我国县域金融服务对农村城镇化支持力度探究

《我国县域金融服务对农村城镇化支持力度探究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、我国县域金融服务对农村城镇化支持力度探究　　【摘要】不同地区的县域金融发展规模对城镇化发展水平支持作用不同。我国中、西部县域金融发展规模与城镇化发展水平呈正相关关系，而东部呈负相关关系；不同地区县域金融发展效率对城镇化发展水平的影响程度要大于县域金融发展规模的影响程度。分析其原因，寻求提高县域金融服务水平，支持城镇化发展的路径是文章研究的重点内容。【关键词】县域金融服务；农村城镇化；农村新型金融机构一、引言农村城镇化是指在农村地区生产力结构、生产经营方式和农业人口的收入水平及结构、生活方式、思想观念、人口素质等方面与城镇文明逐

2、渐接近，趋向同一的自然历史过程。助推城镇化，实现农业产业化、农村工业化，12解放农民、转移农民、富裕农民，需要大量资金的积累和投入，需要县域金融服务的提升。王丛岩、刘小新（2110）认为应建立以改善金融生态为引导，以金融产品创新为载体、金融技术创新为手段的金融服务支撑体系，促进农村城镇化发展。李■、吴淑景（2012）认为城镇化是中国经济社会发展的一个大战略，是解决三农问题的重要途径，了解农村金融服务需求则是城镇化顺利推进的重要条件。在对中国城镇化进程现状进行分析的基础上，从基础设施建设、农产品生产、流通及销售领域、与农业相关的

3、高科技行业以及保险与社会保障方面分析了城镇化进程中的农村金融服务需求，并给出金融需求的特性划分。陈罗俊（2012）认为农村城镇化改变了农村金融市场的需求，针对需求的变化，他建议农村金融供给应该由政府主导向市场驱动发展，金融主体单一向金融主体多样化发展，金融服务单一向金融服务多样化发展，资产要素无抵押权向有抵押权发展。石磊、房娟（2013）认为农村城镇化是我国经济发展不可逆转的趋势，城镇化发展的速度和程度在很大程度上依赖于金融的支持程度。因而，与城镇化相适应的农村金融体制改革应主要从完善农村金融体系的内部结构，包括农村金融组织体

4、系、市场体系、服务体系、监管体系等，以及从完善政府职能、创造良好的金融运行环境入手，增加城镇化进程中的金融供给，加快农村城镇化的进程。上述专家都对县域金融服务与农村城镇化的关系进行了一定的研究，但是县域金融服务对农村城镇化发展的支持力度仍需要进一步详细研究。二、样本选取和指标设定（一）样本选取12根据《中国统计年鉴（2012）》的行政区划数据，各省“县级市”、“县”、“自治县”（合称为“县”或“县域”）共有1942个。本文以各省县域数量在全国县域总数量所占的比重，以及数据的可获取性为原则，选取了东、中、西部共33个样本县。样本

5、的时间跨度为2007—2012年，样本共有33×6=198个观测值。数据资料来源于中国统计信息网中各县的国民经济和社会发展统计公报。本文采用一般的东、中、西部各地区的划分方法，将样本各县分别归入东、中、西部（见表1）。（二）指标设定关于县域经济增长指标的设定，大多学者采用GDP、GDP的增长率或人均GDP来衡量。如秦宛顺、钟行宁（2010）就是使用县域GDP的增长率作为县域经济增长指标进行研究的。本文采用通常的做法，即使用县域人均生产总值（RGDP）。12关于城镇化指标的设定，大多数文献选用人口城镇化率（即城镇人口占总人口的比

6、重）作为一个国家或地区城镇化发展进程的衡量指标，人口城镇化率越高，则代表城镇化水平越高。也有学者采用收入城镇化率作为城镇化发展水平的衡量指标，认为城镇化发展水平不仅仅表现在城镇人口的增长，更重要的是农民收入的增加①。由于数据的局限性，本文采用通用的做法，选用人口城镇化率（CZHL），即各个县域的非农劳动人口占总人口的比值作为城镇化发展水平的衡量指标。关于县域金融发展指标的设定，经常用金融发展规模和金融发展效率来衡量各地的金融发展水平和质量。多数学者对于金融发展规模指标的选取要么是基于国外学者Goldsmith（1969）曾定义

7、的“金融相关率”即“金融资产总量与GDP之比”，要么是基于麦金农曾定义的“经济货币化率”为“广义货币存量M2与GDP之比”。通常认为贷款比存款对经济产生的影响更为直接，并且更能反映金融机构发展规模的壮大，因此本文采用“县域金融机构各项贷款与县域GDP的比值”作为县域金融发展规模（FDS）的测度指标。对于金融发展效率指标的选取，根据数据的可得性和一致性，本文采用了目前研究学者常用的“金融机构贷款与存款的比值”（FDE）。三、我国东、中、西部县域金融服务对农村城镇化发展的支持力度实证分析（一）东部地区12为了全面分析我国东、中、西

8、部地区县域金融服务在农村城镇化发展进程中所起的作用，并且根据所收集数据的特点，通过使用计量软件Eviews6.0，建立面板数据模型更有利于研究分析。面板数据模型分析方法包括：固定影响面板数据模型和随机影响面板数据模型。究竟选取二者当中的哪一个，Hausman（1978）发现采