農(nóng)戶正規(guī)融資獲貸筆數(shù)分析范文

本站小編為你精心準(zhǔn)備了農(nóng)戶正規(guī)融資獲貸筆數(shù)分析參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

《農(nóng)業(yè)技術(shù)經(jīng)濟雜志》2014年第五期

一、理論模型的設(shè)定與說明

為了從農(nóng)戶的視角描述其在單位時間內(nèi)獲得的貸款筆數(shù)，本文建立了模型加以說明。假設(shè)單位時間內(nèi)(例如5年)，農(nóng)戶i根據(jù)其融資需求向正規(guī)金融機構(gòu)申請一次或數(shù)次貸款，同時假定正規(guī)金融機構(gòu)按照理性原則進行決策。由上述兩個假設(shè)，可以確定存在一些外生因素決定了農(nóng)戶i在單位時間內(nèi)是否獲得正規(guī)金融機構(gòu)的貸款以及獲得貸款的筆數(shù)。出于簡化和方便研究，本文不考慮農(nóng)戶獲取的每筆貸款的貸款數(shù)量可能存在的信貸配給現(xiàn)象，本文只簡單的假定農(nóng)戶在此期間獲得的貸款數(shù)量及貸款筆數(shù)都能滿足其最大的期望收益，因此如果農(nóng)戶獲得信貸(Ci=1)，則其在單位期間獲得的最大總期望收益有如下方程:其中EUS是農(nóng)戶i獲得S筆信貸所產(chǎn)生的期望收益，bs是獲取S筆信貸所支付的全部成本，bF是未獲得信貸所支付的全部成本，例如農(nóng)戶去金融機構(gòu)所支付的交通費用等。因為在單位時間內(nèi)，農(nóng)戶存在著多次向正規(guī)金融機構(gòu)申請貸款的可能性，但并非每次申請都能通過金融機構(gòu)的審核，所以要實現(xiàn)農(nóng)戶在單位時間內(nèi)期望收益最大化，一個充分必要條件是農(nóng)戶的多次借貸的總期望收益與總借貸成本之差要達到最大，因而公式(1)中的Max(EUs－bs)反映了農(nóng)戶成功獲貸筆數(shù)期望收益，這樣的收益與農(nóng)戶可能存在的未獲貸所支付的成本(bF)之和的最大化(MaxEU)便構(gòu)成了農(nóng)戶在單位時間內(nèi)多次借貸的最大化的總期望收益。因此，從經(jīng)濟學(xué)意義上講，公式(1)便是各變量構(gòu)成的成本———收益原則高度抽象概念的最大化的目標(biāo)模型，這一模型在現(xiàn)實中是存在的，它反映了農(nóng)戶成功獲貸一定是其邊際總收益大于邊際總成本。進一步，既然式(1)是農(nóng)戶i在單位時間內(nèi)借貸行為所產(chǎn)生期望的最大收益的方程表達，那么這一方程也說明了農(nóng)戶i的期望收益的實現(xiàn)取決于一些因素對正規(guī)金融機構(gòu)的信貸供給決策的影響。這些影響因素不同于那些影響農(nóng)戶單次貸款申請和金融機構(gòu)信貸審查的因素，而是建立在一個時間段的基礎(chǔ)上，這些因素具有相對嚴(yán)格的外生性，即不會由于部分農(nóng)戶多次獲得信貸而發(fā)生改變，例如，戶主的受教育年限、農(nóng)戶的家庭類型、農(nóng)戶家庭自有土地面積的大小等，因而這些因素也被稱為外生變量。因此，基于這些外生變量，農(nóng)戶i在單位時間是否獲得信貸(Ci=0或Ci=1)和獲得信貸的筆數(shù)(S)同這些外生變量的變量集z和x相關(guān)關(guān)系可分別用下式表示:式(2)和式(3)中，γ''''和β''''是外生變量集z和x對應(yīng)的系數(shù)，εci和εS分別是影響農(nóng)戶是否在單位時間內(nèi)獲得信貸(Ci)和獲得信貸筆數(shù)(S)的其他因素。需要注意的是，式(2)和式(3)中的外生變量集z和x可能相同，也可能不同，但考慮到5年時間系較短時期，對同一農(nóng)戶而言，由于樣本調(diào)查區(qū)域?qū)賯鹘y(tǒng)農(nóng)業(yè)區(qū)，農(nóng)戶經(jīng)營具有相對穩(wěn)定性，加之國家扶持“三農(nóng)”的政策具有連續(xù)性、穩(wěn)定性，因此構(gòu)成z和x的各外生變量發(fā)生根本性變化的概率比較低，因此，出于模型設(shè)定、估計和研究便利，本文假定z和x相同，這一假定有助于發(fā)現(xiàn)對農(nóng)戶能否獲貸及獲貸頻次有共同影響的重要因素，從這個方面來說，式(2)和式(3)中的這一假定具有一定的現(xiàn)實客觀性和合理性。需要說明的是，式(2)和式(3)分別是農(nóng)戶能否獲貸和獲貸頻次的高度抽象的數(shù)理模型，這些模型符合現(xiàn)實中農(nóng)戶的借貸行為及金融機構(gòu)的信貸供給決策。現(xiàn)實中，金融機構(gòu)從安全性、盈利性的角度出發(fā)，更注重貸款申請者自身的稟賦特征等構(gòu)成的信用及還款能力指標(biāo)，一個信用及貸款記錄良好的農(nóng)戶容易獲得金融機構(gòu)的多次貸款，這樣其自身的稟賦特征也成為金融機構(gòu)更為關(guān)注的要素。

二、計量模型的設(shè)定與說明

通過本文第二部分可知，在總樣本中，一部分農(nóng)戶沒有獲得任何貸款，即獲得貸款的筆數(shù)為零;而一部分農(nóng)戶獲得貸款的筆數(shù)等于或大于1，因此，樣本可分為“零”值樣本和“正整數(shù)”值樣本兩類。按照前述的理論模型，如果要對總樣本中“正整數(shù)”值的獲貸筆數(shù)進行計量分析，必然要對“零”值數(shù)據(jù)進行數(shù)據(jù)截斷(DataTruncation)，因此本文擬采用的計量模型由兩部分構(gòu)成:第一部分是分析外生變量如何影響農(nóng)戶i在單位時間內(nèi)是否獲得正規(guī)金融機構(gòu)的信貸(Ci);如果農(nóng)戶i獲得信貸，則第二部分分析外生變量如何影響農(nóng)戶獲得貸款的筆數(shù)(S)。這里，面對“零”值(即S=0)和“正整數(shù)”值(即S=1，2，…，N)的雙重選擇，傳統(tǒng)用于處理離散雙選擇變量的probit或logit模型并不適用，為此本文采用補充雙對數(shù)模型(Complementarylog-logModel)處理農(nóng)戶i是否獲得貸款，補充雙對數(shù)模型適合處理“零”值和“非零”值兩種類型構(gòu)成的數(shù)據(jù)(Green，2011)。當(dāng)?shù)谝徊糠謹(jǐn)?shù)據(jù)截斷工作完成后，第二部分?jǐn)M處理變量是具有計數(shù)特征的正整數(shù)。因此，需用截斷泊松回歸模型(TruncatedPoissonRegressionModel)處理。為使模型成立，在本文分析中筆者假定第一部分模型和第二部分模型彼此獨立。如果農(nóng)戶沒有獲得正規(guī)金融機構(gòu)的貸款(ci=0)，則有S=0;相反，如果ci=1，則有S＞0。進一步，如果Ci=0，則有P(Ci=0);如果Ci=1，則有Pci(=1)•fS/ci(=1)=P(ci=1)•f(S＞0)，其中，P(•)為概率方程，f(•)為密度方程。式(7)事實上是穆拉赫(Mullahy，1986)提出的具有樣本選擇性質(zhì)的泊松門欄模型(PoissonHur-dleModel)的對數(shù)似然方程表達式，從式(7)中可以看出，泊松門欄模型的對數(shù)似然方程實質(zhì)上是補充雙對數(shù)模型對數(shù)似然方程和截斷泊松回歸模型對數(shù)似然方程之和。前面我們已假定補充雙對數(shù)模型和截斷泊松回歸模型彼此獨立，因此對聯(lián)立的泊松門欄模型的估計就可以分別估計補充雙對數(shù)模型和截斷泊松回歸模型。這樣的估計方式所產(chǎn)生的的結(jié)果等同于對泊松門欄模型的整體估計，且并不會造成估計效率的降低和估計信息的損失。

三、變量設(shè)置、說明及實證結(jié)果分析

(一)變量設(shè)置、說明及其統(tǒng)計特征理論上講，本文所用的被解釋變量應(yīng)有兩個:一是衡量農(nóng)戶在5年內(nèi)是否獲得正規(guī)金融機構(gòu)的貸款，二是在獲得貸款的前提下，獲得貸款筆數(shù)的多少。由于農(nóng)戶獲得正規(guī)金融機構(gòu)的貸款筆數(shù)是計數(shù)數(shù)據(jù)，所以對全體樣本采用補充雙對數(shù)模型就可直接處理并區(qū)分“零”筆貸款值和“正整數(shù)”筆數(shù)貸款值，同時截斷泊松回歸模型也可以對全體樣本中的“零”筆貸款值進行截斷以便分析“正整數(shù)”筆數(shù)的貸款。因此本文使用的計量模型第一部分和第二部分可共用一個解釋變量，即農(nóng)戶在5年內(nèi)獲得貸款的筆數(shù)，本文用count表示。這種處理簡化了實證分析的程序，降低了采用極大似然估計法對模型的估計難度。考慮到農(nóng)戶獲得的貸款筆數(shù)是單位時間內(nèi)發(fā)生的獨立隨機事件，因而適用于計量模型分析的解釋變量必須具有嚴(yán)格的外生性，否則就會產(chǎn)生計量分析的內(nèi)生性問題，進而影響實證研究結(jié)果的可靠性。如對那些獲得多筆貸款的農(nóng)戶，如果將其在5年中任何一年的家庭年收入或者5年的平均年收入作為解釋變量納入實證分析當(dāng)中，就會產(chǎn)生非常嚴(yán)重的“反向因果關(guān)系”的內(nèi)生性問題，基于上述考慮，本文在計量分析中采用的解釋變量主要包括兩個方面:一是采用以戶主自身特征形成的外生變量;因為樣本農(nóng)戶的戶主在研究設(shè)定的5年內(nèi)沒有發(fā)生變化，所以本文認(rèn)為以戶主自身特征形成的一些變量具有嚴(yán)格的外生性;二是采用農(nóng)戶類型、農(nóng)戶家庭承包的土地規(guī)模及前往正規(guī)金融機構(gòu)的交通是否便利等具有嚴(yán)格外生性的解釋變量。本文選取的解釋變量具體如下:1.農(nóng)戶的家庭結(jié)構(gòu)。本文首先根據(jù)戶主在2006—2010年的平均年齡將農(nóng)戶家庭分為青年家庭(18～35歲，youngh)，中年家庭(36～45歲，middleh)，中老年家庭(46～55歲mid-oldh)，老年家庭(56歲以上oldh)四個分類變量，其次以老年家庭為參照類將這些分類變量轉(zhuǎn)化成3個虛擬變量。由于我國當(dāng)前大部分農(nóng)業(yè)生產(chǎn)仍舊屬于勞動密集型方式，因而，相對老年家庭結(jié)構(gòu)，年輕的農(nóng)戶家庭從事農(nóng)業(yè)或非農(nóng)業(yè)的生產(chǎn)能力和效率都相對好些，有利于獲得正規(guī)金融機構(gòu)的貸款，且能獲得貸款筆數(shù)的概率也相對較高。2.戶主的性別(gender)也是非常重要的變量，國外學(xué)者的調(diào)查研究發(fā)現(xiàn)，女性借款者信用往往好于男性借款者(Fletschner等，2011)。既然我國農(nóng)戶借款都是戶主代表家庭出面申請，因此，本文預(yù)測戶主為男性的家庭較戶主為女性的家庭獲得金融機構(gòu)的貸款概率較小。3.戶主的受教育水平(education)一定程度上可以代表農(nóng)戶家庭的綜合能力。戶主的受教育水平越高，如果從事農(nóng)業(yè)生產(chǎn)，就能夠較快把握農(nóng)產(chǎn)品的市場信息，了解農(nóng)業(yè)新技術(shù)的動態(tài)，靈活的安排農(nóng)業(yè)生產(chǎn)，降低各種生產(chǎn)經(jīng)營風(fēng)險，有利于獲取最佳收益。如果從事非農(nóng)業(yè)生產(chǎn)，也能夠較順利熟悉所從事的工作，從而為家庭增加收入來源。因此，本文預(yù)測該變量不僅有利于農(nóng)戶獲得貸款，且有利于多次申請貸款的農(nóng)戶在單位時間內(nèi)成功獲得多筆貸款。4.農(nóng)戶承包土地規(guī)模的大小(land)。作為最基本的生產(chǎn)資料，農(nóng)戶家庭承包土地規(guī)模的大小在一定程度上反映了農(nóng)戶的收益率，因此本文預(yù)測該變量對農(nóng)戶在單位時間內(nèi)獲得貸款及獲得多筆貸款的影響為正。5.農(nóng)戶所在村到正規(guī)金融機構(gòu)的交通是否便利(traffic)。便利的交通能降低農(nóng)戶獲得信貸的成本。因此本文預(yù)測該變量對農(nóng)戶在單位時間內(nèi)獲得貸款及獲得多筆貸款的影響為正。6.農(nóng)戶的類型。本文在調(diào)查中首先確定農(nóng)戶類型在5年考察期未發(fā)生改變的前提下，將受訪農(nóng)戶按照純農(nóng)(farm)、非農(nóng)(nonfarm)和兼業(yè)(bothtype)分為三個分類變量，然后以非農(nóng)為參照類將這些分類變量轉(zhuǎn)化為2個虛擬變量。相對于非農(nóng)農(nóng)戶，純農(nóng)農(nóng)戶和兼業(yè)農(nóng)戶存在著家庭收入來源范圍較小，以及收入水平較低的情況，因而本文預(yù)測純農(nóng)農(nóng)戶和兼業(yè)農(nóng)戶相對非農(nóng)農(nóng)戶較難以在單位時間內(nèi)獲得正規(guī)金融機構(gòu)的貸款，即使獲得金融機構(gòu)的貸款，獲得貸款的筆數(shù)概率也較低。表2給出了所有變量的定義、說明及統(tǒng)計特征。

(二)結(jié)果分析農(nóng)戶在5年內(nèi)獲得正規(guī)金融機構(gòu)貸款筆數(shù)的泊松門欄模型的估計結(jié)果見表3，可以看出對被解釋變量具有顯著性影響的外生因素大多同前述理論預(yù)期一致(見表4)。從模型結(jié)果來看，家庭結(jié)構(gòu)為中年家庭的農(nóng)戶相對于老年家庭的農(nóng)戶更容易獲得正規(guī)金融機構(gòu)的貸款，這與韓俊等(2007)的研究結(jié)論類似(他們的研究表明36歲的農(nóng)戶家庭具有最高的借款獲準(zhǔn)率)，除了較高的生產(chǎn)能力和效率外，這里可能存在的解釋是，中年農(nóng)戶家庭有比較高的收入預(yù)期和收入保障，因此更容易獲得正規(guī)金融機構(gòu)的借貸。農(nóng)戶承包土地規(guī)模的大小(land)對農(nóng)戶在5年內(nèi)獲得正規(guī)金融機構(gòu)的貸款有極顯著的正向影響，即農(nóng)戶承包土地規(guī)模越大，其就越容易在5年時間內(nèi)獲得正規(guī)金融機構(gòu)的貸款。韓俊等(2007)、李銳等(2004)、顏志杰等(2005)研究均發(fā)現(xiàn)農(nóng)戶的耕地或土地面積與其成功獲得正規(guī)金融機構(gòu)的貸款呈顯著正相關(guān)關(guān)系，而本文的結(jié)論進一步表明了農(nóng)戶承包土地規(guī)模的大小對其獲得正規(guī)金融機構(gòu)的借貸具有結(jié)構(gòu)性的影響。同時，研究結(jié)果顯示，前往金融機構(gòu)越便利的農(nóng)戶越容易獲得貸款。除了融資成本較低的因素以外，這個結(jié)果也可以理解為:一方面，交通便利使得金融機構(gòu)對農(nóng)戶比較容易了解，因而農(nóng)戶的聲譽在這種情形下具有很好的信號傳遞作用;另一方面，農(nóng)戶前往正規(guī)金融機構(gòu)越方便，則更容易獲得各種信貸產(chǎn)品的信息，更加了解貸款方式及程序，從而能夠相應(yīng)地做出準(zhǔn)備，有利于其增大獲得正規(guī)金融貸款的可能性。而在5年時間內(nèi)農(nóng)戶獲得正規(guī)金融機構(gòu)貸款的前提下，就獲得貸款的筆數(shù)而言，中老年農(nóng)戶家庭相對于老年農(nóng)戶家庭，其獲得多筆貸款的概率顯著降低，這和本文前述理論預(yù)期相反，造成這種情況的可能原因是老年農(nóng)戶家庭雖然借貸筆數(shù)多，但借貸額度可能較小，而中老年農(nóng)戶家庭雖然收入能力和潛力都比老年農(nóng)戶家庭要強，但同時經(jīng)濟負(fù)擔(dān)可能更為沉重，經(jīng)濟支出可能更為龐大，例如子女的上學(xué)、婚姻、父母的贍養(yǎng)以及其他家庭紅白喜事的支出，從而導(dǎo)致每筆借貸額度可能較大，這些因素降低了中老年農(nóng)戶家庭對負(fù)債的償還能力，從而影響了正規(guī)金融機構(gòu)對其貸款的發(fā)放。研究結(jié)果表明其他外生變量如年輕的農(nóng)戶家庭、戶主的性別、教育水平、純農(nóng)農(nóng)戶類型、兼業(yè)農(nóng)戶類型等對農(nóng)戶在5年內(nèi)獲得正規(guī)金融機構(gòu)的貸款的影響不顯著，這反映出被調(diào)查地區(qū)的正規(guī)金融機構(gòu)對上述變量不敏感，可能的原因是正規(guī)金融機構(gòu)并沒有把向農(nóng)戶提供貸款真正作為自己的經(jīng)營方向，而且其在信息收集成本方面也較高，因此沒有激勵去了解或評估樣本農(nóng)戶的信用狀況。需要注意的是，本文的模型估計的結(jié)果反映出兩個特點:第一，具有樣本選擇性質(zhì)的泊松門欄模型中第一部分補充雙對數(shù)模型的實證結(jié)果中顯著性外生變量的個數(shù)多于第二部分截斷泊松回歸模型，這表明補充雙對數(shù)模型是泊松門欄模型的主要影響部分，即農(nóng)戶在單位時間內(nèi)能否獲得正規(guī)金融機構(gòu)的貸款要比其獲得貸款的筆數(shù)更重要;第二，部分同一外生因素在泊松門欄模型中對農(nóng)戶在單位時間內(nèi)是否獲得正規(guī)金融機構(gòu)的貸款和獲得貸款的筆數(shù)有著不同的顯著性影響，甚至影響方向也相反，例如，相對于老年農(nóng)戶家庭，中年農(nóng)戶家庭和中老年農(nóng)戶家庭對在單位時間內(nèi)是否獲得金融機構(gòu)的貸款有著正向影響，而對在單位時間內(nèi)獲得正規(guī)金融機構(gòu)貸款的筆數(shù)卻有著負(fù)向影響，并且中年農(nóng)戶家庭只顯著影響著其是否獲得正規(guī)金融機構(gòu)的貸款，中老年農(nóng)戶家庭只顯著影響著其在單位時間內(nèi)獲得正規(guī)金融機構(gòu)貸款的筆數(shù);這一發(fā)現(xiàn)是本文的一個重要貢獻，這說明雖然外生變量對農(nóng)戶在5年內(nèi)獲得貸款的影響要比其對農(nóng)戶在5年內(nèi)獲得貸款的筆數(shù)的影響要大，但是同一外生變量在這兩個計量分析階段中仍然有著不同的權(quán)重。同時，這一發(fā)現(xiàn)也能更好的體現(xiàn)本文研究的價值和計量分析的優(yōu)越性。

四、結(jié)論及啟示

本文以山東泰安地區(qū)農(nóng)戶調(diào)查數(shù)據(jù)為例，采用一個具有樣本選擇性質(zhì)的泊松門欄模型，實證分析了影響農(nóng)戶在5年內(nèi)獲得正規(guī)金融機構(gòu)貸款筆數(shù)的各種外生因素。研究表明，中年農(nóng)戶家庭相對于老年農(nóng)戶家庭更容易獲得正規(guī)金融機構(gòu)的貸款;農(nóng)戶承包土地規(guī)模越大，到正規(guī)金融機構(gòu)的交通越便利，5年內(nèi)農(nóng)戶越容易獲得金融機構(gòu)的貸款;中老年農(nóng)戶家庭相對于老年農(nóng)戶家庭，其獲得多筆貸款的概率顯著降低。本文也發(fā)現(xiàn)，在泊松門欄模型的兩部分方程中，同一組外生變量在影響程度、影響方向及影響個數(shù)上都存在著差異，這種差異顯示補充雙對數(shù)模型是泊松門欄模型的主要影響部分，即農(nóng)戶在單位時間內(nèi)能否獲得正規(guī)金融機構(gòu)的貸款要比其獲得貸款的筆數(shù)更重要。基于本文的研究結(jié)論得出以下政策啟示:第一，從研究結(jié)果來看，農(nóng)戶承包的土地規(guī)模與其獲得金融機構(gòu)貸款存在著顯著的正相關(guān)關(guān)系。可見目前，金融機構(gòu)在考慮是否提供貸款的時候，農(nóng)戶承包的土地規(guī)模是體現(xiàn)其還款能力的重要指標(biāo)之一。因而未來我國農(nóng)村金融深化改革勢必要同農(nóng)村土地制度改革聯(lián)動起來，實現(xiàn)金融業(yè)與農(nóng)村土地流轉(zhuǎn)的有效對接。只有持續(xù)的推動農(nóng)戶層次的土地流轉(zhuǎn)，促進土地的集中，才能實現(xiàn)農(nóng)業(yè)產(chǎn)業(yè)化和規(guī)模化經(jīng)營，并有助于農(nóng)業(yè)生產(chǎn)獲得良好的經(jīng)濟效益，而這些也有助于降低金融機構(gòu)的信貸風(fēng)險，并實現(xiàn)金融資源的有效配置。第二，本文的研究結(jié)果也表明農(nóng)戶所在村到金融機構(gòu)的交通便利程度與其獲得金融機構(gòu)貸款存在著顯著的正相關(guān)關(guān)系。可見加強農(nóng)村交通設(shè)施的建設(shè)對于促進農(nóng)村金融市場的發(fā)展有重要意義。因此，未來各級政府應(yīng)加大對農(nóng)村交通設(shè)施建設(shè)的投入，這樣做不僅可以使金融機構(gòu)更深入地了解農(nóng)戶，也有利于降低農(nóng)戶向正規(guī)金融機構(gòu)的融資成本，從而更好的促進農(nóng)村金融市場的發(fā)展。

作者：李韜羅劍朝陳妍單位：西北農(nóng)林科技大學(xué)經(jīng)濟管理學(xué)院