邹建国等:基于结构方程模型的农户信贷约束及其影响因素分析

   摘要：文章基于结构方程模型，以湖南省8个地级市16个县(市、区)321户农户为样本，对影响农户信贷约束的主要因素进行实证研究。结果表明，农户特征、家庭禀赋及社会资本对农户信贷约束均具有显著的负向影响，金融抑制对农户信贷约束具有显著的正向影响。因此，提升农户受教育水平，培育新型农业经营主体，提高农户家庭人均收入，降低农户贷款利率水平，加强农村金融机构覆盖面，对于降低农户金融抑制程度，缓解农户信贷约束具有基础性作用。

关键词：农户信贷约束；社会资本；金融抑制；家庭禀赋；结构方程模型

1  引言与文献回顾

农户信贷约束一直是社会各界广泛关注的热点问题，也是学者研究的热门领域。改革开放以来，伴随着农户独立生产经营主体地位的确立，农户开展生产经营的积极性被极大的调动起来^[1]，但受制于农户信贷“抵押约束”，据调查，在有贷款需求的农户中,我国农户能从正规渠道获得贷款的比例只有26.3%，高达73.7%的农户不能获得正规信贷支持，农户面临着严重的正规金融机构信贷约束^[2]。持续存在的农户信贷约束将会诱致各种负面效应，例如，它会引致农户减少农业投入，降低农业产出效率^[3]；制约农户收入及福祉水平，导致“集体贫困陷阱”^[4]；迫使农村精壮劳动力向城市转移，导致农业边缘化等^[1]。因此，农户信贷约束的缓解，能使农户合理平滑消费和生产，增加收入，摆脱贫困和饥饿，提高福利状况，最终促进农业和农村经济发展。

国内外学者从不同视角对农户面临的信贷约束问题进行了研究，取得了大量的成果，这些成果主要集中于农户信贷约束现状分析、成因探究和缓解措施。关于发展中国家农村地区面临的信贷约束：Stiglits(1981)认为在发展中国家的农村地区，农户受到信贷约束的现象相当普遍，成为妨碍经济增长和农民生活水平提高的关键因素^[5]；王书华，杨有振，苏剑(2014)基于山西省35个县2100户农户2005年～2010年的微观面板数据，证实了我国农户在正规金融机构的信贷支持上存在约束现象^[2]；同样的情况被董晓林,杨小丽，胡睿(2010)^[6]、牛荣，张珩，罗剑朝(2016)^[7]等的研究所证实。关于农户信贷约束的成因探究：Carter(1988)指出在农村信贷市场上，借款人资质的审查等活动需要高昂的成本，归因于较低的财富禀赋，农户很难向金融机构提供有效的抵押^[8]；梁红卫(2009)认为金融资本是发展现代农业的重要资金来源，信贷双方信息不对称、农村金融资本供给不足以及农户信贷担保物匮乏等是造成农户信贷约束的原因^[9]；Hoff&Stiglitz(1990)进一步指出，信息不对称条件下，农户在发展中国家信贷市场上，面临着正规与非正规的二元金融结构，它们在筛选、监督和合约实施成本等方面存在的差异，导致农户的正规金融排斥^[10]；此外，学者们从“有限责任约束”和“道德风险”(Evans&Jovanovic,1989)^[11]以及农户自身风险规避、认知偏差和需求压抑(Boucher,2008)^[12]等方面分析了农户信贷约束产生的原因。关于农户信贷约束缓解措施：发展农民专业合作社以解决担保物缺乏和信息不对称(梁红卫，2009)^[9]；降低农村金融准入门槛(黎毅等，2014)^[13]、大力发展普惠金融(李明贤等，2008)^[14]、农业供应链金融(王婷睿，2010)^[15]等举措被相继提出。

上述文献从“抵押约束”、信息不对称、二元金融结构等某一方面分析农户融资约束，具有较强的解释力，但是忽略了这些因素的协同影响，无助于解决农户融资中面临的突出问题。本文的贡献是将农户融资、金融抑制、社会资本、农户特征和家庭禀赋纳入一个统一的框架之中，构建结构方程模型，探究各个因素对农户信贷约束的协同影响。

2  理论分析、研究假设与模型建立

2.1  理论分析

2.1.1  社会资本与农户信贷约束

社会资本通过充当抵押品和信号传递影响农户借贷行为，从根本上解决农户信贷约束(童馨乐等，2011)^[16]；小组成员基于血缘、地缘建立起的社会网络，对小组拖欠债务的成员施加“同伴压力”(Besley,Coate,1995)^[17]，适度降低抵押、质押等非价格条件要求，可以降低农户的信贷约束(梁爽等,2014)^[18]；社会资本至少从下述几条途径影响农户信贷约束：

首先，通过减少信贷市场信息不对称影响农户信贷约束。许多学者从信息不对称的角度解释农户信贷约束，指出社会资本是克服农户信息不对称问题的有效方式。农户生产经营规模小、抵押品缺乏，这使得银行在向农户提供融资时面临较高的信息不对称，农户的“抵押约束”特性也使得抵押贷款这一专门用于克服信息不对称、降低交易费用的交易制度很难适用于农户，银行可以通过获取声誉、信任、规范与网络等“软信息”表征的社会资本，减少信贷市场信息不对称。理论和实证研究表明，社会资本能够有效降低农户因硬信息不足而产生的交易费用，是缓解农户信贷约束的重要方式。

其次，通过“同伴监督”减少道德风险影响农户信贷约束。在农村金融市场中，农户地理上的相对分散往往导致金融机构搜寻信息和监督农户信用行为的成本很高，依赖于与借款人之间的，基于地缘及人缘关系建立起来的社会资本，可以传递金融机构需要的农户信息，通过“同伴监督”建立正向激励机制，“代理”监督借款人的贷款使用过程，减少借款人资金使用的道德风险，提高农户信贷资金的可获得性。

第三，通过“同伴压力”强化契约执行影响农户信贷约束。虽然金融机构对违约借款者实施有效制裁的能力有限，如果农户之间的社会网络足够强，一旦出现农户的故意违约行为，就会招致社区内成员和金融机构的“制裁”，比如受到社区成员的排斥和孤立，这种成员间的“制裁”相较于法律制裁，其效果往往更加有效，有利于信贷契约执行，增加农户信贷资金获得^[19]。

2.1.2  金融抑制与农户信贷约束

美国经济学家爱德华·肖(1973)^[20]和罗纳德·麦金农(1973)^[21]的金融抑制论告诉我们：一方面，发展中国家金融体系效率低下和严格的政府管制，阻碍了经济的增长；另一方面，经济的呆滞又制约了金融的发展。在这种金融发展与经济增长相互‘促退’的恶性循环条件下，农户在借贷市场上经常地处于弱势地位，难以从正规金融部门获得足够的信贷资金，面临着供给型金融抑制和需求型金融抑制。

一方面，由于正规金融部门对农户贷款的资金供给有限，我国农村经济中存在着普遍的供给型金融抑制现象，乔海曙(2001)^[22]强调通过自上而下的强制性制度变迁，实施金融自由化，依靠正规金融部门增加对农户的资金供给来逐步解除金融抑制，缓解农户信贷约束。另一方面，由于农户借款的预期收益率较低以及存在其他更为便利的借贷方式，导致农户对资金的有效需求不足，形成需求型金融抑制现象，高帆(2002)^[23]主张通过诱致性制度变迁内生出农村金融方式、推进农村土地产权制度改革以及完善农村社会保障体系等措施来解除农村需求型金融抑制，缓解农户信贷约束。

2.1.3 农户禀赋与农户信贷约束

户主受教育程度越高，其对农业生产技术的掌控能力、信贷流程和政策的了解程度就相对较强，正规金融机构对其信贷约束就越弱，有助于其获得信贷资金(牛荣等,2016)^[7]。农户的年龄与信贷需求(即是否发生信贷行为)之间为倒“U”型关系；农户家庭生命周期、受教育程度会在一定程度上影响信贷需求；农户的家庭收入、家庭规模、家庭负担率以及是否购买养老保险对农户的信贷需求有显著的正向影响(秦建群等,2011)^[24]。

2.2  研究假说与模型建立

借鉴国内外现有的理论研究成果和实践经验，通过前文对影响农户信贷约束因素的理论分析，构建如图1所示的农户信贷约束主要影响因素假说模型。该模型包含了5个结构变量，分别为农户信贷约束（CC）、农户特征(FC)、社会资本(SC)、家庭禀赋(FE)和金融抑制(FR)。单项箭头表示“因”变量对“果”变量的直接效应，双箭头表示两个变量间的相关关系。 

3  量表设计、数据收集与模型设定

3.1  量表设计

通过前文的分析我们知道，农户信贷约束主要受农户特征、家庭禀赋、社会资本、金融抑制等因素的共同影响。本文在充分吸收前人研究成果的基础上，结合农户信贷约束调查的实际需要，针对农户信贷约束假说模型设计问卷，采用封闭式题型设计量表；2016年9月选择衡阳市进行了预调研，后征求专家意见对问卷进行分析与修改，最终，调查问卷的内容包括：①农户自身特征，如户主性别、年龄、受教育年限和健康状况等内容；②家庭禀赋状况，包括家庭劳动力人口、家庭人均纯收入与家庭经营类型等3项内容；③社会资本因素，主要包括农户的政治与组织关系、金融机构关系、亲戚关系和邻里关系4项内容； eq \o\ac(○,4)4金融抑制因素，主要包括农户与金融机构距离、可贷金融机构家数与农户对利率的主观认知等3项内容。模型中变量的含义和取值见表1。

表1 模型变量的测量指标

潜变量	观测变量
	符号	变量释义
农户特征 (FC)	FC1	户主年龄：20岁以下=1；（20-30]=2；（30-40]=3；（40-50]=4；（50-60]=5；60岁以上=6
	FC2	受教育年限：3年以下=1；（3-6]=2；（6-9]=3；（9-12]=4；（12-15]=5；15年以上=6
	FC3	健康状况：丧失劳动能力=1；经常生病=2；偶尔生病=3；一般=4；比较健康=5；非常健康=6
家庭禀赋 (FE)	FE1	劳动力数量：1人=1；2人=2：3人=3；4人=4；5人=5；6人=6；7人以上=7
	FE2	人均纯收入：0.5万以下=1；（0.5-1]=2；（1-1.5]=3；（1.5-2]=4；（2-2.5]=5；（2.5-3]=6；3万以上=7
	FE3	经营类型：普通农户=1；兼业农户=2；专业农户=3；非农户=4
社会资本 (SC)	SC1	组织与政治关系：中共党员或村干部=1；不是=0
	SC2	金融机构关系：有亲戚或朋友是乡镇干部或金融机构工作人员=1；没有=0
	SC3	亲戚关系：亲戚数量5家以下=1；（5-10]=2；（10-15]=3；（15-20]=4；20家以上=5
	SC4	邻里关系：非常不和睦=1；比较不和睦=2；一般=3；比较和睦=4；非常和睦=5
金融抑制 (FR)	FR1	与最近金融机构距离：1公里以内=1；（1-2]=2；（2-3]=3；（3-4]=4；（4-5]=5；（5-6]=6；6公里以上=7
	FR2	可贷金融机构家数：5家以上=1；5家=2；4家=3；3家=4；2家=5；1家=6；无可贷金融机构=7
	FR3	对贷款利率主观认知：显偏高，很低=1；较低=2；一般=3；较高=4；很高=5
信贷约束 (CC)	CC1	供给型约束：向金融机构申请过贷款，没有全部批准=1；向金融机构申请过贷款，全部批准=0
	CC2	需求型约束：需要贷款,但没有向金融机构申请贷款=1；不需要贷款，且没有向金融机构申请过贷款=0

3.2  数据收集

本研究的调研范围选择湖南省，首先，按照地区经济社会发展的差异性将湖南省划分为大湘西、环洞庭湖、湘南三市和长株潭的四大区域。然后，采用逐级分层与随机抽样相结合的方法，确定怀化、湘西自治州、岳阳、常德、衡阳、永州、长沙和湘潭分别为大湘西、环洞庭湖、湘南三市和长株潭四大区域板块中的代表，并在怀化、湘西自治州、岳阳、常德、衡阳、永州、长沙和湘潭分别确认沅陵、溆浦、古丈、花垣、平江、华容、桃源、石门、衡南、常宁、祁阳、江永、宁乡、浏阳、湘潭和湘乡选择样本进行调查。使样本对总体具有较好的代表性，本次调研在每个采样县市区随机选择2个乡镇，在每个乡镇随机选择1个行政村，在每个行政村随机选择12户农户。共计发放问卷384份，回收问卷321份，有效回收率为83.6％（见表2），整个调查在2016年11月完成。

表2 农户信贷约束问卷调查样本分布

3.3  模型设定

结构方程模型(structural equation modeling，简称SEM)包括结构模型(structural model)和测量模型(measured model)两个基本的模型，结构模型是潜在变量间因果关系模型的说明，测量模型由潜在变量和观测变量组成，是一组观测变量的线性函数。农户信贷约束属于农户的主观认识，具有难以直接测量与难以避免主观测量误差的基本特征，结构方程模型为难以直接观测的潜变量和难以避免的误差，提供观测和处理的分析工具，因此，本文将运用结构方程模型分析农户信贷约束及其主要影响因素。

结构方程模型一般由三个矩阵方程式表示：

方程(1)为结构模型，作为果的内生潜在变量，作为因的外生潜在变量，和分别为结构系数矩阵，是结构模型中的干扰因素或残差值。方程(2)和方程(3)为测量模型，为外生潜在变量的观测变量，为内生潜在变量的观测变量，与为指标变量(X、Y)的因素负荷量(loading)。

4  实证检验与结果分析

4.1  样本的统计描述

1.受访农户基本特征。从被调查对象的性别来看，接受调查的男性为212人，占样本总数的66.1％；从被调查对象的年龄来看，40岁以下的受访者74人，占样本总数的22.1%，60岁以上的受访者共有56人，占样本总数的17.4％；从被调查对象的受教育水平来看，24.3％（78人）的受访者受教育水平为小学及以下，41.4％（133人）的受访者受教育水平为初中；从被调查对象的家庭人口来看，平均家庭人口为4.86人，平均劳动力为2.77人；受访农户的人均纯收入为1.28万元，从政治和组织关系上看，21名（6.5%）受访农户为党员，18人（5.6%）为村干部；从与金融机构关系上看，72名（22.4%）受访者有亲戚或者朋友在金融机构工作。

2.受访农户信贷约束情况。从受信贷约束的比例看，在321名受访农户中,有97名农户向正规金融机构申请了贷款，占总人数的30.2%，其中47人（14.6%）获得了全额贷款，其余50人（15.6%）没有获得全额贷款，面临供给型信贷约束的农户占样本总量的15.6%；在没有向银行申请贷款的224人中，有102名（31.8%）受访者是因为不需要贷款，其余122名（38.0%）受访者不申请贷款是因为不知道如何申请、估计贷款不会被批准、申请过程麻烦以及贷款利率太高等，面临需求型信贷约束的农户占样本总量的38.0%，总体上受到信贷约束农户占样本总量的53.6%。

4.2  效度与信度检验

效度表示测量工具或手段准确度量被测事物的的程度，调查问卷的效度主要包括内容效度和建构效度。内容效度是指所设计的调查问卷选项是否具有代表性，能否测验检测测度的特质，达到所要测量的目的。本次调查问卷潜变量题项的设定是基于相关理论与文献综述，并多次由专家审查和修订，内容上具有良好的逻辑基础，因此，问卷题项具有较好的内容效度。问卷的建构效度是指测量工具能够测量理论的概念或特质的程度。通常来说，如果选择的样本数据适合做因子分析，则认为样本数据具有较好的建构效度。我们将数据输入SPSS 22.0软件以后，如表3所示，农户信贷约束及其主要影响因素的KMO测试数据介于0.784与0.874之间，均大于0.7，同时Bartlett检验值达到显著，说明样本数据适合做因子分析。各观测变量的因素负荷量介于0.773-0.943之间，均大于0.50小于0.95，表示量表的基本适配指标理想；各潜变量的累计方差解释介于75.897%-82.379%之间，大于评价标准值70%，调查量表具有较高的建构效度^[25]。

信度检验用来测量问卷结果的稳定性或一致性的程度。我们采用了常用的Cronbach's Alpha系数作为信度检验的测量指标。一般来说，如果Cronbach's Alpha系数小于0.6，认为问卷的信度不足；如果Cronbach's Alpha系数在0.6-0.8之间，表示问卷具有相当的信度；如果Cronbach's Alpha系数大于0.8，表示问卷的信度非常好。农户信贷约束方程模型各潜变量的Cronbach's Alpha系数（见表3），介于0.740-0.890之间，大于评价标准值0.6，说明调查量表具有较高的信度。

表3 调查问卷的信度与效度分析结果

潜变量	观测变量	KMO	Bartlett检验 （显著性）	因子共同成分	累计方差解释 （%）	Cronbach's Alpha
农户特征	FC1	0.798	611.337 （0.000）	0.911	82.066	0.890
	FC2			0.943
	FC3			0.861
家庭禀赋	FE1 FE2 FE3	0.788	439.584 （0.000）	0.911	76.222	0.843
				0.897
				0.808
社会资本	SC1	0.874	625.517 （0.000）	0.773	80.476	0.859
	SC2			0.903
	SC3			0.836
	SC4			0.841
金融抑制	FR1 FR2 FR3	0.789	209.923 （0.000）	0.808	75.897	0.740
				0.819
				0.808
信贷约束	CC1	0.784	203.149 (0.000)	0.908	82.379	0.786
	CC2			0.908

 

4.3  模型拟合

在评价结构方程模型整体和拟合度适配度之前，首先需要检验模型是否存在“违反估计”(offending estimates)，检验修正后的结构方程模型输出的标准化系数和测量误差值是否可以接受(吴明隆,2009)^[26]。为此，我们对前文设计的结构方程模型进行检验，从输出结果发现，模型的各项拟合指标以及路径系数非常小，性别、耕地面积和家庭年收入的估计值标准化系数超过1，且误差变异数为负值，超出了可接受的范围，删除了性别、耕地面积和家庭年收入三个因素后，最终得到图2所示的模型。修正后的结构方程模型估计值显示，标准化系数的估计值都没有超过0.95，没有出现负的误差变异数和极端的标准误差，潜变量间协方差标准化估计值的相关系数没有大于1，这表明，该模型没有出现“违反估计”问题。

本研究整体模型适配度检验统计量见表4。卡方（）值为187.028，卡方自由度为2.338，小于评价标准3，说明假设模型与实际样本数据适配程度良好。GFI值为0.930（>0.9），NFI值为0.924（>0.9），IFI值为0.929（>0.9），TLI值为0.944（>0.9），CFI值为0.958（>0.9），PCFI值为0.730（>0.5），PNFI值为0.708（>0.5），说明本文提出的因果关系模型与实际调查数据契合，图2的路径分析的假说模型得到了支持，模型的整体拟合度很好。

表4 SEM整体适配度的评价指标体系及拟合结果

统计检验量

绝对适配度指标

增值适配度指标

简约适配度指标

GFI

AGFI

RMSEA

NFI

IFI

TLI

CFI

PCFI

PNFI

AIC

实际值

187.028

2.338

0.930

0.895

0.065

0.924

0.929

0.944

0.958

0.730

0.708

267.028

标准

愈小 愈好

<3

>0.9

>0.9

<0.08

>0.9

>0.9

>0.9

>0.9

>0.5

>0.5

愈小 愈好

结果

理想

理想

理想

接近

接近

理想

理想

理想

理想

理想

理想

理想

4.4  模型结论分析

1.假设检验及结果。表5给出了农户信贷约束影响因素模型假设的标准化系数、非标准化系数、标准误差、临界比率值及P值。结果表明，所有的理论依据都被调查问卷获得的相关数据得以证实，都通过了显著性检验。农户特征对农户信贷约束产生负向的直接影响效果（β₁=-0.40）；农户特征对金融抑制产生负向的直接影响效果（β₂=-0.27）；家庭禀赋对农户信贷约束产生负向的直接影响效果（β₃=-0.22）；家庭禀赋对金融抑制产生负向的直接影响效果（β₄=-0.14）；社会资本对农户信贷约束产生负向的直接影响效果（β₅=-0.11）；社会资本对金融抑制产生负向的直接影响效果（β₆=-0.49）；金融抑制对农户信贷约束产生正向的直接影响效果（β₇=0.26）。

表5 假设及显著性检验

注：临界比率值等于参数估计值与估计值标准误差的比值，如果此值的绝对值大于1.96，则参数估计值达到0.05显著性水平，大于2.58，则参数估计值达到0.01显著性水平，*表示p<0.05；**表示p<0.01；***表示p<0.0001。

2.潜变量间影响效应分析。表6是模型潜变量之间的影响效应，在4个影响农户信贷约束的因素当中，农户特征对农户信贷约束的影响最大（-0.476），这意味着农户年龄、农户受教育水平以及农户的健康状况是影响农户信贷约束的重要因素，间接效应（-0.071）小于直接效应（-0.405），说明中介变量的作用很小，这意味着农户特征是导致农户积极利用信贷市场的直接因素。其次是金融抑制因素（0.260），农户距离金融机构的距离、农户可贷款金融机构数量以及农户对贷款利率的主观认知对农户信贷约束有直接影响。再次是家庭禀赋因素（-0.259）和社会资本（-0.238），家庭禀赋的直接效应（-0.223）大于间接效应（-0.036），说明劳动力人口、家庭人均纯收入和家庭经营类型是影响农户信贷约束的直接因素；而社会资本的直接效应（-0.112）小于间接效应（-0.126），表明社会资本通过中介变量对农户信贷约束产生间接影响较大。

表6 潜变量之间的影响效应

 

3.测量模型分析。表7揭示了观测变量与潜变量之间的相互关系，可以看出：（1）在反映农户特征的3个观测指标中，农户受教育水平、农户年龄和农户健康状况对农户特征影响的标准化系数依次为0.955、0.869、0.754，农户受教育水平是农户自身特征潜变量中最显著的因素。（2）在反映家庭禀赋的3个观测指标中，农户家庭劳动力、家庭人均纯收入和家庭经营类型影响的标准化系数分别为0.899、0.859、0.657，农户家庭劳动力人口对农户家庭禀赋潜变量的影响最大。（3）在反映社会资本的4个观测指标中，农户与金融机构关系、邻里关系、亲戚关系和组织与政治关系的标准化系数分别为0.888、0.801、0.767、0.673，农户与金融机构关系对社会资本潜变量影响最显著。（4）在反映金融抑制的3个观测指标中，农户对贷款利率的主观承受、可贷金融机构家数和与最近金融机构距离的标准化系数分别为0.728、0.703、0.662。（5）在反映信贷约束的2个观测指标中，需求型信贷约束和供给型信贷约束的标准化系数分别为0.826、0.784。

表7 观测变量与潜变量之间的路径系数

路径	标准化系数		非标准化系数	标准误差	临界比率	P
FC3<---农户特征	0.754		1.000
FC2<---农户特征	0.955		1.257	.072	17.390	***
FC1<---农户特征	-0.869		-1.171	.071	-16.463	***
FE3<---家庭禀赋	0.657		1.000
FE2<---家庭禀赋	0.859		1.396	.111	12.554	***
FE1<---家庭禀赋	0.899		1.366	.108	12.594	***
SC4<---社会资本	0.801		1.000
SC3<---社会资本	0.767		.947	.065	14.610	***
SC2<---社会资本	0.888		1.062	.062	17.044	***
SC1<---社会资本	0.673		.799	.064	12.468	***
FR1<---金融抑制	0.662		1.000
FR2<---金融抑制	0.703		1.008	.098	10.337	***
FR3<---金融抑制	0.728		1.002	.101	9.904	***
CC2<---信贷约束	0.826	1.000
CC1<---信贷约束	0.784	.994		.079	12.517	***

 

5  主要结论

本文基于结构方程模型，以湖南省8个地级市16个县(市、区)321户农户为样本，对影响农户信贷约束的主要因素进行实证研究。结果表明：（1）农户特征、家庭禀赋及社会资本对农户信贷约束均具有显著的负向影响，对农户信贷约束具有明显的抑制作用，其总效应分别是-0.476、-0.259和-0.238，说明农户特征因素对农户信贷约束的影响最大，家庭禀赋因素的影响次之，而社会资本因素的影响则显得稍小；金融抑制对农户信贷约束具有显著的正向影响，总效应是0.260。（2）农户受教育水平(标准化路径系数0.955)是农户自身特征潜变量中最显著的因素。不难理解，农户受教育水平越高，其对农村金融机构信贷政策、信贷流程的理解越深刻，农户获得正规信贷的可能性越大，正规金融机构对其信贷约束就越小。（3）农户家庭劳动力人口（标准化路径系数0.899）和农户家庭人均纯收入（标准化路径系数0.859）这两个可测变量对农户家庭禀赋潜变量的影响程度大致相当，影响方向一致。即农户家庭劳动力人口越多，农户家庭人均纯收入越高，越容易获得正规金融机构的贷款，受到的信贷约束越少。（4）是否有亲戚或朋友在农村金融机构工作(标准化路径系数0.888)是对社会资本潜变量最显著的影响因素。这是因为基于血缘、地缘建立起的社会资本是物质抵押品的有效替代，社会资本通过充当抵押品和信号传递影响农户借贷行为，从根本上解决农户信贷约束。政治与组织关系、亲戚关系和邻里关系对社会资本潜变量也存在着显著影响，说明不同类型社会资本能显著缓解正规信贷约束。（5）农户可贷金融机构家数（标准化路径系数0.728）是金融抑制潜变量中最显著的因素。发展中国家普遍存在着供给型金融抑制，农村可贷金融机构家数能较好的度量农村信贷市场上供给型金融抑制，增加农户可贷金融机构家数，可在一定程度上降低农村金融供给不足，缓解农户信贷约束。

本文的研究结论显示，提升农户受教育水平，培育新型农业经营主体，提高农户家庭人均收入，降低农户贷款利率水平，加强农村金融机构覆盖面，对于降低农户金融抑制程度，缓解农户信贷约束具有基础性作用。

 

参考文献

[1]叶慧敏,李明贤.农户融资约束问题研究进展及展望[J].当代经济管理,2014(3):44-49.

[2]王书华,杨有振,苏剑.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.

[3]P.B.Duong,Y.Izumida.Rural Development Finance in Vietnam: A Micro-econometric Analysis of Household Surveys[J].World Development,2002,30(2).

[4]程郁,韩俊,罗丹. 供给配给与需求压抑交互影响下的正规信贷约束:来自1874户农户金融需求行为考察[J].世界经济,2009(5):73-82.

[5]Stiglitz，J.，Weiss.A.Credit Rationing in Markets with Imperfect Information[J]. The American Economic Review，1981，71(3):393-410.

[6]董晓林,杨小丽,胡睿.经济欠发达地区农户信贷约束与农信社小额信贷——基于对江苏睢宁县的农户调查[J].南京农业大学学报(社会科学版),2010,10(2):27-34.

[7]牛荣,张珩,罗剑朝.产权抵押贷款下的农户信贷约束分析[J].农业经济问题,2016(1):76-83.

[8]M．R．Carter．Equilibrium Credit Rationing of Small Farm Agriculture[J]．Journal of Development Studies，1988(28)：83-103．

[9]梁红卫.发展农民专业合作社，打破农户融资困境[J].经济纵横,2009(5):76-78.

[10]Hoff，Karla，Joseph E．Stiglitz．Imperfect information and rural credit market[J]．The World Bank Economic Review，1990(3):235-250．

[11]Evans&Jovanovic.An estimated model of entrepreneurial choice under liquidity constraints[J]．Journal of Political Economics,1989(97):808-827

[12]Boucher, S.Carter, R.M.and Guirkinger, C.Risk Rationing and Wealth Effects in Credit Markets:Theory and Implications for Agricultural Development[J]．American Journal of Agricultural Economics,2008,90(2):409-423

[13]黎毅,罗剑,朝曹,房启明. 供给抑制下的不同类型农户信贷需求及其约束研究[J]．农村经济,2014(10):60-65.

[14]李明贤,李学文.孟加拉国小额信贷发展的宏观经济基础及中国小额信贷的发展[J]．农业经济问题,2008(9):100-105.

[15]王婷睿.供应链金融——解决农民贷款难问题新途径探析[J]．金融发展研究,2010(4):60-62.

[16]童馨乐,褚保金,杨向阳.社会资本对农户借贷行为影响的实证研究——基于八省1003个农户的调查数据[J].金融研究，2011(12):177-191.

[17]Besley T.,S.Coate.Group Lending,Repayment Incentives and Social Collateral[J].Journal of Development Economics,1995,(46):1-18.

[18]梁爽,张海洋,平新乔,郝朝艳.财富、社会资本与农户的融资能力[J].金融研究,2014(4):83-95.

[19]张龙耀,陈畅,刘俊杰.社会资本与小额信贷风险控制：理论机制与实证分析[J].经济学动态,2013(2):73-77.

[20]爱德华·肖.经济发展中的金融深化[M].上海：上海三联书店,1998:86-98.

[21]罗纳德·麦金农.经济发展中的货币与资本[M].上海：上海三联书店,1998:76-108.

[22]乔海曙.农村经济发展中的金融约束及解除[J].农业经济问题,2001,(3):19-23.

[23]高帆.我国农村中的需求金融抑制及其解除[J].中国农村经济,2002,(12):68-72.

[24]秦建群,吕忠伟,秦建国.农户分层信贷渠道选择行为及其影响因素分析——基于农村二元金融结构的实证研究[J].数量经济技术经济研究,2011(10):37-49.

[25]吴林海,候博,高申荣.基于结构方程模型的分散农户农药残留认知与主要影响因素分析[J].中国农村经济,2011(3):35-48.

[26]吴明隆.结构方程模型[M].重庆大学出版社,2009.

 

    （作者简介:邹建国，衡阳师范学院经济与管理学院；李明贤，湖南农业大学经济学院院长）