金融發展對農業生產率影響的實證研究
——以京津冀地區為例

李凱倫 韓光輝 趙 莉

（河北工程大學管理工程與商學院 河北邯鄲 056038）

引言與文獻概述

農業生產效率是衡量農業現代化程度的重要指標。在我國實現全面建成小康社會并開啟全面建設社會主義現代化國家新征程的背景下，如何提高農業生產率、增加農民收入、推動農村發展，全面實現鄉村振興成為全社會關注的焦點。近年來黨中央提出了“質量興農”“綠色興農”，通過提高農業生產率來實現農業的高質量發展。京津冀作為我國北方重要的農業生產基地，該地區農業發展的好壞不僅影響著北方地區農副產品的供給狀況，還對其他農業區具有示范效應，因此本文以京津冀的農業生產效率為研究對象。研究人員通常運用Dea-Malmquist生產率指數法或隨機前沿法測度農業全要素生產率，前種方法的優點是可以不必事先確定函數形式，僅通過對技術的可能性邊界進行參數估計即可（李凱倫，2018）。

農業生產率的高低受到多種因素的影響，其中金融發展水平是其中較為活躍的因素，金融業的發展能否提高農業生產率，成為學術界廣泛關注的問題。有關農業生產率與金融發展關系的文獻較多，他們采用理論或實證的方法分析了金融發展對農業生產率的影響。Greenwood和Jovanovic （1990）在金融深化理論的基礎上著重分析了金融體系在提高農業生產率、實現農業資源配置中的作用。肖干、徐鯤（2012）運用動態面板數據GMM估計方法分析了金融發展規模、金融結構以及金融發展效率對農業技術進步率的影響機制。井深、肖龍鐸（2017）采用系統GMM估計方法分別考察正規金融機構和非正規金融機構對農業生產率的影響。尹雷、沈毅（2014）通過運用省級面板數據進行實證分析，結果發現農村金融發展對農業生產率具有正向影響，并且這種影響水平存在區域差異。上述實證研究中由于被解釋變量的取值存在一定范圍，因此采用GMM方法會導致估計精度受損甚至出現偏誤，另外在已有文獻中很少有關于京津冀地區金融發展對農業生產率的影響的文獻，因此本文從京津冀協同發展戰略的視角并運用更加合理的極大似然估計法（MLE）對該問題進行實證研究。

農業生產效率評價體系構建

數據包絡分析（DEA）是以相對效率為基礎的一種效率評定方法，它以決策單元（DMU）的投入和產出指標的權重系數作為優化變量，運用運籌學理論把DMU投影到數據包絡分析的前沿面上，通過比較DMU對DEA的偏離程度為決策單元的相對效率做出評價。運用距離函數構建Malmquist生產率指數，應用距離函數對TFP進行分解，可分解為技術進步變動和技術效率變化。在規模報酬不變情況下Malmquist生產率指數的公式可表示為：

考慮到規模報酬可變的情況下，Malmquist指數可以進行RD分解：

其中，△TE為決策單元的實際產出與最優產出之比，成為技術效率的變化；△TP代表技術水平的變化，即在不同期間內的最優產出之比；△SE表示規模效率的變化。

本文以京津冀地區13個地級以上市為研究對象，運用數據包絡分析法測度該地區的農業生產率。農業投入指標包括從事農業生產人數、農業用電量、施用化肥量和農業種植面積，產出指標為實際農業總產值。以上指標的數據來源于相關年份京津冀各市的統計年鑒。

變量選取和模型構建

本文采用金融發展規模和金融發展效率作為核心解釋變量對農業生產率的影響因素進行分析（肖干等，2012），此外為了增強模型的解釋力，降低由遺漏變量所帶來的估計偏誤，本文增加了一些控制變量，如表1所示。

表1 各變量的選取說明

通過以上分析，建立如下計量模型：

其中，i和t分別表示地區與年份，TEP代表i市第t年的農業生產率，FS和 Fe分別表示農村金融發展規模和效率；Control代表加入的控制變量，主要包括城鄉收入差距（GAP）、財政支出（FIN）、農村人力資本（PC）、外商直接投資（FDI）以及工業化程度（INDUS）等；β和П為待估參數，ε為隨機誤差項。

通過計算發現，被解釋變量（農業生產率）是在一定范圍內取值，屬于受限被解釋變量。雖然模型具有完整的觀測值，但對于一定區間的觀測值，被解釋變量只能截斷一個固定值，導致形成的概率分布不屬于一般的正態分布，而是變成由一個連續分布加一個離散點所形成的混合分布，此時模型再運用普通最小二乘法估計，會導致結果存在偏誤。針對這種問題，Tobin（1958）提出采用極大似然估計法（MLE）的tobit模型，鑒于本文數據為面板數據，同時由于條件極大似然估計法無法估計固定效應的面板Tobit模型，所以本文采用隨機效應的面板Tobit模型進行估計檢驗。

實證結果分析

（一）初步分析

表2為隨機效應法的面板Tobit模型的初步估計結果，其中模型（1）只考慮了核心解釋變量對農業生產率的影響，模型（2）和（3）逐步加入控制變量后，發現核心解釋變量的系數符號都未發生改變，具有穩健性。農村金融發展規模的系數在模型（3）中的值為-0.081，在5%的水平下顯著，說明農村金融發展規模抑制了農業生產率的提高，其原因是受到了金融“門檻效應”的影響。在金融市場中，某些投資者即使可以得到用來投資的資金，但可能由于自身財富有限而無法達到投資規模，即窮人面臨著“金融門檻”。京津冀農村地區金融資源較匱乏、融資成本高，農民只能將貸來的有限資金投入到農業生產的部分領域。由于邊際報酬遞減規律的作用，當一種農業生產環節的投入較多而其他環節投入不足時，其不但不會帶來農業生產率的提高，反而會產生相反的作用。農村金融發展效率的系數在模型（3）中的值為0.325，說明農村金融發展效率每提高一個單位，農業生產率就會增加0.325，即存在正向促進作用，其主要是因為金融發展效率的提高意味著在農村有限的資金得到了更合理的配置，具體到農民個體，就是把自有資金和貸來資金進行了有效的配置，因為自有資金不具有顯性成本，并能夠投入到農業生產的各個環節，因此可以防止農業發展出現“瓶頸效應”。

表2 模型回歸結果

此外，控制變量的估計結果總體上也符合預期。外商直接投資對農業生產率的影響不具有顯著性，可能原因是由于農業的收益率較低導致外商將絕大部分資金投入到回報率更高的非農產業；農村人力資本的增加反而制約了農業生產率的進步，主要是因為受到了近些年京津冀地區人口流動方向的影響，伴隨著普通高等學校招錄比的不斷提高和城鄉居民收入差距的不斷拉大，具有高學歷（高中以上）的農村人口為了尋求更好的就業環境和更多的就業機會，往往會向城市遷移，導致農村損失大量青壯年勞動力，進而影響了農業生產率水平的提高；財政支出水平和工業化程度對農業生產率具有正向促進作用，農業生產回報率低，需要國家對其進行財政補貼，而財政支出水平的提高就會有更多的資金投入到農業生產中來；工業化通過制造出先進的農業機械設備，優化農業生產結構影響農業生產率；城鄉收入差距的拉大會顯著制約農業生產率的提高，是因為較高的城市收入吸引了高素質的勞動者，導致農業勞動者素質較低，從勞動力質量的角度抑制了農業生產率。

（二）穩健性檢驗和異質性分析

為了進一步驗證估計結果的穩健性，本部分將對模型進行穩健性檢驗。首先，改變農村金融發展規模和金融發展效率的測量指標，借鑒王征等（2011）的做法，用農村金融存貸款之和除以農村國民生產總值表示FS，用農村居民的儲蓄除以農村貸款代表FE，重新采用相同模型進行估計，結果如表3中模型（7）和（8）所示，無論對控制變量控制與否，金融發展規模的系數仍然顯著為負，金融發展效率的系數顯著為正，這說明估計結果具有穩健性。其次，用農業純技術進步效率作為被解釋量進行穩健性檢驗，表3中模型（9）和（10）匯報了估計結果，發現金融發展規模與效率的系數符號仍然與之前的估計相一致，進一步驗證了結果的穩健性。

表3 穩健性檢驗

由于地區和年份異質性的存在，使得金融發展規模和效率對農業生產率的影響也存在異質性，因此本文通過分年度和分地區進行異質性檢驗。考慮到金融危機的存在，本文以2008年為分界線，表4中模型（11）考察了2004-2007年（金融危機之前）金融發展規模和效率對農業生產率的影響程度，表4中模型（12）考察了2008年之后的影響。由估計結果可知，無論是金融發展規模還是金融發展效率都在金融危機爆發后對農業生產率的影響程度加深了。考慮到京津地區屬于發達地區，對其周邊地區具有空間溢出效應，因此把樣本按照是否與京津接壤進行分類，表4中模型（13）為與京津接壤地區（包括京津）的估計結果，與表4中模型（14）未接壤地區估計結果相比，接壤地區的金融發展規模和發展效率對農業生產率的影響程度都要小于未接壤地區。

表4 異質性分析

研究結論和政策建議

本文運用DEA-Malmquist指數法測算了2004-2018年京津冀地區各市農業生產率，然后采用隨機效應面板Tobit模型實證分析了農村金融發展規模與效率對農業生產率的影響。結果發現，農村金融發展規模對農業生產率具有負向作用，而農村金融發展效率對農業生產率具有正向影響。

根據以上結論，本文提出以下政策建議：第一，要積極推動農村金融發展效率的提高。在京津冀一體化和雄安新區建設等政策的推動下，京津冀地區要著力推動普惠金融發展，整合該地區金融服務資源，不斷創新金融產品，加快融資產品研發，把金融與農村經濟直接聯系起來，構建產品多樣、風險可控的融資服務體系。第二，抓住農村金融增量改革的契機，政府要減少行政干預，推動市場化競爭機制的形成，同時要降低金融服務門檻，進而提高金融資源配置的效率。第三，要增加農村正規金融機構的數量，減少農村金融壟斷組織的規模，同時鼓勵民間資本參與到金融改革中來，發揮各個經濟主體的作用，實現金融資源的優化配置。