農(nóng)村金融效率和農(nóng)業(yè)勞動力轉(zhuǎn)移對農(nóng)民收入影響的實證分析

陳 嘯，宋陸軍

（1.山西財經(jīng)大學 財政金融學院；2.太原學院 財會系，太原 030000）

0 引言

近年來，通過“惠農(nóng)”政策的大力實施，農(nóng)村經(jīng)濟有了飛速發(fā)展，而農(nóng)村金融的深化發(fā)展對于農(nóng)村經(jīng)濟的增長起著至關(guān)重要的作用。隨著農(nóng)村金融改革的不斷推進，多層次、多樣化的農(nóng)村金融服務(wù)模式在促進農(nóng)村產(chǎn)業(yè)深度融合發(fā)展、拓寬農(nóng)民增收渠道的同時，也為激活、創(chuàng)新農(nóng)村金融市場潛力指明了方向。農(nóng)村金融效率的提高可以更快地推進農(nóng)業(yè)現(xiàn)代化進程，對提高農(nóng)民生活水平，縮小城鄉(xiāng)差距有著重要的意義。農(nóng)村金融效率的相關(guān)研究由于其研究視角不同，研究的內(nèi)容也各異。但現(xiàn)有的文獻鮮有分析農(nóng)村金融效率、農(nóng)業(yè)勞動力轉(zhuǎn)移與農(nóng)民收入之間的關(guān)系問題，同時因全國各地區(qū)農(nóng)村經(jīng)濟發(fā)展水平與金融發(fā)展水平存在較大的差距，對于它們之間的關(guān)系其研究結(jié)論也存有差異?；诖?，本文擬運用實證方法，來梳理與分析農(nóng)村金融效率、農(nóng)業(yè)勞動力轉(zhuǎn)移與農(nóng)民增收三者之間的關(guān)系，并提出可行的對策建議。

1 農(nóng)村金融效率計算

1.1 計算方法

目前學術(shù)界常用的計算效率的方法有數(shù)據(jù)包絡(luò)分析（DEA）和隨機前沿分析（SFA）。其中，DEA方法無需估計參數(shù)即可測算多產(chǎn)出問題的效率，故本文選DEA方法來計算中國農(nóng)村的金融效率。數(shù)據(jù)包絡(luò)分析方法最早用于生產(chǎn)效率的測算和比較，后經(jīng)學者的不斷改進，將其廣泛用于計算生產(chǎn)、運營和創(chuàng)新等方面的效率?；贒EA-Malmquist指數(shù)方法的計算公式如下：

其中，M表示農(nóng)村金融效率，若M＞1，說明t～t+1期的農(nóng)村金融效率有所提升；反之，若M＜1，則表示農(nóng)村金融效率下降；若M=1，表示t～t+1期的農(nóng)村金融效率不變。式中的TC、TE分別為技術(shù)進步指數(shù)與技術(shù)效率指數(shù)。

1.2 指標選擇

運用DEA-Malmquist指數(shù)方法測算金融效率首先需要確定投入指標和產(chǎn)出指標。在綜合考慮數(shù)據(jù)的可獲取性和有效性后，本文選擇農(nóng)村地區(qū)金融機構(gòu)從業(yè)人員（JRCY）、農(nóng)村金融機構(gòu)網(wǎng)點數(shù)量（JRWD）和金融機構(gòu)涉農(nóng)貸款余額（SNDK）作為投入變量，選擇第一產(chǎn)業(yè)產(chǎn)值（YCCZ）作為產(chǎn)出變量。上述指標使用2004—2016年中國30個省份（西藏多個年份的數(shù)據(jù)缺失，因此剔除。不含港澳臺數(shù)據(jù)）的省際面板數(shù)據(jù)。需要特別指出，文中所涉及到的數(shù)據(jù)是從相應(yīng)年份的《中國統(tǒng)計年鑒》《中國經(jīng)濟年鑒》《中國農(nóng)村統(tǒng)計年鑒》《中國金融年鑒》《中國區(qū)域金融運行報告》以及全國農(nóng)村固定觀察點數(shù)據(jù)、wind數(shù)據(jù)庫查詢后獲得的（見表1）。另外，為了消除各變量量綱級不統(tǒng)一所帶來的可能誤差，本文對投入和產(chǎn)出變量均進行對數(shù)化處理。

表1 農(nóng)村金融效率投入與產(chǎn)出變量選擇

1.3 農(nóng)村金融效率結(jié)果及分析

為了確保實證結(jié)果的有效性，首先要檢驗投入和產(chǎn)出變量的相關(guān)性。相關(guān)性檢驗結(jié)果見表2。經(jīng)驗證，三個投入變量和產(chǎn)出變量之間存在顯著正相關(guān)關(guān)系，并且三個產(chǎn)出變量之間也存在顯著的正相關(guān)關(guān)系，符合DEA-Malmquist模型對于投入和產(chǎn)出變量的要求，可以進行下一步計算。

表2 投入和產(chǎn)出變量之間的相關(guān)系數(shù)矩陣

為了對比分析全國不同區(qū)域農(nóng)村金融效率的高低，本文分成東、中、西部三個地區(qū)來研究，通過運用deap 2.1軟件對投入產(chǎn)出變量進行處理，得到了中國不同地區(qū)及全國2005—2016年的農(nóng)村金融效率，結(jié)果如表3所示。

表3 中國不同區(qū)域農(nóng)村金融效率

由表3可知，第一，2005—2016年間中國農(nóng)村金融效率整體呈現(xiàn)持續(xù)增長的態(tài)勢，年均TFP為1.004，意味著農(nóng)村金融效率年均增長率達到0.4%，農(nóng)村金融效率的提升主要來源技術(shù)效率TE的提高（1.011），相比之下技術(shù)進步指數(shù)TC卻呈現(xiàn)明顯的下降趨勢（0.998）。第二，中國的東部、中部和西部地區(qū)的TFP分別為1.008、1.004和0.998，表明東部和中部的農(nóng)村金融效率均有所提升，年均提升率分別為0.8%和0.4%，東部地區(qū)提升幅度最高，中部地區(qū)提升幅度次之，但西部地區(qū)的農(nóng)村金融效率有所下降，年均下降幅度為0.2%。東部地區(qū)農(nóng)村金融的技術(shù)進步和技術(shù)效率均有所提高，中部和西部地區(qū)均處于農(nóng)村金融技術(shù)進步有所下降但技術(shù)效率有所提升的態(tài)勢。第一和第二點結(jié)論表明，雖然近年來中國持續(xù)加大向農(nóng)村地區(qū)的金融資源投入，但由于農(nóng)村地區(qū)的生產(chǎn)力水平普遍相對落后，致使大規(guī)金融資源投入難以充分有效地轉(zhuǎn)化為產(chǎn)出，造成了農(nóng)村金融效率提升幅度較小或不明顯。第三，自2005年以來，中國不同地區(qū)的農(nóng)村金融效率增長動力機制出現(xiàn)分化，使得中國農(nóng)村金融效率呈現(xiàn)一定的空間差異性。

2 模型建立

其中，SR為省份i在t時期的農(nóng)村居民人均純收入。XL為省份i在t時期的農(nóng)村金融效率，用前文求得的TFP指數(shù)作為代理變量。ZY為省份i在t時期的農(nóng)業(yè)勞動力轉(zhuǎn)移變量，用各省份縣域農(nóng)業(yè)人口比重作為代理變量。X為控制變量，除農(nóng)村金融效率和農(nóng)業(yè)勞動力轉(zhuǎn)移外，政府的農(nóng)業(yè)財政投入（CZZN）、固定資產(chǎn)投資（GDTZ）、農(nóng)用機械總動力（NJDL）、農(nóng)作物受災(zāi)面積（SZMJ）、農(nóng)產(chǎn)品價格（NCJG）等因素同樣會影響到農(nóng)民的收入，本文用這6個變量作為控制變量，實證模型最終形式如下：

其中，CZZN為省份i在t時期的財政農(nóng)業(yè)投入，GDTZ為省份i在t時期的第一產(chǎn)業(yè)固定資產(chǎn)投資完成額，NJDL為省份i在t時期的農(nóng)用機械總動力，SZMJ為省份i在t時期的農(nóng)作物受災(zāi)面積，NCJG為省份i在t時期的農(nóng)產(chǎn)品價格指數(shù)。同時為了統(tǒng)一各變量的量綱級，使實證結(jié)果更加穩(wěn)定和可靠，本文對被解釋變量和各控制變量進行對數(shù)化處理（實證分析部分使用的均為對數(shù)化處理過的數(shù)據(jù)），這樣各變量能夠以百分比變化進行聯(lián)動。本文運用Stata 14.1軟件進行數(shù)據(jù)處理和實證檢驗。

為全面考察農(nóng)村金融效率對于農(nóng)民增收的影響，本文以農(nóng)村居民人均純收入作為被解釋變量，以農(nóng)村金融效率、農(nóng)業(yè)勞動力轉(zhuǎn)移作為解釋變量，并選取中國不同地區(qū)以及全國各省份的2005—2016年有關(guān)數(shù)據(jù)建立面板模型：

3 實證分析

為了了解各變量取值的特征，需要對8個變量進行描述性統(tǒng)計。描述性統(tǒng)計結(jié)果如表4所示，主要觀察各變量的標準差，其衡量了變量數(shù)據(jù)的波動特征。各變量的數(shù)值總體波動性不大，其中，gdtz、njdl、szmj的標準差均大于1，表明這3個變量的波動特征相對明顯，sr和czzn的標準差介于0.1和1之間，表明波動性相對適中，而xl、zy以及ncjg的標準差均小于0.1，表明波動特征相對不明顯。

表4 各變量的描述性統(tǒng)計

由于本文的實證模型中核心解釋變量和控制變量共7個變量，變量較多可能存在多重共線性問題，從而導致實證結(jié)果的準確性受到干擾。因此，本文使用VIF檢驗來排除多重共線性問題。觀察表5可知，核心解釋變量和控制變量的VIF值均在大于1小于10，且容差值均小于1，因此可以判斷各變量之間不存在對實證結(jié)果造成干擾的嚴重多重共線性問題。

表5 多重共線性檢驗

由于本文使用的數(shù)據(jù)樣本為省際面板，省際之間可能存在一定的異質(zhì)性，導致的異方差問題可能會干擾實證結(jié)果的可信度。因此，本文使用Wald檢驗來對實證模型是否存在異方差進行判斷。結(jié)果顯示，Wald檢驗的卡方統(tǒng)計量值為121.38且伴隨概率為0.000，表明強烈拒絕同方差的原假設(shè)，存在明顯的異方差。

在面板數(shù)據(jù)的實證研究中，被解釋變量與核心解釋變量之間可能存在雙向的影響或因果關(guān)系，這一現(xiàn)象是內(nèi)生性的表現(xiàn)形式之一，如果存在內(nèi)生性問題則會導致普通的面板回歸結(jié)果失效。參考大多數(shù)文獻的做法，本文通過主流的Durbin-Wu-Hausman檢驗來確定核心解釋變量XL和ZY是否為存在內(nèi)生性。結(jié)果顯示，對變量XL而言，Durbin統(tǒng)計量prob值為0.3531，Wu-Hausman統(tǒng)計量prob值為0.3613，可知Durbin-Wu-Hausman檢驗的兩個統(tǒng)計量的伴隨概率prob值均大于10%，表明接受不存在內(nèi)生性的原假設(shè)。對于變量ZY而言，Durbin統(tǒng)計量prob值為0.1002，Wu-Hausman統(tǒng) 計 值 porb值 為 0.1005，可 知Durbin-Wu-Hausman檢驗的兩個統(tǒng)計量的伴隨概率prob值均大于10%，表明接受不存在內(nèi)生性的原假設(shè)。因此，核心解釋變量XL和ZY均不存在內(nèi)生性。

根據(jù)上述檢驗可知，本文所設(shè)定的實證模型不存在可能干擾實證結(jié)果準確性的多重共線性和內(nèi)生性問題，但由于省際面板數(shù)據(jù)的異質(zhì)性特征，異方差問題存在且必須得到解決。因此，本文運用全面可行性最小二乘法（FGLS）來克服異方差問題，并得到全部樣本、東部地區(qū)樣本、中部地區(qū)樣本和西部地區(qū)樣本的回歸結(jié)果（見表6）。

表6的回歸結(jié)果顯示，全國和東、中、西部的4個回歸結(jié)果的卡方統(tǒng)計量chi2的伴隨概率均小于1%，表明實證模型設(shè)定較為合理，結(jié)果較可靠。觀察4個回歸中各變量的系數(shù)，可以得出如下結(jié)果：

（1）農(nóng)村金融效率在東部、中西部與全國的系數(shù)都顯著為正，說明人均收入與農(nóng)村金融效率存在正相關(guān)關(guān)系，同時結(jié)果也較好的驗證了前文假設(shè)。值得注意的是，中部地區(qū)金融效率提升對農(nóng)民增收的正向影響力度最大，西部地區(qū)次之，東部地區(qū)最低，其原因一方面是由于東部農(nóng)民人均純收入在全國三大區(qū)域之中相對較高，基數(shù)大導致其增幅不容易大幅提高；另一方面可能由于東部地區(qū)的金融資源總量絕對值較大，金融效率對農(nóng)民增收的邊際提升作用不如金融資源總量相對較小，但對農(nóng)民增收的邊際提升作用潛力較大的中部和西部地區(qū)。

表6 FGLS模型回歸結(jié)果

（2）農(nóng)業(yè)勞動力轉(zhuǎn)移的系數(shù)均為負，4個模型農(nóng)業(yè)勞動力轉(zhuǎn)移系數(shù)均在1%的統(tǒng)計水平下顯著，即隨著縣域農(nóng)業(yè)人口的減少（勞動力外出務(wù)工）將對農(nóng)民收入產(chǎn)生顯著正向影響，這表明東中西部地區(qū)農(nóng)民收入的來源主要為外出務(wù)工，但值得一提的是，農(nóng)民外出務(wù)工會引起一系列的社會問題，需要高度重視。

（3）財政農(nóng)業(yè)投入的系數(shù)都是正值，且4個回歸系數(shù)均在1%的水平下顯著。中部地區(qū)財政支農(nóng)能夠有效提高農(nóng)民收入，東部地區(qū)財政支農(nóng)的收入增長效應(yīng)低于中部地區(qū)，西部地區(qū)財政支農(nóng)對于農(nóng)民增收的正向影響力度最小。

（4）第一產(chǎn)業(yè)固定資產(chǎn)投資的系數(shù)均為正，且都通過了5%或1%的顯著性檢驗，但系數(shù)的絕對值較小。這表明第一產(chǎn)業(yè)固定資產(chǎn)投資力度加大能夠以完善相關(guān)基礎(chǔ)設(shè)施建設(shè)的方式創(chuàng)造更加優(yōu)化的環(huán)境，在一定程度上促進農(nóng)民增收。

（5）農(nóng)用機械總動力的系數(shù)均為負，且都通過了1%的顯著性檢驗。通常而言，農(nóng)用機械動力總量越大，表明農(nóng)業(yè)現(xiàn)代化程度越高，直觀上對農(nóng)民收入的影響應(yīng)當為正向。但是在中國農(nóng)業(yè)的經(jīng)營方式以農(nóng)戶個體形式為主，并未形成規(guī)?；霓r(nóng)場經(jīng)營形式，在這種農(nóng)業(yè)經(jīng)濟背景下，農(nóng)用機械總動力或者農(nóng)業(yè)現(xiàn)代化程度的提高雖然能夠在一定程度促進生產(chǎn)率的進步，但購置農(nóng)用機械的花費也提高的單個農(nóng)戶的生產(chǎn)成本，從而對農(nóng)民的人均純收入帶來的負面影響，這一實證結(jié)果是中國農(nóng)業(yè)發(fā)展現(xiàn)狀的真實反映。

（6）農(nóng)業(yè)自然災(zāi)害的系數(shù)均為負，4個回歸的系數(shù)均在1%的統(tǒng)計水平下是顯著。但自然災(zāi)害變量對農(nóng)民收入的負向影響力度較小，其原因在于，中國地域遼闊，每年都會經(jīng)歷大大小小的多場局部旱災(zāi)、水災(zāi)、雪災(zāi)等自然災(zāi)害。雖然自然災(zāi)害能夠?qū)r(nóng)業(yè)生產(chǎn)產(chǎn)生一定的影響，但隨著中國各級政府重視程度的提高和投入的加大，中國糧食生產(chǎn)仍然實現(xiàn)了“十三連增”。中國對于自然災(zāi)害已經(jīng)有了一定的預(yù)防和治理機制，因此對農(nóng)業(yè)生產(chǎn)和農(nóng)民收入的影響程度有限。

（7）農(nóng)產(chǎn)品價格指數(shù)的系數(shù)均為正，中部和西部地區(qū)的系數(shù)分別在10%和5%的水平下顯著，但東部地區(qū)的系數(shù)不顯著。這一回歸結(jié)果表明，東部地區(qū)整體經(jīng)濟發(fā)展水平相對較高，隨著農(nóng)業(yè)勞動力轉(zhuǎn)移程度的提高，農(nóng)民收入提高主要依賴于外出務(wù)工的收入，農(nóng)產(chǎn)品價格波動以及售賣收入對收入提高的影響較為微弱。而在中部和西部地區(qū)，由于經(jīng)濟發(fā)展水平相對東部較低，有相當大比重的農(nóng)民收入來源主要靠農(nóng)業(yè)生產(chǎn)，因此農(nóng)產(chǎn)品價格波動以及售賣收入對農(nóng)民收入的影響相對東部地區(qū)較為明顯。

4 結(jié)論及建議

本文選取2005—2016年中國30個省份的有關(guān)數(shù)據(jù)，首先以農(nóng)村地區(qū)金融機構(gòu)從業(yè)人員、金融網(wǎng)點數(shù)量和農(nóng)村地區(qū)金融機構(gòu)總資產(chǎn)作為投入變量，以農(nóng)村地區(qū)金融存款余額、貸款余額和稅前利潤作為產(chǎn)出變量，使用DEA-Malmquist指數(shù)方法計算了中國農(nóng)村金融效率。并以此作為解釋變量，基于農(nóng)業(yè)勞動力轉(zhuǎn)移的視角，運用FGLS方法實證檢驗了農(nóng)村金融效率及農(nóng)業(yè)勞動力轉(zhuǎn)移對于農(nóng)民收入的影響，主要得出以下結(jié)論：（1）2005—2016年間中國農(nóng)村金融效率持續(xù)增長，年均增長率為0.4%。東部、中部和西部地區(qū)農(nóng)村金融效率的年均增長率分別為0.8%、0.4%和-0.2%，東部地區(qū)農(nóng)村金融的技術(shù)進步和技術(shù)效率均有所提高，中部和西部地區(qū)均處于農(nóng)村金融技術(shù)進步有所下降但技術(shù)效率有所提升的態(tài)勢。（2）農(nóng)村金融效率、農(nóng)業(yè)勞動力轉(zhuǎn)移（縣域農(nóng)業(yè)人口減少）能夠?qū)r(nóng)民增收產(chǎn)生顯著正向促進作用，但在不同區(qū)域存在一定差異。（3）政府的財政農(nóng)業(yè)投入、第一產(chǎn)業(yè)固定資產(chǎn)投資、農(nóng)產(chǎn)品價格能夠?qū)r(nóng)民增收產(chǎn)生正向影響，農(nóng)業(yè)機械動力、農(nóng)業(yè)自然災(zāi)害會對農(nóng)村增收產(chǎn)生負向影響，其中，農(nóng)產(chǎn)品價格和農(nóng)業(yè)自然災(zāi)害對農(nóng)民增收的影響程度有限，且在不同地區(qū)存在較大差異。

針對以上結(jié)果，本文提出以下建議：

（1）深化農(nóng)村金融服務(wù)綜合改革，正確引導不同金融部門發(fā)展，充分利用農(nóng)村金融演化過程中新機構(gòu)，如新型農(nóng)村金融機構(gòu)、互聯(lián)網(wǎng)金融機構(gòu)，使其為農(nóng)村中小農(nóng)戶以及農(nóng)村中小企業(yè)提供充分的金融服務(wù)；通時，進一步完善并創(chuàng)新農(nóng)村金融服務(wù)體系，應(yīng)該結(jié)合全國各地區(qū)的現(xiàn)實情況，創(chuàng)新惠農(nóng)金融、拓寬服務(wù)范圍，使其便捷高效地服務(wù)于“三農(nóng)”。

（2）落實強農(nóng)惠農(nóng)政策，提高財政支農(nóng)效率。將“三農(nóng)”作為中央財政支出的重中之重，除了對農(nóng)村地區(qū)新型農(nóng)業(yè)經(jīng)營主體發(fā)展以及農(nóng)村產(chǎn)業(yè)融合發(fā)展加大扶持力度外，也要適當給予農(nóng)戶一些直接補貼。特別是對于經(jīng)濟欠發(fā)達地區(qū)，需要繼續(xù)加大對農(nóng)業(yè)的財政投入，深入落實將整合資金項目審批權(quán)限完全下放到各地方縣域，與此同時，更要不斷優(yōu)化農(nóng)業(yè)財政支出結(jié)構(gòu)，構(gòu)建農(nóng)業(yè)財政支出效率評價機制，優(yōu)化評價指標，使評價結(jié)果客觀有效，這對于支農(nóng)效率的提高具有積極的意義。

（3）做好財政支農(nóng)“最后一公里”。在我國部分欠發(fā)達地區(qū)，存在基層技術(shù)推廣人員不足，特別是新形勢下，相當一部分人員的知識結(jié)構(gòu)難以適應(yīng)現(xiàn)代農(nóng)業(yè)的發(fā)展，故應(yīng)該加大對農(nóng)技推廣人才的培訓力度，聯(lián)合農(nóng)業(yè)技術(shù)專業(yè)機構(gòu)和專門院校開展針對性的生產(chǎn)和創(chuàng)業(yè)培訓，提高農(nóng)民生產(chǎn)技能，尤其是提高對于稀缺和優(yōu)良農(nóng)產(chǎn)品的種植技能，真正做到農(nóng)技推廣、農(nóng)村金融服務(wù)、政策宣傳、人才培養(yǎng)相結(jié)合，有效促進農(nóng)民增收。

（4）營造引導農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)就業(yè)的良好氛圍。各地區(qū)應(yīng)該努力搭建平臺促進農(nóng)民就業(yè)，拓寬就業(yè)渠道保增收。一方面政府應(yīng)出臺惠農(nóng)政策、稅收優(yōu)惠，真正將這些政策落到實處，另一方面，在現(xiàn)階段我國農(nóng)村金融市場化和民間資本不斷進入的背景下，要讓農(nóng)村金融更好地服務(wù)于城鎮(zhèn)經(jīng)濟，從而促使農(nóng)業(yè)勞動力轉(zhuǎn)移，不僅可以發(fā)展當?shù)氐慕?jīng)濟，還可以有效帶動周邊產(chǎn)業(yè)的快速發(fā)展。