西部農(nóng)村產(chǎn)權(quán)抵押信貸中農(nóng)戶分類實(shí)例研究

孫一清 陳漳順 李啟璐 石行 邱麗萍 吳養(yǎng)會(huì)

摘要 基于陜西及寧夏部分地區(qū)農(nóng)戶關(guān)于產(chǎn)權(quán)抵押貸款的有關(guān)調(diào)研數(shù)據(jù)，以所在地區(qū)、年齡、家庭年收入等6個(gè)因素作為自變量，以農(nóng)戶產(chǎn)權(quán)抵押貸款需求為因變量，利用R語(yǔ)言構(gòu)建決策樹(shù)的農(nóng)戶產(chǎn)權(quán)抵押貸款信用評(píng)估模型，為相關(guān)農(nóng)村金融機(jī)構(gòu)提供金融政策方面的支持。研究結(jié)果表明：對(duì)于具有不同特征的農(nóng)戶，其貸款意愿呈現(xiàn)出一定的差異性。最終，除耕地面積變量外其余5個(gè)變量被引入決策樹(shù)模型進(jìn)行分析。通過(guò)檢驗(yàn)和改進(jìn)后的模型具有一定的分類正確性及準(zhǔn)確性，對(duì)于農(nóng)村金融機(jī)構(gòu)在制定相應(yīng)的金融政策及實(shí)際貸款風(fēng)險(xiǎn)控制過(guò)程中能起到一定的參考作用。

關(guān)鍵詞 產(chǎn)權(quán)抵押貸款；C5.0決策樹(shù)模型；ROC曲線

中圖分類號(hào) S-9 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 0517-6611（2017）29-0209-05

A Case Study of Farmers Classification in the Western Rural Property Mortgage Credit

SUN Yiqing， CHEN Zhangshun，LI Qilu，WU Yanghui* et al

（College of Science，Northwest A&F University， Yangling， Shaanxi 712100）

Abstract The decision tree model about the farmers credit evaluation of property mortgage was constructed by Rlanguage based on the investigation data related to the property mortgage in Shaanxi and Ningxia. We chose the region， age， family income， et al was 6 factors as the independent variables， the demands of farmers property mortgage as the dependent variable. The purpose of the model was to provide support for the related rural financial institutions in financial policy. The results showed that the willing to lend of farmers who have different characteristics present a certain diversity. Except the cultivated area， the other 5variables were introduced into the decision tree model to analyze. By testing and improving operation， the model had a certain correctness and accuracy in classification. The results of the model provided a certain reference role in corresponding financial policy and controlling the process of the actual loan risk.

Key words Property mortgage；C5.0 decision tree model；ROC curve

基金項(xiàng)目 2015年西北農(nóng)林科技大學(xué)大學(xué)生創(chuàng)新訓(xùn)練項(xiàng)目（20151071 2172）。

作者簡(jiǎn)介 孫一清（1995—），男，山東威海人，本科生，專業(yè)：信息與計(jì)算科學(xué)。*通訊作者，副教授，博士，從事數(shù)據(jù)挖掘與應(yīng)用研究。

收稿日期 2017-08-09

長(zhǎng)期以來(lái)，由于歷史和社會(huì)發(fā)展等原因，在西部地區(qū)金融資金供給不足、農(nóng)村金融市場(chǎng)化不足、農(nóng)村金融業(yè)結(jié)構(gòu)與服務(wù)不完善等因素制約下，我國(guó)西部地區(qū)的農(nóng)村金融經(jīng)濟(jì)發(fā)展相對(duì)緩慢[1]。而農(nóng)村金融發(fā)展是促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展和提高農(nóng)民收入水平的關(guān)鍵力量，因此，如何加快農(nóng)村金融的快速發(fā)展成為一項(xiàng)重要的發(fā)展問(wèn)題。實(shí)踐發(fā)現(xiàn)，農(nóng)村產(chǎn)權(quán)抵押融資是有效地解決這一現(xiàn)實(shí)問(wèn)題的重要途徑。農(nóng)村產(chǎn)權(quán)抵押融資是一種農(nóng)戶或集體以自身所擁有的土地所有權(quán)、使用權(quán)等作為信貸物向銀行或其他金融機(jī)構(gòu)進(jìn)行抵押貸款的行為。針對(duì)農(nóng)村產(chǎn)權(quán)抵押貸款，國(guó)內(nèi)學(xué)者主要對(duì)其發(fā)展意義、現(xiàn)狀、制約因素及其制度中存在問(wèn)題等進(jìn)行定性分析，而基于農(nóng)戶微觀數(shù)據(jù)的定量研究相對(duì)偏少[2]。向紅等[3]以重慶為例，采用制度經(jīng)濟(jì)學(xué)的分析方法，對(duì)重慶農(nóng)村“三權(quán)”（土地承包經(jīng)營(yíng)權(quán)、林權(quán)和宅基地使用權(quán)）抵押融資現(xiàn)狀、制約因素等進(jìn)行深入探索，并根據(jù)融資的制約因素提出了相關(guān)對(duì)策。陳波等[4]運(yùn)用結(jié)構(gòu)方程模型對(duì)影響農(nóng)村產(chǎn)權(quán)抵押融資農(nóng)戶滿意度的因素進(jìn)行了實(shí)證研究，并提出了提高滿意度的政策建議。許多學(xué)者對(duì)影響農(nóng)戶參與農(nóng)村產(chǎn)權(quán)抵押意愿的因素進(jìn)行了研究[5-7]，得出農(nóng)戶年齡、性別、文化程度、勞動(dòng)力數(shù)目、家庭總收入、金融機(jī)構(gòu)服務(wù)滿意度和政策了解程度等因素對(duì)農(nóng)戶參與產(chǎn)權(quán)抵押有較顯著的影響。

縱觀以上研究，大多都是制度研究或少數(shù)以Logistic回歸模型進(jìn)行的實(shí)證分析，但由于模型同性質(zhì)和獨(dú)立同分布等理想化假設(shè)，研究結(jié)果很難全面客觀地反映出農(nóng)戶融資的實(shí)際需求，也難以為銀行業(yè)根據(jù)不同類型的農(nóng)戶制定抵押貸款政策提供有效的依據(jù)。因此，筆者將前期已獲得的農(nóng)戶調(diào)查資料作為對(duì)象，利用SPSS、MATLAB、決策樹(shù)等統(tǒng)計(jì)及數(shù)學(xué)軟件與方法，根據(jù)特定的因素對(duì)農(nóng)戶進(jìn)行分類，建立并檢驗(yàn)以農(nóng)戶貸款預(yù)期為目標(biāo)的分類模型，以便于未來(lái)新數(shù)據(jù)預(yù)測(cè)與分類的使用。

1 決策樹(shù)分類方法

在機(jī)器學(xué)習(xí)問(wèn)題中，決策樹(shù)方法[8]是以實(shí)例為基礎(chǔ)的歸納學(xué)習(xí)算法，代表的是對(duì)象屬性與對(duì)象值之間的一種映射關(guān)系。樹(shù)中每個(gè)節(jié)點(diǎn)表示某個(gè)對(duì)象，每個(gè)分叉路徑則代表某個(gè)可能的屬性值，而每個(gè)葉節(jié)點(diǎn)則對(duì)應(yīng)從根節(jié)點(diǎn)到該葉節(jié)點(diǎn)所經(jīng)歷的路徑所表示的對(duì)象的值。 決策樹(shù)方法從一組無(wú)次序、無(wú)規(guī)則的事例中推理出決策樹(shù)表示形式的分類規(guī)則，通常用來(lái)形成分類器和預(yù)測(cè)模型，可以對(duì)未知數(shù)據(jù)進(jìn)行分類或預(yù)測(cè)、數(shù)據(jù)挖掘等。人們可以利用樹(shù)上各節(jié)點(diǎn)的分支將樣本分成若干組，通過(guò)選擇將數(shù)據(jù)分類。決策樹(shù)模型能夠從一個(gè)或多個(gè)決策變量中，根據(jù)自變量的值預(yù)測(cè)因變量的值。作為一種決策技術(shù)，決策樹(shù)分類已廣泛應(yīng)用于生物醫(yī)學(xué)、工程控制、金融管理等諸多領(lǐng)域中。

決策樹(shù)分類方法分為2個(gè)階段：構(gòu)建決策樹(shù)階段和分類階段。第一階段：利用訓(xùn)練樣本集建立決策樹(shù)模型。這個(gè)過(guò)程實(shí)際上是一個(gè)從數(shù)據(jù)中獲取知識(shí)，進(jìn)行機(jī)器學(xué)習(xí)的過(guò)程。這一步通常分為特征選擇、節(jié)點(diǎn)分裂和決策樹(shù)剪枝3個(gè)步驟。在生成決策樹(shù)的過(guò)程中需要根據(jù)不同屬性將節(jié)點(diǎn)分開(kāi)，形成多個(gè)類別，通常的做法是測(cè)試所有屬性，對(duì)每個(gè)屬性分裂的好壞做出量化評(píng)價(jià)，選擇一個(gè)最佳的屬性作為當(dāng)前節(jié)點(diǎn)的分裂屬性，這個(gè)過(guò)程叫特征選擇。節(jié)點(diǎn)分裂是根據(jù)該屬性不同的取值將節(jié)點(diǎn)分開(kāi)，生成新的節(jié)點(diǎn)。決策樹(shù)的剪枝則是對(duì)樹(shù)結(jié)構(gòu)進(jìn)行修建，刪除已多余分支的過(guò)程。第二階段：利用建好的決策樹(shù)對(duì)測(cè)試樣本集進(jìn)行分類。

2 基于決策樹(shù)的農(nóng)戶產(chǎn)權(quán)抵押貸款信用評(píng)估模型

2.1 數(shù)據(jù)來(lái)源

該研究數(shù)據(jù)是西北農(nóng)林科技大學(xué)經(jīng)管學(xué)院學(xué)生采用調(diào)查問(wèn)卷的方式走訪陜西及寧夏部分地區(qū)的農(nóng)戶所獲取的。問(wèn)卷主要分為5個(gè)部分，即農(nóng)戶基本信息、貸款經(jīng)歷及對(duì)此的評(píng)價(jià)、產(chǎn)權(quán)抵押政策的落實(shí)情況、未來(lái)融資的需要與打算和對(duì)農(nóng)村產(chǎn)權(quán)抵押貸款的意見(jiàn)和建議。參考之前國(guó)內(nèi)外學(xué)者在這方面的研究，最終通過(guò)聚類等數(shù)據(jù)處理方法選取了所在地區(qū)、戶主性別、經(jīng)營(yíng)類型、年齡、家庭年收入、教育程度、家庭土地經(jīng)營(yíng)面積、家庭規(guī)模、政策了解程度、機(jī)構(gòu)數(shù)目、機(jī)構(gòu)信譽(yù)、交通便利、服務(wù)滿意等13個(gè)因素初步作為該研究的自變量，并以產(chǎn)權(quán)抵押貸款需求作為因變量來(lái)進(jìn)行研究。

2.2 數(shù)據(jù)規(guī)范化

相比銀行信貸部門的貸款申請(qǐng)表和貸款人違約記錄等相關(guān)資料，調(diào)查問(wèn)卷數(shù)據(jù)存在著變量繁多、缺失值難以忽略，難以選取適合的自變量、因變量等問(wèn)題。因此，對(duì)得到的數(shù)據(jù)進(jìn)行初步的數(shù)據(jù)預(yù)處理顯得尤為重要。調(diào)查問(wèn)卷得到的數(shù)據(jù)含有定性和定量問(wèn)題，離散性變量和連續(xù)性變量共存，所以要做數(shù)據(jù)規(guī)范化，把連續(xù)性變量轉(zhuǎn)變?yōu)殡x散性，定量問(wèn)題變?yōu)槎ㄐ詥?wèn)題，規(guī)范化后數(shù)據(jù)見(jiàn)表1。

2.3 缺失數(shù)據(jù)補(bǔ)缺與變量精簡(jiǎn)

2.3.1

缺失值的補(bǔ)缺。由于調(diào)查數(shù)據(jù)存在一定的缺失現(xiàn)象，該研究利用等級(jí)變量補(bǔ)缺方法對(duì)缺失數(shù)據(jù)進(jìn)行填補(bǔ)。其主要過(guò)程為：以變量為參考，將調(diào)查數(shù)據(jù)分為矩陣A1和矩陣A2，無(wú)缺失值的數(shù)據(jù)集記為A1，有缺失的數(shù)據(jù)集記為A2。然后根據(jù)A2中第i行第t列元素x（2）ij與該列樣本均值 t的關(guān)系找出缺失值x（2）ij，以完全樣本A1的相關(guān)矩陣找出與缺失數(shù)據(jù)x（2）ij所屬變量Xj相關(guān)系數(shù)最大的變量Xk并且x（2）ik沒(méi)有缺失，如果缺失便向下尋找相關(guān)系數(shù)第二大的變量，一般選取和缺失變量相關(guān)系數(shù)最大的前2個(gè)到前5個(gè)變量。其計(jì)算公式為：

| （2）ij- j|= 1 5 5 t=1 （x（2）it- t）

根據(jù)以上公式計(jì)算出 （2）ij估計(jì)值，其中正負(fù)號(hào)的取法為x（2）it大于與該列樣本均值 t取正，小于則取負(fù)。最后，由于該研究所采用的數(shù)據(jù)中的變量等級(jí)不等，即調(diào)查問(wèn)卷的每個(gè)問(wèn)題不全是A、B、C、D這4個(gè)選項(xiàng)，所以當(dāng)估計(jì)值 （2）ij小數(shù)部分取值大于0.65或小于0.35時(shí)，對(duì)估計(jì)值 （2）ij進(jìn)行四舍五入取整得到缺失值的補(bǔ)缺估計(jì)值x（2）ij 。 當(dāng)估計(jì)值 （2）ij小數(shù)部分取值在0.35～0.65時(shí)，利用公式zk= x（2）ik-1 Mk-1 及 （2）ij=zk（Mj-1）+1（其中Mk為變量Xk的最大取值，其中Mj為變量Xj的最大取值）對(duì) （2）ij四舍五入后作為缺失值的補(bǔ)缺估計(jì)值x（2）ij 。

2.3.2 變量的精簡(jiǎn)。由于變量間相關(guān)性、同質(zhì)性等關(guān)系會(huì)對(duì)數(shù)據(jù)分析存在一定的影響，需要對(duì)調(diào)查問(wèn)卷中涉及的所有變量進(jìn)行篩選精簡(jiǎn)以獲得較佳的分類預(yù)測(cè)結(jié)果。該研究采用主成分分析方法，根據(jù)變量與主成分的貢獻(xiàn)率間的關(guān)系，采取逐步剔除的方法獲得新的變量用于后續(xù)分析。

采用主成分分析法[9]選取14個(gè)評(píng)價(jià)指標(biāo)的相關(guān)系數(shù)矩陣的特征根，結(jié)果見(jiàn)表2。從表2可以看出，特征值大于1的為前7個(gè)主成分，但是前6個(gè)主成分的貢獻(xiàn)率已經(jīng)達(dá)到60%，而且各個(gè)主成分貢獻(xiàn)率相差不大，根據(jù)主成分方法篩選變量原則，可以從原來(lái)的14個(gè)變量中剔除8個(gè)。剔除方法為：從第14個(gè)主成分開(kāi)始，變量“機(jī)構(gòu)信譽(yù)”與該主成分之間的相關(guān)系數(shù)（絕對(duì)值）最大，為0.399，因此首先應(yīng)該剔除該變量，重復(fù)上述步驟直至第7個(gè)主成分。最終結(jié)果剔除了機(jī)構(gòu)信譽(yù)、經(jīng)營(yíng)類型、貸款意愿、文化程度、政策了解程度、交通便利、性別、機(jī)構(gòu)數(shù)目這8個(gè)變量。

3 決策樹(shù)模型構(gòu)建與分析

3.1 訓(xùn)練樣本和測(cè)試樣本的選擇

由于樣本數(shù)據(jù)集合數(shù)據(jù)量比較大，采用保留法建立和評(píng)估模型，即把樣本集合分為訓(xùn)練樣本集合和測(cè)試樣本集合兩部分。在500條樣本記錄中隨機(jī)抽取80%（400條）作為訓(xùn)練集合，剩余的20%（100條）作為測(cè)試樣本集合對(duì)模型進(jìn)行檢驗(yàn)。通過(guò)詳細(xì)的問(wèn)卷調(diào)查，確定農(nóng)戶對(duì)產(chǎn)權(quán)抵押貸款的愿意程度，通過(guò)此標(biāo)準(zhǔn)將農(nóng)戶分為愿意貸款客戶和不愿貸款客戶。

3.2 模型構(gòu)建

采用決策樹(shù)C5.0建立決策樹(shù)結(jié)構(gòu)（圖1），利用R語(yǔ)言建立決策樹(shù)模型、對(duì)模型預(yù)測(cè)處理并檢驗(yàn)?zāi)Ｐ偷挠行砸约罢鎸?shí)性，為相關(guān)農(nóng)村金融機(jī)構(gòu)提供金融政策方面的支持。

該決策樹(shù)以貸款意愿為決策目標(biāo)，利用400條數(shù)據(jù)的訓(xùn)練集建立決策樹(shù)模型，通過(guò)決策樹(shù)剪枝之后得到上圖的決策樹(shù)模型。由從圖1可以看出，最終的決策樹(shù)模型一共有6層，其中變量“耕地面積”沒(méi)有被納入決策樹(shù)的因素之中，說(shuō)明耕地面積的大小對(duì)農(nóng)戶貸款意愿的影響并不顯著，雖然耕地面積作為農(nóng)戶產(chǎn)權(quán)抵押的資本可能決定了銀行為農(nóng)戶貸款的意愿及額度，但并不影響農(nóng)戶自身的貸款意愿。

基于上述的決策樹(shù)模型，對(duì)于具有不同特征的農(nóng)戶，其貸款意愿呈現(xiàn)出一定的差異性。例如：所在地區(qū)為縣城郊區(qū)的農(nóng)戶貸款意愿特別大，其愿意貸款的概率高達(dá)78%，這說(shuō)明處于偏遠(yuǎn)的縣城郊區(qū)的農(nóng)戶往往經(jīng)濟(jì)狀況低下，相比留在家鄉(xiāng)種地經(jīng)營(yíng)農(nóng)業(yè)，他們更愿意通過(guò)土地抵押兌換為本金從而去城市尋求更進(jìn)一步的發(fā)展；所在地區(qū)為農(nóng)區(qū)或小城鎮(zhèn)的年齡在40～49歲的農(nóng)戶，年收入在20 001～50 000元并且對(duì)貸款服務(wù)態(tài)度表示滿意的農(nóng)戶，其中66%愿意貸款，說(shuō)明家庭收入且年齡為40～49的此類農(nóng)戶自身具有較高的經(jīng)濟(jì)水平，其進(jìn)一步發(fā)展家庭經(jīng)濟(jì)及償還貸款的能力均具有一定的信心；年齡處于20～29歲，家庭規(guī)模為3～4人或7人以上的農(nóng)戶，貸款意愿較高（75%），說(shuō)明在家庭勞動(dòng)力充足的前提下，這部分年輕的農(nóng)戶愿意嘗試貸款來(lái)進(jìn)一步發(fā)展。

反觀不愿意貸款的農(nóng)戶，其中農(nóng)區(qū)小城鎮(zhèn)50歲以上的農(nóng)戶67%不愿貸款，因?yàn)榇蟛糠掷夏贽r(nóng)戶生活已經(jīng)穩(wěn)定，并不想也不需要貸款；處于農(nóng)區(qū)小城鎮(zhèn)的年齡在30～39歲對(duì)農(nóng)村金融機(jī)構(gòu)的服務(wù)態(tài)度不滿意的農(nóng)戶，其中80%不愿意貸款；地處農(nóng)區(qū)年齡在40～49歲年收入20 001～50 000元的農(nóng)戶由于不滿意服務(wù)態(tài)度而不愿貸款的占64%，這部分農(nóng)戶其實(shí)是具有償還貸款的能力并且想要進(jìn)一步發(fā)展經(jīng)濟(jì)的，但是由于對(duì)金融機(jī)構(gòu)服務(wù)態(tài)度的不滿意使得他們中的大部分貸款積極性不高，這需要金融機(jī)構(gòu)提高自身的服務(wù)水平，防止這部分優(yōu)質(zhì)的客戶流失。

從最后得到的各因子構(gòu)建決策樹(shù)時(shí)的重要性來(lái)看，較高的變量是所在地區(qū)和年齡，分別為100%和83.75%，重要性相差無(wú)幾的變量是服務(wù)滿意度（24.75%）和家庭年收入（2125%），最低的是家庭規(guī)模（8.00%）。決策樹(shù)模型直觀地表明基于抵押貸款為目的的農(nóng)戶分類結(jié)果，其分類規(guī)則可以為金融機(jī)構(gòu)提供有指導(dǎo)價(jià)值的農(nóng)戶分析與認(rèn)識(shí)，這對(duì)于考察產(chǎn)權(quán)抵押貸款政策落實(shí)情況以及進(jìn)一步完善產(chǎn)權(quán)抵押貸款政策具有積極的指導(dǎo)意義。

3.3 模型評(píng)估

利用R構(gòu)造的ROC曲線和混淆矩陣來(lái)評(píng)價(jià)該研究所建立的分類模型的分類效果。ROC曲線指受試者工作特征曲線，是反映敏感性和特異性連續(xù)變量的綜合指標(biāo)，是用構(gòu)圖法揭示敏感性和特異性的相互關(guān)系。它通過(guò)將連續(xù)變量設(shè)定出多個(gè)不同的臨界值，從而計(jì)算出一系列敏感性和特異性，再以敏感性為縱坐標(biāo)、特異性為橫坐標(biāo)繪制成曲線。曲線下面積越大，診斷準(zhǔn)確性越高。在ROC曲線上，最靠近坐標(biāo)圖左上方的點(diǎn)為敏感性和特異性均較高的臨界值。

從圖2可以看出，ROC曲線下圖形面積為0.666，表明該研究所建立的決策樹(shù)分類模型對(duì)于農(nóng)戶分類問(wèn)題具有較高的正確率及可靠性，建立在農(nóng)戶調(diào)研數(shù)據(jù)基礎(chǔ)上的決策樹(shù)分類模型具有一定的應(yīng)用價(jià)值，可以應(yīng)用與農(nóng)戶貸款預(yù)測(cè)與分析。從表3可以看出，在此分類問(wèn)題中，模型的準(zhǔn)確率為66%，其中，負(fù)例覆蓋率為74.07%，遠(yuǎn)大于正覆蓋率5652%，這說(shuō)明將沒(méi)有貸款意愿的客戶正確分類的概率要遠(yuǎn)大于將有貸款意愿的客戶正確分類的概率。但是從金融風(fēng)險(xiǎn)的角度上來(lái)講，錯(cuò)分有貸款意愿的客戶要比錯(cuò)分沒(méi)有貸款意愿的客戶代價(jià)高出很多。為了改進(jìn)上述出現(xiàn)的情況，規(guī)避金融風(fēng)險(xiǎn)，進(jìn)一步提高分類的精準(zhǔn)度，應(yīng)在決策樹(shù)模型中引入代價(jià)矩陣。

4 結(jié)語(yǔ)

針對(duì)農(nóng)戶產(chǎn)權(quán)抵押貸款試點(diǎn)執(zhí)行過(guò)程中所獲取的調(diào)查數(shù)據(jù)進(jìn)行決策樹(shù)分類研究，對(duì)繁瑣的調(diào)查問(wèn)卷數(shù)據(jù)采用規(guī)范化和填補(bǔ)缺失值，利用主成分分析從影響貸款意愿的14個(gè)因素中，選擇有顯著影響的6個(gè)因素作為分類研究對(duì)象，利用決策樹(shù)C5.0算法對(duì)農(nóng)戶建立決策樹(shù)模型，根據(jù)最后的決策樹(shù)結(jié)果，給出金融機(jī)構(gòu)建議：第一，貸款抵押的政策推廣方面應(yīng)該加大貸款意愿較高的偏遠(yuǎn)縣城郊區(qū)的推廣工作；第二，提高機(jī)構(gòu)的服務(wù)態(tài)度與水平，從而挽回部分優(yōu)質(zhì)的客戶；第三，積極為20～29歲家中人口較多的農(nóng)戶提供貸款幫助。

由于該研究的樣本容量較小（只有500份），導(dǎo)致最后的分類精度有所降低，在后續(xù)的研究中將擴(kuò)大樣本容量，進(jìn)一步改進(jìn)決策樹(shù)分類模型，更全面地分析和比較分類結(jié)果，做好西部農(nóng)村金融貸款工作，推動(dòng)西部農(nóng)村經(jīng)濟(jì)快速發(fā)展，完善西部農(nóng)戶產(chǎn)權(quán)抵押貸款制度。

參考文獻(xiàn)

[1] 王毛毛. 我國(guó)西部地區(qū)農(nóng)村金融發(fā)展現(xiàn)狀與對(duì)策淺析[J].企業(yè)技術(shù)開(kāi)發(fā)，2010，29（8）：27.

[2] 于琴， 劉亞相. 西部地區(qū)農(nóng)村產(chǎn)權(quán)抵押貸款對(duì)農(nóng)戶收入影響的實(shí)證分析[J].四川農(nóng)業(yè)大學(xué)學(xué)報(bào)，2014（4）：455-461.

[3] 向紅，曹躍群，何濤.農(nóng)村產(chǎn)權(quán)抵押融資的制約因素及路徑選擇：以重慶為例[J].安徽農(nóng)業(yè)科學(xué)，2011，39（3）：19517-19519.

[4] 陳波，汪海洋，孔榮.基于農(nóng)戶視角的農(nóng)村產(chǎn)權(quán)抵押融資方式評(píng)價(jià)：以寧夏同心縣為例[J].貴州農(nóng)業(yè)科學(xué)，2013，41（5）：230-233.

[5] 庸暉，羅劍朝.農(nóng)戶選擇農(nóng)村產(chǎn)權(quán)抵押融資行為的影響因素研究：基于不同貸款選擇的對(duì)比分析[J].廣東農(nóng)業(yè)科學(xué)，2014，41（21）：220-226.

[6] 袁小博，白雪，劉亞相.西部地區(qū)農(nóng)村產(chǎn)權(quán)抵押融資的農(nóng)戶滿意度影響因素[J].貴州農(nóng)業(yè)科學(xué)，2015（3）：211-215.

[7] 崔詩(shī)雪，菅惠立，張立中. 農(nóng)戶參與農(nóng)村土地承包經(jīng)營(yíng)權(quán)抵押貸款意愿影響因素分析：基于內(nèi)蒙古包頭市土右旗調(diào)研數(shù)據(jù)[J].安徽農(nóng)業(yè)科學(xué)，2016，44（16）：28-30.

[8] 毛國(guó)君，段立娟，王實(shí)，等.數(shù)據(jù)挖掘原理與算法[M]. 北京：清華大學(xué)出版社，2005：1-10，109-127.

[9] 王紹輝.對(duì)消費(fèi)信貸中個(gè)人信用評(píng)價(jià)方法的探索[D].北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)，2004.

[10] 蔡麗艷，馮憲彬，丁蕊.基于決策樹(shù)的農(nóng)戶小額貸款信用評(píng)估模型研究[J].安徽農(nóng)業(yè)科學(xué)，2011，39（2）：1215-1217.

[11] ROBIN X，TURCK N，HAINARD A，et al.pROC：An opensource package for R and S+ to analyze and compare ROC curves[J].BMC Bioinformatics，2011，12：77.