中國農村金融發展與農民收入增長
——基于綜合指數分析

夏 龍 何忠偉

（北京農學院經濟管理學院，北京 102206）

中國農村金融發展與農民收入增長
——基于綜合指數分析

夏 龍 何忠偉

（北京農學院經濟管理學院，北京 102206）

對于中國農村金融發展與農民收入間關系的實證檢驗，迄今尚無定論。借鑒時間序列因子分析，本文考察了農村金融發展綜合指數與農民收入之間的關系。研究發現，中國農村金融發展與農民收入間有單向格蘭杰因果關系。協整方程表明，在長期內，農村金融發展水平每提高1個單位，實際農民收入可以提高48.1%。MS-VAR模型表明，在短期內，農村金融發展依然能夠促進農民收入增長，當國家實施農村偏向型經濟政策時，這一促進效果更加明顯。

農村金融；農民收入；時間序列因子分析；Markov狀態轉換模型

一、前言

學術界關于農村金融發展與農民收入增長關系的定量研究方興未艾。從實證結果看，雖然理論界一致認為金融發展可以推動經濟增長（麥金農，1973），但是中國農村金融發展是否能夠提升農民收入，至今尚無定論。在采用單一指標來衡量金融發展的文獻中，基本均無法得到從農村金融發展到農民收入增長的正向關系。比如，溫濤等（2005）研究發現，金融發展指標與農民收入在長期沒有協整關系，也沒有格蘭杰因果關系。譚燕芝（2009）以農村金融相關比率作為農村金融發展指標的研究也不支持二者間的正向關系。劉旦（2007）的研究結果則支持農村金融發展效率與農民收入增長間的負向關系。如果采用多個指標來衡量農村金融發展，則可能存在多種關系。比如余新平等（2010）的研究支持了農村存款、農業保險賠付促進農民收入增長，而農村貸款、農業保險收入拉低農民收入的觀點。方金兵等（2009）將農村金融發展分為規模、結構、效率三個方面，得出的結論是規模與農民收入增長呈雙向格蘭杰因果關系，而結構和效率并不是農民收入增長的格蘭杰原因。從研究方法上看，除劉賽紅和王國順（2012）采用面板數據進行討論以外，其他大多數研究均限于現代時間序列分析，主要采用協整檢驗、格蘭杰因果檢驗、VAR、VECM等方法。

使用單一指標來衡量農村金融發展只能窺豹一斑，不能全面概括中國農村金融的發展；使用多個指標來衡量，則不易提綱挈領地概括中國農村金融的發展。而研究方法的單一，也限制了研究的進一步深入。基于此，本文借鑒時間序列因子分析（TSFA），將眾多農村金融發展指標“濃縮”為中國農村金融發展指數，并結合現代時間序列分析與Markov狀態轉換模型（MS-VAR）對它與農民收入的關系進行重新考察。本文的研究顯示，中國農村金融發展不僅與農民收入有著單向格蘭杰因果關系和長期協整關系，而且，農村金融發展與農民收入的關系會隨著狀態的不同而轉換。

二、研究方法與變量選取

（一）研究方法

1.時間序列因子分析。因為衡量農村金融發展會有多個維度，因此，首要的問題是將這些維度“濃縮”成一個綜合指標。本文使用的數據是時間序列數據，4個變量間不可避免地存在序列相關性，傳統的主成分分析因此失效。一種替代方法是時間序列因子分析（TSFA）（吉爾伯特和梅杰，2005），該方法在極少假設的前提下通過最大似然估計（ML）獲得主成分的一致性估計，有效解決了變量之間的序列相關性。具體到本文，TSFA可以表達為：

式中，rf?t為顯變量，它代表著本文建立的4個長度為T（t=1，2，???，T）的農村金融發展指標；rufint是潛變量，它是本文建立的農村金融發展綜合指數。αt是常數，B為因子載荷矩陣，et為與潛變量無關的誤差項。

2.現代時間序列分析。如果需要利用現代時間序列分析來反映農村金融發展與農民收入之間的關系，則首先構造一個線性函數：

其中， peainct表示第t期的農民收入，εt為誤差項。

在現代時間序列建模中，首先需要對式（2）中的兩個變量進行平穩性檢驗和協整檢驗，以避免偽回歸。一旦兩個變量間有長期的協整關系，即可以進行格蘭杰因果檢驗。

3.Markov狀態轉換模型。現代時間序列分析的問題在于，它假定考察期內的外部環境是不變的，因而，解釋變量與被解釋變量之間被假定為具有穩定的線性關系。然而如果考察期較長，外部環境并非一成不變，這會引起數據產生結構突變，進而在不同的外部環境（稱為“狀態”）下，解釋變量與被解釋變量的關系可能會形成不同的形式。MS-VAR可以內化時間序列數據的結構突變，合理地描述狀態轉換機制，提高參數估計的準確性。對于本文而言，如果假定有st（st∈{1,2,???,T}）個狀態，本文的MS-VAR模型可以由式（2）生成，表示為：

在MS-VAR的模型中，狀態變量st由一個馬爾可夫鏈產生，這樣，st的條件概率分布僅是st-1的函數。進而，由于st的不可觀測性，存在不同狀態下的轉換概率。估計MS-VAR模型的方法很多，本文采用Hamilton期望值最大化算法（EM algorithm），該算法通過已知的被解釋變量值來推斷st的值，進而估計模型參數和轉移矩陣。

（二）數據說明與變量選取

本文所采用的時間序列數據的跨度為1978—2011年，數據來源為歷年的《中國統計年鑒》和《中國金融年鑒》，以及《新中國六十年統計資料匯編》，缺失數據采用線性插值法補充。

1.農民收入。本文以對數實際人均農民收入表示農民收入（peainct），它是歷年農村居民人均純收入以1978年為基期折算而成，并進行了對數化處理。

2.農村金融發展指標。為了構造農村金融發展綜合指數，我們選取4個學術界常用的農村金融發展指標，這4個指標基本可以從各個層面展示中國農村金融的發展水平。它們是：第一，農村金融發展深度（rfdevt），該指標為農村貸款占貸款余額的比重與第一產業產值占GDP比重的比值。第二，農村金融發展規模（rfscat），它是農村金融資產總量占第一產業產值的比重。其中，農村金融資產包括了農戶儲蓄存款和農業存款。第三，農村金融發展結構（rfstrt），它以鄉鎮企業貸款與農業貸款的比率來描述。第四，農村金融發展效率（rfefft），它是農業貸款與鄉鎮企業貸款之和與農業存款的比率。這4個指標越大，農村金融發展水平越高。

三、實證研究

（一）農村金融發展綜合指數

利用TSFA可以構建農村金融發展綜合指數（rufint）。經檢驗，上述4個金融發展指標的Bartlett球體檢驗的 χ2統計量為99.197，伴隨概率為0.000，數據具有足夠的結構效度，適合作因子分析。雖然主成分分析表明，上述4個變量有2個主成分的特征值大于1，分別為2.539和1.196，但考慮到變量間的序列相關，TSFA建議只需提取1個主成分，因為此時僅有1個主成分的特征值大于1，為9.477，而且該主成分在上述4個變量的因子載荷分別為0.104、0.233、0.154和0.865，可以解釋累積方差的97.6%，具有極高的解釋力。基于此，本文將該主成分定義為農村金融發展綜合指數（rufint）。

表1：主要變量的描述性統計

圖1：農村金融發展與農民收入

圖1左側展示了4個變量的原序列（實線）以及各自被rufint解釋比例（虛線）的時間趨勢圖。注意在該圖中農村金融發展深度的原序列與被rufint解釋的序列幾乎重合，這說明在現有的4個指標中，農村金融發展深度與農村金融發展的關系最為密切。

農村金融發展綜合指數與農民收入的關系在圖1右側中展示，該圖中的OLS擬合說明農村金融發展與農民收入之間呈現出正相關，Lowess均修則指出這兩個變量之間可能存在非線性關系，這為MS-VAR模型的估計奠定了基礎。當然，真實的關系還需要更加具體的討論。表1給出了這兩個變量的描述性統計。

（二）現代時間序列分析

1.平穩性檢驗。本文采用Phillip-Perron檢驗考察農村金融發展綜合指數與農民收入的平穩性。檢驗結果見表2。

表2：變量平穩性的Phillip-Perron檢驗

從表2的檢驗結果可知，兩個變量的原始序列即使在10%的顯著性水平上也是不平穩的，而兩個變量的一階差分數據在5%的顯著性水平上是平穩的，所以，這兩個變量均為一階平穩序列，記為I（1）。

2.協整檢驗。本文采用EG兩步法進行協整檢驗，首先估計式（2），結果如式（4）所示：

注：（1）為了解決序列相關性，括號里為newey-west穩健性標準差；（2）“***”、“**”、“*”分別代表在1%、5%、10%下顯著。

對殘差et進行平穩性檢驗，結果顯示，殘差在5%的顯著性水平上拒絕了存在單位根的原假設，殘差是平穩序列。因此，式（4）本身就是一個協整方程，變量rufint與peainct之間具有長期的穩定關系。

我們在模型中報告了LM檢驗的χ2統計量，因為該檢驗拒絕了式（4）不存在序列相關的原假設，所以，本文在報告估計結果時，給出了newey-west穩健性標準差，以確保估計的穩健性。即便如此，式（4）中兩個系數的估計值在1%的顯著性水平上都是顯著的，而且F統計量表明，方程整體也是顯著的。

式（4）說明，中國農村金融發展與農民收入正相關。從整體上看，rufint可以解釋 peainct變異的72.6%，具有很高的解釋力度。農村金融發展綜合指數每提高1個單位，實際農民收入可以提高48.1%，效果相當顯著。

3.格蘭杰因果檢驗。由于rufint與 peainct都是I（1）變量，且具有協整關系，本文在水平值上揭示二者之間的內在聯系。

表3：格蘭杰因果檢驗

表3給出了滯后2階、3階和4階條件下的格蘭杰因果檢驗結果。因果檢驗不能在10%的顯著性水平下拒絕“ peainct不是rufint的格蘭杰原因”的假設；同樣在10%的顯著性水下上，雖然在滯后2階的條件下接受，但在滯后3階、4階條件下拒絕了“rufint不是peainct的格蘭杰原因”的假設。由此基本能夠得出結論，存在著從農村金融發展到農民收入的單向格蘭杰因果關系，這也進一步強化了本文的協整分析。

（三）Markov狀態轉換模型

對于MS-VAR模型，首先需要確定模型中應該包含的變量。本文比較了被解釋變量和解釋變量滯后1—2階的各種組合，綜合考慮了AIC準則、單變量的t檢驗和調整后的R2各種標準后，將被解釋變量和解釋變量的滯后階數均設為0階，這不僅具有較好的統計性，有利于和式（4）的結果比較，而且對于年度數據而言，滯后0階也符合經濟理論。

表4：MS-VAR的估計結果

經多次嘗試，本文將農村金融發展與農民收入之間的關系設定為兩個狀態，使用EM算法估計的MSVAR模型如表4所示。當然，無論哪個狀態，rufint在1%的顯著性水平上都是顯著的，方程的擬合優度也較好。

在對MS-VAR模型進行進一步討論之前，我們首先來討論兩個狀態之間的轉換概率。如表5所示，從狀態1落入到狀態1的概率是0.873，轉入狀態2的概率是0.127；從狀態2落入狀態1的概率是0.118，而留在狀態2的概率是0.882。雖然沒有一個狀態是穩定的，但概率表明，所有的狀態均有著自我穩定的傾向。因此，狀態之間的轉換，必然是模型的外在力量使然。

表5：狀態轉換概率

圖2：Markov狀態轉換模型在兩個狀態間的平滑概率

配合Markov狀態轉換的平滑概率圖（見圖2），可以對表4進行詳細的討論。在1978—1981年、1992—1996年、2006—2011年這3個階段，農村金融發展與農民收入增長的關系落入了狀態1。在這些階段，農村金融發展指標每增加1個單位時，對數實際農民收入增長0.611個單位；在1982—1991年、1997—2005年這2個階段，農村金融發展與農民收入增長的關系落入狀態2。在這兩個階段，農村金融發展指標每增加1個單位，對數實際農民收入增長0.362個單位。

（四）模型討論

本文的討論表明農村金融發展是農民收入增長的格蘭杰原因，而且，它們之間的實證關系可以以式（4）中的協整方程和表4中的MS-VAR兩個模型來描述。在統計上，MS-VAR模型的擬合優度（R2）和對數似然率（logLik）均更優，而且AIC更小，因此較之協整方程（4）更優。

在理論上，協整模型主要用以描述解釋變量與被解釋變量的長期關系，而MS-VAR則分階段回歸，可以用來描述不同時段解釋變量與被解釋變量間的短期關系。這樣，協整方程中的常數和斜率的估計值基本處于MS-VAR模型兩個狀態的被估系數之間，由于其斜率均為正值，說明無論從長期還短期，農村金融發展都是農民收入增長的促進因素。

實際上，農村金融發展與農民收入之間的Markov轉換機制充分地體現了中國的改革進程。中國的改革始創于農村，家庭聯產承包責任制的實施在改革之初的6年時間里極大地促進了農業的高速增長（林毅夫，2008），這一階段在政策上實施的是農村偏向型的經濟政策，因此，從1978—1981年，農村金融發展與農民收入之間表現為MS-VAR模型的狀態1，變量rufint因其有更大斜率系數，在同一單位改變的條件下會換來農民收入更多增長，1982年以后，狀態逐漸開始轉換。同樣實施農村偏向型經濟政策的階段從2004年開始，其后每年的中央“一號文件”均以三農問題為核心，“一號文件”在政府全年工作的實施中具有綱領性和指導性的地位，標志全年經濟資源的分配方向。因此，2003—2005年，MS-VAR從狀態2開始向狀態1轉換，至2006年以后，MS-VAR重新落入狀態1。另一個落入狀態1的階段是從1992年，這一年，中國正式開始了市場化改革。落入狀態2的兩個階段分別是1982—1991年和1997—2005年，這兩個階段改革的重點都在國有企業，因此政策在整體上是城市偏向型的。由此可以總結，當國家實施農村偏向型經濟政策時，農村金融發展對農民收入提高的促進作用更加顯著，當然，當國家實施城市偏向型經濟政策時，農村金融發展對農民收入提高的促進作用也依然明顯。

四、結束語

黨的十七屆三中全會指出，“農村金融是現代農村經濟的核心”，農村金融的發展關系到農村經濟發展和農民收入提高。本文基于綜合指標的研究表明，中國農村金融發展是農民收入增長的格蘭杰原因。協整關系表明，在長期農村金融發展能夠促進農民收入增長，農村金融發展水平每提高1個單位，對數實際農民收入可以提高48.1%。在短期內，農村金融發展依然能夠促進農民收入增長，當國家實施農村偏向型經濟政策時，這一促進效果更加明顯。總之，中國農村金融的發展能夠持續地促進農民收入增長。

當然，也必須認識到，中國農村金融發展程度本身就不高，金融化比率遠低于城市，農村資金外流現象很嚴重，因此，就政策含義而言，不僅要繼續發展中國農村金融，而且也要堅持2004年以來的農村偏向型經濟政策。

[1]方金兵，張兵，曹陽.中國農村金融發展與農民收入增長關系研究[J].江西農業學報，2009，（1）.

[2]林毅夫.制度、技術與中國農業發展（第3版）[M].上海：格致出版社，2008年版.

[3]劉旦.我國農村金融發展效率與農民收入增長[J].山西財經大學學報，2007，（1）.

[4]劉賽紅，王國順.農村金融發展影響農民收入的地區差異[J].經濟地理，2012，（9）.

[5]譚燕芝.農村金融發展與農民收入增長之關系的實證分析：1978-2007[J].上海經濟研究，2009，（1）.

[6]溫濤，冉光和，熊德平.中國金融發展與農民收入增長[J].經濟研究，2005，（9）.

[7]許崇正，高希武.農村金融對增加農民收入支持狀況的實證分析[J].金融研究，2005，（9）.

[8]余新平，熊皛白，熊德平.中國農村金融發展與農民收入增長[J].中國農村經濟，2010，（6）.

[9]Gilbert P D，Meijer E.2005.Time series factor analysis with an application to measuring money[D].Manuscript submitted for publication.

[10]McKinnon R.1973.Money and Capital in Economic Development[M].Washington DC：Brookings Institution.

The Relationship Between China Rural Financial Development and Farmers’Income Growth：A Composite Index Analysis

Xia Long He Zhongwei
（School of Economics and Management，Beijing University ofAgriculture，Beijing 102206）

The relationship between China rural financial development and farmers’income growth has been disputed so far.By means of the time series factor analysis，this paper surveys the relations between the composite index of rural financial development and farmers’income growth.The result shows that China’s rural financial development is related to farmers’income with an irreversible Granger causality.The co-integration formula shows that in the long run whenever the level of rural financial development rises by one unit，the farmers’income can increase by 48.1%. The MS-VAR model shows that in the short run，the rural financial development can also promote the rise of farmers’income.When the nation implements economic policies in favor of the countryside，the effect will be more evident.

rural finance，farmers’income，time series factor analysis，MS-VAR

F832.43

A

1674-2265（2014）05-0003-05

（責任編輯 耿 欣；校對 XQ，GX）

2014-4-15

教育部新世紀優秀人才支持計劃資助（NCET-10-009），北京農學院優勢科技團隊（北京農業產業安全理論與政策研究創新團隊）項目。

夏龍，男，陜西安康人，北京農學院經濟管理學院講師，博士，研究方向為發展經濟學、農村金融；何忠偉，男，湖南永興人，博士后，北京農學院經濟管理學院教授，研究方向為都市型現代農業、農業技術經濟。