黑龙江省绿色金融支持绿色农业产业结构升级的实证研究

张淑丽 王会钧

（哈尔滨金融学院，黑龙江 哈尔滨 150030）

1 引言

近些年，黑龙江省充分发挥自身的优势，改造传统农业生产方式，探索可持续农业发展的有效途径。积极转变农业的发展方式，优化农业产业结构，发展和优化食品行业，绿色食品种植业与加工业异军突起，创建属于自己的绿色优势品牌，将传统的农业产品变成了绿色食物，林业的可持续发展，畜牧业的绿色、清洁发展，渔业发展呈现多种模式，农业生产条件与农业污染情况不断好转，不断推动农业产业向生产高效、食品安全、资源与环境可持续利用的绿色方向发展，绿色农业初步形成。

黑龙江省绿色农业产业发展的金融支持规模逐渐扩大，黑龙江省不断探索运用税收优惠、建立绿色农业专项发展基金和促进农业绿色发展的补贴政策体系的方式来增加绿色农业资金投入与政策扶持力度，实现绿色农业的产出和社会效益的增加。绿色金融对黑龙江省绿色农业产业结构升级方面的支持方式，主要还是以发放绿色信贷为主，其他方式并存。各银行类金融机构主要通过发放涉农贷款的方式，将绿色可持续发展的理念落实到绿色农业产业结构升级的建设与发展中。绿色金融不仅是实现黑龙江省高质量发展的重要保障和促进黑龙江省农业可持续的重要因素，更是推动黑龙江省绿色农业产业升级的重要力量。

本文采用VAR模型对黑龙江省绿色金融支持绿色农业产业结构升级的影响进行实证研究，除了模型本身的普遍适用性外，还有以下几点原因：首先，在平稳情况下，VAR模型具有优良的统计性质，这对于模型诊断和误差分析是非常有利的；其次，VAR模型可以比较准确的刻画变量之间相互影响的动态线性关系；最后，在短期预测中，其预测结果通常会优于其他模型，其参数估计也比较容易。

2 相关指标选取及数据来源

2.1 绿色金融指标选取

针对黑龙江省而言，农业发展中涉农贷款在绿色金融整体发展规模中占比最高，是众多绿色金融工具中最具代表性的，因此本文选取涉农贷款作为衡量黑龙江省绿色金融发展规模的指标。由于目前选取的指标中部分指标2019年的数据还没有统计公布，为保持数据的可比性及一致性，我们选取2008-2018年黑龙江省涉农贷款余额及本外币贷款余额作为基础数据。

2.2 绿色农业产业结构升级指标

绿色金融对绿色农业产业结构升级提供资金支持，促进产业结构升级，合理配置农业生产资源，构建和谐绿色农业生态环境。

结合黑龙江省实际经济结构发展状况，我们选取农业增加值占第一产业增加值的比重来衡量黑龙江省农业产业结构升级情况。

在绿色农业指标方面，选取绿色食品与有机食品种植面积占农作物总种植面积之比反映黑龙江省绿色农业发展状况。

由于没有比较成熟的指标选取前例，因此通过请教部分专家学者，并考虑了实际中数据的可获得性，最终确定了本部分实证量化评价指标，如表1所示。

表1 指标选取及指标含义

本文采用Eviews9.0软件进行数据的分析处理。为保证数据的连续性和完整性，文中全部数据采用2008年至2018年的黑龙江省经济社会相关数据，数据主要来源《黑龙江统计年鉴2009-2019》《黑龙江省金融运行报告2008-2019》《黑龙江省国民经济和社会发展统计公报2008-2019》等。

3 实证检验

3.1 初步统计分析

为了更加清晰的描述各数据的特征，我们利用Eviews9.0对所选取的数据进行初步的描述性统计分析。

根据表2分析结果，可以看出绿色金融指标的均值达到0.322155，最大值为0.442000，最小值为0.077300，说明随着黑龙江省绿色金融工具的发展创新，涉农贷款在本外币贷款余额中所占比重不断上升，涉农贷款余额从2008年的7.73%上升到44.2%。农业产业结构升级方面，指标均值为0.693045，最大值为0.726500，最小值为0.667600，说明农业增加值比重有所上升，代表随着农业产业结构逐渐优化升级，农业创造的价值正在稳步提升。绿色农业指标方面，绿色食品与有机食品种植面积比重不断增加，从2008年的14.39%上升到2018年的18.62%，绿色产品总产量也不断提升，绿色产业发展势头良好；另外，根据所调查的农药化肥使用量方面，从2015年开始逐渐回落，农业污染有所改善，农业产业向着绿色、健康、可持续发展迈进。

表2 变量序列描述性统计分析结果

3.2 绿色金融对绿色农业产业结构升级的检验

3.2.1 绿色金融影响绿色农业发展的实证检验

为了验证绿色金融发展对绿色农业发展的影响，我们将选用AL指标和GF指标进行实证验证。

1）平稳性检验

为避免发生虚假回归问题，保证实证结果的准确性，首先要对AL和GF两个指标进行平稳性检验。在平稳性检验中，我们多采用单位根检验（即ADF检验）。检验结果如表3所示：

表3 ADF平稳性检验结果

ADF检验结果显示，AL序列的统计t值小于显著性水平为5%时的临界值，根据单位根检验原理，此时拒绝存在单位根的零假设，该序列平稳。同理，GF序列的统计t值小于显著性水平为5%时的临界值，该序列平稳。因此，在5%的显著性水平下，AL序列和GF序列均平稳，可以进行格兰杰因果关系检验。

2）确定最优滞后阶数

VAR模型中涉及到的另一个关键因素就是滞后阶数的确定，我们采用信息准则法。常用的信息准则主要包括AIC信息准则、SBIC信息准则及HQIC信息准则。Eviews软件操作结果如图1所示：

图1 变量滞后阶数结果

根据结果显示，滞后阶数为3时，LR、FPE、AIC、SC、HQ均为最小值，因此可以确定最优滞后阶数为3。

3）检验模型稳定性

如果VAR模型中所有根模的倒数都小于1，即都在单位圆内，则该模型是稳定的，只有稳定的VAR模型，其相应的检验结果才是有效的。我们对目标序列进行稳定性分析，结果如图2所示。VAR模型中AR根的倒数均在单位圆内，该模型稳定。

图2 模型AR根图

4）格兰杰因果检验

在确定模型稳定后，为进一步探讨绿色金融与绿色农业发展的关系，我们对这两个变量进行格兰杰因果关系检验。检验结果如图3：

图3 格兰杰因果检验结果

格兰杰结果分析中一般认为，P值小于0.1时拒绝原假设。根据结果显示，“变量GF不能Granger引起变量AL”的P值为0.3451，大于0.1，则接受原假设，即认为在10%的显著性水平下，变量GF不是变量AL的格兰杰原因。而“变量AL不能Granger引起变量GF”的P值为0.0818，小于0.1，则拒绝原假设，即认为在10%的显著性水平下，AL变量是变量GF的格兰杰原因。这一结果也表明，绿色金融对绿色农业发展有着比较明显的促进作用，随着绿色金融发展规模的不断壮大，黑龙江省绿色农业也有了更快的发展速度。

5）脉冲响应函数分析

VAR模型中我们并不关注单个参数的情况怎样，而更关注当某个变量变化时对其他变量产生的影响如何以及这种影响持续的时间长短，因此我们常用脉冲响应函数来做。

从图4脉冲结果可以看出，绿色金融的发展对绿色农业发展有着明显的正向作用，短期内冲击较大，随着期数的增加，作用越发稳定。

图4 脉冲响应函数分析图

3.2.2 绿色金融影响农业产业结构升级的实证检验

这部分的实证检验我们选取绿色金融指标AL和农业产业结构升级指标AIS。基本步骤和上面一致，首先进行序列的平稳性检验。

1）平稳性检验

保证序列的平稳性是建立VAR模型的前提条件，我们依然采用ADF检验（即单位根检验）来验证AL序列和AIS序列的平稳性。

图5 是AIS序列平稳性检验结果，我们将两个序列分析结果总结如下表4：

图5 ADF序列平稳性检验图

表4 ADF序列平稳性检验结果

从结果来看，AL序列统计量的值在5%显著性水平下小于临界值，而AIS统计量的值则在1%显著水平下就小于临界值，说明两个序列在5%显著性水平下拒绝存在单位根的原假设，序列平稳。

2）最优滞后阶数确定

根据图6显示结果，当滞后阶数为2时，AIC、SC、HQ值均达到最小，所以根据相关信息准则，可以确定该模型最优滞后阶数为2阶。

图6 序列最优滞后阶数结果

3）模型稳定性检验

利用Eviews软件进行VAR模型的根模检验，发现所有根模倒数均小于1，即都在单位圆内，则该模型是稳定的。

结果如图7，在确定了最优滞后阶数并经过稳定性检验后，我们可以进行格兰杰因果关系验证了。

图7 AR根图

4）格兰杰因果关系检验

如图8格兰杰分析结果显示，“变量AL不能Granger引起变量AIS”的P值为0.0709，小于0.1，则拒绝原假设，即认为在10%的显著性水平下，变量AL是变量AIS的格兰杰原因。而“变量AIS不能Granger引起变量AL”的P值为0.8863，大于0.1，则接受原假设，即认为在10%的显著性水平下， AIS变量不是变量AL的格兰杰原因。这一结果也表明，绿色金融能够支持黑龙江省农业产业结构升级发展。

5）脉冲响应函数分析

图9 是绿色金融与绿色农业产业结构的脉冲响应函数分析图。从图中可以看到，绿色农业产业结构在受到冲击后，呈现先上升后下降的波浪趋势，第3期达到最大值，第六期最小，之后又开始上升且幅度减少，趋于平缓。这表明绿色金融发展必将促进农业产业结构向着合理化发展。

图9 脉冲响应函数分析图

4 研究结论

通过格兰杰因果检验及脉冲响应分析可以看到，绿色金融发展对绿色农业发展及农业结构升级都有支撑和促进作用，绿色金融通过金融活动规范经济组织的绿色经营行为，引导社会投资向绿色产业与项目流动，是推动黑龙江省农业产业结构绿色升级的重要力量；绿色金融强调生态环境保护与资源节约利用，是促进黑龙江省农业可持续的重要因素；绿色金融通过将金融的投融资活动与经济绿色转型发展相结合，带动社会可持续发展，保障经济向高质量发展的转型，是实现黑龙江省高质量发展的重要保障。