安徽省涉农贷款配置效率评价及其影响因素分析——基于DEA-Tobit模型

杜彩金,王晓润,聂岸超

(1.安徽农业大学 经济管理学院,安徽 合肥 230036;2.西南林业大学 机械与交通学院,云南 昆明 650000)

农业、农村、农民问题是关系到中华民族伟大复兴的重大问题,党的十九大报告就针对三农问题提出了乡村振兴战略以发展农村经济。随着乡村振兴战略的实施,如何发展农业,如何振兴乡村产业,成为一个亟待解决的重大问题。农村的经济发展离不开农村金融资源的支持,而农业信贷作为重要的农村金融资源,在乡村振兴中有着举足轻重的地位。早在2012年,银监会就对涉农贷款的增量和增速提出了“两个不低于”的要求。2022年初中央一号文件也提出,要求强化乡村振兴金融服务,将农业信贷当作重要的工作内容之一,突出农业信贷工作的重要性。发展农业信贷成为了一个重要的解决方案[1],然而农村在享受农业信贷规模发展带来的大量收益的同时,各地农业信贷的使用存在效率偏低的情况[2],因此对涉农贷款配置效率进行研究是非常必要的。

安徽省地处长三角地区,是传统的农业大省,也是农村改革的主要发源地,但是目前安徽省农村经济的发展水平还有待进一步提高。2021年4月,《中共安徽省委安徽省人民政府关于全面推进乡村振兴加快农业农村现代化的实施意见》中指出要加大金融支农力度以全面推进乡村振兴。在加大金融支农力度的同时,也要提高金融资源的配置效率,这样才能更好地发挥农村金融对乡村振兴的支持作用。因此,对安徽省涉农贷款的配置效率进行研究是必不可少的。

财政支农与金融支农相协调是当前我国非常重要的支农减贫政策,而县域金融机构涉农贷款增量奖励政策是一项利用财政手段引导金融资源向农村配置的重要举措。行伟波、张思敏[3]通过研究发现:涉农贷款奖励政策显著的促进了我国农业经济的发展,认为应该继续推进财政引导金融支农的政策,为我国乡村振兴战略提供更多支撑。在涉农贷款的安全性方面,徐利、章熙春[4]经过对广东村镇银行中长期涉农贷款风险的研究,认为应该通过加强银行内部控制,发展担保形式,确保担保充足;丰富资产抵押的形式和内涵;开展多样化贷款,分散贷款投向,来降低涉农贷款风险,提高涉农贷款安全性。

当前,已有文献关于涉农贷款效率的研究多是将涉农贷款作为农村金融资源的一部分,将农村金融作为金融的一个子系统,从宏观上考察以农村信贷投放为手段的资金资源配置效率。[5]而对这种农村金融资金配置效率的研究主要是从农业信贷对农村经济增长、农民收入增加所起作用的角度出发。Fan S等认为,政府对农村地区的投资可以直接或间接减少农村贫困,提高生产力。[6]郭刚、王雄通过实证分析中部区域农村金融与农村经济发展的关系,发现不管在短期还是长期,农村金融效率都能够促进中部农村经济增长。[7]胡振华、陈恒智认为虽然城乡居民之间的收入差距会随着农村金融规模的发展而增大,但是可以通过提高农村金融效率和推进城镇化进程来减小这个差距。[8]温红梅等对我国2010年中2 001个县城进行实证分析,发现我国农村存在大量的金融资源投入冗余,从而导致金融效率水平整体偏低,同时还容易受到外部环境的影响。[9]向琳、郑长德的实证研究也得到了类似的结论。[10]王大为、彭迪云等的研究表明江西省农村金融效率与农村经济发展关系密切,但是农村金融效率整体偏低,需要加强金融建设。[11]王淑英等通过对我国30个省市2000—2009年的数据进行实证分析,发现农村金融效率直接正向影响着农村经济,而且存在着正向的空间溢出效应,是影响农村经济增长的非常关键的因素。[12]刘荣增等以我国2014—2018年的省级面板数据为样本,实证发现金融规模和金融结构都能够有效地促进城乡之间的高质量融合发展,但是金融效率就没有这种促进效果了。[13]

此外也有很多学者从地区差异的角度研究了农村金融的效率。向琳、郭斯华的研究表明:不同的农村地区,其金融规模会有很大的差别,因此,各地区不能只是一味地加大金融资源的投入,更重要的是要提高金融效率。[14]张一青、彭非以我国31个省级为样本,对其农村金融效率进行研究,结果表明东部和中部地区的农村金融效率要远高于西部地区,而且都容易受到外部环境因素的影响。[15]何振立通过对我国31个省市农村地区金融扶贫效率的研究,结果表明国内不同区域的金融扶贫效率呈现出了明显的时空差异和区域分化,应通过加强金融扶贫服务创新等措施来提升金融扶贫效率。[16]

现有对涉农贷款效率的研究,取得了一定的成果,但是仍有一些不足之处。大部分学者选取的指标,在评估金融效率方面具备较强的适用性,但在反映涉农贷款效率方面稍有欠缺;在涉农贷款配置效率影响因素方面的研究较少,相关研究还可以进一步丰富。因此,本文通过运用DEA-BCC模型、Malmquist指数模型对安徽省各市涉农贷款配置效率进行静态和动态的测度分析,来考察涉农贷款具体的实行效率,用Tobit模型对所测度的效率值进行影响因素分析,以期为提高安徽省涉农贷款效率提供决策参考和建议。

一、指标选择与数据来源

(一)指标选择

客观、准确的投入产出指标的选取即指标体系的建立,是应用DEA方法测算效率的前提,不同的指标体系会得到不同的最终结果,而且指标的总数也会对测算的结果产生很大的影响:如果指标总数过多,则会使得效率为1的决策单元数量过多;如果指标总数过少,则可能会使得关键的问题被忽视。[17]在查阅各类相关文献的基础上,本文对相关文献中的投入产出指标的选取进行了梳理,如表1所示。

表1 涉农贷款配置效率投入产出指标研究文献梳理

由于本文关于涉农贷款配置效率的研究是从其对促进农村经济增长和农民收入提高所起的作用为出发点的,所以产出指标的选取要能够真实地反映两者的情况,同时考虑到各市微观数据的可获得性以及各市之间农村人口的差别。本文选择了以下的投入产出指标,产出指标包括农村人均第一产业增加值、农村人均可支配收入,相应的投入指标要从资金、固定资产、从业人员三方面来选择;投入指标:农村人均涉农贷款余额、涉农贷款余额。与第一产业增加值之比、农村人均固定资产投资、第一产业从业人员数与农村总人数之比[5][9][18-21]。影响涉农贷款配置效率的因素有很多,在参考各类文献的基础上[5][18-21],再结合本文的研究特点,选取了产业结构、政府支农政策、农村金融发展、城乡差距、银行中介能力、金融相关率这6个外部因素来考察对效率值的影响。本文以效率值作为被解释变量,以上6个外部因素作为解释变量进行回归分析,如表2所示。

表2 模型变量选择

(二)数据来源

本文分析采用的数据涵盖了2011—2020年间安徽省16个地级市,文中所用指标数据均是由以下数据计算得到。涉农贷款余额数据来源于中国人民银行安徽省各地级市中心支行;农村总人口(由各市总人口和城镇人口所占比重求出)、生产总值、第一产业增加值、农林牧渔固定资产投资额、第一产业就业人员数、农村人均可支配收入、城镇居民可支配收入、农林水事务财政支出、银行存贷款余额数据主要来源于《安徽统计年鉴》、安徽省部分地级市国民经济和社会发展统计公报、《安徽省各地级市统计年鉴》。

通过运行Stata1 5.0软件得到表2各变量的描述性统计,如下表3所示:

表3 描述性统计

二、研究方法与模型构建

(一)农业信贷配置效率测度的DEA模型构建

1.测度静态效率的DEA-BCC模型构建

数据包络分析法(Date Envelopment Analysis)简称DEA,它是一种常用的非参数方法,能够对多投入多产出的单元进行相对效率的评价。在运用DEA模型时,不需要考虑投入和产出之间满足的函数关系,也不需要考虑不同指标之间的单位差异,因此常用于各种情况下的投入产出效率的评价[22]。

DEA-BCC模型是一种基于规模报酬可变(VRS)的DEA模型,还可以根据研究者的需要分别从投入和产出的角度进行效率的测度。本文的研究对象更偏向于投入角度。在本文中,决策单元(DMU)为安徽省k个地级市,每个DMU有m种投入指标,n种产出指标,xij表示第i个市的第j种投入指标的投入量,xij>0;yir表示第i个市的第r种产出指标的产出量,yir>0。其中, i=1,2,……,k;j=1,2,……,m;r=1,2,……,n。设定DEA-BCC模型如下所示:

其中,ε为阿基米德无穷小量,s-、s+分别表示投入和产出松弛变量,θ为决策单元的效率值[23]。DEA-BCC模型可以将综合技术效率(TE)进一步分解,分解后的指标分别为纯技术效率(PTE)和规模效率(SE),而且三者满足以下关系:TE=PTE× SE。

2.测度动态效率的DEA-Malmquist指数模型构建

Malmquist指数是通过距离函数求得比率,运用Malmquist指数可以测得各决策单元动态的全要素生产率(TFPCH)。由于本文是基于规模报酬可变的情况,所以可以进一步将全要素生产率分解为以下四个指标:综合技术效率(EFFCH)、技术进步指数(TECH)、纯技术效率指数(PECH)和规模效率(SECH)。他们之间满足如下关系:全要素生产率=综合技术效率×技术进步指数;综合技术效率=纯技术效率×规模效率[24]。Malmquist指数的具体表达形式为:

M>1时,表示全要素生产率提高,M=1时,表示全要素生产率不变,M<1时,表示全要素生产率下降。

(二)涉农贷款配置效率影响因素分析的Tobit模型构建

前文通过DEA方法测得的效率值仅反映了投入产出之间的联系,为了进一步探究其他因素对安徽省各市涉农贷款配置效率的影响如何,要将前文测算的静态效率值作为被解释变量进行回归分析。前文采用的DEA-BBC模型测算的静态效率值均在0～1之间,这种数据属于截断数据,如果对这种数据进行OLS回归的话,会导致最终的估计结果可能会出现偏差和不一致[25]。因此,本文选用Tobit模型来进行实证研究。

在以上变量的基础上,构建如下的Tobit模型:

Yit=β0+β1CYit+β2YHit+β3DFit+β4NCit+β5CXit+β6FIit+ui+εit

其中,Yit为安徽省第i个市第t年的涉农贷款配置效率(包括综合技术效率、纯技术效率、规模效率),i=1,2…… 16;t=2011……2020;ui为个体固定效应,εit为随机干扰项。

理论基础与研究假设:指标的选择应该建立在理论的基础之上,产业结构理论、财政农业投资理论和农村金融市场理论为涉农贷款配置效率的外部影响因素选择提供了理论支撑。

1.产业结构理论

产业结构是指农业、工业和服务业在一个国家或地区的经济结构中所占的比重。各国以及各地区间经济发展水平和国民收入水平的差异,主要是由于产业结构的不同。第一产业增加值占生产总值的比重可以衡量一个国家或地区农业在国民经济中的地位。

第一产业增加值占生产总值的比重越大,那么农业对经济的主导作用就会越强,三农问题就会越突出,进而涉农贷款的使用就更加有针对性。安徽省各地级市的产业结构有着很大的差异,那么不同地区涉农贷款的配置效率也会有着明显的差异。因此,假设一:产业结构对涉农贷款配置效率具有正向作用,即第一产业比重越大,涉农贷款配置效率越高。

2.财政农业投资理论

财政农业投资理论认为政府应该在农田设施建设、农业科技推广、农业教育等领域加强投入支持,为农业的现代生产创造条件,同时还必须重视人力资本投资。无论对农业进行何种投资,都要将资金投入到绩效较高的涉农领域内。

资源的配置方式可以分为市场机制和政府干预。在完善的金融市场环境下,市场机制可以作为“看不见的手”来实现资源的有效配置,从而提高资源的使用效率,而政府的过度干预则有可能会产生负面的影响。但是现阶段我国的市场机制还不健全,需要政府进行适当的干预来解决资源的配置问题。因此,假设二:假设政府支农政策对涉农贷款配置效率具有正向作用。

3.农村金融市场理论

农村金融市场论是对农业补贴理论的批判,其主要思想是肯定市场化机制在农村金融市场中发挥的作用,其认为政府应该放宽对农村金融市场的管制,使金融市场能够达到供需平衡的状态。虽然现实中农村金融市场理论的效果没有得到有效的发挥,但是农村金融市场的发展程度对农村经济的发展起到了很大的促进作用。

金融交易效率越高,就意味着资金流动性越高。一方面说明资金很有可能流向涉农领域;另一方面说明随着存款被转化成贷款,银行的管理效率会得到提升,从而对涉农贷款配置效率产生一定的影响。因此,假设三:假设银行中介能力对涉农贷款配置效率具有正向作用。

涉农贷款的数量可以直接影响到涉农贷款的规模,而不同阶段规模报酬的产出是不同的,从而对涉农贷款配置效率的影响也是不同的。相关金融机构对涉农贷款资金的管理水平和对风险的警惕程度也都会影响到涉农贷款的配置效率。[26]现阶段,安徽省涉农贷款规模非常大,且增长速度也很快,可能会使得涉农贷款规模过大而产生消极影响。因此,假设四:假设农村金融发展对涉农贷款配置效率产生负向的影响。

农村地区的金融资源相对于城市来说不够完善,而且机会成本比较高,即使通过政府干预,将资源向农村倾斜,资金的逐利性也会使得资源从农村流向城市,资金外流在一定程度上会影响到资金的配置效率。[19]因此,假设五:假设城乡差距对涉农贷款配置效率具有负向作用。

存贷款总额占生产总值的比重越高,可以在一定程度上推动一个地区的经济发展,随着地区经济的发展,就可能会有更多的资金流向涉农领域,从而影响到涉农贷款配置效率。因此,假设六:假设金融相关率对涉农贷款配置效率是正向作用。

三、研究结果分析

(一)涉农贷款配置效率分析

1.涉农贷款配置静态效率测度与分析

根据DEA-BCC模型,运用DEAP2.1软件,从投入角度对2011—2020年安徽省16个地级市的投入产出数据进行测算,得到涉农贷款配置的综合技术效率(TE)、纯技术效率(PTE)和规模效率(SE)。结果如表4所示。

表4 安徽省各市2011—2020年涉农贷款静态效率测度表

由表4可知:从整体上看,在2011—2020年这10年间,只有宿州、淮南、芜湖3个市的静态效率值全为1,即达到了有效率的状态。其余各市的效率值均在平均值附近,意味着都存在不同程度的资源浪费的情况。这些市在个别年份也达到了整体有效率的状态,而在其余年份就存在着纯技术效率或者规模效率是无效率的状态。从2020年来看,只有淮北、亳州、六安、安庆、黄山这五个市没有达到有效率的状态。六安的综合技术效率为0.93,纯技术效率为1,可见这种无效的状态是规模方面的问题,同时六安是处于规模报酬递增阶段的,所以政府可以通过更加合理的资源投入扩大规模来解决规模方面的问题,以提高规模效率,从而提高整体效率,达到有效的状态。而淮北、亳州、安庆、黄山无效状态不单单是某一方面的原因,而是由管理、技术和规模多方面的原因综合作用的结果,因此政府需要同时考虑到这些方面的因素来改进效率。2011—2019年,无效率的市也都存在着类似的情况。因此,总体上来说,安徽省大部分市的涉农贷款的配置都存在着无效率的情况,而无效率的原因又各不相同,有些是规模的问题,有些是管理、技术等方面的原因。这就需要各个市因地制宜进行改善,不能通过一刀切的方式进行。

2.涉农贷款配置动态效率测度与分析

根据DEA-Malmquist指数模型,运用DEAP 2.1软件测算安徽省16个地级市2011—2020年涉农贷款的全要素生产力指数,并得到其各个分解指标。结果如表5、表6所示。

表5 2011—2020年安徽省涉农贷款配置Malmquist指数及其分解

表6 安徽省各市涉农贷款配置Malmquist指数及其分解

由表5可知,在2011—2020年间,Malmquist指数呈现出有增有减的态势,平均增长率为4.4%。从更细致的分解指标技术进步和综合技术效率来看,两者都对整体4.4%的平均增长率作出了贡献,前者的平均增长率为1.9%,后者的平均增长率为2.4%,所以后者比前者的贡献大了一些,但相差不是很明显。从具体的跨年度来看,Malmquist指数为小于1,意味着出现了负增长,其主要原因是较低的技术进步率导致的。而在2018—2020年间,Malmquist指数的值都在1.1以上,增长速度比较快,平均增长率大约17%,其中技术进一步的增长率大约为15%,贡献较综合技术效率大很多。因此,安徽省各市可以通过提高技术效率来达到提高涉农贷款配置效率的目的。

由表6可以看出,在2011—2020年间,安徽省只有亳州、宿州、阜阳、淮南四个市的全要素生产率是低于1的,说明这四个市的涉农贷款的配置效率在整体上是处于下降趋势的。通过更进一步的分解指标可以看出,宿州、阜阳、淮南这三个市中只有技术进步率是小于1的,所以这个下降趋势是由于在综合技术效率保持不变的情况下,技术进步下降导致的。而亳州市的技术进步率和纯技术效率值都是低于1 的,表明其低效率是由这两方面下降导致的。其余各市的全要素生产率都是大于1的,说明他们的涉农贷款的配置效率处在一直上升的态势。通过全要素生产率的分解可以看出,总体来说技术进一步的增长率要大于综合技术效率的增长率,因此这些市的全要素生产率的增长主要都是技术进步贡献的。整体来看,安徽省各市涉农贷款配置效率的提高,主要是通过近年来在金融改革创新带来的技术进一步所推动起来的。

(二)安徽省涉农贷款配置效率的影响因素回归结果及分析

1.安徽省涉农贷款配置效率的影响因素的回归结果

本文运用Stata15.0软件,分别将TE(综合技术效率),PTE(纯技术效率),SE(规模效率)作为被解释变量,对模型进行了回归。由于本文的数据为面板数据,面板Tobit模型分为固定效应和随机效应,而且在采用随机效应Tobit进行回归估计时,同时对整体模型进行了LR检验,最终的结果显示三个回归估计的LR检验P值均小于0.01,即强烈拒绝原假设:“不存在个体效应”,所以本文应该选择随机效应Tobit模型。结果如表7所示。

表7 随机效应Tobit模型回归结果

2.解释变量对效率值的影响分析

根据表7,我们可以得到以下结论:产业结构对TE、PTE和SE都有非常明显的正向作用。究其原因:涉农贷款主要是为了支持农村、农业、农民发展而发放的贷款,在第一产业比重较高的地区,三农问题会更加突出,因此涉农贷款的使用会更加有针对性,且效果更加明显,进而提高了涉农贷款的配置效率。银行贷存比对PTE存在着显著的正向影响,而对TE、SE的正向影响不显著。银行贷存比能够反映出银行作为金融中介机构对资金的转化能力,随着存款更多地被转化成贷款,相关部门的管理和技术效率也会随着提高,从而可以提高涉农贷款的配置效率。政府支农政策对TE和PTE有正向影响,但不是很显著,而对SE的负向影响不显著。主要原因在于地方政府的财政贴息、农业补贴等支持政策可以同金融机构的涉农贷款相配合,从而可以提高涉农贷款配置效率。农村金融发展程度对SE有显著的负向影响,对TE、PTE的影响也是负向的,但是不显著。结合前面的效率分析,这说明安徽省农村金融发展深度还未能发展成为推动农业发展的积极因素,可能的原因就是安徽省存在过度的涉农资金投入问题,只注重规模的增加,而没有考虑到资金的使用和配置效率的提高,从而降低了涉农贷款的配置效率。考虑到在金融资源充裕的情况下,如果相关金融机构对涉农贷款资金的管理水平低下,而且对风险的警惕性不高,不能够合理地配置涉农信贷资源,那么就会降低涉农贷款对农业经济发展的整体贡献程度,涉农贷款配置效率也会随之降低。城乡二元结构对TE和SE有明显的负向作用,但是对PTE的负向影响不显著。城乡二元结构的存在即城乡发展不协调,会拉大城乡居民的收入差距。随着城镇居民收入的增多,他们对金融等服务资源的需求也会增加,这会导致农村地区的资本外流,从而降低了涉农贷款的配置效率。金融相关率对TE和SE都有显著的正向影响,而对PTE的正向影响不显著。金融相关率越高,说明存贷款余额占总产值的比重越高,那么就可能会有更多的资金流向涉农领域,从而提高涉农贷款的规模,进而可以提高规模效率。

3.稳健性检验

为了防止上述的回归结果具有偶然性,保证实证结果的准确可靠,下面将采用两种方法对三个回归结果进行稳健性检验。一是通过不断加入变量,来解决模型遗漏变量的问题;二是分别采用混合OLS模型,固定效应OLS模型、随机效应OLS模型和随机效应Tobit模型对各变量进行回归分析。基于不同变量的稳健性检验结果如表8、表9、表10所示,基于不同方法的稳健性检验结果如表11、表12、表13所示。

表8、表9、表10分别展示了综合技术效率TE、纯技术效率值PTE和规模效率SE基于不同变量的稳健性检验结果。(1)列作为基准模型,控制了产业结构、政府支农政策、城乡差距和金融相关率,为了检验回归结果的稳健性,依次将剩余影响因素加入(2)列和(3)列基准模型。在(2)列模型中加入了银行中介能力,在(3)列模型中加入了农村金融发展,结果显示虽然各变量的显著性受到了些许影响,但未发生明显的变化,且符号也未发生改变,因此其结果是稳健的。

表8 TE回归结果基于不同变量的稳健性检验

表9 PTE回归结果基于不同变量的稳健性检验

表10 SE回归结果基于不同变量的稳健性检验

表11、表12、表13分别展示了综合技术效率TE、纯技术效率值PTE和规模效率SE基于不同方法的稳健性检验结果。由检验结果可知,在随机效应Tobit回归模型中显著的变量在混合OLS回归模型,固定效应OLS回归模型、随机效应OLS回归模型中大部分仍然显著,而且符号也并未发生变化,因此通过了稳健性检验。

表11 TE回归结果基于不同方法的稳健性检验

表12 PTE回归结果基于不同方法的稳健性检验

表13 SE回归结果基于不同方法的稳健性检验

四、研究结论与政策建议

(一)研究结论

本文运用DEA-BCC模型和Malmquist指数模型,对安徽省16个地级市2011—2020年的涉农贷款配置效率分别从静态和动态的角度进行了分析。在此基础上运用Tobit模型对投入指标之外的影响因素进行了回归分析,得到以下结论。

1.从涉农贷款的静态配置效率来看,从2011—2020年,安徽省除了宿州、淮南、芜湖这3个市的涉农贷款配置是有效的,其余各市在有些年份都会存在无效的情况。而无效率的原因既有技术和管理方面的,也有规模方面的,所以相关部门在提高涉农贷款配置效率时,要充分考虑到各个市的特点进行因地制宜,不能简单一刀切地加大涉农贷款的投入规模。

2.从涉农贷款的动态配置效率来看,2011—2020年,整体上看,除了亳州、宿州、阜阳、淮南这四个市,其他各市的涉农贷款的配置效率是在不断提高的。通过进一步的分解指标可以看出,这种上升趋势主要是近几年的金融改革创新推动的,规模效应的贡献度不大。

3.从涉农贷款配置效率的影响因素来看,第一产业占总体比例越大,银行贷款存款比越高,涉农财政的有效实施,都会提高涉农贷款的配置效率。而由于金融资金外流和只注重资金规模的投入而忽视提高资源的使用效率等原因,城乡二元结构和涉农贷款比重的增大则会降低涉农贷款的配置效率。

(二)政策建议

基于上文对涉农贷款配置效率的评价及影响因素分析,本文提出以下提升效率的政策建议:

1.鼓励金融机构提高其内部管理效率,同时进行涉农金融产品的创新。针对技术进步对涉农贷款配置效率的促进作用,所以要加大金融机构关于涉农金融服务的创新,使其能够针对性地推出更多符合农村特色优势产业的金融产品和服务,进而推动农村产业结构升级,加快农村经济发展。

2.相关部门也要根据本市的具体问题,选择合适的方法来提高涉农贷款的配置效率,不能一味地增加资金的投入,而忽视提高资金的使用效率,这样只会由于资源的错配,而出现浪费资源的情况。要综合考虑规模效率和纯技术效率的结合,这样才能有效地提高涉农贷款的配置效率。

3.城乡二元机构之间存在的资金回报率差距和农业信贷面临的高风险会使得金融资源流出农村,从而降低涉农贷款的配置效率。因此,要统筹城乡发展,在大力推进城镇化建设的基础上还要注重农村经济的发展,减小城乡差距。同时也要完善金融机构的风险管控机制降低涉农信贷得不良贷款率,提高涉农信贷的稳定性和持久性。通过政府主导和市场配置相结合,农村的金融资源需求才能够更好地得到满足,金融资源的使用效率才能够进一步被提高,从而起到应有的支持乡村振兴的作用。