農(nóng)地抵押貸款信用評價體系構(gòu)建

姜巖+黃惠春+陶雯巖

摘 要：通過構(gòu)建農(nóng)地抵押貸款信用評價體系，為貸款申請人信用資質(zhì)的判定提供客觀標準。借鑒Z評分模型，使用Bootstrap方法篩選農(nóng)地抵押貸款信用評價指標，并使用基于離差最大的組合賦權(quán)法確定各指標的權(quán)重。在信用評價模型建立后，通過貸款戶和申請被拒農(nóng)戶信用評分的差異，劃定優(yōu)質(zhì)借款人的信用評分范圍，最后對該信用評分模型的有效性進行了檢驗。

關(guān)鍵詞：農(nóng)地抵押貸款；Bootsrtap；組合賦權(quán)法；Z評分模型；信用評分

中圖分類號：F325.24 文獻標識碼：A 文章編號：1009-9107（2017）02-0024-9

為響應國家號召，各地紛紛開始試點農(nóng)村土地承包經(jīng)營權(quán)抵押貸款（以下簡稱“農(nóng)地抵押貸款”）。然而，由于缺少標準化的農(nóng)地抵押貸款信用評價體系，很多金融機構(gòu)低估了該貸款的信用風險，導致貸款違約率居高不下。高違約率成為金融機構(gòu)減少貸款額度的主要原因。因此，農(nóng)地抵押貸款的進一步發(fā)展需要一個可操作的、標準化的信用評價體系，幫助金融機構(gòu)準確判別農(nóng)地抵押貸款申請人的信用資質(zhì)，篩選優(yōu)質(zhì)借款人發(fā)放貸款，從而降低農(nóng)地抵押貸款的違約率?；诖?，本文擬構(gòu)建一個專門用于審核農(nóng)地抵押貸款申請人信用資質(zhì)的評分模型，通過該模型計算貸款申請人的信用評分，并根據(jù)信用評分進一步劃分其信用資質(zhì)，進而確定是否應該對其發(fā)放農(nóng)地抵押貸款。

一、評價指標體系構(gòu)建

（一）數(shù)據(jù)來源與方法

農(nóng)村金融機構(gòu)通常實行貸款終身負責制，由基層信貸員全程跟蹤農(nóng)地抵押貸款的審核、發(fā)放和監(jiān)督。換言之，信貸員作為農(nóng)地抵押貸款的負責人，能夠深入、全面地了解貸款運作情況，可以決定是否發(fā)放農(nóng)地抵押貸款。同時，由于貸款與信貸員自身利益相掛鉤，信貸員在決定是否發(fā)放農(nóng)地抵押貸款時，判斷必然更加客觀。與之相比，專家小組主要由高層領(lǐng)導組成，他們具有豐富的理論，卻未必能實際接觸到貸款農(nóng)戶，更不可能跟進貸款農(nóng)戶進行監(jiān)督。因此，為了建立客觀、可操作的信用評價模型，本文使用85名信貸員打分數(shù)據(jù)來篩選影響農(nóng)地抵押貸款信用評價的重要性指標。分數(shù)可以將信貸員對各影響因素的重視程度進行量化，得到更加標準化的數(shù)據(jù)。數(shù)據(jù)來源于課題組2015年6-9月對江蘇常州武進、淮安金湖和宿遷泗洪農(nóng)村商業(yè)銀行信貸員的問卷調(diào)查。問卷的主要內(nèi)容是詢問信貸員發(fā)放農(nóng)地抵押貸款時更看重農(nóng)戶因素還是農(nóng)地因素；同時，問卷列出來所有可能會影響信貸員農(nóng)地抵押貸款發(fā)放意愿的指標，要求信貸員按照審核貸款時所考慮的各指標重要程度進行打分。將分值設(shè)為1～9分：1～2分表示基本不考慮，3～4分表示不重要，5分表示無所謂，6～7分表示比較重要，8～9分表示非常重要，分值越高表明信貸員在貸款發(fā)放審核過程中越重視此因素。

在獲得數(shù)據(jù)后，使用Bootstrap方法計算各指標的均值。Bootstrap的本質(zhì)是已知數(shù)據(jù)的再抽樣，其基本思想是生成一系列Bootstrap偽樣本，每個樣本是初始數(shù)據(jù)有放回抽樣。通過對偽樣本的計算，獲得統(tǒng)計量的分布。Bootstrap的數(shù)學原理可以表示為：T=T（T1，T2，…Tn）是來自總體分布函數(shù)為F（T）的獨立同分布隨機樣本。Fn（T）是由樣本T得到的分布函數(shù)[在產(chǎn)品可靠性分析中，F(xiàn)n（T）一般是指數(shù)函數(shù)或多參數(shù)Weibull函數(shù)]，由Fn（T）得到的參數(shù)估計θ=θ（F），它可以作為樣本參數(shù)θ的準確值。再從新總體Fn（T）中抽取與樣本T相同的偽樣本Tm=T（T1，T2，…，Tn），一般取m=n。用偽樣本Tm求出參數(shù)θ的估計值。重復操作M次（一般取M=1 000）可得到M個基于偽樣本Tm而得到的θ估計值。Efron已經(jīng)證明，在初始樣本足夠大的情況下，Bootstrap抽樣能夠無偏地接近總體的分布。

（二）評價指標篩選

影響信貸員審核農(nóng)地抵押貸款申請的主要因素可以分為兩類：農(nóng)戶因素和農(nóng)地因素。農(nóng)戶因素包括農(nóng)戶的年齡、性別、文化程度、身體健康狀況、是否是種、養(yǎng)殖大戶、農(nóng)戶生產(chǎn)性固定資產(chǎn)規(guī)模、主要收入來源、信用狀況、貸款資金用途等[1-4]。實際調(diào)查發(fā)現(xiàn)，不同信貸員對貸款申請人的要求不同，但是大多數(shù)人都偏好于文化程度高、身體健康的農(nóng)戶，農(nóng)戶生產(chǎn)規(guī)模越大、家庭資產(chǎn)越多、收入穩(wěn)定以及信用狀況越好，則其貸款申請越容易通過。農(nóng)地抵押貸款作為政府扶持農(nóng)業(yè)的有力措施，要求農(nóng)村金融機構(gòu)發(fā)放的農(nóng)地抵押貸款必須用于與農(nóng)業(yè)生產(chǎn)相關(guān)的項目投資。

由表1可以看出，農(nóng)戶因素中均值最大的因素為信用狀況，均值最小的因素是性別。按照均值大小從高往低排，農(nóng)戶層面的因素排序為信用狀況>貸款資金用途>收入來源>資產(chǎn)>健康>身份>年齡>文化>性別。根據(jù)分值的含義，應選取均值大于6的因素作為影響信貸員審核貸款申請的重要性指標，即選取信用狀況、貸款資金用途、收入來源、資產(chǎn)、健康、身份和年齡7個因素。從國家政策到地方法規(guī)，均明確規(guī)定農(nóng)地抵押貸款的資金主要用于農(nóng)業(yè)生產(chǎn)。因此，幾乎所有農(nóng)地抵押貸款的資金用途都是農(nóng)業(yè)生產(chǎn)。

按照信用評價指標體系構(gòu)建的科學性和合理性原則，本文將貸款資金用途一項歸為調(diào)整項，不放在農(nóng)戶層面考察?；谛庞迷u價指標體系構(gòu)建的全面性原則、重要性原則以及可預見性原則，本文選取信用狀況、收入來源、資產(chǎn)、健康、身份和年齡6個指標作為農(nóng)戶層面的信用評價指標。

影響信貸員農(nóng)地抵押貸款供給意愿的農(nóng)地因素包括農(nóng)地流轉(zhuǎn)處置風險、農(nóng)地評估和認定、國家政策等。在實地調(diào)查中發(fā)現(xiàn)，農(nóng)地價值評估的基礎(chǔ)主要有兩個：一個是農(nóng)地流轉(zhuǎn)價格，另一個是地上產(chǎn)出物及附著物的價值。因此，影響信貸員農(nóng)地抵押貸款供給意愿的農(nóng)地因素可以細分為：擬抵押農(nóng)地是否有農(nóng)村土地承包經(jīng)營權(quán)證、農(nóng)地面積、地塊規(guī)?；潭?、農(nóng)地租金繳納期限、地上產(chǎn)出物經(jīng)濟價值以及擬抵押農(nóng)地的流轉(zhuǎn)價格。實際調(diào)查中發(fā)現(xiàn)，為保證抵押農(nóng)地產(chǎn)權(quán)明晰，農(nóng)村金融機構(gòu)一致要求擬抵押的農(nóng)地要經(jīng)過土地確權(quán)，用于種植業(yè)生產(chǎn)的農(nóng)地必須要有土地承包經(jīng)營權(quán)證。此外，信貸員對抵押農(nóng)地面積的要求與農(nóng)戶所申請的貸款額大小有關(guān)，面積較大的農(nóng)地可以獲得相對較多的貸款額。貸款額的確定方式有兩種：一種是由農(nóng)地流轉(zhuǎn)價格乘以預先確定的比例，另一種是農(nóng)地產(chǎn)出物價值乘以預先確定的比例。租金繳納越多，貸款申請人的違約成本越高，其違約風險越小；土地產(chǎn)出物價值越高，農(nóng)戶的收入越高，其違約風險也越小。因此，農(nóng)地租金繳納期限和農(nóng)地產(chǎn)出物的經(jīng)濟價值對信貸員的供給意愿具有重要影響。然而在實際操作中，申請農(nóng)地抵押貸款的承包戶通常是資金短缺的人，他們不可能一次繳納所有土地租金。實際上，幾乎所有承包戶的土地租金都是一年一繳。另外，不同地域之間土地流轉(zhuǎn)價格差別很大，當?shù)匦刨J員對于農(nóng)地流轉(zhuǎn)價格高低的判斷也完全不同。

由表2可以看出，農(nóng)地因素中均值最大的指標是土地證，均值最小的指標是農(nóng)地面積。所有指標的均值都大于6。按照均值大小從高往低排，農(nóng)地層面的指標排序為土地證>產(chǎn)出價值>流轉(zhuǎn)價格>規(guī)模化>租金繳納期限>農(nóng)地面積。

實地調(diào)研發(fā)現(xiàn)，在同一區(qū)域，農(nóng)地流轉(zhuǎn)的價格基本一致，無明顯差別；但不同區(qū)域之間，農(nóng)地流轉(zhuǎn)價格有顯著區(qū)別。例如，淮安金湖縣的農(nóng)地流轉(zhuǎn)價格為800元/畝左右，宿遷泗洪縣的農(nóng)地流轉(zhuǎn)價格則在1 000元/畝左右。一般農(nóng)地抵押貸款的金額只與本地農(nóng)地流轉(zhuǎn)價格有關(guān)。因此，若將各地顯著不同的農(nóng)地流轉(zhuǎn)價格按照統(tǒng)一的標準來確定可以獲得的農(nóng)地抵押貸款額，會造成結(jié)果偏差。按照信用評價指標體系構(gòu)建的合理性原則，農(nóng)地流轉(zhuǎn)價格將放在調(diào)整項，以減少地域經(jīng)濟差異對模型的影響。另外，農(nóng)地規(guī)?；潭扰c農(nóng)地面積有直接關(guān)系，基于信用評價指標體系構(gòu)建的科學性原則，將規(guī)?；娃r(nóng)地面積兩個指標統(tǒng)一為農(nóng)地面積指標來代替。由前文所述可以看出，現(xiàn)階段農(nóng)村的土地流轉(zhuǎn)中，農(nóng)地租金繳納期限均以短期為主，一般為一年一繳或者半年一繳。租金繳納方式并未起到增加農(nóng)地價值的作用。所以，這一指標也不納入信用評價指標體系。綜上所述，本文選擇土地證、產(chǎn)出價值以及農(nóng)地面積作為農(nóng)地層面的重要性指標。

二、 Z評分模型構(gòu)建

本文擬建立一個Z值評分模型來計算貸款申請人的信用評分。Z=β1X1+β2X2+…+βnXn+μ。其中，X1，X2，…，Xn表示農(nóng)地抵押貸款信用評價指標，β1，β2，…，βn為相應指標的權(quán)重，Σβixi為貸款申請人各指標數(shù)據(jù)與指標權(quán)重之積的和，稱之為“原始信用值”；μ為調(diào)整項，由信貸員根據(jù)自己的工作經(jīng)驗和當?shù)卣?、?jīng)營環(huán)境進行主觀賦值。Z值是貸款申請人的信用評分，根據(jù)Z值的大小，可以判別貸款申請人的信用資質(zhì)。

（一）信用評價指標權(quán)重確定方法

在構(gòu)建農(nóng)地抵押貸款信用評價指標體系的基礎(chǔ)上，建立一個農(nóng)地抵押貸款的Z評分模型。在模型構(gòu)建過程中，最關(guān)鍵的問題是確定各指標的權(quán)重。指標權(quán)重的確定方法可以分為主觀賦權(quán)法和客觀賦權(quán)法兩種。常用的方法有層次分析法[5]、神經(jīng)網(wǎng)絡(luò)法[6-7]、支持向量機法[8]等。由于主客觀賦權(quán)法均存在明顯的缺陷，現(xiàn)階段，學者們傾向于使用組合賦權(quán)法來確定指標權(quán)重。近期出現(xiàn)的組合賦權(quán)法有決策與試驗評價實驗室（Dematel）方法[9]、偏好比率法與基于離差最大的最優(yōu)組合賦權(quán)法[10]、基于相對熵的組合賦權(quán)法[11]等。將使用層次分析法和變異系數(shù)法分別計算各信用評價指標的主、客觀權(quán)重。由于主客觀賦權(quán)法均存在明顯的缺點，本文基于離差最大化思想，使用組合賦權(quán)法優(yōu)化指標權(quán)重。其中，計算指標主觀權(quán)重所使用的數(shù)據(jù)為信貸員調(diào)查數(shù)據(jù)，計算指標客觀權(quán)重所使用的數(shù)據(jù)為2015年6月實際調(diào)研所得的農(nóng)戶全樣本數(shù)據(jù)。全樣本中包括115個獲得農(nóng)地抵押貸款的樣本農(nóng)戶（以下簡稱“貸款戶”）、57個曾經(jīng)申請過農(nóng)地抵押貸款卻被金融機構(gòu)拒絕的樣本農(nóng)戶（以下簡稱“申請被拒農(nóng)戶”）和210個普通農(nóng)戶。

農(nóng)地抵押貸款信用評價指標體系共有9個指標，分別進行主、客觀賦權(quán)后得到2組權(quán)重。假設(shè)主、客觀賦權(quán)方法計算所得的指標權(quán)重向量值分別為W1和W2：

（二）信用評價指標權(quán)重計算

本文使用85名信貸員對農(nóng)地抵押貸款信用評價指標重要程度的打分來計算信用評價指標的主觀權(quán)重（見表3）。

準則層分為農(nóng)戶和農(nóng)地兩類，它們對指標層的權(quán)重分別為0.75和0.25。農(nóng)戶指標的權(quán)重明顯高于擬抵押農(nóng)地因素的權(quán)重，說明信貸員在審核農(nóng)地抵押貸款申請時，更看重借款人本身的特征，農(nóng)地特征對降低借款人身份要求的作用不大。從指標層對準則層權(quán)重來看，農(nóng)戶層面權(quán)重最大的指標是信用狀況，農(nóng)地層面權(quán)重最大的指標是土地證。從主觀權(quán)重W1來看，權(quán)重最大的指標是信用狀況，而權(quán)重最小的指標是農(nóng)地面積。各信用評價指標按照主觀權(quán)重的大小排序依次為：信用狀況>收入來源>資產(chǎn)>健康>土地證>產(chǎn)出價值>身份>年齡>農(nóng)地面積。

使用382名全樣本數(shù)據(jù)計算所得的農(nóng)地抵押貸款信用評價指標客觀權(quán)重結(jié)果如表4所示。

由表4可以看出，從客觀權(quán)重來看，權(quán)重最大的指標為資產(chǎn)，其次是農(nóng)地面積，權(quán)重最小的指標是信用狀況。各指標根據(jù)客觀權(quán)重W2大小排序為：資產(chǎn)>農(nóng)地面積>產(chǎn)出價值>身份>健康>收入來源>土地證>年齡>信用狀況?？梢钥闯?，變異系數(shù)法計算得到的各指標客觀權(quán)重相對大小與層次分析法計算出的主觀權(quán)重相對大小并不一致，這與主客觀賦權(quán)法本身的缺陷有關(guān)。因此，要得到科學、客觀、準確的指標權(quán)重，需要綜合考慮主觀權(quán)重和客觀權(quán)重。

由前文可知，農(nóng)地抵押貸款信用評價指標的主觀權(quán)重W1和客觀權(quán)重W2分別為：

表5列出了農(nóng)地抵押貸款信用評價指標的各項權(quán)重，包括主觀權(quán)重、客觀權(quán)重、組合權(quán)重和標準化的組合權(quán)重。從標準化的組合權(quán)重W*c來看，權(quán)重最大的指標是信用狀況，權(quán)重最小的指標是年齡。各指標根據(jù)標準化的組合權(quán)重W*c大小進行排序：信用狀況>資產(chǎn)>產(chǎn)出價值>收入來源>健康>土地證>農(nóng)地面積>身份>年齡。

由于組合權(quán)重系數(shù)標準化后的組合權(quán)重都小于1，計算出來的農(nóng)戶信用值數(shù)據(jù)過小，差異也被相應縮小。因此，本文統(tǒng)一將標準化后的組合權(quán)重擴大100倍，得到新組合權(quán)重。在前文篩選農(nóng)地抵押貸款信用評價指標，并確定指標權(quán)重的基礎(chǔ)上，農(nóng)地抵押貸款申請人的信用評分模型可以表示為：

三、信用資質(zhì)判別

（一）數(shù)據(jù)來源與計算步驟

使用2012—2015年的農(nóng)戶數(shù)據(jù)，根據(jù)Z值模型計算樣本農(nóng)戶的原始信用值，以便劃分優(yōu)質(zhì)客戶的信用值范圍。具體操作步驟如下：

1.將樣本分為實驗組、檢驗組和全樣本組，2012年和2013年調(diào)查的獲得農(nóng)地抵押貸款戶為組1，2012年和2013年調(diào)查的申請被拒農(nóng)戶為組2，組1和組2共同構(gòu)成實驗組；2014年和2015年調(diào)查的農(nóng)地抵押貸款戶為組4，2014年和2015年調(diào)查的申請被拒農(nóng)戶為組5，組4和組5共同構(gòu)成檢驗組；2012年至2015年調(diào)查所得的所有農(nóng)戶構(gòu)成全樣本組，為組3。分組的具體類別如表6所示。

2.分別計算實驗組、檢驗組和全樣本組農(nóng)戶的原始信用值。通過比較實驗組中組1和組2樣本農(nóng)戶原始信用值的差異，確定農(nóng)地抵押貸款申請人信用資質(zhì)的劃分界限。

3.通過比較全樣本組3與實驗組樣本農(nóng)戶的原始信用值，確定貸款戶信用值和申請被拒農(nóng)戶在所有農(nóng)戶原始信用值區(qū)間內(nèi)所處位置，比較兩者在整體樣本中所處位置的差異。

4.分別對比分析組1和組4，組2和組5的信用值區(qū)間，使用組4和組5來檢驗農(nóng)地抵押貸款信用評價模型的有效性。

（二）信用資質(zhì)判別標準

根據(jù)Z值模型，可以計算貸款申請人的原始信用值。通過比較組1和組2樣本原始信用值的差異，可以初步劃定優(yōu)質(zhì)借款人和劣質(zhì)借款人的界限，給出判定貸款申請人信用資質(zhì)的標準。

組1貸款戶原始信用值的均值是235.020 6，最大值是299.546 8，最小值是190.475 5，信用值的中位數(shù)和眾數(shù)分別是231.169 3和233.400 4。組2申請被拒農(nóng)戶的原始信用值均值是135.466 2，最大值是150.541 5，最小值是97.833 7，信用值的中位數(shù)和眾數(shù)分別是139.923 9和147.887 1。組1、組2樣本農(nóng)戶原始信用值的頻率分布表見表7。

對表7和表8進行比較可以看出，組1貸款戶農(nóng)地抵押貸款原始信用值落在區(qū)間（190，300]內(nèi)，其中，原始信用值在（220，230]區(qū)間內(nèi)的農(nóng)戶數(shù)量最多，占樣本總數(shù)的25%。組2申請被拒農(nóng)戶的原始信用值范圍在區(qū)間（90，160]之間。其中，原始信用值在（140，150]區(qū)間內(nèi)的農(nóng)戶數(shù)量最多，占到該樣本總數(shù)的42.11%。組1樣本農(nóng)戶的原始信用值與組2申請被拒樣本農(nóng)戶的原始信用值區(qū)間明顯不在同一范圍內(nèi)。因此，可以先將190作為區(qū)分農(nóng)戶信用資質(zhì)的分界點。換言之，如果某農(nóng)戶的原始信用值大于190，則判定該農(nóng)戶為優(yōu)質(zhì)借款人，可以獲得農(nóng)地抵押貸款；如果某農(nóng)戶的原始信用值小于或等于190，則判定該農(nóng)戶為劣質(zhì)借款人，不能獲得農(nóng)地抵押貸款。

農(nóng)地抵押貸款信用評價模型計算的農(nóng)戶信用值不僅包括原始信用值，還包括調(diào)整項。調(diào)整項主要由兩部分組成：投資項目等級和農(nóng)戶個人品行。這是因為在實際操作中，除了可以量化的信用評價指標外，信貸員還需要根據(jù)自己與借款人的熟悉程度，對借款人的品行及其投資項目進行一些定性的評價，以便更準確的判斷借款人的還款意愿、還款能力和信用風險狀況。例如，國家扶持的產(chǎn)業(yè)項目在低稅收的政策優(yōu)惠下，其資本回報率會較高。借款人將所得貸款投資于此類項目，其信用風險將大大降低。除此之外，借款人的個人品行會嚴重影響其信用風險的大小。有嚴重違法、違規(guī)經(jīng)營行為或吸毒、賭博等不良行為的借款人，其貸款違約的風險會遠遠高于普通人。因此，本文在農(nóng)地抵押貸款信用評價模型中設(shè)置了調(diào)整項，用以調(diào)整農(nóng)戶的信用值，使其判斷功能更加準確。表9列出了調(diào)整項的內(nèi)容及相應分值，抵押貸款評價時信貸員可以根據(jù)自己的工作經(jīng)驗以及對借款人的熟悉程度，對借款人的信用值進行調(diào)整。

在調(diào)整項中，只有經(jīng)營項目在一般及以上水平，同時個人品行在一般及以上水平的借款人才會有正向加分。因此，筆者認為，優(yōu)質(zhì)借款人的經(jīng)營項目應該在一般水平及以上，個人品行也應該在中等及以上，即優(yōu)質(zhì)借款人的經(jīng)營項目加分應該大于等于2，個人品行加分也應該大于等于2，即調(diào)整項加分應該大于等于4。在前文的分析中，本文認為優(yōu)質(zhì)借款人的原始信用值應該大于190。因此，優(yōu)質(zhì)借款人的綜合信用值應該在194分以上。

由表9可以看出，調(diào)整項u的取值范圍是（-20，20]；在綜合信用值大于194分的基礎(chǔ)上，可以推斷出原始信用值Z0∈[-20，20]；范圍內(nèi)的農(nóng)戶，其綜合信用值是否大于194分與調(diào)整項μ密切相關(guān)，這部分農(nóng)戶能否得到農(nóng)地抵押貸款應由信貸員根據(jù)其綜合信用值進行判斷；原始信用值Z0∈[214，+∞）的農(nóng)戶為優(yōu)質(zhì)借款人，可以獲得農(nóng)地抵押貸款；原始信用值Z0∈（-∞，174]的農(nóng)戶為劣質(zhì)借款人，不能獲得農(nóng)地抵押貸款。

四、模型有效性檢驗

按照前文的樣本分組，2014年和2015年調(diào)查的農(nóng)地抵押貸款戶為組4，2014年和2015年調(diào)查的申請被拒樣本農(nóng)戶為組5，組4和組5共同構(gòu)成檢驗組。分別計算組4和組5的原始信用值，如果組4中貸款戶原始信用值明顯大于214，組5申請被拒樣本農(nóng)戶原始信用值明顯小于214，則說明本文構(gòu)建的農(nóng)地抵押貸款信用評價模型是有效的（見表10、表11）。

組4共有樣本貸款戶71個，原始信用值的均值、最大值和最小值分別是238.529 5、292.270 3和194.842 5，信用值中位數(shù)是237.155 9，眾數(shù)是211.379 1。由表10可以看出，組4貸款戶的原始信用值全部大于190，其中有65個樣本農(nóng)戶的原始信用值大于214，占全部樣本的91.55%。其中，區(qū)間（210，220]和（230，240]內(nèi)的樣本農(nóng)戶數(shù)最多，均為14個，占樣本總數(shù)的19.27%。

組5樣本農(nóng)戶數(shù)為38個，其原始信用值均值是148.674 7，最大值和最小值分別是288.129 2和101.730 2，中位數(shù)和眾數(shù)是140.256 7和126.787 7。組5樣本農(nóng)戶的原始信用值區(qū)間為（100，230]，由表11可以看出，有5個樣本農(nóng)戶的原始信用值大于190，占到組5樣本總數(shù)的13.16%，有2個樣本的原始信用值大于214，占到樣本總數(shù)的5.26%。根據(jù)前文的分析，原始信用值在（174，214）區(qū)間內(nèi)的農(nóng)戶屬于可貸可不貸的范圍，原始信用值大于或等于214的農(nóng)戶應該獲得農(nóng)地抵押貸款。因此，作為申請被拒的農(nóng)戶來說，他們的信用值應該小于214。

在申請被拒農(nóng)戶中出現(xiàn)原始信用值大于214的情況，其原因可能有兩個：一是信貸員主觀判斷出現(xiàn)錯誤，給劣質(zhì)借款人發(fā)放了農(nóng)地抵押貸款；二是農(nóng)地抵押貸款信用評價模型的估計存在偏差，該模型是無效的。為檢驗農(nóng)地抵押貸款信用評價模型的有效性，本文使用SPSS19.0對組1貸款戶和組5申請被拒農(nóng)戶的原始信用值進行非參數(shù)檢驗，以確定兩組信用值的差異性是否顯著，從而判斷農(nóng)地抵押貸款模型是否有效。檢驗結(jié)果如表12和表13所示。

從表12可以看出，Mann-whitney檢驗的p值為0，說明應該拒絕原假設(shè)，即兩組樣本的總體分布不同。也就是說，組5的原始信用值分布與組1原始信用值分布明顯不同。從表13可以看出，剔除極端值后，p值等于0，即拒絕原假設(shè)，說明剔除極端值之后兩組樣本的分布也顯著不同。兩個相同的檢驗結(jié)果證明，根據(jù)農(nóng)地抵押貸款信用評價模型得到農(nóng)戶信用值及資質(zhì)等級劃定界限是有效的，使用該信用評價體系對農(nóng)戶能否得到農(nóng)地抵押貸款進行判斷是準確可行的。

五、結(jié) 語

現(xiàn)階段農(nóng)地抵押貸款缺乏標準化的信用評級體系，很難準確預估貸款風險。在這種背景下，本文建立了農(nóng)地抵押貸款信用評價體系，根據(jù)農(nóng)戶的信用評分判斷其信用資質(zhì)，并確定是否應該對其發(fā)放農(nóng)地抵押貸款。該信用評價體系彌補了我國農(nóng)村農(nóng)地抵押貸款信用評價的空白，為農(nóng)村信用評價提供一種可操作的借鑒方法。

當前我國農(nóng)村信用體系尚不完善，缺少相應的數(shù)據(jù)搜集管理體制，一定程度上影響了農(nóng)村金融機構(gòu)的信貸分析與統(tǒng)計，間接限制了農(nóng)村金融信貸的進一步發(fā)展。此外，單一的信用評估方法、僵化的信用審核機制等，都影響了農(nóng)村金融信貸的運行效率。農(nóng)村金融機構(gòu)應該主動建立個人信用評價檔案，搜集農(nóng)戶信用數(shù)據(jù)，并積極創(chuàng)新信用評估方法，促進農(nóng)村金融更好發(fā)展。

參考文獻：

[1] 蘭慶高，惠獻波，于麗紅，等.農(nóng)村土地經(jīng)營權(quán)抵押貸款意愿及其影響因素研究——基于農(nóng)村信貸員的調(diào)查分析[J].農(nóng)業(yè)經(jīng)濟問題，2013（7）：78-84，112.

[2] 林樂芬，王軍.農(nóng)村金融機構(gòu)開展農(nóng)村土地金融的意愿及影響因素分析[J].農(nóng)業(yè)經(jīng)濟問題， 2011（12）： 60-65.

[3] 牛曉冬，羅劍朝，牛曉琴.農(nóng)地承包經(jīng)營權(quán)抵押融資研究[J].西北農(nóng)林科技大學學報（社會科學版），2016，16（5）：56～62.

[4] 黃惠春.農(nóng)村土地承包經(jīng)營權(quán)抵押貸款可得性分析——基于江蘇試點地區(qū)的經(jīng)驗證據(jù)[J].中國農(nóng)村經(jīng)濟，2014（3）：48-57.

[5] 賴永文，劉偉平.農(nóng)戶信用評價體系構(gòu)建研究[J].福建農(nóng)林大學學報（哲學社會科學版）， 2012 （4）： 15-20.

[6] 王譽澍.BP算法在農(nóng)戶小額信貸信用評級中的應用[J].金融經(jīng)濟，2010（11）：123-124.

[7] 吳沖，張曉東，田海霞，等.基于模糊神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信用風險評估模型研究[J].管理觀察， 2009 （3）：187-189.

[8] 遲國泰，程硯秋，李剛.基于支持向量機的人的全面發(fā)展評價模型及省份實證[J].管理工程學報，2012 （1）：98-105.

[9] 陳永明，周龍，李雙紅.基于AHP和DEMATEL方法的農(nóng)戶信用評級研究[J].征信，2012（5）：20-24.

[10] 遲國泰，章穗，齊菲.小企業(yè)貸款信用評價模型及實證研究——基于最優(yōu)組合賦權(quán)視角[J].財經(jīng)問題研究，2012（9）：63-69.

[11] 李杰，趙子銥，陳毅俊.基于相對熵的組合賦權(quán)法在農(nóng)戶信用評價中的應用[C].中國企業(yè)運籌學第八屆學術(shù)年會，2013.

[12] 陳偉，夏建華.綜合主、客觀權(quán)重信息的最優(yōu)組合賦權(quán)方法[J].數(shù)學的實踐與認識，2007（1）：17-22.