李巖，趙翠霞，于麗紅

（沈陽農(nóng)業(yè)大學經(jīng)濟管理學院，遼寧沈陽110866）

不同區(qū)域農(nóng)戶貸款行為的影響因素分析
——以連續(xù)6年農(nóng)戶貸款面板數(shù)據(jù)為依據(jù)

李巖，趙翠霞，于麗紅

（沈陽農(nóng)業(yè)大學經(jīng)濟管理學院，遼寧沈陽110866）

以山東省三個經(jīng)濟發(fā)展差別較大區(qū)域中的573戶農(nóng)戶貸款資料及農(nóng)戶連續(xù)6年貸款數(shù)據(jù)為依據(jù)，研究不同區(qū)域農(nóng)戶貸款行為的影響因素。結果表明：（1）不同區(qū)域間農(nóng)戶貸款行為的影響因素差別較大，在田地畝數(shù)和家庭純收入方面差異極為顯著；（2）不同區(qū)域授信金額的影響因素差別較大，在農(nóng)戶類型、社會資源、家庭總資產(chǎn)、年貸款總金額、每次貸款金額方面差異極為顯著。因此，認為不同區(qū)域農(nóng)戶貸款行為的影響因素差異較大，迫切需要針對不同發(fā)展區(qū)域和不同發(fā)展階段的農(nóng)戶制定不同的農(nóng)戶貸款政策。

農(nóng)戶貸款行為；授信額度；面板數(shù)據(jù)

一、引言

2013年中央一號文件突出強調(diào)改善農(nóng)村金融服務，持續(xù)加大涉農(nóng)信貸投放力度，誠然，農(nóng)戶貸款處于農(nóng)村金融服務、涉農(nóng)信貸投放的核心地位。然而，現(xiàn)階段中國農(nóng)戶貸款的問題依然比較突出，一是正規(guī)金融機構對農(nóng)村金融服務的缺位等外部性約束是農(nóng)戶貸款困境的主因，二是農(nóng)戶對于貸款的認知偏差、在貸款使用過程中的行為偏差也是制約農(nóng)戶貸款的重要因素[1]，三是近年來農(nóng)戶貸款戶數(shù)和額度均增長乏力。這說明，農(nóng)戶貸款問題仍然是農(nóng)村金融服務頭等難題，改革后的農(nóng)村信用社對農(nóng)戶貸款遺棄性壟斷，農(nóng)戶貸款有效需求無法得到滿足[2]，農(nóng)戶貸款所占比重逐年降低。究其根源，主要是由于中國農(nóng)戶貸款行為已經(jīng)發(fā)生了較大變化，不同地區(qū)農(nóng)戶貸款行為千差萬別。因此，對當前不同地區(qū)農(nóng)戶貸款行為的研究就顯得尤為迫切和重要。

現(xiàn)階段，新農(nóng)村建設面臨著諸多深層次的矛盾，其核心問題體現(xiàn)在農(nóng)村金融服務水平較差。當前，在市場經(jīng)濟體制條件下，與城市金融服務相比，農(nóng)村金融服務處于比較效益相對較低的狀態(tài)，農(nóng)村信用社的改革雖取得一定成效，但并未滿足農(nóng)戶有效貸款需求，農(nóng)戶貸款的服務不到位已經(jīng)成為制約中國農(nóng)業(yè)和農(nóng)村經(jīng)濟發(fā)展的突出問題[3]。為此，深入探討農(nóng)戶貸款行為的問題具有較大的現(xiàn)實意義。

農(nóng)戶貸款問題一直是學術界關注和討論的熱點，國內(nèi)研究者圍繞這一問題進行了廣泛而深入的研究，成果較為豐富。眾多研究者通過大量的實證分析得出，一方面，農(nóng)戶戶主個體特征、家庭基本特征、家庭消費和生產(chǎn)支出以及家庭經(jīng)營規(guī)模等方面是影響農(nóng)戶貸款需求的重要因素[4-6]；另一方面，農(nóng)戶貸款的可得性主要受農(nóng)戶對借貸政策的認知程度、家庭生產(chǎn)經(jīng)營總支出、家庭總收入等因素影響[7-8]。另外對貧困地區(qū)的農(nóng)戶貸款一直是研究熱點。劉西川等采用計量模型對貧困地區(qū)農(nóng)戶的正規(guī)信貸需求進行實證分析，認為從需求方面來提高農(nóng)村信貸的農(nóng)戶覆蓋率，就要為農(nóng)戶投資創(chuàng)業(yè)提供更好的投資環(huán)境，加快土地流轉，降低農(nóng)業(yè)生產(chǎn)和非農(nóng)生產(chǎn)的風險。王定祥等利用判斷抽樣法，定點選取了全國15個省份較貧困地區(qū)的1156戶農(nóng)戶為對象進行調(diào)查分析，結果顯示絕大多數(shù)貧困型農(nóng)戶都有信貸需求，且以中短期小額需求為主，但實際發(fā)生貸款行為的農(nóng)戶較少，持該觀點還有郭劍平[9]、黃祖輝等、段應碧[10]。羅俊勤[11]將浙江農(nóng)戶分為四個階層，考察不同類型農(nóng)戶在借貸需求上的差異，認為目前富裕地區(qū)的農(nóng)戶對信貸資金的需求由農(nóng)業(yè)生產(chǎn)性貸款向非農(nóng)經(jīng)營和消費性貸款轉變，而浙江農(nóng)村信貸供給嚴重不足，需要針對不同類型農(nóng)戶借貸行為的特征，建立多樣化的金融組織，提供多種類的金融產(chǎn)品，有效解決農(nóng)戶借貸問題，持該觀點還有程恩江等、顧寧等[12]。

此外，研究者們通過實證研究還發(fā)現(xiàn)，農(nóng)戶貸款難的問題并不是簡單增加信貸供給便可解決。例如，程郁等通過對1874戶農(nóng)戶金融需求行為考察，認為切實有效地解決農(nóng)村信貸約束問題不僅需要放松信貸管制和增加金融供給，更要通過信貸制度的創(chuàng)新破除信貸需求壓抑的制度性根源，并輔之以增加收入的政策改變農(nóng)戶的消極預期。戰(zhàn)明華等考察了始于2003年的浙江農(nóng)信社改革對農(nóng)戶借貸行為的影響，總體來看，農(nóng)信社改革增加了農(nóng)村金融資源的供給，并降低了農(nóng)戶向農(nóng)信社借貸的交易成本，但改革對不同從業(yè)類型農(nóng)戶的效果差異較大，即改革為從事非農(nóng)產(chǎn)業(yè)農(nóng)戶提供了更大的便利。

綜上可知，研究者們已經(jīng)深入探討了農(nóng)戶貸款需求的影響因素及貸款可得性的影響因素，對富裕地區(qū)和貧困地區(qū)的農(nóng)戶進行入室調(diào)查，并提出許多合理性建議。但是，以上研究尚有三處不足之處：一是未對真實發(fā)生的農(nóng)戶貸款行為及影響因素做研究；二是未對不同區(qū)域的農(nóng)戶貸款行為做分析比較；三是由于被調(diào)查人存在較大的行為偏差和認知偏差，因此調(diào)查數(shù)據(jù)存在較多偏差。為此，本文在已有研究的基礎上，以山東省曹縣、濟陽、高密三地區(qū)農(nóng)村信用社的農(nóng)戶貸款數(shù)據(jù)為基礎，自2007年以來連續(xù)6年對其中573戶農(nóng)戶進行追蹤研究，分析不同地區(qū)農(nóng)戶貸款行為的影響因素。與已有研究相比，本文在研究方法方面存在兩個特點：（1）對三地區(qū)農(nóng)戶進行統(tǒng)計分析，并進行F檢驗，然后進行兩兩比較；（2）構建農(nóng)戶貸款影響因素隨機變量模型，運用面板數(shù)據(jù)分析不同地區(qū)農(nóng)戶貸款的影響因素。

二、數(shù)據(jù)來源、變量定義與描述性統(tǒng)計

（一）數(shù)據(jù)來源

1.樣本

本文所用數(shù)據(jù)來源于2007—2012年筆者及同事在山東省農(nóng)村信用社一線工作期間對山東省曹縣、濟陽、高密三地農(nóng)戶貸款的追蹤調(diào)查。本文研究選擇該三個地區(qū)的原因是，上述三個地區(qū)分別代表山東西部、中部、東部不同的經(jīng)濟發(fā)展水平，分別對應貧困地區(qū)、較發(fā)達地區(qū)、發(fā)達地區(qū)，且與中國地區(qū)差異相對應，有較大的區(qū)域差異，具有較強的代表性。2011年山東省農(nóng)民人均純收入8342元，其中曹縣、濟陽、高密農(nóng)村居民人均純收入分別為6988.55元、8507元、10377元（2012年《山東年鑒》）。本文采用6年的追蹤數(shù)據(jù)來考察不同發(fā)展區(qū)域農(nóng)戶貸款行為的影響因素及其差異。選取600戶2007年在農(nóng)村信用社申請授信的農(nóng)戶，無論其6年內(nèi)是否從信用社貸過款，都將視為其有貸款行為，作為追蹤對象。

為了使樣本更具有代表性，本文研究先采用分層抽樣法（按各縣市的人均純收入分層）從山東省抽取曹縣、濟陽、高密三縣，然后再用類似的抽樣方法從每個縣抽取一個鄉(xiāng)鎮(zhèn)，分別為DJ鄉(xiāng)、TM鄉(xiāng)、SY鎮(zhèn),同樣方法每個鄉(xiāng)鎮(zhèn)分別選取4個村，最后以2007年農(nóng)村信用社信貸管理系統(tǒng)中的數(shù)據(jù)為基礎，從每個樣本村中抽取所有申請貸款的農(nóng)戶進行追蹤研究。在農(nóng)戶貸款業(yè)務中，因為中國農(nóng)業(yè)銀行網(wǎng)點收縮，在廣大農(nóng)村市場幾乎不做農(nóng)戶個人貸款業(yè)務，而中國郵政儲蓄銀行2007年剛剛獲得貸款發(fā)放業(yè)務，尚未向以上三個地區(qū)發(fā)放農(nóng)戶貸款，所以在以上三地區(qū)農(nóng)村信用社是唯一向農(nóng)戶發(fā)放貸款的正規(guī)金融機構。通過上述方法，6年期間筆者最終從600戶樣本中獲得有效樣本573戶，其中，曹縣191戶、濟陽194戶、高密188戶。

2.追蹤調(diào)查

追蹤調(diào)查的數(shù)據(jù)可分為兩部分：第一部分為農(nóng)村信用社數(shù)據(jù)。一是農(nóng)戶向農(nóng)村信用社申請貸款時提供的資料，如家庭基本情況、家庭資產(chǎn)情況、家庭收入情況、家庭負債情況、家庭經(jīng)營情況等；二是農(nóng)村信用社審批與信貸管理系統(tǒng)資料，如授信金額、貸款金額、貸款次數(shù)等。第二部分為信貸員入戶調(diào)查數(shù)據(jù)。一是農(nóng)戶貸款之前的貸前調(diào)查，主要是核實農(nóng)戶提供的信息是否真實，農(nóng)戶貸款的用途是否合規(guī)，運用的方法主要有直接調(diào)查法和間接調(diào)查法；二是對農(nóng)戶貸款的貸后檢查，主要觀察農(nóng)戶經(jīng)營是否正常，農(nóng)戶還款能力及風險點，擔保人的經(jīng)濟實力變化情況。通過以上追蹤調(diào)查，最終得出的相關農(nóng)戶貸款信息為：戶主年齡、戶主性別、戶主受教育年限、家庭人口、家庭勞動力、家庭田地畝數(shù)、客戶性質(zhì)（農(nóng)戶或個體工商戶）、從事行業(yè)、社會資源、收入是否靠農(nóng)業(yè)、年家庭總資產(chǎn)、年家庭純收入、家庭總負債、授信額度是否夠用、年授信金額、年貸款金額、年貸款次數(shù)、年平均每次貸款金額。

3.樣本基本情況

從被追蹤調(diào)查的區(qū)域來看，曹縣地區(qū)樣本191個，所在村莊總戶數(shù)1102戶，貸款戶數(shù)占村總戶數(shù)比例為17.33%；濟陽地區(qū)樣本194個，所在村莊總戶數(shù)1076戶，貸款戶數(shù)占村總戶數(shù)比例為18.03%；高密地區(qū)樣本188個，所在村莊總戶數(shù)982戶，貸款戶數(shù)占村總戶數(shù)比例為19.14%（見表1）。由貸款戶數(shù)占村總戶數(shù)比例來看，地區(qū)經(jīng)濟越發(fā)達，農(nóng)戶貸款比例越高；另外還有一個比較有意思的普遍現(xiàn)象是三個地區(qū)村里如果農(nóng)戶數(shù)越多，則貸款戶數(shù)越多，而且貸款戶數(shù)在村中占比也越高。

表1 三地區(qū)農(nóng)戶貸款基本情況

（二）變量定義

1.固定個體變量

固定個體變量是指不隨時間改變而改變或者改變較小的個體變量，如戶主性別、戶主受教育年限（6年內(nèi)變化小于1%）、家庭人口數(shù)（6年內(nèi)變化小于4%）、家庭勞動力數(shù)（6年內(nèi)變化小于2%）、家庭田地畝數(shù)（6年內(nèi)變化小于1%）、客戶性質(zhì)（農(nóng)戶或個體工商戶）、從事行業(yè)（主要經(jīng)營的行業(yè)）、社會資源（貸款時是否動用社會資源）、收入是否靠農(nóng)業(yè)（家庭的主要收入是否來自農(nóng)業(yè)）、家庭總負債（6年內(nèi)統(tǒng)計得出變化較?。?、授信額度是否夠用（農(nóng)村信用社向農(nóng)戶授信的額度是否夠用）。

2.可變個體變量

可變個體變量是指隨時間變化的個體變量，如戶主年齡、年家庭總資產(chǎn)、年家庭純收入、年授信金額、年貸款金額、年貸款次數(shù)、年平均每次貸款金額。

（三）變量描述性統(tǒng)計、檢驗、分析

1.變量描述性統(tǒng)計

將三地區(qū)農(nóng)戶2012年變量輸入SPSS v19.0后進行比較發(fā)現(xiàn)，貧困地區(qū)（曹縣）、較發(fā)達地區(qū)（濟陽）、發(fā)達地區(qū)（高密）有如下特點：其年齡差別不大，受教育年限依次增加，家庭人口數(shù)依次降低，勞動力數(shù)量差別較小，田地畝數(shù)依次減少，貸款農(nóng)戶以男性為主，女性參與比例依次增加，客戶性質(zhì)以農(nóng)戶為主，個體工商戶較少但其按地區(qū)依次增加，在貸款中許多農(nóng)戶使用社會關系，以期能獲得貸款或貸款金額較高，農(nóng)戶家庭資產(chǎn)差別較大且依次增加，家庭負債較小且依次增加，家庭純收入差別較大且依次增加，家庭收入目前主要靠農(nóng)業(yè)但所占比例依次降低，農(nóng)戶獲得授信額度多數(shù)夠用但發(fā)達地區(qū)的農(nóng)戶所受信貸約束較多，最高授信額度差別較大，發(fā)達地區(qū)授信額度明顯高于貧窮地區(qū)，貸款金額差別較小但貧窮地區(qū)貸款額度標準差較大，貧窮地區(qū)貸款次數(shù)明顯較少，說明其經(jīng)濟活力較弱，每次平均貸款額度差別較大且依次增加（詳見表2）。

表2 變量描述

2.變量F檢驗

因各區(qū)域的經(jīng)濟狀況存在差異，不同區(qū)域的貸款農(nóng)戶或許也存在差異，為檢驗此假設，對以上三個地區(qū)貸款農(nóng)戶的各個變量進行F檢驗。結果表明,三地區(qū)貸款農(nóng)戶在教育年限、人口、田地、家庭總資產(chǎn)、家庭純收入、收入是否靠農(nóng)和最高授信額度上差異極為顯著（P＜0.01）；勞動力數(shù)量上差異顯著(P＜0.05)；農(nóng)戶性質(zhì)（農(nóng)戶還是個體工商戶）、授信額度是否夠用差異顯著（P＜0.1）；而年齡、性別、是否運用社會資源、家庭負債、年貸款額度、年貸款次數(shù)、每次貸款金額間差異不顯著（詳見表3）。

表3 F檢驗

3.多重比較

表4 多重比較

備注：表中數(shù)據(jù)為橫向減縱向，*、**、***分別表示在10%、5%和1%的統(tǒng)計水平上顯著。

通過對三地區(qū)進行事后多重比較（詳見表4）可以看出，三地區(qū)均無差異的變量為年齡、是否使用社會資源、家庭總負債、年貸款額度、年貸款次數(shù)、每次平均貸款金額。在貸款人性別上，曹縣與高密差異顯著，高密地區(qū)的貸款農(nóng)戶中女性比例顯著高于曹縣地區(qū)。筆者推測，曹縣地區(qū)農(nóng)戶思想比較保守，家中經(jīng)濟大權主要掌握在男性手中，而高密則恰恰相反。在受教育年限上高密顯著高于曹縣，濟陽顯著高于曹縣，表現(xiàn)出東部、中部地區(qū)農(nóng)戶受教育程度更高的特點；在家庭人數(shù)上，曹縣最高，并顯著高于高密和濟陽，表現(xiàn)出越貧窮地區(qū)人口越多的趨勢；但在家庭勞動力人數(shù)上正好相反，表現(xiàn)出越發(fā)達地區(qū)勞動力越多的趨勢，高密顯著高于濟陽和曹縣；在農(nóng)戶類型上，高密地區(qū)的個體工商戶所占比例顯著高于濟陽和曹縣；在收入是否靠農(nóng)上，曹縣得分最高并顯著高于高密和濟陽，說明落后地區(qū)其收入主要來源于農(nóng)業(yè)，而發(fā)達地區(qū)其收入主要來源于非農(nóng)業(yè)；在家庭總資產(chǎn)和純收入上表現(xiàn)出相同趨勢，高密地區(qū)最高，其次為濟陽，最后為曹縣，其中高密和濟陽的總資產(chǎn)和純收入均顯著高于曹縣，高密地區(qū)農(nóng)戶純收入還高于濟陽，高密和濟陽的總資產(chǎn)差異不顯著；在授信金額上高密最高，并顯著高于濟陽和曹縣，表現(xiàn)出越是發(fā)達地區(qū)授信金額越高的特點；但在授信金額是否夠用上卻表現(xiàn)出相反的趨勢，曹縣是最夠用地區(qū)，并顯著高于高密和濟陽，表現(xiàn)出越是落后地區(qū)授信額度越夠用的趨勢；在農(nóng)戶擁有田地數(shù)上表現(xiàn)出與經(jīng)濟發(fā)展相反的趨勢，即經(jīng)濟發(fā)展越好的地區(qū)，擁有土地數(shù)越少，并且三地區(qū)間兩兩差異顯著，即曹縣高于高密和濟陽，濟陽高于高密?？傮w來說，山東貸款農(nóng)戶由西向東人均田地畝數(shù)、家庭人口數(shù)、家庭收入靠農(nóng)程度、貸款額度夠用程度逐漸減少，而受教育年限、勞動力人數(shù)、授信金額、家庭資產(chǎn)和純收入逐漸增加，表現(xiàn)出明顯的區(qū)域差異。

三、實證分析

在農(nóng)戶貸款中，農(nóng)戶每次貸款的多少取決于授信金額的多少，授信金額是農(nóng)戶貸款的最核心要素，因此本文以農(nóng)戶授信額度為因變量，以農(nóng)戶2007—2012年的個體特征、貸款特征和時間特征為自變量，探究不同地區(qū)農(nóng)戶貸款行為的影響因素。三地區(qū)中曹縣191戶、濟陽194戶、高密188戶，考慮到所收集數(shù)據(jù)是微觀的、靜態(tài)的，時間為6年，數(shù)據(jù)量大，因此構建5年時間虛擬變量，建立隨機效應模型。具體為：Yit=α+βXit+Zit+μ+η

其中，Yit為第i個農(nóng)戶在t年的最高授信金額，其中i=1，……，n，t=2007，……，2012，Xit為農(nóng)戶可變變量，包括年齡、年家庭總資產(chǎn)、年家庭純收入、年授信金額、年貸款金額、年貸款次數(shù)、年平均每次貸款金額，Zit為不變虛擬變量，包括戶主性別、戶主受教育年限、家庭人口數(shù)、家庭勞動力數(shù)、家庭田地畝數(shù)、客戶性質(zhì)、從事行業(yè)、社會資源、收入是否靠農(nóng)業(yè)、家庭總負債、授信額度是否夠用，α為常數(shù)項，μ為誤差，η為個體隨機誤差。

在針對模型采用固定效應模型估計還是隨機效應模型估計方面，由于農(nóng)戶貸款是微觀數(shù)據(jù)，無法使用固定效應模型，因此，本文采用隨機效應模型。基于隨機效應模型，不同區(qū)域農(nóng)戶授信金額的影響因素估計結果見表5。由回歸結果可以看出：

授信金額在貧困地區(qū)受教育年限、田地畝數(shù)、授信金額是否夠用、年貸款次數(shù)、不同年份影響不顯著，但在較發(fā)達地區(qū)比較顯著，且區(qū)域越發(fā)達，受影響越顯著；農(nóng)村信用社在審批農(nóng)戶的授信額度時，很看中的一項影響因素是農(nóng)戶的受教育年限和田地畝數(shù)，但貧困地區(qū)農(nóng)戶的受教育年限普遍較低，而田地畝數(shù)普遍較多，因此其影響不顯著，但在較發(fā)達地區(qū)，農(nóng)戶受教育年限差別較大，土地價值較大，田地畝數(shù)多少備受關注，因此授信金額受教育年限和田地畝數(shù)影響較為顯著；在授信金額和貸款次數(shù)方面，由于貧困地區(qū)農(nóng)戶投資機會相對較少，經(jīng)濟活動不頻繁，因此授信金額受其影響較小，但其他地區(qū)則正好相反；在不同年份，由于較發(fā)達地區(qū)、發(fā)達地區(qū)受世界經(jīng)濟影響較大，因此受其影響較大，而貧困地區(qū)經(jīng)濟不活躍，受其影響較小。

表5 不同區(qū)域農(nóng)戶授信金額影響因素

授信金額在貧困地區(qū)受收入是否靠農(nóng)業(yè)、家庭純收入影響顯著，但在較發(fā)達地區(qū)和發(fā)達地區(qū)影響不顯著；曹縣是傳統(tǒng)的農(nóng)業(yè)地區(qū)，由于其工業(yè)不發(fā)達，農(nóng)民家庭收入主要依靠農(nóng)業(yè)，因此在向其授信時考慮家庭收入及來源因素占比很大，同時也說明貧困地區(qū)的農(nóng)戶收入依然比較單一，而較發(fā)達地區(qū)、發(fā)達地區(qū)則相反，越發(fā)達的地方其影響越不顯著。

授信金額在發(fā)達地區(qū)受年齡影響顯著，但在其他地區(qū)不顯著?？赡苁且驗樵诎l(fā)達地區(qū)農(nóng)村經(jīng)濟發(fā)展較早，許多農(nóng)戶已經(jīng)得到一定的發(fā)展和積累，而且不同年齡階段的農(nóng)戶的發(fā)展和積累差別較大，其綜合能力也差別較大，造成其影響授信金額的系數(shù)較高，達到0.0783111，較其他地區(qū)系數(shù)明顯偏高，因此其地區(qū)授信金額受年齡影響較為顯著。

授信金額在以上三地區(qū)受農(nóng)戶類型、是否使用社會資源、家庭總資產(chǎn)、年貸款總金額、每次貸款金額影響均顯著；農(nóng)村信用社在授信時非常看重農(nóng)戶的類別，個體工商戶的授信權限一般為30萬元，但農(nóng)戶的授信權限僅為10萬元；在申請貸款時一般使用社會資源的農(nóng)戶授信金額較高，沒有使用的則較少，這也說明信用社在放貸時受當?shù)厝饲殛P系影響較大；家庭總資產(chǎn)是代表農(nóng)戶還款能力的一項重要指標，肯定在所有地區(qū)對授信金額都有較大影響；年貸款總金額和每次貸款金額與授信金額關聯(lián)性較強，因此其影響較為顯著。

授信金額在所有地區(qū)受人口數(shù)量、勞動力數(shù)量、性別的影響均不顯著。雖然不同地區(qū)間貸款農(nóng)戶在家庭人口數(shù)量和勞動力數(shù)量以及性別上有一定差別，但由于其在授信審批過程中并不被農(nóng)村信用社看重，因此其對授信金額影響因素較小。

四、主要結論和啟示

本文利用山東省三個經(jīng)濟發(fā)展差別較大區(qū)域中573戶農(nóng)戶貸款的資料進行統(tǒng)計分析，并進一步追蹤農(nóng)戶連續(xù)6年貸款數(shù)據(jù)，通過面板數(shù)據(jù)構建隨機效應模型并進行分析，研究不同區(qū)域農(nóng)戶貸款行為的影響因素。結果表明：（1）三區(qū)域中無差異的影響因素為年齡、是否使用社會資源、家庭總負債、年貸款額度、年貸款次數(shù)、每次平均貸款金額；三區(qū)域有一定差異的影響因素為性別、受教育年限、人口數(shù)、勞動力數(shù)、農(nóng)戶類型、家庭總資產(chǎn)、收入是否靠農(nóng)業(yè)、授信金額、授信金額是否夠用；三區(qū)域相互間均存在差異的影響因素為田地和家庭純收入。（2）不同區(qū)域授信金額受人口數(shù)量、勞動力數(shù)量、性別的影響均不顯著；不同區(qū)域授信金額受教育年限、田地畝數(shù)、授信金額是否夠用、年貸款次數(shù)、不同年份、收入是否靠農(nóng)業(yè)、家庭純收入、年齡的影響部分顯著；不同區(qū)域授信金額受農(nóng)戶類型、是否使用社會資源、家庭總資產(chǎn)、年貸款總金額、每次貸款金額的影響均顯著。

農(nóng)戶貸款是農(nóng)村金融的重要組成部分，是加快“三農(nóng)”發(fā)展的最核心要素之一。加大對農(nóng)戶貸款的支持力度，不斷滿足農(nóng)戶的貸款需求，加大對農(nóng)村金融機構的改革力度，推進農(nóng)戶貸款的持續(xù)可協(xié)調(diào)發(fā)展，完善農(nóng)村金融市場，從而促進“三農(nóng)”健康持續(xù)發(fā)展，提高城鎮(zhèn)化和農(nóng)業(yè)現(xiàn)代化水平。本文的結論能夠給政府農(nóng)村金融部門與農(nóng)村信用社決策提供一個有益的佐證，即不同發(fā)展區(qū)域農(nóng)戶貸款行為的客觀事實表明，農(nóng)戶貸款所受影響因素差異較大，迫切需要針對不同發(fā)展區(qū)域和不同發(fā)展階段的農(nóng)戶制定不同的農(nóng)戶貸款政策。

[1]王冀寧，趙順龍.外部性約束、認知偏差、行為偏差與農(nóng)戶貸款困境——來自716戶農(nóng)戶貸款調(diào)查問卷數(shù)據(jù)的實證檢驗[J].管理世界，2007，（9）：69-75.

[2]劉勇，余子鵬，田杰.配置租、遺棄性壟斷與選擇權剝奪——農(nóng)村信用社制度變遷的路徑依賴分析[J].經(jīng)濟理論與經(jīng)濟管理，2012，（9）：78-89.

[3]宋磊.農(nóng)村信用社產(chǎn)權制度改革與運行成效研究[D].山東農(nóng)業(yè)大學，博士學位論文，2009，（3）.

[4]潘海英，翟方正，劉丹丹.經(jīng)濟發(fā)達地區(qū)農(nóng)戶借貸需求特征及影響因素研究——基于浙江溫嶺市的調(diào)查[J].財貿(mào)研究，2011，（5）：48-52.

[5]周宗安.農(nóng)戶信貸需求的調(diào)查與評析：以山東省為例[J].金融研究，2010，（2）：195-206.

[6]賀莎莎.農(nóng)戶借貸行為及其影響因素分析——以湖南省花巖溪村為例[J].中國農(nóng)村觀察，2008，（1）：39-50.

[7]顏志杰，張林秀，張兵.中國農(nóng)戶信貸特征及其影響因素分析[J].農(nóng)業(yè)技術經(jīng)濟，2005，（1）：2-8.

[8]易小蘭.農(nóng)戶正規(guī)借貸需求及其正規(guī)貸款可獲性的影響因素分析[J].中國農(nóng)村經(jīng)濟，2012，（2）：56-63+85.

[9]郭劍平.從尤努斯的窮人銀行反思中國的農(nóng)戶小額信貸制度[J].商業(yè)研究，2007，（9）：146-149.

[10]段應碧.發(fā)展公益性小額信貸組織,破解貧困農(nóng)戶貸款難題[J].農(nóng)業(yè)經(jīng)濟問題，2011，（1）：4-6.

[11]羅俊勤.富裕地區(qū)農(nóng)戶借貸需求的階層差異研究[J].農(nóng)村經(jīng)濟，2010，（7）：86-90.

[12]顧寧，范振宇.農(nóng)戶信貸需求結構分析[J].農(nóng)業(yè)經(jīng)濟問題，2012，（8）：73-78.

（責任編輯：王淑云）

1003-4625（2014）05-0029-06

F832.43

A

2014-03-05

本文系國家自然科學基金青年項目（批準號71203147）、教育部人文社科基金青年項目（編號11YJC790249）。

李巖（1979-），男，山東濟南人，博士研究生，研究方向：農(nóng)村金融；趙翠霞（1978-），女，山東東營人，山東師范大學心理學院講師，博士研究生，研究方向：農(nóng)村金融，行為決策；于麗紅（1980-），女，遼寧大連人，副教授，碩士生導師，研究方向：農(nóng)村金融。