摘要：農(nóng)戶貸款違約是影響農(nóng)信社資金發(fā)放的主要問題，如何提取主要指標，評判農(nóng)戶是否違約是當前各方的迫切要求。選取680戶農(nóng)戶作為樣本，首先利用因子分析法提取主要的信用指標，基此利用Logistic回歸方法構(gòu)建模型，計算出農(nóng)戶是否違約的概率，以期從客觀上給農(nóng)信社判定農(nóng)戶的信用提供一定的依據(jù)。

關(guān)鍵詞：農(nóng)戶；信用風險；Logistic回歸模型；因子分析

中圖分類號：F83文獻標識碼：A文章編號：16723198（2013）23010102

1引言

當前農(nóng)村經(jīng)濟得到快速發(fā)展，農(nóng)戶對貸款資金需求較大，與此同時由于農(nóng)村金融體系不完善引發(fā)了諸多問題，其中較為突出的就是農(nóng)戶信用風險的問題。由于當前缺乏客觀的評定標準，信貸機構(gòu)無法客觀甄別農(nóng)戶違約的可能性，對農(nóng)戶發(fā)放貸款主要依據(jù)其主觀判斷，使得部分農(nóng)戶拖欠現(xiàn)象嚴重。直接影響農(nóng)信社發(fā)放貸款資金的積極性，致使守約農(nóng)戶也無法得到貸款。故而提取主要的信用指標以評判農(nóng)戶違約的概率，已是農(nóng)信社和守約農(nóng)戶的共同要求。因此下文選取18個指標，利用因子分析提取主要指標，構(gòu)建回歸模型，以此判定農(nóng)戶的信用風險。

2農(nóng)戶信用風險指標的選取

當前各學者只要從以下幾個方面選取農(nóng)戶信用指標——勞動力人數(shù)、年收入、年支出、戶主基本信息、土地面積、經(jīng)營項目、信譽狀況、借款用途等。以上各個指標一定程度上能反映農(nóng)戶的信用狀況，但缺乏反映擔保體系指標、貸款用途指標、已婚嫁子女收入指標和農(nóng)戶操作技能的指標。本文結(jié)合陜西省三原、涇陽農(nóng)戶的實際狀況，選定了以下18個指標。

因變量：Y=1好客戶（守約農(nóng)戶）

0壞客戶（違約客戶）

自變量如下：

x1：家庭人均收入；x2：家庭人均支出；x3：家庭人均第一產(chǎn)業(yè)收入；x4：家庭人均第二產(chǎn)業(yè)收入；x5：家庭人均第三產(chǎn)業(yè)收入；x6：已婚嫁子女收入；x7：受教育狀況；x8：家庭勞動力人數(shù)；x9：人均農(nóng)林特產(chǎn)種植面積；x10：貸款利率；x11：農(nóng)戶聯(lián)保；x12：上浮利率優(yōu)惠程度；x13：家庭人均民間貸款金額；x14：家庭人均信用社貸款金額；x15：貸款投向第一產(chǎn)業(yè)金額；x16：貸款投向第二產(chǎn)業(yè)金額；x17：貸款投向第三產(chǎn)業(yè)金額；x18：道德品行。

以上各指標說明如下：

（1）家庭人均年收入、家庭人均年支出、已婚嫁子女收入、家庭人均各產(chǎn)業(yè)收入指標。一般而言收入越高，支出越低反映其經(jīng)營狀況越好，盈利能力越強，技能轉(zhuǎn)化為收入的能力越強，財富積累程度越高，農(nóng)戶違約的風險越??；否則農(nóng)戶的違約風險越大。

（2）受教育狀況指標代表了農(nóng)戶的文化素養(yǎng)和技能水平。受教育狀況可通過農(nóng)戶上學的年限進行體現(xiàn)，一般上學年限越高，農(nóng)戶的文化素養(yǎng)和技能水平越高，農(nóng)戶違約的概率越低，否則違約的概率越高。

（3）家庭勞動力人數(shù)代表農(nóng)戶家庭的勞動能力，通過調(diào)查發(fā)現(xiàn)，當前農(nóng)戶家庭人數(shù)多為3-5人，勞動力人數(shù)越多代表勞動能力越強，農(nóng)戶家庭違約的風險越??；相反，勞動力人數(shù)越少代表勞動能力越弱，農(nóng)戶家庭違約的風險越大。

（4）人均農(nóng)林特產(chǎn)種植面積體現(xiàn)了農(nóng)戶將農(nóng)業(yè)技能、經(jīng)驗轉(zhuǎn)換為收入的能力。一般而言，在同等操作技術(shù)水平下，由于規(guī)模收益的存在，規(guī)模越大，單位成本越低，單位收入越高，農(nóng)戶違約風險越??；規(guī)模越小，規(guī)模收益無法發(fā)揮作用，單位成本越高，單位收益越少，違約風險較大。

（5）農(nóng)戶聯(lián)保、貸款利率、上浮利率優(yōu)惠程度代表農(nóng)戶的信用狀況，參與農(nóng)戶聯(lián)保、取得低利率貸款，以及享有較高的上浮利率優(yōu)惠程度代表農(nóng)戶具有較高的信用，農(nóng)戶違約的風險越??；否則農(nóng)戶信用較低，農(nóng)戶違約的風險越大。

（6）人均民間貸款金額、人均信用社貸款金額的多少體現(xiàn)了貸款農(nóng)戶的債務(wù)狀況。農(nóng)戶在存在以上兩種貸款時，首先會償還民間貸款（由于受到農(nóng)村“圈層結(jié)構(gòu)”的制約和高成本的影響），有償還能力與償還意愿時才會償還信用社貸款。因此農(nóng)戶總體債務(wù)較低時，其償還農(nóng)信社貸款的概率較高；否則其還貸的概率較低，違約的風險就較高。

（7）貸款投向各個產(chǎn)業(yè)的金額代表了貸款的用途，貸款投向第一產(chǎn)業(yè)金額代表了農(nóng)戶將貸款資金投向種植、養(yǎng)殖、果林業(yè)等的資金數(shù)額，一般而言，農(nóng)戶投入各個產(chǎn)業(yè)的金額越大，收益越大，還貸的可能性就越大；投入越少收益越少，還貸的可能性就越小。

（8）道德品行指標反映的是農(nóng)戶品行信譽狀況，品行較好、信譽較高的農(nóng)戶違約風險較低，品行較差、信譽較低的農(nóng)戶違約風險較高。本文通過發(fā)放調(diào)查問卷，利用打分的方式體現(xiàn)農(nóng)戶的品行信譽。

3因子分析提取主要指標

通過主成分分析法，對文中的18個指標進行分析，經(jīng)過主成分方法提取6個因子（表1），共解釋原始變量總方差的89.479%，解釋變量效果比較好。同時提取6個主成分因子中對應(yīng)的載荷量較高的原始指標作為下一步的自變量，起到了簡化指標的作用。

表1旋轉(zhuǎn)后的因子載荷矩陣

衡量變量因子123456x1.612.125.145.103-.258-.056x2.963.235-.126.257.189.238x3.061.254-.048.153.016.074x4-.453-.526.512-.021-.137-.363x5-.026.895-.652.016.068-.026x6.712.884.162.183.267.651x7.293.134.542-.129.063.193x8-.112.143.637.269-.068-.312x9.651.402-.242.917-.234.601x10.145.453.701.184.415.134x11.456-.217.892.074-.613.357x12-.423-.653.813-.215-.086-.436x13-.025-.182.054.648-.226-.012x14.637-.039-.026.104-.025.608x15.442-.024-.041.158-.013.632x16-.625-.365-.286-.093.312-.505x17-.235.154-.156-.722.896-.264x18.019-.103.063.076.034.958通過上表，可以得出：

（1）主成分因子1中，載荷量較高的變量為家庭人均年支出。

（2）主成分因子2中，載荷量較高的幾個變量分別為家庭人均第三產(chǎn)業(yè)收入、已婚嫁子女收入。

（3）主成分因子3中，貢獻度最大的變量為農(nóng)戶聯(lián)保。

（4）主成分因子4中，載荷量較高的變量為人均農(nóng)林特產(chǎn)種植面積。

（5）主成分因子5中，載荷量最高的變量為貸款投向第三產(chǎn)業(yè)金額。

（6）主成分因子6中，載荷量較高的變量為道德品行。

通過以上分析，下文以家庭人均年支出、家庭人均第三產(chǎn)業(yè)收入、已婚嫁子女收入、人均農(nóng)林特產(chǎn)種植面積、農(nóng)戶聯(lián)保、貸款投向第三產(chǎn)業(yè)金額、道德品行等7項原始變量構(gòu)建Logistic模型。

4構(gòu)建模型分析農(nóng)戶信用風險

對以上的7項原始變量進行回歸，利用SPSS13.0軟件，通過菜單欄下二元Logistic回歸，方法采用向前逐步回歸，經(jīng)過六步計算后，軟件保留了人均年支出、人均第三產(chǎn)業(yè)收入、已婚嫁子女收入、人均農(nóng)林特產(chǎn)種植面積、農(nóng)戶聯(lián)保、道德品行六個協(xié)變量，系數(shù)的顯著性較強（見表2），均小于0.05，六個變量可進入方程。

表2方程中的變量

估計值標準誤差Wald檢驗自由度P值Exp（B）x18-3.6851.42418.3521.000.025x5-2.856.53228.3431.010.057x22.2151.12865.1451.0139.161x93.473.76435.4681.01632.233x6-4.3681.42124.1391.021.012x11-4.3591.23852.8671.024.013Constant-1.8201.0843.0511.010.162因此，可以得出檢驗樣本的Logistic回歸模型方程表達式為：

1-p（y=0）=11+exp（-1.82+2.215x2-2.856x5-4.368x6

+3.473x9-4.359x11-3.658x18）

通過以上模型，可以看出，人均年支出項x2系數(shù)為2215，意味著人均年支出增加，農(nóng)戶的違約率會提升；人均第三產(chǎn)業(yè)收入項x5系數(shù)為-2.856、已婚嫁子女收入項x6系數(shù)為-4.368、農(nóng)戶聯(lián)保項x11系數(shù)為-4.359、道德品行項x18系數(shù)為-3.685，意味著人均第三產(chǎn)業(yè)收入、已婚嫁子女收入增加時，農(nóng)戶的違約率下降、農(nóng)戶聯(lián)保可降低違約率、道德品行越好，違約率越低；以上各項與前述分析一致。但人均農(nóng)林特產(chǎn)種植面積項x9系數(shù)為3.473，意味著人均農(nóng)林特產(chǎn)種植面積增加時，違約率增加，這主要源于農(nóng)戶中的跟風現(xiàn)象較為明顯。一旦某經(jīng)濟作物行情較好，收益較高，農(nóng)戶會很快跟隨，投入大量資金，忽略農(nóng)作物供給缺乏彈性這一事實，直接導(dǎo)致供給大于需求，價格大幅下降，農(nóng)戶無法收回前期投資；加之農(nóng)戶缺乏倉儲條件，無法對滯銷的農(nóng)作物進行儲藏，只能低價銷售，導(dǎo)致其收益下降。以上幾個方面的原因?qū)е罗r(nóng)戶違約率隨著人均農(nóng)林特產(chǎn)種植面積增加而增加。

5結(jié)束語

農(nóng)戶信用風險一直是制約農(nóng)村金融發(fā)展的主要問題，若能夠提取主要影響因素判斷農(nóng)戶違約的概率，將有利于農(nóng)信社減少信息采集的工作量及降低信貸風險。通過本文的分析，利用主要影響因素建立的模型，克服了農(nóng)信社發(fā)放貸款時盲目、主觀等問題，為預(yù)測農(nóng)戶信用風險與貸款的發(fā)放提供了一定的依據(jù)。

參考文獻

[1]王靜，朱滿紅.基于突變理論的農(nóng)戶小額信貸信用風險評價方法研究[J].金融理論與實踐，2011，（10）：3639.

[2]馬文勤，孔榮，楊秀珍.農(nóng)戶小額信貸信用風險評估模型構(gòu)建[J].財會月刊，2009，（36）：4043.

[3]吳喜之.統(tǒng)計學：從數(shù)據(jù)到結(jié)論[M].北京：中國統(tǒng)計出版社，2004：148154.

作者簡介：吳慧芬（1980-），女，湖北天門人，三峽大學科技學院講師，會計師，碩士研究生，注冊會計師非執(zhí)業(yè)會員，研究方向：財務(wù)會計與財務(wù)管理。