农户信贷提升了农业生产技术效率吗？
——基于农户微观调研数据的分析

范方志

一、引言

十九届四中全会明确指出：“实施乡村振兴战略，完善农业农村优先发展和保障国家粮食安全的制度政策，健全城乡融合发展体制机制。” 金融支持是推动产业发展的重要条件，因而，加强乡村振兴发展，需要不断提高金融支农力度。近年来，我国金融扶持农业力度在不断加大，已经建立了从农村合作金融机构(农村信用社、农村合作银行、农村商业银行)到新兴农村金融机构(村镇银行、贷款公司、农村资金互助社)的多层次农村金融体系。2018年四季度末，银行业金融机构涉农贷款(不含票据融资)余额33万亿元，同比增长5.6%，涉农贷款在贷款总额中占比达到33%。虽然农村金融体系正在逐步完善，涉农贷款正在稳步增长，但是，农户信贷到底对农业生产技术效率产生了什么影响，目前学术界鲜有学者进行深入研究。所以，农户信贷政策的实施效果事关农业的高质量发展、乡村振兴战略的有序推进，因而探讨农户信贷对农业生产技术效率的影响具有重要的现实意义。鉴于此，本文将根据课题组实地农户调研数据，运用随机前沿模型与Tobit模型，研究农户信贷对农业生产技术效率的影响。

关于金融市场对生产效率的影响，国外学者做了大量的研究。例如，Nickell和Nicolitsas(1999)[1]在C-D函数中加入融资变量来测算企业效率，根据英国面板数据考察了用借款比率表示的融资可获得性对企业效率的影响，研究发现：融资可获性越高，企业生产效率越高。Gatti和Love(2008)[2]运用微观数据研究了信贷获得性对企业全要素生产率(TFP)的影响，结果表明信贷可获得性对企业全要素生产率有显著的正向影响。Saldias等(2012)[3]研究了农业信贷对农户技术效率的影响，利用超越对数的随机前沿函数研究了信贷支持对农户产出的影响，结果表明：农户的信贷支持对其农作物生产和畜牧业生产具有相反的效果。Komicha和Ohlmer(2007)[4]研究了信贷对受约束家庭和无约束家庭技术效率的影响，发现较少受到信贷约束家庭的效率比信贷约束的家庭效率高12%，而且教育水平、土地是否小块分割、贷款规模等因素也是导致这些群体效率不同的重要原因。Ayaz和Hussai(2011)[5]用SFA方法评估了信贷制度冲击对农业生产效率的影响，发现有16%的技术无效率，此外，农业生产经验、教育水平、获得农业信贷能力、养殖规模或农业耕作次数对技术效率均有显著影响。Bolarinwa和Fakoya(2011)[6]将农户分为信贷支持的受益者和非受益者，并分析资本缺乏是怎样影响农户的产出效率的。

国内学者则更多地关注效率本身的研究。例如，谷慎(2006)[7]对中国农村金融效率进行分析，发现中国农村金融资源配置效率较低，不利于金融支持经济增长作用的发挥。程郁和罗丹(2010)[8]通过重点分析制度性信贷配给所造成的信贷约束现象，发现正规金融体系抑制了农村的金融需求，存在信贷约束，农村金融效率有待提高。黎翠梅和曹建珍(2012)[9]运用因子分析法发现中国农村金融效率存在明显区域差异，东部地区农村金融效率较高，中西部地区呈现“塌陷”特征。李健等(2018)[10]从行业层面对农村和城市的生产效率进行了测算。梁俊和龙少波(2015)[11]、葛鹏飞等(2018)[12]和魏琦等(2018)[13]利用技术效率的相关函数对农业绿色发展指数进行了计算。王力和韩亚丽(2016)[14]利用随机前沿模型分析了中国棉花全要素生产率增长情况。周月书(2014)[15]研究信贷可获得性对小企业技术效率的影响，发现信贷可获性有利于企业技术效率的提升。

可以发现，关于我国农户信贷对农业生产技术效率的影响，还鲜有学者进行深入研究。从农业生产过程来看，不管是生产技术的改进，还是生产效率的提升，都需要大量资金的投入，例如，购买农药、优良种子、新型农机或是新的生产技术等等，即农业信贷的投入与农业生产效率是密不可分的。另外，农户信贷对农业生产技术效率的影响与其所获资金的分配情况有着重要关系，例如，农户将获得的信贷资金用于社会性和生活性支出，其得到的经济效应与其用于农业投入上完全不同。农村金融信贷的分配行为是影响农户信贷与农业生产技术效率之间关系的重要因素。鉴于此，本文不仅分析农户信贷对农业生产技术效率的影响，还探讨农村金融信贷分配行为对农业技术效率的影响。

二、理论分析

中国的农业生产以家庭户为单位承包土地，使用资金购买农业生产要素进行投入，以获得农产品产出，因此每个农户都可以看作是一个生产农产品的厂商，近似于完全竞争市场。根据新古典主义理论，所有生产者的目标是最大化利润，每个农业生产者都是理性的，农业生产可表示为：每个农户投入n种生产要素x=x1,x2，…，xn，生产要素的价格为w=w1，w2，…，wn，农业产出体系可以达到产出的最大边界。也就是说，对于固定投入的农业生产要素，农业产出系统可以通过组合要素投入使得产出接近生产边界。技术效率(TE)就是寻求最佳的要素投入组合，使产出更接近生产前沿。如果产出系统没有达到产出边界都可以认为是技术无效率(TI)。农业生产系统大致可以分为两类：一种是输入导向，即农业系统通过组合不同的要素输入得到固定的农业产出；另一种是产出导向，即农业系统输入固定的要素以达到最大的产出水平。从实际看，中国农业生产大部分更偏向于产出导向型，因为农户在进行农业生产前已经决定了农业要素投入的数量，所以投入要素是固定的，农户就是用这些固定的要素投入来实现产出最优化。

如前文分析，农户可以通过金融信贷来购买要素，投入农业生产，但实际中农户获得的信贷并不是完全运用于生产经营，可能也会用于其他支出，例如偿还债务、农村婚丧嫁娶的支出、住房支出、社会生活支出等，这些在我国农村有时候又是必须的，比如“随份子钱”几乎是农村人际关系的必需品。因此，这些投入很难说对农业生产会产生正向还是负向的影响。此外，即使农户将获得的农业信贷投放到农业生产，但是其资金分配使用往往也存在区别，比如是购买薄膜、种子、肥料等生产资料，还是购买农药、除草剂等中间投入品，还是雇用农业劳动工人等，投入的领域不同，其对生产效率的影响也不同。总体上，农户获得金融信贷后一般有两种用途来使用：一是家庭和社会需求的投资：债务偿还、随份子钱、住房、健康和其他社会交往的支出；二是农业需求的投资：农业生产资料的投入、劳动力投入等。在这两种情况下，我们对信贷投资进行了建模，以确定哪一种组合可以提高技术效率。

三、实证模型、变量定义和数据

参数化方法分析技术效率可以分为两种：第一种是技术效率的估计，并且利用Tobit模型实证研究技术效率的决定因素。从计量经济学的角度来看，该模型与独立同分布假设是不一致的。第二种方法是技术效率的一步估计，并分析其决定因素。这个方法通常采用随机前沿分析模型，即利用包括条件变量与解释变量的分析模型。Dinar等(2007)[16]用同样的模型评估了推广服务对农业技术效率的效果，他选择的利息变量是给定的信贷数量和农户的信贷分配方案。就本文而言，技术效率的影响因素有两种类型。一是人力资本，主要包括年龄、性别、教育水平和农业经验等变量。二是制度特征，主要包括信贷的可获得性、农业技术推广等。因为两步法会导致有偏估计(Hyuha等，2007[17]；Brummer和Loy，2000[18])，因而本文利用一步随机前沿模型来分析信贷分配方案对农业技术效率的影响效果，并利用包含人力资本变量的Tobit模型来识别技术效率的决定因素。

(一)实证模型

1.随机前沿模型。

在测算技术效率时，通常会遇到数据量较大、存在随机误差等问题，而随机前沿模型则可以有效解决这些问题，不受某些误差值或异常值的影响(刘小玄和李双杰，2008[19])。假设信贷是独立的，且与农业生产投入要素相结合，提高了农业生产系统的技术效率。在模型中，金融信贷与其他要素投入(劳动力、农药、资本等)相结合，一起决定了农业技术效率。在实证中，可以利用信贷变量和其他变量的交互项表示每个变量的信贷分配方案，例如，“信贷×土地面积”变量用来表示增加土地面积数量的信贷分配计划。随机前沿模型构建如下：

yi=f(xi)exp[vi-ui(zi)]

(1)

其中，yi是农户i的生产水平；xi是输入的向量；f(·)表示生产前沿；wi=vi-ui是复合误差项。误差项vi与被忽略的变量和农户不能控制的因素(比如气候变量、土壤肥力)有关；ui是一个非负的变量，代表无效率。所以，技术效率可以定义为实际产出与可能实现的最大随机前沿产出之比：

(2)

式(2)中，技术效率的取值范围是0到1之间。假设误差项ui服从半正态分布，vi服从正态分布且cov(vi,μi)=0。为了尽可能减小因模型设定偏误对估计结果造成的不利影响，本文选取了超越对数生产函数的随机前沿模型。超越对数生产函数模型是一种易估计且包容性强的变弹性生产函数模型，可以较好地研究生产函数中投入要素的相互影响、各种投入技术进步的差异及技术进步随时间而发生的变化，式(1)的超越对数形式如下：

+vi-μi

(3)

(4)

式(4)中，系数θj是刻画了zj作用在技术效率上的效果的估计量，而且εi是独立同正态分布的误差项。本文假定向量z包含6个与信贷有关且影响效率的变量：信贷、信贷的平方项、信贷×耕地面积、信贷×资本、信贷×劳动、信贷×中间投入。具体说明见表1。

表1 随机前沿模型中变量的定义与说明

2.Tobit模型。

为了考察农户的年龄、性别、教育水平等对技术效率的影响，本文利用Tobit模型研究农户人口统计特征对农业技术效率的边际影响。Tobit模型构建如下：

(5)

式(5)中，Yi是被解释变量(技术效率TE)，Xi是解释变量向量(表征社会人口学特征的变量向量)；εi是正态分布的误差项，具有零均值和常数方差。假设对于一个农户i，技术效率得分在0和1之间变化，则：

(6)

(二)变量定义

式(3)中，yt是农户i的收入；输入向量xi包括四个变量：耕地面积(亩)、劳动数量(人/天)、资本(元)、中间输入变量，其中，中间输入变量是指农业生产过程中的中间要素投入，包括农药、除草剂、肥料等；向量zj包括信贷数量、信贷数量平方项以及信贷数量与其他变量的交互项。

(三)数据及描述性统计

课题组通过抽样问卷调查方式，对江苏各地区农户的农村生产经营和融资状况进行了调查。考虑到江苏苏南、苏中和苏北地区经济发展的差异性，在三个大区域分别抽取3、4和6个县(市、区)作为样本地区，再根据样本地区的农户实际状况，抽取代表性的样本农户进行调查。课题组一共收回有效问卷189份。鉴于本文主要是从信贷可获性的角度来研究农业产出技术效率，所以这里选取了样本中有融资需求且有向银行申请贷款的样本农户(或农村小微企业)作为研究对象，经过整理和筛选，共有165家符合要求。随机前沿模型中变量的描述性统计如表2所示。

表2 模型中变量的描述性统计

通过表2可以发现：户主年龄平均在47.721 4岁，年龄偏大，其原因可能是大量年轻人选择离开家乡到城市打工；年收入平均为134 328.765 4元，但是收入差距比较大，最大值达到了581 076元，而最小值只有4 461.123 4元；信贷额度平均为6 716.437 6元，最大值达到了300 000元。

四、实证结果和分析

(一)随机前沿模型的实证结果

表3报告了随机前沿模型的估计结果。由于式(3)中的变量是对数形式，因此随机前沿模型的系数为弹性系数。耕地面积和劳动力投入的系数均显著为正，耕地面积(劳动量投入)每增加1%，则农户收入增加0.34%(0.51%)。中间投入的系数也显著为正，中间投入每增加1%，则农户收入增加0.08%。这些结果与Bakhsh等(2015)[20]的研究结论基本一致：农药、除草剂、肥料以及耕地面积和劳动力投入的增加均会带来产出的增加。另外，如果考虑变量平方项的系数，还可以发现：资本平方项、劳动投入平方项与中间投入平方项的系数均显著为负，耕地面积平方项的系数显著为正，说明资本、劳动投入与中间投入对农户收入的影响有着倒U型的效果，耕地面积对农户收入的影响有着U型的效果。从变量之间的交互项系数来看，只有资本和劳动力投入的交互项系数显著为正，这说明资本投入增加越多，劳动力投入对农户收入的正向影响就越大。

表3 随机前沿模型分析结果

(二)信贷分配方案对农户技术效率的影响

农户获得信贷后的分配，可以分为农业支出的分配和农业支出外的分配(Nyagaka等，2009[21]；Obare等，2010[22])，其中，农业支出外的分配主要包括社会需要与家庭需要两个部分，农业支出的分配主要包括土地、劳动和资本等农业要素投入(Huang等，2012[23]；Yu等，2012[24])，具体如图1所示。

本文把农民获得的农业金融信贷分配大致分为农业之内和农业之外两个部分。计划(Ⅰ)用来偿还债务、红白事的“随份子钱”等；计划(Ⅱ)用来识别信贷门槛及其对农业技术效率的影响程度。计划(Ⅰ)与计划(Ⅱ)属于农业之外。计划(Ⅲ)是用于资本投入，如购买农业物资等；计划(Ⅳ)是用于增加土地面积的信贷；计划Ⅴ是用于购买中间投入(农药、除草剂、化肥等)的信贷；计划(Ⅵ)是用来增加工人数量的信贷。计划(Ⅲ)至计划(Ⅵ)属于农业之内。信贷分配的内容和定义如表4所示。

图1 农业信贷分配图

另外本文设计的信贷计划分配方案还暗含一个假定：农户获得农业信贷一般不会全部投入到某一个使用用途上，而是分散地使用信贷资金。例如，在农业生产内，农户可能把获得信贷的70%投资于农业生产，而把信贷的30%用于农业生产外。

表4 信贷分配计划、内容和定义

表5报告了信贷分配计划实施的农业技术效率效果。计划(Ⅰ)和(Ⅱ)是属于农户使用给定的信贷用于农业生产之外。在计划(Ⅰ)中，信贷额增加对技术效率的影响系数显著为负，这与理论预期基本保持一致，如果信贷资金被用于农业生产之外，则不会提升农业生产技术效率。在计划(Ⅱ)中，信贷额度的平方项并没有产生显著性影响，而且系数符号为负数，意味着信贷数量不应该超过信贷平方门槛值。这里之所以不会达到门槛值，其原因在于信贷也被使用于农业之外。

表5 信贷分配计划实施的农业技术效率效果(1)限于篇幅，这里技术效率的得分及统计描述略去，有需要可以向作者索要。

计划(Ⅲ)、(Ⅳ)、(Ⅴ)和(Ⅵ)是属于农业生产之内，此时获得的信贷主要用于农业生产。在计划(Ⅴ)中，其系数均显著为正，而在计划(Ⅵ)中，其系数均显著为负，即它们对技术效率的影响截然不同。信贷资金投资用于购买更优质的农药、除草剂、化肥等，能够提高技术效率。但是，信贷资金用于雇用更多的农业生产工人，反而造成效率扭曲，扭曲了农业效率。在计划(Ⅲ)和(Ⅳ)中，其系数虽然为正，但却不显著。目前，我国的农业生产主要是以小农户为主，以小家庭为单位的农户生产通常不愿意进行大量的物质资本投资，从而使得计划(Ⅲ)中的系数并不显著。信贷分配用于增加耕地面积也不会影响技术效率，其原因可能在于耕种面积越大，其管理可能更加复杂，技术效率难以得到提升。

综上所述，农户信贷对农业生产技术效率的影响与信贷分配行为有着密切关系；如果信贷资金被用于农业生产之外，则不会提升农业生产技术效率，反而会降低农业生产技术效率；如果信贷资金被用于农业生产的中间投入，则会提升农业生产技术效率；如果信贷资金被用于劳动投入，则会减低农业生产技术效率。

(三)Tobit模型的实证结果

本文Tobit模型主要是用于研究农户社会人口统计特征(诸如年龄、性别、教育、农业生产经验等)会对技术效率产生什么影响(Li和Zhang,2013[25];杨虎峰和何广文，2011[26])。表6报告了Tobit模型的实证结果。

表6 Tobit模型的实证结果

通过表6可以发现：第一，性别对农户生产的技术效率产生了显著影响，与女性农户户主相比，男性农户户主会提升0.058 942 1%的技术效率水平。该结果基本符合我国农村经济的实际情况。在我国，农业生产主要依靠男性，女性通常缺乏农业生产经验，效率自然也低于男性。第二，家庭规模对农户生产的技术效率产生了显著负向影响，家庭规模每增加1%，农业技术效率将降低0.002 967 1%。家庭规模越大，其农业生产方式会更加偏于选择劳动投入，这会减少农业生产过程的机械化程度，因而降低了生产的技术效应。第三，户主年龄、受教育程度、农业经验、获得推广服务等变量对农业技术效率并没有产生显著性影响。这可能是由于当前中国农村留守老人比较多、年龄偏大、受教育程度偏低，他们不能掌握与运用新的农业生产技术。

五、结论与启示

加强乡村振兴发展，需要不断提高金融支农力度。农户信贷政策的实施效果事关农业的高质量发展、乡村振兴战略的有序推进，因而探讨农户信贷对农业生产技术效率的影响具有重要的现实意义。鉴于此，本文根据课题组实地农户调研数据，运用随机前沿模型与Tobit模型，研究农户信贷对农业生产技术效率的影响，尤其是探讨农村金融信贷分配行为对农业技术效率的影响。研究结果显示：农户信贷对农业生产技术效率的影响与信贷分配行为有着密切关系；如果信贷资金被用于农业生产之外，则不会提升农业生产技术效率，反而会降低农业生产技术效率；如果信贷资金被用于农业生产的中间投入，则会提升农业生产技术效率；如果信贷资金被用于劳动投入，则会降低农业生产技术效率。此外，研究还发现：受教育程度、农业经验、获得推广服务等变量对农业技术效率并没有产生显著性影响。根据本文研究可以得到以下启示：第一，不断完善农村医疗保险与构建养老制度等农村社会保障体系，减少农户的社会性和生活性支出，使得农户所获得的信贷资金尽量用于农业生产。第二，鼓励农户将获得的信贷资金尽量用于购买优质化肥、农药和除草剂等中间产品投入，进而提升农业生产的技术效率。第三，政府还应该在提升农户受教育程度、推广农业经验、提升农业服务方面给予重视，通过提升人力资本来提高农业生产技术效率。