農業龍頭企業存在融資約束嗎
——基于云南省1854家企業調研數據的實證研究

張 超 張沐陽

(1.安徽財經大學 金融學院，安徽 蚌埠 233030； 2.昆明理工大學 管理與經濟學院，云南 昆明 650093)

一、引言

鄉村振興戰略是我國新時代經濟建設布局中的關鍵環節，是做好“三農”工作的總抓手。全面推動鄉村經濟發展，不僅是鄉村振興的需要，更是鄉村振興的基礎(張軍，2018)，因此要堅持農業農村優先發展，加快推進農業農村的現代化進程(姜長云，2018)。農業現代化發展需要社會各方力量共同支持，特別是有效的金融支持(顧寧 等，2013；邵嫻，2013)。然而，發展中國家普遍存在“金融抑制”現象，信貸資金往往會重點考慮投資于優先發展行業，進而導致其他行業或個體的融資需求難以通過正規金融途徑獲得滿足(Mckinnon，1973；Shaw，1973)。作為全球最大的發展中國家，我國金融資源配置的二元特征較為明顯，對弱勢群體存在顯著的金融排斥(呂勁松，2015)，農業經濟發展中的融資約束問題較為突出(何志雄 等，2015)。

農業龍頭企業是指通過利益聯結機制，將農產品生產、加工、銷售等環節有機結合，帶動農戶進入市場，形成合作經營模式，在規模和經營業績上達到相關規定標準的企業(劉克春 等，2011)。在我國建設現代農業、推進農業結構戰略性調整的過程中，農業龍頭企業尤其是農業產業化龍頭企業一直被作為重要的引領力量(姜長云，2013；劉克春，2015)。但由于農業的弱質性特征，中小微型農業企業和農戶融資難、融資貴以及金融服務缺失等問題長期存在(馬九杰 等，2013)。即便是農業龍頭企業，在種養殖技術革新、產品研究等關鍵環節，也都存在一定的融資約束(馬九杰 等，2012)。有鑒于此，探尋滿足農業龍頭企業融資需求的金融供給策略，不僅有利于企業融資環境的改善，促進農業經濟發展和農民增收，更有利于推動農村金融體制改革與發展，切實提高金融服務“三農”的水平。本文通過云南省農業廳調研組，以發放問卷的方式對云南省農村金融發展現狀以及1854家農業龍頭企業融資情況進行調查[注]本次調查是云南省農業廳對省內農業龍頭企業發展情況的摸底調查，于2016年2月正式發放紙質問卷，2016年3月底完成調查工作。本文基于此次調查的結果，重點對企業融資的相關情況進行分析。，在分析農業龍頭企業融資影響因素的基礎上，借鑒徐璋勇等(2014)、馬曉青等(2012)和張揚(2012)等的實證研究方法，運用Probit回歸模型進行檢驗，計算不同自變量的融資約束概率，并根據研究結論提出相應對策建議。

二、農業龍頭企業融資的影響因素分析

(一)企業規模

融資約束問題已成為制約我國經濟轉型的重要瓶頸之一(鄧可斌 等，2014)。一般來說，企業規模越小，融資約束越大，融資成本也越高(Whited et al.，2006)。中小企業融資難是一個世界性難題，規模較小是限制其融資能力的最重要原因(李俊江 等，2015)。負債經營的特點決定了銀行必須要嚴格控制風險，要求企業提供符合銀行要求的合格抵押品，而中小企業由于經營規模小、抵御風險能力差，銀行在面對其貸款需求時，往往會提出更高的要求。因此，中小企業在獲取銀行貸款方面遠比大企業困難(Beck et al.，2006)。Schiffer et al.(2001)根據世界商業環境調查數據，在對不同規模企業面臨的融資障礙差別進行驗證時，得出規模較小的企業面臨的融資障礙要遠遠高于規模較大的企業。譚之博等(2012)通過檢測企業規模對資金來源的影響，也發現中小企業的銀行貸款占總資產的比重比大型企業要低。實際上，大型農業龍頭企業除了通過銀行間接融資外，還可以依托資本市場直接融資，但中小企業能夠通過非信貸渠道獲得融資的屈指可數(李華民 等，2015)，因而中小型農業龍頭企業可能存在較大的融資約束。據此提出：

假說1：農業龍頭企業規模越大，融資約束越小。

(二)信息不對稱

信息不對稱導致的市場不完備，會讓企業面臨融資約束(Fazzari et al.，1987)。如果一個信貸市場存在信息不對稱，那么單純依靠利率機制將無法達到信貸市場“出清”的效果。農業的弱質性決定了農業龍頭企業相較于其他行業的龍頭企業在運營時風險偏高，收益更容易受到不可抗力的影響，進而可能產生較高的違約率，這也加大了農業龍頭企業獲得銀行信貸資金支持的難度。金融機構往往也會加大對農業龍頭企業的調查力度，增加了涉農貸款的成本。良好的信用能夠在一定程度上反映企業的核心競爭力，有助于金融機構更高效進行貸前盡職調查，提高企業融資能力。企業認證作為傳遞產品質量信號的重要途徑，能夠降低信息不對稱的程度，幫助企業更容易的獲得外部信貸融資，緩解融資壓力(范寒冰，2016；盧君生 等，2018)。農業龍頭企業等級(縣級、州市級、省級、國家級)的認證需要全面考察企業的多項指標，如企業自身發展規模(生產、交易、加工)、企業經濟效益、負債與信用、帶動能力、產品競爭力等。不同的認證等級能夠反映這些企業在發展規模、經濟效益、產品質量等方面的差異，而這些差異可能會對農業龍頭企業融資的難易程度產生影響。據此提出：

假說2：農業龍頭企業信用級別越高，融資約束越小。

假說3：農業龍頭企業認證等級越高，融資約束越小。

(三)外部金融環境

農業龍頭企業的發展離不開良好的農村金融環境，而良好的金融環境必須要由政府提供或者政府主導才最有效(徐全紅，2016)。盡管國家對農村金融機構有著較為明確的功能定位，但從實際來看，它們提供的服務卻大多與支持“三農”的功能相脫節。特別是農村信用社轉型為商業性銀行后，其合作屬性不復存在，功能定位難以明確。如果不同的金融機構可以根據自身定位提供相應的金融產品和服務，以滿足農業龍頭企業的融資需要，將會有效解決供需錯配問題。

近年來，為了引導貨幣資金回歸實體經濟，國家積極推進產融合作實踐工作，以期促進產業部門與金融部門的相互合作，提高金融服務實體經濟效率，助力供給側結構性改革(邢天添，2016)。企業與金融機構交流越頻繁，越有利于金融機構了解其生產經營的實際情況，在一定程度上會減少企業融資的成本和阻力。企業如果能夠主動向資金供給者傳遞能力信號，使自身與其他不符合條件的融資者區分開，有利于其獲得融資(宋華 等，2017)。據此提出：

假說4：農業龍頭企業接受或使用的金融產品和服務越多，融資約束越小。

假說5：農業龍頭企業與金融機構交流合作越多，融資約束越小。

三、實證分析

由于Probit模型具有良好的預測和判別功能，其因變量的存在形式可以為二分類以及多分類，相比普通多元線性回歸的限制較少，因而國內學者在進行相關因素分析時更傾向于運用Probit模型進行實證分析。本文借鑒徐璋勇等(2014)、馬曉青等(2012)和張揚(2012)等學者的研究成果，采用Probit回歸模型進行實證分析，設定模型形式為：y=F(x1,x2,x3，…，xk)，k為自變量個數。

(一)模型變量的設定

1.因變量

在調查農業龍頭企業融資情況時，設計問題“是否存在融資需求”。若企業存在融資需求，但無法通過銀行審核獲得抵押擔保資格，或由于存在金融政策支持落實不到位、金融市場發育不健全等情況無法獲得融資，設定因變量企業存在金融約束y=1，否則y=0。參考郭麗虹等(2012)的問卷設定方法，設計問題“企業是否存在融資缺口”對融資問題進行穩健性檢驗，當企業存在融資缺口時，因變量融資約束取值y=1，否則y=0。

2.自變量

基于對農業龍頭企業融資影響因素的分析，依據實際調研情況，本文設定五個自變量。

(1)規模變量。根據國家統計局2011年制定的《統計上大中小微型企業劃分辦法》，首先考慮以營業收入作為農業企業規模劃分的基本標準：企業營業收入低于50萬元為微型企業；50萬元至500萬元為小型企業；500萬元至20000萬元為中型企業；超過20000萬元為大型企業。營業收入扣除成本為企業的銷售利潤，銷售利潤大都與營業收入呈正相關關系。因此，本文將企業的營業利潤作為衡量企業規模的變量，并設定為多類別變量，按照銷售利潤等級劃分，變量值設定為1—5，銷售利潤等級越高，規模越大。同時，設定企業從業人數作為衡量企業規模的另一因素，進行穩健性檢驗，并同樣采用多類別變量，取值為1—3，從業人數等級越高，企業規模越大。

(2)信用等級變量。云南省1854家農業龍頭企業中，獲得A級以上信用等級的企業占總調查企業的77.35%。其中，獲得AAA級、AA、A和A級以下信用認證的分別有370家、671家、393家和32家，388家未獲得有關信用評級的認證。本文將企業的信用等級變量設定為多類別變量，AAA(或AA+等相當級別)虛擬變量取值為4，AA(或A+等相當級別)虛擬變量取值為3，A(或A-等相當級別)虛擬變量取值為2，A以下級別，虛擬變量取值為1，以此來考察信用對企業融資約束是否存在影響。

(3)認證等級變量。本文調查的1854家農業龍頭企業中，有97家未獲得有關認定，208家企業獲得縣級認證，978家農業龍頭企業獲得州市級認證(占比52.75%)，548家企業獲得省級農業龍頭企業認證(占比29.56%)，23家企業獲得國家級認證。在此，將企業的認證等級變量設定為多類別變量，國家級農業龍頭企業虛擬變量取值為4，省級農業龍頭企業虛擬變量取值為3，州市級農業龍頭企業虛擬變量取值為2，縣級農業龍頭企業虛擬變量取值為1。

(4)外部金融環境變量。本文在調查企業與金融機構互動情況中，設立了兩個問題來考察農業龍頭企業與農村金融機構互動合作情況。一是企業是否存在與一種或多種類型的金融機構合作；二是企業是否接受多種類型的金融產品或金融服務。本文將農業龍頭企業與多類型金融機構合作情況設定為多類別變量，僅與一種類型的金融機構合作取值為1，與兩種類型的金融機構合作取值為2，與三種或者三種以上的相關金融機構合作取值為3。設定多類別變量考察農業龍頭企業接受金融服務的相關情況，接受兩種或兩種以下金融產品或服務的取值為1，接受三種金融產品或服務的取值為2，接受三種以上金融產品或服務的取值為3。

(5)企業的行業變量。調查中發現農業龍頭企業主要從事種養殖業(724家)、農產品加工業(881家)、倉儲物流業(69家)及農產品專業市場(68家)等領域(存在部分企業同時從事種養業以及加工業)。不同經營類型的農業龍頭企業可能會存在融資難易程度的差別，如從事種養殖業的企業風險會大于從事倉儲物流業的企業，因而設定農業龍頭企業的行業二分虛擬變量，具體為：企業從事種養殖業，虛擬變量為1，否則為0；企業從事農產品加工業，虛擬變量為1，否則為0；企業從事倉儲物流業，虛擬變量為1，否則為0；企業從事農產品專業市場，取值為1，否則為0。行業因素在方程1中作為控制變量，減輕行業因素對企業融資約束干擾。

表1 模型變量設定

(二)建立Probit回歸模型

第一步，建立Probit回歸模型(方程1):

P(Financial constraint=1)= Φ(β0+β1Profit+β2Level+β3Credit rating+

β4Cooperation+β5Financial services)

(1)

第二步，建立Probit回歸模型(方程2)[注]本文假設農業龍頭企業經營僅從屬于4類行業，因此當Breeding=0,Manufacturing=0,Distribution=0時，Marketing=1。為避免變量間可相互解釋轉換導致模型估計不精確，方程中僅納入三種行業變量，Marketing作為間接變量可通過對其他三類行業賦值為0獲得。進行穩健性分析。其中，用融資缺口代替方程1中的融資約束；用員工人數替代方程1中的營業利潤，衡量企業規模；并加入行業變量，以觀測農業龍頭企業從事不同類型的經營活動時可能存在融資約束差異。

P(Financial gap=1)= Φ(β0+β1Staff+β2Level+β3Credit rating+β4Cooperation+

β5Financial services+β6Breeding+β7Manufacturing+β8Distribution)

(2)

四、實證結果

(一)描述性統計

基于變量基本特征的分析(見表2)，融資抑制變量以及融資缺口變量均值分別為0.7407和0.6693，表明調查的企業中多數存在融資困境。其中，74.07%的企業在融資時存在不同程度的阻礙，66.93%的企業存在融資缺口。企業營業利潤均值為1.5485，多數企業營業利潤為500萬元～1000萬元。員工規模均值2.3649，企業人員規模普遍偏小。企業信用等級均值與認證等級均值分別為2.2251和2.3246，企業信用以A+、AA+級居多，企業級別以州市級、省級居多。企業與金融機構合作變量均值為1.6437，企業接受或使用的金融產品和服務變量均值為1.4478，說明多數企業至少與一類金融機構存在業務往來，并至少接受或使用了一種金融產品或服務。

表2 變量數值分布基本說明

(二)實證結果分析

基于方程1的實證結果(見表3)，企業規模變量(以營業利潤衡量)、企業信用等級變量、金融產品或服務的接受或使用變量顯著為負，說明企業規模越大、信用等級越高、使用的金融產品或者服務種類越多，受到的融資約束越小，即假設1、假設2和假設4均得到了驗證。

表3 融資約束(抑制)與相關特征變量關系

實證結果顯示企業的認證等級變量以及銀企合作變量顯著為正，與假設3以及假設5相悖。實證結果與假說相反的主要原因可歸納為兩點：一方面，雖然農業龍頭企業與多家銀行存在業務活動，但銀行嚴格遵守審慎經營的規則，并不會因為存在過借貸關系而提高貸款額度或降低貸款標準，這就使得企業原本存在的融資約束不會有太大改進；另一方面，在信息不對稱的情況下，銀行更看重的是能夠直接反映企業基本情況并能作為貸款依據的信息，對企業認證等級這一指標并不十分關注。

運用方程2進行穩健性檢驗，實證結果見表4。

表4 融資約束(缺口)與相關特征變量關系(穩健性分析)

從表4的實證結果可以看出，以從業人數作為衡量企業規模的統計變量系數顯著為負，說明企業規模越大，企業的融資約束越小，與方程1得到的實證結論一致。衡量企業信用等級、金融服務的自變量系數均顯著為負，衡量銀企合作情況、企業認證等級的自變量系數均顯著為正，因此，方程1、方程2實證結果均驗證了假說1、2、4，否定了假說3、5。方程2將行業變量納入融資因素考慮范圍，實證結果表明種養殖業、農產品加工業、倉儲物流業自變量均未通過顯著性檢驗，主要原因可能在于農業龍頭企業雖然經營不同的農業活動，但是均會受到農業弱質性特征的影響，經營活動存在風險性、季節性和周期性，因而從事不同農業經營活動的主體，在融資約束方面差異可能較小。

(三)融資約束概率的測算

通過將融資影響因素的相關自變量帶入方程1，計算不同的自變量[注]這里的自變量均通過顯著性檢驗，未通過顯著性檢驗的自變量已被剔除。最大值是指多類別變量取最大值以及二分虛擬變量取值為1時的情況；最小值則為多類別變量取最小值以及二分虛擬變量取值為0時的情況。融資約束概率差異是自變量取最大值的融資約束概率減去自變量取最小值時的融資約束概率。取值帶來的融資約束概率的差異。

表5 融資因素變量與融資約束的概率值

從表5可以得出，以營業利潤為指標衡量企業規模變量時，規模較小的企業相比于規模較大的企業，融資約束概率要高出14.48%，即規模的適度擴大、運營實力的提升及營業收入的增加將有利于企業獲得融資。而信用較差的企業要比信用較好的企業的融資約束概率高出16.69%，反映出信用等級的提高能夠有效減少銀企之間由于信息不對稱原因所造成的融資障礙。此外，較少使用金融產品或服務的企業的融資約束概率，要比較多使用的企業高出4.93%，因而多樣化的金融產品和服務能夠緩解企業的融資困境。

五、結論與建議

本文基于對云南省1854家農業龍頭企業融資情況的問卷調研，并運用Probit模型進行實證分析，得出以下三點結論：一是企業的規模越大，融資約束越小；二是企業的信用等級越高，融資約束越小；三是金融產品或者服務的種類越豐富，企業融資約束越小。農業龍頭企業的發展離不開良好的融資環境，十九大報告中更是明確提出要增強金融服務實體經濟的能力，因而，在加強企業自身建設的同時，政府應不斷規范農村金融市場，支持相關金融機構創新服務和產品，切實解決農業龍頭企業的融資約束問題。

一是以創新驅動農業龍頭企業轉型升級發展，轉變農業企業的傳統形象，走綠色生態農業、環保農業之路。政府應協同農業龍頭企業制定創新發展戰略，充分利用“互聯網+”帶來的信息、技術和資金等方面的優勢，明確轉型升級方向。如促進種業龍頭企業與科研院校合作的廣度和深度，加快種業創新發展等。農業龍頭企業的轉型升級對農業供給側結構性改革具有重要意義，有利于農業龍頭企業進一步做大做強，有利于突破融資約束。

二是依托大型農業龍頭企業，建設現代農業產業園，延展產業鏈條，吸納更多農戶和不同規模的農業企業。此外，還要建立鏈內的信息共享平臺，實現價值鏈上各參與主體的信息透明化。大型農業龍頭企業的信用等級相對較高，產業鏈條的拉長有利于企業信用等級的進一步提升，從而為其外部融資提供便利；鏈條內的中小型企業，在外部融資受阻的情況下，則可以選擇鏈內融資的方式。

三是推進農業產融結合。現代農業的發展為農業和金融的深度融合提供了契機，而農業龍頭企業金融需求的升級，也亟待金融機構服務和產品的創新。中國工商銀行和中國農業銀行等商業銀行已經在農業產融合作的道路進行了有益的探索；全國中小企業股份轉讓系統(新三板)的建立，更是為農業龍頭企業進行新型權益性融資提供了有效通道；“螞蟻金服”2016年底啟動的農村金融戰略，則提供了“融資+保險+農業”三位一體的產融結合新思路。

此外，政府要發揮財政資金支持農業發展的導向功能，引導金融機構信貸資金向農業產業配置；同時，應建立相應的風險補償和鼓勵機制，降低金融機構對涉農資金支持的風險顧慮，有效緩解規模較小的農業龍頭企業面臨的融資難困境。