我国县域企业信贷需求影响因素及差异性实证分析.docVIP

我国县域企业信贷需求影响因素及差异性实证分析 　　摘 要：对县域企业贷款需求影响因素的Logistic回归分析显示，影响县域企业信贷需求的因素主要是企业生产规模、经营情况和获得金融服务的便捷性。不同地区、规模和行业的县域企业金融需求具有较大差异性，需要针对各自的需求特点提供多层次金融服务。 　　 　　关键词：县域企业；信贷需求；影响因素；差异性 　　中图分类号：F830.2 文献标识码：Ａ 文章编号：１００６－３５４４（２０11）０4－００18－05 　　 　　一、引言 　　县域企业是县域经济的重要组成部分， 在促进农业生产、 提高农民收入和转移农村剩余劳动生产力方面发挥着积极作用， 而要实现县域企业的蓬勃发展，则离不开金融的有效支持。目前，我国县域企业发展中资金需求与资金供给的矛盾较大，“金融贫血” 仍然是制约县域企业生存和发展的重要因素。在这一背景下， ??面认识和分析县域企业的金融需求，对完善我国现代农村金融制度，促进县域经济发展，解决“三农”问题具有重大的理论和实践意义。 　　目前国内一些机构和学者已经对县域企业的金融需求进行了大量调查研究。例如，银监会（2006）以全国946个县（市）、2万家农村中小企业为样本，开展了中国农村金融服务与农村金融竞争充分性调查。韩俊等（2007）以108个县域企业为样本，分析了县域企业的融资情况。 中国人民银行农村金融服务研究小组（2008） 调查了全国29个省、自治区、直辖市（不含北京、上海）的1975个行政县（旗、县级市）的县域金融服务和金融需求情况。 　　总的来看， 目前的调查研究为国家有关部门制定相关政策提供了大量的理论和数据支持， 并就大部分县域企业在发展过程中明显受到资金制约，融资难是制约县域企业发展的“瓶颈”这一问题达成了共识。但已有的调查研究也存在局限性：一是对县域金融需求的差异性分析不够， 导致针对性不强，部分研究调查过于分散，存在系统误差；二是针对县域企业金融需求的定量分析较少， 缺乏深度的实证分析研究。 　　本文主要利用问卷调查数据， 运用多分类Logistic回归模型对县域企业金融需求的差异性进行分析和检验， 以期对当前中国县域企业的金融需求现状做出更为准确的描述和恰当合理的分析。 　　二、研究模型设计与样本选取 　　当因变量是分类变量而不是连续变量时， 线性回归模型就不再适用，而Logistic回归模型可以很好地解决这一问题。本文将“县域企业贷款需求”作为因变量，将县域企业的贷款需求分为4个等级， 用来反映县域企业借贷需求的差异和层次。同时，因变量的不连续性并没有限制自变量的类型， 自变量仍可以保持连续变量的形式，也可以是分类变量，为模型的建立提供了便利。 　　从数据使用和模型的解释力来看，Logistic回归对数据的要求比较宽松， 不需要数据的正态性和方差齐性的假设。 由于本文的数据是来自全国18个省（市）， 地区之间的差异性使得数据很可能不服从正态分布且具有异方差的性质。因此，选择Logistic模型来进行分析，增强了可靠性和有效性。另外，回归模型的结果具有概率含义， 更具解释力。Logistic回归模型的因变量反映了“县域企业金融需求”这一事件的概率， 由这个概率可以分析该自变量对县域企业贷款需求的影响情况。 鉴于县域企业借贷行为的复杂性，这种解释更具合理性。 　　Logistic回归模型的基本形式为： 　　logit（y）=ln（■）=?茁0+?茁1x1+…+?茁kxk 　　其中logit（y）表示将y做Logistic变换，表示给定x时，事件发生的概率。这一转换的重要性在于，logit（y） 有许多可利用的线性回归模型的性质。logit（y）对于其参数而言是线性的， 并且依赖于x的取值，对于Logistic模型的各个自变量前的系数，可以按照一般的回归系数那样来度量和解释。 一旦拥有观测的自变量的样本值，并拥有其事件能否发生的观测值，就能够使用这些信息分析和描述在特定条件下事件发生的概率，并分析其与自变量之间的关系。 　　定义一个新的变量，事件发生概率与事件不发生概率之比（odds），可以用来解释回归方程的系数： 　　odds=■=e■ 　　从上式可以看出，当?茁i为正时，e■将大于1，即事件发生比odds会增大， 说明?茁i代表的影响因素对事件概率有正的作用，会增大因变量；反之，该影响因素则对事件概率有负作用，会降低因变量。在接下来的分析中将直接根据这一原理进行自变量的参数分析判断。 　　综合以上的分析， 只要我们拥有各个事件的观测自变量构成的样本， 并同时拥有其事件发生与否的观测值， 就能够使用这些信息来分析和描述在特定条件下事件的发生比及发生的概率。 至于模型中参数的估计，采用了极大似然估计的方法，与最小