省联社业务关注指数构建研究—— 基于LDA主题模型的文本分析

◎张正平 夏海 陈杨 张俊美

引言

农村信用社省级联社（下称省联社）是上一轮农村信用社（下称农信社）管理体制改革的历史产物。在上一轮改革中，中央政府把对农信社的管理权限下放给省政府，由省政府组建具体管理机构——省联社，承担对辖内农信机构的管理、指导和协调责任1。在过去十年的农村金融改革历程中，省联社功不可没，但在农信社改革不断深化、多数农信社已改建成具有独立法人资格的农村商业银行（下称农商行）或农村合作银行、中央及相关部门多次发布文件敦促省联社改革2的背景下，省联社模式近年来却备受学界的质疑。

国内学者对省联社模式已有诸多研究，主要集中于对农信机构以下几个方面的影响：第一，人事方面。多数省联社存在随意调动农信社管理干部的问题，并拥有对农信社人员的行政处分权，严重影响了农信社的人事决策和正常运作（穆争社、蓝虹，2007）。第二，机构发展运作方面。部分省联社超范围开展自营资金业务，不仅影响农商行资源配置，也损害了基层法人的权益（马九杰和吴本健，2013）。但也有研究指出，省联社能够降低农村金融机构的整体服务成本，提升农信社系统竞争力（钱水土、陈鑫云，2015），从而有利于其发展。第三，涉农小微业务方面。部分学者认为省联社对农信社实行的行政管理，干预了农信社的正常经营，不利于农信社发挥其规模小、决策链条短和贴近农民等优势（曹雷，2016）。但曹军新等（2018）则认为，省联社模式是中央政府对地方政府设计的正向激励机制，使得地方政府能更主动地利用金融资源服务农村地区，且省联社模式能在一定程度上抑制农商行股东股权无序质押、信贷投放偏离自身定位等问题（邓向红等，2016），从而提升其支农服务水平。第四，机构改革方面，蓝虹和穆争社（2016）认为省联社对农村信用社的行政管理，不仅缺乏产权基础，违背法人治理基本规则，而且不利于实现农村信用社的改革目标，且随着越来越多的农信社改制为农商行，省联社与农村金融机构之间的股权关系与管理关系倒挂的矛盾将会越来越尖锐（谢平、刘海二，2019），但是王曙光（2013）指出省联社能够整合区域资源，帮助弱小联社维持基本金融服务的提供，在经济欠发达的地区作用不可替代。

省联社改革不仅涉及到省联社自身，同时涉及数千家基层联社（谢宏、李鹏，2019）。然而，由于既有文献多为定性分析，缺乏对省联社作用与影响的实证研究，不仅导致上述争议难以平息，也使得省联社改革方案迟迟无法形成。为此，在新一轮农信社改革即将开启之际，有必要重新审视省联社的作用与影响，为后续改革提供必要的实证依据。

为此，本文借鉴王靖一、黄益平（2018）的方法，利用LDA模型对我国24家省联社官网发布的新闻进行文本分析，提取了七个与省联社及农信机构金融业务相关的主题，以指数的形式定量刻画省联社对其下辖农信机构涉农贷款、小微贷款、机构发展与改革等七类业务的关注度，并对各类业务关注指数的变化进行横向和纵向比较分析，试图揭示省联社对不同业务关注带来的差异化影响，进而为后续改革提供必要的政策启示。

本文的创新之处在于：首先，运用文本挖掘的方法对省联社发布的新闻进行文本分析，获取新闻文本中隐藏的信息，这是将文本分析法引入农村金融研究领域的有益尝试；其次，应用LDA主题分类模型研究省联社对农信机构业务发展的关注，构建了涉农贷款等七个业务关注指数，定量刻画了省联社对农信机构业务发展的影响力，为量化分析省联社的作用和改革提供了新的研究思路和数据支持。

本文后续安排如下：第二部分阐述指数构建的思路与过程；第三部分论证指数结果的合理性并对其特征进行分析；第四部分为主要结论及其政策启示。

指数构建的思路与过程

LDA即隐含狄利克雷分布（Latent Dirichlet Allocation，LDA），是一种概率主题模型，最早作为一种无监督学习方法由Blei等人（2003）提出，近年在文本分析领域较为流行，且在经济金融领域已有较为成熟的应用。例如，Thorsrud（2020）运用LDA主题模型构建了新闻即时经济周期指数；王靖一和黄益平（2018）运用LDA和HDP主题分类模型从和讯网财经新闻中分离出金融科技主题，并构建金融科技关注指数和金融科技情绪指数。

LDA的优势在于使用的数据集不需要自带标签，设定适当主题数后，能较好地将文档进行分类。本文采用LDA主题分布模型构建省联社关注指数，其原因在于：第一，本文从各省联社官网获取的新闻文档不带标签，故无法使用有监督学习的算法模型；第二，LDA模型将文档实现按主题进行归类，并输出每个文档属于不同主题的概率，这为本文量化构建业务关注指数提供了基础，也是由定性分析转为定量分析的关键。本文运用LDA主题模型进行指数构建的思路见图1，具体过程如下：

（一）数据准备

第一步，确定文档库来源网站。由于本文研究的是省联社对下辖农信机构业务的关注，故选取了我国除香港、澳门、台湾、宁夏回族自治区、西藏藏族自治区四大直辖市以外等25个省3的省联社官网发布的新闻动态建立初始文档库。

第二步，网页爬虫与文档解析。本文使用了Python4进行原始数据的爬取。完成网页爬取后，使用Python第三方库“Beautifulsoup”进行文档解析。

具体来看，我们爬取了我国25家省联社2010年1月1日至2019年3月31日发布于其官网的新闻文档。从各省联社官网爬取的新闻文档数量的情况看，中东部地区的省联社发布的新闻较多，而西部与东北地区省联社发布的新闻较少，这与各省的经济发展状况呈现出惊人的一致趋势。其中，河南省联社新闻发布数量最多，共计27334条，云南省联社新闻发布数量最少，仅30条，且全部于2018年发布。需要说明的是，由于大部分省联社2019年发布的新闻数据量不足以开展LDA主题分析，因此，后文构建业务关注指数的数据时间区间为2010～2018年。

第三步，对文档进行分词，并使用专业词库补充订正。本文采用Python第三方库“Jieba”进行分词。Jieba的优势在于能较为精准地进行中文分词，适合用于文本分析，且支持用户自定义词典，能极大地提高分词准确度。结合经济金融行业以及省联社特点，本文补充了部分关键词5，并将之纳入词典；同时，设置语气助词、无实义动词、副词、名词等停用词6。完成所有文档的中文分词后，就得到了初始的文档库。

需要说明的是，利用Python的第三方库可以得到中文分词后的词云图（见图2），由此可以观察Jieba分词的初步效果，也能大致了解省联社的重点关注领域。图2分别报告了基于安徽省联社和河南省联社2018年发布的全部新闻文档集画出的词云图。对全部新闻文档进行词云分析后发现，信贷投放、数字技术、普惠金融和机构发展是各家省联社重点关注的领域。

（二）主题过滤及筛选

在获得初始的文档库后，我们利用朴素过滤器和LDA过滤器进行文档归类，并在文档归类后筛选出与本文关注主题相关的文档，然后将这些文档再次进行文本主题分析，进一步得到每个文档从属于不同主题的概率。

1.LDA过滤。LDA是一种矩阵分解技术，首先需要构建文档库，即由所有文档组成的语料库7，并将之表示为文档矩阵。在表1中，D表示文档，W表示词汇，表中所示的文档矩阵表示该语料库共有n个文档、m个词语，数字表示对应每个文档中词语出现的频数（数字为随机给出）。通过LDA模型将文档矩阵转化为两个低维矩阵M1和M2（见表2）：

表1： LDA文档-词语矩阵

表2：LDA文档-主题-词语矩阵

资料来源：图示分析引自Blei等（2003）。

M1是一个n×k的“文档-主题”矩阵，n文档个数，k代表主题个数，M1中θi是一个长度为k的向量，用于描述当前文档θi在k个主题上的分布，Z表示具体的主题。M2是“主题-词语”矩阵，用于描述主题在词语中的分布。由此，在LDA主题模型中，文档、主题、关键词三者之间存在如下的贝叶斯关系：

P(词语|文档)= P(词语|主题)×P(主题|文档)

若一个文档存在k个主题，每个主题有w个关键词描述，这里有两个概率分布：一个是关键词w在给定主题k中出现的概率分布，另一个是每个文档在不同主题下的概率分布。

LDA文档生成过程大致可以分为两步：第一步，根据文档的主题分布情况，随机选择一个主题；第二步，根据该主题下各词语的分布情况随机选择一个词语，该过程可简单由图3表示，其中，wi为一个文档中对应的单个词语，Z为w所属主题，θm是单个文档每个关键词的主题多项式分布，α和β分别为主题多项式分布和词语多项式分布的参数。

参数求解：首先，从狄利克雷分布α和β中抽样得到文档m的主题多项式分布θm和主题k的词语多项式分布φk；然后，从主题多项式分布θm中抽样得到文档m的第n个词的主题Zm，n；接着，从主题Zm，n对应的词语分布φk中抽取词语Wm，n；最后，重复上述步骤Nm次。据此，所有已知的和隐藏的变量的联合分布可以表示为下式：

在此基础上，通过Gibss抽样（Sugimoto等，2014）估计上述模型的参数θm和φk。8

LDA过滤：中文分词后的初始文档中，有不少以党建、团建等活动为主题的文档，考虑到党建团建活动不属于农信机构经营性业务的范畴，且这些活动的报道中涉及业务经营的文字也不多，因此将这类文档从初始文档中删去。然后，本文借鉴Baker等（2015）的方法，利用关键词对文档进行了朴素过滤9。

经过朴素过滤后，剩余的文档大部分与信贷行为、普惠金融、数字技术和机构改革与发展等四个主题相关，但可能仍有少量文档与主题无关，因此，需借助LDA过滤器进一步过滤掉与主题无关的文档。所谓LDA过滤，是将朴素过滤的结果利用LDA主题模型进行分类，继而将这些拥有不同预设主题数的LDA模型的结果输出到池化器10中，池化器将综合每一个LDA模型的结果，给出每一篇文档属于不同主题的概率。LDA过滤采用的过滤策略为：对于每一篇文档在不同预设主题数的LDA输出结果中，若从属于以上四个主题的概率较低，则将其剔除11。经过LDA过滤后，可以得到更加“干净”的文档集。

2.主题分类。LDA主题模型的结果与先验主题数量有关，即初始设置的主题数量会影响聚类结构，为保证LDA分类的准确性，确定最佳的主题数十分关键。关于最佳主题数的确定，Airoldi等（2010）使用交叉验证法，Blei等（2003）使用困惑度（Perplexity）分析法，考虑到部分省联社官网发布的新闻数量极为有限，仅应用困惑度分析结果并不理想，为此，本文在运用困惑度分析法的基础上，借鉴一般做法（王靖一、黄益平，2018；李昌等，2018），利用困惑度分析法估计出最佳主题的数量区间，然后逐一验证先验主题数量，选择关键词形成主题时概率最大的主题数量。为完成上述工作，我们使用了github的开源模块pyLDAvis12进行处理。

表3:七大主题及其对应的关键词

表4:基于LDA模型进行主题分类后的输出结果

图4报告了先验主题数为20时基于LDA模型进行主题分类的可视化结果。其左图是通过多维缩放得到的主题间距图（Intertopic Distance Map），用以表示主题的边缘分布，每一个圆代表一个主题，它是通过各主题的前两个维度的主成分投射于二维坐标系得到的；圆圈的大小表示了主题的强度，可视为每个主题在文档中的占比，圆圈之间的距离则表示了两个主题之间的相关性。其右图描述了当选定主题6后与之对应的30个关键词，以及每个关键词对形成该主题的影响力（绿色条占白色条的比例值，其中，白色条表示形成该主题的每个词在文档库中的词频，绿色条表示该词在选定主题内的词频）。基于困惑度分析法和pyLDAvis的输出结果，我们确定的最佳主题数为20。

经过LDA模型主题分类后，下一步是筛选研究主题，筛选出的主题需具有如下两个特征：第一，尽可能多地出现在每次的LDA主题分类模型结果中，以保证每个省联社有共同关注的主题；第二，文档从属于这些主题的概率值位于前50%，以保证文档的确涉及这些主题，使指数结果更加可靠。据此，我们筛选出了七个研究主题（见表3），这七个主题刚好可以反映农信机构七类业务的发展。与此同时，综合对所有文档进行LDA分类的结果，我们给出了最能反映这七个主题含义的关键词以进行主题匹配。主题匹配过程如下：如果LDA模型输出结果中的某一个主题包含表3中某一个主题对应的3个及以上关键词，则表明可以匹配相应的主题13。

为了更加清晰地说明上述匹配过程，表4进一步报告了设定主题数为10时LDA模型进行主题分类的结果，其中，每个主题以10个关键词确定其所代表主题的含义。例如，主题1的关键词包括农户、种植、农业、农民、贷款、信贷等，表明该主题与涉农贷款有关；主题6的关键词有不良贷款、贷款、收回、清收等，表明该主题与信贷风险具有高度相关性，其他主题以此类推。

表5：省联社涉农贷款关注指数（2010-2018年）

（三）指数化

LDA模型在输出上述主题分类结果的同时也输出了“文档-主题”概率分布（见图5），基于此，我们借鉴王靖一、黄益平（2018）的思路将概率指数化：

第一，对每一家省联社以年度为单位构建文档集，形成省联社年度文本语料库。

第二，利用LDA模型对年度文档集进行主题分析，得到每一年度每个文档的主题概率分布。

第三，将每一年度内对应主题的文档概率加总取均值得到该省联社在该年度对某一主题的关注概率：

其中，Zj表示主题，docn表示文档，Γj表示某一主题的概率值。

第四，将概率指数化。得到主题的概率后，对于每一个主题，以最大概率值对应为100，按比例标准化其余的概率值，从而得到指数值。

指数结果的合理性及其特征分析

基于上述指数构建思路，我们最终编制了2010-2018年我国24家省联社14对农信机构七类业务发展的关注指数。我们认为，该指数不仅反映了省联社对下辖农信机构业务发展的关注程度，也在一定程度上反映了省联社对农信机构业务发展的干预力度。为论证上述关注指数的合理性，应当对其进行必要的检验15，同时对其基本特征和影响机理进行简要分析。

（一）涉农贷款关注指数

涉农贷款关注指数反映了省联社对农信机构涉农贷款投放的关注度（见表5），为检验涉农贷款关注指数的合理性，我们分别从省域和时间两个维度比较了各省农信机构涉农贷款余额与涉农贷款关注指数的变动趋势16。由图7可知，除少数省份外，绝大部分省份的农信机构涉农贷款余额与涉农贷款关注指数存在较为一致的变动趋势；此外，统计分析显示二者的相关性系数达0.64，存在较强相关性，表明省联社对农信机构涉农贷款的关注的确影响了辖内农信机构涉农贷款的投放力度。

同时，在图6中我们也比较了第一产业产值与涉农贷款关注指数的地区发展趋势，结果显示二者的趋势也呈现一致性，表明省联社对涉农贷款的关注与地区农业经济的发展有较强的关联性。这可能是因为，以农商行为主体的农村信用社体系在农村经济发展中依旧具有举足轻重的地位，无论是网点数量还是从业人员，在整个农村金融体系中占比都是最高的（汪小亚、黄迈，2018），省联社代表地方政府对辖内农信机构实行统一管理指导的职能，对农信机构的支农业务具有重要影响（李珣等，2015）。同时，为抑制农信机构改制后的脱农离农的趋势，坚守服务“三农”的初衷，省联社一定程度上可引导农信机构将更多金融资源配置到“三农”领域；而且，近年来各种扶持“三农”政策的出台，尤其是乡村振兴战略的实施，促使各级政府高度重视农信机构的涉农贷款投放，这进一步加大了省联社对农信机构支农业务的关注，从而影响其涉农贷款投放。李涛和梁晶（2019）指出，农信社贷款与农业经济增长之间有较强的关联性，有助于促进农业经济增长。因此，省联社对农信机构支农业务的关注不仅会影响其涉农贷款投放，而且还会影响当地农业经济的发展。

注：为了将3个指标放入一张图进行比较，本文对相应指标进行了量纲放大或缩小，下同。

（二）小微贷款关注指数

同理，小微贷款关注指数反映了省联社对农信机构小微贷款投放的关注程度。为检验该指数的合理性，图7比较了2018年各省农信机构小微贷款余额和小微贷款关注指数的变动趋势。由图7可知，除湖南、广西两省外，其余各省农信机构的小微贷款投放表现出与关注指数一致的变动趋势；此外，统计分析显示二者的相关性系数为0.68。由表5和图7可知，各省联社对小微贷款的关注度普遍低于涉农贷款。其中，浙江省联社对小微贷款的关注度整体较高，但波动幅度较大（可能与部分年份新闻发布数量较少有关）；陕西、辽宁、云南、甘肃等省的小微贷款关注指数几乎一直为0，这可能在一定程度上反映了当地省联社对小微贷款业务不够重视或是相关信息在官网上披露不多。

显然，省联社小微贷款关注指数的变化与中央政策有密切的关系。一个直接的证据是，在中央文件中强调小微企业贷款的年份，省联社小微贷款关注指数往往就会大幅增加。另一方面，省联社对小微企业贷款关注也与所在省份小微企业的发展情况密切相关。为此，图7还比较了地区经济发展水平与省联社小微贷款关注指数的变化趋势，结果显示在大部分地区二者变化一致，这可能意味着地区经济发展与省联社的作用发挥具有一定的联系。从理论的角度看，Qi（1992）提出的“地方性国家统合主义”认为，地方政府为了主导和促进经济增长，会控制金融机构，以其资金来支持当地工商企业发展。同时，融资难融资贵问题一直是小微企业发展面临的最大障碍，也是公认的世界性难题。省联社作为农信行业管理者，在发挥行业资源“整合作用”方面具有先天优势，对缓解小微企业融资难融资贵的问题有着重要作用。

（三）数字普惠金融关注指数

同理，数字普惠金融关注指数反映了省联社对农信机构数字普惠金融发展的关注程度17。我国农信机构主要服务弱势群体，当前仍属于弱势金融企业（王子扶，2015），在互联网金融时代难以形成有规模效应的电子银行品牌，随着IT技术的进步、金融脱媒的加剧以及银行业务转型的加快，农村中小银行在数字普惠金融发展方面的种种劣势愈加明显（肖四如，2014）。在这种情况下，依托省联社的平台优势，整合辖内农信机构的资源，构建统一的数字技术研发平台，发挥规模经济优势，有助于农信机构更加快捷、高效地发展数字普惠金融。因此，为促进辖内农信机构发展数字普惠金融，省联社也必然加大对数字普惠金融业务的关注度。据此，我们分别从省域和时间两个维度比较了北京大学发布的数字普惠金融指数（省级指数）与本文构建的省联社数字普惠金融关注指数的变动趋势，以此验证数字普惠金融关注指数的合理性（见图8）。

由图8可知，绝大部分省份的数字普惠金融发展水平与省联社数字普惠金融关注指数存在较为一致的变动趋势，统计分析也显示二者的相关性系数高达0.84。由此可见，省联社加大对数字普惠金融业务的关注，有助于促进地区数字普惠金融水平提升。进一步地，我们比较了地区经济发展水平与数字普惠金融关注指数的地区发展趋势，结果显示，二者的变化趋势呈现出高度的一致性，这表明省联社对数字普惠金融的关注与地区经济发展有密切的关联。可能的解释是，省联社加大对数字普惠金融业务的关注度，促进了地区数字普惠金融水平的提升，而数字普惠金融水平的提升则有利于促进产业结构的升级（唐文进等，2019），激励企业实现技术创新（梁榜、张建华，2019），并促进家庭创业，从而实现包容性经济增长（张勋等，2019）。

由图8可知，浙江省联社数字普惠金融关注指数一直居于前列，远超其他地区，这可能与浙江省数字金融的迅猛发展有关，尤其是2013年阿里巴巴推出余额宝以来，互联网金融、金融科技、数字金融已经成为浙江省经济发展的新动能，在此背景下浙江省联社的数字普惠金融关注指数也达到了最大值。然而，在青海、内蒙古、新疆等偏远地区，尤其是青海，受金融经济条件和网络基础设施所限，数字普惠金融发展缓慢（张正平等，2019），当地省联社对数字普惠金融关注度也明显不足。

（四）机构改革与发展关注指数

机构改革与发展关注指数反映了省联社对农信社改革和发展的关注度。为检验机构改革与发展关注指数的合理性，我们比较了各省组建的农商行数量与改革与发展关注指数的变动趋势，由图9可知，绝大部分省份的农商行数量和改革与发展关注指数存在较为一致的变动趋势；此外，统计分析显示二者的相关性系数达0.56，说明它们存在较强的相关性。

注：由于缺乏金融素养数据，本文无法对2016年和2018年指数进行趋势检验，也无法进行时间趋势的检验；后文信贷风险关注指数同。

同时，图9比较了各省信贷规模与省联社机构改革及发展关注指数的变动趋势，我们发现，在大部分地区省联社对机构改革与发展的关注程度越高，其信贷规模也越高，意味着地区信贷水平的提升与省联社对农信机构的改革与发展不无关系。此外，省联社的支持可能在一定程度上改善了农信机构绩效，从而使得部分农信社达到改制的门槛，提升机构自身的实力，从而促进其扩大信贷规模。出现较大反差的是江苏、广东和浙江，这三个省均是发达省份，农信社改制完成度已经较高，农信机构的治理机制较为完善，此外，这些省的金融市场更加发达，竞争程度更高，省联社对辖内农信机构的影响较小，对信贷规模的促进作用因此也较小。

（五）金融素养关注指数

金融素养关注指数反映了省联社对农信机构开展金融知识宣传、提升居民金融素养等活动的关注度。为检验金融素养关注指数的合理性，本文基于中国人民银行发布的《消费者金融素养调查分析报告（2017）》，比较了消费者金融素养水平与金融素养关注指数的发展趋势18。结果显示，除东北地区外，两个指数的基本趋势是一致的。

居民金融素养不足是制约普惠金融发展的重要因素之一，提升金融素养有助于解决当下普惠金融发展的瓶颈问题（刘国强，2018），而普惠金融的发展有助于促进农村地区居民金融可得性，从而发挥减贫作用（顾宁和张甜，2019）。据此，我们比较了各省2018年贫困人口减少数与省联社金融素养关注指数的变动趋势，结果显示，部分地区金融素养关注指数与减贫人数有相同的正向趋势。这可能是因为，提升居民金融素养有助于促进居民的金融交易（张剑和梁玲，2020），同时带动家庭享受型消费支出的增长，促进家庭消费结构升级（孟宏玮和闫新华，2019），还可以提升家庭购买商业保险的意愿（杨柳和刘芷欣，2019），从而平滑农业生产中自然灾害的不利影响，进一步发挥减贫作用。

由计算的金融素养关注指数可知，新疆、吉林、辽宁、河北等地省联社的金融素养关注指数较低，这些省份的共同特点是经济发展水平相对落后，尤其是辽宁省，其金融素养关注指数在2013-2017年均为0，这或许在一定程度上影响了该省农信机构开展提升居民金融素养的活动。图10的对比表明，省联社对金融素养的关注度越高，该省居民的金融素养水平也越高，且经济发展水平低的地区，其居民金融素养水平也更低，因此，经济欠发达地区的省联社应在居民金融素养教育中发挥更大作用。

（六）金融扶贫关注指数

农商行等农信机构作为农村金融的主力军，推进金融扶贫工作责无旁贷。金融扶贫关注指数反映了省联社对农信机构开展金融扶贫工作的关注度。为检验金融扶贫关注指数的合理性，我们分别从省域和时间两个维度比较了各省农信机构扶贫贷款余额与金融扶贫关注指数的变动趋势，由图11可知，绝大部分省份的农信机构扶贫贷款余额与金融扶贫关注指数存在较为一致的变动趋势；此外，统计分析显示二者的相关性系数达0.6，这表明省联社对农信机构扶贫贷款的关注的确影响了辖内农信机构扶贫贷款的投放力度。

进一步地，我们比较了各省当年贫困人口减少数量与省联社金融扶贫关注指数的变化趋势（见图11），二者呈现出较大的一致性，这表明大部分地区的农信机构在金融扶贫中均发挥了重要作用，这与省联社的监督和支持密切相关。一方面，农村扶贫资金投入大、周期长，关系农村与农业事业的长远发展，且由于扶贫的公共品或准公共品性质（胡列曲，2007），导致商业银行对该领域进行资金投入的积极性不高，这种情况下政府的行政引导作用就变得格外重要，地方政府借助省联社引导农信机构加大扶贫贷款力度也因此成为具有可操作性的自然选择，这很可能就是省联社高度关注农信机构扶贫贷款的体制原因；另一方面，在经济欠发达的落后地区，农信社可能是唯一的正规金融供给主体（何广文，2009），在乡村振兴战略和精准扶贫战略中发挥着重要作用，因此省联社对农信机构扶贫贷款的关注有助于促进农信机构发挥扶贫攻坚的主力军作用，同时抑制农商行的“离农脱农”趋势，引导将信贷资源向贫困群体倾斜，促进地区减贫工作的推进。图11显示出省联社金融扶贫关注指数较高的甘肃、四川和贵州等省，均是扶贫攻坚的重点省份，这也在一定程度上印证了该指数的合理性。

（七）信贷风险关注指数

信贷风险关注指数反映了省联社对辖内农信机构信贷风险防控和不良贷款处理的关注度。为检验信贷风险关注指数的合理性，我们比较了各省农信机构不良贷款率倒数与省联社信贷风险关注指数，显示二者存在较为一致的变动趋势19，意味着二者可能具有较强的相关性。在过去的改革中，省联社一直作为管理者的角色，确实为农商行清理不良资产，解决历史包袱发挥了重要作用（汪小亚和唐诗，2018）。在图12中，我们还比较了各省金融发展水平（以金融机构贷款余额/地区GDP衡量）省联社与信贷风险关注指数的变化趋势，结果显示，当地省联社信贷风险关注指数越高，当地金融发展水平也往往越高。

由信贷风险关注指数和图12不难看出，各省联社对信贷风险的关注差异巨大，且经济发达地区的信贷关注指数在2016-2018年下降，而经济欠发达地区的信贷关注指数呈现上升的趋势。这可能是因为，省联社的关注促进农信机构防范信贷风险，进一步改善当地金融市场环境从而促进地区金融机构的信贷投放。研究表明，发展中国家的金融市场是一个竞争不充分、不完全的市场，借贷双方存在信息不对称（蒋远胜等，2018），而农村地区的客户通常缺乏合格的抵押或担保，其信贷风险往往也较高；由于农信机构往往规模较小、风控能力不足，省联社作为辖内农信机构的统一管理平台，面对不完全竞争、信息不对称的农村金融市场，向农信机构提供必要的风控指导、培训甚至技术、产品的研发是具有合理性的，也更具有规模经济优势。从统计数据来看，省联社成立前夕，全国农信系统的不良贷款比例高达37%，资本充足率为-9%，但据银保监会的数据，到2019年二季度末，全国农商行整体资本充足率为12.97%，不良贷款率为3.95%，资产质量得到明显改善，风控能力得到明显提升。

在传统的中学地理教学活动中，我们老师可能或多或少的忽视了中学生地理学习中的知识情感、想象以及知识点的领悟等多方面的发展，。在地理课堂教学活动中老师过多地强调知识的记忆、模仿，抑制了学生的头脑意识，表达动手能力，导致学生地理思维能力欠缺、地理课堂活力不足，从根本上制约了学生的主动性和创造性,从而让我的地理课堂教学变得固执、沉闷，缺少了灵性，缺乏了活力。在新课改的要求下，教师必须改变教学方法使地理课堂教学活力从根本上得到提升。

主要结论及其政策启示

本文利用LDA模型对省联社官网2010～2018年发布的新闻进行主题文本分析，构建了省联社对农信机构涉农贷款、小微贷款、金融扶贫等七类业务的关注指数，通过与实际指标变化趋势的对比和对二者相关性系数的检验，不仅证实了该指数的合理性，还进一步揭示了七类业务关注指数的主要特征。总结前文的分析，可以得到如下主要结论：

第一，尽管各省联社官网新闻发布数量差异较大，但利用LDA模型对省联社官网新闻进行主题文本分析进而构建省联社业务关注指数，从理论原理和实践操作的角度看都是可行的，这为我们进一步量化评估省联社的作用与影响奠定了实证基础。

第二，无论是基于与相关实际指标变化趋势的比较，还是对实际指标与关注指数的相关性检验，均表明省联社涉农贷款等七类业务关注指数有较强的合理性。分析其内在机理，我们进一步发现省联社对农信机构业务的关注度受到相关政策的影响，且在一定程度上能反映省联社对农信机构业务发展的干预力度。

第三，省联社业务关注指数呈现出较大的地区差异，陕西、青海、辽宁、云南等经济欠发达地区的省联社关注指数长期偏低，而浙江、广东、江苏等经济发达地区的关注度一直较高；总体来看，东南及沿海地区的省联社业务关注指数整体较高，中部地区次之，西部地区整体最低，这与各地区的经济金融发展水平基本一致。

第四，各地区的省联社业务关注指数也呈现出一些相似的特点。首先，多数省联社对农信机构的涉农贷款投放、机构改革发展等方面关注度较高，而对小微贷款、数字普惠金融发展、金融扶贫等业务的关注度相对较低；其次，大部分的省联社对农户金融素养、数字普惠金融的关注度呈上升趋势，但对机构改革与发展的关注度呈明显下降趋势。

众所周知，省联社模式的运作已经暴露出不少问题，改革省联社已成为各界的共识，但我国各地区省联社的发展水平参差不齐（蓝虹、穆争社，2016），这也为改革方案的制定增加了难度。在这种背景下，上述研究结论无疑具有重要的政策含义：

首先，进一步强化省联社规范披露信息。本文基于省联社官网新闻信息进行文本分析发现，全国各省联社发布的新闻数量差异非常大，一些省联社过去十年发布的新闻数量不足100条，这显然不符合2008年5月1日即开始实施的《中华人民共和国政府信息公开条例》的相关要求，因此，有必要进一步强化省联社规范披露信息，研究制定更具针对性的《省联社信息披露规则》，对新闻、年报等重要信息载体的披露规则作出更加明确的规定。

其次，因地制宜探索省联社改革转型方案。省联社关注指数的地区差异可能也意味着各省农信机构的发展水平以及农信系统整体风险不尽相同，故此，要因地制宜搞改革，切忌“一刀切”，对于东南沿海及东部地区，农信机构发展已相对成熟，省联社模式可能已不再适宜，需要转型成服务型平台，但西部等经济欠发达地区农信机构的作用仍不可替代。

最后，对于省联社而言，第一，要淡化行政干预，强化服务职能。本文发现多数省联社对农信机构的干预力度过大，一定程度上制约了农信机构的正常经营，因此，省联社要淡化对农商行的行政管理，突出专业化服务功能。第二，加大对小微企业融资的关注度。省联社要引导辖内农信机构着力解决小微企业融资难、融资贵的问题，切实为小微企业融资增收释放红利。第三，落实提升居民金融素养举措，重点提升数字金融素养，更多地举办宣传活动，有效提升农信机构从业人员和普通居民尤其是农村地区居民的金融素养。

总之，省联社改革势在必行，不妨从强化省联社规范信息披露入手推动其转型发展，未来的改革必须坚持因地制宜的原则，以能否更好地服务“三农”、服务“乡村振兴”作为检验改革成效的重要标准，逐步推进体制机制的变革，从而推动农信机构的健康可持续发展。

注释：

12003年国务院印发了《深化农村信用社改革试点方案》，将对农村信用社的管理权限下放给省级政府，各省随之陆续组建农村信用社联合社即省联社，具体承担辖内农村信用社的管理、指导、协调和服务职能。

22012年发布的《中国银监会关于规范农村信用社省（自治区）联合社法人治理的指导意见》、2014年发布的《国务院办公厅关于金融服务“三农”发展的若干意见》【2014（17号）】、2016年到2018年连续三年的“中央一号文件”均提出要推进省联社改革。2019年2月，为深入贯彻落实中央农村工作会议、《中共中央、国务院关于实施乡村振兴战略的意见》和《乡村振兴战略规划（2018-2022年）》有关要求，人民银行、银保监会、证监会、财政部、农业农村部联合印发了《关于金融服务乡村振兴的指导意见》，明确提出要“积极探索省联社改革路径，理顺农信社管理体制”。

3宁夏回族自治区无省联社，是大一统的农商行模式，西藏自治区无省联社官方网站。

4分析流程参考王靖一和黄益平（2018）的思路，Python软件为3.7版本；各省联社网站对爬虫均有较高包容度，没有任何迹象表明本文的爬虫工作影响网站正常运作。

5这些关键词是：省联社、农村商业银行、农商银行、农村信用社、信用联社、乡村振兴、普惠金融、数字普惠金融、金融科技、手机银行、微信银行。

6停用词主要包括语气助词、无实义名词、量词、以及部分动词，设置停用词后所有停用词将不再出现在分词结果里。用户自定义词典是为了避免分词将固定词组切分开而设置的词库，比如“农村商业银行”，Jieba分词会将词组切分为“农村”“商业”“银行”，为避免该词组被切分，我们在自定义词典中设定该词组即可。

7语料库是自然语言处理的术语，这里表示由所有文档构成的文档集合。

8具体求解过程见Blei等（2003）。

9考虑到实际情况，本文设置的这些关键词涵盖了信贷行为、普惠金融、数字技术和机构改革与发展等四个方面，具体包括贷款、信贷、不良资产、风险、手机银行、微信、网络银行、金融科技、数字、互联网、大数据、人工智能、区块链、云计算、普惠金融、服务可得性、包容性、小微企业、涉农、“三农”、金融排斥、素养、改制、改革、培训、管理、挂职、任命等词语。

10池化是指对不同主题数的LDA结果进行综合汇总，给出这篇文章能否进入下一阶段的判断。

11本文先后验证了预设主题数为10、20和30的LDA模型，当某个文档从属于四大主题的概率均排在后50%时则将其剔除。

12pyLDAvis是针对LDA主题模型算法的可视化模块，见https://github.com/bmabey/pyLDAvis。

13部分主题的表意可能并不明确，需要4个或更多的关键词才能确定相应的主题。

14由于山西省联社官网只有2019年的新闻，数据量太少，因此本文的指数结果中没有山西省联社。

15检验指数合理性的方法为：一方面，借鉴张正平和杨丹丹（2017）的思路，将每一类关注指数与其高度相关的实际指标的变动趋势进行对比；另一方面，估计每一类关注指数与其高度相关的实际指标的相关性。

16本文比较了2016-2018年的变动趋势，限于篇幅，文中仅报告了数据最全的2018年的比较情况，下同。

17尽管“数字普惠金融”一词在2016年杭州G20峰会之后才广泛流行，但运用数字技术发展普惠金融在我国各地早有实践，本文将农信机构运用数字技术推动普惠金融发展的行为及其产出均视作数字普惠金融发展的范畴，故使用“数字普惠金融关注指数”一词。

18由于无法获得具体每个省的金融素养得分，只能分区域大致对比我国东部、中部、西部、东北以及全国整体的情况。由于对比省份不同，不便与关注指数和贫困人口减少的对比放在一张图中，因此限于篇幅，未予以报告。

19直接使用不良贷款率进行趋势检验时发现二者趋势几乎相反，为更好地反映二者的共同趋势，本文使用不良贷款率的倒数进行检验。由于省份较少，不便与关注指数与金融发展水平的对比放在一张图中，限于篇幅，未予以报告。