中國農戶面臨的信貸排斥：來自4625個樣本的數據

甘宇　朱靜　劉成玉

摘要：本研究基于微觀調查數據，采用有序Probit模型對影響農戶信貸排斥的因素進行了系統(tǒng)分析，研究發(fā)現：在農村地區(qū)，農戶家庭主事者的性別、年齡對其家庭能否獲得貸款用于生產性投資影響顯著；家庭成員的總體受教育程度越高，其緩解家庭受信貸排斥的作用越大；同樣，家庭耕地規(guī)模越大和家庭年總收入越高的農戶可以避免信貸排斥，而家庭負債越高的農戶則面臨著嚴重的信貸排斥。居住在自有住房里的農戶和居住在商業(yè)中心周邊的農戶順利獲得貸款的概率較大。

關鍵詞：農戶；農村金融；信貸排斥

一、引言

根據央行發(fā)布的《2015 年上半年金融機構貸款投向統(tǒng)計報告》，截至2015年6月末，本外幣農村（縣及縣以下）貸款余額 20.72 萬億元，在這其中，農戶貸款余額僅為5.84萬億元。究其原因，很大程度上是由于我國農村地區(qū)存在信貸排斥，導致農戶難以獲得金融服務。出于經濟的“被分割”（Fragmented Economy），發(fā)展中國家普遍存在著二元經濟結構[ ]。而在中國城鄉(xiāng)之間這種金融的二元性表現得更為突出。由于歷史原因，我國城鄉(xiāng)金融發(fā)展水平差異較為嚴重，特別在農村地區(qū)，金融發(fā)展的滯后，嚴重制約了農村經濟的發(fā)展?？紤]到農村金融服務對農村經濟建設起到的重要作用，國家采取了一系列措施來對農村金融進行大幅度的改革，但是收效甚微，農戶貸款難、農村資金外流等問題仍然明顯[ ]。究其原因，金融排斥（financial exclusion），特別是信貸排斥問題的存在是阻礙農村地區(qū)金融服務發(fā)展的重要原因。

二、文獻綜述

信貸排斥是金融排斥的一個重要方面。早在二十年多前，該領域的研究逐漸獲得學界的關注，研究視角也從最初的金融地理學逐步拓展，融匯了其他學科的知識。當前從社會學和經濟學領域視角進行研究的文獻也逐漸豐富。在在Leyshon和Thrift（1993、1994、1995）[ ]的研究中提出，銀行業(yè)的經營是一種逐利行為，他們尤其看重“價值最大化”的經營目標。由于信息技術的發(fā)展以及全球一體化，競爭日趨激烈，銀行業(yè)也會慢慢強調經營上的“為質量而戰(zhàn)”。為了在控制成本的同時降低經營風險，也是為了增加經營利潤，各金融機構為了搶占更優(yōu)資源，他們通過在資源集中較多的地區(qū)不斷擴大機構和服務范圍，同時紛紛關閉經濟相對落后的農村和邊遠地區(qū)的分支機構，對低收入人群進行選擇性排斥，直接導致了經濟落后地區(qū)的金融服務可得性不高現象的出現。

基于金融排斥的原因及其影響因素，Kempson和Whyley（1999）[ ]指出，金融排斥是收入的負函數，并且還與特定人群的年齡等因素有一定的相關性。而Devlin（2005）[ ]在進一步研究中發(fā)現，住房狀態(tài)等因素對金融排斥也有相對的影響。Panigyrakis（2002）[ ]指出，雖然金融排斥的定義可以隨著觀察角度的不同而有一定的差異，但其最根本的內涵仍然指的是某部分群體難以通過合適的渠道獲得必需的金融服務和產品。王志軍（2007）、許圣道（2008）、何德旭（2008）等的研究得出結論，農村地區(qū)由于存在金融排斥現象，一方面使得農戶或者企業(yè)更難獲得金融方面的支持，更嚴重的后果是極可能由此產生金融空洞，在馬太效應的作用下，農村地區(qū)陷入金融惡性循環(huán)的概率更高，并最終導致資金外逃等后果[ ][ ][ ]。徐少君，金雪軍（2009）[ ]、隋艷穎，馬曉河（2011）[ ]也使用了單個省份的調查數據進行估計，并獲得了類似的分析結果。為此杜曉山（2006）、王修華（2009）提出了應大力發(fā)展小額信貸、微型金融[ ][ ]的實際性建議。王修華，譚開通（2012）[ ]利用8個省的微觀數據構建了信貸供需雙方相互作用的形成機理分析模型，并，產生農戶信貸排斥的主要原因在于農村金融機構其營運的固定成本通常會高于城市地區(qū)、同時同樣一筆貸款農戶需要相對更高的非利率成本才能獲得，并且金融機構也需要更高的非利息成本來完成一戶農戶貸款的發(fā)放。此外，王修華（2013）等[ ]發(fā)現，在影響農戶儲蓄、信貸兩個方面排斥的因素中，既有共同的方面，如戶主或親友擔任村干部、人際關系滿意度、有新型農村金融機構、對金融機構信任等，也有不同的方面，如所從事的職業(yè)、受教育程度、家庭的收入水平以及支出水平等。

從現有研究來看，經驗支撐還相對缺乏，從經濟學角度的研究還相對薄弱。本文在借鑒現有文獻成果的基礎上，以我國農戶實地調查數據進行經驗研究，檢驗以下假設命題：

1.在貸款利率一定的情況下，貸款申請農戶個體特征越好，則預期違約概率相對越低，同時金融機構就該類個體放貸的非利息成本也偏低，從而更不易受到信貸排斥。

2.在其他條件不變的情況下，對農戶發(fā)放貸款的單位非利息成本越高、對貸款違約的預期值越高，則金融機構愿意發(fā)放給農戶貸款的可能性越低。換句話說，金融機構發(fā)放貸款的意愿，與發(fā)放該筆貸款的違約概率預期值成反比，隨著發(fā)放該筆貸款的非利息成本的增加而降低；另外，金融機構通常認為那些家庭資源稟賦相對匱乏、有著較高的債務水平農戶有更高概率違約，從而導致了這部分群體更大概率的受到信貸排斥。

3.貸款申請農戶所在社區(qū)經濟活躍度越高，交通越便利，金融機構與農戶間的信息不對稱程度越低，給予他們放貸的非利息成本越低，該部分農戶受到信貸排斥可能性越低。

三、數據來源、變量賦值及其描述統(tǒng)計

（一）數據來源

本文使用的全部數據來源于中山大學社會科學調查中心的中國勞動力動態(tài)調查（China Labor Force Dynamic Survey，CLDS）。該項目是一項大型的追蹤調查，第一次調查始于2012年，內容涉及多個學科，內容包括了教育、經濟活動、社會參與、健康、工作、基層組織、遷移等多個方面?！安煌诙韲陀《鹊拇迳缰?，東方國家有其自身傳統(tǒng)，遵循傳統(tǒng)的家戶制，財產分配和繼承均以家戶為單位?！盵 ]所以我們認為該調查數據能夠較好的反映中國國情，本研究的農戶家庭樣本為4625個，其具體情況詳見表2。

（二）變量選取及其賦值

結合本文的研究目的同時考慮數據的可獲得性，本研究一共挑選了3方面的指標涉及到14個變量，主要分為：家庭主事者的個人稟賦、家戶的資源稟賦特征、經濟交通活躍度等。

在家庭主事者個人稟賦方面，主要通過4個變量進行了描述，分別是主事者的性別、婚姻狀況、主事的年齡以及他的受教育程度。通常來說，我們會認為男性相對于女生具有更強的風險偏好；而已婚或者有生活伴侶的家庭主事者的家庭生活更穩(wěn)定[ ]，在婚姻變量上，為了更簡潔的就有無生活伴侶是否對家庭信貸排斥現象有顯著的影響差異，我們將戶主的婚姻狀況進行了變量處理，“現沒有生活伴侶”指的是那些或離異、或喪偶或從未結婚的人群?！坝猩畎閭H”選項則指的是有配偶的人群，其中既包含初婚，也包含再婚。年齡的增加通常情況下會導致農戶趨于更厭惡風險，同時其貸款違約的風險也增加；因此，我們可能得出結論，那些年齡偏大且沒有生活伴侶的女性家庭主事者，可能恰恰是信貸排斥的對象[ ]；另外，主事者自身文化程度高低會直接決定他們理解信貸產品的程度。

農戶自身的家庭資源稟賦也是本研究考察的重點。從家庭角度而言，家庭成員中的高中學歷人口、勞動力占比、家庭占有的耕地規(guī)模、家庭的總收入和總支出、實際債務、農業(yè)收入在家庭收入中的所占的比例以及家庭現居住所類型8個變量。通常我們認為如果家庭中成員受教育的平均水平越高，那么他們可能獲得的社會網絡越廣，“由于社會關系形成的個人資源”[ ]使得其家庭收入來源比較穩(wěn)定；同樣，家庭勞動力比率越高，家庭的收入也獲得相對的保障[ ]，這些類型的農戶比較容易獲得金融機構的青睞；一般而言，在農村社會中，耕地是農戶的主要收入來源，耕地規(guī)模越大，其經濟收益越高，因此家庭耕地規(guī)模可以反映農戶是否有比較穩(wěn)定的信貸保證；在同等條件下，金融機構更樂于提供金融借貸給家庭收入較高的農戶家庭，同時這部分農戶相對借貸需求偏低，較小可能發(fā)生信貸排斥；家庭年總支出的高低則直接影響農戶的借貸需求；另外，家庭負債越高的農戶，面臨信貸排斥的可能性越高；家庭農業(yè)收入占比則為家庭農、林、牧、副、漁業(yè)等涉農收入與家庭總收入之比，農戶農業(yè)收入占比的高低決定其依賴務農獲得收益的程度；家庭現在居住的房屋類型則反映農戶家庭基本的經濟穩(wěn)定情況，一般而言，在農村地區(qū)家庭房屋自有與否是其經濟情況的直接體現。

社區(qū)交通活躍度主要依靠一下兩個變量進行考量：家庭到最近公交站點的距離以及家庭到商業(yè)中心的距離。第一個變量家庭離最近公交站點距離反映了家庭所在社區(qū)的交通便利情況，在農村地區(qū)，交通越便利的地方，地方經濟發(fā)展水平可能越高；而另一個變量為樣本家庭所在地與商業(yè)中心之間的距離，直接反映農戶參與市場交易的便捷程度。通常來說，我們認為越靠近商業(yè)中心的家庭，他們由于地理位置的優(yōu)勢，受到信貸排斥的可能性更低。

（三）變量描述統(tǒng)計

表2是變量描述統(tǒng)計，根據本研究的有序Probit模型，是否順利地從銀行信用社等正規(guī)金融機構貸到款用于生產性投資y是一個0～2的多分變量，其均值為0.7479，表明樣本農戶較難從正規(guī)金融機構獲得貸款用于生產性投資。

1.家庭主事者的個人特征

從本次調查來看，85.12%的家庭主事者為男性，平均年齡在43歲左右。在家庭主事者婚姻變量上，為了更加簡單清晰地比較家庭主事者有無生活伴侶，對其家庭能否順利獲得貸款用于生產性投資的差異，本研究將初婚和再婚有配偶定義為“有生活伴侶”，其他定義為 “現沒有生活伴侶”。從表2中可以看出，有超過90%的家庭主事者有生活伴侶；在主事者教育程度方面，大部分的家庭主事者的文化水平為初中以下。

2.樣本農戶的家庭特征

在家庭文化總體水平方面，樣本農戶家庭高中學歷以上人數極少，平均每戶不到一個人；在勞動力方面，樣本家庭勞動力比率平均為67.28%；每個家庭平均承包6.5畝左右的土地；家庭年總收入平均不到3萬元，而其年總支出則幾乎與年總收入持平；在家庭債務方面，平均每戶欠債1萬余元。而在家庭農業(yè)收入占比上，平均只有37.47%。也就是說，農戶其他收入來源成為其收入構成的主體。在家庭居住房屋方面，自有住房率達到86.81%。

3.家庭所處社區(qū)特征

家庭到最近的公交站點距離平均為3公里左右；家庭到最近的商業(yè)中心距離則平均將近7公里。

四、研究方法與估計結果分析

（一）研究方法

被解釋變量 y 是農戶受到信貸排斥程度，為模擬農戶在信貸活動中的選擇，根據其受到信貸排斥程度，將其劃分為具有排序性質的3層： 不受排斥時，y = 0； 受到部分排斥時，y = 1； 受到完全排斥時，y =2。OPM（order probit model）是針對這種離散的，有次序性的因變量的經濟計量模型，可很好地模擬農戶位于各個層級的概率及其決定因素。以 表示在（0，1，2…，m）上取值的有序響應，關于 的有序Probit模型可由以下式子表示：

其中 是一個潛在變量，對其具體值的觀測無法進行，但 是可以觀測得到的變量； 是一組解釋變量的觀測值，i（i=1，2，…，n）代表著觀測值數； 代表待估計的參數變量； 是隨機解釋變量；j是狀態(tài)參數； 是區(qū)間的分界點； 是標準正態(tài)累計分布函數。[ ]

（二）估計結果分析

上述理論模型將通過本部分的討論進行經驗檢驗，使用有序probit模型分別考察各變量對農戶的借貸需求獲得滿足的程度的影響。

根據上述討論的估計方法，本研究在農戶家庭主事者的個人特征、家庭特征以及社區(qū)特征等三個方面選取了14個解釋變量，進一步利用Stata12.0軟件對農戶是否順利的從銀行信用社等正規(guī)金融機構貸到款用于生產性投資進行了有序Probit模型估計。表3中模型Ⅰ是讓所有的變量進入模型中的檢驗，檢驗結果反映了所有解釋變量對被解釋變量的影響程度。在對相關系數的觀察中可以獲知，在整體上模型Ⅰ的擬合優(yōu)度較為不錯，這個檢測結果說明進入模型的解釋變量對被解釋變量在整體上有顯著性的影響。更進一步，我們觀察到變量x1、x3、x5、x7、x8、x10、x12、x14等顯著影響農戶信貸排斥，但是x2、x4、x6、x9、x11、x13等變量對農戶信貸排斥的影響并沒有通過顯著性檢驗。模型Ⅱ是在模型Ⅰ的基礎上，經過優(yōu)化檢驗、剔除對被解釋變量影響不顯著的變量后，模型的估計結果。通過對模型Ⅰ和模型Ⅱ中各解釋變量參數的對比分析發(fā)現，模型Ⅱ中各解釋變量對被解釋變量的解釋程度明顯高于模型Ⅰ，且通過對數似然比（Log likelihood）、偽判決系數（Pseudo R2）的數值比較來看，模型Ⅱ的擬合優(yōu)度較高。

1.個人稟賦對農戶信貸排斥的影響

從表3可知，反映個人稟賦的可觀測變量中，x1和x3對農戶信貸排斥都有顯著的影響，其中x1是負向影響，表明女性為主事者的家庭在信貸活動中更容易被排斥。在農村社會中，傳統(tǒng)文化中的男主外女主內的影響根深蒂固。一般認為，以女性為主事者的家庭在經濟上都比較弱勢。因此，從銀行厭惡風險的角度出發(fā)，更愿意發(fā)放貸款給男性主事者的家庭。同樣，基于風險的考量，在農村的經濟活動中，農民更多的是依靠體力的付出獲得經濟收入，家庭主事者年齡越高，體力越衰弱，在銀行的風險評估中越不利，其越難獲得貸款。這與我們的假設1相吻合。在模型中，農戶的婚姻狀況并沒有通過顯著性檢驗，這可能與樣本農戶家庭主事者九成以上為有生活伴侶，沒有表現出差異性有關，這需要對其進一步細分研究。

2.家庭特征對農戶信貸排斥的影響

反映家庭特征的可觀測變量中，家庭高中學歷以上人數變量系數在5%的顯著水平下顯著，且呈負相關，表明家庭總體受教育水平越高，越容易獲得貸款用于生產性投資?？紤]到農村整體教育發(fā)展程度不高的現狀，受到高中以上教育已經是較高的文化水平[ ]。在農村社會中，這一部分受過高教育者往往可以通過同窗關系，積累更多的社會資本，從而順利獲得貸款用于生產性投資。同時，與主事者教育程度變量影響不顯著相比較也可以看出，在避免信貸排斥方面，家庭總體受教育水平的作用比個體受教育程度的作用更大。家庭耕地規(guī)模和家庭年總收入這兩個等距變量系數方向均為負向，而且均在1%的顯著水平下顯著，表明家庭耕地規(guī)模和家庭年收入對規(guī)避信貸排斥均有著十分強烈的作用。家庭承包土地越多，信息不對稱程度越低，同時也意味著家庭收入預期越高，信貸違約的可能性越低，因此此類農戶在需要進行生產性投資時，更容易獲得貸款。與此相對的是，家庭債務越高的農戶，則越可能受到信貸排斥。雖然家庭農業(yè)收入占比變量的系數較小，也沒有呈現出顯著的反應，但其系數方向也可以印證上述討論，在農村中農業(yè)收入越高，其在貸款中信息透明度越高，意味著銀行放貸的風險越低，農戶獲得貸款的概率就越高。在估計中，我們也看到了，擁有自有房屋的農戶獲得貸款用于生產性投資的可能性越高。房屋是家庭資產的重要構成部分，農戶擁有自有房屋實際上是向銀行發(fā)出可以按期還本息這一積極且穩(wěn)定的經濟信號，客觀上提高了銀行對收回本息的預期；更重要的是，房屋作為可供抵押擔保財產，在很大程度上可以解除農戶的信貸排斥，這與我們前述的假設2相符合。

3.社區(qū)特征對農戶信貸排斥的影響

表3中，家庭到最近的商業(yè)中心距離在0.01的顯著水平上對農戶信貸排斥產生顯著的正向影響。在農村地區(qū)，銀行或者信用社一般駐在場鎮(zhèn)或者集市等商業(yè)氛圍較濃的地方，銀行對距離這些農村地區(qū)商業(yè)中心越遠的農戶經濟信息占有較少，因此使得他們在貸款信息審核時更加謹慎，在客觀上使得該部分農戶很難獲得貸款用于生產性投資。該模型結果部分回應了假設3。而家庭到最近的公交站點距離這一反映社區(qū)特征的可觀測變量在模型中對農戶信貸排斥的影響并不顯著。可能的解釋是：雖然交通便利程度在一定層面上能夠體現出農戶家庭所在社區(qū)的經濟活躍度，但是由于農村的公共交通條件長期以來都比較落后，并沒有發(fā)生顯著的變化。雖然我們觀察到了在農戶信貸排斥中會體現出呈現區(qū)域差異化特征，但這一差異性并不能由村鎮(zhèn)的公共交通便利程度直接體現，簡單說來即是在同一地區(qū)范圍內，差異性的社區(qū)位置對農戶信貸排斥的影響并不顯著。

五、結論與政策啟示

本文根據實地調查結果，運用有序probit模型對各變量產生在農戶信貸排斥影響上的的效用方向進行了驗證。得到結論：農戶家庭主事者的性別、年齡對其家庭能否獲得貸款用于生產性投資影響顯著；家庭成員的總體受教育程度可以緩解其受信貸排斥的影響；同樣，家庭耕地規(guī)模越大和家庭年總收入越高的農戶可以避免信貸排斥，而家庭負債越高的農戶則面臨著嚴重的信貸排斥。居住在自有住房里的農戶和居住在商業(yè)中心周邊的農戶可以較為順利地獲得貸款。

在城鄉(xiāng)統(tǒng)籌背景下，多種因素會影響到農村地區(qū)的農戶信貸排斥。多種情況下的信貸排斥，一方面是由于銀行作為以營利為目的的機構，必須要求維護自身經營利益；另一方面也與國家政策之間有著密不可分的關系。農村地區(qū)要促進農戶增收，必須構建包容性農村金融體系，從制度層面破解農戶信貸排斥難題；農村金融的發(fā)展一定離不開金融創(chuàng)新，必須通過搭建創(chuàng)新農村信用體系，搭建符合農村金融特征的平臺，著力于盤活農村資金，推動農村產權可向金融機構做抵押融資的金融產品；另外，要發(fā)揮農村地區(qū)社會網絡緊密的優(yōu)勢，降低農戶與金融機構間的信息不對稱，減少農戶信貸排斥；最后，以縣為單位，根據涉農貸款金額比例建立風險補償基金，分擔金融機構服務“三農”的風險。