互联网平台农户贷款行为影响因素研究——以陕西省农户为例

国 亮 杨 博 赤艳玲 高晨瑞

（西安工业大学经济管理学院，陕西 西安 710021）

一、引言

长期以来，党中央高度重视农林经济及农业发展。截至2017年，中共中央、国务院连续十四年出台中央一号文件，聚焦“三农”问题。农民在我国总人口中所占比重较大，农村经济的发展、农民收入的增加对我国经济社会整体发展具有重大意义，而农村经济的发展离不开农村金融服务的支持。然而，农业生产生活当前在传统融资方面依然存在瓶颈，虽然农户的融资意愿强烈，但因无法满足向正规金融机构贷款的条件或者考虑人情成本不愿向亲朋好友借款，故资金需求无法得到充分满足，需要寻找一条新的融资途径。此外，随着新农村建设脚步加快，农村金融需求越来越多元化，不断改善和拓展农村金融业务范围、创新农村金融模式已经迫在眉睫。进入21世纪以来，在互联网金融发展基础上产生的互联网借贷方式在近几年得到了蓬勃的发展，这在一定程度上为农户提供了一条新的融资渠道，有利于促进农村地区的金融改革创新与农村经济社会发展。

互联网借贷起源于国外，包括出借人、借款人和第三方互联网中介平台，它是通过网络实现的一种借贷方式。借款人通过互联网平台直接贷款消费，无须通过传统银行等金融机构的担保，突破了熟人、地域等条件的限制，使陌生人之间的借贷成为可能，是借贷行为与互联网技术、大数据相结合产生的新型融资模式［1］。

研究发现，农户贷款的目的主要是为了满足生产经营需求和生活消费需求，收入较高的农户倾向于生产经营性贷款，收入较低的农户生活性贷款需求比较旺盛［2］。同时，随着收入的增加和生活水平的提高，农户的生产经营性贷款比重在逐步上升［3］。由于农村金融市场存在严重的信息不对称现象，且农户缺乏相应的抵押品，向正规金融机构贷款的门槛较高，大多数农户无法从正规金融机构获得贷款［4］，非正规金融之间的信用拆借仍然是农户获得贷款的主要途径之一［5］。此外，农户的年龄、受教育年限、收入水平是影响农户借贷行为的最主要因素［6］。农户的受教育程度对农户借贷行为具有显著的正向作用；家庭总收入以及户主年龄对农户借贷行为具有显著的负向作用［7］。还有部分研究发现，社会网络和社会资本也是影响农户借贷行为的重要因素。社会网络对农户获得贷款的概率以及贷款规模的大小具有显著的正向作用［8］，即社会网络关系越广的农户，其参与贷款行为的可能性越大，获得的贷款金额也越多［9］。社会资本越高的地区，农户越容易获得贷款［10］，且农户社会资本的深度远比社会资本的广度更为重要，尤其表现在非正规金融借贷中［11］。

以上研究均没有涉及互联网借贷方式对农户贷款行为的影响，因此，本文将互联网金融与农户贷款行为相结合，基于互联网平台研究农户贷款行为的影响因素，为改善我国农村地区的融资困境提供一定的理论参考。

二、数据来源与样本统计

（一）问卷设计

本文的调查问卷在充分借鉴《农户借贷情况问卷调查分析报告》的基础上设计完成，此次问卷调查主要包含三个模块：第一，农户基本特征。包括农户的年龄、性别、文化水平、家庭年收入、家庭年支出和耕地规模等。第二，农村互联网金融服务情况。包括农村互联网普及率、农户网购频率、农户对互联网借贷的了解情况以及互联网企业是否进村宣传等。第三，农户贷款基本情况。包括农户的贷款渠道、贷款目的、贷款金额、贷款期限等。此外，针对问卷调查对象——陕西省农户的知识水平限制，在问卷的设计过程中，所有专业术语及艰涩词语均做通俗化处理，并且必要的时候调查人员给予一定的解释说明，以此提高问卷调查的有效性。

（二）数据来源

陕西省位于我国中西部，属于欠发达地区，从事农业生产的人口较多，农业增加值对GDP的贡献较大。但与东部发达地区相比，陕西省的经济发展水平较低，传统金融机构对农业生产的支持较弱，农户资金需求强烈，因此需要寻求一条新的融资途径解决农村地区的融资困境。本文选取西安市、咸阳市、汉中市、渭南市等典型地区作为样本区域，充分利用2017年本科学生的寒假社会实践活动，有针对性地选出部分学生进行寒假调研，发放问卷并且回收。在调研之前，根据调查问卷的实际情况，对问卷相关内容与注意事项对负责调查的学生进行培训与讲解。为了保证调查样本的准确性、真实性和科学性，每位调查人员最多携带20份问卷。本次调研共发放1200份问卷，收回有效问卷1150份，有效率达95.83%。

（三）农户贷款行为特征

1.受访农户借款需求及借款满足程度。在1150份有效调查问卷中，621份问卷显示农户在生产经营及生活消费过程中因存在资金困难而有借款需求，占样本总数的54%；529份问卷显示农户没有借款需求，占受访农户的46%。说明一半以上的农户在生产生活中因资金运转困难而需要外部资金的支持。

在需要借款的621个农户中，100个农户获得的贷款能够完全满足其借款需求，占该621个农户的16.10%；获得的借款资金只能满足部分需求的农户占70.21%；剩余85个农户完全不能取得所需借款，具体统计情况见图1。说明农村地区面临严重的融资困境，拓宽农户融资渠道引进互联网借贷方式是必然趋势。

图1 受访农户贷款需求满足程度统计图

2.受访农户借款期限。借款期限在一个月之内的农户只有36个，借款期限在1个月（含）到6个月之间的农户有103个，占有借款需求农户的16.59%，经调查这部分贷款主要用于基本的日常生活消费，例如从淘宝、京东等购物平台消费推迟付款；借贷期限为6个月（含）以上的农户共有482个，占77.62%，统计结果见表1。

表1 受访农户借款期限统计表

3.受访农户借款规模。从资金的借款规模上看，在有借款需求的621个农户中，借款金额小于5000元的农户有66个，占这些农户的10.63%；借款金额在5000元（含）到1万元之间的农户占33.49%；借款金额在1万元（含）到3万元之间的农户有243个，占39.14%；借款金额大于3万元（含）的农户有104个，占16.75%，详见表2。

表2 受访农户借款金额统计表

4.受访农户借款用途。绝大部分农户借款主要是为了满足生产经营需求及生活消费需求。在有借款需求的621个农户中，有330个农户借款是为了满足生产经营需求，占53.14%；244个农户借款是用于衣食住行；181个农户借款用于子女教育，占29.15%；还有192个借款是用于偶然性支出（如买房、买车、婚嫁丧娶、医疗保险），占30.92%，这说明目前农户为家人的医疗保险费用、婚丧嫁娶费用以及新房建设装修费用等四处筹钱的现象普遍存在（见表3）。

表3 受访农户的借款用途统计表

5.受访农户借款渠道。大部分农户更愿意向亲戚朋友借款，但是有些农户所需金额较大或者考虑到人情成本，也会选择通过正规金融机构或者互联网平台贷款，只有极少部分农户在急需用钱时，才会考虑向高利贷借款。在有借款需求的621个农户中，有226个农户通过正规金融机构（主要是农村信用社）获得贷款，占36.39%；向亲戚朋友借款的农户占57.17%；通过互联网平台获得贷款的农户有118个，仅占19%；通过高利贷和其他渠道获得借款的农户人数共有49个（见表4）。

在使用过互联网借贷方式的118个农户中，有69个农户认为互联网借贷手续简便，占使用过互联网借贷方式人数的58.57%；48个农户因为互联网借贷到账时间快而使用，占40.68%；因为有些贷款不需要抵押担保而使用互联网借贷的农户占28.82%；因手续费少、交易成本低而使用互联网借贷的农户有29个，占24.58%；有14个农户是由于其他借款渠道无法完全满足其借款需求而使用互联网借贷。在不愿意使用互联网借贷方式的503个农户中，因不了解而不愿意使用的农户有436个，占没有使用过互联网借贷农户人数的86.68%；因互联网借贷不安全而不愿意使用的农户占52.48%；122个农户认为互联网借贷利率过高不愿意使用，占24.25%；116个农户不愿意使用互联网借贷方式是因为其他贷款方式可以完全满足其借款需求，占22.83%（见表5）。

表4 受访农户借款渠道统计表

三、研究方法

在实证检验影响农户是否通过互联网平台贷款的相关因素时，发现很多农户通过互联网平台获得的贷款金额都为0，即农户没有通过互联网平台贷款，贷款分布明显非正态，因而使用OLS模型估计将导致结果不准确；而Tobit模型虽然考虑了农户通过互联网平台获得的贷款金额为0的问题，但其隐含的关于通过互联网平台获得的贷款金额为0时方程的假设与实际情况不一致。因此，本文参考 Cragg［12］和周华林等［13］的做法，构建了双栏模型（Double－Hurdle Modle）来分析影响农户是否通过互联网平台贷款以及获得的贷款金额的主要因素。双栏模型放松了Tobit模型的假设条件，又被称为广义Tobit模型，Cragg指出在双栏模型中决策选择方程和数量选择方程可以有不同的估计系数，适合用于分析个体在经济行为中两个不同决策阶段的影响因素。其实质是一个Probit模型和一个Truncated模型的组合，本文构建一个Probit模型来分析影响农户是否通过互联网平台贷款的主要因素，构建一个Truncated模型来分析农户通过互联网平台获得的贷款金额的影响因素。它允许自变量分别影响农户是否通过互联网平台贷款以及获得的贷款金额这先后两个决策，使得基于互联网平台的农户贷款行为影响因素的研究更加严谨并且具有说服力。

表5 受访农户使用及不使用互联网借贷方式原因统计表

基于此，本文构建了一个农户通过互联网平台贷款的行为决策过程（见图3）。

图3 农户通过互联网平台贷款的行为决策过程

Double－Hurdle模型原理如下：

首先构建“第一栏”的Probit选择模型：

如果农户通过互联网平台贷款，则进入“第二栏”的Truncated回归模型，农户通过互联网平台获得的贷款金额，即：

将式（1）与式（2）结合，构成 Double－Hurdle模型：

其中，（1）～（3）式中，为解释变量向量；α、β 为回归系数向量为随机误差项。式（1）中，表示农户是否通过互联网平台贷款的潜在指示变量，不能直接被观测；当时，表示农户会通过互联网平台贷款，反之则表示农户不会通过互联网平台贷款。式（2）中， 表示农户通过互联网平台获得的贷款金额的指示变量。式（3）中表示第i个农户通过互联网平台贷款的情况，当时表示农户通过互联网平台获得的贷款金额大于0；当时，，表示农户通过互联网平台获得的贷款金额等于0。

本文选取10个解释变量分析农户使用互联网借贷方式的影响因素，并对虚拟变量进行赋值，计算解释变量的均值和标准差，详见表6。

四、实证结果分析

本文主要运用stata12.0软件对农户是否通过互联网平台贷款以及获得的贷款金额的双栏模型进行估计，解释变量存在虚拟变量和连续变量，这些变量对农户是否通过互联网平台贷款以及获得的贷款金额的影响存在显著差异。

（一）决策方程模型估计结果分析

根据实证结果（见表7），本文发现农户的性别、家庭年收入、耕地面积、通过互联网平台购物的频率、农户对互联网借贷方式的了解程度以及互联网企业是否进村宣传等因素在农户是否通过互联网平台贷款的模型中均通过了显著性水平检验，P值均小于0.05。农户的年龄、文化水平、家庭年支出、农户是否可以通过电脑或手机上网等因素对农户是否通过互联网平台贷款的影响并不显著。

表6 变量赋值、定义及预期方向及自变量的统计性描述

表7 双栏模型的系数估计结果

1.农户的性别在农户是否通过互联网平台贷款的模型中通过了5%显著性水平检验，P值为0.022，小于 0.05，系数为正（0.8610），与预期作用方向相符，说明男性农户更倾向于通过互联网平台贷款。主要是由于男性农户的思想较女性农户更为开放，在对待风险的态度上采取接受态度，承担风险的能力也相对较强。此外，农村地区受传统文化的束缚，男性农户接受教育的机会以及同外部环境交流的机会相对女性农户较多，因此对新技术、新事物的理解以及接受程度要强于女性，通过互联网平台贷款的可能性更高。

2.农户的家庭年收入在农户是否通过互联网平台贷款的模型中通过了1%显著性水平检验，P 值为 0.004，小于 0.01，系数为负（－0.3530），与预期作用方向相符，说明农户的家庭年收入越少，农户通过互联网平台贷款的概率越大。主要是因为农户的家庭年收入越少，说明其自有资金的积累就越少，自有资金无法完全满足其生产经营需求以及生活消费需求时，需要寻求外部资金的支持，农户通过互联网平台贷款的概率较大。

3.农户的耕地规模在农户是否通过互联网平台贷款的模型中通过了1%显著性水平检验，P 值为 0.003，小于 0.01，系数为正（－0.029），与预期作用方向相同，说明农户的耕地面积越大，越倾向于通过互联网平台贷款。主要是由于农户的耕地规模越大，农业生产经营前期需要投入的成本越多，所需资金量较大，预期收益较多，农户贷款的可能性高。当农户所需资金量较大时，农户会选择通过多种渠道贷款，例如通过互联网平台贷款等。

4.农户的网购频率在农户是否通过互联网平台贷款的模型中通过了1%显著性水平检验，P值为 0，小于 0.01，系数为正（1.7785），与预期作用方向相同，该因素的影响特别显著，说明经常通过互联网平台购物的农户使用互联网借贷方式的概率较高。主要是因为经常通过互联网平台购物的农户，已经具有了非面对面交易的经历，对互联网金融有了初步的认识，对其安全性也有了大致的评判，而且可能会有在淘宝、京东等购物平台消费推迟付款的经历，这些经历导致农户更倾向于通过互联网平台贷款。

5.农户对互联网借贷的了解程度在农户是否通过互联网平台贷款的模型中通过了1%显著性水平检验，P值为0，小于0.01，系数为正（1.3974），与预期作用方向相同，该因素的影响特别显著，说明非常了解互联网借贷方式的农户更倾向于通过互联网平台贷款。主要是由于一般情况下，农户对新生事物越是了解，就越有可能接受它，对不了解的事物考虑到安全性问题会尽可能地避免。农户对各种借贷渠道如互联网借贷了解程度越高，对其风险收益越有把握，通过互联网平台贷款的可能性就越大。

6.互联网企业是否进入当地农村宣传互联网贷款方式在农户是否通过互联网平台贷款的模型中通过了5%显著性水平检验，P值为0.042，小于 0.05，系数为正（0.7933），与预期作用方向相同，说明互联网企业进村宣传互联网贷款方式的地区，当地农户更倾向于通过互联网平台贷款。主要是由于互联网企业进入当地农村宣传互联网贷款方式，为农户提供了一条新型的贷款渠道，而且农户可以看到真实的企业存在，其安全性、可靠性有所保障，农户会更愿意通过互联网平台贷款。

（二）数量方程模型估计结果分析

根据计量结果（见表7）可以看到，农户的文化水平、耕地面积、农户的网购频率对农户通过互联网平台获得的贷款金额有显著影响，P值均小于0.05，且对农户通过互联网平台获得的贷款金额具有显著正向作用。农户的年龄、性别、家庭年收入、家庭年支出、农户对互联网借贷的了解程度、是否可以通过电脑或手机上网、互联网企业是否进村宣传等因素对互联网平台获得的贷款金额的影响并不显著。

1.农户的文化水平在农户通过互联网平台取得的贷款金额模型中通过了5%显著性水平检验，P 值为 0.024，小于 0.05，系数为正（0.1691），与预期作用方向相同，说明农户的文化水平越高，农户通过互联网平台获得的贷款金额越多。主要是由于农户的文化水平越高，越有可能主动了解和关注各种贷款渠道的详细信息，还债能力和潜在信用较高，其通过互联网平台获得的贷款金额较多。

2.农户的耕地面积在农户通过互联网平台获得的贷款金额模型中通过了5%显著性水平检验，P 值为 0.04，小于 0.05，系数为正（0.0142），与预期作用方向相同，说明农户的耕地面积越大，农户通过互联网平台取得的贷款金额越多。主要是由于农业生产经营需要投入种子成本、化肥成本、农业基础设施成本以及农业生产技术成本。农户的耕地面积越大，农业生产经营前期需要投入的成本越多，预期年收益越多，农户通过互联网平台取得的贷款金额越多。

3.农户的网购频率在农户通过互联网平台获得的贷款金额模型中通过了5%显著性水平检验，P 值为 0.042，小于 0.05，系数为正（0.0898），与预期作用方向相同，说明农户的网购频率越高，农户通过互联网平台获得的贷款金额越多。主要是因为经常通过互联网平台购物的农户已经具有了非面对面交易的经历，对互联网金融有了一个初步的认识，对其安全性也有了大致的评判，而且可能会有在淘宝、京东等购物平台消费推迟付款的经历，所以这些农户通过互联网平台获得的贷款金额较高。

五、结论与建议

（一）结论

在分析Double－Hurdle模型估计结果的基础上，文章运用bootstrap估计方法计算通过显著性水平检验的解释变量的边际效应，研究这些解释变量变动一个单位对农户是否通过互联网平台贷款以及获得的贷款金额的概率影响程度大小。研究结果发现，农户的性别、家庭年收入、耕地规模、通过互联网平台购物的频率、农户对互联网借贷方式的了解程度以及互联网企业是否进村宣传等对农户是否通过互联网平台贷款的边际效应通过了显著性水平检验。说明这些解释变量每变动一个单位，农户是否通过互联网平台获得贷款也会变动相应的百分比，且变动百分比较大。此外，农户的耕地规模以及农户是否承包土地对农户通过互联网平台获得的贷款金额的边际效应通过了显著性水平检验，说明这两个自变量变动一个单位，农户通过互联网平台获得的贷款金额也会变动相应的百分比，且变动百分比较大。同样，只有农户的耕地规模对农户是否通过互联网平台贷款以及获得的贷款金额的边际效应通过了显著性水平检验，这与前面双栏模型得出的结果是一致的。

（二）建议

1.农户应该努力提高自己的文化水平和技能。农户的文化水平对农户使用互联网贷款方式具有正向促进作用。因此，农户应增加在教育方面的投入，获取更多的知识，提高自己的文化水平和素养。同时应积极参加各种培训讲座，如就业培训、农业生产技术培训和创业培训等，增强对金融市场的判断能力。此外，年长的农户还可以发挥子女使用互联网的优势，向子女了解并学习互联网知识，增加对互联网金融的认知度和接受度。

2.积极促进农业规模化经营模式的推广。农户的耕地规模对农户使用互联网贷款方式具有负向作用。因此，应加快土地流转，农户将自有土地转让给那些资金雄厚、懂农业生产技术、管理经营能力强的人来经营，实现土地规模化经营，提高土地利用率。同时，当农户承包土地面积较大时，前期农业生产经营需要投入较多的资金，有利于互联网贷款方式在农村地区的推广。

3.互联网企业应该加大宣传力度。由于互联网金融对农户来说是一个全新的认知领域，因此，首先互联网中介平台应该加强互联网借贷在农村的宣传力度，对农户的普惠金融理念、互联网金融知识进行普及；其次，互联网企业应该依托电商在农村地区的发展，积极运用广播、电视和社区活动等宣传方式向农户推广互联网贷款方式；最后，互联网企业应做好进入农村金融市场的准备，完善风险监控体系和个人信用评级体系，确保资金链安全，使农户对互联网贷款放心。

4.政府应该充分完善农村地区的网络基础设施。互联网和移动互联网的普及是农户使用互联网平台进行贷款的必要条件，农户只有在具有网络的前提条件下才有可能通过互联网平台进行贷款。因此，各级政府和基层电信企业应该加强农村地区的网络基础设施建设，扩大宽带入网的覆盖范围，提高乡镇宽带的上网率，完善农村地区的网络接入条件，为农户上网提供便利。同时政府应该给予相关运营商政策上的优惠，提高运营商为农户服务的积极性。

［1］鲁钊阳.P2P网络借贷风险规制法律问题研究［J］.商业研究，2017，（3）：183－192.

［2］刘松林，杜辉.基于农户收入水平的借贷需求特征分析［J］.统计与决策，2010，（8）：90－92.

［3］童馨乐，杜婷，徐菲菲，李扬.需求视角下农户借贷行为分析——以六省农户调查数据为例［J］.农业经济问题，2015，（9）：89－96.

［4］贺莎莎.农户借贷行为及其影响因素分析——以湖南省花岩溪村为例［J］.中国农村观察，2008，（1）：39－50.

［5］冯旭芳.贫困农户借贷特征及其影响因素分析——以世界银行某贫困项目监测区为例［J］.中国农村观察，2007，（3）：51－57.

［6］牛荣，罗剑朝，张珩.陕西省农户借贷行为研究［J］.农业技术经济，2012，（4）：24－30.

［7］卢亚娟，张菁晶，章建伟.农户借贷行为的影响因素——基于江苏省调查数据的实证分析［J］.南方金融，2016，（10）：90－98.

［8］胡枫，陈玉宇.社会网络与农户借贷行为——来自中国家庭动态跟踪调查（CFPS）的证据［J］.金融研究，2012，（12）：178－192.

［9］柴时军，王聪.社会网络与农户民间放贷行为——基于中国家庭金融调查的研究［J］.南方金融，2015，（6）：33－41.

［10］赵丙奇，金彬.社会资本视角的农户民间借贷行为分析［J］.宁波大学学报（人文科学版），2013，（6）：91－94.

［11］申云.社会资本、二元金融与农户借贷行为［J］.经济评论，2016，（1）：80－91.

［12］杨兆廷.金融融量缺口及其内生性问题研究［J］.农村金融研究，2009，（12）：56－59.

［13］赵振宗.我国农村金融市场供需缺口较大的原因及对策［J］.经济纵横，2012，（6）：104－106.