信贷约束程度与农户社会福利信贷约束强度与农户福祉损失基于中国农村金融调查截面数据的实证分析

信贷约束程度与农户社会福利信贷约束强度与农户福祉损失基于中国农村金融调查截面数据的实证分析

一、信贷约束程度对农户福祉的影响国内外的理论分析和经验研究表明，发展中国家农村信贷市场的效率很低（由于利率限制和道德败坏等问题）。大多数农民被贷款限制（stiglitzandzhengsha，1981；imbal，1986；chart，1988；mildeandrie，1988；foltz，2004），中国农民的贷款份额更高（朱曦和李子奈，2006）。而林毅夫(1989)指出,农村金融对促进农村经济发展、提高农户收入有着重要作用。因此,中国农村信贷约束是一个重要问题。长久以来,缘于二元经济结构的不利影响,中国农村金融市场一直都欠发达,源于上世纪中期中国实行的“工业化和城市化发展战略”,国家在农村地区长期实行金融管制,限制民间金融市场自由发展,正规金融机构直接或间接转移着农村的金融资产和货币盈余,直接导致农村金融资源匮乏,进而制约了农户生产增收和生活消费。所以,信贷约束导致的流动性缺陷,很大程度上阻碍了中国农村经济发展。那么,中国农村信贷约束程度有多大?由此给农户收入和消费等福祉带来多大影响?本文试图对这两个问题给出定量的回答。对信贷约束问题的研究,传统的视角都是正规金融的信贷配给。例如,李锐、朱喜(2007)估算,中国农村金融抑制1程度高达70.92%。黄祖辉等(2009)试图解释农户正规信贷市场参与程度低的现象,认为其中有信贷供给方面的原因,也有农户信贷需求方面的原因,比如,有些农户对正规信贷有需求,而有些只选择民间借贷,有些甚至没有信贷需求而在处在信贷市场之外。杨汝岱等(2011)指出,民间借贷(非正规金融和亲友借贷)在中国农村金融市场中起着重要作用2。可见,对中国农村信贷约束程度的估算,现有文献存在两点不足:一是没有考虑农户的借贷需求,有的即使考虑了需求因素,但不能有效甄别这类信息(例如李锐、朱喜,2007);二是将信贷供给仅限于正规金融的资金配给(例如李锐、朱喜,2007;黄祖辉等,2009),这可能高估农户受到信贷约束的程度。此外,学者们在估算信贷约束程度时,在农户有信贷需求的情况下,只考虑了有信贷供给或信贷资金完全满足需求的情形,而遗漏了需求只得到部分满足的情况。如果信贷资金完全满足需求,当然不存在信贷约束问题;但有信贷供给,不一定没有信贷约束问题。因此,简单地将得到信贷供给的农户归类到无信贷约束或有信贷约束(二元变量)都不妥,这样做将低估或高估信贷约束程度3。并且,信贷资金部分满足程度的高低本身也反映了信贷约束程度的不同。例如,甲和乙两个农户都需要借款100元,甲借到了80元,而乙只借到了40元,两者的需求都得到部分满足,但他们受到的信贷约束程度显然不同。本文研究拟对原来的估算方法进行改进,将传统的“有无信贷约束”二元变量做连续化处理,构建“信贷约束强度”指标来衡量农户受到信贷约束的程度,以更加合理和有效地解决前述的遗漏问题。在测算农村信贷约束程度后,本文拟估算信贷约束程度对农户收入和消费等福祉的影响。如何有效估计信贷约束程度对农户福祉的影响呢?相关文献一般有两种做法:一种是生产函数法,即将借贷资金当作生产要素,估计农户的资金短缺导致的产出损失(例如Federetal.,1990;Foltz,2004);另一种是计量分析法,即在反事实(counterfactual)框架下,通过平均处理效应(averagetreatmenteffect,ATE)模型估计农户在有无受到信贷约束(二元变量)情形下的收入和消费差异。前者因为对生产函数设定的依赖而饱受批评,后者则较好地把握了农村金融市场上存在的信贷配给问题,因而对信贷约束下农户福祉损失的估计更有意义(李锐、朱喜,2007)。所以,本文使用第二种方法,不过,所考察的农户状态不再是“有无受到信贷约束”的二元变量,而是“受到信贷约束的程度”(0到1之间的连续变量)。本文用“信贷约束强度”指标来估算信贷约束程度对农户福祉的边际影响;并且,考虑到信贷约束强度可能存在的内生性问题,本文还借助广义倾向得分(generalizedpropensityscore,GPS)方法,估计信贷约束强度与农户福祉的因果效应。这使得本文的研究与其他学者的研究进一步区分开来,更加深入地分析信贷约束程度与农户福祉的关系。二、理论分析(一)现有文献对信贷约束的识别在现实经济中,经济主体决策往往面临二元选择的情形。在农村金融市场的信贷关系中,资金需求方(农户)和资金供给方(正规金融机构、民间金融组织或亲友个人)都面临二元选择的问题,即农户为平滑消费或扩大生产决定是否借款(0或1),而资金供给方根据风险评估或资本回报率做出是否发放贷款的决策(0或1)。本文分别用和表示信贷市场需求和供给的潜变量(表示效用或利润,一般不可观测),假设潜变量方程由以下式子表示:(1)式中,Xd和Xs是影响信贷需求和供给的外生变量(或者行向量),β是系数(或者列向量),ε是误差项。观测变量yd和ys由以下规则决定:如果yd和ys可以同时完全观测,那么,研究者可以获取信贷需求和供给的充分信息。但是,一般来讲,信贷市场上信息并不充分,很多情况下只能观察到借贷行为发生的结果,即农户是否有借贷行为。假设p=1代表有借贷合约缔结,对应yd=1且ys=1情形,即市场有需求且有供给;p=0代表没有借贷行为发生,对应yd=0或ys=0情形,即无借贷需求或者无借款供给。一般情况下,很难从信贷市场上借贷合约的结果去推断农户是否有借款需求,即不能从p=0推导出yd=0。因此,仅从对信贷市场上农户借贷行为的观测,是无法获得他们是否受到信贷约束的信息。在该情形下,相关文献有两种处理方法:第一种方法是做出严格假设,假设“所有农户均有潜在借款需求”(例如Iqbal,1986),即假设只有yd=1,而yd=0的情况不存在。然而,可能有部分未借贷家庭实际上对贷款没有需求,Kochar(1997)和Pal(2002)都证明,这种情况确实存在。第二种方法是用联立方程。这种做法虽然放松了前面的假设,转而用某些特殊变量(例如医疗和教育费用支出等)作为需求方程的识别条件(例如李锐、朱喜,2007;黄祖辉等,2009),但是,模型估计所用的信息仍然是有借贷合约缔结的信息(p=1),依然没有用到无借贷合约(p=0)的信息,所以,这种方法无法准确将yd=1和yd=0区分开来。可见,现有文献对信贷约束的研究依然存在问题。其实,在信贷市场上,信贷需求方和供给方的行动有先后顺序4。首先,农户发出“借款需求”信息(yd=1表示农户有借款需求,yd=0表示无借款需求);然后,供给方看到yd=1的信息,再做出是否发放贷款的决策(ys=1或ys=0,分别表示放贷或不放贷)。那么,信贷需求方和供给方先后决策会出现三种结果:(0,0)、(1,0)和(1,1),即无需求无供给、有需求无供给和有需求有供给。通常,信贷约束问题发生在第二步,即在yd=1可观测的情形下,供给方是否发放贷款。由于农村金融市场上资金短缺(供给小于需求),必然出现资金配给问题,也就是说,有部分农户分配不到资金或者得到的资金数额小于需求,信贷约束问题由此产生。因此,本文研究的起点不再是信贷市场上有无缔结合约(p=1或p=0)的信息,而是基于农户有借款需求(yd=1)的信息。(二)资金约束强度信贷市场上资金需求方根据(2)式决定是否发出借款需求信息(yd=0或yd=1);如果yd=0,那么,农户没有借贷资金需求,所以也就不存在有无受到信贷约束的问题。如果yd=1,那么,资金供给方在观察到农户发出的借款需求信息(yd=1)后,根据(3)式决定是否发放贷款(ys=0或ys=1)。假如ys=0,那么,农户必然受到信贷约束;但是,假如ys=1,农户是否受到信贷约束呢?现有文献中的一般做法是将其归类到无信贷约束(例如Poirier,1980)。但是,李锐、朱喜(2007)认为,不能简单地将这种情形归类到无信贷约束,因为需要进一步考察,农户的资金需求是得到了完全满足,还是部分满足。假设yd表示农户资金需求数额,ys表示供给方的可贷资金数额。如果ys<yd,那么,农户资金需求只得到了部分满足;如果ys=yd,那么,农户资金需求得到了完全满足(本文不考虑ys>yd的情形)。李锐、朱喜(2007)将资金需求完全满足的农户归类到无信贷约束,而将部分满足的农户归类到有信贷约束。本文认为,简单地将资金需求得到部分满足的农户归类到有信贷约束的做法也不妥当,因为信贷资金需求部分满足程度的高低本身也反映了信贷约束程度的不同(参见本文引言部分的举例)。就此,本文提出“信贷约束强度”指标,用来准确描述这种因资金需求得到不同程度的满足而体现的信贷约束差异,其定义如下:当农户有借款需求(yd=1)时,实际借款数额少于需求数额的部分与借款需求数额的比值,即:D是0到1之间的连续变量。当借款需求部分满足时,0<D<1;当借款需求完全满足时(ys=yd),D=0;而当农户受到最严重的信贷约束时(ys=0),则D=1。为了便于同相关文献比较,本文将学者对信贷约束程度的一般计算方法(例如Poirier,1980)设定为R1,而将李锐、朱喜(2007)的计算方法设定为R2。R1、R2的计算公式如下:(6)式中,1(·)是示性函数,1(>0)=1,1(≤0)=0;N表示有借款需求农户的总数量,下标i表示第i家农户。(三)民间金融主要为我国合法经济融资在中国农村地区,传统意义上的资金供给方,一般是指正规金融机构,例如农村信用社、各种商业银行和中国邮政储蓄银行等。事实上,大量研究表明,在广大农村地区的经济发展过程中,正规金融与民间金融同时为农户提供贷款的现象很普遍(HoffandStiglitz,1990;林毅夫,2005;胡士华、李伟毅,2011;洪正,2011)。HoffandStiglitz(1990)认为,一些农户若不满足正规金融的贷款条件,则会转向民间金融申请贷款;林毅夫(2005)从信息传递的角度,证明了民间金融可能利用信息优势解决信贷市场上的逆向选择问题;邱剑、陈百里(2011)认为,民间金融作为正规金融的有益补充,其规模甚至超过了正规金融,显得越来越重要。因此,本文指的资金供给方,包括农村信用社、银行、民间金融组织等一切为农户提供贷款的正规金融和非正规金融机构,以及为农户提供资金支持的亲友或普通个人。三、信贷限制强度的计算(一)借贷需求分布为了深入了解中国农村金融市场发展状况,北京大学国家发展研究院与花旗银行合作,在2009年8月对中国3省(黑龙江、湖南和云南)9县82村的1951户农户进行了专项入户调查。该项调查选择的样本所在省份,都属于中国经济中等发展区域,农村金融发展状况较为典型,因此,经验分析的结论也具有代表性。与其他调查数据(例如何广文、李莉莉,2005;韩俊等,2007;李锐、朱喜,2007)相比,该数据有以下几个特点:①1有专项“信贷约束调查”问卷,从生产和消费活动的八个主要方面(农业生产、个体工商业经营、办企业、外出打工,建房、婚丧嫁娶、看病、上学)收集了农户潜在资金需求和实际借贷数额等详细信息,为本文的经验分析提供了支撑;②3披露了农户可能的借款渠道和实际的融资方式;③作为农村金融的专项调查,还比较完整地提供了农户家庭收入结构、消费支出结构、实物和金融资产等信息;④对农户家庭成员个人特征(例如性别、年龄、受教育程度、从事职业、社会网络关系等)和村庄特征(例如是否贫困村、到乡镇的距离)等信息有详细记录。基于上述数据,本文对农户在正规金融机构的存贷规模和结构进行了统计,结果如表1所示。整体来看,农户的存款总额有1494万元,贷款总额仅有664万元,也就是说,农户积累的资金中有55.6%流出了农村金融市场。从各家金融机构的资金流出比例可以看出,农村信用社在发放贷款方面发挥了一定的作用,但商业银行和邮政储蓄银行更多地是在扮演存款吸纳者的角色。这与赵峦、孙文凯(2010)和洪正(2011)的研究结论一致。即使是农村信用社,其高达37.6%的资金流出比例,在很大程度上也反映了农村金融市场信贷供给不足的严重性。表2是有关农户借款需求与信贷资金供给的统计。该项调查共涉及1951户农户,剔除信息缺损和借贷数额小于100元的样本,实际有效样本是1944户,其中有1142户农户有借款需求,所以,部分农户实际上对贷款没有需求。这与Kochar(1997)和Pal(2002)的研究结论一致。从生产性贷款和消费性贷款分类看,农户的借款需求(频数)稍偏向生产需要(前者是599户,后者543户);从生产和消费活动的八个主要方面看,“有借款需求”频数排在首位的是“农业生产”(399户,约占所有农户21%),其次是“看病”和“建房”(分别有198户和173户),然后是“个体工商业经营”和“上学”(131户和126户),最后一组是剩余的三类(婚丧嫁娶、外出打工和办企业,都只有40户左右)。由此可见,农村中农业生产和个体工商业经营等生产领域,以及居住、教育、医疗等消费领域对资金需求最为迫切。在信贷资金供给方面,总体而言,农村金融市场上73.25%的信贷资金由民间金融提供,而正规金融只占26.75%,尤其是消费性贷款,它的83.75%是由民间金融提供的。可见,民间金融所发挥的作用远远超过正规金融。此外,正规金融更倾向于向农户提供生产性贷款,而对消费性贷款关注不足(两者贷款的资金数额占比分别是37.25%和16.25%,前者高出后者1倍多),这不同于黄祖辉等(2007)的结论,而与何广文、李莉莉(2005)的观点一致。表2还传递出一个重要信息:不是所有“有借款需求”的农户都能得到贷款,有一部分农户无法获得贷款,而另一部分获得的贷款数额小于需求数额。农村信贷市场资金短缺导致了信贷约束问题,这可能对农户的福祉(生产收入和消费支出等)产生影响。(二)借贷约束程度d根据(4)式,本文计算了信贷约束强度指标(D);作为比较,本文根据(5)和(6)式计算了R1和R2指标,它们分别代表文献中计算信贷约束程度的两种不同方法。各种指标的计算结果如表3所示。从表3中第一列数据即信贷约束强度(D)指标可以看出,受到信贷约束程度最高的是“办企业”,其次是“看病”,然后是“农业生产”,三者的信贷约束强度(D)都在20%以上(分别为27%、25.9%和21.5%)。究其原因,对照前文有关农户借款需求的分析(见表2),不难发现,“看病”和“农业生产”都是农户借款需求(频数)最多的方面,所以受到的信贷约束程度也会比较高。但是,“办企业”的借款需求频数并不高(只有31户有借款需求),可是,它受到的信贷约束程度最高。这点可以从信贷资金的需求数额和贷款数额(表3中最后两列数据)的比较中得到解释。虽然“办企业”的借款需求频数不高,但其信贷资金需求数额非常大(平均资金需求数额约17万元,远远高于其他方面的资金需求数额);即使农户获得贷款的数额比较多,也很难完全满足其全部资金需求,所以,农户“办企业”受到的信贷约束程度很高。其次,从生产和消费的角度看,信贷约束程度的计算结果表明,农户生产方面受到的信贷约束程度比消费方面高,其原因也可以从信贷需求方面解释,即农户生产方面的信贷需求频数比消费方面的高。最后,与R1和R2比较发现,正如前面分析的那样,R1低估了信贷约束程度,而R2出现了高估,具体而言,信贷约束强度(D)指标的全样本均值为14.4%,而R1和R2分别为7.4%和25.8%。四、农民的幸福损失预算(一)农村金融调查数据分析本文考察的农户福祉,主要指家庭收入、消费和资产等方面。需要说明的是,首先,考虑到家庭收入构成中,多种来源的收入在性质上存在很大差异,例如资产性收入、政府补助、征地与拆迁补偿等,信贷约束对这些收入的影响可能很小,而与生产性收入的关系较为紧密,所以,本文用“生产收入”代表收入变量,生产收入指农业生产收入、个体工商业经营收入和打工纯收入三者之和。其次,本文用“一般资产”(指不包括房屋和土地的资产)代表资产变量,有两个原因:一是农村的房屋和土地不具有完整的产权,二是不同地区土地和房屋的价值很难比较与估算。最后,本文假设,信贷约束对消费支出的影响主要体现在教育、医疗和建房方面,对基本生活消费支出没有明显影响,因此,本文将消费支出区分为基本消费支出和非基本消费支出,而后者包括教育、医疗和建房支出。此外,农村金融调查数据为本文研究提供了农户家庭特征(土地面积、劳动力人数、家庭总人口、是否从事自营工商业)和户主年龄、受教育程度以及村庄特征(是否贫困村、到乡镇距离)等方面丰富的信息。表4给出了相关变量的统计特征。(二)生产收入、一般资产和非基本消费支出为了对信贷约束与农户福祉之间的关系有个直观的认识,可以从统计的角度对样本农户进行简单分组,比较农户福祉的差异。分组统计结果见表5。比较发现,在农户都有借款需求(yd=1)的条件下,“有贷款供给”组与“无贷款供给”组的农户,在生产收入、一般资产和非基本消费支出方面都存在较大差距,前者的家庭平均生产收入、一般资产和非基本消费支出比后者分别高出7333元、7601元和4102元;而在基本生活消费支出方面,两组之间基本无差异(前者是户均3661元,后者是3675元)。这很容易解释,因为农村居民的基本生活支出一般都维持在较低水平,农户邻里之间差距很小;而在教育、医疗、建房支出等方面,家庭差异比较大,有无受到信贷约束对这些方面的支出影响非常大。因此,若无特别说明,本文分析的消费、收入和资产,分别指非基本消费支出、生产收入和一般资产。(三)测量分析1.信贷约束程度对农户福祉的边际影响从分组统计结果看,有无贷款供给的农户在收入、消费和资产方面确实存在差异,表明信贷约束很可能对农户福祉产生了一定影响。但是,家庭收入、消费和资产还受到诸多家庭特征的影响,例如家庭总人口、劳动力人数、是否从事自营工商业等。马光荣、杨恩艳(2011)认为,从事自营工商业的农户,其家庭收入明显比没有从事自营工商业的农户要高。此外,家庭劳动力越多,总的家庭收入也会越多;家庭总人口越多,总的消费支出也应该越多。因此,必须控制这些因素,然后再考察信贷约束程度对收入、消费和资产的影响。本文用y代表农户福祉(被解释变量,包括收入、消费和资产三个变量);restrict代表农户受到的信贷约束程度;X代表控制变量,例如体现家庭特征的变量—土地面积、劳动力人数、家庭总人口、是否从事自营工商业和户主年龄、受教育程度等,以及体现村庄特征的变量——是否贫困村、到乡镇距离。假设各变量的关系可以用下面的线性模型表示:(7)式中,θ是常数项;(γ,β)是待估系数(向量),其中,γ是本文关注变量的系数,表示信贷约束程度对福祉的边际影响;ε是随机扰动项。由于被解释变量有三个(收入、消费和资产),restrict变量用信贷约束强度指标(D)代入做回归,有三组回归结果;作为比较,restrict变量还分别用指标R1和R2代入,再对三个被解释变量做回归,有六组回归结果,这样,总共有九组回归结果。为了节省篇幅和便于比较分析,本文将以上回归结果整理后列于表6(仅报告了关注变量的系数估计值和显著性水平)。估计结果表明,在控制了家庭特征和村庄特征后,信贷约束强度(D)对农户收入、消费和资产具有显著的负向影响,估计系数分别是-68.35、-55.77和-36.88(分别在5%、1%和5%的水平上显著),说明信贷约束强度每增加1个百分点,农户的收入、消费和资产分别减少68.35元、55.77元和36.88元。作为对比,R1和R2的系数估计值和显著性水平都与信贷约束强度有较大差距。若用R1表示信贷约束程度,将高估信贷约束对农户福祉的边际影响,并且它对资产影响不显著;若用R2代表信贷约束程度,在消费方程中它不显著;并且,在所有方程中都将低估它对农户福祉的边际影响。也就是说,李锐、朱喜(2007)的研究既高估了农户受到的信贷约束程度,又低估了信贷约束程度对农户福祉的影响。2.估计步骤及估计结果在资产和收入回归方程中,直接用OLS回归可能不妥,信贷约束强度(D)有可能存在内生性问题,因为农户拥有的资产和收入可能会对其在信贷市场的融资能力产生影响,农户资产和收入越多,获得的贷款机会和贷款数额也会越高。因此,在上述回归中,信贷约束强度(D)可能因反向因果而出现内生性问题。对于这种类型的数据,当农户的状态是二元变量(0或1)时,传统的做法是用匹配方法消除处理组和控制组之间由其他协变量的差异带来的偏差(例如李锐、朱喜,2007);而在本文中,农户受到的信贷约束程度是一个连续变量(D∈),所以,需要修正上述传统做法。Imbens(2000)指出,可以用广义倾向得分(generalizedpropensityscore,GPS)方法消除处理组和控制组之间由其他协变量的差异带来的偏差。其具体做法与二元变量时的倾向得分方法类似,就是估计农户受到信贷约束程度的条件概率。本文采用GPS来控制农户因资产和收入对信贷约束强度(D)产生影响而导致的内生性。GPS的计算参照宗庆庆、周亚虹(2012)的做法,计算步骤如下:第一,由于信贷约束强度(D)有很多零值(即农户的需求资金资金得到完全满足),它的分布严重有偏,不符合传统的正态分布假设,所以,先采用fractionalLogit模型(参见PakeandWooldridge,1996),假设信贷资金获得完全满足的条件概率的分布函数是F(Ziβ)=exp(Ziβ)/[1+exp(Ziβ)],然后在McCullaghandNelder(1989)提出的广义线性模型(generalizedlinearmodel,GLM)框架下最大化伯努利对数似然函数:第二,在估计出系数β后,可以计算出GPS:(8)～(9)式中,Zi是选择方程的解释变量,为了区别于回归方程,选择方程的识别需要解释变量(向量)中至少要包括一个排他性的变量。因为除资产和收入外,农户获得贷款的概率和数额还受很多因素影响,所以,本文在计算GPS时,除回归方程中的控制变量外,还使用代表农户信用水平和社会关系的“是否有信用证”、“是否在金融机构有熟人”和“愿意借钱给自己的人数”三个变量。资产和收入之所以能够影响农户获得贷款的概率和数额,是因为它们往往能反映农户的信用状况和还款能力,而信用水平、与资金供给方的关系等变量减少了信贷双方的信息不对称程度,直接决定了贷款概率和贷款数额。马光荣、杨恩艳(2011)和杨汝岱等(2011)的研究都表明,社会网络是农户缓解流动性约束的重要手段,社会网络(“愿意借钱给自己的人数”)越发达的农户,民间借贷行为越活跃;胡士华、李伟毅(2011)指出,社会关系(“是否在金融机构有熟人”)对正规金融贷款有正向影响,能显著提高农户获得贷款的概率。所以,本文对农户福祉损失的估计分两步:第一步,通过(8)式估计选择方程,然后再通过(9)式计算GPS;第二步,将GPS作为控制变量代入(7)式,再估计信贷约束强度(D)对农户福祉的边际影响,第二步的回归方程如