潘雅瓊　宋澤群

【摘 要】 文章以農(nóng)村商業(yè)銀行的農(nóng)戶貸款為研究對(duì)象，探討農(nóng)戶貸款信用風(fēng)險(xiǎn)及其影響因素之間的作用機(jī)制，并通過(guò)湖北農(nóng)村商業(yè)銀行提供的農(nóng)戶貸款樣本數(shù)據(jù)，構(gòu)建Probit概率模型對(duì)數(shù)據(jù)進(jìn)行實(shí)證分析。結(jié)果表明：家庭勞動(dòng)力數(shù)和家庭總資產(chǎn)與農(nóng)戶貸款信用風(fēng)險(xiǎn)呈顯著負(fù)相關(guān)關(guān)系，家庭總負(fù)債和貸款利率與其正相關(guān)，是否有子女上大學(xué)、貸款是否擔(dān)保以及貸款用途對(duì)農(nóng)戶貸款信用風(fēng)險(xiǎn)也有顯著影響。因此，農(nóng)村商業(yè)銀行應(yīng)認(rèn)真審查農(nóng)戶基本信息，實(shí)施優(yōu)惠的利率政策，鼓勵(lì)生產(chǎn)性貸款和擔(dān)保貸款，以防范信用風(fēng)險(xiǎn)的發(fā)生。

【關(guān)鍵詞】 農(nóng)戶貸款； 信用風(fēng)險(xiǎn)； 農(nóng)村商業(yè)銀行； Probit模型

中圖分類號(hào)：F323.9 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1004-5937（2015）23-0023-05

一、引言

在我國(guó)農(nóng)村信貸市場(chǎng)中，隨著國(guó)有銀行逐漸從農(nóng)村領(lǐng)域中撤出，農(nóng)村信用社和農(nóng)村合作銀行將全部改制組建為農(nóng)村商業(yè)銀行，使得農(nóng)商行在農(nóng)村金融服務(wù)供給方面的重要性越來(lái)越顯現(xiàn)，成為農(nóng)戶貸款的主要提供者之一。然而，近年來(lái)農(nóng)戶貸款的不良率居高不下，不良貸款余額持續(xù)增長(zhǎng)，使農(nóng)商行對(duì)農(nóng)戶產(chǎn)生了畏貸情緒，如果不能有效地評(píng)價(jià)和控制農(nóng)戶貸款的信用風(fēng)險(xiǎn)，勢(shì)必影響農(nóng)商行的整體貸款質(zhì)量，進(jìn)而阻礙農(nóng)村經(jīng)濟(jì)的發(fā)展。

目前，國(guó)內(nèi)外很多專家學(xué)者對(duì)信用風(fēng)險(xiǎn)的研究重點(diǎn)放在大型國(guó)有商業(yè)銀行，忽視了農(nóng)村商業(yè)銀行這一特殊群體；對(duì)貸款對(duì)象的研究主要針對(duì)上市公司、中小企業(yè)，對(duì)農(nóng)戶貸款這一具有商業(yè)性和政策性雙重特征的信用風(fēng)險(xiǎn)缺乏研究。

鑒于此，本文以農(nóng)村商業(yè)銀行農(nóng)戶貸款為研究對(duì)象，分析農(nóng)戶貸款信用風(fēng)險(xiǎn)與各影響因素之間的作用機(jī)制，構(gòu)建農(nóng)戶貸款信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，并結(jié)合湖北農(nóng)村商業(yè)銀行某支行的數(shù)據(jù)，運(yùn)用Probit概率模型進(jìn)行實(shí)證研究。

二、文獻(xiàn)綜述

（一）農(nóng)戶貸款信用風(fēng)險(xiǎn)的影響因素

近年來(lái)，國(guó)內(nèi)外學(xué)者對(duì)各影響因素的研究大部分是根據(jù)農(nóng)戶和家庭的基本特征、財(cái)富擁有量、借貸特征、外部環(huán)境特征等建立各項(xiàng)農(nóng)戶貸款風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，具體如表1所示。

此外，Godquin M（2004）研究得出小額信貸農(nóng)戶的還款行為受到小組擔(dān)保、動(dòng)態(tài)激勵(lì)機(jī)制的影響。張愛榮和宋洪遠(yuǎn)（2013）把農(nóng)戶與村鎮(zhèn)銀行的距離作為解釋變量，假設(shè)距離比較近時(shí)會(huì)降低交易成本、提高獲得貸款的機(jī)會(huì)和信心，并通過(guò)實(shí)證得到了驗(yàn)證。李巖等（2014）認(rèn)為不同區(qū)域農(nóng)戶貸款行為的影響因素差異較大，需要針對(duì)不同發(fā)展區(qū)域和不同發(fā)展階段的農(nóng)戶制定不同的農(nóng)戶貸款政策。

（二）農(nóng)戶貸款信用風(fēng)險(xiǎn)的研究方法

1.信用評(píng)分法

國(guó)外學(xué)者多采用這種方法，將反映借貸者信用狀況的一些指標(biāo)定量化，然后用特殊方法計(jì)算反映借貸者信用狀況的信用綜合分值，通過(guò)與基本值的比較確定其信用級(jí)。這種方法的代表是1968年Altman教授發(fā)表的Z評(píng)分模型。其利用重要的財(cái)務(wù)比率來(lái)預(yù)測(cè)公司破產(chǎn)的可能性，現(xiàn)在被學(xué)者們用來(lái)研究農(nóng)戶貸款違約的可能性。Robert De Young（2001）構(gòu)建了Stacked-Fogit模型，實(shí)證分析了各個(gè)影響因素指標(biāo)對(duì)農(nóng)戶貸款信用得分的影響。

2.Logistic模型計(jì)量方法

該方法采用邏輯概率分布函數(shù)，其因變量為二級(jí)計(jì)分或二類評(píng)定的一種回歸分析。李萌（2005）以不良貸款率作為信用風(fēng)險(xiǎn)的衡量標(biāo)準(zhǔn)，運(yùn)用Logistic模型對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)進(jìn)行評(píng)估，證明了Logistic模型具有非?？尚诺淖R(shí)別、預(yù)測(cè)及推廣能力。張愛榮、宋洪遠(yuǎn)（2013），劉立研、李曉紅（2013），黃海源（2010）等都利用Logistic模型對(duì)農(nóng)戶貸款信用風(fēng)險(xiǎn)進(jìn)行了實(shí)證分析。

3.模糊綜合評(píng)價(jià)法

該方法以模糊數(shù)學(xué)為基礎(chǔ)研究客觀存在模糊現(xiàn)象的一種數(shù)學(xué)方法，在農(nóng)戶貸款信用風(fēng)險(xiǎn)評(píng)估中具有較強(qiáng)的適用性，因?yàn)樵u(píng)價(jià)指標(biāo)的選取、權(quán)重的確定以及評(píng)價(jià)標(biāo)準(zhǔn)的選擇都帶有一定的模糊性。楊暢（2013）在模糊綜合評(píng)價(jià)法的基礎(chǔ)上運(yùn)用突變模型對(duì)農(nóng)戶貸款信用風(fēng)險(xiǎn)進(jìn)行了分析，規(guī)避了風(fēng)險(xiǎn)評(píng)價(jià)時(shí)的主觀性與隨意性，提高了評(píng)價(jià)的準(zhǔn)確度。

除以上三種主要的研究方法外，還有面板回歸法、協(xié)整檢驗(yàn)和VAR模型、投影尋蹤模型等。綜上所述，國(guó)內(nèi)外學(xué)者重點(diǎn)探討了農(nóng)戶貸款信用風(fēng)險(xiǎn)的影響因素，研究方法也在不斷創(chuàng)新與發(fā)展，然而從農(nóng)村商業(yè)銀行角度研究這一問題的文獻(xiàn)很少，研究方法也多集中于Logistic模型、模糊綜合評(píng)價(jià)法等。因此，在前人研究的基礎(chǔ)上，本文從農(nóng)商行的角度出發(fā)，采用Probit模型對(duì)農(nóng)戶貸款信用風(fēng)險(xiǎn)的影響因素進(jìn)行實(shí)證分析。

三、農(nóng)戶貸款信用風(fēng)險(xiǎn)影響因素的實(shí)證模型

（一）模型的選擇

（二）數(shù)據(jù)來(lái)源

本文的數(shù)據(jù)選自湖北農(nóng)村商業(yè)銀行某支行的農(nóng)戶貸款樣本，從信貸系統(tǒng)中隨機(jī)抽取230個(gè)樣本，根據(jù)研究需要對(duì)數(shù)據(jù)進(jìn)行了篩選，剔除了關(guān)鍵數(shù)據(jù)缺失的樣本24個(gè)，剩下有效樣本206個(gè)。在這206個(gè)有效樣本中，貸款違約的有16戶，不違約的有190戶，違約率為7.8%。由于家庭總資產(chǎn)、家庭總負(fù)債、家庭年收入、貸款數(shù)額等一些變量的數(shù)值差異太大，為了避免誤差，本文參考了李正波等（2006）的處理方法，將變量標(biāo)準(zhǔn)化，即標(biāo)準(zhǔn)化后的數(shù)值等于（原數(shù)值-算術(shù)平均數(shù)）/該數(shù)值的標(biāo)準(zhǔn)差。

（三）變量的選取

影響農(nóng)戶貸款信用風(fēng)險(xiǎn)的因素很多，本文借鑒了前人的研究成果，并考慮到數(shù)據(jù)的可得性，在建立模型時(shí)選用的解釋變量具體如表2。

1.農(nóng)戶個(gè)人及家庭基本特征

包括戶主年齡、文化程度、家庭勞動(dòng)力數(shù)、是否有子女上大學(xué)。戶主的年齡和文化程度對(duì)風(fēng)險(xiǎn)的態(tài)度和負(fù)債的承受能力等都有很大的影響?？紤]到農(nóng)村的實(shí)際情況，本文將勞動(dòng)力數(shù)量界定為16至70周歲之間，在這個(gè)范圍內(nèi)的勞動(dòng)力都能為家庭帶來(lái)一定的收入，因此勞動(dòng)力數(shù)越多，創(chuàng)造的收入就越多，還貸能力就越強(qiáng)?，F(xiàn)在的農(nóng)村家庭中有子女上大學(xué)已成為家庭的一大財(cái)務(wù)負(fù)擔(dān)，減弱了農(nóng)戶的還款能力。

2.農(nóng)戶家庭財(cái)富擁有量

包括家庭總資產(chǎn)、家庭總負(fù)債和家庭年收入。家庭總資產(chǎn)根據(jù)當(dāng)?shù)氐膶?shí)際情況，包括房產(chǎn)、農(nóng)戶的固定資產(chǎn)以及其他耐用消費(fèi)品的價(jià)值總和，這一指標(biāo)能夠反映家庭的償債能力和抗風(fēng)險(xiǎn)能力；家庭總負(fù)債包括農(nóng)戶在各銀行的貸款余額和農(nóng)戶的民間借款，反映家庭的債務(wù)負(fù)擔(dān)水平和償債壓力；家庭年收入包括工資薪金收入、種養(yǎng)殖收入、外出務(wù)工收入和自營(yíng)工商業(yè)收入等，能反映家庭未來(lái)的償債能力以及抗風(fēng)險(xiǎn)能力。

3.借貸特征

包括貸款利率、貸款期限、貸款數(shù)額、是否有擔(dān)保以及貸款用途，這些變量在一定程度上能夠反映風(fēng)險(xiǎn)的大小，有助于銀行工作人員對(duì)農(nóng)戶是否能夠按時(shí)還款做預(yù)期估計(jì)以及提前采取風(fēng)險(xiǎn)防范的相關(guān)措施。

本文所選取的解釋變量與以往的研究者有所不同，主要原因：一是有的變量取值在本文中的差異并不明顯，如所處地區(qū)，本文的數(shù)據(jù)是由湖北省農(nóng)村商業(yè)銀行某支行提供的，而非全國(guó)各地的農(nóng)村商業(yè)銀行，因此從地域上看，沒有明顯的差異；二是本文的數(shù)據(jù)是從農(nóng)商行的信貸系統(tǒng)中隨機(jī)調(diào)查的，而不是對(duì)所有農(nóng)戶的問卷調(diào)查，所以有些因素未能納入考慮范圍，如農(nóng)戶對(duì)農(nóng)商行的熟悉程度和滿意程度、農(nóng)戶的風(fēng)險(xiǎn)意識(shí)、農(nóng)戶違約的內(nèi)疚程度等，這些問題沒有通過(guò)對(duì)農(nóng)戶的問卷調(diào)查是不能獲得有關(guān)數(shù)據(jù)的。

（四）相關(guān)假設(shè)

根據(jù)前人的理論和實(shí)證研究，結(jié)合相關(guān)實(shí)際情況，提出以下假設(shè)：

假設(shè)一：農(nóng)戶個(gè)人及家庭基本特征變量：戶主年齡（X1）越大，貸款信用風(fēng)險(xiǎn)越小；文化程度（X2）越高，信用風(fēng)險(xiǎn)越小。戶主年齡和文化程度能夠反映該家庭的整體素質(zhì)和穩(wěn)定性，家庭的整體素質(zhì)越高，穩(wěn)定性越好，信用風(fēng)險(xiǎn)越小。家庭勞動(dòng)力數(shù)（X3）越多，給家庭創(chuàng)造的收入就越多，信用風(fēng)險(xiǎn)越?。皇欠裼凶优洗髮W(xué)（X4）會(huì)影響家庭總支出，如果有子女上大學(xué)，家庭支出就會(huì)增加，信用風(fēng)險(xiǎn)就會(huì)相應(yīng)地增大。

假設(shè)二：農(nóng)戶家庭財(cái)富擁有量變量：家庭總資產(chǎn)（X5）會(huì)影響家庭提供抵押品的能力，總資產(chǎn)越多，信用風(fēng)險(xiǎn)越??；家庭總負(fù)債（X6）會(huì)影響家庭的償債壓力，總負(fù)債越多，信用風(fēng)險(xiǎn)越大；家庭年收入（X7）會(huì)影響家庭未來(lái)的償債能力，收入越高，信用風(fēng)險(xiǎn)越小。

假設(shè)三：借貸特征變量：貸款利率（X8）越低、期限（X9）越短、數(shù)額（X10）越少，農(nóng)戶違約的可能性越小，信用風(fēng)險(xiǎn)越小；貸款是否有擔(dān)保（X11）會(huì)影響貸款的安全性，有擔(dān)保的貸款安全性較高，信用風(fēng)險(xiǎn)較小；本文將借款用途（X12）分為生產(chǎn)性貸款和消費(fèi)性貸款，生產(chǎn)性貸款相對(duì)于消費(fèi)性貸款更容易創(chuàng)造價(jià)值，變現(xiàn)能力更強(qiáng)，信用風(fēng)險(xiǎn)較小。

四、實(shí)證結(jié)果及分析

（一）回歸結(jié)果

本文運(yùn)用Eviews6.0軟件進(jìn)行回歸分析，得到如表3所示的結(jié)果。

從表3可以看出，該模型的R2為0.6，表明模型整體擬合程度良好；LR統(tǒng)計(jì)量為67.88，對(duì)應(yīng)的P值為0，表明模型整體比較顯著；但是X1、X2、X7、X9、X10的統(tǒng)計(jì)量較小，伴隨著概率P值偏大，即戶主年齡X1、文化程度X2、家庭年收入X7、貸款期限X9、貸款數(shù)額X10對(duì)農(nóng)戶貸款信用風(fēng)險(xiǎn)不具有顯著影響。

剔除不顯著的影響因素，對(duì)被解釋變量與變量X3、X4、X5、X6、X8、X11、X12重新進(jìn)行回歸分析，得到結(jié)果如表4。

從表4可以看出，剔除了不顯著因素以后，模型的R2為0.54，表明模型整體擬合程度較好；LR統(tǒng)計(jì)量為60.91，對(duì)應(yīng)的P值為0，表明模型整體比較顯著；調(diào)整后的各解釋變量均在5%的顯著性水平下通過(guò)了顯著性檢驗(yàn)，表明變量的顯著性都非常高，能夠更好地解釋因變量。

（二）模型檢驗(yàn)

對(duì)模型進(jìn)行擬合優(yōu)度檢驗(yàn)，得到表5的期望預(yù)測(cè)。如果所估計(jì)的概率小于0.5，把它歸類到農(nóng)戶貸款不違約組；如果所預(yù)測(cè)估計(jì)大于0.5，則歸類到貸款違約組。因變量取0即貸款不違約組共190個(gè)觀察值，其中188個(gè)觀察值和估計(jì)結(jié)果一致，僅有2個(gè)觀察值和估計(jì)結(jié)果不一致，分組恰當(dāng)率為98.95%；因變量取1即貸款違約組，在16個(gè)實(shí)際觀察值中與估計(jì)值一致的有10個(gè)，不一致的有6個(gè)，分組恰當(dāng)率為62.5%，綜合兩組結(jié)果模型的最終分組恰當(dāng)率為96.12%。

將農(nóng)戶的相關(guān)信息代入上述模型即可計(jì)算出農(nóng)戶貸款違約概率。P值接近1，說(shuō)明農(nóng)戶貸款違約的概率大；P值接近0，則說(shuō)明農(nóng)戶貸款違約的概率小。

（三）結(jié)果分析

針對(duì)模型回歸結(jié)果，對(duì)影響農(nóng)戶貸款信用風(fēng)險(xiǎn)的因素分析如下：

（1）戶主年齡，沒有通過(guò)顯著性檢驗(yàn)，表明年齡對(duì)農(nóng)戶貸款信用風(fēng)險(xiǎn)沒有顯著的影響，這與假設(shè)不符。戶主的年齡可以反映前期家庭財(cái)富的積累狀況和未來(lái)收入的可持續(xù)性，一般認(rèn)為隨著戶主年齡的增長(zhǎng)，抗風(fēng)險(xiǎn)的能力會(huì)越強(qiáng)，然而，實(shí)證結(jié)果并非如此。這個(gè)結(jié)果與孔榮等（2010）、張愛榮等（2013）的結(jié)論一致，他們認(rèn)為戶主年齡對(duì)貸款違約的影響方向很難明確，而且其影響并不顯著。

（2）文化程度，沒有通過(guò)顯著性檢驗(yàn)，說(shuō)明文化程度高低對(duì)貸款信用風(fēng)險(xiǎn)影響較小。其原因可能為：一是當(dāng)?shù)剞r(nóng)村的種養(yǎng)殖技術(shù)已經(jīng)比較成熟，歷史比較悠久，多以種植柑橘和茶葉為主，農(nóng)業(yè)技術(shù)已經(jīng)被大部分農(nóng)民所掌握；二是樣本中的農(nóng)戶文化程度大部分（87.9%）為初中與高中，這階段的農(nóng)民接受新知識(shí)，掌握新技能的能力相差不大。從這兩個(gè)角度看來(lái)，文化程度對(duì)信用風(fēng)險(xiǎn)的影響并不顯著，至于更深層次的原因值得繼續(xù)探討。

（3）家庭勞動(dòng)力數(shù)，回歸系數(shù)為負(fù)，在5%的顯著性水平下通過(guò)了檢驗(yàn)，表明該變量對(duì)農(nóng)戶違約概率有著顯著的負(fù)向影響，與假設(shè)一致。隨著勞動(dòng)力數(shù)的增加，給農(nóng)戶家庭創(chuàng)造財(cái)富的能力會(huì)逐漸增強(qiáng)，于是家庭會(huì)有盈余的錢來(lái)償還貸款；另外湖北當(dāng)?shù)氐霓r(nóng)村是以種植柑橘和茶葉所得為家庭的主要收入，勞動(dòng)力越多，種植和收獲的效果就會(huì)越好，創(chuàng)造的收入就越多，違約的可能性就會(huì)降低。

（4）是否有子女上大學(xué)，回歸結(jié)果顯示有子女上大學(xué)比沒有子女上大學(xué)的農(nóng)戶違約概率大。一是因?yàn)檗r(nóng)村家庭如果有子女考上大學(xué)，農(nóng)戶會(huì)把大部分的家庭收入用來(lái)支付學(xué)費(fèi)和生活費(fèi)，如此用來(lái)償還貸款的金額就會(huì)減少，加大按期償還貸款的難度；二是因?yàn)橛凶优洗髮W(xué)家庭的勞動(dòng)力數(shù)會(huì)減少，而且大學(xué)生在校期間也很少為家庭創(chuàng)造財(cái)富，這樣就給農(nóng)戶償還貸款帶來(lái)困難。

（5）家庭總資產(chǎn)，回歸系數(shù)為負(fù)，在5%的顯著性水平下通過(guò)了檢驗(yàn)，說(shuō)明該變量對(duì)農(nóng)戶貸款的違約概率有顯著的負(fù)向影響，與假設(shè)一致。資產(chǎn)水平高說(shuō)明借款人提供抵押物能力強(qiáng)，如果借款人到期不能償還債務(wù)，貸款人有權(quán)通過(guò)處置抵押物來(lái)保障自身的權(quán)益，這樣就降低了信用風(fēng)險(xiǎn)。

（6）家庭總負(fù)債，回歸系數(shù)為正，在1%的顯著性水平下通過(guò)了顯著性檢驗(yàn)，說(shuō)明該變量對(duì)農(nóng)戶貸款的違約概率有著顯著的正向影響，與假設(shè)一致。本文的家庭總負(fù)債主要包括農(nóng)戶在各銀行的貸款余額和農(nóng)戶的民間借款，農(nóng)戶極有可能將農(nóng)村商業(yè)銀行貸款用于償還家庭的民間借款，如此，農(nóng)商行的貸款便不能在短時(shí)間內(nèi)創(chuàng)造出剩余價(jià)值，進(jìn)而影響農(nóng)戶的還款可能性。

（7）家庭年收入，沒有通過(guò)顯著性檢驗(yàn)，說(shuō)明家庭年收入對(duì)農(nóng)戶貸款信用風(fēng)險(xiǎn)的影響并不顯著，這與假設(shè)不符。收入水平會(huì)影響農(nóng)戶的未來(lái)償債能力，進(jìn)而影響貸款違約的可能性，但實(shí)證結(jié)果卻是沒有顯著關(guān)系，其原因可能是本文選取的是年收入而非年凈收入，家庭年凈收入比家庭年收入能更好地反映出未來(lái)的償債能力，但由于數(shù)據(jù)缺失過(guò)多本文剔除了家庭年支出這一變量，這樣可能使實(shí)證結(jié)果有些偏差。

（8）貸款利率，回歸系數(shù)為正，在5%的顯著性水平下通過(guò)了顯著性檢驗(yàn)，表明貸款利率對(duì)農(nóng)戶違約的概率有著顯著的正向影響，與假設(shè)一致。因?yàn)槔试礁?，產(chǎn)生的利息就會(huì)越高，每年的利息有可能會(huì)給農(nóng)戶帶來(lái)比較大的負(fù)擔(dān)，造成農(nóng)戶不能按約償還貸款。

（9）貸款期限，沒有通過(guò)顯著性檢驗(yàn)。本文的樣本中貸款期限幾乎都是（99%）一年至三年，一年以內(nèi)極少。從實(shí)際情況看，農(nóng)業(yè)生產(chǎn)具有周期性，貸款少于一年的農(nóng)戶回收投資的可能性比較小，樣本中的農(nóng)戶貸款期限都長(zhǎng)于一年，幾乎都可以回收投資用來(lái)償還貸款，從這個(gè)角度看，貸款期限對(duì)信用風(fēng)險(xiǎn)的影響并不顯著。

（10）貸款數(shù)額，沒有通過(guò)顯著性檢驗(yàn)。本文選取的樣本中，農(nóng)戶在農(nóng)商行的貸款大多是小額貸款，很少有大額貸款，所以從這個(gè)樣本判斷，貸款數(shù)額與信用風(fēng)險(xiǎn)沒有顯著的相關(guān)關(guān)系，這與李正波等（2006）的研究結(jié)論一致。

（11）是否擔(dān)保，結(jié)果顯示貸款有擔(dān)保的農(nóng)戶比沒有擔(dān)保的農(nóng)戶違約概率低。樣本中的擔(dān)保多以第三人的財(cái)產(chǎn)或農(nóng)戶自身的房產(chǎn)來(lái)?yè)?dān)保，在農(nóng)村，人們很注重自己在鄰里間的信譽(yù)和聲譽(yù)，所以為了不破壞信譽(yù)，農(nóng)戶還款的積極性會(huì)增強(qiáng)，故意違約的可能性會(huì)降低，這樣貸款違約的可能性也會(huì)降低。

（12）貸款用途，結(jié)果顯示生產(chǎn)性貸款的農(nóng)戶違約概率相比于消費(fèi)性貸款小。其原因可能是：生產(chǎn)性貸款能夠在短期內(nèi)為農(nóng)戶創(chuàng)造利潤(rùn)，增強(qiáng)農(nóng)戶的還款能力，從而降低違約概率；消費(fèi)性貸款則沒有這一作用，大部分的消費(fèi)性貸款被用來(lái)建房、裝修住房、辦理助學(xué)貸款等，這種貸款不會(huì)創(chuàng)造價(jià)值，所以相比于生產(chǎn)性貸款，消費(fèi)性貸款違約的可能性較大。

五、結(jié)論和建議

本文根據(jù)湖北農(nóng)村商業(yè)銀行某支行提供的樣本數(shù)據(jù)，運(yùn)用Probit概率模型分析了農(nóng)戶貸款信用風(fēng)險(xiǎn)的影響因素，實(shí)證發(fā)現(xiàn)：

（1）家庭勞動(dòng)力數(shù)和家庭總資產(chǎn)與農(nóng)戶貸款信用風(fēng)險(xiǎn)呈顯著的負(fù)相關(guān)關(guān)系，家庭總負(fù)債和貸款利率與其正相關(guān)。

（2）有子女上大學(xué)、貸款沒有擔(dān)保比沒有子女上大學(xué)、貸款有擔(dān)保的農(nóng)戶貸款信用風(fēng)險(xiǎn)大，生產(chǎn)性貸款比消費(fèi)性貸款的信用風(fēng)險(xiǎn)小。

（3）戶主年齡、文化程度、家庭年收入、貸款期限和貸款數(shù)額這些因素對(duì)農(nóng)戶貸款信用風(fēng)險(xiǎn)不會(huì)產(chǎn)生顯著影響。

本文研究所得出的結(jié)論對(duì)農(nóng)村商業(yè)銀行的農(nóng)戶貸款信用風(fēng)險(xiǎn)評(píng)價(jià)及其經(jīng)營(yíng)管理的研究具有一定的借鑒意義。農(nóng)村商業(yè)銀行在給農(nóng)戶發(fā)放貸款時(shí)應(yīng)重點(diǎn)關(guān)注以下兩個(gè)問題：

（1）認(rèn)真做好貸款“三查制度”。貸前重點(diǎn)調(diào)查農(nóng)戶家庭勞動(dòng)力和是否有子女上大學(xué)，對(duì)于家庭有子女上大學(xué)的農(nóng)戶，可考慮提供優(yōu)惠的利率政策，延長(zhǎng)其還款期限等。貸中審核，重點(diǎn)對(duì)農(nóng)戶的家庭總資產(chǎn)、總負(fù)債和貸款擔(dān)保對(duì)象的真實(shí)性進(jìn)行核實(shí)和調(diào)查，同時(shí)追蹤調(diào)查貸款的實(shí)際用途，對(duì)于消費(fèi)性貸款的農(nóng)戶，適當(dāng)考慮限制貸款數(shù)額、期限等。貸后管理，及早發(fā)現(xiàn)和彌補(bǔ)尚未顯現(xiàn)的潛在風(fēng)險(xiǎn)，提高貸款質(zhì)量。

（2）實(shí)施優(yōu)惠的利率政策。在我國(guó)開放對(duì)農(nóng)村商業(yè)銀行貸款利率管制的同時(shí)，農(nóng)村商業(yè)銀行除獲得適當(dāng)盈利外，可以考慮給予特殊農(nóng)戶貸款以優(yōu)惠的利率或降低貸款利率，減輕農(nóng)戶貸款利息的壓力，積極做好支持“三農(nóng)”工作，鼓勵(lì)農(nóng)戶按期還款。

【參考文獻(xiàn)】

[1] 張?jiān)蒲啵醴?，羅劍朝.農(nóng)戶正規(guī)信貸違約影響因素實(shí)證分析：以陜西省渭南市農(nóng)村信用社貸款農(nóng)戶問卷調(diào)查數(shù)據(jù)為例[J].經(jīng)濟(jì)經(jīng)緯，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] 劉立研，李曉紅.農(nóng)村信用社農(nóng)戶貸款信用風(fēng)險(xiǎn)影響因素研究：以黑龍江省為例[J].安徽農(nóng)業(yè)科學(xué)，2013，41（13）：6023-6025.

[4] 張愛榮，宋洪遠(yuǎn).貸款可得性影響因素研究：基于農(nóng)戶和村鎮(zhèn)銀行的視角[J].農(nóng)村金融研究，2013（3）：64-69.

[5] 李巖，趙翠霞，于麗紅.不同區(qū)域農(nóng)戶貸款行為的影響因素分析：以連續(xù)6年農(nóng)戶貸款面板數(shù)據(jù)為依據(jù)[J].金融理論與實(shí)踐，2014（5）：29-34.

[6] 孫翯，唐江.“因地制宜”開展農(nóng)戶貸款的案例組分析[J].會(huì)計(jì)之友，2014（33）：62-65.