安徽省種植大戶(hù)融資影響因素研究

檀群君,王 丘

(安徽農(nóng)業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，安徽 合肥 230036)

一、引 言

近年來(lái)，安徽省廣大農(nóng)村地區(qū)土地流轉(zhuǎn)數(shù)量和規(guī)模呈上升趨勢(shì)，一部分農(nóng)戶(hù)通過(guò)承包土地成為當(dāng)?shù)氐姆N植大戶(hù)，這些種植大戶(hù)雖然已經(jīng)不同于傳統(tǒng)農(nóng)戶(hù)，但仍然由于金融供給不足或者金融供給與融資需求不匹配、缺少抵押物等原因而難以取得正規(guī)金融機(jī)構(gòu)貸款，融資需求難以滿(mǎn)足，經(jīng)營(yíng)規(guī)模難以擴(kuò)大。

雖然種植大戶(hù)既屬于農(nóng)戶(hù)，也屬于新型農(nóng)業(yè)經(jīng)營(yíng)主體的一部分，但是在經(jīng)營(yíng)規(guī)模上比一般農(nóng)戶(hù)大，而小于新型農(nóng)業(yè)經(jīng)營(yíng)主體中家庭農(nóng)場(chǎng)的經(jīng)營(yíng)規(guī)模，并且，目前安徽省種植大戶(hù)已經(jīng)在新型農(nóng)業(yè)經(jīng)營(yíng)主體中占多數(shù)。根據(jù)安徽省農(nóng)委提供的資料，截至2012年年末，安徽省新型農(nóng)業(yè)經(jīng)營(yíng)主體已注冊(cè)登記的有187 974個(gè)，其中種植大戶(hù)有153 960戶(hù)，占比約為82%。因此，對(duì)安徽省種植大戶(hù)的融資問(wèn)題進(jìn)行研究，具有重要意義。

二、文獻(xiàn)綜述

對(duì)于普通農(nóng)戶(hù)，陳麗、韋瀟麗通過(guò)對(duì)實(shí)地調(diào)研所得數(shù)據(jù)進(jìn)行整理分析發(fā)現(xiàn)，在所調(diào)查農(nóng)戶(hù)中，大部分有融資需求，超過(guò)50%的農(nóng)戶(hù)表示有過(guò)融資行為[1]。謝鑫等對(duì)新疆250戶(hù)農(nóng)戶(hù)調(diào)查發(fā)現(xiàn)，由于金融機(jī)構(gòu)的資金供給不足、對(duì)金融業(yè)務(wù)知識(shí)宣傳不到位，有一半的農(nóng)戶(hù)選擇向親友借款[2]。胡劍調(diào)查發(fā)現(xiàn)，許多地方性金融機(jī)構(gòu)的貸款利率定價(jià)方式傳統(tǒng)僵化，貸款利率水平偏高[3]。Zellera and Diagnea提出，收入水平顯著影響農(nóng)戶(hù)的融資行為，二者之間呈現(xiàn)明顯的反向關(guān)系，收入減少時(shí)，農(nóng)戶(hù)融資需求更強(qiáng)烈[4]。

對(duì)于新型農(nóng)業(yè)經(jīng)營(yíng)主體，梁月等對(duì)230個(gè)家庭農(nóng)場(chǎng)進(jìn)行問(wèn)卷調(diào)查，并運(yùn)用Logistic模型分析發(fā)現(xiàn)，家庭農(nóng)業(yè)收入與農(nóng)場(chǎng)主信貸需求具有負(fù)向關(guān)系，種植規(guī)模與農(nóng)場(chǎng)主信貸需求具有正向關(guān)系[5]。王薔等對(duì)四川省355戶(hù)新型農(nóng)業(yè)經(jīng)營(yíng)主體調(diào)查發(fā)現(xiàn)，有過(guò)借貸行為的主體比例超過(guò)一半，并且有69%的受訪(fǎng)者表示未來(lái)仍有融資意愿[6]。王吉鵬等通過(guò)對(duì)131家新型農(nóng)業(yè)經(jīng)營(yíng)主體調(diào)查發(fā)現(xiàn)，新型農(nóng)業(yè)經(jīng)營(yíng)主體自身發(fā)展水平低、規(guī)模小，信用評(píng)級(jí)體系不健全以及農(nóng)村金融機(jī)構(gòu)發(fā)展滯后是影響新型農(nóng)業(yè)經(jīng)營(yíng)主體融資需求的三個(gè)因素[7]。也有學(xué)者將影響融資需求的因素分為內(nèi)部因素和外部因素。例如，林樂(lè)芬、法寧通過(guò)Logistic模型分析得出，影響新型農(nóng)業(yè)經(jīng)營(yíng)主體融資需求的內(nèi)部因素主要是新型農(nóng)業(yè)主體自身特點(diǎn)，具體表現(xiàn)為管理水平不高、證件不全，并且資金需求規(guī)模大、期限長(zhǎng)；外部因素分別是金融機(jī)構(gòu)產(chǎn)品和服務(wù)與新型農(nóng)業(yè)經(jīng)營(yíng)主體融資需求不匹配，政府政策支持力度小[8]。

對(duì)于種植大戶(hù)融資相關(guān)的研究較少，陳潔通過(guò)對(duì)安徽省懷寧縣、樅陽(yáng)縣的70戶(hù)種糧大戶(hù)的調(diào)查發(fā)現(xiàn)，只有6%的種糧大戶(hù)從正規(guī)金融機(jī)構(gòu)獲得了足額貸款，并且金融機(jī)構(gòu)貸款手續(xù)多、擔(dān)保要求嚴(yán)格等原因抑制了當(dāng)?shù)胤N糧大戶(hù)向正規(guī)金融機(jī)構(gòu)的融資需求[9]。羅振軍等對(duì)510戶(hù)種糧大戶(hù)實(shí)地調(diào)研，并利用Probit模型對(duì)所得數(shù)據(jù)分析后發(fā)現(xiàn)，種植規(guī)模與種糧大戶(hù)融資需求具有正向關(guān)系，家庭收入水平、家庭資產(chǎn)規(guī)模與融資需求具有負(fù)向關(guān)系[10]。亓浩等利用有序Probit模型分析得出，種養(yǎng)規(guī)模、金融供給情況和政府支出力度對(duì)種養(yǎng)大戶(hù)資金籌集難易的程度具有顯著影響[11]。

以上研究中，在研究對(duì)象的選擇上，多以普通農(nóng)戶(hù)或者以新型農(nóng)業(yè)經(jīng)營(yíng)主體為研究對(duì)象，單獨(dú)以種植大戶(hù)融資問(wèn)題為研究點(diǎn)的文獻(xiàn)較少，而且各地種植大戶(hù)融資特征不同，所以已有文獻(xiàn)中提出的緩解各經(jīng)營(yíng)主體融資困境的建議對(duì)種植大戶(hù)而言借鑒意義有限。在研究方法的運(yùn)用上，多數(shù)研究通過(guò)問(wèn)卷調(diào)查方式獲得橫截面數(shù)據(jù)，利用Logistic模型或Probit模型對(duì)數(shù)據(jù)進(jìn)行分析，缺少對(duì)農(nóng)戶(hù)融資影響因素的歷年相關(guān)數(shù)據(jù)的整體性分析，難以反映階段性、宏觀性農(nóng)戶(hù)融資需求特點(diǎn)，所提出的建議針對(duì)性、前瞻性不足。

三、安徽省種植大戶(hù)基本情況與融資發(fā)展情況

(一)安徽省種植大戶(hù)基本情況

為了保證數(shù)據(jù)的可比性，文章引用安徽省農(nóng)委的標(biāo)準(zhǔn)，將種植大戶(hù)定義為以商品化經(jīng)營(yíng)為主，露地農(nóng)作物種植面積達(dá)到3.33公頃及以上、設(shè)施農(nóng)業(yè)的設(shè)施占地面積1.67公頃及以上的農(nóng)戶(hù)。截至2012年年末，安徽省種植大戶(hù)已突破15萬(wàn)戶(hù)。

(二)安徽省種植大戶(hù)融資發(fā)展情況

金融供給不足，資金供給與需求不匹配。供給規(guī)模方面，2000年到2016年安徽省農(nóng)業(yè)貸款占各項(xiàng)貸款比例平均為7.2%。并且，以工農(nóng)中建為主的商業(yè)銀行在安徽農(nóng)村地區(qū)的營(yíng)業(yè)網(wǎng)點(diǎn)很少，從業(yè)人員更少，而且最低分層網(wǎng)點(diǎn)和人員一般只在縣城，農(nóng)村地區(qū)基層網(wǎng)點(diǎn)少，服務(wù)人群沒(méi)有覆蓋到眾多種植大戶(hù)。資金供給結(jié)構(gòu)方面，雖然部分金融機(jī)構(gòu)開(kāi)發(fā)了農(nóng)村小額信貸業(yè)務(wù)，但是農(nóng)村小額信貸由于額度小、單一的扶貧目標(biāo)和利率上限管制問(wèn)題[12]，使得金融機(jī)構(gòu)普遍不愿意開(kāi)發(fā)此項(xiàng)業(yè)務(wù)，而成功申請(qǐng)小額信貸的農(nóng)戶(hù)因?yàn)轭~度小又難以滿(mǎn)足資金需求。

財(cái)政資金供給方面，2016年年末，安徽財(cái)政支出中農(nóng)林水事務(wù)支出為624.8億元，占財(cái)政支出的比例僅為11.3%；供給結(jié)構(gòu)方面，根據(jù)安徽省最新的統(tǒng)計(jì)口徑，財(cái)政支農(nóng)支出統(tǒng)一在農(nóng)林水事務(wù)這一指標(biāo)中列示，不再單獨(dú)區(qū)分。所以從總量上和結(jié)構(gòu)上看，財(cái)政資金供給規(guī)模小，對(duì)農(nóng)業(yè)方面傾斜力度不夠，導(dǎo)致種植大戶(hù)資金缺口大。

此外，融資成本高也是安徽種植大戶(hù)融資中面臨的實(shí)際困難。正規(guī)融資渠道由于貸款審批程序多，門(mén)檻高，種植大戶(hù)在向銀行等正規(guī)金融機(jī)構(gòu)申請(qǐng)貸款過(guò)程中，會(huì)產(chǎn)生各種交易成本；民間有息借貸等非正規(guī)融資渠道，其利息一般高于銀行借款利率，且年息36%以?xún)?nèi)受?chē)?guó)家法律保護(hù)，資金借出方更傾向于約定較高的借款利率，由此增加了種植大戶(hù)的融資成本。

四、多元線(xiàn)性回歸模型的構(gòu)建

(一)指標(biāo)選取

結(jié)合前人的研究資料和上述對(duì)安徽省實(shí)際情況的分析，本文分別從安徽省種植大戶(hù)基本情況、金融供給情況、農(nóng)民收入水平、資產(chǎn)投資情況、農(nóng)業(yè)生產(chǎn)成本以及財(cái)政支農(nóng)情況方面選取指標(biāo)進(jìn)行分析。

基本情況?；厩闆r包括耕地面積、農(nóng)業(yè)機(jī)械總動(dòng)力以及鄉(xiāng)村辦水電站個(gè)數(shù)。第一，耕地面積與農(nóng)民收益密切相關(guān)，當(dāng)其他條件不變時(shí)，耕地面積越大，農(nóng)民收益越高，進(jìn)行規(guī)模經(jīng)營(yíng)的意愿越強(qiáng)烈，進(jìn)而也更有可能購(gòu)買(mǎi)大型農(nóng)機(jī)具，實(shí)現(xiàn)機(jī)械化，從而產(chǎn)生資金需求。第二，機(jī)械化覆蓋率是衡量農(nóng)業(yè)生產(chǎn)能力的一個(gè)重要指標(biāo)。第三，安徽農(nóng)業(yè)水利情況用鄉(xiāng)村辦水電站個(gè)數(shù)表示。種植業(yè)離不開(kāi)水利灌溉設(shè)施，農(nóng)村水利設(shè)施會(huì)影響農(nóng)戶(hù)種植規(guī)模，并且現(xiàn)代農(nóng)業(yè)要實(shí)現(xiàn)規(guī)模化、產(chǎn)業(yè)化發(fā)展更加依賴(lài)水利、電力系統(tǒng)的完善。

金融機(jī)構(gòu)供給情況。包括農(nóng)業(yè)貸款余額、金融機(jī)構(gòu)從業(yè)人員數(shù)兩個(gè)指標(biāo)。當(dāng)資金需求上升，但農(nóng)業(yè)貸款余額不足或者資金配置與種植大戶(hù)需求不符時(shí)，種植大戶(hù)難以從正規(guī)金融機(jī)構(gòu)獲得足夠資金。金融機(jī)構(gòu)從業(yè)人員數(shù)少，則平均每位種植大戶(hù)獲得的服務(wù)量少，進(jìn)而有可能降低種植大戶(hù)對(duì)金融機(jī)構(gòu)的滿(mǎn)意度，減少其向金融機(jī)構(gòu)融資的可能性。

農(nóng)戶(hù)收入水平。金融機(jī)構(gòu)只能從相對(duì)有限的信息中了解農(nóng)戶(hù)的償債能力，農(nóng)戶(hù)人均可支配收入作為一個(gè)可以觀測(cè)到的顯性指標(biāo)是金融機(jī)構(gòu)決定是否發(fā)放貸款的考慮因素之一。由于文章研究對(duì)象是種植大戶(hù)，以戶(hù)均4口人計(jì)算[13]，得到戶(hù)均可支配收入。

資產(chǎn)投資情況。金融機(jī)構(gòu)向農(nóng)戶(hù)提供貸款往往要求其具有抵押物，但是農(nóng)產(chǎn)品作為農(nóng)戶(hù)投入最多的資產(chǎn)卻不符合抵押條件。農(nóng)機(jī)具、廠(chǎng)房、農(nóng)戶(hù)自有房屋等可作為抵押資產(chǎn)，因此固定資產(chǎn)較多的種植大戶(hù)更易獲得金融機(jī)構(gòu)貸款。農(nóng)村農(nóng)戶(hù)固定資產(chǎn)投資額是衡量農(nóng)戶(hù)資產(chǎn)擁有情況的重要指標(biāo)。

農(nóng)業(yè)生產(chǎn)成本。農(nóng)業(yè)生產(chǎn)成本與農(nóng)戶(hù)收益息息相關(guān)，在其他條件不變的前提下，生產(chǎn)資料價(jià)格等農(nóng)業(yè)生產(chǎn)成本的上升會(huì)導(dǎo)致農(nóng)戶(hù)收益降低，進(jìn)而可能增加農(nóng)戶(hù)對(duì)外部資金的需求量。

財(cái)政支農(nóng)情況。財(cái)政支農(nóng)資金作為國(guó)家支持農(nóng)業(yè)發(fā)展的舉措之一，必然會(huì)對(duì)種植大戶(hù)融資需求產(chǎn)生影響。例如，財(cái)政支農(nóng)資金中用于農(nóng)業(yè)補(bǔ)貼的部分直接影響了種植大戶(hù)獲得的補(bǔ)助金額。

數(shù)據(jù)來(lái)源于《安徽統(tǒng)計(jì)年鑒》《中國(guó)金融年鑒》《中經(jīng)網(wǎng)》，并經(jīng)整理分析得出，數(shù)據(jù)分析使用SPSS軟件。因?yàn)椴糠謹(jǐn)?shù)據(jù)缺失以及指標(biāo)“農(nóng)業(yè)貸款余額”統(tǒng)計(jì)口徑發(fā)生變化，為了使數(shù)據(jù)具有可比性，選取2000～2016年的數(shù)據(jù)，并利用最新的統(tǒng)計(jì)口徑和安徽省農(nóng)業(yè)貸款余額的增長(zhǎng)率重新推算，安徽省種植大戶(hù)融資需求相關(guān)影響因素具體數(shù)據(jù)見(jiàn)表1，各變量所代表的指標(biāo)見(jiàn)表2。

表1 2000～2016年影響安徽省種植大戶(hù)融資需求的相關(guān)因素

(二)模型構(gòu)建

根據(jù)以上所述，這9個(gè)指標(biāo)均有可能是影響安徽省種植大戶(hù)融資需求的因素，因此，文章采用多元線(xiàn)性回歸模型進(jìn)行實(shí)證分析。多元線(xiàn)性回歸模型一般形式：

Y=β0+β1X1+β2X2+……βnXn+ε

(1)

其中Y為被解釋變量，X為解釋變量，ε為隨機(jī)誤差項(xiàng)。本文因?yàn)橛?個(gè)解釋變量，所以n=1,2，…，9。

表2 變量的定義

五、安徽省種植大戶(hù)融資影響因素的實(shí)證研究

(一)變量的描述性統(tǒng)計(jì)

表3和表4分別是變量的描述性統(tǒng)計(jì)具體結(jié)果和普通多元回歸分析結(jié)果。

表3 變量的描述性統(tǒng)計(jì)結(jié)果

(二)普通線(xiàn)性回歸分析

由表4可以看出，耕地面積X1、金融機(jī)構(gòu)從業(yè)人員數(shù)X4、財(cái)政支農(nóng)支出中農(nóng)林水事務(wù)支出X9的系數(shù)為負(fù)值，不符合經(jīng)濟(jì)意義；各解釋變量t統(tǒng)計(jì)量的Sig值均大于0.10，未通過(guò)t檢驗(yàn)；且部分解釋變量的方差膨脹因子VIF超過(guò)10，說(shuō)明解釋變量之間存在多重共線(xiàn)性，所以不能直接采用多元線(xiàn)性回歸，可通過(guò)主成分分析法降低變量間的多重共線(xiàn)性。

表4 系數(shù)

注：a.因變量：融資需求Y.

(三)主成分分析

主成分分析法是利用降維的思想，將彼此之間可能存在相關(guān)關(guān)系的變量，轉(zhuǎn)換成少數(shù)的彼此之間沒(méi)有相關(guān)關(guān)系的綜合指標(biāo)，且綜合指標(biāo)能夠反映原始變量的大部分信息的統(tǒng)計(jì)方法[14]。在進(jìn)行主成分分析前，為了避免變量間的量綱影響，需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，然后對(duì)標(biāo)準(zhǔn)化后的數(shù)據(jù)X1～X9進(jìn)行 KMO 和 Bartlett的檢驗(yàn)，并根據(jù)檢驗(yàn)結(jié)果判斷是否適合做主成分分析，結(jié)果如表5所示。

表5 KMO 和 Bartlett的檢驗(yàn)

表5是利用SPSS對(duì)標(biāo)準(zhǔn)化后的數(shù)據(jù)X1～X9進(jìn)行主成分分析的部分結(jié)果，KMO統(tǒng)計(jì)量取值在0～1之間，KMO值越接近于1，表明變量之間的相關(guān)性越強(qiáng)，一般認(rèn)為KMO值大于0.6，即可做主成分分析。表5的統(tǒng)計(jì)結(jié)果顯示，KMO統(tǒng)計(jì)量為0.722，大于0.6，且Sig.值小于0.05，表示變量間存在相關(guān)關(guān)系，所以適合做主成分分析。

表6是設(shè)定選取特征值大于1作為主成分的分析圖，可以看出主成分1的特征值為7.181，主成分2的特征值為1.044，均大于1，對(duì)總方差的累積貢獻(xiàn)率達(dá)到了91.388%，表明從標(biāo)準(zhǔn)化數(shù)據(jù)X1～X9中提取了兩個(gè)主成分，能夠代替原始數(shù)據(jù)X1～X9的大部分信息。關(guān)于兩個(gè)主成分的成分矩陣如表7所示。

表6 解釋的總方差

表7 成分矩陣

注：①提取方法:主成分分析法；②已提取了2個(gè)成分.

可根據(jù)表7中的數(shù)據(jù)除以主成分相對(duì)應(yīng)的特征值，得出這兩個(gè)主成分中每個(gè)指標(biāo)所對(duì)應(yīng)的系數(shù)，并據(jù)此可寫(xiě)出對(duì)應(yīng)的主成分方程分別為：

F1=0.288x1+0.368x2+0.341x3+0.357x4+0.366x5+0.371x6+0.358x7-0.014x8+0.370x9

(2)

F2=0.136x1+0.051x2+0.100x3-0.088x4-0.032x5-0.040x6+0.044x7+0.973x8-0.098x9

(3)

方程中的x均是原始變量標(biāo)準(zhǔn)化后的變量。

在SPSS軟件中輸入上述主成分方程F1和F2自動(dòng)計(jì)算出來(lái)主成分變量，結(jié)果如表8所示。

根據(jù)表8可建立標(biāo)準(zhǔn)化融資需求和主成分變量之間的多元線(xiàn)性回歸方程。模型結(jié)果如表9和表10所示。

由表9可知，R2為0.957，表明模型擬合度較好，說(shuō)明有95.7%的預(yù)測(cè)可以由該模型來(lái)預(yù)測(cè)，且F統(tǒng)計(jì)量的Sig.為0.000小于0.05，說(shuō)明模型通過(guò)F檢驗(yàn)，模型整體顯著。表10中方差膨脹因子VIF均為1，小于10，說(shuō)明不存在多重共線(xiàn)性，且主成分變量F1和F2的t統(tǒng)計(jì)量的Sig.值均為0.000，小于0.05，說(shuō)明主成分變量均通過(guò)t檢驗(yàn)，所以，由表10可寫(xiě)出標(biāo)準(zhǔn)化的線(xiàn)性回歸方程為：

Zy=-1.822×10-16+0.364F1+0.073F2

(4)

將主成分方程式(2)和式(3)代入式(4)中，并還原為關(guān)于原始變量的多元線(xiàn)性回歸方程為：

Y=-17.35+1.49*10-6X1+0.001X2+0.009X3+0.018X4+0.004X5+0.0001X6+0.009X7+0.09X8+0.006X9

(5)

表8 標(biāo)準(zhǔn)化融資需求和主成分變量

表9 模型匯總

注：①預(yù)測(cè)變量: (常量), 主成分變量F1,主成分變量F1;② 因變量: Z融資需求Y.

表10 系數(shù)

六、模型預(yù)測(cè)檢驗(yàn)

用式(5)所建立的模型對(duì)安徽省2000～2016年種植大戶(hù)融資需求量進(jìn)行預(yù)測(cè)，并將預(yù)測(cè)值與實(shí)際值進(jìn)行了比較，結(jié)果如圖1所示。

圖1 2000～2016年安徽省種植大戶(hù)融資需求的實(shí)際值與預(yù)測(cè)值比較

圖1可以看出，2013年實(shí)際值與預(yù)測(cè)值最接近，相對(duì)誤差僅為0.63%，2002年實(shí)際值與預(yù)測(cè)值誤差較大，相對(duì)誤差為22.52%。但是2000～2016年安徽省種植大戶(hù)融資需求的預(yù)測(cè)值與實(shí)際值整體接近，雖然在個(gè)別年份二者之間存在一定差異，但是2000～2016年平均相對(duì)誤差僅為9.8%?？傮w來(lái)說(shuō)，該多元線(xiàn)性回歸模型預(yù)測(cè)結(jié)果理想。

七、實(shí)證結(jié)果及相關(guān)建議

(一)實(shí)證結(jié)果

實(shí)證部分運(yùn)用主成分分析法和多元線(xiàn)性回歸方法確定了所選取的九個(gè)指標(biāo)對(duì)安徽省種植大戶(hù)融資需求的影響方向及程度，并根據(jù)模型對(duì)2017～2020年安徽省種植大戶(hù)融資需求進(jìn)行了預(yù)測(cè)，預(yù)測(cè)值分別為40.97億元、43.18億元、45.70億元、48.50億元。

解釋變量X4對(duì)安徽省種植大戶(hù)融資需求具有較大的正向影響。其他條件不變時(shí)，金融機(jī)構(gòu)從業(yè)人員數(shù)(X4)每增加一個(gè)單位，安徽省種植大戶(hù)融資需求增加0.18個(gè)單位。因?yàn)榻鹑跈C(jī)構(gòu)從業(yè)人員數(shù)越多，則平均每位種植大戶(hù)獲得的服務(wù)量越多，增加了其向金融機(jī)構(gòu)融資的可能性。

解釋變量X2、X3、X5、X6、X7、X8、X9對(duì)安徽省種植大戶(hù)融資需求具有一定的正向影響。影響程度從大到小依次為：X8>X3= X7>X9>X5>X2>X6。其他條件不變時(shí)，農(nóng)業(yè)生產(chǎn)資料價(jià)格指數(shù)(X8)、鄉(xiāng)村辦水電站個(gè)數(shù)(X3)、農(nóng)村農(nóng)戶(hù)固定資產(chǎn)投資額(X7)、財(cái)政支農(nóng)支出中農(nóng)林水事務(wù)支出(X9)、農(nóng)業(yè)貸款余額(X5) 、農(nóng)業(yè)機(jī)械總動(dòng)力(X2)、戶(hù)均可支配收入(X6)每增加一個(gè)單位，安徽省種植大戶(hù)融資需求分別增加0.09、0.009、0.006、0.004、0.001、0.0001個(gè)單位。生產(chǎn)資料價(jià)格等農(nóng)業(yè)生產(chǎn)成本的上升會(huì)導(dǎo)致農(nóng)戶(hù)收益降低，進(jìn)而可能增加農(nóng)戶(hù)對(duì)外部資金的需求量。種植業(yè)離不開(kāi)水利灌溉設(shè)施，農(nóng)業(yè)基礎(chǔ)設(shè)施越完善，安徽省種植大戶(hù)發(fā)展空間越大，進(jìn)而其融資需求越旺盛；與實(shí)證結(jié)果相同，鄉(xiāng)村辦水電站個(gè)數(shù)的增加會(huì)帶來(lái)種植大戶(hù)融資需求的增加。種植大戶(hù)進(jìn)行規(guī)模經(jīng)營(yíng)，少不了需要購(gòu)買(mǎi)大型農(nóng)機(jī)具或者新建廠(chǎng)房，這些都需要投入資金，當(dāng)大戶(hù)自有資金不能滿(mǎn)足固定資產(chǎn)投資需求時(shí)，就需要從外部融資，因此農(nóng)村農(nóng)戶(hù)固定資產(chǎn)投資額越大，種植大戶(hù)融資需求越大。政府增加財(cái)政支農(nóng)力度，向大戶(hù)釋放出政府扶持農(nóng)業(yè)發(fā)展的良好信號(hào)，大戶(hù)在政策支持下擴(kuò)大生產(chǎn)，融資需求增加。農(nóng)業(yè)貸款余額發(fā)放規(guī)模增加，大戶(hù)的平均獲貸率提高，有助于提高大戶(hù)對(duì)金融機(jī)構(gòu)的信心，進(jìn)而可提高其向金融機(jī)構(gòu)融資的需求。農(nóng)業(yè)機(jī)械總動(dòng)力越高，一定程度上反映農(nóng)業(yè)集約化程度越大，大戶(hù)對(duì)融資購(gòu)買(mǎi)農(nóng)機(jī)具的需求越大。戶(hù)均可支配收入對(duì)安徽省種植大戶(hù)的正向影響很小，表明安徽省種植大戶(hù)的戶(hù)均可支配收入提高，就可加大對(duì)生產(chǎn)的投入，隨著規(guī)模的擴(kuò)大，大戶(hù)的融資需求可能有所增加。

解釋變量X1對(duì)安徽省種植大戶(hù)融資需求具有輕微正向影響。當(dāng)其他條件不變時(shí)，耕地面積(X1)每增加一個(gè)單位，安徽省種植大戶(hù)融資需求增加1.49*10-6個(gè)單位，說(shuō)明耕地面積的增加，對(duì)安徽省種植大戶(hù)融資需求刺激作用很小。可能的原因是耕地面積增加，產(chǎn)生規(guī)模效應(yīng)，因此，耕地面積對(duì)安徽省種植大戶(hù)融資需求的刺激作用很小。

模型擬合良好，對(duì)預(yù)測(cè)未來(lái)安徽省種植大戶(hù)的融資需求具有重要參考意義。2000～2016年，模型預(yù)測(cè)值與實(shí)際融資需求的平均相對(duì)誤差僅為9.8%，說(shuō)明模型擬合程度良好。由該模型預(yù)測(cè)出的2017～2020年的結(jié)果可以看出，在這四年中，安徽省種植大戶(hù)融資需求呈逐年上升趨勢(shì)，到2020年將接近50億元。

(二)相關(guān)建議

1.加大農(nóng)村金融供給服務(wù)力度，合理配置金融資金

農(nóng)村金融機(jī)構(gòu)營(yíng)業(yè)網(wǎng)點(diǎn)少，致使其從業(yè)人員數(shù)量少，在安徽農(nóng)村地區(qū)，金融機(jī)構(gòu)網(wǎng)點(diǎn)大多撤離鄉(xiāng)村，只保留縣城少數(shù)網(wǎng)點(diǎn)的設(shè)置[15]。金融機(jī)構(gòu)從業(yè)人員數(shù)增加，種植大戶(hù)平均得到的服務(wù)人數(shù)增加，提高了種植大戶(hù)對(duì)貸款政策的知悉程度和服務(wù)獲得感，進(jìn)而增加種植大戶(hù)向金融機(jī)構(gòu)融資的需求和概率。開(kāi)發(fā)適合農(nóng)業(yè)農(nóng)村發(fā)展的信貸新品種，反映出農(nóng)業(yè)貸款向種植大戶(hù)的傾斜。例如工商銀行安徽?qǐng)瑯蛑芯屯瞥隽诵☆~聯(lián)保貸款，由三到五人組成借款小組，每人均給予一定的授信額度，并且組內(nèi)成員對(duì)借款者的借貸責(zé)任承擔(dān)連帶保證責(zé)任。聯(lián)保小組既適合安徽省種植大戶(hù)的實(shí)際情況，金融機(jī)構(gòu)又降低了壞賬風(fēng)險(xiǎn)，有效解決了當(dāng)?shù)胤N植大戶(hù)的融資難題。

2.完善農(nóng)村基礎(chǔ)設(shè)施建設(shè)

增加鄉(xiāng)村辦水電站個(gè)數(shù)，為農(nóng)業(yè)灌溉帶來(lái)便利，促使安徽省種植大戶(hù)擴(kuò)大經(jīng)營(yíng)規(guī)模，刺激其產(chǎn)生融資需求。同時(shí)經(jīng)營(yíng)規(guī)模的擴(kuò)大，帶來(lái)收入水平的提高，增加了安徽省種植大戶(hù)還款能力，金融機(jī)構(gòu)更愿意向其提供資金，緩解融資困境問(wèn)題。

3.降低貸款門(mén)檻，減少對(duì)抵押物的限制條件

金融機(jī)構(gòu)要求農(nóng)戶(hù)貸款抵押物為其自身持有的固定資產(chǎn)，一般金融機(jī)構(gòu)認(rèn)可的抵押物有大型農(nóng)機(jī)具、廠(chǎng)房等。但是作為種植大戶(hù)的資產(chǎn)重要組成部分的農(nóng)業(yè)設(shè)施和農(nóng)產(chǎn)品卻不符合抵押物貸款要求，所以需要適當(dāng)放寬抵押物的限制。例如2014年四川省出現(xiàn)首個(gè)農(nóng)業(yè)設(shè)施——智能溫室大棚融資的案例，這對(duì)安徽省內(nèi)金融機(jī)構(gòu)創(chuàng)新抵押物融資模式有重要借鑒意義。

4.增加財(cái)政扶持力度，提高財(cái)政支農(nóng)支出，讓種植大戶(hù)更多享受政策扶持

以農(nóng)機(jī)具補(bǔ)貼為例，財(cái)政支農(nóng)支出是農(nóng)機(jī)具補(bǔ)貼的資金來(lái)源之一，通過(guò)安徽省農(nóng)機(jī)補(bǔ)貼系統(tǒng)可查到，2018年安徽省對(duì)耕整地機(jī)械這一大類(lèi)的補(bǔ)貼金額在150元至16000元之間，但超過(guò)90%的耕整地機(jī)械補(bǔ)貼金額低于8000元，多數(shù)集中在1000至3000元之間，相對(duì)萬(wàn)元價(jià)位的農(nóng)機(jī)具來(lái)說(shuō)，該補(bǔ)貼金額過(guò)低。過(guò)低的補(bǔ)貼金額，無(wú)形中提高了種植大戶(hù)的籌資難度。因此，加大農(nóng)業(yè)機(jī)械的補(bǔ)貼，有利于解決種植大戶(hù)融資困境。

5.促進(jìn)固定資產(chǎn)投資均衡發(fā)展

種植大戶(hù)固定資產(chǎn)投資包括廠(chǎng)房建設(shè)、大型農(nóng)機(jī)具購(gòu)買(mǎi)等多個(gè)方面，因此種植大戶(hù)投資決策要考慮經(jīng)濟(jì)能力和資產(chǎn)用途，避免資金使用效率低下，甚至投資失敗。