李成友，李慶海

(1．山東財經(jīng)大學 金融學院，山東 濟南250014；2.南京財經(jīng)大學 經(jīng)濟學院，江蘇 南京210023)

農(nóng)戶信貸需求視角下的信貸配給程度決定分析

——基于OPSS模型的實證研究

李成友1，李慶海2

(1．山東財經(jīng)大學 金融學院，山東 濟南250014；2.南京財經(jīng)大學 經(jīng)濟學院，江蘇 南京210023)

摘要：對于具有信貸需求的農(nóng)戶而言，面臨的信貸配給程度由高到低可依次劃分為遭受需求型配給和遭受供給型配給以及未遭受信貸配給。現(xiàn)有對農(nóng)戶配給程度的決定因素進行識別研究，往往忽略信貸需求的樣本選擇性問題。采用2013年蘇魯兩省農(nóng)戶調(diào)查數(shù)據(jù)，運用有序Probit模型，識別農(nóng)戶遭受不同程度信貸配給的決定因素，有效解決了樣本選擇性估計偏誤。研究發(fā)現(xiàn)：戶主受教育程度、銀行網(wǎng)點距離等因素對農(nóng)戶信貸配給程度具有顯著影響。其中，戶主受教育程度等變量影響負向，導致遭受供給型配給和需求型配給的概率降低；而銀行網(wǎng)點距離等變量影響正向，則會導致遭受供給型配給和需求型配給的概率增加。

關鍵詞：農(nóng)戶；信貸配給程度；樣本選擇性；有序Probit模型

一、引言

國際經(jīng)驗表明，大多數(shù)發(fā)展中國家農(nóng)村金融市場的運行效率較為低下，農(nóng)村地區(qū)面臨嚴重的正規(guī)信貸配給，中國也不例外[1-2]。近年來，黨和政府十分重視和關心農(nóng)村金融發(fā)展問題，2004-2015年連續(xù)十二年的中央一號文件中都對其做了詳細的闡述和說明。隨著一系列改革和政策措施的逐步落實，中國已形成了多種所有制形式并存的現(xiàn)代農(nóng)村金融體系的雛形，融資模式和工具不斷創(chuàng)新，農(nóng)村金融風險的監(jiān)督管理機制開始完善，政府干預趨于理性，一定程度上減緩了農(nóng)村金融信貸約束的程度。然而，中國農(nóng)村金融信貸配給的程度依然非常高，農(nóng)村地區(qū)的融資環(huán)境依然不容樂觀[3-4]。對此，有學者認為金融機構長期的資金配給不僅形成了對金融需求的直接約束，而且還會間接影響人們的行為預期和行為選擇，從而導致農(nóng)戶自身的信貸需求抑制，這就意味著以往中國農(nóng)村金融側(cè)重于增加金融供給主體和數(shù)量的改革思路勢必難以取得預期效果。具體來說，農(nóng)戶所面臨的信貸配給可能源于供給方金融機構的決策和需求方農(nóng)戶的自主決策兩個方面[2]：農(nóng)戶自身決策導致的信貸配給稱為需求型配給，即農(nóng)戶需要從金融機構獲得貸款，但由于種種原因未向金融機構申請貸款或者申請后主動放棄，強調(diào)農(nóng)戶遭受信貸配給是主動選擇的；金融機構決策導致的信貸配給稱為供給型配給，即農(nóng)戶向金融機構申請貸款，但由于種種原因只獲得部分貸款甚至未獲得貸款，強調(diào)農(nóng)戶遭受信貸配給是被動接受的。有研究表明，對有信貸需求的農(nóng)戶而言，農(nóng)戶面臨的信貸配給情形可以按照配給程度依次劃分為三個層次，從需求型配給、供給型配給、沒有遭受信貸配給，這三類情形所反映的配給程度是逐步降低的[5]。本文通過考察和識別農(nóng)戶遭受信貸配給的程度及其影響因素，希望能夠引發(fā)對以往農(nóng)村金融改革思路的反思，并對未來進一步深化農(nóng)村金融領域內(nèi)的改革和調(diào)整改革思路提供借鑒。

為了識別影響農(nóng)戶信貸配給(程度)的決定因素，國內(nèi)外學者開展了大量研究。通過對相關文獻所采用模型的梳理，本文將之歸納為以下幾類：

第一類是Probit/Logit模型。程郁等采用Probit和Logit模型，以識別影響農(nóng)戶是否遭受信貸配給、是否遭受需求型或者供給型配給的因素[2]。然而，相關研究雖可單獨識別不同程度信貸配給的影響因素，但沒有考慮到信貸需求的樣本選擇性問題，導致估計結(jié)果容易產(chǎn)生偏誤[6]。

第二類是多元Logit模型。根據(jù)配給類型和程度對農(nóng)戶進行分類，進而識別不同類型或程度信貸配給的影響因素。劉西川和程恩江將農(nóng)戶分為借貸型價格配給、未借貸型價格配給、風險或交易成本配給、數(shù)量配給等，并運用多元Logit模型進行分析[7]。然而，多元Logit模型也存在一定問題：一方面，該模型的因變量難以體現(xiàn)出配給程度高低的有序性；另一方面，該模型雖可識別不同類型或程度信貸配給的影響因素，但同樣無法解決信貸需求的樣本選擇性問題，導致估計結(jié)果容易產(chǎn)生偏誤。

第三類是有序Logit模型。鐘春平等以農(nóng)戶貸款難度作為信貸配給程度的代理變量，采用有序Logit模型識別信貸配給程度的影響因素[8]。該模型的因變量雖可體現(xiàn)信貸配給程度高低的有序性，卻依舊沒有考慮信貸需求的樣本選擇性問題。

第四類是具有樣本選擇性的雙變量Probit模型(簡稱BPSS模型)。李丹和張兵構建了關于信貸需求和信貸配給的BPSS模型，雖考慮了信貸需求的樣本選擇性問題，但無法比較不同程度信貸配給影響因素的差異[6]。Chaudhuri等構建的關于需求型配給和供給型配給的BPSS模型，能夠比較不同程度信貸配給影響因素的差異，卻未能考慮信貸需求的樣本選擇性問題[9-10]。

總之，上述四類模型在用于識別農(nóng)戶不同程度信貸配給的決定因素時均存在一定缺陷。因此，需要引入新的方法和模型進行分析。本文采用2013年在山東省和江蘇省開展的針對農(nóng)戶信貸的專項調(diào)查數(shù)據(jù)，結(jié)合具有樣本選擇性的有序Probit模型(簡稱OPSS模型)，考察和識別農(nóng)戶遭受信貸配給的程度及其決定因素。

二、數(shù)據(jù)及來源

本次調(diào)查范圍涵蓋山東和江蘇兩省，調(diào)查地域包括魯西、魯中、魯東、蘇北、蘇中和蘇南等共計12個城市。地域劃分參照傳統(tǒng)標準，其中魯西地區(qū)包括棗莊市和菏澤市，魯中地區(qū)包括淄博市和泰安市，魯東地區(qū)包括威海市和煙臺市；蘇北地區(qū)包括徐州市和宿遷市，蘇中地區(qū)包括揚州市和南通市，蘇南地區(qū)包括鎮(zhèn)江市和無錫市。在上述各市中，隨機抽取6個村莊，然后從每個村莊隨機選取20～30個左右的農(nóng)戶，一共調(diào)查了1 800戶。剔除無效樣本后，最終獲得有效樣本1 773個。收集了樣本農(nóng)戶家庭人口特征、收入支出、生產(chǎn)經(jīng)營活動、信貸活動和所處村莊基本情況的詳細資料，匯總信息見表1。

由表1可知，樣本農(nóng)戶中44.67%具有信貸需求(792/1 773)，29.89%遭受信貸配給(530/1 773)，農(nóng)戶的信貸需求具有明顯的省際差異和地域差異；在有信貸需求的農(nóng)戶中，66.92%的農(nóng)戶遭受信貸配給，具有一定的省際差異，但地域間差異相對較小(僅魯西地區(qū)相對較低)；在遭受信貸配給的農(nóng)戶中，需求型配給是其中的主要形式(420/530)，這在省際間和地域間均得到體現(xiàn)。由此可見，中國農(nóng)村金融改革未能有效緩解農(nóng)村地區(qū)的融資困境，反而進一步加深了農(nóng)戶遭受信貸配給的程度。

表1　農(nóng)戶分類信息匯總表　單位： 戶

三、模型構建與變量選取

(一)OPSS模型

為了識別農(nóng)戶信貸配給程度高低的決定因素，本文引入具有樣本選擇性的有序Probit模型(簡稱OPSS模型)進行分析。該OPSS模型的優(yōu)勢在于：第一，可以解決信貸需求的樣本選擇問題，進而解決由此引致的估計偏誤問題；第二，研究者可以通過兩個估計方程誤差項的相關系數(shù)來考察信貸需求和信貸配給程度之間的相互關系，并能有效克服不可觀測因素對估計結(jié)果的影響。

建立選擇方程(信貸需求方程)：

(1)

結(jié)果方程(信貸配給程度方程)：

(2)

其中，選擇方程(1)中LD*表示農(nóng)戶信貸需求意愿的潛變量，LD表示實際觀測到的農(nóng)戶是否具有信貸需求的二值變量；方程(2)中LC*表示農(nóng)戶信貸配給程度的潛變量，LC表示實際觀測到的農(nóng)戶信貸配給程度的多值有序變量，c1和c2為臨界點，LC=0表示沒有遭受信貸配給(LC*≤c1)，LC=1表示遭受供給型配給(c1

此外，a1和a2分別為信貸需求方程和信貸配給程度方程的常數(shù)項；X1和X2表示所對應方程的外生解釋變量，β1和β2表示待估計參數(shù)，為了保證模型的可識別性，聯(lián)立方程模型(1～2)中的解釋變量(X1,X2)需要滿足X2?X1，即兩變量之間并不完全相同；ε1和ε2表示所對應方程的隨機誤差項，每個方程的誤差項分別與X1和X2正交，并有(ε1,ε2)～N(0,0;1,1;ρ12)，相關系數(shù)為ρ12。

該模型可以采用極大似然估計方法(MSL)進行估計，模型的似然函數(shù)和相關估計步驟參考Miranda和Hesketh[11]。

為進行比較，本文采用有序Probit模型識別不同程度信貸配給的影響因素，模型如下所示：

(3)

此時，方程(3)僅納入具有信貸需求的農(nóng)戶，進而直接對信貸配給程度進行分析，沒有考慮信貸需求的樣本選擇性問題，因此，估計結(jié)果與聯(lián)立方程模型(1～2)中的信貸配給程度方程相比，可能存在差異。此外，模型的似然函數(shù)與具體估計步驟可參見張兵等人的研究[12]。

(二)變量選取

1.因變量。一是農(nóng)戶是否具有信貸需求。在總樣本中，農(nóng)戶分為兩種情形，要么有信貸需求，要么沒有信貸需求。此時，構建農(nóng)戶是否具有信貸需求的虛擬變量LD，當LD=1時表示農(nóng)戶具有信貸需求，若無需求則賦值為0。二是農(nóng)戶遭受信貸配給程度。在具有信貸需求的農(nóng)戶子樣本中，農(nóng)戶依據(jù)信貸配給程度由低到高依次分為三類，沒有遭受信貸配給，遭受供給型配給以及遭受需求型配給。此時，構建農(nóng)戶信貸配給程度的變量LC，很顯然，LC只有在LD=1時才可以被觀測到。具體見表2。

表2　主要變量及說明

2.自變量。參照已有研究，本文引入農(nóng)戶家庭基本特征、經(jīng)濟特征、金融環(huán)境和地理特征等相關變量。家庭基本特征，引入戶主年齡、戶主受教育程度、勞動力數(shù)量、人口負擔率等變量。經(jīng)濟特征，引入上年家庭純收入、上年非農(nóng)收入比重、家庭經(jīng)營耕地面積、上年固定資產(chǎn)原值、上年禮金支出和有重大事件支出等變量。金融環(huán)境特征，引入獲得過正規(guī)渠道貸款、在銀行中有存款、銀行借貸利率和銀行網(wǎng)點距離等變量。地理特征，以魯東地區(qū)為基準，引入位于魯西、魯中、蘇北、蘇中和蘇南地區(qū)等5個虛擬變量，以控制地域間差異的影響。

3.識別變量。為保證模型的可識別性，選擇方程至少需要包括一個滿足排他性條件的解釋變量，該變量影響農(nóng)戶是否具有信貸需求，卻不直接影響遭受信貸配給的程度。本文選擇“勞動力數(shù)量”和“人口負擔率”作為選擇方程的識別變量。

4.穩(wěn)健變量。本文在穩(wěn)健性檢驗中引入“黨員干部戶”、“從事自營工商業(yè)”和“到銀行網(wǎng)點時間”三個變量。表2給出了模型主要變量及說明。

四、實證結(jié)果與進一步分析

(一)實證結(jié)果

表3給出了OPSS模型的估計結(jié)果，信貸配給程度方程中以沒有遭受信貸配給作為參照組。

表3　OPSS模型的估計結(jié)果

注：“---”表示該變量不出現(xiàn)在回歸方程中； *、**、***分別表示在10%、5%和1%的統(tǒng)計水平上顯著；[]內(nèi)數(shù)值表示對應標準誤。

表3中，ρ12表示信貸需求方程和信貸配給程度方程誤差項的相關系數(shù)，它在5%的顯著性水平上拒絕了上述兩個決策行為相互獨立的原假設，說明兩個決策行為之間是相互影響的。此外，ρ12顯著為負，說明樣本選擇性問題確實是存在的，進一步表明本文采用OPSS模型的價值。同時，在兩個識別變量中人口負擔率的影響是顯著的，表明聯(lián)立方程模型是可識別的。

值得注意的是，由于信貸配給程度方程中有序Probit模型的參數(shù)含義不直觀，只能在顯著性和參數(shù)符號方面給出有限的信息。因此，對表3中各個解釋變量的系數(shù)進一步計算，得到對應的農(nóng)戶信貸配給程度的邊際效應。根據(jù)張兵等的思路，在有序Probit模型中計算變量邊際效應的公式如下[12]：

(4)

其中，F(xiàn)′表示F的導數(shù)，且括號中的項可正可負。

1.信貸需求的決定因素。由表3可知：人口負擔率、家庭經(jīng)營耕地面積、上年固定資產(chǎn)原值、有重大事件支出等變量影響正向，且分別在10%、5%或1%的統(tǒng)計水平上顯著；上年家庭純收入、上年非農(nóng)收入比重和在銀行中有存款影響負向，且分別在5%或10%的統(tǒng)計水平上顯著。戶主年齡、戶主受教育程度、勞動力數(shù)量、上年禮金支出、銀行借貸利率等變量影響均不顯著。鑒于本文研究的重點是遭受不同程度信貸配給的決定分析，本文不再對信貸需求的決定因素展開進行論述。

2.遭受不同程度信貸配給的決定因素。由表3可知，戶主受教育程度、上年家庭純收入、上年固定資產(chǎn)原值、有重大事件支出、獲得過正規(guī)渠道貸款、銀行網(wǎng)點距離等變量影響顯著。具體來講：

在家庭基本特征方面。戶主受教育程度的影響為負且在10%水平上顯著。由邊際效應來看，戶主受教育程度每增加1個單位，沒有遭受信貸配給的概率增加1.56%，遭受供給型配給的概率降低0.59%，遭受需求型配給的概率降低0.97%。

在經(jīng)濟特征方面。上年家庭純收入的影響為負且在5%水平上顯著，說明上年家庭純收入每增加1個單位，沒遭受信貸配給的概率增加1.95%，遭受供給型配給的概率降低0.68%，遭受需求型配給的概率降低1.27%。上年固定資產(chǎn)原值的影響為負且在10%水平上顯著，說明上年固定資產(chǎn)原值每增加1個單位，沒遭受信貸配給的概率增加1.66%，遭受供給型配給的概率降低0.48%，遭受需求型配給的概率降低1.18%。有重大事件支出影響為正且在10%水平上顯著。說明農(nóng)戶有重大事件支出時，沒有遭受信貸配給的概率降低7.35%，遭受供給型配給的概率增加2.98%，遭受需求型配給的概率增加4.37%。

在金融環(huán)境特征方面。獲得過正規(guī)渠道貸款的影響為負且在1%水平上顯著。說明沒有遭受信貸配給的概率增加67.28%，遭受供給型配給的概率降低44.13%，遭受需求型配給的概率降低23.15%。即銀行網(wǎng)點距離影響為正且在10%水平上顯著。銀行網(wǎng)點距離每增加1個單位，沒有遭受信貸配給的概率降低0.78%，遭受供給型配給的概率增加0.37%，遭受需求型配給的概率增加0.41%。

在地理特征方面。位于魯西地區(qū)、位于魯中地區(qū)和位于蘇北地區(qū)的影響均為正向，且分別在5%水平上顯著，這表明地域間差異影響的存在。農(nóng)戶位于魯西地區(qū)，沒有遭受信貸配給的概率降低6.59%，遭受供給型配給的概率增加2.28%，遭受需求型配給的概率增加4.31%；魯中地區(qū)農(nóng)戶沒有遭受信貸配給的概率降低4.35%，遭受供給型配給的概率增加2.89%，遭受需求型配給的概率增加1.46%；位于蘇北地區(qū)農(nóng)戶，沒有遭受信貸配給的概率降低6.71%，遭受供給型配給的概率增加4.28%，遭受需求型配給的概率增加2.43%。

綜上，與顯著影響農(nóng)戶信貸需求因素的個數(shù)相比，顯著影響信貸配給程度的因素明顯較少，且多為金融機構容易獲取的“硬信息”。除地域因素外，只有戶主受教育程度、上年家庭純收入、上年固定資產(chǎn)原值、有重大事件支出、獲得過正規(guī)渠道貸款和銀行網(wǎng)點距離等變量的影響是顯著的。值得注意的是，在這些顯著影響農(nóng)戶信貸配給程度的因素中，獲得過正規(guī)渠道貸款的影響最為重要(無論是系數(shù)絕對值大小還是顯著性水平上)，由此表明農(nóng)戶和金融機構之間已經(jīng)固化形成了一種以穩(wěn)定的重復貸款為基礎的信貸配給機制。

(二)進一步分析

1.模型比較。為檢驗OPSS模型的合理性，本文還采用有序Probit模型進行分析，此時樣本數(shù)變?yōu)?92。在與OPSS模型中信貸配給程度方程的估計結(jié)果進行比較后發(fā)現(xiàn)，部分變量的顯著性或者顯著性水平產(chǎn)生變化。譬如，有重大事件支出的影響由正向且在10%水平上顯著變?yōu)檎虿伙@著，上年固定資產(chǎn)原值由負向10%水平上顯著變?yōu)樨撓虿伙@著；就顯著性水平而言，戶主受教育程度和位于蘇北地區(qū)的顯著性水平均由10%變?yōu)?%。這說明若僅采用有序Probit模型，既無法控制樣本選擇性引致的估計偏誤，也無法考慮不可觀測因素的影響，進一步說明本文采用OPSS是有必要和有價值的。

2.穩(wěn)健性檢驗。穩(wěn)健性檢驗一：排除極端值的影響，將農(nóng)戶家庭純收入位于5%最窮和5%最富的樣本剔除掉。結(jié)果發(fā)現(xiàn)，在剔除掉極端收入的樣本后，估計結(jié)果、誤差項相關系數(shù)以及相關檢驗結(jié)果與基準回歸結(jié)果(表3)相比并未發(fā)生較大改變，這說明估計結(jié)果是穩(wěn)健的。

穩(wěn)健性檢驗二：增加或替換變量。替換變量與原有變量含義相接近，增加的變量則是為了控制在基準回歸中未考慮到的其他因素，具體涉及黨員干部戶、從事自營工商業(yè)和到銀行網(wǎng)點時間等幾個變量。增加黨員干部戶這一控制變量的目的是考察農(nóng)戶社會地位對信貸配給程度的影響；用是否自營工商業(yè)替換非農(nóng)收入占比，意在考察農(nóng)戶非農(nóng)化經(jīng)營收入達到一定規(guī)模的情況下對信貸配給的影響；用到銀行網(wǎng)點時間變量替換原有的銀行網(wǎng)點距離變量，是考慮這兩個變量均是描述農(nóng)戶獲取貸款便利程度的因素。從穩(wěn)健性檢驗的結(jié)果來看，估計結(jié)果、誤差項相關系數(shù)以及相關檢驗結(jié)果與基準回歸結(jié)果(表3)相比并未發(fā)生較大改變，說明估計結(jié)果是穩(wěn)健的。

五、結(jié)論及政策建議

本文采用2013年蘇魯兩省農(nóng)戶調(diào)查數(shù)據(jù)，結(jié)合具有樣本選擇的有序Probit模型(OPSS模型)，將農(nóng)戶信貸需求及信貸配給程度納入到同一框架中分析，有效解決了樣本選擇估計偏誤問題。

研究結(jié)果表明：戶主受教育程度、上年家庭純收入、上年固定資產(chǎn)原值、有重大事件支出、獲得過正規(guī)渠道貸款、銀行網(wǎng)點距離、位于魯西地區(qū)、位于魯中地區(qū)和位于蘇北地區(qū)等變量的影響顯著，戶主年齡、上年非農(nóng)收入比重、家庭經(jīng)營耕地面積、上年禮金支出、在銀行中有存款等變量的影響不顯著。大部分變量對需求型配給和供給型配給的影響存在差異，對需求型配給的影響或者明顯大于供給型配給(戶主受教育程度、上年家庭純收入、上年固定資產(chǎn)原值、有重大事件支出、位于魯西地區(qū)和位于魯中地區(qū))，或者明顯小于供給型配給(獲得過正規(guī)渠道貸款和位于蘇北地區(qū))，很少有變量對二者的影響較為接近(銀行網(wǎng)點距離)。

通過本文的研究結(jié)論可以發(fā)現(xiàn)當前農(nóng)村金融改革雖然取得一定成效，農(nóng)戶的信貸可得性得到較大改善，但農(nóng)戶仍然遭受普遍的信貸配給，并且從金融機構的信貸配給轉(zhuǎn)移到農(nóng)戶自身的需求抑制上面，信貸配給程度反而進一步增加。要切實解決中國農(nóng)戶信貸配給問題，建議如下：大力支持通過信貸制度的創(chuàng)新來解決農(nóng)村金融交易成本較高和信息不對稱的問題，破除農(nóng)戶遭受信貸配給的制度性根源，有效緩解長期制度約束下農(nóng)戶的自身信貸需求抑制；出臺相關政策措施，尤其是貨幣政策、財稅政策以及市場準入政策等，合理引導農(nóng)村正規(guī)金融機構和組織增加信貸資金供給；放寬農(nóng)村金融機構的準入機制，鼓勵更多的正規(guī)金融機構和組織進入農(nóng)村金融市場，尤其是對金融服務和基礎設施不完善不充分的地區(qū)進行重點建設，充分發(fā)揮農(nóng)村正規(guī)金融機構和組織的主導作用。

參考文獻：

[1]Kochar A. An Empirical Investigation of Rationing Constraints in Rural Credit Markets in India [J]. Journal of Development Economics, 1997(4).

[2]程郁，韓俊，羅丹.信貸供給與需求壓抑交互影響下的正規(guī)信貸約束：來自1874戶農(nóng)戶金融需求行為考察[J].世界經(jīng)濟，2009(5).

[3]沈紅麗.農(nóng)戶借貸行為的Heckman兩階段模型分析——基于天津市農(nóng)村二元金融結(jié)構視角[J].統(tǒng)計與信息論壇，2016，31(1).

[4]李成友，李慶海，李銳，張勇菊.農(nóng)戶信貸配給程度及其對家庭消費行為的研究[J].當代經(jīng)濟研究，2014(7).

[5]馬九杰，吳本健.利率浮動政策、差別定價策略與金融機構對農(nóng)戶的信貸配給[J].金融研究，2012(4).

[6]李丹，張兵.社會資本能持續(xù)緩解農(nóng)戶信貸約束嗎[J].上海金融，2013(10).

[7]劉西川，程恩江.貧困地區(qū)農(nóng)戶的正規(guī)信貸約束：基于配給機制的經(jīng)驗考察[J].中國農(nóng)村經(jīng)濟，2009(6).

[8]鐘春平，孫煥民，徐長生.信貸約束、信貸需求與農(nóng)戶借貸行為：安徽的實證研究[J].金融研究，2010(11).

[9]Chaudhuri K, Cherical M M. Credit Rationing in Rural Credit Markets of India [J]. Applied Economics, 2012(7).

[10]張寧，張兵.非正規(guī)高息借款：是被動接受還是主動選擇——基于江蘇1202戶農(nóng)村家庭的調(diào)查[J].經(jīng)濟科學，2014(5).

[11]Miranda A, Hesketh S B. Maximum Likelihood Estimation of Endogenous Switching and Sample Selection Models for Binary, Ordinal, and Count Variables [J]. Stata Journal, 2006(3).

[12]張兵，劉丹，李祎雯.匹配經(jīng)濟學視角下農(nóng)戶借貸匹配決定因素的實證分析[J].經(jīng)濟科學，2014(4).

(責任編輯：張愛婷)

The Determinants of Credit Rationing Degree from Rural Household，Credit Demand: An Investigation Based on OPSS Model

LI Cheng-you1，LI Qing-hai2

(1.School of Finance, Shandong University of Finance and Economics, Jinan 250014，China；2.School of Economics, Nanjing University of Finance and Economics, Nanjing 210023，China)

Abstract:For the rural households who need credit, the degree of credit rationing can be sorted descending order by demand-side rationing, supply-side rationing and not suffer from credit rationing. Although some researchers have been identify the determinants of the degree with credit rationing from rural households, seldom solve the selectivity estimation bias caused by the sample selection problem somewhat ignored by previous research. Using recently survey data of rural households from Jiangsu and Shandong Province, this paper develops an ordered Probit model with sample selection to identify the determinants of the degree with credit rationing, also deal with the sample selection bias issue caused by credit demand. Results show that the education level of household header, the net income last year, the productive fixed assets last year, get the formal loan previously, the distance from bank etc., have significant impact on the degree of credit rationings.

Key words:rural household; credit rationing degree; sample selection; ordered Probit model

收稿日期：2015-11-13；修復日期：2016-03-02

基金項目：教育部人文社會科學研究青年項目《農(nóng)戶信貸違約及履約激勵機制研究：以蘇魯?shù)貐^(qū)為例》(14YJC790067)；國家自然科學基金青年項目《新型城鎮(zhèn)化中失地農(nóng)民融資困境的形成、現(xiàn)狀及治理研究》 (71503118)；國家自然科學基金重點項目《農(nóng)村金融體系建設管理研究》(71133001)

作者簡介：李成友，男，山東聊城人，經(jīng)濟學博士，講師，研究方向：農(nóng)村金融和計量經(jīng)濟分析；

中圖分類號：F832.4

文獻標志碼：A

文章編號：1007-3116(2016)06-0106-06

李慶海，男，山東棗莊人，金融學博士，講師，研究方向：農(nóng)村金融和計量經(jīng)濟分析。

【統(tǒng)計調(diào)查與分析】