孙继国 王倩 胡金焱

摘 要：基于CHFS 2015年数据，运用Logit模型剖析农户参与正规金融和非正规金融的影响因素，采用倾向得分匹配法（PSM）系统分析正规金融、非正规金融对农户生产经营风险的化解效应。结果显示：农户的性别、年龄、受教育程度、婚姻状况、健康状况、家庭人口规模、家庭人均收入等因素显著影响农户参与金融借贷;正规金融能够显著化解农户生产经营风险，且对35岁以上的农户、非贫困户、高收入家庭、西部地区农户等群体所起的作用更为显著;非正规金融在农户生产经营风险化解中发挥的作用有限。正规金融能够通过促进农户创业来化解农户生产经营风险。

关键词： 正规金融;非正规金融;农户生产经营风险;倾向得分匹配法

中图分类号：F832.35 文献标识码： A 文章编号：1003-7217（2020）06-0027-08

一、引 言

中国是世界上遭受农业自然灾害最为严重的国家之一，农业自然风险始终是影响农村经济发展和制约农户增收的主要因素之一[1，2]。近年来，中国农业发展正加速由传统农业向现代农业转变。现代农业体系下，农业产业链不断延伸，农户的生产经营行为更加多元化，因此，农户在生产经营过程中面临的风险也从传统的、单一的自然风险向多元化、复杂化的农业风险转变，市场风险逐渐取代自然风险成为最主要的农业风险[3，4]。多元化农业风险的共同作用增大了农户收入的不确定性，灾年的减产与丰年的“菜贱伤农”“果贱伤农”等现象时有发生。因此，现代农业生产经营环境下，要想让广大农户都尽快富裕起来，构建农户增收的长效机制，就必须增强农户风险抵御能力。金融作为现代经济的核心，能够为农业生产项目、农户生产经营规模扩大提供融资支持，而且能够增加创业机会、提高农户收入，进而帮助农户运用金融工具降低生产经营中遇到的风险损失，为化解农业风险提供有力支撑。

关于金融对农业风险的影响，已有文献多从农业保险的角度进行研究，大部分研究都认为农业保险能够通过风险转移和收益外溢直接降低农户面临的生产经营风险[5-8]。但也有学者认为，由于农业保险在运行过程中存在自选择、道德风险以及面临高额的运营成本等问题，使得保险赔偿金在很大程度上无法弥补农户受灾损失，因此，农业保险有时无法有效发挥风险管理的功能[9-13]。

现代农业风险日益多样化、复杂化的特征对风险管理提出了更高的要求，因此，防范化解农业风险的金融工具也需从农业保险扩展到金融借贷等方面，实现化解途径多元化。正规金融与非正规金融长期共存的二元金融结构是我国农村金融体制的重要特征，正规金融主要指通过传统商业银行、新型农村金融机构（村镇银行、贷款公司和农村资金互助社）、互联网银行（如网商银行、微众银行）等进行资金融通，非正规金融主要指通过亲友借贷、民间借贷等方式进行融资[14，15]。学者们大多认为正规金融与非正规金融都能够缓解农户信贷约束，增强农户金融可得性，有助于农户扩大再生产，进而促进农户增收，提高其抵抗农业风险的能力[16-18]。

已有关于金融与农业风险化解之间关系的研究存在不足：第一，已有研究多基于农业保险视角考察对农业风险的影响，鲜有研究从融资角度，即是否参与正规金融与非正规金融来深入探讨农户生产经营风险的化解问题;第二，已有研究多根据地区农业总产值、粮食产量等宏观数据变化来分析地区遭遇到的农业自然灾害风险及其化解情况，从农户自身角度运用微观数据探讨农户生产经营风险化解的研究还相对较少。鉴于此，本文基于中国家庭金融调查数据（CHFS），从農户融资的角度出发，利用Logit模型剖析农户参与金融借贷的影响因素，采用倾向得分匹配法（PSM）测算比较正规金融与非正规金融对农户生产经营风险的化解效应，并实证分析化解效应的组群差异。同时，运用Probit模型分析创业在化解农户生产经营风险中的作用。以期拓宽金融服务乡村振兴、金融解决相对贫困的研究视域，也为进一步优化农村信贷供给决策、大力开展金融工具创新进而有效防范化解现代农业风险提供参考依据。

二、理论分析与研究假设

（一）正规金融与农户生产经营风险化解

正规金融是农村普惠金融中最基本的金融工具，其本身具有规模与成本优势，能够通过金融机构之间的有序竞争来缓解农户生产经营的融资约束，提高其抵御农业风险的能力[19，20]。一方面，农户通过传统商业银行、新型农村金融机构和互联网银行贷款可以扩大再生产，增强其应对市场风险的能力;另一方面，在农业风险发生后，农户可以借助信贷资金迅速恢复生产，减少损失;再者，正规金融基层网点的增加还有助于提高农户金融服务的可得性，为农户融资增加便利，有助于生产经营风险更好地化解[21-23]。基于以上分析，提出研究假设1。

H1 正规金融对农户生产经营风险化解具有显著正向影响。

（二）非正规金融与农户生产经营风险化解

非正规金融能够缓解农村资金供求矛盾，减轻银行的储蓄及其投资转化压力，可以较好地弥补传统银行信贷资金的不足，是正规金融的重要补充。当缺乏正规金融支持和面临信贷约束时，非正规金融具有信息甄别等优势，能够帮助农户缓解信贷约束[24]。同时，非正规金融基于人缘、地缘等关系而形成，不需要抵押和担保，因此具有效率优势，可以帮助农户快速融资，提升农户收入水平，从而有助于生产经营风险化解[25，26]。另外，与正规金融相比，非正规金融在当前我国农村金融供给中居于次要地位，利率相对较高，且在处理信贷评级等信息方面具有劣势，因此，非正规金融对农户融资约束的缓解效果不如正规金融[27-29]。基于以上分析，提出研究假设2、3。

H2 非正规金融对农户生产经营风险化解具有显著正向影响。

H3 非正规金融对农户生产经营风险的化解效果小于正规金融。

（三）创业在金融借贷化解农户生产经营风险的中介效应

农户参与金融借贷可以显著促进家庭创业决策和增加家庭创业绩效，进而实现农户多元化增收[30-32]，且金融机构扩张越快，越容易促进农户非农就业[33]。不同金融机构所促进的创业类型有所差异，例如正规金融机构能够促进“雇主”型创业，非正规金融机构能够促进“自雇”型创业[34]。因此，金融借贷除了能够直接为遭受农业风险的农户提供资金帮助其化解生产经营风险之外，还可以通过促进农户创业增加农户的非农收入，进而化解其在生产经营过程中遇到的农业风险。基于以上分析，提出研究假设4。

H4 金融借贷能够通过促进农户创业来化解生产经营风险。

三、研究设计

（一）数据来源

所用数据为西南财经大学中国家庭金融调查与研究中心发布的2015年中国家庭金融调查数据（CHFS）①。该调查采用三阶段、分层、与人口规模成比例（PPS）的抽样方法，收集具有代表性的中国家庭金融微观信息，是中国首个以家庭金融为主题的调查。2015年CHFS样本覆盖了除港澳台、新疆和西藏外的29个省、市、自治区，包含个体、家庭两个层面。在删除无效信息样本、相关变量数据缺失样本之后，有效样本量为10991个。

（二）变量选取与描述性统计

1.被解释变量。以农户生产经营风险为被解释变量（Y）。在CHFS中，受访者被问到从事哪些农业生产经营（种植粮食作物和经济作物、林木种植、采运、畜禽饲养以及水产养殖和捕捞）及从这些农业生产经营中获得的收入是多少，把这些收入加总作为农户生产经营的收入;受访者还被问到采购了哪些农资品（种子、农药、生长剂、化肥、农膜、小型农机具等）及采购这些农资品花费的成本，以及雇人、租赁机器等成本，把这些成本加总作为农户生产经营的成本。以农户生产经营的收入与成本之比作为农户生产经营风险的代理变量，当该比率小于1时，收入不足以覆盖成本，即认为该农户遭受了生产经营风险，设置为1;反之，设置为0。

2.解释变量。以农户是否参与正规金融（M1）和非正规金融（M2）为解释变量。在CHFS中，受访者被问到：“农业生产经营活动是否有尚未还清的银行/信用社贷款？”当受访者回答为“是”时，认为农户参与了正规金融，设置为1;反之，设置为0。同样，受访者在问到“除了银行/信用社贷款以外，目前是否因农业生产经营有尚未还清的民间借款？”回答为“是”，认为农户参与了非正规金融，设置为1;否则，设置为0。

3.控制变量。参考相关研究[20，35]，选取反映户主特征和家庭特征的变量作为控制变量（X）。户主特征变量主要有户主的性别、年龄、健康状况、婚姻状况、受教育程度，是否为党员等。考虑到年龄对农户参与金融借贷的影响可能存在非线性关系，加入年龄的平方这一变量;家庭特征变量主要有家庭人口规模、家庭人均收入的对数、是否获得农业生产经营补贴、是否获得农业技术指导、家庭农业劳动力占比和人均耕地面积。各变量定义见表1。

（三）PSM研究设计

由于农户是否参与金融借贷是其自我选择的结果，样本存在“自选择”问题，若用传统的线性回归模型直接进行回归，很难得到一致估计。为此，应比较同一遭受生产经营风险的农户参与金融借贷（处理组）和未参与金融借贷（控制组）两种状态下农户生产经营风险的平均化解效应。但在实践中，遭受生产经营风险的农户参与金融借贷和未参与金融借贷对生产经营风险的化解效应很难同时观测到，存在“数据缺失”。倾向得分匹配法（PSM）能够在降低个体自身差异的同时，很好地解决样本“自选择”问题并较好地控制内生性。因此，建立反事实研究框架，运用PSM方法以准确测度正规金融和非正规金融对农户生产经营风险的化解效应。

PSM方法的具體步骤如下：

1.计算倾向得分值（PS）。运用Logit模型计算农户参与金融借贷的概率（即倾向得分值），该值将样本农户的不同特征变量转换成一个数值，使多元匹配成为可能。模型设定如下：

四、实证分析

（一）农户参与正规金融、非正规金融的影响因素分析

为得到较好的匹配效果，先基于Logit模型分析农户参与正规金融、非正规金融的影响因素，回归结果见表2。由表2知，差异化的户主特征和家庭特征对农户参与正规金融和非正规金融都有重要影响。（1）户主特征层面。男性无论参与正规金融还是非正规金融，都在1%的统计水平上有显著的正向影响，说明男性参与借贷的意愿更强;年龄与农户参与正规金融呈倒U型关系。原因可能在于随着年龄的增长，农户会拥有更多的致富知识和经验，也更有能力偿还贷款。同时，金融机构比较容易掌握壮年农户的综合信息，也愿意发放贷款。但当年龄逐渐增大到一定程度，农户贷款意愿与创新精神都会减弱。健康状况与农户参与正规金融和非正规金融都显著正相关，说明农户身体健康状况差会导致家庭看病支出增加，金融借贷也会随之增加。受教育程度对农户参与正规金融和非正规金融的效应都为负，说明教育程度越高农户越不倾向于借款。已婚与成为党员都对农户参与正规金融有显著的正向影响，即已婚农民与党员更容易获得正规金融机构的贷款。（2）家庭特征层面。家庭人口规模越大越倾向于参与正规金融和非正规金融，家庭人均收入与参与正规金融显著正相关，与非正规金融显著负相关。可能的原因在于，收入越高，家庭资产也就越多，抵押物也越多，因此，更容易获得正规金融机构贷款，自然就减少了向亲友和民间借款。家庭农业劳动力占比和人均耕地面积都对农户参与正规金融和非正规金融有显著的促进作用，表明家里劳动力越多、耕地面积越大的农户越倾向于借款。

（二）PSM的匹配效果分析

基于Logit回归分析，取出显著的变量进行匹配，计算农户参与正规金融和非正规金融的倾向得分，根据倾向得分值绘制匹配前后的核密度函数图（以K近邻匹配为例，K=4，图省略）。可知，匹配前参与正规金融的农户和未参与正规金融的农户核密度函数差异明显（若直接做回归等检验，结果会有偏误）。匹配之后，处理组和控制组之间的各相关特征已非常相似，表现为两个核密度函数图几近重合，达到了预想的匹配效果。比较农户参与正规金融对生产经营风险的化解效应，结果会更加真实准确。

利用PSM方法对户主特征和家庭特征变量进行平衡性检验，结果见表3。由表3知：（1）匹配后[%bias]基本上都小于10%，偏差很小，表明平衡性检验效果较好;（2）匹配后[t-test]结果中，P值基本都大于0.1，表明Treat-Control组的差异不显著，平衡性假设得到满足;（3）[LR]检验表明，匹配后已经无法根据家庭特征和户主特征区分农户是否参与金融借贷。可决系数R2=0.009，该系数较小，模型拟合程度与预期一致，从整体上表明平衡性假设得到满足。即经过匹配后，处理组和控制组之间已没有统计差别。

（三）正规金融、非正规金融对农户生产经营风险的化解效应分析

从正规金融与非正规金融对农户生产经营风险的化解效应（见表4）可知，正规金融负向影响生产经营风险，而且六种匹配方法均在1%水平上显著，表明农户参与正规金融能够显著化解生产经营风险，假设H1得以验证。但参与非正规金融对生产经营风险的化解作用有限，六种匹配方法只有两种显著，假设H2并未得到明显验证。表4中最后一行为六种匹配方法测算出来的平均结果，正规金融处理组的平均处理效应（ATT）为-0.1，表明在排除其他因素影响下，农户参与正规金融可以化解10%的生产经营风险。非正规金融处理组的平均处理效应（ATT）为-0.028，表明在排除其他因素影响下，农户参与非正规金融可以化解2.8%的生产经营风险，其效果远不及正规金融，假设H3得以验证。

（四）组群差异分析

从户主年龄、受教育程度、是否为贫困户、收入、地区等层面分析正规金融与非正规金融对农户生产经营风险化解效应的组群差异，结果见表5。由表5知，非正规金融除了能显著促进非贫困户的生产经营风险化解以外，在其他层面不存在组群差异，而且化解作用也不显著，这与前文的分析结论基本一致。正规金融在各层面存在明显的组群差异，具体为：（1）从户主年龄看，年龄在35岁以上的农户，在参与正规金融之后，其生产经营风险显著下降了8%左右。原因可能在于，与青年农户相比，年龄大的农户拥有更多的致富经验与生产经营能力，因此，在获得资金之后更有能力化解自身遭受到的生产经营风险。（2）从受教育程度来看，正规金融对教育程度较低与较高的农户化解生产经营风险的作用不显著，可能的原因在于，受教育水平较低和较高的农户参与正规金融借贷的意愿较弱。（3）从农户贫困性质来看，正规金融能显著促进非贫困户的生产经营风险化解，但对贫困户的作用不显著。（4）从收入来看，正规金融对高收入家庭的生产经营风险化解作用显著，可能的原因是，收入较高的家庭更能够为按期还款提供担保，因此，更容易获得银行、信用社等金融机构的资金支持②。（5）分地区来看，参与正规金融对西部地区农户生产经营风险的化解效应最为显著，原因可能是，与中东部地区相比，西部地区的农户享有更多的信贷政策优惠，因此，更易得到金融机构的扶贫信贷支持③。

五、进一步分析：创业在农户生产经营风险化解的中介效应

利用Probit模型验证正规金融能否通过促进农村家庭创业来化解农户的生产经营风险。借鉴相关研究[36]提出的中介效应模型构建方程如下：

Y为被解释变量，指农户是否遭受生产经营风险;M1为核心解释变量，即农户是否参与正规金融;X为控制变量;W为中介变量，即农户是否创业。CHFS调查问卷中，农户回答自己的工作性质为“经营个体或私营企业、自主创业、开网店”时，可以认为农户进行了创业，将变量设置为1;反之，设置为0。α、β、γ、δ、、φ为参数，μ、ε、ζ为随机扰动项。

检验的步骤如下：第一步，式（3）中的系数α1若显著，则存在中介效应，进行第二步。第二步，式（4）中的系数β1和式（5）中的系数γ2若都显著，则表示间接效应显著，进行第四步;如果至少1个不显著，则进行第三步。第三步，用Bootstrap法直接检验原假设β1×γ2=0，如果显著，则间接效应显著，进行第四步;若不显著，停止检验。第四步，式（5）中的系数 γ1如果不显著，则直接效应不显著，表明模型只存在中介效应;如果显著，则进行第五步检验。第五步，比较β1×γ2和γ1的符号，若符号一致，则存在部分中介效应，并汇报中介效应占总效应的比例β1×γ2/α1;如果符号相异，则存在遮掩效应，此时要报告间接效应和直接效应之比的绝对值β1×γ2/γ1。

中介效应检验结果见表6，表6第（1）列第一步检验结果显示系数α1为负，且在5%水平上显著，表明正规金融可以显著化解农户生产经营风险，而且正规金融对生产经营风险的影响存在中介效应。第（2）和第（3）列为第二步检验结果，显示正规金融可以显著促进创业（β1为正，且在10%水平上显著），但中介变量创业的系数γ2不显著，故进行第三步检验。第三步采用 Bootstrap 法进行检验，结果显示拒绝原假设，即间接效应显著。第四步检验和第五步检验显示γ1的符号为负，且在5%水平上显著，而且β1×γ2的系数符号与γ1的符号一致，表明存在部分中介效应。第五步检验结果表明，农户参与创业的中介效应占总效应的比例为11.5%。由此，假设H4得以验证。

六、结论与对策建议

以上研究表明：农户的性别、年龄、受教育程度、婚姻状况、健康状况、家庭人口规模、家庭人均收入、家庭农业劳动力占比等因素显著影响农户参与正规金融和非正规金融;农户参与正规金融能够显著化解生产经营风险，非正规金融在生产经营风险化解中发挥的作用有限;正规金融对35岁以上的农户、教育程度一般、非贫困户、高收入农户、西部地区的生产经营风险的化解有显著作用，非正规金融仅对非贫困户生产经营风险的化解起促进作用;创业在金融借贷化解农户生产经营风险中具有中介效应，即正规金融能够通过促进农户创业来化解生产经营风险。

基于以上结论，提出如下对策建议：（1）应加大商业银行、村镇银行等正规金融机构对农户的支持力度，鼓励金融机构通过适当下调贷款利率、增加信用贷款和创新担保手段等方式给遭受生产经营风险的农户提供信贷支持。同时，鼓励金融机构创新开发适应农业大户、家庭农场、贫困农户等不同经营主体的小额贷款产品，以满足现代农业多样化的金融需求。并大力推动农村互联网金融基础设施建设，促进数据共享，解决农户与金融机构之间信息不对称问题，促使互联网银行等数字金融机构更好地服务于农村家庭。（2）政府应加强对民间借贷市场的正确引导，规范民间借贷健康发展，在保证其支持农户化解生产经营风险的同时，控制自身风险，维护农村金融體系的合理运行。（3）积极响应国家“大众创业、万众创新”的号召，鼓励农户创业。简化农民办理创业手续，提高服务精细化程度，使农民创业的过程更加方便、快捷，从而增加农户非农就业机会，增加农村家庭的非农收入，促进生产经营风险化解。

注释：

① 2019年11月，中国家庭金融调查与研究中心已经公布2017年中国家庭金融调查数据。但与2015年数据相比，2017年中国家庭金融调查数据涉及农业方面的问题较少，为能够更好地衡量农户生产经营风险，本文采用2015年中国家庭金融调查数据进行实证研究。

② 将年收入大于10万的家庭，视为高收入家庭。

③ 东部地区是指北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南;中部地区是指山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南;西部地区指的是内蒙、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏。

参考文献：

[1] 曾玉珍，穆月英. 农业风险分类及风险管理工具适用性分析[J].经济经纬，2011（2）：128-132.

[2] 叶明华，汪荣明，吴苹. 风险认知、保险意识与农户的风险承担能力——基于苏、皖、川3省1554户农户的问卷调查[J].中国农村观察，2014（6）：37-48，95.

[3] 陈冲. 农业双重风险对农民收入影响的实证研究[J].西北农林科技大学学报（社会科学版），2011，11（5）：17-21.

[4] 张燕媛，袁斌，陈超.农业经营主体、农业风险与农业保险[J].江西社会科学，2016，36（2）：38-43.

[5] 张跃华，史清华，顾海英. 农业保险需求问题的一个理论研究及实证分析[J].数量经济技术经济研究，2007（4）：65-75，102.

[6] Cole S， Stein D， Tobacman J. Dynamics of demand for index insurance： Evidence from a long-run field experiment[J].The American Economic Review，2014，104（5）： 284-290.

[7] 庹国柱. 从40年政策变化喜看我国农业保险蓬勃发展[J].保险研究，2018（12）：84-87.

[8] 张林，温涛. 农产品目标价格保险试点经验、问题及对策——基于3个试点地区的调查[J].经济纵横，2019（7）：74-82.

[9] 冯文丽. 我国农业保险市场失灵与制度供给[J].金融研究，2004（4）：124-129.

[10]Heimfarth L E， Musshoff O. Weather index-based insurances for farmers in the north China plain[J].Agricultural Finance Review，2011，71（2）：218-239.

[11]Jensen N D， Barrett C B， Mude A G. Index insurance quality and basis risk：Evidence from northern Kenya[J].American Journal of Agricultural Economics， 2016，98（5）：1450-1469.

[12]钟甫宁. 从供给侧推动农业保险创新[J].农村工作通讯，2016（15）：35.

[13]张峭，王克，李越，等. 我国农业保险风险保障：现状、问题和建议[J].保险研究，2019（10）：3-18.

[14]朱信凯，刘刚. 二元金融体制与农户消费信贷选择——对合会的解释与分析[J].经济研究，2009（2）：44-56.

[15]刘丹，焦钰，张兵. 农村二元金融结构存在的合理性：基于农户视角的理论与实证分析[J].江苏社会科学，2017（6）：30-37.

[16]Binswanger H P， Khandker S R. The impact of formal finance on the rural economy of India[J]. Journal of Development Studies， 1995， 32（2）：234-262.

[17]朱喜，李子奈. 我国农村正式金融机构对农户的信贷配给——一个联立离散选择模型的实证分析[J].数量经济技术经济研究，2006（3）：37-49.

[18]刘雨松，钱文荣. 正规、非正规金融对农户创业决策及创业绩效的影响——基于替代效应的视角[J].经济经纬，2018，35（2）：41-47.

[19]牛荣，张珩，罗剑朝. 产权抵押贷款下的农户信贷约束分析[J].农业经济问题，2016，37（1）：76-83，111-112.

[20]王慧玲，孔荣. 正规借贷促进农村居民家庭消费了吗？——基于PSM方法的实证分析[J].中国农村经济，2019（8）：72-90.

[21]Comim F. Poverty reduction through microfinance：A capability perspective[J].Microfinance and Public Policy，2007（1）：47-59.

[22]童馨乐，褚保金，杨向阳. 社会资本对农户借贷行为影响的实证研究——基于八省1003个农户的调查数据[J].金融研究，2011（12）：177-191.

[23]谭燕芝，张子豪. 社会网络、非正规金融与农戶多维贫困[J].财经研究，2017（3）：45-58.

[24]李祎雯，张兵. 非正规金融与农村家庭创业成效：影响效应及作用机理[J].农业技术经济，2018（12）：4-17.

[25]胡宗义，唐李伟，苏静. 农村非正规金融发展对农民收入差异影响的实证研究[J].广东金融学院学报，2012，27（3）：33-42.

[26]张宁，张兵. 农村非正规金融、农户内部收入差距与贫困[J].经济科学，2015（1）：53-65.

[27]邓路，谢志华，李思飞. 民间金融、制度环境与地区经济增长[J].管理世界，2014（3）：31-40+187.

[28]甘宇. 中国农户融资能力的影响因素：融资渠道的差异[J].经济与管理评论，2017，33（3）：12-18.

[29]许月丽，李帅，刘志媛，等. 利率市场化改革如何影响了农村正规金融对非正规金融的替代性？[J].中国农村经济，2020（3）：36-56.

[30]马光荣，杨恩艳. 社会网络、非正规金融与创业[J].经济研究，2011，46（3）：83-94.

[31]Degryse H， Lu L， Ongena S. Informal or formal financing？ Evidence on the co-funding of Chinese firms[J]. Journal of Financial Intermediation， 2016，27（3）：31-50.

[32]沈红丽. 正规金融、非正规金融与家庭创业——基于Logit和PSM模型的研究[J].统计与信息论坛，2019，34（12）：31-39.

[33]Hans P B， Shahidur R K. The impact of formal finance on the rural economy of India[J]. The Journal of Development Studies， 1995，32（2）：234-262.

[34]李树，于文超. 農村金融多样性对农民创业影响的作用机制研究[J].财经研究，2018，44（1）：4-19.

[35]杨汝岱，陈斌开，朱诗娥. 基于社会网络视角的农户民间借贷需求行为研究[J].经济研究，2011，46（11）：116-129.

[36]温忠麟，叶宝娟. 中介效应分析：方法和模型发展[J].心理科学进展，2014，22（5）：731-745.

（责任编辑：宁晓青）