农业企业信贷配给的实证研究

导语：农业企业信贷配给的实证研究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

信贷配给效率测度模型的构建

目前国内学者在研究农村信贷配给或农业信贷配给问题时，主要从2个角度分析信贷配给效率:(1)银行机构信贷资金供给对农村或农业经济发展的反应弹性;(2)银行机构信贷配给对自身经营效率或绩效的影响。基于本文的研究目的，在此只分析第一种情况，即分析银行机构信贷资金对农业龙头企业发展的反应弹性。国内学者在研究资金配置效率或农村信贷配给效率时，主要利用Wur-gler构建的测度资本配置效率的面板数据模型［9］，即通过求解行业固定资本形成的增长速度对于行业利润的弹性系数，作为行业资本配置效率［5，10］。银行机构信贷资源的配给效率衡量了信贷资金的投入对农业龙头企业产值增长的贡献。因此，要测度银行机构信贷资源的配给效率，需测度被配给的信贷资本对农业龙头企业产值增长的贡献度。根据本文的研究目标，选取市级以上农业龙头企业年末贷款余额作为农业龙头企业的投入指标，选取农业龙头企业总产值作为农业龙头企业经营的产出指标。利用Wurgler的方法，建立农业龙头企业信贷配给效率的模型如下:LnAELtAELt－1×pt=α+βLnAEGtAEGt－1×gt+μt(2)其中，AEL表示农业龙头企业贷款余额，AEG表示农业龙头企业总产值;pt和gt分别为t年福建省居民消费价格指数和第一产业国内生产总值指数(上年=100)，以消除价格变化因素的影响;模型(2)中的因变量LnAELtAELt－1×pt表示消除价格变化因素后的农业龙头企业信贷余额增长率，自变量LnAEGtAEGt－1×gt表示消除价格变化因素后的农业龙头企业总产值增长率，α和β为目标模型的待估参数，μt为随机误差项。β系数表示农业龙头企业信贷余额增长率对农业龙头企业总产值增长率的敏感程度(农业龙头企业信贷资本的投资产出弹性)，用以衡量银行机构信贷资源对农业龙头企业的配给效率。当参数β＞0时，这表明银行信贷资金主要投向了产出增长率高的农业龙头企业，农业龙头企业信贷配给的效率改善，说明银行信贷配给效率较高，此时β值越大，银行机构信贷配给效率越高。相应地，当β≤0时，这表明银行机构信贷没有主要投向产出增长率高的农业龙头企业，说明银行机构信贷配给缺乏效率，此时β值越小，银行机构信贷资源的配给效率越低。其中，2002－2009年的农业龙头企业贷款余额和总产值数据来源于《福建农业产业化龙头企业统计年鉴(2004－2010)》;福建省居民消费价格指数和第一产业国内生产总值指数由《福建统计年鉴(2010)》的统计数据整理得到。

信贷配给效率测度模型的拟合结果分析

(一)单位根检验为了避免伪回归，确保估计结果的有效性，在面板数据模型拟合之前，需对各面板序列的平稳性进行检验。而检验数据平稳性最常用的办法就是单位根检验。笔者利用LLCt统计量、IPSW统计量、ADF-FisherChi-square统计量、PP-FisherChi-square统计量来检验变量的平稳性。利用Eviews5．1软件的检验结果如表2所示。在各种方法的检验结果中，LnAELtAELt－1×pt和LnAEGtAEGt－1×gt的LLCt统计量、IPSW统计量、ADF-FisherChi-square统计量、PP-FisherChi-square统计量的值分别为－10．198、－3．420、50．983、70．078和－6．991、－1．940、38．389、49．421，相应的概率P值均小于0．05，说明4种方法的结果都拒绝原假设，2个变量不存在单位根，是平稳序列，满足协整检验的前提条件。(二)协整检验在自变量和因变量通过单位根检验之后，还需对自变量与因变量之间协整关系进行检验，以检验变量之间是否真正存在着长期稳定的均衡关系，判断回归方程残差是否平稳。笔者主要选择Fisher联合迹统计量进行协整检验，结果如表3所示。Fisher联合迹统计量、Fisher联合λ-max统计量分别为25．61、25．41，所对应的p值均为0，表示在5%的显著性水平下拒绝原假设(无协整关系)而接受备择假设，说明2003－2009年、福建省及其九地市的农业龙头企业信贷余额增长率对数值和农业龙头企业总产值增长率对数值的面板数据之间存在协整关系。因此，在存在协整关系检验通过的基础上，对概念模型进行拟合，此时的拟合结果较精确。(三)模型拟合结果分析在面板数据分析当中，当认为对于不同个体、解释变量的回归系数存在显著性差异时，可以建立变系数面板数据模型，通过各地区的系数比较度量出差异性的大小。而本文的研究对象为福建省及其九地市，九地市的农业产业发展水平及其在经济中的占比存在较大差异，可认为各地区在农业龙头企业信贷配给方面存在较大差异。因此，本文采用变系数变截距的固定效应模型进行回归分析，并利用Eviews5．1进行信贷配给效率测度模型估计，具体采用广义最小二乘法(GLS)进行估计，并结合截面加权估计方法，以减少或者消除截面数据引起的异方差性。表4即为信贷配给效率测度模型的拟合结果。从模型拟合结果来看，调整后的R2=0．182263，DW=2．183568，说明模型总体拟合优度较低，但基本不存在自相关现象，总体解释力较好。从模型拟合结果可知:(1)福建省及其九地市农业龙头企业信贷资本的β系数(投资产出弹性)均大于0，全省、厦门市、三明市、泉州市、宁德市的β系数均大于1，福州市、莆田市、漳州市、南平市、龙岩市的β系数均小于1;(2)在95%的置信度水平下，莆田市、泉州市、漳州市、福建省的β系数未通过显著性检验。由以上分析结果可知，银行机构对农业龙头企业的新增信贷资金很好地流向产出效率较高的龙头企业，或农业龙头企业获得的信贷资金呈现出绝对数量上的增长趋势，因此可认为福建省农业龙头企业信贷配给效率整体较高。

笔者利用相关年鉴统计数据，整理分析了福建省市级以上农业龙头企业遭受的信贷配给情况，并利用面板数据模型，检验银行机构对农业龙头企业信贷配给效率，主要研究结论为:(1)福建省市级以上农业龙头企业遭受的信贷配给程度很高且逐渐恶化，不同地市农业产业经济贡献度不同，其获得的信贷配给程度也不同。(2)虽然银行机构对市级以上农业龙头企业的信贷配给严重，但整体信贷配给效率较高，即银行机构对市级以上农业龙头企业的新增信贷资金很好地流向产出效率较高的龙头企业。银行机构是根据利益最大化和风险最小化原则对农业龙头企业实施信贷配给的。农业产业化龙头企业作为所有农业企业中的优质企业，其都获得银行机构的信贷配给，可在一定程度上表明中小农业企业必然也获得银行机构的信贷配给，且配给程度将更高。因此，虽然银行机构对农业龙头企业的信贷配给效率较高，但银行机构对农业企业的信贷配给对农业企业发展壮大造成一定的不利影响，需采取有效措施缓解其获得的信贷配给。而农业保险可作为克服农业弱质性的有效制度安排，作为涉农信贷的有效风险分担和补偿机制，以及作为分散银行业涉农信贷风险的重要途径，从而改善农业企业“信贷配给”问题［11］。因此，后续将对农业保险与农业企业信贷配给的关系进行理论分析与实证研究，从农业保险角度研究缓解农业企业信贷配给的有效途径。

本文作者：郑慧明刘伟平工作单位：福建农林大学经济与管理学院