中国省域普惠金融与农业现代化的空间分布特征及计量检验

杨雪云，时浩楠

(安徽大学 社会与政治学院，安徽 合肥 230601)

农业是关系到各行各业以及千家万户的国民经济基础产业，是各业之母，其发展健康与否直接关乎到整个社会的改革、 发展与稳定。[1]然而，在资源环境约束日趋强化以及世界农产品市场日益融合的双重背景下，农业粗放的发展方式以及薄弱的竞争力问题也不断凸显。为了有效解决这些问题，实现农业健康可持续发展，党的十七大强调要加强农业的基础地位，以及走中国特色农业现代化道路。之后，国务院印发的《全国农业现代化规划(2016—2020年)》更是在战略要求上提出农业的根本出路在于现代化，农业现代化是国家现代化的基础和支撑。但是，推进农业现代化毕竟是一项系统性工程，涉及到方方面面，更是离不开资金这一关键要素的充分保障，而金融是破解农业现代化过程中的资金难题的重要力量，因此，金融对于推进农业现代化建设具有重要意义。[2]

目前，学界有关金融对农业现代化的影响研究正在逐渐增多，并取得了一定的成果。定性研究方面，李钊(2015年)认为实现农业现代化是国民经济和社会发展的重要战略目标，而金融作为现代经济的核心，在农业现代化进程中扮演着举足轻重的作用。[3]张延昕(2017年)则重点探讨了“互联网+农业”背景下的金融支持对农业现代化的重要作用，并针对当前我国农业现代化的金融支持路径矛盾提出了有针对性的政策建议。[4]雷德雨和张孝德(2016年)总结了美国与日本农村金融支持农业现代化的经验教训，提出我国农村金融支持农业现代化还存在着科技与绿色金融供给不足、 农业保险体系不完善等诸多问题。[5]郑凌霄和刘宁宁(2015年)认为金融的大力支持是江苏农业现代化急速发展的重要原因，但江苏农业现代化的金融支持仍存在一系列的问题，主张从组建农村资金互助社，建立南北金融合作平台等方面解决江苏农业现代化金融支持所面临的问题。[6]代洪丽(2012年)在对广西农业现代化金融支持的现状分析基础之上，进一步研究了广西农业现代化金融支持薄弱的成因，并从构建完善的多层次多元化农村金融体系，加快推进利率市场化进程大等角度提出了加大广西金融对农业现代化发展支持力度的相关政策措施。[7]

定量研究方面，汪邹霞和黎红梅(2016年)以湖南2005年～2014年的面板数据为例，利用因子分析法和多元线性回归法，实证分析了湖南金融对农业现代化的促进作用，以及湖南金融支农的影响因素，认为湖南金融对农业现代化发展具有显著的正向影响而人均农业存款、 金融从业人数、 二元经济结构以及金融网点分布密度均是影响金融支农效率的主要因素。[8]王鹏(2014年)以山东17个地市2008年～2011年的面板数据为例，基于哈罗德-多马模型，采用主成分分析和面板修正的标准差估计方法实证分析了以山东储蓄率、 储蓄转换为投资的效率以及资本产出比率等指标为代表的金融对农业现代化发展的影响，并进一步地采用协调度模型对金融支持农业现代化的协调发展水平进行了相关分析。[9]顾宁和余孟阳(2013年)测度了我国部分省份的农业现代化发展水平，并利用Pagano模型识别了农业现代化发展过程的金融支持路径，以及不同金融路径的支农作用差异，认为储蓄动员效率、 储蓄投资转化效率和投资投向效率均是农业现代化发展的主要金融支持路径，而且储蓄动员效率对农业现代化的影响最大、 储蓄投资转化效率次之，而投资投向效率的影响最小。[10]

不难发现，现有研究成果总体上仍以定性研究为主，定量研究相对不足。同时，学者们只是关注了传统金融对农业现代化的影响，忽视了非传统金融对农业现代化可能存在的影响，而鉴于我国传统金融由于长期存在中小企业融资难、 农村金融发展滞后、 地区金融发展水平差异显著等问题[11]，已经越来越难以满足农业现代化建设日益增长的资金需求这一基本事实，加强对非传统金融，尤其是立足于机会平等要求和商业可持续原则的普惠金融在农业现代化进程中的作用研究，显然是十分必要的。此外，考虑到金融发展所依赖的金融资源以及农业现代化所涉及到的农业生产活动均具有较强的地理空间属性，因此，在研究金融对农业现代化的影响时合理引入地理空间角度的分析也是十分有益的。基于此，本文选择在对普惠金融与农业现代化的空间分布特征深入分析基础之上，进一步地采用面板数据回归模型对二者内在关系加以实证检验，有针对性地提出相关的政策建议，以期在丰富现有金融与农业现代化相关研究成果的同时也能够为我国普惠金融与农业现代化的健康发展提供有益的决策参考。

1 数据来源和研究方法

1.1 数据来源

文中有关普惠金融的相关指标，如互联网普及率数据来源于2001年-2016年中国互联网络信息中心(CNNIC)发布的《中国互联网络发展状况统计报告》，移动电话普及率数据来源于2001年-2016年的《中国第三产业统计年鉴》以及《中国统计年鉴》，而金融机构数数据来自于作者对中国银行业监督管理委员会金融许可证信息查询网站(http://xukezheng.cbrc.gov.cn/ilicence/licence/licence Query.jsp)的检索与整理，年末存款余额和年末贷款余额来自于2001年-2016年的《中国金融年鉴》 《中国统计年鉴》以及《新中国六十年统计资料汇编》。有关农业现代化的相关指标，如农林牧渔业总产值、 主要农产品产量、 农业机械总动力、 耕地面积、 有效灌溉面积、 耕地面积数据均来自于中经网统计数据库(http://db.cei.cn/page/)，第一产业从业人数数据一部分来源于历年的《中国统计年鉴》，一部分来源于对各省市统计年鉴的搜集整理。其余指标数据如未做单独说明，均来自于历年的《中国统计年鉴》，对于少数部分缺失的数据，则采用均值进行插值处理。

1.2 研究方法

1.2.1 普惠金融发展指数

普惠金融发展指数是较早由Sarma和Pais(2011年)提出并加以使用的一种用于度量普惠金融发展水平的方法。[12]该方法具有可操作性强、 准确性高且指标容易获取等优点，近年来已被国内外学者广泛认可[13-14]。借鉴黄燕辉[15](2018年)的研究成果，本文选择的普惠金融度量指标主要包括反映普惠金融渗透程度的每百平方公里金融机构数和每万人金融机构数以及反映普惠金融使用维度的金融机构年末人均存款余额和年末人均贷款余额。本文的普惠金融发展指数计算方法如下：

(1)

式中：Fina为普惠金融发展指数，取值范围为[0,1]，Fina越大，表示普惠金融发展水平也高，反之，则普惠金融发展水平越低；Zi为第i个普惠金融度量指标取值，Mi与mi分别为第i个普惠金融度量指标的最大值与最小值，K为普惠金融的度量指标个数，这里取值为4，r为设定的敏感性系数，通常取值为0.5。

1.2.2 农业现代化水平指数

农业现代化水平指数是由赵雪雁等(2018)所使用的一种度量农业现代化发展水平的方法[16]，其本质上仍是一种多指标评价方法，只是相对于传统的农业现代化多指标评价方法而言，其所依据的指标数量相对更少，但指标的代表性却相对更强。本文也同样选择利用农业劳均经济产出(农林牧渔业总产值/第一产业从业人数)、 农业劳均主要农产品产量(主要农产品产量/第一产业从业人数)、 农业机械化程度(农业机械总动力/耕地面积)、 农业灌溉指数(有效灌溉面积/耕地面积)来构建农业现代化水平指数。具体计算方法如下：

(2)

式中：Agri为农业现代化水平指数；λ为各指标的权重，结合研究的需要，本文将利用变异系数法生成对应指标的权重；X′为采用极差标准化后的各指标数值，i为指标个数，这里的取值为4。

1.2.3 空间趋势面分析

空间趋势面分析是用于对某一要素在地理空间上的分布规律和变化趋势进行模拟的地统计方法。其原理在于：首先，将样本点的位置绘制在xy平面上； 然后，依据选定的属性变量生成每个样本点在第三个维度z轴的高度，并将三维坐标分别投影到xz平面和yz平面上，并依据投影平面上的散点图拟合出趋势线； 最后，依据拟合出的趋势线判断某一属性在空间上的分布趋势特征，其数学概念定义如下[17]

Zi(xi,yi)=Ti(xi,yi)+εi,

(3)

式中：Zi(xi，yi)为区域i的某一属性值，Ti(xi,yi)为以二阶多项式拟合的趋势函数，(xi,yi)为平面坐标，ε为误差项。

1.2.4 双变量空间自相关模型

空间自相关模型是一种衡量一个地理单元上某种特定地理现象或属性值与其相邻地理单元上的同一现象或属性值之间的相关程度大小的指标，分别包括全局空间自相关模型和局部空间自相关模型。为研究普惠金融和农业现代化在省际之间的空间相关性，本文采用双变量全局空间自相关模型和双变量局部空间自相关模型，利用双变量全局Moran指数和双变量局部Moran指数对普惠金融和农业现代化的空间关联特征进行分析，其计算过程如下：

(4)

Ii=Agrii∑WijFinaj,

(5)

式中：I为双变量全局Moran指数，Ii双变量局部Moran指数，Finai为省市i的普惠金融水平，Agrii为省市i的农业现代化水平，Wij为省市i和省市j的空间权重矩阵，相邻则为1，否则为0。

2 普惠金融与农业现代化的空间分布特征

2.1 空间趋势特征分析

利用式(1)和式(2)，在计算出2001年-2016年各省市普惠金融与农业现代化发展水平的基础上(1)限于篇幅，此处并未列出普惠金融与农业现代化水平的测算结果，如有兴趣可向作者索取。，可进一步利用式(3)得出2001年、 2016年中国省域普惠金融与农业现代化的空间趋势面分析结果(如图1 所示)，其中，x轴与y轴分别代表正东、 正北方向。

图1 2001年、 2016年普惠金融与农业现代化空间趋势面分析

2001年，普惠金融与农业现代化在东西方向上均呈现出东高西低的分布趋势，且趋势面的坡度较为陡峭，表明东西方向上的普惠金融与农业现代化均具有明显的空间分异现象，而普惠金融与农业现代化在南北方向上均呈现出北高南低的分布趋势，但趋势面的坡度较为平缓，表明南北方向上的普惠金融与农业现代化均未没有出现强烈的空间分异现象。2016年与2001年相比，普惠金融与农业现代化在东西方向上的总体变化相对不大，仍保持着东高西低的分布趋势，但趋势面的形态开始变得较为平缓，而在南北方向上普惠金融与农业现代化的趋势面开始呈现倒U型形态，尤其是普惠金融的倒U型形态更为明显，这一趋势表明，与南北部地区相比，中部地区的普惠金融与农业现代化水平开始出现不断增强的趋势，但总体而言，此时北部地区无论是普惠金融还是农业现代化水平仍明显高于南部地区，二者的北高南低的分布趋势仍未发生本质的变化。

2.2 空间关联特征分析

由式(4)可以计算得到2001年-2016年中国省域普惠金融与农业现代化的双变量全局Moran指数及其检验结果(见表1)。从表1 中可知，各年的Moran’s I指数均为正，且均通过了显著性水平为1%的Z检验，表明中国省域普惠金融与农业现代化存在明显的空间正相关关系，即普惠金融水平较高的省市往往会具有较高的农业现代化水平，而普惠金融水平较低的省市往往也会具有较低的农业现代化水平。此外，中国省域普惠金融与农业现代化的双变量全局Moran指数总体介于0.357 6-0.543 2 之间，也表明二者的空间正相关关系较强，空间集聚程度也较高，且从双变量全局Moran指数的变化趋势可知，双变量全局Moran指数总体呈现出波动上升的发展态势，说明随着时间的推移，普惠金融与农业现代化空间集聚分布的现象更加明显。

表1 2001年-2016年普惠金融与农业现代化的双变量全局Moran指数

双变量全局Moran指数表明总体上中国省域普惠金融与农业现代化之间存在空间正相关关系，但是具体到特定的省市，这种空间正相关关系是否仍能满足却不得而知，因此，本文进一步利用式(5)，继续采用双变量局部空间自相关模型对普惠金融与农业现代化的空间关系进行局部分析，得出通过1%显著性水平检验的双变量Lisa集聚图(见图2)，据此可以发现：中国省域普惠金融与农业现代化共存在四类显著的空间集聚类型。

高高集聚型：指普惠金融水平高，农业现代化水平也高的省市。由图2 可以看出，2001年和2006年，属于该类型的省市均是北京、 天津、 江苏； 2011年，属于该类型的省市是北京、 天津、 江苏、 浙江； 2016年，属于该类型的省市是江苏、 浙江、 上海。总体来看，该类型所属省市主要是以东部沿海地区的几个经济强省为主，分布范围相对不大。这些省市经济发达，一方面为完善金融基础设施建设、 提高金融服务覆盖率、 优化普惠金融发展环境提供了重要的前提条件； 另一方面也为实现农业的装备现代化、 科技现代化以及经营管理现代化提供了坚实的物质基础。因此，这些省市的普惠金融与农业现代化水平远高于周边省市。

图2 2001年、 2006年、 2011年、 2016年各年普惠金融与农业现代化的双变量Lisa集聚图

低低集聚型：指普惠金融水平低，农业现代化水平也低的省市。2001年，属于该类型的省市是新疆、 甘肃、 陕西、 四川、 重庆、 云南、 贵州； 2006年，属于该类型的省市是新疆、 宁夏、 陕西、 四川、 重庆、 云南、 贵州、 湖南； 2011年，属于该类型的省市是新疆、 西藏、 宁夏、 陕西、 四川、 云南、 贵州； 2016年，属于该类型的省市是新疆、 宁夏陕西、 四川、 云南、 贵州。总体来看，该类型所属省市主要以西部内陆地区的省市为主，分布相对较为集中，范围由扩大到缩小。该类型所属省市由于存在生态环境相对脆弱、 地理区位欠佳、 经济基础薄弱、 城乡差距明显等诸多不利因素，金融基础设施与农业基础设施建设相对落后，普惠金融水平与农业现代化水平与周边省市相比普遍较低。

低高集聚型：指普惠金融水平低，农业现代化水平高的省市。2001年和2006年，属于该类型的省市是河北； 2011年，并无属于该类型的省市，2016年，属于该类型的省市是山东和安徽。不难发现，该类型所属省市数量较少，分布范围变化较大。这三个省市本身均为农业大省，无论是农业综合生产能力还是农业物质装备水平均相对较高，农业现代化发展也具有一定的优势与潜力，而这三个省市与周边的北京、 江苏相比，金融服务渗透度与可获得性均相对不高，普惠金融水平还有待提升。

高低集聚型：指普惠金融水平高，农业现代化水平低的省市。2001年，属于该类型的省市是宁夏； 2011年，属于该类型的省市是重庆； 而 2006年和2016年，并无属于该类型的省市。可见，该类型相对并不常见。该种类型早期分布在宁夏和重庆的主要原因在于与周边的省市相比，宁夏与重庆的经济发展水平相对更高，普惠金融具有相对较好的发展条件，但宁夏的水资源贫乏、 土壤荒漠化以及重庆的多山地、 多丘陵地形很大程度上制约了两省市的农业现代化发展，因而，与周边省市相比这两个省市的农业现代化水平仍相对不高。

3 普惠金融对农业现代化影响的计量检验

3.1 变量选取与模型构建

本文选择以农业现代化(Fina)为被解释变量，以普惠金融(Fina)为解释变量，通过构建面板数据回归模型，来考察普惠金融与农业现代化的关系。同时，为了提高模型估计的准确性与可靠性，从以下几个方面选择相关的控制变量(详见表2)。

表2 变量定义与说明

1) 农业固定资产投资(Fixe)：农业固定资产投资反映了农业现代化的投资规模，而现有大量研究成果也表明农业的资本积累与深化是农业现代化发展的重要动力[8]，本文采用农林牧渔业全社会固定资产投资额来测算各省市的农业固定资产投资规模。2) 交通便捷程度(Traf)：便捷的交通是农业实现规模化生产与农产品实现外销的重要前提[18]，本文采用公路路网密度来测算各省市的交通便捷程度。3) 财政支农水平(Gove)：农业是国民经济的薄弱环节，相对于二三产业而言，农业更容易受到自然资源与气候条件的不利影响，由此，决定了财政支农的重要性和必要性[19]，本文采用地方财政中的农林水事务支出额来测算各省市的财政支农水平。4) 科技支农水平(Tech)：农业现代化离不开科技的支撑，而农业科技人员能够反映出科技对农业的支撑情况[20]，本文采用农业技术人员占第一产业就业人数比重来测算各省市的科技支农水平。5) 农业受灾率(Disa)：农业受灾率反映了农业受自然灾害的影响程度，不可控的自然灾害对农业生产的影响巨大，这也与农业的特殊性有关[21]，本文采用农业技术人员或农作物受灾面积与农作物播种面积比值来测算各省市的科技支农水平。

根据所选定的变量以及数据结构特征，本文建构了如下所示的面板回归模型：

Agriit=β0+β1Finait+β2Fixeit+β3Trafit+

β4Goveit+β5Techit+β6Disait+εit,

其中，β0为常数项，β1～β6为相关变量的回归系数；εit为随机扰动项，i=1,2,3，...,31，t=1,2,3，…，16.

3.2 结果分析

表3 报告了普惠金融对农业现代化影响的面板模型估计结果。为了进一步探讨普惠金融对农业现代化影响的地区性差异，表3同时也报告了我国东中西部地区的回归结果。从Hausman检验结果来看，全国、 东部以及西部地区的Hausman检验均未通过相应的显著性检验，说明固定效应模型(FE)并不优于随机效应模型(RE)，报告了基于随机效应模型(RE)的估计结果，而中部地区的Hausman检验通过了1%水平下的显著性检验，说明固定效应模型(FE)优于随机效应模型(RE)，报告了基于固定效应模型(FE)的估计结果。

表3 普惠金融对农业现代化影响的面板模型估计结果

从普惠金融(Fina)的回归结果来看，全国普惠金融的回归系数为0.388 1，并在1%的水平下显著，表明普惠金融确实能够显著促进农业现代的发展，加强普惠金融发展对于加快推进我国农业现代化建设具有重要意义。东部地区普惠金融的回归系数为0.061 6，但并未通过相应的显著性检验，而中部地区普惠金融的回归系数为0.236 1，西部地区普惠金融的回归系数为0.242 9并均在至少5%的水平下显著，表明东部地区普惠金融对农业现代化的促进作用并不明显，而中西部地区普惠金融对农业现代化的促进作用却十分明显，这可能是由于东部地区的金融发展水平整体上要高于中西部地区，金融对农业现代化的促进作用已在传统金融领域得到充分释放，导致普惠金融在农业现代化中发挥作用的空间变得相对有限。

从各控制变量来看，全国、 东部地区、 中部地区、 西部地区农业固定资产投资(Fixe)、 交通便捷程度(Traf)、 财政支农水平(Gove)的系数均显著为正，表明无论是在全国层面还是区域层面，农业固定资产投资、 交通便捷程度、 财政支农水平均是促进农业现代化水平的提高重要因素。同时，全国、 东部地区、 中部地区科技支农水平(Tech)的系数均显著为正，而西部地区科技支农水平(Tech)系数虽也为正，但并不显著，说明科技支农水平虽然显著促进了全国、 东部地区与中部地区的农业现代化发展，但并未对西部地区的农业现代化发展起到显著的影响，这主要是因为，我国的西部地区自身的科技支农水平还相对有限，尚不足以满足农业现代化的发展需要。此外，全国、 东部地区农业受灾率(Disa)的系数均显著为负，而中部地区、 西部地区农业受灾率(Disa)的系数虽也为负，但并不显著，说明农业受灾率是制约全国、 东部地区农业现代化发展的重要因素，但不是制约中部地区、 西部地区的重要因素，这主要是由于相比较于传统的旱灾而言，东部地区的农业发展往往更容易受到台风、 洪涝的不利影响，而后两者的发生频率与破坏力也远远高于前者，因此，东部地区的农业受灾率对农业现代化的制约也更为明显。

4 结论与政策建议

本文以中国大陆31省市2001年-2016年的面板数据为例，综合采用普惠金融发展指数、 农业现代化水平指数、 空间趋势面分析以及双变量空间自相关模型等方法研究了中国省域普惠金融和农业现代化的的空间分布特征并利用面板数据回归模型对其内在关系进行了计量检验，主要结论如下：

第一，从空间趋势特征看，2001年-2016年，中国省域普惠金融与农业现代化均呈现出“东高西低、 北高南低”的空间分布趋势，且普惠金融与农业现代化在东西方向上的空间分异现象较明显，而在南北方向上的空间分异现象不太明显。

第二，从空间关联特征来看，中国省域普惠金融与农业现代化在空间上具有显著的正相关关系，具有明显的空间集聚分布特征。普惠金融与农业现代化在局部地区具有高高集聚、 低低集聚、 低高集聚和高低集聚四种空间集聚类型，其中，以西部内陆省市为代表的低低集聚是主要的分布类型，且该类型的分布范围以由逐渐扩大转变为逐渐缩小。

第三，从面板数据回归模型的估计结果来看，普惠金融显著促进了农业现代化水平的提高，但这种促进作用存在地区性差异，表现为中西部地区的显著与东部地区的不显著。同时，农业固定资产投资、 交通便捷程度、 财政支农水平均是影响农业现代化的重要因素。

针对研究结论提出以下几点政策建议：首先，要正确认识普惠金融在农业现代化发展中的重要作用，通过加强对普惠金融与农业现代化的理论与实务探讨研究，全面客观地评判普惠金融对农业现代化发展的贡献，拓展提升农业现代化发展的有效途径。其次，要加强中西部地区金融基础设施建设，优化中西部地区普惠金融发展环境。与东部沿海地区相比，我国的中西部地区普遍面临着金融基础设施不健全的问题，这在一定程度制约了普惠金融对农业现代化促进作用的发挥，因此，要通过建立健全现代化的支付清算体系，优化支付服务环境以及发展信用中介机构，健全信用体系等措施加强中西部地区的支付体系和信用体系等金融基础设施建设。最后，要依托依托计算机、 云计算以及大数据技术可以有效地降低普惠金融的征信成本与交易成本，合理控制普惠金融的信贷风险以及实现普惠金融的商业可持续。尽管普惠金融的服务对象是那些很难从银行获得信贷支持的小微企业、 穷人、 低收入群体，但是，普惠金融毕竟不是慈善和救济，仍须考虑资金的使用效率和信贷风险的防控问题。因此，要依赖信息通讯技术手段，实现普惠金融的健康可持续发展，全力服务于我国农业现代化发展。