夏 龍 何忠偉

（北京農(nóng)學院經(jīng)濟管理學院，北京 102206）

中國農(nóng)村金融發(fā)展與農(nóng)民收入增長
——基于綜合指數(shù)分析

夏 龍 何忠偉

（北京農(nóng)學院經(jīng)濟管理學院，北京 102206）

對于中國農(nóng)村金融發(fā)展與農(nóng)民收入間關系的實證檢驗，迄今尚無定論。借鑒時間序列因子分析，本文考察了農(nóng)村金融發(fā)展綜合指數(shù)與農(nóng)民收入之間的關系。研究發(fā)現(xiàn)，中國農(nóng)村金融發(fā)展與農(nóng)民收入間有單向格蘭杰因果關系。協(xié)整方程表明，在長期內(nèi)，農(nóng)村金融發(fā)展水平每提高1個單位，實際農(nóng)民收入可以提高48.1%。MS-VAR模型表明，在短期內(nèi)，農(nóng)村金融發(fā)展依然能夠促進農(nóng)民收入增長，當國家實施農(nóng)村偏向型經(jīng)濟政策時，這一促進效果更加明顯。

農(nóng)村金融；農(nóng)民收入；時間序列因子分析；Markov狀態(tài)轉換模型

一、前言

學術界關于農(nóng)村金融發(fā)展與農(nóng)民收入增長關系的定量研究方興未艾。從實證結果看，雖然理論界一致認為金融發(fā)展可以推動經(jīng)濟增長（麥金農(nóng)，1973），但是中國農(nóng)村金融發(fā)展是否能夠提升農(nóng)民收入，至今尚無定論。在采用單一指標來衡量金融發(fā)展的文獻中，基本均無法得到從農(nóng)村金融發(fā)展到農(nóng)民收入增長的正向關系。比如，溫濤等（2005）研究發(fā)現(xiàn)，金融發(fā)展指標與農(nóng)民收入在長期沒有協(xié)整關系，也沒有格蘭杰因果關系。譚燕芝（2009）以農(nóng)村金融相關比率作為農(nóng)村金融發(fā)展指標的研究也不支持二者間的正向關系。劉旦（2007）的研究結果則支持農(nóng)村金融發(fā)展效率與農(nóng)民收入增長間的負向關系。如果采用多個指標來衡量農(nóng)村金融發(fā)展，則可能存在多種關系。比如余新平等（2010）的研究支持了農(nóng)村存款、農(nóng)業(yè)保險賠付促進農(nóng)民收入增長，而農(nóng)村貸款、農(nóng)業(yè)保險收入拉低農(nóng)民收入的觀點。方金兵等（2009）將農(nóng)村金融發(fā)展分為規(guī)模、結構、效率三個方面，得出的結論是規(guī)模與農(nóng)民收入增長呈雙向格蘭杰因果關系，而結構和效率并不是農(nóng)民收入增長的格蘭杰原因。從研究方法上看，除劉賽紅和王國順（2012）采用面板數(shù)據(jù)進行討論以外，其他大多數(shù)研究均限于現(xiàn)代時間序列分析，主要采用協(xié)整檢驗、格蘭杰因果檢驗、VAR、VECM等方法。

使用單一指標來衡量農(nóng)村金融發(fā)展只能窺豹一斑，不能全面概括中國農(nóng)村金融的發(fā)展；使用多個指標來衡量，則不易提綱挈領地概括中國農(nóng)村金融的發(fā)展。而研究方法的單一，也限制了研究的進一步深入?；诖耍疚慕梃b時間序列因子分析（TSFA），將眾多農(nóng)村金融發(fā)展指標“濃縮”為中國農(nóng)村金融發(fā)展指數(shù)，并結合現(xiàn)代時間序列分析與Markov狀態(tài)轉換模型（MS-VAR）對它與農(nóng)民收入的關系進行重新考察。本文的研究顯示，中國農(nóng)村金融發(fā)展不僅與農(nóng)民收入有著單向格蘭杰因果關系和長期協(xié)整關系，而且，農(nóng)村金融發(fā)展與農(nóng)民收入的關系會隨著狀態(tài)的不同而轉換。

二、研究方法與變量選取

（一）研究方法

1.時間序列因子分析。因為衡量農(nóng)村金融發(fā)展會有多個維度，因此，首要的問題是將這些維度“濃縮”成一個綜合指標。本文使用的數(shù)據(jù)是時間序列數(shù)據(jù)，4個變量間不可避免地存在序列相關性，傳統(tǒng)的主成分分析因此失效。一種替代方法是時間序列因子分析（TSFA）（吉爾伯特和梅杰，2005），該方法在極少假設的前提下通過最大似然估計（ML）獲得主成分的一致性估計，有效解決了變量之間的序列相關性。具體到本文，TSFA可以表達為：

式中，rf?t為顯變量，它代表著本文建立的4個長度為T（t=1，2，???，T）的農(nóng)村金融發(fā)展指標；rufint是潛變量，它是本文建立的農(nóng)村金融發(fā)展綜合指數(shù)。αt是常數(shù)，B為因子載荷矩陣，et為與潛變量無關的誤差項。

2.現(xiàn)代時間序列分析。如果需要利用現(xiàn)代時間序列分析來反映農(nóng)村金融發(fā)展與農(nóng)民收入之間的關系，則首先構造一個線性函數(shù)：

其中， peainct表示第t期的農(nóng)民收入，εt為誤差項。

在現(xiàn)代時間序列建模中，首先需要對式（2）中的兩個變量進行平穩(wěn)性檢驗和協(xié)整檢驗，以避免偽回歸。一旦兩個變量間有長期的協(xié)整關系，即可以進行格蘭杰因果檢驗。

3.Markov狀態(tài)轉換模型?，F(xiàn)代時間序列分析的問題在于，它假定考察期內(nèi)的外部環(huán)境是不變的，因而，解釋變量與被解釋變量之間被假定為具有穩(wěn)定的線性關系。然而如果考察期較長，外部環(huán)境并非一成不變，這會引起數(shù)據(jù)產(chǎn)生結構突變，進而在不同的外部環(huán)境（稱為“狀態(tài)”）下，解釋變量與被解釋變量的關系可能會形成不同的形式。MS-VAR可以內(nèi)化時間序列數(shù)據(jù)的結構突變，合理地描述狀態(tài)轉換機制，提高參數(shù)估計的準確性。對于本文而言，如果假定有st（st∈{1,2,???,T}）個狀態(tài)，本文的MS-VAR模型可以由式（2）生成，表示為：

在MS-VAR的模型中，狀態(tài)變量st由一個馬爾可夫鏈產(chǎn)生，這樣，st的條件概率分布僅是st-1的函數(shù)。進而，由于st的不可觀測性，存在不同狀態(tài)下的轉換概率。估計MS-VAR模型的方法很多，本文采用Hamilton期望值最大化算法（EM algorithm），該算法通過已知的被解釋變量值來推斷st的值，進而估計模型參數(shù)和轉移矩陣。

（二）數(shù)據(jù)說明與變量選取

本文所采用的時間序列數(shù)據(jù)的跨度為1978—2011年，數(shù)據(jù)來源為歷年的《中國統(tǒng)計年鑒》和《中國金融年鑒》，以及《新中國六十年統(tǒng)計資料匯編》，缺失數(shù)據(jù)采用線性插值法補充。

1.農(nóng)民收入。本文以對數(shù)實際人均農(nóng)民收入表示農(nóng)民收入（peainct），它是歷年農(nóng)村居民人均純收入以1978年為基期折算而成，并進行了對數(shù)化處理。

2.農(nóng)村金融發(fā)展指標。為了構造農(nóng)村金融發(fā)展綜合指數(shù)，我們選取4個學術界常用的農(nóng)村金融發(fā)展指標，這4個指標基本可以從各個層面展示中國農(nóng)村金融的發(fā)展水平。它們是：第一，農(nóng)村金融發(fā)展深度（rfdevt），該指標為農(nóng)村貸款占貸款余額的比重與第一產(chǎn)業(yè)產(chǎn)值占GDP比重的比值。第二，農(nóng)村金融發(fā)展規(guī)模（rfscat），它是農(nóng)村金融資產(chǎn)總量占第一產(chǎn)業(yè)產(chǎn)值的比重。其中，農(nóng)村金融資產(chǎn)包括了農(nóng)戶儲蓄存款和農(nóng)業(yè)存款。第三，農(nóng)村金融發(fā)展結構（rfstrt），它以鄉(xiāng)鎮(zhèn)企業(yè)貸款與農(nóng)業(yè)貸款的比率來描述。第四，農(nóng)村金融發(fā)展效率（rfefft），它是農(nóng)業(yè)貸款與鄉(xiāng)鎮(zhèn)企業(yè)貸款之和與農(nóng)業(yè)存款的比率。這4個指標越大，農(nóng)村金融發(fā)展水平越高。

三、實證研究

（一）農(nóng)村金融發(fā)展綜合指數(shù)

利用TSFA可以構建農(nóng)村金融發(fā)展綜合指數(shù)（rufint）。經(jīng)檢驗，上述4個金融發(fā)展指標的Bartlett球體檢驗的 χ2統(tǒng)計量為99.197，伴隨概率為0.000，數(shù)據(jù)具有足夠的結構效度，適合作因子分析。雖然主成分分析表明，上述4個變量有2個主成分的特征值大于1，分別為2.539和1.196，但考慮到變量間的序列相關，TSFA建議只需提取1個主成分，因為此時僅有1個主成分的特征值大于1，為9.477，而且該主成分在上述4個變量的因子載荷分別為0.104、0.233、0.154和0.865，可以解釋累積方差的97.6%，具有極高的解釋力。基于此，本文將該主成分定義為農(nóng)村金融發(fā)展綜合指數(shù)（rufint）。

表1：主要變量的描述性統(tǒng)計

圖1：農(nóng)村金融發(fā)展與農(nóng)民收入

圖1左側展示了4個變量的原序列（實線）以及各自被rufint解釋比例（虛線）的時間趨勢圖。注意在該圖中農(nóng)村金融發(fā)展深度的原序列與被rufint解釋的序列幾乎重合，這說明在現(xiàn)有的4個指標中，農(nóng)村金融發(fā)展深度與農(nóng)村金融發(fā)展的關系最為密切。

農(nóng)村金融發(fā)展綜合指數(shù)與農(nóng)民收入的關系在圖1右側中展示，該圖中的OLS擬合說明農(nóng)村金融發(fā)展與農(nóng)民收入之間呈現(xiàn)出正相關，Lowess均修則指出這兩個變量之間可能存在非線性關系，這為MS-VAR模型的估計奠定了基礎。當然，真實的關系還需要更加具體的討論。表1給出了這兩個變量的描述性統(tǒng)計。

（二）現(xiàn)代時間序列分析

1.平穩(wěn)性檢驗。本文采用Phillip-Perron檢驗考察農(nóng)村金融發(fā)展綜合指數(shù)與農(nóng)民收入的平穩(wěn)性。檢驗結果見表2。

表2：變量平穩(wěn)性的Phillip-Perron檢驗

從表2的檢驗結果可知，兩個變量的原始序列即使在10%的顯著性水平上也是不平穩(wěn)的，而兩個變量的一階差分數(shù)據(jù)在5%的顯著性水平上是平穩(wěn)的，所以，這兩個變量均為一階平穩(wěn)序列，記為I（1）。

2.協(xié)整檢驗。本文采用EG兩步法進行協(xié)整檢驗，首先估計式（2），結果如式（4）所示：

注：（1）為了解決序列相關性，括號里為newey-west穩(wěn)健性標準差；（2）“***”、“**”、“*”分別代表在1%、5%、10%下顯著。

對殘差et進行平穩(wěn)性檢驗，結果顯示，殘差在5%的顯著性水平上拒絕了存在單位根的原假設，殘差是平穩(wěn)序列。因此，式（4）本身就是一個協(xié)整方程，變量rufint與peainct之間具有長期的穩(wěn)定關系。

我們在模型中報告了LM檢驗的χ2統(tǒng)計量，因為該檢驗拒絕了式（4）不存在序列相關的原假設，所以，本文在報告估計結果時，給出了newey-west穩(wěn)健性標準差，以確保估計的穩(wěn)健性。即便如此，式（4）中兩個系數(shù)的估計值在1%的顯著性水平上都是顯著的，而且F統(tǒng)計量表明，方程整體也是顯著的。

式（4）說明，中國農(nóng)村金融發(fā)展與農(nóng)民收入正相關。從整體上看，rufint可以解釋 peainct變異的72.6%，具有很高的解釋力度。農(nóng)村金融發(fā)展綜合指數(shù)每提高1個單位，實際農(nóng)民收入可以提高48.1%，效果相當顯著。

3.格蘭杰因果檢驗。由于rufint與 peainct都是I（1）變量，且具有協(xié)整關系，本文在水平值上揭示二者之間的內(nèi)在聯(lián)系。

表3：格蘭杰因果檢驗

表3給出了滯后2階、3階和4階條件下的格蘭杰因果檢驗結果。因果檢驗不能在10%的顯著性水平下拒絕“ peainct不是rufint的格蘭杰原因”的假設；同樣在10%的顯著性水下上，雖然在滯后2階的條件下接受，但在滯后3階、4階條件下拒絕了“rufint不是peainct的格蘭杰原因”的假設。由此基本能夠得出結論，存在著從農(nóng)村金融發(fā)展到農(nóng)民收入的單向格蘭杰因果關系，這也進一步強化了本文的協(xié)整分析。

（三）Markov狀態(tài)轉換模型

對于MS-VAR模型，首先需要確定模型中應該包含的變量。本文比較了被解釋變量和解釋變量滯后1—2階的各種組合，綜合考慮了AIC準則、單變量的t檢驗和調整后的R2各種標準后，將被解釋變量和解釋變量的滯后階數(shù)均設為0階，這不僅具有較好的統(tǒng)計性，有利于和式（4）的結果比較，而且對于年度數(shù)據(jù)而言，滯后0階也符合經(jīng)濟理論。

表4：MS-VAR的估計結果

經(jīng)多次嘗試，本文將農(nóng)村金融發(fā)展與農(nóng)民收入之間的關系設定為兩個狀態(tài)，使用EM算法估計的MSVAR模型如表4所示。當然，無論哪個狀態(tài)，rufint在1%的顯著性水平上都是顯著的，方程的擬合優(yōu)度也較好。

在對MS-VAR模型進行進一步討論之前，我們首先來討論兩個狀態(tài)之間的轉換概率。如表5所示，從狀態(tài)1落入到狀態(tài)1的概率是0.873，轉入狀態(tài)2的概率是0.127；從狀態(tài)2落入狀態(tài)1的概率是0.118，而留在狀態(tài)2的概率是0.882。雖然沒有一個狀態(tài)是穩(wěn)定的，但概率表明，所有的狀態(tài)均有著自我穩(wěn)定的傾向。因此，狀態(tài)之間的轉換，必然是模型的外在力量使然。

表5：狀態(tài)轉換概率

圖2：Markov狀態(tài)轉換模型在兩個狀態(tài)間的平滑概率

配合Markov狀態(tài)轉換的平滑概率圖（見圖2），可以對表4進行詳細的討論。在1978—1981年、1992—1996年、2006—2011年這3個階段，農(nóng)村金融發(fā)展與農(nóng)民收入增長的關系落入了狀態(tài)1。在這些階段，農(nóng)村金融發(fā)展指標每增加1個單位時，對數(shù)實際農(nóng)民收入增長0.611個單位；在1982—1991年、1997—2005年這2個階段，農(nóng)村金融發(fā)展與農(nóng)民收入增長的關系落入狀態(tài)2。在這兩個階段，農(nóng)村金融發(fā)展指標每增加1個單位，對數(shù)實際農(nóng)民收入增長0.362個單位。

（四）模型討論

本文的討論表明農(nóng)村金融發(fā)展是農(nóng)民收入增長的格蘭杰原因，而且，它們之間的實證關系可以以式（4）中的協(xié)整方程和表4中的MS-VAR兩個模型來描述。在統(tǒng)計上，MS-VAR模型的擬合優(yōu)度（R2）和對數(shù)似然率（logLik）均更優(yōu)，而且AIC更小，因此較之協(xié)整方程（4）更優(yōu)。

在理論上，協(xié)整模型主要用以描述解釋變量與被解釋變量的長期關系，而MS-VAR則分階段回歸，可以用來描述不同時段解釋變量與被解釋變量間的短期關系。這樣，協(xié)整方程中的常數(shù)和斜率的估計值基本處于MS-VAR模型兩個狀態(tài)的被估系數(shù)之間，由于其斜率均為正值，說明無論從長期還短期，農(nóng)村金融發(fā)展都是農(nóng)民收入增長的促進因素。

實際上，農(nóng)村金融發(fā)展與農(nóng)民收入之間的Markov轉換機制充分地體現(xiàn)了中國的改革進程。中國的改革始創(chuàng)于農(nóng)村，家庭聯(lián)產(chǎn)承包責任制的實施在改革之初的6年時間里極大地促進了農(nóng)業(yè)的高速增長（林毅夫，2008），這一階段在政策上實施的是農(nóng)村偏向型的經(jīng)濟政策，因此，從1978—1981年，農(nóng)村金融發(fā)展與農(nóng)民收入之間表現(xiàn)為MS-VAR模型的狀態(tài)1，變量rufint因其有更大斜率系數(shù)，在同一單位改變的條件下會換來農(nóng)民收入更多增長，1982年以后，狀態(tài)逐漸開始轉換。同樣實施農(nóng)村偏向型經(jīng)濟政策的階段從2004年開始，其后每年的中央“一號文件”均以三農(nóng)問題為核心，“一號文件”在政府全年工作的實施中具有綱領性和指導性的地位，標志全年經(jīng)濟資源的分配方向。因此，2003—2005年，MS-VAR從狀態(tài)2開始向狀態(tài)1轉換，至2006年以后，MS-VAR重新落入狀態(tài)1。另一個落入狀態(tài)1的階段是從1992年，這一年，中國正式開始了市場化改革。落入狀態(tài)2的兩個階段分別是1982—1991年和1997—2005年，這兩個階段改革的重點都在國有企業(yè)，因此政策在整體上是城市偏向型的。由此可以總結，當國家實施農(nóng)村偏向型經(jīng)濟政策時，農(nóng)村金融發(fā)展對農(nóng)民收入提高的促進作用更加顯著，當然，當國家實施城市偏向型經(jīng)濟政策時，農(nóng)村金融發(fā)展對農(nóng)民收入提高的促進作用也依然明顯。

四、結束語

黨的十七屆三中全會指出，“農(nóng)村金融是現(xiàn)代農(nóng)村經(jīng)濟的核心”，農(nóng)村金融的發(fā)展關系到農(nóng)村經(jīng)濟發(fā)展和農(nóng)民收入提高。本文基于綜合指標的研究表明，中國農(nóng)村金融發(fā)展是農(nóng)民收入增長的格蘭杰原因。協(xié)整關系表明，在長期農(nóng)村金融發(fā)展能夠促進農(nóng)民收入增長，農(nóng)村金融發(fā)展水平每提高1個單位，對數(shù)實際農(nóng)民收入可以提高48.1%。在短期內(nèi)，農(nóng)村金融發(fā)展依然能夠促進農(nóng)民收入增長，當國家實施農(nóng)村偏向型經(jīng)濟政策時，這一促進效果更加明顯。總之，中國農(nóng)村金融的發(fā)展能夠持續(xù)地促進農(nóng)民收入增長。

當然，也必須認識到，中國農(nóng)村金融發(fā)展程度本身就不高，金融化比率遠低于城市，農(nóng)村資金外流現(xiàn)象很嚴重，因此，就政策含義而言，不僅要繼續(xù)發(fā)展中國農(nóng)村金融，而且也要堅持2004年以來的農(nóng)村偏向型經(jīng)濟政策。

[1]方金兵，張兵，曹陽.中國農(nóng)村金融發(fā)展與農(nóng)民收入增長關系研究[J].江西農(nóng)業(yè)學報，2009，（1）.

[2]林毅夫.制度、技術與中國農(nóng)業(yè)發(fā)展（第3版）[M].上海：格致出版社，2008年版.

[3]劉旦.我國農(nóng)村金融發(fā)展效率與農(nóng)民收入增長[J].山西財經(jīng)大學學報，2007，（1）.

[4]劉賽紅，王國順.農(nóng)村金融發(fā)展影響農(nóng)民收入的地區(qū)差異[J].經(jīng)濟地理，2012，（9）.

[5]譚燕芝.農(nóng)村金融發(fā)展與農(nóng)民收入增長之關系的實證分析：1978-2007[J].上海經(jīng)濟研究，2009，（1）.

[6]溫濤，冉光和，熊德平.中國金融發(fā)展與農(nóng)民收入增長[J].經(jīng)濟研究，2005，（9）.

[7]許崇正，高希武.農(nóng)村金融對增加農(nóng)民收入支持狀況的實證分析[J].金融研究，2005，（9）.

[8]余新平，熊皛白，熊德平.中國農(nóng)村金融發(fā)展與農(nóng)民收入增長[J].中國農(nóng)村經(jīng)濟，2010，（6）.

[9]Gilbert P D，Meijer E.2005.Time series factor analysis with an application to measuring money[D].Manuscript submitted for publication.

[10]McKinnon R.1973.Money and Capital in Economic Development[M].Washington DC：Brookings Institution.

The Relationship Between China Rural Financial Development and Farmers’Income Growth：A Composite Index Analysis

Xia Long He Zhongwei
（School of Economics and Management，Beijing University ofAgriculture，Beijing 102206）

The relationship between China rural financial development and farmers’income growth has been disputed so far.By means of the time series factor analysis，this paper surveys the relations between the composite index of rural financial development and farmers’income growth.The result shows that China’s rural financial development is related to farmers’income with an irreversible Granger causality.The co-integration formula shows that in the long run whenever the level of rural financial development rises by one unit，the farmers’income can increase by 48.1%. The MS-VAR model shows that in the short run，the rural financial development can also promote the rise of farmers’income.When the nation implements economic policies in favor of the countryside，the effect will be more evident.

rural finance，farmers’income，time series factor analysis，MS-VAR

F832.43

A

1674-2265（2014）05-0003-05

（責任編輯 耿 欣；校對 XQ，GX）

2014-4-15

教育部新世紀優(yōu)秀人才支持計劃資助（NCET-10-009），北京農(nóng)學院優(yōu)勢科技團隊（北京農(nóng)業(yè)產(chǎn)業(yè)安全理論與政策研究創(chuàng)新團隊）項目。

夏龍，男，陜西安康人，北京農(nóng)學院經(jīng)濟管理學院講師，博士，研究方向為發(fā)展經(jīng)濟學、農(nóng)村金融；何忠偉，男，湖南永興人，博士后，北京農(nóng)學院經(jīng)濟管理學院教授，研究方向為都市型現(xiàn)代農(nóng)業(yè)、農(nóng)業(yè)技術經(jīng)濟。