政府监管对金融支农效率的影响研究

●岳喜优

“十四五”时期，解决我国经济社会发展不平衡不充分问题的重点和难点在“三农”领域，需要深入推进农村改革，补齐农业农村发展短板。 中央一号文件连续18 年聚焦“三农”，充分说明农业农村发展对我国社会主义现代化建设的重要意义。2018 年中央一号文件要求强化农业农村优先发展投入保障，财政投入引领金融资本、社会资金参与乡村产业发展，加大对农业农村发展的信贷支持力度。促进乡村经济发展是我国当前阶段工作的重点，而农村金融是农村经济的核心，实现乡村振兴，促进乡村产业繁荣必须推进农村金融发展。受农业弱质性的影响，现有的金融体系难以保障农民获得充足的金融服务供给，农村金融依然是整个金融体系中薄弱的环节，缓解农村金融约束是一个长期过程，当前阶段应注重提高金融支农效率。 资本的逐利性与农业的弱质性决定了农村金融无法和城市金融同步发展，依靠市场自发调节解决不了农村金融供需失衡的问题，因此政府的作用极其重要。 现阶段要提升农村经济发展，必须要提高金融支农效率，同时加强政府监管力度，坚持金融服务支持乡村振兴。 基于此，文章测度了全国31 个省份的金融支农效率，并验证了政府监管对金融支农效率的影响，提出提升金融支农效率的对策，期冀对提升金融支农效率、完善农村金融发展体系提供参考与借鉴。

一、文献综述

金融的优化资源配置功能对于农业现代化发展具有重要意义，提高农村经济发展活力需要提高农村金融服务效率。 由于城乡二元金融体系的存在，加快农村金融改革，提高金融支农效率成为被关注的热点问题。 目前对金融支农效率的研究主要集中于宏观农村金融效率和微观农村金融效率。 宏观农村金融效率主要是研究金融在促进农业农村经济增长方面的作用， 李万超（2014） 研究发现我国农村金融资源配置效率整体偏低，供求结构性失衡较为普遍。 马平等（2017）基于四阶段DEA模型研究表明我国西部民族地区的农村金融效率整体较低，受外部环境因素影响明显。 我国农村金融支农效率整体偏低且区域间差异明显，整体上呈现南高北低、东高西低的局面。 金融的逐利性会导致农村资本流出，加剧了农村金融供需矛盾，解决农村金融市场失灵问题需要政府肩负公共责任，构建财政与金融协同推进机制。 赵健（2021）研究表明中部六省财政与金融在支农减贫上能够实现协同，达到“1+1>2”的效果。李洪侠（2021）研究表明全国整体上实现了财政支农与金融支农的正向协同，地区经济社会发展环境对财政金融支农协同效率产生深刻的影响。 在农村金融效率的微观层面上，农村金融机构是金融支农的参与主体， 其经营管理效率的高低决定着金融支农目标能否实现。 农商行和农信社是农村金融市场的主要服务机构， 石连忠 （2020）、 邓晓娜（2020）的研究均表明农商行的支农效率要高于农信社，应加快农村信用社的股份制改革，提升经营管理水平。

农村经济与农村金融系统的综合性、 复杂性限制了农村金融体系的建立健全， 盘活农村金融市场发展活力必须要将农村金融发展的决定权交给市场，但需要金融监管提供必要的保障，发挥政府监管的导向性， 引导信贷资源流入农村并严格监管信贷资金的用途与流向。 在乡村振兴战略背景下，对于农村金融的监管不仅要坚持安全第一， 更要促进农村金融市场发展， 以农民能获得良好的金融服务为目标， 通过支持和监管两种手段推动农村金融市场平稳发展，提升金融支农效率。 农村金融机构的趋利避害倾向会将大量资金投向非农产业， 需要建立完善的金融监管体系约束农村金融机构的信贷投向。 由于农村金融排斥的存在， 政府对农村金融市场的扶持更多的是采取激励的手段，采用贴息、税收优惠等方式鼓励金融机构服务农村市场， 同时对金融机构的支农过程和结果进行监管，防止发生金融风险，强化金融机构的政策执行能力， 促进金融机构提高金融支农效率。 在资源总量有限的情况下，提高金融支农效率是合理有效的路径，文章测度全国31 个省份的金融支农效率， 验证了政府监管对金融支农效率的影响， 为促进金融高质量服务乡村振兴提供实证依据。

二、金融支农效率测度

（一）研究方法选择

DEA（Data Envelopment Analysis），即数据包络分析法，是一种非参数效率评价方法，能够系统分析投入与产出之间的相对效率。 采用DEA 模型测度效率不需要对各变量进行无量纲化处理， 能够解决效率测度指标赋权的问题。 从对效率的测量方式上，可将DEA 模型分为投入导向、产出导向和非导向三类，投入导向模型从减少投入的角度评价， 产出导向则从增加产出的角度测度， 非导向模型则从投入与产出两面测量。 因此，本研究基于提高金融服务农业农村发展效率的目的， 同时考虑金融支农效率受到地区经济环境、 发展规模等因素影响， 产出规模差异较大，选择规模报酬可变（VRS）下的产出导向模型。

Malmquist 指数由经济学家Malmquist 提出，后演变为Malmquist 指数模型，Malmquist 指数(M)可以分为效率变化指数（EC）和技术变化指数（TC）两个方面。 M 值是反映全要素生产率变动情况的指数，当M值大于1，说明全要素生产率较上一期提高；反之，降低。 EC 用以表明技术效率改善的程度，体现“追赶效应”，当EC 大于1，表明技术效率改善；反之，恶化。TC 反映“前沿面的移动效应”，当TC 大于1，说明技术得到进步；反之，退步。 采用Malmquist 指数模型可以对决策单元更好地评价与排序， 找出提高投入产出效率的路径，指导决策，具有明显的优势。 因此，文章选用DEA-Malmquist 模型测度与分析金融支农效率。

（二）评价体系构建与数据来源

金融支农效率追求的是金融支持农业发展过程中以最少的资源投入获取最大的经济利益产出，其内涵与DEA 的最小投入、最大产出的原理相一致。因此，在指标选择上需要综合考虑指标的重要程度，指标的独立性、相关性、可得性等因素。 选择31 个省份2011—2018 年的面板数据作为分析对象， 从投入与产出两个方面进行变量选择。 在投入方面，涉农金融机构中，证券对农业领域投资份额较少可不予考虑，重点分析银行和保险对农业发展的影响， 因此选择银行涉农贷款和农业保险保费收入作为投入指标。在产出方面，金融支农的目的是要促进农业发展、农民富裕， 本文选择农林牧渔总产值和农村居民人均可支配收入作为产出指标。 数据主要来源于历年《中国统计年鉴》《中国金融年鉴》《中国保险年鉴》《中国农村统计年鉴》和wind 数据库。

表1 评价指标体系

（三）效率测度

应用DEAP 软件对数据进行处理分析， 得到31个省份的金融支农效率值，具体数据见表2。 DEA 模型测度的效率值为1，表示金融支农效率实现有效；否则，处于无效状态。 可以看出，2011—2018 年，全国金融支农效率总体水平不高，其中天津、上海、浙江、山东、海南、河南、湖北、西藏各年的金融支农效率值一直为1，实现金融支农有效；江苏、福建、广东、黑龙江、湖南、 广西六省份金融支农效率在部分年份实现有效，均值大于0.9，接近有效；甘肃、山西两省份的年均效率值分别是0.481、0.506，位居全国后两位，是31 个省份中效率均值低于0.6 的省份。 2018 年，31 个省份中实现DEA 有效的省份有14 个， 占比仅为45.16%，说明当前多数省份的金融支农效率没有实现有效，仍然有较大的提升空间。

表2 我国31 个省份金融支农效率

从时间演变视角看，2011 年31 个省份中实现金融支农效率有效的省份有14 个，2014 年有10个，2018 年有14 个， 达到DEA 有效的省份数量先减后增，整体上实现金融支农有效的省份数量并未有增长，湖南、贵州、青海、宁夏四省份从有效到无效，没有保持金融支农有效的持续性，福建、广东、黑龙江、重庆在后期加大金融支农力度与精度，持续改进，实现金融支农有效。 从空间视角看，东、中、西部地区的金融支农效率均值分别为0.966、0.838、0.763，分列第一、第二、第三位，在地理区域上呈现从东到西递减格局。 东部地区金融支农效率各年均有效的省份达到5 个，高于中、西部地区。 中部地区中，河南、湖北两省表现较为突出；西部地区的西藏也实现各年间金融支农效率有效，西藏以农牧业为主、农业结构相对单一，金融支农效果更好。 从省际间效率差异的视角看，通过计算各年的标准差发现，2011 年31 个省份间金融支农效率标准差为0.159，省份间金融支农效率值差距较小，2018 年省份间金融支农效率标准差为0.171，省份间金融支农效率差异在时间上存在逐渐扩大的趋势。金融支农效率的区域差异，反映出我国区域经济发展与农业发展的不平衡，东部地区经济发展起步早， 农业发展步入科技化、集约化发展阶段，加之金融生态完善，能够更好地支持农业发展；中西部地区受经济发展水平与区位的限制，农业发展基础薄弱，科技化水平有限，金融资源禀赋不足，金融支农效率还有较大的提升空间。

（四） 金融支农效率的Malmquist 指数分解

基于Malmquist 模型计算出2011—2018 年中国金融支农全要素生产率，并进行分解，结果如表3 所示。 可以看出：（1）2011—2018 年，金融支农全要素生产率变动指数均值为0.908， 表明研究期间内总体生产率处于降低的状态。 其中，技术效率是1.027，技术进步指数是0.894， 说明技术进步是全国金融支农全要素生产率提升的限制因素，反映出全要素生产率下降的主要原因在于金融支农技术手段落后，农村金融创新能力不足。 技术效率只有在2015—2016 年间小于1，其余年间均大于1，说明支农金融资金利用程度较高，发挥了金融支农的效益。 （2）从全要素生产率各年间的变化情况看，在2011—2018 年间，全要素生产率均处于下降状态， 主要是受技术进步值过低的限制，也充分说明技术创新对于金融支农效率具有关键作用。 （3）分区域来看，2011—2018 年，东、中、西部地区的金融支农全要素生产率平均指数分别为0.939、0.898、0.887，表明东、中、西部地区的金融支农全要素生产率均处于下降状态。 其中，东、中、西部地区的技术效率平均指数分别是1.073、0.998、1.005，技术进步平均指数分别是0.890、0.907、0.889，说明技术进步和技术效率“双低”是中部地区全要素生产率降低的原因，技术进步滞后是限制东部和西部地区全要素生产率提升的主要因素。总体来看，东部、西部地区应该注重金融创新，以数字金融、科技金融赋能金融支农，提高金融支农的全要素生产率；中部地区不仅要持续提高农村金融技术进步程度，还要保持金融资源的集约化利用程度。

表3 全国及三大地区金融支农效率Malmquist 指数及其分解

三、政府监管对金融支农效率的影响分析

(一)研究方法

为研究政府监管对金融支农效率的影响，将DEA测算的金融支农效率值作为被解释变量，以政府监管等其他因素作为解释变量进行回归分析。由于测算出的金融支农效率值在（0，1]范围内，属于截断数据，针对部分连续的或者离散的被解释变量进行回归分析，采用Tobit 模型可以避免参数估计有偏问题。因此，针对金融支农效率的影响分析， 采用Tobit 模型是合理的，具体设定形式如下：

其中，Yi为被解释变量，本文中指金融支农效率；X核心为核心解释变量， 本文中指政府监管；X控制为控制变量， 指影响金融支农效率的其他因素；μi为随机扰动项。

（二）指标选择与数据来源

在采用Tobit 模型分析政府管制对金融支农效率的影响时， 以上文测度的31 个省份的金融支农效率作为被解释变量，对各项影响因素的量化方式设定如下：

政府监管力度。 随着乡村振兴战略的实施，发展农村普惠金融要求进一步加大涉农贷款投放力度，要切实减少涉农贷款中间环节费用、降低普惠型涉农贷款利率，而落实相关政策需要有力的监管，确保惠农金融政策落到实处。因此，有效的监管必定能够促进金融机构更高效的开展涉农金融服务， 选择采用财政金融监管事务支出作为政府管制的表征变量。

财政支农。 政府对农业的支持力度越大，越能够调动农民参与农业生产的积极性，降低农业生产的经营成本。 以财政农林水支出作为表征，为减小异方差的影响，对原始数据进行对数化处理。

城镇化水平。城镇化发展一方面吸引了农村的资本与人口向城镇聚集，使得农业生产要素不断外流，对农业生产效率产生负向影响； 另一方面农村居民转变为城镇居民增加了对高质量农产品的需求，引致农业向集约化、生态化方向发展，提高农业生产经营效率。以农村人口占城镇人口比重表征地方城镇化水平。

城镇居民收入水平。 随着我国经济发展，居民收入水平的提升，对农产品的质量要求更高，对农产品深加工的需求增加，影响着农业生产经营的方向及过程。 以城镇居民可支配收入作为表征，同样对数据取对数处理。

灌溉条件。 农业生产经营需要充足的水资源，有效的灌溉面积能够保证土地生产的稳定性。以耕地灌溉面积占播种面积的比值表征灌溉条件。

Tobit 回归模型中所使用的数据来源如下： 被解释变量的金融支农效率来源于上文DEA 测度的结果，核心解释变量及控制变量来源《中国统计年鉴》，各变量的描述性统计如表4 所示。

表4 变量描述性统计结果

（三）回归分析

利用stata15.0 软件对金融支农效率的影响变量进行Tobit 回归分析，得到结果如表5 所示。 根据回归结果， 核心解释变量政府监管力度对金融支农效率的系数约为0.003，且通过5%的显著性水平检验，说明在全国范围内， 政府监管对金融支农效率有着显著的正向影响， 政府加大金融监管力度可以显著提升金融支农效率。 资金是现代农业发展要素中必不可少的部分，农业技术进步、农业公共投资与农业私人生产投资离不开农业信贷资金的支持。 在现代经济体系中，农业相较于其他产业，具有一定的弱质性，高风险与低收益并存，这使得在完全的市场经济条件下农业信贷出现供给不足的问题， 因此需要政府信贷政策去纠正市场失灵， 引导并调整金融机构将金融产品与服务向农业延伸，促进农村金融发展，强化农村金融监管与调控力度， 推动金融更好地服务农业发展。

表5 金融支农效率Tobit 回归分析结果

城镇化水平的系数约为0.293，但没有通过显著性水平检验， 表明城镇化发展对金融支农效率的正向作用尚不明显。 反映出农村劳动力和资本向城市集聚并没有给金融支农带来负面影响， 城镇化发展进程中，促进了劳动力、信息和技术在城乡之间的流动，推动先进的农业生产技术和信息知识的传播，最终提高农业生产的现代化水平。 工业化和农业现代化是城镇化发展的动力来源， 城镇工业的发展一方面为农业生产提供先进的农业机械装备， 促进农业生产条件的现代化和生产技术的现代化， 另一方面吸引了农村剩余劳动力就业， 农村人口的流出为农业规模化、集约化发展提供条件。现阶段我国城镇化发展对农业现代化发展的正向效应尚未充分发挥出来，未来应进一步注重提升农业发展质量，增强农业对金融机构的吸引力，最终提高金融服务农业效率。

灌溉条件的系数约为0.232， 并通过了5%的显著性水平检验，说明改善灌溉条件，增加耕地灌溉面积能够提高金融支农效率。 原因在于农业灌溉保证了农作物的正常生长，保证农作物高产稳定， 降低农业生产的风险， 同时也减少了金融机构农业信贷的风险。

财政支农与城镇居民收入水平没有通过显著性检验，其中财政支农无法影响金融支农效率的原因可能在于财政支农对农业生产经营主体的支持主要是通过农户直接补贴形式，而随着农村人口非农化的发展，进城从事非农生产的农户将土地流转给其他农户，但补贴依然归属于土地转出者，真正务农的农户却不能享受政策的红利，也就不能产生激励作用；此外，财政支农支出对农村金融发展支持力度不够，且各自的支农渠道、支农方式不同，缺乏有效的协作和配合机制，难以形成财政金融协同合力。 城镇居民收入水平以城镇居民可支配收入作为表征，对金融支农效率影响不显著的原因可能在于收入水平的提高会加大对农业深加工产品的需求，而降低对初级农业产品的需求，农产品供需错配的局面会降低金融机构信贷信心，影响金融支农效率，因此需要发展农产品精深加工，提高农民农业产业增值收益。

四、结论与启示

文章采用DEA-Malmquist 测度了2011—2018年全国31 个省份的金融支农效率，并建立Tobit 模型验证政府监管对金融支农效率的影响，得出的结论如下：（1）整体上，我国金融支农效率偏低，全国过半数省份在研究期间内尚未达到DEA 有效，反映出我国目前的金融支农水平仍有较大的改进空间；（2）金融支农效率在地理空间上呈现自东向西递减的格局，东部地区的整体效率水平最高，中部次之，西部地区整体效率水平最低， 区域间金融支农效率差距较大，进一步揭示了地区间农村金融发展不平衡、不充分的问题；（3） 金融支农的全要素生产率整体处于下降态势，主要受技术进步指数过低的限制，反映出提高金融科技水平对提升金融支农效率的重要性；（4）政府监管能够对金融支农效率起到显著的促进作用，城镇化水平与灌溉条件对金融支农效率有着正向影响，财政支农城镇化水平与城镇居民收入水平未对金融支农效率有显著影响。

基于实证研究结果，有效提升金融支农效率需从以下方面入手：第一，推动金融科技引领农村金融发展。农村金融市场巨大，但是因农村信用体系欠缺、风控成本高、 信息不对称等问题导致金融服务供给不足，金融机构城乡布局失衡，抑制了农村金融服务需求。云计算、大数据、区块链等新兴信息技术的出现与应用， 为解决农村金融发展难题提供了新的路径，借助大数据技术能够降低信息搜集、评估的成本，降低信息不对称带来的风险；互联网和智能手机的普及使得线上金融服务门槛降低， 金融服务效率大大提升，多种线上涉农贷款服务面向农村金融市场，金融科技的发展拓宽了农村信贷渠道，提高了服务效率，应该坚持推动互联网科技与金融的深度融合，更好地服务农村金融的发展。 第二，加强政府对金融支农的监管力度。 要以提高监管质量和效益为目标，划分中央和地方金融监管部门的监管职责，形成分工明确、合作有力的监管机制。 要坚持差异化的监管体系，一方面要鼓励金融机构积极开展涉农金融服务，支持农村金融发展，另一方面要强化监管，防范农村金融风险。充分考虑到农业发展的弱质性，对涉农金融机构给予更多的政策倾斜，比如可以适当放宽涉农金融债券发行条件，适度提高涉农贷款不良容忍度，健全涉农金融机构的考评办法，开展宏观审慎评估、采取差别化监管策略。同时，要严格规范涉农贷款的流向，加大对涉农资金违规流向非农产业的惩罚力度，保证涉农资金需求。第三，构建财政金融协同支农体系。在市场经济条件下，由于农业发展弱质性，对农业的宏观调控是稳定农业经济发展的一般要求。 缓解农村金融约束，要发挥好资源配置中市场的决定性作用和政府的引导作用，合理利用财政资金引导金融资本和社会资本进入农业农村领域，通过财政贴息、担保资金等方式对涉农贷款的金融机构给予支持，要建立健全农业信贷担保体系，形成合理的风险共担机制，对农业信贷担保体系的建设给予支持，推动农业担保公司稳步发展，形成稳定的财政金融协同支农机制。