资产结构与农户借款行为——基于CHIPS8000农户的实证研究,本文主要内容关键词为:农户论文,资产论文,结构论文,实证研究论文,此文献不代表本站观点,内容供学术参考,文章仅供参考阅读下载。
一 引言 随着农村经济社会的改革发展,农户家庭的资产结构也发生了很大变化,除了传统的自有房产和农业生产性资产,农户家庭逐渐积累了相当规模的存款、有价证券等流动性强的金融资产。特别是与中国宏观经济周期相一致,我国居民的金融资产配置总体上经历了自上世纪的“存款为王”到2002年之后的“地产周期”,再逐渐过渡到近年来的加大理财产品、基金等金融资产的配置三个阶段。显然,要解决“三农”问题,必须要对农户资产结构和动态分布进行分析,从中发现农户借贷行为的偏好和影响机理,这对改革农村金融制度、缓解农村金融排斥具有理论和实践意义。 学术界对农户行为的分析存在三个基本的命题。第一是Theodore Schultz的“理性小农”命题,①其称小农户“贫穷但有效率”。第二是Chayanov-Polanyi-Scott提出的“道义小农”命题,②他们认为对小农来说,维持基本生存更为重要,小农进行劳动边际效用的主观评价和劳动辛苦程度的权衡,而并不是成本与收益的权衡。第三是黄宗智提出的“拐杖逻辑”,“过密化”的半无产化农民的非农收入是务农收入的拐杖。③这三个经典命题对分析农户借贷行为提供了基准视角。 目前有大量研究考虑了社会资本、农户经济状况、家庭结构和人口特征对农户借贷行为的影响,④⑤但是仅有少量文献讨论农户固定资产对农户借贷行为的影响,⑥缺乏对农户整体资产结构的把握,因此在具有典型乡土社会和关系型社会特征的农村,本文不仅考虑传统的固定资本“硬资本”和社会资本“软资本”,还考虑金融资产和负债总额对农户借款行为的影响。 本文后面章节的结构安排如下:第二部分进行变量设定与计量模型设计,第三部分汇报Probit模型和IV-Probit模型的实证结果;第四部分是结论。 二 变量设定与计量模型设计 (一)数据来源 本文使用的是由来自北京师范大学、澳大利亚国立大学的学者发起,由CHIPS2008课题组设计、监督,由国家统计局执行的中国城市、农村和流动人口居民收入调查中的8000个农村家庭的随机抽样微观数据。该数据库对农村家庭及成员的基本特征、成年人教育培训、家庭社会关系、土地、家庭资产结构等方面设计了相关问题。CHIPS2008的农村家庭样本范围包括北京和上海作为中国大都市的代表;辽宁、江苏、浙江、福建和广东用来代表东部地区;山西、安徽、河北、河南、湖北和湖南代表中部地区;重庆、四川、云南和甘肃代表西部地区,具有良好的地区代表性。在剔除了缺失关键变量和包含明显错误数据的9户农户后,剩下7991户农户数据以及对应的村庄数据。 (二)变量设定 (1)本文因变量包括是否具有正规/非正规借款需求(全样本),以及正规/非正规借款需求是否能够得到满足(子样本)共六个变量,解释变量为农户资产结构、农户家庭特征、村庄变量。 (2)主要解释变量是农户资产结构,主要包括2008年全家金融资产余额(对数值)、2008年底自有住房价值(对数值)、2008年底全家负债总额(对数值)、通过各种方式相互问候过人数(对数值)四个变量。根据已有统计研究,⑦资产越多农户家庭的偿债能力越强,借款需求越低。但是,目前研究只是对农户总体资产上存在把握,并没有细分农户资产,且缺乏充分的实证分析,特别是缺乏农户负债对借款行为的影响的系统分析,因而我们既关注农户家庭存款、有价证券等流动性强的金融资产,也关注流动性较弱的农户自有住房价值,还关注农户家庭的负债总额和社会资本,从而对农户家庭资产结构对农户借款行为的影响有相对整体的把握。 (3)农户家庭特征,借鉴已有研究成果对主要农户家庭特征变量的选取,⑧结合本文对资产结构的重点分析,本文主要采用农户家庭总收入、家庭人均耕地面积、户主年龄、家庭平均年龄、家庭总人数、户主是否接受过农业生产培训、户主性别、是否有在校学生、当年是否盖房/买房、是否有家人生大病或意外伤害来对农户家庭特征进行分析。 (4)村庄变量。在具有典型乡土社会特征和邻里监督特点的广大农村,村庄环境对农户借款行为存在显著影响。⑨本文主要控制村庄人均纯收入、村庄是否进行统一灌溉、村庄是否有小学、村庄举家迁出的户数占比、村支书工作年限和村支书学历等几个变量。 (三)计量模型 由于本文主要分析家庭资产结构对农户借款行为的影响,结合CHIPS2008农户调研问卷设定的相关问题,因此本文主要采用Probit模型进行分析: 如(1)所示,Lend作为因变量表示反映农户借款行为六个0-1变量:是否具有正规/非正规借款需求(全样本),以及正规/非正规借款需求是否能够得到满足(子样本),Asset表示农户家庭资产结构的四个变量,House表示农户家庭特征变量,Vill表示相关村庄变量。 三 实证研究结果 (一)基准回归结果 下面对表1描述的Probit模型回归结果进行分析。 1.农户资产结构 (1)金融资产:在全样本中,农户金融资产(ln_finasset)对农户正规借款需求的影响为正,但并不显著;而农户金融资产在满足正规借款需求子样本中的系数在5%的显著性水平上显著为正,未满足正规借款需求子样本中的系数在5%的显著性水平上显著为负。说明农户家庭金融资产的多寡与其是否进行正规借款的关系不大。但是对于有正规借款需求的农户来说,农户家庭存款、有价证券等流动性强的金融资产越多,其正规借款需求更容易得到满足。在全样本中,农户金融资产(ln_finasset)对农户非正规借款需求的影响为负,且在1%的显著性水平上通过统计检验;而在满足非正规借款需求子样本中的系数为正,未满足非正规借款需求子样本中的系数为负,但均未通过显著性检验。整体来看,农户家庭存款、有价证券等流动性强的金融资产越多,应对不确定的支付能力相应越强,非正规借款需求越低。 (2)自有住房价值:在全样本中,农户自有住房价值(ln_housing)对农户正规借款需求的影响为负,且在5%的显著性水平上显著;而在满足正规借款需求子样本中的系数为正,未满足正规借款需求子样本中的系数为负,但均未通过显著性检验。这表明农户自有住房价值越高,农户进行正规借款的概率越小。全样本中,农户自有住房价值(ln_housing)对农户非正规借款需求的影响为正,但未通过显著性检验;而在满足非正规借款需求子样本中的系数为正,未满足非正规借款需求子样本中的系数为负,且均在5%的显著性水平上通过了显著性检验。总体来看,对于有非正规借款需求的农户来说,农户自有住房价值越高,非正规借款需求在“差序格局”的非正规金融体系中更容易得到满足。 (3)农户负债总额:在全样本中,农户负债总额(ln_debt)对农户正规借款需求的影响为正,且在1%的显著性水平上显著;而在满足正规借款需求子样本中的系数为正,未满足正规借款需求子样本中的系数为负,但均未通过显著性检验。这表明负债总额越大,农户进行正规借款需求的概率越高。依据莫迪利亚尼著名的生命周期理论,农户负债总额越高,农民面临的流动性约束越高,资金缺口越大,进而提高了其正规借款需求。在全样本中,农户负债总额(ln_debt)对农户非正规借款需求的影响为正,且在1%的显著性水平上显著;而在满足非正规借款需求子样本中的系数为正,未满足非正规借款需求子样本中的系数为负,但均未通过显著性检验。与由于扩大农业生产性投资可能产生的正规借款需求不同,农户非正规借款需求可能是由于家人生病等意外性支出造成,通过交叉对比农户正规借款需求和非正规借款需求的系数,总体来看,农户负债越高,进行非正规借款的概率越高,且比正规借款的概率更高。 (4)农户社会资本:在全样本和有正规借款需求子样本中,农户社会资本(通过各种方式相互问候过人数)的系数均不显著,说明社会资本对农户正规借款需求的影响并不显著。在全样本中,农户社会资本(通过各种方式相互问候过人数)对农户非正规借款需求的影响为正,在满足非正规借款需求子样本中的系数为正,未满足非正规借款需求子样本中的系数为负,且均在1%的显著性水平上显著。这说明社会资本对农户非正规借款需求的影响十分显著,对于有非正规借款需求的农户来说,社会资本显著增加了非正规借款得到满足的概率。这表明在关系型的社会中,以血缘、亲缘、宗族为纽带产生的社会资本是影响农户非正规借款得到满足的主要因素。 2.农户家庭特征 (1)家庭总收入:在全样本中,农户家庭总收入(faminc)对农户正规借款需求、非正规借款需求的影响均为负,且均在10%的显著性水平上通过统计检验。反映出农户家庭总收入越高,其应对不确定的能力越强,相应地,其正规借款需求、非正规借款需求也越低。 (2)家庭人均耕地面积:在全样本中,家庭人均耕地面积(avgland)对农户正规借款需求的影响为正,且在5%的显著性水平上通过统计检验。这可能是由于家庭人均耕地面积越多,农业生产性投资的需求越大,进行小额农户贷款等正规借款的概率越大。家庭人均耕地面积(avgland)对农户非正规借款需求的影响不显著为正,这表明尽管农户在自身积累财富和非农收入不足,扩大农业生产必须进行“外源融资”时,进行非正规借款的概率在下降,这可能是由于随着经济货币化的加速推进,非正规借款的“人情利息”仍然需要今后采取合适的方式相应的归还。 (3)户主年龄和家庭平均年龄:在全样本中,户主年龄(age_head)对农户正规借款需求、非正规借款需求的影响均为正,且分别在10%和1%的显著性水平上通过统计检验。显然,户主年龄越大,农业生产和非农就业的能力越弱,也难以进行外源融资,借款概率相应越低。 (4)家庭总人数:在全样本中,家庭总人数(population)对农户正规借款需求、非正规借款需求的影响均为正,分别是未通过统计检验和在1%的显著性水平上显著。家庭总人数越多,不确定性和意外支出越多,从而增加了农户借款概率,特别是增加了其非正规借款概率。 (5)户主是否接受过农业生产培训:在全样本中,户主是否接受过农业生产培训(agritrain)对农户正规借款需求、非正规借款需求的影响均为正,且均在1%的显著性水平上通过统计检验。这可能是因为户主接受过农业生产培训通过家庭农业分工协作和农业生产技能的“溢出”效益提高了农户农业生产能力,专业农户由于需要扩大农业生产产生资金需求,进而提高了其借款概率。 (6)是否有在校学生(student):在全样本中,是否有在校学生(student)对农户正规借款需求、非正规借款需求的影响均为正,分别是未通过统计检验和在5%的显著性水平上显著。这可能是因为具有在校学生的农户家庭,不确定性和意外支出增加了农户借款概率,特别是显著提高了农户非正规借款概率。 (二)稳健性分析 为了克服可能存在的内生性问题,表2分别采用当年是否盖房/买房(newhouse)和是否家人生大病或意外伤害(sick)作为农户负债总额的工具变量进行IV-Probit模型分析,一方面,这两个变量直接影响农户家庭的负债总额,满足相关性;另一方面,这两个变量并不直接影响农户是否进行借款,而是通过农户资产结构的重新配置间接进行,基本满足外生性。此外,表2还采用线性概率模型(Linear Probability Model,LPM)进行稳健性分析。 通过观察表2农户金融资产余额、自有住房价值、负债总额、社会资本四个农户资产结构变量,分别与表1交叉对比可以发现系数符号方向和大小基本一致,即农户金融资产余额越高、负债余额越高、自有住房价值越低,农户进行借款的概率越大;社会资本越多,农户非正规借款的概率越高。进一步地,线性概率模型的系数符号方向和大小与基准模型基本一致,这进一步确认了我们的分析结果。此外,农户家庭总收入、家庭人均耕地面积、户主年龄、家庭平均年龄、家庭总人数、户主是否接受过农业生产培训、户主性别等农户家庭特征变量系数符号方向与基准模型基本一致。 四 结论 农户借贷行为既是收入和消费的跨期最优配置,更是农户资产负债表的优化。考虑到当前文献在进行农户借贷行为分析中,对农户资产结构的研究不够充分的实际,本文利用CHIPS2008数据库的8000农户数据,在控制了农户家庭特征和村庄变量基础上,主要采用农户金融资产余额、自有住房价值、负债总额、社会资本四个农户资产结构变量对农户正规借款、非正规借款的影响进行分析。主要结论如下: 1.农户家庭存款、有价证券等流动性强的金融资产越多,其借款需求更容易得到满足。因此,要着力提高农户金融资产数量,增加财务抵押品占比,减少金融排斥。 2.农户自有住房价值越低,其正规借款需求越低;而对于有非正规借款需求的农户来说,农户自有住房价值越高,非正规借款得到满足的概率越高。政策含义是要加快推进农村土地制度改革,将农村土地价值盘活,从而进一步促进人口流动。 3.农户负债总额越高,进行非正规借款的概率越高,且比正规借款的概率更高。未来要进一步增加农村地区的金融供给,进行正规金融对非正规金融的适度替代。 4.社会资本对农户正规借款需求的影响不显著,但对农户非正规借款得到满足概率的影响显著为正。 5.家庭总收入越低、人均耕地面积越高、户主年龄和家庭平均年龄相对越低、家庭总人数越多、户主接受过农业生产培训、有在校学生农户的借款需求越高。 注释: ①西奥多·舒尔茨:《改造传统农业》,北京:商务印书馆,1987年。 ②Chayanov A.V.,The Theory of Peasant Economy.University of Wisconsin Press,Madison,1925. ③黄宗智:《长江三角洲小农家庭与乡村发展》,北京:中华书局,2000年。 ④李锐、李超:《农户借贷行为和偏好的计量分析》,《中国农村经济》2007年第8期。 ⑤金烨、李宏彬:《非正规金融与农户借贷行为》,《金融研究》2009年第4期。 ⑥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》,《金融研究》2011年第12期。 ⑦贺莎莎:《农户借贷行为及其影响因素分析——以湖南省花岩溪村为例》,《中国农村观察》2008年第1期。 ⑧胡枫、陈玉宇:《社会网络与农户借贷行为——来自中国家庭动态跟踪调查(CFPS)的证据》,《金融研究》2012年第12期。 ⑨张海洋、袁雁静:《村庄金融环境与农户创业行为》,《浙江社会科学》2011年第7期。资产结构与农民借贷行为:基于CHIPS 8000农户的实证研究_资产结构论文
资产结构与农民借贷行为:基于CHIPS 8000农户的实证研究_资产结构论文
下载Doc文档