基于信用评价模型对农户贷款违约行为实证分析.docVIP

基于信用评价模型对农户贷款违约行为实证分析 　　一、变量和数据的选择 　　 　　本文所用的数据来源于2005年至2008年对广东省英德市、中山市和河南省驻马店市3个地区的农户的抽样调查。其中英德市是以白沙镇和英红镇的四到五个村为主要调查对象，中山市主要以小橄镇为主要调查对象，驻马店市主要以上蔡县的西洪乡3个农村为主要调查对象。一共发放883份有效问卷，有信用社贷款的农户一共有141户，占调查总数的比例为15.97%；其中广东省英德市的调查对象共282份，其中农信社贷款农户58户，所占比例为20.56%；中山市的调查对象302份，其中农信社贷款农户64户，所占比例为21.19%；河南省驻马店市的调查对象299份，其中农信社贷款农户19户，所占比例为6.35%。从贷款方式来看，小额贷款128户，而抵押贷款4户，保证贷款9户。在由信用社贷款的141户农户中，不违约的农户101户，违约的农户40户，违约率大约为28%。由于河南的有效问卷有299份，但是贷款农户只有19户，所占比例太低。为了尽可能减少样本选择的偏差，在描述性分析和logit回归分析中，去掉了河南的借款农户样本。所以，本文的分析实际上是以广东省中山市和英德市为主要对象，它们分别是发达省区的欠发达农村和发达农村地代表。 　　本文主要以农村信用社贷款为例，讨论农户贷款违约行为及信用风险的评估问题。信用风险其实就是农户不能按事先与农村信用社达成的借款协议准时足额的偿还贷款、导致信用社遭受损失的可能性。借款人、贷款性状、放款人3个层次的因素都可能对农户贷款违约行为产生影响。因而，违约导致的信用风险也可以通过这三个层次的相关因素来预测。简单地说，可用如下函数来表示农户贷款风险的决定因素： 　　农户信用风险=F(借款人因素，贷款的性状，信用社因素) 　　 　　二、贷款农户违约行为的计量分析 　　 　　本文拟采用下面形式的logit模型估计信用社的农户贷款违约概率： 　　In?(pi1-pi)=βxi+e 　　pi是估计的农户贷款履约的概率，1―Pi是农户贷款违约的概率；xi为解释变量构成的向量，包括借款人、贷款性状、信用社3个层次的若干个变量（见表4-1）；β?+?为待估参数向量；e为误差项。 　　本文考察的122个样本农户中，违约农户33家，没有违约农户89家，违约与非违约的贷款农户相关特征差异，见表-所示。 　　 　　三、Logit模型估计结果的分析 　　 　　模型1：选择表征农户资产和财富状况的变量、表征农户家庭经营收入和支出以及农户家庭其他收入和支出的变量、表征农户家庭特征和户主特征的相关变量作为解释变量，以农户在过去两年里是否发生违约行为的情形作为因变量，进行logit回归分析。由于考虑到借款人的年龄、受教育程度与违约之间可能存在的非线性关系，所以加入年龄的平方项、受教育年限的平方项作为解释变量，目的是考察年龄、受教育年限与违约行为之间的关系。 　　模型2：将贷款性状变量、信用社性状变量、地区虚拟变量引入作为控制变量，对借款人特性与违约之间的关系进行logit回归分析。 　　模型3：将模型2所选变量进行了精简。首先，精简了借款农户特征方面的变量。关于农户资产与财富状况的变量，主要考虑到我国农户土地承包量往往是根据家庭人口的数量来确定的，同一地区家庭人均土地承包面积相差不大，所以在这一模型中去掉了土地面积的变量；其次，由于农户固定资产、存栏牲畜价值往往只能反映农户在某一方面??营的资产状况，所以也去掉了。关于农户的家庭经营及相关收支状况指标，保留了各经营收入的指标，因为各经营收入指标反映了农户的资金流入状况，而资金的流入是农户还贷款的基础；另外，由于家庭消费支出能够更好的反映农户的“持久性收入”水平，因而也保留了消费支出变量。 　　关于农户特征，由于模型1中年龄的平方项、教育年限的平方项系数并不显著，所以去掉了平方项，只是把年龄和教育年限作为控制变量。并且在引入了贷款性状变量、信用特征层面的变量和地区虚拟变量等控制变量时，贷款的申请次数、农户对信用社的信誉评价两个变量未再次引入，主要原因是在模型2中，这个两个变量的系数并不明显。 　　表-4五个模型对农户违约行为预测的正确率 　　模型4：对借款农户特征层面的变量作了进一步的筛选，家庭资 　　产和财富状况指标只保留了房产价值、耐用消费品价值两个变量，农户收支变量中，只保留了消费支出，在家庭结构特征、户主个人特征以及贷款特性、信用社特性、地区变量等和模型3相同。 　　模型5：将模型2所选择的变量去掉了自营工商业收入后，再利用SPSS向后逐渐选择技术筛选变量。通过筛选，模型所包含的变量有：房产价值、耐用消费品价值、消费支出、畜牧业支出、其他支出、户主年龄、户主受教育年限、是否为信用社会