孫光林，李慶海，丁海燕(.東北財經(jīng)大學經(jīng)濟學院，遼寧 大連 60；.南京財經(jīng)大學經(jīng)濟學院，江蘇 南京 00；.上海財經(jīng)大學經(jīng)濟學院，上海 00080)

少數(shù)民族地區(qū)農(nóng)戶金融認知對信貸可得性的影響

孫光林1，李慶海2，丁海燕3
(1.東北財經(jīng)大學經(jīng)濟學院，遼寧 大連 116021；2.南京財經(jīng)大學經(jīng)濟學院，江蘇 南京 210023；3.上海財經(jīng)大學經(jīng)濟學院，上海 200080)

基于2016年新疆7縣(市)農(nóng)戶金融調(diào)查數(shù)據(jù)，從4個方面設置問題測度農(nóng)戶的金融認知水平，根據(jù)農(nóng)戶是否獲得貸款、貸款規(guī)模以及貸款金額占申請額的比值測度信貸可得性，并采用IV-Probit模型分析少數(shù)民族地區(qū)農(nóng)戶金融認知對信貸可得性的影響。研究表明：金融認知能夠顯著促進農(nóng)戶獲得貸款，提高信貸規(guī)模以及貸款額/申請額的比例；除此以外，戶主的年齡、民族、教育程度和政治資本對農(nóng)戶信貸可得性影響顯著為正；戶主的風險態(tài)度和南疆地域虛擬變量對農(nóng)戶信貸可得性影響顯著為負。

金融認知；信貸可得性；農(nóng)戶；少數(shù)民族地區(qū)

一、問題的提出

農(nóng)村金融是現(xiàn)代金融的重要組成部分，是支持農(nóng)村建設和農(nóng)民增收的重要力量。近年來，中央政府為了促進農(nóng)村金融發(fā)展出臺了一系列政策。然而，農(nóng)村地區(qū)的“貸款難”、“貸款貴”等問題并未根本解決[1-2]，部分地區(qū)尤其是老少邊窮地區(qū)信貸服務供給不足乃至缺失，廣大低收入貧困農(nóng)戶更是長期被正規(guī)金融服務邊緣化，遭受嚴重的信貸約束[3]。探索如何提高農(nóng)戶正規(guī)金融渠道信貸可得性，對于農(nóng)村金融和農(nóng)村經(jīng)濟發(fā)展都具有重大的現(xiàn)實意義[4-7]。

近年來，對于農(nóng)戶正規(guī)信貸可得性的影響因素，學者從不同角度展開了深入研究，產(chǎn)生了大量的理論和實證文獻，主要集中在戶主個人特征(教育程度、性別等)[8-9]、農(nóng)戶家庭經(jīng)濟特征(收入、勞動力和生產(chǎn)類型等)[10-11]、社會資本特征[12-13]和宏觀經(jīng)濟特征[7]等方面。金融認知對農(nóng)戶正規(guī)信貸可得性的影響也引起了學者的關(guān)注。隋艷穎等研究認為，金融認知能夠提高農(nóng)戶對金融機構(gòu)的認知能力，減少農(nóng)牧民使用金融服務所遇到的障礙[14]；劉娟等實證認為，金融認知能夠提高農(nóng)戶金融參與意識，與農(nóng)戶信貸需求意愿顯著正相關(guān)[15]；王修華和陳茜茜研究結(jié)果表明，金融認知有助于提高農(nóng)戶對貸款服務程序和農(nóng)村金融政策的了解程度[16]。

上述文獻較好地分析了農(nóng)戶正規(guī)信貸可得性的影響因素，并討論了金融認知對農(nóng)戶信貸的效果，得出很多有益的結(jié)論，但仍存在以下不足：一方面，在調(diào)查農(nóng)戶金融認知時，詢問過于主觀和籠統(tǒng)，并未涉及具體的金融知識問題[14]；同時，實證中金融認知指標的設定過于片面和單一，如劉娟和王修華等分別把農(nóng)戶是否了解正規(guī)金融機構(gòu)貸款流程和鄉(xiāng)鎮(zhèn)金融機構(gòu)宣傳金融知識的次數(shù)作為金融認知的替代變量[15,16]。另一方面，關(guān)于金融認知對農(nóng)戶信貸行為的研究往往忽視金融認知的內(nèi)生性問題。鑒于此，筆者擬對已有文獻中農(nóng)戶金融認知測量方式進行改進，從多角度衡量農(nóng)戶金融認知水平，以新疆為個案探討少數(shù)民族地區(qū)農(nóng)戶金融認知對信貸可得性的影響。

二、理論分析與模型構(gòu)建

1．理論分析

學者們普遍認為人力資本是體現(xiàn)勞動者質(zhì)量的非物質(zhì)資本，可以把人力資本當作一種特殊的資本類型。人力資本具體表現(xiàn)為勞動者的知識程度、技能水平、工作能力和健康程度等。知識是人力資本的重要組成部分。在信貸決策過程中，金融認知具有顯著的人力資本特征[17]。具體而言，金融認知(Financial Literacy)是各種金融行為所必須的知識和技能，是為了生命周期內(nèi)金融福利水平最大化，使用知識和技能有效管理金融資源的能力。顯然，金融認知會導致經(jīng)濟個體更明智的經(jīng)濟決策[18]；換言之，金融認知是一種特定形式的人力資本，而不是簡單與更多的受教育年限相關(guān)[19]。AlmenbergJ[20]把個人教育水平和金融認知納入同一個框架研究家庭金融行為，結(jié)果表明金融認知的作用效果超過了教育水平。農(nóng)戶在獲取信貸過程中需要花費時間和精力進行信貸決策，這一過程中金融認知體現(xiàn)了人力資本功能，能夠?qū)r(nóng)戶信貸可得性帶來直接和間接影響。

金融認知對農(nóng)戶信貸可得性的直接影響體現(xiàn)在兩方面：一是金融認知能夠幫助農(nóng)戶更好地認識不同信貸業(yè)務和金融產(chǎn)品的特點，減少農(nóng)戶借貸選擇中所花費的時間成本[21-22]。農(nóng)戶從銀行獲得信貸時，面臨借貸利率、借貸模式(個人信用、聯(lián)保和抵押貸款等)和借貸周期等多方面的選擇，金融認知水平高的農(nóng)戶能夠更好地利用相關(guān)金融信息，提高自身對信貸業(yè)務的認知能力。二是金融認知能夠幫助人們有效地分析所收集到的信息[23-24]。農(nóng)戶在信貸過程中，需要花費時間了解信貸流程，需要對相關(guān)信貸信息進行篩選和分析，做出更加明智的信貸決策。金融認知水平越高的農(nóng)戶，越熟悉銀行信貸流程，越能理解利息和信貸條件等方面的信息，從而具備信貸優(yōu)勢。

金融認知帶來的間接影響是幫助農(nóng)戶做出理性投資決策，積累家庭財富，提高自身還款能力，從而影響農(nóng)戶信貸可得性。農(nóng)戶還款能力是銀行信貸審查的重要方面，即農(nóng)戶家庭資產(chǎn)越高，獲得正規(guī)金融機構(gòu)信貸資金的概率越大。金融認知能夠顯著影響農(nóng)戶家庭財富積累。一般而言，金融認知有助于提高人們制定和執(zhí)行投資計劃的能力，促進投資者投資組合分散化行為，降低風險，有助于家庭財富積累[25]。

2．變量選取

(1)信貸可得性。已有研究以農(nóng)戶獲得貸款情況或貸款金額衡量信貸可得性[4-5]或基于主觀意愿調(diào)查衡量信貸可得性[6]。然而，直接采用農(nóng)戶貸款情況和貸款金額衡量信貸可得性會把“有信貸需求沒獲得貸款的農(nóng)戶”等價于“沒有借貸需求的農(nóng)戶”，導致樣本偏差；采用主觀詢問的方式存在很大的測量誤差，不能準確地反映農(nóng)戶的實際情況。因此，筆者擬借鑒汪昌云等[7]的方法，以農(nóng)戶是否獲得貸款作為信貸可得性的主要測度方式，并以獲得貸款金額和獲得貸款額占申請額的比值擴展討論信貸可得性。具體而言，調(diào)查中先詢問農(nóng)戶是否具備信貸需求，對于具有信貸需求的農(nóng)戶進一步詢問是否獲得貸款，以克服樣本偏差；同時，調(diào)查農(nóng)戶的信貸申請額和獲得貸款額，以擴展信貸可得性的衡量指標。然而，由于農(nóng)戶可能從銀行渠道獲得多筆貸款，考慮到不同貸款條件和方式等存在差異，研究無法通過“加總”的方法獲取農(nóng)戶信貸可得性的信息。因此，筆者借鑒劉西川等[26]的做法，進一步采用農(nóng)戶最大一筆貸款數(shù)額作為信貸可得性的代理變量，同時，利用最大一筆貸款額和申請額的比值擴展討論信貸可得性。

(2)金融認知變量。參考已有研究，借鑒尹志超等[22]的做法，通過農(nóng)戶關(guān)于金融問題①回答正確的程度進行評分加總測度其金融認知。具體而言，即農(nóng)戶每答對1題加1分，答對題的總數(shù)為金融認知得分，筆者將之定義為金融認知一。然而，該方法把所有問題都同等對待，沒有考慮各問題的重要性排序，而因子分析能夠充分利用各問題信息，因此筆者采用因子分析法②對金融認知進行測度。具體而言，根據(jù)四道金融問題的回答結(jié)果，正確為1，錯誤為0，設定四個變量。首先，對變量進行KMO檢驗，檢驗值基本都大于或非常接近0.6，這說明變量適合做因子分析，其次，根據(jù)特征值大于1的原則，可以保留一個因子，該因子得分被定義為金融認知二。

(3)控制變量。一是個人特征變量，包括戶主的年齡、性別、教育程度、是否漢族、風險態(tài)度③。隨著戶主年齡增加，農(nóng)戶家庭財富會得到積累，得到銀行信貸支持的可能性會更大[27]。男性本身在信貸可得性方面往往具有優(yōu)勢，但新疆近幾年存在婦女貸款等專門服務女性的優(yōu)惠政策，預期女性戶主獲得信貸概率更大。教育程度本身對農(nóng)戶家庭收入影響為正，從而提高信貸可得性。風險偏好越強的農(nóng)戶越容易受到正規(guī)金融機構(gòu)信貸約束，銀行偏好于發(fā)放貸款給安全型農(nóng)戶[28]，故農(nóng)戶風險態(tài)度對正規(guī)金融機構(gòu)信貸可得性影響為正。經(jīng)常關(guān)注金融經(jīng)濟新聞的農(nóng)戶具有信息優(yōu)勢，金融認知可通過信息渠道直接影響信貸可得性，信息渠道對信貸可得性影響為正。二是家庭特征變量，包括戶主是否參與非農(nóng)業(yè)技術(shù)培訓、家庭是否加入合作社，家庭總收入、居住地離銀行網(wǎng)點距離和家庭固定資產(chǎn)額。戶主參與非農(nóng)業(yè)技術(shù)培訓，可以提升自身專業(yè)技能，從而提高家庭收入，增大獲得貸款可能性。參與合作社的農(nóng)戶社員間能夠相互幫助，還會有政府信貸政策支持，故非農(nóng)技術(shù)培訓、合作社和家庭收入對信貸可得性影響為正。居住地離銀行網(wǎng)點越遠，農(nóng)戶辦理信貸業(yè)務越不便利，預期對農(nóng)戶信貸可得性影響為正。家庭固定資產(chǎn)越高的農(nóng)戶具有更高的還款能力，家庭固定資產(chǎn)額應該對信貸可得性影響為正。三是地域特征變量，由于不同地域間經(jīng)濟和金融發(fā)展存在顯著差異，為控制地域間的差異，筆者以東疆作為參考點，設定北疆和南疆2個虛擬變量。新疆地域間的經(jīng)濟和金融發(fā)展水平差距顯著，北疆具有的金融資源條件最優(yōu)，東疆次之，南疆最差，因此，北疆地域虛擬變量預期為正，南疆為負。

表1 變量定義及描述性統(tǒng)計

3．模型設定

根據(jù)前述分析，由于農(nóng)戶正規(guī)信貸可得性(以下簡稱信貸可得性)為二分類變量，因此，筆者選擇Probit模型進行回歸分析。

其中，LD為農(nóng)戶信貸可得性(“是”為1，“否”為0)；Literacy表示金融認知，β為待估計參數(shù)族，β1表示對應參數(shù)。

由于農(nóng)戶金融認知的自然稟賦無法觀測，存在遺漏變量問題，通過簡單的金融問題回答測度農(nóng)戶金融認知水平不可避免地會存在測量誤差，會高估或者低估農(nóng)戶金融認知；金融認知與農(nóng)戶信貸可得性之間可能存在雙向因果關(guān)系，比如信貸經(jīng)歷會積累金融認知，而金融認知又反作用于農(nóng)戶信貸可得性。普通Probit模型因無法克服金融認知存在的上述內(nèi)生性問題會導致估計結(jié)果出現(xiàn)偏誤。為了克服金融認知的內(nèi)生性所引致的估計偏誤，筆者選取村農(nóng)戶平均金融認知⑤和生育觀念作為金融認知的工具變量進行分析。樣本村平均金融認知和農(nóng)戶信貸可得性并無直接關(guān)系；生育觀念是農(nóng)戶固有的傳統(tǒng)觀念之一，傳統(tǒng)觀念越弱的農(nóng)戶主動學習現(xiàn)代金融認知的可能性更大，但生育觀念對于農(nóng)戶信貸可得性可能是嚴格外生的。據(jù)此構(gòu)建農(nóng)戶信貸可得性估計方程：

其中，帶星號(*)的LD表示信貸可得性的潛在結(jié)果，沒有星號的LD表示實際觀測到的二值指標(信貸可得性=1，否=0)；Literacy表示金融認知，α1表示對應參數(shù)；X表示影響農(nóng)戶信貸可得性的其他外生解釋變量，β為待估計參數(shù)族，α0為常數(shù)項；εi表示對應方程的殘差項，且服從標準正態(tài)分布；(2)式是工具變量方程，Zi代表外生工具變量，γ1和γ2分別代表方程(2)對應的外生變量和工具變量的參數(shù)；vi表示對應方程的殘差項，且服從標準正態(tài)分布；假定擾動項(εi，vi)服從期望值為0的二維正態(tài)分布，即

其中，εi的方差被標準化為1，而ρ為(εi，vi)的相關(guān)系數(shù)。在該模型中，Literacy的內(nèi)生性完全來自于εi和vi的相關(guān)性；如果二者的相關(guān)系數(shù)ρ=0，則Literacy 為外生變量。因此，對于Literacy內(nèi)生性的檢驗可通過檢驗“H0：ρ=0”來進行。

三、數(shù)據(jù)來源及樣本統(tǒng)計分析

研究數(shù)據(jù)來自于課題調(diào)查組2016年春節(jié)前后采用分層抽樣方法對新疆的調(diào)研，主要調(diào)查農(nóng)戶2015年的相關(guān)數(shù)據(jù)。首先，依照新疆傳統(tǒng)地域劃分標準，分別從每個地域隨機抽取1～2個州或地區(qū)(市)(北疆包括伊犁州和昌吉州，南疆包括喀什地區(qū)，東疆包括吐魯番市)；其次，每個州或地區(qū)(市)中再隨機抽取1～2個縣(市)，共計7個縣(市)；最后，在每個縣(市)隨機抽取1～2個村莊，根據(jù)村莊規(guī)模隨機抽取30%的農(nóng)戶，每個村的樣本農(nóng)戶在30～50戶之間，共計600戶。由于新疆具有地方和生產(chǎn)建設兵團，二者具有完全不同的生產(chǎn)體制，故研究調(diào)查數(shù)據(jù)全部來源于地方農(nóng)戶。此外，排除信息缺失和誤填等無效樣本后，剩余有效樣本530個，問卷有效率88.3%。

樣本數(shù)據(jù)的統(tǒng)計結(jié)果表明，戶主為男性的比例占89.06%，戶主以男性為主，這與中國農(nóng)村情況基本吻合。本次調(diào)查有效問卷中漢族農(nóng)戶211個，少數(shù)民族農(nóng)戶319個，少數(shù)民族農(nóng)戶占比60.2%，基本和新疆少數(shù)民族人口比例保持一致⑥。從學歷分配來看，樣本農(nóng)戶主要以初中學歷為主，占比41.89%，其次是小學學歷，占比27.17%。從年齡分布來看，新疆農(nóng)戶以30歲到60歲的區(qū)間為主，占比77.36%，其中45歲到60歲農(nóng)戶占比41.89%。從戶主婚姻狀況來看，未婚農(nóng)戶占比5.09%，已婚農(nóng)戶占比89.81%，離異及喪偶農(nóng)戶占比5.09%。從樣本分配地域來看，北疆農(nóng)戶占比44.72%，南疆農(nóng)戶占比40.38%，東疆農(nóng)戶占比14.9%。

金融問題調(diào)查數(shù)據(jù)表明，農(nóng)戶在利率、通脹以及二者對比問題上正確率超過50%，股票風險問題回答正確率最低，僅為37.74%。對于基本的金融問題，不知道的農(nóng)戶占據(jù)的比例并不低，例如股票風險問題，不知道的農(nóng)戶占比達50%，這說明還有相當一部分農(nóng)戶不了解基本的金融常識。如果選擇答對2道題作為農(nóng)戶金融認知水平的合格標準，被調(diào)查農(nóng)戶43.77%的比例處于合格標準以下。如果答對3道題及以上作為較高金融認知水平的標準，這部分農(nóng)戶僅占比38.28%。這說明樣本農(nóng)戶的金融認知大多處于較低的水平，有很大的提升空間。

根據(jù)農(nóng)戶近三年的貸款情況調(diào)研結(jié)果表明，530個樣本農(nóng)戶中，有信貸需求農(nóng)戶500個，信貸需求農(nóng)戶占比94.34%，其中獲得貸款農(nóng)戶390個，信貸可得性比例為73.58%⑦。然而，只有45.6%的農(nóng)戶獲得貸款金額與其申請金額相等。

四、計量結(jié)果及其分析

表2顯示了金融認知對農(nóng)戶信貸可得性影響的實證結(jié)果。模型1采用普通Probit模型分析結(jié)果表明，因無法克服遺漏變量、測量誤差以及金融認知和信貸可得性之間的雙向因果關(guān)系所引致的內(nèi)生性問題，估計結(jié)果出現(xiàn)偏誤，讓人誤以為金融認知對信貸可得性并無顯著影響，這對農(nóng)村信貸政策制定會帶來消極影響。對于工具變量的有效性，將做進一步的檢驗。

模型2和模型3分別采用基于金融認知一和金融認知二的IV-Probit模型。在模型2和3回歸中，首先，對金融認知進行內(nèi)生性檢驗，Wald檢驗值分別為4.66和4.20，在5%的顯著水平上拒絕金融認知外生的原假設，這說明金融認知是內(nèi)生性解釋變量。其次，Wald IV檢驗值分別為4.83和4.98，在5%的水平上顯著，拒絕弱工具變量的原假設，這說明村農(nóng)戶平均金融認知和生育觀念是強工具變量。最后，由于模型中選取工具變量數(shù)大于內(nèi)生解釋變量個數(shù)，需要對工具變量做過度識別檢驗，筆者采用Daniel Berkowitz等所提出的排除限制(FAR統(tǒng)計量)檢驗工具變量的有效性[29]，F(xiàn)AR統(tǒng)計量的P值分別為0.3447和0.354 7，接受原假設，這說明工具變量滿足排除限制條件，所使用的工具變量是有效的。

模型2和3的估計結(jié)果顯示，金融認知對農(nóng)戶信貸可得性有正向影響，在1%的水平上顯著，這說明金融認知越高的農(nóng)戶有更大的概率獲得正規(guī)金融機構(gòu)信貸資金，與理論預期結(jié)果一致。調(diào)查數(shù)據(jù)顯示，金融問題回答正確數(shù)目為0題、1題、2題、3題和4題的農(nóng)戶，獲得貸款的比例依次為71.02%、70.4%、71.57%、72.46%和89.23%，說明金融認知水平越高的農(nóng)戶獲得銀行正規(guī)金融機構(gòu)貸款的比例越高，高金融認知(正確回答2題以上)農(nóng)戶信貸可得性比例比低金融認知(正確回答2題及以下)高9.85%。

表2 模型實證結(jié)果

模型2和模型3的回歸結(jié)果表明，戶主的年齡、民族、教育程度、政治資本、風險態(tài)度和地理變量南疆對信貸可得性影響顯著，都與理論預期符號一致。戶主年齡對信貸可得性影響為正，在10%的水平上顯著，隨著農(nóng)戶年齡增長，會相應積累較多的家庭資產(chǎn)，較容易獲得銀行貸款。戶主民族對農(nóng)戶信貸可得性具有正向影響，在10%的水平上顯著，新疆漢族農(nóng)戶家庭收入和財富大都比少數(shù)民族農(nóng)戶高，銀行傾向于向其發(fā)放貸款。教育程度對農(nóng)戶信貸可得性有正向影響，在5%的水平上顯著，戶主的教育程度往往與農(nóng)戶家庭收入正相關(guān)，得到信貸支持的概率也越大。政治資本對信貸可得性有正向影響，在10%的水平上顯著，擁有政治資本的農(nóng)戶，掌握更多的社會資本，在獲得貸款方面具有優(yōu)勢。風險態(tài)度對農(nóng)戶信貸可得性有負向影響，在1%的水平上顯著，說明銀行出于貸款回歸風險的考慮，偏好于把貸款發(fā)放到安全型農(nóng)戶手中，顯然風險規(guī)避農(nóng)戶比風險偏好更安全。南疆地域虛擬變量系數(shù)值為負，在5%的水平上顯著，因為受自然環(huán)境、經(jīng)濟條件和金融發(fā)展水平限制，南疆地域所具有的金融資源要少于北疆和東疆，導致農(nóng)戶借貸條件整體受到限制。

為了得到更加穩(wěn)健的估計結(jié)果，筆者進一步使用農(nóng)戶貸款獲得規(guī)模和貸款獲取的比例(貸款額/申請額)測度農(nóng)戶信貸可得性，利用兩階段工具變量法實證考察金融認知的影響效果。如表3所示，模型1到模型4的內(nèi)生性檢驗值分別為36.312、26.382、41.236和23.487，在1%的水平上拒絕變量外生的原假設，說明金融認知是內(nèi)生性解釋變量。工具變量檢驗值分別是21.592、46.440、29.801和60.043，大于16.38的臨界值，說明村平均金融認知和生育觀念是強工具變量，Sargan檢驗值均大于0.1，說明模型使用的工具變量有效。模型1和模型2的回歸結(jié)果表明，在1%的水平上，金融認知對農(nóng)戶信貸獲得額具有正向影響，這說明金融認知水平越高的農(nóng)戶越可能獲得更大的貸款額。模型3和模型4的回歸結(jié)果表明，在1%的水平上，金融認知對農(nóng)戶貸款獲取比例(貸款額/申請額)影響顯著為正，這說明金融認知水平越高的農(nóng)戶獲得貸款額/申請額的比例越高。綜上所述，基于不同角度測度信貸可得性的實證結(jié)果表明，金融認知對農(nóng)戶信貸可得性具有正面促進作用。

表3 擴展討論結(jié)果⑧

五、結(jié)論及其啟示

上述研究表明：金融認知作為一種人力資本生產(chǎn)要素，能夠顯著正向影響少數(shù)民族地區(qū)農(nóng)戶信貸可得性。它提高了農(nóng)戶對不同貸款業(yè)務特點和貸款流程等信息的認知能力，減少農(nóng)戶信貸決策過程中所花費的時間和精力成本；有助于農(nóng)戶理解利息和貸款條件等方面的信息，提高農(nóng)戶處理貸款業(yè)務等相關(guān)信息的能力，從而具備信貸優(yōu)勢；有助于農(nóng)戶積累家庭財富，提高自身還款能力，獲得銀行偏好，從而增加農(nóng)戶信貸可得性。戶主年齡、民族、教育程度和政治資本對農(nóng)戶信貸可得性影響顯著為正，農(nóng)戶風險態(tài)度和地域變量南疆對信貸可得性影響顯著為負。

以上研究結(jié)論不僅對類似新疆的少數(shù)民族地區(qū)農(nóng)戶信貸有重要的政策啟示，對全國農(nóng)村金融改革也有一定的借鑒意義。為提高農(nóng)戶信貸可得性，銀行及政府部門應努力提高農(nóng)戶金融知識。一是農(nóng)村地區(qū)銀行應通過宣傳欄、海報、廣播電視和網(wǎng)絡新媒體大力宣傳金融知識。二是地方政府部門可以聯(lián)合村鎮(zhèn)銀行開展金融知識宣傳活動，尤其應深入貧困縣鄉(xiāng)組織開展公益性的金融知識宣傳活動，拓寬農(nóng)戶了解金融產(chǎn)品和服務的渠道，并探索常態(tài)化和系統(tǒng)化的長效機制，以增進農(nóng)戶對金融知識的了解，提高農(nóng)戶金融認知能力。

注釋：

① 利率問題：“假設您有1萬元的1年期定期存款，年利率是3%，如果不提前支取，那么存款到期后，您會有多少錢？1.等于10300 2.多于10300 3.少于10300 4.不知道”。風險問題：“判斷這句話對不對：一般情況下，投資多只股票比投資單一股票的風險??？1.正確 2.錯誤3.不知道?！崩屎屯泴Ρ龋骸叭绻y行存款賬戶的存款年利息是 3%，物價每年漲 5%, 那么，一年后您用該存款的錢能買的東西與一年前相比？1.比現(xiàn)在多 2.和現(xiàn)在一樣多 3.比現(xiàn)在少 4.不知道?！蓖泦栴}：“假設張三今天繼承了10萬元錢，而李四將在 3 年后繼承10 萬元錢，那么他們兩個誰的繼承價值更高？1.張三繼承價值高 2.李四繼承價值高 3.不知道?！?/p>

② 因子分析的具體分析過程未列出，如有需要，可向作者索取。

③ 問卷詢問：“如果您有1萬塊錢可以投資，成功的可能性是一半，如果成功你將得到3萬，如果不成功，您將損失這1萬塊錢。那么，您是否會進行投資？”回答“是”為風險偏好，“否”則為風險規(guī)避。

④ 生育觀念與農(nóng)戶信貸可得性之間并無直接關(guān)系，預期生育觀念對信貸可得性無影響。

⑤樣本村被調(diào)查農(nóng)戶的平均金融認知水平。

⑥ 《2015統(tǒng)計年鑒》數(shù)據(jù)顯示，新疆少數(shù)民族人口占比62.6%。

⑦ 根據(jù)羅芳等人2007年的新疆農(nóng)戶調(diào)研結(jié)果，67.0%的農(nóng)戶具有正規(guī)金融機構(gòu)借貸經(jīng)歷，由于新疆農(nóng)戶中經(jīng)營大戶較多，信貸資金需求廣，額度大，故有較大的農(nóng)戶信貸比例[30]。

⑧ 模型采用單對數(shù)模型，同時，為節(jié)約版面，其他控制變量結(jié)果不再匯報，如有需要可向作者索取。

[1]張偉．微型金融理論研究[M]．北京：中國金融出版社，2011(7)：5-7．

[2]劉偉．發(fā)展方式的轉(zhuǎn)變需要依靠制度創(chuàng)新[J]．經(jīng)濟研究，2013(2)：8-10．

[3]李慶海，李銳，汪三貴．農(nóng)戶信貸配給及其福利損失[J]．數(shù)量經(jīng)濟及技術(shù)經(jīng)濟研究，2012(8)：35-48．

[4]顏志杰，張林秀，張兵，等．中國農(nóng)戶信貸特征及其影響因素分析[J]．農(nóng)業(yè)技術(shù)經(jīng)濟，2005(4)：2 -8．

[5]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．

[6]白永秀，馬小勇．農(nóng)戶個體特征對信貸約束的影響：來自陜西的經(jīng)驗證據(jù)[J]．中國軟科學，2010(9)：148-155．

[7]汪昌云，鐘騰，鄭華懋．金融市場化提高了農(nóng)戶信貸獲得嗎？——基于農(nóng)戶調(diào)查的實證研究[J]．經(jīng)濟研究，2014(10)：33-44．

[8] Mikkel Barslund，F(xiàn)inn Tarp．Formal and informal rural credit in four provinces of Vietnam[J]．Discussion Papers，2008，44(4)：485-503．

[9]王芳，羅劍朝，Yvon Martel．農(nóng)戶金融需求影響因素及其差異性——基于Probit模型和陜西286戶農(nóng)戶調(diào)查數(shù)據(jù)的分析[J]．西北農(nóng)林科技大學學報(社會科學版)，2012，12(6)：61-69．

[10] Duong P B，Izumida Y．Land holdings and household income in Vietnamese villages[J]．Japanese Journal of Farm Management，2002．

[11]王定祥，田慶剛，李伶俐，等．貧困型農(nóng)戶信貸需求與信貸行為實證研究[J]．金融研究，2011(5)：124-138．

[12]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．

[13]申云．社會資本、二元金融與農(nóng)戶借貸行為[J]．經(jīng)濟評論，2016(1)：80-90．

[14]隋艷穎，馬曉河．西部農(nóng)牧戶受金融排斥的影響因素分析——基于內(nèi)蒙古自治區(qū)7個旗(縣)338戶農(nóng)牧戶的調(diào)查數(shù)據(jù)[J]．中國農(nóng)村觀察，2011(3)：50-60．

[15]劉娟，張樂柱．農(nóng)戶借貸需求意愿及其影響因素實證研究[J]．中南財經(jīng)政法大學學報，2014(1)：16-21

[16]王修華，陳茜茜．農(nóng)戶金融包容性測度及其影響因素實證分析——基于19省份的問卷調(diào)查數(shù)據(jù)[J]．農(nóng)業(yè)技術(shù)經(jīng)濟，2016(1)：108-117．

[17] Mitchell O S ，Lusardi A．Financial literacy around the world[J]．Journal of Pension Economics & Finance，2011，10(4)：497-508．

[18] Clark R ，Matsukura R，Ogawa N．Low fertility，human capital，and economic growth：The importance of financial education and job retraining[J]．Demographic Research，2013，29(35)：865-884．

[19] Lusardi A ，Michaud P C，Mitchell O S．Optimal financial knowledge and wealth inequality[J]．Social Science Electronic Publishing，2013．

[20] Almenberg J ，S?ve-S?derbergh J．Financial literacy and retirement planning in Sweden[J]．Journal of Pension Economics & Finance，2011，10(4)：585-598．

[21] Van Rooij M J ，Lusardi A，Alessie R M．Financial Literacy and Stock Market Participation[J]．Journal of Financial Econmics，2011，101(2)：449-472．

[22]尹志超，宋全云，吳雨．金融知識、投資經(jīng)驗與家庭資產(chǎn)逸擇[J]．經(jīng)濟研究，2014(4)：62-75．

[23] Cude B ，Lawrence F，Lyons A，et al．College students and financial literacy：What they know and what we need to learn[J]．Proceedings of the Eastern Family Economics and Resource Management Association，2006，102(9)：106-109．

[24] Jappelli T， Padula M．Investment in Financial Literacy and Saving Decisions[J]．Journal of Banking & Finance，2011，37(8)：2779-2792．

[25]黃毓慧．金融知識水平和家庭財富關(guān)系研究[D]．西南交通大學．2014：6-7．

[26]劉西川，陳立輝，楊奇明．農(nóng)戶正規(guī)信貸需求與利率：基于Tobit Ⅲ模型的經(jīng)驗考察[J]．管理世界，2014(3) ：75-91．

[27]史方超，董繼剛．農(nóng)戶信貸可得性的影響因素及其層次結(jié)構(gòu)——基于泰安市農(nóng)戶的經(jīng)驗分析[J]．湖南農(nóng)業(yè)大學學報(社會科學版)，2015(4)：23-29．

[28]魏昊，李蕓，呂開宇，等．糧食種植戶風險態(tài)度對信貸約束效果的影響——基于四省農(nóng)戶調(diào)查的實證分析[J]．農(nóng)林經(jīng)濟管理學報，2016(4)：405-416．

[29] Berkowitz D ，Caner M，F(xiàn)ang Y．The validity of instruments revisited[J]．Journal of Econometrics，2012，166(2)：255-266．

[30]羅芳，程中海．農(nóng)戶借貸行為研究——以新疆為例[M].北京：經(jīng)濟管理出版社，2012(1)：70-72．

責任編輯：李東輝

Ethnic minority areas farmers financial cognitive impact on credit availability

SUN Guanglin1, LI Qinghai2, DING Haiyan3
(1.School of Economics, Dongbei University of Finance and Economics, Dalian 116021, China; 2.School of Economics, Nanjing University of Finance and Economics, Nanjing 210023, China; 3.School of Economics, Shanghai University of Finance and Economics, Shanghai 200080, China)

This paper researches farmers’ financial cognitive level from four aspects according to the data of Sinkiang’s seven countries in 2016, and defines whether farmers getting loan and the ratio of loan as credit availability. Besides, it analyzes how farmers’ financial cognitive level affects credit availability in minority area with IV-PROBIT model. The conclusion is that higher financial cognitive level can help farmers get loan significantly and increase the size and ratio of loan. In addition, the head of a household’s age, nationality, education level and political capital have a positive effect on credit availability significantly, but the risk attitude and southern Sinkiang regional virtual led to the opposite results. Keywords: financial cognitive; credit availability; farmers; ethnic minority areas

F832.2

A

1009-2013(2016)06-0021-07

10.13331/j.cnki.jhau(ss).2016.06.004

2016－11－06

國家自然科學基金青年項目(71503118)；教育部青年項目(14YJC790067)；國家自然科學基金重點項目(71133001)；國家自然科學基金面上項目(71273044)

孫光林(1988—)，男，新疆伊犁人，博士研究生。