涉農(nóng)貸款配置效率、外部影響因素與農(nóng)戶收入
——以泛長三角地區(qū)為例

陳 澳,欒敬東,秦江城

(安徽農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院,安徽 合肥 230036)

泛長三角地區(qū)包括上海、江蘇、浙江、安徽、福建、江西、山東等“六省一市”，該區(qū)域地理優(yōu)勢顯著、人文底蘊(yùn)深厚、產(chǎn)業(yè)集聚明顯，在農(nóng)村金融服務(wù)領(lǐng)域一直走在全國前列。2021年，中央一號文件指出：要大力開展農(nóng)戶小額信用貸款、農(nóng)機(jī)具和大棚設(shè)施抵押貸款業(yè)務(wù)，鼓勵(lì)開發(fā)專屬金融產(chǎn)品用以支持新型農(nóng)業(yè)經(jīng)營主體和農(nóng)村新產(chǎn)業(yè)新業(yè)態(tài)[1]。涉農(nóng)貸款作為農(nóng)村普惠金融領(lǐng)域的重要支農(nóng)渠道和組成部分，近年來的投放規(guī)模不斷加大，已從2007年的6.12萬億元增長至2020年的38.95萬億元[2]，為深入推進(jìn)鄉(xiāng)村振興戰(zhàn)略提供了有力的資金支持。同時(shí)，隨著城市化與工業(yè)化進(jìn)程的不斷加快，城鄉(xiāng)非均衡發(fā)展逐漸擴(kuò)大。金融資源作為社會經(jīng)濟(jì)發(fā)展的活力源泉，其在空間布局上的均衡配置有助于解決城鄉(xiāng)非均衡發(fā)展的問題。鑒于此，研究泛長三角地區(qū)涉農(nóng)貸款配置效率、外部影響因素，及其對農(nóng)戶收入的影響，具有一定的實(shí)踐意義。

一、文獻(xiàn)綜述與問題的提出

我國的涉農(nóng)貸款通常是指由金融機(jī)構(gòu)發(fā)放，用于支持農(nóng)業(yè)提質(zhì)增效、農(nóng)村宜居宜業(yè)、農(nóng)民增產(chǎn)創(chuàng)收的信貸資金。根據(jù)2007年中國銀行業(yè)監(jiān)督管理委員會發(fā)布的《涉農(nóng)貸款專項(xiàng)統(tǒng)計(jì)制度》，涉農(nóng)貸款的統(tǒng)計(jì)范圍一般包含農(nóng)戶貸款、農(nóng)村企業(yè)及各類組織貸款、城市企業(yè)及各類組織涉農(nóng)貸款等3個(gè)類別。而在國外金融領(lǐng)域，學(xué)界一般不會專門界定涉農(nóng)貸款一詞，其涉農(nóng)貸款一般指廣義上的農(nóng)業(yè)貸款或各類中小企業(yè)信貸。隨著金融在解決“三農(nóng)”問題上作用的日益凸顯，學(xué)界對農(nóng)村金融資源配置效率、涉農(nóng)貸款配置效率的影響因素，以及涉農(nóng)貸款對農(nóng)戶收入的影響等日益重視，并展開了廣泛、深入的研究。

1.農(nóng)村金融資源配置效率。國外學(xué)界關(guān)于農(nóng)村金融資源配置效率的研究已形成較為成熟的理論體系。如Robinson和Merton等分別基于金融市場和商品市場的視角研究農(nóng)村金融服務(wù)效率，發(fā)現(xiàn)金融功能比金融機(jī)構(gòu)更穩(wěn)定，金融功能可以反映金融服務(wù)效率的高低[3-4]。同時(shí)，隨著前沿分析法的提出，國外學(xué)界側(cè)重于對資金配置效率進(jìn)行測度。如Coelli以發(fā)展中國家為例，通過建立時(shí)間序列對政府主導(dǎo)下的農(nóng)業(yè)信貸配置效率展開研究，發(fā)現(xiàn)政府干預(yù)短期內(nèi)有助于提高涉農(nóng)貸款配置效率，長期則會擾亂農(nóng)村金融市場秩序[5]；Bassem和Wijesiri等分別基于不同地區(qū)的小額金融機(jī)構(gòu)調(diào)研數(shù)據(jù)，采用DEA法測算貸款效率，發(fā)現(xiàn)小額金融機(jī)構(gòu)的經(jīng)營規(guī)模與貸款效率呈倒U型關(guān)系，指出小額金融機(jī)構(gòu)要保持適度規(guī)模運(yùn)營[6-7]。國內(nèi)學(xué)界一般是基于普惠金融的研究視角，以涉農(nóng)信貸為研究對象來測算資金配置效率。如朱喜等基于1981—2004年的時(shí)間序列數(shù)據(jù)建立VEC模型，研究發(fā)現(xiàn)我國的涉農(nóng)信貸在相當(dāng)長的一段時(shí)間內(nèi)處于效率匱乏狀態(tài)，與農(nóng)村投資、農(nóng)戶收入均不存在關(guān)聯(lián)性[8]；費(fèi)凱怡采用DEA-Malmquist指數(shù)法，對江蘇省各地級市農(nóng)業(yè)銀行涉農(nóng)貸款效率進(jìn)行測算，并作了橫向、縱向?qū)Ρ确治觯l(fā)現(xiàn)農(nóng)業(yè)銀行江蘇省分行的涉農(nóng)貸款配置效率在各地級市之間差異較大，蘇南、蘇中地區(qū)對金融資源的利用能力遠(yuǎn)高于蘇北地區(qū)[9]；賈娟琪、張玉苗和周梅等采用DEA-Tobit模型對不同區(qū)域的涉農(nóng)貸款配置效率進(jìn)行研究，分析提出要因地制宜、因產(chǎn)業(yè)制宜地制定本土涉農(nóng)信貸政策[10-12]。

2.涉農(nóng)貸款配置效率的影響因素。學(xué)界關(guān)于涉農(nóng)貸款配置效率影響因素的研究主要從不同行業(yè)、整體配置情況、區(qū)域發(fā)展差異等方面展開。如張兵等研究江蘇省農(nóng)村信貸資金配置效率，分析指出信貸市場利率、生產(chǎn)資料價(jià)格指數(shù)、消費(fèi)價(jià)格指數(shù)、農(nóng)村金融發(fā)展水平和農(nóng)業(yè)資金利用率是影響農(nóng)村信貸資金配置效率的5個(gè)主要因素[13]；李明研究我國農(nóng)業(yè)信貸資金配置效率，分析指出城鄉(xiāng)二元結(jié)構(gòu)是農(nóng)業(yè)信貸資金配置效率增長最重要的制約因素，且政府干預(yù)程度和信貸自身規(guī)模也是其重要的影響因素[14]；賈娟琪、周梅和梁夏等分別對甘肅、山東、河南等地的涉農(nóng)貸款配置效率及影響因素進(jìn)行分析，發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)和財(cái)政支持力度是涉農(nóng)貸款配置效率的主要影響因素[10,12,15]。

3.涉農(nóng)貸款對農(nóng)戶收入的影響。國外學(xué)界關(guān)于涉農(nóng)貸款與農(nóng)戶收入關(guān)系的研究主要從宏觀層面的金融地域差異、微觀層面的金融主體運(yùn)行等方面展開。如Burgess和Hartarska等分別基于印度農(nóng)村地區(qū)和美國各州的面板數(shù)據(jù)，分析發(fā)現(xiàn)農(nóng)業(yè)貸款的增加對提升農(nóng)村居民收入具有顯著的促進(jìn)作用[16-17]；Maitra等通過在印度西孟加拉邦開展傳統(tǒng)小額信貸追蹤實(shí)驗(yàn)，發(fā)現(xiàn)小額信貸本身無法提高農(nóng)戶收入，提出設(shè)計(jì)一種信用代理人機(jī)制來定向?qū)彶橘J款人資質(zhì)，通過剔除貸款人中的非生產(chǎn)者來提高貸款利用率[18]。國內(nèi)學(xué)界主要從貸款配置、貸款結(jié)構(gòu)、貸款規(guī)模等方面研究涉農(nóng)貸款對農(nóng)戶收入的影響。如張敬石、顧園明和沈倩嶺等基于分省面板數(shù)據(jù)建立回歸模型，研究發(fā)現(xiàn)涉農(nóng)貸款對農(nóng)戶收入具有正向影響，且能夠縮小農(nóng)村內(nèi)部收入差距，但總體顯著性不強(qiáng)，尤其是東、中、西部省域的差異較大[19-21]；鄧?yán)みM(jìn)行金融扶貧惠農(nóng)效率評估，研究發(fā)現(xiàn)僅農(nóng)村企業(yè)及各類組織貸款對農(nóng)戶收入具有正向作用，其他類別涉農(nóng)貸款均對農(nóng)戶收入具有負(fù)向影響[22]；夏遨基于湘西地區(qū)的實(shí)證分析，發(fā)現(xiàn)該地區(qū)現(xiàn)階段的涉農(nóng)貸款供給規(guī)模不足，且結(jié)構(gòu)單一，無法提高當(dāng)?shù)剞r(nóng)戶的人均可支配收入[23]。

綜上，學(xué)界關(guān)于涉農(nóng)貸款配置效率的研究主要采用DEA模型這類非參數(shù)分析方法進(jìn)行分析，多數(shù)結(jié)論均表明涉農(nóng)貸款在配置上存在效率不足的問題；關(guān)于涉農(nóng)貸款的收入效應(yīng)的研究則主要采用時(shí)間序列數(shù)據(jù)進(jìn)行分析，未考慮個(gè)體固定效應(yīng)的影響，存在研究的片面性。同時(shí)，既有研究較少基于宏觀視角選擇具體連片區(qū)域開展實(shí)證分析，建議不具有針對性，尤其是對泛長三角這一我國經(jīng)濟(jì)規(guī)模最大區(qū)域的研究更少。鑒于此，本研究以泛長三角地區(qū)“六省一市”的涉農(nóng)貸款配置效率為研究對象，采用超效率DEA-Malmquist指數(shù)法分別從靜態(tài)和動態(tài)的角度對涉農(nóng)貸款配置效率展開討論，采用Tobit面板模型對涉農(nóng)貸款配置效率的外部影響因素進(jìn)行量化分析，以及進(jìn)一步構(gòu)建生產(chǎn)函數(shù)固定效應(yīng)模型分析涉農(nóng)貸款對農(nóng)戶收入的影響，并據(jù)此提出相應(yīng)的解決措施，旨在為涉農(nóng)金融機(jī)構(gòu)科學(xué)分配信貸資源以及農(nóng)村地區(qū)有效提升信貸利用率提供借鑒。

二、泛長三角地區(qū)的涉農(nóng)貸款配置效率

(一)研究方法

1.超效率DEA模型。數(shù)據(jù)包絡(luò)分析(Data Envelopment Analysis,DEA)作為主流效率分析模型，運(yùn)用非參數(shù)方法對多投入、多產(chǎn)出視角下的決策單元進(jìn)行有效性評估，無需考慮前置假設(shè)與具體函數(shù)形式，在避免主觀性、簡化算法、降低誤差上具有優(yōu)勢，其主要包含CCR、BCC兩類模型。任何決策單元均存在有效和無效兩個(gè)類別，無效決策單元可根據(jù)效率值高低進(jìn)行區(qū)分，而有效決策單元的效率值均為1，無法進(jìn)行進(jìn)一步比較。因此，Andersen等提出了基于CCR模型的超效率DEA模型，通過重新定義新的效率邊界，將原本處在有效狀態(tài)的決策單元個(gè)數(shù)放在新的生產(chǎn)前沿面上，進(jìn)行重新排序，從而合理區(qū)別出效率值的高低[24]。其基本模型如下：

(1)

其中,xij表示第j個(gè)決策單元在第i個(gè)輸入上的投入量(i=1,2,…,m;j=1,2,…,n)。yrj表示第j個(gè)決策單元在第r個(gè)輸出上的產(chǎn)出量(r=1,2,…,s);Xi0和Yr0分別表示選定決策單元的投入向量與產(chǎn)出向量;θ表示決策單元的超效率評價(jià)指數(shù);λj表示各決策單元的權(quán)重系數(shù)。

2.Malmquist指數(shù)法。Malmquist指數(shù)是由經(jīng)濟(jì)學(xué)家Malmquist初創(chuàng)[25]。隨著F?re等將其與DEA理論結(jié)合使用[26]，Malmquist指數(shù)分解模型被大幅度運(yùn)用于對效率的動態(tài)分析上，通過對面板數(shù)據(jù)的分析，逐條記錄從t期到t+1期的技術(shù)效率變化、技術(shù)進(jìn)步和全要素生產(chǎn)率。其基本表達(dá)公式為：

(2)

(3)

其中，技術(shù)效率變化指數(shù)還可以分解為純技術(shù)效率(Pure Technical Efficiency,PTE)指數(shù)和規(guī)模效率(Scale Efficiency,SE)指數(shù),其基本表達(dá)公式為：

TEC=PTE×SE

(4)

(二)指標(biāo)選取與數(shù)據(jù)來源

為準(zhǔn)確測算泛長三角地區(qū)涉農(nóng)貸款配置效率，應(yīng)建立一套合理的涉農(nóng)貸款投入產(chǎn)出指標(biāo)體系。本研究結(jié)合指標(biāo)選取的代表性、領(lǐng)域覆蓋的全面性、數(shù)據(jù)的可獲得性等，參考賀雅婷和高國運(yùn)等的研究[27-28]，分別選取了農(nóng)業(yè)貸款、農(nóng)村貸款、農(nóng)戶貸款、涉農(nóng)貸款規(guī)模、個(gè)人涉農(nóng)貸款、企業(yè)及各類組織涉農(nóng)貸款等6項(xiàng)投入指標(biāo)，以及農(nóng)林牧漁業(yè)增加值、農(nóng)村消費(fèi)支出、農(nóng)村人均可支配收入等3項(xiàng)產(chǎn)出指標(biāo)，構(gòu)建了涉農(nóng)貸款投入產(chǎn)出指標(biāo)體系。本研究的數(shù)據(jù)主要來源于人民銀行各地區(qū)分行的年度金融運(yùn)行報(bào)告與各省市的年度統(tǒng)計(jì)年鑒。

(三)結(jié)果分析

1.靜態(tài)研究結(jié)果。將數(shù)據(jù)導(dǎo)入DEAP 2.1軟件測算，發(fā)現(xiàn)BCC模型中存在較多的有效決策單元數(shù)目，無法求出相對評價(jià)效率值。考慮到本研究是在一定投入規(guī)模內(nèi)測算涉農(nóng)貸款配置效率，可以選用規(guī)模報(bào)酬不變的超效率CCR模型。通過Max-DEA 6.6軟件測算出泛長三角地區(qū)涉農(nóng)貸款配置的超效率值(表1)。

表1 2010—2019年泛長三角地區(qū)涉農(nóng)貸款配置的超效率值Table 1 Super-efficiency value of agricultural loans′ allocation in the Pan-Yangtze River Delta from 2010 to 2019

由表1可知，2010—2019年，泛長三角地區(qū)涉農(nóng)貸款配置效率整體處于有效狀態(tài)，僅2010年的均值小于1，表明泛長三角地區(qū)的農(nóng)村金融資源得到了有效配置。就具體省份在研究期間的總體效率來看，上海和江蘇的涉農(nóng)貸款配置效率在均值上分別達(dá)到1.586和1.435，高出了泛長三角地區(qū)1.162的均值水平，整體高于其他地區(qū)，處于絕對領(lǐng)先位置；浙江排名緊隨其后，其涉農(nóng)貸款配置效率在研究期間的波動幅度不大，長期處于有效配置的狀態(tài)；福建和山東的涉農(nóng)貸款配置效率在均值上相差不大，整體處在同一水平；安徽在2010—2014年的涉農(nóng)貸款配置效率值整體小于1，在很大程度上拉低了其總體效率，但近年來其加速融入長三角一體化發(fā)展，持續(xù)擴(kuò)大鄉(xiāng)村普惠金融覆蓋面，涉農(nóng)貸款配置效率在后期有了明顯提升；江西的涉農(nóng)貸款配置效率值僅在2016年和2019年超出1的有效標(biāo)準(zhǔn)，其他時(shí)期均低于1，后期在提升涉農(nóng)貸款配置效率上仍有較大的發(fā)展空間。

與此同時(shí)，采用英達(dá)就地?zé)嵩偕に嚐o需銑刨浪費(fèi)掉全部瀝青上面層材料，節(jié)約大量的新瀝青混合料，施工完成后表觀效果以及工程質(zhì)量卻與新鋪沒有差別，甚至優(yōu)于新鋪；同時(shí)也相應(yīng)地減少了材料的往返運(yùn)輸次數(shù)等，減少了施工對交通的影響及施工交通安全風(fēng)險(xiǎn)等。本項(xiàng)目經(jīng)過核算，共節(jié)約材料費(fèi)用53.4%，瀝青節(jié)約50%。

2.動態(tài)研究結(jié)果。上文的超效率CCR模型分析是基于截面數(shù)據(jù)計(jì)算出各年份的靜態(tài)效率值，只能用來說明決策單元的有效性。為更加具體地反映出不同年份各地區(qū)涉農(nóng)貸款配置效率的變化情況，找出導(dǎo)致其有效或無效的深層原因，本研究進(jìn)一步引入Malmquist指數(shù)，將得到的各項(xiàng)效率值分解，分別在地域和時(shí)間維度上進(jìn)行橫向比較和縱向比較，具體結(jié)果詳見表2和表3。

表2 泛長三角地區(qū)的Malmquist指數(shù)及其分解結(jié)果(橫向比較)Table 2 Malmquist index and its decomposition results in the Pan-Yangtze River Delta (horizontal comparison)

表3 2010—2019年泛長三角地區(qū)的Malmquist指數(shù)及其分解結(jié)果(縱向比較)Table 3 Malmquist index and its decomposition results in the Pan-Yangtze River Delta from 2010 to 2019 (longitudinal comparison)

(1)地域方面。由表2可知，泛長三角地區(qū)各省市的Malmquist指數(shù)普遍較高，涉農(nóng)貸款配置效率的平均增長率達(dá)到9.3%，技術(shù)效率變化指數(shù)、技術(shù)進(jìn)步指數(shù)、純技術(shù)效率指數(shù)和規(guī)模效率指數(shù)基本高于1的有效值，對涉農(nóng)金融機(jī)構(gòu)全要素生產(chǎn)率的提高具有顯著的助推作用。其中，上海、江蘇、浙江的涉農(nóng)貸款配置效率的增長率均在10%以上，其技術(shù)效率變化指數(shù)、技術(shù)進(jìn)步指數(shù)均有不同幅度的增長，表明該地區(qū)近年來在提升普惠金融發(fā)展質(zhì)效、加大鄉(xiāng)村振興金融投入、健全農(nóng)村金融體制等方面取得了顯著成效。同時(shí)，涉農(nóng)貸款配置效率值較低的省份與較高的省份之間的差距仍然較大，如江西的涉農(nóng)貸款配置效率從數(shù)值上看僅是江蘇的64.5%，表明該省份的農(nóng)村金融市場尚未被開發(fā)，金融資源配置水平較低。

(2)時(shí)間方面。由表3可知，泛長三角地區(qū)涉農(nóng)貸款配置效率整體呈增長趨勢，各年份之間波動較大，Malmquist指數(shù)與技術(shù)效率變化指數(shù)的變化趨勢基本一致，表明涉農(nóng)貸款配置效率主要受技術(shù)效率影響。這主要是緣于泛長三角地區(qū)技術(shù)效率的變化主要體現(xiàn)在金融科技發(fā)展、銀行業(yè)務(wù)管理水平、風(fēng)險(xiǎn)防控能力等方面不斷改進(jìn)，對涉農(nóng)貸款配置效率的提升具有至關(guān)重要的作用。其中，2010—2013年，Malmquist指數(shù)均處于1以下，表明涉農(nóng)貸款配置處于無效狀態(tài)。這可能是緣于2008年全球金融危機(jī)導(dǎo)致各大金融機(jī)構(gòu)將資金著重貸給工商服務(wù)業(yè)和其他支柱產(chǎn)業(yè)來刺激經(jīng)濟(jì)復(fù)蘇，導(dǎo)致農(nóng)村金融信貸供應(yīng)不足，農(nóng)村金融市場由此處于萎靡狀態(tài)；同時(shí)，在2012年“精準(zhǔn)扶貧”理念正式提出之前，金融支農(nóng)的政策配套體系和聯(lián)動協(xié)調(diào)機(jī)制尚未建立，導(dǎo)致農(nóng)村金融機(jī)構(gòu)在支農(nóng)領(lǐng)域缺乏全面、協(xié)調(diào)和系統(tǒng)的指導(dǎo)，難以形成合力，從而在信貸安排上逐步減少農(nóng)村業(yè)務(wù)。2014—2019年，Malmquist指數(shù)均達(dá)到1以上，表明涉農(nóng)貸款配置處于有效狀態(tài)。這主要是緣于農(nóng)村金融改革的持續(xù)深化，帶動農(nóng)村信貸管理體系、資金供給體系、金融服務(wù)體系等頂層設(shè)計(jì)逐步完善，進(jìn)而推動涉農(nóng)金融機(jī)構(gòu)服務(wù)鄉(xiāng)村振興提質(zhì)增效。

四、泛長三角地區(qū)涉農(nóng)貸款配置效率的外部影響因素

基于前文對泛長三角地區(qū)涉農(nóng)貸款配置效率的分析，本研究進(jìn)一步分析涉農(nóng)貸款配置效率的外部影響因素。學(xué)界既有的相關(guān)研究多從農(nóng)村內(nèi)部環(huán)境(如農(nóng)村地區(qū)的勞動生產(chǎn)率、機(jī)械化程度、自然稟賦和產(chǎn)業(yè)發(fā)展水平等)展開分析，較少從區(qū)域外部環(huán)境展開分析。鑒于此，本研究基于涉農(nóng)貸款投放的整體外部環(huán)境，從經(jīng)濟(jì)運(yùn)行、政策導(dǎo)向和市場影響等角度選取指標(biāo)，盡量避免來自農(nóng)村內(nèi)部環(huán)境的干擾，以進(jìn)一步探析泛長三角地區(qū)涉農(nóng)貸款配置效率的外部影響因素。

本研究具體選取前文各省市涉農(nóng)貸款配置的超效率作為被解釋變量，選取受教育程度、經(jīng)濟(jì)發(fā)展水平、消費(fèi)效率、銀行存貸比、產(chǎn)業(yè)結(jié)構(gòu)、城鄉(xiāng)二元結(jié)構(gòu)、地方政府政策和區(qū)位優(yōu)勢等作為解釋變量(表4)，并建立Tobit面板數(shù)據(jù)模型。其基本模型如下：

表4 涉農(nóng)貸款配置效率的外部影響因素Table 4 External factors affecting the allocation efficiency of agricultural loans

(5)

(6)

由表5可知，產(chǎn)業(yè)結(jié)構(gòu)和地方政府政策均在1%的水平上顯著正向影響涉農(nóng)貸款配置效率。這主要是緣于泛長三角地區(qū)土地流轉(zhuǎn)程度較高，該地區(qū)從事農(nóng)業(yè)勞動生產(chǎn)的主要是家庭農(nóng)場和種養(yǎng)大戶，具備一定資產(chǎn)價(jià)值的抵押物，相對傳統(tǒng)農(nóng)戶更容易獲得貸款支持；地方政府政策在一定程度上有助于涉農(nóng)貸款配置效率提高，尤其是財(cái)政支農(nóng)與涉農(nóng)信貸在鄉(xiāng)村振興戰(zhàn)略實(shí)施階段具有互補(bǔ)關(guān)系，涉農(nóng)資金配置在一系列財(cái)政支農(nóng)政策的保障下可以更好地貫徹實(shí)施。消費(fèi)效率、城鄉(xiāng)二元結(jié)構(gòu)和區(qū)位優(yōu)勢均在5%的水平上顯著影響涉農(nóng)貸款配置效率。這主要是緣于消費(fèi)效率的提高有助于加快社會資金的周轉(zhuǎn)速度，銀行在獲取大量資金的同時(shí)會加大“三農(nóng)”信貸的投放規(guī)模，在一定程度上能推動涉農(nóng)資金流動效率提升；各地為破解城鄉(xiāng)二元結(jié)構(gòu)的影響，著力推進(jìn)新型城鎮(zhèn)化建設(shè)，將大量資金用于城市發(fā)展短板項(xiàng)目以對沖經(jīng)濟(jì)下行壓力，從而極大地壓縮了金融機(jī)構(gòu)的涉農(nóng)信貸規(guī)模；泛長三角地區(qū)不同省市所具備的發(fā)展基礎(chǔ)、產(chǎn)業(yè)結(jié)構(gòu)和資源稟賦存在較大差異，尤其是上海和江蘇在金融市場業(yè)務(wù)上具有絕對優(yōu)勢，有助于提升涉農(nóng)貸款配置效率。受教育程度和經(jīng)濟(jì)發(fā)展水平均在10%的水平上顯著影響涉農(nóng)貸款配置效率。這主要是緣于受教育程度的提高有助于提升公眾的金融素養(yǎng)，強(qiáng)化其投資風(fēng)險(xiǎn)規(guī)避意識，這對提高涉農(nóng)貸款配置效率具有間接輔助作用；經(jīng)濟(jì)發(fā)達(dá)地區(qū)的主導(dǎo)產(chǎn)業(yè)主要由能源、信息、地產(chǎn)等構(gòu)成，而農(nóng)業(yè)的比較收益較低，銀行等金融機(jī)構(gòu)基于自身效益最大化考慮，更傾向于將資金貸給相關(guān)優(yōu)勢產(chǎn)業(yè)，而較少開展涉農(nóng)貸款業(yè)務(wù)。銀行存貸比對涉農(nóng)貸款配置效率影響不顯著。這主要是緣于農(nóng)村金融信貸供給不足，盡管存貸比能夠直觀反映出縣域經(jīng)濟(jì)體的金融發(fā)展?fàn)顩r，且呈現(xiàn)出逐年上升的趨勢，但每年能真正投放到“三農(nóng)”領(lǐng)域的可貸資金在增速上與之并不同步。

表5 涉農(nóng)貸款配置效率外部影響因素的Tobit回歸分析結(jié)果Table 5 Tobit regression analysis results of external factors affecting the allocation efficiency of agricultural loans

五、涉農(nóng)貸款對農(nóng)戶收入的影響

農(nóng)民的富裕富足是鄉(xiāng)村振興的根本追求，全面提高農(nóng)戶的財(cái)產(chǎn)性收入也是當(dāng)前解決“三農(nóng)”問題的核心所在。結(jié)合近年來農(nóng)村普惠金融的發(fā)展和城鄉(xiāng)融合的實(shí)際現(xiàn)狀，本研究進(jìn)一步分析泛長三角地區(qū)涉農(nóng)貸款對農(nóng)戶收入的產(chǎn)出績效，具體將涉農(nóng)貸款按結(jié)構(gòu)分為農(nóng)林牧漁業(yè)貸款、農(nóng)村貸款和農(nóng)戶貸款等3個(gè)層面。

(一)理論模型

Y=f(K,L,F)=ALαKβμ

(7)

其中,Y表示農(nóng)村經(jīng)濟(jì)發(fā)展總產(chǎn)出,K表示農(nóng)村資本存量,L表示農(nóng)村勞動力投入,F表示農(nóng)村金融發(fā)展能力,A表示農(nóng)村綜合技術(shù)水平,α和β分別表示農(nóng)村勞動力投入和農(nóng)村資本存量的彈性系數(shù),μ表示隨機(jī)擾動項(xiàng)。

(二)變量選取與說明

本研究選取農(nóng)戶收入作為被解釋變量，選取2010—2019年泛長三角地區(qū)“六省一市”的農(nóng)民人均可支配收入作為代理指標(biāo)，雖然各省市統(tǒng)計(jì)部門在2012年關(guān)于純收入和可支配收入的統(tǒng)計(jì)口徑出現(xiàn)少許變化，但實(shí)際差值不大，不影響分析結(jié)果。同時(shí)，選取涉農(nóng)貸款作為核心解釋變量，具體從總規(guī)模和結(jié)構(gòu)兩方面展開分析。其中，涉農(nóng)貸款總規(guī)模用各省市涉農(nóng)貸款余額與銀行總貸款之比來表示；涉農(nóng)貸款結(jié)構(gòu)主要分為農(nóng)林牧漁業(yè)貸款、農(nóng)村貸款和農(nóng)戶貸款，分別用農(nóng)林牧漁業(yè)貸款、農(nóng)村貸款和農(nóng)戶貸款占所在省市涉農(nóng)貸款余額的比重來表示。此外，在生產(chǎn)函數(shù)中，關(guān)于資本、勞動力和人口的生產(chǎn)要素研究必不可少，本研究引入固定資產(chǎn)投資完成額、農(nóng)村勞動力從業(yè)結(jié)構(gòu)、農(nóng)村人口占比等3項(xiàng)指標(biāo)作為控制變量，以保證研究結(jié)果具有穩(wěn)健性。

(三)模型構(gòu)建

由于本研究使用面板數(shù)據(jù)，具體采用面板數(shù)據(jù)模型進(jìn)行回歸處理。同時(shí)，為了消除多重共線性和異方差的影響，先對數(shù)據(jù)進(jìn)行一階差分處理，再根據(jù)各項(xiàng)公式進(jìn)行推導(dǎo)，得出的基本模型為：

Pit=αi+β0dKit+β1dLit+β2dRit+β3dTit+β4dS1it+β5dS2it+β6dS3it+εit

(8)

其中,P表示農(nóng)民人均可支配收入;K表示固定資產(chǎn)投資完成額;L表示農(nóng)村勞動力從業(yè)結(jié)構(gòu);R表示農(nóng)村人口占比;T表示涉農(nóng)貸款總規(guī)模;α和β分別表示截距項(xiàng)和各解釋變量的回歸系數(shù);S1、S2、S3分別表示農(nóng)林牧漁業(yè)貸款、農(nóng)村貸款、農(nóng)戶貸款的比重;εit表示誤差項(xiàng);i表示第i個(gè)省份(i=1,2,…,7);t表示第t年(t=1,2,…,10);d表示時(shí)間序列數(shù)據(jù)一階差分化形式。

(四)結(jié)果分析

基于面板數(shù)據(jù)所建立的生產(chǎn)函數(shù)模型，須在固定效應(yīng)模型、隨機(jī)效應(yīng)模型和混合效應(yīng)模型中進(jìn)行選擇，各模型的回歸分析結(jié)果詳見表6。本研究先通過F檢驗(yàn)來判斷是否使用混合效應(yīng)模型，得出F統(tǒng)計(jì)量為87.39,P為0.000(<0.001)，強(qiáng)烈拒絕“使用混合效應(yīng)模型”的原假設(shè)；進(jìn)一步通過豪斯曼檢驗(yàn)來判定是否使用隨機(jī)效應(yīng)模型，得到卡方值為190.06,P為0.000(<0.001)，再次拒絕“使用隨機(jī)效應(yīng)模型”的原假設(shè)。鑒于此，可以認(rèn)定固定效應(yīng)模型為最優(yōu)選擇模型。

表6 固定效應(yīng)模型、隨機(jī)效應(yīng)模型和混合效應(yīng)模型的回歸分析結(jié)果Table 6 Regression analysis results of fixed effect model,random effect model and mixed effect model

1.涉農(nóng)貸款總規(guī)模的影響。涉農(nóng)貸款總規(guī)模在1%的水平上顯著正向影響農(nóng)戶收入，表明涉農(nóng)貸款是泛長三角地區(qū)農(nóng)村金融服務(wù)的重要組成部分。這主要是緣于涉農(nóng)貸款投入規(guī)模的持續(xù)增長逐步打開了農(nóng)產(chǎn)品生產(chǎn)市場，為地方特色產(chǎn)業(yè)發(fā)展注入了源頭活水，幫助龍頭企業(yè)、家庭農(nóng)場和專業(yè)合作社等新型經(jīng)營主體通過“金融+產(chǎn)業(yè)”的方式有效解決了資金需求問題，并通過延伸產(chǎn)業(yè)鏈、改進(jìn)生產(chǎn)技術(shù)等方式提升了附加值收入，以此幫助農(nóng)戶在規(guī)?；a(chǎn)過程中擴(kuò)大收益。

2.涉農(nóng)貸款結(jié)構(gòu)的影響。農(nóng)林牧漁業(yè)貸款比重和農(nóng)村貸款比重分別在10%和5%的水平上顯著正向影響農(nóng)戶收入，表明這兩類貸款可以通過投資效應(yīng)和資源配置機(jī)制推動農(nóng)村經(jīng)濟(jì)發(fā)展，促進(jìn)農(nóng)戶增收。這主要是緣于農(nóng)林牧漁業(yè)貸款和農(nóng)村貸款在投向上具有公共性，主要用于發(fā)展現(xiàn)代農(nóng)業(yè)和農(nóng)村基礎(chǔ)設(shè)施建設(shè)，以帶動農(nóng)戶收入增長。而農(nóng)戶貸款比重對農(nóng)戶收入影響不顯著，表明農(nóng)戶的資金使用效率不高。這主要是緣于農(nóng)戶受知識結(jié)構(gòu)、社會經(jīng)驗(yàn)等限制，其投資意識一般不高，且投資能力有限，導(dǎo)致其無法有效發(fā)揮借貸資金的增收作用。

3.農(nóng)村生產(chǎn)要素的影響。其中，固定資產(chǎn)投資完成額在10%的水平上顯著正向影響農(nóng)戶收入，表明農(nóng)村資本存量與農(nóng)戶收入具有正向關(guān)聯(lián)性。這主要是緣于農(nóng)村固定資產(chǎn)在投資過程中會產(chǎn)生勞務(wù)需求，為當(dāng)?shù)剞r(nóng)戶提供了創(chuàng)收渠道；且在固定資產(chǎn)形成實(shí)物狀態(tài)后，農(nóng)戶可以有效借助其使用價(jià)值來從事勞動生產(chǎn)，降低勞動成本和其他生產(chǎn)成本，以提高生產(chǎn)效益。農(nóng)村勞動力從業(yè)結(jié)構(gòu)和農(nóng)村人口占比均在1%的水平上顯著負(fù)向影響農(nóng)戶收入，表明農(nóng)村勞動力從業(yè)結(jié)構(gòu)單一和農(nóng)村人口占比較高會顯著降低農(nóng)戶收入。這主要是緣于農(nóng)村勞動力從業(yè)結(jié)構(gòu)單一會導(dǎo)致農(nóng)村一二三產(chǎn)業(yè)發(fā)展不協(xié)調(diào)、融合層次低，不利于激發(fā)農(nóng)村潛在的消費(fèi)市場，從而會制約農(nóng)戶增收；農(nóng)村人口占比較高會導(dǎo)致人均可耕地面積減少，出現(xiàn)種養(yǎng)成本高、收益低的現(xiàn)象，從而會制約農(nóng)戶增收。

六、結(jié)論與對策

(一)結(jié)論

基于2010—2019年的涉農(nóng)貸款面板數(shù)據(jù)，以泛長三角地區(qū)“六省一市”為研究對象，分別利用超效率DEA-Malmquist指數(shù)法、Tobit面板模型和生產(chǎn)函數(shù)固定效應(yīng)模型從資金配置效率、外部影響因素、收入效應(yīng)等3個(gè)層面展開實(shí)證分析，得出以下結(jié)論：(1)泛長三角地區(qū)的涉農(nóng)貸款配置效率整體呈增長趨勢，但省市之間差異顯著。從區(qū)域來看，上海和江蘇的涉農(nóng)貸款配置效率明顯高于平均水平；從時(shí)間來看，涉農(nóng)貸款配置效率波動較大，但整體處于有效狀態(tài)。(2)外部因素對涉農(nóng)貸款配置效率的影響存在差異。其中，受教育程度、消費(fèi)效率、產(chǎn)業(yè)結(jié)構(gòu)、地方政府政策和區(qū)位優(yōu)勢對涉農(nóng)貸款配置效率均具有顯著的正向影響；經(jīng)濟(jì)發(fā)展水平和城鄉(xiāng)二元結(jié)構(gòu)對涉農(nóng)貸款配置效率均具有顯著的負(fù)向影響；銀行存貸比對涉農(nóng)貸款配置效率則影響不顯著。(3)涉農(nóng)貸款對農(nóng)戶收入的影響存在差異。其中，涉農(nóng)貸款總規(guī)模、農(nóng)林牧漁業(yè)貸款比重、農(nóng)村貸款比重和固定資產(chǎn)投資完成額對農(nóng)戶收入具有顯著的正向影響；農(nóng)村勞動力從業(yè)結(jié)構(gòu)和農(nóng)村人口占比對農(nóng)戶收入具有顯著的負(fù)向影響；農(nóng)戶貸款比重對農(nóng)戶收入則影響不顯著。

(二)對策

泛長三角地區(qū)涉農(nóng)貸款配置效率主要受外部因素影響，應(yīng)進(jìn)一步優(yōu)化涉農(nóng)貸款資金配置方式、健全區(qū)域涉農(nóng)貸款配置機(jī)制和推廣農(nóng)業(yè)產(chǎn)業(yè)鏈金融模式等，以提升農(nóng)村地區(qū)信貸資金利用率，助推區(qū)域協(xié)調(diào)發(fā)展。

1.優(yōu)化涉農(nóng)貸款資金配置方式。涉農(nóng)貸款在資金配置方式上具有多樣性，不同地區(qū)的農(nóng)村金融市場應(yīng)根據(jù)其發(fā)展?fàn)顩r選擇合適的涉農(nóng)貸款資金配置方式，以確保涉農(nóng)貸款配置效率處于長期有效狀態(tài)。具體來說：上海、江蘇、浙江等地經(jīng)濟(jì)發(fā)展實(shí)力雄厚，應(yīng)采取市場化資金配置方式，通過市場機(jī)制進(jìn)一步優(yōu)化市場資金配置手段，依靠價(jià)格、供求、競爭等要素的相互作用來調(diào)節(jié)各方供需關(guān)系，減少政府干預(yù)，以助推涉農(nóng)貸款配置效率的優(yōu)化。安徽、江西等地涉農(nóng)貸款配置效率較低，應(yīng)采取政府主導(dǎo)型資金配置方式，通過加大財(cái)政支農(nóng)力度，并健全一系列支持性政策以確保資金流向“三農(nóng)”領(lǐng)域，助推涉農(nóng)貸款配置效率的優(yōu)化。福建、山東等地在農(nóng)村金融發(fā)展上具有較好的基礎(chǔ)，應(yīng)采取混合協(xié)調(diào)型資金配置方式，通過建立政府引導(dǎo)、市場運(yùn)作的雙重資金配置模式，由政府統(tǒng)籌制定貸款運(yùn)行環(huán)節(jié)中的各項(xiàng)支持政策，由市場加強(qiáng)信貸資金流向監(jiān)管，由農(nóng)村經(jīng)營主體做好風(fēng)險(xiǎn)防控，共同助推涉農(nóng)貸款配置效率的優(yōu)化。

2.健全區(qū)域涉農(nóng)貸款配置機(jī)制。涉農(nóng)貸款在結(jié)構(gòu)安排上要做到因地制宜，應(yīng)合理調(diào)整農(nóng)林牧漁業(yè)貸款、農(nóng)村貸款和農(nóng)戶貸款的配比。具體來說：上海、江蘇、浙江等普惠金融發(fā)展程度較高的地區(qū)，應(yīng)以調(diào)節(jié)需求為主，通過強(qiáng)化涉農(nóng)金融機(jī)構(gòu)的定位和服務(wù)重心，提升差異化競爭能力，以健全鄉(xiāng)村振興金融服務(wù)體系；通過鼓勵(lì)銀行在信貸審批、授信權(quán)限、產(chǎn)品供給等方面給予經(jīng)營主體支持，以鼓勵(lì)有長期務(wù)農(nóng)意愿的種養(yǎng)戶適度擴(kuò)大經(jīng)營規(guī)模。安徽、江西等農(nóng)村金融市場尚未充分打開的地區(qū)，應(yīng)以調(diào)節(jié)內(nèi)部結(jié)構(gòu)為主，通過逐步提高農(nóng)林牧漁業(yè)貸款比重和農(nóng)村貸款比重，助推農(nóng)業(yè)生產(chǎn)設(shè)施建設(shè)和完善，以提升農(nóng)村公共服務(wù)能力；通過定期對涉農(nóng)貸款進(jìn)行動態(tài)調(diào)整，對農(nóng)業(yè)開發(fā)、基礎(chǔ)設(shè)施建設(shè)、科技創(chuàng)新等領(lǐng)域給予信貸支持，以提高涉農(nóng)貸款配置效率。福建、山東等綠色金融發(fā)展成效顯著的地區(qū)，應(yīng)以調(diào)節(jié)供給方向?yàn)橹?，通過探索“綠色金融+綠盈鄉(xiāng)村”機(jī)制，指導(dǎo)各地整合政府、市場和社會資本參與鄉(xiāng)村生態(tài)建設(shè)，以打造多元共治格局；通過對接涉農(nóng)金融機(jī)構(gòu)，建立“政銀擔(dān)”風(fēng)險(xiǎn)合作機(jī)制，以提高風(fēng)險(xiǎn)應(yīng)對能力，助推農(nóng)業(yè)綠色發(fā)展和鄉(xiāng)村生態(tài)振興。

3.推廣農(nóng)業(yè)產(chǎn)業(yè)鏈金融模式。產(chǎn)業(yè)鏈金融能夠?qū)崿F(xiàn)金融機(jī)構(gòu)、龍頭企業(yè)和上下游企業(yè)等主體的共同發(fā)展，實(shí)現(xiàn)產(chǎn)品流、信息流和資金流完全對接，進(jìn)而充分發(fā)揮金融資源對現(xiàn)代農(nóng)業(yè)的支撐保障作用。具體來說:上海、江蘇、浙江等經(jīng)濟(jì)較發(fā)達(dá)地區(qū)應(yīng)推廣龍頭企業(yè)主導(dǎo)型產(chǎn)業(yè)鏈融資模式，著重發(fā)揮龍頭企業(yè)的帶頭作用，通過采用推介企業(yè)上市、發(fā)行集合債券等形式，降低融資成本;通過搭建物聯(lián)網(wǎng)平臺，對資金使用、產(chǎn)品流通、財(cái)務(wù)數(shù)據(jù)等情況進(jìn)行監(jiān)控，提高資金利用效率。安徽、江西等經(jīng)濟(jì)較不發(fā)達(dá)地區(qū)應(yīng)推廣專業(yè)合作社主導(dǎo)型產(chǎn)業(yè)鏈融資模式，發(fā)揮專業(yè)合作社聯(lián)結(jié)農(nóng)戶的天然優(yōu)勢，推動“銀行+專業(yè)合作社+農(nóng)戶”貸款模式的發(fā)展；由專業(yè)合作社提供擔(dān)保，種植戶之間聯(lián)保進(jìn)行反擔(dān)保，涉農(nóng)金融機(jī)構(gòu)統(tǒng)一審批，基層營業(yè)網(wǎng)點(diǎn)具體發(fā)放，以有效滿足各經(jīng)營主體的資金需求，促進(jìn)農(nóng)業(yè)產(chǎn)業(yè)鏈延伸與完善。福建、山東等農(nóng)業(yè)資源稟賦較好地區(qū)應(yīng)推廣“龍頭企業(yè)+專業(yè)合作社”過渡型產(chǎn)業(yè)鏈融資模式，引導(dǎo)大型龍頭企業(yè)和專業(yè)合作社建立利益聯(lián)結(jié)機(jī)制，探索“公司+基地+專業(yè)合作社+農(nóng)戶保底”等模式，讓農(nóng)民分享農(nóng)業(yè)全產(chǎn)業(yè)鏈增值收益，促進(jìn)利益共享。