金融支农成效的10年回顾

2018-05-07雷曜张文婷

金融发展研究 2018年3期

雷曜　张文婷

摘要：本文在2007—2017年10年数据的基础上，构建了优化的向量自回归模型PVAR分析四大类涉农贷款和农业经济波动各个变量之间的联动关系以及各类涉农贷款变动对农民收入的长期决定因素和短期动态变化。本文发现，各项涉农贷款余额都是引起农业经济变动的格兰杰原因，而只有农林牧渔业贷款是引起农村居民消费价格变动的格兰杰原因；各项涉农贷款对农业经济变动和农民收入变动都能在短期内产生实际的影响，并且是单向的；全口径涉农贷款对农业经济变动和农民收入变化的贡献明显，贡献度达10.1%和5.26%，金融支农成效显著。

关键词：涉农贷款；农民收入；优化的向量自回归模型

中图分类号：F830.58 文献标识码：A 文章编号：1674-2265（2018）03-0003-09

DOI：10.19647/j.cnki.37-1462/f.2018.03.001

一、引言及文献综述

2007年以来，党中央和国务院推动金融支农的政策力度不断加大，围绕提升农村金融服务的能力和水平，明确了金融机构分类改革、农村普惠金融、涉农资金投放、创新服务产品、发展农业保险、财税重点支持等多项政策框架。总体上看，目前农村金融市场主体的种类大大增加，商业银行、农信社、各类小型信贷机构、合作性金融组织、担保机构、保险企业等都在以各自的方式为“三农”提供金融服务，多元化、多层级的农村金融服务体系已经形成，支持农村金融发展的政策框架也基本成熟。但是农村金融服务的高风险、高成本、信息不对称等固有特征仍没有消除，各地在落实中央农村金融政策时存在一些具体的问题仍待破解。

通过对金融支农顶层设计和相关实践的回顾，我们发现，涉农贷款是金融支农最为重要的渠道之一，也是最为有效的方式之一。自我国2007年创立《涉农贷款专项统计制度》以来，截至2017年9月，全部金融机构涉农贷款余额累计增长399.5%，平均年增速为18.83%。全口径涉农贷款余额从2007年末的6.1万亿元增加至2017年9月末的30.55万亿元，占各项贷款的比重從22%提高至25.6%。从机构布局来看，目前我国已经形成了涵盖银行类金融机构、非银行类金融机构和其他微型金融组织相互补充的多层次、广覆盖的涉农贷款金融服务体系。仅以村镇银行和新型农村金融机构为例，截至2016年末，全国已有1259个县（市）核准设立村镇银行，县（市）覆盖率为67%。全国已组建村镇银行1519家，其中64.5%设在中部地区，村镇银行资产规模达到1.24 万亿元；已累计为352万家农户和小企业发放贷款580万笔，累计发放贷款金额超过3万亿元。截至2016年末，全国已组建的新型农村金融机构93%以上的贷款投向了农户和小企业。全国金融机构空白乡镇从启动时（2009年10月）的2945个减少到1296个；实现乡镇金融机构和乡镇基础金融服务双覆盖的省（含计划单列市）从2009年10月的9个增加到29个。

金融支农问题一直是国内学术界研究的热点，相关研究主要集中于以下几个方面：（1）涉农贷款与农民收入的关系研究。现有文献主要持有两种观点：一是涉农贷款的投入，有利于农村基础设施建设和农业生产技术提高，从而带动农村经济发展和农民收入提高。王建国和牛楠（2013）选取1996—2012年的数据，对易县农村信用社涉农贷款和农民收入相关性进行实证研究。结果表明，涉农贷款投入增加对农民纯收入增长具有促进作用，但是贡献率很低。吴蔚蓝等（2015）也得出了相似的结论。杨正荣和盖振煜（2015）的研究显示，涉农贷款投入增长对农民收入增长具有促进作用，而且其贡献度仍有潜力可挖。二是随着涉农贷款的投入，对增加农民收入的效果并不显著。如夏遨（2017）对涉农贷款及贷款结构对农民收入增长的关系进行实证检验，结果显示，涉农贷款投入加大并不一定能拉动当地农民收入增长。原因在于：一方面，大多数涉农贷款被农户用于维修房屋或生活使用，短时间内并不能起到增加收入的作用；另一方面，涉农贷款的获得者大多为外出务工人员，他们的收入水平取决于固定收入，并不能通过获得贷款的方式得到提高。（2）涉农贷款与经济增长的关系研究。武翠芳（2006）的分析结果表明，农业信贷与农业经济增长之间存在正相关关系，增加农业信贷投入，可以提高农业产出水平。此外，农业固定资产对农业产出也有很大的贡献，因此在增加农业信贷资金投入的同时，也要注意增加对农业固定资产的投入。赵烁等（2012）研究发现，涉农贷款影响农业经济增长的途径包括直接途径和间接途径，涉农贷款的投入数量、质量以及农业生产绩效是涉农贷款影响农业经济增长的三个主要因素。陈琦（2013）对农业信贷、财政支农支出以及两者的交互作用对农业经济增长的影响进行了实证分析，结果表明单纯增加财政支农支出并不能有效促进农业经济增长，农业信贷对农业经济有正影响作用，其与财政支农支出之间存在互补关系。但也有观点认为我国农业信贷与农村经济增长存在明显区域差异，总体上长期均衡关系不明显（裴辉儒，2010）。（3）涉农贷款存在的不足及其完善。张健华（2008）、岳意定（2008）、王爱俭（2009）等研究认为，中国的涉农贷款存在着风险较大、担保体系缺乏、营销成本高等问题。陈素芳（2011）指出，区域差异、机构差异导致涉农贷款业务开展不平衡现象的出现。高飞（2013）指出，县域金融机构在政策上扶持方面存在涉农贷款增量奖励政策作用有限、农村金融税收政策优惠不到位、农业保险保费补贴政策不完善等问题。许玉晓和王家传（2008）认为，要通过构建适合中国的农业信贷制度，为金融机构加大对农业和农村的资金投入提供制度保障。完善农村金融体系，建立健全农业信贷管理制度，确保农村金融机构加大对农村、农业、农民的信贷投入。

本文将研究数据更新至2017年，并采用了长达10年间的时间序列，采用优化的向量自回归模型（Parsimonious VAR，PVAR），对金融支持三农的成效进行考察。

二、涉农贷款变动及投向

涉农贷款按照不同的统计角度总共分为四大类，该部分主要从农村贷款、农林牧渔业贷款、农户贷款和全口径涉农贷款这四个方面对近年来涉农贷款的变动和投向进行分析。

（一）农村贷款

图1显示，2007—2017年农村贷款余额逐年稳步增长，2009年增幅最为明显，同比增长达34.2%。2014年农村贷款余额占各项贷款的比重达23.2%。2009年和2014年中国人民银行先后出台了扩大支农再贷款的发放范围和支持力度、下调相关涉农金融机构的存款准备金率以及优化农村支付体系①等相关政策；财政部也相继出台了对涉农贷款增量地区进行试点奖励、对农村金融机构提供定向补贴资金、涉农贷款营业税优惠②等财税优惠政策，由此可见结构性的货币、财税政策对农村贷款的增长具有一定的促进作用。

（二）农林牧渔业贷款

从图2中可以看出，农林牧渔业贷款余额稳步上升，但增长速度却从2009年开始逐年放缓，最高同比增长率从2009年末的25.2%，下降到2016年末的4.2%，在2017年9月达到6.2%，相比2016年末稍有回升。

值得注意的是，农林牧渔业贷款余额占比逐年下滑，从2007年末最高5.4%，下降到2017年9月末的3.3%。2014年财政部联合林业局出台对林业贷款提供相关补助资金③的政策，当年的农林牧渔业贷款余额占比下滑稍有缓和，说明扶持政策对涉农贷款的支持效果立竿见影，但缺乏可持续性。

（三）农户贷款

图3中可以看出，农户贷款同比增长率在2009年和2013年出现高点，分别为 32.7%和24.5%，财政部和人民银行关于加大对农村妇女的政策支持力度④和拓宽支农再贷款的使用范围⑤等扶持政策收效显著。农户贷款余额占比逐年提升，从2007年末的4.8%上升至2017年末的6.7%。

（四）全口径涉农贷款

图4显示，2007—2017年全口径涉农贷款余额逐年稳步增长，2009年涨幅达32.1%后放缓。2014年全口径涉农贷款余额占比达到28.1%。截至2017年9月末，全部金融机构本外币农村⑥贷款余额24.9万亿元，较2007年末增长393.3%，占各项贷款余额的比重为20.8%，10年间平均年增速为18.76%；农林牧渔业贷款余额3.9万亿元，较2007年末增长161.2%，占各项贷款余额的比重为3.3%，10年间平均年增速为11.58%；农户贷款余额8.0万亿元，较2007年末增长493.7%，占各项贷款余额的比重为6.7%，10年间平均年增速为20.19%；全口径涉农贷款余额30.5万亿元，较2007年末增长399.5%，占各项贷款余额的比重为25.6%，10年间平均年增速为18.83%。

三、数据结构及实证检验

（一）样本和数据

1. 涉农贷款的数据按统计口径不同主要分为农村贷款（RL）、农林牧渔业贷款（AFHF）、农户贷款（FL）和全口径涉农贷款（FAL）。本文主要检测这4个变量与农民收入、农业经济增长的正相关性。数据选自《中国农村金融服务报告》。

2. 涉农贷款主要服务于农林牧渔等产业，这些产业统称为第一产业，因此，使用第一产业累计值（AGDP）作为衡量农业经济增长的主要指标，数据来自万得资讯。

3. 本应选取农村居民人均可支配收入（IR）作為农民收入的指标，但由于统计口径在2013年进行了更改，导致2007—2017年该数据不平稳，无法进行时间序列数据的相关模型检验，故采用农村居民消费价格指数进行替代。但后文单独考察2013年3月至2017年9月情况时，使用农村居民人均可支配收入数据，数据来源于中国经济数据库（CEIC）和国家统计局官网。农村居民消费价格指数（RCPI，上年=100）是反映一定时期内农村居民家庭所购买的生活消费品价格和服务项目价格变动趋势和程度的相对数，数据来自国家统计局和东方财富网。

由于涉农贷款专项统计自2007年9月开始实施，本文数据样本时间选择2007年至2017年9月末；考虑到时间数据的匹配性和可得性，本文协整关系检验（Johansen Cointegration Test）中包含的时间范围为2013年3月末—2017年9月末。图5为该样本区间内各项涉农贷款的波动图。

（二）单位根检验

用ADF方法对各个变量进行单位根检验，检验结果如表2。可以看出，各个变量取自然对数后，除农村居民消费价格指数LRCPI外其他变量都不能拒绝原假设，都是不平稳的，但一阶差分后数据是平稳的。

（三）主要变量的因果关系检验

表3中显示的是四大类型的涉农贷款分别对农业经济和农村居民消费价格的格兰杰因果关系检验结果。格兰杰因果关系检验结果显示，在1%的显著水平下，农村贷款、农林牧渔业贷款和全口径涉农贷款是引起农业经济变动的格兰杰原因；在5%的显著水平下，农户贷款是引起农业经济变动的格兰杰原因；而只有农林牧渔业贷款是引起农村居民消费价格变动的格兰杰原因。总体看，涉农贷款对我国农业经济增长存在单向因果关系，仅农林牧渔业贷款对农民收入消费存在单向因果关系。

（四）Johansen协整关系检验

考虑单位时间数据的匹配性和可得性，将继续对2013年3月末到2017年9月末涉农贷款与农业经济增长、农村居民人均可支配收入的季度数据进行Johansen协整关系检验。

1. 模型建立。假设[Yt]为各个主要变量的矩阵，[Wt]为各个主要变量的一阶滞后项矩阵，t是指本文数据涉及的观测时间，则向量自回归模型（VAR）可表述为：

2. 协整检验。

根据AIC准则确定滞后阶数为1。AR根检验表明模型的系统是平稳的。

选择1阶滞后，检查Unrestricted VAR模型中的I（1）cointegration 发现秩为3。用Johansen协整检验估计非线性VAR（3）找到主要变量之间的关系。选用trace test对残差的非正态性和最大特征值进行对比。检验结果见表4。

表4中，[β]表示长期协整关系系数，[α]表示回馈系数⑦，即短期调整偏差使之回到长期均衡的协整关系的速度。[H1]假设协整关系方程中不含有趋势项，结果显示概率为0.2102，则未拒绝原假设，说明协整方程中可以不含有趋势项。[H2]假设检验变量[FALt]=[RLt]在所有变量之间的长期关系，结果显示，在5%的显著水平下[H2]的假设被拒绝，说明农村贷款和全口径涉农贷款这两项贷款虽然统计口径存在交叉的情况，但是无法互相替代，并不存在重复统计的情况。[H3]假设检验变量[AGDPt]=[IRt]，且Trend=0在所有变量之间的长期关系，结果显示[H3]假设被接受，说明农业经济增长和农民收入呈正向关系，因此本文继续对[Y't=[FALt，AGDPt，FLtIRt，AFHFt，RLt]] 进行长期同质性协整关系检验。

（五）长期协整关系检验结果

结合上文的限制性假设检验的结果，本文发现协整系统中至少存在3个线性协整向量。结合Johansen协整检验和Juselius（2006）的建模方法，协整向量会有以下平稳的协整关系

以上三个协整方程显示了本文主要变量之间协整关系假设检验的结果。可以看出，全口径涉农贷款的协整系数[β]是正向显著的，并且与第一产业GDP和农民收入的[β]系数是同向的，这说明全口径涉农贷款和农业经济变动以及农民收入具有一定的长期联动性。农户贷款和农林牧渔业贷款的[β]系数均是负向显著，说明长期全口径涉农贷款与农户贷款和农林牧渔业贷款呈反向关系，即全口径涉农贷款长期的增长并不一定会导致农户贷款和农林牧渔业贷款的增长。同样，在第一产业GDP变化的方程中和农户贷款的方程中，第一产业GDP与全口径涉农贷款呈同向关系，说明全口径涉农贷款的确对农业经济增长具有一定的贡献。

（六）优化的向量自回归模型

将长期关系方程[CIa]、[CIb]和[CIc]作为误差修正项用来估计差分变量的误差修正模型（VECM），采用全信息极大似然值法（FIML）估计模型，可以去除协整系统中的非显著变量，从而得到优化的向量自回归模型（PVAR）。最优化的短期误差修正模型VECM的估计结果显示如表6。

在全口径涉农贷款的波动方程中，第一产业GDP和农民收入的一阶滞后项都显著，并且农民收入系数在1%的水平下是正向显著的。这与前文的VAR的结果相类似，说明全口径涉农贷款与第一产业GDP和农民收入的联动非常紧密，在短期内就会影响农业经济和农民收入的波动。接下来通过脉冲响应和方差分解进行进一步分析。

（）中表示标准差，[]中表示概率。

（七）脉冲响应

本文中选择数据频率为季度数据，对脉冲响应的滞后期选4期。

1. 涉农贷款与第一产业GDP变动的相互影响。图6中A1和A2分别描述全口径涉农贷款的变动冲击对第一产业GDP的单位脉冲响应和累积脉冲响应；图B1和B2分别描述农林牧渔业贷款的变动冲击对第一产业GDP的单位脉冲响应和累积脉冲响应；图C1和C2描述农户贷款的变动冲击对第一产业GDP的单位脉冲响应和累积脉冲响应；图D1和D2描述农村贷款的变动冲击对第一产业GDP的单位脉冲响应和累积脉冲响应。图E1和图E2至图H1和图H2分别描述第一产业GDP的变动冲击对四类涉农贷款的单位脉冲响应和累积脉冲响应。

首先，对比图6中的前8组图与后8组图，不难发现四类涉农贷款的变动冲击对第一产业GDP的变动都会有响应，反之第一产业GDP的变动冲击却对四类涉农贷款没有响应，这与前文中因果关系检验的结论相一致，即涉农贷款对我国农业经济变动存在单向影响。其次，全口径涉农贷款、农户贷款和农村贷款对第一产业GDP带来的是负向冲击，譬如给[?FALt]1个单位的冲击后，第一产业GDP在第1个季度会有一个回落，但在随后的季度内迅速反向调整，直到第4个季度后逐渐平稳。从累积响应中可以看出，全口径涉农贷款、农户贷款和农村贷款对第一产业GDP长期是负向冲击。最后，明显对第一产业GDP带来直接正向冲击的是农林牧渔业贷款，若给[?AFHFt]1个单位的冲击后，会导致第1个季度的第一产业GDP直线上升，直到第3个季度才逐渐回落，同样累积响应中显示，[?AFHFt]1单位的冲击会导致第一产业GDP从第1个季度开始就直线上升，并长期保持正向响应，说明农林牧渔业贷款对农业经济具有立竿见影的推动作用。

2. 涉农贷款与农民收入变动的相互影响。图7中，图A1至D2分别描述全口径涉农贷款、农林牧渔业贷款、农户贷款和农村贷款的变动冲击对农民收入的单位脉冲响应和累积脉冲响应；图E1至图H2分别描述农民收入的变动冲击对四类涉农贷款的单位脉冲响应和累积脉冲响应。

对比发现，四类涉农贷款的变动冲击对农民收入的变动都会有响应，然而农民收入的变动冲击对四类涉农贷款则没有什么响应，说明涉农贷款对农民收入变动能在短期内产生实际的影响，并且是单向的。研究涉农贷款对农民收入的影响，发现全口径涉农贷款、农户贷款和农村贷款对农民收入带来的是正向冲击，只有农林牧渔业贷款[?AFHFt]产生1个单位标准差的冲击会对第1个季度的农民收入产生1个负向冲击，第2个季度达到顶峰，到第3个季度该冲击逐渐回落至平稳。累计响应中显示，农林牧渔业贷款对农民收入带来的冲击使农民收入在第2个季度达到顶峰然后逐渐回落至平稳。

（八）方差分解

对主要变量预期误差的方差进行分解，衡量PVAR模型中每1個结构冲击对内生变量变化的贡献程度。各个主要变量的方差分解关系描绘如图8，滞后阶数选取的是6。

可以看出，四类涉农贷款对第一产业GDP贡献度均不超过20%，其中贡献度占比最高的是全口径涉农贷款，达10%左右。同样，四类涉农贷款对农民收入的贡献度不超过10%，其中贡献度占比最高的涉农贷款仍然是全口径涉农贷款。第一产业GDP对农民收入的贡献度达90%以上，占比最高。第一产业GDP和农民收入变化的方差分解结果显示如表7。

从表7中可以看出，在四类涉农贷款中，全口径涉农贷款对农业经济变动和农民收入变动的贡献度是最高的，且远远高于其他贷款。全口径涉农贷款对第一产业GDP变化的贡献度在第1个季度就达到了8%，并且在第3个季度超过了10.1%；对农民收入变化的贡献度在第1个季度就达到了4.28%，在随后的第3个季度达到了5.26%，说明全口径涉农贷款对农业经济的变化和农民收入的变化的影响持续增加。

四、结论与政策建议

本文通过优化的向量自回归模型PVAR分析了四类涉农贷款和农业经济波动各个变量之间的联动关系，以此考察涉农贷款在支持“三农”发展方面的积极成效。（1）从实证结论看，人民银行结构化政策工具在促进农民收入和农业经济增长方面有着积极效应。（2）通过脉冲响应函数分析发现，涉农贷款对我国农业经济变动存在单向影响，农林牧渔业贷款对农业经济的增长有着立竿见影的效果。（3）对各项涉农贷款对农民收入波动的影响分析发现，各项涉农贷款对农民收入变动在短期内产生实际的影响，并且是单向的。（4）方差分解分析发现，各项涉农贷款对农业经济变动和农民收入变化的贡献度较明显，其中贡献度占比最高的是全口径涉农贷款。

综上研究，涉农贷款支持“三农”发展的成效是显著的和积极的。下一步，相关部门应进一步加大结构性政策的使用力度，进一步提升涉农贷款投放的合理性和精准性，提高涉农贷款使用效率。

注：

①详见银发[2009]38号文件和银发[2014]42、65、69、90、117、133、235、396号文件。

②详见财金[2014]4、12、号文件和财税[2014]5、102号文件。

③详见财农[2014]9号文件，该政策是对财农[2009]291号文件的延续。

④详见财金[2013]84号文件。

⑤详见银发[2009]38号文件、银发[2013]58号文件。

⑥县及县以下。

⑦表中未全部显示α的结果，这里不影响结论。

参考文献：

[1]Hasbrouck， J. 1991. Measuring the information content of stock trades. Journal of Finance no. 46 （1）.

[2]Sims， Christopher A. 1980."Macroeconomics and Reality. Econometrica no. 48 （1）.

[3]Johansen， S?ren. 1995. Likelihood-based inference in cointegrated vector autoregressive models， Advanced texts in econometrics. Oxford ； New York： Oxford University Press.

[4]Juselius， K. 2006. The cointegrated VAR model： methodology and applications： Oxford University Press， USA.

[5]Demiralp， S.， and K.D. Hoover. 2003. Searching for the causal structure of a Vector Autoregression. Oxford Bulletin of Economics and statistics no. 65.

[6]Hendry， D.F.， and H.M. Krolzig. 2001. Automatic econometric model selection using PcGets 1.0： Timberlake Consultants.

[7]Brooks， Chris. 2008. Introductory econometrics for finance. 2nd ed. Cambridge England，New York：Cambridge University Press.

[8]Hendry， D.， and M. Krolzig. 2004. The properties of automatic Gets modelling. NYU Working Paper No. SC-CFE-05-03.

[9]Hendry， D.F.， and J.A. Doornik. 1994. Modelling linear dynamic econometric systems. Scottish Journal of Political Economy no. 41 （1）.

[10]Zhang，Zhichao， Frankie Chau，and Wenting Zhang. 2012. Exchange rate determination and dynamics in China： A market microstructure analysis. International Review of Financial Analysis：Forthcoming.

[11]中國人民银行农村金融服务研究小组.中国农村金融服务报告2016[R].2017，（1）.

[12]刘晓晨.涉农贷款分类管理及政策支持机制研究[D].山东农业大学硕士学位论文，2010年.

[13]韩国强.甘肃农行涉农贷款风险管控问题研究[D].兰州大学研究生学位论文，2011年.

[14]吕植培.广西农村信用社涉农贷款发展研究[D].广西大学研究生学位论文，2012年

[15]中国人民银行.涉农贷款专项统计制度，银发2007，246号.

[16]韩国强.甘肃农行涉农贷款风险管理问题研究[D].兰州大学研究生学位论文，2011年.

[17]杨凤琪.浅议涉农贷款增量奖励政策的完善[J].财政监督，2013，（11）.

[18]王爱俭.扩大农村金融有效供给关键是大力发展“草根金融”[N].金融时报，2009-03.

[19]陈素芳.河北省银行业涉农贷款现状分析及监管对策[J].河北金融，2011，（2）.

[20]高飞.加大涉农贷款财政扶持[J].中国金融，2013，（1）.

[21]张健华.中国农村多层次信贷市场问题研究[M].经济管理出版社，2009.

[22]许玉晓，王家传.农业信贷有效供给与制度创新研究[J].生产力研究，2008，（2）.