李成友，李慶海

(1．山東財(cái)經(jīng)大學(xué) 金融學(xué)院，山東 濟(jì)南250014；2.南京財(cái)經(jīng)大學(xué) 經(jīng)濟(jì)學(xué)院，江蘇 南京210023)

農(nóng)戶(hù)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(shí)證研究

李成友1，李慶海2

(1．山東財(cái)經(jīng)大學(xué) 金融學(xué)院，山東 濟(jì)南250014；2.南京財(cái)經(jīng)大學(xué) 經(jīng)濟(jì)學(xué)院，江蘇 南京210023)

摘要：對(duì)于具有信貸需求的農(nóng)戶(hù)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?，F(xiàn)有對(duì)農(nóng)戶(hù)配給程度的決定因素進(jìn)行識(shí)別研究，往往忽略信貸需求的樣本選擇性問(wèn)題。采用2013年蘇魯兩省農(nóng)戶(hù)調(diào)查數(shù)據(jù)，運(yùn)用有序Probit模型，識(shí)別農(nóng)戶(hù)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(jì)偏誤。研究發(fā)現(xiàn)：戶(hù)主受教育程度、銀行網(wǎng)點(diǎn)距離等因素對(duì)農(nóng)戶(hù)信貸配給程度具有顯著影響。其中，戶(hù)主受教育程度等變量影響負(fù)向，導(dǎo)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(diǎn)距離等變量影響正向，則會(huì)導(dǎo)致遭受供給型配給和需求型配給的概率增加。

關(guān)鍵詞：農(nóng)戶(hù)；信貸配給程度；樣本選擇性；有序Probit模型

一、引言

國(guó)際經(jīng)驗(yàn)表明，大多數(shù)發(fā)展中國(guó)家農(nóng)村金融市場(chǎng)的運(yùn)行效率較為低下，農(nóng)村地區(qū)面臨嚴(yán)重的正規(guī)信貸配給，中國(guó)也不例外[1-2]。近年來(lái)，黨和政府十分重視和關(guān)心農(nóng)村金融發(fā)展問(wèn)題，2004-2015年連續(xù)十二年的中央一號(hào)文件中都對(duì)其做了詳細(xì)的闡述和說(shuō)明。隨著一系列改革和政策措施的逐步落實(shí)，中國(guó)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(fēng)險(xiǎn)的監(jiān)督管理機(jī)制開(kāi)始完善，政府干預(yù)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(guó)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(lè)觀[3-4]。對(duì)此，有學(xué)者認(rèn)為金融機(jī)構(gòu)長(zhǎng)期的資金配給不僅形成了對(duì)金融需求的直接約束，而且還會(huì)間接影響人們的行為預(yù)期和行為選擇，從而導(dǎo)致農(nóng)戶(hù)自身的信貸需求抑制，這就意味著以往中國(guó)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(shì)必難以取得預(yù)期效果。具體來(lái)說(shuō)，農(nóng)戶(hù)所面臨的信貸配給可能源于供給方金融機(jī)構(gòu)的決策和需求方農(nóng)戶(hù)的自主決策兩個(gè)方面[2]：農(nóng)戶(hù)自身決策導(dǎo)致的信貸配給稱(chēng)為需求型配給，即農(nóng)戶(hù)需要從金融機(jī)構(gòu)獲得貸款，但由于種種原因未向金融機(jī)構(gòu)申請(qǐng)貸款或者申請(qǐng)后主動(dòng)放棄，強(qiáng)調(diào)農(nóng)戶(hù)遭受信貸配給是主動(dòng)選擇的；金融機(jī)構(gòu)決策導(dǎo)致的信貸配給稱(chēng)為供給型配給，即農(nóng)戶(hù)向金融機(jī)構(gòu)申請(qǐng)貸款，但由于種種原因只獲得部分貸款甚至未獲得貸款，強(qiáng)調(diào)農(nóng)戶(hù)遭受信貸配給是被動(dòng)接受的。有研究表明，對(duì)有信貸需求的農(nóng)戶(hù)而言，農(nóng)戶(hù)面臨的信貸配給情形可以按照配給程度依次劃分為三個(gè)層次，從需求型配給、供給型配給、沒(méi)有遭受信貸配給，這三類(lèi)情形所反映的配給程度是逐步降低的[5]。本文通過(guò)考察和識(shí)別農(nóng)戶(hù)遭受信貸配給的程度及其影響因素，希望能夠引發(fā)對(duì)以往農(nóng)村金融改革思路的反思，并對(duì)未來(lái)進(jìn)一步深化農(nóng)村金融領(lǐng)域內(nèi)的改革和調(diào)整改革思路提供借鑒。

為了識(shí)別影響農(nóng)戶(hù)信貸配給(程度)的決定因素，國(guó)內(nèi)外學(xué)者開(kāi)展了大量研究。通過(guò)對(duì)相關(guān)文獻(xiàn)所采用模型的梳理，本文將之歸納為以下幾類(lèi)：

第一類(lèi)是Probit/Logit模型。程郁等采用Probit和Logit模型，以識(shí)別影響農(nóng)戶(hù)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(guān)研究雖可單獨(dú)識(shí)別不同程度信貸配給的影響因素，但沒(méi)有考慮到信貸需求的樣本選擇性問(wèn)題，導(dǎo)致估計(jì)結(jié)果容易產(chǎn)生偏誤[6]。

第二類(lèi)是多元Logit模型。根據(jù)配給類(lèi)型和程度對(duì)農(nóng)戶(hù)進(jìn)行分類(lèi)，進(jìn)而識(shí)別不同類(lèi)型或程度信貸配給的影響因素。劉西川和程恩江將農(nóng)戶(hù)分為借貸型價(jià)格配給、未借貸型價(jià)格配給、風(fēng)險(xiǎn)或交易成本配給、數(shù)量配給等，并運(yùn)用多元Logit模型進(jìn)行分析[7]。然而，多元Logit模型也存在一定問(wèn)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(shí)別不同類(lèi)型或程度信貸配給的影響因素，但同樣無(wú)法解決信貸需求的樣本選擇性問(wèn)題，導(dǎo)致估計(jì)結(jié)果容易產(chǎn)生偏誤。

第三類(lèi)是有序Logit模型。鐘春平等以農(nóng)戶(hù)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(shí)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(méi)有考慮信貸需求的樣本選擇性問(wèn)題。

第四類(lèi)是具有樣本選擇性的雙變量Probit模型(簡(jiǎn)稱(chēng)BPSS模型)。李丹和張兵構(gòu)建了關(guān)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(wèn)題，但無(wú)法比較不同程度信貸配給影響因素的差異[6]。Chaudhuri等構(gòu)建的關(guān)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(wèn)題[9-10]。

總之，上述四類(lèi)模型在用于識(shí)別農(nóng)戶(hù)不同程度信貸配給的決定因素時(shí)均存在一定缺陷。因此，需要引入新的方法和模型進(jìn)行分析。本文采用2013年在山東省和江蘇省開(kāi)展的針對(duì)農(nóng)戶(hù)信貸的專(zhuān)項(xiàng)調(diào)查數(shù)據(jù)，結(jié)合具有樣本選擇性的有序Probit模型(簡(jiǎn)稱(chēng)OPSS模型)，考察和識(shí)別農(nóng)戶(hù)遭受信貸配給的程度及其決定因素。

二、數(shù)據(jù)及來(lái)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(jì)12個(gè)城市。地域劃分參照傳統(tǒng)標(biāo)準(zhǔn)，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(tái)市；蘇北地區(qū)包括徐州市和宿遷市，蘇中地區(qū)包括揚(yáng)州市和南通市，蘇南地區(qū)包括鎮(zhèn)江市和無(wú)錫市。在上述各市中，隨機(jī)抽取6個(gè)村莊，然后從每個(gè)村莊隨機(jī)選取20～30個(gè)左右的農(nóng)戶(hù)，一共調(diào)查了1 800戶(hù)。剔除無(wú)效樣本后，最終獲得有效樣本1 773個(gè)。收集了樣本農(nóng)戶(hù)家庭人口特征、收入支出、生產(chǎn)經(jīng)營(yíng)活動(dòng)、信貸活動(dòng)和所處村莊基本情況的詳細(xì)資料，匯總信息見(jiàn)表1。

由表1可知，樣本農(nóng)戶(hù)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(hù)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(hù)中，66.92%的農(nóng)戶(hù)遭受信貸配給，具有一定的省際差異，但地域間差異相對(duì)較小(僅魯西地區(qū)相對(duì)較低)；在遭受信貸配給的農(nóng)戶(hù)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(jiàn)，中國(guó)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(jìn)一步加深了農(nóng)戶(hù)遭受信貸配給的程度。

表1　農(nóng)戶(hù)分類(lèi)信息匯總表　單位： 戶(hù)

三、模型構(gòu)建與變量選取

(一)OPSS模型

為了識(shí)別農(nóng)戶(hù)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(jiǎn)稱(chēng)OPSS模型)進(jìn)行分析。該OPSS模型的優(yōu)勢(shì)在于：第一，可以解決信貸需求的樣本選擇問(wèn)題，進(jìn)而解決由此引致的估計(jì)偏誤問(wèn)題；第二，研究者可以通過(guò)兩個(gè)估計(jì)方程誤差項(xiàng)的相關(guān)系數(shù)來(lái)考察信貸需求和信貸配給程度之間的相互關(guān)系，并能有效克服不可觀測(cè)因素對(duì)估計(jì)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(hù)信貸需求意愿的潛變量，LD表示實(shí)際觀測(cè)到的農(nóng)戶(hù)是否具有信貸需求的二值變量；方程(2)中LC*表示農(nóng)戶(hù)信貸配給程度的潛變量，LC表示實(shí)際觀測(cè)到的農(nóng)戶(hù)信貸配給程度的多值有序變量，c1和c2為臨界點(diǎn)，LC=0表示沒(méi)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(xiàng)；X1和X2表示所對(duì)應(yīng)方程的外生解釋變量，β1和β2表示待估計(jì)參數(shù)，為了保證模型的可識(shí)別性，聯(lián)立方程模型(1～2)中的解釋變量(X1,X2)需要滿(mǎn)足X2?X1，即兩變量之間并不完全相同；ε1和ε2表示所對(duì)應(yīng)方程的隨機(jī)誤差項(xiàng)，每個(gè)方程的誤差項(xiàng)分別與X1和X2正交，并有(ε1,ε2)～N(0,0;1,1;ρ12)，相關(guān)系數(shù)為ρ12。

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

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

(3)

此時(shí)，方程(3)僅納入具有信貸需求的農(nóng)戶(hù)，進(jìn)而直接對(duì)信貸配給程度進(jìn)行分析，沒(méi)有考慮信貸需求的樣本選擇性問(wèn)題，因此，估計(jì)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(jì)步驟可參見(jiàn)張兵等人的研究[12]。

(二)變量選取

1.因變量。一是農(nóng)戶(hù)是否具有信貸需求。在總樣本中，農(nóng)戶(hù)分為兩種情形，要么有信貸需求，要么沒(méi)有信貸需求。此時(shí)，構(gòu)建農(nóng)戶(hù)是否具有信貸需求的虛擬變量LD，當(dāng)LD=1時(shí)表示農(nóng)戶(hù)具有信貸需求，若無(wú)需求則賦值為0。二是農(nóng)戶(hù)遭受信貸配給程度。在具有信貸需求的農(nóng)戶(hù)子樣本中，農(nóng)戶(hù)依據(jù)信貸配給程度由低到高依次分為三類(lèi)，沒(méi)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(shí)，構(gòu)建農(nóng)戶(hù)信貸配給程度的變量LC，很顯然，LC只有在LD=1時(shí)才可以被觀測(cè)到。具體見(jiàn)表2。

表2　主要變量及說(shuō)明

2.自變量。參照已有研究，本文引入農(nóng)戶(hù)家庭基本特征、經(jīng)濟(jì)特征、金融環(huán)境和地理特征等相關(guān)變量。家庭基本特征，引入戶(hù)主年齡、戶(hù)主受教育程度、勞動(dòng)力數(shù)量、人口負(fù)擔(dān)率等變量。經(jīng)濟(jì)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(yíng)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(guò)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(diǎn)距離等變量。地理特征，以魯東地區(qū)為基準(zhǔn)，引入位于魯西、魯中、蘇北、蘇中和蘇南地區(qū)等5個(gè)虛擬變量，以控制地域間差異的影響。

3.識(shí)別變量。為保證模型的可識(shí)別性，選擇方程至少需要包括一個(gè)滿(mǎn)足排他性條件的解釋變量，該變量影響農(nóng)戶(hù)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(dòng)力數(shù)量”和“人口負(fù)擔(dān)率”作為選擇方程的識(shí)別變量。

4.穩(wěn)健變量。本文在穩(wěn)健性檢驗(yàn)中引入“黨員干部戶(hù)”、“從事自營(yíng)工商業(yè)”和“到銀行網(wǎng)點(diǎn)時(shí)間”三個(gè)變量。表2給出了模型主要變量及說(shuō)明。

四、實(shí)證結(jié)果與進(jìn)一步分析

(一)實(shí)證結(jié)果

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

表3　OPSS模型的估計(jì)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(jì)水平上顯著；[]內(nèi)數(shù)值表示對(duì)應(yīng)標(biāo)準(zhǔn)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(xiàng)的相關(guān)系數(shù)，它在5%的顯著性水平上拒絕了上述兩個(gè)決策行為相互獨(dú)立的原假設(shè)，說(shuō)明兩個(gè)決策行為之間是相互影響的。此外，ρ12顯著為負(fù)，說(shuō)明樣本選擇性問(wèn)題確實(shí)是存在的，進(jìn)一步表明本文采用OPSS模型的價(jià)值。同時(shí)，在兩個(gè)識(shí)別變量中人口負(fù)擔(dān)率的影響是顯著的，表明聯(lián)立方程模型是可識(shí)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(hào)方面給出有限的信息。因此，對(duì)表3中各個(gè)解釋變量的系數(shù)進(jìn)一步計(jì)算，得到對(duì)應(yīng)的農(nóng)戶(hù)信貸配給程度的邊際效應(yīng)。根據(jù)張兵等的思路，在有序Probit模型中計(jì)算變量邊際效應(yīng)的公式如下[12]：

(4)

其中，F(xiàn)′表示F的導(dǎo)數(shù)，且括號(hào)中的項(xiàng)可正可負(fù)。

1.信貸需求的決定因素。由表3可知：人口負(fù)擔(dān)率、家庭經(jīng)營(yíng)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(jì)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(fù)向，且分別在5%或10%的統(tǒng)計(jì)水平上顯著。戶(hù)主年齡、戶(hù)主受教育程度、勞動(dòng)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(diǎn)是遭受不同程度信貸配給的決定分析，本文不再對(duì)信貸需求的決定因素展開(kāi)進(jìn)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(hù)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(guò)正規(guī)渠道貸款、銀行網(wǎng)點(diǎn)距離等變量影響顯著。具體來(lái)講：

在家庭基本特征方面。戶(hù)主受教育程度的影響為負(fù)且在10%水平上顯著。由邊際效應(yīng)來(lái)看，戶(hù)主受教育程度每增加1個(gè)單位，沒(méi)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(jì)特征方面。上年家庭純收入的影響為負(fù)且在5%水平上顯著，說(shuō)明上年家庭純收入每增加1個(gè)單位，沒(méi)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(fù)且在10%水平上顯著，說(shuō)明上年固定資產(chǎn)原值每增加1個(gè)單位，沒(méi)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(shuō)明農(nóng)戶(hù)有重大事件支出時(shí)，沒(méi)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(guò)正規(guī)渠道貸款的影響為負(fù)且在1%水平上顯著。說(shuō)明沒(méi)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(diǎn)距離影響為正且在10%水平上顯著。銀行網(wǎng)點(diǎn)距離每增加1個(gè)單位，沒(méi)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(hù)位于魯西地區(qū)，沒(méi)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(hù)沒(méi)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(hù)，沒(méi)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(hù)信貸需求因素的個(gè)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(jī)構(gòu)容易獲取的“硬信息”。除地域因素外，只有戶(hù)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(guò)正規(guī)渠道貸款和銀行網(wǎng)點(diǎn)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(hù)信貸配給程度的因素中，獲得過(guò)正規(guī)渠道貸款的影響最為重要(無(wú)論是系數(shù)絕對(duì)值大小還是顯著性水平上)，由此表明農(nóng)戶(hù)和金融機(jī)構(gòu)之間已經(jīng)固化形成了一種以穩(wěn)定的重復(fù)貸款為基礎(chǔ)的信貸配給機(jī)制。

(二)進(jìn)一步分析

1.模型比較。為檢驗(yàn)OPSS模型的合理性，本文還采用有序Probit模型進(jìn)行分析，此時(shí)樣本數(shù)變?yōu)?92。在與OPSS模型中信貸配給程度方程的估計(jì)結(jié)果進(jìn)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(fù)向10%水平上顯著變?yōu)樨?fù)向不顯著；就顯著性水平而言，戶(hù)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(shuō)明若僅采用有序Probit模型，既無(wú)法控制樣本選擇性引致的估計(jì)偏誤，也無(wú)法考慮不可觀測(cè)因素的影響，進(jìn)一步說(shuō)明本文采用OPSS是有必要和有價(jià)值的。

2.穩(wěn)健性檢驗(yàn)。穩(wěn)健性檢驗(yàn)一：排除極端值的影響，將農(nóng)戶(hù)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(jì)結(jié)果、誤差項(xiàng)相關(guān)系數(shù)以及相關(guān)檢驗(yàn)結(jié)果與基準(zhǔn)回歸結(jié)果(表3)相比并未發(fā)生較大改變，這說(shuō)明估計(jì)結(jié)果是穩(wěn)健的。

穩(wěn)健性檢驗(yàn)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(zhǔn)回歸中未考慮到的其他因素，具體涉及黨員干部戶(hù)、從事自營(yíng)工商業(yè)和到銀行網(wǎng)點(diǎn)時(shí)間等幾個(gè)變量。增加黨員干部戶(hù)這一控制變量的目的是考察農(nóng)戶(hù)社會(huì)地位對(duì)信貸配給程度的影響；用是否自營(yíng)工商業(yè)替換非農(nóng)收入占比，意在考察農(nóng)戶(hù)非農(nóng)化經(jīng)營(yíng)收入達(dá)到一定規(guī)模的情況下對(duì)信貸配給的影響；用到銀行網(wǎng)點(diǎn)時(shí)間變量替換原有的銀行網(wǎng)點(diǎn)距離變量，是考慮這兩個(gè)變量均是描述農(nóng)戶(hù)獲取貸款便利程度的因素。從穩(wěn)健性檢驗(yàn)的結(jié)果來(lái)看，估計(jì)結(jié)果、誤差項(xiàng)相關(guān)系數(shù)以及相關(guān)檢驗(yàn)結(jié)果與基準(zhǔn)回歸結(jié)果(表3)相比并未發(fā)生較大改變，說(shuō)明估計(jì)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(hù)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(hù)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(jì)偏誤問(wèn)題。

研究結(jié)果表明：戶(hù)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(guò)正規(guī)渠道貸款、銀行網(wǎng)點(diǎn)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(hù)主年齡、上年非農(nóng)收入比重、家庭經(jīng)營(yíng)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(duì)需求型配給和供給型配給的影響存在差異，對(duì)需求型配給的影響或者明顯大于供給型配給(戶(hù)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(guò)正規(guī)渠道貸款和位于蘇北地區(qū))，很少有變量對(duì)二者的影響較為接近(銀行網(wǎng)點(diǎn)距離)。

通過(guò)本文的研究結(jié)論可以發(fā)現(xiàn)當(dāng)前農(nóng)村金融改革雖然取得一定成效，農(nóng)戶(hù)的信貸可得性得到較大改善，但農(nóng)戶(hù)仍然遭受普遍的信貸配給，并且從金融機(jī)構(gòu)的信貸配給轉(zhuǎn)移到農(nóng)戶(hù)自身的需求抑制上面，信貸配給程度反而進(jìn)一步增加。要切實(shí)解決中國(guó)農(nóng)戶(hù)信貸配給問(wèn)題，建議如下：大力支持通過(guò)信貸制度的創(chuàng)新來(lái)解決農(nóng)村金融交易成本較高和信息不對(duì)稱(chēng)的問(wèn)題，破除農(nóng)戶(hù)遭受信貸配給的制度性根源，有效緩解長(zhǎng)期制度約束下農(nóng)戶(hù)的自身信貸需求抑制；出臺(tái)相關(guān)政策措施，尤其是貨幣政策、財(cái)稅政策以及市場(chǎng)準(zhǔn)入政策等，合理引導(dǎo)農(nóng)村正規(guī)金融機(jī)構(gòu)和組織增加信貸資金供給；放寬農(nóng)村金融機(jī)構(gòu)的準(zhǔn)入機(jī)制，鼓勵(lì)更多的正規(guī)金融機(jī)構(gòu)和組織進(jìn)入農(nóng)村金融市場(chǎng)，尤其是對(duì)金融服務(wù)和基礎(chǔ)設(shè)施不完善不充分的地區(qū)進(jìn)行重點(diǎn)建設(shè)，充分發(fā)揮農(nóng)村正規(guī)金融機(jī)構(gòu)和組織的主導(dǎo)作用。

參考文獻(xiàn)：

[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(lái)自1874戶(hù)農(nóng)戶(hù)金融需求行為考察[J].世界經(jīng)濟(jì)，2009(5).

[3]沈紅麗.農(nóng)戶(hù)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(gòu)視角[J].統(tǒng)計(jì)與信息論壇，2016，31(1).

[4]李成友，李慶海，李銳，張勇菊.農(nóng)戶(hù)信貸配給程度及其對(duì)家庭消費(fèi)行為的研究[J].當(dāng)代經(jīng)濟(jì)研究，2014(7).

[5]馬九杰，吳本健.利率浮動(dòng)政策、差別定價(jià)策略與金融機(jī)構(gòu)對(duì)農(nóng)戶(hù)的信貸配給[J].金融研究，2012(4).

[6]李丹，張兵.社會(huì)資本能持續(xù)緩解農(nóng)戶(hù)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(hù)的正規(guī)信貸約束：基于配給機(jī)制的經(jīng)驗(yàn)考察[J].中國(guó)農(nóng)村經(jīng)濟(jì)，2009(6).

[8]鐘春平，孫煥民，徐長(zhǎng)生.信貸約束、信貸需求與農(nóng)戶(hù)借貸行為：安徽的實(shí)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(dòng)接受還是主動(dòng)選擇——基于江蘇1202戶(hù)農(nóng)村家庭的調(diào)查[J].經(jīng)濟(jì)科學(xué)，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(jì)學(xué)視角下農(nóng)戶(hù)借貸匹配決定因素的實(shí)證分析[J].經(jīng)濟(jì)科學(xué)，2014(4).

(責(zé)任編輯：張愛(ài)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(fù)日期：2016-03-02

基金項(xiàng)目：教育部人文社會(huì)科學(xué)研究青年項(xiàng)目《農(nóng)戶(hù)信貸違約及履約激勵(lì)機(jī)制研究：以蘇魯?shù)貐^(qū)為例》(14YJC790067)；國(guó)家自然科學(xué)基金青年項(xiàng)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(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目《農(nóng)村金融體系建設(shè)管理研究》(71133001)

作者簡(jiǎn)介：李成友，男，山東聊城人，經(jīng)濟(jì)學(xué)博士，講師，研究方向：農(nóng)村金融和計(jì)量經(jīng)濟(jì)分析；

中圖分類(lèi)號(hào)：F832.4

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1007-3116(2016)06-0106-06

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

【統(tǒng)計(jì)調(diào)查與分析】