时间：2023-06-08 10:56:42
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇家庭金融调查，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
(1)chfs抽样设计：经济富裕地区(东部地区)的样本比重相对较大(样本市县中东中西部省份的比例为32:27:21，全国为34:27:38)，城镇地区(相对于农村地区)的样本比重相对较大(样本中城镇居委会与农村村委会比例为181:139)，城镇富裕家庭占比较大，样本的地理分布比较均匀。
(2)数据核查：事后对所有受访者进行(电话)回访。
(3)拒访率：chfs的拒访率低于国内外相似或同类调查的拒访率。
(4)数据代表性：人口统计学方面，chfs调查数据在家庭规模、人口年龄结构和性别比例方面与国家统计局的数据比较一致，其中城市人口比例数据与国家统计局有差异(XX年chfs数据按户口计算为0.369，国家统计局公布的数据为0.513，但是国家统计局公布的城镇人口是指居住在城镇范围内的全部常住人口，不是户籍概念)。在居民收入总额上，chfs和国家统计局公布的全国居民收入总额、城市和农村居民收入总额、人均收入方面比较一致，在农村和城市人均收入内部构成上二者差距比较大。
(5)国内有影响力的家庭调查数据：中国健康与营养调查(chns)，中国家庭收入项目调查(chip)，中国综合社会调查(cgss)，中国健康与养老跟踪调查(charls)。
pps(probability proportionate to size sampling)：按规模大小成比例的抽样，它是一种使用辅助信息，从而使每个单位均有按其规模大小成比例的被抽中概率的一种抽样方式。pps 抽样是指在多阶段抽样中，尤其是二阶段抽样中，初级抽样单位被抽中的机率取决于其初级抽样单位的规模大小，初级抽样单位规模越大，被抽中的机会就越大，初级抽样单位规模越小，被抽中的机率就越小。
2.家庭人口和工作特征
(1)XX年chfs样本数据显示平均家庭规模为2.94人。少儿(15周岁以下)人口男女性别比为123:100，劳动年龄人口男女性别比为100.5:100，老年(60周岁以上)人口的男女性别小于1。
(2)无论是根据人口老龄化指标1(60周岁以上人口占总人口比例为10%，根据chfs我国XX年该数据为16.34%)还是指标2(65周岁以上人口占总人口比例为7%，我国为10.65%)都表明我国人口老龄化现象严重。少儿抚养比低于老年抚养比，且城市人口老龄化趋势高于农村。
(3)根据chfs数据，我国初中及以下学历的比例高达63.58%，年龄组越低的人群高学历的比例越高。
(4)根据chfs我国城市剩男、剩女(30周岁以上的未婚男女)的比例41:62，农村为59:38。
(5)企业雇佣的劳动力占从业人员的比例高达62%，其中38.44%在私营或个体企业工作，大力发展工商业可能是解决中国劳动力就业的主要途径，大力支持私营或个体企业的发展，中国劳动力就业压力将可能得到缓解。
(6)具有博士学历职工的工资收入低于硕士学历职工的工资，在这个阶段教育收入回报为负。
(7)随着人口年龄降低，初中学历以下人口比例显著降低，义务教育效果明显。
关键词：农村居民；金融资产；影响因素；生命周期
中图分类号：F830.34 文献标识码：B 文章编号：1674-2265（2013）07-0058-06
一、引言
随着农村经济发展水平的不断提高，农村居民家庭财产逐渐积累。金融资产作为农民家庭财产的重要组成部分，其总量和结构也发生了显著变化，对于农村金融资产相关问题的研究逐渐成为人们关注的焦点。目前，许多学者专门对我国城镇居民财产分布进行了研究（李实、魏众等，2005；梁运文、霍震等，2010）；但与此形成鲜明对比的是对于农村居民家庭财产相关问题的研究却很少，对农村居民家庭金融资产问题的研究更少，并且多集中在金融资产选择（史代敏，2005）与借贷需求方面 （周宗安，2010； 陈鹏，2011；张学勇，2010 ），很少有对农村居民家庭金融资产现状、结构及影响因素的实证研究。鉴于国内对农村居民金融资产相关问题研究的欠缺，笔者于2012年7月对我国农村居民家庭金融资产的规模、结构进行了尽可能详细的入户调研，以期真实描绘当前我国农村居民家庭金融资产现状，并从实证的角度分析研究金融资产的影响因素，为进一步的理论研究和政策制定提供一定参考。
二、数据来源、指标选择与处理
本文使用的数据来自调查组于2012年7月对我国9省（自治区、直辖市）的农村居民家庭的实地调查，调查问卷主要涉及农户家庭财产总量及金融资产和构成，影响农户家庭金融资产总量的因素如家庭经济、家庭特征、外部环境等。调查样本的抽样原则是：首先，按全国三大区域的划分，按地区人均收入排序后随机抽取样本省份，其中，东部地区3个省份为山东、江苏、福建，中部地区3个省份为河南、安徽、湖南，西部地区3个省份为甘肃、重庆、广西；其次，根据各省、市、自治区内经济发展水平的不同，以人均收入为基准，将样本省份的各个县排序，分别随机抽取东部地区7个县、中部地区8个县、西部地区6个县，共21个县进行实际调研；最后，在每个县，以调查者所居住乡村为基础，随机抽取农户为调查样本。按照各县的地级市归属，具体调查地点和访问户数如下：山东菏泽、滨州、济宁，江苏南通、苏州、扬州，福建泉州共计200户农村居民家庭； 河南郑州、信阳，安徽亳州、宿州、阜阳，湖南邵阳、湘潭、湘西共计200户农村居民家庭；甘肃平凉、陇西，重庆黔州，广西贺州、桂林、百色共计150户农村居民家庭。为尽可能保证问卷信息的真实可得性，调查组采用入户调查、当面访谈并回收问卷的形式，发放、回收问卷550份，其中有效问卷500份，有效率为90.9%。
文中所涉及的家庭金融资产是指剔除借贷行为后所剩余的金融净资产，包括居民家庭储蓄存款、手存现金、金融产品等，储蓄存款包括定期存款和活期存款；金融产品具体指国债、股票、基金、保险等。居民家庭财产，主要指金融资产、住房估计价值（房产）、家庭耐用消费品估值和家庭生产经营资产。其中，房产价值由两部分构成：一部分为房屋自身价值；另一部分为装修附加价值（调查测算过程中忽略了建筑面积用地价值），并以消费者价格指数作为通货膨胀率衡量指标，将数据进行了适当处理。家庭主要耐用消费品主要指非经营性家用汽车和购买原值在200元以上、产品寿命一年以上的耐用消费品，考虑到耐用消费品贬值速度较快，因此对其现值估计时采取30%的折旧率。家庭生产经营资产主要有家庭农机设备现值（对其现值估计时也采取30%的折旧率）、固定资产现值（扣除贷款）、自由流动资金等。
三、金融资产分布与构成
（一）金融资产规模与分布
调查数据表明，当前我国农村居民家庭金融资产户均值为37825元，与2007年农村居民家庭金融资产16459元相比有了大幅提高。但约有53%的被调查居民家庭金融资产均值位于平均水平之下，金融资产水平为4万元以下的比例达65%，可以看出，农村居民家庭金融资产差异明显（见图1）。
同时，我国农村居民家庭金融资产分布呈现出明显的地区差异性。从图2可以看出，我国东、中、西部地区农村居民家庭金融资产均值分别为47925元、40900元、21283元，东部地区农村居民家庭金融资产均值为西部地区的2.25倍，农村居民家庭金融资产具有明显的地区差异性，这主要源于经济发展水平的地区差异性，这也从侧面反映了我国东、中、西部农村地区的贫富差异。
（二）金融资产结构
图3显示，储蓄存款在农村居民家庭金融资产中构成比例最高，达到80.38%；其次为手存现金，为13.40%；金融产品所占比例最小，为6.22%。同居民家庭金融资产分布状况一样，居民家庭金融资产构成因地区不同也存在差异性，农村居民家庭金融资产过多集中在储蓄存款上是不争的事实，但各金融资产结构所占比例因地区不同而有所差异。从整体来看，在储蓄存款占家庭金融资产比例方面，西部农村地区比例最高，其次为中部地区，东部地区最小；而手存现金占家庭金融资产的比例，东、中、西部相差不大；东部地区金融产品所占家庭金融资产比例为8.24%，这几乎为中部地区所占比例的两倍，是西部地区所占比例的两倍多，反映了东部农村居民在金融资产方面更加侧重于收益。相比2002年农村居民家庭金融产品资产几乎为0，现阶段农村居民家庭金融资产不单单局限于储蓄存款和手存现金，金融资产在结构和总量上也有了较大变化。
四、家庭金融资产分布影响因素研究
上文从居民家庭金融资产总量分布和结构两个角度阐述了我国农村居民家庭金融资产现状，但更为重要的是对金融资产分布影响因素的研究，即哪些因素造成农村居民家庭金融资产水平的差异。
（一）研究方法及模型设定
本文参照李实（2000）对我国居民家庭财产水平影响因素进行研究的方法，将影响居民家庭金融资产积累的因素分为三类：居民家庭经济因素、居民家庭特征因素、外部环境因素等，其中家庭经济因素包括家庭年收入、家庭总财产、金融借贷行为、投资活动；家庭特征因素有户主年龄、受教育程度以及专业技能的掌握、家庭劳动力人数、家庭社会政治资本；外部环境因素则取决于当地农村地区的经济发展水平，以及东、中、西部区域性差异等。构建农村居民家庭金融资产函数为：
[C=f（Y，F，E，μ）] （1）
其中C为农村居民家庭金融资产的自然对数；Y代表居民家庭经济因素；F代表居民家庭特征因素；E为外部环境因素；μ为随机误差项。
影响农村居民家庭金融资产的计量经济模型形式如下：
LnFin=β0+β1LnIncome+β2LnCapital+β3Dcs+β4Invest+β5Age+β6Age2 +β7Edu+β8Pros+β9Labs+β10Mcpc+β11Dum+μ （2）
其中，β0为回归截距项，β1为家庭收入的弹性系数，β2为家庭财产的弹性系数，βi（i=3，4，.....，11）表示回归系数，μ为随机扰动项。
根据对农村居民家庭调查所得的样本数据，对各变量进行描述性统计分析（见表2），农村居民家庭金融资产对数平均值为10.34；家庭收入对数平均值为10.37；家庭借贷行为均值为0.29；投资活动均值为0.14；户主年龄平均值为2.4，表明年龄分布比较平均，平均年龄在45—55岁之间；户主受教育程度平均值为1.80，表明户主整体受教育程度较低；是否掌握专业技能平均值为0.19，传达出拥有专业技能的农村居民家庭并不多；家庭劳动力人数平均值为1.70；家庭社会政治资本平均值为0.13，说明在被调查家庭中，更多家庭成员属于普通群众，干部党员在农村家庭较少；地区虚拟变量平均值为2.10。
为控制解释变量之间可能存在的共线性问题，本文遵循李子奈（2011）提倡的计量经济学模型总体设定的唯一性与一般性原则，在回归模型方程中纳入所有可能对被解释变量（家庭金融资产水平）产生影响的解释变量（即表2所描述的自变量），即模型在估计时对不同类型控制变量进行分别回归，以减小共线性对模型估计的影响。
（二）实证分析结果及解释
综合上述分析，同时考虑：（1）采用截面数据进行回归分析会出现异方差；（2）本调研样本数据相对较少，不能进行稳健性检验；（3）随机扰动项协方差未知，因此本文采用可行广义最小二乘法（FGLS）对模型（2）进行估计回归。计量软件为Stata12.0，具体估计结果见表3。
从表3的回归结果可以看出：财产水平、家庭收入、金融借贷行为、家庭投资活动、户主专业技能、社会政治资本、家庭劳动力人数等对农村居民家庭金融资产积累有正面影响，并且财产水平对其影响最大，其他依次递减；户主年龄及区域因素对农村居民家庭金融资产的积累有负面影响。
1. 家庭经济因素。本文实证结果显示，居民家庭财产对金融资产的影响最大，其次为家庭收入，这主要是因为农村居民家庭财产不断积累，农户很少进行投资经营活动，更倾向于存款储蓄，这与图3中所反映的内容相符。农村居民家庭财产的增加，使得金融资产不断积累。本调查组所得数据显示，金融资产占家庭财产总量的百分比为44.12%，这与2002年中国社科院经济研究所收入分配课题组研究所得的12.3%（李实等，2005）、2007年奥尔多中心的27.65%（梁运文等，2010）等研究结果相比，有了较大提高。但金融资产不断积累的过程中，增长更多的是储蓄存款，农村居民家庭中较少进行投资经营活动，没有对现有资金进行充分的利用，投资观念较为淡薄，应充分调动农民投资的积极性。
计量回归模型显示投资经营活动及借贷行为均对金融资产产生正向促进效应。农户通过借贷行为进行投资经营活动，进而增加收入，家庭金融资产有所增加。从表4也可以看出，有金融借贷行为、投资经营活动的居民家庭金融资产较多，这与计量回归结果相符合。
2. 家庭特征因素。从表5可以看出，现阶段我国农村居民家庭金融资产符合生命周期理论，随着年龄的增长，家庭金融资产呈倒“U”型分布。户主年龄从20岁到40岁，金融资产积累逐步增加，40岁左右达到峰值，45岁之后金融资产逐步下降。其中户主年龄在30岁以下金融资产均值为35823元，在30—45岁之间均值为44590元，在45—60岁之间均值为38181元，在60岁以上均值为26000元。表4中计量回归结果也显示年龄解释变量系数为正，年龄平方解释变量系数为负，这更好地拟合了生命周期理论。
对于农村居民家庭来说，财产的最大值应出现在劳动力身强力壮的中年时期，农村居民主要从事体力劳动，身体健康状况与劳动生产率正相关，身体状况良好往往意味着更高的劳动生产率和收入，有利于财产积累。一般情况下，农村居民青壮年时期，身体状况良好；随着年龄增长，会逐步迈入年老体衰的状况，收入会逐步减少甚至消失。另外，年龄的增长以及年轻时过度劳累损耗导致身体状况较差的个体通常需要较高的医疗开销，不利于财产的积累。身体状况良好的家庭财产不断增加，现阶段农村居民投资观念还比较淡薄，很少进行投资经营活动，对于收入的处理选择，除持有少量现金外，更多地倾向于储蓄，进而使得金融资产增加。随着年龄的增加，收入减少，金融资产也相应地减少。
户主受教育程度直接体现了家庭人力资本状况，表3显示，户主受教育程度对家庭金融资产积累有正向影响作用。从表5中可以看出，随着户主受教育程度的增加，家庭金融资产也相应增加，并且调查数据发现，在户主受教育程度为高中及以上的家庭中，储蓄存款占金融资产的比例为68.84%，远低于平均比例80.38%，而金融产品所占比例则为17.37%，高于6.22%的平均水平，可见，现阶段高学历农村居民家庭有了较高的金融投资观念。
专业技能的掌握、劳动力人数是户主家庭生产资本的体现，回归结果表明，其对金融资产均产生正向的影响作用。居民家庭拥有专业技能及更多的劳动力使得家庭生产力更高，能够获得更多的收入，从而家庭金融资产才能够不断积累。
家庭社会政治资本对农村居民家庭金融资产的积累也有一定的正向影响。户主为党员干部身份能够运用更多的资源，可以降低农村地区金融机构对农户信息不对称的不利影响，能够及时获得外部借贷支持，获得更多的借贷机会，解决农户融资难的问题，利于农户生产经营活动，充分体现了社会政治资本对于家庭金融资产积累的正效应。
3. 外部环境因素。计量回归结果显示，地区因素对农村居民家庭金融资产影响程度不同，差异性较大，这与表1的描述相符。经济较发达地区，家庭居民金融资产较多；经济欠发达地区家庭金融资产较少。
五、结论及建议
通过对全国550户农村居民家庭的调查，本文详细描绘了我国农村居民家庭2012年金融资产的分布、构成和主要特征，初步探讨了导致居民家庭金融资产水平差异的影响因素，通过对数据的详细分析与实证研究，得出了如下结论：
近年来，我国农村居民家庭金融资产的积累不断增加，在家庭财产中所占的比例大幅上升，家庭收入与财产、借贷行为、投资经营活动等均是影响家庭金融资产规模的重要因素，且均产生正向促进作用，其中家庭财产因素对金融资产规模影响最大，其次为家庭收入，两者在很大程度上决定着居民家庭金融资产水平。但整体来看，金融资产主要集中在储蓄存款上，资金利用效率低，农村居民家庭金融资产结构有所变化，金融产品资产占有一定比例。
居民家庭金融资产分布符合生命周期理论：户主年龄从20岁到45岁，家庭金融资产积累逐步增加，40岁左右金融资产达到峰值，45岁之后，金融资产逐步下降。同时，农村居民家庭金融资产与户主受教育程度明显正相关，这从侧面肯定了教育对农村经济发展水平的改善。接受教育程度较高的家庭拥有更多的金融资产，并且在金融资产构成中，储蓄存款所占比例相对较低，金融产品所占比例较高，在金融资产保值增值方面有了更强的意识。家庭社会政治资本对家庭金融资产起正向促进作用。农村居民家庭所处的地理位置不同，家庭金融资产也存在很大差异。
农村居民家庭金融资产是家庭财产构成的主要部分，改善金融资产结构，增加金融资产，要突破收入水平的约束，政府应当鼓励农户进行投资经营活动，发展农村经济，提高农村居民家庭收入，同时还应从制度和政策上引导农村居民家庭对金融资产的选择行为，满足农村居民家庭的借贷需求，使更多的储蓄存款转换为流动资金，增加资金的流动性和收益性。
参考文献：
[1]陈鹏，刘锡良.中国农户融资选择意愿研究——来自10省2万家农户借贷调查的证据[J].金融研究，2011，（7）.
[2]李实，魏众，B.古斯塔夫森.中国城镇居民的财产分配[J].经济研究，2000，（3）.
[3]李实，魏众，丁赛.中国居民财产分布不均等及其原因的经验分析[J].经济研究，2005，（6）.
[4]梁运文，霍震，刘凯.中国城乡居民财产的实证研究[J].经济研究，2010，（10）.
[5]李子奈.计量经济学模型与方法论[M].清华大学出版社，2011，（3）.
[6]史代敏，宋艳.居民家庭金融资产选择的实证研究[J].统计研究，2005，（10）.
[7]史代敏等.居民家庭金融资产选择的建模研究[M].中国人民大学出版社， 2012，（3）.
[8]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）.
[9]徐展峰，贾健.农民金融资产分布、选择行为与影响因素分析——基于江西省2450个农户数据[J].中国农业大学学报，2010，（05）.
关键词：农户融资；非正规金融；金融创新 文章编号：1003-4625（2014）01-0028-05 中图分类号：F832.43 文献标志码：A
一、问题的提出与文献综述
中国农村金融市场存在着正规金融和非正规金融的二元金融供给结构，不同地区这两种融资渠道的活跃程度不同，在很多地区通过非正规金融渠道的融资要比正规金融渠道的融资比例高。马晓青等（2012）研究发现，相较于江苏和四川的农户，河南的农户更倾向于非正规融资渠道，90%以上的农户的融入款项来自于亲戚朋友等非正规融资渠道。那么，为什么大部分农户的资金需求通过非正规渠道融入？农户在选择融资渠道时到底会受到哪些因素影响？中国农村金融改革过程中应该如何构建真正适应农村经济发展和农户需要的农村金融体系？
在对发展中国家农村金融的研究中，考虑到银行等正规金融机构的利率往往受到政府干预而控制在较低的水平，国外主流观点通常对农户融资顺序作如下假设：农户在需要外源融资时，首先向正规金融机构申请贷款，如果正规机构不能满足其需求，他们才会考虑非正规渠道。但Boucher and Guirkinger（2007）指出，银行通过抵押机制将贷款风险转移给了农民，这会使风险规避型的农户不愿意向正规金融机构贷款，从而选择无抵押无担保要求的民间融资。Kochar（1997）、Mushinski（1999）则强调非正规渠道在交易成本等方面有着独特的优势，有的借贷交易成本几乎为零，农户更愿意以较低的成本来获得贷款。Coleman（2006）研究表明，农村小额贷款目标上移，主要受益者仍是贫困人口中较为富裕的那一批人，而农村中有贷款需求的不仅仅是这些较为富裕的人，其他的相对比较贫困的农户就只能求助于非正规金融。Kazunari等（2010）指出，农户自营经济倾向于正式借贷作为其资金的稳定来源，但由于交易成本等因素，虽然他们的信贷规模较小，仍然被排斥在正规金融之外。Calum G.Turvey，R0ng K0ng（2010）通过对1500户农户的调查发现，超过67%的农户是从亲戚、朋友等非正规金融渠道借贷，非正规借贷是农户融资的首选。George Mawuli Akoandiar等（2013）运用Tobit、Logit模型分析得出，家庭规模、年龄、性别、婚姻状况、职业、收入等决定着农户金融市场参与度，地理特征是农户从金融市场获得金融服务的一个重要影响因素，相比于城镇居民，农村住户更倾向于从非正式金融渠道获取金融服务。
国内研究方面，钱水土、陆会（2008）通过对温州农户借贷行为的调查分析发现，相对于正规金融而言，非正规金融更能满足不同收入等级农户多样化的资金需求，因此农户融资时更偏好于非正规金融。至于哪些因素会对农户融资渠道的选择造成影响，李锐、李超（2007）研究证明，户主的性别、受教育的最高年限对农户借款偏好的影响并不显著，家庭纯收入、所经营土地面积以及医疗卫生、教育总支出对农户借款偏好的影响在统计上是显著的，农户土地拥有量与其融资偏好存在正相关关系，即农户拥有的土地数量越大，越倾向于从正规金融机构融资。但是，马晓青等（2010）却得出农户土地拥有量对其融资偏好不存在显著影响的结论，证明了收入和教育程度较高、参加合作组织、担任村干部、拥有良好信用记录的农户更偏好于正规借贷；而在遭受灾害等收入冲击时，农户对非正规渠道的偏好增加；正规金融市场发展较差的地区，也会吸引更多的农户在融资时选择非正规渠道。褚保金等（2008）运用广义Logit模型对农户借贷渠道的选择因素进行了实证分析，认为户主的教育年限、住房价值、社会资本等是影响农户正规和非正规借贷需求的主要因素，教育支出是影响农户非正规借贷需求的主要因素，播种面积、住房价值、家庭年总收入与获得正规借贷支持显著正相关。孔荣、衣明卉等（2011）通过对陕西、甘肃两省农户的调查分析认为，农户融资更偏好于非正规渠道，贷款程序的复杂程度、利率高低、金融机构对农户的信任水平、家庭文化等是导致农户不选择正规融资渠道的原因。赵建梅、刘玲玲（2013）研究发现：供给型和需求型信贷约束都显著地促进农户选择非正规金融。
综上所述，国内外学者对农户融资渠道选择及其影响因素做了许多有价值的探讨，但研究只是针对农户融入资金而对农户的资金融出情况都没有涉及，这不利于我们全面了解农村金融市场发展的现状以及存在的问题。本文通过对河南省林州市农户融资（包括融入和融出）情况的实地调查，试图对本文开篇提出的问题进行研究和探讨。
二、传统农区农户融资现状调查
（一）调查情况介绍
本项调查时间为2013年1―2月，调查地点是经济发展相对落后的传统农区――河南省林州市（县级市），包括姚村镇、合涧镇、任村镇和城郊乡的22个村庄。本次调查采用二次抽样法：第一次随机抽样确定调查地点，共调查了姚村镇6个村庄、合涧镇5个村庄、任村镇6个村庄、城郊乡5个村庄；第二次根据调查地点的居民收入分层抽样确定调查对象，按照一定的比例随机抽取低收入户、中等收入户和高收入户，收回有效问卷共188份。在所调查的农户中，40―49岁的农民占39.9%，50一59岁的农民占39.4%；其中，文化程度为高中及高中以上的占13.8%，初中文化的占59.6%，小学及没上学的占26.6%，他们一般为被访农户的户主。由于目前农民的文化程度普遍不高，为了提高调查问卷的真实性，此次调查采用调查人员上门和入户调查方式，通过与被访人员交谈沟通后由调查人员填写调查问卷。
（二）农户融资现状
1.非正规金融是农户融入资金的主渠道
调查发现，为了满足生产、生活资金需求，大部分农户主要通过非正规金融渠道融入资金。表1是样本农户在正规金融和非正规金融市场的借款情况表。其中，只发生非正规借款的农户比例为64.36%（包括民间无息和有息借款），而只发生正规金融机构借款的农户比例仅为1.60%，远远小于民间借款的比例。可见，农户在需要融资时，倾向于从非正规渠道获得资金。
本文使用的农户调查问卷对民间借贷区分了无息的友情借贷和民间有息借贷。无息友情借贷主要是发生在亲戚朋友之间的互借贷，而民间有息借贷大部分是农户向民间金融组织或村里的富裕户、放贷者的借款。调查显示，发生无息借款的农户（在所调查的农户中参与有息借款的农户均有无息借款）共有122户，在所调查的农户中比例高达64.89%；参与民间有息借款的只有16家农户，比例较小，仅为8.5%。
非正规金融成为农户融入资金的主渠道，一个重要的原因是农户融入资金主要用于生活性开支，而正规金融机构的贷款倾向于生产性融资。目前商业银行、农村信用社等正规金融机构很少有针对农户生活性融资的贷款项目，因此，当农户出现生活性资金短缺时，只有选择非正规融资渠道。如图1所示，样本农户通过非正规渠道借款用于子女上学、购建房、婚丧嫁娶的三项占比最高。
2.民间集资成为农户闲余资金的重要融出渠道
赵庆光（2013）认为，2010―2011年，国家宏观调控政策加大了对房地产业的限制，民间借贷市场需求由中小企业生产经营需求转向房地产规避政策限制性需求，从而推动了河南省民间借贷市场非理性、爆发式增长。在文本所调查的河南省林州市农村地区也证实了这个发现，所调查的188个样本农户中，有55.32%的农户（包含只参与民间集资和同时参与民间集资及互融资）参与了民间集资（见表2）。
该地区民间集资的利率在8%-20%不等，一些集资中介的利率高达30%。通过对样本农户集资情况的线性回归分析证实，高利率是吸引农户参与民间集资的首要因素。农民收入增加有了闲余却没有合适的投资渠道，是他们参与民间集资的重要原因。在回归分析中，将农户集资金额作为因变量，家庭人口数、户主文化程度、户主年龄、收入、集资利率作为自变量，回归结果如下：人口数、文化程度、年龄对于集资金额的影响均不显著，而农户收入和集资利率分别在5%、1%的显著性水平下对集资金额有着显著的正影响（见表3）。
3.非正规融资渠道存在风险隐患
从农户融入资金来看，在所调查的农户中，互融资中只有35个农户在借入资金时采用写借条的方式，而且借条极不规范，大部分亲戚朋友之间借贷的借条只写明借款数额，没有具体约定借款期限；其余87户都是采用口头约定形式，他们完全凭借双方之间的情感和信誉行事，既无借据也无抵押担保，这种没有任何约束的借贷方式在互融资中占比高达71.3%。在民间有息借贷中，签订合同、请人担保的只有3户，其余的也都是采取借条形式。不规范的借贷方式，一旦出现借款人不能或不愿履约，出借方的权益将难以得到保障。
从农户融出资金来看，参与民间集资的样本农户，借贷手续也极不规范。调查中了解到，大部分参与民间集资的农户只是根据中介人的陈述来了解融资企业的状况，或只看过中介人出示的融资企业的营业执照复印件以及企业与中介人签订的借贷合同，在得到未来收益许诺后就将资金交给中介人，坐等到期收取利息。出于对中介人的信任，这些农户自己并没有与融资企业签订借款合同或索要借条。这种集资方式在调查地区极为普遍，也存在极大的风险隐患。调查显示，参与民间集资的104户中，本金和利息都收回的仅有4户，仅占3.85%，本金和利息均无收回的有94户，占比90.38%（见表4）。
三、传统农区农户选择非正规融资渠道影响因素的实证分析
一般认为农民符合理性人的假设，但拥有较低利率的正规金融机构（如农村信用社等）并没有成为农户融资的首选，被调查的农户中，64.89%的农户在融入资金时和55.32%的农户在融出资金时选择了非正规融资渠道。那么，农户选择非正规融资渠道到底受到了哪些因素影响？
（一）研究假设
本文选择的是二元离散变量选择模型――Lo-gistic模型，将农户是否从非正规金融渠道融入资金作为被解释变量，如果是，则赋值为1；不是，则赋值为0。由逐步回归分析得知，融资用途对于农户选择非正规渠道融资非常显著，而在被调查地区中，农户融资用途多样化以及参与民间集资的现象比较普遍，故本文将农户融资用途中占比量较大的几项以及是否参与民间集资选为自变量进行分析。本文共选择了家庭人口数、户主年龄、户主文化程度、家庭近一年收入、融资是否用于子女上学、应付天灾人祸、购建房、婚丧嫁娶等以及是否参与民间集资作为自变量，并提出以下假设：
1.家庭人口数与农户融资行为成正向关系
在样本地区，农户的人均土地面积很少，资金主要来源于外出务工等工资性收入。家庭人口多，如果是男性人数多，可能农户家庭收入较高，但同时男性人数多意味着将来要花费更多的资金来购建房和结婚成家，这就增加了农户的融资需求；如果是女性人数多，则可能形成一人挣钱、多人消费的局面，尤其是当家庭在校子女人数较多时，就更增加了农户的融资需求。
2.户主年龄与农户融资行为成“凸型”关系
在所调查的农户中，40―50岁的调查对象的融资需求要高于其他年龄段的农户，因为这个年龄段的农户面临着子女教育、帮助子女成家以及赡养老人等诸多人生大问题。随着年龄的增长，户主的身体状况和劳动技能等有所下降，他们外出务工的机会和创收的能力以及偿债能力都会降低，融资能力和融资欲望也会随之下降。
3.家庭收入与农户的融资行为成反向关系
农户家庭收入水平越高，说明农户的自身积累越多，拥有的财产和自有资金的规模越大，农户发生融资的可能性会降低。
4.参与民间集资与农户融资成正向关系
由于资金的趋利本性，样本农户中有55.32%在2010―2012年间参与了民间集资，但由于一系列因素，参与民间集资的农户中90.38%的农户没能收回本息，这大大减少了农户的自身积累，减少了农户的自有资金，导致农户融资的可能性会增加。主要变量描述见表5。
（二）结果分析
从以上实证结果可以看出：
（1）家庭人口数对农户非正规融资存在不显著的正向影响，这与假设“家庭人口数与农户融资行为成正向关系”相符合，家庭人口数多，相应地各类消费也会增多，农户就比较容易产生融资需求。
（2）户主文化程度对农户非正规融资有着不显著的正向影响。户主的文化水平很大程度上决定了他们的生产经营能力和对事物的认知水平。文化程度低，他们从正规金融机构获得资金的机会就很少，于是他们把希望寄托在非正规渠道。
（3）年龄对于农户非正规融资有着显著的负影响。随着户主年龄的增加，他们也越来越少从非正规金融渠道融资，一个方面的可能原因是他们已有了一定的积累，自有资金可以满足自家的消费，另一方面的可能原因是，随着年龄的增长，他们创造收入和偿还债务的能力都下降了，因而，融资欲望和融资能力也随之降低。
（4）家庭收入对农户非正规融资有着显著的反向影响，这与我们的假设相符。家庭收入越多，农户可支配的自有资金或积累资金相对较多，自有资金可以解决生产和生活问题，即便是内源融资不能完全满足需求，所需外源融资也不会太多。
（5）子女上学、购建房对于农户从非正规渠道融资有着显著的正向影响。调查中发现，农户融资的目的主要是生活性开支，并且希望能够迅速及时得到满足，而正规金融机构对农户提供的主要是生产性贷款，并且贷款手续繁杂、耗时较长，这些都不符合农户的要求，因此农户大都通过非正规渠道满足自己的借贷需求。
（6）是否参与民间集资对农户从非正规金融渠道融资有着显著的反向关系，这与我们的假设不符。原因可能有两个：一是参与民间集资的农户由于获得了集资的高利息回报，增加了自有资金，不需要借贷；二是参与民间集资的农户可能未来没有借贷意愿，或者是自有资金较多，拿出一部分参与集资对自己将来的消费不会造成影响，因而不需要借贷。
四、主要结论及政策建议
本文通过对河南省林州市农户融资情况的实地调查发现，传统农区农户的融资需求层次比较低，大多集中在生活性需求上，而正规金融机构主要发放生产性贷款，因此，绝大部分农户通过向亲朋好友借款等非正规渠道来缓解资金短缺的困难；同时由于收入增加又缺乏合适的投资渠道，高风险的民间集资成为农户闲余资金的重要融出渠道。运用Logis-tic模型对农户选择非正规融资渠道的影响因素进行实证分析，结果表明：家庭收入、户主年龄、生活性融资、参与民间集资对农户选择非正规融资产生较显著的影响，而家庭人口数、文化程度的影响不显著。
基于以上结论，本文的政策建议是：
（1）农村金融机构应注重金融创新，满足农户不同的融资需求。农村金融机构应不断提高自身的创新能力，根据农户融资需求的动态变化，及时设计多元化、个性化的金融产品和信贷工具，尤其是要有针对性地设计一些包括农户建房、子女教育等生活性贷款产品，以满足农户不同的融资需求。针对农户家庭收入不稳定的现实情况，为了规避贷款风险，当地监管部门可以协助正规金融机构建立健全“农户征信体系”，对农户进行信用等级评定，通过信用创建活动，正规金融机构全面掌握了农户信用状况和还款能力等信息，就可以有效简化贷款手续，满足农户随用随贷的需求；对于诚实守信、创收能力强的农户，还可以提高授信额度和扩展授信范围，通过不断创新来拓宽金融服务范围。
（2）建立多层次的中小农村金融机构，增加农户的投融资渠道。目前，我国在经济相对发达、城镇化程度比较高的农村地区，建立了小额贷款公司、村镇银行等中小金融机构，扩大了金融服务的覆盖面，而在传统农区，由于地方财政实力比较弱，集体经济不够发达，这一类的中小金融机构尚未建立起来，农户可选择的投融资渠道较少。因此，传统农区中小金融机构的建立应该采取“省、市、县、镇”联动的机制，在全省范围内统筹安排，普遍建立起小额信贷公司、村镇银行、农村资金互助社、邮政储蓄银行、农村信用社等多层次的中小农村金融机构，搭建满足农户投融资需求的区域性P2P小额贷款平台，增加农村地区的投融资渠道，让农户融资有更多的选择。
（3）加强对农户金融知识的宣传和教育。调查发现，86.7%的样本农户对金融知识和贷款政策不了解。农村地区尤其是传统农区的农民金融知识贫乏，成为阻碍他们获得融资的一道无形屏障。因此，应该加强对农户金融知识的宣传和教育，一是政府宣传部门积极推动金融知识“上报纸、上电视、上电台、上网络”，促进广大农民在宽松的舆论环境中接受金融知识普及教育；二是各金融机构应当在普及金融知识教育中担当主角，开展“送金融知识下乡”活动，采取举办公益性金融知识展览、金融知识讲座、典型案例讲解等方式，宣传金融知识、传播金融理念，让农民普遍了解银行存款、银行贷款、国债等方面的知识，通过大力宣传提高农民对农村金融机构贷款政策的认知程度，鼓励农户从正规金融机构获得融资服务。
（4）发挥非正规金融对正规金融的补充作用。非正规金融以其独特的优势，为农户提供了正规金融机构难以企及的便利与服务，在维持农户日常生活、扩大生产经营活动方面发挥了重要的作用。因此，政府监管部门应该引导非正规金融有序发展，对于非法集资、牟取暴利等扰乱金融市场的非正规借贷行为，坚决予以取缔；对于亲朋借贷的小规模信贷活动采取不干预的态度，但对此类金融活动中的契约应给予法律上的保护，促使其规范化发展，充分发挥非正规金融对正规金融的补充作用。
参考文献：
[1]马晓青，刘莉亚，胡乃红，王照飞.信贷需求与融资渠道偏好影响因素的实证分析[J].中国农村经济，2012，（5）：65-76.
[2]Boucher S and Guirkinger C.Risk，Wealth and Sectoral Choice in Rural Credit Markets[J].AmericanJournal of Agricultural Economics，89（4）：991-1004。2007.
[3]钱水土，陆会.农村非正规金融的发展与农户融资行为研究――基于温州农村地区的调查分析[J].金融研究，2008，（10）。
[4]李锐，李超.农户贷款行为和偏好的计量分析[J].中国农村经济，2007，（8）.
[5]马晓青，朱喜，史清华.农户融资偏好顺序及其决定因素――来自五省农户调查的微观证据[J].社会科学战线，2010，（4）：72―80.
[6]孔荣，衣明卉，尚宗元.农户融资偏好及其成因研究――陕西、甘肃897份调查问卷分析[J].重庆大学学报（社会科学版），2011，17（6）：24-29.
笔者利用NGO扶贫贷款调查数据，采用配对样本多项选择Logit模型，对NGO小额贷款介入前后贫困农户借款决策、借款额度的影响因素进行了分析。结果显示，接受NGO小额贷款后，贫困农户借款发生率和借款总额明显下降，单户借款额度却相对上升；农户主要借款途径由私人借款转向农村信用社和其他渠道。实证研究显示，除户主个人特征、家庭人口构成等内在因素对贫困农户借款行为影响显著外，农村金融供给状态也是重要的外在性影响因素。在金融抑制条件下，正规金融机构贷款门槛较高，私人借贷成为贫困农户借款的主要供给者。NGO小额信贷通过提升贫困农户的经济能力来转变其借款行为，在农户借贷途径由私人借贷转向信用社借贷过程中发挥着“助推器”作用。
关键词：贫困农户；借款行为；NGO小额贷款
基金项目：成都市哲学社会科学规划项目（ZST12-2）；河北省社会科学基金项目（HB2011QR53）
作者简介：李菲雅（1982-），女，江苏扬州人，经济学博士，四川师范大学政治教育学院讲师，主要从事农村经济、数理统计研究。
中图分类号：F832.43文献标识码：A文章编号：1006-1096（2014）02-0038-06收稿日期：2013-04-14
农户是农村市场经济的主要参与者，也是农村金融市场的需求者，其发展需要靠金融资源的支持。在目前农村金融资源配给有限、农户信贷需求抑制条件下，合理配置农村金融资源，有效满足农户尤其是贫困农户的融资需求，是消除农村贫困、促进农村发展需要解决的重要现实问题。
一、问题提出
有效的金融支撑是促进贫困农户发展的必要条件。20世纪70年代，由孟加拉吉大港大学・尤努斯教授创办的格莱珉银行，通过有效的信贷约束机制，为穷人提供微型贷款，帮助穷人发展生产、脱贫致富。目前，这种以贫困或中低收入群体为特定目标并提供小额度持续信贷服务的形式，已经从世界某些区域扩展到几乎整个发展中国家和一些发达国家（杜晓山，2004；李明贤 等，2008）。自20世纪80年代以来，小额信贷作为我国扶贫的重要方式之一，由各种金融机构和非政府组织开展实施，并逐渐在大多数地区推广。作为缓解贫困农户金融抑制的方式，小额信贷对贫困农户的借款行为产生了重要影响。从贫困农户的贷款偏好看，冯旭芳（2007）认为，非正规信贷具有贷款形式简单、灵活方便及交易成本低等特点，它有效改善了正规金融缺位的局面，成为农户融资的重要渠道；但从融资偏好和借贷预期看，贫困地区农户更倾向于选择信用社等正规金融机构或国家政策性扶贫贷款来满足其信贷需求，这与贷款的稳定性、长期性和救济性等特征密切相关。非政府组织扶贫贷款的针对性、稳定性、低成本性同样迎合了贫困农户的融资偏好，它不仅在一定程度上满足了贫困农户的贷款需求，对增加农户收入也起到一定促进作用。王春蕊等（2010）从实证角度分析了幸福工程项目对贫困农户家庭收入的影响，认为项目盈利对贫困农户家庭收入的贡献率达到9.42%。Ssendi（2009）利用小业主贷款融资项目（SELF）检验了坦桑尼亚农村地区小额信贷的扶贫作用，认为SELF项目有助于提升贫困妇女经营小型项目的能力，但从长远看对增加家庭财富的作用不明显。Kotir等（2009）利用加纳西部农户调查数据，分析了小额信贷与农户发展的关系，认为小额信贷有利于提高家庭生产率和增加财富，但对促进农村社区发展的作用不大。
已有研究对农户借款行为给予了广泛关注，取得诸多成果。综合来看，目前对贫困农户借款行为的研究仍有待拓展，尤其是对一些非政府组织（NGO）扶贫贷款与贫困农户借款行为的关系问题，还需深入研究。对于贫困农户而言，当NGO扶贫贷款介入后，是否意味着其他途径的借贷发生率将会降低？NGO扶贫贷款又将如何影响贫困农户的借款决策及借款额度？对于这些问题的探讨，不仅能够使我们更加深入地了解贫困农户的借款需求及行为取向，同时也能使NGO小额贷款更好地发挥扶贫功效，这对破解贫困农户金融约束、解决农村贫困问题有着重要的现实意义。
二、接受NGO小额贷款前后贫困农户的借款行为特征
（一）数据来源
本文所用数据来源于2011年10月河北省幸福工程项目跟踪调查数据①。调查内容涉及受助者个人、家庭基本情况、受助前后家庭生产经营情况、受助前后农户小额信贷情况（包括NGO项目扶贫贷款以及农户其他途径借款等情况）。按照分层抽样和整群抽样相结合的原则，调查组从河北省抽取7个贫困县，分别为阜平、易县、平泉、怀安、武邑、巨鹿和赞皇县，按照项目运行周期从各项目县中抽取试点村，对试点村中项目户进行全面调查。调查方式以调查员入户为主。两次调查共发放问卷830份（第一次714份，第二次116份），收回有效问卷822份，回收率为99.04%。从调查地区类型看，山区农户占51.88%，平原农户占48.12%。由于项目户接受NGO扶贫贷款的时间分布各不相同，为了消除贷款时间差异影响，本文以接受NGO项目扶贫贷款的时间为界限，分析贫困农户受助前年内（接受NGO扶贫贷款前1年内）和受助后年内（接受NGO扶贫贷款后1年内）借款情况。
（二）受助前后贫困农户借款行为特征
从调查来看，接受NGO扶贫贷款前后，贫困农户的借款行为发生了较大改变。
1.借款户数及额度的变化
借款户数总量减少，单户借款额度增加。接受NGO小额贷款前，有35.15%的贫困农户有过借款记录；受助后，仅有14.50%的农户有过借款记录，较受助前下降了近21个百分点。从借款额度看，受助前，贫困农户年内借款总额259.88万元，户均借款额0.90万元；受助后，贫困农户年内借款总额164.52万元，户均借款额1.38万元，较受助前借款总额减少95.36万元，户均借款额增加0.48万元。
2.借款来源的变化
受助前，贫困农户年内借款主要以私人借贷为主，私人有利息和无利息借款合计占69.05%；其次为农村信用社，占28.17%；来自农行/农发行、其他民间组织以及其他渠道的借款所占比例较低，仅为2.78%。受助后，贫困农户年内借款主要来源于其他途径②和信用社，分别占50.0%和41.35%；私人借款仅占5.77%；农行/农发行、其他民间组织借款所占比例仍然偏低，仅为2.98%。
3.借款用途的变化
农户借款用途呈现多元化发展趋势，用于生产性经营的支出增大。受助前，农户借款用于家庭生产性经营支出的占54.62%；用于子女上学的占13.08%；用于日常消费支出的占12.19%；用于大病治疗的占11.15%；用于盖房和婚嫁的占6.92%和1.54%。受助后，贫困农户用于家庭生产性经营支出的比例增大，为78.64%，较受助前增加24个百分点；其次，主要用于子女上学支出；用于日常消费支出、看病、盖房、婚嫁的比例较受助前均有不同程度的下降。可见，受助后更多的贫困农户将借款用于生产活动、项目经营，而不是单纯地用于家庭日常消费支出，这有利于贫困农户自身能力建设。
三、NGO小额信贷对贫困农户借款行为影响因素分析
一般而言，借款行为通常包含借款决策和做出决策后的借款额度。本文主要从借款决策和借款额度两方面分析NGO小额贷款对受助前后贫困农户借款行为的影响。
（一）NGO小额信贷对受助前后农户借款决策的影响因素分析
1.变量选择与模型设定
因本次调查只涉及NGO小额贷款项目户，缺少非项目户对比情况，在模型设定过程中需要考虑项目实施前后外在环境对农户借款行为的影响。例如，项目实施期间，农村金融政策或国家扶贫政策变化等外在因素对贫困农户借款行为产生的影响。从调查情况看，由于调查对象为农村贫困户，其接受NGO扶贫项目救助的时间主要分布在2000年～2009年，每个项目运作周期为2～3年，除了政策性或项目扶贫外，这些贫困农户能够获得的金融资源非常有限。考虑到调查样本的特殊性和代表性，同时也为了排除政策变化的可能影响，我们以救助前后1年内为界限（1年内金融或扶贫政策对贫困农户借款行为的影响微乎其微）设定因变量，将农户借款决策分为4种：受助前后都无借款（BRL=0，ARL=0）、受助前有借款、受助后无借款（BRL=1，ARL=0）、受助前无借款、受助后有借款（BRL=0，ARL=1）、受助前后都有借款（BRL=1，ARL=1），分别用j=1，2，3，4表示。
户主作为家庭领导者，对借款决策有着直接影响；同时，家庭状况也是不可缺少的影响因素。考虑到贫困农户自身特点以及各变量之间的共线性问题，在变量的选择上，主要选取户主个人及家庭特征作为自变量。具体变量的描述性统计见表1。
我们假定，农户按照效用最大化原则做出借款决策。令Uij是农户i选择第j个类别的效用，Vj是第j个类别的观测效用，受类别本身特质ωj以及决策者自身特征xi的影响，即
误差项εij包含了无法观测到的影响农户借款决策的随机因素，则有如下表达式
那么，决策者i选择第j个类别的概率为
进一步假定εij（j=1，2，3，4）服从logistic分布，不同家庭做出借款决策相互独立，即家庭之间的借款行为互不影响，则
根据极大似然估计法，通过对上式似然函数最大化，可求得模型参数β的值。
2.模型的估计结果
本文将受助前后都没有借款的家庭（BRL=0，ARL=0）作为对比组，通过控制个人和家庭特征变量来分析受助前后农户借款决策的影响因素，其回归结果见表2。
从回归结果看，户主个人特征、家庭人口构成以及居住地类型对受助前后农户年内借款决策均有显著影响，家庭耕地面积、户主有无技能对家庭年内借款决策没有产生显著影响。
（1）从户主个人特征来看，与受助前后都没有借款的家庭相比，户主年龄对受助前后农户的借款决策影响显著。户主年龄每增加10岁，受助前家庭借款发生概率将会增加7.48%，受助前后均发生借款的概率增加52.6%和4.42%。这说明年龄较大的户主在抚养子女、赡养老人及维持家庭发展方面承担有更多责任，家庭支出项目较多，除了维持正常的家庭生产和日常消费支出外，他们还要担负子女高等教育及子女婚嫁等费用支出，因而相对于年轻者，其家庭发生借款的概率更大。户主作为家庭领导者和主要劳动力，其身体状况对受助后农户借款有着显著影响。相对于救助前后都没有借款的农户，身体健康的户主较身体不健康的户主，受助前和受助后其家庭借款的概率均显著降低。此外，文化水平较高的户主在接受NGO小额贷款后，其家庭借款概率将会降低。
（2）从家庭人口构成来看，相对于受助前后家庭都没有借款而言，家庭人口构成对农户借款决策影响显著。受助后，有外出打工的农户，其家庭借款概率将会降低，即外出务工能够增加家庭收入，一定程度上能够满足家庭资金需求，进而降低贫困农户借款概率。从家庭人口数看，家庭人口规模与借款概率呈正向变动关系，家庭成员每增加1人，受助前后农户借款概率均会增加。
（3）从居住地类型看，与受助前后农户均没有借款相比，居住在平原的农户较山区农户，其受助前有借款、受助后无借款、受助前后均有借款的概率明显降低。这表明NGO扶贫贷款在一定程度上满足了贫困农户的贷款需求，它通过帮助贫困农户发展项目，短期内提高了其家庭收入水平，降低了贫困农户的借款概率，且对平原农户借款行为的影响较山区农户更为明显。同时表明，由于自然环境恶劣，交通不便，山区贫困农户对资金的需求更为迫切，但山区农户的金融抑制也相对更为严重。
（二）NGO小额信贷对受助前后家庭借款额度的影响因素分析
前文中我们只比较了受助前后农户借款决策的影响因素，NGO小额贷款对家庭借款额度的影响还需进一步验证。
我们设定因变量为受助前后家庭借款额度的变化，即Y=受助前借款额-受助后借款额-NGO小额贷款额。如果Y>0，则记为1，表示NGO小额贷款减少了家庭借款额度；Y≤0，则记为0，表示NGO小额贷款未能减少家庭借款额度，这样受助前后农户借款额度的增减变化成为一个＼[0，1＼]变量。同时，我们将户主个人、家庭特征以及项目经营状况等作为自变量纳入模型。构建模型如下
其中，P为受助前后贫困农户家庭借款增减概率，为模型解释变量。Xhouseholder表示户主个人特征，Xfamily表示家庭特征，Xinvest表示家庭项目投资总额。δ是无法观测到的影响农户借款额的随机因素，假定δ服从标准正态分布。
在此，本文利用最小二乘估计（OLS）和二元离散变量（Logit）模型，对受助前后农户借款额变动影响因素进行分析，所得结果见表3。
OLS与二元Logit模型中自变量回归系数的变动方向类似。从回归结果看，户主年龄、职业类型对受助前后家庭借款额的增减有着显著影响，随着户主年龄的增加，受助前后农户借款总额也会增大。相对其他经营类别而言，从事种植业和养殖业的户主，其家庭借款总额增加的概率将会降低。户主的健康、文化水平、有无技能、家庭人口规模、耕地面积以及项目投资总额对受助前后农户借款总额未产生显著影响。
从家庭特征变量看，房屋作为家庭主要财富，对农户借款额度增减变动影响显著。受助前，房屋价值对农户借款总额增加有显著的正影响；受助后，房屋价值对农户借款总额增加有显著负影响。即受助前房屋价值越高，受助前家庭借款额高于受助后借款额的概率就越大；受助后房屋价值越高，受助前家庭借款额高于受助后借款额的概率就越小。这表明，其一，对于贫困农户而言，受助前房屋价值越大，意味着家庭用于修建住房的支出越高，这会增加贫困农户的借款概率；其二，接受NGO小额贷款后，很多农户都能够在短期内脱贫，其中部分受助前已建新房的农户将不会增加对住房的支出，没有修建新房的农户也积累了一定的建房资本，受助后即使修建住房也不用借款，一定程度上降低了农户借款概率。
四、结论及对策建议
受各种因素制约，贫困农户借款面临多重困难。本文通过河北省NGO小额信贷扶贫项目调查数据，对贫困农户借款行为进行分析，提出如下对策建议：
一是分类帮扶，完善小额信贷对象瞄准机制。实证研究表明，户主年龄、健康状况、文化水平对受助前后贫困农户借款行为影响显著，尤其是处在壮年时期的贫困农户，他们承担着抚育子女、赡养父母的重任，对小额信贷的需求更为强烈。在资金有限的条件下，应采取分类帮扶模式，将小额贷款重点投向壮年期的贫困农户。可以贫困农户生产经营状况和还款情况为依据，对于项目经营好和还款及时的贫困农户，给予其持续性贷款扶助，以缓解资金紧缺，快速帮助他们发展生产、脱贫致富。
二是健全机制，促进小额信贷可持续发展。小额信贷通过帮助贫困农户发展项目，能够在短期内增加农户收入，使农户积累资本，具备向正规金融贷款的条件；它改变了农户的借款行为，使其借款由私人转向了信用社和其他途径，对缓解农村金融抑制、繁荣农村经济发挥了重要的促进作用。今后，应进一步完善小额信贷运行机制，坚持“小额、滚动、持续”的原则，不断扩大帮扶群体和覆盖面，促进小额信贷的可持续运行，为贫困群体提供金融支持。
三是改善环境，构建多元化立体式融资格局。家庭居住地类型是影响农户借款行为的重要变量。当前，应以城乡发展一体化为理念，加强农村贫困地区尤其是贫困山区的文、教、卫等社会事业建设，提高农民文化水平和技能素质，提高农民个人发展能力。同时，要进一步改善和优化农村金融环境，建立多元化、全方面、多层次的立体式农村金融发展格局，创新农村信用社金融服务模式，针对农户贷款规模小、期限短、风险高等特点，政府要给予政策优惠，鼓励农村信用社贷款向贫困农户倾斜，充分发挥信用社及其他金融机构的扶贫功效。此外，还应适当鼓励、规范民间借贷的发展，逐步建立农村金融资源与经济发展良性互动的长效机制，真正发挥农村金融资源促发展、促和谐的推动作用。
【关键词】风险型金融资产 金融资产选择 Probit模型
一、引言
随着金融市场发展，居民投资理财意识不断增强，越来越多的家庭开始通过股票、基金、理财等金融工具实现财富的保值增值。居民金融资产总量增速早已远高于国民生产总值和居民可支配收入的增速，并在居民生活和宏观经济运行
中发挥着重要作用。微观来看，研究居民家庭金融资产选择问题，能够引导居民家庭合理规划金融资产投资，为金融产品创新提供重要依据；宏观来看，通过分析家庭的金融资产选择特点，了解家庭参与金融市场的程度以及相关传导机制，对于优化我国家庭金融资产结构、推动我国金融市场改革、调整经济结构具有重要的指导意义。
与过去研究相比本文具有如下特点：1）从研究层面来看，以家庭微观调查数据为基础，克服了以往研究由于微观数据缺乏而导致研究只停留于宏观层面的不足；2）在指标选取方面，将房产加入组合选择模型，考虑了房产消费对居民家庭金融资产持有行为的影响；3）从评估方法来看，采用定性分析与定量评价相结合的分析方法，对变量的刻画更加精细，评价结果更加准确。
二、文献综述
（一）家庭金融资产选择行为影响因素研究
Heaton（2001）[1]研究发现股市参与度与年龄呈现弱的负相关关系，与收入、教育呈现强的正相关关系。Guiso，Sapienza and Zingales（2004）[1]发现对外界社会、金融机构等信任度高的家庭更情愿投资风险资产。Puri and Robinson（2005）研究发现对未来持有乐观预期的家庭更多地投资于风险较大的股票。Guven（2013）[2]认为房产的投资与消费的双重性质使家庭金融投资呈现随生命周期变化的特点，对房产的过度投资会减少对风险性金融资产的需求。于蓉（2006）考虑到消费者预期、信任度、社会互动、投资者情绪等行为特征对股票市场投资的影响。雷晓燕，周月刚（2010）[3]研究发现，健康状况变差会使其减少风险型金融资产的持有，并将资产向安全性较高的生产性资产和房产转移。王刚贞，左腾飞（2015）[4]认为投资者的风险偏好与投资经验、文化水平、性格特征、财富水平正相关与年龄负相关性。
（二）家庭金融资产选择行为分析方法的研究
国外研究方面，Markowiz（1952）提出均值――方差模型，提供了一种寻求风险与收益的最佳配比的金融资产选择方法。Angerer（2010）通过构建资产定价模型，把住房的双重属性都考虑在内，讨论住房――消费这一资产定价模型对预期股票的回报率产生的影响。史代敏和宋艳（2005）运用四川省2002年城镇居民家庭资产调查数据，采用Tobit模型对居民家庭金融资产选择进行实证研究。卢家昌，顾金宏（2010）[5]构建出家庭金融资产投资决策的结构方程模型，对影响家庭金融资产选择的各个变量之间的逻辑关系和内在机制进行了实证研究。窦婷婷（2013）运用因子分析法结合Logistic回归模型分析了家庭选择证券类、保险类货币类、这三类金融投资品种的影响因素及其作用程度。张兵等（2015）利用Heckman两阶段模型分析了宏观经济情况和地区特征对我国家庭证券类金融资产选择行为的影响。
通过对过去学者在家庭金融资产选择行为研究的分析可知，其不足之处有如下三点：1）在研究视角方面，数据来源多为宏观统计数据，研究主要停留在宏观层面，对于家庭微观层面的研究存在较大的不足；2）在研究方法方面，较多的是采用描述性统计分析，评价结果较为粗糙，对变量间关系刻画不够精确；3）在指标的选取方面，较少有考虑到房产投资对居民风险型金融资产选择行为的影响。
三、数据来源与样本统计性描述
（一）数据来源
本文数据来源于中国人民银行赣州市中心支行组织的“2016年赣州市城镇居民金融资产负债基本情况调查”。合计发放问卷1076份，剔除无效问卷后筛选出有效问卷1043份。
（二）问卷设计
由于城镇居民的金融资产存量和金融投资活动要明显多于农村居民，本次问卷调点选择城镇居民。在调查问卷中，主要设计了家庭成员、年龄、受教育程度、职业、收入水平、房产持有数。
（三）描述性统计
在1043张有效问卷中，持有风险性金融资产的家庭有238户，占比为22.82%。家庭常住人口均值在3.93，从人口结构上看，主要集中在3人～4人之间。决策者年龄均值为2.91，主要分布于31～40岁及41～50岁两个年龄层次。决策者文化水平度均值为4.55，从分布结构上看，学历按由高到低排布呈现正态分布态势。家庭月收入水平均值为4.01，介于5001～10000及10001～20000元两选项占比合计达到68.64%。家庭持有住房套数主要以1套为主，占比为77.18%，无住房及持有3、4套住房均属于少数占比。具体统计情况见表2。
四、实证分析
（一）变量的选取及度量
外部金融环境会决定家庭金融资产的选择范围和配置比例，但即使投资决策者面对同样的外部环境，不同的投资决策者依然会根据自身状况做出不同的投资决策，为了进一步探讨影响居民家庭金融资产选择的微观因素，在借鉴Rosen（2004）[2]、Guiso（2004）[4]、Clark（2012）[6]、于蓉（2006）[8]、李涛（2006）[9]、雷晓燕（2010）[11]、段军山（2016）[13]等学者的研究的基础上，结合实际调查数据，选取决策者年龄（age）、决策者文化水平（doe）、决策者职业（pro）、家庭收入状况（fme）、家庭人员数（fp）、持有房产套数（hn）六个因素对赣州市居民家庭金融资产选择影响因素进行分析。相关变量的度量方法见表1。
（二）居民金融资产选择行Probit模型的构建
研究居民金融资产持有问题，即“持有”和“不持有”风险型金融资产的二元决策问题，故可通过构建Probit模型对该问题进行分析。居民金融资产选择行Probit模型具体表达形式如下：
式（5）中，εi为随机扰动项，服从N（0，1）的标准正态分布。因此，居民家庭金融资产选择行为影响因素的Probit模型可建立为：
式（6）中，prob（Y=1/Xi）是居民“持有金融资产”（即Y=1）的概率。x1，x2，x3…xn为解释变量。α0为常数项，β1，β2，β3…βn为对应自变量的Probit回归系数，εi为随机扰动项，服从N（0，1）分布。根据前文的分析，选择了家庭人员数、年龄、文化水平、决策者职业、家庭收入状况、房产持有数6个解释变量研究赣州居民金融资产持有行为并构建出probit回归模型，各变量的具体说明见表1。
（三）Probit回归结果
以2016年4月在赣州市对居民进行网络问卷调查所获得的1043份有效问卷为数据来源，采用Stata11.0软件的probit运算工具对六个变量进行Probit回归分析（回归结果略），从全变量模型的回归结果来看，决策者年龄（age）、决策者职业（Pro）家庭人员数（fp）三项解释变量的P值分别为0.254，0.055，0.175，无法通过变量的显著性检验，为进一步提高模型和变量的显著性水平，故采用逐步回归法对6个解释变量分别进行回归分析，以确定模型最终的解释变量个数，最终Probit模型回归结果见表3所示。
五、结论
（1）在六个设定的主要模型影响因素中，决策者年龄、家庭人口数两个变量在回归模型中不显著，予以剔除，决策者文化水平、决策者职业、家庭收入状况、房产持有数四个变量回归效果较为显著，是居民家庭风险型金融资产持有行为的主要影响因素。
（2）在决策者文化水平方面，变量Z统计值达到-5.11，显著性检验通过且系数为负（注：文化水平越高，评分越低），即户主受教育水平越高，居民持有风险型金融资产需求的可能性就越大。可能的解释是文化水平高的户主其个人素质和能力均较高，具备较强的接受新事物、风险辨识和学习新技术的能力，能帮助他们在控制风险的基础上获取收益，故而有较强的风险型金融资产持有需求。
（3）在决策者职业方面，指标的Z统计值为-2.01，模型的显著性检验通过，其系数为负（注：职业稳定性越高，评分越低）。说明职业越稳定的决策者，其持有风险型金融资产需求的可能性越大。究其原因，职业稳定性越高的职业收入的稳定性越高，对金融资产的抗风险能力更强，因此对风险型金融资产的持有概率更高。
（4）在家庭收入水平方面，指标Z统计值为2.91，模型显著性检验通过，指标系数为正，说明随着家庭收入的增加，居民的风险型金融资产的持有需求呈现上升的趋势。原因很大程度是由于随着收入水平的增加，家庭可支配收入更多，居民对于风险投资的需求逐步上升所导致。
（5）在房产持有量方面，指标的Z统计值为4.02，模型的显著性检验通过，且其系数为正，说明家庭房产持有行为对家庭风险性金融资产投资存在正相关性，即房产投资并没有对家庭的风险性金融资产投资产生“挤出效应”。可能的解释有两点：首先，居民在持有房产后，购房压力降低，家庭可支配收入增加，促进了金融投资行为；其次，持有房产越多，居民家庭财富积累越大，家庭金融资产投资活动的抗风险能力提高，使该类家庭风险资产金融资产投资需求增加。
参考文献
[1]Guiso，L.，P.Sapienza & L.Zingales.the Role of Social Capital in Financial Development[J].American Economic Review，2004（94）：526-556.
[2]Guven C..Reversing the Question：Does Happiness Affect Consumption and Savings Behavior[J].Journal of Economics is Psychology，2012，33 （4）：29-36.
[3]雷晓燕，周月刚.中国家庭的资产组合选择：健康状况与风险偏好[J].金融研究，2010，（1）：31-45.
[4]王刚贞，左腾飞.城镇居民家庭金融资产选择行为的实证分析[J].统计与决策，2015，（12）：151-154.
关键词：家庭金融 资产投资组合
经过30多年的改革开放，我国城乡居民家庭经济行为的市场化程度不断提高，家庭需求已从一般商品和劳务需求发展到更高层次的金融产品与服务的需求，金融消费的多样化和复杂化趋势日益凸显。随着家庭金融资产总量增加和种类的不断丰富，居民对家庭金融资产选择行为开始发生变化，家庭金融资产管理的内涵不断得到丰富，家庭金融理论研究也成为国内外金融学者研究的前沿领域之一。
一、理论背景与研究综述
一般认为，居民金融资产管理的研究是以家庭资产组合选择理论为基础的。现代金融理论中，关于投资者组合选择的理论经历了从静态到动态决策的发展过程。静态分析框架的基础是冯，纽曼和摩根斯坦(Von Neumannn&Morgenstern。1944)在不确定条件下的标准化决策公理。该公理表明，投资者关于最终消费的效用函数是凹的(concave utility function)，家庭将选择投资组合使得其最终消费的预期效用达到最大化。而效用函数的某种凹性度量，可以反映投资者的风险厌恶程度，递增的绝对风险厌恶会降低对风险资产的需求；而当家庭财富增加时，递减的绝对风险厌恶将会提高对风险资产的需求。在上个世纪60年代，经济学家将时间引入组合策略中，Mossin(1968)，Merton(1969)等人的研究表明，在常数相对风险(CRRA)效用函数的假定下，静态最优组合选择也是动态最优选择。如果效用函数不是CRRA的，则意味着家庭可以选择时变金融资产组合结构，家庭投资者可以平滑一生的消费，达到分散生命周期中的风险目的。还有另外的两个重要因素影响家庭金融资产组合：一个是流动性限制，另一个是家庭可能面临着不可保险的风险，如影响其人力资本的风险。当出现这两种情况时，家庭会减少风险资产投资。
二、家庭金融资产管理的国际比较
(一)欧美发达国家家庭金融资产管理现状
欧美发达国家的金融市场相对完善，家庭的金融资产组合选择值得借鉴。随着欧美各国关于资产组合微观数据库的建立，对家庭金融资产选择的实证研究逐渐增加。以John Heaton(2000)和Guiso，Haliassos&Jappelli(2003)为代表，欧美发达国家家庭金融资产管理情况主要表现在以下几个方面：
首先，欧美发达国家的家庭中，参与风险资产投资的比例并不高，平均的风险金融资产在家庭总资产中占的份额很低。不同国家的家庭参与风险金融资产投资的比例也有较大差异。风险投资比例最高的美国、瑞典家庭中，参与股票市场的投资比例大约为50％，英国的比例是1／3，而荷兰、德国、法国和意大利等国家庭参与股票市场的比例在15％～25％之间。美国中产阶层家庭中，平均风险金融资产只占家庭总资产的5％，其他国家的相应比例还要低一点。
其次，家庭金融资产投资存在明显的财富效应、教育效应以及一定程度的年龄效应。金融市场的参与成本将低收入家庭阻挡在风险投资门外，只有家庭收入达到一定水平，参与风险金融资产投资才有利可图。收入越高，家庭参与风险金融资产投资的比例越大。在欧美家庭中，低收入家庭只持有很少的金融资产，几乎不考虑风险金融资产的投资。收入超过平均水平以上的家庭占有总风险投资价值的绝大多数，尤其是位于前20％的高收入家庭，持有很大比例的金融资产。家庭成员受教育的程度对是否参与股市投资的家庭也有重要影响。美国家庭中，那些成员最高学历都不够高中程度的家庭只有非常低的比例涉足股市，而成员受过高等教育的家庭有近半数参与股市投资。年龄构成对家庭参与股票市场也有显著影响，但这种影响在不同国家有所差异。
再次，虽然不同国家的家庭资产配置有较大差异，但有一点很相似，不少家庭金融资产配置不够分散，尤其是一些高收入家庭。主要有以下几种具体表现：1、将家庭财富投资于极少数品种的风险资产上；2、投资局限于相对较小的市场范围，比如国内资产甚至更小范围的区域性资产，很少拥有国际化金融产品；3、一些家庭财富中，很大比例投资于家庭成员受雇的企业股票，虽然部分归因于公司的各种政策(如薪酬激励、养老保险政策)，但有的家庭则是基于历史业绩和股票在市场上的表现，而过多持有所在公司的股票。
(二)我国居民家庭金融资产管理现状
首先，我国目前还没有关于居民家庭金融资产方面的统计指标，只是在某些年份，一些地区做了局部调查。笔者将这些调查结果加以整理，概括出我国家庭的金融资产管理现状。
首先，自改革开放以来，我国家庭的金融资产数量快速增加，同时，家庭之间的金融资产数量差距也越来越大。国家统计局的数据表明，1996年最高收入的20％家庭金融资产占有全部家庭总金融资产的48％，而最低收入的20％家庭只占有总金融资产的4％，两者相比为12:1；而2002年的相应比例分别是66.4％、1.3％和51:1(赵人伟，2003)。1999年的调查数据表明：8.6％的最富裕家庭拥有总家庭金融资产中的60.4％，其中1.3％的最富裕家庭占有31.43％；而43.73％的最贫穷家庭只占有总金融资产的2.99％，贫富差距相当悬殊(孙学文，2004)。
其次，我国家庭金融资产配置从一元化发展到多元化，但是结构仍然很不合理。在我国的现代金融体系初步形成之前，家庭金融资产只限于银行存款，随着现代金融市场的建立和发展，家庭的金融资产从现金、银行存款等“安全”金融资产到各种较低风险的债券、保险金以及股票、期货和外汇等“风险性金融资产”，家庭金融资产品种日益多样化，但资产配置仍然很不合理。具体表现在收益很低的“安全”资产占据家庭金融资产中的太大比例。我国家庭的金融资产中，近七成是储蓄存款，其中定期存款占有很大的比例。即使在2006-2007年股市高涨期间，大量家庭金融资产由银行转移到股市时，城市家庭储蓄存款仍然不低于五成。另外，在家庭金融资产增加的同时，还存在有效保险需求不足的矛盾(魏华林，杨霞，2007)。
再次，我国家庭金融资产数量和配置结构都存在明显的区域差异。统计数据表明，不同地区居民金融资产分布极不均衡。截至2008年底，储蓄存款最多的5个省份，分别是广东、江苏、山东、浙江和北京，占全国储蓄存款的40％。其中，广东占全国储蓄的14.2％；储蓄存款最少的5个省份，分别是、青海、宁夏、海南和贵州，储蓄存款只占全国储蓄的2％(资料来源：国家发改委网站)。从家庭金融资产数据来看，黑龙江2007年的抽样调查数据表明(孙丽颖，2008)，
该省城乡居民家庭平均拥有不到2.2万人民币的金融资产，而江苏省江阴市农村家庭2005年的平均金融资产达到5.66万元(符国华，2006)。区域差异不仅表现在家庭金融资产数量上，不同地区居民金融资产结构也不同。2002年广东省居民金融资产中，居民储蓄存款和手持现金占金融资产总额的92.2％，证券投资占5％，其他金融资产占比为2.8％(资料来源：国家发改委网站，下同)；云南省居民储蓄存款和手持现金占比83.6％，证券投资占比16.4％，其它金融资产占比为0.19％；河南省居民居民储蓄存款和手持现金占比81.3％，证券投资占比10.1％，其它金融资产占比为8.6％；辽宁省居民储蓄存款和手持现金比例为88.8％，证券比例7.7％，其他金融资产为3.6％。这些省份的数据大致代表了我国不同区域的家庭金融资产结构情况。
最后，我国家庭风险性金融资产存在明显的财富效应和教育效应。2002年，我国对广东、山东、天津、河北、江苏、甘肃、四川和辽宁8省份的22个城市家庭做了金融资产抽样调查，按照家庭金融财富将城市家庭分为5个层次，从最贫穷的20％家庭到最富裕的20％家庭，拥有全部家庭股票总价值的比例分别是0.4％，3.0％，62％，15.4％，75％。可以看出，随着家庭财富的增加，拥有的风险性金融资产比例显著增多。将家庭按照文化程度分为小学、初中、高中、中专、大专、本科和硕士以上等7个文化层次，户均金融资产分别为48222,51994,56910、64460、106338、160176,220032元，可以看出，家庭金融资产与家庭成员受教育程度存在正相关关系。
三、结论与启示
(一)发挥金融中介的功能，降低投资者参与金融市场的成本
通过欧美各国家庭资产组合的国际比较来看，共同基金和养老基金等金融中介的存在使家庭更多间接地投资于风险性资产，金融中介可运用风险管理功能，辅助一般投资者参与日益复杂的金融市场和更有效的使用创新型金融工具，降低了一般投资者的参与成本。此外，应重视加强金融中介的职业标准和道德规范水平，因为他们的职业信誉会通过影响家庭的信任度而间接影响到参与股票的程度。
(二)建立多层次保险体系和新型福利制度，推进社会保障制度改革
近年来，随着收入分配体制、社会保障制度、住房、医疗、教育体制等方面改革不断深化，居民更多地面临未来收入与支出的不确定性。由于缺乏发达国家通常都有的社会保险和福利体系，使得个人需要更多的储蓄来保障自己的未来。因此，发展家庭金融需要推进社会保障制度改革，建立多层次保险体系和新型福利制度。
(三)增加城乡居民收入，尽快缩短贫富差距
收入是决定家庭金融发展的关键因素。上述研究也表明，家庭的收入(财富)对股票参与决策和投资比例都有显著的正向影响。目前。我国居民家庭财产总量虽然快速增加，但总量相对于发达国家仍然较低。因此，经济稳定发展，居民收入持续增加，家庭财富水平不断提升，家庭金融才能有更健康和坚实的发展基础。
基金项目：国家自然科学基金项目，项目编号：71073126；教育部“长江学者和创新团队发展计划”创新团队项目，项目编号：IRT1176；教育部高等学校博士学科点专项科研基金课题，项目编号：20100204110030；陕西省社科基金项目，项目编号：09E044；西北农林科技大学人才专项资金资助项目资助。
摘要：本文利用山东泰安农村地区抽样调查数据，从实证角度考察了我国农村正式金融机构向农户提供信贷供给时的信贷完全满足、信贷完全配给和信贷部分配给行为。结果表明：与金融机构信贷完全满足行为相比，申贷农户家庭自有土地数量越多、面积越大，越有助于其降低遭受金融机构完全信贷配给行为；户主具有非农劳动专业技能和家庭资产价值越高反而促使金融机构对其申贷金额满足度下降。
关键词：MNL模型；金融机构；信贷供给
中图分类号：F83243文献标识码：A
农村金融市场为满足农户资金需求提供了场所。虽然部分农户能够从正规金融机构获得足够的金融资源额度，但是由于信息不对称和交易成本问题导致的严重信贷配给（Credit Rationing）现象则更为普遍，具体表现为：（1）在所有的贷款申请人当中，一部分人的贷款申请被接受，而另一部分人即使愿意支付高利率也得不到贷款；（2）贷款人的贷款申请只能部分被满足。同其他发展中国家一样，信贷配给现象也是我国农村金融市场一个不争的事实，正规金融机构仍然不能很好地满足农户的信贷需求，对农户的生产投资、生活消费等方面有着负面影响。不容否认的是，为改善农村金融市场的运行，我国政府自1996年起就启动了一系列的农村金融改革，最近又从国家层面进一步加大了对农村金融改革发展的扶持和引导。当前正规金融机构信贷供给行为究竟如何？什么样的农户容易遭受正规金融机构的信贷配给？或者说容易遭受金融机构信贷配给的农户家庭的特征是什么？了解这些问题对于找准农村金融改革的着力点，明晰改革的途径和突破点等具有重要意义。
一、相关文献回顾
对于农村正规金融机构的信贷供给行为，以往的研究主要集中于金融市场常见的信贷配给现象。国际上，经济学家 Jaffee & Russlle （1976）、Stiglitz & Weiss（1981）等人将不完全信息和合约理论运用到信贷市场中，建立逆向选择模型与道德风险模型，提出信贷配给的主要原因是金融市场信息不对称和成本的存在。Williamson（1988）从事后信息不对称的角度进一步拓展了基于信息经济学基础的信贷配给理论，认为即使不存在逆向选择和道德风险，只要存在信息不对称和监督成本，就会产生信贷配给。近年来其他学者，例如Meza & Webb（2006）、Arnold & Riley（2009）等从其他角度解释、分析和论证了信贷配给的存在和影响。
国内学者近年来主要从理论分析和数据调查论证对农村金融的信贷配给进行了研究，主要包括两个层面：第一，关于信贷配给影响农村经济的研究。例如，林毅夫（2000）研究了金融改革对农村经济发展的意义；徐忠和程恩江（2004）研究了利率政策引发农村信贷市场扭曲及其对农村金融机构行为、效率及农村信贷资金的配置造成的影响。第二，关于信贷配给下农村信贷市场的状况。例如，朱喜和李子奈（2006）利用2003年约3 000户农村家庭的抽样调查数据， 考察了我国农村正规金融机构向农户提供信贷服务时的配给行为；褚保金等人（2009）利用江苏省欠发达的北部地区372个农户数据研究了信贷配给下农户借贷的福利效果；朱喜等人（2009）实证分析了我国欠发达地区不同农村金融机构的信贷供给行为；李庆海等人（2012）采用2003-2009年我国1 000个样本农户的调查数据，估计农户遭受信贷配给的程度及其对农户家庭净收入和消费支出的影响等。
这些研究无疑非常重要，它们有助于我们了解农村金融市场，特别是正规信贷市场的现状， 并为破解当前农村金融困境和寻求合适的改革方案提供了思路。但是这些研究仅仅局限于金融机构信贷配给理论的一般性探讨和分析，既没有很好区分金融机构供给行为中的完全信贷配给行为和部分信贷配给行为，也没有探讨申贷农户的家庭特征与金融机构的信贷供给行为的关联性。基于此，本文将尝试弥补这方面的空白。
二、理论框架
为了消除金融市场中存在的信息不对称，金融机构通常要收集以贷款申请者家庭特征为主的多方面信息，这些信息经过量化处理后就构成了金融机构的信贷评价指标。依据这些指标，金融机构对每一位贷款申请者做出判断，确定最佳信贷供给行为，以达到自身期望收益最大。
假定农户为申请贷款向金融机构提供其家庭特征信息为HI，金融机构信贷评价优等指标为EI，差等评价指标为BI，如果HI≥EI，即金融机构认定农户的家庭特征（信贷评价指标最重要的组成部分）达到或超过其设定发放贷款的优等水平，则金融机构就会满足农户的全部贷款申请，这时，金融机构的信贷供给等于申贷农户的资金需求。如果BI≥HI，即金融机构认定农户的家庭特征只能达到或低于金融机构设定发放贷款的差等水平，则金融机构就会拒绝农户的贷款申请（信贷供给为零），也即金融机构对农户的信贷配给程度为100%。如果EI>HI>BI，则农户的家庭特征水平是介于金融机构信贷评价的优等水平和差等水平之间，因此农户的贷款申请只能被金融机构部分满足，即金融机构对农户的信贷配给介于0%和100%之间，或者金融机构认为满足农户的部分贷款申请所带来的期望收益是大于全部拒绝或全部接受贷款申请所带来的期望收益。总之，金融机构对每位申请信贷的农户所做的最终信贷供给行为或是（1）接受农户的贷款申请，或是（2）部分接受农户的贷款申请，或是（3）拒绝农户的贷款申请。其中，金融机构的信贷供给行为（2）和（3）就是金融机构对贷款申请者的信贷配给。
如上所述，金融机构的信贷供给行为都是按照效用最大化（utility-maximizing）的原则进行的，这符合MNL（Multinomial Logit）模型的随机效用理论（random utility theory）基础。假定上述的供给行为（1），（2）和（3）构成金融机构信贷供给行为的选择集C。在选择集中的每一个信贷供给行为对金融机构而言都存在一定的效用。金融机构信贷供给行为只会采取选择集中效用对他最大的那一个。我们假设用n来表示申贷农户，n=1，…，N；用J表示选择集中的全部的三种金融机构的信贷供给行为。我们把金融机构对申贷农户n的信贷供给行为j所获得的效用表示为Unj，j∈J，且j为上述金融机构信贷供给行为（1），（2）和（3）之一。因此，信贷供给行为i（i也为上述金融机构信贷供给行为之一）被选中所必须满足的条件是：Uni>Unj，其中j是指不包括信贷行为i在内的选择集中的全部其他信贷行为。
金融机构的每一个信贷行为的效用由两部分构成：决定部分（deterministic component）和随机部分（random component）。效用的决定部分是由可观察到的申贷农户的家庭特征所决定的。家庭特征包括户主的性别，年龄，教育水平等。对于金融机构给予申贷农户n的信贷供给行为j的效用的系统部分通常用Vnj表示。还有一部分效用是研究人员观察不到的，也就是说Unj≠Vnj。决定部分效用与全部效用之间的差便是效用的随机部分。对于金融机构给予申贷农户i的信贷行为j，把随机部分效用表示为εnj。这样，我们把全部效用分解成了两部分，如下方程所示：
在选择集C中，金融机构对申贷农户i的信贷供给行为j的概率可以表示为：
对效用的随机部分εni，i∈C，假设：（1）εni是独立分布的随机变量；（2）该概率变量服从双重幂函数概率分布（double exponential distribution），如下所示：
综合公式（1）至（3），金融机构对申贷农户i的信贷供给行为j的概率表示为如下公式（推导及证明过程，参考McFadden， 1974）：
上式中，分子是金融机构信贷供给行为i决定部分效用的幂函数，分母是选择集中所有金融机构信贷供给行为决定部分效用幂函数的和。此时，式（4）中效用的随机部分已不复存在，因此简化了选择概率计算过程。
三、计量模型
如上所述，效用的决定部分是由可观察到的申贷农户的家庭特征的有关变量决定的。假设有K个可观察变量共同决定效用的决定部分，因此这些变量与效用有如下线性关系：
上式中，aj是每一个信贷供给行为的固有效用（intrinsic utility）。每一个信贷供给行为都有其独特的aj值，所以共有J个这样的参数。通常这些参数被解释为控制了其他变量以后的信贷供给行为的收益值。由于模型估计的需要，将J个参数中的一个限定为0，因此只需要估计J-1个这样的参数。xnjk是可观察到的每一个申贷农户都有的共同家庭特征变量。在这里，“共同”是指每一个申贷农户都有这个变量，但并不表示它们的值相等。bk是第k个共同变量所对应的参数或权数。每一个变量都有一个参数与之对应，但是对于同一个变量不同的申贷农户分享相同的参数，所以，申贷农户标志n就在参数的下标中省去了。可以看到，虽然申贷农户在同一变量上分享相等的参数，但是由于变量观察值的不同，金融机构同一信贷供给行为的决定效用在不同申贷农户之间不等。
进一步，将公式（5）代入公式（4），可得公式：
在上面的公式中，xnjk是已知的观察值，aj和bk是未知的参数，需要估计。虽然不知道选择概率pni，但是知道金融机构对申贷农户的具体的信贷供给行为，因此可用ynj来表示金融机构对申贷农户n信贷供给行为选择的结果。如果金融机构给予申贷农户n的信贷供给行为是j，则ynj=1；否则，ynj=0。推广开来，金融机构对申贷农户n从J个信贷供给行为选择集中采用一种信贷供给行为，统计似然（likelihood）的计算公式则为：
对于全部N个申贷农户而言，似然的计算公式则为：
对公式（8）两边去对数后，采用最大似然估计法（Maximum Likelihood Method）可求得模型参数aj和bk的解。应用最大似然法所估计的参数具有一致性（consistent）、渐进效率性（asymptotically efficient）和趋于正态分布（normally distributed）的特点。因此，对数似然值的计算公式为：
将公式（6）代入到公式（9），并通过对LL进行最大化，便可以求得参数aj和bk的解。在本研究中，是通过程序STATA 110来实现上面的模型估计过程的。
四、数据与结果
（一）数据来源
由于农村正规金融机构（信用社、农业银行等）不愿向研究者提供分笔贷款的相关数据，因此，笔者的数据收集都是建立在农户访谈调查基础上的。本文的数据来源于2011年初笔者在山东泰安农村地区收集的数据，采用了三阶段分层抽样策略。第一阶段，按照不同经济发展水平采取分类抽样的方法，随机选择了山东泰安的两个乡镇，分别是满庄镇和伏山镇；第二阶段，在每个所选的乡镇中再随机抽取两个村，共计四个村，分别是满庄镇的曹家寨村和新庄村，伏山镇的马家庙村和朱家庄村；第三阶段，在每个被抽取村庄中随机选择50-70户农户发放问卷或入户调查，共收集有效问卷220户。数据库中，收集了这些农户2006-2010年间的金融信贷活动、家庭基本情况等方面的经济社会数据。这为估计金融机构对农户的信贷配给程度提供了数据资源和经验证据。然而，这些农户中，未参与金融信贷调查、未在2006-2010年间向金融机构申请贷款的农户有30户，在此期间向金融机构申请信贷的190户农户中有19户提供的信息不全，因此本文分析中将这些农户剔除掉，最终本文采用的样本农户为171户。
笔者的调查采用直接法进行，即通过发放问卷或实地调查以诱导农户透露出有关信贷申请金额和实际获取金额的真实信息。本文关于金融机构信贷配给的度量如下：“过去5年内（2006-2010年），您家是否向金融机构申请过贷款？如果申请过，最近一次申请的意愿贷款额是多少？金融机构最后给予的实际贷款额又是多少？”只要信贷申请农户没有从金融机构获取任何信贷额或获取的实际贷款额小于其意愿贷款额，则金融机构对农户的信贷供给行为就是信贷配给。其中，申请贷款但未获信贷的农户为完全信贷配给，申请贷款仅获部分贷款的农户为部分信贷配给。171户样本中，102户遭受金融机构的信贷配给，占总样本的596%，这也证实了农户的信贷配给程度是很高的，也同我国大部分学者的研究所表明中国农户受到信贷配给的程度至少在50%以上的情况相吻合（田俊丽， 2006）。在遭受信贷配给的农户中，84户遭受完全信贷配给，占总样本的491%；18户遭受部分信贷配给，占总样本的105%。这表明农户遭受的信贷配给主要是完全信贷配给，这一点也同国内许多学者（例如李庆海等人， 2012）的调查相类似。其余69户的信贷申请均获得金融机构的信贷满足。
（二）变量选取及统计特征
基于前述的理论模型及计量方法，本文所用的被解释变量为：金融机构对农户的信贷供给行为。为了便于描述和区分金融机构三种不同的信贷供给行为，笔者赋值0，1，2分别表示信贷供给的完全满足、信贷供给的完全配给、信贷供给的部分配给行为。在这里，被解释变量是离散选择变量。
估计MNL模型时，需要将一类信贷供给行为作为参照组。解释变量的估计系数为正，意味着相对于参照组的信贷供给行为来说，解释变量对处于此类信贷供给行为的相对概率为正的影响；解释变量的估计系数为负，意味着相反的情形。本文中解释变量反映农户的家庭特征，主要有：（1）农户自有的土地规模（land）。作为最基本的生产资料，承包的土地规模在一定程度上能够衡量信贷农户的期望收益，因此我们预测该变量对金融机构信贷满足行为的影响为正，对信贷配给行为的影响为负。（2）农户信贷前的家庭全部资产的市场价值（asset，包括土地，房屋，银行存款，农产品等）。家庭资产值在一定程度上反映了农户潜在的生产能力和财富创造能力。其越大，可被用作抵押、担保的资产就越多，金融机构对农户的信贷满足的可能性就越大，或者信贷配给的可能性就越小。（3）户主的受教育水平（education）。户主受教育水平在一定程度上可以代表信贷申请农户家庭的综合能力。其越高，越容易及时把握农产品的市场信息，快速了解农业新技术的动态，从而能够灵活地安排农业生产，降低各种生产经营风险，有利于获取最佳收益。因此，预测该变量对金融机构的信贷满足行为影响为正，信贷配给行为的影响为负。（4）户主的性别（gender）。国外学者的调查研究发现，女性借款者信用往往好于男性借款者（Fletschner & Kenney，2011）。既然我国农户借款都是户主代表家庭出面申请，因此预测金融机构对户主为男性的家庭较户主为女性的家庭更容易给予信贷配给。（5）户主的年龄（age）。户主的年龄可以在一定程度上代表农户家庭的家庭结构，即青年家庭（18-35岁）、中年家庭（36-45岁）、中老年家庭（46-55岁），老年家庭（56岁以上）。在我国当前大部分农业生产方式仍旧属于劳动密集型，因此农户的家庭结构越年轻，其农业生产能力和效率相对要好些，从而金融机构对其的信贷需求能予以满足。（6）农户家庭农业劳动力总数（labor1）。我国目前以劳动密集型的农业生产方式决定了一个家庭劳动力越充裕，农业生产的期望收益才会越高，因此金融机构对这样的家庭信贷需求的满足性较高。（7）农户家庭外出务工劳动力总数（labor2）。外出务工劳动力越多意味着农户家庭收入来源越多，抗击风险能力就越强，有助于信贷的偿还，因此金融机构也会较多地满足这样的家庭信贷需求。（8）农户家庭无劳动能力成员总数（nonlabor）。相对于劳动能力，无劳动能力通常意味着无法创造财富。因此，家庭成员中无劳动能力成员人数越多，就意味着家庭消费支出越大，这样的家庭遭受金融机构的信贷配给的可能性也越大。（9）户主是否具有非农专业劳动技能（skill）。在我国农村地区，户主通常意味家庭经济的顶梁柱，户主具有非农的专业劳动技能意味着这样的家庭获取财富途径和手段多元化。因此，同家庭有较多的外出务工的劳动力一样，这样的家庭也可能较少遭受金融机构的信贷配给。表1给出了所有变量的定义、说明及统计特征。
（三） 实证结果分析
本文将金融机构信贷完全满足行为作为参照组，即金融机构信贷完全满足行为的参数被限值为0，因此金融机构的完全信贷配给行为和部分信贷配给行为的参数是它们与金融机构信贷满足行为参数的对数机会比（log odds），是一个相对值。从估计结果可以看出（见表2），申贷农户的家庭自有土地面积的大小、户主是否具有非农劳动专业技能以及申贷农户家庭资产市场价值的大小对金融机构的信贷供给行为有显著影响。
与金融机构信贷完全满足行为相比，申贷农户家庭自有土地数量越多、面积越大，越有助于其降低遭受金融机构完全信贷配给的行为，这同我们前述的理论预期一致，也与褚保金等人（2009）和李庆海等人（2012）的研究结论一致。同时，这一发现也说明金融机构对信贷资金的供给更倾向于种植大户。
然而，与金融机构信贷完全满足行为相比，申贷农户的户主具有非农劳动专业技能和家庭资产价值越高反而促使金融机构对其申贷金额的满足度下降，这些发现同我们前述的理论预期截然相反。造成这一现象的可能原因是本文调查的农户所涉及的贷款均为涉农贷款，同其他的消费贷款、非农生产贷款不同，涉农贷款主要服务于农业生产，因而户主具有非农技能容易加深金融机构对其可能挪用贷款从事非农生产，从而引发可能的债务风险的怀疑，进而采用部分信贷配给的信贷供给行为。另外，本文受访农户家庭资产的市场价值最主要的贡献值是自有农田的市场价值和建于宅基地上的住房的市场价值，然而按照我国现行法律，农户的自有土地和宅基地是无法在市场上进行产权买卖的，因而农户家庭资产的市场价值主要部分反映的是市场的理论价值。这一理论的市场价值所占比重越大，农户其他的可流动资产就越少，从而减少了申贷农户寻求资产担保或抵押的可能性，加大了债务风险。从这点考虑，金融机构会更倾向于给予申贷农户部分信贷配给。
研究结果表明农户的其他家庭特征变量如户主的性别、教育水平、年龄，农户家庭农业劳动力人数、非农劳动力人数和无劳动能力人数等对金融机构的信贷供给行为的影响不显著，这反映出被调查地区的金融机构对上述变量不敏感，可能的原因是金融机构并没有把向农户提供贷款真正作为自己的经营方向，而且其在信息收集成本方面也较高，因此没有积极去了解或评估样本农户的信用状况。
五、结论与启示
本文以山东泰安地区抽样调查的农户数据为例，采用MNL（Multinomial Logit）模型，以受访农户的家庭特征为自变量，实证分析了农村正规金融机构信贷供给行为。研究发现，金融机构对69户样本农户（占总样本的404%）给予了信贷满足，对84户样本农户（占总样本的491%）给予了完全信贷配给，对18户样本农户（占总样本的105%）给予部分信贷配给。同以往文献调查类似，本文调查也显示了信贷配给仍然是当前金融机构对农户的信贷供给的主要行为。本文将金融机构信贷完全满足行为作为参照组，实证研究发现，与金融机构信贷完全满足行为相比，申贷农户家庭自有土地数量越多、面积越大，越有助于其降低遭受金融机构完全信贷配给的行为。然而，与金融机构信贷完全满足行为相比，户主具有非农劳动专业技能和家庭资产价值越高反而促使金融机构对其申贷金额的满足度下降，这些发现同我们前述的理论预期截然相反。造成这种现象的可能原因是调查地区的样本农户的信贷类型属于涉农贷款以及家庭资产主要构成部分是没有实际市场价值且无抵押功能的自有耕地和宅基地，从而影响了金融机构对其的信贷供给。
本文的结论也为我国农村金融改革提供了重要启示。未来我国农村金融改革深化离不开农村土地制度的改革。我国当前法律明确禁止农业用地和宅基地进行抵押或者转让，这导致农户在信贷申请中能够提供给金融机构的抵押物相当有限，以至于相当部分涉农贷款只能开展小额信贷业务，虽然此类金融产品符合我国农村基层的信贷生态环境，但从建立现代金融业的理念看其成本收益比不佳，而且无法满足种养大户和农业产业化经营对资金的有效需求。因此，如果允许农户将土地作为抵押品进行融资，那么金融机构会更主动地开展涉农贷款业务，因为相对于其他抵押品而言，土地无论是在价值稳定性还是市场接受程度上都较高，能极大地降低银行的信贷管理风险，进而可以发展出具备可持续性的农村金融商业模式。总之，鉴于目前农村金融市场上信贷配给现象依然严重，除了继续加大农村金融体制自身改革以外，农村金融体制的进一步改革也需要同农村土地产权改革结合起来。
参考文献：
[1]Williamson， O.Corporate Finance and Corporate Governance[J].Journal of Finance，1988， 43（3）： 567-591.
[2]Meza， D.D. and D. C. Webb. Credit Rationing： Something’s Gotta Give[J].Economica，2006， 73（292）： 563-578.
[3]Arnold， L.G. and J. G. Riley.On the Possibility of Credit Rationing in the Stiglitz-Weiss Model[J].American Economic Review，2009，99（5）： 2012-2021.
[4]林毅夫.再论制度、技术与中国农业发展[M].北京：北京大学出版社，2000.
[5]钟笑寒， 汤荔. 农村金融机构收缩的经济影响：对中国的实证研究[J].经济评论， 2005（1）： 109-115.
[6]朱喜，李子奈. 我国农村正式金融机构对农户的信贷配给——一个联立离散选择模型的实证分析[J].数量经济技术经济研究，2006（3）：37-49.
[7]褚保金，卢亚娟，张龙耀.信贷配给下农户借贷的福利效果分析[J]. 中国农村经济，2009（6）： 51-61.
[8]McFadden， D. Conditional logit analysis of qualitative choice behavior[M].In Frontiers in Econometrics. P. Zarembka， New York： Academic Press， 1974：105-142.
[8]田俊丽. 中国农村信贷配给及农村金融体系重构[D].成都：西南财经大学博士学位论文，2006.
关键词：农村家庭；资产组合；非正式制度
中图分类号：F323.9 文献标识码：A doi：10.3969/j.issn.1672-3309（x）.2012.06.51 文章编号：1672-3309（2012）06-124-03
一、引言
非正式制度，又称为非正式约束，包括价值信念、风俗习惯、文化传统、道德伦理、意识形态等人们在社会交往中发展形成的准则。本文研究的就是在这些非正式制度下贵州农村居民家庭资产组合的选择。在现代生活中，家庭作为社会的一个组成部分，每时每刻都有经济行为的发生，概括起来就是：创造价值和创造消费。随着现代经济的发展，家庭资产由少到多，并且随着金融市场与房地产市场的建立、发展和深化，家庭资产形式日渐丰富，家庭资产组合的结构也呈多元化。投资模式以家庭为研究单位的投资组合偏好不同而不同，不同的投资工具可能成为家庭的首选项，资产的不同组合所带来的风险和收益会影响到家庭财富的增长方式与增长量。很多文献集中于对进入资本市场的投资者的资产组合选择进行研究，很少研究那些没有进入资本市场的家庭投资行为，银行存款仍是居民金融资产选择的主要途径，房地产支出在实物资产中占比最大，因此，根据家庭生活的不同背景，对家庭资产组合选择的影响因素进行分析，不仅可以认识家庭资产选择的特点，完善家庭资产选择行为理论，而且有助于了解不同家庭投资需求，促进家庭资产选择行为合理化。对于家庭的界定不同，研究所得的结论当然也会各异。于2012年5月公布的《中国家庭金融调查报告》中对于家庭的定义就是：调查对象必须满足共同居住、收入共享、支出共担这3个条件才算一户家庭。本文所研究的居民家庭指同时满足上述3个条件的家庭。
家庭资产组合的目的多为避险与获利。根据经典资产组合理论，给定资产的收益分布，居民的风险规避程度越高，投资于风险金融资产的可能性越低，即使进行了投资，持有的比重也越低。实证研究却发现居民家庭的资产组合选择并不遵从经典资产组合理论的预期（Vissing-Jorgensen，2002）。经典资产组合理论告诫人们“不要把鸡蛋放在一个篮子里”，但实证却发现很多居民家庭并不是持有一个分散的资产组合（Campell，2006）。因此，以贵州省为例，研究农村居民家庭资产组合的选择具有重要的理论和现实意义。
二、文献综述
居民家庭资产组合一般分为金融资产和实物资产。现有的研究中，大部分文献都偏向于金融资产的组合。张学勇（2010）以河北省居民金融资产的调查问卷数据为参考，详细研究了河北省居民金融资产结构的决定因素。张海云（2010）针对我国家庭金融资产选择行为的异质性特征，从宏微观层面分析了家庭金融资产选择的影响性因素，最后对其财富效应进行了分析。何兴强等（2009）运用2006年中国9城市“投资者行为调查”数据，实证探讨了劳动收入风险、健康状况及房产投资等背景风险对居民金融资产投资的影响。王敏（2009）在不确定性条件下构建金融投资模型来分析居民的投资组合。对于实物资产的研究，多数也与金融资产相结合，并且大都是从总量上利用宏观数据进行分析。徐茂卫（2005）以Markowitz的投资组合理论为基础，从行为金融学的角度选取了风险规避程度、最大风险容忍度、偏好和经济状况等4个投资者行为属性，构建了居民的最佳风险投资组合。李慧英（2005）以四川省城镇居民家庭为研究对象得出，1995至2004年内，四川省城镇居民户均金融资产增长了76.2%，年均增长6.5%，实物资产增长快于金融资产达14%。王岚（1998）通过分析1978至1994城镇居民人均资产存量构成得出，居民资产存量中的金融资产和实物资产的比例发生了重大变化。陈国进等（2008）从理论上分析了影响居民家庭资产组合总量和结构的各种因素。
虽然已有研究中有很多对于农村家庭财产进行分析，但涉及具体农村家庭资产组合选择的文献却不多。骆祚炎（2007）实证分析得出农村居民资产规模小、资产种类尤其是金融资产缺乏和可支配收入低，是导致农村居民资产财富效应弱小的重要原因。邓大松（2009）选取家庭资产规模作为家庭富裕程度的变量，通过交互分析发现，农村家庭资产规模显著影响其家庭成员健康和保险决策。李锐（2007）采用3000个农村家庭的调查数据，计量分析了农村家庭金融抑制的程度及其福利损失的大小。韩喜平（2004）对农村家庭投资行为特征进行分析，研究农村家庭该如何利用好生产要素，合理配置资源，以达到利润最大化。
本文以处于我国欠发达地区的贵州农村家庭为例，对农村家庭资产的现状、差异、问题进行分析。通过时间序列数据分析农村居民家庭资产总量、结构及变动情况，这有助于了解不同农村家庭资产投资的需求，促进资产组合选择行为的合理化。
三、贵州家庭资产总量分析
据调查数据（见表1）显示，2010年贵州省农村居民家庭纯收入人均3471.93元，其中，家庭经营纯收入占比最大，为1706.33元，占人均纯收入的49.1%；其次是工资性收入，占37.55%；可见人均纯收入主要来自家庭经营纯收入和工资性收入。这与整个西部的人均纯收入分配比例是相似的，但是贵州省农村居民家庭人均纯收入还没有达到西部地区的平均水平，贵州农村收入水平仍是处于落后阶段。在人均服务消费量方面，2010年贵州省农村家庭人均消费支出（见表2）为2852.5元，比2005年提高了1300.1元，增长率为83.7%，其中食品支出由2005年的819.87元上升到2010年的1319.4元，上升幅度接近61%；食品占比（即恩格尔系数）明显下降，从2005年的52.8%下降为2010年的46.3%，下降了6.5个百分点，居住占消费比重为21.8%，可见贵州农村居民家庭的消费支出大部分仍花在了食品和居住上。交通通讯消费由2005年的99.22元上升到2010年的229.66元，上升幅度为131.5%，表明在国家实施西部大开发战略的带动下，贵州省交通通讯等基础设施的加强提高了农村居民家庭在这方面的支出。从贵州农村家庭居住环境来看，2010年人均住房面积27m2，同2005年相比，增加了14.9%，可见，贵州农村家庭的居住环境有所改善。
根据中国统计年鉴、贵州统计年鉴的调查数据，在贵州农村居民家庭平均每百户耐用消费品拥有量方面（见表3），近十年来贵州农村家庭的传统耐用消费品如黑白电视机、自行车等拥有量有所下降，而反映生活水平的现代家用电器拥有量有较大幅度的上升。2010年，每百户家庭拥有洗衣机55.18台，较2009年上升了13.3%；每百户电冰箱拥有量27.23台，较2009年的19.29台上升了不少；空调每百户拥有1.47台，虽然较2009年的0.98台有所上升，可是仍低于全国平均水平；除了的电话机拥有量较2009年略有所下降，这可能受移动电话拥有量上升的影响，其他耐用消费品如汽车、摩托车、彩色电视机、照相机等拥有量都有所上升。但与东部地区农户相比，差距仍然很大。
生产性固定资产数量反映了农村家庭物质资本的积累水平。对于农村特有的生产性固定资产拥有情况统计（见表4），贵州农村家庭传统和现代工具并用，其中涨幅最大的应该是农用水泵，从2009年的每百户7.32台上升为2010年的每百户9.96台，增加了36.1%。役畜和产品畜的数量都有所下降，拖拉机、脱粒机等机械生产工具数量有所上升，可以看出，贵州山区农村家庭生产性工具正向机械化慢慢转变。
综上所述，贵州地区农村居民家庭近10年来生活消费水平和收入水平都迅速提高，但是与全国平均水平相比，仍有较大的差距。
四、结论与建议
贵州是我国贫困人口较为集中的省份，农村人口数占贵州总人口的很大比例，农村家庭的资产组合行为从微观角度看是理性的经济行为，从宏观层面看，家庭的经（上接125页）济行为也会带来高效益。但是贵州农村家庭收入预期难以预测，家庭资产组合的研究受到限制，面临以下几个问题。
1. 收入是资产组合行为的起点，有了收入才会有投资、消费等行为，但是农村家庭较城市家庭收入来源更是各异，由于未来收入预期的不确定性，必然导致家庭经济行为的发展受到限制，人们也不敢进行多种类的资产组合配置，以避免风险，导致近些年来居民家庭尤其是农村家庭优先考虑储蓄的倾向仍在继续，资产组合的品种较单一。
2. 依赖政府的传统型生活方式，使得家庭自主创新能力较差。多数农村家庭仍然基本停留在靠有限工资过日子的层面上，没有意识到用过家庭理财的渠道来进行创收。
3. 市场导向不够。与企业经济相比，微观家庭经济行为没有受到足够重视，家庭经济行为，尤其是资产组合选择行为具有较强的多元化趋势，是市场发展的重要支持力量。目前，贵州省家庭经济行为缺乏有效的市场支持。
影响家庭资产组合选择的因素众多，不管是收入还是健康、偏好，对资产配置都有复杂的影响，家庭资产组合的选择和影响因素的研究对金融政策和家庭福利带来的影响是十分重要的。因此，要重视家庭经济主体地位，加强家庭对资产有效配置的相关认识，促进家庭资产的多元化组合。
参考文献：
[1] 黄朗辉、孟庆欣等.中国城市居民家庭财产现状[J].中国统计，2002，（12）.
[2] 孙元欣.美国家庭资产结构和变化趋势[J].上海经济研究，2005，（11）.
[3] 刘洪玉、郑思齐.住宅资产：居民家庭资产组合中的重要 角色[J].经济与管理研究，2003，（04）.
[4] 伍燕然.资产管理中客户偏好的研究——兼论考虑偏好条件下基金的评估 [J].经济研究，2002，（08）.
【关键词】互联网保险 购买行为 在校大学生
一、引言
大学生群体将会在现在以及未来的互联网金融时代中扮演重要角色。本次调研工作中的问卷调查将基于在校大学生为研究主体，问卷设计主题为大学生群体对于互联网保险产品的购买行为探求，希望能从回收后的有效数据中获知大学生对互联网保险产品的认知程度，借此分析影响消费者对互联网保险产品购买行为的因素和各个因素间的相关性，对今后的保险行业发展，消费者的理性购买行为具有深刻的指导意义。
二、影响大学生群体购买互联网保险产品行为的理论分析
（一）大学生个体特征对互联网保险产品购买行为的影响。
由于本次研究的对象主体为在校大学生，在年龄上的分布方差不会很大，对于调查结果很难有明显的影响。男性群体天生较女性群体活跃，对于金融保险产品的敏感度可能高于女性，购买行为两者存在着偏差。至于研究对象选择的学习专业，一般来说，金融及相关专业的学生对于互联网保险产品的接受认知程度会高于其他专业，另外不同专业的学生对于互联网保险产品的认知程度存在着明显的不同，这一点也是本文所要验证的。
（二）大学生客观环境特征对互联网保险产品购买行为的影响。
客观环境特征可以比较简单的细分为家庭环境和社会环境两个方面。家庭环境方面，大学生群体的家庭收入情况在一定程度上决定了消费能力和规避风险的意愿。一般来说收入较高的家庭对于风险的规避重视程度较高。家庭的信贷习惯（或者说是消费习惯）对于购买行为也存在着相当大的影响，习惯于信贷消费的家庭可能会面临着较高的风险，同时人们往往认为不动产等投资比金融信贷投资更加可靠，在浙江工商大学一位保险学硕士生的问卷调查的结果中，有高达六成的调查对象认为当前买房的重要性高于买保险（基于问卷调查的居民家庭保险需求行为研究――朱丽莎）。
而在社会环境角度，互联网保险产业由于依托互联网大数据海量信息源的特征，在市场宣传方面有着得天独厚的优势，产品的市场宣传程度在很大一方面决定了消费者的认知程度。
三、影响大学生群体购买互联网保险产品行为的实证分析
（一）数据样本来源与描述性分析。
由于本文是基于在校大学生群体为研究对象的购买行为调研，通过为期一周在宁波大学科学技术学院校区内的问卷分发，基本符合了本次调研的群体为在校大学生的基本要求。本次调研一共分发出105份问卷，收回104份问卷，经过初步整理和筛选，得出有效问卷90份，有效率达到85.71%，初步保证了调查数据的科学严谨性。
针对于此次问卷的描述性分析可以从以下三个方面进行阐述：被调查的大学生个体特征描述，传统保险购买行为的描述和互联网保险认知接受程度的描述。在描述完以上三方面情况后将使用数量分析进行回归寻因。
1.个体特征描述
本次调查中占据调查者性别主体的为女性，占据了调查群体总量的80%。而在学科专业的分布上，本次问卷调查涉及的专业范围除主要集中与经济管理大类专业之外，也加入了语言类和理工类专业的学生，年级分布上以大二为主。在家庭客观环境方面，家庭成员数量集中于两位和三位（占据总体的88.9%），家庭年收入状况主要分布在8-20万区间，均值为12.97万元。
2.传统保险购买行为描述
对于在校大学生对传统保险产品的购买行为的描述性分析主要可以从购买因素与购买金额上来描述。通过对于九十份问卷的分析，笔者发现占据在校大学生家庭对购买传统保险的认知渠道前三位的是：亲朋好友推荐，营业员推荐和电视广告。占据购买传统保险种类的前三位的是：医疗保险，长辈寿险和规避风险类的保险。此外，在涉及到影响购买的首要因素一题中，家庭收入水平（50%）占据了主要比重，投资理财（20%）和养老保险（18.9%）成为了重要影响之一。这一点验证了笔者先前对家庭收入与保险购买关系的假设。最后，在每年家庭具体投入金额方面，3000-5000元成为了主要区间，但是考虑到在校大学生对家庭保险事务的不熟悉，这个区间的真实可信性还有待商榷，目前可作为参考。
3.互联网保险产品认知程度的描述
在本次调查中，有超过70%的被调查者听说过互联网保险产品，另外有52.2%的被调查者接触使用过余额宝此类的互联网金融产品。网络渠道毫无疑问成为了在校大学生群体认知互联网保险产品的最主要渠道，比重远远超过其他途径。互联网保险产品目前主要服务于运费险和销保险这两类，通过对网购行为的数据整理，笔者发现，有购买现有互联网保险产品和未来购买互联网保险产品的人数比例均未超过50%，与此同时，有购买意愿的群体购买金额大多集中于500元以下（41.1%）。对此笔者也在预料之中，对于一个新兴的产业和事物，缺乏足够认知程度的消费者会持有观望态度，而不急于尽早试水。
（二）影响在校大学生互联网保险产品购买行为的计量分析。
1.模型阐述和变量说明
对于研究在校大学生互联网保险产品购买行为的问题，笔者采用了二元logistic回归分析模型，采用对于因变量进行0-1限定，同时根据极大偏似然估计对回归参数进行估计。
在此模型中，我们将调查者是否会在未来进行互联网保险产品的购买设为因变量Y（0=不会进行购买，1=会进行购买），同时对于其他回归参数分别设为X1 ，X2 ……Xn，则Y与X的关系为：E（y）=Pi =β0 +β1X1+β2X2+ … +βNXN
其中Pi 表示在校大学生未来购买互联网保险产品的预期情况，即买与不买，X1 ，X2 ……Xn为影响购买的各个因素，β0为方程组的对应常数，β1，β2，…，βN为对应自变量的系数。
2.分析结果陈述
通过运用SPSS20.0统计软件，笔者对收集得到的90份有效问卷进行了二元logistic回归处理，同时运用直接进入分析筛选法，对以上9个变量进行了初步的分析，得到了9种对应的计量结果。出于篇幅限制，在这里仅进行针对于数据结果的说明（数据结果见表1）。
表1 影响在校大学生互联网保险购买行为的logistic模型回归结果
注：“*”、“**”、“***”表示统计检验分别达到10%，5%和1%显著性水平。
通过对于调查数据的初步回归分析我们可以找到影响在校大学生互联网保险产品购买行为的因素。如表三所示，协变量的系数表明该协变量对于因变量（是否会在将来购买互联网保险产品）的正负相关性，系数为正表明存在正相关，反之亦然。
为使得实验数据更加客观有效，方程中各个因素间的相关性作用对于方程整体的影响也必须得以检验分析。比如家庭年收入的数目对承担的保费数目是否如同预期一样为正相关？网购经历是否与互联网金融产品的使用存在相关联系，接下来的部分笔者将运用一些基本的相关性分析工具探讨这些问题。
*. 在 0.05 水平（双侧）上显著相关。
**. 在 .01 水平（双侧）上显著相关。
在之前的二元logistic回归分析中，部分因素间的相关性已经能被明显发现，其中家庭收入和每年承担的保费属于数量程度变量，故不再进入0-1变量的相关性讨论。笔者选取了以下三个0-1变量进行讨论，分别为是否听说过互联网保险产品，是否使用过互联网金融产品以及是否有过网购经历，采用双变量相关性分析后得出结果见表2。
我们可以明显发现，是否使用过互联网金融产品这一因素与其他两个因素间存在着较为紧密的关系，达到了较为显著的程度。
四、结论
基于上述的数理模型可以得到以下几方面结论：
第一，被调查者对于互联网保险产品，以及与之存在联系的同类金融衍生品的认知程度将在一定程度上影响被调查者在将来购买互联网保险产品的意愿。在回归模型中，是否使用过互联网金融产品这一项的统计检验在显著性水平5%的水平，估计系数为正，可以得出使用过互联网金融产品的在校大学生很有可能会在将来尝试使用互联网保险产品的结论。
近期公布的《2011年国土资源公报》显示，2011年全国出让国有建设用地面积33.39 万公顷，出让合同价款3.15万亿元，同比分别增长13.7%和14.6%。其中通过招拍挂出让土地30.47 万公顷，出让合同价款3.02 万亿元，分别占出让总面积的91.3%和总价款的95.9%。此外，2011年全年共1.08 万个土地整治项目通过验收，项目总规模73.79 万公顷，新增农用地23.91 万公顷，新增耕地23.37 万公顷。全年国有建设用地实际供应总量58.77 万公顷，同比增长35.9%。其中，工矿仓储用地、商服用地、住宅用地和其他用地供应量分别为19.26 万公顷、4.21 万公顷、12.52 万公顷和22.78 万公顷，全年中央累计下达土地整治资金457.1 亿元。
2011 年综合地价为3049 元／平方米，同比增长6%
2001-2011年全国主要城市监测地价情况
全国105 个主要城市2011 年第四季度末综合地价为3049 元／平方米，同比增长6.0%，环比增长0.3%；其中商业、住宅、工业用地分别为5654 元／平方米、4518 元／平方米和652 元／平方米；同比分别增长9.0%、6.6%和3.9%；环比分别增长0.7%、0.0%和0.4%。
84个重点城市2011年度净增土地抵押面积和抵押金额
截至2011 年末，全国84 个重点城市处于抵押状态的土地30.08万公顷，抵押贷款4.8万亿元，抵押面积和抵押贷款同比分别增长16.5%和36.3%。全年抵押土地面积净增4.19 万公顷，抵押贷款净增1.27 万亿元，同比分别增长12.1%和37.6%。
每周一数
近日，由中国家庭金融调查与研究中心完成的《中国家庭金融调查报告》。报告显示，中国家庭财富净值平均为66.51万元，城市家庭平均为146.79万元，农村家庭平均为11.79万元。中国城市家庭的金融资产为111714元，非金融资产为1456961元，资产合计为1568675元，城市家庭负债总额为101815元，城市家庭财富净值为1467860元。中国农村家庭金融资产为30996元，非金融资产为123436元，资产合计为154432元，农村家庭负债总额为36504元，农村家庭财富净值为117928元，因此，城乡家庭财富差距大。另外，处于财富分布90%以上分位数家庭的财富占社会财富的比例高达86.69%，在城市，这一比例更高，达到89.50%。因此，家庭财富分布差异依然较大。
大学教育及硕士生教育回报显著。本科学历收入是大专或高职学历的1.75倍，硕士学历收入则为本科学历的1.73倍，而博士学历收入则只有硕士学历的70%。另外，到海外接受高等教育已经成为中国公民重要选择之一。中国家庭中9.78%在校大学生（含研究生）留学海外。在有15岁以下小孩家庭中，8.31%打算送小孩出国，29.43%看情况决定是否送小孩出国。中国高等教育已经面临着激烈的国际竞争，还将面临更为激烈的竞争。
中国家庭自有住房拥有率为89.68%，远高于世界平均的60%。其中，城市家庭为85.39%。城市家庭拥有两套以上住房的家庭占19.07%。城市家庭第一套住房价值平均为84.10万，成本价格平均19.10万，市价-成本比为4.4；城市家庭第二套住房价值平均为95.67万，成本价格平均为39.33万，市价-成本比为2.43。因此，城市住房收益可观。
摘要：基于CHFS2015数据，研究家庭基金投资的影响因素。发现家庭决策者的年龄、性别、学历、风险偏好和金融素养等个人特征，总资产、房产等家庭经济特征和家庭地区特征，都对家庭投资基金投资产生显著影响。
关键词：家庭基金投资；基金收益率；Probit模型；Tobit模型
一、提出问题
目前，大多数家庭仍旧缺乏金融投资的主动性，家庭资产端难见股票、债券、基金等风险金融产品的身影。若要提高家庭金融市场参与度，就要研究制约家庭金融投资因素。抛开宏观经济环境的限制，是否可以从微观家庭视角寻求答案呢？罗靳雯等利用CHFS2011数据，发现教育水平和认知能力对家庭金融资产配置和投资收入有显著正向影响[1]。吴卫星等研究发现金融素养高的家庭，其资产组合的有效性更高[2]。学界关于家庭金融投资或者资产配置的研究已是遍地开花，但是大部分都是以股票作为家庭金融投资的代表，鲜少有家庭基金投资的相关研究。本文基于CHFS2015微观调查数据，从家庭决策者特征、家庭经济特征、区域特征及持有基金类型等角度切入，探究影响家庭基金投资的因素。
二、数据、变量与模型
（一）数据来源本文所用数据来源于2015年中国家庭金融调查数据（CHFS2015），在数据清理过程中，剔除了各变量异常值和缺失值，限制家庭经济决策者的年龄为18-85岁，家庭总资产为正值，得到了27505个有效家庭样本。
（二）变量说明被解释变量。基金持有fund（1=持有，0=未持有）、基金占金融资产比重percent（基金投入/家庭金融资产总额）为被解释变量。各变量均由问卷相关问题回答得到，家庭金融资产总额由家庭现金、活期存款、定期存款、股票、基金、金融理财产品、债券和其他金融资产加总得到。解释变量。决策者特征选取有可能影响基金投资及其收益的变量，包括：性别gender（1=男性，0=女性）、年龄age、学历edu（1-9表示未上过学、小学、初中、高中、中专/职高、大专/高职、大学本科、硕士、博士）、婚姻marriage（1=同居、结婚；0=未婚、离婚、丧偶）、风险态度riskattitude（1-5表示风险态度非常厌恶至非常偏好）和金融素养finliteracy（3个金融知识问题的因子分析得分）。其中，风险态度由问题“如果您有一笔资金用于投资，您最愿意选择哪种投资项目？”的回答赋值得到，金融素养由问卷上的3个对家庭经济决策者的金融知识问题通过因子分析得到因子分来衡量。家庭经济特征包含总资产asset（实际值）和房产数house。地区特征包含农村rural（农村=1，城镇=0）和东部east（1=东部地区；0=其他）。
（三）模型设定家庭是否投资基金为二值选择变量，采用Probit模型，设定如下：由于基金占金融资产比重在很多样本家庭中为0，数据删截特征明显，采用Tobit模型进行回归，设定如下：
三、实证结果与分析
家庭基金投资及收益的影响因素的回归结果见表1。列（1）为Probit模型回归结果，列（2）（3）为Tobit回归结果。根据列（1），只有性别和农村在1%水平上显著负向影响家庭持有基金，说明女性决策者投资基金的积极性更高，城镇家庭更可能投资基金，这与城乡间金融机构数量、金融基础设施建设以及居民金融知识水平差距大有关。年龄、学历、婚姻状况、风险态度、金融素养、总资产、房产和东部地区变量都显著正向影响家庭投资基金。一般，决策者的年龄越大、学历越高、婚姻状况越稳定，家庭的财富积累得越多，知识和能力也越强，家庭越可能投资基金。其次，决策者越偏好风险，金融素养越高，更有可能购买各种风险金融产品。总资产和房产奠定了家庭的经济基础，家庭只有在牢固的经济基础之上才有可能进行基金投资。东部地区的金融市场最为发达，信息获取也最为通常便捷，利于家庭参与金融市场，投资基金。列（2）的基金占金融资产比重的回归结果和列（1）大致相同，不再详细说明。四、结语本文基于CHFS2015数据实证研究了家庭基金投资影响因素。发现家庭决策者的年龄、性别、学历、风险偏好和金融素养等个人特征，总资产、房产等家庭经济特征和家庭地区特征都对家庭投资基金投资产生显著影响。基金具有专业管理、灵活申赎的特点，而且进入门槛也较低，流动性很强，可以满足家庭日益增长的理财需求。我国基金市场尤其是家庭基金板块，发展前景广阔，基金从业者以及相关部门应该深入思考，如何针对不同阶层家庭，推出多样化基金产品，以及强化家庭的基金认知，引导家庭积极参与基金市场。
一、贫困地区农户信贷需求的主要特点
（一）相当部分农户对正规金融的认识存在误区，放弃信贷支持的占比较高。
随着电视的普及和网络逐步进入乡村，广大农民的视野也日益开阔。但在落后地区，仍有相当部分的农民对金融业务和金融知识缺乏必要的了解，他们往往会因畏难而放弃向金融机构贷款，选择民间借贷方式。调查显示，有30户不知道有专门服务农村的金融机构，占比达25%；有52户从未向银行或信用社申请过贷款，占比达43.33%。对贷款不成功的原因，被调查者认为是借款未按期归还的44户，占36.67%；认为缺少抵押担保的22户，占18.33%，认为和信贷人员不熟的40户，占33.33%，认为有其他因素影响的14户，占11.67%。
（二）农户信贷需求的结构呈多元化趋势。
随着新农村建设的深入，贫困地区农民的生活水平日益提高，其信贷需求结构也发生了较大变化，借款的用途呈现出多元化趋势。根据此次调查，农户在借款用途一项，用于农业生产的有50户，占比为41.67%；用于建房、购房的有20户，占16.67%；用于子女上学的有30户，占25%；用于婚丧嫁娶、看病医疗的有4户，占3.33%；用于其他的有16户，占13.33%。由于农村合作医疗的推广和九年制义务教育的普及，因读书难和看病难而寻求贷款的比例较以往大大降低。
（三）农户生产性资金需求出现两极分化。
随着交通和物流的日益顺畅，广大农村的农业生产结构发生一定变化。多数农户逐步放弃传统的农业种植模式，开始结合地方实际，发展特色种植和养殖。农业生产的资金需求出现了明显变化。主要表现为季节性资金需求的小额信贷需求逐渐减少、因农业开发启动的大额资金需求日益增多。在50户借款用途为农业生产的农户中，仅有10户需要借款满足现有的生产需要，其他40户均为改良现有品种、开发新品种、扩大生产等信贷需求。
（四）农户信贷需求的有效性和合理性降低。
贫困地区经济落后，广大农户家庭收入相对偏低。据保靖县统计局提供数据，2011年全县农村居民人均收入仅3705元，远远低于全国平均水平。在120户调查对象中，家庭总收入在1万元以下的7户，占5.83%；家庭总收入在1至3万元之间的57户，占47.50%；家庭总收入在3至5万元之间的40户，占33.33%，家庭总收入在5万元以上的16户，占13.33%。多数农户无法提供金融机构所需的有效抵押物。
同时调查发现，相当部分中青年农民对现已成熟的农业项目的收入不太满意，预想通过规模开发在短时间内实现致富。信贷需求缺乏有效性和合理性，是抑制部分农户信贷的重要因素。
二、贫困地区农户信贷需求难以满足的原因分析
（一）贫困地区国有商业银行对农村的信贷支持力度偏弱。
目前，在多数贫困地区均设有县级国有商业银行、农业发展银行、农村信用社、邮政储蓄银行等金融机构，但国有商业银行和邮政储蓄银行主要发挥吸储功能，对贷款则从严控制、发放力度偏小。以保靖县为例，截止2011年末，国有商业银行和邮政储蓄银行的存款占比高达60.21%、贷款占比仅为25.48%、贷款新增占比仅为10.36%。国有商业银行的利益考核机制和贷款门槛偏高，直接导致农户信贷供给不足。
（二）农村金融服务的广度和深度不够。
目前，农村信用社为农村贷款的主力。随着效益考核力度的日益加大，农村信用社也从部分偏远乡镇退出。以保靖县为例，农村信用联社在全县有17个网点，但真正设在农村的只有11个网点，平均1.55个乡镇、5910户农户、2.15万人才拥有1家能提供服务的金融网点机构。由于贫困山区的村寨交通不便、相对分散，在资金需求旺盛的季节，信用社的信贷人员根本无法满足贷前实地查看、贷后跟踪等业务要求。农村金融信贷服务的广度和深度不够，不能满足农户的信贷需求。
（三）农户信贷需求缺乏必要的支撑体系。
首先，在广大贫困地区，土地分散、基础设施不健全，农业产业化程度低，农业基础相对薄弱。其次，农业生产对气候的依赖性较大，抵御自然灾害的能力偏弱，而针对农户的保险品种相对较少，多数地区农业保险尚未推开。其三，金融机构与广大农户存在信息不对称、农户有效抵押欠缺，而在多数落后地区，尚未建立农业信贷担保基金。在财政资金投入不足、政策性金融信贷资金投入不充分、抵押担保体系不健全以及其他支持缺位的情况下，以盈利为最终目的的商业性金融也就失去了介入的基本前提，农村多层次、多元化的信贷需求就无法得到满足。
（四）偏高的贷款利率提高了农业生产成本，抑制了部分农户的信贷需求。
目前，农村的信贷需求绝大多数都是由农村信用社解决，而农村信用社的贷款利率偏高，通常是执行政策允许的上限，而不是根据农业的实际效益制订合理的利率。农户贷款的平均年利率高达15%，远远高出基准利率，使利润较低的农业根本不能承受，从而使大多数农民放弃了依靠贷款来发展的想法，抑制了农村合理、有效的信贷需求。
三、对策和建议
（一）健全政策性金融与商业性金融并存、商业性金融有序竞争的农村金融体系。
当前，贫困地区农村的金融服务十分欠缺，金融支持缺乏必要的平台，因而建立健全农村金融体系是满足农村信贷需求的前提。一是要进一步拓展农业银行、农业发展银行、邮政储蓄银行等金融机构的服务领域，延伸政策性信贷业务的触角，直接实现对广大农户的信贷支持；二是适时建立村镇银行，完善金融服务体系，有效改变因垄断而造成的农户信贷成本过高的不合理现状。
（二）创新农户信贷模式，改善农村金融服务。
为贯彻中央西部大开发和新农村建设的战略决策，涉农金融机构要增强对“三农”的重视，充分考虑农户的实际需求，改进金融服务方式，推动农户信贷业务。一是大力开展对农户的信用评级工作，改善信用环境，为发放信用贷款创造必要的条件，解决农户抵押不足的信贷瓶颈。二是创新农户信贷模式，推广农户联保、“企业+公司+农户”等贷款模式，通过利益捆绑方式加大农户供发放。三是加大金融知识和信贷产品的宣传力度，正确引导和激发广大农户潜在的资金需求，助推落后地区的农业生产。
