中国农村金融服务高质量发展主要障碍是供给约束吗？

张琦 费晓丹 曾之明

摘要：农村金融服务质量相对不高是制约“三农”发展的重要障碍之一。基于金融资源空间配置实证模型和农户融资意愿Probit模型，考察当前我国农村金融服务高质量发展的制约因素，结果表明，供给约束是当前农村金融服务高質量发展的主要障碍，影响农民收入水平及农村经济发展。鉴此，解决供给约束问题宜通过政府政策“自上而下”调节，提高农村金融服务水平。

关键词：供给约束；空间计量模型；Probit模型

中图分类号：F832.2文献标识码：A文章编号：10037217（2018）04004507

一、引言

党的十九大报告提出实施乡村振兴战略，“农业农村农民问题是关系国计民生的根本性问题，必须始终把解决好‘三农问题作为全党工作重中之重”。而农村金融服务质量相对不高是制约“三农”发展的重要障碍之一。虽然截止到2016年末，我国农村金融网点已经达到12.67万个，每万平方千米拥有的银行网点数为132个，涉农贷款余额达28.2万亿元。但是，农村金融发展仍然不能满足农村经济发展要求。所以，大力发展农村金融和保持农村金融的高质量发展是促进农民增收、农村经济发展和农业产值稳定增长的重要保障。党的十九大报告明确指出“推动高质量发展，是保持经济持续健康发展的必然要求”。为了更好的促进农村经济高质量发展，必须提供高质量的金融服务，以满足农民日益增长的美好生活需要。

农村金融具有非常典型的特征。Basu（2006）认为，农村是比城市更难获得信用贷款。此外，发达省份农村金融发展速度与经济发展速度的适配性高于欠发达省份农村金融发展速度与当地经济发展速度的适配性[1]，Lindersey（2011）研究发现，正是因为金融机构尤其是商业银行面向农村经济的金融资源配置有限，以及配置效率较低，导致地区间金融市场差异较大[2]。徐洪水（2014）研究发现我国农村金融资源容易出现“使命漂移”现象，即农村金融资源不仅没有高质量作用于农村经济发展，反而在利润驱动下向城市漂移；欠发达区域金融资源向发达区域漂移[3]。因此为了推动农村经济高质量发展，必然需要高质量的农村金融发展作为主要要素支持之一。Sebastian（2016）发现消除不同阶层人群收入差异较大的主要路径必须要发展金融，而且通过大量面板数据分析发现，金融资源是助推经济发展最为重要的因素[4]。王劲屹（2018）采用永续盘存法测算农村资本存量，以1980-2014年小样本数据构建VEC模型，再进一步用Bootstrap-Chow检验来研究制度变量的影响，发现农户储蓄存款、资本存量能显著促进农村经济的增长[5]。

从金融资源供给角度来看，农村金融高质量发展主要障碍是农村金融发展的供给驱动力不足。Dul，Solmon（2017）在研究了尼日利亚的农村金融发展状况后发现，农村的融资资源约束包括农村金融机构的缺失是限制农村经济发展的要素原因之一[6]。Evbuomwan（2017）认为在农村地区推行价值链融资模式是符合农村小型金融机构产品创新的最佳模式之一，可以通过金融供给创新增加农村金融资源供给[7]。陈智广（2018）认为供给总量不足、信用体系建设滞后、市场活力不够、服务劣质低效、市场管理混乱等问题是制约农村金融支持的关键因素[8]。熊德平（2017）认为村镇银行网点数量与所在地区农村金融供给水平呈负向关系，与主发起行跨区经营决策及其经营能力呈正向关系[9]。

从金融需求角度来看，农村金融高质量发展主要障碍是农民以及农村小微企业金融有效需求不足。Wentzel（2016）通过对南非弱势群体金融服务的调查则显示，因为农民或者农村小微企业主体自身教育水平较低，无法自发产生有效金融需求，使得农村金融发展有效性不足[10]。张琦（2016）研究发现农户家庭收入、家庭规模、申请借款的金融机构的数量对农户的融资意愿有显著影响；而影响农户融资规模的因素则包括耕地面积、申请借款的金融机构的数量、互助担保小组的成立与否三大因素[11]。王馨平（2017）认为正规金融机构、亲戚朋友、民间金融借贷等三种融资渠道下同时发挥各自优势才能满足农户多样化的借贷需求[12]。吴比（2017）研究发发现东北地区近年农户金融需求满足程度不断提高，但普通农户生活消费贷款主要渠道依然以民间借贷为主，正规农村金融供给仍需加强[13]。

农村金融市场是典型的金融机构-农户两主体结构，已有文献的研究往往选择从农村金融市场的供给方分析农村融资障碍的主要因素，或者从农村金融市场需求方来分析农村融资障碍的主要因素，没有在统一的分析框架内，就两种渠道进行深入对比分析的相关研究。这很有可能忽略了以下问题：农村金融高质量发展是供给拉动主要动力还是需求推动为主要动力？分析清楚这个问题，可以为农村金融的扶助政策应该采取从上至下还是从下至上的实施路径给出更为明确的政策建议。

二、理论分析

本文立足于我国农村金融高质量发展的实践，就农村金融资源的配置行为，对能否影响农户或者农村小微企业收入及资本需求行为展开理论分析。

（一）模型框架

假设在一个封闭的农村金融市场，存在两个主要经济体，一方是金融资源的供给方——金融机构；一方是农村金融需求方——农民和农村小微企业。金融机构向农民提供信贷资本Kb，该信贷资本利率水平是rt，因为农村金融机构网点分布非常分散，以至于产生地理成本Cb。假设农民劳动力价值为Lt，则根据柯布—道格拉斯生产函数公式，可以定义农民劳动产出为：

Y=FK1-atLαt，0<α<1（1）

这里F表示技术水平（创新能力），Kt为农户资本消耗，Lt为农户劳动力消耗。因此农户收入水平可以用下式表示：

It=FK1-αtLαt+（rt-r′t）Kt（2）

其中，It为农户的资产累计值，rt为资本收益率水平，r′t为资本借贷名义成本，（rt-r′t）为资本实际收益率水平。因此，农户资产积累的多变量方程为：

At=It+rt[At-βKb]-Ct-Cb（3）

这里，农户资产当期累计总额为At，其中包括农户收入水平It，并加上机会成本总额rt[At-βKb]，然后β为留存资本比例系数，因为为了获得银行信贷，农户必须留存抵押的资本比例。然后减去农户自身消费Ct以及获取信贷的地理成本Cb。

此时，定义农户资本效用函数为：

E0∫∞0e-r0tu（Ct，Lt）dt，u（Ct，Lt）=

[Ct（1-L）ρ]（1-e）1-e）（4）

条件为：e>0，r0>0，ρ>0。

E0为期望值，e为风险厌恶系数，r0为贴现系数，而ρ为信贷效用函数，Ct为时间t时农户的消费总量。

因为农户在下轮扩大生产中所投入的Kt，只能小于农户当期收入资本总和，Kt≤At+Kb，因此农户资本最大化方程如下所示：

Max（Kt）=min{[Fα/（r′t-rt）]1/αKt，

At+Kb}（5）

F表示的是农户生产技术水平，从一定程度体现农户创新能力；资本产出弹性为α，上述公式显示，资本产出弹性和农户生产技术水平与资本总量呈现正相关关系，而与资本利率水平r′t-rt呈现负相关关系。并且根据现实条件，农户融资资本总额无法高于自身资产总额和信贷总额的和。

此时在式（2）（3）和（5）的约束下，式（4）可得以下一系列最优解。

如果农户选择消费最优化，则可根据式（4）可得稳态公式如下：

C-et（1-Lt）ρ-ρe=0（6）

如果对农户选择资产积累最优化，则可根据式（4）可得稳态公式如下：

ρC1-et（1-Lt）（ρ-ρe-1）=drtdt（1-α）FK1-αLαt（7）

这里drtdt表示贴现率水平。

因此，有式（5）（6）和（7）可以得到系统经济产出的一般均衡稳态模型如下所示：

Y=Fα[F（1-α）/（r0-r′t）]1/α+ρr0βKb+ρKbr0α+ρ-ρr′t（1-a）（r0-r′t）-1（8）

且在此稳态均衡产出条件下，式（3）的农户纯收入It稳态公式为：

It=αY（9）

证明，信贷资产为农户带来收入的增加效应Kt+1，能够有效缓解农户的生產经营压力，农户能够有更高的可支配收入投入下一周期的资本Kt+1，并且对农村经济的高质量发展带来助推效应。

但是如果因为金融资源的地理位置过于遥远，Cb是信贷成本rt的增函数，所以当Cb增加，相当于借贷利息率r′t增加，则此时式（8）可以变化如下：

Y=FαF（1-α）r0-r′t1α+ρKbr0+ρr0βKbr0（α+ρ）-[α+（2-α）ρ]r′t

（r0-r′t）（10）

可以发现，α+（2-α）ρ>1，所以当r′t增加时，Y必然减少，r′t与Y呈现典型的负相关关系。

理论模型证明，引入信贷资金是促进农村金融高质量发展，提高农民收入水平的重要路径之一，但是因为农村居民获得金融资源的成本（地理距离成本）相较于城市居民获得同等金融资源的成本更高，是限制农村金融资源有效配置的重要因素之一，也是影响农村农民或者农村小微企业融资意愿的重要原因。下面将对这一命题进行实证分析。

三、实证分析

本文采取交互验证模式，即利用空间计量模型检验我国各个省份金融资源的地理聚集状况，然后根据计量结果选择具有典型特征的样本省份，然后运用Probit模型实证检验该样本省份农户融资意愿及融资可得状态，并根据实证结果进一步检验金融资源获取成本（利率及空间地理成本）是否是显著因素，以此交互验证当前我国农村金融市场高质量发展的主要障碍是否是信贷约束。

（一）我国当前信贷资源空间分布的实证

1.研究假设

H1：我国农村金融网点分布存在空间上的集聚效应。

H2：地区财富总量对农村金融网点的分布有显著的影响。

H3：地区创新能力越强，越能刺激金融供给的增加。

H4：区域城市化水平与农业创新能力有关，所以两者应该与金融网点的分布呈正相关关系。

H5：经济和金融市场化程度对农村金融网点分布有显著影响。经济和金融市场化程度越高时，由于农业天然的脆弱性，会导致农村金融资源外流，导致农村金融网点分布变少。

H6：金融环境质量对农村金融网点分布有显著影响。金融环境质量好的区域会使金融资源主动进入该地区，因此，金融环境质量与农村金融网点分布应该存在正相关。

H7：农业创新能力对农村金融网点分布有显著影响。农业创新能力的提高会提高农业生产效率，进而推动农村金融的发展，因此，两者之间应该存在正相关。

H8：农业耕地越多，农户的生产规模就越大，有助于农村金融业务的发展，网点也就增多。

H9：农户的固定资产投资与金融机构的产品存在替代关系，因此二者成反比。

H10：农林牧渔产值对农村金融网点分布有显著影响。农户对农林牧渔业的投资与金融机构产品之间也是替代关系，因此农林牧渔产值与网点分布应该是负相关。

2.变量的选取。

根据以上的理论分析与变量的选取，建立如下模型：

lnfr=c+c1lngdp+c2lninnov+c3lnurb+c4lnml+c5lnfml+c6lnfeq+c7lnatl+c8lnarea+c9lninvest+c10lnoutput+ε（11）

3.实证结果和分析

（1）相关性分析。

利用2016年全国各省的农村金融网点分布指标计算MoransI指数，空间权重矩阵选用的是“距离”空间权重矩阵（W），p=0.001时，农村金融网点分布省际空间相关模式见表1和Moran指数的散点分布见图1。

用当地农林牧渔总产值表示。注：上述变量中市场化指数和中国市场化指数由2014年数据推导得出，金融环境质量数据为根据以前年份数据利用线性插值法推导得出，其余变量数据均为2016年数据。为了避免异方差对模型结果的影响，所有自变量与因变量都使用对数形式。

由以上分析可知，我国农村金融网点分布存在空间集聚现象区域差异，尤其通过空间计量模型MoranI散点分析发现，第一象限的样本省份数量最多，这个象限表示，处于这个象限的所有省份，省内金融机构以及资源聚集程度和周边省份的金融机构以及资源聚集度都比较高；而第二象限的样本省份数量相对较少，处于这个象限的省份，省内的金融机构以及资源聚集程度较低，但是周边省份金融机构以及资源聚集度比较高，从某种程度上可以适当缓解本省内金融资源相对匮乏的障碍；而第三象限，则是省内的金融机构以及资源聚集程度和周边省份金融机构以及资源聚集度都很低，所以信贷资源最为匮乏。

（二）农村金融网点分布的差异性估计。

普通最小二乘法回归结果如表3所示.由结果可知，R2=81.07%，模型比较显著。地区创新能力、区域农村耕地占比、区域农村固定资产投资占比、农林牧渔产值均通过了5%的检验。

根据Moran指数结果可以看出我国各省的农村金融网点的分布并不是完全独立的，所以要加入空间因素进行进一步的分析。根据莫兰指数检验，选择空间滞后模型进行空间计量分析。回归结果如表3。表3表明，空间滞后模型的拟合优度R2=83.87%得到提高。AIC和SC值变小，说明加入空间因素后，农村金融网点的自相关性得到了有效地解决。

由表3实证结果可知，地区财富總量与农村金融网点数量成反比。当地区财富总量提高时，该地区投入到工业和服务业的支出会增加，投入到农业的支出会减少，相应地服务于农业的农村金融网点会减少。当地区创新能力提高时，在该地区创业的机构或企业会增加，所需要的资金就会增加，该地区金融机构的盈利能力就会提高，这就有助于增加农村金融机构网点的数量。城市化水平与农村金融网点数量成正比，城市化水平的提高往往伴随着农业现代化的提高，因此城镇化率的提高会鼓励金融机构在农村地区增加营业网点的数量。金融机构经营过程中会考虑风险，当地区金融环境质量提高时，该地区信用水平就会提高，金融机构会选择增加在该地区的金融网点的数量。当农业创新能力提高时，农业技术效率提高与农村金融效率提高相结合可以提高农村金融资源的效率，农村金融网点数量就会增多。区域农村耕地占比的提高会增加农户的生产性投资，此时，农户可以用来抵押的资产就会越来越多，这有助于向金融机构贷款，农村金融机构网点分布就会增多。农户在农林牧渔业的投资是农村金融产品的替代品，所以，当农户的农林牧渔产值增加时，就会减少对金融产品的投资，金融机构就会减少农村金融网点的数量。

（三）我国农户信贷意愿及行为实证

我国近些年来对农民问题的政策性支持取得了显著成效。2007年我国开始对涉农贷款进行专项统计，从2007-2015年我国涉农贷款和农村贷款情况统计表中可以看出，截至2015年末，我国涉农贷款余额为263522亿元人民币，同比增长13.0%，占金融机构各项贷款余额的27.8%，较2007年末增长330.9%，7年间平均年增速为21.3%；我国金融机构农村（县及县域以下）贷款余额为216055亿元人民币，同比增长11.2%，占金融机构各项贷款余额的22.8%，较2007年末增长328.82%，七年间平均年增长率为21.4%；农林牧渔业贷款余额为35137亿元人民币，同比增长5.2%，占金融机构各项贷款余额的3.7%，较2007年末增长133.39%，七年间平均年增长率为13.2%；农村贷款余额为61488万亿元人民币，同比增长14.8%，占金融机构各项贷款余额的6.5%，较2007年末增长358.9%，七年间平均年增长率为21.5%。

在宏观层面上，农村金融机构网点的分布与当地的发展水平和当地的农户所处的环境有关，而提高金融资源的分配效率的目的是提高农民的生活水平，因此，有必要从农户这个微观主体出发，研究农户融资意愿的影响因素，以期能够实证出影响农户（农村小微企业）行为主要是哪些因素。如果验证发现信贷资源约束是主要因素，就可以交互验证本文的研究假设。

1.数据来源。

本文从上一章实证中三个分区中各自选取一个代表省份山东省、湖南省、青海省进行入户调查，来验证信贷供给会影响农户融资行为。数据来源于2015-2016年对山东、湖南和青海三个省份各类农户的随机抽样调查数据。问卷内容涉及农户的家庭特征、农户金融需求的基本情况和当地金融资源的分布情况，剔除数据不全和回答存在矛盾的问卷，本次调查共获得536份有效问卷，且各省有效问卷均占85%以上。

2.模型选择。

农户融资意愿是农户在面临提供的决策中做出的选择，通常采用离散变量或受限因变量模型进行分析，本文基于理性选择行为和农户效用最大理论，采用二元有序NormalProbit模型对各代表区域农户的融资意愿进行分析，其函数形式为：

prob（Y=1|Xi）=∫Z-∞e-t2/2dt=F（Z），

Z=α+βXi+ui（12）

其中，prob（Y=0Xi）=1-F（Z）

当Z=1时，表示农户具有融资意愿；当Z=0时，表示农户没有融资意愿（不缺资金）。Xi表示影响融资意愿的因素。

3.实证结果。为了深入了解山东、湖南、青海省农户的融资需求，本文运用标准Probit模型对三省的农户融资需求进行实证研究，所用软件为Eviews8.0。

4.实证结论。

山东、湖南、青海三省农户申请借款的金融机构数量和对金融机构的了解程度对农户的借贷意愿有显著的正向影响。农户对金融产品政策的熟悉程度决定了农户是否愿意融资，当产品的适用性较强且方便获得时，农户借贷意愿比较强烈。居住地周边金融网点数量也是影响农户融资意愿的重要指标之一，而且该项指标在金融越发达的省份显著性越强。金融资源的聚集度作为最显著因变量，再次验证了前文金融资源空间分布聚集度的实证结论。根据理论模型推导结论，结合我国金融资源分布及农户融资影响因素交互实证模型，发现金融资源供给障碍是目前我国农村金融高质量发展的主要障碍；通过两主体交叉实证发现，发现当前我国农村金融高质量发展的主要障碍仍然是信贷供给约束。但是，金融机构作为商业组织，利益最大化特性天生会促使金融机构不可能主动将金融资源从边际效用更高的城市区域向边际效用更低的农村地区倾斜；金融机构也不可能主动将金融资源从边际效用更高的省份区域向边际效用更低的省份区域倾斜[14]。当前现有条件下，单纯依靠内生力量改变“三农”融资难问题是不切合实际的。陈放（2018）、赵洪丹（2016）均认为政府是农村金融发展的主要因素，信用制度与风险化解机制不健全、农村合作机构产权结构不明晰同样为当前农村金融发展面临的主要问题[15][16]。因此，必须依靠政策这个外生变量“由上至下”拉动农村金融服务的高质量发展，从本质上解决“三农”问题。

四结论与建议

由上文的分析可知，（1）我国农村金融网点的分布存在空间上的集聚性和异质性。（2）我国农户的融资行为受金融网点密度的影响，金融网点分布越密集，融资意愿越强烈。

因此，本文认为，我国农村金融存在信贷约束，致使金融资源分布不均衡，直接导致农户融资意愿和融资需求有差异。必须实行具有区域差异化的地方农村金融改革政策，才能有效助推农村金融告质量发展，促进农村经济发展的新飞跃。

本文强调应该加强农村金融政策性调控，促进农村金融供给改革力度，更好支持当前我国政府“三农”工作的总体思路。从供给侧改革着手，推动农村金融服务高质量发展，为农村经济发展注入源源不断的动力。祝树金（2018）通过动态一般均衡模型也验证了这一观点，金融部门服务增效能够促进投资和经济增长[17]。

首先，对于山东这样的在HH区域的省份，金融网点聚集度较高，金融资源相对比较丰富，因此，本地政府可以充分考虑该地区实际情况，要以农户需求为依据，创新金融产品，增加金融供给，进而刺激农户贷款，促进农村金融的发展。

其次，对于像湖南这样的在LH区域的省份，虽然其金融网点聚集度较低，但是周边省份金融网点聚集度较高，可以实行省级互助，发挥相邻省域间的金融政策协调作用，使金融网点分布最大程度的向周围辐射。采用大数据技术规划金融机构网点的布局，这样不仅可以降低成本，扩大服务区域，还可以最终实现农村金融集聚效应的最大释放。

最后，对于像青海这样的在LL区域的省份，因为其周围省份金融网点聚集度较低，只能依靠国家政策对其进行扶植。一是鼓励金融机构在县级及以下单位设立网点，利用财政资金分担农村地区金融机构的风险；二是加强农户的金融教育力度，提高农户运用金融知识致富的能力。

参考文献：

[1]BasuP.ImprovingaccesstofinanceforIndia'sruralpoor[M].ImprovingaccesstofinanceforIndia'sruralpoor.WorldBank，2006.

[2]HochbergYV，LindseyLA，WesterfieldM.Resourceaccumulationthrougheconomic：evidencefromventurecapital[J].JournalofFinancialEconomics，2011，118（2）：245-267.

[3]徐洪水.禀赋差异、配置效应与机制创新[D].杭州：浙江大学，2014.

[4]Findeisen，Sebastian，Dauth.Humancapitalaccumulationoverthelifecycle：evidencefromGermanysreunification[J].JournalofDevelopmentEconomics，2016，68（2）.

[5]王劲屹.农村金融发展、资本存量提升与农村经济增长[J].数量经济技术经济研究，2018（2）：64-81.

[6]Dul，Solmon.Anevaluationofagriculturalfinancing，policiesandinitativesforsustainabledevelopmentinNigeria，inthe21stCentury[J].JournalofEconomicsandFinance，2017，8（3）：32-38.

[7]Evbuomwan.AgriculturalvaluechainfinancingandsmallscalefarmersinNigeria：theprerequisites[J].JournalofSocialDevelopment，2017，6（1）：47-57.

[8]陳智广.农业供给侧改革背景下农村经济发展中的金融支持研研究[J].农村经济，2018（2）：108-109.

[9]熊德平.农村金融供给、主发起行跨区经营与村镇银行网点数量——基于中国865家村镇银行数据的实证分析[J].中国农村经济，2017（4）：30-45.

[10]WentzelA.FinancialliteracyinSouthAfrica[J].JournalofAgriculture&RuralDevelopment;，2016.

[11]张琦，方圆.山东省农户融资选择行为的影响因素分析[J].湖南商学院学报，2016，23（3）：120-128.

[12]王馨平.基于融资渠道视角的农户借贷行为影响因素研究——来自CFPS的经验数据[J].现代营销（下旬刊），2017（4）：90-91.

[13]吴比，尹燕飞，张龙耀.东北农村金融需求现状分析——基于东北三省的农户调查数据[J].农村金融研究，2017（5）：58-62.

[14]陈敏，王亭，刘磊.农村金融发展对城乡收入差距影响的实证研究——基于ARDLECM模型[J].哈尔滨商业大学学报：社会科学版，2017（2）：3-12.

[15]陈放.乡村振兴进程中农村金融体制改革面临的问题与制度构建[J].探索，2018（5）：163-169.

[16]赵洪丹.政府支出、农村市场化与农村金融发展[J].华南农业大学学报，2016（11）：10-17.

[17]祝树金，赵玉龙，肖皓.利率市场化、信贷歧视与中国经济发展——基于动态一般均衡模型的分析[J].财经理论与实践，2018（3）：2-8.

（责任编辑：钟瑶）