信貸配給對農(nóng)戶收入和消費支出的影響

信貸配給對農(nóng)戶收入和消費支出的影響

定量估計農(nóng)戶信貸配給程度國際經(jīng)驗表明，完善有效的農(nóng)村信貸市場不僅可以提高農(nóng)民的收入和福利水平，還可以減少農(nóng)村地區(qū)的貧困人口，減少貧困，這一直受到富人的關(guān)注。然而近30年來,發(fā)展中國家農(nóng)村信貸市場的效率非常低下,農(nóng)戶信貸配給的程度普遍相當(dāng)嚴(yán)重(Stiglitz和Weiss,1981;Carter,1988;Milde和Riley,1988;Kochar,1997;Foltz,2004;Li和Zhu,2010)。之所以如此,最重要的原因就在于農(nóng)村信貸市場的不完備和信息的高度不對稱。由于農(nóng)戶生產(chǎn)高度分散,同時容易受到天氣、市場和健康等風(fēng)險沖擊,信貸機(jī)構(gòu)或組織很難在事前了解到農(nóng)戶的信息或類型(逆向選擇),在事后也很難有效地監(jiān)督農(nóng)戶貸款的用途(道德風(fēng)險),需要借助于“非利率”抵押品機(jī)制,而貧困農(nóng)戶又正好缺乏合格的抵押品,因此,往往會導(dǎo)致嚴(yán)重的信貸配給問題(Carter,1988;Aghion和Bolton,1997;Conning和Udry,2007)。與其他發(fā)展中國家相比,我國農(nóng)村信貸配給的程度尤其嚴(yán)重,除了產(chǎn)生信貸配給的共同根源外,為了服從工業(yè)和城市優(yōu)先發(fā)展的戰(zhàn)略,從20世紀(jì)50年代后期開始,我國在農(nóng)村長期進(jìn)行金融管制,打擊抑制民間信貸活動,農(nóng)村正式信貸機(jī)構(gòu)充當(dāng)輸出農(nóng)戶儲蓄和農(nóng)業(yè)剩余的媒介和工具,直接和間接地將其從農(nóng)村積聚的資金不斷轉(zhuǎn)移到工業(yè)部門和城市;此外,通過工農(nóng)產(chǎn)品“剪刀差”,攝取農(nóng)業(yè)剩余,直接導(dǎo)致農(nóng)村資金的嚴(yán)重匱乏,成為了我國農(nóng)戶信貸配給最重要的原因之一。盡管這些事實在相關(guān)文獻(xiàn)中被關(guān)注,但是,還很少有文獻(xiàn)運用面板數(shù)據(jù)來估計我國農(nóng)戶遭受信貸配給的程度及其所導(dǎo)致的福利損失。定量估計農(nóng)戶信貸配給程度及其影響的現(xiàn)有文獻(xiàn)可分為兩類:一類是直接法(DirectMethods),這類方法通過設(shè)計調(diào)查問卷和實地詢問,獲知農(nóng)戶信貸需求和其需求得到多大程度滿足等的真實信息,由此推算出農(nóng)戶信貸配給的程度(Ladman,1984;Bell等,1997;Diagne,1997;Mushinski,1999;Boucher等,2006;劉西川等,2009)。盡管這種方法能夠簡單明了地計算出農(nóng)戶信貸配給程度,但過度依賴農(nóng)戶的主觀判斷,理論基礎(chǔ)模糊,且沒有充分考慮利率和貸款規(guī)模。另一類是間接法(IndirectMethod),這類方法采用計量模型估計信貸配給的程度,并分析其產(chǎn)生的因果關(guān)系(Cristina和Meyer,1980;Feder等,1990、1992;Kochar,1997;Foltz,2004;Petrick,2004;Li和Zhu,2010),上述兩類方法時常相互依賴(Petrick,2003)。早期運用計量模型估計信貸配給影響農(nóng)戶生產(chǎn)產(chǎn)出的方法是在回歸模型的框架中,將信貸配給處理成一個虛擬解釋變量(Cristina和Meyer,1980),這種方法的缺陷是忽略了信貸配給的內(nèi)生性,其估計量有偏(Feder等,1990;Green,2003)。近年來,Kochar(1997)運用Biprobit模型(Poirier,1980)估計分析了印度農(nóng)村的信貸配給程度,在Kochar的模型中同時考慮了信貸需求和供給;Foltz(2004)運用概率內(nèi)生開關(guān)模型(ProbitEndogenousSwitchingModel)估計了突尼斯鄉(xiāng)村的信貸配給程度及其對農(nóng)戶產(chǎn)出的影響。他們的研究雖然考慮到信貸配給的內(nèi)生性特征,但仍然存在著一些問題。在他們所報道的研究結(jié)果中,往往只考慮到需求完全得不到滿足的情形,即完全配給的情形;而遺漏了需求只是部分滿足的情形,即部分配給的情形。如果不考慮部分配給的情形,信貸配給程度不可避免地會被低估。李銳等(2007)考慮到上述文獻(xiàn)的缺陷,采用截面數(shù)據(jù)估計出包含完全配給和部分配給兩種情形在內(nèi)的信貸配給程度,但是他們的研究并沒有設(shè)定一個可行的標(biāo)準(zhǔn)明確定義農(nóng)戶的類型,即哪些農(nóng)戶受到了信貸配給(完全配給或部分配給),哪些農(nóng)戶沒有受到信貸配給,只是給出了農(nóng)戶遭受信貸配給的概率。在研究信貸配給的產(chǎn)出影響時,為了解決估計過程中的內(nèi)生性問題,Krandker和Faruqe(2003)采用兩階段估計模型,Foltz(2004)和褚保金等(2009)采用內(nèi)生轉(zhuǎn)換模型,李銳等(2007)采用Match模型,他們的研究均表明信貸配給對農(nóng)戶的產(chǎn)出的影響顯著為負(fù)。但是,這些文獻(xiàn)在估計信貸配給的產(chǎn)出效果時采用的大多是截面數(shù)據(jù),難以考察信貸配給的動態(tài)特征。本文采用2003~2009年1000個樣本農(nóng)戶的微觀面板數(shù)據(jù),對我國農(nóng)戶信貸配給的程度及其所導(dǎo)致的福利損失進(jìn)行了估計和分析。本文對文獻(xiàn)的貢獻(xiàn)主要體現(xiàn)在如下四個方面:第一,采用面板數(shù)據(jù)模型估計農(nóng)戶遭受信貸配給的程度及其福利影響,較好地控制了“個體異質(zhì)性”的影響,避免相關(guān)估計結(jié)果出現(xiàn)偏誤(Cameron和Trivedi,2005)。第二,設(shè)定標(biāo)準(zhǔn),明確定義了農(nóng)戶的類型,即哪些農(nóng)戶受到了信貸配給(完全配給或部分配給),哪些農(nóng)戶沒有受到信貸配給。第三,發(fā)現(xiàn)當(dāng)樣本的類型不是外生給定的,而是運用農(nóng)戶的特征變量識別出來的時候,不宜運用Match模型來估計信貸配給的產(chǎn)出和福利影響,因為此時我們無法為目標(biāo)農(nóng)戶找到配給的對象。因此,李銳等(2007)采用Match模型來估計農(nóng)戶遭受信貸配給的福利影響是值得商榷的。第四,在資金的供給方程中,我們不僅納入了“關(guān)系變量”,充分考慮到了“關(guān)系變量”的部分內(nèi)生性特征,而且還估計了不同融資渠道對農(nóng)戶信貸配給程度的影響。一、年生時期中國農(nóng)戶貸款渠道取得的初步信用分配初步分析研究所采用的數(shù)據(jù)來自于農(nóng)業(yè)部農(nóng)村固定觀察點,時間跨度為2003~2009年,采用追蹤調(diào)查的形式,樣本具有很好的穩(wěn)定性和連續(xù)性。樣本選擇采取分階段分層抽樣戰(zhàn)略,第一階段,根據(jù)區(qū)域經(jīng)濟(jì)發(fā)展情況,從所有省份中采取分類抽樣的方式,隨機(jī)選擇10個省份,分別是遼寧、吉林、江蘇、福建、山東、河南、湖北、四川、甘肅、新疆。第二階段,在上述各省份中,隨機(jī)抽取18個村莊;在抽取村莊的過程中,排除了面積和人口特別大或特別小的村莊。第三階段,從各村莊中排除5%的特別富裕和特別貧窮的農(nóng)戶后,隨機(jī)選取60個左右的樣本農(nóng)戶,一共1000個樣本農(nóng)戶。數(shù)據(jù)庫中收集了各樣本農(nóng)戶2003~2009年每年的收入、支出、信貸活動、生產(chǎn)經(jīng)營活動、家庭和所處村莊的基本情況的詳細(xì)數(shù)據(jù),為本文的研究提供了豐富的經(jīng)驗事實。由于數(shù)據(jù)缺乏權(quán)重方面的信息,所以,樣本數(shù)據(jù)可能并不能完全代表我國的所有農(nóng)戶,因此,我們應(yīng)該謹(jǐn)慎地看待這篇論文的研究結(jié)論的一般性。盡管如此,我們依然相信本文的研究結(jié)論為理解我國農(nóng)戶信貸配給程度及其福利影響提供了有益的信息。表1分省份列出了2003~2009年樣本農(nóng)戶從各融資渠道獲得借款的年均戶數(shù),以及借款農(nóng)戶在所有樣本農(nóng)戶中所占的百分比。從表1中可以看出,在這1000個樣本農(nóng)戶中,年均有194個農(nóng)戶獲得借款,占19.4%;其中,年均67.6個農(nóng)戶從正式渠道獲得借款,只占所有獲得借款農(nóng)戶總數(shù)的34.9%;大部分需要信貸資金的農(nóng)戶只能通過非正式渠道獲取。基于我們采用的是樣本農(nóng)戶7年的平均數(shù)這一經(jīng)驗事實,這個結(jié)論是穩(wěn)健的。再從各省份情況來看,省份與省份之間獲得貸款的農(nóng)戶所占百分比的年平均數(shù)相差很大,遼寧只有4.0%,而吉林和湖北兩省分別高達(dá)35.6%和40.7%;吉林獲得貸款的農(nóng)戶所占百分比高的重要原因是從正式渠道獲得貸款的農(nóng)戶所占的比重要遠(yuǎn)遠(yuǎn)高于其他省份;而湖北獲得貸款的樣本農(nóng)戶所占百分比高的一個重要原因是該省樣本農(nóng)戶收入普遍偏低,使得農(nóng)戶常常借助于“關(guān)系信貸”分擔(dān)風(fēng)險。表2列出了2003~2009年樣本農(nóng)戶每年從各融資渠道獲得貸款的總戶數(shù),以及借款農(nóng)戶占樣本農(nóng)戶的百分比。從表2可以看出,獲得貸款的農(nóng)戶在樣本農(nóng)戶中所占的百分比幾乎是逐年下降的,由2003年的24%減少到2009年的16.2%,其主要原因是樣本農(nóng)戶從正式渠道獲得貸款的百分比逐年急劇下降,由2003年的11.9%銳減到2009年的3.2%。這說明我國農(nóng)戶受到正式渠道信貸配給的程度越來越嚴(yán)重。表3中列出了2003~2009年所有樣本農(nóng)戶借款總額的來源結(jié)構(gòu)。從表3可以看出,農(nóng)戶從正式渠道獲得的借款總額只占所有渠道借款總額的18.5%。由于從正式渠道獲得借款的農(nóng)戶總數(shù)占借款農(nóng)戶總數(shù)的34.9%,因此,平均每個農(nóng)戶從正式渠道獲得的借款數(shù)額要遠(yuǎn)低于其從非正式渠道所獲的借款數(shù)額。此外,2003~2009年樣本農(nóng)戶從農(nóng)村信用社獲取的借款數(shù)額占其從正式信貸渠道獲取的借款數(shù)額的百分比高達(dá)77.2%,而從國有商業(yè)銀行、扶貧貸款機(jī)構(gòu)所獲取的借款數(shù)額所占比例分別只有15.8%、7.0%,說明農(nóng)村信用社是農(nóng)戶從正式信貸渠道獲得借款的最重要來源。隨著國有商業(yè)銀行,特別是中國農(nóng)業(yè)銀行從農(nóng)村逐步退出,迫切需要農(nóng)村信用社發(fā)揮越來越大的作用。農(nóng)戶間的借款總額占其從非正式金融渠道獲取借款總額的比重高達(dá)85.6%,而從民間金融組織、其他種經(jīng)濟(jì)組織所獲取的借款所占百分比分別僅為3.1%和11.3%,后兩者相加不到15%,與其他發(fā)展中國家相比要低得多,譬如巴基斯坦為43.8%,孟加拉為39.7%,印度為41.9%。這些數(shù)據(jù)說明我國農(nóng)戶獲得貸款的渠道單一,重要原因之一是農(nóng)村民間信貸組織非常不活躍,作用十分有限。表4給出計量分析模型中所有變量樣本數(shù)據(jù)的基本統(tǒng)計特征。其中,借款額表示農(nóng)戶借貸數(shù)額,單位為百元人民幣;是否有借款表示農(nóng)戶是否有借貸的虛擬變量,1為是,0為否;戶主年齡的單位為年;實際經(jīng)營土地面積表示農(nóng)戶當(dāng)年實際經(jīng)營的土地面積,土地總面積=承包耕地+自留地+山地+園地+牧草地+水面+轉(zhuǎn)包地-轉(zhuǎn)租地,單位為畝;生產(chǎn)性固定資產(chǎn)原值的單位為百元人民幣;戶主受教育程度的單位為年;教育醫(yī)療費用支出的單位為百元人民幣;金融資產(chǎn)余額的單位為百元人民幣;交通距離為農(nóng)戶距離碼頭或車站的距離,單位為公里;村企業(yè)就業(yè)比率表示農(nóng)戶所在村中,在鄉(xiāng)、村企業(yè)從業(yè)的勞動力占全村勞動力的百分比;是否東部地區(qū)表示農(nóng)戶所在地區(qū)是否為東部省份的虛擬變量,1為是,0為否,本文令遼寧、江蘇、福建、山東為東部;家庭資產(chǎn)原值為生產(chǎn)性固定資產(chǎn)原值+房產(chǎn)價值,單位為百元人民幣;是否干部家庭表示農(nóng)戶中是否有家庭成員是國家干部或者鄉(xiāng)村干部的虛擬變量,若有取值為1,否則為0;社會資本表示農(nóng)戶從所有親友處獲得的贈送收入,單位為百元人民幣;是否接受過培訓(xùn)表示家庭中是否有成員接受過非農(nóng)職業(yè)培訓(xùn)或農(nóng)業(yè)技術(shù)培訓(xùn)的虛擬變量,1為是,0為否;是否富裕村莊為農(nóng)戶是否位于資金供給充足的村莊的虛擬變量,1為是,0為否,將每個村莊所有樣本農(nóng)戶該年度的凈收入加在一起,指定超過所有樣本農(nóng)戶凈收入平均數(shù)的村莊為富裕村莊;是否僅從正式渠道借款表示農(nóng)戶是否僅從正式渠道獲得貸款的虛擬變量,1為是,0為否;是否僅從非正式渠道借款表示農(nóng)戶是否僅從非正式渠道獲得貸款的虛擬變量,1為是,0為否;是否從不同渠道同時借款表示農(nóng)戶是否同時從正式和非正式兩個渠道獲得貸款的虛擬變量,1為是,0為否;家庭農(nóng)業(yè)勞動人數(shù)表示農(nóng)戶家庭中從事農(nóng)業(yè)生產(chǎn)或經(jīng)營的勞動力人數(shù);家庭非農(nóng)勞動人數(shù)表示農(nóng)戶家庭中從事非農(nóng)生產(chǎn)或經(jīng)營的勞動力人數(shù);家庭人口規(guī)模表示農(nóng)戶家庭總?cè)丝跀?shù);村企業(yè)數(shù)表示農(nóng)戶所在村企業(yè)的個數(shù);勞動力所占比重表示勞動力占家庭成員總?cè)藬?shù)的比重;是否參加養(yǎng)老保險表示農(nóng)戶是否參加養(yǎng)老保險的虛擬變量,1為是,0為否;家庭凈收入,由農(nóng)戶的總收入-生產(chǎn)性總支出(包括家庭經(jīng)營費用、購置生產(chǎn)性固定資產(chǎn)費用、家庭經(jīng)營外投資、繳納稅金、上交村集體費用等)計算得到,單位為百元人民幣;家庭消費支出的單位為百元人民幣;信貸配給預(yù)測值為預(yù)測的信貸配給狀況,1表示農(nóng)戶受到配給,0表示農(nóng)戶未受到配給;樣本個數(shù)為1000×7=7000個。二、信貸委托模型及其經(jīng)驗分析1.計量模型檢驗當(dāng)農(nóng)戶所需要的借款數(shù)額少于他從正式和非正式信貸市場所獲得的借款數(shù)額時,我們就認(rèn)為農(nóng)戶遭受了信貸配給。信貸配給存在兩種情形,一是農(nóng)戶有需求,但借不到任何款項,完全得不到滿足,即完全配給的情形(Kochar,1997;Foltz,2004;Manrique和Ojah,2004;Dutta和Magableh,2006);二是農(nóng)戶有需求,但只能借到部分款項,部分得不到滿足,即部分配給的情形(Li和Zhu,2010)。在現(xiàn)實生活中,由于金融管制,逆向選擇、道德風(fēng)險和市場壟斷等原因,即使調(diào)整利率水平,信貸市場往往也達(dá)不到均衡,即使有的農(nóng)戶愿意以更高的利率借款,但它們的需求依然得不到滿足,此時就出現(xiàn)了信貸配給(CreditRationing)問題。在存在信貸配給的情況下,我們無法直接觀測到需求或者供給的真實值,而只能得到需求和供給相互作用的最終結(jié)果,它由需求和供給中較小的一方?jīng)Q定,顯然常規(guī)技術(shù)和經(jīng)典計量模型難以處理這類問題。本文采用Biprobit模型估計農(nóng)戶信貸配給程度,分析和討論影響農(nóng)戶資金供求的重要因素。令y*sit表示t時供給農(nóng)戶i資金意愿的潛變量,ysit表示t時是否愿意提供農(nóng)戶i資金的決策變量,y*dit表示t時農(nóng)戶i資金需求意愿的潛變量,ydit表示t時農(nóng)戶i是否申請貸款的決策變量,Xit為t時影響農(nóng)戶i貸款需求的解釋變量,Zit為t時影響供給農(nóng)戶i資金的解釋變量。構(gòu)建計量模型:其中,αi和ηi均不隨t變化,且分別為需求方程和供給方程中的個體效應(yīng)(IndividualEffect),反映個體“異質(zhì)性”(IndividualHeterogeneity);εit、νit分別為需求方程和供給方程的特質(zhì)隨機(jī)誤差項(IdiosyncraticErrors),Xit、Zit均嚴(yán)格外生,我們假設(shè)特質(zhì)隨機(jī)誤差項服從二元正態(tài)分布,即:為了能夠分析不隨時間變化的因素(譬如,戶主受教育程度等)的影響,本文采用隨機(jī)效應(yīng)模型進(jìn)行估計和分析,此時Eα(i)=Eη(i)=0,αi,ηi⊥εit,νit,且αi,ηi⊥Xit,Zit。只有當(dāng)農(nóng)戶i在t時具有資金需求(ydit=1),且資金供給方愿意向其提供貸款(ysit=1)時,交易才會產(chǎn)生,此時才能實際觀測到農(nóng)戶的借貸行為。將借貸行為記作yit,則:式(3)是一個典型的雙變量Probit模型,其觀察值具有部分可觀察性,這類模型最早是由Poirier(1980)提出來的。由式(1)可知,需求方程和供給方程間存在不同的個體效應(yīng)αi和ηi。Helena等(2004)在處理不同方程間個體“異質(zhì)性”時,假設(shè)方程組中不同個體效應(yīng)αi和ηi服從2×2支撐點上的二元離散分布,然后再對個體效應(yīng)進(jìn)行積分,最后用極大似然估計方法得到參數(shù)的MLE。借鑒Helena等(2004)的研究思路,本文給出面板部分可觀測Biprobit模型的估計過程。令θ=[β,γ,σε,ρ,p,α,]η表示待估參數(shù)族,那么農(nóng)戶i在t時的似然函數(shù)如式(4):其中式(5)中的ue788(εit,νit,ρ)表示相關(guān)系數(shù)為ρ的二元正態(tài)分布密度函數(shù)。假設(shè)個體效應(yīng)αi,ηi服從2×2支撐點上(2×2PointsofSupport)的二元離散分布,并規(guī)定α={α1,α2},η={η1,η2},p={p11,p12,p21,p22},pkj=P(ηk,αj),其中j,k=1,2。則對于農(nóng)戶i來說,似然函數(shù)為:其中,G(·,·)表示個體效應(yīng)的聯(lián)合分布函數(shù)。我們對每個農(nóng)戶i的似然函數(shù)取對數(shù)、求和并求導(dǎo),便可得到θ=[β,γ,σε,ρ,p,α,]η的MLE。得到參數(shù)估計值后,便可計算出t時農(nóng)戶i被完全配給的概率p(y*dit>y*sit,y*sit≤0y*dit>0)、被部分配給的概率p(y*dit>y*sit,y*sit>0y*dit>0)和被配給的概率p(y*dit>y*sity*dit>)0(包含部分和完全配給)。相關(guān)模型的數(shù)學(xué)證明和推導(dǎo)過程類似于Li和Zhu(2010)、Helena等(2004),為簡便起見此處不再給出。在估計出t時農(nóng)戶i遭受配給、部分配和完全配給的概率值^pit后,我們設(shè)定臨界值(CutoffPoint)為0.5(Cameron和Trivedi,2005)以確定農(nóng)戶是否遭受到了信貸配給。當(dāng)t時農(nóng)戶i受到配給的概率值^pit>0.5時,我們認(rèn)為此時農(nóng)戶i受到了信貸配給,反之則認(rèn)為未受到配給。在明確定義t時農(nóng)戶i是否受到信貸配給后,便可很方便地計算出樣本中受到信貸配給的農(nóng)戶所占的比率,即農(nóng)戶遭受信貸配給的程度。2.資金供給與資金需求的關(guān)系首先將所有時間截面上的樣本數(shù)據(jù)看作是一個時間橫截面上的數(shù)據(jù),得到一組參數(shù)估計值;然后,將這些參數(shù)估計值作為初始值,代入面板數(shù)據(jù)模型進(jìn)行估計,估計結(jié)果見表5。首先我們分析資金需求的影響因素。從表5可以看出,實際經(jīng)營土地面積、上年生產(chǎn)性固定資本原值、教育醫(yī)療費用支出和地理位置(是否位于東部地區(qū))對資金需求的影響均為正,且分別在5%、5%、1%和10%的統(tǒng)計水平上顯著,這說明農(nóng)戶的資金需求與其所經(jīng)營的土地規(guī)模、上年生產(chǎn)性固定資本原值和教育醫(yī)療支出正相關(guān)。農(nóng)戶耕種的面積與其生產(chǎn)成本成正比,在其他條件不變的條件下,所承包的面積越大,則用于購買生產(chǎn)資料,譬如,化肥、種子、農(nóng)藥等,以及在農(nóng)忙季節(jié)雇傭勞動的資金需求也就越大。上年生產(chǎn)性固定資本越多,本年度所需要的營運成本就越高,從而會增加其資金需求。教育醫(yī)療支出是根據(jù)我國農(nóng)戶資金需求的特征而設(shè)置的一個重要變量,我國很多農(nóng)戶借貸的主要原因是子女上學(xué)或家庭成員生病,這些支出對農(nóng)戶而言不僅數(shù)額大,要的急,并且具有剛性,農(nóng)戶自身的資金往往不夠,通常需要借貸。在東部地區(qū),從事非農(nóng)經(jīng)營活動的農(nóng)戶比較多,對資金的需求也就比較旺盛。上年金融資產(chǎn)余額對資金需求的影響為負(fù),且在10%的統(tǒng)計水平上顯著,這說明農(nóng)戶的資金需求與其金融資產(chǎn)余額負(fù)相關(guān),當(dāng)農(nóng)戶自有資金充裕時,其對外部資金的需求就會減少。戶主受教育程度對資金需求的影響在統(tǒng)計上不顯著,一方面戶主教育水平高的農(nóng)戶更傾向于采用新的農(nóng)業(yè)技術(shù),譬如,新的種子、新的化肥和新的農(nóng)業(yè)機(jī)械等,或更傾向于從事非農(nóng)經(jīng)營活動,譬如,農(nóng)產(chǎn)品深加工、飲食服務(wù)行業(yè)等,會導(dǎo)致大量的資金需求;另一方面,戶主受教育水平高的農(nóng)戶一般收入也較高,這又減少了對資金的需求;兩種相反的作用最終使得戶主受教育程度對資金需求的影響在統(tǒng)計上不顯著。交通距離(距離車站、碼頭的遠(yuǎn)近)、在鄉(xiāng)村企業(yè)從業(yè)的勞動力占全村勞動力的比重對農(nóng)戶資金需求的影響在統(tǒng)計上均不顯著,這些變量對資金需求的影響類似于受教育程度。然后,我們再分析資金供給的影響因素。從表5可知,實際經(jīng)營土地面積和是否位于富裕村莊對資金供給的影響均為正,且分別在10%和5%的統(tǒng)計水平上顯著,這說明資金供給者更傾向于提供貸款給土地規(guī)模大和富裕村莊的農(nóng)戶。一方面,土地規(guī)模越大,預(yù)期收入越高;另一方面,近年來,中國政府允許土地使用權(quán)流轉(zhuǎn),必要時可用作貸款抵押,從而提高了資金所有者的供給意愿。一般而言,在富裕村莊,信貸市場更發(fā)達(dá),資金供給更充裕,愿意提供貸款的農(nóng)戶會更多。正式渠道對農(nóng)戶資金供給的影響在統(tǒng)計上不顯著,而非正式渠道對農(nóng)戶資金供給的影響在5%的統(tǒng)計水平上顯著,這說明與正式金融機(jī)構(gòu)相比,農(nóng)戶更愿意為資金的需求者提供貸款,這與信貸配給的理論是一致的。與正式金融機(jī)構(gòu)相比,農(nóng)戶對資金需求者———本地農(nóng)戶特別是親友的信息了解更加充分,在應(yīng)對逆向選擇和道德風(fēng)險問題時有更多的優(yōu)勢,而且由于關(guān)聯(lián)交易的存在,農(nóng)戶還可接受現(xiàn)金之外的其他還款方式,譬如,用勞動或?qū)嵨飦韮斶€貸款。更為重要的是,農(nóng)戶之間的借貸相當(dāng)于一種保險機(jī)制,農(nóng)戶遭受自然和經(jīng)濟(jì)的雙重風(fēng)險,自身非常脆弱,常常需要借助于鄉(xiāng)鄰和親友之間的資金融通來維持生存和發(fā)展。Li和Zhu(2010)鑒于我國農(nóng)戶間借貸大多發(fā)生在親友之間,或者農(nóng)戶家庭成員中有干部時,在獲取正式金融機(jī)構(gòu)貸款時具有優(yōu)勢這一事實,在文中引入了“關(guān)系”變量,其研究結(jié)果表明,“關(guān)系”對資金供給意愿的影響非常大。但是,他們在引入“關(guān)系”變量時并沒有考慮到該變量的部分內(nèi)生性問題,估計結(jié)果存在偏誤。本文以衡量社會地位(是否干部家庭)和社會資本(農(nóng)戶所獲得的贈送收入)作為“關(guān)系”變量,可避免“關(guān)系”變量引入所導(dǎo)致的內(nèi)生性問題。從表5可以看出,社會地位和社會資本對資金供給的影響都是正的,且分別在1%和5%的統(tǒng)計水平上顯著,這說明家庭成員中有國家或鄉(xiāng)村干部的農(nóng)戶在獲取貸款時具有優(yōu)勢,特別是在獲取正式金融機(jī)構(gòu)的貸款時,優(yōu)勢更加明顯;農(nóng)戶所擁有的社會資本越充裕,獲得貸款的可能性也就越高。顯然,當(dāng)資金的需求者和供給者之間存在很強的“關(guān)系”時,譬如,鄉(xiāng)村干部與農(nóng)村信用合作社、農(nóng)戶與其親友之間的借貸,此時,戶主受教育程度、交通距離(距離車站、碼頭的遠(yuǎn)近)、上年家庭資產(chǎn)原值(生產(chǎn)性固定資產(chǎn)原值+房產(chǎn)價值)、是否接受過培訓(xùn)對資金供給的影響就變得不再重要了。根據(jù)表5中面板Biprobit模型的估計結(jié)果,采用臨界值識別出t時農(nóng)戶i是否受到信貸配給的狀態(tài)后,可很方便地計算出所有樣本中遭受配給的農(nóng)戶所占的比率,為64.5%,其中,被完全配給的農(nóng)戶所占的比率為54.0%,被部分配給的農(nóng)戶所占的比率為10.5%。三、信貸配給效果模型及其經(jīng)驗分析1.幾何時農(nóng)戶的福利影響信貸在農(nóng)戶的消費和生產(chǎn)經(jīng)營活動中發(fā)揮著至關(guān)重要的作用。農(nóng)戶生產(chǎn)經(jīng)營活動需要經(jīng)過平整土地、播種、栽培、管理和收獲等一系列漫長而又復(fù)雜的過程,不僅遭受來自市場的風(fēng)險,而且還要遭受來自自然條件的風(fēng)險,價值實現(xiàn)過程非常脆弱。然而,在這一漫長的過程中,農(nóng)戶需要大量現(xiàn)金購買生產(chǎn)要素和必需消費品,卻很少甚至沒有任何收益。一旦生產(chǎn)經(jīng)營失敗,不僅影響下一個周期的生產(chǎn)經(jīng)營,而且會使農(nóng)戶的當(dāng)前消費面臨困境。在一個信貸市場效率低下的社會,農(nóng)戶不得不存留大量的現(xiàn)金,使下一個周期的生產(chǎn)經(jīng)營和消費活動得以維持和擴(kuò)張。此時,農(nóng)戶的生產(chǎn)經(jīng)營活動顯然達(dá)不到最優(yōu)的產(chǎn)出水平。因此,從理論上來說,在其他條件不變的情況下,信貸配給會使農(nóng)戶的收入和消費蒙受損失。經(jīng)驗事實果真如此嗎?以下我們對此進(jìn)行檢驗和分析。目前,估計政策或某個項目的效果的前沿計量方法是處理效應(yīng)模型(TreatmentEffectModel),但是,處理效應(yīng)模型只適用于樣本類型明確給定的情形。由于本文所采用的數(shù)據(jù)是部分可觀察的,因此,農(nóng)戶的類型(是否受到配給)不是預(yù)先給定的,需要我們運用已獲得的部分可觀測數(shù)據(jù)識別出來。當(dāng)農(nóng)戶的類型是根據(jù)農(nóng)戶的特征變量識別出來的時候,運用Match模型來估計信貸配給的福利影響就變得不可行了,因為此時我們無法為目標(biāo)農(nóng)戶找到配給對象。事實上,當(dāng)我們采用部分可觀測的數(shù)據(jù),將農(nóng)戶的類型識別出來后,再將農(nóng)戶是否受到信貸配給處理成啞變量,據(jù)此估計信貸配給對農(nóng)戶收入和消費的影響,從方法上來講也是可行的。雖然Cristina和Meyer(1980)在估計信貸配給的影響時,也是將農(nóng)戶是否受到信貸配給處理成啞變量D來進(jìn)行估計的,但他們的估計存在內(nèi)生性問題。本文所采用的啞變量^D是D的估計值,^D是在充分考慮資金供需雙方特征的基礎(chǔ)上估計出來的,從而避免了估計過程中的內(nèi)生性。在識別出t時農(nóng)戶i是否受到信貸配給的類型后,可引入啞變量:我們以能夠反映農(nóng)戶福利水平的凈收入和家庭消費支出為因變量,構(gòu)建如式(8)的面板數(shù)據(jù)模型,來估計信貸配給的影響程度:其中,yit表示t時農(nóng)戶i的凈收入或家庭消費支出;ei為個體效應(yīng)或者叫做個體“異質(zhì)性”,表示隨個體變化而不隨時間變換的因素;ue788表示信貸配給影響農(nóng)戶凈收入或家庭消費支出的程度;χit表示影響農(nóng)戶凈收入或家庭消費支出的外生變量,φ為其系數(shù);μit為特質(zhì)隨機(jī)誤差項。為考察時不變因素的影響,本文假設(shè)個體“異質(zhì)性”ei與χit不相關(guān),采用隨機(jī)效應(yīng)模型進(jìn)行估計。2.農(nóng)戶的年齡和信配給對農(nóng)戶家庭消費消耗的影響我們以戶主年齡、戶主受教育程度、家庭農(nóng)業(yè)勞動力人數(shù)、家庭非農(nóng)勞動力人數(shù)、實際經(jīng)營土地面積、上年生產(chǎn)性固定資產(chǎn)原值、地理位置(是否位于東部沿海地區(qū))、社會地位(家庭是否有國家或鄉(xiāng)村干部)、社會資本(家庭每年獲得的贈送收入)、是否接受過培訓(xùn)(家庭是否有成員參加過技術(shù)培訓(xùn))、所在村的企業(yè)數(shù)、是否受到信貸配給作為農(nóng)戶家庭凈收入的解釋變量,而以戶主年齡、戶主受教育程度、家庭凈收入、上年金融資產(chǎn)余額、地理位置、家庭人口數(shù)、家庭非農(nóng)勞動力人數(shù)、家庭中勞動力所占比重、是否參與養(yǎng)老保險、是否受到信貸配給作為農(nóng)戶家庭消費支出的解釋變量,并采用面板數(shù)據(jù)模型進(jìn)行估計,結(jié)果見表6和表7。由表6可知,戶主的年齡對凈收入的影響在統(tǒng)計上不顯著;戶主受教育程度、實際經(jīng)營土地面積、地理位置、上年生產(chǎn)性固定資產(chǎn)原值、社會地位、社會資本、是否接受過培訓(xùn)、家庭農(nóng)業(yè)勞動力人數(shù)、家庭非農(nóng)勞動力人數(shù)和農(nóng)戶所在村企業(yè)數(shù)對農(nóng)戶凈收入的影響為正,且分別在10%、10%、1%、10%、1%、5%、5%、10%、5%和10%的統(tǒng)計水平上顯著;信貸配給對農(nóng)戶凈收入的影響為