推動金融服務脫貧攻堅與鄉村振興銜接的研究
—— 以N銀行安徽省分行為例

◎中國農業銀行安徽省分行課題組

引言

（一）研究背景

改革開放以來我國經濟快速增長，黨和政府高度重視扶貧工作，貧困人口總數逐年減少，截至2019年年底全國貧困人口共551萬人1。根據國家統計局全國農村貧困監測調查以及現行國家農村貧困標準測算，2019年年底我國貧困發生率6%，比2018年下降1．1個百分點2，中國成為首個實現“聯合國千年發展目標貧困人口減半”的國家（楊濤，2018）。盡管如此，我國貧困發生率仍然處于較高水平，農村貧困問題依然突出。目前我國脫貧攻堅已進入決戰決勝階段，各地脫貧工作仍面臨嚴峻挑戰。

自2017年10月18日十九大報告提出鄉村振興戰略以來，國務院出臺了多個關于如何實施鄉村振興戰略的具體辦法和措施，要求各地區各部門結合實際貫徹落實情況。目前全國各地都在積極尋求高效現代化的農業運作方式，助推鄉村振興3。習近平總書記在2018年5月主持召開的中央政治局會議上指出，脫貧攻堅與鄉村振興是關系我國改革發展尤其是廣大農村發展的兩大重要戰略部署，二者在政策設計上具有協調性、兼容性，具體實施中應該做到有效對接、無縫接駁。

（二）文獻綜述

從國內外有關金融扶貧的現有研究來看，Robinson、Conning等西方學者偏向于證明合作性金融機構在農村金融扶貧工作中的重要作用（Robinson、Brown & Paris，2004；Conning & Vdry，2007；Bonazzi & Lotti，2014），且重點研究內容集中在對農村小額信貸公司運營績效的評價上（曹巍，2017）。國內研究重點主要為商業銀行金融扶貧模式、電商扶貧效率評價等方面。2019年渠源清等人研究表明，商業銀行通過發放“三農”貸款、創新金融產品、建立金融扶貧服務站等方式，有效促進了貧困地區的經濟發展。楊雪云、時浩楠以大別山區為例，通過空間計量模型研究表明大別山區電商扶貧效率仍相對較低，且地區差異明顯，呈現出西高東低、南北低中部高的空間分布趨勢。王森等以河北省故城縣為例，認為需加大貨幣信貸政策支持力度，并綜合農業保險和農村信貸來提高金融扶貧效率。

闞立娜等學者研究認為高效的金融支農效率是鄉村振興戰略極為重要的支持要素，而本地區金融支農效率會對相鄰地區支農效率產生“溢出效應”。鄉村振興戰略的提出促進了農村產業融合發展，而“政府+金融機構+農戶”三位一體模式的聯動運作可有效提高農村產業融合發展效率（田麗秀等，2019）。除對鄉村振興的支持要素、發展效率開展研究外，部分學者還致力于探究金融支持鄉村振興效果評價指標體系的構建，如從實施鄉村振興戰略的金融需求層面出發，根據鄉村振興戰略布局和總體要求構建金融支持鄉村振興成效的評價指標體系（耿光穎等，2019）。目前國內已有研究大多偏向于鄉村振興戰略實施背景的分析及指標體系構建等，對于脫貧攻堅和鄉村振興的銜接關系則少有涉及。

（三）研究意義

金融是脫貧攻堅的主力軍，更是支持鄉村振興的重要力量。在脫貧攻堅與實施鄉村振興戰略的歷史交匯期，商業銀行在服務脫貧攻堅的同時，應認真謀劃，提前布局，思考下一步如何更好地為鄉村振興提供金融服務。故本文選取國有商業銀行為研究對象，以N銀行安徽省分行為例，首先通過測算金融扶貧效率值并分析其影響因素，探索金融服務脫貧攻堅的有效路徑，進而利用耦合協調模型研究金融服務脫貧攻堅與鄉村振興如何實現有效銜接，并提出政策建議。

N銀行安徽省分行金融扶貧與金融支持鄉村振興發展現狀

（一）金融扶貧現狀

2020年4月29日，安徽省政府發布公告，蕭縣等9個縣（區）正式退出貧困縣序列4。至此，該省31個貧困縣（市、區）全部摘帽，3000個貧困村全部出列。目前全省脫貧攻堅任務已接近完成，建檔立卡貧困人口數明顯下降，貧困群眾收入水平有了大幅度提高，深貧地區社會化服務也在持續優化，基本生產生活條件得到明顯改善。本研究選取金融扶貧資金投入、人力投入以及金融扶貧工作動態等三個維度對N銀行安徽省分行金融扶貧工作現狀進行描述性統計分析。

1．大力增加金融扶貧資金投入

從N銀行安徽省分行近三年金融精準扶貧貸款總額規模來看（見圖1），2016年全轄金融精準扶貧貸款共計發放380391萬元，2017年貸款總額為962348萬元，同比增長153%；2018年發放精準扶貧貸款1347016萬元，比2016年增加966625萬元；2019年發放精準扶貧貸款2003177萬元，比2016年增加1622786萬元。

圖1為2017～2019年度N銀行安徽省各二級分行金融精準扶貧貸款總額情況。其中金融精準扶貧貸款總量較高的有六安、阜陽、宿州、安慶等市分行。

2．持續加強金融扶貧人力投入

2020年4月29日，安徽省政府宣布所有貧困縣摘帽之前，安徽省有18個國家級貧困縣（見圖2）。包括國定貧困縣在內的縣域地區一直是商業銀行實施金融扶貧有力舉措的重要對象，N銀行也一直致力于加強縣域網點的基礎建設，金融扶貧政策也盡力向貧困縣域傾斜。

近年來N銀行安徽省全轄增設多處農村鄉鎮網點，圖2反映的是安徽省各二級分行截至2019年末縣域網點的分布情況。柱狀圖顯示的是各地市分行縣域網點的數量，截至2019年末N銀行安徽省分行共有453個縣域網點。陰影部分顯示的是各地市縣域網點占全轄網點總數的比例，在全省16家地市分行中，有12個地市縣域網點占網點總數比例超過50%，其中亳州、阜陽、安慶等貧困縣域分布較多的地市縣域網點的人力、物力投入都較2017年有了較大提升。

3．高度重視金融扶貧工作

本研究選取N銀行安徽省各二級分行網站近三年數據中有關“金融扶貧”“脫貧攻堅”等動態作為統計研究對象，分析各二級分行金融扶貧工作的開展情況。2017～2019年各地市金融扶貧工作開展總體上有較大提升。其中淮北、宿州、蕪湖、銅陵等二級分行金融扶貧工作動態發布條數增長明顯，少數二級分行工作動態發布條數有小幅度下降（見圖3）。

從描述性統計分析情況來看，N銀行安徽省各地市二級分行近幾年金融扶貧資金與人力投入規模正逐步擴大，但還存在各地市間精準扶貧貸款規模懸殊較大，重點貧困地區縣域網點數量與人力、物力投入比例失衡，各二級分行對金融扶貧工作的宣傳力度不夠等問題。

（二）金融支持鄉村振興現狀

本文采取國內目前大多數研究的統計口徑和分類方法，將金融支持鄉村振興從金融支持規模、金融支持結構和金融支持效率三個維度展開描述。

1．金融支持規模

鄉村振興戰略提出以來，N銀行安徽省分行積極響應國家號召，全力支持鄉村振興戰略的實施。表1表示的是2017～2019年，N銀行安徽省各地市二級分行存款總額、貸款總額、普惠涉農小微企業貸款總額和惠農e貸總額。可以看出，近三年來金融支持鄉村振興規模的各項指標都有不同程度的提高，尤其是惠農e貸總額和普惠涉農小微企業貸款總額增長明顯（見表1）。

表1：金融支持鄉村振興規模 單位：萬元

2．金融支持結構

根據鄉村振興戰略實施的總體要求，N銀行安徽省分行重點加大了對縣域城鎮化貸款、重大水利貸款和縣域幸福產業貸款等金融支持鄉村振興領域貸款的投放，為實現“產業興旺、生態宜居、鄉風文明、治理有效、生活富裕”總要求提供有力的金融支持。從表2中可以發現，隨著鄉村振興戰略的逐步實施，金融支持鄉村振興領域貸款在逐年增加，其中以縣域城鎮化貸款增長最為明顯，截止到2019年末該項貸款較2017年凈增1060433萬元，增長53．1%。

表2：金融支持鄉村振興領域貸款 單位：萬元、%

3．金融支持效率

本文參考已有研究，用鄉村振興貸款總額、金融扶貧貸款總額、惠農卡有效客戶數、農戶不良貸款率等指標來闡釋金融支持效率。其中，鄉村振興貸款的投放是直接影響金融支持鄉村振興效率的最主要因素，因此選取鄉村振興貸款情況來對金融支持鄉村振興效率進行描述性統計分析。如圖4所示，《鄉村振興戰略規劃（2018—2022）》發布以來，大部分地市二級分行鄉村振興貸款的投放力度在逐年加大，其中，合肥、宿州、阜陽、蕪湖、安慶等地市增幅較大。

綜上，N銀行安徽省分行金融支持鄉村振興戰略發展態勢良好，但與鄉村振興發展的實際需求相比，金融支持規模還有待擴大，金融支持結構亦有待優化，同時六安、馬鞍山、銅陵、宣城等地市分行鄉村振興貸款投放力度也有待加強。

實證研究

（一）數據來源

本研究數據來源于N銀行安徽省分行近三年年報和經營分析系統、相關業務部門統計數據，以及各地市二級分行金融扶貧網站數據。

（二）研究設計

從本文研究背景可以看出，金融服務脫貧攻堅與鄉村振興的銜接關鍵在于找準金融扶貧的有效路徑，實現金融支持脫貧攻堅向金融支持鄉村振興順利過渡。因此，本文首先測算金融扶貧效率值并分析金融扶貧效率的影響因素，根據實證結果判斷金融扶貧的有效路徑及模式，進而探究金融服務脫貧攻堅與金融服務鄉村振興兩大系統間的銜接關系。

在總結前人研究的基礎上，結合N銀行安徽省分行金融扶貧實際情況，采用數據包絡分析法和普通最小二乘法對安徽省分行金融扶貧的效率進行研究。首先采用DEA模型對各地市二級分行金融扶貧效率（全要素生產率）進行測算；其次利用多元線性回歸模型分析影響金融扶貧效率的因素。實證研究第二部分則是利用耦合度對金融扶貧和鄉村振興的服務銜接進行研究。根據數據可得性以及研究相關性，耦合協調模型中金融扶貧目標體系在數據來源、指標體系構建、綜合指數糅合等方面與第一部分研究內容具有一以貫之、一脈相承的特點，故本文在金融扶貧目標體系構建時采取了直接引用第一部分的方式。

1．金融扶貧有效路徑和模式研究

（1）模型介紹

數據包絡分析法主要用于比較相同類型經濟活動的相對效率問題。本文采用DEA-BCC模型對N銀行安徽省各地市分行金融扶貧的效率進行測量。BCC模型的效率評價線性規劃如下：

表3：全要素生產率指標體系 單位：人、萬元、%、個

表4：回歸模型指標體系 單位：人、萬元、%、個

BCC模型得到的是DMU的純技術效率。上式中，為各DMU的相對效率衡量指標，其值越大表示決策單元越有效；j為根據第j個決策單元重新構造一個有效DMU組合時該決策單元的組合比例；yj為第j個決策單元的產出向量；s-與s+分別表示輸入和輸出的松弛變量；x0與y0分別為決策單元的投入和產出。

多元回歸分析是研究被解釋變量對兩個或兩個以上解釋變量的統計依賴關系，建立多個變量之間線性或非線性數學模型數量關系式并利用樣本數據進行分析的統計分析方法。根據本文研究內容需要，建立以下多元線性回歸模型：

式（3．3）中，Yi表示被解釋變量（帶動建檔立卡貧困人口數），fini表示核心解釋變量（金融扶貧資金投入、人力投入），Xi為控制變量，i為隨機誤差項。

（2）指標體系構建

帶動建檔立卡貧困人口數是檢測和衡量脫貧攻堅工作效率的重要依據。故本文選取帶動建檔立卡貧困人口數作為測算全要素生產率的產出指標（見表3）。關于投入體系的指標層，本文總結前人研究成果并借鑒先進經驗（邢成舉等，2013），結合數據的可得性，將投入體系層分為金融扶貧資金投入和人力投入兩個子體系。其中金融扶貧資金投入體系包括金融精準扶貧貸款總額、扶貧貸款占總貸款比例、存貸比三個指標；金融扶貧人力投入包括縣域網點數量和縣域網點占全轄網點比例兩個指標。

在構建回歸模型指標體系的過程中，本文采取了與大多數研究不同的方式，即沒有將前文計算所得全要素生產率作為后階段因變量，而是使用帶動建檔立卡貧困人口作為回歸模型的被解釋變量。這樣做首先是為了消除回歸模型變量間的共線性，其次采用帶動建檔立卡貧困人口數作為被解釋變量來分析影響金融扶貧的因素更具有說服力。在解釋變量的選取上，將金融精準扶貧貸款總額、縣域網點數量、各地市二級分行發布扶貧動態條數、扶貧貸款占總貸款比例、縣域網點占全轄網點比例、存貸比等作為影響金融扶貧銷量的自變量。并選取農業發展環境指數、經濟發展環境指數、城鎮化率等作為控制變量。

2．金融扶貧與鄉村振興耦合協調發展研究

（1）模型介紹

本文利用耦合度對金融扶貧和鄉村振興的服務銜接進行研究。耦合度是一個物理學概念，表示兩個模塊（或兩個以上）通過各種相互作用而彼此相互影響，主要反映系統之間相互作用過程中協調狀況的好壞程度（熊建新等，2014）。因此，本文將金融扶貧和鄉村振興兩大系統通過一系列相互作用產生彼此影響的現象，定義為金融扶貧—鄉村振興間的耦合，用以考察兩個系統相互銜接程度的強弱并探究其時間、空間變化特征。具體包括以下步驟：

①對原始數據進行標準化處理

為了消除因各指標性質不同導致的量綱和數量級差異，采用Min-max標準化方法對原始數據進行無量綱化處理。公式（3．4）和公式（3．5）分別適用于正向指標和負向指標的標準化。其中ui"表示第i項指標的標準化值，i=1，2，3，…n；ui是第i項指標的具體值；Xmax(i）和Xmin(i）分別表示各指標在2017～2019年間各年份的最大值和最小值。

②測算各指標的權重

變異系數法是一種客觀賦權的方法，直接利用各項指標所包含的信息，通過計算得到指標的權重，適用于各個構成要素內部指標權數的確定。各系統的權重及綜合水平指數計算公式為：

式（3．6）中，i表示各項指標，i=1，2，3，…n；Wi為第i 項指標的權重；Vi為第i項指標的變異系數。

③計算綜合水平指數

金融扶貧與鄉村振興是兩個系統，每個系統都由若干個指標構成，需要將兩個系統的多項指標復合成各自的綜合水平指數。

式（3．7）中，U1代表金融扶貧綜合水平指數，U2代表鄉村振興綜合水平指數；u"i表示第i項指標標準化后的數值。

④計算耦合度

式（3．8）中，C表示金融扶貧與鄉村振興的耦合度，取值范圍在0～1之間，越接近于1，說明兩個系統的耦合程度越高。

⑤計算耦合協調度

耦合度僅能說明兩大系統之間發展的關聯程度，并不能說明系統間的總體發展水平，如是否協調發展、處在哪一發展階段等。在多區域或多目標之間的耦合比較研究中，僅依靠耦合度衡量系統是否協調發展，有時可能會出現偏差（黃賓等，2016），需要構建多目標之間的耦合協調度。計算公式為：

D為金融扶貧和鄉村振興的耦合協調度，反映的是兩個系統間的協調發展能力和基本狀況，D∈[0，1]。和 為測算系統間耦合協調度的待定系數，考慮到金融扶貧和鄉村振興在測算耦合協調度時同等重要，因此本文對 和 分別賦值為0．5（劉耀彬等，2005；傅智宏等，2015）。

根據D值的大小，可以將耦合協調度的等級進行階段劃分，如表5所示。

（2）指標體系

本文根據前人研究成果，結合數據的可獲取性，構建金融扶貧指標體系和鄉村振興指標體系。

①金融扶貧指標體系

將金融扶貧規模、金融扶貧力度、金融扶貧成效作為金融扶貧體系的一級指標。其中，金融扶貧規模指標參考龔霖丹等人（2017）的研究，選取N銀行安徽省各二級分行金融精準扶貧貸款總額、扶貧貸款占總貸款比例、存貸比等三個二級指標；金融扶貧力度指標借鑒孫振宗（2019）的做法，選取各地市分行縣域網點數量、縣域網點占網點總數比例、各二級分行網站發布金融扶貧動態數量等三個二級指標；金融扶貧成效指標則選取目前國內外普遍采用的帶動建檔立卡貧困人口作為二級指標。

②鄉村振興指標體系

選取金融支持規模、金融支持結構、金融支持效率三個一級指標來反映N銀行安徽省分行金融支持鄉村振興的發展水平。具體二級指標的選取參考了耿光穎等（2019）、謝婷婷等（2019）學者的研究，其中，金融支持規模指標由各地市分行存款總額、貸款總額、普惠涉農小微企業貸款、惠農e貸總額等四個二級指標構成；金融支持結構指標用縣域城鎮化貸款總額、重大水利貸款總額、縣域幸福產業（旅游、醫院、養老等）貸款總額等三個二級指標來表示；金融支持效率指標由鄉村振興貸款總額、金融扶貧貸款總額、惠農卡有效客戶數、農戶不良貸款率等四個二級指標構成。

表5：耦合協調度判斷區間及類型

表6：金融扶貧和鄉村振興指標體系及權重

表7：各地市金融扶貧效率測算值

③指標權重的測算

根據式（3．6）測算出各指標權重，具體結果如表6所示。

金融扶貧系統中，帶動建檔立卡貧困人口數和金融精準扶貧貸款總額占據權重較高，數值分別為26．51%和25．64%，其次是扶貧貸款占總貸款比例，權重值為22．36%。說明上述指標對金融扶貧的影響較大。鄉村振興系統中，權重值較高的指標為農戶不良貸款率、金融扶貧貸款總額、縣域幸福產業貸款總額、惠農e貸總額等，相對于其他指標，這些指標對鄉村振興戰略影響較為明顯。

（三）實證分析

1．金融扶貧效率及影響因素分析

（1）DEA效率測算值

本文采用DEA模型，利用deap2．1軟件測算2017年、2018年、2019年三年N銀行安徽省各地市分行金融扶貧效率，表7匯總了近三年間各地市分行金融扶貧效率值。

根據表7中DEA效率值測算結果，2017年各地市二級分行中金融扶貧效率較高的有亳州、阜陽、六安、安慶和宿州；較低的有宣城、黃山、蚌埠等；2018年金融扶貧效率較高的為亳州、阜陽、滁州、六安、宿州、淮南等市，而宣城、黃山、蚌埠、馬鞍山等市效率仍然較低；2019年金融扶貧效率較高的有亳州、宿州、淮南、蕪湖、池州、安慶，較低的有合肥、蚌埠、滁州等。從連續三年的測量值來看，亳州等地市分行金融扶貧效率沒有損失，效率值均為1；淮南、蕪湖等地市效率值由2017年的低值提高至1，說明金融扶貧投入與產出均較上年有較大提升，且產出增加值大大高于投入增加值，從近三年N銀行安徽省分行經營分析平臺提取的數據可以發現，僅精準扶貧貸款總額一項，2019年較2017年就增長了108%。宿州、安慶分行金融扶貧效率前兩年相比差距不大，且效率損失均較小，2019年效率均無損失。其中宿州2017年效率值為0．874，2018年為0．826；安慶2017年效率值為0．887，2018年為0．757，兩個二級分行2018年金融扶貧效率均較上年有不同程度的下降，究其原因，可能是與貧困人口逐步減少有關。金融扶貧投入與產出生產效率損失較嚴重的有蚌埠、馬鞍山、銅陵、宣城等市，這些地市相對全省其他地市來說，經濟較為發達，貧困人口較少，綜合本研究中全要素生產率的產出值指標選擇來看，以帶動建檔立卡貧困人口數作為金融扶貧效率的產出指標對上述地市銀行來說可能較為片面，因而DEA模型測算結果顯示金融扶貧效率偏低。

表8：多元線性回歸模型估計結果

（2）回歸分析

表8為多元線性回歸模型估計結果。回歸模型擬合優度（R2）為0．999，說明此回歸模型能較好地擬合估計值。從回歸結果來看，影響金融扶貧效率的幾大因素中，金融精準扶貧貸款總額（X1）、縣域網點數量（X2）、扶貧貸款占總貸款比例（X4）、縣域網點占全轄網點數量比例（X5）等對因變量影響較大。下面分別對回歸結果進行簡單分析：

①金融精準扶貧貸款總額（X1）

金融精準扶貧貸款總額（X1）對帶動建檔立卡貧困人口（Y）的影響因子為0．181，P值小于0．01，非常顯著，且影響方向為正。說明金融精準扶貧貸款總額對帶動建檔立卡貧困人口有較強影響。商業銀行的金融扶貧措施中精準扶貧貸款的發放占比較大，因而金融扶貧效率很大程度上體現在精準扶貧貸款的投放上。精準扶貧貸款投放較多的商業銀行扶貧效率往往會更高，回歸模型中金融精準扶貧貸款投放較多的二級分行帶動建檔立卡貧困人口數較多，驗證了這一推斷。

②縣域網點數量（X2）

縣域網點數量（X2）對帶動建檔立卡貧困人口數有負向影響，顯著性為0．002，說明縣域網點的數量與金融扶貧效率呈反向變動，且影響較為明顯。縣域網點數量較多的地市二級分行相對縣域網點數量較少的二級分行來說，金融扶貧壓力更大，在相當的金融扶貧投入下，產出往往較小。且縣域網點數量較多的地市相對來說貧困人口也較多，在其他因素不變的情況下金融扶貧效率較低，帶動建檔立卡貧困人口的數量也較少。

③扶貧貸款占總貸款比例（X4）

扶貧貸款占總貸款比例（X4）與帶動建檔立卡貧困人口數呈負相關，顯著性小于0．05（P=0．017）。說明與其他地市二級分行相比，該地市二級分行在金融扶貧上的投入比例較高，可能占據了經營業務部分資源投入，因而使得整個二級分行經營利潤較少。相比其他經營業績好、經濟基礎較強的二級分行，扶貧貸款占比較高的二級分行可能在增加金融扶貧投入上的力度會較弱，從而導致帶動建檔立卡貧困人口較少，金融扶貧效率低下。

表9：金融扶貧和鄉村振興綜合水平指數時間變化（2017～2019年）

④縣域網點占全轄網點數量比例（X5）

縣域網點占全轄網點數量比例（X5）對帶動建檔立卡貧困人口數的影響顯著性小于0．01（P=0．005），影響方向為正。說明縣域網點數量占全市網點總數量比例越高，金融扶貧越見成效。可能的原因在于貧困縣域網點發放的貸款一般在計量口徑上均被視為金融扶貧貸款，尤其對于阜陽、安慶、宿州、六安、亳州等國定貧困縣較多的地市，相對其他地市二級分行來說金融扶貧政策出臺較多，扶貧貸款投放的力度也較大，由此帶來的金融扶貧效率也越高，帶動建檔立卡貧苦人口數也相對較多。

⑤金融扶貧動態條數（X3）

金融扶貧動態條數（X3）對帶動建檔立卡貧困人口數沒有顯著影響，可能的原因在于各地市二級分行網站金融扶貧動態發布標準不同，因而統計數據不具有可比性。例如，統計數據顯示，全年金融扶貧動態條數最多的為2017年馬鞍山分行（27條），明顯高出其他二級分行，經了解馬鞍山分行網站對于金融扶貧宣傳較為重視，因而相關工作動態都及時登載于相關網站，而亳州、六安等國定貧困縣較多的地市二級分行金融扶貧動態發布標準高，數量相對較少，經調查這些二級分行金融扶貧工作實效均超出宣傳范圍。

⑥存貸比（X6）

存貸比是商業銀行貸款總額與存款總額比例。在本次回歸結果中存貸比與帶動建檔立卡貧困人口數之間沒有明顯的相關關系。

2．金融扶貧與鄉村振興耦合協調分析

（1）時序變化分析

根據表6的指標體系和權重以及耦合度、耦合協調度的相關公式，計算出2017～2019年N銀行安徽省分行金融扶貧和金融支持鄉村振興兩大系統的綜合水平指數及其差值（U1-U2），進而得到金融扶貧與鄉村振興的耦合度和耦合協調度的相應數值。表9給出了2017～2019年N銀行安徽省分行金融扶貧和金融支持鄉村振興綜合水平指數的時間變化趨勢，取值為每一年份所有地市的平均值。U1-U2表示的是金融扶貧綜合水平指數和鄉村振興綜合水平指數的差值，正值表示金融扶貧的綜合水平指數較高，若為負值則意味著鄉村振興的綜合水平指數較高；差值的縮小表明兩系統間存在協調有序發展的趨勢。

①金融扶貧和鄉村振興耦合度較高

從2017年到2019年，N銀行安徽省分行金融扶貧和鄉村振興耦合程度的平均值分別為0．9231、0．9144、0．9162，三年耦合度平均值均在0．9以上。根據劉耀彬等（2005）對城市化與生態環境耦合度的研究分析，較高的耦合值說明兩系統達到了良性共振耦合，應用到本研究中可初步判定為金融扶貧和鄉村振興基本實現了有效銜接、正趨向于健康有序發展。

②金融扶貧和鄉村振興耦合協調度較低但呈現逐年上升趨勢

圖5顯示了近三年間金融扶貧與鄉村振興的耦合度以及耦合協調度的平均值，耦合度折線在三維圖中呈現出較為平穩的趨勢，協調度折線上升說明兩系統間協調程度越來越高級。

表10：2017年各地市耦合協調度

表11：2018年各地市耦合協調度

表12：2019年各地市耦合協調度

如圖5所示，2017年金融扶貧與鄉村振興耦合協調度平均值為0．4612，2018年為0．4987，2019年為0．5368，三年的耦合協調度平均值均介于0．4到0．6之間。2017年金融扶貧與鄉村振興耦合協調度處于瀕臨失調階段，2018年的耦合協調度開始往勉強協調階段發展，2019年上升至勉強協調階段。根據近三年耦合協調度的發展趨勢，可以判斷總體上金融扶貧與鄉村振興尚處在瀕臨失調向勉強協調過渡的階段。從三維折線圖走勢來看，2017年至2019年耦合協調度一直呈現出上升的發展狀態，增幅也越來越大，這說明金融扶貧與鄉村振興的協調發展程度在逐步提高，且增速越來越快。

③金融扶貧綜合水平指數平均值低于鄉村振興綜合水平指數平均值，但二者差距逐漸縮小

2017年金融扶貧綜合水平指數平均值為0．1954，而鄉村振興綜合水平指數平均值為0．2929；2018年金融扶貧和鄉村振興綜合水平指數平均值分別為0．2624、0．3545；2019年分別為0．3385、0．4207，近三年金融扶貧綜合水平指數一直低于鄉村振興綜合水平指數，這說明N銀行安徽省分行金融扶貧發展水平總體滯后于鄉村振興發展水平，這也是兩大系統耦合度較高但耦合協調度普遍較低的主要因素。從表9中同時可以看出，2017年至2019年間，雖然各地市鄉村振興綜合水平指數普遍高于金融扶貧綜合水平指數，但兩個系統間綜合水平指數差值（U1-U2）的絕對值在逐年減小，該項差值的絕對值越大，說明兩個系統的綜合水平指數相差越大，越不利于協調發展和有效銜接。從三年間綜合水平指數差值的變化可以看出，金融扶貧和鄉村振興協調有序發展的趨勢較明顯，金融扶貧的有效產出開始往高效服務于鄉村振興的方向發展。

（2）空間演化分析

表10至表12顯示了從2017年至2019年N銀行安徽省各地市分行金融扶貧與鄉村振興耦合協調度的空間分布及變化情況。

①各地市金融扶貧與鄉村振興的耦合協調度在不斷提高

根據耦合協調度計算結果，可以發現2017年至2019年，大部分地市金融扶貧與鄉村振興耦合協調度逐年提高。2017年，根據耦合協調度判斷區間將各地市分為五個類型，其中，合肥、淮北、淮南等7個地市為極度失調-輕度失調，亳州、蚌埠、滁州等4個地市為瀕臨失調，馬鞍山、安慶為勉強協調，宿州為初級協調，阜陽、六安為中級協調；2018年五個類型中，淮北、蕪湖、銅陵處在極度失調-輕度失調階段，合肥、亳州、蚌埠等9個地市處在瀕臨失調階段，安慶和宿州分別處在勉強協調和初級協調階段，阜陽、六安實現了良好協調向優質協調發展；2019年處在極度失調-輕度失調階段的地市數量為0，亳州、淮北、蚌埠等11個地市處在瀕臨失調階段，合肥進入勉強協調階段，安慶、宿州分別為初級協調和中級協調，阜陽、六安處在良好協調-優質協調階段。耦合協調度的提高說明各地市金融扶貧和鄉村振興的總體發展水平越來越協調，金融服務脫貧攻堅與金融服務鄉村振興越來越能實現有效銜接。

②金融扶貧與鄉村振興耦合協調度的空間差異較明顯，且受地域面積影響較大

從表10至表12中可以看出，16個地市金融扶貧與鄉村振興耦合協調度空間差異較大。2017年耦合協調度最高的為六安市，耦合協調度值為0．7298，其次為阜陽市的0．7219；較低的有淮北市和銅陵市，協調度值分別為0．3612和0．2273。2018年耦合協調度較高的依然是六安和阜陽，且耦合協調度區間均由中級協調過渡至良好-優質協調；耦合協調度值較低的有銅陵、蕪湖、淮北等，其中淮北市仍處在極度失調-輕度失調階段；2019年除六安、阜陽外，宿州和安慶的耦合協調度也提升較快，分別發展至中級協調階段和初級協調階段；銅陵、淮北的協調度值仍較低，發展階段雖然有所提升但依然處在瀕臨失調階段。從上述分析中可以初步判斷金融扶貧與鄉村振興耦合協調度受地域面積影響較大，相對于六安、阜陽、安慶、宿州等地市來說，銅陵市和淮北市在安徽省占地面積較小，人口也相對較少，因此在金融扶貧與鄉村振興發展水平及服務能力上也相對較弱，從而導致兩系統間耦合協調程度較低。

③貧困縣數量較多的地區金融扶貧與鄉村振興耦合協調度較高

從實證結果來看，近三年金融扶貧與鄉村振興耦合協調度較高值集中分布在六安、阜陽、宿州、安慶等四個地市。截至2020年4月29日，安徽省宣布省內所有貧困縣全部脫貧摘帽前，六安、阜陽、宿州、安慶四市國定貧困縣分布數量較多。相對于貧困縣域分布較少地市，上述地市在金融扶貧上的投入較大，金融扶貧的規模、力度等都大于其他地市，因而金融扶貧也更見成效，與之相應地也就更加促進了鄉村振興的發展，實現了金融扶貧與鄉村振興的有效銜接。貧困縣數量較多地區金融扶貧與鄉村振興耦合協調度較高，也從某種意義上證明了金融扶貧與鄉村振興的一脈相承、一以貫之。

（四）研究結論

本文基于金融扶貧助力我國脫貧攻堅取得決戰決勝階段勝利和《鄉村振興戰略規劃（2018—2022）》施行的大背景，在總結、梳理以前學者研究的基礎上，創新性地以國有大型商業銀行——N銀行作為研究對象，選取N銀行安徽省16家地市二級分行數據，利用DEA模型測算2017年、2018年、2019年三年金融扶貧效率值，利用多元回歸模型分析金融扶貧效率的影響因素；并在此基礎上探究金融服務脫貧攻堅與金融服務鄉村振興銜接過程中的耦合協調發展關系。研究表明：

第一，2017年，亳州、阜陽、六安、安慶、宿州等二級分行金融扶貧效率較高，其中亳州、阜陽、六安等金融扶貧投入產出效率值無損失；2018年亳州、阜陽、滁州、六安、宿州、淮南等二級分行金融扶貧效率較高，其中亳州、阜陽、滁州、六安等金融扶貧投入產出效率值無損失；2019年亳州、宿州、淮南、安慶等二級分行金融扶貧效率較高；相對于經濟較發達地市，貧困縣數量較多的地市銀行金融扶貧效率往往相對較高。

第二，在金融扶貧效率的影響因素方面，金融精準扶貧貸款總額、縣域網點數量占全轄網點比例等對帶動建檔立卡貧困人口有顯著正向影響；縣域網點總數、扶貧貸款占總貸款比例等對帶動建檔立卡貧困人口有顯著負向影響。

第三，通過研究金融扶貧與鄉村振興兩大系統間的耦合協調關系，發現在時序變化方面，金融扶貧與鄉村振興耦合度較高，耦合協調度較低但呈現逐年上升趨勢；金融扶貧綜合水平指數平均值低于鄉村振興綜合水平指數平均值，但二者差距逐漸縮小。

第四，在空間演化方面，各地市金融扶貧與鄉村振興的耦合協調度都在不斷提高；兩系統間耦合協調度的空間差異較明顯，且受地域面積影響較大；貧困縣數量較多的地區金融扶貧與鄉村振興耦合協調度普遍較高。

政策建議

鄉村振興在農村治理的新時代背景下應運而生，是脫貧攻堅的升級版。在打贏脫貧攻堅戰與實施鄉村振興戰略的歷史交匯期，商業銀行要從戰略規劃、體制機制、政策措施等方面入手，對服務脫貧攻堅與鄉村振興進行通盤考慮和統籌謀劃，建立健全精準銜接機制，形成銜接的事項清單，明確銜接的路徑辦法，積極做好服務脫貧攻堅與支持鄉村振興的有機銜接。

（一）加大精準扶貧貸款投放力度

根據本文實證研究結果可知，金融精準扶貧貸款對于帶動建檔立卡貧困人口數、提高金融扶貧效率有顯著正向影響。從近三年金融扶貧效率測算值來看，金融扶貧效率較高的地市二級分行精準扶貧貸款投放總額均較大。此外扶貧貸款投放較多、金融扶貧效率較高的地市往往其金融扶貧與鄉村振興的耦合協調程度也較高，因此商業銀行應充分發揮金融機構的行業和產品優勢，加大精準扶貧貸款的投放力度，多渠道、多領域實施貸款投放，為金融扶貧和鄉村振興服務提供強有力的資金支持。

（二）創新縣域網點金融扶貧模式

本研究實證結果表明，縣域網點個數對金融扶貧效率產生負向影響，但縣域網點占全轄網點比例卻對金融扶貧效率產生正向顯著影響。因此商業銀行在優化縣域網點金融扶貧模式方面有兩條可行路徑，一是在現有縣域網點數量不發生變化的情況下，對全轄網點資源進行整合，結合新時代商業銀行網點轉型工作，減少資源與服務能力不相匹配的冗余網點，集中優勢資源為金融扶貧提供人力保障；二是適當在貧困縣域增建鄉鎮網點，尤其鼓勵縣域城區網點服務范圍往周邊鄉鎮轉移，相關扶貧政策可以更好地惠及更多貧困人群。

（三）大力推動金融機構產業扶貧

授人以魚不如授人以漁。金融扶貧助力脫貧攻堅除表現在資金與人力支持上，更應體現在以精準扶貧貸款帶動產業發展上。以市場為導向，以經濟效益為中心，充分發揮產業發展對扶貧開發的杠桿作用。商業銀行應建立以支持扶貧產業發展為重點的精準扶貧貸款投放機制，以產業鏈發展促進貧困地區發展、切實增加貧困農戶收入。

（四）擴大金融支持鄉村振興規模

本研究中金融支持規模指標由各地市分行存款總額、貸款總額、普惠涉農小微企業貸款、惠農e貸總額等四個二級指標構成。根據前文描述性統計分析可知，金融支持鄉村振興規模較大的地市往往鄉村振興綜合水平指數值較高，因此，促進鄉村振興發展應增加對涉農和小微企業貸款、惠農e貸等的投放，進一步擴大金融支農規模和金融發展規模。

（五）優化金融支持鄉村振興結構

從金融支持鄉村振興戰略的金融需求分析中可以看出，實現金融扶貧與鄉村振興服務的有效銜接需要著重優化金融支持鄉村振興結構，如因地制宜投放特色產業貸款，適當增加縣域城鎮化貸款、基礎設施類貸款以及旅游、醫院、養老等幸福產業貸款的投放力度等。

注釋：

1國家統計局網站于2020年1月23日發布。

2《光明日報》于2020年1月24日發布。

3《中共中央國務院關于實施鄉村振興戰略的意見》由中央人民政府網于2018年2月4日發布。

4《新安晚報》2020年4月30日刊載的《脫貧攻堅，安徽交出完美答卷》一文。