金融精准扶贫下的农户信贷行为分析及启示

杨永莉 杜亚娜

摘要：从农户信贷行为研究的角度，以农户信贷需求和供给作为因变量，农户特征变量、社会资本等作为自变量，以山西省太原市娄烦县1 665户农户作为调研样本，采用需求可识别双变量Probit模型对农户信贷行为进行识别。结果表明，当前农户获取信贷资金更倾向于非金融机构，同时银行在信贷支持中更具有“嫌贫爱富”的特征;年龄、上学人口对正规信贷和非正规信贷的需求具有正向影响;正规信贷更倾向于贷款给有工资性收入的群体，非正规信贷具有“中性”，更倾向于贷款给劳动力多的家庭;与村、镇干部以及邻里的关系程度对正规信贷和非正规信贷供给呈现为正向影响。研究认为解决金融精准扶贫的关键还是在于加快农村土地流转市场建设，创新开发土地流转金融产品，充分发挥合作社的作用，加强对农民的技术培训，完善农业保险等，这些举措也是降低金融机构风险的重要途径。

关键词：金融精准扶贫;三农问题;信贷行为;Probit模型

中图分类号： F323.8;F830.589  文献标志码： A  文章编号：1002-1302（2020）11-0022-06

收稿日期：2020-03-04

基金项目：国家自然科学基金青年科学基金（编号：71902176）。

作者简介：杨永莉（1988—），女，山西壶关人，硕士，中级会计师，主要从事普惠金融研究。E-mail：tyccbyyl@126.com。

通信作者：杜亚娜，博士，主要从事组织行为学、人力资源、社会企业管理研究。E-mail：duyana199@163.com。  改革开发以来，中国特色的扶贫模式使得超过7亿人口脱贫，为全面建设小康社会奠定了基础。但截至2014年年底，我国还有7千万人口没有脱贫。2015年11月27日，习近平总书记在中央扶贫开发工作会议上强调，要确保在2020年实现所有贫困人口脱贫，共同迈入小康社会，并由此拉开了中国扶贫的新篇章。金融精准扶贫作为当前我国农村脱贫攻坚的一个重要战略，其本质就是通过信贷支持的方式实现农村贫困人口脱贫，并取得积极成效。根据搜狐网中国华融在2019年5月16日的文章中指出，截至2019年3月末，国家面向脱贫人口精准扶贫的贷款达到7 126亿元，惠及1 938万贫困人口与家庭。同时产业精准扶贫贷款余额达到1.17万亿元，直接带动贫困人口脱贫达到797万人次。但是在金融精准扶贫过程中，一方面，部分地区的基层银行部门金融扶贫贷款“嫌贫爱富”“济贫不达”，究其主因是贫困户偿还能力较弱;另一方面，部分农村地区的贫困户“惧贷”“盲目借贷”等现象层出不穷，导致金融扶贫政策扭曲，进而严重制约着农村扶贫的实效性[1]。因此，如何提高农村金融精准扶贫的实效性，真正发挥金融扶贫的作用，是困扰地方基层银行扶贫的一个难点。要提高金融精准扶贫的实效性，需要深入研究影响农户信贷行为的关键因素，进而找到农户信贷行为规律。这样才能让基层商业银行更好地掌握金融精准扶贫的特点，实现金融精准扶贫的突破。

1 文献回顾

针对信贷扶贫问题，国内外学者进行了大量的研究。Matin等认为信贷扶贫就是改善生计的小额贷款，应动态性地瞄准用户需求[2]。Asad等则在对巴基斯坦穷人扶贫贷款研究后，认为小额贷款有助于改善穷人健康、生活质量等方面的问题[3]。在国内，贺立龙等通过模型检验认为，贫困人口获取贷款更依赖于非正规信贷，亲朋关系、收入结构等制约着信贷的可得性[4]。黄秋波等则探讨了农户社会资本对信贷行为的影响，结果表明社会资本对农户信贷起着显著的动员作用;在研究模型方面，主要采用单方程和联立方程进行研究[5]。在单方程中，国内部分学者运用了Probit模型和Tobit模型对农户借贷行为进行估计，以找到影响农户借贷的原因。田雅群等从心理学的角度，通过构建Probit单变量模型和Heckman两阶段模型，分析人格特征对信贷行为的影响，结果表明积极人格特征对于农户获取正规性贷款有正向影响[6]。但实际研究发现，采用Probit单变量模型的假设前提是认为所有贫困户都有信贷需求，而实际却与上述假设不一定相符。因此，人们提出采用联立方程解决单方程的假设问题，将这部分未参与信贷的农户考慮进来，以此解决供求效应分离导致的有偏估计问题。在联立方程中，国内主要采用局部可观察双变量Probit模型和需求可识别双变量Probit模型对农户信贷行为特征进行分析。实践表明，需求可识别双变量Probit模型更受到学者的青睐，因其不仅可对“有需求、有供给”的农户特征进行识别，还可以对“有需求、无供给”的农户特征进行识别，从而大大提高了农户信贷行为分析的客观性[7-10]。综上，本研究尝试采用双变量Probit模型的方式对农户信贷行为特征进行分析，旨在提高金融精准扶贫的可达性。

2 研究模型、变量及数据来源

2.1 研究模型

现实信贷中农户通常会面临2个选项，即农户是否有贷款需求，以及金融机构是否为农户提供贷款，并分别用yd和ys表示。可组成为4种不同的组合，即：有贷款需求，金融机构提供贷款;有贷款需求，金融机构不提供贷款;无贷款需求，金融机构提供贷款;无贷款需求，金融机构不提供贷款。令：

根据以上赋值，可以得到4种不同组合，即为（1，1）、（1，0）、（0，1）、（0，0）。其中，（1，1）组合可以通过数据统计得到，但（1，0）则只能通过问卷调查得到。

农户在参与贷款中获取贷款的途径包括正规信贷和非正规信贷。正规信贷是指从正规商业银行获取的贷款;非正规信贷则是通过熟人等其他方式获取的贷款。分别从以上2个方面探讨对贫困农户识别的精准性，以及对农户信贷行为的影响，并由此建立联立方程：

式中：y*d、y*s分别代表信贷需求和供给的隐藏变量;Xd、Xs分别表示影响信贷的外生变量;βd、βs表示待估参数;εd、εs为误差项，且上述2个误差项服从联合正态分布，记作，εd，εs～BVN（0，0，1，1，ρ）其中ρ表示εd和εs的相关系数。在上式中，y*d、y*s不可关系，与yd、ys关系可表示为：

假设P表示农户参与信贷的虚拟变量，分别用1和0表示农户参与和不参与信贷市场。由于未参与的农户不能看出金融机构是否愿意提供贷款，所以引入需求可识别双变量Probit模型，具体如下：

需求方程：

采用极大似然估计法对上述方程进行联合求解，得到对数似然函数：

上述函数中，Φ（·）为一元积累正态分布函数;ΦBN（·）为二元积累正态分布函数。

2.2 研究变量

2.2.1 因变量 本研究中，因变量包含需求方程因变量和供给方程因变量，同时用户获取贷款的途径包括正规信贷和非正规信贷。徐璋勇等分析认为，农户贷款需求分为显性需求和隐性需求，其中前者已发生信贷，后者是有需求，但还未参与信贷[11]。而隐性贷款需求还可以分为2类：一是农户自身申请贷款，但是被拒绝;二是主观上认为申请不到贷款。为有效识别真正有贷款需求的农户，借鉴贺立龙等的研究成果[4]，采用意愿调查法对正规信贷和非正规信贷需求进行统计，具体通过3个问题进行识别。问题一是：提问“自2018年以来，是否向正规金融机构申请过贷款？”选择“是”，则表示有贷款需求，选择“否”则表示未申请。问题二是：针对未申请农户，提问“为何不申请贷款？”选择“不需要贷款”或“可从其他渠道获取”，则认为该农户不需要贷款;选择“申请也得不到”，表示该农户存在需求。问题三是：排除无效需求客户。为进一步识别第2个问题中的有效农户，对选择“申请也无法获得贷款”的农户，提出“你为什么这么认为？”通过该问题，识别出无偿还能力的农户。通过以上识别，得出因变量的观测样本。

2.2.2 自变量 结合以往的研究基础，本研究在自变量选择方面，除以往的农户基本特征以外，还将社会资本纳入到贷款行为影响因素中，究其原因是社会资本也会影响农户信贷[4]。自变量构建如表1所示。

3 数据说明与统计描述

3.1 数据来源

为获取农户信贷行为的内在关系，以太原市娄烦县的边家庄村、范家村、小河沟村的部分农户作为样本，于2019年12月3日至2020年1月4日展开为期1个月的调查。这几个村的贫困发生率都在1.2%左右，是当前太原市扶贫工作的重点帮扶对象。为了获取一手数据，采用调查入户访谈的方式进行调查，总计调查访谈1 985户，收回有效问卷 1 841 份，剔除部分数据不完整的问卷，总计回收 1 665 份有效问卷，回收有效率为83.8%。

3.2 描述性统计

通过调查3个村的部分农户，得到农户融资来源结果，见表2。

通过表2数据可以看出，农户从非正规融资渠道获取的贷款户数比例要远远高于正规融资渠道得到的贷款户数，说明在该地区大部分农户获取贷款主要是依靠非正规融资渠道，特别是亲戚朋友借款等。

在社会资本方面，986户农户认为与村或镇干部关系紧密，占整体调查样本的59.2%;认为与亲戚或邻里关系好的有1 420户，占调查户数的852%;510户农户在最近3年内申请过贷款，占调查总数的30.9%，未提出贷款申请的为1 155户，占调查总数的69.1%。

4 估计结果与解释

4.1 估计结果

根据以上的数据，并结合需求可识别双边模型，采用Stata工具对结果进行估计，得到表3和表4

4.2 结果解释

4.2.1 金融精准扶贫的精准性 借助双变量Probit模型的估计结果看出，娄烦县农户信贷需求与相对贫困程度无显著关系，金融机构依旧“嫌贫爱富”。同时，相对贫困程度以及商业收入则对正规的信贷供给起着正向影响。由此看出，娄烦县正规信贷金融机构不仅没有做到对贫困户的精确识别，反而将识别的目标转到更为富裕的农户上。非正规信贷更受到贫困农户的的青睐，但帮扶精准效果较差。如表4的估计结果中，相对贫困程度和工资收入对非正规信贷都有显著的负向影响。换句话说，工资性收入越高，越不倾向于通过非正规信贷渠道获取贷款;生病人口越多的农户家庭，越倾向于走非正规信贷渠道贷款。在供给方面，相对贫困程度及其相关的变量与非正规信贷并未表现出显著相关，由此也佐證非信贷供给比较偏好“中性”的观点。

4.2.2 农户特征变量对信贷行为的影响 通过双变量Probit模型识别，户主的年龄对正规和非正规信贷需求的影响都为正，且相关显著;教育程度、家庭劳动力与非正规信贷呈现正向影响，说明非金融机构更偏好家庭劳动力较多以及文化程度高的家庭;上学人口对正规和非正规信贷需求均呈现正向影响，说明娄烦县的部分农户需要通过借款来解决上学问题;家庭年收入对非正规信贷的需求与供给都呈现为负向影响，因此看出娄烦县农户其年收入越高，从非正规渠道获取贷款的户数也越少，进而看出非正规金融渠道获取贷款主要是面向当地低收入群体;工资收入对正规金融机构信贷供给为正向影响，说明以农信社、国有四大银行为代表的正规金融机构更倾向于贷款给非农人员，进而在一定程度验证其非农化贷款倾向。

4.2.3 社会资本变量对农户信贷行为的影响 通过双变量模型的识别看出，与村、镇干部关系越紧密，则对正规和非正规金融信贷渠道都呈现为正向影响;与亲朋邻里关系程度也正向影响正规和非正规信贷的供给。这说明在农村，与邻里保持良好的人际关系有助于农户获取贷款。同时亲朋邻里关系对非正规金融信贷需求呈现为负向影响，说明邻里关系越好，农户越容易从邻里借到钱，进而降低了对信用社等金融机构的贷款需求。

同时，曾贷过款对正规信贷供给呈现为正向影响，说明正规金融机构更倾向于有过贷款经历的农户。这主要是因为金融机构可以通过追溯农户之前的贷款记录，从而更好地了解农户的还款能力等信息，以此降低贷款风险。

5 结论与启示

5.1 结论

本研究运用需求可识别的双变量Probit模型，以山西省太原市娄烦县的1 665户农户作为数据来源，深入研究了农户特征变量、社会资本等因素对正规信贷和非正规信贷的供需影响，并得出以下结论。

第一，从金融扶贫的可达性来讲，娄烦县金融机构的扶贫可达性还有待提高。虽然大部分农户都有强烈的信贷需求，但部分农户在正规信贷获取方面受到约束，大部分农户是通过非正规金融机构获取贷款的。

第二，农户年龄越高，上学人口越多，对信贷的需求越大。正规信贷渠道更倾向于贷款给具有工资性收入的群体，而非正规金融信贷渠道更倾向于贷款给文化程度高、家庭劳动力多的农户。有过贷款经历的农户，更容易获得正规金融机构的贷款。而正规金融信贷倾向于工资性收入的群体。其主要原因可概括为以下几个方面：一是农户自身缺乏有效的抵押物，二是银行在贷款时会查看农户是否有银行贷款记录，银行更倾向于再次贷款给有过贷款记录的农户。

第三，在社会资本中，正规金融机构和非正规金融机构都更倾向于贷款给与村、镇干部关系好以及与亲朋邻里关系好的农户;另外如果亲朋邻里关系好，更容易通过非正规金融机构获取贷款。

5.2 研究启示

通过对娄烦县农户信贷行为的研究，可以得到以下几点启示。

第一，在当前金融精准扶贫政策条件下，虽然一再强调要把贷款资金倾向于“三农”，但无论是正规金融机构还是非正规金融机构，都是要控制自身信贷风险的。因此，在强调增加“三农”贷款的同时，更应该关注农户自身还款能力的提升，这才是解决当前“三农”贷款难和融资难的根本。

第二，以土地流转为契机，创新金融产品。要解决当前农户融资难和获取贷款难的问题，关键是要让农户手中有“抵押品”。而两权抵押和三权分置政策的深入，更是为农户提供了更多的抵押权，促使更多资本下沉到农村[12]。因此，一是金融机构要加大金融服务方式的创新，从而让农户能更多地参与农村土地流转，以此提高农户的资金来源;二是加大金融产品的创新，特别是金融机构要加大金融抵押产品的创新，结合农村土地流转市场产品的特点，设计符合不同农户要求的金融抵押产品;三是完善农业保险制度，解决农村农田种植风险大的问题，同时设立担保基金，以解决土地流转和支持农业发展中带来的风险等问题，以在一定程度上缓解可能出现的不良贷款问题。

第三，加强农业规模化发展，实实在在提高农民收入，提高农民偿还能力。引入社会化资本及组织，通过企业化的方式发展农业。在促进传统农业转型的基础上，加快现代农业在农村的发展，进而提高农民自身的收入，改变以往的小作坊模式。加大对农民的技术指导，让更多的农民能够掌握科学的种植技术，以提高农产品产量。通过搭建各种平台，在增加农产品生产规模的同时，解决农民农产品销售的问题，以促进农民增收。

第四，增加农户社会资本。一是加快农村合作社等各类组织的运作，进而通过组织的方式帮助农户获取更多融资;二是不断强化农民职业教育，这样不仅可以提高农民的文化程度，还可提高农户适应市场的能力，为农户金融观念的转变奠定基础;三是构建农村和谐社区，增进邻里关系，更好地提高农户的偿还能力。

总之，要提高金融扶持的精准性，关键不在于金融机构，而是要在金融风险有效控制下，结合农户当前借款的特征，以及借款存在的局限入手，特别是要完善农村土地流转市场中的抵押品，以及进一步完善现代农业组织和现代农业规模发展等方面，这样才能真正实现农村贫困人口脱贫，也才能更好地发挥金融机构在三农信贷支持中的作用。

参考文献：

[1]陈颖瑛，杜雪锋.贫富差距对农户信贷资格的影响[J]. 江苏农业科学，2018，46（15）：324-328.

[2]Matin I，Hulme D，Rutherford S. Finance for the poor：from microcredit to microfinancial services[J]. Journal of International Development，2009，14（2）：273-294.

[3]Ghalib A K，Malki L，Katsushi S I. Microfinance and household poverty reduction：empirical evidence from rural Pakistan[J]. Oxford Development Studies，2015，43（1）：84-104.

[4]賀立龙，黄 科，郑怡君. 信贷支持贫困农户脱贫的有效性：信贷供求视角的经验实证[J]. 经济评论，2018（1）：62-77.

[5]黄秋波，周 政，董自光. 农户社会资本对信贷可得性的影响机制：浙江实证[J]. 浙江树人大学学报，2019，19（2）：50-58.

[6]田雅群，范亚辰. 人格特征对农户信贷行为的影响——基于中国农村普惠金融调查的实证研究[J]. 现代经济探讨，2020（1）：124-132.

[7]刘西川，杨奇明，陈立辉. 农户信贷市场的正规部门与非正规部门：替代还是互补？[J]. 经济研究，2014，49（11）：145-158，188.

[8]蔡书凯，蔡 荣. 土地信托流转与农户参与意愿——基于 Probit-ISM分析方法[J]. 中国农业大学学报，2017，22（7）：173-185.

[9]李庆海，吕小锋，李 锐，等. 社会资本能够缓解农户的正规和非正规信贷约束吗？——基于四元Probit模型的实证分析[J]. 南开经济研究，2017（5）：77-98.

[10]张学彪，陈加齐，孔祥臣，等. 基于Probit模型的农村贫困户参与电商行为影响因素分析[J]. 农业展望，2018，14（1）：94-99，105.

[11]徐璋勇，杨 贺. 农户信贷行为倾向及其影响因素分析——基于西部11省（区）1 664户农户的调查[J]. 中国软科学，2014（3）：45-56.

[12]郭金丰. 乡村振兴战略下的农村土地流转：市场特征、利益动因与制度改进——以江西为例[J]. 求实，2018（3）：79-97，112.曹雪萍. 乡村经济振兴视域下乡村治理现代化研究[J]. 江苏农业科学，2020，48（11）：28-32.