基于VAR与VEC模型的农村经济增长与农村金融发展关系的实证研究

摘 要：基于农村金融机构服务农村经济发展视角，构建向量自回归（Vector Autoregression，VAR）与向量误差修正（Vector Error Correction，VEC）模型，研究农村经济增长与农村金融发展的关系。结果表明：农村经济增长与农村金融发展之间表现出单向的影响关系，农村金融发展各变量之间相互作用；农村经济增长与农村金融发展存在长期均衡关系，农村金融发展中的农业保险保费结构和赔付结构变化对均衡关系的影响较大。鉴于此，在农村金融发展过程中，农村金融机构与农业相关部门应加强对农业保险的关注和管理。

关键词：农村经济；农村金融；VAR模型；VEC模型

中图分类号：F832.35；F327 文献标志码：A 文章编号：1674-7909-（2023）11-52-6

1 变量计算、数据来源和模型构建

1.1 变量和数据

目前，我国还没有官方统计的指标和数据表示农村经济发展水平。因此，笔者借鉴沙柢等［1］的做法，选用第一产业同比增速代表农村经济增长。在相关研究中，关于农村金融发展的指标普遍借鉴的是雷蒙德·W·戈德史密斯（Raymond W Goldsmith）提出的金融相关率，即金融资产总量占国内生产总值的比重。从理论上分析，金融资产总量包括金融部门与非金融部门的债权，而我国农村金融资产以银行存贷款为主。

笔者构建的变量如表1所示，从农村金融机构服务农村金融发展角度出发构建变量和收集相关数据，同时借鉴宋保胜等［2］的做法，从农村金融发展的规模、结构和效率3个维度综合测度农村金融发展情况。其中，对于农村金融发展结构这一变量，考虑到测度结构的全面性，选用3个指标代表农村金融发展结构，即农业险保费结构（FZJG1）、农业险赔付结构（FZJG2）和农村金融机构债权结构（FZJG3）。

农村经济增长、农村金融发展各变量的原始数据来源于国家统计局网站、国泰安金融数据库。各变量原始数据均为季度数据，时间跨度为1993年3月至2022年3月。

1.2 模型设计

考虑到各变量之间可能互相影响，选用非结构性的向量自回归（Vector Autoregession，VAR）模型建立各变量之间的关系模型，即每个内生变量作为所有内生变量滞后值的函数构造多方程联立回归模型［3］，以此对各内生变量构成的经济系统进行动态分析。另外，利用Eviews10软件对模型进行实证研究。

式（1）中：Yt包括GROU、FZGM、FZJG、FZXL的列向量，α表示由截距组成的列向量，t表示时期，p表示所有内生变量的滞后阶数，Π表示相关系数矩阵，μt为随机扰动项。

2 实证检验结果与分析

2.1 单位根检验

采用单位根检验方法检验时间序列是否平稳。为尽量不损失水平序列所包含的信息，对原始序列及其差分进行单位根检验，结果如表2所示。

表2检验结果表明，各变量原始序列单位根统计量均大于1%、5%和10%显著性水平的临界值，说明各原始变量序列为非平稳序列。经过一阶差分后各原始变量序列的单位根统计量均小于10%显著性水平的临界值，认为可以拒绝原假设，即各原始变量序列是一阶单整序列I（1）。

2.2 滞后期选择

建立VAR模型的关键是确定各变量的滞后阶数，滞后阶数越大，则需要估计的参数越多，但是能更好地反映模型的动态性变化。根据表3中的检验结果与信息准则，确定最优滞后阶数为4。

2.3 VAR模型的参数估计

根据滞后期数选择，选择4阶对VAR模型进行估计较为合适。从估计结果来看（VAR模型参数的估计结果表略），农村经济增长与农村金融发展方程的拟合优度分别为57%、97%、99%、99%、95%、99%，拟合效果都比较好，说明这6个序列变量的关系方程密切，VAR模型较好地反映了序列变量之间的动态变化关系。

2.4 VAR模型的稳定性检验

要想分析农村经济增长与农村金融发展之间的动态关系，就要确保VAR模型的稳定性。若上述矩阵的AR特征多项式根的倒数均小于1，在单位圆内，则说明VAR模型是稳定的。根据图1结果，VAR模型是稳定的，说明后续可以进行脉冲响应和方差分解。

2.5 VAR模型的格兰杰因果关系检验

格兰杰因果检验揭示的并非字面意思的因果关系，反映的是一种动态关系，说明一个变量对另一个变量是否有“预测能力”，表4至表9给出各变量间的格兰杰因果检验结果。

表4所示的GROU方程中，各变量的格兰杰因果检验的概率值均大于5%的显著性水平，可以认为各变量均不是农村经济增长变化的原因；各变量滞后联合的格兰杰因果检验的概率值也大于5%的显著性水平，可以认为各变量的联合作用不是农村经济增长变化的原因。

表5所示的FZGM方程中，FZJG3、FZXL的格兰杰因果检验概率值小于5%的显著性水平，可以认为农村经济增长、农村金融机构债权结构和农村金融发展效率是农村金融发展规模变化的原因；各变量滞后联合的格兰杰因果检验的概率值小于5%的显著性水平，可以认为各变量的联合作用是农村金融发展规模变化的原因。

表6所示的FZJG1方程中，FZJG3的格兰杰因果检验的概率值小于5%的显著性水平，可以认为农村金融机构债权结构是农业险保费结构变化的原因；各变量滞后联合的格兰杰因果检验的概率值小于5%的显著性水平，可以认为各变量的联合作用是农业险保费结构变化的原因。

表7所示的FZJG2方程中，各变量的格兰杰因果检验的概率值均大于5%的显著性水平，可以认为各变量分别不是农业险赔付结构变化的原因；各变量滞后联合的格兰杰因果检验的概率值小于5%的显著性水平，可以认为各变量的联合作用是农业险赔付结构变化的原因。

表8所示的FZJG3方程中，FZXL的格兰杰因果检验的概率值小于10%的显著性水平，可以认为农业金融发展效率是农村金融机构债权结构变化的原因；各变量滞后联合的格兰杰因果检验的概率值大于5%的显著性水平，可以认为各变量的联合作用不是农村金融机构债权结构变化的原因。

表9所示的FZXL方程中，FZGM、FZJG3的格兰杰因果检验的概率值小于5%的显著性水平，可以认为农村金融发展规模和农村金融机构债权结构是农村金融发展效率变化的原因；各变量滞后联合的格兰杰因果检验的概率值小于5%的显著性水平，可以认为各变量的联合作用是农村金融发展效率变化的原因。

2.6 脉冲响应函数

脉冲响应函数反映一个内生变量产生的扰动或冲击如何影响另一个变量的当期值和未来值，以此可以观察VAR模型中各变量的响应函数时间路径。此次研究的VAR模型中包含6个变量，导致脉冲响应函数的输出结果较多，下面仅展示农村经济增长（GROU）的脉冲响应函数。

如图2所示，农村经济增长对于自身的扰动或冲击在第1期做出正向响应，之后开始减少，至第6期转为负，持续至第9期转为正向响应，说明农村经济增长变化对于自身的扰动或冲击响应程度较大。

如图3所示，农村经济增长对于农村金融发展规模的扰动或冲击在第3期开始略有正向响应，持续至第10期趋于平稳，说明农村金融发展规模变化对农村经济增长变化影响较小。

如图4所示，农村经济增长对于农业险保费结构的扰动或冲击在第2期开始有正向响应，在第5期达到谷峰，说明农业险保费结构变化对农村经济增长变化有明显的影响。

如图5所示，农村经济增长对于农业险赔付结构的扰动或冲击在第1期略有正向响应，在第3期转为负并持续至第8期又转为正，但响应幅度都很小，说明农业险赔付结构变化对农村经济增长变化影响有限。

如图6所示，农村经济增长对于农村金融机构债权结构的扰动或冲击在第2期略有正向响应，并持续至第9期开始减缓，说明农村金融机构债权结构变化对农村经济增长变化影响有限。

如图7所示，农村经济增长对于农村金融发展效率的扰动或冲击在第4期略有负向响应，持续至第10期趋于平稳，说明农村金融发展效率变化对农村经济增长变化影响很小。

2.7 农村经济增长方差分解结果

方差分解可以反映VAR模型中不同结构性冲击或扰动对某个内生变量变化的贡献度，可以此评价该结构性冲击或扰动的重要性。农村经济增长方差分解结果如表10所示。

由表10可知，农村经济增长方程方差中，其自身的冲击或扰动所做的贡献程度由大到小，滞后10期的贡献率为83.8%；农村金融发展规模对方差的贡献度由小变大，在第8期趋于平稳，滞后10期的贡献率为2.42%；农业险保费结构对方差的贡献度由小变大，在第8期趋于平稳，滞后10期的贡献率为8.99%。农业险赔付结构对方差的贡献度由小变大，滞后10期的贡献率为1.81%；农村金融机构债权结构对方差的贡献度由小变大，在第10期的贡献率为1.52%；农村金融发展效率对方差的贡献度由小变大，滞后10期的贡献率为1.46%。

2.8 农村经济增长和农村金融发展的向量误差修正模型

由于序列GROU、FZGM、FZJG1、FZJG2、FZJG3、FZXL都是一阶单整序列，可以使用约翰森协整检验方法检验农村经济增长与农村金融发展是否存在协整关系，检验结果如表11所示。

从表11约翰森协整检验结果来看，拒绝了“不存在及至多存在1个、2个、3个”的原假设，说明农村经济增长与农村金融发展之间存在协整关系，可以建立VEC模型。

2.9 VEC模型估计结果

根据各序列的协整向量，得到协整方程为

上述协整方程表明：在其他条件不变的情况下，农村金融发展规模每上涨1.0个百分点，农村经济增长就减少0.5个百分点；农业险保费结构每上涨1.0个百分点，农村经济增长就增加100.0个百分点；农业险赔付结构每上涨1.0个百分点，农村经济增长就减少16.0个百分点；农村金融机构债权结构每上涨1.0个百分点，农村经济增长就增加0.9个百分点；农村金融发展效率每增加1.0个百分点，农村经济增长就减少2.8个百分点。

根据协整方程得出样本期内各序列变量的协整关系图（见图8）。图8表明了农村经济增长与农村金融发展各变量之间的变化关系：1994—2003年相对稳定，波动幅度较小，2004—2007年有一次较为明显的波动，之后又趋于平稳，一直到2019年，各变量之间的关系出现巨大的波动幅度，并持续至样本期末。

2.10 VEC模型的矩阵方程

根据协整向量和误差修正项的估计结果，可以得到农村经济增长和农村金融发展的误差修正模型。基于研究需要，下面只列出农村经济增长的误差修正模型。

在农村经济增长误差修正模型中，ecmt表明当农村经济增长GROU比协整方程中的GROU的均衡水平高时，下一期的GROU就往低的方向调整，调整系数为-0.308 881。

3 结论和建议

从VAR模型的格兰杰因果检验结果来看，农村经济增长与农村金融发展之间表现出单向的影响关系，即农村金融发展各变量的单个作用和联合作用对农村经济增长的影响均不显著，但是农村经济增长会影响农村金融发展［4］，包括农村经济增长是农村金融发展规模变化的原因，经济增长与农村金融发展中其他变量的联合作用也是农村金融发展个别变量变化的原因。除此之外，农村金融发展各个变量之间也存在相互作用、互相影响的关系。

从脉冲响应函数和方差分解的分析结果发现，农村经济增长受自身变化影响的同时，农村金融机构变化对农村经济增长变化的贡献均较小，其中贡献略微突出的是农业险保费结构。从农村经济增长与农村金融发展长期均衡关系来看，农业险保费结构和赔付结构的变化对于均衡关系的影响较大。

基于以上结论，笔者认为当前在农村金融发展过程中，要加强对农业险的关注和管理。一是细化《农业保险条例》，明确保险经营、农业险产品管理、财税帮扶及灾害风险分散等方面的权责界限；二是完善农业保险赔付机制，根据不同省（自治区、直辖市）实际风险，动态调整农产品保险费率；三是推行强制型、自愿型投保相结合的农业保险模式［5］，保证农业保险的可持续性；四是加大政府对农业保险的补贴力度，同时为农业保险公司提供必要的信贷支持，调动农户和农业保险机构参与农业保险的积极性。

参考文献：

［1］沙柢，潘伟光.基于VAR模型的河南省农村金融与农业经济发展关系［J］.浙江农业科学，2021（1）：198-203.

［2］宋保胜，王丽.基于VAR模型的河南农村金融发展与农民收入的实证分析［J］.周口师范学院学报，2022（3）：110-115.

［3］李婕妤，李林玲.“互联网+”背景下我国农村金融服务区域差异研究：基于VAR模型的实证分析［J］.哈尔滨商业大学学报（社会科学版），2021（4）：33-46.

［4］刘琪，李宗洙，PARK Jeng-woon.中国农村金融发展对农民收入增长的影响研究：基于2009—2018年数据的实证分析［J］.湖北农业科学，2022（2）：209-214.

［5］赵俊粟.政府支持背景下农业保险创新的风险及其规制［J］.产业创新研究，2020（14）：28-29.

基金项目：2022年河南省社科联调研课题“乡村振兴战略背景下金融服务模式创新研究”（SKL-2022-2680）。

作者简介：王雪然（1986—），女，硕士，讲师，研究方向：计量经济学分析、金融经济学。