陜西省農戶金融抑制與福利損失——基于2007—2012年6000戶農戶調研數(shù)據(jù)的實證分析

常建新，姚慧琴

(1．西北大學中國西部經濟發(fā)展研究中心，陜西西安 710069;2．西北大學經濟管理學院，陜西西安 710069)

一、引 言

發(fā)達國家的發(fā)展經驗表明，農村金融市場的完善有助于農戶經濟福利的提高和農戶之間貧富差距的縮小［1］［2］。然而，理論研究和實證分析均發(fā)現(xiàn)，由于金融市場發(fā)展的不完善，發(fā)展中國家農戶金融抑制的程度普遍比較高［3］～［6］。相比其他發(fā)展中國家，我國農戶金融抑制的程度尤其嚴重，除了發(fā)展中國家共有的農村金融市場不完善的共同原因外，從上個世紀50年代開始，為了工業(yè)化和城市化的發(fā)展，我國在農村實行了長期的金融管制，導致農村金融供給嚴重不足，這是造成金融抑制的主要原因之一［1］。改革開放以來，我國的農村金融市場改革不斷深入，金融機構的涉農貸款逐漸增加;此外，農村金融市場準入門檻的降低，使得新型農村金融機構不斷涌現(xiàn);各地區(qū)、部門扶持農村金融的力度也逐年加大。然而，農村金融配套設施不完善、現(xiàn)行金融制度與農村金融發(fā)展不相適應等問題依然存在［7］。

西部大開發(fā)戰(zhàn)略實施以來，陜西省的農村金融市場有了長足的發(fā)展，但仍存在許多問題。不可否認的事實是，農村金融改革還不夠徹底，完善的金融市場體系尚未建立，因此，未能從根本上改變陜西省農村金融市場長久以來被抑制的狀態(tài)。因此，陜西省農戶金融抑制的程度以及金融抑制給農戶造成的福利損失的數(shù)量，是值得我們探討的問題。本文采用2007-2012年陜西省6000戶農戶的調研樣本，估計和分析了金融抑制及其所導致的福利損失程度，并在此基礎上對如何消除陜西省農戶金融抑制、改善農戶福利提出了有針對性的政策建議。

二、相關文獻回顧

根據(jù)估計方法的不同，可以將現(xiàn)有估計農戶金融抑制程度及其影響的文獻分為兩類:一類是直接法，另一類是間接法。前者通過設計問卷現(xiàn)場調研，獲知農戶金融活動的真實信息，由此推算出農戶金融抑制的程度，代表性文獻如Mushinski、Boucher等、劉西川和程恩江等［8］～［11］。直接法的優(yōu)點是能夠簡單明了地計算出農戶金融抑制的程度，缺點是過度主觀，也沒有提供可靠的理論依據(jù)。間接法則采用計量模型來估計金融抑制的程度，并分析其影響因素，代表性文獻如Cristina和Meyer、Kochar、Foltz、李銳和朱喜、李慶海、李銳和汪三貴等［12］-［14］［1］［2］。當然，在研究中，上述兩類方法通常是共同使用的［15］。

在運用計量模型實證分析金融抑制及其影響的早期研究中，金融抑制往往被處理為一個虛擬變量［12］。這種方法忽略了金融抑制的內生性，導致了估計結果有偏［16］。Kochar在對印度農村金融抑制程度的估計中使用了Biprobit模型，同時考慮了信貸需求和供給［14］(P60-71)。Foltz在對突尼斯金融抑制的研究中運用了概率內生開關模型［15］。上述研究雖然考慮到了金融抑制的內生性問題，但他們的研究僅考慮了完全抑制(即完全不能滿足信貸需求)，而忽視了對部分抑制(即只能部分滿足信貸需求)的考察。這在一定程度上低估了金融抑制的程度。為了克服以上缺陷，李銳和朱喜采用截面數(shù)據(jù)估計出同時包含完全抑制和部分抑制在內的金融抑制程度［1］，不過該研究依然存在一個重要缺陷，那就是沒有對農戶的類型，即受到金融抑制的農戶和沒有受到金融抑制的農戶做出合理的界定，在他們的研究中只是給出了農戶遭受金融抑制的概率。而且，當樣本類型是通過農戶的特征變量來識別，而非外生給定時，Match模型的適用性將受到很大的限制，因為我們無法為目標農戶找到匹配的對象。因此，采用Match模型估計得到的結果是值得商榷的［2］。

此外，在研究金融抑制及其影響時，Krandker和Faruqe、Foltz、褚保金和盧亞娟、李銳和朱喜分別采用兩階段估計模型、內生轉換模型和Match模型，試圖解決計量分析中的內生性問題［17］［14］［1］。然而，這些文獻基本上采用的是截面數(shù)據(jù)，難以反映金融抑制的動態(tài)特征。

綜合現(xiàn)有研究，本文做了以下三個方面的改進:第一，采用面板數(shù)據(jù)模型來進行估計，以有效地控制“個體異質性”，避免了估計結果有偏［17］(P53-74)。第二，明確界定了農戶的類型，即哪些農戶受到了金融抑制，哪些農戶沒有受到金融抑制。第三，在資金需求方程中納入了“地理位置變量”(即是否位于關中地區(qū))，在資金供給方程中納入了“關系變量”(即農戶家庭成員是否有國家干部或者鄉(xiāng)村干部的虛擬變量)。

三、數(shù)據(jù)來源與分析

本文的數(shù)據(jù)來自西北大學中國西部經濟發(fā)展研究中心的“社會主義新農村調研數(shù)據(jù)庫”，時間跨度為2007—2012年，每年采集陜西省1 000戶農戶的入戶調研數(shù)據(jù)，共計6 000戶，其中包括陜北地區(qū)(榆林、延安)1 200戶、關中地區(qū)(西安、寶雞、咸陽、渭南、銅川)3 000戶和陜南地區(qū)(安康、漢中、商洛)1 800戶。雖然本文的樣本農戶可能并不能完全代表陜西省的所有農戶，但是本文的研究結論依然為了解陜西省農戶的金融抑制程度及其福利影響提供了有益的信息。

表1給出了2007—2012年每年從各融資渠道獲得借款的農戶數(shù)，以及獲得借款的農戶在樣本總農戶中的占比。如表1所示，2007—2012年獲得借款的農戶占比均值為43．57%，且2010年后逐年下降，由2010年的48．80%下降到2012年的43．30%，主要原因是從正式渠道獲得借款的戶數(shù)逐年下降，由2010年的183戶下降到2012年的128戶;同時，從非正式渠道獲得借款的戶數(shù)卻逐年上升，從2010年的61戶上升到2012年的80戶，說明正式渠道的金融抑制程度越來越深。

表1 2007—2012年從各融資渠道獲得借款的農戶數(shù)及其占比

表2給出了陜西省陜北、關中和陜南三個地區(qū)從各融資渠道獲得借款的農戶數(shù)，以及獲得借款農戶在樣本總農戶中的占比。如表2所示，各地區(qū)獲得借款的農戶占比年均均值為43．57%，其中從正式渠道獲得借款的農戶數(shù)為836戶，而只有466戶農戶的借款是通過非正式渠道獲得的。分地區(qū)來看，地區(qū)之間獲得借款的農戶占比相差不大，關中地區(qū)的占比相對較高，為43．70%，這也與關中地區(qū)農村金融市場發(fā)展相對完善有關。

表2 各地區(qū)從各融資渠道獲得借款的農戶數(shù)及其占比

表3給出了計量分析涉及所有變量的統(tǒng)計描述。其中，借款數(shù)額的單位為元;是否有借款為虛擬變量，1為是，0為否;戶主年齡單位為年;生產性支出為生產過程中購買農業(yè)機械、化肥等的支出，單位為元;戶主教育水平單位為年;教育醫(yī)療支出單位為元;是否關中地區(qū)為農戶所在村莊是否在關中地區(qū)的虛擬變量，1為是，0為否;是否干部家庭為農戶家庭成員是否有國家或鄉(xiāng)村干部的虛擬變量，1為有，0為沒有;是否受過培訓為農戶家庭成員是否接受過技術培訓(農業(yè)或非農技術培訓)的虛擬變量，1為是，0為否;是否富裕村莊為農戶所在村莊資金充足與否的虛擬變量，1為是，0為否;是否僅從正式渠道、是否僅從非正式渠道和是否從不同渠道同時借款為虛擬變量，1為是，0為否;家庭農業(yè)和非農勞動人數(shù)分別為家庭中從事農業(yè)和非農生產的人數(shù);勞動力占比為勞動力占家庭總人口的比重;是否參加保險(醫(yī)療和養(yǎng)老保險)為虛擬變量，1為是，0為否;通過總收入—生產性支出來計算家庭凈收入，單位為元;家庭消費支出單位為元。

四、陜西省農戶金融抑制的實證分析

(一)Biprobit模型

參考李銳和朱喜以及李慶海、李銳和汪三貴的研究方法［1］［2］，本文采用Biprobit模型來估計農戶資金供求的影響因素和金融抑制的程度。

分別令y1和y2為農戶借款和資金供給意愿的虛擬決策變量;Y1和Y2為農戶借款意愿和資金供給意愿的隱含變量;X1和X2為影響農戶借款需求和資金供給的解釋變量。于是，可以構建包含資金需求和供給的聯(lián)立模型為:

其中，我們假設隨機誤差項ε1和ε2服從聯(lián)合正態(tài)分布。

表3 本文所涉及變量的統(tǒng)計描述

在模型(1)中，只有當y1=1且y2=1時，借貸行為才會發(fā)生。該模型是典型的Biprobit模型，對模型進行最大似然估計即可估計出各個系數(shù)。在估計出模型的系數(shù)后，便可計算出農戶被完全抑制的概率和被抑制的概率P(Y1＞(包含部分抑制和完全抑制)。相關模型的推導過程見李銳和朱喜的研究［1］。

(二)實證結果與分析

通過Stata13．1軟件對Biprobit模型進行估計，估計結果見表4。

表4 Biprobit模型估計結果

如表4所示，在需求方程中，生產性支出和教育醫(yī)療支出的系數(shù)均為正，且分別在5%和1%的統(tǒng)計水平顯著，這說明生產性支出越多，營運成本就越高，對資金的需求越多;而對于教育醫(yī)療支出，為了應對子女上學或家庭成員生病，由于這些支出往往是剛性的，農戶的資金往往不夠，只有通過借貸。戶主教育水平的影響并不顯著，一方面教育水平高的農戶傾向于采用新技術，或傾向于從事非農經營活動，對資金的需求大;另一方面，教育水平高的農戶收入水平也往往較高，對資金的需求小;兩方面共同作用使得戶主教育水平的影響并不顯著。進一步還可以發(fā)現(xiàn)關中地區(qū)從事非農經營活動的農戶比較多，對資金的需求比較旺盛。

在供給方程中，是否位于富裕村莊的系數(shù)為正，且在5%的統(tǒng)計水平顯著，說明資金供給者更傾向于貸款給富裕村莊的農戶。正式渠道的影響并不顯著，而非正式渠道的影響在10%的統(tǒng)計水平顯著，農戶更愿意借貸給資金的需求者，農戶對資金的需求者(如本地農戶、親屬或朋友)的信息了解更加充分，在應對道德風險和逆向選擇時更加有優(yōu)勢;此外，農戶之間的借貸也是一種保險機制，由于自然和經濟的雙重風險，農戶之間往往需要資金融通來維持生存和發(fā)展。從表4可以看出，是否干部家庭的系數(shù)為正，且在1%的統(tǒng)計水平上顯著，說明這些農戶具有獲取貸款的優(yōu)勢，特別是獲取正式金融機構貸款的優(yōu)勢更加明顯。

根據(jù)表4中Biprobit模型的估計結果，我們能夠很方便地計算出樣本中受到金融抑制的農戶占比為62．6%，其中，完全抑制的農戶占比為43．3%，部分抑制的農戶占比為19．3%。

五、陜西省農戶福利損失的實證分析

(一)農戶福利損失的計量模型

參考李銳和朱喜以及李慶海、李銳和汪三貴的研究方法［1］［2］，本文將農戶是否受到金融抑制處理成啞變量來估計金融抑制對農戶福利的影響。農戶受到金融抑制的類型界定好后，可以引入啞變量:

本文以農戶的凈收入和消費支出作為福利水平的代理變量，構建以下計量模型來估計農戶福利損失的程度:

其中，yit為i農戶t時期的凈收入和消費支出;ai為個體“異質性”，表示隨個體變化而不隨時間變換的因素;α為金融抑制對農戶福利的影響程度;xit為影響農戶福利的外生變量，γ為其系數(shù);μit為隨機誤差項。本文采用隨機效應模型進行估計以考察不隨時間變換的因素的影響。

(二)實證結果與分析

參考現(xiàn)有研究，本文選取戶主年齡、教育水平、家庭農業(yè)和非農勞動人數(shù)、生產性支出、是否關中地區(qū)、是否干部家庭、是否受過培訓、是否受到抑制作為家庭凈收入的解釋變量，而選取戶主年齡、教育水平、凈收入、是否關中地區(qū)、總人口、非農勞動人數(shù)、勞動力占比、是否參加保險、是否受到抑制作為農戶消費支出的解釋變量。通過Stata13．1軟件對模型(3)進行OLS估計，估計結果見表5和表6。

如表5所示，戶主年齡影響凈收入的程度并不顯著;戶主教育水平、是否關中地區(qū)、生產性支出、是否干部家庭、是否接受過培訓、家庭農業(yè)和非農勞動人數(shù)對農戶凈收入的影響均顯著為正;金融抑制對農戶凈收入的影響顯著為負，金融抑制使得農戶平均損失凈收入926．9元，占家庭凈收入均值的13．0%。

戶主年齡影響消費支出的程度也不顯著;戶主教育水平、是否關中地區(qū)、總人口、非農勞動人數(shù)、勞動力占比、是否參加保險和凈收入對農戶消費支出的影響均顯著為正;金融抑制對農戶家庭消費支出的影響顯著為負，金融抑制使得農戶平均減少消費支出1919．3元，占農戶家庭消費支出均值的19．3%。

表5 陜西省金融抑制對農戶福利影響的估計結果

表6 不同金融抑制程度對農戶福利的影響

表6還給出了不同金融抑制程度所導致的福利損失大小。如表6所示，完全抑制使得家庭凈收入和消費支出分別減少1 134．6元和2 096．7元，分別占家庭凈收入和消費支出均值的15．9%和21．1%，并且統(tǒng)計顯著;而部分抑制導致了家庭凈收入和消費支出分別減少735．2元和609．2元，影響程度較小，且并不顯著，說明受部分抑制的農戶福利損失并不大。

六、結論與政策含義

本文采用2007—2012年陜西省6 000戶樣本農戶的調研數(shù)據(jù)，運用Biprobit模型和含有啞變量的面板回歸模型對農戶金融抑制及其所導致的福利損失程度進行了估計。研究發(fā)現(xiàn):(1)62．6%的農戶受到了金融抑制，完全抑制和部分抑制的農戶分別為43．3%和19．3%;(2)金融抑制使農戶家庭凈收入和消費支出分別減少了13．0%和19．3%，完全抑制使農戶家庭凈收入和消費支出分別減少了15．9%和21．1%。研究還表明，生產性支出、是否關中地區(qū)、教育醫(yī)療支出對資金需求的影響顯著為正;戶主教育水平對農戶資金需求的影響并不顯著;是否富裕村莊、非正式信貸和是否干部家庭對資金供給的影響顯著為正;戶主教育水平、家庭資產總值和是否受過培訓對資金供給的影響并不顯著。

就陜西省而言，通過本文的研究可以看出，農戶信貸的滿足率低、借貸額度不足是妨礙農村經濟持續(xù)發(fā)展的一個重要問題，也是推進農村金融工作的核心方向。由此得到的政策含義是:陜西省應該進一步完善農村金融體系，推動農村金融深化發(fā)展，加大金融市場的信貸供給力度。具體措施有:(1)適當放開農村金融市場準入，鼓勵各種商業(yè)銀行和金融機構積極開展農村金融業(yè)務;(2)加強農村地區(qū)的政府改革和社會管理改革，降低農村金融發(fā)展的制度性成本;(3)提供必要的信息支持和法律支持，降低農村金融契約的事后治理成本;(4)加強農村對金融部門的監(jiān)管，培養(yǎng)有一定業(yè)務水平的監(jiān)管人才，維護農村金融市場的持續(xù)健康發(fā)展。

［1］李銳，朱熹．農戶金融抑制及其福利損失的計量分析［J］．經濟研究，2007，(2)．

［2］李慶海，李銳，汪三貴．農戶信貸配給及其福利損失——基于面板數(shù)據(jù)的分析［J］．數(shù)量經濟技術經濟研究，2012，(8)．

［3］STIGLITZ J，WEISS A．Credit rationing in markets with imperfect information［J］．Am．Econ．Rev，1981，(71)．

［4］KOCHAR A．An empirical investingation of rationing constraints in rural credit markets in india［J］．Journal of Development Economics，1997，53(2)．

［5］FOLTZ J D．Credit market access and profitability in tunisian agriculture［J］．Agricultural Economics，2004，30(3)．

［6］LI R，ZHU X．Econometric analysis of credit constraints of Chinese rural households and welfare loss［J］．Applied Economics，2010，(42)．

［7］諶玲．我國農村金融抑制的原因分析及對策［J］．中外企業(yè)家，2014，(7)．

［8］MUSHINSKI D．An analysis of loan offer functions of banks and credit unions in guatemala［J］．Journal of Development Studies，1999，36(2)．

［9］BOUCHER S R，GUIRKINGER C，TRIVELLI C．Direct elicitation of credit constraints:conceptual and practical issues with an empirical application［R］．University of California-Davis Working Paper，2006．

［10］劉西川，程恩江．貧困地區(qū)農戶的正規(guī)信貸約束:基于配給機制的經驗考察［J］．中國農村經濟，2009，(6)．

［11］CRISTINA D，MEYER．Measuring the farm level impact of agricultural loans，borrowers and lenders:rural financial markets and institutions in developing countries［R］．Overseas Development Institute，1980．

［12］陳靈，徐云松．金融支持與區(qū)域經濟增長:基于西部地區(qū)省標面板數(shù)據(jù)的經驗分析［J］．商業(yè)研究，2011，(9)．

［13］PETRICK M．Empirical measurement of credit rationing in agriculture:a methodological survey，institute of agricultural development in central and eastern euope［R］．World Bank Discussion Paper，2003．

［14］GREEN W．Econometric analysis［M］．New Jersey:Prentice Hall，2003．

［15］KRANDKER S R，F(xiàn)ARUQE R．The impact of farm credit in pakistan［J］．Agricultural Economics，2003，28(3)．

［16］褚保金，盧亞娟．信貸配給下農戶借貸的福利效果分析［J］．中國農村經濟，2009，(6)．

［17］CAMERON A C，THRIVEDI P K．Microeconometrics:methods and aplications［M］．Cambrige:Cambridge University Press，2005．