黄稳书 汪阳

摘要：对农户社会财富与公有银行、民间信贷机构之间的关系及其对金融信贷机构发放信贷借款的影响进行研究，发现农户社会财富对信贷借入数量的增加有积极的影响，回归系数在0.193～0.212范围内。这些参数可以解释为借款对随机选择我国农户的影响，也是农户拥有财富对金融信贷机构的影响，该模型通过对错误的、有条件二阶矩的假设来确定。结果表明，由于近年来农户财富不断增加，信贷项目迅速扩大，信贷在一定程度上有助于减少贫困。

关键词：农户财富方程;借贷方程;影响因素;农户社会财富;信贷

中图分类号：F323.9;F830.589

文献标志码：A

文章编号：1002-1302（2020）16-0328-05

金融信贷被许多业界人士和政府层人员认为是减轻贫困的有力工具，目的是让那些本来会受到信贷限制的农户参与创业活动，做法包括向自主创业的小型自营企业提供少量贷款等。然而，虽然信贷在提供贷款方面取得了成功，但很少有证据表明这种贷款能有效实现农户的减贫，因为信贷机构在实施信贷的过程中有可能更多地倾向于富裕的农户。

公有银行历来鲜有通过信贷借钱给农村经济条件较差的农户的情况，其原因一方面是收集信息和执行合同的高昂成本可能导致逆向选择和道德风险;另一方面农户缺乏财富相当的抵押品，加剧了银行对潜在借款人进行筛查的困难。补偿这些地区贷款风险所需的利率足以驱走许多借款人。信息成本也使得贷款后很难监测借款人的活动。如果该农户中的一名成员违约，则整个农户都不符合进一步贷款的资格。Correia等认为可以利用多种方式来验证信贷是否能够有效地为农户服务[1-3]。然而，在试图解释信贷扩张是否实现了帮助农户减少贫困的这个最初目标时，现有文献大多侧重于农户财富地位的研究，认为农户财富是农户消费或是工作福利和生活水平的首选量度[4-5]。在发展中国家仅以农户收入或是自由职业者收入来衡量的结果并不准确。因为收入报告的误差很大，农户不常使用的计算因素必须强加在数据上，以获得可以正确解释的计量方法[6-8]。信贷旨在通过增加农户消费/支出来解决贫困问题[9]。因此，消费支出是我国农户生活水平的一个重要指标，出于这些原因，本研究将消费视为利益的结果。如果农户不能获得信贷支持，则会在创业过程中受到资金的限制，无法提高农户的消费能力。

目前，農户消费能力可能会在收到信贷贷款时增加或减少，因为投资可通过贷款或削减农户支出来实现。下一阶段的收入是在借款和投资发生之后产生的，一些贷款资金也可能直接用于消费，所以投资可能增加消费。资金在农户间是可以流通的，而消费的增加可能是消费平稳的结果。如果信贷能够使农户产生足够的收入以摆脱贫困，那么随着时间的推移，农户的消费将会持续增长，如果农户每年都会借款用于投资和生产。

存在的主要问题是已经参与借贷的农户并不是随机的人口样本。农户根据自身能力等因素决定是否进行贷款。此外，面向贫困农户进行借贷时，信贷机构存在诸多的限制，Beny-ishay等采用各种技术来尝试确定信贷借款对随机农户的预期影响，试验调查设计被用来模拟农户随机化[10-11]。虽然很难随机分配农户贷款，但可以通过随机化将信贷项目扩展到新的领域来确定影响。

将农户财富模型转化为信贷借贷功能，其重点在于如何克服借贷的内生性。农户不仅根据可见的利益效应选择借入，还需考虑自身创业能力等未观察到的特征。信贷机构在选择哪种类型的农户作为信贷目标时，也许使用的信息是通过不可观测的经济计量学方法得到的，这些未被观察到的特征也可以直接反映消费情况，用于对不考虑内生性的借贷影响进行评估。随机试验的实施是用于处理借款内生性的最新策略。Lorenzetti等随机选择开设了新的信贷机构的农村作为研究对象[12-13]。在每个地点，农户内部可以形成群体并选择借款，其财富状况会受到严格地评估。在信贷机构分支机构开放的 15～18个月内，发现无农户获得信贷。但是，他们确实发现对于借贷成功的农户以及那些有可能创业的农户来说，其财富状况有所增加。这表明农户财富状况对信贷机构对农户的借贷有较大的影响。随着时间的推移，可能会有更大的影响[14]，导致贷款农户的借贷产生外生变化。

因此，本研究不采用随机化的方法，而是采用新的方法来确定应对方案。以农户从信贷机构借入人均数额的平均值入手，这种方案是假设借贷和农户财富方程之间的误差条件相关性是恒定的。

1 估计和识别策略

考虑到农户的财富状况和借贷方程，人均农户财富（Ci）取决于所借的金额（Bi）和一系列假设为外生的额外农户特征（Xi），包括如户主的性别、年龄，农户成员的教育水平等，借款还取决于一组外生特征（Zi）。对于说明性借款，Zi可以考虑为从Xi中排除的变量。借款（Bi）的最低贷款额为 5 000 元。

2 实证研究

采用中国家庭追踪调查（CFPS）数据，列举了我国25个省（市、自治区）的87个村，抽取了1 798户农户资料。在25个地区中，有22个省（市、自治区）开展了信贷计划。通过对所有农户第1阶段的估算，最终选取样本规模为1 461户。第2阶段使用814户农户的子样本，信贷借款为正值，描述性统计数据见表1。

表2说明了通过将借贷和财富方程的平方残差回归到所有解释变量来检验异方差的结果。根据测试结果可以发现，同方差的零假设均被拒绝。对于借贷方程，异方差的证据对虚拟变量最为明显，表明方案可用性和强度的区域变化是异方差的重要来源。

表3为虚拟规范中借贷方程的估算结果。其中1个指数系数必须标准化为1，每个借款组必须是单一性别数据表明，女性户主的借款数量大幅减少。这是因为信贷业务自开展以来在我国逐渐成为男性农户的目标。每个借款组必须是单一性别，而男性专用组在调查领域更为普遍，通过为男性借贷，提高了男性借贷的效果。没有成年男性或配偶的农户借入较少。若配偶的农户成员拥有土地，则农户的借贷较少。这证实了农户在有机会时会选择彼此借钱，而不是选择向外部贷方支付利率。受过高等教育的女性农户借入较少，说明这些女性在信贷借款前从事稳定工作并具有稳定收入，因此较少倾向于借贷。

表4為财富方程的参数估计值，第2列为正借贷农户子样本的最小二乘法（OLS）估计值。消费对土地所有权的P值为0.311，这证实了土地所有权是农户财富的重要来源。借贷系数估计了人均农户财富在借贷方面的相关性。该系数在最小二乘法估计中为0.056，t统计量为3.290。包括将借贷系数提高到0.193。表4中的负号表明随机误差分量“1”和“2”之间存在负相关关系。

表5列出了村庄特征指标下的借款统计。农户中有成年女性的会增加农户财富，而没有成年女性的农户财富将会降低。拥有小学、农村卫生中心或助产士的村庄，其农户财富较高。在村级特色规范中，借贷控制功能后的借贷系数从0.193上升到0.212。t值也较大，为6.793。控制函数的系数是负的和显著的，表示误差分量“1”和“2”之间为负相关关系。

3 讨论与结论

近年来信贷业务迅速发展，许多人认为它可以成功地消除贫困。公有银行和其他信贷机构的信贷借款在一定程度上提高了农户的消费能力。本研究的结果确认了许多信贷机构的出发点，即农户的财富状况是要考量的重要因素。理论结果也预测了财富对信贷的影响程度可能很大。如果资本收益递减原则成立，那么财富相对较少的农户应该能够获得更多的投资回报。尽管这2项研究都检测到了正向和显著的借贷效应，但这里给出的估计值在幅度上远大于OLS估计值。这证明目前所采用的策略在识别借贷的内生性方面更为成功。

从结果中可以清楚地看出，如果未能适当控制借贷的内生性，就会严重低估借贷对消费的影响。由于上文讨论的结果为财富方程具有一致性，因此可以确定一组可能用作测量的变量。在虚拟样本中，代表户主性别、女性农户成员的最高教育程度，没有成年男性的农户、没有配偶的农户以及配偶父母和兄弟拥有土地等变量都是重要的借贷方程，而不是财富方程。因此，使用这些变量作为排除限制来重复该估计。尽管估计的第1阶段与上述相同，但在存在排除限制的情况下，第2步中使用的控制函数仅仅是借贷方程的残差。

本研究估计了我国农户财富对信贷机构借款的可获得性，及信贷机构对人均农户消费的影响。通过适当控制借贷的内生性，能够估计调查地区随机选择的、农户信贷贷款的平均效率。利用假设模型中误差具有恒定的相关性特征，以外生变量为条件，能够有效利用模型中存在的异方差来控制借贷的内生性。研究发现，农户财富状况对信贷贷款有积极和显著的影响，回归系数在0.193～0.212的范围内。这些估计有助于评估信贷是否能够实现农村的全面富裕，而不仅仅是为财富状况好的农户服务。

参考文献：

[1]Correia S. REGHDFE：stata module to perform linear or instrumental-variable regression absorbing any number of high-dimensional fixed effects[J]. Statistical Software Components，2016，12（20）：1-15.

[2]Paulo S，Wolak F A. An algorithm to estimate the two-way fixed effects model[J]. Journal of Econometric Methods，2016，5（1）：143-152.

[3]zbay N，Karanlar S. Estimation in a linear regression model with stochastic linear restrictions：a new two-parameter-weighted mixed estimator[J]. Journal of Statistical Computation & Simulation，2018，88（10）：1-15.

[4]Wu J，Meyer M C，Opsomer J D. Penalized isotonic regression[J]. Journal of Statistical Planning & Inference，2015，161：12-24.

[5]Ashta A，Ghosh C，Guha S，et al. Knowledge in microsocial milieus：the case of microfinance practices among women in India[J]. Journal of the Knowledge Economy，2016，10（12）：1-20.

[6]Mukhopadhyay J P. Microfinance and consumption inequality：evidence from a randomized controlled trial in Andhra Pradesh，India[J]. Journal of Developing Areas，2016，50（2）：269-291.

[7]Crepon B，Devoto F，Duflo E，et al. Estimating the impact of microcredit on those who take it up：evidence from a randomized experiment in Morocco[J]. American Economic Journal，2015，7（1）：123-150.

[8]Agarwal V. The failings of microfinance in India：insights from a randomized evaluation of spandana[J]. Aims Journal，2017，11（1）：59-75.

[9]Zahidmahmood H，Abbas K，Fatima M. Islamic microfinance and household welfare nexus：empirical investigation from Pakistan[J]. Journal of Global Entrepreneurship Research，2017，7：18.

[10]Benyishay A，Fraker A，Guiteras R，et al. Microcredit and willingness to pay for environmental quality：evidence from a randomized-controlled trial of finance for sanitation in rural Cambodia[J]. Journal of Environmental Economics & Management，2017，86：121-140.

[11]Pati A P. Impact of microfinance on women empowerment in the matrilineal tribal society of India：an analysis using propensity score matching and difference-in-difference[J]. International Journal of Rural Management，2016，9（1）：45-69.

[12]Lorenzetti L M，Leatherman S，Flax V L. Evaluating the effect of integrated microfinance and health interventions：an updated review of the evidence[J]. Health Policy & Planning，2017，32（5）：732-756.

[13]Rahman A，Rahman M T，Kljucnikov A. Bank size，relationship lending and SME financing：evidence from bangladesh[J]. Actual Problems of Economics，2016，183（9）：294-307.

[14]Mchugh N，Biosca O，Donaldson C. From wealth to health：evaluating microfinance as a complex intervention[J]. Evaluation，2017，23（2）：209-225.