農(nóng)戶信貸約束及其福利水平的分位數(shù)影響

李慶海，呂小鋒，李　銳( ．南京財經(jīng)大學(xué)經(jīng)濟學(xué)院，江蘇南京00;．西南財經(jīng)大學(xué)國際商學(xué)院，四川成都60074;．北京師范大學(xué)經(jīng)濟與工商管理學(xué)院，北京00875)

?

農(nóng)戶信貸約束及其福利水平的分位數(shù)影響

李慶海1，呂小鋒2，李銳3
( 1．南京財經(jīng)大學(xué)經(jīng)濟學(xué)院，江蘇南京210023;2．西南財經(jīng)大學(xué)國際商學(xué)院，四川成都610074;3．北京師范大學(xué)經(jīng)濟與工商管理學(xué)院，北京100875)

摘要:采用2013年蘇魯兩省農(nóng)戶調(diào)查數(shù)據(jù)，運用平均處理效應(yīng)模型估計出了信貸約束對農(nóng)戶福利水平的平均處理效果，然后運用分位數(shù)處理效應(yīng)模型估計出了信貸約束對處于不同分位數(shù)點的農(nóng)戶的福利水平的分位數(shù)影響。研究表明，信貸約束對農(nóng)戶福利水平具有顯著負面影響，其絕對影響隨著福利水平分位點的提高而增加，但其相對影響隨著福利水平分位點的提高呈現(xiàn)出“倒U型”關(guān)系。

關(guān)鍵詞:信貸約束;福利水平;生產(chǎn)性收入;生產(chǎn)性固定資本;非基本消費支出

一、引言

理論和實踐表明，由于信息不對稱和抵押品缺乏，大部分發(fā)展中國家農(nóng)村金融市場的效率不盡如人意，農(nóng)戶尤其是貧困農(nóng)戶往往遭受普遍的信貸約束( Credit Constraint)［1－3］。對于信貸約束對農(nóng)戶福利水平的影響，大部分研究的結(jié)論是負面的［1－2，4－5］。然而，相關(guān)文獻大多籠統(tǒng)的估計出信貸約束的平均影響，卻很少探究信貸約束的分位數(shù)影響，即信貸約束對農(nóng)戶福利水平的影響隨著福利水平分布位置變化而不同的問題。因此，本文研究信貸約束的分位數(shù)影響，從而對未來進一步深化農(nóng)村金融領(lǐng)域內(nèi)的改革和調(diào)整改革思路提供現(xiàn)實經(jīng)驗和基礎(chǔ)。

早期估計信貸約束影響的研究中，主要采用經(jīng)典線性回歸模型進行分析，卻往往忽略了樣本選擇性( Sample Selection)問題［6］。事實上，遭受信貸約束和未遭受信貸約束的農(nóng)戶相比，兩個群體之間非但稟賦資源存在差異，他們的“能力”也勢必存在差別，一般來說，有“能力”的農(nóng)戶遭受信貸約束的可能性要低很多。因此，農(nóng)戶是否遭受信貸約束并不是隨機的，而是具有樣本選擇性的，此時，直接利用包含信貸約束虛擬變量的多元線性模型進行分析，往往會由于樣本選擇性引致估計偏誤［6］。對此，部分學(xué)者采用內(nèi)生轉(zhuǎn)換模型( Switching Model)估計信貸約束的影響，考慮了樣本選擇性的影響，然而這種方法無法直接估算出信貸約束的具體影響［4，7－9］。

近年來，一些學(xué)者采用基于精確匹配思想( Exact Matching)或者模糊匹配思想( Inexact Matching)的平均處理效應(yīng)模型( Average Treatment Effect Model，簡稱ATE模型)，直接估計出信貸約束對農(nóng)戶福利水平的平均影響，并且較好的解決了樣本選擇性引致的估計偏誤［2，10］。然而，ATE模型無法估計信貸約束的分位數(shù)影響。因此，要想完成本文研究目標，不僅需要解決樣本選擇性問題，還要考慮信貸約束的分位數(shù)影響，此時需要引入新的模型和方法。

結(jié)合蘇魯兩省農(nóng)戶微觀數(shù)據(jù)，首先運用ATE模型估計信貸約束對農(nóng)戶福利水平的平均影響，然后采用分位數(shù)處理效應(yīng)模型( Quantile Treatment Effect Model，簡稱QTE模型)進一步估計出信貸約束的分位數(shù)影響。本文對現(xiàn)有文獻的邊際貢獻主要體現(xiàn)在如下三個方面: ( 1)估計了信貸約束的平均影響，并且進一步研究相關(guān)文獻很少涉及的分位數(shù)影響，拓寬了信貸約束影響研究的文獻，所得結(jié)論具有更為重要的政策含義。( 2)采用處理效應(yīng)模型估計信貸約束的影響，有效解決了樣本選擇性引致的估計偏誤，而且還能夠估計出信貸約束的分位數(shù)影響。( 3)采用來自于蘇魯兩省農(nóng)村金融調(diào)查的微觀數(shù)據(jù)，蘇魯兩省經(jīng)濟發(fā)達且農(nóng)村金融市場較為活躍，其主要結(jié)論及政策建議對于制定、調(diào)整中西部經(jīng)濟欠發(fā)達地區(qū)農(nóng)村信貸政策將具有前瞻性的指導(dǎo)和借鑒意義。

二、研究方法與分析策略

本文的研究目標是估計信貸約束對農(nóng)戶福利水平的平均影響尤其是分位數(shù)影響，分別構(gòu)建ATE模型和QTE模型進行分析。

(一)平均處理效應(yīng)模型( ATE模型)

在估計信貸約束對農(nóng)戶福利水平的平均影響時，簡單地采用最小二乘法進行分析，結(jié)果將會由于樣本選擇性問題而引致偏誤［6］。為了無偏的估計信貸約束的平均影響，將農(nóng)戶是否遭受信貸約束描述為一個二值隨機變量Di=( 0，1 )，農(nóng)戶的福利水平記為Yi。假設(shè)遭受信貸約束的農(nóng)戶如果沒有遭受約束將會發(fā)生什么，而沒有遭受約束的農(nóng)戶如果遭受信貸約束將會發(fā)生什么。因此，對每個農(nóng)戶來說，Yi都有兩種潛在的結(jié)果( Y*i) :

也就是說，假設(shè)某個農(nóng)戶i沒有遭受信貸約束，其福利水平(通過生產(chǎn)性收入、生產(chǎn)性固定資產(chǎn)和非基本消費支出等方面進行衡量)將是Y0i，而不論其事實上有沒有遭受約束;同樣假設(shè)某個農(nóng)戶i遭受信貸約束，其福利水平將是Y1i。Y1i和Y0i之間的差值即為遭受信貸約束對第i個農(nóng)戶的福利水平的平均影響。

因此，所觀察到的結(jié)果Yi可以用潛在結(jié)果的線性組合表示:

一般來說，Y1i和Y0i在總體中都有相應(yīng)的分布，因此，不同的農(nóng)戶遭受信貸約束所產(chǎn)生的因果效應(yīng)是不一樣的。但是，由于不可能同時觀察到某個農(nóng)戶i的兩種潛在的福利水平，所以，只能比較同一類農(nóng)戶遭受信貸約束和未遭受約束對其福利水平的影響。據(jù)此，將遭受信貸約束與否對福利水平的影響與平均意義上的因果效應(yīng)用一個等式聯(lián)系起來:

為便于處理，是否遭受信貸約束( Di)與潛在福利水平( Y1i、Y0i)往往被假定為相互獨立的，此時，在給定農(nóng)戶的特征變量Xi的條件下，選擇性偏誤會消失［6］。據(jù)此，可以很方便地構(gòu)建信貸約束的平均處理效應(yīng)( Average Treatment Effect，簡稱ATE) :

( 4)式為就所有樣本農(nóng)戶而言，信貸約束對農(nóng)戶福利水平損失的平均影響［6］。

控制農(nóng)戶福利水平的匹配變量為20個(詳見表3)，Xi的維數(shù)很高，比較好的估計策略是采用Rosenbaum和Rubin所提出的傾向得分方法( Propensity Score Method，簡稱PSM)［11］。令

根據(jù)( 5)式，可將ATE改寫為如下形式:

目前，PSM方法中最為常用的匹配策略有最近鄰域匹配法( Nearest－Neighbor Matching)、極半徑匹配法( Radius Matching)和核匹配法( Kernel Matching)，這三種方法對匹配的質(zhì)量和數(shù)量的側(cè)重點不同，但沒有那一種方法明顯優(yōu)于另一種方法［12］。值得注意的是，前兩種方法往往使用部分樣本進行匹配，未能充分利用樣本信息，而核匹配法作為一種非參數(shù)方法，可以有效地避免這一問題，因此，本文采用核匹配方法進行估計。

此外，采用多元線性回歸模型分析，以便與基于PSM方法的ATE模型結(jié)果進行比較。以農(nóng)戶福利水平為因變量，以“未遭受信貸約束”為基準組，建立多元線性回歸模型如下:

其中，被解釋變量Y為農(nóng)戶的福利水平;主要解釋變量是農(nóng)戶是否遭受信貸約束( D )，其系數(shù)為α1，α0為常數(shù)項; W是影響農(nóng)戶福利水平的外生解釋變量，γ為其系數(shù)矩陣;ε是隨機擾動項。由( 7)式便可估計出相對于未遭受信貸約束，信貸約束對農(nóng)戶福利水平的平均影響。

(二)分位數(shù)處理效應(yīng)模型( QTE模型)

在前一部分，雖然已估計出了信貸約束對農(nóng)戶福利水平的平均處理效應(yīng)，但是，還無法揭示信貸約束的分位數(shù)影響，即其對處于不同福利水平的農(nóng)戶的影響是否存在差異。揭示信貸約束的影響與農(nóng)戶福利水平的分布關(guān)系無疑具有更加重要的政策含義，運用QTE模型正好可以達到這個研究目標［13］。

給定農(nóng)戶是否遭受信貸約束的變量Di，在概率τ處的條件分位數(shù)函數(shù)可定義為:

其中Fy( y | Di)表示在給定Di時Yi在y處的分布函數(shù)，Yi為農(nóng)戶的福利水平，則分位數(shù)函數(shù)最小化問題的解可表示如下:

其中ρτ( u) = (τ－1( u≤0) ) u。在此，令Qτ( Yi| Di)為線性函數(shù)，即:

則分位數(shù)處理效應(yīng)( QTE)可表示如下:

由( 5)式和( 9)式可得到Δτ和α的估計值［14］，即:

三、數(shù)據(jù)、變量與基本事實

(一)調(diào)查設(shè)計

研究數(shù)據(jù)為農(nóng)戶2012年的信息。本次調(diào)查范圍涵蓋江蘇和山東兩省，調(diào)查地域涉及蘇北、蘇中、蘇南、魯西、魯中和魯東等共計12個城市。地域的劃分參照傳統(tǒng)標準，其中蘇北地區(qū)包括徐州市和宿遷市，蘇中地區(qū)包括揚州市和南通市，蘇南地區(qū)包括鎮(zhèn)江市和無錫市;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)包括威海市和煙臺市。然后，在上述各市隨機抽取6個村莊，然后在每個村莊隨機選取25個左右的農(nóng)戶，一共調(diào)查了1800個農(nóng)戶。在剔除掉無效樣本后，獲得有效樣本1773個。數(shù)據(jù)庫中收集了樣本農(nóng)戶家庭特征、收入支出、生產(chǎn)經(jīng)營活動、信貸活動和所處村莊基本情況的詳細資料，為研究提供了豐富的經(jīng)驗事實。

首先，利用調(diào)查問卷詢問“2012年間，是否需要從銀行渠道①調(diào)查問卷中指出，銀行渠道主要包括信用社、商業(yè)銀行、郵政儲蓄銀行、村鎮(zhèn)銀行、小額貸款公司、農(nóng)村資金互助社或其它正規(guī)金融機構(gòu)等。貸款”，根據(jù)答案“是”或“否”，進而將農(nóng)戶劃分為有正規(guī)信貸需求(以下簡稱信貸需求)和沒有正規(guī)信貸需求兩類。那么，對沒有信貸需求的農(nóng)戶而言，自然就談不上是否遭受信貸約束。

然后，對有信貸需求的農(nóng)戶，繼續(xù)詢問“若需要從上述銀行渠道貸款，是否申請了貸款”，若回答“否”，則視為農(nóng)戶遭受信貸約束;若回答“是”則進一步詢問“若申請貸款，最大一筆貸款的申請貸款金額和實際所得金額分別是多少”②由于農(nóng)戶可能從銀行渠道獲得多筆貸款，考慮到不同筆貸款的合約條件、不同貸款者的貸款政策及定價策略的差異，研究無法通過“加總”的方法獲得農(nóng)戶“整體”信貸約束的信息。對此，本文參照劉西川等的做法，采用最大一筆銀行貸款的貸款數(shù)額及相關(guān)信息作為信貸約束的代理變量［15］。，若實際所得金額小于申請貸款金額，則視農(nóng)戶遭受信貸約束，反之未遭受信貸約束。因此，遭受信貸約束的農(nóng)戶由兩部分組成:一類是有信貸需求但未申請貸款的農(nóng)戶，一類是申請貸款后并未獲得足額貸款的農(nóng)戶。

綜上，可以獲知農(nóng)戶是否遭受信貸約束的具體信息。需要強調(diào)的是，關(guān)于信貸約束影響的研究，是在具有信貸需求的農(nóng)戶中進行的。

(二)基本數(shù)據(jù)事實

表1給出了樣本農(nóng)戶的基本信息。首先，是信貸需求方面。由表1可知，樣本中44. 67%的農(nóng)戶( 792/1773)具有信貸需求，需從銀行渠道貸款。江蘇地區(qū)37. 49%的農(nóng)戶( 331/883)具有信貸需求，山東地區(qū)則為51. 80%( 461/890)，省際差異較明顯。進一步來看，地域間差異同樣顯著，其中，蘇中地區(qū)、魯東地區(qū)和蘇南地區(qū)的需求意愿相對較弱( 28. 62%、32. 66%和33. 11%)，而魯西地區(qū)、魯中地區(qū)和蘇北地區(qū)的信貸需求意愿則較為強烈( 69. 67%、52. 90%和51. 03%)。

其次，是信貸約束方面。由表1可知，在有信貸需求的農(nóng)戶中，66. 92%(即530/792)遭受信貸約束，其中，江蘇地區(qū)73. 72%( 244/331)遭受信貸約束，山東地區(qū)62. 26% ( 287/461)遭受信貸約束，存在一定的省際差異。對于有信貸需求的農(nóng)戶，在江蘇省內(nèi)，蘇北地區(qū)68. 24% ( 101/148)受到信貸約束，蘇中地區(qū)和蘇南地區(qū)分別有77. 65%( 66/85)和78. 57% ( 77/98)的農(nóng)戶受到信貸約束;在山東省內(nèi)，魯西地區(qū)有52. 63% ( 110/209)受到信貸約束，魯中地區(qū)和魯東地區(qū)分別有69. 03% ( 107/155)和71. 13%( 69/97)的農(nóng)戶受到信貸約束?？傮w而言，在有信貸需求的農(nóng)戶中，除魯西地區(qū)遭受信貸約束的比例相對較低外(但仍高達52. 63%)，其他地區(qū)均處于較高水平(介于68. 24%～78. 57%之間)。由此表明，雖然經(jīng)過多年的農(nóng)村金融改革，農(nóng)戶遭受信貸約束的現(xiàn)象仍然較為普遍。

表1　農(nóng)戶分類信息匯總表　單位:戶

綜上，樣本農(nóng)戶中有44. 67%具有信貸需求，且農(nóng)戶的信貸需求具有顯著的省際差異和地域差異;在有信貸需求的農(nóng)戶中，有66. 92%遭受信貸約束，并且存在一定的省際差異。

(三)變量選擇與說明

1．因變量。一般的，反映農(nóng)戶福利水平的變量主要包括家庭收入、消費和資產(chǎn)等方面，本文借鑒余泉生和周亞紅的做法，選取“生產(chǎn)性收入”、“生產(chǎn)性固定資產(chǎn)”和“非基本消費支出”進行衡量［16］。鑒于研究在具有信貸需求的農(nóng)戶中進行，樣本總數(shù)為792。

表2給出了樣本農(nóng)戶2012年年末的福利水平均值。

表2　福利水平的均值比較　單位:萬元

由表2可知，與未遭受信貸約束農(nóng)戶的福利水平相比，遭受約束農(nóng)戶的福利水平相對較低。下文將圍繞信貸約束對農(nóng)戶福利水平的平均影響及其分位數(shù)效應(yīng)展開分析。

2．匹配變量。一般而言，選擇匹配變量的基本原則是:匹配變量應(yīng)是影響農(nóng)戶是否遭受信貸約束及其福利水平的協(xié)變量。

參考已有研究，用于估計農(nóng)戶遭受信貸約束的傾向得分的協(xié)變量主要有農(nóng)戶家庭人口特征、家庭經(jīng)濟特征、金融環(huán)境和地理特征等因素，具體含義參見表3。①家庭人口特征，引入戶主年齡(及其平方)、戶主受教育程度和勞動力占比等變量。②家庭經(jīng)濟特征，引入上年家庭純收入、上年非農(nóng)收入比重、家庭經(jīng)營耕地面積、上年家庭固定總資產(chǎn)、上年禮金支出和有重大事件支出等。③金融環(huán)境，引入銀行網(wǎng)點距離、在銀行中有存款、獲得過正規(guī)渠道貸款、獲得過非正規(guī)渠道①調(diào)查問卷中指出，非正規(guī)渠道主要包括親朋好友、同事、鄰居、民間借貸者、民間放貸公司、合會(輪會、標會)、生意伙伴或其他私人關(guān)系等。借款、銀行借貸利率、正規(guī)金融市場效率、正規(guī)金融市場規(guī)模。其中，正規(guī)金融市場效率和正規(guī)金融市場規(guī)模分別用“所在縣(市、區(qū))銀行存貸比”和“所在縣(市、區(qū))銀行貸款占當?shù)谿DP比率”來衡量，以反映農(nóng)村金融市場市場化程度的影響［17］。④地理特征，以魯東地區(qū)為基準，引入位于魯西地區(qū)、位于魯中地區(qū)、位于蘇北地區(qū)、位于蘇中地區(qū)和位于蘇南地區(qū)等5個虛擬變量，以控制地域間差異的影響。

表3　主要變量與描述性統(tǒng)計分析

四、實證結(jié)果與分析

(一)信貸約束的平均影響①采用核匹配方法進行匹配，縮小或擴大帶寬對結(jié)論影響不大，因此只匯報帶寬為0. 02的結(jié)果。

表4為運用PSM方法時信貸約束對農(nóng)戶福利水平的平均影響，并用ATE表示。為和PSM的估計結(jié)果進行對比，表4列出了( 7)式所示多元線性回歸模型的估計結(jié)果，并用OLS表示②多元線性模型( 7)式中的解釋變量( W )為影響農(nóng)戶福利水平的變量，例如戶主年齡(及其平方)、戶主受教育程度、勞動力占比、上年家庭純收入、上年非農(nóng)收入比重、家庭經(jīng)營耕地面積、上年家庭固定總資產(chǎn)、上年禮金支出、有重大事件支出、獲得過正規(guī)渠道貸款、獲得過非正規(guī)渠道借款、位于魯西地區(qū)、位于魯中地區(qū)、位于蘇北地區(qū)、位于蘇中地區(qū)和位于蘇南地區(qū)等變量。其中，將戶主年齡(及其平方)和上年家庭固定總資產(chǎn)等變量取自然對數(shù)，將家庭經(jīng)營耕地面和上年禮金支出等變量均加1后再取自然對數(shù)。限于篇幅，本文沒有列出多元線性模型的估計結(jié)果。。

表4　信貸約束影響的估計結(jié)果

由表4給出的基于PSM方法的估計結(jié)果可知，對所有樣本農(nóng)戶而言，信貸約束使得農(nóng)戶的生產(chǎn)性收入、生產(chǎn)性固定資產(chǎn)和非基本消費支出分別平均降低0. 956萬元、0. 447萬元和0. 862萬元，分別占樣本農(nóng)戶平均水平的16. 4%、13. 2%和20. 3%，且分別在5%、5%和1%的水平上顯著。

此外，由表4中基于多元線性模型的OLS估計結(jié)果可知，對所有樣本農(nóng)戶而言，信貸約束使得農(nóng)戶的生產(chǎn)性收入、生產(chǎn)性固定資本和非基本消費支出分別平均降低1. 184萬元、0. 624萬元和1. 137萬元，分別占樣本農(nóng)戶平均水平的20. 3%、18. 4%和26. 8%，且均在1%的水平上顯著。

與表4中的ATE估計結(jié)果相比，利用OLS方法所得到的系數(shù)估計值的絕對值更大且更具統(tǒng)計顯著性，兩種方法的估計結(jié)果之間也存在較大差異。OLS估計無法考慮樣本選擇性問題，所得結(jié)果存在估計偏誤。相比之下，采用PSM方法控制了樣本選擇性之后，所得估計結(jié)果相對于OLS估計結(jié)果更為準確和可靠。

(二)信貸約束的分位數(shù)影響

對農(nóng)戶福利水平的分位數(shù)處理效應(yīng)進行分析，相關(guān)結(jié)果參見表5。簡便起見，本文選取5個具有代表性的分位點，分別是0. 1、0. 3、0. 5、0. 7和0. 9。

對于生產(chǎn)性收入方面，由表5可知，從影響的絕對值(即絕對損失)來看，信貸約束對農(nóng)戶生產(chǎn)性收入的影響隨著分位點的提高而不斷增加，且其顯著性水平不斷提升。在10%分位點上，信貸約束使得農(nóng)戶生產(chǎn)性收入降低0. 203萬元，且在10%的水平上顯著;在50%分位點上，信貸約束使得農(nóng)戶生產(chǎn)性收入降低0. 763萬元，且在1%的水平上顯著;在90%分位點上，信貸約束使得農(nóng)戶生產(chǎn)性收入降低1. 652萬元，且在1%的水平上顯著，其影響接近10%分位點上影響的8. 14倍。然而，從影響的相對值(即相對損失)來看，信貸約束對農(nóng)戶生產(chǎn)性收入的影響程度隨著分位點的提高呈現(xiàn)出“倒U型”關(guān)系，其影響程度依次為12. 7%、15. 2%、21. 3%、17. 9%和14. 8%，且在50%分位點上達到最大值( 21. 3%)，接近影響程度最小值的1. 68倍( 21. 3% /12. 7%)。

表5　信貸約束分位數(shù)影響的估計結(jié)果

對于生產(chǎn)性固定資產(chǎn)方面，由表5可知，從絕對損失來看，信貸約束對農(nóng)戶生產(chǎn)性固定資產(chǎn)的影響隨著分位點的提高而不斷增加，且其顯著性水平同樣不斷提升。在10%分位點上，信貸約束使得農(nóng)戶生產(chǎn)性固定資產(chǎn)降低0. 193萬元，且在10%的水平上顯著;在50%分位點上，信貸約束使得農(nóng)戶生產(chǎn)性固定資產(chǎn)降低0. 457萬元，且在1%的水平上顯著;在90%分位點上，信貸約束使得農(nóng)戶生產(chǎn)性固定資產(chǎn)降低1. 114萬元，且在1%的水平上顯著，其影響接近10%分位點上影響的5. 77倍。從相對損失來看，信貸約束對農(nóng)戶生產(chǎn)性固定資產(chǎn)的影響程度同樣呈現(xiàn)出“倒U型”關(guān)系，其影響程度依次為10. 4%、13. 5%、15. 1%、13. 7%和11. 4%，且在50%分位點上達到最大值( 15. 1%)，接近影響程度最小值的1. 45倍( 15. 1% /10. 4%)。

對于非基本消費支出方面，信貸約束的影響與生產(chǎn)性收入和生產(chǎn)性固定資產(chǎn)相類似。由表5可知，從絕對損失來看，在10%分位點上，信貸約束使得農(nóng)戶非基本消費支出降低0. 325萬元，且在10%的水平上顯著;在50%分位點上，信貸約束使得農(nóng)戶非基本消費支出降低1. 114，且在1%的水平上顯著;在90%分位點上，信貸約束使得農(nóng)戶非基本消費支出降低1. 919萬元，且在1%的水平上顯著，其影響接近10%分位點上影響的5. 90倍。而從相對損失來看，信貸約束對農(nóng)戶非基本消費支出的影響程度隨著分位點的提高呈現(xiàn)出“倒U型”關(guān)系，其影響程度依次為12. 7%、15. 2%、21. 3%、17. 9%和14. 8%，且在70%分位點上達到最大值( 22. 8%)，接近影響程度最小值的1. 75倍( 29. 8% /13. 0%)。

綜上可得以下結(jié)論:①信貸約束顯著降低農(nóng)戶的福利水平，導(dǎo)致農(nóng)戶的生產(chǎn)性收入、生產(chǎn)性固定資產(chǎn)和非基本消費支出分別平均降低16. 4%、13. 2%和20. 3%。②從絕對損失來看，信貸約束的影響隨著分位點的提高而不斷提升，其顯著性水平也不斷提高，其中90%分位點影響與10%分位點上影響比率依次為8. 14倍、5. 77倍和5. 90倍，以生產(chǎn)性收入絕對影響的波動范圍最大。③從相對損失來看，信貸約束的影響呈現(xiàn)出“倒U型”關(guān)系，相對影響最大時所對應(yīng)的分位數(shù)分別為50%、50%和70%，其波動范圍依次為1. 61倍、1. 45倍和1. 75倍，相對影響的波動范圍較為接近。④對具有較低福利水平的農(nóng)戶，信貸約束的相對損失和絕對損失均處最低水平;對具有較高福利水平的農(nóng)戶，信貸約束的絕對損失最大，但相對損失處于中間狀態(tài);對具有中位數(shù)福利水平的農(nóng)戶，信貸約束的絕對損失處于中間狀態(tài)，但相對損失最大。

五、結(jié)論與政策建議

研究發(fā)現(xiàn)，信貸約束對農(nóng)戶福利水平具有顯著負面影響，并使農(nóng)戶的生產(chǎn)性收入、生產(chǎn)性固定資產(chǎn)和非基本消費支出分別平均降低16. 4%、13. 2%和20. 3%。對于信貸約束的分位數(shù)影響，從絕對損失來看，其影響隨著分位點的提高而大幅提升，其顯著性水平也不斷提高，并以生產(chǎn)性收入絕對影響的波動范圍最大;從相對損失來看，其影響呈現(xiàn)出“倒U型”關(guān)系，且相對影響的波動范圍較為接近。此外，對具有較低福利水平的農(nóng)戶，信貸約束的相對損失和絕對損失均處最低水平;對具有較高福利水平的農(nóng)戶，信貸約束的絕對損失最大，但相對損失處于中間狀態(tài);對具有中位數(shù)福利水平的農(nóng)戶，信貸約束的絕對損失處于中間狀態(tài)，但相對損失最大。

根據(jù)本文的研究結(jié)論，適當增加農(nóng)村金融機構(gòu)的供給主體和數(shù)量，支持鼓勵農(nóng)村金融機構(gòu)依據(jù)資金需求主體的特征和行為偏好進行內(nèi)部管理、信貸技術(shù)和產(chǎn)品服務(wù)等改革創(chuàng)新，降低融資成本和拓寬融資渠道，滿足農(nóng)戶不同層次和規(guī)模的要求，有助于農(nóng)戶融資困境的緩解，進而提高他們的福利水平。目前，我國正開展農(nóng)村普惠金融體系建設(shè)，在實踐中要充分意識到農(nóng)戶群體內(nèi)部的異質(zhì)性，進而制定更具針對性的金融政策。①首先，具有較高福利水平農(nóng)戶的收入水平也往往較高，一般的資金需求都能自我解決，但一旦產(chǎn)生投資、經(jīng)營和大宗消費時，金融機構(gòu)的授信規(guī)模往往無法有效滿足資金需求。以后改革的一個思路在于注重商業(yè)化模式的創(chuàng)新，尤其是通過平臺創(chuàng)新降低交易風(fēng)險和成本、擴大貸款授信規(guī)模和豐富信貸產(chǎn)品種類，譬如互聯(lián)網(wǎng)金融平臺，移動支付平臺和智能手機平臺等，由此拓展普惠金融服務(wù)的廣度和深度，提高他們享受金融服務(wù)的便利性和可得性。②其次，對于處在福利水平中位數(shù)附近的農(nóng)戶，在產(chǎn)生資金需求時銀行機構(gòu)的授信規(guī)模在理論上能夠滿足其資金需求，然而金融機構(gòu)出于逐利或者風(fēng)險規(guī)避等原因，往往將有限的資金傾斜于富裕農(nóng)戶和農(nóng)業(yè)企業(yè)，資金需求無法得到實際保障。要想有效覆蓋此類農(nóng)戶，以后改革的思路在于注重內(nèi)部管理模式的創(chuàng)新，不僅要以可接受的成本將金融服務(wù)提供給這類農(nóng)戶，更需要保證商業(yè)上的可持續(xù)性，這就要求金融機構(gòu)在適度放松對這類農(nóng)戶貸款審核和抵押品要求的同時，大力開展成本管理和風(fēng)險管理創(chuàng)新。③最后，處于較低分位數(shù)福利水平農(nóng)戶的收入水平相對較低，但具有開展微型創(chuàng)業(yè)和改善貧困狀態(tài)的強烈意愿，且所需資金規(guī)模相對較小，實際上可以通過“普惠金融”脫離貧困狀態(tài)，然而，他們在現(xiàn)實中往往很難享受到金融機構(gòu)的有效服務(wù)。在今后的普惠金融實踐中，以后改革的一個思路在于注重產(chǎn)品和服務(wù)模式的創(chuàng)新，譬如強化低門檻信貸產(chǎn)品、低門檻創(chuàng)業(yè)支持產(chǎn)品和服務(wù)創(chuàng)新、低門檻投資和理財產(chǎn)品創(chuàng)新、低門檻保險產(chǎn)品創(chuàng)新等，使這類人群可以更多地享受到普惠金融服務(wù)，進而為他們的微型創(chuàng)業(yè)和微型投資提供有效支持。

參考文獻:

［1］FOLTZ J．Credit Market Access and Profitability in Tunisian Agriculture［J］．Agricultural Economics，2004，84( 2) : 229－240．

［2］李銳，朱喜．農(nóng)戶金融抑制及其福利損失的計量分析［J］．經(jīng)濟研究，2007，( 2) : 146－155．

［3］張龍耀，江春．中國農(nóng)村金融市場中非價格信貸配給的理論和實證分析［J］．金融研究，2014，( 7) : 98－113．

［4］DONG F X，LU J，F(xiàn)EATHERSTONE C．Effects of Credit Constraints on Productivity and Rural Household Income in China［R］．Lowa State University，2010．

［5］李慶海，李銳，汪三貴．農(nóng)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(jīng)濟技術(shù)經(jīng)濟研究，2012，( 8) : 35－48．

［6］WOOLDRIDGE J M．Econometric Analysis of Cross Section and Panel Data ( 2ed)［M］．Cambridge，MA: MITPress，2010．

［7］FUWA N，ITO S，KUBO K．，et al．Mothers’Dilemma? Credit Constraint，Mothers’Work and Gender Disparity in Intrahousehold Time Allocation in Rural India［C］/ / the 30th Anniversary of Yotopoulos and Nugent’Economics of Development: Empirical Investigations．Stanford University，2007．

［8］褚保金，盧亞娟，張龍耀．信貸配給下農(nóng)戶借貸的福利效果分析［J］．中國農(nóng)村經(jīng)濟，2009，( 2) : 51－61．

［9］程郁，羅丹．信貸約束下中國農(nóng)戶信貸缺口的估計［J］．世界經(jīng)濟文匯，2010，( 2) : 69－80．

［10］BRIDGEMAN B C，TOWE C A，MOREHART M J．Credit Constraints: Their Existence，Determinants，and Implications for U．S．Farm and Nonfarm Sole Proprietorships［J］．American Journal of Agricultural Economics，2009，91，( 1) : 275－289．

［11］ROSENBAUM P R，RUBIN D B．The Central Role of the Propensity Score in Observational Studies for Causal Effects ［J］．Biometrika，1983，70( 1) : 41－55．

［12］BECKER S O，ICHINO A．Estimation of Average Treatment Effects Based on Propensity Scores［J］．Stata Journal，2002，( 2) : 358－377．

［13］周振，譚智心，鐘真．糧食直補對農(nóng)戶種糧積極性的影響［J］．華南農(nóng)業(yè)大學(xué)學(xué)報(社會科學(xué)版)，2014，( 4) : 24 －36．

［14］FIRPO S．Efficient Semiparametric Estimation of Quantile Treatment Effects［J］．Econometrica，2007，75( 1) : 259 －276．

［15］劉西川，陳立輝，楊奇明．農(nóng)戶正規(guī)信貸需求與利率:基于TobitⅢ模型的經(jīng)驗考察［J］．管理世界，2014，( 3) : 75－91．

［16］余泉生，周亞紅．信貸約束強度與農(nóng)戶福祉損失——基于中國農(nóng)村金融調(diào)查截面數(shù)據(jù)的實證分析［J］．中國農(nóng)村經(jīng)濟，2014，( 3) : 36－47．

［17］張寧，張兵．非正規(guī)高息借款:是被動接受還是主動選擇—基于江蘇1202戶農(nóng)村家庭的調(diào)查［J］．經(jīng)濟科學(xué)，2014，( 5) : 35－46．

The Quantile Treatment Effect of Credit Constraint on the Welfare Loss of Rural Households

LI Qing-hai1，LV Xiao-feng2，LI Rui3
( 1．School of Economics，Nanjing University of Finance and Economics，Nanjing 210023，China;
2．International Business School，Southwestern University of Finance and Economics，Chengdu 610074，China; 3．Business School，Beijing Normal University，Beijing 100875，China)

Abstract:Using recent survey data of rural households，we estimate the average effect of credit constraint on the welfare level of all sample rural households，and the impact on rural households where are in the various quantiles of the welfare level．The results reveal that the credit constraint have statistically significant impact on the welfare level; the depth of credit constraint increase by the quantiles，while its relative impact presents an“inverted U shape”relationship along with the increase of the quantile of welfare．

Key Words:credit constraint; welfare level; productive income; fixed productive capital; non-basic consumption expenditure

作者簡介:李慶海( 1982—)，男，南京財經(jīng)大學(xué)經(jīng)濟學(xué)院講師，主要研究方向為農(nóng)村經(jīng)濟和計量經(jīng)濟分析。E-mail: zhongguopai@163．com

基金項目:國家自然科學(xué)基金青年基金項目( 71503118) ;教育部人文社會科學(xué)研究青年項目( 14YJC790067) ;國家自然科學(xué)基金重點項目( 71133001) ;國家自然科學(xué)基金青年基金項目( 71303104)

收稿日期:2015－12－14

DOI:10．7671/j．issn．1672－0202．2016．02．006

中圖分類號:F832．4

文獻標識碼:A

文章編號:1672－0202( 2016) 02－0052－10