一、引言

2023年中央一号文件重点强调了乡村产业的高质量发展，明确提出需要在展现乡村特色、产业融合、合理布局及农业带动方面下功夫。文件指出，要将乡村的资源、生态和文化优势转换成产品和产业优势，通过第一、第二和第三产业的融合激发乘数效应，建立城乡互动的产业集群，增强市场竞争力和可持续发展能力，确保产业增值收益更多地回报给农民。农村一二三产业融合不仅是农村现代化的必然选择，也是实现乡村振兴战略的关键途径。如何有效提升这一融合的发展水平成为关键，这不仅需要解决体制机制上的障碍，还要突破限制发展的供给要素瓶颈。金融支持是推动农村三产融合可持续发展的关键因素。为此，国家出台了一系列政策，引导金融资本向“三农”领域流动。然而，目前农村金融机构面临管理体制落后、金融资源分配不均等问题，导致金融资源配置效率不高，对农村三产融合的支持力度有限。在进行大规模的农业金融投资时，提高金融资源的使用效率显得尤为重要。优化资源配置是加强“三农”基础作用的关键。同时，在城镇化进程加速的背景下，提高农村金融资源配置的效率，促进农村三产的深度融合，不仅关系到农村地区的经济繁荣，更是推动社会全面进步的重要一环。因此，农村金融资源配置效率对三产融合发展的具体影响成为一个需要深入探讨和验证的理论与现实问题。

二、文献综述

自2015年中央一号文件提出“推进农村一二三产业融合发展”以来，掀起了农村产业融合研究的热潮。姜长云(2015)认为农村的一二三产业融合本质上是产业之间的整合。这种整合过程是建立在农村不同产业之间的互相渗透与组合上，其显著特点在于产业链的延伸、经营领域的扩充及产业功能的转化，其根本目的在于推动产业发展进步和模式转换，利用新兴技术、新型业态与新商业模式，以实现资源、因素、技术和市场需求在农村地区的全面整合与优化配置[1]。曹祎遐和耿昊裔(2018)以包括上海、北京、天津在内的九个省份作为研究对象，构建了一个以完全消耗系数和完全分配系数为核心的指标体系，并运用灰靶决策模型来计算这些省份一二三产业融合的程度系数[2]。孙会敏等(2018)运用向量自回归模型，并结合直接消耗系数法，对农业与二三产业的融合程度进行了定量分析研究[3]。高铭雪等(2019)运用赫芬达尔指数法测算陕西省西乡县的一二三产业的市场融合指数[4]。王玲(2017)、李治等(2019)运用熵值法分别测算江苏、北京的农村三产融合水平[5,6]。张康洁和蒋辉(2017)、陈盛伟和冯叶(2020)均以熵值法为主，分别采用系统性耦合协调度模型、TOPSIS法和欧式距离函数法对山东省农村三产融合水平进行评价[7,8]。陈红霞和雷佳(2021)利用2014至2018年的中国省际数据，采用熵值法和耦合协调度模型，对农村三产融合及其耦合协调水平进行了测量[9]。张林等(2020)运用熵值法和欧式距离函数法测算了省级农村产业融合发展的综合指数，并对东中西部状况进行比较分析[10]。李芸等(2017)、田聪华等(2019)通过层次分析法和综合指数法，对北京和新疆的农业产业融合发展指数进行了测算分析[11,12]。黄敏和王桥(2023)基于四个不同的维度，建立了一个针对中国农村一二三产业融合的评价指标体系[13]。综上所述，关于农村三产融合的内涵已经形成非常丰富的成果，测度融合水平的方法也比较多，如产值贡献度法、主成分分析法、灰靶决策模型、赫芬达尔指数法、熵值法等，但目前大多实证文献是对全国整体或是某一省份进行测度与分析，缺乏省际间的比较。

尽管目前中国的农村金融体系逐渐健全，但仍面临金融资源有效供给不足的挑战。农村金融资源配置效率是评估农村金融系统运作和资源配置情况的关键指标，通过这一指标可以判断农村金融的实际效用，并对现代大型农业发展的影响进行有效的评估，具有重要的指导作用。当前的研究动态显示，只有少数文献直接探讨了金融资源配置效率与农村三产融合发展之间的联系。而国际上的相关研究主要集中于农业产业化过程中的金融支持问题。Rust等(1957)认为要提高农业产业化经营的效率，关键在于建立和完善投融资机制[14]。Ranis和Fei(1961)强调，为了实现农业产业化的实质性进展，完善其金融支持和制度保障是必不可少的途径[15]。Lueven等(2015)指出，随着金融体系的不断完善，资本的配置效率不断提高，进而加速了产业发展[16]。除了理论性的阐述，Peter和Warren(1983)、Saravanan(2016)从不同国家和地区的实际数据出发，证实了金融供应不足(或信贷限制)对农业生产及产业化进程影响的关键制约作用[17,18]。国内农村三产融合的金融支持研究大多是机制机理、问题对策的理论研究，实证研究较少。张峁(2018)提出金融业应当积极促进第一产业与二三产业的紧密结合，充分利用农业的多功能性，以此有效提升农业生产的附加值，并促使农民收入增长，从而实现致富[19]。向琳和李季刚(2010)指出，在农村产业融合的发展过程中，金融需求表现为多层次、多样化、具有长期性和稳定性的特点[20]。然而，当前农村三产融合面临的主要问题包括信贷供应总量不足、长期贷款稀缺以及金融产品创新不足等金融挑战。实证方面，张玉利和郭永清(2016)、王丽娟(2017)通过分析上海和甘肃平凉的实际数据，证明了金融支持对于提高农村产业化发展水平具有显著的促进作用[21,22]。李晓龙和冉光和(2020)实证研究发现农村金融深化显著推动了中国农村产业融合发展水平的提升，其中东部地区相比中西部地区的促进效果更为显著[23]。杜小伟和黄军红(2022)利用2009至2020年中国各省份的面板数据，并采用面板向量自回归模型进行分析，研究发现，无论是短期还是长期，金融发展的规模都有助于推进中国整体及其各个地区农村产业融合的发展[24]。张瑞怀(2023)基于2010至2019年中国30个省份的面板数据，并运用面板模型，以金融支持对农村一二三产业融合水平的影响进行了分析研究。研究结果表明，金融和财政支持主要通过增加规模的方式来提高农村产业融合的水平[25]。

尽管上述研究提供了宝贵的参考和借鉴，但目前的文献中鲜有实证研究涉及农村金融资源配置效率对三产融合发展的影响。此外，关于农村三产融合发展的评价与分析，也缺少对各省份之间比较的深入讨论。鉴于此，本研究利用2010至2021年中国各省份的面板数据，依据农村三产融合的内涵及产业政策评估的标准方法，构建了一个全面的评估体系，并运用熵值法来计算全国30个省份(不含港澳台及西藏)的农村三产融合综合发展水平。同时，采用DEA-Malmquist方法来客观评估农村金融资源配置效率及其动态变化，并通过面板门槛效应模型来分析农村金融资源配置效率对三产融合发展的影响。

三、理论分析与研究假设

(一)农村金融资源配置效率对三产融合发展的作用机制

根据金融功能理论，农村金融资源配置效率对三产融合发展的作用机制主要体现在金融资源可得性、金融资源的导向机制和金融资源的激励监督机制三个方面，进而促进农村三产融合水平的不断提高。

第一，金融资源可得性。

农村三产融合由于其复杂性、广泛的涉及范围和多元化的特点，导致其资金需求特征为大额、多样、长期和稳定。面对农业和农村对金融的强烈需求，仅仅依赖农村自有资金和财政补贴是不足以应对和持续的。金融机构通过其信贷融资作用，能够在农村及城乡间推动金融资源的有效流动，改善农村金融资源的空间配置，为农村三产融合发展提供新的动力。此外，为了满足农村三产融合的多样化融资需求，金融机构需要开发适宜的金融产品和融资模式。采用“银行+保险+期货”等新型金融模式，有助于解决农村产业资金不足的问题，提高农村金融资源的匹配度。

第二，金融资源的导向机制。

农村金融机构通过其信息搜集能力，可以有效识别并评价那些具有较高投资效益的农村三产融合项目，并优先将有限的金融资源分配给这些项目。在数字经济发展的背景下，金融科技和数字化技术已开始在农业金融领域得到应用。通过运用大数据和信息挖掘技术，金融机构能够进一步减少信息不对称的问题，吸引更多资金投入，从而激发农村三产融合的活力。同时，合理的金融资源导向机制能够促进农村的产业化经营，延伸产业链，并培养具有市场竞争力的农村三产融合发展主体，这对提高农村三产融合发展水平具有积极作用。

第三，金融资源的激励监督机制。

资本市场对农村三产融合的企业在筹集生产及经营资本方面起到了鼓励作用，这一举措旨在激发乡村产业的发展并促进各产业之间的融合。同时，通过对农村产业经营的严格监督和管理，资本市场有效预防了在农村三产融合发展过程中可能出现的由人为因素引起的道德风险。这样的监管策略有助于形成一个良好的融资环境，从而提高农村三产融合的效率并有力地推动乡村振兴计划的实施。

金融资源配置效率的提高意味着将金融资源更多地投向生产效率较高的部门或产业。特别是在金融资源紧缺的农村地区，提高农村金融资源配置效率对于增强金融资源在农村经济产业中的作用尤为关键，有助于推动农村的产业化和产业间的融合。同时，作为农村三产融合重要的投入要素，金融资源的促进效应表现出边际效率递减的特性。基于以上理论分析，提出以下假设：

假设1:农村金融资源配置效率对三产融合发展存在正向推进作用。

假设2:农村金融资源配置效率对三产融合发展的促进作用存在门槛值。

(二)农村金融资源配置效率对三产融合发展影响的区域差异

鉴于中国地域广阔，不同区域在经济发展、自然条件、生产力及政策执行等方面的差异显著，因此，农村金融资源配置的效率以及农村三产融合的发展程度同样表现出显著的地区性差别。此外，农村金融资源配置效率对三产融合发展的促进作用也因地区间在经济环境、产业结构、生产力等方面的差异而呈现不同的影响。基于以上分析，本文提出假设3。

假设3:农村金融资源配置效率对三产融合发展的促进作用存在区域差异。

四、模型的设定和数据说明

(一)计量模型设定

为了探究农村金融资源配置效率与农村三产融合发展间的相关性，本研究采用固定效应面板模型作为主要分析工具。为解决潜在的非线性关系、非平稳序列问题以及变量之间值域差异较大的问题，本文对因变量和自变量进行对数转换处理。基于处理后的数据，构建了以下回归分析模型：

lnDFit=αi+βlnFDEit+δXit+εit (1)

其中，lnDFit代表i省份在t期时因变量农村三产融合发展水平的对数值；lnFDEit代表的是i省份在t期时自变量农村金融资源配置效率的对数值；Xit表示一系列城市特征变量和可能对当地农村三产融合发展产生影响的控制变量，主要包括政府财政支持因素(GOV)、科技水平(RD)、地区开放水平(OPE)、人力资本因素(POP)、农业生产成灾面积(CZL);εit为随机扰动项。

为应对模型可能遇到的结构性变化和门限问题，本研究采用了Hansen(1999)提出的门限回归方法来探讨农村金融资源配置效率与三产融合发展之间的关系[26]。这种方法显著优化了传统门限值分析方法在估计门限值、确定门限值置信区间的不确定性问题以及在参数估计有效性方面的局限，从而提高了模型的适应性。

(二)变量说明与指标选取

1.被解释变量：农村三产融合发展水平(DF)

农村三产融合的发展基于农业，涉及产业间的相互融合、交汇和重构，通过形成新技术、新业态和新商业模式来拓展农业产业链，实现农业多功能性，其最终目的是提高农业的效益和增加农民收入。本文借鉴王玲(2017)、李芸等(2017)和刘赛红等(2021)从融合行为和融合效益两个角度来评估融合程度[5]21[11]208[27]。鉴于区域数据的可获得性，并参考先前的理论探讨，本研究从六个核心维度构建综合评估指标体系：农业产业链的扩展、农业多元功能、农业服务业的整合发展、农民收益的提升、农业效益增长以及城乡融合，旨在全方位评估农村产业融合的发展程度(见表1)。

表1 农村三产融合发展评价指标权重表

指农业与其关联产业，如加工业、旅游业和服务业等之间实现相互融合和协同增长。这进一步细化为三个二级指标进行考量。

农业产业链延伸。当前，农业产业链扩展的核心是积极推动农产品的加工业发展，着重于农产品的精细化加工，构建具备农村特色的加工业态，并提高农产品的加工效率及其综合利用率，从而增加农业的附加值。因此，本文选择了农产品加工业的主要营业收入和第一产业增加值在GDP中的比重作为衡量农业产业链延伸水平的指标。

农业多功能性发挥。农业多功能性的关键在于积极推进休闲农业和乡村旅游业的发展。因此，本文采用休闲农业的营业收入占农林牧渔总产值的比重作为指标，以此来衡量农业多功能性的实现程度。

农业服务业融合发展。为了反映农业服务业融合发展的情况，选择两个指标：一是农林牧渔服务业增加值占整个农林牧渔行业增加值的比重；二是农业保险的深度。这两个指标共同用于评估农业服务业融合发展的程度。

(2)农村三产融合效益。

指农业产业融合发展在推动农村经济增长、社会进步、提升农民收入以及缩减城乡差异方面所产生的效果。为了深入分析，将其进一步细分为三个二级指标。

农民增收。通过产业内部的整合与外部的融合，结合品牌效应及政府支持，能有效促进农民收入的提升。此外，通过延长产业链，可以增加农产品的附加值，并为农民开辟更多的收入来源。因此，本文采用农民人均纯收入作为衡量农民增收水平的指标。

农业增效。本文选用劳动力平均在第一产业创造的增加值、每单位耕地在第一产业的增加值，以及每万元农业GDP的水资源消耗量来衡量农业增效的效果。

城乡一体化。积极促进农业与第二、第三产业的融合，有助于缩小城乡居民收入差距，并加快城乡资源及要素的交流与互动，推动城乡经济社会的整体一体化进程。因此，本文采用城乡居民收入和消费水平的差异来衡量城乡一体化的程度。

在获得上述指标数据的基础上，运用熵值法来决定各指标的权重。考虑到传统熵值法仅适用于横截面数据的，本文参照陈治国等(2020)对熵值法的改进，使之适用于基于省际面板数据的实证分析，以此来衡量不同地区农村第三产业融合的综合指标[28]。

2.核心解释变量：农村金融资源配置效率(FDE)

传统的CCR和BCC模型以及三阶段DEA分析，仅能提供决策单元的静态效率分析，并不能展现不同时间阶段效率的变化。相比之下，Malmquist指数法是通过分析不同时间节点的生产效率变化来计算Malmquist全要素生产率指数，进而实现对农村金融资源配置效率的动态评价。结合Malmquist指数和DEA方法，可以有效描述效率的动态变化。Malmquist指数=全要素生产率=技术效率变化×技术进步变化=纯技术效率变化×规模效率变化×技术进步变化。因此，本文利用DEA-Malmquist模型得出的全要素生产率指数来评估农村金融资源配置效率。运用DEA-Malmquist方法测算农村金融资源配置效率首先需要确定投入、产出指标，在综合考虑数据的可获取性和有效性后，构建了农村金融资源配置效率评价指标(见表2)。

表2 基于三阶段DEA的农村金融资源配置效率评价指标

(1)投入指标。

一般而言，农村金融资源的配置涵盖了人力、物力和财力三个主要方面。为了衡量这些方面的投入，选择了各省份农村金融机构的从业人员数量、农村金融机构的网点数量以及农业贷款的余额作为投入的指标。其中，农业贷款余额是通过金融机构的涉农贷款余额来代替和表示的。

(2)产出指标。

农村金融发展的根本目的在于促进经济增长和提升居民生活质量。因此，选用第一产业的增加值和农民人均可支配收入这两项指标，以衡量农村金融发展的产出效果。

3.控制变量

本文主要考虑政府财政支持因素、科技水平、地区开放水平、人力资本和气候因素。政府财政支持(GOV)作为农村三产融合发展的基础保障，通过政府财政支出占地区GDP的比重来衡量。科技创新是农村三产融合发展的技术基础，采用科技投入强度(RD)来表示。地区的开放程度(OPE),在本研究中，是通过进出口总额与GDP的比值来体现的。在人力资本(POP)方面，使用受教育年限来衡量。至于农业生产中的成灾面积(CZL),则以农业的成灾面积来表示。

表3汇报了相关变量的描述性统计结果。

表3 相关变量的描述性统计

4.数据来源

本文基于2010—2021年中国30个省份相关数据，探究了农村金融资源配置效率与农村三产融合发展水平之间的非线性联系。数据包括农林牧渔业的总产值、服务业增值、城乡人口数、城乡居民人均可支配收入、农村居民人均纯收入、城乡消费水平、农业生产成灾面积、受教育年限等，来源于《中国统计年鉴》《中国农村统计年鉴》和知网年鉴网站。农产品加工业和休闲农业等数据来自《中国农业年鉴》《中国农产品加工业年鉴》《中国乡镇企业年鉴》等，以及地方年鉴和政府网站，缺失数据通过插值法补充。农村金融机构从业人员数、网点数和涉农贷款余额的数据则来自《区域金融运行报告》和《中国金融年鉴》。此外，科技投入强度数据源自《全国科技经费投入统计公报》,而地区GDP、人口自然增长率、进出口总额及地方财政预算支出等原始数据主要来源于国家统计局网站。

五、实证结果分析

(一)农村金融资源配置效率的测算

表4展示了2010—2021年间30个省份的年均农村金融Malmquist指数(即全要素生产率TFP)及其各分量的分解结果。表中的五个指数值代表了相应指标在连续两年间比值的年均数。从表4可以看出，在考察的30个省份中，全要素生产率(TFP)的平均年增长率为0.3%,其中：综合技术效率的平均年增长率为2.2%;技术进步的平均年增长率为-1.8%。在全要素生产率呈现正增长的地区包括天津、山东、湖北等15个省份；而北京、河北、山西等14个省份的全要素生产率则表现为负增长。特别地，内蒙古和吉林的综合技术效率及技术进步均呈现负增长。河北、山西、辽宁等11个地区的全要素生产率负增长主要归因于技术进步的下降，而北京市全要素生产率的负增长则主要是由综合技术效率的降低引起的。

表4 2010—2021年30个省份年均农村金融Malmquist指数及其分解

根据表5的数据，可以观察到2018年至2021年间，全国全要素生产率(TFP)每年均实现了正增长，且增长率均超过5%。然而，在技术进步方面，2010年至2021年期间，仅在2016年、2019年和2021年观察到技术进步的正增长，其他年份并未见明显增长。另外，可以观察到，近年来全要素生产率的增长主要得益于综合技术效率的提升，尤其是规模效率的显著增长。

表5 2010—2021年全国年均农村金融Malmquist指数及其分解

为了深入理解农村金融资源配置效率的动态演变和区域间差异，本研究对2010年至2021年的数据进行了区域比较分析。在区域划分上，将全国分成东部、中部和西部三个主要区域。通过图1至图5的分析，发现东部地区的农村金融资源配置效率总体呈现下滑趋势，这主要是由于该地区的纯技术效率和规模效率均下滑，且低于中部和西部地区。中部地区的农村金融资源配置效率过去一直处于较低水平，但近年来有了显著的提升。虽然西部地区在总体上表现较好，但其技术变化指数在三个地区中是最低的。在纯技术效率和规模效率方面，中部和西部地区整体上表现均优于东部地区。

图1 东、中、西三大地区农村金融资源配置效率均值趋势图   

图2 东、中、西三大地区农村金融综合技术效率均值趋势图   

图3 东、中、西三大地区农村金融技术变化指数均值趋势图  

图4 东、中、西三大地区农村金融纯技术效率均值趋势图  

图5 东、中、西三大地区农村金融规模效率均值趋势图   

(二)基准模型回归结果

以农村金融资源配置效率作为自变量、农村三产融合水平作为因变量的固定效应面板回归模型，其回归结果见表6。从(1)列至(6)列的分析结果表明，在纳入控制变量后，农村金融资源配置效率对三产融合发展的影响显著，且该影响在1%的显著性水平上被验证。这种影响是正向的，其系数范围在0.251至0.326之间。这说明农村金融资源配置效率的每1%提升，能直接促进农村三产融合水平增长0.251%至0.326%。此外，在对模型残差进行自相关性分析时，AR(2)检验的p值均高于0.1,这意味着模型残差不存在显著的自相关性。同时，进行Sargan检验以检测不可识别或过度识别问题，其p值均超过0.05,表明所有工具变量均为外生的。

表6 固定效应面板回归模型

(三)门槛效应检验和模型回归结果

本文运用面板模型对农村金融资源配置效率和农村三产融合发展之间的非线性调节效应进行了量化分析。首先，依据Hansen(1999)的方法对面板数据进行门槛检验。通过300次重叠拟似然比检验和95%的置信区间，结果显示在5%的显著性水平上存在单一门槛效应。具体的门槛效应和模型估计结果分别展示在表7和表8中。根据表7和表8可知，农村金融资源配置效率(FDE)的对数值在5%的显著性水平上通过了单门槛检验，门槛值定为-0.165。根据门槛模型的估计，当农村金融资源配置效率小于0.848(e-0.165)时，其对农村三产融合发展的估计系数为-0.258,具有显著性；而当配置效率值超过0.848(e-0.165)时，估计系数为0.447,同样具有显著性。这一结果揭示了农村金融资源配置效率在达到一定门槛前对农村三产融合发展起到抑制作用，而超过该门槛值后则有助于促进其发展。

表7 门槛变量的显著性检验和门槛估计值

为了更加直观地验证所得门槛值的有效性，图6展示了单门槛估计值的似然比函数图，设定在95%的置信区间内。图中，似然比统计量LR在接近4.5的最低点处对应的即为真实门槛值。图中的虚线代表了7.5的临界值。从图中可以看出，实际的门槛值远低于临界值，因此可以判断，该门槛值是有效且具有实际意义的。

图6 全国样本似然比值与门限参数关系图   

(四)区域异质性分析

鉴于中国国土面积广阔，不同区域在经济发展水平、自然环境和政策执行上存在较大差异，本文特别对东部、中部和西部地区的门槛效应进行了检验，并在表9和表10中展示了模型的估计结果。而西部地区没有显示出门槛效应，因此其门槛估计结果未被列入。此外，图7和图8分别展示了东部和中部地区单门槛估计值的似然比函数图。这两个地区的门槛值都显著低于各自的临界值，从而可以认为这些门槛值是真实且有效的。

表9 东、中、西部地区的门槛效应检验结果

表10 东部地区与中部地区的面板门槛模型估计结果

从实证分析中可以得出以下结论：在东部地区，当农村金融资源配置效率低于1.053(e0.052)时，其对农村三产融合发展的影响系数为-0.395,在5%的显著性水平上显著；而一旦配置效率超过1.053(e0.052),其对应的影响系数上升至0.423,在1%的显著性水平上显著。对于中部地区，农村金融资源配置效率低于0.939(e-0.063)时，估计系数达到0.746,同样在1%的显著性水平上显著；当配置效率高于0.939(e-0.063)时，其估计系数显著增至1.688,在1%的显著性水平上显著。这表明，在东部地区，一旦农村金融资源配置效率达到特定门槛，便能有效促进农村三产融合发展；而在中部地区，这种促进效应更加显著。

图7 东部地区似然比值与门限参数关系图  

图8 中部地区似然比值与门限参数关系图  

(五)内生性问题讨论

内生性问题是本文无法忽略的问题，测度误差、遗漏变量、互为因果等都有可能导致内生性问题。由测量误差和遗漏变量引起的内生性问题，本文通过DEA-Malmquist指数分析方法和引入相关控制变量来缓解内生性问题。然而，变量间的互为因果关系引发的内生性问题，依然是需要关注的关键问题。具体来说，农村金融资源配置效率可能促进了农村三产融合发展，而农村三产融合发展的提升反过来又可能推动农村金融资源配置效率的增加。为了解决这一问题，本文选用了工具变量法。因此，选择农村金融资源配置效率的上一期数据作为工具变量，进行IV-2SLS回归分析，相关结果展示在表11中。使用工具变量法进行的回归分析所得系数与之前的基本回归分析结果相比，并无显著差异。本文还对模型的内生性进行了检验，原假设是模型中的变量是外生的。该检验的滞后一期P值为0.644,显示内生性并不显著。此外，在进行工具变量相关性的检验时，CD Wald F检验的结果超过了阈值，说明所选工具变量并非弱效工具。通过比较表6中的(6)列回归结果和表11的数据，可以看出核心解释变量的系数符号及显著性基本保持不变，这进一步验证了本研究结论的稳健性。

表11 内生性问题分析回归结果

六、结论与政策建议

(一)研究结论

在本研究中，运用熵值法对中国各省份在2010至2021年间的农村三产融合发展指数进行了计算，同时采用DEA-Malmquist方法来评估中国农村金融资源的配置效率，并从效率分解的角度对不同省份的情况及其影响因素进行了探讨。通过基准面板回归和面板门槛模型的实证检验，分析了农村金融资源配置效率对三产融合发展的影响，主要结论如下：

第一，中国农村三产融合的水平逐年提高，但总体上仍然较低，并且不同区域之间的差距正在增大。这表明中国在农产品的深加工和综合利用方面仍有待提升，目前以一般性和资源型的传统产品为主，而高技术含量和高附加值的产品较少。在地区分布上，西部地区的三产融合水平明显落后于其他地区，东部地区的融合度不断超过中部和西部地区。

第二，根据DEA-Malmquist方法的运算结果，可以看出中国各省份在农村金融资源配置效率方面的表现。整体而言，中国农村金融资源配置的效率处于较好水平，但省际间存在显著差异。具体来看，天津、黑龙江、上海、江苏等多个省份的农村金融资源配置效率呈现出正增长态势。然而，北京、河北、山西等省份的该项指标却显示出负增长。从区域差异的角度来看，东部地区的农村金融资源配置效率呈下滑趋势，中部地区呈上升趋势，西部地区则总体表现较好。

第三，农村金融资源配置效率与农村三产融合发展之间存在明显的非线性关系，呈现出一种“U”型趋势。在不同水平的农村金融资源配置效率下，对农村三产融合发展的推动作用呈现出先降低后增强的模式。在中国的东、中、西三大地区，这种效应表现各异。在东部地区，只有当农村金融资源配置效率达到某个门槛值之后，其对农村三产融合发展的促进效果才显现；中部地区的情况则是，农村金融资源配置效率始终对三产融合有积极作用，但超过特定门槛值后，这种促进作用会显著增强。而在西部地区，由于金融资源的可获得性较低，因此未观察到明显的门槛效应。

(二)政策建议

第一，各地区应根据自身优势选择恰当的产业融合发展道路，打造多元化且高效的融合体系。有效挖掘农村三产融合领域投资潜力，充分发挥金融杠杆效应。地区间应当准确定位关键的投资产业，探索金融资源的有效投入策略，并提升产业项目的实施效率。同时，重点发展规模化的种植和养殖业，以及农产品的深加工和流通渠道，强化品牌建设与市场营销，确保产业链的生产、加工与销售环节有效连接。此外，还应引导金融资本投向农业生产托管服务，提供包括市场信息、农业技术支持、农资供应、农产品营销等全方位服务，并推动农业科技服务企业和服务型农民合作社的建设和发展。

第二，因地制宜调整农村金融资源投入，提升金融服务农村三产融合发展的质量。在信贷资源方面，观察到浙江、江苏、广东等省份的金融规模效率显著低于其他地区。针对这一情况，建议的策略包括激活现有金融资源、优化信贷资金的分配结构，并更加重视对农村三产融合关键环节的支持。对于像内蒙古和吉林这样金融纯技术效率和规模效率都较低的地区，需要加大对农业产业的资金投入，增强金融产品和服务创新，提高农村金融管理水平。

第三，加快加强数字技术落地应用，提高金融支持扶持产业融合能力。金融部门亟需利用科技提升其服务能力。建议积极推动全国性农业信贷担保体系的建设与运作，同时创新发展新型农业经营主体的信息直报系统，以多种方式强化金融在支持农业中的核心作用。各地应支持在不同层次和类型下进行金融支农创新试验，将互联网金融、产业链金融等作为主要发展方向，专注于大宗农产品和具有地方特色的优势产业，加大金融支持力度，促进农村三产融合与发展。

参考文献:

[1]姜长云.推进农村一二三产业融合发展新题应有新解法[J].中国发展观察,2015(2):18-22.

[2]曹祎遐,耿昊裔.上海都市农业与二三产业融合结构实证研究——基于投入产出表的比较分析[J].复旦学报(社会科学版),2018,60(4):149-157.

[3]孙会敏,张晶,于春荣.一二三产业融合与农业绩效提升——基于WIOD数据的实证分析[J].中国农机化学报,2018,39(11):100-107.

[4]高铭雪,王恒,冯永忠.基于六次产业的产业融合度分析——以陕西省西乡县为例[J].中国农业资源与区划,2019,40(6):199-206.

[5]王玲.江苏省农村产业融合水平测度与区域差异分析[J].农业经济,2017(6):21-22.

[6]李治,王一杰,胡志全.农村一､二､三产业融合评价体系的构建与评价——以北京市为例[J].中国农业资源与区划,2019,40(11):111-120.

[7]张康洁,蒋辉.传统农区三次产业融合发展水平研究——以山东省为例[J].资源开发与市场,2017,33(3):349-354.

[8]陈盛伟,冯叶.基于熵值法和TOPSIS法的农村三产融合发展综合评价研究——以山东省为例[J].东岳论丛,2020,41(5):78-86.

[9]陈红霞,雷佳.农村一二三产业融合水平测度及时空耦合特征分析[J].中国软科学,2021(S1):357-364.

[10]张林,温涛,刘渊博.农村产业融合发展与农民收入增长:理论机理与实证判定[J].西南大学学报(社会科学版),2020,46(5):42-56,191-192.

[11]李芸,陈俊红,陈慈.北京市农业产业融合评价指数研究[J].农业现代化研究,2017,38(2):204-211.

[12]田聪华,韩笑,苗红萍,等.新疆农村一二三产业融合发展综合评价指标体系构建及应用[J].新疆农业科学,2019,56(3):580-588.

基金资助:国家社会科学基金项目“数字经济影响县域经济韧性的机制与提升路径研究”(23CJY079);

文章来源:蔡丹丹,冷洪涛,刘赛红.农村金融资源配置效率与三产融合:作用机制､门槛及异质性[J].云南财经大学学报,2024,40(05):53-68.