王家冀　张桐　王钰

摘要：作为农户融资难的关键性问题，信息不对称的研究具有重要意义。文章构建了一个农户信贷市场的信息不对称程度测算模型，运用双边随机前沿分析方法（SFA），实证测算在信贷金额确定过程中信息不对称程度的作用。研究结果表明，资金供需双方所拥有的信息因素对最终获得的信贷金额产生较大影响，与需求方相比，资金供给方掌握更多的信息并具有更强的议价能力；在信贷金额形成的过程中，资金供给方通过信息优势，使得最终信贷金额相较于均衡信贷金额降低了46.57%。基于该结论，文章通过区块链等技术降低双方信息差异来在解决农户融资难问题。

关键词：信贷市场；信息不对称；方差分解；SFA

一、引言

我国农村地区金融机构普及度较高，调查显示，2019年我国乡镇银行等金融机构覆盖范围达到95.65%，建制村的基本金融服务项目覆盖范围达到99.2%。金融机构和金融服务在农村的大范围覆盖，便于农户在农村信贷市场的交易，从而可能会改变农户的初始禀赋（Feder et al.，1990）。然而，据中国人民银行数据显示，2020年各金融机构涉农贷款量为38.95万亿元，占总贷款量的比例仅为22.55%。受到农民群体自身特征的影响，金融机构提供的贷款标准有别于其他主体，农户的信贷约束仍未有效解决。

在农村信贷市场上，借贷双方之间往往出现较为严重的信息不对称问题，从而导致逆向选择和道德风险的发生。因此，农村信贷市场普遍存在较高的信息壁垒，张龙耀等（2011）认为依赖传统农业收入的小农户主动退出信贷市场的概率较高。贷款方不仅难以搜集借款方的个人信息如风险偏好、偿还能力，而且监督借款方对于贷款的使用情况更为艰难（程恩江等，2010；胡士华等，2016）。此外，针对农户面临的贷款担保抵押物缺乏问题，国内外学者将关注点放在了农户特征以及以社会网络为代表的社会资本方面。经验表明，农户特征和其社会资本在很大程度上决定了农户的经济行为，弥补了信息不对称问题带来的风险（范香梅等，2012）。但是，较少有学者通过信贷约束视角测算农户信贷市场上的信息不对称程度，以及更深层次的挖掘。

在商品贸易市场中，信息不对称程度常常由双边随机前沿模型进行测度。该模型最早由Aigner等人（1977）提出，一般单边随机前沿用于分析国家层面生产效率和效率前沿的差距。Kumbhakar&Parmeter（2009）扩展该单边随机前沿模型为双边随机前沿，即认为效率比前沿高和低的个体都有可能存在。2010年之后，我国学者开始在各领域研究双边随机前沿方法（卢洪友等，2011；周先波等，2015；胡建辉等，2020；王录安等，2020），然而这一方法尚未在农户信贷市场领域得到广泛的使用。

为此，本文对江苏省南京市、安徽省宿州市、黑龙江省齐齐哈尔市三地农户为研究对象，以问卷的形式走访调查，结合已有文献，通过实证考察分析农户信贷市场上信息不对称行为并进行测算。本文的边际贡献主要包括如下两方面：一是构建了测度农户信贷市场上信息不对称程度的模型，来说明信息不对称程度对最终信贷可得性的影响，是农户信贷市场有效运用信息经济学的体现；二是本文利用双边随机前沿分析（SFA）方法研究信息不对称对最终农户信贷可得性的影响机制，然后通过方差分解测度信贷配给程度受信贷供需双方的影响情况。

本文共分为五部分，第二部分是研究框架的设计；第三部分是变量说明及数据描述；第四部分是建立双边随机前沿分析模型（SFA），实证测算在信贷金额确定过程中信息不对称程度的作用；第五部分是本文的政策结论。

二、研究框架设计

在我国农村信贷市场上，信息不对称广泛存在于金融机构和农户之间（周立，2007）。本文认为，在信贷市场上资金供给双方的议价能力的差异是由逆向选择和道德风险所引起的，期望最终贷款金额对自身有利。因此本文使用双方的议价能力对信息不对称程度进行衡量。根据卢洪友等（2011）研究设计，建立框架如下所示：假定在一个规范的农户信贷市场中，拥有大量的资金供给和需求方，双方都知晓一定的信息，则该市场上农户可以获得的最终信贷金额（loan）用式（1）表示：

loan=μ（x）+[loan-μ（x）]+η[loan-μ（x）]-η[loan-μ（x）]=μ（x）+η[loan-μ（x）]-（1-η）[μ（x）-loan]（1）

式中，μ（x）表示个体基本特征的“均衡”信贷金额，loan为资金需求方所能获得的最低信贷金额，loan为资金供给方所能提供的最高信贷金额，η（0≤η≤1）用于衡量资金需求方在信贷过程中获得信息的程度。

信贷获得方程式（1）由三个模块构成：第一部分定义μ（x）为基准信贷金额，表示在给定个体特征的情况下“均衡”的信贷金额；第二部分定义η[loan-μ（x）]为资金需求方控制信息程度得到的余额；第三部分定义（1-η）[μ（x）-loan]为资金供给方控制信息程度得到的余额NS=η[loan-μ（x）]-（1-η）[μ（x）-loan]；为净余额，用于描述信息不对称程度在信贷金额构成过程中的综合效应。净余额的绝对值越高，说明信贷市场上的信息不对称程度越大，其数值为正数代表资金需求方信息优势强，从而使最终的信贷金额上升；其数值为负数则代表资金供给方的信息优势强，从而使最终的信贷金额下降。因此，在本模型的框架分析中，资金需求方的信息因素对最终确定的信贷金额具有正向效应，资金供给方的信息因素则具有负向效应，即信息因素对于最终信贷金额的确定具有双边影响。本文将信贷获得金额模型（1）简化为如下形式：

loani=μ（xi）+ξi（2）

ξi=wi-ui+vi

式（2）是一个经典的双边随机前沿模型，式中，β为待估计参数，xi为包括了社会资本、信用风险等特征因素的样本个体特征；ui=ηi[loani-μ（xi）]≥0，测度了信貸金额向上偏离程度，是由资金需求方所提取余额；wi=（1-ηi）[μ（xi）-loani]≥0，测度了信贷金额向下偏离的程度，是由资金供应方所提取的余额；vi是随机干扰项。

本文选取极大似然估计方法（MLE）来测度信贷获得金额模型（2），进而可以估测参数向量β和资金供需双方获得的余额部分。本文假设wi和ui都服从指数分布，即wi～i.i.d.Exp（σw，σ），ui～i.i.d.Exp（σu，σ）；随机干扰项vi服从正态分布，即vi～i.i.d.N（0，σ）。同时，本文假设wi、ui和vi彼此独立，且均独立于解释变量xi。查阅相关文献可得，一般使用E（1-e |ξi）和E（1-e |ξi）来表示资金供、需双方抽取的余额，供需两者相减为资金需求方获得的净余额，其值能够反映信贷市场上信息不对称的程度。

NS=E（1-e |ξi）-E（1-e |ξi）=E（e-e|ξi）（3）

相较于传统回归模型，本文所使用的双边随机前沿模型的优势在于在模型检验步骤中无须假定资金供需方获得信息程度的相对大小，仅由估计结果决定。

三、变量说明及数据描述

（一）数据来源

本文数据来源于课题组对江苏南京、安徽宿州、黑龙江齐齐哈尔3市规模种植农户的调查。这三个地点从农业生产类型和经济发展状况来看，其地理位置分布在我国的东部和北部，具有很强的代表性。本文最终收回问卷共计354份，共计获得问卷354份，两期面板数据共计708个观测值，对问卷进行筛选和剔除后，最终获得了247个有效观测值。

（二）变量指标的选取

在衡量农户最终获得信贷金额的过程中，本文通过对农户进行询问，选取农户在2019、2021年全年分别获得的正规金融信贷总额作为衡量依据，该数据可以最大程度上衡量农户在信贷市场上获得的信贷金额。

为了衡量式（1）中的“均衡信贷金额”μ（x），本文选择如下个体特征变量：

1. 社会资本

社会资本指的是行为主体凭借关系进而获得社会稀缺资源的能力（Bian&Qiu，2001）。个人的社会资本指个人所掌握的用来完成其人生目标的社会资源，个人的社会关系网络的复杂程度与其社会资本存量成正比，所以农户的信贷能力与其社会资本密切相关。在一定程度上，抵押物会被社会资本所替代而降低交易费用，农户可以更加容易获得正规金融的借款。

本文主要在微观层面研究社会资本，借鉴梁爽（2014）的研究，从政治参与、借贷能力与社会关系三个方面衡量社会资本的大小，具体通过家中是否有村干部或者党员、可以从亲朋好友处获得借款的金额以及过去一年人情支出来进行衡量。

2. 金融素养

金融素养是一个需要意识、知识、技术、态度和行为，能够做出正确的金融决策，并最终实现金融福利的结合。吴卫星等（2018）指出居民的金融素养越高，其使用负债来对消费平滑化和对正规金融借款的偏好越大；刘自强（2019）的研究认为通过提高农民的金融素养，可以显著增加农民获得正规信贷的可能性。因此，个人所具备的金融素养越高，对金融知识的掌握越全面，对信贷领域了解更加全面，那么他所拥有的信贷能力会更高。

本文对于金融素养的衡量基于以下两个问题：您对目前部分银行的农户贷款的流程、利率和那些银行可以方便贷款是否清楚；您是否清楚地知道金融机构所发布的宣传信息以及您所选择的贷款产品的具体内容及条款。两个问题均采用李克特五点打分法进行赋分。

3. 信用风险

信用风险是指借款方无法或拒绝履行合同而形成的违约行为，这可能会导致双方资金受损。当违约行为一旦发生，农户的信用风险和等级就会下降，下次借贷时信贷金额将会有所下调，农户就会出现信贷配给的问题。据此，本文使用关系契约强度、核心企业的信用状况、农户的信用记录三方面对信用风险情况的衡量。

4. 其他变量

根据已有研究，本文考慮了资金供需方的偏好变量，包括个体的年龄、婚姻状况、受教育情况等因素的影响。最后，控制了不同省份的地区因素、不同年份、不同供应链融资类型的固定效应影响。表1列举了上述变量的界定方法和基本统计量。

四、实证结果及分析

本部分基于模型设定和均衡信贷金额进行分析，对模型总方差进行分解，并测量资金供需双方信息不对称程度和讨价还价能力不同引起的余额规模，进而对各因素影响差异进行分析。

（一）模型设定和均衡信贷金额分析

本文使用双边随机前沿方法分析资金供需双方在最终信贷金额形成中掌握信息程度的效应，并对其进行测度，回归结果如表2所示。

本文采用OLS估计模型1，采用基于双边随机前沿的MLE估计模型2～4。相较于模型2，模型3～4控制地区因素、年份因素和参与融资的供应链类型因素，并剔除不显著的因素。在后续的分析中，本文基于模型4的变量及测量结果进行研究。

估计结果显示：家庭社会资本、金融素养、家庭年收入因素对获得信贷金额在1%的显著性水平下具有正向效应。家庭社会资本越高、金融素养越高、家庭年收入越多的居民，更有可能获得一个较高的信贷金额。而信用风险因素对获得信贷金额在5%的显著性水平上具有负向效应，即居民的信用风险越高则更难获得较高的信贷金额。

（二）方差分解：信贷金额形成过程中信息程度测度模型的解释力

表3汇报了资金供需双方掌握信息程度因素效应的分析结果。本文发现，信息的掌握程度在信贷资金的获得方面具有相当重要的影响。相对于资金需求方，资金供给方具有更强的信息优势，这导致资金供需双方的所掌握的信息因素的在信贷资金获得方面的综合影响为正。E（w-u）=σw-σu=0.9367表明，供需双方会形成一个相对于均衡信贷金额更高的信贷金额。同时，lnloan无法解释部分总方差为（σv+σu+σw）为1.1091，式中的81.81%是由资金供需双方之间信息因素所引起；而在信息因素对信贷金额的总影响中，资金供给方相对于需求方来说几乎处于一个绝对的信息优势地位，达到总影响的99.97%，资金需求方所掌握的信息程度在总影响中仅为0.03%。这表明，虽然在信贷资金获得过程中，资金需求方存在一定的信息和议价能力，但是信贷金额的最终形成更取决于资金供给方的能力。为了分析特定资金供需双方通过讨价还价所获得的余额与净余额，本文使用单边效应估计作进一步的分析。

（三）资金供给方余额和资金需求方余额的估计

1. 样本总体估计结果

本文重点研究的是在信息不对称前提下对资金供需双方各自获得余额进行估算，即E（w|ξ）和E（u|ξ），其含义是在信息因素条件下，资金供需双方各自取得的余额相对于均衡信贷金额lnloan=βxi变动的百分比。表4展示了全样本的估计结果。资金需求方通过信息优势对最终信贷金额的影响的平均值为0.0157，远低于资金供给方通过信息优势对最终信贷金额影响的平均值0.9383。因为被解释变量是最终信贷金额的对数，不同文献对于对数的估值可能会有所差异，所以通过资金供给双方信息优势的期望值来衡量市场势力的大小并不准确，所以本文将进一步利用最终价格变动的比例来衡量双方的议价能力。

由于资金供给方和资金需求方议价能力存在差异，导致双方掠夺余额不同。本文借鉴周先波等（2015）的计算，用耘赞（1-e-u|ξ）和耘赞（1-e-w|ξ）分别表示资金供给双方的余额值。结果表明，如果忽略资金供给方的议价能力，资金需求方可以通过信息优势使得最终信贷金额比均衡信贷金额高1.54%；同理，如果忽略资金需求方的议价能力，资金供给方可以通过信息优势使得最终信贷金额比均衡信贷金额低48.32%。由此可以证明，在农村金融市场上资金供给方的市场势力大于需求方，对最终信贷金额的影响更大，这种影响力使得最终信贷金额比均衡信贷金额低46.57%。换言之，由于信息不对称性，在均衡信贷金额为100元的信贷市场上，资金需求方只能获得53.43元作为最终信贷金额。

2. 资金供需双方个体特质对信息掌握程度的影响

根据前文分析，本文发现资金供需双方掌握信息的程度存在较强的异质性。据此，本文进一步从家庭年收入进行分组统计并分析资金供需双方的余额分布特征。

资金供给方的价格歧视行为同样存在于家庭年收入因素方面。表5反映了不同年收入的家庭资金通过讨价还价所获得的余额及最终净余额的结果。结果显示，对于中等收入和低收入家庭来说，资金供给方仍然拥有较大的信息优势，可以获得更多的余额。但是对于高收入家庭来说，资金需求方的议价能力则高于资金供给方，即对于高收入家庭而言，资金需求方对最终信贷金额的影响更大，这种影响力使得最终信贷金额比均衡信贷金额高12.63%。这意味着，资金需求方利用自身的经济实力可以减缓信息不对称带来的负面影响，在讨价还价中占据了主动地位；同时资金供给方对高收入群体实施了相对宽松的信贷决策，这与杨晓云（2019）的研究结果相吻合。

五、政策结论

本文基于江苏南京、安徽宿州、黑龙江齐齐哈尔三地的实际调查数据，运用双边随机前沿分析方法，建立了农户信贷市场上信息不对称程度测算模型，对信贷市场主体的信息不对称性在信贷金额确定过程中的作用进行研究。结果表明：第一，最终信贷金额的获得程度受资金供需双方所掌握的信息因素的影响很大，并且相对于资金需求方，资金供给方掌握更多的信息，议价能力更强；第二，在信贷金额形成的过程中，资金供给方通过信息优势，使得最终信贷金额比均衡信贷金额低46.57%；第三，高收入家庭拥有充足的社会资本，能够减少信息不对称的影响，甚至可以在信贷市场中占据主动地位，获得高于基准信贷金额的贷款，但是高收入不能彻底解决该问题。无论从何种角度分析，资金需求方拥有的信息能力更弱，在信贷市场上更多占有劣势地位。而在当前的农村金融市场上，改革试点多以抵押物为主，如农地经营权抵押贷款、小额信用贷款等，虽然增加了农户获得信贷的机会，但并不能很好地解决由于双方信息差异而导致的信贷约束问题，在打破信息壁垒上仍有较大的改进空间。因此在现有政策体系下，这种低于均衡信贷金额的信贷情况难以得到改善。

本文的结论具有如下一些启示。第一，我国农户在信贷市场中的信贷约束问题，其主要原因是资金供需双方之间的信息不对称，它主要源自资金需求方的信息隐藏和资金供给方对于需求方的不信任。而现有的政策手段诸如农地经营权抵押贷款等难以缓解双方的信息不对称问题，甚至使得双方的信息差距更加明显。因此，政府应该打通资金供需双方的信息壁垒，运用区块链等相关技术手段，直接沟通双方信息，打造高效准确的信息传递链，使得资金供给方可以最大程度地获得资金需求方的信息情况。

第二，由于资金需求方的经济情况可以在一定程度上摒除信息不对称问题的影响，因此在农村信贷市场上，政府可以针对低收入家庭实施特定信贷政策。对不同地区不同类型的农户进行调查整合，针对信息壁垒问题构建科学有效的信贷分级方案，從而对不同群体施加不同的信贷政策来缓解农村市场信贷难问题。

参考文献：

[1]范香梅，张晓云.社会资本影响农户贷款可得性的理论与实证分析[J].管理世界，2012（04）：177-178.

[2]胡士华，郭雨林，杨涛.信息不对称、金融联结与信贷资金配置——基于农户调查数据的实证研究[J].农业技术经济，2016（02）：81-91.

[3]梁爽，张海洋，平新乔，郝朝艳.财富、社会资本与农户的融资能力[J].金融研究，2014（04）：83-97.

[4]刘自强，樊俊颖.金融素养影响农户正规信贷获得的内在机制研究——基于需求角度的分析[J].农业现代化研究，2019，40（04）：664-673.

[5]卢洪友，连玉君，卢盛峰.中国医疗服务市场中的信息不对称程度测算[J].经济研究，2011，46（04）：94-106.

[6]王录安，庄希勤，张泠然.中国粮食市场上的信息不对称与粮食价格——基于SFA方法的实证分析[J].农业技术经济，2020（10）：21-32.

[7]张龙耀，江春.中国农村金融市场中非价格信贷配给的理论和实证分析[J].金融研究，2011（07）：98-113.

[8]吴卫星，吴锟，王琎.金融素养与家庭负债——基于中国居民家庭微观调查数据的分析[J].经济研究，2018，53（01）：97-109.

[9]杨晓云，邓晓霞.基于资产异质性视角的农户融资约束分析[J].金融与经济，2019（01）：41-46.

[10]周立.农村金融市场四大问题及其演化逻辑[J].财贸经济，2007（02）：56-63+128-129.

[11]周先波，刘建广，郑馨.信息不完全、搜寻成本和均衡工资——对广东省外来农民工劳动力市场信息不完全程度的测度[J].经济学（季刊），2016，15（01）：149-172.

[12]Aigner D，Lovell K，Schmidt P.Formulation and estimation of stochastic frontier production models[J].Journal of Econometrics，1977（06）：21-37.

[13]Bian Y.，H. Qiu.“The Social Capital of a Company and its Significance”[J].Social Sciences in China，2001（01）：62-72.

[14]Feder G，Lau L J， Lin J Y，et al.The relationship between credit and productivity in Chinese agriculture：a microeconomic model of disequilibrium[J].American journal of agricultural economics，1990，72（05）：1151-1157.

[15]Kumbhakar S C，Parmeter C F. The effects of match uncertainty and bargaining on labor market outcomes：Evidence from firm and worker specific estimates[J].Journal of Productivity Analysis，2009，31（01）：1-14.

*本文系2021年國家级大学生创新创业训练计划“区块链赋能供应链金融对农户融资行为的影响研究”（项目编号：202110307093）的研究成果之一。

（作者单位：南京农业大学金融学院）