我國“三農”信貸政策評價指標體系構建

易穎　劉美伶

摘要：多年來，國家不斷通過支農再貸款、定向降準等信貸政策工具支持“三農”，并取得了一定的成效，而當前對“三農”信貸政策進行綜合評價的文獻較少。本文基于公共政策評估的理論和方法，從農村金融機構、“三農”、政府三個利益相關層面構建綜合評價指標體系，利用主成份分析法、層次分析法確定各指標的權重進而衡量“三農”信貸政策的基本情況并對其進行縱向對比分析，最后提出改善“三農”信貸政策整體效果的建議。

關鍵詞：“三農”信貸 政策評價 指標體系

一、引言

“三農”信貸政策是指中國人民銀行根據國家宏觀經濟政策、產業政策和區域發展政策，并銜接財政政策、利用外資政策等制定的引導金融機構將信貸投向有利于“三農”發展的一系列政策法規和管理制度的總和。十六大以來，中央一直把“三農”問題放到了重中之重的高度，中央銀行也不斷調整信貸政策引導信貸資金投向農業、農村、農戶。從加大支農再貸款的支持力度，到對符合要求且“三農”和小微企業貸款達到一定比例的商業銀行降準（下調人民幣存款準備金率0.5個百分點），再到對中國農業銀行提供農戶貸款、農村企業和農村各類組織貸款實行稅收優惠政策（對相應貸款業務的利息收入減按3%的稅率征收營業稅），以及小額信貸貼息政策等惠農信貸政策不斷出臺和實施，使我國涉農信貸額度有所突破，截至2017年末，銀行業金融機構涉農貸款余額達31萬億元，比上年增長11.7%。然而“三農”信貸政策的總體情況如何，“三農”信貸政策對目標群體的作用多大，以及對“三農”融資約束等問題的改善狀況如何都是需要評估的。2011年，中國人民銀行出臺了《中小企業、涉農信貸政策導向效果評估指引（試行）》，該文件指引的評估辦法主要考察各個金融機構涉農貸款增量和比例是否滿足要求，以及是否落實央行下達的信貸政策，側重于對具體金融機構信貸政策執行情況的評估。本文的目的在于對“三農”信貸政策的總體情況進行評價，通過構建評價指標體系，以衡量“三農”信貸政策近些年的基本情況，包括農村金融機構的發展情況、“三農”信貸政策的支農情況以及政府相關政策目標的實現情況，并為進一步優化“三農”信貸政策提供思路，也為其他信貸政策評價研究提供方法參考。

二、政策評價選擇

“三農”信貸政策是一系列支農信貸政策工具的總和，政策下達的時間并非單個具體的時間點，且在不同年份信貸政策工具不同，政策實施對象和目標也比較多樣化。因而無法用單一指標來衡量，也不適合用干預模型等時間序列分析法來研究“三農”信貸政策的實施效應，或對比政策對象在政策實施前后的變化。再者，“三農”信貸政策的實施是舉國范圍，在國內無法找尋對照組和實驗組，因而通過對比對照組和實驗組來評價政策作用效果的雙重差分法（DID）也不適用于“三農”信貸政策效果的評估。而構建評價指標體系的方法在衡量某評價對象多方面綜合發展情況以及政策評價等領域運用較為廣泛。如李素利、張金隆等人以社會政治標準中的適當性、公平性和回應性為主維度構建多維多層測度指標體系評估社會保障政策的執行效果[1];張永岳、張傳勇和謝暉圍繞政策的利益相關方（政策的運行環境、政策的直接受益者、政府）構建房地產調控政策效果評價指標體系來量化調控政策效果[2];有些學者將該方法用于評價我國農村普惠金融機構的支農能力[3]，評價我國小額信貸的社會績效[4]，測度異地扶貧搬遷政策的實施效果[5]等。在綜合考慮各種政策評價方法的適用性以及“三農”信貸政策的特征之后，本文采用構建綜合評價指標體系的方法，以“三農”信貸政策的三個利益相關主體為主維度構建一個綜合評估指標體系并結合主成份分析法和層次分析法確定各指標的權重，以追求指標體系評價方法的科學性。

三、評價指標體系的構建與評價過程

（一）指標體系的構建與說明

依照指標體系構建的系統性、典型性、科學性和可操作性原則，根據三農信貸政策的性質，采用政策效果評估模式中的利益相關者模式，充分考慮政策的實施者——農村金融機構、政策的直接受益者——“三農”、政策的制定者——政府這三個相關利益方，對“三農”信貸政策構建如下評價指標體系：

1.農村金融機構發展情況，采用涉農不良貸款率來反映農村金融機構涉農貸款業務的經營質量;農村中小金融機構和郵儲銀行資產份額占比能大體反映農村金融市場相對于整個金融市場的規模;銀監會于2006年末開始放寬農村地區銀行業金融機構準入條件，鼓勵新型農村金融機構的設立，本文采用新型農村金融機構的數量反映農村金融機構的設立情況;資本充足率指標可反映金融機構以自有資本承擔風險的能力，考慮到農村金融機構整體資本充足率的數據不可得且不易計量，本文以作為農村金融主力軍的農村信用合作社（含農村商業銀行、農村合作銀行）資本充足率數據來代表農村金融機構的資本充足率情況。

2.“三農”信貸支農情況，運用了涉農貸款余額占比、涉農貸款增速與金融機構各項貸款余額增速之比、農林牧漁業信貸滿足程度、農戶貸款余額占比、農村居民人均純收入、農民人均農業產值等指標反映“三農”信貸政策受益者的綜合受益情況。其中，前4個指標主要反映了農戶、農村企業、涉農的城市企業等客體的融資改善情況;后兩個指標反映了“三農”信貸政策直接受益對象的發展情況。文中涉及GDP的數據以及農村居民人均純收入指標均已消除價格因素影響。

3.政府政策目標實現情況。實現全面脫貧、縮小城鄉收入差距以及推進農業現代化是黨和國家“三農”政策的主要目標，幾乎所有惠農政策都是為實現這幾個政策目標而定。本文以脫貧實現程度、城鄉收入差距來衡量政府前兩個目標的實現程度;農業機械化是農業現代化的基礎，因而用農作物耕種收綜合機械化率來部分反映農業現代化的實現程度。

4.數據來源及說明。以上各指標的數據主要來源于萬得數據庫以及各個年份的《銀行業監督委員會年報》、《中國統計年鑒》、《中國金融年鑒》、《中國農村統計年鑒》、《中國農村金融服務報告》和《中國農業機械工業統計年鑒》，部分來源于東方財富網等。另外，由于貧困標準于2010年變更使得2009年貧困發生率與2010年之后的數據不統一;2013年起住戶調查制度改革后，城鄉居民收入數據統計口徑變更，《中國統計年鑒》中按可比口徑只推算至2015年，因此文中2009年度脫貧實現程度數據以及2016年度城鄉居民收入數據均采用趨勢外推法求得。

（二）各指標權重的確定

本文首先采用主成份分析法確定指標層相對于準則層的權重，再用層次分析法（AHP）確定準則層的權重，以減少主觀因素對指標權重的影響。當然在這之前要對指標數據進行標準化處理，以消除各指標之間量綱和數量級的差異，由于篇幅限制，此處不再展示數據標準化的結果。

1.指標層相對于準則層權重的確定。首先，我們將無量綱化后的農村金融市場指標的數據進行KMO統計量檢驗及Bartletts球形檢驗（見表2），以確定能否運用主成分分析法來確定指標的權重。KMO統計量大于或接近0.7，Bartletts球形檢驗的Sig.值小于0.05，說明該方法基本適用。

表3中特征值表示主成分所含變量的個數，方差百分比表示主成分所含被提取指標的信息量。比如，表3中共4個指標，主成份1包含了3.5個指標的信息，3.5與4的比值得方差百分比88.224%，解釋為主成份1已經包含了88.224%的信息。因此本文抽取主成份1，分析各指標相對于該主成份的重要程度。反映指標對于公因子即主成份重要程度的因子載荷系數如表4所示。

最后是權重的計算，我們首先計算出各指標在各主成份線性組合中的系數（因子載荷系數與開方后的特征值之比），即求Fm=a1mx1+a2mx2+···+apmxp中的a1m、a2m···apm，其中Fm代表第m個主成份，xp代表第p個指標。然后根據各主成份的方差貢獻率求出綜合系數，將綜合系數歸一化便得出指標的權重。本文中農村金融市場指標主成份分析時只提取了一個主成份，因而只需計算出各指標在該主成份線性組合中的系數，進行歸一化后即可得到涉農不良貸款率、新型農村金融機構數等指標相對于農村金融市場準則層的權重為：（w11，w12，w13，w14）T=（0.239，0.254，0.250，0.257）T。同理對“三農”以及政府層面指標數據進行KMO統計量及Bartletts球形檢驗，并求出服務“三農”指標以及政府層面指標相對于準則層的權重，分別為：（w21，w22，w23，w24，w25，w26）T=（0.197，0.074，0.163，0.190，0.191，0.185）T，（w31，w32，w33）T=（0.333，0.334，0.333）。

2.準則層權重的確定。對于準則層的權重，采用層次分析法（AHP）來確定，首先邀請來自高校的8名專家對準則層三個指標進行排序并按1-9標度賦值，再綜合各專家的意見構建如下判斷矩陣：

只有當判斷矩陣通過一致性檢驗時，才可用其特征向量作為權向量。所以需要先對判斷矩陣進行一致性檢驗，運用MATLAB軟件求出矩陣的最大特征值：λmax=3.0183，進而求出CI=（λmax-n）/（n-1）=0.00915，通過查表可得RI=0.58，最后得出判斷矩陣的一致性比率：CR=CI/RI=0.0158<0.1，即A矩陣具有較為滿意的一致性，將最大特征值對應的特征向量歸一化即可得各準則層相對于目標層的權重：（w1，w2，w3）T=（0.239，0.625，0.136）T。匯總可得全部指標的權重（見表1）。

（五）評價結果

將各指標無量綱化后的數據加權求和可得下表：

首先需要說明的是，本文得出的“三農”信貸政策評分是一個相對數值，重在縱向比較不同年份間“三農”信貸政策的總體情況。從表6可以看出“三農”信貸政策的總體評分從2009年的0.103上升到2016年的0.798，基本呈上升趨勢，說明“三農”信貸政策的總體情況在不斷改善。其中政府目標實現層面的評分穩步提高，由0.103上升至0.798;“三農”信貸政策支農層面的指標評分從0.103上升到0.447，該層面的情況改善主要體現在涉農貸款、農戶貸款占比增大以及農民收入和農民人均產值增高等方面;政策實施者農村金融機構的發展情況在2014年之后略有波動，雖然農村中小金融機構資產份額增大、新型農村金融機構數量增多，但從原始數據情況可以看出涉農不良貸款率于2013年之后出現上升趨勢，至2016年上升至3.1%。此外，我們還發現盡管“三農”信貸政策總體支農情況在不斷改善，然而涉農貸款增速情況以及農業信貸滿足程度卻呈下降趨勢，因此，我國“三農”信貸政策依然存在一定的改善空間。

四、討論與政策建議

正如前文所述，盡管“三農”信貸政策基本發展情況總體向好，但涉農貸款尤其是農業貸款支持力度依然不足以及涉農不良貸款率回升的問題不容忽視。基于此，本文提出如下政策建議：第一，引導資金流向“三農”。一方面，中央銀行要繼續加大支農再貸款力度，充分運用差別化準備金率并結合財政部門制定的相關稅收優惠政策以及支持金融科技發展，為涉農金融機構服務“三農”提供良好的運作環境;另一方面，可通過培育現代新型農業經營主體，提高“三農”信貸資金的融資需求和使用效率。第二，鼓勵信貸資金不斷投向“三農”信貸市場的同時要對風險進行控制以降低涉農不良貸款率。具體可通過推動農業保險市場的發展、持續推進農村信用體系建設以緩解涉農金融機構面臨的信貸風險，保障“三農”信貸資金的安全性，進一步改善“三農”信貸政策的效果。

參考文獻：

[1]李素利，張金隆，劉汕. 多維多層視角下我國社會保障政策執行效果測度研究[J]. 管理評論，2015，27（3）：24-38.

[2]張永岳，張傳勇，謝暉. 我國房地產宏觀調控政策效果評估初探——基于公共政策評估的視角[J]. 上海經濟研究，2010（12）：73-81.

[3]李明賢，羅荷花. 普惠制農村金融機構支農能力指標體系的構建[J]. 中南財經政法大學學報，2013（4）.

[4]周孟亮. 我國小額信貸社會績效評價指標設計研究[J]. 農村金融研究，2011（2）：53-58.

[5]熊升銀，王學義. 易地扶貧搬遷政策實施效果測度及影響因素分析[J]. 統計與決策，2019（13）.

基金項目：湖南省自然科學基金項目“我國農村普惠金融的減貧效應研究”（2018JJ3245）。

（易穎系華中師范大學經濟與工商管理學院碩士研究生;劉美伶系湖南農業大學經濟學院碩士研究生）