甘宇　朱靜　劉成玉

摘要：本研究基于微觀調(diào)查數(shù)據(jù)，采用有序Probit模型對影響農(nóng)戶信貸排斥的因素進(jìn)行了系統(tǒng)分析，研究發(fā)現(xiàn)：在農(nóng)村地區(qū)，農(nóng)戶家庭主事者的性別、年齡對其家庭能否獲得貸款用于生產(chǎn)性投資影響顯著；家庭成員的總體受教育程度越高，其緩解家庭受信貸排斥的作用越大；同樣，家庭耕地規(guī)模越大和家庭年總收入越高的農(nóng)戶可以避免信貸排斥，而家庭負(fù)債越高的農(nóng)戶則面臨著嚴(yán)重的信貸排斥。居住在自有住房里的農(nóng)戶和居住在商業(yè)中心周邊的農(nóng)戶順利獲得貸款的概率較大。

關(guān)鍵詞：農(nóng)戶；農(nóng)村金融；信貸排斥

一、引言

根據(jù)央行發(fā)布的《2015 年上半年金融機(jī)構(gòu)貸款投向統(tǒng)計報告》，截至2015年6月末，本外幣農(nóng)村（縣及縣以下）貸款余額 20.72 萬億元，在這其中，農(nóng)戶貸款余額僅為5.84萬億元。究其原因，很大程度上是由于我國農(nóng)村地區(qū)存在信貸排斥，導(dǎo)致農(nóng)戶難以獲得金融服務(wù)。出于經(jīng)濟(jì)的“被分割”（Fragmented Economy），發(fā)展中國家普遍存在著二元經(jīng)濟(jì)結(jié)構(gòu)[ ]。而在中國城鄉(xiāng)之間這種金融的二元性表現(xiàn)得更為突出。由于歷史原因，我國城鄉(xiāng)金融發(fā)展水平差異較為嚴(yán)重，特別在農(nóng)村地區(qū)，金融發(fā)展的滯后，嚴(yán)重制約了農(nóng)村經(jīng)濟(jì)的發(fā)展。考慮到農(nóng)村金融服務(wù)對農(nóng)村經(jīng)濟(jì)建設(shè)起到的重要作用，國家采取了一系列措施來對農(nóng)村金融進(jìn)行大幅度的改革，但是收效甚微，農(nóng)戶貸款難、農(nóng)村資金外流等問題仍然明顯[ ]。究其原因，金融排斥（financial exclusion），特別是信貸排斥問題的存在是阻礙農(nóng)村地區(qū)金融服務(wù)發(fā)展的重要原因。

二、文獻(xiàn)綜述

信貸排斥是金融排斥的一個重要方面。早在二十年多前，該領(lǐng)域的研究逐漸獲得學(xué)界的關(guān)注，研究視角也從最初的金融地理學(xué)逐步拓展，融匯了其他學(xué)科的知識。當(dāng)前從社會學(xué)和經(jīng)濟(jì)學(xué)領(lǐng)域視角進(jìn)行研究的文獻(xiàn)也逐漸豐富。在在Leyshon和Thrift（1993、1994、1995）[ ]的研究中提出，銀行業(yè)的經(jīng)營是一種逐利行為，他們尤其看重“價值最大化”的經(jīng)營目標(biāo)。由于信息技術(shù)的發(fā)展以及全球一體化，競爭日趨激烈，銀行業(yè)也會慢慢強(qiáng)調(diào)經(jīng)營上的“為質(zhì)量而戰(zhàn)”。為了在控制成本的同時降低經(jīng)營風(fēng)險，也是為了增加經(jīng)營利潤，各金融機(jī)構(gòu)為了搶占更優(yōu)資源，他們通過在資源集中較多的地區(qū)不斷擴(kuò)大機(jī)構(gòu)和服務(wù)范圍，同時紛紛關(guān)閉經(jīng)濟(jì)相對落后的農(nóng)村和邊遠(yuǎn)地區(qū)的分支機(jī)構(gòu)，對低收入人群進(jìn)行選擇性排斥，直接導(dǎo)致了經(jīng)濟(jì)落后地區(qū)的金融服務(wù)可得性不高現(xiàn)象的出現(xiàn)。

基于金融排斥的原因及其影響因素，Kempson和Whyley（1999）[ ]指出，金融排斥是收入的負(fù)函數(shù)，并且還與特定人群的年齡等因素有一定的相關(guān)性。而Devlin（2005）[ ]在進(jìn)一步研究中發(fā)現(xiàn)，住房狀態(tài)等因素對金融排斥也有相對的影響。Panigyrakis（2002）[ ]指出，雖然金融排斥的定義可以隨著觀察角度的不同而有一定的差異，但其最根本的內(nèi)涵仍然指的是某部分群體難以通過合適的渠道獲得必需的金融服務(wù)和產(chǎn)品。王志軍（2007）、許圣道（2008）、何德旭（2008）等的研究得出結(jié)論，農(nóng)村地區(qū)由于存在金融排斥現(xiàn)象，一方面使得農(nóng)戶或者企業(yè)更難獲得金融方面的支持，更嚴(yán)重的后果是極可能由此產(chǎn)生金融空洞，在馬太效應(yīng)的作用下，農(nóng)村地區(qū)陷入金融惡性循環(huán)的概率更高，并最終導(dǎo)致資金外逃等后果[ ][ ][ ]。徐少君，金雪軍（2009）[ ]、隋艷穎，馬曉河（2011）[ ]也使用了單個省份的調(diào)查數(shù)據(jù)進(jìn)行估計，并獲得了類似的分析結(jié)果。為此杜曉山（2006）、王修華（2009）提出了應(yīng)大力發(fā)展小額信貸、微型金融[ ][ ]的實際性建議。王修華，譚開通（2012）[ ]利用8個省的微觀數(shù)據(jù)構(gòu)建了信貸供需雙方相互作用的形成機(jī)理分析模型，并，產(chǎn)生農(nóng)戶信貸排斥的主要原因在于農(nóng)村金融機(jī)構(gòu)其營運(yùn)的固定成本通常會高于城市地區(qū)、同時同樣一筆貸款農(nóng)戶需要相對更高的非利率成本才能獲得，并且金融機(jī)構(gòu)也需要更高的非利息成本來完成一戶農(nóng)戶貸款的發(fā)放。此外，王修華（2013）等[ ]發(fā)現(xiàn)，在影響農(nóng)戶儲蓄、信貸兩個方面排斥的因素中，既有共同的方面，如戶主或親友擔(dān)任村干部、人際關(guān)系滿意度、有新型農(nóng)村金融機(jī)構(gòu)、對金融機(jī)構(gòu)信任等，也有不同的方面，如所從事的職業(yè)、受教育程度、家庭的收入水平以及支出水平等。

從現(xiàn)有研究來看，經(jīng)驗支撐還相對缺乏，從經(jīng)濟(jì)學(xué)角度的研究還相對薄弱。本文在借鑒現(xiàn)有文獻(xiàn)成果的基礎(chǔ)上，以我國農(nóng)戶實地調(diào)查數(shù)據(jù)進(jìn)行經(jīng)驗研究，檢驗以下假設(shè)命題：

1.在貸款利率一定的情況下，貸款申請農(nóng)戶個體特征越好，則預(yù)期違約概率相對越低，同時金融機(jī)構(gòu)就該類個體放貸的非利息成本也偏低，從而更不易受到信貸排斥。

2.在其他條件不變的情況下，對農(nóng)戶發(fā)放貸款的單位非利息成本越高、對貸款違約的預(yù)期值越高，則金融機(jī)構(gòu)愿意發(fā)放給農(nóng)戶貸款的可能性越低。換句話說，金融機(jī)構(gòu)發(fā)放貸款的意愿，與發(fā)放該筆貸款的違約概率預(yù)期值成反比，隨著發(fā)放該筆貸款的非利息成本的增加而降低；另外，金融機(jī)構(gòu)通常認(rèn)為那些家庭資源稟賦相對匱乏、有著較高的債務(wù)水平農(nóng)戶有更高概率違約，從而導(dǎo)致了這部分群體更大概率的受到信貸排斥。

3.貸款申請農(nóng)戶所在社區(qū)經(jīng)濟(jì)活躍度越高，交通越便利，金融機(jī)構(gòu)與農(nóng)戶間的信息不對稱程度越低，給予他們放貸的非利息成本越低，該部分農(nóng)戶受到信貸排斥可能性越低。

三、數(shù)據(jù)來源、變量賦值及其描述統(tǒng)計

（一）數(shù)據(jù)來源

本文使用的全部數(shù)據(jù)來源于中山大學(xué)社會科學(xué)調(diào)查中心的中國勞動力動態(tài)調(diào)查（China Labor Force Dynamic Survey，CLDS）。該項目是一項大型的追蹤調(diào)查，第一次調(diào)查始于2012年，內(nèi)容涉及多個學(xué)科，內(nèi)容包括了教育、經(jīng)濟(jì)活動、社會參與、健康、工作、基層組織、遷移等多個方面?！安煌诙韲陀《鹊拇迳缰疲瑬|方國家有其自身傳統(tǒng)，遵循傳統(tǒng)的家戶制，財產(chǎn)分配和繼承均以家戶為單位?！盵 ]所以我們認(rèn)為該調(diào)查數(shù)據(jù)能夠較好的反映中國國情，本研究的農(nóng)戶家庭樣本為4625個，其具體情況詳見表2。

（二）變量選取及其賦值

結(jié)合本文的研究目的同時考慮數(shù)據(jù)的可獲得性，本研究一共挑選了3方面的指標(biāo)涉及到14個變量，主要分為：家庭主事者的個人稟賦、家戶的資源稟賦特征、經(jīng)濟(jì)交通活躍度等。

在家庭主事者個人稟賦方面，主要通過4個變量進(jìn)行了描述，分別是主事者的性別、婚姻狀況、主事的年齡以及他的受教育程度。通常來說，我們會認(rèn)為男性相對于女生具有更強(qiáng)的風(fēng)險偏好；而已婚或者有生活伴侶的家庭主事者的家庭生活更穩(wěn)定[ ]，在婚姻變量上，為了更簡潔的就有無生活伴侶是否對家庭信貸排斥現(xiàn)象有顯著的影響差異，我們將戶主的婚姻狀況進(jìn)行了變量處理，“現(xiàn)沒有生活伴侶”指的是那些或離異、或喪偶或從未結(jié)婚的人群?！坝猩畎閭H”選項則指的是有配偶的人群，其中既包含初婚，也包含再婚。年齡的增加通常情況下會導(dǎo)致農(nóng)戶趨于更厭惡風(fēng)險，同時其貸款違約的風(fēng)險也增加；因此，我們可能得出結(jié)論，那些年齡偏大且沒有生活伴侶的女性家庭主事者，可能恰恰是信貸排斥的對象[ ]；另外，主事者自身文化程度高低會直接決定他們理解信貸產(chǎn)品的程度。

農(nóng)戶自身的家庭資源稟賦也是本研究考察的重點。從家庭角度而言，家庭成員中的高中學(xué)歷人口、勞動力占比、家庭占有的耕地規(guī)模、家庭的總收入和總支出、實際債務(wù)、農(nóng)業(yè)收入在家庭收入中的所占的比例以及家庭現(xiàn)居住所類型8個變量。通常我們認(rèn)為如果家庭中成員受教育的平均水平越高，那么他們可能獲得的社會網(wǎng)絡(luò)越廣，“由于社會關(guān)系形成的個人資源”[ ]使得其家庭收入來源比較穩(wěn)定；同樣，家庭勞動力比率越高，家庭的收入也獲得相對的保障[ ]，這些類型的農(nóng)戶比較容易獲得金融機(jī)構(gòu)的青睞；一般而言，在農(nóng)村社會中，耕地是農(nóng)戶的主要收入來源，耕地規(guī)模越大，其經(jīng)濟(jì)收益越高，因此家庭耕地規(guī)?？梢苑从侈r(nóng)戶是否有比較穩(wěn)定的信貸保證；在同等條件下，金融機(jī)構(gòu)更樂于提供金融借貸給家庭收入較高的農(nóng)戶家庭，同時這部分農(nóng)戶相對借貸需求偏低，較小可能發(fā)生信貸排斥；家庭年總支出的高低則直接影響農(nóng)戶的借貸需求；另外，家庭負(fù)債越高的農(nóng)戶，面臨信貸排斥的可能性越高；家庭農(nóng)業(yè)收入占比則為家庭農(nóng)、林、牧、副、漁業(yè)等涉農(nóng)收入與家庭總收入之比，農(nóng)戶農(nóng)業(yè)收入占比的高低決定其依賴務(wù)農(nóng)獲得收益的程度；家庭現(xiàn)在居住的房屋類型則反映農(nóng)戶家庭基本的經(jīng)濟(jì)穩(wěn)定情況，一般而言，在農(nóng)村地區(qū)家庭房屋自有與否是其經(jīng)濟(jì)情況的直接體現(xiàn)。

社區(qū)交通活躍度主要依靠一下兩個變量進(jìn)行考量：家庭到最近公交站點的距離以及家庭到商業(yè)中心的距離。第一個變量家庭離最近公交站點距離反映了家庭所在社區(qū)的交通便利情況，在農(nóng)村地區(qū)，交通越便利的地方，地方經(jīng)濟(jì)發(fā)展水平可能越高；而另一個變量為樣本家庭所在地與商業(yè)中心之間的距離，直接反映農(nóng)戶參與市場交易的便捷程度。通常來說，我們認(rèn)為越靠近商業(yè)中心的家庭，他們由于地理位置的優(yōu)勢，受到信貸排斥的可能性更低。

（三）變量描述統(tǒng)計

表2是變量描述統(tǒng)計，根據(jù)本研究的有序Probit模型，是否順利地從銀行信用社等正規(guī)金融機(jī)構(gòu)貸到款用于生產(chǎn)性投資y是一個0～2的多分變量，其均值為0.7479，表明樣本農(nóng)戶較難從正規(guī)金融機(jī)構(gòu)獲得貸款用于生產(chǎn)性投資。

1.家庭主事者的個人特征

從本次調(diào)查來看，85.12%的家庭主事者為男性，平均年齡在43歲左右。在家庭主事者婚姻變量上，為了更加簡單清晰地比較家庭主事者有無生活伴侶，對其家庭能否順利獲得貸款用于生產(chǎn)性投資的差異，本研究將初婚和再婚有配偶定義為“有生活伴侶”，其他定義為 “現(xiàn)沒有生活伴侶”。從表2中可以看出，有超過90%的家庭主事者有生活伴侶；在主事者教育程度方面，大部分的家庭主事者的文化水平為初中以下。

2.樣本農(nóng)戶的家庭特征

在家庭文化總體水平方面，樣本農(nóng)戶家庭高中學(xué)歷以上人數(shù)極少，平均每戶不到一個人；在勞動力方面，樣本家庭勞動力比率平均為67.28%；每個家庭平均承包6.5畝左右的土地；家庭年總收入平均不到3萬元，而其年總支出則幾乎與年總收入持平；在家庭債務(wù)方面，平均每戶欠債1萬余元。而在家庭農(nóng)業(yè)收入占比上，平均只有37.47%。也就是說，農(nóng)戶其他收入來源成為其收入構(gòu)成的主體。在家庭居住房屋方面，自有住房率達(dá)到86.81%。

3.家庭所處社區(qū)特征

家庭到最近的公交站點距離平均為3公里左右；家庭到最近的商業(yè)中心距離則平均將近7公里。

四、研究方法與估計結(jié)果分析

（一）研究方法

被解釋變量 y 是農(nóng)戶受到信貸排斥程度，為模擬農(nóng)戶在信貸活動中的選擇，根據(jù)其受到信貸排斥程度，將其劃分為具有排序性質(zhì)的3層： 不受排斥時，y = 0； 受到部分排斥時，y = 1； 受到完全排斥時，y =2。OPM（order probit model）是針對這種離散的，有次序性的因變量的經(jīng)濟(jì)計量模型，可很好地模擬農(nóng)戶位于各個層級的概率及其決定因素。以 表示在（0，1，2…，m）上取值的有序響應(yīng)，關(guān)于 的有序Probit模型可由以下式子表示：

其中 是一個潛在變量，對其具體值的觀測無法進(jìn)行，但 是可以觀測得到的變量； 是一組解釋變量的觀測值，i（i=1，2，…，n）代表著觀測值數(shù)； 代表待估計的參數(shù)變量； 是隨機(jī)解釋變量；j是狀態(tài)參數(shù)； 是區(qū)間的分界點； 是標(biāo)準(zhǔn)正態(tài)累計分布函數(shù)。[ ]

（二）估計結(jié)果分析

上述理論模型將通過本部分的討論進(jìn)行經(jīng)驗檢驗，使用有序probit模型分別考察各變量對農(nóng)戶的借貸需求獲得滿足的程度的影響。

根據(jù)上述討論的估計方法，本研究在農(nóng)戶家庭主事者的個人特征、家庭特征以及社區(qū)特征等三個方面選取了14個解釋變量，進(jìn)一步利用Stata12.0軟件對農(nóng)戶是否順利的從銀行信用社等正規(guī)金融機(jī)構(gòu)貸到款用于生產(chǎn)性投資進(jìn)行了有序Probit模型估計。表3中模型Ⅰ是讓所有的變量進(jìn)入模型中的檢驗，檢驗結(jié)果反映了所有解釋變量對被解釋變量的影響程度。在對相關(guān)系數(shù)的觀察中可以獲知，在整體上模型Ⅰ的擬合優(yōu)度較為不錯，這個檢測結(jié)果說明進(jìn)入模型的解釋變量對被解釋變量在整體上有顯著性的影響。更進(jìn)一步，我們觀察到變量x1、x3、x5、x7、x8、x10、x12、x14等顯著影響農(nóng)戶信貸排斥，但是x2、x4、x6、x9、x11、x13等變量對農(nóng)戶信貸排斥的影響并沒有通過顯著性檢驗。模型Ⅱ是在模型Ⅰ的基礎(chǔ)上，經(jīng)過優(yōu)化檢驗、剔除對被解釋變量影響不顯著的變量后，模型的估計結(jié)果。通過對模型Ⅰ和模型Ⅱ中各解釋變量參數(shù)的對比分析發(fā)現(xiàn)，模型Ⅱ中各解釋變量對被解釋變量的解釋程度明顯高于模型Ⅰ，且通過對數(shù)似然比（Log likelihood）、偽判決系數(shù)（Pseudo R2）的數(shù)值比較來看，模型Ⅱ的擬合優(yōu)度較高。

1.個人稟賦對農(nóng)戶信貸排斥的影響

從表3可知，反映個人稟賦的可觀測變量中，x1和x3對農(nóng)戶信貸排斥都有顯著的影響，其中x1是負(fù)向影響，表明女性為主事者的家庭在信貸活動中更容易被排斥。在農(nóng)村社會中，傳統(tǒng)文化中的男主外女主內(nèi)的影響根深蒂固。一般認(rèn)為，以女性為主事者的家庭在經(jīng)濟(jì)上都比較弱勢。因此，從銀行厭惡風(fēng)險的角度出發(fā)，更愿意發(fā)放貸款給男性主事者的家庭。同樣，基于風(fēng)險的考量，在農(nóng)村的經(jīng)濟(jì)活動中，農(nóng)民更多的是依靠體力的付出獲得經(jīng)濟(jì)收入，家庭主事者年齡越高，體力越衰弱，在銀行的風(fēng)險評估中越不利，其越難獲得貸款。這與我們的假設(shè)1相吻合。在模型中，農(nóng)戶的婚姻狀況并沒有通過顯著性檢驗，這可能與樣本農(nóng)戶家庭主事者九成以上為有生活伴侶，沒有表現(xiàn)出差異性有關(guān)，這需要對其進(jìn)一步細(xì)分研究。

2.家庭特征對農(nóng)戶信貸排斥的影響

反映家庭特征的可觀測變量中，家庭高中學(xué)歷以上人數(shù)變量系數(shù)在5%的顯著水平下顯著，且呈負(fù)相關(guān)，表明家庭總體受教育水平越高，越容易獲得貸款用于生產(chǎn)性投資?？紤]到農(nóng)村整體教育發(fā)展程度不高的現(xiàn)狀，受到高中以上教育已經(jīng)是較高的文化水平[ ]。在農(nóng)村社會中，這一部分受過高教育者往往可以通過同窗關(guān)系，積累更多的社會資本，從而順利獲得貸款用于生產(chǎn)性投資。同時，與主事者教育程度變量影響不顯著相比較也可以看出，在避免信貸排斥方面，家庭總體受教育水平的作用比個體受教育程度的作用更大。家庭耕地規(guī)模和家庭年總收入這兩個等距變量系數(shù)方向均為負(fù)向，而且均在1%的顯著水平下顯著，表明家庭耕地規(guī)模和家庭年收入對規(guī)避信貸排斥均有著十分強(qiáng)烈的作用。家庭承包土地越多，信息不對稱程度越低，同時也意味著家庭收入預(yù)期越高，信貸違約的可能性越低，因此此類農(nóng)戶在需要進(jìn)行生產(chǎn)性投資時，更容易獲得貸款。與此相對的是，家庭債務(wù)越高的農(nóng)戶，則越可能受到信貸排斥。雖然家庭農(nóng)業(yè)收入占比變量的系數(shù)較小，也沒有呈現(xiàn)出顯著的反應(yīng)，但其系數(shù)方向也可以印證上述討論，在農(nóng)村中農(nóng)業(yè)收入越高，其在貸款中信息透明度越高，意味著銀行放貸的風(fēng)險越低，農(nóng)戶獲得貸款的概率就越高。在估計中，我們也看到了，擁有自有房屋的農(nóng)戶獲得貸款用于生產(chǎn)性投資的可能性越高。房屋是家庭資產(chǎn)的重要構(gòu)成部分，農(nóng)戶擁有自有房屋實際上是向銀行發(fā)出可以按期還本息這一積極且穩(wěn)定的經(jīng)濟(jì)信號，客觀上提高了銀行對收回本息的預(yù)期；更重要的是，房屋作為可供抵押擔(dān)保財產(chǎn)，在很大程度上可以解除農(nóng)戶的信貸排斥，這與我們前述的假設(shè)2相符合。

3.社區(qū)特征對農(nóng)戶信貸排斥的影響

表3中，家庭到最近的商業(yè)中心距離在0.01的顯著水平上對農(nóng)戶信貸排斥產(chǎn)生顯著的正向影響。在農(nóng)村地區(qū)，銀行或者信用社一般駐在場鎮(zhèn)或者集市等商業(yè)氛圍較濃的地方，銀行對距離這些農(nóng)村地區(qū)商業(yè)中心越遠(yuǎn)的農(nóng)戶經(jīng)濟(jì)信息占有較少，因此使得他們在貸款信息審核時更加謹(jǐn)慎，在客觀上使得該部分農(nóng)戶很難獲得貸款用于生產(chǎn)性投資。該模型結(jié)果部分回應(yīng)了假設(shè)3。而家庭到最近的公交站點距離這一反映社區(qū)特征的可觀測變量在模型中對農(nóng)戶信貸排斥的影響并不顯著?？赡艿慕忉屖牵弘m然交通便利程度在一定層面上能夠體現(xiàn)出農(nóng)戶家庭所在社區(qū)的經(jīng)濟(jì)活躍度，但是由于農(nóng)村的公共交通條件長期以來都比較落后，并沒有發(fā)生顯著的變化。雖然我們觀察到了在農(nóng)戶信貸排斥中會體現(xiàn)出呈現(xiàn)區(qū)域差異化特征，但這一差異性并不能由村鎮(zhèn)的公共交通便利程度直接體現(xiàn)，簡單說來即是在同一地區(qū)范圍內(nèi)，差異性的社區(qū)位置對農(nóng)戶信貸排斥的影響并不顯著。

五、結(jié)論與政策啟示

本文根據(jù)實地調(diào)查結(jié)果，運(yùn)用有序probit模型對各變量產(chǎn)生在農(nóng)戶信貸排斥影響上的的效用方向進(jìn)行了驗證。得到結(jié)論：農(nóng)戶家庭主事者的性別、年齡對其家庭能否獲得貸款用于生產(chǎn)性投資影響顯著；家庭成員的總體受教育程度可以緩解其受信貸排斥的影響；同樣，家庭耕地規(guī)模越大和家庭年總收入越高的農(nóng)戶可以避免信貸排斥，而家庭負(fù)債越高的農(nóng)戶則面臨著嚴(yán)重的信貸排斥。居住在自有住房里的農(nóng)戶和居住在商業(yè)中心周邊的農(nóng)戶可以較為順利地獲得貸款。

在城鄉(xiāng)統(tǒng)籌背景下，多種因素會影響到農(nóng)村地區(qū)的農(nóng)戶信貸排斥。多種情況下的信貸排斥，一方面是由于銀行作為以營利為目的的機(jī)構(gòu)，必須要求維護(hù)自身經(jīng)營利益；另一方面也與國家政策之間有著密不可分的關(guān)系。農(nóng)村地區(qū)要促進(jìn)農(nóng)戶增收，必須構(gòu)建包容性農(nóng)村金融體系，從制度層面破解農(nóng)戶信貸排斥難題；農(nóng)村金融的發(fā)展一定離不開金融創(chuàng)新，必須通過搭建創(chuàng)新農(nóng)村信用體系，搭建符合農(nóng)村金融特征的平臺，著力于盤活農(nóng)村資金，推動農(nóng)村產(chǎn)權(quán)可向金融機(jī)構(gòu)做抵押融資的金融產(chǎn)品；另外，要發(fā)揮農(nóng)村地區(qū)社會網(wǎng)絡(luò)緊密的優(yōu)勢，降低農(nóng)戶與金融機(jī)構(gòu)間的信息不對稱，減少農(nóng)戶信貸排斥；最后，以縣為單位，根據(jù)涉農(nóng)貸款金額比例建立風(fēng)險補(bǔ)償基金，分擔(dān)金融機(jī)構(gòu)服務(wù)“三農(nóng)”的風(fēng)險。