楊雪云，時(shí)浩楠

(安徽大學(xué) 社會(huì)與政治學(xué)院，安徽 合肥 230601)

農(nóng)業(yè)是關(guān)系到各行各業(yè)以及千家萬(wàn)戶的國(guó)民經(jīng)濟(jì)基礎(chǔ)產(chǎn)業(yè)，是各業(yè)之母，其發(fā)展健康與否直接關(guān)乎到整個(gè)社會(huì)的改革、 發(fā)展與穩(wěn)定。[1]然而，在資源環(huán)境約束日趨強(qiáng)化以及世界農(nóng)產(chǎn)品市場(chǎng)日益融合的雙重背景下，農(nóng)業(yè)粗放的發(fā)展方式以及薄弱的競(jìng)爭(zhēng)力問(wèn)題也不斷凸顯。為了有效解決這些問(wèn)題，實(shí)現(xiàn)農(nóng)業(yè)健康可持續(xù)發(fā)展，黨的十七大強(qiáng)調(diào)要加強(qiáng)農(nóng)業(yè)的基礎(chǔ)地位，以及走中國(guó)特色農(nóng)業(yè)現(xiàn)代化道路。之后，國(guó)務(wù)院印發(fā)的《全國(guó)農(nóng)業(yè)現(xiàn)代化規(guī)劃(2016—2020年)》更是在戰(zhàn)略要求上提出農(nóng)業(yè)的根本出路在于現(xiàn)代化，農(nóng)業(yè)現(xiàn)代化是國(guó)家現(xiàn)代化的基礎(chǔ)和支撐。但是，推進(jìn)農(nóng)業(yè)現(xiàn)代化畢竟是一項(xiàng)系統(tǒng)性工程，涉及到方方面面，更是離不開(kāi)資金這一關(guān)鍵要素的充分保障，而金融是破解農(nóng)業(yè)現(xiàn)代化過(guò)程中的資金難題的重要力量，因此，金融對(duì)于推進(jìn)農(nóng)業(yè)現(xiàn)代化建設(shè)具有重要意義。[2]

目前，學(xué)界有關(guān)金融對(duì)農(nóng)業(yè)現(xiàn)代化的影響研究正在逐漸增多，并取得了一定的成果。定性研究方面，李釗(2015年)認(rèn)為實(shí)現(xiàn)農(nóng)業(yè)現(xiàn)代化是國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展的重要戰(zhàn)略目標(biāo)，而金融作為現(xiàn)代經(jīng)濟(jì)的核心，在農(nóng)業(yè)現(xiàn)代化進(jìn)程中扮演著舉足輕重的作用。[3]張延昕(2017年)則重點(diǎn)探討了“互聯(lián)網(wǎng)+農(nóng)業(yè)”背景下的金融支持對(duì)農(nóng)業(yè)現(xiàn)代化的重要作用，并針對(duì)當(dāng)前我國(guó)農(nóng)業(yè)現(xiàn)代化的金融支持路徑矛盾提出了有針對(duì)性的政策建議。[4]雷德雨和張孝德(2016年)總結(jié)了美國(guó)與日本農(nóng)村金融支持農(nóng)業(yè)現(xiàn)代化的經(jīng)驗(yàn)教訓(xùn)，提出我國(guó)農(nóng)村金融支持農(nóng)業(yè)現(xiàn)代化還存在著科技與綠色金融供給不足、 農(nóng)業(yè)保險(xiǎn)體系不完善等諸多問(wèn)題。[5]鄭凌霄和劉寧寧(2015年)認(rèn)為金融的大力支持是江蘇農(nóng)業(yè)現(xiàn)代化急速發(fā)展的重要原因，但江蘇農(nóng)業(yè)現(xiàn)代化的金融支持仍存在一系列的問(wèn)題，主張從組建農(nóng)村資金互助社，建立南北金融合作平臺(tái)等方面解決江蘇農(nóng)業(yè)現(xiàn)代化金融支持所面臨的問(wèn)題。[6]代洪麗(2012年)在對(duì)廣西農(nóng)業(yè)現(xiàn)代化金融支持的現(xiàn)狀分析基礎(chǔ)之上，進(jìn)一步研究了廣西農(nóng)業(yè)現(xiàn)代化金融支持薄弱的成因，并從構(gòu)建完善的多層次多元化農(nóng)村金融體系，加快推進(jìn)利率市場(chǎng)化進(jìn)程大等角度提出了加大廣西金融對(duì)農(nóng)業(yè)現(xiàn)代化發(fā)展支持力度的相關(guān)政策措施。[7]

定量研究方面，汪鄒霞和黎紅梅(2016年)以湖南2005年～2014年的面板數(shù)據(jù)為例，利用因子分析法和多元線性回歸法，實(shí)證分析了湖南金融對(duì)農(nóng)業(yè)現(xiàn)代化的促進(jìn)作用，以及湖南金融支農(nóng)的影響因素，認(rèn)為湖南金融對(duì)農(nóng)業(yè)現(xiàn)代化發(fā)展具有顯著的正向影響而人均農(nóng)業(yè)存款、 金融從業(yè)人數(shù)、 二元經(jīng)濟(jì)結(jié)構(gòu)以及金融網(wǎng)點(diǎn)分布密度均是影響金融支農(nóng)效率的主要因素。[8]王鵬(2014年)以山東17個(gè)地市2008年～2011年的面板數(shù)據(jù)為例，基于哈羅德-多馬模型，采用主成分分析和面板修正的標(biāo)準(zhǔn)差估計(jì)方法實(shí)證分析了以山東儲(chǔ)蓄率、 儲(chǔ)蓄轉(zhuǎn)換為投資的效率以及資本產(chǎn)出比率等指標(biāo)為代表的金融對(duì)農(nóng)業(yè)現(xiàn)代化發(fā)展的影響，并進(jìn)一步地采用協(xié)調(diào)度模型對(duì)金融支持農(nóng)業(yè)現(xiàn)代化的協(xié)調(diào)發(fā)展水平進(jìn)行了相關(guān)分析。[9]顧寧和余孟陽(yáng)(2013年)測(cè)度了我國(guó)部分省份的農(nóng)業(yè)現(xiàn)代化發(fā)展水平，并利用Pagano模型識(shí)別了農(nóng)業(yè)現(xiàn)代化發(fā)展過(guò)程的金融支持路徑，以及不同金融路徑的支農(nóng)作用差異，認(rèn)為儲(chǔ)蓄動(dòng)員效率、 儲(chǔ)蓄投資轉(zhuǎn)化效率和投資投向效率均是農(nóng)業(yè)現(xiàn)代化發(fā)展的主要金融支持路徑，而且儲(chǔ)蓄動(dòng)員效率對(duì)農(nóng)業(yè)現(xiàn)代化的影響最大、 儲(chǔ)蓄投資轉(zhuǎn)化效率次之，而投資投向效率的影響最小。[10]

不難發(fā)現(xiàn)，現(xiàn)有研究成果總體上仍以定性研究為主，定量研究相對(duì)不足。同時(shí)，學(xué)者們只是關(guān)注了傳統(tǒng)金融對(duì)農(nóng)業(yè)現(xiàn)代化的影響，忽視了非傳統(tǒng)金融對(duì)農(nóng)業(yè)現(xiàn)代化可能存在的影響，而鑒于我國(guó)傳統(tǒng)金融由于長(zhǎng)期存在中小企業(yè)融資難、 農(nóng)村金融發(fā)展滯后、 地區(qū)金融發(fā)展水平差異顯著等問(wèn)題[11]，已經(jīng)越來(lái)越難以滿足農(nóng)業(yè)現(xiàn)代化建設(shè)日益增長(zhǎng)的資金需求這一基本事實(shí)，加強(qiáng)對(duì)非傳統(tǒng)金融，尤其是立足于機(jī)會(huì)平等要求和商業(yè)可持續(xù)原則的普惠金融在農(nóng)業(yè)現(xiàn)代化進(jìn)程中的作用研究，顯然是十分必要的。此外，考慮到金融發(fā)展所依賴(lài)的金融資源以及農(nóng)業(yè)現(xiàn)代化所涉及到的農(nóng)業(yè)生產(chǎn)活動(dòng)均具有較強(qiáng)的地理空間屬性，因此，在研究金融對(duì)農(nóng)業(yè)現(xiàn)代化的影響時(shí)合理引入地理空間角度的分析也是十分有益的?；诖耍疚倪x擇在對(duì)普惠金融與農(nóng)業(yè)現(xiàn)代化的空間分布特征深入分析基礎(chǔ)之上，進(jìn)一步地采用面板數(shù)據(jù)回歸模型對(duì)二者內(nèi)在關(guān)系加以實(shí)證檢驗(yàn)，有針對(duì)性地提出相關(guān)的政策建議，以期在豐富現(xiàn)有金融與農(nóng)業(yè)現(xiàn)代化相關(guān)研究成果的同時(shí)也能夠?yàn)槲覈?guó)普惠金融與農(nóng)業(yè)現(xiàn)代化的健康發(fā)展提供有益的決策參考。

1 數(shù)據(jù)來(lái)源和研究方法

1.1 數(shù)據(jù)來(lái)源

文中有關(guān)普惠金融的相關(guān)指標(biāo)，如互聯(lián)網(wǎng)普及率數(shù)據(jù)來(lái)源于2001年-2016年中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心(CNNIC)發(fā)布的《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》，移動(dòng)電話普及率數(shù)據(jù)來(lái)源于2001年-2016年的《中國(guó)第三產(chǎn)業(yè)統(tǒng)計(jì)年鑒》以及《中國(guó)統(tǒng)計(jì)年鑒》，而金融機(jī)構(gòu)數(shù)數(shù)據(jù)來(lái)自于作者對(duì)中國(guó)銀行業(yè)監(jiān)督管理委員會(huì)金融許可證信息查詢網(wǎng)站(http://xukezheng.cbrc.gov.cn/ilicence/licence/licence Query.jsp)的檢索與整理，年末存款余額和年末貸款余額來(lái)自于2001年-2016年的《中國(guó)金融年鑒》 《中國(guó)統(tǒng)計(jì)年鑒》以及《新中國(guó)六十年統(tǒng)計(jì)資料匯編》。有關(guān)農(nóng)業(yè)現(xiàn)代化的相關(guān)指標(biāo)，如農(nóng)林牧漁業(yè)總產(chǎn)值、 主要農(nóng)產(chǎn)品產(chǎn)量、 農(nóng)業(yè)機(jī)械總動(dòng)力、 耕地面積、 有效灌溉面積、 耕地面積數(shù)據(jù)均來(lái)自于中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫(kù)(http://db.cei.cn/page/)，第一產(chǎn)業(yè)從業(yè)人數(shù)數(shù)據(jù)一部分來(lái)源于歷年的《中國(guó)統(tǒng)計(jì)年鑒》，一部分來(lái)源于對(duì)各省市統(tǒng)計(jì)年鑒的搜集整理。其余指標(biāo)數(shù)據(jù)如未做單獨(dú)說(shuō)明，均來(lái)自于歷年的《中國(guó)統(tǒng)計(jì)年鑒》，對(duì)于少數(shù)部分缺失的數(shù)據(jù)，則采用均值進(jìn)行插值處理。

1.2 研究方法

1.2.1 普惠金融發(fā)展指數(shù)

普惠金融發(fā)展指數(shù)是較早由Sarma和Pais(2011年)提出并加以使用的一種用于度量普惠金融發(fā)展水平的方法。[12]該方法具有可操作性強(qiáng)、 準(zhǔn)確性高且指標(biāo)容易獲取等優(yōu)點(diǎn)，近年來(lái)已被國(guó)內(nèi)外學(xué)者廣泛認(rèn)可[13-14]。借鑒黃燕輝[15](2018年)的研究成果，本文選擇的普惠金融度量指標(biāo)主要包括反映普惠金融滲透程度的每百平方公里金融機(jī)構(gòu)數(shù)和每萬(wàn)人金融機(jī)構(gòu)數(shù)以及反映普惠金融使用維度的金融機(jī)構(gòu)年末人均存款余額和年末人均貸款余額。本文的普惠金融發(fā)展指數(shù)計(jì)算方法如下：

(1)

式中：Fina為普惠金融發(fā)展指數(shù)，取值范圍為[0,1]，F(xiàn)ina越大，表示普惠金融發(fā)展水平也高，反之，則普惠金融發(fā)展水平越低；Zi為第i個(gè)普惠金融度量指標(biāo)取值，Mi與mi分別為第i個(gè)普惠金融度量指標(biāo)的最大值與最小值，K為普惠金融的度量指標(biāo)個(gè)數(shù)，這里取值為4，r為設(shè)定的敏感性系數(shù)，通常取值為0.5。

1.2.2 農(nóng)業(yè)現(xiàn)代化水平指數(shù)

農(nóng)業(yè)現(xiàn)代化水平指數(shù)是由趙雪雁等(2018)所使用的一種度量農(nóng)業(yè)現(xiàn)代化發(fā)展水平的方法[16]，其本質(zhì)上仍是一種多指標(biāo)評(píng)價(jià)方法，只是相對(duì)于傳統(tǒng)的農(nóng)業(yè)現(xiàn)代化多指標(biāo)評(píng)價(jià)方法而言，其所依據(jù)的指標(biāo)數(shù)量相對(duì)更少，但指標(biāo)的代表性卻相對(duì)更強(qiáng)。本文也同樣選擇利用農(nóng)業(yè)勞均經(jīng)濟(jì)產(chǎn)出(農(nóng)林牧漁業(yè)總產(chǎn)值/第一產(chǎn)業(yè)從業(yè)人數(shù))、 農(nóng)業(yè)勞均主要農(nóng)產(chǎn)品產(chǎn)量(主要農(nóng)產(chǎn)品產(chǎn)量/第一產(chǎn)業(yè)從業(yè)人數(shù))、 農(nóng)業(yè)機(jī)械化程度(農(nóng)業(yè)機(jī)械總動(dòng)力/耕地面積)、 農(nóng)業(yè)灌溉指數(shù)(有效灌溉面積/耕地面積)來(lái)構(gòu)建農(nóng)業(yè)現(xiàn)代化水平指數(shù)。具體計(jì)算方法如下：

(2)

式中：Agri為農(nóng)業(yè)現(xiàn)代化水平指數(shù)；λ為各指標(biāo)的權(quán)重，結(jié)合研究的需要，本文將利用變異系數(shù)法生成對(duì)應(yīng)指標(biāo)的權(quán)重；X′為采用極差標(biāo)準(zhǔn)化后的各指標(biāo)數(shù)值，i為指標(biāo)個(gè)數(shù)，這里的取值為4。

1.2.3 空間趨勢(shì)面分析

空間趨勢(shì)面分析是用于對(duì)某一要素在地理空間上的分布規(guī)律和變化趨勢(shì)進(jìn)行模擬的地統(tǒng)計(jì)方法。其原理在于：首先，將樣本點(diǎn)的位置繪制在xy平面上； 然后，依據(jù)選定的屬性變量生成每個(gè)樣本點(diǎn)在第三個(gè)維度z軸的高度，并將三維坐標(biāo)分別投影到xz平面和yz平面上，并依據(jù)投影平面上的散點(diǎn)圖擬合出趨勢(shì)線； 最后，依據(jù)擬合出的趨勢(shì)線判斷某一屬性在空間上的分布趨勢(shì)特征，其數(shù)學(xué)概念定義如下[17]

Zi(xi,yi)=Ti(xi,yi)+εi,

(3)

式中：Zi(xi，yi)為區(qū)域i的某一屬性值，Ti(xi,yi)為以二階多項(xiàng)式擬合的趨勢(shì)函數(shù)，(xi,yi)為平面坐標(biāo)，ε為誤差項(xiàng)。

1.2.4 雙變量空間自相關(guān)模型

空間自相關(guān)模型是一種衡量一個(gè)地理單元上某種特定地理現(xiàn)象或?qū)傩灾蹬c其相鄰地理單元上的同一現(xiàn)象或?qū)傩灾抵g的相關(guān)程度大小的指標(biāo)，分別包括全局空間自相關(guān)模型和局部空間自相關(guān)模型。為研究普惠金融和農(nóng)業(yè)現(xiàn)代化在省際之間的空間相關(guān)性，本文采用雙變量全局空間自相關(guān)模型和雙變量局部空間自相關(guān)模型，利用雙變量全局Moran指數(shù)和雙變量局部Moran指數(shù)對(duì)普惠金融和農(nóng)業(yè)現(xiàn)代化的空間關(guān)聯(lián)特征進(jìn)行分析，其計(jì)算過(guò)程如下：

(4)

Ii=Agrii∑WijFinaj,

(5)

式中：I為雙變量全局Moran指數(shù)，Ii雙變量局部Moran指數(shù)，F(xiàn)inai為省市i的普惠金融水平，Agrii為省市i的農(nóng)業(yè)現(xiàn)代化水平，Wij為省市i和省市j的空間權(quán)重矩陣，相鄰則為1，否則為0。

2 普惠金融與農(nóng)業(yè)現(xiàn)代化的空間分布特征

2.1 空間趨勢(shì)特征分析

利用式(1)和式(2)，在計(jì)算出2001年-2016年各省市普惠金融與農(nóng)業(yè)現(xiàn)代化發(fā)展水平的基礎(chǔ)上(1)限于篇幅，此處并未列出普惠金融與農(nóng)業(yè)現(xiàn)代化水平的測(cè)算結(jié)果，如有興趣可向作者索取。，可進(jìn)一步利用式(3)得出2001年、 2016年中國(guó)省域普惠金融與農(nóng)業(yè)現(xiàn)代化的空間趨勢(shì)面分析結(jié)果(如圖1 所示)，其中，x軸與y軸分別代表正東、 正北方向。

圖1 2001年、 2016年普惠金融與農(nóng)業(yè)現(xiàn)代化空間趨勢(shì)面分析

2001年，普惠金融與農(nóng)業(yè)現(xiàn)代化在東西方向上均呈現(xiàn)出東高西低的分布趨勢(shì)，且趨勢(shì)面的坡度較為陡峭，表明東西方向上的普惠金融與農(nóng)業(yè)現(xiàn)代化均具有明顯的空間分異現(xiàn)象，而普惠金融與農(nóng)業(yè)現(xiàn)代化在南北方向上均呈現(xiàn)出北高南低的分布趨勢(shì)，但趨勢(shì)面的坡度較為平緩，表明南北方向上的普惠金融與農(nóng)業(yè)現(xiàn)代化均未沒(méi)有出現(xiàn)強(qiáng)烈的空間分異現(xiàn)象。2016年與2001年相比，普惠金融與農(nóng)業(yè)現(xiàn)代化在東西方向上的總體變化相對(duì)不大，仍保持著東高西低的分布趨勢(shì)，但趨勢(shì)面的形態(tài)開(kāi)始變得較為平緩，而在南北方向上普惠金融與農(nóng)業(yè)現(xiàn)代化的趨勢(shì)面開(kāi)始呈現(xiàn)倒U型形態(tài)，尤其是普惠金融的倒U型形態(tài)更為明顯，這一趨勢(shì)表明，與南北部地區(qū)相比，中部地區(qū)的普惠金融與農(nóng)業(yè)現(xiàn)代化水平開(kāi)始出現(xiàn)不斷增強(qiáng)的趨勢(shì)，但總體而言，此時(shí)北部地區(qū)無(wú)論是普惠金融還是農(nóng)業(yè)現(xiàn)代化水平仍明顯高于南部地區(qū)，二者的北高南低的分布趨勢(shì)仍未發(fā)生本質(zhì)的變化。

2.2 空間關(guān)聯(lián)特征分析

由式(4)可以計(jì)算得到2001年-2016年中國(guó)省域普惠金融與農(nóng)業(yè)現(xiàn)代化的雙變量全局Moran指數(shù)及其檢驗(yàn)結(jié)果(見(jiàn)表1)。從表1 中可知，各年的Moran’s I指數(shù)均為正，且均通過(guò)了顯著性水平為1%的Z檢驗(yàn)，表明中國(guó)省域普惠金融與農(nóng)業(yè)現(xiàn)代化存在明顯的空間正相關(guān)關(guān)系，即普惠金融水平較高的省市往往會(huì)具有較高的農(nóng)業(yè)現(xiàn)代化水平，而普惠金融水平較低的省市往往也會(huì)具有較低的農(nóng)業(yè)現(xiàn)代化水平。此外，中國(guó)省域普惠金融與農(nóng)業(yè)現(xiàn)代化的雙變量全局Moran指數(shù)總體介于0.357 6-0.543 2 之間，也表明二者的空間正相關(guān)關(guān)系較強(qiáng)，空間集聚程度也較高，且從雙變量全局Moran指數(shù)的變化趨勢(shì)可知，雙變量全局Moran指數(shù)總體呈現(xiàn)出波動(dòng)上升的發(fā)展態(tài)勢(shì)，說(shuō)明隨著時(shí)間的推移，普惠金融與農(nóng)業(yè)現(xiàn)代化空間集聚分布的現(xiàn)象更加明顯。

表1 2001年-2016年普惠金融與農(nóng)業(yè)現(xiàn)代化的雙變量全局Moran指數(shù)

雙變量全局Moran指數(shù)表明總體上中國(guó)省域普惠金融與農(nóng)業(yè)現(xiàn)代化之間存在空間正相關(guān)關(guān)系，但是具體到特定的省市，這種空間正相關(guān)關(guān)系是否仍能滿足卻不得而知，因此，本文進(jìn)一步利用式(5)，繼續(xù)采用雙變量局部空間自相關(guān)模型對(duì)普惠金融與農(nóng)業(yè)現(xiàn)代化的空間關(guān)系進(jìn)行局部分析，得出通過(guò)1%顯著性水平檢驗(yàn)的雙變量Lisa集聚圖(見(jiàn)圖2)，據(jù)此可以發(fā)現(xiàn)：中國(guó)省域普惠金融與農(nóng)業(yè)現(xiàn)代化共存在四類(lèi)顯著的空間集聚類(lèi)型。

高高集聚型：指普惠金融水平高，農(nóng)業(yè)現(xiàn)代化水平也高的省市。由圖2 可以看出，2001年和2006年，屬于該類(lèi)型的省市均是北京、 天津、 江蘇； 2011年，屬于該類(lèi)型的省市是北京、 天津、 江蘇、 浙江； 2016年，屬于該類(lèi)型的省市是江蘇、 浙江、 上海?？傮w來(lái)看，該類(lèi)型所屬省市主要是以東部沿海地區(qū)的幾個(gè)經(jīng)濟(jì)強(qiáng)省為主，分布范圍相對(duì)不大。這些省市經(jīng)濟(jì)發(fā)達(dá)，一方面為完善金融基礎(chǔ)設(shè)施建設(shè)、 提高金融服務(wù)覆蓋率、 優(yōu)化普惠金融發(fā)展環(huán)境提供了重要的前提條件； 另一方面也為實(shí)現(xiàn)農(nóng)業(yè)的裝備現(xiàn)代化、 科技現(xiàn)代化以及經(jīng)營(yíng)管理現(xiàn)代化提供了堅(jiān)實(shí)的物質(zhì)基礎(chǔ)。因此，這些省市的普惠金融與農(nóng)業(yè)現(xiàn)代化水平遠(yuǎn)高于周邊省市。

圖2 2001年、 2006年、 2011年、 2016年各年普惠金融與農(nóng)業(yè)現(xiàn)代化的雙變量Lisa集聚圖

低低集聚型：指普惠金融水平低，農(nóng)業(yè)現(xiàn)代化水平也低的省市。2001年，屬于該類(lèi)型的省市是新疆、 甘肅、 陜西、 四川、 重慶、 云南、 貴州； 2006年，屬于該類(lèi)型的省市是新疆、 寧夏、 陜西、 四川、 重慶、 云南、 貴州、 湖南； 2011年，屬于該類(lèi)型的省市是新疆、 西藏、 寧夏、 陜西、 四川、 云南、 貴州； 2016年，屬于該類(lèi)型的省市是新疆、 寧夏陜西、 四川、 云南、 貴州?？傮w來(lái)看，該類(lèi)型所屬省市主要以西部?jī)?nèi)陸地區(qū)的省市為主，分布相對(duì)較為集中，范圍由擴(kuò)大到縮小。該類(lèi)型所屬省市由于存在生態(tài)環(huán)境相對(duì)脆弱、 地理區(qū)位欠佳、 經(jīng)濟(jì)基礎(chǔ)薄弱、 城鄉(xiāng)差距明顯等諸多不利因素，金融基礎(chǔ)設(shè)施與農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)相對(duì)落后，普惠金融水平與農(nóng)業(yè)現(xiàn)代化水平與周邊省市相比普遍較低。

低高集聚型：指普惠金融水平低，農(nóng)業(yè)現(xiàn)代化水平高的省市。2001年和2006年，屬于該類(lèi)型的省市是河北； 2011年，并無(wú)屬于該類(lèi)型的省市，2016年，屬于該類(lèi)型的省市是山東和安徽。不難發(fā)現(xiàn)，該類(lèi)型所屬省市數(shù)量較少，分布范圍變化較大。這三個(gè)省市本身均為農(nóng)業(yè)大省，無(wú)論是農(nóng)業(yè)綜合生產(chǎn)能力還是農(nóng)業(yè)物質(zhì)裝備水平均相對(duì)較高，農(nóng)業(yè)現(xiàn)代化發(fā)展也具有一定的優(yōu)勢(shì)與潛力，而這三個(gè)省市與周邊的北京、 江蘇相比，金融服務(wù)滲透度與可獲得性均相對(duì)不高，普惠金融水平還有待提升。

高低集聚型：指普惠金融水平高，農(nóng)業(yè)現(xiàn)代化水平低的省市。2001年，屬于該類(lèi)型的省市是寧夏； 2011年，屬于該類(lèi)型的省市是重慶； 而 2006年和2016年，并無(wú)屬于該類(lèi)型的省市?？梢?jiàn)，該類(lèi)型相對(duì)并不常見(jiàn)。該種類(lèi)型早期分布在寧夏和重慶的主要原因在于與周邊的省市相比，寧夏與重慶的經(jīng)濟(jì)發(fā)展水平相對(duì)更高，普惠金融具有相對(duì)較好的發(fā)展條件，但寧夏的水資源貧乏、 土壤荒漠化以及重慶的多山地、 多丘陵地形很大程度上制約了兩省市的農(nóng)業(yè)現(xiàn)代化發(fā)展，因而，與周邊省市相比這兩個(gè)省市的農(nóng)業(yè)現(xiàn)代化水平仍相對(duì)不高。

3 普惠金融對(duì)農(nóng)業(yè)現(xiàn)代化影響的計(jì)量檢驗(yàn)

3.1 變量選取與模型構(gòu)建

本文選擇以農(nóng)業(yè)現(xiàn)代化(Fina)為被解釋變量，以普惠金融(Fina)為解釋變量，通過(guò)構(gòu)建面板數(shù)據(jù)回歸模型，來(lái)考察普惠金融與農(nóng)業(yè)現(xiàn)代化的關(guān)系。同時(shí)，為了提高模型估計(jì)的準(zhǔn)確性與可靠性，從以下幾個(gè)方面選擇相關(guān)的控制變量(詳見(jiàn)表2)。

表2 變量定義與說(shuō)明

1) 農(nóng)業(yè)固定資產(chǎn)投資(Fixe)：農(nóng)業(yè)固定資產(chǎn)投資反映了農(nóng)業(yè)現(xiàn)代化的投資規(guī)模，而現(xiàn)有大量研究成果也表明農(nóng)業(yè)的資本積累與深化是農(nóng)業(yè)現(xiàn)代化發(fā)展的重要?jiǎng)恿8]，本文采用農(nóng)林牧漁業(yè)全社會(huì)固定資產(chǎn)投資額來(lái)測(cè)算各省市的農(nóng)業(yè)固定資產(chǎn)投資規(guī)模。2) 交通便捷程度(Traf)：便捷的交通是農(nóng)業(yè)實(shí)現(xiàn)規(guī)?；a(chǎn)與農(nóng)產(chǎn)品實(shí)現(xiàn)外銷(xiāo)的重要前提[18]，本文采用公路路網(wǎng)密度來(lái)測(cè)算各省市的交通便捷程度。3) 財(cái)政支農(nóng)水平(Gove)：農(nóng)業(yè)是國(guó)民經(jīng)濟(jì)的薄弱環(huán)節(jié)，相對(duì)于二三產(chǎn)業(yè)而言，農(nóng)業(yè)更容易受到自然資源與氣候條件的不利影響，由此，決定了財(cái)政支農(nóng)的重要性和必要性[19]，本文采用地方財(cái)政中的農(nóng)林水事務(wù)支出額來(lái)測(cè)算各省市的財(cái)政支農(nóng)水平。4) 科技支農(nóng)水平(Tech)：農(nóng)業(yè)現(xiàn)代化離不開(kāi)科技的支撐，而農(nóng)業(yè)科技人員能夠反映出科技對(duì)農(nóng)業(yè)的支撐情況[20]，本文采用農(nóng)業(yè)技術(shù)人員占第一產(chǎn)業(yè)就業(yè)人數(shù)比重來(lái)測(cè)算各省市的科技支農(nóng)水平。5) 農(nóng)業(yè)受災(zāi)率(Disa)：農(nóng)業(yè)受災(zāi)率反映了農(nóng)業(yè)受自然災(zāi)害的影響程度，不可控的自然災(zāi)害對(duì)農(nóng)業(yè)生產(chǎn)的影響巨大，這也與農(nóng)業(yè)的特殊性有關(guān)[21]，本文采用農(nóng)業(yè)技術(shù)人員或農(nóng)作物受災(zāi)面積與農(nóng)作物播種面積比值來(lái)測(cè)算各省市的科技支農(nóng)水平。

根據(jù)所選定的變量以及數(shù)據(jù)結(jié)構(gòu)特征，本文建構(gòu)了如下所示的面板回歸模型：

Agriit=β0+β1Finait+β2Fixeit+β3Trafit+

β4Goveit+β5Techit+β6Disait+εit,

其中，β0為常數(shù)項(xiàng)，β1～β6為相關(guān)變量的回歸系數(shù)；εit為隨機(jī)擾動(dòng)項(xiàng)，i=1,2,3，...,31，t=1,2,3，…，16.

3.2 結(jié)果分析

表3 報(bào)告了普惠金融對(duì)農(nóng)業(yè)現(xiàn)代化影響的面板模型估計(jì)結(jié)果。為了進(jìn)一步探討普惠金融對(duì)農(nóng)業(yè)現(xiàn)代化影響的地區(qū)性差異，表3同時(shí)也報(bào)告了我國(guó)東中西部地區(qū)的回歸結(jié)果。從Hausman檢驗(yàn)結(jié)果來(lái)看，全國(guó)、 東部以及西部地區(qū)的Hausman檢驗(yàn)均未通過(guò)相應(yīng)的顯著性檢驗(yàn)，說(shuō)明固定效應(yīng)模型(FE)并不優(yōu)于隨機(jī)效應(yīng)模型(RE)，報(bào)告了基于隨機(jī)效應(yīng)模型(RE)的估計(jì)結(jié)果，而中部地區(qū)的Hausman檢驗(yàn)通過(guò)了1%水平下的顯著性檢驗(yàn)，說(shuō)明固定效應(yīng)模型(FE)優(yōu)于隨機(jī)效應(yīng)模型(RE)，報(bào)告了基于固定效應(yīng)模型(FE)的估計(jì)結(jié)果。

表3 普惠金融對(duì)農(nóng)業(yè)現(xiàn)代化影響的面板模型估計(jì)結(jié)果

從普惠金融(Fina)的回歸結(jié)果來(lái)看，全國(guó)普惠金融的回歸系數(shù)為0.388 1，并在1%的水平下顯著，表明普惠金融確實(shí)能夠顯著促進(jìn)農(nóng)業(yè)現(xiàn)代的發(fā)展，加強(qiáng)普惠金融發(fā)展對(duì)于加快推進(jìn)我國(guó)農(nóng)業(yè)現(xiàn)代化建設(shè)具有重要意義。東部地區(qū)普惠金融的回歸系數(shù)為0.061 6，但并未通過(guò)相應(yīng)的顯著性檢驗(yàn)，而中部地區(qū)普惠金融的回歸系數(shù)為0.236 1，西部地區(qū)普惠金融的回歸系數(shù)為0.242 9并均在至少5%的水平下顯著，表明東部地區(qū)普惠金融對(duì)農(nóng)業(yè)現(xiàn)代化的促進(jìn)作用并不明顯，而中西部地區(qū)普惠金融對(duì)農(nóng)業(yè)現(xiàn)代化的促進(jìn)作用卻十分明顯，這可能是由于東部地區(qū)的金融發(fā)展水平整體上要高于中西部地區(qū)，金融對(duì)農(nóng)業(yè)現(xiàn)代化的促進(jìn)作用已在傳統(tǒng)金融領(lǐng)域得到充分釋放，導(dǎo)致普惠金融在農(nóng)業(yè)現(xiàn)代化中發(fā)揮作用的空間變得相對(duì)有限。

從各控制變量來(lái)看，全國(guó)、 東部地區(qū)、 中部地區(qū)、 西部地區(qū)農(nóng)業(yè)固定資產(chǎn)投資(Fixe)、 交通便捷程度(Traf)、 財(cái)政支農(nóng)水平(Gove)的系數(shù)均顯著為正，表明無(wú)論是在全國(guó)層面還是區(qū)域?qū)用?，農(nóng)業(yè)固定資產(chǎn)投資、 交通便捷程度、 財(cái)政支農(nóng)水平均是促進(jìn)農(nóng)業(yè)現(xiàn)代化水平的提高重要因素。同時(shí)，全國(guó)、 東部地區(qū)、 中部地區(qū)科技支農(nóng)水平(Tech)的系數(shù)均顯著為正，而西部地區(qū)科技支農(nóng)水平(Tech)系數(shù)雖也為正，但并不顯著，說(shuō)明科技支農(nóng)水平雖然顯著促進(jìn)了全國(guó)、 東部地區(qū)與中部地區(qū)的農(nóng)業(yè)現(xiàn)代化發(fā)展，但并未對(duì)西部地區(qū)的農(nóng)業(yè)現(xiàn)代化發(fā)展起到顯著的影響，這主要是因?yàn)椋覈?guó)的西部地區(qū)自身的科技支農(nóng)水平還相對(duì)有限，尚不足以滿足農(nóng)業(yè)現(xiàn)代化的發(fā)展需要。此外，全國(guó)、 東部地區(qū)農(nóng)業(yè)受災(zāi)率(Disa)的系數(shù)均顯著為負(fù)，而中部地區(qū)、 西部地區(qū)農(nóng)業(yè)受災(zāi)率(Disa)的系數(shù)雖也為負(fù)，但并不顯著，說(shuō)明農(nóng)業(yè)受災(zāi)率是制約全國(guó)、 東部地區(qū)農(nóng)業(yè)現(xiàn)代化發(fā)展的重要因素，但不是制約中部地區(qū)、 西部地區(qū)的重要因素，這主要是由于相比較于傳統(tǒng)的旱災(zāi)而言，東部地區(qū)的農(nóng)業(yè)發(fā)展往往更容易受到臺(tái)風(fēng)、 洪澇的不利影響，而后兩者的發(fā)生頻率與破壞力也遠(yuǎn)遠(yuǎn)高于前者，因此，東部地區(qū)的農(nóng)業(yè)受災(zāi)率對(duì)農(nóng)業(yè)現(xiàn)代化的制約也更為明顯。

4 結(jié)論與政策建議

本文以中國(guó)大陸31省市2001年-2016年的面板數(shù)據(jù)為例，綜合采用普惠金融發(fā)展指數(shù)、 農(nóng)業(yè)現(xiàn)代化水平指數(shù)、 空間趨勢(shì)面分析以及雙變量空間自相關(guān)模型等方法研究了中國(guó)省域普惠金融和農(nóng)業(yè)現(xiàn)代化的的空間分布特征并利用面板數(shù)據(jù)回歸模型對(duì)其內(nèi)在關(guān)系進(jìn)行了計(jì)量檢驗(yàn)，主要結(jié)論如下：

第一，從空間趨勢(shì)特征看，2001年-2016年，中國(guó)省域普惠金融與農(nóng)業(yè)現(xiàn)代化均呈現(xiàn)出“東高西低、 北高南低”的空間分布趨勢(shì)，且普惠金融與農(nóng)業(yè)現(xiàn)代化在東西方向上的空間分異現(xiàn)象較明顯，而在南北方向上的空間分異現(xiàn)象不太明顯。

第二，從空間關(guān)聯(lián)特征來(lái)看，中國(guó)省域普惠金融與農(nóng)業(yè)現(xiàn)代化在空間上具有顯著的正相關(guān)關(guān)系，具有明顯的空間集聚分布特征。普惠金融與農(nóng)業(yè)現(xiàn)代化在局部地區(qū)具有高高集聚、 低低集聚、 低高集聚和高低集聚四種空間集聚類(lèi)型，其中，以西部?jī)?nèi)陸省市為代表的低低集聚是主要的分布類(lèi)型，且該類(lèi)型的分布范圍以由逐漸擴(kuò)大轉(zhuǎn)變?yōu)橹饾u縮小。

第三，從面板數(shù)據(jù)回歸模型的估計(jì)結(jié)果來(lái)看，普惠金融顯著促進(jìn)了農(nóng)業(yè)現(xiàn)代化水平的提高，但這種促進(jìn)作用存在地區(qū)性差異，表現(xiàn)為中西部地區(qū)的顯著與東部地區(qū)的不顯著。同時(shí)，農(nóng)業(yè)固定資產(chǎn)投資、 交通便捷程度、 財(cái)政支農(nóng)水平均是影響農(nóng)業(yè)現(xiàn)代化的重要因素。

針對(duì)研究結(jié)論提出以下幾點(diǎn)政策建議：首先，要正確認(rèn)識(shí)普惠金融在農(nóng)業(yè)現(xiàn)代化發(fā)展中的重要作用，通過(guò)加強(qiáng)對(duì)普惠金融與農(nóng)業(yè)現(xiàn)代化的理論與實(shí)務(wù)探討研究，全面客觀地評(píng)判普惠金融對(duì)農(nóng)業(yè)現(xiàn)代化發(fā)展的貢獻(xiàn)，拓展提升農(nóng)業(yè)現(xiàn)代化發(fā)展的有效途徑。其次，要加強(qiáng)中西部地區(qū)金融基礎(chǔ)設(shè)施建設(shè)，優(yōu)化中西部地區(qū)普惠金融發(fā)展環(huán)境。與東部沿海地區(qū)相比，我國(guó)的中西部地區(qū)普遍面臨著金融基礎(chǔ)設(shè)施不健全的問(wèn)題，這在一定程度制約了普惠金融對(duì)農(nóng)業(yè)現(xiàn)代化促進(jìn)作用的發(fā)揮，因此，要通過(guò)建立健全現(xiàn)代化的支付清算體系，優(yōu)化支付服務(wù)環(huán)境以及發(fā)展信用中介機(jī)構(gòu)，健全信用體系等措施加強(qiáng)中西部地區(qū)的支付體系和信用體系等金融基礎(chǔ)設(shè)施建設(shè)。最后，要依托依托計(jì)算機(jī)、 云計(jì)算以及大數(shù)據(jù)技術(shù)可以有效地降低普惠金融的征信成本與交易成本，合理控制普惠金融的信貸風(fēng)險(xiǎn)以及實(shí)現(xiàn)普惠金融的商業(yè)可持續(xù)。盡管普惠金融的服務(wù)對(duì)象是那些很難從銀行獲得信貸支持的小微企業(yè)、 窮人、 低收入群體，但是，普惠金融畢竟不是慈善和救濟(jì)，仍須考慮資金的使用效率和信貸風(fēng)險(xiǎn)的防控問(wèn)題。因此，要依賴(lài)信息通訊技術(shù)手段，實(shí)現(xiàn)普惠金融的健康可持續(xù)發(fā)展，全力服務(wù)于我國(guó)農(nóng)業(yè)現(xiàn)代化發(fā)展。