農村金融發展效率的區域異質性對農業綠色TFP的影響研究

楊林燕，王 俊

(1.龍巖學院 經濟與管理學院，福建 龍巖 364000；2.湖南科技大學 商學院，湖南 湘潭 411201)

一、引言

進入21世紀，隨著農業科技進步和生態環境保護意識的加強，中國農業正逐漸向產品安全、資源節約和環境友好的綠色發展之路轉型。農業綠色發展是以資源環境承載力為基準、以綠色科技創新為支撐的新發展模式，農業綠色全要素生產率(TFP)的增長是促進農業綠色轉型的重要因素。農業綠色TFP的增長主要源于兩個方面：一是農業綠色創新，二是農業綠色技術進步。農業綠色技術創新是一項投資風險高且投資周期長的活動，創新活動的開展離不開農村金融系統的支持。隨著農村金融體制改革的深化，農村金融服務“三農”的效率在不斷提升。那么，農村金融發展效率對農業綠色TFP的增長有何影響？農村金融發展效率提高了中國農業綠色TFP嗎？

金融發展與全要素生產率關系的研究始于Romer[1](P1 002-1 037)提出的內生增長理論，此后諸多學者研究了依靠金融支持的內生技術進步對全要素生產率增長的影響。金融市場為企業開展研發活動提供了重要的融資渠道，一方面，發達的金融市場通過融資價格可以有效引導資金流向技術創新項目，推動技術升級和科技成果轉化[2](P111-135)[3](P151-185)，另一方面，完善的金融系統通過提供較好的項目風險評估服務，可以有效激勵投資者對創新活動的支持，進而促使企業技術研發活動能夠長期穩定地開展。[4](P1 964-2 002)

隨著中國農村金融市場的發展和金融體制改革的深化，國內一些學者開始關注農村金融發展與農業TFP的關系。基于全國層面的數據，部分學者從農業視角分析了農村金融發展與農業技術進步的關系，認為農村金融發展通過促進農業技術進步進而提高了農業TFP[5](P23-26，22)[6](P87-95)，且農村金融發展對農業技術進步的影響具有顯著的區域差異。[7](P32-41)徐璋勇等[8](P35-37)基于西部11個省的面板數據，研究發現西部農村金融發展對農業TFP的提高起到了促進作用，且主要得益于農業技術進步的推動。另外一些學者的研究卻得出了相反的結論：李曉陽等[9](P5-8)研究發現隨著農地經營規模的擴大，農村金融發展對中國農業TFP的抑制作用會逐漸加大。孟守衛[10](P77-82)基于農村金融市場結構的視角進行研究，認為壟斷性較高的農村金融市場結構抑制了農業TFP的增長。由于對農村金融發展水平選取的衡量指標不同且所研究的時間范圍也不同，上述學者們的研究未取得一致的結論。

上述研究存在的不足：第一，現有實證分析主要考察了農村金融發展對農業TFP的影響，鮮見對考慮了農業面源污染排放等非期望產出的農業綠色TFP的影響研究。農業綠色TFP的增長是實現農業可持續發展的重要保障。第二，已有文獻大多基于實證分析，缺乏農村金融發展對農業綠色TFP影響的理論分析。第三，關于農村金融發展對農業TFP的影響研究大多缺乏區域異質性的分析。由于各地區農村信用交易費用不均等，且各地農村金融機構的發展效率具有異質性，因此農村金融機構的地區分布及其對農業綠色TFP的影響作用也具有異質性。鑒于此，本文將從理論層面深入探究農村金融發展的區域異質性對農業綠色TFP的內在影響機制，并利用省級面板數據進行實證檢驗。

二、農村金融發展的區域異質性對農業綠色TFP的影響機制

農村金融機構作為服務農業和農村發展的重要組織，可以為開展農業綠色技術創新活動的各類新型農業經營主體提供信貸發放、風險評估、資產抵押等相關服務。一方面，農村金融通過資本配置效應可以增加農業綠色創新資金投入規模，通過綠色信貸產品引導農業經營主體進行農業綠色創新研發，推動農業綠色技術進步，提高農業綠色TFP；另一方面，由于農村金融機構對投資風險的管理存在差異性，使得信貸資金的流向性不確定，因此農村金融發展對農業綠色TFP的影響方向不確定。農村金融發展效率對農業綠色TFP的影響機制如圖1所示。

圖1 異質性農村金融發展效率對農業綠色TFP的影響機制

(一)農村金融通過資本配置效應影響農業綠色創新資金投入

由于開展農業綠色技術創新活動需要較多資金，在政府財政支農資金有限的情況下，農村金融的發展為各類農業經營主體獲得創新投入資金提供了必要的支持。農村金融機構通過儲蓄動員和貸款項目選擇，可以實現資金盈余者和資金需求者之間的調劑，提高資金的使用效率。將農村閑散的資金聚集在一起，可以增加農村金融機構的儲蓄規模，再通過農業綠色創新貸款項目選擇，將聚集的資金發放出去，提高農業綠色創新的資金投入。由于各地區農村金融發展水平的不一致，各農村金融機構對農業綠色技術創新主體的資金供給存在明顯的區域差異。總體經濟實力雄厚地區的農村金融機構在資金供給者和資金需求者之間的調劑效率較高，能較好地滿足農業綠色創新投入的資金需求，有助于擴大農業綠色創新的投入規模，進而更有可能提升農業綠色TFP。而經濟欠發達地區的農村金融資本配置效率較低，各類農業經營主體的融資需求較難以得到滿足。由于農業綠色創新投入需要融資，并且在創新過程中可能要承受短期內的收益下降，因此在融資需求無法及時得到滿足的情況下，農業綠色創新資金投入不足會影響農業綠色TFP的提升。

(二)農村金融通過風險管理效應影響農業綠色技術創新和推廣

由于農業生產投資收益不確定，農業綠色技術創新投資風險往往較高，難以吸引零散的資金供給者進行投資。專業化的金融機構可以通過收集資金需求者的相關信息、簽訂有效的金融契約和對融資者進行事后監督，提高投資風險管理效率。[11](P4-17)各地經濟發展水平的差異使得各地農村金融機構的資產規模不均等，經濟發達地區的農村金融機構往往擁有較大的資產規模，而欠發達地區的農村金融機構的資產規模通常較小。擁有較大資產規模的農村金融機構能通過多種合理的資產組合來分散風險，因此可以為農業經營主體開展綠色技術創新活動提供較大額的貸款，而資產規模較小的農村金融機構由于較難有效分散資產風險，能夠為農業經營主體提供的綠色技術創新貸款資金往往較少。相對于農業綠色技術創新，農業綠色科技成果的推廣需要的資金通常較少且投資風險較低，但同時投資收益也較低，因此在資本逐利的驅動下，資產規模大的農村金融機構會傾向于投資農業綠色技術創新，而資產規模小的農村金融機構則更多地選擇投資綠色技術推廣。此外，對于一些風險管理效率低的農村金融機構，在資本逐利的驅使下更愿意將資金投到低風險、高回報的非綠色農業項目，進而抑制了農業綠色技術創新，阻礙了農業綠色TFP的增長。

(三)農村金融通過綠色信貸效應引導農業綠色創新研發

在環境規制的約束下，農村金融機構通過金融創新，不斷豐富完善綠色金融產品供給體系，提供具有綠色導向的信貸服務，推動農業綠色發展。經濟發達地區的農村金融機構數量較多，分布較廣，彼此之間競爭激烈，金融產品創新活動較多。為吸引優質客戶，許多金融機構往往會加快綠色金融產品創新，在綠色信貸方面不斷優化產品組合，對資源環境友好型的農業綠色生產經營主體予以政策性優惠傾斜，提高農戶進行農業綠色創新的積極性。通過綠色金融創新增加農業綠色發展資金供給幅度，同時加強環境友好型農業技術信貸服務的宣傳，引導各類農業經營主體積極進行農業綠色創新、優化農業資源組合、擴大規模經濟效應，進而提高農業綠色TFP。而經濟欠發達地區的農村金融機構數量較少，由于缺乏競爭，金融機構進行綠色信貸產品創新的動力往往不足，使得金融服務與農業綠色發展的要求契合不夠。農戶進行農業綠色創新研發的積極性難以被調動，進而影響當地農業綠色TFP的提升。

基于以上分析，本文提出如下假設：

H1:農村金融發展效率會影響農業綠色TFP的增長。

H2:農村金融發展效率對農業綠色TFP的影響具有顯著的地區差異。

三、實證模型與變量設定

(一)計量模型構建

本文借鑒Jun[12](P97-115)，李健等[13](P47-64)等學者的研究思想，假定農業綠色TFP受到內生的農村金融發展水平的影響，采用的生產函數形式為

Yit=Eit×f(Kit,Lit)，

(1)

式(1)中，Y表示區域農業生產總值，E表示農業綠色TFP(AGTFP)，K表示資本投入，L表示勞動投入。假定E為一個包含農村金融發展效率(FD)的多元組合，即

(2)

式(2)中，Ei0為初始值，Control為控制變量。將式(2)代入式(1)，進一步變形，可以得到：

(3)

對式(3)兩邊取對數，可以得到：

lnAGTFPit=θ+αlnFDit+βlnControlit。

(4)

進一步考慮到內生性問題及農業綠色TFP的變化是一個動態連續過程，全要素生產率不僅與當期因素有關，還可能受到前一期的影響，即農業綠色TFP的變動具有一定的累積效應，為此加入滯后一期的農業綠色TFP作為控制變量，從而構建動態面板數據模型，在式(4)的基礎上得到本文的主要計量模型為

lnAGTFPit=θ+λlnAGTFPi,t-1+αlnFDit+βlnControlit+δi+εit。

(5)

(二)變量設定與數據來源說明

1.被解釋變量

農業綠色TFP(AGTFP)是被解釋變量。傳統的農業全要素生產率的測算沒有考慮到農業生產過程中的污染排放，不能全面反映農業可持續發展的要求，兼顧環境污染等非期望產出的農業綠色TFP可以更加全面地反映農業綠色增長情況。數據包絡分析法(Data Envelopment Analysis, DEA)是一種非參數方法，在測算生產效率時不需要事先設定函數形式，可以有效避免來自函數設定方面的偏差，在綠色全要素生產率測算中被廣泛使用。[14](P99-100)Chung等[15](P229-240)提出了方向性距離函數模型(Directional Distance Function, DDF)，該模型將環境污染等壞產出或者非期望產出納入生產率分析框架，是對徑向DEA模型的一般化表達。通過定義方向向量，理論上可以使無效決策單元(Decision Making Unit, DMU)沿任意設定的方向投影到前沿。該模型對好產出和壞產出區別對待，通過設定好產出增加和壞產出減少的具體方向來評價考慮環境污染因素后的實際生產率。在DDF-DEA模型的基礎上，Tone[16](P32-41)提出了包含壞產出的SBM超效率模型。Pastor等[17](P266-271)提出的全局參比Malmquist指數(Global Malmquist)計算方法解決了線性規劃模型無可行解的問題，Oh[18](P183-197)在此基礎上將其與Malmquist-Luenberger(ML)指數結合形成GML(Global Malmquist-Luenberger)指數，用來分析全局全要素生產率的變化。本文將采用GML指數測算農業綠色TFP。

(1)測算方法

P(x)={(x,y,b)|x≥Xλ,y≤Yλ,b=Bλ,λ≥0}，

(6)

式(6)中，λ表示線性組合系數的權重；根據F?re等[19](P1 055-1 066)的研究， 是一個有界閉集，且滿足投入要素與好產出強可處置性、壞產出弱可處置性以及好產出與壞產出零結合性的性質。

為有效測度包含壞產出的生產率，需要引入Chung等[15](P229-240)提出的方向性距離函數。假定方向向量為g=(gy,-gb)，包含壞產出的方向性距離函數則可表示為

(7)

式(7)中，β是表達好產出增加與壞產出減少的最大可能數量。

根據環境約束下的生產技術測算的生產率由于參考的是各期不同的生產前沿面，因此不具有動態可比性。Oh[18](P183-197)提出的GML指數測算方法將當期的生產可能集P(x)替換為全局生產可能集PG(x)，使得各期參考的是共同的全局前沿面，由此測算出的生產率指數更具可比性。類似于ML指數，GML指數也可以分解為兩個方面的變化，一是被評價決策單元在兩個時期內的全局技術效率的變化(Technical Efficiency Change, EC)，二是全局生產技術的變化(Technological Change, TC)。[14](P99-100)GML指數及其分解表達式為

(8)

(2)測算指標

借鑒已有文獻研究和基于可得數據，本文選取農業土地、勞動力、機械總動力等作為農業生產投入指標，以各地區農業總產值作為農業期望產出的指標，以農業生產生活帶來的面源污染作為農業非期望產出，具體見表1。

表1 農業投入與產出指標

上述投入指標中，勞動力投入以各地區年末從事農業的人數表示，該數據無法從現有統計資料中直接獲取，本文借鑒葉初升等[20](P116-125)及其他文獻，按照農業產值占農林牧漁總產值的比重，對農業從業人員從各地區年末從事農林牧漁的總人數中進行分離。非期望產出以農業面源污染表示，參照李富田等[21](P100-103)的研究，我國農業面源污染主要包括農田化肥、禽畜養殖、農田固定廢棄物及農村生活四大類污染所帶來的化學需氧量、總氮和總磷的排放量。非期望產出指標數值需要測算，具體計算方法首先參考賴斯蕓等[22](P1 184-1 187)的清單分析法，結合2011年第一次全國污染源普查發布的化肥、農藥等流失系數和各地區的土壤特征、地形地貌特征等，確定農田化肥、禽畜養殖等上述四大類的排污清單、污染物單元產污強度和排放系數；并參照梁流濤[23](P73-74)的核算公式，根據上述污染物單元產污強度參數和排放系數，計算各省區分年度的農業面源污染。

(3)農業綠色TFP變化指數及分解指數測算結果

利用公式(8)，本文使用MATLAB軟件測算了2001～2018年我國農業綠色TFP指數及其分解指數，具體測算結果見表2。

表2 中國農業綠色TFP指數及其分解指數

由表2可以看出，2001～2018年我國農業綠色TFP指數(GML)總體呈上升趨勢，在樣本期間內平均增長2.81%；農業綠色技術進步指數值(GMLTC)在樣本期間內均大于1，平均增長2.69%，表明農業綠色技術在樣本期間內實現了顯著進步。據《中國農業農村科技發展報告(2012～2017)》顯示，我國農業科技進步貢獻率由2012年的53.5%提高到2017年的57.5%。農業綠色技術進步促進農業產業不斷優化升級，推動農業綠色發展。農業綠色技術效率指數值(GMLEC)在樣本期間內平均增長0.07%。農業綠色技術效率指數值在2003～2004年、2007～2009年及2012～2013年間均小于1，表明這些年份的農業綠色技術效率與上一年相比出現顯著下降。2003年淮河、滁河、巢湖流域發生大洪水，渭河流域發生了特大洪澇災害；2007年淮河流域出現特大暴雨洪澇；2008年南方地區出現罕見的大范圍雨雪冰凍災害；2008年汶川地震、2010年玉樹地震及2013年雅安地震，以上這些自然災害事件對農業綠色生產的破壞性較大，降低了農業綠色技術效率。

2.核心解釋變量

農村金融發展效率(FD)是計量模型的核心解釋變量。已有文獻對農村金融發展水平的衡量指標不統一，主要從農村金融市場結構、農村金融發展效率或者發展規模等角度考慮。相對于金融市場結構和金融發展規模，金融發展效率能更全面地反映金融機構的整體服務效率，因此，本文選取農村金融發展效率作為核心解釋變量。農村信用社在服務農村、農民和農業發展方面有著悠久的歷史，在農村金融機構中占據重要地位，可以為農業綠色化發展提供必要的金融支持。鑒于《中國金融年鑒》中對于農村信用社的統計數據較完整，本文用各省區農村信用社年末人民幣貸款余額與年末存款余額的比率來表示農村金融發展效率。

3.控制變量

為了減輕由于遺漏變量帶來的內生性問題，結合理論與已有的實證研究，本文選取農業出口水平、勞動力文化水平、農民收入水平、農業受災率、財政支農作為控制變量。

農業出口水平(EX)：在綠色壁壘和環境規制的雙重約束下，農業出口水平在一定程度上可以反映一個地區綠色農業的生產情況。本文用各省區農業出口總值占該地區生產總值比重來表示農業出口水平。

勞動力文化水平(EDU)：隨著農民文化水平的提高，綠色農業種植技術的推廣和應用能力也將逐步提升，這將可能影響地區農業綠色TFP。本文用農村居民平均受教育年限來衡量勞動力文化水平，根據已有文獻的計算方法，小學教育程度計6年，初中教育程度計9年，高中教育程度計12年，大專及研究生教育程度計16年，將每種受教育程度的居民占各省區六歲及以上人口的比重與相應的受教育年限相乘，加總之和即為該地區農村勞動力的文化水平。

農民收入水平(INCOM)①：肖干等[6](P87-95)以及葉初升等[20](P116-125)的研究表明農民在生產過程中對農業科技的運用與其收入水平密切相關。相對于低收入地區，人均收入水平更高的地區更有可能進行農業技術創新的投資，進而影響該地區的農業綠色TFP。

農業受災率(DISA)：該指標用各省區受災面積占農作物年度總播種面積比重來衡量，比重越大，表示該地區農業生產的自然環境越惡劣，越不利于農業綠色TFP的提升。

財政支農(AF)②：該指標用財政支農規模占年度財政總支出的比重來衡量。財政支農通過激勵、約束、引導農業經營主體調整生產要素投入規模、投入結構和投入方式，促使農業生產向有利于增加期望產出、減少非期望產出的方向發展，進而影響地區農業綠色TFP的增長。

4.數據來源說明

考慮到統計指標的一致性和原始數據的可獲得性，本文研究樣本為2001～2018年除西藏以外的30個省、市、自治區的面板數據。本文使用的所有原始數據均來自于《中國農村統計年鑒》《中國農業年鑒》《中國金融年鑒》《中國教育統計年鑒》《中國財政年鑒》、各地區的統計年鑒及中經網統計數據庫。

四、實證結果及分析

為考察農村金融發展對農業綠色TFP的影響，本文將從全國和區域層面分別進行實證分析。東部、中部、西部地區的劃分主要參照國家統計局的劃分標準和借鑒已有文獻研究，將遼寧省劃入東部地區；將吉林省和黑龍江省劃入中部地區。

(一)農村金融發展對農業綠色TFP的影響

對于加入滯后一期被解釋變量的動態面板模型，本文采用的是系統矩估計方法，表3給出了具體的回歸結果。方程(1)至方程(4)的殘差序列相關性檢驗AR(1)的P值均小于0.1，表明存在一階序列相關；AR(2)的P值均大于0.1，接受原假設，表明不存在二階序列相關；Sargan檢驗的P均大于0.5，表明新增的工具變量與擾動項不相關。

表3 農村金融發展對農業綠色TFP影響的回歸結果

注：L.為滯后一階的被解釋變量；***、**、*分別代表1%、5%、10%的顯著性水平；括號內為z值,下表同

表3是農村金融發展對農業綠色TFP影響的回歸結果。方程(1)是基于全國樣本的回歸，核心解釋變量農村金融發展對農業綠色TFP影響的回歸估計系數為0.037，且在1%的水平上顯著，這表明農村金融發展效率每增加1%，農業綠色TFP指數增長0.037%。方程(2)是東部地區的回歸結果，核心解釋變量農村金融發展的回歸系數為0.103，且在1%的水平下通過顯著性檢驗。方程(3)是中部地區的回歸結果，農村金融發展的回歸系數值為0.056，且在5%的水平下通過顯著性檢驗。方程(4)是西部地區的回歸結果，農村金融發展的回歸系數為0.033，在5%的水平下通過顯著性檢驗。從區域層面來看，東、中、西部地區的農村金融發展對農業綠色TFP的影響存在一定的差異，回歸系數值呈依次遞減，這表明東部地區農村金融發展對農業綠色TFP增長的影響效應要大于中部地區，而中部地區的影響效應又大于西部地區。可能的解釋是東部地區農村金融發展不僅規模較大，而且效率較高，能夠為農業綠色創新和技術推廣提供更多金融支持，而中、西部地區的農村金融發展總體較滯后，綠色金融的覆蓋面較低，因此對農業綠色TFP的促進作用也較弱。

控制變量中方程(1)至方程(4)中滯后一階的被解釋變量的回歸系數均為正值，且通過顯著性檢驗，這表明前一期的農業綠色TFP對后一期的農業綠色TFP具有顯著的促進作用，同時也說明采用動態面板模型進行分析是合理的。各方程中農業出口水平、農民收入水平和財政支農水平的回歸系數均為正，且通過顯著性檢驗，這表明農業出口水平、農民收入水平和財政支農水平的上升對農業綠色TFP的增長均有顯著的正向效應。方程(1)至方程(3)中勞動力文化水平的回歸系數均為正且通過顯著性檢驗，而方程(4)的勞動力文化水平回歸系數雖然為正，但未通過顯著性檢驗。可能的解釋是農業綠色創新技術的學習和推廣不僅需要一定的學歷教育，而且需要相關職業技能培訓教育，而西部地區目前的涉農勞動力文化水平總體還比較低，使得其對農業綠色TFP的影響不夠顯著。各方程中農業受災率的回歸系數均為負，且通過顯著性檢驗，這表明農業自然災害發生率越高，越不利于農業綠色TFP的提升。

(二)農村金融發展對農業綠色技術效率和農業綠色技術進步的影響

已有文獻研究普遍認為，中國農業綠色TFP的增長主要依賴于農業綠色技術進步，農業綠色技術效率的改善作用有限。[24](P1-12)[25](P85-94)為更好地識別農村金融發展是否通過農業綠色技術進步這一傳導路徑來促進農業綠色TFP的增長，本文接下來將采用動態面板數據模型(5)分別就農村金融發展對農業綠色技術效率和農業綠色技術進步的影響進行回歸分析。

表4方程(5)是基于全國樣本的回歸，核心解釋變量農村金融發展對農業綠色技術效率影響的回歸估計系數雖然為正，但未通過顯著性檢驗，這表明農村金融發展對農業綠色技術效率的正向效應不顯著。表5方程(9)也是基于全國樣本的回歸，核心解釋變量農村金融發展對農業綠色技術進步影響的回歸估計系數為0.052，且在1%的水平上顯著,這表明農村金融發展效率的提升顯著促進農業綠色技術進步。從方程(5)和方程(9)的比較可知，全國層面上農村金融發展促進農業綠色TFP增長的傳導路徑主要是綠色技術進步效應。從方程(6)和方程(7)東中部地區的回歸結果來看，農村金融發展對農業綠色技術效率有正向影響，但未通過顯著性檢驗；方程(10)和方程(11)的回歸結果顯示農村金融發展對農業綠色技術進步的回歸系數均顯著為正，這表明東中部地區的農村金融發展仍主要依靠綠色技術進步的傳導效應進而影響農業綠色TFP的增長。可能的解釋是農村金融產品較單一，尤其是綠色信貸相關產品的有效供給不足，使得其未能發揮對農業綠色技術效率的促進作用。方程(8)西部地區的回歸結果顯示，核心解釋變量農村金融發展對農業綠色技術效率影響的回歸系數顯著為負，這表明西部地區的農村金融發展對農業綠色技術效率有抑制作用。可能的解釋是西部地區的農村金融機構覆蓋率和風險管理效率都比東、中部地區低，在資本逐利的驅使下更愿意將資金投到低風險、高回報的傳統非綠色農業項目，進而抑制了農業綠色技術創新；再加上西部地區廣大農戶對綠色農業的認識局限，在追求短期增加期望產出的同時往往會忽視非期望產出，使得實際產出方向偏離了最優產出，進而降低了農業綠色技術效率。方程(12)是西部地區的回歸結果，核心解釋變量農村金融發展對農業綠色技術進步的回歸系數為正，且在5%的水平下通過顯著性檢驗。綜上分析，西部地區農村金融發展也是依靠綠色技術進步傳導效應推動農業綠色TFP的增長。

表4 農村金融發展對農業綠色技術效率(GMLEC)影響的回歸結果

表5 農村金融發展對農業綠色技術進步(GMLTC)影響的估計結果

表4和表5的各方程顯示，控制變量中滯后一階的農業綠色技術效率和農業綠色技術進步的回歸系數均為正，且通過顯著性檢驗，表明農業綠色技術效率和綠色技術進步均有累積效應。農業出口水平的回歸系數在表4和表5各方程中均為正，且通過顯著性檢驗，表明農業出口促進農業綠色TFP增長的傳導路徑包括綠色技術效率增長效應和綠色技術進步效應。表4中勞動力文化水平的回歸系數均不顯著，表5中除西部地區外，其余方程中均顯著，表明勞動力文化水平促進農業綠色TFP增長的主要渠道是綠色技術進步增長效應。這在一定程度上反映了農業勞動力在農業要素資源配置和投入比例方面的學習積累不足，因此對農業綠色技術效率的促進作用有限。農民收入水平的回歸系數在表4和表5各方程中均為正，且通過顯著性檢驗，表明農民收入水平促進農業綠色TFP增長的傳導路徑同樣包括了綠色技術效率增長效應和綠色技術進步效應兩方面。表4中農業受災率的回歸系數均顯著為負，而表5中則均不顯著，表明農業受災率對農業綠色TFP抑制作用的主要傳導路徑是農業綠色技術效率的負效應，也說明農業綠色技術不會因農業受災率的上升而出現技術退步。財政支農水平的回歸系數在表4中均不顯著，而表5中均顯著為正，表明財政支農促進農業綠色TFP增長的主要傳導路徑是綠色技術進步效應。這在一定程度上說明財政支農主要推動了農業綠色技術進步，而對農業綠色技術效率的改善作用并沒有發揮出來。

五、結論與建議

本文利用2001～2018年中國省級面板數據，運用方向性距離函數和GML指數測算各省(市、區)農業綠色TFP，在此基礎上采用系統矩估計方法就農村金融發展效率的區域異質性對農業綠色TFP增長的影響及其傳導路徑進行了實證檢驗，得出如下結論：第一，總體上看，在控制影響農業綠色TFP的其他因素基礎上，從農村金融發展效率的角度證實了農村金融發展顯著地促進農業綠色TFP的增長，且農村金融發展主要通過影響農業綠色技術進步來推動農業綠色TFP的增長。第二，從區域層面來看，東、中、西部地區農村金融發展影響農業綠色TFP增長的程度和作用途徑存在一定的差異。其一，由于東部、中部和西部地區農村金融發展總體水平呈遞減趨勢，使得各地區農村金融發展對農業綠色TFP增長和農業綠色技術進步作用效應相應遞減；其二，東部和中部地區的農村金融發展均未對農業綠色技術效率增長產生顯著影響，而西部地區的農村金融發展則減弱了農業綠色技術效率；其三，東、中、西部各地區農村金融發展促進農業綠色TFP增長的傳導路徑均為綠色技術進步效應，而西部地區農村金融發展對農業綠色技術效率的抑制作用則部分削弱了綠色技術進步的正效應。

基于上述研究結論，本文提出以下政策建議：第一，推動農村金融發展對農業綠色TFP增長的促進效應，不僅要重視金融發展對農業綠色技術進步的影響，還要關注其對農業綠色技術效率的影響。一方面，要繼續保障農村金融對農業綠色科技研發和應用推廣的資金支持，使廣大農業生產經營者能夠獲取更多優惠的信用貸款，以增加對農業綠色技術的研發投入，進而讓農業綠色技術進步保持穩步上升的態勢；另一方面，要創新農村金融工具與綠色金融產品，通過綠色信貸項目引導農戶優化土地、勞動力等生產要素資源配置和提高農業生產經營效率，進而提升農業綠色技術效率。第二，由于農村金融發展對農業綠色TFP的促進作用呈現顯著的區域不平衡，西部地區的農村金融發展總體水平明顯落后于東部和中部地區，因此需要加強西部地區農村金融改革和金融創新。一方面，需要政府通過相關政策推動農村信用社改革，鼓勵多種類型的金融機構參與到西部農村金融服務體系建設中來，降低綠色普惠金融服務成本，有效滿足西部農業綠色發展的資金需求；另一方面，要提高西部地區農村金融的創新能力，尤其需要從政策上鼓勵各類型金融機構利用互聯網進行綠色金融產品的宣傳和營銷，有效擴大農村綠色金融產品的供給。第三，提高中西部地區農村金融供給與農戶需求的精準匹配度。中西部地區農村金融發展效率較低，因此需要深入了解農戶在農業綠色創新方面的融資需求和風險管理需求，建立農戶信用共享體系。根據不同的信用評級，通過設計“差異化”的綠色金融產品以滿足多樣化的融資需求，與此同時也可以降低中西部地區農村金融機構的風險管理成本，進一步提升金融服務效率。通過給予有針對性的金融支持，助力農戶進行農業綠色技術研發和優化經營方式，以提高農業綠色TFP。提高中西部地區農村金融供給與需求的匹配度，既可以保持金融機構與農戶中長期合作的穩定關系，又有利于營造良好的農村金融生態環境。

注 釋：

①2014年及以前年份的《中國農村統計年鑒》統計的是農村居民家庭人均純收入，2015年的《中國農村統計年鑒》統計口徑發生變化，統計的是農村居民人均可支配收入。本文關于農民收入水平的樣本數據均來自《中國農村統計年鑒》。

②2007年及以前年份的《中國財政年鑒》有詳細的財政支農及細分項目的統計數據，2008年《中國財政年鑒》關于財政支出的統計口徑發生了變化，主要用農林水事務支出表示財政支農支出。本文關于財政支農的樣本數據均來自《中國財政年鑒》。