农业政策性金融信贷业务对农民收入的影响

常健聪，康晖鋆

(1.上海建桥学院 商学院，上海 201306；2.上海海洋大学 经济管理学院，上海 201306)

农业的发展需要农村金融的支持。农业政策性金融信贷业务是以政府资金支持，以国家信用为基础，以偿还和付息为条件的金融手段。通过央行给予农发行优惠的贷款利率，依照国家相关明文规定，以发展农业农村经济作为主要任务，体现了国家对三农的经济支持和政策扶持[1]。

农业政策性金融信贷与三农发展存在密切关联，部分学者认为农业政策性金融信贷对三农发展有促进作用。贾立等[2]利用实证模型得出结论认为，我国农业政策性金融信贷业务能够有效支持农业经济发展，使农产品增产，对农村经济的发展以及农民收入水平的提升具有积极作用。黎翠梅等[3]利用面板数据模型实证了农业政策性金融信贷对农业粮食高产区的农产品增产是具有明显促进作用的。陆强[4]利用实证模型得出农业政策性金融信贷能有效减少农村资本的外流现象，吸收城市资本来反哺农村经济，对农产品增产显著但是仍然存在金融弱化现象。李静[5]通过面板数据模型发现农业政策性金融信贷对农村经济增长有明显的促进作用，但是还需完善农业政策性金融信贷的体制结构。

部分学者认为，农业政策性金融信贷并不具备显著的正向作用。张杰[6]发现，在人均收入较低的国家，政府部门要更多地承担责任。虽然在信贷上给予了农业极大的支持和帮助，但往往政府提供的低息贷款对农业发展的效果不是十分明显。邓家顺[7]认为，农发行虽然有农业、农村方面的中长期信贷类业务，但是农业政策性金融贷款并不是直接贷款给农民，其对农民收入的促进效果并不是十分显著。

本文拟通过对农民收入的变量进行研究。由于农民收入是衡量农民生活水平的一种重要指标。农业政策性金融信贷是否对农民收入提高有所帮助是本文研究的重点。本文通过1995—2018年的数据，建立VAR模型进行实证研究，从全国宏观的层面研究分析农业政策性金融信贷对农民收入的影响。

1 数据来源与变量选择

中国农业发展银行于1994年成立，数据的搜集存在条件性的限制，所以本文选取1995—2018年度数据，数据来源于《中国农业发展银行统计年鉴》《中国统计年鉴》与中经网统计数据库。

本文参照李尧[8]的方法，采用农业发展银行吉林省分行贷款余额来表示吉林省农业政策性金融信贷对农业产出的资金投入，选取中国农业发展银行总的贷款余额作为第一个解释变量，代表农发行总贷款，用x1表示。

为了增加数据的可信性以及全面性，借鉴张钰[9]的方法，用农民人均农业贷款计量农业贷款。本文用农发行总贷款余额除以农村常住人口得到农民人均贷款余额作为第二个解释变量。因为农发行信贷业务不直接作用于农民，这个指标解释为农发行通过作用机制即不同信贷业务使农民个体受到的信贷扶持，代表农民人均贷款，用x2表示。

控制变量选取农林牧渔业总产值代表农村经济发展水平指标。农林牧渔业总产值包含了农林渔牧多个产业，能准确地体现农业产出的真实水平，用x3表示。

最后被解释变量为农民收入，农民收入是指当年农村居民通过各种途径取得的总收入。农民收入能够有效反映农民生活发展水平质量。本文以中国农村居民年人均纯收入(2013年起改为农村居民人均可支配收入)作为被解释变量，记作x4。为了消除异方差，对相关数据取对数，分别为lnx1、lnx2、lnx3、lnx4，所有数据全部采用Eviews软件处理。

2 实证分析

2.1 数据平稳性检验

用ADF单位根检验法对相关数据进行平稳性检验。由表1可知，lnx1、lnx2、lnx3、lnx4的ADF统计量，经过检验发现，序列有单位根，说明序列非平稳。之后采用差分法，一阶差分后经过检验，数据非平稳。之后对二阶差分后的数据ADF值进行检验，其结果显示了差分后各数据的ADF统计量。经二阶差分处理后的数据均小于显著性1%的临界值，认为拒绝原假设，符合数据平稳性要求。

表1 数据平稳性检验结果

2.2 VAR模型的设定

表2 滞后阶数选择

图1 单位根检验

2.3 协整关系检验

采用Jo-hansen协整检验分析方法可以检验这4个变量之间是否存在长期的协整关系。根据VAR模型滞后期的选择，确定最优滞后阶数为3。协整关系检验表3说明在样本期间农林牧渔业总产值、农发行总贷款、农民人均贷款以及农民收入之间至少存在1个长期的协整关系。

表3 协整关系检验

2.4 脉冲响应分析

脉冲响应函数的理论依据是能够反映在某个误差项变动时系统所受的具体影响，从而揭示模型中变量之间动态相互作用过程[10]，能了解各变量对其他内生变量冲击的响应。

因为农业政策性金融信贷没有直接作用于农民个人的信贷业务，所以首先描述农业政策性金融总贷款对农民收入的冲击影响。从第1～4期农业政策性金融总贷款对农民收入的冲击逐渐提高，之后开始逐渐降至第10期的最低点。其次描述农民人均贷款对农民收入的冲击影响，从第1～9期农民人均贷款对农民收入的冲击逐渐变大，当到达第9期的时候即到达最高点。最后可以看到，农林牧渔业总产值对农民收入的冲击一直是正向的，且较为稳定(表4)。

表4 脉冲响应函数分析

农业是一项长期的生产活动，具有弱质性以及周期性。研究结果表明，当大量资金投入农业产业，短期时间内农民收入会提高，但因农发行信贷业务不是直接作用于农民个体，所以农业政策性金融总贷款对农民收入的作用极为有限。

农业政策性金融信贷业务主要是借贷与农产品的收购。农产品收购贷款保障了农产品市场价格的稳定，农产品价格不会出现明显波动，给予农产品稳定的销售渠道。综合来说，农业政策性金融信贷业务还涉及农村基础设施建设项目、农业科技项目、农业企业贷款项目。农业政策性金融信贷业务如果能够拓展业务范围，或者强化内在作用机制，使这些信贷业务直接作用于农民个体，那将对农民收入产生积极的正向影响。

2.5 方差分解

在VAR模型中，方差分解不仅是一个样本期间外的因果关系可以检验，而且将每个变量的单位增量分解为一定的比例，从而了解自身的发展原因和其他相关变量的贡献，可用于研究分析模型的动态变化特征。方差分解可进一步判断农业政策性金融总贷款、农民人均贷款、农林牧渔业总产值对农民收入的影响。

从预测方差分解结果(表5)分析表来看，农业政策性金融总贷款从第1～9期的贡献度呈下降态势，最后稳定在3.751 560%。由此可以看出，农业政策性金融总贷款随着时间的推移，其贡献度也在不断下降。变量中，农民人均贷款对农民收入的贡献度很大。从第1～10期农民人均贷款贡献率逐渐升至91.263 850%，若是农发行信贷资金能够彻底被农民个体吸收作用，那将会对农民收入产生深刻的影响。最后可以看到，农林牧渔业总产值对农民收入的贡献度很低。因为本文只有4个变量，其内在原因还值得深入探讨。

表5 预测方差分解

农业政策性金融贷款包括农业企业贷款、农业科技贷款和农业基建贷款，但是农发行缺少对农民的小额信贷业务，导致农发行信贷无法通过直接针对农民的信贷业务促进农民增收。

3 小结与讨论

农业政策性金融信贷业务若是通过机制作用于农民个体，使农民受惠，那么对农民增收的效果会更显著。迄今农业政策性金融信贷业务的范围较为狭窄，很少直接作用于农民，农民个体无法直接向农发行借贷。农业政策性金融信贷对农民收入的影响并不是直接作用于农民，而是通过间接手段支持农民收入提高，支农效用在这个间接机制中不断消耗。通过以上研究，本文提出几项建议进行讨论。

是否能够继续扩大信贷业务范围，增加农业政策性金融信贷的受惠面积。多元化多层次进一步完善支农作用，多渠道促进农民收入增长。目前农业政策性金融贷款主要经营范围还是农产品的收购，农产品的收购有效保障了农产品价格的稳定。同时，农发行大多借贷于农业产业化龙头企业、农村基础设施建设、农产品收购等大型项目，对农业中小企业和地方企业的关注度及支持力度都远不够。应适当放宽贷款资格条件，有效促进乡镇企业的壮大，应增加对农业科技、农村基建长期性项目的投资。这些项目支农效用不会是立竿见影的，但功在当代，利在千秋。长期性的技术进步将有效提高农民的生产效率，从而促进农业增效，提高农民收入。

农业政策性金融是信贷市场的补充器，其信贷业务的完善是一个在调整变化中不断改善的过程，而不是单单拓宽信贷范围、拓展农民的信贷渠道。提高对农业生产的支持力度，还需要不断根据三农整体发展情况，发挥自身低息贷款利率的优势，在相关政策调控及引导下，及时调整农业政策性金融信贷项目及信贷规模，从而更好地为三农服务。