黃穩(wěn)書 汪陽

摘要：對(duì)農(nóng)戶社會(huì)財(cái)富與公有銀行、民間信貸機(jī)構(gòu)之間的關(guān)系及其對(duì)金融信貸機(jī)構(gòu)發(fā)放信貸借款的影響進(jìn)行研究，發(fā)現(xiàn)農(nóng)戶社會(huì)財(cái)富對(duì)信貸借入數(shù)量的增加有積極的影響，回歸系數(shù)在0.193～0.212范圍內(nèi)。這些參數(shù)可以解釋為借款對(duì)隨機(jī)選擇我國農(nóng)戶的影響，也是農(nóng)戶擁有財(cái)富對(duì)金融信貸機(jī)構(gòu)的影響，該模型通過對(duì)錯(cuò)誤的、有條件二階矩的假設(shè)來確定。結(jié)果表明，由于近年來農(nóng)戶財(cái)富不斷增加，信貸項(xiàng)目迅速擴(kuò)大，信貸在一定程度上有助于減少貧困。

關(guān)鍵詞：農(nóng)戶財(cái)富方程;借貸方程;影響因素;農(nóng)戶社會(huì)財(cái)富;信貸

中圖分類號(hào)：F323.9;F830.589

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1002-1302（2020）16-0328-05

金融信貸被許多業(yè)界人士和政府層人員認(rèn)為是減輕貧困的有力工具，目的是讓那些本來會(huì)受到信貸限制的農(nóng)戶參與創(chuàng)業(yè)活動(dòng)，做法包括向自主創(chuàng)業(yè)的小型自營企業(yè)提供少量貸款等。然而，雖然信貸在提供貸款方面取得了成功，但很少有證據(jù)表明這種貸款能有效實(shí)現(xiàn)農(nóng)戶的減貧，因?yàn)樾刨J機(jī)構(gòu)在實(shí)施信貸的過程中有可能更多地傾向于富裕的農(nóng)戶。

公有銀行歷來鮮有通過信貸借錢給農(nóng)村經(jīng)濟(jì)條件較差的農(nóng)戶的情況，其原因一方面是收集信息和執(zhí)行合同的高昂成本可能導(dǎo)致逆向選擇和道德風(fēng)險(xiǎn);另一方面農(nóng)戶缺乏財(cái)富相當(dāng)?shù)牡盅浩?，加劇了銀行對(duì)潛在借款人進(jìn)行篩查的困難。補(bǔ)償這些地區(qū)貸款風(fēng)險(xiǎn)所需的利率足以驅(qū)走許多借款人。信息成本也使得貸款后很難監(jiān)測(cè)借款人的活動(dòng)。如果該農(nóng)戶中的一名成員違約，則整個(gè)農(nóng)戶都不符合進(jìn)一步貸款的資格。Correia等認(rèn)為可以利用多種方式來驗(yàn)證信貸是否能夠有效地為農(nóng)戶服務(wù)[1-3]。然而，在試圖解釋信貸擴(kuò)張是否實(shí)現(xiàn)了幫助農(nóng)戶減少貧困的這個(gè)最初目標(biāo)時(shí)，現(xiàn)有文獻(xiàn)大多側(cè)重于農(nóng)戶財(cái)富地位的研究，認(rèn)為農(nóng)戶財(cái)富是農(nóng)戶消費(fèi)或是工作福利和生活水平的首選量度[4-5]。在發(fā)展中國家僅以農(nóng)戶收入或是自由職業(yè)者收入來衡量的結(jié)果并不準(zhǔn)確。因?yàn)槭杖雸?bào)告的誤差很大，農(nóng)戶不常使用的計(jì)算因素必須強(qiáng)加在數(shù)據(jù)上，以獲得可以正確解釋的計(jì)量方法[6-8]。信貸旨在通過增加農(nóng)戶消費(fèi)/支出來解決貧困問題[9]。因此，消費(fèi)支出是我國農(nóng)戶生活水平的一個(gè)重要指標(biāo)，出于這些原因，本研究將消費(fèi)視為利益的結(jié)果。如果農(nóng)戶不能獲得信貸支持，則會(huì)在創(chuàng)業(yè)過程中受到資金的限制，無法提高農(nóng)戶的消費(fèi)能力。

目前，農(nóng)戶消費(fèi)能力可能會(huì)在收到信貸貸款時(shí)增加或減少，因?yàn)橥顿Y可通過貸款或削減農(nóng)戶支出來實(shí)現(xiàn)。下一階段的收入是在借款和投資發(fā)生之后產(chǎn)生的，一些貸款資金也可能直接用于消費(fèi)，所以投資可能增加消費(fèi)。資金在農(nóng)戶間是可以流通的，而消費(fèi)的增加可能是消費(fèi)平穩(wěn)的結(jié)果。如果信貸能夠使農(nóng)戶產(chǎn)生足夠的收入以擺脫貧困，那么隨著時(shí)間的推移，農(nóng)戶的消費(fèi)將會(huì)持續(xù)增長，如果農(nóng)戶每年都會(huì)借款用于投資和生產(chǎn)。

存在的主要問題是已經(jīng)參與借貸的農(nóng)戶并不是隨機(jī)的人口樣本。農(nóng)戶根據(jù)自身能力等因素決定是否進(jìn)行貸款。此外，面向貧困農(nóng)戶進(jìn)行借貸時(shí)，信貸機(jī)構(gòu)存在諸多的限制，Beny-ishay等采用各種技術(shù)來嘗試確定信貸借款對(duì)隨機(jī)農(nóng)戶的預(yù)期影響，試驗(yàn)調(diào)查設(shè)計(jì)被用來模擬農(nóng)戶隨機(jī)化[10-11]。雖然很難隨機(jī)分配農(nóng)戶貸款，但可以通過隨機(jī)化將信貸項(xiàng)目擴(kuò)展到新的領(lǐng)域來確定影響。

將農(nóng)戶財(cái)富模型轉(zhuǎn)化為信貸借貸功能，其重點(diǎn)在于如何克服借貸的內(nèi)生性。農(nóng)戶不僅根據(jù)可見的利益效應(yīng)選擇借入，還需考慮自身創(chuàng)業(yè)能力等未觀察到的特征。信貸機(jī)構(gòu)在選擇哪種類型的農(nóng)戶作為信貸目標(biāo)時(shí)，也許使用的信息是通過不可觀測(cè)的經(jīng)濟(jì)計(jì)量學(xué)方法得到的，這些未被觀察到的特征也可以直接反映消費(fèi)情況，用于對(duì)不考慮內(nèi)生性的借貸影響進(jìn)行評(píng)估。隨機(jī)試驗(yàn)的實(shí)施是用于處理借款內(nèi)生性的最新策略。Lorenzetti等隨機(jī)選擇開設(shè)了新的信貸機(jī)構(gòu)的農(nóng)村作為研究對(duì)象[12-13]。在每個(gè)地點(diǎn)，農(nóng)戶內(nèi)部可以形成群體并選擇借款，其財(cái)富狀況會(huì)受到嚴(yán)格地評(píng)估。在信貸機(jī)構(gòu)分支機(jī)構(gòu)開放的 15～18個(gè)月內(nèi)，發(fā)現(xiàn)無農(nóng)戶獲得信貸。但是，他們確實(shí)發(fā)現(xiàn)對(duì)于借貸成功的農(nóng)戶以及那些有可能創(chuàng)業(yè)的農(nóng)戶來說，其財(cái)富狀況有所增加。這表明農(nóng)戶財(cái)富狀況對(duì)信貸機(jī)構(gòu)對(duì)農(nóng)戶的借貸有較大的影響。隨著時(shí)間的推移，可能會(huì)有更大的影響[14]，導(dǎo)致貸款農(nóng)戶的借貸產(chǎn)生外生變化。

因此，本研究不采用隨機(jī)化的方法，而是采用新的方法來確定應(yīng)對(duì)方案。以農(nóng)戶從信貸機(jī)構(gòu)借入人均數(shù)額的平均值入手，這種方案是假設(shè)借貸和農(nóng)戶財(cái)富方程之間的誤差條件相關(guān)性是恒定的。

1 估計(jì)和識(shí)別策略

考慮到農(nóng)戶的財(cái)富狀況和借貸方程，人均農(nóng)戶財(cái)富（Ci）取決于所借的金額（Bi）和一系列假設(shè)為外生的額外農(nóng)戶特征（Xi），包括如戶主的性別、年齡，農(nóng)戶成員的教育水平等，借款還取決于一組外生特征（Zi）。對(duì)于說明性借款，Zi可以考慮為從Xi中排除的變量。借款（Bi）的最低貸款額為 5 000 元。

2 實(shí)證研究

采用中國家庭追蹤調(diào)查（CFPS）數(shù)據(jù)，列舉了我國25個(gè)?。ㄊ?、自治區(qū)）的87個(gè)村，抽取了1 798戶農(nóng)戶資料。在25個(gè)地區(qū)中，有22個(gè)省（市、自治區(qū)）開展了信貸計(jì)劃。通過對(duì)所有農(nóng)戶第1階段的估算，最終選取樣本規(guī)模為1 461戶。第2階段使用814戶農(nóng)戶的子樣本，信貸借款為正值，描述性統(tǒng)計(jì)數(shù)據(jù)見表1。

表2說明了通過將借貸和財(cái)富方程的平方殘差回歸到所有解釋變量來檢驗(yàn)異方差的結(jié)果。根據(jù)測(cè)試結(jié)果可以發(fā)現(xiàn)，同方差的零假設(shè)均被拒絕。對(duì)于借貸方程，異方差的證據(jù)對(duì)虛擬變量最為明顯，表明方案可用性和強(qiáng)度的區(qū)域變化是異方差的重要來源。

表3為虛擬規(guī)范中借貸方程的估算結(jié)果。其中1個(gè)指數(shù)系數(shù)必須標(biāo)準(zhǔn)化為1，每個(gè)借款組必須是單一性別數(shù)據(jù)表明，女性戶主的借款數(shù)量大幅減少。這是因?yàn)樾刨J業(yè)務(wù)自開展以來在我國逐漸成為男性農(nóng)戶的目標(biāo)。每個(gè)借款組必須是單一性別，而男性專用組在調(diào)查領(lǐng)域更為普遍，通過為男性借貸，提高了男性借貸的效果。沒有成年男性或配偶的農(nóng)戶借入較少。若配偶的農(nóng)戶成員擁有土地，則農(nóng)戶的借貸較少。這證實(shí)了農(nóng)戶在有機(jī)會(huì)時(shí)會(huì)選擇彼此借錢，而不是選擇向外部貸方支付利率。受過高等教育的女性農(nóng)戶借入較少，說明這些女性在信貸借款前從事穩(wěn)定工作并具有穩(wěn)定收入，因此較少傾向于借貸。

表4為財(cái)富方程的參數(shù)估計(jì)值，第2列為正借貸農(nóng)戶子樣本的最小二乘法（OLS）估計(jì)值。消費(fèi)對(duì)土地所有權(quán)的P值為0.311，這證實(shí)了土地所有權(quán)是農(nóng)戶財(cái)富的重要來源。借貸系數(shù)估計(jì)了人均農(nóng)戶財(cái)富在借貸方面的相關(guān)性。該系數(shù)在最小二乘法估計(jì)中為0.056，t統(tǒng)計(jì)量為3.290。包括將借貸系數(shù)提高到0.193。表4中的負(fù)號(hào)表明隨機(jī)誤差分量“1”和“2”之間存在負(fù)相關(guān)關(guān)系。

表5列出了村莊特征指標(biāo)下的借款統(tǒng)計(jì)。農(nóng)戶中有成年女性的會(huì)增加農(nóng)戶財(cái)富，而沒有成年女性的農(nóng)戶財(cái)富將會(huì)降低。擁有小學(xué)、農(nóng)村衛(wèi)生中心或助產(chǎn)士的村莊，其農(nóng)戶財(cái)富較高。在村級(jí)特色規(guī)范中，借貸控制功能后的借貸系數(shù)從0.193上升到0.212。t值也較大，為6.793?？刂坪瘮?shù)的系數(shù)是負(fù)的和顯著的，表示誤差分量“1”和“2”之間為負(fù)相關(guān)關(guān)系。

3 討論與結(jié)論

近年來信貸業(yè)務(wù)迅速發(fā)展，許多人認(rèn)為它可以成功地消除貧困。公有銀行和其他信貸機(jī)構(gòu)的信貸借款在一定程度上提高了農(nóng)戶的消費(fèi)能力。本研究的結(jié)果確認(rèn)了許多信貸機(jī)構(gòu)的出發(fā)點(diǎn)，即農(nóng)戶的財(cái)富狀況是要考量的重要因素。理論結(jié)果也預(yù)測(cè)了財(cái)富對(duì)信貸的影響程度可能很大。如果資本收益遞減原則成立，那么財(cái)富相對(duì)較少的農(nóng)戶應(yīng)該能夠獲得更多的投資回報(bào)。盡管這2項(xiàng)研究都檢測(cè)到了正向和顯著的借貸效應(yīng)，但這里給出的估計(jì)值在幅度上遠(yuǎn)大于OLS估計(jì)值。這證明目前所采用的策略在識(shí)別借貸的內(nèi)生性方面更為成功。

從結(jié)果中可以清楚地看出，如果未能適當(dāng)控制借貸的內(nèi)生性，就會(huì)嚴(yán)重低估借貸對(duì)消費(fèi)的影響。由于上文討論的結(jié)果為財(cái)富方程具有一致性，因此可以確定一組可能用作測(cè)量的變量。在虛擬樣本中，代表戶主性別、女性農(nóng)戶成員的最高教育程度，沒有成年男性的農(nóng)戶、沒有配偶的農(nóng)戶以及配偶父母和兄弟擁有土地等變量都是重要的借貸方程，而不是財(cái)富方程。因此，使用這些變量作為排除限制來重復(fù)該估計(jì)。盡管估計(jì)的第1階段與上述相同，但在存在排除限制的情況下，第2步中使用的控制函數(shù)僅僅是借貸方程的殘差。

本研究估計(jì)了我國農(nóng)戶財(cái)富對(duì)信貸機(jī)構(gòu)借款的可獲得性，及信貸機(jī)構(gòu)對(duì)人均農(nóng)戶消費(fèi)的影響。通過適當(dāng)控制借貸的內(nèi)生性，能夠估計(jì)調(diào)查地區(qū)隨機(jī)選擇的、農(nóng)戶信貸貸款的平均效率。利用假設(shè)模型中誤差具有恒定的相關(guān)性特征，以外生變量為條件，能夠有效利用模型中存在的異方差來控制借貸的內(nèi)生性。研究發(fā)現(xiàn)，農(nóng)戶財(cái)富狀況對(duì)信貸貸款有積極和顯著的影響，回歸系數(shù)在0.193～0.212的范圍內(nèi)。這些估計(jì)有助于評(píng)估信貸是否能夠?qū)崿F(xiàn)農(nóng)村的全面富裕，而不僅僅是為財(cái)富狀況好的農(nóng)戶服務(wù)。

參考文獻(xiàn)：

[1]Correia S. REGHDFE：stata module to perform linear or instrumental-variable regression absorbing any number of high-dimensional fixed effects[J]. Statistical Software Components，2016，12（20）：1-15.

[2]Paulo S，Wolak F A. An algorithm to estimate the two-way fixed effects model[J]. Journal of Econometric Methods，2016，5（1）：143-152.

[3]zbay N，Karanlar S. Estimation in a linear regression model with stochastic linear restrictions：a new two-parameter-weighted mixed estimator[J]. Journal of Statistical Computation & Simulation，2018，88（10）：1-15.

[4]Wu J，Meyer M C，Opsomer J D. Penalized isotonic regression[J]. Journal of Statistical Planning & Inference，2015，161：12-24.

[5]Ashta A，Ghosh C，Guha S，et al. Knowledge in microsocial milieus：the case of microfinance practices among women in India[J]. Journal of the Knowledge Economy，2016，10（12）：1-20.

[6]Mukhopadhyay J P. Microfinance and consumption inequality：evidence from a randomized controlled trial in Andhra Pradesh，India[J]. Journal of Developing Areas，2016，50（2）：269-291.

[7]Crepon B，Devoto F，Duflo E，et al. Estimating the impact of microcredit on those who take it up：evidence from a randomized experiment in Morocco[J]. American Economic Journal，2015，7（1）：123-150.

[8]Agarwal V. The failings of microfinance in India：insights from a randomized evaluation of spandana[J]. Aims Journal，2017，11（1）：59-75.

[9]Zahidmahmood H，Abbas K，F(xiàn)atima M. Islamic microfinance and household welfare nexus：empirical investigation from Pakistan[J]. Journal of Global Entrepreneurship Research，2017，7：18.

[10]Benyishay A，F(xiàn)raker A，Guiteras R，et al. Microcredit and willingness to pay for environmental quality：evidence from a randomized-controlled trial of finance for sanitation in rural Cambodia[J]. Journal of Environmental Economics & Management，2017，86：121-140.

[11]Pati A P. Impact of microfinance on women empowerment in the matrilineal tribal society of India：an analysis using propensity score matching and difference-in-difference[J]. International Journal of Rural Management，2016，9（1）：45-69.

[12]Lorenzetti L M，Leatherman S，F(xiàn)lax V L. Evaluating the effect of integrated microfinance and health interventions：an updated review of the evidence[J]. Health Policy & Planning，2017，32（5）：732-756.

[13]Rahman A，Rahman M T，Kljucnikov A. Bank size，relationship lending and SME financing：evidence from bangladesh[J]. Actual Problems of Economics，2016，183（9）：294-307.

[14]Mchugh N，Biosca O，Donaldson C. From wealth to health：evaluating microfinance as a complex intervention[J]. Evaluation，2017，23（2）：209-225.