鄉(xiāng)村振興戰(zhàn)略、助農(nóng)貸款與緩解農(nóng)村金融抑制
——基于雙重差分法（DID）的實證檢驗

□ 劉巖

一、引言

全面推進鄉(xiāng)村振興離不開金融支持，尤其是在實現(xiàn)共同富裕的過程中，農(nóng)業(yè)生產(chǎn)現(xiàn)代化、農(nóng)村基礎(chǔ)設(shè)施升級、農(nóng)民實現(xiàn)增收等無不需要資金支持。但是，受到經(jīng)濟制度和金融政策等相關(guān)因素的影響，我國的金融資源配置不合理，農(nóng)村經(jīng)濟發(fā)展長期得不到必要的資金支持。在我國城鄉(xiāng)二元經(jīng)濟結(jié)構(gòu)背景下，農(nóng)村金融發(fā)展緩慢也是造成城鄉(xiāng)收入差距的一個重要原因。近年來，我國積極進行經(jīng)濟、金融制度改革和大力發(fā)展普惠金融，各商業(yè)銀行紛紛推出助農(nóng)惠農(nóng)的金融服務(wù)，這雖然在很大程度上緩解了農(nóng)戶的金融約束，但是農(nóng)村金融抑制現(xiàn)象仍然存在。

關(guān)于農(nóng)村金融抑制的研究成果已經(jīng)相當豐富，李存和祝國平（2019）認為農(nóng)村金融抑制包括供給型金融抑制和需求型金融抑制，交易成本、市場因素和信息不對稱是造成農(nóng)村金融抑制的主要原因。具體地，供給型金融抑制是從資金供給角度研究農(nóng)村的金融抑制現(xiàn)象，金融管制在某種程度上使金融機構(gòu)出現(xiàn)農(nóng)村金融抑制性（楊軍和高鴻齋，2015）；另外，銀行等金融機構(gòu)對農(nóng)業(yè)借貸存在“理性排斥”行為，信貸配給導(dǎo)致農(nóng)村金融出現(xiàn)“市場失靈”，大量的農(nóng)村金融需求被排斥在正規(guī)金融市場之外（程惠霞，2014）。從需求端來看，農(nóng)村市場化程度低、農(nóng)村金融體系不健全等原因?qū)е铝宿r(nóng)村居民對正規(guī)金融組織借貸資金需求不足（高帆，2002）。金融素養(yǎng)較低是限制農(nóng)戶獲得正規(guī)信貸的一個重要原因（何學(xué)松和孔榮，2019），此外，農(nóng)戶的非農(nóng)收入對銀行信貸具有很強的替代性，即便是有資金需求，農(nóng)村居民更多的是向親戚朋友借款，農(nóng)村非正規(guī)金融對正規(guī)金融產(chǎn)生了擠出效應(yīng)（陳鵬和劉錫良，2011）。農(nóng)村金融抑制也給農(nóng)村經(jīng)濟社會發(fā)展帶來了諸多的不利影響。金融抑制不僅極大地阻礙了農(nóng)業(yè)產(chǎn)業(yè)化進程（朱啟銘，2006），而且還會導(dǎo)致居民收入差異分化和產(chǎn)生不平等問題（王小華等，20014）。

當然，相關(guān)學(xué)者也一直在探究如何化解農(nóng)村金融抑制問題，深化農(nóng)村金融改革成為大家的共識。王國華和李克強（2006）認為金融制度創(chuàng)新是解決農(nóng)村金融抑制問題的關(guān)鍵，而事實證明也是如此，比如林樂芬和王步天（2015）基于農(nóng)村金融改革試驗區(qū)418名縣鄉(xiāng)村三級管理者的調(diào)查實證發(fā)現(xiàn)農(nóng)地經(jīng)營權(quán)抵押貸款制度改革有助于提升農(nóng)戶的信貸可得性；馬九杰（2020）等根據(jù)農(nóng)信社改制農(nóng)商行的經(jīng)驗證據(jù)發(fā)現(xiàn)農(nóng)村金融機構(gòu)市場化可以緩解農(nóng)村家庭資金約束；農(nóng)業(yè)政策性金融供給可以有效緩解當期農(nóng)村金融抑制（何志雄和曲如曉，2015）。已有文獻從眾多方面探究了農(nóng)村金融改革的影響，但是鮮有學(xué)者探究外部事件沖擊或者相關(guān)政策的實施是否會影響農(nóng)村金融抑制問題。郭武燕（2009）曾借金融危機對中國農(nóng)村金融抑制的沖擊來討論中國農(nóng)村金融的深化問題，而相比之下，鄉(xiāng)村振興戰(zhàn)略的實施是否能夠在一定程度上緩解農(nóng)村的金融抑制問題更值得探討。鄉(xiāng)村振興戰(zhàn)略提出了產(chǎn)業(yè)興旺、生態(tài)宜居、鄉(xiāng)風(fēng)文明、治理有效、生活富裕的總要求，涉及農(nóng)業(yè)農(nóng)村農(nóng)民的方方面面，實施鄉(xiāng)村振興戰(zhàn)略勢必會在更深層次、更廣范圍內(nèi)影響農(nóng)村金融制度改革。

基于此，本文基于506家商業(yè)銀行樣本數(shù)據(jù)，利用雙重差分法（DID）實證檢驗鄉(xiāng)村振興戰(zhàn)略對商業(yè)銀行助農(nóng)貸款投放情況的影響，借此考察鄉(xiāng)村振興戰(zhàn)略的實施是否有助于緩解農(nóng)村金融抑制。本文的邊際貢獻主要有：一是在研究視角上，首次探究鄉(xiāng)村振興戰(zhàn)略對農(nóng)村金融抑制的影響，豐富了相關(guān)文獻；二是在研究方法上，巧妙地運用了雙重差分模型進行實證檢驗；三是在研究內(nèi)容上，突出了商業(yè)銀行在助力鄉(xiāng)村振興進程中的突出貢獻。

二、政策背景與研究假說

（一）政策背景

黨的十九大提出，我國的主要矛盾已經(jīng)轉(zhuǎn)化為人民日益增長的美好生活需要和不平衡、不充分發(fā)展之間的矛盾。無論是實現(xiàn)共同富裕還是服務(wù)經(jīng)濟雙循環(huán)戰(zhàn)略，農(nóng)村必須要振興。習(xí)近平總書記說：“促進共同富裕，最艱巨最繁重的任務(wù)仍然在農(nóng)村，農(nóng)村富裕工作要抓緊”。只有實施鄉(xiāng)村振興戰(zhàn)略，在廣大鄉(xiāng)村群眾有經(jīng)濟條件消費的基礎(chǔ)上，才能實現(xiàn)真正的經(jīng)濟內(nèi)循環(huán)。隨著脫貧攻堅戰(zhàn)的勝利和全面建成小康社會目標的實現(xiàn)，實施鄉(xiāng)村振興戰(zhàn)略是開啟全面建設(shè)社會主義現(xiàn)代化國家新征程的必然選擇（洪銀興等，2018）。

正是基于國情和時代背景考慮，按照中共十九大提出的決勝全面建成小康社會、分兩個階段實現(xiàn)第二個百年奮斗目標的戰(zhàn)略安排，2017年中央農(nóng)村工作會議明確了實施鄉(xiāng)村振興戰(zhàn)略的目標任務(wù)：2020年，鄉(xiāng)村振興取得重要進展，制度框架和政策體系基本形成；2035年，鄉(xiāng)村振興取得決定性進展，農(nóng)業(yè)農(nóng)村現(xiàn)代化基本實現(xiàn)；2050年，鄉(xiāng)村全面振興，農(nóng)業(yè)強、農(nóng)村美、農(nóng)民富全面實現(xiàn)。

（二）研究假說

作為“三農(nóng)”工作的總抓手，鄉(xiāng)村振興戰(zhàn)略堅持農(nóng)業(yè)農(nóng)村優(yōu)先發(fā)展，是中國經(jīng)濟社會發(fā)展方式一次大的轉(zhuǎn)變。在建立健全城鄉(xiāng)融合發(fā)展的體制機制和政策體系的過程中，農(nóng)村金融體制改革勢在必行，這會在一定程度上緩解農(nóng)村金融抑制。

從供給角度來看，缺失或者不適當?shù)慕?jīng)濟制度、金融政策等因素是導(dǎo)致的資源配置不合理的主要原因，農(nóng)村資金供給不足產(chǎn)生供給型金融抑制。農(nóng)村金融機構(gòu)少、金融產(chǎn)品單一和資金量少是導(dǎo)致“三農(nóng)”資金需求得不到滿足的主要原因。伴隨著鄉(xiāng)村振興戰(zhàn)略的實施，農(nóng)村金融供給側(cè)結(jié)構(gòu)性改革逐步拉開帷幕（梁信志，2018）。商業(yè)銀行積極創(chuàng)新服務(wù)模式、加快產(chǎn)品創(chuàng)新、推進渠道融合、強化科技賦能和筑牢風(fēng)控底線，這在很大程度上增加了農(nóng)村金融有效供給和保障了農(nóng)村金融服務(wù)的可持續(xù)性。正如美國經(jīng)濟學(xué)家美國經(jīng)濟學(xué)家愛德華·肖（1973）在《經(jīng)濟發(fā)展中的金融深化》一書中所言，發(fā)展中國家只要進行金融政革就會有所作為，事實也證明我國的政策性金融供給可以緩解農(nóng)村金融抑制（何志雄和曲如曉，2015）。

從需求角度來看，農(nóng)村家庭向正規(guī)金融機構(gòu)借貸的意愿不高會形成需求型金融抑制，這也是由于農(nóng)村市場化程度低、農(nóng)村金融體系不健全等原因造成的（高帆，2002）。市場機制不健全必然會影響農(nóng)村金融機構(gòu)的充分競爭，當農(nóng)戶可選擇的正規(guī)金融機構(gòu)減少和無法適配自身需要的金融產(chǎn)品后，農(nóng)戶潛在需求便會消失（林毅夫，2003）。同時，考慮到農(nóng)村金融機構(gòu)顯性交易成本和隱性交易成本均高于城市金融機構(gòu)，正規(guī)金融交易難以達成導(dǎo)致非正規(guī)金融在農(nóng)村盛行（朱粵偉，2007）。鄉(xiāng)村振興戰(zhàn)略的實施必然會伴隨著一系列的農(nóng)村經(jīng)濟體制改革，在這個過程中，如果能夠調(diào)整農(nóng)村產(chǎn)業(yè)結(jié)構(gòu)、培育新的經(jīng)濟增長點和提高農(nóng)戶的經(jīng)營預(yù)期，從而增加農(nóng)村經(jīng)濟組織對于資金的需求，便可以有效地緩解我國農(nóng)村社會的需求型金融抑制（劉祚祥，2007）。

綜上所述，在鄉(xiāng)村振興戰(zhàn)略的實施過程中，伴隨著經(jīng)濟機制改革和相關(guān)金融政策的出臺，勢必會把更多金融資源配置到農(nóng)村經(jīng)濟社會發(fā)展的重點領(lǐng)域和薄弱環(huán)節(jié)，強化鄉(xiāng)村振興投入的普惠金融保障，農(nóng)村金融抑制問題便可能得到有效解決。基于以上分析，本文提出有待檢驗的研究假說。

假說H1：鄉(xiāng)村振興戰(zhàn)略的實施有助于緩解農(nóng)村金融抑制。

三、研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

本文以我國506家商業(yè)銀行為對象，選取2013-2020年8年區(qū)間，由于部分銀行的部分年份數(shù)據(jù)缺失，該樣本數(shù)據(jù)為非平衡面板數(shù)據(jù)，共包括3268個樣本數(shù)據(jù)。此外，借鑒前人的研究方法，對助農(nóng)貸款等重要變量指標進行了winsor（1 99）的縮尾處理。本文所用數(shù)據(jù)均來自國泰安（CSMAR）數(shù)據(jù)庫。

（二）模型設(shè)計

1.雙重差分模型

雙重差分法常被用作政策效應(yīng)評估，其利用外生的政策沖擊作準自然實驗，可以克服其他因素對結(jié)果的影響。雙重差分模型檢驗政策效應(yīng)的基本原理如下：按照與政策密切相關(guān)的標準，將全樣本劃分為實現(xiàn)組與控制組兩大類別，以政策出臺時間為節(jié)點進行分析。在政策出臺之前，實驗組和控制組的特定研究指標存在差別，在政策時點后，實驗組與控制組之間呈現(xiàn)較大的區(qū)別，然而假設(shè)政策實施后兩組之間的差別趨勢沒有變，那么實驗組與控制組間實際的差別與政策時點之前的差別，兩者之差就是政策所發(fā)揮的凈效應(yīng)。這樣的模型設(shè)計可以很好地克服互為因果、變量遺漏以及數(shù)據(jù)誤差造成的內(nèi)生性問題。本文以鄉(xiāng)村振興戰(zhàn)略的實施為準自然實驗，采用雙重差分（DID）方法來進行因果識別。具體地，依據(jù)鄉(xiāng)村振興戰(zhàn)略實施對不同商業(yè)銀行的影響效果為標準進行分組，農(nóng)村商業(yè)銀行、村鎮(zhèn)銀行和農(nóng)村信用社深耕農(nóng)村，服務(wù)于當?shù)剞r(nóng)民、農(nóng)業(yè)和農(nóng)村經(jīng)濟發(fā)展，其相關(guān)金融業(yè)務(wù)最先受到鄉(xiāng)村振興戰(zhàn)略的影響，因此，將農(nóng)村商業(yè)銀行、村鎮(zhèn)銀行、農(nóng)村信用社和中國農(nóng)業(yè)銀行一起選為實驗組處理；2017年黨的十九大正式提出實施鄉(xiāng)村振興戰(zhàn)略，故將2017年選做政策時點。

（1）具體模型設(shè)計如下：借鑒Bertrand和Mullainathan（1999）提出的雙重差分模型，本文驗證鄉(xiāng)村振興戰(zhàn)略實施對商業(yè)銀行助農(nóng)貸款發(fā)放的政策效應(yīng)。

其中，下標i代表商業(yè)銀行樣本，t代表2013-2020年間的每個年度。被解釋變量Farmer_loansi,t體現(xiàn)了t時期i銀行的助農(nóng)貸款投放情況，DIDi,t為實驗組（Policy）與政策時點的交互項（Treat），表示鄉(xiāng)村振興戰(zhàn)略實施對商業(yè)銀行助農(nóng)貸款投放的凈影響效果，Controli,t為本文一系列的相關(guān)控制變量，εi,t為隨機誤差項。

（2）雙重差分的分組情況：如表1所示，實驗組樣本量為1959，控制組樣本量為1309；政策實施前后樣本量相差無幾。從樣本分布來看，本文的實驗處理較為恰當。

表1 DID分組情況

2.雙重差分的平行趨勢檢驗

使用雙重差分模型需滿足共同趨勢假設(shè)，即政策之前實驗組與控制組之間不存在顯著差異。為此，我們采用Bertrand and Mullainathan（2003）提出的平行趨勢檢驗方法檢驗本研究的合理性以及分組結(jié)果的有效性，具體模型如下：

其中，F(xiàn)armer_loans為商業(yè)銀行的助農(nóng)貸款，Before3-Before1都是虛擬變量，如果樣本分別屬于受到政策影響的前1-3年，則該指標分別賦值為1，反之則賦值為0；如果樣本就在受到政策影響的當年，則Current賦值為1，反之則為0；而當樣本位于受到政策影響后的第1-3年，After1-After3分別賦值為1否則就為0，Control為本文的控制變量。

雙重差分平行趨勢檢驗結(jié)果如表2所示，Before3-Before1的系數(shù)均不具有統(tǒng)計顯著性，而Current-After2的系數(shù)卻在5%的統(tǒng)計水平上顯著為正，這意味著，平行趨勢假設(shè)已經(jīng)滿足，可以繼續(xù)進行雙重差分檢驗。

表2 平行趨勢檢驗

由圖1可以更為直觀地觀測到助農(nóng)貸款在鄉(xiāng)村振興戰(zhàn)略實施前后的發(fā)放情況的變化。在鄉(xiāng)村振興戰(zhàn)略實施之前年份中，助農(nóng)貸款圍繞0周圍上下波動，即處理組與控制組之間的助農(nóng)貸款并不存在顯著差異。但是實施鄉(xiāng)村振興戰(zhàn)略當年及其后的兩年內(nèi)，農(nóng)商銀行等助農(nóng)貸款的發(fā)放表現(xiàn)出明顯的上升趨勢，從政策實施的第3年開始處理組與控制組之間的顯著性差異消失。這證明了本文研究設(shè)計的合理性，使用雙重差分進行實證分析是可行的。

圖1 平行趨勢檢驗

（三）變量定義與說明

1.被解釋變量。助農(nóng)貸款（Farmer_loans）。本文選擇國泰安（CSMAR）數(shù)據(jù)庫“銀行治理”板塊中的商業(yè)銀行發(fā)放的農(nóng)戶貸款為基礎(chǔ)數(shù)據(jù)，然后對其做取對數(shù)處理。金融抑制的度量指標主要有三個（劉錫龍，2008），其中一個就是農(nóng)村資金需求能否得到滿足，根據(jù)這個標準，本文以商業(yè)銀行的正規(guī)信貸支持為被解釋變量來反應(yīng)農(nóng)村金融抑制情況，助農(nóng)貸款投放越多則說明農(nóng)村金融抑制情況得到緩解。

2.解釋變量

（1）處理變量（Treat）。本文的處理變量是一個虛擬變量，如果該商業(yè)銀行為農(nóng)村商業(yè)銀行則賦值為1，反之則賦值為0。相比于其他商業(yè)銀行，農(nóng)村商業(yè)銀行往往起源于農(nóng)村、扎根農(nóng)村、與農(nóng)村農(nóng)民有著更親密的聯(lián)系，因此，鄉(xiāng)村振興戰(zhàn)略對農(nóng)商銀行的影響作用較大。

（2）時間變量（Policy）。該變量也是一個虛擬變量，2017年中央農(nóng)村工作會議明確了實施鄉(xiāng)村振興戰(zhàn)略，據(jù)此，如果樣本在2017年之前（不包含2017年）就賦值為0，反之則賦值為1。

（3）處理變量*時間變量（Treat* Policy）。該變量是處理變量（Treat）和時間變量（Policy）的交叉項，用來檢驗鄉(xiāng)村振興戰(zhàn)略對處理組樣本的政策凈效應(yīng)。根據(jù)雙重差分模型的設(shè)計原理，如果β1為正，則表明鄉(xiāng)村振興戰(zhàn)略有效促進了農(nóng)商銀行的助農(nóng)貸款發(fā)放。

3.控制變量。參考相關(guān)文獻選擇以下控制變量：商業(yè)貸款（C_loans）、不良貸款率（RBL）、資產(chǎn)利潤率（RA）、總資產(chǎn)周轉(zhuǎn)率（TAT）、資本充足率（CAR）、董事會人數(shù)（NOBM）和第一大股東持股比（ROLS）；同時，控制年份（year）固定效應(yīng)、省份（province）固定效應(yīng)和個體固定效應(yīng)，以此保證助農(nóng)貸款不受那些源自特定年份、省份的宏觀經(jīng)濟因素和政策變動的影響。

表3 變量定義

DGR 存款增長率 商業(yè)銀行的存款增長率NOBM 董事會人數(shù) 商業(yè)銀行的董事會人數(shù)ROLS 第一大股東持股比 商業(yè)銀行第一大股東持股比例

（四）描述性統(tǒng)計分析

表4以全樣本、處理組和對照組分別陳列的形式展示主要變量的均值和標準差。如表3所示，處理組的助農(nóng)貸款明顯高于控制組，這也符合實際情況，即農(nóng)商銀行是農(nóng)戶貸款的首選銀行渠道。其他變量諸如不良貸款率（RBL）、資產(chǎn)利潤率（RA）、總資產(chǎn)周轉(zhuǎn)率（TAT）、資本充足率（CAR）和存貸款增長率（LGR、DGR）無明顯區(qū)別。

表4 描述性統(tǒng)計

四、實證結(jié)果與分析

（一）基準回歸結(jié)果及其分析

為保證主回歸結(jié)果的穩(wěn)健性，本文采用嵌套回歸模型進行分析。在依次加入商業(yè)貸款（C_loans）、不良貸款率（RBL）、資產(chǎn)利潤率（RA）、總資產(chǎn)周轉(zhuǎn)率（TAT）、資本充足率（CAR）、董事會人數(shù)（NOBM）和第一大股東持股比（ROLS）這些控制變量后，表5顯示鄉(xiāng)村振興戰(zhàn)略在1%的統(tǒng)計水平上顯著促進了銀行發(fā)放助農(nóng)貸款。初步證明假設(shè)H1的合理性。

表5 基準回歸結(jié)果

注：a.★★★、★★、★分別表示在1%、5%、10%水平下顯著；括號內(nèi)為t統(tǒng)計量（下同）

進一步的，利用雙重差分的凈效應(yīng)結(jié)果能更加直觀地表現(xiàn)出鄉(xiāng)村振興戰(zhàn)略對商業(yè)銀行助農(nóng)貸款發(fā)放的凈影響，即運用雙重差分模型進行回歸檢驗，通過對比鄉(xiāng)村振興戰(zhàn)略實施前后，銀行助農(nóng)貸款發(fā)放的變化情況來證明本文假設(shè)H1的內(nèi)容，具體的檢驗結(jié)果如下表6所示：

表6 雙重差分檢驗結(jié)果

根據(jù)表6所示可知，首先，在鄉(xiāng)村振興戰(zhàn)略實施之前，處理組的助農(nóng)貸款為4.753，控制組的助農(nóng)貸款是2.607，兩者的差分為2.146，且存在顯著差異；其次，在鄉(xiāng)村振興戰(zhàn)略實施后，處理組的助農(nóng)貸款為6.041，控制組的助農(nóng)貸款為2.091，兩者的差分為3.950，此時仍存在顯著差異；最后，雙重差分的凈效果為1.804，且在1%統(tǒng)計水平顯著。故此，鄉(xiāng)村振興戰(zhàn)略實施的凈效應(yīng)顯著為正，進一步證明了鄉(xiāng)村振興戰(zhàn)略促進了商業(yè)銀行的助農(nóng)貸款發(fā)放。

（二）穩(wěn)健性檢驗

1.PSM-DID。由于商業(yè)銀行發(fā)放助農(nóng)貸款并不是完全隨機的，本文的實驗組和控制組之間可能會存在樣本選擇偏誤和其他混雜變量的影響，從而導(dǎo)致雙重差分估計是有偏的。為此，本文采用 PSMDID方法來解決這一問題，以保證研究結(jié)果的無偏性。如表7所示，經(jīng)過傾向得分匹配后，不良貸款率（RBL）、資產(chǎn)利潤率（RA）、總資產(chǎn)周轉(zhuǎn)率（TAT）、資本充足率（CAR）、董事會人數(shù)（NOBM）和存款增長率（DGR）這些變量的均值相差無幾，這說明處理組與控制組之間整體上不存在顯著差異。

表7 平衡性檢驗

基于匹配后的樣本數(shù)據(jù)，進一步運用雙重差分模型驗證鄉(xiāng)村振興戰(zhàn)略的實施對助農(nóng)貸款發(fā)放的政策效果。具體檢驗結(jié)果如表8所示：首先，在去杠桿政策實施之前，處理組的助農(nóng)貸款投放為3.476，控制組的助農(nóng)貸款投放是1.575，兩者的差分為1.901；其次，在去實施鄉(xiāng)村振興戰(zhàn)略后，處理組的助農(nóng)貸款投放為4.802，控制組的助農(nóng)貸款投放為0.714，兩者的差分為4.622；最后，雙重差分的凈效果為2.721，且在1%水平下顯著。該凈效應(yīng)略高于基準回歸所得的凈效應(yīng)。進行傾向匹配處理后政策實施的凈效應(yīng)仍然顯著為正，進一步證明研究結(jié)果的可靠性。

表8 匹配后雙重差分回歸結(jié)果

2.安慰劑檢驗。為了保證研究結(jié)論的可靠性，本文采用安慰劑檢驗繼續(xù)進行穩(wěn)健性檢驗。安慰劑檢驗核心思想就是虛構(gòu)處理組或者虛構(gòu)政策時間進行估計，如果不同虛構(gòu)方式下的估計量的回歸結(jié)果依然顯著，那么，就說明說明原來的估計結(jié)果很有可能出現(xiàn)了偏誤，我們的被解釋變量的變動很有可能是受到了其他政策變革或者隨機性因素的影響。相反，如果實證結(jié)果不顯著，則可以證實政策效應(yīng)的穩(wěn)健性。本文采用關(guān)于政策實施時間的安慰劑檢驗：一般做法就是虛構(gòu)政策時間進行回歸。借鑒相關(guān)研究（劉瑞明和趙仁杰，2015），本文將政策時間設(shè)置到2016年進行穩(wěn)健性檢驗。表9為安慰劑檢驗的實證結(jié)果，在逐漸加入控制變量的情況下，前文所提到的鄉(xiāng)村振興戰(zhàn)略促進商業(yè)銀行發(fā)放助農(nóng)貸款的政策效果在此時并不存在。這也證明了本文研究結(jié)果的穩(wěn)健性。

表9 安慰劑檢驗回歸結(jié)果

（三）異質(zhì)性分析

為了進一步探究鄉(xiāng)村振興戰(zhàn)略對商業(yè)銀行發(fā)放助農(nóng)貸款的影響以及其中存在的問題，本文進行區(qū)域異質(zhì)性和第一大股東異質(zhì)性分析。分別進行北上廣等經(jīng)濟發(fā)達省市與山東河北河南等農(nóng)業(yè)大省之間的區(qū)域異質(zhì)性分析和第一大股東為國有股東與第一大股東為非國有股東之間的股東異質(zhì)性分析。

1.區(qū)域異質(zhì)性分析。表10報告了區(qū)域異質(zhì)性的回歸結(jié)果。在北上廣等經(jīng)濟發(fā)達省市地區(qū)，鄉(xiāng)村振興戰(zhàn)略的實施對銀行發(fā)放助農(nóng)貸款具有顯著的促進作用；而在山東河南河北等農(nóng)業(yè)大省，鄉(xiāng)村振興戰(zhàn)略的實施對銀行發(fā)放助農(nóng)貸款的影響卻不具有顯著性。這種差異性結(jié)果值得深思，可能的原因是農(nóng)村地區(qū)存在金融抑制，欠發(fā)達地區(qū)的信貸需求往往因為農(nóng)村家庭缺少信貸擔保，甚至是農(nóng)戶缺乏金融素養(yǎng)而得不到滿足。相比于山東河南河北等農(nóng)業(yè)大省的農(nóng)戶，北上廣等經(jīng)濟發(fā)達省市的農(nóng)戶往往生活在城郊甚至城中村，一方面，他們有更高的金融素養(yǎng)，當有資金需求時他們往往主動去尋求銀行信貸支持；另一方面，他們雖為農(nóng)戶，但是往往具有一定的家庭財富可以充當信貸抵押。這也從側(cè)面說明，相比于供給型金融抑制，需求型金融抑制更難緩解，商業(yè)銀行雖然加大普惠金融力度，但是如果農(nóng)戶沒有尋求正規(guī)金融服務(wù)的欲望，鄉(xiāng)村振興戰(zhàn)略對農(nóng)村金融抑制的緩解作用將大打折扣。

表10 區(qū)域異質(zhì)性回歸結(jié)果

2.第一大股東異質(zhì)性分析。表11報告了第一大股東異質(zhì)性的回歸結(jié)果。當?shù)谝淮蠊蓶|為國資時，鄉(xiāng)村振興戰(zhàn)略的實施對銀行發(fā)放助農(nóng)貸款具有顯著的促進作用；而當?shù)谝淮蠊蓶|為非國資時，鄉(xiāng)村振興戰(zhàn)略的實施對銀行發(fā)放助農(nóng)貸款的影響卻不具有顯著性。這種異質(zhì)性結(jié)果充分地說明了國資背景的商業(yè)銀行在支持鄉(xiāng)村振興戰(zhàn)略上發(fā)揮著積極的作用。

表11 股東異質(zhì)性回歸結(jié)果

五、研究結(jié)論與啟示

本文基于506家商業(yè)銀行在2013年至2020年間共3268個樣本數(shù)據(jù)，利用雙重差分模型（DID），實證檢驗了鄉(xiāng)村振興戰(zhàn)略對商業(yè)銀行發(fā)放助農(nóng)貸款的影響。研究發(fā)現(xiàn)，鄉(xiāng)村振興戰(zhàn)略顯著促進了商業(yè)銀行發(fā)放助農(nóng)貸款，尤其是農(nóng)業(yè)銀行、農(nóng)村商業(yè)銀行、村鎮(zhèn)銀行和農(nóng)村信用社在鄉(xiāng)村振興戰(zhàn)略實施的前兩年內(nèi)顯著提高了助農(nóng)貸款的投放，這說明鄉(xiāng)村振興戰(zhàn)略的實施可以緩解農(nóng)村金融抑制。異質(zhì)性研究發(fā)現(xiàn)，相比于經(jīng)濟發(fā)達的省市，鄉(xiāng)村振興戰(zhàn)略對助農(nóng)貸款的影響在經(jīng)濟欠發(fā)達的省市反而不顯著；相比于非國資背景的商業(yè)銀行，國資背景的商業(yè)銀行在支持鄉(xiāng)村振興戰(zhàn)略上發(fā)揮著更為積極的作用。

基于以上研究結(jié)論，本文的研究啟示如下：全面推進鄉(xiāng)村振興對農(nóng)村金融服務(wù)提出了更高的要求，有效解決農(nóng)村金融抑制才能充分發(fā)揮金融支持鄉(xiāng)村振興的作用。一方面，應(yīng)建立多層次、多元化的農(nóng)村金融機構(gòu)體系。當前我國農(nóng)村金融發(fā)展薄弱，單單依靠農(nóng)村商業(yè)銀行和農(nóng)村信用合作社等縣域農(nóng)村金融機構(gòu)無法滿足農(nóng)村金融服務(wù)需求，尤其是在全面實施鄉(xiāng)村振興戰(zhàn)略后，“三農(nóng)”資金需求旺盛，增加服務(wù)農(nóng)村的金融機構(gòu)尤其是小型金融機構(gòu)的數(shù)量勢在必行。另一方面，應(yīng)大力發(fā)展農(nóng)村數(shù)字普惠金融。農(nóng)村金融抑制的主要原因還在于農(nóng)民缺少抵押擔保，因此，相關(guān)部門應(yīng)該借用數(shù)字技術(shù)建設(shè)比較完善的新型農(nóng)業(yè)經(jīng)營主體信用體系；商業(yè)銀行等金融機構(gòu)也應(yīng)該在涉農(nóng)領(lǐng)域加大數(shù)字技術(shù)投入和創(chuàng)新農(nóng)村服務(wù)模式，以更適配的金融服務(wù)降低“三農(nóng)”的資金需求門檻和使用成本。

當然，本文的研究仍存在以下幾點不足之處：第一，在雙重差分模型的處理上仍有不足之處。本文依據(jù)鄉(xiāng)村振興戰(zhàn)略的實施對不同商業(yè)銀行的影響效果為標準進行分組，雖然農(nóng)業(yè)銀行、農(nóng)村商業(yè)銀行、村鎮(zhèn)銀行和農(nóng)村信用社最容易受到鄉(xiāng)村振興戰(zhàn)略的影響，但是，鄉(xiāng)村振興戰(zhàn)略的實施勢必也會對其他商業(yè)銀行造成一定的影響，本文的平行趨勢檢驗也發(fā)現(xiàn)，在鄉(xiāng)村振興戰(zhàn)略實施后的第三年（2020年），處理組與控制組之間的顯著性差異消失。第二，在農(nóng)村金融抑制指標的度量上，商業(yè)銀行助農(nóng)貸款雖然與農(nóng)村金融抑制關(guān)系緊密，但是并不能完全反應(yīng)農(nóng)村金融抑制的全貌。第三，受數(shù)據(jù)限制，本文暫沒有進行鄉(xiāng)村振興戰(zhàn)略影響助農(nóng)貸款發(fā)放的作用機制研究，如果想探究鄉(xiāng)村振興戰(zhàn)略如何具體影響農(nóng)村金融抑制仍需進一步深究。