鄒建國 李明賢

摘?要：基于核心企業(yè)的橫向選擇、橫向監(jiān)督和商業(yè)激勵行為，采用“主體+債項”的評價方法，綜合主成分分析法和Logistic回歸方法，考量農(nóng)業(yè)供應(yīng)鏈金融的農(nóng)戶信用增進機制。結(jié)果表明：農(nóng)業(yè)供應(yīng)鏈金融能顯著提高農(nóng)戶的守約概率，實現(xiàn)農(nóng)戶的信用增進。鑒此，應(yīng)轉(zhuǎn)變農(nóng)戶信用風(fēng)險評價方式，構(gòu)建內(nèi)外部增信機制，發(fā)展農(nóng)業(yè)供應(yīng)鏈金融，緩解農(nóng)戶信貸約束。

關(guān)鍵詞： 農(nóng)戶信貸約束;農(nóng)業(yè)供應(yīng)鏈金融;信用增進;實證分析

中圖分類號：F832.43;F832.35?文獻標識碼：?A?文章編號：1003-7217（2019）06-0032-07

一、引?言

目前，農(nóng)戶信貸約束是制約我國農(nóng)村經(jīng)濟發(fā)展、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級和農(nóng)戶收入增加的關(guān)鍵因素之一。農(nóng)戶信貸約束的存在，加劇了城鄉(xiāng)發(fā)展的不平衡和農(nóng)村發(fā)展的不充分，嚴重阻礙了“鄉(xiāng)村振興戰(zhàn)略”的落地生根。由于農(nóng)戶的合格抵押物不足以及信貸風(fēng)險的不確定性，金融機構(gòu)基于審慎經(jīng)營的原則，在進行信貸甄別和客戶篩選時，“高品質(zhì)農(nóng)戶”往往被索取較高的風(fēng)險補償，從而被“排斥”在農(nóng)村金融市場以外，導(dǎo)致農(nóng)戶面臨正規(guī)信貸約束。通過嵌入交易網(wǎng)絡(luò)的動產(chǎn)質(zhì)押[1]和第三方提供的信用擔(dān)保[2]，可以彌補農(nóng)戶合格抵押物不足的缺陷。農(nóng)業(yè)供應(yīng)鏈金融依托經(jīng)營特色農(nóng)業(yè)和優(yōu)勢農(nóng)產(chǎn)品的核心企業(yè)，對農(nóng)業(yè)供應(yīng)鏈上下游企業(yè)、農(nóng)戶或消費者進行利益捆綁，通過合理設(shè)計金融產(chǎn)品滿足各環(huán)節(jié)融資需求[3]。金融機構(gòu)基于農(nóng)業(yè)供應(yīng)鏈網(wǎng)絡(luò)嵌入交易的動產(chǎn)質(zhì)押，可以彌補農(nóng)戶合格抵押物不足的缺陷，有效降低農(nóng)業(yè)供應(yīng)鏈金融農(nóng)戶信貸風(fēng)險，形成新的業(yè)務(wù)增長點。農(nóng)戶借助農(nóng)業(yè)供應(yīng)鏈網(wǎng)絡(luò)提供的信用擔(dān)保，從而更快、更多地獲得金融機構(gòu)的信貸資金支持，緩解農(nóng)戶信貸資金約束，有效提高農(nóng)戶守約概率并實現(xiàn)農(nóng)戶的信用增進。

近年來，學(xué)術(shù)界對供應(yīng)鏈金融風(fēng)險的研究關(guān)注較多，Hallikas等（2002）從風(fēng)險來源的不確定性、牛鞭效應(yīng)導(dǎo)致的風(fēng)險擴大性以及風(fēng)險在供應(yīng)鏈成員之間的可傳遞性等不同的視角，闡述了供應(yīng)鏈金融風(fēng)險[4]。供應(yīng)鏈金融的風(fēng)險可分為內(nèi)部風(fēng)險和外部風(fēng)險，內(nèi)部風(fēng)險源自不確定性引發(fā)的企業(yè)供應(yīng)鏈應(yīng)對滯后，外部風(fēng)險源自資源、需求和預(yù)測的復(fù)雜性[5]。Chen等（2011）在研究供應(yīng)鏈資金流的過程中發(fā)現(xiàn)，由于第三方物流企業(yè)的參與，能夠顯著提高整個供應(yīng)鏈的參與方的收益，同時降低供應(yīng)鏈的整體風(fēng)險[6]。此外，專家學(xué)者們還對供應(yīng)鏈金融各相關(guān)主體特別是小微主體信用風(fēng)險評價進行了研究。如熊熊（2009）建立供應(yīng)鏈金融信用風(fēng)險評價模型，運用主成分分析法和Logistic回歸方法，結(jié)果表明，與傳統(tǒng)銀行授信不同，供應(yīng)鏈金融能更好地提高中小企業(yè)守約概率，緩解中小企業(yè)的融資困境[7]。胡海青等（2012）對比支持向量機（SVM）和BP神經(jīng)網(wǎng)絡(luò)算法建立的信用風(fēng)險評估模型，發(fā)現(xiàn)在小樣本下基于SVM的信用風(fēng)險評估模型更具有效性和優(yōu)越性[8]。夏立明等（2013）通過構(gòu)建時間維的供應(yīng)鏈金融信用風(fēng)險評價模型，指出微粒群算法和模糊綜合評價方法適用于中小企業(yè)信用風(fēng)險評價[9]。上述供應(yīng)鏈金融風(fēng)險評價研究為本文的農(nóng)業(yè)供應(yīng)鏈金融農(nóng)戶風(fēng)險評價提供了重要參考，那么，商業(yè)銀行應(yīng)該如何有效控制供應(yīng)鏈金融風(fēng)險呢？彎紅地（2008）認為供應(yīng)鏈金融需要加強銀行與核心企業(yè)之間的新型合作關(guān)系，規(guī)避可能存在的風(fēng)險[10]。郭菊娥等（2014）認為線上供應(yīng)鏈金融情景下商業(yè)銀行要嚴格準入條件、明晰權(quán)責(zé)界定、提高操作水平、加強監(jiān)控預(yù)警、完善補償機制和加強風(fēng)險管控[11]。曲英等（2014）指出供應(yīng)鏈金融要加強對中小企業(yè)的動態(tài)風(fēng)險監(jiān)控，降低核心企業(yè)的道德風(fēng)險，發(fā)揮核心企業(yè)的主導(dǎo)作用，加強貸后跟蹤管理體制[12]。范方志等（2017）認為要回歸到金融服務(wù)實體經(jīng)濟這一本質(zhì)要求來加強供應(yīng)鏈金融風(fēng)險管理[13]。彭路（2018）指出為了防范農(nóng)業(yè)供應(yīng)鏈金融引致的系統(tǒng)性風(fēng)險，商業(yè)銀行可與農(nóng)業(yè)龍頭企業(yè)合力推行訂單模式，強化農(nóng)業(yè)供應(yīng)鏈金融的封閉式管理，加強農(nóng)業(yè)供應(yīng)鏈金融的宏觀審慎與微觀審慎的協(xié)調(diào)監(jiān)管[14]。

基于農(nóng)業(yè)供應(yīng)鏈金融視角，實證研究農(nóng)業(yè)供應(yīng)鏈金融的農(nóng)戶信用增進效應(yīng)，借助核心企業(yè)的橫向選擇、橫向監(jiān)督與商業(yè)激勵，詮釋農(nóng)業(yè)供應(yīng)鏈金融的農(nóng)戶信用增進機制，為農(nóng)業(yè)供應(yīng)鏈金融緩解農(nóng)戶信貸約束提供理論支撐。

二、農(nóng)業(yè)供應(yīng)鏈金融的農(nóng)戶信用增進機制

在農(nóng)業(yè)供應(yīng)鏈金融情景下，商業(yè)銀行通過貸前甄別、貸中監(jiān)督和貸后控制等信貸流程的設(shè)計[15]，提出相應(yīng)的農(nóng)戶信用增進機制，具體概括如圖1所示。

（一）橫向選擇

核心企業(yè)具有獲取農(nóng)戶信息以及信用的優(yōu)勢，農(nóng)業(yè)供應(yīng)鏈金融借助核心企業(yè)的橫向選擇行為，向商業(yè)銀行傳遞農(nóng)戶的履約行為、信用綁定、信號傳遞和互惠關(guān)系等相關(guān)信息。（1）履約行為。核心企業(yè)在與農(nóng)戶密集的商業(yè)互動中，通過監(jiān)測農(nóng)產(chǎn)品市場價格波動、農(nóng)產(chǎn)品變現(xiàn)能力以及行業(yè)增長等外部因素，容易獲得農(nóng)戶的履約信息。以農(nóng)戶種養(yǎng)經(jīng)驗為例，農(nóng)戶投入產(chǎn)出率與種養(yǎng)經(jīng)驗之間的對應(yīng)關(guān)系是不確定的，農(nóng)戶生產(chǎn)經(jīng)驗不足是導(dǎo)致投入產(chǎn)出率低的可能原因，不利的外部因素也可能造成投入產(chǎn)出率低。農(nóng)業(yè)供應(yīng)鏈金融情景下，核心企業(yè)根據(jù)市場需求指導(dǎo)農(nóng)戶的生產(chǎn)計劃，控制農(nóng)業(yè)生產(chǎn)資料和農(nóng)產(chǎn)品的物流規(guī)模和方向，排除因不利外部因素導(dǎo)致的農(nóng)戶投入產(chǎn)出率下降，從而修正商業(yè)銀行對農(nóng)戶種養(yǎng)經(jīng)驗不足的誤判。（2）信用綁定。聲譽效應(yīng)和連帶清償責(zé)任驅(qū)使核心企業(yè)優(yōu)先推薦那些社會資本豐裕、誠實守信、生產(chǎn)經(jīng)驗豐富的農(nóng)戶，實現(xiàn)與農(nóng)戶的信用綁定。為農(nóng)戶的違約行為提供擔(dān)保使得核心企業(yè)面臨著承擔(dān)聲譽損失和連帶清償責(zé)任引致的風(fēng)險，可能導(dǎo)致核心企業(yè)信用下調(diào)和利益流出，因此，核心企業(yè)在為農(nóng)戶提供貸款擔(dān)保以及為商業(yè)銀行提供推薦服務(wù)時，必然會優(yōu)先選擇踐約能力強、誠實守信的農(nóng)戶。（3）信號傳遞。核心企業(yè)把農(nóng)戶零散的生產(chǎn)經(jīng)營、家庭特征、誠信狀況等軟信息轉(zhuǎn)化為高置信度的擔(dān)保行為或推薦行為，考慮聲譽效應(yīng)和連帶清償責(zé)任對核心企業(yè)橫向選擇行為的有效約束，將傳統(tǒng)信貸模式下農(nóng)戶易于發(fā)生道德風(fēng)險和逆向選擇的潛在因素顯化為可供商業(yè)銀行觀測的外化因素，為商業(yè)銀行獲取農(nóng)戶的私人信息提供了新的信號傳遞途徑，實現(xiàn)對農(nóng)戶信用的增進。（4）互惠關(guān)系。傳統(tǒng)的信貸模式中商業(yè)銀行缺乏農(nóng)戶歷史信貸交易記錄，同時，農(nóng)戶缺乏足額、合格的貸款抵押物，因而農(nóng)戶口頭償還承諾的信貸風(fēng)險是很大的。農(nóng)業(yè)供應(yīng)鏈金融中核心企業(yè)與農(nóng)戶的交易具有封閉性、自償性和持續(xù)性的特點，在這種長期的商業(yè)合作與互動過程中，核心企業(yè)與農(nóng)戶之間的互信增強，互惠互利關(guān)系得以建立。

（二）橫向監(jiān)督

核心企業(yè)橫向監(jiān)督作為一種有效的抵押替代機制，其通過降低監(jiān)管成本、激發(fā)監(jiān)督動機和加強日常監(jiān)督，降低商業(yè)銀行與農(nóng)戶之間的信息不對稱程度，提升商業(yè)銀行信息獲取能力和農(nóng)戶信用水平，增加農(nóng)戶獲得正規(guī)信貸的機會。（1）監(jiān)督成本。農(nóng)業(yè)供應(yīng)鏈網(wǎng)絡(luò)之間的相互協(xié)作和相互依賴，為核心企業(yè)低成本地實施監(jiān)督活動創(chuàng)造有利條件，核心企業(yè)具有協(xié)調(diào)與整合農(nóng)業(yè)供應(yīng)鏈信息流、資金流和物流的優(yōu)勢，能夠直接獲取農(nóng)戶貸款投向的真實收益狀況以及農(nóng)戶貸款投資資產(chǎn)的真實價值等重要信息，提高核心企業(yè)直接監(jiān)督效率，降低商業(yè)銀行高額的監(jiān)督成本。隨著農(nóng)業(yè)供應(yīng)鏈金融主體間商業(yè)交易的持續(xù)、重復(fù)進行，核心企業(yè)與農(nóng)戶簽訂的農(nóng)產(chǎn)品購銷契約條款也已完善，這種對農(nóng)戶生產(chǎn)的規(guī)律性監(jiān)測有效降低了農(nóng)戶道德風(fēng)險的發(fā)生概率。（2）監(jiān)督動機。核心企業(yè)基于連帶清償責(zé)任和聲譽效應(yīng)的驅(qū)動，存在監(jiān)督農(nóng)戶的外在動機。基于農(nóng)戶聯(lián)保貸款等其他形式的橫向監(jiān)督，普遍存在著監(jiān)督者偏好和監(jiān)督動力缺失等問題，導(dǎo)致大規(guī)模橫向監(jiān)督組合所帶來的搭便車現(xiàn)象。在農(nóng)業(yè)供應(yīng)鏈金融模式下，商業(yè)銀行設(shè)計的信貸契約要求核心企業(yè)承擔(dān)連帶清償責(zé)任，實現(xiàn)了農(nóng)戶與核心企業(yè)的信用綁定，這種連帶清償責(zé)任和信用綁定増加了核心企業(yè)參與農(nóng)業(yè)供應(yīng)鏈金融面臨的風(fēng)險，進一步激發(fā)核心企業(yè)對農(nóng)戶信貸實施監(jiān)督的積極性，有助于核心企業(yè)履行監(jiān)督職能。（3）日常監(jiān)督。伴隨著農(nóng)業(yè)規(guī)?；?jīng)營的發(fā)展，農(nóng)戶生產(chǎn)經(jīng)營規(guī)模迅速擴張，傳統(tǒng)的依靠企業(yè)運用自有資金彌補固定資產(chǎn)投資和流動資金缺口，使得資金周轉(zhuǎn)壓力和經(jīng)營風(fēng)險不斷增加。在以商業(yè)銀行為資金來源的農(nóng)業(yè)供應(yīng)鏈金融中，核心企業(yè)根據(jù)產(chǎn)品市場需求規(guī)模和產(chǎn)品質(zhì)量要求與農(nóng)戶簽訂購銷合同，農(nóng)戶按照合同要求合理安排生產(chǎn)，基于自身利益的考量，核心企業(yè)會加強對農(nóng)戶的生產(chǎn)資料投入情況和生產(chǎn)技能狀況的日常監(jiān)督。

（三）激勵機制

農(nóng)業(yè)供應(yīng)鏈外部融資進行激勵機制的設(shè)計時，將供應(yīng)鏈網(wǎng)絡(luò)關(guān)系考慮進來，可以對違約農(nóng)戶同時實施商業(yè)懲罰和金融懲罰。（1）聲譽效應(yīng)。農(nóng)業(yè)供應(yīng)鏈金融的聲譽效應(yīng)通過降低農(nóng)戶的策略性違約意愿實現(xiàn)農(nóng)戶信用增進，可以為貸款農(nóng)戶提供隱性激勵，在供應(yīng)鏈網(wǎng)絡(luò)關(guān)系的形成和治理中具有重要作用。農(nóng)業(yè)供應(yīng)鏈網(wǎng)絡(luò)主體作為一個聲譽共同體，如果農(nóng)戶出現(xiàn)策略性違約時，核心企業(yè)的聲譽必將受到牽連，成員間互惠互利、合作共贏的局面被打破，違約農(nóng)戶原有的農(nóng)業(yè)供應(yīng)鏈主體交易資格和互惠政策將被取消，喪失原有信用捆綁帶來的信用增進機會，造成違約農(nóng)戶較大的損失。（2）商業(yè)懲罰。農(nóng)業(yè)供應(yīng)鏈金融對違約農(nóng)戶的商業(yè)懲罰承諾具有很強的置信度。一方面，農(nóng)業(yè)供應(yīng)鏈內(nèi)部的核心企業(yè)掌控著農(nóng)業(yè)供應(yīng)鏈網(wǎng)絡(luò)的物流和資金流，根據(jù)農(nóng)戶履約情況決定是否阻截貸款農(nóng)戶生產(chǎn)資料的供給和農(nóng)產(chǎn)品收益實現(xiàn)的渠道，對違約農(nóng)戶進行行之有效的懲罰。另一方面，核心企業(yè)處置農(nóng)戶的生產(chǎn)設(shè)備等抵押資產(chǎn)時，可以利用農(nóng)業(yè)供應(yīng)鏈網(wǎng)絡(luò)關(guān)系的信息優(yōu)勢，以較低折價率在較短時間得以清算，可以彌補商業(yè)銀行缺乏農(nóng)業(yè)生產(chǎn)設(shè)備和土地流轉(zhuǎn)等資產(chǎn)的處置經(jīng)驗的缺陷，并保持對違約農(nóng)戶相關(guān)資產(chǎn)的追索權(quán)，對農(nóng)戶產(chǎn)生有效的威脅。（3）金融懲罰。在傳統(tǒng)信貸模式下，商業(yè)銀行的金融懲罰措施往往難以抑制貸款農(nóng)戶的策略性違約意愿，往往采用抵押物清償和法律追償?shù)日街贫葋砑钷r(nóng)戶履約，然而農(nóng)戶道德風(fēng)險的存在導(dǎo)致商業(yè)銀行的事前契約和法律追究強制措施失效。農(nóng)業(yè)供應(yīng)鏈金融將核心企業(yè)的聲譽機制嵌入到商業(yè)銀行對農(nóng)戶的信貸交易中，通過正式制度對違約農(nóng)戶實施商業(yè)懲罰與金融懲罰，同時借助非正式制度所帶來的聲譽效應(yīng)降低貸款農(nóng)戶策略性違約意愿，實現(xiàn)正式制度和非正式制度的相互補充與協(xié)同治理。

三、農(nóng)業(yè)供應(yīng)鏈金融的農(nóng)戶信用風(fēng)險評價

基于農(nóng)業(yè)供應(yīng)鏈金融的整體視角，從農(nóng)戶信用狀況、核心企業(yè)資質(zhì)、融資項下資產(chǎn)情況和農(nóng)業(yè)供應(yīng)鏈運營狀況四個方面評價農(nóng)業(yè)供應(yīng)鏈金融農(nóng)戶信用風(fēng)險，全面、客觀地衡量農(nóng)業(yè)供應(yīng)鏈金融中農(nóng)戶信用風(fēng)險。參考熊熊等（2009）[7]及鄒建國（2018）[16]的研究，分別選擇農(nóng)戶信用狀況等4個一級指標、農(nóng)戶特征等12個二級指標、戶主年齡等25個三級指標構(gòu)建農(nóng)業(yè)供應(yīng)鏈金融農(nóng)戶信用風(fēng)險評價指標體系（見表1）。

湖南地處中國中部，經(jīng)濟發(fā)展水平在全國居中上，2017年全省地區(qū)生產(chǎn)總值34590.6億元，全國排名第9位，第一產(chǎn)業(yè)占比10.67%，農(nóng)業(yè)占比相對較高，因而具有較高的代表性。選擇湖南作為調(diào)查區(qū)域，選取188個參與農(nóng)業(yè)供應(yīng)鏈金融的農(nóng)戶樣本數(shù)據(jù)（其中信用良好，能夠按時履行還款承諾的“好客戶”124個，不能按時足額履行還款承諾的“壞客戶”64個），由于評價指標為定性評價指標，難以獲得精確的數(shù)據(jù)，參考呂躍進提出的依據(jù)心理因素劃分評價等級理論，依次將評價指標劃分為10、8、6、4、2五個評分等級，并對評分結(jié)果進行標準化處理[17]。

采用的數(shù)據(jù)具有離散特性，選用Logistic回歸評價農(nóng)業(yè)供應(yīng)鏈金融農(nóng)戶信用風(fēng)險是相對較優(yōu)的。由于Logistic回歸方法對模型中自變量的多維相關(guān)性較為敏感，為減少候選變量之間的相關(guān)性，先用主成分分析選擇具有代表性的自變量，然后采用Logistic回歸模型計算農(nóng)業(yè)供應(yīng)鏈金融模的農(nóng)戶守約概率。為消除不同量綱的影響，在進行主成分分析之前，首先對188個農(nóng)戶樣本原始數(shù)據(jù)進行標準化處理。經(jīng)標準化處理后，是否適合主成分分析，我們參考進行KMO統(tǒng)計量與Bartlett球形檢驗。KMO的值為0.7980（表2），大于參考標準值0.7，Bartlett球形檢驗的顯著性概率為0.000，可以采用主成分分析法對樣本數(shù)據(jù)進行分析。

采用SPSS 24.0軟件對上述188個農(nóng)戶樣本的標準化數(shù)據(jù)進行主成分分析后，再分別計算各主成分的特征值和累計貢獻率（表3），經(jīng)方差最大化旋轉(zhuǎn)后的8個主成分的特征值分別為2.21、1.74、1.48、1.18、0.94、0.71、0.47和0.34，貢獻率分別為21.49%、16.96%、14.45%、11.53%、9.18%、6.92%、4.65%和2.25%。本文最終選取包含原指標信息含量（累計貢獻率）87.43%的前8個主成分。

因子得分系數(shù)矩陣（表4）。F1反映受信人特征、家庭人均純收入以及農(nóng)戶與金融機構(gòu)關(guān)系，主要表達C2、C3、C5和C8的信息;F2反映應(yīng)收賬款特征和農(nóng)業(yè)供應(yīng)鏈合作密切程度，主要表達C18、C19、C23和C25的信息;F3反映質(zhì)物價格穩(wěn)定性、變現(xiàn)能力和易損程度，主要表達C15、C16和C17的信息;F4反映受信人的經(jīng)營類型和社會資本，主要表達C6、C7、C9和C10的信息;F5反映受信人年齡、壞賬率和家庭勞動力數(shù)量，主要表達C1、C4和C20的信息;F6反映核心企業(yè)信用級別、盈利能力和償債能力，表達了C11、C13和C14等三級指標的信息;F7反映核心企業(yè)的行業(yè)地位和供應(yīng)鏈交易頻度，表達了C12和C24等三級指標的信息;F8反映農(nóng)業(yè)供應(yīng)鏈所處行業(yè)狀況，表達了C21和C22等三級指標的信息。

在進行Logistic回歸擬合之前，選擇逐步模型選擇法確定顯著性因素。本文選用正向逐步選擇法，將似然比概率作為添加變量的標準，采取迭代法逐步計算來完成這一過程，直到對數(shù)自然比不再變化為止。在正向逐步選擇過程中，初始只有截距項一個常數(shù)加入模型，由于F1殘差x2的P值很小（P<0.05），拒絕F1變量系數(shù)為0的零假設(shè)，F(xiàn)1被添加進模型，按照同樣的過程，F(xiàn)2、F5和F6進入模型，輸出結(jié)果見表5。

結(jié)合表5的結(jié)果，本文的Logistic回歸模型如下：

由公式（2）計算出的p值表示客戶的守約概率。如果p值越大，表示該申請人的信用狀況越好，反之，則表示該申請人的信用狀況越差。借鑒熊熊等（2009）[7]概率界限劃分，在概率界限為0.5的情況下，基于Logistic回歸模型判定的所有農(nóng)戶守約準確率為86.3%，也就是說，能以86.3%的概率判斷農(nóng)戶是否會守約，其中有91.0%的概率將“好客戶”判別為守信概率高的農(nóng)戶，77.1%的概率將“差客戶”判定為守信概率低的農(nóng)戶。

四、農(nóng)業(yè)供應(yīng)鏈金融的農(nóng)戶信用增進實證分析

某市農(nóng)戶A，下游采購商為當(dāng)?shù)匾患肄r(nóng)業(yè)龍頭企業(yè)B，農(nóng)業(yè)龍頭企業(yè)B根據(jù)市場需求預(yù)測向農(nóng)戶A采購農(nóng)產(chǎn)品，由于A農(nóng)戶履行購銷合同，存在生產(chǎn)性信貸需求，故向商業(yè)銀行申請基于農(nóng)業(yè)供應(yīng)鏈金融的信用貸款，對A農(nóng)戶信用狀況、核心企業(yè)資質(zhì)、融資項下資產(chǎn)情況和農(nóng)業(yè)供應(yīng)鏈運營狀況進行初始評分，如表6所示。

（一）農(nóng)業(yè)供應(yīng)鏈金融農(nóng)戶守約概率

按照前面所述的方法，首先對C1到C25進行標準化處理;再計算F1、F2、F5、F6的取值，經(jīng)運算得出F1=-1.4741;F2=-0.0173;F5=0.0789;F6=0.1141，最后將上述結(jié)果代入式（2）得到：

p=11+e-1.402+1.054F1+1.843F2+1.579F5+0.861F6=?0.74902

經(jīng)計算可知，在農(nóng)業(yè)供應(yīng)鏈金融模式下，農(nóng)戶A的守約概率為74.902%，大于概率界限0.5，農(nóng)業(yè)供應(yīng)鏈金融下農(nóng)戶信用風(fēng)險較小，商業(yè)銀行會滿足農(nóng)戶的信貸需求。

（二）傳統(tǒng)信貸模式下農(nóng)戶守約概率

傳統(tǒng)信貸模式僅關(guān)注單個農(nóng)戶的信用狀況，本文選擇戶主年齡、受教育年限、健康狀況等10個反映農(nóng)戶信用狀況的指標，重復(fù)前述主成分分析和logistic回歸模型計算農(nóng)戶守約概率。前四個主成分的特征值的累計貢獻率達到83.274%，故選取F′1、F′2、F′3和F′4四個主成分進行分析。重復(fù)前述正向逐步選擇法，最終選擇F′1、F′2兩個主成分預(yù)測傳統(tǒng)信貸模式下農(nóng)戶的守約概率。

采用Logistic回歸方法，得出農(nóng)戶守約概率的表達式為：

計算出F′1、F′2分別為F′1=-1.0978，F(xiàn)′2=-1.0421，將上述結(jié)果代入式（3）得到：

通過計算得出概率p值為35.826%，說明該農(nóng)戶僅有35.826%的概率會履行信貸合約，低于商業(yè)銀行為農(nóng)戶貸款守約率要求，農(nóng)戶無法獲得商業(yè)銀行的授信。

五、結(jié)論與建議

與傳統(tǒng)信貸模式相比，農(nóng)業(yè)供應(yīng)鏈金融能夠顯著提高農(nóng)戶的守約概率，實現(xiàn)農(nóng)戶信貸的信用增進，進一步獲得商業(yè)銀行信貸支持，有利于緩解農(nóng)戶信貸約束?；诖?，認為：（1）商業(yè)銀行要轉(zhuǎn)變農(nóng)戶信用風(fēng)險評價方式。傳統(tǒng)信貸風(fēng)險評價專注于農(nóng)戶靜態(tài)財務(wù)數(shù)據(jù)衡量農(nóng)戶信用風(fēng)險，而農(nóng)業(yè)供應(yīng)鏈金融信貸模式關(guān)注整個交易過程的動態(tài)評估，從而更全面、客觀地評價了農(nóng)戶信貸的真實風(fēng)險，能夠?qū)⒏嗟霓r(nóng)戶納入商業(yè)銀行的信貸服務(wù)范圍，不僅有效地解決了農(nóng)戶的融資難問題，也促進了金融與實業(yè)的有效互動。（2）大力發(fā)展農(nóng)業(yè)供應(yīng)鏈金融，實現(xiàn)農(nóng)戶信用增進。進一步激發(fā)商業(yè)銀行開展農(nóng)業(yè)供應(yīng)鏈金融業(yè)務(wù)的積極性與主動性，積極構(gòu)建農(nóng)業(yè)供應(yīng)鏈金融主體準入機制，加快完善農(nóng)業(yè)供應(yīng)鏈金融的運行載體，提高農(nóng)業(yè)供應(yīng)鏈網(wǎng)絡(luò)主體專業(yè)化合作和組織化程度，提升核心企業(yè)的農(nóng)業(yè)供應(yīng)鏈網(wǎng)絡(luò)管控能力，完善農(nóng)業(yè)供應(yīng)鏈金融內(nèi)部成員利益聯(lián)結(jié)機制，全面優(yōu)化農(nóng)業(yè)供應(yīng)鏈金融運行環(huán)境。（3）構(gòu)建各類內(nèi)外部增信機制，實現(xiàn)經(jīng)濟主體承貸能力的顯著提升。構(gòu)建以農(nóng)戶應(yīng)收賬款、農(nóng)業(yè)核心企業(yè)、大數(shù)據(jù)互聯(lián)網(wǎng)平臺等多種形式的內(nèi)部聯(lián)合增信機制。利用供應(yīng)鏈內(nèi)部的物流、資金流、權(quán)益流實施抵質(zhì)押擔(dān)保機制，為金融機構(gòu)發(fā)展外部融資提供內(nèi)源性增信措施?；谵r(nóng)業(yè)供應(yīng)鏈金融，拓展農(nóng)業(yè)保險、融資性擔(dān)保等外部增信機制。

參考文獻：

[1]?Besanko D， Thakor A V. Collateral and rationing： sorting equilibria in monopolistic and competitive credit markets[J]. International Economic Review， 1987， 28（3）： 671-689.

[2] Akerlof G A . The market for "lemons"： quality uncertainty and the market mechanism[J]. The Quarterly Journal of Economics， 1970， 84（3）： 488-500.

[3] 邵嫻. 農(nóng)業(yè)供應(yīng)鏈金融模式創(chuàng)新——以馬王堆蔬菜批發(fā)大市場為例[J]. 農(nóng)業(yè)經(jīng)濟問題， 2013， 34（8）： 62-68.

[4] Hallikas J， Virolainen V M， Tuominen M. Risk analysis and assessment in network environments： a dyadic case study[J]. International Journal of Production Economics，2002，78（1）：45-55.

[5] Lai G， Debo L G， Sycara K. Sharing inventory risk in supply chain： the implication of financial constraint[J]. Omega， 2009， 37（4）：811-825.

[6] Chen X， Cai G. Joint logistics and financial services by a 3PL firm[J]. European Journal of Operational Research， 2011， 214（3）：579-587.

[7] 熊熊， 馬佳， 趙文杰， 等. 供應(yīng)鏈金融模式下的信用風(fēng)險評價[J]. 南開管理評論， 2009， 12（4）：92-98.

[8] 胡海青， 張瑯， 張道宏. 供應(yīng)鏈金融視角下的中小企業(yè)信用風(fēng)險評估研究——基于SVM與BP神經(jīng)網(wǎng)絡(luò)的比較研究[J]. 管理評論， 2012， 24（11）：70-80.

[9] 夏立明， 邊亞男， 宗恒恒. 基于供應(yīng)鏈金融的中小企業(yè)信用風(fēng)險評價模型研究[J]. 商業(yè)研究， 2013， 36（10）：171-177.

[10]彎紅地. 供應(yīng)鏈金融的風(fēng)險模型分析研究[J]. 經(jīng)濟問題， 2008， 30（11）：109-112.

[11]郭菊娥， 史金召， 王智鑫. 基于第三方B2B平臺的線上供應(yīng)鏈金融模式演進與風(fēng)險管理研究[J]. 商業(yè)經(jīng)濟與管理， 2014， 34（1）：13-22.

[12]曲英， 劉越， 白濤. 商業(yè)銀行供應(yīng)鏈金融應(yīng)收賬款模式的風(fēng)險控制研究——基于A行融資產(chǎn)品的分析與啟示[J]. 管理案例研究與評論， 2014， 7（6）：491-502.

[13]范方志， 蘇國強， 王曉彥. 供應(yīng)鏈金融模式下中小企業(yè)信用風(fēng)險評價及其風(fēng)險管理研究[J]. 中央財經(jīng)大學(xué)學(xué)報， 2017， 37（12）：36-45.

[14]彭路. 農(nóng)業(yè)供應(yīng)鏈金融道德風(fēng)險的放大效應(yīng)研究[J]. 金融研究， 2018， 40（4）：92-107.

[15]王力恒. 農(nóng)業(yè)供應(yīng)鏈外部融資的農(nóng)戶信用改進機制研究[D]. 北京： 中國農(nóng)業(yè)大學(xué)， 2017：16-23.

[16]鄒建國. 基于結(jié)構(gòu)方程模型的農(nóng)戶信貸約束研究[J]. 湖南科技大學(xué)學(xué)報（社會科學(xué)版）， 2018， 20（4）：125-131.

[17]呂躍進， 張維. 指數(shù)標度在AHP標度系統(tǒng)中的重要作用[J]. 系統(tǒng)工程學(xué)報， 2003， 18（5）：452-456.

（責(zé)任編輯：鐘?瑤）