農戶信貸違約特征影響因素研究※

姚宇韜 王躍堂 張潤馳

內容提要：農業經濟發展與農戶生活水平的提高，離不開農村金融機構的資金支持。然而近幾年來，農村信用社的貸款信用風險不斷積累并爆發。防范農戶的貸款信用風險，首先需要明確識別農戶信貸違約特征的諸多影響因素。基于2017年4月至2018年6月間1356份宿遷地區某農村信用社已到期的短期小額貸款歷史信貸記錄，研究了我國農戶信貸的違約特征影響因素。研究發現：貸款額度越高、存在擔保、申請人為女性、家庭負擔越重、申請者健康狀況越差、受教育水平越低、年收入越高、貸款期越長、實際貸款利率越高，貸款者的違約概率越高。此外，貸款額度越低、健康狀況越差、年收入越高，貸款者的違約損失率越高。

一、 引 言

農業經濟發展與農戶生活水平的提高，離不開農村金融機構的資金支持(黎和貴，2009；余新平，2010)。然而近年來，我國農村金融體系中出現了一種愈演愈烈的“怪現象”：一方面，廣大農戶面臨著融資難、融資貴的問題，有相當多的農戶和農村企業的融資需求沒有得到滿足；另一方面，我國農村商業銀行及農村信用合作社近年來的不良貸款余額與不良貸款率指標不斷出現雙升，如貴陽農商行不良貸款率從2016年末的4.13%激增至19.54%，河南修武農商行2017年末不良貸款率達20.74%，山東鄒平農商行被東方金誠下調主體信用評級……

信用風險(Altman，1997；Acharya，2005)是指獲得信用支持的債務人不能遵照合約按時足額償還本金和利息的可能性。當前農村金融機構無法準確而恰當地判斷貸款農戶的真實信用風險水平，是造就上述現象的本質原因。農村金融機構在過去錯判了一部分高風險貸款農戶的信用風險水平，為其發放了貸款，導致今日的不良貸款激增；同時又由于難以判斷另一部分貸款農戶的真實信用風險水平，出于謹慎只能選擇惜貸或不貸，或通過制定高利率以抵補貸款農戶的信用風險，這又導致了農戶融資難與融資貴的問題。因此，有效識別農戶的信用風險，是解決上述各項問題的關鍵。

有效識別農戶的信用風險，首先需要明確農戶信貸違約特征，如違約概率，違約損失率的諸多影響因素。近年來，一些學者對這一問題及相關問題展開了若干研究。

趙巖青(2007)認為農戶聯保貸款難以發揮應有作用，楊宏玲(2011)指出當前農村金融機構在構建農戶信用評價指標體系時，所采用的方法主要以“5C”或“4C”分析法為主，方法比較單一。賴永文(2012)基于福建省部分地區農戶調查數據，研究了影響農戶信用的主要因素。研究結果表明農戶的年齡結構、職業特征及家庭經濟狀況對其貸款違約有直接影響，同時農戶信用觀念不強也是產生違約的重要原因。蘇治(2014)運用二元選擇模型對2012年吉林省農戶正規金融信貸記錄進行了實證檢驗，結果顯示：中國農村信貸市場中農戶違約行為動機包括主動性違約與被動性違約，且以被動性違約為主導。正規金融機構對農戶被動違約動機因素的信息失控以及對主動違約動機因素的信息非對稱，根本上決定了中國農村信貸市場的內生性特征。李慶海(2018)基于2013年蘇魯兩省農戶調查數據，考察和比較了正式和非正式社會資本對農戶信貸違約的影響及其差異，研究發現正式社會資本對農戶信貸違約具有顯著抑制作用，而非正式社會資本具有顯著激勵作用。

總體而言，現有相關研究在數量上相對較少，同時上述研究要么主要基于調查問卷數據或小樣本歷史信貸記錄展開，缺乏基于真實較大樣本歷史信貸記錄的實證證據；要么所用樣本的年代較為久遠，其研究結論對新時代背景下、新經濟形勢下、新農村金融環境下的實踐指導意義有待商榷；要么僅僅對違約概率的影響因素進行了探索，而缺乏對違約損失率影響因素的進一步關注。

相比之下，本文研究的創新之處主要在于：① 基于宿遷地區近一年的當地農戶小額短期貸款信貸記錄展開研究，樣本規模相比于現有研究文獻相對較大，因此研究結果更具可信性與現實指導意義；② 不但研究了農戶違約概率的影響因素，也研究了農戶違約損失率的影響因素，相比于現有研究，覆蓋面更廣。

本文剩余章節安排如下：第二節對研究所用數據進行簡單的說明及描述性統計展示，第三節闡述模型的構建方法，第四節展示了研究的實證結果，對實證結果進行詳細的分析，并對實證結果的經濟含義進行了分析與探討，第五節為本文研究結論的總結，同時也提出一些有較高可行性的政策建議。

二、 研究樣本及描述性統計

本文研究所用的數據集來自江蘇宿遷地區的某農村信用社，數據集搜集了2017年4月至2018年6月間，該信用社面向農戶個體發放的已到期一年期短期小額貸款的歷史信貸記錄，共含1356份無缺失值的樣本，其中違約樣本133份，未違約樣本1223份，樣本規模相比于現有文獻較大。

數據集中包含的可用指標主要有：該筆貸款額度、貸款是否存在擔保、貸款者性別、貸款者年齡、貸款者婚姻狀況、貸款者受教育情況、貸款者貸款時健康狀況、貸款者過去一年的年收入、貸款期月數、該筆貸款的實際利率以及貸款的欠息情況。

其中，貸款額度指標反映了各筆貸款的實際額度，單位為元；是否存在擔保指標為0-1二值啞變量，揭示了各筆貸款在申請時是否存在擔保人，存在擔保人則取值為1，否則為0；性別指標為0-1二值啞變量，反映了貸款者的性別，其中男性為0，女性為1；年齡指標反映了貸款發生時貸款者的年齡，為連續型變量；婚姻狀況指標為0-3多值離散型變量，體現了貸款者在借款時的婚姻狀態，其中未婚為0，已婚為1，離異且無子女為2，離異且有子女為3；教育指標為0-9多值離散型變量，反映了貸款者的受教育程度，其取值越大，表明受教育程度越高，反之亦然。由于數據脫敏的原因，我們無法獲知各取值具體的含義；健康狀況,0-2二值啞變量，反映了貸款者在借款時的身體狀況，其中健康由0表示，不健康由2表示；年收入指標反映了貸款者過去的收入狀況，為連續型變量，單位為元；貸款月數指標測算了各筆貸款的實際持續月數，實際利率指標則測算了該筆貸款的持有人實際承擔的貸款利率，單位為百分比。

表1首先對上述各項指標進行了描述性統計，列示了各指標的極小值、極大值、均值、標準差及其偏度、峰度的統計量與標準差，統計使用SPSS 20.0軟件完成。

由表1可以發現，當地小額貸款農戶的貸款額度均未超過50000元，且貸款額度指標的均值為22262.95，大多數貸款個體的貸款額度相對較低。同時，大多數貸款都存在著還款擔保，是否存在擔保指標的均值為0.795404，明顯大于0，這一現象有可能表明在當地農戶的生活環境中，親戚、鄰里之間相互信任的程度更高，貸款者較容易找到擔保人，亦有可能反映了當地的農村信用社要求大多數信用狀況不明朗的借款申請者提供借款擔保人，否則不予貸款。

性別指標的均值為0.423165，表明當地貸款者中男性占據了大多數，同時貸款者的性別差異并不十分明顯。年齡指標分布在18-85之間，均值為45.07，且同時偏度為-0.31327，表明均值左側的樣本較多，意味著大多數貸款者為年富力強的中年人，年輕人和老年人相對較少。婚姻狀況指標的均值為0.569866，分布在0與1之間，表明大多數貸款者為未婚或已婚者，離異者相對較少。同時均值略微超過了0.5，表明已婚貸款者的數量稍占優于未婚貸款者。

受教育情況指標的均值為1.724178，在0-9的取值選擇中相對處于較低位，這表明大多數貸款農戶的受教育程度較低，高學歷農戶貸款者的數量較為稀少，同時標準差為2.11，意味著不同貸款者的受教育水平也存在一定程度的差異。健康狀況指標的均值為0.363545，相對于2更接近于0，同時偏度指標為1.650331，表明大多數貸款者的健康狀況是較好的，但也有一定數量身體狀況欠佳的貸款者。

表1 描述性統計表

年收入指標的均值為42682.74，且最低收入貸款者的收入水平為5000元，而最高收入水平為650000，表明當地不同農戶的收入間存在較大的差異，同時偏度指標為15.43398，表明多數樣本在均值右側，意味著總體而言農戶的平均收入依然相對較低，但大多數農戶已不再處于收入較低的狀態，同時高收入者雖存在但數量寥寥。貸款月數指標的均值約為11.81，表明大多數貸款者的借款時長接近一年期，同時也存在一些短期貸款，拉低了借款時長的平均值。

在農戶貸款實際承受的還款方面，實際利率指標的均值高達8.20256%，且最高利率達14%，同時偏度為1.348031，意味著均值右側有較多樣本，表明當地大多數農戶承受的貸款利率是相對較高的，這無疑加重了借款農戶的還款負擔。同時實際利率指標的標準差為3.316354，相對較高，暗示了當地的農村信用社會根據不同貸款農戶的實際信用狀況，有區別地制定貸款利率。

最后，對于貸款的欠息情況指標，我們從中衍生出兩個新指標：貸款違約概率和違約損失率。從貸款個體的角度而言，其真實違約概率事實上是不可觀測的，能觀測到的僅有該個體是否違約，故對于違約個體樣本，我們令其違約概率指標取值為1，而對于未違約個體樣本，令其違約概率指標取值為0。對于違約損失率指標，未違約個體的違約損失率直接賦值為0，同時對于違約個體，通過公式：違約損失率=欠款欠息金額/貸款總額，直接計算得到。

三、 實證模型的構建

本文參照現有文獻的做法，選擇多元線性回歸模型進行實證模型的構造。多元線性回歸模型結構簡單，同時不用另設額外的模型參數，具有較好的建模客觀性，同時其結果的說服力較高。

首先明確構建模型需要使用的各指標變量(向量形式)：

被解釋變量：違約概率(PD)，違約損失率(LGD)

解釋變量：貸款額度(amount)、是否存在擔保(guarantee)、性別(sex)、年齡(age)、婚姻狀況(marriage)、教育(education)、健康狀況(health)、年收入(income)、貸款月數(months)、實際利率(interest)

進而分別構建違約概率的關聯模型：

PD=β0+β1×amount+β2×guarantee+β3×sex+β4×age+β5×marriage+β6×education+β7×health+β8×income+β9×months+β10×interest+μ

(1)

與違約損失率的關聯模型：

LGD=β0+β1×amount+β2×guarantee+β3×sex+β4×age+β5×marriage+β6×education+β7×health+β8×income+β9×months+β10×interest+μ

(2)

其中，方程(1)使用全樣本(即包括了所有違約樣本和未違約樣本)進行估計，而方程(2)僅使用所有違約樣本(違約損失率不為零的樣本)進行估計，從而避免在回歸過程中含有過多的違約損失率為零的未違約樣本對回歸結果的影響。使用SPSS 20.0軟件進行模型的參數估計，得到各方程中β0,β1,…,β10的估計量。

四、 實證結果及分析

表2首先展示了方程1的參數估計結果，分別列出了各參數的回歸系數、標準化后的回歸系數(由于一些指標的量綱較大，其回歸系數接近于0，需要對其進行標準化以便與實際的0值進行較好的區分)、t統計量與顯著性檢驗結果。

表2 違約概率關聯影響因素表

由表2可以發現，除年齡指標回歸系數的t檢驗結果不顯著外，其余指標均通過了不同精度的顯著性檢驗。具體地，貸款額度、是否存在擔保、性別、婚姻狀況、教育、年收入與實際利率指標均在1%的顯著性水平上顯著，同時貸款月數指標在5%的顯著性水平上顯著，健康狀況在1%的顯著性水平上顯著。

具體分析，貸款額度指標的標準化系數大于0，表明貸款的數額越大，違約的可能性也越高，這一點與違約邏輯較為符合：貸款數額越大，往往也意味著還款的本金與利息數額越高，從而還款壓力增加，故違約概率提高。同時，是否存在擔保指標與違約概率的關聯性也顯著為正，即存在擔保的貸款者反而有較高的違約概率，對此我們認為：第二節描述性統計部分的研究發現，數據集中的大部分貸款者都存在擔保者，這可能并非是由于當地借款農戶都有極好的信用水平及社會關系，從而容易找到擔保者，而是由當地農村信用社的相關政策導致的現象：對于信用水平不是很好的貸款者，當地農村信用社可能會要求其必須提供擔保者，否則拒絕授予貸款。在這一情形下，信用水平較高的貸款者，往往不需要提供擔保人即能獲得貸款，而提供了擔保人的貸款者，卻反而是信用水平不佳的，這解釋了為何存在擔保的貸款者的違約概率反而更高。

性別指標的標準化系數為正，即女性貸款者相比于男性，在某種程度上信用風險更高。據此我們認為：由于我國大城市吸收農村地區各種資源的效應客觀存在(梅金平，2002；Zhai，2015)，我國大部分農村地區的青壯年勞動力紛紛選擇進城打工，而留在農村地區的大多是缺乏勞動力的留守婦女與兒童。因此，女性貸款者在某種程度上可能大多是因缺乏生活所需資金而進行借款，這類性質的貸款者往往缺乏還款能力，從而導致違約概率較高。

婚姻狀況指標的回歸系數亦顯著為正。由于婚姻狀況指標的取值含義按從小到大分別為未婚、已婚、離異且無子女、離異且有子女，因此正相關意味著家庭負擔越重的貸款者，其借款違約概率越大。教育與健康狀況兩個指標的回歸系數均顯著為負，表明教育程度越低、身體越不健康的農戶，其違約概率越高，這與違約邏輯相符：因受教育程度低而導致的信用意識淡薄，削弱了對應貸款者的還款意愿，而因身體健康狀況不佳而導致的貸款者勞動能力下降，也削弱了對應貸款者的還款能力。

年收入指標與違約概率顯著存在正向的相關關系，根據常識，高收入的貸款農戶應當有較強的未來現金流獲取能力，從而違約概率應當下降。對此我們認為：高收入的貸款者往往應當有較大數量的自有儲備資金，故借款的可能性應當較低。而許多高收入農戶的收入，并非通過經營傳統的農林漁牧業基本生產活動獲得，而是來源于風險相對較大的農業企業經營，因此貸款實際還承擔了較大的企業經營風險，從而高收入的農戶往往暗示了其企業主的身份，反而因承擔的經營風險較大而導致違約概率較高。

最后，貸款月數指標與違約概率呈顯著正相關，即貸款期越長，違約的可能性越大。同時實際利率指標與違約概率亦存在顯著的正向關系，對此我們分析：一方面，貸款利率越高，借款農戶的還款負擔也越重，從而違約概率也越高；另一方面，農村信用社往往根據不同貸款者的估計信用風險水平確定其對應的貸款利率，高貸款利率往往會針對高信用風險的貸款者設定，因此高信用風險的貸款者有高違約概率也就不足為奇了。

表3進一步展示了方程2的參數估計結果，同樣分別列出了各參數的回歸系數、標準化后的回歸系數、t統計量與顯著性檢驗結果(由于是否存在擔保這一指標，在所有違約樣本中都取值為1，故該指標最終未進入回歸模型)。

表3 違約損失率關聯影響因素表

由表3我們首先發現：就影響違約樣本違約損失率的各指標回歸結果而言，僅有貸款額度、健康狀況、年收入三項指標的回歸系數顯著，其中貸款額度指標在1%的顯著性水平上顯著，健康狀況、年收入兩項指標在10%的顯著性水平上顯著，其它指標的顯著性均未通過檢驗。

具體分析，標準化的貸款額度指標回歸系數為-0.383，即貸款額度越低，違約后的違約損失率越高。從貸款額度與用途的關聯角度分析，中大規模貸款的用途可能主要集中在生產與經營類活動中，只要生產經營活動有所盈利，這類貸款的違約風險就會相對較低。而對于小額貸款，其用途大多是生活所需資金周轉，其貸款主體往往是缺乏收入來源的鄉村地區留守人員。同時，信用較差的貸款農戶，往往也只能獲得額度較少的貸款，因此貸款額度在某種程度上也可看作是貸款農戶信用風險水平的一個度量指標。綜上，小額貸款違約損失率更高。

健康狀況指標與違約損失率正相關，即健康狀況較差的農戶，其貸款違約后對農村信用社造成的損失程度越高。從還款能力的視角分析：農戶主要通過體力勞動的付出獲取財富，進而用以償還貸款及其利息。而身體健康狀況不佳的農戶相比于身體健康的農戶，難免會存在一定程度的勞動力水平不足問題，進而間接地因生產力水平低而導致勞動的收入不高，從而削弱了還款能力，最終導致違約后的違約損失率較高。

年收入指標與違約損失率呈現正向的顯著關聯，其與違約概率之間的關聯性一致，表明高收入的借款農戶不但違約概率較高，違約后的違約損失率也較高，我們同樣從借款需求角度進行分析：高收入的貸款者往往應當有較大數量的自有儲備資金，故借款的可能性應當較低。而許多高收入農戶的收入主要來源于農業企業經營，風險相比于傳統農業活動更高，因此貸款實際還承擔了較大的企業經營風險，從而高收入的農戶往往隱含了其企業主的身份，反而因承擔的經營風險較大而導致違約損失率較高。

五、 結論及政策建議

本文的研究發現：貸款額度、貸款是否存在擔保、性別、婚姻狀況、教育、年收入與實際利率指標均在1%的顯著性水平上與違約概率存在顯著關聯，同時貸款月數指標在5%的顯著性水平上與違約概率存在顯著關聯，健康狀況在1%的顯著性水平與違約概率存在顯著關聯。此外，貸款額度指標在1%的顯著性水平上與違約損失率存在顯著關聯，健康狀況、年收入兩項指標在10%的顯著性水平上與違約損失率存在顯著關聯，其它指標均未通過顯著性檢驗。

就各指標對農戶貸款違約概率與違約損失率的影響方向而言，貸款額度越高、存在擔保、申請人為女性、家庭負擔越重、申請者健康狀況越差、受教育水平越低、年收入越高、貸款期越長、實際貸款利率越高，貸款者的違約概率越高。此外，貸款額度越低、健康狀況越差、年收入越高，貸款者的違約損失率越高。

結合上述研究發現，我們進一步給出若干切實可行的政策建議：

(1) 農村信用社在進行貸前審核時，應當盡可能地審核貸款農戶的實際貸款需求，并恰當地評估貸款農戶的真實還款能力。對于將被用于風險較高的農村企業經營活動的貸款需求、生活負擔較重、還款期較長、缺乏充足勞動力與足夠收入來源的貸款者，應當審慎進行貸款的審核及貸款利率的制定，進而使信貸決策與實際信用風險相匹配。

(2) 高利率是導致借款農戶違約的重要因素之一。農村信用社應當積極響應當局金融支農與防范系統性金融風險的號召，在信用風險水平合理、可控的前提下，適當降低為信用水平較好的農戶設定的貸款利率，在為貸款農戶降低還款壓力之余也能提高貸款的償還率，從而降低潛在的信用風險。

(3) 當代農村信用社要進一步提高信用風險管理水平。由于農戶貸款具有貸款主體多而分散、缺乏抵押物、缺乏穩定收入、審核的人力物力資源成本較高等特征，因此可以嘗試通過研究、構建并應用自動化的信用評估模型對貸款農戶的真實信用水平進行低成本、高精度的評估。此外，也應當根據不同經濟形勢與經濟環境，定期調整模型的參數設定，從而提高模型的適用性。

(4) 農村信用社與金融當局應當加強對農戶信用意識的教育培養與政策宣傳，讓農戶切實理解信用的概念與涵義，明確貸款違約會造成的各種不良后果。通過營業網點全面的海報宣傳、印制并分發簡單易懂的信用知識手冊、對守信與失信典型事例的恰當宣傳，為農戶們培養充分而全面的信用意識，讓農戶們充分認識到恪守信用對個人信用記錄的維護與獲取未來貸款的重要作用，從而促使并激勵當地農戶提高信用意識，進而在未來的貸款活動中提升還款意愿。