农户贷款信用风险影响因素的实证研究

【摘 要】 文章以农村商业银行的农户贷款为研究对象，探讨农户贷款信用风险及其影响因素之间的作用机制，并通过湖北农村商业银行提供的农户贷款样本数据，构建Probit概率模型对数据进行实证分析。结果表明：家庭劳动力数和家庭总资产与农户贷款信用风险呈显著负相关关系，家庭总负债和贷款利率与其正相关，是否有子女上大学、贷款是否担保以及贷款用途对农户贷款信用风险也有显著影响。因此，农村商业银行应认真审查农户基本信息，实施优惠的利率政策，鼓励生产性贷款和担保贷款，以防范信用风险的发生。

【关键词】 农户贷款； 信用风险； 农村商业银行； Probit模型

中图分类号：F323.9 文献标识码：A 文章编号：1004-5937（2015）23-0023-05

一、引言

在我国农村信贷市场中，随着国有银行逐渐从农村领域中撤出，农村信用社和农村合作银行将全部改制组建为农村商业银行，使得农商行在农村金融服务供给方面的重要性越来越显现，成为农户贷款的主要提供者之一。然而，近年来农户贷款的不良率居高不下，不良贷款余额持续增长，使农商行对农户产生了畏贷情绪，如果不能有效地评价和控制农户贷款的信用风险，势必影响农商行的整体贷款质量，进而阻碍农村经济的发展。

目前，国内外很多专家学者对信用风险的研究重点放在大型国有商业银行，忽视了农村商业银行这一特殊群体；对贷款对象的研究主要针对上市公司、中小企业，对农户贷款这一具有商业性和政策性双重特征的信用风险缺乏研究。

鉴于此，本文以农村商业银行农户贷款为研究对象，分析农户贷款信用风险与各影响因素之间的作用机制，构建农户贷款信用风险评价指标体系，并结合湖北农村商业银行某支行的数据，运用Probit概率模型进行实证研究。

二、文献综述

（一）农户贷款信用风险的影响因素

近年来，国内外学者对各影响因素的研究大部分是根据农户和家庭的基本特征、财富拥有量、借贷特征、外部环境特征等建立各项农户贷款风险评价指标体系，具体如表1所示。

此外，Godquin M（2004）研究得出小额信贷农户的还款行为受到小组担保、动态激励机制的影响。张爱荣和宋洪远（2013）把农户与村镇银行的距离作为解释变量，假设距离比较近时会降低交易成本、提高获得贷款的机会和信心，并通过实证得到了验证。李岩等（2014）认为不同区域农户贷款行为的影响因素差异较大，需要针对不同发展区域和不同发展阶段的农户制定不同的农户贷款政策。

（二）农户贷款信用风险的研究方法

1.信用评分法

国外学者多采用这种方法，将反映借贷者信用状况的一些指标定量化，然后用特殊方法计算反映借贷者信用状况的信用综合分值，通过与基本值的比较确定其信用级。这种方法的代表是1968年Altman教授发表的Z评分模型。其利用重要的财务比率来预测公司破产的可能性，现在被学者们用来研究农户贷款违约的可能性。Robert De Young（2001）构建了Stacked-Fogit模型，实证分析了各个影响因素指标对农户贷款信用得分的影响。

2.Logistic模型计量方法

该方法采用逻辑概率分布函数，其因变量为二级计分或二类评定的一种回归分析。李萌（2005）以不良贷款率作为信用风险的衡量标准，运用Logistic模型对商业银行信用风险进行评估，证明了Logistic模型具有非常可信的识别、预测及推广能力。张爱荣、宋洪远（2013），刘立研、李晓红（2013），黄海源（2010）等都利用Logistic模型对农户贷款信用风险进行了实证分析。

3.模糊综合评价法

该方法以模糊数学为基础研究客观存在模糊现象的一种数学方法，在农户贷款信用风险评估中具有较强的适用性，因为评价指标的选取、权重的确定以及评价标准的选择都带有一定的模糊性。杨畅（2013）在模糊综合评价法的基础上运用突变模型对农户贷款信用风险进行了分析，规避了风险评价时的主观性与随意性，提高了评价的准确度。

除以上三种主要的研究方法外，还有面板回归法、协整检验和VAR模型、投影寻踪模型等。综上所述，国内外学者重点探讨了农户贷款信用风险的影响因素，研究方法也在不断创新与发展，然而从农村商业银行角度研究这一问题的文献很少，研究方法也多集中于Logistic模型、模糊综合评价法等。因此，在前人研究的基础上，本文从农商行的角度出发，采用Probit模型对农户贷款信用风险的影响因素进行实证分析。

三、农户贷款信用风险影响因素的实证模型

（一）模型的选择

（二）数据来源

本文的数据选自湖北农村商业银行某支行的农户贷款样本，从信贷系统中随机抽取230个样本，根据研究需要对数据进行了筛选，剔除了关键数据缺失的样本24个，剩下有效样本206个。在这206个有效样本中，贷款违约的有16户，不违约的有190户，违约率为7.8%。由于家庭总资产、家庭总负债、家庭年收入、贷款数额等一些变量的数值差异太大，为了避免误差，本文参考了李正波等（2006）的处理方法，将变量标准化，即标准化后的数值等于（原数值-算术平均数）/该数值的标准差。

（三）变量的选取

影响农户贷款信用风险的因素很多，本文借鉴了前人的研究成果，并考虑到数据的可得性，在建立模型时选用的解释变量具体如表2。

1.农户个人及家庭基本特征

包括户主年龄、文化程度、家庭劳动力数、是否有子女上大学。户主的年龄和文化程度对风险的态度和负债的承受能力等都有很大的影响。考虑到农村的实际情况，本文将劳动力数量界定为16至70周岁之间，在这个范围内的劳动力都能为家庭带来一定的收入，因此劳动力数越多，创造的收入就越多，还贷能力就越强。现在的农村家庭中有子女上大学已成为家庭的一大财务负担，减弱了农户的还款能力。

2.农户家庭财富拥有量

包括家庭总资产、家庭总负债和家庭年收入。家庭总资产根据当地的实际情况，包括房产、农户的固定资产以及其他耐用消费品的价值总和，这一指标能够反映家庭的偿债能力和抗风险能力；家庭总负债包括农户在各银行的贷款余额和农户的民间借款，反映家庭的债务负担水平和偿债压力；家庭年收入包括工资薪金收入、种养殖收入、外出务工收入和自营工商业收入等，能反映家庭未来的偿债能力以及抗风险能力。

3.借贷特征

包括贷款利率、贷款期限、贷款数额、是否有担保以及贷款用途，这些变量在一定程度上能够反映风险的大小，有助于银行工作人员对农户是否能够按时还款做预期估计以及提前采取风险防范的相关措施。

本文所选取的解释变量与以往的研究者有所不同，主要原因：一是有的变量取值在本文中的差异并不明显，如所处地区，本文的数据是由湖北省农村商业银行某支行提供的，而非全国各地的农村商业银行，因此从地域上看，没有明显的差异；二是本文的数据是从农商行的信贷系统中随机调查的，而不是对所有农户的问卷调查，所以有些因素未能纳入考虑范围，如农户对农商行的熟悉程度和满意程度、农户的风险意识、农户违约的内疚程度等，这些问题没有通过对农户的问卷调查是不能获得有关数据的。

（四）相关假设

根据前人的理论和实证研究，结合相关实际情况，提出以下假设：

假设一：农户个人及家庭基本特征变量：户主年龄（X1）越大，贷款信用风险越小；文化程度（X2）越高，信用风险越小。户主年龄和文化程度能够反映该家庭的整体素质和稳定性，家庭的整体素质越高，稳定性越好，信用风险越小。家庭劳动力数（X3）越多，给家庭创造的收入就越多，信用风险越小；是否有子女上大学（X4）会影响家庭总支出，如果有子女上大学，家庭支出就会增加，信用风险就会相应地增大。

假设二：农户家庭财富拥有量变量：家庭总资产（X5）会影响家庭提供抵押品的能力，总资产越多，信用风险越小；家庭总负债（X6）会影响家庭的偿债压力，总负债越多，信用风险越大；家庭年收入（X7）会影响家庭未来的偿债能力，收入越高，信用风险越小。

假设三：借贷特征变量：贷款利率（X8）越低、期限（X9）越短、数额（X10）越少，农户违约的可能性越小，信用风险越小；贷款是否有担保（X11）会影响贷款的安全性，有担保的贷款安全性较高，信用风险较小；本文将借款用途（X12）分为生产性贷款和消费性贷款，生产性贷款相对于消费性贷款更容易创造价值，变现能力更强，信用风险较小。

四、实证结果及分析

（一）回归结果

本文运用Eviews6.0软件进行回归分析，得到如表3所示的结果。

从表3可以看出，该模型的R2为0.6，表明模型整体拟合程度良好；LR统计量为67.88，对应的P值为0，表明模型整体比较显著；但是X1、X2、X7、X9、X10的统计量较小，伴随着概率P值偏大，即户主年龄X1、文化程度X2、家庭年收入X7、贷款期限X9、贷款数额X10对农户贷款信用风险不具有显著影响。

剔除不显著的影响因素，对被解释变量与变量X3、X4、X5、X6、X8、X11、X12重新进行回归分析，得到结果如表4。

从表4可以看出，剔除了不显著因素以后，模型的R2为0.54，表明模型整体拟合程度较好；LR统计量为60.91，对应的P值为0，表明模型整体比较显著；调整后的各解释变量均在5%的显著性水平下通过了显著性检验，表明变量的显著性都非常高，能够更好地解释因变量。

（二）模型检验

对模型进行拟合优度检验，得到表5的期望预测。如果所估计的概率小于0.5，把它归类到农户贷款不违约组；如果所预测估计大于0.5，则归类到贷款违约组。因变量取0即贷款不违约组共190个观察值，其中188个观察值和估计结果一致，仅有2个观察值和估计结果不一致，分组恰当率为98.95%；因变量取1即贷款违约组，在16个实际观察值中与估计值一致的有10个，不一致的有6个，分组恰当率为62.5%，综合两组结果模型的最终分组恰当率为96.12%。

将农户的相关信息代入上述模型即可计算出农户贷款违约概率。P值接近1，说明农户贷款违约的概率大；P值接近0，则说明农户贷款违约的概率小。

（三）结果分析

针对模型回归结果，对影响农户贷款信用风险的因素分析如下：

（1）户主年龄，没有通过显著性检验，表明年龄对农户贷款信用风险没有显著的影响，这与假设不符。户主的年龄可以反映前期家庭财富的积累状况和未来收入的可持续性，一般认为随着户主年龄的增长，抗风险的能力会越强，然而，实证结果并非如此。这个结果与孔荣等（2010）、张爱荣等（2013）的结论一致，他们认为户主年龄对贷款违约的影响方向很难明确，而且其影响并不显著。

（2）文化程度，没有通过显著性检验，说明文化程度高低对贷款信用风险影响较小。其原因可能为：一是当地农村的种养殖技术已经比较成熟，历史比较悠久，多以种植柑橘和茶叶为主，农业技术已经被大部分农民所掌握；二是样本中的农户文化程度大部分（87.9%）为初中与高中，这阶段的农民接受新知识，掌握新技能的能力相差不大。从这两个角度看来，文化程度对信用风险的影响并不显著，至于更深层次的原因值得继续探讨。

（3）家庭劳动力数，回归系数为负，在5%的显著性水平下通过了检验，表明该变量对农户违约概率有着显著的负向影响，与假设一致。随着劳动力数的增加，给农户家庭创造财富的能力会逐渐增强，于是家庭会有盈余的钱来偿还贷款；另外湖北当地的农村是以种植柑橘和茶叶所得为家庭的主要收入，劳动力越多，种植和收获的效果就会越好，创造的收入就越多，违约的可能性就会降低。

（4）是否有子女上大学，回归结果显示有子女上大学比没有子女上大学的农户违约概率大。一是因为农村家庭如果有子女考上大学，农户会把大部分的家庭收入用来支付学费和生活费，如此用来偿还贷款的金额就会减少，加大按期偿还贷款的难度；二是因为有子女上大学家庭的劳动力数会减少，而且大学生在校期间也很少为家庭创造财富，这样就给农户偿还贷款带来困难。

（5）家庭总资产，回归系数为负，在5%的显著性水平下通过了检验，说明该变量对农户贷款的违约概率有显著的负向影响，与假设一致。资产水平高说明借款人提供抵押物能力强，如果借款人到期不能偿还债务，贷款人有权通过处置抵押物来保障自身的权益，这样就降低了信用风险。

（6）家庭总负债，回归系数为正，在1%的显著性水平下通过了显著性检验，说明该变量对农户贷款的违约概率有着显著的正向影响，与假设一致。本文的家庭总负债主要包括农户在各银行的贷款余额和农户的民间借款，农户极有可能将农村商业银行贷款用于偿还家庭的民间借款，如此，农商行的贷款便不能在短时间内创造出剩余价值，进而影响农户的还款可能性。

（7）家庭年收入，没有通过显著性检验，说明家庭年收入对农户贷款信用风险的影响并不显著，这与假设不符。收入水平会影响农户的未来偿债能力，进而影响贷款违约的可能性，但实证结果却是没有显著关系，其原因可能是本文选取的是年收入而非年净收入，家庭年净收入比家庭年收入能更好地反映出未来的偿债能力，但由于数据缺失过多本文剔除了家庭年支出这一变量，这样可能使实证结果有些偏差。

（8）贷款利率，回归系数为正，在5%的显著性水平下通过了显著性检验，表明贷款利率对农户违约的概率有着显著的正向影响，与假设一致。因为利率越高，产生的利息就会越高，每年的利息有可能会给农户带来比较大的负担，造成农户不能按约偿还贷款。

（9）贷款期限，没有通过显著性检验。本文的样本中贷款期限几乎都是（99%）一年至三年，一年以内极少。从实际情况看，农业生产具有周期性，贷款少于一年的农户回收投资的可能性比较小，样本中的农户贷款期限都长于一年，几乎都可以回收投资用来偿还贷款，从这个角度看，贷款期限对信用风险的影响并不显著。

（10）贷款数额，没有通过显著性检验。本文选取的样本中，农户在农商行的贷款大多是小额贷款，很少有大额贷款，所以从这个样本判断，贷款数额与信用风险没有显著的相关关系，这与李正波等（2006）的研究结论一致。

（11）是否担保，结果显示贷款有担保的农户比没有担保的农户违约概率低。样本中的担保多以第三人的财产或农户自身的房产来担保，在农村，人们很注重自己在邻里间的信誉和声誉，所以为了不破坏信誉，农户还款的积极性会增强，故意违约的可能性会降低，这样贷款违约的可能性也会降低。

（12）贷款用途，结果显示生产性贷款的农户违约概率相比于消费性贷款小。其原因可能是：生产性贷款能够在短期内为农户创造利润，增强农户的还款能力，从而降低违约概率；消费性贷款则没有这一作用，大部分的消费性贷款被用来建房、装修住房、办理助学贷款等，这种贷款不会创造价值，所以相比于生产性贷款，消费性贷款违约的可能性较大。

五、结论和建议

本文根据湖北农村商业银行某支行提供的样本数据，运用Probit概率模型分析了农户贷款信用风险的影响因素，实证发现：

（1）家庭劳动力数和家庭总资产与农户贷款信用风险呈显著的负相关关系，家庭总负债和贷款利率与其正相关。

（2）有子女上大学、贷款没有担保比没有子女上大学、贷款有担保的农户贷款信用风险大，生产性贷款比消费性贷款的信用风险小。

（3）户主年龄、文化程度、家庭年收入、贷款期限和贷款数额这些因素对农户贷款信用风险不会产生显著影响。

本文研究所得出的结论对农村商业银行的农户贷款信用风险评价及其经营管理的研究具有一定的借鉴意义。农村商业银行在给农户发放贷款时应重点关注以下两个问题：

（1）认真做好贷款“三查制度”。贷前重点调查农户家庭劳动力和是否有子女上大学，对于家庭有子女上大学的农户，可考虑提供优惠的利率政策，延长其还款期限等。贷中审核，重点对农户的家庭总资产、总负债和贷款担保对象的真实性进行核实和调查，同时追踪调查贷款的实际用途，对于消费性贷款的农户，适当考虑限制贷款数额、期限等。贷后管理，及早发现和弥补尚未显现的潜在风险，提高贷款质量。

（2）实施优惠的利率政策。在我国开放对农村商业银行贷款利率管制的同时，农村商业银行除获得适当盈利外，可以考虑给予特殊农户贷款以优惠的利率或降低贷款利率，减轻农户贷款利息的压力，积极做好支持“三农”工作，鼓励农户按期还款。

【参考文献】

[1] 张云燕，王芳，罗剑朝.农户正规信贷违约影响因素实证分析：以陕西省渭南市农村信用社贷款农户问卷调查数据为例[J].经济经纬，2013（2）：33-37.

[2] MAHJABEEN M. Micro-financing in bangladesh：impact on households，on consumption and welfare[J]. Journal of Polieodeling，2008，2（7）：1-10.

[3] 刘立研，李晓红.农村信用社农户贷款信用风险影响因素研究：以黑龙江省为例[J].安徽农业科学，2013，41（13）：6023-6025.

[4] 张爱荣，宋洪远.贷款可得性影响因素研究：基于农户和村镇银行的视角[J].农村金融研究，2013（3）：64-69.

[5] 李岩，赵翠霞，于丽红.不同区域农户贷款行为的影响因素分析：以连续6年农户贷款面板数据为依据[J].金融理论与实践，2014（5）：29-34.

[6] 孙G，唐江.“因地制宜”开展农户贷款的案例组分析[J].会计之友，2014（33）：62-65.