陳亮++++賴明勇

摘 要：基于正規(guī)金融與非正規(guī)金融視角，運用空間計量方法對2003年至2010年中國31個省市農(nóng)村二元分層金融發(fā)展的農(nóng)民收入效應進行再考察。研究結果顯示：農(nóng)民收入、正規(guī)與非正規(guī)金融均存在顯著的空間自相關性。正規(guī)與非正規(guī)金融的發(fā)展均有利于農(nóng)民收入的增加，但是正規(guī)金融的影響效果不如非正規(guī)金融明顯；農(nóng)民收入、正規(guī)與非正規(guī)金融的空間變量對促進農(nóng)民增收具有顯著影響。

關鍵詞：正規(guī)金融；非正規(guī)金融；農(nóng)民收入

一、引言

中國發(fā)展道路，和西方理論的經(jīng)典路線常常不一致，以至于一直以來有“中國之謎”（Chinese Puzzle）的命題，比較著名的有關于科技應用的李約瑟之謎（李約瑟，1975）[1]、關于中國資本主義萌芽的韋伯疑問（韋伯，1997；林毅夫，2007）[2-3]、關于“高財政赤字和高貨幣供給量的同時保持價格穩(wěn)定的現(xiàn)象”的麥金農(nóng)“中國之謎”（麥金農(nóng)，1993）[4]，等等。這樣的發(fā)展悖論，在中國的農(nóng)村表現(xiàn)更為明顯。農(nóng)村金融被廣泛看作中國金融系統(tǒng)最薄弱的一環(huán)，與整體經(jīng)濟的強勁極不相稱，大部分農(nóng)村人口未能充分享受兩位數(shù)高速經(jīng)濟增長的成果。李勇堅和王弢（2016）基于農(nóng)業(yè)生產(chǎn)需求發(fā)現(xiàn)，2014年中國“三農(nóng)”領域金融需求缺口達3.05萬億元[5]。同時，中國城鄉(xiāng)金融資源配置的區(qū)域不平衡性尤為突出，上海、天津、浙江和江蘇等經(jīng)濟排名靠前省市，地理金融密度達到6.5個/百平方公里以上，而新疆、青海和西藏等經(jīng)濟排名靠后的省區(qū)，地理金融密度在0.2個/百平方公里以下，地理金融密度排名第一的上海與排名墊底的西藏相差109倍（陳莎、周立，2012）[6]。

關于金融對經(jīng)濟和社會的作用，傳統(tǒng)教科書給出的解釋是：合理配置社會資源，提高資源使用效率，提高支付結算手段……一言蔽之，金融在人類社會中存在的價值在于提高經(jīng)濟效率。正如馬克思所言，如果沒有金融，“那么恐怕直到今天世界上還沒有鐵路”。在現(xiàn)代社會，金融雖然不像空氣和水那樣不可缺少，但是毫無疑問，金融是經(jīng)濟和社會高效運轉的潤滑劑，無論是個人、企業(yè)還是政府，都離不開金融。中國是一個農(nóng)業(yè)大國，農(nóng)村金融是“三農(nóng)”問題的核心，其功能的有效發(fā)揮對促進農(nóng)村經(jīng)濟繁榮有著關鍵作用。為此，從1979年恢復農(nóng)業(yè)銀行開始，中國對農(nóng)村金融的改革就一直沒有停止過。

羅伯特·希勒在其著作《金融與好的社會》中將金融活動與好社會聯(lián)系起來，將金融提升到一個道德的高度（Robert J. Shiller，2012）[7]。理想狀態(tài)的農(nóng)村金融應該是在金融服務總量和結構上能夠滿足社會經(jīng)濟發(fā)展需求的金融，金融服務的供給相對于需求既不過度，也無不足，不存在總量和結構上的供求失衡。按照林毅夫等（2009）的總結，金融結構從金融活動是否接受到政府監(jiān)管部門的監(jiān)管，可以分為正規(guī)金融與非正規(guī)金融 [8]。隨著農(nóng)村經(jīng)濟制度深化改革的推進，農(nóng)村經(jīng)濟成分和農(nóng)民收入來源發(fā)生了巨大變化，但都離不開正規(guī)與非正規(guī)金融在其中發(fā)揮的推動作用。因此，深入了解農(nóng)村正規(guī)與非正規(guī)金融對農(nóng)村經(jīng)濟發(fā)展和居民收入的影響具有深刻的現(xiàn)實意義。本文基于正規(guī)金融與非正規(guī)金融視角，運用空間計量方法對2003年至2010年中國31個省市農(nóng)村二元分層金融發(fā)展的農(nóng)民收入效應進行再考察，探討中國農(nóng)村金融發(fā)展服務于農(nóng)村社會福祉程度，并以此來為農(nóng)村經(jīng)濟的順利轉型以及農(nóng)村居民增收進一步提供理論依據(jù)和數(shù)據(jù)支持。

二、文獻綜述

按照經(jīng)濟學的理解，金融活動如果有效發(fā)揮其功能，將有助于社會資源的最優(yōu)配置，促進經(jīng)濟均衡發(fā)展，進而提升社會公平和民生福祉，因此，自20世紀60年代以來，金融就成為了發(fā)展經(jīng)濟學中一個重要的研究領域。學者們發(fā)現(xiàn)金融發(fā)展與經(jīng)濟發(fā)展之間存在平行的關系（Goldsmith et al.，1969；King and Levine，1993；Levine and Zervos，1996）[9-11]，甚至是促進的關系（Levine，Loayza and Beck，1999）[12]，并為此得出了金融抑制不利于經(jīng)濟發(fā)展，發(fā)展中國家需要有金融自由化的結論（Goldsmith et al.，1969）[9]。隨著實踐深入，農(nóng)村金融發(fā)展對農(nóng)村經(jīng)濟或農(nóng)民收入影響的研究也得到了深入討論?？紤]到農(nóng)村金融市場的二元結構，學者們一般從正規(guī)與非正規(guī)金融兩個角度來探討農(nóng)村金融的作用。Hans等（1995）通過分析正規(guī)金融對印度農(nóng)村經(jīng)濟的影響，得到擴大農(nóng)村信貸規(guī)模和發(fā)展農(nóng)村金融體系對農(nóng)民收入具有積極作用的結論[13]。而Davide（2014）通過對埃塞俄比亞南部的農(nóng)村信貸市場研究發(fā)現(xiàn)，由于正規(guī)金融機構提供的信貸產(chǎn)品種類的有限性，以及產(chǎn)品規(guī)模和產(chǎn)品期限的不適宜性，使得農(nóng)村正規(guī)金融不能有效地促進農(nóng)民增收[14]。相比于正規(guī)金融，非正規(guī)金融的機制就顯得十分靈活。Dolla（2011）認為，農(nóng)村非正規(guī)金融的產(chǎn)生是源自于被正規(guī)金融“溢出”的農(nóng)村居民的融資需求，因此其可以有效地解決農(nóng)村居民融資的問題，從而有助于增長農(nóng)民收入[15]。Kar等（2009）研究發(fā)現(xiàn)，非正規(guī)金融貸款人可以根據(jù)借款人的不同需求提供不同規(guī)模、不同期限的信貸資金，使農(nóng)戶的小規(guī)模和短期投資成為可能，從而促進農(nóng)民收入的增加[16]。同時，Jia等（2010）也認為，與正規(guī)金融相比，非正規(guī)金融在信息收集、監(jiān)督成本等方面均具有明顯的優(yōu)勢，能夠有效地促進農(nóng)村經(jīng)濟的增長[17]。

國內(nèi)學者在借鑒國外學者研究成果的基礎上，根據(jù)我國的實際情況，也進行了很多相關的研究。其中，以研究農(nóng)村正規(guī)金融和農(nóng)民收入的關系居多，且大部分的研究結果顯示：農(nóng)村正規(guī)金融的發(fā)展不利于農(nóng)村居民收入的增加。許崇正等（2005）用農(nóng)村信貸投資來反映農(nóng)村正規(guī)金融發(fā)展水平，通過實證得到農(nóng)村正規(guī)金融的發(fā)展不利于農(nóng)民增收的結論[18]。譚燕芝（2009）用農(nóng)村正規(guī)金融相關率來衡量農(nóng)村正規(guī)金融發(fā)展水平，也得到類似的結論，農(nóng)民增收促進了正規(guī)金融的發(fā)展，但正規(guī)金融的發(fā)展卻不利于農(nóng)民增收[19]。同時，錢水土等（2011）認為，農(nóng)村正規(guī)金融低下的配置效率也是阻礙農(nóng)民收入增加的重要因素[20]。劉旦（2007）用農(nóng)村存款余額與貸款余額的比率作為反映農(nóng)村正規(guī)金融發(fā)展效率的指標，實證表明，農(nóng)村正規(guī)金融發(fā)展效率的確對農(nóng)民收入增長具有顯著的負效應[21]。杜興端等（2011）通過實證發(fā)現(xiàn)，不管是正規(guī)金融發(fā)展規(guī)模，還是正規(guī)金融發(fā)展效率，對農(nóng)民收入的增長均具有不利影響[22]。但是，也有一部分學者通過研究得到相反的結論。他們認為通過發(fā)展農(nóng)村正規(guī)金融，可以有效的促進農(nóng)民收入的增加。劉玉春等（2013）用農(nóng)業(yè)貸款余額與農(nóng)村GDP的比值來衡量農(nóng)村正規(guī)金融發(fā)展水平，實證得到農(nóng)村正規(guī)金融發(fā)展能夠促進農(nóng)村居民收入增加的結論[23]。婁永躍（2010）、龐志強等（2007）用灰色關聯(lián)分析法得出農(nóng)村正規(guī)金融的發(fā)展對促進農(nóng)民增收具有積極作用[24-25]。另外，考慮到金融結構的二元性，越來越多的學者開始探究農(nóng)村非正規(guī)金融對農(nóng)村居民收入的影響。唐禮智（2009）以福建省泉州市為例，實證發(fā)現(xiàn)非正規(guī)金融與農(nóng)民純收入之間存在穩(wěn)定的正向關系[26]。高艷（2008）則認為短期內(nèi)非正規(guī)金融水平提高對農(nóng)民增收雖有一定的促進作用，但不如長期明顯[27]。胡宗義等（2012）研究發(fā)現(xiàn)：非正規(guī)金融規(guī)模的擴大和效率的提高均有利于促進農(nóng)民收入增長[28]。杜金向和董乃全（2013）研究發(fā)現(xiàn)：不同地區(qū)農(nóng)戶正規(guī)金融的信貸和非正規(guī)金融的借貸的投入與農(nóng)戶收入增長效應存在較大的差異[29]。鄒小芳和姜學勤（2014）研究發(fā)現(xiàn)：非正規(guī)金融規(guī)模和效率在短期內(nèi)會對城鄉(xiāng)收入差距均產(chǎn)生明顯的正效應，并會擴大了城鄉(xiāng)收入差距 [30]。張寧和張兵（2015）發(fā)現(xiàn)農(nóng)村非正規(guī)金融通過為低收入農(nóng)戶提供金融服務而對農(nóng)戶內(nèi)部收入差距的擴大及貧困具有緩解作用[31]。李祎雯和張兵（2016）認為在面臨信貸約束和缺乏正規(guī)金融支持的背景下，非正規(guī)金融基于信息獲取、契約執(zhí)行和交易成本優(yōu)勢，影響農(nóng)村家庭創(chuàng)業(yè)決策和創(chuàng)業(yè)動機，促進農(nóng)村家庭從生存型向經(jīng)營型轉變[32]。

不難發(fā)現(xiàn)，現(xiàn)有文獻未能充分考慮農(nóng)村正規(guī)金融與非正規(guī)金融對農(nóng)民收入影響的空間依賴性和異質(zhì)性，本文運用空間計量方法，對正規(guī)金融與非正規(guī)金融的農(nóng)民收入空間效應進行再考察，進而探討中國正規(guī)金融與非正規(guī)金融發(fā)展的空間差異性與農(nóng)民收入的區(qū)域不平衡性之間的關聯(lián)機制，尋求后發(fā)地區(qū)依靠正規(guī)金融與非正規(guī)金融發(fā)展實現(xiàn)農(nóng)戶增收的可能路徑。

三、研究設計和數(shù)據(jù)處理

（一）變量選取

本文選取全國31個省市2003年至2010年的相關數(shù)據(jù)來建立空間計量模型，其變量選取如下：

1.因變量的選取。考慮到農(nóng)民人均純收入是反映農(nóng)村經(jīng)濟發(fā)展狀況和衡量農(nóng)村居民收入水平的重要指標，本文選用農(nóng)民人均純收入（INCOME）來作為因變量。為了剔除價格因素的影響，本文用以2003年為基期的各省市2003年至2010年的農(nóng)村CPI進行平減處理。

2.自變量的選取。在我國，現(xiàn)在還沒有農(nóng)村正規(guī)與非正規(guī)金融的統(tǒng)計數(shù)據(jù)，考慮到數(shù)據(jù)的可獲得性和準確性，本文參照胡宗義等（2013）的選取方法[33]：將農(nóng)村農(nóng)戶固定資產(chǎn)投資來源中的國內(nèi)貸款以及農(nóng)村非農(nóng)戶固定資產(chǎn)投資來源中的國家預算內(nèi)資金、國內(nèi)貸款和利用外資歸為農(nóng)村正規(guī)金融范疇；將農(nóng)村農(nóng)戶固定資產(chǎn)投資和農(nóng)村非農(nóng)戶固定資產(chǎn)投資來源中的自籌資金和其他資金歸為農(nóng)村非正規(guī)金融范疇。因《中國固定資產(chǎn)統(tǒng)計年鑒》統(tǒng)計口徑發(fā)生變化，本文僅能選取2003年至2010年農(nóng)村非正規(guī)金融相關數(shù)據(jù)。用去除價格因素影響的農(nóng)村正規(guī)金融比上農(nóng)村總人口數(shù)來代表農(nóng)村正規(guī)金融發(fā)展水平（FFIR）；用去除價格因素影響的農(nóng)村非正規(guī)金融比上農(nóng)村總人口數(shù)來代表農(nóng)村非正規(guī)金融發(fā)展水平（IFIR）。另外，為了使模型更加全面和完整，本文將人均農(nóng)業(yè)財政支持（FISC）、城市化水平（URBAN）和農(nóng)村勞動力轉移（LABTR）作為控制變量加入模型。其中城市化水平用非農(nóng)人口數(shù)和總人口數(shù)的比值表示；農(nóng)村勞動力轉移用從事非農(nóng)林牧漁業(yè)的就業(yè)人口比上農(nóng)村總就業(yè)人口數(shù)來表示；人均農(nóng)業(yè)財政支持是用財政支出中的農(nóng)林水事務支出比上農(nóng)村總人口表示?？紤]到農(nóng)林水事務支出是在2007年才開始被單獨統(tǒng)計的，之前并沒有相關的數(shù)據(jù)，本文用農(nóng)業(yè)支出加林業(yè)支出加農(nóng)林水利氣象等部門事業(yè)費的總和來表示2003年至2006年的農(nóng)林水事務支出。

上述數(shù)據(jù)分別來自于2004年至2011年的《中國統(tǒng)計年鑒》和《中國固定資產(chǎn)統(tǒng)計年鑒》。另外，為了減弱異方差的影響，在建模時對上述各指標均做對數(shù)處理。

（二）空間權重矩陣的選擇

本文采用一階鄰接Rook的方法來構造空間矩陣 。具體構造方法是：若省市i和省市j相鄰，則 =1；若不相鄰，則 =0；矩陣對角線上表示的省市i和省市i本身，設為0，即 。另外，海南省四面環(huán)海，位置特殊，但是考慮到其與廣東省密切的經(jīng)濟關系，本文假定海南省和廣東省相鄰。最后，對得到的空間權重矩陣做行標準化處理。

四、實證分析

（一）空間自相關分析

根據(jù)空間計量學的原理，考慮到影響農(nóng)民收入的正規(guī)與非正規(guī)金融也可能存在空間自相關性，所以本文對農(nóng)民收入、正規(guī)與非正規(guī)金融進行空間自相關分析。

1.空間分布情況分析

本文運用OpenGeoDa軟件得到了2003年和2010年全國31個省市的農(nóng)民人均純收入、農(nóng)村正規(guī)和非正規(guī)金融發(fā)展水平的空間分布圖。圖1給出的是2003年和2010年農(nóng)民人均純收入的空間分布圖。從圖中可以看出，我國各省市的農(nóng)民收入存在一定程度的空間依賴性。從2003年到2010年，全國農(nóng)村居民收入水平的格局在大體上未發(fā)生明顯的變化，總體呈現(xiàn)東高西低、從沿海到內(nèi)陸逐漸降低的趨勢。其中，京津魯、江浙滬、粵閩為三個高收入板塊，中部地區(qū)和東北地區(qū)的農(nóng)民收入處于中間水平，西部地區(qū)的農(nóng)村居民收入最為低下。

圖2給出的是2003年和2010年農(nóng)村正規(guī)金融發(fā)展水平的空間分布圖。圖中顯示：相對于農(nóng)民人均純收入整體格局變動的不明顯，各省市農(nóng)村金融發(fā)展水平的排序發(fā)生了較為明顯的變動。其中主要表現(xiàn)為西部地區(qū)正規(guī)金融發(fā)展水平的提高，尤其像新疆、西藏、四川、重慶、寧夏、甘肅、陜西都不同程度的升級?？梢娬畬ξ鞑康貐^(qū)的金融支持得到了一定的效果，有利于完成西部大開發(fā)的戰(zhàn)略目標。

圖3描述的是2003年和2010年農(nóng)村非正規(guī)金融發(fā)展水平的空間分布圖。從2003年到2010年，我國各省市農(nóng)村非正規(guī)金融發(fā)展水平的排序變化不大，整體格局與各省市農(nóng)民收入的格局相似。發(fā)展水平較高的主要就集中在江浙滬和環(huán)渤海經(jīng)濟區(qū)，東北及中部地區(qū)發(fā)展水平次之，西部地區(qū)尤其是西南地區(qū)的發(fā)展水平相對較低。

2.全局Morans I指數(shù)檢驗

雖然通過上述分析可以了解到我國各省市農(nóng)民收入以及正規(guī)與非正規(guī)金融發(fā)展水平的空間分布情況，但是并不清楚這樣的分布是否真的具有統(tǒng)計學意義上的空間自相關性。帶著這個疑惑，本文用OpenGeoDa軟件對2003年至2010年全國31個省市的農(nóng)民人均純收入以及正規(guī)與非正規(guī)金融進行全域空間自相關檢驗。

從表2中可以看出：在2003年至2010年期間，我國農(nóng)民人均純收入的全局Morans I指數(shù)均大于0.5，而且都通過1%的顯著性檢驗，證明我國31個省市的農(nóng)民人均純收入在空間上不是隨機分布的，而是存在顯著的正向的自相關性。也就是說，我國農(nóng)村居民收入的分布具有統(tǒng)計學意義上的空間集聚特征，農(nóng)民人均純收入高的地區(qū)趨向于和農(nóng)民人均純收入高的地區(qū)集聚相鄰接；反之，則相反。同時，農(nóng)村非正規(guī)金融發(fā)展水平的也都通過了1%的顯著性檢驗，說明也存在十分顯著的自相關性，而且農(nóng)村非正規(guī)發(fā)展水平的Morans I指數(shù)的有逐年變大的趨勢，說明各省市農(nóng)村非正規(guī)金融的相互依賴關系是持續(xù)增大的。而農(nóng)村正規(guī)金融的Morans I指數(shù)（不包括2003年）雖然也都通過了1%的顯著性檢驗，但整體上不如農(nóng)民收入和非正規(guī)金融顯著，可能是受到國家政策的影響導致正規(guī)金融自相關性的改變。

3.Morans I散點圖檢驗

由于Morans I指數(shù)不能顯示局部地區(qū)的空間相關性，因此本文進一步用Morans I散點圖來分析農(nóng)民收入以及正規(guī)與非正規(guī)金融的局域空間自相關性。

圖4給出的是2003年和2010年農(nóng)村居民收入的Morans I散點圖。從圖4中可以看出，大部分點都位于第一、三象限，再一次證明了我國各省市之間的農(nóng)民人均純收入在空間上存在正相關性。另外，在2003年的時候，位于High-High型聚集區(qū)的省市有京津、江浙滬和福建，這是高收入省市和高收入鄰近省市的集群；位于Low-High型聚集區(qū)的省市有河北、江西、安徽和海南，這是低農(nóng)民收入省市和高農(nóng)民收入鄰近省市的集群；位于Low-Low型聚集區(qū)的省市有湖南、陜西、黑龍江、吉林、湖北、四川、新疆、內(nèi)蒙古、甘肅、山西、寧夏、廣西、云南、貴州、重慶、西藏、河南和青海，這是低農(nóng)民收入省市和低農(nóng)民收入鄰近省市的集群；位于High-Low聚集區(qū)的省市有山東、廣東和遼寧，這是高農(nóng)民收入省市和低農(nóng)民收入鄰近省市的集群。2010年的Morans I散點圖和2003年的基本相似，只有山東省從High-Low區(qū)轉移到了High-High區(qū)，說明在2003年至2010年期間，山東省的農(nóng)民收入對相鄰地區(qū)的農(nóng)民收入起到了促進作用，有發(fā)揮“衛(wèi)星城”的作用，帶動了周邊省市的發(fā)展。

圖5給出的是2003年和2010年各省市農(nóng)村正規(guī)金融的Morans I散點圖。在2003年時，江浙滬和京津這五個地區(qū)處于High-High型聚集區(qū)，安徽、山西、福建、重慶、黑龍江、河南、湖南、遼寧、海南處于Low-High型集聚區(qū)，吉林、湖北處于High-Low型聚集區(qū)，其余都位于Low-Low型集聚區(qū)。到2010年，位于High-High型高值聚集區(qū)有上海、江蘇、浙江、北京、天津和山東，位于Low-High聚集區(qū)的有安徽、福建和海南，位于Low-Low低值集聚區(qū)的有寧夏、四川、吉林、青海、新疆和河北。可見在2003年至2010年期間，各省市農(nóng)村正規(guī)金融的依賴情況發(fā)生了明顯的變化。

圖6給出的是2003年和2010年各省市農(nóng)村正規(guī)金融的Morans I散點圖。從2003年到2010年，各省市農(nóng)村非正規(guī)金融的依賴情況變化不大，只有山東從High-Low型聚集區(qū)轉移到High-High型聚集區(qū)，其他省市都沒有變化。其中一直位于High-High型聚集區(qū)的有江浙滬和京津冀，位于Low-High型聚集區(qū)的有安徽、福建、江西、海南，位于High-Low型聚集區(qū)的有遼寧和廣東，其余都位于Low-Low型聚集區(qū)。

從以上的圖表和分析中可以看出，我國各省市的農(nóng)村居民收入以及正規(guī)與非正規(guī)金融發(fā)展水平確實存在著明顯的空間集聚現(xiàn)象，而且地區(qū)和時間差異明顯，所以在設立模型時，應該要考慮變量的空間自相關性，用面板數(shù)據(jù)建立空間計量模型，這樣才符合實際意義。

（二）空間計量經(jīng)濟模型分析

1.平穩(wěn)性檢驗

本文選用面板數(shù)據(jù)建立空間計量模型，在建模之前，需要先對面板數(shù)據(jù)進行單位根檢驗，避免出現(xiàn)“偽回歸”的現(xiàn)象。面板數(shù)據(jù)的單位根檢驗方法有很多種，主要有Levin，Lin和CHU（2002）提出的LLC檢驗方法[34]；Im，Pesearn和Shin（2003）提出的IPS檢驗[35]，Maddala和Wu（1999），Choi（2001）提出的ADF和PP檢驗[36]等。表2給出的是LLC檢驗結果。

從表2可以看出，農(nóng)民收入、正規(guī)金融、非正規(guī)金融、城市化、勞動力轉移和農(nóng)業(yè)財政支持在1%的顯著性水平下都是顯著的，說明這六個指標是平穩(wěn)的，可直接建立模型。

2.固定效應檢驗

一般情況下，面板數(shù)據(jù)的擬合結果可分為固定效應模型和隨機效應模型。根據(jù)Baltagi（2001）的思想：當樣本的回歸分析局限在一些特定的個體時，固定效應模型應該是更好的選擇[37]；以及本文所選取數(shù)據(jù)的實際情況：本文選取的是全國31個省市的數(shù)據(jù)，不存在隨機抽樣的情況，因而本文采用固定效應模型進行分析。固定效應模型又可分為空間固定效應模型、時間固定效應模型和時空固定效應模型。空間固定效應模型反映了那些隨區(qū)位而不隨時間變化的難以預測的變量對穩(wěn)態(tài)水平的影響；時間固定效應模型反映了那些隨時間而不隨區(qū)位變化的難以預測的變量對穩(wěn)態(tài)水平的影響；時空固定效應模型反映了那些既隨時間又隨區(qū)位變化的難以預測的變量對穩(wěn)態(tài)水平的影響。一般情況下，可通過似然比檢驗（Likelihod Ratio Test，LR）來確定是否存在時間和空間上的顯著固定效應。

從表3中可以看出，時間固定效應的顯著性檢驗不能拒絕原假設，說明不存在時間上的固定效應，而空間固定效應的顯著性檢驗拒絕原假設，說明可建立空間固定效應模型。

3.模型估計與結果解釋

根據(jù)上述分析結果，本文運用Matlab的空間計量軟件包對2003年至2010年31個省市的相關數(shù)據(jù)建立空間計量面板數(shù)據(jù)模型。表4給出了空間固定效應下的空間滯后模型、空間誤差模型和空間杜賓模型的估計結果。

由前文可知，SLPDM模型和SEPDM模型都是SDPDM模型的特殊形式，而且可以通過Wald統(tǒng)計量來決定哪個模型最適合。從表6中可以看出，Wald_spatial_lag統(tǒng)計量和LR_spatial_lag統(tǒng)計量均通過1%的顯著性檢驗，拒絕原假設，說明SDPDM空間固定效應模型優(yōu)于SLPDM空間固定效應模型；Wald_spatial_error統(tǒng)計量為 26.0692，LR_spatial_error統(tǒng)計量為24.5574，P值均小于1%，也都拒絕原假設，說明SDPDM空間固定效應模型也優(yōu)于SEPDM空間固定效應模型。綜上所述，說明與SLPDM模型或SEPDM模型相比，SDPDM模型更加合適。而且從表中的擬合優(yōu)度系數(shù)R2和對數(shù)似然值Log likelihood也可以看出，SDPDM模型的擬合效果更佳。因此，本文選擇空間杜賓面板數(shù)據(jù)模型的估計結果進行分析。

農(nóng)民人均純收入的空間滯后項W*DEP.VAR.的系數(shù)顯著大于零，說明我國各省市農(nóng)民收入之間存在很強的空間依賴性，各省市的農(nóng)民收入變化并非完全獨立的，而是存在顯著為正的外溢效應，即相鄰地區(qū)農(nóng)民收入的增加會促進本地區(qū)農(nóng)民收入的增加。農(nóng)村正規(guī)金融的空間滯后項W*LN_FFIR與農(nóng)村非正規(guī)金融的空間滯后項W*LN_IFIR的系數(shù)分別為0.0381和0.1104，都通過1%的顯著性水平檢驗，表明農(nóng)村正規(guī)與非正規(guī)金融的集聚通過空間地理機制對相鄰地區(qū)的農(nóng)民收入增加起到了顯著的促進作用，即農(nóng)村金融的發(fā)展對相鄰地區(qū)農(nóng)村居民收入的增加存在顯著為正的輻射效應?？赡苁且驗楸镜貐^(qū)的金融發(fā)展帶動了相鄰地區(qū)的金融發(fā)展，從而促進農(nóng)民增收。

農(nóng)村非正規(guī)金融發(fā)展水平LN_IFIR的系數(shù)為0.0104，通過5%的顯著性檢驗，說明各省市自身的農(nóng)村非正規(guī)金融對本地區(qū)農(nóng)村居民收入具有顯著的促進作用，而農(nóng)村正規(guī)金融發(fā)展水平LN_FFIR的系數(shù)卻沒有通過顯著性檢驗，說明農(nóng)村正規(guī)金融對農(nóng)民增收只起到微弱的促進作用，其效果遠不及非正規(guī)金融顯著。據(jù)統(tǒng)計，在2003年至2010年期間，農(nóng)村居民通過非正規(guī)金融渠道融資的規(guī)模持續(xù)擴大，從2003年的8229億元增長到了2010年的26540億元，增長了三倍多，而從農(nóng)村正規(guī)金融機構獲得的貸款數(shù)量一直維持在2247億元左右，幾乎沒有波動，且2010年正規(guī)金融的融資規(guī)模僅有非正規(guī)金融的10%左右。可見與非正規(guī)金融相比，我國農(nóng)村正規(guī)金融的發(fā)展程度還是處于比較低下的水平，政府對農(nóng)村正規(guī)金融的改革力度還有待加強。

農(nóng)業(yè)財政支持LN_FISC的系數(shù)通過5%的顯著性檢驗，具體值為0.0212，說明人均農(nóng)業(yè)財政支持每增加一個標準差，有平均農(nóng)村居民收入水平的省市的農(nóng)民人均純收入就會增加2.12個百分點。說明農(nóng)業(yè)財政支出的擴大有利于農(nóng)民增收，政府應該堅持擴大財政支農(nóng)的力度，幫助改善農(nóng)村的基礎設施建設和農(nóng)村生產(chǎn)條件，從而增加農(nóng)村居民的收入，提高農(nóng)民的生活水平。

農(nóng)村勞動力轉移LN_LABTR的系數(shù)和P值都顯示：隨著農(nóng)村就業(yè)人口向非農(nóng)林牧漁業(yè)轉移，農(nóng)民收入水平會有顯著的提高，說明非農(nóng)產(chǎn)業(yè)對促進農(nóng)村經(jīng)濟發(fā)展和增加農(nóng)村居民收入具有重要的作用。農(nóng)村地區(qū)應該多發(fā)展一些第二、三產(chǎn)業(yè)，為農(nóng)村勞動力轉移創(chuàng)造機會，為拓寬農(nóng)民收入來源提供途徑。同時上述結果也從側面揭示了為什么東部地區(qū)的農(nóng)民會相對比較富裕，而以農(nóng)業(yè)為主要經(jīng)濟來源的西部地區(qū)的農(nóng)民會相對比較貧困。

城市化水平LN_URBAN的系數(shù)-0.0112，未通過顯著性檢驗，說明城市化水平對促進農(nóng)村居民增收的效果不明顯，城市化并未充分發(fā)揮對農(nóng)民收入增長的影響機制?？赡苁且驗樵?003年至210年期間，我國的城市化進程比較緩慢，沒能有效地促進農(nóng)村剩余勞動里的轉移，從而沒能促進農(nóng)民收入的增加，據(jù)統(tǒng)計，從2003年到2010年，我國的城市化率都維持在31%，沒有取得實質(zhì)性的進步。

五、結論和政策建議

本文是基于空間計量方法對正規(guī)與非正規(guī)金融對農(nóng)民收入的影響進行分析。先通過OpenGeoDa軟件對我國31個省市的農(nóng)民收入、正規(guī)與非正規(guī)金融進行空間自相關分析。結果表明：我國31個省市之間的農(nóng)民人均純收入、正規(guī)與非正規(guī)金融發(fā)展水平均存在顯著的空間自相關性。我國農(nóng)民收入呈現(xiàn)明顯的東高西低，沿海到內(nèi)陸遞減的趨勢；農(nóng)村非正規(guī)金融發(fā)展水平的整體格局與農(nóng)民收入類似，在這幾年里沒有太多變化；農(nóng)村正規(guī)金融發(fā)展水平的格局發(fā)生了較為明顯的改變，主要表現(xiàn)為西部地區(qū)農(nóng)村正規(guī)金融發(fā)展水平的提高。然后運用Matlab軟件建立空間計量面板數(shù)據(jù)模型，結果顯示：相鄰地區(qū)的農(nóng)民收入對本地區(qū)農(nóng)民收入的增加起到了顯著的促進作用，說明農(nóng)民收入的區(qū)域溢出效應明顯；鄰近地區(qū)的正規(guī)與非正規(guī)金融對本地區(qū)的農(nóng)民收入增加也有比較明顯的影響，說明農(nóng)村金融的區(qū)域輻射效應顯著。各省市自身的農(nóng)村正規(guī)與非正規(guī)金融對促進本地區(qū)農(nóng)民增收都有積極的作用，但正規(guī)金融的促進效果不如非正規(guī)金融明顯，說明以銀行為主體的正規(guī)金融體系在促進農(nóng)民收入上發(fā)揮的作用遠不及以民間借貸為主體的非正規(guī)金融體系發(fā)揮的作用。農(nóng)業(yè)財政支持和勞動力向非農(nóng)林牧漁業(yè)轉移對農(nóng)民增收均具有積極的促進作用，而城市化水平對促進農(nóng)民增收的效果不顯著?；诒疚牡姆治鼋Y果，提出以下幾點建議：

一是要加強地區(qū)之間農(nóng)村金融的合作，可以借鑒英美等國的經(jīng)驗，建立系統(tǒng)完善的金融服務體制，通過建立各種金融中介組織來提供咨詢服務，多進行信息上的互通，充分發(fā)揮農(nóng)村金融在地區(qū)之間顯著的輻射效應，使農(nóng)村金融更好地為農(nóng)村經(jīng)濟發(fā)展和農(nóng)民收入增加提供服務。

二是為了能讓農(nóng)村金融更好地服務于“三農(nóng)”，使金融資源更好地為農(nóng)村經(jīng)濟社會服務，必須努力構建一個農(nóng)村正規(guī)和非正規(guī)金融相互補充、相互協(xié)調(diào)、相互發(fā)展的金融服務體系。首先，政府應該放松管制，使更多的“地下”金融能夠浮出“水面”，引導農(nóng)村非正規(guī)金融向規(guī)范化、合法化、機構化轉變[38]；其次，建立適合農(nóng)村非正規(guī)金融發(fā)展的監(jiān)管機制，加快相關法律法規(guī)的修訂，來促進農(nóng)村非正規(guī)金融更加健康的發(fā)展；最后，要堅定不移的繼續(xù)全面的推進農(nóng)村正規(guī)金融體制的改革，加快農(nóng)村正規(guī)金融市場的發(fā)展，推出更多符合農(nóng)民需要的金融產(chǎn)品，確保農(nóng)村資金有效的回流，真正發(fā)揮農(nóng)村正規(guī)金融的職能。

三是加大對農(nóng)村地區(qū)的財政支持，貫徹落實各種反哺農(nóng)業(yè)、農(nóng)村、農(nóng)民的財政措施，促進農(nóng)村經(jīng)濟的發(fā)展，提高農(nóng)村居民的收入。在農(nóng)村地區(qū)多發(fā)展一些農(nóng)林漁牧業(yè)之外的其他產(chǎn)業(yè)，促使勞動力向生產(chǎn)效率更高的非農(nóng)部門轉移來獲取更多的報酬，從而促進收入的增加。

參考文獻

[1] 李約瑟.中國科學技術史[M].北京：科學出版社，1975.

[2] 韋伯. 儒教中國政治與中國資本主義萌芽：城市和行會.韋伯文集：文明的歷史腳步[M] .上海：上海三聯(lián)書店，1997.

[3] 林毅夫.李約瑟之謎、韋伯疑問和中國的奇跡——自宋以來的長期經(jīng)濟發(fā)展[J].北京大學學報：哲學社會科學版，2007（4）：5-22

[4] 麥金農(nóng)（ Ronald I. McKinnon）.經(jīng)濟自由化的順序： 向市場經(jīng)濟過渡中的金融控制[M].北京：中國金融出版社，1993

[5] 李勇堅，王弢. 中國“三農(nóng)”互聯(lián)網(wǎng)金融發(fā)展報告（2016）[M]. 社會科學文獻出版社，2016.

[6] 陳莎，周立.中國農(nóng)村金融地理排斥的空間差異——基于“金融密度”衡量指標體系的研究[J].銀行家，2012（7）：106-109.

[7] Robert J. Shiller.Finance and the Good Society[M]. Princeton University Press，2012.

[8] 林毅夫，孫希芳，姜燁.經(jīng)濟發(fā)展中的最優(yōu)金融結構理論初探[J].經(jīng)濟研究，2009，44（8）： 4-17.

[9] Goldsmith， R.W. （1969）. Financial Structure and Development， New haven， U.S.， Yale University Press.

[10] King， R.G.， Levine， R. （1993）. “Finance and Growth： Schumpeter Might Be Right，” Quar-terly Journal of Economics， 108（3）， 717–738.

[11] Levine， R.， Zervos， S. （1998）. “Stock Markets， Banks， and Economic Growth.” American Economic Review， 88（3）， 537–558.

[12] Levine， R.， Loayza， N.， Beck， T. （2000）. “Financial Intermediation and Growth： Causality and Causes.” Journal of Monetary Economics， 46（1）， 31–77.

[13] Hans P. B， Shahidur R. K. The impact of formal finance on the rural economy of India[J]. The Journal of Development Studies， 1995， 32（2）.

[14] Davide C.Shocks and credit choice in Southern Ethiopia[J].Agricultural Finance Review， 2014， 74（1）： 87-114.

[15] Dolla P L. Microfinance and investment： a comparison with bank and informal lending[J]. World development， 2011， 39（6）： 882-897.

[16] Kar M， Nazlioglu S， Agir H. Financial Development and Economic Growth Nexus in the MENA Countries： Bootstrap Panel Granger Causality Analysis[J]. Economic Modelling， 2011， 28（12）： 685-693.

[17] Jia Xiangping，Hedues F，Zeller M.Credit rationing of rural households in China[J]. Agricultural Finance Review， 2010， 70（1）： 37-54.

[18] 許崇正， 高希武. 農(nóng)村金融對增加農(nóng)民收入支持狀況的實證分析[J]. 金融研究， 2005（9）.

[19] 譚燕芝. 農(nóng)村金融發(fā)展與農(nóng)民收人增長之關系的實證分析： 1978—2007[J]. 上海經(jīng)濟研究， 2009（4）.

[20] 錢水土， 周永濤. 農(nóng)村金融發(fā)展影響農(nóng)民收入增長的機制研究[J]. 金融理論與實踐， 2011（2）.

[21] 劉旦.我國農(nóng)村金融發(fā)展效率與農(nóng)民收入增長[J]. 山西財經(jīng)大學學報， 2007（1）.

[22] 杜興端， 楊少壘. 農(nóng)村金融發(fā)展與農(nóng)民收入增長關系的實證分析[J]. 統(tǒng)計與決策， 2011（9）.

[23] 劉玉春， 修長柏. 農(nóng)村金融發(fā)展、農(nóng)業(yè)科技進步與農(nóng)民收入增長[J]. 農(nóng)業(yè)技術經(jīng)濟， 2013（9）.

[24] 龐志強， 仇菲菲. 我國農(nóng)村金融發(fā)展與農(nóng)民增收的灰關聯(lián)分析[J]. 統(tǒng)計教育， 2007（11）.

[25] 婁永躍. 農(nóng)村金融發(fā)展與農(nóng)民收入增長問題研究[J]. 金融理論與實踐， 2010（5）.

[26] 唐禮智. 農(nóng)村非正規(guī)金融對農(nóng)民收入增長影響的實證分析[J]. 農(nóng)業(yè)經(jīng)濟問題， 2009（4）.

[27] 高艷. 農(nóng)村非正規(guī)金融對農(nóng)民收入增長支持的實證分析[J]. 南京財經(jīng)大學學報， 2008（2）.

[28] 胡宗義，唐李偉，蘇靜.農(nóng)村非正規(guī)金融發(fā)展對農(nóng)民收入差異影響的實證研究[J]. 廣東金融學院學報，2012（3）.

[29] 杜金向，董乃全.農(nóng)村正規(guī)金融、非正規(guī)金融與農(nóng)戶收入增長效應的地區(qū)性差異實證研究——基于農(nóng)村固定點調(diào)查1986-2009年微觀面板數(shù)據(jù)的分析[J].管理評論，2013，25（3）： 18-26.

[30] 鄒小芳，姜學勤.我國非正規(guī)金融發(fā)展對城鄉(xiāng)收入差距影響的實證分析[J].學術論壇，2014（8）：94-98.

[31] 張寧，張兵.農(nóng)村非正規(guī)金融、農(nóng)戶內(nèi)部收入差距與貧困[J].經(jīng)濟科學，2015（1）：53-65.

[32] 李祎雯，張兵.非正規(guī)金融對農(nóng)村家庭創(chuàng)業(yè)的影響機制研究[J].經(jīng)濟科學，2016（2）： 93-105

[33] 胡宗義，李鵬. 農(nóng)村正規(guī)與非正規(guī)金融對城鄉(xiāng)收入差距影響的空間計量分析[J]. 當代經(jīng)濟科學， 2013（2）.

[34] Levin.A.， C.F.Lin. Unit Root Tests in Panel Data： Asymptotic and Finite Sample Properties[C]. UC San Diego. Working Paper， 1992. 92-93.

[35] Im K.S.， M.H.Pesaran， Y.Shin. Testing for Unit Roots in Heterogeneous Panels[J]. Journal of Econometrics， 2003， 115： 53-74.

[36] Maddala G.S.，Wu Shaowen，1999. Acomparative Study of Unit Root Tests with Panel Data and a New Simple Test[J]. Oxford Bulletin of Economics and Statistics，1999，61：631-652.

[37] Baltagi， B.H. Econometric Analysis of Panel Data， 2nd ed.， John Wiley&Sons， 2001： 45-100.

[38] 全臻；全承相；全永海.特惠金融扶貧信貸的風險控制[J].湖湘論壇， 2016（2）： 73-76.