农信社支农计量模型

4.2模型与数据4.2.1理论模型的构建 从理论上来说，我国的农业信贷资金、财政支农资金作为农村和农业发展的资金主要来源，对农业发展和农村经济增长起着极大的推动作用。可想而知，我国各级政府的农业信贷投入、财政支农支出的区域差异必然会造成区域农村经济不同程度的增长。我国是一个典型的“二元经济”结构国家，区域经济有着很大的差异性，特别是近年来经济的飞速发展，导致这种区域经济差异更为凸显。那么，我国的区域经济差异和区域农业信贷投入、财政支农支出到底有没有联系，有多大联系，这是我们需要通过构建经济计量模型解决的问题。 以往研究产出和投入的关系，都是基于传统的柯布.道格拉斯生产函数，通过不断的演化，得出进行计量分析的理论模型。巴罗(Barro, Robert J., 1990,1991)和萨拉伊马丁(Sala-I-Martin, Xavier, 1992)将政府支出引入到内生经济增长模型当中，提出了一个包含政府公共支出的总生产函数模型，而Feder(1982)、Greenwood and Jovanvic(1990)、Pagano(1993)、Murinde(1994)为了反映金融发展与农村经济产出关系，也曾将金融发展水平当作“要素投入”引入到生产函数之中。基于此，本文将巴罗一萨拉伊马丁生产函数模型中加入金融要素，从而构建出反映包含政府公共财政、金融资源与农村经济产出关系的生产函数: Y=f(K,L,F,G)=AKLFYGs (4.11) 其中，Y是产出水平，A是一个常数，K是资本投入，L是劳动投入，F是金融要素投入，G是政府公共支出。这个改进的柯布.道克拉斯模型，巧妙地将金融变量和财政变量加入到生产函数模型当中，为我们进行金融政策研究、财政政策研究提供了很好的理论依据。因此，本文将此模型运用到农业信贷、财政支农与农村经济增长的关系研究之中，用Y代表农村经济增长指标，K代表农村资本投入指标，L代表农村劳动力投入指标，F代表农业信贷投入指标，G代表财政支农支出指标。 农村经济增长的影响因素很多，在此我们将农村资本投入设定为控制变量;根据Lewis (1954 )的剩余劳动力理论的观点，当劳动力投入达到一定水平之后，农业产出就不会随着农业劳动力的继续增加而增加。这也在以往研究者Parente and Prescott(1991)、温涛等(2005 )、余新平等(2010)、周一鹿等 (2010)的研究中得到应用，即对农村劳动力投入加一个容量的限制厂，则有: Y=f (K, L, F, G)=AKmin(L, L )R FGs (4.12) 从20世纪90年代初期开始，我国农业就业人数就一直处于不断下降状态，当前我国农村现实劳动力状况是:存在大量劳动力剩余，农业劳动力边际报酬较低，农业劳动力的增加不会引起农业产出的增加。所以，当前我国农村劳动力投入状况应该是达到了容量限额，即L=L。则有: Y=AK别FYGs (4.13) 此时，别是一个常量，对(4.13)式的等式两边取自然对数，有: LnY=LnA别+xLnK+外nF+1SL72G (4.14)对于(4.14)式中系数a,、8经济解释，我们可以通过以下推导:一xAKAKLFG0YKa-1Lp j.yGs_兰x Y(4.15) Y一AKLFGdxAKLaFY-了二二x Y(4.16) G_。_，_，_1a=一xAKLl C; AKLpFYG0 G aY=-x- Y aG(4.17) 由弹性的经济学定义可知，系数a , y, 8的经济意义是农村资本投入的产出弹性，农业信贷投入的产出弹性，财政支农支出的产出弹性。令属= LnA户、月 = Y lz二占、/33 = a，我们将研究农业信贷、财政支农与农村经济增长关系的基本计量模型设定如下: LnY=几+戏L明+几Ln叹+八LnKt+C, (4.18) 其中，几为截距项，u，为随机误差项。4.2.2数据的选取和处理 (1)地域界定 在实证研究中，本文按国家“七五”规划的区域板块划分方法，将我国31个省市划分为东部(北京、天津、河北、浙江、江苏、上海、福建、山东、广东、海南和辽宁)、中部(吉林、黑龙江、山西、安徽、江西、河南、湖南和湖北)、西部(重庆、四川、贵州、陕西、广西、青海、甘肃、西藏、云南、内蒙古、宁夏和新疆)三大板块进行区域分析。由于重庆从四川省分割出来的时间较短，为了保持数据的一致性，本文将重庆并入四川进行分析。 (2)数据年限 1994年，我国成立了三大政策性银行，同时将四大国有银行的政策性金融业务正式剥离出来;同年，国家启动了分税制财政体制改革，使中央与地方政府财政支出的自给能力发生了很大的变化，这也必然对我国各地方政府的农业信贷规模、财政支农程度造成重大影响。基于此，本文将实证研究的数据年限设定为1994-2009年。 (3)农村经济增长数据 由于我国没有出台官方的农村生产总值数据，只能寻找替代指标。对于反映农村经济增长的替代指标的选取，以往的学者主要集中于农林牧渔业总产值、第一产业增加值、第一产业增加值增长率这几个指标。农林牧渔总产值在建国初期经常作为衡量农村经济发展的指标，但是该指标是包含物质消耗的总量价值，存在较大的重复计算，不能确切反映经济效益;第一产业增加值增长率本身就是一个比率指标，偶尔会出指标值为负的情况，不利于计量分析;而第一产业增加值是我国国内生产总值按照三次产业划分的所得，是国民经济中农林牧渔部门的增加值之和，能更好的反映农村经济的实际产出水平。所以，本文选取“第一产业增加值”数据作为衡量农村经济增长的指标，而第一产业可以理解为广义上的农业，为了行文的方便，后文中均用AGDP表示第一产业增加值。 C4)农村资本投入数据 由于准确的农村资本存量数据的获得相当困难，对于农村资本投入量的数据，我们用“农村固定资产投资额”来代替，农村固定资产投资额为农村集体单位固定资产投资和农村居民个人固定资产投资两项之和，用字母RIFA来表示。 (5)农业信贷数据 由于统计资料的限制，本文选用短期贷款中的农业贷款作为农业信贷指标，用字母AL表示。 C6)财政支农数据 本文的研究是基于省级面板数据，由于中央财政支出只有全国数据，没有对各省进行细分，所以，本文的财政支农的数据是指地方政府的财政支农支出。但这并不影响研究的可靠性，由前文分析可知90%以上的财政支农支出均来自地方政府。 C7)数据来源及处理 1994-2008年的各项数据来源于新中国六十年统计资料汇编，2009年各项数据均来自于2010中国统计年鉴。为了消除通货膨胀的影响，将农业GDP、农业贷款、财政支农支出和农业固定资产投资数据均按1994年为100的农村居民消费价格指数进行缩减，得出按不变价计算的数据。然后，对所有数据取自然对数，分别用字母LnAGDP, LnAL, LnFEA, LnRIFA来表示最后分析的各变量数据。总结如表4-1所示。4.3实证检验及结果分析 根据前文理论，建立如下面板数据模型: LnAGDPr=a;+/j1LnAL;r+八LnFEA;，十八LhRIFA;r + Cl,r(4.19) 其中，i表示地区，t表示时间(1994-2009年)，c,.表示随机变量。 本部分的实证研究过程主要分三步进行: 第一步，利用面板数据的单位根检验方法，对各区域数据进行单位根检验。如果各地区农村经济增长、农业信贷、财政支农和农村固定资产投资数据都是一阶单整的，说明它们之间存在协整关系，需进行下一步检验。 第二步，先利用面板数据协整检验方法来确定各区域数据是否存在长期因果关系，然后运用Engle-Granger二步法建立协整方程，来定量研究各区域数据之间的长期因果关系程度。在建立协整方程过程中，需要先确立选用混合回归模型、固定效应模型和随机效应模型中哪一种面板数据模型，通常运用F检验和豪斯曼(Hausman)检验来判断。本文的判别过程如下:分别建立混合回归模型、固定效应模型和随机效应模型并进行回归估计，得到相关的回归系数和拟合优度;在建立固定效应模型时进行F检验，来判断是否接受“建立混合回归模型”的原假设;在建立随机效应模型时进行豪斯曼检验，来判断是否接受“建立随机效应模型”的原假设，若接受则可选用随机效用模型。综合各类模型的回归结果、F检验结果和豪斯曼检验的对比判断，最终选用合理的模型建立协整方程。在得到各区域面板数据的协整方程之后，对各协整方程的残差进行单位根检验，若平稳则进一步证实了长期协整关系的存在。 第三步，如果第二步证实面板数据存在长期协整关系，则利用各协整方程的回归残差项作为误差修正项，建立面板数据的误差修正模型，分析各变量的短期动态调整对长期均衡关系的影响。4.3.1区域面板数据单位根检验及结果分析 首先，选用基于同质根假设的LLC检验和基于异质根假设的IPS检验、Fisher-ADF检验、Fisher-PP检验，对面板数据进行单位根检验，结果如下: 在建立协整方程过程中，有混合回归模型、固定效应模型和随机效应模型三种面板数据模型可供选择，通常运用F检验和豪斯曼检验进行综合判断。运用F检验来判断选用混合回归模型还是固定效应模型，运用豪斯曼检验来判断选择固定效应模型还是随机效应模型。本文先分别建立了混合回归模型、固定效应模型和随机效应模型并进行回归估计，得到相关的回归系数和拟合优度;同时，在建立固定效应模型时进行F检验，来判断是否接受“建立混合回归模型”的原假设;在建立随机效应模型时进行豪斯曼检验，来判断是否接受“建立随机效应模型”的原假设;最后，综合混合回归模型、固定效应模型和随机效应模型的回归结果、F检验结果和豪斯曼检验结果，决定最终的协整模型。混合回归模型、固定效应模型和随机效应模型的回归结果及F检验结果、豪斯曼检验结果汇总如下表:表4-6模型拟合结果地解释变量被解释变量LnAGDP 区 混合回归 固定效应 随机效应 相关检验结果 全C 2.388461* 4.422635* 4.331191* F(29. 447)=407.19681，国 ( 24.72031) (70.93552) ( 42.23818 大于1%显著性水平下 的临界值，应该选择截 LnAL 0.428891 * 0.066445* 0.073148* 面固定效应模型。 (12.20032 ) (5.787407) (6.397260 LnFEA -0.016068 0.196830* 0.178512* Huasman检验结果 (-0.372901) (12.54420 (11.56947 chi-sq(3)=71.559200, 大于1%显著性水平的 LnRIFA 0.294396* 0.075384* 0.099808* w界值，拒绝原假设， (8.179353) (3.683039 ( 4.982163) 选择固定效应模型。 Rz 0.742005 0.990590 0.808836 东C 1.771783* 4.407653* 4.332725* F(10 162)=525.13389 (7.810021) (31 .11693) (19.35006) 大于1%显著性水平一卜 的临界值，应选择截面 LnAL 0.536044* 0.062081 * 0.064714* 固定效应模型。 (8.132607 ) (3.492546 ) (3.646786) 部LnFEA -0.098183 0.160757* 0.149906* Huasman检验结果 地 (一1.086285) (5.854274 ) (5.512270) .chi-sq(3)=19.269280 区大于1%显著性水平的 LnRIFA 0.322905* 0.108191* 0.125716* _临界值，拒绝原假设， ( 4.592753) (2.784513) (3.287749) 选择固定效应模型。 Rz 0.682850 0.990509 0.763493 续表地解释变量被解释变量LnAGDP 区 混合回归 固定效应 随机效应 相关检验结果 中C 3.363625* 4.895279* 4.731565* F(7 117)=140.038277 部 (19.12863) (42.66663) (37.67723)大于1%显著性水平下 地的临界值，应该选择截 区LnAL -0.195560* 0.042807* 0.038604 面固定效应模型。 (-3.416047) (1.705214) (1.550277) LnFEA 0.021035 0.232246* 0.199177* Huasman检验结果 ( 0.407317) (7.956695) (7.045547)chi-sq(3)=45.372761， 大于1%显著性水平的 LnRIFA 0.742740* 0.066783* 0.124641 *临界值，拒绝原假设， (13.54935) (1.839138) (3.563091)选择固定效应模型。 R2 0.741858 0.972475 0.835366 西C 2.034823* 4.077029* 3.926523* F(10. 162)=245.22073，部 (15.89712) (54.10788) (34.35897)大于1%显著性水平下 地的临界值，应选择截面 区LnAL 0.279293 * 0.080511 * 0.104158* 固定效应模型。 5.627846 ) ( 4.186792) (5.502755) LnFEA -0.114821* 0.208911* 0.168693* Huasman检验结果 (一1.878375) (8.178972) (6.762725)chi-sq(3)=70.463268 大于1%显著性水平的 LnRIFA 0.613077* 0.054073* 0.098403* 临界值，拒绝原假设， (7.908251) (1.722193) (3.190850)选择固定效应模型。 Rz 0.858387 0.991224 0.804478 注:*(*、*)表示在10% 5%, 1%)的显著性水平下拒绝原假设而接受备择假设。 由检验结果可知，全国和东、中、西部的F检验统计量均大于1%显著性水平下的临界值，拒绝“建立混合回归模型”的原假设，而选择固定效应模型;进一步通过豪斯曼检验结果显示，全国和东、中、西部的Huasman统计量均大于1%显著性水平下的临界值，拒绝“建立随机效应模型”的原假设，而选择“建立固定效应模型”的备择假设。从三类模型的回归结果也可以看出，固定效应模型的估计结果拟合优度最高，分别为0.990590, 0.990509, 0.972475, 0.991224,且各变量系数均显著;而混合估计模型中出现了不可解释的负系数，拟合优度也是最低的，仅为0.742005, 0.682850, 0.741858, 0.858387;随机效应模型虽然各变量系数均显著，但较之固定效应模型，拟合优度偏低。综上比较分析，本文最终选择固定效应模型来建立协整方程，并对固定效应模型的残差项进行5结论和建议5.1研究结论 本文基于1994-2009年我国30个省份的面板数据分区域对全国及东、中、西部地区农业信贷、财政支农与农村经济增长的发展现状及其相互关系进行了分析，通过描述性统计方法对农业信贷、财政支农与农村经济增长的发展现状和趋势进行了简单描述，利用面板数据的单位根检验和协整检验对农业信贷、财政支农与农村经济增长的长期关系进行了实证分析，再结合面板数据误差修正模型对它们的短期关系进行了检验，得出如下结论: 一、我国农业信贷投入不断加强，但东部和中、西部地区差距明显，且这种差距在不断扩大。 从全国和东、中、西部农业信贷的绝对规模和相对规模分析结果可知，农业信贷规模和力度都在不断增大，且东部地区的增速显著高于中、西地区，东、中、西部地区农业信贷规模差距不断扩大，但中、西部农业信贷占各项贷款总额的比重却高于东部地区，说明中、西部地区农业信贷的地位要高于东部地区。 二、我国财政支农支出全面增长，且呈东、西、中部递减，但它们之间的差距在缩小。 从全国和东、中、西部财政支农的绝对规模和相对规模分析结果可知，财政支农的规模和力度均出现全面增长态势，且呈东、西、中递减分布，但是中部地区的增长速度高于东、西部地区，说明中部地区惠农力度与东、西部地区的差距在不断缩小。中、西部地区财政支农支出占财政支出的比重明显大于东部地区，说明国家财政对中、西部地区农业发展的重视程度要高于东部地区。全国和东、中、西部财政支农支出占农业GDP的比重均呈不断上升趋势，区域间财政支农支出占农业GDP比重表现为西、东、中部递减分布。 三、我国农村经济逐年递增，且存在明显的区域差距，但这种差距在缩小。 从全国和东、中、西部农村经济增长状况的现状分析结果可知，农村经济均出现全面增长态势，且东部地区的经济发展程度明显高于中、西部地区，但中、西部地区农业GDP增速略高于东部地区，说明中、西部地区在农业生产方面与东部地区差距在逐步缩小。全国和东、中、西部农业GDP占GDP的比重均呈现出不断下降趋势，说明农业在国民经济生产中的总体地位在不断下降;中、西部地区的比重明显大于东部地区比重，说明农业在中、西部地区经济增长中的重要程度明显高于东部地区。 四、我国农业信贷、财政支农支出对我国农村经济增长均具有显著的正效应，且财政支农效应显著大于农业信贷效应。 实证分析结果显示，对全国而言，从长期来看，我国的农业信贷、财政支农支出对我国农村经济的增长有显著的推动作用，且财政支农支出对农村经济增长的推动作用明显大于农业信贷对农村经济增长的推动，说明财政支农政策的实施效果较好。从短期来看，当期的农业信贷和财政支农支出对当期农村经济增长均有显著影响，但其滞后期对农村经济增长的影响均不显著，当期的农村固定资产投资对当期农村经济也没有显著影响，当农村经济增长与农业信贷、财政支农的长期协整关系受短期波动的影响时，从偏离长期均衡状态到回归均衡状态的大概需要六期的时间。 五、各地区农业信贷、财政支农支出与农村经济增长的关系存在显著差异。 对区域而言，从长期来看，东、中、西部的农业信贷、财政支农支出对各地区的农村经济增长都有显著的推动作用，且各地区财政支农支出对农村经济增长的推动作用均显著大于农业信贷对农村经济增长的推动作用。就各地区农业信贷对农村经济增长的推动作用程度比较而言，西部地区的农业信贷对当地农村经济增长推动作用最强，东部地区次之，中部地区最弱;就各地区财政支农支出对农村经济增长的推动作用程度比较而言，中部地区的财政支农支出对当地农村经济增长的推动作用最强，西部地区次之，东部地区最弱。 从短期来看，东、中、西部当期财政支农支出对当期农村经济增长均有显著影响;东、中部当期的农业信贷对当期农村经济增长也均有显著影响，但西部地区当期的农业信贷对当期农村经济增长影响不显著;三大地区中只有东部地区的农村固定资产投资对当期农村经济有显著影响，其他地区的影响均不显著;东、西部地区的当期农村经济增长还对下期的农村经济增长产生显著的推动作用。就各地区的误差修正机制而言，中部地区的调整速度最快，也快于全国水平，大概需要两期从非均衡状态回到均衡状态，西部地区大概需要六期从非均衡状态回到均衡状态，而东部地区的调整速度最慢，大概需要九期的时间才能从非均衡状态回到均衡状态。