深度贫困地区金融发展对农民收入的影响研究

夏建平

（南京林业大学 经济管理学院，南京210037）

为缓解农村贫困，改革开放以来我国政府开展了积极有效的扶贫工作并取得了巨大成效，农村居民人均可支配收入从1978年133元增长到2019年16 021元，家庭恩格尔系数也从67.7%降低到30.0%，但截至2019年我国仍有551万余贫困人口存在，且主要分布于《中国农村扶贫开发纲要（2011-2020年）》（以下简称“新《纲要》”）中所提及的14个集中连片特困地区。金融扶贫已成为脱贫攻坚工作的重要手段，但由于各地社会经济发展水平不同，金融发展对提高农民收入的效应大相径庭：或认为农村金融发展可以促进农民收入增长[1]，或认为农村金融发展对农民收入有消极作用会阻碍农民收入增长[2]，还有研究指出农村金融发展与农民收入之间呈非线性关系[3]。2011年国务院颁布新《纲要》，对深度贫困地区实施了扶贫贴息贷款、农业保险保费补贴等金融政策，并辅之以财税支持、投资倾斜等政策，这些政策是否改善了深度贫困地区的农民收入？对此本文进行了研究，以期对深度贫困地区后续采用金融政策工具开展脱贫工作提供针对性的指导。

1 文献综述

金融发展水平常用不同的指标与方法进行测度。用以衡量金融发展的指标通常包括以下四类：一是金融发展规模，麦氏指标（M2/GDP）和戈氏指标（金融相关率FIR）最为常用，但由于我国农村银行导向性的金融结构，后者更适合我国国情并表现为金融资产规模相对于国民财富的扩展[2,4]；二是金融发展效率，多侧重于反映金融机构投入与产出比关系，农村金融机构存贷比应用最多，该指标可衡量农村金融机构将储蓄存款转化为贷款的能力，有效反映金融机构对农村资本的配置效率[1,2]；三是金融发展结构，乡镇企业贷款比率、非银行资产占比率、农业贷款与乡镇企业和占比率等都被用于反映该指标[1,5,6]；四是金融发展密度，用以反映金融资源在农村人口的覆盖程度，一般使用人均金融机构拥有量、人均存贷款量等指标表示[3,7]。此外，现有文献对于金融发展水平的衡量通常采用两种方法，一种是通过构建综合指标体系并计算综合系数的方法[4]，另一种是直接利用多重指标加以反映[1,3]，前者在综合系数测算过程中可能因指标赋权存在的主观性可能导致误差，故本文选择后者。

此外，农民收入还与当地的社会经济发展水平相关，农村社会经济增长是农民收入增加的必要条件[9]，国家财政投入对农村经济增长起重要支持作用[10]，城镇化则通过增加农民非农就业机会并提高农民收入水平[12]。

综上，本文以金融发展规模、金融发展效率和金融发展密度作为农村金融发展的测度指标，城镇化率、财政支出水平、农村经济发展水平作为控制变量，利用断点回归模型（RD），研究深度贫困地区农村金融发展对农民收入的影响。

2 研究设计与模型构建

2.1 指标计算

①农民收入水平指标：现有文献衡量农民收入，通常包括家庭经营性收入、农民财产性收入、农民人均纯收入等指标，在此选用农民人均纯收入（Y）作为农民收入水平指标，是总收入扣除各项收入费用的收入总和[12]。

②金融发展指标：金融发展规模（FIR）采用Goldsmith提出的金融相关率表示，选用农户存贷款总额与GDP比值作为衡量金融发展规模的指标[1]；金融发展效率（FE），采用农村金融机构存贷比计算，即贷款余额与存款余额的比值进行表示[1]；金融发展密度（FD），则选择农村存贷款余额总和与农村总人口比值作为指标[11]。

③控制变量：①城镇化率（URB），用城镇人口占区域总人口比重表示[12]。②财政支出水平（FIN），用财政支出占GDP的比重表示该指标[13]。③农村经济发展水平(AGDP)，用农村人均GDP来表示，由于我国社会经济统计中没有农村GDP指标，采用各地农林牧副渔业生产总值之和替代农村GDP指标[14]。

2.2 数据来源与统计描述

本文以14个集中连片特困地区为样本，基于数据的可得性，最终选取73个市、自治区2005-2018年的面板数据进行实证分析，数据来源于中国统计信息网提供的历年国民经济与社会发展统计公报，少数数据来源于中国农村贫困监测报告、政府工作报告，部分缺失数据采用插值法补全。各变量描述性统计结果见表1。

表1变量描述性统计

2.3 模型构建

本文利用断点回归分析方法[8]，以新《纲要》实施时间2011年为断点，构建如下断点回归模型：

式（1）中，i，t分别表示地区（市、自治区、直辖市）和年份；Yit表示i地区在t年份的农民收入；Dit作为处理变量，反映i地区在t年份是否推行了金融政策，实施政策后为处理组，取值为1，实施政策前为对照组，取值为0；(Xit-Xi0)作为分组变量，表示i地区在t年份距离实施金融政策时间节点（2011年）的时间长度；函数形式f(•)包含分组变量及其高次项，反映农民收入在金融政策实施前后的非线性变化趋势；Zit表示控制变量，εit表示残差项，β0、β1、σ、γ均为回归系数。

3 模型运算与稳健性检验

十四个集中连片特困地区分布广、贫困发生率差异大，按地理位置可将其划分为西部、东北部、中部三个片区，西部片区包括六盘山区、秦巴山区、武陵山区、乌蒙山区、滇桂黔石漠化区、滇西边境山区、西藏区、四省藏区、南疆三地州，东北部片区包括大兴安岭南麓山区、燕山-太行山区和吕梁山区，中部片区包括大别山区、罗霄山区。数据显示，2006年西部、东北部和中部各片区的贫困率分别为64.39%、54.60%和44.05%，2017年则分别为8.38%、7.63%和5.15%。

3.1 模型结果

使用stata模型，对全样本及三个片区的数据分别做断点回归模型，其中Y1表示仅有金融发展水平三个指标的回归结果；Y2表示引入三个控制变量后的回归结果。

表2断点回归估计结果

全样本及三个片区回归结果如表2所示：农民收入水平在断点处均存在明显跳跃现象，无论是否引入控制变量，回归结果均显著。分片区看来，农村贫困发生率越高，农民金融发展对于农民收入的积极影响越大。贫困发生率最高的西部片区，回归系数最大，说明金融发展对农民收入影响最大，东北部片区次之，贫困发生率最低的中部片区回归系数最小，其影响也最小。全样本的模型结果如图1所示：在断点之前，金融发展水平与农民收入之间呈近似线性关系，斜率较小；在断点之后，二者仍维持线性关系，斜率明显提高，表明农村金融发展对集中连片特困地区农民收入有显著正向影响。

图1农民收入断点处跳跃情况

3.2 稳健性检验

3.2.1 不同带宽的断点回归

带宽的选择对模型设定尤为重要，考虑到样本自身，本文分别选择50%、100%、200%三种带宽对模型进行检验，结果如表3所示。由表3可知，不同带宽的选择对回归结果无较大影响，原模型具有较强稳健性。3.2.2控制变量断点处跳跃性检验

表3稳健性检验：带宽选择

如果控制变量在断点处存在显著跳跃，那么因变量的跳跃就不能完全归结于三个主变量影响。因此，本文在最优带宽下对控制变量的跳跃情况进行检验，结果见表4。结果显示，城镇化率、财政支出、农村经济发展水平的估计系数均不显著，则控制变量在断点处均不存在跳跃，进一步证明回归模型具有稳健性。

表4稳健性检验：控制变量断点处跳跃情况

4 结论与建议

本文基于以上研究得出两个结论：一是农村金融发展对深度贫困地区农民收入具有显著正效应；二是农村贫困发生率越高，农村金融发展对农民收入的正效应最大。分片区来看，贫困发生率最高的西部片区金融发展对农民收入的影响最大，东北部片区次之，中部片区最小。

根据以上结论，结合已实施的农村金融政策，下述建议有助于深度贫困地区脱贫攻坚工作的开展：一是继续实施扶贫贴息政策，增加贫困地区扶贫贷款项目。在确保资金安全的条件下，可适当放宽农民申请贷款条件，增加贷款总量，延长贷款期限，为贫困地区农民生产发展提供资金支持；二是大力发展深度贫困地区农业保险事业，积极推进农业保险保费补贴政策，为农业生产经营提供有效保障同时，鼓励保险机构多建立基层网点，完善深度贫困地区农村信用体系建设。