陳　普，劉嬋嬋

(1. 華東交通大學(xué) 經(jīng)濟管理學(xué)院，江西 南昌530028；2.中央財經(jīng)大學(xué) 經(jīng)濟學(xué)院，北京 100081)

?

放松融資約束能夠增加農(nóng)民收入嗎？*
——基于廣西農(nóng)村金融改革的實證檢驗

陳普1，劉嬋嬋2

(1. 華東交通大學(xué) 經(jīng)濟管理學(xué)院，江西 南昌530028；2.中央財經(jīng)大學(xué) 經(jīng)濟學(xué)院，北京 100081)

摘要：通常認(rèn)為，放松農(nóng)民的融資約束是提高農(nóng)民收入的一個重要舉措。廣西在的農(nóng)村金融改革為驗證放松融資約束能否提高農(nóng)民收入提供了一個自然實驗。采用廣西13個改革縣和60個非改革縣的有關(guān)數(shù)據(jù)，使用傾向得分匹配法消除選擇性偏誤，估計改革的農(nóng)民增收效應(yīng)，結(jié)果表明：廣西農(nóng)村金融改革的農(nóng)民增收效應(yīng)在2年后得到體現(xiàn)，2012年和2013年改革試點縣農(nóng)民人均純收入增長分別比非改革縣平均多227.86元和270.26元；放松融資約束的農(nóng)民增收效應(yīng)存在地區(qū)差異，經(jīng)濟越發(fā)達(dá)、越富裕的地區(qū)作用越明顯，表明放松融資約束的農(nóng)民增收效應(yīng)的發(fā)揮受到農(nóng)戶融資需求的制約。因此，在深化農(nóng)村金融改革，放松農(nóng)民的融資約束的同時，還應(yīng)積極提升農(nóng)戶的有效融資需求。

關(guān)鍵詞：融資約束；農(nóng)民增收；農(nóng)村金融改革；融資需求；農(nóng)民人均純收入；傾向得分匹配法

一、引言

如何提高農(nóng)民的收入水平，歷來為政府部門所重視。從宏觀經(jīng)濟學(xué)的經(jīng)典理論可以發(fā)現(xiàn)，實現(xiàn)一國財富的增長，資本積累是不可缺少的重要一環(huán)。那么，外推至微觀個體——農(nóng)民，其較低的收入水平是不是因為其一直以來較低的資本積累呢？如果答案為真，那么放松農(nóng)民的融資約束不失為提高農(nóng)民收入的一個重要舉措。然而準(zhǔn)確地回答該問題并不容易，因為經(jīng)濟中的數(shù)據(jù)多為觀測數(shù)據(jù)，相應(yīng)的計量模型也難以提供因果性解釋。所幸的是2008年年底，廣西在百色市田東縣啟動了農(nóng)村金融改革試點，并在2010年擴大了試點縣范圍，這為我們提供了一個回答該問題的自然實驗。該項改革實施了涉農(nóng)貸款獎勵制度、農(nóng)業(yè)貸款貼息制度、農(nóng)戶小額貸款風(fēng)險補償制度、信貸考核獎勵制度、金融服務(wù)接入點制度和金融稅收優(yōu)惠制度等多項綜合措施，致力于改善農(nóng)村金融環(huán)境，放松農(nóng)戶融資約束(楊小平，2011)。2010—2013年，改革試點縣的平均涉農(nóng)貸款年均增加7.79億元，非改革試點縣的平均涉農(nóng)貸款年均增加4.54億元，改革試點縣涉農(nóng)貸款以遠(yuǎn)高于非改革試點縣的速度增長。改革的確給予了當(dāng)?shù)剞r(nóng)民更多的使用資金，若進一步找到該項改革促進農(nóng)民收入提高的經(jīng)驗證據(jù)，則不僅在學(xué)術(shù)上豐富了現(xiàn)有相關(guān)研究，也在實踐中為農(nóng)民收入的提高明確了一條切實可行的路徑。

Aghion等(1997)在資本市場不完美假設(shè)下建立了一個關(guān)于增長與收入不平等的模型，并指出將財富由富有的借貸者往貧窮或者中產(chǎn)階級的借款者轉(zhuǎn)移，可以提高經(jīng)濟生產(chǎn)率。關(guān)于這一點，學(xué)界并未有太大分歧(De-Mel et al，2008；Banerjee，2004)。但也有文獻指出，盡管理論完美，然而實踐中由于各種阻礙，如個體的不完全信息、有限的計算能力(Nino-Zarazua et al，2009)、窮人的心理特征(Rosenberg，2010)、發(fā)展中國家金融市場的競爭以及法律的執(zhí)行力度弱小、腐敗和相關(guān)激勵機制的缺位(Bravermanet al，1986)等，這種傳導(dǎo)機制就并不那么順暢了。正是這種不確定性的存在，國內(nèi)外有關(guān)實證文獻層出不窮。不過，與國外實證文獻(Tedeschi 2008；Pitt et al，1998；Copestake et al，2001)相比，國內(nèi)的實證文獻(錢水土 等，2011；鄧宏亮，2013；程敏，2006)一般沒有過多地考慮內(nèi)生性問題。褚保金等(2009)使用內(nèi)生轉(zhuǎn)換模型消除內(nèi)生性，估計信貸與個體收入的關(guān)系，研究表明農(nóng)戶年齡、耕地面積和非農(nóng)收入影響其獲得信貸的概率，而這又影響著農(nóng)戶的收入水平。

區(qū)別于上述文獻，本文利用廣西農(nóng)村金融改革的契機，致力于內(nèi)生性的消除，以準(zhǔn)確地估計放松融資約束對農(nóng)戶收入的影響，從而一方面反映本次廣西農(nóng)村金融改革的成效，另一方面也為農(nóng)村信貸促進農(nóng)戶增收的理論提供一個可靠的證據(jù)。本文的主要貢獻在于：一是在研究方法上，使用計量經(jīng)濟分析中前沿的傾向得分匹配法估計放松融資約束與農(nóng)戶收入變化之間的因果效應(yīng)，解決了普通最小二乘估計可能存在的選擇性偏誤問題，使得結(jié)論更為可信。二是研究發(fā)現(xiàn)當(dāng)?shù)亟?jīng)濟的發(fā)達(dá)程度影響了放松融資約束對農(nóng)民增收的作用。欠發(fā)達(dá)地區(qū)由于農(nóng)民的投資需求較小，即便放松融資約束也無法有效提高農(nóng)民收入，這可能也是部分實證文獻得出放松融資約束并未提高農(nóng)民收入的結(jié)論的原因之一。

二、數(shù)據(jù)的初步分析與傾向得分匹配法

本文所用數(shù)據(jù)源自《廣西統(tǒng)計年鑒》和《中國區(qū)域經(jīng)濟年鑒》。廣西包含91個區(qū)縣，有些區(qū)縣成立較晚，同時有些地級市所轄城區(qū)的數(shù)據(jù)缺失，剔除這些區(qū)縣后，剩余73個有效樣本數(shù)據(jù)，其中包含13個改革縣和60個非改革縣。由于本文關(guān)注的是改革前后農(nóng)民收入水平變化的差異，一種直接而簡便的方法就是，用改革縣農(nóng)民收入增加的均值減去非改革縣農(nóng)民收入增加的均值，便能直觀地看到改革的效應(yīng)(見表1)。非改革縣在2011年、2012年和2013年農(nóng)民收入分別增長了2 725、1 999和2 772元，而改革縣在相應(yīng)年份農(nóng)民收入分別增長了2 667、2 522和3 485元；相對非改革縣，改革縣農(nóng)民收入分別多增了-58、523和712元。2011年改革縣農(nóng)戶的相對收入出現(xiàn)了負(fù)增長，但是在統(tǒng)計上并不顯著；2012年后，改革縣農(nóng)戶的相對收入開始大幅增長，并在5%的水平上呈現(xiàn)出統(tǒng)計顯著性。當(dāng)然，這種分析是初步的，還不足以說明是改革(放松融資約束)導(dǎo)致了農(nóng)戶的收入增長。接下來，我們將使用更嚴(yán)謹(jǐn)?shù)挠嬃糠椒▉矶攘糠潘扇谫Y約束對農(nóng)民增收的影響。

表1　改革縣和非改革縣在農(nóng)民收入增長方面的差異

注：**表示在5%的水平上顯著。

前面闡述的測算改革效應(yīng)的方法有一個很明顯的缺陷，就是如果存在其他一些因素使得改革縣的農(nóng)民收入增加或者使得非改革縣的農(nóng)民收入減少，那么改革縣農(nóng)民相對收入的增加就不一定能用農(nóng)村金融改革來解釋，特別地，當(dāng)這些因素的影響超過了改革的影響時，我們可能會得到完全相反的結(jié)果?！斑x擇性偏誤”描述的正是這種情況。

為了消除“選擇性偏誤”，Rosenbau等(1983)提出了傾向得分匹配法，并得到Heckman等(1997)、Imbens(2004)等的進一步拓展。本文采用傾向得分匹配法的基本思路是：將樣本劃分為改革縣和非改革縣，然后將改革縣和非改革縣的相關(guān)特征進行比對，將具備類似特征的改革縣和非改革縣匹配起來，一般是一個改革縣匹配一個或者多個非改革縣(這取決于采用最近鄰匹配法還是卡尺匹配法)，于是非改革縣就可以近似看做是改革縣在沒有改革情況下的發(fā)展?fàn)顟B(tài)，然后再將匹配后的改革縣與非改革縣的農(nóng)民收入增長情況進行比較，就能準(zhǔn)確捕捉到改革對農(nóng)民收入變化產(chǎn)生的影響。

理論上，若縣接受改革試點，則Di=1，反之Di=0。i縣如果接受改革試點，若干年后，其農(nóng)民人均純收入變化記為Yi(1)，如果沒有接受改革試點，其農(nóng)民人均純收入變化記為Yi(0)*應(yīng)注意Yi(1)和Yi(0)是潛在結(jié)果而非觀測結(jié)果。，那么個體處理效應(yīng)τi=Yi(1)-Yi(0)。但Yi(1)和Yi(0)只能觀測到一個，未觀測到的結(jié)果是反事實結(jié)果。因此估計單個個體的是不可能的，可以考慮估計平均處理效應(yīng)：

E(Yi|Di=1)-E(Yi|Di=0)

其中Yi表示觀測到的農(nóng)民人均純收入變化。但上式的結(jié)果包含了選擇性偏誤，可以通過傾向得分匹配法消除或降低該偏誤。存在一組可觀測協(xié)變量X，它混淆了改革對農(nóng)民收入變化的影響，可先通過一個限制因變量模型(如Probit模型或者Logit模型等)D=Φ(Xβ)*其中為累積正態(tài)分布函數(shù)或邏輯斯蒂累積分布函數(shù)。，來估計在條件X下該個體接受改革的概率是多大。那么在同樣(或差別不大)的改革概率下，在真實世界中有些個體接受了改革，而有些個體沒有接受改革，于是這兩組個體間農(nóng)民收入變化的平均差異就能揭示改革對農(nóng)民增收的影響：

τ=EP(X)|D=1{E[Y(1)|D=1,P(X)]-E[Y(0)|D=0,P(X)]}

其中，P(X)就是在條件X下D的期望，也稱為傾向得分。當(dāng)然，要保證上述結(jié)論成立，需要非混淆性(unconfoundedness)和重疊性(overlap)兩大假設(shè)*非混淆性假設(shè)指潛在結(jié)果Yi(1)和Yi(0)獨立于處理安排D。通俗地講，X就是可能會混淆因果效應(yīng)的因素，如果要得到因果效應(yīng)，必須先排除其影響。重疊性假設(shè)指即便知道了個體的所有協(xié)變量信息X，也不能確定其是否被處理，即具備同樣X的一組個體，其中一部分被處理，另一部分沒有被處理，處理和非處理個體的X是重疊的。。

三、實證檢驗

為順利完成上述估計，首先需要搜集數(shù)據(jù)，選擇合適的變量估計傾向得分P(X)，再根據(jù)P(X)的分布情況選擇合適的匹配方法并評估匹配的質(zhì)量，然后計算平均處理效應(yīng)，最后還要進行敏感性分析以評估估計結(jié)果的可靠性。

1.數(shù)據(jù)處理和傾向得分估計

為得到合適的可觀測解釋變量X，考慮到混淆屬性和數(shù)據(jù)的可得性，初步選擇了人均GDP、農(nóng)業(yè)機械總動力、農(nóng)林牧漁業(yè)總產(chǎn)值、鄉(xiāng)村從業(yè)人員數(shù)4個變量進入模型。因變量是二值處理變量D，如果該縣被改革試點則為1，否則為0。改革自2010年開始，故選擇2009年截面數(shù)據(jù)采用Probit模型進行估計*若采用Logit模型，實證結(jié)果沒有明顯差異。，農(nóng)業(yè)機械總動力和農(nóng)村從業(yè)人員數(shù)目在估計中并不顯著而剔除，最后基于人均GDP和農(nóng)林牧漁業(yè)總產(chǎn)值得到傾向得分。表 2是對2009年樣本數(shù)據(jù)的描述性統(tǒng)計。

表3是對Probit模型回歸結(jié)果的總結(jié)。從中可以看到農(nóng)林牧漁總產(chǎn)值和人均GDP對于處理組的選擇起了相當(dāng)?shù)淖饔?，由于其系?shù)為正，所以這兩個指標(biāo)越大意味進入處理組(或者說改革試點)的可能性就越大。由此也可以說明，簡單地以改革試點縣的農(nóng)民收入變化減去非改革試點縣的農(nóng)民收入變化來度量改革效果必然存在偏誤，后續(xù)的匹配處理以消除這種偏誤是十分必要的。

表2　Probit模型中樣本變量的描述性統(tǒng)計

表3　Probit模型回歸結(jié)果

注：*表示在10%的水平上顯著，***表示在1%的水平上顯著。

圖 1是全部樣本傾向得分分布的直方圖，從中可以發(fā)現(xiàn)，有兩個改革縣傾向得分孤零零地分布在0.7以上的位置而缺乏與非改革縣交疊(南寧市武鳴縣傾向得分0.86，北海市合浦縣傾向得分0.73)。如果采取從高到低不可替代的最近鄰匹配*該匹配方法按照處理組(改革組)傾向得分從高到低排序，然后先從最高的傾向得分處理組個體開始，從傾向得分與其最近的控制組(非改革組)中選擇一個個體匹配，匹配之后，該控制組個體便不能再次使用。，武鳴縣會與博白縣匹配，而合浦縣會與橫縣匹配，直觀上也能夠看到這樣的匹配由于相距甚遠(yuǎn)可能并不適合。因此，本文主要考慮了三種匹配方法，一是從高到低進行不可替代的最近鄰匹配，二是從低到高進行不可替代的最近鄰匹配，三是可替代的卡尺匹配*該匹配方法設(shè)定某個卡尺范圍r，凡是與處理組個體傾向得分相距不超過r的控制組個體均可與其匹配。(為保證每個處理組均有合適數(shù)量的控制組個體與之匹配，同時也不至于相距太遠(yuǎn)，根據(jù)傾向得分分布特征，選擇了0.01，0.04和0.07三個卡尺標(biāo)準(zhǔn))。圖2是三種匹配方法下處理組(改革組)和控制組(非改革組)傾向得分的走勢圖。

圖1　各樣本縣傾向得分分布直方圖

從圖2可以看到卡尺匹配的處理組和控制組個體的傾向得分相當(dāng)吻合(這是由于武鳴縣和合浦縣因未在匹配的卡尺范圍內(nèi)而被刪去)，而最近鄰匹配正如所預(yù)期的，要么在尾部，要么在頭部出現(xiàn)了較大的分離。因此，在接下來的處理中，統(tǒng)一地刪掉了這兩個異常的數(shù)據(jù)*實際上，根據(jù)Caliendo等(2008)闡述的最小最大比較(Minima and Maxima Comparison)方法，刪除掉比控制組傾向得分最大(小)的還要大(小)的處理組個體，這樣合浦縣和武鳴縣也可以從樣本中刪去。。

圖2　處理組和匹配的控制組個體傾向得分走勢圖

2.匹配的質(zhì)量

評估匹配的質(zhì)量是一項重要的工作。根據(jù)Sianesi(2004)提出的方法，對匹配后的樣本(即處理組個體和匹配的控制組個體)重新估計傾向得分，然后觀察擬R2相對匹配前下降幅度有多大，下降幅度越大則匹配的質(zhì)量就越好。由于擬R2的含義是自變量對因變量的解釋力度，如果匹配前自變量足以影響處理安排(即擬R2較大)，那么通過回歸把這些受到影響的控制組個體數(shù)據(jù)刪去，只使用處理組和不受影響的控制組個體(即匹配的控制組個體)再次回歸，那么擬R2應(yīng)該很小，即此時的X不再成為影響個體是否被處理的主要因素。因此，Probit回歸系數(shù)在匹配之前的似然比檢驗應(yīng)是聯(lián)合顯著的，而在匹配之后則不是。

從表4可以看到無論是何種匹配，擬R2和評估系數(shù)聯(lián)合顯著性的χ2統(tǒng)計量p的變化均反映了匹配后個體對X干擾免疫的改善。在匹配之前，probit模型的擬R2有20.06%，χ2的P值是0.998 9。如果使用最近鄰匹配，匹配后擬R2會下降到3.43%，χ2的P值下降到0.432 9(從高到低或從低到高最近鄰匹配有著相同的擬R2和χ2統(tǒng)計量)，盡管情況在改善，但是相對卡尺匹配，該匹配的質(zhì)量是較差的。如果使用卡尺匹配，在匹配半徑r=0.01時，擬R2迅速下降至2.16%，χ2的P值下降到0.280 7；當(dāng)匹配半徑r=0.04時，擬R2的下降更快，只有0.51%，χ2的P值也下降到0.074 6；隨著半徑繼續(xù)增大，擬R2開始抬升為0.084%，χ2的P值為0.119 9。一般的，當(dāng)匹配半徑較小時，平均處理效應(yīng)的估計會有較小的標(biāo)準(zhǔn)誤，但可能會有較大的偏差；隨著匹配半徑的增大，會有更多匹配個體被納入，此時盡管會縮小偏差，但可能會有較大的標(biāo)準(zhǔn)誤。總之，卡尺匹配的質(zhì)量優(yōu)于最近鄰匹配，而r=0.04的卡尺匹配有著最好的匹配質(zhì)量。

表4　卡尺匹配和最近鄰匹配的匹配質(zhì)量

3.平均處理效應(yīng)的估計

基于2009年的傾向得分匹配情況，取r=0.04，計算2011、2012和2013年廣西農(nóng)村金融改革所導(dǎo)致的改革組農(nóng)民人均純收入變化相對于非改革組的差異，如表 5的第(3)、(4)和(5)列所示。

表5　可靠性評估和平均處理效應(yīng)

注：標(biāo)準(zhǔn)誤使用1 000次重復(fù)抽樣的自助法得到，**表示在5%的水平上顯著。

從表 5可以看到，在2011年，改革組農(nóng)民人均純收入的增長比非改革組多1 111.81元，但是該估計量標(biāo)準(zhǔn)誤較大，達(dá)到了1 307.67，在5%的水平上并不顯著；2012年，改革組人均農(nóng)民純收入的增長比非改革組多227.86元，標(biāo)準(zhǔn)誤較小，只有103.83，在5%的水平上顯著；2013年，改革組農(nóng)民人均純收入增長比非改革組多270.26元，標(biāo)準(zhǔn)誤為151.93，在5%的水平上顯著?？梢?，廣西農(nóng)村金融改革自2010年擴大試點后，大約在2年后其農(nóng)民增收效應(yīng)開始顯現(xiàn)。

4.穩(wěn)健性檢驗

上述計算基于兩大假設(shè)，一是非混淆性假設(shè)，二是重疊性假設(shè)。關(guān)于重疊性假設(shè)，從圖 1已經(jīng)看到這種重疊是存在的。但是關(guān)于非混淆性假設(shè)，還未得到驗證。非混淆性假設(shè)的本質(zhì)含義是，給定傾向得分時，潛在的控制結(jié)果在其確實接受了處理和確實沒有接受處理時的分布應(yīng)該是一樣的(該陳述也適用于Y(1))，即：

F(Y(0)|D=1,P(X))

=F(Y(0)|D=0,P(X))

其中F(·)是分布函數(shù)。上述等式成立才能確保選擇性偏誤的消除。但是現(xiàn)實中沒有任何數(shù)據(jù)對應(yīng)于F(Y(0)|D=1,P(X))，直接檢驗該假設(shè)不太可能。不過，從Heckman 等(1989)、Rosenbaum(1987)開始，不斷有文獻(Heckman et al，1997，Imbens，2004)發(fā)展出一些間接的檢驗方法。Imbens(2004)闡述了這樣一種辦法，其原理是：如果存在一些變量肯定不會被處理安排所影響，譬如這些變量在處理安排之前就已經(jīng)被決定了，那么這些變量的平均處理效應(yīng)應(yīng)該為0。具體地來看，由于廣西農(nóng)村金融改革擴圍在2010年開始，按照2009年數(shù)據(jù)估計的傾向得分對處理組和控制組進行劃分，在2012年和2013年出現(xiàn)了農(nóng)民人均純收入的顯著增長；但是如果將這種劃分同樣用在2008年或者更早的年份，應(yīng)該不具有同樣的平均處理效應(yīng)，才能說明估計結(jié)果是穩(wěn)健的。

對2007年和2008年的平均處理效應(yīng)的估計結(jié)果在表 5的第(1)和第(2)列。2007年和2008年的平均處理效應(yīng)分別是85.44和-32.9，一方面看相對2012年和2013年要小得多，另一方面其標(biāo)準(zhǔn)誤又相對很大，即便是在10%的水平上這種變化也是不顯著的。也就是說，采用同樣的分組進行匹配，改革組與非改革組農(nóng)民人均純收入增長的差異，在改革之后是顯著為正的，而在改革之前是不顯著的。該檢驗獲得了期望的結(jié)果，不過正如Imbens(2004)指出的，沒有拒絕假設(shè)并不是無混淆性假設(shè)成立的充分條件，但是它的確使該假設(shè)更為可信。

四、進一步說明：人均GDP視角下的融資約束與農(nóng)民收入變化

圖3　農(nóng)戶融資水平與人均收入的關(guān)系

從圖3可以看到農(nóng)戶融資水平與人均收入具有正向相關(guān)性。但值得思考的是，盡管理論上應(yīng)該都是這樣，為何一些文獻找到了放松融資約束并未有效提高農(nóng)民收入的證據(jù)？我們推測，這種農(nóng)戶融資水平向人均收入水平傳導(dǎo)的失靈，一個重要的障礙在于融資約束的松緊并未影響到σ，自然也就無法影響人均收入。在實踐中，這可能是因為農(nóng)戶缺乏融資需求，即農(nóng)戶沒有合適的投資項目需要貸款支持，因此融資約束的放松與否就無關(guān)于σ，也無關(guān)于農(nóng)戶收入。為了找到相關(guān)證據(jù)，我們認(rèn)為農(nóng)戶的融資需求應(yīng)該與當(dāng)?shù)氐娜司鵊DP水平呈現(xiàn)正相關(guān)。即當(dāng)?shù)卦礁辉?，?jīng)濟就越活躍，農(nóng)戶視野就越開闊，投資機會就越多，從而就有更強的融資需求。因此，在富裕地區(qū)放松融資約束的農(nóng)民收入增長效應(yīng)將高于落后地區(qū)。

圖4　人均GDP視角下各改革縣處理效應(yīng)的大小

五、結(jié)論與啟示

本文利用廣西農(nóng)村金融改革的契機，采用傾向得分匹配法驗證以放松融資約束為主要內(nèi)容的改革對農(nóng)民收入變化的影響，進而提供了一個放松融資約束可以提高農(nóng)民收入的證據(jù)。本文主要結(jié)論如下：(1)廣西農(nóng)村金融改革的農(nóng)民增收效應(yīng)在2年后得到體現(xiàn)，2012年改革縣農(nóng)民人均純收入增長比非改革縣平均多227.86元，2013年多270.26元。(2)越富裕(人均GDO越高)的地區(qū)，放松融資約束的農(nóng)民增收效應(yīng)越明顯，表明放松融資約束的農(nóng)民增收效應(yīng)需要以農(nóng)戶的融資需求為條件，而農(nóng)戶的融資需求又受制于其收入水平，即：地區(qū)經(jīng)濟越發(fā)達(dá)，農(nóng)民越富裕，農(nóng)戶的融資需求越高，放松融資約束的農(nóng)民增收效應(yīng)越大*值得一提的是，由于數(shù)據(jù)有限，我們無法嚴(yán)格證明，但初步的數(shù)據(jù)分析表明人均GDP1萬元附近可能是放松融資約束能否有效提高農(nóng)民收入的關(guān)鍵閾值。。

廣西的農(nóng)村金融改革，通過建立涉農(nóng)貸款風(fēng)險控制和成本補充機制以及信貸支農(nóng)獎勵政策等，調(diào)動了金融機構(gòu)發(fā)展涉農(nóng)金融業(yè)務(wù)的積極性，取得了一定成效，表明通過放松農(nóng)民的融資約束提高農(nóng)民收入是可行的。但還應(yīng)該關(guān)注當(dāng)?shù)剞r(nóng)戶的融資需求，只有在存在有效融資需求的情況下，放松融資約束才能取得農(nóng)民增收效果。因此，一方面，應(yīng)鼓勵金融機構(gòu)積極發(fā)展農(nóng)村金融市場，通過政策優(yōu)惠引導(dǎo)金融機構(gòu)加大對農(nóng)業(yè)經(jīng)營主體的金融支持；另一方面，還應(yīng)提供多樣化、切合當(dāng)?shù)剞r(nóng)業(yè)發(fā)展實際的金融服務(wù)，以提高農(nóng)戶的有效融資需求，進而促進農(nóng)民增收。

參考文獻：

程敏.2006.江西省農(nóng)民收入增長率變動的影響因素分析[J].華東交通大學(xué)學(xué)報(3)：9-12.

褚保金，盧亞娟，張龍耀.2009.信貸配給下農(nóng)戶借貸的福利效果分析[J].中國農(nóng)村經(jīng)濟(6)：51-61.

鄧宏亮.2013.財政支農(nóng)、農(nóng)業(yè)信貸與農(nóng)民收入效應(yīng)關(guān)系的實證分析[J].廣東商學(xué)院學(xué)報(1)：79-87.

錢水土，許嘉揚.2011.中國農(nóng)業(yè)信貸與農(nóng)民收入關(guān)系研究[J].金融理論與實踐(11)：16-23.

楊小平.2011.破解農(nóng)村金融服務(wù)難的制度安排——以廣西田東縣為例[J].中國金融(14)：82-84.

AGHIONP，BOLTON P. 1997.A theory of trickle-down growth and development[J]. Review of Economic Studies，64(2)： 151-172.

BANERJEE A.2004. Contracting constraints，credit market and economic development[C]. Eighth World Congress. Mathias Dewatripont：Cambridge University Press.

BRAVERMAN A，GUASCH JL. 1986.Rural credit markets and institutions in developing countries：lessons for policy analysis from practice and modern theory[J]. World Development，14(10-11)：1253-1267.

CALIENDO M，KOPEINIG S. 2008.Some practical guidance for the implementation of propensity score matching[J]. Journal of Economic Surveys，22(1)：31-72.

COPESTAKE C，BHALOTRA S，JOHNSON S. 2001.Assessing the impact of microcredit：a Zambian case study[J]. Journal of Development Studies，37(4)：81-100.

DE-MEL S，MCKENZIE D，WOODRUFF C. 2008.Return to capital in microenterprises：evidence from a field experiment[J]. Quarterly Journal of Economics，123(4)：1329-1372.

HECKMAN J，HOTZ J. 1989.Alternative methods for evaluating the impact of training programs[J]. Journal of the American Statistical Association，84(804)：862-874.

HECKMAN J，ICHIMURA H，TODD PE. 1997.Matching as an econometric evaluation estimator：evidence from evaluating a job training programme[J]. Review of Economic Studies，64(4)：605-654.

IMBENS GW. 2004.Nonparametric estimation of average treatment effects under exogeneity：a review[J]. The Review of Economics and Statistics，86(1)：4-29.

NINO-ZARAZUA M，COPESTAKE J. 2009.Financial inclusion，vulnerability and mental models：from physical access to effective use of financial servieces in a low income area of Mexico City[J]. Saving and Development，32(4)：353-380.

PITT M M，KHANDKER SR. 1998.The impact of group-based credit programmes on poor households in Bangladesh：does the gender of participants matter?[J]. Journal of Political Economy，106(5)：958-996.

ROSENBAUMP. 1987.The role of a second control group in an obserationalstudy[J]. Statistical Science，2(3)：292-316.

ROSENBAUMP，RUBIN DB. 1983.The central role of the propensity score in observational studies for causal effects[J]. Biometrika，70(1)：41-55.

ROSENBERG R.2010.Does microcredit really help poor people?[OL].CGAP Focus Note.

SIANESI B. 2004.An evaluation of the Swedish system of active labour market programmes in the 1990s[J]. Review of Economics and Statistics，86(1)：133-155.

TEDESCHI GA. 2008.Overcoming selection bias in microcredit impact assessments：a case study in Peru[J]. Journal of Development Studies，44(4)：504-518.

CLC number：F832.1；F323.8Document code：A Article ID：1674-8131(2016)04-0038-09

(編輯：朱德東；段文娟)

DOI：10.3969/j.issn.1674-8131.2016.04.005

* 收稿日期：2016-03-22；修回日期：2016-04-25

基金項目：教育部人文社科研究青年基金資助項目(15YJC790012)；江西省社科規(guī)劃青年項目(15YJ35)

作者簡介：陳普(1982—)，男，湖南邵陽人；講師，數(shù)量經(jīng)濟學(xué)博士，在華東交通大學(xué)經(jīng)濟管理學(xué)院任教，主要從事微觀計量經(jīng)濟學(xué)研究。劉嬋嬋(1980—)，女，湖南湘潭人；中央財經(jīng)大學(xué)經(jīng)濟學(xué)院博士研究生，供職于人民銀行南寧中心支行，主要從事宏觀經(jīng)濟與金融研究。

中圖分類號：F832.1；F323.8

文獻標(biāo)志碼：A

文章編號：1674-8131(2016)04-0038-09

Does Relaxing the Financing Constraints Improve Farmers’ Income?—Empirical Test Based on Rural Finance Reform from Guangxi Province

CHEN Pu1, LIU Chan-chan2

(1. School of Economics and Management, East China Jiaotong University, Jiangxi Nanchang 530028, China;2. School of Economics, Central University of Finance and Economics, Beijing 100081, China)

Abstract:It is generally regarded that relaxing farmers’ financing constraint is an important measure to increase the farmers’ income. Rural financial reform in Guangxi province provides a natural experiment for the view that relaxing the financing constraints is to increase farmers’ income. In this paper, we use the data from 13 reformed counties and 60 non-reformed counties in Guangxi province,through propensity score matching method to eliminate selectivity bias, we estimate the average impact on farmers’ income from the rural financial reform.The results show that farmers’ income increase effect is embodied after two years of reform, that in 2012 and in 2013, the farmers in the reformed counties averagely increase pure income 227.86 yuan and 270.26 yuan more than the farmers in non-reformed counties, that the farmers’ income increase effect after relaxing financial constraint has regional difference, the more developed and the more rich the areas are, the more significant the role is, which reveal that the farmers’ income increase effect after relaxing financial constraint is restricted by farmers’ financing demand. Therefore, the farmers’ effectively financing demand should actively be raised while rural financial reform is deepened and financing constraint is relaxed.

Key words:financing constraints; farmers’ income increase;rural financial reform; financing demand; farmers’ pure per capita income; propensity score matching method