周月書+王婕

摘要：本文借鑒Jeffrey Wurgler的資本配置效率模型，以江蘇省農(nóng)村地區(qū)為樣本，運用2000—2013年的數(shù)據(jù)分析了農(nóng)村總體信貸資金配置效率和第一產(chǎn)業(yè)、第二產(chǎn)業(yè)各自的信貸資金配置效率。研究結果發(fā)現(xiàn)：農(nóng)村地區(qū)總體信貸資金配置效率與發(fā)達國家相比處于較低水平，但高于全國總體資本配置效率；農(nóng)村信貸資金配置效率存在產(chǎn)業(yè)差異，第一產(chǎn)業(yè)信貸資金配置效率低于第二產(chǎn)業(yè)；進一步的分析發(fā)現(xiàn)，農(nóng)村第一產(chǎn)業(yè)的自發(fā)信貸投資水平低于第二產(chǎn)業(yè)，第一產(chǎn)業(yè)的政府投資仍然不足，以工補農(nóng)的政策尚未得到完全落實。

關鍵詞：農(nóng)村信貸資金；配置效率；產(chǎn)業(yè)差異；農(nóng)村金融

中圖分類號：F832；F326 文獻標志碼：A 文章編號：1001-862X（2016）06-0035-006

農(nóng)村金融是現(xiàn)代農(nóng)村經(jīng)濟發(fā)展的核心，是農(nóng)業(yè)經(jīng)濟發(fā)展的最核心推動力。農(nóng)村金融的發(fā)展水平直接影響著對農(nóng)村經(jīng)濟發(fā)展的支持力度，是關系到農(nóng)村經(jīng)濟能否持續(xù)健康發(fā)展的重要因素。從2006年我國開始推進新農(nóng)村建設起，新農(nóng)村建設主要靠農(nóng)村金融發(fā)展的支持，而農(nóng)村金融的發(fā)展又離不開農(nóng)村金融效率的提高。研究發(fā)現(xiàn)，農(nóng)村信貸供給增加可以促進農(nóng)村地區(qū)經(jīng)濟增長。[1][2]改革開放以來，我國農(nóng)村貸款規(guī)模不斷擴大，這必然會改善農(nóng)村資本短缺的困境，但其成立的前提是農(nóng)村信貸資金的分配是有效的。[3]54然而，中國農(nóng)業(yè)和農(nóng)村經(jīng)濟發(fā)展存在資金投入不足和資金配置低效率的雙重瓶頸，對農(nóng)業(yè)和農(nóng)村的投資并非是簡單的注入資金的過程。[4]

前人對于農(nóng)村資金配置效率的研究普遍認為農(nóng)村地區(qū)資金配置效率較為低下，并且研究多集中于宏觀層次。本文和已有研究相比，主要有如下創(chuàng)新之處：首先，本文從產(chǎn)業(yè)差異的角度出發(fā)，聚焦于第一產(chǎn)業(yè)和第二產(chǎn)業(yè)探索農(nóng)村信貸資金配置效率，信貸資金的數(shù)據(jù)來源于中國人民銀行南京分行的調(diào)查數(shù)據(jù)，數(shù)據(jù)可靠度較高，能夠較為全面地體現(xiàn)農(nóng)村地區(qū)農(nóng)業(yè)和工業(yè)獲得的信貸資金狀況。其次，本文利用Jeffrey Wurgler的資本配置效率模型，不僅對信貸資金配置效率進行了實證分析，同時對政府政策導向及農(nóng)村地區(qū)產(chǎn)業(yè)發(fā)展的布局進行了探討。

一、理論分析與研究假說

（一）資金配置效率的產(chǎn)業(yè)差異

林毅夫（2003）指出，金融體系的功能主要在于動員資金和配置資金，并且，動員資金的功能其實從屬于配置資金的功能[5]，而評價資源配置效率高低的重要標準是分析資源是否流向最有競爭力和價值創(chuàng)造能力的產(chǎn)業(yè)。[6]69金融發(fā)展理論提出，一個運行良好的金融結構體系可以調(diào)整產(chǎn)業(yè)間的資金配置方式，提高儲蓄投資轉化效率，實現(xiàn)資金的優(yōu)化配置。即資金從落后產(chǎn)業(yè)部門轉移到高效產(chǎn)業(yè)部門，實現(xiàn)資金在不同部門的轉移。部門間的資金流動以及產(chǎn)業(yè)間資金配置能夠推進區(qū)域內(nèi)產(chǎn)業(yè)結構的調(diào)整。農(nóng)業(yè)產(chǎn)業(yè)作為低效部門，其生產(chǎn)周期長，自身存在著較高的自然風險及市場風險，同時農(nóng)業(yè)投資的回報率也偏低，這些農(nóng)業(yè)的“弱質(zhì)性”表現(xiàn)使得第一產(chǎn)業(yè)在資金配置的過程中處于弱勢地位，農(nóng)村地區(qū)信貸資金勢必更多地逐利流向投資回報率較高的第二產(chǎn)業(yè)。

根據(jù)國際經(jīng)驗，資本在兩部門之間流動的一個明顯演變趨勢是：資本首先從傳統(tǒng)部門流向現(xiàn)代部門，當現(xiàn)代部門發(fā)展壯大后，再回流到傳統(tǒng)部門，并帶動后者的發(fā)展。[7][8]46從政府宏觀調(diào)控的角度來看，中國在經(jīng)濟發(fā)展初期采取了優(yōu)先發(fā)展重工業(yè)的模式。政府以推進農(nóng)業(yè)部門征稅、工農(nóng)產(chǎn)品價格“剪刀差”等措施，推動資本從第一產(chǎn)業(yè)轉向第二產(chǎn)業(yè)，促使農(nóng)村工業(yè)部門迅速崛起。由此可見，農(nóng)業(yè)的“弱質(zhì)性”加之政府優(yōu)先發(fā)展工業(yè)的策略使得農(nóng)村地區(qū)不同產(chǎn)業(yè)資金配置效率存在顯著差異。根據(jù)上述分析，本文提出研究假說1：

H1：農(nóng)村地區(qū)第一產(chǎn)業(yè)的資金配置效率低于第二產(chǎn)業(yè)的資金配置效率。

（二）自發(fā)信貸投資水平

自發(fā)信貸投資水平是不隨利潤變化的投資，是不同產(chǎn)業(yè)的自然投資水平。自發(fā)信貸投資水平可以較好地表現(xiàn)某一地區(qū)產(chǎn)業(yè)布局和信貸投資熱點，同時也是不隨利潤變化的投資如政府類投資的一種衡量，自發(fā)投資水平越高，表明該行業(yè)需求越旺盛，信貸資金進入量越大。[6]75 一方面，從前述分析可以看出，農(nóng)村地區(qū)第二產(chǎn)業(yè)相對于第一產(chǎn)業(yè)擁有較為明顯的比較優(yōu)勢。隨著鄉(xiāng)鎮(zhèn)企業(yè)異軍突起，農(nóng)村工業(yè)逐步興起，第二產(chǎn)業(yè)對信貸需求旺盛；另一方面，政府優(yōu)先發(fā)展工業(yè)的趕超策略表明政府也給予第二產(chǎn)業(yè)較多支持。據(jù)此，本文提出假說2：

H2：農(nóng)村地區(qū)第一產(chǎn)業(yè)的自發(fā)信貸投資水平低于第二產(chǎn)業(yè)的自發(fā)信貸投資水平。

二、模型及變量的選取

（一）Jeffrey Wurgler模型

目前，主要有兩種思路來解決社會總資本在不同產(chǎn)業(yè)間的配置效率。第一種思路是計算對各個產(chǎn)業(yè)資金投入的邊際回報率，即判斷產(chǎn)業(yè)增加值對資金投入的敏感程度，這種思路衡量的是資金投入到各個產(chǎn)業(yè)之后的差異，弊端是并不能有效反映金融機構是否能夠依據(jù)產(chǎn)業(yè)產(chǎn)出情況將資金進行有效配置，不能體現(xiàn)資金是否流向了投資回報率高的產(chǎn)業(yè)；第二種思路與之相反，研究的是資金投入是否受到產(chǎn)業(yè)增加值的影響，也就是說，需要計算資金投入對于產(chǎn)業(yè)價值創(chuàng)造能力的彈性，如果產(chǎn)業(yè)的價值創(chuàng)造能力越強、投入到該產(chǎn)業(yè)的資金越多，則這種彈性越強，資金配置效率也就越高。[3]55[9]77

Jeffrey Wurgler（2000）教授運用上述第二種思路，以追加的產(chǎn)業(yè)資金對于產(chǎn)業(yè)價值創(chuàng)造能力的敏感程度來衡量資本配置效率。他認為，如果一個國家的資金更多地流向高成長性的產(chǎn)業(yè)，則該國資金配置效率較高。Jeffrey運用來自于65個發(fā)達國家和發(fā)展中國家的面板數(shù)據(jù)測算了各個國家的資金配置效率，研究結果發(fā)現(xiàn)，發(fā)達國家向正在成長的產(chǎn)業(yè)投入較多資金，并且從衰落的產(chǎn)業(yè)撤回資金，從資金配置效率的角度而言，發(fā)達國家是優(yōu)于發(fā)展中國家的。[10]Jeffrey Wurgler的基本模型如下：

ln=αc+ηcln+εict （1）

其中，I為產(chǎn)業(yè)固定資產(chǎn)凈值年均余額，V為工業(yè)增加值，i為產(chǎn)業(yè)編號，c代表地區(qū)編號，t為年份，（1）式中的斜率是一種彈性，表示c地區(qū)向成長的產(chǎn)業(yè)追加資金投入以及從衰落的產(chǎn)業(yè)撤回資金投入的程度。ηc>0，表明更多的資金將流入成長性好的產(chǎn)業(yè)；而相對較少的資金流入成長性較差的產(chǎn)業(yè)；若ηc<0，表明在第t年內(nèi)，表明在成長性弱的產(chǎn)業(yè)追加更多的投資，成長性強的產(chǎn)業(yè)反而得到很少的資金；若ηc=0，表明各個產(chǎn)業(yè)吸引資金的結果與產(chǎn)業(yè)成長性無關。簡言之，ηc越大則意味著該地區(qū)在不同產(chǎn)業(yè)間的資金配置效率越高。

本文借鑒Jeffrey Wurgler模型，將模型分為變截距模型和變系數(shù)模型，以分別分析信貸資金總體配置效率以及不同產(chǎn)業(yè)的信貸資金配置效率。具體模型如下：

模型1：變截距模型

ln=αi+ηln+εi，t （2）

該模型允許不同個體存在著個體影響，但這種影響是用變化的截距來反映的，即只反映在自發(fā)資金投入水平α的變化上，而反映不同結構的參數(shù)η固定不變，即不同個體結構的變化不會引起反映經(jīng)濟結構參數(shù)的變化。

模型2：變系數(shù)模型

ln=αi+ηiln+εi，t （3）

該模型允許存在著個體影響，這種影響不僅會反映在自發(fā)資金投入水平α的變化上，也會反映在代表不同經(jīng)濟結構的參數(shù)η的變化上。

變截距模型與變系數(shù)模型都可分為固定影響模型和隨機影響模型，它們在運用時的區(qū)別在于：當所選數(shù)據(jù)包含了研究總體的所有單位時，則選擇固定效應模型較為合適；當所選數(shù)據(jù)來源于總體中的一個樣本時，如果模型中省略的因素對不同個體的影響是隨機的，此時，若僅對樣本自身的效應進行分析，則采用固定效應模型；若想以樣本結果對總體進行反映，則應該選用隨機影響模型，即把反應個體差異的特定常數(shù)項看作是跨個體成員的隨機分布。[11]本文在研究江蘇省農(nóng)村信貸資金配置效率時覆蓋了江蘇省所有縣域，因此，將選擇固定效應模型分析江蘇農(nóng)村信貸資金配置效率。（1）

（二）數(shù)據(jù)來源

本文江蘇省農(nóng)村信貸資金的數(shù)據(jù)來源于中國人民銀行南京分行的調(diào)查統(tǒng)計數(shù)據(jù)；農(nóng)村地區(qū)第一產(chǎn)業(yè)及第二產(chǎn)業(yè)的增加值從2000年開始納入統(tǒng)計年鑒統(tǒng)計范圍，因此，農(nóng)村地區(qū)第一產(chǎn)業(yè)及第二產(chǎn)業(yè)的增加值的數(shù)據(jù)分析來源于2000—2013年的江蘇省統(tǒng)計局網(wǎng)站和《江蘇統(tǒng)計年鑒》。

（三）變量選取

本文研究的是基于產(chǎn)業(yè)差異的農(nóng)村信貸資金配置效率，考慮到數(shù)據(jù)的可獲得性，本文對農(nóng)村信貸資金配置效率的研究基于第一產(chǎn)業(yè)和第二產(chǎn)業(yè)的差異展開。

本文以第一產(chǎn)業(yè)和第二產(chǎn)業(yè)的增加值分別代表模型（2）、（3）中的V1，t、V2，t，以農(nóng)業(yè)貸款代表第一產(chǎn)業(yè)信貸資金L1，t，由于第二產(chǎn)業(yè)貸款資金數(shù)據(jù)獲取有難度，本文用各項貸款余額（由民營企業(yè)貸款、農(nóng)戶貸款、個體工商戶貸款和其他農(nóng)業(yè)貸款構成）減去農(nóng)業(yè)貸款獲得近似的第二產(chǎn)業(yè)信貸資金L2，t。數(shù)據(jù)的時間跨度為2000—2013年。

（四）描述性統(tǒng)計

1.江蘇農(nóng)村各產(chǎn)業(yè)增加值占地區(qū)生產(chǎn)總值比重變化分析

2000—2013年，江蘇省農(nóng)村地區(qū)的產(chǎn)業(yè)結構發(fā)展趨勢是：第一產(chǎn)業(yè)的增加值占地區(qū)生產(chǎn)總值的比重呈不斷下降趨勢，從17.02%下降到7.93%，14年間下降了約9個百分點，第二產(chǎn)業(yè)的增加值占地區(qū)生產(chǎn)總值的比重基本穩(wěn)定在50%左右。

2.江蘇農(nóng)村產(chǎn)業(yè)增加值及信貸資金變化趨勢分析

表1是模型（2）、（3）中各個變量的初始數(shù)據(jù)。為了便于比較初始數(shù)據(jù)的增長率，各個初始數(shù)據(jù)的環(huán)比值趨勢如圖1所示。從圖1中可以看出，第一產(chǎn)業(yè)信貸資金、第二產(chǎn)業(yè)信貸資金、第一產(chǎn)業(yè)增加值及第二產(chǎn)業(yè)增加值的環(huán)比值基本處于1～1.5的區(qū)間內(nèi)，說明各項指標都處于穩(wěn)定增長的狀態(tài)。第二產(chǎn)業(yè)信貸資金環(huán)比值在2004年大幅度上升至1.889，可能的原因是：2004年中共中央發(fā)布的1號文件中明確提出要“發(fā)展農(nóng)村二、三產(chǎn)業(yè)，拓寬農(nóng)民增收渠道”，為推進鄉(xiāng)鎮(zhèn)企業(yè)改革和調(diào)整，對第二產(chǎn)業(yè)的信貸資金投放呈現(xiàn)大幅增加。2002年，第一產(chǎn)業(yè)增加值較低，這可能是由于2002年4至5月份長江中下游一帶持續(xù)陰雨，江蘇部分地區(qū)出現(xiàn)洪澇，影響了農(nóng)業(yè)產(chǎn)業(yè)產(chǎn)出。從圖1進一步可以看出，第一產(chǎn)業(yè)和第二產(chǎn)業(yè)的信貸資金雖然都呈現(xiàn)上升的態(tài)勢，但第二產(chǎn)業(yè)信貸資金增長率總體而言顯著快于第一產(chǎn)業(yè)信貸資金增長率；同時，第二產(chǎn)業(yè)增加值比值大體上也大于第一產(chǎn)業(yè)增加值環(huán)比值。

三、實證分析結果

本文采用Eviews7.0軟件進行實證研究，由于不同產(chǎn)業(yè)信貸資金規(guī)模及產(chǎn)值差異較大，可能導致橫截面異方差，為了減少由此造成的影響，采用跨截面加權（Cross-section Weight）來實證檢驗總體資金配置效率、分產(chǎn)業(yè)的資金配置效率及自發(fā)信貸投資水平。

（一）農(nóng)村第一產(chǎn)業(yè)及第二產(chǎn)業(yè)的總體信貸資金配置效率

本文首先基于模型（2）——固定影響變截距模型，對農(nóng)村第一產(chǎn)業(yè)及第二產(chǎn)業(yè)的總體信貸資金配置效率進行分析?；貧w結果見表2。

回歸結果顯示，回歸方程的R2=0.324，F(xiàn)值=5.50，方程的F檢驗的顯著水平為0.010，方程的回歸效果較好。2000—2013年，農(nóng)村第一產(chǎn)業(yè)及第二產(chǎn)業(yè)的總體信貸資金配置效率約為0.148，這意味著當產(chǎn)業(yè)增加值相對于上一期增加時，信貸資金的增長率也會相應地增加，并且信貸資金增長率增加的百分比是產(chǎn)業(yè)增加值增長率的0.148倍，且該參數(shù)通過了5%的顯著性檢驗。

在Jeffrey Wurgler考察的65個國家中，各國的平均資本配置效率值為0.429。Jeffrey Wurgler根據(jù)模型得出的部分國家的資本配置效率見表3和表4，從表中可以看出發(fā)達國家的資本配置效率顯著高于發(fā)展中國家。同Jeffrey Wurgler的研究結果相比較，農(nóng)村第一產(chǎn)業(yè)和第二產(chǎn)業(yè)的總體信貸資金配置效率仍處于較低的水平。但同韓立巖、王哲兵（2005）利用1993—2002年這10年間的面板數(shù)據(jù)計算出的我國總體資本配置效率0.081相比，農(nóng)村第一產(chǎn)業(yè)及第二產(chǎn)業(yè)的總體信貸資金配置效率（0.148）較高，這也反映了江蘇省農(nóng)村本身的發(fā)展水平相對于全國其他地區(qū)而言較高。

（二）農(nóng)村不同產(chǎn)業(yè)的信貸資金配置效率

固定影響變系數(shù)模型的特點是可以計算出各個產(chǎn)業(yè)的不同系數(shù)，即產(chǎn)業(yè)信貸投人對利潤變化的敏感程度。基于模型（3）——固定影響變系數(shù)模型，本文將對農(nóng)村不同產(chǎn)業(yè)的信貸資金配置效率分別進行分析，回歸結果見表5。

回歸結果顯示，回歸方程的R2=0.373，F(xiàn)值=4.36，方程的F檢驗的顯著水平為0.015，模擬結果較好。

根據(jù)表5的回歸結果，第一產(chǎn)業(yè)信貸資金配置效率值約為0.121，這意味著第一產(chǎn)業(yè)信貸資金增長率增加的百分比是第一產(chǎn)業(yè)增加值增加的百分比的0.121倍，且該參數(shù)通過t檢驗；第二產(chǎn)業(yè)信貸資金配置效率值約為0.382，說明第二產(chǎn)業(yè)信貸資金增長率增加的百分比是第二產(chǎn)業(yè)增加值增加的百分比的0.382倍，且在t檢驗中以10%的顯著性水平來衡量，該參數(shù)是顯著的。由此可見，農(nóng)村地區(qū)第一產(chǎn)業(yè)的資金配置效率低于第二產(chǎn)業(yè)的資金配置效率，即驗證了假說1。

實證結果表明，農(nóng)村地區(qū)第一產(chǎn)業(yè)信貸資金對第一產(chǎn)業(yè)增加值的變化敏感性較差，其主要原因是農(nóng)業(yè)生產(chǎn)具有生產(chǎn)周期長、資金轉換慢且風險大等特征，本身具有“弱質(zhì)性”，而資本的“逐利性”使得資金較多地流向低風險高收益的產(chǎn)業(yè)。此外，政府優(yōu)先發(fā)展第二產(chǎn)業(yè)的政策使得“農(nóng)業(yè)哺育工業(yè)”，推動了農(nóng)村地區(qū)正規(guī)金融機構的資金大規(guī)模轉移到工業(yè)產(chǎn)業(yè)。因此，相對于第二產(chǎn)業(yè)而言，第一產(chǎn)業(yè)的信貸資金配置效率偏低。

第二產(chǎn)業(yè)是指工業(yè)和建筑業(yè)。以鄉(xiāng)鎮(zhèn)企業(yè)為代表的中國農(nóng)村工業(yè)部門，既不同于現(xiàn)代工業(yè)部門，又有別于傳統(tǒng)農(nóng)業(yè)部門，成為介于兩者之間的新興部門。[12]鄉(xiāng)鎮(zhèn)企業(yè)增加值占 GDP 比重不斷提高，反映了農(nóng)村工業(yè)化產(chǎn)出規(guī)模已經(jīng)超過了農(nóng)業(yè)產(chǎn)出規(guī)模，農(nóng)村經(jīng)濟已經(jīng)以非農(nóng)業(yè)為主的新的特征。[13]中國農(nóng)村工業(yè)的迅速崛起使得農(nóng)村工業(yè)部門逐步興起，中國農(nóng)民直接參與到工業(yè)化進程中，伴隨較多的資金逐利流向農(nóng)村地區(qū)第二產(chǎn)業(yè)，這也解釋了為什么以工業(yè)為主的第二產(chǎn)業(yè)的信貸資金配置效率高于第一產(chǎn)業(yè)。

（三）不同產(chǎn)業(yè)的自發(fā)信貸投資水平

在經(jīng)濟學意義上，各個行業(yè)不同的截距代表了不隨行業(yè)利潤變化的“自發(fā)信貸投資水平”，即不同行業(yè)的自然投資水平。[6]74[9]82如前所述，自發(fā)信貸投資水平可以體現(xiàn)產(chǎn)業(yè)調(diào)整與發(fā)展布局，同時也能衡量不隨利潤變化的投資。表6為變截距模型和變系數(shù)模型中截距項的回歸結果，從中可以看出農(nóng)村第一產(chǎn)業(yè)及第二產(chǎn)業(yè)的自發(fā)信貸投資水平。

從表6中可以看出，在兩種模型下，第一產(chǎn)業(yè)的自發(fā)信貸投資水平分別為0.131和0.133，第二產(chǎn)業(yè)的自發(fā)信貸投資水平分別為0.168和0.138，第二產(chǎn)業(yè)的自發(fā)信貸投資水平顯著高于第一產(chǎn)業(yè)的自發(fā)信貸投資水平，實證結果與政府優(yōu)先發(fā)展工業(yè)的趕超戰(zhàn)略是吻合的，也即驗證了假說2。

第二產(chǎn)業(yè)增加值占總產(chǎn)值比重在50%左右，結合以上不同產(chǎn)業(yè)信貸資金配置效率和自發(fā)信貸投資兩方面實證結果來看，農(nóng)村信貸資金和自發(fā)信貸投資兩部分資金都主要投向第二產(chǎn)業(yè)，而資金配置能夠推進區(qū)域內(nèi)產(chǎn)業(yè)結構的調(diào)整，正是因此第二產(chǎn)業(yè)比重相對增加，促進了近十幾年來農(nóng)村經(jīng)濟中第二產(chǎn)業(yè)的快速增長。這種現(xiàn)象是在一定的歷史環(huán)境及地理條件下形成的。江蘇省自然資源豐富，有著良好的輕工業(yè)基礎，建國后江蘇省的早期投資也偏重于輕工業(yè)，后期又擴展到對技術條件要求較高的機械電子和化學工業(yè)。因此，結合江蘇省的自然歷史條件和地理位置以及其他政治、經(jīng)濟的考慮，政府的政策投資導向是著力發(fā)展第二產(chǎn)業(yè)。結合實證結果可以說明，在農(nóng)村地區(qū)第一產(chǎn)業(yè)信貸資金配置效率較低的情況下，第二產(chǎn)業(yè)仍是政府的投資政策導向，而我國現(xiàn)階段“工業(yè)反哺農(nóng)業(yè)的”政策在農(nóng)村地區(qū)并未得到完全落實，第一產(chǎn)業(yè)的政府投資尚顯不足。

四、主要結論與啟示

本文借鑒Jeffrey Wurgler的資本配置效率模型，以江蘇省農(nóng)村地區(qū)為樣本，運用中國人民銀行南京分行的調(diào)查統(tǒng)計數(shù)據(jù)及《江蘇統(tǒng)計年鑒》，分析了2000—2013年農(nóng)村地區(qū)信貸資金在第一產(chǎn)業(yè)和第二產(chǎn)業(yè)的總體配置效率及不同產(chǎn)業(yè)信貸資金配置效率的差異，并進一步對農(nóng)村第一產(chǎn)業(yè)和第二產(chǎn)業(yè)的自發(fā)性投資水平進行分析，得出的主要研究結論如下：

農(nóng)村地區(qū)第一產(chǎn)業(yè)和第二產(chǎn)業(yè)的總體信貸資金配置效率與發(fā)達國家相比處于較低水平，但高于全國總體資本配置效率；農(nóng)村第一產(chǎn)業(yè)信貸資金對第一產(chǎn)業(yè)增加值的變化敏感性較低，而第二產(chǎn)業(yè)信貸資金對第二產(chǎn)業(yè)增加值的變化敏感性較高，這意味著農(nóng)村信貸資金配置效率存在明顯的產(chǎn)業(yè)差異，第一產(chǎn)業(yè)信貸資金配置效率低于第二產(chǎn)業(yè)。進一步的實證結果發(fā)現(xiàn)，農(nóng)村第一產(chǎn)業(yè)的自發(fā)信貸投資水平較低，而第二產(chǎn)業(yè)的自發(fā)信貸投資水平較高，這表明在第一產(chǎn)業(yè)信貸資金配置效率較低的情況下，政府資金仍主要投資于第二產(chǎn)業(yè)，以工補農(nóng)的政府政策尚未得到完全落實。

根據(jù)以上研究結論，本文得出以下啟示：一方面，在經(jīng)濟結構轉型發(fā)展時期，農(nóng)業(yè)作為國民經(jīng)濟的基礎，需進一步提升自身的內(nèi)涵發(fā)展能力，從而提高信貸資金使用效率；另一方面，從政府供給側改革的視角，政府相關部門及金融機構應當加大對傳統(tǒng)農(nóng)業(yè)部門的財政和金融支持力度，改進財政補貼方式，提高補貼效率，優(yōu)化農(nóng)業(yè)信貸資金的投入結構和運營績效，從而優(yōu)化農(nóng)村產(chǎn)業(yè)結構、促進農(nóng)村經(jīng)濟增長。

注釋：

（1）本文中所指江蘇縣域，均以2000—2013年《江蘇統(tǒng)計年鑒》中“縣（市）社會經(jīng)濟序列”一篇所包括的縣（市）為準，即包括江蘇省所有縣及縣級市，不包括縣改區(qū)。

參考文獻：

[1]Valentina Hartarska， Denis Nadolnyak， Xuan Shen. Agricultural Credit and Economic Growth in Rural Areas[J]. Agricultural Finance Review，2015，75（3）.

[2]Chughtai M W. Utilization of Zarai Taraqiati Bank Agricultural Credit in Rural Areas of Tehsile Rawalpindi： An Empirical Study[J]. Researchers World，2012，3（2）.

[3]張兵，許國玉.江蘇省農(nóng)村信貸資金配置效率——基于面板數(shù)據(jù)的經(jīng)驗分析[J].中國農(nóng)村經(jīng)濟，2007，（6）.

[4]溫濤，王煜宇.政府主導的農(nóng)業(yè)信貸、財政支農(nóng)模式的經(jīng)濟效應——基于中國1952—2002年的經(jīng)驗驗證[J].中國農(nóng)村經(jīng)濟，2005，（10）.

[5]林毅夫.“三農(nóng)”問題與我國農(nóng)村的未來發(fā)展[J].農(nóng)業(yè)經(jīng)濟問題，2003，（1）.

[6]中國人民銀行營業(yè)管理部課題組.北京市金融機構信貸資金配置效率研究——對26個主要行業(yè)貸款情況的實證分析[J].金融研究，2005，（2）.

[7] 周月書，王悅雯.我國城鄉(xiāng)資本流動研究：1981—2012 ——基于城鄉(xiāng)資本邊際生產(chǎn)率的分析[J].江淮論壇，2015，（1） .

[8]周月書，王悅雯.二元經(jīng)濟結構轉換與城鄉(xiāng)資本配置效率關系實證分析[J].中國農(nóng)村經(jīng)濟，2015，（3）.

[9]韓立巖，王哲兵.我國實體經(jīng)濟資本配置效率與行業(yè)差異[J].經(jīng)濟研究，2005，（1）.

[10]Jeffrey Wurgler. Financial Market and the Allocation of Capital[J]. Journal of Financial Economics， 2000，（58）.

[11]高鐵梅，王金明，梁云芳，劉玉紅.計量經(jīng)濟學分析方法與建模[M].北京：清華大學出版社，2009：332.

[12]李克強. 論我國經(jīng)濟的三元結構[J].中國社會科學，1991，（3）.

[13]胡鞍鋼，馬偉.現(xiàn)代中國經(jīng)濟社會轉型：從二元結構到四元結構（1949—2009）[J].清華大學學報（哲學社會科學版），2012，（1）.

（責任編輯 吳曉妹）