銀行信貸與農村經濟發展
——基于空間計量模型的實證分析

□ 周如青 蔣佳玉

一、引言

“十三五”時期，中國加快推進農業農村現代化建設，832個貧困縣、12.8萬個貧困村全部摘帽，鄉村振興實現良好開局。然而，我國農業農村發展仍面臨許多矛盾和挑戰，如農村地區產業發展基礎薄弱、農村金融市場體系不完善等深層次、結構性問題。對此，《“十四五”推進農業農村現代化規劃》中強調深化農業農村供給側結構性改革，鞏固拓展脫貧攻堅成果，堅持農業農村現代化，全面實施鄉村振興戰略。

而夯實鄉村振興的經濟社會基礎離不開金融的有力支撐。銀行作為金融體系中至關重要的組成部分，通過吸收存款和發放貸款來解決微觀主體面臨的融資問題。通過加大銀行對“三農”信貸支持，推動金融資源流向農業農村，從而提高產出效率、推動農業農村經濟發展。因此，研究銀行信貸與農村經濟發展間的關系對服務微觀主體、扎實推進鄉村振興具有重要現實意義。

由于我國幅員遼闊，中國農村區域經濟發展十分不平衡，發達地區農村與欠發達地區農村經濟發展水平都存在較大的差異。因此，地理空間因素也是影響農村經濟增長不可忽視的重要原因之一。伴隨著區域資源要素流動，省域、城鄉的互動聯系，從空間地理的視角來分析我國銀行信貸與農村經濟發展的內生關系以及溢出效應，對于促進農村經濟增長起到一定作用。

二、文獻綜述

迄今為止，關于銀行信貸與農村經濟增長關系的研究還沒有統一的定論。King和Levine（1993）通過對發展中國家進行研究，發現農業信貸效率低會阻礙農業生產增長。Burgess和Pande（2005）研究印度農村信貸發展與農村經濟增長的相關性，發現發展信貸很大程度上能夠促進農村產出和降低貧困水平。在國內，徐笑波（1994）通過描述性統計刻畫我國農村經濟發展。溫濤和王煜宇（2005）認為發展農業貸款一定程度上不僅抑制農業經濟發展，而且也會影響農民收入水平的提升。朱喜和李子奈（2006）認為短期來說，涉農貸款不能促進農村投資，提升農民收入，長期來說涉農貸款與農村投資以及農民收入并沒有相互均衡關系。江美芳和朱冬梅（2011）研究表明農村金融機構貸款與農村經濟增長有很高的依存度和關聯度，同時農村金融機構貸款對農村經濟增長起到促進作用。孫勇智和孫啟明（2013）研究表明農業信貸對農村經濟發展有基礎性作用，但是其無法滿足解決經濟增長問題的需要。李富有和郭小葉（2016）研究表明提升農村信貸資金利用率可以推動農村經濟發展，同時推動農村經濟發展也能夠提高農村信貸規模和效率。王勁屹（2018）研究表明農戶存款增加可以推動農村經濟發展，但是農村金融機構信貸對其經濟發展影響并不大。權飛過和王曉芳（2020）采用農村信貸戶占比來度量農村信用環境，表明農村信貸促進農村經濟增長。玉國華（2021）基于勞動力轉移這一中介變量，研究表明農村信貸投入對農村經濟增長、城鄉收入差距具有顯著的抑制作用。

而研究銀行信貸與農村經濟發展問題的國內外文獻中，學者大都采用時間序列相關的模型進行分析，無論是Burgess和Pande還是溫濤等等。再如，姚耀軍、禹躍軍和王菁華采用VAR模型及Granger因果檢驗，朱喜、李子奈采用VEC模型進行協整分析等等，無一不是運用時間序列進行研究從而得出農村信貸發展與經濟增長方面的結論。近年來，隨著前沿的空間面板數據模型逐漸走進學者的視野，越來越多的研究開始考慮地理位置對經濟的影響，將空間地理視角應用到經濟金融學領域。眾所周知，影響地區經濟發展水平的因素還有地理區位。經濟高度發展的地區也會對周邊地區產生一定的溢出效應。因此，用該模型來研究銀行信貸與農村經濟發展之間的關系有一定必要性。方先明和孫愛軍（2010）利用中國省級數據研究我國經濟增長空間集聚特征，僅是通過構建空間截面回歸模型分析金融發展與經濟增長的關系，并未構建空間面板計量模型進行深入研究。張宇青和周應恒（2013）采用Moran’s I指數以及空間計量模型研究農村金融發展和經濟增長間的關系，但是其數據選擇上選擇樣本時間較短，可能存在一定偏差，無法衡量兩者變化趨勢。洪港和鄒俊中（2019）運用空間計量模型采用近10年各省市面板數據研究農村金融發展與經濟發展之間的關系，但是其選取的指標過于單一，不能全面刻畫我國農村銀行信貸發展水平。因此，本文將從以下幾個方面著手，在現有文獻基礎上進一步深入分析銀行信貸與農村經濟發展的關系。首先，選取2010-2020年中國各省、直轄市農村相關數據，利用Moran’s I指數來分析各省市農村經濟發展空間關聯特征；其次，通過構建空間計量模型，即SLM模型、SEM模型和SDM模型來分析銀行信貸與農村經濟增長之間的關系和內在作用機制，考慮空間異質性和依賴性，進一步檢驗各指標對農村經濟發展直接效應、間接效應和綜合效應；最后根據相關結論提出相應的對策與建議。

三、研究方法及變量選取

（一）空間自相關性檢驗

衡量各變量的空間相關性，一般用Moran’s I指數來測定，取值范圍為[-1,1]，若指數大于0說明變量之間存在正向空間溢出效應，若指數小于0說明存在負向空間溢出效應。其計算公式如下：

一般而言，大多數學者按照Rook銜接以共同邊界定義鄰近關系來構造二元鄰近空間權重矩陣，即矩陣中元素均由1和0組成，如果區域和區域相鄰則為1，不相鄰則為0。但是在本文計量模型設定中，考慮類似于海南沒有陸地相鄰，相鄰關系不足并不能有效對樣本區位信息進行建模。同時，二元鄰近空間矩陣的構建本身是假設不相鄰地區間不存在任何空間相關，與實際情況出入較大，故本文用地理距離來構建空間權重矩陣。矩陣中元素形式如下：

（二）空間計量模型

Anselin和Lee C將空間計量方法分為空間滯后模型（SAR）和空間誤差模型（SEM）。之后，在兩大模型的基礎上發展形成空間杜賓模型（SDM）。

1.空間滯后模型（SAR）。最初針對截面數據進行研究，通常被認為是描述空間相關性的空間自回歸過程。其表達式為：

2.空間誤差模型（SEM）。衡量誤差項之間存在的序列相關，用來度量鄰近單元關于因變量誤差沖擊對本單元的影響程度。其表達式為：

3.空間杜賓模型（SDM）。建立在空間滯后模型和空間誤差模型的基礎上，它不僅考慮因變量的空間相關關系，而且也將自變量的空間相關關系加入考量。該模型的數學表達式為：

對于空間計量模型的選擇是本文研究的關鍵所在。首先，使用拉格朗日乘數法（LM檢驗）對模型進行判別。LM檢驗包括四種經典統計量：LM-error統計量、LM-lag統計量、Robust LM-error統計量和Robust LM-lag統計量。根據Anselin拉格朗日乘數檢驗判別準則制作流程圖進行模型選擇（圖1）。

圖1 空間計量模型選擇判別流程

（三）變量選取與數據來源

鑒于農村經濟測算相對來說比較復雜，國內外學者在變量選取上不盡相同，各有優劣。本文在指標選取上，除了考慮指標本身的代表性、可解釋性，還需要考慮數據的可獲得性以及完整性。因此，選取衡量指標如下：

1.被解釋變量：農村經濟發展指標。經濟增長一般是用GDP來衡量，但是由于我國農村經濟的復雜性，我國官方統計年鑒沒有數據直接準確表明農村GDP。而現有文獻中大部分學者，如譚崇臺等利用第一產業生產總值來衡量農村經濟發展情況。但是隨著鄉村振興的不斷推進，農村產業結構也發生重大變化，農村GDP中第二、第三產業所占比例也不斷增加，因此，僅用第一產業來衡量我國農村經濟并不能充分反映農村發展的真實情況。也有部分學者如王淑英等用第一產業和鄉鎮企業增加值之和來衡量農村經濟增長，但是這種方法會存在重復計算的情況。所以，本文選取各省市農村居民可支配收入來反映各省農村經濟發展水平（記為lngdp），該指標會淡化三大產業劃分，直接從收入的角度綜合體現農村地區經濟發展情況，有較強的現實意義。

2.解釋變量：銀行信貸規模和效率指標。本文核心變量為銀行信貸，主要從信貸的規模和效率兩個角度進行衡量。從推動鄉村振興、脫貧攻堅的角度研究信貸規模，涉農貸款余額這一指標更能反應各省市對農村地區信貸支持。其中涉農貸款余額涉及到中國農業銀行、中國農業發展銀行、中國郵政儲蓄銀行等重要農村金融機構。考慮到各省市產業結構的差異，因此本文參照陳龍(2020)用涉農貸款占比=（涉農貸款總額/各省貸款總額）/第一產業占比來衡量信貸規模（記為scale）。

Goldsmith（1969）提出用金融相關比率來衡量金融效率和發展水平。而國內學者衡量銀行信貸效率，大都會采用發放給私人部門的銀行信貸比例，或者是金融機構貸款與存款的比值。考慮到數據的可得性，本文選擇金融機構貸款與存款的比值來衡量（記為efficiency）。

3.控制變量：在實際情況中，農村經濟增長還受其他因素的影響。農村經濟發展離不開勞動力，勞動力投入量即可以用農村人口數來表示(labor)。同樣，農村住戶固定資產投資（記為investment）是一種再生產活動，包括農村房屋新建、更新以及機械設備、器具購置等等，不僅發展農村基礎設施建設，而且促進農村生產經營影響其經濟發展。

本文選取2010-2020年中國31個省市自治區農村作為研究對象，研究數據均來自WIND數據庫、《中國統計年鑒》、《中國金融年鑒》以及《中國農村統計年鑒》等。并對缺失數據采用插值法進行填充，同時對部分數據進行對數處理以便模型分析。

四、實證分析

（一）空間自相關性檢驗

為了更好地了解農村經濟發展情況以及空間集聚現象，本文運用GeoDa空間計量軟件將其可視化。制作2010年以及2020年我國農村地區經濟發展情況五分位圖，按照顏色深淺對經濟情況進行區分，顏色越深代表農村經濟發展情況越好（其中，臺灣不計入討論）。通過圖2不難看出無論是2010年還是2020年顏色深淺相近的區域相連，即農村經濟發展水平較高的地區主要分布在東南沿海，有江蘇、浙江、廣東等，而農村經濟發展水平較低的地區主要分布在西北腹地，有青海、甘肅等。說明我國農村經濟增長在空間上存在集聚效應。

圖2 2010年、2020年我國各省、直轄市農村經濟發展情況

本文構建空間距離矩陣計算2010-2020年我國農村經濟增長的全局Moran’s I指數和相關統計值，進一步確定空間相關性以及農村經濟增長的溢出效應。如表1所示，2010-2020年我國農村經濟發展Moran’s I指數在0.130-0.168之間上下波動，表明我國農村經濟呈現明顯的正向空間相關性特征。

表1 2010-2020年農村經濟發展Moran’s I指數

圖3分別表示2010年、2020年我國農村經濟增長的空間分布Moran’s I散點圖，橫軸表示農村經濟增長情況，縱軸表示鄰近省市的農村經濟增長情況。 以2020年散點圖為例，觀測值位于第一象限的省市地區農村經濟發展較好，同時也具有明顯的正向空間溢出效應，如廣東、浙江、江蘇等省市，構成“強強集聚”；位于第二象限的地區農村經濟雖然發展較差，但是也具有明顯的空間滯后性，其相鄰的農村經濟對其有正向的溢出效應，如吉林、山西、河北、河南等省市。而位于第三象限的地區農村經濟發展較差，空間滯后性也較低，這些省市的相鄰農村經濟具有反向溢出效應影響，如甘肅、貴州、寧夏、廣西等省市，構成“弱弱集聚”。由此可知，我國省市農村經濟上具有空間自相關性。

同時不難看出，隨著時間的推移從2010年到2020年農村經濟發展集聚程度穩中有進，區域性高地已經形成。第一象限的“強強集聚”省市以及第三象限的“弱弱集聚”省市基本情況維持不變。因此，在推進農村經濟發展中，要突出重點省市農村地區。不僅要關注發展較薄弱的省市區域農村，著眼從內部解決問題，而且應緊抓經濟基礎相對較好、輻射能力相對較強的區域，促進轉型升級發揮空間溢出效應，從而拉動整體經濟水平的提升。

圖3 2010年、2020年我國農村經濟增長空間分布Moran’s I散點圖

（二）空間計量模型選擇及參數分析

我國省市農村區域經濟上具有空間自相關性，運用傳統的OLS估計不能有效分析農村經濟增長影響因素，因此本文運用Matlab軟件構建空間計量模型（SAR、SEM和SDM模型）來實現。

表2 空間計量模型估計結果

表3 空間計量模型的LM檢驗

根據表2空間杜賓模型估計結果可知，農村銀行信貸規模（scale）與農村經濟發展水平呈顯著負相關關系，或許是因為我國農村信貸發展模式還處于初期，資本積累存在一定的門檻效應，盡管銀行信貸在農村規模上不斷擴大，但是仍未達到能夠提高農村經濟發展的閾值，金融排斥現象較為嚴重。進而從側面也反映農村銀行信貸市場化程度較低，缺乏動力、活力，信貸資源供給不足，難以滿足農村市場多層次需求，不利于農村經濟發展。銀行信貸效率（efficiency）與農村經濟增長呈顯著正相關關系，這說明相較于單一的信貸規模“量”的擴大，銀行信貸效率“質”的提升更能促進農村經濟增長。農村人口數（labor）對農村經濟增長有顯著的負作用，可能是因為農村有大量老齡化人口，即使會有很多勞動力通過外出打工流向城市地區，但剩余勞動力仍然存在，并導致農村勞動效率較低從而影響農村經濟增長。農村地區銀行信貸主要用于農村生產經營、固定資產投資。固定資產投資（investment）推動農村基礎設施建設以及再生產活動，推動農村經濟發展水平的提升。通過研究空間效應變量，不難發現我國農村經濟發展存在空間上的互動效應，距離接近的省市地區之間相互影響。一個省市農村銀行信貸規模（W*scale）和鄉村人口數（W*labor）對周邊地區呈負向影響，銀行信貸效率（W*efficiency）和固定資產投資（W*investment）對促進周邊區域農村經濟有正向作用。

但是，Lesage J P（2009）指出，空間杜賓模型（SDM模型）中包含空間滯后因變量和自變量，并加入空間加權矩陣W。如果將空間杜賓模型簡單的視為某個變量對被解釋變量產生的影響，將會存在嚴重偏差，估計結果無法直接反映邊際效應，也無法準確衡量不同變量給農村經濟發展帶來的直接影響。因此，為了更好地進一步解釋空間溢出效應，本文將對空間杜賓模型求偏微分來檢驗各個解釋變量對農村經濟發展的直接效應和間接效應，結果見表4。

表4 農村經濟增長SDM 模型的直接與間接效應檢驗結果

表4中直接效應是直接反映該地區銀行信貸對本地區經濟增長的作用，間接效應則是反映空間溢出效應存在與否。銀行信貸規模（scale）具有1%置信水平下顯著負的直接效應，10%置信水平下顯著負的間接效應和總效應。具體來說，單純擴大銀行信貸并不能對本省市農村經濟增長起到促進作用，同時也可能對鄰近省市發展帶來不利影響，總體來看各省市在信貸規模上沒有形成良好的協同機制，跨省市實施信貸規模的擴張難度較大。而銀行信貸效率（efficiency）對于農村經濟發展具有顯著正向直接效應、間接效應和總效應，說明信貸效率的提升在促進本省市農村經濟增長的同時，還具有正向外部性和示范效應。通過提升本省銀行信貸效率同樣也能促進鄰近省市地區農村經濟發展水平的提高。就控制變量來說，鄉村人口（labor）對農村經濟發展有顯著負向直接影響、間接影響和總影響，人口老齡化、勞動效率較低影響本地區農村經濟發展，顯著的空間溢出效應會通過農村人口轉移對各省市農村經濟增長產生一定的相互競爭。固定資產投資（investment）對農村經濟增長有顯著的正向直接影響、間接影響和總影響，擴大固定資產投資、完善農村基礎設施建設，不僅能夠促進本省市農村經濟增長，也會帶動鄰近省市農村經濟的增長。

五、結論與建議

本文選取我國31個省市自治區2010-2020年數據，運用空間計量模型研究銀行信貸與農村經濟發展之間關系，結果表明：我國各省市農村經濟發展水平存在明顯的空間集聚效應。單純的擴大銀行信貸規模一定程度上會抑制農村經濟發展，而提升銀行信貸效率才是促進農村經濟增長的關鍵因素。信貸效率的提升不僅促進本地區農村經濟發展，而且能帶動鄰近省市農村經濟發展。因此，根據以上研究，提出以下建議：

第一，強化區域合作，促進協同發展。通過Moran’s I指數進行的全局檢驗，不難發現農村經濟發展具有很強的空間依賴性，各省市空間關聯不斷加強。因此，促進農村經濟增長，加強區域合作顯得尤為重要。農村經濟發展較好的地區應積極發揮引領帶動作用，例如上海、江蘇、浙江等省市農村，增強它們帶動腹地發展的能力；要積極支持欠發達省市農村的發展，尤其是青海、甘肅、西藏等地，從內部發現問題，妥善處理好高速發展和高質量發展間的平衡關系，因地制宜將資源優勢轉化為產業優勢，形成具有本地特色的區域發展機制；要全面深化區域合作，完善定點幫扶、對口支援工作，使金融資源配置在區域間流動并達到最優狀態，構建省市農村經濟均衡發展的長效機制，增強農村經濟發展活力。

第二，拓寬融資渠道，推動信貸創新。通過空間杜賓模型（SDM模型）可知，農村信貸規模對農村經濟增長有顯著的反向影響。這可能是由于我國農村經濟發展模式不完善、基礎薄弱，并沒有完成市場所需的資本積累。雖然信貸規模不斷擴大，但是并沒有對農村經濟增長起到促進的作用。又或是農村融資渠道較為單一，需要進行渠道上的創新。而從實證結果，銀行信貸規模對農村經濟發展有顯著負的直接效應、間接效應以及總效應，表明單純擴大銀行信貸并不能對本省市農村經濟增長起到促進作用，同時也可能對鄰近省市發展帶來不利影響。所以，在農村信貸發展中不能僅一味的追求“量”，而忽視“質”。這就要求推動信貸創新，引入“云計算”等新技術，發展數字信貸，對農村客戶運用精準數字畫像、數字信用評級以及進行數字授信，夯實農村數字信貸的用戶基礎，促使資金流入農村。

第三，提高信貸效率，支持實體經濟。根據空間杜賓模型（SED模型）可知，提高信貸效率促進本省市農村經濟發展的同時也能輻射鄰近省市地區的農村經濟發展。由此可見，發展農村經濟的著眼點還是提高銀行信貸效率。這就要求利用金融政策來引導農村的銀行提高貸存比率，優化信貸結構，提高貸款發放效率，更好滿足農村人口以及鄉鎮企業的融資需求。此外，農村固定資產投資對推動農村經濟發展也起到推動作用，因此，要加大銀行信貸對農村生產經營活動、固定資產投資的扶持，通過信貸投向基礎設施推動再生產，吸引和鞏固農村可用資本，促進人才、資本等生產要素的流動，提升農村金融效率，切實服務實體經濟，進而實現農村經濟協調可持續發展。