对中国农业信贷约束的检验，本文主要内容关键词为：信贷论文,中国农业论文，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
信贷资金，或广义上包括了储蓄和保险在内的金融中介机构，在很长一段时间内被认为是克服风险和增进投资效率的重要因素（Besley，1995）。具体而言，金融在有利于经济中个体农户和农村发展方面的优势已经有了很多研究（Adams，1984a）。基于这一观点，很多国家采取了低息的信贷政策，用提供利率补贴将正规信贷引导到农村家庭中，以促进农业生产和降低贫困。然而，许多研究者质疑这种政策的有效性，并通过实证研究检验这些政策的效率（Adams,1984b; Feder et al.,1990; Petrick,2004; Sial and Carter,1996; Taylor et al.,1986）。这些研究的结果显示，若存在高的影子利率（shadow rate）或家庭消费生产决定的独立性，信贷市场存在潜在的无效率。
中国作为一个人口众多的发展中大国，在农业发展上面临着许多重大的压力。中国同样采取过低息的信贷政策，在这种政策下，高度管制的利率常常低于市场利率，有时甚至低于通货膨胀率。和利率相似，金融市场上的参与者也同样受到政府管制。1993年起的一场重要的金融体系改革建立了信贷市场今后发展的结构，并在农村金融机构间重新分配了其信贷市场份额。因此，正规的信贷提供者——中国农业银行（ABC）和农村信用合作社（RCC）显著地撤回或削减了他们在农村地区的业务（见表1）。
表1 短期贷款来源类型的分布（1994年，％）
贷款来源贷款笔数 消费 投资
生产资本 投资+生产资本 其他
非正式
正式 353 94.16
88.8980.99 81.25 100.00
缺失 40
5.119.5214.88 18.750.00
8
0.731.59 4.13
0.000.00
10
合计 411 100.00 100.00
100.00 100.00 100.00
数据来源：根据世界银行1995年的农户调查计算而来。
利率的降低和正规金融服务的减少似乎预示着，中国农村信贷市场上将会出现与信贷配给相一致的过度需求和不足供给。本文的主要目的在于从实证上检验和测量中国农村信贷约束的影响。文中的数据来自于世界银行1995年农户调查取得的横截面数据，主要是1994年的农户生产的相关信息。
本文的方法论取自先前一些静态农户家庭模型的贡献。本文主要参考了Ferder等人（1990）的研究，其中，他们检验了在一段时期内中国农村信贷和生产力的关系，并被认为是基于具体调查数据估计精炼型的产出供给方面最值得参考的文章。同时本文还与Sial和Carter（1996）关于信贷市场失灵的计量分析中测量的“资本的影子价格”的研究有关。
本文所提供的信息暗含在对中国农业部门的实际应用中以及农户紧急需要下贷款的可得性中。该信息来自农户调查中特定问题的设定，并提供了中国农村自给自足的经济环境下储蓄、信贷和保险之间的关系。
本文的结构如下：第二部分提供了中国农业部门和农村信贷市场的背景信息，第三部分是本文的理论分析，第四部分则展开实证研究，第五部分报告了文章的实证结果，最后一部分则总结全文。
二、中国农村金融市场的背景
1993年进行的金融改革是中国正规金融体系发展的一个分水岭。1993年前，农村信用合作社（RCC）和中国农业银行（ABC）是农村金融部门中最主要的正式机构。1993年后，中国农业银行作为国有企业，被指令进行了以利润导向的市场化改革，逐渐成为商业银行。在“大银行、大都市和大产业”的战略导向下，中国农业银行逐渐撤出了农村市场并缩减了其在农村地区的分支机构。
农村信用合作社是唯一的一个分支机构达到村一级的金融机构，原本它是作为一个合作组织而建立的，但是最后却未能达到其最初的目的。事实上，正如Xie（2003）的研究所指出的，“农村信用合作社应被更准确地定义为在中国农村地区的、小规模的、以地方为基础的准国有银行”。自从五十年代建立至今，它更多地受到来自国有银行或地方政府的监督，而股权不够分散以及缺乏股东的治理。因此，即使农村信用合作社未被要求像国有银行那样改革，它也依然受到了影响并减少对个体农户提供信贷资金。
在中国政府高度管制其金融市场的同时，所有的借贷利率被政府固定，只根据贷款种类有极小变动。1994年，实际实施的一年期农业贷款利率为10.98％，远低于1994年的通货膨胀率24.1％，然而这一低利率信贷并没有受到农户的欢迎。另一市场参与者——非正规金融部门用零利率极大地冲击着信贷市场。非正规金融部门在中国农村存在已久。在政策改变造成市场真空后，非正规金融拥有更大的空间。最普遍的非正规信贷的来源是亲戚和朋友，这可能可以解释零利率的现象。
三、理论框架
能否利用资本市场会导致农户生产和消费行为的显著不同。吸取了关于农户模型的现存文献（Singh et al，1986），本文的这一部分将阐明信贷获得如何使生产性消费性决定分离或不可分离，这同时也构成了后文实证分析中使用方法的理论基础。
（一）完全信贷市场的情形
图1描述了农户在能够利用完全的信贷市场时对可支配资源的跨期选择。当期消费和未来消费分别用横轴和纵轴表示。Y
表示农户的生产可能性曲线，AB表示农户面临的预算约束线，其斜率为－（1＋r），r为利率。
图1 农户在完全信贷市场情况下的两阶段生产模型
假设资本市场是完美的且可获得的①，农户的最优生产计划在点B，市场机会线与生产可能性曲线相切于该点，即市场利率与农户的内在生产回报率相等。这一生产决策仅依赖于生产可能性曲线的形状和市场机会线的斜率，并与农户的偏好或负债结构不相关。在这一点上，个体农户将Y－Y[,t]用于生产以在未来一期获得Y[,t＋1]的产出。同时，对于一个追求效用最大化的农户，将会沿着市场机会组合AB向下移动到点C，在该点达到其可达到的最高的市场机会线，为其消费计划提供了一个效用最大化的解。在点C，农户调整其消费，在当期借C－Y个单位，将来归还Y[,t＋1]－C[,t＋1]个单位。
在这个基本的情形下，我们可以看出，在可以获得完美资本市场时，个体农户得以将其生产和消费决策分离，从而产出仅受生产函数影响。因此我们可以作出这样的实证预测：当不存在信贷约束时，农户的产出供给仅仅被生产要素所决定。
（二）不完全信贷市场的情形
当农户没有渠道进入信贷市场时（见图2），生产可能性集合就变成了对农户选择的相对限制，此时，农户的效用最大化的解在点A，在该点，生产可能性曲线与可达到的最高效用无差异曲线相切，消费和生产被同时决定。在这个情形中，农户生产依赖于对时间的偏好，暗含着产出同时受生产函数和效用函数的影响。因此这个情形下可以得到的预测是：信贷约束下的产出供给同时被生产要素和其他影响农户最大化效用的因素所影响，例如人口特征等。
图2 农户在无法进入完全信贷市场情况下的两阶段生产模型
上述观察形成了检验的基础。如果产出不仅受生产要素的影响，还会受流动性和效用的决定因素的影响，这就证明了具有约束力的信贷约束的存在。
四、实证分析
（一）受信贷约束农户的类型
基于理论分析，我们期望看到信贷约束不同时产出决定的因子不同。然而，超额信贷需求（信贷需求减去信贷供给）无法被直接观察。因此，如之前一些文献那样，我们使用一些可观察的标准来反映信贷条件。
在现有的许多研究中，标准是这样选取的：询问借款者能否借到他们所希望的数量；对于不借款者，询问为何他们不寻求借款。那些无法借到他们所需数量的个人，以及那些因为害怕被拒绝而不借款的个人，被认为是受到了信贷约束的，否则就被认为属于没有受到信贷约束（参见Feder,1990,P.1153; Petrick,2003,P.86）。
另外一个标准是基于观察样本的借款—非借款状态（Sial & Carter）。不过，这个标准由于暗含所有的借款者和非借款者关于他们借贷供给／需求状态的同质性假设而受到批评。对于很多农户来说，他们不借贷是因为他们事实上拥有的资源具有足够的流动性，或者因为他们中的一些人没有良好的信用（Feder，1990）。此外，对于借款者来说，他们同样可能受到约束，因为他们很可能借不到希望的数量。
理想地，我们希望采用第一套标准。但是，调查中并未包括这些信息。所以我们采取另一个替代标准，也可近似地反映信贷的可获取程度② 。正如表2中所显示10.67％的农户受到严重约束，88.82％受到弱约束，0.13％的农户缺失（会自动从数据库中剔除）。这个标准使得我们能够将样本分成两种情形。
（二）数据描述
本文的研究基于世界银行1995年7月于中国河北省以及辽宁省（中国北部及东北部）的调查数据，包括31个村庄中的787个农户。调查对象并非来自一个明确定义的总体中严格随机抽取的样本，某些“主要村庄”被赋予了更高的关注度。然而在农户层面，观察是随机分布的，因此我们仍可以将其当作随机样本。针对农业生产的信息，例如农户特征、农业投入、农业产出、赊购交易等被提取出来。由于并非所有的农户对以上问题都做了回答，数据中有一些缺失值。有缺失的观察值在所有的估计中被忽略，因此分析中用到的是731个观察值。数据显示，在1994年，样本家庭的贷款中约79％的部分以及赊购交易中约88％的部分来自于非正规渠道（亲属、朋友、熟人、私人放贷者）。贷款总量中非正规来源和正规来源（例如农村信用合作社和中国农业银行）的比例大约是6.6比1。非正规贷款中，88％为零利率，这可能是非正规贷款兴盛的一个重要的原因。
表3提供了一个按照信贷约束状态的不同的农户特征的统计性描述性。总体上看，在生产开始阶段，信贷约束较小的农户除了流动性资产这一变量外，几乎在各项指标上都超过了受到严重信贷约束的农户，后者的流动性资产几乎是信贷约束较小的农户的两倍，这一点就直接导致了本文问题的提出。
（三）计量模型
由于农户受信贷约束与否并不是随机的，我们必须考虑到计量经济学中样本选择问题的可能性。我们使用两个模型来处理这一问题：首先是一个样本选择模型，其次是一个处理效应模型（treatment effect model）。实证分析包括如下两个步骤：首先，通过一个Probit模型估计信贷约束的决定因子，以生成Mills逆转比率（inverse Mills ratios）。其次，通过一个引入Mills逆转比率的线性回归模型估计产出供给，这样可以分别得出有信贷约束和无信贷约束样本下农户产出的无偏估计。
样本选择模型
其中，ρ，σ和λ和之前的定义相同，ν为随机误差项。对等式（8）进行最小二乘估计可以得到估计系数δ，它能够显示信贷约束对农户产出的影响。
（四）变量界定
在第一阶段，当农户在紧急情况下受到绝对信贷约束时，一个度量信贷约束的哑变量取值1，否则取值0，它是Probit回归模型中的因变量。基准方程中自变向量Z的实证设定同时包括了信贷供给和需求的决定因素。这些变量是（括号里用正负号表示对受信贷约束与否的明确的正或负的影响）：（1）耕地面积（－）：它包括了向他人租借的土地并扣除了租借给他人的土地后的总土地面积。由于可以被作为农户财富多寡的指示和预期贷款的保证，该变量被认为可以降低配给程度。这里的财富并不是来自于土地所有权，而是土地使用权，因为中国的土地并不允许买卖或抵押，但其使用权可以等同于商品对待①；（2）资本（－）：它包括1994年初生产工具和房屋的价值。这一变量用来度量可抵押资产的价值；（3）户主受教育年限：度量了农户中主要决策人的教育程度；（4）户主年龄：代表了农业耕种的经验。但是由于信贷需求和供给可能随年龄增长而增加，该变量的正负符号并不明确。上述两个与户主有关的变量假设了生产决定通常由户主做出，户主的特征应该是一个决定因素；（5）劳动力数量：这是一个每户可用劳动力的指标，对生产和消费都有影响。因此符号暂不可预计；（6）被赡养的人口数量（+）：预计它会提高受信贷约束的可能性。家属被赡养人口数量加上劳动力数量等于农户中所有家庭成员的数量；（7）农业经验（－）：农户在不同土地上工作年数的总和；（8）1994年初流动性资产（－）：包括了家庭拥有的现金、金融机构存款和存货，预计它符号为负；（9）是否拥有家庭企业（－）：它测量农户可从家庭企业中获得的潜在的流动性。该变量被认为可以增加农户资产流动性，并作为可抵押资产；（10）上一季收入（－）：测量农户资产流动性的又一变量；（11）未偿还债务（＋）：指的是1994年年初所有未偿还的债务，包括正规和非正规渠道，它被认为会增加受信贷约束的可能性。
第二阶段的估计解释农业生产总产出（元）。这个因变量包括了1994年农户生产的各种农产品，按照当地市场价格计算，以反映产品和市场的变化。流动性受约束的农户的自变量是固定生产要素、流动性和农户特征，以检验不可分离性假说。这些变量包括（括号里用正负号表示对产出的正或负的影响）：（1）耕地面积（＋）、资本（＋）和农业劳动时间（＋）是决定农业生产的固定因素，在产出方程中有正的符号；（2）人口特征：包括了劳动力数量（＋）和被赡养人口的数量，它们在第一阶段估计中也被使用；（3）流动性资产（＋）：包括了生产开始时家庭持有的储蓄、现金和存货。由于判别的限制，这一变量取代负债或未偿债务而作为家庭流动性的指示变量；（4）其他解释变量：户主受教育年限（＋）和农业经验（＋）。
（五）实证结果
受信贷约束的概率
表4报告了Probit回归模型的结果，该P回归基于除去56个家庭缺失值后的731个观察值而进行（原始观察值787个）。Wald卡方检验结果表明，我们可以以0.00的概率拒绝除常数项外的其他所有系数都为零的原假设，表明整个模型在统计上是显著的。
耕地面积和是否永久家庭企业这两个变量的回归系数在1％的显著性上都不为0，并且符号与理论预测为负相一致。值得注意的是，后者对降低受信贷约束的概率有非常明显的作用，大约为46％。我们可以给出这样的解释：拥有家庭企业为农户提供了额外的流动性，或企业本身就是一种可抵押资产。与我们的预期相反，流动性资产只是在10％的程度上显著，并以一个很弱的效应对受信贷约束的概率产生正向影响。
产出供给的精炼方程的估计以半对数的形式进行，分别通过有样本选择的线性回归模型和处理效应模型来进行估计。
样本选择模型的结论
这个基本的样本选择模型进行了3个回归：受流动性约束的样本，未受流动性约束的样本和未受约束的伪实验样本（unconstrained counterfactual experimental）。在给定的理论框架下，流动性和农户人口特征变量不应当对未受限制的农户的产出供给方程起显著作用。
正如表5中所显示的，这三个估计都通过了卡方检验，整体模型中的回归系数的都为零的原假设被拒绝。固定的生产要素、土地、劳动和资本在5％的显著水平上异于零。资本在受约束的样本内显示出10％的显著性，这与生产函数在每个情形中都成立的预期是一致的。更令人惊奇的是，流动性资产在受约束的样本内不显著，而在未约束和伪实验样本内是显著的。在三个估计中，人口特征变量，即家庭中的劳动力数量对产出具有高达12％的正向影响并且在1％的程度显著，这一结果暗含着劳动力对农户流动性的巨大作用①。
根据理论预测，如果农户受到信贷约束，流动性资产和人口变量在受约束的样本内应该是显著的，然而实证结果与此预测相矛盾。
处理效应模型的结论
正如样本选择模型中那样，在处理效应模型中的二阶段回归估计中，整体模型为零的原假设都被卡方检验显著地拒绝了。10个变量的系数中有8个在5％水平上显著不为零，包括了生产函数的所有决定因素、劳动力数量、流动性资产和是否受约束的哑变量。是否受信贷约束哑变量的系数在1％的水平上显著，表明如果农户在紧急情况下缺乏资金的来源，产出将会降低120％。
五、总结和结论
本文通过世界银行1995年在中国河北省及辽宁省农村进行的农户调查数据，检验了信贷约束在中国农村的存在性。在农户模型的理论分析基础之上，我们应用样本选择模型实证分析了信贷约束，这一方法曾被Fedel等人（1990）所使用。此外，我们还采用了处理效应模型进一步测量了紧急信贷对产出的直接影响。两种方法下的实证结论相互矛盾。与理论预测保持一致的样本选择模型并未给出信贷约束的强证据，然而处理效应模型却给出了紧急信贷的获得对产出有负面影响的强有力的证据。
这个谜的可能的解释有如下方面：第一，对受信贷约束和非信贷约束的农户的分类标准存在缺点。该分类标准和信贷配给的定义是有区别的，但理论分析是基于信贷配给的，所以，可能是这一标准导致了实证结论和理论之间的不一致性；第二，在一个市场不完善的环境中，投入、储蓄、信贷和保险这些变量间存在的内在联系会导致变量间的内生性；最后，该模型未考虑不确定性问题，从而该模型的预测可能因此而失误。如果未来的收入是不确定的，或未来的信贷能否获得是不确定的，农户就会为未来进行预防性储蓄。因而在两种情形下的流动性可能被信贷获得状况所预先决定。
信贷和紧急信贷，储蓄、信贷和保险之间的相互关系，是未来值得进一步研究的重要课题。
注释：
① 完全信贷市场在这里是指借款者和放贷者所面对的单一利率不受借贷的数量影响，而且也不存在信息的不对称。
② 这里对农户的提问是：“如果您的家庭因为农业经营需要紧急借款，您家可以从各种渠道筹借到多少钱（一年期或低于一年期的短期贷款）？”我们将样本家庭区分为无法获得和能够获得短期贷款两类。
③ 村集体拥有土地的所有权，农民只拥有合同期内的使用权。
④ 劳动力数量对产出有着双重的效应：一方面，它是家庭消费品的决定因素，从而也就决定了家庭的流动性需求；另一方面，它又是现金或其他流动性资金的潜在供给者。所以，这一变量的符号在实证中要依赖于它对于流动性是否有净的贡献。
标签：信贷规模论文; 信贷业务论文; 银行信贷论文; 信贷配给论文; 金融论文; 中国农业论文; 三农论文; 流动性论文;