中国农村金融资源需求的影响因素分析-基于中部8省份的实证研究

中国农村金融资源需求的影响因素分析基于中部8省份的实证研究

论文导读:：本文运用中国农村金融发展研究项目数据，构建了影响农村金融资源需求的影响因素，在此基础上利用Tobit模型对中部省份的农村金融资源需求的影响因素作回归分析。分析表明，中国中部八省农户选择金融资源主要受到户主的年龄、性别及所经营的主业的影响，而家庭赡养老人与供养孩子上学的负担、家庭金融资源存量、从事副业的情况不是影响金融资源选择的主要因素。

论文关键词：金融资源，农村金融，金融支农，Tobit

一：引言金融资源需求问题一直受到许多学者的关注。温铁军（2001）通过对农户借贷规模分布的研究，认为1985年前农户的贷款主要来自于农业银行与信用社，而在1990年后农户从银行与信用社的贷款规模有所下降，民间借贷活动日趋频繁。史清华（2002）通过对山西745农户的调查研究，发现正规金融在农户的生产生活中的形象较差金融论文，农户已经把其排除在自己的生产生活之外。朱守银（2003）通过调查，认为收入水平较高的农户向信用社借款的比例较高，而收入水平较低的农户更倾向于亲朋好友借贷。叶敬忠等（2004）从社会学角度对农村金融资源的供求进行分析，发现农村正规金融的供给对象主要是富裕的、拥有较高社会资本的农户，贫困农户主要的融资渠道是民间金融。然而国内的研究主要着重于从金融供给方面来实现农村金融资源需求，主要包括增加金融机构的布点、扩大融资的途径来解决农村金融的需求问题，而对于将农户作为有效的需求主体则较少作系统深入的分析论文提纲格式。已有文献表明，农户是金融服务的消费者与金融市场提供者，农户才是农村金融资源的有效消费者。因此，有必要对各地区农村金融资源的需求进行科学的评估与分析，在此基础上厘清金融资源的有效需求的影响因素金融论文，为优化农村金融资源配置，推动社会主义新农村的又好又快发展提供有益的借鉴。基于以上思考，本文运用Tobit模型探索出农村金融资源需求的影响因素。二、研究方法及说明本研究考虑在给定一组农户的特征向量的条件下,农户如何选择金融资源。而在一般状况下,农户选择金融资源的比例∈[0，1]，数据被截断，普通最小二乘法（OLS）估计的参数是严重的有偏和不一致。所以，采用Tobit回归分析，该方法可解释截取数据，以此来判断各因素对农村资源应用比例的影响程度。Tobit模型是James.Tobin（1958）在研究耐用消费品需求时提出的一个经济计量学模型。Tobit模型的一个重要特征是,解释变量是可观测的(即取实际观测值),而被解释变量只能以受限制的方式被观测到,即我们观察到的取值被限制在一定范围之内,具体来讲“无限制”观测值均取实际的观测值,“受限”观测值均截取为0。对于第j地区，标准的Tobit模型为：其中，为潜在变量金融论文，为观察到的因变量，为自变量，为相关系数向量，为独立的且～N(0,)三：指标的选取及数据说明一：指标的选取运用Tobit模型分析农户特征对金融资源需求的影响时，首先要确定其影响因素的具体指标。本研究的核心是每个指标的改变对农村金融资源的需求产生显著的影响。基于以上考虑，并兼顾样本数据的可比性、可得性、科学性与影响的重要程度，本研究构建了影响金融资源需求的量因素的指标体系（见表1）。表1变量的选取

变量类别变量代码变量定义预期影响方向决策者特征户主年龄（岁）按户主实际年龄计算-户主受教育程度（年）按户主实际受教育年限计算+最高受教育年（年）按家庭成员中最高受教育者年限计算+户主性别按男性户主比例计算+家庭负担在学人数（人）按家庭中实际上学人数计算-65岁以上老人（人）按家庭中65岁（含）以上人数计算-金融资源存量及利用劳动力（人）按家庭中成人劳动力人数计算+户场收入（元）按2006年家庭户场收入计算+户场财产与资产情况耕地面积（亩）按家庭实际拥有的耕地面积计算+生产经营总值（千元）按家庭生产经营总值计算+果树林木总值（千元）按家庭果树林木生产总值计算+牲畜总值（千元）按家庭从事畜牧业所产生的生产总值计算+常数项常数项c

二：数据来源说明本研究数据来源于汇丰银行资助的“中国农村金融发展研究”项目。数据是2007年7月9日-20日，清华大学经济管理学院202名师生对中国中部山西、黑龙江、安徽、江西、湖北、吉林、湖南与河南八省31县，150多个村庄，2000多家农户，50家企业金融论文，70多家金融机构及当地政府实地调研的结果论文提纲格式。四：模型的建立及实证结果一：模型的建立根据上面的分析，建立农村金融资源需求的Tobit模型如下：=++++++=（＞0）=0（≤0）其中====；表示i地区农户选择金融资源的概率，该比例在本研究中直接表现为当地农户的贷款比例；表示户主的一组特征向量；表示农户家庭负担的一组特征向量；表示农户金融资源存量及利用情况的一组特征向量；表示农户户场财产与资产情况的一组特征向量；表示一组难以测量但又对当地经济增长的影响极大的变量；反映整个宏观经济环境在特定的时期内对i当地农户贷款的影响，是一个常数。是误差项；、、、和是被估计的参数。

表示农户选择金融资源的概率，其决定因素包括、、与，则是全部的农户贷款可能性空间中的一个元素。一定时期内农户对贷款的需求定义为Z，Z=｛z：Z=对于那些；；；｝，Z由整个i地区的金融资源的需求可能性形成的空间，它是全部可能性的贷款需求组合的一个子空间。代表随机误差，=++，表示不可测量的地区的特定向量元素金融论文，表示不可测量的当地居民的特定的元素，表示与其他误差项非自相关的非系统误差。为了确定当地农户贷款需求是由宏观经济变化所带来的，还是由于当地农户特征向量的不同所引起的，本文采用的方法是在收集数据的时候收集相同或相似宏观经济环境下的参照组的数据来消除由于时间变化的影响，中部八省份农村经济状况相似，即使得=0。二：实证结果把表1数据代入模型，利用Eviews5.1分析软件对模型进行参数估计，结果见表2：表2中部八省贷款需求的回归结果变量模型1模型2模型3模型4户主年龄（岁）-4.681***（0.0010）---户主受教育程度（年）6.816（0.3563）---最高受教育年（年）-18.12423**（0.0012）-

-户主性别（按男性户主比例）0.908**（0.0148）---在学人数（人）--69.471***（0.0000）--65岁以上老人（没有=0）-6.023（0.6047）--劳动力（人）---8.762（0.6229）-2006年户场收入（元）--0.0002（0.8448）-耕地面积（亩）---1.042***（0.0000）生产经营总值（千元）---0.849*（0.0775）果树林木总值（千元）---1.890（0.2936）牲畜总值（千元）---1.567（0.4159）常数项312.283***（0.0000）104.256***（0.0000）65.669（0.3152）12.192（0.1552）样本量（个）1990199019901988Loglikelihood-20.752-26.513-32.894-26.434注：***、**和*分别代表在1%、5%和10%的显著性水平下显著。括号内为估计系数的P值。模型的检验结果表明，农户的个人特征对贷款需求显著。具体来讲，家庭中户主的年龄与性别对金融资源的需求影响显著；家庭中最高受教育程度对金融资源的选择显著，但值得关注的是金融论文，家庭成员最高受教育程度变量对金融资源的选择产生了负的影响，表明最高受教育程度的增加并没有使得农户选择贷款的概率增加。农户的家庭负担重对其选择金融资源的概率没影响。具体来讲，家里65岁以上老人的赡养负担对其选择贷款的概率的影响不显著；虽然上学子女负担对选择金融金融资源的影响显著，但影响是负向的，也就是说上学负担不是影响金融资源的主要因素。金融资源存量及利用对贷款需求影响不显著论文提纲格式。户场财产与资产中的耕地面积与生产经营总值对农户金融资源需求影响显著，果树林木总值与牲畜总值对农户金融资源需求影响不显著。也就是说，农户的主业影响了其选择贷款的倾向，而副业没有影响。五、研究结论整体来讲，中国中部八省农户选择金融资源需求的原因主要是户主的年龄、性别与及经营主业的情况。而家庭赡养老人与供养孩子上学等负担、金融资源存量、从事副业的情况不是影响金融资源选择的主要因素。如何根据农户的贷款需求特征进行高效率的金融资源配置，是发展金融支农的关键。本研究的启示是：从农村现代化建设的角度来看，加大金融支农的投入以推进农业产业化进程是必要的。但是金融论文，农户选择金融资源的绝对不仅仅依靠金融支农的投入，更重要的是引导农户对金融资源的需求。实现农业的可持续发展，忽视了农户自身的特征，只会造成整个社会金融资源的短缺或浪费。因此，为了推动农村经济的发展，仅仅加大金融支农的投入而不加强农户对金融需求的引导，将会严重制约中部农村的进一步发