农村金融市场竞争对农村普惠金融发展的影响

燕 翔，冯兴元

（1. 中国社会科学院 金融研究所，北京 100710；2. 中国社会科学院 农村发展研究所，北京 100732）

一、引 言

我国的金融体系是以商业银行为主导的，农村金融市场也不例外。长期以来，我国的农村金融市场主要以农信机构为主，市场竞争不够充分。1997 年，中央金融工作会议确定了“各国有商业银行收缩县（及县以下）机构，发展中小金融机构，支持地方经济发展”的基本策略，包括农行在内的国有商业银行日渐收缩县域及县域以下机构。此后，农村金融市场内的正规金融机构就只剩农信系统、农业银行、农业发展银行和邮储银行。其中，农业银行一方面压缩基层网点，另一方面还收缩基层机构的贷款权限，其农业贷款业务仅占全部贷款余额的10%，业务重心转向城市［1］；邮储银行没有开展贷款业务，只吸收存款，因此像“抽水机”一般将农村地区的资金转移出去。农业发展银行作为政策性银行，主要从事粮棉油收储的金融支持以及农村基础设施改造的金融支持，对于农业生产经营并不提供信贷，因此在农村金融市场内部仅剩农信机构为农户和农村小微企业提供金融服务。农村金融市场竞争不充分供给导致了“贷款难、贷款贵”问题的出现。

2006 年12 月，为了增强农村金融市场的竞争程度，原银监会发布文件鼓励设立包括村镇银行在内的一系列新型农村金融。2007 年中央一号文件提出，要引导邮政储蓄资金返还农村，同年邮政储蓄银行在原先邮政储蓄的基础上改制成立。2008 年，中国农业银行也根据中央的政策要求，设立了“三农”金融事业部，并重新将服务“三农”作为其业务重点之一，重新回到农村金融市场。2017 年5 月，原银监会等11 部委联合印发了《大中型商业银行设立普惠金融事业部实施方案》，要求商业银行设立普惠金融事业部，支持普惠金融发展，国有商业银行纷纷开始下沉网点，在县域农村地区设置分支机构和服务点，农村金融市场的竞争度有所提高。尽管如此，目前，从法人机构数量、网点数量以及员工数量等方面看，农信机构依然是农村金融市场最多的银行业金融机构。此外，单纯机构数量上或类型上的增加并不能有效提升金融市场的竞争程度。根据演化经济学中关于竞争的定义，“真正的竞争”是市场内各种金融机构通过提供差异化的产品和服务提升自己的市场份额［2］。当前农村金融市场金融产品同质化问题严重，竞争性有待进一步提高。

根据金融结构理论和农村金融市场的竞争范式，加强农村银行业金融机构的竞争有助于实现资源的最优配置，更有助于农村普惠金融的发展。因此，基于以上背景和理论，本文就我国农村银行业市场竞争对农村普惠金融发展的影响进行了实证分析。

当前银行业竞争对于金融服务可获得性的影响主要基于以下两个假说：信息假说（information-based hypothesis）和市场力假说（market power hypothesis）。信息假说最初是由Petersen 和Rajan［3］提出的，他们利用 1988—1989 年美国小企业金融调查的数据，发现银行业竞争会削弱中小企业信贷服务的可获得性，认为在缺乏竞争性的银行业市场，银行不担心客户的流失，因此愿意为新成立的年轻企业提供低利率贷款，待企业成长壮大后，再逐步提升利率水平，弥补前期的低利率所带来的成本和损失。信息假说类似于关系型借贷，通过前期的低利率政策，建立银行与企业间的长期合作关系，获取企业的“软信息”，进而有效地掌握企业经营状况，降低信贷双方的信息不对称，而竞争程度很高的金融市场会削弱银行与企业建立这种长期关系的动机。市场力假说基于传统经济学理论，即任何偏离完全竞争的行为都会导致更少的信贷机会以及更高的信贷成本，认为银行市场力量对于信贷获取具有负面的影响，该理论强调银行业市场中竞争的重要性，认为竞争程度的提高在降低了贷款利率水平的同时，还有利于银行业效率的提升，有助于提升企业金融服务的可获得性。Beck 等［4］利用世界商业环境调查（WBES）中74 个发达国家和发展中国家的数据，就银行业竞争对信贷可获得性的影响进行了研究，结果发现，集中的银行体系不利于发展中国家的小企业获得贷款，但对于人均GDP 水平较高、金融市场化程度较高的发达国家，银行业竞争与融资障碍之间的关系变得无关紧要。Carbó-Valverde等［5］利用1994—2002年西班牙30897 家中小企业的数据，使用勒纳指数对银行业竞争进行测度，发现市场力的提升会加剧中小企业的信贷配给问题。Leon［6］利用69 个发展中国家和新兴国家的企业层面数据，研究了银行业竞争对信贷约束的影响，也验证了银行竞争缓解了信贷约束。Chong 等［7］通过对中国中小企业融资情况的调查，结合银行网点的详细信息，就地方银行市场集中度对信贷可得性的影响进行了研究，发现较低的市场集中度缓解了融资约束，而与城市商业银行和国有银行相比较，股份制商业银行对于这些约束的缓解作用更大。

近年来，一些国内学者也围绕这一问题展开了相关研究，其研究结果普遍与市场力假说一致。周顺兴等［8］利用2008—2013 年江苏省村镇银行的数据，研究了银行业竞争对村镇银行普惠金融绩效的影响，发现银行业竞争程度的提升一方面提高了村镇银行的覆盖深度，另一方面也改善了村镇银行的经营行为，进而更好地促进了普惠金融发展。张正平等［9］利用2010—2014 年除港澳台地区外的全国31 个省（区、市）的数据分析了新型农村金融机构设立以及农村金融银行业市场竞争对普惠金融发展的影响，研究结果表明：新型农村金融机构的设立总体上有利于普惠金融的发展，但这种效应受当地经济发展条件以及金融市场竞争程度的影响，在经济水平发展较为落后的中西部地区，增加新型农村金融机构的数量有助于普惠金融的发展，且当地金融市场竞争性越强，这一效应越明显。张珩等［10］利用2008—2014 年陕西省107 家农村信用社的数据，对影响农村普惠金融的发展因素进行了研究，发现市场竞争越激烈，越有利于农村普惠金融的发展。王雪等［11］利用 2010—2017 年县域银行网点分布数据，就县域银行业竞争对普惠金融发展的影响进行了分析，发现当前我国农村金融市场的竞争性有所增强，越来越多的银行业机构开始重新布局县域，县域银行业竞争水平的提高有利于农村金融服务的深化。在竞争性指标的选取上，不同学者之间也存在较大差异，例如王雪等［11］利用不同类型农村银行业金融机构网点分布的数据，构造了赫芬达尔—赫希曼指数和前两大银行集中度指数，对县域银行业竞争程度进行测量；张正平等［9］利用各类银行业金融机构的资产总额占比，构建赫芬达尔—赫希曼指数来衡量金融市场的竞争程度对各省普惠金融发展的影响；周顺兴［8］通过单位人口拥有的银行数量和单位面积银行网点数量，对江苏省农村竞争程度进行了测量。

总体而言，国外学者就金融市场竞争对金融服务可获得性影响的研究主要基于国家之间的比较以及其本国内中小企业融资的研究，针对农村金融市场的研究相对较少，但为国内学者研究这一问题提供了研究思路。而国内学者普遍结合我国农村普惠金融发展的现状和问题展开了一系列研究，但还存在一些问题，例如在衡量农村银行业市场竞争程度上不够精准、研究对象偏离农村金融等。

本文尝试从农村银行业金融机构的结构角度，分析其对我国农村普惠金融发展的影响。结合我国农村普惠金融的发展特点和演化经济学中关于竞争的定义，利用农信机构的微观数据，通过县域农村商业银行贷款余额占所在县域全部金融机构贷款余额的比重，构建核心解释变量CR 对县域农村银行业金融机构的竞争程度进行测度，考察当前我国农村金融市场中竞争程度的变化对农村普惠金融服务水平的影响。此外，本文从农村普惠金融体系的微观层面出发，考虑到农村商业银行的异质性，地市级农商行和县域农商行主要服务群体已经有所不同，地市级农商行所服务的对象大多是城区小微企业，不再是传统农村金融的“三农”范畴，而从长期深耕农村金融市场的县域农商行视角，研究农村普惠金融的发展，具有一定创新性。

二、理论分析与研究假说

一直以来，学界对于银行业结构和竞争程度对金融发展和经济增长的影响进行了大量讨论，部分学者从产业组织理论出发，认为银行业竞争性的提高有利于经济发展，例如Guzman［12］认为竞争性的银行业结构有助于一方面提高存款利率，增加经济发展所需的信贷资金，另一方面降低贷款利率，降低企业融资成本，增加企业投资的积极性，进而促进经济增长。此外，林毅夫［13-14］提出的“最优金融结构”理论，认为金融结构是经济体内生决定的，在一定发展阶段只要金融结构能够促进当地产业经济发展就是最优的。在此背景下，他认为当前促进中小金融机构发展，提高其市场份额，加强这部分机构与四大国有银行的竞争有助于促进地区经济增长。

但是“最优金融结构”的结论并不适用于我国农村金融市场。根据《中国农村金融服务报告（2018）》，当前农信机构提供了全国66%的农林牧渔业贷款和54%的农户贷款，农信机构在农村金融市场相较其他银行金融机构具备很大优势。特别是扎根县域的农信机构①，其在县域的市场份额普遍较高。根据《中国县域数字普惠金融发展指数研究报告》，在其调研的6 个县中，2019 年末各县农信机构的存款余额占全县金融机构存款余额的比重均超过30%，贷款余额占全县金融机构贷款余额的比重也比较大。因此若要增强其竞争性，就需要其他金融机构进一步下沉，真正参与到农村金融市场，为农户和各类新型农业经营主体提供多样化的金融服务，提升自身市场份额占比。

基于以上分析，农信机构作为农村金融的主力军，其市场份额的变化能够反映农村金融市场竞争程度的变化，而竞争程度的增强又会进一步改善农村普惠金融的服务水平，因此，本文提出第一个假设：

假设1：农信机构市场份额的降低有助于提高农村普惠金融服务水平。

根据上述假设，建立如下面板数据模型：

其中，被解释变量RIFI代表县域普惠金融的服务指数，该指数越高，代表该县普惠金融的服务水平越好；核心解释变量是农商行贷款余额在当地的集中程度CRit②，β衡量了农商行贷款集中程度对普惠金融服务水平的影响，根据假设1，预估β的估计结果是负数，因此对于农商行来说，其贷款的集中程度越低，该县域农村金融市场的竞争越充分，普惠金融的服务水平越高；Kit为一系列控制变量；αi代表不随时间变化的个体差异；rt为时间效应；εit为随机误差项。

此外，经济发展水平也影响着农村普惠金融的服务供给。一般而言，金融资源倾向于向发达地区集聚［15］，即经济发展水平越高的地区农村金融服务的供给也越充分；经济发展水平越低的地区，农村金融供给的缺口也越大。当前我国农村金融市场的竞争具有明显的非均质性，2017 年贫困县银行网点的数量仅为非贫困县的57.99%［11］。与发达地区相比，经济发展水平落后、金融服务水平较低的地区，改善其金融供给所带来的边际效应更明显。因此，本文提出第二个假设：

假设2：经济发展水平越低，增强农村银行业竞争越有利于农村普惠金融服务的改善。

根据上述模型，建立如下面板数据模型：

其中，被解释变量RIFI代表县域普惠金融的服务指数；CRit为农商行贷款余额在当地的集中程度，反映农村金融市场的竞争程度；lnpgdpit为县域人均国民生产总值，与全县GDP 相比，人均GDP 更能充分反映县域的经济发展水平，二者的交互项主要考察在经济发展水平不同的地区，农村银行业竞争对于农村普惠金融服务的促进效应的异质性。根据假设2，预估σ的估计结果是负数，即经济发展水平越低的地区，增强银行业市场的竞争程度，越有利于农村普惠金融服务的发展。

三、农村普惠金融服务水平的测度

农村普惠金融服务水平的测度是一个复杂和多维度的过程，其更多地侧重对农村普惠金融供给侧的服务水平度量。本文借鉴Sarma 等［16］、Beck 等［17］、粟勤等［18］对普惠金融指数的构建方法，从金融服务的可获得性、渗透性以及服务效用性三方面构建了农村普惠金融服务指数（RIFI）。指标的计算分为四个步骤，首先需要建立农村普惠金融服务指标体系，其次需要对各指标进行无量纲化处理，再次需要确定各指标的权重，最后计算出结果。

（一）指标体系的构建

当前对于普惠金融指数指标体系的构建有很多种。本文从数据可得性和合理性出发，借鉴张珩等、王雪等［10-11］对县域普惠金融指数的测度，从机构渗透性、银行服务可获得性以及服务使用效用性三个维度，各包含两个指标，构建农村普惠金融服务指数。其中机构渗透性包含地理分支机构渗透性和人口分支机构渗透性，前者用每百平方公里营业网点数代表，后者用每万人银行营业网点数代表；银行服务可获得性包含人均存款余额和人均贷款余额，前者用千人储蓄存款余额代表，后者由千人贷款余额代表；服务使用效用性包含储蓄率和贷款率，前者用存款余额占当地GDP 比重代表，后者用贷款余额占当地GDP 比重代表（见表1）。

表1 RIFI 指标体系

（二）构建方法

1.确定指标权重

由于农村普惠金融服务指标体系包含多项指标，因此在计算最终服务指数时需要确定各指标的权重（wi）。当前对于权重的计算方法主要有三种，第一种是对各指标进行主观赋权，通过专家打分或经验打分的方式进行赋权，这一方法较为简单，主观性过强，容易造成偏差；第二种是基于数据本身的特征，利用变异系数法进行赋权；第三种是通过因子分析法进行赋权。为了保证实证结果的稳健性，本章采用主观赋权法和因子分析赋权法两种方法赋权：借鉴Sarma［16］的方法，假设每一维度对于农村普惠金融服务的影响程度一样，赋予每个维度相同的权重；考虑到权重赋值的客观性和科学性，借鉴马彧菲等［19］的方法，选用因子分析法对指标体系中各指标进行赋权。

2.无量纲化处理

为了使指标体系中不同单位的各指标具备可比性，需要对原始数据进行标准化，消除各自量纲差异。根据文献，目前主流方法是基于距离，对数据进行标准化处理，具体公式为：

其中，di为第i个指标经过无量纲化处理后得到的数值，wi为第i个指标在指标体系中的权重，xi为指标的实际值，Mi为i指标的最大值，mi为i指标的最小值。

3.指数计算

农村普惠金融服务指数（RIFI）的计算主要借鉴 Sarma［16］的方法，通过计算欧式距离Dn和逆欧氏距离的平均值计算得出。假设处理后的各指标都可以用i维笛卡尔空间中的一个点Xn=(d1,d2,d3…di)表示，i为农村普惠金融服务指标体系中指标个数。在这一空间中，O=（0，0，0…0）为空间原点，代表农村普惠金融服务水平最差的点，W=(w1,w2,w3…wi)代表农村普惠金融服务水平最高的点。

（三）普惠金融服务指数的计算结果

本节分别利用等权重法和因子分析法计算了2016—2018 年内浙江、山东、江苏、安徽、湖北、福建、广东、山西、辽宁省内47 个县域的普惠金融指数，其中在等权重法中，每个维度的权重wi均为1/6，再对数据进行无量纲化处理并计算出欧氏距离的平均值得到基于等权重法的农村普惠金融服务指数（RIFI_D）。在因子分析法中，利用SPSS18.0 软件，对指标体系进行降维处理，并根据因子分析的结果确定了各指标的权重，再对数据进行无量纲化处理并计算出欧氏距离的平均值得到基于因子分析法的农村普惠金融服务指数（RIFI_Y）。

整体来看，基于因子分析法得到的全国47个县市的普惠金融服务指数呈现逐年上升的趋势（见图1）。可以看出近几年各地重视发展农村普惠金融取得了积极效果，县域普惠金融服务水平有所改善。从区域来看，东部沿海省份的县域普惠金融服务指数明显高于中部地区，其中福建省的县域普惠金融服务指数最高，平均为69.47；浙江省县域普惠金服务指数仅次于福建，平均值为53.71；江苏省排第三位，平均值为45.94。相比之下，山东、湖北、安徽等中部内陆地区的县域普惠金融服务水平相对落后，指数平均值分别为37.89、38.6、39.85。

图1 2016—2018 年各地农村普惠金融服务指数

四、解释变量说明

（一）银行业竞争程度的测度

农村银行业竞争程度是本文的核心解释变量，用以对农村普惠金融市场竞争程度的测度。在现有文献中，对于农村银行业竞争程度的衡量大多是基于金融机构数量的角度。事实上，农村金融市场中单纯的金融机构数量的增多，并不能反映出金融市场的竞争程度。新古典经济学将竞争看作一种均衡的状态，强调某一刻的资源分配，但真正的竞争是一种行为间的对抗，并且这种行为包括的内容不只是交换，竞争本质上是由竞争者不同的行为所驱动的内生化的变迁过程［2］。竞争不是强调市场中企业数量的多少，而是由这些企业行为的多样化所决定。一味地将竞争等同于竞争者的数量，就等同于认为这些竞争者是同质的。因此一个行业的竞争性并不单纯是其所包含的企业数目带来的，而是由企业数目增加带来的行为多样性程度的增加所造成。从我国农村普惠金的发展现实情况来看，也证实了这一观点。从2006 年开始，我国农村金融机构的数量和种类持续增长，但是“贷款难”问题一直存在。

事实上，在产业组织理论中的集中比率（CR）、赫芬达尔—赫希曼指数（HHI）、勒纳指数（Lerner Index）都常被用来分析市场的竞争程度，其中集中比率是指市场中排名前n 位的企业的市场份额占整个市场份额的比重；赫芬达尔—赫希曼指数是指各企业占市场份额比重的百分比的平方和；勒纳指数是指一家企业销售商品价格与其边际成本的比值。这些指数对于市场竞争程度的测度也都是基于市场份额来计算的，而不是市场中企业的数量或集中程度。基于上述逻辑，参考集中比率的计算方法，结合农信机构长期在农村金融市场处于主导地位的现实基础以及农村金融市场机构类型非常有限的现实背景，在数据可获得的基础上，本文选用县域农信机构的市场份额（CR），即各县域农村商业银行的贷款余额占当年该县全部金融机构的贷款余额的比率，来代表农村银行业的竞争程度。CR 指数越高，说明农商行在其所在县域的主导地位越高，所在农村金融市场竞争性越小。

（二）控制变量

在控制变量的选取方面，参考王雪、何广文［11］的研究，从县域经济特征、金融特征、人口特征等方面对计量结果进行控制（见表2）。其中经济特征方面，选取县域生产总值、人均生产总值、第一产业占比、第三产业占比、人均社会消费品零售总额、投资率作为控制变量；在金融与基础设施特征方面，选取县财政支出规模作为控制变量；在人口特征方面，选取人口密度和教育水平作为控制变量。

表2 控制变量的定义及含义

（三）变量的描述性统计分析

本章研究使用的数据样本是2016—2018 年期间县域数据。具体包括部分：第一部分来自农村商业银行2016—2018 年公布的年度报告，其中公示了农商行的当年存款余额、贷款余额；第二部分来自2016—2018 年农商行所在区县的国民经济与社会发展统计公报；第三部分则来自2017—2019 年中国县市统计年鉴。考虑到部分农商行存在跨区经营以及通过设立村镇银行来拓展本行业务边界③，导致样本数据发生偏差的问题，本文从搜集到的120 家农商行中，筛选出47 家只服务于农商行所在县域的农商行作为样本④，其中浙江 16 家、山东 11 家、江苏 9 家、安徽 4家、福建3 家，广东、湖北、山西、辽宁各1 家。此外，对于设立村镇银行的农商行，剔除村镇银行的业务数据，只保留农商行的经营数据。

表3 为各变量的统计特征。从表中可以看出，不同地区的农村普惠金融服务水平差异较大，基于等权重法计算的RIFI_D 均值为50.842，最小值为36.278，最大值为89.604；基于因子分析法计算的RIFI_Y 均值为47.144，最小值为33.038，最大值为89.222。农村银行业竞争的代理指标CR 的均值为0.295，最小值为0.097，最大值为0.761。此外人口密度、县财政支出、县域GDP、县域人均GDP 等控制变量最大与最小值之间差别也较大，说明全国各地县域的经济社会发展水平具有较大差异。

表3 变量的描述性统计

五、结果与分析

（一）回归结果与分析

考虑到计算出的农村普惠金融指数的取值在0—100 之间，具有非负截断的特征，对于此类被解释变量，固定效应Tobit 模型会导致估计结果有偏，故采用随机效应Tobit 模型进行估计［10］。在回归前，对样本的异方差性和截面相关性进行了考察，由于本文采取面板Tobit 随机效应模型，本身已经在很大程度上消除了异方差问题，同时利用Pesaran 提出的方法，对样本的截面相关性进行检验，结果显示样本不存在截面相关问题。因此本文运用面板Tobit 随机效应模型对样本进行了回归，具体回归结果如表4 所示，其中第（1）（2）列是被解释变量为RIFI_D 估计结果，（3）（4）列是被解释变量为RIFI_Y 的估计结果，两种回归方式的结果显示出高度的一致性。

表4 农村银行业竞争对普惠金融服务深化影响的回归分析结果

回归结果显示，农村金融市场的竞争程度确实对农村普惠金融服务的水平产生了重要影响。农村金融市场银行业的集中程度与农村普惠金融服务水平在1%的水平上显著负相关，即农商行的贷款余额占当地全部金融机构贷款余额的比例越低（市场的竞争程度越高），则越有利于该地区普惠金融服务水平的提升，这也与王雪等［11］、张正平等［9］的研究结论相同。此外，财政支出规模和经济发展水平（lnpgdp）均对农村普惠金融服务水平产生正向影响。财政支出规模越大，当地的基础设施以及金融环境也相对较好，因此财政支出规模的增长有助于改善农村普惠金融的服务水平，经济发展水平越高的地区，其农村普惠金融的服务水平也越高。

另外，考虑农村银行业竞争对于农村普惠金融服务的影响可能存在的异质性，即在经济发展水平不同的县域影响程度可能存在差异，本文在回归中加入了县人均GDP 与县域农信机构市场份额的交互项（lnpgdp×cr），回归结果如表5所示。

表5 不同经济发展水平地区农村银行业竞争对普惠金融服务深化影响的回归分析结果

结果显示，交互项的系数分别在10%和5%的水平下显著，表明人均GDP 水平越高的地区，银行竞争性水平的提升对农村普惠金融服务的影响作用越小，因此对于经济较为落后的地区，增强农村银行业的竞争水平，能够有效提升当地金融服务水平。这是由于经济水平发展落后的地区，通常存在金融供给不充分的问题，银行业竞争性的提升更有利于其获取金融服务。需要强调的是，这里竞争水平的提升不是强调机构数量的增多，而是农村银行业市场内部不同类型金融机构通过提供差异化的产品和服务形成的竞争。

为了进一步分析农村金融市场中银行竞争程度对农村普惠金融服务水平的影响渠道，本部分还对农村普惠金融服务指标体系中的各维度进行了回归分析（表4-6）。根据结果可以发现，农村金融市场中银行业的竞争程度对于银行服务的渗透性、银行服务可得性以及服务使用效用性均产生影响。农村金融市场银行业的集中程度与农村金融机构地理渗透率（DLST）、人口渗透率（RKST）、农村人均存款（RJCK）、农村人均贷款（RJDK）、农村贷款率（DKL）均存在显著负相关，即农商行的贷款余额占当地全部金融机构贷款余额的比例越低（市场的竞争程度越高），越有利于该区域内农村银行业机构的覆盖水平提升，同时也更有利于农村居民金融服务的可获得性。

比较CR 系数的大小可以发现，与农村人均存款相比，银行业的竞争程度对于农村贷款服务的影响效果更大，因此农村金融市场竞争程度的提高有助于解决农村金融领域“贷款难、贷款贵”的问题。造成该现象的原因可能是，相对于贷款而言，存款服务更容易获得，当前我国通过农村金融服务点、安装ATM 机的方式，可以较好地解决农村居民的存款问题，因此，农村银行业金融机构的竞争程度对储蓄影响较小。而对于贷款而言，普遍需要农户去银行的营业网点去办理，且流程复杂，对于风险的控制较为严格，因此受当地银行业金融机构竞争程度的影响较大。此外，人均GDP 水平的提升，有利于金融渗透水平以及金融服务的可获得性的提高，但对于金融服务的使用效用的影响并不显著。

表6 农村银行业竞争对普惠金融服务指标体系各维度的回归结果

（二）稳健性检验

为了保证上述实证结果的稳健性，本文对实证结果进行了稳健性检验，分别采用两种方法：一是采用改变估计方法的方法，采用固定效应模型进行参数估计；二是参考已有文献，寻找合适的工具变量，对模型进行工具变量估计，比较结果，考察实证研究结果的稳健型。

1.改变估计方法

考虑到数据的类型属于短面板数据，本文采用固定效应模型对样本进行回归，回归结果如表7 所示。总体来看，模型的整体拟合结果一般，调整后的R2分别为0.45 和0.231，但是对于核心解释变量，分别在5%和1%的显著水平下显著，且系数符号与采用面板Tobit 模型的结果一致，说明农村银行业竞争程度的提高，有助于促进县域普惠金融服务水平的提高。

表7 采用固定效应模型的估计结果

2.工具变量法

另外，考虑到模型设置中因遗漏变量和反向因果所导致的内生性问题，本文借鉴Chong等［7］、王雪等［11］构建工具变量的思路，选取样本县（市）所在省内县域GDP 水平最为接近的三个县（市），计算其当年CR 的算术平均值，作为工具变量进行回归。选取经济发展水平相近的三个县（市）CR 的平均值作为工具变量的原因包括以下两方面：一是考虑到农商行的经营范围普遍在所在县域，很少存在跨区经营的现象⑤，具有很强的地域分割性，因此其他县市农村银行业市场竞争性的代理变量CR 并不受农商行所在地普惠金融发展水平的影响；二是经济规模往往是影响银行网点设立的重要因素，银行网点的新设通常会优先考虑与已有网点经济规模相近的地区，因此经济发展水平相近的地区银行业的竞争水平具有一定的趋同性。本文利用构建的工具变量运用2SLS 模型进行回归，回归结果如表8所示，与面板Tobit 模型得到了一致的结果。

表8 工具变量对普惠金融服务深化影响的回归结果

六、研究结论

本章利用2016—2018 年农村商业银行的微观数据以及其所在县域的经济数据，考察了农村银行业竞争对农村普惠金融服务水平的影响。首先构建农村普惠金融服务指标体系的方法，对当前农村普惠金融服务水平进行测度；然后利用各农商行贷款余额占当地贷款余额的比例作为代理变量，对农村金融市场竞争程度进行度量；最后采用面板Tobit 的随机效应模型，对农村银行业竞争对农村普惠金融服务水平的影响进行实证检验。

研究发现：第一，农村金融市场的竞争程度越充分，越有利于该地区普惠金融服务水平的提升。这里强调一种差异化竞争，即市场内各种金融机构通过提供不同的产品和服务提升自己的市场份额。第二，经济发展水平越低的地区，增加农村金融市场的竞争性，更有利于其农村普惠金融的发展。第三，与农村储蓄服务可得性相比，农村银行业金融机构竞争程度的提升对于农村贷款可得性的改善程度更大，因此提高农村金融市场的竞争水平，更有利于解决当前“贷款难、贷款贵”的难题。

因此，未来在发展农村普惠金融的过程中，还需要进一步增强农村银行业的竞争性。在增加农村银行业机构数量的同时，要通过建立某些激励机制，使目前已有或未来新增的农村银行业机构提供差异化的服务，不同类型的机构间形成“真正的竞争”，提高农村金融市场的竞争性，才能更好地促进农村普惠金融的发展。

注释：

① 农信机构普遍在县一级行政单位（包括一些地级市的城区、县级市和县域）经营，这里主要强调在县域经营的农信机构。

② 这里选用农信机构中农商行的贷款余额数据主要是基于数据的可获得性。对于农信系统中的农信社来说，财务制度、内部治理方面与农商行相对落后，财务和信贷信息普遍未公开披露，因此选用农商行的数据进行分析。

③ 部分农商行由于跨区经营以及发起设立了村镇银行，且未在其财务报表中进行分类报告，造成其财务报表中的贷款数据不能真实反映其在所在县域的金融服务情况，贷款余额数据均被高估，进而导致其贷款余额占所在县域的贷款余额的比例CR 被高估。

④ 由于部分农商行设立在地级市，在计算CR 时，由于地级市的贷款余额数据包括地级市的贷款数据以及所管辖县域的贷款数据，会造成农商行所在地区的贷款余额数据被高估，进而导致CR 数值被低估。

⑤ 对于跨区经营的农商行，本文已经在选取样本时剔除。