-
在促进经济高质量发展的新时期，如何推动农村经济发展以缩小城乡差距，是事关国家长期繁荣与社会和谐稳定的重大现实问题。在我国广大农村地区，由于金融供给相对不足，农业生产资金面临短缺，农村相比城市仍存在较大的发展差距。缓解这一困境，亟需通过金融创新，发挥金融信贷在支农增收中的重要作用，尤其应推进更具普适性的农村信贷优惠政策，通过降低门槛、降低利率、简化程序、灵活应对等措施，为农户提供更加充足有效的资金支持。显然，这一普惠性的金融政策创新在理论上能够助力农村经济的快速稳定发展。正因如此，我国各类金融机构除国有大型商业银行和股份制商业银行外，亦有1600多家村镇银行和17家民营银行相继获准设立了普惠金融事业部，旨在齐心协力使普通百姓、贫困地区村民和小微企业都能够获得更加便利、实惠和安全的金融信贷服务。从现实来看，尽管农村普惠金融产品供给不足、农村金融服务网点覆盖不全、普惠金融法制体系不健全等问题依然存在，但就动态发展趋势来看，越来越完善的普惠性金融信贷将在农业农村高质量发展中发挥更为重要的作用。基于此，本文拟以农村信贷为视角，探讨其影响经济高质量发展的内在逻辑，从完善农村金融的角度为促进经济高质量发展提供有价值的证据。
已有文献对农村信贷影响经济发展的关系进行了大量理论分析和实证研究。就传导机理而言，农村信贷影响经济发展的关系存在直接效应和间接效应。其中，直接效应表现在农村信贷所提供的资金作为农业资本的重要组成部分，直接带来了农业产出的增长和供给的增加。扶桑和郑世杰（2018）认为农业贷款增加直接促进了农林牧副渔业总产值的增加；谭磊（2015）在分析农业信贷的影响机制中指出，农业信贷完成了社会储蓄向社会投资的转变，增加了农村资本积累，尤其是将农业信贷投放于农业产业，推动了农业产业结构升级，提升了农业发展质量，促进了农村经济高质量发展。间接效应则表现在农村信贷通过改善经济结构、优化资源配置等途径间接促进了经济发展。一方面，农村信贷改善了经济结构。城乡发展不均衡导致了农村金融发展效率的低下，使其成为“经济洼地”（韩家彬等，2011），而推动金融发展能促进城乡二元制经济结构的转变（谷慎和马谌宸，2019）。另一方面，农村信贷优化了资源配置。有观点认为农户信贷具有空间异质性，其中东部和西部地区经济的发展反而会进一步恶化农户信贷配给的程度（刘艳华等，2014）。亦有观点发现，随着农村金融的发展，农户的信贷约束会降低，人们可以通过获得金融服务等方式获取更多收益，从而缩小城乡收入差距（Kapingura，2017；Behera，2019；罗楚亮，2019）。比如：张晓强和李心丹（2017）发现农户信贷的获取能提高农村消费水平，扩大内需，促进经济增长；陈东和刘金东（2013）发现消费信贷比生产经营性贷款更能提高农村消费水平。可见，农村信贷亦可以通过影响城乡收入水平、城乡消费水平、城镇化率以及农业产业发展等方面提升经济高质量发展水平。
基于如上机理所展开的实证研究主要得出了三种不同的观点：一是农村信贷对经济增长存在显著的正向影响（孙玉奎等，2014；Hartarska等，2015；Fukuda，2017；张荣，2017；张婷婷和李政，2019）。二是农村信贷对经济增长具有反向抑制作用。如薛晨和袁永智（2018）探讨了农村金融与经济发展的关系，发现农村信贷对促进农民增收和农业可持续发展的影响有限；与此相似，陈力朋和陈锦然（2015）在分析农业信贷对农村消费的影响时，也发现相较于财政支出和民生支出，农业信贷对农村消费的促进作用较小，未能发挥应有的作用。三是农村信贷对收入差距、经济增长的影响具有非线性特征（乔海曙和陈力，2009；胡宗义和刘亦文，2010；Seabron等，2010）。在较早的文献中，Greenwood和Jovanovic（1990）发现金融发展对收入差距的影响存在倒U型关系，即金融发展初期，收入差距扩大；金融发展后期，收入差距缩小。在中国的样本中，李标等（2020）发现农村信贷供给与城乡收入差距之间存在库兹涅茨效应，即伴随农村信贷供给的增加，城乡收入差距将呈现出先上升、后下降的走势；邓创和徐曼（2019）从规模和结构两方面进行研究后也发现，金融结构对城乡差距的影响呈现出典型的先扩大后缩小的倒U型规律，对经济增长的影响也表现出非线性特征。
综合而言，已有文献对于本文的深化研究具有重要的借鉴意义，然而这些文献主要聚焦于农村信贷与经济数量增长之间的关系，忽视了其对经济高质量发展的影响。此外，在研究农村信贷影响经济增长的传导机制时，城乡结构这一重要传导变量的作用也鲜见，而这为本文的深化研究提供了切入点。在促进经济高质量发展的新时期，经济高质量发展被赋予了更为丰富的理论内涵和时代意义，尤其是新发展理念中所强调的协调发展和共享发展等理念对农村信贷在城乡协调发展中的作用也赋予了新功能。基于此，本文拟在研究视角和变量测算方面做出创新尝试，边际贡献体现为：
第一，在传导机制的分析中，研究聚焦于经济发展质量而非经济增长数量，从收入差距、居民消费和农业发展的角度揭示农村信贷通过城乡结构影响经济高质量发展的传导机制，这与已有文献注重经济增长数量以及运用单一指标衡量城乡结构的研究有较大差异；
第二，在实证研究中，本文综合采用单一指标法和综合指标法来测度经济高质量发展水平，以此检验农村信贷影响经济高质量发展的稳健性，拓宽了研究视野；
第三，基于城乡结构的评价指标，能够在揭示农村信贷、城乡结构和经济高质量发展三者之间内在关联的过程中提出更加切实的对策建议。
-
从逻辑上看，经济高质量发展具有十分丰富的理论内涵，因此影响质量高低的因素很多，基于不同的思想流派和理论维度会得出不同的核心指标。也正因为此，至今没有文献能够详尽地罗列出影响经济高质量发展的所有关键因素。已有文献在研究实践中为了能够有效地克服多重共线性和内生性等技术问题，往往会习惯性地选择特定角度下的关键变量来分析其对经济高质量发展的影响，这一边际上的创新当然也是对相似主题研究的一种贡献。因此，农村信贷对地区经济高质量发展的直接影响主要体现在两个方面：一方面，农村信贷为地区经济高质量发展提供了资金支持。自我国实行普惠金融政策以来，金融机构重点进行信贷“增量扩面”的发展，特别是农村中小金融机构通过“扫园、扫街、扫村、扫户”模式不断下沉服务，扩大信贷投放覆盖面，增加农村信贷投放量、推进农村信贷发展。因此，大量的农村信贷可以通过资金支持的方式保障农业生产中的技术、劳动力等要素投入，从而优化农业生产条件、创新农业生产方式，实现我国从中低端农业生产向高端农产品供给模式转变（薛晨和袁永智，2018），引导地区农业向绿色、环保的可持续发展迈进，促进地区经济高质量发展水平的提升。另一方面，农村信贷能够优化农村发展环境，促进地区经济高质量发展。首先，普惠信贷的发展带动了农村金融基础设施建设，包括金融支付环境的改善、网络金融体系的搭建等，优化了农村金融环境。其次，包括农村信贷在内的农村现代金融的发展，能够帮助农村教育、农村社会保障的各个环节不断改进和完善。这些对于促进社会公平、经济发展成果共享具有积极意义，对地区经济高质量发展产生正向效应。具体传导机制见图1。基于此，本文提出第一个假说：
图 1 农村信贷影响经济高质量发展的传导机制
H1：农村信贷会对地区经济高质量发展产生直接促进效应。
除上述直接作用外，农村信贷还将通过城乡结构这一中介变量对经济高质量发展产生间接作用。本文之所以选择城乡结构为中介变量分析农村信贷影响经济高质量发展的传导机制，除因城乡协调发展是经济高质量发展的重要维度外（王永昌和尹江燕，2019），更是因为农村信贷对于城乡结构的优化具有显著的促进作用，因此，从直观上认为农村信贷主要通过优化城乡结构来促进经济高质量发展在逻辑上有其必然性和自洽性。具体而言，农村信贷优化城乡结构、促进经济高质量发展主要体现在城乡收入差距、城乡消费水平以及农业产业发展方式三个方面。
第一，农村信贷能够缩小城乡收入差距。从城乡差距形成的金融原因来看，首先，按照金融投资的基本原理，收益回报与资本投入之间成正比关系。作为低收入阶层的农民群体，由于资产存量积累不足，长期以来缺乏必要的投资资金，很难通过资本投资来获取财产性收入和经营性收入，使其与城镇居民之间的收入差距不断扩大。其次，与城镇相比，我国农村金融长期以来发展较为滞后，表现为金融产品单一、信用环境较差、信贷机制僵化以及农民和农村企业由于自身所能提供的抵押资产较少而面临的信贷渠道较窄（张荣，2017；Ray，2019；Abay等，2022），这些均使得农民和农村企业难以从银行获得信贷资金和金融支持，不利于农民生产收益的增加，从而带来了城乡相对收入差距的拉大。最后，从资本属性和银行的经营理念来看，包括银行信贷在内的金融产品都具有十分明显的趋利性，也就是说，资金更倾向流入回报率高的行业或发达地区，而农业生产相对而言周期长和回报低，因而很难吸引信贷资金的流入和帮扶，农村经济发展容易进入恶性循环，这将进一步导致城乡收入差距的拉大（邓创和徐曼，2019；罗楚亮，2019；李标等，2020）。
综上，以农村信贷政策创新为核心的农村金融发展会对农业生产规模的扩大和农民收入水平的提高产生积极影响，而通过完善农村金融的发展机制、推动农村信贷的有效投入、均衡农村信贷的地区分配，则能有效地增加农民的经营性收入和财产性收入，有利于缩小城乡收入差距，优化收入结构。
第二，农村信贷能够提升居民消费水平。首先，按照流动性假说的基本观点，当消费者对未来收入预期不乐观且无法通过获得借贷来维持当前的消费水平时就会存在流动性约束，因此，收入是影响消费水平的重要因素之一，而信贷完善则能够突破低收入所导致的低消费约束。随着普惠金融和互联网金融的发展，定位于农村客户群体的消费信贷和抵押信贷产品也日益成熟，农村消费者可以通过银行借贷或是互联网借贷平台随时获得购买商品和服务所需的资金，从而有效地减少流动性约束，释放被压抑的消费需求。这不仅扩大了农村居民的消费规模，还在一定程度上提升了居民的消费层级，优化了消费结构（陈东和刘金东；2013）。其次，当期的消费还受到了未来收入预期的影响，对未来收入预期乐观会增加当期的消费。很明显，农村信贷作为农村金融发展中的关键环节，其对农业生产的支持和对农民投资的扶持能够有效地增加农民的财产性收入和经营性收入（尹学群等，2011），使人们在增强未来收入预期的过程中带来当期消费需求的扩大。最后，农村信贷投入能够改善农村地区的基础设施建设，能够促进交通运输和信息传输网络的通畅（刘金全等，2016；刘赛红和王志飞，2019），这不仅有利于农村电子商务平台的搭建和完善，还有利于农村物流运输效率的提升，使得农村居民的在线消费更为便捷、高效和多样化，最终带来农村消费需求的扩大和消费质量的提升。
第三，农村信贷能够促进农业发展方式的转变。尽管新农村建设和乡村振兴战略的实施极大地改善了我国广大农村的村容村貌，但城乡二元经济结构的发展格局仍未发生本质上的改变，即城市现代工业部门与农村传统农业部门并存的发展特色依然存在，城乡之间的产业结构发展不均衡问题仍未有效改观（谷慎和马谌宸，2019）。进一步推进农村经济的高质量发展、缩小城乡发展差距和实现共同富裕，应依托融合了产业特色和技术优势的现代农业。从发展经验来看，现代农业相较于工业和服务业是弱势产业，而越是弱势产业越需要借助更大力度的资金支持和政策扶持来实现发展升级，农村信贷则在其中发挥了至关重要的作用。一方面，当前我国融资渠道主要以间接融资为主，通过银行信贷可以解决农业现代化发展中的资金供求矛盾。在发展实践中，金融机构不断创新农村信贷机制，丰富农村信贷产品，在政策上适当向投资农业的企业进行信贷倾斜，有效地促进了当地现代农业的发展（Child，2008；刘松柏，2011）。另一方面，农村信贷资金具有较强的市场导向功能，通过对特定行业和特定产品释放信贷信号而优化农村信贷资金的配置（Enoma，2001；刘艳华等，2014；Narayanan，2016），使信贷资金投向现代农业的重点领域和关键环节。因此，将信贷资金适当向农业基础设施建设领域和农业科技推广领域倾斜，可以有效促进农业现代化进程。
总体而言，农村信贷从以上三个方面促进了城乡经济的协调发展，而城乡结构与经济高质量发展之间的同向变化关系已成共识，常见于发展经济学的经典理论和研究文献中。如杜朝运和任永健（2014）、刘金全等（2016）均发现城乡结构的优化与经济发展之间存在显著的正向关系。此外，就经济高质量发展而言，多数研究将“五大发展理念”即创新、协调、绿色、开放、共享作为经济高质量发展的理论内涵和评价标准（李俊玲等，2019；王永昌和尹江燕，2019），所以相较于以往的高速度增长，高质量发展的重要维度在于经济结构的优化和升级。一种旨在促进城乡结构优化的发展策略，在逻辑上自然能够带来经济的高质量发展，而这一策略，在上文的分析中则集中体现为农村金融发展中信贷机制的创新。这是因为农村信贷的推进从居民收入、消费水平和农业发展三方面促进了城乡经济的协调发展或城乡结构的升级优化，并进一步共同促进了经济发展质量的提升。基于以上分析，本文提出第二个假说：
H2：城乡结构在农村信贷影响地区经济高质量发展的过程中起中介作用，即农村信贷能够通过优化城乡结构来促进地区经济高质量发展。
-
为有效刻画农村信贷通过城乡结构影响经济高质量发展的传导关系，参考汪宗顺等（2019）、魏蓉蓉（2019）、赵玉龙（2019）等学者关于经济高质量发展的相关研究范式，本文构建了如式（1）所示的经济高质量发展影响因素模型：
$$ qualit{y_{i,t}} = {\alpha _0} + {\alpha _1}{x_{i,t}} + \sum\nolimits_{k = 1}^n {{\beta _k}} ctrl_{i,t}^k + {\mu _{i,t}} $$ (1) 其中，quality为被解释变量，x是解释变量，主要包括农村信贷规模和城乡结构变量。ctrl为控制变量，下标i、t分别代表城市和年份，μi,t代表模型的误差项。
对于被解释变量经济高质量发展（quality）的度量，本文在初始检验中首先借鉴陈诗一和陈登科（2018）的研究，选用人均GDP表示人均劳动生产率来反映经济高质量发展水平，其次构建经济高质量发展指数来进行替换被解释变量的稳健性检验，具体见表1。
表 1 变量设置
名称 变量 说明 经济高质量发展 quality 人均GDP 经济高质量发展指数，具体指标见表9 城乡结构指数 urban 城乡收入水平：农村人均可支配收入占城镇人均可支配收入比重 城乡消费水平：农村人均消费水平占城镇人均消费水平比重 农业发展水平：农林牧副渔业总产值取对数 技术创新 R&D R&D经费支出占GDP比重 劳动投入 labour 各省劳动力人口数量取对数 政府财政支出 finance 各省地方政府财政支出取对数 对于主要解释变量农村信贷（lrural）的度量主要有两种方法：一是采用农业信贷指标来反映农村信贷水平（谭磊，2015；刘赛红和王志飞，2019；张小凤，2019）；二是选用涉农贷款来衡量农村信贷水平（李标等，2020）。但涉农贷款余额仅能说明农村信贷供给规模变化，不能体现城乡间信贷资金的配置结构或农村信贷供给的相对变化。因而本文使用涉农贷款余额占地区贷款总额的比重反映农村信贷发展水平。其中涉农贷款这项指标主要包含了农户贷款、农村企业及各类组织贷款和城市企业及各类组织涉农贷款等内容。自2007年9月起，中国人民银行和中国银监会建立的《涉农贷款专项统计制度》（银发〔2007〕246号）开始实施，之后中国人民银行调查统计司于2008年1月下发《<涉农贷款专项统计制度>补充说明》，对涉农贷款统计制度中的部分指标口径进一步明确。依据该通知，涉农贷款统计口径新增加了四项内容，分别为农林牧副渔贷款、农户消费和其他生产经营贷款、农村企业及各类组织农林牧副渔业贷款和农村企业及各类组织支农贷款，更加全面、完整地反映了金融机构涉农贷款的发放情况。因此，本文考虑到涉农贷款指标在2008年后统计口径发生改变，特将农村信贷数据划分成2000−2008年和2009−2019年两个时间段分别进行实证研究，以保证实证结果的有效性和可靠性。
对于主要解释变量城乡结构（urban）的度量，为了更全面地反映各省市城乡结构的现状和发展情况，本文并未采用已有研究中所惯用的单一指标法，而是基于如上机理分析并参考薛晨和袁永智（2018）、赵洪丹和赵宣凯（2019）等学者的研究，从城乡收入水平、城乡消费水平以及农业发展水平三个方面构建了综合指标。之所以构建综合评价指标，除了是因为城乡结构这一变量是包含诸多因素的复杂系统外，更是因为农村信贷如上述理论分析所揭示的那样，将从城乡收入水平、城乡消费水平和农业发展水平三个关键方面影响经济高质量发展。除主要解释变量外，本文还参考张宏彦等（2013）、张荣（2017）、李胜会和宗洁（2018）等学者的研究，选择了技术水平、劳动力数量以及政府财政支出三个相关变量作为控制变量。
-
本文数据主要来自两个方面：一是2000−2019年相关信贷数据来自各省金融统计年鉴、人民银行官网及Wind数据库；二是其他经济指标数据主要来自中国国家统计局官网、EPS数据库等。表2给出了本文所使用变量的描述性统计结果。可以看出各省份之间经济高质量发展水平（quality）的最大值与最小值之间的差距较大，且标准差大于0.5，说明数据在时间区间内有一定波动。就农村信贷（lrural）而言，其最小值为0.002，最大值达到0.605，但平均值、中位数仅为0.043和0.024，表明目前农村信贷的整体发展水平较低，且各省之间存在较大的区域差异。城乡结构（urban）标准差较小，说明该数据在样本期间内走势平稳。
表 2 变量的描述性统计
变量 样本量 最小值 最大值 平均值 标准差 中位数 quality 620 7.923 12.008 10.125 0.859 10.275 lrural 620 0.002 0.605 0.043 0.054 0.024 urban 620 1.004 1.939 1.482 0.166 1.482 R&D 620 0.119 6.997 1.323 1.115 1.009 labour 620 4.822 8.849 7.49 0.906 7.618 finance 620 4.094 11.582 7.384 1.214 7.474 从图2农村信贷与经济高质量发展的动态变化关系可知，随着农村信贷的增加，区域经济发展质量呈现出逐步提升的特征，说明农村信贷的发展对经济高质量发展有促进作用。此外，同一农村信贷规模下对应的样本数据大部分不重合，说明即使在相同的农村信贷规模下，其对经济高质量发展的影响和作用效果也可能不同，还需考虑其他相关因素的影响。
图 2 农村信贷与经济高质量的散点关系
图3反映了农村信贷和城乡结构两者的交互项与经济高质量发展之间的关系。由散点图趋势可见，两者交互项与经济高质量发展之间呈现正向变动关系，说明农村信贷和城乡结构两者的作用是相互增强的，对经济高质量发展产生积极作用。就不同地区而言，中西部地区的交互项对经济高质量发展影响的趋势线比东部地区的趋势线更为陡峭，也说明中西部地区农村信贷和城乡结构的交互作用对经济高质量发展的影响更为敏感和显著。
图 3 交互项与经济高质量的散点关系
-
在充分考虑数据可得性的基础上，本文所采用的数据为中国2000−2019年31个省（自治区、市）的年度数据。由于农村信贷变量的数据统计口径发生改变，采用分段回归法将数据划分为2000−2008年和2009−2019年两个时间段。首先，对经济高质量发展与农村信贷两者间的的实证结果进行分析；其次，借助中介效应模型，将农村信贷、城乡结构与经济高质量发展置于同一个框架下进行分析；最后，通过稳健性检验，确保结论的可信性。
-
为了防止出现“伪回归”，本文在构建模型前对数据进行平稳性检验。使用 LLC、IPS、Breitung、Fisher-ADF、Fisher-PP五种检验方法进行单位根检验。检验结果显示，在5%的显著水平下，变量都是平稳的，具体见表3。
表 3 面板数据单位根检验结果
检验方法 LLC IPS Breitung Fisher-ADF Fisher-PP 统计量 T T T Chi-squared Chi-squared quality −0.938*** −3.176*** −6.542*** 33.778** 135.751*** lrural −1.071*** −3.653*** −2.477*** 52.975*** 196.031*** urban −1.118*** −2.242*** −1.417** 12.064 150.720*** R&D −0.955*** −2.252*** −7.515*** 109.268*** 559.674*** labour −0.968*** −2.832*** −5.978*** 53.530*** 203.017*** finance −0.963*** −2.925*** −3.501*** 16.780** 115.677*** 注：***、**、*分别表示在1%、5%、10%的显著性水平上拒绝序列不平稳的原假设。 在回归分析之前，应确定面板数据的模型形式。从表4的检验结果可知：对2000−2008年的数据进行模型检验，F检验在5%的水平上显著，说明 FE模型更优。BP检验呈现出5%水平的显著性，表明RE模型更优。Hausman检验并未呈现出显著性chi（4）=2.359，p=0.670>0.05，意味着相对于FE模型，RE模型更优。对2009−2019年的数据进行模型检验，F检验呈现出5%水平的显著性，意味着FE模型更优。BP检验呈现出5%水平的显著性，意味着RE模型更优。Hausman检验呈现出5%水平的显著性，chi（4）=99.632，p=0.000<0.05，意味着相对于RE模型，FE模型更优。
表 4 面板模型检验
数据时间段 检验类型 检验值 检验结论 2000−2008 F检验 F (30244)=54.481, p=0 FE模型 BP检验 χ²(1)=430.665, p=0 RE模型 Hausman检验 χ²(4)=2.359, p=0.670 RE模型 2009−2019 F检验 F (30306)=35.696, p=0 FE模型 BP检验 χ²(1)=615.255, p=0 RE模型 Hausman检验 χ²(4)=99.632, p=0 FE模型 通过面板模型回归分析可见，农村信贷（lrural）在1%的显著性水平下对经济高质量发展（quality）存在正向影响。根据表5列（1）2000−2008年的数据回归结果可见，地区涉农贷款占地区贷款总额比重每提高1个单位，我国经济高质量发展将显著提高14.181个单位。根据表5列（2）2009−2019年的数据回归结果可见，农村贷款地区涉农贷款占地区贷款总额比重每提高1个单位，我国经济高质量发展将提高2.070个单位。以上结果均表明在过去的二十年间，农村金融的推进和普及带来的农村信贷发展强有力地支持了地方经济的发展。
表 5 农村贷款影响经济高质量发展实证结果
变量 2000−2008
（1）2009−2019
（2）截距 6.007*** 7.420** (37.491) (40.111) lrural 14.181*** 2.070*** (5.912) (9.947) R&D 0.124*** 0.432*** (3.164) (9.746) labour 0.776*** 0.457*** (5.053) (2.973) finance 0.487*** 0.302*** (17.819) (11.951) R2 0.827 0.754 adj R2 0.824 0.727 N 279 341 检验 1305.932*** 234.750*** 注：括号内为t值；***、**、*分别表示在1%、5%、10%的水平上显著。 通过比较两个时间段的回归结果可以发现，不同时间段农村信贷对经济高质量发展的影响效果有一定差距，出现这样结果的原因有：其一，数据统计口径的改变带来的误差。由于涉农贷款数据统计口径的改变，可能会造成2000−2008年的数据统计口径较为粗糙，使所得数据较实际结果偏高，从而导致对经济高质量发展的影响效果存在误差。其二，在农村金融发展初期，农村偏远地区融资方式单一且有限，农村信贷作为最主要的融资方式会对当时经济高质量发展产生较大刺激和影响。近年来伴随着国家大力推进和帮助农村金融发展，也出现了更多的除银行信贷外的其他融资方式，为农村融资途径带来更多可能性，因而在后期农村信贷对经济高质量发展的影响就会被削弱。
控制变量的回归结果显示，R&D经费投入强度越大、劳动力人口数量越多、政府财政支出越多，则地区经济高质量发展水平越高。R&D经费投入越多、政府财政支出增加，对企业的产品创新以及该地区的产业结构升级都有重要的推动作用。此外，回归结果显示，劳动力人口增加对经济高质量发展有显著的促进作用，这与索罗模型结论一致，即劳动力数量投入作为最基本投入对经济增长和发展起重要作用。
-
在理论分析中，农村信贷可以通过缩小城乡收入差距、提高农村消费水平以及改变农业生产方式影响地区城乡结构，进而促进经济高质量发展。为了验证这一机制，本文采用中介效应模型进行实证检验，其中经济高质量发展（quality）作为被解释变量，农村信贷（lrural）作为解释变量，城乡结构（urban）作为中介变量。首先，将经济高质量发展对包含农村信贷在内的基本自变量进行回归；其次，将城乡结构对包含农村信贷等基本变量进行回归；再次，将中介变量城乡结构和农村信贷置于同一模型，对经济高质量发展进行实证分析。具体模型如下：
$$ qualit{y_{i,t}} = {a_0} + clrura{l_{i,t}} + \sum\nolimits_{k = 1}^n {{\beta _k}} ctrl_{i,t}^k + {\mu _{i,t}} $$ (2) $$ urba{n_{i,t}} = {a_0} + alrura{l_{i,t}} + \sum\nolimits_{k = 1}^n {{\beta _k}} ctrl_{i,t}^k + {\mu _{i,t}} $$ (3) $$ qualit{y_{i,t}} = {a_0} + c'lrura{l_{i,t}} + burba{n_{i,t}} + \sum\nolimits_{k = 1}^n {{\beta _k}ctrl_{i,t}^k} + {\mu _{i,t}} $$ (4) 本文依次对三个面板数据模型进行回归，模型回归结果如表6所示。表6列（2）为经济高质量（quality）与农村信贷（lrural）回归结果，列（3）为城乡结构（urban）与农村信贷（lrural）的回归结果，列（4）为经济高质量（quality）与农村信贷（lrural）、城乡结构（urban）的回归结果。为了充分验证城乡结构的中介效应，本文采用逐步检验回归系数法（逐步法）对中介效应进行检验，并以2009−2019年的回归结果为例加以说明。
表 6 模型回归结果
时期 变量 quality
（2）urban
（3）quality
（4）2000−2008 lrural 0.406** −3.886*** 3.265*** (2.118) (−3.575) (4.949) urban 0.736*** (3.934) Controls 控制 控制 控制 N 279 279 279 R2 0.639 0.330 0.658 adj R2 0.633 0.320 0.652 F 121.075*** 33.685*** 105.075*** 2009−2019 lrural 1.978*** 0.522*** 1.196*** (6.438) (4.191) (4.769) urban 1.499*** (13.984) Controls 控制 控制 控制 N 341 341 341 R2 0.627 0.354 0.764 adj R2 0.622 0.347 0.761 F 141.145*** 46.109*** 217.402*** 注：括号内为t值；***、**、*分别表示在1%、5%、10%的水平上显著。 由表6可知，列（2）农村信贷的系数为1.978；列（3）农村信贷的系数为0.522；列（4）农村信贷和城乡结构的系数为1.196和1.499，且系数均显著，说明存在显著的中介效应。通过计算可知，其系数估计值满足总效应等于直接效应与中介效应之和的条件，即农村信贷对经济高质量发展的总效应等于直接效应与中介效应的总和。
考虑到逐步法中检验系数乘积（即检验中介效应）可能存在偏误（温忠麟和叶宝娟，2014），本文选用Bootstrap抽样检验法对中介作用结果进行稳健性检验。Bootstrap抽样检验法的抽样次数为5000次，由表7可见，针对农村信贷lrural对经济高质量quality的影响时，用城乡结构urban作为中介变量检验两个时间段的数据，检验结果均显示，95%Bootstrap抽样区间在−5.885至−0.363之间（不包含0），因而说明农村信贷（lrural）影响经济高质量发展（quality）时，城乡结构（urban）具有中介作用。此外，由表8可见，其中介效应占总效应比重约为40%，说明城乡结构承担着重要的中介作用，这一影响机理与前文推断相符。
表 7 Bootstrap中介效应稳健性检验
时间 传导项 Effect BootSE BootLLCI BootULCI z p 2000−2008 lrural $\Rightarrow $urban $\Rightarrow $quality −2.859 1.415 −5.885 −0.363 −2.020 0.043 2009−2019 lrural $\Rightarrow $urban $\Rightarrow $quality 0.782 0.377 0.374 1.861 2.076 0.038 从2000−2008年的模型回归结果可知，农村信贷对城乡结构的影响是反向的，同时农村信贷对经济高质量发展影响的直接效应为3.265，间接效应系数方向发生改变且总效应为0.406，具体见表6和表8。这说明城乡结构对农村信贷影响经济高质量发展起到了中介作用，并且削弱了农村信贷对经济高质量发展的影响。该结论与前文假设稍有不符，可能存在以下原因：
第一，2007年国家出台了《涉农贷款专项统计制度》（银发〔2007〕246号），该制度对涉农贷款的统计内容做了全面系统的规定和要求，并在2011年进一步完善。因此可能存在由于2000−2008年涉农贷款统计口径较为粗糙而导致的误差。
第二，任何金融产品都需要负担一定的成本，因此在涉农贷款推行初期，会有一定的前期投入，并且存在回报率较低等问题，导致农村收入不升反降，城乡差距拉大。因此该阶段数据分析在加入城乡结构这一中介变量后，城乡结构会削弱农村信贷对经济高质量发展的影响。
综上所述，城乡结构对农村信贷影响经济高质量发展起中介作用。其前期虽然存在削弱农村信贷影响效果的现象，但后期随着农村信贷的发展，城乡结构有利地促进了经济的高质量发展，中介效应显著。
表 8 效应过程汇总
时间 效应 项 Effect SE 2000−2008 直接效应 lrural $\Rightarrow $quality 3.265 3.442 间接效应过程 lrural $\Rightarrow $urban −3.886 1.087 urban $\Rightarrow $quality 0.736 0.187 总效应 lrural $\Rightarrow $quality 0.406 3.452 2009−2019 直接效应 lrural $\Rightarrow $quality 1.196 0.251 间接效应过程 lrural $\Rightarrow $urban 0.522 0.124 urban $\Rightarrow $quality 1.499 0.107 总效应 lrural $\Rightarrow $quality 1.978 0.307 -
为了增强结论的可信性，本文拟采用变量替代法来进行稳健性检验。在替换变量的稳健性检验中，本文拟构建经济高质量发展综合评价体系（经济高质量发展指数）来替换被解释变量人均GDP。借鉴师博和任保平（2018）、李子联和王爱民（2019）以及欧进锋等（2020）等学者的方法，本文从“五大发展理念”即创新、协调、绿色、开放、共享五个方面构建经济高质量发展的综合评价指标，利用熵权法来计算各省市的经济高质量发展指数，具体测算结果及测算方法受主题和篇幅所限未提供（备索），具体评价指标见表9。表中所有数据均来自国家统计局、各省金融统计年鉴以及EPS数据平台等官方渠道所披露的统计资料。
表 9 经济高质量发展综合评价体系
一级指标 二级指标 计算公式 属性 创新 R&D经费投入强度 R&D经费支出/GDP + 人均专利占有量 国内三种专利授权数/总人口 + 创新产品销售占比 新产品销售收入/工业企业主营业务收入 + 协调 产业结构 第三产业产值/GDP + 地区收入水平 各省份人均GDP/全国人均GDP + 城乡收入水平 农村居民人均可支配收入/城镇居民人均可支配收入 + 绿色 单位GDP排放废水 废水排放总量/GDP − 单位GDP排放废气 二氧化硫排放量/GDP − 单位GDP固体废物排放 一般工业固体废物产生量/GDP − 开放 外贸依存度 进出口总额/GDP + 外资依存度 外商投资总额/GDP + 对外投资水平 对外直接投资/GDP + 共享 人均GDP GDP/总人口数 + 城镇化率 城镇人口/总人口 + 消费者物价指数 居民消费价格指数 − 失业率 城镇登记失业率 − 将被解释变量替换为经济高质量发展指数，并对农村信贷影响经济高质量发展的关系进行检验后可得表10所示的结果。从2000−2008年的数据回归结果来看，农村信贷每增加1个单位，经济高质量发展指数增加1.458个单位；从2009−2019年的数据回归结果来看，农村信贷每增加1个单位，经济高质量发展指数增加0.106个单位。整体来看，将经济高质量发展指数作为被解释变量后，农村信贷对经济高质量发展的影响仍具有显著的促进作用，这与上文的实证检验结果一致。
表 10 农村贷款影响经济高质量发展稳健性检验
变量 2000−2008
（1）2009−2019
（2）截距 1.180*** 1.217*** (116.443) (102.849) lrural 1.458*** 0.106*** (7.964) (5.542) R2 0.186 0.083 adj R2 0.183 0.080 N 279 341 检验 63.421*** 30.711*** 注：括号内为t值；***、**、*分别表示在1%、5%、10%的水平上显著。 本文进一步将经济高质量发展指数（quality’）作为被解释变量，农村信贷（lrural）作为解释变量，城乡结构（urban）作为中介变量，采用中介效应模型进行稳健性检验，具体模型如下：
$$\begin{split} qualit{y}_{i,t}' =& {a_0} + clrura{l_{i,t}} + \sum\nolimits_{k = 1}^n {{\beta _k}} ctrl_{i,t}^k + {\mu _{i,t}} \end{split}$$ (5) $$ urba{n_{i,t}} = {a_0} + alrura{l_{i,t}} + \sum\nolimits_{k = 1}^n {{\beta _k}} ctrl_{i,t}^k + {\mu _{i,t}} $$ (6) $$ qualit{y}_{i,t}' = {a_0} + c'lrura{l_{i,t}} + burba{n_{i,t}} + \sum\nolimits_{k = 1}^n {{\beta _k}ctrl_{i,t}^k} + {\mu _{i,t}} $$ (7) 从2000−2008年的中介效应检验结果可知，首先农村信贷影响经济高质量发展的总效应为−2.879并显著，说明存在中介效应。其次列（6）农村信贷的系数与列（7）城乡结构的系数均显著，表明其中介效应显著。此外，农村信贷影响经济高质量发展的直接效应为−2.472且显著，同时中介效应与直接效应符号相同（见表11），说明城乡结构在农村信贷影响经济高质量发展的过程中起到了部分中介效应，其中介效应占总效应的比例为14.115%。
表 11 中介效应模型稳定性检验
时期 变量 quality’
（5）urban
（6）quality’
（7）2000−2008 lrural −2.879*** −3.886*** −2.472*** (−5.021) (−3.575) (−4.293) urban 0.105*** (3.342) Controls 控制 控制 控制 N 279 279 279 R2 0.707 0.330 0.708 adj R2 0.595 0.320 0.610 F值 103.137*** 33.685*** 87.807*** 2009−2019 lrural 0.041** 0.522*** 0.032* (2.083) (4.191) (1.797) urban 0.017 (1.351) Controls 控制 控制 控制 N 341 341 341 R2 0.853 0.354 0.866 adj R2 0.851 0.347 0.864 F值 666.041*** 46.108*** 534.505*** 注：括号内为t值；***、**、*分别表示在1%、5%、10%的水平上显著。 从2009−2019年的中介效应检验结果来看，农村信贷影响经济高质量发展的总效应和直接效应分别为0.041和0.032，且均显著，说明存在中介效应。列（6）农村信贷的系数与列（7）城乡结构的系数有一个不显著，因此对两者的乘积即中介效应进行Bootstrap抽样检验。从表12的Bootstrap抽样结果来看，95%Bootstrap抽样区间为0.006−0.019，抽样区间不包括0，说明存在中介效应，其中介作用占比约为21%。综上所述，稳健性检验结果均与上文的研究结论基本一致，表明基于全样本的实证结果具有良好的稳健性。
表 12 效应过程汇总
项 总效应 中介效应 直接效应 95%Bootstrap抽样 2000−2008：lrural $\Rightarrow $urban $\Rightarrow $quality’ −2.879 −0.406 −2.472 −0.077− −0.003 2009−2019：lrural $\Rightarrow $urban $\Rightarrow $quality’ 0.041 0.009 0.032 0.006 − 0.019 -
农村信贷能够有效促进经济高质量发展，城乡结构的改善对经济高质量发展的提升起积极作用。研究立足经济高质量发展，基于2000−2019年31个省（自治区、市）的面板数据，采用静态面板模型和中介效应模型分析了农村信贷、城乡结构与经济高质量发展之间的关系，主要得出如下结论：
第一，农村信贷对经济高质量发展具有显著的促进作用。农村金融发展初期，农村信贷对经济高质量发展影响较大；当农村金融发展较为稳定，农村各类融资途径增加后，农村信贷对经济高质量发展的影响会减弱。
第二，城乡结构是农村信贷影响经济高质量发展的重要中介因素。农村信贷通过城乡结构影响经济高质量发展的中介效应显著，但农村信贷对城乡结构的影响存在库兹涅茨效应。
第三，在经济高质量发展的影响因素中，科研经费投入越多、劳动力就业人口数量越多、政府财政支出越高的省份，其经济高质量发展水平也越高。
上述结论对新时期促进经济高质量发展有如下重要启示：
第一，在夯实农村金融制度基础的同时，应实施富有空间差异化的普惠金融政策。促进经济社会的高质量发展，一方面应通过夯实农村金融制度基础来完善农村信贷机制，应在金融创新和防范风险的基础上降低农村金融机构、农村金融平台和农村金融产品的准入门槛，并鼓励金融资本在农村地区设立证券、信托、保险机构或网点，以加大对农民基本金融、信贷知识的普及力度，并为满足其金融服务需求提供更大的便利。另一方面，各地应根据辖区内的农业特色、农村特征和农民特性来设计符合当地资信水平的金融业务和金融产品，以更加精准地满足当地居民的资金需求。
第二，对农村信贷和金融发展进行长远布局和规划，应制定更加具有前瞻性和远见性的信贷政策，以尽量避免制定短期政策和避免出现库兹涅茨效应。这就要求一方面，应对信贷资金投放的行业和项目给予足够的耐心和信心。因此在对农业进行资金投放时，应注重行业和项目的长期培育。另一方面，应发挥政策性金融在其中的支撑作用。这就要求发挥政策性金融的引导作用和调控作用，通过提供资金担保的方式为农村金融的商业信贷提供强而有力的支撑。
第三，在发挥市场配置的决定性作用的同时，应发挥政府的宏观调控作用，尤其要促进信贷资金的均衡配置。这就要求在地区结构中，适当加大中西部地区的信贷支农力度，适度照顾财政资金来源相对单一和有限的中西部地区，并将财政转移资金适当向“三农”倾斜；在城乡结构中，应适度增加农村信贷供给，应借助政策性金融的支撑作用和引导作用来使金融资本更多流向农村地区和农业产业，在缩小城乡收入差距和优化城乡结构的过程中切实促进经济社会的协调、共享发展。
-
摘要: 契合金融支持乡村振兴的背景，立足经济高质量发展的现实，基于2000−2019年31个省市的相关数据，采用静态面板和中介效应模型分析农村信贷、城乡结构与经济高质量发展之间的关系。研究发现：农村信贷直接促进了经济的高质量发展，但这一直接效应因区域样本的不同而存在显著的空间差异；在农村信贷促进经济高质量发展的间接效应中，城乡结构的优化是实现这一传导机制的关键。其中，农村信贷对城乡结构的影响存在库兹涅茨效应，即在信贷政策实施初期，城乡差距拉大在短期内会削弱农村信贷对经济高质量发展的影响；长期而言，随着城乡结构的逐渐优化，其对经济高质量发展的推动作用不断凸显。因此，完善农村信贷政策、促进农村金融发展对于新时期经济发展质量的提升具有重要作用。在这一过程中，应协同加强科研经费投入、提高劳动力就业数量以及增加政府财政支出，以使提质增效的效能得到更大程度地释放。
Rural Credit, Urban-rural Structure and High-quality Economic Development
Abstract: According to the background of financial support for rural revitalization and the high-quality economic development, this paper analyzes the relationship among rural credit, urban-rural structure and high-quality economic development. Furthermore, this study conducts empirical research by using static panel and intermediary effect model based on the data of 31 provinces from 2000 to 2019. The results show that rural credit directly promotes the high-quality economic development, but the direct effect has significant differences due to different regions. With regard to the indirect effect of rural credit which promotes high-quality economic development, the optimization of urban-rural structure is the key to realize this indirect mechanism. The influence of rural credit on urban-rural structure has Kuznets effect. During the early periods of conducting rural credit promotion, the urban-rural gap would weaken the impact of rural credit on the high-quality economic development in the short term. With the optimization of urban-rural structure, rural credit in promoting high-quality economic development has become increasingly prominent over a long term. Therefore, improving rural credit policy and promoting rural financial development could be conducive to improve the quality of economic development in the new era. In addition, strengthening the investment in scientific research, increasing the number of labor employment and increasing government financial expenditure can effectively improve the quality of economic development.-
Key words:
- rural credit /
- urban-rural structure /
- high-quality development /
- rural revitalization
-
表 1 变量设置
名称 变量 说明 经济高质量发展 quality 人均GDP 经济高质量发展指数，具体指标见表9 城乡结构指数 urban 城乡收入水平：农村人均可支配收入占城镇人均可支配收入比重 城乡消费水平：农村人均消费水平占城镇人均消费水平比重 农业发展水平：农林牧副渔业总产值取对数 技术创新 R&D R&D经费支出占GDP比重 劳动投入 labour 各省劳动力人口数量取对数 政府财政支出 finance 各省地方政府财政支出取对数 
下载: 导出CSV
表 2 变量的描述性统计
变量 样本量 最小值 最大值 平均值 标准差 中位数 quality 620 7.923 12.008 10.125 0.859 10.275 lrural 620 0.002 0.605 0.043 0.054 0.024 urban 620 1.004 1.939 1.482 0.166 1.482 R&D 620 0.119 6.997 1.323 1.115 1.009 labour 620 4.822 8.849 7.49 0.906 7.618 finance 620 4.094 11.582 7.384 1.214 7.474
下载: 导出CSV
表 3 面板数据单位根检验结果
检验方法 LLC IPS Breitung Fisher-ADF Fisher-PP 统计量 T T T Chi-squared Chi-squared quality −0.938*** −3.176*** −6.542*** 33.778** 135.751*** lrural −1.071*** −3.653*** −2.477*** 52.975*** 196.031*** urban −1.118*** −2.242*** −1.417** 12.064 150.720*** R&D −0.955*** −2.252*** −7.515*** 109.268*** 559.674*** labour −0.968*** −2.832*** −5.978*** 53.530*** 203.017*** finance −0.963*** −2.925*** −3.501*** 16.780** 115.677*** 注：***、**、*分别表示在1%、5%、10%的显著性水平上拒绝序列不平稳的原假设。
下载: 导出CSV
表 4 面板模型检验
数据时间段 检验类型 检验值 检验结论 2000−2008 F检验 F (30244)=54.481, p=0 FE模型 BP检验 χ²(1)=430.665, p=0 RE模型 Hausman检验 χ²(4)=2.359, p=0.670 RE模型 2009−2019 F检验 F (30306)=35.696, p=0 FE模型 BP检验 χ²(1)=615.255, p=0 RE模型 Hausman检验 χ²(4)=99.632, p=0 FE模型
下载: 导出CSV
表 5 农村贷款影响经济高质量发展实证结果
变量 2000−2008
（1）2009−2019
（2）截距 6.007*** 7.420** (37.491) (40.111) lrural 14.181*** 2.070*** (5.912) (9.947) R&D 0.124*** 0.432*** (3.164) (9.746) labour 0.776*** 0.457*** (5.053) (2.973) finance 0.487*** 0.302*** (17.819) (11.951) R2 0.827 0.754 adj R2 0.824 0.727 N 279 341 检验 1305.932*** 234.750*** 注：括号内为t值；***、**、*分别表示在1%、5%、10%的水平上显著。
下载: 导出CSV
表 6 模型回归结果
时期 变量 quality
（2）urban
（3）quality
（4）2000−2008 lrural 0.406** −3.886*** 3.265*** (2.118) (−3.575) (4.949) urban 0.736*** (3.934) Controls 控制 控制 控制 N 279 279 279 R2 0.639 0.330 0.658 adj R2 0.633 0.320 0.652 F 121.075*** 33.685*** 105.075*** 2009−2019 lrural 1.978*** 0.522*** 1.196*** (6.438) (4.191) (4.769) urban 1.499*** (13.984) Controls 控制 控制 控制 N 341 341 341 R2 0.627 0.354 0.764 adj R2 0.622 0.347 0.761 F 141.145*** 46.109*** 217.402*** 注：括号内为t值；***、**、*分别表示在1%、5%、10%的水平上显著。
下载: 导出CSV
表 7 Bootstrap中介效应稳健性检验
时间 传导项 Effect BootSE BootLLCI BootULCI z p 2000−2008 lrural $\Rightarrow $urban $\Rightarrow $quality −2.859 1.415 −5.885 −0.363 −2.020 0.043 2009−2019 lrural $\Rightarrow $urban $\Rightarrow $quality 0.782 0.377 0.374 1.861 2.076 0.038
下载: 导出CSV
表 8 效应过程汇总
时间 效应 项 Effect SE 2000−2008 直接效应 lrural $\Rightarrow $quality 3.265 3.442 间接效应过程 lrural $\Rightarrow $urban −3.886 1.087 urban $\Rightarrow $quality 0.736 0.187 总效应 lrural $\Rightarrow $quality 0.406 3.452 2009−2019 直接效应 lrural $\Rightarrow $quality 1.196 0.251 间接效应过程 lrural $\Rightarrow $urban 0.522 0.124 urban $\Rightarrow $quality 1.499 0.107 总效应 lrural $\Rightarrow $quality 1.978 0.307
下载: 导出CSV
表 9 经济高质量发展综合评价体系
一级指标 二级指标 计算公式 属性 创新 R&D经费投入强度 R&D经费支出/GDP + 人均专利占有量 国内三种专利授权数/总人口 + 创新产品销售占比 新产品销售收入/工业企业主营业务收入 + 协调 产业结构 第三产业产值/GDP + 地区收入水平 各省份人均GDP/全国人均GDP + 城乡收入水平 农村居民人均可支配收入/城镇居民人均可支配收入 + 绿色 单位GDP排放废水 废水排放总量/GDP − 单位GDP排放废气 二氧化硫排放量/GDP − 单位GDP固体废物排放 一般工业固体废物产生量/GDP − 开放 外贸依存度 进出口总额/GDP + 外资依存度 外商投资总额/GDP + 对外投资水平 对外直接投资/GDP + 共享 人均GDP GDP/总人口数 + 城镇化率 城镇人口/总人口 + 消费者物价指数 居民消费价格指数 − 失业率 城镇登记失业率 −
下载: 导出CSV
表 10 农村贷款影响经济高质量发展稳健性检验
变量 2000−2008
（1）2009−2019
（2）截距 1.180*** 1.217*** (116.443) (102.849) lrural 1.458*** 0.106*** (7.964) (5.542) R2 0.186 0.083 adj R2 0.183 0.080 N 279 341 检验 63.421*** 30.711*** 注：括号内为t值；***、**、*分别表示在1%、5%、10%的水平上显著。
下载: 导出CSV
表 11 中介效应模型稳定性检验
时期 变量 quality’
（5）urban
（6）quality’
（7）2000−2008 lrural −2.879*** −3.886*** −2.472*** (−5.021) (−3.575) (−4.293) urban 0.105*** (3.342) Controls 控制 控制 控制 N 279 279 279 R2 0.707 0.330 0.708 adj R2 0.595 0.320 0.610 F值 103.137*** 33.685*** 87.807*** 2009−2019 lrural 0.041** 0.522*** 0.032* (2.083) (4.191) (1.797) urban 0.017 (1.351) Controls 控制 控制 控制 N 341 341 341 R2 0.853 0.354 0.866 adj R2 0.851 0.347 0.864 F值 666.041*** 46.108*** 534.505*** 注：括号内为t值；***、**、*分别表示在1%、5%、10%的水平上显著。
下载: 导出CSV
表 12 效应过程汇总
项 总效应 中介效应 直接效应 95%Bootstrap抽样 2000−2008：lrural $\Rightarrow $urban $\Rightarrow $quality’ −2.879 −0.406 −2.472 −0.077− −0.003 2009−2019：lrural $\Rightarrow $urban $\Rightarrow $quality’ 0.041 0.009 0.032 0.006 − 0.019
下载: 导出CSV
-
[1] 陈东, 刘金东. 2013. 农村信贷对农村居民消费的影响. 金融研究 (6): 160−172. [2] 陈力朋, 陈锦然. 2015. 农业信贷支持对农村居民消费支出的影响. 西部论坛 (2): 17−24. doi: 10.3969/j.issn.1674-8131.2015.02.03 [3] 陈诗一, 陈登科. 2018. 雾霾污染、政府治理与经济高质量发展. 经济研究 (2): 20−34. [4] 邓创, 徐曼. 2019. 金融发展对中国城乡收入差距的非线性影响机制. 南京社会科学 (6): 8−18. [5] 杜朝运, 任永健. 2014. 金融发展对经济转型的作用机理研究. 金融与经济 (2): 15−20. doi: 10.3969/j.issn.1006-169X.2014.02.006 [6] 扶桑, 郑世杰. 2018. 贫困地区农村金融与经济发展关系的实证研究. 农村经济 (7): 77−82. [7] 谷慎, 马谌宸. 2019. 金融发展与城乡二元经济结构转换. 统计与信息论坛 (9): 61−69. doi: 10.3969/j.issn.1007-3116.2019.09.008 [8] 韩家彬, 张震, 于鸿君. 2011. 非均衡发展战略与中国城乡收入差距的关系. 统计与信息论坛 (12): 54−58. doi: 10.3969/j.issn.1007-3116.2011.12.010 [9] 胡宗义, 刘亦文. 2010. 金融非均衡发展与城乡收入差距的库兹涅茨效应研究. 统计研究 (5): 25−31. doi: 10.3969/j.issn.1002-4565.2010.05.004 [10] 李标, 王黎, 孙煜程. 2020. 农村信贷供给影响城乡收入差距的机制与效应研究. 农业技术经济 (7): 61−78. [11] 李俊玲, 戴朝忠, 吕斌, 胥爱欢, 张景智. 2019. 新时代背景下金融高质量发展的内涵与评价. 金融监管研究 (1): 15−30. doi: 10.3969/j.issn.2095-3291.2019.01.002 [12] 李胜会, 宗洁. 2018. 经济发展、社会保障财政支出与居民健康. 宏观经济研究 (11): 26−43. [13] 李子联, 王爱民. 2019. 江苏高质量发展: 测度评价与推进路径. 江苏社会科学 (1): 247−256, 260. [14] 刘金全, 徐宁, 刘达禹. 2016. 农村金融发展对农业经济增长影响机制的迁移性检验. 南京农业大学学报（社会科学版） (2):134−143, 156. [15] 刘松柏. 2011. 浅析农业产业化发展与金融服务方式的转变. 西部金融 (1): 67−68. doi: 10.3969/j.issn.1674-0017.2011.01.030 [16] 刘赛红, 王志飞. 2019. 农村信贷投入、农业振兴与城乡居民收入差距研究. 云南财经大学学报 (3): 94−104. [17] 刘艳华, 辉敏敏, 李明. 2014. 农户信贷配给程度的空间异质分析. 农业经济问题 (7): 52−59, 111. [18] 罗楚亮. 2019. 居民收入差距与经济高质量发展. 湘潭大学学报（哲学社会科学版） (4): 51−57. [19] 欧进锋, 许抄军, 刘雨骐. 2020. 基于“五大发展理念”的经济高质量发展水平测度. 经济地理 (6): 77−86. [20] 乔海曙, 陈力. 2009. 金融发展与城乡收入差距“倒U型”关系再检验. 中国农村经济 (7): 68−76, 85. [21] 师博, 任保平. 2018. 中国省际经济高质量发展的测度与分析. 经济问题 (4): 1−6. [22] 孙玉奎, 周诺亚, 李丕东. 2014. 农村金融发展对农村居民收入的影响研究. 统计研究 (11): 90−95. doi: 10.3969/j.issn.1002-4565.2014.11.012 [23] 谭磊. 2015. 农业信贷、财政支农对农村经济增长的影响. 山东大学. [24] 魏蓉蓉. 2019. 金融资源配置对经济高质量发展的作用机理及空间溢出效应研究. 西南民族大学学报（人文社科版） (7): 116−123. [25] 王永昌, 尹江燕. 2019. 论经济高质量发展的基本内涵及趋向. 浙江学刊 (1): 91−95. [26] 温忠麟, 叶宝娟. 2014. 中介效应分析:方法和模型发展. 心理科学进展 (5): 731−745. [27] 汪宗顺, 郑军, 汪发元. 2019. 产业结构、金融规模与经济高质量发展. 统计与决策 (19): 121−124. [28] 薛晨, 袁永智. 2018. 我国农村金融与农村经济发展关系剖析. 金融理论与实践 (2): 60−64. doi: 10.3969/j.issn.1003-4625.2018.02.011 [29] 尹学群, 李心丹, 陈庭强. 2011. 农户信贷对农村经济增长和农村居民消费的影响. 农业经济问题 (5): 21−27. [30] 赵玉龙. 2019. 金融发展、资本配置效率与经济高质量发展. 金融理论与实践 (9): 17−25. doi: 10.3969/j.issn.1003-4625.2019.09.003 [31] 张宏彦, 何清, 余谦. 2013. 中国农村金融发展对城乡收入差距影响的实证研究. 中南财经政法大学学报 (1): 83−88, 160. doi: 10.3969/j.issn.1003-5230.2013.01.013 [32] 张荣. 2017. 我国农村金融发展对农民收入增长的影响研究. 技术经济与管理研究 (2): 119−123. doi: 10.3969/j.issn.1004-292X.2017.02.023 [33] 张婷婷, 李政. 2019. 我国农村金融发展对乡村振兴影响的时变效应研究. 贵州社会科学 (10): 159−168. [34] 张小凤. 2019. 农村金融结构的优化升级对农村经济发展的贡献. 农业经济 (2): 95−96. [35] 张晓强, 李心丹. 2017. 中国农村金融改革的路径依赖与路径设计. 南京社会科学 (10): 19−23. [36] 赵洪丹, 赵宣凯,丁志国. 2019. 农村金融创新与农村经济发展. 中国农业大学学报 (12): 215−228. doi: 10.11841/j.issn.1007-4333.2019.12.23 [37] Abay, K. A., B. Koru, J. Chamberlin, and G. Berhane. 2022. Does rainfall variability explain low uptake of agricultural credit? Evidence from Ethiopia. European Review of Agricultural Economics 49(1): 182−207. doi: 10.1093/erae/jbab013 [38] Behera, A. R. 2019. Does institutional credit drive agricultural growth: Evidence from Odisha. International Journal of Applied Social Science 6(2): 268−273. [39] Child, M. N. 2008. The effect of a depressed economy on agricultural sector. Journal of African Studies 3(2): 152−167. [40] Enoma, A. I. 2001. Long-run agricultural growth in Nigeria: An empirical analysis. Journal of Policy Issues 3(7): 12−20. [41] Fukuda, T. 2017. The relationship between financial development and income inequality in India: Evidence from Varx and Ardlassessments. Asian Economic and Financial Review 7(10): 1014−1027. doi: 10.18488/journal.aefr.2017.710.1014.1027 [42] Greenwood, J., and B. Jovanovic. 1990. Financial development, growth, and the distribution of income. Journal of Political Economy 98(5): 1076−1107. doi: 10.1086/261720 [43] Hartarska,V., D. Nadolnyak, and X. Shen. 2015. Agricultural credit and economic growth in rural areas. Agricultural Finance Review 75(3): 302−312. doi: 10.1108/AFR-04-2015-0018 [44] Kapingura, F. M. 2017. Financial sector development and income inequality in South Africa. African Journal of Economic and Management Studies 8(4): 420−432. doi: 10.1108/AJEMS-11-2016-0177 [45] Narayanan, S. 2016. The productivity of agricultural credit in India. Agricultural Economics 47(4): 399−409. doi: 10.1111/agec.12239 [46] Ray, S. 2019. Challenges and changes in Indian rural credit market: A review. Agricultural Finance Review 79(3): 338−352. doi: 10.1108/AFR-07-2018-0054 [47] Seabron, A., N. Thomas, and P. Geoffrey. 2010. Efficiency of financial transmission rights markets in centrally coordinated periodic auctions. Energy Economics 32(4): 103−110.
点击查看大图
图(3) / 表(12)
计量
- 文章访问数: 211
- HTML全文浏览量: 212
- PDF下载量: 345
- 被引次数: 0
