夏建平
(南京林業(yè)大學 經(jīng)濟管理學院,南京210037)
為緩解農村貧困,改革開放以來我國政府開展了積極有效的扶貧工作并取得了巨大成效,農村居民人均可支配收入從1978年133元增長到2019年16 021元,家庭恩格爾系數(shù)也從67.7%降低到30.0%,但截至2019年我國仍有551萬余貧困人口存在,且主要分布于《中國農村扶貧開發(fā)綱要(2011-2020年)》(以下簡稱“新《綱要》”)中所提及的14個集中連片特困地區(qū)。金融扶貧已成為脫貧攻堅工作的重要手段,但由于各地社會經(jīng)濟發(fā)展水平不同,金融發(fā)展對提高農民收入的效應大相徑庭:或認為農村金融發(fā)展可以促進農民收入增長[1],或認為農村金融發(fā)展對農民收入有消極作用會阻礙農民收入增長[2],還有研究指出農村金融發(fā)展與農民收入之間呈非線性關系[3]。2011年國務院頒布新《綱要》,對深度貧困地區(qū)實施了扶貧貼息貸款、農業(yè)保險保費補貼等金融政策,并輔之以財稅支持、投資傾斜等政策,這些政策是否改善了深度貧困地區(qū)的農民收入?對此本文進行了研究,以期對深度貧困地區(qū)后續(xù)采用金融政策工具開展脫貧工作提供針對性的指導。
金融發(fā)展水平常用不同的指標與方法進行測度。用以衡量金融發(fā)展的指標通常包括以下四類:一是金融發(fā)展規(guī)模,麥氏指標(M2/GDP)和戈氏指標(金融相關率FIR)最為常用,但由于我國農村銀行導向性的金融結構,后者更適合我國國情并表現(xiàn)為金融資產(chǎn)規(guī)模相對于國民財富的擴展[2,4];二是金融發(fā)展效率,多側重于反映金融機構投入與產(chǎn)出比關系,農村金融機構存貸比應用最多,該指標可衡量農村金融機構將儲蓄存款轉化為貸款的能力,有效反映金融機構對農村資本的配置效率[1,2];三是金融發(fā)展結構,鄉(xiāng)鎮(zhèn)企業(yè)貸款比率、非銀行資產(chǎn)占比率、農業(yè)貸款與鄉(xiāng)鎮(zhèn)企業(yè)和占比率等都被用于反映該指標[1,5,6];四是金融發(fā)展密度,用以反映金融資源在農村人口的覆蓋程度,一般使用人均金融機構擁有量、人均存貸款量等指標表示[3,7]。此外,現(xiàn)有文獻對于金融發(fā)展水平的衡量通常采用兩種方法,一種是通過構建綜合指標體系并計算綜合系數(shù)的方法[4],另一種是直接利用多重指標加以反映[1,3],前者在綜合系數(shù)測算過程中可能因指標賦權存在的主觀性可能導致誤差,故本文選擇后者。
此外,農民收入還與當?shù)氐纳鐣?jīng)濟發(fā)展水平相關,農村社會經(jīng)濟增長是農民收入增加的必要條件[9],國家財政投入對農村經(jīng)濟增長起重要支持作用[10],城鎮(zhèn)化則通過增加農民非農就業(yè)機會并提高農民收入水平[12]。
綜上,本文以金融發(fā)展規(guī)模、金融發(fā)展效率和金融發(fā)展密度作為農村金融發(fā)展的測度指標,城鎮(zhèn)化率、財政支出水平、農村經(jīng)濟發(fā)展水平作為控制變量,利用斷點回歸模型(RD),研究深度貧困地區(qū)農村金融發(fā)展對農民收入的影響。
①農民收入水平指標:現(xiàn)有文獻衡量農民收入,通常包括家庭經(jīng)營性收入、農民財產(chǎn)性收入、農民人均純收入等指標,在此選用農民人均純收入(Y)作為農民收入水平指標,是總收入扣除各項收入費用的收入總和[12]。
②金融發(fā)展指標:金融發(fā)展規(guī)模(FIR)采用Goldsmith提出的金融相關率表示,選用農戶存貸款總額與GDP比值作為衡量金融發(fā)展規(guī)模的指標[1];金融發(fā)展效率(FE),采用農村金融機構存貸比計算,即貸款余額與存款余額的比值進行表示[1];金融發(fā)展密度(FD),則選擇農村存貸款余額總和與農村總人口比值作為指標[11]。
③控制變量:①城鎮(zhèn)化率(URB),用城鎮(zhèn)人口占區(qū)域總人口比重表示[12]。②財政支出水平(FIN),用財政支出占GDP的比重表示該指標[13]。③農村經(jīng)濟發(fā)展水平(AGDP),用農村人均GDP來表示,由于我國社會經(jīng)濟統(tǒng)計中沒有農村GDP指標,采用各地農林牧副漁業(yè)生產(chǎn)總值之和替代農村GDP指標[14]。
本文以14個集中連片特困地區(qū)為樣本,基于數(shù)據(jù)的可得性,最終選取73個市、自治區(qū)2005-2018年的面板數(shù)據(jù)進行實證分析,數(shù)據(jù)來源于中國統(tǒng)計信息網(wǎng)提供的歷年國民經(jīng)濟與社會發(fā)展統(tǒng)計公報,少數(shù)數(shù)據(jù)來源于中國農村貧困監(jiān)測報告、政府工作報告,部分缺失數(shù)據(jù)采用插值法補全。各變量描述性統(tǒng)計結果見表1。
表1變量描述性統(tǒng)計
本文利用斷點回歸分析方法[8],以新《綱要》實施時間2011年為斷點,構建如下斷點回歸模型:
式(1)中,i,t分別表示地區(qū)(市、自治區(qū)、直轄市)和年份;Yit表示i地區(qū)在t年份的農民收入;Dit作為處理變量,反映i地區(qū)在t年份是否推行了金融政策,實施政策后為處理組,取值為1,實施政策前為對照組,取值為0;(Xit-Xi0)作為分組變量,表示i地區(qū)在t年份距離實施金融政策時間節(jié)點(2011年)的時間長度;函數(shù)形式f(?)包含分組變量及其高次項,反映農民收入在金融政策實施前后的非線性變化趨勢;Zit表示控制變量,εit表示殘差項,β0、β1、σ、γ均為回歸系數(shù)。
十四個集中連片特困地區(qū)分布廣、貧困發(fā)生率差異大,按地理位置可將其劃分為西部、東北部、中部三個片區(qū),西部片區(qū)包括六盤山區(qū)、秦巴山區(qū)、武陵山區(qū)、烏蒙山區(qū)、滇桂黔石漠化區(qū)、滇西邊境山區(qū)、西藏區(qū)、四省藏區(qū)、南疆三地州,東北部片區(qū)包括大興安嶺南麓山區(qū)、燕山-太行山區(qū)和呂梁山區(qū),中部片區(qū)包括大別山區(qū)、羅霄山區(qū)。數(shù)據(jù)顯示,2006年西部、東北部和中部各片區(qū)的貧困率分別為64.39%、54.60%和44.05%,2017年則分別為8.38%、7.63%和5.15%。
使用stata模型,對全樣本及三個片區(qū)的數(shù)據(jù)分別做斷點回歸模型,其中Y1表示僅有金融發(fā)展水平三個指標的回歸結果;Y2表示引入三個控制變量后的回歸結果。
表2斷點回歸估計結果
全樣本及三個片區(qū)回歸結果如表2所示:農民收入水平在斷點處均存在明顯跳躍現(xiàn)象,無論是否引入控制變量,回歸結果均顯著。分片區(qū)看來,農村貧困發(fā)生率越高,農民金融發(fā)展對于農民收入的積極影響越大。貧困發(fā)生率最高的西部片區(qū),回歸系數(shù)最大,說明金融發(fā)展對農民收入影響最大,東北部片區(qū)次之,貧困發(fā)生率最低的中部片區(qū)回歸系數(shù)最小,其影響也最小。全樣本的模型結果如圖1所示:在斷點之前,金融發(fā)展水平與農民收入之間呈近似線性關系,斜率較??;在斷點之后,二者仍維持線性關系,斜率明顯提高,表明農村金融發(fā)展對集中連片特困地區(qū)農民收入有顯著正向影響。
圖1農民收入斷點處跳躍情況
3.2.1 不同帶寬的斷點回歸
帶寬的選擇對模型設定尤為重要,考慮到樣本自身,本文分別選擇50%、100%、200%三種帶寬對模型進行檢驗,結果如表3所示。由表3可知,不同帶寬的選擇對回歸結果無較大影響,原模型具有較強穩(wěn)健性。3.2.2控制變量斷點處跳躍性檢驗
表3穩(wěn)健性檢驗:帶寬選擇
如果控制變量在斷點處存在顯著跳躍,那么因變量的跳躍就不能完全歸結于三個主變量影響。因此,本文在最優(yōu)帶寬下對控制變量的跳躍情況進行檢驗,結果見表4。結果顯示,城鎮(zhèn)化率、財政支出、農村經(jīng)濟發(fā)展水平的估計系數(shù)均不顯著,則控制變量在斷點處均不存在跳躍,進一步證明回歸模型具有穩(wěn)健性。
表4穩(wěn)健性檢驗:控制變量斷點處跳躍情況
本文基于以上研究得出兩個結論:一是農村金融發(fā)展對深度貧困地區(qū)農民收入具有顯著正效應;二是農村貧困發(fā)生率越高,農村金融發(fā)展對農民收入的正效應最大。分片區(qū)來看,貧困發(fā)生率最高的西部片區(qū)金融發(fā)展對農民收入的影響最大,東北部片區(qū)次之,中部片區(qū)最小。
根據(jù)以上結論,結合已實施的農村金融政策,下述建議有助于深度貧困地區(qū)脫貧攻堅工作的開展:一是繼續(xù)實施扶貧貼息政策,增加貧困地區(qū)扶貧貸款項目。在確保資金安全的條件下,可適當放寬農民申請貸款條件,增加貸款總量,延長貸款期限,為貧困地區(qū)農民生產(chǎn)發(fā)展提供資金支持;二是大力發(fā)展深度貧困地區(qū)農業(yè)保險事業(yè),積極推進農業(yè)保險保費補貼政策,為農業(yè)生產(chǎn)經(jīng)營提供有效保障同時,鼓勵保險機構多建立基層網(wǎng)點,完善深度貧困地區(qū)農村信用體系建設。