青海省金融支持農業(yè)現(xiàn)代化發(fā)展的實證研究

摘要：農業(yè)發(fā)展離不開金融的支持，金融機構的穩(wěn)定是農業(yè)可持續(xù)發(fā)展的保障。本文搜集了青海省2000-2019年的相關數據，采用因子分析法和多元線性回歸法，分析青海金融支持農業(yè)現(xiàn)代化的促進作用，分析青海金融對農業(yè)現(xiàn)代化的影響。結論顯示，金融機構貸款余額與存款余額之比、50萬元以上農林牧漁業(yè)固定資產投資以及金融機構從業(yè)人數均與青海省農業(yè)現(xiàn)代化發(fā)展呈正向顯著關系，且影響力依次遞減。因此，為了加快青海省金融支持農業(yè)現(xiàn)代化發(fā)展，提出有針對性地拓展農業(yè)金融服務覆蓋面;增加農業(yè)固定資產投資;促進提升青海省金融業(yè)發(fā)展效率等政策建議。

關鍵詞：金融支農;農業(yè)現(xiàn)代化;青海省

引言

在當前社會主義市場經濟生活中，農業(yè)發(fā)展離不開金融體系的鼎力支持，通過研究金融支持青海農業(yè)農村現(xiàn)代化，有助于健全青海省的金融體系，更好的為青海省農業(yè)現(xiàn)代化做出貢獻。

不少專家學者都深入研究了金融支持農業(yè)農村現(xiàn)代化的相關問題。首先是農業(yè)農村現(xiàn)代化發(fā)展水平的指標。李剛，李雙（2020）根據2006—2016年青海農業(yè)數據構建了包含42項具體指標的評價指標體系。葛麗亞，丁生喜（2018）利用青海海東市及二區(qū)四縣的農業(yè)統(tǒng)計資料，構建了涵蓋十六個具體指標的評估指標體系，并對其農業(yè)現(xiàn)代化發(fā)展水平作出了動態(tài)評估。其次是有關金融支持我國農業(yè)現(xiàn)代化發(fā)展的影響因素。汪鄒霞，黎紅梅（2016）對湖南省十年的相關數據進行研究，發(fā)現(xiàn)人均農業(yè)儲蓄、金融從業(yè)人數、二元經濟結構以及金融網點分布密度是影響金融支農效率的主要因素。舒玉蓉（2019）采用2002-2017年8個民族地區(qū)的面板數據，探究了農村金融支持現(xiàn)代農業(yè)發(fā)展的方法。研究表明，我國多民族區(qū)域的農業(yè)發(fā)展呈快速增長態(tài)勢，且有明顯的“直接”效應和“滯后”效應。

大多數學者在研究金融對農業(yè)發(fā)展的作用時選擇的區(qū)域均為全國或者中東部地區(qū)，對西部地區(qū)，尤其是青海省的研究極少，因此，對青海省金融支持農業(yè)現(xiàn)代化的研究補充了西部地區(qū)及欠發(fā)達地區(qū)的農村金融理論，也可以為其他區(qū)域的農業(yè)發(fā)展提供一些經驗教訓。

一、青海省農業(yè)現(xiàn)代化發(fā)展水平分析

（一）指標選取和數據來源

要對農業(yè)現(xiàn)代化程度進行分析，需要建立農業(yè)現(xiàn)代化指標體系。綜合學者們的研究，本文選取農業(yè)機械化水平、地均化肥使用量、森林覆蓋率、糧食自給率和單位耕地面積產出率作為衡量青海省農業(yè)現(xiàn)代化的指標。

（二）因子分析的檢驗以及結果

1.KMO檢驗和巴特利球形檢驗

運用SPSS26.0軟件對所選取的變量進行KMO檢驗和巴特利球形檢驗，從表1可以看出，KMO值為0.817，根據Kaiser度量標準，0.8<KMO<0.9，Bartlett的近似卡方值為126.564、相伴概率小于顯著水平0.05，拒絕Bartlett球度檢驗的零假設，適合做因子分析。

2.構造因子變量及解釋因子變量

利用主成分分析法提取公共因子，結果如下所示：

最終提取到兩個公共因子，分別為因子1和因子2，特征值分別為4.289和0.499，反映了原始變量中大部分信息，累計方差貢獻率達到了95.764%，可以實現(xiàn)本文因子分析的設計目標。

對提取的兩個公共因子變量建立原始因子載荷矩陣，使用方差最大正交旋轉法對其進行因子旋轉，以簡化結構，令因子的解釋能力增強。結果如表3所示：

由此可知：第一個主成分對X1、X2、X3有絕對值較大的相關系數，是主要評價因子，第二個公共因子在X4、X5上載荷值較大，為補充評價因子。

3.計算2000-2019年青海省農業(yè)現(xiàn)代化綜合得分

由Thomson回歸法得到因子得分系數矩陣的估計值，經方差最大正交旋轉之后因子載荷陣的轉置與相關系數的乘積，即得到旋轉后因子得分函數。

根據因子得分數表得到因子得分函數為：

則綜合得分公式為：

將各因子的得分數帶入上式得到 ，即農業(yè)現(xiàn)代化綜合水平得分。結果如下：

二、青海省農業(yè)現(xiàn)代化發(fā)展的金融支持回歸分析

（一）指標選取和數據來源

本文選取的被解釋變量Y為青海省農業(yè)現(xiàn)代化發(fā)展指數，詳見表5。解釋變量有三個，首先是青海省金融機構從業(yè)人數（X1），反映金融的服務水平;其次是青海省50萬元以上農林牧漁業(yè)固定資產投資（X2），反映農業(yè)現(xiàn)代化的投資規(guī)模;最后是青海省金融機構貸款余額與存款余額之比（X3），反應金融機構將存款轉換成貸款的效率。

（二）單位根檢驗

為避免時間序列模型存在趨勢性而造成偽回歸問題，首先進行變量的平穩(wěn)性檢驗。檢驗結果如表6所示，其中Dvariable表示變量的一階差分序列。

從表6中看出，所有原始數據均為非平穩(wěn)序列，為避免為回歸，對其進行一階差分，一階差分之后，各個變量的t值在1%顯著水平和5%顯著水平下拒絕原假設，是平穩(wěn)序列，故為屬于一階單整序列，可以進行協(xié)整檢驗。

（三）協(xié)整檢驗

為了研究青海省金融支持和農業(yè)現(xiàn)代化發(fā)展之間的長期關系，本節(jié)采用E-G兩步法對殘差序列進行檢驗。

首先采用最小二乘法（OLS）估計方程，通過檢驗得到協(xié)整回歸方程如下：

其次，為驗證因變量和自變量之間是否存在長期穩(wěn)定的關系，進性殘差序列的平穩(wěn)性檢驗，檢驗結果如下：

由表7可以看出，在1%的水平下，P值為0.0012。因此該模型的殘差是單整的，即金融支持與農業(yè)現(xiàn)代化發(fā)展存在長期的穩(wěn)定關系。

（四）回歸結果分析

根據前文進行的檢驗，得出變量可以進行多元線性回歸分析，來判斷金融支持對農業(yè)發(fā)展的影響情況。運用Eviews軟件，對青海省2000年-2019年相關數據進行回歸分析，結果如表8所示：

從表8中可以看出， ，該模型的擬合度較好，能夠在97.1095%程度上反映出金融支持對農業(yè)發(fā)展的影響。研究表明，三個解釋變量均對青海省農業(yè)現(xiàn)代化發(fā)展具有顯著正向影響。

首先，金融機構從業(yè)人數指標通過了5%的顯著性水平檢驗，對農業(yè)現(xiàn)代化發(fā)展支持的彈性系數為0.0000999，可以看出，雖然金融機構從業(yè)人數對農業(yè)發(fā)展有一定的促進作用，但影響力較小。

其次，50萬元以上農林牧漁業(yè)固定資產投資指標通過了1%的顯著性水平檢驗，對農業(yè)現(xiàn)代化發(fā)展支持的彈性系數為0.007123，說明兩者之間為正相關關系，且農業(yè)固定資產投資支持青海農業(yè)現(xiàn)代化發(fā)展的積極影響要強于金融機構從業(yè)人數這一金融支持路徑。

最后，金融機構貸款余額與存款余額之比指標通過了1%的顯著性水平檢驗，對農業(yè)現(xiàn)代化發(fā)展支持的彈性系數為1.618620，說明這一金融支持路徑對湖南農業(yè)現(xiàn)代化發(fā)展的積極影響非常明顯，金融中介將存款轉換成貸款的效率每增加1%，就能夠帶動青海省農業(yè)發(fā)展的1.618620%。

三、結論及對策建議

由實證可以看出，三種路徑與青海農業(yè)現(xiàn)代化水平均呈正相關，但影響程度不同。金融機構貸款余額與存款余額之比對農業(yè)現(xiàn)代化化的正向影響程度最大;農業(yè)固定資產投資的支持作用稍弱;而金融機構從業(yè)人數的正向影響在三大金融支持路徑中最弱，為低貢獻狀態(tài)。這說明在實際情況中金融中介的發(fā)展效率仍然是促進青海省農業(yè)現(xiàn)代化水平提升的最主要路徑，農業(yè)固定資產投資以及金融機構從業(yè)人數只是輔助手段。

根據上述研究結果，本文對青海省金融進一步扶持農業(yè)現(xiàn)代化發(fā)展提供以下政策建議：

（1）有針對性地拓展農業(yè)金融服務覆蓋面。金融機構從業(yè)人數的增長對農業(yè)發(fā)展雖有一定的促進作用，但收效甚微，其原因可能是因為金融服務的覆蓋面未有效深入到鄉(xiāng)村。雖從業(yè)人數逐年遞增，但大量高素質人才沒有下放到基層，導致農村金融的落后。為提高基層金融服務人員的數量和素質，青海省政府和金融機構可以依托省內各大高校的教育資源，配合一定的獎勵機制，重點招募服務于農村的金融人才，使金融機構真正服務于農村金融的空白地帶，打通金融服務最后一公里。

（2）增加農業(yè)固定資產投資。目前而言，農業(yè)農村投資的主要力量還是民間資本，為引導農業(yè)農村固定資產投資，首先要破解的就是其"融資難""融資貴"的問題，這要求金融機構與政府合作，重點扶持農業(yè)經營企業(yè)，大力發(fā)揮普惠金融的作用，將資金"活水"引進農業(yè)農村固定資產投資中，讓投資主體真正有錢去投資。其次要持續(xù)加快農村的城鎮(zhèn)化腳步，將分散的投資集中化，提高農業(yè)固定資產投資對青海農業(yè)現(xiàn)代化的貢獻度。最后，由于農村信息閉塞，對于許多農業(yè)固定資產投資項目的信息無法及時獲得，這就需要我們完善相關的信息制度，為投資者以及農戶提供更加高效的避免投資不平衡，減少盲目決策的情況。

（3）促進提升青海省金融業(yè)發(fā)展效率。金融機構貸款余額與存款余額之比，即金融發(fā)展效率對青海省農業(yè)現(xiàn)代化發(fā)展的影響程度和持久力最強，因此提高金融資源利用效率是推動青海省農業(yè)現(xiàn)代化水平提升的根本動力。首先要加強金融機構服務農業(yè)的力度，多吸收農業(yè)存款、豐富農業(yè)貸款產品，從創(chuàng)新的角度出發(fā)做到真正的服務農業(yè)，支持農業(yè)現(xiàn)代化發(fā)展。其次，政府應該多多鼓勵農村金融機構吸收存款，對農村金融機構給予一定的優(yōu)惠，比如調整存款準備金率等，此外在擔保費用方面，也要對從事農業(yè)經濟的小微企業(yè)和農戶實行擔保費的優(yōu)惠政策。最后要加強信息建設，有效促進農戶與農戶、農戶與金融機構之間的溝通協(xié)作，讓老百姓全面了解相關知識的同時也可以營造更好的金融生態(tài)環(huán)境。

參考文獻

[1]邸菲，胡志全.我國農業(yè)現(xiàn)代化評價指標體系的構建與應用[J].中國農業(yè)資源與區(qū)劃，2020，41（6）：46-56.

[2]汪鄒霞，黎紅梅.金融支持農業(yè)現(xiàn)代化發(fā)展實證研究——基于湖南省宏觀數據分析[J].農業(yè)現(xiàn)代化研究，2016，37（05）：856-862.

[3]謝勇.湖南農業(yè)現(xiàn)代化發(fā)展的金融支持研究[D].長沙理工大學，2020.

[4]李剛，李雙元.青海省農業(yè)農村現(xiàn)代化發(fā)展水平研究[J].農業(yè)現(xiàn)代化研究，2020，41（01）：24-33.

[5]葛麗亞，丁生喜.基于主成分分析法的海東市農業(yè)現(xiàn)代化發(fā)展水平評價研究[J].中國農業(yè)資源與區(qū)劃，2018，39（09）：136-142.

[6]常駿超.嵩縣農業(yè)現(xiàn)代化發(fā)展的金融支持研究[D].河南科技大學，2019.

[7]舒玉蓉，張藍瀾，李瓊.農村金融支持現(xiàn)代農業(yè)發(fā)展研究——以民族8省區(qū)為例[J].知識經濟，2019（36）：35-36.

基金項目：項目名稱：我國商業(yè)銀行不良貸款影響因素的研究項目編號：65M2021022

作者簡介：石靜，女，漢族，山西省平定縣人，1997年3月，碩士，青海民族大學經管學院金融專碩二年級研究方向：金融市場與風險、農村金融