金融支持對家庭農場經營績效的影響研究

(.南華大學 經濟與法學學院,湖南 衡陽 400;.上海市農業科學院,上海 0403)

在我國工業化與城鎮化戰略全面推進、農村人口大量向城市和非農產業轉移的現實背景下,創新農業經營體制機制,加快培育現代新型農業經營主體,以此解決未來“誰來種地”問題是當前我國農村改革的重要任務。2008年我國首次提出有條件的地方可發展家庭農場,2013年家庭農場概念正式出現在中央“一號文件”中,由此家庭農場成為理論與實務界炙手可熱的研討主題。可以預料,家庭農作為新型農業經營主體的重要形式之一,由于自身具備的諸多優勢與政策的強力扶持,家庭農場在我國未來農業現代化進程中必將占據越來越大的份額,承擔更加重要的責任。隨著家庭農場的蓬勃發展與一系列扶持政策的逐步推進落實,研究金融是否促進以及如何促進家庭農場的發展,進而客觀評價我國現階段家庭農場的金融支持政策、優化政策效果、提升農場績效，是促進家庭農場建設與發展進程中的必要環節，具有重要的理論與現實意義。

家庭農場的培育和發展離不開金融支持是國外學者取得的普遍共識。在早期的代表性文獻,如Hugh[1]關注到農村金融等生產要素對區域農業經營組織發展的重要支持作用。隨后的一些實證類文獻也持相同觀點,如Grant、MacNamara[2]通過研究英國和愛爾蘭的農業信貸狀況,發現新型金融工具是家庭農場的重要資金來源;Chaffin[3]認為,政府和金融機構的資金支持,是美國家庭農場能夠保持在世界農業生產效率前列的重要原因;Shahidur[4]基于對巴基斯坦300個家庭農場的實地調研,指出農戶小額貸款具有促進家庭農場效率提升的作用;Bjorkhaug等[5]研究挪威家庭農場后指出,家庭農場的產業弱質性特征明顯,因此發展的關鍵在于強化政府補貼、提供低成本貸款和構建更穩固的代際繼承權。在國內,近年來關于家庭農場的研究謂呈井噴式爆發,金融支持則是其中重要的研究內容之一。例如，趙振宇[6]、張宗毅、杜志雄[7]等指出,農地抵押貸款制度是家庭農場規模化經營的重要前提;朱啟臻[8]、趙佳、姜長云[9]等均強調財政金融政策對家庭農場的重要作用;黃祖輝、俞寧[10]、胡德[11]等分別從融資、擔保、保險體系等方面有針對性地提出金融支持家庭農場的政策優化建議。隨著政策推進與研究深入,有學者開始運用調研數據和數理方法實證檢驗金融支持家庭農場培育的效果。例如，汪艷濤等[12]基于山東省膠州市農戶的調研數據,從政府、金融機構、個人三個資金來源分析了金融對家庭農場的影響;蘭勇等[13]以長沙市82家家庭農場信貸融資為例,運用Tobit模型探討了家庭農場信貸融資的影響因素;林樂芬、俞涔曦[14]、鄧道才等[15]分別基于江蘇省和安徽省的調研數據,分析了家庭農場金融需求的影響因素。

由上可知,盡管現有文獻和研究成果較豐富,但仍存在著值得改進之處:①在研究內容上,現有文獻多從宏觀層面理論論證金融支持家庭農場的必要性和可行性,以定性分析居多,專門針對中國家庭農場金融政策效果的實證類文獻偏少。②在研究視角和研究方法上,現有文獻大都基于空間同質性假設,忽視了空間異質性,或在構建空間計量模型時僅僅考慮了被解釋變量而并未考慮到解釋變量的空間外溢特征,這都將導致結果有偏估計而缺乏說服力。鑒于此,本文以2016年湖南省14市667戶家庭農場(包括部分種植大戶)的截面數據為基礎,先采用三階段DEA方法定量測算出剝離環境變量與隨機誤差后的家庭農場經營績效,再以此測算結果為被解釋變量,構建空間杜賓計量模型,將金融支持促進農場績效提升問題置于空間分析框架下,進一步分析金融支持的有效性與傳導機制,以期探尋出切實有效的家庭農場金融政策優化路徑。

1 家庭農場經營績效的測算

1.1 測算方法的確立

學術界通常把效率作為衡量經營績效的指標,測度效率的常見方法主要可分為參數估計法(如SFA、隨機前沿分析法)和非參數估計法(如DEA、數據包絡分析法)。近年來不少學者運用DEA方法測度家庭農場效率,并以此作為衡量家庭農場經營績效的評價指標。例如，Balezentis等[16]運用DEA方法測算了2003—2010年立陶宛9種不同模式的家庭農場的經營績效和趨勢變化;曹文杰[17]、陳永富等[18]運用DEA方法,分別對我國山東、浙江等地的家庭農場經營績效進行了定量評估。盡管此類研究為精確評估家庭農場經營績效提供了有益經驗,但由于傳統DEA方法無法剝離出環境變量和隨機誤差項對效率值的影響,因此計算出的結果并不準確。Fried等[19]提出了DEA與SFA相結合的三階段DEA模型,通過過濾管理無效率、環境因素和隨機誤差等影響,使各樣本處于初始狀態相同的公平環境中,彌補了DEA方法的缺陷,使所得結果更加真實準確,因此本文擬采用三階段DEA方法對樣本家庭農場的經營績效進行測算。

1.2 變量與數據

本文采用三階段DEA方法測算家庭農場效率(經營績效),需要確定投入、產出和環境變量三大類指標。在投入方面,本文借鑒運用DEA方法時普遍選取的投入指標,以人、財、物為原則,選取家庭農場人數、資產總額、土地經營面積作為投入變量;選取家庭農場年度經營收入、年度凈利潤為產出變量。此外,環境變量應選取對家庭農場效率產生影響但不在樣本主觀可控范圍的因素。現有文獻的常見做法是從經濟、社會、自然環境三個方面確定環境變量,因此本文借鑒Simar、Wilson[20]、黃柯等[21]的作法,采用的環境變量包括:①地區農業總產值。較高的農業產值通常意味著較大的市場規模,家庭農場進行生產與銷售的機會越大,越有利于提高農場效率。②區域人口密度(人/km2)。人口越多,代表本地勞動力資源越豐富,對效率產生影響。③區域自然災害面積。自然環境是公認的影響農場效率的重要因素。

數據來源:本文以我國水稻作物主產區湖南省為研究對象,課題團隊于2016年12月至2017年2月對湖南省種植類家庭農場進行了抽樣調查。具體做法是:根據湖南省農業委員會和財政廳提供的名單,篩選是否已有金融借貸,再在每個市已獲得金融借貸并用于生產的家庭農場中隨機選取部分家庭農場(包括部分暫未進行掛牌登記,但初步具備家庭農場特征的種植大戶,各市選擇40—60戶農場),采用實地調研、電話訪談和向當地農業部門查找資料相結合的形式進行調研。共發放問卷720份,經過集中檢驗,剔除重要指標缺失的樣本后,獲得有效問卷667份,樣本有效率為92.64%。調查內容包括家戶主基本特征、農場勞動力人數、土地經營規模、資產總額、農場經營收入與利潤、借貸款額度、政府財政補貼、戶主文化水平、農產品商品率、交通條件等內容。各變量描述性統計見表1。

表1 各變量含義及描述性統計

注:各變量取值均為取自然對數后的值。

表2 家庭農場經營績效第一階段和第三階段測算結果

注:數值為以市為單位所計算出的平均值,按調整后的TE排序。其中,TE為綜合經營績效,PTE為純技術效率,SE為規模效率,且TE=PTE×SE。

1.3 效率測評結果與分析

本文運用三階段DEA模型測算,具體包括以下步驟:①采用傳統DEA方法測算初始效率。即運用DEAP2.1軟件包對原始投入與產出數據計算初始效率值與總松弛量。②運用SFA模型分解第一階段的松弛變量。利用Frontier4.0計算所選取的環境變量對松弛量的影響程度,剝離出環境變量與隨機誤差的影響并據此調整投入變量的數值。③將第二階段所得的調整后的投入變量和原始的產出變量,再次輸入DEAP2.1軟件進行測算,所得結果即為最終效率值。具體計算公式與過程見Fried等[19]的經典文獻,在此不再贅述,計算結果見表2。

表2右欄(調整后)顯示了湖南省各市家庭農場在同質環境下的效率水平。對比第一階段的效率測評情況可知,調整后的經營績效發生了如下變化:①2016年家庭農場的平均綜合效率為0.56,說明湖南省家庭農場的效率水平較低,存在較大提升空間，亟待改進。②將湖南省家庭農場2016年的平均綜合效率分解為平均純技術效率和平均規模效率,其值分別為0.61和0.92,純技術效率低于規模效率。由此說明,家庭農場效率偏低的主要原因是純技術效率較低,而不是規模效率低。即家庭農場的經營管理與資源配置水平比農場投入規模對其績效的影響更大,這與調整前的結論完全相反。③從效率值的分布情況來看,調整后家庭農場的區域特征比調整前更明顯,排在前面的高效率市域如長沙、岳陽、益陽,大都處于土地相對肥沃、經濟相對發達的環洞庭湖區，而效率偏低的湘西、懷化、永州等市,則多處在經濟相對落后的丘陵山區。這促使我們深入思考,湖南省各市家庭農場經營績效的高低與所在區域是否存在著一定的空間相關性。我們將測算出的家庭農場經營績效值作為被解釋變量,運用空間計量模型進一步探討金融支持家庭農場的作用途徑與空間溢出特征。

2 空間計量模型的構建與實證

2.1 模型構建與變量選擇

空間相關性分析:自Anselin[22]年把空間異質性的概念引入經濟計量模型以來,空間計量已經廣泛運用于經濟研究領域。本文首先以湖南省各市家庭農場的效率值和金融借貸量為衡量指標,繪制出相關數據的空間分布四分圖,以便直觀考察湖南省家庭農場在空間上的變動趨勢。從圖1可見,顏色深淺代表各市家庭農場經營績效(金融支持水平)的高低,顏色越深代表數值越高,反之越低。由圖1可知，湖南省家庭農場效率和金融借貸均表現出顯著的空間分異和集聚特征,越是相鄰的區域顏色越趨近。四分圖僅能從直觀上觀察空間分布特征,要從理論上來證實空間依賴性的存在,還需要進行更加精確的空間相關性分析。

計算全局和局部空間Moran指數是最常見的檢驗空間相關性方法，其中構建空間權重矩陣W是空間計量有效的關鍵。本文選擇鄰近空間權重矩陣進行計算。鄰接標準空間權重矩陣是采用queen鄰近計算方法來設置。即如果兩個樣本市相鄰,則相應的權重取值為1,否則為0。再運用局部Moran′s I指數方法檢測各市家庭農場績效值和金融支持水平的空間相關性(表3)。

圖1 2016年湖南省各市家庭農場相關指標空間分布四分圖

表3 Moran′I 檢驗結果

由表3的檢驗結果可知,湖南省14個市家庭農場樣本經營績效(金融支持水平)的Moran′s I正態統計檢驗值均為大于1%水平上的臨界值(1.96),即各市家庭農場的經營績效(金融支持水平)不是完全隨機分布,存在明顯的空間正相關集聚現象。即農場經營績效(金融支持水平)越高,周邊的農場績效(金融支持水平)也相對較高,農場效率低(金融支持水平)的樣本與低效率(金融支持水平)樣本也傾向于相鄰。因此,運用空間計量經濟方法檢驗家庭農場的金融借貸對其生產經營績效的影響是十分必要的。

繪制的LISA散點圖見圖2,用以分析各市域及其周邊地區效率值與金融支持水平的空間差異程度。由圖2可知,不論是家庭農場經營績效還是金融支持水平值,14個市中大部分都分布在第一象限、第三象限,即屬于高觀測值與高觀測值集聚、低觀測值與低觀測值集聚的空間相關形式,呈現高度的兩極化空間分布特征。這進一步證明了湖南省14個市家庭農場經營績效與金融支持存在顯著的空間相關性。

圖2 2016年湖南省各市家庭農場相關指標LISA分布圖

空間計量模型的選擇:常見的空間計量模型包括空間滯后模型(SLM模型)、空間誤差模型(SEM模型)、空間杜賓模型(SDM模型)等。其中,空間杜賓模型可表示為式(1),而SLM模型與SEM模型可看成是SDM的簡化:

Yit=α0+δWYit+βX+θWX+μit

(1)

式中,Y為被解釋變量;X為解釋變量集,表示影響被解釋變量的各類影響因素;解釋變量中W表示以地理空間特征設置的n×n階空間權重矩陣;WY表示空間滯后變量;系數β表示本地區的解釋變量對被解釋變量的影響程度;θ表示空間上相鄰的其他地區的解釋變量對本地區被解釋變量的空間外溢影響程度。其中,δ是空間自回歸系數,反映空間樣本觀測值之間的空間依賴性。若θ=0,則SDM轉變為SLM模型;若θ+δβ=0,則SDM轉變為SEM模型。根據Lesage、Pace[23]所述,選擇何種模型的關鍵在于一個區域的解釋變量是否對其他區域的被解釋變量也產生影響。

變量選取:式(1)中的被解釋變量是各樣本村家庭農場的經營績效值,由表2中調整后的測算結果用TE表示。對式(1)中解釋變量的選取,核心變量為借貸款規模(Fin)。為了避免遺漏變量造成的有偏估計,綜合現有文獻進一步增加了政府財政補貼(Aid)、農場主受教育年限(Edu)、農產品商品率(Com)、當地交通條件(Dis)4個影響家庭農場經營績效的因素,作為模型中的控制變量,具體描述見表3。

2.2 實證結果及分析

根據Lee、Yu[24]、Elhorst[25]的建議,采取擬極大似然法(QMLE)進行參數估計。Matlab7.0空間軟件包的檢測結果表明,在以上兩種空間矩陣的設置下,不論是Wald-spatial-lag值還是 LR-spatial-lag值均拒絕了θ為零和θ+δβ為零的原假設,證明選擇空間杜賓模型進行擬合的合理性。同時,Hausman檢驗結果也說明,采用固定效應模型比隨機效應模型更合適,體檢驗結果見表4。

表4 空間計量模型估計結果

注:W代表空間權重矩陣;*、**、***分別代表在1%、5%、10%顯著性水平下顯著;括號內為t值。

由表4的檢驗結果可知,R2值較高,Siga2較小且LogL的值較大,表明模型擬合度較高,模型設置和變量選取較合理。空間自回歸系數δ為正,證實了調研的各市家庭農場經營績效存在顯著的正向空間溢出特征。即農場績效高的樣本傾向于與高績效樣本相鄰,低效樣本則傾向于與同樣低效的樣本空間相鄰。

空間杜賓模型的系數估計值與傳統的空間滯后模型或空間誤差模型不同,回歸系數并不能反映自變量對因變量的影響,而是要通過求解偏微分的方式,將影響系數分解為直接效應和間接效應。其中,直接效應是表示解釋變量對本地區被解釋變量造成的影響,間接效應表示解釋變量對其他地區被解釋變量造成的影響,反饋效應則代表本地區解釋變量的外溢作用對鄰接地區產生影響,鄰接地區通過被解釋變量的外溢效應又將這種作用反饋回本地區。因此,我們利用Elhorst、Fréret[26]提供的方法進一步將結果分解,結果見表5。

表5 空間杜賓模型的直接效應和間接效應

注:***、**、*分別代表在1%、5%和10%的顯著性水平下顯著。

首先,從核心解釋變量金融借貸規模來看,其直接效應和間接效應均顯著,但直接效應為正值,間接效應為負值。即在我國水稻主產區湖南省的各市,金融支持對家庭農場的作用具備一定的空間流動性特征,不僅對增加本市家庭農場經營績效產生促進作用,還會對鄰近市域家庭農場生產經營績效產生負面溢出效應。這說明:一方面,由于金融支農政策的實施,信貸資金逐步進入農村,滿足家庭農場迅速發展的資金需求,對家庭農場經營績效的提升起到了顯著作用;另一方面,在當前金融資源尤其是農村金融資源稀缺的約束下,相鄰市域和本市家庭農場在爭取金融資源方面可能存在著競爭關系。

其次,對幾個控制變量具體分析:①財政補貼的直接效應顯著且為正值,是所有控制變量直接效應中最大的,進一步證實了財政支持對家庭農場發展的重要作用,這也與現有文獻的研究結論一致。其間接效應不顯著,原因可能是:當前湖南省財政補貼政策在各市間并無本質差異,均為農地經營規模的函數(按1500元/hm2進行補貼)。②農產品商品率的直接效應與間接效應均顯著且為正值,表明提高農產品商品率、推進農業市場化改革、改善農產品市場環境,有助于本地與鄰近地域家庭農場經營水平的提高。③農戶受教育年限。家庭農場主教育水平提高能對農場經營績效發揮顯著地直接效應與間接效應。說明教育在促進本地區農村經濟發展的同時,通過創造更多的就業機會、勞動力流動等機制傳導和帶動相鄰地區,產生正向空間外溢效應。④交通條件的直接效應顯著且為正值,但間接效應不顯著。意味著離市區距離越近,越有利于本市家庭農場生產經營績效的提高,但不具備空間外溢特征。

3 結論與政策建議

本文綜合運用三階段DEA方法與空間杜賓模型,分析并檢驗金融支持與家庭農場經營績效的關系,得出以下結論:①從整體情況看,湖南省各市家庭農場效率偏低,存在較大提升和優化空間,且家庭農場的資源配置與內部管理水平較資源投入規模而言,對效率值的制約更大。②樣本地區家庭農場的效率值并非完全隨機分布,具有明顯的空間相關性。其空間聯系的特征是:具有較高效率的市域趨于與具有較高效率的市域相靠近,效率較低的市域趨于與效率較低的市域相鄰。③當前金融信貸對于家庭農場經營績效的提升作用明顯,金融支持政策是當前家庭農場發展的重要推動力量,但各地對金融資源的競爭導致的負面擠出效應并不利于鄰近市域農場效率提高。④農戶受教育水平和市場化水平不僅影響本區域家庭農場效率,對相鄰地區的農場效率也產生較明顯的空間外溢效應,而財政補貼與交通條件兩個因素僅僅表現出了影響本地農場的直接效應。

基于以上分析,提出以下政策建議:①基于當前家庭農場經營績效在湖南省各市之間具有顯著的正向空間依賴性,因此可考慮建立區域內示范性家庭農場,作為政策扶持的重點對象,并為農戶提供不定期經驗交流機會,加強各農場間的交流和合作,促進其“示范效應”和“集聚效應”發揮作用,由此帶動鄰接和整體地區家庭農場發展。此外,促進農場效率的提高,不能一味追求增加資產投入和規模擴大,而應更加偏重于內部管理水平提高和資源合理配置。②大力發展農村金融,繼續積極引導向家庭農場傾斜。一是要構建更加完善的農村金融體系,從金融機構改革入手,引導城市和工業資金反哺農村與農業,抑制農村資金脫農化趨勢,促進農村金融機構的放貸積極性。二是要完善金融機構對家庭農場的信貸服務的政策環境,降低農業貸款的門檻,創新抵押模式,實行利息補貼等滿足家庭農場對資金的需求。三是在制定區域農村金融政策時,必須充分考慮其空間溢出效應,積極發展農村合作金融,加大實施跨區域農村信貸資金的投入,保證在促進金融充分發揮直接效應的同時,改善農村金融資源稀缺約束,避免家庭農場之間的惡性競爭,扭轉和改善負面的空間溢出作用。③繼續發揮財政補貼、農村教育對家庭農場績效提高的直接效應,制定符合農戶需求的財政政策,加大財政投入,落實政府對家庭農場的各類補貼政策,讓補貼真正服務于家庭農場培育;引導教育資源向農村流入,加大家庭農場文化教育培訓和農技推廣使用的支持力度,努力提高家庭農場戶的素質和專業水平,把家庭農場典型示范與職業農民教育培訓結合,促進教育空間外溢效應的充分發揮;積極促進市場化,繼續規范農村要素市場和農產品市場,提升農產品商品化水平,充分發揮市場機制在推進家庭農場建設和發展過程中的基礎作用。

:

[1]Patrick H T.Financial Policies and Economic Growth:An Overview[J].European Economic Review,1966,37(2)∶56-68.

[2]Wyn G,Anne M.N.The Relationship Between Bankers and Farmers:An Analysis of Britain and Ireland[J].Journal of Rural Studies,1996,12(4)∶429-437.

[3]Chaffin M R.Stealing the Family Farm：Tortious Interference with Inheritance[J].San Joaquin Agricultural Law Review,2004,14(1)∶73-96.

[4]Shahidur R,Handker H K,Rashid R Faruqee.The Impact of Farm Credit in Pakistan[J].Agricultural Economics,2003,28(3)∶197-213.

[5]Bjorkhaug H.Exploring the Sociology of Agriculture：Family Farmers in Norway-future or Past Food Producers?[M].Erasga D.Sociological Landscape-Theories,Realities and Trends.Rije-ka InTech,2012∶283-304.

[6]趙振宇.基于不同經營主體的農地承包經營權抵押問題研究[J].管理世界,2014,(6)∶174-175.

[7]張宗毅,杜志雄.土地流轉一定會導致“非糧化”嗎?——基于全國1740個種植業家庭農場監測數據的實證分析[J].經濟學動態,2015,(9)∶63-69.

[8]朱啟臻.新型職業農民與家庭農場[J].中國農業大學學報(社會科學版),2013,(2)∶157-159.

[9]趙佳,姜長云.兼業小農抑或家庭農場——中國農業家庭經營組織變遷的路徑選擇[J].農業經濟問題,2015,(3)∶11-18,110.

[10]黃祖輝,俞寧.新型農業經營主體：現狀、約束與發展思路——以浙江省為例的分析[J].中國農村經濟,2010,(10)∶16-26．

[11]胡德.金融支持家庭農場發展的實踐與思考——源于湖北家庭農場樣本[J].武漢金融,2014,(8)∶54-55.

[12]汪艷濤,高強,金煒博.農村金融支持影響家庭農場培育的機理與實效——基于金融支持來源視角的實證檢驗[J].財經論叢,2015,(9)∶34-41.

[13]蘭勇,周孟亮,易朝輝.我國家庭農場金融支持研究[J].農業技術經濟,2015,(6)∶48-56.

[14]林樂芬,俞涔曦.家庭農場對農地經營權抵押貸款潛在需求及影

響因素研究——基于江蘇191個非試點村的調查[J]. 南京農業大學學報(社會科學版),2016,(1)∶71-81，164.

[15]鄧道才,唐凱旋,王長軍. 家庭農場借貸需求和借貸行為的影響因素研究——基于安徽省168戶家庭農場的調研數據[J].寧夏社會科學,2016,(4)∶96-104.

[16]Balezentic T,Krisciukaitien.Family Farm Efficiency Across Farming Types in Lithuania and Its Managerial Implications-data Envelopment Analysis[J].Management Theory and Studies for Rural Business and Infrastructure Development,2013,30(1)∶22-30.

[17]曹文杰.基于DEA-Tobit模型的山東省家庭農場經營效率及影響因素分析[J].山東農業科學,2014,46(12)∶133-137.

[18]陳永富,曾錚,王玲娜.家庭農場發展的影響因素分析——基于浙江省13個縣、區家庭農場發展現狀的調查[J].農業經濟,2014,(1)∶3-6.

[19]Fried L,Schmidt M,Yaisawarng R.Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J].Journal of Productivity Analysis,2002,17(1-2)∶157-174.

[20]Simar L,Wilson P W.Estimation and Inference in Two-stage,Semi-parametric Models of Production Processes[J].Journal of Econometrics,2007,136(1)∶31-64.

[21]黃珂,張安錄,張雄.中國城市群農地城市流轉效率研究——基于三階段DEA與Tobit模型的實證分析[J].經濟地理,2014,34(11)∶74-80.

[22]Anselin.Spatial Econometrics：Methods and Models[M].Dordrecht：Kluwer Academic Publishers,1988.

[23]Lesage J,Pace R.Introduction to Spatial Ecomometrics[M].Chapman&Hall/CRC,2009.

[24]Lee L F,Yu J.Some Recent Developments in Spatial Panel Data Models[J].Regional Science & Urban Economics,2010,40(5)∶255-271.

[25]Paul Elhorst J.Applied Spatial Econometrics：Raising the Bar[J].Spatial Economic Analysis,2010,5(1)∶9-28.

[26]Elhorst J P,Fréret S.Evidence of Political Yardstick Competition in France Using a Two-regime Spatial Durbin Model with Fixed Effectes[J].Journal of Regional Science,2009,49(5)∶931-951.