黑龍江省農(nóng)村金融扶貧水平分析及對策建議

龐金波，劉鑫穎，李炎

（東北農(nóng)業(yè)大學(xué)經(jīng)濟管理學(xué)院，黑龍江 哈爾濱 150030）

隨著農(nóng)村經(jīng)濟發(fā)展水平提升，全國農(nóng)村居民人均純收入從1978年的133.6元上升到2016年的12 363元，經(jīng)濟發(fā)展使得包括貧困人口在內(nèi)的農(nóng)村居民生活水平得到改善，貧困人口基本解決溫飽問題，然而隨著扶貧工作的深入展開，我國農(nóng)村扶貧面臨著資金投入不足和資金使用效率低等問題。扶貧是一項長期工作，雖然政府對資源有強大的支配能力，但財政資金畢竟有限，實現(xiàn)我國總體達到小康水平的社會目標單純依靠政府財政資金，難以實現(xiàn)扶貧工作的可持續(xù)。因此，在現(xiàn)階段，農(nóng)村金融扶貧就變得尤為重要。農(nóng)村金融扶貧作為農(nóng)村扶貧方式之一，可有效促進貧困人口對職業(yè)的重新選擇，加強抵御未來收入不確定的風(fēng)險，從根本上提高自身發(fā)展能力。

目前，關(guān)于農(nóng)村金融扶貧的研究主要通過3個層面：第一層面為滴灌式金融扶貧。即對貧困戶的生產(chǎn)生活提供資金，彌補財政扶貧資金的不足。信貸作為農(nóng)民投入農(nóng)業(yè)生產(chǎn)資料的主要資金來源之一，可以促進農(nóng)村貧困人口發(fā)展，提高扶貧資金的使用效率，使貧困人口依靠自身力量脫貧[1]。第二層面為貧困地區(qū)產(chǎn)業(yè)的資金扶持。通過信貸資金擴大農(nóng)業(yè)投資，使農(nóng)業(yè)產(chǎn)業(yè)獲得規(guī)模效益，從而提高農(nóng)村貧困人口收入[2]。第三層面為貧困地區(qū)基礎(chǔ)設(shè)施的資金支持。通過完善農(nóng)村地區(qū)的基礎(chǔ)設(shè)施，可以改善農(nóng)村貧困人口的生存環(huán)境，使其釋放更多的自有資金投入生產(chǎn)[3]?？傮w而言，農(nóng)村金融扶貧模式不斷創(chuàng)新，可以適用于不同地區(qū)不同貧困程度的扶貧開發(fā)[4]。

黑龍江省農(nóng)村貧困人口已由2001年的372萬人減少到2016年的183萬人，農(nóng)村地區(qū)扶貧成效顯著。然而目前，黑龍江省已建檔立卡的貧困村有1 778個、貧困戶73.6萬戶，要實現(xiàn)到2020年黑龍江省農(nóng)村貧困人口全部脫貧的目標，扶貧任務(wù)依舊艱巨。農(nóng)村金融扶貧作為黑龍江省扶貧工作的主要方式之一，對扶貧工作有著重要影響。由于致貧原因、貧困人口生產(chǎn)生活狀況、農(nóng)村基礎(chǔ)設(shè)施環(huán)境、地方政策等具有明顯的地區(qū)差異性，針對農(nóng)村貧困地區(qū)的金融扶貧差異性則更為顯著。相關(guān)研究專注于分析農(nóng)村金融發(fā)展同農(nóng)村經(jīng)濟增長之間的關(guān)系[5-6]，對于農(nóng)村金融與農(nóng)村扶貧問題的研究不多，并且受制于地域差異影響，以往研究成果在黑龍江省的適用性不強。因此，對黑龍江省貧困地區(qū)的農(nóng)村金融扶貧水平進行研究具有一定的現(xiàn)實意義，對于明晰農(nóng)村金融扶貧水平也具有一定的理論意義。

本文基于2016年黑龍江省28個貧困縣的農(nóng)村金融扶貧相關(guān)數(shù)據(jù)，采用因子分析法，探析黑龍江省農(nóng)村金融扶貧水平的影響因素，并對各貧困縣的農(nóng)村金融扶貧水平進行比較分析。結(jié)合相關(guān)理論提出具體對策建議，為提高黑龍江省農(nóng)村金融資源的使用效率，促進農(nóng)村金融扶貧可持續(xù)提供理論依據(jù)。

1 農(nóng)村金融扶貧機制分析

農(nóng)村金融扶貧作為一種有效的扶貧方式，對提高扶貧對象的發(fā)展能力，實現(xiàn)穩(wěn)定、有效的扶貧具有重要作用，然而如何衡量農(nóng)村金融扶貧效果，國內(nèi)尚未形成統(tǒng)一意見。相關(guān)研究通常用金融發(fā)展深度和金融覆蓋廣度2個維度來衡量金融扶貧成效[7]，也有從農(nóng)民就業(yè)及收入、扶貧產(chǎn)業(yè)發(fā)展、農(nóng)村信貸發(fā)展等發(fā)展角度來分析金融扶貧效果[8]，這些研究思路具有一定的合理性，但難以準確辨別金融扶貧同其他扶貧方式對貧困人口的扶貧作用，使得研究結(jié)果不具有針對性。隨著銀行業(yè)金融機構(gòu)的統(tǒng)計數(shù)據(jù)不斷精確，近年來，設(shè)立了金融扶貧統(tǒng)計數(shù)據(jù)，為研究農(nóng)村金融扶貧提供了數(shù)據(jù)支持。

農(nóng)村金融扶貧是在政府政策引導(dǎo)下，通過設(shè)計合理的農(nóng)村金融扶貧機制引導(dǎo)金融機構(gòu)的產(chǎn)品和服務(wù)流向貧困地區(qū)，使貧困人口獲得信貸支持，提高自身生產(chǎn)能力，促進其經(jīng)濟水平提高，進而提升償還能力，實現(xiàn)農(nóng)村金融可持續(xù)發(fā)展和農(nóng)村貧困人口可持續(xù)脫貧[9]，最終有助于實現(xiàn)貧困地區(qū)整體脫貧的循環(huán)過程（圖1）。

圖1 金融扶貧長效循環(huán)機制Fig. 1 Long term cycle mechanism of financial poverty alleviation

農(nóng)村金融扶貧機制同樣遵循政府扶貧機制，即精準識別、精準幫扶、精準管理、精準考核，使農(nóng)村金融資源在扶貧過程中實現(xiàn)優(yōu)化配置。目前，黑龍江省農(nóng)村金融扶貧機制為：政府引導(dǎo)，市場運作，銀行業(yè)金融機構(gòu)參與，依靠融資推動扶貧（圖2）。金融扶貧關(guān)系到政府、金融機構(gòu)、信貸扶持對象。

圖2 黑龍江省農(nóng)村金融扶貧機制Fig. 2 Rural financial poverty alleviation mechanism in Heilongjiang Province

1）地方政府制定和推進落實扶貧開發(fā)規(guī)劃，優(yōu)化對扶貧資金的運用，加強對金融扶貧的財政支持，通過貸款貼息、稅收減免、差別化的存款準備金率等政策優(yōu)惠、提供信用擔(dān)保等方式引導(dǎo)金融機構(gòu)參與扶貧，并通過精準識別貧困人口、加強征信體系建設(shè)等規(guī)范金融扶貧，提高金融機構(gòu)信貸扶貧的積極性。

2）金融機構(gòu)同貧困人口之間普遍存在信息不對稱的問題，加之貧困人口信貸風(fēng)險較大，使得金融機構(gòu)對貧困地區(qū)的信貸服務(wù)意愿不強。因此貧困人口為獲得信貸支持必須提供必要的市場信號，比如提供抵押擔(dān)保物、參加農(nóng)業(yè)保險等證明自身具有償還本息的能力。

3）銀行業(yè)金融機構(gòu)通常會把握信貸投向，對提出貸款申請的貧困人口進行審查，參考貧困人口的抵押擔(dān)保及信用條件，然后決定是否提供信貸支持及對貧困人口的信貸投入量。

2 農(nóng)村金融扶貧水平分析框架

明晰農(nóng)村金融扶貧的運行機制才能理順分析框架。由上文分析可知，農(nóng)村金融扶貧主要關(guān)系到政府、金融機構(gòu)、扶貧對象三方，從中歸納出兩個特點：一方面，金融機構(gòu)投入的資金，具有短期逐利性，金融扶貧的資金可持續(xù)難以保證；另一方面，扶貧對象差異大，信貸雙方信息不對稱問題明顯，金融機構(gòu)投入成本高。這兩方面既是農(nóng)村金融扶貧過程中體現(xiàn)出的特點，又是農(nóng)村金融扶貧不可忽視的問題。對此，需要制定一個明確的衡量標準，找出問題存在的原因。

在參考農(nóng)村金融扶貧理論與實際情況下，本文提出用農(nóng)村金融扶貧水平來衡量農(nóng)村金融對貧困人口的扶持程度。農(nóng)村金融扶貧水平主要是指在信貸對象的識別、扶貧資金的使用、信貸資金的償還等過程中體現(xiàn)的扶貧水平。結(jié)合國內(nèi)外金融扶貧領(lǐng)域的相關(guān)研究，大多數(shù)學(xué)者認為農(nóng)村金融扶貧規(guī)模和農(nóng)村金融扶貧效率是影響農(nóng)村金融扶貧成效的關(guān)鍵因素。農(nóng)村金融機構(gòu)正不斷擴大金融扶貧規(guī)模，并在政府支持下不斷提升金融扶貧效率，下面從這兩個角度對農(nóng)村金融扶貧水平進行解釋。

2.1 農(nóng)村金融扶貧規(guī)模

農(nóng)村金融扶貧規(guī)模是指金融機構(gòu)在貧困地區(qū)的網(wǎng)點數(shù)、農(nóng)村貧困地區(qū)儲蓄量以及信貸資金投放量等，能夠較為直觀的反映農(nóng)村金融扶貧水平。然而，影響農(nóng)村金融扶貧規(guī)模的因素是多方面的。

由于農(nóng)村貧困地區(qū)的地理位置較為偏僻，基礎(chǔ)設(shè)施不完善、金融機構(gòu)網(wǎng)點投入成本高等問題普遍存在，難以實現(xiàn)金融機構(gòu)在貧困地區(qū)的廣覆蓋[10]，貧困人口的信貸可得性較差，農(nóng)村地區(qū)的單筆金融業(yè)務(wù)成本較高。在金融資源有限的前提下，金融扶貧方式的選擇是影響銀行業(yè)金融機構(gòu)對農(nóng)村貧困地區(qū)的信貸投放量的參考依據(jù)之一[11]；貸款申請者的風(fēng)險狀況會影響銀行業(yè)金融機構(gòu)參與扶貧的意愿[12]。金融機構(gòu)通常依據(jù)貸款申請者的可獲得信息量、擔(dān)保條件和信貸處理成本等因素決定是否提供信貸支持[13]，因此，農(nóng)村貧困人口能夠提供的有效信息數(shù)量[14]、固定資產(chǎn)抵押價值[15]等在一定程度上降低了信貸風(fēng)險，提高了銀行業(yè)金融機構(gòu)擴大農(nóng)村金融扶貧規(guī)模的積極性。

另外，政府宏觀經(jīng)濟政策及對信貸業(yè)務(wù)的監(jiān)管會緩解金融機構(gòu)因信息不對稱導(dǎo)致的逆向選擇、道德風(fēng)險和過高的交易成本等問題，有效提高銀行業(yè)金融機構(gòu)對農(nóng)村貧困地區(qū)的信貸投放量[16]，對銀行業(yè)金融機構(gòu)的信貸業(yè)務(wù)產(chǎn)生重要影響[17-18]?？傮w而言，金融機構(gòu)扶貧方式的選擇、信貸風(fēng)險狀況及政府政策在一定程度上影響農(nóng)村金融扶貧規(guī)模。

2.2 農(nóng)村金融扶貧效率

農(nóng)村金融扶貧效率是指通過金融扶貧方式實現(xiàn)貧困人口增收致富，同時又能保證金融機構(gòu)持續(xù)經(jīng)營，能夠客觀的反映農(nóng)村金融扶貧水平。金融機構(gòu)參與扶貧的基本條件是可以持續(xù)經(jīng)營[19-20]，而貸款申請者的盈利能力是影響農(nóng)村金融扶貧的重要因素[21]。因此，針對農(nóng)村貧困人口進行金融扶貧，使其真正提高自身發(fā)展能力，才能有效提升農(nóng)村金融扶貧效率。

農(nóng)村貧困人口可分為具備發(fā)展能力的貧困人口和喪失發(fā)展能力的貧困人口，對于真正有致富愿望而又缺少發(fā)展資金的貧困人口才是農(nóng)村金融扶貧的對象，而對于不具備發(fā)展能力的貧困人口應(yīng)當(dāng)通過社會保障等方式確保其生存條件。因此，實現(xiàn)農(nóng)村金融扶貧對象的精準識別才能有效推動金融扶貧[22]，明確農(nóng)村金融扶貧對象對提高農(nóng)村金融資源的使用效率具有重要影響[23]；金融機構(gòu)通常為了實現(xiàn)收益最大化而做出信貸供給決策[24]，貸款申請者的收入影響農(nóng)村金融資源的供給[25]，擁有較為穩(wěn)定的收入來源對貧困人口獲得信貸支持產(chǎn)生積極影響[26]。農(nóng)村貧困人口若具備較強的生產(chǎn)能力，可以提高按時還款的可能性，實現(xiàn)農(nóng)村金融扶貧資金的有效循環(huán)，從而提高農(nóng)村金融扶貧效率。總體而言，農(nóng)村金融扶貧效率主要體現(xiàn)在兩個方面，即信貸對象的認定和信貸對象的還款能力。

3 研究方法

貧困多指一種相對靜止的概念，是在一定的時間點上對個人或家庭福利水平的評價。無論是通過收入這一單一維度評價的貧困，還是從多個維度對貧困進行界定，關(guān)于貧困的評價總是在一定橫截面下靜態(tài)時點的狀況。建立完整的指標體系可以全面、科學(xué)地反映黑龍江省農(nóng)村金融扶貧水平的現(xiàn)狀，從而為政府有關(guān)部門制定農(nóng)村金融扶貧政策和及時調(diào)整發(fā)展策略提供依據(jù)，使政策更具有針對性。

3.1 指標體系構(gòu)建

國內(nèi)外學(xué)者對于農(nóng)村金融扶貧水平的影響因素的研究較少，但關(guān)于農(nóng)村金融發(fā)展對農(nóng)村經(jīng)濟發(fā)展作用的研究相對成熟，由于農(nóng)村經(jīng)濟發(fā)展與農(nóng)村貧困人口的收入存在很強的關(guān)聯(lián)性，因此，農(nóng)村金融發(fā)展對農(nóng)村經(jīng)濟作用的指標同樣適用于農(nóng)村金融扶貧水平的研究。根據(jù)世界銀行以農(nóng)村金融扶貧深度和廣度作為衡量農(nóng)村金融扶貧成效的指標，并參考肖蘭華等[27]提出的以FIR金融相關(guān)率、農(nóng)村儲蓄率、農(nóng)村貸存比等作為衡量農(nóng)村金融發(fā)展對農(nóng)村經(jīng)濟動態(tài)影響的指標，張榮[28]提出的以銀行業(yè)金融機構(gòu)數(shù)量、農(nóng)村存款總額、農(nóng)村貸款總額等為指標研究農(nóng)村金融對收入的影響，結(jié)合黑龍江省農(nóng)村金融的發(fā)展特點、農(nóng)村貧困人口的實際情況、堅持評價指標體系構(gòu)建的原則，用農(nóng)村金融扶貧規(guī)模、農(nóng)村金融扶貧效率兩個維度表示農(nóng)村金融扶貧水平（表1），以此表現(xiàn)黑龍江省農(nóng)村金融扶貧效果。

表1 農(nóng)村金融扶貧水平評價指標Table 1 Evaluation indicators of poverty alleviation through rural finance

1）農(nóng)村金融扶貧規(guī)模。主要包括3個指標，分別為農(nóng)村金融機構(gòu)分布密度、農(nóng)村金融相關(guān)率、農(nóng)村儲蓄水平。具體而言，農(nóng)村金融機構(gòu)分布密度說明了貧困縣金融機構(gòu)的覆蓋廣度；金融相關(guān)率是衡量金融發(fā)展程度最常用的指標，農(nóng)村金融相關(guān)率反映了貧困縣的金融發(fā)展程度；農(nóng)村儲蓄水平也在一定程度上反映了貧困地區(qū)金融市場化、金融深化及貨幣化程度。扶貧規(guī)模指標能夠大致反映出黑龍江省農(nóng)村金融扶貧的資金投放量。

2）農(nóng)村金融扶貧效率。包括農(nóng)村扶貧覆蓋深度和農(nóng)村扶貧存貸比2個指標，客觀反映出農(nóng)村金融扶貧效率。具體而言，農(nóng)村扶貧覆蓋深度反映了金融機構(gòu)參與扶貧的精準度；農(nóng)村扶貧存貸比則反映了農(nóng)村金融資源在扶貧方面的信貸投放量。

3.2 數(shù)據(jù)來源與處理

由黑龍江省扶貧辦公布的信息得知，黑龍江省有省級、國家級貧困縣共28個，因此，本文選取黑龍江省28個貧困縣進行橫向?qū)Ρ龋治龊邶埥∞r(nóng)村金融扶貧水平。所選取的貧困縣分布較廣，橫跨黑龍江省東西部地區(qū)，地方政府政策及經(jīng)濟發(fā)展水平存在一定程度的差異，有利于得到更好的評價效果。本研究數(shù)據(jù)主要來源于各地區(qū)2016年統(tǒng)計年鑒、銀監(jiān)會、金融辦、扶貧辦等公布的數(shù)據(jù)。

3.3 因子分析法

因子分析法是將多個具有復(fù)雜關(guān)系的變量綜合為幾個因子的一種統(tǒng)計分析方法，避免了變量之間存在共線性及相互干擾的弊端，更側(cè)重于解釋被觀測變量之間的相關(guān)關(guān)系，根據(jù)相關(guān)性的大小對變量進行分組，同一組內(nèi)的變量相關(guān)性較強，每組變量代表一個公共因子，用這些公共因子的線性函數(shù)與特殊因子描述原來觀測的每一個變量。在進行因子分析前，通常會對各影響因素進行相關(guān)性檢驗（表2），并通過KMO檢驗和Bartlett球形檢驗對因子分析方法的適用性進行檢驗?？梢钥闯?，有些變量指標之間存在較高的相關(guān)度，如變量X2與變量X3，X4，X5之間的相關(guān)系數(shù)較高，能夠從中提取公共因子，而且KMO檢驗和Bartlett球形檢驗值為0.542，相伴概率為0.000，拒絕了Bartlett球形檢驗的零假設(shè)，說明本文可以進行因子分析。

本文對黑龍江省農(nóng)村金融扶貧水平的研究主要應(yīng)用SPSS20.0軟件進行因子分析。

4 結(jié)果與分析

4.1 黑龍江省農(nóng)村金融扶貧水平的影響因素分析

對黑龍江省農(nóng)村金融扶貧水平影響因素進行分析，共提取3個因子，對全部因子的累計解釋能力達到94.50%（表3），說明選取的3個公因子基本可以分析并解釋黑龍江省農(nóng)村金融扶貧水平。采用主成分分析法計算因子載荷矩陣后，根據(jù)因子載荷矩陣可以說明各因子在各變量上的載荷，即影響程度。為了簡化因子載荷矩陣結(jié)構(gòu)，對因子載荷矩陣進行旋轉(zhuǎn)（表4）。由表4可以看出，第一公因子在變量X2、X4、X5上有較大載荷，即在農(nóng)村金融相關(guān)率、農(nóng)村扶貧覆蓋深度、農(nóng)村扶貧存貸比方面有較大程度的體現(xiàn)，反映了農(nóng)村金融發(fā)展水平及農(nóng)村金融扶貧深度、覆蓋程度等情況，體現(xiàn)出金融資源在扶貧方面的配置效率，因此可以將第一公因子命名為效率因子；第二公因子在X3上有較大載荷，具體表現(xiàn)在農(nóng)村儲蓄方面，反映了農(nóng)村貧困地區(qū)的存儲規(guī)模，體現(xiàn)貧困地區(qū)的自有資本，可以命名為內(nèi)生性金融因子；第三公因子在X1上有較大載荷，具體表現(xiàn)在農(nóng)村金融機構(gòu)分布密度方面，反映了金融資源在農(nóng)村貧困地區(qū)的配置規(guī)模，可以命名為規(guī)模因子。根據(jù)提取的3個主成分因子對應(yīng)的方差貢獻率大小，來判斷黑龍江省農(nóng)村金融扶貧水平的影響因素。

表2 相關(guān)矩陣Table 2 Correlation matrix

表3 解釋的總方差Table 3 Explanation of the total variance

表4 旋轉(zhuǎn)成份矩陣Table 4 Rotation components of the matrix

效率因子是提高黑龍江省農(nóng)村金融扶貧水平的主要拉動力，對農(nóng)村金融扶貧水平的解釋能力達59.79%，占所有影響因素解釋能力的一半以上。金融扶貧精準度越高，農(nóng)村金融資源的配置效率就越高，進而提高貧困人口獲得信貸支持的可能性，提升農(nóng)村金融扶貧水平，與經(jīng)濟發(fā)展規(guī)律相符。

內(nèi)生性金融因子是提高黑龍江省農(nóng)村金融扶貧水平的重要力量。貧困地區(qū)的基礎(chǔ)設(shè)施條件相對較差，吸引外部資金存在一定的難度，而農(nóng)村儲蓄作為農(nóng)村金融發(fā)展的內(nèi)生動力，可以有效推動資金流動，推進農(nóng)村金融資源的合理配置。因此，農(nóng)村存儲規(guī)模在一定程度上決定了農(nóng)村金融扶貧的基礎(chǔ)。

規(guī)模因子是提高黑龍江省農(nóng)村金融扶貧水平的基本推動力。金融機構(gòu)在農(nóng)村地區(qū)的網(wǎng)點分布密度會影響貧困人口對金融業(yè)務(wù)的了解程度和獲得貸款等金融服務(wù)的便利程度，進而影響農(nóng)村金融扶貧的規(guī)模和效率。

4.2 黑龍江省農(nóng)村金融扶貧水平分析

為進一步對黑龍江省農(nóng)村金融扶貧水平進行評價，計算各貧困縣在上述三個公因子上的得分及綜合得分，根據(jù)計算結(jié)果，對黑龍江省28個貧困縣的農(nóng)村金融扶貧水平進行排名（表5）。因子得分作為黑龍江省農(nóng)村金融扶貧水平的評價標準，代表了各個貧困縣農(nóng)村金融扶貧的相對效果。因子得分越高，代表該地區(qū)農(nóng)村金融扶貧水平在黑龍江省內(nèi)相對越高。

農(nóng)村金融扶貧水平相對較低的貧困縣占比大，且貧困縣之間差距明顯。綜合得分大于1，即農(nóng)村金融扶貧水平在省內(nèi)相對最高的貧困縣共有3個，占黑龍江省貧困縣的10.71%。而得分小于0的貧困縣共有19個，占黑龍江省貧困縣的67.86%，說明黑龍江省貧困縣之間的農(nóng)村金融扶貧水平差距較大，且大部分貧困縣的農(nóng)村金融扶貧水平相對較低。這些貧困縣的效率因子、內(nèi)生性金融因子、規(guī)模因子在省內(nèi)的排名大多靠后，基本不具有農(nóng)村金融扶貧的相對優(yōu)勢，所以導(dǎo)致農(nóng)村金融扶貧水平的綜合評價結(jié)果較低。而在綜合排名中，前14個貧困縣里，國家級貧困縣有9個，占比為64.29%，說明國家級貧困縣的農(nóng)村金融扶貧水平相對較高，與省級貧困縣相比優(yōu)勢明顯。

表5 各貧困縣農(nóng)村金融扶貧水平的得分與排名Table 5 Scoring and ranking of rural poverty alleviation levels in poor counties

綜合得分排名與因子得分排名差距大。通過表5可以看出，林甸縣效率因子排名及綜合因子排名均為第1，而內(nèi)生性金融因子排名第5、規(guī)模因子則排名第9；綜合得分排名第2的勃利縣，內(nèi)生性金融因子排名第1，而效率因子排名第5，規(guī)模因子排名第6；內(nèi)生性金融因子、規(guī)模因子排名第2的孫吳縣，綜合排名第8，而效率因子則排名第28。由此可以看出，綜合排名在前的貧困縣只有部分公因子具有明顯優(yōu)勢，而其他因子低于其整體水平，說明黑龍江省大部分貧困地區(qū)的農(nóng)村金融扶貧水平還存在很大的提升空間。

5 結(jié)論與對策建議

5.1 結(jié)論

從黑龍江省農(nóng)村金融扶貧水平的影響因素來看，效率因子、內(nèi)生性金融因子、規(guī)模因子是影響黑龍江省農(nóng)村金融扶貧水平的關(guān)鍵因素，由于農(nóng)村存儲規(guī)模對于農(nóng)村金融扶貧水平的貢獻不大，并且黑龍江省農(nóng)村金融扶貧主要為信貸扶貧。因此，針對黑龍江省農(nóng)村金融扶貧問題的研究，主要從農(nóng)村金融資源配置效率、農(nóng)村信貸規(guī)模兩個方面進行分析。驗證了前文論述的分析框架，即從農(nóng)村金融扶貧規(guī)模和農(nóng)村金融扶貧效率兩個角度來研究農(nóng)村金融扶貧水平，具體通過信貸對象識別、還款能力、金融扶貧方式、信貸風(fēng)險、政府監(jiān)管等5個方面為提升黑龍江省農(nóng)村金融扶貧水平提供思考方向。

從黑龍江省各個貧困縣的農(nóng)村金融扶貧相對水平來看，雖然黑龍江省農(nóng)村金融扶貧已取得一定的成效，一方面，提高了農(nóng)村貧困人口脫貧致富的能力；另一方面，也促進了財政扶貧專項資金的合理配置；并且，拓寬了金融機構(gòu)的業(yè)務(wù)范圍。但現(xiàn)階段黑龍江省各貧困縣的農(nóng)村金融扶貧水平差距較大，農(nóng)村金融扶貧水平相對較高的貧困縣，其影響因素并非全部具有相對優(yōu)勢，存在某一影響因素相對水平較低的情況。而農(nóng)村金融扶貧水平相對較低的貧困縣居多，這些貧困縣的農(nóng)村金融扶貧水平影響因素并不具有相對優(yōu)勢，大部分農(nóng)村地區(qū)的金融扶貧規(guī)模相對偏低。黑龍江省農(nóng)村金融扶貧經(jīng)驗尚不成熟，農(nóng)村金融扶貧水平還有很大的提升空間，應(yīng)根據(jù)實際情況，有針對性的提高農(nóng)村金融扶貧水平，進而推動黑龍江省農(nóng)村貧困人口脫貧。

5.2 對策建議

1）瞄準農(nóng)村金融扶貧對象。農(nóng)村金融扶貧效率是影響農(nóng)村金融扶貧水平的重要因素，而黑龍江省多數(shù)貧困縣的農(nóng)村金融扶貧效率相對較低，主要原因之一在于農(nóng)村金融扶貧對象的識別不明晰。因此，地方政府應(yīng)重視對建檔立卡貧困人口的相關(guān)信息進行動態(tài)更新，準確識別貧困人口，以免出現(xiàn)錯扶和漏扶情況；另外，農(nóng)村金融機構(gòu)應(yīng)依據(jù)政府提供的貧困人口信息，按照金融扶貧的條件進行篩選，明確金融扶貧對象，對于符合扶貧信貸政策的貧困人口、帶動貧困人口脫貧的農(nóng)村龍頭企業(yè)或優(yōu)勢項目等，在同等條件下優(yōu)先給予信貸支持。

2）提高貧困人口的還款能力。農(nóng)村貧困人口對信貸資金進行有效償還，才能確保金融機構(gòu)的持續(xù)發(fā)展，提高農(nóng)村金融扶貧效率。金融機構(gòu)應(yīng)給予發(fā)展能力強、生產(chǎn)力高、有帶動貧困人口脫貧意向的企業(yè)、家庭農(nóng)場、合作社等信貸支持。通過金融資源的供給，改善農(nóng)村經(jīng)濟結(jié)構(gòu)，形成良好的投融資環(huán)境，推動黑龍江省貧困地區(qū)充分利用當(dāng)?shù)刈匀毁Y源，積極發(fā)展優(yōu)勢產(chǎn)業(yè)，主動帶動貧困人口脫貧；對有創(chuàng)業(yè)、就業(yè)等愿望但缺少資金的農(nóng)村貧困人口，依據(jù)不同情況提供不同程度的信貸支持，并為貧困人口提供就業(yè)、創(chuàng)業(yè)等方面的咨詢及指導(dǎo)，提高農(nóng)村貧困人口的發(fā)展能力，幫助其實現(xiàn)收入穩(wěn)定增長，從而提高還款能力。

3）擴大農(nóng)村金融扶貧的覆蓋面。農(nóng)村金融扶貧規(guī)模是影響農(nóng)村金融扶貧水平的重要因素，金融扶貧的覆蓋廣度是農(nóng)村金融扶貧規(guī)模的基本體現(xiàn)。黑龍江省貧困縣分布較為分散，并且貧困人口分布在80多個縣（市、區(qū)），8 000多個行政村中，通過金融機構(gòu)實現(xiàn)農(nóng)村金融扶貧的全覆蓋還很難，在資源有限的情況下應(yīng)重視金融扶貧工作的創(chuàng)新，擴大扶貧廣度。一方面，農(nóng)村金融扶貧應(yīng)重視社會力量，在農(nóng)村地區(qū)內(nèi)部建立資金互助社等社區(qū)組織，整合政府財政資金、正規(guī)金融機構(gòu)資金、社會資金等，擴大扶貧資金的使用范圍；另一方面，在互聯(lián)網(wǎng)快速發(fā)展的背景下，互聯(lián)網(wǎng)金融作為一種新的金融形式，因其方便快捷的優(yōu)勢，能夠有效規(guī)避農(nóng)村貧困地區(qū)地理位置偏僻等客觀劣勢，可將其視為農(nóng)村金融扶貧的創(chuàng)新性探索，以實現(xiàn)金融扶貧的廣覆蓋。

4）加強農(nóng)村信貸風(fēng)險管理。金融機構(gòu)以利益最大化為其發(fā)展目標，一般將收益和風(fēng)險因素作為衡量信貸投放的標準。因此，推動金融機構(gòu)加大對農(nóng)村貧困地區(qū)的信貸投放量，關(guān)鍵在于強化農(nóng)村信貸風(fēng)險管理。一方面，建立農(nóng)村貧困人口電子信用檔案，將有關(guān)黑龍江省農(nóng)村貧困人口的各方面社會信息進行有效整合，定期評價貧困人口的信貸風(fēng)險，及時更新信用情況，規(guī)范貧困人口的信貸行為；另一方面，拓寬抵押擔(dān)保途徑，建立農(nóng)村產(chǎn)權(quán)交易平臺，推動以農(nóng)村土地承包經(jīng)營權(quán)和林權(quán)等作擔(dān)保的農(nóng)村信貸發(fā)展；最后，重視保險在風(fēng)險轉(zhuǎn)移中的重要作用。農(nóng)村金融機構(gòu)應(yīng)向保險公司提供必要的信息，協(xié)助其辦理農(nóng)村貧困人口的保險業(yè)務(wù)，以達到有效分擔(dān)農(nóng)村金融機構(gòu)信貸風(fēng)險的目的。

5）對農(nóng)村金融扶貧進行合理監(jiān)管。適當(dāng)?shù)谋O(jiān)管可以有效規(guī)范農(nóng)村金融扶貧，為金融機構(gòu)參與扶貧提供良好的外部環(huán)境，降低金融機構(gòu)對農(nóng)村貧困地區(qū)信貸投放的不確定性，有利于擴大農(nóng)村金融扶貧規(guī)模。要使監(jiān)管合理且有效的進行，一方面，應(yīng)明確地方政府的監(jiān)管權(quán)力，確定監(jiān)管責(zé)任。各個部門應(yīng)及時將金融扶貧安排情況向農(nóng)村居民公布，便于農(nóng)村居民進行監(jiān)督；另一方面，政府可以委托專業(yè)監(jiān)管機構(gòu)進行監(jiān)管。由專業(yè)監(jiān)管機構(gòu)動態(tài)跟蹤扶貧項目進展情況和管理狀況，及時更新農(nóng)村金融扶貧進展，對金融扶貧效果進行精準評估，以此作為判斷依據(jù)，決定金融機構(gòu)能否享有政府的優(yōu)惠政策，提高金融機構(gòu)參與扶貧的積極性，促使其擴大農(nóng)村金融扶貧規(guī)模。

[1] 黃紹進, 李善民. 農(nóng)戶信貸的扶貧機制: 貸款戶與非貸款戶的分層比較[J]. 金融理論與實踐, 2017(2): 47-53.Huang S J, Li S M. Poverty-assistance mechanism of credits for rural households: Hierarchical comparison on loanees and nonloanees[J]. Financial Theory & Practice, 2017(2): 47-53.

[2] 申云, 彭小兵. 鏈式融資模式與精準扶貧效果——基于準實驗研究[J]. 財經(jīng)研究, 2016, 42(9): 4-15.Shen Y, Peng X B. Chain financing mode and the effects of precision poverty alleviation: Empirical study based on quasi experiment[J]. Journal of Finance and Economics, 2016, 42(9):4-15.

[3] 王蕾. 基于金融支持視域下的少數(shù)民族地區(qū)精準扶貧研究[J].貴州民族研究, 2017(1): 172-176.Wang L. Research on precision poverty alleviation in minority areas from the perspective of financial support[J]. Guizhou Ethnic Studies, 2017(1): 172-176.

[4] 謝玉梅, 徐瑋, 程恩江, 等. 基于精準扶貧視角的小額信貸創(chuàng)新模式比較研究[J]. 中國農(nóng)業(yè)大學(xué)學(xué)報(社會科學(xué)版), 2016,33(5): 54-63.Xie Y M, Xu W, Cheng E J, et.al. Comparative research on microfinance innovation model based on precision poverty alleviation perspective[J]. China Agricultural University Journal of Social Sciences Edition, 2016, 33(5): 54-63.

[5] 李思霖, 魏修建. 我國金融集聚與經(jīng)濟增長的空間相關(guān)性研究[J]. 財經(jīng)問題研究, 2017(3): 55-59.Li S L, Wei X J. Spatial correlation between financial agglomeration and economic growth in China[J]. Research on Financial and Economic Issues, 2017(3): 55-59.

[6] 王澎波, 于濤, 王旺平. 金融發(fā)展、金融結(jié)構(gòu)與經(jīng)濟增長——基于省級面板數(shù)據(jù)的分析[J]. 經(jīng)濟問題探索, 2017(1): 120-127.Wang P B, Yu T, Wang W P. Financial development, financial structure and economic growth: An analysis based on provincial panel data[J]. Inquiry into Economic Issues, 2017(1): 120-127.

[7] 呂勇斌, 趙培培. 我國農(nóng)村金融發(fā)展與反貧困績效: 基于2003-2010年的經(jīng)驗證據(jù)[J]. 農(nóng)業(yè)經(jīng)濟問題, 2014, 35(1): 54-60.Lü Y B, Zhao P P. The development of rural finance and antipoverty performance in China: Empirical evidences from 2003 to 2010[J]. Issues in Agricultural Economy, 2014, 35(1): 54-60.

[8] 金麗, 張麗明. 河北省農(nóng)村金融扶貧的成效、問題及建議[J].貴州農(nóng)業(yè)科學(xué), 2014, 42(7): 215-219.Jin L, Zhang L M. Achievements, problems and suggestions of poverty alleviation of rural finance in Hebei[J]. Guizhou Agricultural Sciences, 2014, 42(7): 215-219.

[9] 洪曉成. 普惠金融理論與我國農(nóng)村金融扶貧問題調(diào)適[J]. 山東社會科學(xué), 2016(12): 83-87.Hong X C. Inclusive finance theory and the adjustment of rural financial poverty alleviation in China[J]. Shandong Social Sciences, 2016(12): 83-87.

[10] 李菲雅. NGO小額信貸對農(nóng)戶借款決策、借款額度影響因素的實證分析——基于河北省7縣822個農(nóng)戶的調(diào)查[J]. 經(jīng)濟經(jīng)緯, 2014, 31(2): 38-43.Li F Y. An empirical study on the influencing factors of NGO microfinance towards farmers’ borrowing decision and amount—A research on 822 peasant households of 7 counties in Hebei Province[J]. Economic Survey, 2014, 31(2): 38-43.

[11] 汪向東, 王昕天. 電子商務(wù)與信息扶貧: 互聯(lián)網(wǎng)時代扶貧工作的新特點[J]. 西北農(nóng)林科技大學(xué)學(xué)報(社會科學(xué)版), 2015,15(4): 98-104.Wang X D, Wang X T. Electronic commerce and informationoriented poverty alleviation: New features of poverty alleviation in internet era[J]. Journal of Northwest A&F University (Social Science Edition), 2015, 15(4): 98-104.

[12] Mosley P. Risk, insurance and small farm credit in developing countries: A policy proposal[J]. Public Administration &Development, 2010, 6(3): 309-319.

[13] 胡士華, 李偉毅. 信息非對稱、信貸合約與信貸資金配置——基于農(nóng)村調(diào)查數(shù)據(jù)的實證研究[J]. 經(jīng)濟學(xué)動態(tài), 2015(5): 60-69.Hu S H, Li W Y. Asymmetric information, credit contracts and allocation of credit funds—An empirical study based on rural survey data[J]. Economic Perspectives, 2015(5): 60-69.

[14] 李似鴻. 金融需求、金融供給與鄉(xiāng)村自治——基于貧困地區(qū)農(nóng)戶金融行為的考察與分析[J]. 管理世界, 2010(1): 74-87.Li S H. Financial demand, financial supply and rural autonomy:Investigation and analysis of rural households’ financial behavior in poor areas[J]. Management World, 2010(1): 74-87.

[15] Feder G, Feeny D. Land tenure and property rights: Theory and implications for development policy[J]. World Bank Economic Review, 1991, 5(1): 135-153.

[16] 王馨, 王世貴. 對小微企業(yè)金融服務(wù)效率的評價[J]. 財經(jīng)科學(xué),2016(2): 24-33.Wang X, Wang S G. Evaluation of financial service efficiency of small and mini businesses[J]. Finance & Economics, 2016(2): 24-33.

[17] 謝玉梅, 徐瑋, 程恩江, 等. 精準扶貧與目標群小額信貸: 基于協(xié)同創(chuàng)新視角的個案研究[J]. 農(nóng)業(yè)經(jīng)濟問題, 2016(9): 79-88.Xie Y M, Xu W, Cheng E J, et.al. Precision poverty alleviation and microfinance of target group: A case study based on collaborative innovation perspective[J]. Issues in Agricultural Economy,2016(9): 79-88.

[18] 朱宇. 銀行資本監(jiān)管標準與信貸順周期波動研究[J]. 金融理論與實踐, 2013(8): 38-42.Zhu Y. Research on bank capital regulation standards and credit cycle volatility[J]. Financial Theory & Practice, 2013(8): 38-42.

[19] 王定祥, 田慶剛, 李伶俐, 等. 貧困型農(nóng)戶信貸需求與信貸行為實證研究[J]. 金融研究, 2011(5): 124-138.Wang D X, Tian Q G, Li L L, et al. An empirical study on poor farmer credit demand and credit behavior[J]. Journal of Financial Research, 2011(5): 124-138.

[20] 王寧, 王麗娜, 趙建玲. 普惠金融發(fā)展與貧困減緩的內(nèi)在邏輯[J]. 河北大學(xué)學(xué)報(哲學(xué)社會科學(xué)版), 2014(2): 127-131.Wang N, Wang L N, Zhao J L. The internal logic between the inclusive financial system development and poverty reduction[J].Journal of Hebei University (Philosophy and Social Science),2014(2): 127-131.

[21] 茍琴, 黃益平. 我國信貸配給決定因素分析——來自企業(yè)層面的證據(jù)[J]. 金融研究, 2014(8): 1-17.Gou Q, Huang Y P. Access to the determinants of credit rationing evidence from Chinese firms[J]. Journal of Financial Research,2014(8): 1-17.

[22] 趙建梅, 劉玲玲. 信貸約束與農(nóng)戶非正規(guī)金融選擇[J]. 經(jīng)濟理論與經(jīng)濟管理, 2013, 33(4): 33-42.Zhao J M, Liu L L. Credit constraint and the choice of informal finance[J]. Economic Theory and Business Management, 2013,33(4): 33-42.

[23] 張穎慧, 聶強. 小額信貸經(jīng)理人愿意扶貧嗎?——基于西北地區(qū)貧困縣152位信貸經(jīng)理人的經(jīng)驗分析[J]. 西北農(nóng)林科技大學(xué)學(xué)報(社會科學(xué)版), 2016, 16(6): 136-143.Zhang Y H, Nie Q. Do microfinance credit managers have propensity to poverty reduction? Empirical research based on 152 microcredit managers from poverty-stricken counties in Northwest China[J]. Journal of Northwest A&F University (Social Science Edition), 2016, 16(6): 136-143.

[24] 喬海曙, 楊蕾. 論金融供給側(cè)改革的思路與對策[J]. 金融論壇,2016(9): 14-20.Qiao H S, Yang L. An analysis of the path and policy of financial supply-side reform[J]. Finance Forum, 2016(9): 14-20.

[25] 徐少君, 金雪軍. 農(nóng)戶金融排除的影響因素分析——以浙江省為例[J]. 中國農(nóng)村經(jīng)濟, 2009(6): 62-72.Xu S J, Jin X J. Analysis of influencing factors of financial exclusion torural household—Take Zhejiang Province as an example[J]. Chinese Rural Economy, 2009(6): 62-72.

[26] 陳芳. 貧困地區(qū)農(nóng)戶融資需求與融資能力——基于有序選擇模型的實證分析[J]. 南方金融, 2016(7): 57-66.Chen F. Financing demand and financing ability of farmers in poor areas—An empirical analysis based on ordered choice model[J].South China Finance, 2016(7): 57-66.

[27] 肖蘭華, 施泉生, 楊剛. 農(nóng)村金融發(fā)展對農(nóng)村經(jīng)濟的動態(tài)影響測度——基于彈性系數(shù)分析方法[J]. 江漢論壇, 2016(1): 30-35.Xiao L H, Shi Q S, Yang G. Dynamic impact measurement of rural financial development on rural economy—Based on the elastic coefficient analysis method[J]. Jianghan Tribune, 2016(1): 30-35.

[28] 張榮. 我國農(nóng)村金融發(fā)展對農(nóng)民收入增長的影響研究——基于2003-2014年數(shù)據(jù)的實證分析[J]. 技術(shù)經(jīng)濟與管理研究,2017(2): 119-123.Zhang R. Study on the influence of rural financial development on farmers’ income growth—Analysis of empirical data based on 2003-2014[J]. Technoeconomics & Management Research,2017(2): 119-123.