農戶信用質量影響因素的Logistic分析

摘 要：通過對山東省桓臺縣有信貸農戶的問卷調查數據為分析基礎，利用Logistic二分類回歸建立了農戶信用質量影響因素的模型。通過建立的Logistic模型來分析得到影響山東省桓臺縣農戶信用質量的主要因素。

關鍵詞：農戶；信用質量；影響因素；Logistic模型

中圖分類號：F832.4 文獻標識碼：Ａ 文章編號:１００３－９０３１(２０12)07－００78－０3 DOI:10.3969/j.issn.1003-9031.2012.07.17

金融在農村經濟發展中有著舉足輕重的作用，農民的信用狀況直接決定了農村金融部門對他們的支持力度。研究農民信用質量的影響因素，既有利于農村金融部門評估貸款農戶規避信用風險，也可以使信用質量好的農戶易于獲得貸款。本文通過對山東省桓臺縣有信貸農戶進行問卷調查，利用問卷調查得到的數據進行logistic分析，探索影響農戶信用質量的因素。

一、實地調研的農戶數據狀況

（一）數據來源

本文分析所采用的數據均來自于筆者對山東省桓臺縣起鳳鎮、田莊鎮、荊家鎮、馬橋鎮等8個鄉鎮有信貸農戶的問卷調查。本次問卷調查共發放問卷300份，收回問卷276份，其中無效問卷45份，有效問卷231份。問卷調查的主要內容有：（1）農戶自身特征。農戶的自身特征包括農戶的性別、年齡、受教育程度、婚姻狀況、身體狀況，是否有不良嗜好，是否有不良社會記錄，是否在村委任職；（2）農戶家庭特征。農戶的家庭特征主要是指家庭人口數、家庭年總收入、家庭土地種植畝數、家庭所從事行業、從業年限、家庭的總資產、總負債；（3）其他調查問題。其中包括用以評價農戶信用的農戶貸款是否按時還清，本年是否發生自然災害，農戶發生的借貸的品種[1]。

（二）農戶數據狀況

調查問卷的數據狀況主要有：樣本農戶平均年齡42.35歲，其中男性有256人，占總樣本的97.8%；女性僅有5人，占2.2%。樣本中男性居多的原因主要是受制于農村的傳統觀念，男性在農戶家庭中占主導地位。所調查農戶的婚姻狀況主要是已婚有子女，占總樣本的97.4%，其他未婚、已婚無子女、離異及其它總共占總樣本的2.6%，這是因為問卷調查的年齡范圍主要集中在青壯年。通過問卷可以發現農村居民的受教育程度普遍較低，有202位被調查者的文化程度在初中以下，占總樣本的87.4%；高中文化程度的有28位；大專及以上只有1位。這種情況主要是因為大多數文化程度比較高的人都已經離開農村。身體狀況方面僅有9人存在重大疾病或者發生過車禍及其它事故。在對是否有不良嗜好、是否有不良社會記錄、是否在村委任職、本年是否發生自然災害，絕大多數被調查者的選擇都是否，大約占樣本數的90%。農戶土地種植畝數有104戶，種植畝數在3～5畝之間，有67戶的種植面積在5～10畝，有30戶的種植面積在3畝以下，僅有21戶的種植面積在10畝以上。被調查者主要從事行業為種植業，其中蔬菜種植占38.1%，瓜果種植占11.7%，糧食種植占26%，其他種植占24.2%。農戶的主要貸款種類為農戶信用評定聯保貸款占70.6%，其他種類占29.4%。

二、農戶信用質量的Logistic分析

（一）Logistic模型簡介

Logistic回歸模型是對定性變量的回歸分析。二分類Logistic模型主要應用于因變量的水平數為（0，1）時。Logistic回歸模型為：Pi=■。其中，Pi為第i個事件發生的概率，它是一個由解釋變量構成的非線性函數；a、b分別為回歸截距和回歸系數。1-Pi為第i個事件不發生的概率，因為0＜Pi＜1，將其轉化為線性函數，那么事件發生概率與不發生概率之比為：■=ea+bX ，這個比稱之為事件的發生比，且事件的發生比為正值，并且沒有上界，將事件的發生比取對數就能夠得到如下線性函數：ln(■)=a+bXi[2]。在對山東省桓臺縣農戶信用質量的實證研究中，基于二分類Logistic模型，Pi為農戶沒有按時還款的概率；1-Pi為農戶按時還款的概率。

（二）影響農戶信用質量的Logistic分析

1.定義變量

在對所得調查結果進行Logistic回歸前，先對數據進行處理，即定性數據定量化處理，設置虛擬變量，如表1所示：

在本文中將農戶是否按時還款作為被解釋變量，它是一個離散型變量，不符合統計學意義上的正態分布情況，所以不能用普通最小二乘法或者是加權最小二乘法進行估計。影響農戶是否有按時還款的因素之間不存在有序的排列，它是一種無序的選擇問題。由于被解釋變量只取0和1兩個值，因此被解釋變量是離散型隨機變量[3]。在二元離散隨機模型中，本文選擇二分類Logistic模型對影響農戶是否按時還款的因素進行實證分析。

2. Logistic模型構建

借助于spss17.0中的二元Logistic回歸對整理好的問卷數據進行分析，使用向后wald進入法。從Hosmer和Lemeshow檢驗表中可看出：經過14次迭代后，最終的卡方統計量為12.273，卡方統計量<臨界值，從SIG角度0.139>0.05來看，模型能夠很好的擬合整體，不存在顯著的差異。

從Hosmer和Lemeshow檢驗隨機表中可看出：“觀測值”和“期望值”接近，不存在很大差異，說明模型擬合效果比較理想，印證了Hosmer和Lemeshow檢驗中的結果。經過14次迭代的迭代結果如表2所示。

通過以上分析結果可看出，在置信水平為95%的情況下，通過檢驗的變量有所從事行業的年限（cynx）、種植土地的畝數（zzms）、總資產（zzc）和貸款品種（dkpz）。可寫出Logistic模型為：

ln(■)=0.046cynx-0.752zzms-0.019zzc+2.657dkpz

即

P(y=1)=■

（三）Logistic模型結果評析

從模型可看出，居民從業年限以及貸款的種類對農戶信貸質量的影響是反向的。從事行業的年限越長，客戶不能按時還款的概率越高。對于農戶而言，從事某一特定種植的時間越長，不根據市場的供求狀況調整種植種類，盈利能力相對降低，農民應采取多樣化種植的方法才能促進增收，從而提高按時還款的積極性。貸款的種類和客戶不能按時還款的概率影響是正向的。對于相關金融部門來講，金融機構應根據不同的貸款群體設定不同的貸款種類，多方考察農戶的情況，發放與其還款力相匹配的貸款，從而降低農戶貸款違約率，提高信用質量[4]。

農戶種植土地面積和農戶的總資產對農戶信貸質量的影響是正向的。對于農戶而言，主要收入來源是種植業，種植面積越大收入相對增加，那么按時還款的積極性越高，農戶的信用質量相對較好。種植業的系數為0.752，可以得出種植業面積對還款率的影響比較顯著。貸款農戶總資產值越高，按時還款的積極性就越高，信用質量越好。該分析結果對于相關金融機構在評估農戶信用質量提供一定的現實依據。同時，農戶也可以據此有針對性的提高自身信用，從而更易于獲得金融機構的貸款。

三、結語

本文對山東省桓臺縣起鳳鎮、田莊鎮、荊家鎮、馬橋鎮等8個鄉鎮有信貸農戶的問卷調查數據進行實證分析，得出影響農戶信用質量的主要因素包括農戶的總資產、農戶的土地種植面積、農戶所從事行業的從業年限以及從銀行所獲得貸款的種類。通過研究可以為農村相關金融機構在發放貸款時提供對農戶信用評價的依據，同時為農村信用評價體系的建設和提高農戶信用質量起到促進作用。■

（責任編輯：陳薇）

參考文獻：

[1]陳華寧.農民素質的內涵探討及實證研究——基于河北省農戶問卷調查的分析[J].中國農業大學學報（社會科學版），2006（2）：49-54.

[2]龐素琳.Logistic回歸模型在信用風險分析中的應用[J].數學的實踐與認識，2006（2）：129-137.

[3]周宗安.農戶信貸需求的調查與評析[J].金融研究，2010（2）：195-206.

[4]李子武.對農村金融產品和服務方式創新的建議[J].甘肅金融，2011（9）：72-73.