金融发展对农业生产率影响的实证研究——以京津冀地区为例

李凯伦 韩光辉 赵 莉

（河北工程大学管理工程与商学院 河北邯郸 056038）

引言与文献概述

农业生产效率是衡量农业现代化程度的重要指标。在我国实现全面建成小康社会并开启全面建设社会主义现代化国家新征程的背景下，如何提高农业生产率、增加农民收入、推动农村发展，全面实现乡村振兴成为全社会关注的焦点。近年来党中央提出了“质量兴农”“绿色兴农”，通过提高农业生产率来实现农业的高质量发展。京津冀作为我国北方重要的农业生产基地，该地区农业发展的好坏不仅影响着北方地区农副产品的供给状况，还对其他农业区具有示范效应，因此本文以京津冀的农业生产效率为研究对象。研究人员通常运用Dea-Malmquist生产率指数法或随机前沿法测度农业全要素生产率，前种方法的优点是可以不必事先确定函数形式，仅通过对技术的可能性边界进行参数估计即可（李凯伦，2018）。

农业生产率的高低受到多种因素的影响，其中金融发展水平是其中较为活跃的因素，金融业的发展能否提高农业生产率，成为学术界广泛关注的问题。有关农业生产率与金融发展关系的文献较多，他们采用理论或实证的方法分析了金融发展对农业生产率的影响。Greenwood和Jovanovic （1990）在金融深化理论的基础上着重分析了金融体系在提高农业生产率、实现农业资源配置中的作用。肖干、徐鲲（2012）运用动态面板数据GMM估计方法分析了金融发展规模、金融结构以及金融发展效率对农业技术进步率的影响机制。井深、肖龙铎（2017）采用系统GMM估计方法分别考察正规金融机构和非正规金融机构对农业生产率的影响。尹雷、沈毅（2014）通过运用省级面板数据进行实证分析，结果发现农村金融发展对农业生产率具有正向影响，并且这种影响水平存在区域差异。上述实证研究中由于被解释变量的取值存在一定范围，因此采用GMM方法会导致估计精度受损甚至出现偏误，另外在已有文献中很少有关于京津冀地区金融发展对农业生产率的影响的文献，因此本文从京津冀协同发展战略的视角并运用更加合理的极大似然估计法（MLE）对该问题进行实证研究。

农业生产效率评价体系构建

数据包络分析（DEA）是以相对效率为基础的一种效率评定方法，它以决策单元（DMU）的投入和产出指标的权重系数作为优化变量，运用运筹学理论把DMU投影到数据包络分析的前沿面上，通过比较DMU对DEA的偏离程度为决策单元的相对效率做出评价。运用距离函数构建Malmquist生产率指数，应用距离函数对TFP进行分解，可分解为技术进步变动和技术效率变化。在规模报酬不变情况下Malmquist生产率指数的公式可表示为：

考虑到规模报酬可变的情况下，Malmquist指数可以进行RD分解：

其中，△TE为决策单元的实际产出与最优产出之比，成为技术效率的变化；△TP代表技术水平的变化，即在不同期间内的最优产出之比；△SE表示规模效率的变化。

本文以京津冀地区13个地级以上市为研究对象，运用数据包络分析法测度该地区的农业生产率。农业投入指标包括从事农业生产人数、农业用电量、施用化肥量和农业种植面积，产出指标为实际农业总产值。以上指标的数据来源于相关年份京津冀各市的统计年鉴。

变量选取和模型构建

本文采用金融发展规模和金融发展效率作为核心解释变量对农业生产率的影响因素进行分析（肖干等，2012），此外为了增强模型的解释力，降低由遗漏变量所带来的估计偏误，本文增加了一些控制变量，如表1所示。

表1 各变量的选取说明

通过以上分析，建立如下计量模型：

其中，i和t分别表示地区与年份，TEP代表i市第t年的农业生产率，FS和 Fe分别表示农村金融发展规模和效率；Control代表加入的控制变量，主要包括城乡收入差距（GAP）、财政支出（FIN）、农村人力资本（PC）、外商直接投资（FDI）以及工业化程度（INDUS）等；β和П为待估参数，ε为随机误差项。

通过计算发现，被解释变量（农业生产率）是在一定范围内取值，属于受限被解释变量。虽然模型具有完整的观测值，但对于一定区间的观测值，被解释变量只能截断一个固定值，导致形成的概率分布不属于一般的正态分布，而是变成由一个连续分布加一个离散点所形成的混合分布，此时模型再运用普通最小二乘法估计，会导致结果存在偏误。针对这种问题，Tobin（1958）提出采用极大似然估计法（MLE）的tobit模型，鉴于本文数据为面板数据，同时由于条件极大似然估计法无法估计固定效应的面板Tobit模型，所以本文采用随机效应的面板Tobit模型进行估计检验。

实证结果分析

（一）初步分析

表2为随机效应法的面板Tobit模型的初步估计结果，其中模型（1）只考虑了核心解释变量对农业生产率的影响，模型（2）和（3）逐步加入控制变量后，发现核心解释变量的系数符号都未发生改变，具有稳健性。农村金融发展规模的系数在模型（3）中的值为-0.081，在5%的水平下显著，说明农村金融发展规模抑制了农业生产率的提高，其原因是受到了金融“门槛效应”的影响。在金融市场中，某些投资者即使可以得到用来投资的资金，但可能由于自身财富有限而无法达到投资规模，即穷人面临着“金融门槛”。京津冀农村地区金融资源较匮乏、融资成本高，农民只能将贷来的有限资金投入到农业生产的部分领域。由于边际报酬递减规律的作用，当一种农业生产环节的投入较多而其他环节投入不足时，其不但不会带来农业生产率的提高，反而会产生相反的作用。农村金融发展效率的系数在模型（3）中的值为0.325，说明农村金融发展效率每提高一个单位，农业生产率就会增加0.325，即存在正向促进作用，其主要是因为金融发展效率的提高意味着在农村有限的资金得到了更合理的配置，具体到农民个体，就是把自有资金和贷来资金进行了有效的配置，因为自有资金不具有显性成本，并能够投入到农业生产的各个环节，因此可以防止农业发展出现“瓶颈效应”。

表2 模型回归结果

此外，控制变量的估计结果总体上也符合预期。外商直接投资对农业生产率的影响不具有显著性，可能原因是由于农业的收益率较低导致外商将绝大部分资金投入到回报率更高的非农产业；农村人力资本的增加反而制约了农业生产率的进步，主要是因为受到了近些年京津冀地区人口流动方向的影响，伴随着普通高等学校招录比的不断提高和城乡居民收入差距的不断拉大，具有高学历（高中以上）的农村人口为了寻求更好的就业环境和更多的就业机会，往往会向城市迁移，导致农村损失大量青壮年劳动力，进而影响了农业生产率水平的提高；财政支出水平和工业化程度对农业生产率具有正向促进作用，农业生产回报率低，需要国家对其进行财政补贴，而财政支出水平的提高就会有更多的资金投入到农业生产中来；工业化通过制造出先进的农业机械设备，优化农业生产结构影响农业生产率；城乡收入差距的拉大会显著制约农业生产率的提高，是因为较高的城市收入吸引了高素质的劳动者，导致农业劳动者素质较低，从劳动力质量的角度抑制了农业生产率。

（二）稳健性检验和异质性分析

为了进一步验证估计结果的稳健性，本部分将对模型进行稳健性检验。首先，改变农村金融发展规模和金融发展效率的测量指标，借鉴王征等（2011）的做法，用农村金融存贷款之和除以农村国民生产总值表示FS，用农村居民的储蓄除以农村贷款代表FE，重新采用相同模型进行估计，结果如表3中模型（7）和（8）所示，无论对控制变量控制与否，金融发展规模的系数仍然显著为负，金融发展效率的系数显著为正，这说明估计结果具有稳健性。其次，用农业纯技术进步效率作为被解释量进行稳健性检验，表3中模型（9）和（10）汇报了估计结果，发现金融发展规模与效率的系数符号仍然与之前的估计相一致，进一步验证了结果的稳健性。

表3 稳健性检验

由于地区和年份异质性的存在，使得金融发展规模和效率对农业生产率的影响也存在异质性，因此本文通过分年度和分地区进行异质性检验。考虑到金融危机的存在，本文以2008年为分界线，表4中模型（11）考察了2004-2007年（金融危机之前）金融发展规模和效率对农业生产率的影响程度，表4中模型（12）考察了2008年之后的影响。由估计结果可知，无论是金融发展规模还是金融发展效率都在金融危机爆发后对农业生产率的影响程度加深了。考虑到京津地区属于发达地区，对其周边地区具有空间溢出效应，因此把样本按照是否与京津接壤进行分类，表4中模型（13）为与京津接壤地区（包括京津）的估计结果，与表4中模型（14）未接壤地区估计结果相比，接壤地区的金融发展规模和发展效率对农业生产率的影响程度都要小于未接壤地区。

表4 异质性分析

研究结论和政策建议

本文运用DEA-Malmquist指数法测算了2004-2018年京津冀地区各市农业生产率，然后采用随机效应面板Tobit模型实证分析了农村金融发展规模与效率对农业生产率的影响。结果发现，农村金融发展规模对农业生产率具有负向作用，而农村金融发展效率对农业生产率具有正向影响。

根据以上结论，本文提出以下政策建议：第一，要积极推动农村金融发展效率的提高。在京津冀一体化和雄安新区建设等政策的推动下，京津冀地区要着力推动普惠金融发展，整合该地区金融服务资源，不断创新金融产品，加快融资产品研发，把金融与农村经济直接联系起来，构建产品多样、风险可控的融资服务体系。第二，抓住农村金融增量改革的契机，政府要减少行政干预，推动市场化竞争机制的形成，同时要降低金融服务门槛，进而提高金融资源配置的效率。第三，要增加农村正规金融机构的数量，减少农村金融垄断组织的规模，同时鼓励民间资本参与到金融改革中来，发挥各个经济主体的作用，实现金融资源的优化配置。