農業貸款對農業經濟增長影響的實證分析

張啟文　吳祎博

摘要：農業貸款為農業經濟發展提供必要的資金支持，也是落實三農政策的重要方式。以黑龍江省為例，運用基于主成分分析法的誤差修正模型構建農業經濟增長與代表黑龍江省農業貸款發展狀況的主成分因子間的關系。結果顯示，代表黑龍江省農業貸款發展狀況的貸款深度因子及轉化效率因子分別對農業經濟增長具有顯著影響。在短期均衡下，誤差修正系數對模型具有反向修正調整作用；在長期均衡下農業經濟增長與2個主成分因子具有正相關協整關系。因此，在長期內保證農業貸款穩定增長式投入，增加農業貸款深度和存款轉化效率，鼓勵金融機構在農村地區創新金融產品以適應農業經濟發展特殊性。

關鍵詞：農業貸款；農業產出；主成分分析；誤差修正模型；農村創新金融產品；農業經濟增長

中圖分類號： F830.58文獻標志碼： A

文章編號：1002-1302（2017）14-0280-04

中共中央“十三五”規劃及2015年中央農村工作會議中，總結和分析農業及農村形勢并部署2016年農業農村工作，強調地方各級黨委和政府應堅持將農業農村工作放在重要位置，在繼續加大涉農資金整合和財政支農投入同時，撬動更多社會資金投入農業農村，充分利用農村資源資產資金。在農業農村經濟發展過程中的資金投入主要依靠財政涉農資金和金融機構農業貸款，財政涉農資金投入對地方農業農村發展具有政策指引作用，卻受地方財政實力局限。各類金融機構農業貸款投入可以實現撬動社會資金投入農業農村，活躍農村經濟和金融環境，提高資金在農業農村領域運用效率。

黑龍江省是我國農業大省和重要糧食生產基地，其農業農村發展對“三農”問題的解決具有重要作用。2013年黑龍江省農林牧漁總產值為4 633.3億元，占黑龍江省地區生產總值的32.21%，農業經濟在全省經濟發展中占據重要地位。2013年黑龍江省農業貸款總額為4 528億元，占金融機構各項貸款總額的2.858 4%，農業貸款投入較低。本研究以黑龍江省為代表分析農業貸款對農業經濟增長的影響，對其他農業經濟占據重要地位的省份具有借鑒意義。

1文獻綜述

分析農業貸款對農業經濟增長影響的理論基礎在于柯布道格拉斯生產函數中測定資本、技術和勞動力投入對經濟產出增長的貢獻率。分析促進農業經濟增長各個要素可知，農業技術進步離不開資本要素的投入支持，而農業技術發展具有突發的不確定性[1-2]；近年來農村勞動力大量轉移到城鎮的社會現象揭示出農村勞動力市場的大量剩余[3-4]。因此，在農村經濟發展過程中，資本要素投入是其發展的重要因素。農村經濟發展的資本投入主要依靠兩大渠道：一是政府財政支農資金投入，二是金融機構農業貸款投入。財政支農資金投入具有一定政策引導性，因地方財政實力不同而存在地域差異，對地方農業經濟發展更多地起到指引作用[5-6]。充分發揮金融機構（商業性銀行等）在農村經濟發展中資金供給作用，對促進農村經濟高效、循環發展，健全完善農村金融體系具有重要意義。

國外學者關于農業貸款與農業經濟增長關系的研究早在1911年，約瑟夫·熊彼特在《經濟分析史》中分析了金融對于經濟發展的重要作用[7]。隨后，1960年約翰·G·格利等在《金融理論中的貨幣》中討論了金融機構在儲蓄投資轉化過程中的重要作用，論證金融發展對經濟增長的正向促進作用[8]。隨著金融發展與經濟增長關系研究的不斷深化，很多國外學者將其核心理論應用于具體產業中，結合各個產業的特性：Akudugu等分析得出農業經濟發展對婦女獲得農業貸款的影響，其研究對象具有特殊性和一定局限性，但給農業貸款和農業經濟發展關系研究提供了新角度[9]。Anonymous以世界銀行的宏觀角度從理論和政策建議層面論述農業貸款投入對農業經濟的影響，建議農業貸款投入應通過提高農業技術、農業服務和增加農戶與農業經濟聯系等方面，對農業貸款具體運用方向提供有效途徑[10]。Sial等以時間序列分析的計量方法研究巴基斯坦金融機構貸款、水資源可獲得性以及農業勞動力對農業產出的正向影響[11]。

國內學者對農業貸款與農業經濟關系的研究，楊棟等[12]、魏君英等[13]側重研究農業貸款對農業經濟的影響，分別采用雙方程誤差修正模型、回歸模型和協整分析方法；而王向楠[14]、王偉等[15]在分析兩者關系過程中分別加入農業保險、財政支農因素進行綜合實證研究，研究因素更寬。國內外學者對于農業貸款和農業經濟發展關系的研究不斷豐富和完善了研究問題的方法和角度，但多數國內外學者在分析農業貸款和農業經濟增長關系時忽視了對影響農業貸款因素分析的綜合研究，只是單純分析兩者因果影響。

2實證分析

2.1指標選取及數據來源

農村經濟發展的資本主要依靠政府財政支農資金投入和金融機構農業貸款投入。由于地方財政水平限制，省際財政支農資金投入有限，農業產出增長目標的實現更多依賴于金融支持，在農村地區金融支持的提高需要擴大各大金融機構對農村貸款投入規模，金融機構自有資本規模較少，因此提高金融支持更需要有效調動居民儲蓄存款。因此，為更好地代表黑龍江省農業貸款狀況，在選取指標和收集數據時主要考慮兩大方面：一是黑龍江省農村金融機構農業貸款規模，二是黑龍江省農村存款規模。通過整理現有文獻并考慮數據可獲得性，選取以下指標測度黑龍江省農業貸款：X1為人均農業貸款，X2為農業貸款產業深度，X3為農業貸款金融業深度，X4為農村存款/農戶純收入，X5為農村存款/農林牧漁總產值，X6為農業貸款/農村存款，其中，人均農業貸款為農業貸款/鄉村人口，農業貸款產業深度為農業貸款/農林牧漁業總產值，農業貸款金融業深度為農業貸款/金融機構各項貸款。

本研究選取2000—2013年黑龍江省相關統計數據作為研究對象，農村存款由農戶儲蓄存款和農業貸款2個部分組成，由于本研究的研究對象為農業貸款對農業產出增長影響的關系，故貸款數據僅包括農業貸款，鄉鎮企業貸款數據未包含其中，選取農林牧漁總產值衡量農業經濟，農戶純收入為鄉村人口與農民人均純收入之積。農村存款、農業貸款、鄉村人口、農林牧漁總產值數據由2001—2014年《黑龍江統計年鑒》整理所得，金融機構各項貸款和農民人均純收入由2002—2014年《黑龍江金融年鑒》整理所得，部分數據來源于《黑龍江省金融運行報告》。

2.2模型選擇及數據處理

從現有研究成果不難發現，研究農業貸款與農業經濟增長關系多以建立兩者回歸模型的方法，研究設定的解釋變量和被解釋變量區別不大。本研究在研究農業貸款和農業經濟增長關系時規避兩者直接回歸的方法，基于主成分分析法提取出影響農業貸款的主成分，建立農林牧漁總產值與主成分間的誤差修正模型，從長期和短期的角度分析變量間均衡狀態。

在模型建立之前，為增加數據穩定性和模型估計可靠性，首先對原始數據作無量綱處理，即采用z-score方法對原始數據作標準化處理，其次對變量進行主成分分析和公因子提取，在建立主成分與農林牧漁總產值的誤差修正模型前對農林牧漁總產值做對數化處理，以增加數據穩定性。

2.3主成分分析

在進行主成分分析前，利用SPSS 20.0對各個變量進行主成分適應性檢驗，KMO檢驗值為0.644（>0.5），Bartlett球形度檢驗的P值為0.000（<0.05），表明各變量適合進行主成分分析，檢驗結果見表1。

本研究采用主成分分析方法對各個變量進行提取，共同度越高表明成分反應原始信息越充分，主成分解釋能力越強。從提取公因子方差結果發現，所有變量的提取均在85%以上，表明提取的主成分因子對各個解釋變量的解釋能力較強。其中X1被提取的共同度為97.7%，X2被提取的共同度為98.2%，X3被提取的共同度為99.7%，X4被提取的共同度為89.2%，X5被提取的共同度為85.3%，X6被提取的共同度為98.6%。利用主成分法對各個解釋變量共提取出2個主成分，提取結果詳見表2。

從表2中各成分的方差貢獻率和累計貢獻率可知，第1個主成分的方差貢獻率為73.825%，第2個主成分的方差貢獻率為20.936%，前2個成分的累計方差貢獻率達到 94.761%，其余成分的貢獻率較低，故選擇前2個因子成分作為主成分因子，只有約5%左右的解釋能力被忽視，表明選取的2個主成分因子可以較好地揭示原始變量，包含了95%的原始信息量。

采用主成分因子提取方法得到的結果對變量的解釋能力較弱，不易解釋和命名，可以對因子模型進行旋轉變換，使得公共因子的載荷系數更接近1或0，本研究選用Kaiser標準化的正交旋轉法得到旋轉成分矩陣（表3）。

2.4平穩性分析及協整檢驗

由主成分分析法提取F1和F2 2個序列代表黑龍江省農業貸款發展狀況，為分析黑龍江省農業貸款對黑龍江省農業經濟增長影響狀況，本研究選取黑龍江省農林牧漁總產值作為衡量農業經濟發展的指標，為增加數據平穩性，對黑龍江省農林牧漁總產值作對數化處理，表示為LNAGDP。為避免偽回歸問題的出現，利用EViews8對F1i、F2i和LNAGDPi進行單位根檢驗，檢驗結果發現，二階差分后3個變量的ADF值均通過檢驗（表4），3個時間序列平穩，即F1i～I（2），F2i～I（2），LNAGDPi～I（2）。

檢驗結果表明變量間可能存在協整關系，因此對F1i、F2i和LNAGDPi進行協整檢驗，本研究采用基于回歸殘差的協整檢驗法。以LNAGDP作為因變量，以F1i和F2i作為自變量建立半對數回歸方程如下：

[JZ（]LNADPi=0.525 7F1i+0.290 1F2i+7.383 2。[JZ）][JY]（2）

（7.332 5） （4.045 9）（106.861 8）

該回歸模型反映了農林牧漁總產值與貸款深度因子、轉化效率因子間的長期均衡關系。調整后的R2值為0.864 4，采用EG兩步檢驗法對殘差進行平穩性檢驗，經過檢驗發現，一階差分后的殘差序列是平穩的，一階差分后的ADF檢驗值為-3.852 6，小于1%顯著性水平下的檢驗值為-2.771 9，表明變量間存在穩定均衡關系。

2.5ECM誤差修正模型

對回歸殘差做單位根協整檢驗結果發現，殘差存在一階單位根，因此本研究采用誤差修正模型對原模型進行改進。由一階自回歸分布滯后模型經過移項整理后可以得到誤差修正模型一般形式為

由誤差修正模型可知，因子F1i和因子F2i對農林牧漁總產值的當期影響均為負值，而上一期的值對農林牧漁總產值具有正向影響。當期貸款深度因子每增加1%會使當期農林牧漁總產值減少0.006 3%，上一期貸款深度因子每增加1%會使當期農林牧漁總產值增加0.006 6%；當期轉化效率因子每增長1%會使當期農林牧漁總產值減少0.037 6%，而上一期轉化效率因子每增長1%會使當期農林牧漁總產值增長 0.037 9%；誤差修正項ecmi-1的系數為-0.011 6，表明長期均衡趨勢的誤差修正項對農林牧漁總產值的調整幅度為 1.16%，具有較強的調節作用。

3結論及建議

從上述實證分析結果可以得出如下結論。

3.1短期均衡視角

從衡量短期均衡狀態的ECM誤差修正模型來看，貸款深度因子與轉化效率因子分別對農林牧漁總產值的增加具有反向作用，即貸款深度因子變動每增加1%會引起農林牧漁總產值減少0.63%，轉化效率因子每增加1%會使農林牧漁總產值下降3.76%，導致短期均衡狀態下變量間負相關的原因可能是在短期內，農業貸款深度增加會加大農民還債負擔，而農業生產周期長的特殊性又會引起農業貸款周期與農業生產周期存在不匹配問題；與此同時，“淘寶村”等非實體金融在農村地區吸收存款現象日益顯著導致農村存款的分散化，以及金融機構逐利性使得其在農村地區吸收存款后具體投入到農村經濟發展中的轉化率不高等原因，均是導致短期內農業貸款深度因子、存款轉化效率因子對農林牧漁總產值負相關的原因。

在短期均衡下，誤差修正系數為-0.011 6，表明短期誤差修正模型對農林牧漁總產值偏離長期均衡的調整力度為1.16%，對短期模型的調整作用符合誤差修正機制。

3.2長期均衡視角

從長期均衡狀態來看，由農林牧漁總產值、貸款深度因子和轉化效率因子形成的時間序列具有長期穩定的協整關系，協整回歸方程即公式（2）的結果表明，從長期來看，農業貸款深度因子每增加1%會引起農林牧總產值增長52.57%，而存款轉化效率因子每提高1%會導致農林牧漁總產值增加 29.01%。在長期均衡下，貸款深度因子對農林牧漁總產值的貢獻率更大。

本研究以黑龍江省為例分析農業貸款對農業經濟增長的影響，綜合上述結論，貸款深度因子和轉化效率因子對農業經濟發展的長期和短期均衡影響具有差異性，從短期均衡狀態結果來看，為促進農業經濟發展需要努力提高農民收入以降低農民貸款壓力，積極鼓勵金融機構在農村地區發展吸收存款的新形式，利用網絡優勢，研發新產品，并發揮和鼓勵非實體金融在農村地區“存轉貸”。從長期來看，貸款深度和存款轉化效率對農業經濟發展具有顯著促進作用，即農業貸款對農業經濟增長的影響顯著，應當積極鼓勵發展農業貸款對農業經濟促進作用，增加存款轉化效率，促進農業貸款長期穩定投入。

參考文獻：

[1]陳建. 農業科技進步的特征、結構及其現實戰略[J]. 農業現代化研究，1983，4（6）：5-8.

[2]肖干，徐鯤. 農村金融發展對農業科技進步貢獻率的影響——基于省級動態面板數據模型的實證研究[J]. 農業技術經濟，2012（8）：87-95.

[3]城鎮化進程中農村勞動力轉移問題研究課題組，張紅宇.城鎮化進程中農村勞動力轉移：戰略抉擇和政策思路[J]. 中國農村經濟，2011（6）：4-14.

[4]王躍梅，姚先國，周明海. 農村勞動力外流、區域差異與糧食生產[J]. 管理世界，2013（11）：67-76.

[5]Allanson P. The redistributive effects of agricultural policy on Scottish farm incomes[J]. Journal of Agricultural Economics，2006，57（1）：117-128.

[6]溫濤，董文杰. 財政金融支農政策的總體效應與時空差異——基于中國省際面板數據的研究[J]. 農業技術經濟，2011（1）：24-33.

[7]約瑟夫·熊彼特. 經濟分析史[M]. 北京：商務印書館，1994：205-290.

[8]約翰·G·格利，愛德華·S·肖. 金融理論中的貨幣[M]. 上海：上海三聯書店，1988：166-209.

[9]Akudugu M A，Egyir I S，Mensah-Bonsu A. Women farmers access to credit from rural banks in Ghana[J]. Agricultural Finance Review，2009，69（3）：284-299.

[10]Anonymous. World bank approves $US25 million credit to improve agricultural production and improve rural livelihoods in Papua New Guinea [J]. M2 Presswire，2010（12）：83-97.

[11]Sial M H，Awan M S，Waqas M. Role of institutional credit on agricultural production：a time series analysis of Pakistan [J]. International Journal of Economics and Finance，2011，3（2）：126-132.

[12]楊棟，郭玉清. 中國農業貸款效率——基于雙方程誤差修正模型[J]. 金融研究，2007（9）：151-159.

[13]魏君英，師文明. 農業貸款對農業經濟增長影響的實證研究——以湖北省為例[J]. 江西農業大學學報（社會科學版），2010，9（4）：12-14，39.

[14]王向楠. 農業貸款、農業保險對農業產出的影響——來自2004—2009年中國地級單位的證據[J]. 中國農村經濟，2011（10）：44-51.

[15]王偉，張登國. 農業貸款、財政支農支出對農業發展的影響[J]. 統計與決策，2012（7）：108-110.

[16]高鐵梅. 計量經濟分析方法與建模[M]. 北京：清華大學出版社，2006：180-181.