□ 周如青 蔣佳玉

一、引言

“十三五”時期，中國加快推進農(nóng)業(yè)農(nóng)村現(xiàn)代化建設(shè)，832個貧困縣、12.8萬個貧困村全部摘帽，鄉(xiāng)村振興實現(xiàn)良好開局。然而，我國農(nóng)業(yè)農(nóng)村發(fā)展仍面臨許多矛盾和挑戰(zhàn)，如農(nóng)村地區(qū)產(chǎn)業(yè)發(fā)展基礎(chǔ)薄弱、農(nóng)村金融市場體系不完善等深層次、結(jié)構(gòu)性問題。對此，《“十四五”推進農(nóng)業(yè)農(nóng)村現(xiàn)代化規(guī)劃》中強調(diào)深化農(nóng)業(yè)農(nóng)村供給側(cè)結(jié)構(gòu)性改革，鞏固拓展脫貧攻堅成果，堅持農(nóng)業(yè)農(nóng)村現(xiàn)代化，全面實施鄉(xiāng)村振興戰(zhàn)略。

而夯實鄉(xiāng)村振興的經(jīng)濟社會基礎(chǔ)離不開金融的有力支撐。銀行作為金融體系中至關(guān)重要的組成部分，通過吸收存款和發(fā)放貸款來解決微觀主體面臨的融資問題。通過加大銀行對“三農(nóng)”信貸支持，推動金融資源流向農(nóng)業(yè)農(nóng)村，從而提高產(chǎn)出效率、推動農(nóng)業(yè)農(nóng)村經(jīng)濟發(fā)展。因此，研究銀行信貸與農(nóng)村經(jīng)濟發(fā)展間的關(guān)系對服務(wù)微觀主體、扎實推進鄉(xiāng)村振興具有重要現(xiàn)實意義。

由于我國幅員遼闊，中國農(nóng)村區(qū)域經(jīng)濟發(fā)展十分不平衡，發(fā)達地區(qū)農(nóng)村與欠發(fā)達地區(qū)農(nóng)村經(jīng)濟發(fā)展水平都存在較大的差異。因此，地理空間因素也是影響農(nóng)村經(jīng)濟增長不可忽視的重要原因之一。伴隨著區(qū)域資源要素流動，省域、城鄉(xiāng)的互動聯(lián)系，從空間地理的視角來分析我國銀行信貸與農(nóng)村經(jīng)濟發(fā)展的內(nèi)生關(guān)系以及溢出效應(yīng)，對于促進農(nóng)村經(jīng)濟增長起到一定作用。

二、文獻綜述

迄今為止，關(guān)于銀行信貸與農(nóng)村經(jīng)濟增長關(guān)系的研究還沒有統(tǒng)一的定論。King和Levine（1993）通過對發(fā)展中國家進行研究，發(fā)現(xiàn)農(nóng)業(yè)信貸效率低會阻礙農(nóng)業(yè)生產(chǎn)增長。Burgess和Pande（2005）研究印度農(nóng)村信貸發(fā)展與農(nóng)村經(jīng)濟增長的相關(guān)性，發(fā)現(xiàn)發(fā)展信貸很大程度上能夠促進農(nóng)村產(chǎn)出和降低貧困水平。在國內(nèi)，徐笑波（1994）通過描述性統(tǒng)計刻畫我國農(nóng)村經(jīng)濟發(fā)展。溫濤和王煜宇（2005）認(rèn)為發(fā)展農(nóng)業(yè)貸款一定程度上不僅抑制農(nóng)業(yè)經(jīng)濟發(fā)展，而且也會影響農(nóng)民收入水平的提升。朱喜和李子奈（2006）認(rèn)為短期來說，涉農(nóng)貸款不能促進農(nóng)村投資，提升農(nóng)民收入，長期來說涉農(nóng)貸款與農(nóng)村投資以及農(nóng)民收入并沒有相互均衡關(guān)系。江美芳和朱冬梅（2011）研究表明農(nóng)村金融機構(gòu)貸款與農(nóng)村經(jīng)濟增長有很高的依存度和關(guān)聯(lián)度，同時農(nóng)村金融機構(gòu)貸款對農(nóng)村經(jīng)濟增長起到促進作用。孫勇智和孫啟明（2013）研究表明農(nóng)業(yè)信貸對農(nóng)村經(jīng)濟發(fā)展有基礎(chǔ)性作用，但是其無法滿足解決經(jīng)濟增長問題的需要。李富有和郭小葉（2016）研究表明提升農(nóng)村信貸資金利用率可以推動農(nóng)村經(jīng)濟發(fā)展，同時推動農(nóng)村經(jīng)濟發(fā)展也能夠提高農(nóng)村信貸規(guī)模和效率。王勁屹（2018）研究表明農(nóng)戶存款增加可以推動農(nóng)村經(jīng)濟發(fā)展，但是農(nóng)村金融機構(gòu)信貸對其經(jīng)濟發(fā)展影響并不大。權(quán)飛過和王曉芳（2020）采用農(nóng)村信貸戶占比來度量農(nóng)村信用環(huán)境，表明農(nóng)村信貸促進農(nóng)村經(jīng)濟增長。玉國華（2021）基于勞動力轉(zhuǎn)移這一中介變量，研究表明農(nóng)村信貸投入對農(nóng)村經(jīng)濟增長、城鄉(xiāng)收入差距具有顯著的抑制作用。

而研究銀行信貸與農(nóng)村經(jīng)濟發(fā)展問題的國內(nèi)外文獻中，學(xué)者大都采用時間序列相關(guān)的模型進行分析，無論是Burgess和Pande還是溫濤等等。再如，姚耀軍、禹躍軍和王菁華采用VAR模型及Granger因果檢驗，朱喜、李子奈采用VEC模型進行協(xié)整分析等等，無一不是運用時間序列進行研究從而得出農(nóng)村信貸發(fā)展與經(jīng)濟增長方面的結(jié)論。近年來，隨著前沿的空間面板數(shù)據(jù)模型逐漸走進學(xué)者的視野，越來越多的研究開始考慮地理位置對經(jīng)濟的影響，將空間地理視角應(yīng)用到經(jīng)濟金融學(xué)領(lǐng)域。眾所周知，影響地區(qū)經(jīng)濟發(fā)展水平的因素還有地理區(qū)位。經(jīng)濟高度發(fā)展的地區(qū)也會對周邊地區(qū)產(chǎn)生一定的溢出效應(yīng)。因此，用該模型來研究銀行信貸與農(nóng)村經(jīng)濟發(fā)展之間的關(guān)系有一定必要性。方先明和孫愛軍（2010）利用中國省級數(shù)據(jù)研究我國經(jīng)濟增長空間集聚特征，僅是通過構(gòu)建空間截面回歸模型分析金融發(fā)展與經(jīng)濟增長的關(guān)系，并未構(gòu)建空間面板計量模型進行深入研究。張宇青和周應(yīng)恒（2013）采用Moran’s I指數(shù)以及空間計量模型研究農(nóng)村金融發(fā)展和經(jīng)濟增長間的關(guān)系，但是其數(shù)據(jù)選擇上選擇樣本時間較短，可能存在一定偏差，無法衡量兩者變化趨勢。洪港和鄒俊中（2019）運用空間計量模型采用近10年各省市面板數(shù)據(jù)研究農(nóng)村金融發(fā)展與經(jīng)濟發(fā)展之間的關(guān)系，但是其選取的指標(biāo)過于單一，不能全面刻畫我國農(nóng)村銀行信貸發(fā)展水平。因此，本文將從以下幾個方面著手，在現(xiàn)有文獻基礎(chǔ)上進一步深入分析銀行信貸與農(nóng)村經(jīng)濟發(fā)展的關(guān)系。首先，選取2010-2020年中國各省、直轄市農(nóng)村相關(guān)數(shù)據(jù)，利用Moran’s I指數(shù)來分析各省市農(nóng)村經(jīng)濟發(fā)展空間關(guān)聯(lián)特征；其次，通過構(gòu)建空間計量模型，即SLM模型、SEM模型和SDM模型來分析銀行信貸與農(nóng)村經(jīng)濟增長之間的關(guān)系和內(nèi)在作用機制，考慮空間異質(zhì)性和依賴性，進一步檢驗各指標(biāo)對農(nóng)村經(jīng)濟發(fā)展直接效應(yīng)、間接效應(yīng)和綜合效應(yīng)；最后根據(jù)相關(guān)結(jié)論提出相應(yīng)的對策與建議。

三、研究方法及變量選取

（一）空間自相關(guān)性檢驗

衡量各變量的空間相關(guān)性，一般用Moran’s I指數(shù)來測定，取值范圍為[-1,1]，若指數(shù)大于0說明變量之間存在正向空間溢出效應(yīng)，若指數(shù)小于0說明存在負向空間溢出效應(yīng)。其計算公式如下：

一般而言，大多數(shù)學(xué)者按照Rook銜接以共同邊界定義鄰近關(guān)系來構(gòu)造二元鄰近空間權(quán)重矩陣，即矩陣中元素均由1和0組成，如果區(qū)域和區(qū)域相鄰則為1，不相鄰則為0。但是在本文計量模型設(shè)定中，考慮類似于海南沒有陸地相鄰，相鄰關(guān)系不足并不能有效對樣本區(qū)位信息進行建模。同時，二元鄰近空間矩陣的構(gòu)建本身是假設(shè)不相鄰地區(qū)間不存在任何空間相關(guān)，與實際情況出入較大，故本文用地理距離來構(gòu)建空間權(quán)重矩陣。矩陣中元素形式如下：

（二）空間計量模型

Anselin和Lee C將空間計量方法分為空間滯后模型（SAR）和空間誤差模型（SEM）。之后，在兩大模型的基礎(chǔ)上發(fā)展形成空間杜賓模型（SDM）。

1.空間滯后模型（SAR）。最初針對截面數(shù)據(jù)進行研究，通常被認(rèn)為是描述空間相關(guān)性的空間自回歸過程。其表達式為：

2.空間誤差模型（SEM）。衡量誤差項之間存在的序列相關(guān)，用來度量鄰近單元關(guān)于因變量誤差沖擊對本單元的影響程度。其表達式為：

3.空間杜賓模型（SDM）。建立在空間滯后模型和空間誤差模型的基礎(chǔ)上，它不僅考慮因變量的空間相關(guān)關(guān)系，而且也將自變量的空間相關(guān)關(guān)系加入考量。該模型的數(shù)學(xué)表達式為：

對于空間計量模型的選擇是本文研究的關(guān)鍵所在。首先，使用拉格朗日乘數(shù)法（LM檢驗）對模型進行判別。LM檢驗包括四種經(jīng)典統(tǒng)計量：LM-error統(tǒng)計量、LM-lag統(tǒng)計量、Robust LM-error統(tǒng)計量和Robust LM-lag統(tǒng)計量。根據(jù)Anselin拉格朗日乘數(shù)檢驗判別準(zhǔn)則制作流程圖進行模型選擇（圖1）。

圖1 空間計量模型選擇判別流程

（三）變量選取與數(shù)據(jù)來源

鑒于農(nóng)村經(jīng)濟測算相對來說比較復(fù)雜，國內(nèi)外學(xué)者在變量選取上不盡相同，各有優(yōu)劣。本文在指標(biāo)選取上，除了考慮指標(biāo)本身的代表性、可解釋性，還需要考慮數(shù)據(jù)的可獲得性以及完整性。因此，選取衡量指標(biāo)如下：

1.被解釋變量：農(nóng)村經(jīng)濟發(fā)展指標(biāo)。經(jīng)濟增長一般是用GDP來衡量，但是由于我國農(nóng)村經(jīng)濟的復(fù)雜性，我國官方統(tǒng)計年鑒沒有數(shù)據(jù)直接準(zhǔn)確表明農(nóng)村GDP。而現(xiàn)有文獻中大部分學(xué)者，如譚崇臺等利用第一產(chǎn)業(yè)生產(chǎn)總值來衡量農(nóng)村經(jīng)濟發(fā)展情況。但是隨著鄉(xiāng)村振興的不斷推進，農(nóng)村產(chǎn)業(yè)結(jié)構(gòu)也發(fā)生重大變化，農(nóng)村GDP中第二、第三產(chǎn)業(yè)所占比例也不斷增加，因此，僅用第一產(chǎn)業(yè)來衡量我國農(nóng)村經(jīng)濟并不能充分反映農(nóng)村發(fā)展的真實情況。也有部分學(xué)者如王淑英等用第一產(chǎn)業(yè)和鄉(xiāng)鎮(zhèn)企業(yè)增加值之和來衡量農(nóng)村經(jīng)濟增長，但是這種方法會存在重復(fù)計算的情況。所以，本文選取各省市農(nóng)村居民可支配收入來反映各省農(nóng)村經(jīng)濟發(fā)展水平（記為lngdp），該指標(biāo)會淡化三大產(chǎn)業(yè)劃分，直接從收入的角度綜合體現(xiàn)農(nóng)村地區(qū)經(jīng)濟發(fā)展情況，有較強的現(xiàn)實意義。

2.解釋變量：銀行信貸規(guī)模和效率指標(biāo)。本文核心變量為銀行信貸，主要從信貸的規(guī)模和效率兩個角度進行衡量。從推動鄉(xiāng)村振興、脫貧攻堅的角度研究信貸規(guī)模，涉農(nóng)貸款余額這一指標(biāo)更能反應(yīng)各省市對農(nóng)村地區(qū)信貸支持。其中涉農(nóng)貸款余額涉及到中國農(nóng)業(yè)銀行、中國農(nóng)業(yè)發(fā)展銀行、中國郵政儲蓄銀行等重要農(nóng)村金融機構(gòu)?？紤]到各省市產(chǎn)業(yè)結(jié)構(gòu)的差異，因此本文參照陳龍(2020)用涉農(nóng)貸款占比=（涉農(nóng)貸款總額/各省貸款總額）/第一產(chǎn)業(yè)占比來衡量信貸規(guī)模（記為scale）。

Goldsmith（1969）提出用金融相關(guān)比率來衡量金融效率和發(fā)展水平。而國內(nèi)學(xué)者衡量銀行信貸效率，大都會采用發(fā)放給私人部門的銀行信貸比例，或者是金融機構(gòu)貸款與存款的比值。考慮到數(shù)據(jù)的可得性，本文選擇金融機構(gòu)貸款與存款的比值來衡量（記為efficiency）。

3.控制變量：在實際情況中，農(nóng)村經(jīng)濟增長還受其他因素的影響。農(nóng)村經(jīng)濟發(fā)展離不開勞動力，勞動力投入量即可以用農(nóng)村人口數(shù)來表示(labor)。同樣，農(nóng)村住戶固定資產(chǎn)投資（記為investment）是一種再生產(chǎn)活動，包括農(nóng)村房屋新建、更新以及機械設(shè)備、器具購置等等，不僅發(fā)展農(nóng)村基礎(chǔ)設(shè)施建設(shè)，而且促進農(nóng)村生產(chǎn)經(jīng)營影響其經(jīng)濟發(fā)展。

本文選取2010-2020年中國31個省市自治區(qū)農(nóng)村作為研究對象，研究數(shù)據(jù)均來自WIND數(shù)據(jù)庫、《中國統(tǒng)計年鑒》、《中國金融年鑒》以及《中國農(nóng)村統(tǒng)計年鑒》等。并對缺失數(shù)據(jù)采用插值法進行填充，同時對部分?jǐn)?shù)據(jù)進行對數(shù)處理以便模型分析。

四、實證分析

（一）空間自相關(guān)性檢驗

為了更好地了解農(nóng)村經(jīng)濟發(fā)展情況以及空間集聚現(xiàn)象，本文運用GeoDa空間計量軟件將其可視化。制作2010年以及2020年我國農(nóng)村地區(qū)經(jīng)濟發(fā)展情況五分位圖，按照顏色深淺對經(jīng)濟情況進行區(qū)分，顏色越深代表農(nóng)村經(jīng)濟發(fā)展情況越好（其中，臺灣不計入討論）。通過圖2不難看出無論是2010年還是2020年顏色深淺相近的區(qū)域相連，即農(nóng)村經(jīng)濟發(fā)展水平較高的地區(qū)主要分布在東南沿海，有江蘇、浙江、廣東等，而農(nóng)村經(jīng)濟發(fā)展水平較低的地區(qū)主要分布在西北腹地，有青海、甘肅等。說明我國農(nóng)村經(jīng)濟增長在空間上存在集聚效應(yīng)。

圖2 2010年、2020年我國各省、直轄市農(nóng)村經(jīng)濟發(fā)展情況

本文構(gòu)建空間距離矩陣計算2010-2020年我國農(nóng)村經(jīng)濟增長的全局Moran’s I指數(shù)和相關(guān)統(tǒng)計值，進一步確定空間相關(guān)性以及農(nóng)村經(jīng)濟增長的溢出效應(yīng)。如表1所示，2010-2020年我國農(nóng)村經(jīng)濟發(fā)展Moran’s I指數(shù)在0.130-0.168之間上下波動，表明我國農(nóng)村經(jīng)濟呈現(xiàn)明顯的正向空間相關(guān)性特征。

表1 2010-2020年農(nóng)村經(jīng)濟發(fā)展Moran’s I指數(shù)

圖3分別表示2010年、2020年我國農(nóng)村經(jīng)濟增長的空間分布Moran’s I散點圖，橫軸表示農(nóng)村經(jīng)濟增長情況，縱軸表示鄰近省市的農(nóng)村經(jīng)濟增長情況。 以2020年散點圖為例，觀測值位于第一象限的省市地區(qū)農(nóng)村經(jīng)濟發(fā)展較好，同時也具有明顯的正向空間溢出效應(yīng)，如廣東、浙江、江蘇等省市，構(gòu)成“強強集聚”；位于第二象限的地區(qū)農(nóng)村經(jīng)濟雖然發(fā)展較差，但是也具有明顯的空間滯后性，其相鄰的農(nóng)村經(jīng)濟對其有正向的溢出效應(yīng)，如吉林、山西、河北、河南等省市。而位于第三象限的地區(qū)農(nóng)村經(jīng)濟發(fā)展較差，空間滯后性也較低，這些省市的相鄰農(nóng)村經(jīng)濟具有反向溢出效應(yīng)影響，如甘肅、貴州、寧夏、廣西等省市，構(gòu)成“弱弱集聚”。由此可知，我國省市農(nóng)村經(jīng)濟上具有空間自相關(guān)性。

同時不難看出，隨著時間的推移從2010年到2020年農(nóng)村經(jīng)濟發(fā)展集聚程度穩(wěn)中有進，區(qū)域性高地已經(jīng)形成。第一象限的“強強集聚”省市以及第三象限的“弱弱集聚”省市基本情況維持不變。因此，在推進農(nóng)村經(jīng)濟發(fā)展中，要突出重點省市農(nóng)村地區(qū)。不僅要關(guān)注發(fā)展較薄弱的省市區(qū)域農(nóng)村，著眼從內(nèi)部解決問題，而且應(yīng)緊抓經(jīng)濟基礎(chǔ)相對較好、輻射能力相對較強的區(qū)域，促進轉(zhuǎn)型升級發(fā)揮空間溢出效應(yīng)，從而拉動整體經(jīng)濟水平的提升。

圖3 2010年、2020年我國農(nóng)村經(jīng)濟增長空間分布Moran’s I散點圖

（二）空間計量模型選擇及參數(shù)分析

我國省市農(nóng)村區(qū)域經(jīng)濟上具有空間自相關(guān)性，運用傳統(tǒng)的OLS估計不能有效分析農(nóng)村經(jīng)濟增長影響因素，因此本文運用Matlab軟件構(gòu)建空間計量模型（SAR、SEM和SDM模型）來實現(xiàn)。

表2 空間計量模型估計結(jié)果

表3 空間計量模型的LM檢驗

根據(jù)表2空間杜賓模型估計結(jié)果可知，農(nóng)村銀行信貸規(guī)模（scale）與農(nóng)村經(jīng)濟發(fā)展水平呈顯著負相關(guān)關(guān)系，或許是因為我國農(nóng)村信貸發(fā)展模式還處于初期，資本積累存在一定的門檻效應(yīng)，盡管銀行信貸在農(nóng)村規(guī)模上不斷擴大，但是仍未達到能夠提高農(nóng)村經(jīng)濟發(fā)展的閾值，金融排斥現(xiàn)象較為嚴(yán)重。進而從側(cè)面也反映農(nóng)村銀行信貸市場化程度較低，缺乏動力、活力，信貸資源供給不足，難以滿足農(nóng)村市場多層次需求，不利于農(nóng)村經(jīng)濟發(fā)展。銀行信貸效率（efficiency）與農(nóng)村經(jīng)濟增長呈顯著正相關(guān)關(guān)系，這說明相較于單一的信貸規(guī)?！傲俊钡臄U大，銀行信貸效率“質(zhì)”的提升更能促進農(nóng)村經(jīng)濟增長。農(nóng)村人口數(shù)（labor）對農(nóng)村經(jīng)濟增長有顯著的負作用，可能是因為農(nóng)村有大量老齡化人口，即使會有很多勞動力通過外出打工流向城市地區(qū)，但剩余勞動力仍然存在，并導(dǎo)致農(nóng)村勞動效率較低從而影響農(nóng)村經(jīng)濟增長。農(nóng)村地區(qū)銀行信貸主要用于農(nóng)村生產(chǎn)經(jīng)營、固定資產(chǎn)投資。固定資產(chǎn)投資（investment）推動農(nóng)村基礎(chǔ)設(shè)施建設(shè)以及再生產(chǎn)活動，推動農(nóng)村經(jīng)濟發(fā)展水平的提升。通過研究空間效應(yīng)變量，不難發(fā)現(xiàn)我國農(nóng)村經(jīng)濟發(fā)展存在空間上的互動效應(yīng)，距離接近的省市地區(qū)之間相互影響。一個省市農(nóng)村銀行信貸規(guī)模（W*scale）和鄉(xiāng)村人口數(shù)（W*labor）對周邊地區(qū)呈負向影響，銀行信貸效率（W*efficiency）和固定資產(chǎn)投資（W*investment）對促進周邊區(qū)域農(nóng)村經(jīng)濟有正向作用。

但是，Lesage J P（2009）指出，空間杜賓模型（SDM模型）中包含空間滯后因變量和自變量，并加入空間加權(quán)矩陣W。如果將空間杜賓模型簡單的視為某個變量對被解釋變量產(chǎn)生的影響，將會存在嚴(yán)重偏差，估計結(jié)果無法直接反映邊際效應(yīng)，也無法準(zhǔn)確衡量不同變量給農(nóng)村經(jīng)濟發(fā)展帶來的直接影響。因此，為了更好地進一步解釋空間溢出效應(yīng)，本文將對空間杜賓模型求偏微分來檢驗各個解釋變量對農(nóng)村經(jīng)濟發(fā)展的直接效應(yīng)和間接效應(yīng)，結(jié)果見表4。

表4 農(nóng)村經(jīng)濟增長SDM 模型的直接與間接效應(yīng)檢驗結(jié)果

表4中直接效應(yīng)是直接反映該地區(qū)銀行信貸對本地區(qū)經(jīng)濟增長的作用，間接效應(yīng)則是反映空間溢出效應(yīng)存在與否。銀行信貸規(guī)模（scale）具有1%置信水平下顯著負的直接效應(yīng)，10%置信水平下顯著負的間接效應(yīng)和總效應(yīng)。具體來說，單純擴大銀行信貸并不能對本省市農(nóng)村經(jīng)濟增長起到促進作用，同時也可能對鄰近省市發(fā)展帶來不利影響，總體來看各省市在信貸規(guī)模上沒有形成良好的協(xié)同機制，跨省市實施信貸規(guī)模的擴張難度較大。而銀行信貸效率（efficiency）對于農(nóng)村經(jīng)濟發(fā)展具有顯著正向直接效應(yīng)、間接效應(yīng)和總效應(yīng)，說明信貸效率的提升在促進本省市農(nóng)村經(jīng)濟增長的同時，還具有正向外部性和示范效應(yīng)。通過提升本省銀行信貸效率同樣也能促進鄰近省市地區(qū)農(nóng)村經(jīng)濟發(fā)展水平的提高。就控制變量來說，鄉(xiāng)村人口（labor）對農(nóng)村經(jīng)濟發(fā)展有顯著負向直接影響、間接影響和總影響，人口老齡化、勞動效率較低影響本地區(qū)農(nóng)村經(jīng)濟發(fā)展，顯著的空間溢出效應(yīng)會通過農(nóng)村人口轉(zhuǎn)移對各省市農(nóng)村經(jīng)濟增長產(chǎn)生一定的相互競爭。固定資產(chǎn)投資（investment）對農(nóng)村經(jīng)濟增長有顯著的正向直接影響、間接影響和總影響，擴大固定資產(chǎn)投資、完善農(nóng)村基礎(chǔ)設(shè)施建設(shè)，不僅能夠促進本省市農(nóng)村經(jīng)濟增長，也會帶動鄰近省市農(nóng)村經(jīng)濟的增長。

五、結(jié)論與建議

本文選取我國31個省市自治區(qū)2010-2020年數(shù)據(jù)，運用空間計量模型研究銀行信貸與農(nóng)村經(jīng)濟發(fā)展之間關(guān)系，結(jié)果表明：我國各省市農(nóng)村經(jīng)濟發(fā)展水平存在明顯的空間集聚效應(yīng)。單純的擴大銀行信貸規(guī)模一定程度上會抑制農(nóng)村經(jīng)濟發(fā)展，而提升銀行信貸效率才是促進農(nóng)村經(jīng)濟增長的關(guān)鍵因素。信貸效率的提升不僅促進本地區(qū)農(nóng)村經(jīng)濟發(fā)展，而且能帶動鄰近省市農(nóng)村經(jīng)濟發(fā)展。因此，根據(jù)以上研究，提出以下建議：

第一，強化區(qū)域合作，促進協(xié)同發(fā)展。通過Moran’s I指數(shù)進行的全局檢驗，不難發(fā)現(xiàn)農(nóng)村經(jīng)濟發(fā)展具有很強的空間依賴性，各省市空間關(guān)聯(lián)不斷加強。因此，促進農(nóng)村經(jīng)濟增長，加強區(qū)域合作顯得尤為重要。農(nóng)村經(jīng)濟發(fā)展較好的地區(qū)應(yīng)積極發(fā)揮引領(lǐng)帶動作用，例如上海、江蘇、浙江等省市農(nóng)村，增強它們帶動腹地發(fā)展的能力；要積極支持欠發(fā)達省市農(nóng)村的發(fā)展，尤其是青海、甘肅、西藏等地，從內(nèi)部發(fā)現(xiàn)問題，妥善處理好高速發(fā)展和高質(zhì)量發(fā)展間的平衡關(guān)系，因地制宜將資源優(yōu)勢轉(zhuǎn)化為產(chǎn)業(yè)優(yōu)勢，形成具有本地特色的區(qū)域發(fā)展機制；要全面深化區(qū)域合作，完善定點幫扶、對口支援工作，使金融資源配置在區(qū)域間流動并達到最優(yōu)狀態(tài)，構(gòu)建省市農(nóng)村經(jīng)濟均衡發(fā)展的長效機制，增強農(nóng)村經(jīng)濟發(fā)展活力。

第二，拓寬融資渠道，推動信貸創(chuàng)新。通過空間杜賓模型（SDM模型）可知，農(nóng)村信貸規(guī)模對農(nóng)村經(jīng)濟增長有顯著的反向影響。這可能是由于我國農(nóng)村經(jīng)濟發(fā)展模式不完善、基礎(chǔ)薄弱，并沒有完成市場所需的資本積累。雖然信貸規(guī)模不斷擴大，但是并沒有對農(nóng)村經(jīng)濟增長起到促進的作用。又或是農(nóng)村融資渠道較為單一，需要進行渠道上的創(chuàng)新。而從實證結(jié)果，銀行信貸規(guī)模對農(nóng)村經(jīng)濟發(fā)展有顯著負的直接效應(yīng)、間接效應(yīng)以及總效應(yīng)，表明單純擴大銀行信貸并不能對本省市農(nóng)村經(jīng)濟增長起到促進作用，同時也可能對鄰近省市發(fā)展帶來不利影響。所以，在農(nóng)村信貸發(fā)展中不能僅一味的追求“量”，而忽視“質(zhì)”。這就要求推動信貸創(chuàng)新，引入“云計算”等新技術(shù)，發(fā)展數(shù)字信貸，對農(nóng)村客戶運用精準(zhǔn)數(shù)字畫像、數(shù)字信用評級以及進行數(shù)字授信，夯實農(nóng)村數(shù)字信貸的用戶基礎(chǔ)，促使資金流入農(nóng)村。

第三，提高信貸效率，支持實體經(jīng)濟。根據(jù)空間杜賓模型（SED模型）可知，提高信貸效率促進本省市農(nóng)村經(jīng)濟發(fā)展的同時也能輻射鄰近省市地區(qū)的農(nóng)村經(jīng)濟發(fā)展。由此可見，發(fā)展農(nóng)村經(jīng)濟的著眼點還是提高銀行信貸效率。這就要求利用金融政策來引導(dǎo)農(nóng)村的銀行提高貸存比率，優(yōu)化信貸結(jié)構(gòu)，提高貸款發(fā)放效率，更好滿足農(nóng)村人口以及鄉(xiāng)鎮(zhèn)企業(yè)的融資需求。此外，農(nóng)村固定資產(chǎn)投資對推動農(nóng)村經(jīng)濟發(fā)展也起到推動作用，因此，要加大銀行信貸對農(nóng)村生產(chǎn)經(jīng)營活動、固定資產(chǎn)投資的扶持，通過信貸投向基礎(chǔ)設(shè)施推動再生產(chǎn)，吸引和鞏固農(nóng)村可用資本，促進人才、資本等生產(chǎn)要素的流動，提升農(nóng)村金融效率，切實服務(wù)實體經(jīng)濟，進而實現(xiàn)農(nóng)村經(jīng)濟協(xié)調(diào)可持續(xù)發(fā)展。