返鄉(xiāng)農(nóng)民工創(chuàng)業(yè)信貸額度影響因素分析
——以湖南省為例

許 南，尹瓊環(huán)，陸泳舟 ，王 慧

(湖南師范大學(xué) 商學(xué)院，湖南 長沙 410081)

國際金融危機影響的后續(xù)蔓延與世界經(jīng)濟增長的明顯減速，對我國經(jīng)濟的負面影響仍然存在，對農(nóng)業(yè)農(nóng)村發(fā)展的沖擊時有顯現(xiàn)。湖南作為人口大省、農(nóng)業(yè)大省和勞務(wù)輸出大省，全省總?cè)丝?845萬人，其中鄉(xiāng)村人口3960萬人，農(nóng)村勞動力2999萬人。2008年約有1200萬農(nóng)民在外務(wù)工，2010年10月以來，沿海部分企業(yè)半停產(chǎn)、停產(chǎn)、關(guān)閉，導(dǎo)致湖南約280多萬農(nóng)民工因失去工作崗位返鄉(xiāng)。

金融是經(jīng)濟發(fā)展的驅(qū)動力，良好的金融環(huán)境和信貸支持體系更是返鄉(xiāng)農(nóng)民工實現(xiàn)創(chuàng)業(yè)和再就業(yè)的重要保證。[1]然而，當(dāng)前中國農(nóng)村金融 需求得不到滿足,農(nóng)村金融發(fā)展嚴(yán)重滯后于整個金融領(lǐng)域，已是不爭的事實。如何滿足返鄉(xiāng)農(nóng)民工創(chuàng)業(yè)資金需求，為其創(chuàng)業(yè)和再就業(yè)提供強有力的金融信貸支持，是農(nóng)民工返鄉(xiāng)潮中面臨的重大問題。我們通過運用自己所學(xué)的知識，為解答這一問題提出了一些我們認為值得借鑒的思路和建議。

一 文獻綜述

胡俊波(2010年)根據(jù)調(diào)研發(fā)現(xiàn)：制約農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)的因素不僅來自農(nóng)民工個體微觀層面( 如“資本匱乏”、“人力資源積累不夠”、“思想較為保守”、“負擔(dān)重、抗風(fēng)險能力弱”等) ；一些宏觀層面的客觀因素( 如當(dāng)?shù)亟?jīng)濟發(fā)展?fàn)顩r) 也制約著農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)，而其中“資本匱乏”是制約農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)的最大障礙。[2]著名經(jīng)濟學(xué)家吳敬璉(2002年)教授也指出，融資難是制約創(chuàng)業(yè)的瓶頸，因此廣開融資渠道，改善融資環(huán)境是解決融資問題的根本途徑。[3]當(dāng)前農(nóng)民貸款難是農(nóng)民受到了金融市場信貸配給的結(jié)果, 是市場規(guī)律的正常反映, 通過金融市場化改革只能緩解而不能有效解決農(nóng)民貸款難問題, 要想從根本上解決問題只能嘗試政策性金融改革，從而安明友(2010年)提出了基本信貸保障制度。[4]Christina E. Bannier(2007年)認為中小型公司把民間借貸和多樣化的銀行融資相結(jié)合，可以降低借貸雙方的信用風(fēng)險。[5]LIN Justin Yifu(2006年)也指出一旦允許非正規(guī)金融與正規(guī)金融并存，信貸資金的分配效率便能得到改善。[6]因此，把民間信貸作為一種有效的融資途徑不僅能進一步規(guī)范和改善我國的非正規(guī)金融，同時也為農(nóng)民工創(chuàng)業(yè)融資提供了更多的資金保障。

郭鳳鳴、張世偉(2011年)通過研究發(fā)現(xiàn)對農(nóng)民工的教育歧視導(dǎo)致了農(nóng)民工和城鎮(zhèn)工的工資率出現(xiàn)了較大差異。針對農(nóng)村人口的教育歧視嚴(yán)重影響了農(nóng)民工的受教育質(zhì)量，影響了農(nóng)民工人力資本的獲取，進而對農(nóng)民工的就業(yè)和工資水平產(chǎn)生了不利影響，因此政府部門應(yīng)大力發(fā)展適合農(nóng)民工技能積累的職業(yè)培訓(xùn)和繼續(xù)教育，為農(nóng)民工接受職業(yè)培訓(xùn)和繼續(xù)教育提供便利和優(yōu)惠以達到提高農(nóng)民工整體技能水平的目標(biāo)。[7]本文在后金融危機的背景下，以農(nóng)民工和金融機構(gòu)為研究對象來設(shè)計調(diào)查問卷和收集所需數(shù)據(jù)，然后運用模型分析并得出影響農(nóng)民工信貸資金的主要因素。

二 模型的構(gòu)建

(一)前提條件

借款人總是希望能從金融機構(gòu)獲得貸款，所獲貸款用于創(chuàng)業(yè)或促進已有企業(yè)穩(wěn)步發(fā)展。

(二)收集數(shù)據(jù)

鑒于邵陽與湘西地處我省西部南北；邵陽市產(chǎn)業(yè)布局以第一產(chǎn)業(yè)為主，經(jīng)濟發(fā)展水平相對較高，而湘西產(chǎn)業(yè)布局主要依托于第二產(chǎn)業(yè)，經(jīng)濟發(fā)展水平相對較低；當(dāng)?shù)馗鞑块T也大力支持農(nóng)民工創(chuàng)業(yè)。所以，我們決定選取這兩個比較有代表性的地點開展調(diào)研。我們先后對湘西和邵陽的農(nóng)民工進行了問卷調(diào)研，同時對兩地的金融機構(gòu)和當(dāng)?shù)孛癖娬归_了實地訪談。共獲得500份調(diào)查問卷，有效問卷476份，有效率為95.2%。其中湘西有223份(占46.68%)，邵陽253份(占53.32%)。由于湘西五寨與邵陽洞口的經(jīng)濟發(fā)展存在差異，所得數(shù)據(jù)差距明顯，我們將分別對其數(shù)據(jù)進行處理。

1)深入了解當(dāng)?shù)胤掂l(xiāng)創(chuàng)業(yè)農(nóng)民工個人的基本信息，如年齡、平均年收入、正規(guī)受教育年限等可能影響其獲取貸款的因素；調(diào)查農(nóng)民工的貸款金額、貸款期限及還貸款情況。

2)走訪當(dāng)?shù)剞r(nóng)村金融機構(gòu)(農(nóng)業(yè)發(fā)展銀行、農(nóng)村合作信用社、農(nóng)業(yè)郵政儲蓄等)和民間信用組織，調(diào)查該地區(qū)對返鄉(xiāng)農(nóng)民工發(fā)放貸款數(shù)、收回貸款數(shù)等收放款情況，為本項目的研究提供現(xiàn)實依據(jù)。

(三)選擇模型

根據(jù)“研究返鄉(xiāng)農(nóng)民工創(chuàng)業(yè)信貸支持模式”這一主題，我們將該模型的研究對象確定為農(nóng)民工的貸款金額，且該模型的研究目的是試圖解釋清楚哪些變量會影響農(nóng)民工的貸款金額大小。綜合上述因素，可以采用ols估計考察農(nóng)民工實際信貸行為。模型構(gòu)建形式如下：

(四)選取變量并檢驗多重共線性

根據(jù)簡單線性回歸模型的特點與實際調(diào)研數(shù)據(jù)，我們將被解釋變量確定為貸款金額(jine)；并選擇了7個可能對其造成影響的備選解釋變量，它們分別為：年平均收入(shouru)、貸款期限(qixian)、抵押擔(dān)保(danbao)(虛擬變量，其中danbao=1為有抵押擔(dān)保；danbao=0為無抵押擔(dān)保)、受教育水平(jiaoyu)(虛擬變量，其中Jiaoyu1=1為高中及高中以上、Jiaoyu1=0為其他、；jiaoyu2=1只是初中教育；jiaoyu2=0為其他)、城鄉(xiāng)差異(chengxiang)、手續(xù)繁簡度(fanjian)、金融機構(gòu)人員服務(wù)態(tài)度(taidu)。

采用相關(guān)系數(shù)矩陣將各解釋變量相互之間的相關(guān)系數(shù)陳列出來，以檢驗是否存在多重共線性。所得相關(guān)系數(shù)矩陣如下：

表1 各解釋變量相關(guān)系數(shù)矩陣

由相關(guān)系數(shù)矩陣可以看出，各解釋變量相互之間的相關(guān)系數(shù)較高，證實確實存在多重共線性。故以下采用逐步回歸法來消除多重共線性。

三 模型的分析

將上述理論模型進行分析和檢驗，通過比較每次回歸的結(jié)果，保留樣本擬合優(yōu)度R2、F檢驗以及t檢驗值相對顯著的解釋變量，最終得到與實際情況最為接近的模型。另外，我國的非正規(guī)借款(親友間借款和非正規(guī)金融組織借款)還存在相當(dāng)大的不規(guī)范的問題，因此我們在調(diào)查貸款金額時未將其計算在內(nèi)。

首先，以被解釋變量(jine)分別對七個備選解釋變量做簡單線性回歸。結(jié)果顯示，在對城鄉(xiāng)差異(chengxiang),手續(xù)繁簡度(fanjian)，金融機構(gòu)人員服務(wù)態(tài)度(taidu)的回歸中，樣本擬合優(yōu)度R2、F檢驗以及t檢驗均不能通過檢驗，說明以上三個解釋變量對被解釋變量的解釋程度極不明顯。

我們通過采訪式調(diào)研了解到，對于農(nóng)民工的貸款以小額貸款為主，與所處地域關(guān)系不大。貸款手續(xù)有統(tǒng)一的規(guī)定與要求。首先，借款人需提出申請，提供相關(guān)的資料及抵押擔(dān)保以表明自身的借款用途和還貸能力；然后，金融機構(gòu)將根據(jù)相關(guān)信息對借款人的資信做出判斷，決定是否貸款及貸出金額、貸出期限等具體內(nèi)容。流程大體相似，若有相關(guān)的人脈，能取到貸款的機率將可提高；至于金融機構(gòu)人員的服務(wù)態(tài)度，所采訪者對此看法迥異，褒貶不一，帶有強烈的感情色彩，不宜用客觀的尺度來衡量。

綜合考慮，我們選擇將以上三個變量剔除。其它四個解釋變量分別為：年平均收入(shouru)、貸款期限(qixian)、抵押擔(dān)保(danbao)和受教育程度(jiaoyu)，四者的擬合程度都較為顯著，其中以年平均收入的統(tǒng)計檢驗量最優(yōu)，且與獲得貸款機率和還貸能力密切相關(guān)，我們決定暫時保留貸款金額對年平均收入(shouru)的簡單回歸。

然后，以貸款金額(jine)對年平均收入(shouru)的簡單線性回歸模型為基礎(chǔ)，分別引入變量貸款期限(qixian)、抵押擔(dān)保(danbao)、受教育程度(jiaoyu)來觀察模型數(shù)據(jù)的變化情況。結(jié)果顯示年平均收入(shouru)和貸款期限(qixian)對被解釋變量的擬合程度最優(yōu)。從而選定以年平均收入(shouru)和貸款期限(qixian)作解釋變量的線性回歸模型為基礎(chǔ)，分別引入抵押擔(dān)保(danbao)和受教育程度(jiaoyu),結(jié)果顯示貸款金額(jine)對解釋變量年平均收入(shouru)、貸款期限(qixian)、受教育程度(jiaoyu)回歸的擬合優(yōu)度較高，但是年平均收入(shouru)與受教育程度(jiaoyu)的系數(shù)不能通過顯著性檢驗，特別是shouru的系數(shù)低至0.076，說明當(dāng)收入增加一個單位時，貸款金額將上升0.076個單位，若以收入水平作為借款人還貸能力的主要決定因素，當(dāng)借款人增加一個單位還款能力時，他將選擇只動用其中的0.076個單位，而將剩余的還款能力閑置，對借款人來說無疑是一種損耗，這與大多數(shù)實際經(jīng)濟情況不太相符。所以我們決定保留貸款金額(jine)對年平均收入(shouru)、貸款期限(qixian)、抵押擔(dān)保(danbao)的線性回歸。

最后把四個解釋變量引入模型，結(jié)果為:

Jine= -751.8940 +0.6026shouru + 545.1814qixian + 691.5150danbao

(313.7830)(0.4684) (157.5465) (263.8810)

T= (-2.3945) (1.2864) (3.4604) (2.6212)

+ 456.9560jiaoyu1 + 397.1370jiaoyu2

(476.1240) (336.3690) (0.9580) (1.1824)

R2= 0.8569 F=28.7384 DW=1.7739 df=30

由模型得出的數(shù)據(jù)顯示：年平均收入(shouru)和受教育程度(jiaoyu)的t檢驗值不顯著。從前述的相關(guān)系數(shù)矩陣不難看出，兩者的線性相關(guān)度很高。另外，實際生活中，往往受教育程度越高的人群可能獲得更高的收入，理論與實際均表明這兩個變量相關(guān)性高，若同時引入一個模型，難免導(dǎo)致多重共線性出現(xiàn)。所以，我們決定先保留貸款金額(jine)對年平均收入(shouru)、貸款期限(qixian)和抵押擔(dān)保(danbao)三個解釋變量的線性回歸。模型一檢驗結(jié)果如下：

Jine=-527.0470+0.9432shouru+399.8246qixian+619.9560danbao

(301.2170)(0.3785) (155.5708) (358.5690)

T=(-1.7484) (2.4917) (2.5700) (1.7257)

R2=0.7936 F=33.3297 DW=2.1795 df=30

在貸款金額(jine)對虛擬變量受教育程度(jiaoyu)的簡單線性回歸中，受教育水平對可貸金額有顯著地影響，不容輕易忽略，所以我們再選定貸款期限(qixian)、抵押擔(dān)保(danbao)和受教育程度(jiaoyu)為解釋變量再次回歸。模型二檢驗結(jié)果如下：

Jine=-575.1820 + 687.8600qixian + 785.0100danbao+875.4211jiaoyu1

(313.783) (157.5465) (257.1220) (352.9872)

T=(-2.0109) (6.0684) (3.0547) (2.4839)

+574.9761jiaoyu2

(311.8140)

(1.8425)

R2=0.8470 F=34.6027 DW=1.8262 df=30

綜合來看，兩模型的擬合優(yōu)度相差不大，且各解釋變量對被解釋變量影響均顯著，難以斷言其優(yōu)劣。

四 模型的結(jié)論

為了進一步檢驗上述兩個模型，我們把在邵陽調(diào)研獲得的數(shù)據(jù)分別代入上述兩個模型，可得到下表：

表2 貸款金額對年平均收入、貸款期限、抵押擔(dān)保的回歸結(jié)果

注：*、**、***分別代表在α為1%、5%、10%的水平下顯著

表3 貸款金額對貸款期限、抵押擔(dān)保、受教育程度的回歸結(jié)果

注：*、**、***分別代表在α為1%、5%、10%的水平下顯著

不難看出，表二中各解釋變量的統(tǒng)計檢驗量十分顯著。同一個模型，湘西五寨村與邵陽洞口縣的估計系數(shù)相距明顯，這主要是由于兩地的經(jīng)濟發(fā)展水平的差異所致。五寨村的經(jīng)濟以第一產(chǎn)業(yè)為主，返鄉(xiāng)就業(yè)與創(chuàng)業(yè)者大多從事于煙草、玉米等種植業(yè)，成本相對較低，所貸金額相對較少，一般為1000—3000元。然而，洞口縣主要以輕工業(yè)為依托，如食品加工、制鞋廠等；另外，經(jīng)營飲食、服裝、小批發(fā)店等個體戶眾多，人們所需的生產(chǎn)經(jīng)營成本較高，貸款金額以30000-50000元為主，部分貸款可達200000-300000元。表三中，除貸款期限能通過顯著性檢驗，抵押擔(dān)保和受教育程度的系數(shù)均不顯著，不能證明兩者對貸款金額的大小有顯著的影響。但是這并不意味著它們各自對貸款金額的大小無顯著影響。當(dāng)兩組迥異的數(shù)據(jù)代入模型一時，擬合結(jié)果均顯著，而模型二只適用五寨村的情況，因此，我們認為模型一更具有較廣泛的適應(yīng)性。

下面我們根據(jù)回歸結(jié)果，著重分析如何改善影響貸款金額大小的各因素，以期拓寬農(nóng)民工貸款的渠道。

五 政策建議

(一)完善農(nóng)民工信貸擔(dān)保體系

由模型的分析及得出的結(jié)論可知擔(dān)保與信貸資金關(guān)系緊密，因此強化信貸擔(dān)保體系至關(guān)重要。政府可出資建立返鄉(xiāng)農(nóng)民工擔(dān)?；?、引進擔(dān)保機構(gòu)或建立農(nóng)村合作擔(dān)?；饋硗晟妻r(nóng)民工信貸擔(dān)保體系；在有條件的情況下當(dāng)?shù)卣梢猿闪ｉT的返鄉(xiāng)農(nóng)民工信貸擔(dān)保體系和誠信服務(wù)體系；政府可適度參與擴大返鄉(xiāng)農(nóng)民工創(chuàng)業(yè)就業(yè)擔(dān)保和資金保障平臺。

(二)提高創(chuàng)業(yè)農(nóng)民工的綜合素質(zhì)

通過模型的分析，我們可以得出受教育水平對可貸金額有顯著性影響，所以利用培訓(xùn)來提高創(chuàng)業(yè)農(nóng)民工的綜合素質(zhì)對其獲得信貸支持十分重要。當(dāng)?shù)亟鹑跈C構(gòu)可充分利用節(jié)假日等農(nóng)民工返鄉(xiāng)最為集中的時機，深入農(nóng)村展開對金融知識的普及；除了電視、報紙等傳統(tǒng)媒體方式，還可以采用講座、上門訪問等易被農(nóng)民工接受的方式開展金融知識的宣傳；國家可對為農(nóng)民工免費開展崗位技能培訓(xùn)及創(chuàng)業(yè)知識培訓(xùn)的單位，給予優(yōu)惠政策，以激勵其擴大對返鄉(xiāng)農(nóng)民工的培訓(xùn)范圍和創(chuàng)業(yè)就業(yè)指導(dǎo)力度。

(三)建立農(nóng)民工創(chuàng)業(yè)基金

由檢驗結(jié)果可知，農(nóng)民工的年平均收入與貸款金額大小顯著相關(guān)。調(diào)研過程中，我們發(fā)現(xiàn)農(nóng)民工的年平均收入普遍不高。因此，建立創(chuàng)業(yè)基金十分必要：若能將小額閑散資金以村或縣為單位成立專項基金，委托當(dāng)?shù)氐慕鹑跈C構(gòu)代為管理，并根據(jù)當(dāng)?shù)刭Y金供求的情況，確定放貸利率，會使閑散資金得到更規(guī)范有效地運營和配置。

參考文獻:

[1]韓俊,羅丹,程郁.信貸約束下農(nóng)戶借貸需求行為的實證研究[J].農(nóng)業(yè)經(jīng)濟問題,2007(2):44-52.

[2]胡俊波.制約農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)的現(xiàn)實因素分析：來自四川省金堂縣的調(diào)查[J].農(nóng)村經(jīng)濟,2010(11):113-116.

[3]吳敬璉.轉(zhuǎn)軌中國[M].成都：四川人民出版社,2002：30-31.

[4]安明友.以財政補貼擔(dān)保建立農(nóng)民基本信貸保障制度研究[J]. 農(nóng)業(yè)經(jīng)濟問題,2010(7):55-61.

[5]Christina E. Bannier. Heterogeneous multiple bank financing: does it reduce inefficient credit-renegotiation incidences?[J].Financial Markets and Portfolio Management,2007(12):36-42.

[6]Justin Yifu Lin,Xifang Sun. Information, Informal Finance, and SME Financing[J].Frontiers of Economics in China, 2006(1):24-35.

[7]郭鳳鳴,張世偉.教育和戶籍歧視對城鎮(zhèn)工和農(nóng)民工工資差異的影響[J].農(nóng)業(yè)經(jīng)濟問題,2011(6):35-42.