我國“三農(nóng)”信貸政策評(píng)價(jià)指標(biāo)體系構(gòu)建

易穎　劉美伶

摘要：多年來，國家不斷通過支農(nóng)再貸款、定向降準(zhǔn)等信貸政策工具支持“三農(nóng)”，并取得了一定的成效，而當(dāng)前對(duì)“三農(nóng)”信貸政策進(jìn)行綜合評(píng)價(jià)的文獻(xiàn)較少。本文基于公共政策評(píng)估的理論和方法，從農(nóng)村金融機(jī)構(gòu)、“三農(nóng)”、政府三個(gè)利益相關(guān)層面構(gòu)建綜合評(píng)價(jià)指標(biāo)體系，利用主成份分析法、層次分析法確定各指標(biāo)的權(quán)重進(jìn)而衡量“三農(nóng)”信貸政策的基本情況并對(duì)其進(jìn)行縱向?qū)Ρ确治?，最后提出改善“三農(nóng)”信貸政策整體效果的建議。

關(guān)鍵詞：“三農(nóng)”信貸 政策評(píng)價(jià) 指標(biāo)體系

一、引言

“三農(nóng)”信貸政策是指中國人民銀行根據(jù)國家宏觀經(jīng)濟(jì)政策、產(chǎn)業(yè)政策和區(qū)域發(fā)展政策，并銜接財(cái)政政策、利用外資政策等制定的引導(dǎo)金融機(jī)構(gòu)將信貸投向有利于“三農(nóng)”發(fā)展的一系列政策法規(guī)和管理制度的總和。十六大以來，中央一直把“三農(nóng)”問題放到了重中之重的高度，中央銀行也不斷調(diào)整信貸政策引導(dǎo)信貸資金投向農(nóng)業(yè)、農(nóng)村、農(nóng)戶。從加大支農(nóng)再貸款的支持力度，到對(duì)符合要求且“三農(nóng)”和小微企業(yè)貸款達(dá)到一定比例的商業(yè)銀行降準(zhǔn)（下調(diào)人民幣存款準(zhǔn)備金率0.5個(gè)百分點(diǎn)），再到對(duì)中國農(nóng)業(yè)銀行提供農(nóng)戶貸款、農(nóng)村企業(yè)和農(nóng)村各類組織貸款實(shí)行稅收優(yōu)惠政策（對(duì)相應(yīng)貸款業(yè)務(wù)的利息收入減按3%的稅率征收營業(yè)稅），以及小額信貸貼息政策等惠農(nóng)信貸政策不斷出臺(tái)和實(shí)施，使我國涉農(nóng)信貸額度有所突破，截至2017年末，銀行業(yè)金融機(jī)構(gòu)涉農(nóng)貸款余額達(dá)31萬億元，比上年增長11.7%。然而“三農(nóng)”信貸政策的總體情況如何，“三農(nóng)”信貸政策對(duì)目標(biāo)群體的作用多大，以及對(duì)“三農(nóng)”融資約束等問題的改善狀況如何都是需要評(píng)估的。2011年，中國人民銀行出臺(tái)了《中小企業(yè)、涉農(nóng)信貸政策導(dǎo)向效果評(píng)估指引（試行）》，該文件指引的評(píng)估辦法主要考察各個(gè)金融機(jī)構(gòu)涉農(nóng)貸款增量和比例是否滿足要求，以及是否落實(shí)央行下達(dá)的信貸政策，側(cè)重于對(duì)具體金融機(jī)構(gòu)信貸政策執(zhí)行情況的評(píng)估。本文的目的在于對(duì)“三農(nóng)”信貸政策的總體情況進(jìn)行評(píng)價(jià)，通過構(gòu)建評(píng)價(jià)指標(biāo)體系，以衡量“三農(nóng)”信貸政策近些年的基本情況，包括農(nóng)村金融機(jī)構(gòu)的發(fā)展情況、“三農(nóng)”信貸政策的支農(nóng)情況以及政府相關(guān)政策目標(biāo)的實(shí)現(xiàn)情況，并為進(jìn)一步優(yōu)化“三農(nóng)”信貸政策提供思路，也為其他信貸政策評(píng)價(jià)研究提供方法參考。

二、政策評(píng)價(jià)選擇

“三農(nóng)”信貸政策是一系列支農(nóng)信貸政策工具的總和，政策下達(dá)的時(shí)間并非單個(gè)具體的時(shí)間點(diǎn)，且在不同年份信貸政策工具不同，政策實(shí)施對(duì)象和目標(biāo)也比較多樣化。因而無法用單一指標(biāo)來衡量，也不適合用干預(yù)模型等時(shí)間序列分析法來研究“三農(nóng)”信貸政策的實(shí)施效應(yīng)，或?qū)Ρ日邔?duì)象在政策實(shí)施前后的變化。再者，“三農(nóng)”信貸政策的實(shí)施是舉國范圍，在國內(nèi)無法找尋對(duì)照組和實(shí)驗(yàn)組，因而通過對(duì)比對(duì)照組和實(shí)驗(yàn)組來評(píng)價(jià)政策作用效果的雙重差分法（DID）也不適用于“三農(nóng)”信貸政策效果的評(píng)估。而構(gòu)建評(píng)價(jià)指標(biāo)體系的方法在衡量某評(píng)價(jià)對(duì)象多方面綜合發(fā)展情況以及政策評(píng)價(jià)等領(lǐng)域運(yùn)用較為廣泛。如李素利、張金隆等人以社會(huì)政治標(biāo)準(zhǔn)中的適當(dāng)性、公平性和回應(yīng)性為主維度構(gòu)建多維多層測度指標(biāo)體系評(píng)估社會(huì)保障政策的執(zhí)行效果[1];張永岳、張傳勇和謝暉圍繞政策的利益相關(guān)方（政策的運(yùn)行環(huán)境、政策的直接受益者、政府）構(gòu)建房地產(chǎn)調(diào)控政策效果評(píng)價(jià)指標(biāo)體系來量化調(diào)控政策效果[2];有些學(xué)者將該方法用于評(píng)價(jià)我國農(nóng)村普惠金融機(jī)構(gòu)的支農(nóng)能力[3]，評(píng)價(jià)我國小額信貸的社會(huì)績效[4]，測度異地扶貧搬遷政策的實(shí)施效果[5]等。在綜合考慮各種政策評(píng)價(jià)方法的適用性以及“三農(nóng)”信貸政策的特征之后，本文采用構(gòu)建綜合評(píng)價(jià)指標(biāo)體系的方法，以“三農(nóng)”信貸政策的三個(gè)利益相關(guān)主體為主維度構(gòu)建一個(gè)綜合評(píng)估指標(biāo)體系并結(jié)合主成份分析法和層次分析法確定各指標(biāo)的權(quán)重，以追求指標(biāo)體系評(píng)價(jià)方法的科學(xué)性。

三、評(píng)價(jià)指標(biāo)體系的構(gòu)建與評(píng)價(jià)過程

（一）指標(biāo)體系的構(gòu)建與說明

依照指標(biāo)體系構(gòu)建的系統(tǒng)性、典型性、科學(xué)性和可操作性原則，根據(jù)三農(nóng)信貸政策的性質(zhì)，采用政策效果評(píng)估模式中的利益相關(guān)者模式，充分考慮政策的實(shí)施者——農(nóng)村金融機(jī)構(gòu)、政策的直接受益者——“三農(nóng)”、政策的制定者——政府這三個(gè)相關(guān)利益方，對(duì)“三農(nóng)”信貸政策構(gòu)建如下評(píng)價(jià)指標(biāo)體系：

1.農(nóng)村金融機(jī)構(gòu)發(fā)展情況，采用涉農(nóng)不良貸款率來反映農(nóng)村金融機(jī)構(gòu)涉農(nóng)貸款業(yè)務(wù)的經(jīng)營質(zhì)量;農(nóng)村中小金融機(jī)構(gòu)和郵儲(chǔ)銀行資產(chǎn)份額占比能大體反映農(nóng)村金融市場相對(duì)于整個(gè)金融市場的規(guī)模;銀監(jiān)會(huì)于2006年末開始放寬農(nóng)村地區(qū)銀行業(yè)金融機(jī)構(gòu)準(zhǔn)入條件，鼓勵(lì)新型農(nóng)村金融機(jī)構(gòu)的設(shè)立，本文采用新型農(nóng)村金融機(jī)構(gòu)的數(shù)量反映農(nóng)村金融機(jī)構(gòu)的設(shè)立情況;資本充足率指標(biāo)可反映金融機(jī)構(gòu)以自有資本承擔(dān)風(fēng)險(xiǎn)的能力，考慮到農(nóng)村金融機(jī)構(gòu)整體資本充足率的數(shù)據(jù)不可得且不易計(jì)量，本文以作為農(nóng)村金融主力軍的農(nóng)村信用合作社（含農(nóng)村商業(yè)銀行、農(nóng)村合作銀行）資本充足率數(shù)據(jù)來代表農(nóng)村金融機(jī)構(gòu)的資本充足率情況。

2.“三農(nóng)”信貸支農(nóng)情況，運(yùn)用了涉農(nóng)貸款余額占比、涉農(nóng)貸款增速與金融機(jī)構(gòu)各項(xiàng)貸款余額增速之比、農(nóng)林牧漁業(yè)信貸滿足程度、農(nóng)戶貸款余額占比、農(nóng)村居民人均純收入、農(nóng)民人均農(nóng)業(yè)產(chǎn)值等指標(biāo)反映“三農(nóng)”信貸政策受益者的綜合受益情況。其中，前4個(gè)指標(biāo)主要反映了農(nóng)戶、農(nóng)村企業(yè)、涉農(nóng)的城市企業(yè)等客體的融資改善情況;后兩個(gè)指標(biāo)反映了“三農(nóng)”信貸政策直接受益對(duì)象的發(fā)展情況。文中涉及GDP的數(shù)據(jù)以及農(nóng)村居民人均純收入指標(biāo)均已消除價(jià)格因素影響。

3.政府政策目標(biāo)實(shí)現(xiàn)情況。實(shí)現(xiàn)全面脫貧、縮小城鄉(xiāng)收入差距以及推進(jìn)農(nóng)業(yè)現(xiàn)代化是黨和國家“三農(nóng)”政策的主要目標(biāo)，幾乎所有惠農(nóng)政策都是為實(shí)現(xiàn)這幾個(gè)政策目標(biāo)而定。本文以脫貧實(shí)現(xiàn)程度、城鄉(xiāng)收入差距來衡量政府前兩個(gè)目標(biāo)的實(shí)現(xiàn)程度;農(nóng)業(yè)機(jī)械化是農(nóng)業(yè)現(xiàn)代化的基礎(chǔ)，因而用農(nóng)作物耕種收綜合機(jī)械化率來部分反映農(nóng)業(yè)現(xiàn)代化的實(shí)現(xiàn)程度。

4.數(shù)據(jù)來源及說明。以上各指標(biāo)的數(shù)據(jù)主要來源于萬得數(shù)據(jù)庫以及各個(gè)年份的《銀行業(yè)監(jiān)督委員會(huì)年報(bào)》、《中國統(tǒng)計(jì)年鑒》、《中國金融年鑒》、《中國農(nóng)村統(tǒng)計(jì)年鑒》、《中國農(nóng)村金融服務(wù)報(bào)告》和《中國農(nóng)業(yè)機(jī)械工業(yè)統(tǒng)計(jì)年鑒》，部分來源于東方財(cái)富網(wǎng)等。另外，由于貧困標(biāo)準(zhǔn)于2010年變更使得2009年貧困發(fā)生率與2010年之后的數(shù)據(jù)不統(tǒng)一;2013年起住戶調(diào)查制度改革后，城鄉(xiāng)居民收入數(shù)據(jù)統(tǒng)計(jì)口徑變更，《中國統(tǒng)計(jì)年鑒》中按可比口徑只推算至2015年，因此文中2009年度脫貧實(shí)現(xiàn)程度數(shù)據(jù)以及2016年度城鄉(xiāng)居民收入數(shù)據(jù)均采用趨勢外推法求得。

（二）各指標(biāo)權(quán)重的確定

本文首先采用主成份分析法確定指標(biāo)層相對(duì)于準(zhǔn)則層的權(quán)重，再用層次分析法（AHP）確定準(zhǔn)則層的權(quán)重，以減少主觀因素對(duì)指標(biāo)權(quán)重的影響。當(dāng)然在這之前要對(duì)指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，以消除各指標(biāo)之間量綱和數(shù)量級(jí)的差異，由于篇幅限制，此處不再展示數(shù)據(jù)標(biāo)準(zhǔn)化的結(jié)果。

1.指標(biāo)層相對(duì)于準(zhǔn)則層權(quán)重的確定。首先，我們將無量綱化后的農(nóng)村金融市場指標(biāo)的數(shù)據(jù)進(jìn)行KMO統(tǒng)計(jì)量檢驗(yàn)及Bartletts球形檢驗(yàn)（見表2），以確定能否運(yùn)用主成分分析法來確定指標(biāo)的權(quán)重。KMO統(tǒng)計(jì)量大于或接近0.7，Bartletts球形檢驗(yàn)的Sig.值小于0.05，說明該方法基本適用。

表3中特征值表示主成分所含變量的個(gè)數(shù)，方差百分比表示主成分所含被提取指標(biāo)的信息量。比如，表3中共4個(gè)指標(biāo)，主成份1包含了3.5個(gè)指標(biāo)的信息，3.5與4的比值得方差百分比88.224%，解釋為主成份1已經(jīng)包含了88.224%的信息。因此本文抽取主成份1，分析各指標(biāo)相對(duì)于該主成份的重要程度。反映指標(biāo)對(duì)于公因子即主成份重要程度的因子載荷系數(shù)如表4所示。

最后是權(quán)重的計(jì)算，我們首先計(jì)算出各指標(biāo)在各主成份線性組合中的系數(shù)（因子載荷系數(shù)與開方后的特征值之比），即求Fm=a1mx1+a2mx2+···+apmxp中的a1m、a2m···apm，其中Fm代表第m個(gè)主成份，xp代表第p個(gè)指標(biāo)。然后根據(jù)各主成份的方差貢獻(xiàn)率求出綜合系數(shù)，將綜合系數(shù)歸一化便得出指標(biāo)的權(quán)重。本文中農(nóng)村金融市場指標(biāo)主成份分析時(shí)只提取了一個(gè)主成份，因而只需計(jì)算出各指標(biāo)在該主成份線性組合中的系數(shù)，進(jìn)行歸一化后即可得到涉農(nóng)不良貸款率、新型農(nóng)村金融機(jī)構(gòu)數(shù)等指標(biāo)相對(duì)于農(nóng)村金融市場準(zhǔn)則層的權(quán)重為：（w11，w12，w13，w14）T=（0.239，0.254，0.250，0.257）T。同理對(duì)“三農(nóng)”以及政府層面指標(biāo)數(shù)據(jù)進(jìn)行KMO統(tǒng)計(jì)量及Bartletts球形檢驗(yàn)，并求出服務(wù)“三農(nóng)”指標(biāo)以及政府層面指標(biāo)相對(duì)于準(zhǔn)則層的權(quán)重，分別為：（w21，w22，w23，w24，w25，w26）T=（0.197，0.074，0.163，0.190，0.191，0.185）T，（w31，w32，w33）T=（0.333，0.334，0.333）。

2.準(zhǔn)則層權(quán)重的確定。對(duì)于準(zhǔn)則層的權(quán)重，采用層次分析法（AHP）來確定，首先邀請(qǐng)來自高校的8名專家對(duì)準(zhǔn)則層三個(gè)指標(biāo)進(jìn)行排序并按1-9標(biāo)度賦值，再綜合各專家的意見構(gòu)建如下判斷矩陣：

只有當(dāng)判斷矩陣通過一致性檢驗(yàn)時(shí)，才可用其特征向量作為權(quán)向量。所以需要先對(duì)判斷矩陣進(jìn)行一致性檢驗(yàn)，運(yùn)用MATLAB軟件求出矩陣的最大特征值：λmax=3.0183，進(jìn)而求出CI=（λmax-n）/（n-1）=0.00915，通過查表可得RI=0.58，最后得出判斷矩陣的一致性比率：CR=CI/RI=0.0158<0.1，即A矩陣具有較為滿意的一致性，將最大特征值對(duì)應(yīng)的特征向量歸一化即可得各準(zhǔn)則層相對(duì)于目標(biāo)層的權(quán)重：（w1，w2，w3）T=（0.239，0.625，0.136）T。匯總可得全部指標(biāo)的權(quán)重（見表1）。

（五）評(píng)價(jià)結(jié)果

將各指標(biāo)無量綱化后的數(shù)據(jù)加權(quán)求和可得下表：

首先需要說明的是，本文得出的“三農(nóng)”信貸政策評(píng)分是一個(gè)相對(duì)數(shù)值，重在縱向比較不同年份間“三農(nóng)”信貸政策的總體情況。從表6可以看出“三農(nóng)”信貸政策的總體評(píng)分從2009年的0.103上升到2016年的0.798，基本呈上升趨勢，說明“三農(nóng)”信貸政策的總體情況在不斷改善。其中政府目標(biāo)實(shí)現(xiàn)層面的評(píng)分穩(wěn)步提高，由0.103上升至0.798;“三農(nóng)”信貸政策支農(nóng)層面的指標(biāo)評(píng)分從0.103上升到0.447，該層面的情況改善主要體現(xiàn)在涉農(nóng)貸款、農(nóng)戶貸款占比增大以及農(nóng)民收入和農(nóng)民人均產(chǎn)值增高等方面;政策實(shí)施者農(nóng)村金融機(jī)構(gòu)的發(fā)展情況在2014年之后略有波動(dòng)，雖然農(nóng)村中小金融機(jī)構(gòu)資產(chǎn)份額增大、新型農(nóng)村金融機(jī)構(gòu)數(shù)量增多，但從原始數(shù)據(jù)情況可以看出涉農(nóng)不良貸款率于2013年之后出現(xiàn)上升趨勢，至2016年上升至3.1%。此外，我們還發(fā)現(xiàn)盡管“三農(nóng)”信貸政策總體支農(nóng)情況在不斷改善，然而涉農(nóng)貸款增速情況以及農(nóng)業(yè)信貸滿足程度卻呈下降趨勢，因此，我國“三農(nóng)”信貸政策依然存在一定的改善空間。

四、討論與政策建議

正如前文所述，盡管“三農(nóng)”信貸政策基本發(fā)展情況總體向好，但涉農(nóng)貸款尤其是農(nóng)業(yè)貸款支持力度依然不足以及涉農(nóng)不良貸款率回升的問題不容忽視?；诖?，本文提出如下政策建議：第一，引導(dǎo)資金流向“三農(nóng)”。一方面，中央銀行要繼續(xù)加大支農(nóng)再貸款力度，充分運(yùn)用差別化準(zhǔn)備金率并結(jié)合財(cái)政部門制定的相關(guān)稅收優(yōu)惠政策以及支持金融科技發(fā)展，為涉農(nóng)金融機(jī)構(gòu)服務(wù)“三農(nóng)”提供良好的運(yùn)作環(huán)境;另一方面，可通過培育現(xiàn)代新型農(nóng)業(yè)經(jīng)營主體，提高“三農(nóng)”信貸資金的融資需求和使用效率。第二，鼓勵(lì)信貸資金不斷投向“三農(nóng)”信貸市場的同時(shí)要對(duì)風(fēng)險(xiǎn)進(jìn)行控制以降低涉農(nóng)不良貸款率。具體可通過推動(dòng)農(nóng)業(yè)保險(xiǎn)市場的發(fā)展、持續(xù)推進(jìn)農(nóng)村信用體系建設(shè)以緩解涉農(nóng)金融機(jī)構(gòu)面臨的信貸風(fēng)險(xiǎn)，保障“三農(nóng)”信貸資金的安全性，進(jìn)一步改善“三農(nóng)”信貸政策的效果。

參考文獻(xiàn)：

[1]李素利，張金隆，劉汕. 多維多層視角下我國社會(huì)保障政策執(zhí)行效果測度研究[J]. 管理評(píng)論，2015，27（3）：24-38.

[2]張永岳，張傳勇，謝暉. 我國房地產(chǎn)宏觀調(diào)控政策效果評(píng)估初探——基于公共政策評(píng)估的視角[J]. 上海經(jīng)濟(jì)研究，2010（12）：73-81.

[3]李明賢，羅荷花. 普惠制農(nóng)村金融機(jī)構(gòu)支農(nóng)能力指標(biāo)體系的構(gòu)建[J]. 中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)，2013（4）.

[4]周孟亮. 我國小額信貸社會(huì)績效評(píng)價(jià)指標(biāo)設(shè)計(jì)研究[J]. 農(nóng)村金融研究，2011（2）：53-58.

[5]熊升銀，王學(xué)義. 易地扶貧搬遷政策實(shí)施效果測度及影響因素分析[J]. 統(tǒng)計(jì)與決策，2019（13）.

基金項(xiàng)目：湖南省自然科學(xué)基金項(xiàng)目“我國農(nóng)村普惠金融的減貧效應(yīng)研究”（2018JJ3245）。

（易穎系華中師范大學(xué)經(jīng)濟(jì)與工商管理學(xué)院碩士研究生;劉美伶系湖南農(nóng)業(yè)大學(xué)經(jīng)濟(jì)學(xué)院碩士研究生）