刘亦文 欧阳莹 丁攀
摘 要:基于正规金融满足推算法科学测算2008—2018年中国31个省份农村非正规金融发展规模,运用探索性空间统计分析法(ESDA)以及σ收敛与β收敛法揭示中国农村非正规金融发展的时空演变特征。研究发现:中国农村非正规金融整体发展水平不高,2008—2018年中国农村非正规金融规模为1219—4557亿元之间,具有全局自相关显著而局部自相关不显著的特点,各地区存在逆向的σ收敛和条件β收敛,条件β收敛的速度为西部最大,中部次之,东部最小;在中部和西部地区存在绝对β收敛,在全国与东部地区存在绝对β收敛的迹象;农业发展、产业结构、自然灾害、农村人均产值、农村居民人均消费性支出及农村家庭基尼系数等因素对农村非正规金融的发展有着显著的影响。
关键词:非正规金融;正规金融满足推算法;空间计量模型
DOI:10.3969/j.issn.1003-9031.2022.03.002
中图分类号:F832 文献标识码:A 文章编号:1003-9031(2022)03-0010-16
一、引言
金融服务“三农”高质量发展是一个世界性难题。作为一个农业大国,中国农村金融发展及支农效用备受决策层和理论界的高度关注。2004—2022年间,中国政府连续十九年在中央一号文件对“三农”和乡村振兴问题予以战略部署,其中农村金融问题得到党与国家的高度关注与重视。当前,中国金融体系存在着两个明显的二元结构:一是因城乡差别而产生的城乡二元金融结构,二是因监管制度而产生的正规金融与非正规金融并存的二元金融市场。这种双二元结构造成了金融资源在城乡之间配置的不公平,形成对农民、农业和农村的金融排斥,为非正规金融发展提供了深厚的生存土壤。非正规金融是指在政府批准并进行监管的金融活动(正规金融)之外所存在的游离于现行制度法規边缘的金融行为。正规金融通过向国有银行等正规渠道进行融资的活动,而非正规金融则是通过非正规渠道进行融资的活动,最为典型的便是“民间借贷”。由于正规金融渠道融资有着审批程序繁杂、担保要求严格及周期长等高门槛,农户很难通过正规金融渠道进行融资,其资金需求难以得到满足。而非正规金融的出现恰好填补了这一缺口,以其审批要求与交易流程简单、周期短及贴切农村经济发展的实际需要等优越性而获得不断发展壮大。
近年来,党和国家越来越重视农村金融的发展与创新,大力发展普惠金融、建设普惠金融体系,而农村非正规金融的阳光化、规范化是建设普惠金融体系的重要课题。由于不同地区农村非正规金融发展的基础条件存在显著差异,中国农村非正规金融发展速度和规模也存在明显的区域非均衡特征,空间分异特征较为突出。科学合理地判定中国农村非正规金融发展水平和态势,选择适宜的农村非正规金融发展策略,需要通过深入分析和把握农村非正规金融发展的区域差异、演化趋势和内在规律等问题。因此,研究中国农村非正规金融的发展水平及其影响因素,对于政府正确对待农村非正规金融的存在并利用农村非正规金融在农村扶贫减贫、缩小城乡差距等方面发挥作用具有重要的参考价值。
二、文献综述
农村非正规金融作为区域金融的重要组成部分,备受国内外学者的关注,对于非正规金融产生的原因,国内外学者提出了“外生说”和“内生说”两种说法。“外生说”认为非正规金融产生原因是由于外部制度的不合理所造成。Gupta&Chaudhuri(1997)调查发现,农村正规金融机构的代理人,常常会不按时发放贷款,促使人们向另一渠道融通资金,这便产生了非正规金融;Mckinnon(1973)指出,金融抑制所带来的一系列后果引发了非正规金融的产生;Isaksson(2002)表明非正规金融正是由于国家外在制度的不合理以及金融抑制的双重影响,从而激生出的一种产物,而国家制定的政策中对于金融资源配置的不平等所导致的所有制歧视也使非正规金融得到发展。林毅夫等(2009)研究表明:由于中国金融抑制的存在,导致农村中小企业在发展过程中所需资金无法从正规金融渠道得到满足,从而促进了非正规金融的产生与发展。顾海峰(2013)认为,由于中国正规金融供给不足而导致了非正规金融的产生。“内生说”则将非正规金融的产生归因于金融市场信息的不对称。Hoff&Stiglitz(1990)则通过一个信贷配给模型证明了非正规金融是由内生性原因激发产生,认为农村非正规金融是在金融市场信息不对称的背景下,农户和中小企业自主选择的结果;Turvey等(2010)对农村非正规金融进行调查发现,很多农户和农村小微企业十分频繁使用这个渠道进行融资。刘民权等(2003)指出由于信息不对称滋生的道德风险和逆向选择促进了非正规金融的产生;苏士儒和段成东(2006)将制度经济学加以运用,论证非正规金融是内生性制度安排的结果;姚耀军(2009)研究发现非正规金融是由于社会中的各方面进行博弈合作,共同发展所引起。此外,也有学者同时从内生和外生视角出发研究非正规金融,刘纯彬和桑铁柱(2010)研究表明,农村非正规金融产生的外生原因是农村正规金融支持力度不足以及发展滞后,内生原因是由于正规金融的限制导致农村金融需求主体转而向非正规金融寻求融资。
中国学者对于农村非正规金融的发展效应研究大多是分析农村非正规金融对农村居民收入、贫困减缓或是对城乡居民收入差距的影响,胡宗义等(2016)研究了农村非正规金融发展对农民收入的影响,发现农村非正规金融的扩大能促进农民增收;张梦缘等(2017)运用门槛回归模型研究了农村非正规金融发展对收入、教育、医疗等多维度贫困的非线性影响,发现农村非正规金融存在多维减贫的作用;邱洋冬(2019)采用面板平滑转换模型探究了中国农村非正规金融发展影响城乡收入差距的门槛特征;李玮和吴平(2019)运用混合回归模型与分样本回归的分析方法探究了正规与非正规金融对城乡居民消费的影响,研究发现城镇地区正规金融对居民消费的作用更为显著,而农村地区非正规金融则是居民融资的主要来源。还有学者引入空间概念,运用空间计量的研究方法对农村非正规金融展开研究,胡宗义等(2013)采用空间计量的方法研究了农村正规与非正规金融对城乡收入差距的影响,研究发现农村非正规金融的空间变量对缩减城乡收入差距的影响显著,胡宗义等(2014)又对中国农村非正规金融2003—2010年发展的空间收敛性进行研究,发现中国农村非正规金融的发展存条件收敛而不存在绝对收敛。
对农村非正规金融展开研究的第一步就是要对农村非正规金融发展规模进行量化评估,而关于农村非正规金融发展规模的计算,学术界并未有一个统一的标准,主流的计算方法主要有以下几种:一是推算法,这是基于当前公开可得的相关金融数据的前提下,利用一定的经济关系来推算出非正规金融水平。冉光和、汤芳桦(2012)通过各省全社会固定资产投资按资金来源划分中的自筹资金和其他资金占全社会固定资产投资的比例来计算非正规金融的发展规模。二是正规金融满足率推算法,胡宗义等(2013)则将农村非农户投资中国家预算内资金、国内贷款和利用外资部分以及农村农户投资中的国内贷款部分之和视为农村正规金融,将农村非农户投资中和农户投资中的自筹资金和其他资金之和视为农村非正規金融,并应用相应的公式计算出农村非正规金融规模。三是供求轧压法与投入产出核算法,郭沛(2004)利用供求轧差的思想,计算出农村个私企业非正规外源融资值,再将农村个私企业非正规外源融资和农户非正规融资相加得到农村非正规金融的规模值。
本文采用正规金融满足率推算法对中国各省农村非正规金融规模进行测算,再结合空间计量方法探索中国各省农村非正规金融规模的动态变化与空间敛散性。基于2008—2018年中国31个省份农村非正规金融规模数据,测算出各年份农村非正规金融的全局Morans I,绘制出各省各年份的Moran散点图和LISA集聚图等来探索各省份基尼系数的空间分布特征,最后从宏观与微观两个层面运用空间计量模型探究影响农村非正规金融发展的因素。
三、农村非正规金融发展规模测度与省际差异分析
(一)农村非正规金融发展测度方法与规模估算
本文使用正规金融满足率推算法计算农村非正规金融发展水平。定义Sgdpf为正规金融机构贷款对GDP的支持程度,Sgdpf=金融机构未偿还短期贷款/农业产值,Sgdpf为农户单位创造的GDP,Sgdprf =未偿还的农户贷款/农业产值,则正规金融满足率Srf=Sgdprf / Sgdpf。农村非正规金融的测算公式为:INr=Sgdpf*Yr*(1-Srf),其中,Yr为农业产值,用金融机构的人民币境内短期贷款占全部贷款的比重t将农村非正规金融测算公式调整为TINr=INr / t。数据来源如下:各省金融机构未偿还短期贷款、农业产值、金融机构的人民币境内短期贷款及金融机构的人民币境内全部贷款由EPS数据系统和国家统计局数据库获取;各省的农户贷款来自于中国人民银行偶数年发表的《中国农村金融服务报告》,由于该报告从2008年才开始发布,且只有在偶数年有相关数据,2008年无分省数据,因此2008、2009、2011、2013年的数据是由中国人民银行每年发布的《金融机构贷款投向统计报告》中公开的农户贷款的同比增速反向计算,2017年与2019年发布的《中国农村金融服务报告2016》《中国农村金融服务报告2018》中不仅公布了各省的农户贷款,还公布了各省农户贷款相比上一年的同比增长率,故而2015、2017年数据由各省农户贷款的同比增长率分别反向计算,计算结果见表1。
(二)省域农村非正规金融发展现状分析
由图1可知,中国东北与西南各省平均农村非正规金融规模较大,东南沿海地区及部分中西部地区各省农村非正规金融尚未得到较大的发展。其中,黑龙江、辽宁、新疆、云南、四川、湖北、广西、广东、海南、上海等10个省(市、自治区)农村非正规金融规模最大;内蒙古、吉林、河北、北京、天津、河南、陕西、安徽、青海、重庆、贵州等11个省(市、自治区)次之;山东、山西、江苏、浙江、江西、湖南、福建、西藏、甘肃及宁夏等10个省(市、自治区)农村非正规金融规模最小。
按照中国三大经济带划分来看,东部地区五省(辽、桂、粤、琼、沪)、西部地区三省(新、云、川)及中部地区两省(黑、鄂)2008—2018年农村非正规金融平均规模为1218.60亿元至4556.75亿元;中部地区六省(蒙、吉、豫、晥、晋、冀)、西部地区六省(陕、青、渝、贵、藏、陕)及东部地区五省(京、津、苏、闽、鲁)2008—2018年农村非正规金融平均规模为-2628.52至1218.60亿元之间;东部地区浙江省以及中部地区的湖南省与江西省2008—2018年农村非正规金融平均规模为-8928.37亿元至-2628.52亿元。结合三大经济地区的经济发展水平来看,经济较发达的东部地区与经济欠发达的西部地区农村非正规金融的平均规模位于第一梯队(农村非正规金融平均规模为1218.6亿元至4556.75亿元)的省份较多,而东部地区省份与西部地区省份农村非正规金融规模大的原因却不尽相同,东部地区是因为金融设施完善,金融业整体发展水平高、基数大,故而非正规金融虽占比小却规模大;西部地区则是因为正规金融设施并不完善,故而农村非正规金融占比高且规模大。
(三)农村非正规金融发展水平省域差异分析
由表2可知,中国2008—2018年平均农村非正规金融规模排名前十位的省份分别是新疆、海南、湖北、黑龙江、广东、四川、云南、辽宁、重庆与广西,其中排名第一的新疆的农村非正规金融规模达4556.76亿元,东部地区占三省(琼、粤、辽),西部地区占五省(新、川、云、桂、渝),中部地区占两省(鄂、黑);排名后十位的分别是西藏、山东、安徽、甘肃、江苏、山西、福建、湖南、江西与浙江,从排名第21位的宁夏开始,而后各省农村非正规金融规模皆为负值,其中排名最末的的浙江省农村非正规金融规模为-8938.37亿元,东部地区占四省(苏、鲁、闽、浙),西部地区占两省(藏、甘),中部地区占四省(晋、赣、湘、皖)。此外,中国各省2008—2018年农村非正规金融变化幅度排名前十位的分别是江西、黑龙江、山西、浙江、新疆、青海、海南、辽宁、云南、贵州,其中变化幅度最大的江西省2008—2018年农村非正规金融规模有着1360528.80%的超大增幅,西部地区占四省(新、青、云、贵),东部地区占三省(浙、琼、辽),中部地区占四省(赣、晋、黑);排名后十位的分别是河北、内蒙古、河南、甘肃、山东、安徽、江苏、西藏、湖南与福建,其中变化幅度最大的福建省2008-2018年农村非正规金融规模有着-2711.33%的减幅,东部地区占六省(冀、蒙、豫、鲁、苏、闽),中部地区占两省(皖、湘),西部地区占两省(甘、藏)。从排名18的河南省开始,往后各省2008-2018年农村非正规金融规模都呈现出一定程度的下降。
综上可知:第一,整体而言,中国农村非正规金融发展水平并不高,有近三分之一省份2008—2018年平均农村非正规金融规模为负,有近二分之一的省份2008—2018年农村非正规金融规模呈现下降状态;第二,经济发展水平较高的东部地区部分省份与经济欠发达西部地区部分省份的农村非正规金融的平均规模大的省份较多,但经济发展水平较高的东部地区部分省份农村非正规金融规模的增幅往往比较小,甚至为负,经济欠发达西部地区部分省份的农村非正规金融规模的增幅往往比较大,农村非正规金融的发展速度较快。
(四)农村非正规金融发展水平地区差异分析
由表3可知,2008—2018年全国平均农村非正规金融规模为593.09亿元,西部地区平均农村非正规金融规模排名第一,达1428.63亿元,远高于全国平均水平,中部地区与东部地区平均农村非正规金融规模分别排名第二、第三,两者皆低于全国平均水平,中部地区的平均农村非正规金融规模为202.65亿元,而东部地区的平均农村非正规金融规模仅为76.99亿元;就变化幅度而言,西部地区增幅最大,农村非正规金融规模呈现为正增长,而中部与东部地区农村非正规金融则皆为负增长,且其负增长幅度都高于全国平均水平,东部地区农村非正规金融负增长幅度更是高达-523.54% 。这说明分地区来看,2008—2018年中国西部地区农村非正规金融平均规模最大,其非正规金融的增长速度也是最快的,而中部地区与东部地区平均农村非正规金融规模较小,且呈现出负增长,东部地区农村非正规金融的负增长幅度较大。
四、农村非正规金融发展的空间相关性分析
基于以上数据,运用GeoDa软件对中國31个省份2008—2018年农村非正规金融发展规模数据进行全局空间分析与局部空间分析。
(一)农村非正规金融全局空间分析
全局Morans I最早应用于检验空间关联性和集聚问题的探索性空间分析的指标,它能够反映整个研究区域内,各个地域单元与邻近单元之间的相似性,其计算公式如下:
其中,I表示全局Morans I,x表示各省非正规金融发展规模,w表示空间权重矩阵,S=(x-)2,=x,本文选择基于Rook的空间邻接方式。
全局Morans I的取值范围是[-1,1]。I>0表示空间正相关,即各省农村非正规金融发展规模较高(低)的区域在空间上趋于显著集聚相邻,农村非正规金融发展规模大(小)的省份相邻;I<0表示空间负相关,即各省农村非正规金融发展规模具有空间差异,非正规金融规模大(小)的省份不相邻;I=0表示空间不相关,各省农村非正规金融在空间上随机分布。
由图2与表4可知,2016年以前,中国31个省份农村非正规金融全局Morans I指数皆未通过显著性检验,而2016年及以后年份,中国农村非正规金融全局Morans I指数皆大于0且通过10%的显著性检验,这说明中国31个省份农村非正规金融2016—2018年在空间上具有较为明显的正相关性,也就是说中国31个省农村非正规金融发展规模大小会受到邻近省份农村非正规金融发展规模大小的影响;从Morans I的变化趋势来看,2008—2012年Morans I指数逐年下降,并在2012年跌为负值;2012—2018年Morans I指数则呈上升趋势,2016—2018年Morans I指数皆为正且越来越显著,这说明2016年以后中国31个省农村非正规金融的空间集聚效应越来越强,各省农村非正规金融存在越来越显著的空间正相关性。
(二)农村非正规金融局部空间分析
在LISA 集聚图中,HH象限代表该省农村非正规金融规模及其周边省份农村非正规金融规模都很大,二者空间差异程度较小;LL象限代表该省农村非正规金融规模及其周边省份农村非正规金融规模都很小,二者空间差异程度也较小;HL象限代表该省农村非正规金融规模较大而其周边省份农村非正规金融规模则较小,二者空间差异程度较大;LH象限代表农村非正规金融规模较小,而其周边省份农村非正规金融规模较大,二者空间差异程度较大。
整体来看,中国31个省份2008—2018年农村非正规金融的局部空间相关性的演化可以分为两个阶段,2008—2012年为一个阶段,在这一阶段中,大多数年份重庆位于HH象限,上海位于LL象限,贵州、湖南及西藏位于LH象限,其中位于HH象限的省份属于西部地区,位于LL象限的省份属于东部地区,位于LH象限的省份属于西部地区和中部地区;2013—2017年为第二个阶段,在此期间,大多数年份浙江、江西、福建、安徽、江苏位于LL象限,上海位于HL象限,西藏位于LH象限,其中LL象限的省份属于东部地区与中部地区,LH象限的省份属于西部地区。从局部来看,2008—2011年重庆市始终处于HH象限,这说明重庆市在2008—2011年时段农村非正规金融规模较大,且其周边的省份诸如四川、云南等农村非正规金融规模也比较大,重庆市与其周边各省在空间上集聚;2008—2012年多数年份中,上海市始终位于LL象限,而2013年以后上海市则变动到HL象限,这说明2013年以前上海市及其周边的省市区农村非正规金融规模较小,而自2013年开始,上海农村非正规金融得到一定程度的发展,其发展规模开始超越周边省份,最终形成HL型空间集聚;2014—2018年浙江、江西、福建、安徽及江苏等省处于LL象限,这说明这些时段中,浙江、江西、福建、安徽及江苏等省与其周边省份的农村非正规金融规模都比较小,且在空间上形成集聚;贵州与湖南2008—2011年及西藏2011—2016年多数年份始终处于LH象限,这说明这些年份贵州、湖南及西藏农村非正规金融发展规模相较于周边各省处于一个较低的水平,故而形成了一个LH型集聚区。值得注意的是,2017年与2018年西藏由原来的LH象限变化到HH象限,这说明西藏2017年以来农村非正规金融得到了很大的发展,从低于周边各省的规模发展到可比周边省份的规模,形成 HH型集聚区。
总的来说,中国各省(市、自治区)存在局部空间集聚,具有局部空间相关性,当然也存在部分省份的局部自相关并不显著,存在一定的空间差异性。
五、农村非正规金融收敛性分析
(一)σ收敛
若农村非正规金融发展规模的离差随着时间的推移而下降,则称存在σ收敛。本文运用各省历年非正规金融发展规模的标准差来判断各省非正规金融是否存在σ收敛,标准差的计算公式如下:
其中,N为样本总数,xi为样本值,为样本均值,依据式(2)得出全国、东部、中部和西部地区非正规金融发展规模的标准差,并绘制成图3。
由图3可知,全国、东部地区、中部地区及西部地区的农村非正规金融发展规模的标准差均随着时间的推移而上升,其中东部地区上升的幅度最大,远高于全国水平,中部地区次之,西部地区最小。这说明中国各地区的农村非正规金融存在较为明显的逆σ收敛。具体来说东部地区农村非正规金融发展规模的标准差从847.38上升至8195.50,中部地区农村非正规金融发展规模的标准差由654.44上升至5029.19,西部地区农村非正规金融发展规模的标准差由609.67上升至2809.18,全国整体农村非正规金融发展规模的标准差由717.03上升到6234.38。
(二)β收敛
β收敛是指不同经济变量的增长率与其初始水平的关系是负相关的,可分为绝对β收敛与条件β收敛,绝对β收敛是指假定各省宏观经济状况、财政支出、产业结构、开放程度等完全相同,随着时间的推移,各省的农村非正规金融发展规模逐渐收敛到相同的水平,而条件β收敛是指假定各省宏观经济状况、财政支出、产业结构、开放程度等并不相同,隨着时间的推移,各省的农村非正规金融发展规模逐渐收敛到各自的稳定水平,则存在条件β收敛。
1.绝对β收敛分析
绝对β收敛的基础模型为:
其中,RIFi,t表示第i省在t期的农村非正规金融发展规模,RIFi,t-1表示第i省在t-1期的农村非正规金融发展规模,α是常数项,εi,t是服从正态分布的误差项,若回归系数β<0,则存在绝对β收敛。考虑到空间效应,本文将建立空间面板模型进行分析。空间面板模型分为空间滞后模型与空间误差模型,我们需对这两种模型进行选择。
可根据LM检验来选择空间滞后模型或空间误差模型,若LMERR较LMLAG显著,R-LMERR显著而R-LMLAG不显著,则空间误差模型(SEM)更适合,反之则空间滞后模型(SLM)更适合;若LMERR、LMLAG都不显著,则比较LMERR和LMLAG的统计量,若LMERR比LMLAG的统计量值更大,则选择空间误差模型,反之则选择空间滞后模型。
由表6可知,全国的LMERR与LMLAG的P值分别为0.619与0.492,皆未通过5%的显著性检,但LMLAG较LMERR更为显著,故应当选择空间滞后模型。同理,东部地区与西部地区选择空间滞后模型,中部地区选择空间误差模型,构建以下空间滞后模型(SLM)与空间误差模型(SEM):
其中,RIFi,t表示第i省在t期的农村非正规金融发展规模,RIFi,t-1表示第i省在t-1期的农村非正规金融发展规模,ρ为空间滞后系数,λ为空间回归系数,反应空间效应的大小;W是空间权重矩阵;μi,t表示服从正态分布的误差项,εi,t表示随机误差项。
由表7可知,在空间滞后模型(SLM)与空间误差模型中,中部与西部地区的系数β皆为负且通过1%的显著性检验,全国与东部地区的系数β也皆为负担通过显著性检验,这说明农村非正规金融在中部与西部地区存在绝对β收敛,在全国与东部地区存在绝对β收敛的迹象。即在各省宏观经济状况、财政支出、金融发展及产业结构等条件不变的情况下,随着时间的推移,中部地区和西部地区的农村非正规金融规模逐渐收敛到相同的水平,全国和东部地区的农村非正规金融规模有逐渐收敛到相同的水平的迹象。
2.条件β收敛分析
条件β收敛的基础模型为:
其中,RIFi,t表示第i省在t期的农村非正规金融发展规模,RIFi,t-1表示第i省在t-1期的农村非正规金融发展规模,Z是控制变量,α是常数项,εi,t是服从正态分布的误差项,若回归系数β<0,则存在条件β收敛。同样建立空间面板模型进行分析,根据LM检验,由表8可知,全国的LMERR与LMLAG的P值皆未通过显著性检验,但LMERR较LMLAG更为显著,故全国应选择空间误差模型(SEM)。同理,东部地区也选择空间误差模型,中部与西部地区选择空间滞后模型进行分析。
采用2008—2018年中国31个省份非正规金融发展规模,从本文将从农业发展水平、财政、金融发展水平、产业结构、农户固定资产投资、农业发展等多方面分析影响农村非正规金融发展规模的因素,选取以下解释变量,构建空间计量模型。
农业发展指数(agr)为各地区农业增加值占农业总产值的比重,可以衡量地区农业发展水平。财政支农指数(gov)为财政农林水务支出比总支出,农林水事务支出是指地方财政一般预算支出中的农业支出项目,包括农业支出、林业支出、水利支出、扶贫支出、农业综合开发支出等。财政支农指数可以衡量地区财政支农程度。产业结构(industry)为当年第三产业增加值比地区生产总值,可以衡量地区产业结构状况。自然灾害(disaster)为各地区当年农业受灾面积,可以衡量自然灾害对农户进行非正规金融借贷的影响。农村人均产值(pgdp)为第一产业增加值比农村人口,可以衡量农村经济发展状况。农村居民人均消费性支出(expend),可以衡量农村居民消费水平。农村家庭基尼系数(poor)可以衡量农村居民生活水平。
建立空间滞后模型(SLM)与空间误差模型(SEM)如下:
其中,ρ为空间滞后系数,λ为空间回归系数,反应空间效应的大小;W是空间权重矩阵;μi,t表示服从正态分布的误差项,εi,t表示随机误差项。
由表9可知,全国和西部地区的空间滞后系数皆大于0且通过1%的显著性检验,而东部和中部地区空间滞后系数未通过5%的显著性检验,这说明全国和西部地区各省农村非正规金融发展规模存在明显的空间相关性,东部和中部地区则不存在明显的空间相关性。在空间滞后模型与空间误差模型中, 全国、东部、中部及西部地区的β值皆显著且都小于0,即农村非正规金融在全国、东部地区、中部地区及西部地区是存在条件β收敛的,这说明在地区宏观经济状况、财政支出、金融发展及产业结构不同的情况下,随着时间的推移,各地区的农村非正规金融逐渐收敛到各自的稳定水平,存在条件β收敛。从收敛系数的绝对值大小来看,西部最大,中部次之,东部最小,这说明中国各省农村非正规金融的收敛速度呈现西部到东部的格局,西部地区的农村非正规金融将最先收敛到其稳定水平。
从全国范围来看,产业结构、自然灾害、农村人均产值及农村家庭基尼系数等解释变量皆通过显著性检验,所建立的空间误差模型能很好的反映产业、自然灾害及农村经济发展等因素对中国农村非正规金融的影响方向及影响程度。产业结构、自然灾害及农村人均产值的系数β3、β4、β5>0,这说明产业结构、自然灾害及农村人均产值与地区农村非正规金融呈现为正相关,地区第三产业发展越快,自然灾害受灾程度越严重,农村人均产值越高,该地区的农村非正规金融的规模就越大,农村居民消费性支出与农村家庭基尼系数的系数β6、β7<0,这说明农村居民消费性支出与农村家庭基尼系数与地区农村非正规金融呈现为负相关,农村居民消费性支出越多,农村居民生活水平越低,农村非正规金融规模越小。从区域范围来看,东部地区有农村人均产值、农村居民消费性支出及农村家庭基尼系数通过显著性检验,其中农村人均产值与农村非正规金融呈正相关,农村居民消费性支出及农村家庭基尼系数与农村非正规金融呈负相关,这说明在东部地区,农村人均产值的增加会促进农村非正规金融的发展,而农村居民消费性支出的增加与农村家庭生活水平的降低则会阻碍农村非正规金融的发展;中部地区仅有自然灾害指数通过10%的显著性检验,其系数为正,这说明在中部地区自然灾害受灾程度越大,农村非正规金融规模越大;西部地区则有农业发展指数、农村人均产值、农村居民消费性支出及农村居民家庭基尼系数通过显著性检验,其中农村人均产值的系数β5>0,农业发展指数、农村居民消费性支出及农村居民家庭基尼系数的系数β1、β6、β7<0,这说明在西部地区农村人均产值越高,农业发展的越慢,农村居民消费性支出越少,农村居民生活水平越高,农村非正规金融发展的越好。总的来说,不同地区影响农村非正规金融发展的因素并不相同,因此我们分析不同地区的农村非正规金融问题时需视情况而定。
六、结论与建议
(一)结论
本文选择正规金融满足率推算法进行计算,得出2008—2018年中国31个省农村非正规金融的规模,并进一步分析了中国各省、各地区农村非正规金融的发展状况与空间敛散性。一是中国农村非正规金融整体发展程度不高,各地区发展水平与速度不一,存在较为显著的差异。目前,中国农村非正规金融发展的规模并不大,大部分省份的大部分年份农村非经济为负值,发达的东部地区与经济欠发达的西部地区农村非正规金融的规模大的省份都较多,但其中缘由却不尽相同。就农村非正规金融的发展速度而言,中国西部地区的农村非正规金融平均规模各地区之中最大,增长速度也是最快的,而中部地区与东部地区的增幅较慢,且均出现了负增长。二是中国各省农村非正规金融发展规模数据具有全局自相关显著而局部自相关不显著的特点。三是中国农村非正规金融各存在逆向σ收敛与β收敛。在中部地区和西部地区存在绝对β收敛,在全国与东部地区存在绝对β收敛的迹象;全国及东中西部皆存在条件β收敛。四是农业发展、产业结构、自然灾害、农村人均产值、农村居民人均消费性支出及农村家庭基尼系数等因素对农村非正规金融的发展有着显著的影响,第三产业发展的越快,自然灾害受灾程度越严重,农村人均产值越高,农村居民人均消费性支出越少,农业家庭生活水平越高,农村非正规金融发展得越好。不同地区影响农村非正规金融发展的因素并不相同,因此我们分析不同地区的农村非正规金融问题时需要根据该地区的具体情况进行分析。
(二)建议
一是正视农村非正规金融存在的广泛需求基础,建立健全非正规金融监管体系。农村非正规金融是中国双二元金融结构的伴生物,具有深厚的生存土壤与独特的运行机制,为有效解决“三农”发展的金融需求贡献着独特的力量。为了更好地发挥农村非正规金融的作用,政府应当给予农村非正规金融更为明确的定位,根据地区实际情况,制定适合本地区的农村非正规金融支持政策,促进本地区农村非正规金融的发展。同时,要加强对农村非正规金融的监管力量,完善相应的法律法规,转变农村金融监管方式,打击非法金融行为,使得农村非正规金融早日步入金融监管正轨,与正规金融共同组成一个互补有序、相互促进的金融体系。二是纵深推进农村普惠金融体系建设。坚持金融惠民导向,以更高水平、更宽领域纵深推进农村普惠金融体系建设,为促进乡村全面振兴实现农业农村现代化提供更多的金融资源供给。积极推进互联网、人工智能、大数据与智能传感、云计算、物联网、区块链、5G等代表的新一代信息技术与农村金融的深度融合,创新农村金融场景应用,拉长数字普惠金融服务链条,激活农村普惠金融发展新动能。三是积极引导农村非正规金融向正规金融转型。加强对农村非正规金融的互动与引导,加快农村非正規金融的示范引领和规范化建设,推行系列规范化建设制度与政策。同时,进一步释放农村金融发展活力,优化农村金融结构,放宽农村金融市场的准入限制,引导非正规金融正规化,重构农村金融组织体系。四是依据农村非正规金融的空间溢出效应,由农村非正规金融发展好的省市区向农村非正规金融发展较差的省市区输出成功的经验等,促进各省市区、各地区农村非正规金融的协调发展。
参考文献:
[1]习近平.关于《中共中央关于制定国民经济和社会发展第十四个五年规划和二三五年远景目标的建议》的说明[N].人民日报,2020-11-04.
[2]M R Gupta,S Chaudhuri.Formal Credit,Corruption and the Informal Credit Market in Agriculture: A Theoretical Analysis[J].Economica,1997,64:331-343.
[3]McKinnon R.Money and Capital in Economic Development[M].Washington DC:Brookings Institution,1973.
[4]Isaksson A.The Importance of Informal Finance in Kenyan Manufacturing[R].The United Nations Industrial Development Organization (UNIDO) Working,2002.
[5]林毅夫,孙希芳,姜烨.经济发展中的最优金融结构理论初探[J].经济研究,2009,44(8):4-17.
[6]顾海峰.规范中国民间非正规金融发展的创新路径研究[J].经济体制改革,2013(1):122-126.
[7]Hoff K,Stiglitz J.Introduction:Imperfect Information and Rural Credit Markets—Puzzles and Policy Perspectives[J].World Bank Economic Review,1990,4(3):235-250.
[8]Turvey C G.Rong Kong.Informal Lending amongst Friends and Relatives[J].China Economic Review,2010,21(4): 544-559.
[9]刘民权,徐忠,俞建拖.信贷市场中的非正规金融[J].世界经济,2003(7):61-73.
[10]苏士儒,段成东.从非正规金融发展看中国农村金融体系的重构[J].金融研究,2005(12):131-144.
[11]姚耀军.非正规金融市场:反应性还是自主性?——基于温州民间利率的经验研究[J].财经研究,2009,35(4):38-48.
[12]刘纯彬,桑铁柱.农村非正规金融:存在基础、效率机制与演进趋势[J].江汉论坛,2010(12):45-48.
[13]胡宗义,马文丽,刘亦文.农村非正规金融发展对地区农民收入差异影响分析[J].统计与决策,2016(16):86-89.
[14]张梦缘,宋坤,谌希,汪璐.农村非正规金融发展的多维减贫效应研究——基于门槛面板数据的实证分析[J].金融发展研究,2017(4):80-85.
[15]邱洋冬.农村非正规金融发展与城乡居民收入差距——基于面板平滑转换模型[J].调研世界,2019(6):27-32.
[16]李玮,吴平.正规、非正规金融对城乡居民消费影响差异——基于替代效应视角[J].西南金融,2019(8):45-53.
[17]胡宗义,李鹏.农村正规与非正规金融对城乡收入差距影响的空间计量分析[J].当代经济科学,2013,35(2):71-80.
[18]胡宗义,陈俊,唐李伟.我国农村非正规金融发展收敛性的空间计量研究[J].统计与决策,2014(17):123-126.
[19]冉光和,汤芳桦.我国非正规金融发展与城乡居民收入差距[J].经济问题探索,2012(2): 185-190.
[20]郭沛.中国农村非正规金融规模估算[J].中国农村观察,2004(2):21-25.
[21]刘亦文,欧阳莹,丁攀.湖南农村正规金融与非正规金融规模测度与时空演化研究[J].金融经济,2021(12):69-80.
[22]中国人民银行农村金融服务研究小组.中国农村金融服务报告2018[M].北京:中国金融出版社,2019.
基金项目:本文系国家社科基金项目“精准扶贫视域下生态扶贫机制创新与效果评估研究”(17BJY131)阶段性研究成果。
收稿日期:2021-12-22
作者簡介:刘亦文(1981-),男,湖南攸县人,湖南工商大学数据决策与数字经济研究院副教授;
欧阳莹(1997-),女,湖南攸县人,湖南工商大学数据决策与数字经济研究院硕士研究生;
丁 攀(1984-),男,浙江义乌人,现供职于中国人民银行海口中心支行。