◎中國農(nóng)業(yè)銀行安徽省分行課題組

引言

（一）研究背景

改革開放以來我國經(jīng)濟(jì)快速增長，黨和政府高度重視扶貧工作，貧困人口總數(shù)逐年減少，截至2019年年底全國貧困人口共551萬人1。根據(jù)國家統(tǒng)計局全國農(nóng)村貧困監(jiān)測調(diào)查以及現(xiàn)行國家農(nóng)村貧困標(biāo)準(zhǔn)測算，2019年年底我國貧困發(fā)生率6%，比2018年下降1．1個百分點(diǎn)2，中國成為首個實現(xiàn)“聯(lián)合國千年發(fā)展目標(biāo)貧困人口減半”的國家（楊濤，2018）。盡管如此，我國貧困發(fā)生率仍然處于較高水平，農(nóng)村貧困問題依然突出。目前我國脫貧攻堅已進(jìn)入決戰(zhàn)決勝階段，各地脫貧工作仍面臨嚴(yán)峻挑戰(zhàn)。

自2017年10月18日十九大報告提出鄉(xiāng)村振興戰(zhàn)略以來，國務(wù)院出臺了多個關(guān)于如何實施鄉(xiāng)村振興戰(zhàn)略的具體辦法和措施，要求各地區(qū)各部門結(jié)合實際貫徹落實情況。目前全國各地都在積極尋求高效現(xiàn)代化的農(nóng)業(yè)運(yùn)作方式，助推鄉(xiāng)村振興3。習(xí)近平總書記在2018年5月主持召開的中央政治局會議上指出，脫貧攻堅與鄉(xiāng)村振興是關(guān)系我國改革發(fā)展尤其是廣大農(nóng)村發(fā)展的兩大重要戰(zhàn)略部署，二者在政策設(shè)計上具有協(xié)調(diào)性、兼容性，具體實施中應(yīng)該做到有效對接、無縫接駁。

（二）文獻(xiàn)綜述

從國內(nèi)外有關(guān)金融扶貧的現(xiàn)有研究來看，Robinson、Conning等西方學(xué)者偏向于證明合作性金融機(jī)構(gòu)在農(nóng)村金融扶貧工作中的重要作用（Robinson、Brown & Paris，2004；Conning & Vdry，2007；Bonazzi & Lotti，2014），且重點(diǎn)研究內(nèi)容集中在對農(nóng)村小額信貸公司運(yùn)營績效的評價上（曹巍，2017）。國內(nèi)研究重點(diǎn)主要為商業(yè)銀行金融扶貧模式、電商扶貧效率評價等方面。2019年渠源清等人研究表明，商業(yè)銀行通過發(fā)放“三農(nóng)”貸款、創(chuàng)新金融產(chǎn)品、建立金融扶貧服務(wù)站等方式，有效促進(jìn)了貧困地區(qū)的經(jīng)濟(jì)發(fā)展。楊雪云、時浩楠以大別山區(qū)為例，通過空間計量模型研究表明大別山區(qū)電商扶貧效率仍相對較低，且地區(qū)差異明顯，呈現(xiàn)出西高東低、南北低中部高的空間分布趨勢。王森等以河北省故城縣為例，認(rèn)為需加大貨幣信貸政策支持力度，并綜合農(nóng)業(yè)保險和農(nóng)村信貸來提高金融扶貧效率。

闞立娜等學(xué)者研究認(rèn)為高效的金融支農(nóng)效率是鄉(xiāng)村振興戰(zhàn)略極為重要的支持要素，而本地區(qū)金融支農(nóng)效率會對相鄰地區(qū)支農(nóng)效率產(chǎn)生“溢出效應(yīng)”。鄉(xiāng)村振興戰(zhàn)略的提出促進(jìn)了農(nóng)村產(chǎn)業(yè)融合發(fā)展，而“政府+金融機(jī)構(gòu)+農(nóng)戶”三位一體模式的聯(lián)動運(yùn)作可有效提高農(nóng)村產(chǎn)業(yè)融合發(fā)展效率（田麗秀等，2019）。除對鄉(xiāng)村振興的支持要素、發(fā)展效率開展研究外，部分學(xué)者還致力于探究金融支持鄉(xiāng)村振興效果評價指標(biāo)體系的構(gòu)建，如從實施鄉(xiāng)村振興戰(zhàn)略的金融需求層面出發(fā)，根據(jù)鄉(xiāng)村振興戰(zhàn)略布局和總體要求構(gòu)建金融支持鄉(xiāng)村振興成效的評價指標(biāo)體系（耿光穎等，2019）。目前國內(nèi)已有研究大多偏向于鄉(xiāng)村振興戰(zhàn)略實施背景的分析及指標(biāo)體系構(gòu)建等，對于脫貧攻堅和鄉(xiāng)村振興的銜接關(guān)系則少有涉及。

（三）研究意義

金融是脫貧攻堅的主力軍，更是支持鄉(xiāng)村振興的重要力量。在脫貧攻堅與實施鄉(xiāng)村振興戰(zhàn)略的歷史交匯期，商業(yè)銀行在服務(wù)脫貧攻堅的同時，應(yīng)認(rèn)真謀劃，提前布局，思考下一步如何更好地為鄉(xiāng)村振興提供金融服務(wù)。故本文選取國有商業(yè)銀行為研究對象，以N銀行安徽省分行為例，首先通過測算金融扶貧效率值并分析其影響因素，探索金融服務(wù)脫貧攻堅的有效路徑，進(jìn)而利用耦合協(xié)調(diào)模型研究金融服務(wù)脫貧攻堅與鄉(xiāng)村振興如何實現(xiàn)有效銜接，并提出政策建議。

N銀行安徽省分行金融扶貧與金融支持鄉(xiāng)村振興發(fā)展現(xiàn)狀

（一）金融扶貧現(xiàn)狀

2020年4月29日，安徽省政府發(fā)布公告，蕭縣等9個縣（區(qū)）正式退出貧困縣序列4。至此，該省31個貧困縣（市、區(qū)）全部摘帽，3000個貧困村全部出列。目前全省脫貧攻堅任務(wù)已接近完成，建檔立卡貧困人口數(shù)明顯下降，貧困群眾收入水平有了大幅度提高，深貧地區(qū)社會化服務(wù)也在持續(xù)優(yōu)化，基本生產(chǎn)生活條件得到明顯改善。本研究選取金融扶貧資金投入、人力投入以及金融扶貧工作動態(tài)等三個維度對N銀行安徽省分行金融扶貧工作現(xiàn)狀進(jìn)行描述性統(tǒng)計分析。

1．大力增加金融扶貧資金投入

從N銀行安徽省分行近三年金融精準(zhǔn)扶貧貸款總額規(guī)模來看（見圖1），2016年全轄金融精準(zhǔn)扶貧貸款共計發(fā)放380391萬元，2017年貸款總額為962348萬元，同比增長153%；2018年發(fā)放精準(zhǔn)扶貧貸款1347016萬元，比2016年增加966625萬元；2019年發(fā)放精準(zhǔn)扶貧貸款2003177萬元，比2016年增加1622786萬元。

圖1為2017～2019年度N銀行安徽省各二級分行金融精準(zhǔn)扶貧貸款總額情況。其中金融精準(zhǔn)扶貧貸款總量較高的有六安、阜陽、宿州、安慶等市分行。

2．持續(xù)加強(qiáng)金融扶貧人力投入

2020年4月29日，安徽省政府宣布所有貧困縣摘帽之前，安徽省有18個國家級貧困縣（見圖2）。包括國定貧困縣在內(nèi)的縣域地區(qū)一直是商業(yè)銀行實施金融扶貧有力舉措的重要對象，N銀行也一直致力于加強(qiáng)縣域網(wǎng)點(diǎn)的基礎(chǔ)建設(shè)，金融扶貧政策也盡力向貧困縣域傾斜。

近年來N銀行安徽省全轄增設(shè)多處農(nóng)村鄉(xiāng)鎮(zhèn)網(wǎng)點(diǎn)，圖2反映的是安徽省各二級分行截至2019年末縣域網(wǎng)點(diǎn)的分布情況。柱狀圖顯示的是各地市分行縣域網(wǎng)點(diǎn)的數(shù)量，截至2019年末N銀行安徽省分行共有453個縣域網(wǎng)點(diǎn)。陰影部分顯示的是各地市縣域網(wǎng)點(diǎn)占全轄網(wǎng)點(diǎn)總數(shù)的比例，在全省16家地市分行中，有12個地市縣域網(wǎng)點(diǎn)占網(wǎng)點(diǎn)總數(shù)比例超過50%，其中亳州、阜陽、安慶等貧困縣域分布較多的地市縣域網(wǎng)點(diǎn)的人力、物力投入都較2017年有了較大提升。

3．高度重視金融扶貧工作

本研究選取N銀行安徽省各二級分行網(wǎng)站近三年數(shù)據(jù)中有關(guān)“金融扶貧”“脫貧攻堅”等動態(tài)作為統(tǒng)計研究對象，分析各二級分行金融扶貧工作的開展情況。2017～2019年各地市金融扶貧工作開展總體上有較大提升。其中淮北、宿州、蕪湖、銅陵等二級分行金融扶貧工作動態(tài)發(fā)布條數(shù)增長明顯，少數(shù)二級分行工作動態(tài)發(fā)布條數(shù)有小幅度下降（見圖3）。

從描述性統(tǒng)計分析情況來看，N銀行安徽省各地市二級分行近幾年金融扶貧資金與人力投入規(guī)模正逐步擴(kuò)大，但還存在各地市間精準(zhǔn)扶貧貸款規(guī)模懸殊較大，重點(diǎn)貧困地區(qū)縣域網(wǎng)點(diǎn)數(shù)量與人力、物力投入比例失衡，各二級分行對金融扶貧工作的宣傳力度不夠等問題。

（二）金融支持鄉(xiāng)村振興現(xiàn)狀

本文采取國內(nèi)目前大多數(shù)研究的統(tǒng)計口徑和分類方法，將金融支持鄉(xiāng)村振興從金融支持規(guī)模、金融支持結(jié)構(gòu)和金融支持效率三個維度展開描述。

1．金融支持規(guī)模

鄉(xiāng)村振興戰(zhàn)略提出以來，N銀行安徽省分行積極響應(yīng)國家號召，全力支持鄉(xiāng)村振興戰(zhàn)略的實施。表1表示的是2017～2019年，N銀行安徽省各地市二級分行存款總額、貸款總額、普惠涉農(nóng)小微企業(yè)貸款總額和惠農(nóng)e貸總額?？梢钥闯?，近三年來金融支持鄉(xiāng)村振興規(guī)模的各項指標(biāo)都有不同程度的提高，尤其是惠農(nóng)e貸總額和普惠涉農(nóng)小微企業(yè)貸款總額增長明顯（見表1）。

表1：金融支持鄉(xiāng)村振興規(guī)模 單位：萬元

2．金融支持結(jié)構(gòu)

根據(jù)鄉(xiāng)村振興戰(zhàn)略實施的總體要求，N銀行安徽省分行重點(diǎn)加大了對縣域城鎮(zhèn)化貸款、重大水利貸款和縣域幸福產(chǎn)業(yè)貸款等金融支持鄉(xiāng)村振興領(lǐng)域貸款的投放，為實現(xiàn)“產(chǎn)業(yè)興旺、生態(tài)宜居、鄉(xiāng)風(fēng)文明、治理有效、生活富?！笨傄筇峁┯辛Φ慕鹑谥С?。從表2中可以發(fā)現(xiàn)，隨著鄉(xiāng)村振興戰(zhàn)略的逐步實施，金融支持鄉(xiāng)村振興領(lǐng)域貸款在逐年增加，其中以縣域城鎮(zhèn)化貸款增長最為明顯，截止到2019年末該項貸款較2017年凈增1060433萬元，增長53．1%。

表2：金融支持鄉(xiāng)村振興領(lǐng)域貸款 單位：萬元、%

3．金融支持效率

本文參考已有研究，用鄉(xiāng)村振興貸款總額、金融扶貧貸款總額、惠農(nóng)卡有效客戶數(shù)、農(nóng)戶不良貸款率等指標(biāo)來闡釋金融支持效率。其中，鄉(xiāng)村振興貸款的投放是直接影響金融支持鄉(xiāng)村振興效率的最主要因素，因此選取鄉(xiāng)村振興貸款情況來對金融支持鄉(xiāng)村振興效率進(jìn)行描述性統(tǒng)計分析。如圖4所示，《鄉(xiāng)村振興戰(zhàn)略規(guī)劃（2018—2022）》發(fā)布以來，大部分地市二級分行鄉(xiāng)村振興貸款的投放力度在逐年加大，其中，合肥、宿州、阜陽、蕪湖、安慶等地市增幅較大。

綜上，N銀行安徽省分行金融支持鄉(xiāng)村振興戰(zhàn)略發(fā)展態(tài)勢良好，但與鄉(xiāng)村振興發(fā)展的實際需求相比，金融支持規(guī)模還有待擴(kuò)大，金融支持結(jié)構(gòu)亦有待優(yōu)化，同時六安、馬鞍山、銅陵、宣城等地市分行鄉(xiāng)村振興貸款投放力度也有待加強(qiáng)。

實證研究

（一）數(shù)據(jù)來源

本研究數(shù)據(jù)來源于N銀行安徽省分行近三年年報和經(jīng)營分析系統(tǒng)、相關(guān)業(yè)務(wù)部門統(tǒng)計數(shù)據(jù)，以及各地市二級分行金融扶貧網(wǎng)站數(shù)據(jù)。

（二）研究設(shè)計

從本文研究背景可以看出，金融服務(wù)脫貧攻堅與鄉(xiāng)村振興的銜接關(guān)鍵在于找準(zhǔn)金融扶貧的有效路徑，實現(xiàn)金融支持脫貧攻堅向金融支持鄉(xiāng)村振興順利過渡。因此，本文首先測算金融扶貧效率值并分析金融扶貧效率的影響因素，根據(jù)實證結(jié)果判斷金融扶貧的有效路徑及模式，進(jìn)而探究金融服務(wù)脫貧攻堅與金融服務(wù)鄉(xiāng)村振興兩大系統(tǒng)間的銜接關(guān)系。

在總結(jié)前人研究的基礎(chǔ)上，結(jié)合N銀行安徽省分行金融扶貧實際情況，采用數(shù)據(jù)包絡(luò)分析法和普通最小二乘法對安徽省分行金融扶貧的效率進(jìn)行研究。首先采用DEA模型對各地市二級分行金融扶貧效率（全要素生產(chǎn)率）進(jìn)行測算；其次利用多元線性回歸模型分析影響金融扶貧效率的因素。實證研究第二部分則是利用耦合度對金融扶貧和鄉(xiāng)村振興的服務(wù)銜接進(jìn)行研究。根據(jù)數(shù)據(jù)可得性以及研究相關(guān)性，耦合協(xié)調(diào)模型中金融扶貧目標(biāo)體系在數(shù)據(jù)來源、指標(biāo)體系構(gòu)建、綜合指數(shù)糅合等方面與第一部分研究內(nèi)容具有一以貫之、一脈相承的特點(diǎn)，故本文在金融扶貧目標(biāo)體系構(gòu)建時采取了直接引用第一部分的方式。

1．金融扶貧有效路徑和模式研究

（1）模型介紹

數(shù)據(jù)包絡(luò)分析法主要用于比較相同類型經(jīng)濟(jì)活動的相對效率問題。本文采用DEA-BCC模型對N銀行安徽省各地市分行金融扶貧的效率進(jìn)行測量。BCC模型的效率評價線性規(guī)劃如下：

表3：全要素生產(chǎn)率指標(biāo)體系 單位：人、萬元、%、個

表4：回歸模型指標(biāo)體系 單位：人、萬元、%、個

BCC模型得到的是DMU的純技術(shù)效率。上式中，為各DMU的相對效率衡量指標(biāo)，其值越大表示決策單元越有效；j為根據(jù)第j個決策單元重新構(gòu)造一個有效DMU組合時該決策單元的組合比例；yj為第j個決策單元的產(chǎn)出向量；s-與s+分別表示輸入和輸出的松弛變量；x0與y0分別為決策單元的投入和產(chǎn)出。

多元回歸分析是研究被解釋變量對兩個或兩個以上解釋變量的統(tǒng)計依賴關(guān)系，建立多個變量之間線性或非線性數(shù)學(xué)模型數(shù)量關(guān)系式并利用樣本數(shù)據(jù)進(jìn)行分析的統(tǒng)計分析方法。根據(jù)本文研究內(nèi)容需要，建立以下多元線性回歸模型：

式（3．3）中，Yi表示被解釋變量（帶動建檔立卡貧困人口數(shù)），fini表示核心解釋變量（金融扶貧資金投入、人力投入），Xi為控制變量，i為隨機(jī)誤差項。

（2）指標(biāo)體系構(gòu)建

帶動建檔立卡貧困人口數(shù)是檢測和衡量脫貧攻堅工作效率的重要依據(jù)。故本文選取帶動建檔立卡貧困人口數(shù)作為測算全要素生產(chǎn)率的產(chǎn)出指標(biāo)（見表3）。關(guān)于投入體系的指標(biāo)層，本文總結(jié)前人研究成果并借鑒先進(jìn)經(jīng)驗（邢成舉等，2013），結(jié)合數(shù)據(jù)的可得性，將投入體系層分為金融扶貧資金投入和人力投入兩個子體系。其中金融扶貧資金投入體系包括金融精準(zhǔn)扶貧貸款總額、扶貧貸款占總貸款比例、存貸比三個指標(biāo)；金融扶貧人力投入包括縣域網(wǎng)點(diǎn)數(shù)量和縣域網(wǎng)點(diǎn)占全轄網(wǎng)點(diǎn)比例兩個指標(biāo)。

在構(gòu)建回歸模型指標(biāo)體系的過程中，本文采取了與大多數(shù)研究不同的方式，即沒有將前文計算所得全要素生產(chǎn)率作為后階段因變量，而是使用帶動建檔立卡貧困人口作為回歸模型的被解釋變量。這樣做首先是為了消除回歸模型變量間的共線性，其次采用帶動建檔立卡貧困人口數(shù)作為被解釋變量來分析影響金融扶貧的因素更具有說服力。在解釋變量的選取上，將金融精準(zhǔn)扶貧貸款總額、縣域網(wǎng)點(diǎn)數(shù)量、各地市二級分行發(fā)布扶貧動態(tài)條數(shù)、扶貧貸款占總貸款比例、縣域網(wǎng)點(diǎn)占全轄網(wǎng)點(diǎn)比例、存貸比等作為影響金融扶貧銷量的自變量。并選取農(nóng)業(yè)發(fā)展環(huán)境指數(shù)、經(jīng)濟(jì)發(fā)展環(huán)境指數(shù)、城鎮(zhèn)化率等作為控制變量。

2．金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)發(fā)展研究

（1）模型介紹

本文利用耦合度對金融扶貧和鄉(xiāng)村振興的服務(wù)銜接進(jìn)行研究。耦合度是一個物理學(xué)概念，表示兩個模塊（或兩個以上）通過各種相互作用而彼此相互影響，主要反映系統(tǒng)之間相互作用過程中協(xié)調(diào)狀況的好壞程度（熊建新等，2014）。因此，本文將金融扶貧和鄉(xiāng)村振興兩大系統(tǒng)通過一系列相互作用產(chǎn)生彼此影響的現(xiàn)象，定義為金融扶貧—鄉(xiāng)村振興間的耦合，用以考察兩個系統(tǒng)相互銜接程度的強(qiáng)弱并探究其時間、空間變化特征。具體包括以下步驟：

①對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理

為了消除因各指標(biāo)性質(zhì)不同導(dǎo)致的量綱和數(shù)量級差異，采用Min-max標(biāo)準(zhǔn)化方法對原始數(shù)據(jù)進(jìn)行無量綱化處理。公式（3．4）和公式（3．5）分別適用于正向指標(biāo)和負(fù)向指標(biāo)的標(biāo)準(zhǔn)化。其中ui"表示第i項指標(biāo)的標(biāo)準(zhǔn)化值，i=1，2，3，…n；ui是第i項指標(biāo)的具體值；Xmax(i）和Xmin(i）分別表示各指標(biāo)在2017～2019年間各年份的最大值和最小值。

②測算各指標(biāo)的權(quán)重

變異系數(shù)法是一種客觀賦權(quán)的方法，直接利用各項指標(biāo)所包含的信息，通過計算得到指標(biāo)的權(quán)重，適用于各個構(gòu)成要素內(nèi)部指標(biāo)權(quán)數(shù)的確定。各系統(tǒng)的權(quán)重及綜合水平指數(shù)計算公式為：

式（3．6）中，i表示各項指標(biāo)，i=1，2，3，…n；Wi為第i 項指標(biāo)的權(quán)重；Vi為第i項指標(biāo)的變異系數(shù)。

③計算綜合水平指數(shù)

金融扶貧與鄉(xiāng)村振興是兩個系統(tǒng)，每個系統(tǒng)都由若干個指標(biāo)構(gòu)成，需要將兩個系統(tǒng)的多項指標(biāo)復(fù)合成各自的綜合水平指數(shù)。

式（3．7）中，U1代表金融扶貧綜合水平指數(shù)，U2代表鄉(xiāng)村振興綜合水平指數(shù)；u"i表示第i項指標(biāo)標(biāo)準(zhǔn)化后的數(shù)值。

④計算耦合度

式（3．8）中，C表示金融扶貧與鄉(xiāng)村振興的耦合度，取值范圍在0～1之間，越接近于1，說明兩個系統(tǒng)的耦合程度越高。

⑤計算耦合協(xié)調(diào)度

耦合度僅能說明兩大系統(tǒng)之間發(fā)展的關(guān)聯(lián)程度，并不能說明系統(tǒng)間的總體發(fā)展水平，如是否協(xié)調(diào)發(fā)展、處在哪一發(fā)展階段等。在多區(qū)域或多目標(biāo)之間的耦合比較研究中，僅依靠耦合度衡量系統(tǒng)是否協(xié)調(diào)發(fā)展，有時可能會出現(xiàn)偏差（黃賓等，2016），需要構(gòu)建多目標(biāo)之間的耦合協(xié)調(diào)度。計算公式為：

D為金融扶貧和鄉(xiāng)村振興的耦合協(xié)調(diào)度，反映的是兩個系統(tǒng)間的協(xié)調(diào)發(fā)展能力和基本狀況，D∈[0，1]。和 為測算系統(tǒng)間耦合協(xié)調(diào)度的待定系數(shù)，考慮到金融扶貧和鄉(xiāng)村振興在測算耦合協(xié)調(diào)度時同等重要，因此本文對 和 分別賦值為0．5（劉耀彬等，2005；傅智宏等，2015）。

根據(jù)D值的大小，可以將耦合協(xié)調(diào)度的等級進(jìn)行階段劃分，如表5所示。

（2）指標(biāo)體系

本文根據(jù)前人研究成果，結(jié)合數(shù)據(jù)的可獲取性，構(gòu)建金融扶貧指標(biāo)體系和鄉(xiāng)村振興指標(biāo)體系。

①金融扶貧指標(biāo)體系

將金融扶貧規(guī)模、金融扶貧力度、金融扶貧成效作為金融扶貧體系的一級指標(biāo)。其中，金融扶貧規(guī)模指標(biāo)參考龔霖丹等人（2017）的研究，選取N銀行安徽省各二級分行金融精準(zhǔn)扶貧貸款總額、扶貧貸款占總貸款比例、存貸比等三個二級指標(biāo)；金融扶貧力度指標(biāo)借鑒孫振宗（2019）的做法，選取各地市分行縣域網(wǎng)點(diǎn)數(shù)量、縣域網(wǎng)點(diǎn)占網(wǎng)點(diǎn)總數(shù)比例、各二級分行網(wǎng)站發(fā)布金融扶貧動態(tài)數(shù)量等三個二級指標(biāo)；金融扶貧成效指標(biāo)則選取目前國內(nèi)外普遍采用的帶動建檔立卡貧困人口作為二級指標(biāo)。

②鄉(xiāng)村振興指標(biāo)體系

選取金融支持規(guī)模、金融支持結(jié)構(gòu)、金融支持效率三個一級指標(biāo)來反映N銀行安徽省分行金融支持鄉(xiāng)村振興的發(fā)展水平。具體二級指標(biāo)的選取參考了耿光穎等（2019）、謝婷婷等（2019）學(xué)者的研究，其中，金融支持規(guī)模指標(biāo)由各地市分行存款總額、貸款總額、普惠涉農(nóng)小微企業(yè)貸款、惠農(nóng)e貸總額等四個二級指標(biāo)構(gòu)成；金融支持結(jié)構(gòu)指標(biāo)用縣域城鎮(zhèn)化貸款總額、重大水利貸款總額、縣域幸福產(chǎn)業(yè)（旅游、醫(yī)院、養(yǎng)老等）貸款總額等三個二級指標(biāo)來表示；金融支持效率指標(biāo)由鄉(xiāng)村振興貸款總額、金融扶貧貸款總額、惠農(nóng)卡有效客戶數(shù)、農(nóng)戶不良貸款率等四個二級指標(biāo)構(gòu)成。

表5：耦合協(xié)調(diào)度判斷區(qū)間及類型

表6：金融扶貧和鄉(xiāng)村振興指標(biāo)體系及權(quán)重

表7：各地市金融扶貧效率測算值

③指標(biāo)權(quán)重的測算

根據(jù)式（3．6）測算出各指標(biāo)權(quán)重，具體結(jié)果如表6所示。

金融扶貧系統(tǒng)中，帶動建檔立卡貧困人口數(shù)和金融精準(zhǔn)扶貧貸款總額占據(jù)權(quán)重較高，數(shù)值分別為26．51%和25．64%，其次是扶貧貸款占總貸款比例，權(quán)重值為22．36%。說明上述指標(biāo)對金融扶貧的影響較大。鄉(xiāng)村振興系統(tǒng)中，權(quán)重值較高的指標(biāo)為農(nóng)戶不良貸款率、金融扶貧貸款總額、縣域幸福產(chǎn)業(yè)貸款總額、惠農(nóng)e貸總額等，相對于其他指標(biāo)，這些指標(biāo)對鄉(xiāng)村振興戰(zhàn)略影響較為明顯。

（三）實證分析

1．金融扶貧效率及影響因素分析

（1）DEA效率測算值

本文采用DEA模型，利用deap2．1軟件測算2017年、2018年、2019年三年N銀行安徽省各地市分行金融扶貧效率，表7匯總了近三年間各地市分行金融扶貧效率值。

根據(jù)表7中DEA效率值測算結(jié)果，2017年各地市二級分行中金融扶貧效率較高的有亳州、阜陽、六安、安慶和宿州；較低的有宣城、黃山、蚌埠等；2018年金融扶貧效率較高的為亳州、阜陽、滁州、六安、宿州、淮南等市，而宣城、黃山、蚌埠、馬鞍山等市效率仍然較低；2019年金融扶貧效率較高的有亳州、宿州、淮南、蕪湖、池州、安慶，較低的有合肥、蚌埠、滁州等。從連續(xù)三年的測量值來看，亳州等地市分行金融扶貧效率沒有損失，效率值均為1；淮南、蕪湖等地市效率值由2017年的低值提高至1，說明金融扶貧投入與產(chǎn)出均較上年有較大提升，且產(chǎn)出增加值大大高于投入增加值，從近三年N銀行安徽省分行經(jīng)營分析平臺提取的數(shù)據(jù)可以發(fā)現(xiàn)，僅精準(zhǔn)扶貧貸款總額一項，2019年較2017年就增長了108%。宿州、安慶分行金融扶貧效率前兩年相比差距不大，且效率損失均較小，2019年效率均無損失。其中宿州2017年效率值為0．874，2018年為0．826；安慶2017年效率值為0．887，2018年為0．757，兩個二級分行2018年金融扶貧效率均較上年有不同程度的下降，究其原因，可能是與貧困人口逐步減少有關(guān)。金融扶貧投入與產(chǎn)出生產(chǎn)效率損失較嚴(yán)重的有蚌埠、馬鞍山、銅陵、宣城等市，這些地市相對全省其他地市來說，經(jīng)濟(jì)較為發(fā)達(dá)，貧困人口較少，綜合本研究中全要素生產(chǎn)率的產(chǎn)出值指標(biāo)選擇來看，以帶動建檔立卡貧困人口數(shù)作為金融扶貧效率的產(chǎn)出指標(biāo)對上述地市銀行來說可能較為片面，因而DEA模型測算結(jié)果顯示金融扶貧效率偏低。

表8：多元線性回歸模型估計結(jié)果

（2）回歸分析

表8為多元線性回歸模型估計結(jié)果。回歸模型擬合優(yōu)度（R2）為0．999，說明此回歸模型能較好地擬合估計值。從回歸結(jié)果來看，影響金融扶貧效率的幾大因素中，金融精準(zhǔn)扶貧貸款總額（X1）、縣域網(wǎng)點(diǎn)數(shù)量（X2）、扶貧貸款占總貸款比例（X4）、縣域網(wǎng)點(diǎn)占全轄網(wǎng)點(diǎn)數(shù)量比例（X5）等對因變量影響較大。下面分別對回歸結(jié)果進(jìn)行簡單分析：

①金融精準(zhǔn)扶貧貸款總額（X1）

金融精準(zhǔn)扶貧貸款總額（X1）對帶動建檔立卡貧困人口（Y）的影響因子為0．181，P值小于0．01，非常顯著，且影響方向為正。說明金融精準(zhǔn)扶貧貸款總額對帶動建檔立卡貧困人口有較強(qiáng)影響。商業(yè)銀行的金融扶貧措施中精準(zhǔn)扶貧貸款的發(fā)放占比較大，因而金融扶貧效率很大程度上體現(xiàn)在精準(zhǔn)扶貧貸款的投放上。精準(zhǔn)扶貧貸款投放較多的商業(yè)銀行扶貧效率往往會更高，回歸模型中金融精準(zhǔn)扶貧貸款投放較多的二級分行帶動建檔立卡貧困人口數(shù)較多，驗證了這一推斷。

②縣域網(wǎng)點(diǎn)數(shù)量（X2）

縣域網(wǎng)點(diǎn)數(shù)量（X2）對帶動建檔立卡貧困人口數(shù)有負(fù)向影響，顯著性為0．002，說明縣域網(wǎng)點(diǎn)的數(shù)量與金融扶貧效率呈反向變動，且影響較為明顯。縣域網(wǎng)點(diǎn)數(shù)量較多的地市二級分行相對縣域網(wǎng)點(diǎn)數(shù)量較少的二級分行來說，金融扶貧壓力更大，在相當(dāng)?shù)慕鹑诜鲐毻度胂?，產(chǎn)出往往較小。且縣域網(wǎng)點(diǎn)數(shù)量較多的地市相對來說貧困人口也較多，在其他因素不變的情況下金融扶貧效率較低，帶動建檔立卡貧困人口的數(shù)量也較少。

③扶貧貸款占總貸款比例（X4）

扶貧貸款占總貸款比例（X4）與帶動建檔立卡貧困人口數(shù)呈負(fù)相關(guān)，顯著性小于0．05（P=0．017）。說明與其他地市二級分行相比，該地市二級分行在金融扶貧上的投入比例較高，可能占據(jù)了經(jīng)營業(yè)務(wù)部分資源投入，因而使得整個二級分行經(jīng)營利潤較少。相比其他經(jīng)營業(yè)績好、經(jīng)濟(jì)基礎(chǔ)較強(qiáng)的二級分行，扶貧貸款占比較高的二級分行可能在增加金融扶貧投入上的力度會較弱，從而導(dǎo)致帶動建檔立卡貧困人口較少，金融扶貧效率低下。

表9：金融扶貧和鄉(xiāng)村振興綜合水平指數(shù)時間變化（2017～2019年）

④縣域網(wǎng)點(diǎn)占全轄網(wǎng)點(diǎn)數(shù)量比例（X5）

縣域網(wǎng)點(diǎn)占全轄網(wǎng)點(diǎn)數(shù)量比例（X5）對帶動建檔立卡貧困人口數(shù)的影響顯著性小于0．01（P=0．005），影響方向為正。說明縣域網(wǎng)點(diǎn)數(shù)量占全市網(wǎng)點(diǎn)總數(shù)量比例越高，金融扶貧越見成效?？赡艿脑蛟谟谪毨Эh域網(wǎng)點(diǎn)發(fā)放的貸款一般在計量口徑上均被視為金融扶貧貸款，尤其對于阜陽、安慶、宿州、六安、亳州等國定貧困縣較多的地市，相對其他地市二級分行來說金融扶貧政策出臺較多，扶貧貸款投放的力度也較大，由此帶來的金融扶貧效率也越高，帶動建檔立卡貧苦人口數(shù)也相對較多。

⑤金融扶貧動態(tài)條數(shù)（X3）

金融扶貧動態(tài)條數(shù)（X3）對帶動建檔立卡貧困人口數(shù)沒有顯著影響，可能的原因在于各地市二級分行網(wǎng)站金融扶貧動態(tài)發(fā)布標(biāo)準(zhǔn)不同，因而統(tǒng)計數(shù)據(jù)不具有可比性。例如，統(tǒng)計數(shù)據(jù)顯示，全年金融扶貧動態(tài)條數(shù)最多的為2017年馬鞍山分行（27條），明顯高出其他二級分行，經(jīng)了解馬鞍山分行網(wǎng)站對于金融扶貧宣傳較為重視，因而相關(guān)工作動態(tài)都及時登載于相關(guān)網(wǎng)站，而亳州、六安等國定貧困縣較多的地市二級分行金融扶貧動態(tài)發(fā)布標(biāo)準(zhǔn)高，數(shù)量相對較少，經(jīng)調(diào)查這些二級分行金融扶貧工作實效均超出宣傳范圍。

⑥存貸比（X6）

存貸比是商業(yè)銀行貸款總額與存款總額比例。在本次回歸結(jié)果中存貸比與帶動建檔立卡貧困人口數(shù)之間沒有明顯的相關(guān)關(guān)系。

2．金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)分析

（1）時序變化分析

根據(jù)表6的指標(biāo)體系和權(quán)重以及耦合度、耦合協(xié)調(diào)度的相關(guān)公式，計算出2017～2019年N銀行安徽省分行金融扶貧和金融支持鄉(xiāng)村振興兩大系統(tǒng)的綜合水平指數(shù)及其差值（U1-U2），進(jìn)而得到金融扶貧與鄉(xiāng)村振興的耦合度和耦合協(xié)調(diào)度的相應(yīng)數(shù)值。表9給出了2017～2019年N銀行安徽省分行金融扶貧和金融支持鄉(xiāng)村振興綜合水平指數(shù)的時間變化趨勢，取值為每一年份所有地市的平均值。U1-U2表示的是金融扶貧綜合水平指數(shù)和鄉(xiāng)村振興綜合水平指數(shù)的差值，正值表示金融扶貧的綜合水平指數(shù)較高，若為負(fù)值則意味著鄉(xiāng)村振興的綜合水平指數(shù)較高；差值的縮小表明兩系統(tǒng)間存在協(xié)調(diào)有序發(fā)展的趨勢。

①金融扶貧和鄉(xiāng)村振興耦合度較高

從2017年到2019年，N銀行安徽省分行金融扶貧和鄉(xiāng)村振興耦合程度的平均值分別為0．9231、0．9144、0．9162，三年耦合度平均值均在0．9以上。根據(jù)劉耀彬等（2005）對城市化與生態(tài)環(huán)境耦合度的研究分析，較高的耦合值說明兩系統(tǒng)達(dá)到了良性共振耦合，應(yīng)用到本研究中可初步判定為金融扶貧和鄉(xiāng)村振興基本實現(xiàn)了有效銜接、正趨向于健康有序發(fā)展。

②金融扶貧和鄉(xiāng)村振興耦合協(xié)調(diào)度較低但呈現(xiàn)逐年上升趨勢

圖5顯示了近三年間金融扶貧與鄉(xiāng)村振興的耦合度以及耦合協(xié)調(diào)度的平均值，耦合度折線在三維圖中呈現(xiàn)出較為平穩(wěn)的趨勢，協(xié)調(diào)度折線上升說明兩系統(tǒng)間協(xié)調(diào)程度越來越高級。

表10：2017年各地市耦合協(xié)調(diào)度

表11：2018年各地市耦合協(xié)調(diào)度

表12：2019年各地市耦合協(xié)調(diào)度

如圖5所示，2017年金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度平均值為0．4612，2018年為0．4987，2019年為0．5368，三年的耦合協(xié)調(diào)度平均值均介于0．4到0．6之間。2017年金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度處于瀕臨失調(diào)階段，2018年的耦合協(xié)調(diào)度開始往勉強(qiáng)協(xié)調(diào)階段發(fā)展，2019年上升至勉強(qiáng)協(xié)調(diào)階段。根據(jù)近三年耦合協(xié)調(diào)度的發(fā)展趨勢，可以判斷總體上金融扶貧與鄉(xiāng)村振興尚處在瀕臨失調(diào)向勉強(qiáng)協(xié)調(diào)過渡的階段。從三維折線圖走勢來看，2017年至2019年耦合協(xié)調(diào)度一直呈現(xiàn)出上升的發(fā)展?fàn)顟B(tài)，增幅也越來越大，這說明金融扶貧與鄉(xiāng)村振興的協(xié)調(diào)發(fā)展程度在逐步提高，且增速越來越快。

③金融扶貧綜合水平指數(shù)平均值低于鄉(xiāng)村振興綜合水平指數(shù)平均值，但二者差距逐漸縮小

2017年金融扶貧綜合水平指數(shù)平均值為0．1954，而鄉(xiāng)村振興綜合水平指數(shù)平均值為0．2929；2018年金融扶貧和鄉(xiāng)村振興綜合水平指數(shù)平均值分別為0．2624、0．3545；2019年分別為0．3385、0．4207，近三年金融扶貧綜合水平指數(shù)一直低于鄉(xiāng)村振興綜合水平指數(shù)，這說明N銀行安徽省分行金融扶貧發(fā)展水平總體滯后于鄉(xiāng)村振興發(fā)展水平，這也是兩大系統(tǒng)耦合度較高但耦合協(xié)調(diào)度普遍較低的主要因素。從表9中同時可以看出，2017年至2019年間，雖然各地市鄉(xiāng)村振興綜合水平指數(shù)普遍高于金融扶貧綜合水平指數(shù)，但兩個系統(tǒng)間綜合水平指數(shù)差值（U1-U2）的絕對值在逐年減小，該項差值的絕對值越大，說明兩個系統(tǒng)的綜合水平指數(shù)相差越大，越不利于協(xié)調(diào)發(fā)展和有效銜接。從三年間綜合水平指數(shù)差值的變化可以看出，金融扶貧和鄉(xiāng)村振興協(xié)調(diào)有序發(fā)展的趨勢較明顯，金融扶貧的有效產(chǎn)出開始往高效服務(wù)于鄉(xiāng)村振興的方向發(fā)展。

（2）空間演化分析

表10至表12顯示了從2017年至2019年N銀行安徽省各地市分行金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度的空間分布及變化情況。

①各地市金融扶貧與鄉(xiāng)村振興的耦合協(xié)調(diào)度在不斷提高

根據(jù)耦合協(xié)調(diào)度計算結(jié)果，可以發(fā)現(xiàn)2017年至2019年，大部分地市金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度逐年提高。2017年，根據(jù)耦合協(xié)調(diào)度判斷區(qū)間將各地市分為五個類型，其中，合肥、淮北、淮南等7個地市為極度失調(diào)-輕度失調(diào)，亳州、蚌埠、滁州等4個地市為瀕臨失調(diào)，馬鞍山、安慶為勉強(qiáng)協(xié)調(diào)，宿州為初級協(xié)調(diào)，阜陽、六安為中級協(xié)調(diào)；2018年五個類型中，淮北、蕪湖、銅陵處在極度失調(diào)-輕度失調(diào)階段，合肥、亳州、蚌埠等9個地市處在瀕臨失調(diào)階段，安慶和宿州分別處在勉強(qiáng)協(xié)調(diào)和初級協(xié)調(diào)階段，阜陽、六安實現(xiàn)了良好協(xié)調(diào)向優(yōu)質(zhì)協(xié)調(diào)發(fā)展；2019年處在極度失調(diào)-輕度失調(diào)階段的地市數(shù)量為0，亳州、淮北、蚌埠等11個地市處在瀕臨失調(diào)階段，合肥進(jìn)入勉強(qiáng)協(xié)調(diào)階段，安慶、宿州分別為初級協(xié)調(diào)和中級協(xié)調(diào)，阜陽、六安處在良好協(xié)調(diào)-優(yōu)質(zhì)協(xié)調(diào)階段。耦合協(xié)調(diào)度的提高說明各地市金融扶貧和鄉(xiāng)村振興的總體發(fā)展水平越來越協(xié)調(diào)，金融服務(wù)脫貧攻堅與金融服務(wù)鄉(xiāng)村振興越來越能實現(xiàn)有效銜接。

②金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度的空間差異較明顯，且受地域面積影響較大

從表10至表12中可以看出，16個地市金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度空間差異較大。2017年耦合協(xié)調(diào)度最高的為六安市，耦合協(xié)調(diào)度值為0．7298，其次為阜陽市的0．7219；較低的有淮北市和銅陵市，協(xié)調(diào)度值分別為0．3612和0．2273。2018年耦合協(xié)調(diào)度較高的依然是六安和阜陽，且耦合協(xié)調(diào)度區(qū)間均由中級協(xié)調(diào)過渡至良好-優(yōu)質(zhì)協(xié)調(diào)；耦合協(xié)調(diào)度值較低的有銅陵、蕪湖、淮北等，其中淮北市仍處在極度失調(diào)-輕度失調(diào)階段；2019年除六安、阜陽外，宿州和安慶的耦合協(xié)調(diào)度也提升較快，分別發(fā)展至中級協(xié)調(diào)階段和初級協(xié)調(diào)階段；銅陵、淮北的協(xié)調(diào)度值仍較低，發(fā)展階段雖然有所提升但依然處在瀕臨失調(diào)階段。從上述分析中可以初步判斷金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度受地域面積影響較大，相對于六安、阜陽、安慶、宿州等地市來說，銅陵市和淮北市在安徽省占地面積較小，人口也相對較少，因此在金融扶貧與鄉(xiāng)村振興發(fā)展水平及服務(wù)能力上也相對較弱，從而導(dǎo)致兩系統(tǒng)間耦合協(xié)調(diào)程度較低。

③貧困縣數(shù)量較多的地區(qū)金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度較高

從實證結(jié)果來看，近三年金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度較高值集中分布在六安、阜陽、宿州、安慶等四個地市。截至2020年4月29日，安徽省宣布省內(nèi)所有貧困縣全部脫貧摘帽前，六安、阜陽、宿州、安慶四市國定貧困縣分布數(shù)量較多。相對于貧困縣域分布較少地市，上述地市在金融扶貧上的投入較大，金融扶貧的規(guī)模、力度等都大于其他地市，因而金融扶貧也更見成效，與之相應(yīng)地也就更加促進(jìn)了鄉(xiāng)村振興的發(fā)展，實現(xiàn)了金融扶貧與鄉(xiāng)村振興的有效銜接。貧困縣數(shù)量較多地區(qū)金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度較高，也從某種意義上證明了金融扶貧與鄉(xiāng)村振興的一脈相承、一以貫之。

（四）研究結(jié)論

本文基于金融扶貧助力我國脫貧攻堅取得決戰(zhàn)決勝階段勝利和《鄉(xiāng)村振興戰(zhàn)略規(guī)劃（2018—2022）》施行的大背景，在總結(jié)、梳理以前學(xué)者研究的基礎(chǔ)上，創(chuàng)新性地以國有大型商業(yè)銀行——N銀行作為研究對象，選取N銀行安徽省16家地市二級分行數(shù)據(jù)，利用DEA模型測算2017年、2018年、2019年三年金融扶貧效率值，利用多元回歸模型分析金融扶貧效率的影響因素；并在此基礎(chǔ)上探究金融服務(wù)脫貧攻堅與金融服務(wù)鄉(xiāng)村振興銜接過程中的耦合協(xié)調(diào)發(fā)展關(guān)系。研究表明：

第一，2017年，亳州、阜陽、六安、安慶、宿州等二級分行金融扶貧效率較高，其中亳州、阜陽、六安等金融扶貧投入產(chǎn)出效率值無損失；2018年亳州、阜陽、滁州、六安、宿州、淮南等二級分行金融扶貧效率較高，其中亳州、阜陽、滁州、六安等金融扶貧投入產(chǎn)出效率值無損失；2019年亳州、宿州、淮南、安慶等二級分行金融扶貧效率較高；相對于經(jīng)濟(jì)較發(fā)達(dá)地市，貧困縣數(shù)量較多的地市銀行金融扶貧效率往往相對較高。

第二，在金融扶貧效率的影響因素方面，金融精準(zhǔn)扶貧貸款總額、縣域網(wǎng)點(diǎn)數(shù)量占全轄網(wǎng)點(diǎn)比例等對帶動建檔立卡貧困人口有顯著正向影響；縣域網(wǎng)點(diǎn)總數(shù)、扶貧貸款占總貸款比例等對帶動建檔立卡貧困人口有顯著負(fù)向影響。

第三，通過研究金融扶貧與鄉(xiāng)村振興兩大系統(tǒng)間的耦合協(xié)調(diào)關(guān)系，發(fā)現(xiàn)在時序變化方面，金融扶貧與鄉(xiāng)村振興耦合度較高，耦合協(xié)調(diào)度較低但呈現(xiàn)逐年上升趨勢；金融扶貧綜合水平指數(shù)平均值低于鄉(xiāng)村振興綜合水平指數(shù)平均值，但二者差距逐漸縮小。

第四，在空間演化方面，各地市金融扶貧與鄉(xiāng)村振興的耦合協(xié)調(diào)度都在不斷提高；兩系統(tǒng)間耦合協(xié)調(diào)度的空間差異較明顯，且受地域面積影響較大；貧困縣數(shù)量較多的地區(qū)金融扶貧與鄉(xiāng)村振興耦合協(xié)調(diào)度普遍較高。

政策建議

鄉(xiāng)村振興在農(nóng)村治理的新時代背景下應(yīng)運(yùn)而生，是脫貧攻堅的升級版。在打贏脫貧攻堅戰(zhàn)與實施鄉(xiāng)村振興戰(zhàn)略的歷史交匯期，商業(yè)銀行要從戰(zhàn)略規(guī)劃、體制機(jī)制、政策措施等方面入手，對服務(wù)脫貧攻堅與鄉(xiāng)村振興進(jìn)行通盤考慮和統(tǒng)籌謀劃，建立健全精準(zhǔn)銜接機(jī)制，形成銜接的事項清單，明確銜接的路徑辦法，積極做好服務(wù)脫貧攻堅與支持鄉(xiāng)村振興的有機(jī)銜接。

（一）加大精準(zhǔn)扶貧貸款投放力度

根據(jù)本文實證研究結(jié)果可知，金融精準(zhǔn)扶貧貸款對于帶動建檔立卡貧困人口數(shù)、提高金融扶貧效率有顯著正向影響。從近三年金融扶貧效率測算值來看，金融扶貧效率較高的地市二級分行精準(zhǔn)扶貧貸款投放總額均較大。此外扶貧貸款投放較多、金融扶貧效率較高的地市往往其金融扶貧與鄉(xiāng)村振興的耦合協(xié)調(diào)程度也較高，因此商業(yè)銀行應(yīng)充分發(fā)揮金融機(jī)構(gòu)的行業(yè)和產(chǎn)品優(yōu)勢，加大精準(zhǔn)扶貧貸款的投放力度，多渠道、多領(lǐng)域?qū)嵤┵J款投放，為金融扶貧和鄉(xiāng)村振興服務(wù)提供強(qiáng)有力的資金支持。

（二）創(chuàng)新縣域網(wǎng)點(diǎn)金融扶貧模式

本研究實證結(jié)果表明，縣域網(wǎng)點(diǎn)個數(shù)對金融扶貧效率產(chǎn)生負(fù)向影響，但縣域網(wǎng)點(diǎn)占全轄網(wǎng)點(diǎn)比例卻對金融扶貧效率產(chǎn)生正向顯著影響。因此商業(yè)銀行在優(yōu)化縣域網(wǎng)點(diǎn)金融扶貧模式方面有兩條可行路徑，一是在現(xiàn)有縣域網(wǎng)點(diǎn)數(shù)量不發(fā)生變化的情況下，對全轄網(wǎng)點(diǎn)資源進(jìn)行整合，結(jié)合新時代商業(yè)銀行網(wǎng)點(diǎn)轉(zhuǎn)型工作，減少資源與服務(wù)能力不相匹配的冗余網(wǎng)點(diǎn)，集中優(yōu)勢資源為金融扶貧提供人力保障；二是適當(dāng)在貧困縣域增建鄉(xiāng)鎮(zhèn)網(wǎng)點(diǎn)，尤其鼓勵縣域城區(qū)網(wǎng)點(diǎn)服務(wù)范圍往周邊鄉(xiāng)鎮(zhèn)轉(zhuǎn)移，相關(guān)扶貧政策可以更好地惠及更多貧困人群。

（三）大力推動金融機(jī)構(gòu)產(chǎn)業(yè)扶貧

授人以魚不如授人以漁。金融扶貧助力脫貧攻堅除表現(xiàn)在資金與人力支持上，更應(yīng)體現(xiàn)在以精準(zhǔn)扶貧貸款帶動產(chǎn)業(yè)發(fā)展上。以市場為導(dǎo)向，以經(jīng)濟(jì)效益為中心，充分發(fā)揮產(chǎn)業(yè)發(fā)展對扶貧開發(fā)的杠桿作用。商業(yè)銀行應(yīng)建立以支持扶貧產(chǎn)業(yè)發(fā)展為重點(diǎn)的精準(zhǔn)扶貧貸款投放機(jī)制，以產(chǎn)業(yè)鏈發(fā)展促進(jìn)貧困地區(qū)發(fā)展、切實增加貧困農(nóng)戶收入。

（四）擴(kuò)大金融支持鄉(xiāng)村振興規(guī)模

本研究中金融支持規(guī)模指標(biāo)由各地市分行存款總額、貸款總額、普惠涉農(nóng)小微企業(yè)貸款、惠農(nóng)e貸總額等四個二級指標(biāo)構(gòu)成。根據(jù)前文描述性統(tǒng)計分析可知，金融支持鄉(xiāng)村振興規(guī)模較大的地市往往鄉(xiāng)村振興綜合水平指數(shù)值較高，因此，促進(jìn)鄉(xiāng)村振興發(fā)展應(yīng)增加對涉農(nóng)和小微企業(yè)貸款、惠農(nóng)e貸等的投放，進(jìn)一步擴(kuò)大金融支農(nóng)規(guī)模和金融發(fā)展規(guī)模。

（五）優(yōu)化金融支持鄉(xiāng)村振興結(jié)構(gòu)

從金融支持鄉(xiāng)村振興戰(zhàn)略的金融需求分析中可以看出，實現(xiàn)金融扶貧與鄉(xiāng)村振興服務(wù)的有效銜接需要著重優(yōu)化金融支持鄉(xiāng)村振興結(jié)構(gòu)，如因地制宜投放特色產(chǎn)業(yè)貸款，適當(dāng)增加縣域城鎮(zhèn)化貸款、基礎(chǔ)設(shè)施類貸款以及旅游、醫(yī)院、養(yǎng)老等幸福產(chǎn)業(yè)貸款的投放力度等。

注釋：

1國家統(tǒng)計局網(wǎng)站于2020年1月23日發(fā)布。

2《光明日報》于2020年1月24日發(fā)布。

3《中共中央國務(wù)院關(guān)于實施鄉(xiāng)村振興戰(zhàn)略的意見》由中央人民政府網(wǎng)于2018年2月4日發(fā)布。

4《新安晚報》2020年4月30日刊載的《脫貧攻堅，安徽交出完美答卷》一文。