金融机构对农户信贷配给程度.docVIP

金融机构对农户信贷配给程度 　　【摘 要】 通过对山东省泰安市的乡镇进行抽样，获取了与当地农村居民信贷相关的微观数据，并运用Tobit模型对影响该地区正规金融机构对农户信贷配给程度的家庭特征进行实证研究。研究表明户主的年龄和农户家庭自有的土地面积对金融机构的信贷配给程度分别有着显著的正向影响和负向影响。因此，农村金融体制的未来改革需要同农村土地产权改革结合起来。 【关键词】 家庭特征； 金融机构； 信贷配给 中图分类号：F832.4 文献标识码：A 文章编号：1004-5937（2014）07-0053-04 一、引言 信息不对称和交易成本导致农村正规金融机构对农户的信贷配给是一个普遍现象（Jaffee Russlle，1976；Stiglitz Weiss，1981；Williamson，1988）。近年来，国内学者对金融信贷配给研究主要围绕信贷配给对农村经济和农村信贷市场的影响来展开。其中，研究信贷配给对农村经济的影响主要从对经济发展的意义、造成的经济影响等方面（林毅夫，2000；徐忠、程恩江，2004；钟笑寒、汤荔，2005；张龙耀、江春，2011）。研究影响农村信贷市场主要从微观角度展开实证研究（朱喜、李子奈，2006；褚保金等，2009；李庆海等，2012）。 这些研究无疑非常重要，它们有助于我们了解农村金融市场，特别是正视信贷市场的现状，并为破解当前农村金融困境和寻求合适的改革方案提供了思路。但是这些研究没有很好地探讨申贷农户的家庭特征与金融机构的信贷配给行为的关联性。事实上，申贷农户的家庭特征是正式金融机构作出信贷供给行为非常重要的参考信息，金融机构在贷款发放前，都要依据申贷农户的家庭特征及以往的信贷记录对申贷农户的信用进行审查，如果信用审查结果不好，金融机构自然会对农户进行信贷配给并据此确定信贷配给的程度。基于此，本文将尝试弥补这方面的空白。 二、理论模型 四、实证分析 （一）数据说明 数据来源于2011年初笔者在山东泰安农村地区收集，采用了三阶段分层抽样策略。第一阶段，按照不同经济发展水平采取分类抽样的方法，随机选择了山东泰安的两个乡镇，分别是满庄镇和伏山镇；第二阶段，在每个所选的乡镇中再随机抽取两个村，共计四个村，分别是满庄镇的曹家寨村和新庄村，伏山镇的马家庙村和朱家庄村；第三阶段，在每个被抽取村庄中随机选择50～70户农户发放问卷或入户调查，共问卷220户。数据库中，收集了这些农户2006—2010年间的金融信贷活动、家庭基本情况等方面的经济社会数据。这些农户中，未参与金融信贷调查、未在2006—2010年间向金融机构申请贷款的农户有30户，在此期间向金融机构申请信贷的190户农户中有19户提供的信息不全，因此，本文分析中将这些农户剔除掉。最终本文采用的样本农户为171户。其中，102户遭受金融机构的信贷配给，占总样本的59.6%，这同我国大部分学者的研究，即中国农户受到信贷配给的程度至少在50%以上的情况相吻合（田俊丽，2006）。在遭受信贷配给的农户中，84户遭受完全信贷配给，占总样本的49.1%；18户遭受部分信贷配给，占总样本的10.5%，这表明农户遭受的信贷配给主要是完全信贷配给，这一点也同国内许多学者（例如李庆海等，2012）的调查相类似；其余69户的信贷申请均获得满足，不存在信贷配给。 （二）变量选择 本文所用的被解释变量是：信贷配给的程度是多少？这一变量是连续变量（Continuous Variable），用Level表示。解释变量反映农户的家庭特征，主要有：（1）农户自有的土地规模（Land）。作为最基本的生产资料，承包的土地规模在一定程度上能够衡量信贷农户的期望收益。（2）农户信贷前的家庭全部资产的市场价值（Asset），包括房屋，土地，银行存款，农机具，农产品等。家庭资产值越大，其可被用作抵押、担保的资产就越多，农户受到信贷配给的可能性越小。（3）户主的受教育水平（Education），一定程度上可以代表信贷申请农户家庭的综合能力。（4）户主的性别（Gender）也是非常重要的变量，国外学者Fletschner Kenney（2011）的调查研究发现，女性借款者信用往往好于男性借款者，因此，户主为男性的家庭可能较户主为女性的家庭更容易遭受金融机构的信贷配给。（5）户主的年龄（Age），可以在一定程度上代表农户家庭的家庭结构，农户的家庭结构越年轻，其农业生产能力和效率相对要好些，从而较少遭受信贷配给。（6）农户家庭农业劳动力总数（Labor1）。显然我国目前劳动密集型的农业生产方式决定了一个家庭劳动力越充裕，农业生产的期望收益才会越高。（7）农户家庭外出务工劳动力总数（labor2），外出务工劳动力越多意味着农户家