基于GMM模型的農(nóng)業(yè)貸款減貧效應(yīng)分析

摘 要：本文首先從理論上分析了農(nóng)村貧困問題難以解決的原因，貧困消除的方法以及金融減貧效應(yīng)的作用機(jī)制，采用動(dòng)態(tài)面板數(shù)據(jù)來分析以農(nóng)業(yè)貸款為代表的農(nóng)村金融的減貧效應(yīng)。利用stata13.0、Eviews7.0進(jìn)行計(jì)量經(jīng)濟(jì)學(xué)實(shí)驗(yàn)操作，通過分析兩種GMM的測(cè)試結(jié)果得出農(nóng)業(yè)貸款量與農(nóng)村貧困水平指標(biāo)之間的關(guān)系，為今后的有關(guān)研究提供借鑒。同時(shí)，根據(jù)所得的計(jì)量結(jié)果，結(jié)合環(huán)渤海地區(qū)各省份（直轄市）農(nóng)村的具體情況，提出合理可行的農(nóng)村金融減貧建議。

關(guān)鍵詞：農(nóng)業(yè)貸款? 減貧效應(yīng)? GMM模型? 混合OLS回歸

中圖分類號(hào)：F830.5 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0298（2020）04（a）-03

環(huán)渤海地區(qū)是我國(guó)重要的經(jīng)濟(jì)地帶，它既包括我國(guó)的政治中心北京，也包括我國(guó)重要的港口天津，還包括我國(guó)三個(gè)農(nóng)業(yè)大省河北、山東、遼寧。近年來國(guó)家的“京津冀協(xié)同發(fā)展”等計(jì)劃明確指出要把環(huán)渤海區(qū)域打造成比肩于長(zhǎng)三角和珠三角的中國(guó)經(jīng)濟(jì)第三極。環(huán)渤海地區(qū)的五個(gè)省份，人口數(shù)量巨大，除兩個(gè)直轄市外，均存在大量的農(nóng)村人口，這其中貧困人口數(shù)量眾多，農(nóng)民貧困問題亟待解決。此外，農(nóng)村人口對(duì)金融知識(shí)的認(rèn)知水平有待提高，對(duì)于農(nóng)村金融風(fēng)險(xiǎn)多采取回避態(tài)度，他們大多采取的金融活動(dòng)只有存款，因此，鼓勵(lì)與引導(dǎo)他們充分利用閑散資金進(jìn)行多種金融活動(dòng)成為農(nóng)民減貧的重中之重。目前，金融減貧已成為全國(guó)各省市普遍采用的一種減貧模式，它不僅可以吸收閑散資金、鼓勵(lì)農(nóng)民自主創(chuàng)業(yè)，實(shí)現(xiàn)“錢生錢”，還可以充分調(diào)動(dòng)資金流動(dòng)，使得農(nóng)村資金與城市資金“接軌”，活躍資本市場(chǎng)，為中國(guó)經(jīng)濟(jì)注入了新鮮血液，對(duì)全面建設(shè)小康社會(huì)的目標(biāo)實(shí)現(xiàn)具有重要的作用。本文立足于金融工作起步較晚、金融觀念較落后的農(nóng)村，對(duì)其減貧具有一定的實(shí)際和理論價(jià)值。

通過國(guó)內(nèi)外學(xué)者對(duì)農(nóng)村小微金融的實(shí)證研究對(duì)比可以發(fā)現(xiàn)，國(guó)外多采用國(guó)際間的數(shù)據(jù)，而國(guó)內(nèi)多采用國(guó)內(nèi)的省際、縣際數(shù)據(jù)，但是研究結(jié)論如出一轍，大部分人認(rèn)為農(nóng)業(yè)貸款對(duì)減貧有促進(jìn)作用，少部分人認(rèn)為影響微弱，減貧還是要靠其他方面的力量。我國(guó)制度比較特殊，地域發(fā)展不均衡，選取的樣本若存在差異，則研究結(jié)論可能也不盡相同。本文選取環(huán)渤海經(jīng)濟(jì)區(qū)，結(jié)合我國(guó)的具體情況，以跨越20年的五省動(dòng)態(tài)面板數(shù)據(jù)為樣本進(jìn)行分析。此外，選取有針對(duì)性的指標(biāo)，以農(nóng)村農(nóng)業(yè)貸款量作為農(nóng)村金融的代表，構(gòu)建GMM模型來研究農(nóng)村金融對(duì)農(nóng)民生活水平的影響，以明確農(nóng)業(yè)貸款的真正作用，并有針對(duì)性地對(duì)農(nóng)村脫貧提出可行建議。

1 環(huán)渤海地域農(nóng)業(yè)貸款減貧效果的實(shí)證分析

本文數(shù)據(jù)來源于《中國(guó)金融年鑒》《中國(guó)農(nóng)業(yè)年鑒》、WIND、中經(jīng)網(wǎng)。選取環(huán)渤海區(qū)域五個(gè)省（直轄市）（北京、天津、遼寧、河北、山東）1996—2015年的面板數(shù)據(jù)。本文選擇的主要數(shù)據(jù)包括環(huán)渤海地區(qū)五個(gè)省份的農(nóng)民恩格爾系數(shù)、農(nóng)村農(nóng)業(yè)貸款量、農(nóng)村GDP總量、農(nóng)業(yè)投資額度、農(nóng)業(yè)機(jī)械總動(dòng)力等指標(biāo)，對(duì)其中部分?jǐn)?shù)據(jù)進(jìn)行取比值等操作構(gòu)建指標(biāo)，然后對(duì)所有指標(biāo)取對(duì)數(shù)以盡可能地消除異方差的影響，構(gòu)建被解釋、解釋和控制變量。

1.1 指標(biāo)的選取

本文選擇的被解釋變量是農(nóng)民恩格爾系數(shù)。數(shù)值的大小代表農(nóng)民生活的貧富。實(shí)證分析時(shí)采取小數(shù)的形式，分析前同樣要對(duì)數(shù)據(jù)取對(duì)數(shù)以消除數(shù)據(jù)的異方差。

1.1.1 解釋變量

農(nóng)業(yè)貸款相對(duì)規(guī)模（RCS）是農(nóng)村農(nóng)業(yè)貸款量與農(nóng)村GDP的比值，它衡量的是農(nóng)村生產(chǎn)的GDP中轉(zhuǎn)化為農(nóng)業(yè)貸款的比例，農(nóng)業(yè)貸款相對(duì)規(guī)模也是核心內(nèi)生解釋變量之一，也在相當(dāng)程度上表征了農(nóng)業(yè)貸款，其規(guī)模越大，農(nóng)業(yè)貸款的發(fā)展水平越高。同樣，實(shí)證分析部分采用的數(shù)據(jù)也是該指標(biāo)取對(duì)數(shù)之后的數(shù)值。另外一個(gè)內(nèi)生解釋變量選擇農(nóng)村農(nóng)業(yè)貸款量（RPG），在實(shí)證分析前同樣要對(duì)數(shù)據(jù)取對(duì)數(shù)以消除數(shù)據(jù)的異方差。

1.1.2 農(nóng)村農(nóng)業(yè)貸款量

農(nóng)村農(nóng)業(yè)貸款量（RAC）是指每個(gè)省份農(nóng)村用于農(nóng)業(yè)生產(chǎn)的貸款量的總和，單位是萬(wàn)元，本文中，農(nóng)村農(nóng)業(yè)貸款量被設(shè)定為核心內(nèi)生解釋變量之一，作為農(nóng)業(yè)貸款的代表指標(biāo)之一，實(shí)證分析部分采用的數(shù)據(jù)是該指標(biāo)取對(duì)數(shù)之后的數(shù)值，其數(shù)值越大代表農(nóng)業(yè)貸款量越多，農(nóng)村農(nóng)業(yè)貸款發(fā)展水平越高。

農(nóng)村GDP是指環(huán)渤海地區(qū)五個(gè)省份各自農(nóng)村地區(qū)的GDP總量，單位為萬(wàn)元。

1.1.3 控制變量

控制變量選擇了農(nóng)村農(nóng)業(yè)投資量（NRT）以及農(nóng)村化肥使用量（NHL）兩個(gè)對(duì)農(nóng)民生活有顯著影響的指標(biāo)，二者的單位分別為億元和萬(wàn)噸。工具變量方面，選擇的是二者滯后一階的數(shù)值。在開始實(shí)證分析前，要對(duì)農(nóng)村農(nóng)業(yè)投資量和農(nóng)村化肥使用量的值取對(duì)數(shù)以盡量去除異方差。為了做到GMM要求的變量個(gè)數(shù)恰好識(shí)別，控制變量個(gè)數(shù)設(shè)定為兩個(gè)。

1.2 實(shí)證分析

本文依據(jù)C-D函數(shù)的變形式，即：

lnengit = β0 + β1lnengit-1 + β2lnrcsit +β3lnracit + β4lnrpgit + β5lnnrtit + β6lnnhlit +εit

為了考慮被解釋變量自身存在的時(shí)間效應(yīng)，我們將被解釋變量滯后一階的數(shù)值也放入了等式右邊作為被解釋變量，式中i代表五個(gè)省份， t代表1996—2015的20年。在進(jìn)行回歸之前，首先需要對(duì)模型以及數(shù)據(jù)進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果在5%的顯著性水平下均顯著。經(jīng)過LM檢驗(yàn)，拒絕混合回歸模型;經(jīng)過豪斯曼檢驗(yàn)，固定效應(yīng)模型的效果優(yōu)于隨機(jī)效應(yīng)模型，所以應(yīng)選擇固定效應(yīng)模型。

對(duì)OLS回歸系數(shù)進(jìn)行修正之后的全面FGLS估計(jì)結(jié)果在5%的顯著性水平下拒絕原假設(shè)，說明回歸系數(shù)可信?；貧w系數(shù)除了農(nóng)村GDP指標(biāo)，其余指標(biāo)均在5%的顯著性水平下顯著，農(nóng)村GDP指標(biāo)在10%的顯著性水平下也顯著，回歸結(jié)果可信。

對(duì)于上述的回歸結(jié)果，我們可以看出農(nóng)業(yè)貸款對(duì)農(nóng)民恩格爾系數(shù)的影響為正，即會(huì)較大程度地增加農(nóng)民貧困程度，這與預(yù)想存在較大差異，因此考慮數(shù)據(jù)本身的性質(zhì)，首先數(shù)據(jù)經(jīng)過LLC檢驗(yàn)后均不平穩(wěn)，其中l(wèi)nrpg為二階單整，其余變量皆為一階單整。所有的結(jié)果在5%的顯著性水平下均拒絕原假設(shè)。不平穩(wěn)的回歸會(huì)導(dǎo)致結(jié)果存在誤差，因此上述混合OLS回歸結(jié)果可信度較低，因此進(jìn)一步采用GMM進(jìn)行廣義矩估計(jì)。

由于數(shù)據(jù)的不平穩(wěn)，加之前面的估計(jì)值只是建立在長(zhǎng)面板的基礎(chǔ)上進(jìn)行的分析，考慮的僅僅是固定效應(yīng)，固定效應(yīng)會(huì)造成回歸參數(shù)的偏差，因此接下來采用動(dòng)態(tài)面板對(duì)回歸參數(shù)進(jìn)行更為準(zhǔn)確的估計(jì)，運(yùn)用的具體方法為差分GMM和系統(tǒng)GMM方法。

1.2.1 差分GMM結(jié)果

差分GMM結(jié)果如表1所示。

1.2.2 系統(tǒng)GMM結(jié)果

系統(tǒng)GMM結(jié)果如表2所示。

所有的回歸結(jié)果在5%的顯著性水平下均顯著，所以回歸系數(shù)較可信。差分GMM和系統(tǒng)GMM的回歸系數(shù)有差距，但是lnrcs和lnrac的回歸系數(shù)皆顯著為負(fù)，證明農(nóng)業(yè)貸款的確可以降低農(nóng)民恩格爾系數(shù)，提高農(nóng)民生活水平。

2 研究結(jié)論和對(duì)策建議

本文利用GMM模型研究了農(nóng)村農(nóng)業(yè)貸款與農(nóng)民恩格爾系數(shù)之間的關(guān)系，在建立計(jì)量經(jīng)濟(jì)學(xué)模型的基礎(chǔ)上，以北京、天津、遼寧、河北、山東五個(gè)省份為樣本，選取1996—2015年面板數(shù)據(jù)，運(yùn)用混合OLS回歸、差分GMM和系統(tǒng)GMM三種方法分析農(nóng)村金融的減貧效應(yīng)，得出了以下研究結(jié)論：

（1）環(huán)渤海區(qū)域農(nóng)業(yè)貸款對(duì)農(nóng)民恩格爾系數(shù)有一定程度的影響：農(nóng)業(yè)貸款專為農(nóng)村生產(chǎn)而設(shè)，以長(zhǎng)期貸款為主，完美地契合了農(nóng)村生產(chǎn)的特性，增加了農(nóng)民的生產(chǎn)積極性。農(nóng)業(yè)貸款可以起到提高農(nóng)民生活水平，降低農(nóng)民貧困的作用。

（2）環(huán)渤海區(qū)域農(nóng)村農(nóng)業(yè)貸款對(duì)農(nóng)民生活水平提高的效用有限：僅僅依靠以農(nóng)業(yè)貸款為代表的農(nóng)村金融，還是遠(yuǎn)遠(yuǎn)不夠的，提高農(nóng)民生活水平，還需要其他各方面的支持，比如政府財(cái)政支持、農(nóng)業(yè)技術(shù)革新、農(nóng)業(yè)機(jī)械動(dòng)力等，只有多方面協(xié)同作用才能顯著地降低農(nóng)民貧困程度，提高農(nóng)民生活水平。

結(jié)合時(shí)代大背景，在實(shí)證檢驗(yàn)的基礎(chǔ)上，本文給出以下建議：

利用北京市的輻射作用，積極推廣北京已有的農(nóng)村金融產(chǎn)品。其他各省政府在全省范圍內(nèi)繼續(xù)大力推廣農(nóng)村農(nóng)業(yè)貸款的同時(shí)，要將其他各領(lǐng)域的金融產(chǎn)品也帶到農(nóng)村，比如針對(duì)于自然、人為災(zāi)害的農(nóng)業(yè)保險(xiǎn)、林業(yè)保險(xiǎn)、林業(yè)貸款、漁業(yè)保險(xiǎn)、漁業(yè)貸款等，還有針對(duì)于大宗商品規(guī)避風(fēng)險(xiǎn)的期權(quán)、期貨等產(chǎn)品，創(chuàng)設(shè)完善的農(nóng)村正規(guī)金融市場(chǎng)，真正發(fā)揮金融市場(chǎng)的作用。

由于環(huán)渤海區(qū)域的農(nóng)民觀念等方面的原因，農(nóng)村的恩格爾系數(shù)會(huì)有短期的上升，在這段時(shí)間，政府的財(cái)政政策就顯得尤為重要，它可以在短期內(nèi)彌補(bǔ)可支配收入不足的問題，消除農(nóng)民的后顧之憂。此外，科學(xué)技術(shù)始終是第一生產(chǎn)力，拋開技術(shù)，再完備的金融體制也不足以使農(nóng)民的生活水平有質(zhì)的飛躍。各省應(yīng)充分利用北京、天津等地先進(jìn)的技術(shù)，加大農(nóng)業(yè)科技方面的重視力度，采取高校對(duì)接、設(shè)備下鄉(xiāng)、科學(xué)家下鄉(xiāng)、增加農(nóng)業(yè)機(jī)械動(dòng)力、改良化肥等政策，改善農(nóng)民生產(chǎn)方式，縮減生產(chǎn)風(fēng)險(xiǎn)，增大生產(chǎn)效率，增加農(nóng)作物產(chǎn)量。

參考文獻(xiàn)

Ariel Ben Yishay， Andrew Fraker， Raymond Guiteras， Giordano Palloni， Neil Buddy Shah， Stuart Shirrell， Paul Wang， Microcredit and willingness to pay for environmental quality： Evidence from a randomized-controlled trial of finance for sanitation in rural Cambodia， Journal of Environmental Economics and Management， Available online 25 November 2016， ISSN 0095-0696.

Gashaw Tadesse Abate， Shahidur Rashid， Carlo Borzaga， Kindie Getnet， Rural Finance and Agricultural Technology Adoption in Ethiopia： Does the Institutional Design of Lending Organizations Matter？， World Development， Volume 84， August 2016， Pages 235-253， ISSN 0305-750X.

G. Dorfleitner， S. Just-Marx， C. Priberny， What drives the repayment of agricultural micro loans？ Evidence from Nicaragua， The Quarterly Review of Economics and Finance， Volume 63， February 2017， Pages 89-100， ISSN 1062-9769.

傅鵬，張鵬.農(nóng)村金融發(fā)展減貧的門檻效應(yīng)與區(qū)域差異——來自中國(guó)的經(jīng)驗(yàn)數(shù)據(jù)[J]. 當(dāng)代財(cái)經(jīng)，2016（06）.

高遠(yuǎn)東，張衛(wèi)國(guó).中國(guó)農(nóng)村非正規(guī)金融發(fā)展的減貧效應(yīng)研究[J].西南民族大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2014（12）.

師榮蓉，徐璋勇，趙彥嘉.金融減貧的門檻效應(yīng)及其實(shí)證檢驗(yàn)——基于中國(guó)西部省際面板數(shù)據(jù)的研究[J].中國(guó)軟科學(xué)，2013（03）.

蘇靜，胡宗義.農(nóng)村金融減貧的直接效應(yīng)與中介效應(yīng)——基于狀態(tài)空間模型和中介效應(yīng)檢驗(yàn)的動(dòng)態(tài)分析[J].財(cái)經(jīng)理論與實(shí)踐，2015（04）.

作者簡(jiǎn)介：李震（1977-），男，山東萊州人，單位：中國(guó)建設(shè)銀行股份有限公司青島南京路支行，中級(jí)經(jīng)濟(jì)師，本科，研究方向：金融市場(chǎng)。