◎張正平 夏海 陳楊 張俊美

引言

農(nóng)村信用社省級聯(lián)社（下稱省聯(lián)社）是上一輪農(nóng)村信用社（下稱農(nóng)信社）管理體制改革的歷史產(chǎn)物。在上一輪改革中，中央政府把對農(nóng)信社的管理權(quán)限下放給省政府，由省政府組建具體管理機構(gòu)——省聯(lián)社，承擔(dān)對轄內(nèi)農(nóng)信機構(gòu)的管理、指導(dǎo)和協(xié)調(diào)責(zé)任1。在過去十年的農(nóng)村金融改革歷程中，省聯(lián)社功不可沒，但在農(nóng)信社改革不斷深化、多數(shù)農(nóng)信社已改建成具有獨立法人資格的農(nóng)村商業(yè)銀行（下稱農(nóng)商行）或農(nóng)村合作銀行、中央及相關(guān)部門多次發(fā)布文件敦促省聯(lián)社改革2的背景下，省聯(lián)社模式近年來卻備受學(xué)界的質(zhì)疑。

國內(nèi)學(xué)者對省聯(lián)社模式已有諸多研究，主要集中于對農(nóng)信機構(gòu)以下幾個方面的影響：第一，人事方面。多數(shù)省聯(lián)社存在隨意調(diào)動農(nóng)信社管理干部的問題，并擁有對農(nóng)信社人員的行政處分權(quán)，嚴(yán)重影響了農(nóng)信社的人事決策和正常運作（穆爭社、藍(lán)虹，2007）。第二，機構(gòu)發(fā)展運作方面。部分省聯(lián)社超范圍開展自營資金業(yè)務(wù)，不僅影響農(nóng)商行資源配置，也損害了基層法人的權(quán)益（馬九杰和吳本健，2013）。但也有研究指出，省聯(lián)社能夠降低農(nóng)村金融機構(gòu)的整體服務(wù)成本，提升農(nóng)信社系統(tǒng)競爭力（錢水土、陳鑫云，2015），從而有利于其發(fā)展。第三，涉農(nóng)小微業(yè)務(wù)方面。部分學(xué)者認(rèn)為省聯(lián)社對農(nóng)信社實行的行政管理，干預(yù)了農(nóng)信社的正常經(jīng)營，不利于農(nóng)信社發(fā)揮其規(guī)模小、決策鏈條短和貼近農(nóng)民等優(yōu)勢（曹雷，2016）。但曹軍新等（2018）則認(rèn)為，省聯(lián)社模式是中央政府對地方政府設(shè)計的正向激勵機制，使得地方政府能更主動地利用金融資源服務(wù)農(nóng)村地區(qū)，且省聯(lián)社模式能在一定程度上抑制農(nóng)商行股東股權(quán)無序質(zhì)押、信貸投放偏離自身定位等問題（鄧向紅等，2016），從而提升其支農(nóng)服務(wù)水平。第四，機構(gòu)改革方面，藍(lán)虹和穆爭社（2016）認(rèn)為省聯(lián)社對農(nóng)村信用社的行政管理，不僅缺乏產(chǎn)權(quán)基礎(chǔ)，違背法人治理基本規(guī)則，而且不利于實現(xiàn)農(nóng)村信用社的改革目標(biāo)，且隨著越來越多的農(nóng)信社改制為農(nóng)商行，省聯(lián)社與農(nóng)村金融機構(gòu)之間的股權(quán)關(guān)系與管理關(guān)系倒掛的矛盾將會越來越尖銳（謝平、劉海二，2019），但是王曙光（2013）指出省聯(lián)社能夠整合區(qū)域資源，幫助弱小聯(lián)社維持基本金融服務(wù)的提供，在經(jīng)濟欠發(fā)達的地區(qū)作用不可替代。

省聯(lián)社改革不僅涉及到省聯(lián)社自身，同時涉及數(shù)千家基層聯(lián)社（謝宏、李鵬，2019）。然而，由于既有文獻多為定性分析，缺乏對省聯(lián)社作用與影響的實證研究，不僅導(dǎo)致上述爭議難以平息，也使得省聯(lián)社改革方案遲遲無法形成。為此，在新一輪農(nóng)信社改革即將開啟之際，有必要重新審視省聯(lián)社的作用與影響，為后續(xù)改革提供必要的實證依據(jù)。

為此，本文借鑒王靖一、黃益平（2018）的方法，利用LDA模型對我國24家省聯(lián)社官網(wǎng)發(fā)布的新聞進行文本分析，提取了七個與省聯(lián)社及農(nóng)信機構(gòu)金融業(yè)務(wù)相關(guān)的主題，以指數(shù)的形式定量刻畫省聯(lián)社對其下轄農(nóng)信機構(gòu)涉農(nóng)貸款、小微貸款、機構(gòu)發(fā)展與改革等七類業(yè)務(wù)的關(guān)注度，并對各類業(yè)務(wù)關(guān)注指數(shù)的變化進行橫向和縱向比較分析，試圖揭示省聯(lián)社對不同業(yè)務(wù)關(guān)注帶來的差異化影響，進而為后續(xù)改革提供必要的政策啟示。

本文的創(chuàng)新之處在于：首先，運用文本挖掘的方法對省聯(lián)社發(fā)布的新聞進行文本分析，獲取新聞文本中隱藏的信息，這是將文本分析法引入農(nóng)村金融研究領(lǐng)域的有益嘗試；其次，應(yīng)用LDA主題分類模型研究省聯(lián)社對農(nóng)信機構(gòu)業(yè)務(wù)發(fā)展的關(guān)注，構(gòu)建了涉農(nóng)貸款等七個業(yè)務(wù)關(guān)注指數(shù)，定量刻畫了省聯(lián)社對農(nóng)信機構(gòu)業(yè)務(wù)發(fā)展的影響力，為量化分析省聯(lián)社的作用和改革提供了新的研究思路和數(shù)據(jù)支持。

本文后續(xù)安排如下：第二部分闡述指數(shù)構(gòu)建的思路與過程；第三部分論證指數(shù)結(jié)果的合理性并對其特征進行分析；第四部分為主要結(jié)論及其政策啟示。

指數(shù)構(gòu)建的思路與過程

LDA即隱含狄利克雷分布（Latent Dirichlet Allocation，LDA），是一種概率主題模型，最早作為一種無監(jiān)督學(xué)習(xí)方法由Blei等人（2003）提出，近年在文本分析領(lǐng)域較為流行，且在經(jīng)濟金融領(lǐng)域已有較為成熟的應(yīng)用。例如，Thorsrud（2020）運用LDA主題模型構(gòu)建了新聞即時經(jīng)濟周期指數(shù)；王靖一和黃益平（2018）運用LDA和HDP主題分類模型從和訊網(wǎng)財經(jīng)新聞中分離出金融科技主題，并構(gòu)建金融科技關(guān)注指數(shù)和金融科技情緒指數(shù)。

LDA的優(yōu)勢在于使用的數(shù)據(jù)集不需要自帶標(biāo)簽，設(shè)定適當(dāng)主題數(shù)后，能較好地將文檔進行分類。本文采用LDA主題分布模型構(gòu)建省聯(lián)社關(guān)注指數(shù)，其原因在于：第一，本文從各省聯(lián)社官網(wǎng)獲取的新聞文檔不帶標(biāo)簽，故無法使用有監(jiān)督學(xué)習(xí)的算法模型；第二，LDA模型將文檔實現(xiàn)按主題進行歸類，并輸出每個文檔屬于不同主題的概率，這為本文量化構(gòu)建業(yè)務(wù)關(guān)注指數(shù)提供了基礎(chǔ)，也是由定性分析轉(zhuǎn)為定量分析的關(guān)鍵。本文運用LDA主題模型進行指數(shù)構(gòu)建的思路見圖1，具體過程如下：

（一）數(shù)據(jù)準(zhǔn)備

第一步，確定文檔庫來源網(wǎng)站。由于本文研究的是省聯(lián)社對下轄農(nóng)信機構(gòu)業(yè)務(wù)的關(guān)注，故選取了我國除香港、澳門、臺灣、寧夏回族自治區(qū)、西藏藏族自治區(qū)四大直轄市以外等25個省3的省聯(lián)社官網(wǎng)發(fā)布的新聞動態(tài)建立初始文檔庫。

第二步，網(wǎng)頁爬蟲與文檔解析。本文使用了Python4進行原始數(shù)據(jù)的爬取。完成網(wǎng)頁爬取后，使用Python第三方庫“Beautifulsoup”進行文檔解析。

具體來看，我們爬取了我國25家省聯(lián)社2010年1月1日至2019年3月31日發(fā)布于其官網(wǎng)的新聞文檔。從各省聯(lián)社官網(wǎng)爬取的新聞文檔數(shù)量的情況看，中東部地區(qū)的省聯(lián)社發(fā)布的新聞較多，而西部與東北地區(qū)省聯(lián)社發(fā)布的新聞較少，這與各省的經(jīng)濟發(fā)展?fàn)顩r呈現(xiàn)出驚人的一致趨勢。其中，河南省聯(lián)社新聞發(fā)布數(shù)量最多，共計27334條，云南省聯(lián)社新聞發(fā)布數(shù)量最少，僅30條，且全部于2018年發(fā)布。需要說明的是，由于大部分省聯(lián)社2019年發(fā)布的新聞數(shù)據(jù)量不足以開展LDA主題分析，因此，后文構(gòu)建業(yè)務(wù)關(guān)注指數(shù)的數(shù)據(jù)時間區(qū)間為2010～2018年。

第三步，對文檔進行分詞，并使用專業(yè)詞庫補充訂正。本文采用Python第三方庫“Jieba”進行分詞。Jieba的優(yōu)勢在于能較為精準(zhǔn)地進行中文分詞，適合用于文本分析，且支持用戶自定義詞典，能極大地提高分詞準(zhǔn)確度。結(jié)合經(jīng)濟金融行業(yè)以及省聯(lián)社特點，本文補充了部分關(guān)鍵詞5，并將之納入詞典；同時，設(shè)置語氣助詞、無實義動詞、副詞、名詞等停用詞6。完成所有文檔的中文分詞后，就得到了初始的文檔庫。

需要說明的是，利用Python的第三方庫可以得到中文分詞后的詞云圖（見圖2），由此可以觀察Jieba分詞的初步效果，也能大致了解省聯(lián)社的重點關(guān)注領(lǐng)域。圖2分別報告了基于安徽省聯(lián)社和河南省聯(lián)社2018年發(fā)布的全部新聞文檔集畫出的詞云圖。對全部新聞文檔進行詞云分析后發(fā)現(xiàn)，信貸投放、數(shù)字技術(shù)、普惠金融和機構(gòu)發(fā)展是各家省聯(lián)社重點關(guān)注的領(lǐng)域。

（二）主題過濾及篩選

在獲得初始的文檔庫后，我們利用樸素過濾器和LDA過濾器進行文檔歸類，并在文檔歸類后篩選出與本文關(guān)注主題相關(guān)的文檔，然后將這些文檔再次進行文本主題分析，進一步得到每個文檔從屬于不同主題的概率。

1.LDA過濾。LDA是一種矩陣分解技術(shù)，首先需要構(gòu)建文檔庫，即由所有文檔組成的語料庫7，并將之表示為文檔矩陣。在表1中，D表示文檔，W表示詞匯，表中所示的文檔矩陣表示該語料庫共有n個文檔、m個詞語，數(shù)字表示對應(yīng)每個文檔中詞語出現(xiàn)的頻數(shù)（數(shù)字為隨機給出）。通過LDA模型將文檔矩陣轉(zhuǎn)化為兩個低維矩陣M1和M2（見表2）：

表1： LDA文檔-詞語矩陣

表2：LDA文檔-主題-詞語矩陣

資料來源：圖示分析引自Blei等（2003）。

M1是一個n×k的“文檔-主題”矩陣，n文檔個數(shù)，k代表主題個數(shù)，M1中θi是一個長度為k的向量，用于描述當(dāng)前文檔θi在k個主題上的分布，Z表示具體的主題。M2是“主題-詞語”矩陣，用于描述主題在詞語中的分布。由此，在LDA主題模型中，文檔、主題、關(guān)鍵詞三者之間存在如下的貝葉斯關(guān)系：

P(詞語|文檔)= P(詞語|主題)×P(主題|文檔)

若一個文檔存在k個主題，每個主題有w個關(guān)鍵詞描述，這里有兩個概率分布：一個是關(guān)鍵詞w在給定主題k中出現(xiàn)的概率分布，另一個是每個文檔在不同主題下的概率分布。

LDA文檔生成過程大致可以分為兩步：第一步，根據(jù)文檔的主題分布情況，隨機選擇一個主題；第二步，根據(jù)該主題下各詞語的分布情況隨機選擇一個詞語，該過程可簡單由圖3表示，其中，wi為一個文檔中對應(yīng)的單個詞語，Z為w所屬主題，θm是單個文檔每個關(guān)鍵詞的主題多項式分布，α和β分別為主題多項式分布和詞語多項式分布的參數(shù)。

參數(shù)求解：首先，從狄利克雷分布α和β中抽樣得到文檔m的主題多項式分布θm和主題k的詞語多項式分布φk；然后，從主題多項式分布θm中抽樣得到文檔m的第n個詞的主題Zm，n；接著，從主題Zm，n對應(yīng)的詞語分布φk中抽取詞語Wm，n；最后，重復(fù)上述步驟Nm次。據(jù)此，所有已知的和隱藏的變量的聯(lián)合分布可以表示為下式：

在此基礎(chǔ)上，通過Gibss抽樣（Sugimoto等，2014）估計上述模型的參數(shù)θm和φk。8

LDA過濾：中文分詞后的初始文檔中，有不少以黨建、團建等活動為主題的文檔，考慮到黨建團建活動不屬于農(nóng)信機構(gòu)經(jīng)營性業(yè)務(wù)的范疇，且這些活動的報道中涉及業(yè)務(wù)經(jīng)營的文字也不多，因此將這類文檔從初始文檔中刪去。然后，本文借鑒Baker等（2015）的方法，利用關(guān)鍵詞對文檔進行了樸素過濾9。

經(jīng)過樸素過濾后，剩余的文檔大部分與信貸行為、普惠金融、數(shù)字技術(shù)和機構(gòu)改革與發(fā)展等四個主題相關(guān)，但可能仍有少量文檔與主題無關(guān)，因此，需借助LDA過濾器進一步過濾掉與主題無關(guān)的文檔。所謂LDA過濾，是將樸素過濾的結(jié)果利用LDA主題模型進行分類，繼而將這些擁有不同預(yù)設(shè)主題數(shù)的LDA模型的結(jié)果輸出到池化器10中，池化器將綜合每一個LDA模型的結(jié)果，給出每一篇文檔屬于不同主題的概率。LDA過濾采用的過濾策略為：對于每一篇文檔在不同預(yù)設(shè)主題數(shù)的LDA輸出結(jié)果中，若從屬于以上四個主題的概率較低，則將其剔除11。經(jīng)過LDA過濾后，可以得到更加“干凈”的文檔集。

2.主題分類。LDA主題模型的結(jié)果與先驗主題數(shù)量有關(guān)，即初始設(shè)置的主題數(shù)量會影響聚類結(jié)構(gòu)，為保證LDA分類的準(zhǔn)確性，確定最佳的主題數(shù)十分關(guān)鍵。關(guān)于最佳主題數(shù)的確定，Airoldi等（2010）使用交叉驗證法，Blei等（2003）使用困惑度（Perplexity）分析法，考慮到部分省聯(lián)社官網(wǎng)發(fā)布的新聞數(shù)量極為有限，僅應(yīng)用困惑度分析結(jié)果并不理想，為此，本文在運用困惑度分析法的基礎(chǔ)上，借鑒一般做法（王靖一、黃益平，2018；李昌等，2018），利用困惑度分析法估計出最佳主題的數(shù)量區(qū)間，然后逐一驗證先驗主題數(shù)量，選擇關(guān)鍵詞形成主題時概率最大的主題數(shù)量。為完成上述工作，我們使用了github的開源模塊pyLDAvis12進行處理。

表3:七大主題及其對應(yīng)的關(guān)鍵詞

表4:基于LDA模型進行主題分類后的輸出結(jié)果

圖4報告了先驗主題數(shù)為20時基于LDA模型進行主題分類的可視化結(jié)果。其左圖是通過多維縮放得到的主題間距圖（Intertopic Distance Map），用以表示主題的邊緣分布，每一個圓代表一個主題，它是通過各主題的前兩個維度的主成分投射于二維坐標(biāo)系得到的；圓圈的大小表示了主題的強度，可視為每個主題在文檔中的占比，圓圈之間的距離則表示了兩個主題之間的相關(guān)性。其右圖描述了當(dāng)選定主題6后與之對應(yīng)的30個關(guān)鍵詞，以及每個關(guān)鍵詞對形成該主題的影響力（綠色條占白色條的比例值，其中，白色條表示形成該主題的每個詞在文檔庫中的詞頻，綠色條表示該詞在選定主題內(nèi)的詞頻）?；诶Щ蠖确治龇ê蚿yLDAvis的輸出結(jié)果，我們確定的最佳主題數(shù)為20。

經(jīng)過LDA模型主題分類后，下一步是篩選研究主題，篩選出的主題需具有如下兩個特征：第一，盡可能多地出現(xiàn)在每次的LDA主題分類模型結(jié)果中，以保證每個省聯(lián)社有共同關(guān)注的主題；第二，文檔從屬于這些主題的概率值位于前50%，以保證文檔的確涉及這些主題，使指數(shù)結(jié)果更加可靠。據(jù)此，我們篩選出了七個研究主題（見表3），這七個主題剛好可以反映農(nóng)信機構(gòu)七類業(yè)務(wù)的發(fā)展。與此同時，綜合對所有文檔進行LDA分類的結(jié)果，我們給出了最能反映這七個主題含義的關(guān)鍵詞以進行主題匹配。主題匹配過程如下：如果LDA模型輸出結(jié)果中的某一個主題包含表3中某一個主題對應(yīng)的3個及以上關(guān)鍵詞，則表明可以匹配相應(yīng)的主題13。

為了更加清晰地說明上述匹配過程，表4進一步報告了設(shè)定主題數(shù)為10時LDA模型進行主題分類的結(jié)果，其中，每個主題以10個關(guān)鍵詞確定其所代表主題的含義。例如，主題1的關(guān)鍵詞包括農(nóng)戶、種植、農(nóng)業(yè)、農(nóng)民、貸款、信貸等，表明該主題與涉農(nóng)貸款有關(guān)；主題6的關(guān)鍵詞有不良貸款、貸款、收回、清收等，表明該主題與信貸風(fēng)險具有高度相關(guān)性，其他主題以此類推。

表5：省聯(lián)社涉農(nóng)貸款關(guān)注指數(shù)（2010-2018年）

（三）指數(shù)化

LDA模型在輸出上述主題分類結(jié)果的同時也輸出了“文檔-主題”概率分布（見圖5），基于此，我們借鑒王靖一、黃益平（2018）的思路將概率指數(shù)化：

第一，對每一家省聯(lián)社以年度為單位構(gòu)建文檔集，形成省聯(lián)社年度文本語料庫。

第二，利用LDA模型對年度文檔集進行主題分析，得到每一年度每個文檔的主題概率分布。

第三，將每一年度內(nèi)對應(yīng)主題的文檔概率加總?cè)【档玫皆撌÷?lián)社在該年度對某一主題的關(guān)注概率：

其中，Zj表示主題，docn表示文檔，Γj表示某一主題的概率值。

第四，將概率指數(shù)化。得到主題的概率后，對于每一個主題，以最大概率值對應(yīng)為100，按比例標(biāo)準(zhǔn)化其余的概率值，從而得到指數(shù)值。

指數(shù)結(jié)果的合理性及其特征分析

基于上述指數(shù)構(gòu)建思路，我們最終編制了2010-2018年我國24家省聯(lián)社14對農(nóng)信機構(gòu)七類業(yè)務(wù)發(fā)展的關(guān)注指數(shù)。我們認(rèn)為，該指數(shù)不僅反映了省聯(lián)社對下轄農(nóng)信機構(gòu)業(yè)務(wù)發(fā)展的關(guān)注程度，也在一定程度上反映了省聯(lián)社對農(nóng)信機構(gòu)業(yè)務(wù)發(fā)展的干預(yù)力度。為論證上述關(guān)注指數(shù)的合理性，應(yīng)當(dāng)對其進行必要的檢驗15，同時對其基本特征和影響機理進行簡要分析。

（一）涉農(nóng)貸款關(guān)注指數(shù)

涉農(nóng)貸款關(guān)注指數(shù)反映了省聯(lián)社對農(nóng)信機構(gòu)涉農(nóng)貸款投放的關(guān)注度（見表5），為檢驗涉農(nóng)貸款關(guān)注指數(shù)的合理性，我們分別從省域和時間兩個維度比較了各省農(nóng)信機構(gòu)涉農(nóng)貸款余額與涉農(nóng)貸款關(guān)注指數(shù)的變動趨勢16。由圖7可知，除少數(shù)省份外，絕大部分省份的農(nóng)信機構(gòu)涉農(nóng)貸款余額與涉農(nóng)貸款關(guān)注指數(shù)存在較為一致的變動趨勢；此外，統(tǒng)計分析顯示二者的相關(guān)性系數(shù)達0.64，存在較強相關(guān)性，表明省聯(lián)社對農(nóng)信機構(gòu)涉農(nóng)貸款的關(guān)注的確影響了轄內(nèi)農(nóng)信機構(gòu)涉農(nóng)貸款的投放力度。

同時，在圖6中我們也比較了第一產(chǎn)業(yè)產(chǎn)值與涉農(nóng)貸款關(guān)注指數(shù)的地區(qū)發(fā)展趨勢，結(jié)果顯示二者的趨勢也呈現(xiàn)一致性，表明省聯(lián)社對涉農(nóng)貸款的關(guān)注與地區(qū)農(nóng)業(yè)經(jīng)濟的發(fā)展有較強的關(guān)聯(lián)性。這可能是因為，以農(nóng)商行為主體的農(nóng)村信用社體系在農(nóng)村經(jīng)濟發(fā)展中依舊具有舉足輕重的地位，無論是網(wǎng)點數(shù)量還是從業(yè)人員，在整個農(nóng)村金融體系中占比都是最高的（汪小亞、黃邁，2018），省聯(lián)社代表地方政府對轄內(nèi)農(nóng)信機構(gòu)實行統(tǒng)一管理指導(dǎo)的職能，對農(nóng)信機構(gòu)的支農(nóng)業(yè)務(wù)具有重要影響（李珣等，2015）。同時，為抑制農(nóng)信機構(gòu)改制后的脫農(nóng)離農(nóng)的趨勢，堅守服務(wù)“三農(nóng)”的初衷，省聯(lián)社一定程度上可引導(dǎo)農(nóng)信機構(gòu)將更多金融資源配置到“三農(nóng)”領(lǐng)域；而且，近年來各種扶持“三農(nóng)”政策的出臺，尤其是鄉(xiāng)村振興戰(zhàn)略的實施，促使各級政府高度重視農(nóng)信機構(gòu)的涉農(nóng)貸款投放，這進一步加大了省聯(lián)社對農(nóng)信機構(gòu)支農(nóng)業(yè)務(wù)的關(guān)注，從而影響其涉農(nóng)貸款投放。李濤和梁晶（2019）指出，農(nóng)信社貸款與農(nóng)業(yè)經(jīng)濟增長之間有較強的關(guān)聯(lián)性，有助于促進農(nóng)業(yè)經(jīng)濟增長。因此，省聯(lián)社對農(nóng)信機構(gòu)支農(nóng)業(yè)務(wù)的關(guān)注不僅會影響其涉農(nóng)貸款投放，而且還會影響當(dāng)?shù)剞r(nóng)業(yè)經(jīng)濟的發(fā)展。

注：為了將3個指標(biāo)放入一張圖進行比較，本文對相應(yīng)指標(biāo)進行了量綱放大或縮小，下同。

（二）小微貸款關(guān)注指數(shù)

同理，小微貸款關(guān)注指數(shù)反映了省聯(lián)社對農(nóng)信機構(gòu)小微貸款投放的關(guān)注程度。為檢驗該指數(shù)的合理性，圖7比較了2018年各省農(nóng)信機構(gòu)小微貸款余額和小微貸款關(guān)注指數(shù)的變動趨勢。由圖7可知，除湖南、廣西兩省外，其余各省農(nóng)信機構(gòu)的小微貸款投放表現(xiàn)出與關(guān)注指數(shù)一致的變動趨勢；此外，統(tǒng)計分析顯示二者的相關(guān)性系數(shù)為0.68。由表5和圖7可知，各省聯(lián)社對小微貸款的關(guān)注度普遍低于涉農(nóng)貸款。其中，浙江省聯(lián)社對小微貸款的關(guān)注度整體較高，但波動幅度較大（可能與部分年份新聞發(fā)布數(shù)量較少有關(guān)）；陜西、遼寧、云南、甘肅等省的小微貸款關(guān)注指數(shù)幾乎一直為0，這可能在一定程度上反映了當(dāng)?shù)厥÷?lián)社對小微貸款業(yè)務(wù)不夠重視或是相關(guān)信息在官網(wǎng)上披露不多。

顯然，省聯(lián)社小微貸款關(guān)注指數(shù)的變化與中央政策有密切的關(guān)系。一個直接的證據(jù)是，在中央文件中強調(diào)小微企業(yè)貸款的年份，省聯(lián)社小微貸款關(guān)注指數(shù)往往就會大幅增加。另一方面，省聯(lián)社對小微企業(yè)貸款關(guān)注也與所在省份小微企業(yè)的發(fā)展情況密切相關(guān)。為此，圖7還比較了地區(qū)經(jīng)濟發(fā)展水平與省聯(lián)社小微貸款關(guān)注指數(shù)的變化趨勢，結(jié)果顯示在大部分地區(qū)二者變化一致，這可能意味著地區(qū)經(jīng)濟發(fā)展與省聯(lián)社的作用發(fā)揮具有一定的聯(lián)系。從理論的角度看，Qi（1992）提出的“地方性國家統(tǒng)合主義”認(rèn)為，地方政府為了主導(dǎo)和促進經(jīng)濟增長，會控制金融機構(gòu)，以其資金來支持當(dāng)?shù)毓ど唐髽I(yè)發(fā)展。同時，融資難融資貴問題一直是小微企業(yè)發(fā)展面臨的最大障礙，也是公認(rèn)的世界性難題。省聯(lián)社作為農(nóng)信行業(yè)管理者，在發(fā)揮行業(yè)資源“整合作用”方面具有先天優(yōu)勢，對緩解小微企業(yè)融資難融資貴的問題有著重要作用。

（三）數(shù)字普惠金融關(guān)注指數(shù)

同理，數(shù)字普惠金融關(guān)注指數(shù)反映了省聯(lián)社對農(nóng)信機構(gòu)數(shù)字普惠金融發(fā)展的關(guān)注程度17。我國農(nóng)信機構(gòu)主要服務(wù)弱勢群體，當(dāng)前仍屬于弱勢金融企業(yè)（王子扶，2015），在互聯(lián)網(wǎng)金融時代難以形成有規(guī)模效應(yīng)的電子銀行品牌，隨著IT技術(shù)的進步、金融脫媒的加劇以及銀行業(yè)務(wù)轉(zhuǎn)型的加快，農(nóng)村中小銀行在數(shù)字普惠金融發(fā)展方面的種種劣勢愈加明顯（肖四如，2014）。在這種情況下，依托省聯(lián)社的平臺優(yōu)勢，整合轄內(nèi)農(nóng)信機構(gòu)的資源，構(gòu)建統(tǒng)一的數(shù)字技術(shù)研發(fā)平臺，發(fā)揮規(guī)模經(jīng)濟優(yōu)勢，有助于農(nóng)信機構(gòu)更加快捷、高效地發(fā)展數(shù)字普惠金融。因此，為促進轄內(nèi)農(nóng)信機構(gòu)發(fā)展數(shù)字普惠金融，省聯(lián)社也必然加大對數(shù)字普惠金融業(yè)務(wù)的關(guān)注度。據(jù)此，我們分別從省域和時間兩個維度比較了北京大學(xué)發(fā)布的數(shù)字普惠金融指數(shù)（省級指數(shù)）與本文構(gòu)建的省聯(lián)社數(shù)字普惠金融關(guān)注指數(shù)的變動趨勢，以此驗證數(shù)字普惠金融關(guān)注指數(shù)的合理性（見圖8）。

由圖8可知，絕大部分省份的數(shù)字普惠金融發(fā)展水平與省聯(lián)社數(shù)字普惠金融關(guān)注指數(shù)存在較為一致的變動趨勢，統(tǒng)計分析也顯示二者的相關(guān)性系數(shù)高達0.84。由此可見，省聯(lián)社加大對數(shù)字普惠金融業(yè)務(wù)的關(guān)注，有助于促進地區(qū)數(shù)字普惠金融水平提升。進一步地，我們比較了地區(qū)經(jīng)濟發(fā)展水平與數(shù)字普惠金融關(guān)注指數(shù)的地區(qū)發(fā)展趨勢，結(jié)果顯示，二者的變化趨勢呈現(xiàn)出高度的一致性，這表明省聯(lián)社對數(shù)字普惠金融的關(guān)注與地區(qū)經(jīng)濟發(fā)展有密切的關(guān)聯(lián)?？赡艿慕忉屖牵÷?lián)社加大對數(shù)字普惠金融業(yè)務(wù)的關(guān)注度，促進了地區(qū)數(shù)字普惠金融水平的提升，而數(shù)字普惠金融水平的提升則有利于促進產(chǎn)業(yè)結(jié)構(gòu)的升級（唐文進等，2019），激勵企業(yè)實現(xiàn)技術(shù)創(chuàng)新（梁榜、張建華，2019），并促進家庭創(chuàng)業(yè)，從而實現(xiàn)包容性經(jīng)濟增長（張勛等，2019）。

由圖8可知，浙江省聯(lián)社數(shù)字普惠金融關(guān)注指數(shù)一直居于前列，遠(yuǎn)超其他地區(qū)，這可能與浙江省數(shù)字金融的迅猛發(fā)展有關(guān)，尤其是2013年阿里巴巴推出余額寶以來，互聯(lián)網(wǎng)金融、金融科技、數(shù)字金融已經(jīng)成為浙江省經(jīng)濟發(fā)展的新動能，在此背景下浙江省聯(lián)社的數(shù)字普惠金融關(guān)注指數(shù)也達到了最大值。然而，在青海、內(nèi)蒙古、新疆等偏遠(yuǎn)地區(qū)，尤其是青海，受金融經(jīng)濟條件和網(wǎng)絡(luò)基礎(chǔ)設(shè)施所限，數(shù)字普惠金融發(fā)展緩慢（張正平等，2019），當(dāng)?shù)厥÷?lián)社對數(shù)字普惠金融關(guān)注度也明顯不足。

（四）機構(gòu)改革與發(fā)展關(guān)注指數(shù)

機構(gòu)改革與發(fā)展關(guān)注指數(shù)反映了省聯(lián)社對農(nóng)信社改革和發(fā)展的關(guān)注度。為檢驗機構(gòu)改革與發(fā)展關(guān)注指數(shù)的合理性，我們比較了各省組建的農(nóng)商行數(shù)量與改革與發(fā)展關(guān)注指數(shù)的變動趨勢，由圖9可知，絕大部分省份的農(nóng)商行數(shù)量和改革與發(fā)展關(guān)注指數(shù)存在較為一致的變動趨勢；此外，統(tǒng)計分析顯示二者的相關(guān)性系數(shù)達0.56，說明它們存在較強的相關(guān)性。

注：由于缺乏金融素養(yǎng)數(shù)據(jù)，本文無法對2016年和2018年指數(shù)進行趨勢檢驗，也無法進行時間趨勢的檢驗；后文信貸風(fēng)險關(guān)注指數(shù)同。

同時，圖9比較了各省信貸規(guī)模與省聯(lián)社機構(gòu)改革及發(fā)展關(guān)注指數(shù)的變動趨勢，我們發(fā)現(xiàn)，在大部分地區(qū)省聯(lián)社對機構(gòu)改革與發(fā)展的關(guān)注程度越高，其信貸規(guī)模也越高，意味著地區(qū)信貸水平的提升與省聯(lián)社對農(nóng)信機構(gòu)的改革與發(fā)展不無關(guān)系。此外，省聯(lián)社的支持可能在一定程度上改善了農(nóng)信機構(gòu)績效，從而使得部分農(nóng)信社達到改制的門檻，提升機構(gòu)自身的實力，從而促進其擴大信貸規(guī)模。出現(xiàn)較大反差的是江蘇、廣東和浙江，這三個省均是發(fā)達省份，農(nóng)信社改制完成度已經(jīng)較高，農(nóng)信機構(gòu)的治理機制較為完善，此外，這些省的金融市場更加發(fā)達，競爭程度更高，省聯(lián)社對轄內(nèi)農(nóng)信機構(gòu)的影響較小，對信貸規(guī)模的促進作用因此也較小。

（五）金融素養(yǎng)關(guān)注指數(shù)

金融素養(yǎng)關(guān)注指數(shù)反映了省聯(lián)社對農(nóng)信機構(gòu)開展金融知識宣傳、提升居民金融素養(yǎng)等活動的關(guān)注度。為檢驗金融素養(yǎng)關(guān)注指數(shù)的合理性，本文基于中國人民銀行發(fā)布的《消費者金融素養(yǎng)調(diào)查分析報告（2017）》，比較了消費者金融素養(yǎng)水平與金融素養(yǎng)關(guān)注指數(shù)的發(fā)展趨勢18。結(jié)果顯示，除東北地區(qū)外，兩個指數(shù)的基本趨勢是一致的。

居民金融素養(yǎng)不足是制約普惠金融發(fā)展的重要因素之一，提升金融素養(yǎng)有助于解決當(dāng)下普惠金融發(fā)展的瓶頸問題（劉國強，2018），而普惠金融的發(fā)展有助于促進農(nóng)村地區(qū)居民金融可得性，從而發(fā)揮減貧作用（顧寧和張?zhí)穑?019）。據(jù)此，我們比較了各省2018年貧困人口減少數(shù)與省聯(lián)社金融素養(yǎng)關(guān)注指數(shù)的變動趨勢，結(jié)果顯示，部分地區(qū)金融素養(yǎng)關(guān)注指數(shù)與減貧人數(shù)有相同的正向趨勢。這可能是因為，提升居民金融素養(yǎng)有助于促進居民的金融交易（張劍和梁玲，2020），同時帶動家庭享受型消費支出的增長，促進家庭消費結(jié)構(gòu)升級（孟宏瑋和閆新華，2019），還可以提升家庭購買商業(yè)保險的意愿（楊柳和劉芷欣，2019），從而平滑農(nóng)業(yè)生產(chǎn)中自然災(zāi)害的不利影響，進一步發(fā)揮減貧作用。

由計算的金融素養(yǎng)關(guān)注指數(shù)可知，新疆、吉林、遼寧、河北等地省聯(lián)社的金融素養(yǎng)關(guān)注指數(shù)較低，這些省份的共同特點是經(jīng)濟發(fā)展水平相對落后，尤其是遼寧省，其金融素養(yǎng)關(guān)注指數(shù)在2013-2017年均為0，這或許在一定程度上影響了該省農(nóng)信機構(gòu)開展提升居民金融素養(yǎng)的活動。圖10的對比表明，省聯(lián)社對金融素養(yǎng)的關(guān)注度越高，該省居民的金融素養(yǎng)水平也越高，且經(jīng)濟發(fā)展水平低的地區(qū)，其居民金融素養(yǎng)水平也更低，因此，經(jīng)濟欠發(fā)達地區(qū)的省聯(lián)社應(yīng)在居民金融素養(yǎng)教育中發(fā)揮更大作用。

（六）金融扶貧關(guān)注指數(shù)

農(nóng)商行等農(nóng)信機構(gòu)作為農(nóng)村金融的主力軍，推進金融扶貧工作責(zé)無旁貸。金融扶貧關(guān)注指數(shù)反映了省聯(lián)社對農(nóng)信機構(gòu)開展金融扶貧工作的關(guān)注度。為檢驗金融扶貧關(guān)注指數(shù)的合理性，我們分別從省域和時間兩個維度比較了各省農(nóng)信機構(gòu)扶貧貸款余額與金融扶貧關(guān)注指數(shù)的變動趨勢，由圖11可知，絕大部分省份的農(nóng)信機構(gòu)扶貧貸款余額與金融扶貧關(guān)注指數(shù)存在較為一致的變動趨勢；此外，統(tǒng)計分析顯示二者的相關(guān)性系數(shù)達0.6，這表明省聯(lián)社對農(nóng)信機構(gòu)扶貧貸款的關(guān)注的確影響了轄內(nèi)農(nóng)信機構(gòu)扶貧貸款的投放力度。

進一步地，我們比較了各省當(dāng)年貧困人口減少數(shù)量與省聯(lián)社金融扶貧關(guān)注指數(shù)的變化趨勢（見圖11），二者呈現(xiàn)出較大的一致性，這表明大部分地區(qū)的農(nóng)信機構(gòu)在金融扶貧中均發(fā)揮了重要作用，這與省聯(lián)社的監(jiān)督和支持密切相關(guān)。一方面，農(nóng)村扶貧資金投入大、周期長，關(guān)系農(nóng)村與農(nóng)業(yè)事業(yè)的長遠(yuǎn)發(fā)展，且由于扶貧的公共品或準(zhǔn)公共品性質(zhì)（胡列曲，2007），導(dǎo)致商業(yè)銀行對該領(lǐng)域進行資金投入的積極性不高，這種情況下政府的行政引導(dǎo)作用就變得格外重要，地方政府借助省聯(lián)社引導(dǎo)農(nóng)信機構(gòu)加大扶貧貸款力度也因此成為具有可操作性的自然選擇，這很可能就是省聯(lián)社高度關(guān)注農(nóng)信機構(gòu)扶貧貸款的體制原因；另一方面，在經(jīng)濟欠發(fā)達的落后地區(qū)，農(nóng)信社可能是唯一的正規(guī)金融供給主體（何廣文，2009），在鄉(xiāng)村振興戰(zhàn)略和精準(zhǔn)扶貧戰(zhàn)略中發(fā)揮著重要作用，因此省聯(lián)社對農(nóng)信機構(gòu)扶貧貸款的關(guān)注有助于促進農(nóng)信機構(gòu)發(fā)揮扶貧攻堅的主力軍作用，同時抑制農(nóng)商行的“離農(nóng)脫農(nóng)”趨勢，引導(dǎo)將信貸資源向貧困群體傾斜，促進地區(qū)減貧工作的推進。圖11顯示出省聯(lián)社金融扶貧關(guān)注指數(shù)較高的甘肅、四川和貴州等省，均是扶貧攻堅的重點省份，這也在一定程度上印證了該指數(shù)的合理性。

（七）信貸風(fēng)險關(guān)注指數(shù)

信貸風(fēng)險關(guān)注指數(shù)反映了省聯(lián)社對轄內(nèi)農(nóng)信機構(gòu)信貸風(fēng)險防控和不良貸款處理的關(guān)注度。為檢驗信貸風(fēng)險關(guān)注指數(shù)的合理性，我們比較了各省農(nóng)信機構(gòu)不良貸款率倒數(shù)與省聯(lián)社信貸風(fēng)險關(guān)注指數(shù)，顯示二者存在較為一致的變動趨勢19，意味著二者可能具有較強的相關(guān)性。在過去的改革中，省聯(lián)社一直作為管理者的角色，確實為農(nóng)商行清理不良資產(chǎn)，解決歷史包袱發(fā)揮了重要作用（汪小亞和唐詩，2018）。在圖12中，我們還比較了各省金融發(fā)展水平（以金融機構(gòu)貸款余額/地區(qū)GDP衡量）省聯(lián)社與信貸風(fēng)險關(guān)注指數(shù)的變化趨勢，結(jié)果顯示，當(dāng)?shù)厥÷?lián)社信貸風(fēng)險關(guān)注指數(shù)越高，當(dāng)?shù)亟鹑诎l(fā)展水平也往往越高。

由信貸風(fēng)險關(guān)注指數(shù)和圖12不難看出，各省聯(lián)社對信貸風(fēng)險的關(guān)注差異巨大，且經(jīng)濟發(fā)達地區(qū)的信貸關(guān)注指數(shù)在2016-2018年下降，而經(jīng)濟欠發(fā)達地區(qū)的信貸關(guān)注指數(shù)呈現(xiàn)上升的趨勢。這可能是因為，省聯(lián)社的關(guān)注促進農(nóng)信機構(gòu)防范信貸風(fēng)險，進一步改善當(dāng)?shù)亟鹑谑袌霏h(huán)境從而促進地區(qū)金融機構(gòu)的信貸投放。研究表明，發(fā)展中國家的金融市場是一個競爭不充分、不完全的市場，借貸雙方存在信息不對稱（蔣遠(yuǎn)勝等，2018），而農(nóng)村地區(qū)的客戶通常缺乏合格的抵押或擔(dān)保，其信貸風(fēng)險往往也較高；由于農(nóng)信機構(gòu)往往規(guī)模較小、風(fēng)控能力不足，省聯(lián)社作為轄內(nèi)農(nóng)信機構(gòu)的統(tǒng)一管理平臺，面對不完全競爭、信息不對稱的農(nóng)村金融市場，向農(nóng)信機構(gòu)提供必要的風(fēng)控指導(dǎo)、培訓(xùn)甚至技術(shù)、產(chǎn)品的研發(fā)是具有合理性的，也更具有規(guī)模經(jīng)濟優(yōu)勢。從統(tǒng)計數(shù)據(jù)來看，省聯(lián)社成立前夕，全國農(nóng)信系統(tǒng)的不良貸款比例高達37%，資本充足率為-9%，但據(jù)銀保監(jiān)會的數(shù)據(jù)，到2019年二季度末，全國農(nóng)商行整體資本充足率為12.97%，不良貸款率為3.95%，資產(chǎn)質(zhì)量得到明顯改善，風(fēng)控能力得到明顯提升。

在傳統(tǒng)的中學(xué)地理教學(xué)活動中，我們老師可能或多或少的忽視了中學(xué)生地理學(xué)習(xí)中的知識情感、想象以及知識點的領(lǐng)悟等多方面的發(fā)展，。在地理課堂教學(xué)活動中老師過多地強調(diào)知識的記憶、模仿，抑制了學(xué)生的頭腦意識，表達動手能力，導(dǎo)致學(xué)生地理思維能力欠缺、地理課堂活力不足，從根本上制約了學(xué)生的主動性和創(chuàng)造性,從而讓我的地理課堂教學(xué)變得固執(zhí)、沉悶，缺少了靈性，缺乏了活力。在新課改的要求下，教師必須改變教學(xué)方法使地理課堂教學(xué)活力從根本上得到提升。

主要結(jié)論及其政策啟示

本文利用LDA模型對省聯(lián)社官網(wǎng)2010～2018年發(fā)布的新聞進行主題文本分析，構(gòu)建了省聯(lián)社對農(nóng)信機構(gòu)涉農(nóng)貸款、小微貸款、金融扶貧等七類業(yè)務(wù)的關(guān)注指數(shù)，通過與實際指標(biāo)變化趨勢的對比和對二者相關(guān)性系數(shù)的檢驗，不僅證實了該指數(shù)的合理性，還進一步揭示了七類業(yè)務(wù)關(guān)注指數(shù)的主要特征?？偨Y(jié)前文的分析，可以得到如下主要結(jié)論：

第一，盡管各省聯(lián)社官網(wǎng)新聞發(fā)布數(shù)量差異較大，但利用LDA模型對省聯(lián)社官網(wǎng)新聞進行主題文本分析進而構(gòu)建省聯(lián)社業(yè)務(wù)關(guān)注指數(shù)，從理論原理和實踐操作的角度看都是可行的，這為我們進一步量化評估省聯(lián)社的作用與影響奠定了實證基礎(chǔ)。

第二，無論是基于與相關(guān)實際指標(biāo)變化趨勢的比較，還是對實際指標(biāo)與關(guān)注指數(shù)的相關(guān)性檢驗，均表明省聯(lián)社涉農(nóng)貸款等七類業(yè)務(wù)關(guān)注指數(shù)有較強的合理性。分析其內(nèi)在機理，我們進一步發(fā)現(xiàn)省聯(lián)社對農(nóng)信機構(gòu)業(yè)務(wù)的關(guān)注度受到相關(guān)政策的影響，且在一定程度上能反映省聯(lián)社對農(nóng)信機構(gòu)業(yè)務(wù)發(fā)展的干預(yù)力度。

第三，省聯(lián)社業(yè)務(wù)關(guān)注指數(shù)呈現(xiàn)出較大的地區(qū)差異，陜西、青海、遼寧、云南等經(jīng)濟欠發(fā)達地區(qū)的省聯(lián)社關(guān)注指數(shù)長期偏低，而浙江、廣東、江蘇等經(jīng)濟發(fā)達地區(qū)的關(guān)注度一直較高；總體來看，東南及沿海地區(qū)的省聯(lián)社業(yè)務(wù)關(guān)注指數(shù)整體較高，中部地區(qū)次之，西部地區(qū)整體最低，這與各地區(qū)的經(jīng)濟金融發(fā)展水平基本一致。

第四，各地區(qū)的省聯(lián)社業(yè)務(wù)關(guān)注指數(shù)也呈現(xiàn)出一些相似的特點。首先，多數(shù)省聯(lián)社對農(nóng)信機構(gòu)的涉農(nóng)貸款投放、機構(gòu)改革發(fā)展等方面關(guān)注度較高，而對小微貸款、數(shù)字普惠金融發(fā)展、金融扶貧等業(yè)務(wù)的關(guān)注度相對較低；其次，大部分的省聯(lián)社對農(nóng)戶金融素養(yǎng)、數(shù)字普惠金融的關(guān)注度呈上升趨勢，但對機構(gòu)改革與發(fā)展的關(guān)注度呈明顯下降趨勢。

眾所周知，省聯(lián)社模式的運作已經(jīng)暴露出不少問題，改革省聯(lián)社已成為各界的共識，但我國各地區(qū)省聯(lián)社的發(fā)展水平參差不齊（藍(lán)虹、穆爭社，2016），這也為改革方案的制定增加了難度。在這種背景下，上述研究結(jié)論無疑具有重要的政策含義：

首先，進一步強化省聯(lián)社規(guī)范披露信息。本文基于省聯(lián)社官網(wǎng)新聞信息進行文本分析發(fā)現(xiàn)，全國各省聯(lián)社發(fā)布的新聞數(shù)量差異非常大，一些省聯(lián)社過去十年發(fā)布的新聞數(shù)量不足100條，這顯然不符合2008年5月1日即開始實施的《中華人民共和國政府信息公開條例》的相關(guān)要求，因此，有必要進一步強化省聯(lián)社規(guī)范披露信息，研究制定更具針對性的《省聯(lián)社信息披露規(guī)則》，對新聞、年報等重要信息載體的披露規(guī)則作出更加明確的規(guī)定。

其次，因地制宜探索省聯(lián)社改革轉(zhuǎn)型方案。省聯(lián)社關(guān)注指數(shù)的地區(qū)差異可能也意味著各省農(nóng)信機構(gòu)的發(fā)展水平以及農(nóng)信系統(tǒng)整體風(fēng)險不盡相同，故此，要因地制宜搞改革，切忌“一刀切”，對于東南沿海及東部地區(qū)，農(nóng)信機構(gòu)發(fā)展已相對成熟，省聯(lián)社模式可能已不再適宜，需要轉(zhuǎn)型成服務(wù)型平臺，但西部等經(jīng)濟欠發(fā)達地區(qū)農(nóng)信機構(gòu)的作用仍不可替代。

最后，對于省聯(lián)社而言，第一，要淡化行政干預(yù)，強化服務(wù)職能。本文發(fā)現(xiàn)多數(shù)省聯(lián)社對農(nóng)信機構(gòu)的干預(yù)力度過大，一定程度上制約了農(nóng)信機構(gòu)的正常經(jīng)營，因此，省聯(lián)社要淡化對農(nóng)商行的行政管理，突出專業(yè)化服務(wù)功能。第二，加大對小微企業(yè)融資的關(guān)注度。省聯(lián)社要引導(dǎo)轄內(nèi)農(nóng)信機構(gòu)著力解決小微企業(yè)融資難、融資貴的問題，切實為小微企業(yè)融資增收釋放紅利。第三，落實提升居民金融素養(yǎng)舉措，重點提升數(shù)字金融素養(yǎng)，更多地舉辦宣傳活動，有效提升農(nóng)信機構(gòu)從業(yè)人員和普通居民尤其是農(nóng)村地區(qū)居民的金融素養(yǎng)。

總之，省聯(lián)社改革勢在必行，不妨從強化省聯(lián)社規(guī)范信息披露入手推動其轉(zhuǎn)型發(fā)展，未來的改革必須堅持因地制宜的原則，以能否更好地服務(wù)“三農(nóng)”、服務(wù)“鄉(xiāng)村振興”作為檢驗改革成效的重要標(biāo)準(zhǔn)，逐步推進體制機制的變革，從而推動農(nóng)信機構(gòu)的健康可持續(xù)發(fā)展。

注釋：

12003年國務(wù)院印發(fā)了《深化農(nóng)村信用社改革試點方案》，將對農(nóng)村信用社的管理權(quán)限下放給省級政府，各省隨之陸續(xù)組建農(nóng)村信用社聯(lián)合社即省聯(lián)社，具體承擔(dān)轄內(nèi)農(nóng)村信用社的管理、指導(dǎo)、協(xié)調(diào)和服務(wù)職能。

22012年發(fā)布的《中國銀監(jiān)會關(guān)于規(guī)范農(nóng)村信用社?。ㄗ灾螀^(qū)）聯(lián)合社法人治理的指導(dǎo)意見》、2014年發(fā)布的《國務(wù)院辦公廳關(guān)于金融服務(wù)“三農(nóng)”發(fā)展的若干意見》【2014（17號）】、2016年到2018年連續(xù)三年的“中央一號文件”均提出要推進省聯(lián)社改革。2019年2月，為深入貫徹落實中央農(nóng)村工作會議、《中共中央、國務(wù)院關(guān)于實施鄉(xiāng)村振興戰(zhàn)略的意見》和《鄉(xiāng)村振興戰(zhàn)略規(guī)劃（2018-2022年）》有關(guān)要求，人民銀行、銀保監(jiān)會、證監(jiān)會、財政部、農(nóng)業(yè)農(nóng)村部聯(lián)合印發(fā)了《關(guān)于金融服務(wù)鄉(xiāng)村振興的指導(dǎo)意見》，明確提出要“積極探索省聯(lián)社改革路徑，理順農(nóng)信社管理體制”。

3寧夏回族自治區(qū)無省聯(lián)社，是大一統(tǒng)的農(nóng)商行模式，西藏自治區(qū)無省聯(lián)社官方網(wǎng)站。

4分析流程參考王靖一和黃益平（2018）的思路，Python軟件為3.7版本；各省聯(lián)社網(wǎng)站對爬蟲均有較高包容度，沒有任何跡象表明本文的爬蟲工作影響網(wǎng)站正常運作。

5這些關(guān)鍵詞是：省聯(lián)社、農(nóng)村商業(yè)銀行、農(nóng)商銀行、農(nóng)村信用社、信用聯(lián)社、鄉(xiāng)村振興、普惠金融、數(shù)字普惠金融、金融科技、手機銀行、微信銀行。

6停用詞主要包括語氣助詞、無實義名詞、量詞、以及部分動詞，設(shè)置停用詞后所有停用詞將不再出現(xiàn)在分詞結(jié)果里。用戶自定義詞典是為了避免分詞將固定詞組切分開而設(shè)置的詞庫，比如“農(nóng)村商業(yè)銀行”，Jieba分詞會將詞組切分為“農(nóng)村”“商業(yè)”“銀行”，為避免該詞組被切分，我們在自定義詞典中設(shè)定該詞組即可。

7語料庫是自然語言處理的術(shù)語，這里表示由所有文檔構(gòu)成的文檔集合。

8具體求解過程見Blei等（2003）。

9考慮到實際情況，本文設(shè)置的這些關(guān)鍵詞涵蓋了信貸行為、普惠金融、數(shù)字技術(shù)和機構(gòu)改革與發(fā)展等四個方面，具體包括貸款、信貸、不良資產(chǎn)、風(fēng)險、手機銀行、微信、網(wǎng)絡(luò)銀行、金融科技、數(shù)字、互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、區(qū)塊鏈、云計算、普惠金融、服務(wù)可得性、包容性、小微企業(yè)、涉農(nóng)、“三農(nóng)”、金融排斥、素養(yǎng)、改制、改革、培訓(xùn)、管理、掛職、任命等詞語。

10池化是指對不同主題數(shù)的LDA結(jié)果進行綜合匯總，給出這篇文章能否進入下一階段的判斷。

11本文先后驗證了預(yù)設(shè)主題數(shù)為10、20和30的LDA模型，當(dāng)某個文檔從屬于四大主題的概率均排在后50%時則將其剔除。

12pyLDAvis是針對LDA主題模型算法的可視化模塊，見https://github.com/bmabey/pyLDAvis。

13部分主題的表意可能并不明確，需要4個或更多的關(guān)鍵詞才能確定相應(yīng)的主題。

14由于山西省聯(lián)社官網(wǎng)只有2019年的新聞，數(shù)據(jù)量太少，因此本文的指數(shù)結(jié)果中沒有山西省聯(lián)社。

15檢驗指數(shù)合理性的方法為：一方面，借鑒張正平和楊丹丹（2017）的思路，將每一類關(guān)注指數(shù)與其高度相關(guān)的實際指標(biāo)的變動趨勢進行對比；另一方面，估計每一類關(guān)注指數(shù)與其高度相關(guān)的實際指標(biāo)的相關(guān)性。

16本文比較了2016-2018年的變動趨勢，限于篇幅，文中僅報告了數(shù)據(jù)最全的2018年的比較情況，下同。

17盡管“數(shù)字普惠金融”一詞在2016年杭州G20峰會之后才廣泛流行，但運用數(shù)字技術(shù)發(fā)展普惠金融在我國各地早有實踐，本文將農(nóng)信機構(gòu)運用數(shù)字技術(shù)推動普惠金融發(fā)展的行為及其產(chǎn)出均視作數(shù)字普惠金融發(fā)展的范疇，故使用“數(shù)字普惠金融關(guān)注指數(shù)”一詞。

18由于無法獲得具體每個省的金融素養(yǎng)得分，只能分區(qū)域大致對比我國東部、中部、西部、東北以及全國整體的情況。由于對比省份不同，不便與關(guān)注指數(shù)和貧困人口減少的對比放在一張圖中，因此限于篇幅，未予以報告。

19直接使用不良貸款率進行趨勢檢驗時發(fā)現(xiàn)二者趨勢幾乎相反，為更好地反映二者的共同趨勢，本文使用不良貸款率的倒數(shù)進行檢驗。由于省份較少，不便與關(guān)注指數(shù)與金融發(fā)展水平的對比放在一張圖中，限于篇幅，未予以報告。