我國(guó)政策性農(nóng)業(yè)信貸擔(dān)保體系運(yùn)行效率評(píng)價(jià)

摘" "要：為加快構(gòu)建財(cái)政金融協(xié)同支農(nóng)機(jī)制，有效緩解農(nóng)業(yè)融資難、融資貴問(wèn)題，2015年以來(lái)我國(guó)通過(guò)財(cái)政資本金注入方式支持33個(gè)?。ㄗ灾螀^(qū)、直轄市、計(jì)劃單列市）建立省級(jí)農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)，推動(dòng)形成覆蓋全國(guó)的政策性農(nóng)業(yè)信貸擔(dān)保體系。本文運(yùn)用三階段DEA模型和Malmquist指數(shù)分析法，分別從靜態(tài)和動(dòng)態(tài)兩個(gè)層面測(cè)度2019—2022年我國(guó)政策性農(nóng)業(yè)信貸擔(dān)保體系運(yùn)行效率。結(jié)果表明：（1）隨機(jī)誤差因素與外部環(huán)境因素的影響會(huì)導(dǎo)致體系運(yùn)行效率值偏低，其中農(nóng)林牧漁業(yè)總產(chǎn)值的增加和財(cái)政農(nóng)林水事務(wù)支出的降低對(duì)體系運(yùn)行效率有促進(jìn)作用。（2）調(diào)整后體系綜合技術(shù)效率較高，但只有兩省處于效率前沿面上，有15省低于體系均值0.902，最低的湖南省效率值只有0.65。（3）從全要素生產(chǎn)率指數(shù)來(lái)看，體系效率先升后降，技術(shù)和創(chuàng)新成為影響體系運(yùn)行效率的主要因素。因此，推動(dòng)區(qū)域協(xié)調(diào)發(fā)展、創(chuàng)新運(yùn)作模式、防控業(yè)務(wù)風(fēng)險(xiǎn)是提高體系運(yùn)行效率的重要途徑。

關(guān)鍵詞：政策性農(nóng)業(yè)信貸擔(dān)保；三階段DEA模型；Malmquist指數(shù)；效率

中圖分類(lèi)號(hào)：F832" "文獻(xiàn)標(biāo)識(shí)碼： A" 文章編號(hào)：1674-2265（2024）06-0039-10

DOI：10.19647/j.cnki.37-1462/f.2024.06.004

一、引言與文獻(xiàn)綜述

農(nóng)業(yè)農(nóng)村農(nóng)民問(wèn)題是關(guān)系國(guó)計(jì)民生的根本性問(wèn)題，而融資難、融資貴是制約“三農(nóng)”發(fā)展的關(guān)鍵性難題。由于缺乏正規(guī)的會(huì)計(jì)核算制度和完整的信息披露，商業(yè)銀行等金融機(jī)構(gòu)難以了解農(nóng)業(yè)經(jīng)營(yíng)主體真實(shí)的經(jīng)營(yíng)情況和償債能力，導(dǎo)致農(nóng)業(yè)經(jīng)營(yíng)主體和金融機(jī)構(gòu)之間存在信息不對(duì)稱(chēng)，金融機(jī)構(gòu)面臨逆向選擇和道德風(fēng)險(xiǎn)，提供信貸支持的意愿較低，農(nóng)村信貸市場(chǎng)出現(xiàn)失靈。與此同時(shí)，農(nóng)

業(yè)生產(chǎn)具有弱質(zhì)性特點(diǎn)，面臨自然風(fēng)險(xiǎn)和市場(chǎng)風(fēng)險(xiǎn)，加上收益率不高，導(dǎo)致金融機(jī)構(gòu)通常會(huì)要求農(nóng)業(yè)經(jīng)營(yíng)主體提供足額抵質(zhì)押來(lái)降低信貸風(fēng)險(xiǎn)。然而，農(nóng)業(yè)經(jīng)營(yíng)主體所擁有的財(cái)產(chǎn)大都是生產(chǎn)工具、農(nóng)產(chǎn)品等，缺乏金融機(jī)構(gòu)認(rèn)可的抵押物，影響了貸款可得性，進(jìn)一步加劇了農(nóng)村金融市場(chǎng)供需矛盾。

農(nóng)業(yè)信貸擔(dān)保是破解農(nóng)村金融供需雙方信息不對(duì)稱(chēng)問(wèn)題的重要手段，通過(guò)擔(dān)保增信，農(nóng)業(yè)經(jīng)營(yíng)主體能夠滿足商業(yè)銀行設(shè)置的信貸門(mén)檻，獲得金融支持，實(shí)現(xiàn)財(cái)政金融協(xié)同支農(nóng)的目的。作為財(cái)政支農(nóng)的創(chuàng)新方式和重要舉措，我國(guó)高度重視政策性農(nóng)業(yè)信貸擔(dān)保體系建設(shè)，多次在中央一號(hào)文件中進(jìn)行了強(qiáng)調(diào)①。自2015年以來(lái)，中央和省級(jí)財(cái)政通過(guò)資本金注入的方式，推動(dòng)建立了“國(guó)家農(nóng)擔(dān)公司+省級(jí)農(nóng)擔(dān)公司+市縣分支機(jī)構(gòu)”的全國(guó)政策性農(nóng)業(yè)信貸擔(dān)保體系②，并通過(guò)財(cái)政補(bǔ)助、風(fēng)險(xiǎn)補(bǔ)償?shù)却胧┲С制浒l(fā)展。國(guó)家農(nóng)擔(dān)公司統(tǒng)計(jì)月報(bào)顯示，截至2023年末，我國(guó)政策性農(nóng)業(yè)信貸擔(dān)保體系累計(jì)擔(dān)保項(xiàng)目398.49萬(wàn)個(gè)，擔(dān)保金額1.31萬(wàn)億元；在保項(xiàng)目114.91萬(wàn)個(gè)，在保金額3956.25億元；注冊(cè)資本金放大倍數(shù)5.97倍，有效發(fā)揮了財(cái)政資金政策效應(yīng)，政策性農(nóng)業(yè)信貸擔(dān)保體系已逐漸成為助力鄉(xiāng)村產(chǎn)業(yè)振興、鞏固拓展脫貧攻堅(jiān)成果的重要抓手。同時(shí)，政策性農(nóng)業(yè)信貸擔(dān)保體系一定程度上解決了農(nóng)業(yè)融資貴問(wèn)題，2023年體系新增擔(dān)保項(xiàng)目平均擔(dān)保費(fèi)率0.48%，平均貸款利率4.76%，平均綜合融資成本5.24%，遠(yuǎn)低于財(cái)政部政策文件要求的8%以內(nèi)。我國(guó)政策性農(nóng)業(yè)信貸擔(dān)保體系發(fā)展初見(jiàn)成效，但各地發(fā)展不平衡的問(wèn)題較為突出。2023年末，注冊(cè)資本金放大倍數(shù)最高的山東達(dá)到11.32倍，最低的河北只有2.01倍；體系累計(jì)代償率為1.3%，最高的天津達(dá)到3.26%，最低的山東只有0.35%。機(jī)構(gòu)和人員投入方面，各地也存在較大差別。雖然財(cái)政部建立了對(duì)各地農(nóng)業(yè)信貸擔(dān)保的績(jī)效考核指標(biāo)，但只是分項(xiàng)指標(biāo)得分的簡(jiǎn)單加總，無(wú)法衡量各地的運(yùn)行效率，也無(wú)法確定財(cái)政資金投入是否實(shí)現(xiàn)了資源配置效率最大化。

國(guó)內(nèi)外不少學(xué)者圍繞農(nóng)業(yè)信貸擔(dān)保體系運(yùn)行效率進(jìn)行了研究。Riding和Haines（2001）[1]通過(guò)構(gòu)建模型，從成本收益角度對(duì)加拿大3000戶接受小企業(yè)貸款管理局（SBLA）貸款項(xiàng)目的農(nóng)戶開(kāi)展分析，結(jié)果顯示擔(dān)保在促進(jìn)就業(yè)方面效率明顯。Ong等（2003）[2]運(yùn)用DEA方法，將固定資產(chǎn)、經(jīng)營(yíng)費(fèi)用等作為投入指標(biāo)，將擔(dān)保貸款額作為產(chǎn)出指標(biāo)，對(duì)馬來(lái)西亞信貸擔(dān)保機(jī)構(gòu)運(yùn)行效率進(jìn)行研究，結(jié)果顯示綜合技術(shù)效率水平相對(duì)較低。崔曉玲和鐘田麗（2010）[3]運(yùn)用財(cái)務(wù)績(jī)效分析法，從投入和產(chǎn)出兩個(gè)維度研究擔(dān)保機(jī)構(gòu)的運(yùn)行效率。黃慶安（2011）[4]對(duì)福建省50家農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)運(yùn)行效率進(jìn)行測(cè)算，結(jié)果顯示平均運(yùn)行效率為0.607。孟光輝等（2022）[5]采用三階段DEA模型對(duì)2020年我國(guó)33家省級(jí)農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)運(yùn)行效率進(jìn)行測(cè)度，顯示整體運(yùn)行效率為0.7。石寶峰等（2023）[6]對(duì)我國(guó)33家省級(jí)農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)2018—2021年的運(yùn)行效率進(jìn)行測(cè)度，結(jié)果顯示綜合技術(shù)效率均值為0.956，但地區(qū)差異顯著。

綜上，關(guān)于農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)運(yùn)行效率的諸多成果為本文研究奠定了較好的理論基礎(chǔ)。與財(cái)務(wù)績(jī)效分析法、成本收益分析法等相比，DEA方法具有不需要事前主觀假設(shè)指標(biāo)權(quán)重、指標(biāo)選取能避免量綱和數(shù)量級(jí)不一致等優(yōu)勢(shì)，但局限于靜態(tài)分析，無(wú)法動(dòng)態(tài)分析年度間的效率變化情況，一定程度上影響了實(shí)證分析結(jié)果。因此，本文從投入產(chǎn)出角度，在三階段DEA分析基礎(chǔ)上，進(jìn)一步運(yùn)用Malmquist指數(shù)分析法，對(duì)運(yùn)行效率情況進(jìn)行動(dòng)態(tài)變化趨勢(shì)分析，彌補(bǔ)三階段DEA模型靜態(tài)分析的短板，更加全面系統(tǒng)地評(píng)價(jià)我國(guó)政策性農(nóng)業(yè)信貸擔(dān)保體系運(yùn)行效率，并提出優(yōu)化建議，為進(jìn)一步實(shí)現(xiàn)財(cái)政支農(nóng)資金“四兩撥千斤”的導(dǎo)向功能，引導(dǎo)更多金融資源投向鄉(xiāng)村振興領(lǐng)域，促進(jìn)農(nóng)業(yè)高質(zhì)高效、鄉(xiāng)村宜居宜業(yè)、農(nóng)民富裕富足提供參考。

二、我國(guó)提升政策性農(nóng)業(yè)信貸擔(dān)保體系運(yùn)行效率的實(shí)踐

20世紀(jì)90年代，我國(guó)開(kāi)始在信貸市場(chǎng)引入融資擔(dān)保工具，通過(guò)推動(dòng)設(shè)立融資擔(dān)保機(jī)構(gòu)來(lái)解決中小企業(yè)和“三農(nóng)”融資難問(wèn)題。2004年中央一號(hào)文件首次提出“有條件的地方可設(shè)立農(nóng)業(yè)擔(dān)保機(jī)構(gòu)，鼓勵(lì)現(xiàn)有商業(yè)性擔(dān)保機(jī)構(gòu)開(kāi)展農(nóng)村擔(dān)保業(yè)務(wù)”。在國(guó)家政策導(dǎo)向下，地方層面逐步形成政策性、互助性和商業(yè)性農(nóng)業(yè)擔(dān)保機(jī)構(gòu)共同發(fā)展的格局。但在運(yùn)行過(guò)程中，商業(yè)性擔(dān)保機(jī)構(gòu)以實(shí)現(xiàn)利潤(rùn)最大化為目標(biāo)，支農(nóng)意愿不強(qiáng)。而政策性機(jī)構(gòu)由于缺乏政府補(bǔ)償機(jī)制，出現(xiàn)偏離支農(nóng)主業(yè)、資本金不足、代償風(fēng)險(xiǎn)較高等問(wèn)題（雷曜等，2021）[7]，運(yùn)行效率低下甚至陷入“倒閉潮”。與此同時(shí)，隨著農(nóng)業(yè)生產(chǎn)方式的變化，農(nóng)業(yè)“三項(xiàng)補(bǔ)貼”政策出現(xiàn)邊際效應(yīng)遞減問(wèn)題，政策的指向性、精準(zhǔn)性逐步減弱（侯石安，2013）[8]，難以滿足農(nóng)業(yè)經(jīng)營(yíng)主體需求。因此，2015年我國(guó)開(kāi)始轉(zhuǎn)變財(cái)政支農(nóng)方式，中央財(cái)政將農(nóng)業(yè)“三項(xiàng)補(bǔ)貼”中的部分資金作為資本金投入，支持33個(gè)?。ㄗ灾螀^(qū)、直轄市、計(jì)劃單列市，以下簡(jiǎn)稱(chēng)省份）建立政策性農(nóng)業(yè)信貸擔(dān)保體系。同時(shí)，針對(duì)擔(dān)保機(jī)構(gòu)投入不足、代償風(fēng)險(xiǎn)較高、業(yè)務(wù)規(guī)模偏小等原因?qū)е逻\(yùn)行效率不高的問(wèn)題，中央和各省份實(shí)施了動(dòng)態(tài)補(bǔ)充資本金、健全服務(wù)網(wǎng)絡(luò)、明確主責(zé)主業(yè)、出臺(tái)財(cái)政支持政策等一系列舉措，支持政策性農(nóng)業(yè)信貸擔(dān)保體系提高運(yùn)行效率。

（一）建立注冊(cè)資本金動(dòng)態(tài)補(bǔ)充機(jī)制

政策性農(nóng)業(yè)信貸擔(dān)保體系與其他擔(dān)保機(jī)構(gòu)最顯著的區(qū)別是注冊(cè)資本金主要來(lái)源于中央財(cái)政資金。2015年，我國(guó)明確將農(nóng)業(yè)“三項(xiàng)補(bǔ)貼”中20%的農(nóng)資綜合補(bǔ)貼存量資金，加上種糧大戶補(bǔ)貼試點(diǎn)資金和農(nóng)業(yè)“三項(xiàng)補(bǔ)貼”增量資金，主要用于支持各地尤其是糧食主產(chǎn)省份建立農(nóng)業(yè)信貸擔(dān)保體系。在此基礎(chǔ)上，各省份也運(yùn)用本級(jí)財(cái)政資金為省級(jí)農(nóng)業(yè)信貸擔(dān)保公司注資。在中央和省級(jí)層面的支持下，政策性農(nóng)業(yè)信貸擔(dān)保體系注冊(cè)資本金規(guī)模由2016年末的346.95億元增加到2023年末的663.23億元（見(jiàn)表1），增長(zhǎng)91.16%。其中，中央支持糧食適度規(guī)模經(jīng)營(yíng)資金536.37億元，地方財(cái)政出資116.02億元，非財(cái)政出資10.84億元，占比分別為80.87%、17.49%、1.63%。資本金動(dòng)態(tài)補(bǔ)充機(jī)制增強(qiáng)了政策性農(nóng)業(yè)信貸擔(dān)保體系的擔(dān)保能力，為進(jìn)一步做大業(yè)務(wù)規(guī)模提供了信用支撐。

（二）推動(dòng)擔(dān)保服務(wù)網(wǎng)絡(luò)體系建設(shè)

為建成上下聯(lián)動(dòng)、緊密可控的農(nóng)業(yè)信貸擔(dān)保網(wǎng)絡(luò)體系，加快政策性農(nóng)業(yè)信貸擔(dān)保實(shí)施，在財(cái)政部、農(nóng)業(yè)農(nóng)村部等的推動(dòng)下，全國(guó)33個(gè)省份依據(jù)垂直化、短鏈化原則，在市縣級(jí)設(shè)立政策性農(nóng)業(yè)信貸擔(dān)保分支機(jī)構(gòu)，并優(yōu)先覆蓋產(chǎn)糧大縣、農(nóng)業(yè)大縣。從機(jī)構(gòu)數(shù)量來(lái)看，截至2023年末，共設(shè)立有專(zhuān)職人員的市、縣級(jí)分支機(jī)構(gòu)1154個(gè)（見(jiàn)圖1），較2018年增加606個(gè)。同時(shí)，探索與地方政府合作設(shè)立辦事處，由當(dāng)?shù)卣畯呢?cái)政、農(nóng)業(yè)等部門(mén)及金融機(jī)構(gòu)選派人員到辦事處開(kāi)展農(nóng)業(yè)信貸擔(dān)保工作，截至2023年末，政策性農(nóng)業(yè)信貸擔(dān)保體系共有無(wú)專(zhuān)職人員分支機(jī)構(gòu)386家。從人員數(shù)量來(lái)看，政策性農(nóng)業(yè)信貸擔(dān)保體系內(nèi)專(zhuān)職人員數(shù)量由2018年末的1499人增加至2023年末的4184人（見(jiàn)圖1），其中省級(jí)本部專(zhuān)職人員數(shù)量為1529人，市縣級(jí)分支機(jī)構(gòu)專(zhuān)職人員數(shù)量為2655人，占比為63.5%。

（三）明確農(nóng)業(yè)信貸擔(dān)保主責(zé)主業(yè)

傳統(tǒng)農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)運(yùn)行效率不高的重要原因是聚焦主業(yè)不足，部分機(jī)構(gòu)為追求經(jīng)濟(jì)利益盲目擴(kuò)大業(yè)務(wù)范圍，甚至違規(guī)運(yùn)用資本金和保證金從事高風(fēng)險(xiǎn)投資，不僅導(dǎo)致支農(nóng)政策效果沒(méi)有發(fā)揮，而且增加了代償風(fēng)險(xiǎn)。因此，2017年財(cái)政部等三部委印發(fā)《關(guān)于做好全國(guó)農(nóng)業(yè)信貸擔(dān)保工作的通知》（財(cái)農(nóng)〔2017〕40號(hào)），明確政策性農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)服務(wù)范圍為農(nóng)業(yè)生產(chǎn)及與農(nóng)業(yè)生產(chǎn)直接相關(guān)的產(chǎn)業(yè)融合項(xiàng)目，不允許開(kāi)展非農(nóng)業(yè)務(wù)。同時(shí)，明確省級(jí)農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)加強(qiáng)自身能力建設(shè)，與金融機(jī)構(gòu)、各級(jí)農(nóng)業(yè)部門(mén)和基層政府深度合作，將做大10～300萬(wàn)元的政策性業(yè)務(wù)規(guī)模作為核心任務(wù)，由財(cái)政部對(duì)各省農(nóng)業(yè)信貸擔(dān)保工作開(kāi)展績(jī)效評(píng)價(jià)，根據(jù)政策性業(yè)務(wù)規(guī)模等指標(biāo)兌現(xiàn)中央財(cái)政支持資金。

（四）出臺(tái)一系列財(cái)政支持政策

2015年財(cái)政部等三部委印發(fā)《關(guān)于財(cái)政支持建立農(nóng)業(yè)信貸擔(dān)保體系的指導(dǎo)意見(jiàn)》（財(cái)農(nóng)〔2015〕121號(hào)），明確財(cái)政出臺(tái)政策支持政策性農(nóng)業(yè)信貸擔(dān)保體系做大擔(dān)保業(yè)務(wù)。2018年和2019年中央一號(hào)文件分別提出“切實(shí)發(fā)揮全國(guó)農(nóng)業(yè)信貸擔(dān)保體系作用，通過(guò)財(cái)政擔(dān)保費(fèi)率補(bǔ)助和以獎(jiǎng)代補(bǔ)等，加大對(duì)新型農(nóng)業(yè)經(jīng)營(yíng)主體支持力度”和“健全農(nóng)業(yè)信貸擔(dān)保費(fèi)率補(bǔ)助和以獎(jiǎng)代補(bǔ)機(jī)制，研究制定擔(dān)保機(jī)構(gòu)業(yè)務(wù)考核的具體辦法，加快做大擔(dān)保規(guī)模”等具體要求。2020年財(cái)政部等四部委印發(fā)《關(guān)于進(jìn)一步做好全國(guó)農(nóng)業(yè)信貸擔(dān)保工作的通知》（財(cái)農(nóng)〔2020〕15號(hào)），明確中央財(cái)政對(duì)政策性農(nóng)業(yè)信貸擔(dān)保業(yè)務(wù)實(shí)行擔(dān)保費(fèi)用補(bǔ)助和業(yè)務(wù)獎(jiǎng)補(bǔ)，分別按不超過(guò)政策性業(yè)務(wù)規(guī)模的1.5%和1%測(cè)算。在財(cái)政部的指導(dǎo)和推動(dòng)下，33個(gè)省份出臺(tái)了一系列支持農(nóng)業(yè)信貸擔(dān)保體系發(fā)展的財(cái)政政策措施。一方面，實(shí)行“一補(bǔ)一獎(jiǎng)”政策。參照中央財(cái)政對(duì)各省市的“一補(bǔ)一獎(jiǎng)”標(biāo)準(zhǔn)，結(jié)合實(shí)際出臺(tái)了擔(dān)保費(fèi)補(bǔ)助和業(yè)務(wù)獎(jiǎng)補(bǔ)政策。根據(jù)政策性農(nóng)業(yè)信貸擔(dān)保業(yè)務(wù)規(guī)模實(shí)施補(bǔ)助和獎(jiǎng)補(bǔ)，有助于調(diào)動(dòng)農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)做大業(yè)務(wù)規(guī)模的積極性。另一方面，實(shí)行風(fēng)險(xiǎn)補(bǔ)償機(jī)制。有的省份出臺(tái)了代償補(bǔ)償政策，如廣西按代償率不超過(guò)1%、1%～3%，分別給予代償金額20%、10%的補(bǔ)償；也有的省出臺(tái)了風(fēng)險(xiǎn)救助政策，如吉林按照在保余額的10%預(yù)提撥付系統(tǒng)風(fēng)險(xiǎn)準(zhǔn)備金。通過(guò)風(fēng)險(xiǎn)補(bǔ)償，避免農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)因過(guò)度擔(dān)憂擔(dān)保代償風(fēng)險(xiǎn)而不敢開(kāi)展政策性農(nóng)業(yè)信貸擔(dān)保業(yè)務(wù)的問(wèn)題。

在中央和省級(jí)層面大力推動(dòng)下，我國(guó)政策性農(nóng)業(yè)信貸擔(dān)保體系的擔(dān)保業(yè)務(wù)規(guī)模、風(fēng)險(xiǎn)控制水平都得到較大提升。截至2023年末，從年度新增擔(dān)保情況來(lái)看，擔(dān)保規(guī)模由2016年的175.84億元增長(zhǎng)到3151.22億元，年均增長(zhǎng)51.03%；擔(dān)保戶數(shù)由2016年的4.1萬(wàn)個(gè)增加到85.83萬(wàn)個(gè)，年均增長(zhǎng)54.42%；政策性業(yè)務(wù)占比由2018年末的78.88%提高到97.32%，增長(zhǎng)了18.44個(gè)百分點(diǎn)，遠(yuǎn)高于“不低于70%”的政策要求。從擔(dān)保代償情況來(lái)看，2015—2023年政策性農(nóng)業(yè)信貸擔(dān)保體系內(nèi)33家農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)累計(jì)發(fā)生代償項(xiàng)目數(shù)31147個(gè)，代償金額120.62億元，累計(jì)代償率1.3%。從年度代償率③來(lái)看，總體呈下降趨勢(shì)，由2017年的1.7%降至2023年的1.2%，且明顯低于融資擔(dān)保行業(yè)代償率（見(jiàn)圖2），撥備覆蓋率超過(guò)200%，遠(yuǎn)高于融資擔(dān)保行業(yè)86%的撥備覆蓋率水平，總體來(lái)看能夠應(yīng)對(duì)各類(lèi)突發(fā)應(yīng)急風(fēng)險(xiǎn)或長(zhǎng)周期經(jīng)濟(jì)下行風(fēng)險(xiǎn)影響。

三、評(píng)價(jià)模型與指標(biāo)選取

（一）三階段DEA模型

DEA模型最早由運(yùn)籌學(xué)家Charnes等（1978）[9]提出，是評(píng)價(jià)具有多個(gè)投入和產(chǎn)出的決策單元之間相對(duì)有效性的方法。根據(jù)評(píng)價(jià)對(duì)象規(guī)模報(bào)酬是否可變，DEA模型分為CCR模型（規(guī)模報(bào)酬不變）和BCC模型（規(guī)模報(bào)酬可變）。為解決傳統(tǒng)DEA模型未考慮外部環(huán)境和隨機(jī)干擾因素導(dǎo)致評(píng)價(jià)結(jié)果準(zhǔn)確性不足的問(wèn)題，F(xiàn)ried等（2002）[10]提出了三階段DEA模型，通過(guò)隨機(jī)前沿分析（SFA）方法，剔除外部環(huán)境和隨機(jī)干擾因素對(duì)效率的影響。三階段DEA模型具體操作如下：

1. 第一階段：運(yùn)用投入導(dǎo)向型BCC模型分析初始效率。BCC模型分為投入導(dǎo)向型和產(chǎn)出導(dǎo)向型。就我國(guó)政策性農(nóng)業(yè)信貸擔(dān)保體系運(yùn)行效率評(píng)價(jià)來(lái)看，投入變量是決策的基本變量，較容易控制，因此，選擇投入導(dǎo)向型BCC模型來(lái)測(cè)算初始效率。假設(shè)有[n]個(gè)決策單元，每個(gè)決策單元[j]有[m]個(gè)投入要素（[i]=1，2，…，[m]）和[k]個(gè)產(chǎn)出要素（[r]=1，2，…[k]），則模型為：

[minθj-εi=1ms-ij+r=1ks+rj]

[s.t.j=1nλjxij=θnxij-s-ij，i=1，2，…，mj=1nλjyrj=yrj+s+rj，r=1，2，…，kj=1nλj=1λj≥0，s-in≥0，s+rj≥0，j=1，2，…，n]" "（1）

其中，[θj]為第[j]個(gè)決策單元的技術(shù)效率，[s-ij]和[s+rj]為投入和產(chǎn)出松弛變量，[ε]為非阿基米德無(wú)窮小。[xij]和[yrj]分別為投入要素和產(chǎn)出要素，[λj]表示權(quán)重。

2. 第二階段：運(yùn)用SFA模型，對(duì)松弛變量[s-ij]進(jìn)行分解，剔除環(huán)境因素和隨機(jī)干擾因素對(duì)效率的影響。模型為：

[s-ij=fi（Zj;βi）+νij+uij]" "（2）

其中，[Zj]是環(huán)境變量，[βi]是環(huán)境變量系數(shù)，[vij]是隨機(jī)干擾項(xiàng)，服從正態(tài)分布N（0，[σ2vi]）；[uij]是管理無(wú)效率，服從截?cái)嗾龖B(tài)分布[N+]（[ui]，[σ2ui]）；[vij]與[uij]獨(dú)立且不相關(guān)。

參考陳巍巍（2014）[11]的思路，對(duì)隨機(jī)干擾項(xiàng)和管理無(wú)效率進(jìn)行分離，利用調(diào)整公式將所有決策單元調(diào)整到相同的外部環(huán)境中，調(diào)整公式為：

[x*ij=xij+[max（f（Zj;βi^））-f（Zj;βi^）]+[max（vij）-vij]]" "（3）

其中，[x*ij]表示第[j]個(gè)決策單元經(jīng)調(diào)整后的第[i]項(xiàng)投入要素的投入值；[[max（f（Zj;βi^））-f（Zj;βi^）]]表示調(diào)整后的同等外部環(huán)境；[[max（vij）-vij]]表示調(diào)整后的同等運(yùn)氣水平。

3.第三階段：運(yùn)用BCC模型和調(diào)整后的投入要素[x*ij]進(jìn)行效率測(cè)度。

（二）Malmquist指數(shù)模型

三階段DEA模型在測(cè)算效率時(shí)，由于不同時(shí)期數(shù)據(jù)包絡(luò)面不同，只能對(duì)決策單元進(jìn)行橫向比較，無(wú)法進(jìn)行跨期縱向比較。因此，本文進(jìn)一步采用Malmquist指數(shù)模型對(duì)2019—2022年我國(guó)政策性農(nóng)業(yè)信貸擔(dān)保體系運(yùn)行效率進(jìn)行動(dòng)態(tài)分析。數(shù)學(xué)公式如下：

[TFPch=Effch×Techch=Dt+1cj（xt+1i，yt+1r）Dtcj（xti，ytr）×Dtcj（xt+1i，yt+1r）Dt+1cj（xt+1i，yt+1r）×Dtcj（xti，ytr）Dt+1cj（xti，ytr）] （4）

其中：

[Effch=Dt+1j（xt+1i，yt+1r）Dtj（xti，ytr）]" "（5）

[Techch=Dtj（xt+1i，yt+1r）Dt+1j（xt+1i，yt+1r）×Dtj（xti，ytr）Dt+1j（xti，ytr）]" "（6）

[Effch=Pech×Sech=Dt+1vj（xt+1i，yt+1r）Dtvj（xti，ytr）×Dtvj（xti，ytr）Dt+1vj（xti，ytr）Dtvj（xt+1i，yt+1r）Dt+1vj（xt+1i，yt+1r）]" （7）

其中，[xti]和[ytr]分別表示[t]期第[i]個(gè)投入要素和第[r]個(gè)產(chǎn)出要素，[Dtvj（xti，ytr）]表示規(guī)模報(bào)酬可變條件下[t]期決策單元[j]的距離函數(shù)，[Dtcj（xti，ytr）]表示規(guī)模報(bào)酬不變條件下[t]期決策單元[j]的距離函數(shù)。[TFPch]為全要素生產(chǎn)率變化指數(shù)，可以分解為技術(shù)效率指數(shù)（[Effch]）和技術(shù)進(jìn)步指數(shù)（[Techch]），技術(shù)效率指數(shù)又可以分解為純技術(shù)效率變化指數(shù)（[Pech]）和規(guī)模效率變化指數(shù)（[Sech]）。

（三）指標(biāo)選取

本文結(jié)合我國(guó)政策性農(nóng)業(yè)信貸擔(dān)保體系運(yùn)行情況，在考慮數(shù)據(jù)可得性和準(zhǔn)確性的基礎(chǔ)上，參考徐攀和李玉雙（2022）[12]、孟光輝等（2022）[5]的研究，選取如下投入、產(chǎn)出和環(huán)境因素指標(biāo)。

1. 投入指標(biāo)。包括注冊(cè)資本金、分支機(jī)構(gòu)和專(zhuān)職人員數(shù)量。注冊(cè)資本金不僅是農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)最主要的投入，也是擔(dān)保能力和信譽(yù)的重要體現(xiàn)，因此，選擇注冊(cè)資本作為投入指標(biāo)。另外，為保障業(yè)務(wù)開(kāi)展和防控風(fēng)險(xiǎn)，省級(jí)農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)需要匹配一定數(shù)量的分支機(jī)構(gòu)和人員，這也是衡量投入的重要因素。

2.產(chǎn)出指標(biāo)。包括新增擔(dān)保金額、項(xiàng)目數(shù)、政策性業(yè)務(wù)占比和擔(dān)保代償情況。新增擔(dān)保金額、項(xiàng)目數(shù)、政策性業(yè)務(wù)占比三個(gè)指標(biāo)反映農(nóng)業(yè)信貸擔(dān)保政策效應(yīng)發(fā)揮情況，是正向產(chǎn)出指標(biāo)。擔(dān)保代償情況則是反向產(chǎn)出指標(biāo)，因此，采用減法一致化方法（徐林明和李美娟，2020）[13]，對(duì)代償率進(jìn)行正向化處理，用“1－代償率”表示擔(dān)保代償情況。文學(xué)舟和許高銘（2021）[14]還從社會(huì)效益角度選取了擔(dān)保對(duì)象的利稅、就業(yè)等指標(biāo)，但難以確定這些指標(biāo)的增長(zhǎng)到底是由擔(dān)保帶來(lái)的還是其他支農(nóng)政策促進(jìn)發(fā)展實(shí)現(xiàn)的，因此，本文未將其納入指標(biāo)體系。

3.環(huán)境因素指標(biāo)?；诎l(fā)展基礎(chǔ)、市場(chǎng)需求、政府支持、銀行意愿四個(gè)方面，分別選取成立年限、農(nóng)林牧漁業(yè)總產(chǎn)值、地區(qū)財(cái)政農(nóng)林水事務(wù)支出和商業(yè)銀行存貸比作為環(huán)境因素指標(biāo)。

（四）數(shù)據(jù)來(lái)源及描述性統(tǒng)計(jì)

由于我國(guó)政策性農(nóng)業(yè)信貸擔(dān)保體系建立時(shí)間較短，33家省級(jí)農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)的最晚成立時(shí)間為2017年12月，2018年大多處于體系搭建和業(yè)務(wù)探索階段，2019年才進(jìn)入規(guī)范運(yùn)營(yíng)階段，因此，選擇2019—2022年33家省級(jí)機(jī)構(gòu)運(yùn)營(yíng)數(shù)據(jù)開(kāi)展效率評(píng)價(jià)。投入產(chǎn)出指標(biāo)數(shù)據(jù)通過(guò)國(guó)家農(nóng)擔(dān)公司統(tǒng)計(jì)月報(bào)獲得，環(huán)境指標(biāo)數(shù)據(jù)通過(guò)各年度《中國(guó)統(tǒng)計(jì)年鑒》、各省市統(tǒng)計(jì)年鑒和統(tǒng)計(jì)公報(bào)、中國(guó)人民銀行官網(wǎng)、各省年度金融運(yùn)行報(bào)告以及萬(wàn)得數(shù)據(jù)庫(kù)獲取。各指標(biāo)的描述性統(tǒng)計(jì)結(jié)果見(jiàn)表2。

四、實(shí)證分析

（一）三階段DEA靜態(tài)效率分析

1. 第一階段：DEA效率測(cè)算結(jié)果。運(yùn)用Deap2.1軟件進(jìn)行測(cè)算，結(jié)果如表3所示，我國(guó)政策性農(nóng)業(yè)信貸擔(dān)保體系綜合技術(shù)效率均值為0.638，純技術(shù)效率均值為0.773，規(guī)模效率均值為0.846，均未達(dá)到完全有效，還存在較大的增長(zhǎng)和改善空間。從各省份來(lái)看，貴州和廈門(mén)綜合技術(shù)效率為1，處于效率前沿面，新疆、陜西、河南、浙江、山東綜合技術(shù)效率高于0.8，內(nèi)蒙古、山西、重慶、天津、大連、河北、湖南綜合技術(shù)效率低于0.5。

2.第二階段：SFA回歸分析。運(yùn)用Frontier4.1軟件分析成立年限、農(nóng)林牧漁業(yè)總產(chǎn)值、地區(qū)財(cái)政農(nóng)林水事務(wù)支出、地區(qū)存貸比等環(huán)境變量對(duì)投入松弛變量的影響（見(jiàn)表4）。結(jié)果顯示，資本金、專(zhuān)職員工數(shù)量、分支機(jī)構(gòu)數(shù)量松弛變量對(duì)應(yīng)的LR單邊檢驗(yàn)顯著性水平分別為1%、5%和10%，說(shuō)明SFA回歸結(jié)果有效。松弛變量對(duì)應(yīng)的[σ2]和[γ]顯著性水平均為1%，說(shuō)明環(huán)境因素和隨機(jī)誤差因素均對(duì)投入松弛變量產(chǎn)生影響。

（1）成立年限。該變量與資本金和專(zhuān)職員工數(shù)量松弛變量的回歸系數(shù)為負(fù)值，且通過(guò)10%的顯著性水平檢驗(yàn)，與分支機(jī)構(gòu)數(shù)量松弛變量的回歸系數(shù)為正值。這表明隨著成立年限的增加，通過(guò)業(yè)務(wù)規(guī)模的穩(wěn)步增長(zhǎng)和員工專(zhuān)業(yè)技能的提升，能降低投入冗余。與此同時(shí)，通過(guò)數(shù)字化轉(zhuǎn)型等手段以及產(chǎn)業(yè)鏈、產(chǎn)業(yè)集群批量獲客等方式，分支機(jī)構(gòu)設(shè)置較多的省份容易出現(xiàn)投入冗余，這與當(dāng)前一些銀行壓縮基層網(wǎng)點(diǎn)有相似之處。（2）農(nóng)林牧漁業(yè)總產(chǎn)值。該變量與資本金、專(zhuān)職人員數(shù)量、分支機(jī)構(gòu)數(shù)量松弛變量的回歸系數(shù)均為負(fù)值，且至少在5%的顯著性水平上顯著。這表明農(nóng)業(yè)較為發(fā)達(dá)的地區(qū)，融資需求較大，有助于農(nóng)業(yè)信貸擔(dān)保業(yè)務(wù)開(kāi)展，減少投入冗余。（3）財(cái)政農(nóng)林水事務(wù)支出。該變量與資本金、專(zhuān)職人員數(shù)量、分支機(jī)構(gòu)數(shù)量松弛變量的回歸系數(shù)均為正值，且至少在5%的顯著性水平上顯著。這表明農(nóng)林水事務(wù)支出水平越高，農(nóng)業(yè)經(jīng)營(yíng)主體能夠享受到的優(yōu)惠政策越多，對(duì)農(nóng)業(yè)信貸擔(dān)保需求產(chǎn)生替代效應(yīng)，導(dǎo)致投入冗余。（4）地區(qū)存貸比。該變量與資本金、專(zhuān)職人員數(shù)量、分支機(jī)構(gòu)數(shù)量松弛變量的回歸系數(shù)均為負(fù)值，且與資本金投入松弛變量的回歸系數(shù)在10%的顯著性水平上顯著。這表明，存貸比較低的地區(qū)，銀行通過(guò)農(nóng)業(yè)信貸擔(dān)保增加金融供給的意愿較強(qiáng)，有助于擔(dān)保機(jī)構(gòu)做大業(yè)務(wù)規(guī)模，降低投入變量的冗余程度。

3. 第三階段：調(diào)整后的DEA效率測(cè)算結(jié)果。根據(jù)第二階段回歸結(jié)果，將調(diào)整后的投入值與初始產(chǎn)出值代入模型中，重新測(cè)算我國(guó)政策性農(nóng)業(yè)信貸擔(dān)保體系運(yùn)行效率（見(jiàn)表5）。剔除外部因素影響后，體系綜合技術(shù)效率均值由0.638提高到0.902，純技術(shù)效率均值由0.773提高到0.932，規(guī)模效率均值由0.846提高到0.968，說(shuō)明環(huán)境因素對(duì)體系運(yùn)行效率影響較大。從各省份調(diào)整后的情況看，綜合技術(shù)效率只有貴州和廈門(mén)處于前沿面上，有15個(gè)省份低于體系均值，后三位由調(diào)整前的大連（0.325）、河北（0.312）、湖南（0.310）變?yōu)樵颇希?.804）、重慶（0.700）、湖南（0.650），均是由純技術(shù)效率偏低導(dǎo)致。純技術(shù)效率為1的省份有8個(gè)，有15個(gè)低于體系均值，后三位由調(diào)整前的重慶（0.415）、天津（0.357）、湖南（0.320）變?yōu)閺V西（0.828）、重慶（0.705）、湖南（0.655），主要原因是2022年代償率都較高，分別為3.43%、2.97%、2.14%。規(guī)模效率為1的省份有3個(gè)，有12個(gè)低于體系均值，后三位由調(diào)整前的內(nèi)蒙古（0.531）、河北（0.498）、大連（0.332）變成遼寧（0.909）、山東（0.857）、四川（0.856），主要原因是其資本金、專(zhuān)職人員和分支機(jī)構(gòu)數(shù)量較多，但個(gè)別年度新增擔(dān)保業(yè)務(wù)規(guī)模和項(xiàng)目數(shù)偏少。

（二）Malmquist指數(shù)動(dòng)態(tài)分析

在三階段DEA分析基礎(chǔ)上，運(yùn)用Malmquist指數(shù)模型，進(jìn)一步測(cè)度決策單元時(shí)間序列上的動(dòng)態(tài)效率變化情況（見(jiàn)表6）。

1. 體系運(yùn)行效率的整體分析。從表6中可以看出，2019—2022年我國(guó)政策性農(nóng)業(yè)信貸擔(dān)保體系全要素生產(chǎn)率變化指數(shù)均值為1.001，2019—2020年、2020—2021年分別增長(zhǎng)1.4%、13%，2021—2022年下降14.1%，說(shuō)明體系運(yùn)行效率尚不穩(wěn)定。其中，技術(shù)效率變化指數(shù)均值為0.978，2019—2020年增長(zhǎng)9.8%，2020—2021年、2021—2022年分別下降1.7%、14.8%，說(shuō)明體系技術(shù)效率處于下降趨勢(shì)。技術(shù)進(jìn)步變化指數(shù)均值為1.022，2019—2020年下降8.8%，2020—2021年、2021—2022年分別增長(zhǎng)15%和0.5%，雖然呈上升趨勢(shì)，但體系在技術(shù)進(jìn)步和創(chuàng)新方面的速度有所放緩。

進(jìn)一步將技術(shù)效率變化指數(shù)分解，可以看出純技術(shù)效率變化指數(shù)和規(guī)模效率變化指數(shù)走勢(shì)與技術(shù)效率變化指數(shù)一致，呈下行趨勢(shì)。其中，純技術(shù)效率變化指數(shù)均值為0.971，2019—2020年增長(zhǎng)4.8%，2020—2021年、2021—2022年分別下降2.2%、11.5%，是導(dǎo)致技術(shù)效率下降的主要因素，說(shuō)明體系風(fēng)險(xiǎn)管理水平需要進(jìn)一步提高。規(guī)模效率均值為1.007，2019—2020年、2020—2021年分別增長(zhǎng)5.1%、0.7%，2021—2022年下降3.6%，說(shuō)明體系規(guī)模效率出現(xiàn)下降趨勢(shì)，需要進(jìn)一步擴(kuò)大業(yè)務(wù)規(guī)模。

2. 區(qū)域運(yùn)行效率分析。從表7中可以看出，2019—2022年間，山東、黑龍江、貴州、河南、遼寧、陜西和吉林7個(gè)省份全要素生產(chǎn)率變化指數(shù)均值超過(guò)1，其余26個(gè)省份低于1，最低的重慶只有0.819。這說(shuō)明大多數(shù)地區(qū)農(nóng)業(yè)信貸擔(dān)保運(yùn)行效率不夠理想，需要進(jìn)一步優(yōu)化提升。其中，山東、黑龍江、遼寧、寧夏、海南、陜西、寧波、青島8個(gè)省份技術(shù)效率變化指數(shù)超過(guò)1，貴州、浙江、廈門(mén)等于1，其余22個(gè)省份低于1，最低的湖南只有0.811，技術(shù)效率不高是影響運(yùn)行效率的主要因素。在技術(shù)進(jìn)步變化指數(shù)方面，有18個(gè)省份高于1，說(shuō)明大部分省份一定程度上實(shí)現(xiàn)了技術(shù)進(jìn)步和創(chuàng)新。

進(jìn)一步將各省份技術(shù)效率變化指數(shù)進(jìn)行分解。2019—2022年間，純技術(shù)效率變化指數(shù)均值超過(guò)1的地區(qū)有6個(gè)，分別為黑龍江、四川、寧夏、陜西、吉林、河北，其中黑龍江增長(zhǎng)幅度最大，達(dá)到16%，17個(gè)省份均值小于1，湖南最低，只有0.814。規(guī)模效率變化指數(shù)均值超過(guò)1的地區(qū)有14個(gè)，其中山東增長(zhǎng)幅度最大，達(dá)到44.8%，有15個(gè)省份均值小于1，河北最低，為0.929。由此可見(jiàn)，各地區(qū)在考察期內(nèi)規(guī)模效率相對(duì)較高，影響綜合技術(shù)效率的主要因素是純技術(shù)效率，說(shuō)明大部分地區(qū)需要進(jìn)一步提升管理能力。

五、研究結(jié)論與建議

（一）研究結(jié)論

本文運(yùn)用三階段DEA—Malmquist指數(shù)模型，對(duì)2019—2022年我國(guó)政策性農(nóng)業(yè)信貸擔(dān)保體系運(yùn)行效率進(jìn)行了靜態(tài)和動(dòng)態(tài)評(píng)價(jià)，主要結(jié)論如下：

1. 從靜態(tài)分析結(jié)果看，第一，第三階段測(cè)算出的絕大多數(shù)地區(qū)運(yùn)行效率高于第一階段測(cè)算結(jié)果，說(shuō)明外部環(huán)境和隨機(jī)干擾因素對(duì)體系運(yùn)行效率有較大影響。特別是農(nóng)業(yè)發(fā)展較好的地區(qū)，潛在融資需求較大，有助于農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)運(yùn)行效率的提高。但隨著財(cái)政農(nóng)林水事務(wù)支出的增加，有可能引發(fā)其他支農(nóng)政策對(duì)農(nóng)業(yè)信貸擔(dān)保政策的替代效應(yīng)。第二，調(diào)整后的體系綜合技術(shù)效率均值為0.902，說(shuō)明我國(guó)政策性農(nóng)業(yè)信貸擔(dān)保體系建設(shè)取得了較好成效，但是體系內(nèi)各地區(qū)綜合技術(shù)效率差異較大，存在財(cái)政資金投入配置不夠合理的問(wèn)題。第三，調(diào)整后的體系純技術(shù)效率均值為0.932，但有7個(gè)地區(qū)低于0.9，純技術(shù)效率是影響區(qū)域綜合技術(shù)效率的主要因素，因此，應(yīng)注重加強(qiáng)風(fēng)險(xiǎn)管理和提升數(shù)字化技術(shù)在農(nóng)業(yè)信貸擔(dān)保業(yè)務(wù)中的應(yīng)用。第四，調(diào)整后的體系規(guī)模效率均值為0.968，各區(qū)域規(guī)模效率較高，但還需要進(jìn)一步做大業(yè)務(wù)規(guī)模，將規(guī)模效率提升至前沿面。

2. 從動(dòng)態(tài)分析結(jié)果看，第一，2019—2022年全要素生產(chǎn)率變化指數(shù)均值為1.001，說(shuō)明全要素生產(chǎn)率整體小幅提升，其中技術(shù)效率平均下降2.2%，技術(shù)進(jìn)步平均上升2.2%。第二，從年度變化來(lái)看，2021—2022年除技術(shù)進(jìn)步變化指數(shù)上升0.5%之外，全要素生產(chǎn)率、技術(shù)效率、純技術(shù)效率、規(guī)模效率4個(gè)指標(biāo)均出現(xiàn)下降，主要原因在于：一方面，可能是隨著體系業(yè)務(wù)規(guī)模的增加，部分地區(qū)的代償也在大幅增加；另一方面，2022年財(cái)政部調(diào)整對(duì)各地區(qū)的獎(jiǎng)補(bǔ)政策，對(duì)首擔(dān)業(yè)務(wù)金額按1.5%獎(jiǎng)補(bǔ)，續(xù)擔(dān)業(yè)務(wù)金額按最高不超過(guò)0.3%獎(jiǎng)補(bǔ)，導(dǎo)致各省級(jí)農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)開(kāi)始優(yōu)化業(yè)務(wù)結(jié)構(gòu)，將更多精力用于提高首擔(dān)客戶比重，一定程度上影響了業(yè)務(wù)規(guī)模增長(zhǎng)。第三，從各地區(qū)來(lái)看，山東、黑龍江和貴州全要素生產(chǎn)率增長(zhǎng)幅度居前3位，河北、湖南、重慶為后3位。另外，遼寧等省份雖然靜態(tài)效率不理想，但從動(dòng)態(tài)效率看處于增長(zhǎng)狀態(tài)，說(shuō)明了動(dòng)態(tài)效率分析的必要性。

（二）政策建議

1. 推動(dòng)區(qū)域協(xié)調(diào)發(fā)展。雖然我國(guó)政策性農(nóng)業(yè)信貸擔(dān)保體系整體效率較高，但區(qū)域發(fā)展不平衡問(wèn)題較為突出，需要引起高度重視。一方面，要優(yōu)化農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)投入。結(jié)合地區(qū)農(nóng)業(yè)發(fā)展水平和現(xiàn)實(shí)融資需求，探索建立專(zhuān)職人員與業(yè)務(wù)規(guī)模相適應(yīng)的動(dòng)態(tài)平衡機(jī)制，采取垂直化、扁平化方式設(shè)置基層服務(wù)機(jī)構(gòu)，在注重精耕細(xì)作、挖掘區(qū)域業(yè)務(wù)潛力的同時(shí)，提升業(yè)務(wù)人員能力素質(zhì)，避免盲目配置分支機(jī)構(gòu)和業(yè)務(wù)人員造成資源浪費(fèi)。另一方面，做大政策性農(nóng)業(yè)信貸擔(dān)保業(yè)務(wù)規(guī)模。綜合技術(shù)效率較低的地區(qū)應(yīng)加強(qiáng)政銀擔(dān)合作，鄉(xiāng)鎮(zhèn)政府或縣級(jí)農(nóng)業(yè)部門(mén)發(fā)揮信息資源優(yōu)勢(shì)，批量篩選符合擔(dān)保準(zhǔn)入條件、有融資需求的產(chǎn)業(yè)集群、產(chǎn)業(yè)鏈農(nóng)業(yè)經(jīng)營(yíng)主體白名單，由農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)和商業(yè)銀行聯(lián)合盡調(diào)和審批，實(shí)現(xiàn)擔(dān)保服務(wù)與產(chǎn)業(yè)項(xiàng)目的精準(zhǔn)匹配和擔(dān)保貸款資金的快速投放。

2. 完善財(cái)政支持政策。一是中央層面要完善財(cái)政補(bǔ)助資金分配方式，在兼顧公平的基礎(chǔ)上，將效率作為資金分配的考量，對(duì)運(yùn)行效率高的地區(qū)給予一定獎(jiǎng)勵(lì)，調(diào)動(dòng)各省級(jí)農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)提高運(yùn)行效率的積極性。二是運(yùn)行效率低的省份要結(jié)合自身財(cái)力，在“一獎(jiǎng)一補(bǔ)”政策基礎(chǔ)上，出臺(tái)代償補(bǔ)償、風(fēng)險(xiǎn)救助等支持政策，彌補(bǔ)農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)業(yè)務(wù)成本和風(fēng)險(xiǎn)損失，確保農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)通過(guò)財(cái)政獎(jiǎng)補(bǔ)和自身的擔(dān)保費(fèi)收入實(shí)現(xiàn)保本微利運(yùn)行，使其能夠持續(xù)穩(wěn)步做大業(yè)務(wù)規(guī)模和放大政策效應(yīng)。三是鑒于政策性農(nóng)業(yè)信貸擔(dān)保在解決農(nóng)業(yè)融資難題方面的重要作用，應(yīng)進(jìn)一步明確省級(jí)與市縣級(jí)政府的支出責(zé)任和支持重點(diǎn)，可通過(guò)市縣級(jí)財(cái)政注資形式，進(jìn)一步充實(shí)省級(jí)農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)注冊(cè)資本金，形成中央、省、市縣協(xié)同推動(dòng)政策性農(nóng)業(yè)信貸擔(dān)保發(fā)展的合力。

3.優(yōu)化風(fēng)險(xiǎn)分擔(dān)機(jī)制。代償風(fēng)險(xiǎn)作為省級(jí)農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)的非期望產(chǎn)出，較高的代償率不僅影響其當(dāng)年產(chǎn)出，也有可能因?yàn)閷⒋罅咳肆ζヅ涞阶穬敪h(huán)節(jié)，影響到下一年度的新增擔(dān)保產(chǎn)出。因此，提升體系運(yùn)行效率，一方面，需要省級(jí)農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)加強(qiáng)風(fēng)險(xiǎn)防控體系建設(shè)，通過(guò)大數(shù)據(jù)手段進(jìn)行交叉比對(duì)、聯(lián)合商業(yè)銀行開(kāi)展差異化審查、加強(qiáng)保后管理等方式，有效防控?fù)?dān)保業(yè)務(wù)風(fēng)險(xiǎn)，盡可能將代償率控制在較低水平。另一方面，通過(guò)政銀擔(dān)合作分險(xiǎn)、再擔(dān)保分險(xiǎn)等方式，將代償風(fēng)險(xiǎn)進(jìn)行合理分散，增強(qiáng)省級(jí)農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)風(fēng)險(xiǎn)應(yīng)對(duì)能力，使其能夠?qū)崿F(xiàn)政策性定位和自身可持續(xù)發(fā)展的有機(jī)統(tǒng)一。

注：

①自2016年中央一號(hào)文件首次提出“用3年左右時(shí)間建立健全全國(guó)農(nóng)業(yè)信貸擔(dān)保體系，2016年推動(dòng)省級(jí)農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)正式建立并開(kāi)始運(yùn)營(yíng)”以來(lái)，之后歷年中央一號(hào)文件都對(duì)發(fā)揮政策性農(nóng)業(yè)信貸擔(dān)保體系作用提出明確要求。

②全國(guó)共有33家省級(jí)農(nóng)擔(dān)公司，分布在29個(gè)?。ㄗ灾螀^(qū)、直轄市，不含上海、西藏、香港、澳門(mén)、臺(tái)灣）以及大連、青島、寧波、廈門(mén)4個(gè)計(jì)劃單列市。

③年度代償率=本年代償金額/本年解除擔(dān)保金額×100%，代償金額不包括銀行分擔(dān)規(guī)模，包括除銀行外的政府、再擔(dān)保等其他各類(lèi)風(fēng)險(xiǎn)分擔(dān)規(guī)模。

參考文獻(xiàn)：

[1]Alian L Riding，George Haines J R. 2001. Loan Guarantees：Costs of Default and Benefits to Small Firms [J].Journal of Business Venturing，（16）.

[2]Hway‐Boon Ong，Muzafar Shah Habibullah，Alias Radam，M Azali. 2003. Evaluating a Credit Guarantee Agency in a Developing Economy：a Non‐parametric Approach [J].International Journal of Social Economics，（1/2）.

[3]崔曉玲，鐘田麗.基于DEA的信用擔(dān)保運(yùn)行效率求解方法 [J].運(yùn)籌與管理，2010，（06）.

[4]黃慶安.農(nóng)村信用擔(dān)保機(jī)構(gòu)的運(yùn)行效率及其影響因素研究——基于DEA—Tobit兩步法的實(shí)證分析 [J].東南學(xué)術(shù)，2011，（03）.

[5]孟光輝，李永坤，安康.中國(guó)政策性農(nóng)業(yè)信貸擔(dān)保機(jī)構(gòu)運(yùn)行效率研究 [J].經(jīng)濟(jì)與管理評(píng)論，2022，（06）.

[6]石寶峰，劉磊，王瑞琪.政策性農(nóng)業(yè)融資擔(dān)保公司運(yùn)行效率研究 [J].東方論壇—青島大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023，（02）.

[7]雷曜，祝紅梅，吳京.我國(guó)普惠金融風(fēng)險(xiǎn)分擔(dān)機(jī)制研究——以銀擔(dān)合作為例 [J].金融發(fā)展研究，2021，（06）.

[8]侯石安.農(nóng)業(yè)補(bǔ)貼政策運(yùn)行面臨的問(wèn)題與完善對(duì)策 [J].學(xué)習(xí)與實(shí)踐，2013，（06）.

[9]A Charnes，W W Cooper，E Rhodes. 1978. Measuring the Efficiency of Decision Making Units [J].European Journal of Operational Research，（6）.

[10]H O Fried，CAK Lovell，SSS Yaisawarng. 2002. Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis [J].Journal of Productivity Analysis，（1/2）.

[11]陳巍巍，張雷，馬鐵虎，劉秋繸.關(guān)于三階段DEA模型的幾點(diǎn)研究 [J].系統(tǒng)工程，2014，（09）.

[12]徐攀，李玉雙.政策性融資擔(dān)保機(jī)構(gòu)運(yùn)行效率的測(cè)算及其影響因素——基于浙江省微觀調(diào)研數(shù)據(jù)的分析[J].財(cái)經(jīng)論叢，2022，（05）.

[13]徐林明，李美娟.動(dòng)態(tài)綜合評(píng)價(jià)中的數(shù)據(jù)預(yù)處理方法研究[J].中國(guó)管理科學(xué)，2020，（01）.

[14]文學(xué)舟，許高銘.基于三階段DEA模型的民營(yíng)中小企業(yè)融資擔(dān)保效率研究——以江蘇省190家融資擔(dān)保公司的調(diào)查為例[J].金融理論與實(shí)踐，2021，（01）．