農戶選擇土地產權抵押貸款融資意愿研究
——基于多元有序Logistic模型

薛寶飛，鄭少鋒

(西北農林科技大學 經濟管理學院，陜西 楊凌 712100)*

一、引 言

隨著新農村建設不斷推進，農戶的金融需求也呈現出層次性、多元化趨勢并且需求總量不斷攀升，但是農戶貸款難問題始終是制約農村社會健康穩定的關鍵因素。2013年中央一號文件明確指出，要不斷改善農村金融服務，創新符合農村特點的抵(質)押擔保方式和融資工具，從而建立多種形式的農業信用擔保體系。為了緩解“貸款難”和“難貸款”的問題，甘肅隴南、臨澤、涇川等地進行了“三權”抵押融資試點，探索土地承包經營權抵押貸款新模式，推動農村產權抵押融資制度化、規范化，促進農村融資環境改善和農村經濟社會快速發展。其它地區也在進行農村產權抵押的大膽嘗試。陜西省高陵縣建立了西北首家農村產權交易平臺，通過GPS定位為農戶財產進行確權；楊凌示范區和四川省成都市則通過農村土地經營權、建設用地使用權等進行抵押融資；重慶市不斷完善地票交易機制，對農村產權進行確權登記并成立了農村土地交易所。相比較于前幾種模式，甘肅隴南的“土地承包經營權抵押”模式優勢體現在土地流轉合作社和農戶之間的互相擔保，在一定程度上規避了法律風險、降低了銀行信貸風險，同時由于貸款農戶的土地承包經營權只采取轉包和出租的形式，原則上農戶不會失去土地承包經營權，確保了農戶的基本生活保障。

在土地產權抵(質)押方面，學術界所持態度褒貶不一，有的認為農村土地經營權的轉讓與土地集體所有制不矛盾，轉讓會不斷優化農地資源配置，從而實現規模化經營，最終達到農戶財產性收入和經營收入雙重增收的目的[1，2]；通過建立農業合作經濟組織或者以土地承包經營權為抵押的相關農村金融制度，可以有效化解農戶貸款難的問題，緩解農村地區資金“瓶頸”現象[3-5]。有的卻認為目前農村土地承包經營權流轉存在“非自愿、非規范”的情況，不利于真正維護雙方的合法權益；農村土地抵(質)貸款經過多次土地流轉，會導致農戶失地和抵押貸款懸空的危險[6-8]。

在實證方面相關研究較少，有學者通過公式推導認為，我國農地承包經營權市場流轉總體上呈現出需求大于供給的不均衡趨勢[9]；通過相關模型分析出農村資金需求量大，但農戶的參與意愿明顯高于參與行為，且其自身行為態度直接影響農戶的參與意愿[10]；農民由于缺乏抵押物而無法進行融資，因此，土地承包經營權抵押貸款試點應在非農收入與家庭收入水平高的農戶中進行[11，12]。

從已有文獻來看，由于農村土地產權不明晰，學術界對產權抵押融資褒貶不一，主要的分歧在于土地流轉是否有助于資源的優化配置。然而，無論哪一方面都沒有從實證角度給出相關證明。目前的實證研究肯定了土地產權流轉能夠增加農戶貸款的可獲得性，但這也是從地區甚至全國宏觀層面對其進行分析。由于農村各地區的經濟發展水平、資源稟賦等都呈現出較大差異，很難從整體上對農戶土地產權抵押貸款進行準確判斷，因此從微觀層面，尤其是農戶方面對某一地區特定的土地產權抵押模式研究就更有價值。甘肅隴南的土地承包經營權反擔保貸款作為近兩年來一種新興的抵押模式，由于兼顧多方效益，實施以來取得了較大的成效。那么，當地的農戶對這類抵押模式評價如何？又有哪些因素促進和阻礙農戶的貸款意愿？鑒于此，從農戶的角度出發，運用多元有序Logistic模型研究貸款意愿有助于更好地修正和完善這種抵押模式，從而進一步緩解農民貸款難問題。

二、研究方法與理論模型

(一)研究方法

Logistic分析廣泛地用于因變量為二分類變量的回歸模型，它采用極大似然法求解回歸參數，通過概率值進行整體檢驗，P表示事件發生概率，(1-P)表示事件不發生概率[13]。本文的因變量指標為農戶進行土地產權抵押貸款融資的意愿度，是一個概率值并且為五個離散變量指標，在進行模型回歸前需轉化為虛擬變量，因此，選用多元有序Logistic模型能夠很好地測量變量之間的關系。

(二)理論模型

采用多元有序Logistic模型來考察農戶選擇土地產權抵押貸款融資的意愿，把意愿因素分為非常不愿意、不愿意、一般、愿意和非常愿意。可見農戶選擇土地產權抵押貸款融資不是一個連續變量，在借鑒黃祖輝(2006)和李劍(2012)[14，15]模型的基礎上把因變量的取值限定在[1,5]，分別把因變量賦值為：非常不愿意=1，不愿意=2，一般=3，愿意=4，非常愿意=5。

假設μij表示第i個農戶選用第j種策略的效用，當μij>μiλ(j≠λ)時，追求效用最大化的農戶會選擇第j種策略，此時，第i個農戶使用第j種策略的概率為：P(Yi=j)=P(μij>μik)，假設j種類型相互獨立且服從同樣的威布爾分布，即F(ε)=exp (eε)，則第i個農戶選擇第j種策略的概率為[14，15]：

(1)

i=1,…,162;j=1,2,3,4,5

Logistic回歸分析的中心概念即是Logit，它是發生比的自然對數，發生比為：p/(1-p)，即某事件出現的概率與不出現的概率之比，本文具體表現為農戶選擇土地產權抵押貸款融資的意愿和其它融資意愿的概率之比。由于發生比不是線性模型，因此取其自然對數就可轉換為相應的線性方程式[13]：

Logit(p)=Ln[p/(1-p)]=f(x)

(2)

Logistic模型的具體形式如下：

(3)

γ=1，2… ；i=1,…,162

根據Logistic變換的定義有：將式(3)代入式(2)，則第i個農戶選擇土地產權抵押貸款融資意愿第j類發生的概率如下：

(4)

其中，i代表農戶樣本，j代表農戶選擇土地產權抵押貸款融資的意愿類別，xγi為影響第i個農戶選擇土地產權抵押貸款融資意愿的第γ個相關變量，βγ為影響變量估計參數，θ為相關影響變量的個數。

三、數據來源與計量分析

(一)數據來源

數據來自于課題小組2017年7月對甘肅隴南四個村莊的農戶進行的隨機抽樣問卷調查，調研共發放190份問卷，回收有效問卷162份，有效率為85.26%。樣本的選擇具有較強的代表性，特征分布如表1所示。

(二)計量分析

1.自變量的選取。自變量來自于課題小組的調研問卷選項，為了盡可能地分析各指標間的關系，采用探索性因素分析，初步選取問卷中的41個指標，并對其做最初的適合性檢驗，其中KMO=0.551，由于值較小不適合進行因素分析，對41個指標進行逐步刪除，直到KMO的值不再變化為止。具體做法是通過觀察反映像相關矩陣的對角線值(MSA)，將其最小的一個去掉后再進行KMO值檢驗，依次類推，最終將MSA的值都小于0.55的全部去掉，最終確定了影響農戶土地產權抵押貸款融資意愿的24個自變量，自變量的定義和相關均值如表2所示。

表1 農戶樣本特征分布

注：家庭人口數量以目前居住在家里的人口(包括在外讀書的子女)表示，供養比用完全喪失勞動力的老人與上學的子女之和與家庭人口數量的比值表示。

2.農戶選擇土地產權抵押貸款融資的意愿因子分析。對最終篩選出的24個因子進行KMO和Bartlett等檢驗，結果表明，KMO的統計量為0.649，Bartlett球形檢驗的x2的值為792.511，球形檢驗結果的顯著性概率值P=0.000<0.05，即拒絕凈相關矩陣不是單元矩陣的假設，代表總體的相關矩陣間有共同因素存在，適合進行因素分析。首先，采用主成分分析法對影響農戶土地產權抵押貸款融資意愿的各變量進行因子分析，由于不能否定各因子之間沒有相關存在的可能性，因此，選擇Promax(P)斜交轉軸法進行因子旋轉，并通過相關系數的大小排序，得到如表3的各個因子變量的載荷系數。然后，通過提取特征值>1的8個公因子，根據其相關定義大致分為社會保險、社會關系、政策環境、融資評價、家庭情況、風險認知、服務認知和對象特征八大類，它們的累積方差貢獻率達到了61.331%，表示樣本數據中有61.331%的信息可以由這8個公因子來進行解釋，因此，用這8個公共因子代替原來篩選出的24個因子來解釋農戶土地產權抵押貸款融資意愿的影響因素。

表2 自變量構成及其定義

注：數據根據問卷相關指標整理所得。

由表3可知，社會保險包括家庭是否購買保險(養老、醫療、失業、工傷和生育保險)、家庭是否參與當地的政策性農業保險和政府是否對產權抵押貸款提供了擔保；社會關系包括家庭成員或親戚朋友是否有擔任(過)村干部、在政府部門任職過和在銀行或者信用社工作(過)；政策環境包括當地信用社開展農村土地產權抵押融資貸款業務的態度如何、對產權抵押融資貸款政策的了解程度和認為產權抵押融資資金的來源是否單一；融資評價包括農村土地產權抵押的評估方式、設立的貸款期限、利率水平、辦理流程和還款方式是否合理；家庭情況包括家庭收入的主要來源、家庭經營類型、家庭有無欠款、進行產權抵押貸款時所使用的產權抵押物；風險認知包括進行產權抵押貸款時，擔心失去土地經營權和由于不能按時還貸而失去再次獲貸的機會；服務認知包括農信社在授予貸款后，是否會對貸款進行貸后跟蹤調查和當貸款快要到期時，農信社是否會提醒歸還貸款；對象特征包括受訪農戶的性別和受訪農戶的文化程度。

表3 經Promax斜交轉軸后的因子結構矩陣

注：因子相關系數按大小排列，數據由統計結果得出。

3.農戶選擇土地產權抵押貸款融資意愿的多元有序Logistic分析。通過對受訪農戶對象是否愿意進行土地產權抵押貸款作為因變量Y，以社會保險、社會關系、政策環境、融資評價、家庭情況、風險認知、服務認知和對象特征8個公因子為自變量X，受訪農戶共有162個，即Xi1、Xi2、Xi3、Xi4、Xi5、Xi6、Xi7、Xi8其中i=1,2,3,4,5…162。結果分析如表4所示。

通過表4可以看出：社會保險(X1)、社會關系(X2)、家庭情況(X5)和對象特征(X8)的P值均大于10%，沒有通過顯著性檢驗；而政策環境(X3)(5%)、融資評價(X4)(5%)、風險認知(X6)(1%)、服務認知(X7)(10%)通過了檢驗，表明政策環境、融資評價、風險認知和服務認知對農戶土地產權抵押貸款融資意愿有顯著影響。

表4 多元有序Logistic模型估計結果

注：數據由統計結果得出。

(三)回歸分析及結論

1．風險認知對農戶土地產權抵押融資意愿的影響最大且系數為負(-0.744，見表4)，表明風險越大，農戶越不可能進行土地產權抵押貸款。風險認知因素包括擔心失去土地承包經營權和失去獲貸機會兩項自變量，根據兩項自變量定義均值(2.81和2.94，見表1)發現，都接近比較同意指標，表明該兩項在農戶的日常生活中占有重要部分。一方面，雖然這類抵押模式規定了農戶在違約時，其土地承包經營權只是采取轉包和出租的形式，農戶并不會失去土地承包經營權，但是由于所調研地區的農業發展水平較低，農戶手中的可見資產僅限于土地和住房，農戶不像城市居民有著較為完善的社會保險體系，土地對于農戶來說不僅僅是生活來源更是最大的生活保障；另一方面，農戶的收入水平較低，獲取貸款的機會本來就很少，若由于不可抗因素導致了農戶無法按期甚至不能償還貸款，勢必會對農戶的正常生活和下一次貸款獲得產生較大影響，因此，這兩項是農戶進行土地產權抵押貸款融資的首要考慮因素。

2．政策環境對農戶的意愿的影響次之(0.354，見表4)，這表明除了自身的因素以外，政策的導向也對農戶的行為產生較大影響，政策環境包括當地信用社開展業務的態度、農戶對抵押政策的了解和資金來源的單一程度三項自變量，通過調研發現，機構開展業務態度的均值為3.70(見表1)，表明農戶認可機構開展此類業務的積極性；而農戶對政策的了解卻僅為一般(2.94，見表1)，這說明相關機構在政策宣傳和與農戶的溝通方面還存在著嚴重的缺陷；農戶普遍認可資金來源程度單一(3.51，見表1)，這是因為調研地目前只有農村信用社在開展此類的業務，其它相關機構還未涉及，反映出農戶需要更多的金融機構開展涉農貸款業務的急切心理。

3．融資評價的影響系數為0.309，它包括其評估方式、貸款期限、利率水平、辦理流程和還款方式是否合理，其中評估方式(3.44)、辦理流程(3.2)和還款方式(3.67)農戶比較認可外，貸款期限和利率水平的合理性并不認同，特別是利率水平(3.8)，這主要是由于農戶的家庭收入偏低，農戶進行抵押貸款是為了緩解家庭經濟困難，較高的利率會阻礙農戶選擇土地產權抵押。

4．服務認知也在一定程度上影響著農戶的產權抵押貸款融資意愿，包括貸后跟蹤調查(1.65)和提醒歸還貸款(1.88)，其影響系數為負。合理的解釋是農戶在獲得貸款后，將貸款用于何種用途是其個人隱私，他們只需要按時歸還貸款即可，相關金融機構不合適宜地貸后調查會影響農戶的正常生活生產。

5．社會保險、社會關系、家庭情況和對象特征對農戶選擇土地產權抵押貸款意愿的影響不顯著。對此可以的解釋為：一方面，相對于社會關系和家庭情況這些變量，農戶更關心的是貸款本身以及如何獲得貸款，因此影響不明顯；另一方面，也與問卷的設計和指標選取等有一定的聯系，并不能完全否定這些變量對其無影響，問題有待進一步研究。

四、結論與啟示

以上通過甘肅隴南162戶農戶的實地調研數據，對農戶選擇土地產權抵押貸款融資意愿影響因素采用多元有序Logistic模型回歸分析，研究發現：風險認知的影響最大且系數為負，這是由于當地農民收入水平和抗風險能力引起的；政策環境對農戶意愿有著正向影響，農戶普遍認為農村信用社開展土地產權抵押貸款業務積極，但是對業務的內容和流程卻不熟悉，表明業務信息在傳遞和接收方面還存在著一定障礙；融資評價影響為正，由于當地開展此項涉農貸款業務的機構較少，農戶大多數認為存在資金來源單一和利率較高的現象；服務認知負向影響著農戶意愿，表明農村信用社的貸后服務會在一定程度上降低農戶選擇土地產權抵押貸款業務的積極性；社會保險、社會關系、家庭情況和對象特征對農戶貸款意愿均影響不顯著。

基于以上研究，為了更好地提高土地產權抵押融資貸款的成效，給出以下建議：(1)當地政府需不斷完善相關保障措施，最大程度上降低農戶選擇土地產權抵押貸款融資的后顧之憂。同時，應進一步擴大當地農村的就業、養老等社會保障體系覆蓋范圍，從而降低農村土地社會保障功能。(2)金融機構應加大政策宣傳力度，盡可能運用媒體資源，發揮其人緣和地緣優勢，定向地向農戶宣傳土地產權抵押相關政策，確保農戶全面深入地了解此項業務。(3)當地政府還應逐步放寬經營門檻，創造寬松環境鼓勵更多金融機構開展相關貸款業務，一方面，通過較多機構的進入能有效緩解農戶貸款難的問題；另一方面，還能產生良性循環競爭，防止由于壟斷所引起的利率過高等一系列問題，更多地優惠于農戶。(4)金融機構需進一步完善貸后服務，相關工作人員應注意貸后調查方式和減少調查頻率，在有效確保貸款安全的同時，不妨礙農戶的正常生活生產。