《农户金融抑制及其福利损失的计量分析》由会员分享，可在线阅读，更多相关《农户金融抑制及其福利损失的计量分析（10页珍藏版）》请在金锄头文库上搜索。
1、农户金融抑制及其福利损失的计量分析3李 锐 朱 喜内容提要:本文运用biprobit模型和match模型,采用3000个农户的微观数据,计量分 析了农户金融抑制的程度及其福利损失的大小。研究发现,农户金融抑制的程度为70192 %;由于金融抑制,所有样本农户平均所损失的纯收入、 净经营收入、 消费性支出和 非土地性资产分别为9143 %、15143 %、15157 %和14158 % ,直接受到金融抑制的样本农户平均所损失的纯收入、 净经营收入、 消费性支出和非土地性资产分别为9155 %、16183 %、16146 %和14170 %;土地面积、 教育和医疗费用支出,对农户资金需求具有正的显
2、著影响, 金融资产余额对农户资金需求具有负的显著影响,生产性固定资产原值、 受教育水平、 交 通条件和地理位置对农户资金需求的影响不显著;土地面积、 受教育程度、 地理位置和 “关 系” 对资金供给具有正的显著影响,固定资产总值、 交通条件对资金供给的影响不显著。关键词:农户 金融抑制 福利损失 计量分析3 李锐,北京航空航天大学经济管理学院,邮政编码:100083 ,电子信箱:lirui 。朱喜,上海交通大学安泰经济与管理学院,邮政编码:200052。本文为国家自然科学基金项目 “农户借贷行为与农村金融体制改革研究”(编号70573057)和中国博士后科学基金项目(编号为2005037006
3、)的部分成果。作者感谢匿名审稿人的意见。一、 引 言农村金融对于农户异常重要,完善高效的农村金融市场不仅可以提高农户的收入和福利水平,而且能够减少农村中的贫困人口,缩小贫富差距。然而,近二十年来,理论研究和经验分析的成果 均表明,发展中国家农村信贷市场的效率非常低下,农户金融抑制的程度普遍相当地严重(Stiglitzand Weiss ,1981 ;Carter ,1988 ; Milde and Riley ,1988 ;Anjini K ochar ,1997 ;Jeremy D. Foltz ,2004)。与其 他发展中国家相比,我国农户金融抑制的程度尤其严重,除了利率管制、 逆向选择、
4、 交易成本等信贷 市场不完善的共同根源外,为了服从工业化和城市化建设的发展战略,从上个世纪50年代后期开始,我国在农村长期进行金融管制,限制民间金融活动及私人组织,正式金融机构成为输出农村储 蓄的媒介和工具,直接或间接地不断转移农户的金融资产和剩余,这导致农村金融资产严重匮乏, 成为我国农户金融抑制的最重要原因之一。那么,我国农户金融抑制的程度究竟有多大呢?由于 金融抑制,农户损失的福利有多少呢?定量地回答这些问题,正是本文的研究内容和目标。 早期估计农户金融抑制的程度及其对产出影响的方法之一是,分别估计借款农户和非借款农户的生产函数或供给函数,然后比较两者的估计量(David et al ,
5、1980) ;方法之二是,将借款和非借款 农户的样本数据混合起来,用以估计生产函数或供给函数。在模型中,借贷被当作投入品要素或供 给的解释变量,受到了广泛的批评(Gershon Feder et al ,1990)。近期,一些学者采用带有内生标准函 数(endogenous criterion function)的switching模型估计了信贷配给对产出的影响(Gershon Feder et al ,1990 ;Jeremy D. Foltz ,2004) ;另一些学者则使用biprobit模型估计了农村金融抑制的程度(AnjiniK ochar ,1997)。这些模型的运用是该领域研究方
6、法质的飞跃,因为它把握了在农村金融市场上广泛 存在的信贷配给问题,很好地反映了在农村信贷市场上存在极为普遍的金融抑制这一特点,从而较641李 锐、 朱 喜:农户金融抑制及其福利损失的计量分析好地解决了早期研究中所存在的许多问题。 然而,或许是受模型估计技术限制或者其他缘故,学者们所做的研究依然存在着一些不足之 处。例如,在biprobit模型的预测中,只考虑到了需求完全得不到满足的情形,而遗漏了需求只得到 部分满足的情形,譬如,某个农户需要借款100元,结果只借到了60元,这显然低估了农户金融抑制的程度。我们的研究对原来的估计方法做了改进和完善,构建了更为合理的预测指标,有效地解 决了前述的遗
7、漏问题。我们还借鉴最近发展起来的模型和估计技术(Abadie , A.和Imbens G. W. ,2004 ,2006) ,在平均处理效应(average treatment effect)模型的框架下使用偏差修正的match模型,较 准确地估计了金融抑制的福利损失。本文的贡献还在于,在供给模型中,我们纳入了能够反映信贷 交易双方 “关系” 的变量;在需求模型中,我们纳入了反映农户医疗和教育费用支出的变量。这些变 量的纳入,充分地刻画了我国农村信贷市场的本质特征,使我们的研究与其他学者的研究进一步区 别开来,且更加具有针对性。二、 样本数据来源及分析本文的数据来自于我们2004年所建立的一个
8、数据库,数据收集是委托地方统计局农调队完成 的,采用了四阶段分层抽样策略。第一阶段,我们根据区域经济的发展状况,在所有省份中采取分 类抽样的方法,随机选择10个省,它们分别是河南、 山东、 辽宁、 安徽、 湖北、 吉林、 四川、 江苏、 河北 和黑龙江。第二阶段,由每个被抽取省的统计局农调队从该省所属县或县级区中随机抽取3个县, 共得到30个县。第三阶段,由每个被抽取县区的统计局农调队随机地抽取10个村庄,在抽取村庄 时,我们排除了面积和人口特别大和特别小的村庄。第四阶段,每个被抽取村庄中排除最富裕和最 贫穷的农户后,从中随机地抽取10个农户,总共得到3000个农户。数据库中,收集了这些农户2
9、003年的收入、 支出、 金融信贷活动、 生产经营活动、 家庭基本情况和所处环境基本情况(村庄)的 相关数据,这为我们估计农户金融抑制的程度及其福利损失的大小提供了丰富的数据资源和经验 证据。表1给出了所有变量的样本数据的统计特征。三、 信贷配给模型及其经验分析在这一部分,我们首先构建适合于信贷配给问题的模型,然后,运用样本数据进行估计,并对估 计结果进行解释和分析。 (一) biprobit模型当农户所需要的借款数额少于其从正式和非正式金融市场所获取的借款数额时,我们就说农 户存在金融抑制。金融抑制有两种情形,其一是农户有需求,但借不到任何款项,完全得不到满足; 其二是农户有需求,但只能借到
10、部分款项,即部分满足。在现实生活中,由于金融管制、 逆向选择和 市场垄断等原因,即使调整利率水平,信贷市场往往也达不到均衡,即使有的农户愿意以更高的利 率借款,他们的需求依然得不到满足,此时,就出现了信贷配给(credit rationing)问题,这是信贷市场 有别于商品市场的一个显著特点。在存在信贷配给的情况下,我们无法直接观察到需求或者供给 的真实值,而只能得到需求和供给相互作用的最终结果,它由需求和供给中较小的一方决定,显然, 常规技术和经典计量经济模型难以处理这类问题。所幸的是,一些新发展起来的模型和估计方法 为解决这类问题提供了途径。biprobit模型及其估计方法(Poirier
11、 , 1980)比较适合于分析信贷配给 问题并符合样本数据特点,本文就采用该模型及其方法来估计农户金融抑制的程度。 令y3 s代表资金供给意愿的隐含变量,ys代表是否愿意提供资金的决策变量;y3 d代表农户资 金需求意愿的隐含变量,yd代表农户是否愿意申请贷款的决策变量;X1为影响农户贷款需求的解释变量,X2为影响资金供给的解释变量。假设1和2服从联合正态分布,建立联立模型如下:7412007年第2期表1模型中变量的样本数据的统计特征变量样本个数均值标准差最小值最大值loan30001169.3023550.98044000loanindex30000.2830.45001land300010
12、.12511.8690118proca300049.48375.27001206.03edu30003.6740.78017meexp300012.91921.4690340.11liquidity300072.707118.74002645.9transpo30005.01618.701065vindus30000.0420.12201eprov30000.4000.49001asset3000256.409215.5507.82433rela2ar30000.2480.43201nagri30000.4551.551- 0.08181.282rvil30000.30000.45801rat
13、ion30000.7090.45401labornum30002.7591.08306noper30006106.9316676.111- 14055090080nincom30009132.4958044.033- 8751490250cosum30007065.9326172.5110136298nlasset3000329.116278.9577.83011.43注:loan为贷款;loanindex为是否贷款的变量,贷款为1 ,不贷款为0;land为农户所经营的土地面积,土地总面积=承包耕地+自留地+山地+园地+牧草地+水面+转包地-转租地;proca为生产性固定资产原值,单位为百元人
14、民币;edu为受教育程度,1为不识字或识字很少,2为小学水平,3为初中水平,4为高中水平,5为中专水平,6为大专及以上水平;meexp为教育和医疗费用支出,单位为百元人民币;liquidity为金融资产余额,单位为百元人民币;transpo为农户距离码头或车站的远近;vindus为在乡、 村企业从业的劳动力占全村劳动力的比重;eprov为是否在东部省份的变量,是取值为1 ,否则取值为0;? asset为生产性固定资产原值+房产价值,单位为百元人民币;? rela2ar为体现借贷双方关系的变量,当借款人向亲友借款或农户家里有人是村乡干部时,我们取值1 ,否则为0;? nagri为非农收入占家庭总
15、收入的比重;? rvil为体现是否在资金供给充裕的村庄的变量,是取值1 ,否则为0;将每个村庄所有样本农户的纯收入加起来,指定超过所有村庄样本农户纯收入平均数的村庄,为富裕村庄;? ration为预测的信贷约束状况,1表示受到信贷约束,0为没有受到信贷约束;? labornum为农户家庭劳动力的个数;? |noper为净经营收入;? nincom为净纯收入;? consum为农户家庭消费支出;? nlasset为非土地性资产,等于生产性固定资产原值+房产+金融资产,单位为百元人民币。y3 d=1X1+1,若y3 d 0 ,yd= 1 ;否则yd= 0y3 s=2X2+2,若y3 s 0 ,ys
16、= 1 ;否则ys= 0E1 =E2 = 0 ,Var1 =Var2 = 1 ,cov1,2 =(1)只有当农户具有资金需求(yd=1)且资金供给方愿意向其提供贷款(ys= 1)时,交易才会发生,此时才能实际观察到农户的借贷行为,这是样本所能提供的最大信息。将借贷行为记作y,841李 锐、 朱 喜:农户金融抑制及其福利损失的计量分析y=1若yd= 1 ,ys= 10否则(2)(2)式是一个典型的biprobit模型,且观察值具有部分可观察性(partial observability)的特征。这类模型最早是由D. J. Poirier(1980)所提出的,模型估计采用最大似然法(MLE) ,其对数似然函数如下:LnL(1,2,) =Ni= 1yilnP(yi= 1) + (1 -yi)ln(1 -P(yi= 1) =ni= 1yiln(X11,X22;) + (1 -yi)ln(
