家庭信贷状况及其收入效应——基于处理效应模型

刘辉煌，吴 伟

(1.湖南城市学院 商学院，湖南 益阳 413000；2.湖南大学 经济与贸易学院，湖南 长沙 410079)

家庭信贷状况及其收入效应
——基于处理效应模型

刘辉煌1,2，吴 伟2

(1.湖南城市学院 商学院，湖南 益阳 413000；2.湖南大学 经济与贸易学院，湖南 长沙 410079)

根据中国家庭金融调查2013年发布的微观调查数据，对中国家庭借贷状况进行了分析，并构建处理效应模型检验了信贷支持对家庭收入的影响。结果表明，能够获得银行贷款的家庭相对较少；在影响家庭贷款可得性的因素中，受教育程度、政治地位、资产规模等因素具有显著的积极作用，而户主年龄、风险偏好程度等因素的影响显著为负；城乡家庭之间获得贷款的可能性存在差异，但地区间的差异并不明显；信贷支持能够显著提高家庭收入水平，但是在不同收入水平家庭中的影响存在差异，贷款的收入效应在低收入水平家庭中并不明显。

家庭信贷状况；家庭收入；处理效应模型；EIF估计

引言

信贷在经济发展中的作用一直受到广泛关注，但关于家庭层面信贷状况的讨论相对较少[1-2]。相关研究普遍认为，信贷支持能够影响家庭的经济机会和财富积累，通过平滑居民家庭消费支出、提供家庭生产经营所需的资金，改善居民家庭的生活状况[3-4]。家庭信贷资源获得机会的匮乏将可能导致家庭生产经营困难、收入水平低下[5]。为提高中国家庭金融的服务水平和正规贷款的可得性，更好地利用信贷服务改善家庭收入水平，中国家庭金融调查(CHFS)的微观数据分析了中国家庭信贷状况，并对收入效应进行了深入探讨。

一、文献综述

目前，关于中国家庭信贷状况的研究主要集中在农村地区家庭上，如程郁和罗丹(2010)利用2005年国务院发展研究中心发布农村金融调查数据分析了农户的信贷状况，结果显示在所有农户中有借贷需求的农户比重超过70%，农户未被满足的信贷需求缺口占到其贷款需求总额的56.72%[6]；杨林和高宏霞(2012)调查了兰州市1500户农民家庭在2009年的生产经营和贷款等情况，发现信贷资金和农业经营活动产出之间关系密切，但农民借贷资金主要来自于民间借贷，约占72%并且有限的信贷资源主要集中在高收入农民上[7]。而影响农户信贷可得性的因素很多，黄祖辉等(2009)根据在内蒙古自治区、河南省和山西省的四个贫困县(旗)农户调查的数据，从需求和供给两个方面考察农户的正规借贷行为，发现固定资产多和非农经营收入占总收入比重大的农户更容易获得信贷支持[8]；白永秀等(2010)根据对陕西农户的问卷调查，运用Logistic回归方法检验了农户个体特征对农户信贷约束的影响，结果发现收入水平和非农程度等因素对农户信贷约束具有显著影响[9]；易小兰(2012)根据对江苏、河南和甘肃三省农户的调查数据考察了农户正规贷款可获性的影响因素，结果表明家庭生产性固定资产总折价和家庭总收入对农户，其正规贷款可获性有正向影响，而贷款规模对农户正规贷款可获性有负向影响[10]。

也有不少学者关注了信贷支持对于居民收入的影响，但多是基于宏观视角的讨论，并且相关文献在贷款规模等关键指标选取上存在分歧，研究结论也并不一致。一些学者认为信贷资金的支持能够优化家庭生产条件，提高家庭收入水平，如钱水土等(2011)在总生产函数的传统分析框架下讨论了农村贷款规模与农民收入的关系，指出贷款规模增加对农民收入具有显著的正面影响，但这种收入效应的地区差异较大，从东部到中部再到西部地区的效应呈递减状态[11]。但中国政府主导的金融机构在资金配置方面效率还不高，也可能制约信贷支持对收入增长的影响，如余新平等(2010)实证检验了农业贷款与农民收入水平之间的因果关系，结果表明农业贷款对促进农民增收存在着一定的滞后期；乡镇企业贷款不仅没有成为农民增收的重要途径，相反却在一定程度上抑制着农民收入增长[12]；戎爱萍(2013)根据类似的思路检验了农户户均贷款与户均纯收入之间的相关关系，也发现贷款对农民的增收促进效果有限[13]。目前，从微观视角出发来讨论信贷支持对家庭收入状况影响的研究很少，仅对信贷支持与家庭收入的相关性进行了初步探讨，如吕德宏等(2009)根据对陕西农户的调查数据讨论了小额信贷对农户收入的影响，指出信贷支持能增加农户收入[14]；王书华等(2014)基于11省14县市的田野调查数据分析了农户信贷约束与其收入之间的相互影响，发现信贷约束与收入水平存在着相互影响的动态作用机制[15]。

可以看到，关于中国家庭信贷的研究已经取得了一些成果，但也还存在不少有待改进的地方。第一，文献中关于家庭信贷状况的研究更多地集中在农村地区，相关家庭信贷状况问卷调查的样本规模也普遍偏小，没有考虑到地区差异和城乡差异的影响；第二，文献中关于贷款收入效应的讨论多是基于国家层面的宏观视角，讨论信贷规模增加的影响，忽视了金融服务的微观指向性，并且相关研究结论也存在分歧。本文在现有研究的基础上，利用中国家庭金融调查(CHFS)发布的微观调查数据对中国家庭信贷状况及其收入效应进行了分析，以期为中国金融市场的改革和信贷政策的完善提供一定的参考。与现有研究比较，调查样本包括了全国主要省份的城市和农村家庭，样本规模也相对较大；考虑到可能存在的内生性和选择性偏差问题，利用处理效应模型讨论了信贷支持的收入效应；鉴于中国家庭收入水平的差距相对较大，同时利用分位数处理效应模型检验了不同收入水平上家庭借贷的收入效应。

二、数据来源、样本家庭信贷特征

“中国家庭金融调查与研究中心”2013年发布的中国家庭金融调查(CHFS)微观数据，采用了分层、三阶段与规模度量成比例(PPS)的抽样设计，抽样单元(PSU)为全国(除西藏、新疆、内蒙古和港澳地区外)的2 585个市/县，调查的户数超过8 000户，样本覆盖了全国主要省份，样本容量大，代表性强。样本中从事工商业和农业生产经营的家庭，剔除异常值和指标缺失严重的观测，还包括3 853户家庭。样本家庭户主的平均年龄为50.05岁，平均受教育年限为7.79年，家庭的平均人口数为3.98人，人均收入为11 578.06元，约8.53%的家庭户主是党员。

从样本家庭的借贷情况来看，中国家庭借贷表现出了以下两个明显特征：

第一，中国家庭借贷比例偏低，更多家庭主要从家人、朋友等渠道获得借款，熟人社会特征明显。样本中约9.87%的家庭获得了银行的信贷支持，其中农村家庭获得信贷支持的比重为9.87%，而城市家庭获得信贷支持的比重为17.41%。约25.95%的家庭从银行之外的渠道借款用于生产经营等，其中城市家庭中约27.09%的家庭有从银行之外的渠道借款用于生产经营，农村家庭中25.72%的家庭有从银行之外的渠道借款用于生产经营。这些银行之外的借款主要来自兄弟姐妹、其他亲属、朋友/同事，通过这三类关系借款比重分别为34.73%、38.43%、39.53%；而城市家庭通过兄弟姐妹、其他亲属、朋友/同事借款的比重分别为37.35%、36.20%、44.25%，向朋友/同事借款的比重明显较高；从民间金融组织等渠道获得的借款很少，在由银行之外借款的家庭中仅有1.90%的家庭从民间金融组织获得过借款，其中农村家庭的这一比重为1.69%，而城市家庭略高，达到了2.87%。可以看到能够获得贷款的家庭比例还比较小，相当多具有借贷需求的家庭并没有得到贷款支持，更多的家庭是通过家人等民间渠道借款。在没有申请贷款的家庭中，估计贷款申请不会被批准而没有申请的比重最高，超过了50%；而在申请贷款被拒的家庭中，缺少担保和抵押是主要原因。

第二，中国信贷资源配置扭曲。获得贷款的家庭往往在收入水平、政治地位等方面高于其他家庭。而需要得到信贷支持的低收入家庭获得贷款的可能性较低。在样本中人均收入水平处于前20%的家庭获得贷款的比例为19.58%，而人均收入水平处于后20%的家庭获得贷款的比例为9.18%；户主具有党员身份的家庭获得贷款的比例为18.24%，而户主不是党员的家庭获得贷款的比例为9.10%；户主具有大专及以上学历的家庭获得贷款的比例为21.39%，而户主学历在大专以下的家庭获得贷款的比例为9.29%；约80.50%的样本家庭没有住房或只有一套住房，获得贷款的概率约为8.12%，而拥有两套及以上住房家庭获得贷款的比例很高，达到了58.46%，抵押资产如房产的增加可能会提高家庭获得贷款的概率。利用卡方统计量分别来检验收入水平、党员身份、受教育程度、房产数量和家庭信贷的相关性，计算得到统计量分别为106.7863、28.2533、29.2770和96.2127，相应的P值均为0.000，显著拒绝了原假设，收入水平、党员身份、受教育程度、房产数量与家庭是否得到贷款之间存在相关性。这种信贷资源分配的扭曲，进一步扩大了信贷供给和家庭信贷需求的缺口，导致了信贷供给和需求之间脱节的困境[16]。

三、计量模型构建与指标选取

在Neyman-Rubin反事实分析框架下讨论信贷支持对家庭收入的影响。所谓反事实分析就是在讨论影响被解释变量变化诸因素的某一具体因素的作用时，假设不存在某个因素时可能得到的潜在结果，在实际数据中反事实结果并不能被观测到。对于样本家庭i，假设income1i是家庭i获得贷款时的收入水平，income0i是家庭i获得贷款没有获得贷款时的收入水平，贷款对家庭收入的影响为income1i-income0i，贷款的平均收入效应也就是平均处理效应(average treatment effect，ATE)，即ATE=E(income1-income0)。显然不可能同时观测到家庭i获得贷款和没有获得贷款情况下的收入水平，需要利用已知信息对未被观测到的潜在收入水平进行估计。

根据中国家庭金融调查的数据构建处理效应模型来讨论信贷的收入效应。家庭人均收入可以表示为：incomeL=(1-L)income0+Lincome1，其中income0、income1分别表示家庭没有贷款和得到贷款情况下家庭人均收入的对数；L取值为0、1，分别表示家庭没有贷款、得到贷款。在经典Mincer收入方程的基础上，参考张建军等(2013)的相关研究，考虑了户主人力资本、家庭特征等因素对家庭人均收入水平的影响[17]，家庭人均收入水平的决定方程可以表示为incomei=αi+Xβi+Ui，即：

income0=α0+β10edu+β20exp+β30exp2+β40raise+β50east+U0

income1=α1+β11edu+β21exp+β31exp2+β41raise+β51east+U1

(1)

在家庭对数收入的方程(1)中，edu为户主的受教育水平，当户主的学历水平在大专及以上时有edu=1，否则edu=0；exp为户主的工作经验，用工作年限来表示，即为户主年龄减去户主的受教育年限，再减去学前的6年；raise为抚养系数，即家庭中18岁以下未成年人口和65岁以上的老年人口占家庭总人口的比重；east为地区虚拟变量，北京、天津、河北、辽宁、上海等东部省份有east=1，而山西、内蒙古、吉林、四川、重庆、青海、宁夏等中西部省份有east=0；urban为城乡虚拟变量，城市家庭有urban=1，农村家庭有urban=0。

参考易小兰等人的研究，考虑户主政治身份、风险偏好、家庭资产等变量对家庭信贷可得性的影响，利用潜在变量形势家庭信贷可得性可以表示为：

I=Zγ-V=γ0+γ1edu+γ2party+γ3lnasset+γ4risk+γ5age+γ6east+γ7urban+γ8raise-V

(2)

(如果I>0，则L=1，否则L=0)

方程(2)中包括了户主年龄、受教育程度等影响家庭信贷状况的因素：一般认为户主的受教育程度越高，可能对相关金融知识的了解更深，更加便于获得贷款；户主的年龄越大，其生产经营行为可能就越稳健，但是随着年龄增加，银行等金融机构对予其还贷能力的顾虑也可能增加；风险偏好更高的户主可能更倾向于扩大生产经营规模，也更可能去申请贷款；拥有党员身份的户主比非党员户主的社会地位可能要高，银行等金融机构信任也更倾向于满足其信贷需求；家庭的资产规模越大，可以提供的抵押资产就越多，从而增加获得银行贷款的概率；中国城乡经济发展的水平差距加大，二元经济结构特征还比较明显，这里也考虑了城乡家庭的区别；此外，由于经济发展水平、社会习俗、文化传统等方面的差异，地区因素对农户面临的信贷约束也可能有一定影响。具体而言户主的受教育程度指标为edu，当户主的学历水平在大专及以上时有edu=1，否则edu=0；党员身份party，当户主为共产党员时有party=1，否则edu=0；，户主的风险偏好程度risk，按风险偏好程度高、较高、一般、较低、低，risk分别取值1、2、3、4、5；家庭资产规模对数(lnasset)，主要反映体现潜在抵押资产规模的，这里主要计算了家庭房产、耐用品等资产的价值；而城乡虚拟变量east和地区虚拟变量urban的定义与上文一致。

定义倾向得分值pi为给定控制变量zi时家庭获得信贷的概率，pi=Pr((Zγ>V|Z=zi)，根据方程(1)和(2)可以得到:

E{income|X=x,P(Z)=p}=α0+Xβ0+(α1-α0)p+{X(β1-β0)}p+K(p)

(3)

K(p)=E{U0|P(Z)=p}+E{U1-U0|P(Z)=p}

ATE≡E(Y1-Y0|X=x)=∫pMTEdp

(4)

四、实证及结果分析

1.基于处理效应模型的信贷收入效应估计

根据模型的系数估计结果，方程中Mills逆转比率的系数均显著不为0，并且rho1-rho0取值为-2.341 3，对应P值为0.000，两个系数之间差异在统计上也是显著的，存在未观测到的因素影响家庭获得贷款的可能性，并且这些因素与家庭收入水平的误差项具有相关性；ATE(E(income1-income0|X))统计量的值为0.895 5，对应P值为0.000，信贷支持能够显著提高家庭平均收入水平。

具体而言，在影响家庭信贷可得性的因素中，户主年龄(age)对应的系数显著为负，家庭户主年龄越大，获得贷款的可得性越小；户主党员身份(party)对应的系数显著为正，党员家庭获得贷款的概率更大；城市虚拟变量urban的系数显著为正，城市家庭获得贷款的可能性更大；家庭资产规模变量(lnasset)的系数显著为正，家庭资产越多的家庭越容易得到信贷支持；而风险偏好的系数显著为负，户主风险偏好越低，家庭获得贷款的概率就越小；地区变量east的系数为-0.059 7，但在统计上并不显著，可能东部和中西部地区家庭之间获得贷款的概率并不存在显著差异。

在关于家庭人均收入的方程中，受教育程度edu的系数在获得贷款和没有获得贷款家庭中均显著为正，分别为0.732 9、0.338 4，教育程度的提高能增加家庭收入水平；地区变量east的系数在获得贷款和没有获得贷款家庭中也都显著为正，分别为0.577 0、0.382 0，东部地区家庭的收入水平更高；变量raise的系数在获得贷款和没有获得贷款家庭中都显著为负，分别为0.475 5、-0.400 8，家庭抚养负担的增加会降低家庭收入水平。

2.不同收入水平家庭的信贷收入效应检验

(5)

(6)

具体而言，在0.1分位数上iloan取值0与1时收入对数的差距为-0.072 799 5，在%5水平下不能拒绝了二者不存在差异的原假设；在0.3分位数上iloan取值0与1时收入对数的差距为-0.119 452 5，在5%水平下也不能拒绝二者不存在差异的原假设。也就是说，在收入水平较低的居民家庭中信贷支持并没有提高家庭收入水平，贷款的收入效应并不显著。在0.5分位数上iloan取值0与1时收入对数的差距为0.098 800 1，在5%水平下拒绝了二者不存在差异的原假设；在0.7分位数上iloan取值0与1时收入对数的差距为0.222 762 9，在5%水平下拒绝了二者不存在差异的原假设；在0.9分位数上iloan取值0与1时收入对数的差距为0.237 958 6，在5%水平下也拒绝了二者不存在差异的原假设。可以看到，在收入较高的居民家庭中，信贷支持对家庭收入水平的影响更大，贷款的收入效应显著，而这可能与高收入家庭投资机会更多、经营能力更强有关。

五、研究结论与建议

根据中国家庭金融调查(CHFS)发布的微观调查数据，研究了中国家庭的借贷状况及其收入效应。根据家庭信贷特征分析和信贷收入效应检验的研究结果可以发现，第一，中国家庭借贷比例偏低，能够获得银行贷款的家庭相对较少，多数家庭主要从家人、朋友等渠道获得借款，缺少担保和抵押等是中国家庭的贷款申请被拒的主要原因。第二，受教育程度和政治地位高、资产规模大的家庭更可能获得贷款，而户主年龄越大、风险偏好越低家庭获得贷款的可能性越小；城乡家庭之间获得贷款的可能性存在差异，但地区间的差异并不明显。第三，贷款能够显著提高家庭收入水平，但是在不同收入水平中这种影响存在差异，贷款的收入效应在低收入水平家庭中不明显，可能是高收入家庭的投资机会多，资金运用的效率更高，在收入相对较高的家庭中信贷支持能够显著提高家庭收入水平。

根据上述结论，本文认为首先应加快金融市场改革，合理调整金融机构准入门槛，有序引导民间资本和外资进入金融市场，增加金融供给主体，提高家庭获得贷款的概率。其次，加大对家庭部门信贷的政策支持力度，综合运用税收、补贴等手段鼓励金融机构探索金融服务的新形式，创新金融产品，引导信贷资源趋向农村地区、低收入家庭。再次，要更好地利用信贷资源改善家庭收入状况，还需要更加重视对低收入群体生产经营能力的培训，提高其资金运用的效率。最后，需要指出的是，关于家庭借贷状况的考察主要局限在从事农业和工商业项目生产经营的家庭，借贷也以生产经营贷款为主，关于贷款收入效应的相关研究结论可能存在一定的局限性。

[1]OBOH V U，KUSHWAHA S.Socio-economic determinants of farmers’ loan size in Benue State，Nigeria[J].Journal of Applied Sciences Research，2009,5(4)：354-358.

[2]GEORGE M A，PETER Q，JOSHUA A.Demand for financial services by households in Ghana[J].International Journal of Social Economics，2013,5(40):439-457.

[3]PAPIAS M M，GANESAN P.Financial services consumption constraints：empirical evidence from Rwandan rural households[J].Journal of Financial Services Marketing，2010,15(2):136-159.

[4]李慧.家庭部门信贷与经济增长关系研究——基于对转型国家的实证分析[J].经济与管理研究,2012(4):71-78.

[5]CRALG M，GONZALO V，BRUCE W.Microfinance and home improvement：using retrospective panel data to measure program effects on fundamental events[J].World Development，2011,6(39):922-937.

[6]程郁,罗丹.信贷约束下中国农户信贷缺口的估计[J].世界经济文汇,2010(2):69-80.

[7]杨林,高宏霞.农村金融资源分配扭曲的现象与对策——基于兰州市榆中县、永登县、皋兰县的数据分析[J].经济理论与经济管理,2012(8):101-111.

[8]黄祖辉,刘西川,程恩江.贫困地区农户正规信贷市场低参与程度的经验解释[J].经济研究,2009(4):116-128.

[9]白永秀,马小勇.农户个体特征对信贷约束的影响：来自陕西的经验证据[J].中国软科学,2010(9):148-155.

[10]易小兰.农户正规借贷需求及其正规贷款可获性的影响因素分析[J].中国农村经济,2012(2):56-63.

[11]钱水土,许嘉扬.中国农村金融发展的收入效应——基于省级面板数据的实证分析[J].经济理论与经济管理,2011(3):104-112.

[12]余新平,熊皛白,熊德平.中国农村金融发展与农民收入增长[J].中国农村经济，2010(6):77-86.

[13]戎爱萍.贷款对农户收入影响分析[J].经济问题,2013(11):111-115.

[14]吕德宏,杨成,靳涛等.西部小额信贷对农户收入影响的实证研究[J].开发研究,2009(3):62-66.

[15]王书华,杨有振,苏剑等.农户信贷约束与收入差距的动态影响机制:基于面板联立系统的估计[J].经济经纬,2014,31(1):26-31.

[16]杨林,高宏霞.农村金融资源分配扭曲的现象与对策——基于兰州市榆中县、永登县、皋兰县的数据分析[J].经济理论与经济管理,2012(8):101-111.

[17]张建军,许承明.农业信贷与保险互联影响农户收入研究——基于苏鄂两省调研数据[J].财贸研究,2013,24(5):55-61.

[18]CATTANEO M D.Efficient semiparametric estimation of multi-valued treatment effects under ignorability[J].Journal of Econometrics,2010(155): 138-154.

(责任编辑：高立红)

Households’ Access to Credit and Income Effect:Based on the Treatment Effect Model

LIU Huihuang1,2，WU Wei2

(1.School of Business，Hunan City University，Yiyang 413000,China;2.School of Economics and Trade，Hunan University，Changsha 410079,China)

Based on the questionnaire data from China Household Finance Survey (CHFS)，this paper analyzed the income effect of access to credit in China.The result indicated that the access to credit was difficult.The increase of household assets can alleviate credit constraints that families faced.A higher level of education,the party membership and the university-level education can increase the availability of loans;the marginal effect of the age and risk appetite of household head is negative，and the households in urban and rural

different supports;The impact of access to credit on income was obviously positive，but the effects for low-income families is not significant.

households’ access to credit；household income；treatment effect model

2014-09-18

刘辉煌(1963—)，男，湖南城市学院商学院、湖南大学经济与贸易学院教授，博士生导师，研究方向为服务贸易、金融发展；吴伟(1985—)，男，湖南大学经济与贸易学院博士研究生，研究方向为农村经济、金融发展。

F832.43

A

1008-2700(2015)02-0032-07