财政金融协同支农的绩效时序演进及空间收敛分析

李永坤　孟光辉　尹迎欣　孙越

摘要：文章采用Malmquist动态指数与空间收敛分析方法，测度分析了2010—2019年中国30个省份财政金融协同支农绩效水平的时序演进与空间收敛特征。结果表明：全国财政金融协同支农的全要素生产率指数总体呈下降趋势，2010—2019年均下降4.5%，且由东到西呈现依次递减的分布状态，存在较为明显的空间地域差异；从指数分解角度分析，技术进步指数是导致当下财政金融协同支农全要素生产率下降的主要因素；另外，全国各地区财政金融协同支农绩效水平均呈现一定的收敛特征，整体支农水平呈稳定态势发展，但地区间的收敛速度差异较为明显。因此，在政策推进过程中，应准确把握并积极响应涉农市场需求，创新支农工具和资金使用管理方式；同时贯彻落实科技兴农战略，推动农业科技成果的落地转化；另外也要强化政策辐射效应，促进要素资源的跨区域流动，实现区域协调发展。

关键词：财政金融协同支农；绩效评价；时序特征；空间收敛

一、引言

长期以来，“三农”问题一直都是制约国民经济健康稳定发展的关键因素，如何克服农业生产的弱质性、改善农村生产生活条件以及提高农民收入也成为政府工作的重要内容，经过多年的不懈探索，我国已逐步形成了较为系统的惠农强农政策框架。产业兴旺是乡村振兴的物质基础，为构建绿色高效的乡村产业体系，国家不断完善财政投入保障制度和农村金融产品和服务方式的创新，鼓励培育发展乡村新产业新业态①，党的二十大报告也进一步提出要发展农业适度规模经营，完善农村金融服务体系。财政支农与金融支农作为当前世界各国用来助农增收和推动农业农村经济发展的两把政策“利剑”，不仅是实现城乡融合发展的内在要求，而且也是推进乡村振兴战略实施和农业现代化进程的外部动力。针对经济新常态下的三农问题，2020年国家财政农林水事务支出23 948.46亿元，十年间累计增长了140.99%；涉农贷款余额38.95万亿元，累计增长了166.78%②，财政和金融资金对“三农”领域的投入力度显著提升。

随着一系列支农政策的不断健全完善，政策效果也得以显现，但不可否认的是，实践中财金政策不衔接、支农政策落地失灵等问题大大降低了支农政策的实施效果。2010—2019年期间，我国农村居民人均可支配收入年均增长8.58%，实现了改革开放以来农民收入增长的快速发展，但是近年来增速已下降至7%以下，特别是受国民经济下行和新冠疫情的双重影响，2020年收入增速下降到3.8%，农林牧渔总产值和粮食总产量增速放缓，2016年和2018年甚至出现粮食总产量小幅下降现象，支农政策实施效果开始呈现出收敛特征。

财政金融支农绩效评价是检验我国支农政策的“验金石”，更是推进支农资金统筹整合和相关政策研究设计的前提。目前我国正处于由传统农业向现代农业转变的关键时期，在支农资金规模不断扩大的同时，财政、金融支农的深度发展能否有效促进农业经济增长和农民增收？在资源禀赋、区域政策等方面存在的诸多差异的现实条件下，各省份的财政金融协同支农绩效是否也呈现空间失衡？因此，本文立足于财政金融协同支农的研究视角，对全国各省协同支农绩效水平的时序动态演进和空间收敛情况展开测度，并据此提出未来政策优化的方向和针对性建议，以期为构建完善财政金融协同支农体系和优化支农资金的耦合效率提供参考借鉴。

二、文献综述

财政和金融支农是助农增收和推动农业经济发展的两把有效“利器”，也是实现城乡统筹发展的重要举措[1]。在该领域学术界已积累了丰富的研究成果，主要包括以下三个方面：

其一，有关财政支农的研究。理论与实践均证明财政是支持农业和农村经济发展的有效供给，其作为国家宏观调控的主要手段，对于促进农业经济发展发挥着至关重要的作用。早期部分国外学者将研究方向聚焦于财政支农支出的规模与结构方向，如MATSUYAMA[2]、GRIER和TULLOCK[3]等在各自研究的基础上一致认为，财政支农规模并非一味求多，而应当结合农业经济实际发展情况做出适量的抉择。同样，国内学者肖育才和姜晓萍[4]也认为应当因地制宜地实现支农规模的优化调整，规模结构的不合理也有可能产生抑制作用[5]。在财政支农的效果评价上，胡青江等[6]发现我国财政支农支出存在较为明显的空间差异特征，且支出水平动态演进过程也相对较慢。王谦和李超[7]从省际和区域间的效率进行动静态分析发现，我国东、中、西部三大区域的財政支农支出效率均呈现低效率状态。在此基础上，部分学者对财政支农效率的影响因素展开了积极探讨，CALDERON和SERVEN[8]发现在财政支农资金支持力度相同的情况下，经济发展越差的地区其财政支农的效果越好。王谦和张兴荣[9]以及徐合帆等[10]认为城镇化水平、农村经济发展水平以及农业机械化水平等因素会对财政支农绩效水平产生不同程度的影响效应。

其二，有关金融支农的研究。金融支农作为驱动农业发展的“引擎”，关系农村金融和农业现代化的发展。虽然财政和金融支农均会对农民收入产生积极作用，但就效果而言，陈义林[11]认为财政支农可能存在一定的“渗漏”效应，因而金融支农要明显更好一些。BEAMANETAL[12]从农村信贷效率视角展开研究，发现金融支农会对农村信贷效率产生促进作用。杨德勇等[13]、徐光顺和冯林[14]认为普惠金融将会对城乡收入差距产生明显的收敛效果，能够显著缩小城乡收入差距。对于金融支农的实际效果，也有学者认为现实情况可能事与愿违，比如吴刘杰和张金清[15]采用窗口参比Malmquist指数法来对金融支农效率进行检验，发现金融支农的全要素生产率整体呈下降趋势，且存在较大的区域差异。JENSEN[16]认为政府主导型农业信贷系统的农村信贷资金配置效率通常较低，对此，雷泶和郭苏文[17]也表示认同，同时发现农村金融资源存在配置失衡问题。另外，张永刚和张茜[18]以及温红梅等[19]也认为城乡二元经济结构及存贷比等外部环境因素会对金融支农效率产生较大的影响。

其三，有关财政金融协同支农的研究。在财政和金融协同支农方面，二者之间应当是相互补充和支持的关系[20]，学者们开始主张将二者结合起来共同助力三农事业的发展，即财政金融协同支农，不仅能够实现二者的功能互补，而且够够全方位、多角度地分析农业经济的增长态势。赵洪丹和朱显平[21]通过实证检验发现协同支农对于农村经济发展具备正向促进作用。李艳秋等[22]和王永仓[23]立足于农民增收视角，发现财政金融支农的协同发展还会呈现一定的空间溢出效应。但不少学者也认为，目前我国财政金融协同支农效率并未呈现预期效果，如毛德敏和刘维忠[24]通过研究发现财政金融的协作机制对于助农增收而言并不理想，而究其原因，在于二者之间没有形成良好的协同发展机制[25]，就增收角度而言，黄寿峰[26]通过研究发现协同支农水平存在着区域和时间差异性特征，究其原因，蒋例利等[27]认为是二者在投资和风险环节等方面的分工模糊、政策不协调所致，而财政自持度以及经济发展水平也是影响协同支农绩效的关键因素[28]。

其四，有关财政金融支农绩效水平评价指标体系的研究。在投入方面，当下中央和地方财政对于三农事业的资金支持主要通过农林水支出[26，29]作为主要统计指标，因而不少学者将其作为财政支农力度的衡量因素，而在金融支农方面，指标选取各有差异，以金融机构农业贷款额度[20]、每万人拥有金融机构网点[30]以及农村居民人均储蓄存款额[17]为主。在产出方面。考虑财政金融支农对改善农业生产条件、促进农业经济增长以及农民增收等方面都具有重要推动作用，因而在变量的选择与设定过程中，多数学者也基本遵循这一思路。当下农业机械化水平[10，26，28，31]在现代农业规模化生产过程中的作用越来越凸显，因而其成为不少学者衡量农业生产条件改善的重要指标，而在衡量农业经济增长方面，多数以农林牧渔总产值[1，9，29]为标准。另外，支农效应的最终落脚点应当落实在农业经营主体身上，因而不少学者将农民收入增长也作为衡量支农效应的一项重要参考依据，以农村居民人均可支配收入[26，28]为具体衡量指标。再者，随着当下普惠金融广度与深度的持续推进，有效解决了农业经营者的特殊金融服务需求，为缩小进城高收入群体与农村中低收入者的收入差距奠定了基础[32]，因此部分学者在农村居民人均可支配收入这一绝对值指标的基础上，补充城乡收入差距[13，17]作为衡量财政金融协同支农在提升农民收入层面相对量的变化情况。

前期的支农研究大部分将财政与金融支农相割裂展开，但随着社会实践的不断深入，不少学者开启对财政金融协同支农的有关研究，大多研究结论证明，二者之间具有明显的互补和协同效应，但结论并不完全一致，研究成果还不够完善。此外，对于支农效率的评价，大多考虑到了对农民增收的影响，但随着乡村振兴战略规划的持续推进，城乡收入差距也应成为衡量支农政策效果的关键因素之一。本文将从财政金融协同支农视角出发，从时间和空间两个维度来对财政金融协同支农效率进行动静态分析，来揭示财政与金融协同支农效率可能存在的时间和空间差异，并结合动态变化规律研究其空间收敛状态，以期进一步推动支农政策的有效落地，提升财政与金融协同作用效果。

三、研究设计

（一）数据来源及说明

为全面分析中国区域财政金融协同支农的绩效时序演进以及空间收敛特征，本文选取2010—2019年中国30个省的面板数据，考虑西藏和港澳台地区的部分统计数据缺失，将其予以剔除。相关评价指标的数据主要來源于国家统计局、《中国农村统计年鉴》（2011—2020）、《中国金融年鉴》（2011—2020）以及Wind数据库十年间的统计。

（二）模型构建

1. Malmquist指数模型。 Malmquist指数是一种用来衡量全要素生产率变化率的方法。本文将每个省份看作一个决策单元，第[t+1]年、第[t]年的投入产出量分别用[（xt+1，yt+1）]、[（xt，yt）]来表示，则财政金融协同支农绩效变化的Malmquist指数可以表示为：

上式（1）中，[dt（xt+1，yt+1）]表示用第[t]期技术（即将第[t]期数据作为参考基础）表示的第[t+1]期技术效率水平，[dt（xt，yt）]表示用第[t]期技术表示的当前技术效率水平，[dt+1（xt+1，yt+1）]表示用第[t+1]期技术表示的当期技术效率水平。当[M（xt+1，yt+1，xt，yt）]小于1时，表明从[t]时期到[t+1]时期，财政金融协同支农绩效水平是下降的；当[M（xt+1，yt+1，xt，yt）]大于1时，表明从[t]时期到[t+1]时期，财政金融协同支农绩效水平较之前有所改善提高。

后有学者将全要素生产率（ML）分解为两部分，分别为技术效率变化指数（Effch）和技术进步指数（Techch），即[ML=Effch×Techch]，如式（2）所示。其中，Techch指数测度了对技术边界从[t]时期到[t+1]时期的移动情况，即“增长效应”的衡量。

另外，技术效率变化指数（Effch）又可分解为纯技术效率变化指数（Pech）及规模效率变化指数（Sech），即[Effch=Pech×Sech]，测度了到期评价单元到最佳生产前沿面的追赶程度，即对“追赶效应”的衡量，如式（3）所示：

因此，上式（1）可简化为：[ML=Pech×Sech×Techch]，其中，[Pech]为纯技术效率变化，是在规模报酬可变假定下的技术效率变化，反映了DMU内部管理水平的变动情况；[Techch]为技术变化，反映生产前沿面的移动对生产率变化的贡献程度；[Sech]为规模效率变化，反映了规模经济对生产率的影响程度。

2.财政金融协同支农绩效的空间收敛性分析。本文进一步引入空间收敛分析方法展开研究财政金融协同支农绩效水平的空间分异特征。“收敛性”概念源于数学分析，后被引入经济学中用于阐述不同发展水平之间的地区是否向相同趋势发展[33]，本文选取[σ]收敛和绝对[β]收敛进行空间收敛性检验。

（1）[σ]收敛。[σ]收敛值反映了不同地域在某一时点上财政金融协同支农绩效的差距，体现了支农绩效水平的静态收敛性。当[σ]收敛值变小时，说明呈现收敛的状态，各地区之间的财政金融支农绩效水平差距在不断缩小，反之则差距在不断扩大。借鉴已有相关研究方法[34]，公式如下：

上式中，[i]、[t]分别表示省份和年份，[σt]表示财政金融协同支农效率的对数标准差，[lnyit]表示省份[i]在[t]时期财政金融协同支农效率的自然对数值，[lnyt]表示该时期所有省份支农效率自然对数的算术平均值。

（2）绝对[β]收敛。[β]收敛是指基期绩效水平低的区域具有更高的增幅，会随着时间的推移赶上基期绩效水平高的区域，即存在“追赶效应”。绝对[β]收敛是指假设影响财政金融协同支农效率发展的因素相一致的情况下，不同区域的支农绩效水平仍呈收敛状态，即基期支农效率水平较低的区域对效率水平较高的区域存在“追赶效应”。为分析2010—2019年十年间全国财政金融支农绩效水平是否趋同，构建模型如下所示：

上式中，[i]为省份，0为基期，[t]为报告期，[T]表示基期到报告期的跨度，[α]表示常数项，[β]为待估参数，[yi0]和[yit]分别表示第[i]省际单元分别在基期和报告期财政金融协同支农的绩效水平，[μit]表示随机误差值。当[β<0]时，则说明存在绝对[β]收敛，即基期支农效率水平越低的省份在观察期内的增长率水平越高，对基期支农效率水平较高的地区具有“追赶效应”，各省份间的支农绩效水平呈现收敛性状态，原始差距在逐步缩小，最终使得各省份都将趋同于相同的稳态均衡水平。当[β>0]时，则说明不存在绝对[β]收敛。因此，[β]收敛值的绝对值也反映了财政金融协同支农绩效水平较低的地区追赶较高地区的速度，绝对值越大，则追赶速度也就越快。

（三）指标选取及说明

本文选取全国30个省份2010—2019年的面板数据作为样本③，评价指标分别从投入和产出两个角度来选取。投入方面，依据现有的中国财政支农统计口径的要求，财政支农资金主要为农林水事务支出[26，28]，金融支农资金采用涉农贷款总量来表示[10，20]。产出方面，由于财政金融支农一般通过促进农村经济增长、提高农民收入和改善农业生产条件三个方面来体现协同支农效果，所以分别用农林牧渔总产值[15]和农业机械总动力[28，31]来衡量农村经济增长和农业生产条件的改善情况；采用农村居民人均可支配收入和城乡收入差距来反映在提升农民收入层面绝对量和相对量的变化情况[1，17]。

其中，城乡收入差距的扩大会致使农村劳动力和资本的外流，同时先进技术和优秀人才也无法顺利引入农业生产过程之中，不利于财政金融协同支农绩效水平的改善与提升。本文以城乡收入差距作为衡量财政金融协同支农绩效水平产出层面的相对性指标，通过查阅相关文献资料[13，32]，最终选取泰尔指数作为衡量城乡收入差距的标准，不仅考虑了人口变动因素，而且也符合城乡居民收入的分布特点[14]，泰尔指数越小，城乡收入差距越小，反之亦然。具体计算模型如下：

其中，泰尔指数用[Theil]来表示，[i=1]表示城镇，[i=2]表示农村，[Yit]表示[t]时期城镇或农村居民的可支配收入，[Yt]表示该地区[t]时期的居民可支配收入，[Xit]表示[t]時期城镇或农村居民的年末常住人口数，[Xt]表示该地区[t]时期的年末常住人口数。然而城乡收入差距作为一种反向指标，直接采用将会致使测度结果与实际情况背离，因此采用减法一致化方法[35]对该逆向指标做正向化处理。将所选指标说明及描述统计分析汇总，如表1所示：

四、基于Malmquist指数的财政金融协同支农绩效水平的时空差异分析

为深入分析我国在2010—2019年间财政金融协同支农绩效水平的动态演化过程，本节将分别从时间和空间维度对我国30个省份的支农绩效进行Malmquist指数测算及分解，并尝试寻找其中的变化规律。

（一）财政金融协同支农绩效水平的时序演进

首先，由表2和图1可知，全国财政金融协同支农的全要素生产率指数总体呈下降发展趋势，2010—2019年均下降4.5%，除2016—2017年上升1.1%外，其余年份均表现出下降趋势，但从整体的变化情况来看，全要素生产率在逐步向“1”靠拢，历年的下降幅度也呈收敛态势，说明随着近年来国家对三农工作的深入推进以及支农政策的健全与完善，财政金融协同支农的绩效水平也得以改善，总体呈现利好趋势。对于2017年全要素生产率指数上升的现象，可能是由于当年全国各地政策性农业信贷担保机构的陆续成立，一种由财政出资成立的新型政策性金融工具，有效缓解了农业融资难题，为现代化的“三农”事业发展做出了卓越贡献，也为提高财政金融协同支农资金使用效率提供了新的方向。

其次，对全要素生产率指数进行分解，技术进步指数与全要素生产率指数的变化趋势基本保持一致，年均下降5.5%；而技术效率指数除2013—2014年外，整体变化幅度较为平稳，年均上升1.1%，由此可见，全要素生产率指数的下降趋势主要是由于技术进步指数逐年递减所致（除2017年外），而技术效率指数的上升幅度不足以弥补技术进步指数的下降程度。另外，通过进一步分解技术效率指数，规模效率指数整体变化幅度较小，总体均值仅上升0.1%，没有表现出明显的上升趋势，这也是导致纯技术效率与技术效率指数变化趋势基本保持重合的主要原因，间接说明技术效率指数的变化主要是纯技术效率变动的作用结果。总体来看，技术进步是影响财政金融协同支农绩效水平的主要因素，因此，加强农业科技投入、驱动技术变革、促进科技成果的转化落地以及培养农业创新人才将是未来改善财政金融支农绩效水平的主攻方向。

（二）财政金融协同支农绩效水平的空间差异分析

表3是全国各省2010—2019年财政金融协同支农全要素生产率指数及其分解结果，整体来看，除个别省份外，全国财政金融协同支农的全要素生产率指数总体呈下降趋势，年均下降4.5%，表明全国总体上财政金融协同支农效率水平偏低。从区域划分角度来看，东部地区财政金融协同支农效率指数下降0.5%，中部地区下降2.9%，西部地区下降9.8%，自东向西呈现依次递减的分布状态，且空间地域差异较为明显，在一定程度上印证了“中国财政与金融支农水平区域间不平衡和区域内不平衡共存”[36]这一观点的合理性，在未来很长一段时间内，西部开发计划与中部崛起战略仍将作为国家支农政策的重点倾向。

进一步分解可知，各区域的技术效率指数变化均呈上升趋势，上升幅度由高到低依次为“中部—西部—东部”，这可能是因为近年来，随着中、西部开发力度的不断加强以及各项优惠政策的交叉汇聚，使得两区域的支农资金配置效率有所提升，但毕竟先发优势不足，东中西部区域间的差异并不明显。另外，各区域的技术进步指数变化均呈下降趋势，下降幅度由低到高依次为东部、中部和西部，与全要素生产率指数变化趋势一致，由此进一步印证，农业科技投入以及农村金融创新能力不足等问题所带来的技术进步指数下降是致使全要素生产率下降的主要原因，技术进步水平的“拖累效应”较为明显。区域间的差异也反映出，即使中西部地区存在一定的政策优势，但长期以来由于资源禀赋失衡，致使中西部地区的技术创新能力依旧处于劣势地位。综上，各区域在财政金融支农支出的配置结构方面还存在较大的优化空间。

（三）全国各省财政金融协同支农绩效水平的时空差异分析

图2展示了全国30个省份在2010—2019年财政金融协同绩效水平的趋势演变，因各省规模效率整体变化幅度不明显，致使纯技术效率与技术效率指数的变化趋势基本保持一致，故仅对各省的全要素生产率、技术效率和技术进步指数的变化情况做出描绘分析。首先，通过图2可以发现，北京、天津、上海、山东、河南、海南、贵州、云南、甘肃和青海10个省份的技术效率指数基本保持不变，全要素生产率指数的变化趋势与技术进步指数保持一致，说明这10个省份的全要素生产率变化几乎完全来源于技术进步；而浙江、福建、广西以及宁夏四省除个别年份以外，全要素生产率指数变化与技术进步指数变化趋势也基本保持一致，说明这4个省份的全要素生产率指数变化也主要来自技术进步。其次，内蒙古、江苏、江西、重庆、四川和云南6省随着时间的推移，各指数变化逐渐呈平稳态势发展，随着支农政策的不断健全完善，这6个省份的财政金融支农绩效水平也在稳步改善。另外，由图2可以清晰看出，在2014年，山西、内蒙古、吉林、江苏、江西、湖南、广东、重庆、四川、陕西和新疆11个省份的技术效率指数变化明显高于技术进步指数变化，且呈现“两个极端”现象，究其原因，十八大以来，国家进一步加大对三农领域的扶持力度，对支农工作更注重治理和效率，2014年中央一号文件进一步提出完善财政支农政策，健全“三农”投入稳定增长机制，同时进一步深化农村金融体制改革，通过创新农村金融产品和服务方式加大对涉农资金的投入力度，这一时期，财政和金融支农工作处于调整震荡期。

五、财政金融协同支农绩效水平的空间收敛分析

为进一步分析研究我国财政金融协同支农绩效水平的空间分异特征，本文采用[σ]收敛和绝对[β]收敛分析方法进行空间收敛性检验，探讨分析当前阶段支农绩效水平是否存在收敛特性。

（一）[σ]收敛性分析

根据式（4）可求得每年财政金融协同支农全要素生产率的[σ]收敛系数，可根据变化趋势判断是否存在收敛特征（见图3）。总体上，无论是全国、还是东中西部地区，财政金融协同支农绩效水平的[σ]收敛系数都出现不同程度的下降趋势，这表明财政金融支农全要素生产率的增长率存在[σ]收敛，从全国来看，财政金融协同支农绩效水平的[σ]收敛值从0.230下降至0.044，下降了80.87%，呈现明显的收敛特征且系数差异也在逐渐缩小。分阶段来看，2012—2014年间呈发散趋势，财政金融协同支农全要素生产率指数的差距水平突出存在，2011—2012年以及2014—2015年间呈现快速收敛趋势，全要素生产率指数差距水平得以缩小；从整个期间来看，在2015年以前，[σ]收敛系数呈现剧烈波动变化现象，在2015年之后，收敛趋势才得以稳定明显。

分区域来看，西部地区的[σ]收敛系数与全国整体的演变趋势大致相同，说明西部地区的财政金融协同支农的全要素生产率指数差距在全国范围内占据突出地位，直接影响全国整体的收敛态势。其次，西部地区在2011—2015年间的[σ]收敛系数变化趋势较为陡峭，内部差距呈现快速缩小再扩大、继而缓慢收敛的发展趋势，随着西部大开发等一系列倾斜政策的实施，西部地区各方面的发展得以有效改善，稳定发展的势态也得以凸显。另外，东部和中部地区的财政金融协同支农的[σ]收敛系数变化趋势相对平稳，总体来看，内部差距呈缓慢收敛态势。东部地区的地理和经济优势使得其凭借较强的经济辐射和资金汇聚，促使财政金融协同支农绩效水平长期处于稳定发展状态，而中部各省基于自身资源和协同发展策略，在“中部崛起”战略指导思想下，财政金融协同支农效率得以优化，进而呈现出一定的收敛现象。

（二）绝对[β]收敛性分析

如表4所示，从全国整体来看，[β]值为-0.103，且统计意义显著，全国财政金融协同支农绩效呈现[β]收敛状态，相对而言，基期支农效率水平较低的省份在观察期内的增长率水平较高，存在“追赶效应”，各省份之间的支农效率水平的原始差距正在逐步缩小，使得各省趋于稳态均衡发展。另外，绝对[β]收敛检驗模型是一种收敛的横截面模型，为了消除经济周期的影响[34]，将样本期分为2011—2014年和2015—2019年两个时间段进行检验。表中数据显示，两个阶段的回归系数为负，且均通过显著性水平检验，但2015—2019年的回归系数绝对值远大于2011—2014年，说明该阶段财政金融协同支农效率水平较低地区的追赶速度要更快一些。

从各地区来看也都呈现出一定的“俱乐部收敛”趋势。东部地区的β收敛系数为负，且统计意义显著，说明东部各省的财政金融协同支农效率水平呈稳定发展态势，但东部地区的[β]绝对值最小，说明东部地区财政金融协同支农效率水平较低的省份虽然对效率较高的省际单元存在一定的“追赶效应”，但追赶速度相对较慢。东部地区各省份无论是在自然地理条件上，还是在经济社会发展水平上都处于全国领先地位，但通过表3也可以发现，实际上一些传统的东部经济大省的全要素生产率指数及其构成并不一定完全优于中西部省份，区域内部的差异也比较突出。因此，应当均衡区域内部发展条件，促进区域间经济合作的要素流动，缩小区域间的发展差异，加快“追赶速度”，努力实现区域稳定发展态势。

通过检验发现中部地区[β]值为负，且通过了1%的显著性水平检验，说明中部各省的协同支农效率处于明显的收敛状态，且[β]绝对值在三地区中最大，相对东西部而言，中部地区财政金融协同支农绩效水平较低省份的追赶速度最快。在东部经济繁荣发展和西部大开发的双重夹击下，作为“政策洼地”的中部地区，无论是资源禀赋还是政策倾向上都处于弱势地位，中部各省也充分认识到这一发展不足之处，通过充分整合地区资源优势，合理配置财政金融支农资金的使用效率，使得区域内的财政金融协同支农效率正朝向稳定趋势发展。

同样，西部地区的[β]收敛值为负，且通过了1%的显著性水平检验，说明西部各省的财政金融协同支农效率水平呈收敛稳定发展态势。虽然西部地区作为经济比较落后的区域，资源禀赋不足且发展资金较为匮乏，但随着西部大开发的纵深推进以及各种政策的汇集交叉作用，促使西部各省在经济发展、财政金融行为等方面表现出不同程度的空间联动和激励竞争，政策汇聚的空间溢出效应也将缩小各地间的发展差距，从而有效改善提升财政金融支农资金的配置效率，减缓西部各省农业农村发展的约束瓶颈，促进农业生产条件改善和农村经济的发展。

六、研究结论与政策建议

（一）研究结论

本文基于财政金融协同支农视角，运用Malmquist动态指数与空间收敛检验方法，分别从时间和空间维度对2010—2019年中国30个省份的财政金融协同支农绩效的时序演进与空间收敛特征进行了测度与分析。研究表明：（1）全国财政金融协同支农的全要素生产率指数总体呈下降发展趋势，2010—2019年间年均下降4.5%，其中东部地区下降0.5%，中部地区下降2.9%，西部地区下降9.8%，由东到西呈现依次递减的分布状态，空间地域差异较为明显，财政金融协同支农工作任重道远。（2）从指数分解分析，技术进步指数与全要素生产率指数的变化趋势基本保持一致，总体呈现下降的时序演进特征，技术进步指数是当下制约财政金融协同支农绩效的关键因素。（3）全国各地区财政金融协同支农绩效水平都呈现一定的收敛特征，整体支农水平呈稳定态势发展，但地区间的收敛速度呈现明显差异，中部地区速度最快，支农绩效水平较低的省份更具追赶优势。

（二）政策建议

1.创新财政金融协同支农路径，提升协同支农效率。适应市场化机制要求，创新财政金融支农工具与资金管理方式。借鉴政策性农业信贷担保和政策性农业保险等新型财政支农工具的有效经验，拓宽财政支农资金的来源渠道，发挥财政投入的引导作用，可探索发行一般债券和专项债券用于现代农业设施和乡村公共建设，以政府财政信用撬动社会金融资源持续性向三农领域倾斜，缓解政府财政压力。金融支农也要密切关注农民需求和产业动向，创新金融产品设计，因地制宜开发符合农业生产的普惠性金融产品。根据新型农业资金项目，可通过“以奖代补”的方式，争取金融资金的提前介入，弥补财政资金的投入缺口。另外，综合运用财政税收、信贷货币以及金融监管等工具做好政策兜底保障工作，通过财政与金融的有效耦合实现协同支农的良性互动和可持续发展，促进协同支农绩效水平的提升。

2.加强农业科技创新体系建设，提升财政金融协同支农效应。实践证明，技术进步的“拖累效应”是致使财政金融协同支农效率低下的主要原因，实现农业现代化的根源依旧在于农业科技的创新与进步。因此，要继续深入贯彻落实科技兴农战略，重视农业科技成果的转化与落地实施，在合理控制基础设施建设的基础上，要着力加大对农业科技经费的投入，使其在总量和比重上都有所扩张，充分考虑项目研发与人才培养的实际情况，有针对性地出台相应的资金投入政策。同时加强创新资金的使用管理制度，明确资金使用细则，公开资金使用流向，确保公开透明。另外，在科技创新日新月异的时代下，要紧抓机遇，利用数据化鏈接以及大数据管控等方式构建信息资源共享机制，整合财政和金融支农信息资源，建立农业金融信息数据库，逐步形成共建共治共享的良好局面。

3.把握财政金融协同支农的收敛特性，实现区域协调发展。无论立足全国、还是东中西部地区，财政金融协同支农绩效水平都呈现出不同程度的收敛态势，但各区域间的收敛速度却存在一定的差异。因此在制定支农政策时，要立足全局视域，兼顾区域间和区域内的协调性，保证财政金融协同支农政策与当地内在制度的契合，充分体现地区差异性和个体效应，保障各地区支农水平的协同发展。另外，可在不同区域选取财政金融协同支农典型示范区，总结成功经验，强化政策辐射效应和空间联动性，因势利导，促进支农资源和生产要素的跨区域流动，通过相互学习合作以及人才联合培养等方式加快区域“追赶速度”，实现区域间的协调发展。

参考文献：

[1]姜松，曹峥林，王钊.中国财政金融支农协同效率及其演化规律[J].软科学，2013，27（02）：6-11.

[2]MATSUYAMA K.Agricultural Productivity，Comparative Advantage，and Economic Growth[J].Economic Theory，1992，58（2）：317-334.

[3]GRIER K，TULLOCK G.An empirical analysis of cross-national economic growth，1951—1980[J].Journal of monetary economics，1989（24）：259-276.

[4]肖育才，姜晓萍.财政支农支出对城乡收入差距影响的实证研究[J].经济问题探索，2017（11）：35-45.

[5]田卫民.财政投入增长与农民收入份额减少悖论——基于省际面板数据的经验分析[J].农村经济，2014（09）：49-52.

[6]胡青江，陈彤，闫海龙.财政支农支出水平的空间差异与动态演进[J].统计与决策，2022，38（01）：141-145.

[7]王谦，李超.基于三阶段DEA模型的我国财政支农支出效率评价[J].财政研究，2016（08）：66-77，90.

[8]CALDEERON C，SERVEN L.Integrated financial supervision：Lessons of Scandinavian experience [J].Finance Development，2012，7（23）：178-182.

[9]王谦，张兴荣.基于DEA-Tobit模型的财政支农支出效率评价与影响因素——以山东省为例[J].系统工程，2017，35（04）：91-100.

[10]徐合帆，郑军，余家凤，等.乡村振兴背景下财政支农绩效及影响因素分析——以湖北省为例[J].税收经济研究，2019，24（02）：81-90.

[11]陈义林.我国财政支农与金融支农对农民收入的影响——基于VAR模型的实证分析[J].改革与战略，2008，24（12）：87-89.

[12]BEAMANETAL.Conflict Management in the Entrepreneur-venture Capitalist Relationship：An International Comparative Study[D].Helsinki University of Technology working thesis，2014：25-48.

[13]杨德勇，代海川，黄帆帆.数字普惠金融对城乡居民收入差距的门限效应研究——基于不同发展维度的实证分析[J].经济与管理评论，2022（03）：89-101.

[14]徐光顺，冯林.数字普惠金融对城乡收入差距影响的再检验——基于农户人力资本投资调节效应的视角[J].农业经济问题，2022（05）：60-82.

[15]吴刘杰，张金清.基于窗口参比Malmquist指数的农村金融支农效率分析[J].江西社会科学，2019，39（08）：64-74.

[16]JENSEN R.Agricultural Volatility and Investments in Children[J].The American Economic Review，2000，90（2）：399-404.

[17]雷泶，郭苏文.中国区域金融支农绩效水平的实证研究——基于DEA模型的省际差异分析[J].江西社会科学，2016，36（02）：44-49.

[18]张永刚，张茜.基于DEA方法的农村金融效率研究[J].经济问题，2015（01）：60-63，113.

[19]温红梅，姚凤阁，常晶.基于四阶段 DEA 的农村金融效率评价——来自中国县域数据的实证分析[J].苏州大学学报（哲学社会科学版），2014，35（01）：107-112.

[20]石丹，魏华.关于财政与金融协同支农的思考与建议[J].武汉金融，2010（07）：52-54.

[21]赵洪丹，朱显平.农村金融、财政支农与农村经济发展[J].当代经济科学，2015，37（05）：96-108，127-128.

[22]李艳秋，辛立秋，赵孟鑫.财政支农与金融助农促进农民增收的空间溢出和门槛特征[J].地方财政研究，2021（10）：65-71，79.

[23]王永仓.数字普惠金融影响农民收入增长的门槛效应研究[J].金融理论与实践，2021（06）：94-109.

[24]毛德敏，刘维忠.农村金融发展、财政支农投入与农民收入增长关系分析——基于新疆1995—2013年數据的实证研究[J].湖北农业科学，2016，55（13）：3529-3532.

[25]吉富星.财政金融协同支农的研究——基于机制设计理论视角[J].经济研究参考，2014（12）：30-35.

[26]黄寿峰.财政支农、金融支农促进了农民增收吗？——基于空间面板分位数模型的研究[J].财政研究，2016（08）：78-90.

[27]蒋例利，王定祥，苏婉茹.财政金融服务与新型农业经营体系构建的协同性研究[J].重庆大学学报（社会科学版），2018，24（01）：34-45.

[28]李洪侠.乡村振兴视角下财政金融支农协同作用研究——基于DEA-Malmquist和Tobit模型[J].西南金融，2021（07）：14-26.

[29]李克建，董黎明.基于三阶段DEA模型财政支农效率的研究——以安徽省为例[J].重庆科技学院学报（社会科学版），2018（01）：32-36.

[30]彭健.基于三阶段DEA模型的金融支农效率研究[J].海南金融，2014（10）：7-12.

[31]陈苗苗，陈妍妍.财政支农、金融支农促进了农业低碳化发展吗？——基于STIRPAT模型的研究[J].金融发展评论，2022（02）：29-41.

[32]朱萧扬.数字普惠金融发展对城乡收入差距的影响与实证研究[J].商业经济，2022（06）：176-179.

[33]杨琛.中国工业生态效率时空差异及收敛性分析[J].宏观经济研究，2020（07）：106-113，137.

[34]徐孝新，孙自敏，刘戒骄.我国粮食主产区农业高质量发展的区域差异及收敛性分析[J].技术经济，2022，41（02）：86-95.

[35]徐林明，李美娟.动态综合评价中的数据预处理方法研究[J].中国管理科学，2020，28（01）：162-169.

[36]韩占兵.中国区域财政支农与金融支农协同效率水平研究——基于省际面板数据的分析[J].经济与管理，2014，28（04）：56-61.

责任编辑：管仲

Temporal Evolution and Spatial Convergence Analysis of Fiscal and Financial Cooperation in Supporting Agriculture

1Li Yongkun  1Meng Guanghui  1Yin Yingxin  2Sun Yue

（1School of Economics and Management （Business School）， Shandong Agricultural University， Taian，  271000， Shandong， China;

2Agricultural and Rural Bureau of Lanling County， Linyi 277734， Shandong， Chian）

Abstract： This paper uses Malmquist dynamic index and spatial convergence analysis method to measure and analyze the temporal evolution and spatial convergence characteristics of fiscal and financial cooperation performance in 30 provinces of China from 2010 to 2019. The results show that the total factor productivity index of fiscal and financial cooperation for agriculture shows a downward trend， with an average annual decline of 4.5% from 2010 to 2019， and presents a decreasing distribution from east to west， with obvious spatial and regional differences. From the perspective of index decomposition， technological progress index is the main factor leading to the decline of total factor productivity of fiscal and financial cooperation. In addition， the performance level of fiscal and financial cooperation supporting agriculture in all regions in China shows certain convergence characteristics， and the overall level of support for agriculture shows a stable trend of development， but the convergence rate difference between regions is obvious. Therefore， in the process of policy promotion， it is necessary to accurately grasp and actively respond to the needs of agriculture-related market， and innovate agricultural support tools and management methods of agricultural fund. At the same time， we should implement the strategy of rejuvenating agriculture by science and technology， and promote the transformation of agricultural scientific and technological achievements， strengthen the radiation effect of policies， promote the trans-regional flow of factor resources， and achieve regional coordinating development.

Key words： fiscal and financial cooperation to support agriculture; rerformance evaluation; time series characteristics; space convergence

[基金項目]山东省软科学项目（项目编号：2019RKB01611）。

[作者简介]李永坤（1998-），男，山东临清人，硕士研究生，研究方向：农村金融；孟光辉（1976-），男，山东新泰人，副教授，中国社会科学院博士后，研究方向：财政支农与农村金融；尹迎欣（1997-），女，山东肥城人，硕士研究生，研究方向：农村金融；孙越（1996-），女，山东枣庄人，硕士，研究方向：农村经济。

①《中共中央 国务院关于做好2023年全面推进乡村振兴重点工作的意见》。

②本文数据均来自国家统计局公开数据、中国人民银行年报和《中国金融年鉴》统计资料，并经计算所得。