科技金融与农村产业融合匹配及驱动因素分析

摘 要：科技金融既要支撑新兴产业，也要赋能传统产业。本研究聚焦分析中国科技金融与农村产业融合间的匹配水平及其影响因素，研究发现：中国科技金融与农村产业融合间的匹配度整体呈现增长的态势，在2016 年进入高度匹配区间；区域和多数地区也表现出了相同的变化趋势，先后从中度匹配水平上升至高度匹配水平；在影响因素方面，乡村振兴政策和科技金融试点政策的实施对改善科技金融和农村产业融合的匹配水平有着积极的作用；而城乡融合水平和滞后一期匹配度则同样存在显著的正向影响。

关键词：科技金融；农村产业融合；匹配

中图分类号：F832；F327 文献标识码：A 文章编号：1004-342（2024） 04-78-12

一、引言与文献回顾

科技金融作为国家科技创新体系和金融体系的重要组成部分，a 是国家经济增长的重要动力，b 已成为中国转变产业布局和经济增长方式、推动经济稳定和可持续发展的必然选择。c 中国政府对科技金融在经济发展中重要性的关注度持续上升，诸如《关于促进科技和金融结合加快实施自主创新战略的若干意见》等政策的发布为科技金融的发展创造了良好环境，引导科技金融逐渐走向成熟。

农村产业发展在中国乡村振兴战略中占据核心位置，产业融合则是农村产业发展的关键。党的十八大以来农村产业融合发展提速，“2022 年全国规模以上农产品加工企业营业收入超19 万亿元”，“休闲农业营业收入超7000 亿元，农产品网络零售额超5300 亿元”a。支持农村产业融合发展需要多方面的配合、多要素的参与，科技金融作为重要的金融工具，既要支撑新兴产业，也要赋能传统产业，进一步增强其支持作用是加快农村产业融合发展的应有之义。科技金融从三个方面对农村产业融合产生影响。一是科技金融通过农业科技创新影响农村产业融合。科技金融通过实现科技系统与金融系统的交互，从而推动金融资本进入农业科技创新领域，在增加农业科技创新金融可得性的同时，弱化了相应的风险，提高农业科技创新的动力，而农业科技创新的迭代更新又为农村产业发展带来了内生动力；二是科技金融通过农村金融建设影响农村产业融合。科技金融发展带动相应金融系统发展，从而增加金融供给，推动金融资源进一步实现合理配置，提高金融系统效率，在纵向上增强产业链上下游产业间的衔接和互动，促进产业链的延伸，在横向上有助于消除横向距离，促使不同类型农村产业间的边界发生交互，催生新业态出现，拓展农业多功能性，实现农村产业融合；三是科技金融通过高技术产业影响农村产业融合。科技金融为高技术产业的发展增加了投入，高技术产业的发展通过产业关联的路径，以技术要素和产品、设备为主要媒介，带动农村产业融合的产生与发展。

由于对科技金融的界定不同，国外学者与本文相关的前期研究主要包括三类，一类是对金融与科技间关系的探讨研究，bcd 认为二者间存在着相互影响的关系；一类是关于科技创新对产业发展影响的研究，efg多数研究认为科技创新对产业发展存在着正向的驱动作用；一类是对科技金融与产业发展间关系的研究，abc 多数学者认为科技金融对产业发展起到了明显的推动作用。与国外学者不同，中国学者更注重将科技金融视为一个整体，从此角度出发进行研究。比较多的学者探讨了科技金融与产业结构间的关系，其中多数研究认为科技金融对产业结构的升级和优化存在显著的正向影响；defg 另一部分学者讨论了科技金融与产业发展间的关系，其研究结论多数支持科技金融促进了产业发展。hij 此外，对科技金融效率的分析、kl 对公共科技金融（政策性科技金融）替代效应的研究、m 对科技金融政策有效性的评价等方面，n 中国学者也有较多研究。

现有相关研究虽然分析了科技金融与产业结构、产业发展间的关系，但很少有研究将触角延伸至农村产业方面，具体到科技金融与农村产业融合方面，当前尚没有研究讨论二者间的匹配关系。本研究的创新之处在于：一是使用匹配度模型，对科技金融与农村产业融合的匹配水平进行了定量分析，直观呈现二者间的互动状态，是对现有相关研究的横向拓展；二是使用回归模型，对科技金融与农村产业融合匹配度的影响因素展开了分析。

本文剩余部分的安排如下：第二部分是变量选择、模型设定和数据来源，明确了本研究所使用的各变量、各指标和所构建的分析模型，以及相关使用数据的来源；第三部分是实证分析，对匹配分析和影响因素分析的估计结果进行分析；第四部分是结论与政策建议。

二、变量选择、模型设定和数据来源

（一）变量选择

1. 匹配分析

匹配分析围绕科技金融和农村产业融合两个系统进行，基于可行性、系统性、科学性、动态性的指导思想构建相关指标体系（见表1）。其中对科技金融系统的指标设计参考了张芷若、曹颢等的研究成果，ab设计了由科技金融基础资源、科技金融经费投入、科技金融融资规模、科技金融产出水平4 个二级指标和15 个三级指标构建的指标体系。对农村产业融合系统的指标设计参考了李晓龙等、王丽英等的相关研究成果，cd 设计了由农村服务业发展、农村产业链延伸、农业新型业态培育、农业多功能性拓展4 个二级指标和5 个三级指标构建的指标体系。

2. 驱动因素分析

科技金融与农村产业融合间匹配关系的变化受诸多因素的影响，本研究重点关注的是两个政策变量对匹配度产生的影响，这两项政策变量对科技金融和农村产业融合两系统的匹配水平都存在潜在的外生冲击。一是乡村振兴政策。实施乡村振兴战略是新时代中国“三农”工作的总抓手，自乡村振兴战略实施以来，中国农业农村发展取得显著成就，乡村产业发展获得扎实推进；二是科技和金融结合试点政策。2011 年，中国科技部、中国人民银行、中国银监会、中国证监会以及中国保监会五部门发布《关于确定首批开展促进科技和金融结合试点地区的通知》，a16 个地区成为首批试点地区；2016 年，9 个城市入选第二批促进科技和金融结合试点地区，b 这一政策理论上能够为科技金融创新发展带来动能。

此外，本研究还考虑了其他五个控制变量，分别是：（1）地区受教育水平在人力资本的维度影响着科技金融与农村产业融合的匹配水平，本文以人均受教育年限作为该指标的代理变量；（2）城乡融合水平关系到资源要素的配置，进而影响着科技金融与农村产业融合的匹配，本文以农村居民人均可支配收入与城镇居民人均可支配收入比值作为该指标的代理变量；（3）农业机械化水平反映了农业现代化程度，在生产条件和生产手段的维度影响着科技金融与农村产业融合的匹配水平，本文使用农业机械总动力与耕地面积的比值作为该变量的代理变量；（4）农村信息化为农业农村发展带来了新能量，改善了城乡间的“数字鸿沟”，有效解决信息不对称问题，从信息技术利用和对信息资源开发的维度影响着科技金融与农村产业融合的匹配水平，本文使用农村宽带接入户数作为该指标的代理变量；（5）科技金融与农村产业融合匹配水平可能存在着惯性，受前一期匹配水平的影响，本文以滞后一期农业科技创新与农村产业融合匹配度作为代理变量。

（二）模型设定

由于使用动态面板，因而本研究选择广义矩估计（GMM）进行匹配度影响因素方程的估计，所构建的方程具体如下：

上式中，yi 表示科技金融与农村产业融合的匹配度；x1 表示乡村振兴政策；x2 表示科技金融试点政策；x3i 表示地区受教育水平、城乡融合水平；yi（-1） 表示滞后一期匹配度。

（三）数据来源

受限于部分变量数据的可得性，本研究选取中国除香港、澳门、台湾、西藏以外的30个省区市2006—2021 年的面板数据进行分析。所使用的样本数据来源于《中国农村统计年鉴》《中国科技统计年鉴》《中国统计年鉴》《中国金融年鉴》《中国休闲农业年鉴》以及全国温室数据系统，对于个别缺失数据使用线性插值法进行补全。

三、实证分析

（一）耦合度分析

从全国的维度（表3），中国科技金融与农村产业融合间的耦合度在样本期内的均值为0.4907，两个系统间存在中低水平的耦合关系。从具体年份看，虽然幅度较小，但耦合度在样本期内整体表现出增长的趋势，其中峰值出现在2015 年，其后虽有微小下降，但整体态势较为平稳。

从区域的维度（表4），将样本地区划分为京津冀区域（北京市、天津市、河北省）、东北区域（辽宁省、吉林省、黑龙江省、内蒙古自治区）、长三角区域（上海市、江苏省、浙江省、安徽省）、中部区域（山西省、江西省、山东省、河南省、湖北省、湖南省）、华南区域（广东省、广西壮族自治区、海南省、福建省）、西南区域（重庆市、四川省、贵州省、云南省）和西北区域（陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔自.治区）。

无论是样本期均值还是具体年份值，除京津冀在2021 年达到0.5007 外，其余区域都没有能够突破（0.3，0.5］区间，处于中低水平耦合关系，各区域间的差距相对较小。其中，2021 年京津冀区域科技金融与农村产业融合间的耦合度在所有区域中处于第一的位置，紧随其后的分别是中部区域和长三角区域，而东北区域则处于相对靠后位置。

虽然2021 年京津冀区域的耦合度在所有区域内最高，但从各区域在样本期内均值的角度看，整体表现最好的是长三角区域，比排名第二的华南区域高出0.0031；中部区域列第三。

从30 个省、自治区和直辖市样本的维度来看（表5），样本期内各地区的耦合度均值全部落入中低水平耦合区间内。其中有20 个地区的耦合度超过0.49，有9 个地区的耦合度处于（0.48， 0.49）区间内，而辽宁省和甘肃省的耦合度均值则相对较低。

从具体年份看，北京市、天津市、浙江省和安徽省、河南省、四川省、新疆维吾尔自治区的耦合度在2021 年达到0.5000 及以上，达到中高水平耦合关系的临界值；此外包括河北省、山西省、内蒙古自治区等在内的18 个地区的耦合度超过0.4990；如果能继续保持上升趋势，上述地区有希望在中国国民经济和社会发展第十四个五年规划期内进入中高水平耦合阶段。

（二）匹配度分析

由于单纯依靠耦合度模型无法全面有效的反映出两个子系统在整体系统中的“功效”和“协同”效应，使得耦合度模型的分析结果存在一定程度的局限性，因而更进一步使用匹配度模型分析科技金融与农村产业融合间的关系才是本研究的重点所在。

从全国的维度来看（表6），样本期内中国科技金融与农村产业融合的匹配度均值为0.4528，属于中度匹配水平。而从时间坐标的角度，虽然前期略有波动，但中国科技金融与农村产业融合间的匹配度整体呈现增长的态势，年均增长速度达到1.37%，尤其自2012 年开始，增长态势稳定有力（2012-2020 年期间年均增长速度为2.32%），2016 年耦合度值为0.5143，进入（0.5，0.8］的高度匹配区间内。

从区域的维度来看（表7），样本期7 个区域的匹配度均值集中在（0.44，0.47）区间内，京津冀区域的年均增长速度表现突出，达到2.43%，其次分别是长三角区域（1.64%）和中部区域（1.63%），而东北区域的年均增长速度则相对缓慢（0.70%）。

从时间坐标的角度，所有区域的匹配度在样本期内整体都保持了增长的态势，先后都从中度匹配水平上升至高度匹配水平，其中京津冀区域于2015 年最早进入（0.5，0.8］区间，随后2016 年的长三角区域、中部区域、西南区域和西北区域，再次是2017 年的东北区域和华南区域。在2021 年，京津冀区域、长三角区域、中部区域、华南区域和西南区域的匹配度均超过0.6，而东北区域和西北区域的匹配度则相对落后。

从30 个省、自治区和直辖市样本的维度（表8），各地区在样本期均值方面的表现相差不多，均位于（0.4，0.5）区间内。在年均增长速度方面，北京市的表现最为突出，其次是河南省；有7 个地区的年均增速超过2%，有14 个地区的年均增速处于（0.01，0.02）区间内，有9 个地区的年均增速处于（0，0.01）区间内，其中辽宁省的增速在所有样地区中位于最末位置。在2021 年除辽宁省和云南省外，其余地区的匹配度均进入（0.5，0.8］区间，达到高度匹配水平，有18 个地区的匹配度超过0.6，其中北京市处于领先位置，江苏省和河南省分列第二、三位。

（三）影响因素分析

本研究分别进行了OLS、固定面板（FE）、差分GMM（DIF-GMM）和系统GMM（SYSGMM）的估计，结果见表9，其中差分GMM 和系统GMM 模型均不存在二阶自相关问题，也不存在过度识别问题。

本研究以系统GMM（SYS-GMM）的估计结果为准进行解释，这是因为：一方面，由于GMM 解决了方程的内生性问题，使得其估计结果优于OLS 和固定面板估计；另一方面，相较于差分广义矩估计，系统广义矩估计估计的偏差更小、效率更高。

根据SYS-GMM 的估计结果，核心自变量乡村振兴政策和科技金融试点政策的估计系数均为正，且分别通过了10% 和1% 的显著性检验，说明这两项政策变量对匹配度存在着显著的正向影响，政策的实施优化了资源配置，从而改善科技金融和农村产业融合间的匹配水平。

在控制变量方面，城乡融合水平的估计系数为正，且通过了1% 的显著性检验，说明城乡融合水平的优化对科技金融和农村产业融合间匹配度的提升有着积极的作用；农村信息化水平的估计系数为正，且通过了10% 的显著性检验，说明农村信息化水平的提高对匹配度有着正向的影响作用；滞后一期匹配度的估计系数为正，并通过了1% 的显著性检验，说明匹配度本身具有一定的惯性趋势，因此应注意有效地保持匹配度处于良好的发展路径中。地区受教育水平的估计系数为正，但没有通过显著性检验，可能是由于中国长期以来非常重视教育，地区教育水平在过去一段时间已经得到明显的改善，从而使得该变量对匹配度的影响没有达到显著水平。农业机械化水平的估计系数为正，但没有通过显著性检验，可能是由于自2005 年开始的新农村建设有效地改善了农村机械化水平，从而导致该变量对匹配度虽然有着正向的影响，但却未能达到显著。

四、结论与政策建议

（一）结论

本研究聚焦对中国科技金融与农村产业融合的匹配分析，使用耦合度模型分析二者间耦合水平，在此基础上进一步使用匹配度模型分析了二者间的匹配水平，并以匹配度为因变量，通过广义矩估计（GMM）考察了相关影响因素，研究发现：

1. 在耦合度方面，在全国整体维度上，科技金融与农村产业融合间的耦合度在样本期内，处于中低水平耦合关系，但表现出增长的趋势；在区域维度上，各区域间的差距相对较小，2021 年京津冀区域科技金融与农村产业融合间的耦合度在所有区域中处于第一的位置，紧随其后的分别是中部区域和长三角区域，而东北区域则处于相对靠后位置；在地区维度上，北京市、天津市、浙江省和安徽省、河南省、四川省、新疆维吾尔自治区的耦合度在2021 年达到中高水平耦合关系的临界值。

2. 在匹配度方面，在全国整体维度上，虽然前期略有波动，但中国科技金融与农村产业融合间的匹配度整体呈现增长的态势，在2016 年进入高度匹配区间；在区域维度上，所有区域的匹配度在样本期内整体都保持了增长的态势，先后都从中度匹配水平上升至高度匹配水平；在地区维度上，除辽宁省和云南省外，其余地区的匹配度均在2021 年进入高度匹配区间。

3. 在影响因素方面，乡村振兴政策和科技金融试点政策的实施对改善科技金融和农村产业融合的匹配水平有着积极的作用；而城乡融合水平和滞后一期匹配度则同样存在显著的正向影响。

（二）政策建议

1. 完善制度体系

一是围绕需求特征，以提高针对性、强化适应性为重点，以服务生态场景为出发点，积极创新服务模式，开发特色金融产品，组合优化公共科技金融和市场科技金融，完善科技金融服务体系。二是以农产品加工、乡村休闲旅游和农村电商等产业为重点，整合、完善和升级产业链、价值链、供应链和利益链，着力实现农业多种功能的拓展和乡村多元价值的挖掘，完善农村产业融合发展制度。

2. 改善发展环境

一是从完善法律法规体系，完善信用担保体系、健全风险防范体系等方面着手营造良好的科技金融生态环境。二是积极推进现代农业产业园、农业产业强镇的建设，推动优势特色产业集群发展，培育多元化农村产业融合主体，强化农业科技创新的支持水平，优化农村产业融合发展环境。

3. 加强政策保障

以乡村振兴政策和科技金融试点政策为重点，进一步细化、优化内中的各项具体政策，使政策工具不断趋于稳健。各地区应以自身实际情况为准，对各项政策做进一步本地化调整，提高政策工具的边际效应，为提高科技金融与农村产业融合匹配水平提供有力的政策保障。

（实习编辑：郭静姝）

基金项目：安徽省哲学社会科学规划项目“农业科技创新赋能乡村振兴高质量推进的路径与对策研究”（项目编号：AHSKY2021D139）。