徐 升

（華中師范大學，湖北武漢430079）

一、引 言

農(nóng)村金融市場的完善不僅有利于新農(nóng)村建設(shè)，還有利于縮小城鄉(xiāng)差距推進城鎮(zhèn)一體化進程。尤其是高效的農(nóng)村信貸市場能夠促進農(nóng)戶對現(xiàn)代農(nóng)業(yè)技術(shù)和生產(chǎn)方式的采用，幫助農(nóng)業(yè)企業(yè)及時利用投資機會，提高生產(chǎn)效率，并且加快農(nóng)村勞動力向二、三產(chǎn)業(yè)的轉(zhuǎn)移，從而對農(nóng)戶收入的增長和農(nóng)村經(jīng)濟的發(fā)展起到直接的促進作用。然而，在發(fā)展中國家農(nóng)村金融市場的理論與實證研究表明：農(nóng)村信貸市場存在嚴重的信息不對稱（平新喬等，2009）［1］，農(nóng)村信貸市場的效率非常低下，農(nóng)戶遭受信貸配給的程度十分嚴重 （Stiglitz and Weiss，1981；Kochar，1997；Foltz，2004）［2］－［4］，信貸配給不僅給農(nóng)戶帶來嚴重的福利損失（李銳等，2007；李慶海等，2012；褚保金等，2009）［5］－［7］，而且還壓制了農(nóng)戶生產(chǎn)經(jīng)營的資本投入，造成農(nóng)戶生產(chǎn)效率的流失。

當農(nóng)戶所需要的借款數(shù)額少于其從正式和非正式金融市場所獲取的借款數(shù)額時，我們就說農(nóng)戶存在信貸配給（李銳等，2007）。從我國的實際情形來看，信貸配給形成的主要原因是利率管制和信息不對稱（朱喜等，2006）［8］。首先，政府規(guī)定的農(nóng)村金融機構(gòu)貸款利率大大低于市場利率。資金價格過低限制了正式機構(gòu)的邊際收益，于是銀行就會減少資金供給；其次，農(nóng)戶貸款具有規(guī)模小、風險高、分散等特點，銀行面臨的信息不對稱問題嚴重；最后，農(nóng)戶不具備土地所有權(quán)，導(dǎo)致土地不可作為抵押品（楊小凱等，2002）［9］，這就更加大了金融機構(gòu)發(fā)放貸款的風險。以上因素都阻礙著農(nóng)村信貸市場的有效運行，從而誘發(fā)信貸配給①。而信貸配給又會間接地影響農(nóng)戶生產(chǎn)經(jīng)營效率。那么，在中國農(nóng)村信貸市場上農(nóng)戶遭受信貸配給的程度有多大？以及信貸配給在多大程度上影響了農(nóng)戶的生產(chǎn)經(jīng)營效率？這些將是本文所要探究的主題。

近年來國內(nèi)外對信貸配給程度的定量估計有：Kochar（1997）運用biproit模型（Poirier，1980）［10］同時考慮信貸供給和需求，估計了印度農(nóng)村的信貸配給程度；Foltz（2004）運用概率內(nèi)生開關(guān)模型 （Probit Endogenous Switching Model）估計了突尼斯鄉(xiāng)村的信貸配給程度及其對農(nóng)戶產(chǎn)出的影響；李銳等（2007）采用截面數(shù)據(jù)和biprobit模型估計了農(nóng)戶在信貸市場上遭受數(shù)量配給的程度；李慶海等（2012）運用面板數(shù)據(jù)和biprobit模型估計了農(nóng)戶在信貸市場上遭受數(shù)量配給的程度，并且定義了遭受部分配給和完全配給的農(nóng)戶類型。

在研究信貸配給對農(nóng)戶產(chǎn)出的影響方面，Petrick（2004）［11］運用截面數(shù)據(jù)估計了信貸配給與農(nóng)戶投資之間的關(guān)系。Krandker和Faruqe（2003）［12］采用兩階段估計模型，估計了信貸配給對農(nóng)戶產(chǎn)出的影響。李銳等（2007）采用傾向得分匹配模型，控制了模型的內(nèi)生性，深入研究了農(nóng)戶信貸配給與福利損失的關(guān)系。Foltz（2004）和褚保金等（2009）采用內(nèi)生轉(zhuǎn)換模型，證明了信貸配給對農(nóng)戶產(chǎn)出的影響顯著為負。李慶海等（2012）首先用biprobit模型將農(nóng)戶遭受信貸配給的程度估計出來，再以0．5為臨界值將農(nóng)戶的類型進行識別，最后將農(nóng)戶是否遭受信貸配給處理成虛擬變量，據(jù)此建立模型分析了信貸配給對農(nóng)戶收入與消費的影響。

本文運用截面數(shù)據(jù)考察了我國信貸配給程度及其對農(nóng)戶生產(chǎn)經(jīng)營效率的影響。本文對文獻的貢獻可以歸結(jié)如下：（1）根據(jù)“中國家庭金融調(diào)查（CHFS）”2012年的截面數(shù)據(jù)，運用聯(lián)立離散選擇模型考察了我國農(nóng)村信貸配給程度。（2）把估計出來的信貸滿足率變量，引入隨機邊界模型分析了信貸配給約束對農(nóng)戶生產(chǎn)經(jīng)營效率的影響。（3）區(qū)分了中國東、中、西部地區(qū)信貸配給約束對農(nóng)戶生產(chǎn)經(jīng)營效率影響的地區(qū)差異。

全文的結(jié)構(gòu)安排如下：第二部分是數(shù)據(jù)來源及分析；第三部分構(gòu)建一個聯(lián)立的離散選擇模型分析農(nóng)戶遭受的信貸配給程度；第四部分引入信貸配給約束下的隨機前沿模型；最后是文章的結(jié)論。

二、數(shù)據(jù)來源及分析

（一）數(shù)據(jù)來源

本文數(shù)據(jù)來源于“中國家庭金融調(diào)查（CHFS）”數(shù)據(jù)庫發(fā)布的《中國家庭金融調(diào)查報告（2012）》。該數(shù)據(jù)是由西南財經(jīng)大學中國家庭金融調(diào)查與研究中心與中國人民銀行聯(lián)合調(diào)查而呈現(xiàn)的，它基于全國25個?。ㄊ小^(qū)）、80個縣、320個社區(qū)共8438個家庭的抽樣調(diào)查數(shù)據(jù)匯總分析而成，涉及家庭資產(chǎn)、負債、收入、消費、保險、保障等各個方面的數(shù)據(jù)，全面客觀地反映了當前我國家庭金融的基本狀況。有關(guān)數(shù)據(jù)的更多介紹參見甘犁等（2013）［13］。我們刪除城市家庭（即rural＝2）的樣本后得到3422個農(nóng)戶樣本。刪除借貸指數(shù)（即是否發(fā)生借貸）為缺漏值的樣本后得到2506個農(nóng)戶樣本。

（二）樣本描述

表1列出不同地區(qū)樣本農(nóng)戶的數(shù)量及占比、借款分布與借款來源情況。在本文中，正規(guī)借貸主要是從農(nóng)村信用社和銀行獲得的貸款，非正規(guī)借貸主要有個體工商業(yè)主賒銷、高利貸、親戚朋友借貸等。各省觀測樣本是根據(jù)權(quán)重進行抽樣，其中東、中、西部的農(nóng)戶觀測樣本分別為 620、1062、824，占比分別為 24．74%、42．38%、32．88%。從借款分布來看，發(fā)生借款的農(nóng)戶占比為30．25%。從借款來源來看26．02%的借貸行為來自正規(guī)借貸，86．52%的借貸行為來自非正規(guī)借貸，12．54%的農(nóng)戶既有正規(guī)渠道借款又有非正規(guī)渠道借款?？梢?，非正規(guī)借貸是農(nóng)戶主要的借貸方式，很多農(nóng)戶在正規(guī)借貸渠道遭受信貸配給，因而選擇非正規(guī)借貸作為補充。

表1 不同地區(qū)樣本農(nóng)戶的數(shù)量及占比、借款分布與借款來源情況

西部陜西 80 3．19 1．28 1．92 1．85 3．43 1．06甘肅 98 3．91 1．76 2．15 1．98 5．28 1．45小計 824 32．88 12．55 20．35 14．66 33．68 6．87樣本合計 2506 100 30．25 69．75 26．02 86．52 12．54

（三）變量設(shè)計與統(tǒng)計描述

在變量的選取上，本文參考了以往學者的選擇，先考慮借貸供給模型。

我們把決定放貸方?jīng)Q策的變量分為兩類：第一類代表農(nóng)戶個體特征。承包的土地②（單位：畝）是農(nóng)戶最基本的生產(chǎn)資料，在一定程度上代表了農(nóng)戶的收益率，因此我們預(yù)測它們對信貸供給的影響為正。農(nóng)戶的生產(chǎn)性固定資產(chǎn)（單位：千元）、家庭收入（單位：千元）、家庭資產(chǎn)（單位：千元）與之類似。家庭資產(chǎn)是生產(chǎn)性固定資產(chǎn)和房產(chǎn)之和。農(nóng)戶的受教育水平可以代表農(nóng)戶的能力，也可能會影響放貸方的供給決策，受教育水平是一個虛擬變量，值越大代表的受教育水平越高。第二類代表農(nóng)戶生產(chǎn)經(jīng)營的經(jīng)濟和社會環(huán)境，包括農(nóng)戶所在村的交通條件、是否干部家庭（虛擬變量，值為1代表是，0代表否）、地區(qū)（虛擬變量，值為1代表東部，2代表中部，3代表西部）等。交通條件由農(nóng)戶所在村距市中心的路程（單位：分鐘）來表示，交通條件能反映是否對農(nóng)村地區(qū)資金供給有政策傾斜。是否干部家庭（虛擬變量，值為1代表是，0代表否）是農(nóng)戶政治資本的體現(xiàn)，在某些情況下可以左右銀行的貸款決策。

關(guān)于農(nóng)戶貸款需求的決定變量。首先，土地、生產(chǎn)性固定資產(chǎn)、受教育水平和距離市中心路程等農(nóng)戶的個體特征和農(nóng)戶生產(chǎn)經(jīng)營的經(jīng)濟社會環(huán)境都可能影響農(nóng)戶的貸款需求。土地、生產(chǎn)性固定資產(chǎn)能反映農(nóng)戶的投資規(guī)模，間接代表了農(nóng)戶的資金需求。受教育程度變量在某種程度上能體現(xiàn)個體農(nóng)戶對擴大生產(chǎn)經(jīng)營的偏好。距離市中心路程能反映偏遠地區(qū)農(nóng)戶與城市郊區(qū)農(nóng)戶對資金的不同需求。我們預(yù)測這些變量對資金需求的影響為正。其次，消費支出（單位：千元）、教育醫(yī)療支出（單位：千元）高低可以在一定程度上反映農(nóng)戶對資金需求的大小。最后，我們考慮農(nóng)戶打工收入（單位：千元）對農(nóng)戶貸款的影響。這是因為，農(nóng)戶的打工收入可能會是資金的重要來源，從而對貸款起到一定的替代作用。

另外，關(guān)于農(nóng)戶產(chǎn)出（單位：千元）的影響因素。首先，生產(chǎn)性固定資產(chǎn)、生產(chǎn)經(jīng)營借貸金額應(yīng)作為農(nóng)戶生產(chǎn)的資本投入，它影響著農(nóng)戶的產(chǎn)出。勞動力投入我們用家庭勞動人口乘以從事生產(chǎn)經(jīng)營的月份數(shù)來表示。通常經(jīng)濟分析中只使用資本、勞動兩個要素進行分析。但是傳統(tǒng)的生產(chǎn)函數(shù)表明，產(chǎn)出不僅與資本、勞動要素有關(guān)，還與土地和企業(yè)家才能等生產(chǎn)要素有關(guān)。并且農(nóng)業(yè)生產(chǎn)有其特殊性，一方面，土地作為一種重要的生產(chǎn)要素投入生產(chǎn)，對產(chǎn)出的影響很大。另一方面，在現(xiàn)代農(nóng)業(yè)生產(chǎn)中，知識要素發(fā)揮著越來越重要的作用。所以本文決定把土地、生產(chǎn)經(jīng)營借貸金額和企業(yè)家才能逐步引入模型，我們這里把企業(yè)家才能用農(nóng)戶的受教育水平來代替。我們認為土地和受教育水平對農(nóng)戶的產(chǎn)出具有正向影響。變量及其基本統(tǒng)計性質(zhì)在表2中分別列出。

表2 變量描述性統(tǒng)計

三、信貸配給程度模型與分析

農(nóng)戶貸款行為是由供給和需求兩個方面同時決定的，常規(guī)技術(shù)和經(jīng)典計量模型難以處理這類問題，而聯(lián)立離散選擇模型可以較好地描述這一行為。為了弄清農(nóng)戶遭受信貸配給的程度，我們建立聯(lián)立選擇模型如下。

其中，E（ε1）＝E（ε2）＝0，Var（ε1）＝Var（ε2）＝1，cov（ε1，ε2）＝ρ。只有資金供給方愿意貸款（y1＝1）且農(nóng)戶希望得到貸款（y2＝1）時，貸款行為才會發(fā)生，我們才能實際觀察到農(nóng)戶的借貸行為，這是樣本所能提供的最大信息。將貸款行為記作y，則：

式（1）是一個典型的雙變量probit模型，且觀察值具有部分可觀察性（partial observability）的特征（即式（2））。這類模型最早由 Poirier（1980）提出，估計方法采用最大似然法（MLE），其對數(shù)似然函數(shù)為：

這個模型代表了信貸配給的程度，即希望得到貸款但被拒絕的農(nóng)戶比例。它的優(yōu)點在于它能夠有效利用ε1和ε2之間的相關(guān)性，從而得到更準確的估計。 我們采用 P（y1＝0｜y2＝1）代表農(nóng)戶遭受信貸配給的概率。

表3 聯(lián)立離散選擇模型的估計結(jié)果

注：＊＊＊、＊＊、＊分別表示在1%、5%、10%的水平上顯著，avg表示平均值。

表3給出了影響農(nóng)戶資金供求因素的估計結(jié)果，模型1和2都是聯(lián)立的離散選擇模型，模型2控制了地區(qū)因素對模型的影響，表中LR檢驗值在1%的水平上顯著，說明模型2與模型1有明顯差別。由于模型2控制了地區(qū)因素，估計結(jié)果更加穩(wěn)健，所以以下分析圍繞模型2展開。

從模型2的需求方程可以看出，農(nóng)戶受教育水平對農(nóng)戶借款需求的影響顯著為正，顯著水平為10%，這說明受教育水平越高的農(nóng)戶對貸款的需求越大，而受教育水平低的農(nóng)戶對生產(chǎn)經(jīng)營投資比較保守，不愿意去借錢來擴大生產(chǎn)。生產(chǎn)性固定資產(chǎn)現(xiàn)值對農(nóng)戶借款需求的影響為正但不顯著。土地、消費支出、距離市中心路程和醫(yī)療與教育培訓(xùn)支出對農(nóng)戶借款需求的影響也為正，其顯著水平分別為5%、1%、不顯著、不顯著。在其他條件不變的情況下，農(nóng)戶承包的土地面積越大，購買生產(chǎn)資料的需求就會越大，對資金的需求就會越大。流動性資產(chǎn)對農(nóng)戶借貸需求的影響顯著為負，其顯著水平為1%，由于農(nóng)戶生產(chǎn)經(jīng)營所需要的資金規(guī)模小，一旦農(nóng)戶擁有大量流動性資產(chǎn)就能彌補生產(chǎn)經(jīng)營的資金不足，借貸需求自然相應(yīng)降低。打工收入對農(nóng)戶的借貸需求影響為負但不顯著。一方面，打工收入可以減少農(nóng)戶對資金的需求，反映在數(shù)據(jù)上就是系數(shù)為負。另一方面，打工者本身不參與生產(chǎn)經(jīng)營活動，就不存在借貸需求，所以打工收入變量并不顯著。

緊接著分析供給方程，農(nóng)戶受教育水平、生產(chǎn)性固定資產(chǎn)、土地、距離市中心路程、家庭收入和非流動性資產(chǎn)對貸款供給的影響為正，其顯著水平分別為不顯著、1%、1%、不顯著、1%、1%。這說明農(nóng)戶受教育水平越高對放貸方的決策是中性的，放貸方并不會因為農(nóng)戶受教育程度高就決定貸款給農(nóng)戶。生產(chǎn)性固定資產(chǎn)、非流動性資產(chǎn)在某種程度上可以作為抵押品，所以擁有生產(chǎn)性固定資產(chǎn)越多的農(nóng)戶，能提高放貸方的供給意愿。家庭收入代表著農(nóng)戶的還款能力，所以它對貸款供給具有正向影響。土地對貸款供給的影響顯著為正。一方面，土地規(guī)模越大的農(nóng)戶，生產(chǎn)經(jīng)營收入越高，意味著放貸方收回貸款的可能性越大。另一方面，近年來政府放松了對土地作為抵押的限制。模型1的實證結(jié)果表明是否為干部家庭對資金供給的影響為正，這說明在農(nóng)村信貸市場上，確實存在著托關(guān)系、走后門的現(xiàn)象。但是在模型2中控制了地區(qū)因素的影響后，我們發(fā)現(xiàn)是否為干部家庭對資金的供給并不顯著，這說明政治資本對資金供給決策的干預(yù)只是一個局部現(xiàn)象。

根據(jù)聯(lián)立離散選擇模型的估計結(jié)果，我們把農(nóng)戶遭受信貸配給概率的平均值報告在了表3中，它在某種程度上可以模擬樣本總體所遭受的信貸配給程度。在模型1中，農(nóng)戶存在有效貸款需求的前提下，平均貸款滿足率為28．26%，模型2為26．97%，說明地區(qū)因素夸大了貸款滿足率，即低估了信貸配給（需求沒有被滿足）的嚴重程度。從模型2中可以看出，有73．03%的農(nóng)戶遭受了信貸配給。考慮到使用數(shù)據(jù)的不同，這個結(jié)果與李銳等（2007）、李慶海等（2012）所得出的結(jié)論相差不大（李銳估計的農(nóng)戶金融抑制程度為70．92%，李慶海估計農(nóng)戶遭受信貸配給的比率為64．5%）。

四、信貸配給下的異質(zhì)性隨機前沿生產(chǎn)效率模型

前沿生產(chǎn)函數(shù)描繪了在技術(shù)水平中性條件下要素投入與產(chǎn)出之間的關(guān)系，我們假定技術(shù)完全有效，那么，在考慮隨機沖擊對前沿產(chǎn)出的影響后，隨機前沿生產(chǎn)模型可以寫為：

其中F（Di）表示農(nóng)戶因為遭受信貸約束所造成投資不足的那部分，Di是上文聯(lián)立離散選擇模型估計出來的農(nóng)戶信貸滿足率。根據(jù)（4）和（5）式，農(nóng)戶在沒有信貸約束和存在信貸約束兩種情況下的產(chǎn)出之間存在如下關(guān)系：

因此，信貸約束的存在只會使農(nóng)戶的產(chǎn)出降低，它具有單邊分布的特征。若設(shè) F（Di）＝ui，則農(nóng)戶的實際產(chǎn)出 Yi與最優(yōu)水平之間有如下關(guān)系：

模型（7）是一個典型的隨機前沿模型。為了反映截面數(shù)據(jù)特征，以及不同農(nóng)戶所遭受信貸約束的異質(zhì)性，本文對模型（7）作了如下設(shè)定：

其中，Xi＝（1，Ki，Li，Ni，Ei）′，β 為相應(yīng)的系數(shù)向量，Ki表示農(nóng)戶的資本要素投入，Li表示勞動要素投入，Ni表示土地要素投入，Ei表示農(nóng)戶受教育程度，混合干擾項εi包括兩個部分：vi和ui。其中，vi是上文所指的隨機干擾項，假設(shè)其服從正態(tài)分布且彼此獨立，即 vi～i．i．d．N（）；ui表示信貸約束效應(yīng)。 由于其具有單邊分布的特征，我們假設(shè)其服從指數(shù)分布，即 ui～exp（η，η2）。 ui的異質(zhì)性設(shè)定如下：

其中，c為常數(shù)，θ是信貸滿足率變量的系數(shù)。需要指出的是，指數(shù)分布是隨機邊界分析中經(jīng)常設(shè)定的一種分布，Kumbhakar and Lovell（2000）［14］已經(jīng)證明在隨機邊界分析中指數(shù)分布③有更為直接的效果。另外，利用這一模型，我們可以定量分析信貸約束導(dǎo)致的生產(chǎn)效率損失，這是前期研究中基于線性回歸分析無法實現(xiàn)的。由（9）—（10）式構(gòu)成的異質(zhì)性隨機前沿模型可以采用最大似然法估計，對數(shù)似然函數(shù)為（Kumbhakar and Lovell，2000；Wang，2003）［15］：

其中，Φ（·）分別為標準正態(tài)分布的累計分布函數(shù)。我們從兩個方面來分析信貸約束對農(nóng)戶生產(chǎn)經(jīng)營投資行為的影響。其一，采用似然比檢驗進行定性分析。 原假設(shè)為 H0：ui＝0，即不存在信貸約束，相應(yīng)的備擇假設(shè) H1：ui≠0。 似然比統(tǒng)計量 LR＝－2［L（H0）－L（H1）］，其中，L（H0）和 L（H1）分別為原假設(shè)和備擇假設(shè)下的似然函數(shù)值。LR統(tǒng)計量漸進地服從卡方分布，自由度為約束的個數(shù)。同時，我們也可以用似然比檢驗來判定模型的異質(zhì)性設(shè)定是否正確。其二，構(gòu)造生產(chǎn)效率指數(shù)（Production efficiency index）PEIi進行定量分析。它表示農(nóng)戶實際產(chǎn)出與最優(yōu)產(chǎn)出的偏離程度，定義如下：

顯然PEIi介于0和1之間，當PEIi＝0時，農(nóng)戶的投資效率最低，農(nóng)戶受到的信貸約束最嚴重，當PEIi＝1時，農(nóng)戶的投資效率最高，并且農(nóng)戶沒有受到信貸約束。采用最大似然估計得到模型的參數(shù)估計值后可進一步得到估計式（Battese and Coelli，1998）［16］：

式中的PEI指數(shù)表示農(nóng)戶的實際產(chǎn)出相對于最優(yōu)水平（不存在信貸約束時的產(chǎn)出）偏離的百分比。

Kumbhakar和Lovell認為對隨機前沿函數(shù)的分析應(yīng)該包括兩部分：第一是對隨機生產(chǎn)前沿函數(shù)的估計，目的是對生產(chǎn)者要素配置情況進行評價；第二是對外生變量的處理和分析。表4列出了不同模型設(shè)定下的估計結(jié)果。

表4 隨機前沿產(chǎn)出模型的估計與檢驗結(jié)果

模型1是在隨機生產(chǎn)前沿函數(shù)只有勞動力對數(shù)、生產(chǎn)性固定資產(chǎn)對數(shù)、生產(chǎn)經(jīng)營借貸金額對數(shù)這三個生產(chǎn)要素所給出的模型設(shè)定，結(jié)果顯示，隨機前沿生產(chǎn)函數(shù)中的三個變量對農(nóng)戶產(chǎn)出均有顯著的正向影響，其顯著水平為1%。外生變量信貸滿足率對信貸約束方程的影響顯著為負，其顯著水平為1%，這表明農(nóng)戶的信貸滿足率越高，農(nóng)戶受到的信貸約束就越小。模型2和模型3逐步把土地和受教育水平引入模型，我們發(fā)現(xiàn)，土地與教育水平同樣對產(chǎn)出的影響顯著為正，其顯著水平為1%。這表明擁有土地越多的農(nóng)戶其產(chǎn)出水平越高，它從側(cè)面反映了我國農(nóng)村經(jīng)濟增長目前還是一種粗放型的經(jīng)濟增長，單位土地要素投入產(chǎn)出的水平很低，產(chǎn)出對土地要素投入的依耐性較高。受教育水平對農(nóng)戶產(chǎn)出水平的影響顯著，表明受教育程度越高的農(nóng)戶越能積極采用新技術(shù)，產(chǎn)出水平越高。模型4控制了地區(qū)因素對模型的影響，模型5是不存在信貸配給時的農(nóng)戶產(chǎn)出模型。通過表4最后四行的似然比檢驗的結(jié)果來看，我們發(fā)現(xiàn)無論是設(shè)定原假設(shè)LR1“土地、受教育水平和地區(qū)對產(chǎn)出沒有影響”還是LR2“不存在異質(zhì)性信貸約束”，都在1%的顯著水平上被拒絕，這說明模型的異質(zhì)性設(shè)定是正確的，且異質(zhì)性隨機前沿模型4顯著優(yōu)于模型1，2，3。下面的分析我們圍繞模型4展開。

我們注意到，信貸滿足率系數(shù)在農(nóng)戶信貸約束方程中是在1%的水平上顯著為負的，農(nóng)戶貸款的滿足率越高，農(nóng)戶所受的信貸約束的程度就越低，農(nóng)戶的資本要素投入就會相應(yīng)提高。由于目前農(nóng)村生產(chǎn)效率低，生產(chǎn)剩余少，農(nóng)戶的儲蓄率低。如果農(nóng)戶想在新生產(chǎn)要素上進行投資，對資金需求就比較多，當親朋鄉(xiāng)鄰無法提供幫助時，農(nóng)戶就會向銀行、信用社借貸，此時農(nóng)戶受到信貸約束的嚴重程度直接關(guān)系到農(nóng)戶能否進行充分的生產(chǎn)經(jīng)營投資。且農(nóng)戶遭受的信貸約束程度越嚴重，農(nóng)戶的生產(chǎn)經(jīng)營資本投入就會越低，農(nóng)戶的產(chǎn)出水平就會相應(yīng)減少。

表5 不同地區(qū)估計結(jié)果

由于地區(qū)之間在信貸滿足率的程度上并不一致，所以地區(qū)之間作用于農(nóng)戶信貸約束的程度也各不相同。于是我們將農(nóng)戶分成東、中、西部三組，分別估計了異質(zhì)性隨機前沿模型（8）—（9），表5給出了估計結(jié)果。對比三個地區(qū)的差異我們可以發(fā)現(xiàn)，雖然信貸約束在三個地區(qū)對產(chǎn)出的影響都在1%的水平上顯著，且系數(shù)皆為負，但是信貸配給在三個約束方程中發(fā)揮的作用存在較大差異，西部地區(qū)信貸滿足率在約束方程的系數(shù)為－1．364，而在中、東部地區(qū)信貸滿足率變量的系數(shù)分別為－4．572、－3．117。這說明，中、東部地區(qū)信貸滿足率對緩解農(nóng)戶信貸約束的影響程度大于西部地區(qū)，中、東部地區(qū)的信貸滿足率越高意味著這些地區(qū)的農(nóng)戶資本投入面臨的約束越小。這可能和不同地區(qū)農(nóng)戶之間積累的差異有關(guān)，西部農(nóng)戶的農(nóng)業(yè)生產(chǎn)經(jīng)營方式較落后，傳統(tǒng)農(nóng)作方式比重大，而中東部地區(qū)憑借自己的地區(qū)地理優(yōu)勢逐步在向現(xiàn)代農(nóng)業(yè)生產(chǎn)方式轉(zhuǎn)型，所以與西部地區(qū)相比，中、東部地區(qū)的農(nóng)戶生產(chǎn)經(jīng)營所需要的資本投入多，信貸滿足率過低意味著新技術(shù)就無法得到應(yīng)用，新經(jīng)營模式就無法運用。所以，在同樣的信貸滿足程度下，中、東部地區(qū)的農(nóng)戶受到的信貸約束要比西部明顯。

2．生產(chǎn)效率分析

圖1繪制了農(nóng)戶生產(chǎn)效率的分布頻數(shù)圖，生產(chǎn)效率在某種程度上也能反映農(nóng)戶面臨的信貸約束。從圖中可以看出，有接近9%的農(nóng)戶在信貸約束下的生產(chǎn)效率接近于0，表明有一些農(nóng)戶的生產(chǎn)效率很低。

圖1 生產(chǎn)效率指數(shù)（PEI）的頻數(shù)分布

除此之外，農(nóng)戶的生產(chǎn)效率指數(shù)大小分布比較平緩。PEI的樣本均值為0．38，表明信貸約束的存在使得農(nóng)戶的實際投資水平比最優(yōu)水平平均降低了60%左右。

信貸約束是農(nóng)戶生產(chǎn)經(jīng)營資本投入面臨的一個重大難題，信貸配給的存在不僅阻礙了我國農(nóng)業(yè)生產(chǎn)方式由傳統(tǒng)向現(xiàn)代的轉(zhuǎn)型，而且給農(nóng)戶帶來收入上的損失。信貸配給導(dǎo)致農(nóng)戶生產(chǎn)經(jīng)營資本投入的斷層，阻礙了一些農(nóng)戶擴大生產(chǎn)經(jīng)營和引進新技術(shù)的行動，導(dǎo)致農(nóng)戶產(chǎn)出水平低下，農(nóng)戶生產(chǎn)經(jīng)營的收入變少。而增加農(nóng)民收入也正是我國解決三農(nóng)問題的一個需要突破的重點。

從表6來看農(nóng)戶在信貸配給約束下的生產(chǎn)效率損失也存在著明顯的地區(qū)差異，中東部地區(qū)的農(nóng)戶生產(chǎn)效率損失均值明顯高于西部。其中中、東部地區(qū)農(nóng)戶的生產(chǎn)效率損失均值要高于總體樣本均值，中部地區(qū)的生產(chǎn)效率損失最高，達到63．2%，并且中部地區(qū)生產(chǎn)效率之間方差最小，表明中部地區(qū)農(nóng)戶之間生產(chǎn)效率損失的差異較小。相比之下，西部農(nóng)戶的生產(chǎn)效率損失最低，達到59．1%，東部地區(qū)農(nóng)戶生產(chǎn)效率損失為62．8%，但是東部地區(qū)生產(chǎn)效率之間的方差最大，說明東部地區(qū)農(nóng)戶之間生產(chǎn)效率損失的差異較大。

表6 不同地區(qū)農(nóng)戶平均生產(chǎn)效率指數(shù)

五、結(jié) 論

本文旨在通過對農(nóng)戶遭受信貸配給的程度進行定量分析，然后把農(nóng)戶的信貸滿足率變量引入隨機前沿生產(chǎn)模型，以此來定量測算信貸約束下農(nóng)戶的生產(chǎn)效率。

首先，我們運用聯(lián)立離散選擇模型構(gòu)造了農(nóng)戶信貸的供給與需求模型，測算了農(nóng)戶在供給與需求相互作用下的貸款滿足率以及遭受到的信貸配給的程度。研究結(jié)果表明：農(nóng)戶總體的信貸需求（p（y2）＝1）為 39．11%，金融機構(gòu)給農(nóng)村的信貸供給（p（y1）＝1）為 7．61%，農(nóng)戶遭受的信貸配給程度（p（y1＝0｜y2＝1））（需求沒有被滿足的程度）為73．58%；受教育水平、土地、消費支出和流動性資產(chǎn)變量對在農(nóng)戶資金需求的影響是顯著的，其顯著水平分別為10%、5%、1%和1%，其中流動性資產(chǎn)對農(nóng)戶資金需求具有負向影響。生產(chǎn)性固定資產(chǎn)、土地、家庭收入和非流動性資產(chǎn)變量對資金的供給的影響為正，且都在1%的水平上顯著。

其次，我們把以上計算出來的農(nóng)戶借貸滿足率引入農(nóng)戶的隨機前沿生產(chǎn)函數(shù)，構(gòu)造了信貸約束下的異質(zhì)性隨機前沿生產(chǎn)效率模型，定量分析了信貸約束對農(nóng)戶生產(chǎn)經(jīng)營效率的影響。研究結(jié)果表明：信貸約束的存在使得農(nóng)戶產(chǎn)出比最優(yōu)水平低出了約60%左右，平均投資效率僅為38．24%；地區(qū)之間農(nóng)戶受到信貸約束對生產(chǎn)效率的影響存在差異，平均而言，中、東部地區(qū)農(nóng)戶因信貸約束造成的產(chǎn)出效率損失大于西部地區(qū)。

本文結(jié)論可能的政策含義是：應(yīng)適當增加正式金融組織對于農(nóng)村地區(qū)的資金支持，如采取降低貸款準備金率和再貼現(xiàn)利率等措施。利用非正式金融組織對農(nóng)村地區(qū)資金供給的靈活性，以此增加農(nóng)村信貸市場上的資金供給，最大程度上滿足農(nóng)戶的資金需求，從而提高農(nóng)戶的生產(chǎn)效率。并且要充分考慮到地區(qū)發(fā)展的差異，建立區(qū)域性多層次資本市場，這對區(qū)域經(jīng)濟發(fā)展，尤其是西部地區(qū)的經(jīng)濟發(fā)展將具有深遠的意義。

注釋：

① 信貸配給分為服務(wù)配給和數(shù)量配給，本文關(guān)注的是服務(wù)配給。

② 土地的丈量單位在中國農(nóng)村并不統(tǒng)一，并且在中國農(nóng)村中有用重量單位如石、斗表示面積單位的傳統(tǒng)，調(diào)查問卷結(jié)果所給出的丈量單位也較繁多。本文經(jīng)過考證，把所有單位按以下比例一律換算成畝：1畝＝0．2石；1畝＝5挑；1畝＝60平方丈；1畝＝2000方。

③ 當然也可以假設(shè)服從半正態(tài)分布，截斷型半正態(tài)分布。Kumbhakar and Lovell（2000）研究表明，不同的分布假設(shè)對結(jié)果的影響較小，為此，本文采用了形式簡單的指數(shù)分布。

［1］平新喬，楊慕云．信貸市場信息不對稱的實證研究——來自中國國有商業(yè)銀行的證據(jù)［J］．金融研究，2009，（3）：1－18．

［2］Stiglitz J， Weiss A．Credit Rationing in Markets with Imperfect Information［J］．American Economic Review，1981，73（3），393－410．

［3］Kochar A．An Empirical Investigation of RationingConstraints in Rural Credit Markets in India［J］．Journalof Development Economics，1997，53（2），339－371．

［4］Foltz J D．Credit Market Access and Profitability in Tunisian Agriculture［J］．Agricultural Economics， 2004，30（3）：229－240．

［5］李銳，朱喜．農(nóng)戶金融抑制及其福利損失的計量分析［J］．經(jīng)濟研究2007，（2）：146－155．

［6］李慶海，李銳，汪三貴．農(nóng)戶信貸配給及其福利損失——基于面板數(shù)據(jù)的分析［J］．數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究 2012，（8）：35－48．

［7］褚保金，盧亞娟．信貸配給下農(nóng)戶借貸的福利效果分析［J］．中國農(nóng)村經(jīng)濟，2009，（6）．

［8］朱喜，李子奈．我國農(nóng)村正式金融機構(gòu)對農(nóng)戶的信貸配給——一個聯(lián)立離散選擇模型的實證分析［J］．數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究 2006，（3）：37－49．

［9］楊小凱，江濡山．中國改革面臨的深層次問題—關(guān)于土地制度改革［J］．戰(zhàn)略與管理，2002，（5）：1－5．

［10］Poirier D J．Partial Observability in Bivariariate Probit Models［J］．Journal of Econometrics，1980，12（2），210－217．

［11］Petrick M．Farm Investment， Credit Rationing， and Governmentally Promoted Credit Access in Poland：A Cross－Sectional Analysis［J］．Food Policy， 2004，29（3），275－294．

［12］Krandker S R， Farupe R．The Impact of Farm Credit in Pakistan［J］．Agricultural Economics，2003，28（3），197－213．

［13］甘犁，尹志超，賈男等．中國家庭資產(chǎn)狀況及住房需求分析［J］．金融研究，2013，（4）．

［14］Kumbhakar S C， Lovell C A K．stochastic frontier analysis［M］．Cambridge University Press，New York，2000：90．

［15］Wang H J．A Stochastic Frontier Analysis of Financing Constraints on Investment： The Case of Financial Liberalization in Taiwan［J］．Journal of Business ＆ Economic Statistics，2003，vol．0，No．0，1－14．

［16］Battese G E， CoelliT J．Prediction ofFirm －LevelTechnicalEfficiencieswith a Generalized Frontier Pro－duction Function and Panel Data ［J］．Journal of Econometrics， 1988，（38）：387－399．