基于空間面板杜賓模型的農(nóng)村金融發(fā)展與農(nóng)村經(jīng)濟增長關(guān)系研究*

王淑英，孫 冰，秦 芳

(鄭州大學(xué)管理工程學(xué)院，河南鄭州 450001)

?

·研究報告·

基于空間面板杜賓模型的農(nóng)村金融發(fā)展與農(nóng)村經(jīng)濟增長關(guān)系研究*

王淑英※，孫 冰，秦 芳

(鄭州大學(xué)管理工程學(xué)院，河南鄭州 450001)

長期以來，農(nóng)村金融發(fā)展與農(nóng)村經(jīng)濟增長之間的關(guān)系受到國內(nèi)外眾多學(xué)者的關(guān)注。文章基于柯布-道格拉斯生產(chǎn)函數(shù)，考慮到空間溢出效應(yīng)，將資本因素劃分為農(nóng)村金融發(fā)展的規(guī)模、效率和結(jié)構(gòu)3個緯度，結(jié)合勞動力投入量，通過構(gòu)建前沿的計量經(jīng)濟學(xué)空間面板Durbin模型，對我國30個省市2000～2009年農(nóng)村金融發(fā)展與農(nóng)村經(jīng)濟增長的關(guān)系進行了分析。結(jié)果表明，在樣本期間，我國農(nóng)村經(jīng)濟增長存在顯著的空間集聚現(xiàn)象； 農(nóng)村金融規(guī)模、效率、結(jié)構(gòu)與農(nóng)村經(jīng)濟增長之間存在顯著的相關(guān)關(guān)系，其中，農(nóng)村金融規(guī)模和農(nóng)村金融結(jié)構(gòu)對農(nóng)村經(jīng)濟存在反向作用，而農(nóng)村金融效率對農(nóng)村經(jīng)濟具有顯著而正向的直接影響且存在正向空間溢出效應(yīng)，成為影響農(nóng)村經(jīng)濟增長的關(guān)鍵因素。農(nóng)村金融發(fā)展與農(nóng)村經(jīng)濟增長之間的良好互動機制尚未建立。因此，各省市在加大農(nóng)村金融投資規(guī)模的同時，要努力提高農(nóng)村金融資源配置效率。

農(nóng)村經(jīng)濟增長 農(nóng)村金融發(fā)展 空間集聚 空間溢出效應(yīng) 空間面板杜賓模型

0 引言

在中國經(jīng)濟步入新常態(tài)，經(jīng)濟增速放緩的背景下，農(nóng)村經(jīng)濟由于擁有廣闊的市場空間、龐大的消費群體而逐漸成為保障中國未來經(jīng)濟高速增長的中堅力量。與此同時，農(nóng)業(yè)發(fā)展與國民經(jīng)濟和全球一體化發(fā)展關(guān)系日益密切，農(nóng)村經(jīng)濟增長的外部環(huán)境和內(nèi)在條件都發(fā)生了巨大變化，面臨新的壓力和挑戰(zhàn)，農(nóng)村經(jīng)濟增長邁入關(guān)鍵時期[1]。農(nóng)村金融作為農(nóng)村經(jīng)濟增長的源動力，一方面為農(nóng)業(yè)經(jīng)營主體提供借貸資金，滿足生產(chǎn)需要[2]； 另一方面優(yōu)化農(nóng)村實體資產(chǎn)配置，提高農(nóng)業(yè)產(chǎn)出效率，推動農(nóng)村經(jīng)濟的增長[3]。農(nóng)村金融已成為農(nóng)村經(jīng)濟增長的重要引擎，在促進農(nóng)民收入增長、農(nóng)村社會和諧穩(wěn)定方面做出了重要貢獻(xiàn)。

中國地理面積廣闊，各省市農(nóng)村地區(qū)經(jīng)濟發(fā)展程度差異性較大，地理空間因素成為影響農(nóng)村金融發(fā)展和農(nóng)村經(jīng)濟增長不容忽視重要因素之一[4-5]。伴隨著區(qū)域資源要素流動加速，省域、城鄉(xiāng)互動聯(lián)系增強，一個農(nóng)村地區(qū)的經(jīng)濟增長不僅受到本地投入要素的影響，還會受到周邊鄰近地區(qū)的影響[6-7]?？紤]地理空間因素分析我國農(nóng)村金融發(fā)展與農(nóng)村經(jīng)濟增長的內(nèi)生關(guān)系，對于發(fā)揮農(nóng)村金融對農(nóng)村經(jīng)濟增長的積極作用具有重要啟示。

1 文獻(xiàn)綜述

在實證研究農(nóng)村金融發(fā)展與農(nóng)村經(jīng)濟增長關(guān)系的國內(nèi)外文獻(xiàn)中，前期學(xué)者多采用時間序列數(shù)據(jù)模型分析方法，Burgess and Pande(2002)[8]利用印度1961～2001年時間序列數(shù)據(jù)檢驗農(nóng)村金融發(fā)展與農(nóng)村經(jīng)濟增長的相關(guān)性及因果關(guān)系，其結(jié)果表明印度農(nóng)村銀行業(yè)改變了農(nóng)村生產(chǎn)活動和雇傭關(guān)系，促進農(nóng)業(yè)產(chǎn)出增加。姚耀軍(2004)[9]對中國1978～2002年時間序列數(shù)據(jù)利用VAR模型、協(xié)整分析及Granger因果檢驗法進行實證分析，得出農(nóng)村金融發(fā)展與農(nóng)村經(jīng)濟增長存在長期均衡關(guān)系。禹躍軍和王菁華(2011)[10]對1978～2010年時間序列數(shù)據(jù)采用VAR模型，從農(nóng)村金融規(guī)模、效率和結(jié)構(gòu)3個層面分析農(nóng)村金融發(fā)展與農(nóng)村經(jīng)濟增長的關(guān)系，其研究表明農(nóng)村金融發(fā)展有助于促進農(nóng)村經(jīng)濟增長，但農(nóng)村金融規(guī)模、效率和結(jié)構(gòu)對農(nóng)村經(jīng)濟增長的影響程度不同。但是，也存在不同的觀點。溫濤等(2005)[11]運用1952～2003年時間序列數(shù)據(jù)進行協(xié)整檢驗發(fā)現(xiàn)，我國農(nóng)村金融發(fā)展對農(nóng)村經(jīng)濟增長和農(nóng)民收入增長具有顯著的負(fù)效應(yīng)。朱喜和李子奈(2006)[12]利用我國1981～2004年時間序列數(shù)據(jù)采用VEC模型進行協(xié)整分析，認(rèn)為政府主導(dǎo)的農(nóng)村金融不能有效促進農(nóng)村投資增加和農(nóng)民收入增長?？梢?，學(xué)者們選擇不同的計量模型和農(nóng)村金融指標(biāo)，得出的結(jié)論也不盡相同。

近些年來，隨著前沿的空間面板數(shù)據(jù)模型逐漸被學(xué)者們所接受，用此模型檢驗農(nóng)村金融發(fā)展對農(nóng)村經(jīng)濟增長的影響是有必要的。張宇青等(2013)[13]采用Moran′s指數(shù)、空間滯后模型(SLM)和空間誤差模型(SEM)檢驗農(nóng)村金融發(fā)展、農(nóng)村經(jīng)濟增長和農(nóng)民增收的關(guān)系，得出農(nóng)村經(jīng)濟增長和農(nóng)村金融發(fā)展具有空間關(guān)聯(lián)性，但由于其研究僅僅使用兩年的數(shù)據(jù)，不能深刻描述二者之間變化趨勢。胡宗義和李鵬(2013)[14]對我國31省市2003～2010年面板數(shù)據(jù)使用SLM、SEM 和SDM 3種模型檢驗我國農(nóng)村正規(guī)和非正規(guī)金融對城鄉(xiāng)收入差距的影響，結(jié)果表明農(nóng)村金融對縮小城鄉(xiāng)收入差距有顯著正向影響，但其使用農(nóng)村固定資產(chǎn)投資衡量農(nóng)村金融，存在較大問題。譚崇臺和唐道遠(yuǎn)(2015)采用我國31省市2002～2009年面板數(shù)據(jù)，通過建立SEM模型進行實證分析，發(fā)現(xiàn)我國農(nóng)村金融發(fā)展對農(nóng)村經(jīng)濟增長有正向作用。但由于其農(nóng)村金融指標(biāo)過于單一，不能全面刻畫我國農(nóng)村金融發(fā)展程度。

以上研究很好地分析了我國農(nóng)村金融發(fā)展與農(nóng)村經(jīng)濟增長的關(guān)系，說明了改革農(nóng)村金融體制的重要性，但是有關(guān)二者的現(xiàn)有文獻(xiàn)大多使用時間序列數(shù)據(jù)模型進行分析，鮮少利用空間面板計量模型進行檢驗，對變量的空間溢出效應(yīng)分析更是不多見，并且在影響因素分析中，只有正向或負(fù)向影響的結(jié)論，而沒有對直接效應(yīng)和間接效應(yīng)進行區(qū)分。鑒于此，文章從以下兩個方面進行擴展：一是使用較為前沿、更具有一般性的空間面板Durbin模型； 二是全面衡量農(nóng)村金融發(fā)展?fàn)顩r，將其分解為農(nóng)村金融規(guī)模、效率和結(jié)構(gòu)，全方位分析對農(nóng)村經(jīng)濟增長的正向或負(fù)向影響之后，進一步檢驗農(nóng)村金融各層指標(biāo)對農(nóng)村經(jīng)濟增長的直接效應(yīng)、間接效應(yīng)和綜合效應(yīng)。

2 農(nóng)村金融發(fā)展與農(nóng)村經(jīng)濟增長的空間分布

2.1 指標(biāo)確定與數(shù)據(jù)來源

(1)被解釋變量。目前對農(nóng)村經(jīng)濟增長的研究中，常用GDP增長或人均GDP指標(biāo)分析問題，考慮現(xiàn)實條件下大量農(nóng)民工進城務(wù)工以及農(nóng)業(yè)機械化大力推廣，采用人均GDP不能準(zhǔn)確反映農(nóng)村產(chǎn)出。故該文選用第一產(chǎn)業(yè)增加值與鄉(xiāng)鎮(zhèn)企業(yè)增加值之和估算農(nóng)村總產(chǎn)出，為消除量綱的影響進行對數(shù)變換。

(2)核心解釋變量。為全面衡量我國農(nóng)村金融發(fā)展水平，該文參考了King和Levine(1993)[15]對金融發(fā)展指標(biāo)的設(shè)置，依據(jù)我國農(nóng)村實際情況和數(shù)據(jù)可得性，將農(nóng)村金融發(fā)展界定為金融規(guī)模擴張、金融效率提升及金融結(jié)構(gòu)優(yōu)化3方面的統(tǒng)一。規(guī)模方面，該文基Goldsmith(1969)提出的“金融相關(guān)比率”(FIR)[16]，采用各省市農(nóng)村金融機構(gòu)信貸規(guī)模與農(nóng)村總產(chǎn)出的利率即農(nóng)村FIR來表示農(nóng)村金融規(guī)模； 效率方面，采用農(nóng)村貸款與農(nóng)村存款之比反映農(nóng)村金融機構(gòu)將存款轉(zhuǎn)化為貸款的能力，凸顯農(nóng)村金融機構(gòu)對金融資源的配置能力； 結(jié)構(gòu)方面，主要關(guān)注農(nóng)村金融市場結(jié)構(gòu)，用農(nóng)村信用社貸款與農(nóng)村貸款的比率估算農(nóng)村信用社在農(nóng)村金融市場的份額，反映了農(nóng)村金融市場的市場化程度。

(3)控制變量。在現(xiàn)實情況中，農(nóng)村經(jīng)濟增長還受到其他因素的影響，根據(jù)總生產(chǎn)函數(shù)，考慮農(nóng)村勞動力投入量，用鄉(xiāng)村從業(yè)人口表示，為消除量綱的影響進行對數(shù)變換。主要指標(biāo)說明見表1。

表1 指標(biāo)選取與說明

指標(biāo)數(shù)據(jù)來自2000～2009年中國統(tǒng)計年鑒、中國鄉(xiāng)鎮(zhèn)企業(yè)及農(nóng)產(chǎn)品加工業(yè)年鑒、中國金融年鑒、中國農(nóng)村統(tǒng)計年鑒以及各省份統(tǒng)計年鑒，其中由于西藏部分?jǐn)?shù)據(jù)缺失，為避免對實證檢驗造成影響，故該文只對其余30個省市數(shù)據(jù)進行分析。

2.2 空間自相關(guān)性分析

2.2.1 空間相關(guān)性檢驗

(1)農(nóng)村總產(chǎn)出的全局空間相關(guān)性檢驗

全局空間自相關(guān)是對農(nóng)村總產(chǎn)出整體分布特征的描述，一般采用Moran’s I指數(shù)。計算Moran’s I指數(shù)前，先要構(gòu)建各省市鄰接標(biāo)準(zhǔn)的權(quán)重矩陣：

(1)

Moran’sI指數(shù)的計算公式如下：

(2)

上式表示t地區(qū)農(nóng)村總產(chǎn)出的觀測值，n為省市地區(qū)的總數(shù)，Moran’sI指數(shù)在-1到1之間取值，當(dāng)Moran’sI越接近于+1(-1)時，表明變量越具有較強的正(負(fù))空間自相關(guān)性； 當(dāng)Moran’sI趨向于0 的時，表明變量不存在空間相關(guān)性。

(2)農(nóng)村總產(chǎn)出的局部空間相關(guān)性檢驗

局部空間自相關(guān)反映各省市子系統(tǒng)農(nóng)村總產(chǎn)出分布特征，其本質(zhì)是將Moran’sI指數(shù)分解到各個省市地區(qū)，對于某個地區(qū)單元i表示為：

(3)

式(3)中，為目標(biāo)單元，為研究范圍以外的單元區(qū)域。

2.2.2 空間自相關(guān)結(jié)果分析

圖1 2000年、2003年、2006年、2009年我國各省市農(nóng)村總產(chǎn)出分布

為了將農(nóng)村總產(chǎn)出分布格局可視化，以便更好地了解農(nóng)村總產(chǎn)出是否具有空間集聚現(xiàn)象，該文運用GeoDa 空間計量軟件，將農(nóng)村總產(chǎn)出按照絕對值高低平均分為4個梯次，制作了2000年、2003年、2006年、2009年我國各地區(qū)農(nóng)村總產(chǎn)出的空間四分位圖來分析農(nóng)村經(jīng)濟增長的變化趨勢，按照顏色深淺對梯次進行區(qū)分，顏色越深代表級別越高，農(nóng)村總產(chǎn)出量越大，具體為：由圖1可知，顏色相近的區(qū)域相互靠近，即農(nóng)村總產(chǎn)出量較高的地區(qū)相鄰，農(nóng)村總產(chǎn)出量較低的地區(qū)相鄰，說明我國農(nóng)村總產(chǎn)出存在空間集聚效應(yīng)。以2006年為例，農(nóng)村總產(chǎn)出較高的省份有遼寧、河北、山東、河南、江蘇、浙江等，農(nóng)村總產(chǎn)出量在3 829(億元)以上； 農(nóng)村總產(chǎn)出偏低的地區(qū)有新疆、寧夏、青海、北京、天津、海南，其農(nóng)村總產(chǎn)出量都在709(億元)以下。

要進一步確定農(nóng)村經(jīng)濟增長的溢出效應(yīng)，還需要計算2000～2009年我國農(nóng)村總產(chǎn)出的全局Moran’s I指數(shù)和相關(guān)統(tǒng)計檢驗值，該文選取Rook一階空間權(quán)重矩陣，根據(jù)Moran’s I正態(tài)統(tǒng)計量Z(d)判斷變量是否具有空間相關(guān)性，具體結(jié)果見表2。

表2 2000～2009年農(nóng)村經(jīng)濟增長的空間相關(guān)性

如表2所示， 2000～2009年我國農(nóng)村總產(chǎn)出的Moran’s I值在0.247 6～0.268 9之間波動，且Z(d)值均達(dá)到1.96以上，P值都通過了0.01水平下的顯著性檢驗，表明我國農(nóng)村總產(chǎn)出在整個樣本期間不是隨機和均勻分布的，而是存在著明顯的正向空間相關(guān)性。

圖2 我國農(nóng)村總產(chǎn)出空間分布的Moran’s I散點分布

圖2分別表示2000、2003、2006和2009四個年度我國農(nóng)村總產(chǎn)出空間分布的Moran’s I散點圖，橫軸表示農(nóng)村總產(chǎn)出，縱軸表示鄰近省市的農(nóng)村總產(chǎn)出， 2000年、2003年、2006年、2009年農(nóng)村總產(chǎn)出的Moran’s I指數(shù)分別為0.259 0、0.247 6、0.262 9、0.258 9，在2006年的散點圖中，Moran’s I指數(shù)為負(fù)值的區(qū)域有6個，說明這些區(qū)域相鄰的農(nóng)村總產(chǎn)出對其有反向溢出效應(yīng)影響； Moran’s I指數(shù)為正值的區(qū)域有25個，說明這些區(qū)域臨近的農(nóng)村總產(chǎn)出對其有正向溢出效應(yīng)影響。由此可知，我國省市相鄰區(qū)域的農(nóng)村總產(chǎn)出具有空間自相關(guān)性。

3 空間計量回歸模型構(gòu)建

3.1 理論模型構(gòu)建

經(jīng)典的柯布-道格拉斯生產(chǎn)函數(shù)主要用于解釋經(jīng)濟生產(chǎn)投入和產(chǎn)出之間的關(guān)系，F(xiàn)eder(1982)Pagano(1993)Murinde(1994)等學(xué)者對總生產(chǎn)函數(shù)進行了改進，引入金融發(fā)展作為經(jīng)濟生產(chǎn)的“投入”之一。該文在借鑒以上文獻(xiàn)的基礎(chǔ)上，將農(nóng)村金融發(fā)展分解為農(nóng)村金融規(guī)模FIR、農(nóng)村金融效率RFE和農(nóng)村金融結(jié)構(gòu)RFS引入到計量模型中，假定社會綜合技術(shù)水平不變，結(jié)合勞動力投入量，構(gòu)建以下函數(shù)衡量農(nóng)村經(jīng)濟增長：

Y=f(FIR，RFE，RFS，RL)

(4)

其中 Y 表示農(nóng)村經(jīng)濟生產(chǎn)總值；FIR、RFE和RFS分別表示農(nóng)村金融支持農(nóng)村經(jīng)濟增長的3項指標(biāo)，這三者共同體現(xiàn)各省市地區(qū)金融資本投入量的水平；RL表示農(nóng)村勞動力投入量。將基礎(chǔ)模型改寫為面板數(shù)據(jù)模型的一般形式為：

RGDP=α+β1FIR+β2RFE+β3RFS+β4RL+ε

(5)

其中RGDP是被解釋變量農(nóng)村經(jīng)濟增長，F(xiàn)IR、RFE、RFS、RL變量含義不變，α為截距項，β為待估計系數(shù)，ε為隨機擾動項。

3.2 空間計量經(jīng)濟模型及技術(shù)估計

Anselin(1995)認(rèn)為，最常見的空間計量面板模型主要是空間滯后模型(Spatial Lag Model，SLM)，其因變量反映空間相關(guān)性； 空間誤差模型(Spatial Error Model，SEM)，其誤差項反映空間相關(guān)性。LeSage和Pace(2009)提出了空間杜賓模型(Spatial Durbin Model，SDM)同時包含空間因變量的滯后項和空間自變量的滯后項，豐富和發(fā)展了空間滯后模型和空間誤差模型。因此，考慮空間溢出效應(yīng)，該文分別建立空間模型用于考察農(nóng)村金融發(fā)展與農(nóng)村經(jīng)濟增長的關(guān)系：

PGDPit=α+β1FIR+β2RFE+β3RFS+β4RL+ε

(6)

PGDPit=α+ρW*RGDP+β1FIR+β2RFE+β3RFS+β4RL+ε，ε～N(0，σ2)

(7)

PGDPit=α+β1FIR+β2RFE+β3RFS+β4RL+λWμ+ε,ε～N(0,σ2)

(8)

PGDPit=α+β1FIR+β2RFE+β3RFS+β4RL+β5W*FIR+β6W*RFE+β7W*RFS+ β8W*RL+Wμ+ε,ε～N(0,σ2)

(9)

式(6-9)分別為OLS模型、SLM模型、SEM模型、SDM模型。

3.3 檢驗?zāi)Ｐ偷倪x擇

依據(jù)Anslin和Elhorst[17-18]觀點，首先借助2個拉格朗日乘數(shù)判斷選擇SLM和SEM模型，若兩者都合適，則引入SDM模型。其次，對相應(yīng)模型進行Wald檢驗，以檢驗SDM模型能否簡化成SLM或SEM模型。若SDM不能簡化為SLM或SEM模型，則采用SDM模型。然后，利用Hausman檢驗值確定固定效應(yīng)和隨機效應(yīng)，最終確定最為合適的空間計量模型。結(jié)果見表3、表4。

表3 OLS模型估計及空間自相關(guān)性檢驗

表4 Wald檢驗結(jié)果

由表3可知，在不同固定效應(yīng)OLS模型中，LM-LAG、Robust-LM-LAG及LM-ERR、Robust-LM-ERR檢驗統(tǒng)計量的值都通過了顯著性檢驗，根據(jù)Anselin和Elhorst的判別法則，上述估計結(jié)果表明采用SEM和SLM模型均可，那構(gòu)建同時包含SEM和SLM的更穩(wěn)健、更具有概況性的SDM模型應(yīng)該是更合理。結(jié)合Wald和LR統(tǒng)計量檢驗SDM模型能否可以簡化為SLM和SEM模型(表4)可知，Wald-spatial-lag和LR-spatial-lag在0.05水平下顯著，統(tǒng)計量為11.237 8和11.170 2，拒絕了SDM模型可以簡化成SLM模型的可能； Wald-spatial-error和LR-spatial-error在0.1水平下顯著，統(tǒng)計量為9.040 9和8.909 1，同樣SDM模型不能簡化成SEM模型。由此，選擇SDM模型應(yīng)該是最合適的選擇。面板數(shù)據(jù)的空間計量模型通常分為固定效應(yīng)和隨機效應(yīng)，通常情況下采取Hausman檢驗。該文檢驗結(jié)果顯示統(tǒng)計量為30.029 9，在1%的顯著性水平下拒絕了空間效應(yīng)與解釋變量無關(guān)的原假設(shè)，因此該文選擇固定效應(yīng)的SDM模型最為適合。

3.4 參數(shù)估計與數(shù)據(jù)分析

通過Matlab編程分析，結(jié)果如表5。

表5 固定效應(yīng)的空間杜賓模型估計結(jié)果

表5空間杜賓模型的檢驗結(jié)果顯示，相比于OLS模型估計結(jié)果(表4)，SDM模型的擬合優(yōu)度(R2)和自然對數(shù)似然函數(shù)值Log-likehood都有所提高，分別達(dá)到0.992 5和274.242 7，說明考慮空間效應(yīng)的SDM模型的整體解釋能力更強。由SDM模型回歸結(jié)果可知，農(nóng)村金融規(guī)模(FIR)與農(nóng)村經(jīng)濟增長(RGDP)呈顯著負(fù)相關(guān)關(guān)系，這可能是因為當(dāng)前我國農(nóng)村金融發(fā)展處于初期階段，資本積累存在門檻效應(yīng)，盡管農(nóng)村金融規(guī)模在擴大，但沒有達(dá)到能夠促進農(nóng)村經(jīng)濟增長的臨界值，金融排斥現(xiàn)象仍十分嚴(yán)重[19]。農(nóng)村金融需求得不到有效滿足，使農(nóng)村經(jīng)濟增長缺乏長久的動力[20]。農(nóng)村金融效率與農(nóng)村經(jīng)濟增長有顯著的正相關(guān)關(guān)系，這說明相較于單一的農(nóng)村金融規(guī)?！傲俊钡臄U大，農(nóng)村金融效率“質(zhì)”的提升更能促進農(nóng)村經(jīng)濟增長。農(nóng)村金融結(jié)構(gòu)(RFS)與農(nóng)村經(jīng)濟增長呈顯著的負(fù)相關(guān)關(guān)系，該文主要關(guān)注的是農(nóng)村信用社在農(nóng)村金融市場的份額，進而從側(cè)面反映農(nóng)村金融的市場化程度，已成為阻礙農(nóng)村經(jīng)濟增長的因素。這說明農(nóng)村信用社壟斷地位使農(nóng)村金融市場缺乏競爭活力，造成農(nóng)村金融組織資源供給不足、金融產(chǎn)品單一、服務(wù)質(zhì)量較差，難以滿足農(nóng)村金融多樣性和多層次的需求，從而不利于農(nóng)村經(jīng)濟增長。農(nóng)村從業(yè)人口對農(nóng)村經(jīng)濟增長有負(fù)向作用，這可能是因為農(nóng)村生產(chǎn)已達(dá)到勞動力人數(shù)的最大容量，過剩的農(nóng)村勞動力會降低勞動效率，影響農(nóng)村經(jīng)濟增長。同時，W*RGDP的回歸系數(shù)顯著為正，說明我國農(nóng)村經(jīng)濟增長存在空間的互動效應(yīng)，鄰近省市地區(qū)的農(nóng)村經(jīng)濟增長對本地區(qū)農(nóng)村經(jīng)濟增長有促進作用。

為進一步解釋空間溢出效應(yīng)，該文列出了SDM模型的直接效應(yīng)和間接效應(yīng)，見表6。

表6 空間杜賓模型系數(shù)估計的直接效應(yīng)和間接效應(yīng)

表6中的直接效應(yīng)反映了該地區(qū)農(nóng)村金融資本和勞動力對本地區(qū)農(nóng)村經(jīng)濟增長的作用，間接效應(yīng)則反映其是否存在空間溢出效應(yīng)。農(nóng)村金融效率的系數(shù)為正，說明對農(nóng)村經(jīng)濟增長有正的直接效應(yīng)。同時，又表現(xiàn)出正的間接效應(yīng)，說明我國農(nóng)村金融效率具有正向的外部性和示范效應(yīng)，通過農(nóng)村金融效率的提升對鄰近省市地區(qū)農(nóng)村經(jīng)濟增長有正向的推動作用。農(nóng)村金融規(guī)模和農(nóng)村金融結(jié)構(gòu)對農(nóng)村經(jīng)濟增長具有負(fù)的直接效應(yīng)，且間接效應(yīng)的系數(shù)不顯著，意味著目前我國農(nóng)村金融規(guī)模的擴大和金融結(jié)構(gòu)的調(diào)整不會對鄰近省市地區(qū)農(nóng)村經(jīng)濟增長產(chǎn)生影響，說明我國各省市地區(qū)關(guān)于農(nóng)村金融發(fā)展方面沒有形成良好的協(xié)同機制，農(nóng)村信貸跨省實施難度加大，該省市地區(qū)的農(nóng)村金融發(fā)展對鄰近省市地區(qū)農(nóng)村經(jīng)濟增長缺乏有效輻射。農(nóng)村勞動人口對農(nóng)村經(jīng)濟增長有顯著的負(fù)向直接影響和顯著的空間溢出效應(yīng)，說明農(nóng)村勞動人口轉(zhuǎn)移會引起各省市地區(qū)之間農(nóng)村經(jīng)濟增長的競爭。

4 結(jié)論與政策建議

整體而言，在分析地理空間效應(yīng)基礎(chǔ)上，我國農(nóng)村金融規(guī)模、效率、結(jié)構(gòu)對農(nóng)村經(jīng)濟增長的影響存在差異。農(nóng)村金融規(guī)模和農(nóng)村金融結(jié)構(gòu)對農(nóng)村經(jīng)濟呈現(xiàn)出顯著的反向作用，農(nóng)村金融效率是影響農(nóng)村經(jīng)濟的重要因素，不僅有顯著正向的直接效應(yīng)，還有顯著正向的空間溢出效應(yīng)，各省市提高農(nóng)村金融效率成為促進農(nóng)村經(jīng)濟增長的關(guān)鍵?；诖耍撐奶岢?點建議。

(1)關(guān)注農(nóng)村經(jīng)濟增長的空間集聚現(xiàn)象。各省市農(nóng)村經(jīng)濟增長不平衡，呈現(xiàn)出“東高西低”的態(tài)勢。實證研究表明，在2000～2009年間我國各省市地區(qū)農(nóng)村經(jīng)濟增長存在明顯的空間集聚現(xiàn)象，且集聚效應(yīng)越來越明顯。針對這種現(xiàn)象，在農(nóng)村經(jīng)濟增長研究中要充分考慮地理空間因素，注重與鄰近省市地區(qū)的經(jīng)濟協(xié)作。政府在制定農(nóng)村經(jīng)濟增長政策時，一方面要加大對西部地區(qū)的資金支持，開展東中西不同省市地區(qū)之間的交流與合作； 另一方面，充分利用農(nóng)村經(jīng)濟增長的空間溢出效應(yīng)，促進金融資源跨區(qū)域流動，優(yōu)化農(nóng)村金融資源的配置，力求農(nóng)村經(jīng)濟的均衡發(fā)展。

(2)擴大農(nóng)村金融供給。要主動適應(yīng)農(nóng)村實際、農(nóng)業(yè)特點和農(nóng)民需求，推動金融資源向“三農(nóng)”傾斜。首先，繼續(xù)對傳統(tǒng)農(nóng)村金融機構(gòu)進行改革，加大農(nóng)業(yè)銀行對農(nóng)村基礎(chǔ)設(shè)施建設(shè)的貸款扶持力度； 進一步增加國家開發(fā)銀行對農(nóng)業(yè)農(nóng)村建設(shè)的貸款投放； 提高農(nóng)村信用社資本實力和治理水平，提升立足縣域、服務(wù)“三農(nóng)”的能力； 鼓勵各類商業(yè)銀行加大“三農(nóng)”貸款投放，創(chuàng)新金融服務(wù)。其次，積極探索新型農(nóng)村合作金融發(fā)展的有效途徑，引導(dǎo)各類資本進入農(nóng)村金融市場，充分發(fā)揮政策性金融、商業(yè)金融和合作性金融的合力，增加農(nóng)村金融供給，引導(dǎo)資金流向農(nóng)村。引入市場化機制，改變農(nóng)村金融市場結(jié)構(gòu)，以可負(fù)擔(dān)成本實現(xiàn)農(nóng)村融資可得性的全面提升。最后，積極發(fā)揮政府引導(dǎo)作用，加大實施農(nóng)村金融資源跨省市投入，加快省市間農(nóng)村金融流轉(zhuǎn)，從而顯著發(fā)揮農(nóng)村金融的空間外溢效應(yīng)，帶動農(nóng)村經(jīng)濟增長。

(3提升農(nóng)村金融效率。農(nóng)村金融發(fā)展的關(guān)鍵不僅僅是擴大“量”，還需要提升“質(zhì)”，政府要善于利用金融政策引導(dǎo)農(nóng)村金融機構(gòu)提高貸存比率，避免農(nóng)村資金外流。這就要求農(nóng)村金融機構(gòu)應(yīng)科學(xué)布局營業(yè)網(wǎng)點、建設(shè)精品網(wǎng)點，不斷延伸服務(wù)觸角，拓展服務(wù)范圍，提高資金的集聚效率，更好滿足農(nóng)村經(jīng)濟增長對資金方面的需求。政府要加大對農(nóng)村基礎(chǔ)產(chǎn)業(yè)的扶持，為金融機構(gòu)和個人提供更多的投資機會，通過改善農(nóng)村地區(qū)的基礎(chǔ)設(shè)施狀況，推動農(nóng)村經(jīng)濟的增長。此外，各地政府還需注重對優(yōu)質(zhì)高效的農(nóng)村企業(yè)的扶持，通過良好的經(jīng)營從而吸引和鞏固農(nóng)村可用資本，增加農(nóng)村金融資本規(guī)模，提升農(nóng)村金融效率，進而實現(xiàn)農(nóng)村金融與農(nóng)村經(jīng)濟協(xié)調(diào)發(fā)展。

[1] 劉北樺.強化農(nóng)業(yè)資源持續(xù)利用工作積極推動區(qū)域農(nóng)業(yè)協(xié)調(diào)發(fā)展.中國農(nóng)業(yè)資源與區(qū)劃,2014, 33(3): 1～5

[2] 冉光和， 溫濤，李敬.中國農(nóng)村經(jīng)濟發(fā)展的金融約束效應(yīng)研究.中國軟科學(xué),2008,(7)： 76～85

[3] 方愛明， 孫愛軍，曹源芳.基于空間模型的金融支持與經(jīng)濟增長研究.金融研究,2010,(10)： 68～82

[4] 譚崇臺， 唐道遠(yuǎn).農(nóng)村金融發(fā)展與農(nóng)村經(jīng)濟增長——基于全國31個省市的空間計量模型檢驗.江漢論壇,2015,(1)： 5～10

[5] 黃洪武， 錢靜斐.美國小麥產(chǎn)業(yè)帶發(fā)展特征極其啟示.中國農(nóng)業(yè)資源與區(qū)劃,2009, 30(1): 77～80

[6] Perroux F.Notesorlanotionde′pledeCroissance′.Paris：Economie Appliquée， 1955, 32(7): 307～320

[7] Rey S.J.，MontourB.D.USRegionalIncomeConvergence：ASpatialEconometricPerspective．Regional Studies， 1999, 33(3): 143～156

[8] Robin Burgess, Rohini Pande.DoRuralBanksMatter?EvidencefromtheIndianSocialBankingExperimentLondon.Centre for Economic Policy Research Working Paper， 2002

[9] 姚耀軍. 中國農(nóng)村金融嘎吱與經(jīng)濟增長關(guān)系的實證分析.經(jīng)濟科學(xué),2004,(5)： 24～31

[10]禹躍軍， 王菁華.基于VAR模型的中國農(nóng)村金融發(fā)展與農(nóng)村經(jīng)濟增長關(guān)系研究.經(jīng)濟問題,2011,(12)： 106～110

[11]溫濤， 冉光和，熊德平.中國金融發(fā)展與農(nóng)民收入增長.經(jīng)濟研究,2005,(9)： 30～43

[12]朱喜， 李子奈.改革以來我國農(nóng)村信貸的效率分析.管理世界,2006,(7)： 68～76

[13]張宇青， 周應(yīng)恒，易中懿.農(nóng)村金融發(fā)展、農(nóng)業(yè)經(jīng)濟增長與農(nóng)民增收——基于空間計量模型的實證分析.農(nóng)業(yè)技術(shù)經(jīng)濟,2013,(11)： 50～56

[14]胡宗義， 李鵬.農(nóng)村正規(guī)與非正規(guī)金融對城鄉(xiāng)收入差距影響的空間計量分析——基于我國31個省市面板數(shù)據(jù)的實證分析.當(dāng)代經(jīng)濟科學(xué),2013,(2)： 71～78

[15]King R., R.Levine.FinanceandGrowth：SchumpeterMightBeRight.Quarterly Journal of Economics， 1993, 3(108): 717～713

[16]Goldsmith R.W.Financialstructureandeconomicdevelopment.New York：Yale University Press， 1969

[17]Anselin l, Florax RJ.NewDirectionsinSpatialEconometrics.Berlin：Springer-Verlag， 1995

[18]J.Paul Elhorst.SpatialEconometricsfromCross-SectionalDatatoSpatialPanels.New York：Springer， 1999

[19]高沛星， 王修華.我國農(nóng)村金融排斥的區(qū)域差異與影響因素——基于省級數(shù)據(jù)的實證分析.農(nóng)業(yè)技術(shù)經(jīng)濟,2011,(4)： 93～102

[20]李春霄， 賈金榮.農(nóng)村金融發(fā)展與經(jīng)濟增長關(guān)系研究——基于協(xié)整檢驗和誤差修正模型的實證分析.廣東商學(xué)院學(xué),2012,(12)： 59～65

THE CORRELATION BETWEEN RURAL FINANCIAL DEVELOPMENT AND RURAL ECONOMIC GROWTH BASED ON SPATIAL PANEL DURBIN MODEL*

Wang Shuying※, Sun Bing, Qin Fang

(School of Management Engineering, Zhengzhou University, Zhengzhou, Henan 450001, China)

At the present, China′s economy has went into a new normal, but the economic growth is experiencing a slowdown. At this background, since rural economy has a broad market space and large consumer groups, it has gradually become the backbone of China′s rapid economic growth in the future. However, rural economic growth needs the support of financial capita to drive rural economic growth. Due to the wide geographical area and the different rural economic development level in various provinces and cities, the geographical space is one of the important factors that affect the rural financial development and economic growth. Based on Cobb-Douglas production function, considering the spatial spillover effects, this paper divided the development of the rural financial capital into three aspects, i.e., scale, efficiency and structure. And then, it analyzed the relationship between rural financial development and economic growth of rural in 30 provinces from 2000 to 2009 by spatial panel model, Durbin frontier of econometrics. The results showed that the rural economy was highly spatially clustered; Rural financial scale and rural financial structure presented a significantly negative effect on rural GDP. However, the efficiency of rural finance had positive effect and significant positive spillover effect, which become one of the key factors affecting rural GDP. The interactive mechanism between rural financial development and rural economic growth had not yet been established. Therefore, while increasing the rural financial investment, it should make efforts to improve the allocation efficiency of rural financial resources.

rural economic growth; rural financial development; spatial agglomeration; spatial spillover effects; Spatial Durbin Model

10.7621/cjarrp.1005-9121.20160933

2015-11-24

王淑英(1968—)，女，河南許昌人，教授。研究方向：產(chǎn)業(yè)集群與區(qū)域經(jīng)濟。Email：zzdxwangshuying@126.com

*資助項目： 2015年河南省社科聯(lián)項目“產(chǎn)學(xué)合作下高校創(chuàng)新的溢出效應(yīng)研究”(SKL-2015-3405)

F832; F224

A

1005-9121[2016]09-0196-09