经济学研究 易观测的特征变量的影响,导致被解释变量的滞后一期值与残差项相关;另外,模型中关键解释变量 农村金融发展与农业TFP也可能互为因果关系,从而存在内生性问题。为了解决动态面板模型存在 的内生性问题, Arellano et al.(1991)将所有可能的滞后变量作为工具变量对模型进行GMM估计,即 “差分GMM”,但差分GMM容易出现弱工 表2系统GMM的估计结果 具变量问题,且无法估计非时变参数的影_变量模型(1)模型(2)模型(3) nTFP(-1)0.0742-(290) 响( Blundell et al,1998)。 Blundell et al.hnP(-1) 0.1254(3,27) (1998)为提高差分GMM估计的有效性,mTE(-1) 0.0912(298) nNF0.0191“(2.25)0.0257“(3.71)-000(-0.57) 提出了系统GMM。相比于差分GMM,系 nNF0.0403-(2.93)0.0037(1.69)00366“(301) 统GMM可以使模型估计效率更高,同时HM0432200758921089173 可以估计出非时变参数。按照选择权重FD-00402(-156)00030.3)-00149(-075) 矩阵的不同,系统GMM可以分为一步 InDIA-0004-136)-0015(-103)-000(-125) hCUL.0090189)0.0161(093)0751(232) (m=两步(1wp)估计,而在有1LAN0791015381095189 限样本中处理自相关和异方差问题时,两Wad检验60.3900006463710000379261000 步系统GMM比一步系统GMM的效率更AR(1) 0.0012 0.0070 AR(2) 高( Roodman,2006)。因此,本文采用两 步系统GM的估计方法,利用Sa12.0样090 0.9710 0.9910 注:①括号内为相应系数的x值;②方括号内是Wal检验的P值;③ 软件分别对前文设定的动态面板模型进AR(1)、AR(2) Sargan检验给出的均是相应统计量的P值:④ 行回归,结果见表2 分别代表在10%、5%、1%的水平上显著。 从表2可以看出,在模型(1)、(2)、(3)随机扰动项检验中,AR(2)的P值均大于0.1,故无法拒绝 随机扰动项无二阶序列相关”的原假设,说明本文的系统GMM估计是一致的。同时,三个模型中 Sargan检验的P值也无法拒绝“所有工具变量均有效”的原假设,说明工具变量是有效的。而三个模 型中被解释变量滞后一期值均在1%的水平上显著,表明个体的当前行为受过去行为的影响,本文设 定的动态面板模型是合理的。 模型(1)的估计结果显示,正规金融(NF)与非正规金融(INF)发展均对农业TFP增长产生显著的 E向影响,且非正规金融发展水平的系数更大,表明非正规金融对农业TFP增长的促进作用要大于正 规金融。模型(2)中,正规金融发展水平的系数在1%的水平上显著为正,非正规金融发展水平的系数 在10%的水平上显著为正,但小于正规金融的系数,表明正规与非正规金融发展均对技术进步具有正 向影响,且正规金融对技术进步的促进作用更明显。从模型(3)的估计结果可以看出,非正规金融发 展水平的系数在1%的显著水平上为正,表明非正规金融的发展促进了技术效率的改善,而正规金融 却对技术效率没有显著影响。综上,正规与非正规金融均对农业TFP增长具有显著的促进作用,但作 用渠道各异,正规金融主要通过技术进步渠道,非正规金融则主要通过技术效率渠道来促进农业TFP 增长。可能的原因在于,与非正规金融相比,正规金融具有资金规模优势,而技术硏发通常需要较大 规模的资金提供支持,因而正规金融发展在促进技术进步方面表现更优。但另一方面,农村正规信贷 市场存在着严重的信息不对称,正规金融机构在向各农业经济主体发放信贷时往往处于信息劣势,因 而其通常采用基于抵押物的信贷技术来甄别贷款对象,以克服信息不对称,降低信贷风险( Hoff et al. 1990)。这不仅提高了农村正规信贷的交易成本,更把缺乏抵押物的农户及农村中小企业等小规模农 业经济主体“挡在正规金融的门外”。一些具有创新精神的小规模农业经济主体由于正规信贷约束而 无法进行相关农业投资,从而产生资源配置扭曲,阻碍了农业TFP的增长。相比之下,基于血缘、地 江苏社会科学20174·81经 济 学 研 究 江苏社会科学 2017/4· · 易观测的特征变量的影响，导致被解释变量的滞后一期值与残差项相关；另外，模型中关键解释变量 农村金融发展与农业TFP也可能互为因果关系，从而存在内生性问题。为了解决动态面板模型存在 的内生性问题，Arellano et al.（1991）将所有可能的滞后变量作为工具变量对模型进行GMM估计，即 “差分GMM”，但差分GMM容易出现弱工 具变量问题，且无法估计非时变参数的影 响（Blundell et al.，1998）。Blundell et al. （1998）为提高差分 GMM 估计的有效性， 提出了系统GMM。相比于差分GMM，系 统GMM 可以使模型估计效率更高，同时 可以估计出非时变参数。按照选择权重 矩阵的不同，系统 GMM 可以分为一步 （one-step）和两步（two-step）估计，而在有 限样本中处理自相关和异方差问题时，两 步系统 GMM 比一步系统 GMM 的效率更 高（Roodman，2006）。因此，本文采用两 步系统 GMM 的估计方法，利用 Stata12.0 软件分别对前文设定的动态面板模型进 行回归，结果见表2。 从表2可以看出，在模型（1）、（2）、（3）随机扰动项检验中，AR（2）的P值均大于0.1，故无法拒绝 “随机扰动项无二阶序列相关”的原假设，说明本文的系统GMM估计是一致的。同时，三个模型中 Sargan检验的P值也无法拒绝“所有工具变量均有效”的原假设，说明工具变量是有效的。而三个模 型中被解释变量滞后一期值均在1%的水平上显著，表明个体的当前行为受过去行为的影响，本文设 定的动态面板模型是合理的。 模型（1）的估计结果显示，正规金融（NF）与非正规金融（INF）发展均对农业TFP增长产生显著的 正向影响，且非正规金融发展水平的系数更大，表明非正规金融对农业TFP增长的促进作用要大于正 规金融。模型（2）中，正规金融发展水平的系数在1%的水平上显著为正，非正规金融发展水平的系数 在10%的水平上显著为正，但小于正规金融的系数，表明正规与非正规金融发展均对技术进步具有正 向影响，且正规金融对技术进步的促进作用更明显。从模型（3）的估计结果可以看出，非正规金融发 展水平的系数在1%的显著水平上为正，表明非正规金融的发展促进了技术效率的改善，而正规金融 却对技术效率没有显著影响。综上，正规与非正规金融均对农业TFP增长具有显著的促进作用，但作 用渠道各异，正规金融主要通过技术进步渠道，非正规金融则主要通过技术效率渠道来促进农业TFP 增长。可能的原因在于，与非正规金融相比，正规金融具有资金规模优势，而技术研发通常需要较大 规模的资金提供支持，因而正规金融发展在促进技术进步方面表现更优。但另一方面，农村正规信贷 市场存在着严重的信息不对称，正规金融机构在向各农业经济主体发放信贷时往往处于信息劣势，因 而其通常采用基于抵押物的信贷技术来甄别贷款对象，以克服信息不对称，降低信贷风险（Hoff et al.， 1990）。这不仅提高了农村正规信贷的交易成本，更把缺乏抵押物的农户及农村中小企业等小规模农 业经济主体“挡在正规金融的门外”。一些具有创新精神的小规模农业经济主体由于正规信贷约束而 无法进行相关农业投资，从而产生资源配置扭曲，阻碍了农业TFP的增长。相比之下，基于血缘、地 表2 系统GMM的估计结果 变量 lnTFP（-1） lnTP（-1） lnTE（-1） lnNF lnINF lnHUM lnEX lnFDI lnDISA lnCUL lnURBAN 常数项 Wald检验 AR（1） AR（2） Sargan检验 样本量 模型（1） 0.0742***（2.90） — — 0.0191**（2.25） 0.0403***（2.93） 0.1432**（2.04） 0.0458（* 1.74） -0.0402（-1.56） -0.0034（-1.36） 0.0299（* 1.89） 0.0379（* 1.85） 0.6967（1.03） 606.39[0.0000] 0.0012 0.4136 0.9890 540 模型（2） — 0.1254***（3.27） — 0.0257***（3.71） 0.0037（* 1.69） 0.7587**（2.28） 0.0076（1.18） 0.0023（0.93） -0.0015（-1.03） 0.0161（0.93） 0.2015***（3.86） -1.8316**（-2.45） 646.37[0.0000] 0.0070 0.2201 0.9710 540 模型（3） — — 0.0912***（2.98） -0.0002（-0.57） 0.0366***（3.01） 0.0829（* 1.76） 0.0485**（2.22） -0.0149（-0.75） -0.0009（-1.25） 0.0751**（2.32） 0.0795（* 1.81） -0.3821（-0.91） 379.26[0.0000] 0.0018 0.2425 0.9910 540 注：①括号内为相应系数的z值；②方括号内是Wald检验的P值；③ AR（1）、AR（2）、Sargan检验给出的均是相应统计量的P值；④ * 、**、*** 分别代表在10%、5%、1%的水平上显著。 81