《金融支农和财政支农的协同效应分析》由会员分享，可在线阅读，更多相关《金融支农和财政支农的协同效应分析（16页珍藏版）》请在金锄头文库上搜索。
1、金融支农和财政支农的协同效应分析 武汉理工大学 姜有为、高恒选、刘燕林 摘要 在农村资本市场中，财政和金融作为支持农业发展政策的两个重要方面，对于保障农村 农业发展所需的资金和促进农村金融的发展起着越来越重要的作用。金融支农和财政支农的 绩效分析，以及两者之间是否存在协同效应，即政策实施过程中产生“1+12“的放大效应，对 于研究金融支农政策和财政支农政策的实施以及两者的搭配问题具有重要的意义，同时也是 关系到农村金融发展和政策导向的关键问题。 为研究金融支农和财政支农之间的协同效应，本文提出一个新的视角，分别通过系统协 同度分析和建立计量模型探讨金融支农和财政支农的协同机制，不仅研究财政支农
2、支出和金 融机构对农业的贷款与农业产出之间的关系，进一步考虑金融支农和财政支农的政策搭配问 题，研究金融支农和财政支农的“1+12“效应，并根据研究结果针对性地提出若干完善我国农 村金融和财政体制在支持农业建设方面的建议。 系统协同度分析在借鉴徐英吉(2008)根据孟庆松、韩文秀等(1998 ，1999)所建立的复合系 统整体协调度模型的基础上，通过分别选取金融机构对农业的贷款 FIN 和财政用于农业的支 出 FIS 为金融支农系统和财政支农系统的序参量对金融支农和财政支农两个子系统进行协同 效应分析，结果表明近年来金融支农与财政支农的系统协同度不断提高，两者相互配合、相 互协调的程度越来越深
3、，两种政策的紧密搭配产生较为显著的协同效应。 在建立计量模型探讨金融支农和财政支农的协同机制时，本文综合考虑模型的理论意义 和现实意义，分别建立 FIN 对 FIS 的单变量回归模型，农业产出 Y 对 FIN、FIS 和 GDP 的多元 回归模型和考虑滞后项的分布滞后模型。首先，在 Granger 因果检验的基础上，定量探讨 FIS 对 FIN 的影响，并针对 FIN 数据的异常对回归方程进行 Chow 结构检验，重新选取 1994 至 2010 年的样本数据做回归分析，结论表明财政用于农业的支出每增加 1 单位，将增加金融机 构对农业的贷款 3.11 单位。其次，通过主成分回归分析和多元回归
4、分析对模型进行参数估计 和分析，结果表明金融支农和财政支农绩效从长期来看均效果显著，尽管短期内 FIN 对农业 产出产生负的影响，但总体来看金融贷款和财政对农业的投入是有利于农业发展的，两者互 为支持、互相配合，金融支农以财政为保障，财政借助于金融发挥杠杆作用，通过扩大金融 机构对农业的贷款和增加农户贷款需求，借助金融支农平台间接地扩大其效应。 本文综合运用 MATLAB 7.8.0、EVIEWS 分析软件和马克威 5.0 版本统计分析软件对数据进 行分析和处理，结果表明金融支农和财政支农之间存在显著的协同效应，在基层农村农业建 设的过程中，应正确处理好金融支农和财政支农的关系和政策搭配问题。
5、本文的创新之处在于通过建立计量模型定量地分析金融支农和财政支农之间的协同效应，相比传统方法选取序 参量分析系统之间的协同度，其分析过程具有说服力，结果更为直观和具体，但模型的建立 考虑若干假设，所考虑的因素尚不全面，因此模型有待进一步改进。 关键词：金融支农，财政支农，协同效应，系统协同度，分布滞后模型一、 问题的提出 发达国家实施的金融支持农业发展的政策具有很多共性，主要表现为其农业发展受到了 政府财政、农村金融信贷机构以及农业保障机构资金的大力支持，都有完善的农村金融体系 来确保农业发展所需要的资金 1 ，财政支农和金融支农的政策实施效果显著。 我国服务于农村市场的金融主体主要有中国农业发
6、展银行、中国农业银行、农村信用社 和农村合作银行等。由于我国是个农业大国，各地区经济发展不平衡，金融支持农业发展还 存在很多亟待解决的问题。一方面，财政部门的政策性资金给农户提供了直接的资金扶持； 另一方面，金融机构面向农户的小额信贷构成农户资金的主要来源，但财政和金融对农业的 投入是否发挥其应有的绩效，财政和金融两种支农手段的配合是否使支农的效应放大，在支 农建设中应如何处理好财政和金融的搭配问题等都是有待研究的重要问题。 农村金融机构作为农村金融主力军，长期以来承担着支农服务的重任，为筹集更多的资 金支持农业的发展，从“六五“ 期末开始，国家陆续出台以“财政贴息“ 、“直补资金担保贷款“
7、等 为代表的多项财政支农政策是将财税政策与农村金融政策相结合的有益探索，这些探索使农 民得到财政补贴支持的同时也获得了信贷资金的支持。因此，财政和金融作为支持农业发展 政策的两个重要方面，研究两种支农手段的对接能否使支农的效应放大、即“1+12“的协同效 应具有重要的现实意义，同时也是关系到农村金融发展和政策导向的关键问题。 二、 研究现状和存在的问题 协同效应(Synergy Effect)，简单地说，就是“1+12“的效应。协同效应原本为一种物理化 学现象，指两种或两种以上的组分相加或调配在一起，所产生的作用大于各种组分单独应用 时产生的作用的总和。1971 年，德国物理学家赫尔曼哈肯最早
8、提出了协同的概念，并于 1976 年系统地论述了协同理论，发表协同学导论等著作。协同论认为整个环境中的各个 系统间存在着相互影响而又相互合作的关系，社会现象亦如此，例如，企业组织中不同单位 间的相互配合与协作关系，以及系统中的相互干扰和制约等，协同效应分析也被越来越广泛 地应用于企业协同管理和系统论的研究中 2 。现有关于协同效应的研究主要侧重于理论上的 分析，从不同的角度探讨协同效应的实现机制，或者通过提取系统的序参量研究系统之间的 协同机制，而对于构建计量模型定量研究协同效应的实现尚缺乏一定的研究。 其次，在金融支农与财政支农的绩效研究方面，国内的许多学者利用统计数据进行了实 证研究。如运
9、用 VAR 模型 15 、向量误差修正模型，平稳性检验、协整检验、进行脉冲分析和 方差分解等来研究财政支农支出和金融机构对农业的贷款与农业产出之间的关系。通常选取 地区数据为样本，实证性地研究金融支农与财政支农对农业产出增加的贡献度，研究结果显 示不同地区的情况有所差异，总体来说，金融和财政对农业的支出均有正的绩效，但金融贷 款的支农绩效具有明显的滞后性，从长期来看对农业产出的作用较为显著，此外，格兰杰因 果检验结果表明，财政支农支出增加往往导致金融机构对农业的贷款增加。金融支农与财政支农的绩效研究方面有待进一步完善和创新，尤其是关于金融支农与财政支农的政策搭配问 题，对于研究农村金融发展和政
10、策导向问题具有重要的现实意义。 因此，本文提出一个新的视角，研究金融支农和财政支农的协同效应，分别通过系统协 同度分析和建立计量模型探讨金融支农和财政支农的协同机制，不仅研究财政支农支出和金 融机构对农业的贷款与农业产出之间的关系，而且进一步考虑金融支农和财政支农的政策搭 配问题，研究金融支农和财政支农的“1+12“效应，并根据研究结果针对性地提出若干完善我 国农村金融和财政体制在支持农业建设方面的建议。 三、 系统协同度分析法 农村资本市场是一个复杂的系统，而金融支农和财政支农是其中两个重要的子系统，二 者的协同程度直接影响到农村资本市场的持续性和成长性。系统协同度越高，金融支农和财 政支农
11、在支持农业建设方面能够发挥更大的作用，越有助于农村资本市场的可持续发展。徐 英吉 11 (2008) 根据孟庆松 12 、韩文秀等(1998 ，1999) 所建立的复合系统整体协调度模型，以企 业内部系统为对象，研究了技术创新与制度创新及企业成长的协同程度，解决了系统有序度 和协同度测量问题，并通过具体案例对此进行了说明。本部分在以上学者研究的基础上，通 过系统协同度分析法对金融支农和财政支农进行协同效应分析。 3.1 系统有序度 系统有序度(Order Degree，简称 ) ，即有序程度，它是用来衡量一个系统内部各子系 OD 统的有序发展程度，其取值范围为： ， 越大，表明子系统发展的有序
12、程度越高。 0 1 OD OD 假设系统是由若干子系统构成，即 ，其中 为第 个子系统，考 1 2 , , , , , i k S S S S S L L i S i 虑子系统 ， ，设其发展过程中的序参量变量为 ，则系统 序参量 i S 1 i k 1 2 , , , i i i in e e e e L i S 分量 的有序度定义为 ij e ，其中 ， (3-1) ( ) ij i i ij i i e u e 1 2 max , , , i i i in e e e L 1 2 min , , , i i i in e e e L 即有序度定义为向量 的区间化变换，反映的是增长时间序列
13、数据的有 1 2 , , , i i i in e e e e L 序发展程度。由 3-1 式可以知道， ，其值越大， 相对于子系统的有序发展程 ( ) 0,1 i ij u e ij e 度越高，对子系统有序度的“ 贡献“ 越大。而序参量变量 对系统 的系统有序度的“总贡献“ 可 i e i S 通过 的集成来实现，通常有两种集成方法： ( ) i ij u e(1)几何平均法(3-2) 1 n 1 ( ) ( ) n i i i ij j u e u e (2)线性加权求和法 ，其中 为权数， 且 (3-3) 1 ( ) ( ) n i i j i ij j u e w u e j w 0
14、 j w 11 n j j w 可以称 3-2 及 3-3 式所定义的 为序参量变量 的系统有序度。由系统有序度的定义 ( ) i i u e i e 可知， ，且 的数值越大， 对系统有序的“贡献“越大，系统有序度就越高， ( ) 0,1 i i u e ( ) i i u e i e 反之，系统的有序度则越低。 3.2 系统协同度 系统协同度(Coordination Degree，简称 ) ，即协同程度，它是用来衡量一个系统内部 CD 各子系统之间配合和协作的程度，其取值范围为： ，一般来说， 越接近 1，表 1 1 CD CD 明各子系统之间配合的一致性、紧密性越强，越有利于系统目标的
15、实现；反之，系统协同程 度越小，就越不利于系统目标的实现。当 时，表明系统内部各子系统的发展处于 1 0 CD 相互阻碍或反向协同状态；当 时，表明系统内部各子系统的发展处于相互促进状态， 0 1 CD 此时各子系统之间更容易产生正的协同效应，有利于系统目标的实现。 假设给定的初始时刻为 ，从 时刻至 时刻，子系统 和子系统 的序参量发展变化值 0 t 0 t 1 t i j 分别为 和 ，定义系统协同度为 1 2 , , , i i i in e e e e L 1 2 , , , j j j jn e e e e L(3-4) 1 2 2 1 1 , n ik ik jk jk k i j n n ik ik jk jk k k u e u e u e u e s e e u e u e u e u e 即各子系统序参量的有序度的样本相关系数，反映的是 时刻开始至 时刻各子系统的有 0 t 1 t 序发展程度是否一致。针对系统协同度的大小，习惯上有如下界定：当 时，称各 1 0 CD 子系统之间的配合处于不协同状态；当 时，称各子系统之间的配合处于低度协同 0 0.6 CD 状态；当 时，称各子系统之间的配合处于中度协同状态；当 时，称 0.6 0.9 CD 0.9 1 CD 各子系统之间的配合
