1、基于 MNL 模型的农村正规金融机构信贷供给行为的实证分析作者简介：李韬（1978-） ，男，湖南涟源人，西北农林科技大学经济管理学院教师，经济学博士，研究方向：农村金融；罗剑朝（1964-） ，男，陕西武功人，西北农林科技大学经济管理学院教授，博士生导师，研究方向：农村金融。 基金项目：国家自然科学基金项目，项目编号：71073126；教育部“长江学者和创新团队发展计划”创新团队项目，项目编号：IRT1176；教育部高等学校博士学科点专项科研基金课题，项目编号：20100204110030；陕西省社科基金项目，项目编号：09E044；西北农林科技大学人才专项资金资助项目资助。 摘要：本文利用
2、山东泰安农村地区抽样调查数据，从实证角度考察了我国农村正式金融机构向农户提供信贷供给时的信贷完全满足、信贷完全配给和信贷部分配给行为。结果表明：与金融机构信贷完全满足行为相比，申贷农户家庭自有土地数量越多、面积越大，越有助于其降低遭受金融机构完全信贷配给行为；户主具有非农劳动专业技能和家庭资产价值越高反而促使金融机构对其申贷金额满足度下降。 关键词：MNL 模型；金融机构；信贷供给 中图分类号：F83243 文献标识码：A 农村金融市场为满足农户资金需求提供了场所。虽然部分农户能够从正规金融机构获得足够的金融资源额度，但是由于信息不对称和交易成本问题导致的严重信贷配给（Credit Ratio
3、ning）现象则更为普遍，具体表现为：（1）在所有的贷款申请人当中，一部分人的贷款申请被接受，而另一部分人即使愿意支付高利率也得不到贷款；（2）贷款人的贷款申请只能部分被满足。同其他发展中国家一样，信贷配给现象也是我国农村金融市场一个不争的事实，正规金融机构仍然不能很好地满足农户的信贷需求，对农户的生产投资、生活消费等方面有着负面影响。不容否认的是，为改善农村金融市场的运行，我国政府自 1996 年起就启动了一系列的农村金融改革，最近又从国家层面进一步加大了对农村金融改革发展的扶持和引导。当前正规金融机构信贷供给行为究竟如何？什么样的农户容易遭受正规金融机构的信贷配给？或者说容易遭受金融机构信
4、贷配给的农户家庭的特征是什么？了解这些问题对于找准农村金融改革的着力点，明晰改革的途径和突破点等具有重要意义。 一、相关文献回顾 对于农村正规金融机构的信贷供给行为，以往的研究主要集中于金融市场常见的信贷配给现象。国际上，经济学家 Jaffee & Russlle （1976） 、Stiglitz & Weiss（1981）等人将不完全信息和合约理论运用到信贷市场中，建立逆向选择模型与道德风险模型，提出信贷配给的主要原因是金融市场信息不对称和代理成本的存在。Williamson（1988）从事后信息不对称的角度进一步拓展了基于信息经济学基础的信贷配给理论，认为即使不存在逆向选择和道德风险，只要
5、存在信息不对称和监督成本，就会产生信贷配给。近年来其他学者，例如 Meza & Webb（2006） 、Arnold & Riley（2009）等从其他角度解释、分析和论证了信贷配给的存在和影响。 国内学者近年来主要从理论分析和数据调查论证对农村金融的信贷配给进行了研究，主要包括两个层面：第一，关于信贷配给影响农村经济的研究。例如，林毅夫（2000）研究了金融改革对农村经济发展的意义；徐忠和程恩江（2004）研究了利率政策引发农村信贷市场扭曲及其对农村金融机构行为、效率及农村信贷资金的配置造成的影响。第二，关于信贷配给下农村信贷市场的状况。例如，朱喜和李子奈（2006）利用 2003 年约 3
6、 000 户农村家庭的抽样调查数据， 考察了我国农村正规金融机构向农户提供信贷服务时的配给行为；褚保金等人（2009）利用江苏省欠发达的北部地区 372 个农户数据研究了信贷配给下农户借贷的福利效果；朱喜等人（2009）实证分析了我国欠发达地区不同农村金融机构的信贷供给行为；李庆海等人（2012）采用 2003-2009 年我国 1 000个样本农户的调查数据，估计农户遭受信贷配给的程度及其对农户家庭净收入和消费支出的影响等。 这些研究无疑非常重要，它们有助于我们了解农村金融市场，特别是正规信贷市场的现状， 并为破解当前农村金融困境和寻求合适的改革方案提供了思路。但是这些研究仅仅局限于金融机构
7、信贷配给理论的一般性探讨和分析，既没有很好区分金融机构供给行为中的完全信贷配给行为和部分信贷配给行为，也没有探讨申贷农户的家庭特征与金融机构的信贷供给行为的关联性。基于此，本文将尝试弥补这方面的空白。 二、理论框架 为了消除金融市场中存在的信息不对称，金融机构通常要收集以贷款申请者家庭特征为主的多方面信息，这些信息经过量化处理后就构成了金融机构的信贷评价指标。依据这些指标，金融机构对每一位贷款申请者做出判断，确定最佳信贷供给行为，以达到自身期望收益最大。 假定农户为申请贷款向金融机构提供其家庭特征信息为 HI，金融机构信贷评价优等指标为 EI，差等评价指标为 BI，如果 HIEI，即金融机构认
8、定农户的家庭特征（信贷评价指标最重要的组成部分）达到或超过其设定发放贷款的优等水平，则金融机构就会满足农户的全部贷款申请，这时，金融机构的信贷供给等于申贷农户的资金需求。如果 BIHI，即金融机构认定农户的家庭特征只能达到或低于金融机构设定发放贷款的差等水平，则金融机构就会拒绝农户的贷款申请（信贷供给为零） ，也即金融机构对农户的信贷配给程度为 100%。如果 EIHIBI，则农户的家庭特征水平是介于金融机构信贷评价的优等水平和差等水平之间，因此农户的贷款申请只能被金融机构部分满足，即金融机构对农户的信贷配给介于 0%和 100%之间，或者金融机构认为满足农户的部分贷款申请所带来的期望收益是大
9、于全部拒绝或全部接受贷款申请所带来的期望收益。总之，金融机构对每位申请信贷的农户所做的最终信贷供给行为或是（1）接受农户的贷款申请，或是（2）部分接受农户的贷款申请，或是（3）拒绝农户的贷款申请。其中，金融机构的信贷供给行为（2）和（3）就是金融机构对贷款申请者的信贷配给。 如上所述，金融机构的信贷供给行为都是按照效用最大化（utility-maximizing）的原则进行的，这符合 MNL（Multinomial Logit）模型的随机效用理论（random utility theory）基础。假定上述的供给行为（1） ， （2）和（3）构成金融机构信贷供给行为的选择集 C。在选择集中的每一
10、个信贷供给行为对金融机构而言都存在一定的效用。金融机构信贷供给行为只会采取选择集中效用对他最大的那一个。我们假设用 n 来表示申贷农户，n=1，N；用 J 表示选择集中的全部的三种金融机构的信贷供给行为。我们把金融机构对申贷农户 n 的信贷供给行为 j 所获得的效用表示为Unj，jJ，且 j 为上述金融机构信贷供给行为（1） ， （2）和（3）之一。因此，信贷供给行为 i（i 也为上述金融机构信贷供给行为之一）被选中所必须满足的条件是：UniUnj，其中 j 是指不包括信贷行为 i 在内的选择集中的全部其他信贷行为。 金融机构的每一个信贷行为的效用由两部分构成：决定部分（determinist
11、ic component）和随机部分（random component） 。效用的决定部分是由可观察到的申贷农户的家庭特征所决定的。家庭特征包括户主的性别，年龄，教育水平等。对于金融机构给予申贷农户 n 的信贷供给行为 j 的效用的系统部分通常用 Vnj 表示。还有一部分效用是研究人员观察不到的，也就是说 UnjVnj。决定部分效用与全部效用之间的差便是效用的随机部分。对于金融机构给予申贷农户 i 的信贷行为 j，把随机部分效用表示为 nj。这样，我们把全部效用分解成了两部分，如下方程所示： 在选择集 C 中，金融机构对申贷农户 i 的信贷供给行为 j 的概率可以表示为： 对效用的随机部分 n
12、i，iC，假设：（1）ni 是独立分布的随机变量；（2）该概率变量服从双重幂函数概率分布（double exponential distribution） ，如下所示： 综合公式（1）至（3） ，金融机构对申贷农户 i 的信贷供给行为 j 的概率表示为如下公式（推导及证明过程，参考 McFadden， 1974）： 上式中，分子是金融机构信贷供给行为 i 决定部分效用的幂函数，分母是选择集中所有金融机构信贷供给行为决定部分效用幂函数的和。此时，式（4）中效用的随机部分已不复存在，因此简化了选择概率计算过程。 三、计量模型 如上所述，效用的决定部分是由可观察到的申贷农户的家庭特征的有关变量决定的
13、。假设有 K 个可观察变量共同决定效用的决定部分，因此这些变量与效用有如下线性关系： 上式中，aj 是每一个信贷供给行为的固有效用（intrinsic utility） 。每一个信贷供给行为都有其独特的 aj 值，所以共有 J 个这样的参数。通常这些参数被解释为控制了其他变量以后的信贷供给行为的收益值。由于模型估计的需要，将 J 个参数中的一个限定为 0，因此只需要估计 J-1 个这样的参数。xnjk 是可观察到的每一个申贷农户都有的共同家庭特征变量。在这里， “共同”是指每一个申贷农户都有这个变量，但并不表示它们的值相等。bk 是第 k 个共同变量所对应的参数或权数。每一个变量都有一个参数与
14、之对应，但是对于同一个变量不同的申贷农户分享相同的参数，所以，申贷农户标志 n 就在参数的下标中省去了。可以看到，虽然申贷农户在同一变量上分享相等的参数，但是由于变量观察值的不同，金融机构同一信贷供给行为的决定效用在不同申贷农户之间不等。 进一步，将公式（5）代入公式（4） ，可得公式： 在上面的公式中，xnjk 是已知的观察值，aj 和 bk 是未知的参数，需要估计。虽然不知道选择概率 pni，但是知道金融机构对申贷农户的具体的信贷供给行为，因此可用 ynj 来表示金融机构对申贷农户 n 信贷供给行为选择的结果。如果金融机构给予申贷农户 n 的信贷供给行为是 j，则 ynj=1；否则，ynj
15、=0。推广开来，金融机构对申贷农户 n 从 J 个信贷供给行为选择集中采用一种信贷供给行为，统计似然（likelihood）的计算公式则为： 对于全部 N 个申贷农户而言，似然的计算公式则为： 对公式（8）两边去对数后，采用最大似然估计法（Maximum Likelihood Method）可求得模型参数 aj 和 bk 的解。应用最大似然法所估计的参数具有一致性（consistent） 、渐进效率性（asymptotically efficient）和趋于正态分布（normally distributed）的特点。因此，对数似然值的计算公式为： 将公式（6）代入到公式（9） ，并通过对 LL
16、 进行最大化，便可以求得参数 aj 和 bk 的解。在本研究中，是通过程序 STATA 110 来实现上面的模型估计过程的。 四、数据与结果 （一）数据来源 由于农村正规金融机构（信用社、农业银行等）不愿向研究者提供分笔贷款的相关数据，因此，笔者的数据收集都是建立在农户访谈调查基础上的。本文的数据来源于 2011 年初笔者在山东泰安农村地区收集的数据，采用了三阶段分层抽样策略。第一阶段，按照不同经济发展水平采取分类抽样的方法，随机选择了山东泰安的两个乡镇，分别是满庄镇和伏山镇；第二阶段，在每个所选的乡镇中再随机抽取两个村，共计四个村，分别是满庄镇的曹家寨村和新庄村，伏山镇的马家庙村和朱家庄村；
17、第三阶段，在每个被抽取村庄中随机选择 50-70 户农户发放问卷或入户调查，共收集有效问卷 220 户。数据库中，收集了这些农户 2006-2010 年间的金融信贷活动、家庭基本情况等方面的经济社会数据。这为估计金融机构对农户的信贷配给程度提供了数据资源和经验证据。然而，这些农户中，未参与金融信贷调查、未在 2006-2010 年间向金融机构申请贷款的农户有 30 户，在此期间向金融机构申请信贷的 190 户农户中有19 户提供的信息不全，因此本文分析中将这些农户剔除掉，最终本文采用的样本农户为 171 户。 笔者的调查采用直接法进行，即通过发放问卷或实地调查以诱导农户透露出有关信贷申请金额和
18、实际获取金额的真实信息。本文关于金融机构信贷配给的度量如下：“过去 5 年内（2006-2010 年） ，您家是否向金融机构申请过贷款？如果申请过，最近一次申请的意愿贷款额是多少？金融机构最后给予的实际贷款额又是多少？”只要信贷申请农户没有从金融机构获取任何信贷额或获取的实际贷款额小于其意愿贷款额，则金融机构对农户的信贷供给行为就是信贷配给。其中，申请贷款但未获信贷的农户为完全信贷配给，申请贷款仅获部分贷款的农户为部分信贷配给。171 户样本中，102 户遭受金融机构的信贷配给，占总样本的 596%，这也证实了农户的信贷配给程度是很高的，也同我国大部分学者的研究所表明中国农户受到信贷配给的程度
19、至少在 50%以上的情况相吻合（田俊丽， 2006） 。在遭受信贷配给的农户中，84 户遭受完全信贷配给，占总样本的 491%；18 户遭受部分信贷配给，占总样本的 105%。这表明农户遭受的信贷配给主要是完全信贷配给，这一点也同国内许多学者（例如李庆海等人， 2012）的调查相类似。其余 69户的信贷申请均获得金融机构的信贷满足。 （二）变量选取及统计特征 基于前述的理论模型及计量方法，本文所用的被解释变量为：金融机构对农户的信贷供给行为。为了便于描述和区分金融机构三种不同的信贷供给行为，笔者赋值 0，1，2 分别表示信贷供给的完全满足、信贷供给的完全配给、信贷供给的部分配给行为。在这里，被
20、解释变量是离散选择变量。 估计 MNL 模型时，需要将一类信贷供给行为作为参照组。解释变量的估计系数为正，意味着相对于参照组的信贷供给行为来说，解释变量对处于此类信贷供给行为的相对概率为正的影响；解释变量的估计系数为负，意味着相反的情形。本文中解释变量反映农户的家庭特征，主要有：（1）农户自有的土地规模（land） 。作为最基本的生产资料，承包的土地规模在一定程度上能够衡量信贷农户的期望收益，因此我们预测该变量对金融机构信贷满足行为的影响为正，对信贷配给行为的影响为负。 （2）农户信贷前的家庭全部资产的市场价值（asset，包括土地，房屋，银行存款，农产品等） 。家庭资产值在一定程度上反映了农
21、户潜在的生产能力和财富创造能力。其越大，可被用作抵押、担保的资产就越多，金融机构对农户的信贷满足的可能性就越大，或者信贷配给的可能性就越小。 （3）户主的受教育水平（education） 。户主受教育水平在一定程度上可以代表信贷申请农户家庭的综合能力。其越高，越容易及时把握农产品的市场信息，快速了解农业新技术的动态，从而能够灵活地安排农业生产，降低各种生产经营风险，有利于获取最佳收益。因此，预测该变量对金融机构的信贷满足行为影响为正，信贷配给行为的影响为负。（4）户主的性别（gender） 。国外学者的调查研究发现，女性借款者信用往往好于男性借款者（Fletschner & Kenney，20
22、11） 。既然我国农户借款都是户主代表家庭出面申请，因此预测金融机构对户主为男性的家庭较户主为女性的家庭更容易给予信贷配给。 （5）户主的年龄（age） 。户主的年龄可以在一定程度上代表农户家庭的家庭结构，即青年家庭（18-35 岁） 、中年家庭（36-45 岁） 、中老年家庭（46-55 岁） ，老年家庭（56 岁以上） 。在我国当前大部分农业生产方式仍旧属于劳动密集型，因此农户的家庭结构越年轻，其农业生产能力和效率相对要好些，从而金融机构对其的信贷需求能予以满足。 （6）农户家庭农业劳动力总数（labor1） 。我国目前以劳动密集型的农业生产方式决定了一个家庭劳动力越充裕，农业生产的期望收益才会越高，因此金融机构对这样的家庭信贷需求的满足性较高。 （7）农户家庭外出务工劳动力总数（labor2） 。外出务工劳动力越多意味着农户家庭收入来源越多，抗击风险能力就越强，有助于信贷的偿还，因此金融机构也会较多地满足这样的家庭信贷需求。 （8）农户家庭无劳动能力成员总数（nonlabor） 。相对于劳动能力，
