我国“三农”信贷政策评价指标体系构建

易颖　刘美伶

摘要：多年来，国家不断通过支农再贷款、定向降准等信贷政策工具支持“三农”，并取得了一定的成效，而当前对“三农”信贷政策进行综合评价的文献较少。本文基于公共政策评估的理论和方法，从农村金融机构、“三农”、政府三个利益相关层面构建综合评价指标体系，利用主成份分析法、层次分析法确定各指标的权重进而衡量“三农”信贷政策的基本情况并对其进行纵向对比分析，最后提出改善“三农”信贷政策整体效果的建议。

关键词：“三农”信贷 政策评价 指标体系

一、引言

“三农”信贷政策是指中国人民银行根据国家宏观经济政策、产业政策和区域发展政策，并衔接财政政策、利用外资政策等制定的引导金融机构将信贷投向有利于“三农”发展的一系列政策法规和管理制度的总和。十六大以来，中央一直把“三农”问题放到了重中之重的高度，中央银行也不断调整信贷政策引导信贷资金投向农业、农村、农户。从加大支农再贷款的支持力度，到对符合要求且“三农”和小微企业贷款达到一定比例的商业银行降准（下调人民币存款准备金率0.5个百分点），再到对中国农业银行提供农户贷款、农村企业和农村各类组织贷款实行税收优惠政策（对相应贷款业务的利息收入减按3%的税率征收营业税），以及小额信贷贴息政策等惠农信贷政策不断出台和实施，使我国涉农信贷额度有所突破，截至2017年末，银行业金融机构涉农贷款余额达31万亿元，比上年增长11.7%。然而“三农”信贷政策的总体情况如何，“三农”信贷政策对目标群体的作用多大，以及对“三农”融资约束等问题的改善状况如何都是需要评估的。2011年，中国人民银行出台了《中小企业、涉农信贷政策导向效果评估指引（试行）》，该文件指引的评估办法主要考察各个金融机构涉农贷款增量和比例是否满足要求，以及是否落实央行下达的信贷政策，侧重于对具体金融机构信贷政策执行情况的评估。本文的目的在于对“三农”信贷政策的总体情况进行评价，通过构建评价指标体系，以衡量“三农”信贷政策近些年的基本情况，包括农村金融机构的发展情况、“三农”信贷政策的支农情况以及政府相关政策目标的实现情况，并为进一步优化“三农”信贷政策提供思路，也为其他信贷政策评价研究提供方法参考。

二、政策评价选择

“三农”信贷政策是一系列支农信贷政策工具的总和，政策下达的时间并非单个具体的时间点，且在不同年份信贷政策工具不同，政策实施对象和目标也比较多样化。因而无法用单一指标来衡量，也不适合用干预模型等时间序列分析法来研究“三农”信贷政策的实施效应，或对比政策对象在政策实施前后的变化。再者，“三农”信贷政策的实施是举国范围，在国内无法找寻对照组和实验组，因而通过对比对照组和实验组来评价政策作用效果的双重差分法（DID）也不适用于“三农”信贷政策效果的评估。而构建评价指标体系的方法在衡量某评价对象多方面综合发展情况以及政策评价等领域运用较为广泛。如李素利、张金隆等人以社会政治标准中的适当性、公平性和回应性为主维度构建多维多层测度指標体系评估社会保障政策的执行效果[1];张永岳、张传勇和谢晖围绕政策的利益相关方（政策的运行环境、政策的直接受益者、政府）构建房地产调控政策效果评价指标体系来量化调控政策效果[2];有些学者将该方法用于评价我国农村普惠金融机构的支农能力[3]，评价我国小额信贷的社会绩效[4]，测度异地扶贫搬迁政策的实施效果[5]等。在综合考虑各种政策评价方法的适用性以及“三农”信贷政策的特征之后，本文采用构建综合评价指标体系的方法，以“三农”信贷政策的三个利益相关主体为主维度构建一个综合评估指标体系并结合主成份分析法和层次分析法确定各指标的权重，以追求指标体系评价方法的科学性。

三、评价指标体系的构建与评价过程

（一）指标体系的构建与说明

依照指标体系构建的系统性、典型性、科学性和可操作性原则，根据三农信贷政策的性质，采用政策效果评估模式中的利益相关者模式，充分考虑政策的实施者——农村金融机构、政策的直接受益者——“三农”、政策的制定者——政府这三个相关利益方，对“三农”信贷政策构建如下评价指标体系：

1.农村金融机构发展情况，采用涉农不良贷款率来反映农村金融机构涉农贷款业务的经营质量;农村中小金融机构和邮储银行资产份额占比能大体反映农村金融市场相对于整个金融市场的规模;银监会于2006年末开始放宽农村地区银行业金融机构准入条件，鼓励新型农村金融机构的设立，本文采用新型农村金融机构的数量反映农村金融机构的设立情况;资本充足率指标可反映金融机构以自有资本承担风险的能力，考虑到农村金融机构整体资本充足率的数据不可得且不易计量，本文以作为农村金融主力军的农村信用合作社（含农村商业银行、农村合作银行）资本充足率数据来代表农村金融机构的资本充足率情况。

2.“三农”信贷支农情况，运用了涉农贷款余额占比、涉农贷款增速与金融机构各项贷款余额增速之比、农林牧渔业信贷满足程度、农户贷款余额占比、农村居民人均纯收入、农民人均农业产值等指标反映“三农”信贷政策受益者的综合受益情况。其中，前4个指标主要反映了农户、农村企业、涉农的城市企业等客体的融资改善情况;后两个指标反映了“三农”信贷政策直接受益对象的发展情况。文中涉及GDP的数据以及农村居民人均纯收入指标均已消除价格因素影响。

3.政府政策目标实现情况。实现全面脱贫、缩小城乡收入差距以及推进农业现代化是党和国家“三农”政策的主要目标，几乎所有惠农政策都是为实现这几个政策目标而定。本文以脱贫实现程度、城乡收入差距来衡量政府前两个目标的实现程度;农业机械化是农业现代化的基础，因而用农作物耕种收综合机械化率来部分反映农业现代化的实现程度。

4.数据来源及说明。以上各指标的数据主要来源于万得数据库以及各个年份的《银行业监督委员会年报》、《中国统计年鉴》、《中国金融年鉴》、《中国农村统计年鉴》、《中国农村金融服务报告》和《中国农业机械工业统计年鉴》，部分来源于东方财富网等。另外，由于贫困标准于2010年变更使得2009年贫困发生率与2010年之后的数据不统一;2013年起住户调查制度改革后，城乡居民收入数据统计口径变更，《中国统计年鉴》中按可比口径只推算至2015年，因此文中2009年度脱贫实现程度数据以及2016年度城乡居民收入数据均采用趋势外推法求得。

（二）各指标权重的确定

本文首先采用主成份分析法确定指标层相对于准则层的权重，再用层次分析法（AHP）确定准则层的权重，以减少主观因素对指标权重的影响。当然在这之前要对指标数据进行标准化处理，以消除各指标之间量纲和数量级的差异，由于篇幅限制，此处不再展示数据标准化的结果。

1.指标层相对于准则层权重的确定。首先，我们将无量纲化后的农村金融市场指标的数据进行KMO统计量检验及Bartletts球形检验（见表2），以确定能否运用主成分分析法来确定指标的权重。KMO统计量大于或接近0.7，Bartletts球形检验的Sig.值小于0.05，说明该方法基本适用。

表3中特征值表示主成分所含变量的个数，方差百分比表示主成分所含被提取指标的信息量。比如，表3中共4个指标，主成份1包含了3.5个指标的信息，3.5与4的比值得方差百分比88.224%，解释为主成份1已经包含了88.224%的信息。因此本文抽取主成份1，分析各指标相对于该主成份的重要程度。反映指标对于公因子即主成份重要程度的因子载荷系数如表4所示。

最后是权重的计算，我们首先计算出各指标在各主成份线性组合中的系数（因子载荷系数与开方后的特征值之比），即求Fm=a1mx1+a2mx2+···+apmxp中的a1m、a2m···apm，其中Fm代表第m个主成份，xp代表第p个指标。然后根据各主成份的方差贡献率求出综合系数，将综合系数归一化便得出指标的权重。本文中农村金融市场指标主成份分析时只提取了一个主成份，因而只需计算出各指标在该主成份线性组合中的系数，进行归一化后即可得到涉农不良贷款率、新型农村金融机构数等指标相对于农村金融市场准则层的权重为：（w11，w12，w13，w14）T=（0.239，0.254，0.250，0.257）T。同理对“三农”以及政府层面指标数据进行KMO统计量及Bartletts球形检验，并求出服务“三农”指标以及政府层面指标相对于准则层的权重，分别为：（w21，w22，w23，w24，w25，w26）T=（0.197，0.074，0.163，0.190，0.191，0.185）T，（w31，w32，w33）T=（0.333，0.334，0.333）。

2.准则层权重的确定。对于准则层的权重，采用层次分析法（AHP）来确定，首先邀请来自高校的8名专家对准则层三个指标进行排序并按1-9标度赋值，再综合各专家的意见构建如下判断矩阵：

只有当判断矩阵通过一致性检验时，才可用其特征向量作为权向量。所以需要先对判断矩阵进行一致性检验，运用MATLAB软件求出矩阵的最大特征值：λmax=3.0183，进而求出CI=（λmax-n）/（n-1）=0.00915，通过查表可得RI=0.58，最后得出判断矩阵的一致性比率：CR=CI/RI=0.0158<0.1，即A矩阵具有较为满意的一致性，将最大特征值对应的特征向量归一化即可得各准则层相对于目标层的权重：（w1，w2，w3）T=（0.239，0.625，0.136）T。汇总可得全部指标的权重（见表1）。

（五）评价结果

将各指标无量纲化后的数据加权求和可得下表：

首先需要说明的是，本文得出的“三农”信贷政策评分是一个相对数值，重在纵向比较不同年份间“三农”信贷政策的总体情况。从表6可以看出“三农”信贷政策的总体评分从2009年的0.103上升到2016年的0.798，基本呈上升趋势，说明“三农”信贷政策的总体情况在不断改善。其中政府目标实现层面的评分稳步提高，由0.103上升至0.798;“三农”信贷政策支农层面的指标评分从0.103上升到0.447，该层面的情况改善主要体现在涉农贷款、农户贷款占比增大以及农民收入和农民人均产值增高等方面;政策实施者农村金融机构的发展情况在2014年之后略有波动，虽然农村中小金融机构资产份额增大、新型农村金融机构数量增多，但从原始數据情况可以看出涉农不良贷款率于2013年之后出现上升趋势，至2016年上升至3.1%。此外，我们还发现尽管“三农”信贷政策总体支农情况在不断改善，然而涉农贷款增速情况以及农业信贷满足程度却呈下降趋势，因此，我国“三农”信贷政策依然存在一定的改善空间。

四、讨论与政策建议

正如前文所述，尽管“三农”信贷政策基本发展情况总体向好，但涉农贷款尤其是农业贷款支持力度依然不足以及涉农不良贷款率回升的问题不容忽视。基于此，本文提出如下政策建议：第一，引导资金流向“三农”。一方面，中央银行要继续加大支农再贷款力度，充分运用差别化准备金率并结合财政部门制定的相关税收优惠政策以及支持金融科技发展，为涉农金融机构服务“三农”提供良好的运作环境;另一方面，可通过培育现代新型农业经营主体，提高“三农”信贷资金的融资需求和使用效率。第二，鼓励信贷资金不断投向“三农”信贷市场的同时要对风险进行控制以降低涉农不良贷款率。具体可通过推动农业保险市场的发展、持续推进农村信用体系建设以缓解涉农金融机构面临的信贷风险，保障“三农”信贷资金的安全性，进一步改善“三农”信贷政策的效果。

参考文献：

[1]李素利，张金隆，刘汕. 多维多层视角下我国社会保障政策执行效果测度研究[J]. 管理评论，2015，27（3）：24-38.

[2]张永岳，张传勇，谢晖. 我国房地产宏观调控政策效果评估初探——基于公共政策评估的视角[J]. 上海经济研究，2010（12）：73-81.

[3]李明贤，罗荷花. 普惠制农村金融机构支农能力指标体系的构建[J]. 中南财经政法大学学报，2013（4）.

[4]周孟亮. 我国小额信贷社会绩效评价指标设计研究[J]. 农村金融研究，2011（2）：53-58.

[5]熊升银，王学义. 易地扶贫搬迁政策实施效果测度及影响因素分析[J]. 统计与决策，2019（13）.

基金项目：湖南省自然科学基金项目“我国农村普惠金融的减贫效应研究”（2018JJ3245）。

（易颖系华中师范大学经济与工商管理学院硕士研究生;刘美伶系湖南农业大学经济学院硕士研究生）