探究农村金融与乡村振兴的关系_张平.pdf

24 2023 年 2 月第 1 期总第 177 期金融理论与教学Finance Theory and Teaching探究农村金融与乡村振兴的关系张平，晁彤，张峻熙（武汉纺织大学 经济学院，湖北 武汉 430000）摘要：基于 2010-2020 年 30 个省域面板数据，运用熵值法构建农村金融与乡村振兴指标体系。采用面板向量自回归（VAR）模型、格兰杰（Granger）因果检验、脉冲响应函数和方差分解等方法，探究农村金融与乡村振兴的相互关系及其动态变化特征。实证研究表明：农村金融与乡村振兴存在高度融合发展；两个体系之间存在较强的双向因果关系。关键词：农村金融；乡村振兴；VAR；Granger中图分类号：F320.3文献标识码：A 文章编号：1004-9487（2023）01-0024-06收稿日期：2022-06-03作者简介：张平（1966-），男，湖北江陵人，副教授，博士，研究方向为农村经济；晁彤（1995-），女，陕西宝鸡人，硕士研究生，研究方向为绿色金融；张峻熙（1997-），男，湖北黄冈人，硕士研究生，研究方向为金融科技。通讯作者：晁彤。引言2019 年五部门联合印发关于金融服务乡村振兴的指导意见指出：在粮食安全、脱贫攻坚等重点领域和关键薄弱环节可以发挥金融的主力和骨干作用。此意见要求金融资本助力乡村振兴战略的实践。乡村振兴战略规划（2018-2022年）指出：“健全适合农业农村特点的农村金融体系，把更多金融资源配置到农村经济社会发展的重点领域和薄弱环节，更好满足乡村振兴多样化的金融需求”1。开拓金融领域在农村地区的发展不仅是时代的要求，也是农业经济发展的必然趋势。一、理论分析与研究假设单一的财政投入供给模式已经不能满足乡村振兴战略对资金的需求。因此，发展农村金融是实施乡村振兴战略的必然选择2。国内专家学者们对于“农村金融发展与农业经济增长关系”方面做了较多的研究，并对农村金融体系与乡村振兴体系的构建给予了不同的建议3。研究基于学者们对农村金融与乡村振兴已经进行了大量研究的条件背景下，进一步采用面板向量自回归模型（VAR）来考察两者之间的相互关系，并使用格兰杰因果分析（Granger）论证两者的因果关系。二、指标体系构建为了更加客观、公正地选取研究数据，采用熵值法来确定指标的权重。熵值法是一种客观赋权法，根据各项指标的观测值所提供的信息来确定指标权重，这样避免了人为因素带来的偏差，从而使指标权重更加合理和客观。熵值法的基本思想是从指标的离散程度，即通过指标熵的角度来反映指标对评价对象的区分程度，指标的熵值越小，则该指标的样本数据就越有序，相应的权重也就越大，那么在综合评价中所起到的作用也越大；反之亦然2。熵值法具体计算步骤如下。（一）求解子系统的贡献以 Xij表示农村金融和乡村振兴各项指标的原始值，其中下标 i、j 代表农村金融和乡村振兴的第 i 个个体的第 j 个指标，正向指标和负向指标分别进行标准化处理后得到ij（ij 0,1）。为了DOI:10.13298/ki.ftat.2023.01.005 25 避免求熵值的时候取对数无意义，需要进行数据平移处理，式中 a 为平移幅度，为尽可能降低平移对原数据的影响，取 a 值为 0.0001，此方法也称为指标无量纲化处理3。农村金融和乡村振兴对耦合系统有序的功效参数用公式ij可表示为：（1）通过式（2）线性加权求和法来求解综合序参量的贡献：（2）其中，Ui表示子系统对总系统有序度的贡献大小，ij是标准化处理后的指标数据，ij表示各项指标在系统中的权重。（二）确定评价指标的权重耦合系统的指标权重的确定一般主要由主观熵值法和客观熵值法确定，主观熵值法主要通过咨询专家来确定，最终使用 APH 层次分析法计算得到，考虑到这种方法具有较强的主观性。研究使用客观熵值法对各项指标的权重进行确定4。具体步骤如下：第一步，分别计算各项指标ij在农村金融和乡村振兴中的权重Pij:（3）m 表示样本数量，ij是标准化处理后向右平移 0.0001 个单位的指标数据。第二步，计算第 j 个指标的熵值 ej:（4）ej 是第 j 项指标的熵值，m 表示样本数量，Pij 表示第 i 个个体的第 j 个指标的权重。第三步，计算第j个指标差异系数 j=1-ej。第四步，测度指标 xj的综合权重 wj，计算公式为:（5）j为上文计算的差异系数，其值越小，说明指标 xj在综合评价体系中的综合权重越小。第五步，通过各指标的综合权重 wj与相对应的归一化ij的乘积之和计算综合评价指数Sij,计算公式为:（6）（三）构建指标体系结合以往研究根据 2018 年发布的乡村振兴战略规划（2018-2022 年），从产业兴旺、生态宜居、乡风文明、治理有效、生活服务五个方面构建乡村振兴指标体系3。农村金融指标体系构建在参考以往研究的基础上，主要从农村各类贷款金额、农村地区金融机构数量以及金融机构从业人数、农村保险费用的缴纳与赔付金额方面计算权重比值。表 1 指标体系表二级指标三级指标性质权重农村金融指标体系贷款涉农贷款+0.0982 农户贷款+0.0975 农村（县及县以下）贷款（亿元）+0.0971 农林牧渔业贷款（亿元）+0.1031 金融机构数量小型农村金融机构数量+0.1020 新型农村金融机构数量+0.0957 金融机构从业人数小型农村金融机构从业人数+0.1033 新型农村金融机构从业人数+0.0939 保险农业保险保费收入（人民币百万元）+0.0984 农业保险赔付支出（人民币百万元）-0.1109 乡村振兴评价产业兴旺 农业机械总动力+0.0646 城镇失业率-0.0720 农村用电量+0.0563 26 二级指标三级指标性质权重乡村振兴评价生态宜居 各地区造林和扶余情况+0.0654 乡村人口+0.0658 农用化肥施用量-0.0712 乡风文明 少儿读物种类数+0.0630 乡村文化站+0.0662 农用塑料薄膜使用量-0.0712 治理有效 农村最低生活保障线救济费（亿元）+0.0665 水土流失治理面积-0.0713 卫生服务站数+0.0612 生活富裕 农村个人固定资产投资完成额+0.0665 农民可支配收入（元）+0.0678 城乡收入比-0.0709 注：“+”表示指标为正向指标，“-”表示指标为负向指标。（四）样本数据选择采取中国 30 个省份（不含西藏和港澳台）作为研究对象，以 2010-2020 年为样本区间。其中乡村振兴指标体系总共涵盖 15 个具体指标，包涵5 个负向指标和 10 个正向指标。相关指标数据分别来自 中国统计年鉴 中国农村统计年鉴 中国城乡建设统计年鉴 中国社会统计年鉴 中国卫生健康统计年鉴及各省统计年鉴，找不到的缺失数据采用插值法进行推算。目前现有研究对农村金融主要从规模、效率和结构三个方面衡量农村金融发展水平5。研究主要借鉴刘赛红等（2020）的观点，从规模、结构、效率以及服务覆盖面四个维度出发，构建农村金融评价指标体系6，采用熵值法测度我国 2010-2020 年 30 个省份(不含西藏和港澳台)的农村金融指数。相关指标数据分别来自中国统计年鉴中国农村统计年鉴中国金融统计年鉴中国农村金融服务报告中国区域金融运行报告以及各省统计年鉴，针对找不到的缺失数据采用插值法进行推算。三、模型构建面板向量自回归模型（VAR）是一种多元系统方程模型，通过广义矩阵估计、脉冲响应和方差分解，描述农村金融与乡村振兴之间的动态关系。该方法继承了 VAR 模型的多数优点，同时还存在独特之处：通过引入个体效应和时点效应变量分别捕捉了个体差异性和不同截面受到的共同冲击7。研究所使用的 VAR 模型形式为：（7）（8）在 式 子（7）中，i 表 示 30 个 省 份，t 表 示20102020 年份，表示 i 省份在 t 年由内生变量所组成的向量，j 表示内生变量的滞后阶数，Aj表示回归系数矩阵，ui是截距，it是随机干扰项。被解释变量为农村金融指数，解释变量为乡村振兴指数。式子（7）构建的是农村金融指数和乡村振兴指数的多元回归方程模型。（一）单位根检验研究主要采用 LLC 同根检验和 fisher-adf 异根检验。LLC 同根检验提出假设 H0：所有个体均存在单位根。fisher-adf 异根检验假设 H0：部分个体存在单位根。表 2 单位根检验检验方法数值农村金融指数乡村振兴指数差分后的农金融指数差分后的乡村振兴指数LLC统计量-5.0567-4.6769-8.5194-6.2067 P值0.0000*0.0000*0.0000*0.0000*ADF统计量52.8403 86.1425 101.0454 115.5718 P值0.73240.0151*0.0007*0.0000*注：*、*、*分别表示在 1、5、10的水平下显著。续表 1 27 表 3 最优阶数结果汇报lagCDJpvalueMBICMAICMQIC1-0.5739 26.2322 0.0508-50.3676-5.7677-23.8799 20.0104 16.9329 0.1521-40.5169-7.0670-20.6512 30.2527 8.6724 0.3706-29.6275-7.3275-16.3836 40.4579 5.1306 0.2741-14.0192-2.8693-7.3973（三）最优 VAR 模型 GMM 回归前文已对变量进行了单位根检验：结果显示差分后农村金融指数与差分后乡村振兴指数均满足面板平稳性要求。在变量滞后阶数选择了滞后一阶的 VAR，克服模型中时点效应和个体效应造成估计系数的偏差，我们使用截面均值差分来消除时点效应，使用向前均值差分保证了转换后的变量与滞后变量正交，从而将滞后变量作为工具变量进行估计8。研究利用 GMM 方法对面板VAR 的最优阶数进行了估计。表 4 回归结果变量(1)(2)差分农村金融指数差分乡村振兴指数滞后一阶农村金融指数-0.562*0.0181*(0.0656)(0.00949)滞后一阶乡村振兴指数-3.366*-0.812*(0.675)(0.116)样本量240240注：*、*、*分别表示在 1、5、10的水平下显著。GMM 估 计 下 的 Hansens J 统 计 量 值 为26.4766，p 值为 0.001，在 1%显著性水平下拒绝原假设（原假设为：所有变量都是外生的）。表明：农村金融与乡村振兴指标体系之间存在很强的相互关系。四、模型稳健性检验（一）格兰杰因果检验基于前文所构建的 1 阶向量自回归模型(VAR)，采用 Granger 因果关系检验法对我国农村金融与乡村振兴之间的因果关系进行估计。在进行 Granger因果检验之前，先对所构建的向量自回归模型(VAR)的性质及稳定性进行检验9。检验发现，所构建的向量自回归模型(VAR)的残差服从正态分布且无自相关，模型中各个方程及所有方程的各阶系数较显著，模型平稳性检验结果如图 1 所示，该模型所有单位根均在单位圆内，模型是平稳的。基于该向量自回归模型(VAR)的格兰杰(Granger)因果关系检验的结果如表 5 所示。图 1 向量自回归模型稳定性判别图格 兰 杰 因 果 检 验 原 假 设 H0：Excluded 不是 Equation 的原因，在 5%的显著性水平下，若p2”的政策影响效应模式，使得农村经济社会在既定资源和技术条件下获得产能最大化的发展效应，从而影响我国农村地区的经济，实现高质量发展。参考文献：1 中共中央,国务院.乡村振兴战略规划(2018-2022 年)Z.中华人民共和国国务院公报,2018 年 9 月 26 日.2 温薇,张涵诗,张启文.基于 EWM-DEA 模型的农村金融生态环境评价以黑龙江省 12 个地级市为例 J.农业经济与管理,2022(2):92-102.3 谭燕芝,李云仲,叶程芳.省域数字普惠金融与乡村振兴评价及其耦合协同分析 J.经济地理,2021,41(12):187-195+222.4 谢兴国,白玉璟.金融服务乡村振兴战略实践与路径探析以肃南县为例 J.北方金融,2021(12):95-98.5 刘港,李俊霖.我国科技创新与金融发展耦合测度分析 J.统计与咨询,2021(5):30-32.29 6 林轶,屠靖斌.中国产业结构升级与旅游效率的关联效应研究基于 pvar 模型的分析 J.武汉商学院学报,2022,36(2):28-35.7 陈守东,王淼.我国银行体系的稳健性研究基于面板 VAR的实证分析 J.数量经济技术经济研究,2011,28(10):64-77.8 封北麟,王贵民.货币政策与金融形势指数 FCI:基于 VAR 的实证分析 J.数量经济技术经济研究,2006(11):142-150.9 杨双会,林凡.基于 VAR 的影子银行对小微企业融资的影响分析 J.金融理论与教学,2022(1):35-39.10 肖勇光.我国农村居民金融素养现状及提升问题研究 J.金融理论与教学,2021(6):35-38.11 李雪莲,邓翔,刘万明.论中国债权型货币错配对通货膨胀的影响基于 VAR 模型的实证分析 J.经济学动态,2012(12):76-82.责任编校：冯秀娥Study on High Quality Integration of Rural Finance and Rural RevitalizationZHANG Ping1,CHAO Tong1,ZHANG Junxi2(Wuhan Textile University,School of Economics,Wuhan Hubei 430000,China)Abstract:Based on the panel data of 30 provinces from 2010 to 2020,the entropy value method was applied to construct a rural finance and rural revitalization indicator system.A panel Vector Auto-Regressive(VAR)model,Granger causality test,impulse response function and variance decomposition are used to explore:the interrelationship between rural finance and rural revitalization and its dynamic change characteristics.The empirical study shows that there is a high degree of integrated development between rural finance and rural revitalization;there is a strong two-way causal relationship between the two systems.Key words:rural finance;rural revitalization;VAR;Granger（上接第 6 页）Research on the Impact of Digital Inclusive Finance on Urban-rural Income GapLI Guozhua,GUO Zhengranb(a.Natural Resource Asset Capital Research Center;b.School of Economics,Hebei Geo University,Shijiazhuang Hebei 050031,China)Abstract:The development of digital inclusive finance has become a major measure to promote inclusive finance to benefit farmers,which plays an important role in alleviating the income gap between urban and rural areas.This paper takes 30 provinces in China(excluding Tibet,Hong Kong,Macao and Taiwan)as samples,selects 2011 to 2019 as the sampling period,uses the comprehensive index in the report of“Peking University Digital inclusive finance index(2011-2020)”,establishes a threshold model,and analyzes the impact of digital inclusive finance on the urban-rural income gap.It is concluded that Chinas comprehensive index of digital inclusive finance will increase the narrowing degree of Chinas urban-rural income gap with the improvement of urbanization level,and further analysis shows that the coverage and use depth of digital inclusive finance will also increase the impact on the narrowing of urban-rural income gap to a similar extent with the increase of urbanization level,however,the impact of its digitization on the urban-rural income gap is not significant.Key words:digital inclusive finance;the income gap between urban and rural areas;threshold model