基于GMM模型的农业贷款减贫效应分析

摘 要：本文首先从理论上分析了农村贫困问题难以解决的原因，贫困消除的方法以及金融减贫效应的作用机制，采用动态面板数据来分析以农业贷款为代表的农村金融的减贫效应。利用stata13.0、Eviews7.0进行计量经济学实验操作，通过分析两种GMM的测试结果得出农业贷款量与农村贫困水平指标之间的关系，为今后的有关研究提供借鉴。同时，根据所得的计量结果，结合环渤海地区各省份（直辖市）农村的具体情况，提出合理可行的农村金融减贫建议。

关键词：农业贷款  减贫效应  GMM模型  混合OLS回归

中图分类号：F830.5 文献标识码：A 文章编号：2096-0298（2020）04（a）-03

环渤海地区是我国重要的经济地带，它既包括我国的政治中心北京，也包括我国重要的港口天津，还包括我国三个农业大省河北、山东、辽宁。近年来国家的“京津冀协同发展”等计划明确指出要把环渤海区域打造成比肩于长三角和珠三角的中国经济第三极。环渤海地区的五个省份，人口数量巨大，除两个直辖市外，均存在大量的农村人口，这其中贫困人口数量众多，农民贫困问题亟待解决。此外，农村人口对金融知识的认知水平有待提高，对于农村金融风险多采取回避态度，他们大多采取的金融活动只有存款，因此，鼓励与引导他们充分利用闲散资金进行多种金融活动成为农民减贫的重中之重。目前，金融减贫已成为全国各省市普遍采用的一种减贫模式，它不仅可以吸收闲散资金、鼓励农民自主创业，实现“钱生钱”，还可以充分调动资金流动，使得农村资金与城市资金“接轨”，活跃资本市场，为中国经济注入了新鲜血液，对全面建设小康社会的目标实现具有重要的作用。本文立足于金融工作起步较晚、金融观念较落后的农村，对其减贫具有一定的实际和理论价值。

通过国内外学者对农村小微金融的实证研究对比可以发现，国外多采用国际间的数据，而国内多采用国内的省际、县际数据，但是研究结论如出一辙，大部分人认为农业贷款对减贫有促进作用，少部分人认为影响微弱，减贫还是要靠其他方面的力量。我国制度比较特殊，地域发展不均衡，选取的样本若存在差异，则研究结论可能也不尽相同。本文选取环渤海经济区，结合我国的具体情况，以跨越20年的五省动态面板数据为样本进行分析。此外，选取有针对性的指标，以农村农业贷款量作为农村金融的代表，构建GMM模型来研究农村金融对农民生活水平的影响，以明确农业贷款的真正作用，并有针对性地对农村脱贫提出可行建议。

1 环渤海地域农业贷款减贫效果的实证分析

本文数据来源于《中国金融年鉴》《中国农业年鉴》、WIND、中经网。选取环渤海区域五个省（直辖市）（北京、天津、辽宁、河北、山东）1996—2015年的面板数据。本文选择的主要数据包括环渤海地区五个省份的农民恩格尔系数、农村农业贷款量、农村GDP总量、农业投资额度、农业机械总动力等指标，对其中部分数据进行取比值等操作构建指标，然后对所有指标取对数以尽可能地消除异方差的影响，构建被解释、解释和控制变量。

1.1 指标的选取

本文选择的被解释变量是农民恩格尔系数。数值的大小代表农民生活的贫富。实证分析时采取小数的形式，分析前同样要对数据取对数以消除数据的异方差。

1.1.1 解释变量

农业贷款相对规模（RCS）是农村农业贷款量与农村GDP的比值，它衡量的是农村生产的GDP中转化为农业贷款的比例，农业贷款相对规模也是核心内生解释变量之一，也在相当程度上表征了农业贷款，其规模越大，农业贷款的发展水平越高。同样，实证分析部分采用的数据也是该指标取对数之后的数值。另外一个内生解释变量选择农村农业贷款量（RPG），在实证分析前同样要对数据取对数以消除数据的异方差。

1.1.2 农村农业贷款量

农村农业贷款量（RAC）是指每个省份农村用于农业生产的贷款量的总和，单位是万元，本文中，农村农业贷款量被设定为核心内生解释变量之一，作为农业贷款的代表指标之一，实证分析部分采用的数据是该指标取对数之后的数值，其数值越大代表农业贷款量越多，农村农业贷款发展水平越高。

农村GDP是指環渤海地区五个省份各自农村地区的GDP总量，单位为万元。

1.1.3 控制变量

控制变量选择了农村农业投资量（NRT）以及农村化肥使用量（NHL）两个对农民生活有显著影响的指标，二者的单位分别为亿元和万吨。工具变量方面，选择的是二者滞后一阶的数值。在开始实证分析前，要对农村农业投资量和农村化肥使用量的值取对数以尽量去除异方差。为了做到GMM要求的变量个数恰好识别，控制变量个数设定为两个。

1.2 实证分析

本文依据C-D函数的变形式，即：

lnengit = β0 + β1lnengit-1 + β2lnrcsit +β3lnracit + β4lnrpgit + β5lnnrtit + β6lnnhlit +εit

为了考虑被解释变量自身存在的时间效应，我们将被解释变量滞后一阶的数值也放入了等式右边作为被解释变量，式中i代表五个省份， t代表1996—2015的20年。在进行回归之前，首先需要对模型以及数据进行检验，检验结果在5%的显著性水平下均显著。经过LM检验，拒绝混合回归模型;经过豪斯曼检验，固定效应模型的效果优于随机效应模型，所以应选择固定效应模型。

对OLS回归系数进行修正之后的全面FGLS估计结果在5%的显著性水平下拒绝原假设，说明回归系数可信。回归系数除了农村GDP指标，其余指标均在5%的显著性水平下显著，农村GDP指标在10%的显著性水平下也显著，回归结果可信。

对于上述的回归结果，我们可以看出农业贷款对农民恩格尔系数的影响为正，即会较大程度地增加农民贫困程度，这与预想存在较大差异，因此考虑数据本身的性质，首先数据经过LLC检验后均不平稳，其中lnrpg为二阶单整，其余变量皆为一阶单整。所有的结果在5%的显著性水平下均拒绝原假设。不平稳的回归会导致结果存在误差，因此上述混合OLS回归结果可信度较低，因此进一步采用GMM进行广义矩估计。

由于数据的不平稳，加之前面的估计值只是建立在长面板的基础上进行的分析，考虑的仅仅是固定效应，固定效应会造成回归参数的偏差，因此接下来采用动态面板对回归参数进行更为准确的估计，运用的具体方法为差分GMM和系统GMM方法。

1.2.1 差分GMM结果

差分GMM结果如表1所示。

1.2.2 系统GMM结果

系统GMM结果如表2所示。

所有的回归结果在5%的显著性水平下均显著，所以回归系数较可信。差分GMM和系统GMM的回归系数有差距，但是lnrcs和lnrac的回归系数皆显著为负，证明农业贷款的确可以降低农民恩格尔系数，提高农民生活水平。

2 研究结论和对策建议

本文利用GMM模型研究了农村农业贷款与农民恩格尔系数之间的关系，在建立计量经济学模型的基础上，以北京、天津、辽宁、河北、山东五个省份为样本，选取1996—2015年面板数据，运用混合OLS回归、差分GMM和系统GMM三种方法分析农村金融的减贫效应，得出了以下研究结论：

（1）环渤海区域农业贷款对农民恩格尔系数有一定程度的影响：农业贷款专为农村生产而设，以长期贷款为主，完美地契合了农村生产的特性，增加了农民的生产积极性。农业贷款可以起到提高农民生活水平，降低农民贫困的作用。

（2）环渤海区域农村农业贷款对农民生活水平提高的效用有限：仅仅依靠以农业贷款为代表的农村金融，还是远远不够的，提高农民生活水平，还需要其他各方面的支持，比如政府财政支持、农业技术革新、农业机械动力等，只有多方面协同作用才能显著地降低农民贫困程度，提高农民生活水平。

结合时代大背景，在实证检验的基础上，本文给出以下建议：

利用北京市的辐射作用，积极推广北京已有的农村金融产品。其他各省政府在全省范围内继续大力推广农村农业贷款的同时，要将其他各领域的金融产品也带到农村，比如针对于自然、人为灾害的农业保险、林业保险、林业贷款、渔业保险、渔业贷款等，还有针对于大宗商品规避风险的期权、期货等产品，创设完善的农村正规金融市场，真正发挥金融市场的作用。

由于环渤海区域的农民观念等方面的原因，农村的恩格尔系数会有短期的上升，在这段时间，政府的财政政策就显得尤为重要，它可以在短期内弥补可支配收入不足的问题，消除农民的后顾之忧。此外，科学技术始终是第一生产力，抛开技术，再完备的金融体制也不足以使农民的生活水平有质的飞跃。各省应充分利用北京、天津等地先进的技术，加大农业科技方面的重视力度，采取高校对接、设备下乡、科学家下乡、增加农业机械动力、改良化肥等政策，改善农民生产方式，缩减生产风险，增大生产效率，增加农作物产量。

参考文献

Ariel Ben Yishay， Andrew Fraker， Raymond Guiteras， Giordano Palloni， Neil Buddy Shah， Stuart Shirrell， Paul Wang， Microcredit and willingness to pay for environmental quality： Evidence from a randomized-controlled trial of finance for sanitation in rural Cambodia， Journal of Environmental Economics and Management， Available online 25 November 2016， ISSN 0095-0696.

Gashaw Tadesse Abate， Shahidur Rashid， Carlo Borzaga， Kindie Getnet， Rural Finance and Agricultural Technology Adoption in Ethiopia： Does the Institutional Design of Lending Organizations Matter？， World Development， Volume 84， August 2016， Pages 235-253， ISSN 0305-750X.

G. Dorfleitner， S. Just-Marx， C. Priberny， What drives the repayment of agricultural micro loans？ Evidence from Nicaragua， The Quarterly Review of Economics and Finance， Volume 63， February 2017， Pages 89-100， ISSN 1062-9769.

傅鵬，张鹏.农村金融发展减贫的门槛效应与区域差异——来自中国的经验数据[J]. 当代财经，2016（06）.

高远东，张卫国.中国农村非正规金融发展的减贫效应研究[J].西南民族大学学报（人文社会科学版），2014（12）.

师荣蓉，徐璋勇，赵彦嘉.金融减贫的门槛效应及其实证检验——基于中国西部省际面板数据的研究[J].中国软科学，2013（03）.

苏静，胡宗义.农村金融减贫的直接效应与中介效应——基于状态空间模型和中介效应检验的动态分析[J].财经理论与实践，2015（04）.

作者简介：李震（1977-），男，山东莱州人，单位：中国建设银行股份有限公司青岛南京路支行，中级经济师，本科，研究方向：金融市场。