我国农业贷款的精英俘获机制：贫困县与非贫困县的等级比较_分位数论文

中国农贷的“精英俘获”机制：贫困县与非贫困县的分层比较，本文主要内容关键词为：农贷论文,贫困县论文,中国论文,与非论文,机制论文，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。

      通过将中国农户信贷市场(下文简称“农贷市场”)中农户的主体决策、行为选择及其效应的过程置于社会、市场和国家的结构性框架中，审视其渊源、发展和演变，不难发现：一方面，内生于深刻而复杂的政治、经济和文化中的农户弱势心理在“农户直接面对国家”的社会结构中，异化为对国家的强依赖，形成寻求国家援助的惯性(陈雨露，2010)。而一系列带有政府“善意”和“善举”的农贷援助倾向均无法解决分散农户交易费用过高的问题，分散兼业的农户很难真正成为农贷市场的主体。另一方面，税费时代“去组织化”①的制度安排以及因宏观经济波动引发农村经济关系紧张，进而演变出“劣绅驱逐良绅”后(董筱丹、温铁军，2008)，乡村的良性治理生态受到破坏，精英的行为选择越来越偏离社区整体利益，使得乡村内部呈现大部分农贷资金被精英把控，造成“精英俘获”(仝志辉、温铁军，2010)，多数农户被“客体化”和“边缘化”，农贷市场分化加剧。

      农贷市场“精英俘获”机制的内涵在于，精英农户利用自身优势追逐利益，进而占有更多资源。这里的精英主要指村庄中有一定实力和关系而形成的较为富裕的农户。“精英俘获”是治理状况劣化的乡村在对接农贷资金时普遍发生的现象，它不仅是农贷资金在乡村内部难以公平传递的最重要原因，而且导致农贷政策目标偏离、过程扭曲和实施错位。随着大量的农贷资源开始反哺农村，精英率先求偿、优先受益的利益要求大量侵蚀公共利益空间(温铁军、杨帅，2012)，进而导致农贷资源“内卷化”②的发生。事实上，统计数据已部分揭示出农贷市场存在的“精英俘获”现象。贫困农户从金融机构得到贷款的比重(不包括扶贫贷款)在逐年减少，2010年从银行或信用社得到贷款的贫困户占全部农户的2.0%，比2007年下降了1.3个百分点。以扶贫贷款为例，当年扶贫贷款发放对象一般是参考上年人均收入水平，主要发放给中低收入人口。但2010年只有20.6%的扶贫贷款发放给上年人均纯收入低于2000元的农户，有38.2%发放给了人均收入在2000元至3000元之间的农户，有19.8%发放给了上年人均纯收入在3000元至4000元的农户，有21.4%发放给了上年人均纯收入高于4000元的农户。与上年相比，贷款给上年人均纯收入低于3000元的农户比例下降，高于3000元的农户比例上升(中国农村贫困监测报告，2011)。

      自上世纪90年代以来，乡村精英逐渐成为农村问题研究中一个独立的研究对象。具体而言，精英会利用信息失真俘获他们所偏好的各类项目，最终达到精英阶级的效用最大化而不是贫困户的效用最大化(Platteau & Somville，2009)。D.Exelle & Riedl(2008)实证研究了社区发展中的“精英俘获”和“社会排斥”(social exclusion)，发现信息在资源配置和监管中极为重要，监管的无效性会导致社区的经济资源被精英所俘获。Prinsen & Titeca(2008)通过对乌干达的调查发现，非洲公共资源管理基本无效的重要原因是“精英俘获”的广泛存在。Chowdhury & Yamauchi(2010)基于对印度尼西亚的入户调查发现，在权力下放背景下，基础设施建设项目通常被精英所把控。Beath,et al.(2011)在阿富汗进行了250个村的调查后发现，精英在扶贫项目的支配上起决定性作用，但他们尚无法影响村委会的整体行为和态度。Alatas,et al.(2013)利用印度尼西亚的非实验数据研究了“精英俘获”对于福利分配的影响，发现“精英俘获”会造成资源配置错位和福利损失，消除“精英俘获”会使社会福利水平上升大约1%。也有学者提出通过反精英(counter-elite)和增选精英(co-optelite)等机制设计来应对“精英俘获”，进而保障穷人的权利(Wong，2010)。

      理论界还讨论了村庄精英的结构、精英在村委选举和乡村治理中的角色，以及精英流动与村庄权利的更替。徐勇(1997)继承了费孝通的“双轨政治”思想中对于“乡政村治”的实践，认为精英扮演了上级政府“代理人”和村民“当家人”的“双面角色”。但这种“双面角色”只不过是社会对精英理想角色的期待，精英通常在国家与农民两者之间摆平衡、踩钢丝(吴毅，2002)。金太军(2002)认同贺雪峰(2001)关于乡村精英“治理和非治理”的二分法框架，但认为治理精英本身包含非治理精英，因此把精英划分为体制内精英和体制外精英，后被大多数学者采用。在市场改革中，最主要的受益者还是体制中的政治精英，他们利用手中的政治和社会资本在自身角色转换中谋求更大的利益，其中精英更替是精英集团内部的变化，当然也可能在精英集团内部输入日益增多的新生力量(Nee，1996)，精英集团既存在循环，也存在再生(孙立平等，1994)。在讨论“精英俘获”的文献中，学者主要关注扶贫项目和合作经济组织的目标偏离、过程扭曲和实施错位。扶贫项目目标偏离的关键原因在于，项目区内外力量的互动、参与式发展悖论、农村社会分化、项目信息不对称、参与权力的不均衡配置和项目的门槛效应导致的“精英俘获”(邢成举、李小云，2013)。此外，我国农民专业合作社发展中也呈现普遍的“精英俘获”现象，具体表现为领办人控制严重、股权集中和“大农吃小农”，严重偏离了合作社“民有、民管、民受益”的原则(梁剑峰、李静，2015)。

      现有关于“精英俘获”机制的分析在一定程度上揭示了乡土社会正在发生的变化，同时也涉及到乡村治理和运行中的理论和实践问题，对相应的制度安排提供了宝贵的思想材料。但既有文献主要致力于揭示“精英俘获”、“富人治村”及“扈从关系”等乡村治理问题，所得出的结论发轫于学者对现实进行的经验分析并得出的感性表述或推测。而且，这些讨论没有对精英俘获信贷资金的问题给予专门的关注，因此农贷市场的“精英俘获”机制并未得到充分揭示。实际上，无论是讨论扶贫项目、基础设施建设、公共管理、村委选举还是农户信贷中的“精英俘获”机制，无外乎是精英农户追求自身利益最大化的结果，甚至可称之为经济学研究中的人类追逐财富的欲望所产生的后果。在这一层面上，本文在这种特定假设下形成的分析，以揭示中国农贷市场的“精英俘获”机制及其程度和范围，反映了中国农村地区的“精英”及上层建筑的真实状态，并且基于理论对现实展开的政策讨论，或许能产生更深刻的认识。本文的后续设计如下：首先，本文拟搭建一个揭示当前农贷市场“精英俘获”机制的理论模型，为后续研究提供一个逻辑起点。其次，利用两阶段最小二乘回归和工具变量分位数回归进行实证研究。然后，在县域层面上进行“贫困县”和“非贫困县”的分层比较。最后，结合理论与实证分析，形成研究结论和政策启示。

      二、理论分析

      本文借鉴Platteau & Somville(2009)的分析框架，③考虑精英农户和一般农户的主体决策、行为逻辑及其产生效应的过程，从理论上探讨农贷市场的“精英俘获”机制。首先，本文做如下假设：

      假设1：精英主要指“经济精英”，亦即农村中家庭总收入较高的群体。④

      假设2：精英并不是一个严格范畴，何种收入水平定义为精英，视各县、乡、村具体情况而定。

      假设3：农户信贷作为具有优惠性质的反哺资源，是“僧多粥少”的，不考虑需求不足的情况。因为农贷一般带有政府的“善意”和“善举”，有的甚至是“赦债”。

      本文把农贷市场的主体简单地划分为两类，一类是资金需求者，由维持和扩大生产的一般农户(peasant group，简记P)和有一定实力和关系而形成的较为富裕的精英农户(elite group，简记L)两部分组成；另一类是资金供给者(supplier，简记S)，他们将提供农贷资金(fund，简记F)。本文用θ表示精英农户获得的农贷资金占整个农贷资金的比例，其中θ∈[0，1]。

表示精英农户期望的θ，

表示一般农户期望的θ。此时可以写出一般农户和精英农户的效用函数。

      精英农户的效用函数为：

      

      由于一个隐含的条件是农贷资金是“僧多粥少”的，当然供给者希望发生借贷之后的效用高于不发生借贷的效用，那么不发生借贷的效用是供给者的次优效用，用

表示。此时有：

      

      上式中4种情况可由图1较为直观地表示。

      

      图1 农贷市场供给者提供信贷资金的概率分布

      为了求解精英农户的效用最大化的问题，需要分以下4种情况对θ进行分类讨论。

      

      (4)在其它情况中，当

，借贷发生的概率随θ的增大而增大，同时精英的效用也随着θ的增大而增大，因此会选择尽可能大的θ值。

      

      至此，本文以效用函数为逻辑起点搭建了一个揭示农贷市场“精英俘获”机制的理论框架，对精英农户和一般农户的主体决策、行为逻辑及实现过程予以了理论解析。分析表明，农贷市场存在“精英俘获”，但并非必然现象，是一定条件约束下精英农户追逐利益、占有更多资源以及供给方节约交易成本、规避风险的结果。那么，中国农贷市场在何种程度、何种范围内存在怎样的“精英俘获”机制呢？在下文中，本文将利用全国10省区的调查数据进行实证研究。

      三、样本选择、变量设定与描述性统计

      1.样本选择

      样本数据源于中国人民银行联合国家统计局在全国开展的针对农户借贷需求的专项调查问卷，调查问卷涉及吉林、福建、安徽、内蒙古、贵州、江苏、河南、四川、湖南、宁夏10个省份(区)，共抽取263县、2004村、20040户，共获取20040家农户的有效样本。调查按“每省200村，每村10户”进行抽样，共调查2004村(其中河南样本村204个)，样本村是由国家统计局按对称等距方法抽出，样本数据由人民银行于2009年公布，是截面数据。⑤为进一步提高数据的准确性与科学性，本文在调查数据基础上进行了样本清洁处理。⑥

      2.变量设定

      由于本文实证分析选取了较多变量，为了避免存在多重共线性或相关性影响系数的显著性，本文遵循选取具有代表性的一个变量或不相关的两个变量原则。实际上，本文在模型设定前已经做了解释变量间的相关性和共线性检验，所有解释变量之间均不存在高度的共线性和相关性。同时考虑到调查问卷收集数据的宝贵性，本文没有轻易放弃任何一个变量，当然也就不存在丢掉一些变量后剩余变量系数可能存在的严重估计偏误。本文的被解释变量是农户借贷资金(LNLO)，其反映了农户家庭一年内获得的借贷资金总额，主要指农户获得的利率(即贷款价格)具有一定优惠性质的贷款，而正是由于这种优惠性质的存在，才会产生“精英俘获”。本文把解释变量划分为农户特征变量、农户经济能力变量和农户金融条件变量。在农户特征变量中，考虑了农户家庭常住人口(NUMB)、劳动力占比(LABA)、劳动力平均年龄(AAOL)、最高受教育程度(EDUC)和土地耕种面积(ARAL)。本文将农户家庭是否有人外出务工(MIGR)作为工具变量，由于考虑了农户家庭总收入的内生性，因此在下文“工具变量的选取”中，本文将着重描述该变量。本文在考虑了农户家庭总收入(LNIN)、出售农产品现金占比(AGRI)和是否有储蓄存款(SAVE)之后，把农户的金融条件作为考察的因素，认为离最近金融网点距离(DIST)、金融信息⑦(KNOW)将影响农户的“信贷可及性”。此外，所使用的数据主要来自直接调查的样本数据和根据调查数据计算的间接数据，⑧详细的变量描述与定义参见表1。

      

      3.描述性统计

      本文将样本数据划分为了贫困县和非贫困县，各变量的均值、标准差、最大值、最小值和观测数见表2。代表农户家庭特征的大多变量并无明显差异，但贫困县农户的平均实际耕种面积达到19.587亩，而非贫困县仅为12.049亩，这种差异在一定程度上是因为不同地区农户的农业生产经营方式不同。同时，贫困县农户实际耕种面积标准差高达27.988，而非贫困县该值为17.509，这或多或少揭示了贫困县农户的资源禀赋差距明显高于非贫困县。

      

      四、实证研究

      1.估计方法

      传统的工具变量法一般通过两阶段最小二乘法(2SLS)⑨来实现。所谓的两阶段实际上是两个回归，第一阶段分离出内生解释变量的外生部分：

      

      在本文中X=(NUMB，AAOL，EDUC，LABA，ARAL，LNIN，SAVE，AGRI，DIST，KNOW)，Z=MIGR，y=LNLO。

      线性回归模型是简单的均值回归，无法揭示解释变量x对整个条件分布y｜x的影响。为了能够提供条件分布y｜x的全部信息，本文通过估计条件分布y｜x的若干个重要的条件分位数，⑩得到不同的分位数函数。进一步，本文选用包含工具变量的分位数回归模型(IVQR)，形式如下：

      

      其中δ(·)表示一个未知形式的函数，X是模型中所有变量组成的矩阵，Z是工具变量矩阵，V向量由一系列不可观察变量构成。本文假设工具变量分位数回归服从如下线性模型：

      

      2.模型内生性的讨论

      农户获得借贷资金的数量与农户收入可能互为因果，这在一定程度上会导致上述模型设定存在内生性问题。具体来讲，收入较高的农户可能得到更高的农贷资金，这是本文关心的因果关系。然而，农户的收入也可能受到获得的农贷资金的影响。譬如，获得农贷资金保证了农户维持与扩大生产，进而提高农户收入。总之，无论是上述哪种情况，都在一定程度上导致本文无法准确判断农户收入对农户借贷资金的影响。当然，就其余导致内生性的因素而言，由于影响被解释变量的因素往往很多，考虑数据的可得性，任何实证研究中几乎总是存在遗漏变量。影响农户获得农贷资金的主、客观因素较多，本文尽量把更多因素纳入考虑范围之内。并且，农户获得农贷资金中存在的测量误差不可避免，但本文使用的样本数据源于中国人民银行联合国家统计局在全国范围开展的针对农户借贷需求的专项调查问卷，具备了较高的准确性与科学性，测量误差相对较小。

      3.工具变量的选取

      为了解决模型内生性问题，本文拟在回归模型中引入工具变量。采用农户是否外出务工(MIGR)作为工具变量，较好地解决了模型的内生性问题。工具变量需要满足相关性和外生性条件。具体来讲，农户家庭是否有人外出务工会对农户的工资性收入产生显著影响，不难推断外出务工与收入正相关。此外，我们认为，农户家庭是否有人外出务工并不会直接影响农户获得农贷资金。但出于科学研究的严谨性，还是考虑了农户是否外出务工(MIGR)通过家庭总收入(LNIN)之外的途径影响被解释变量——借贷资金(LNLO)，致使其并非完全外生，例如农户的务工性收入对农贷资金有一定的替代作用。为此，在计量模型中引入出售农产品现金占比(AGRI)、劳动力占比(LABA)和是否有储蓄存款(SAVE)等一系列控制变量。

      4.分层比较的设计

      中国农村问题之复杂，乡土社会区域差别之大，对本文选择一个“价值中立”的分析窗口提出了较高的要求。在这种要求下，借鉴了“自然实验”中“对照组”的思想，提出了使用贫困县和非贫困县分层比较的研究方法。(11)进一步讲，县域包含广大农村地区，是统筹城乡经济社会发展的结合点，但县域之间的发展极不平衡，不同经济发展水平县域的农户存在明显差异，有必要加以区别进行讨论。因此，基于不同县域农贷市场划分总体样本，不仅能从回归结果中获取更多信息，并且也更符合现实。

      5.统计检验

      (1)解释变量的内生性检验

      对于贫困县而言：“Hausman检验”的

(1)统计量为23.95，其p值为0.0000，可以在1%的显著性水平上拒绝“所有解释变量均为外生”的原假设，初步认为农户家庭总收入(LNIN)为内生解释变量。进一步，本文进行异方差稳健的DWH检验。“Wu-Hausman F检验”的统计量F(1，1952)值为23.79533，其p值为0.0000；“Durbin-Wu-Hausman统计量”为23.65327，其p值为0.0000。另外，内生性检验的

(1)统计量为22.124，其p值为0.0000，接近于“Wu-Hausman F检验”结果。因此，本文认为贫困县农户家庭总收入(LNIN)为内生解释变量。

      对于非贫困县而言，“Hausman检验”的

(1)统计量为59.45，其p值为0.0000，可以在1%的显著性水平上拒绝“所有解释变量均为外生”的原假设，初步认为农户家庭总收入(LNIN)为内生解释变量。进一步，本文进行异方差稳健的DWH检验。“Wu-Hausman F检验”的统计量F(1，4281)值为60.27402，其p值为0.0000；“Durbin-Wu-Hausman统计量”为59.60379，其p值为0.0000。另外，内生性检验的

(1)统计量为55.403，其p值为0.0000，接近于“Wu-Hausman F检验”结果。因此，本文认为非贫困县农户家庭总收入(LNIN)为内生解释变量。

      

      (2)工具变量的外生性检验和相关性检验

      对于贫困县而言，不可识别检验显示，“Kleibergen-Paap rk LM统计量”为14.577，其p值为0.0001；“Anderson LM统计量”为15.781，其p值为0.0001。故强烈拒绝不可识别的原假设。弱工具变量检验显示，“Cragg-Donald Wald F统计量”为15.820，“Kleibergen-Paap rk Wald F统计量”为16.429。两个统计量均接近10%显著性水平下的临界值(10% maximal IV size：16.38，15%maximal IV size：8.96)，因此本文的工具变量在15%显著性水平下不是弱工具变量。

      对于非贫困县而言，不可识别检验显示，“Kleibergen-Paap rk LM统计量”为6.728，其p值为0.0095；“Anderson LM统计量”为6.994，其p值为0.0082。故强烈拒绝不可识别的原假设。弱工具变量检验显示，“Cragg-Donald Wald F统计量”为6.987，“Kleibergen-Paap rk Wald F统计量”为6.723。两个统计量均远大于20%显著性水平下的临界值(20% maximal IV size：6.66)。

      

      图2 非贫困县分位数回归中各解释变量系数

      6.稳健性检验

      本文除了考虑农户家庭特征、经济能力和金融条件外，默认农户接受、处理和理解金融信息的能力是一致的。当然，农户受教育程度的差异将直接导致农户金融知识水平的不同，获得金融知识及处理信息的能力也不同。因此，本文以农户家庭成员是否接受过九年义务教育作为划分依据，将不同县域的农户样本数据进一步划分为“受教育程度较低”和“受教育程度较高”两个子样本。检验结果(备索)表明，对非贫困县而言，随着分位数的增加，受教育程度较低子样本中农户家庭总收入(LNIN)在各分位点的系数分别为-5.559、9.596、12.374、35.194、16.952，受教育程度较高子样本中农户家庭总收入(LNIN)在各分位点的系数分别为2.094、3.296、8.799、16.040、3.612；对贫困县而言，随着分位数的增加，受教育程度较低子样本中农户家庭总收入(LNIN)在各分位点的系数分别为-1.876、-1.564、-2.055、-1.469、-3.354，受教育程度较高子样本中农户家庭总收入(LNIN)在各分位点的系数分别为-2.665、-2.091、-2.621、-1.503、0.457。从表4看，主要解释变量的估计结果、显著性水平及相关统计检验结果与基准回归结果(见表3)相比并未发生较大变化，说明本文的估计结果是稳健的。

      

      图3 贫困县分位数回归中各解释变量系数

      五、计量结果及分析

      1.非贫困县回归结果分析

      基于贫困县和非贫困县分层比较的回归结果(OLS、2SLS、IVQR)如表3。首先，本文把最富裕的那部分精英农户分离出来，基于两阶段最小二乘回归揭示农贷市场的“精英俘获”机制；然后进一步使用工具变量分位数回归更深入了解“精英俘获”机制的内涵。在回归模型中，农户家庭总收入(LNIN)为本文最为关心的变量(parameter of interest)，同时本文也对农户家庭最高受教育程度(EDUC)、农户家庭人口(NUMB)和农户耕地面积(ARAL)等控制变量予以讨论。

      对非贫困县而言，本文分离出家庭总收入前10%农户子样本、前15%农户子样本、前25%农户子样本和前50%农户子样本，对其分别作了两阶段最小二乘回归，发现其家庭总收入(LNIN)对获得信贷资金的影响系数分别为27.081、28.413、14.197、14.170；全样本系数为7.548。在工具变量分位数回归中，本文选取了10%分位点、25%分位点、50%分位点、75%分位点和90%分位点，家庭总收入(LNIN)对获得信贷资金不同分位数的影响系数分别为3.089、3.651、9.405、26.103和14.172。由两阶段最小二乘回归结果看，收入前10%农户子样本的系数27.081高于前25%农户子样本的14.197与前50%子样本的14.170，远远高于全样本的7.548。由工具变量分位数回归结果看，农户家庭总收入对农户借贷资金的条件分布的高端影响远大于对其中间部分和低端的影响。这些实证结果均表明“精英俘获”机制正泛滥于非贫困县农贷市场中。实际上，家庭总收入较高的农户作为村庄中代表乡绅和宗法家族势力的经济精英，在农贷资金进入乡村节约交易成本的客观要求下，成为制度与市场的双重依托。在制度层面，与农贷相关的地方政府配套制度、压力型体制下农村金融机构的绩效考核制度、地方政府部门对农户的帮扶制度、项目工程建设招标和议标等制度都存在不切实际或不合理之处，精英通常能够利用这些制度漏洞获得额外的利益。在市场层面，资本“爱富嫌贫”的本质要求农贷资金由精英来承接，这种要求自觉或不自觉地鼓吹精英成为市场中权力的中介，为精英农户瓜分农贷市场利益提供了可能，并且逐渐演变为事实。同时，农贷资金供给者持续经营的原则需要农户提供足额的抵押品，实则已经为农贷设立了“门槛”，在此过程中或多或少地排斥作为“低端客户”的农户，遂使农贷市场多数农户被“客体化”和“边缘化”，农贷市场分化加剧。

      从其他方面来看，解释变量农户家庭最高受教育年限(EDUC)、劳动力占比(LABA)、金融信息(KNOW)、出售农产品收入占比(AGRI)、家庭常住人口(NUMB)、实际耕地面积(ARAL)、是否有储蓄存款(SAVE)的分位数回归均呈现出逐步下降的趋势。可见，随着农户人力资本的形成，不仅没有促成农户获得更多的农贷资源，反而起到抑制作用。而耕种面积较大的佃农也没有获得更多的农贷资金，实际上，农户耕种面积越大，越难获得农贷资金，其维持与扩大再生产的农耕行为能否得到必要的资金保障，还难以确定。当然，这不仅因为农贷资源被乡村精英所俘获，更是当代发生且泛滥于农贷市场的“劣绅驱逐良绅”的必然后果。其结果致使了农贷市场形成“劣化规律”，农贷资源最终只服务于村庄中少数人的私人利益，这进一步侵蚀了农民享受带有政府“善意”和“善举”的农贷援助的权利，制约了全面小康建设，也是国家治理体系现代化进程中的“绊脚石”。从农贷制度变迁来看，以“圈层结构”波浪向外的农贷很难打破这种由资源禀赋差距引致，并代际传递的利益与阶级的固化，其对合理优化配置农贷资源提出了现实要求。

      2.贫困县回归结果分析

      对贫困县而言，本文同样分离出家庭总收入前10%农户子样本、前15%农户子样本、前25%农户子样本和前50%农户子样本，并分别作了两阶段最小二乘回归，发现其家庭总收入(LNIN)对获得信贷资金的影响系数分别为-25.659、63.535、15.371、6.551，但均不显著；全样本系数为-2.635。在分位数回归中，本文选取了10%分位点、25%分位点、50%分位点、75%分位点和90%分位点，家庭总收入(LNIN)对获得信贷资金的影响系数分别为-1.999、-1.868、-2.145、-2.229和-0.910。这表明，贫困县农贷市场并不存在明显的“精英俘获”机制。同时，解释变量农户家庭最高受教育年限(EDUC)、劳动力占比(LABA)、金融信息(KNOW)、出售农产品收入占比(AGRI)、家庭常住人口(NUMB)、实际耕地面积(ARAL)、是否有储蓄存款(SAVE)的分位数回归图近乎一致，均呈现出先增加，然后趋于稳定。这在一定程度上表明，贫困县农贷资金并未被精英群体大量获得，贫困县农贷市场在某种程度上兼具了正义性与公平性。诚然，农贷资金是打破贫困恶性循环的关键，但当贫困县中贫困人口绝对数量和相对数量下降时，亦即贫困县脱贫之时，是否会出现类似非贫困县农贷市场的“精英俘获”机制？若否，恐怕也需要农贷市场监管机制、分配机制等良性引导，更需要依托以市场为导向的普惠金融体系的建立。

      中国农贷市场的制度、结构和功能的完善不仅取决于从国家到农户自上而下的决策、行为及其产生效应的过程，也取决于乡土社会中“精英俘获”的现实。否则，奢谈中国农村金融市场的变革、调整，不过是一场徒劳(张杰，2004)。为此，本文搭建了一个揭示农贷市场“精英俘获”机制的基本框架，采用两阶段最小二乘回归和工具变量分位数回归方法，利用全国10省区的调查问卷数据，分层比较了贫困县和非贫困县农贷市场的“精英俘获”现象，结果发现：贫困县和非贫困县农贷市场“精英俘获”机制差异明显。贫困县农贷市场尚不存在明显的“精英俘获”机制。贫困县收入较高的精英农户并不能获得较多的农贷资金，出售农产品收入占比较高、家庭劳动者人数较多、耕种面积较大的一般农户能够获得较多的农贷资金。但“精英俘获”机制泛滥于非贫困县农贷市场，使得农贷市场结构扭曲、功能错位、目标偏离。非贫困县收入较高的精英农户获得大量农贷资金，而受教育程度较高、出售农产品收入占比较高、家庭劳动者人数较多、耕种面积较大的一般农户反而难以获得农贷资金，非贫困县农贷市场的公平性与正义性正遭受考验与挑战。

      纵然，农贷资金需要寻求节约交易成本的主体与其对接，但若无法有效缓解农贷市场中的“精英俘获”，再多的“涉农贷款”也注定无功而返。从长远看，本文提供了如下启示：(1)利益与阶层的固化加剧了农贷资金的分配不公与农民内部收入差距的扩大，制约了全面小康建设，亟需在渐进式农村金融改革的基础上建立普惠金融体系。(2)我国农贷市场的制度变迁主要服从于国家经济发展战略，近些年来，农贷市场服务“三农”的总体水平虽有大幅提升，但不同县域层面农贷市场的差异已多方位显现，亟待纵向穿透的结构调整，淡化精英在农贷市场中的权力中介地位，但同时切忌“一刀切”。(3)农贷市场的“精英俘获”反映了国家治理体系在市场中遇到的考验与挑战，要从根本上实现全面深化改革国家治理体系和治理能力现代化的总目标，必须在经济、社会、历史、政治和文化等诸多方面，厘清精英与农户、组织、企业、政府以及国家在村庄治理、市场参与和农村发展中的关系，各方协同、公平共进。

      ①表示中国部分农村地区日益原子化的趋势性变化，许多村庄共同体已经解体；村庄的公共空间被肆意切割，农民很难组织有益的生产生活，人际关系不断疏远。

      ②农贷市场在到达某一阶段后，其促进农业农村发展及农民增收的效应逐渐减弱，即农贷的边际效益递减，称之为“内卷化”。

      ③Platteau & Somville(2009)研究了扶贫项目中因为信息扭曲而形成的“精英俘获”机制。

      ④取消“村提留”和“义务工”之后，村委会逐渐失去了资源提取的制度保障，其组织农民的能力大为弱化。在这种局面下，乡镇只能选择有经济实力的人来任村干部(周建明和束方圆，2014)。同时，拥有较高社会资本(尤其是政治资本)的农户，其收入水平较高(周晔馨，2012；程名望等，2015；温涛等，2015)。

      ⑤样本农户中外出务工现象比较普遍，约0.7人/户，人均外出务工8.4月/年。样本农户的农业收入占比较大，多以传统的种植业生产为主。户均耕地面积8.4亩，出售农产品现金收入在农户家庭总收入中占36.3%，出售种植业产品收入占56%。样本农户中较大部分接受了初、高中教育，具有掌握农业基本技能的素质。51.6%农户家庭的主要劳动力受教育程度为初中，受教育程度在高中及以上的占37.7%，受教育程度为小学及以下的占1.8%。样本农户中，发生资金借出的农户有3785户，发生资金借入的农户有10693户，资金借入渠道包括了农村信用社、亲戚朋友、国有商业银行、贷款公司、邮政储蓄、合会、乡村干部、工商业主、国际项目、资金互助社、村镇银行等。

      ⑥主要通过数据逻辑对调查结果的奇异值和缺失值进行处理。

      ⑦具体来讲，金融机构贷款甄别机制的不健全可能会向借款人传递有偏差的市场信号，可能使农户成为“无信心借款人”，导致借贷者误认为自己不能获得贷款而放弃申贷的努力。本文使用农户是否知道农信社的小额贷款来衡量。

      ⑧其中直接调查数据主要包括家庭常住人口、劳动力平均年龄、最高受教育程度、家庭总收入、储蓄存款等，间接计算数据主要包括出售农产品现金占比、劳动力占比等。

      ⑨由于两阶段最小二乘回归和工具变量分位数回归的方法已经比较成熟，本文只简要介绍其思路。

      ⑩通常使用四分之一分位数(lower quantile)、中位数(median)、四分之三分位数(upper quantile)。

      (11)国家级贫困县，又称国家扶贫工作重点县，目前共有592个，其资格经国务院扶贫开发领导小组认定。

标签：分位数论文;  回归模型论文;  工具变量论文;  检验统计量论文;  解释变量论文;  贫困问题论文;  贫困县论文;