农村金融发展区域差异及影响因素研究农村金融区域发展差异及其影响因素

农村金融发展区域差异及影响因素研究农村金融区域发展差异及其影响因素

一、主要任务和任务2013年国家一号文件再次集中在三个农业问题上。在文件中，农村金融服务的改善被提到了现代农业发展的主要任务。随着现代农业的快速发展,农户、乡镇中小型企业以及各种形式的农民合作经营主体对发展资金的需求也日益增长,农村金融的发展承载了更多服务农业发展的社会责任我国是一个农业大国,涉农人口众多,根据第六次全国人口普查,我国居住在乡村的人口达到67415万人,占比50.32%二、相关文献一般(一)排除构建计量模型20世纪50年代,金融地理学开始作为一个经济学分支出现在研究领域,为金融问题研究提供了新的思路。早期金融地理学的研究范围主要包括金融的区位选择、金融排斥问题以及货币地理问题鉴于直接选取金融发展指标进行区域间比较,只能对农村金融差异的局部进行度量(如金融规模、金融效率等),并不能综合反映农村金融区域发展差异的程度,在此排除直接指标对比法;另外本文研究的侧重点在于对农村金融区域发展差异现状的度量,而对农村金融区域发展差异的收敛性、未来进行趋势等不作过多考究,因此排除构建计量模型的方法;泰尔指数方法作为衡量个人或区域间差异的指标被众多学者所引用,其最大优点在于可以衡量组内差距和组间差距对总差距的贡献,因此本文选用泰尔指数方法对农村金融区域发展差异进行度量,以考察我国农村金融区域间差异、区域内差异以及二者对总差异的贡献。(二)影响区域金融发展差异的因素现阶段对区域金融发展差异的影响因素的研究大多基于20世纪中期产生的金融发展理论。Gurley和Shaw综合国内外学者的观点,区域金融发展差异的影响因素主要体现在以下几个方面:区位地理因素、经济发展因素、制度因素和政治因素等。由于农村金融市场特征与通称的金融市场特征差异较大,因此本文在模型中加入市场因素,最终模型中将区域金融发展差异的影响因素主要设定为四个方面:区位发展因素、经济发展因素、政治因素和市场因素。三、基于熵的立地指数值结合前文的分析,本研究选用泰尔指数对我国农村金融区域发展差异进行度量。泰尔指数的基本形式设定如下:其中TL为泰尔指数值,CD全国的泰尔指数值为:TL=TL式中下标E、C、W分别表示东、中、西部地区。泰尔指数是基于熵进行的运算,可以有效反映个体之间的差异性。泰尔指数的值越大,表明个体之间的差异越明显。表1为衡量2002—2011年间农村金融区域发展差异的泰尔指数值。整体来看,总体差异的泰尔指数值均高于0.314,高于国内学者用同样方法测算的全国区域金融发展差异的泰尔指数值(均值为0.15)四、影响农民和村金融区发展差异的因素由于我国农村金融形式单一,其表现形式主要是农村存贷款,借鉴国际通用的衡量金融发展水平的方法(一)静态面板模型构建本文借鉴国内外学者的研究成果,将农村金融区域发展差异的影响因素分为四个方面:区位发展因素、经济发展因素、政治因素和市场因素。区位发展因素包括地区教育水平、地区商品交易效率和地区信息化水平。其中地区教育水平由地区人均受教育年限表示,计算方法采用万广华、陆铭和陈钊基于以上分析,我们构建如下静态面板数据模型:其中FIR为金融相关比率,Edu为地区教育水平,K另外,上述静态模型的假设是基于被解释变量随着解释变量的变动及时完全变动,而未考虑到滞后因素。鉴于农村金融业的发展可能存在一定的惯性效应,因此将滞后因素纳入模型中是必要的,而引用动态模型将能较好地解决模型中滞后因素缺失的问题。因此,我们构建如下动态调整模型:其中FIR(二)数据的描述性统计本文使用STATA11.0SE统计软件对各变量进行数据分析。由于西藏和重庆的部分数据缺失过多,因此本文筛除这两个样本,样本量共计290个。在计算过程中,各变量的单位均按照国家统计局标准单位进行了标准化处理。各变量的描述性统计如表2所示。为检验模型是否存在多重共线性问题,本文计算了各变量的Pearson相关系数(如表3所示),发现各变量间相关系数均较低,在此基础上我们计算了解释变量的方差膨胀因子(如表4所示),发现全部小于10,说明模型中并不存在多重共线性的问题。2.异方差性研究表5报告了模型1~5的估计结果,模型1和模型2分别为静态回归模型中的固定效应模型和随机效应模型。固定效应模型中,F检验结果显著,表明固定效应模型优于混合OLS模型;随机效应模型中,通过BreuschandPagan检验结果显著,表明随机效应同样非常显著。由于随机效应模型要求文中解释变量与个体效应相关,而固定效应模型要求解释变量是严格外生的,因此构造一个统计量判断个体效应和解释变量是否相关即可作为应选用何种模型的依据。本文使用国内外通用的Hausman检验方法检验文中适合使用何种模型,检验结果显示协方差矩阵是非正定的,因此Hausman检验结果不能作为评判标准。通过固定效应和随机效应模型的实证分析结果,发现除了K通常,面板数据有可能存在异方差和自相关问题,本文使用Wooldridge检验对模型自相关问题进行检验,结果接受原假设,说明模型的自相关问题不明显。另外,我们用似然比检验对异方差问题进行了检验,结果显示,异方差问题较为严重。为消除异方差问题,本文使用广义最小二乘法(FGLS)对模型进行估计,以修正异方差问题。结果显示,对数似然值和Wald检验均显著,说明模型拟合效果较好。根据模型3的估计结果,解释变量的估计均在1%程度上显著,说明地区教育水平、地区商品交易效率、地区信息化水平、地区政策支持和金融市场交易效率对金融相关比率都有显著影响,地区经济发展水平则对金融发展有微弱的反向作用,这可能与以下两个因素有关:一是农业自身的弱质性带来的对经济增长的作用不明显,据测算,我国第一产业贡献率自1990年开始逐步下降,至2012年已降至10%以下,同时第二第三产业发达的地区第一产业占比降低,发展缓慢,因此导致了地区经济发展水平因素对金融发展的反向作用模型4和模型5分别运用两种动态面板数据模型估计方法对动态调整模型进行了估计。由于金融发展存在一定的滞后效应,本文将金融相关比率的滞后一阶引入方程解释变量中进行分析,滞后项系数体现了现有农村金融发展水平对下一期农村金融发展水平的影响程度。对于动态面板模型,需满足残差项不能存在二阶序列相关的假设,因此本文使用ArellanoandBond检验对二阶序列相关进行检验,结果显示两种模型均通过检验,不存在二阶序列相关。另外,对于GMM估计的有效性还需检验其工具变量的有效性,通常采用Sargan或Hansen检验来识别,由于本文工具变量少,且数据为短面板,使用Hansen检验较为适合。结果显示,差分GMM估计在10%程度上未能通过检验,而系统GMM模型估计通过检验,因此本文认为系统GMM估计是有效的。由于金融发展存在一定的惯性,上一期的金融发展程度对本期金融发展的影响通常是正向的,受金融发展规模、金融发展效率等的影响,金融发展程度越高的地区金融发展的速度越快,因此滞后项的回归系数应该为正。从模型5可以看出,FIR总结上文可以发现,四个因素(区位发展因素、经济发展因素、政治因素和市场因素)对农村金融区域发展均有显著影响,其中经济发展因素对农村金融发展有反向影响,国内学者对整体金融市场的研究结论则与其恰好相反,这与农村金融市场的特殊性有一定的关系,农业的弱质性和长期的资金外流使得农村经济的发展未能很好地带动农村金融的发展,随着地区经济增长以及储蓄水平和消费水平的提高,农村贷款率反而没有相应的增长,由此导致经济发展因素对农村金融发展呈现微弱的反向影响;地区教育水平、地区商品交易效率、地区信息化水平、地区政策支持和金融市场交易效率对农村金融区域发展有显著的正向影响。五、农村金融发展水平本文选取我国29个省(市、自治区)的数据,运用泰尔指数对我国农村金融区域发展差异进行了度量,并在此基础上运用静态和动态面板数据模型对农村金融区域发展差异的影响因素进行了实证检验。基于以上研究,本文得出以下结论:第一,我国农村金融区域发展差异普遍存在,三大区域的差异水平较为均衡;从差异分解的情况来看,区域间差异远小于区域内差异,区域内差异在一定程度上决定了总体差异的水平。第二,静态面板模型的结果显示,地区教育水平、地区商品交易效率、地区信息化水平、地区政策支持和金融市场交易效率对金融相关比率均有影响,地区经济发展水平对金融发展有微弱的反向作用,这与农业的弱质性和农业资金外流有一定的关系。第三,动态面板模型的结果显示,上一期的农村金融发展水平对本期的农村金融发展影响是非常显著的,这表明,地区农村金融发展的差距可能会出现越来越大的现象,国家应该通过制定相应的政策对此现象进行宏观调控,防止差异扩大。因此,本文提出如下政策建议:第一,通过鼓励正规金融组织进入农村市场、扶持民间新型金融组织(如资金互助社、贷款公司等),提升农村金融发展的水平。第二,促进地区经济发展水平和区位发展水平的