论文部分内容阅读
摘要：本研究基于微观调查数据，采用有序Probit模型对影响农户信贷排斥的因素进行了系统分析，研究发现：在农村地区，农户家庭主事者的性别、年龄对其家庭能否获得贷款用于生产性投资影响显著；家庭成员的总体受教育程度越高，其缓解家庭受信贷排斥的作用越大；同样，家庭耕地规模越大和家庭年总收入越高的农户可以避免信贷排斥，而家庭负债越高的农户则面临着严重的信贷排斥。居住在自有住房里的农户和居住在商业中心周边的农户顺利获得贷款的概率较大。
关键词：农户；农村金融；信贷排斥
一、引言
根据央行发布的《2015 年上半年金融机构贷款投向统计报告》，截至2015年6月末，本外币农村（县及县以下）贷款余额 20.72 万亿元，在这其中，农户贷款余额仅为5.84万亿元。究其原因，很大程度上是由于我国农村地区存在信贷排斥，导致农户难以获得金融服务。出于经济的“被分割”（Fragmented Economy），发展中国家普遍存在着二元经济结构[ ]。而在中国城乡之间这种金融的二元性表现得更为突出。由于历史原因，我国城乡金融发展水平差异较为严重，特别在农村地区，金融发展的滞后，严重制约了农村经济的发展。考虑到农村金融服务对农村经济建设起到的重要作用，国家采取了一系列措施来对农村金融进行大幅度的改革，但是收效甚微，农户贷款难、农村资金外流等问题仍然明显[ ]。究其原因，金融排斥（financial exclusion），特别是信贷排斥问题的存在是阻碍农村地区金融服务发展的重要原因。
二、文献综述
信贷排斥是金融排斥的一个重要方面。早在二十年多前，该领域的研究逐渐获得学界的关注，研究视角也从最初的金融地理学逐步拓展，融汇了其他学科的知识。当前从社会学和经济学领域视角进行研究的文献也逐渐丰富。在在Leyshon和Thrift（1993、1994、1995）[ ]的研究中提出，银行业的经营是一种逐利行为，他们尤其看重“价值最大化”的经营目标。由于信息技术的发展以及全球一体化，竞争日趋激烈，银行业也会慢慢强调经营上的“为质量而战”。为了在控制成本的同时降低经营风险，也是为了增加经营利润，各金融机构为了抢占更优资源，他们通过在资源集中较多的地区不断扩大机构和服务范围，同时纷纷关闭经济相对落后的农村和边远地区的分支机构，对低收入人群进行选择性排斥，直接导致了经济落后地区的金融服务可得性不高现象的出现。
基于金融排斥的原因及其影响因素，Kempson和Whyley（1999）[ ]指出，金融排斥是收入的负函数，并且还与特定人群的年龄等因素有一定的相关性。而Devlin（2005）[ ]在进一步研究中发现，住房状态等因素对金融排斥也有相对的影响。Panigyrakis（2002）[ ]指出，虽然金融排斥的定义可以随着观察角度的不同而有一定的差异，但其最根本的内涵仍然指的是某部分群体难以通过合适的渠道获得必需的金融服务和产品。王志军（2007）、许圣道（2008）、何德旭（2008）等的研究得出结论，农村地区由于存在金融排斥现象，一方面使得农户或者企业更难获得金融方面的支持，更严重的后果是极可能由此产生金融空洞，在马太效应的作用下，农村地区陷入金融恶性循环的概率更高，并最终导致资金外逃等后果[ ][ ][ ]。徐少君，金雪军（2009）[ ]、隋艳颖，马晓河（2011）[ ]也使用了单个省份的调查数据进行估计，并获得了类似的分析结果。为此杜晓山（2006）、王修华（2009）提出了应大力发展小额信贷、微型金融[ ][ ]的实际性建议。王修华，谭开通（2012）[ ]利用8个省的微观数据构建了信贷供需双方相互作用的形成机理分析模型，并，产生农户信贷排斥的主要原因在于农村金融机构其营运的固定成本通常会高于城市地区、同时同样一笔贷款农户需要相对更高的非利率成本才能获得，并且金融机构也需要更高的非利息成本来完成一户农户贷款的发放。此外，王修华（2013）等[ ]发现，在影响农户储蓄、信贷两个方面排斥的因素中，既有共同的方面，如户主或亲友担任村干部、人际关系满意度、有新型农村金融机构、对金融机构信任等，也有不同的方面，如所从事的职业、受教育程度、家庭的收入水平以及支出水平等。
从现有研究来看，经验支撑还相对缺乏，从经济学角度的研究还相对薄弱。本文在借鉴现有文献成果的基础上，以我国农户实地调查数据进行经验研究，检验以下假设命题：
1.在贷款利率一定的情况下，贷款申请农户个体特征越好，则预期违约概率相对越低，同时金融机构就该类个体放贷的非利息成本也偏低，从而更不易受到信贷排斥。
2.在其他条件不变的情况下，对农户发放贷款的单位非利息成本越高、对贷款违约的预期值越高，则金融机构愿意发放给农户贷款的可能性越低。换句话说，金融机构发放贷款的意愿，与发放该笔贷款的违约概率预期值成反比，随着发放该笔贷款的非利息成本的增加而降低；另外，金融机构通常认为那些家庭资源禀赋相对匮乏、有着较高的债务水平农户有更高概率违约，从而导致了这部分群体更大概率的受到信贷排斥。
3.贷款申请农户所在社区经济活跃度越高，交通越便利，金融机构与农户间的信息不对称程度越低，给予他们放贷的非利息成本越低，该部分农户受到信贷排斥可能性越低。
三、数据来源、变量赋值及其描述统计
（一）数据来源
本文使用的全部数据来源于中山大学社会科学调查中心的中国劳动力动态调查（China Labor Force Dynamic Survey，CLDS）。该项目是一项大型的追踪调查，第一次调查始于2012年，内容涉及多个学科，内容包括了教育、经济活动、社会参与、健康、工作、基层组织、迁移等多个方面。“不同于俄国和印度的村社制，东方国家有其自身传统，遵循传统的家户制，财产分配和继承均以家户为单位。”[ ]所以我们认为该调查数据能够较好的反映中国国情，本研究的农户家庭样本为4625个，其具体情况详见表2。 （二）变量选取及其赋值
结合本文的研究目的同时考虑数据的可获得性，本研究一共挑选了3方面的指标涉及到14个变量，主要分为：家庭主事者的个人禀赋、家户的资源禀赋特征、经济交通活跃度等。
在家庭主事者个人禀赋方面，主要通过4个变量进行了描述，分别是主事者的性别、婚姻状况、主事的年龄以及他的受教育程度。通常来说，我们会认为男性相对于女生具有更强的风险偏好；而已婚或者有生活伴侣的家庭主事者的家庭生活更稳定[ ]，在婚姻变量上，为了更简洁的就有无生活伴侣是否对家庭信贷排斥现象有显著的影响差异，我们将户主的婚姻状况进行了变量处理，“现没有生活伴侣”指的是那些或离异、或丧偶或从未结婚的人群。“有生活伴侣”选项则指的是有配偶的人群，其中既包含初婚，也包含再婚。年龄的增加通常情况下会导致农户趋于更厌恶风险，同时其贷款违约的风险也增加；因此，我们可能得出结论，那些年龄偏大且没有生活伴侣的女性家庭主事者，可能恰恰是信贷排斥的对象[ ]；另外，主事者自身文化程度高低会直接决定他们理解信贷产品的程度。
农户自身的家庭资源禀赋也是本研究考察的重点。从家庭角度而言，家庭成员中的高中学历人口、劳动力占比、家庭占有的耕地规模、家庭的总收入和总支出、实际债务、农业收入在家庭收入中的所占的比例以及家庭现居住所类型8个变量。通常我们认为如果家庭中成员受教育的平均水平越高，那么他们可能获得的社会网络越广，“由于社会关系形成的个人资源”[ ]使得其家庭收入来源比较稳定；同样，家庭劳动力比率越高，家庭的收入也获得相对的保障[ ]，这些类型的农户比较容易获得金融机构的青睐；一般而言，在农村社会中，耕地是农户的主要收入来源，耕地规模越大，其经济收益越高，因此家庭耕地规模可以反映农户是否有比较稳定的信贷保证；在同等条件下，金融机构更乐于提供金融借贷给家庭收入较高的农户家庭，同时这部分农户相对借贷需求偏低，较小可能发生信贷排斥；家庭年总支出的高低则直接影响农户的借贷需求；另外，家庭负债越高的农户，面临信贷排斥的可能性越高；家庭农业收入占比则为家庭农、林、牧、副、渔业等涉农收入与家庭总收入之比，农户农业收入占比的高低决定其依赖务农获得收益的程度；家庭现在居住的房屋类型则反映农户家庭基本的经济稳定情况，一般而言，在农村地区家庭房屋自有与否是其经济情况的直接体现。
社区交通活跃度主要依靠一下两个变量进行考量：家庭到最近公交站点的距离以及家庭到商业中心的距离。第一个变量家庭离最近公交站点距离反映了家庭所在社区的交通便利情况，在农村地区，交通越便利的地方，地方经济发展水平可能越高；而另一个变量为样本家庭所在地与商业中心之间的距离，直接反映农户参与市场交易的便捷程度。通常来说，我们认为越靠近商业中心的家庭，他们由于地理位置的优势，受到信贷排斥的可能性更低。
（三）变量描述统计
表2是变量描述统计，根据本研究的有序Probit模型，是否顺利地从银行信用社等正规金融机构贷到款用于生产性投资y是一个0～2的多分变量，其均值为0.7479，表明样本农户较难从正规金融机构获得贷款用于生产性投资。
1.家庭主事者的个人特征
从本次调查来看，85.12%的家庭主事者为男性，平均年龄在43岁左右。在家庭主事者婚姻变量上，为了更加简单清晰地比较家庭主事者有无生活伴侣，对其家庭能否顺利获得贷款用于生产性投资的差异，本研究将初婚和再婚有配偶定义为“有生活伴侣”，其他定义为 “现没有生活伴侣”。从表2中可以看出，有超过90%的家庭主事者有生活伴侣；在主事者教育程度方面，大部分的家庭主事者的文化水平为初中以下。
2.样本农户的家庭特征
在家庭文化总体水平方面，样本农户家庭高中学历以上人数极少，平均每户不到一个人；在劳动力方面，样本家庭劳动力比率平均为67.28%；每个家庭平均承包6.5亩左右的土地；家庭年总收入平均不到3万元，而其年总支出则几乎与年总收入持平；在家庭债务方面，平均每户欠债1万余元。而在家庭农业收入占比上，平均只有37.47%。也就是说，农户其他收入来源成为其收入构成的主体。在家庭居住房屋方面，自有住房率达到86.81%。
3.家庭所处社区特征
家庭到最近的公交站点距离平均为3公里左右；家庭到最近的商业中心距离则平均将近7公里。
四、研究方法与估计结果分析
（一）研究方法
被解释变量 y 是农户受到信贷排斥程度，为模拟农户在信贷活动中的选择，根据其受到信贷排斥程度，将其划分为具有排序性质的3层： 不受排斥时，y = 0； 受到部分排斥时，y = 1； 受到完全排斥时，y =2。OPM（order probit model）是针对这种离散的，有次序性的因变量的经济计量模型，可很好地模拟农户位于各个层级的概率及其决定因素。以 表示在（0，1，2…，m）上取值的有序响应，关于 的有序Probit模型可由以下式子表示：
其中 是一个潜在变量，对其具体值的观测无法进行，但 是可以观测得到的变量； 是一组解释变量的观测值，i（i=1，2，…，n）代表着观测值数； 代表待估计的参数变量； 是随机解释变量；j是状态参数； 是区间的分界点； 是标准正态累计分布函数。[ ]
（二）估计结果分析
上述理论模型将通过本部分的讨论进行经验检验，使用有序probit模型分别考察各变量对农户的借贷需求获得满足的程度的影响。
根据上述讨论的估计方法，本研究在农户家庭主事者的个人特征、家庭特征以及社区特征等三个方面选取了14个解释变量，进一步利用Stata12.0软件对农户是否顺利的从银行信用社等正规金融机构贷到款用于生产性投资进行了有序Probit模型估计。表3中模型Ⅰ是让所有的变量进入模型中的检验，检验结果反映了所有解释变量对被解释变量的影响程度。在对相关系数的观察中可以获知，在整体上模型Ⅰ的拟合优度较为不错，这个检测结果说明进入模型的解释变量对被解释变量在整体上有显著性的影响。更进一步，我们观察到变量x1、x3、x5、x7、x8、x10、x12、x14等显著影响农户信贷排斥，但是x2、x4、x6、x9、x11、x13等变量对农户信贷排斥的影响并没有通过显著性检验。模型Ⅱ是在模型Ⅰ的基础上，经过优化检验、剔除对被解释变量影响不显著的变量后，模型的估计结果。通过对模型Ⅰ和模型Ⅱ中各解释变量参数的对比分析发现，模型Ⅱ中各解释变量对被解释变量的解释程度明显高于模型Ⅰ，且通过对数似然比（Log likelihood）、伪判决系数（Pseudo R2）的数值比较来看，模型Ⅱ的拟合优度较高。 1.个人禀赋对农户信贷排斥的影响
从表3可知，反映个人禀赋的可观测变量中，x1和x3对农户信贷排斥都有显著的影响，其中x1是负向影响，表明女性为主事者的家庭在信贷活动中更容易被排斥。在农村社会中，传统文化中的男主外女主内的影响根深蒂固。一般认为，以女性为主事者的家庭在经济上都比较弱势。因此，从银行厌恶风险的角度出发，更愿意发放贷款给男性主事者的家庭。同样，基于风险的考量，在农村的经济活动中，农民更多的是依靠体力的付出获得经济收入，家庭主事者年龄越高，体力越衰弱，在银行的风险评估中越不利，其越难获得贷款。这与我们的假设1相吻合。在模型中，农户的婚姻状况并没有通过显著性检验，这可能与样本农户家庭主事者九成以上为有生活伴侣，没有表现出差异性有关，这需要对其进一步细分研究。
2.家庭特征对农户信贷排斥的影响
反映家庭特征的可观测变量中，家庭高中学历以上人数变量系数在5%的显著水平下显著，且呈负相关，表明家庭总体受教育水平越高，越容易获得贷款用于生产性投资。考虑到农村整体教育发展程度不高的现状，受到高中以上教育已经是较高的文化水平[ ]。在农村社会中，这一部分受过高教育者往往可以通过同窗关系，积累更多的社会资本，从而顺利获得贷款用于生产性投资。同时，与主事者教育程度变量影响不显著相比较也可以看出，在避免信贷排斥方面，家庭总体受教育水平的作用比个体受教育程度的作用更大。家庭耕地规模和家庭年总收入这两个等距变量系数方向均为负向，而且均在1%的显著水平下显著，表明家庭耕地规模和家庭年收入对规避信贷排斥均有着十分强烈的作用。家庭承包土地越多，信息不对称程度越低，同时也意味着家庭收入预期越高，信贷违约的可能性越低，因此此类农户在需要进行生产性投资时，更容易获得贷款。与此相对的是，家庭债务越高的农户，则越可能受到信贷排斥。虽然家庭农业收入占比变量的系数较小，也没有呈现出显著的反应，但其系数方向也可以印证上述讨论，在农村中农业收入越高，其在贷款中信息透明度越高，意味着银行放贷的风险越低，农户获得贷款的概率就越高。在估计中，我们也看到了，拥有自有房屋的农户获得贷款用于生产性投资的可能性越高。房屋是家庭资产的重要构成部分，农户拥有自有房屋实际上是向银行发出可以按期还本息这一积极且稳定的经济信号，客观上提高了银行对收回本息的预期；更重要的是，房屋作为可供抵押担保财产，在很大程度上可以解除农户的信贷排斥，这与我们前述的假设2相符合。
3.社区特征对农户信贷排斥的影响
表3中，家庭到最近的商业中心距离在0.01的显著水平上对农户信贷排斥产生显著的正向影响。在农村地区，银行或者信用社一般驻在场镇或者集市等商业氛围较浓的地方，银行对距离这些农村地区商业中心越远的农户经济信息占有较少，因此使得他们在贷款信息审核时更加谨慎，在客观上使得该部分农户很难获得贷款用于生产性投资。该模型结果部分回应了假设3。而家庭到最近的公交站点距离这一反映社区特征的可观测变量在模型中对农户信贷排斥的影响并不显著。可能的解释是：虽然交通便利程度在一定层面上能够体现出农户家庭所在社区的经济活跃度，但是由于农村的公共交通条件长期以来都比较落后，并没有发生显著的变化。虽然我们观察到了在农户信贷排斥中会体现出呈现区域差异化特征，但这一差异性并不能由村镇的公共交通便利程度直接体现，简单说来即是在同一地区范围内，差异性的社区位置对农户信贷排斥的影响并不显著。
五、结论与政策启示
本文根据实地调查结果，运用有序probit模型对各变量产生在农户信贷排斥影响上的的效用方向进行了验证。得到结论：农户家庭主事者的性别、年龄对其家庭能否获得贷款用于生产性投资影响显著；家庭成员的总体受教育程度可以缓解其受信贷排斥的影响；同样，家庭耕地规模越大和家庭年总收入越高的农户可以避免信贷排斥，而家庭负债越高的农户则面临着严重的信贷排斥。居住在自有住房里的农户和居住在商业中心周边的农户可以较为顺利地获得贷款。
在城乡统筹背景下，多种因素会影响到农村地区的农户信贷排斥。多种情况下的信贷排斥，一方面是由于银行作为以营利为目的的机构，必须要求维护自身经营利益；另一方面也与国家政策之间有着密不可分的关系。农村地区要促进农户增收，必须构建包容性农村金融体系，从制度层面破解农户信贷排斥难题；农村金融的发展一定离不开金融创新，必须通过搭建创新农村信用体系，搭建符合农村金融特征的平台，着力于盘活农村资金，推动农村产权可向金融机构做抵押融资的金融产品；另外，要发挥农村地区社会网络紧密的优势，降低农户与金融机构间的信息不对称，减少农户信贷排斥；最后，以县为单位，根据涉农贷款金额比例建立风险补偿基金，分担金融机构服务“三农”的风险。
关键词：农户；农村金融；信贷排斥
一、引言
根据央行发布的《2015 年上半年金融机构贷款投向统计报告》，截至2015年6月末，本外币农村（县及县以下）贷款余额 20.72 万亿元，在这其中，农户贷款余额仅为5.84万亿元。究其原因，很大程度上是由于我国农村地区存在信贷排斥，导致农户难以获得金融服务。出于经济的“被分割”（Fragmented Economy），发展中国家普遍存在着二元经济结构[ ]。而在中国城乡之间这种金融的二元性表现得更为突出。由于历史原因，我国城乡金融发展水平差异较为严重，特别在农村地区，金融发展的滞后，严重制约了农村经济的发展。考虑到农村金融服务对农村经济建设起到的重要作用，国家采取了一系列措施来对农村金融进行大幅度的改革，但是收效甚微，农户贷款难、农村资金外流等问题仍然明显[ ]。究其原因，金融排斥（financial exclusion），特别是信贷排斥问题的存在是阻碍农村地区金融服务发展的重要原因。
二、文献综述
信贷排斥是金融排斥的一个重要方面。早在二十年多前，该领域的研究逐渐获得学界的关注，研究视角也从最初的金融地理学逐步拓展，融汇了其他学科的知识。当前从社会学和经济学领域视角进行研究的文献也逐渐丰富。在在Leyshon和Thrift（1993、1994、1995）[ ]的研究中提出，银行业的经营是一种逐利行为，他们尤其看重“价值最大化”的经营目标。由于信息技术的发展以及全球一体化，竞争日趋激烈，银行业也会慢慢强调经营上的“为质量而战”。为了在控制成本的同时降低经营风险，也是为了增加经营利润，各金融机构为了抢占更优资源，他们通过在资源集中较多的地区不断扩大机构和服务范围，同时纷纷关闭经济相对落后的农村和边远地区的分支机构，对低收入人群进行选择性排斥，直接导致了经济落后地区的金融服务可得性不高现象的出现。
基于金融排斥的原因及其影响因素，Kempson和Whyley（1999）[ ]指出，金融排斥是收入的负函数，并且还与特定人群的年龄等因素有一定的相关性。而Devlin（2005）[ ]在进一步研究中发现，住房状态等因素对金融排斥也有相对的影响。Panigyrakis（2002）[ ]指出，虽然金融排斥的定义可以随着观察角度的不同而有一定的差异，但其最根本的内涵仍然指的是某部分群体难以通过合适的渠道获得必需的金融服务和产品。王志军（2007）、许圣道（2008）、何德旭（2008）等的研究得出结论，农村地区由于存在金融排斥现象，一方面使得农户或者企业更难获得金融方面的支持，更严重的后果是极可能由此产生金融空洞，在马太效应的作用下，农村地区陷入金融恶性循环的概率更高，并最终导致资金外逃等后果[ ][ ][ ]。徐少君，金雪军（2009）[ ]、隋艳颖，马晓河（2011）[ ]也使用了单个省份的调查数据进行估计，并获得了类似的分析结果。为此杜晓山（2006）、王修华（2009）提出了应大力发展小额信贷、微型金融[ ][ ]的实际性建议。王修华，谭开通（2012）[ ]利用8个省的微观数据构建了信贷供需双方相互作用的形成机理分析模型，并，产生农户信贷排斥的主要原因在于农村金融机构其营运的固定成本通常会高于城市地区、同时同样一笔贷款农户需要相对更高的非利率成本才能获得，并且金融机构也需要更高的非利息成本来完成一户农户贷款的发放。此外，王修华（2013）等[ ]发现，在影响农户储蓄、信贷两个方面排斥的因素中，既有共同的方面，如户主或亲友担任村干部、人际关系满意度、有新型农村金融机构、对金融机构信任等，也有不同的方面，如所从事的职业、受教育程度、家庭的收入水平以及支出水平等。
从现有研究来看，经验支撑还相对缺乏，从经济学角度的研究还相对薄弱。本文在借鉴现有文献成果的基础上，以我国农户实地调查数据进行经验研究，检验以下假设命题：
1.在贷款利率一定的情况下，贷款申请农户个体特征越好，则预期违约概率相对越低，同时金融机构就该类个体放贷的非利息成本也偏低，从而更不易受到信贷排斥。
2.在其他条件不变的情况下，对农户发放贷款的单位非利息成本越高、对贷款违约的预期值越高，则金融机构愿意发放给农户贷款的可能性越低。换句话说，金融机构发放贷款的意愿，与发放该笔贷款的违约概率预期值成反比，随着发放该笔贷款的非利息成本的增加而降低；另外，金融机构通常认为那些家庭资源禀赋相对匮乏、有着较高的债务水平农户有更高概率违约，从而导致了这部分群体更大概率的受到信贷排斥。
3.贷款申请农户所在社区经济活跃度越高，交通越便利，金融机构与农户间的信息不对称程度越低，给予他们放贷的非利息成本越低，该部分农户受到信贷排斥可能性越低。
三、数据来源、变量赋值及其描述统计
（一）数据来源
本文使用的全部数据来源于中山大学社会科学调查中心的中国劳动力动态调查（China Labor Force Dynamic Survey，CLDS）。该项目是一项大型的追踪调查，第一次调查始于2012年，内容涉及多个学科，内容包括了教育、经济活动、社会参与、健康、工作、基层组织、迁移等多个方面。“不同于俄国和印度的村社制，东方国家有其自身传统，遵循传统的家户制，财产分配和继承均以家户为单位。”[ ]所以我们认为该调查数据能够较好的反映中国国情，本研究的农户家庭样本为4625个，其具体情况详见表2。 （二）变量选取及其赋值
结合本文的研究目的同时考虑数据的可获得性，本研究一共挑选了3方面的指标涉及到14个变量，主要分为：家庭主事者的个人禀赋、家户的资源禀赋特征、经济交通活跃度等。
在家庭主事者个人禀赋方面，主要通过4个变量进行了描述，分别是主事者的性别、婚姻状况、主事的年龄以及他的受教育程度。通常来说，我们会认为男性相对于女生具有更强的风险偏好；而已婚或者有生活伴侣的家庭主事者的家庭生活更稳定[ ]，在婚姻变量上，为了更简洁的就有无生活伴侣是否对家庭信贷排斥现象有显著的影响差异，我们将户主的婚姻状况进行了变量处理，“现没有生活伴侣”指的是那些或离异、或丧偶或从未结婚的人群。“有生活伴侣”选项则指的是有配偶的人群，其中既包含初婚，也包含再婚。年龄的增加通常情况下会导致农户趋于更厌恶风险，同时其贷款违约的风险也增加；因此，我们可能得出结论，那些年龄偏大且没有生活伴侣的女性家庭主事者，可能恰恰是信贷排斥的对象[ ]；另外，主事者自身文化程度高低会直接决定他们理解信贷产品的程度。
农户自身的家庭资源禀赋也是本研究考察的重点。从家庭角度而言，家庭成员中的高中学历人口、劳动力占比、家庭占有的耕地规模、家庭的总收入和总支出、实际债务、农业收入在家庭收入中的所占的比例以及家庭现居住所类型8个变量。通常我们认为如果家庭中成员受教育的平均水平越高，那么他们可能获得的社会网络越广，“由于社会关系形成的个人资源”[ ]使得其家庭收入来源比较稳定；同样，家庭劳动力比率越高，家庭的收入也获得相对的保障[ ]，这些类型的农户比较容易获得金融机构的青睐；一般而言，在农村社会中，耕地是农户的主要收入来源，耕地规模越大，其经济收益越高，因此家庭耕地规模可以反映农户是否有比较稳定的信贷保证；在同等条件下，金融机构更乐于提供金融借贷给家庭收入较高的农户家庭，同时这部分农户相对借贷需求偏低，较小可能发生信贷排斥；家庭年总支出的高低则直接影响农户的借贷需求；另外，家庭负债越高的农户，面临信贷排斥的可能性越高；家庭农业收入占比则为家庭农、林、牧、副、渔业等涉农收入与家庭总收入之比，农户农业收入占比的高低决定其依赖务农获得收益的程度；家庭现在居住的房屋类型则反映农户家庭基本的经济稳定情况，一般而言，在农村地区家庭房屋自有与否是其经济情况的直接体现。
社区交通活跃度主要依靠一下两个变量进行考量：家庭到最近公交站点的距离以及家庭到商业中心的距离。第一个变量家庭离最近公交站点距离反映了家庭所在社区的交通便利情况，在农村地区，交通越便利的地方，地方经济发展水平可能越高；而另一个变量为样本家庭所在地与商业中心之间的距离，直接反映农户参与市场交易的便捷程度。通常来说，我们认为越靠近商业中心的家庭，他们由于地理位置的优势，受到信贷排斥的可能性更低。
（三）变量描述统计
表2是变量描述统计，根据本研究的有序Probit模型，是否顺利地从银行信用社等正规金融机构贷到款用于生产性投资y是一个0～2的多分变量，其均值为0.7479，表明样本农户较难从正规金融机构获得贷款用于生产性投资。
1.家庭主事者的个人特征
从本次调查来看，85.12%的家庭主事者为男性，平均年龄在43岁左右。在家庭主事者婚姻变量上，为了更加简单清晰地比较家庭主事者有无生活伴侣，对其家庭能否顺利获得贷款用于生产性投资的差异，本研究将初婚和再婚有配偶定义为“有生活伴侣”，其他定义为 “现没有生活伴侣”。从表2中可以看出，有超过90%的家庭主事者有生活伴侣；在主事者教育程度方面，大部分的家庭主事者的文化水平为初中以下。
2.样本农户的家庭特征
在家庭文化总体水平方面，样本农户家庭高中学历以上人数极少，平均每户不到一个人；在劳动力方面，样本家庭劳动力比率平均为67.28%；每个家庭平均承包6.5亩左右的土地；家庭年总收入平均不到3万元，而其年总支出则几乎与年总收入持平；在家庭债务方面，平均每户欠债1万余元。而在家庭农业收入占比上，平均只有37.47%。也就是说，农户其他收入来源成为其收入构成的主体。在家庭居住房屋方面，自有住房率达到86.81%。
3.家庭所处社区特征
家庭到最近的公交站点距离平均为3公里左右；家庭到最近的商业中心距离则平均将近7公里。
四、研究方法与估计结果分析
（一）研究方法
被解释变量 y 是农户受到信贷排斥程度，为模拟农户在信贷活动中的选择，根据其受到信贷排斥程度，将其划分为具有排序性质的3层： 不受排斥时，y = 0； 受到部分排斥时，y = 1； 受到完全排斥时，y =2。OPM（order probit model）是针对这种离散的，有次序性的因变量的经济计量模型，可很好地模拟农户位于各个层级的概率及其决定因素。以 表示在（0，1，2…，m）上取值的有序响应，关于 的有序Probit模型可由以下式子表示：
其中 是一个潜在变量，对其具体值的观测无法进行，但 是可以观测得到的变量； 是一组解释变量的观测值，i（i=1，2，…，n）代表着观测值数； 代表待估计的参数变量； 是随机解释变量；j是状态参数； 是区间的分界点； 是标准正态累计分布函数。[ ]
（二）估计结果分析
上述理论模型将通过本部分的讨论进行经验检验，使用有序probit模型分别考察各变量对农户的借贷需求获得满足的程度的影响。
根据上述讨论的估计方法，本研究在农户家庭主事者的个人特征、家庭特征以及社区特征等三个方面选取了14个解释变量，进一步利用Stata12.0软件对农户是否顺利的从银行信用社等正规金融机构贷到款用于生产性投资进行了有序Probit模型估计。表3中模型Ⅰ是让所有的变量进入模型中的检验，检验结果反映了所有解释变量对被解释变量的影响程度。在对相关系数的观察中可以获知，在整体上模型Ⅰ的拟合优度较为不错，这个检测结果说明进入模型的解释变量对被解释变量在整体上有显著性的影响。更进一步，我们观察到变量x1、x3、x5、x7、x8、x10、x12、x14等显著影响农户信贷排斥，但是x2、x4、x6、x9、x11、x13等变量对农户信贷排斥的影响并没有通过显著性检验。模型Ⅱ是在模型Ⅰ的基础上，经过优化检验、剔除对被解释变量影响不显著的变量后，模型的估计结果。通过对模型Ⅰ和模型Ⅱ中各解释变量参数的对比分析发现，模型Ⅱ中各解释变量对被解释变量的解释程度明显高于模型Ⅰ，且通过对数似然比（Log likelihood）、伪判决系数（Pseudo R2）的数值比较来看，模型Ⅱ的拟合优度较高。 1.个人禀赋对农户信贷排斥的影响
从表3可知，反映个人禀赋的可观测变量中，x1和x3对农户信贷排斥都有显著的影响，其中x1是负向影响，表明女性为主事者的家庭在信贷活动中更容易被排斥。在农村社会中，传统文化中的男主外女主内的影响根深蒂固。一般认为，以女性为主事者的家庭在经济上都比较弱势。因此，从银行厌恶风险的角度出发，更愿意发放贷款给男性主事者的家庭。同样，基于风险的考量，在农村的经济活动中，农民更多的是依靠体力的付出获得经济收入，家庭主事者年龄越高，体力越衰弱，在银行的风险评估中越不利，其越难获得贷款。这与我们的假设1相吻合。在模型中，农户的婚姻状况并没有通过显著性检验，这可能与样本农户家庭主事者九成以上为有生活伴侣，没有表现出差异性有关，这需要对其进一步细分研究。
2.家庭特征对农户信贷排斥的影响
反映家庭特征的可观测变量中，家庭高中学历以上人数变量系数在5%的显著水平下显著，且呈负相关，表明家庭总体受教育水平越高，越容易获得贷款用于生产性投资。考虑到农村整体教育发展程度不高的现状，受到高中以上教育已经是较高的文化水平[ ]。在农村社会中，这一部分受过高教育者往往可以通过同窗关系，积累更多的社会资本，从而顺利获得贷款用于生产性投资。同时，与主事者教育程度变量影响不显著相比较也可以看出，在避免信贷排斥方面，家庭总体受教育水平的作用比个体受教育程度的作用更大。家庭耕地规模和家庭年总收入这两个等距变量系数方向均为负向，而且均在1%的显著水平下显著，表明家庭耕地规模和家庭年收入对规避信贷排斥均有着十分强烈的作用。家庭承包土地越多，信息不对称程度越低，同时也意味着家庭收入预期越高，信贷违约的可能性越低，因此此类农户在需要进行生产性投资时，更容易获得贷款。与此相对的是，家庭债务越高的农户，则越可能受到信贷排斥。虽然家庭农业收入占比变量的系数较小，也没有呈现出显著的反应，但其系数方向也可以印证上述讨论，在农村中农业收入越高，其在贷款中信息透明度越高，意味着银行放贷的风险越低，农户获得贷款的概率就越高。在估计中，我们也看到了，拥有自有房屋的农户获得贷款用于生产性投资的可能性越高。房屋是家庭资产的重要构成部分，农户拥有自有房屋实际上是向银行发出可以按期还本息这一积极且稳定的经济信号，客观上提高了银行对收回本息的预期；更重要的是，房屋作为可供抵押担保财产，在很大程度上可以解除农户的信贷排斥，这与我们前述的假设2相符合。
3.社区特征对农户信贷排斥的影响
表3中，家庭到最近的商业中心距离在0.01的显著水平上对农户信贷排斥产生显著的正向影响。在农村地区，银行或者信用社一般驻在场镇或者集市等商业氛围较浓的地方，银行对距离这些农村地区商业中心越远的农户经济信息占有较少，因此使得他们在贷款信息审核时更加谨慎，在客观上使得该部分农户很难获得贷款用于生产性投资。该模型结果部分回应了假设3。而家庭到最近的公交站点距离这一反映社区特征的可观测变量在模型中对农户信贷排斥的影响并不显著。可能的解释是：虽然交通便利程度在一定层面上能够体现出农户家庭所在社区的经济活跃度，但是由于农村的公共交通条件长期以来都比较落后，并没有发生显著的变化。虽然我们观察到了在农户信贷排斥中会体现出呈现区域差异化特征，但这一差异性并不能由村镇的公共交通便利程度直接体现，简单说来即是在同一地区范围内，差异性的社区位置对农户信贷排斥的影响并不显著。
五、结论与政策启示
本文根据实地调查结果，运用有序probit模型对各变量产生在农户信贷排斥影响上的的效用方向进行了验证。得到结论：农户家庭主事者的性别、年龄对其家庭能否获得贷款用于生产性投资影响显著；家庭成员的总体受教育程度可以缓解其受信贷排斥的影响；同样，家庭耕地规模越大和家庭年总收入越高的农户可以避免信贷排斥，而家庭负债越高的农户则面临着严重的信贷排斥。居住在自有住房里的农户和居住在商业中心周边的农户可以较为顺利地获得贷款。
在城乡统筹背景下，多种因素会影响到农村地区的农户信贷排斥。多种情况下的信贷排斥，一方面是由于银行作为以营利为目的的机构，必须要求维护自身经营利益；另一方面也与国家政策之间有着密不可分的关系。农村地区要促进农户增收，必须构建包容性农村金融体系，从制度层面破解农户信贷排斥难题；农村金融的发展一定离不开金融创新，必须通过搭建创新农村信用体系，搭建符合农村金融特征的平台，着力于盘活农村资金，推动农村产权可向金融机构做抵押融资的金融产品；另外，要发挥农村地区社会网络紧密的优势，降低农户与金融机构间的信息不对称，减少农户信贷排斥；最后，以县为单位，根据涉农贷款金额比例建立风险补偿基金，分担金融机构服务“三农”的风险。