農戶貸款信用風險影響因素的實證研究

潘雅瓊　宋澤群

【摘 要】 文章以農村商業銀行的農戶貸款為研究對象，探討農戶貸款信用風險及其影響因素之間的作用機制，并通過湖北農村商業銀行提供的農戶貸款樣本數據，構建Probit概率模型對數據進行實證分析。結果表明：家庭勞動力數和家庭總資產與農戶貸款信用風險呈顯著負相關關系，家庭總負債和貸款利率與其正相關，是否有子女上大學、貸款是否擔保以及貸款用途對農戶貸款信用風險也有顯著影響。因此，農村商業銀行應認真審查農戶基本信息，實施優惠的利率政策，鼓勵生產性貸款和擔保貸款，以防范信用風險的發生。

【關鍵詞】 農戶貸款； 信用風險； 農村商業銀行； Probit模型

中圖分類號：F323.9 文獻標識碼：A 文章編號：1004-5937（2015）23-0023-05

一、引言

在我國農村信貸市場中，隨著國有銀行逐漸從農村領域中撤出，農村信用社和農村合作銀行將全部改制組建為農村商業銀行，使得農商行在農村金融服務供給方面的重要性越來越顯現，成為農戶貸款的主要提供者之一。然而，近年來農戶貸款的不良率居高不下，不良貸款余額持續增長，使農商行對農戶產生了畏貸情緒，如果不能有效地評價和控制農戶貸款的信用風險，勢必影響農商行的整體貸款質量，進而阻礙農村經濟的發展。

目前，國內外很多專家學者對信用風險的研究重點放在大型國有商業銀行，忽視了農村商業銀行這一特殊群體；對貸款對象的研究主要針對上市公司、中小企業，對農戶貸款這一具有商業性和政策性雙重特征的信用風險缺乏研究。

鑒于此，本文以農村商業銀行農戶貸款為研究對象，分析農戶貸款信用風險與各影響因素之間的作用機制，構建農戶貸款信用風險評價指標體系，并結合湖北農村商業銀行某支行的數據，運用Probit概率模型進行實證研究。

二、文獻綜述

（一）農戶貸款信用風險的影響因素

近年來，國內外學者對各影響因素的研究大部分是根據農戶和家庭的基本特征、財富擁有量、借貸特征、外部環境特征等建立各項農戶貸款風險評價指標體系，具體如表1所示。

此外，Godquin M（2004）研究得出小額信貸農戶的還款行為受到小組擔保、動態激勵機制的影響。張愛榮和宋洪遠（2013）把農戶與村鎮銀行的距離作為解釋變量，假設距離比較近時會降低交易成本、提高獲得貸款的機會和信心，并通過實證得到了驗證。李巖等（2014）認為不同區域農戶貸款行為的影響因素差異較大，需要針對不同發展區域和不同發展階段的農戶制定不同的農戶貸款政策。

（二）農戶貸款信用風險的研究方法

1.信用評分法

國外學者多采用這種方法，將反映借貸者信用狀況的一些指標定量化，然后用特殊方法計算反映借貸者信用狀況的信用綜合分值，通過與基本值的比較確定其信用級。這種方法的代表是1968年Altman教授發表的Z評分模型。其利用重要的財務比率來預測公司破產的可能性，現在被學者們用來研究農戶貸款違約的可能性。Robert De Young（2001）構建了Stacked-Fogit模型，實證分析了各個影響因素指標對農戶貸款信用得分的影響。

2.Logistic模型計量方法

該方法采用邏輯概率分布函數，其因變量為二級計分或二類評定的一種回歸分析。李萌（2005）以不良貸款率作為信用風險的衡量標準，運用Logistic模型對商業銀行信用風險進行評估，證明了Logistic模型具有非常可信的識別、預測及推廣能力。張愛榮、宋洪遠（2013），劉立研、李曉紅（2013），黃海源（2010）等都利用Logistic模型對農戶貸款信用風險進行了實證分析。

3.模糊綜合評價法

該方法以模糊數學為基礎研究客觀存在模糊現象的一種數學方法，在農戶貸款信用風險評估中具有較強的適用性，因為評價指標的選取、權重的確定以及評價標準的選擇都帶有一定的模糊性。楊暢（2013）在模糊綜合評價法的基礎上運用突變模型對農戶貸款信用風險進行了分析，規避了風險評價時的主觀性與隨意性，提高了評價的準確度。

除以上三種主要的研究方法外，還有面板回歸法、協整檢驗和VAR模型、投影尋蹤模型等。綜上所述，國內外學者重點探討了農戶貸款信用風險的影響因素，研究方法也在不斷創新與發展，然而從農村商業銀行角度研究這一問題的文獻很少，研究方法也多集中于Logistic模型、模糊綜合評價法等。因此，在前人研究的基礎上，本文從農商行的角度出發，采用Probit模型對農戶貸款信用風險的影響因素進行實證分析。

三、農戶貸款信用風險影響因素的實證模型

（一）模型的選擇

（二）數據來源

本文的數據選自湖北農村商業銀行某支行的農戶貸款樣本，從信貸系統中隨機抽取230個樣本，根據研究需要對數據進行了篩選，剔除了關鍵數據缺失的樣本24個，剩下有效樣本206個。在這206個有效樣本中，貸款違約的有16戶，不違約的有190戶，違約率為7.8%。由于家庭總資產、家庭總負債、家庭年收入、貸款數額等一些變量的數值差異太大，為了避免誤差，本文參考了李正波等（2006）的處理方法，將變量標準化，即標準化后的數值等于（原數值-算術平均數）/該數值的標準差。

（三）變量的選取

影響農戶貸款信用風險的因素很多，本文借鑒了前人的研究成果，并考慮到數據的可得性，在建立模型時選用的解釋變量具體如表2。

1.農戶個人及家庭基本特征

包括戶主年齡、文化程度、家庭勞動力數、是否有子女上大學。戶主的年齡和文化程度對風險的態度和負債的承受能力等都有很大的影響。考慮到農村的實際情況，本文將勞動力數量界定為16至70周歲之間，在這個范圍內的勞動力都能為家庭帶來一定的收入，因此勞動力數越多，創造的收入就越多，還貸能力就越強。現在的農村家庭中有子女上大學已成為家庭的一大財務負擔，減弱了農戶的還款能力。

2.農戶家庭財富擁有量

包括家庭總資產、家庭總負債和家庭年收入。家庭總資產根據當地的實際情況，包括房產、農戶的固定資產以及其他耐用消費品的價值總和，這一指標能夠反映家庭的償債能力和抗風險能力；家庭總負債包括農戶在各銀行的貸款余額和農戶的民間借款，反映家庭的債務負擔水平和償債壓力；家庭年收入包括工資薪金收入、種養殖收入、外出務工收入和自營工商業收入等，能反映家庭未來的償債能力以及抗風險能力。

3.借貸特征

包括貸款利率、貸款期限、貸款數額、是否有擔保以及貸款用途，這些變量在一定程度上能夠反映風險的大小，有助于銀行工作人員對農戶是否能夠按時還款做預期估計以及提前采取風險防范的相關措施。

本文所選取的解釋變量與以往的研究者有所不同，主要原因：一是有的變量取值在本文中的差異并不明顯，如所處地區，本文的數據是由湖北省農村商業銀行某支行提供的，而非全國各地的農村商業銀行，因此從地域上看，沒有明顯的差異；二是本文的數據是從農商行的信貸系統中隨機調查的，而不是對所有農戶的問卷調查，所以有些因素未能納入考慮范圍，如農戶對農商行的熟悉程度和滿意程度、農戶的風險意識、農戶違約的內疚程度等，這些問題沒有通過對農戶的問卷調查是不能獲得有關數據的。

（四）相關假設

根據前人的理論和實證研究，結合相關實際情況，提出以下假設：

假設一：農戶個人及家庭基本特征變量：戶主年齡（X1）越大，貸款信用風險越小；文化程度（X2）越高，信用風險越小。戶主年齡和文化程度能夠反映該家庭的整體素質和穩定性，家庭的整體素質越高，穩定性越好，信用風險越小。家庭勞動力數（X3）越多，給家庭創造的收入就越多，信用風險越小；是否有子女上大學（X4）會影響家庭總支出，如果有子女上大學，家庭支出就會增加，信用風險就會相應地增大。

假設二：農戶家庭財富擁有量變量：家庭總資產（X5）會影響家庭提供抵押品的能力，總資產越多，信用風險越小；家庭總負債（X6）會影響家庭的償債壓力，總負債越多，信用風險越大；家庭年收入（X7）會影響家庭未來的償債能力，收入越高，信用風險越小。

假設三：借貸特征變量：貸款利率（X8）越低、期限（X9）越短、數額（X10）越少，農戶違約的可能性越小，信用風險越小；貸款是否有擔保（X11）會影響貸款的安全性，有擔保的貸款安全性較高，信用風險較小；本文將借款用途（X12）分為生產性貸款和消費性貸款，生產性貸款相對于消費性貸款更容易創造價值，變現能力更強，信用風險較小。

四、實證結果及分析

（一）回歸結果

本文運用Eviews6.0軟件進行回歸分析，得到如表3所示的結果。

從表3可以看出，該模型的R2為0.6，表明模型整體擬合程度良好；LR統計量為67.88，對應的P值為0，表明模型整體比較顯著；但是X1、X2、X7、X9、X10的統計量較小，伴隨著概率P值偏大，即戶主年齡X1、文化程度X2、家庭年收入X7、貸款期限X9、貸款數額X10對農戶貸款信用風險不具有顯著影響。

剔除不顯著的影響因素，對被解釋變量與變量X3、X4、X5、X6、X8、X11、X12重新進行回歸分析，得到結果如表4。

從表4可以看出，剔除了不顯著因素以后，模型的R2為0.54，表明模型整體擬合程度較好；LR統計量為60.91，對應的P值為0，表明模型整體比較顯著；調整后的各解釋變量均在5%的顯著性水平下通過了顯著性檢驗，表明變量的顯著性都非常高，能夠更好地解釋因變量。

（二）模型檢驗

對模型進行擬合優度檢驗，得到表5的期望預測。如果所估計的概率小于0.5，把它歸類到農戶貸款不違約組；如果所預測估計大于0.5，則歸類到貸款違約組。因變量取0即貸款不違約組共190個觀察值，其中188個觀察值和估計結果一致，僅有2個觀察值和估計結果不一致，分組恰當率為98.95%；因變量取1即貸款違約組，在16個實際觀察值中與估計值一致的有10個，不一致的有6個，分組恰當率為62.5%，綜合兩組結果模型的最終分組恰當率為96.12%。

將農戶的相關信息代入上述模型即可計算出農戶貸款違約概率。P值接近1，說明農戶貸款違約的概率大；P值接近0，則說明農戶貸款違約的概率小。

（三）結果分析

針對模型回歸結果，對影響農戶貸款信用風險的因素分析如下：

（1）戶主年齡，沒有通過顯著性檢驗，表明年齡對農戶貸款信用風險沒有顯著的影響，這與假設不符。戶主的年齡可以反映前期家庭財富的積累狀況和未來收入的可持續性，一般認為隨著戶主年齡的增長，抗風險的能力會越強，然而，實證結果并非如此。這個結果與孔榮等（2010）、張愛榮等（2013）的結論一致，他們認為戶主年齡對貸款違約的影響方向很難明確，而且其影響并不顯著。

（2）文化程度，沒有通過顯著性檢驗，說明文化程度高低對貸款信用風險影響較小。其原因可能為：一是當地農村的種養殖技術已經比較成熟，歷史比較悠久，多以種植柑橘和茶葉為主，農業技術已經被大部分農民所掌握；二是樣本中的農戶文化程度大部分（87.9%）為初中與高中，這階段的農民接受新知識，掌握新技能的能力相差不大。從這兩個角度看來，文化程度對信用風險的影響并不顯著，至于更深層次的原因值得繼續探討。

（3）家庭勞動力數，回歸系數為負，在5%的顯著性水平下通過了檢驗，表明該變量對農戶違約概率有著顯著的負向影響，與假設一致。隨著勞動力數的增加，給農戶家庭創造財富的能力會逐漸增強，于是家庭會有盈余的錢來償還貸款；另外湖北當地的農村是以種植柑橘和茶葉所得為家庭的主要收入，勞動力越多，種植和收獲的效果就會越好，創造的收入就越多，違約的可能性就會降低。

（4）是否有子女上大學，回歸結果顯示有子女上大學比沒有子女上大學的農戶違約概率大。一是因為農村家庭如果有子女考上大學，農戶會把大部分的家庭收入用來支付學費和生活費，如此用來償還貸款的金額就會減少，加大按期償還貸款的難度；二是因為有子女上大學家庭的勞動力數會減少，而且大學生在校期間也很少為家庭創造財富，這樣就給農戶償還貸款帶來困難。

（5）家庭總資產，回歸系數為負，在5%的顯著性水平下通過了檢驗，說明該變量對農戶貸款的違約概率有顯著的負向影響，與假設一致。資產水平高說明借款人提供抵押物能力強，如果借款人到期不能償還債務，貸款人有權通過處置抵押物來保障自身的權益，這樣就降低了信用風險。

（6）家庭總負債，回歸系數為正，在1%的顯著性水平下通過了顯著性檢驗，說明該變量對農戶貸款的違約概率有著顯著的正向影響，與假設一致。本文的家庭總負債主要包括農戶在各銀行的貸款余額和農戶的民間借款，農戶極有可能將農村商業銀行貸款用于償還家庭的民間借款，如此，農商行的貸款便不能在短時間內創造出剩余價值，進而影響農戶的還款可能性。

（7）家庭年收入，沒有通過顯著性檢驗，說明家庭年收入對農戶貸款信用風險的影響并不顯著，這與假設不符。收入水平會影響農戶的未來償債能力，進而影響貸款違約的可能性，但實證結果卻是沒有顯著關系，其原因可能是本文選取的是年收入而非年凈收入，家庭年凈收入比家庭年收入能更好地反映出未來的償債能力，但由于數據缺失過多本文剔除了家庭年支出這一變量，這樣可能使實證結果有些偏差。

（8）貸款利率，回歸系數為正，在5%的顯著性水平下通過了顯著性檢驗，表明貸款利率對農戶違約的概率有著顯著的正向影響，與假設一致。因為利率越高，產生的利息就會越高，每年的利息有可能會給農戶帶來比較大的負擔，造成農戶不能按約償還貸款。

（9）貸款期限，沒有通過顯著性檢驗。本文的樣本中貸款期限幾乎都是（99%）一年至三年，一年以內極少。從實際情況看，農業生產具有周期性，貸款少于一年的農戶回收投資的可能性比較小，樣本中的農戶貸款期限都長于一年，幾乎都可以回收投資用來償還貸款，從這個角度看，貸款期限對信用風險的影響并不顯著。

（10）貸款數額，沒有通過顯著性檢驗。本文選取的樣本中，農戶在農商行的貸款大多是小額貸款，很少有大額貸款，所以從這個樣本判斷，貸款數額與信用風險沒有顯著的相關關系，這與李正波等（2006）的研究結論一致。

（11）是否擔保，結果顯示貸款有擔保的農戶比沒有擔保的農戶違約概率低。樣本中的擔保多以第三人的財產或農戶自身的房產來擔保，在農村，人們很注重自己在鄰里間的信譽和聲譽，所以為了不破壞信譽，農戶還款的積極性會增強，故意違約的可能性會降低，這樣貸款違約的可能性也會降低。

（12）貸款用途，結果顯示生產性貸款的農戶違約概率相比于消費性貸款小。其原因可能是：生產性貸款能夠在短期內為農戶創造利潤，增強農戶的還款能力，從而降低違約概率；消費性貸款則沒有這一作用，大部分的消費性貸款被用來建房、裝修住房、辦理助學貸款等，這種貸款不會創造價值，所以相比于生產性貸款，消費性貸款違約的可能性較大。

五、結論和建議

本文根據湖北農村商業銀行某支行提供的樣本數據，運用Probit概率模型分析了農戶貸款信用風險的影響因素，實證發現：

（1）家庭勞動力數和家庭總資產與農戶貸款信用風險呈顯著的負相關關系，家庭總負債和貸款利率與其正相關。

（2）有子女上大學、貸款沒有擔保比沒有子女上大學、貸款有擔保的農戶貸款信用風險大，生產性貸款比消費性貸款的信用風險小。

（3）戶主年齡、文化程度、家庭年收入、貸款期限和貸款數額這些因素對農戶貸款信用風險不會產生顯著影響。

本文研究所得出的結論對農村商業銀行的農戶貸款信用風險評價及其經營管理的研究具有一定的借鑒意義。農村商業銀行在給農戶發放貸款時應重點關注以下兩個問題：

（1）認真做好貸款“三查制度”。貸前重點調查農戶家庭勞動力和是否有子女上大學，對于家庭有子女上大學的農戶，可考慮提供優惠的利率政策，延長其還款期限等。貸中審核，重點對農戶的家庭總資產、總負債和貸款擔保對象的真實性進行核實和調查，同時追蹤調查貸款的實際用途，對于消費性貸款的農戶，適當考慮限制貸款數額、期限等。貸后管理，及早發現和彌補尚未顯現的潛在風險，提高貸款質量。

（2）實施優惠的利率政策。在我國開放對農村商業銀行貸款利率管制的同時，農村商業銀行除獲得適當盈利外，可以考慮給予特殊農戶貸款以優惠的利率或降低貸款利率，減輕農戶貸款利息的壓力，積極做好支持“三農”工作，鼓勵農戶按期還款。

【參考文獻】

[1] 張云燕，王芳，羅劍朝.農戶正規信貸違約影響因素實證分析：以陜西省渭南市農村信用社貸款農戶問卷調查數據為例[J].經濟經緯，2013（2）：33-37.

[2] MAHJABEEN M. Micro-financing in bangladesh：impact on households，on consumption and welfare[J]. Journal of Polieodeling，2008，2（7）：1-10.

[3] 劉立研，李曉紅.農村信用社農戶貸款信用風險影響因素研究：以黑龍江省為例[J].安徽農業科學，2013，41（13）：6023-6025.

[4] 張愛榮，宋洪遠.貸款可得性影響因素研究：基于農戶和村鎮銀行的視角[J].農村金融研究，2013（3）：64-69.

[5] 李巖，趙翠霞，于麗紅.不同區域農戶貸款行為的影響因素分析：以連續6年農戶貸款面板數據為依據[J].金融理論與實踐，2014（5）：29-34.

[6] 孫翯，唐江.“因地制宜”開展農戶貸款的案例組分析[J].會計之友，2014（33）：62-65.