農業生產效率的測度及影響因素實證考察
——基于2007—2020 年重慶市面板數據

周鵬飛，沈 洋

（1.重慶師范大學 經濟與管理學院，重慶 401331；2.華僑大學 數量經濟研究院，福建 廈門 361021）

一、引言

在經濟下行壓力加大、 國際國內風險明顯上升， 特別是在新型冠狀病毒肺炎疫情持續系統性影響的復雜局面下，穩住農業基本盤、發揮 “三農” 壓艙石作用至關重要。 解決好發展不平衡不充分問題，重點難點在 “三農” ，迫切需要補齊農業農村短板弱項，推動城鄉協調發展［1］。突破瓶頸約束一方面需要持續挖掘農村轉移勞動力的潛力， 另一方面則需要依靠創新驅動，提高全要素生產率［2］。因此， 提高全要素生產率對我國全面建成小康社會以及建設社會主義現代化強國具有重要意義。

回顧我國農業轉型升級的過程， 廣大地區仍然以 “小農經濟” 為主要生產方式，并未徹底脫離 “小農經濟” 的本質［3］，從而導致農業的生產效率偏低。 若要從根本上打破 “小農經濟” 的生產經營方式則必須緊抓農業的規模化、機械化、現代化經營方式，提高農業生產要素的利用率，這也是我國農業轉型升級實現高質量發展的必然路徑和優勢選擇。

重慶是我國西部地區一個重要的經濟增長極，集大城市、大農村、大山區、大庫區于一體，農業是重慶經濟發展的重要組成部分。 重慶地形單元以山地為主， 大城市與大農村并構的格局使得城鄉二元經濟結構的矛盾日漸凸顯。農村人口多、耕地少，農業結構性矛盾突出，產業分布散、產業鏈條短，綜合效益和競爭力不強［4］，加上發展現代農業的底子薄、基礎弱，使得重慶農業的弱質性更加明顯。 重慶振興農業的關鍵落腳點要以農業供給側結構性改革為主線，導向由增產轉向提質，從過去的依靠增加要素投入轉向提高全要素生產率，依靠創新來精準發力。 因此，測算和分析重慶這樣一個典型區域的農業生產效率及其影響因素，精準識別農業轉型發展中存在的問題，對于推動農業轉型升級，提高農業創新力和競爭力，推動脫貧攻堅和鄉村振興的有效銜接， 實現農業現代化具有重要的政策參考價值。

二、文獻回顧

生產效率是對農業生產過程中各類要素配置能力、 資源使用效率和全要素生產率等生產能力的綜合考量。 自Farrell 提出用 “預估函數” 推斷生產效率值以來［5］，眾多學者圍繞著農業生產效率，從不同角度展開了研究。 總結現有文獻， 與文章話題相關的研究內容大致可以歸納為以下兩個方面：

一是農業生產效率的增長核算、 空間分異及其收斂性分析等方面的研究。 從空間分布和區域異質性來看，現有文獻對我國新疆自治區［6］、湖南省［7］、東北三省［8］等地區以及世界上各經濟體、流域范圍［9］等做了研究，并在省域范圍內農業生產效率的空間延展性與時間變動趨勢作了闡釋。 從農業生產效率的增長潛力和空間延展性來看，王牧野認為中國設施農業面臨著收益率和勞動生產率的雙重劣勢， 盡管設施農業的全要素生產率穩定增長，呈現出 “技術進步誘導+技術效率推動” 的增長模式，但仍是低水平增長［10］。 徐維祥考察了中國省級層面農業生產效率， 他認為2004-2019 年農業生產效率呈現出持續上升趨勢，若將環境成本納入統計范疇內的農業生產效率要低于未考慮環境成本時的結果； 區域差異整體呈倒 “V” 型變化態勢，東西方向上是遞減的，南北方向上反映為倒U 型趨勢［11］。還有一部分學者對農業生產效率的增長源泉做了探究， 總結出農業純技術效率［12］、工業化［13］和技術進步［14］是推動農業生產效率提高的重要來源。

二是農業生產效率的影響因素及其提升路徑方面的研究。 周鵬飛發現三峽庫區重慶段的農業綠色全要素生產率內在動能是綠色技術進步指數的提高，外部因素則是依靠公路基礎設施、城鎮化水平和金融支持， 同時還發現了財政支農和地區經濟發展水平對農業 GTFP 有抑制作用［15］。 朱秋博從信息化的角度探究了農業信息化發展如何影響農業生產效率， 認為信息化對農業TFP 具有促進作用，但是受制于農村人力資本不高的原因使得統計結果并不顯著［16］。楊均運用空間杜賓模型， 從農業基礎設施和人力資本投資的角度探討了其對農業生產效率的影響效應， 研究發現農村基礎設施和農村人力資本對農業生產效率具有正向作用， 但只有技術設施的空間效應是顯著的［17］。 此外，還有學者從農地確權和農地細碎化［18］、農戶兼業行為［19］、農機械跨區域作業［20］、農業生產性服務［21］、數字普惠金融［22］和農村宅基地退出［23］等角度探討了對農業生產效率的影響效應。

綜上所述， 已有文獻對農業生產效率進行了大量的探討， 為本文測算重慶市農業生產效率和探尋外部改進路徑提供了思路借鑒和方法啟示，但仍然有邊際改進的空間。 一方面由于學者對于不同地區、 不同發展階段所使用的測度方法以及選取的投入與產出指標存在著較大差異， 這使得我國農業生產效率還未能完整地展現出一個客觀全貌。同時宏觀背景持續演變，產業發展戰略也在深度調整， 我國農業生產效率呈現出多元化的表現形式。 盡管已有文獻從不同地域或角度對我國農業生產效率進行了測算并揭示了其增長來源，也存在少部分文獻對重慶市的農業生產面貌做了探究， 但仍主要是從整個區域層面或者經濟功能區的角度出發， 其研究視角和數據樣本尺度還比較大［24］。 因此，文章將研究視角擴展至縣域層面，先是運用DEA 模型測算并刻畫重慶市農業生產效率的整體面貌，然后是運用面板隨機效應Tobit模型對其影響因素進行數理層面的驗證， 深入剖析了影響重慶農業生產效率的外部因素， 研究其驅動機制并分析可行的轉型路徑， 這對于提高農業生產效率具有很好的理論啟示意義和政策借鑒價值。

三、研究方法

（一）兩階段半參數DEA 模型

數據包絡分析（DEA）是一種不需要預先估計參數和生產函數形式而用來比較技術效率的分析方法， 其最大的優點是僅依靠獨立決策單元的投入產出數據， 并通過數學線性規劃方法來做非參數估計， 現已被廣泛用于各領域生產效率的評價研究［25-26］。 然而，傳統的 DEA 兩階段法難以處理形式復雜且結構未知的序列相關性、 利用有限樣本測算效率值可能產生的偏誤性和環境變量與效率值間內生性的影響， 這會使得環境變量對效率值的統計推斷失效。 Simar［27］在 Hirschberg［28］的基礎上提出解決這些問題的自助法程序， 即兩階段半參數DEA 法。

兩階段半參數DEA 方法的關鍵是在第一階段中使用投入產出數據集測算效率值。 假設有k個獨立決策單元，各獨立決策單元使用N 種生產要素 x（xk=(xk1，xk2…xkn）∈RN）進行生產，獲得 M種合意產出 y（yk=(xk1，xk2…xkm）∈RM）。那么在技術條件 T 下，生產可能集表示為 P（x）={y∶（x，y）∈T}，投入的需求集表示為（y）={x∶（x，y）∈T}。 以生產可能集為例， 技術效率就表示為某個給定數據點與生產可能集邊界的距離。 一般而言， 當存在非零松弛時， 徑向測度方法要求投入產出同比例變動， 這會高估獨立決策單元的效率。 因此文章主要使用Russell 非徑向技術效率測算重慶市的農業生產效率。 對于特定的點（xi，yi），以產出為導向的CRS 模型為：

式（1）和式（2）中，y是一個K×M的產出矩陣，x是一個K×N的投入矩陣；P（x）是生產前沿面的最小包圍面；θ（θ ≥1）衡量了數據點（xi，yi）與效率前沿值之間的距離；示當投入變量不變時第k個獨立決策單元的產出可以按非比例增加的量， 將其取到數即可得到文章需要求解的生產效率值。在獲取效率值之后的第二階段，對s 個 樣 本 點 ， 建 立 截 斷 （Truncated Regression）回歸方程式：

式（3）中，z表示所有環境變量的信息集，α表示待估系數，ξ為隨機擾動項。 然后是對于每一個i = 1，2，…，s，從在點（1-azi）處左截尾的N（0，σ2）分布隨機抽取εi； 再是二次計算每一個i = 1，2，…，s的 ρ*值，計算過程為 ρ*= αzi+ ε1；最后是使用最大似然估計法計算環境變量zi的系數α和標準誤σ。 根據 Simar和Wilson［27］的研究，這種計算過程和抽取次數一般設定為100次。

（二）DEA-Malmquist指數法

農業生產具有典型的周期長、 動態性和連續性特征，在長期生產過程中，農業生產技術總是不斷變動的， 例如土地流轉帶來的規模效應和使用現代農業機械帶來的先進生產力， 而靜態DEA方法無法刻畫農業生產這些特征。 為更加真實地反映農業全要素生產率的動態演進趨勢， 結合Malmquist指數和DEA模型構造t到t+1期的農業生產效率變動幅度， 引入基于投入產出的方向距離函數：

式（4）中，δ 為定向輸出效率變量。從時期 t 到時期t+1 的Malmquist 生產率指數可以定義為：

式（5）中，x 為投入向量，y 為產出向量，D 為方向距離函數。 M 為農業全要素生產率， 即在時期t 的技術T 參照下，從時期t 到時期t+1 的生產點距離函數。 若t 到t+1 時期的生產效率處于增長狀態，那么測算的M 指數大于1，反之則指數小于1。 為避免因時期選擇的隨機性造成的測算結果不同， 一般是采用多時期的幾何平均值表征生產效率，即：

式（6）存在兩個分解指數，即：

其中，effch 為技術效率指數， 反映的是各獨立決策單元向著生產前沿面靠近的變動度， 是一種 “追趕效應” ；tech 反映的是t 到t+1 期技術邊界的移動狀況，是一種技術變動的 “增長效應” 。 兩個指數結果的判定標準與M 指數保持一致。 在實際計算過程中，為避免線性規劃無解和實現生產前沿技術集的一致性， 文章使用的是全局參比可能性集合的M 指數，其具體表現形式為：PG（x）=P1（x1）∪P2（x2）∪…∪PT（xT）。

四、效率測度與分析

（一）農業生產效率評價體系

評價農業生產效率需要建立科學合理的評價指標體系， 高效率的經濟體往往能夠通過使用較少的資源投入來獲得較高的產出回報。 在農業生產效率的評價過程中， 基于農業五要素理論并參考沈洋［29］、金紹榮［30］和楊佳利［31］的做法，選取以下投入產出指標構建評價體系：

1.農業期望產出。 選擇農林牧副漁總產值表示農業產出，為了消除價格影響，文章利用農居民消費價格指數以2007 年為基期做了平滑處理。

2.農業要素投入。一是土地投入。從實際情況來看，土地要素可以分為耕地面積和播種面積，考慮到可能存在耕地廢棄和多季生產的情況， 為了有效反映土地的實際利用情況， 選取農作物播種面積代表土地投入；二是化肥投入。化學肥料代表了在農業生產過程中氮肥、鉀肥、鉀肥，以及復合肥的實際使用量，選取化肥施用量（折純量）來表示化肥投入； 三是農村用電量。 用電量是衡量一個地區經濟活躍的重要指標， 其主要包含了農業生產活動以及農民生活行為兩個指標。 隨著農業規模化和機械化地推進，農作物播種、灌溉、收割、處理等活動大量使用機械， 現階段大量的農用機械也主要以電能為動力能源；四是農藥投入。農藥反映出農民為消除病蟲害帶來的影響而使用的投入。五是勞動力投入；為有效反映一定時期內農業的實際勞動力投入數量， 文章選取所有從事農業生產的人作為勞動力投入。

（二）效率值實證分析

1.靜態生產效率

基于上文對農業生產效率投入產出評價體系的設定， 在規模報酬不變和產出導向的農業生產效率測度結果見表1。

表1 2007-2020 年重慶市農業生產效率測度結果

由表 1 可知，2007—2020 年重慶市 37 個區縣的Russell 非徑向效率值的均值為0.591， 表明考察期內重慶市農業效率還有較大的改進空間。從整個考察期全局角度來看， 重慶市農業生產效率的變動呈現先下降后上升的U 型趨勢。 再從各區縣具體來看， 其分布格局朝著兩頭小中間大的 “橄欖型” 狀態推進，區域間效率差異持續縮小。最后從各區縣生產效率的均值來看， 只有江北區效率值為1，永川、南川和潼南等9 個地區生產效率低于0.5，這暗含著以往生產效率較低的地區不斷模仿學習高效率地區， 在固定生產前沿面條件下大部分地區的技術效率得以提高。

2.動態全要素生產率

囿于DEA 模型測算的是靜態效率，無法反映農業生產的動態性和連續性等特征。對此，此部分從動態角度出發，運用全局M 指數解析重慶市農業全要素生產率的動態變動情況。

由表 2 可知，M 指數的均值為 0.994， 表明2007—2020 年重慶市農業全要素生產率呈現下降趨勢。從其分解項來看，重慶市農業全要素生產率維持在一個較高水平值的驅動力來源于規模效率的改善， 而農業技術進步指數持續惡化是抑制生產效率的重要障礙因子， 因而推動農業全要素生產率增長的內在動力是各區縣相互模仿學習的追趕效應，農業技術產生的 “增長效應” 不明顯。從具體區域來看， 重慶市大部分地區農業全要素生產率主要呈現惡化趨勢。同時，各地區分解的指數也印證了農業全要素生產率的驅動力是規模效率而不是技術進步。這個結論與上文DEA 靜態效率值的結果有所不同，甚至出現了截然不同的結論，產生這種相悖結論的原因是不同模型的技術參考集和生產前沿面不同。 Russell 非徑向效率主要是基于當期生產技術測算出來的結果，而全局M 指數測算的結果則是將所有時期的生產技術集作為參考標準，因而技術集和生產前沿是截然不同的。

表2 2007-2020 年重慶市農業生產效率M 指數

五、影響因素實證考察

（一）影響因素

為厘清影響農業生產效率的外部因素， 本部分以重慶市農業生產效率為被解釋變量， 在此基礎上構建面板Tobit 模型， 以進一步明晰影響重慶市農業生產效率的因素。 相關文獻主要從宏觀經濟的角度來分析其影響， 因而文章主要從以下六個方面來探討：

1.城鎮化（Urban）。 在典型的二元制經濟結構中， 城鎮化對農業生產效率既有推動作用也有抑制作用［32］。 一方面，大量的青壯年勞動力涌入城市，使得農村主要勞動力大量流失；另一方面，城鎮化大量占用農業生產資料，例如土地、水等，使得農業生產發展更加艱難。與此同時，城鎮化水平的提高使得大量的人口涌入都市， 這就為農業規模化經營、機械化操作提供可能。文章選取城鎮人口占總人口的比重作為城鎮化的代理變量。

2.金融信貸（Fin）。 金融作為現代農業經濟正常運行的 “血液” ，在金融扶貧和鄉村振興過程中發揮著重要作用。同時服務于實體經濟，助力農業健康發展正是金融天然使命所在［22］。 農業作為人類有史以來唯一長盛不衰的產業， 提高農業生產效率所需要的農業基礎設施、 農業技能、 先進裝備、農業種子和勞動力都離不開資金支持。一般而言， 金融信貸可以破解農業企業在技術創新和組織變革中遇到的資金短缺問題， 這能推動農業技術進步和提升管理效率［33］。 金融信貸能解決農戶信貸約束和提高資金可得性， 通過信貸支持為農業發展 “輸血” ，從而解決農業生產過程中資金供需矛盾難題。因此，金融信貸能破解農業技術的資金短缺問題， 從而有助于農業技術創新和優化農業要素投入組合，有助于提高農業生產效率。文章選取人均貸款余額作為金融信貸的代理變量。

3.道路通達度（Road）。在農業生產過程中，交通運輸便利了城鄉之間的交流， 進而促使區域內人員交流、 農產品貿易增加， 促進區域經濟的增長。 夏明學［34］指出鄉道公路對農村地區經濟起顯著作用，而縣道則起著極其重要的作用。但由于各地區農業結構不同，各種公路所起的作用不同。文章選取各類型的公路總里程作為道路通達度的代理變量。

4.城鄉收入差距（Gap）。由于城市和鄉村間的要素稟賦有所差異， 生產要素會從稟賦較差的地區流向稟賦較好的地區， 具體反映為擁有高技能水平的勞動力或產出效率較高的企業會集聚在資本回報率更高的地區， 而能力較低的主體則會選擇那些市場競爭不大但資本回報率較低的地區或產業。由于城市內部的要素流動屬于要素再配置，不會涉及資源總量的增減， 此時在空間分類和空間選擇機制影響下， 農業生產主體會從流向那些收入較高的產業， 由此城市收入分化引致的城鄉收入差距對農業生產最直接的影響就是扭轉了以往農業生產的勞動力配置格局， 過大的收入差距會使得鄉村要素 “失血” 和資本 “外逃” ，因此對農業生產效率產生影響。 文章選取農村居民可支配收入與城鎮居民可支配收入的比值來衡量城鄉居民收入差。

5.財政支農（Gov）。多數學者認為財政支農補貼能夠調動農業生產主體的生產積極性， 對農業生產效率有積極作用。一方面，農業財政補貼通過增加農戶轉移收入、 提高農業生產者繼續教育和接受專業培訓的機會， 從而提高農業生產者的投資能力和經營能力； 另一方面財政支農補貼中的信貸補貼能夠為農作物流通過程中的收購、運輸、倉儲和加工等環節提供財政貼息， 在為農業生產者提供及時有效的融資渠道的同時還能降低融資成本，從而提高農業生產效率［35］。 文章選取財政用于農林水務支出額作為財政支農的代理變量。

6.工業化（Ind）。 工業化的生產理論與方式對農業生產有著較為明顯的影響， 工業化進程中伴隨的生產組織化、 專業化和規模化特征使得工業生產效率顯著高于農業生產［13］。 亞當·斯密在分工理論中指出因農業分工的有限性使得農業生產效率要低于制造業。 在工業化初期， 農業自身并不具備馬爾薩斯陷阱和實現 “起飛” 的條件，其發展必須借力于 “工業化” 等外部性力量的驅動，或者說該階段農業發展的突出特征是外部性和被動性［36］。 勞動力的工業化配置扭轉了傳統勞動力過密化的要素組合結構，農業資本—勞動比提高，相應地， 勞動密集型傳統農業生產體系逐步轉向以資本廣化和資本深化的資本密集型［37］。 從經濟實踐來看， 隨著工業化進程朝著農村腹地深入推進， 其攜帶的資本深化能帶動農業向著農業生產服務外包化、機械化和集群式跨區域協作轉變。作為技術進步在勞動工具層面的具體反映， 工業化能為鄉村和農業生產提供農業機械和現代工具，這能節約勞動力成本和優化資源配置效率， 由此帶來生產效率和管理效率兩方面的提高。 文章選取第二產業增加值占區域生產總值的比重作為工業化的代理變量。

（二）計量模型

在做回歸時， 連續型的被解釋變量有的時候因為截斷或截堵而只能選取一定范圍的值， 因傳統線性OLS 模型忽略了因變量的約束條件，當非線性擾動項被納入擾動項中， 這會導致估計量不一致。 Tobit 認為用MLE 對模型進行估計的結果更為穩健。 一般而言，面板固定效應Tobit 模型無法得到一致和無偏的估計量， 所以選用隨機效應Tobit 模型作為基準回歸模型。可得到以下非線性Tobit 估計模型：

式（9）中，y 表示農業生產效率值，此處使用的是Russell 非徑向效率值；a 為各解釋變量的相關系數；a0為常數項； 下標i 和t 分別為地區和年份；ε 為隨機擾動項，獨立且服從正態分布。 在實際擬合計算過程中， 為降低異方差干擾和縮小各變量的數量級， 文章對所有解釋變量作了對數化處理。

（三）實證分析

文章參照馮宗憲［38］的做法，采用截面數據與時間序列混合的樣本集重新估算非徑向效率值，這也相當于是得出一個跨年度的共同農業生產前沿面， 使各地區的農業生產主體在同一標準下作相對比較分析。 李新春［39］也認為，若對不同地區或不同產業的效率值進行估算時若采用不同的生產前沿面， 不僅會使得不同地區的生產效率無法跨年度比較， 還會使得環境變量對其的統計推斷難以反映真實情況。 為揭示影響重慶市農業生產效率的宏觀外部因素，結合式（9）設定的計量經濟學模型， 使用STATA 17.0 軟件對重慶市2007—2020 年37 個區縣的面板數據進行擬合計算。 考慮到單一模型的擬合結果不能不穩健， 文章效仿Badunenko［40］的思路，同時給出了基于混合截面數據的 Tobit、Truncreg 和 Simarwilson 三種模型的估計結果作為對照。

由表3 可知， 從環境變量對農業生產效率的影響方向來看，財政支農、金融支持、收入差距和道路通達度對農業生產效率的影響顯著為正，符合預期。 但城鎮化和工業化對農業生產效率的影響顯著為負，不符合預期。 其可能的原因是，在城鎮化發展初期， 城鎮非農部門利用優于鄉村或農業部門的初始條件，并在市場機制和 “城市偏向” 政策的激勵下， 工業部門和服務部門通過產業集聚和人口集聚所伴隨的 “極化效應” 和 “虹吸效應” 對農業生產部門的資源要素具有很強的吸力，大量的優勢資源和先進生產力逐步 “逃離” 鄉村，這就產生了城鎮化快速發展與農業農村部門 “失血” 過度并存的失衡狀態。長此以往，農業部門會嚴重滯后于城市化進程， 城鄉二元結構的弊端進一步凸顯， 即城鎮化的發展是不利于提高農業生產效率的［41］。 重慶是集 “大城市、大山區、大農村、大庫區” 于一體的綜合立體化城市，同時 “三山夾兩谷” 的地形地貌限制了城市資源流向鄉村腹地， 這就造就了重慶市在推進城鎮化的進程中需要從更多方面統籌城鄉協調發展， 同時囿于現階段重慶市城鎮化水平仍處于較低層次， 中心城區對周邊縣城的吸附效應較大， 縣域核心城區對鄉村勞動力和優質資源的吸引力較強。因此，重慶市的城鎮化整體上是不利于提高農業生產效率的。 從工業化角度來看， 由于農業比較收益和勞動邊際生產力還不夠高，在工業對農業的 “反哺” 機制和資源回流渠道還未完全暢通的情況下， 將會導致人力資本、 資金資本和技術資本等在內的優質資源外流，農村老齡化、空心化現象進一步固化，這種工業與農業部協調的現象抑制了農業生產效率［42］。

表3 實證檢驗結果

六、研究結論與政策建議

研究表明，2007-2020 年重慶市的農業生產效率均值為0.591， 先后經歷了下降再上升的U型演化過程， 且重慶市各區縣的農業生產效率差距正在縮小，兩端小中間大的 “橄欖型” 分異格局進一步凸顯。 考察期內重慶市農業全要素生產率年均下降0.6%，產生效率損失的根源是技術效率指數持續惡化。盡管規模效率呈現增長之勢，但還不足以彌補技術效率損失造成的全要素生產率下降。 第二階段隨機效應Tobit 模型顯示， 財政支農、 金融信貸和道路通達度對農業生產效率的影響顯著為正，而工業化、城鎮化和收入差距對農業生產效率的影響卻是顯著為負的， 這一結論在經過一系列穩健性檢驗后依然成立。 為進一步提高重慶市農業生產效率，助力打造中國 “經濟增長第四極” ，結合研究結論，文章提出以下政策建議：

第一，以農業科技創新為切入點，健全農業科技創新機制。農業科技創新離不開國家、企業和科研院所對農業科技的投入， 應鼓勵農業科研院所與新型農業經營主體的協同合作， 鼓勵農業技術創新要素逐步向其轉移，全面提升農業技術開發、產品熟化與產業化發展的能力。與此同時，完善利益分配機制， 倡導和推進農業專利技術產業化和市場化進程，加快建設農業科研技術隊伍，推動成熟適用的農業科技應用規模， 促進產學研深度融合。

第二， 加快構建全域鄉村振興規劃金融管理機制，完善拓展涉農金融服務鏈條。各地區應堅持兼顧當前和謀劃長遠相結合的原則， 因地制宜地結合鄉村振興重點、難點和支點，打通金融服務供給 “最后一公里” ，推進金融資金在農業生產、基礎設施完善和基層鄉風文明建設等方面投入和支持。同時應多矩陣構建農村金融供給主體，搭建商業型為主和政策性為輔的金融供給體系， 強化商業銀行、 政策性銀行等金融中介在完善農村金融服務中的責任意識，鼓勵政府、合作社和銀行合作推出惠農金融產品， 發展以農村產權抵押為主的多種融資渠道。 用好財政補息、貼息的政策扶持，拓寬金融服務方式、功能和范圍，持續完善數字普惠金融產品供給。 針對農戶和涉農小微企業個性化和差異化金融服務需求，可以在經營授權、客戶準入、 業務流程和產品創新等方面出臺差異化政策。

第三，加強涉農資金監督管理，優化財政支出結構。按照全過程預算管理相關要求，系統且全面地梳理各項涉農資金項目名錄， 圍繞補齊財政支持鄉村振興的短板， 極力促進形成多元化投入目標格局，充分利用好財政 “四兩撥千斤” 的作用。強化針對農村要素一般公共預算支出的財政補貼績效，提高對農業風險保障、農業科技、農產品技術研發等方面的補貼力度， 堅持并完善最低收購價政策，推動建立良種補貼、種糧補貼和農資補貼等 “多合一” 調控體系。通過 “以獎代補” 的方式，探索開拓新的補貼系類科目， 發揮好財政政策對鄉村產業發展的引導作用。 實施好農林水支出預算執行情況的統計監測工作， 嚴格把控財政涉農資金的監督檢查和績效考核環節，規范完善 “大專項+任務清單” 的管理模式，及時修訂財政支農資金管理辦法和目標， 提高財政支農資金的均衡性和安全性。