農(nóng)戶社會財富地位對借款可獲性的影響

黃穩(wěn)書 汪陽

摘要：對農(nóng)戶社會財富與公有銀行、民間信貸機(jī)構(gòu)之間的關(guān)系及其對金融信貸機(jī)構(gòu)發(fā)放信貸借款的影響進(jìn)行研究，發(fā)現(xiàn)農(nóng)戶社會財富對信貸借入數(shù)量的增加有積極的影響，回歸系數(shù)在0.193～0.212范圍內(nèi)。這些參數(shù)可以解釋為借款對隨機(jī)選擇我國農(nóng)戶的影響，也是農(nóng)戶擁有財富對金融信貸機(jī)構(gòu)的影響，該模型通過對錯誤的、有條件二階矩的假設(shè)來確定。結(jié)果表明，由于近年來農(nóng)戶財富不斷增加，信貸項目迅速擴(kuò)大，信貸在一定程度上有助于減少貧困。

關(guān)鍵詞：農(nóng)戶財富方程;借貸方程;影響因素;農(nóng)戶社會財富;信貸

中圖分類號：F323.9;F830.589

文獻(xiàn)標(biāo)志碼：A

文章編號：1002-1302（2020）16-0328-05

金融信貸被許多業(yè)界人士和政府層人員認(rèn)為是減輕貧困的有力工具，目的是讓那些本來會受到信貸限制的農(nóng)戶參與創(chuàng)業(yè)活動，做法包括向自主創(chuàng)業(yè)的小型自營企業(yè)提供少量貸款等。然而，雖然信貸在提供貸款方面取得了成功，但很少有證據(jù)表明這種貸款能有效實現(xiàn)農(nóng)戶的減貧，因為信貸機(jī)構(gòu)在實施信貸的過程中有可能更多地傾向于富裕的農(nóng)戶。

公有銀行歷來鮮有通過信貸借錢給農(nóng)村經(jīng)濟(jì)條件較差的農(nóng)戶的情況，其原因一方面是收集信息和執(zhí)行合同的高昂成本可能導(dǎo)致逆向選擇和道德風(fēng)險;另一方面農(nóng)戶缺乏財富相當(dāng)?shù)牡盅浩?，加劇了銀行對潛在借款人進(jìn)行篩查的困難。補(bǔ)償這些地區(qū)貸款風(fēng)險所需的利率足以驅(qū)走許多借款人。信息成本也使得貸款后很難監(jiān)測借款人的活動。如果該農(nóng)戶中的一名成員違約，則整個農(nóng)戶都不符合進(jìn)一步貸款的資格。Correia等認(rèn)為可以利用多種方式來驗證信貸是否能夠有效地為農(nóng)戶服務(wù)[1-3]。然而，在試圖解釋信貸擴(kuò)張是否實現(xiàn)了幫助農(nóng)戶減少貧困的這個最初目標(biāo)時，現(xiàn)有文獻(xiàn)大多側(cè)重于農(nóng)戶財富地位的研究，認(rèn)為農(nóng)戶財富是農(nóng)戶消費(fèi)或是工作福利和生活水平的首選量度[4-5]。在發(fā)展中國家僅以農(nóng)戶收入或是自由職業(yè)者收入來衡量的結(jié)果并不準(zhǔn)確。因為收入報告的誤差很大，農(nóng)戶不常使用的計算因素必須強(qiáng)加在數(shù)據(jù)上，以獲得可以正確解釋的計量方法[6-8]。信貸旨在通過增加農(nóng)戶消費(fèi)/支出來解決貧困問題[9]。因此，消費(fèi)支出是我國農(nóng)戶生活水平的一個重要指標(biāo)，出于這些原因，本研究將消費(fèi)視為利益的結(jié)果。如果農(nóng)戶不能獲得信貸支持，則會在創(chuàng)業(yè)過程中受到資金的限制，無法提高農(nóng)戶的消費(fèi)能力。

目前，農(nóng)戶消費(fèi)能力可能會在收到信貸貸款時增加或減少，因為投資可通過貸款或削減農(nóng)戶支出來實現(xiàn)。下一階段的收入是在借款和投資發(fā)生之后產(chǎn)生的，一些貸款資金也可能直接用于消費(fèi)，所以投資可能增加消費(fèi)。資金在農(nóng)戶間是可以流通的，而消費(fèi)的增加可能是消費(fèi)平穩(wěn)的結(jié)果。如果信貸能夠使農(nóng)戶產(chǎn)生足夠的收入以擺脫貧困，那么隨著時間的推移，農(nóng)戶的消費(fèi)將會持續(xù)增長，如果農(nóng)戶每年都會借款用于投資和生產(chǎn)。

存在的主要問題是已經(jīng)參與借貸的農(nóng)戶并不是隨機(jī)的人口樣本。農(nóng)戶根據(jù)自身能力等因素決定是否進(jìn)行貸款。此外，面向貧困農(nóng)戶進(jìn)行借貸時，信貸機(jī)構(gòu)存在諸多的限制，Beny-ishay等采用各種技術(shù)來嘗試確定信貸借款對隨機(jī)農(nóng)戶的預(yù)期影響，試驗調(diào)查設(shè)計被用來模擬農(nóng)戶隨機(jī)化[10-11]。雖然很難隨機(jī)分配農(nóng)戶貸款，但可以通過隨機(jī)化將信貸項目擴(kuò)展到新的領(lǐng)域來確定影響。

將農(nóng)戶財富模型轉(zhuǎn)化為信貸借貸功能，其重點在于如何克服借貸的內(nèi)生性。農(nóng)戶不僅根據(jù)可見的利益效應(yīng)選擇借入，還需考慮自身創(chuàng)業(yè)能力等未觀察到的特征。信貸機(jī)構(gòu)在選擇哪種類型的農(nóng)戶作為信貸目標(biāo)時，也許使用的信息是通過不可觀測的經(jīng)濟(jì)計量學(xué)方法得到的，這些未被觀察到的特征也可以直接反映消費(fèi)情況，用于對不考慮內(nèi)生性的借貸影響進(jìn)行評估。隨機(jī)試驗的實施是用于處理借款內(nèi)生性的最新策略。Lorenzetti等隨機(jī)選擇開設(shè)了新的信貸機(jī)構(gòu)的農(nóng)村作為研究對象[12-13]。在每個地點，農(nóng)戶內(nèi)部可以形成群體并選擇借款，其財富狀況會受到嚴(yán)格地評估。在信貸機(jī)構(gòu)分支機(jī)構(gòu)開放的 15～18個月內(nèi)，發(fā)現(xiàn)無農(nóng)戶獲得信貸。但是，他們確實發(fā)現(xiàn)對于借貸成功的農(nóng)戶以及那些有可能創(chuàng)業(yè)的農(nóng)戶來說，其財富狀況有所增加。這表明農(nóng)戶財富狀況對信貸機(jī)構(gòu)對農(nóng)戶的借貸有較大的影響。隨著時間的推移，可能會有更大的影響[14]，導(dǎo)致貸款農(nóng)戶的借貸產(chǎn)生外生變化。

因此，本研究不采用隨機(jī)化的方法，而是采用新的方法來確定應(yīng)對方案。以農(nóng)戶從信貸機(jī)構(gòu)借入人均數(shù)額的平均值入手，這種方案是假設(shè)借貸和農(nóng)戶財富方程之間的誤差條件相關(guān)性是恒定的。

1 估計和識別策略

考慮到農(nóng)戶的財富狀況和借貸方程，人均農(nóng)戶財富（Ci）取決于所借的金額（Bi）和一系列假設(shè)為外生的額外農(nóng)戶特征（Xi），包括如戶主的性別、年齡，農(nóng)戶成員的教育水平等，借款還取決于一組外生特征（Zi）。對于說明性借款，Zi可以考慮為從Xi中排除的變量。借款（Bi）的最低貸款額為 5 000 元。

2 實證研究

采用中國家庭追蹤調(diào)查（CFPS）數(shù)據(jù)，列舉了我國25個?。ㄊ小⒆灾螀^(qū)）的87個村，抽取了1 798戶農(nóng)戶資料。在25個地區(qū)中，有22個省（市、自治區(qū)）開展了信貸計劃。通過對所有農(nóng)戶第1階段的估算，最終選取樣本規(guī)模為1 461戶。第2階段使用814戶農(nóng)戶的子樣本，信貸借款為正值，描述性統(tǒng)計數(shù)據(jù)見表1。

表2說明了通過將借貸和財富方程的平方殘差回歸到所有解釋變量來檢驗異方差的結(jié)果。根據(jù)測試結(jié)果可以發(fā)現(xiàn)，同方差的零假設(shè)均被拒絕。對于借貸方程，異方差的證據(jù)對虛擬變量最為明顯，表明方案可用性和強(qiáng)度的區(qū)域變化是異方差的重要來源。

表3為虛擬規(guī)范中借貸方程的估算結(jié)果。其中1個指數(shù)系數(shù)必須標(biāo)準(zhǔn)化為1，每個借款組必須是單一性別數(shù)據(jù)表明，女性戶主的借款數(shù)量大幅減少。這是因為信貸業(yè)務(wù)自開展以來在我國逐漸成為男性農(nóng)戶的目標(biāo)。每個借款組必須是單一性別，而男性專用組在調(diào)查領(lǐng)域更為普遍，通過為男性借貸，提高了男性借貸的效果。沒有成年男性或配偶的農(nóng)戶借入較少。若配偶的農(nóng)戶成員擁有土地，則農(nóng)戶的借貸較少。這證實了農(nóng)戶在有機(jī)會時會選擇彼此借錢，而不是選擇向外部貸方支付利率。受過高等教育的女性農(nóng)戶借入較少，說明這些女性在信貸借款前從事穩(wěn)定工作并具有穩(wěn)定收入，因此較少傾向于借貸。

表4為財富方程的參數(shù)估計值，第2列為正借貸農(nóng)戶子樣本的最小二乘法（OLS）估計值。消費(fèi)對土地所有權(quán)的P值為0.311，這證實了土地所有權(quán)是農(nóng)戶財富的重要來源。借貸系數(shù)估計了人均農(nóng)戶財富在借貸方面的相關(guān)性。該系數(shù)在最小二乘法估計中為0.056，t統(tǒng)計量為3.290。包括將借貸系數(shù)提高到0.193。表4中的負(fù)號表明隨機(jī)誤差分量“1”和“2”之間存在負(fù)相關(guān)關(guān)系。

表5列出了村莊特征指標(biāo)下的借款統(tǒng)計。農(nóng)戶中有成年女性的會增加農(nóng)戶財富，而沒有成年女性的農(nóng)戶財富將會降低。擁有小學(xué)、農(nóng)村衛(wèi)生中心或助產(chǎn)士的村莊，其農(nóng)戶財富較高。在村級特色規(guī)范中，借貸控制功能后的借貸系數(shù)從0.193上升到0.212。t值也較大，為6.793?？刂坪瘮?shù)的系數(shù)是負(fù)的和顯著的，表示誤差分量“1”和“2”之間為負(fù)相關(guān)關(guān)系。

3 討論與結(jié)論

近年來信貸業(yè)務(wù)迅速發(fā)展，許多人認(rèn)為它可以成功地消除貧困。公有銀行和其他信貸機(jī)構(gòu)的信貸借款在一定程度上提高了農(nóng)戶的消費(fèi)能力。本研究的結(jié)果確認(rèn)了許多信貸機(jī)構(gòu)的出發(fā)點，即農(nóng)戶的財富狀況是要考量的重要因素。理論結(jié)果也預(yù)測了財富對信貸的影響程度可能很大。如果資本收益遞減原則成立，那么財富相對較少的農(nóng)戶應(yīng)該能夠獲得更多的投資回報。盡管這2項研究都檢測到了正向和顯著的借貸效應(yīng)，但這里給出的估計值在幅度上遠(yuǎn)大于OLS估計值。這證明目前所采用的策略在識別借貸的內(nèi)生性方面更為成功。

從結(jié)果中可以清楚地看出，如果未能適當(dāng)控制借貸的內(nèi)生性，就會嚴(yán)重低估借貸對消費(fèi)的影響。由于上文討論的結(jié)果為財富方程具有一致性，因此可以確定一組可能用作測量的變量。在虛擬樣本中，代表戶主性別、女性農(nóng)戶成員的最高教育程度，沒有成年男性的農(nóng)戶、沒有配偶的農(nóng)戶以及配偶父母和兄弟擁有土地等變量都是重要的借貸方程，而不是財富方程。因此，使用這些變量作為排除限制來重復(fù)該估計。盡管估計的第1階段與上述相同，但在存在排除限制的情況下，第2步中使用的控制函數(shù)僅僅是借貸方程的殘差。

本研究估計了我國農(nóng)戶財富對信貸機(jī)構(gòu)借款的可獲得性，及信貸機(jī)構(gòu)對人均農(nóng)戶消費(fèi)的影響。通過適當(dāng)控制借貸的內(nèi)生性，能夠估計調(diào)查地區(qū)隨機(jī)選擇的、農(nóng)戶信貸貸款的平均效率。利用假設(shè)模型中誤差具有恒定的相關(guān)性特征，以外生變量為條件，能夠有效利用模型中存在的異方差來控制借貸的內(nèi)生性。研究發(fā)現(xiàn)，農(nóng)戶財富狀況對信貸貸款有積極和顯著的影響，回歸系數(shù)在0.193～0.212的范圍內(nèi)。這些估計有助于評估信貸是否能夠?qū)崿F(xiàn)農(nóng)村的全面富裕，而不僅僅是為財富狀況好的農(nóng)戶服務(wù)。

參考文獻(xiàn)：

[1]Correia S. REGHDFE：stata module to perform linear or instrumental-variable regression absorbing any number of high-dimensional fixed effects[J]. Statistical Software Components，2016，12（20）：1-15.

[2]Paulo S，Wolak F A. An algorithm to estimate the two-way fixed effects model[J]. Journal of Econometric Methods，2016，5（1）：143-152.

[3]zbay N，Karanlar S. Estimation in a linear regression model with stochastic linear restrictions：a new two-parameter-weighted mixed estimator[J]. Journal of Statistical Computation & Simulation，2018，88（10）：1-15.

[4]Wu J，Meyer M C，Opsomer J D. Penalized isotonic regression[J]. Journal of Statistical Planning & Inference，2015，161：12-24.

[5]Ashta A，Ghosh C，Guha S，et al. Knowledge in microsocial milieus：the case of microfinance practices among women in India[J]. Journal of the Knowledge Economy，2016，10（12）：1-20.

[6]Mukhopadhyay J P. Microfinance and consumption inequality：evidence from a randomized controlled trial in Andhra Pradesh，India[J]. Journal of Developing Areas，2016，50（2）：269-291.

[7]Crepon B，Devoto F，Duflo E，et al. Estimating the impact of microcredit on those who take it up：evidence from a randomized experiment in Morocco[J]. American Economic Journal，2015，7（1）：123-150.

[8]Agarwal V. The failings of microfinance in India：insights from a randomized evaluation of spandana[J]. Aims Journal，2017，11（1）：59-75.

[9]Zahidmahmood H，Abbas K，F(xiàn)atima M. Islamic microfinance and household welfare nexus：empirical investigation from Pakistan[J]. Journal of Global Entrepreneurship Research，2017，7：18.

[10]Benyishay A，F(xiàn)raker A，Guiteras R，et al. Microcredit and willingness to pay for environmental quality：evidence from a randomized-controlled trial of finance for sanitation in rural Cambodia[J]. Journal of Environmental Economics & Management，2017，86：121-140.

[11]Pati A P. Impact of microfinance on women empowerment in the matrilineal tribal society of India：an analysis using propensity score matching and difference-in-difference[J]. International Journal of Rural Management，2016，9（1）：45-69.

[12]Lorenzetti L M，Leatherman S，F(xiàn)lax V L. Evaluating the effect of integrated microfinance and health interventions：an updated review of the evidence[J]. Health Policy & Planning，2017，32（5）：732-756.

[13]Rahman A，Rahman M T，Kljucnikov A. Bank size，relationship lending and SME financing：evidence from bangladesh[J]. Actual Problems of Economics，2016，183（9）：294-307.

[14]Mchugh N，Biosca O，Donaldson C. From wealth to health：evaluating microfinance as a complex intervention[J]. Evaluation，2017，23（2）：209-225.