指数( BPCc ) 的共同下降所致，且以效率的下 降为主导;从同期 Malmquist 指数的分解来看，技术进步指数( TP) 的平均增长率为 －0． 8%，纯技术效率 指数( PC) 的平均增长率为 －0． 5%，规模效率指数( SC) 的平均增长率为 －0． 3%，说明金融服务实体经 济增长全要素生产率的下降也是由技术进步指数( TP) 、纯技术效率( PC) 和规模效率( SC) 的下降共同 所致，但以技术进步和纯技术效率的下降为主导。

在全局 Malmquist 指数( MG c ) 大于 1 的年份中，效率变化指数( ECc ) 大于 1 而技术变化指数 ( BPCc ) 小于1 的年份有2005 年、2007 年和2015 年，说明这三年金融服务实体经济增长的全要素生产 率的增长主要由技术效率的提高所贡献; 相反，效率变化指数( ECc ) 小于 1 而技术变化指数( BPCc ) 大于1 的年份有2000 年、2004 年、2008 年、2010 年和2011 年，说明这些年份金融服务实体经济增长的 全要素生产率增长主要由技术进步的上升所贡献。在全局 Malmquist 指数( MG c ) 小于1 的年份中，技术 变化指数( BPCc ) 和效率变化指数( ECc ) 同时小于1 的年份有2001 年、2002 年、2012 年和2013 年，说 明这4 年金融服务实体经济增长的全要素生产率下降的主要原因是技术效率和技术进步的同步下降; 效率变化指数( ECc ) 大于 1 而技术变化指数( BPCc ) 小于 1 的年份有 2003 年、2006 年、2009 年和 2014 年，说明这4 年金融服务实体经济增长的全要素生产率的下降主要原因为技术进步的下降。

( 二) 基于时间平均的分析

分区域来看，沿海地区、内陆地区和沿边地区的全局 Malmquist 指数( MG c ) 的均值分别为 1． 007、 0． 982和0． 985，同期Malmquist 指数( Mc ) 分别为1． 021、0． 961 和0． 977，这说明在1999—2015 年间，沿 海地区金融服务实体经济增长的效率呈增长趋势，服务效率最高，而沿边地区与内陆地区金融服务实体 经济增长的效率呈下降趋势，其中内陆地区的服务效率最低。从 Malmquist 指数的分解情况来看，沿海 地区的全局技术变化指数( BPCc ) 和同期技术进步指数( TP) 、规模效率指数( SC) 均大于 1，而效率变 化指数( ECc ) 和纯效率指数( PC) 均小于1，说明沿海地区主要由技术进步推动金融服务实体经济的效 率不断提高;而内陆地区和沿边地区的两个 Malmquist 指数及各分解指数的均值都小于1，说明内陆地 区和沿边地区金融服务实体经济增长的效率的下降由技术效率的下降、规模效率的下降等多种因素共 同导致而成。

Malmquist 指数小于1 说明金融服务实体经济增长的效率在下降，大于1 说明金融服务实体经济增 长的效率在上升。分省市来看，沿海地区中辽宁和福建的全局 Malmquist 指数小于 1，而其他 8 省的则 大于等于1;内陆地区全局 Malmquist 指数大于1 的省市仅有宁夏，其他12 个省市全部小于1;沿边地区 全局 Malmquist 指数大于1 的有吉林、内蒙古和新疆三省，其他5 省的也全部小于1。同期 Malmquist 指 数也具有相似的省际分布情况，沿海地区除河北和福建以外的其他8 省、内陆地区的青海和宁夏2 省、 沿边地区的吉林、内蒙古和新疆3 省的同期 Malmquist 指数大于1，其他省份的指数全部小1。

综合各省市的全局 Malmquist 指数及其分解指数来看，在全局 Malmquist 指数( MG c ) 大于 1 的省份 中，天津、上海、浙江、广东和内蒙古5 个省份的效率变化指数( ECc ) 和技术变化指数( BPCc ) 同时大 于1，说明这5 个省份金融服务实体经济增长的全要素生产率的提升由技术进步和技术效率共同推动; 北京、河北和新疆等3 个省市的技术变化指数( BPCc ) 均大于1，说明这3 个省份金融服务实体经济增 长的全要素生产率的提升主要由技术进步所贡献; 江苏、山东、宁夏和吉林 4 个省份的效率变化指数 ( ECc ) 大于1，说明这4 个省份金融服务实体经济增长的全要素生产率的提升主要由效率改进所贡献。 在全局 Malmquist 指数( MG c ) 小于1 的省份中，福建、山西、安徽、江西、河南、重庆、四川、贵州、甘肃、黑 龙江、广西、云南和西藏共13 个省市的技术变化指数( BPCc ) 和效率变化指数( ECc ) 同时小于1，说明 这13 个省金融服务实体经济增长的全要素生产率下降的主要原因在于技术效率和技术进步的同时下 降;湖北、湖南、陕西、青海4 省的技术变化指数( BPCc ) 小于1，但其效率变化指数( ECc ) 大于 1，说明 这4 个省份金融服务实体经济增长的全要素生产率下降的主要原因是技术进步的下降而非技术效率下 降;相反，辽宁和海南2 省的技术变化指数( BPCc ) 大于 1 而效率变化指数( ECc ) 小于 1，说明其金融 服务实体经济增长的全要素生产率下降主要由技术效率下降所致。

四、金融服务实体经济增长效率的影响因素分析

( 一) 模型、指标与数据

资比重采用社会融资规模中企业债券和非金融企业境内股票融资总额占社会融资规模的比重来代替。

在实体经济方面，金融服务实体经济增长效率的主要影响因素包括实体经济产业结构、国有经济比 重等。实体经济产业结构( ＲIS) ，采用各省第二产业产值占实体经济总产值的比重来代替，相关数据来 源于历年的《中国统计年鉴》。国有经济比重( SOE) ，鉴于数据的可得性，本文采用各省市国有及国有 控股工业企业资产总额占规模以上工业企业资产总额的比重来代替，相关数据来源于历年的《中国统 计年鉴》。

在宏观环境方面，影响金融服务实体经济增长效率的主要因素包括政府干预程度、对外开放度、信 息化水平、劳动力素质等。政府干预程度( FIS) ，采用各省财政支出占 GDP 比重代替。对外开放度 ( OPEN) ，采用各省进出口总额占 GDP 比重代替。信息化水平( INF) ，采用各省交通运输仓储及邮电通 信业产值占 GDP 比重代替。劳动力素质( EDU) ，采用各省劳动力平均受教育年限代替。相关数据均来 源于历年的《中国统计年鉴》。

( 二) 实证过程与结果分析

针对面板数据，理论上存在三种可供选择的面板估计模型: 混合效应( POLS) 、固定效应( FE) 和随 机效应( ＲE) 。实际运用过程中，可以根据样本数据特征选择合适的估计模型，具体的选择过程为:以 F 检验确定是选择 POLS 模型还是 FE 模型， F 检验的原假设为“混合回归模型更优” ; 以拉格朗日乘数 ( LM) 检验确定是选择 POLS 模型还是 ＲE 模型，LM 检验的原假设为“混合回归模型更优” ; 以豪斯曼 ( H) 检验确定是选择 ＲE 模型还是 FE 模型， H 检验的原假设为“随机效应模型更优”。如果 F 检验和 LM 检验均不显著，则说明应该选择 POLS 模型; 如果二者中有一个显著则进行 H 检验，当 H 检验显著 时选择 FE 模型，反之用 ＲE 模型。确定好面板估计模型以后，还需要对模型进行自相关检验和异方差 检验。如果选定的估计模型存在自相关和异方差问题，则需要改用可行广义二乘法( FGLS) 对模型进行 重新估计，以消除自相关和异方差问题。本文利用 Stata14． 0 软件对所有数据进行处理，限于篇幅，全国 及各地区的模型检验结果均未列出，以同期 Malmquist 指数为被解释变量的估计结果也未列出。下表2 显示了以全局 Malmquist 指数为被解释变量的模型估计结果。

根据表2 可以看出，金融产业规模( FSC) 的回归系数在全国、中部、西部、内陆和沿边地区的模型中 显著为负，说明在金融与实体经济发展速度不协调的背景下，金融产业规模的扩大( 相对于实体经济来 说) 并不有利于金融服务实体经济增长效率的提高，反而起到阻碍作用。这与蒋智陶( 2014) 和李强、徐 康宁( 2013) 的研究结论比较一致，前者也发现金融业的规模扩大阻碍金融服务效率的提高，后者发现 金融发展对中国经济发展具有正向促进作用，但却阻碍了实体经济的发展。此外，金融产业规模( FSC) 的回归系数在东部地区和沿海地区都显著为正，说明东部地区和沿海地区金融业自身规模的扩大有利 于金融服务实体经济增长效率的提高。出现这种明显区域差异的可能原因在于中国金融发展水平的地 区差异突出，东部沿海地区金融发展水平较高，而内陆地区和沿边地区的金融发展水平相对较低 。这 一结论说明金融服务实体经济增长可能存在某种门槛效应，同时说明推进金融与实体经济的协调发展 对于提高金融服务实体经济增长效率具有重要的意义。

金融体系结构( FST) 的回归系数在绝大部分模型中都显著为负，少数模型中不显著。从理论上讲， 股票市值和保费收入占金融总资产的比重越大，说明金融体系结构越趋于合理，金融服务实体经济增长 的效率越高。实证结果与理论刚好相反，出现这种情况可能的原因在于中国实体经济增长在一定程度 上有赖于直接金融的发展，但直接金融特别是股票市场发展的滞后和剧烈波动对实体经济增长产生了 巨大的负向影响，因此出现股票市值和保费收入总额占比越大，金融服务实体经济增长的效率反而越 低。直接融资比重( DF) 的回归系数在全国和东部地区显著为正，在西部地区和内陆地区显著为负，在 其他地区不显著。这说明直接融资对金融服务实体经济增长效率也具有一定的影响，且呈现出明显的 区域差异。理论上讲，提高直接融资比重有助于提高实体经济部门的融资效率，从而对金融服务实体经 济增长效率的提高具有促进作用。但是，目前直接融资比重在我国实体经济融资总量中的占比还非常 低，以银行信贷为主的间接融资占比非常高，资本市场发展的滞后和不健全使得实体经济直接融资的利用效率较低。

实体经济产业结构( ＲIS) 的回归系数在全国、中部、西部、内陆和沿边地区的模型中显著为正，在东 部地区和沿海地区不显著。这说明实体经济产业结构对金融服务实体经济增长的效率的影响存在明显 的区域差异，在全国、中部、西部、内陆和沿边地区，第二产业占实体经济总产值的比重越大，金融服务实 体经济增长的效率越高。出现这种结果的原因可能在于，在中部、西部、内陆和沿边地区的工业化进程 中，第二产业的快速成长对经济增长起到了巨大的推动作用，吸引了更多的金融资源，而在东部沿海地 区，第三产业的迅速崛起使得第二产业在国民经济中的占比不断下降，金融资源也逐渐向第三产业转 移。国有经济比重( SOE) 的回归系数在绝大多数模型中都不显著，说明经济性质并不影响金融服务实 体经济增长的效率，金融部门在向实体经济部门提供金融服务时，特别是在信贷审批发放过程中会全面 评估实体企业的财务状况，而不会明显偏向于国有企业。

政府干预程度( FIS) 的回归系数在几乎全部模型中都显著为负，即政府干预会降低金融服务实体 经济增长的效率。这说明要提高金融服务实体经济增长的效率，必须减少政府干预，大力发展市场经 济，加快经济市场化发展。对外开放度( OPEN) 的回归系数在全国、东部及沿海地区的模型中显著为 正，在其他地区不显著。不难理解，东部地区和沿海地区各省对外开放程度较高，国际贸易对区域实体 经济增长具有重要的推动作用;而在其他地区，各省对外开放程度相对较低，实体经济增长对国际贸易 的依赖程度相对较小。因此，在全国、东部和沿海地区，对外开放度的提高有助于提高金融服务实体经 济增长的效率，而在其他地区则不显著。信息化水平( INF) 的回归系数在几乎全部模型中都不显著，表 明各省交通运输业、邮电通信业发展对金融服务实体经济增长效率的影响不显著。截止当前，全国各省的交通运输业都相对较发达，交通运输对区域实体经济增长的影响作用不显著是可以理解的。劳动者 素质( EDU) 的回归系数在部分模型中显著为正，在部分模型中不显著。从理论上讲，劳动是每个经济 系统的主要投入要素，劳动力素质的高低直接影响劳动效率和劳动质量，特别是金融业这种知识密集型 行业，劳动者素质越高，金融服务实体经济增长的效率越高。回归结果中出现部分模型的系数不显著， 可能是因为劳动力平均受教育年限普遍较低，对实体经济部门特别是劳动密集型行业的影响较小。

( 三) 基于分位数回归方法的进一步讨论

前文的静态面板数据模型回归实际上是均值回归，并不能体现解释变量 X 对整个条件分布的 y x 影响。因此，本文拟采用Koenker 和Bassett( 1978) 提出的分位数回归( Quantile Ｒegression，QＲ) 方法 来进一步分析在条件分布的不同位置上，各影响因素对实体经济增长效率的影响方向、大小及趋势等综 合情况。限于篇幅，本文仅列出了全国样本模型回归的系数表和中位数回归的分位数图，如下表3 和图 5 所示。

综合表3 和图5 可以看出，金融产业规模( FSC) 的回归系数呈现逐渐上升的趋势，且在各分位点上 全部显著为负，这与前文的静态面板模型回归结果一致，说明金融产业规模的扩大并不有利于金融服务 实体经济增长效率的提升。金融体系结构( FST) 的回归系数呈先降后升再降的变化趋势，在 0． 1、0． 25 和0． 5 分位点上显著为负，在0． 75 和0． 9 分位点不显著，说明金融体系结构的优化在长期内将显著提 升金融服务实体经济增长的效率，但在短期内效果不明显; 直接融资比重( DF) 的回归系数呈先升后降 的倒“U”型变化趋势，在0． 1、0． 25 和0． 5 分位点上显著为正，在 0． 75 和 0． 9 分位点不显著，说明实体 融资比重的适度提升会改善金融服务实体经济增长的效率。实体经济产业结构( ＲIS) 的回归系数在所 有分位点上都为正，但呈先升后降的变化趋势，在中位点上系数最大且显著性水平也最高，在 0． 1 和0． 25分位点上不显著，这说明工业作为国民经济的支柱产业，其在实体经济总量中的比例既不能过高也 不能过低，必须保持在合理的水平。国有经济比重( SOE) 的回归系数呈逐渐下降的趋势，在 0． 1 和 0. 25 分位点上显著为正，在0． 75 和0． 9 分位点显著为负，在0． 5 分位点上不显著，说明随着国有经济比 重的不断上升，民营经济所占市场份额不断减少，国有经济的低效率将影响金融服务实体经济增长的效 率，也间接说明加快国有企业改革和大力发展民营经济的重要性。政府干预程度( FIS) 的回归系数呈 先降后升的变化趋势，在0． 1、0． 25 和0． 5 分位点上显著为负，在 0． 75 和 0． 9 分位点上为负但不显著， 说明政府干预会阻碍金融服务实体经济增长效率的提升。对外开放度( OPEN) 的回归系数在所有分位 点上显著为正，与前文的研究结果一致，说明在经济金融全球化和一体化的国际形势下，对外开放水平 的提高有助于提升金融服务实体经济增长的效率。信息化水平( INF) 和劳动者素质( EDU) 两个变量的 回归系数在大多数情况下都为负，且不显著，这跟前文静态面板模型的回归结果有一定差别。为此，我 们将这两个变量剔除后重新做了回归，其他解释变量回归系数的大小和显著性没有发生实质性改变，所 以本文列举的是包含这两个变量的回归结果。

( 四) 稳健性检验

为了保证模型回归结果的科学性和可信性，本文拟从以下3 个方面做稳健性检验: ( 1) 测算全要素 生产率的方法很多，主要有以 SFA 为代表的参数法、以 LP 为代表的半参数法和以 DEA 为代表的非参 数法。为了检验不同方法对金融服务实体经济增长效率测算结果的影响，本文主要采用 SFA、LP 半参 数法( Levinsohn、Petrin，2003) 和窗式 DEA( 李谷成等，2013) 方法来重新估算。首先，本文利用上文所选 定的投入产出变量设定超越对数生产函数，并采用 SFA 方法重新估算金融服务实体经济增长的效率。 然后采用 LP 半参数法和窗式 DEA 方法，重新估算金融服务实体经济增长的效率，并同样进行了时间维 度和区域维度的比较分析。检验结果发现，虽然有不少年份或地区的测算结果有细微变化，但金融服务 实体经济增长效率不断下降的总体变化趋势和东高西低的区域格局并没有发生实质性改变，表明相关 的主要研究结论是稳健的。( 2) 对金融服务实体经济增长效率的影响因素，论文也从两个方面进行稳 健性检验:一是替换全要素生产率的测算结果，利用 SFA、LP 和窗式 DEA 所测算的结果，选取上文同样的影响因素及替代指标，对金融服务实体经济增长效率的影响因素进行稳健性检验。二是更换影响因 素的替代指标，比如用金融总资产替换金融规模( FSC) ，用金融市场效率( 金融机构贷存比) 替换金融 市场结构( FST) ，用服务业规模( 除金融和房地产以外所有服务业的产值总和) 占实体经济总产值的比 例替换实体经济产业结构( ＲIS) ，去掉在大多数模型中均不显著的变量“信息化水平( INF) ”。稳健性 检验结果表明，尽管七个模型中各个解释变量的回归系数大小和显著度有细微差别，但其系数的正负方 向和显著性并未发生实质性改变。这说明本文实证研究结论是稳健的。

五、研究结论与政策启示

本文首先利用全局 Malmquist 指数和同期 Malmquist 指数测算了中国31 个省1999—2015 年金融服 务实体经济增长的效率及其变化情况，然后在此基础上利用不同区域划分的面板数据实证研究了影响 金融服务实体经济增长效率的主要因素。研究表明:1999—2015 年间中国金融服务实体经济增长的全 要素生产率整体上呈下降趋势，其主要由效率变化和技术进步的同步下降共同作用所致;内陆地区和沿 边地区，金融服务实体经济增长的全要素生产率的平均值非常低，而沿海地区的相对较高。金融产业规 模的扩张并不有利于金融服务实体经济增长效率的提升，反而起到阻碍作用;金融体系结构在大部分区 域对金融服务实体经济增长效率具有显著负向影响;政府干预会降低金融服务实体经济增长的效率;直 接融资、实体经济产业结构、对外开放度、劳动者素质对金融服务实体经济增长效率的影响具有明显的 区域差异，在部分区域具有显著正向影响，在其他区域则不显著;国有经济比重和区域信息化水平对金 融服务实体经济增长效率没有显著的影响。

基于以上研究结论，本文为提高金融服务实体经济增长的效率提出以下政策建议: ( 1) 加快完善金 融市场体系，构建区域金融中心，提升金融市场的资源配置功能，提高金融资源利用效率; 同时，加大金 融对战略性科技产业的资金支持，完善科技与金融的融合互动机制，加快科技与金融的协同发展。( 2) 在继续重视金融产业发展和金融创新的同时，要始终坚持金融服务实体经济的本质要求，高度重视金融 产品供给与实体经济融资需求的匹配性，建立金融资金流向的跟踪机制，防止金融资源进一步“脱实向 虚”。( 3) 深化金融市场改革，加快股票债券等资本市场的发展，扩宽并优化实体经济直接融资渠道，提 高实体经济直接融资比重;完善风险资本进退机制，广泛吸引社会“闲钱”进入实体经济部门; 创新信贷 资产证券化模式，促进间接融资与直接融资的互补与共进。( 4) 加快推进经济市场化发展，充分发挥市 场的作用，减少政府对经济的行政干预;根据各区域自然资源、人文环境、地理条件等外部因素的巨大差 异，应该实施差异化的区域产业政策，调整各区域产业结构，优化配置社会资源。

参考文献:

［ 1］ 蒋智陶，2014 : 《金融支持实体经济发展的效率研究》，安徽大学硕士论文。［Jiang Zhitao，2014，Study on the Efficiency of Finance Support the Development of Ｒeal Economy，Master Thesis of Anhui University．］

［ 2］ 李谷成、范丽霞、成刚、冯中朝，2013 : 《农业全要素生产率增长: 基于一种新的窗式 DEA 生产率指数的再估 计》，《农业技术经济》第5 期。［Li Gucheng，Fan Lixia，Cheng Gang and Feng Zhongchao，2013，Growth of Agricultural TFP: Ｒeestimation Based on One New Window DEA Productivity Index，Journal of Agrotechnical Economics， 5．］

［ 3］ 李强、徐康宁，2013 : 《金融发展、实体经济与经济增长》，《上海经济研究》第9 期。［Li Qiang and Xu Kangning， 2013，Financial Development，Ｒeal Economy and Economic Growth，Shanghai Journal of Economics， 9．］

［ 4］ 李树、鲁钊阳，2014 : 《中国城乡金融非均衡发展的收敛性分析》，《中国农村经济》第 3 期。［Li Shu and Lu Zhaoyang，2014，Convergence Analysis of Unbalanced Development of Urban and Ｒural Finance in China，Chinese Ｒural Economy， 3．］

［ 5］ 孙爱军、蒋彧、方先明，2011 : 《金融支持经济发展效率比较》，《中央财经大学学报》第 11 期。［Sun Aijun，Jiang Yu and Fang Xianming，2011，Financial Support Efficiency in Economic Development: A Comparative Study Based on DEAMalmquist Index，Journal of Central University of Finance ＆ Economics，11．］

［ 6］ 夏一丹、胡宗义、戴钰，2014 : 《文化传媒上市公司全要素生产率的 Global Malmquist 研究》，《财经理论与实践》第190 期。［Xia Yidan，Hu Zongyi and Dai Yu，2014，Factor Analysis of China’s Listed Culture/ Media Corporations Total Factor Productivity Calculation and Influence Based on the Global Malmquist Index，The Theory and Practice of Finance and Economics，190．］

［ 7］ 谢家智、王文涛，2013 : 《金融发展的经济增长效率: 影响因素与传递机理》，《财贸经济》第 7 期。［Xie Jiazhi and Wang Wentao，2013，The Efficiency of Financial Development on Improving Economic Growth: Influencing Factors and Transfer Mechanism，Finance ＆ Trade Economics， 7．］

［ 8］ 谢家智、王文涛，2013 : 《金融发展的经济增长效率及其分布特征》，《中国经济问题》第 1 期。［Xie Jiazhi and Wang Wentao，2013，The Efficiency of Financial Development on Improving Economic Growth and Its Distribution Characteristics， China Economic Studies， 1．］

［ 9］ 熊正德、詹斌、林雪，2011 : 《基于 DEA 和 Logit 模型的战略性新兴产业金融支持效率》，《系统工程》第 6 期。 ［Xiong Zhengde，Zhan Bin and Lin Xue，2011，The Efficiency of Financial Support about Strategic Emerging Industry Based on DEA and Logit Model，Systems Engineering， 6．］

［10］ 俞立平，2012 : 《中国金融对经济增长贡献的效率研究》，《统计与信息论坛》第 5 期。［Yu Liping，2012，Study on the Efficiency of the Contribution of Finance to Economy Growth，Statistics ＆ Information Forum， 5．］

［11］ 张海波，2014 : 《内蒙古自治区金融支持经济增长效率研究》，《北方金融》第 10 期。［Zhang Haibo，2014， A Study on the Efficiency of Financial Support for Economic Growth in Inner Mongolia Autonomous Ｒegion，Northern Finance Journal，10．］

［12］ 张林、冉光和、陈丘，2014 : 《区域金融实力、FDI 溢出与实体经济增长》，《经济科学》第 6 期。［Zhang Lin，Ｒan Guanghe and Chen Qiu，2014，Ｒegional Financial Power，FDI Spillover and Ｒeal Economic Growth，Economic Science， 6．］

［13］ 张毓峰、张勇、阎星，2014 : 《区域经济新格局与内陆地区发展战略选择》，《财经科学》第 5 期。［Zhang Yufeng，Zhang Yong and Yan Xing，2014，The New Structure of China’s Ｒegional Economy and the Development Strategic Choice of Inland Areas，Finance ＆ Economics， 5．］

［14］ 周智、万洪斌，2013 : 《金融支持实体经济发展中的信贷资源配置效率研究》，《上海金融》第 4 期。［Zhou Zhi and Wan Hongbin，2013，The Allocation Efficiency of Credit Ｒesources during Financial Support for the Development of the Ｒeal Economy，Shanghai Finance， 4．］

［15］ 朱南、谭德彬，2015 : 《我国财务公司资金使用效率、动态变化及影响因素研究》，《金融研究》第 1 期。［Zhu Nan and Tan Delin，2015，Funds Utilization Efficiency，Dynamic Change and Influencing Factors of Chinese Finance Companies， Journal of Financial Ｒesearch， 1．］

［16］ Caves，D． ，Christensenlr，L． Ｒ． and Diewert，W． E． ，1982，The Economic Theory of Index Numbers and the Measurement of Input，Output，and Productivity，Econometrica， 50( 6) ，pp． 1393 －1414．

［17］ Cooper，W． W． ，Seiford，L． M． and Tone，K． ，2007，Data Envelopment Analysis: Comprehensive Text with Models， Applications，Ｒeferences and DEA-Solver Software， 2nd eds，Kluwer Academic Publishers．

［18］ Gheeraert，L． and Weill， L． ，2015，Does Islamic Banking Development Favor Macroeconomic Efficiency? Evidence on the Islamic Finance-growth Nexus，Economic Modelling， 47，pp． 32 －39．

［19］ Jesus，T． P． and Lovell，C． A． K． ，2005，A Global Malmquist Productivity Index． Economics Letters， 88，pp． 266 －271．

［20］ Koenker，Ｒ． and Bassett， G． ，1978，Quantile Ｒegression，Econometrica， 46( 1) ，pp． 33 －50．

［21］ Levinsohn，J． and Petrin，A． ，2003，Estimating Production Functions Using Inputs to Control for Unobservables． Ｒeviews of Economic Studies， 70( 2) ，pp． 317 －341．

［22］ Matthews，K． ，2013，Ｒisk Management and Managerial Efficiency in Chinese Banks: A Network DEA Framework． Omega， 41，pp． 207 －215．

［23］ Méon，P． G． and Weill， L． ，2010，Does Financial Intermidiation Matter for Macroeconomic Performance?，Economic Modelling， 27，pp． 296 －303．

［24］ Ｒay，S． C． and Desli，E． ，1997，Productivity Growth，Technical Progress，and Efficiency Change in Industrialized Countries: Comment，American Economic Ｒeview， 87，pp． 1033 －1039．

［25］ Suo，Ｒ． X． and Wang，F． L． ，2009，Evaluation of the Effectiveness of Financial Support to Agriculture Based on the DEA Method，Journal of Northeast Agricultural University， 16( 3) ，pp． 46 －51．

（来源：宏观质量研究  第5卷  第1期  2017年3月）