農(nóng)戶信貸市場上的信息不對稱程度測算

王家冀　張桐　王鈺

摘要：作為農(nóng)戶融資難的關(guān)鍵性問題，信息不對稱的研究具有重要意義。文章構(gòu)建了一個農(nóng)戶信貸市場的信息不對稱程度測算模型，運用雙邊隨機前沿分析方法（SFA），實證測算在信貸金額確定過程中信息不對稱程度的作用。研究結(jié)果表明，資金供需雙方所擁有的信息因素對最終獲得的信貸金額產(chǎn)生較大影響，與需求方相比，資金供給方掌握更多的信息并具有更強的議價能力；在信貸金額形成的過程中，資金供給方通過信息優(yōu)勢，使得最終信貸金額相較于均衡信貸金額降低了46.57%?；谠摻Y(jié)論，文章通過區(qū)塊鏈等技術(shù)降低雙方信息差異來在解決農(nóng)戶融資難問題。

關(guān)鍵詞：信貸市場；信息不對稱；方差分解；SFA

一、引言

我國農(nóng)村地區(qū)金融機構(gòu)普及度較高，調(diào)查顯示，2019年我國鄉(xiāng)鎮(zhèn)銀行等金融機構(gòu)覆蓋范圍達到95.65%，建制村的基本金融服務(wù)項目覆蓋范圍達到99.2%。金融機構(gòu)和金融服務(wù)在農(nóng)村的大范圍覆蓋，便于農(nóng)戶在農(nóng)村信貸市場的交易，從而可能會改變農(nóng)戶的初始稟賦（Feder et al.，1990）。然而，據(jù)中國人民銀行數(shù)據(jù)顯示，2020年各金融機構(gòu)涉農(nóng)貸款量為38.95萬億元，占總貸款量的比例僅為22.55%。受到農(nóng)民群體自身特征的影響，金融機構(gòu)提供的貸款標準有別于其他主體，農(nóng)戶的信貸約束仍未有效解決。

在農(nóng)村信貸市場上，借貸雙方之間往往出現(xiàn)較為嚴重的信息不對稱問題，從而導(dǎo)致逆向選擇和道德風(fēng)險的發(fā)生。因此，農(nóng)村信貸市場普遍存在較高的信息壁壘，張龍耀等（2011）認為依賴傳統(tǒng)農(nóng)業(yè)收入的小農(nóng)戶主動退出信貸市場的概率較高。貸款方不僅難以搜集借款方的個人信息如風(fēng)險偏好、償還能力，而且監(jiān)督借款方對于貸款的使用情況更為艱難（程恩江等，2010；胡士華等，2016）。此外，針對農(nóng)戶面臨的貸款擔(dān)保抵押物缺乏問題，國內(nèi)外學(xué)者將關(guān)注點放在了農(nóng)戶特征以及以社會網(wǎng)絡(luò)為代表的社會資本方面。經(jīng)驗表明，農(nóng)戶特征和其社會資本在很大程度上決定了農(nóng)戶的經(jīng)濟行為，彌補了信息不對稱問題帶來的風(fēng)險（范香梅等，2012）。但是，較少有學(xué)者通過信貸約束視角測算農(nóng)戶信貸市場上的信息不對稱程度，以及更深層次的挖掘。

在商品貿(mào)易市場中，信息不對稱程度常常由雙邊隨機前沿模型進行測度。該模型最早由Aigner等人（1977）提出，一般單邊隨機前沿用于分析國家層面生產(chǎn)效率和效率前沿的差距。Kumbhakar&Parmeter（2009）擴展該單邊隨機前沿模型為雙邊隨機前沿，即認為效率比前沿高和低的個體都有可能存在。2010年之后，我國學(xué)者開始在各領(lǐng)域研究雙邊隨機前沿方法（盧洪友等，2011；周先波等，2015；胡建輝等，2020；王錄安等，2020），然而這一方法尚未在農(nóng)戶信貸市場領(lǐng)域得到廣泛的使用。

為此，本文對江蘇省南京市、安徽省宿州市、黑龍江省齊齊哈爾市三地農(nóng)戶為研究對象，以問卷的形式走訪調(diào)查，結(jié)合已有文獻，通過實證考察分析農(nóng)戶信貸市場上信息不對稱行為并進行測算。本文的邊際貢獻主要包括如下兩方面：一是構(gòu)建了測度農(nóng)戶信貸市場上信息不對稱程度的模型，來說明信息不對稱程度對最終信貸可得性的影響，是農(nóng)戶信貸市場有效運用信息經(jīng)濟學(xué)的體現(xiàn)；二是本文利用雙邊隨機前沿分析（SFA）方法研究信息不對稱對最終農(nóng)戶信貸可得性的影響機制，然后通過方差分解測度信貸配給程度受信貸供需雙方的影響情況。

本文共分為五部分，第二部分是研究框架的設(shè)計；第三部分是變量說明及數(shù)據(jù)描述；第四部分是建立雙邊隨機前沿分析模型（SFA），實證測算在信貸金額確定過程中信息不對稱程度的作用；第五部分是本文的政策結(jié)論。

二、研究框架設(shè)計

在我國農(nóng)村信貸市場上，信息不對稱廣泛存在于金融機構(gòu)和農(nóng)戶之間（周立，2007）。本文認為，在信貸市場上資金供給雙方的議價能力的差異是由逆向選擇和道德風(fēng)險所引起的，期望最終貸款金額對自身有利。因此本文使用雙方的議價能力對信息不對稱程度進行衡量。根據(jù)盧洪友等（2011）研究設(shè)計，建立框架如下所示：假定在一個規(guī)范的農(nóng)戶信貸市場中，擁有大量的資金供給和需求方，雙方都知曉一定的信息，則該市場上農(nóng)戶可以獲得的最終信貸金額（loan）用式（1）表示：

loan=μ（x）+[loan-μ（x）]+η[loan-μ（x）]-η[loan-μ（x）]=μ（x）+η[loan-μ（x）]-（1-η）[μ（x）-loan]（1）

式中，μ（x）表示個體基本特征的“均衡”信貸金額，loan為資金需求方所能獲得的最低信貸金額，loan為資金供給方所能提供的最高信貸金額，η（0≤η≤1）用于衡量資金需求方在信貸過程中獲得信息的程度。

信貸獲得方程式（1）由三個模塊構(gòu)成：第一部分定義μ（x）為基準信貸金額，表示在給定個體特征的情況下“均衡”的信貸金額；第二部分定義η[loan-μ（x）]為資金需求方控制信息程度得到的余額；第三部分定義（1-η）[μ（x）-loan]為資金供給方控制信息程度得到的余額NS=η[loan-μ（x）]-（1-η）[μ（x）-loan]；為凈余額，用于描述信息不對稱程度在信貸金額構(gòu)成過程中的綜合效應(yīng)。凈余額的絕對值越高，說明信貸市場上的信息不對稱程度越大，其數(shù)值為正數(shù)代表資金需求方信息優(yōu)勢強，從而使最終的信貸金額上升；其數(shù)值為負數(shù)則代表資金供給方的信息優(yōu)勢強，從而使最終的信貸金額下降。因此，在本模型的框架分析中，資金需求方的信息因素對最終確定的信貸金額具有正向效應(yīng)，資金供給方的信息因素則具有負向效應(yīng)，即信息因素對于最終信貸金額的確定具有雙邊影響。本文將信貸獲得金額模型（1）簡化為如下形式：

loani=μ（xi）+ξi（2）

ξi=wi-ui+vi

式（2）是一個經(jīng)典的雙邊隨機前沿模型，式中，β為待估計參數(shù)，xi為包括了社會資本、信用風(fēng)險等特征因素的樣本個體特征；ui=ηi[loani-μ（xi）]≥0，測度了信貸金額向上偏離程度，是由資金需求方所提取余額；wi=（1-ηi）[μ（xi）-loani]≥0，測度了信貸金額向下偏離的程度，是由資金供應(yīng)方所提取的余額；vi是隨機干擾項。

本文選取極大似然估計方法（MLE）來測度信貸獲得金額模型（2），進而可以估測參數(shù)向量β和資金供需雙方獲得的余額部分。本文假設(shè)wi和ui都服從指數(shù)分布，即wi～i.i.d.Exp（σw，σ），ui～i.i.d.Exp（σu，σ）；隨機干擾項vi服從正態(tài)分布，即vi～i.i.d.N（0，σ）。同時，本文假設(shè)wi、ui和vi彼此獨立，且均獨立于解釋變量xi。查閱相關(guān)文獻可得，一般使用E（1-e |ξi）和E（1-e |ξi）來表示資金供、需雙方抽取的余額，供需兩者相減為資金需求方獲得的凈余額，其值能夠反映信貸市場上信息不對稱的程度。

NS=E（1-e |ξi）-E（1-e |ξi）=E（e-e|ξi）（3）

相較于傳統(tǒng)回歸模型，本文所使用的雙邊隨機前沿模型的優(yōu)勢在于在模型檢驗步驟中無須假定資金供需方獲得信息程度的相對大小，僅由估計結(jié)果決定。

三、變量說明及數(shù)據(jù)描述

（一）數(shù)據(jù)來源

本文數(shù)據(jù)來源于課題組對江蘇南京、安徽宿州、黑龍江齊齊哈爾3市規(guī)模種植農(nóng)戶的調(diào)查。這三個地點從農(nóng)業(yè)生產(chǎn)類型和經(jīng)濟發(fā)展狀況來看，其地理位置分布在我國的東部和北部，具有很強的代表性。本文最終收回問卷共計354份，共計獲得問卷354份，兩期面板數(shù)據(jù)共計708個觀測值，對問卷進行篩選和剔除后，最終獲得了247個有效觀測值。

（二）變量指標的選取

在衡量農(nóng)戶最終獲得信貸金額的過程中，本文通過對農(nóng)戶進行詢問，選取農(nóng)戶在2019、2021年全年分別獲得的正規(guī)金融信貸總額作為衡量依據(jù)，該數(shù)據(jù)可以最大程度上衡量農(nóng)戶在信貸市場上獲得的信貸金額。

為了衡量式（1）中的“均衡信貸金額”μ（x），本文選擇如下個體特征變量：

1. 社會資本

社會資本指的是行為主體憑借關(guān)系進而獲得社會稀缺資源的能力（Bian&Qiu，2001）。個人的社會資本指個人所掌握的用來完成其人生目標的社會資源，個人的社會關(guān)系網(wǎng)絡(luò)的復(fù)雜程度與其社會資本存量成正比，所以農(nóng)戶的信貸能力與其社會資本密切相關(guān)。在一定程度上，抵押物會被社會資本所替代而降低交易費用，農(nóng)戶可以更加容易獲得正規(guī)金融的借款。

本文主要在微觀層面研究社會資本，借鑒梁爽（2014）的研究，從政治參與、借貸能力與社會關(guān)系三個方面衡量社會資本的大小，具體通過家中是否有村干部或者黨員、可以從親朋好友處獲得借款的金額以及過去一年人情支出來進行衡量。

2. 金融素養(yǎng)

金融素養(yǎng)是一個需要意識、知識、技術(shù)、態(tài)度和行為，能夠做出正確的金融決策，并最終實現(xiàn)金融福利的結(jié)合。吳衛(wèi)星等（2018）指出居民的金融素養(yǎng)越高，其使用負債來對消費平滑化和對正規(guī)金融借款的偏好越大；劉自強（2019）的研究認為通過提高農(nóng)民的金融素養(yǎng)，可以顯著增加農(nóng)民獲得正規(guī)信貸的可能性。因此，個人所具備的金融素養(yǎng)越高，對金融知識的掌握越全面，對信貸領(lǐng)域了解更加全面，那么他所擁有的信貸能力會更高。

本文對于金融素養(yǎng)的衡量基于以下兩個問題：您對目前部分銀行的農(nóng)戶貸款的流程、利率和那些銀行可以方便貸款是否清楚；您是否清楚地知道金融機構(gòu)所發(fā)布的宣傳信息以及您所選擇的貸款產(chǎn)品的具體內(nèi)容及條款。兩個問題均采用李克特五點打分法進行賦分。

3. 信用風(fēng)險

信用風(fēng)險是指借款方無法或拒絕履行合同而形成的違約行為，這可能會導(dǎo)致雙方資金受損。當違約行為一旦發(fā)生，農(nóng)戶的信用風(fēng)險和等級就會下降，下次借貸時信貸金額將會有所下調(diào)，農(nóng)戶就會出現(xiàn)信貸配給的問題。據(jù)此，本文使用關(guān)系契約強度、核心企業(yè)的信用狀況、農(nóng)戶的信用記錄三方面對信用風(fēng)險情況的衡量。

4. 其他變量

根據(jù)已有研究，本文考慮了資金供需方的偏好變量，包括個體的年齡、婚姻狀況、受教育情況等因素的影響。最后，控制了不同省份的地區(qū)因素、不同年份、不同供應(yīng)鏈融資類型的固定效應(yīng)影響。表1列舉了上述變量的界定方法和基本統(tǒng)計量。

四、實證結(jié)果及分析

本部分基于模型設(shè)定和均衡信貸金額進行分析，對模型總方差進行分解，并測量資金供需雙方信息不對稱程度和討價還價能力不同引起的余額規(guī)模，進而對各因素影響差異進行分析。

（一）模型設(shè)定和均衡信貸金額分析

本文使用雙邊隨機前沿方法分析資金供需雙方在最終信貸金額形成中掌握信息程度的效應(yīng)，并對其進行測度，回歸結(jié)果如表2所示。

本文采用OLS估計模型1，采用基于雙邊隨機前沿的MLE估計模型2～4。相較于模型2，模型3～4控制地區(qū)因素、年份因素和參與融資的供應(yīng)鏈類型因素，并剔除不顯著的因素。在后續(xù)的分析中，本文基于模型4的變量及測量結(jié)果進行研究。

估計結(jié)果顯示：家庭社會資本、金融素養(yǎng)、家庭年收入因素對獲得信貸金額在1%的顯著性水平下具有正向效應(yīng)。家庭社會資本越高、金融素養(yǎng)越高、家庭年收入越多的居民，更有可能獲得一個較高的信貸金額。而信用風(fēng)險因素對獲得信貸金額在5%的顯著性水平上具有負向效應(yīng)，即居民的信用風(fēng)險越高則更難獲得較高的信貸金額。

（二）方差分解：信貸金額形成過程中信息程度測度模型的解釋力

表3匯報了資金供需雙方掌握信息程度因素效應(yīng)的分析結(jié)果。本文發(fā)現(xiàn)，信息的掌握程度在信貸資金的獲得方面具有相當重要的影響。相對于資金需求方，資金供給方具有更強的信息優(yōu)勢，這導(dǎo)致資金供需雙方的所掌握的信息因素的在信貸資金獲得方面的綜合影響為正。E（w-u）=σw-σu=0.9367表明，供需雙方會形成一個相對于均衡信貸金額更高的信貸金額。同時，lnloan無法解釋部分總方差為（σv+σu+σw）為1.1091，式中的81.81%是由資金供需雙方之間信息因素所引起；而在信息因素對信貸金額的總影響中，資金供給方相對于需求方來說幾乎處于一個絕對的信息優(yōu)勢地位，達到總影響的99.97%，資金需求方所掌握的信息程度在總影響中僅為0.03%。這表明，雖然在信貸資金獲得過程中，資金需求方存在一定的信息和議價能力，但是信貸金額的最終形成更取決于資金供給方的能力。為了分析特定資金供需雙方通過討價還價所獲得的余額與凈余額，本文使用單邊效應(yīng)估計作進一步的分析。

（三）資金供給方余額和資金需求方余額的估計

1. 樣本總體估計結(jié)果

本文重點研究的是在信息不對稱前提下對資金供需雙方各自獲得余額進行估算，即E（w|ξ）和E（u|ξ），其含義是在信息因素條件下，資金供需雙方各自取得的余額相對于均衡信貸金額lnloan=βxi變動的百分比。表4展示了全樣本的估計結(jié)果。資金需求方通過信息優(yōu)勢對最終信貸金額的影響的平均值為0.0157，遠低于資金供給方通過信息優(yōu)勢對最終信貸金額影響的平均值0.9383。因為被解釋變量是最終信貸金額的對數(shù)，不同文獻對于對數(shù)的估值可能會有所差異，所以通過資金供給雙方信息優(yōu)勢的期望值來衡量市場勢力的大小并不準確，所以本文將進一步利用最終價格變動的比例來衡量雙方的議價能力。

由于資金供給方和資金需求方議價能力存在差異，導(dǎo)致雙方掠奪余額不同。本文借鑒周先波等（2015）的計算，用耘贊（1-e-u|ξ）和耘贊（1-e-w|ξ）分別表示資金供給雙方的余額值。結(jié)果表明，如果忽略資金供給方的議價能力，資金需求方可以通過信息優(yōu)勢使得最終信貸金額比均衡信貸金額高1.54%；同理，如果忽略資金需求方的議價能力，資金供給方可以通過信息優(yōu)勢使得最終信貸金額比均衡信貸金額低48.32%。由此可以證明，在農(nóng)村金融市場上資金供給方的市場勢力大于需求方，對最終信貸金額的影響更大，這種影響力使得最終信貸金額比均衡信貸金額低46.57%。換言之，由于信息不對稱性，在均衡信貸金額為100元的信貸市場上，資金需求方只能獲得53.43元作為最終信貸金額。

2. 資金供需雙方個體特質(zhì)對信息掌握程度的影響

根據(jù)前文分析，本文發(fā)現(xiàn)資金供需雙方掌握信息的程度存在較強的異質(zhì)性。據(jù)此，本文進一步從家庭年收入進行分組統(tǒng)計并分析資金供需雙方的余額分布特征。

資金供給方的價格歧視行為同樣存在于家庭年收入因素方面。表5反映了不同年收入的家庭資金通過討價還價所獲得的余額及最終凈余額的結(jié)果。結(jié)果顯示，對于中等收入和低收入家庭來說，資金供給方仍然擁有較大的信息優(yōu)勢，可以獲得更多的余額。但是對于高收入家庭來說，資金需求方的議價能力則高于資金供給方，即對于高收入家庭而言，資金需求方對最終信貸金額的影響更大，這種影響力使得最終信貸金額比均衡信貸金額高12.63%。這意味著，資金需求方利用自身的經(jīng)濟實力可以減緩信息不對稱帶來的負面影響，在討價還價中占據(jù)了主動地位；同時資金供給方對高收入群體實施了相對寬松的信貸決策，這與楊曉云（2019）的研究結(jié)果相吻合。

五、政策結(jié)論

本文基于江蘇南京、安徽宿州、黑龍江齊齊哈爾三地的實際調(diào)查數(shù)據(jù)，運用雙邊隨機前沿分析方法，建立了農(nóng)戶信貸市場上信息不對稱程度測算模型，對信貸市場主體的信息不對稱性在信貸金額確定過程中的作用進行研究。結(jié)果表明：第一，最終信貸金額的獲得程度受資金供需雙方所掌握的信息因素的影響很大，并且相對于資金需求方，資金供給方掌握更多的信息，議價能力更強；第二，在信貸金額形成的過程中，資金供給方通過信息優(yōu)勢，使得最終信貸金額比均衡信貸金額低46.57%；第三，高收入家庭擁有充足的社會資本，能夠減少信息不對稱的影響，甚至可以在信貸市場中占據(jù)主動地位，獲得高于基準信貸金額的貸款，但是高收入不能徹底解決該問題。無論從何種角度分析，資金需求方擁有的信息能力更弱，在信貸市場上更多占有劣勢地位。而在當前的農(nóng)村金融市場上，改革試點多以抵押物為主，如農(nóng)地經(jīng)營權(quán)抵押貸款、小額信用貸款等，雖然增加了農(nóng)戶獲得信貸的機會，但并不能很好地解決由于雙方信息差異而導(dǎo)致的信貸約束問題，在打破信息壁壘上仍有較大的改進空間。因此在現(xiàn)有政策體系下，這種低于均衡信貸金額的信貸情況難以得到改善。

本文的結(jié)論具有如下一些啟示。第一，我國農(nóng)戶在信貸市場中的信貸約束問題，其主要原因是資金供需雙方之間的信息不對稱，它主要源自資金需求方的信息隱藏和資金供給方對于需求方的不信任。而現(xiàn)有的政策手段諸如農(nóng)地經(jīng)營權(quán)抵押貸款等難以緩解雙方的信息不對稱問題，甚至使得雙方的信息差距更加明顯。因此，政府應(yīng)該打通資金供需雙方的信息壁壘，運用區(qū)塊鏈等相關(guān)技術(shù)手段，直接溝通雙方信息，打造高效準確的信息傳遞鏈，使得資金供給方可以最大程度地獲得資金需求方的信息情況。

第二，由于資金需求方的經(jīng)濟情況可以在一定程度上摒除信息不對稱問題的影響，因此在農(nóng)村信貸市場上，政府可以針對低收入家庭實施特定信貸政策。對不同地區(qū)不同類型的農(nóng)戶進行調(diào)查整合，針對信息壁壘問題構(gòu)建科學(xué)有效的信貸分級方案，從而對不同群體施加不同的信貸政策來緩解農(nóng)村市場信貸難問題。

參考文獻：

[1]范香梅，張曉云.社會資本影響農(nóng)戶貸款可得性的理論與實證分析[J].管理世界，2012（04）：177-178.

[2]胡士華，郭雨林，楊濤.信息不對稱、金融聯(lián)結(jié)與信貸資金配置——基于農(nóng)戶調(diào)查數(shù)據(jù)的實證研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟，2016（02）：81-91.

[3]梁爽，張海洋，平新喬，郝朝艷.財富、社會資本與農(nóng)戶的融資能力[J].金融研究，2014（04）：83-97.

[4]劉自強，樊俊穎.金融素養(yǎng)影響農(nóng)戶正規(guī)信貸獲得的內(nèi)在機制研究——基于需求角度的分析[J].農(nóng)業(yè)現(xiàn)代化研究，2019，40（04）：664-673.

[5]盧洪友，連玉君，盧盛峰.中國醫(yī)療服務(wù)市場中的信息不對稱程度測算[J].經(jīng)濟研究，2011，46（04）：94-106.

[6]王錄安，莊希勤，張泠然.中國糧食市場上的信息不對稱與糧食價格——基于SFA方法的實證分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟，2020（10）：21-32.

[7]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，2011（07）：98-113.

[8]吳衛(wèi)星，吳錕，王琎.金融素養(yǎng)與家庭負債——基于中國居民家庭微觀調(diào)查數(shù)據(jù)的分析[J].經(jīng)濟研究，2018，53（01）：97-109.

[9]楊曉云，鄧曉霞.基于資產(chǎn)異質(zhì)性視角的農(nóng)戶融資約束分析[J].金融與經(jīng)濟，2019（01）：41-46.

[10]周立.農(nóng)村金融市場四大問題及其演化邏輯[J].財貿(mào)經(jīng)濟，2007（02）：56-63+128-129.

[11]周先波，劉建廣，鄭馨.信息不完全、搜尋成本和均衡工資——對廣東省外來農(nóng)民工勞動力市場信息不完全程度的測度[J].經(jīng)濟學(xué)（季刊），2016，15（01）：149-172.

[12]Aigner D，Lovell K，Schmidt P.Formulation and estimation of stochastic frontier production models[J].Journal of Econometrics，1977（06）：21-37.

[13]Bian Y.，H. Qiu.“The Social Capital of a Company and its Significance”[J].Social Sciences in China，2001（01）：62-72.

[14]Feder G，Lau L J， Lin J Y，et al.The relationship between credit and productivity in Chinese agriculture：a microeconomic model of disequilibrium[J].American journal of agricultural economics，1990，72（05）：1151-1157.

[15]Kumbhakar S C，Parmeter C F. The effects of match uncertainty and bargaining on labor market outcomes：Evidence from firm and worker specific estimates[J].Journal of Productivity Analysis，2009，31（01）：1-14.

*本文系2021年國家級大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃“區(qū)塊鏈賦能供應(yīng)鏈金融對農(nóng)戶融資行為的影響研究”（項目編號：202110307093）的研究成果之一。

（作者單位：南京農(nóng)業(yè)大學(xué)金融學(xué)院）