◎中國(guó)農(nóng)業(yè)銀行安徽省分行課題組

引言

（一）研究背景

改革開(kāi)放以來(lái)我國(guó)經(jīng)濟(jì)快速增長(zhǎng)，黨和政府高度重視扶貧工作，貧困人口總數(shù)逐年減少，截至2019年年底全國(guó)貧困人口共551萬(wàn)人1。根據(jù)國(guó)家統(tǒng)計(jì)局全國(guó)農(nóng)村貧困監(jiān)測(cè)調(diào)查以及現(xiàn)行國(guó)家農(nóng)村貧困標(biāo)準(zhǔn)測(cè)算，2019年年底我國(guó)貧困發(fā)生率6%，比2018年下降1．1個(gè)百分點(diǎn)2，中國(guó)成為首個(gè)實(shí)現(xiàn)“聯(lián)合國(guó)千年發(fā)展目標(biāo)貧困人口減半”的國(guó)家（楊濤，2018）。盡管如此，我國(guó)貧困發(fā)生率仍然處于較高水平，農(nóng)村貧困問(wèn)題依然突出。目前我國(guó)脫貧攻堅(jiān)已進(jìn)入決戰(zhàn)決勝階段，各地脫貧工作仍面臨嚴(yán)峻挑戰(zhàn)。

自2017年10月18日十九大報(bào)告提出鄉(xiāng)村振興戰(zhàn)略以來(lái)，國(guó)務(wù)院出臺(tái)了多個(gè)關(guān)于如何實(shí)施鄉(xiāng)村振興戰(zhàn)略的具體辦法和措施，要求各地區(qū)各部門結(jié)合實(shí)際貫徹落實(shí)情況。目前全國(guó)各地都在積極尋求高效現(xiàn)代化的農(nóng)業(yè)運(yùn)作方式，助推鄉(xiāng)村振興3。習(xí)近平總書記在2018年5月主持召開(kāi)的中央政治局會(huì)議上指出，脫貧攻堅(jiān)與鄉(xiāng)村振興是關(guān)系我國(guó)改革發(fā)展尤其是廣大農(nóng)村發(fā)展的兩大重要戰(zhàn)略部署，二者在政策設(shè)計(jì)上具有協(xié)調(diào)性、兼容性，具體實(shí)施中應(yīng)該做到有效對(duì)接、無(wú)縫接駁。

（二）文獻(xiàn)綜述

從國(guó)內(nèi)外有關(guān)金融扶貧的現(xiàn)有研究來(lái)看，Robinson、Conning等西方學(xué)者偏向于證明合作性金融機(jī)構(gòu)在農(nóng)村金融扶貧工作中的重要作用（Robinson、Brown & Paris，2004；Conning & Vdry，2007；Bonazzi & Lotti，2014），且重點(diǎn)研究?jī)?nèi)容集中在對(duì)農(nóng)村小額信貸公司運(yùn)營(yíng)績(jī)效的評(píng)價(jià)上（曹巍，2017）。國(guó)內(nèi)研究重點(diǎn)主要為商業(yè)銀行金融扶貧模式、電商扶貧效率評(píng)價(jià)等方面。2019年渠源清等人研究表明，商業(yè)銀行通過(guò)發(fā)放“三農(nóng)”貸款、創(chuàng)新金融產(chǎn)品、建立金融扶貧服務(wù)站等方式，有效促進(jìn)了貧困地區(qū)的經(jīng)濟(jì)發(fā)展。楊雪云、時(shí)浩楠以大別山區(qū)為例，通過(guò)空間計(jì)量模型研究表明大別山區(qū)電商扶貧效率仍相對(duì)較低，且地區(qū)差異明顯，呈現(xiàn)出西高東低、南北低中部高的空間分布趨勢(shì)。王森等以河北省故城縣為例，認(rèn)為需加大貨幣信貸政策支持力度，并綜合農(nóng)業(yè)保險(xiǎn)和農(nóng)村信貸來(lái)提高金融扶貧效率。

闞立娜等學(xué)者研究認(rèn)為高效的金融支農(nóng)效率是鄉(xiāng)村振興戰(zhàn)略極為重要的支持要素，而本地區(qū)金融支農(nóng)效率會(huì)對(duì)相鄰地區(qū)支農(nóng)效率產(chǎn)生“溢出效應(yīng)”。鄉(xiāng)村振興戰(zhàn)略的提出促進(jìn)了農(nóng)村產(chǎn)業(yè)融合發(fā)展，而“政府+金融機(jī)構(gòu)+農(nóng)戶”三位一體模式的聯(lián)動(dòng)運(yùn)作可有效提高農(nóng)村產(chǎn)業(yè)融合發(fā)展效率（田麗秀等，2019）。除對(duì)鄉(xiāng)村振興的支持要素、發(fā)展效率開(kāi)展研究外，部分學(xué)者還致力于探究金融支持鄉(xiāng)村振興效果評(píng)價(jià)指標(biāo)體系的構(gòu)建，如從實(shí)施鄉(xiāng)村振興戰(zhàn)略的金融需求層面出發(fā)，根據(jù)鄉(xiāng)村振興戰(zhàn)略布局和總體要求構(gòu)建金融支持鄉(xiāng)村振興成效的評(píng)價(jià)指標(biāo)體系（耿光穎等，2019）。目前國(guó)內(nèi)已有研究大多偏向于鄉(xiāng)村振興戰(zhàn)略實(shí)施背景的分析及指標(biāo)體系構(gòu)建等，對(duì)于脫貧攻堅(jiān)和鄉(xiāng)村振興的銜接關(guān)系則少有涉及。

（三）研究意義

金融是脫貧攻堅(jiān)的主力軍，更是支持鄉(xiāng)村振興的重要力量。在脫貧攻堅(jiān)與實(shí)施鄉(xiāng)村振興戰(zhàn)略的歷史交匯期，商業(yè)銀行在服務(wù)脫貧攻堅(jiān)的同時(shí)，應(yīng)認(rèn)真謀劃，提前布局，思考下一步如何更好地為鄉(xiāng)村振興提供金融服務(wù)。故本文選取國(guó)有商業(yè)銀行為研究對(duì)象，以N銀行安徽省分行為例，首先通過(guò)測(cè)算金融扶貧效率值并分析其影響因素，探索金融服務(wù)脫貧攻堅(jiān)的有效路徑，進(jìn)而利用耦合協(xié)調(diào)模型研究金融服務(wù)脫貧攻堅(jiān)與鄉(xiāng)村振興如何實(shí)現(xiàn)有效銜接，并提出政策建議。

N銀行安徽省分行金融扶貧與金融支持鄉(xiāng)村振興發(fā)展現(xiàn)狀

（一）金融扶貧現(xiàn)狀

2020年4月29日，安徽省政府發(fā)布公告，蕭縣等9個(gè)縣（區(qū)）正式退出貧困縣序列4。至此，該省31個(gè)貧困縣（市、區(qū)）全部摘帽，3000個(gè)貧困村全部出列。目前全省脫貧攻堅(jiān)任務(wù)已接近完成，建檔立卡貧困人口數(shù)明顯下降，貧困群眾收入水平有了大幅度提高，深貧地區(qū)社會(huì)化服務(wù)也在持續(xù)優(yōu)化，基本生產(chǎn)生活條件得到明顯改善。本研究選取金融扶貧資金投入、人力投入以及金融扶貧工作動(dòng)態(tài)等三個(gè)維度對(duì)N銀行安徽省分行金融扶貧工作現(xiàn)狀進(jìn)行描述性統(tǒng)計(jì)分析。

1．大力增加金融扶貧資金投入

從N銀行安徽省分行近三年金融精準(zhǔn)扶貧貸款總額規(guī)模來(lái)看（見(jiàn)圖1），2016年全轄金融精準(zhǔn)扶貧貸款共計(jì)發(fā)放380391萬(wàn)元，2017年貸款總額為962348萬(wàn)元，同比增長(zhǎng)153%；2018年發(fā)放精準(zhǔn)扶貧貸款1347016萬(wàn)元，比2016年增加966625萬(wàn)元；2019年發(fā)放精準(zhǔn)扶貧貸款2003177萬(wàn)元，比2016年增加1622786萬(wàn)元。

圖1為2017～2019年度N銀行安徽省各二級(jí)分行金融精準(zhǔn)扶貧貸款總額情況。其中金融精準(zhǔn)扶貧貸款總量較高的有六安、阜陽(yáng)、宿州、安慶等市分行。

2．持續(xù)加強(qiáng)金融扶貧人力投入

2020年4月29日，安徽省政府宣布所有貧困縣摘帽之前，安徽省有18個(gè)國(guó)家級(jí)貧困縣（見(jiàn)圖2）。包括國(guó)定貧困縣在內(nèi)的縣域地區(qū)一直是商業(yè)銀行實(shí)施金融扶貧有力舉措的重要對(duì)象，N銀行也一直致力于加強(qiáng)縣域網(wǎng)點(diǎn)的基礎(chǔ)建設(shè)，金融扶貧政策也盡力向貧困縣域傾斜。

近年來(lái)N銀行安徽省全轄增設(shè)多處農(nóng)村鄉(xiāng)鎮(zhèn)網(wǎng)點(diǎn)，圖2反映的是安徽省各二級(jí)分行截至2019年末縣域網(wǎng)點(diǎn)的分布情況。柱狀圖顯示的是各地市分行縣域網(wǎng)點(diǎn)的數(shù)量，截至2019年末N銀行安徽省分行共有453個(gè)縣域網(wǎng)點(diǎn)。陰影部分顯示的是各地市縣域網(wǎng)點(diǎn)占全轄網(wǎng)點(diǎn)總數(shù)的比例，在全省16家地市分行中，有12個(gè)地市縣域網(wǎng)點(diǎn)占網(wǎng)點(diǎn)總數(shù)比例超過(guò)50%，其中亳州、阜陽(yáng)、安慶等貧困縣域分布較多的地市縣域網(wǎng)點(diǎn)的人力、物力投入都較2017年有了較大提升。

3．高度重視金融扶貧工作

本研究選取N銀行安徽省各二級(jí)分行網(wǎng)站近三年數(shù)據(jù)中有關(guān)“金融扶貧”“脫貧攻堅(jiān)”等動(dòng)態(tài)作為統(tǒng)計(jì)研究對(duì)象，分析各二級(jí)分行金融扶貧工作的開(kāi)展情況。2017～2019年各地市金融扶貧工作開(kāi)展總體上有較大提升。其中淮北、宿州、蕪湖、銅陵等二級(jí)分行金融扶貧工作動(dòng)態(tài)發(fā)布條數(shù)增長(zhǎng)明顯，少數(shù)二級(jí)分行工作動(dòng)態(tài)發(fā)布條數(shù)有小幅度下降（見(jiàn)圖3）。

從描述性統(tǒng)計(jì)分析情況來(lái)看，N銀行安徽省各地市二級(jí)分行近幾年金融扶貧資金與人力投入規(guī)模正逐步擴(kuò)大，但還存在各地市間精準(zhǔn)扶貧貸款規(guī)模懸殊較大，重點(diǎn)貧困地區(qū)縣域網(wǎng)點(diǎn)數(shù)量與人力、物力投入比例失衡，各二級(jí)分行對(duì)金融扶貧工作的宣傳力度不夠等問(wèn)題。

（二）金融支持鄉(xiāng)村振興現(xiàn)狀

本文采取國(guó)內(nèi)目前大多數(shù)研究的統(tǒng)計(jì)口徑和分類方法，將金融支持鄉(xiāng)村振興從金融支持規(guī)模、金融支持結(jié)構(gòu)和金融支持效率三個(gè)維度展開(kāi)描述。

1．金融支持規(guī)模

鄉(xiāng)村振興戰(zhàn)略提出以來(lái)，N銀行安徽省分行積極響應(yīng)國(guó)家號(hào)召，全力支持鄉(xiāng)村振興戰(zhàn)略的實(shí)施。表1表示的是2017～2019年，N銀行安徽省各地市二級(jí)分行存款總額、貸款總額、普惠涉農(nóng)小微企業(yè)貸款總額和惠農(nóng)e貸總額?？梢钥闯?，近三年來(lái)金融支持鄉(xiāng)村振興規(guī)模的各項(xiàng)指標(biāo)都有不同程度的提高，尤其是惠農(nóng)e貸總額和普惠涉農(nóng)小微企業(yè)貸款總額增長(zhǎng)明顯（見(jiàn)表1）。

表1：金融支持鄉(xiāng)村振興規(guī)模 單位：萬(wàn)元

2．金融支持結(jié)構(gòu)

根據(jù)鄉(xiāng)村振興戰(zhàn)略實(shí)施的總體要求，N銀行安徽省分行重點(diǎn)加大了對(duì)縣域城鎮(zhèn)化貸款、重大水利貸款和縣域幸福產(chǎn)業(yè)貸款等金融支持鄉(xiāng)村振興領(lǐng)域貸款的投放，為實(shí)現(xiàn)“產(chǎn)業(yè)興旺、生態(tài)宜居、鄉(xiāng)風(fēng)文明、治理有效、生活富?！笨傄筇峁┯辛Φ慕鹑谥С帧谋?中可以發(fā)現(xiàn)，隨著鄉(xiāng)村振興戰(zhàn)略的逐步實(shí)施，金融支持鄉(xiāng)村振興領(lǐng)域貸款在逐年增加，其中以縣域城鎮(zhèn)化貸款增長(zhǎng)最為明顯，截止到2019年末該項(xiàng)貸款較2017年凈增1060433萬(wàn)元，增長(zhǎng)53．1%。

表2：金融支持鄉(xiāng)村振興領(lǐng)域貸款 單位：萬(wàn)元、%

3．金融支持效率

本文參考已有研究，用鄉(xiāng)村振興貸款總額、金融扶貧貸款總額、惠農(nóng)卡有效客戶數(shù)、農(nóng)戶不良貸款率等指標(biāo)來(lái)闡釋金融支持效率。其中，鄉(xiāng)村振興貸款的投放是直接影響金融支持鄉(xiāng)村振興效率的最主要因素，因此選取鄉(xiāng)村振興貸款情況來(lái)對(duì)金融支持鄉(xiāng)村振興效率進(jìn)行描述性統(tǒng)計(jì)分析。如圖4所示，《鄉(xiāng)村振興戰(zhàn)略規(guī)劃（2018—2022）》發(fā)布以來(lái)，大部分地市二級(jí)分行鄉(xiāng)村振興貸款的投放力度在逐年加大，其中，合肥、宿州、阜陽(yáng)、蕪湖、安慶等地市增幅較大。

綜上，N銀行安徽省分行金融支持鄉(xiāng)村振興戰(zhàn)略發(fā)展態(tài)勢(shì)良好，但與鄉(xiāng)村振興發(fā)展的實(shí)際需求相比，金融支持規(guī)模還有待擴(kuò)大，金融支持結(jié)構(gòu)亦有待優(yōu)化，同時(shí)六安、馬鞍山、銅陵、宣城等地市分行鄉(xiāng)村振興貸款投放力度也有待加強(qiáng)。

實(shí)證研究

（一）數(shù)據(jù)來(lái)源

本研究數(shù)據(jù)來(lái)源于N銀行安徽省分行近三年年報(bào)和經(jīng)營(yíng)分析系統(tǒng)、相關(guān)業(yè)務(wù)部門統(tǒng)計(jì)數(shù)據(jù)，以及各地市二級(jí)分行金融扶貧網(wǎng)站數(shù)據(jù)。

（二）研究設(shè)計(jì)

從本文研究背景可以看出，金融服務(wù)脫貧攻堅(jiān)與鄉(xiāng)村振興的銜接關(guān)鍵在于找準(zhǔn)金融扶貧的有效路徑，實(shí)現(xiàn)金融支持脫貧攻堅(jiān)向金融支持鄉(xiāng)村振興順利過(guò)渡。因此，本文首先測(cè)算金融扶貧效率值并分析金融扶貧效率的影響因素，根據(jù)實(shí)證結(jié)果判斷金融扶貧的有效路徑及模式，進(jìn)而探究金融服務(wù)脫貧攻堅(jiān)與金融服務(wù)鄉(xiāng)村振興兩大系統(tǒng)間的銜接關(guān)系。

在總結(jié)前人研究的基礎(chǔ)上，結(jié)合N銀行安徽省分行金融扶貧實(shí)際情況，采用數(shù)據(jù)包絡(luò)分析法和普通最小二乘法對(duì)安徽省分行金融扶貧的效率進(jìn)行研究。首先采用DEA模型對(duì)各地市二級(jí)分行金融扶貧效率（全要素生產(chǎn)率）進(jìn)行測(cè)算；其次利用多元線性回歸模型分析影響金融扶貧效率的因素。實(shí)證研究第二部分則是利用耦合度對(duì)金融扶貧和鄉(xiāng)村振興的服務(wù)銜接進(jìn)行研究。根據(jù)數(shù)據(jù)可得性以及研究相關(guān)性，耦合協(xié)調(diào)模型中金融扶貧目標(biāo)體系在數(shù)據(jù)來(lái)源、指標(biāo)體系構(gòu)建、綜合指數(shù)糅合等方面與第一部分研究?jī)?nèi)容具有一以貫之、一脈相承的特點(diǎn)，故本文在金融扶貧目標(biāo)體系構(gòu)建時(shí)采取了直接引用第一部分的方式。

1．金融扶貧有效路徑和模式研究

（1）模型介紹

數(shù)據(jù)包絡(luò)分析法主要用于比較相同類型經(jīng)濟(jì)活動(dòng)的相對(duì)效率問(wèn)題。本文采用DEA-BCC模型對(duì)N銀行安徽省各地市分行金融扶貧的效率進(jìn)行測(cè)量。BCC模型的效率評(píng)價(jià)線性規(guī)劃如下：

表3：全要素生產(chǎn)率指標(biāo)體系 單位：人、萬(wàn)元、%、個(gè)

表4：回歸模型指標(biāo)體系 單位：人、萬(wàn)元、%、個(gè)

BCC模型得到的是DMU的純技術(shù)效率。上式中，為各DMU的相對(duì)效率衡量指標(biāo)，其值越大表示決策單元越有效；j為根據(jù)第j個(gè)決策單元重新構(gòu)造一個(gè)有效DMU組合時(shí)該決策單元的組合比例；yj為第j個(gè)決策單元的產(chǎn)出向量；s-與s+分別表示輸入和輸出的松弛變量；x0與y0分別為決策單元的投入和產(chǎn)出。

多元回歸分析是研究被解釋變量對(duì)兩個(gè)或兩個(gè)以上解釋變量的統(tǒng)計(jì)依賴關(guān)系，建立多個(gè)變量之間線性或非線性數(shù)學(xué)模型數(shù)量關(guān)系式并利用樣本數(shù)據(jù)進(jìn)行分析的統(tǒng)計(jì)分析方法。根據(jù)本文研究?jī)?nèi)容需要，建立以下多元線性回歸模型：

式（3．3）中，Yi表示被解釋變量（帶動(dòng)建檔立卡貧困人口數(shù)），fini表示核心解釋變量（金融扶貧資金投入、人力投入），Xi為控制變量，i為隨機(jī)誤差項(xiàng)。

（2）指標(biāo)體系構(gòu)建

帶動(dòng)建檔立卡貧困人口數(shù)是檢測(cè)和衡量脫貧攻堅(jiān)工作效率的重要依據(jù)。故本文選取帶動(dòng)建檔立卡貧困人口數(shù)作為測(cè)算全要素生產(chǎn)率的產(chǎn)出指標(biāo)（見(jiàn)表3）。關(guān)于投入體系的指標(biāo)層，本文總結(jié)前人研究成果并借鑒先進(jìn)經(jīng)驗(yàn)（邢成舉等，2013），結(jié)合數(shù)據(jù)的可得性，將投入體系層分為金融扶貧資金投入和人力投入兩個(gè)子體系。其中金融扶貧資金投入體系包括金融精準(zhǔn)扶貧貸款總額、扶貧貸款占總貸款比例、存貸比三個(gè)指標(biāo)；金融扶貧人力投入包括縣域網(wǎng)點(diǎn)數(shù)量和縣域網(wǎng)點(diǎn)占全轄網(wǎng)點(diǎn)比例兩個(gè)指標(biāo)。

在構(gòu)建回歸模型指標(biāo)體系的過(guò)程中，本文采取了與大多數(shù)研究不同的方式，即沒(méi)有將前文計(jì)算所得全要素生產(chǎn)率作為后階段因變量，而是使用帶動(dòng)建檔立卡貧困人口作為回歸模型的被解釋變量。這樣做首先是為了消除回歸模型變量間的共線性，其次采用帶動(dòng)建檔立卡貧困人口數(shù)作為被解釋變量來(lái)分析影響金融扶貧的因素更具有說(shuō)服力。在解釋變量的選取上，將金融精準(zhǔn)扶貧貸款總額、縣域網(wǎng)點(diǎn)數(shù)量、各地市二級(jí)分行發(fā)布扶貧動(dòng)態(tài)條數(shù)、扶貧貸款占總貸款比例、縣域網(wǎng)點(diǎn)占全轄網(wǎng)點(diǎn)比例、存貸比等作為影響金融扶貧銷量的自變量。并選取農(nóng)業(yè)發(fā)展環(huán)境指數(shù)、經(jīng)濟(jì)發(fā)展環(huán)境指數(shù)、城鎮(zhèn)化率等作為控制變量。

2．金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)發(fā)展研究

（1）模型介紹

本文利用耦合度對(duì)金融扶貧和鄉(xiāng)村振興的服務(wù)銜接進(jìn)行研究。耦合度是一個(gè)物理學(xué)概念，表示兩個(gè)模塊（或兩個(gè)以上）通過(guò)各種相互作用而彼此相互影響，主要反映系統(tǒng)之間相互作用過(guò)程中協(xié)調(diào)狀況的好壞程度（熊建新等，2014）。因此，本文將金融扶貧和鄉(xiāng)村振興兩大系統(tǒng)通過(guò)一系列相互作用產(chǎn)生彼此影響的現(xiàn)象，定義為金融扶貧—鄉(xiāng)村振興間的耦合，用以考察兩個(gè)系統(tǒng)相互銜接程度的強(qiáng)弱并探究其時(shí)間、空間變化特征。具體包括以下步驟：

①對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理

為了消除因各指標(biāo)性質(zhì)不同導(dǎo)致的量綱和數(shù)量級(jí)差異，采用Min-max標(biāo)準(zhǔn)化方法對(duì)原始數(shù)據(jù)進(jìn)行無(wú)量綱化處理。公式（3．4）和公式（3．5）分別適用于正向指標(biāo)和負(fù)向指標(biāo)的標(biāo)準(zhǔn)化。其中ui"表示第i項(xiàng)指標(biāo)的標(biāo)準(zhǔn)化值，i=1，2，3，…n；ui是第i項(xiàng)指標(biāo)的具體值；Xmax(i）和Xmin(i）分別表示各指標(biāo)在2017～2019年間各年份的最大值和最小值。

②測(cè)算各指標(biāo)的權(quán)重

變異系數(shù)法是一種客觀賦權(quán)的方法，直接利用各項(xiàng)指標(biāo)所包含的信息，通過(guò)計(jì)算得到指標(biāo)的權(quán)重，適用于各個(gè)構(gòu)成要素內(nèi)部指標(biāo)權(quán)數(shù)的確定。各系統(tǒng)的權(quán)重及綜合水平指數(shù)計(jì)算公式為：

式（3．6）中，i表示各項(xiàng)指標(biāo)，i=1，2，3，…n；Wi為第i 項(xiàng)指標(biāo)的權(quán)重；Vi為第i項(xiàng)指標(biāo)的變異系數(shù)。

③計(jì)算綜合水平指數(shù)

金融扶貧與鄉(xiāng)村振興是兩個(gè)系統(tǒng)，每個(gè)系統(tǒng)都由若干個(gè)指標(biāo)構(gòu)成，需要將兩個(gè)系統(tǒng)的多項(xiàng)指標(biāo)復(fù)合成各自的綜合水平指數(shù)。

式（3．7）中，U1代表金融扶貧綜合水平指數(shù)，U2代表鄉(xiāng)村振興綜合水平指數(shù)；u"i表示第i項(xiàng)指標(biāo)標(biāo)準(zhǔn)化后的數(shù)值。

④計(jì)算耦合度

式（3．8）中，C表示金融扶貧與鄉(xiāng)村振興的耦合度，取值范圍在0～1之間，越接近于1，說(shuō)明兩個(gè)系統(tǒng)的耦合程度越高。

⑤計(jì)算耦合協(xié)調(diào)度

耦合度僅能說(shuō)明兩大系統(tǒng)之間發(fā)展的關(guān)聯(lián)程度，并不能說(shuō)明系統(tǒng)間的總體發(fā)展水平，如是否協(xié)調(diào)發(fā)展、處在哪一發(fā)展階段等。在多區(qū)域或多目標(biāo)之間的耦合比較研究中，僅依靠耦合度衡量系統(tǒng)是否協(xié)調(diào)發(fā)展，有時(shí)可能會(huì)出現(xiàn)偏差（黃賓等，2016），需要構(gòu)建多目標(biāo)之間的耦合協(xié)調(diào)度。計(jì)算公式為：

D為金融扶貧和鄉(xiāng)村振興的耦合協(xié)調(diào)度，反映的是兩個(gè)系統(tǒng)間的協(xié)調(diào)發(fā)展能力和基本狀況，D∈[0，1]。和 為測(cè)算系統(tǒng)間耦合協(xié)調(diào)度的待定系數(shù)，考慮到金融扶貧和鄉(xiāng)村振興在測(cè)算耦合協(xié)調(diào)度時(shí)同等重要，因此本文對(duì) 和 分別賦值為0．5（劉耀彬等，2005；傅智宏等，2015）。

根據(jù)D值的大小，可以將耦合協(xié)調(diào)度的等級(jí)進(jìn)行階段劃分，如表5所示。

（2）指標(biāo)體系

本文根據(jù)前人研究成果，結(jié)合數(shù)據(jù)的可獲取性，構(gòu)建金融扶貧指標(biāo)體系和鄉(xiāng)村振興指標(biāo)體系。

①金融扶貧指標(biāo)體系

將金融扶貧規(guī)模、金融扶貧力度、金融扶貧成效作為金融扶貧體系的一級(jí)指標(biāo)。其中，金融扶貧規(guī)模指標(biāo)參考龔霖丹等人（2017）的研究，選取N銀行安徽省各二級(jí)分行金融精準(zhǔn)扶貧貸款總額、扶貧貸款占總貸款比例、存貸比等三個(gè)二級(jí)指標(biāo)；金融扶貧力度指標(biāo)借鑒孫振宗（2019）的做法，選取各地市分行縣域網(wǎng)點(diǎn)數(shù)量、縣域網(wǎng)點(diǎn)占網(wǎng)點(diǎn)總數(shù)比例、各二級(jí)分行網(wǎng)站發(fā)布金融扶貧動(dòng)態(tài)數(shù)量等三個(gè)二級(jí)指標(biāo)；金融扶貧成效指標(biāo)則選取目前國(guó)內(nèi)外普遍采用的帶動(dòng)建檔立卡貧困人口作為二級(jí)指標(biāo)。

②鄉(xiāng)村振興指標(biāo)體系

選取金融支持規(guī)模、金融支持結(jié)構(gòu)、金融支持效率三個(gè)一級(jí)指標(biāo)來(lái)反映N銀行安徽省分行金融支持鄉(xiāng)村振興的發(fā)展水平。具體二級(jí)指標(biāo)的選取參考了耿光穎等（2019）、謝婷婷等（2019）學(xué)者的研究，其中，金融支持規(guī)模指標(biāo)由各地市分行存款總額、貸款總額、普惠涉農(nóng)小微企業(yè)貸款、惠農(nóng)e貸總額等四個(gè)二級(jí)指標(biāo)構(gòu)成；金融支持結(jié)構(gòu)指標(biāo)用縣域城鎮(zhèn)化貸款總額、重大水利貸款總額、縣域幸福產(chǎn)業(yè)（旅游、醫(yī)院、養(yǎng)老等）貸款總額等三個(gè)二級(jí)指標(biāo)來(lái)表示；金融支持效率指標(biāo)由鄉(xiāng)村振興貸款總額、金融扶貧貸款總額、惠農(nóng)卡有效客戶數(shù)、農(nóng)戶不良貸款率等四個(gè)二級(jí)指標(biāo)構(gòu)成。

表5：耦合協(xié)調(diào)度判斷區(qū)間及類型

表6：金融扶貧和鄉(xiāng)村振興指標(biāo)體系及權(quán)重

表7：各地市金融扶貧效率測(cè)算值

③指標(biāo)權(quán)重的測(cè)算

根據(jù)式（3．6）測(cè)算出各指標(biāo)權(quán)重，具體結(jié)果如表6所示。

金融扶貧系統(tǒng)中，帶動(dòng)建檔立卡貧困人口數(shù)和金融精準(zhǔn)扶貧貸款總額占據(jù)權(quán)重較高，數(shù)值分別為26．51%和25．64%，其次是扶貧貸款占總貸款比例，權(quán)重值為22．36%。說(shuō)明上述指標(biāo)對(duì)金融扶貧的影響較大。鄉(xiāng)村振興系統(tǒng)中，權(quán)重值較高的指標(biāo)為農(nóng)戶不良貸款率、金融扶貧貸款總額、縣域幸福產(chǎn)業(yè)貸款總額、惠農(nóng)e貸總額等，相對(duì)于其他指標(biāo)，這些指標(biāo)對(duì)鄉(xiāng)村振興戰(zhàn)略影響較為明顯。

（三）實(shí)證分析

1．金融扶貧效率及影響因素分析

（1）DEA效率測(cè)算值

本文采用DEA模型，利用deap2．1軟件測(cè)算2017年、2018年、2019年三年N銀行安徽省各地市分行金融扶貧效率，表7匯總了近三年間各地市分行金融扶貧效率值。

根據(jù)表7中DEA效率值測(cè)算結(jié)果，2017年各地市二級(jí)分行中金融扶貧效率較高的有亳州、阜陽(yáng)、六安、安慶和宿州；較低的有宣城、黃山、蚌埠等；2018年金融扶貧效率較高的為亳州、阜陽(yáng)、滁州、六安、宿州、淮南等市，而宣城、黃山、蚌埠、馬鞍山等市效率仍然較低；2019年金融扶貧效率較高的有亳州、宿州、淮南、蕪湖、池州、安慶，較低的有合肥、蚌埠、滁州等。從連續(xù)三年的測(cè)量值來(lái)看，亳州等地市分行金融扶貧效率沒(méi)有損失，效率值均為1；淮南、蕪湖等地市效率值由2017年的低值提高至1，說(shuō)明金融扶貧投入與產(chǎn)出均較上年有較大提升，且產(chǎn)出增加值大大高于投入增加值，從近三年N銀行安徽省分行經(jīng)營(yíng)分析平臺(tái)提取的數(shù)據(jù)可以發(fā)現(xiàn)，僅精準(zhǔn)扶貧貸款總額一項(xiàng)，2019年較2017年就增長(zhǎng)了108%。宿州、安慶分行金融扶貧效率前兩年相比差距不大，且效率損失均較小，2019年效率均無(wú)損失。其中宿州2017年效率值為0．874，2018年為0．826；安慶2017年效率值為0．887，2018年為0．757，兩個(gè)二級(jí)分行2018年金融扶貧效率均較上年有不同程度的下降，究其原因，可能是與貧困人口逐步減少有關(guān)。金融扶貧投入與產(chǎn)出生產(chǎn)效率損失較嚴(yán)重的有蚌埠、馬鞍山、銅陵、宣城等市，這些地市相對(duì)全省其他地市來(lái)說(shuō)，經(jīng)濟(jì)較為發(fā)達(dá)，貧困人口較少，綜合本研究中全要素生產(chǎn)率的產(chǎn)出值指標(biāo)選擇來(lái)看，以帶動(dòng)建檔立卡貧困人口數(shù)作為金融扶貧效率的產(chǎn)出指標(biāo)對(duì)上述地市銀行來(lái)說(shuō)可能較為片面，因而DEA模型測(cè)算結(jié)果顯示金融扶貧效率偏低。

表8：多元線性回歸模型估計(jì)結(jié)果

（2）回歸分析

表8為多元線性回歸模型估計(jì)結(jié)果?；貧w模型擬合優(yōu)度（R2）為0．999，說(shuō)明此回歸模型能較好地?cái)M合估計(jì)值。從回歸結(jié)果來(lái)看，影響金融扶貧效率的幾大因素中，金融精準(zhǔn)扶貧貸款總額（X1）、縣域網(wǎng)點(diǎn)數(shù)量（X2）、扶貧貸款占總貸款比例（X4）、縣域網(wǎng)點(diǎn)占全轄網(wǎng)點(diǎn)數(shù)量比例（X5）等對(duì)因變量影響較大。下面分別對(duì)回歸結(jié)果進(jìn)行簡(jiǎn)單分析：

①金融精準(zhǔn)扶貧貸款總額（X1）

金融精準(zhǔn)扶貧貸款總額（X1）對(duì)帶動(dòng)建檔立卡貧困人口（Y）的影響因子為0．181，P值小于0．01，非常顯著，且影響方向?yàn)檎?。說(shuō)明金融精準(zhǔn)扶貧貸款總額對(duì)帶動(dòng)建檔立卡貧困人口有較強(qiáng)影響。商業(yè)銀行的金融扶貧措施中精準(zhǔn)扶貧貸款的發(fā)放占比較大，因而金融扶貧效率很大程度上體現(xiàn)在精準(zhǔn)扶貧貸款的投放上。精準(zhǔn)扶貧貸款投放較多的商業(yè)銀行扶貧效率往往會(huì)更高，回歸模型中金融精準(zhǔn)扶貧貸款投放較多的二級(jí)分行帶動(dòng)建檔立卡貧困人口數(shù)較多，驗(yàn)證了這一推斷。

②縣域網(wǎng)點(diǎn)數(shù)量（X2）

縣域網(wǎng)點(diǎn)數(shù)量（X2）對(duì)帶動(dòng)建檔立卡貧困人口數(shù)有負(fù)向影響，顯著性為0．002，說(shuō)明縣域網(wǎng)點(diǎn)的數(shù)量與金融扶貧效率呈反向變動(dòng)，且影響較為明顯?？h域網(wǎng)點(diǎn)數(shù)量較多的地市二級(jí)分行相對(duì)縣域網(wǎng)點(diǎn)數(shù)量較少的二級(jí)分行來(lái)說(shuō)，金融扶貧壓力更大，在相當(dāng)?shù)慕鹑诜鲐毻度胂拢a(chǎn)出往往較小。且縣域網(wǎng)點(diǎn)數(shù)量較多的地市相對(duì)來(lái)說(shuō)貧困人口也較多，在其他因素不變的情況下金融扶貧效率較低，帶動(dòng)建檔立卡貧困人口的數(shù)量也較少。

③扶貧貸款占總貸款比例（X4）

扶貧貸款占總貸款比例（X4）與帶動(dòng)建檔立卡貧困人口數(shù)呈負(fù)相關(guān)，顯著性小于0．05（P=0．017）。說(shuō)明與其他地市二級(jí)分行相比，該地市二級(jí)分行在金融扶貧上的投入比例較高，可能占據(jù)了經(jīng)營(yíng)業(yè)務(wù)部分資源投入，因而使得整個(gè)二級(jí)分行經(jīng)營(yíng)利潤(rùn)較少。相比其他經(jīng)營(yíng)業(yè)績(jī)好、經(jīng)濟(jì)基礎(chǔ)較強(qiáng)的二級(jí)分行，扶貧貸款占比較高的二級(jí)分行可能在增加金融扶貧投入上的力度會(huì)較弱，從而導(dǎo)致帶動(dòng)建檔立卡貧困人口較少，金融扶貧效率低下。

表9：金融扶貧和鄉(xiāng)村振興綜合水平指數(shù)時(shí)間變化（2017～2019年）

④縣域網(wǎng)點(diǎn)占全轄網(wǎng)點(diǎn)數(shù)量比例（X5）

縣域網(wǎng)點(diǎn)占全轄網(wǎng)點(diǎn)數(shù)量比例（X5）對(duì)帶動(dòng)建檔立卡貧困人口數(shù)的影響顯著性小于0．01（P=0．005），影響方向?yàn)檎?。說(shuō)明縣域網(wǎng)點(diǎn)數(shù)量占全市網(wǎng)點(diǎn)總數(shù)量比例越高，金融扶貧越見(jiàn)成效?？赡艿脑蛟谟谪毨Эh域網(wǎng)點(diǎn)發(fā)放的貸款一般在計(jì)量口徑上均被視為金融扶貧貸款，尤其對(duì)于阜陽(yáng)、安慶、宿州、六安、亳州等國(guó)定貧困縣較多的地市，相對(duì)其他地市二級(jí)分行來(lái)說(shuō)金融扶貧政策出臺(tái)較多，扶貧貸款投放的力度也較大，由此帶來(lái)的金融扶貧效率也越高，帶動(dòng)建檔立卡貧苦人口數(shù)也相對(duì)較多。

⑤金融扶貧動(dòng)態(tài)條數(shù)（X3）

金融扶貧動(dòng)態(tài)條數(shù)（X3）對(duì)帶動(dòng)建檔立卡貧困人口數(shù)沒(méi)有顯著影響，可能的原因在于各地市二級(jí)分行網(wǎng)站金融扶貧動(dòng)態(tài)發(fā)布標(biāo)準(zhǔn)不同，因而統(tǒng)計(jì)數(shù)據(jù)不具有可比性。例如，統(tǒng)計(jì)數(shù)據(jù)顯示，全年金融扶貧動(dòng)態(tài)條數(shù)最多的為2017年馬鞍山分行（27條），明顯高出其他二級(jí)分行，經(jīng)了解馬鞍山分行網(wǎng)站對(duì)于金融扶貧宣傳較為重視，因而相關(guān)工作動(dòng)態(tài)都及時(shí)登載于相關(guān)網(wǎng)站，而亳州、六安等國(guó)定貧困縣較多的地市二級(jí)分行金融扶貧動(dòng)態(tài)發(fā)布標(biāo)準(zhǔn)高，數(shù)量相對(duì)較少，經(jīng)調(diào)查這些二級(jí)分行金融扶貧工作實(shí)效均超出宣傳范圍。

⑥存貸比（X6）

存貸比是商業(yè)銀行貸款總額與存款總額比例。在本次回歸結(jié)果中存貸比與帶動(dòng)建檔立卡貧困人口數(shù)之間沒(méi)有明顯的相關(guān)關(guān)系。

2．金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)分析

（1）時(shí)序變化分析

根據(jù)表6的指標(biāo)體系和權(quán)重以及耦合度、耦合協(xié)調(diào)度的相關(guān)公式，計(jì)算出2017～2019年N銀行安徽省分行金融扶貧和金融支持鄉(xiāng)村振興兩大系統(tǒng)的綜合水平指數(shù)及其差值（U1-U2），進(jìn)而得到金融扶貧與鄉(xiāng)村振興的耦合度和耦合協(xié)調(diào)度的相應(yīng)數(shù)值。表9給出了2017～2019年N銀行安徽省分行金融扶貧和金融支持鄉(xiāng)村振興綜合水平指數(shù)的時(shí)間變化趨勢(shì)，取值為每一年份所有地市的平均值。U1-U2表示的是金融扶貧綜合水平指數(shù)和鄉(xiāng)村振興綜合水平指數(shù)的差值，正值表示金融扶貧的綜合水平指數(shù)較高，若為負(fù)值則意味著鄉(xiāng)村振興的綜合水平指數(shù)較高；差值的縮小表明兩系統(tǒng)間存在協(xié)調(diào)有序發(fā)展的趨勢(shì)。

①金融扶貧和鄉(xiāng)村振興耦合度較高

從2017年到2019年，N銀行安徽省分行金融扶貧和鄉(xiāng)村振興耦合程度的平均值分別為0．9231、0．9144、0．9162，三年耦合度平均值均在0．9以上。根據(jù)劉耀彬等（2005）對(duì)城市化與生態(tài)環(huán)境耦合度的研究分析，較高的耦合值說(shuō)明兩系統(tǒng)達(dá)到了良性共振耦合，應(yīng)用到本研究中可初步判定為金融扶貧和鄉(xiāng)村振興基本實(shí)現(xiàn)了有效銜接、正趨向于健康有序發(fā)展。

②金融扶貧和鄉(xiāng)村振興耦合協(xié)調(diào)度較低但呈現(xiàn)逐年上升趨勢(shì)

圖5顯示了近三年間金融扶貧與鄉(xiāng)村振興的耦合度以及耦合協(xié)調(diào)度的平均值，耦合度折線在三維圖中呈現(xiàn)出較為平穩(wěn)的趨勢(shì)，協(xié)調(diào)度折線上升說(shuō)明兩系統(tǒng)間協(xié)調(diào)程度越來(lái)越高級(jí)。

表10：2017年各地市耦合協(xié)調(diào)度

表11：2018年各地市耦合協(xié)調(diào)度

表12：2019年各地市耦合協(xié)調(diào)度

如圖5所示，2017年金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度平均值為0．4612，2018年為0．4987，2019年為0．5368，三年的耦合協(xié)調(diào)度平均值均介于0．4到0．6之間。2017年金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度處于瀕臨失調(diào)階段，2018年的耦合協(xié)調(diào)度開(kāi)始往勉強(qiáng)協(xié)調(diào)階段發(fā)展，2019年上升至勉強(qiáng)協(xié)調(diào)階段。根據(jù)近三年耦合協(xié)調(diào)度的發(fā)展趨勢(shì)，可以判斷總體上金融扶貧與鄉(xiāng)村振興尚處在瀕臨失調(diào)向勉強(qiáng)協(xié)調(diào)過(guò)渡的階段。從三維折線圖走勢(shì)來(lái)看，2017年至2019年耦合協(xié)調(diào)度一直呈現(xiàn)出上升的發(fā)展?fàn)顟B(tài)，增幅也越來(lái)越大，這說(shuō)明金融扶貧與鄉(xiāng)村振興的協(xié)調(diào)發(fā)展程度在逐步提高，且增速越來(lái)越快。

③金融扶貧綜合水平指數(shù)平均值低于鄉(xiāng)村振興綜合水平指數(shù)平均值，但二者差距逐漸縮小

2017年金融扶貧綜合水平指數(shù)平均值為0．1954，而鄉(xiāng)村振興綜合水平指數(shù)平均值為0．2929；2018年金融扶貧和鄉(xiāng)村振興綜合水平指數(shù)平均值分別為0．2624、0．3545；2019年分別為0．3385、0．4207，近三年金融扶貧綜合水平指數(shù)一直低于鄉(xiāng)村振興綜合水平指數(shù)，這說(shuō)明N銀行安徽省分行金融扶貧發(fā)展水平總體滯后于鄉(xiāng)村振興發(fā)展水平，這也是兩大系統(tǒng)耦合度較高但耦合協(xié)調(diào)度普遍較低的主要因素。從表9中同時(shí)可以看出，2017年至2019年間，雖然各地市鄉(xiāng)村振興綜合水平指數(shù)普遍高于金融扶貧綜合水平指數(shù)，但兩個(gè)系統(tǒng)間綜合水平指數(shù)差值（U1-U2）的絕對(duì)值在逐年減小，該項(xiàng)差值的絕對(duì)值越大，說(shuō)明兩個(gè)系統(tǒng)的綜合水平指數(shù)相差越大，越不利于協(xié)調(diào)發(fā)展和有效銜接。從三年間綜合水平指數(shù)差值的變化可以看出，金融扶貧和鄉(xiāng)村振興協(xié)調(diào)有序發(fā)展的趨勢(shì)較明顯，金融扶貧的有效產(chǎn)出開(kāi)始往高效服務(wù)于鄉(xiāng)村振興的方向發(fā)展。

（2）空間演化分析

表10至表12顯示了從2017年至2019年N銀行安徽省各地市分行金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度的空間分布及變化情況。

①各地市金融扶貧與鄉(xiāng)村振興的耦合協(xié)調(diào)度在不斷提高

根據(jù)耦合協(xié)調(diào)度計(jì)算結(jié)果，可以發(fā)現(xiàn)2017年至2019年，大部分地市金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度逐年提高。2017年，根據(jù)耦合協(xié)調(diào)度判斷區(qū)間將各地市分為五個(gè)類型，其中，合肥、淮北、淮南等7個(gè)地市為極度失調(diào)-輕度失調(diào)，亳州、蚌埠、滁州等4個(gè)地市為瀕臨失調(diào)，馬鞍山、安慶為勉強(qiáng)協(xié)調(diào)，宿州為初級(jí)協(xié)調(diào)，阜陽(yáng)、六安為中級(jí)協(xié)調(diào)；2018年五個(gè)類型中，淮北、蕪湖、銅陵處在極度失調(diào)-輕度失調(diào)階段，合肥、亳州、蚌埠等9個(gè)地市處在瀕臨失調(diào)階段，安慶和宿州分別處在勉強(qiáng)協(xié)調(diào)和初級(jí)協(xié)調(diào)階段，阜陽(yáng)、六安實(shí)現(xiàn)了良好協(xié)調(diào)向優(yōu)質(zhì)協(xié)調(diào)發(fā)展；2019年處在極度失調(diào)-輕度失調(diào)階段的地市數(shù)量為0，亳州、淮北、蚌埠等11個(gè)地市處在瀕臨失調(diào)階段，合肥進(jìn)入勉強(qiáng)協(xié)調(diào)階段，安慶、宿州分別為初級(jí)協(xié)調(diào)和中級(jí)協(xié)調(diào)，阜陽(yáng)、六安處在良好協(xié)調(diào)-優(yōu)質(zhì)協(xié)調(diào)階段。耦合協(xié)調(diào)度的提高說(shuō)明各地市金融扶貧和鄉(xiāng)村振興的總體發(fā)展水平越來(lái)越協(xié)調(diào)，金融服務(wù)脫貧攻堅(jiān)與金融服務(wù)鄉(xiāng)村振興越來(lái)越能實(shí)現(xiàn)有效銜接。

②金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度的空間差異較明顯，且受地域面積影響較大

從表10至表12中可以看出，16個(gè)地市金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度空間差異較大。2017年耦合協(xié)調(diào)度最高的為六安市，耦合協(xié)調(diào)度值為0．7298，其次為阜陽(yáng)市的0．7219；較低的有淮北市和銅陵市，協(xié)調(diào)度值分別為0．3612和0．2273。2018年耦合協(xié)調(diào)度較高的依然是六安和阜陽(yáng)，且耦合協(xié)調(diào)度區(qū)間均由中級(jí)協(xié)調(diào)過(guò)渡至良好-優(yōu)質(zhì)協(xié)調(diào)；耦合協(xié)調(diào)度值較低的有銅陵、蕪湖、淮北等，其中淮北市仍處在極度失調(diào)-輕度失調(diào)階段；2019年除六安、阜陽(yáng)外，宿州和安慶的耦合協(xié)調(diào)度也提升較快，分別發(fā)展至中級(jí)協(xié)調(diào)階段和初級(jí)協(xié)調(diào)階段；銅陵、淮北的協(xié)調(diào)度值仍較低，發(fā)展階段雖然有所提升但依然處在瀕臨失調(diào)階段。從上述分析中可以初步判斷金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度受地域面積影響較大，相對(duì)于六安、阜陽(yáng)、安慶、宿州等地市來(lái)說(shuō)，銅陵市和淮北市在安徽省占地面積較小，人口也相對(duì)較少，因此在金融扶貧與鄉(xiāng)村振興發(fā)展水平及服務(wù)能力上也相對(duì)較弱，從而導(dǎo)致兩系統(tǒng)間耦合協(xié)調(diào)程度較低。

③貧困縣數(shù)量較多的地區(qū)金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度較高

從實(shí)證結(jié)果來(lái)看，近三年金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度較高值集中分布在六安、阜陽(yáng)、宿州、安慶等四個(gè)地市。截至2020年4月29日，安徽省宣布省內(nèi)所有貧困縣全部脫貧摘帽前，六安、阜陽(yáng)、宿州、安慶四市國(guó)定貧困縣分布數(shù)量較多。相對(duì)于貧困縣域分布較少地市，上述地市在金融扶貧上的投入較大，金融扶貧的規(guī)模、力度等都大于其他地市，因而金融扶貧也更見(jiàn)成效，與之相應(yīng)地也就更加促進(jìn)了鄉(xiāng)村振興的發(fā)展，實(shí)現(xiàn)了金融扶貧與鄉(xiāng)村振興的有效銜接。貧困縣數(shù)量較多地區(qū)金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度較高，也從某種意義上證明了金融扶貧與鄉(xiāng)村振興的一脈相承、一以貫之。

（四）研究結(jié)論

本文基于金融扶貧助力我國(guó)脫貧攻堅(jiān)取得決戰(zhàn)決勝階段勝利和《鄉(xiāng)村振興戰(zhàn)略規(guī)劃（2018—2022）》施行的大背景，在總結(jié)、梳理以前學(xué)者研究的基礎(chǔ)上，創(chuàng)新性地以國(guó)有大型商業(yè)銀行——N銀行作為研究對(duì)象，選取N銀行安徽省16家地市二級(jí)分行數(shù)據(jù)，利用DEA模型測(cè)算2017年、2018年、2019年三年金融扶貧效率值，利用多元回歸模型分析金融扶貧效率的影響因素；并在此基礎(chǔ)上探究金融服務(wù)脫貧攻堅(jiān)與金融服務(wù)鄉(xiāng)村振興銜接過(guò)程中的耦合協(xié)調(diào)發(fā)展關(guān)系。研究表明：

第一，2017年，亳州、阜陽(yáng)、六安、安慶、宿州等二級(jí)分行金融扶貧效率較高，其中亳州、阜陽(yáng)、六安等金融扶貧投入產(chǎn)出效率值無(wú)損失；2018年亳州、阜陽(yáng)、滁州、六安、宿州、淮南等二級(jí)分行金融扶貧效率較高，其中亳州、阜陽(yáng)、滁州、六安等金融扶貧投入產(chǎn)出效率值無(wú)損失；2019年亳州、宿州、淮南、安慶等二級(jí)分行金融扶貧效率較高；相對(duì)于經(jīng)濟(jì)較發(fā)達(dá)地市，貧困縣數(shù)量較多的地市銀行金融扶貧效率往往相對(duì)較高。

第二，在金融扶貧效率的影響因素方面，金融精準(zhǔn)扶貧貸款總額、縣域網(wǎng)點(diǎn)數(shù)量占全轄網(wǎng)點(diǎn)比例等對(duì)帶動(dòng)建檔立卡貧困人口有顯著正向影響；縣域網(wǎng)點(diǎn)總數(shù)、扶貧貸款占總貸款比例等對(duì)帶動(dòng)建檔立卡貧困人口有顯著負(fù)向影響。

第三，通過(guò)研究金融扶貧與鄉(xiāng)村振興兩大系統(tǒng)間的耦合協(xié)調(diào)關(guān)系，發(fā)現(xiàn)在時(shí)序變化方面，金融扶貧與鄉(xiāng)村振興耦合度較高，耦合協(xié)調(diào)度較低但呈現(xiàn)逐年上升趨勢(shì)；金融扶貧綜合水平指數(shù)平均值低于鄉(xiāng)村振興綜合水平指數(shù)平均值，但二者差距逐漸縮小。

第四，在空間演化方面，各地市金融扶貧與鄉(xiāng)村振興的耦合協(xié)調(diào)度都在不斷提高；兩系統(tǒng)間耦合協(xié)調(diào)度的空間差異較明顯，且受地域面積影響較大；貧困縣數(shù)量較多的地區(qū)金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度普遍較高。

政策建議

鄉(xiāng)村振興在農(nóng)村治理的新時(shí)代背景下應(yīng)運(yùn)而生，是脫貧攻堅(jiān)的升級(jí)版。在打贏脫貧攻堅(jiān)戰(zhàn)與實(shí)施鄉(xiāng)村振興戰(zhàn)略的歷史交匯期，商業(yè)銀行要從戰(zhàn)略規(guī)劃、體制機(jī)制、政策措施等方面入手，對(duì)服務(wù)脫貧攻堅(jiān)與鄉(xiāng)村振興進(jìn)行通盤考慮和統(tǒng)籌謀劃，建立健全精準(zhǔn)銜接機(jī)制，形成銜接的事項(xiàng)清單，明確銜接的路徑辦法，積極做好服務(wù)脫貧攻堅(jiān)與支持鄉(xiāng)村振興的有機(jī)銜接。

（一）加大精準(zhǔn)扶貧貸款投放力度

根據(jù)本文實(shí)證研究結(jié)果可知，金融精準(zhǔn)扶貧貸款對(duì)于帶動(dòng)建檔立卡貧困人口數(shù)、提高金融扶貧效率有顯著正向影響。從近三年金融扶貧效率測(cè)算值來(lái)看，金融扶貧效率較高的地市二級(jí)分行精準(zhǔn)扶貧貸款投放總額均較大。此外扶貧貸款投放較多、金融扶貧效率較高的地市往往其金融扶貧與鄉(xiāng)村振興的耦合協(xié)調(diào)程度也較高，因此商業(yè)銀行應(yīng)充分發(fā)揮金融機(jī)構(gòu)的行業(yè)和產(chǎn)品優(yōu)勢(shì)，加大精準(zhǔn)扶貧貸款的投放力度，多渠道、多領(lǐng)域?qū)嵤┵J款投放，為金融扶貧和鄉(xiāng)村振興服務(wù)提供強(qiáng)有力的資金支持。

（二）創(chuàng)新縣域網(wǎng)點(diǎn)金融扶貧模式

本研究實(shí)證結(jié)果表明，縣域網(wǎng)點(diǎn)個(gè)數(shù)對(duì)金融扶貧效率產(chǎn)生負(fù)向影響，但縣域網(wǎng)點(diǎn)占全轄網(wǎng)點(diǎn)比例卻對(duì)金融扶貧效率產(chǎn)生正向顯著影響。因此商業(yè)銀行在優(yōu)化縣域網(wǎng)點(diǎn)金融扶貧模式方面有兩條可行路徑，一是在現(xiàn)有縣域網(wǎng)點(diǎn)數(shù)量不發(fā)生變化的情況下，對(duì)全轄網(wǎng)點(diǎn)資源進(jìn)行整合，結(jié)合新時(shí)代商業(yè)銀行網(wǎng)點(diǎn)轉(zhuǎn)型工作，減少資源與服務(wù)能力不相匹配的冗余網(wǎng)點(diǎn)，集中優(yōu)勢(shì)資源為金融扶貧提供人力保障；二是適當(dāng)在貧困縣域增建鄉(xiāng)鎮(zhèn)網(wǎng)點(diǎn)，尤其鼓勵(lì)縣域城區(qū)網(wǎng)點(diǎn)服務(wù)范圍往周邊鄉(xiāng)鎮(zhèn)轉(zhuǎn)移，相關(guān)扶貧政策可以更好地惠及更多貧困人群。

（三）大力推動(dòng)金融機(jī)構(gòu)產(chǎn)業(yè)扶貧

授人以魚不如授人以漁。金融扶貧助力脫貧攻堅(jiān)除表現(xiàn)在資金與人力支持上，更應(yīng)體現(xiàn)在以精準(zhǔn)扶貧貸款帶動(dòng)產(chǎn)業(yè)發(fā)展上。以市場(chǎng)為導(dǎo)向，以經(jīng)濟(jì)效益為中心，充分發(fā)揮產(chǎn)業(yè)發(fā)展對(duì)扶貧開(kāi)發(fā)的杠桿作用。商業(yè)銀行應(yīng)建立以支持扶貧產(chǎn)業(yè)發(fā)展為重點(diǎn)的精準(zhǔn)扶貧貸款投放機(jī)制，以產(chǎn)業(yè)鏈發(fā)展促進(jìn)貧困地區(qū)發(fā)展、切實(shí)增加貧困農(nóng)戶收入。

（四）擴(kuò)大金融支持鄉(xiāng)村振興規(guī)模

本研究中金融支持規(guī)模指標(biāo)由各地市分行存款總額、貸款總額、普惠涉農(nóng)小微企業(yè)貸款、惠農(nóng)e貸總額等四個(gè)二級(jí)指標(biāo)構(gòu)成。根據(jù)前文描述性統(tǒng)計(jì)分析可知，金融支持鄉(xiāng)村振興規(guī)模較大的地市往往鄉(xiāng)村振興綜合水平指數(shù)值較高，因此，促進(jìn)鄉(xiāng)村振興發(fā)展應(yīng)增加對(duì)涉農(nóng)和小微企業(yè)貸款、惠農(nóng)e貸等的投放，進(jìn)一步擴(kuò)大金融支農(nóng)規(guī)模和金融發(fā)展規(guī)模。

（五）優(yōu)化金融支持鄉(xiāng)村振興結(jié)構(gòu)

從金融支持鄉(xiāng)村振興戰(zhàn)略的金融需求分析中可以看出，實(shí)現(xiàn)金融扶貧與鄉(xiāng)村振興服務(wù)的有效銜接需要著重優(yōu)化金融支持鄉(xiāng)村振興結(jié)構(gòu)，如因地制宜投放特色產(chǎn)業(yè)貸款，適當(dāng)增加縣域城鎮(zhèn)化貸款、基礎(chǔ)設(shè)施類貸款以及旅游、醫(yī)院、養(yǎng)老等幸福產(chǎn)業(yè)貸款的投放力度等。

注釋：

1國(guó)家統(tǒng)計(jì)局網(wǎng)站于2020年1月23日發(fā)布。

2《光明日?qǐng)?bào)》于2020年1月24日發(fā)布。

3《中共中央國(guó)務(wù)院關(guān)于實(shí)施鄉(xiāng)村振興戰(zhàn)略的意見(jiàn)》由中央人民政府網(wǎng)于2018年2月4日發(fā)布。

4《新安晚報(bào)》2020年4月30日刊載的《脫貧攻堅(jiān)，安徽交出完美答卷》一文。