金融支農成效的10年回顧

雷曜　張文婷

摘 要：本文在2007—2017年10年數據的基礎上，構建了優化的向量自回歸模型PVAR分析四大類涉農貸款和農業經濟波動各個變量之間的聯動關系以及各類涉農貸款變動對農民收入的長期決定因素和短期動態變化。本文發現，各項涉農貸款余額都是引起農業經濟變動的格蘭杰原因，而只有農林牧漁業貸款是引起農村居民消費價格變動的格蘭杰原因；各項涉農貸款對農業經濟變動和農民收入變動都能在短期內產生實際的影響，并且是單向的；全口徑涉農貸款對農業經濟變動和農民收入變化的貢獻明顯，貢獻度達10.1%和5.26%，金融支農成效顯著。

關鍵詞：涉農貸款；農民收入；優化的向量自回歸模型

中圖分類號：F830.58 文獻標識碼：A 文章編號：1674-2265（2018）03-0003-09

DOI：10.19647/j.cnki.37-1462/f.2018.03.001

一、引言及文獻綜述

2007年以來，黨中央和國務院推動金融支農的政策力度不斷加大，圍繞提升農村金融服務的能力和水平，明確了金融機構分類改革、農村普惠金融、涉農資金投放、創新服務產品、發展農業保險、財稅重點支持等多項政策框架。總體上看，目前農村金融市場主體的種類大大增加，商業銀行、農信社、各類小型信貸機構、合作性金融組織、擔保機構、保險企業等都在以各自的方式為“三農”提供金融服務，多元化、多層級的農村金融服務體系已經形成，支持農村金融發展的政策框架也基本成熟。但是農村金融服務的高風險、高成本、信息不對稱等固有特征仍沒有消除，各地在落實中央農村金融政策時存在一些具體的問題仍待破解。

通過對金融支農頂層設計和相關實踐的回顧，我們發現，涉農貸款是金融支農最為重要的渠道之一，也是最為有效的方式之一。自我國2007年創立《涉農貸款專項統計制度》以來，截至2017年9月，全部金融機構涉農貸款余額累計增長399.5%，平均年增速為18.83%。全口徑涉農貸款余額從2007年末的6.1萬億元增加至2017年9月末的30.55萬億元，占各項貸款的比重從22%提高至25.6%。從機構布局來看，目前我國已經形成了涵蓋銀行類金融機構、非銀行類金融機構和其他微型金融組織相互補充的多層次、廣覆蓋的涉農貸款金融服務體系。僅以村鎮銀行和新型農村金融機構為例，截至2016年末，全國已有1259個縣（市）核準設立村鎮銀行，縣（市）覆蓋率為67%。全國已組建村鎮銀行1519家，其中64.5%設在中部地區，村鎮銀行資產規模達到1.24 萬億元；已累計為352萬家農戶和小企業發放貸款580萬筆，累計發放貸款金額超過3萬億元。截至2016年末，全國已組建的新型農村金融機構93%以上的貸款投向了農戶和小企業。全國金融機構空白鄉鎮從啟動時（2009年10月）的2945個減少到1296個；實現鄉鎮金融機構和鄉鎮基礎金融服務雙覆蓋的省（含計劃單列市）從2009年10月的9個增加到29個。

金融支農問題一直是國內學術界研究的熱點，相關研究主要集中于以下幾個方面：（1）涉農貸款與農民收入的關系研究。現有文獻主要持有兩種觀點：一是涉農貸款的投入，有利于農村基礎設施建設和農業生產技術提高，從而帶動農村經濟發展和農民收入提高。王建國和牛楠（2013）選取1996—2012年的數據，對易縣農村信用社涉農貸款和農民收入相關性進行實證研究。結果表明，涉農貸款投入增加對農民純收入增長具有促進作用，但是貢獻率很低。吳蔚藍等（2015）也得出了相似的結論。楊正榮和蓋振煜（2015）的研究顯示，涉農貸款投入增長對農民收入增長具有促進作用，而且其貢獻度仍有潛力可挖。二是隨著涉農貸款的投入，對增加農民收入的效果并不顯著。如夏遨（2017）對涉農貸款及貸款結構對農民收入增長的關系進行實證檢驗，結果顯示，涉農貸款投入加大并不一定能拉動當地農民收入增長。原因在于：一方面，大多數涉農貸款被農戶用于維修房屋或生活使用，短時間內并不能起到增加收入的作用；另一方面，涉農貸款的獲得者大多為外出務工人員，他們的收入水平取決于固定收入，并不能通過獲得貸款的方式得到提高。（2）涉農貸款與經濟增長的關系研究。武翠芳（2006）的分析結果表明，農業信貸與農業經濟增長之間存在正相關關系，增加農業信貸投入，可以提高農業產出水平。此外，農業固定資產對農業產出也有很大的貢獻，因此在增加農業信貸資金投入的同時，也要注意增加對農業固定資產的投入。趙爍等（2012）研究發現，涉農貸款影響農業經濟增長的途徑包括直接途徑和間接途徑，涉農貸款的投入數量、質量以及農業生產績效是涉農貸款影響農業經濟增長的三個主要因素。陳琦（2013）對農業信貸、財政支農支出以及兩者的交互作用對農業經濟增長的影響進行了實證分析，結果表明單純增加財政支農支出并不能有效促進農業經濟增長，農業信貸對農業經濟有正影響作用，其與財政支農支出之間存在互補關系。但也有觀點認為我國農業信貸與農村經濟增長存在明顯區域差異，總體上長期均衡關系不明顯（裴輝儒，2010）。（3）涉農貸款存在的不足及其完善。張健華（2008）、岳意定（2008）、王愛儉（2009）等研究認為，中國的涉農貸款存在著風險較大、擔保體系缺乏、營銷成本高等問題。陳素芳（2011）指出，區域差異、機構差異導致涉農貸款業務開展不平衡現象的出現。高飛（2013）指出，縣域金融機構在政策上扶持方面存在涉農貸款增量獎勵政策作用有限、農村金融稅收政策優惠不到位、農業保險保費補貼政策不完善等問題。許玉曉和王家傳（2008）認為，要通過構建適合中國的農業信貸制度，為金融機構加大對農業和農村的資金投入提供制度保障。完善農村金融體系，建立健全農業信貸管理制度，確保農村金融機構加大對農村、農業、農民的信貸投入。

本文將研究數據更新至2017年，并采用了長達10年間的時間序列，采用優化的向量自回歸模型（Parsimonious VAR，PVAR），對金融支持三農的成效進行考察。

二、涉農貸款變動及投向

涉農貸款按照不同的統計角度總共分為四大類，該部分主要從農村貸款、農林牧漁業貸款、農戶貸款和全口徑涉農貸款這四個方面對近年來涉農貸款的變動和投向進行分析。

（一）農村貸款

圖1顯示，2007—2017年農村貸款余額逐年穩步增長，2009年增幅最為明顯，同比增長達34.2%。2014年農村貸款余額占各項貸款的比重達23.2%。2009年和2014年中國人民銀行先后出臺了擴大支農再貸款的發放范圍和支持力度、下調相關涉農金融機構的存款準備金率以及優化農村支付體系①等相關政策；財政部也相繼出臺了對涉農貸款增量地區進行試點獎勵、對農村金融機構提供定向補貼資金、涉農貸款營業稅優惠②等財稅優惠政策，由此可見結構性的貨幣、財稅政策對農村貸款的增長具有一定的促進作用。

（二）農林牧漁業貸款

從圖2中可以看出，農林牧漁業貸款余額穩步上升，但增長速度卻從2009年開始逐年放緩，最高同比增長率從2009年末的25.2%，下降到2016年末的4.2%，在2017年9月達到6.2%，相比2016年末稍有回升。

值得注意的是，農林牧漁業貸款余額占比逐年下滑，從2007年末最高5.4%，下降到2017年9月末的3.3%。2014年財政部聯合林業局出臺對林業貸款提供相關補助資金③的政策，當年的農林牧漁業貸款余額占比下滑稍有緩和，說明扶持政策對涉農貸款的支持效果立竿見影，但缺乏可持續性。

（三）農戶貸款

圖3中可以看出，農戶貸款同比增長率在2009年和2013年出現高點，分別為 32.7%和24.5%，財政部和人民銀行關于加大對農村婦女的政策支持力度④和拓寬支農再貸款的使用范圍⑤等扶持政策收效顯著。農戶貸款余額占比逐年提升，從2007年末的4.8%上升至2017年末的6.7%。

（四）全口徑涉農貸款

圖4顯示，2007—2017年全口徑涉農貸款余額逐年穩步增長，2009年漲幅達32.1%后放緩。2014年全口徑涉農貸款余額占比達到28.1%。截至2017年9月末，全部金融機構本外幣農村⑥貸款余額24.9萬億元，較2007年末增長393.3%，占各項貸款余額的比重為20.8%，10年間平均年增速為18.76%；農林牧漁業貸款余額3.9萬億元，較2007年末增長161.2%，占各項貸款余額的比重為3.3%，10年間平均年增速為11.58%；農戶貸款余額8.0萬億元，較2007年末增長493.7%，占各項貸款余額的比重為6.7%，10年間平均年增速為20.19%；全口徑涉農貸款余額30.5萬億元，較2007年末增長399.5%，占各項貸款余額的比重為25.6%，10年間平均年增速為18.83%。

三、數據結構及實證檢驗

（一）樣本和數據

1. 涉農貸款的數據按統計口徑不同主要分為農村貸款（RL）、農林牧漁業貸款（AFHF）、農戶貸款（FL）和全口徑涉農貸款（FAL）。本文主要檢測這4個變量與農民收入、農業經濟增長的正相關性。數據選自《中國農村金融服務報告》。

2. 涉農貸款主要服務于農林牧漁等產業，這些產業統稱為第一產業，因此，使用第一產業累計值（AGDP）作為衡量農業經濟增長的主要指標，數據來自萬得資訊。

3. 本應選取農村居民人均可支配收入（IR）作為農民收入的指標，但由于統計口徑在2013年進行了更改，導致2007—2017年該數據不平穩，無法進行時間序列數據的相關模型檢驗，故采用農村居民消費價格指數進行替代。但后文單獨考察2013年3月至2017年9月情況時，使用農村居民人均可支配收入數據，數據來源于中國經濟數據庫（CEIC）和國家統計局官網。農村居民消費價格指數（RCPI，上年=100）是反映一定時期內農村居民家庭所購買的生活消費品價格和服務項目價格變動趨勢和程度的相對數，數據來自國家統計局和東方財富網。

由于涉農貸款專項統計自2007年9月開始實施，本文數據樣本時間選擇2007年至2017年9月末；考慮到時間數據的匹配性和可得性，本文協整關系檢驗（Johansen Cointegration Test）中包含的時間范圍為2013年3月末—2017年9月末。圖5為該樣本區間內各項涉農貸款的波動圖。

（二）單位根檢驗

用ADF方法對各個變量進行單位根檢驗，檢驗結果如表2。可以看出，各個變量取自然對數后，除農村居民消費價格指數LRCPI外其他變量都不能拒絕原假設，都是不平穩的，但一階差分后數據是平穩的。

（三）主要變量的因果關系檢驗

表3中顯示的是四大類型的涉農貸款分別對農業經濟和農村居民消費價格的格蘭杰因果關系檢驗結果。格蘭杰因果關系檢驗結果顯示，在1%的顯著水平下，農村貸款、農林牧漁業貸款和全口徑涉農貸款是引起農業經濟變動的格蘭杰原因；在5%的顯著水平下，農戶貸款是引起農業經濟變動的格蘭杰原因；而只有農林牧漁業貸款是引起農村居民消費價格變動的格蘭杰原因。總體看，涉農貸款對我國農業經濟增長存在單向因果關系，僅農林牧漁業貸款對農民收入消費存在單向因果關系。

（四）Johansen協整關系檢驗

考慮單位時間數據的匹配性和可得性，將繼續對2013年3月末到2017年9月末涉農貸款與農業經濟增長、農村居民人均可支配收入的季度數據進行Johansen協整關系檢驗。

1. 模型建立。假設[Yt]為各個主要變量的矩陣，[Wt]為各個主要變量的一階滯后項矩陣，t是指本文數據涉及的觀測時間，則向量自回歸模型（VAR）可表述為：

2. 協整檢驗。

根據AIC準則確定滯后階數為1。AR根檢驗表明模型的系統是平穩的。

選擇1階滯后，檢查Unrestricted VAR模型中的I（1）cointegration 發現秩為3。用Johansen協整檢驗估計非線性VAR（3）找到主要變量之間的關系。選用trace test對殘差的非正態性和最大特征值進行對比。檢驗結果見表4。

表4中，[β]表示長期協整關系系數，[α]表示回饋系數⑦，即短期調整偏差使之回到長期均衡的協整關系的速度。[H1]假設協整關系方程中不含有趨勢項，結果顯示概率為0.2102，則未拒絕原假設，說明協整方程中可以不含有趨勢項。[H2]假設檢驗變量[FALt]=[RLt]在所有變量之間的長期關系，結果顯示，在5%的顯著水平下[H2]的假設被拒絕，說明農村貸款和全口徑涉農貸款這兩項貸款雖然統計口徑存在交叉的情況，但是無法互相替代，并不存在重復統計的情況。[H3]假設檢驗變量[AGDPt]=[IRt]， 且Trend=0在所有變量之間的長期關系，結果顯示[H3]假設被接受，說明農業經濟增長和農民收入呈正向關系，因此本文繼續對[Y't=[FALt，AGDPt，FLtIRt，AFHFt，RLt]] 進行長期同質性協整關系檢驗。

（五）長期協整關系檢驗結果

結合上文的限制性假設檢驗的結果，本文發現協整系統中至少存在3個線性協整向量。結合Johansen協整檢驗和Juselius（2006）的建模方法，協整向量會有以下平穩的協整關系

以上三個協整方程顯示了本文主要變量之間協整關系假設檢驗的結果。可以看出，全口徑涉農貸款的協整系數[β]是正向顯著的，并且與第一產業GDP和農民收入的[β]系數是同向的，這說明全口徑涉農貸款和農業經濟變動以及農民收入具有一定的長期聯動性。農戶貸款和農林牧漁業貸款的[β]系數均是負向顯著，說明長期全口徑涉農貸款與農戶貸款和農林牧漁業貸款呈反向關系，即全口徑涉農貸款長期的增長并不一定會導致農戶貸款和農林牧漁業貸款的增長。同樣，在第一產業GDP變化的方程中和農戶貸款的方程中，第一產業GDP與全口徑涉農貸款呈同向關系，說明全口徑涉農貸款的確對農業經濟增長具有一定的貢獻。

（六）優化的向量自回歸模型

將長期關系方程[CIa]、[CIb]和[CIc]作為誤差修正項用來估計差分變量的誤差修正模型（VECM），采用全信息極大似然值法（FIML）估計模型，可以去除協整系統中的非顯著變量，從而得到優化的向量自回歸模型（PVAR）。最優化的短期誤差修正模型VECM的估計結果顯示如表6。

在全口徑涉農貸款的波動方程中，第一產業GDP和農民收入的一階滯后項都顯著，并且農民收入系數在1%的水平下是正向顯著的。這與前文的VAR的結果相類似，說明全口徑涉農貸款與第一產業GDP和農民收入的聯動非常緊密，在短期內就會影響農業經濟和農民收入的波動。接下來通過脈沖響應和方差分解進行進一步分析。

（）中表示標準差，[]中表示概率。

（七）脈沖響應

本文中選擇數據頻率為季度數據，對脈沖響應的滯后期選4期。

1. 涉農貸款與第一產業GDP變動的相互影響。圖6中A1和A2分別描述全口徑涉農貸款的變動沖擊對第一產業GDP的單位脈沖響應和累積脈沖響應；圖B1和B2分別描述農林牧漁業貸款的變動沖擊對第一產業GDP的單位脈沖響應和累積脈沖響應；圖C1和C2描述農戶貸款的變動沖擊對第一產業GDP的單位脈沖響應和累積脈沖響應；圖D1和D2描述農村貸款的變動沖擊對第一產業GDP的單位脈沖響應和累積脈沖響應。圖E1和圖E2至圖H1和圖H2分別描述第一產業GDP的變動沖擊對四類涉農貸款的單位脈沖響應和累積脈沖響應。

首先，對比圖6中的前8組圖與后8組圖，不難發現四類涉農貸款的變動沖擊對第一產業GDP的變動都會有響應，反之第一產業GDP的變動沖擊卻對四類涉農貸款沒有響應，這與前文中因果關系檢驗的結論相一致，即涉農貸款對我國農業經濟變動存在單向影響。其次，全口徑涉農貸款、農戶貸款和農村貸款對第一產業GDP帶來的是負向沖擊，譬如給[?FALt]1個單位的沖擊后，第一產業GDP在第1個季度會有一個回落，但在隨后的季度內迅速反向調整，直到第4個季度后逐漸平穩。從累積響應中可以看出，全口徑涉農貸款、農戶貸款和農村貸款對第一產業GDP長期是負向沖擊。最后，明顯對第一產業GDP帶來直接正向沖擊的是農林牧漁業貸款，若給[?AFHFt]1個單位的沖擊后，會導致第1個季度的第一產業GDP直線上升，直到第3個季度才逐漸回落，同樣累積響應中顯示，[?AFHFt]1單位的沖擊會導致第一產業GDP從第1個季度開始就直線上升，并長期保持正向響應，說明農林牧漁業貸款對農業經濟具有立竿見影的推動作用。

2. 涉農貸款與農民收入變動的相互影響。圖7中，圖A1至D2分別描述全口徑涉農貸款、農林牧漁業貸款、農戶貸款和農村貸款的變動沖擊對農民收入的單位脈沖響應和累積脈沖響應；圖E1至圖H2分別描述農民收入的變動沖擊對四類涉農貸款的單位脈沖響應和累積脈沖響應。

對比發現，四類涉農貸款的變動沖擊對農民收入的變動都會有響應，然而農民收入的變動沖擊對四類涉農貸款則沒有什么響應，說明涉農貸款對農民收入變動能在短期內產生實際的影響，并且是單向的。研究涉農貸款對農民收入的影響，發現全口徑涉農貸款、農戶貸款和農村貸款對農民收入帶來的是正向沖擊，只有農林牧漁業貸款[?AFHFt]產生1個單位標準差的沖擊會對第1個季度的農民收入產生1個負向沖擊，第2個季度達到頂峰，到第3個季度該沖擊逐漸回落至平穩。累計響應中顯示，農林牧漁業貸款對農民收入帶來的沖擊使農民收入在第2個季度達到頂峰然后逐漸回落至平穩。

（八）方差分解

對主要變量預期誤差的方差進行分解，衡量PVAR模型中每1個結構沖擊對內生變量變化的貢獻程度。各個主要變量的方差分解關系描繪如圖8，滯后階數選取的是6。

可以看出，四類涉農貸款對第一產業GDP貢獻度均不超過20%，其中貢獻度占比最高的是全口徑涉農貸款，達10%左右。同樣，四類涉農貸款對農民收入的貢獻度不超過10%，其中貢獻度占比最高的涉農貸款仍然是全口徑涉農貸款。第一產業GDP對農民收入的貢獻度達90%以上，占比最高。第一產業GDP和農民收入變化的方差分解結果顯示如表7。

從表7中可以看出，在四類涉農貸款中，全口徑涉農貸款對農業經濟變動和農民收入變動的貢獻度是最高的，且遠遠高于其他貸款。全口徑涉農貸款對第一產業GDP變化的貢獻度在第1個季度就達到了8%，并且在第3個季度超過了10.1%；對農民收入變化的貢獻度在第1個季度就達到了4.28%，在隨后的第3個季度達到了5.26%，說明全口徑涉農貸款對農業經濟的變化和農民收入的變化的影響持續增加。

四、結論與政策建議

本文通過優化的向量自回歸模型PVAR分析了四類涉農貸款和農業經濟波動各個變量之間的聯動關系，以此考察涉農貸款在支持“三農”發展方面的積極成效。（1）從實證結論看，人民銀行結構化政策工具在促進農民收入和農業經濟增長方面有著積極效應。（2）通過脈沖響應函數分析發現，涉農貸款對我國農業經濟變動存在單向影響，農林牧漁業貸款對農業經濟的增長有著立竿見影的效果。（3）對各項涉農貸款對農民收入波動的影響分析發現，各項涉農貸款對農民收入變動在短期內產生實際的影響，并且是單向的。（4）方差分解分析發現，各項涉農貸款對農業經濟變動和農民收入變化的貢獻度較明顯，其中貢獻度占比最高的是全口徑涉農貸款。

綜上研究，涉農貸款支持“三農”發展的成效是顯著的和積極的。下一步，相關部門應進一步加大結構性政策的使用力度，進一步提升涉農貸款投放的合理性和精準性，提高涉農貸款使用效率。

注：

①詳見銀發[2009]38號文件和銀發[2014]42、65、69、90、117、133、235、396號文件。

②詳見財金[2014]4、12、號文件和財稅[2014]5、102號文件。

③詳見財農[2014]9號文件，該政策是對財農[2009]291號文件的延續。

④詳見財金[2013]84號文件。

⑤詳見銀發[2009]38號文件、銀發[2013]58號文件。

⑥縣及縣以下。

⑦表中未全部顯示α的結果，這里不影響結論。

參考文獻：

[1]Hasbrouck， J. 1991. Measuring the information content of stock trades. Journal of Finance no. 46 （1）.

[2]Sims， Christopher A. 1980."Macroeconomics and Reality. Econometrica no. 48 （1）.

[3]Johansen， S?ren. 1995. Likelihood-based inference in cointegrated vector autoregressive models， Advanced texts in econometrics. Oxford ； New York： Oxford University Press.

[4]Juselius， K. 2006. The cointegrated VAR model： methodology and applications： Oxford University Press， USA.

[5]Demiralp， S.， and K.D. Hoover. 2003. Searching for the causal structure of a Vector Autoregression. Oxford Bulletin of Economics and statistics no. 65.

[6]Hendry， D.F.， and H.M. Krolzig. 2001. Automatic econometric model selection using PcGets 1.0： Timberlake Consultants.

[7]Brooks， Chris. 2008. Introductory econometrics for finance. 2nd ed. Cambridge England，New York：Cambridge University Press.

[8]Hendry， D.， and M. Krolzig. 2004. The properties of automatic Gets modelling. NYU Working Paper No. SC-CFE-05-03.

[9]Hendry， D.F.， and J.A. Doornik. 1994. Modelling linear dynamic econometric systems. Scottish Journal of Political Economy no. 41 （1）.

[10]Zhang，Zhichao， Frankie Chau，and Wenting Zhang. 2012. Exchange rate determination and dynamics in China： A market microstructure analysis. International Review of Financial Analysis：Forthcoming.

[11]中國人民銀行農村金融服務研究小組.中國農村金融服務報告2016[R].2017，（1）.

[12]劉曉晨.涉農貸款分類管理及政策支持機制研究[D].山東農業大學碩士學位論文，2010年.

[13]韓國強.甘肅農行涉農貸款風險管控問題研究[D].蘭州大學研究生學位論文，2011年.

[14]呂植培.廣西農村信用社涉農貸款發展研究[D].廣西大學研究生學位論文，2012年

[15]中國人民銀行.涉農貸款專項統計制度，銀發2007，246號.

[16]韓國強.甘肅農行涉農貸款風險管理問題研究[D].蘭州大學研究生學位論文，2011年.

[17]楊鳳琪.淺議涉農貸款增量獎勵政策的完善[J].財政監督，2013，（11）.

[18]王愛儉.擴大農村金融有效供給關鍵是大力發展“草根金融”[N].金融時報，2009-03.

[19]陳素芳.河北省銀行業涉農貸款現狀分析及監管對策[J].河北金融，2011，（2）.

[20]高飛.加大涉農貸款財政扶持[J].中國金融，2013，（1）.

[21]張健華.中國農村多層次信貸市場問題研究[M].經濟管理出版社，2009.

[22]許玉曉，王家傳.農業信貸有效供給與制度創新研究[J].生產力研究，2008，（2）.

[23]張劍.當前涉農貸款投放面臨的困境及對策[J].金融縱橫，2010，（3）.

[24]王建國，牛楠.涉農貸款與農民收入關系實證研究——以易縣農村信用社為例[J].河北工業大學學報（社會科學版），2013（12）.

[25]吳蔚藍，譚文杰，燕星辰，孫育剛.貧困地區農民收入與涉農貸款關系的實證研究——以甘肅省慶陽市合水縣為例[J].財會研究，2015，（12）.

[26]楊正榮，蓋振煜.涉農貸款與農民收入相關性探析——基于慶陽市的實證分析[J].生產力研究，2015，（10）.

[27]夏遨.涉農貸款對農民收入水平的影響研究——以湘西抽樣縣為例[J].特區經濟，2017，（6）.

[28]武翠芳.農業信貸對我國農業經濟增長貢獻的實證分析[J].河北經貿大學學報，2006，（9）.

[29]裴輝儒.我國農業信貸與農業經濟增長的相關性研究——基于1978—2007年31個省份的Panel Data分析[J].農業技術經濟，2010，（2）.

[30]趙爍，臧雪華，陳龍鑫.涉農貸款與農業經濟增長的關系研究——以內蒙古喀喇沁旗為例[J].北方經濟，2012，（7）.

[31]張茜.農業信貸規模與農村經濟增長關系的實證分析[J].西北農林科技大學學報（社會科學版），2012，（1）.

[32]陳琦.農業信貸、財政支農對農業經濟增長的影響研究：基于省際面板數據的分析[J].西安電子科技大學學報（社會科學版），2013，（9）.

[33]劉翔.農業信貸對農業經濟增長作用的研究——以陜北地區為例[J].農業經濟，2015，（9）.