陳穎瑛， 杜雪鋒

(1.浙江經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院，浙江杭州 310016； 2.四川農(nóng)業(yè)大學(xué)旅游學(xué)院，四川都江堰 611830)

農(nóng)業(yè)為我國的基礎(chǔ)產(chǎn)業(yè)，隨著改革開放和進城務(wù)工人員的不斷增加，農(nóng)業(yè)就業(yè)人口持續(xù)增長，但農(nóng)戶的經(jīng)濟收入持續(xù)降低。農(nóng)地除了可以幫助農(nóng)民獲取農(nóng)業(yè)所得之外，農(nóng)地的財產(chǎn)價值也是為其實現(xiàn)增收的方式之一。農(nóng)業(yè)發(fā)展具有生產(chǎn)、生活、生態(tài)“三生”功能，而農(nóng)業(yè)為全民之農(nóng)業(yè)，無論現(xiàn)代農(nóng)業(yè)或傳統(tǒng)型農(nóng)業(yè)都需要資金的投入，因此農(nóng)戶也須要向金融機構(gòu)進行借貸，但受制于有限的抵押物、不穩(wěn)定的工作和收入等條件，農(nóng)戶融資相對困難，銀行的授信比率整體偏低[1-3]。銀行的主要業(yè)務(wù)和主要收益來源之一便是授信業(yè)務(wù)。授信質(zhì)量對銀行的整體運營有一定的影響[4-5]。面對高度的競爭壓力，銀行為了避免呆賬的存在，對客戶的授信要求逐漸提高，進而形成了一套客觀的授信評價體系，針對客戶的特征因素進行評估，從而降低授信的風(fēng)險，對于廣大農(nóng)戶來說，為了提升融資效率，獲得盡可能高的授信比率，須要了解個人因素對貸款可獲性的影響，學(xué)者在這些方面也進行了大量的研究，分析農(nóng)戶的各個特征對授信比率的影響[6-7]。隨著城鄉(xiāng)一體化的不斷推進，農(nóng)戶之間的財富差距不斷擴大，而究竟農(nóng)戶的財富差距因素對農(nóng)戶貸款的可獲性是否產(chǎn)生影響，學(xué)者在此方面并無深入研究，因此，基于貧富差距視角，以中國家庭追蹤調(diào)查(CFPS)2016年的數(shù)據(jù)為研究對象，通過研究農(nóng)戶的家庭財富差距對貸款可獲性即貸款授信比率的影響，發(fā)掘內(nèi)在的影響機制，從而給出針對性的對策建議，提升農(nóng)戶的授信比率，促進農(nóng)業(yè)金融的健康快速發(fā)展。

1 農(nóng)戶貸款可獲性(銀行授信)的文獻綜述

1.1 授信的概念及內(nèi)涵

授信是指銀行對于顧客授予信用并承擔(dān)風(fēng)險的業(yè)務(wù)。銀行為資金供需者的橋梁，通過授信功能可促成企業(yè)資本的形成[8]，銀行可通過創(chuàng)造信用功能，轉(zhuǎn)貸于資金需求者，所以銀行授予信用的形態(tài)主要有2種。一是銀行將其所有的資金以貸款的形式提供給資金需求者，并以利息為主要盈利來源，即銀行資金以放款、透支、貼現(xiàn)等方式貸給企業(yè)或個人，此種類型多為直接授信(direct financial)。一是銀行利用其特有的信用創(chuàng)造功能為客戶辦理保證、匯票承兌、簽發(fā)信用等以賺取保證費、承兌費、簽證費等，此種為間接授信(indirect financial)。這2種形態(tài)的授信從表面上雖有區(qū)別，但如果從承擔(dān)風(fēng)險的角度來看則無太大差異。即只要銀行涉獵資金的借貸或提供信用服務(wù)，則風(fēng)險便有可能發(fā)證。資金貸的風(fēng)險為資金的損失，所以無論辦理直接授信還是間接授信的人員，除須對相關(guān)的業(yè)務(wù)法規(guī)有嫻熟了解外，還須對授信業(yè)務(wù)有深刻體會，方能為服務(wù)銀行賺取收益并確保債權(quán)安全。

1.2 銀行授信的型態(tài)

將銀行辦理授信業(yè)務(wù)類別分為直接授信和間接授信兩大類[9]。

1.2.1 直接授信 直接授信是指銀行以有形資金貸放于資金需求者并定期收取利息收益的授信方式。由于該類授信大多與貨幣有關(guān)，所以又稱為金融信用，如放款、透支等均屬于直接授信。

1.2.2 間接授信 間接授信是指銀行以保證人資格擔(dān)?；虮ＷC付款方式并收取相關(guān)服務(wù)的手續(xù)費，代替利息收益而達成授信。因該業(yè)務(wù)與貨幣無直接關(guān)系，所以又稱為非金融信用。如商業(yè)票據(jù)的保證及承兌、開發(fā)信用業(yè)務(wù)及其他間接授信業(yè)務(wù)。銀行雖與一般企業(yè)相同，以營利為目的，但不同于一般企業(yè)以商品制造為主，銀行業(yè)以服務(wù)為銷售主體；上述2種授信方式在風(fēng)險承擔(dān)上并無顯著差異，一旦授信客戶無法正常履約時，貸放銀行都將受到債權(quán)損失。因此，無論采用哪種授信方式辦理，其業(yè)務(wù)審查過程均應(yīng)保持謹(jǐn)慎態(tài)度應(yīng)對各種整體經(jīng)濟的變化，方能確保貸放債權(quán)的安全性并獲得真實利益。

1.3 銀行授信的信用評估體系

放款業(yè)務(wù)一直是銀行在資金運用上最主要的方式之一，而放款利息收入則是銀行收入最重要的部分，因此為了確保授信案件的質(zhì)量，征信、授信的確定是放貸之前必須要進行的步驟。但這些決策多依賴授信辦理人員及主管的經(jīng)驗，決策的主觀性程度較高。在授信環(huán)節(jié)中，對借款人進行信用評估從而提高放款質(zhì)量，保障銀行利益是非常重要的。如果對借款人的信用評估有所偏差，會對銀行的債權(quán)產(chǎn)生一定的影響，進而損害銀行的收益，因此為確保銀行債權(quán)，消費者貸款授信評估作業(yè)應(yīng)依循系列授信原則[10]。

1.3.1 “5C”理論 美國銀行家William Post及Edward Gee基于品格、能力和資本的信用三要素理論提出了“5C”理論，增加了擔(dān)保品和業(yè)務(wù)狀況2項因素。第一，品格(character)。品格指申貸者的品行、人格特質(zhì)及履行債務(wù)的誠意與意愿。第二，能力(capacity)。申貸者的付款能力包括所得、現(xiàn)金流量及轉(zhuǎn)換工作的能力。第三，資本(capital)。資本是指申貸者的財務(wù)狀況，如編制個人資產(chǎn)負(fù)債表。第四，擔(dān)保品(collateral)。涉及擔(dān)保品的類型、性質(zhì)、價值和變現(xiàn)能力，擔(dān)保品雖無助于提升申貸者的信用，但可以減輕放款損失。第五，業(yè)務(wù)狀況(condition)。業(yè)務(wù)狀況是指其他相關(guān)授信因素，如總體經(jīng)濟、社會、政治環(huán)境的變遷等。

1.3.2 “5P”理論 “5P”理論由Duong等提出，以放款決策的信用評估立場目前廣為銀行界所采用，其主要內(nèi)容包括以下幾點[11]：第一，借款戶(people)。對借款戶的評估可由其品格、責(zé)任感，事業(yè)經(jīng)營成果及其與銀行往來情形等特性來分析。第二，資金用途(purpose)。考慮授信案是否健全，不但要從借款者提供的擔(dān)保品入手，還須要考慮其借款的使用計劃是否合理、合法、合情。如果無具體的資金使用方案，則很容易催生風(fēng)險。第三，還款來源(payment)。還款來源對授信的債權(quán)本利回收至關(guān)重要，對確保授信債權(quán)不致延滯有積極的作用。第四，債權(quán)保障(protection)。債權(quán)保障可分為內(nèi)部保障和外部保障。如果銀行在如財務(wù)結(jié)構(gòu)、提供擔(dān)保品的方式上與借款人產(chǎn)生直接關(guān)系，則為內(nèi)部保障；反之則為外部保障。第五，授信展望(perspective)。授信展望包括授信人員在從事授信業(yè)務(wù)時對于申貸者事業(yè)展望、未來信用風(fēng)險暨獲利潛力的評估等。

銀行征信或授信審查人員在辦理消費者小額信用貸款審查時，除了須要考慮上述征信“5C”或“5P”外，基于消費者小額信用貸款的特性，還必須特別注意對以下幾點進行評估：第一，償債能力。申貸者的償債能力應(yīng)包括申貸者本身所得來源、所得水平及持續(xù)性負(fù)債金額所作的綜合考慮。通常消費者小額信用貸款本身不具備自償性，因此貸款本息必須依賴申貸者經(jīng)常性收入或其他收入來應(yīng)付，有些申貸者只考慮滿足目前的消費欲望，未考慮日后的償還能力，所以消費者小額信用貸款的首重任務(wù)就是考慮申貸戶的償債能力。第二，穩(wěn)定性。針對申貸者的職業(yè)特性、在職期間以及個人特質(zhì)，如付款習(xí)慣、持有資產(chǎn)等所作的考慮。消費者小額信用貸款通常對固定薪資收入者采取較開放的態(tài)度，因為其在未來的時期內(nèi)有穩(wěn)定可靠的收入；對于自營企業(yè)或依賴傭金、獎金收入者如承包商、業(yè)務(wù)員，因未來的收入具有不穩(wěn)定性和不確定性，銀行信用風(fēng)險相對無法掌握。第三，還款意愿。指申貸者是否具有運用所得以償還借款的意愿，通常以往的還款情況可以作為參考指標(biāo)。由于消費者小額信用貸款金額相對企業(yè)融資較小，所以個案催收成本高，導(dǎo)致部分申貸戶心存僥幸，雖有能力償還卻借故搬遷或通過其他理由拖欠不還。因此，銀行承作消費者小額信用貸款必須了解申貸戶是否有償還意愿，以降低授信風(fēng)險。

1.4 農(nóng)戶銀行授信的文獻研究

劉成玉等以問卷調(diào)查形式調(diào)查農(nóng)戶對授信業(yè)務(wù)認(rèn)知的研究，并篩選出授信時可能的影響因素，結(jié)果表明共有5項認(rèn)知差異顯著不同，且都會影響授信過程[12]。曾康霖以國內(nèi)某農(nóng)村商業(yè)銀的中部分行授信樣本進行授信質(zhì)量研究發(fā)現(xiàn)，貸款期限、貸款利率、產(chǎn)業(yè)特性、借款用途與授信核貸階層等因素對授信質(zhì)量有顯著影響。另外，該研究也指出農(nóng)戶的財務(wù)及抵押品特征對授信成功率有顯著影響[13]。葉敬忠等以全國農(nóng)村金融機構(gòu)新增純信用放款為樣本，探討我國金融機構(gòu)在承擔(dān)農(nóng)戶無擔(dān)保授信放款時對不同類型客戶間的訂價是否存有差異[14]。童馨樂等以國內(nèi)某農(nóng)村商業(yè)銀行辦理的200份企業(yè)貸款案例為研究對象，采用回歸探討影響商業(yè)銀行授信決策的因素發(fā)現(xiàn)，財產(chǎn)狀況、土地面積等4個變量最顯著，同時模型的整體正確率達92%[15]。黃祖輝等以個案銀行的農(nóng)戶貸款進行實證分析，取得300份樣本資料，通過樣本交叉分析比對，從授信評估因素中找出影響授信的顯著變量，再通過Logistic回歸分析模式萃取影響授信質(zhì)量的關(guān)鍵變量，并依其重要性排序。此研究結(jié)果可作為個案銀行及征信、授信人員辦理授信評估因素時的參考，以降低農(nóng)戶授信違約風(fēng)險，提高授信質(zhì)量，達到有效風(fēng)險控管的效果[16]。黃勇在金融機構(gòu)對銀行放款的研究中運用多元回歸分析，選取6個變量進入回歸模型發(fā)現(xiàn)，整體而言區(qū)別效果不佳[17]。劉西川等采用逐步Logistic回歸模式(logistic regression，簡稱LR模式)獲取模型所需的顯著變量，如農(nóng)戶年齡、土地面積、月收入、貸款次數(shù)、貸款時間等，使用該模型對原始樣本進行分析，正確率約為70%，如果考慮被拒者，則正確率又有5%的提升[18]。周宗安選擇個體農(nóng)戶貸款者作為研究對象，利用均數(shù)差異檢定萃取出包括教育程度、土地財產(chǎn)、定期存款、每月結(jié)余等6個具有顯著差異的變量，并發(fā)現(xiàn)此區(qū)別模式的預(yù)測能力為68.4%[19]。童馨樂等針對各種信用風(fēng)險因素建立有效區(qū)別函數(shù)，其變量的重要性程度分別為教育程度、金融機構(gòu)存款余額、農(nóng)戶年齡、土地財產(chǎn)等[20]。

綜上可見，學(xué)者對農(nóng)戶貸款可獲性的各種模型進行了大量的研究，通過各種回歸模型分析出影響農(nóng)戶銀行授信的關(guān)鍵因素，也都提到了農(nóng)戶的財產(chǎn)狀況對農(nóng)戶銀行授信的顯著性影響，但鮮有學(xué)者從農(nóng)戶的貧富差距視角研究對農(nóng)戶貸款可獲性的影響程度，因此，本試驗以農(nóng)戶的家庭財富收入為研究對象，實證分析農(nóng)戶的財富差距對貸款可獲性的影響程度，同時給出對應(yīng)的政策建議，以期提升農(nóng)戶的貸款可獲性并完善農(nóng)村金融制度。

2 研究方法

2.1 研究模型

本研究在已有文獻的基礎(chǔ)上，結(jié)合農(nóng)戶家庭財富等關(guān)鍵因素構(gòu)建如下的貸款授信比率(貸款可獲性)的計量模型：

yt=α+β×AFt+γ×ACt+φ×ATt+λ×xt+εt。

(1)

式中：t表示年份；y表示貸款授信比率，即貸款可獲性；AF表示農(nóng)戶年均家庭存款；AC表示農(nóng)戶年均消費；AT表示農(nóng)戶年均收入；x表示影響貸款授信比率的其他背景控制變量；ε表示隨機誤差項，α是截距，β、γ、φ、λ是對應(yīng)的系數(shù)。

核心解釋變量：第一，AF表示農(nóng)戶的年均存款，存款包含個人銀行的現(xiàn)金存款及理財投資等，該變量以家庭為統(tǒng)計單位，參考家庭人均存款數(shù)據(jù)進行選取。第二，AC表示農(nóng)戶的年均消費，主要參考農(nóng)戶通過銀聯(lián)等消費渠道1年的消費金額，該變量也以家庭為統(tǒng)計單位，計算農(nóng)戶家庭的人均年消費。第三，AT表示農(nóng)化的年均收入，包含土地種植收入及其他務(wù)工收入，該變量也以家庭為統(tǒng)計單位，計算農(nóng)戶家庭的年均收入。

其他背景控制變量：第一，農(nóng)戶的性別，即按照貸款人的性別男、女來統(tǒng)計。第二，農(nóng)戶的年齡，即貸款人的實際年齡，以身份證信息為準(zhǔn)。第三，農(nóng)戶的文化程度，依次為文盲、小學(xué)、初中、高中、大學(xué)及以上等進行統(tǒng)計。第四，健康狀況，按照是否有大病或住院手術(shù)分為身體健康狀況很好、較好、一般，很差。第五，婚姻情況，貸款人已婚或未婚。

考慮到實證結(jié)果的穩(wěn)健性，本研究對核心解釋變量還進行了信度分析，所謂的信度分析主要參考古典測量主要的原理，建立在測驗分?jǐn)?shù)的變異理論上，對于某個變量的測量分?jǐn)?shù)必定是落在一定范圍之內(nèi)，因此可以得到該變量的離散程度，即變異數(shù)。這些分?jǐn)?shù)的變異主要由2個因素組成，一是真實分?jǐn)?shù)的變異以及因為隨機誤差(random error)產(chǎn)生的變異。誤差(E)是指觀察分?jǐn)?shù)(O)與真實分?jǐn)?shù)(T)之間的差距，誤差的來源可分為系統(tǒng)性誤差(systematic)和非系統(tǒng)性誤差或隨機性誤差(random errors)。系統(tǒng)性誤差又可分為恒定誤差(constant)與偏誤(bias)2種。對所有受測者都有影響的誤差為恒定誤差，只對某些人會產(chǎn)生影響的誤差為偏誤，至于隨機誤差則是隨機產(chǎn)生的[21]。

最常被用來說明測量分?jǐn)?shù)信度的是心理學(xué)家所發(fā)展的真實分?jǐn)?shù)理論信度模式。假設(shè)在衡量變量時，得到觀察值x0，而受測者的真實分?jǐn)?shù)為xt，如果兩者不相等，則有誤差，為xe。三者的關(guān)系如下：

x0=xt+xe。

(2)

xe滿足以下假設(shè)：(1)E(xe)=0；(2)xt與xe相互獨立，其相關(guān)系數(shù)為0，其中E()為誤差函數(shù)。

綜上假設(shè)得：

E(x0)=E(xt)；

(3)

式中：σ為方差函數(shù)。

(4)

則信度可表示為：

(5)

一般而言，可以將信度指標(biāo)(index)與系數(shù)(coefficient)歸類為三大類型：穩(wěn)定性(stability)、等值性(equivalence)、內(nèi)部一致性(internal consistency)。穩(wěn)定性是指同一測量工具對相同受測者重復(fù)施測結(jié)果相同；等值性(equivalence)是指不同調(diào)查者將同一方法應(yīng)用在不同情境得到等值結(jié)果；內(nèi)部一致性(internal consistency)是指許多問項(或測量題目)測量的結(jié)果指向同一現(xiàn)象或面向。

對于量表內(nèi)部一致性的評估方法有很多，本研究主要采用Cronbach’sα系數(shù)。在驗證題目間一致性并決定信度指標(biāo)方面多使用Cronbach’sα系數(shù)。隨著分量表中題目領(lǐng)域的接近，彼此間的一致性也逐漸提高。理論上，Cronbach’sα系數(shù)越接近1，則信度越高。用Cronbach’sα的系數(shù)計算出內(nèi)部一致性后，可以采用刪除某一項目后再看是否增加原來的信度。通過對比項目分?jǐn)?shù)和總分間的相關(guān)性，不具備信度的項目項得以刪除。

2.2 研究對象及數(shù)據(jù)來源

本試驗的研究對象為全國各省(市、區(qū))所轄的行政村的農(nóng)戶，數(shù)據(jù)來源于2016年中國家庭追蹤調(diào)查(CFPS)的農(nóng)戶調(diào)查數(shù)據(jù)，數(shù)據(jù)由北京大學(xué)社會科學(xué)調(diào)查中心以中國家庭為單位進行調(diào)查所得，通過實地走訪的方式利用多階段分層次的抽樣分析統(tǒng)計方法進行數(shù)據(jù)處理。該統(tǒng)計2年1個周期，主要反映農(nóng)戶的詳細家庭數(shù)據(jù)，包含農(nóng)戶的主要家庭生活、經(jīng)濟活動等。研究對象和研究內(nèi)容與本試驗的研究內(nèi)容相符，因此適用于本試驗的研究。通過對上述數(shù)據(jù)進行整理，得到全國26個省(市、區(qū))160個縣(市、區(qū))430個行政村的8 653戶農(nóng)村家庭樣本為本試驗的有效研究樣本。

2.3 數(shù)據(jù)分析與處理

針對以上獲得的數(shù)據(jù)，實證分析農(nóng)戶家庭財富對貸款授信比率(貸款可獲性)的影響，利用SPSS 19.0和AMOS 20.0進行數(shù)據(jù)分析，并通過信度檢驗分析獲得研究變量的有效性。

3 實證結(jié)果與分析

3.1 樣本解釋變量的數(shù)據(jù)描述性統(tǒng)計分析

樣本的解釋變量數(shù)據(jù)包括核心變量如年均存款、年均收入、年均消費以及背景變量如性別、年齡、教育程度、婚姻狀況等(表1)。

由表1可知，在性別比例方面，數(shù)據(jù)樣本中男性比例占據(jù)62%，女性占比為38%，性別占比方面，男性高于女性。從年齡角度出發(fā)，25歲及以下的占樣本數(shù)量的6%，26～35歲的樣本數(shù)占27%，36～45歲的樣本數(shù)占39%，45歲以上的受訪者占28%，其中36～45歲的中青年農(nóng)戶比例最高。從教育角度出發(fā)，文盲占比最低，僅為5%； 其次為大學(xué)及以上的比例7%；最多的集中在初中教育層次上，為38%；另外，高中層次教育比例為29%；小學(xué)教育層次比例為21%?；橐鰻顩r方面顯示，已婚者占據(jù)絕大多數(shù)，為90%，未婚者的樣本比例僅為10%。

表1 樣本數(shù)據(jù)背景變量統(tǒng)計

注：數(shù)據(jù)根據(jù)整理所得。表2、表3、表4同。

由表2可知，農(nóng)戶人均年存款、年消費、年收入的均值分別為2.783萬、1.235萬、3.756萬元，標(biāo)準(zhǔn)差分別為2.363萬、1.132萬、3.286萬元，標(biāo)準(zhǔn)差的比例相對較高，說明樣本數(shù)據(jù)的分散性和差異性較大。

表2 樣本數(shù)據(jù)核心變量統(tǒng)計

3.2 樣本解釋變量的信度分析

Cronbach’s α信賴系數(shù)是本研究的信度指標(biāo)。據(jù)Nunnally的信度準(zhǔn)則可知：當(dāng)α<0.35時，信度較低；α取值在0.35～0.7時，信度為中；當(dāng)α>0.7時，則表示信度較高。但也有學(xué)者認(rèn)為，只要α>0.6即可認(rèn)為變量的信度處于可接受范圍內(nèi)。由表3、表4可知，樣本背景變量和核心變量均處于中、高信度，其中性別、年齡、婚姻狀況為中信度，教育程度、農(nóng)戶年存款、農(nóng)戶年消費、農(nóng)戶年收入為高信度。

表3 樣本背景變量的信度分析

表4 樣本核心變量的信度分析

3.3 樣本解釋變量對授信比率(貸款可獲性)的影響

皮爾森相關(guān)系數(shù)(pearson correlation coefficient)顯示了變量間相關(guān)性的強度及影響方向(正或負(fù)向)。本研究采用SPSS軟件對樣本數(shù)據(jù)解釋變量與貸款可獲性(授信比率)的被解釋變量進行統(tǒng)計分析，解釋變量分為背景變量和核心變量(表5)。

表5 樣本數(shù)據(jù)背景變量與貸款可獲性的相關(guān)程度

注：*、**、***分別表示在0.01、0.05、0.10水平差異顯著。表6同。

3.3.1 背景變量對農(nóng)戶貸款可獲性(授信比率)的影響 針對這些背景變量因素對農(nóng)戶貸款的關(guān)鍵性策略因素進行差異化研究，最后再針對4項變量的差異情形作綜合分析，主要研究方法是利用t檢驗及單因子變異數(shù)來分析。由表5可知，農(nóng)戶的性別、年齡、婚姻狀況對貸款可獲性(授信比率)并無顯著影響，而農(nóng)戶的教育程度對貸款可獲性(授信比率)有顯著影響(P<0.05)，教育程度一定程度上代表著收入水平，從而間接影響了農(nóng)戶的貸款可獲性。

3.3.2 核心變量對農(nóng)戶貸款可獲性(授信比率)的影響 本研究以單因子變異數(shù)進行檢驗探討核心變量，即農(nóng)戶家庭財富因素對貸款可獲性(授信比率)的影響，其中家庭財富因素包括農(nóng)戶家庭年均存款、農(nóng)戶家庭年均消費以及農(nóng)戶家庭年均收入對農(nóng)戶貸款可獲性(授信比率)的影響(表6)。

表6 樣本數(shù)據(jù)核心變量與貸款可獲性的相關(guān)程度

由表6可知，農(nóng)戶年均存款、農(nóng)戶年均消費與農(nóng)戶年均收入對貸款可獲性(授信比率)均有顯著影響(P<0.01)，表明農(nóng)戶的家庭財富即農(nóng)戶的貧富差距對貸款可獲性有顯著影響，最后根據(jù)本研究相關(guān)變量的實證分析結(jié)果進行總結(jié)(表7)。

表7 變量實證分析結(jié)果

由表7可知，農(nóng)戶的教育程度、年存款、年消費及年收入與貸款可獲性呈現(xiàn)顯著相關(guān)，4個因素中除了教育程度，其余3個因素均代表了農(nóng)戶的家庭財富即貧富程度狀況，而教育程度雖然不能直接表征家庭的財富狀況，但與家庭財富之間也存在一定的關(guān)聯(lián)，貧窮的家庭教育程度往往較低，而富裕的家庭教育程度普遍較高，因此，本質(zhì)上家庭財富即貧富程度對農(nóng)戶的貸款可獲性(授信比率)有顯著影響，且呈現(xiàn)顯著正相關(guān)，農(nóng)戶家庭越富足，貸款可獲性也越高，這必將進一步加大農(nóng)戶之間的貧富差距，另外，由于農(nóng)戶的整體收入都較低，也形成了農(nóng)戶長期信貸融資困境。

4 結(jié)論與建議

經(jīng)濟的發(fā)展和城市化進程的不斷加快提高了農(nóng)民的家庭收入。但是農(nóng)戶仍然面臨信貸融資難的問題，對于農(nóng)戶信貸融資難的問題，雖然有學(xué)者進行了大量的研究，但鮮有針對性的數(shù)據(jù)實證分析，本試驗通過貧富差距視角來研究農(nóng)戶的家庭財富差距對農(nóng)戶貸款可獲性(授信比率)的影響，采用樣本數(shù)據(jù)的背景變量和家庭財富核心變量實證分析以上變量對農(nóng)戶貸款可獲性的影響。結(jié)果表明，農(nóng)戶的教育程度、年存款、年消費、年收入與貸款等變量對農(nóng)戶信貸可獲性呈現(xiàn)顯著相關(guān)，而性別、年齡、婚姻狀況與農(nóng)戶的信貸可獲性并無顯著相關(guān)。可見，農(nóng)戶的家庭財富即貧富差距對農(nóng)戶的貸款可獲性(授信比率)顯著相關(guān)，農(nóng)戶的家庭財富越少，其家庭就越貧困越難獲得信貸融資，從而進一步加大了貧富差距。因此，本研究提出以下的政策建議：首先，政府財政補助和政策傾斜，通過改善現(xiàn)有的農(nóng)村補助及救助體系，引入相當(dāng)規(guī)模的農(nóng)村資金互助組織，農(nóng)村鄉(xiāng)鎮(zhèn)銀行等新興實體及網(wǎng)絡(luò)金融機構(gòu)通過對農(nóng)戶的個人信用評級系統(tǒng)，制定農(nóng)戶的信貸政策，對于貧困戶采用定點補貼和特定的信貸政策進行適當(dāng)傾斜，從而使相對貧困的農(nóng)戶更容易享受到農(nóng)村信貸金融的便利。其次，積極推進農(nóng)村金融制度改革進程，完善已有的農(nóng)村金融體系。根據(jù)不同家庭財富狀況的農(nóng)戶推出具有針對性的金融信貸服務(wù)，創(chuàng)新農(nóng)村金融體系及對應(yīng)的產(chǎn)品，實現(xiàn)農(nóng)村金融精準(zhǔn)服務(wù)，另外針對農(nóng)戶不同的生產(chǎn)需求開展不同的信貸產(chǎn)品，將目前熱門的網(wǎng)絡(luò)金融引入到農(nóng)村金融體系中，提高信貸產(chǎn)品的多樣性以及存款的利率，豐富農(nóng)戶的理財渠道，增加農(nóng)戶的收入；對于低收入農(nóng)戶來說，可利用低門檻、低利率的信貸扶助政策，使更多家庭困難的農(nóng)戶有機會享受到農(nóng)村金融帶來的便利，從而縮小相應(yīng)的貧富差距，提高農(nóng)村金融的流動率和市場覆蓋率。最后，提高農(nóng)戶的教育層次及金融認(rèn)知水平，通過完善農(nóng)村的各類教育體系，特別是基礎(chǔ)教育體系，廣泛提高農(nóng)戶的教育文化水平，通過針對性的各類職業(yè)培訓(xùn)以及金融知識培訓(xùn)，提升農(nóng)戶的職業(yè)技能和財務(wù)管理水平，從而使農(nóng)戶能夠自主根據(jù)目前的財務(wù)狀況選擇更加合適的理財和信貸方式，進一步縮小貧困農(nóng)戶和富裕農(nóng)戶在信貸資格上的差距，促進農(nóng)村信貸金融市場的快速健康發(fā)展。這樣可以規(guī)避貧困農(nóng)戶落入所謂的貧困循環(huán)中，使農(nóng)業(yè)信貸金融能夠更好地為貧困農(nóng)戶服務(wù)，從而有效改善農(nóng)村金融的供給側(cè)改革，提高農(nóng)戶的貸款可獲性并促進我國農(nóng)村金融的快速健康發(fā)展。