鄉村振興戰略、助農貸款與緩解農村金融抑制
——基于雙重差分法（DID）的實證檢驗

□ 劉巖

一、引言

全面推進鄉村振興離不開金融支持，尤其是在實現共同富裕的過程中，農業生產現代化、農村基礎設施升級、農民實現增收等無不需要資金支持。但是，受到經濟制度和金融政策等相關因素的影響，我國的金融資源配置不合理，農村經濟發展長期得不到必要的資金支持。在我國城鄉二元經濟結構背景下，農村金融發展緩慢也是造成城鄉收入差距的一個重要原因。近年來，我國積極進行經濟、金融制度改革和大力發展普惠金融，各商業銀行紛紛推出助農惠農的金融服務，這雖然在很大程度上緩解了農戶的金融約束，但是農村金融抑制現象仍然存在。

關于農村金融抑制的研究成果已經相當豐富，李存和祝國平（2019）認為農村金融抑制包括供給型金融抑制和需求型金融抑制，交易成本、市場因素和信息不對稱是造成農村金融抑制的主要原因。具體地，供給型金融抑制是從資金供給角度研究農村的金融抑制現象，金融管制在某種程度上使金融機構出現農村金融抑制性（楊軍和高鴻齋，2015）；另外，銀行等金融機構對農業借貸存在“理性排斥”行為，信貸配給導致農村金融出現“市場失靈”，大量的農村金融需求被排斥在正規金融市場之外（程惠霞，2014）。從需求端來看，農村市場化程度低、農村金融體系不健全等原因導致了農村居民對正規金融組織借貸資金需求不足（高帆，2002）。金融素養較低是限制農戶獲得正規信貸的一個重要原因（何學松和孔榮，2019），此外，農戶的非農收入對銀行信貸具有很強的替代性，即便是有資金需求，農村居民更多的是向親戚朋友借款，農村非正規金融對正規金融產生了擠出效應（陳鵬和劉錫良，2011）。農村金融抑制也給農村經濟社會發展帶來了諸多的不利影響。金融抑制不僅極大地阻礙了農業產業化進程（朱啟銘，2006），而且還會導致居民收入差異分化和產生不平等問題（王小華等，20014）。

當然，相關學者也一直在探究如何化解農村金融抑制問題，深化農村金融改革成為大家的共識。王國華和李克強（2006）認為金融制度創新是解決農村金融抑制問題的關鍵，而事實證明也是如此，比如林樂芬和王步天（2015）基于農村金融改革試驗區418名縣鄉村三級管理者的調查實證發現農地經營權抵押貸款制度改革有助于提升農戶的信貸可得性；馬九杰（2020）等根據農信社改制農商行的經驗證據發現農村金融機構市場化可以緩解農村家庭資金約束；農業政策性金融供給可以有效緩解當期農村金融抑制（何志雄和曲如曉，2015）。已有文獻從眾多方面探究了農村金融改革的影響，但是鮮有學者探究外部事件沖擊或者相關政策的實施是否會影響農村金融抑制問題。郭武燕（2009）曾借金融危機對中國農村金融抑制的沖擊來討論中國農村金融的深化問題，而相比之下，鄉村振興戰略的實施是否能夠在一定程度上緩解農村的金融抑制問題更值得探討。鄉村振興戰略提出了產業興旺、生態宜居、鄉風文明、治理有效、生活富裕的總要求，涉及農業農村農民的方方面面，實施鄉村振興戰略勢必會在更深層次、更廣范圍內影響農村金融制度改革。

基于此，本文基于506家商業銀行樣本數據，利用雙重差分法（DID）實證檢驗鄉村振興戰略對商業銀行助農貸款投放情況的影響，借此考察鄉村振興戰略的實施是否有助于緩解農村金融抑制。本文的邊際貢獻主要有：一是在研究視角上，首次探究鄉村振興戰略對農村金融抑制的影響，豐富了相關文獻；二是在研究方法上，巧妙地運用了雙重差分模型進行實證檢驗；三是在研究內容上，突出了商業銀行在助力鄉村振興進程中的突出貢獻。

二、政策背景與研究假說

（一）政策背景

黨的十九大提出，我國的主要矛盾已經轉化為人民日益增長的美好生活需要和不平衡、不充分發展之間的矛盾。無論是實現共同富裕還是服務經濟雙循環戰略，農村必須要振興。習近平總書記說：“促進共同富裕，最艱巨最繁重的任務仍然在農村，農村富裕工作要抓緊”。只有實施鄉村振興戰略，在廣大鄉村群眾有經濟條件消費的基礎上，才能實現真正的經濟內循環。隨著脫貧攻堅戰的勝利和全面建成小康社會目標的實現，實施鄉村振興戰略是開啟全面建設社會主義現代化國家新征程的必然選擇（洪銀興等，2018）。

正是基于國情和時代背景考慮，按照中共十九大提出的決勝全面建成小康社會、分兩個階段實現第二個百年奮斗目標的戰略安排，2017年中央農村工作會議明確了實施鄉村振興戰略的目標任務：2020年，鄉村振興取得重要進展，制度框架和政策體系基本形成；2035年，鄉村振興取得決定性進展，農業農村現代化基本實現；2050年，鄉村全面振興，農業強、農村美、農民富全面實現。

（二）研究假說

作為“三農”工作的總抓手，鄉村振興戰略堅持農業農村優先發展，是中國經濟社會發展方式一次大的轉變。在建立健全城鄉融合發展的體制機制和政策體系的過程中，農村金融體制改革勢在必行，這會在一定程度上緩解農村金融抑制。

從供給角度來看，缺失或者不適當的經濟制度、金融政策等因素是導致的資源配置不合理的主要原因，農村資金供給不足產生供給型金融抑制。農村金融機構少、金融產品單一和資金量少是導致“三農”資金需求得不到滿足的主要原因。伴隨著鄉村振興戰略的實施，農村金融供給側結構性改革逐步拉開帷幕（梁信志，2018）。商業銀行積極創新服務模式、加快產品創新、推進渠道融合、強化科技賦能和筑牢風控底線，這在很大程度上增加了農村金融有效供給和保障了農村金融服務的可持續性。正如美國經濟學家美國經濟學家愛德華·肖（1973）在《經濟發展中的金融深化》一書中所言，發展中國家只要進行金融政革就會有所作為，事實也證明我國的政策性金融供給可以緩解農村金融抑制（何志雄和曲如曉，2015）。

從需求角度來看，農村家庭向正規金融機構借貸的意愿不高會形成需求型金融抑制，這也是由于農村市場化程度低、農村金融體系不健全等原因造成的（高帆，2002）。市場機制不健全必然會影響農村金融機構的充分競爭，當農戶可選擇的正規金融機構減少和無法適配自身需要的金融產品后，農戶潛在需求便會消失（林毅夫，2003）。同時，考慮到農村金融機構顯性交易成本和隱性交易成本均高于城市金融機構，正規金融交易難以達成導致非正規金融在農村盛行（朱粵偉，2007）。鄉村振興戰略的實施必然會伴隨著一系列的農村經濟體制改革，在這個過程中，如果能夠調整農村產業結構、培育新的經濟增長點和提高農戶的經營預期，從而增加農村經濟組織對于資金的需求，便可以有效地緩解我國農村社會的需求型金融抑制（劉祚祥，2007）。

綜上所述，在鄉村振興戰略的實施過程中，伴隨著經濟機制改革和相關金融政策的出臺，勢必會把更多金融資源配置到農村經濟社會發展的重點領域和薄弱環節，強化鄉村振興投入的普惠金融保障，農村金融抑制問題便可能得到有效解決。基于以上分析，本文提出有待檢驗的研究假說。

假說H1：鄉村振興戰略的實施有助于緩解農村金融抑制。

三、研究設計

（一）樣本選擇與數據來源

本文以我國506家商業銀行為對象，選取2013-2020年8年區間，由于部分銀行的部分年份數據缺失，該樣本數據為非平衡面板數據，共包括3268個樣本數據。此外，借鑒前人的研究方法，對助農貸款等重要變量指標進行了winsor（1 99）的縮尾處理。本文所用數據均來自國泰安（CSMAR）數據庫。

（二）模型設計

1.雙重差分模型

雙重差分法常被用作政策效應評估，其利用外生的政策沖擊作準自然實驗，可以克服其他因素對結果的影響。雙重差分模型檢驗政策效應的基本原理如下：按照與政策密切相關的標準，將全樣本劃分為實現組與控制組兩大類別，以政策出臺時間為節點進行分析。在政策出臺之前，實驗組和控制組的特定研究指標存在差別，在政策時點后，實驗組與控制組之間呈現較大的區別，然而假設政策實施后兩組之間的差別趨勢沒有變，那么實驗組與控制組間實際的差別與政策時點之前的差別，兩者之差就是政策所發揮的凈效應。這樣的模型設計可以很好地克服互為因果、變量遺漏以及數據誤差造成的內生性問題。本文以鄉村振興戰略的實施為準自然實驗，采用雙重差分（DID）方法來進行因果識別。具體地，依據鄉村振興戰略實施對不同商業銀行的影響效果為標準進行分組，農村商業銀行、村鎮銀行和農村信用社深耕農村，服務于當地農民、農業和農村經濟發展，其相關金融業務最先受到鄉村振興戰略的影響，因此，將農村商業銀行、村鎮銀行、農村信用社和中國農業銀行一起選為實驗組處理；2017年黨的十九大正式提出實施鄉村振興戰略，故將2017年選做政策時點。

（1）具體模型設計如下：借鑒Bertrand和Mullainathan（1999）提出的雙重差分模型，本文驗證鄉村振興戰略實施對商業銀行助農貸款發放的政策效應。

其中，下標i代表商業銀行樣本，t代表2013-2020年間的每個年度。被解釋變量Farmer_loansi,t體現了t時期i銀行的助農貸款投放情況，DIDi,t為實驗組（Policy）與政策時點的交互項（Treat），表示鄉村振興戰略實施對商業銀行助農貸款投放的凈影響效果，Controli,t為本文一系列的相關控制變量，εi,t為隨機誤差項。

（2）雙重差分的分組情況：如表1所示，實驗組樣本量為1959，控制組樣本量為1309；政策實施前后樣本量相差無幾。從樣本分布來看，本文的實驗處理較為恰當。

表1 DID分組情況

2.雙重差分的平行趨勢檢驗

使用雙重差分模型需滿足共同趨勢假設，即政策之前實驗組與控制組之間不存在顯著差異。為此，我們采用Bertrand and Mullainathan（2003）提出的平行趨勢檢驗方法檢驗本研究的合理性以及分組結果的有效性，具體模型如下：

其中，Farmer_loans為商業銀行的助農貸款，Before3-Before1都是虛擬變量，如果樣本分別屬于受到政策影響的前1-3年，則該指標分別賦值為1，反之則賦值為0；如果樣本就在受到政策影響的當年，則Current賦值為1，反之則為0；而當樣本位于受到政策影響后的第1-3年，After1-After3分別賦值為1否則就為0，Control為本文的控制變量。

雙重差分平行趨勢檢驗結果如表2所示，Before3-Before1的系數均不具有統計顯著性，而Current-After2的系數卻在5%的統計水平上顯著為正，這意味著，平行趨勢假設已經滿足，可以繼續進行雙重差分檢驗。

表2 平行趨勢檢驗

由圖1可以更為直觀地觀測到助農貸款在鄉村振興戰略實施前后的發放情況的變化。在鄉村振興戰略實施之前年份中，助農貸款圍繞0周圍上下波動，即處理組與控制組之間的助農貸款并不存在顯著差異。但是實施鄉村振興戰略當年及其后的兩年內，農商銀行等助農貸款的發放表現出明顯的上升趨勢，從政策實施的第3年開始處理組與控制組之間的顯著性差異消失。這證明了本文研究設計的合理性，使用雙重差分進行實證分析是可行的。

圖1 平行趨勢檢驗

（三）變量定義與說明

1.被解釋變量。助農貸款（Farmer_loans）。本文選擇國泰安（CSMAR）數據庫“銀行治理”板塊中的商業銀行發放的農戶貸款為基礎數據，然后對其做取對數處理。金融抑制的度量指標主要有三個（劉錫龍，2008），其中一個就是農村資金需求能否得到滿足，根據這個標準，本文以商業銀行的正規信貸支持為被解釋變量來反應農村金融抑制情況，助農貸款投放越多則說明農村金融抑制情況得到緩解。

2.解釋變量

（1）處理變量（Treat）。本文的處理變量是一個虛擬變量，如果該商業銀行為農村商業銀行則賦值為1，反之則賦值為0。相比于其他商業銀行，農村商業銀行往往起源于農村、扎根農村、與農村農民有著更親密的聯系，因此，鄉村振興戰略對農商銀行的影響作用較大。

（2）時間變量（Policy）。該變量也是一個虛擬變量，2017年中央農村工作會議明確了實施鄉村振興戰略，據此，如果樣本在2017年之前（不包含2017年）就賦值為0，反之則賦值為1。

（3）處理變量*時間變量（Treat* Policy）。該變量是處理變量（Treat）和時間變量（Policy）的交叉項，用來檢驗鄉村振興戰略對處理組樣本的政策凈效應。根據雙重差分模型的設計原理，如果β1為正，則表明鄉村振興戰略有效促進了農商銀行的助農貸款發放。

3.控制變量。參考相關文獻選擇以下控制變量：商業貸款（C_loans）、不良貸款率（RBL）、資產利潤率（RA）、總資產周轉率（TAT）、資本充足率（CAR）、董事會人數（NOBM）和第一大股東持股比（ROLS）；同時，控制年份（year）固定效應、省份（province）固定效應和個體固定效應，以此保證助農貸款不受那些源自特定年份、省份的宏觀經濟因素和政策變動的影響。

表3 變量定義

DGR 存款增長率 商業銀行的存款增長率NOBM 董事會人數 商業銀行的董事會人數ROLS 第一大股東持股比 商業銀行第一大股東持股比例

（四）描述性統計分析

表4以全樣本、處理組和對照組分別陳列的形式展示主要變量的均值和標準差。如表3所示，處理組的助農貸款明顯高于控制組，這也符合實際情況，即農商銀行是農戶貸款的首選銀行渠道。其他變量諸如不良貸款率（RBL）、資產利潤率（RA）、總資產周轉率（TAT）、資本充足率（CAR）和存貸款增長率（LGR、DGR）無明顯區別。

表4 描述性統計

四、實證結果與分析

（一）基準回歸結果及其分析

為保證主回歸結果的穩健性，本文采用嵌套回歸模型進行分析。在依次加入商業貸款（C_loans）、不良貸款率（RBL）、資產利潤率（RA）、總資產周轉率（TAT）、資本充足率（CAR）、董事會人數（NOBM）和第一大股東持股比（ROLS）這些控制變量后，表5顯示鄉村振興戰略在1%的統計水平上顯著促進了銀行發放助農貸款。初步證明假設H1的合理性。

表5 基準回歸結果

注：a.★★★、★★、★分別表示在1%、5%、10%水平下顯著；括號內為t統計量（下同）

進一步的，利用雙重差分的凈效應結果能更加直觀地表現出鄉村振興戰略對商業銀行助農貸款發放的凈影響，即運用雙重差分模型進行回歸檢驗，通過對比鄉村振興戰略實施前后，銀行助農貸款發放的變化情況來證明本文假設H1的內容，具體的檢驗結果如下表6所示：

表6 雙重差分檢驗結果

根據表6所示可知，首先，在鄉村振興戰略實施之前，處理組的助農貸款為4.753，控制組的助農貸款是2.607，兩者的差分為2.146，且存在顯著差異；其次，在鄉村振興戰略實施后，處理組的助農貸款為6.041，控制組的助農貸款為2.091，兩者的差分為3.950，此時仍存在顯著差異；最后，雙重差分的凈效果為1.804，且在1%統計水平顯著。故此，鄉村振興戰略實施的凈效應顯著為正，進一步證明了鄉村振興戰略促進了商業銀行的助農貸款發放。

（二）穩健性檢驗

1.PSM-DID。由于商業銀行發放助農貸款并不是完全隨機的，本文的實驗組和控制組之間可能會存在樣本選擇偏誤和其他混雜變量的影響，從而導致雙重差分估計是有偏的。為此，本文采用 PSMDID方法來解決這一問題，以保證研究結果的無偏性。如表7所示，經過傾向得分匹配后，不良貸款率（RBL）、資產利潤率（RA）、總資產周轉率（TAT）、資本充足率（CAR）、董事會人數（NOBM）和存款增長率（DGR）這些變量的均值相差無幾，這說明處理組與控制組之間整體上不存在顯著差異。

表7 平衡性檢驗

基于匹配后的樣本數據，進一步運用雙重差分模型驗證鄉村振興戰略的實施對助農貸款發放的政策效果。具體檢驗結果如表8所示：首先，在去杠桿政策實施之前，處理組的助農貸款投放為3.476，控制組的助農貸款投放是1.575，兩者的差分為1.901；其次，在去實施鄉村振興戰略后，處理組的助農貸款投放為4.802，控制組的助農貸款投放為0.714，兩者的差分為4.622；最后，雙重差分的凈效果為2.721，且在1%水平下顯著。該凈效應略高于基準回歸所得的凈效應。進行傾向匹配處理后政策實施的凈效應仍然顯著為正，進一步證明研究結果的可靠性。

表8 匹配后雙重差分回歸結果

2.安慰劑檢驗。為了保證研究結論的可靠性，本文采用安慰劑檢驗繼續進行穩健性檢驗。安慰劑檢驗核心思想就是虛構處理組或者虛構政策時間進行估計，如果不同虛構方式下的估計量的回歸結果依然顯著，那么，就說明說明原來的估計結果很有可能出現了偏誤，我們的被解釋變量的變動很有可能是受到了其他政策變革或者隨機性因素的影響。相反，如果實證結果不顯著，則可以證實政策效應的穩健性。本文采用關于政策實施時間的安慰劑檢驗：一般做法就是虛構政策時間進行回歸。借鑒相關研究（劉瑞明和趙仁杰，2015），本文將政策時間設置到2016年進行穩健性檢驗。表9為安慰劑檢驗的實證結果，在逐漸加入控制變量的情況下，前文所提到的鄉村振興戰略促進商業銀行發放助農貸款的政策效果在此時并不存在。這也證明了本文研究結果的穩健性。

表9 安慰劑檢驗回歸結果

（三）異質性分析

為了進一步探究鄉村振興戰略對商業銀行發放助農貸款的影響以及其中存在的問題，本文進行區域異質性和第一大股東異質性分析。分別進行北上廣等經濟發達省市與山東河北河南等農業大省之間的區域異質性分析和第一大股東為國有股東與第一大股東為非國有股東之間的股東異質性分析。

1.區域異質性分析。表10報告了區域異質性的回歸結果。在北上廣等經濟發達省市地區，鄉村振興戰略的實施對銀行發放助農貸款具有顯著的促進作用；而在山東河南河北等農業大省，鄉村振興戰略的實施對銀行發放助農貸款的影響卻不具有顯著性。這種差異性結果值得深思，可能的原因是農村地區存在金融抑制，欠發達地區的信貸需求往往因為農村家庭缺少信貸擔保，甚至是農戶缺乏金融素養而得不到滿足。相比于山東河南河北等農業大省的農戶，北上廣等經濟發達省市的農戶往往生活在城郊甚至城中村，一方面，他們有更高的金融素養，當有資金需求時他們往往主動去尋求銀行信貸支持；另一方面，他們雖為農戶，但是往往具有一定的家庭財富可以充當信貸抵押。這也從側面說明，相比于供給型金融抑制，需求型金融抑制更難緩解，商業銀行雖然加大普惠金融力度，但是如果農戶沒有尋求正規金融服務的欲望，鄉村振興戰略對農村金融抑制的緩解作用將大打折扣。

表10 區域異質性回歸結果

2.第一大股東異質性分析。表11報告了第一大股東異質性的回歸結果。當第一大股東為國資時，鄉村振興戰略的實施對銀行發放助農貸款具有顯著的促進作用；而當第一大股東為非國資時，鄉村振興戰略的實施對銀行發放助農貸款的影響卻不具有顯著性。這種異質性結果充分地說明了國資背景的商業銀行在支持鄉村振興戰略上發揮著積極的作用。

表11 股東異質性回歸結果

五、研究結論與啟示

本文基于506家商業銀行在2013年至2020年間共3268個樣本數據，利用雙重差分模型（DID），實證檢驗了鄉村振興戰略對商業銀行發放助農貸款的影響。研究發現，鄉村振興戰略顯著促進了商業銀行發放助農貸款，尤其是農業銀行、農村商業銀行、村鎮銀行和農村信用社在鄉村振興戰略實施的前兩年內顯著提高了助農貸款的投放，這說明鄉村振興戰略的實施可以緩解農村金融抑制。異質性研究發現，相比于經濟發達的省市，鄉村振興戰略對助農貸款的影響在經濟欠發達的省市反而不顯著；相比于非國資背景的商業銀行，國資背景的商業銀行在支持鄉村振興戰略上發揮著更為積極的作用。

基于以上研究結論，本文的研究啟示如下：全面推進鄉村振興對農村金融服務提出了更高的要求，有效解決農村金融抑制才能充分發揮金融支持鄉村振興的作用。一方面，應建立多層次、多元化的農村金融機構體系。當前我國農村金融發展薄弱，單單依靠農村商業銀行和農村信用合作社等縣域農村金融機構無法滿足農村金融服務需求，尤其是在全面實施鄉村振興戰略后，“三農”資金需求旺盛，增加服務農村的金融機構尤其是小型金融機構的數量勢在必行。另一方面，應大力發展農村數字普惠金融。農村金融抑制的主要原因還在于農民缺少抵押擔保，因此，相關部門應該借用數字技術建設比較完善的新型農業經營主體信用體系；商業銀行等金融機構也應該在涉農領域加大數字技術投入和創新農村服務模式，以更適配的金融服務降低“三農”的資金需求門檻和使用成本。

當然，本文的研究仍存在以下幾點不足之處：第一，在雙重差分模型的處理上仍有不足之處。本文依據鄉村振興戰略的實施對不同商業銀行的影響效果為標準進行分組，雖然農業銀行、農村商業銀行、村鎮銀行和農村信用社最容易受到鄉村振興戰略的影響，但是，鄉村振興戰略的實施勢必也會對其他商業銀行造成一定的影響，本文的平行趨勢檢驗也發現，在鄉村振興戰略實施后的第三年（2020年），處理組與控制組之間的顯著性差異消失。第二，在農村金融抑制指標的度量上，商業銀行助農貸款雖然與農村金融抑制關系緊密，但是并不能完全反應農村金融抑制的全貌。第三，受數據限制，本文暫沒有進行鄉村振興戰略影響助農貸款發放的作用機制研究，如果想探究鄉村振興戰略如何具體影響農村金融抑制仍需進一步深究。