金融助力农村供给侧改革的路径研究——基于鹰潭市农村调查数据

■中国人民银行鹰潭市中心支行课题组

与其他发展中国家相比，我国广大农村地区特别是中西部欠发达地区的农村金融市场效率低下，农户金融抑制的程度普遍非常严重（Foltz，2004）。那么，我国农户金融抑制的程度究竟有多大呢？由于金融抑制，农户金融满足率有多少呢？本文从单个地市角度出发，基于鹰潭市1003户农村家庭的抽样调查数据，从需求和供给相结合的视角考察鹰潭农村的金融抑制现象。通过采用Probit模型和部分可观测的二元常态机率模型，正确描述农户贷款有效需求和正规金融机构贷款供给对农村金融抑制的影响，并为鹰潭金融机构助力农业供给侧改革提供相关建议。

一、鹰潭农村金融需求调查

为了考察鹰潭农村金融需求现状，本文选择鹰潭市辖区内的贵溪市、余江县、月湖区，以中国农业银行、鹰潭农商行、贵溪九银村镇银行和邮政储蓄银行四家农村金融机构覆盖地域内的农户、农企和新型农业组织为调研对象，通过随机抽样和定点抽样、结构化问卷和开放式访谈相结合的调查方法，历时7天，完成有效调查问卷1003份。

（一 ）对农户的问卷调查

1.非正规金融渠道是农户借款的重要来源

在调查中本文设置六种借款途径，分别是亲友借款（无息）、亲友借款（有息）、银行贷款、小额信贷机构、民间金融组织和高利贷，并要求答卷人对不同借款途径进行排序，即分为第一选择、第二选择、第三选择和最不愿意的选择。在借款第一选择中，63.6%选择亲友借款（无息），其次是银行贷款(35.2%)，极少数选择亲友借款（有息）（0.8%）或小额信贷机构（0.4%）。

在选择借款途径时，亲友借款（有息/无息）＞银行贷款＞小额信贷机构＞高利贷＞民间金融组织。亲友借款（无息与有息合计）在前三轮选择中占比始终在四成以上，农村是典型的熟人社会，融资行为主要依靠农户个人社会关系，通过亲友间相互了解来防控信用风险，或者已知风险但愿意共同承担，且借款成本较低，很多情况下是无息的，随着选择轮次增加，借款人愿意承担成本增加，有息借款占比逐渐提升。银行贷款在前三轮选择中约占1/3,其作为正规金融机构的信誉及形象得到农户的肯定，但占比总体偏低，还有很大的发展空间。其他金融机构在农村金融市场占比较低，其中小额信贷机构拥有正规牌照，在前两轮选择中出现，并在第三轮选择中占比提升至22.1%，说明对农户具有一定的吸引力，民间金融组织和高利贷则难以进入这一市场，尤其是高利贷利息成本过高，加之过去恶劣形象深入人心，在最不愿意的选择中占比高达95%。

2.贷款需求受到保守心理、教育、耕地、消费和收入水平的影响

对银行贷款申请情况调查结果显示，27.2%最近申请了银行贷款，47.7%将银行贷款纳入考虑而最近未申请银行贷款。至于不申请银行贷款的理由，90.9%担心将来无法偿还，61.8%表示无贷款需求，18.2%认为利息太高，10%认为手续麻烦，3.2%表示可以从其他渠道获取资金。可见，由于农民收入增长乏力，同时气候、政策等诸多因素导致收入不稳定，使得农户趋于保守，是阻碍农户贷款的首要原因。

进一步比较申请贷款农户和不申请贷款农户（以下简称对照组）基本情况，发现两者在教育年限、耕地面积、收入和消费水平上有较大差异，申请贷款农户受教育时间更长、耕地面积更大、年收入和消费支出更高，在年龄、家庭人口和劳动力人口数量上则差别不大。

随着受教育水平的提升，农户在金融方面素养提升，更容易接受正规金融机构的服务，调查表明，申请贷款农户中接受10年以上教育的占比明显高于对照组，在高中及以上教育阶段中，普遍外出就学，社会经验得到拓展，对金融普及有较大的帮助。

耕地面积与农业生产直接挂钩，耕地面积越大意味着生产规模越大，所需投入资金相应增加，因此贷款需求更多。本文按耕地面积大小分为4组，即1～4亩、5～8亩、9～12亩及13亩以上，后3组在申请贷款农户中占比均高于对照组。

在调查农户收入与贷款需求之间关系时，发现与对照组相比，申请贷款者中收入最低和最高的占比分别高9.63个百分点和20.84个百分点。消费支出与贷款需求的情况类似。

3.农户贷款资金主要用于住房装修和养殖业

对于申请贷款的农户，本文调查其贷款用途，其中消费领域包括住房装修、购买汽车、婚礼嫁娶、教育、医疗，生产领域包括养殖业、种植业和非农生产经营。结果显示，用于消费领域的占62.2%，比用于生产经营的高4个百分点，另有其他用途占1.4%。其中用于住房装修的比重最高，达到51.4%（见表1），主要原因是2016年鹰潭市房地产库存较为严峻，政府出台购房刺激政策，吸引了周边大量农民进城买房。

表1 农户贷款资金满足非农生产经营和消费比重

4.贷款方式以房屋抵押和公务员担保为主

贷款的方式主要包括抵押和担保贷款，抵押品中以商品房抵押最多，占比达57.3%。农业生产资料普遍具有单件价值低、资产专用性强、评估难度大等特点，难以达到银行对抵押品的规定，房产是农户为数不多的可抵押资产，随着城镇化、农房确权推进以及日益增加的农户进城购房，农户拥有房产的流动性增强，对农户房屋抵押贷款起到了促进作用。担保贷款中以公职人员担保居多，占25.6%。显然，由于正规金融在对农户信用史的了解方面处于弱势，为了规避风险，对贷款的要求较高。

（二 ）对农村企业的问卷调查

1.企业融资渠道及贷款偏好

本文对农村企业融资渠道和贷款偏好进行调查，结果显示：（1）银行贷款是企业融资主要渠道，绝大多数企业融资时会选择商业银行贷款，占比达87.4%，其次为政策性银行贷款，占31.6%；（2）银行出于风险控制需要设置较高门槛，有抵押品的企业更易获得贷款，在四种贷款类别中选择抵（质）押贷款的占74.7%；（3）贷款具有单笔金额偏小、期限偏长的特点，单笔贷款金额在50万以下占70.5%，贷款期限以1～3年为主，占比达64.9%，没有6个月以内短期贷款需求；（4）就目前贷款目的而言，80%是为了扩大生产，36.8%是为了引入机械化器械，34.7%是为了开拓市场，23.2%是为了建立特色品牌，22.1%是为了转变生产方式，发展绿色经济。

2.农村企业贷款满足度调查

这一部分包括企业申请贷款次数、对银行满意程度以及贷款中遇到的问题（见表2）。

表2 农村企业贷款满意程度及问题调查

二、关于金融抑制的计量模型

Probit模型及其估计方法(Poirier，1980)比较适合于分析金融抑制问题并符合样本数据特点，因此本文采用该模型及其方法来估计鹰潭地区农户金融抑制的程度。

（一 ）变量选取及其统计特征

通过实地调查我们发现，鹰潭地区农村存在大量的不对称信息，尤其是农村金融机构针对农户提供金融服务，这种非对称信息表现得更加突出。因此，为了考察信息不对称对于正规金融贷款决策的作用，我们选取鹰潭三地农村地区农户家庭劳动力人口数量、家庭年收入、是否有贷款、户主受教育年限作为考察供给的解释变量。其次，选取住所离最近金融机构的距离、需要借款数额作为考察交易成本的解释变量。农户借款的用途也可能影响到正规金融机构的贷款决策。通过调研发现，就消费需要的用途而言，正规金融机构更倾向于发放满足农户生产需要用途的贷款，而其中政府政策导向的作用尤为突出。因此，将在计量模型中放入表示贷款用途的变量进行深入分析。除了以上的核心变量以外，还将劳动力人口数量、地区、教育、家庭劳动力数量、年龄等显示样本个体特征等控制变量加入计量模型。计量模型中所需要的解释变量的相关说明及其基本统计性质在表3中详细列出。

（二 ）计量结果分析

表3 解释变量说明及基本统计性质

1.模型1——probit模型

对于传统假设（即每个农民都优先考虑正规金融需求），农民能否获得正规金融完全取决于正规金融机构的决策行为。根据调查问卷，我们考察2017年农业银行、农商银行、邮政储蓄和村镇银行有资金贷出的农户为1，而没有获得以上机构资金贷款的农户为0，利用probit模型进行回归，得到以下回归结果，如表4。

在结果中我们看到，除了地区、教育、家庭劳动力数量、年龄等控制变量，家中有成员或亲戚在金融机构以及家中有贷款对正规金融机构的贷款决策产生显著的正向影响；贷款数量越大，家庭距离金融机构的距离越近，正规金融机构给其贷款的概率就显著增加；农户有做小生意、办企业方面的借款需要也会使正规金融机构给其贷款的概率显著增大。

当农户家中有成员在金融机构和家庭有贷款，两个变量有利于正规金融机构做出贷款决策。由此我们也可以认为，农户在贷款过程中的“信号缺失”加剧了正式金融机构与农户之间的信息不对称问题，这使得大量具备有效贷款需求的农户也被排除在正式金融服务之外，进一步加剧了农村的金融抑制。

表4 模型1（Probit模型）回归结果

家庭距离金融机构的距离以及贷款数量表明了交易成本是正规金融机构发放贷款的决策因素。家庭住址离金融机构越远，表明金融机构收集该家庭的信息成本越高，且对于家庭贷款后的用途和及时还款的监督成本越高，从而使得贷款可能性下降，这两种成本都属于交易过程中额外产生的成本，因此可视为广义上的交易成本。另外，在一定贷款金额内，发放贷款时审查、填表、记录等操作所引起的交易成本与贷款户数无关，随着贷款金额的上升，平均到每单位贷款数的交易成本越低，即金融机构发放贷款的可能性越大（王彬等，2008）。

贷款用途的不同表明正规金融机构的贷款有一定的倾向性。与建房、看病、婚嫁、上学等消费需求相比，正规金融机构更倾向于发放满足人们基本生产需求的贷款。由此可以得出农户向正规机构贷款获得的资金主要用于生产这一推论。

根据以上估计参数，我们计算得到月湖、贵溪、余江三地2017年农民的正规金融满足率只有18.10%，即有81.90%的农民被排除在正规金融服务之外。这显示出了比较高的金融抑制，也与很多人的直觉是一致的。

2.模型2——部分可观测的二元常态机率模型

我们利用部分可观测的二元常态机率模型做进一步的分析。模型2与模型1相比，回归结果比较一致①限于篇幅，该部分的检验结果留存备索。。贷款数量、家庭距最近金融机构的路程对农户贷款需求具有正的显著影响，家里有无成员在金融机构工作、家庭有无贷款证对正规金融机构的贷款供给具有正的显著影响，而有无消费的借款需要将对正规金融机构贷款供给具有负的显著影响。

在这些变量中，特别要指出的是贷款数量以及家庭距最近金融机构的路程。在此模型中，这两个变量影响的是农村金融市场的需求一方，即影响农民是否具有正规金融的有效需求，而对正规金融机构是否愿意提供贷款没有显著影响。

贷款数量越大，农户的正规金融需求越强。家庭距最近金融机构的路程越远，农户对正规金融的有效需求就越大。农村金融的供给方面，家里有成员在金融机构工作和家庭有贷款证对正规金融机构贷款概率增加。而农户有消费的借款需要会降低正规金融供给的概率，则从农户消费的角度印证了正规金融机构更倾向于发放满足人们基本生产需求而不是用于平滑消费贷款的结论。

根据模型2的估计参数，我们计算出2017年月湖、贵溪、余江三地农村有效正规金融需求的金融满足度为44.36%，即农村的金融抑制率为55.64%。一方面，这表明了正规金融机构对农户实施了较为严格的信贷配给，使得超过一半具有有效需求的农户得不到正规金融服务的供给，因此我国农村当前面临着较强的供给型金融抑制。另一方面，与模型1所估计的81.90%相比，我们可以看出在考虑了农户需求的条件下，农村金融抑制的程度大大下降，这与很多学者所认为的中国农村的正规金融供给率极低存在一定出入。本文认为，如果国家只看到农村正规金融供给率低下而大力推动农村金融供给不断增加，若农户贷款的有效需求仍保持在原有水平或者相对增加较慢，那么农村金融服务的供给必将会超过其有效需求，即一部分金融服务的供给不能找到与之相匹配的需求而造成资源的浪费，同时资金融通的困难会阻碍农村产业结构的升级和实体经济的发展，此时农户贷款的有效需求将成为农村经济发展的瓶颈（王彬等，2008）。

（三 ）结论

本文利用中国农户家庭调查数据估计了农村金融抑制的状况。我们的研究特点是在金融机构和农户都按照理性原则进行决策的假设下，同时考虑了农户贷款需求和正规金融供给的相互作用及对金融抑制的影响。本文得出的结论主要有以下几方面:

1.我们通过对一个调查数据的实证分析，使用部分可观测的二元常态机率模型估计方法，较为准确和客观地评估了鹰潭地区农户受到的金融抑制程度。研究表明，在考虑有效需求的前提下，鹰潭地区农村的金融抑制率为55.64%，这就是说，有超过一半具有有效需求的农户得不到正规金融服务的供给，因此当前我国农村仍然面临着较为严重的供给型金融抑制。

2.与一般意义上（即包含全体农户）的农村金融抑制率81.90%相比，考虑了有效需求的金融抑制率（55.64%）大大降低。这说明农村正规金融的供给并不是人们看到的那样有限，农户贷款有效需求的低下则可能成为农村金融乃至实体经济发展的瓶颈。也就是说，鹰潭地区农村面临着潜在的需求型金融抑制。

3.信息不对称会影响正规金融机构发放贷款的决策，而交易成本的存在主要影响正规金融服务的需求。正规金融机构更倾向于发放满足人们基本生产需求而不是用于平滑消费的贷款。

4.当一笔贷款潜在交易成本超过潜在收益时，金融机构最终将选择信贷配给，即减少贷款金额并对贷款进行分配，使得农村金融服务成为一小部分群体享用的“奢侈品”，从而导致了金融的供给抑制。农业投资的长期性、高风险和低盈利性，与银行资金追求安全性、流动性和盈利性的“三性”要求相悖。

三、鹰潭市金融服务于农村供给侧结构性改革的路径

金融是现代经济的核心，在经济新常态下的农业供给侧改革，为使农村金融真正地担当起服务“三农”的重任，应针对当前农村金融供需之间的矛盾，重新定位与调整农村金融体系，以期通过制度创新，即产业制度创新、金融制度创新、扶贫创新以及加快相应的政府改革，改善农村金融供需双方关系，从而进一步缓解农村金融抑制现象。

（一 ）完善农村金融组织体系，增加有效供给

一是明确功能定位，强化涉农金融机构的支农责任，逐步构建政策性金融、商业金融、合作金融和小型农村金融机构互为补充的多层次、广覆盖、可持续的农村金融服务体系。农业发展银行要明确职能定位，按照信贷业务范围积极拓展支农服务领域，努力满足农业产业龙头企业、绿色农业生产基地以及农田水利建设、农村路网等基础设施建设的资金需求，切实促进农村经济发展；农业银行要将惠农卡从县域向城乡接合部拓展，在农村金融服务水平上取得突破；邮政储蓄银行要充分发挥其现有乡镇网点分布较多的优势，拓展对农村地区的储蓄、汇兑和小额贷款业务，确保邮政储蓄资金要“取之于农，用之于农”；农村商业银行要积极拓展支持“三农”的新领域，继续发挥好支农主力军的作用；村镇银行要将网点布局和产品体系下沉到乡镇，通过创新金融产品和差异化经营真正发挥“支农支小”作用。二是加快农村合作性金融发展。适度放宽村镇银行、贷款公司、农村资金互助社、小额贷款公司等多种形式的新型农村金融机构市场准入政策，规范发展多种形式的新型农村金融机构。

（二 ）深化改革农村金融机构

在鹰潭农村金融机构建设中，国有大型商业银行应当加强在农村的比重，促进农村金融机构的市场化进程，以其在城市具有的巨大优势，发挥其辐射作用，从城市辐射农村；以其充足的资本以及遍及各地的网点优势，直接或间接地为“三农”企业提供优质服务。农村合作金融机构也要逐步进行转变，分阶段构建起具有明确的产权与独具特色的面向农村的社区性农村银行，渐进式地促进农业产业化的发展。同时通过与扎根乡土的微型金融机构，如NGO小额组织、小额贷款公司、资金互助组织、村镇银行和贷款公司进行合作，开展农村金融服务，并借鉴国际上的成功案例，如ICICI银行的间接贷款模式，逐步打开农村金融发展的新局面。

（三 ）构建农村金融风险分散机制，扩大农业保险覆盖面

建立和完善风险分担机制至关重要，要结合鹰潭市农村经济特点，加快发展农业保险，增强“三农”风险的可抗性。一是建立巨灾风险基金，对因重大自然灾害形成的大额赔付，由风险基金给予一定比例的补偿，逐步形成农业巨灾风险转移分担机制。二是建立政策性农业保险机构，切实解决目前商业保险机构存在的趋利性强、覆盖面窄等问题，有效分散和转移农业贷款风险。三是开展涉农贷款保证保险，探索开发“信贷+保险”金融服务新产品。四是探索建立农业再保险体系，为农业保险和再保险提供税收优惠，解决好农贷风险补偿问题。

（四 ）强化配套政策扶持，发挥政策杠杆效应

一是建议鹰潭地区金融监管部门加大政策扶持力度。人民银行可以综合运用支农再贷款、差别准备金动态调整等货币政策工具，加大对“三农”经济的扶持。同时，银监部门也要积极探索建立差异化监管政策，对不同类型农村金融机构探索制定更加灵活的信贷管理和责任考核措施，对于支农成效显著、风险控制能力强、创新成果突出的涉农金融机构，应实施单独考核，设立科学的风险容忍度。二是继续深入挖掘鹰潭市农村“两权”抵押贷款潜力。以政府为主导，尽快建立农村土地承包经营权、宅基地使用权评估机构和土地流转中介机构，完善抵押登记和权属处置平台建设，对产权不清晰的农村工商户厂房、农民住宅资产加速产权明晰工作，为涉农企业和规模种养殖户创造抵押贷款条件。三是强化对金融支农的正向激励作用。鹰潭市各级政府要合理运用财政杠杆，通过贷款风险补偿基金、财政补贴、税收减免等措施，对农业贷款达到一定比例以上的涉农金融机构进行正向激励，有效解决金融机构对“三农”信贷支持的后顾之忧，促进更多的金融资源向农村倾斜。

（五 ）金融服务产品与服务内容的创新

鹰潭地区新型农业经营主体的类型、经营规模均不同，资金需求自然也有差异，相应地，在金融机构提供融资方案时就应具有多样化。这不仅使相关机构能够开发更贴合农村本地金融市场的金融产品，更能在抽象的服务内容上研发和创新。根据行业结构与地区结构的不同，鹰潭市金融机构特别是农村金融机构除了满足“三农”企业正常的信贷需求及对存款、取款、汇款、结算、查询和转账等传统基础金融服务的需求，同时在面临不断变化的农业经营主体面前，要与时俱进地提供具有适应性的农户理财、农户现金管理、专属财务顾问等产品服务。银行要与证券、保险、租赁、信托、担保、基金等机构广泛合作，为新型农业经营主体提供一揽子、综合化的金融服务。

（六 ）以创新精准扶贫模式融入供给侧改革

一是银行业机构要进一步加大对“三农”、小微企业和贫困地区弱势群体的金融供给，坚持市场化和政策扶持相结合，在有效防范风险的基础上，搭建“互联网+普惠金融”综合服务平台，通过优化业务流程、加大科技运用、增加自助机具等手段，降低服务成本，提高服务效率。要建立普惠金融长期发展战略，加强银行业机构普惠金融服务的考核评估，找准普惠金融服务的短板，确保普惠金融发展可持续。二是坚持金融精准扶贫。要坚持金融扶贫“四单原则”，即“单列信贷资源、单设扶贫机构机制、单独考核扶贫绩效、单独研发扶贫金融产品”。扶贫要锁定建档立卡的贫困户，帮助弱势群体提升脱贫的造血功能，努力构建扶贫金融商业可持续机制，让弱势群体有尊严地享受金融服务。

[1]王彬.农村金融抑制及制度创新——基于供需视角下的分析[J].河南社会科学，2008，16（4）：62～65.

[2]Foltz J D. Credit market access and profitability in Tunisian agriculture[J].Agricultural Economics,2004,30(3):229～240.

[3]Poirier D J.Partial observability in bivariate probit models[J].Journal of Econometrics,1980,12(2):209～217.