□ 劉巖

一、引言

全面推進(jìn)鄉(xiāng)村振興離不開金融支持，尤其是在實(shí)現(xiàn)共同富裕的過程中，農(nóng)業(yè)生產(chǎn)現(xiàn)代化、農(nóng)村基礎(chǔ)設(shè)施升級(jí)、農(nóng)民實(shí)現(xiàn)增收等無(wú)不需要資金支持。但是，受到經(jīng)濟(jì)制度和金融政策等相關(guān)因素的影響，我國(guó)的金融資源配置不合理，農(nóng)村經(jīng)濟(jì)發(fā)展長(zhǎng)期得不到必要的資金支持。在我國(guó)城鄉(xiāng)二元經(jīng)濟(jì)結(jié)構(gòu)背景下，農(nóng)村金融發(fā)展緩慢也是造成城鄉(xiāng)收入差距的一個(gè)重要原因。近年來，我國(guó)積極進(jìn)行經(jīng)濟(jì)、金融制度改革和大力發(fā)展普惠金融，各商業(yè)銀行紛紛推出助農(nóng)惠農(nóng)的金融服務(wù)，這雖然在很大程度上緩解了農(nóng)戶的金融約束，但是農(nóng)村金融抑制現(xiàn)象仍然存在。

關(guān)于農(nóng)村金融抑制的研究成果已經(jīng)相當(dāng)豐富，李存和祝國(guó)平（2019）認(rèn)為農(nóng)村金融抑制包括供給型金融抑制和需求型金融抑制，交易成本、市場(chǎng)因素和信息不對(duì)稱是造成農(nóng)村金融抑制的主要原因。具體地，供給型金融抑制是從資金供給角度研究農(nóng)村的金融抑制現(xiàn)象，金融管制在某種程度上使金融機(jī)構(gòu)出現(xiàn)農(nóng)村金融抑制性（楊軍和高鴻齋，2015）；另外，銀行等金融機(jī)構(gòu)對(duì)農(nóng)業(yè)借貸存在“理性排斥”行為，信貸配給導(dǎo)致農(nóng)村金融出現(xiàn)“市場(chǎng)失靈”，大量的農(nóng)村金融需求被排斥在正規(guī)金融市場(chǎng)之外（程惠霞，2014）。從需求端來看，農(nóng)村市場(chǎng)化程度低、農(nóng)村金融體系不健全等原因?qū)е铝宿r(nóng)村居民對(duì)正規(guī)金融組織借貸資金需求不足（高帆，2002）。金融素養(yǎng)較低是限制農(nóng)戶獲得正規(guī)信貸的一個(gè)重要原因（何學(xué)松和孔榮，2019），此外，農(nóng)戶的非農(nóng)收入對(duì)銀行信貸具有很強(qiáng)的替代性，即便是有資金需求，農(nóng)村居民更多的是向親戚朋友借款，農(nóng)村非正規(guī)金融對(duì)正規(guī)金融產(chǎn)生了擠出效應(yīng)（陳鵬和劉錫良，2011）。農(nóng)村金融抑制也給農(nóng)村經(jīng)濟(jì)社會(huì)發(fā)展帶來了諸多的不利影響。金融抑制不僅極大地阻礙了農(nóng)業(yè)產(chǎn)業(yè)化進(jìn)程（朱啟銘，2006），而且還會(huì)導(dǎo)致居民收入差異分化和產(chǎn)生不平等問題（王小華等，20014）。

當(dāng)然，相關(guān)學(xué)者也一直在探究如何化解農(nóng)村金融抑制問題，深化農(nóng)村金融改革成為大家的共識(shí)。王國(guó)華和李克強(qiáng)（2006）認(rèn)為金融制度創(chuàng)新是解決農(nóng)村金融抑制問題的關(guān)鍵，而事實(shí)證明也是如此，比如林樂芬和王步天（2015）基于農(nóng)村金融改革試驗(yàn)區(qū)418名縣鄉(xiāng)村三級(jí)管理者的調(diào)查實(shí)證發(fā)現(xiàn)農(nóng)地經(jīng)營(yíng)權(quán)抵押貸款制度改革有助于提升農(nóng)戶的信貸可得性；馬九杰（2020）等根據(jù)農(nóng)信社改制農(nóng)商行的經(jīng)驗(yàn)證據(jù)發(fā)現(xiàn)農(nóng)村金融機(jī)構(gòu)市場(chǎng)化可以緩解農(nóng)村家庭資金約束；農(nóng)業(yè)政策性金融供給可以有效緩解當(dāng)期農(nóng)村金融抑制（何志雄和曲如曉，2015）。已有文獻(xiàn)從眾多方面探究了農(nóng)村金融改革的影響，但是鮮有學(xué)者探究外部事件沖擊或者相關(guān)政策的實(shí)施是否會(huì)影響農(nóng)村金融抑制問題。郭武燕（2009）曾借金融危機(jī)對(duì)中國(guó)農(nóng)村金融抑制的沖擊來討論中國(guó)農(nóng)村金融的深化問題，而相比之下，鄉(xiāng)村振興戰(zhàn)略的實(shí)施是否能夠在一定程度上緩解農(nóng)村的金融抑制問題更值得探討。鄉(xiāng)村振興戰(zhàn)略提出了產(chǎn)業(yè)興旺、生態(tài)宜居、鄉(xiāng)風(fēng)文明、治理有效、生活富裕的總要求，涉及農(nóng)業(yè)農(nóng)村農(nóng)民的方方面面，實(shí)施鄉(xiāng)村振興戰(zhàn)略勢(shì)必會(huì)在更深層次、更廣范圍內(nèi)影響農(nóng)村金融制度改革。

基于此，本文基于506家商業(yè)銀行樣本數(shù)據(jù)，利用雙重差分法（DID）實(shí)證檢驗(yàn)鄉(xiāng)村振興戰(zhàn)略對(duì)商業(yè)銀行助農(nóng)貸款投放情況的影響，借此考察鄉(xiāng)村振興戰(zhàn)略的實(shí)施是否有助于緩解農(nóng)村金融抑制。本文的邊際貢獻(xiàn)主要有：一是在研究視角上，首次探究鄉(xiāng)村振興戰(zhàn)略對(duì)農(nóng)村金融抑制的影響，豐富了相關(guān)文獻(xiàn)；二是在研究方法上，巧妙地運(yùn)用了雙重差分模型進(jìn)行實(shí)證檢驗(yàn)；三是在研究?jī)?nèi)容上，突出了商業(yè)銀行在助力鄉(xiāng)村振興進(jìn)程中的突出貢獻(xiàn)。

二、政策背景與研究假說

（一）政策背景

黨的十九大提出，我國(guó)的主要矛盾已經(jīng)轉(zhuǎn)化為人民日益增長(zhǎng)的美好生活需要和不平衡、不充分發(fā)展之間的矛盾。無(wú)論是實(shí)現(xiàn)共同富裕還是服務(wù)經(jīng)濟(jì)雙循環(huán)戰(zhàn)略，農(nóng)村必須要振興。習(xí)近平總書記說：“促進(jìn)共同富裕，最艱巨最繁重的任務(wù)仍然在農(nóng)村，農(nóng)村富裕工作要抓緊”。只有實(shí)施鄉(xiāng)村振興戰(zhàn)略，在廣大鄉(xiāng)村群眾有經(jīng)濟(jì)條件消費(fèi)的基礎(chǔ)上，才能實(shí)現(xiàn)真正的經(jīng)濟(jì)內(nèi)循環(huán)。隨著脫貧攻堅(jiān)戰(zhàn)的勝利和全面建成小康社會(huì)目標(biāo)的實(shí)現(xiàn)，實(shí)施鄉(xiāng)村振興戰(zhàn)略是開啟全面建設(shè)社會(huì)主義現(xiàn)代化國(guó)家新征程的必然選擇（洪銀興等，2018）。

正是基于國(guó)情和時(shí)代背景考慮，按照中共十九大提出的決勝全面建成小康社會(huì)、分兩個(gè)階段實(shí)現(xiàn)第二個(gè)百年奮斗目標(biāo)的戰(zhàn)略安排，2017年中央農(nóng)村工作會(huì)議明確了實(shí)施鄉(xiāng)村振興戰(zhàn)略的目標(biāo)任務(wù)：2020年，鄉(xiāng)村振興取得重要進(jìn)展，制度框架和政策體系基本形成；2035年，鄉(xiāng)村振興取得決定性進(jìn)展，農(nóng)業(yè)農(nóng)村現(xiàn)代化基本實(shí)現(xiàn)；2050年，鄉(xiāng)村全面振興，農(nóng)業(yè)強(qiáng)、農(nóng)村美、農(nóng)民富全面實(shí)現(xiàn)。

（二）研究假說

作為“三農(nóng)”工作的總抓手，鄉(xiāng)村振興戰(zhàn)略堅(jiān)持農(nóng)業(yè)農(nóng)村優(yōu)先發(fā)展，是中國(guó)經(jīng)濟(jì)社會(huì)發(fā)展方式一次大的轉(zhuǎn)變。在建立健全城鄉(xiāng)融合發(fā)展的體制機(jī)制和政策體系的過程中，農(nóng)村金融體制改革勢(shì)在必行，這會(huì)在一定程度上緩解農(nóng)村金融抑制。

從供給角度來看，缺失或者不適當(dāng)?shù)慕?jīng)濟(jì)制度、金融政策等因素是導(dǎo)致的資源配置不合理的主要原因，農(nóng)村資金供給不足產(chǎn)生供給型金融抑制。農(nóng)村金融機(jī)構(gòu)少、金融產(chǎn)品單一和資金量少是導(dǎo)致“三農(nóng)”資金需求得不到滿足的主要原因。伴隨著鄉(xiāng)村振興戰(zhàn)略的實(shí)施，農(nóng)村金融供給側(cè)結(jié)構(gòu)性改革逐步拉開帷幕（梁信志，2018）。商業(yè)銀行積極創(chuàng)新服務(wù)模式、加快產(chǎn)品創(chuàng)新、推進(jìn)渠道融合、強(qiáng)化科技賦能和筑牢風(fēng)控底線，這在很大程度上增加了農(nóng)村金融有效供給和保障了農(nóng)村金融服務(wù)的可持續(xù)性。正如美國(guó)經(jīng)濟(jì)學(xué)家美國(guó)經(jīng)濟(jì)學(xué)家愛德華·肖（1973）在《經(jīng)濟(jì)發(fā)展中的金融深化》一書中所言，發(fā)展中國(guó)家只要進(jìn)行金融政革就會(huì)有所作為，事實(shí)也證明我國(guó)的政策性金融供給可以緩解農(nóng)村金融抑制（何志雄和曲如曉，2015）。

從需求角度來看，農(nóng)村家庭向正規(guī)金融機(jī)構(gòu)借貸的意愿不高會(huì)形成需求型金融抑制，這也是由于農(nóng)村市場(chǎng)化程度低、農(nóng)村金融體系不健全等原因造成的（高帆，2002）。市場(chǎng)機(jī)制不健全必然會(huì)影響農(nóng)村金融機(jī)構(gòu)的充分競(jìng)爭(zhēng)，當(dāng)農(nóng)戶可選擇的正規(guī)金融機(jī)構(gòu)減少和無(wú)法適配自身需要的金融產(chǎn)品后，農(nóng)戶潛在需求便會(huì)消失（林毅夫，2003）。同時(shí)，考慮到農(nóng)村金融機(jī)構(gòu)顯性交易成本和隱性交易成本均高于城市金融機(jī)構(gòu)，正規(guī)金融交易難以達(dá)成導(dǎo)致非正規(guī)金融在農(nóng)村盛行（朱粵偉，2007）。鄉(xiāng)村振興戰(zhàn)略的實(shí)施必然會(huì)伴隨著一系列的農(nóng)村經(jīng)濟(jì)體制改革，在這個(gè)過程中，如果能夠調(diào)整農(nóng)村產(chǎn)業(yè)結(jié)構(gòu)、培育新的經(jīng)濟(jì)增長(zhǎng)點(diǎn)和提高農(nóng)戶的經(jīng)營(yíng)預(yù)期，從而增加農(nóng)村經(jīng)濟(jì)組織對(duì)于資金的需求，便可以有效地緩解我國(guó)農(nóng)村社會(huì)的需求型金融抑制（劉祚祥，2007）。

綜上所述，在鄉(xiāng)村振興戰(zhàn)略的實(shí)施過程中，伴隨著經(jīng)濟(jì)機(jī)制改革和相關(guān)金融政策的出臺(tái)，勢(shì)必會(huì)把更多金融資源配置到農(nóng)村經(jīng)濟(jì)社會(huì)發(fā)展的重點(diǎn)領(lǐng)域和薄弱環(huán)節(jié)，強(qiáng)化鄉(xiāng)村振興投入的普惠金融保障，農(nóng)村金融抑制問題便可能得到有效解決。基于以上分析，本文提出有待檢驗(yàn)的研究假說。

假說H1：鄉(xiāng)村振興戰(zhàn)略的實(shí)施有助于緩解農(nóng)村金融抑制。

三、研究設(shè)計(jì)

（一）樣本選擇與數(shù)據(jù)來源

本文以我國(guó)506家商業(yè)銀行為對(duì)象，選取2013-2020年8年區(qū)間，由于部分銀行的部分年份數(shù)據(jù)缺失，該樣本數(shù)據(jù)為非平衡面板數(shù)據(jù)，共包括3268個(gè)樣本數(shù)據(jù)。此外，借鑒前人的研究方法，對(duì)助農(nóng)貸款等重要變量指標(biāo)進(jìn)行了winsor（1 99）的縮尾處理。本文所用數(shù)據(jù)均來自國(guó)泰安（CSMAR）數(shù)據(jù)庫(kù)。

（二）模型設(shè)計(jì)

1.雙重差分模型

雙重差分法常被用作政策效應(yīng)評(píng)估，其利用外生的政策沖擊作準(zhǔn)自然實(shí)驗(yàn)，可以克服其他因素對(duì)結(jié)果的影響。雙重差分模型檢驗(yàn)政策效應(yīng)的基本原理如下：按照與政策密切相關(guān)的標(biāo)準(zhǔn)，將全樣本劃分為實(shí)現(xiàn)組與控制組兩大類別，以政策出臺(tái)時(shí)間為節(jié)點(diǎn)進(jìn)行分析。在政策出臺(tái)之前，實(shí)驗(yàn)組和控制組的特定研究指標(biāo)存在差別，在政策時(shí)點(diǎn)后，實(shí)驗(yàn)組與控制組之間呈現(xiàn)較大的區(qū)別，然而假設(shè)政策實(shí)施后兩組之間的差別趨勢(shì)沒有變，那么實(shí)驗(yàn)組與控制組間實(shí)際的差別與政策時(shí)點(diǎn)之前的差別，兩者之差就是政策所發(fā)揮的凈效應(yīng)。這樣的模型設(shè)計(jì)可以很好地克服互為因果、變量遺漏以及數(shù)據(jù)誤差造成的內(nèi)生性問題。本文以鄉(xiāng)村振興戰(zhàn)略的實(shí)施為準(zhǔn)自然實(shí)驗(yàn)，采用雙重差分（DID）方法來進(jìn)行因果識(shí)別。具體地，依據(jù)鄉(xiāng)村振興戰(zhàn)略實(shí)施對(duì)不同商業(yè)銀行的影響效果為標(biāo)準(zhǔn)進(jìn)行分組，農(nóng)村商業(yè)銀行、村鎮(zhèn)銀行和農(nóng)村信用社深耕農(nóng)村，服務(wù)于當(dāng)?shù)剞r(nóng)民、農(nóng)業(yè)和農(nóng)村經(jīng)濟(jì)發(fā)展，其相關(guān)金融業(yè)務(wù)最先受到鄉(xiāng)村振興戰(zhàn)略的影響，因此，將農(nóng)村商業(yè)銀行、村鎮(zhèn)銀行、農(nóng)村信用社和中國(guó)農(nóng)業(yè)銀行一起選為實(shí)驗(yàn)組處理；2017年黨的十九大正式提出實(shí)施鄉(xiāng)村振興戰(zhàn)略，故將2017年選做政策時(shí)點(diǎn)。

（1）具體模型設(shè)計(jì)如下：借鑒Bertrand和Mullainathan（1999）提出的雙重差分模型，本文驗(yàn)證鄉(xiāng)村振興戰(zhàn)略實(shí)施對(duì)商業(yè)銀行助農(nóng)貸款發(fā)放的政策效應(yīng)。

其中，下標(biāo)i代表商業(yè)銀行樣本，t代表2013-2020年間的每個(gè)年度。被解釋變量Farmer_loansi,t體現(xiàn)了t時(shí)期i銀行的助農(nóng)貸款投放情況，DIDi,t為實(shí)驗(yàn)組（Policy）與政策時(shí)點(diǎn)的交互項(xiàng)（Treat），表示鄉(xiāng)村振興戰(zhàn)略實(shí)施對(duì)商業(yè)銀行助農(nóng)貸款投放的凈影響效果，Controli,t為本文一系列的相關(guān)控制變量，εi,t為隨機(jī)誤差項(xiàng)。

（2）雙重差分的分組情況：如表1所示，實(shí)驗(yàn)組樣本量為1959，控制組樣本量為1309；政策實(shí)施前后樣本量相差無(wú)幾。從樣本分布來看，本文的實(shí)驗(yàn)處理較為恰當(dāng)。

表1 DID分組情況

2.雙重差分的平行趨勢(shì)檢驗(yàn)

使用雙重差分模型需滿足共同趨勢(shì)假設(shè)，即政策之前實(shí)驗(yàn)組與控制組之間不存在顯著差異。為此，我們采用Bertrand and Mullainathan（2003）提出的平行趨勢(shì)檢驗(yàn)方法檢驗(yàn)本研究的合理性以及分組結(jié)果的有效性，具體模型如下：

其中，F(xiàn)armer_loans為商業(yè)銀行的助農(nóng)貸款，Before3-Before1都是虛擬變量，如果樣本分別屬于受到政策影響的前1-3年，則該指標(biāo)分別賦值為1，反之則賦值為0；如果樣本就在受到政策影響的當(dāng)年，則Current賦值為1，反之則為0；而當(dāng)樣本位于受到政策影響后的第1-3年，After1-After3分別賦值為1否則就為0，Control為本文的控制變量。

雙重差分平行趨勢(shì)檢驗(yàn)結(jié)果如表2所示，Before3-Before1的系數(shù)均不具有統(tǒng)計(jì)顯著性，而Current-After2的系數(shù)卻在5%的統(tǒng)計(jì)水平上顯著為正，這意味著，平行趨勢(shì)假設(shè)已經(jīng)滿足，可以繼續(xù)進(jìn)行雙重差分檢驗(yàn)。

表2 平行趨勢(shì)檢驗(yàn)

由圖1可以更為直觀地觀測(cè)到助農(nóng)貸款在鄉(xiāng)村振興戰(zhàn)略實(shí)施前后的發(fā)放情況的變化。在鄉(xiāng)村振興戰(zhàn)略實(shí)施之前年份中，助農(nóng)貸款圍繞0周圍上下波動(dòng)，即處理組與控制組之間的助農(nóng)貸款并不存在顯著差異。但是實(shí)施鄉(xiāng)村振興戰(zhàn)略當(dāng)年及其后的兩年內(nèi)，農(nóng)商銀行等助農(nóng)貸款的發(fā)放表現(xiàn)出明顯的上升趨勢(shì)，從政策實(shí)施的第3年開始處理組與控制組之間的顯著性差異消失。這證明了本文研究設(shè)計(jì)的合理性，使用雙重差分進(jìn)行實(shí)證分析是可行的。

圖1 平行趨勢(shì)檢驗(yàn)

（三）變量定義與說明

1.被解釋變量。助農(nóng)貸款（Farmer_loans）。本文選擇國(guó)泰安（CSMAR）數(shù)據(jù)庫(kù)“銀行治理”板塊中的商業(yè)銀行發(fā)放的農(nóng)戶貸款為基礎(chǔ)數(shù)據(jù)，然后對(duì)其做取對(duì)數(shù)處理。金融抑制的度量指標(biāo)主要有三個(gè)（劉錫龍，2008），其中一個(gè)就是農(nóng)村資金需求能否得到滿足，根據(jù)這個(gè)標(biāo)準(zhǔn)，本文以商業(yè)銀行的正規(guī)信貸支持為被解釋變量來反應(yīng)農(nóng)村金融抑制情況，助農(nóng)貸款投放越多則說明農(nóng)村金融抑制情況得到緩解。

2.解釋變量

（1）處理變量（Treat）。本文的處理變量是一個(gè)虛擬變量，如果該商業(yè)銀行為農(nóng)村商業(yè)銀行則賦值為1，反之則賦值為0。相比于其他商業(yè)銀行，農(nóng)村商業(yè)銀行往往起源于農(nóng)村、扎根農(nóng)村、與農(nóng)村農(nóng)民有著更親密的聯(lián)系，因此，鄉(xiāng)村振興戰(zhàn)略對(duì)農(nóng)商銀行的影響作用較大。

（2）時(shí)間變量（Policy）。該變量也是一個(gè)虛擬變量，2017年中央農(nóng)村工作會(huì)議明確了實(shí)施鄉(xiāng)村振興戰(zhàn)略，據(jù)此，如果樣本在2017年之前（不包含2017年）就賦值為0，反之則賦值為1。

（3）處理變量*時(shí)間變量（Treat* Policy）。該變量是處理變量（Treat）和時(shí)間變量（Policy）的交叉項(xiàng)，用來檢驗(yàn)鄉(xiāng)村振興戰(zhàn)略對(duì)處理組樣本的政策凈效應(yīng)。根據(jù)雙重差分模型的設(shè)計(jì)原理，如果β1為正，則表明鄉(xiāng)村振興戰(zhàn)略有效促進(jìn)了農(nóng)商銀行的助農(nóng)貸款發(fā)放。

3.控制變量。參考相關(guān)文獻(xiàn)選擇以下控制變量：商業(yè)貸款（C_loans）、不良貸款率（RBL）、資產(chǎn)利潤(rùn)率（RA）、總資產(chǎn)周轉(zhuǎn)率（TAT）、資本充足率（CAR）、董事會(huì)人數(shù)（NOBM）和第一大股東持股比（ROLS）；同時(shí)，控制年份（year）固定效應(yīng)、省份（province）固定效應(yīng)和個(gè)體固定效應(yīng)，以此保證助農(nóng)貸款不受那些源自特定年份、省份的宏觀經(jīng)濟(jì)因素和政策變動(dòng)的影響。

表3 變量定義

DGR 存款增長(zhǎng)率 商業(yè)銀行的存款增長(zhǎng)率NOBM 董事會(huì)人數(shù) 商業(yè)銀行的董事會(huì)人數(shù)ROLS 第一大股東持股比 商業(yè)銀行第一大股東持股比例

（四）描述性統(tǒng)計(jì)分析

表4以全樣本、處理組和對(duì)照組分別陳列的形式展示主要變量的均值和標(biāo)準(zhǔn)差。如表3所示，處理組的助農(nóng)貸款明顯高于控制組，這也符合實(shí)際情況，即農(nóng)商銀行是農(nóng)戶貸款的首選銀行渠道。其他變量諸如不良貸款率（RBL）、資產(chǎn)利潤(rùn)率（RA）、總資產(chǎn)周轉(zhuǎn)率（TAT）、資本充足率（CAR）和存貸款增長(zhǎng)率（LGR、DGR）無(wú)明顯區(qū)別。

表4 描述性統(tǒng)計(jì)

四、實(shí)證結(jié)果與分析

（一）基準(zhǔn)回歸結(jié)果及其分析

為保證主回歸結(jié)果的穩(wěn)健性，本文采用嵌套回歸模型進(jìn)行分析。在依次加入商業(yè)貸款（C_loans）、不良貸款率（RBL）、資產(chǎn)利潤(rùn)率（RA）、總資產(chǎn)周轉(zhuǎn)率（TAT）、資本充足率（CAR）、董事會(huì)人數(shù)（NOBM）和第一大股東持股比（ROLS）這些控制變量后，表5顯示鄉(xiāng)村振興戰(zhàn)略在1%的統(tǒng)計(jì)水平上顯著促進(jìn)了銀行發(fā)放助農(nóng)貸款。初步證明假設(shè)H1的合理性。

表5 基準(zhǔn)回歸結(jié)果

注：a.★★★、★★、★分別表示在1%、5%、10%水平下顯著；括號(hào)內(nèi)為t統(tǒng)計(jì)量（下同）

進(jìn)一步的，利用雙重差分的凈效應(yīng)結(jié)果能更加直觀地表現(xiàn)出鄉(xiāng)村振興戰(zhàn)略對(duì)商業(yè)銀行助農(nóng)貸款發(fā)放的凈影響，即運(yùn)用雙重差分模型進(jìn)行回歸檢驗(yàn)，通過對(duì)比鄉(xiāng)村振興戰(zhàn)略實(shí)施前后，銀行助農(nóng)貸款發(fā)放的變化情況來證明本文假設(shè)H1的內(nèi)容，具體的檢驗(yàn)結(jié)果如下表6所示：

表6 雙重差分檢驗(yàn)結(jié)果

根據(jù)表6所示可知，首先，在鄉(xiāng)村振興戰(zhàn)略實(shí)施之前，處理組的助農(nóng)貸款為4.753，控制組的助農(nóng)貸款是2.607，兩者的差分為2.146，且存在顯著差異；其次，在鄉(xiāng)村振興戰(zhàn)略實(shí)施后，處理組的助農(nóng)貸款為6.041，控制組的助農(nóng)貸款為2.091，兩者的差分為3.950，此時(shí)仍存在顯著差異；最后，雙重差分的凈效果為1.804，且在1%統(tǒng)計(jì)水平顯著。故此，鄉(xiāng)村振興戰(zhàn)略實(shí)施的凈效應(yīng)顯著為正，進(jìn)一步證明了鄉(xiāng)村振興戰(zhàn)略促進(jìn)了商業(yè)銀行的助農(nóng)貸款發(fā)放。

（二）穩(wěn)健性檢驗(yàn)

1.PSM-DID。由于商業(yè)銀行發(fā)放助農(nóng)貸款并不是完全隨機(jī)的，本文的實(shí)驗(yàn)組和控制組之間可能會(huì)存在樣本選擇偏誤和其他混雜變量的影響，從而導(dǎo)致雙重差分估計(jì)是有偏的。為此，本文采用 PSMDID方法來解決這一問題，以保證研究結(jié)果的無(wú)偏性。如表7所示，經(jīng)過傾向得分匹配后，不良貸款率（RBL）、資產(chǎn)利潤(rùn)率（RA）、總資產(chǎn)周轉(zhuǎn)率（TAT）、資本充足率（CAR）、董事會(huì)人數(shù)（NOBM）和存款增長(zhǎng)率（DGR）這些變量的均值相差無(wú)幾，這說明處理組與控制組之間整體上不存在顯著差異。

表7 平衡性檢驗(yàn)

基于匹配后的樣本數(shù)據(jù)，進(jìn)一步運(yùn)用雙重差分模型驗(yàn)證鄉(xiāng)村振興戰(zhàn)略的實(shí)施對(duì)助農(nóng)貸款發(fā)放的政策效果。具體檢驗(yàn)結(jié)果如表8所示：首先，在去杠桿政策實(shí)施之前，處理組的助農(nóng)貸款投放為3.476，控制組的助農(nóng)貸款投放是1.575，兩者的差分為1.901；其次，在去實(shí)施鄉(xiāng)村振興戰(zhàn)略后，處理組的助農(nóng)貸款投放為4.802，控制組的助農(nóng)貸款投放為0.714，兩者的差分為4.622；最后，雙重差分的凈效果為2.721，且在1%水平下顯著。該凈效應(yīng)略高于基準(zhǔn)回歸所得的凈效應(yīng)。進(jìn)行傾向匹配處理后政策實(shí)施的凈效應(yīng)仍然顯著為正，進(jìn)一步證明研究結(jié)果的可靠性。

表8 匹配后雙重差分回歸結(jié)果

2.安慰劑檢驗(yàn)。為了保證研究結(jié)論的可靠性，本文采用安慰劑檢驗(yàn)繼續(xù)進(jìn)行穩(wěn)健性檢驗(yàn)。安慰劑檢驗(yàn)核心思想就是虛構(gòu)處理組或者虛構(gòu)政策時(shí)間進(jìn)行估計(jì)，如果不同虛構(gòu)方式下的估計(jì)量的回歸結(jié)果依然顯著，那么，就說明說明原來的估計(jì)結(jié)果很有可能出現(xiàn)了偏誤，我們的被解釋變量的變動(dòng)很有可能是受到了其他政策變革或者隨機(jī)性因素的影響。相反，如果實(shí)證結(jié)果不顯著，則可以證實(shí)政策效應(yīng)的穩(wěn)健性。本文采用關(guān)于政策實(shí)施時(shí)間的安慰劑檢驗(yàn)：一般做法就是虛構(gòu)政策時(shí)間進(jìn)行回歸。借鑒相關(guān)研究（劉瑞明和趙仁杰，2015），本文將政策時(shí)間設(shè)置到2016年進(jìn)行穩(wěn)健性檢驗(yàn)。表9為安慰劑檢驗(yàn)的實(shí)證結(jié)果，在逐漸加入控制變量的情況下，前文所提到的鄉(xiāng)村振興戰(zhàn)略促進(jìn)商業(yè)銀行發(fā)放助農(nóng)貸款的政策效果在此時(shí)并不存在。這也證明了本文研究結(jié)果的穩(wěn)健性。

表9 安慰劑檢驗(yàn)回歸結(jié)果

（三）異質(zhì)性分析

為了進(jìn)一步探究鄉(xiāng)村振興戰(zhàn)略對(duì)商業(yè)銀行發(fā)放助農(nóng)貸款的影響以及其中存在的問題，本文進(jìn)行區(qū)域異質(zhì)性和第一大股東異質(zhì)性分析。分別進(jìn)行北上廣等經(jīng)濟(jì)發(fā)達(dá)省市與山東河北河南等農(nóng)業(yè)大省之間的區(qū)域異質(zhì)性分析和第一大股東為國(guó)有股東與第一大股東為非國(guó)有股東之間的股東異質(zhì)性分析。

1.區(qū)域異質(zhì)性分析。表10報(bào)告了區(qū)域異質(zhì)性的回歸結(jié)果。在北上廣等經(jīng)濟(jì)發(fā)達(dá)省市地區(qū)，鄉(xiāng)村振興戰(zhàn)略的實(shí)施對(duì)銀行發(fā)放助農(nóng)貸款具有顯著的促進(jìn)作用；而在山東河南河北等農(nóng)業(yè)大省，鄉(xiāng)村振興戰(zhàn)略的實(shí)施對(duì)銀行發(fā)放助農(nóng)貸款的影響卻不具有顯著性。這種差異性結(jié)果值得深思，可能的原因是農(nóng)村地區(qū)存在金融抑制，欠發(fā)達(dá)地區(qū)的信貸需求往往因?yàn)檗r(nóng)村家庭缺少信貸擔(dān)保，甚至是農(nóng)戶缺乏金融素養(yǎng)而得不到滿足。相比于山東河南河北等農(nóng)業(yè)大省的農(nóng)戶，北上廣等經(jīng)濟(jì)發(fā)達(dá)省市的農(nóng)戶往往生活在城郊甚至城中村，一方面，他們有更高的金融素養(yǎng)，當(dāng)有資金需求時(shí)他們往往主動(dòng)去尋求銀行信貸支持；另一方面，他們雖為農(nóng)戶，但是往往具有一定的家庭財(cái)富可以充當(dāng)信貸抵押。這也從側(cè)面說明，相比于供給型金融抑制，需求型金融抑制更難緩解，商業(yè)銀行雖然加大普惠金融力度，但是如果農(nóng)戶沒有尋求正規(guī)金融服務(wù)的欲望，鄉(xiāng)村振興戰(zhàn)略對(duì)農(nóng)村金融抑制的緩解作用將大打折扣。

表10 區(qū)域異質(zhì)性回歸結(jié)果

2.第一大股東異質(zhì)性分析。表11報(bào)告了第一大股東異質(zhì)性的回歸結(jié)果。當(dāng)?shù)谝淮蠊蓶|為國(guó)資時(shí)，鄉(xiāng)村振興戰(zhàn)略的實(shí)施對(duì)銀行發(fā)放助農(nóng)貸款具有顯著的促進(jìn)作用；而當(dāng)?shù)谝淮蠊蓶|為非國(guó)資時(shí)，鄉(xiāng)村振興戰(zhàn)略的實(shí)施對(duì)銀行發(fā)放助農(nóng)貸款的影響卻不具有顯著性。這種異質(zhì)性結(jié)果充分地說明了國(guó)資背景的商業(yè)銀行在支持鄉(xiāng)村振興戰(zhàn)略上發(fā)揮著積極的作用。

表11 股東異質(zhì)性回歸結(jié)果

五、研究結(jié)論與啟示

本文基于506家商業(yè)銀行在2013年至2020年間共3268個(gè)樣本數(shù)據(jù)，利用雙重差分模型（DID），實(shí)證檢驗(yàn)了鄉(xiāng)村振興戰(zhàn)略對(duì)商業(yè)銀行發(fā)放助農(nóng)貸款的影響。研究發(fā)現(xiàn)，鄉(xiāng)村振興戰(zhàn)略顯著促進(jìn)了商業(yè)銀行發(fā)放助農(nóng)貸款，尤其是農(nóng)業(yè)銀行、農(nóng)村商業(yè)銀行、村鎮(zhèn)銀行和農(nóng)村信用社在鄉(xiāng)村振興戰(zhàn)略實(shí)施的前兩年內(nèi)顯著提高了助農(nóng)貸款的投放，這說明鄉(xiāng)村振興戰(zhàn)略的實(shí)施可以緩解農(nóng)村金融抑制。異質(zhì)性研究發(fā)現(xiàn)，相比于經(jīng)濟(jì)發(fā)達(dá)的省市，鄉(xiāng)村振興戰(zhàn)略對(duì)助農(nóng)貸款的影響在經(jīng)濟(jì)欠發(fā)達(dá)的省市反而不顯著；相比于非國(guó)資背景的商業(yè)銀行，國(guó)資背景的商業(yè)銀行在支持鄉(xiāng)村振興戰(zhàn)略上發(fā)揮著更為積極的作用。

基于以上研究結(jié)論，本文的研究啟示如下：全面推進(jìn)鄉(xiāng)村振興對(duì)農(nóng)村金融服務(wù)提出了更高的要求，有效解決農(nóng)村金融抑制才能充分發(fā)揮金融支持鄉(xiāng)村振興的作用。一方面，應(yīng)建立多層次、多元化的農(nóng)村金融機(jī)構(gòu)體系。當(dāng)前我國(guó)農(nóng)村金融發(fā)展薄弱，單單依靠農(nóng)村商業(yè)銀行和農(nóng)村信用合作社等縣域農(nóng)村金融機(jī)構(gòu)無(wú)法滿足農(nóng)村金融服務(wù)需求，尤其是在全面實(shí)施鄉(xiāng)村振興戰(zhàn)略后，“三農(nóng)”資金需求旺盛，增加服務(wù)農(nóng)村的金融機(jī)構(gòu)尤其是小型金融機(jī)構(gòu)的數(shù)量勢(shì)在必行。另一方面，應(yīng)大力發(fā)展農(nóng)村數(shù)字普惠金融。農(nóng)村金融抑制的主要原因還在于農(nóng)民缺少抵押擔(dān)保，因此，相關(guān)部門應(yīng)該借用數(shù)字技術(shù)建設(shè)比較完善的新型農(nóng)業(yè)經(jīng)營(yíng)主體信用體系；商業(yè)銀行等金融機(jī)構(gòu)也應(yīng)該在涉農(nóng)領(lǐng)域加大數(shù)字技術(shù)投入和創(chuàng)新農(nóng)村服務(wù)模式，以更適配的金融服務(wù)降低“三農(nóng)”的資金需求門檻和使用成本。

當(dāng)然，本文的研究仍存在以下幾點(diǎn)不足之處：第一，在雙重差分模型的處理上仍有不足之處。本文依據(jù)鄉(xiāng)村振興戰(zhàn)略的實(shí)施對(duì)不同商業(yè)銀行的影響效果為標(biāo)準(zhǔn)進(jìn)行分組，雖然農(nóng)業(yè)銀行、農(nóng)村商業(yè)銀行、村鎮(zhèn)銀行和農(nóng)村信用社最容易受到鄉(xiāng)村振興戰(zhàn)略的影響，但是，鄉(xiāng)村振興戰(zhàn)略的實(shí)施勢(shì)必也會(huì)對(duì)其他商業(yè)銀行造成一定的影響，本文的平行趨勢(shì)檢驗(yàn)也發(fā)現(xiàn)，在鄉(xiāng)村振興戰(zhàn)略實(shí)施后的第三年（2020年），處理組與控制組之間的顯著性差異消失。第二，在農(nóng)村金融抑制指標(biāo)的度量上，商業(yè)銀行助農(nóng)貸款雖然與農(nóng)村金融抑制關(guān)系緊密，但是并不能完全反應(yīng)農(nóng)村金融抑制的全貌。第三，受數(shù)據(jù)限制，本文暫沒有進(jìn)行鄉(xiāng)村振興戰(zhàn)略影響助農(nóng)貸款發(fā)放的作用機(jī)制研究，如果想探究鄉(xiāng)村振興戰(zhàn)略如何具體影響農(nóng)村金融抑制仍需進(jìn)一步深究。