一、引言

农业经济增长的核心部分在于农业全要素效率的提升。目前，中国正在面临着从传统农业向现代农业过渡转型的重要历史时期，以高产、高效、优质、生态为特征的现代农业发展又必然依赖农业生产物质装备改造升级与科技进步的配置效率的极大提升，而根据最优金融结构理论的[1]基本思想，农村金融作为一国或地区的金融市场体系重要构成部分，农村金融市场结构既影响农村金融发展的结构、规模和效率，与农业经济结构相匹配的农村金融市场结构，又能够为农业基础设施建设、科技研发与成果转化、劳动者技能培育提供强有力的资金支持，推动农业发展的重要方面——农业全要素生产率水平的提升。

西方最早认识到农村金融与农业增长具有紧密联系的是美国学者Joseph Schumpeter、Joseph Schumpeter(1912)[2]，他们指出农村金融能够推动农业经济增长。此后，有更多学者认识到农村金融的健康发展对农业增长的促进作用，如德国学者Goldsmith(1969)[3]提出农村金融影响农业经济结构的协调发展理论。

Shan(2011)[4]认为农村金融活动与农村地区经济增长存在双向Granger关系，其他来自于发达国家的样本数据也说明了农村金融与农业发展存在良好的相互作用、相互推动的影响关系。

农业全要素生产率（TFP）与其他全要素生产率的含义没有质的差别，是指剔除以土地、劳动、资本等要素投入后所有其他要素所带来的农业产出的增长率，即“索洛剩余”，在一国（或地区）农业现代化发展进程中起着越来重要的推动作用，农业全要素生产率已经成为替代传统生产要素投入且贡献度持续不断提高（高帆，2015）[5]。

实现教师民主参与的诉求，学校能够实行依法治校，依法管校，创新民主管理模式。建立科学决策机制，在事关学校发展的问题上，应征求教师的意见，实现校务公开。应不断发挥教代会的作用，使教代会真正成为教师参与学校民主决策的基本形式，成为教师参与交流、建言献策、共谋发展的有效平台。同时，工会作为教师的群众组织，应成为履行维护教师权益的职能，解决教师工作环境中存在的各种问题，反映教师的呼声与诉求。

黄惠春（2011）[6]选取江苏省发展水平不同地区的农村金融市场结构为研究对象，对农村金融市场结构及市场绩效进行了系统的比较评价和定量检验，为国内农村金融市场结构的理论分析和实证检验的深入探究提供了新的案例依据。

肖干和徐鲲（2012）[7]认为在控制其他变量的前提下，农村金融发展的结构、规模和效率与农业科技进步贡献率呈正相关关系，并提出了提高农业科技进步贡献率的政策建议。

FIEit为农村金融发展效率指标,来衡量农村金融的发展效率，本文同样使用农业贷款与农户储蓄之比来衡量农村金融发展效率。一般而言，农村金融发展效率越高，农业贷款需求越容易被满足，越有利于农业发展。

ISit为产业结构，表示各地区的产业结构优化升级情况，本文预期其能显著地促进产业增长。

各级地方政府亲自去海外向离散人群筹款的行为在北伊洛戈省非常普遍，海外离散人群通常是地方政府筹款时首先想到的对象，因为他们给人以普遍富裕的刻板印象。在当地，普通人的生活依然艰苦，农业机械化程度较低，大量农民依然在进行手工劳作，遇到灾害的抵抗能力也很低。政府和机构雇员虽然和农民相比能够做到“旱涝保收”，但工资较低，让不少人发出“这里生活太艰苦”的感慨。海外工作的工资大约是国内工资的3倍以上。去海外谋生，一般都能感到短时间内生活水准的明显提高。最直观的感受是美元、英镑来到这里直接乘上好几倍，立刻变为有钱人。

（一）“全程观照”。教师在制定整体教学计划的时候，要将创新观念与创新思维系统全面地导入语文教学的全过程，全环节，全方位。从创新观念和思维的角度解读语言文学作品，或者对语言文学作品进行创新性地解读和改造；在写作教学中运用创新思维，提高写作教学的趣味性和创意性；在语文实践活动中融入创新观念和思维，提高活动的创造性和吸引力。把创新观念和创新思维全面地、有计划地地导入语文教学，而不是片面地、部分地导入。

Xit为控制其他影响因素的指标变量，主要包括：

二、农村金融市场结构对农业全要素生产率的影响机理分析

现有文献认为，农村金融主要通过三种途径影响农业全要素生产率的不断提升。

（一）农村金融市场结构优化与调整影响农业技术进步的实现类型，进而影响农业全要素生产率的提高

一个国家或地区农业生产要素禀赋程度直接影响到农业技术进步的实现类型选择，一是从农业生产要素市场的供求角度而言，在其他生产条件不变的前提下，某种生产要素的稀缺程度，会直接影响到该种农业生产要素市场的供求均衡价格。二是从农业生产要素禀赋的区域分布来看，相对经济较为发达的地区，资本要素相对较为充足，而劳动力资源相对短缺，与此对应，经济相对欠发达的地区，资本要素相对较为短缺，而劳动力资源相对充足。三是由于农业生产要素市场的资源禀赋分布存在区域的差异性，发达地区的农业生产者由于拥有较多的农业资本要素，较容易从农村金融市场获得较多的信贷资金支持，利于农业发展和农业全要素率水平提高；而欠发达地区，由于拥有较多的劳动力资源禀赋优势，而资本要素投入较为短缺，导致农业生产经营者相对难于从农村金融市场获得更多的信贷资金等社会融资额度，不利于农业产业发展和农业全要素生产率的提高。总之，发达地区，更多偏向于通过劳动节约型性技术进步为主，而发展资本密集型技术进步促进农业发展和农业全要素生产率的提升；而欠发达地区，更倾向于通过资本节约型技术进步为主，而发展劳动密集型技术进步来推动农业产业发展和农业全要素生产率的不断提高。

（二）农村金融市场结构演化与调整影响农业生产经营者对于农业技术研发、技术集成创新和技术推广等实现途径的选择

从农业科技进步实现途径的经济效应来比较，相对于资金要素禀赋较为富裕的发达地区，在农业技术进步的资金投入成本收益与风险的比较中，拥有更高的控风险能力，发达地区在农业技术研发和技术集成创新领域投资性可能更高，这将利于发达地区农业增长的持续发展；而欠发达地区可能在技术推广与应用领域投入资金更多，可以规避较高的农业技术研发风险，这将不利于欠发达地区农业增长的持续发展。

下面将March C+算法与March-Like算法的波形进行对比分析。低电压SRAM行为模型在VCS仿真时注入故障。首先,以注入写干扰故障为例。下图8是向低电压SRAM单元注入写干扰故障后对应的VCS仿真波形,使用March-Like算法检测。

从农村金融市场中金融机构信贷投放风险偏好来看，大型农村商业银行等金融机构更有能力向农业技术研发和技术集成创新投放信贷资金，尽管风险相对较高，但能带来较高的信贷投放收益回报；而中小型农村金融部门更倾向于向农业技术推广与应用领域投放行信贷资金等融资支持，尽管信贷投放资金收益较低，但风险可控。

从农村金融市场结构演变角度而言，经济发达地区农村金融市场发展水平较高，可以为农业技术创新发展提供更多的信贷资金支持，有利于农业技术进步持续提高，同时发达地区农村金融市场竞争较为激烈，农村金融市场集中度较低，中小型商业银行农业信贷资金投放占有较大比重，从而更倾向于向农业技术推广与应用领域投入；而欠发达地区农村金融市场缺乏竞争，农村金融市场集中度较高，虽然大型金融机构在农村金融市场拥有较大的市场势力，但由于大型商业银行在农村区域的“抽水机”作用，将更多的农村储蓄转移到城市地区，同样缺乏向农业技术研发这一高风险的领域投放更多信贷资源。

（三）农村金融市场机构演化与调整影响农民等农业生产经营主体科技素质和科技应用能力的提高，进而影响农业科技进步贡献率的提高

从农民受教育的资金支持来源和受教育的方式来看，一方面，政府人力资源和农业职能部门利用财政资金通过“阳光工程”、农民再教育等方式向农民提供一定的公益性农民素质教育和职业技能培训机会，从而提高部分农民的科技素质和劳动技能，但限于政府财政预算的限制，难于让更多的农民收益；另一方面，农民通过自身投资教育来提升农业科技素质和科技应用能力，这是现阶段农民科技素质和技术应用能力提升的主要方式，而其效果直接受到区域内农村金融发展水平高低的影响。而农民从农村金融市场获得信贷资金的可能性和信贷额度，同样取决于农村金融市场发展的整体规模、市场结构和效率水平。

从农村金融市场结构演化而言，发达地区偏低的农村金融市场集中度，决定中小型金融机构在农村金融市场占有较大的市场份额。同时，由于区域内农村整体金融规模较大，金融机构经营效率更高，可以为农民提供更多的教育信贷资金。而欠发达地区的农村金融市场，由于较高的农村金融市场集中度，决定大型或者具有市场垄断势力的金融机构占据较大的市场份额，易于形成信贷配给，从而农民难于从农村金融市场获得更多的信贷资金用于自身科技素质和技能应用能力教育投资，进而不利于区域内农业技术进步和农业全要素生产率的提高。

原矿石中的Y含量为1780×10-6，小于0.071mm级的Y含量为2640×10-6，泥级中Y的含量为2120×10-6，小于0.5mm级中Y的含量为2496×10-6，0.5～0.071mm级中Y的含量为2550×10-6。

三、模型构建、变量选取和数据来源

（一）模型构建

本文借鉴林毅夫和孙希芳（2018）、田杰和刘勇等人（2013）在研究金融结构对产业发展影响的做法，并结合影响中国农业全要素生产率的主要因素，建立以下计量模型：

 

式（1）中，lnATFPit为农业全要素生产率，具体又可分解为农业技术进步（TPit）、技术进步效率（TECit）两个方面，FSTRit、FISit、FIEit分别表示农村金融市场结构、农村金融发展规模和农村金融发展效率指标，Xit为控制变量，β0、β1、β2、β3、φj为参数，εit为随机扰动项。

佛山海事局南海九江海事处副处长周龙腾表示，渡船的安全监管一直是海事监管的重中之重。几年来，佛山政府在不断加大渡船更新改造的同时，我们海事部门也一直不断地在优化监管模式，在提升监管效能上下功夫。很荣幸，海寿渡口能够作为样本渡口来接待来自东盟多国的专家代表参观交流。区域非公约船舶安全管理培训为我们交流渡船安全管理提供了平台，这将进一步凝聚合作共识，共同推进中国和周边国家在非公约船舶领域的合作。

FSTRit是核心解释变量，为i地区第t年农村金融市场结构，具体度量指标为农村金融市场集中度CRn，表示前为农村金融机构在农村金融市场所占的市场份额（资本集中度、贷款集中度和金融网点分布集中度）。

FISit为农村金融发展规模，本文借鉴（李广众、陈平，2002；史永东，2003）的做法，采取农业贷款与第一产业GDP之比衡量农村金融发展规模，农村贷款包括农户贷款和农村企业和组织贷款，农村GDP同样由第一产业GDP表示。

红细胞裂解液购自北京安必奇生物科技有限公司；鼠抗人CD45单克隆抗体免疫微磁珠、大型号分选柱和磁力架购自德国Miltenyi Biotec GmbH公司；8号染色体着丝粒探针（chromosome enumeration probe 8，CEP8）购自美国GeneCopoeia公司；鼠抗人CD44单克隆抗体、FITC标记的兔抗鼠IgG（二抗）和Alexa Fluor 594@荧光染料标记的鼠抗人CD45单克隆抗体均购自英国Abcam公司。Olympus-BX53荧光显微镜为日本Olympus公司产品。

田杰、刘勇和陶建平（2013）[8]研究认为农村银行业集中度的下降有利于农村经济的增长，并提出通过降低农村金融机构设立的准入性限制条件，提高农村金融机构对农村农户贷款的审批效率，鼓励和引导各类社会资本发起设立农村商业银行等中小型农村金融机构进入农村金融市场，增加农村金融机构营业网点的分布数量，建立集中度较低、竞争水平较高的农村金融市场结构体系和完善相应的配套政策来促进农村经济的发展。

当前,我国北京、广东、河北等省市已经建立或正在筹划针对个人消费端的、政府牵头的碳普惠机制。结合各地特点，它们涵盖的低碳行为方式、采用的核算方法、激励机制及商业模式也各有不同，见表1。在民间层面，以支付宝旗下的“蚂蚁森林”为代表的各类碳普惠产品也受到公众关注。

总之，国内外现有文献成果表明，农村金融结构与农村、农业经济发展存在密切的相互关系，国内外学者从不同角度的金融进行了研究。而农村金融市场结构的优化调整是农村金融发展水平提升的重要体现，农业全要素生产率又是衡量农业经济增长综合效率水平的核心内容，本文试图在既有文献成果的基础上，进一步探讨农村金融市场结构对农业全要素生产率的影响机理，实证分析农村金融市场结构影响农业全要素生产率的效果，以期为农村金融市场结构的优化调整和我国农业全要素生产率的持续提高提供政策建议。

为了避免模型估计所用数据出现非平稳性而导致伪回归的发生，表3给出了面板数据的单位根检验结果，表中的 Levin、Lin&Chut*，Fisher-ADF，Fisher-PP三种检验结果说明，样本变量均在1%的显著水平下均通过平稳性检验。因而农业全要素生产率、技术进步效率、技术进步、对外开放水平、农业保险业发展水平、农业机械总动力、经济结构均是平稳的序列。因而，可以对农村金融市场结构影响农业全要素生产率的情况作进一步的实证分析。

本文所用农村和农业金融数据来源于历年《中国金融年鉴》《中国农村金融服务报告》《中国统计年鉴》、各省区市的地方《统计年鉴》，部分数据来源于Wind数据库。农业保险费用理赔支出数据来自2006—2016年《中国保险年鉴》，由于2017年《中国保险年鉴》尚未出版，本文采用简单一元回归模型估算出的数据来表示2016年农业保险保费的支出情况。文中用于控制其他因素影响的变量中，农业机械总动力的数据来源于历年《中国统计年鉴》和各省份的《统计年鉴》；考虑到农村金融数据的可得性，本文采用2005—2016年中国29个省（区、市）的面板数据，样本分析区间为2005—2016年，时间跨度为12年，由于西藏自治区和青海省数据缺失较多，本文中分析给予剔除。表1和表2分别列出了变量的定义和描述性统计。

实证研究中所用的数据主要来源于2000—2006年中国工业企业数据和中国海关产品层面交易数据。本文借鉴Yu(2015)的方法剔除统计过程中存在偏差的样本，参考Yu(2015)和Xu等(2016)的方法对中国工业企业数据与海关数据进行匹配，参考Amiti等(2014)的方法剔除了所有的贸易类企业。

AGMit农业基础设施条件。农业基础条件与装备水平直接影响农业生产效率的高低。而在现有文献中，采用包括农业机械总动力、农业水电利用量作为衡量农业基础设施水平高低的代理变量，因而，本文也将采用农业机械总动力作为农业基础设施建设水平的衡量指标。

尹雷和沈毅（2014）[9]认为农村金融发展对农业全要素生产率具有正向促进作用，农村金融发展促进全要素生产率增长主要是通过农业技术进步效应，而不是农业技术效率效应，农村金融发展对农业全要素生产率的影响存在东部、中西部区域差异。

在面板模型回归分析中，将重点关注反映农村金融市场结构影响农业全要素生产率变化的系数β1，同时也将关注代表农村金融市场发展的其他指标变量的系数β2、β3。

（二）数据来源

OPENit对外开放水平。经济开放程度一般用外商直接投资水平、进出口总额等指标来替代，在既有文献研究的基础上，本文采用固定资产投资完成额中利用外资的比例作为衡量对外开放水平的代理变量，来表示一国或地区对外开放的程度。

 

表1 变量含义

  

变量农业全要素生产率技术进步技术进步效率农村金融市场结构农村金融发展规模农村金融发展效率基础设施条件农业保险发展水平对外开放水平产业结构符号ATFP TP TEC FSTR FIS FIE AGM AIN OPEN IS含义各地区农业全要素生产率各地区农业全要素生产率的分解指标各地区农业全要素生产率的分解指标各地区前四位农村金融机构农业贷款余额占全部农村金融机构农业贷款余额的比重各地区农业贷款与第一产业GDP之比各地区农业贷款与农户储蓄之比各地区农业机械总动力各地区农业保险保费支出占第一次产业增加值的比重各地区固定资产投资完成额中外资所占的比重各地区二、三次产业增加值占GDPD的比重

 

表2 变量的描述性统计

  

变量lnATFP lnTEC lnTP lnFSTR lnFIS lnFIE lnOPEN lnAGM lnIS样本数量348 348 348 348 348 348 348 348 348均值0.069419 0.003743 0.065664-1.297008-0.583475-1.039239 0.017513 7.618777-0.120821标准差0.074235 0.045896 0.074857 0.193136 0.59634 0.748079 0.022354 1.044536 0.066841最小值-0.33408-0.1696-0.33408-1.724983-2.395708-4.24761 8.46E-05 4.55724-0.39601最大值0.38049 0.38458 0.30306-0.472975 1.286708 0.829149 0.170252 9.499498-0.003908

 

表3 面板数据的平稳性检验

  

变量lnATFP lnTEC lnTP lnFSTR lnFIS lnAGM lnOPEN lnAIN lnIS Levin,Lin&Chut*T统计量-15.9567-11.2831-13.5444-12.0452-15.4221-12.0042-23.088-18.1947-19.7469 P值0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 Fisher-ADF T统计量214.727 149.012 206.690 159.905 188.119 95.572 102.207 184.596 210.661 P值0.0000 0.0000 0.0000 0.0000 0.0000 0.0014 0.0000 0.0000 0.0000 Fisher-PP T统计量252.036 170.792 239.303 202.214 182.583 113.449 90.8046 188.001 315.199 P值0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0038 0.0000 0.0000

AINit为农业保险发展水平，表示农业保险发展对农业发展的支持力度。农业保险市场本质上是农村金融市场的重要组成部分，虽然目前中国整体农业保险业发展滞后，为农业保驾护航的整体水平还比较低，但农村保险市场的发展推进势必会进一步推动农村金融市场的发展，提升农业全要素生产率的水平。基于数据的可得性，本文采用农业保险保费支出作为衡量农村农业保险发展水平的指标。

四、模型估计与结果分析

（一）全样本模型估计结果分析

 

表4 全样本回归结果

  

注：括号内数值为标准差，***、**、*分别代表1%，5%和10%的显著水平

 

TP（3）0.890091***（-0.160832）-0.05554***（-0.024445）-0.054782***（-0.010956）0.057607***（-0.010266）-0.217364**（-0.039889）0.014345***（-0.002702）0.230319（-0.205627）0.00323*（-0.001895）0.351516***（-0.11231）7.422805 0.129302 1.0000 RE因变量自变量C lnFSTR lnFIS lnFIE lnAGM(lnAGM)2 lnOPEN lnAIN lnIS F值R2 Hausman P值模型ATFP（1）-0.7605***（-0.159562）-0.06167**（-0.024252）-0.057936***（-0.010869）0.054599***（-0.010185）-0.191192***（-0.039574）0.012657***（-0.002681）0.099466（-0.204004）-0.000343（-0.00188）0.364499***（-0.111423）6.391588 0.110843 1.0000 RE TEC（2）-0.129831（-0.103968）-0.006195（-0.015803）-0.003158（-0.007082）-0.003019（-0.006636）0.026207（-0.025786）-0.001691（-0.001747）-0.131866（-0.132926）-0.003576***（-0.001225）0.012923***（-0.072602）1.746403 0.016965 1.0000 RE

对全部样本进行模型估计，回归结果见表4，列（1）-（3）分别表示农村金融市场结构农业全要素生产率、技术效率、技术进步。其中，全要素生产率为技术进步和技术效率的乘积。根据Hausman检验结果显示，列（1）-（3）均选用随机效应模型，接受固定效应模型与随机效应模型不存在系统差异的原假设。从列（1）-（3）三个模型的横向比较发展，就整体而言，农村金融市场结构影响农业发展在列（1）和列（3）中关键变量分别通过5%和1%显著性水平检验，一方面说明农村金融市场结构集中度的调整将会显著影响农业全要素生产率的变化，而较高的农村金融市场集中度会阻碍农业全要生产率水平的提升；另一方面说明了农村金融市场结构影响农业全要素生产率的途径主要是依靠技术进步，而不是其他。这与多数学者的研究结果一致，说明农村金融市场结构既影响者农业整体生产效率的变化，又影响着农业全要素生产率变化的重要方面——农业技术进步。

从列（1）模型中可以看出，影响农业全要素生产率的变量中，农村金融市场结构集中度、农村金融市场发展规模、农村金融市场发展效率、农业机械总动力及其机器平方项、产业结构变量均通过5%和1%的显著性水平检验，这表明农业全要素生产率提升除了受到农村金融市场结构的变化影响，还受到农村金融市场发展的规模和发展效率的多重影响。同时，反映地区经济特征的变量如农业机械装机水平、产业结构特征对农业全要素的影响较为显著，也体现了农业生产要素资源的异质性形成的地区差异是导致农业全要素生产率发展水平不同的重要方面。从单个变量因素的影响农业全要素生产率的方向来看除农村金融市场结构为负值外，农村金融市场规模的影响系数也为负值，说明农村金融发展规模不是积极影响农业全要素生产率的重要方面。农业机械总动力的平方项的系数为正值。并且通过了1%显著性水平检验，说明农业机械化水平对农业全要素生产率的影响存在先降后升的抛物线变化过程，也进一步说明农业基础设施条件的投入，存在一定的阈值，只有农业基础设施投入足够大时，以农业机械总动力为代表的农业基础装备水平的发展将会形成量变到质变的飞跃，对农业全要素生产率的提升起着更大的驱动作用。从影响农业全要素生产率的其他控制变量来看，中国的对外开放程度对农业全要素生产率的影响是正向的，但影响系数的回归结果并不显著，同时这也表明中国的农业发展仍处于较为封闭的发展阶段，需要进一步整合国内外生产要素市场的优质资源，为中国广大农村地区的农业发展进步提供更多的发展机会和空间。同样，农业保险业的发展同样较为滞后，农业保险发展水平的影响系数回复结果并不显著。说明中国农村保险市场的发展仍处于起步阶段，对农业全要素生产率的影响表现出了较大的不确定性。

从列（3）模型可以看出，农村金融市场结构影响农业发展主要是通过农业技术进步的提高来实现的。同时，影响农业技术进步的其他因素同样包括来自农村金融市场发展规模与农村金融市场发展效率的多重影响，这与列（1）中的回归结果影像方向基本一致，在该模型中影响农业全要素生产率的其他因素的系数回归结果均较为显著，说明模型的设定具有较好的可靠性。

从列（2）的回归结果来看，关键影响变量的系数不显著，说明农村金融市场结构与农业技术效率的关联关系不显著。同时也再次说明了农村金融市场结构对农业全要素生产率的影响不是通过农业技术进步效率来实现的。中国整体的农业技术发展水平还比较低，尤其是农业技术进步的效率方面表现不足，同时农业技术效率的规模优势同样表现不佳，农业全要素生产率水平的提升仍然依靠农业较低层次的简单农业技术积累来完成的，远没有形成农业技术集成发展的效率态势。下文的区域分析，将剔除农业技术进步效率对农业全要素生产率的影响分析。

（二）区域样本回归分析

根据前文的回归分析，进一步分析检验农村金融市场结构对中国农业全要素生产率的区域影响。考虑到中国农业生产的实际情况，本文不是采用东、中、西的区域划分方法，而是采用《国家粮食安全中长期规划纲要(2008—2020年)》的分类标准①中国粮食产销区分为粮食主产区（河北、内蒙古、黑龙江、吉林、辽宁、山东、河南、湖北、湖南、江苏、安徽、江西、四川）13个省（区），粮食产销平衡区（山西、广西、重庆、贵州、云南、陕西、甘肃、青海、宁夏、西藏、新疆）11个省（区市），粮食主销区（北京、天津、上海、浙江、福建、广东、海南）7个省（市）。，将中国粮食生产功能区划分为粮食生产主产区、粮食产销平衡区、粮食主销区。这样更便于深入探究农村金融市场结构对中国农业全要素生产率的区域影响情况。

表5从中国粮食生产功能区划分的层面，列出了农村金融市场结构对农业全要素生产率的影响回归结果。首先，从农村金融市场结构对农业全要素生产率的影响来看，农村金融市场结构在粮食生产的主产区、主销区均通过5%显著性水平下的检验，而农村金融市场规模和发展效率在粮食主销区和产销区通过5%显著性水平下的检验，农业机械总动力在粮食主产区和产销区通过5%显著现行水平的检验。其次，从农村金融市场结构则不显著，而农村金融市场的发展规模和发展效率指标在粮食生产的三个区域则较为显著影响技术进步的层面来看，农村金融市场结构在主产区和产销区通过检验，而在主销区。综合来看，农村金融市场结构对农业全要素生产率的影响在不同的粮食功能区内，显著性水平存在差异，关键变量农村金融市场结构对其影响在粮食主产区层面显示了较强的一致性，而其他控制变量在不同的粮食功能区内，表现显著性的区域存在较大的不确定性。

如前所述，转型升级、知识服务与融合发展之间的关系在于：转型升级是个过程，是个有起点无终点的过程，新闻出版业将处于并将长期处于转型升级的过程中；融合发展是一种状态，是传统媒体与新兴媒体、传统出版与新兴出版、传统业态与新兴技术相互交融、通融、互融、共融的状态；知识服务是目标，是新闻出版业转型升级的最终目标，只有当传统的新闻出版企业由资讯提供商、图书提供商成功转型为全方位、立体化、多层次的知识服务提供商时，转型升级的初衷才会实现，提质增效的目标也才会达成，传统出版与新兴出版、传统媒体与新兴媒体融合发展的状态也才会出现。

 

表5 按粮食生产功能区划分样本回归结果

  

注：括号内数值为标准差，***、**、*分别代表1%、5%和10%的显著水平

 

农业全要素生产率（lnATFP）技术进步（lnTP）粮食产销区（9）-0.93156(1.06609)-0.16518**(0.043953)-0.05477**(0.018505)0.051479**(0.01691)0.237045(0.288663)-0.01947**(0.019545)-1.15817(1.028734)-0.01421***(0.005089)-0.25346(0.249612)0.308049 5.32960变量C lnFSTR lnFIS lnFIE lnAGM(lnAGM)2 lnOPEN lnAIN lnIS R2 F值粮食主销区（4）-1.43437(1.275463)-0.11193***(0.042941)-0.05658***(0.018835)0.05233***(0.01806)0.36987(0.34569)-0.0265**(0.02370)0.76051(0.86787)-0.0113***(0.00367)-0.1096(0.24336)0.19378 4.21495粮食主产区（5）4.20368***(1.53238)-0.1113*(0.05235)-0.0356**(0.02995)0.07446**(0.01764)-0.5033(0.12158)0.03705***(0.00948)0.55003(0.45203)-0.0040***(0.00348)0.5002(0.14525)0.10144 2.06031粮食产销区（6）1.80514***(0.38692)-0.0140**(0.04474)-0.0716***(0.01568)0.05143**(0.01687)0.31697***(0.28769)-0.0240***(0.01947)-0.2477(0.22988)-0.0183***(0.00508)-0.1593**(0.25006)0.34257 4.88523粮食主销区（7）1.96387***(0.4560)0.01969*(0.05273)-0.0615**(0.01848)0.06828**(0.02079)-0.5446***(0.143296)0.040335**(0.011183)-0.1234(0.27092)-0.0031***(0.00410)0.45461(0.17119)0.30596 4.13289粮食主产区（8）4.042311(1.46730)-0.11637*(0.050129)-0.06387**(0.028687)0.068746**(0.023195)-0.99137(0.344902)0.059983**(0.020308)0.900555(0.432838)0.004445***(0.003369)0.104377(0.252978)0.149397 3.20537

五、研究结论与启示

通过文献梳理、农村金融市场结构对农业全要素生产率的影响机理和模型估计分析表明：

第一，认为农村金融市场集中度对农业全要素生产率的影响系数为负值，说明较高的农村金融市场集中度不利于农业全要素生产率的提高，而中国农村金融市场集中度整体处于下降趋势，而目前，中国农村金融市场结构仍属较高的垄断类型。

where the pre-factor μd0 was found to be as indicated in Table 3.

第二，农业机械总动力、对外开放水平、农业保险和经济结构对农业全要素生产率的影响特征分析结果表明，农业机械总动力对农业全要素生产力的影响具有门槛效应，农业机械总动力只有在投入到一定程度时，才会带来农业全要素生产率的提升。

第三，对于对外开放水平而言，由于中国农业发展长期处于相对封闭的状态，农业发展并没有受到外部更多国外生产技术资源的支持，实证分析的检验结果说明了影响农业全要素生产率的因素是多方面的，并且，农村金融市场结构对农业全要素生产率的影响在不同的区域内具有较大的不确定性。

第四，从农业发展的区域特色来看，实施差别化的农村区域经济政策，可能是解决农村金融需求困局的可供选择的金融政策选项。因而，本文得出启示是：一是农村金融市场结构的优化调整有利于农业全要素生产率的发展；二是农村金融结构和效率是影响农业全要素生产率的重要方面；三是深入推进农村金融市场体系改革，调整优化农村金融市场结构要充分考虑农业发展的区域异质性特征。

参考文献：

[1] 林毅夫，姜烨，孙希芳．经济发展中的最优金融机构理论初探[J]．经济研究，2009（8）：4-17．

[2] Joseph Schumpeter.Occupational Choice and the Process of Development[J].Journal of Political Economic.1912(11):14-16．

[3] Goldsmith.Markets,Banks,and Economic Growth[J].The American Economist.1969(7)．

[4] Shan.Technology Adoption and Growth[N].NBER Working Papers,2011．

[5] 高帆．我国区域全农业全要素生产率的演变趋势与影响因素：基于省级面板数据的实证分析[J]．数量经济技术经济研究，2015（5）：3-19．

[6] 黄惠春．我国县域农村金融市场结构与绩效研究[D]．南京：南京农业大学，2011．

[7] 肖干，徐鲲．农村金融发展对农业科技进步贡献率的影响：基于省级动态面板数据模型的实证研究[J]．农业技术经济，2012（12）：87-95．

[8] 田杰，刘勇，陶建平．农村银行业结构对农村经济增长的影响：基于新型农村金融机构创新的背景[J]．经济与管理，2013（9）：36-42．

[9] 尹雷，沈毅．农村金融发展对中国农业全要素生产率的影响：是技术进步还是技术效率——基于省级动态面板数据的GMM估计[J]．财贸研究，2014（2）：32-40．