劉亦文 歐陽瑩 丁攀

摘? ?要：基于正規(guī)金融滿足推算法科學(xué)測算2008—2018年中國31個省份農(nóng)村非正規(guī)金融發(fā)展規(guī)模，運用探索性空間統(tǒng)計分析法（ESDA）以及σ收斂與β收斂法揭示中國農(nóng)村非正規(guī)金融發(fā)展的時空演變特征。研究發(fā)現(xiàn)：中國農(nóng)村非正規(guī)金融整體發(fā)展水平不高，2008—2018年中國農(nóng)村非正規(guī)金融規(guī)模為1219—4557億元之間，具有全局自相關(guān)顯著而局部自相關(guān)不顯著的特點，各地區(qū)存在逆向的σ收斂和條件β收斂，條件β收斂的速度為西部最大，中部次之，東部最小;在中部和西部地區(qū)存在絕對β收斂，在全國與東部地區(qū)存在絕對β收斂的跡象;農(nóng)業(yè)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、自然災(zāi)害、農(nóng)村人均產(chǎn)值、農(nóng)村居民人均消費性支出及農(nóng)村家庭基尼系數(shù)等因素對農(nóng)村非正規(guī)金融的發(fā)展有著顯著的影響。

關(guān)鍵詞：非正規(guī)金融;正規(guī)金融滿足推算法;空間計量模型

DOI：10.3969/j.issn.1003-9031.2022.03.002

中圖分類號：F832? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A? 文章編號：1003-9031（2022）03-0010-16

一、引言

金融服務(wù)“三農(nóng)”高質(zhì)量發(fā)展是一個世界性難題。作為一個農(nóng)業(yè)大國，中國農(nóng)村金融發(fā)展及支農(nóng)效用備受決策層和理論界的高度關(guān)注。2004—2022年間，中國政府連續(xù)十九年在中央一號文件對“三農(nóng)”和鄉(xiāng)村振興問題予以戰(zhàn)略部署，其中農(nóng)村金融問題得到黨與國家的高度關(guān)注與重視。當(dāng)前，中國金融體系存在著兩個明顯的二元結(jié)構(gòu)：一是因城鄉(xiāng)差別而產(chǎn)生的城鄉(xiāng)二元金融結(jié)構(gòu)，二是因監(jiān)管制度而產(chǎn)生的正規(guī)金融與非正規(guī)金融并存的二元金融市場。這種雙二元結(jié)構(gòu)造成了金融資源在城鄉(xiāng)之間配置的不公平，形成對農(nóng)民、農(nóng)業(yè)和農(nóng)村的金融排斥，為非正規(guī)金融發(fā)展提供了深厚的生存土壤。非正規(guī)金融是指在政府批準(zhǔn)并進(jìn)行監(jiān)管的金融活動（正規(guī)金融）之外所存在的游離于現(xiàn)行制度法規(guī)邊緣的金融行為。正規(guī)金融通過向國有銀行等正規(guī)渠道進(jìn)行融資的活動，而非正規(guī)金融則是通過非正規(guī)渠道進(jìn)行融資的活動，最為典型的便是“民間借貸”。由于正規(guī)金融渠道融資有著審批程序繁雜、擔(dān)保要求嚴(yán)格及周期長等高門檻，農(nóng)戶很難通過正規(guī)金融渠道進(jìn)行融資，其資金需求難以得到滿足。而非正規(guī)金融的出現(xiàn)恰好填補了這一缺口，以其審批要求與交易流程簡單、周期短及貼切農(nóng)村經(jīng)濟(jì)發(fā)展的實際需要等優(yōu)越性而獲得不斷發(fā)展壯大。

近年來，黨和國家越來越重視農(nóng)村金融的發(fā)展與創(chuàng)新，大力發(fā)展普惠金融、建設(shè)普惠金融體系，而農(nóng)村非正規(guī)金融的陽光化、規(guī)范化是建設(shè)普惠金融體系的重要課題。由于不同地區(qū)農(nóng)村非正規(guī)金融發(fā)展的基礎(chǔ)條件存在顯著差異，中國農(nóng)村非正規(guī)金融發(fā)展速度和規(guī)模也存在明顯的區(qū)域非均衡特征，空間分異特征較為突出?？茖W(xué)合理地判定中國農(nóng)村非正規(guī)金融發(fā)展水平和態(tài)勢，選擇適宜的農(nóng)村非正規(guī)金融發(fā)展策略，需要通過深入分析和把握農(nóng)村非正規(guī)金融發(fā)展的區(qū)域差異、演化趨勢和內(nèi)在規(guī)律等問題。因此，研究中國農(nóng)村非正規(guī)金融的發(fā)展水平及其影響因素，對于政府正確對待農(nóng)村非正規(guī)金融的存在并利用農(nóng)村非正規(guī)金融在農(nóng)村扶貧減貧、縮小城鄉(xiāng)差距等方面發(fā)揮作用具有重要的參考價值。

二、文獻(xiàn)綜述

農(nóng)村非正規(guī)金融作為區(qū)域金融的重要組成部分，備受國內(nèi)外學(xué)者的關(guān)注，對于非正規(guī)金融產(chǎn)生的原因，國內(nèi)外學(xué)者提出了“外生說”和“內(nèi)生說”兩種說法?！巴馍f”認(rèn)為非正規(guī)金融產(chǎn)生原因是由于外部制度的不合理所造成。Gupta&Chaudhuri（1997）調(diào)查發(fā)現(xiàn)，農(nóng)村正規(guī)金融機構(gòu)的代理人，常常會不按時發(fā)放貸款，促使人們向另一渠道融通資金，這便產(chǎn)生了非正規(guī)金融;Mckinnon（1973）指出，金融抑制所帶來的一系列后果引發(fā)了非正規(guī)金融的產(chǎn)生;Isaksson（2002）表明非正規(guī)金融正是由于國家外在制度的不合理以及金融抑制的雙重影響，從而激生出的一種產(chǎn)物，而國家制定的政策中對于金融資源配置的不平等所導(dǎo)致的所有制歧視也使非正規(guī)金融得到發(fā)展。林毅夫等（2009）研究表明：由于中國金融抑制的存在，導(dǎo)致農(nóng)村中小企業(yè)在發(fā)展過程中所需資金無法從正規(guī)金融渠道得到滿足，從而促進(jìn)了非正規(guī)金融的產(chǎn)生與發(fā)展。顧海峰（2013）認(rèn)為，由于中國正規(guī)金融供給不足而導(dǎo)致了非正規(guī)金融的產(chǎn)生?！皟?nèi)生說”則將非正規(guī)金融的產(chǎn)生歸因于金融市場信息的不對稱。Hoff&Stiglitz（1990）則通過一個信貸配給模型證明了非正規(guī)金融是由內(nèi)生性原因激發(fā)產(chǎn)生，認(rèn)為農(nóng)村非正規(guī)金融是在金融市場信息不對稱的背景下，農(nóng)戶和中小企業(yè)自主選擇的結(jié)果;Turvey等（2010）對農(nóng)村非正規(guī)金融進(jìn)行調(diào)查發(fā)現(xiàn)，很多農(nóng)戶和農(nóng)村小微企業(yè)十分頻繁使用這個渠道進(jìn)行融資。劉民權(quán)等（2003）指出由于信息不對稱滋生的道德風(fēng)險和逆向選擇促進(jìn)了非正規(guī)金融的產(chǎn)生;蘇士儒和段成東（2006）將制度經(jīng)濟(jì)學(xué)加以運用，論證非正規(guī)金融是內(nèi)生性制度安排的結(jié)果;姚耀軍（2009）研究發(fā)現(xiàn)非正規(guī)金融是由于社會中的各方面進(jìn)行博弈合作，共同發(fā)展所引起。此外，也有學(xué)者同時從內(nèi)生和外生視角出發(fā)研究非正規(guī)金融，劉純彬和桑鐵柱（2010）研究表明，農(nóng)村非正規(guī)金融產(chǎn)生的外生原因是農(nóng)村正規(guī)金融支持力度不足以及發(fā)展滯后，內(nèi)生原因是由于正規(guī)金融的限制導(dǎo)致農(nóng)村金融需求主體轉(zhuǎn)而向非正規(guī)金融尋求融資。

中國學(xué)者對于農(nóng)村非正規(guī)金融的發(fā)展效應(yīng)研究大多是分析農(nóng)村非正規(guī)金融對農(nóng)村居民收入、貧困減緩或是對城鄉(xiāng)居民收入差距的影響，胡宗義等（2016）研究了農(nóng)村非正規(guī)金融發(fā)展對農(nóng)民收入的影響，發(fā)現(xiàn)農(nóng)村非正規(guī)金融的擴大能促進(jìn)農(nóng)民增收;張夢緣等（2017）運用門檻回歸模型研究了農(nóng)村非正規(guī)金融發(fā)展對收入、教育、醫(yī)療等多維度貧困的非線性影響，發(fā)現(xiàn)農(nóng)村非正規(guī)金融存在多維減貧的作用;邱洋冬（2019）采用面板平滑轉(zhuǎn)換模型探究了中國農(nóng)村非正規(guī)金融發(fā)展影響城鄉(xiāng)收入差距的門檻特征;李瑋和吳平（2019）運用混合回歸模型與分樣本回歸的分析方法探究了正規(guī)與非正規(guī)金融對城鄉(xiāng)居民消費的影響，研究發(fā)現(xiàn)城鎮(zhèn)地區(qū)正規(guī)金融對居民消費的作用更為顯著，而農(nóng)村地區(qū)非正規(guī)金融則是居民融資的主要來源。還有學(xué)者引入空間概念，運用空間計量的研究方法對農(nóng)村非正規(guī)金融展開研究，胡宗義等（2013）采用空間計量的方法研究了農(nóng)村正規(guī)與非正規(guī)金融對城鄉(xiāng)收入差距的影響，研究發(fā)現(xiàn)農(nóng)村非正規(guī)金融的空間變量對縮減城鄉(xiāng)收入差距的影響顯著，胡宗義等（2014）又對中國農(nóng)村非正規(guī)金融2003—2010年發(fā)展的空間收斂性進(jìn)行研究，發(fā)現(xiàn)中國農(nóng)村非正規(guī)金融的發(fā)展存條件收斂而不存在絕對收斂。

對農(nóng)村非正規(guī)金融展開研究的第一步就是要對農(nóng)村非正規(guī)金融發(fā)展規(guī)模進(jìn)行量化評估，而關(guān)于農(nóng)村非正規(guī)金融發(fā)展規(guī)模的計算，學(xué)術(shù)界并未有一個統(tǒng)一的標(biāo)準(zhǔn)，主流的計算方法主要有以下幾種：一是推算法，這是基于當(dāng)前公開可得的相關(guān)金融數(shù)據(jù)的前提下，利用一定的經(jīng)濟(jì)關(guān)系來推算出非正規(guī)金融水平。冉光和、湯芳樺（2012）通過各省全社會固定資產(chǎn)投資按資金來源劃分中的自籌資金和其他資金占全社會固定資產(chǎn)投資的比例來計算非正規(guī)金融的發(fā)展規(guī)模。二是正規(guī)金融滿足率推算法，胡宗義等（2013）則將農(nóng)村非農(nóng)戶投資中國家預(yù)算內(nèi)資金、國內(nèi)貸款和利用外資部分以及農(nóng)村農(nóng)戶投資中的國內(nèi)貸款部分之和視為農(nóng)村正規(guī)金融，將農(nóng)村非農(nóng)戶投資中和農(nóng)戶投資中的自籌資金和其他資金之和視為農(nóng)村非正規(guī)金融，并應(yīng)用相應(yīng)的公式計算出農(nóng)村非正規(guī)金融規(guī)模。三是供求軋壓法與投入產(chǎn)出核算法，郭沛（2004）利用供求軋差的思想，計算出農(nóng)村個私企業(yè)非正規(guī)外源融資值，再將農(nóng)村個私企業(yè)非正規(guī)外源融資和農(nóng)戶非正規(guī)融資相加得到農(nóng)村非正規(guī)金融的規(guī)模值。

本文采用正規(guī)金融滿足率推算法對中國各省農(nóng)村非正規(guī)金融規(guī)模進(jìn)行測算，再結(jié)合空間計量方法探索中國各省農(nóng)村非正規(guī)金融規(guī)模的動態(tài)變化與空間斂散性。基于2008—2018年中國31個省份農(nóng)村非正規(guī)金融規(guī)模數(shù)據(jù)，測算出各年份農(nóng)村非正規(guī)金融的全局Morans I，繪制出各省各年份的Moran散點圖和LISA集聚圖等來探索各省份基尼系數(shù)的空間分布特征，最后從宏觀與微觀兩個層面運用空間計量模型探究影響農(nóng)村非正規(guī)金融發(fā)展的因素。

三、農(nóng)村非正規(guī)金融發(fā)展規(guī)模測度與省際差異分析

（一）農(nóng)村非正規(guī)金融發(fā)展測度方法與規(guī)模估算

本文使用正規(guī)金融滿足率推算法計算農(nóng)村非正規(guī)金融發(fā)展水平。定義Sgdpf為正規(guī)金融機構(gòu)貸款對GDP的支持程度，Sgdpf=金融機構(gòu)未償還短期貸款/農(nóng)業(yè)產(chǎn)值，Sgdpf為農(nóng)戶單位創(chuàng)造的GDP，Sgdprf =未償還的農(nóng)戶貸款/農(nóng)業(yè)產(chǎn)值，則正規(guī)金融滿足率Srf=Sgdprf / Sgdpf。農(nóng)村非正規(guī)金融的測算公式為：INr=Sgdpf*Yr*（1-Srf），其中，Yr為農(nóng)業(yè)產(chǎn)值，用金融機構(gòu)的人民幣境內(nèi)短期貸款占全部貸款的比重t將農(nóng)村非正規(guī)金融測算公式調(diào)整為TINr=INr / t。數(shù)據(jù)來源如下：各省金融機構(gòu)未償還短期貸款、農(nóng)業(yè)產(chǎn)值、金融機構(gòu)的人民幣境內(nèi)短期貸款及金融機構(gòu)的人民幣境內(nèi)全部貸款由EPS數(shù)據(jù)系統(tǒng)和國家統(tǒng)計局?jǐn)?shù)據(jù)庫獲取;各省的農(nóng)戶貸款來自于中國人民銀行偶數(shù)年發(fā)表的《中國農(nóng)村金融服務(wù)報告》，由于該報告從2008年才開始發(fā)布，且只有在偶數(shù)年有相關(guān)數(shù)據(jù)，2008年無分省數(shù)據(jù)，因此2008、2009、2011、2013年的數(shù)據(jù)是由中國人民銀行每年發(fā)布的《金融機構(gòu)貸款投向統(tǒng)計報告》中公開的農(nóng)戶貸款的同比增速反向計算，2017年與2019年發(fā)布的《中國農(nóng)村金融服務(wù)報告2016》《中國農(nóng)村金融服務(wù)報告2018》中不僅公布了各省的農(nóng)戶貸款，還公布了各省農(nóng)戶貸款相比上一年的同比增長率，故而2015、2017年數(shù)據(jù)由各省農(nóng)戶貸款的同比增長率分別反向計算，計算結(jié)果見表1。

（二）省域農(nóng)村非正規(guī)金融發(fā)展現(xiàn)狀分析

由圖1可知，中國東北與西南各省平均農(nóng)村非正規(guī)金融規(guī)模較大，東南沿海地區(qū)及部分中西部地區(qū)各省農(nóng)村非正規(guī)金融尚未得到較大的發(fā)展。其中，黑龍江、遼寧、新疆、云南、四川、湖北、廣西、廣東、海南、上海等10個省（市、自治區(qū)）農(nóng)村非正規(guī)金融規(guī)模最大;內(nèi)蒙古、吉林、河北、北京、天津、河南、陜西、安徽、青海、重慶、貴州等11個?。ㄊ?、自治區(qū)）次之;山東、山西、江蘇、浙江、江西、湖南、福建、西藏、甘肅及寧夏等10個?。ㄊ小⒆灾螀^(qū)）農(nóng)村非正規(guī)金融規(guī)模最小。

按照中國三大經(jīng)濟(jì)帶劃分來看，東部地區(qū)五?。ㄟ|、桂、粵、瓊、滬）、西部地區(qū)三?。ㄐ?、云、川）及中部地區(qū)兩?。ê?、鄂）2008—2018年農(nóng)村非正規(guī)金融平均規(guī)模為1218.60億元至4556.75億元;中部地區(qū)六?。?、吉、豫、晥、晉、冀）、西部地區(qū)六省（陜、青、渝、貴、藏、陜）及東部地區(qū)五?。ň⒔?、蘇、閩、魯）2008—2018年農(nóng)村非正規(guī)金融平均規(guī)模為-2628.52至1218.60億元之間;東部地區(qū)浙江省以及中部地區(qū)的湖南省與江西省2008—2018年農(nóng)村非正規(guī)金融平均規(guī)模為-8928.37億元至-2628.52億元。結(jié)合三大經(jīng)濟(jì)地區(qū)的經(jīng)濟(jì)發(fā)展水平來看，經(jīng)濟(jì)較發(fā)達(dá)的東部地區(qū)與經(jīng)濟(jì)欠發(fā)達(dá)的西部地區(qū)農(nóng)村非正規(guī)金融的平均規(guī)模位于第一梯隊（農(nóng)村非正規(guī)金融平均規(guī)模為1218.6億元至4556.75億元）的省份較多，而東部地區(qū)省份與西部地區(qū)省份農(nóng)村非正規(guī)金融規(guī)模大的原因卻不盡相同，東部地區(qū)是因為金融設(shè)施完善，金融業(yè)整體發(fā)展水平高、基數(shù)大，故而非正規(guī)金融雖占比小卻規(guī)模大;西部地區(qū)則是因為正規(guī)金融設(shè)施并不完善，故而農(nóng)村非正規(guī)金融占比高且規(guī)模大。

（三）農(nóng)村非正規(guī)金融發(fā)展水平省域差異分析

由表2可知，中國2008—2018年平均農(nóng)村非正規(guī)金融規(guī)模排名前十位的省份分別是新疆、海南、湖北、黑龍江、廣東、四川、云南、遼寧、重慶與廣西，其中排名第一的新疆的農(nóng)村非正規(guī)金融規(guī)模達(dá)4556.76億元，東部地區(qū)占三?。ō?、粵、遼），西部地區(qū)占五?。ㄐ?、川、云、桂、渝），中部地區(qū)占兩省（鄂、黑）;排名后十位的分別是西藏、山東、安徽、甘肅、江蘇、山西、福建、湖南、江西與浙江，從排名第21位的寧夏開始，而后各省農(nóng)村非正規(guī)金融規(guī)模皆為負(fù)值，其中排名最末的的浙江省農(nóng)村非正規(guī)金融規(guī)模為-8938.37億元，東部地區(qū)占四省（蘇、魯、閩、浙），西部地區(qū)占兩?。ú亍⒏剩?，中部地區(qū)占四?。〞x、贛、湘、皖）。此外，中國各省2008—2018年農(nóng)村非正規(guī)金融變化幅度排名前十位的分別是江西、黑龍江、山西、浙江、新疆、青海、海南、遼寧、云南、貴州，其中變化幅度最大的江西省2008—2018年農(nóng)村非正規(guī)金融規(guī)模有著1360528.80%的超大增幅，西部地區(qū)占四?。ㄐ?、青、云、貴），東部地區(qū)占三?。ㄕ?、瓊、遼），中部地區(qū)占四省（贛、晉、黑）;排名后十位的分別是河北、內(nèi)蒙古、河南、甘肅、山東、安徽、江蘇、西藏、湖南與福建，其中變化幅度最大的福建省2008-2018年農(nóng)村非正規(guī)金融規(guī)模有著-2711.33%的減幅，東部地區(qū)占六?。健⒚?、豫、魯、蘇、閩），中部地區(qū)占兩?。ㄍ睢⑾妫?，西部地區(qū)占兩省（甘、藏）。從排名18的河南省開始，往后各省2008-2018年農(nóng)村非正規(guī)金融規(guī)模都呈現(xiàn)出一定程度的下降。

綜上可知：第一，整體而言，中國農(nóng)村非正規(guī)金融發(fā)展水平并不高，有近三分之一省份2008—2018年平均農(nóng)村非正規(guī)金融規(guī)模為負(fù)，有近二分之一的省份2008—2018年農(nóng)村非正規(guī)金融規(guī)模呈現(xiàn)下降狀態(tài);第二，經(jīng)濟(jì)發(fā)展水平較高的東部地區(qū)部分省份與經(jīng)濟(jì)欠發(fā)達(dá)西部地區(qū)部分省份的農(nóng)村非正規(guī)金融的平均規(guī)模大的省份較多，但經(jīng)濟(jì)發(fā)展水平較高的東部地區(qū)部分省份農(nóng)村非正規(guī)金融規(guī)模的增幅往往比較小，甚至為負(fù)，經(jīng)濟(jì)欠發(fā)達(dá)西部地區(qū)部分省份的農(nóng)村非正規(guī)金融規(guī)模的增幅往往比較大，農(nóng)村非正規(guī)金融的發(fā)展速度較快。

（四）農(nóng)村非正規(guī)金融發(fā)展水平地區(qū)差異分析

由表3可知，2008—2018年全國平均農(nóng)村非正規(guī)金融規(guī)模為593.09億元，西部地區(qū)平均農(nóng)村非正規(guī)金融規(guī)模排名第一，達(dá)1428.63億元，遠(yuǎn)高于全國平均水平，中部地區(qū)與東部地區(qū)平均農(nóng)村非正規(guī)金融規(guī)模分別排名第二、第三，兩者皆低于全國平均水平，中部地區(qū)的平均農(nóng)村非正規(guī)金融規(guī)模為202.65億元，而東部地區(qū)的平均農(nóng)村非正規(guī)金融規(guī)模僅為76.99億元;就變化幅度而言，西部地區(qū)增幅最大，農(nóng)村非正規(guī)金融規(guī)模呈現(xiàn)為正增長，而中部與東部地區(qū)農(nóng)村非正規(guī)金融則皆為負(fù)增長，且其負(fù)增長幅度都高于全國平均水平，東部地區(qū)農(nóng)村非正規(guī)金融負(fù)增長幅度更是高達(dá)-523.54% 。這說明分地區(qū)來看，2008—2018年中國西部地區(qū)農(nóng)村非正規(guī)金融平均規(guī)模最大，其非正規(guī)金融的增長速度也是最快的，而中部地區(qū)與東部地區(qū)平均農(nóng)村非正規(guī)金融規(guī)模較小，且呈現(xiàn)出負(fù)增長，東部地區(qū)農(nóng)村非正規(guī)金融的負(fù)增長幅度較大。

四、農(nóng)村非正規(guī)金融發(fā)展的空間相關(guān)性分析

基于以上數(shù)據(jù)，運用GeoDa軟件對中國31個省份2008—2018年農(nóng)村非正規(guī)金融發(fā)展規(guī)模數(shù)據(jù)進(jìn)行全局空間分析與局部空間分析。

（一）農(nóng)村非正規(guī)金融全局空間分析

全局Morans I最早應(yīng)用于檢驗空間關(guān)聯(lián)性和集聚問題的探索性空間分析的指標(biāo)，它能夠反映整個研究區(qū)域內(nèi)，各個地域單元與鄰近單元之間的相似性，其計算公式如下：

其中，I表示全局Morans I，x表示各省非正規(guī)金融發(fā)展規(guī)模，w表示空間權(quán)重矩陣，S=（x-）2，=x，本文選擇基于Rook的空間鄰接方式。

全局Morans I的取值范圍是[-1，1]。I>0表示空間正相關(guān)，即各省農(nóng)村非正規(guī)金融發(fā)展規(guī)模較高（低）的區(qū)域在空間上趨于顯著集聚相鄰，農(nóng)村非正規(guī)金融發(fā)展規(guī)模大（?。┑氖》菹噜?I<0表示空間負(fù)相關(guān)，即各省農(nóng)村非正規(guī)金融發(fā)展規(guī)模具有空間差異，非正規(guī)金融規(guī)模大（?。┑氖》莶幌噜?I=0表示空間不相關(guān)，各省農(nóng)村非正規(guī)金融在空間上隨機分布。

由圖2與表4可知，2016年以前，中國31個省份農(nóng)村非正規(guī)金融全局Morans I指數(shù)皆未通過顯著性檢驗，而2016年及以后年份，中國農(nóng)村非正規(guī)金融全局Morans I指數(shù)皆大于0且通過10%的顯著性檢驗，這說明中國31個省份農(nóng)村非正規(guī)金融2016—2018年在空間上具有較為明顯的正相關(guān)性，也就是說中國31個省農(nóng)村非正規(guī)金融發(fā)展規(guī)模大小會受到鄰近省份農(nóng)村非正規(guī)金融發(fā)展規(guī)模大小的影響;從Morans I的變化趨勢來看，2008—2012年Morans I指數(shù)逐年下降，并在2012年跌為負(fù)值;2012—2018年Morans I指數(shù)則呈上升趨勢，2016—2018年Morans I指數(shù)皆為正且越來越顯著，這說明2016年以后中國31個省農(nóng)村非正規(guī)金融的空間集聚效應(yīng)越來越強，各省農(nóng)村非正規(guī)金融存在越來越顯著的空間正相關(guān)性。

（二）農(nóng)村非正規(guī)金融局部空間分析

在LISA 集聚圖中，HH象限代表該省農(nóng)村非正規(guī)金融規(guī)模及其周邊省份農(nóng)村非正規(guī)金融規(guī)模都很大，二者空間差異程度較小;LL象限代表該省農(nóng)村非正規(guī)金融規(guī)模及其周邊省份農(nóng)村非正規(guī)金融規(guī)模都很小，二者空間差異程度也較小;HL象限代表該省農(nóng)村非正規(guī)金融規(guī)模較大而其周邊省份農(nóng)村非正規(guī)金融規(guī)模則較小，二者空間差異程度較大;LH象限代表農(nóng)村非正規(guī)金融規(guī)模較小，而其周邊省份農(nóng)村非正規(guī)金融規(guī)模較大，二者空間差異程度較大。

整體來看，中國31個省份2008—2018年農(nóng)村非正規(guī)金融的局部空間相關(guān)性的演化可以分為兩個階段，2008—2012年為一個階段，在這一階段中，大多數(shù)年份重慶位于HH象限，上海位于LL象限，貴州、湖南及西藏位于LH象限，其中位于HH象限的省份屬于西部地區(qū)，位于LL象限的省份屬于東部地區(qū)，位于LH象限的省份屬于西部地區(qū)和中部地區(qū);2013—2017年為第二個階段，在此期間，大多數(shù)年份浙江、江西、福建、安徽、江蘇位于LL象限，上海位于HL象限，西藏位于LH象限，其中LL象限的省份屬于東部地區(qū)與中部地區(qū)，LH象限的省份屬于西部地區(qū)。從局部來看，2008—2011年重慶市始終處于HH象限，這說明重慶市在2008—2011年時段農(nóng)村非正規(guī)金融規(guī)模較大，且其周邊的省份諸如四川、云南等農(nóng)村非正規(guī)金融規(guī)模也比較大，重慶市與其周邊各省在空間上集聚;2008—2012年多數(shù)年份中，上海市始終位于LL象限，而2013年以后上海市則變動到HL象限，這說明2013年以前上海市及其周邊的省市區(qū)農(nóng)村非正規(guī)金融規(guī)模較小，而自2013年開始，上海農(nóng)村非正規(guī)金融得到一定程度的發(fā)展，其發(fā)展規(guī)模開始超越周邊省份，最終形成HL型空間集聚;2014—2018年浙江、江西、福建、安徽及江蘇等省處于LL象限，這說明這些時段中，浙江、江西、福建、安徽及江蘇等省與其周邊省份的農(nóng)村非正規(guī)金融規(guī)模都比較小，且在空間上形成集聚;貴州與湖南2008—2011年及西藏2011—2016年多數(shù)年份始終處于LH象限，這說明這些年份貴州、湖南及西藏農(nóng)村非正規(guī)金融發(fā)展規(guī)模相較于周邊各省處于一個較低的水平，故而形成了一個LH型集聚區(qū)。值得注意的是，2017年與2018年西藏由原來的LH象限變化到HH象限，這說明西藏2017年以來農(nóng)村非正規(guī)金融得到了很大的發(fā)展，從低于周邊各省的規(guī)模發(fā)展到可比周邊省份的規(guī)模，形成 HH型集聚區(qū)。

總的來說，中國各?。ㄊ小⒆灾螀^(qū)）存在局部空間集聚，具有局部空間相關(guān)性，當(dāng)然也存在部分省份的局部自相關(guān)并不顯著，存在一定的空間差異性。

五、農(nóng)村非正規(guī)金融收斂性分析

（一）σ收斂

若農(nóng)村非正規(guī)金融發(fā)展規(guī)模的離差隨著時間的推移而下降，則稱存在σ收斂。本文運用各省歷年非正規(guī)金融發(fā)展規(guī)模的標(biāo)準(zhǔn)差來判斷各省非正規(guī)金融是否存在σ收斂，標(biāo)準(zhǔn)差的計算公式如下：

其中，N為樣本總數(shù)，xi為樣本值，為樣本均值，依據(jù)式（2）得出全國、東部、中部和西部地區(qū)非正規(guī)金融發(fā)展規(guī)模的標(biāo)準(zhǔn)差，并繪制成圖3。

由圖3可知，全國、東部地區(qū)、中部地區(qū)及西部地區(qū)的農(nóng)村非正規(guī)金融發(fā)展規(guī)模的標(biāo)準(zhǔn)差均隨著時間的推移而上升，其中東部地區(qū)上升的幅度最大，遠(yuǎn)高于全國水平，中部地區(qū)次之，西部地區(qū)最小。這說明中國各地區(qū)的農(nóng)村非正規(guī)金融存在較為明顯的逆σ收斂。具體來說東部地區(qū)農(nóng)村非正規(guī)金融發(fā)展規(guī)模的標(biāo)準(zhǔn)差從847.38上升至8195.50，中部地區(qū)農(nóng)村非正規(guī)金融發(fā)展規(guī)模的標(biāo)準(zhǔn)差由654.44上升至5029.19，西部地區(qū)農(nóng)村非正規(guī)金融發(fā)展規(guī)模的標(biāo)準(zhǔn)差由609.67上升至2809.18，全國整體農(nóng)村非正規(guī)金融發(fā)展規(guī)模的標(biāo)準(zhǔn)差由717.03上升到6234.38。

（二）β收斂

β收斂是指不同經(jīng)濟(jì)變量的增長率與其初始水平的關(guān)系是負(fù)相關(guān)的，可分為絕對β收斂與條件β收斂，絕對β收斂是指假定各省宏觀經(jīng)濟(jì)狀況、財政支出、產(chǎn)業(yè)結(jié)構(gòu)、開放程度等完全相同，隨著時間的推移，各省的農(nóng)村非正規(guī)金融發(fā)展規(guī)模逐漸收斂到相同的水平，而條件β收斂是指假定各省宏觀經(jīng)濟(jì)狀況、財政支出、產(chǎn)業(yè)結(jié)構(gòu)、開放程度等并不相同，隨著時間的推移，各省的農(nóng)村非正規(guī)金融發(fā)展規(guī)模逐漸收斂到各自的穩(wěn)定水平，則存在條件β收斂。

1.絕對β收斂分析

絕對β收斂的基礎(chǔ)模型為：

其中，RIFi，t表示第i省在t期的農(nóng)村非正規(guī)金融發(fā)展規(guī)模，RIFi，t-1表示第i省在t-1期的農(nóng)村非正規(guī)金融發(fā)展規(guī)模，α是常數(shù)項，εi，t是服從正態(tài)分布的誤差項，若回歸系數(shù)β<0，則存在絕對β收斂?？紤]到空間效應(yīng)，本文將建立空間面板模型進(jìn)行分析?？臻g面板模型分為空間滯后模型與空間誤差模型，我們需對這兩種模型進(jìn)行選擇。

可根據(jù)LM檢驗來選擇空間滯后模型或空間誤差模型，若LMERR較LMLAG顯著，R-LMERR顯著而R-LMLAG不顯著，則空間誤差模型（SEM）更適合，反之則空間滯后模型（SLM）更適合;若LMERR、LMLAG都不顯著，則比較LMERR和LMLAG的統(tǒng)計量，若LMERR比LMLAG的統(tǒng)計量值更大，則選擇空間誤差模型，反之則選擇空間滯后模型。

由表6可知，全國的LMERR與LMLAG的P值分別為0.619與0.492，皆未通過5%的顯著性檢，但LMLAG較LMERR更為顯著，故應(yīng)當(dāng)選擇空間滯后模型。同理，東部地區(qū)與西部地區(qū)選擇空間滯后模型，中部地區(qū)選擇空間誤差模型，構(gòu)建以下空間滯后模型（SLM）與空間誤差模型（SEM）：

其中，RIFi，t表示第i省在t期的農(nóng)村非正規(guī)金融發(fā)展規(guī)模，RIFi，t-1表示第i省在t-1期的農(nóng)村非正規(guī)金融發(fā)展規(guī)模，ρ為空間滯后系數(shù)，λ為空間回歸系數(shù)，反應(yīng)空間效應(yīng)的大小;W是空間權(quán)重矩陣;μi，t表示服從正態(tài)分布的誤差項，εi，t表示隨機誤差項。

由表7可知，在空間滯后模型（SLM）與空間誤差模型中，中部與西部地區(qū)的系數(shù)β皆為負(fù)且通過1%的顯著性檢驗，全國與東部地區(qū)的系數(shù)β也皆為負(fù)擔(dān)通過顯著性檢驗，這說明農(nóng)村非正規(guī)金融在中部與西部地區(qū)存在絕對β收斂，在全國與東部地區(qū)存在絕對β收斂的跡象。即在各省宏觀經(jīng)濟(jì)狀況、財政支出、金融發(fā)展及產(chǎn)業(yè)結(jié)構(gòu)等條件不變的情況下，隨著時間的推移，中部地區(qū)和西部地區(qū)的農(nóng)村非正規(guī)金融規(guī)模逐漸收斂到相同的水平，全國和東部地區(qū)的農(nóng)村非正規(guī)金融規(guī)模有逐漸收斂到相同的水平的跡象。

2.條件β收斂分析

條件β收斂的基礎(chǔ)模型為：

其中，RIFi，t表示第i省在t期的農(nóng)村非正規(guī)金融發(fā)展規(guī)模，RIFi，t-1表示第i省在t-1期的農(nóng)村非正規(guī)金融發(fā)展規(guī)模，Z是控制變量，α是常數(shù)項，εi，t是服從正態(tài)分布的誤差項，若回歸系數(shù)β<0，則存在條件β收斂。同樣建立空間面板模型進(jìn)行分析，根據(jù)LM檢驗，由表8可知，全國的LMERR與LMLAG的P值皆未通過顯著性檢驗，但LMERR較LMLAG更為顯著，故全國應(yīng)選擇空間誤差模型（SEM）。同理，東部地區(qū)也選擇空間誤差模型，中部與西部地區(qū)選擇空間滯后模型進(jìn)行分析。

采用2008—2018年中國31個省份非正規(guī)金融發(fā)展規(guī)模，從本文將從農(nóng)業(yè)發(fā)展水平、財政、金融發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)戶固定資產(chǎn)投資、農(nóng)業(yè)發(fā)展等多方面分析影響農(nóng)村非正規(guī)金融發(fā)展規(guī)模的因素，選取以下解釋變量，構(gòu)建空間計量模型。

農(nóng)業(yè)發(fā)展指數(shù)（agr）為各地區(qū)農(nóng)業(yè)增加值占農(nóng)業(yè)總產(chǎn)值的比重，可以衡量地區(qū)農(nóng)業(yè)發(fā)展水平。財政支農(nóng)指數(shù)（gov）為財政農(nóng)林水務(wù)支出比總支出，農(nóng)林水事務(wù)支出是指地方財政一般預(yù)算支出中的農(nóng)業(yè)支出項目，包括農(nóng)業(yè)支出、林業(yè)支出、水利支出、扶貧支出、農(nóng)業(yè)綜合開發(fā)支出等。財政支農(nóng)指數(shù)可以衡量地區(qū)財政支農(nóng)程度。產(chǎn)業(yè)結(jié)構(gòu)（industry）為當(dāng)年第三產(chǎn)業(yè)增加值比地區(qū)生產(chǎn)總值，可以衡量地區(qū)產(chǎn)業(yè)結(jié)構(gòu)狀況。自然災(zāi)害（disaster）為各地區(qū)當(dāng)年農(nóng)業(yè)受災(zāi)面積，可以衡量自然災(zāi)害對農(nóng)戶進(jìn)行非正規(guī)金融借貸的影響。農(nóng)村人均產(chǎn)值（pgdp）為第一產(chǎn)業(yè)增加值比農(nóng)村人口，可以衡量農(nóng)村經(jīng)濟(jì)發(fā)展?fàn)顩r。農(nóng)村居民人均消費性支出（expend），可以衡量農(nóng)村居民消費水平。農(nóng)村家庭基尼系數(shù)（poor）可以衡量農(nóng)村居民生活水平。

建立空間滯后模型（SLM）與空間誤差模型（SEM）如下：

其中，ρ為空間滯后系數(shù)，λ為空間回歸系數(shù)，反應(yīng)空間效應(yīng)的大小;W是空間權(quán)重矩陣;μi，t表示服從正態(tài)分布的誤差項，εi，t表示隨機誤差項。

由表9可知，全國和西部地區(qū)的空間滯后系數(shù)皆大于0且通過1%的顯著性檢驗，而東部和中部地區(qū)空間滯后系數(shù)未通過5%的顯著性檢驗，這說明全國和西部地區(qū)各省農(nóng)村非正規(guī)金融發(fā)展規(guī)模存在明顯的空間相關(guān)性，東部和中部地區(qū)則不存在明顯的空間相關(guān)性。在空間滯后模型與空間誤差模型中， 全國、東部、中部及西部地區(qū)的β值皆顯著且都小于0，即農(nóng)村非正規(guī)金融在全國、東部地區(qū)、中部地區(qū)及西部地區(qū)是存在條件β收斂的，這說明在地區(qū)宏觀經(jīng)濟(jì)狀況、財政支出、金融發(fā)展及產(chǎn)業(yè)結(jié)構(gòu)不同的情況下，隨著時間的推移，各地區(qū)的農(nóng)村非正規(guī)金融逐漸收斂到各自的穩(wěn)定水平，存在條件β收斂。從收斂系數(shù)的絕對值大小來看，西部最大，中部次之，東部最小，這說明中國各省農(nóng)村非正規(guī)金融的收斂速度呈現(xiàn)西部到東部的格局，西部地區(qū)的農(nóng)村非正規(guī)金融將最先收斂到其穩(wěn)定水平。

從全國范圍來看，產(chǎn)業(yè)結(jié)構(gòu)、自然災(zāi)害、農(nóng)村人均產(chǎn)值及農(nóng)村家庭基尼系數(shù)等解釋變量皆通過顯著性檢驗，所建立的空間誤差模型能很好的反映產(chǎn)業(yè)、自然災(zāi)害及農(nóng)村經(jīng)濟(jì)發(fā)展等因素對中國農(nóng)村非正規(guī)金融的影響方向及影響程度。產(chǎn)業(yè)結(jié)構(gòu)、自然災(zāi)害及農(nóng)村人均產(chǎn)值的系數(shù)β3、β4、β5>0，這說明產(chǎn)業(yè)結(jié)構(gòu)、自然災(zāi)害及農(nóng)村人均產(chǎn)值與地區(qū)農(nóng)村非正規(guī)金融呈現(xiàn)為正相關(guān)，地區(qū)第三產(chǎn)業(yè)發(fā)展越快，自然災(zāi)害受災(zāi)程度越嚴(yán)重，農(nóng)村人均產(chǎn)值越高，該地區(qū)的農(nóng)村非正規(guī)金融的規(guī)模就越大，農(nóng)村居民消費性支出與農(nóng)村家庭基尼系數(shù)的系數(shù)β6、β7<0，這說明農(nóng)村居民消費性支出與農(nóng)村家庭基尼系數(shù)與地區(qū)農(nóng)村非正規(guī)金融呈現(xiàn)為負(fù)相關(guān)，農(nóng)村居民消費性支出越多，農(nóng)村居民生活水平越低，農(nóng)村非正規(guī)金融規(guī)模越小。從區(qū)域范圍來看，東部地區(qū)有農(nóng)村人均產(chǎn)值、農(nóng)村居民消費性支出及農(nóng)村家庭基尼系數(shù)通過顯著性檢驗，其中農(nóng)村人均產(chǎn)值與農(nóng)村非正規(guī)金融呈正相關(guān)，農(nóng)村居民消費性支出及農(nóng)村家庭基尼系數(shù)與農(nóng)村非正規(guī)金融呈負(fù)相關(guān)，這說明在東部地區(qū)，農(nóng)村人均產(chǎn)值的增加會促進(jìn)農(nóng)村非正規(guī)金融的發(fā)展，而農(nóng)村居民消費性支出的增加與農(nóng)村家庭生活水平的降低則會阻礙農(nóng)村非正規(guī)金融的發(fā)展;中部地區(qū)僅有自然災(zāi)害指數(shù)通過10%的顯著性檢驗，其系數(shù)為正，這說明在中部地區(qū)自然災(zāi)害受災(zāi)程度越大，農(nóng)村非正規(guī)金融規(guī)模越大;西部地區(qū)則有農(nóng)業(yè)發(fā)展指數(shù)、農(nóng)村人均產(chǎn)值、農(nóng)村居民消費性支出及農(nóng)村居民家庭基尼系數(shù)通過顯著性檢驗，其中農(nóng)村人均產(chǎn)值的系數(shù)β5>0，農(nóng)業(yè)發(fā)展指數(shù)、農(nóng)村居民消費性支出及農(nóng)村居民家庭基尼系數(shù)的系數(shù)β1、β6、β7<0，這說明在西部地區(qū)農(nóng)村人均產(chǎn)值越高，農(nóng)業(yè)發(fā)展的越慢，農(nóng)村居民消費性支出越少，農(nóng)村居民生活水平越高，農(nóng)村非正規(guī)金融發(fā)展的越好?？偟膩碚f，不同地區(qū)影響農(nóng)村非正規(guī)金融發(fā)展的因素并不相同，因此我們分析不同地區(qū)的農(nóng)村非正規(guī)金融問題時需視情況而定。

六、結(jié)論與建議

（一）結(jié)論

本文選擇正規(guī)金融滿足率推算法進(jìn)行計算，得出2008—2018年中國31個省農(nóng)村非正規(guī)金融的規(guī)模，并進(jìn)一步分析了中國各省、各地區(qū)農(nóng)村非正規(guī)金融的發(fā)展?fàn)顩r與空間斂散性。一是中國農(nóng)村非正規(guī)金融整體發(fā)展程度不高，各地區(qū)發(fā)展水平與速度不一，存在較為顯著的差異。目前，中國農(nóng)村非正規(guī)金融發(fā)展的規(guī)模并不大，大部分省份的大部分年份農(nóng)村非經(jīng)濟(jì)為負(fù)值，發(fā)達(dá)的東部地區(qū)與經(jīng)濟(jì)欠發(fā)達(dá)的西部地區(qū)農(nóng)村非正規(guī)金融的規(guī)模大的省份都較多，但其中緣由卻不盡相同。就農(nóng)村非正規(guī)金融的發(fā)展速度而言，中國西部地區(qū)的農(nóng)村非正規(guī)金融平均規(guī)模各地區(qū)之中最大，增長速度也是最快的，而中部地區(qū)與東部地區(qū)的增幅較慢，且均出現(xiàn)了負(fù)增長。二是中國各省農(nóng)村非正規(guī)金融發(fā)展規(guī)模數(shù)據(jù)具有全局自相關(guān)顯著而局部自相關(guān)不顯著的特點。三是中國農(nóng)村非正規(guī)金融各存在逆向σ收斂與β收斂。在中部地區(qū)和西部地區(qū)存在絕對β收斂，在全國與東部地區(qū)存在絕對β收斂的跡象;全國及東中西部皆存在條件β收斂。四是農(nóng)業(yè)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、自然災(zāi)害、農(nóng)村人均產(chǎn)值、農(nóng)村居民人均消費性支出及農(nóng)村家庭基尼系數(shù)等因素對農(nóng)村非正規(guī)金融的發(fā)展有著顯著的影響，第三產(chǎn)業(yè)發(fā)展的越快，自然災(zāi)害受災(zāi)程度越嚴(yán)重，農(nóng)村人均產(chǎn)值越高，農(nóng)村居民人均消費性支出越少，農(nóng)業(yè)家庭生活水平越高，農(nóng)村非正規(guī)金融發(fā)展得越好。不同地區(qū)影響農(nóng)村非正規(guī)金融發(fā)展的因素并不相同，因此我們分析不同地區(qū)的農(nóng)村非正規(guī)金融問題時需要根據(jù)該地區(qū)的具體情況進(jìn)行分析。

（二）建議

一是正視農(nóng)村非正規(guī)金融存在的廣泛需求基礎(chǔ)，建立健全非正規(guī)金融監(jiān)管體系。農(nóng)村非正規(guī)金融是中國雙二元金融結(jié)構(gòu)的伴生物，具有深厚的生存土壤與獨特的運行機制，為有效解決“三農(nóng)”發(fā)展的金融需求貢獻(xiàn)著獨特的力量。為了更好地發(fā)揮農(nóng)村非正規(guī)金融的作用，政府應(yīng)當(dāng)給予農(nóng)村非正規(guī)金融更為明確的定位，根據(jù)地區(qū)實際情況，制定適合本地區(qū)的農(nóng)村非正規(guī)金融支持政策，促進(jìn)本地區(qū)農(nóng)村非正規(guī)金融的發(fā)展。同時，要加強對農(nóng)村非正規(guī)金融的監(jiān)管力量，完善相應(yīng)的法律法規(guī)，轉(zhuǎn)變農(nóng)村金融監(jiān)管方式，打擊非法金融行為，使得農(nóng)村非正規(guī)金融早日步入金融監(jiān)管正軌，與正規(guī)金融共同組成一個互補有序、相互促進(jìn)的金融體系。二是縱深推進(jìn)農(nóng)村普惠金融體系建設(shè)。堅持金融惠民導(dǎo)向，以更高水平、更寬領(lǐng)域縱深推進(jìn)農(nóng)村普惠金融體系建設(shè)，為促進(jìn)鄉(xiāng)村全面振興實現(xiàn)農(nóng)業(yè)農(nóng)村現(xiàn)代化提供更多的金融資源供給。積極推進(jìn)互聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)與智能傳感、云計算、物聯(lián)網(wǎng)、區(qū)塊鏈、5G等代表的新一代信息技術(shù)與農(nóng)村金融的深度融合，創(chuàng)新農(nóng)村金融場景應(yīng)用，拉長數(shù)字普惠金融服務(wù)鏈條，激活農(nóng)村普惠金融發(fā)展新動能。三是積極引導(dǎo)農(nóng)村非正規(guī)金融向正規(guī)金融轉(zhuǎn)型。加強對農(nóng)村非正規(guī)金融的互動與引導(dǎo)，加快農(nóng)村非正規(guī)金融的示范引領(lǐng)和規(guī)范化建設(shè)，推行系列規(guī)范化建設(shè)制度與政策。同時，進(jìn)一步釋放農(nóng)村金融發(fā)展活力，優(yōu)化農(nóng)村金融結(jié)構(gòu)，放寬農(nóng)村金融市場的準(zhǔn)入限制，引導(dǎo)非正規(guī)金融正規(guī)化，重構(gòu)農(nóng)村金融組織體系。四是依據(jù)農(nóng)村非正規(guī)金融的空間溢出效應(yīng)，由農(nóng)村非正規(guī)金融發(fā)展好的省市區(qū)向農(nóng)村非正規(guī)金融發(fā)展較差的省市區(qū)輸出成功的經(jīng)驗等，促進(jìn)各省市區(qū)、各地區(qū)農(nóng)村非正規(guī)金融的協(xié)調(diào)發(fā)展。

參考文獻(xiàn)：

[1]習(xí)近平.關(guān)于《中共中央關(guān)于制定國民經(jīng)濟(jì)和社會發(fā)展第十四個五年規(guī)劃和二三五年遠(yuǎn)景目標(biāo)的建議》的說明[N].人民日報，2020-11-04.

[2]M R Gupta，S Chaudhuri.Formal Credit，Corruption and the Informal Credit Market in Agriculture： A Theoretical Analysis[J].Economica，1997，64：331-343.

[3]McKinnon R.Money and Capital in Economic Development[M].Washington DC：Brookings Institution，1973.

[4]Isaksson A.The Importance of Informal Finance in Kenyan Manufacturing[R].The United Nations Industrial Development Organization （UNIDO） Working，2002.

[5]林毅夫，孫希芳，姜燁.經(jīng)濟(jì)發(fā)展中的最優(yōu)金融結(jié)構(gòu)理論初探[J].經(jīng)濟(jì)研究，2009，44（8）：4-17.

[6]顧海峰.規(guī)范中國民間非正規(guī)金融發(fā)展的創(chuàng)新路徑研究[J].經(jīng)濟(jì)體制改革，2013（1）：122-126.

[7]Hoff K，Stiglitz J.Introduction：Imperfect Information and Rural Credit Markets—Puzzles and Policy Perspectives[J].World Bank Economic Review，1990，4（3）：235-250.

[8]Turvey C G.Rong Kong.Informal Lending amongst Friends and Relatives[J].China Economic Review，2010，21（4）： 544-559.

[9]劉民權(quán)，徐忠，俞建拖.信貸市場中的非正規(guī)金融[J].世界經(jīng)濟(jì)，2003（7）：61-73.

[10]蘇士儒，段成東.從非正規(guī)金融發(fā)展看中國農(nóng)村金融體系的重構(gòu)[J].金融研究，2005（12）：131-144.

[11]姚耀軍.非正規(guī)金融市場：反應(yīng)性還是自主性？——基于溫州民間利率的經(jīng)驗研究[J].財經(jīng)研究，2009，35（4）：38-48.

[12]劉純彬，桑鐵柱.農(nóng)村非正規(guī)金融：存在基礎(chǔ)、效率機制與演進(jìn)趨勢[J].江漢論壇，2010（12）：45-48.

[13]胡宗義，馬文麗，劉亦文.農(nóng)村非正規(guī)金融發(fā)展對地區(qū)農(nóng)民收入差異影響分析[J].統(tǒng)計與決策，2016（16）：86-89.

[14]張夢緣，宋坤，諶希，汪璐.農(nóng)村非正規(guī)金融發(fā)展的多維減貧效應(yīng)研究——基于門檻面板數(shù)據(jù)的實證分析[J].金融發(fā)展研究，2017（4）：80-85.

[15]邱洋冬.農(nóng)村非正規(guī)金融發(fā)展與城鄉(xiāng)居民收入差距——基于面板平滑轉(zhuǎn)換模型[J].調(diào)研世界，2019（6）：27-32.

[16]李瑋，吳平.正規(guī)、非正規(guī)金融對城鄉(xiāng)居民消費影響差異——基于替代效應(yīng)視角[J].西南金融，2019（8）：45-53.

[17]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(dāng)代經(jīng)濟(jì)科學(xué)，2013，35（2）：71-80.

[18]胡宗義，陳俊，唐李偉.我國農(nóng)村非正規(guī)金融發(fā)展收斂性的空間計量研究[J].統(tǒng)計與決策，2014（17）：123-126.

[19]冉光和，湯芳樺.我國非正規(guī)金融發(fā)展與城鄉(xiāng)居民收入差距[J].經(jīng)濟(jì)問題探索，2012（2）： 185-190.

[20]郭沛.中國農(nóng)村非正規(guī)金融規(guī)模估算[J].中國農(nóng)村觀察，2004（2）：21-25.

[21]劉亦文，歐陽瑩，丁攀.湖南農(nóng)村正規(guī)金融與非正規(guī)金融規(guī)模測度與時空演化研究[J].金融經(jīng)濟(jì)，2021（12）：69-80.

[22]中國人民銀行農(nóng)村金融服務(wù)研究小組.中國農(nóng)村金融服務(wù)報告2018[M].北京：中國金融出版社，2019.

基金項目：本文系國家社科基金項目“精準(zhǔn)扶貧視域下生態(tài)扶貧機制創(chuàng)新與效果評估研究”（17BJY131）階段性研究成果。

收稿日期：2021-12-22

作者簡介：劉亦文（1981-），男，湖南攸縣人，湖南工商大學(xué)數(shù)據(jù)決策與數(shù)字經(jīng)濟(jì)研究院副教授;

歐陽瑩（1997-），女，湖南攸縣人，湖南工商大學(xué)數(shù)據(jù)決策與數(shù)字經(jīng)濟(jì)研究院碩士研究生;

丁? ?攀（1984-），男，浙江義烏人，現(xiàn)供職于中國人民銀行?？谥行闹?。