農(nóng)作物用水量預測及智能灌溉方法及農(nóng)村信用社改革與農(nóng)村金融需求滿足程度-基于湘、閩兩省的調(diào)查分析

PAGE34PAGE33農(nóng)作物用水量預測及智能灌溉方法摘要農(nóng)作物用水量預測及智能灌溉方法的研究對提高灌溉精確度和水的利用率具有重大意義。作物水分生產(chǎn)函數(shù)無論對節(jié)水灌溉的區(qū)域規(guī)劃和系統(tǒng)評估，或是非充分灌溉的應用均具有深刻意義。非充分灌溉是指在灌溉水不能完全滿足作物的生長發(fā)育全過程需水量的情況下，以作物水分生產(chǎn)函數(shù)為理論依據(jù)，將有限的水科學合理（非足額）安排在對產(chǎn)量影響比較大、并能產(chǎn)生較高經(jīng)濟價值的需水臨界期供水，從而建立合理的水量與產(chǎn)量關(guān)系及分配模式，在水分利用效率、產(chǎn)量、經(jīng)濟效益三方面尋求有效均衡，實現(xiàn)經(jīng)濟效益最大化。然而由于作物各生育階段水分對產(chǎn)量影響的機理甚為復雜，目前尚難用嚴格準確的物理方程來描述。。實測某作物需水量與產(chǎn)量的對應數(shù)據(jù)，得到總產(chǎn)量與需水量之間的關(guān)系，為了得到較為精確的該作物全生育期的水分生產(chǎn)函數(shù)的模型，應該在總產(chǎn)量與需水量之間建立解析表達式，然后通過數(shù)值擬合的方法得到最佳的解析表達式參數(shù)。作物的全生育期可以分為若干個生育階段，本文根據(jù)作物生育階段水分的數(shù)學模型，包含乘法模型和加法模型得到，提出一種改進型的數(shù)學模型并進行優(yōu)化，得到各階段的蒸發(fā)蒸騰量（可以理解為灌水量）與最終產(chǎn)量之間的關(guān)系。在總供水量分別為充分灌溉總水量的40%，60%，80%的情況下，為了保證作物產(chǎn)量達到最優(yōu)，本文建立這一過程中的目標函數(shù)和約束條件，優(yōu)化后解決了供水量在各生育期（從分蘗到乳熟階段）合理分配的問題。關(guān)鍵詞：非線性優(yōu)化；Jensen模型；數(shù)值擬合

問題重述1.1問題背景隨著水資源供需矛盾的日益加劇，發(fā)展節(jié)水型農(nóng)業(yè)勢在必行。智能灌溉應用先進的信息技術(shù)實施精確灌溉，以農(nóng)作物實際需水量為依據(jù)，提高灌溉精確度，實施合理的灌溉方法，進而提高水的利用率。灌溉水利用系數(shù)是指在一次灌水期間被農(nóng)作物利用的凈水量與水源渠首處總引進水量的比值，它是衡量灌區(qū)從水源引水到田間作用吸收利用水的過程中水利用程度的一個重要指標，也是集中反映灌溉工程質(zhì)量、灌溉技術(shù)水平和灌溉用水管理的一項綜合指標，是評價農(nóng)業(yè)水資源利用，指導節(jié)水灌溉和大中型灌區(qū)續(xù)建配套及節(jié)水改造健康發(fā)展的重要參考。據(jù)有關(guān)部門統(tǒng)計分析，我國灌區(qū)平均水利用系數(shù)僅為0.45，節(jié)水仍有較大空間。1.2問題提出在上述問題背景的基礎(chǔ)上，結(jié)合題目所給資料，要求建立數(shù)學模型討論下列問題： 1、基于表1中作物1實測需水量與產(chǎn)量的對應數(shù)據(jù)，建立該作物全生育期的水分生產(chǎn)函數(shù)的模型，即總產(chǎn)量與需水量之間的解析關(guān)系，給出詳細過程及擬合效果。2、作物的全生育期可以分為若干個生育階段，以水稻為例，可以分為返青、分蘗、拔節(jié)孕穗、抽穗開花、乳熟、黃熟6個生育階段。不同階段灌溉水量不足均會對最終的產(chǎn)量有影響，表2為某地晚稻分蘗至乳熟各階段受旱情況對產(chǎn)量影響的數(shù)據(jù)?；诒?的數(shù)據(jù)，利用附錄中材料，選取某類優(yōu)化算法，尋求最優(yōu)的作物水分生產(chǎn)函數(shù)模型，得到各階段的蒸發(fā)蒸騰量（可以理解為灌水量）與最終產(chǎn)量之間的關(guān)系。給出詳細過程，并將所得結(jié)果與常見的機理模型（見附錄）作對比。3、基于已有材料對于非充分灌溉的描述，結(jié)合表2晚稻蒸發(fā)蒸騰量與產(chǎn)量數(shù)據(jù)，選擇合適的作物水分生產(chǎn)函數(shù)（可以選擇已得到的模型或者機理模型），建立該地區(qū)水稻的非充分灌溉制度的優(yōu)化模型。在總供水量分別為充分灌溉總水量的40%，60%，80%的情況下，解決供水量在各生育期（從分蘗到乳熟階段）合理分配的問題，應包含階段變量、決策變量、狀態(tài)變量、系統(tǒng)方程、目標函數(shù)、初始條件及約束條件等描述（背景材料及提示見附錄），最后給出求解方案。問題分析本文的主要內(nèi)容是建立全生育期、分生育階段的水分生產(chǎn)函數(shù)的模型，然后利用該模型優(yōu)化得到作物在若個生育階段的灌溉量，優(yōu)化作物產(chǎn)量。針對問題1，通過分析作物1實測需水量與產(chǎn)量的對應數(shù)據(jù)，得到產(chǎn)量隨需水量的變化趨勢，建立幾種總產(chǎn)量與需水量之間的解析關(guān)系，然后通過MATLAB中的擬合工具箱得到解析關(guān)系式中的參數(shù)，通過比較擬合效果，確定最終的擬合解析表達式。針對問題2，作物的全生育期可以分為若干個生育階段，不同階段灌溉水量不足均會對最終的產(chǎn)量有影響，本文在附錄中給出的乘法模型和加法模型的基礎(chǔ)上建立一種綜合性加權(quán)數(shù)學模型，得到各階段的蒸發(fā)蒸騰量（可以理解為灌水量）與最終產(chǎn)量之間的關(guān)系。針對問題3，在總供水量分別為充分灌溉總水量的40%，60%，80%的情況下，建立以總產(chǎn)量為目標函數(shù)以及相關(guān)約束條件，利用MATLAB的優(yōu)化工具箱求解優(yōu)化模型，最后解決供水量在各生育期（從分蘗到乳熟階段）合理分配的問題。模型假設1、假設題目中表1和表2給出的數(shù)據(jù)真實可靠；2、假設總產(chǎn)量主要受到需水量的影響，與其他變量關(guān)系不大；3、假設作物各階段的蒸發(fā)蒸騰量對最終產(chǎn)量的影響大致相同，都是正相關(guān)。4、作物水分生產(chǎn)函數(shù)模型中，各階段的蒸發(fā)蒸騰量超過供水充足條件下作物需水量時依然可以認為是充分灌溉。5、同一個區(qū)域的城市由于空間的連續(xù)性會導致空氣質(zhì)量相差不大。6、空氣污染數(shù)據(jù)處于平均的城市真實性較高。7、AQI指數(shù)可以代表空氣質(zhì)量的好壞。8、城市空氣污染數(shù)據(jù)的真實性具有時間連續(xù)性，如果這個月數(shù)據(jù)真實，可以認為下個月數(shù)據(jù)也真實。符號說明符號解釋說明需水量（m3/畝）產(chǎn)量（kg/畝）擬合解析表達式參數(shù)RMSE擬合的均方根誤差表1中10組數(shù)據(jù)對應的需求量和產(chǎn)量北京的網(wǎng)絡輸入北京的網(wǎng)絡輸出五、模型的建立與求解5.1全生育期的水分生產(chǎn)函數(shù)的模型表1給出了作物1實測需水量與產(chǎn)量的對應數(shù)據(jù)，得到產(chǎn)量隨需水量的變化趨勢如圖1所示。表1.全生命周期實測需水量與產(chǎn)量處理號需水量（m3/畝）產(chǎn)量（kg/畝）1187.14247.632238.38361.183283.12430.374315.37462.895337.65476.886356.21483.257387.68483.058414.46472.019435.57456.2310456.82434.08圖1產(chǎn)量隨需水量的變化趨勢從題目中的背景資料了解到按照經(jīng)濟學的觀點，灌溉水量是農(nóng)業(yè)生產(chǎn)中的生產(chǎn)資源的投入量，而作物產(chǎn)量是農(nóng)業(yè)生產(chǎn)品的產(chǎn)出量，因此作物產(chǎn)量與水分之間存在著一種投入與產(chǎn)出的數(shù)學關(guān)系，這種關(guān)系被稱為水分生產(chǎn)函數(shù)。作物水分生產(chǎn)函數(shù)的單因子模型中自變量的形式可以為灌水量(W)、實際騰發(fā)量(ETa)、土壤含水量(θ)等，因變量的形式可以為作物產(chǎn)量(Y)，平均產(chǎn)量(K=Y/W)，邊際產(chǎn)量(y=dY/dW)等。如圖1所示，若以W為自變量，水分生產(chǎn)函數(shù)的特征曲線一般可分三個階段：第一階段為報酬遞增階段，但沒有發(fā)揮生產(chǎn)潛力；第二階段報酬遞減階段；第三階段邊際產(chǎn)量為負，為不合理的生產(chǎn)行為。圖1中產(chǎn)量隨需水量的變化趨勢也符合水分生產(chǎn)函數(shù)三階段特征，第一階段為報酬遞增階段，但沒有發(fā)揮生產(chǎn)潛力；第二階段報酬遞減階段；第三階段邊際產(chǎn)量為負，為不合理的生產(chǎn)行為。為了得到總產(chǎn)量與需水量之間的解析關(guān)系，調(diào)用MATLAB的曲線擬合工具箱CFTOOL，判斷不同解析關(guān)系的擬合程度，確定最優(yōu)的解析關(guān)系。MATLAB的擬合工具箱如圖2所示，主要包括數(shù)據(jù)選擇模塊、擬合關(guān)系表達式選擇模塊、擬合結(jié)果模塊、擬合曲線模塊、擬合參數(shù)模塊等。根據(jù)圖1中產(chǎn)量變化趨勢，主要采用如下幾種解析表達式。圖2MATLAB的擬合工具箱通過在MATLAB擬合工具箱的擬合表達式中選擇不同的解析表達式，通過判斷不同擬合解析表達式的擬合程度，最后選擇傅里葉形式的解析表達式，如圖3所示。擬合表達式是，其中解析表達式中參數(shù)是，通過擬合工具箱CFTOOL得到擬合表達式如下。圖3擬合工具解析表達式GeneralmodelFourier1:f(x)=a0+a1*cos(x*w)+b1*sin(x*w)Coefficients(with95%confidencebounds):a0=-1.317e+09(-9.443e+12,9.441e+12)a1=1.317e+09(-9.441e+12,9.443e+12)b1=1.593e+06(-5.708e+09,5.711e+09)w=3.255e-06(-0.01166,0.01167)可以看到擬合參數(shù)分別是-1.317e+09、1.593e+06、3.255e-06、3.255e-06，95%置信區(qū)間分別是(-9.443e+12,9.441e+12)、(-9.441e+12,9.443e+12)、(-5.708e+09,5.711e+09)、(-0.01166,0.01167)，于是得到總產(chǎn)量與需水量之間的解析關(guān)系如下：通過擬合解析表達式得到總產(chǎn)量與需水量之間的變化關(guān)系，以及表1中實測的需水量與產(chǎn)量的對應數(shù)據(jù)如圖4所示，可以看出實際數(shù)據(jù)點剛好都在解析表達式的曲線上，可以認為擬合解析表達式擬合效果很好。圖4擬合曲線圖擬合結(jié)果如下，其中R^2為1，一般R^2在0~1時間，R^2越接近于1擬合效果越好，本文主要根據(jù)均方根誤差RMSE判斷擬合程度的好壞。Goodnessoffit:SSE:0.0003021R-square:1AdjustedR-square:1RMSE:0.007096RMSE的表示式是：，其中分別表示表1中10組數(shù)據(jù)對應的需求量和產(chǎn)量，表示數(shù)據(jù)總數(shù)。從MATLAB擬合工具箱得到RMSE=0.007096然后通過天津唐各城市的平均AQI指數(shù)的中間值156.9016，可以看到廊坊的AQI數(shù)據(jù)處于中間值，初步假定廊坊的空氣污染數(shù)據(jù)真實性比較高。5.2建立BP神經(jīng)網(wǎng)絡查前面得到京津唐地區(qū)中廊坊的空氣污染數(shù)據(jù)具有較高的真實性，下面以各個時間廊坊地區(qū)的的PM10、CO、NO2、SO2四個指標數(shù)據(jù)作為輸入，輸出的是PM2.5的指標數(shù)據(jù)作為輸出建立BP神經(jīng)網(wǎng)絡模型。廊坊的空氣污染指標（PM2.5、PM10、CO、NO2、SO2）數(shù)據(jù)如表2所示。表2廊坊的空氣污染指標日期輸出輸入PM2.5PM10CONO2SO22013/11/11923132.3271182013/11/22263311.7763212013/11/3851801.074792013/11/4411000.862122013/11/51392551.8382392013/11/61443001.6472232013/11/711520.5344142013/11/8092.2167772013/11/91301.9491492013/11/1018680.2932112013/11/1134760.5551222013/11/12551310.8962302013/11/131612792.71104832013/11/141402741.9181442013/11/151313161.887752013/11/16802540.8845382013/11/1717610.535202013/11/1814540.3835172013/11/1921390.6441332013/11/2035571.5477622013/11/21781612.55108902013/11/222684242.911411782013/11/233425123.891631772013/11/241522691.5987872013/11/2526830.5939342013/11/26361330.6436282013/11/2711890.231772013/11/2826680.6646402013/11/29951671.7876912013/11/30681231.2664682013/12/11021531.5377772013/12/22112903.281251472013/12/31171781.8591852013/12/41742402.951021092013/12/5791291.5963792013/12/61452042.1180902013/12/73904825.46144992013/12/83034233.2896532013/12/922610.4933242013/12/10791781.6152572013/12/1143791.0449532013/12/1238900.6238362013/12/13641061.2455682013/12/14901351.7273732013/12/151141672.6385772013/12/162833595.31351032013/12/172002563.74931342013/12/1854810.8249452013/12/1970981.1456542013/12/20671031.2862512013/12/21911201.3182672013/12/223143613.341161422013/12/232653213.451321262013/12/2432338951501492013/12/253804854.57136962013/12/2612570.324132013/12/2729540.6752322013/12/2837560.6646342013/12/291161651.9374942013/12/30721411.470652013/12/311112181.917071本文主要利用matlab神將網(wǎng)絡工具箱建立BP神經(jīng)網(wǎng)絡，神經(jīng)網(wǎng)絡工具箱如圖3所示，神經(jīng)網(wǎng)絡輸入輸出分別是變量x,y.圖3神經(jīng)網(wǎng)絡工具箱然后建立BP神經(jīng)網(wǎng)絡如圖4所示，網(wǎng)絡類型是Feed-forwarbackprop，輸入變量是x，目標輸出是y，網(wǎng)絡訓練函數(shù)采用trainlm，評價函數(shù)采用mse。圖4BP神經(jīng)網(wǎng)絡參數(shù)神經(jīng)網(wǎng)絡結(jié)構(gòu)如圖5所示，包含一個輸入層，一個輸出層，兩個隱含層。圖5BP神經(jīng)網(wǎng)絡結(jié)構(gòu)圖神經(jīng)網(wǎng)絡訓練參數(shù)如圖6所示，可以看到通過7次迭代后達到網(wǎng)絡誤差要求mu，網(wǎng)絡性能是6.62e3。網(wǎng)絡訓練過程如圖7所示。圖6神經(jīng)網(wǎng)絡訓練參數(shù)圖7網(wǎng)絡訓練過程然后將訓練得到的BP神經(jīng)網(wǎng)絡network1導出到工作空間。5.3模型求解通過前面建立的BP神經(jīng)網(wǎng)絡，可以通過輸入空氣污染數(shù)據(jù)的PM10、CO、NO2、SO2得到PM2.5指標數(shù)據(jù)。以廊坊的數(shù)據(jù)為真實依據(jù)，將其他城市的污染數(shù)據(jù)輸入到BP神經(jīng)網(wǎng)絡模型中，然后得到預測的PM2.5指標數(shù)據(jù)，最后根據(jù)預測的PM2.5指標數(shù)據(jù)和測量的PM2.5指標數(shù)據(jù)判斷數(shù)據(jù)的真實性。以北京地區(qū)為例，分析數(shù)據(jù)的真實性。北京地區(qū)的PM10、CO、NO2、SO2指標數(shù)據(jù)如表3所示，然后以此為輸入，代入前面的模型得到預測的PM2.5指標數(shù)據(jù)。表3北京地區(qū)的PM10、CO、NO2、SO2指標數(shù)據(jù)日期PM10CONO2SO22013/11/12021.89100142013/11/22532.141041120820.824552013/11/4600.875492013/11/51882.0695232013/11/61351.475592013/11/7550.354292013/11/81602.2393502013/11/91141.5865392013/11/10390.452782013/11/11560.7549172013/11/12811.3658212013/11/131802.7697482013/11/141031.3155192013/11/151672.1281272013/11/16920.7630112013/11/17210.462062013/11/18160.421862013/11/19410.7737162013/11/20761.6554232013/11/211031.9369342013/11/221302.2883452013/11/231582.996562013/11/241301.1841242013/11/25260.542282013/11/26460.752192013/11/27340.38622013/11/28320.6823112013/11/29711.6957302013/11/30491.0141262013/12/1771.756342013/12/21232.5375532013/12/3881.5854382013/12/41012.0462422013/12/5551.1738302013/12/61582.4677492013/12/72924.34100632013/12/81923.0161482013/12/9160.592192013/12/10440.9629142013/12/11290.7429142013/12/12280.7524102013/12/13631.345292013/12/14471.1840292013/12/15551.5249312013/12/161272.5571592013/12/17451.3438352013/12/18410.8130222013/12/19591.2249292013/12/20461.146282013/12/21841.6469442013/12/221772.7495672013/12/231652.8790612013/12/242684.85123952013/12/252163.292642013/12/26190.42082013/12/27210.5934192013/12/28190.3822112013/12/29861.7375472013/12/30831.0651272013/12/311491.274923北京的空氣中PM2.5指標的預測值和實際值變化趨勢如圖8所示，可以看出兩條曲線趨勢大致相同，前面的真實性比較低，后面比較高，整體來說數(shù)據(jù)不是特別真。主要判斷是兩條曲線的誤差平方和error，計算得到北京地區(qū)的誤差平方和error=116809.95.4模型結(jié)果和前面的處理方法一樣得到長三角和珠三角地區(qū)的真實性判別過程，其中長三角的真實參照選擇常州，珠三角區(qū)域的真實參照選擇東莞。各個地方的誤差平方和error結(jié)果如表4所示天津唐長三角珠三角北京116809.9上海3427132廣州8844050天津5399051南京3756921深圳7208557石家莊953726.9杭州5465538珠海186127.7唐山1465149蘇州5619202惠州6747765保定6311412無錫3958222東莞5088廊坊93204常州3981309中山4378202邢臺9742216常州53672佛山1170368張家口5708384鎮(zhèn)江6575305江門8146817秦皇島9968502揚州9509152肇慶3248554衡水5535416泰州7223485邯鄲5154585南通4000797承德3306821湖州8318713滄州4300018寧波1343383臺州604667.7紹興842470.5嘉興1638983舟山3242199可以看出北京、石家莊、臺州、紹興、珠海的數(shù)據(jù)真實性比較差，存在造假嫌疑。六、模型的評價與推廣6.1模型評價6.1.1模型優(yōu)點(1)本文采用BP神經(jīng)網(wǎng)絡進行真實性判別；(2)本文的BP網(wǎng)絡的建立過程采用該區(qū)域的平均程度比較高的城市；(3)BP神經(jīng)網(wǎng)絡的預測值和真實值的誤差和作為評判空氣污染數(shù)據(jù)的真實性，體現(xiàn)的本文建模的獨特性。；(4)本文考慮時均分成京津冀、長三角、珠三角這三個地區(qū)進行討論，每個區(qū)域都進行了詳細的分析，包括模型參考城市選擇，BP網(wǎng)絡模型建立，和誤差和計算。6.2.2模型缺點(1)BP網(wǎng)絡模型的預測具有一定的誤差；(2)根據(jù)誤差和判斷數(shù)據(jù)真實性具有一定的不確定性。。6.2模型推廣(1)本文對空氣污染數(shù)據(jù)真實性判別及分析研究的思路同樣適用于其它地區(qū)；(2)本文使用的BP網(wǎng)絡建模方法及程序，同樣適用于其它相關(guān)問題。七、參考文獻[1]環(huán)境空氣質(zhì)量標準,中華人民共和國國家標準，GB3095-2012.[2]孫敬慧.用秩相關(guān)系數(shù)分析我省主要城市大氣環(huán)境變化趨勢[J].福建環(huán)境,1995(1):11-12.[3]Ghanem,D.,&Zhang,J.(2014).‘Effortlessperfection:’DoChinesecitiesmanipulateairpollutiondata?.JournalofEnvironmentalEconomicsandManagement,68(2),203-225.[4]HaddadMA.IncreasingEnvironmentalPerformanceinaContextofLowGovernmentalEnforcement:EvidenceFromChina.JournalofEnvironmentandDevelopment,2015,24(1):3-25.[4]謝東,張興,曹仁賢.基于小波變換與神經(jīng)網(wǎng)絡的孤島檢測技術(shù)[J].中國電機工程學報,2014,04:537-544.[5]楊雅輝,黃海珍,沈晴霓,吳中海,張英.基于增量式GHSOM神經(jīng)網(wǎng)絡模型的入侵檢測研究[J].計算機學報,2014,05:1216-1224.[6]朱堅民,沈正強,李孝茹,齊北川.基于神經(jīng)網(wǎng)絡反饋補償控制的磁懸浮球位置控制[J].儀器儀表學報,2014,05:976-986.[7]王守相,張娜.基于灰色神經(jīng)網(wǎng)絡組合模型的光伏短期出力預測[J].電力系統(tǒng)自動化,2012,19:37-41.八、附錄Matlab代碼如下：jjt=[231189288293266245302164128231243104173294260263276328282228172230240188148223801311441921351331504317013216978140578213481168781406878137161631041841312141482001891909513211513896107189233138345224257161101231182168121163591051151339794104761379910661781069016010413763154901051129772101178190249202226661741069817513111423353112133144129581486263157130611774771120791056110354729175526577851371021128214264911121286575114111269128183111268779615123274124170166384177339206351931431522041101729514117315417015720511213715516583117109165194233179191200129204171169109129337110785888111859851071145073194710655795311650528612634572243139539751124485287129336674113167120169581515989101131581099221230821126310117164991571497024613426839229335928827573149236231802422123134983754913644579629431536294300169325420434491314407118395433343102315591011291441599812784941489282136376811576988013160748411254834277104619683110706493974370317991556757113606279833673561049083919815253841041334710270127127146107108153631031101107211356991661161241041806198103123758710920627320525720429771135214227821961132833613113292284248320033531210232299207215182237180314831153062839724883219221187206165257748328020596250938416910018110421569921191777984233202397222421325413861202102751024534130946133047042149991187294336130121971632402332131803805215826831276169369411198153991596381110188518833811047811478145797310917851873695105951188016453821361335197416531966104661355957117113398964963451192251202706267190247431526112827711525813346470672444286621392201384222280240500779324548078243137148306278267306461649840338791252321141971131951242384857213176551464998312712101003395349234208461476310848010928893500536138538852188509849815938082500536546745656205132193440221359273433678026330681237199261500340404343500821563604649924320229250022638932650086104500500973662782775002104584285001191695005001503069126434220425020043076175429387852232443656310750123586911513043743961846913858127548115111850905896898787101116689013111963767412987121112121153921181461198389931339610313813212913911516511581101];plot(jjt)legend('±±??','ìì?ò','êˉ?ò×ˉ','ì?é?','±￡?¨','àè·?','D?ì¨','???ò?ú','???êμo','oa??','oaμ|','3Dμ?','2×?Y')xlabel('è??ú￡¨′ó2013/11/1?aê?)')ylabel('AQI??êy')m1=mean(jjt)m2=median(m1)langf=[1923132.3271182263311.776321851801.07479411000.862121392551.8382391443001.64722311520.534414092.2167771301.94914918680.29321134760.555122551310.8962301612792.71104831402741.9181441313161.88775802540.88453817610.5352014540.38351721390.64413335571.547762781612.55108902684242.911411783425123.891631771522691.59878726830.593934361330.64362811890.2317726680.664640951671.787691681231.2664681021531.5377772112903.281251471171781.8591851742402.95102109791291.5963791452042.1180903904825.46144993034233.28965322610.493324791781.61525743791.04495338900.623836641061.245568901351.7273731141672.6385772833595.31351032002563.749313454810.82494570981.145654671031.286251911201.3182673143613.341161422653213.4513212632338951501493804854.571369612570.3241329540.67523237560.6646341161651.937494721411.470651112181.917071];x=langf(:,2:5);y=langf(:,1);x=x';y=y';x2=[2021.89100142532.1410411820.82455600.875491882.0695231351.47559550.354291602.2393501141.586539390.45278560.754917811.3658211802.7697481031.3155191672.128127920.763011210.46206160.42186410.773716761.6554231031.9369341302.2883451582.996561301.184124260.54228460.75219340.3862320.682311711.695730491.014126771.756341232.537553881.5854381012.046242551.1738301582.4677492924.34100631923.016148160.59219440.962914290.742914280.752410631.34529471.184029551.5249311272.557159451.343835410.813022591.224929461.14628841.6469441772.7495671652.8790612684.85123952163.29264190.4208210.593419190.382211861.737547831.0651271491.274923];y2=sim(network1,x2');y22=[1812435336143913212489163255149669240983059891261737014166165634609865833912524817911201915474047104582745306413412622116691611574151];plot([y2',y22])xlabel('è??ú')ylabel('PM2.5')legend('BPí????¤2a?μ','êμ?ê?μ')Error=sum((y2-y22').^2)農(nóng)村信用社改革與農(nóng)村金融需求滿足程度——基于湘、閩兩省的調(diào)查分析摘要：2004年底，新一輪農(nóng)村信用社的改革在全國21試點省市全面啟動。這場始于2003年的農(nóng)信社改革，盡管從一開始就得到各類媒體聲勢浩大的正面宣傳，但對其實際績效的質(zhì)疑在理論界卻從未停止。很明顯，農(nóng)村金融需求滿足程度與農(nóng)村經(jīng)濟發(fā)展及農(nóng)民收入水平的變化是密切相關(guān)的。然而，對于農(nóng)戶的金融需求特別是廣大中低收入農(nóng)戶的金融需求而言，農(nóng)信社改革似乎成效不大。而對于少數(shù)富裕農(nóng)戶的金融需求，由于非經(jīng)濟因素的原因，改革效應也難以凸顯。本文對湘閩兩省的實地調(diào)查結(jié)果在一定程度上證明了以上觀點。關(guān)鍵詞：農(nóng)信社改革農(nóng)村金融需求農(nóng)戶收入水平關(guān)系借貸

一、引言自2004年8月國務院下發(fā)《關(guān)于進一步深化農(nóng)村信用社改革試點的意見》起，新一輪農(nóng)村信用社的深化改革工作在北京、湖南、福建等21個省(區(qū)、市)正式拉開帷幕。此番改革是繼2003年8省市農(nóng)信社試點改革取得初步成效后，國務院為加快農(nóng)信社改革步伐而啟動的。總體而言，從2003年開始的這一波農(nóng)信社改革是本著“明晰農(nóng)信社產(chǎn)權(quán)、強化約束機制、增強服務功能、國家適當支持、地方政府負責”的總體要求，通過農(nóng)信社產(chǎn)權(quán)機制和管理體制的改革，把農(nóng)村信用社逐步辦成由農(nóng)民、農(nóng)村工商戶和各類經(jīng)濟組織入股,為農(nóng)民、農(nóng)業(yè)和農(nóng)村經(jīng)濟發(fā)展服務的社區(qū)性地方金融機構(gòu),使其充分發(fā)揮農(nóng)村金融主力軍和農(nóng)民金融紐帶的作用,更好地支持農(nóng)村經(jīng)濟結(jié)構(gòu)調(diào)整,以促進城鄉(xiāng)經(jīng)濟協(xié)調(diào)發(fā)展。1999年以來，隨著全國各地數(shù)千家農(nóng)村基金會的關(guān)閉，四大國有商業(yè)銀行從農(nóng)村撤軍，農(nóng)信社在農(nóng)村金融中的“老大”地位已無人撼動。但是，由于其自身的種種“病癥”及各種非經(jīng)濟因素的影響，農(nóng)信社支農(nóng)功能的發(fā)揮無疑受到了嚴重制約。相應地，從農(nóng)村經(jīng)濟的發(fā)展現(xiàn)狀來看，則存在著農(nóng)民增收缺乏有效的資金支持，已有資金外流導致的農(nóng)村地區(qū)“失血”狀態(tài)更加嚴峻等問題。這樣一來，這次的農(nóng)信社改革就更顯得刻不容緩。然而，與之前數(shù)次聲勢浩大的農(nóng)信社改革相比，這次改革究竟會帶來什么成效？在“上有政策、下有對策”的官場上，這次改革真的能使農(nóng)信社一改往日的疲態(tài)，重新恢復活力，真正擔當起“農(nóng)村金融主力軍”的角色嗎？本文通過對相關(guān)試點省份一些農(nóng)村的調(diào)查，試圖探究出此次農(nóng)信社改革與農(nóng)戶資金需求滿足程度改善之間是否存在某種關(guān)聯(lián)。湖南、福建作為2004年國務院批準的進一步深化農(nóng)信社改革試點的21個?。ㄊ小^(qū)）中的省份，均于2004年底正式啟動了改革進程，其改革政策亦嚴格依照國務院下發(fā)的文件來安排落實。到目前為止，兩省的省級農(nóng)村信用社聯(lián)社都已掛牌成立，“統(tǒng)一法人”治理結(jié)構(gòu)，即縣級聯(lián)社、設區(qū)市聯(lián)社統(tǒng)一法人這一治理結(jié)構(gòu)，在兩省絕大多數(shù)地區(qū)被采用，以央行票據(jù)貼現(xiàn)來獲得央行資金支持為主，輔以兩省各自的扶持策略這一政策扶持方案也基本上被采納。進一步的籌建和準備工作也正在兩省各縣市有條不紊地進行著，預計到2006年底改革即可完成。因此，我們選取了改革程序相近，改革完成情況也大體相同，即都處于清產(chǎn)核資和增資擴股階段的湖南省耒陽市和福建省古田縣、屏南縣三地作為調(diào)查對象，通過對幾個村的調(diào)查，及在較有代表性的村莊重點選取數(shù)十戶農(nóng)戶進行入戶問卷調(diào)查，經(jīng)過數(shù)據(jù)處理及理論推演，得到了一系列有關(guān)農(nóng)戶金融需求的基本判斷和結(jié)論，需要指出的是，本文中的“金融需求”特指實際發(fā)生的借款數(shù)額，統(tǒng)計口徑只包括農(nóng)戶在當前利率下向農(nóng)信社的借款以及農(nóng)戶向親友的借款。論文的總體結(jié)構(gòu)如下：在第二節(jié)“農(nóng)信社與農(nóng)戶金融需求滿足的初步判斷”中，從農(nóng)戶金融需求種類角度，闡述農(nóng)戶不同類別金融需求的實際和意愿解決方式及產(chǎn)生原因，從而得出農(nóng)信社與農(nóng)戶金融需求聯(lián)系薄弱的初步結(jié)論；在第三節(jié)“農(nóng)戶收入水平與金融需求的關(guān)系”中，從建立在兩省分別重點選取的20個樣本點的調(diào)查結(jié)果入手，著眼收入水平這一視角，進一步闡述并分析了各收入層次農(nóng)戶金融需求及其實際和意愿滿足方式的狀況，發(fā)現(xiàn)中低收入農(nóng)戶不得不舍“農(nóng)信社”而取“親友”來滿足其金融需求，高收入農(nóng)戶則基本無金融需求的現(xiàn)實；第四節(jié)“非經(jīng)濟因素與農(nóng)戶金融需求滿足”則主要揭示出“信用牽連”和“暗箱操作”這兩大非經(jīng)濟因素作用于農(nóng)戶金融需求滿足狀況的效果，并由此引出第五節(jié)“農(nóng)信社改革與關(guān)系借貸”的內(nèi)容：在理想假設與實際改革成效的矛盾下，此次改革若要想徹底消除“關(guān)系”這一非經(jīng)濟因素對農(nóng)戶金融需求訴諸農(nóng)信社的影響是很不現(xiàn)實的。本文的主要結(jié)論是：主要存在金融需求的中低等收入農(nóng)戶在諸多因素的制約下只能放棄“農(nóng)信社”這一滿足渠道，而求助于“圈層結(jié)構(gòu)”下的親友借款，同時這一需求也可以由此獲得基本滿足；而從農(nóng)信社改革這一層面來看，目前為止的改革成效實在不容樂觀，且預期改革成效也很難如人意，換言之，制約農(nóng)戶金融需求訴諸農(nóng)信社的非經(jīng)濟因素不會因這次改革而消失。所以，我們得出的對此次農(nóng)信社改革的基本判斷是：此次農(nóng)信社改革與農(nóng)民金融需求滿足程度的變化基本無關(guān)。二、農(nóng)信社與農(nóng)戶金融需求的滿足：初步判斷從湘、閩兩省分別調(diào)查的二十戶農(nóng)戶來看，金融需求主要表現(xiàn)為生活性金融需求和生產(chǎn)性金融需求。生活性金融需求主要有教育、醫(yī)療、住房、婚喪等；而生產(chǎn)性金融需求，主要表現(xiàn)為非傳統(tǒng)型農(nóng)業(yè)生產(chǎn)金融需求，它可分為經(jīng)濟作物種植金融需求和工商性金融需求。生活性金融需求自身具有偶然性，且一旦發(fā)生，數(shù)量就相對巨大，從而農(nóng)戶極少將這一金融需求訴諸農(nóng)信社這根“救命草”，更多的是求助于親友借款這一解決途徑。在所進行的湘農(nóng)調(diào)查中，45%的農(nóng)戶曾發(fā)生過生活性金融需求，但只有10%的農(nóng)戶表示考慮過選擇農(nóng)信社，而實際上從農(nóng)信社獲得貸款的僅5%，且獲得貸款的這5%中，多數(shù)農(nóng)戶還是以生產(chǎn)之名取得貸款來填補生活之需（如湖南的一農(nóng)戶就是以種植經(jīng)濟作物烤煙之名獲取貸款但行“助教”之實，也就是說，如果單純以“教育”名義申請或者其特殊身份“煙農(nóng)”不存在，該農(nóng)戶是無論如何也不可能獲得貸款的）。重點選取調(diào)查的二十戶閩農(nóng)中，有生活性金融需求的四戶農(nóng)戶也有兩人愿意考慮讓農(nóng)信社來解生活上之“燃眉急”，而實際上他們最終只能眼睜睜得看著自己“火燒眉毛”。總之，無論在湖南，還是在福建，要想通過農(nóng)信社這條路來引導自己走出生活性資金短缺的困境似乎只會將農(nóng)戶引入“死胡同”。生產(chǎn)性的金融需求可粗分為農(nóng)業(yè)生產(chǎn)性金融需求（包括傳統(tǒng)型農(nóng)業(yè)生產(chǎn)金融需求和非傳統(tǒng)型農(nóng)業(yè)生產(chǎn)金融需求），及農(nóng)戶工商性金融需求。其中傳統(tǒng)型農(nóng)業(yè)生產(chǎn)金融需求具有階段性和周期性，主要表現(xiàn)為開春時節(jié)農(nóng)戶對傳統(tǒng)作物如水稻、蔬菜等的初始投入。而產(chǎn)生這一金融需求的原因有兩方面：一是被“年”吃掉了手頭上的大筆現(xiàn)金，使得農(nóng)戶的流動資金出現(xiàn)暫時短缺；二是開春時節(jié)是農(nóng)業(yè)上的投入階段，農(nóng)戶的收入來源受到限制。這時，因為大家似乎都處于少流動資金少收入的尷尬境地，親友借款顯得多少有些不現(xiàn)實，農(nóng)信社便開始為農(nóng)戶所記起，“傳說”中的小額農(nóng)戶貸款也仿佛成了最佳選擇！雖然這個時候農(nóng)戶的資金缺口不會很大，最多也就2000元到頂，可農(nóng)信社的“小額農(nóng)戶貸款”是否會像農(nóng)戶“垂涎”它那樣眷顧農(nóng)戶呢？似乎中國農(nóng)民幾千年來的理想主義始終難逃被打破的宿命，農(nóng)信社并非慈悲為懷的“觀世音”！或者從某種意義上說，它更像一個理性主義的捍衛(wèi)者。考慮到單位貸款成本和農(nóng)戶資信等問題（一般而言農(nóng)戶缺乏農(nóng)信社所需要的資信記錄），農(nóng)信社很可能“惜貸”、“慎貸”，甚至最終“不貸”。當然農(nóng)信社也并非一點“人情”不講，那些平日與農(nóng)信社交往較多（這種交往分為業(yè)務交往和“關(guān)系”交往）的農(nóng)戶還是可以藉由農(nóng)信社來緩解暫時的小額金融需求。一般而言，這些農(nóng)戶要么是村里較富裕的人，要么是村里較有影響的家族成員或村干部，而他們對這一金融需求滿足的迫切性是遠低于廣大普通農(nóng)民的?？墒乾F(xiàn)實中，那些真正迫切需要農(nóng)信社這股“甘露”來解自己暫時資金短缺這一“急旱”的農(nóng)戶可能就只能求助于私人高利貸，或者眼巴巴地看著錯過農(nóng)時。非傳統(tǒng)型農(nóng)業(yè)金融需求主要是由經(jīng)濟作物最初種植的大量資金投入所產(chǎn)生。以福建省古田縣為例，該縣政府鼓勵當?shù)剞r(nóng)民種植經(jīng)濟作物食用菌類。由此產(chǎn)生的金融需求主要來自新近種植食用菌的農(nóng)戶，部分想要擴大其食用菌生產(chǎn)的農(nóng)戶，以及打算種植新菌種或是進行多種菌種種植的農(nóng)戶。后三類菌農(nóng)由于已有了一定的種植基礎(chǔ)，具有一定資金實力，種植風險可能會相對降低，在向農(nóng)信社貸款的過程中阻力也自然相對較小，一般而言，農(nóng)信社對其金融需求的滿足程度較高。而新近進行食用菌種植的農(nóng)戶，多處于該縣收入的中低等水平，其主觀意愿就是通過此次“轉(zhuǎn)型”實現(xiàn)增收。可是由于自身資金投入實力和種植經(jīng)驗方面的不足，農(nóng)信社在貸款上就不會像對前三類菌農(nóng)那樣慷慨了，所以這類菌農(nóng)多會采取“雙管齊下”的方式來融資，當然這另一“管”就是親友借款了！通過上述農(nóng)業(yè)生產(chǎn)型金融需求的分析，我們可以發(fā)現(xiàn)，農(nóng)戶融資的門道主要不外乎兩條：親友借款和農(nóng)信社貸款。而無論是傳統(tǒng)型農(nóng)業(yè)生產(chǎn)金融需求還是非傳統(tǒng)型農(nóng)業(yè)生產(chǎn)金融需求的滿足，農(nóng)信社似乎眼中只有“富農(nóng)”、“關(guān)系農(nóng)”，廣大中低等收入水平的普通農(nóng)戶似乎與農(nóng)信社“絕緣”或至少是“半導”狀態(tài)。如果占中國農(nóng)村絕大多數(shù)的普通農(nóng)民要真想從農(nóng)信社得到幾滴“觀世音的甘露”，似乎非得有孫大圣那般“上天入地”的功夫不可！農(nóng)戶金融需求的另一大類就是工商型金融需求。以重點選取的二十戶湘農(nóng)為例，有工商性金融需求的一戶，由于其相對穩(wěn)定和較多來源的收入情況，從農(nóng)信社獲得了400元和2400元的兩筆貸款分別用于農(nóng)藥的購買和所開辦煉油廠的能源供給，但其意愿借款渠道卻選擇親友借款，原因一方面在于親友借款的“無償性”（不用支付利息），另一方面則是由2005年2400元貸款獲得的繁瑣性所致。該農(nóng)戶反映，申請2400元這樣一筆數(shù)額相對“較大”的貸款，農(nóng)信社的手續(xù)和程序嚴重耽誤了該農(nóng)戶所辦廠的生產(chǎn)時間，而假設他選擇親友借款，時間成本則會大大降低。在二十戶閩農(nóng)的調(diào)查中，有工商性金融需求的一戶，由于該戶主一直就職于鎮(zhèn)或村的管理部門，因此每年從農(nóng)信社都能獲得30000元的貸款用于所辦酒曲廠，其意愿借款渠道也選擇農(nóng)信社，但他同時也反映由于資金需求量通常上十萬，故實際的意愿貸款數(shù)額并不能得到根本滿足。從這兩件事例我們可以看到，即使是那些可以憑借自身實力或者借助其他“實力”與農(nóng)信社在貸款上打上交道的人，其金融需求的滿足也不能達到理想狀態(tài)，甚至有些還要經(jīng)過一番不小的“周折”才能勉強得個“隔靴搔癢”的小小安慰。在這次調(diào)查中，我們發(fā)現(xiàn)，農(nóng)信社在農(nóng)戶心中的地位的確遠非我們所預想的那般重要?！稗r(nóng)民的銀行”這一頭銜不知農(nóng)信社是否受之有愧？廣大的普通農(nóng)戶在遭遇“資金瓶頸”時，不僅實際上得不到農(nóng)信社“一粥一飯”的施惠，而且在其潛意識中也很難找到農(nóng)信社的身影。即使那些能從農(nóng)信社得到金融需求滿足的農(nóng)戶，很大一部分也是受主觀因素如“關(guān)系”、“權(quán)勢”等的影響，不過我們也不能忽視那些真正符合農(nóng)信社貸款條件獲得貸款的農(nóng)戶。不管怎樣，這些“富裕戶”、“關(guān)系戶”在農(nóng)村所占比例畢竟有限，那些憑真本事獲得貸款通過的人更是“鳳毛麟角”。農(nóng)信社與農(nóng)戶的關(guān)系之密切程度究竟有多深？農(nóng)信社這一支持農(nóng)村經(jīng)濟發(fā)展的“金融紐帶”又到底連接著多少農(nóng)民群眾？這些質(zhì)疑我們似乎已從上述分析中觸摸到了一些端倪。正如我們?nèi)霊粽{(diào)查所顯示的，在湖南，75%的農(nóng)戶更愿意向自己的親友借款，而在福建，這一比例也超過了半數(shù)，為55%。做出這一選擇的最主要原因則是親友借款的“無償性”；如從社會文化心理的角度分析，則是受中國農(nóng)村社會所特有的“圈層結(jié)構(gòu)”的影響，圈層結(jié)構(gòu)作為家的擴展，任何一個親友都可在某一層次的圈層中找到自己的位置，家庭內(nèi)保障的要求，也因此賦予每個人為其親友提供必要幫助的義務。由此便成就了農(nóng)村社會中普遍的熟人借貸和友情借貸（張杰、高曉紅，2005）。影響農(nóng)戶金融選擇的另一個重要因素在于“關(guān)系”，這里的關(guān)系就是人們口中常說的“拉關(guān)系，走后門”的意思。在被調(diào)查的湘農(nóng)中，有45%的人認為這是影響其能否從農(nóng)信社獲得貸款最主要的因素，被調(diào)查的閩農(nóng)中則有20%的人支持這一說法。正如剛才所提到的那樣，村里較有影響的家族成員或鄉(xiāng)鎮(zhèn)村干部（工作人員）很可能以此獲得貸款，而實際上他們是否擁有清償能力，或者說即使擁有清償能力，但是否有清償意識就不得而知了。在福建省的調(diào)查中，雖然少數(shù)農(nóng)戶對村干部等更容易獲得貸款表現(xiàn)出“不服”，但是按常理村干部的信用級別自然要高于農(nóng)戶。因此在農(nóng)戶信用評定難的情況下，農(nóng)信社的這種特殊偏好也是情有可原的。然而這其中也恰恰反映出農(nóng)信社極有可能存在的不規(guī)范經(jīng)營，從某種程度上說，這一現(xiàn)象似乎也說明了農(nóng)信社多年來不良貸款形成的一個不容忽視的潛在原因。據(jù)調(diào)查統(tǒng)計，這些年來，所有的縣、鄉(xiāng)政府級干部借款400多億，而2001年末農(nóng)信社總的虧損掛賬也僅為1250多億元。由此可見農(nóng)信社管理機制和經(jīng)營機制的“不完滿”的確有待修復！最后，在湘農(nóng)的調(diào)查中，有5%的農(nóng)戶表示農(nóng)信社貸款手續(xù)的繁瑣性和貸款批準落實的長期性成為阻礙他們選擇農(nóng)信社解決金融需求問題的一個“攔路虎”。生活性金融需求中的醫(yī)療、教育、婚喪等金融需求不僅數(shù)量上較大，而且需要解決的時間性也十分緊迫，即使農(nóng)信社愿意提供貸款，但也很可能因為從申請到批準落實所經(jīng)歷時間過長，而不為農(nóng)戶所接受；同樣地，農(nóng)戶的工商性生產(chǎn)金融需求也可能受限于此。在閩農(nóng)的調(diào)查中顯示，“是否參與入股”這一因素被11%的農(nóng)戶認為是其考慮是否向農(nóng)信社貸款所不容忽視的。顯然入股社員憑借其“資格”能更容易通過農(nóng)信社來滿足其可能產(chǎn)生的金融需求。不過，在我們的調(diào)查中也有作為社員的農(nóng)戶反映，由于過去的股權(quán)十分不明確，自己通過農(nóng)信社滿足金融需求的程度也會大打折扣。實際上，被調(diào)查農(nóng)戶的實際金融需求解決途徑與其意愿解決途徑基本吻合。在二十戶湘農(nóng)的調(diào)查中，九戶存在金融需求，他們的實際解決的方式分別為親友借款、農(nóng)信社貸款、其他方式，這三者的比例經(jīng)過處理后為5:3:1。而在閩農(nóng)的調(diào)查中，十二人存在金融需求，相應比例經(jīng)過處理后為8:3:1。也就是說，實際上，當農(nóng)戶真正發(fā)生金融需求時，其最終的解決途徑更多的還是依賴于親友借貸。另外，湘農(nóng)在針對“憑借自身能力可否從農(nóng)信社獲得意愿貸款數(shù)”的自我估評中，有75%的人認為自己是有能力獲得貸款通過的，當然這種能力也是有著雙層含義的。我們也發(fā)現(xiàn)，這75%的人中包含著意愿貸款途徑選擇農(nóng)信社的全部農(nóng)戶，也就是說在調(diào)查中，75%的農(nóng)戶認為自己可以獲得農(nóng)信社貸款通過，但其中只有33%的農(nóng)戶會在第一時間依靠農(nóng)信社來解決金融需求問題。換言之，即使是那些有能力獲得農(nóng)信社貸款的農(nóng)戶，也只有很少一部分會真正借助農(nóng)信社這一途徑來解資金短缺這一燃眉之急，農(nóng)信社這一“農(nóng)民的銀行”在農(nóng)民心中的真正地位的確可見一斑！上述分析讓縈繞在我們心中的疑團終于開始漸漸散開，農(nóng)信社這一目前中國農(nóng)村唯一的正規(guī)金融機構(gòu)，隨著農(nóng)村金融改革下中國農(nóng)業(yè)銀行在農(nóng)村營業(yè)網(wǎng)點的逐步收縮，似乎并沒有追趕上農(nóng)行撤退的腳步，快速跟進農(nóng)村金融市場；本該與農(nóng)戶更加親密接觸的設想似乎也犯了理想主義的錯誤，“嫌貧愛富”的本性不斷顯現(xiàn)。農(nóng)信社與最廣大農(nóng)戶的關(guān)系，其實或許就像“織女”與“牛郎”，他們本該緊密地聯(lián)系在一塊，可事實上中間卻隔著一條難以逾越的“銀河”。三、農(nóng)戶收入水平與金融需求的關(guān)系就我們在此次調(diào)查中重點選取的二十戶農(nóng)戶來看，其收入層次基本上反映了被調(diào)查村的整體水平?；?001—2005年的平均收入，我們列出湘、閩兩地不同收入層次農(nóng)戶金融需求情況表：表一湖南省耒陽市東湖鄉(xiāng)坳山村不同收入層次農(nóng)戶金融需求1情況表金融需求類別戶數(shù)金融需求實際滿足方式金融需求意愿滿足方式2①低收入農(nóng)戶（農(nóng)業(yè)性農(nóng)戶）教育1助學貸款3親友借款：農(nóng)信社=5：1農(nóng)業(yè)生產(chǎn)及生活（醫(yī)療）2子女補給蓋房1a.親友借20000元b.農(nóng)信社貸3000元無52②中收入農(nóng)戶（多源化收入農(nóng)戶）教育1農(nóng)信社01-05每年貸2000元，但以種烤煙的名義獲得資金親友借款：農(nóng)信社=6：1蓋房1a.親友借10000元b.農(nóng)信社貸1000元，加工業(yè)生產(chǎn)103年農(nóng)信社貸400元，05年農(nóng)信社貸2400元生活方面4（醫(yī)療、婚喪）1a.親友借3800元b.農(nóng)信社貸5600無3③高收入農(nóng)戶（工商性農(nóng)戶）購房1a.親友借6000元b.農(nóng)信社貸15000元親友借款：農(nóng)信社=4：3無6注：1一般而言，需求是指在一定價格水平下對某種商品的需求數(shù)量，此表的“金融需求”特指實際發(fā)生的借款數(shù)額。統(tǒng)計口徑包括農(nóng)戶在當前利率下向農(nóng)信社的借款以及農(nóng)戶向親友的借款。受各方面因素制約，該表只能反映被調(diào)查農(nóng)戶借款數(shù)量的多少，并不能說明在其他利率水平下農(nóng)戶的借款需求，也不能反映農(nóng)戶對其他金融產(chǎn)品的需求。下表同。2由于農(nóng)戶對“金融需求意愿滿足方式”的選擇只有親友借款和農(nóng)信社借款兩類，因此此欄用于反映對這兩種方式進行選擇的農(nóng)戶戶數(shù)的對比。如“親友借款：農(nóng)信社=4：2”3此處“助學貸款”是在學校獲得的國家助學貸款，非農(nóng)信社提供的貸款。4此處“生活方面”具體指2001年的醫(yī)療支出和2003年的婚喪支出。5表中無金融需求的農(nóng)戶，是指其在2001-2005年未發(fā)生過向農(nóng)信社的借款以及向親友的借款。下表同。表二福建省古田縣xx鎮(zhèn)xx村不同收入層次農(nóng)戶金融需求情況表金融需求類別數(shù)量金融需求實際滿足方式金融需求意愿滿足方式①低收入農(nóng)戶（純農(nóng)業(yè)性農(nóng)戶）食用菌3a.向親友借款（2戶）b.取得的農(nóng)信社貸款親友借款：農(nóng)信社=2：3農(nóng)業(yè)生產(chǎn)及日常生活1子女補給六合彩11向親友借款②中收入農(nóng)戶（多樣化收入農(nóng)戶）食用菌1取得農(nóng)信社貸款5000元親友借款：農(nóng)信社=5：1生活（醫(yī)療支出）2向親友借款2六合彩2向親友借款3無2③高收入農(nóng)戶（多樣化收入農(nóng)戶）蓋房1向親友借款30000元親友借款：農(nóng)信社=4：5工商類1取得農(nóng)信社貸40000元，高利貸490000元無7注：1“地下六合彩”為一種非法金融活動，近年來在中國南方某些省份十分普遍，其高賠率對城鎮(zhèn)和農(nóng)村居民極具吸引力。2其中一戶農(nóng)戶于2001年向親友借了3000元用于醫(yī)療方面，另一戶于2005年向親友借了30000元。3其中一戶農(nóng)戶于2002、2003年分別向親友借了2000元，另一戶農(nóng)戶則于2004年從親友處借5000元，2005借4000元。4該農(nóng)戶進行酒曲生產(chǎn)，因資金不足而只能通過賒購所需糧食進行生產(chǎn)，由于這一賒購行為而要向糧店交一定的利息（利息率高于金融機構(gòu)的貸款利率），因此將其定為“高利貸”。由表1和表2不難看出，農(nóng)戶金融需求主要產(chǎn)生在中低等收入水平的農(nóng)戶中，就被調(diào)查村而言，大約有65%的農(nóng)戶在此之列。他們也正是國家三農(nóng)口號“增加農(nóng)民收入”中的重點對象。其生產(chǎn)性金融需求主要為傳統(tǒng)型農(nóng)業(yè)生產(chǎn)金融需求，轉(zhuǎn)型性生產(chǎn)金融需求或規(guī)模擴大性生產(chǎn)金融需求。而要真正徹底實現(xiàn)農(nóng)民增收，從資金層面上來看，就是要能滿足中下等收入農(nóng)民轉(zhuǎn)型性或規(guī)模擴大性生產(chǎn)金融需求。從被調(diào)查地湖南耒陽東湖鄉(xiāng)的實際情況來看，政府的一項鼓勵政策就是經(jīng)濟作物烤煙的種植。政府在免費配給烤煙種籽的基礎(chǔ)上，同時給予種植烤煙的農(nóng)戶可從農(nóng)信社獲得資金幫助的優(yōu)先權(quán)。據(jù)了解，農(nóng)戶初始資本金投入一般在2000—3000元。據(jù)烤煙種植戶稱，他們一次性可從信用社獲得1000—2000的貸款數(shù)，上限數(shù)為10000，雖然必須先得到生產(chǎn)大隊給予農(nóng)信社的口令才能獲得貸款，但從種植戶的反映來看，政府的這一優(yōu)先權(quán)政策似乎基本上滿足了其轉(zhuǎn)型性生產(chǎn)金融需求。被調(diào)查地福建省屏南縣則是鼓勵食用菌種植，政府同樣也賦予菌農(nóng)從農(nóng)信社獲得資金幫助的優(yōu)先權(quán)。據(jù)了解，食用菌的初始資本金投入一般在7000元以上，而一般中低等收入的農(nóng)戶貸款數(shù)額一般可達到4000—5000元。由于農(nóng)信社放貸時十分注意考察農(nóng)戶的自投資金的比例，而中低等收入農(nóng)戶相對于一些收入較高的農(nóng)戶來說，自投資金有限，且這些農(nóng)戶在食用菌生產(chǎn)方面缺乏經(jīng)驗，因此農(nóng)信社對部分新加入食用菌行列的中低收入者不予貸款，或是僅給予小額貸款。不過總體而言，由于政府的鼓勵政策，食用菌生產(chǎn)貸款的通過率與以往相比還是呈現(xiàn)上升趨勢。從兩省的情況來看，由于政府支農(nóng)政策的鼓勵效應，農(nóng)戶轉(zhuǎn)型性農(nóng)業(yè)生產(chǎn)金融需求的主要滿足渠道農(nóng)信社至少在未來可預見的年份內(nèi)是基本可以滿足農(nóng)戶這一金融需求的。中低等收入農(nóng)戶的另一類金融需求則是生活型的，且比重較大。從調(diào)查的情況來看，這一金融需求主要表現(xiàn)為醫(yī)療金融需求和住房金融需求。在表二中我們可以看到，發(fā)生醫(yī)療金融需求的兩戶農(nóng)戶均是通過親友借貸這一途徑來滿足的。這主要是由于醫(yī)療具有時間上的約束性，絕大多數(shù)農(nóng)戶出于對時間成本以及融資風險的考慮，都會訴求于親友借貸這一時間成本低且獲借率高的途徑來彌補這一資金短缺。而在表一中反映的則是生活性金融需求的另一大類——住房金融需求。產(chǎn)生這一金融需求的原因在于，改革開放以來，農(nóng)戶全面開始增收初露萌芽，中低等收入農(nóng)戶就是憑借近三十年來一分一角的積攢才開始來初步實現(xiàn)自己的“新房”夢，不過我們也不能忽視農(nóng)民的一種普遍心理——攀比，看著富農(nóng)們一棟棟高聳的新房，中低等收入農(nóng)民憋了二十幾年的“妒氣”終于可以有能力釋放了。由于該項資金需求巨大，單一融資方式顯得力量有限，所以從被調(diào)查農(nóng)戶的情況看，他們都采取了親友借款和農(nóng)信社貸款結(jié)合的方式，但是很明顯的一點就是，兩種渠道獲得資金的比例幾乎為10:1，也就是說真正能幫助農(nóng)戶解決這一金融需求的主要幫手還是親友借款。當然，這也是可以理解的。中低等收入農(nóng)戶是深知自己不可能從農(nóng)信社得到很大滿足的。另一方面則如前面所述，“圈層結(jié)構(gòu)”下所引發(fā)的義務“情結(jié)”使得親友的大額借款也不是不可能的，更何況即使借方無錢償還，他仍可以用最傳統(tǒng)的補償方式來讓貸方親友不至于“血本無歸”，那就是以勞抵債；而農(nóng)信社方面則更多的是擔心貸款的可收回性及較高的單位貸款監(jiān)管成本。即使農(nóng)戶可提供抵押擔保（通常是以土地使用權(quán)為擔保物），但考慮到土地使用權(quán)的拍賣成本過高，農(nóng)信社也很可能以“拒貸”告終，何況中低等收入農(nóng)戶本身的償還能力就深受質(zhì)疑，且更談不上也借用“以勞抵債”的方式來還款，所以從農(nóng)信社獲得大力支持簡直就是天方夜譚！從全部中低等收入農(nóng)戶的金融需求情況看，湘農(nóng)在意愿金融需求滿足途徑的選擇上，親友借款:農(nóng)信社貸款=11:2，62%的農(nóng)戶認為是貸款利息率制約了他們對農(nóng)信社的偏好，38%的人則將制約因素歸咎于“關(guān)系”這一非經(jīng)濟因素；而閩農(nóng)在意愿金融需求滿足途徑的選擇上，親友借款:農(nóng)信社貸款=7:4，68%的農(nóng)戶認為是貸款利息率制約了他們對農(nóng)信社的偏好,18%的人將制約因素歸咎于“關(guān)系”這一非經(jīng)濟因素。誠然，國家雖一再調(diào)整農(nóng)信社的貸款利息率，但與親友借款的零利息相比，農(nóng)信社顯然不具競爭力，當然這是在親友借款可行的前提下才成立的。如果親友借款這一條路已是雜草叢生或是荊棘漫道時，農(nóng)信社是不是就能成為農(nóng)戶借貸的一條新的“陽關(guān)道”呢？或許這一假設并非預想得這般美好，農(nóng)信社多年的曲折輾轉(zhuǎn)歷程，使得它自身好像也有點無所適從了，先是中國農(nóng)業(yè)銀行麾下的一個小兵，在農(nóng)行光環(huán)下默默地跋涉著，對當時農(nóng)村的影響甚微；然后“行社分家”后劃至信合辦統(tǒng)管，其間二度“更名”，“換牌’,但其體制硬傷似乎始終難以治愈，這里的體制硬傷既有管理體制上的，也有經(jīng)營體制上的。同時，農(nóng)信社發(fā)展的這一路“風雨兼程”，又始終與地方政府有著“剪不斷，理還亂”的關(guān)系（其發(fā)展離不開地方政府，現(xiàn)在的很多問題也是地方政府在人事安排、業(yè)務經(jīng)營等方面的干預行為所致）。所以多年下來，農(nóng)戶自是心里有譜，作為中低等收入者的農(nóng)戶更是深諳自己有多少斤兩，沒有個“關(guān)系”、“后門”，他們是不會天真地爬上農(nóng)信社這桿“秤”上去稱稱自己有幾兩的！正因如此，才會有11:2和7:4這些比例，才會有農(nóng)村私人高利貸的潛滋暗長。不過，我們發(fā)現(xiàn)，低等收入農(nóng)戶金融需求意愿滿足途徑的選擇在湖南和福建兩省存在較大差異。從表格中，我們可以看到，低等收入湘農(nóng)在意愿金融需求滿足途徑的選擇上，親友借款:農(nóng)信社貸款=5:1，基本上與整個中低等農(nóng)戶金融需求滿足途徑選擇比例相符；而閩農(nóng)在意愿金融需求滿足途徑的選擇上，親友借款:農(nóng)信社貸款=2:3，與被調(diào)查村整個中低等農(nóng)戶金融需求滿足途徑選擇比例是相悖的（盡管存在樣本選取具有偶然性的可能，但從被調(diào)查村的總體情況來看，中低等收入水平的閩農(nóng)確實更樂意農(nóng)信社）。為什么低等收入的閩農(nóng)會更偏好有利息的農(nóng)信社貸款呢？這里的原因主要在于，一方面其農(nóng)業(yè)生產(chǎn)型金融需求雖與湘農(nóng)一樣，多為轉(zhuǎn)型性金融需求，但數(shù)額更大，親友借貸這一途徑在滿足程度上可能有限；另一方面該轉(zhuǎn)型性金融需求（如食用菌）是政府鼓勵的種植項目，農(nóng)信社在貸款審批時會有優(yōu)先考慮的傾向，同時農(nóng)戶認為自己借款的資金回報率較高，交一點利息也不痛不癢，故選擇避開可能產(chǎn)生的“人情債”而偏好于農(nóng)信社。而作為35%相對富裕的農(nóng)戶來說，他們的金融需求幾乎是不存在的。從這類農(nóng)戶的收入來源來看，外出務工收入是高居榜首的。值得一提的是，在所調(diào)查的9戶高收入的閩農(nóng)中，就有8戶是以務工收入為代表的非農(nóng)收入在家庭總收入中占大頭，僅有1戶為傳統(tǒng)的農(nóng)業(yè)戶；而所調(diào)查的7戶高收入湘農(nóng)則全部是以這一非農(nóng)收入支撐起家庭生存的支柱。這也符合“農(nóng)村中收入水平較高的農(nóng)戶多有非農(nóng)收入，且這一收入所占比重越大的農(nóng)戶其收入水平也相應越高”的傳統(tǒng)思維。在打工浪潮不斷活躍的今天，不管是國家還是農(nóng)民，都懂得要想實現(xiàn)增收就要想方設法提高非農(nóng)收入，實現(xiàn)農(nóng)村剩余勞動力的成功轉(zhuǎn)移。從這個角度來看，這些已走出或試圖走出農(nóng)村的特殊農(nóng)民對于農(nóng)信社的改革，多少就有些“事不關(guān)己，高高掛起”的心理成分了。當這類農(nóng)戶某年出現(xiàn)入不敷出時，他們完全可用積攢的儲蓄來填補這一暫時的資金空白。至于突發(fā)性的大額金融需求，這一階層農(nóng)戶的意愿金融滿足途徑也不外乎親友借貸和銀行貸款，但此時兩者的選擇比例與中低等收入農(nóng)戶相比有了較大變化，在湘農(nóng)的調(diào)查中，親友借貸:銀行貸款=4:3，而閩農(nóng)調(diào)查中，這一比例為4:5。可事實上他們并無多少實際意義上的資金需求。通過此次調(diào)查發(fā)現(xiàn)，存在外出打工收入，但無金融需求的閩農(nóng)占所有無金融需求農(nóng)戶的70%，且湘農(nóng)的這一比例數(shù)已超過了70%。這主要是由于他們正處于逐步從農(nóng)民走向市民的階段，自身農(nóng)業(yè)生產(chǎn)性金融需求必然大幅減少，且生活性的金融需求更是基本上不存在。另外，在“城市化”的過程中，即使有金融需求，他們也逐漸傾向于借助商業(yè)銀行等其他金融機構(gòu)這類途徑來滿足其借貸需求。由此可見，務工型富農(nóng)一方面由于非農(nóng)收入增加產(chǎn)生對農(nóng)戶借貸傾向的替代作用根據(jù)黃宗智的“根據(jù)黃宗智的“拐杖邏輯”，在中國小農(nóng)經(jīng)濟收入中，非農(nóng)傭工收入是農(nóng)業(yè)家庭收入的拐杖。這種理論也說明，小農(nóng)特征顯著的中國農(nóng)民在產(chǎn)生金融缺口時，要么依賴非正式借貸（主要針對非生產(chǎn)性用途），要么增加非農(nóng)收入（張杰，2003）。即便非農(nóng)收入已經(jīng)大大超過了農(nóng)業(yè)收入，也依然改變不了它作為家庭農(nóng)場的補充角色。通過上述收入結(jié)構(gòu)與農(nóng)戶金融需求間關(guān)系的分析，我們可以得知，中國農(nóng)戶金融需求主要產(chǎn)生于中低等收入的農(nóng)戶，這一部分農(nóng)戶金融需求又主要表現(xiàn)在轉(zhuǎn)型性金融需求（規(guī)模擴大型金融需求）和生活性金融需求上。他們要從農(nóng)信社獲得資金就一定要有信用保障，而他們的信用在很大程度上與又其財富密切相關(guān)。在農(nóng)村，除了少數(shù)貧農(nóng)可以得到信貸員或是信用評定小組的認可，大部分低收入農(nóng)戶的信用記錄少，信用評級也不高。同時又因為這類農(nóng)戶收入較低，與農(nóng)信社基本上又沒有什么業(yè)務往來，這樣農(nóng)信社在考慮放貸的時候難免就有所顧忌。此外，農(nóng)戶的生產(chǎn)自投資金也是重點參考對象，低收入的農(nóng)戶自投資金少，農(nóng)信社當然就更不樂意放貸了。雖然調(diào)查結(jié)果顯示，農(nóng)戶的轉(zhuǎn)型性金融需求主要由于其數(shù)量較大以及受政府所鼓勵等的影響，使其滿足途徑多會選擇農(nóng)信社，但農(nóng)信社在滿足農(nóng)戶金融需求的程度上并不一定就能如中低等農(nóng)戶所期望那樣樂觀。就算這一滿足程度呈現(xiàn)出上升趨勢，我們也應該看到這一趨勢的推動者并非農(nóng)信社，而在于政府的“支農(nóng)”政策，即使如此，農(nóng)信社對中低等收入農(nóng)戶的貸款訴求依然表現(xiàn)出“惜貸”、“慎貸”。農(nóng)信社“支農(nóng)”意識的被動性和“支農(nóng)”行動的逡巡性使得中低等收入農(nóng)戶在通過農(nóng)信社這一渠道滿足其轉(zhuǎn)型性金融需求方面仍要擔上不小的風險，而中低等收入農(nóng)戶生活性金融需求的滿足則可以說基本上與農(nóng)信社不相關(guān)了。四、非經(jīng)濟因素與農(nóng)戶金融需求滿足在調(diào)查中，我們也發(fā)現(xiàn)農(nóng)戶金融需求滿足程度還會受到一些非經(jīng)濟因素的制約，這種現(xiàn)象在農(nóng)村不僅較普遍，而且?guī)缀跻堰_到“深入人心”的地步。從我們的實際調(diào)查情況來看，影響農(nóng)戶金融需求滿足程度的非經(jīng)濟因素主要有“信用牽連”和農(nóng)信社的“暗箱操作”。在福建的調(diào)查中我們發(fā)現(xiàn)，有一個村由于少數(shù)農(nóng)戶的“失信”行為，導致信貸員不愿向該村放款，這樣一種“非理智”的防止不良貸款產(chǎn)生的做法使該村農(nóng)戶金融需求滿足徹底喪失了農(nóng)信社這一重要途徑。另一非經(jīng)濟因素“暗箱操作”在兩省都有事例予以反映。在閩地的調(diào)查中，某村農(nóng)戶在2004年以前要想通過農(nóng)信社這一管道解決金融需求幾乎不可行。但自從2004年他與該村所屬鎮(zhèn)新調(diào)的農(nóng)信社副主任攀上交情后，就借著這“一人得志”使其貸款結(jié)果在2004年發(fā)生根本性轉(zhuǎn)變，該副主任“連字都不要簽”就直接批準了他的貸款。可見“主任說得算”依然時有發(fā)生。在表一中，我們不得不注意高收入者中的購房戶，該農(nóng)戶購房短缺資金為30000，農(nóng)信