基于GMM模型的農業貸款減貧效應分析

摘 要：本文首先從理論上分析了農村貧困問題難以解決的原因，貧困消除的方法以及金融減貧效應的作用機制，采用動態面板數據來分析以農業貸款為代表的農村金融的減貧效應。利用stata13.0、Eviews7.0進行計量經濟學實驗操作，通過分析兩種GMM的測試結果得出農業貸款量與農村貧困水平指標之間的關系，為今后的有關研究提供借鑒。同時，根據所得的計量結果，結合環渤海地區各省份（直轄市）農村的具體情況，提出合理可行的農村金融減貧建議。

關鍵詞：農業貸款? 減貧效應? GMM模型? 混合OLS回歸

中圖分類號：F830.5 文獻標識碼：A 文章編號：2096-0298（2020）04（a）-03

環渤海地區是我國重要的經濟地帶，它既包括我國的政治中心北京，也包括我國重要的港口天津，還包括我國三個農業大省河北、山東、遼寧。近年來國家的“京津冀協同發展”等計劃明確指出要把環渤海區域打造成比肩于長三角和珠三角的中國經濟第三極。環渤海地區的五個省份，人口數量巨大，除兩個直轄市外，均存在大量的農村人口，這其中貧困人口數量眾多，農民貧困問題亟待解決。此外，農村人口對金融知識的認知水平有待提高，對于農村金融風險多采取回避態度，他們大多采取的金融活動只有存款，因此，鼓勵與引導他們充分利用閑散資金進行多種金融活動成為農民減貧的重中之重。目前，金融減貧已成為全國各省市普遍采用的一種減貧模式，它不僅可以吸收閑散資金、鼓勵農民自主創業，實現“錢生錢”，還可以充分調動資金流動，使得農村資金與城市資金“接軌”，活躍資本市場，為中國經濟注入了新鮮血液，對全面建設小康社會的目標實現具有重要的作用。本文立足于金融工作起步較晚、金融觀念較落后的農村，對其減貧具有一定的實際和理論價值。

通過國內外學者對農村小微金融的實證研究對比可以發現，國外多采用國際間的數據，而國內多采用國內的省際、縣際數據，但是研究結論如出一轍，大部分人認為農業貸款對減貧有促進作用，少部分人認為影響微弱，減貧還是要靠其他方面的力量。我國制度比較特殊，地域發展不均衡，選取的樣本若存在差異，則研究結論可能也不盡相同。本文選取環渤海經濟區，結合我國的具體情況，以跨越20年的五省動態面板數據為樣本進行分析。此外，選取有針對性的指標，以農村農業貸款量作為農村金融的代表，構建GMM模型來研究農村金融對農民生活水平的影響，以明確農業貸款的真正作用，并有針對性地對農村脫貧提出可行建議。

1 環渤海地域農業貸款減貧效果的實證分析

本文數據來源于《中國金融年鑒》《中國農業年鑒》、WIND、中經網。選取環渤海區域五個省（直轄市）（北京、天津、遼寧、河北、山東）1996—2015年的面板數據。本文選擇的主要數據包括環渤海地區五個省份的農民恩格爾系數、農村農業貸款量、農村GDP總量、農業投資額度、農業機械總動力等指標，對其中部分數據進行取比值等操作構建指標，然后對所有指標取對數以盡可能地消除異方差的影響，構建被解釋、解釋和控制變量。

1.1 指標的選取

本文選擇的被解釋變量是農民恩格爾系數。數值的大小代表農民生活的貧富。實證分析時采取小數的形式，分析前同樣要對數據取對數以消除數據的異方差。

1.1.1 解釋變量

農業貸款相對規模（RCS）是農村農業貸款量與農村GDP的比值，它衡量的是農村生產的GDP中轉化為農業貸款的比例，農業貸款相對規模也是核心內生解釋變量之一，也在相當程度上表征了農業貸款，其規模越大，農業貸款的發展水平越高。同樣，實證分析部分采用的數據也是該指標取對數之后的數值。另外一個內生解釋變量選擇農村農業貸款量（RPG），在實證分析前同樣要對數據取對數以消除數據的異方差。

1.1.2 農村農業貸款量

農村農業貸款量（RAC）是指每個省份農村用于農業生產的貸款量的總和，單位是萬元，本文中，農村農業貸款量被設定為核心內生解釋變量之一，作為農業貸款的代表指標之一，實證分析部分采用的數據是該指標取對數之后的數值，其數值越大代表農業貸款量越多，農村農業貸款發展水平越高。

農村GDP是指環渤海地區五個省份各自農村地區的GDP總量，單位為萬元。

1.1.3 控制變量

控制變量選擇了農村農業投資量（NRT）以及農村化肥使用量（NHL）兩個對農民生活有顯著影響的指標，二者的單位分別為億元和萬噸。工具變量方面，選擇的是二者滯后一階的數值。在開始實證分析前，要對農村農業投資量和農村化肥使用量的值取對數以盡量去除異方差。為了做到GMM要求的變量個數恰好識別，控制變量個數設定為兩個。

1.2 實證分析

本文依據C-D函數的變形式，即：

lnengit = β0 + β1lnengit-1 + β2lnrcsit +β3lnracit + β4lnrpgit + β5lnnrtit + β6lnnhlit +εit

為了考慮被解釋變量自身存在的時間效應，我們將被解釋變量滯后一階的數值也放入了等式右邊作為被解釋變量，式中i代表五個省份， t代表1996—2015的20年。在進行回歸之前，首先需要對模型以及數據進行檢驗，檢驗結果在5%的顯著性水平下均顯著。經過LM檢驗，拒絕混合回歸模型;經過豪斯曼檢驗，固定效應模型的效果優于隨機效應模型，所以應選擇固定效應模型。

對OLS回歸系數進行修正之后的全面FGLS估計結果在5%的顯著性水平下拒絕原假設，說明回歸系數可信。回歸系數除了農村GDP指標，其余指標均在5%的顯著性水平下顯著，農村GDP指標在10%的顯著性水平下也顯著，回歸結果可信。

對于上述的回歸結果，我們可以看出農業貸款對農民恩格爾系數的影響為正，即會較大程度地增加農民貧困程度，這與預想存在較大差異，因此考慮數據本身的性質，首先數據經過LLC檢驗后均不平穩，其中lnrpg為二階單整，其余變量皆為一階單整。所有的結果在5%的顯著性水平下均拒絕原假設。不平穩的回歸會導致結果存在誤差，因此上述混合OLS回歸結果可信度較低，因此進一步采用GMM進行廣義矩估計。

由于數據的不平穩，加之前面的估計值只是建立在長面板的基礎上進行的分析，考慮的僅僅是固定效應，固定效應會造成回歸參數的偏差，因此接下來采用動態面板對回歸參數進行更為準確的估計，運用的具體方法為差分GMM和系統GMM方法。

1.2.1 差分GMM結果

差分GMM結果如表1所示。

1.2.2 系統GMM結果

系統GMM結果如表2所示。

所有的回歸結果在5%的顯著性水平下均顯著，所以回歸系數較可信。差分GMM和系統GMM的回歸系數有差距，但是lnrcs和lnrac的回歸系數皆顯著為負，證明農業貸款的確可以降低農民恩格爾系數，提高農民生活水平。

2 研究結論和對策建議

本文利用GMM模型研究了農村農業貸款與農民恩格爾系數之間的關系，在建立計量經濟學模型的基礎上，以北京、天津、遼寧、河北、山東五個省份為樣本，選取1996—2015年面板數據，運用混合OLS回歸、差分GMM和系統GMM三種方法分析農村金融的減貧效應，得出了以下研究結論：

（1）環渤海區域農業貸款對農民恩格爾系數有一定程度的影響：農業貸款專為農村生產而設，以長期貸款為主，完美地契合了農村生產的特性，增加了農民的生產積極性。農業貸款可以起到提高農民生活水平，降低農民貧困的作用。

（2）環渤海區域農村農業貸款對農民生活水平提高的效用有限：僅僅依靠以農業貸款為代表的農村金融，還是遠遠不夠的，提高農民生活水平，還需要其他各方面的支持，比如政府財政支持、農業技術革新、農業機械動力等，只有多方面協同作用才能顯著地降低農民貧困程度，提高農民生活水平。

結合時代大背景，在實證檢驗的基礎上，本文給出以下建議：

利用北京市的輻射作用，積極推廣北京已有的農村金融產品。其他各省政府在全省范圍內繼續大力推廣農村農業貸款的同時，要將其他各領域的金融產品也帶到農村，比如針對于自然、人為災害的農業保險、林業保險、林業貸款、漁業保險、漁業貸款等，還有針對于大宗商品規避風險的期權、期貨等產品，創設完善的農村正規金融市場，真正發揮金融市場的作用。

由于環渤海區域的農民觀念等方面的原因，農村的恩格爾系數會有短期的上升，在這段時間，政府的財政政策就顯得尤為重要，它可以在短期內彌補可支配收入不足的問題，消除農民的后顧之憂。此外，科學技術始終是第一生產力，拋開技術，再完備的金融體制也不足以使農民的生活水平有質的飛躍。各省應充分利用北京、天津等地先進的技術，加大農業科技方面的重視力度，采取高校對接、設備下鄉、科學家下鄉、增加農業機械動力、改良化肥等政策，改善農民生產方式，縮減生產風險，增大生產效率，增加農作物產量。

參考文獻

Ariel Ben Yishay， Andrew Fraker， Raymond Guiteras， Giordano Palloni， Neil Buddy Shah， Stuart Shirrell， Paul Wang， Microcredit and willingness to pay for environmental quality： Evidence from a randomized-controlled trial of finance for sanitation in rural Cambodia， Journal of Environmental Economics and Management， Available online 25 November 2016， ISSN 0095-0696.

Gashaw Tadesse Abate， Shahidur Rashid， Carlo Borzaga， Kindie Getnet， Rural Finance and Agricultural Technology Adoption in Ethiopia： Does the Institutional Design of Lending Organizations Matter？， World Development， Volume 84， August 2016， Pages 235-253， ISSN 0305-750X.

G. Dorfleitner， S. Just-Marx， C. Priberny， What drives the repayment of agricultural micro loans？ Evidence from Nicaragua， The Quarterly Review of Economics and Finance， Volume 63， February 2017， Pages 89-100， ISSN 1062-9769.

傅鵬，張鵬.農村金融發展減貧的門檻效應與區域差異——來自中國的經驗數據[J]. 當代財經，2016（06）.

高遠東，張衛國.中國農村非正規金融發展的減貧效應研究[J].西南民族大學學報（人文社會科學版），2014（12）.

師榮蓉，徐璋勇，趙彥嘉.金融減貧的門檻效應及其實證檢驗——基于中國西部省際面板數據的研究[J].中國軟科學，2013（03）.

蘇靜，胡宗義.農村金融減貧的直接效應與中介效應——基于狀態空間模型和中介效應檢驗的動態分析[J].財經理論與實踐，2015（04）.

作者簡介：李震（1977-），男，山東萊州人，單位：中國建設銀行股份有限公司青島南京路支行，中級經濟師，本科，研究方向：金融市場。