农业信贷规模与农业全要素生产率的时空关系※

温红梅 王宏宇

内容提要：农业信贷是提升农业全要素生产率的重要保障，也是学术界和业界共同关注的热点问题。文章在建立农业信贷对农业全要素生产率影响的理论框架基础上，通过空间杜宾模型全面考察中国农业信贷规模与农业全要素生产率的时空关系。研究发现：农业全要素生产率在地理位置上呈现空间集聚性；时间维度上，农业信贷规模与农业全要素生产率与技术效率改进存在“倒U型”关系；空间维度上，农业信贷规模在中部区与农业全要素生产率存在“倒U型”关系，黄淮海地区和长江流域地区呈“倒U型”关系，东北地区不存在“倒U型”关系。最后，提出农业信贷规模扩大要结合区域农业全要素生产率实际情况，不仅要促进技术效率改进，还要促进技术进步，提升农业信贷效率等政策建议。

一、 引 言

改革开放以来，中国农业生产方式发生了巨大变化，但中国农业发展过程中仍存在生产要素配置不合理、农业生产率水平较低等问题(李谷成等，2015)。为保障国家粮食安全，支持农村与农业发展，国家“中央一号文件”连续17年聚焦三农问题(邓晓兰、鄢伟波，2018)。从中国农业发展实际来看，提升农业全要素生产率是实现中国农业经济可持续发展的关键点。其中，农村金融发展可为农业机械化、科技研发等提供强有力的资金支持，其直接表现为促进农业全要素生产率的提升(唐婍婧、韩廷春，2017)。为此，中国政府高度关注农村金融发展问题，农村金融发展可提升农业全要素生产率也得到诸多学者的普遍认可(孙同全、潘忠，2019)。

目前中国关于农业全要素生产率的研究围绕两方面展开，一方面是农业全要素生产率的度量与影响因素分析，分别从农业信息化(秦天等，2017)、人力资本(尹朝静，2017)、农村基础设施(栾健、韩一军，2020)、FDI和农业R&D投入(汪辉平等，2017)等不同角度来研究农业全要素生产率受到的影响。近些年，学者们的研究角度转向农业信贷，但研究结论并不一致，有的研究发现农业信贷对农业全要素生产率具有正向促进作用(井深、肖龙铎，2017)，也有研究认为农业信贷对农业全要素生产率的提高呈现出负效应，垄断程度较强的农业信贷会阻碍农业全要素生产率提升(范方志，2020)。另一方面是关于中国农业全要素生产率特征的讨论。首先，有研究显示农业全要素生产率具有时间特征，在时间序列中呈现很强的波动性。其次，农业全要素生产率呈现出显著的空间特征(贺亚亚、李谷成，2016)，各地区间的农业全要素生产率具有差异性，中部、西部、东部的农业全要素生产率空间收敛速度呈依次递减趋势(李欠男等，2019)。最后，各区域农业全要素生产率的特征也有差异性，福建省县域间农业全要素生产率的差异呈逐步缩小态势(詹礼辉等，2016)，民族省区中新疆农业全要素生产率效率最高(何锋、肖振东，2018)，农垦地区农业全要素生产率增长相对较快的区域为东北地区(廖文康等，2019)。造成各区域间农业全要素生产率差异的原因较为一致，大多数研究认为是受各地区农业信贷投入水平、农业要素投入水平、农业灌溉用水率等差异性影响而形成的。

通过农业全要素生产率的相关研究可获得三方面基本认识：第一，影响农业全要素生产率的因素较多，其中农业信贷是未来研究的主要趋势之一；第二，农业全要素生产率在时间上、空间上呈不均衡发展状态；第三，现有农业信贷与农业全要素生产率之间的相互关系研究大都基于静态视角来进行。不难发现，现有研究倾向于现实情况的具体分析，大多探讨如何通过扩大农业信贷规模来提升农业全要素生产率，但如何利用有限的农业信贷规模来提升农业全要素生产率还缺少理论层面的分析与概括。中国农业全要素生产率已呈现出显著的区域差异性与空间溢出效应，而现有研究大多基于区域之间的静态关系，并未充分考虑区域之间的空间传导性。基于此，本文从空间计量经济学入手，建立农业信贷与农业全要素生产率的理论框架，采用空间计量方法来探索各区域间农业信贷规模对农业全要素生产率的影响及呈现出的时空特征，最后提出相应启示。

二、 文献综述

虽然农业信贷是农业全要素生产率的重要保证得到诸多学者认可，但也有学者发现农业信贷会对农业全要素生产率产生一定的抑制作用，农业信贷也可能阻碍农业全要素生产率的提升。因此，本文从推动效应与抑制效应两方面来建立农业信贷对农业全要素生产率影响的理论框架(见图1)。

1. 农业信贷对农业全要素生产率的推动效应

农业信贷对农业全要素生产率推动效应的作用机理有：第一，农业信贷可解决农业企业在技术创新中的资金短缺问题，有利于农业技术创新。当农业最新技术成果转化到农业生产实践中后，可提升农业技术规模效率，推动农业生产技术进步，从而促进农业全要素生产率提升(刘宏霞等，2018)。第二，农业信贷可提高农民科技素质与科技应用能力，实现农业技术效率改良。通常农业信贷水平较高的地区，农民更易获得信贷资金，这有利于农民购买新设备用于农业生产，提升农民新技术实践操作能力，有助于农业技术进步，从而提升农业全要素生产率。第三，农业信贷有利于优化农业投入要素配置，提升农业生产要素配置效率。在传统技术模式下农民往往通过扩大生产资料投入量来提升粮食产量，而在农业信贷解决农民购买新设备资金短缺问题后，农民将广泛使用新设备与新生产技术，在提高粮食产量的同时降低了生产资料的使用量，提升农业全要素生产率(温涛、何茜等，2018)。

2. 农业信贷对农业全要素生产率的抑制效应

研究认为，在享受农业信贷提升农业全要素生产率的同时，也要警惕农业信贷规模盲目扩大对农业全要素生产率产生的抑制效应。出现这种情况原因可能有：第一，农业信贷支持农业技术开发资金投入不足，阻碍农业技术进步。农村金融机构受风险控制影响，在农业科技创新方面信贷资金投入不足，农村金融机构在农业技术方面信贷投入的信用风险水平较高。虽然中国农村信贷规模不断扩大，但对农业技术创新的支持并不理想(赵莎莎等，2018)。第二，农业信贷投放结构不合理，会降低农业信贷资金的配置效率。如果农业信贷资金投放到农业生产以外将会降低农业生产技术的改进，只有当信贷资金用于农业生产中间环节，才会有效提升农业生产技术效率，而中国农业生产中间环节投入的信贷资金较少(范方志，2020)。第三，农业信贷会阻碍农民收入增长，抑制农业新技术使用。虽然农业信贷可促进农民消费增长，但农业信贷规模与农民收入呈“倒U型”关系(邓春生、李珊，2018)，农业信贷规模扩大在长期发展中并没有提升农民收入水平，这些因素降低了农民生产意愿，从而阻碍农民新技术使用。

3. 农业信贷对农业全要素生产率的关系假说

综上所述，农业信贷可解决提升农业全要素生产率过程中的资金短缺问题，但也存在抑制农民收入增长、阻碍新技术使用等一些问题，基于此，本文提出：随着农业信贷规模不断扩大，这种推动效应可能存在递减趋势，基于中国部分地区已存在农业信贷规模扩大的抑制效应，农业信贷规模与农业全要素生产率可能存在“倒U型”关系。

图1 理论框架图

三、 农业全要素生产率的测算

1. 农业全要素生产率测算方法

本文采用DEA-Malmquist指数进行农业全要素生产率的测算。通常农业全要素生产率的测度除需考虑土地、劳动力、资本以外，还需考虑技术进步、技术效率改进等其他影响因素，因此，本文投入指标选取劳动力、土地、化肥以及农业技术投入，产出指标选取以1978年为不变价格的农林牧渔总产值，测算数据为1978-2018年中国30个省际面板数据。

2. 农业全要素生产率测算结果

通过表1可以发现，中部地区的农业全要素生产率增长速度最快，而且中部地区的技术效率改进最显著，技术进步最快；其次是东部地区，西部地区在这三个方面均远远落后于全国平均水平，这也与贺亚亚、李谷成(2016)、李欠男等(2019)较为一致。同时，在进行标准差计算后，可发现西部地区的农业全要素生产率波动幅度最大，技术效率改进波动幅度最大的是中部地区，西部地区的技术进步波动幅度最大。以上标准差系数的区域差异结果与唐婍婧、韩廷春(2017)基本一致。

表1 DEA-Malmquist指数测算结果

四、 空间计量模型的构建

1. 空间自相关检验

本文采用全局莫兰指数来检验农业全要素生产率是否存在空间相关性，全局莫兰指数的计算公式为：

(1)

2. 变量选取

在影响农业全要素生产率各种因素中，农业信贷规模是本文最主要考察对象，但其他可影响农业全要素生产率的因素不能在模型中被忽视。为避免回归分析有失偏颇，提升模型检验准确性与有效性，最终本文选取指标如下。

(1) 被解释变量。农业全要素生产率前文已经利用DEA-Malmquist指数计算得出，简记为TFP，其分解的技术效率改进简记为EC，技术进步简记为TC。

(2) 核心解释变量。国内学者通常采用农村信贷余额来代表农业信贷规模，但目前中国农村中的国有大型银行数量逐渐减少，农业信贷资金不仅来源于国有大型银行，还来源于一些农村信用社或村镇银行，基于此，本文选择各地区农业贷款总额来代表农业信贷规模，单位为万元，简记为Fin，农业信贷规模的平方项则记为Fin2。

(3) 控制变量。机械化程度用年末农村人均拥有的农机总动力表示农业机械化程度(Mach)；地区工业化用各省级地区第二产业生产总值与各地区生产总值的比值表示地区工业化程度(Indus)；有效灌溉面积用各省级地区有效灌溉面积与耕地面积比值表示农业灌溉用水率(Water)。

3. 数据来源与描述性统计

实证分析数据为1978-2018年中国30个省际面板数据，为消除异方差影响，本文将所有变量进行了对数转换，样本基本统计性描述见表2。

表2 描述性统计量表

4. 空间计量模型的建立

(1) 根据经典的C-D生产函数，构建农业全要素生产率考虑空间因素的空间杜宾模型如下：

InTFPit=ait+a1InFinit+a2InFin2it+a3InMachit+a4InIndusit+a5InWaterit+β1InTEPit+β2WijInFinit+β3WijInFin2it+β4WijInMachit+β5WijInIndusit+β6WijInWaterit+μi+λt+εit

(2)

(2) 构造技术效率改进与技术进步的空间杜宾模型。技术效率改进表达式为：

InECit=ait+a1InFinit+a2InFin2it+a3InMachit+a4InIndusit+a5InWaterit+β1WijInECit+β2WijInFinit+β3WijInFin2it+β4WijInMachit+β5WijInIndusit+β6WijInWaterit+μi+λt+εit

(3)

技术进步表达式为：

InTCit=ait+a1InFinit+a2InFin2it+a3InMachit+a4InIndusit+a5InWaterit+β1WijInTCit+β2WijInFinit+β3WijInFin2it+β4WijInMachit+β5WijInIndusit+β6WijInWaterit+μi+λt+εit

(4)

五、 空间计量分析

1. 空间相关性分析

本文首先对30省份农业全要素生产率进行全局莫兰指数检验，检验结果见表3。通过观察可发现，从1978至2018年中国农业全要素生产率全局莫兰指数平均值为0.351，1978-1986年在10%水平下通过检验，1986-2018年在5%水平下通过检验，这说明中国农业全要素生产率在空间上并不是随机分布，而会受到邻近地区有关因素影响，在空间地理位置呈现出一定空间集聚性。

表3 1978-2018年农业全要素生产率空间相关性检验

图2 1978-2018年农业全要素生产率空间相关性趋势图

图2是根据表3结果编制的Moran’s I指数趋势图。由图2可发现，1978-1984年，中国农业全要素生产率空间相关性处于不稳定波动状态，这主要源于改革开放后农业各种要素投入量的不稳定性，而且该阶段农业生产资料产量处于波动状态，农业各种生产种植技术处在探索中，农业信贷在该阶段正式开始发挥支持农业发展的作用；1985-2000年呈现平稳上升趋势，这主要受益于农业生产技术逐渐成熟，中国农业生产资料产量大幅提升，并且该阶段农村金融体系已初步形成基本框架，农业生产的资金短缺问题得以初步改善；2001-2018年呈现快速上升趋势，这阶段受中国农村地区交通和网络发展的影响，农村区域之间的经济辐射边界不断扩大，使农业各类资源在地区之间的流动性增强，同时，该阶段中国不断深化农村金融体制改革，加强农业信贷的创新，解决了农业生产中的资金不足问题。

2. 空间计量结果与分析

LR检验结果(表4)显示农业全要素生产率、技术效率改进与技术进步的LR Spatial Lag和LR Spatial Error的值均通过检验，说明建立的空间杜宾模型较为稳定，同时，通过Hausman检验确定采用固定效应模型进行分析。

表4 LR检验结果

(1) 时间维度。1978-2018年经历了40多年的跨度，因此，本文先从时间维度对数据进行回归分析，回归结果见表5。通过观察发现各省份农业全要素生产率存在显著正向相关关系，即某一省份农业全要素生产率的改善在一定程度上依赖于其相邻省份农业全要素生产率的提升。说明随着时间的推移，本地区农业技术使用等因素会通过空间地理传导机制与相邻地区实现信息与资源的共享，改变地区间的生产要素配置，从而促进技术效率改进，进而形成农业全要素生产率空间集聚分布，这与贺亚亚、李谷成(2016)的结果基本一致。

核心解释变量农业信贷规模均为正值，这说明农业信贷规模对农业全要素生产率具有正向影响，其中，农业信贷对技术效率改进的作用最明显，这也印证了唐婍婧、韩廷春(2017)的结论。但是，与前人研究不同的是，本文在建立模型时加入农业信贷规模的平方项，观察发现该指标的回归系数在被解释变量为农业全要素生产率时为负数，且在1%水平上显著，农业信贷规模对农业全要素生产率的影响呈现“倒U型”关系，即农业信贷规模一定程度扩大对农业全要素生产率起推动作用，但这种推动作用呈边际效应递减特征，当农业信贷规模扩大到一定程度后，继续扩大会对农业全要素生产率起抑制作用，这也验证了本文的研究假设。同时，技术效率改进检验值为负值，而技术进步的检验值为正值，二者均在1%水平上显著，说明农业信贷规模对技术进步不存在“倒U型”关系，主要起推动作用，但对技术效率改进呈现“倒U型”关系，存在一定的抑制效应，即：农业信贷规模对技术效率改进存在过度支持的情况，这不利于优化农业各类要素配置，从而产生了一定的抑制作用，阻碍农业全要素生产率的提升。分析原因可能在于：一方面，过于追求农业信贷规模扩大，没有将有限的农业信贷资金进行科学配置，技术效率改进方面获得信贷资金较多，而技术进步方面得到的信贷资金却较少，农业信贷资金分布不均衡；另一方面，农业信贷规模扩大脱离农业经营主体实际需求，存在农业经营主体将信贷资金挪作他用的情况，产生较多逾期贷款，影响金融机构在农业投放信贷资金的积极性。

表5 时间维度估计结果

通过控制变量的显著性水平可以发现，本文选取的控制变量较为合适，农业机械化程度、农业灌溉用水率、地区工业化程度均会影响农业全要素生产率提升，但观察系数大小，各控制变量系数值均低于核心解释变量，说明农业信贷规模对农业全要素生产率提升的作用最为显著。同时，农业机械化程度、农业灌溉用水率对农业全要素生产率提升的作用超过地区工业化程度，说明中国农业全要素生产率提升对地区工业化程度的依赖性在下降。

为进一步分析农业信贷规模对本地区与相邻地区农业全要素生产率的空间溢出效应，本文选取各解释变量将综合影响分成直接效应、间接效应和总效应，检验结果见表6。通过观察可以发现农业信贷规模的空间溢出效应没有直接效应作用明显，这可能由于回归将所有地区整体进行分析影响到数值水平。因此，有必要通过空间维度分别进行回归分析。农业信贷规模平方项系数在农业全要素生产率与技术效率改进下的直接影响在1%水平上显著为负，呈现“倒U型”关系，其中，技术效率改进的“倒U型”关系更加明显，农业全要素生产率与技术效率改进的间接效应也呈相似特征。但是，农业信贷规模平方项系数在技术进步下的直接效应与间接效应的检验值均为正值，说明农业信贷规模在技术进步下不存在“倒U型”关系。

表6 直接效应、间接效应和总效应

(2) 空间维度。鉴于前文中农业全要素生产率的进步值已体现出区域差异性，为更精准进行回归检验，本文将通过空间维度对样本数据进行回归分析。首先，将样本数据划分为东部、中部、西部地区，然后分别对这三部分数据进行回归，结果如表7所示。通过观察可发现中部地区农业全要素生产率的溢出效应最明显，其次为东部地区和西部地区。技术效率改进与技术进步在中部地区的溢出效应最显著，而西部地区最不显著。

表7 东部、中部、西部地区估计结果

农业信贷规模在三个地区均对农业全要素生产率、技术效率改进与技术进步具有正向影响，其中，农业信贷规模对农业全要素生产率与技术效率改进的影响作用在中部、东部、西部地区均呈依次降低状态。同时，还可以发现农业信贷规模对技术进步的支持作用明显低于农业全要素生产率与技术效率改进，在东部、中部、西部地区的作用依次降低，说明农业信贷规模对农业技术进步支持力度不足，农业全要素生产率的提升过分依赖技术效率改进，这与唐婍婧、韩廷春(2017)的结论基本一致。农业信贷规模平方项在技术进步下的检验值均为正值，且在1%水平下显著，说明农业信贷规模在三个地区中对技术进步均呈正向推动作用，不存在抑制效应。农业信贷规模平方项在东部地区和中部地区的农业全要素生产率与技术效率改进检验值为负值，在西部地区均为正值，且在1%水平下显著，说明东部地区和中部地区的农业信贷规模对农业全要素生产率与技术效率改进的影响作用呈“倒U型”关系，而在西部地区不存在“倒U型”关系。其中，中部地区的“倒U型”关系比东部地区明显，即中部地区农业信贷规模扩大到一定程度后产生的抑制作用最显著，分析原因为中部地区与东部地区多为粮食主产区与粮食平衡区，尤其是中部地区，大多是中国粮食产量大省，而西部地区粮食主产区较少。因此，为进一步从空间维度分析农村信贷对农业全要素生产率的影响作用，有必要对粮食主产区的各地区细分化进行回归检验。

在上述分析中，中部地区为重点应关注的区域，且绝大部分为中国粮食主产区。为进行更细一步分析，本文将粮食主产区分为东北地区、黄淮海地区和长江流域地区，分别对这粮食三大主产区进行回归分析，结果如表8所示。

表8 粮食三大主产区估计结果

通过观察回归结果可发现在东部地区、黄淮海地区、长江流域地区中，农业全要素生产率、技术效率改进与技术进步均呈现出显著正向相关关系，其中，技术效率改进在粮食三大主产区的溢出效应最显著，而技术进步最不显著，说明粮食主产区中各地区技术效率改进对相邻地区的影响最为明显。

农业信贷规模在粮食三大主产区均具有正向影响，但是观察系数值大小可发现，农业信贷规模对技术进步的支持作用明显低于技术效率改进，说明农业信贷规模对农业技术进步支持力度不足，粮食主产区的农业全要素生产率提升主要依靠技术效率改进。农业信贷规模平方项在黄淮海地区、长江流域地区的农业全要素生产率与技术效率改进检验值均为负值，在东北地区均为正值，说明黄淮海地区、长江流域地区的农业信贷规模对农业全要素生产率影响作用呈“倒U型”关系，而东北地区不存在“倒U型”关系。同样可以发现黄淮海地区、长江流域地区的农业信贷规模对技术效率改进存在“倒U型”关系，这两个地区农业信贷规模扩大对技术效率改进产生抑制作用，且黄淮海地区的抑制作用最显著；在粮食三大主产区中，农业信贷规模对技术进步均起推动作用，不存在“倒U型”关系，但观察系数值可发现，这种推动作用还有待提升。

3. 稳健性检验

为检验农业信贷规模对农业全要素生产率空间杜宾模型的稳健性，本文通过空间经济权重矩阵对时间维度的实证结果进行检验，估计方法与前文一致。检验结果见表9，通过对比观察可发现，农业全要素生产率、技术效率改进、技术进步以及核心解释变量的显著性和估计结果与上文研究结论基本一致，说明本文农业信贷规模对农业全要素生产率的空间计量回归结果具有可靠性和稳健性。

表9 健性检验结果

(续表)

六、 结论与启示

1. 研究结论

本文利用空间杜宾模型来考察农业信贷规模对农业全要素生产率的影响，得出以下结论：第一，农业全要素生产率在空间上会受到邻近地区有关因素影响，在空间地理位置上呈现空间集聚性。第二，时间维度方面，在过去四十多年的时间中，农业信贷规模对农业全要素生产率与技术效率改进存在“倒U型”非线性关系，农业信贷规模扩大对农业全要素生产率与技术效率改进的推动效应存在边际递减趋势，可能的原因在于农业信贷是基于原有农业生产技术基础上进行的投放，而原有农业生产技术对农业全要素生产率提升的作用有限，使得农业信贷规模在技术效率改进方面表现出一定程度的抑制作用；同时，农业信贷规模对技术进步起推动作用，但不存在“倒U型”关系，说明农业信贷规模虽然对农业技术进步发挥着推动作用，不过农业信贷对农业技术进步的支持力度不够，农业信贷应加大对农业技术进步的投入，以此来推动农业全要素生产率的提升。第三，空间维度方面，首先，在空间地理位置上，农业信贷规模对农业全要素生产率与技术效率改进在中部地区和东部地区呈现出“倒U型”关系，而在西部地区不存在“倒U型”关系，其中农业信贷规模在中部地区对农业全要素生产率的抑制作用最显著；其次，在粮食三大主产区中，在东北地区，农业信贷规模均不存在“倒U型”关系；在黄淮海地区和长江流域地区，农业信贷规模对农业全要素生产率与技术效率改进呈“倒U型”关系，呈现一定程度的抑制作用，其中黄淮海地区的抑制作用最明显，但农业信贷规模对技术进步主要起推动作用，不存在“倒U型”关系。粮食主产区的黄淮海地区和长江流域地区为重点关注区域。

2. 理论贡献

一是对农业信贷规模的推动效应与抑制效应进行了研究。一方面，农业信贷对农业全要素生产率产生积极影响，如促进农业技术进步、提升农民使用新技术的实操能力；另一方面，农业信贷对农业全要素生产率产生消极影响，如支持农业技术资金不足、降低农业生产技术效率、农业生产中间环节投入资金较少。而本研究则发现，农业信贷规模可促进农业全要素生产率提升，发挥推动效应，这与前人研究的结论相同。但是，与前人结论不同的是，研究发现农业信贷规模扩大到一定程度后，对农业全要素生产率的推动效应存在边际递减趋势，从而产生一定的抑制效应，阻碍农业全要素生产率的提升。

二是本研究对农业信贷规模如何影响农业全要素生产率的技术效率改进与技术进步进行了探索，其研究结果对农业全要素生产率影响理论具有重要贡献。以往关于农业信贷的研究主要集中在正规金融与非正规金融对农业全要素生产率的影响、农业信贷对技术进步与技术效率改进的静态影响。而中国农业信贷规模扩大与农业全要素生产率的提升是一个时间动态过程，从空间动态的视角研究农业信贷规模对农业全要素生产率的时空影响非常具有现实指导意义。

3. 研究启示

根据研究结论，虽然回归结果支持本文农业信贷规模对农业全要素生产率“倒U型”的研究假设，但是并不能因此否认农业信贷规模对农业全要素生产率的正向作用关系，以及其适用于中国农村经济发展理论价值。基于此，本文提出以下建议：第一，粮食主产区应加大农业全要素生产率的提升力度，从而带动相邻地区农业全要素生产率的提升，充分发挥农业全要素生产率空间集聚作用。第二，在提升农业全要素生产率过程中，不仅要扩大农业信贷规模，更要关注农业信贷的效率问题，应不断加强对技术进步的支持力度，控制技术效率改进的信贷规模，防止因农业信贷规模盲目扩大而对农业全要素生产率产生的抑制效应。第三，农业信贷规模要结合各区域农业全要素生产率的实际情况因地制宜，东北地区应重点关注如何解决技术效率改进与技术进步农业信贷供给不足的问题，而黄淮海地区和长江流域地区应尤为关注农业信贷投放不合理的问题，逐渐加大对技术进步的信贷投入，控制技术效率改进的信贷规模，使有限的农业信贷资金实现最优化配置。第四，农业信贷规模应满足农村发展实际需求，既要促进技术效率改进，又要兼顾技术进步，将信贷资金投放到对于提升农业全要素生产率有迫切需求的主体，提升农业信贷效率。