论文部分内容阅读
摘要：在信息不对称的农村金融市场上，对于基础金融服务“村村通”工程是否有助于实现农村金融普惠的问题，本文以农户信贷可得性为例，从信息经济学视角分析基础金融服务“空白村”与“覆盖村”农户的金融服务可得性发现，即使在信用评分相同的情况下前者也会面临更为严重的信贷约束。而后，以项目组对山东、河北和陕西三省份566个农户的调查数据为基础，从自我排斥和银行信贷配给两个层面，判分了农户的信贷约束情况，并采Logit计量经济学方法验证了理论分析结果。本文认为，实现基础金融服务“村村通”有助于银行了解村级信息，减少信息不对称，由此提高农户的信贷可得性，进而实现农村金融普惠。
关键词：金融服务“村村通”；普惠金融；信贷约束
中图分类号：F832 文献标识码：A 文章编号：1006-3544（2015）04-0003-08
一、引言及文献回顾
普惠金融要求建设一种能有效、全方位地为社会所有阶层提供服务的金融体系，而信贷作为农户扩大再生产、平滑季节性收入与支出矛盾，以及应对突发性资金需求的重要手段，自然是普惠金融的核心。然而，在供给主导的农村金融市场，由于信息不对称的存在，贷款者因为无法控制借款者的信用风险，为保证资金的安全性，会对农户的信贷需求实施限额配给，致使农村金融市场一直处于资金供不应求的状态，农户面临的信贷约束很难缓解。这在人口规模小、消费水平低、金融基础设施状况差的偏远农村地区表现更为明显，低储蓄能力和低投资引诱，使得他们普遍落入“贫困恶性循环陷阱”。近些年，国家为改善金融服务状况，促进金融普惠，推出了一系列促进基础金融服务全覆盖的政策。其中，银监会自2009年起就提出力争3年实现镇（乡）级基础金融服务全覆盖的目标，并在2014年进一步提出，要“着力推动基础金融服务向行政村延伸，打通农村基础金融服务‘最后一公里’”，“力争用三至五年时间，总体实现行政村金融服务‘村村通”’。可以预期，在各项政策推动下，包括农户贷款在内的基础金融服务的覆盖面将不断扩大，覆盖层级也将不断加深。然而，在农村金融市场需求者和供给者存在严重信息不对称的前提下，基础金融服务“村村通”（如下简称“村村通”），能够有效缓解农户面临的信贷约束，进而真正实现农村金融普惠吗？
学术界对此持两种截然相反的态度：一种是以Kempson和Whyley以及Leyshon等为代表的赞成方，认为金融服务缺失将使银行丧失与客户之间的关系，主流金融服务的覆盖对于缓解信贷约束非常关键。另一种是以Caimcross为代表的反对方，认为金融服务覆盖与否，并不影响银行与客户之间的供求关系和交易，因为银行可以远距离获得客户的信息圈。上述两方的结论虽然相反，但是他们都承认关系以及信息在银行信贷决策中的关键作用。那么，能否从理论和实证两个层面证实，相较于实现了金融服务“村村通”的行政村（以下简称“覆盖村”），金融服务空白行政村（以下简称“空白村”）的客户会因缺乏金融服务渠道，面临更为严重的信贷约束吗？Chakravarty基于信息经济学视角，构建了银行服务覆盖的地区差异对贷款申请人的信用评分影响的理论模型，试图回答上述问题。本文将在此基础上，构建金融服务“村村通”对农户信贷可得性影响的理论模型，并运用课题组对山东、河北和陕西三省568个农户的调查数据和Logit回归模型，进行实证检验。
文章的结构如下：第二部分将从信息经济学视角，构建理论框架，分析“村村通”对农户信贷可得性的影响；第三部分利用入户调查数据，从成因视角对农户是否面临信贷约束进行判分，并利用多元Logit回归模型，分析“村村通”对实现农村金融普惠的影响；最后得出结论并提出政策含义。
二、理论与假说
为考察金融服务“村村通”对农村金融普惠的影响，本文将首先引入并扩展Chakravarty模型，以本地信息为关键点，构造金融服务覆盖与农户信贷约束关系的理论模型，以便从理论视角解释两者之间的关系。
（一）理论
假设金融机构遵循利润最大化原则，根据申请人的信用评分高低进行贷款决策。信用评分是银行根据借款人的存贷历史、债务状况等信息，利用信用评分系统评估出来的，用于决定是否核准新贷款或确定信用额度的得分。假设信用评分能很好地预测借款者的质量，则对于贷款人来说，两者的期望相同。即：
E（S）=E（Q） （1）
其中，E（S）和E（Q）分别表示信用评分和借款者质量的期望。
然而，在农村金融市场信息不对称的情况下，借款人无疑拥有私人信息。为保证资金的安全性，信息成为贷款人信贷决策的关键。此时，贷款决策者需要参考信用评分系统以外的信息，而私人联系和社区关系等社会网络渠道无疑是获取信息的绝佳通道，而实际上，他们可能更关注这些来自他们信任的渠道的信息，并且相信这些信息对信贷决策来说更重要。因此，“覆盖村”申请人的信用评分可能被信贷决策者依据由社会网络获知的本地信息而调整。而远离信贷决策者的“空白村”申请人的信用评分，却因为没有此类的本地信息而不可能被调整。同时，由于信贷决策者不熟悉“空白村”的情况，也不可能与来自该地区的贷款申请人有私人联系，这将减弱他们对“空白村”申请人信用评分预测能力的信心。因此，信用评分与贷款者质量之间的关系将调整为：
SB=QB+eB （2）
SC=QC+eC （3）
其中，SB和SC分别表示“空白村”和“覆盖村”申请人的信用评分；QB和QC分别表示“空白村”和“覆盖村”申请人的质量；eB和eC分别是由本地信息等因素而带来的扰动项，假设它们的均值为零。 因为信贷决策者对与“空白村”借款人详细背景有关的本地信息的了解程度小于“覆盖村”借款人的情况，则eB的方差大于eC。即：
vCB （4）
其中，vB和vC分别表示eB和eC的方差。
式（4）表明，相对于“空白村”的贷款申请来说，“覆盖村”贷款申请人的信用评分更能代表申请人的质量。
基于上述分析，现在假设有来自“空白村”和“覆盖村”的贷款申请人B和C，他们的信用评分相同，且贷款成功的可能性与其信用评分线性相关，则：
PB=b0+αSB （5）
PC=a0+βSC （6）
其中，PB和PC分别表示两位申请人贷款成功的可能性；α和β分别是斜率，b0和a0为截距。
因为贷款决策者厌恶风险，他们会对可靠程度较大的信息赋予更大的权重，比如，方差比较小的数据。所以根据式（4）可知：
β>α （7）
现在，将上述情况扩展到申请人B和C所属地区的所有申请人。假设申请人的质量在两类地区的申请人中是同分布的，则申请人的信用评分也是同分布的。同理，申请人信用评分的均值相同，即：
μSB=μSC （8）
其中，μSB和μSC分别表示两类地区申请人的信用评分的均值。
结合前面的假设可知，对于两类地区的申请人来说，信用评分的均值μS与申请人质量的均值μQ相同，即：
μS=μQ （9）
不失一般性，可以将上述结论扩展到更大范围的平均得分为μA的申请人集，并且得分为μA的贷款申请获批的可能性将独立于申请人所属的地理区域。
以上分析了银行信用评分系统以外的本地信息的可得性在银行信贷决策中的关键作用。借此，我们可以知道，对于“空白村”的申请人来说，由于信贷决策者无法获得与他们相关的本地信息，从而相对于“覆盖村”相同信用评分的申请人来说，他们的贷款申请成功可能性曲线更为平坦（β>α）。那么，可以绘制出两类地区贷款申请获批的可能性曲线图（见图1）。据此我们将分两阶段来回答相较于“覆盖村”同等质量的贷款申请，“空白村”的申请是否会因为该村缺失金融服务，而面临更为严重的信贷约束这一问题。
在初始阶段，对于来自两地区的信用评分处于平均得分处的申请人来说，贷款申请获批的可能性是相同的，见图中（μS=μQ，μP）点。然而，“空白村”处于平均得分以下的贷款申请，获批的可能性大于“覆盖村”相同得分的申请；不过，平均得分以上的贷款申请，获批可能性的情况则正好相反。也就是说，在这一阶段，以利润最大化为目标的金融机构，依据申请人的信用评分制定贷款决策，将评分在平均分以下的贷款更多地贷给了“空白村”的申请人，将评分在平均分以上的贷款更多地贷给了“覆盖村”的申请人。而相较于平均分以上的贷款申请，平均分以下的贷款很可能变成不良贷款。这意味着有更多的不良贷款来自“空白村”。同理，贷给评分在平均水平以上的贷款的质量相对来说比较好，不良贷款率较低，而相较于“空白村”，有更多“覆盖村”的评分高于平均得分水平的申请人获得贷款，这意味着有更多的优质贷款来自后者。上述结果将导致，信贷决策者形成“空白村”贷款申请质量特别不好的“刻板印象”，这种印象将很难被打破。
在此后的信贷决策中，因为金融机构在初始阶段倾向于向“空白村”的低信用评分者放贷的决策是错误的，他们将认为据以做出信贷决策的申请人的信用评分信息，尤其是“空白村”的信用评分信息是可疑的。这将导致金融机构对金融服务空白地区的贷款申请的偏见，以至于认为所有来自该地区的申请都不可信。他们将更信任来自私人联系和社区关系的本地信息。这些负面的印象还会因为“空白村”始终面临严重的信贷约束而自我加强。因此，因为金融机构无法通过私人联系和社区关系等社会网络渠道获得与借款人相关的本地信息，这将使得“空白村”的农户面临更为严重的信贷约束。
（二）假说
基于上述分析，本文提出如下假说：
实现金融服务“村村通”，可以通过增加信贷决策者对本地信息的了解，从而缓解该地区农户的信贷约束，进而实现农村金融普惠。
对假说简要解释如下：在信息不对称的农村金融市场，获得银行信用评分系统以外的本地信息，是贷款者做出信贷决策的关键。行政村金融服务“村村通”为银行通过私人联系和社区关系等社会网络渠道获得借款人的本地信息提供了条件，如果信贷决策者可以借此深入社区了解此类信息，则该政策可以缓解金融服务“空白村”农户面临的信贷约束，进而真正实现农村金融普惠。
我们将通过实地调查数据和计量分析方法对上述假说进行实证检验。
三、计量经济分析
（一）数据来源与农户信贷约束判分
1.数据来源
本文的实证数据来自笔者2013-2014年对山东、河北和陕西3省农户的调查。该调查采用非随机抽样和多阶段随机抽样相结合的方法。首先，考虑本文研究的对象及区域金融发展程度，选取以上3省作为调研省份；然后，选取经济发展程度较低、以农业为主的3个县作为主要调查区域；接着，依据到县城距离最近、适中和较远为原则，选取3个乡镇；再在9个乡镇中按照距离集镇最近、适中和最远为原则，抽取27个村落；最后以简单随机抽样的方法抽取25户农户进行入户问卷调查。最终用于本文分析的有效问卷为566份，其中，山东省169份，河北省180份，陕西省217份。 2.农户信贷约束的判分
所谓农户信贷约束，是指在特定利率下，金融机构由于各种原因不愿意提供更多的信贷服务，从而使得农户的借款需求得不到满足的状态，是银行信贷配给的结果。可见，判分农户是否面临信贷约束有两个关键步骤：其一，找出农户贷款需求没有被满足的原因；其二，判分是否由于银行信贷配给而导致农户贷款需求未被满足。这种基于供需视角的原因分类方法与Link提出的金融排斥的两维度判分方法相似，都是基于现实成因角度的判分。在本文分析的566个农户中，258户有贷款需求，其中122户面临信贷约束（详见图2）。有贷款需求但没有申请贷款和借款需求没有完全满足的原因有两种：一种是由于农户自身原因导致的自我排斥，例如，可以通过其他渠道融资、还有贷款没有归还、不喜欢借钱压力大等。此类不属于银行配给导致的需求约束，故在本文的定义下，此类农户无信贷约束；另一种是金融机构因为农户缺少联保或担保人、没有抵押或质押品、得不到相关的贷款信息等，而未能满足农户信贷需求，此类属于银行信贷配给导致的农户信贷约束，也正是本文所研究的信贷约束。需要指出的是，由于意愿调查的模拟性，不能保证农户的作答与其行动的充分一致，但调查结果至少可以反映一些农户的关注。
（二）变量设置与描述性分析
本文具体变量的选取、含义、测量及预期，对农户信贷约束的影响方向见表1。
回归分析中，以农户是否面临信贷约束作为被解释变量；以所在行政村是否实现了金融服务“村村通”作为主要解释变量；以可能进入金融机构信用评分系统，或者农村金融机构信贷决策时主要参考的借款者的相关信息，作为主要控制变量。具体地，选取家庭特征变量、户主特征变量作为此类信息的主要代理变量（见表1）。其中，根据就业非农化程度的高低，将户主的就业情况分为务农（非村干部）、村干部、务农+务工、务工或经商这4类，并假设户主就业非农化程度越高，家庭与外界的联系可能越多，金融机构了解该农户的可能性也越大；同时，户主是否有企业工人、乡镇教师等正式工作经历或外出务工经历，是金融机构了解农户信息的另一重要渠道，因为此类工作经历有可能会增加金融机构通过私人联系和熟人社会网络了解农户本地信息的机会。此外，为检验农户到金融机构的地理距离是否会影响农户的信贷可得性，将农户“到最近金融机构的距离”这一变量也纳入模型，以基于微观调查的经验研究结果，来呼应Cairncross的研究。
（三）回归分析模型及模型结果分析
1.回归分析模型
本文采用Logit回归模型进行实证分析。
为了考察“村村通”及相关变量对农户信贷约束的影响，首先对“所在行政村是否实现了金融服务‘村村通”’这一变量与“农户是否面临信贷约束”进行一元回归，然后逐步加入家庭到金融机构距离变量、家庭特征变量（对贷款的需求程度、人口数、成员最高受教育水平、收入水平）、户主特征变量（就业情况、是否有正式工作和外出务工经历），进行回归分析。于是，本文设定了5个线性模型。模型的形式如下：
其中，i代表第i笔贷款的变量特征，变量解释见表1。为避免多重共线性，本文首先检验了自变量之间的相关系数，结果显示，各变量之间不存在显著相关。同时，在线性模型中的方差膨胀系数均不超过2，故此判断进入模型的自变量不存在共线性问题。为避免可能的异方差问题，本文采用稳健性回归，回归结果见表2。
2.模型结果分析
（1）金融服务“村村通”的影响。在模型1（M1）到模型5（M5）中，除模型2（M2）以外，“所在行政村是否实现了金融服务‘村村通”’这一变量，对农户信贷约束均有显著影响，且在5%程度上通过了显著性检验。其实，在模型2（M2）中，该变量也通过了20%程度上的显著性检验。这表明，实现行政村金融服务“村村通”，可以在一定程度上缓解农户信贷排斥。因此，本文的主要问题初步得到了回答。此外，从表2还可以看出，家庭“到最近金融机构的距离”对农户信贷约束的影响没有通过显著性检验，但整体方向与预期一致。可能的原因是，农户到金融机构距离的缩短，虽然可以缓解农户的地理金融排斥，但是真正决定农户信贷可得性的还是金融机构对与农户相关的本地信息的了解。因此，由“所在行政村是否实现了金融服务‘村村通’”以及“到最近金融机构的距离”这两个变量对农户信贷约束的影响结果可知：金融服务覆盖会方便银行获得客户的信息，并且影响到银行与客户之间的供求关系，这与Caimcross的结论不一致；同时，主流金融服务的覆盖，可以帮助建立银行与客户之间的关系，这是农户获得信贷的关键，与Kempson和Whyley以及Leyshon等的结论相一致。即在金融服务“空白村”实现金融服务“村村通”，可以通过增加信贷决策者对本地信息的了解，而缓解该地区农户的信贷约束。
（2）家庭特征变量的影响。首先，模型3（M3）、模型4（M4）和模型5（M5）的结果显示，家庭对贷款的需求程度越高，家庭获得贷款的可能性越大。这可能是因为，在整体贷款需求不高（在本文的调查中，有贷款需求的农户占45.6%）以及供给为主的农村金融市场中，获得金融机构的贷款是这些有贷款需求的家庭融资的主要渠道。在本文的调查中，93.8%的有贷款需求的家庭都申请了贷款也可以证实这一点。因此，家庭对贷款的需求越强烈，家庭突破图2中的各种自我排斥的意愿越强，也更愿意为了获得贷款而积极搜寻各种贷款信息，并且寻找担保人或联保人等，从而突破银行信贷配给。这也可能是真正有贷款意愿的人能够获得贷款的原因。其次，模型4（M4）和模型5（M5）的结果显示，家庭规模越大、家庭收入水平越高，家庭获得贷款的可能性也越大。可能的原因是，家庭规模越大，成员与外界接触的可能性越大，这更有利于金融机构的信贷决策者获得与家庭相关的本地信息，从而更有利于家庭获得贷款；同时，家庭收入水平越高，家庭抗风险能力越强，金融机构贷款的风险越小，这将有利于家庭获得贷款，马九杰和吴本健的研究也证实了这一点。另外，在模型4（M4）中，家庭成员最高受教育水平对农户信贷约束的影响不显著。可能的原因是，家庭成员最高受教育水平并不是金融机构贷款决策时主要考察的因素。随着农村社会结构的变迁，对于很多家庭来说，受教育水平最高的成员往往是还在高校就读的大学生，从本质上来说，他们已经不再是家庭农业经济的核心，因而不会产生显著影响。同时，家庭需要支付这些大学生的受教育成本，而这些资金不属于家庭扩大再生产的范畴，并且会增加家庭的经济压力。因而可能对家庭信贷可得性产生负面影响，模型5（M5）的结果证实了这一点。 （3）户主特征变量的影响。模型5（M5）的结果显示，户主就业的非农化程度越高、户主曾经有正式工作或外出务工经历，会有利于家庭获得贷款。可能的原因是，在农村金融市场信息不对称的条件下，由于农业的弱质性，户主就业非农化程度可能是户主能力的一种信号，能力比较强的农户会转向收入更可观的非农领域，而非农就业的收入可能更稳定，这会向贷款决策者释放申请人质量更高的信息，从而增加了贷款可得性。同时，户主当前的就业情况本身也是金融机构判断农户贷款用途的重要变量，这与马九杰和吴本健的结果一致；同时，户主正式工作或者外出务工经历，可能会增加金融机构信贷决策者对贷款申请人本地信息的了解。因为这些经历或者会增加申请人与金融机构信贷决策者的私下联系，或者由于这些工作也是在决策者所在的区域（通常是金融机构所在的乡镇或者县城）进行的，而增加了贷款人通过当地熟人社会网络了解与他们相关信息的机会，或者仅仅是因为贷款人对其所在区域状况的了解而相信曾经在此工作本身就是能力的一种证明，亦或者是上述多种可能的混合。总之，上述户主走出农村社区的经历，可能通过各种渠道，增加了贷款决策者对申请人相关的本地信息的了解，从而增加了贷款申请获批的可能性。
3.稳健性检验
为进一步检验行政村金融服务“村村通”是否可以缓解农户信贷约束这一问题，并且验证本文提出的假说。在用于本文分析的566户农户中，剔除没有贷款需求的农户，构建模型6（M6），对有贷款需求的256个农户的数据进行多元Logit回归。模型6（M6）的基本形式与模型5（M5）一致，即：
模型回归结果见表2模型6（M6）部分。可以发现，剔除掉没有信贷需求的农户后，相较于前5个模型，“所在行政村是否实现了金融服务‘村村通’”这一变量，对农户信贷约束的影响增大，并且在1%的程度上显著。可见，实现行政村金融服务“村村通”确实可以缓解农户信贷约束。由此可知，本文的假说得证。
此外，与前五个模型的估计结果相一致，农户家庭对贷款的需求程度、家庭收入水平、户主是否有正式工作和外出务工经历，对农户信贷约束的影响显著。而家庭规模以及户主的就业情况，对农户信贷约束的影响变为不显著，可能的情况是，这些变量相较于金融机构通过金融服务“村村通”而对农户本地信息的了解，以及家庭收入水平、户主就业经历等来说，并不是金融机构信贷决策的重点。
综上，本文的假说得证，即在金融服务空白行政村实现金融服务“村村通”，可以通过增加信贷决策者对本地信息的了解，而缓解该地区农户的信贷约束，进而实现农村金融普惠。
四、结论与政策含义
（一）主要结论
本文以农户信贷可得性为例，从信息经济学视角构建了行政村金融服务“村村通”对农村金融普惠影响的理论模型。以此，分析了行政村金融服务覆盖与否、本地信息与农户信贷约束之间的关系，并基于实地调查数据和Logit回归模型进行了实证分析。依据理论与实证结果，主要有以下两方面的结论：第一，在金融服务空白的行政村，由于金融机构无法通过私人联系和社区关系等社会网络渠道获得与借款人相关的本地信息，而这些信息又是信息不对称市场上，贷款人信贷决策的关键，这将使得相对于来自实现了金融服务“村村通”行政村的同等质量的贷款申请人，该地区的农户会面临更为严重的信贷约束。第二，在农村金融市场存在信息不对称的情况下，在金融服务空白行政村实现金融服务“村村通”，可以通过增加金融机构贷款决策者对农户信息的了解，尤其是银行信用评价指标以外的附加于申请人的本地信息的了解，而增加批准农户信贷申请的可能性，从而缓解信贷约束。
（二）政策含义
本研究的政策含义是：第一，将基础金融服务的乡镇全覆盖，深入到行政村级的全覆盖，是实现农村金融普惠的重要环节。虽然银监会2012年已宣布全国已实现所有乡镇基础金融服务全覆盖，但绝大部分面临信贷约束的农户生活在乡村。乡镇全覆盖无疑对舒缓农户信贷约束有所帮助，但这可能是基于银行通过农户家庭社会经济情况、就业等外部信息而做出的判断，尚不能深入到农村社区了解与农户信贷质量相关的本地信息，而本地信息才是银行判断贷款质量的关键。因此，“村村通”可以促进信贷人员对贷款申请人所在社区信息的了解，从而增加农户贷款申请批准的可能性，进而缓解信贷约束，增加农户的金融服务可得性，进而实现普惠金融。第二，金融机构有必要引入熟人社会的信息机制。通过行政村金融服务全覆盖来缓解农户信贷约束这一政策初衷的实现，依赖于金融机构对与农户相关的本地信息的了解，这些通过社会网络传播的信息对信贷决策非常关键。但是，事实情况通常是，这些信息常常被排斥在工商信贷决策和管理过程之外。因此，在农村金融市场面临严重的信息不对称、抵押物缺乏、农业特质性成本与风险以及非生产性借贷这四大难题的条件下，需要金融机构改变工商信贷决策和管理的逻辑，以农村熟人社会的逻辑制定信贷决策。第三，充分利用“半工半耕”农户的非农就业信息。在金融机构尚不能以农村熟人社会的逻辑制定贷款决策的大背景下，金融机构信贷决策的主要参考是农户收入水平、户主个人经历等能反映还贷能力的变量。可见，发展农村经济、增加农民收入是当前缓解农户信贷约束的重要方面。同时，对于面临信贷约束的农户来说，可以利用金融机构在信贷决策时对户主的非农工作经历等的重视，抓住非农就业机会，增加信贷决策者对贷款申请的信心，从而缓解信贷约束，实现金融普惠。
（责任编辑：郄彦平；校对：卢艳茹）
关键词：金融服务“村村通”；普惠金融；信贷约束
中图分类号：F832 文献标识码：A 文章编号：1006-3544（2015）04-0003-08
一、引言及文献回顾
普惠金融要求建设一种能有效、全方位地为社会所有阶层提供服务的金融体系，而信贷作为农户扩大再生产、平滑季节性收入与支出矛盾，以及应对突发性资金需求的重要手段，自然是普惠金融的核心。然而，在供给主导的农村金融市场，由于信息不对称的存在，贷款者因为无法控制借款者的信用风险，为保证资金的安全性，会对农户的信贷需求实施限额配给，致使农村金融市场一直处于资金供不应求的状态，农户面临的信贷约束很难缓解。这在人口规模小、消费水平低、金融基础设施状况差的偏远农村地区表现更为明显，低储蓄能力和低投资引诱，使得他们普遍落入“贫困恶性循环陷阱”。近些年，国家为改善金融服务状况，促进金融普惠，推出了一系列促进基础金融服务全覆盖的政策。其中，银监会自2009年起就提出力争3年实现镇（乡）级基础金融服务全覆盖的目标，并在2014年进一步提出，要“着力推动基础金融服务向行政村延伸，打通农村基础金融服务‘最后一公里’”，“力争用三至五年时间，总体实现行政村金融服务‘村村通”’。可以预期，在各项政策推动下，包括农户贷款在内的基础金融服务的覆盖面将不断扩大，覆盖层级也将不断加深。然而，在农村金融市场需求者和供给者存在严重信息不对称的前提下，基础金融服务“村村通”（如下简称“村村通”），能够有效缓解农户面临的信贷约束，进而真正实现农村金融普惠吗？
学术界对此持两种截然相反的态度：一种是以Kempson和Whyley以及Leyshon等为代表的赞成方，认为金融服务缺失将使银行丧失与客户之间的关系，主流金融服务的覆盖对于缓解信贷约束非常关键。另一种是以Caimcross为代表的反对方，认为金融服务覆盖与否，并不影响银行与客户之间的供求关系和交易，因为银行可以远距离获得客户的信息圈。上述两方的结论虽然相反，但是他们都承认关系以及信息在银行信贷决策中的关键作用。那么，能否从理论和实证两个层面证实，相较于实现了金融服务“村村通”的行政村（以下简称“覆盖村”），金融服务空白行政村（以下简称“空白村”）的客户会因缺乏金融服务渠道，面临更为严重的信贷约束吗？Chakravarty基于信息经济学视角，构建了银行服务覆盖的地区差异对贷款申请人的信用评分影响的理论模型，试图回答上述问题。本文将在此基础上，构建金融服务“村村通”对农户信贷可得性影响的理论模型，并运用课题组对山东、河北和陕西三省568个农户的调查数据和Logit回归模型，进行实证检验。
文章的结构如下：第二部分将从信息经济学视角，构建理论框架，分析“村村通”对农户信贷可得性的影响；第三部分利用入户调查数据，从成因视角对农户是否面临信贷约束进行判分，并利用多元Logit回归模型，分析“村村通”对实现农村金融普惠的影响；最后得出结论并提出政策含义。
二、理论与假说
为考察金融服务“村村通”对农村金融普惠的影响，本文将首先引入并扩展Chakravarty模型，以本地信息为关键点，构造金融服务覆盖与农户信贷约束关系的理论模型，以便从理论视角解释两者之间的关系。
（一）理论
假设金融机构遵循利润最大化原则，根据申请人的信用评分高低进行贷款决策。信用评分是银行根据借款人的存贷历史、债务状况等信息，利用信用评分系统评估出来的，用于决定是否核准新贷款或确定信用额度的得分。假设信用评分能很好地预测借款者的质量，则对于贷款人来说，两者的期望相同。即：
E（S）=E（Q） （1）
其中，E（S）和E（Q）分别表示信用评分和借款者质量的期望。
然而，在农村金融市场信息不对称的情况下，借款人无疑拥有私人信息。为保证资金的安全性，信息成为贷款人信贷决策的关键。此时，贷款决策者需要参考信用评分系统以外的信息，而私人联系和社区关系等社会网络渠道无疑是获取信息的绝佳通道，而实际上，他们可能更关注这些来自他们信任的渠道的信息，并且相信这些信息对信贷决策来说更重要。因此，“覆盖村”申请人的信用评分可能被信贷决策者依据由社会网络获知的本地信息而调整。而远离信贷决策者的“空白村”申请人的信用评分，却因为没有此类的本地信息而不可能被调整。同时，由于信贷决策者不熟悉“空白村”的情况，也不可能与来自该地区的贷款申请人有私人联系，这将减弱他们对“空白村”申请人信用评分预测能力的信心。因此，信用评分与贷款者质量之间的关系将调整为：
SB=QB+eB （2）
SC=QC+eC （3）
其中，SB和SC分别表示“空白村”和“覆盖村”申请人的信用评分；QB和QC分别表示“空白村”和“覆盖村”申请人的质量；eB和eC分别是由本地信息等因素而带来的扰动项，假设它们的均值为零。 因为信贷决策者对与“空白村”借款人详细背景有关的本地信息的了解程度小于“覆盖村”借款人的情况，则eB的方差大于eC。即：
vC
其中，vB和vC分别表示eB和eC的方差。
式（4）表明，相对于“空白村”的贷款申请来说，“覆盖村”贷款申请人的信用评分更能代表申请人的质量。
基于上述分析，现在假设有来自“空白村”和“覆盖村”的贷款申请人B和C，他们的信用评分相同，且贷款成功的可能性与其信用评分线性相关，则：
PB=b0+αSB （5）
PC=a0+βSC （6）
其中，PB和PC分别表示两位申请人贷款成功的可能性；α和β分别是斜率，b0和a0为截距。
因为贷款决策者厌恶风险，他们会对可靠程度较大的信息赋予更大的权重，比如，方差比较小的数据。所以根据式（4）可知：
β>α （7）
现在，将上述情况扩展到申请人B和C所属地区的所有申请人。假设申请人的质量在两类地区的申请人中是同分布的，则申请人的信用评分也是同分布的。同理，申请人信用评分的均值相同，即：
μSB=μSC （8）
其中，μSB和μSC分别表示两类地区申请人的信用评分的均值。
结合前面的假设可知，对于两类地区的申请人来说，信用评分的均值μS与申请人质量的均值μQ相同，即：
μS=μQ （9）
不失一般性，可以将上述结论扩展到更大范围的平均得分为μA的申请人集，并且得分为μA的贷款申请获批的可能性将独立于申请人所属的地理区域。
以上分析了银行信用评分系统以外的本地信息的可得性在银行信贷决策中的关键作用。借此，我们可以知道，对于“空白村”的申请人来说，由于信贷决策者无法获得与他们相关的本地信息，从而相对于“覆盖村”相同信用评分的申请人来说，他们的贷款申请成功可能性曲线更为平坦（β>α）。那么，可以绘制出两类地区贷款申请获批的可能性曲线图（见图1）。据此我们将分两阶段来回答相较于“覆盖村”同等质量的贷款申请，“空白村”的申请是否会因为该村缺失金融服务，而面临更为严重的信贷约束这一问题。
在初始阶段，对于来自两地区的信用评分处于平均得分处的申请人来说，贷款申请获批的可能性是相同的，见图中（μS=μQ，μP）点。然而，“空白村”处于平均得分以下的贷款申请，获批的可能性大于“覆盖村”相同得分的申请；不过，平均得分以上的贷款申请，获批可能性的情况则正好相反。也就是说，在这一阶段，以利润最大化为目标的金融机构，依据申请人的信用评分制定贷款决策，将评分在平均分以下的贷款更多地贷给了“空白村”的申请人，将评分在平均分以上的贷款更多地贷给了“覆盖村”的申请人。而相较于平均分以上的贷款申请，平均分以下的贷款很可能变成不良贷款。这意味着有更多的不良贷款来自“空白村”。同理，贷给评分在平均水平以上的贷款的质量相对来说比较好，不良贷款率较低，而相较于“空白村”，有更多“覆盖村”的评分高于平均得分水平的申请人获得贷款，这意味着有更多的优质贷款来自后者。上述结果将导致，信贷决策者形成“空白村”贷款申请质量特别不好的“刻板印象”，这种印象将很难被打破。
在此后的信贷决策中，因为金融机构在初始阶段倾向于向“空白村”的低信用评分者放贷的决策是错误的，他们将认为据以做出信贷决策的申请人的信用评分信息，尤其是“空白村”的信用评分信息是可疑的。这将导致金融机构对金融服务空白地区的贷款申请的偏见，以至于认为所有来自该地区的申请都不可信。他们将更信任来自私人联系和社区关系的本地信息。这些负面的印象还会因为“空白村”始终面临严重的信贷约束而自我加强。因此，因为金融机构无法通过私人联系和社区关系等社会网络渠道获得与借款人相关的本地信息，这将使得“空白村”的农户面临更为严重的信贷约束。
（二）假说
基于上述分析，本文提出如下假说：
实现金融服务“村村通”，可以通过增加信贷决策者对本地信息的了解，从而缓解该地区农户的信贷约束，进而实现农村金融普惠。
对假说简要解释如下：在信息不对称的农村金融市场，获得银行信用评分系统以外的本地信息，是贷款者做出信贷决策的关键。行政村金融服务“村村通”为银行通过私人联系和社区关系等社会网络渠道获得借款人的本地信息提供了条件，如果信贷决策者可以借此深入社区了解此类信息，则该政策可以缓解金融服务“空白村”农户面临的信贷约束，进而真正实现农村金融普惠。
我们将通过实地调查数据和计量分析方法对上述假说进行实证检验。
三、计量经济分析
（一）数据来源与农户信贷约束判分
1.数据来源
本文的实证数据来自笔者2013-2014年对山东、河北和陕西3省农户的调查。该调查采用非随机抽样和多阶段随机抽样相结合的方法。首先，考虑本文研究的对象及区域金融发展程度，选取以上3省作为调研省份；然后，选取经济发展程度较低、以农业为主的3个县作为主要调查区域；接着，依据到县城距离最近、适中和较远为原则，选取3个乡镇；再在9个乡镇中按照距离集镇最近、适中和最远为原则，抽取27个村落；最后以简单随机抽样的方法抽取25户农户进行入户问卷调查。最终用于本文分析的有效问卷为566份，其中，山东省169份，河北省180份，陕西省217份。 2.农户信贷约束的判分
所谓农户信贷约束，是指在特定利率下，金融机构由于各种原因不愿意提供更多的信贷服务，从而使得农户的借款需求得不到满足的状态，是银行信贷配给的结果。可见，判分农户是否面临信贷约束有两个关键步骤：其一，找出农户贷款需求没有被满足的原因；其二，判分是否由于银行信贷配给而导致农户贷款需求未被满足。这种基于供需视角的原因分类方法与Link提出的金融排斥的两维度判分方法相似，都是基于现实成因角度的判分。在本文分析的566个农户中，258户有贷款需求，其中122户面临信贷约束（详见图2）。有贷款需求但没有申请贷款和借款需求没有完全满足的原因有两种：一种是由于农户自身原因导致的自我排斥，例如，可以通过其他渠道融资、还有贷款没有归还、不喜欢借钱压力大等。此类不属于银行配给导致的需求约束，故在本文的定义下，此类农户无信贷约束；另一种是金融机构因为农户缺少联保或担保人、没有抵押或质押品、得不到相关的贷款信息等，而未能满足农户信贷需求，此类属于银行信贷配给导致的农户信贷约束，也正是本文所研究的信贷约束。需要指出的是，由于意愿调查的模拟性，不能保证农户的作答与其行动的充分一致，但调查结果至少可以反映一些农户的关注。
（二）变量设置与描述性分析
本文具体变量的选取、含义、测量及预期，对农户信贷约束的影响方向见表1。
回归分析中，以农户是否面临信贷约束作为被解释变量；以所在行政村是否实现了金融服务“村村通”作为主要解释变量；以可能进入金融机构信用评分系统，或者农村金融机构信贷决策时主要参考的借款者的相关信息，作为主要控制变量。具体地，选取家庭特征变量、户主特征变量作为此类信息的主要代理变量（见表1）。其中，根据就业非农化程度的高低，将户主的就业情况分为务农（非村干部）、村干部、务农+务工、务工或经商这4类，并假设户主就业非农化程度越高，家庭与外界的联系可能越多，金融机构了解该农户的可能性也越大；同时，户主是否有企业工人、乡镇教师等正式工作经历或外出务工经历，是金融机构了解农户信息的另一重要渠道，因为此类工作经历有可能会增加金融机构通过私人联系和熟人社会网络了解农户本地信息的机会。此外，为检验农户到金融机构的地理距离是否会影响农户的信贷可得性，将农户“到最近金融机构的距离”这一变量也纳入模型，以基于微观调查的经验研究结果，来呼应Cairncross的研究。
（三）回归分析模型及模型结果分析
1.回归分析模型
本文采用Logit回归模型进行实证分析。
为了考察“村村通”及相关变量对农户信贷约束的影响，首先对“所在行政村是否实现了金融服务‘村村通”’这一变量与“农户是否面临信贷约束”进行一元回归，然后逐步加入家庭到金融机构距离变量、家庭特征变量（对贷款的需求程度、人口数、成员最高受教育水平、收入水平）、户主特征变量（就业情况、是否有正式工作和外出务工经历），进行回归分析。于是，本文设定了5个线性模型。模型的形式如下：
其中，i代表第i笔贷款的变量特征，变量解释见表1。为避免多重共线性，本文首先检验了自变量之间的相关系数，结果显示，各变量之间不存在显著相关。同时，在线性模型中的方差膨胀系数均不超过2，故此判断进入模型的自变量不存在共线性问题。为避免可能的异方差问题，本文采用稳健性回归，回归结果见表2。
2.模型结果分析
（1）金融服务“村村通”的影响。在模型1（M1）到模型5（M5）中，除模型2（M2）以外，“所在行政村是否实现了金融服务‘村村通”’这一变量，对农户信贷约束均有显著影响，且在5%程度上通过了显著性检验。其实，在模型2（M2）中，该变量也通过了20%程度上的显著性检验。这表明，实现行政村金融服务“村村通”，可以在一定程度上缓解农户信贷排斥。因此，本文的主要问题初步得到了回答。此外，从表2还可以看出，家庭“到最近金融机构的距离”对农户信贷约束的影响没有通过显著性检验，但整体方向与预期一致。可能的原因是，农户到金融机构距离的缩短，虽然可以缓解农户的地理金融排斥，但是真正决定农户信贷可得性的还是金融机构对与农户相关的本地信息的了解。因此，由“所在行政村是否实现了金融服务‘村村通’”以及“到最近金融机构的距离”这两个变量对农户信贷约束的影响结果可知：金融服务覆盖会方便银行获得客户的信息，并且影响到银行与客户之间的供求关系，这与Caimcross的结论不一致；同时，主流金融服务的覆盖，可以帮助建立银行与客户之间的关系，这是农户获得信贷的关键，与Kempson和Whyley以及Leyshon等的结论相一致。即在金融服务“空白村”实现金融服务“村村通”，可以通过增加信贷决策者对本地信息的了解，而缓解该地区农户的信贷约束。
（2）家庭特征变量的影响。首先，模型3（M3）、模型4（M4）和模型5（M5）的结果显示，家庭对贷款的需求程度越高，家庭获得贷款的可能性越大。这可能是因为，在整体贷款需求不高（在本文的调查中，有贷款需求的农户占45.6%）以及供给为主的农村金融市场中，获得金融机构的贷款是这些有贷款需求的家庭融资的主要渠道。在本文的调查中，93.8%的有贷款需求的家庭都申请了贷款也可以证实这一点。因此，家庭对贷款的需求越强烈，家庭突破图2中的各种自我排斥的意愿越强，也更愿意为了获得贷款而积极搜寻各种贷款信息，并且寻找担保人或联保人等，从而突破银行信贷配给。这也可能是真正有贷款意愿的人能够获得贷款的原因。其次，模型4（M4）和模型5（M5）的结果显示，家庭规模越大、家庭收入水平越高，家庭获得贷款的可能性也越大。可能的原因是，家庭规模越大，成员与外界接触的可能性越大，这更有利于金融机构的信贷决策者获得与家庭相关的本地信息，从而更有利于家庭获得贷款；同时，家庭收入水平越高，家庭抗风险能力越强，金融机构贷款的风险越小，这将有利于家庭获得贷款，马九杰和吴本健的研究也证实了这一点。另外，在模型4（M4）中，家庭成员最高受教育水平对农户信贷约束的影响不显著。可能的原因是，家庭成员最高受教育水平并不是金融机构贷款决策时主要考察的因素。随着农村社会结构的变迁，对于很多家庭来说，受教育水平最高的成员往往是还在高校就读的大学生，从本质上来说，他们已经不再是家庭农业经济的核心，因而不会产生显著影响。同时，家庭需要支付这些大学生的受教育成本，而这些资金不属于家庭扩大再生产的范畴，并且会增加家庭的经济压力。因而可能对家庭信贷可得性产生负面影响，模型5（M5）的结果证实了这一点。 （3）户主特征变量的影响。模型5（M5）的结果显示，户主就业的非农化程度越高、户主曾经有正式工作或外出务工经历，会有利于家庭获得贷款。可能的原因是，在农村金融市场信息不对称的条件下，由于农业的弱质性，户主就业非农化程度可能是户主能力的一种信号，能力比较强的农户会转向收入更可观的非农领域，而非农就业的收入可能更稳定，这会向贷款决策者释放申请人质量更高的信息，从而增加了贷款可得性。同时，户主当前的就业情况本身也是金融机构判断农户贷款用途的重要变量，这与马九杰和吴本健的结果一致；同时，户主正式工作或者外出务工经历，可能会增加金融机构信贷决策者对贷款申请人本地信息的了解。因为这些经历或者会增加申请人与金融机构信贷决策者的私下联系，或者由于这些工作也是在决策者所在的区域（通常是金融机构所在的乡镇或者县城）进行的，而增加了贷款人通过当地熟人社会网络了解与他们相关信息的机会，或者仅仅是因为贷款人对其所在区域状况的了解而相信曾经在此工作本身就是能力的一种证明，亦或者是上述多种可能的混合。总之，上述户主走出农村社区的经历，可能通过各种渠道，增加了贷款决策者对申请人相关的本地信息的了解，从而增加了贷款申请获批的可能性。
3.稳健性检验
为进一步检验行政村金融服务“村村通”是否可以缓解农户信贷约束这一问题，并且验证本文提出的假说。在用于本文分析的566户农户中，剔除没有贷款需求的农户，构建模型6（M6），对有贷款需求的256个农户的数据进行多元Logit回归。模型6（M6）的基本形式与模型5（M5）一致，即：
模型回归结果见表2模型6（M6）部分。可以发现，剔除掉没有信贷需求的农户后，相较于前5个模型，“所在行政村是否实现了金融服务‘村村通’”这一变量，对农户信贷约束的影响增大，并且在1%的程度上显著。可见，实现行政村金融服务“村村通”确实可以缓解农户信贷约束。由此可知，本文的假说得证。
此外，与前五个模型的估计结果相一致，农户家庭对贷款的需求程度、家庭收入水平、户主是否有正式工作和外出务工经历，对农户信贷约束的影响显著。而家庭规模以及户主的就业情况，对农户信贷约束的影响变为不显著，可能的情况是，这些变量相较于金融机构通过金融服务“村村通”而对农户本地信息的了解，以及家庭收入水平、户主就业经历等来说，并不是金融机构信贷决策的重点。
综上，本文的假说得证，即在金融服务空白行政村实现金融服务“村村通”，可以通过增加信贷决策者对本地信息的了解，而缓解该地区农户的信贷约束，进而实现农村金融普惠。
四、结论与政策含义
（一）主要结论
本文以农户信贷可得性为例，从信息经济学视角构建了行政村金融服务“村村通”对农村金融普惠影响的理论模型。以此，分析了行政村金融服务覆盖与否、本地信息与农户信贷约束之间的关系，并基于实地调查数据和Logit回归模型进行了实证分析。依据理论与实证结果，主要有以下两方面的结论：第一，在金融服务空白的行政村，由于金融机构无法通过私人联系和社区关系等社会网络渠道获得与借款人相关的本地信息，而这些信息又是信息不对称市场上，贷款人信贷决策的关键，这将使得相对于来自实现了金融服务“村村通”行政村的同等质量的贷款申请人，该地区的农户会面临更为严重的信贷约束。第二，在农村金融市场存在信息不对称的情况下，在金融服务空白行政村实现金融服务“村村通”，可以通过增加金融机构贷款决策者对农户信息的了解，尤其是银行信用评价指标以外的附加于申请人的本地信息的了解，而增加批准农户信贷申请的可能性，从而缓解信贷约束。
（二）政策含义
本研究的政策含义是：第一，将基础金融服务的乡镇全覆盖，深入到行政村级的全覆盖，是实现农村金融普惠的重要环节。虽然银监会2012年已宣布全国已实现所有乡镇基础金融服务全覆盖，但绝大部分面临信贷约束的农户生活在乡村。乡镇全覆盖无疑对舒缓农户信贷约束有所帮助，但这可能是基于银行通过农户家庭社会经济情况、就业等外部信息而做出的判断，尚不能深入到农村社区了解与农户信贷质量相关的本地信息，而本地信息才是银行判断贷款质量的关键。因此，“村村通”可以促进信贷人员对贷款申请人所在社区信息的了解，从而增加农户贷款申请批准的可能性，进而缓解信贷约束，增加农户的金融服务可得性，进而实现普惠金融。第二，金融机构有必要引入熟人社会的信息机制。通过行政村金融服务全覆盖来缓解农户信贷约束这一政策初衷的实现，依赖于金融机构对与农户相关的本地信息的了解，这些通过社会网络传播的信息对信贷决策非常关键。但是，事实情况通常是，这些信息常常被排斥在工商信贷决策和管理过程之外。因此，在农村金融市场面临严重的信息不对称、抵押物缺乏、农业特质性成本与风险以及非生产性借贷这四大难题的条件下，需要金融机构改变工商信贷决策和管理的逻辑，以农村熟人社会的逻辑制定信贷决策。第三，充分利用“半工半耕”农户的非农就业信息。在金融机构尚不能以农村熟人社会的逻辑制定贷款决策的大背景下，金融机构信贷决策的主要参考是农户收入水平、户主个人经历等能反映还贷能力的变量。可见，发展农村经济、增加农民收入是当前缓解农户信贷约束的重要方面。同时，对于面临信贷约束的农户来说，可以利用金融机构在信贷决策时对户主的非农工作经历等的重视，抓住非农就业机会，增加信贷决策者对贷款申请的信心，从而缓解信贷约束，实现金融普惠。
（责任编辑：郄彦平；校对：卢艳茹）