农业信贷投入对西部地区农民收入影响的空间特征

董 昕

(重庆工商大学 a.长江上游经济研究中心；b.融智学院， 重庆 400067)

一、引言

“三农”问题是中国处在全面决胜小康社会关键期所要解决好的根本性问题。如何逐步缩小城乡收入差距，切实实现“农业发展、农村繁荣、农民增收”是各级政府工作重点，也是国内外学者普遍关注的热点问题。鉴于农业本身的弱质性易导致其经营风险大而利润低，农民自身资金积累能力不足而又缺乏有效的资金吸纳能力，各级政府积极增加农业信贷投入以缓解农业生产过程中资金短缺难题。在实践中，农业信贷投入是否有效促进了农民增收？围绕这一问题，国内外学者展开了积极的探讨，有两种观点：一种观点认为，当农民进行农业生产所需的资金远不能由其自身的储蓄提供时，政府主导的农业信贷投入对其发展小农业和小工业是至关重要的，且可以显著增加农民收入[1]。Binswanger等研究发现，政府主导的农业信贷可以增加农民非农就业收入，进而促进其工资性收入的增加[2]。国内学者的研究也验证了农业信贷投入对农民收入增长的积极作用。钱水土和许嘉扬采用1993—2009年中国29个地区数据，运用面板协整和误差修正模型实证分析了农业信贷与农民收入之间的关系，结果显示：从长期来看，无论是对农民家庭经营收入还是农民工资性收入，农业信贷与两者之间均存在着长期协整关系，而且农业信贷对农民工资性收入的带动作用大于家庭经营性收入，但短期内表现出了抑制作用[3]。阮贵林和孟卫东运用PVAR模型实证检验了2001—2013年中国31个省份的农业贷款、农业保险与农户收入三者之间的关系，结果表明：尽管存在一定的滞后期，但是农业贷款和农业保险都在不同程度上表现出了对农户收入的促进作用，且农业贷款的效果明显强于农业保险[4]。刘天清、杨国琨、廖湘琳分别对安徽、湖南等省份农业信贷投入与农民收入之间的关系进行实证分析，结果均表明农业信贷对农民收入增长具有重要的支持作用[5-7]。第二种观点则持相反意见，认为发展中国家政府主导型农业信贷体系在进行农业投资时缺乏效率，而且在一定程度上扭曲了信贷市场的资源配置。因此农业信贷投入与农民收入增长之间的关系并不显著[8]。在国内，温涛和王煜宇通过运用1978—2002年中国农村地区时间序列数据，验证了农业贷款和财政支农投入与农民收入增长之间的关系，发现由于中国农村市场缺乏健全的农业资本形成机制，导致农业信贷投入并没有显著提高农民收入水平[9]。王小华等选取中国2010年贫困县和非贫困县为研究样本，对比分析了农户信贷的减贫增收效应。研究结果显示，贫困县的农户信贷并没有显著带动农民收入增长[10]。现有成果从理论和实证两个方面对农业信贷投入与农民收入之间的关系进行了分析，这对本文的写作具有启发和借鉴意义。但也存在一些不足：首先，现有成果所选择的研究视角多是以全国或者某个具体省份为研究对象，鲜有学者关注连片贫困地区或经济欠发达地区；其次，现有成果的研究基础大多是建立在空间同质性假设上，没有进一步考察在不同发展阶段，经济现象之间是否存在不同的影响效果；最后，现有成果大多采用传统计量研究方法，忽略了经济现象在空间上的相互依赖。

实际上，新经济地理学的产生与发展已经进一步印证：任何一种经济现象在空间上都不能孤立地存在，而必然与邻近地区同种经济现象有所关联，且两者之间的关联性与距离呈正比[11-12]。因此，本文选取农民脱贫增收问题相对严重的西部农村地区作为研究对象，引入邻接效应，探讨西部地区农业信贷投入是否存在空间依赖性，以辨析邻近地区农业信贷投入对本地区农民收入影响的程度。同时检验在经济发展的不同阶段，农业信贷投入对农民收入的影响是否存着门槛效应，以期政府部门能够科学规划农业信贷投入的空间结构，并因地制宜、因时制宜制定相关农业信贷政策，促进西部地区农民可持续增收。

二、模型设定与数据说明

(一)模型设定

Cobb-Douglas生产函数是一种用来分析经济产出与投入关系的计量模型。本文中主要解释变量(农业信贷投入)与被解释变量(农民收入)之间存在投入与产出的关系，因此借鉴Cobb-Douglas生产函数的基本形式，构建如下分析模型：

inco=f(loan，D，ε)

(1)

其中，inco为农民收入；loan为农业信贷投入；D表示除农业信贷投入以外的影响农民收入的控制变量，包括农产品价格指数(p)、城镇化水平(ur)、农业现代化水平(nm)、经济发展水平(rgdp)；ε为其他不可预见因素。据此，上述公式可以表示为：

inco=f(loan，p，ur，nm，rgdp，ε)

(2)

将投入产出的映射条件f(·)以Cobb-Douglas生产函数的形式表现出来，则式(2)可以改写为：

inco=loanβ1pβ2urβ3nmβ4rgdpβ5

(3)

为进一步加强各回归参数的经济含义，消除异方差影响，现将式(3)进行对数化处理，形式为：

lninco=β1lnloan+β2lnp+β3lnur+β4lnnm+

β5lnrgdp+ε

(4)

同时考虑到农业信贷投入对农民收入可能存在着非线性影响，因此将(lnloan)2加入到式(4)中，得到：

lninco=β1lnloan+β2lnp+β3lnur+β4lnnm+

β5lnrgdp+β6(lnloan)2+ε

(5)

式(5)能够估计出农业信贷投入对农民增收的贡献程度，却很难量化农业信贷投入对农民增收的空间影响。新地理经济学研究结果表明，空间距离是区域间经济关联的重要影响因素[13]，研究农业信贷投入对农民收入的空间影响应当对区域间地理间隔因素加以考虑。据此，引入邻接效应，构建如式(6)所示的空间权重矩阵Wij，并将面板回归模型(PDM)拓展到空间滞后模型(SAR)、空间误差模型(SEM)和空间杜宾模型(SDM)，以此来考察农业信贷投入对农民收入的空间影响。

(6)

空间滞后模型用以阐述邻近地区农民收入增加对本地区农民收入增加的影响，模型形式为：

lnincoi，t=ρWijlnincoj，t+β1lnloani，t+β2lnpi，t+

β3lnuri，t+β4lnnmi，t+β5lnrgdpi，t+

空间误差模型主要反映未知因素的空间经济影响，模型形式为：

lnincoi，t=β1lnloani，t+β2lnpi，t+β3lnuri，t+

β4lnnmi，t+β5lnrgdpi，t+

空间杜宾模型既可以量化西部地区农民收入增长的空间集聚效应，也能够论证农业信贷投入与农民增收的空间相关性，模型形式为：

lnincoi，t=ρWijlnincoj，t+β1lnloani，t+β2lnpi，t+β3lnuri，t+β4lnnmi，t+β5lnrgdpi，t+

模型中μi，t=λWijμj，t+ε，ε～N(0，σ2Ii)；ρ表示邻近地区农民收入对本地区农民收入的影响；β1～β6表示参数估计结果；δ是邻近地区农业信贷投入对本省农民收入的影响；λ表示误差项的空间自相关；ε为随机误差项；i为省份特征；t为年份特征。

(二)变量选择与数据说明

1.农民收入(inco)为被解释变量。为了使农民收入水平在时间维度和空间维度上具有可比性，采用西部地区农村居民人均纯收入作为衡量指标(单位：元)，以真实反映西部地区农民的收入水平，数据来源于《中国农村统计年鉴》(2006—2017年)。

2.农业信贷(loan)为解释变量。采用西部地区金融机构的农业信贷额与乡村总人口比值作为衡量指标(单位：元/人)。2005—2008年西部地区农业信贷数据来源于《新中国六十年统计资料汇编》，2008年起农业信贷的统计口径发生变化，相关指标数值改为涉农贷款衡量。鉴于涉农贷款范围太广，本文选取了农林牧渔贷款指标来代替农业信贷，2009—2016年农林牧渔贷款数据经过整理《中国金融年鉴》《中国农村金融服务报告》《中国银监会农村金融服务图集》《“三农”贷款与县域金融统计》等相关资料而得。2005—2016年乡村总人口数据来源于各省份统计年鉴。

3.农产品生产价格指数(p)为控制变量。该指标可以准确及时地反映出农产品生产价格水平及其结构变动情况，有助于对农村产业结构进行调整和优化，提高农民收入水平。数据来源于《中国农村统计年鉴》(2006—2017年)，且以2005年为基期对数据进行了折算。

4.城镇化水平(ur)为控制变量。城镇化推进为农村居民带来了更多的就业机会和更优质的教育资源，提升了人力资本质量，并在一定程度上促进了农民增收。因此，将城镇化水平作为控制变量纳入模型中进行分析，并采用年末城镇人口占地区总人口的比重作为衡量指标，数据来源于《中国统计年鉴》(2006—2017年)。

5.农业现代化水平(nm)为控制变量。农业现代化水平的提升可以提高农业生产效率，进而促进农民增收。衡量农业现代化水平的一个重要指标是农业机械化，因此将农业机械化作为控制变量纳入模型中，并采用单位面积农业机械总动力作为衡量指标(单位：千瓦/亩)，数据来源于《中国统计年鉴》(2006—2017年)。

6.经济发展水平(rgdp)为门槛变量。在不同经济发展水平下，金融发展的影响作用存在着显著差异[14]。因此，本文采用人均GDP来衡量地区经济发展水平(单位：元)，并以此作为门槛变量来验证在经济发展的不同阶段，农业信贷投入与农民收入之间是否存在非线性关系。数据来源于《中国统计年鉴》(2006—2017年)。

为了消除异方差的影响，将上述被解释变量、解释变量和控制变量相关数据均进行了对数化处理。考虑到农业信贷投入对农民收入的影响可能会存在非线性关系，故将(lnloan)2也作为控制变量纳入模型中进行分析。鉴于西藏地区相关数据缺失较多，本文研究的西部地区特指除西藏自治区外的其他11个省份，包括重庆市、四川省、贵州省、云南省、陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔自治区、内蒙古自治区和广西壮族自治区。

三、农业信贷投入对农民收入影响的空间相关性分析

(一)Moran’s I指数

基于全局空间相关性理论，运用Stata14.1测算西部地区2005—2016年农业信贷的全局空间Moran’sI指数。检验结果如表1所示：2005—2016年全局空间Moran’sI指数为正，除2005、2007和2008年外，均具有1%统计水平上的显著性，说明西部地区农业信贷投入存在显著的空间正相关性。整体发展趋势上，Moran’sI指数从2005年的0.173增加到2016年的0.372，呈现出递增态势，空间集聚效应不断增强。因此，有必要进一步运用空间计量模型来分析农业信贷投入对西部地区农民收入影响的空间效应。

表1 西部地区农业信贷的全局空间自相关检验结果

注：***、**、*分别表示通过了1%、5%、10%的显著性检验；z值表示Moran’sI指数z统计量检验结果。

(二)实证检验

为了更加准确地量化不同空间特征下农业信贷投入对西部地区农民收入的影响，同时体现空间计量模型选择上的科学性，本文对以下模型进行了比较：不含空间效应的面板数据模型即模型(1)、因变量空间效应的空间面板滞后模型即模型(2)、误差空间效应的空间面板误差模型即模型(3)以及农业信贷对农民收入影响的空间面板杜宾模型即模型(4)和模型(5)。模型优选结果如表2所示。

表2 空间效应模型估计结果

注：***、**、*分别表示通过1%、5%、10%的显著性检验；模型(1)括号内为t检验值，模型(2)～(6)括号内为z检验值；模型(1)的常数项为2.132。数据处理由Stata 14.1完成。

表2给出了模型(1)～(5)的估计结果，根据对数似然函数值(Log likelihood)、赤池信息准则(AIC)和施瓦茨信息准则(BIC)对各模型变量进行优选判断，可知空间面板杜宾模型(模型(4)和模型(5))比其他模型表现更为出色。但是，考虑到在模型(4)中，主要解释变量的参数估计结果不显著，故本文采用模型(5)的估计结果对西部地区农业信贷投入增收效应的空间相关性进行分析。

从因变量空间滞后系数ρ来看，模型(5)的ρ值为0.708，且在1%水平上显著。这表明，邻近地区农民收入每提高1%，会带动本地农民收入提升0.708%。因此，从ρ值中我们可以接收到两个信息：第一，西部地区农民收入的空间效应以溢出为主，溢出效应大于竞争效应；第二，本地区农民收入的增长受邻近地区农民收入的影响显著。在不考虑农业信贷投入空间影响和考虑农业信贷投入空间影响两种情况下，本地区农民收入受邻近地区农民收入的影响将会出现差异。因此，考察农业信贷投入对农民收入的空间影响是必要的，否则邻近地区农民收入对本地区农民收入的拉动作用将会被高估。

空间面板杜宾模型的估计结果显示，农业信贷投入与农民收入之间存在着U型关系，即：短期内农业信贷投入对农民收入增长表现为抑制作用，随着农业信贷投入的持续增加，逐渐表现出对农民收入的促进作用。可能的原因为：第一，西部地区农村农业生产的基础性条件差，既有给排水不良、道路不畅等公共服务和基础设施差的问题，又有地块分散、土地不平整、土壤条件不好等问题，同时还存在农畜产品良种率低、示范性差等问题，这些问题导致农业信贷投入在短期内主要用来改善农业生产在生产资料和生产力方面的基础性条件，而不是直接用于农产品的生产，致使短期内农产品销售收入提高不大，不能有效带动农民增收；第二，土地承包经营推广后，西部地区农户的生产经营活动集中度远低于东中部地区，加上西部农村人口外出比重高，平均文化程度低，因此，当部分具有先进意识的农户，通过农业贷款获得良种、良畜及先进生产组织方式之后，要对其进行推广，形成规模经营，需要的时间周期会长于东中部地区，这也是导致在短期内农业信贷投入抑制农民收入增长的原因；第三，部分农户由于长期处于“内源资金不足，外源融资困难”的生活环境，面临一些诸如住房破旧、子女入学、疾病治疗等特殊困难，不排除他们将生产性贷款用于生活性安排，这必然会阻碍农业信贷投入的增收效应的发挥。随着农业信贷投入的持续增加，上述这些问题被逐渐改善，农业信贷投入的边际效用不断扩大，农民收入增长就越来越明显了。

从其他控制变量的回归系数来看，农产品价格指数、城镇化水平和农业现代化水平均与农村居民收入呈现显著正相关关系。其中，农产品价格指数每提高1%，农民收入将增加0.094%，表明农产品价格提高能够有效激发农民从事农业生产的积极性，促进农民资本积累，提升农民扩大再生产的动力，改善农业资源开发利用程度与效率，促使农业增效和农民增收；城镇化水平每提高1%，农民收入将增加0.625%，城镇化水平的提升不仅拓宽了农产品销售市场，而且有利于促进本地产业结构调整，创造更多就业岗位吸纳进城务工农民，增加农民工资性收入；农业现代化水平每提高1%，将带动农民收入提升0.059%，说明现代农业机械的投入将在一定程度上提高农业劳动生产率，增加单位时间内农产品产出，同时可以释放出一部分农业劳动力从事非农生产活动，增加农民收入。经济发展水平与农民增收之间的线性关系并不显著，说明两者之间可能存在着某种非线性关系。

(三)直接效应与间接效应分析

LeSage等基于空间计量模型提出了当自变量处于长期静态均衡时，将自变量对因变量的空间影响分解为直接效应、间接效应和总效应[15]，以便进一步分析自变量对因变量的空间影响程度。在本文中，直接效应反映了农业信贷对本地区农村居民收入的影响，间接效应反映出邻近地区农业信贷投入对本地区农民收入影响的空间效应。从空间面板杜宾模型效应分解得到农业信贷投入对农民收入的直接影响来看，lnloan和(lnloan)2的直接影响系数分别为-0.324和0.020，且均在1%水平上显著；从间接效应来看，lnloan和(lnloan)2对农民收入的间接效应系数分别为-0.417和0.033。这表明，农业信贷投入对农民收入影响存在着显著的空间效应且呈现出了非线性的特征，邻近地区农业信贷投入的增加在短期内不利于本地区农民收入的提高，但长期来看，则对本地区农民收入提高具有促进作用，这在一定程度上反映出邻近地区和本地区在争取农业信贷资源方面具有一定的空间溢出性。

表3 各变量对农民收入影响的空间效应分解

注：***、**、*分别表示通过了1%、5%、10%的显著性检验；括号内为z检验值。

四、农业信贷投入对农民收入影响的空间异质性分析

综上可知，农业信贷投入和农民收入之间存在着U型关系，表现出区间效应。同时，由于西部地区各省份农村在资源禀赋、经济发展等方面表现出明显的差异性，因此有必要对2005—2016年西部地区农业信贷投入对农民收入的影响是否存在“门槛效应”进行考察。本文借鉴Hansen的面板门槛回归模型的基本研究思路，构建农业信贷投入对农民收入影响的面板门槛回归模型，以便进一步探究农业信贷投入对西部地区农民收入影响的非线性关系。

(一)Hansen面板门槛模型研究思路与模型构建

Hansen面板门槛回归模型的一般形式为：

yi，t=μi+β1xi，t·I(qi，t≤γ)+β2xi，t·I(qi，t>γ)+

θDi，t+εi，t

(7)

其中，i表示地区，t表示时间，yi，t和xi，t分别表示被解释变量和核心解释变量，Di，t表示对被解释变量具有重要影响的一系列控制变量，β1和β2为待估系数，θ为一系列控制变量的系数向量，γ为门槛值，I(·)为面板模型的指示函数，μi表示个体效应，εi，t是随机扰动项。

在运用面板门槛模型进行模型估计过程中需要解决两个关键问题：一是估计门槛值γ和参数值β；二是检验门槛估计值的真实性和门槛效应的显著性。因此，首先运用去除组内平均值方法，消除式(7)中的个体效应μi，去除个体效应后的模型变换为：

(8)

对全部观察值进行累叠，将式(8)用矩阵的形式表示为式(9)：

(9)

遵循Hansen门槛模型的建模思路，借鉴丁黄艳的研究方法和分析框架[16]，构建如下以农业信贷为核心解释变量、经济发展水平为门槛变量的面板门槛回归模型：

lnincoi，t=β0+β1lnloani，t·I(lnrgdpi，t≤γ)+

β2lnloani，t·I(lnrgdpi，t>γ)+

θlnDi，t+μi+εi，t

(10)

lnincoi，t=β0+β1lnloani，t·I(lnrgdpi，t≤γ1)+

β2lnloani，t·I(γ1

β3lnloani，t·I(lnrgdpi，t>γ2)+θlnDi，t+μi+εi，t

(11)

式(10)和式(11)分别为单一门槛面板回归模型和双重门槛面板门槛回归模型。其中Di，t∈{d|p，ur，nm，(lnloan)2}；θ为一系列控制变量的系数向量；I(·)为面板模型的指示函数；γ为门槛值；β为待估系数；μi表示个体效应；εi，t是随机扰动项。

(二)门槛效应检验

基于Hansen(1999)门槛回归模型的思路，依次在单一门槛和双重门槛下对回归模型进行门槛效应检验。表4中结果显示：农业信贷投入对农村居民收入的影响存在着门槛效应，且为单一门槛；在单一门槛模型中，门槛估计值为10.431，且在1%水平下通过显著性检验，充分验证了在农村经济发展的不同阶段，农业信贷投入与农民收入间的非线性关系。

表4 门槛变量检验

注：***表示在1%显著性水平下通过检验，采用Bootstrap抽样法。下表同。

(三)门槛面板回归模型估计结果

表5显示，当lnrgdp≤10.431时，农业信贷投入的系数估计值为0.186，且在1%的显著性水平上通过检验，即农业信贷投入对农民收入的边际影响为0.186；当lnrgdp>10.431时，农业信贷投入的估计系数值提高到0.196，且在1%的显著性水平上通过检验，农业信贷投入对农民收入的边际影响较之前明显增强。从门槛变量参数估计系数的变化中可知，随着西部地区农村经济发展水平的不断提升，农业信贷投入对农民收入的增加表现出了显著的促进作用。究其原因，西部地区农村经济发展水平相对较低，农村居民自身的资本积累水平不高，在农村居民收入结构中农业收入仍占有较大比例，因此，加大农业信贷投入力度既可以改善西部地区农村生产环境，也可以缓解农村居民在生产过程中“融资难、融资贵”的问题，推动农民收入水平提升。

表5 门槛面板回归模型估计结果

结合农业信贷投入与农民收入的空间相关性分析，可得到以下结论：在样本期内，西部地区农业信贷投入与农民收入之间非线性关系显著，存在着明显的门槛特征，且随着西部地区社会经济发展水平的不断提升，农业信贷投入积极促进了农民收入的增加。鉴于本文研究的样本期仅是西部地区农村经济发展的一个相对较短的时期，农业信贷投入与农民收入之间的关系主要表现出U型曲线的右半部分特征，西部地区农村经济发展在跨越拐点之后，农业信贷投入对农民收入的影响表现出了边际效率递增状态，即加大农业信贷投入能有效促进农民增收。

五、结论与启示

利用西部地区2005—2016年的省级面板数据，从空间相关性和空间异质性两个维度分析了农业信贷投入对农民收入影响的空间特征。研究表明：农业信贷投入对农民收入具有空间溢出效应，且两者之间呈现出非线性关系。邻近地区农业信贷投入的增加在短期内不利于本地区农民收入提高，但长期来看，则对本地区农民收入提高具有促进作用，这在一定程度上反映出邻近地区和本地区在争取农业信贷资源方面具有空间溢出性。农产品价格指数、城镇化水平和农业现代化水平均对农民增收起到了积极的促进作用，而经济发展水平与农民增收之间的线性关系并不显著。农业信贷投入对农民收入的影响具有显著的门槛效应，且在农村经济发展的不同阶段表现出了各异的门槛特征。

基于研究结果，得到以下启示：第一，西部地区农业信贷投入对农民收入的影响呈现出显著的非线性关系，说明农业信贷投入的增收效应在不同阶段呈现出了不同特征。因此，西部地区各级政府需要根据本地区农村经济发展的不同阶段，合理制定农业信贷政策，确保信贷资金精准投放，实现农民持续增收。第二，西部地区农民收入空间溢出效应反映出区域经济集聚程度正在逐步加深，且受邻近地区正向影响明显，说明在西部地区全局空间中正逐步形成经济增长趋同态势。因此，在制定促进西部地区农民增收的相关政策时，应从西部地区全局角度考虑，以便有效减少单个地区由于未知外部冲击因素所造成的农民收入波动幅度过大。第三，加强对农民使用农业信贷的引导力度，避免农业产业发展过程中“盲目跟风、一哄而上”的现象出现。同时，在金融扶贫过程中，也应注重“智力扶贫”的作用，提升农民运用农业信贷的质量，帮助西部地区农民拓宽增收渠道，以实现“脱真贫、真脱贫”的目标。