時間：2023-06-08 10:56:42
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇家庭金融調查，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
(1)chfs抽樣設計：經濟富裕地區(東部地區)的樣本比重相對較大(樣本市縣中東中西部省份的比例為32:27:21，全國為34:27:38)，城鎮地區(相對于農村地區)的樣本比重相對較大(樣本中城鎮居委會與農村村委會比例為181:139)，城鎮富裕家庭占比較大，樣本的地理分布比較均勻。
(2)數據核查：事后對所有受訪者進行(電話)回訪。
(3)拒訪率：chfs的拒訪率低于國內外相似或同類調查的拒訪率。
(4)數據代表性：人口統計學方面，chfs調查數據在家庭規模、人口年齡結構和性別比例方面與國家統計局的數據比較一致，其中城市人口比例數據與國家統計局有差異(XX年chfs數據按戶口計算為0.369，國家統計局公布的數據為0.513，但是國家統計局公布的城鎮人口是指居住在城鎮范圍內的全部常住人口，不是戶籍概念)。在居民收入總額上，chfs和國家統計局公布的全國居民收入總額、城市和農村居民收入總額、人均收入方面比較一致，在農村和城市人均收入內部構成上二者差距比較大。
(5)國內有影響力的家庭調查數據：中國健康與營養調查(chns)，中國家庭收入項目調查(chip)，中國綜合社會調查(cgss)，中國健康與養老跟蹤調查(charls)。
pps(probability proportionate to size sampling)：按規模大小成比例的抽樣，它是一種使用輔助信息，從而使每個單位均有按其規模大小成比例的被抽中概率的一種抽樣方式。pps 抽樣是指在多階段抽樣中，尤其是二階段抽樣中，初級抽樣單位被抽中的機率取決于其初級抽樣單位的規模大小，初級抽樣單位規模越大，被抽中的機會就越大，初級抽樣單位規模越小，被抽中的機率就越小。
2.家庭人口和工作特征
(1)XX年chfs樣本數據顯示平均家庭規模為2.94人。少兒(15周歲以下)人口男女性別比為123:100，勞動年齡人口男女性別比為100.5:100，老年(60周歲以上)人口的男女性別小于1。
(2)無論是根據人口老齡化指標1(60周歲以上人口占總人口比例為10%，根據chfs我國XX年該數據為16.34%)還是指標2(65周歲以上人口占總人口比例為7%，我國為10.65%)都表明我國人口老齡化現象嚴重。少兒撫養比低于老年撫養比，且城市人口老齡化趨勢高于農村。
(3)根據chfs數據，我國初中及以下學歷的比例高達63.58%，年齡組越低的人群高學歷的比例越高。
(4)根據chfs我國城市剩男、剩女(30周歲以上的未婚男女)的比例41:62，農村為59:38。
(5)企業雇傭的勞動力占從業人員的比例高達62%，其中38.44%在私營或個體企業工作，大力發展工商業可能是解決中國勞動力就業的主要途徑，大力支持私營或個體企業的發展，中國勞動力就業壓力將可能得到緩解。
(6)具有博士學歷職工的工資收入低于碩士學歷職工的工資，在這個階段教育收入回報為負。
(7)隨著人口年齡降低，初中學歷以下人口比例顯著降低，義務教育效果明顯。
關鍵詞：農村居民；金融資產；影響因素；生命周期
中圖分類號：F830.34 文獻標識碼：B 文章編號：1674-2265（2013）07-0058-06
一、引言
隨著農村經濟發展水平的不斷提高，農村居民家庭財產逐漸積累。金融資產作為農民家庭財產的重要組成部分，其總量和結構也發生了顯著變化，對于農村金融資產相關問題的研究逐漸成為人們關注的焦點。目前，許多學者專門對我國城鎮居民財產分布進行了研究（李實、魏眾等，2005；梁運文、霍震等，2010）；但與此形成鮮明對比的是對于農村居民家庭財產相關問題的研究卻很少，對農村居民家庭金融資產問題的研究更少，并且多集中在金融資產選擇（史代敏，2005）與借貸需求方面 （周宗安，2010； 陳鵬，2011；張學勇，2010 ），很少有對農村居民家庭金融資產現狀、結構及影響因素的實證研究。鑒于國內對農村居民金融資產相關問題研究的欠缺，筆者于2012年7月對我國農村居民家庭金融資產的規模、結構進行了盡可能詳細的入戶調研，以期真實描繪當前我國農村居民家庭金融資產現狀，并從實證的角度分析研究金融資產的影響因素，為進一步的理論研究和政策制定提供一定參考。
二、數據來源、指標選擇與處理
本文使用的數據來自調查組于2012年7月對我國9省（自治區、直轄市）的農村居民家庭的實地調查，調查問卷主要涉及農戶家庭財產總量及金融資產和構成，影響農戶家庭金融資產總量的因素如家庭經濟、家庭特征、外部環境等。調查樣本的抽樣原則是：首先，按全國三大區域的劃分，按地區人均收入排序后隨機抽取樣本省份，其中，東部地區3個省份為山東、江蘇、福建，中部地區3個省份為河南、安徽、湖南，西部地區3個省份為甘肅、重慶、廣西；其次，根據各省、市、自治區內經濟發展水平的不同，以人均收入為基準，將樣本省份的各個縣排序，分別隨機抽取東部地區7個縣、中部地區8個縣、西部地區6個縣，共21個縣進行實際調研；最后，在每個縣，以調查者所居住鄉村為基礎，隨機抽取農戶為調查樣本。按照各縣的地級市歸屬，具體調查地點和訪問戶數如下：山東菏澤、濱州、濟寧，江蘇南通、蘇州、揚州，福建泉州共計200戶農村居民家庭； 河南鄭州、信陽，安徽亳州、宿州、阜陽，湖南邵陽、湘潭、湘西共計200戶農村居民家庭；甘肅平涼、隴西，重慶黔州，廣西賀州、桂林、百色共計150戶農村居民家庭。為盡可能保證問卷信息的真實可得性，調查組采用入戶調查、當面訪談并回收問卷的形式，發放、回收問卷550份，其中有效問卷500份，有效率為90.9%。
文中所涉及的家庭金融資產是指剔除借貸行為后所剩余的金融凈資產，包括居民家庭儲蓄存款、手存現金、金融產品等，儲蓄存款包括定期存款和活期存款；金融產品具體指國債、股票、基金、保險等。居民家庭財產，主要指金融資產、住房估計價值（房產）、家庭耐用消費品估值和家庭生產經營資產。其中，房產價值由兩部分構成：一部分為房屋自身價值；另一部分為裝修附加價值（調查測算過程中忽略了建筑面積用地價值），并以消費者價格指數作為通貨膨脹率衡量指標，將數據進行了適當處理。家庭主要耐用消費品主要指非經營性家用汽車和購買原值在200元以上、產品壽命一年以上的耐用消費品，考慮到耐用消費品貶值速度較快，因此對其現值估計時采取30%的折舊率。家庭生產經營資產主要有家庭農機設備現值（對其現值估計時也采取30%的折舊率）、固定資產現值（扣除貸款）、自由流動資金等。
三、金融資產分布與構成
（一）金融資產規模與分布
調查數據表明，當前我國農村居民家庭金融資產戶均值為37825元，與2007年農村居民家庭金融資產16459元相比有了大幅提高。但約有53%的被調查居民家庭金融資產均值位于平均水平之下，金融資產水平為4萬元以下的比例達65%，可以看出，農村居民家庭金融資產差異明顯（見圖1）。
同時，我國農村居民家庭金融資產分布呈現出明顯的地區差異性。從圖2可以看出，我國東、中、西部地區農村居民家庭金融資產均值分別為47925元、40900元、21283元，東部地區農村居民家庭金融資產均值為西部地區的2.25倍，農村居民家庭金融資產具有明顯的地區差異性，這主要源于經濟發展水平的地區差異性，這也從側面反映了我國東、中、西部農村地區的貧富差異。
（二）金融資產結構
圖3顯示，儲蓄存款在農村居民家庭金融資產中構成比例最高，達到80.38%；其次為手存現金，為13.40%；金融產品所占比例最小，為6.22%。同居民家庭金融資產分布狀況一樣，居民家庭金融資產構成因地區不同也存在差異性，農村居民家庭金融資產過多集中在儲蓄存款上是不爭的事實，但各金融資產結構所占比例因地區不同而有所差異。從整體來看，在儲蓄存款占家庭金融資產比例方面，西部農村地區比例最高，其次為中部地區，東部地區最小；而手存現金占家庭金融資產的比例，東、中、西部相差不大；東部地區金融產品所占家庭金融資產比例為8.24%，這幾乎為中部地區所占比例的兩倍，是西部地區所占比例的兩倍多，反映了東部農村居民在金融資產方面更加側重于收益。相比2002年農村居民家庭金融產品資產幾乎為0，現階段農村居民家庭金融資產不單單局限于儲蓄存款和手存現金，金融資產在結構和總量上也有了較大變化。
四、家庭金融資產分布影響因素研究
上文從居民家庭金融資產總量分布和結構兩個角度闡述了我國農村居民家庭金融資產現狀，但更為重要的是對金融資產分布影響因素的研究，即哪些因素造成農村居民家庭金融資產水平的差異。
（一）研究方法及模型設定
本文參照李實（2000）對我國居民家庭財產水平影響因素進行研究的方法，將影響居民家庭金融資產積累的因素分為三類：居民家庭經濟因素、居民家庭特征因素、外部環境因素等，其中家庭經濟因素包括家庭年收入、家庭總財產、金融借貸行為、投資活動；家庭特征因素有戶主年齡、受教育程度以及專業技能的掌握、家庭勞動力人數、家庭社會政治資本；外部環境因素則取決于當地農村地區的經濟發展水平，以及東、中、西部區域性差異等。構建農村居民家庭金融資產函數為：
[C=f（Y，F，E，μ）] （1）
其中C為農村居民家庭金融資產的自然對數；Y代表居民家庭經濟因素；F代表居民家庭特征因素；E為外部環境因素；μ為隨機誤差項。
影響農村居民家庭金融資產的計量經濟模型形式如下：
LnFin=β0+β1LnIncome+β2LnCapital+β3Dcs+β4Invest+β5Age+β6Age2 +β7Edu+β8Pros+β9Labs+β10Mcpc+β11Dum+μ （2）
其中，β0為回歸截距項，β1為家庭收入的彈性系數，β2為家庭財產的彈性系數，βi（i=3，4，.....，11）表示回歸系數，μ為隨機擾動項。
根據對農村居民家庭調查所得的樣本數據，對各變量進行描述性統計分析（見表2），農村居民家庭金融資產對數平均值為10.34；家庭收入對數平均值為10.37；家庭借貸行為均值為0.29；投資活動均值為0.14；戶主年齡平均值為2.4，表明年齡分布比較平均，平均年齡在45—55歲之間；戶主受教育程度平均值為1.80，表明戶主整體受教育程度較低；是否掌握專業技能平均值為0.19，傳達出擁有專業技能的農村居民家庭并不多；家庭勞動力人數平均值為1.70；家庭社會政治資本平均值為0.13，說明在被調查家庭中，更多家庭成員屬于普通群眾，干部黨員在農村家庭較少；地區虛擬變量平均值為2.10。
為控制解釋變量之間可能存在的共線性問題，本文遵循李子奈（2011）提倡的計量經濟學模型總體設定的唯一性與一般性原則，在回歸模型方程中納入所有可能對被解釋變量（家庭金融資產水平）產生影響的解釋變量（即表2所描述的自變量），即模型在估計時對不同類型控制變量進行分別回歸，以減小共線性對模型估計的影響。
（二）實證分析結果及解釋
綜合上述分析，同時考慮：（1）采用截面數據進行回歸分析會出現異方差；（2）本調研樣本數據相對較少，不能進行穩健性檢驗；（3）隨機擾動項協方差未知，因此本文采用可行廣義最小二乘法（FGLS）對模型（2）進行估計回歸。計量軟件為Stata12.0，具體估計結果見表3。
從表3的回歸結果可以看出：財產水平、家庭收入、金融借貸行為、家庭投資活動、戶主專業技能、社會政治資本、家庭勞動力人數等對農村居民家庭金融資產積累有正面影響，并且財產水平對其影響最大，其他依次遞減；戶主年齡及區域因素對農村居民家庭金融資產的積累有負面影響。
1. 家庭經濟因素。本文實證結果顯示，居民家庭財產對金融資產的影響最大，其次為家庭收入，這主要是因為農村居民家庭財產不斷積累，農戶很少進行投資經營活動，更傾向于存款儲蓄，這與圖3中所反映的內容相符。農村居民家庭財產的增加，使得金融資產不斷積累。本調查組所得數據顯示，金融資產占家庭財產總量的百分比為44.12%，這與2002年中國社科院經濟研究所收入分配課題組研究所得的12.3%（李實等，2005）、2007年奧爾多中心的27.65%（梁運文等，2010）等研究結果相比，有了較大提高。但金融資產不斷積累的過程中，增長更多的是儲蓄存款，農村居民家庭中較少進行投資經營活動，沒有對現有資金進行充分的利用，投資觀念較為淡薄，應充分調動農民投資的積極性。
計量回歸模型顯示投資經營活動及借貸行為均對金融資產產生正向促進效應。農戶通過借貸行為進行投資經營活動，進而增加收入，家庭金融資產有所增加。從表4也可以看出，有金融借貸行為、投資經營活動的居民家庭金融資產較多，這與計量回歸結果相符合。
2. 家庭特征因素。從表5可以看出，現階段我國農村居民家庭金融資產符合生命周期理論，隨著年齡的增長，家庭金融資產呈倒“U”型分布。戶主年齡從20歲到40歲，金融資產積累逐步增加，40歲左右達到峰值，45歲之后金融資產逐步下降。其中戶主年齡在30歲以下金融資產均值為35823元，在30—45歲之間均值為44590元，在45—60歲之間均值為38181元，在60歲以上均值為26000元。表4中計量回歸結果也顯示年齡解釋變量系數為正，年齡平方解釋變量系數為負，這更好地擬合了生命周期理論。
對于農村居民家庭來說，財產的最大值應出現在勞動力身強力壯的中年時期，農村居民主要從事體力勞動，身體健康狀況與勞動生產率正相關，身體狀況良好往往意味著更高的勞動生產率和收入，有利于財產積累。一般情況下，農村居民青壯年時期，身體狀況良好；隨著年齡增長，會逐步邁入年老體衰的狀況，收入會逐步減少甚至消失。另外，年齡的增長以及年輕時過度勞累損耗導致身體狀況較差的個體通常需要較高的醫療開銷，不利于財產的積累。身體狀況良好的家庭財產不斷增加，現階段農村居民投資觀念還比較淡薄，很少進行投資經營活動，對于收入的處理選擇，除持有少量現金外，更多地傾向于儲蓄，進而使得金融資產增加。隨著年齡的增加，收入減少，金融資產也相應地減少。
戶主受教育程度直接體現了家庭人力資本狀況，表3顯示，戶主受教育程度對家庭金融資產積累有正向影響作用。從表5中可以看出，隨著戶主受教育程度的增加，家庭金融資產也相應增加，并且調查數據發現，在戶主受教育程度為高中及以上的家庭中，儲蓄存款占金融資產的比例為68.84%，遠低于平均比例80.38%，而金融產品所占比例則為17.37%，高于6.22%的平均水平，可見，現階段高學歷農村居民家庭有了較高的金融投資觀念。
專業技能的掌握、勞動力人數是戶主家庭生產資本的體現，回歸結果表明，其對金融資產均產生正向的影響作用。居民家庭擁有專業技能及更多的勞動力使得家庭生產力更高，能夠獲得更多的收入，從而家庭金融資產才能夠不斷積累。
家庭社會政治資本對農村居民家庭金融資產的積累也有一定的正向影響。戶主為黨員干部身份能夠運用更多的資源，可以降低農村地區金融機構對農戶信息不對稱的不利影響，能夠及時獲得外部借貸支持，獲得更多的借貸機會，解決農戶融資難的問題，利于農戶生產經營活動，充分體現了社會政治資本對于家庭金融資產積累的正效應。
3. 外部環境因素。計量回歸結果顯示，地區因素對農村居民家庭金融資產影響程度不同，差異性較大，這與表1的描述相符。經濟較發達地區，家庭居民金融資產較多；經濟欠發達地區家庭金融資產較少。
五、結論及建議
通過對全國550戶農村居民家庭的調查，本文詳細描繪了我國農村居民家庭2012年金融資產的分布、構成和主要特征，初步探討了導致居民家庭金融資產水平差異的影響因素，通過對數據的詳細分析與實證研究，得出了如下結論：
近年來，我國農村居民家庭金融資產的積累不斷增加，在家庭財產中所占的比例大幅上升，家庭收入與財產、借貸行為、投資經營活動等均是影響家庭金融資產規模的重要因素，且均產生正向促進作用，其中家庭財產因素對金融資產規模影響最大，其次為家庭收入，兩者在很大程度上決定著居民家庭金融資產水平。但整體來看，金融資產主要集中在儲蓄存款上，資金利用效率低，農村居民家庭金融資產結構有所變化，金融產品資產占有一定比例。
居民家庭金融資產分布符合生命周期理論：戶主年齡從20歲到45歲，家庭金融資產積累逐步增加，40歲左右金融資產達到峰值，45歲之后，金融資產逐步下降。同時，農村居民家庭金融資產與戶主受教育程度明顯正相關，這從側面肯定了教育對農村經濟發展水平的改善。接受教育程度較高的家庭擁有更多的金融資產，并且在金融資產構成中，儲蓄存款所占比例相對較低，金融產品所占比例較高，在金融資產保值增值方面有了更強的意識。家庭社會政治資本對家庭金融資產起正向促進作用。農村居民家庭所處的地理位置不同，家庭金融資產也存在很大差異。
農村居民家庭金融資產是家庭財產構成的主要部分，改善金融資產結構，增加金融資產，要突破收入水平的約束，政府應當鼓勵農戶進行投資經營活動，發展農村經濟，提高農村居民家庭收入，同時還應從制度和政策上引導農村居民家庭對金融資產的選擇行為，滿足農村居民家庭的借貸需求，使更多的儲蓄存款轉換為流動資金，增加資金的流動性和收益性。
參考文獻：
[1]陳鵬，劉錫良.中國農戶融資選擇意愿研究——來自10省2萬家農戶借貸調查的證據[J].金融研究，2011，（7）.
[2]李實，魏眾，B.古斯塔夫森.中國城鎮居民的財產分配[J].經濟研究，2000，（3）.
[3]李實，魏眾，丁賽.中國居民財產分布不均等及其原因的經驗分析[J].經濟研究，2005，（6）.
[4]梁運文，霍震，劉凱.中國城鄉居民財產的實證研究[J].經濟研究，2010，（10）.
[5]李子奈.計量經濟學模型與方法論[M].清華大學出版社，2011，（3）.
[6]史代敏，宋艷.居民家庭金融資產選擇的實證研究[J].統計研究，2005，（10）.
[7]史代敏等.居民家庭金融資產選擇的建模研究[M].中國人民大學出版社， 2012，（3）.
[8]童馨樂，褚保金，楊向陽.社會資本對農戶借貸行為影響的實證研究——基于八省1003個農戶的調查數據[J].金融研究，2011，（12）.
[9]徐展峰，賈健.農民金融資產分布、選擇行為與影響因素分析——基于江西省2450個農戶數據[J].中國農業大學學報，2010，（05）.
關鍵詞：農戶融資；非正規金融；金融創新 文章編號：1003-4625（2014）01-0028-05 中圖分類號：F832.43 文獻標志碼：A
一、問題的提出與文獻綜述
中國農村金融市場存在著正規金融和非正規金融的二元金融供給結構，不同地區這兩種融資渠道的活躍程度不同，在很多地區通過非正規金融渠道的融資要比正規金融渠道的融資比例高。馬曉青等（2012）研究發現，相較于江蘇和四川的農戶，河南的農戶更傾向于非正規融資渠道，90%以上的農戶的融入款項來自于親戚朋友等非正規融資渠道。那么，為什么大部分農戶的資金需求通過非正規渠道融入？農戶在選擇融資渠道時到底會受到哪些因素影響？中國農村金融改革過程中應該如何構建真正適應農村經濟發展和農戶需要的農村金融體系？
在對發展中國家農村金融的研究中，考慮到銀行等正規金融機構的利率往往受到政府干預而控制在較低的水平，國外主流觀點通常對農戶融資順序作如下假設：農戶在需要外源融資時，首先向正規金融機構申請貸款，如果正規機構不能滿足其需求，他們才會考慮非正規渠道。但Boucher and Guirkinger（2007）指出，銀行通過抵押機制將貸款風險轉移給了農民，這會使風險規避型的農戶不愿意向正規金融機構貸款，從而選擇無抵押無擔保要求的民間融資。Kochar（1997）、Mushinski（1999）則強調非正規渠道在交易成本等方面有著獨特的優勢，有的借貸交易成本幾乎為零，農戶更愿意以較低的成本來獲得貸款。Coleman（2006）研究表明，農村小額貸款目標上移，主要受益者仍是貧困人口中較為富裕的那一批人，而農村中有貸款需求的不僅僅是這些較為富裕的人，其他的相對比較貧困的農戶就只能求助于非正規金融。Kazunari等（2010）指出，農戶自營經濟傾向于正式借貸作為其資金的穩定來源，但由于交易成本等因素，雖然他們的信貸規模較小，仍然被排斥在正規金融之外。Calum G.Turvey，R0ng K0ng（2010）通過對1500戶農戶的調查發現，超過67%的農戶是從親戚、朋友等非正規金融渠道借貸，非正規借貸是農戶融資的首選。George Mawuli Akoandiar等（2013）運用Tobit、Logit模型分析得出，家庭規模、年齡、性別、婚姻狀況、職業、收入等決定著農戶金融市場參與度，地理特征是農戶從金融市場獲得金融服務的一個重要影響因素，相比于城鎮居民，農村住戶更傾向于從非正式金融渠道獲取金融服務。
國內研究方面，錢水土、陸會（2008）通過對溫州農戶借貸行為的調查分析發現，相對于正規金融而言，非正規金融更能滿足不同收入等級農戶多樣化的資金需求，因此農戶融資時更偏好于非正規金融。至于哪些因素會對農戶融資渠道的選擇造成影響，李銳、李超（2007）研究證明，戶主的性別、受教育的最高年限對農戶借款偏好的影響并不顯著，家庭純收入、所經營土地面積以及醫療衛生、教育總支出對農戶借款偏好的影響在統計上是顯著的，農戶土地擁有量與其融資偏好存在正相關關系，即農戶擁有的土地數量越大，越傾向于從正規金融機構融資。但是，馬曉青等（2010）卻得出農戶土地擁有量對其融資偏好不存在顯著影響的結論，證明了收入和教育程度較高、參加合作組織、擔任村干部、擁有良好信用記錄的農戶更偏好于正規借貸；而在遭受災害等收入沖擊時，農戶對非正規渠道的偏好增加；正規金融市場發展較差的地區，也會吸引更多的農戶在融資時選擇非正規渠道。褚保金等（2008）運用廣義Logit模型對農戶借貸渠道的選擇因素進行了實證分析，認為戶主的教育年限、住房價值、社會資本等是影響農戶正規和非正規借貸需求的主要因素，教育支出是影響農戶非正規借貸需求的主要因素，播種面積、住房價值、家庭年總收入與獲得正規借貸支持顯著正相關。孔榮、衣明卉等（2011）通過對陜西、甘肅兩省農戶的調查分析認為，農戶融資更偏好于非正規渠道，貸款程序的復雜程度、利率高低、金融機構對農戶的信任水平、家庭文化等是導致農戶不選擇正規融資渠道的原因。趙建梅、劉玲玲（2013）研究發現：供給型和需求型信貸約束都顯著地促進農戶選擇非正規金融。
綜上所述，國內外學者對農戶融資渠道選擇及其影響因素做了許多有價值的探討，但研究只是針對農戶融入資金而對農戶的資金融出情況都沒有涉及，這不利于我們全面了解農村金融市場發展的現狀以及存在的問題。本文通過對河南省林州市農戶融資（包括融入和融出）情況的實地調查，試圖對本文開篇提出的問題進行研究和探討。
二、傳統農區農戶融資現狀調查
（一）調查情況介紹
本項調查時間為2013年1―2月，調查地點是經濟發展相對落后的傳統農區――河南省林州市（縣級市），包括姚村鎮、合澗鎮、任村鎮和城郊鄉的22個村莊。本次調查采用二次抽樣法：第一次隨機抽樣確定調查地點，共調查了姚村鎮6個村莊、合澗鎮5個村莊、任村鎮6個村莊、城郊鄉5個村莊；第二次根據調查地點的居民收入分層抽樣確定調查對象，按照一定的比例隨機抽取低收入戶、中等收入戶和高收入戶，收回有效問卷共188份。在所調查的農戶中，40―49歲的農民占39.9%，50一59歲的農民占39.4%；其中，文化程度為高中及高中以上的占13.8%，初中文化的占59.6%，小學及沒上學的占26.6%，他們一般為被訪農戶的戶主。由于目前農民的文化程度普遍不高，為了提高調查問卷的真實性，此次調查采用調查人員上門和入戶調查方式，通過與被訪人員交談溝通后由調查人員填寫調查問卷。
（二）農戶融資現狀
1.非正規金融是農戶融入資金的主渠道
調查發現，為了滿足生產、生活資金需求，大部分農戶主要通過非正規金融渠道融入資金。表1是樣本農戶在正規金融和非正規金融市場的借款情況表。其中，只發生非正規借款的農戶比例為64.36%（包括民間無息和有息借款），而只發生正規金融機構借款的農戶比例僅為1.60%，遠遠小于民間借款的比例。可見，農戶在需要融資時，傾向于從非正規渠道獲得資金。
本文使用的農戶調查問卷對民間借貸區分了無息的友情借貸和民間有息借貸。無息友情借貸主要是發生在親戚朋友之間的互借貸，而民間有息借貸大部分是農戶向民間金融組織或村里的富裕戶、放貸者的借款。調查顯示，發生無息借款的農戶（在所調查的農戶中參與有息借款的農戶均有無息借款）共有122戶，在所調查的農戶中比例高達64.89%；參與民間有息借款的只有16家農戶，比例較小，僅為8.5%。
非正規金融成為農戶融入資金的主渠道，一個重要的原因是農戶融入資金主要用于生活性開支，而正規金融機構的貸款傾向于生產性融資。目前商業銀行、農村信用社等正規金融機構很少有針對農戶生活性融資的貸款項目，因此，當農戶出現生活性資金短缺時，只有選擇非正規融資渠道。如圖1所示，樣本農戶通過非正規渠道借款用于子女上學、購建房、婚喪嫁娶的三項占比最高。
2.民間集資成為農戶閑余資金的重要融出渠道
趙慶光（2013）認為，2010―2011年，國家宏觀調控政策加大了對房地產業的限制，民間借貸市場需求由中小企業生產經營需求轉向房地產規避政策限制性需求，從而推動了河南省民間借貸市場非理性、爆發式增長。在文本所調查的河南省林州市農村地區也證實了這個發現，所調查的188個樣本農戶中，有55.32%的農戶（包含只參與民間集資和同時參與民間集資及互融資）參與了民間集資（見表2）。
該地區民間集資的利率在8%-20%不等，一些集資中介的利率高達30%。通過對樣本農戶集資情況的線性回歸分析證實，高利率是吸引農戶參與民間集資的首要因素。農民收入增加有了閑余卻沒有合適的投資渠道，是他們參與民間集資的重要原因。在回歸分析中，將農戶集資金額作為因變量，家庭人口數、戶主文化程度、戶主年齡、收入、集資利率作為自變量，回歸結果如下：人口數、文化程度、年齡對于集資金額的影響均不顯著，而農戶收入和集資利率分別在5%、1%的顯著性水平下對集資金額有著顯著的正影響（見表3）。
3.非正規融資渠道存在風險隱患
從農戶融入資金來看，在所調查的農戶中，互融資中只有35個農戶在借入資金時采用寫借條的方式，而且借條極不規范，大部分親戚朋友之間借貸的借條只寫明借款數額，沒有具體約定借款期限；其余87戶都是采用口頭約定形式，他們完全憑借雙方之間的情感和信譽行事，既無借據也無抵押擔保，這種沒有任何約束的借貸方式在互融資中占比高達71.3%。在民間有息借貸中，簽訂合同、請人擔保的只有3戶，其余的也都是采取借條形式。不規范的借貸方式，一旦出現借款人不能或不愿履約，出借方的權益將難以得到保障。
從農戶融出資金來看，參與民間集資的樣本農戶，借貸手續也極不規范。調查中了解到，大部分參與民間集資的農戶只是根據中介人的陳述來了解融資企業的狀況，或只看過中介人出示的融資企業的營業執照復印件以及企業與中介人簽訂的借貸合同，在得到未來收益許諾后就將資金交給中介人，坐等到期收取利息。出于對中介人的信任，這些農戶自己并沒有與融資企業簽訂借款合同或索要借條。這種集資方式在調查地區極為普遍，也存在極大的風險隱患。調查顯示，參與民間集資的104戶中，本金和利息都收回的僅有4戶，僅占3.85%，本金和利息均無收回的有94戶，占比90.38%（見表4）。
三、傳統農區農戶選擇非正規融資渠道影響因素的實證分析
一般認為農民符合理性人的假設，但擁有較低利率的正規金融機構（如農村信用社等）并沒有成為農戶融資的首選，被調查的農戶中，64.89%的農戶在融入資金時和55.32%的農戶在融出資金時選擇了非正規融資渠道。那么，農戶選擇非正規融資渠道到底受到了哪些因素影響？
（一）研究假設
本文選擇的是二元離散變量選擇模型――Lo-gistic模型，將農戶是否從非正規金融渠道融入資金作為被解釋變量，如果是，則賦值為1；不是，則賦值為0。由逐步回歸分析得知，融資用途對于農戶選擇非正規渠道融資非常顯著，而在被調查地區中，農戶融資用途多樣化以及參與民間集資的現象比較普遍，故本文將農戶融資用途中占比量較大的幾項以及是否參與民間集資選為自變量進行分析。本文共選擇了家庭人口數、戶主年齡、戶主文化程度、家庭近一年收入、融資是否用于子女上學、應付天災人禍、購建房、婚喪嫁娶等以及是否參與民間集資作為自變量，并提出以下假設：
1.家庭人口數與農戶融資行為成正向關系
在樣本地區，農戶的人均土地面積很少，資金主要來源于外出務工等工資性收入。家庭人口多，如果是男性人數多，可能農戶家庭收入較高，但同時男性人數多意味著將來要花費更多的資金來購建房和結婚成家，這就增加了農戶的融資需求；如果是女性人數多，則可能形成一人掙錢、多人消費的局面，尤其是當家庭在校子女人數較多時，就更增加了農戶的融資需求。
2.戶主年齡與農戶融資行為成“凸型”關系
在所調查的農戶中，40―50歲的調查對象的融資需求要高于其他年齡段的農戶，因為這個年齡段的農戶面臨著子女教育、幫助子女成家以及贍養老人等諸多人生大問題。隨著年齡的增長，戶主的身體狀況和勞動技能等有所下降，他們外出務工的機會和創收的能力以及償債能力都會降低，融資能力和融資欲望也會隨之下降。
3.家庭收入與農戶的融資行為成反向關系
農戶家庭收入水平越高，說明農戶的自身積累越多，擁有的財產和自有資金的規模越大，農戶發生融資的可能性會降低。
4.參與民間集資與農戶融資成正向關系
由于資金的趨利本性，樣本農戶中有55.32%在2010―2012年間參與了民間集資，但由于一系列因素，參與民間集資的農戶中90.38%的農戶沒能收回本息，這大大減少了農戶的自身積累，減少了農戶的自有資金，導致農戶融資的可能性會增加。主要變量描述見表5。
（二）結果分析
從以上實證結果可以看出：
（1）家庭人口數對農戶非正規融資存在不顯著的正向影響，這與假設“家庭人口數與農戶融資行為成正向關系”相符合，家庭人口數多，相應地各類消費也會增多，農戶就比較容易產生融資需求。
（2）戶主文化程度對農戶非正規融資有著不顯著的正向影響。戶主的文化水平很大程度上決定了他們的生產經營能力和對事物的認知水平。文化程度低，他們從正規金融機構獲得資金的機會就很少，于是他們把希望寄托在非正規渠道。
（3）年齡對于農戶非正規融資有著顯著的負影響。隨著戶主年齡的增加，他們也越來越少從非正規金融渠道融資，一個方面的可能原因是他們已有了一定的積累，自有資金可以滿足自家的消費，另一方面的可能原因是，隨著年齡的增長，他們創造收入和償還債務的能力都下降了，因而，融資欲望和融資能力也隨之降低。
（4）家庭收入對農戶非正規融資有著顯著的反向影響，這與我們的假設相符。家庭收入越多，農戶可支配的自有資金或積累資金相對較多，自有資金可以解決生產和生活問題，即便是內源融資不能完全滿足需求，所需外源融資也不會太多。
（5）子女上學、購建房對于農戶從非正規渠道融資有著顯著的正向影響。調查中發現，農戶融資的目的主要是生活性開支，并且希望能夠迅速及時得到滿足，而正規金融機構對農戶提供的主要是生產性貸款，并且貸款手續繁雜、耗時較長，這些都不符合農戶的要求，因此農戶大都通過非正規渠道滿足自己的借貸需求。
（6）是否參與民間集資對農戶從非正規金融渠道融資有著顯著的反向關系，這與我們的假設不符。原因可能有兩個：一是參與民間集資的農戶由于獲得了集資的高利息回報，增加了自有資金，不需要借貸；二是參與民間集資的農戶可能未來沒有借貸意愿，或者是自有資金較多，拿出一部分參與集資對自己將來的消費不會造成影響，因而不需要借貸。
四、主要結論及政策建議
本文通過對河南省林州市農戶融資情況的實地調查發現，傳統農區農戶的融資需求層次比較低，大多集中在生活性需求上，而正規金融機構主要發放生產性貸款，因此，絕大部分農戶通過向親朋好友借款等非正規渠道來緩解資金短缺的困難；同時由于收入增加又缺乏合適的投資渠道，高風險的民間集資成為農戶閑余資金的重要融出渠道。運用Logis-tic模型對農戶選擇非正規融資渠道的影響因素進行實證分析，結果表明：家庭收入、戶主年齡、生活性融資、參與民間集資對農戶選擇非正規融資產生較顯著的影響，而家庭人口數、文化程度的影響不顯著。
基于以上結論，本文的政策建議是：
（1）農村金融機構應注重金融創新，滿足農戶不同的融資需求。農村金融機構應不斷提高自身的創新能力，根據農戶融資需求的動態變化，及時設計多元化、個性化的金融產品和信貸工具，尤其是要有針對性地設計一些包括農戶建房、子女教育等生活性貸款產品，以滿足農戶不同的融資需求。針對農戶家庭收入不穩定的現實情況，為了規避貸款風險，當地監管部門可以協助正規金融機構建立健全“農戶征信體系”，對農戶進行信用等級評定，通過信用創建活動，正規金融機構全面掌握了農戶信用狀況和還款能力等信息，就可以有效簡化貸款手續，滿足農戶隨用隨貸的需求；對于誠實守信、創收能力強的農戶，還可以提高授信額度和擴展授信范圍，通過不斷創新來拓寬金融服務范圍。
（2）建立多層次的中小農村金融機構，增加農戶的投融資渠道。目前，我國在經濟相對發達、城鎮化程度比較高的農村地區，建立了小額貸款公司、村鎮銀行等中小金融機構，擴大了金融服務的覆蓋面，而在傳統農區，由于地方財政實力比較弱，集體經濟不夠發達，這一類的中小金融機構尚未建立起來，農戶可選擇的投融資渠道較少。因此，傳統農區中小金融機構的建立應該采取“省、市、縣、鎮”聯動的機制，在全省范圍內統籌安排，普遍建立起小額信貸公司、村鎮銀行、農村資金互助社、郵政儲蓄銀行、農村信用社等多層次的中小農村金融機構，搭建滿足農戶投融資需求的區域性P2P小額貸款平臺，增加農村地區的投融資渠道，讓農戶融資有更多的選擇。
（3）加強對農戶金融知識的宣傳和教育。調查發現，86.7%的樣本農戶對金融知識和貸款政策不了解。農村地區尤其是傳統農區的農民金融知識貧乏，成為阻礙他們獲得融資的一道無形屏障。因此，應該加強對農戶金融知識的宣傳和教育，一是政府宣傳部門積極推動金融知識“上報紙、上電視、上電臺、上網絡”，促進廣大農民在寬松的輿論環境中接受金融知識普及教育；二是各金融機構應當在普及金融知識教育中擔當主角，開展“送金融知識下鄉”活動，采取舉辦公益性金融知識展覽、金融知識講座、典型案例講解等方式，宣傳金融知識、傳播金融理念，讓農民普遍了解銀行存款、銀行貸款、國債等方面的知識，通過大力宣傳提高農民對農村金融機構貸款政策的認知程度，鼓勵農戶從正規金融機構獲得融資服務。
（4）發揮非正規金融對正規金融的補充作用。非正規金融以其獨特的優勢，為農戶提供了正規金融機構難以企及的便利與服務，在維持農戶日常生活、擴大生產經營活動方面發揮了重要的作用。因此，政府監管部門應該引導非正規金融有序發展，對于非法集資、牟取暴利等擾亂金融市場的非正規借貸行為，堅決予以取締；對于親朋借貸的小規模信貸活動采取不干預的態度，但對此類金融活動中的契約應給予法律上的保護，促使其規范化發展，充分發揮非正規金融對正規金融的補充作用。
參考文獻：
[1]馬曉青，劉莉亞，胡乃紅，王照飛.信貸需求與融資渠道偏好影響因素的實證分析[J].中國農村經濟，2012，（5）：65-76.
[2]Boucher S and Guirkinger C.Risk，Wealth and Sectoral Choice in Rural Credit Markets[J].AmericanJournal of Agricultural Economics，89（4）：991-1004。2007.
[3]錢水土，陸會.農村非正規金融的發展與農戶融資行為研究――基于溫州農村地區的調查分析[J].金融研究，2008，（10）。
[4]李銳，李超.農戶貸款行為和偏好的計量分析[J].中國農村經濟，2007，（8）.
[5]馬曉青，朱喜，史清華.農戶融資偏好順序及其決定因素――來自五省農戶調查的微觀證據[J].社會科學戰線，2010，（4）：72―80.
[6]孔榮，衣明卉，尚宗元.農戶融資偏好及其成因研究――陜西、甘肅897份調查問卷分析[J].重慶大學學報（社會科學版），2011，17（6）：24-29.
筆者利用NGO扶貧貸款調查數據，采用配對樣本多項選擇Logit模型，對NGO小額貸款介入前后貧困農戶借款決策、借款額度的影響因素進行了分析。結果顯示，接受NGO小額貸款后，貧困農戶借款發生率和借款總額明顯下降，單戶借款額度卻相對上升；農戶主要借款途徑由私人借款轉向農村信用社和其他渠道。實證研究顯示，除戶主個人特征、家庭人口構成等內在因素對貧困農戶借款行為影響顯著外，農村金融供給狀態也是重要的外在性影響因素。在金融抑制條件下，正規金融機構貸款門檻較高，私人借貸成為貧困農戶借款的主要供給者。NGO小額信貸通過提升貧困農戶的經濟能力來轉變其借款行為，在農戶借貸途徑由私人借貸轉向信用社借貸過程中發揮著“助推器”作用。
關鍵詞：貧困農戶；借款行為；NGO小額貸款
基金項目：成都市哲學社會科學規劃項目（ZST12-2）；河北省社會科學基金項目（HB2011QR53）
作者簡介：李菲雅（1982-），女，江蘇揚州人，經濟學博士，四川師范大學政治教育學院講師，主要從事農村經濟、數理統計研究。
中圖分類號：F832.43文獻標識碼：A文章編號：1006-1096（2014）02-0038-06收稿日期：2013-04-14
農戶是農村市場經濟的主要參與者，也是農村金融市場的需求者，其發展需要靠金融資源的支持。在目前農村金融資源配給有限、農戶信貸需求抑制條件下，合理配置農村金融資源，有效滿足農戶尤其是貧困農戶的融資需求，是消除農村貧困、促進農村發展需要解決的重要現實問題。
一、問題提出
有效的金融支撐是促進貧困農戶發展的必要條件。20世紀70年代，由孟加拉吉大港大學?尤努斯教授創辦的格萊珉銀行，通過有效的信貸約束機制，為窮人提供微型貸款，幫助窮人發展生產、脫貧致富。目前，這種以貧困或中低收入群體為特定目標并提供小額度持續信貸服務的形式，已經從世界某些區域擴展到幾乎整個發展中國家和一些發達國家（杜曉山，2004；李明賢 等，2008）。自20世紀80年代以來，小額信貸作為我國扶貧的重要方式之一，由各種金融機構和非政府組織開展實施，并逐漸在大多數地區推廣。作為緩解貧困農戶金融抑制的方式，小額信貸對貧困農戶的借款行為產生了重要影響。從貧困農戶的貸款偏好看，馮旭芳（2007）認為，非正規信貸具有貸款形式簡單、靈活方便及交易成本低等特點，它有效改善了正規金融缺位的局面，成為農戶融資的重要渠道；但從融資偏好和借貸預期看，貧困地區農戶更傾向于選擇信用社等正規金融機構或國家政策性扶貧貸款來滿足其信貸需求，這與貸款的穩定性、長期性和救濟性等特征密切相關。非政府組織扶貧貸款的針對性、穩定性、低成本性同樣迎合了貧困農戶的融資偏好，它不僅在一定程度上滿足了貧困農戶的貸款需求，對增加農戶收入也起到一定促進作用。王春蕊等（2010）從實證角度分析了幸福工程項目對貧困農戶家庭收入的影響，認為項目盈利對貧困農戶家庭收入的貢獻率達到9.42%。Ssendi（2009）利用小業主貸款融資項目（SELF）檢驗了坦桑尼亞農村地區小額信貸的扶貧作用，認為SELF項目有助于提升貧困婦女經營小型項目的能力，但從長遠看對增加家庭財富的作用不明顯。Kotir等（2009）利用加納西部農戶調查數據，分析了小額信貸與農戶發展的關系，認為小額信貸有利于提高家庭生產率和增加財富，但對促進農村社區發展的作用不大。
已有研究對農戶借款行為給予了廣泛關注，取得諸多成果。綜合來看，目前對貧困農戶借款行為的研究仍有待拓展，尤其是對一些非政府組織（NGO）扶貧貸款與貧困農戶借款行為的關系問題，還需深入研究。對于貧困農戶而言，當NGO扶貧貸款介入后，是否意味著其他途徑的借貸發生率將會降低？NGO扶貧貸款又將如何影響貧困農戶的借款決策及借款額度？對于這些問題的探討，不僅能夠使我們更加深入地了解貧困農戶的借款需求及行為取向，同時也能使NGO小額貸款更好地發揮扶貧功效，這對破解貧困農戶金融約束、解決農村貧困問題有著重要的現實意義。
二、接受NGO小額貸款前后貧困農戶的借款行為特征
（一）數據來源
本文所用數據來源于2011年10月河北省幸福工程項目跟蹤調查數據①。調查內容涉及受助者個人、家庭基本情況、受助前后家庭生產經營情況、受助前后農戶小額信貸情況（包括NGO項目扶貧貸款以及農戶其他途徑借款等情況）。按照分層抽樣和整群抽樣相結合的原則，調查組從河北省抽取7個貧困縣，分別為阜平、易縣、平泉、懷安、武邑、巨鹿和贊皇縣，按照項目運行周期從各項目縣中抽取試點村，對試點村中項目戶進行全面調查。調查方式以調查員入戶為主。兩次調查共發放問卷830份（第一次714份，第二次116份），收回有效問卷822份，回收率為99.04%。從調查地區類型看，山區農戶占51.88%，平原農戶占48.12%。由于項目戶接受NGO扶貧貸款的時間分布各不相同，為了消除貸款時間差異影響，本文以接受NGO項目扶貧貸款的時間為界限，分析貧困農戶受助前年內（接受NGO扶貧貸款前1年內）和受助后年內（接受NGO扶貧貸款后1年內）借款情況。
（二）受助前后貧困農戶借款行為特征
從調查來看，接受NGO扶貧貸款前后，貧困農戶的借款行為發生了較大改變。
1.借款戶數及額度的變化
借款戶數總量減少，單戶借款額度增加。接受NGO小額貸款前，有35.15%的貧困農戶有過借款記錄；受助后，僅有14.50%的農戶有過借款記錄，較受助前下降了近21個百分點。從借款額度看，受助前，貧困農戶年內借款總額259.88萬元，戶均借款額0.90萬元；受助后，貧困農戶年內借款總額164.52萬元，戶均借款額1.38萬元，較受助前借款總額減少95.36萬元，戶均借款額增加0.48萬元。
2.借款來源的變化
受助前，貧困農戶年內借款主要以私人借貸為主，私人有利息和無利息借款合計占69.05%；其次為農村信用社，占28.17%；來自農行/農發行、其他民間組織以及其他渠道的借款所占比例較低，僅為2.78%。受助后，貧困農戶年內借款主要來源于其他途徑②和信用社，分別占50.0%和41.35%；私人借款僅占5.77%；農行/農發行、其他民間組織借款所占比例仍然偏低，僅為2.98%。
3.借款用途的變化
農戶借款用途呈現多元化發展趨勢，用于生產性經營的支出增大。受助前，農戶借款用于家庭生產性經營支出的占54.62%；用于子女上學的占13.08%；用于日常消費支出的占12.19%；用于大病治療的占11.15%；用于蓋房和婚嫁的占6.92%和1.54%。受助后，貧困農戶用于家庭生產性經營支出的比例增大，為78.64%，較受助前增加24個百分點；其次，主要用于子女上學支出；用于日常消費支出、看病、蓋房、婚嫁的比例較受助前均有不同程度的下降。可見，受助后更多的貧困農戶將借款用于生產活動、項目經營，而不是單純地用于家庭日常消費支出，這有利于貧困農戶自身能力建設。
三、NGO小額信貸對貧困農戶借款行為影響因素分析
一般而言，借款行為通常包含借款決策和做出決策后的借款額度。本文主要從借款決策和借款額度兩方面分析NGO小額貸款對受助前后貧困農戶借款行為的影響。
（一）NGO小額信貸對受助前后農戶借款決策的影響因素分析
1.變量選擇與模型設定
因本次調查只涉及NGO小額貸款項目戶，缺少非項目戶對比情況，在模型設定過程中需要考慮項目實施前后外在環境對農戶借款行為的影響。例如，項目實施期間，農村金融政策或國家扶貧政策變化等外在因素對貧困農戶借款行為產生的影響。從調查情況看，由于調查對象為農村貧困戶，其接受NGO扶貧項目救助的時間主要分布在2000年～2009年，每個項目運作周期為2～3年，除了政策性或項目扶貧外，這些貧困農戶能夠獲得的金融資源非常有限。考慮到調查樣本的特殊性和代表性，同時也為了排除政策變化的可能影響，我們以救助前后1年內為界限（1年內金融或扶貧政策對貧困農戶借款行為的影響微乎其微）設定因變量，將農戶借款決策分為4種：受助前后都無借款（BRL=0，ARL=0）、受助前有借款、受助后無借款（BRL=1，ARL=0）、受助前無借款、受助后有借款（BRL=0，ARL=1）、受助前后都有借款（BRL=1，ARL=1），分別用j=1，2，3，4表示。
戶主作為家庭領導者，對借款決策有著直接影響；同時，家庭狀況也是不可缺少的影響因素。考慮到貧困農戶自身特點以及各變量之間的共線性問題，在變量的選擇上，主要選取戶主個人及家庭特征作為自變量。具體變量的描述性統計見表1。
我們假定，農戶按照效用最大化原則做出借款決策。令Uij是農戶i選擇第j個類別的效用，Vj是第j個類別的觀測效用，受類別本身特質ωj以及決策者自身特征xi的影響，即
誤差項εij包含了無法觀測到的影響農戶借款決策的隨機因素，則有如下表達式
那么，決策者i選擇第j個類別的概率為
進一步假定εij（j=1，2，3，4）服從logistic分布，不同家庭做出借款決策相互獨立，即家庭之間的借款行為互不影響，則
根據極大似然估計法，通過對上式似然函數最大化，可求得模型參數β的值。
2.模型的估計結果
本文將受助前后都沒有借款的家庭（BRL=0，ARL=0）作為對比組，通過控制個人和家庭特征變量來分析受助前后農戶借款決策的影響因素，其回歸結果見表2。
從回歸結果看，戶主個人特征、家庭人口構成以及居住地類型對受助前后農戶年內借款決策均有顯著影響，家庭耕地面積、戶主有無技能對家庭年內借款決策沒有產生顯著影響。
（1）從戶主個人特征來看，與受助前后都沒有借款的家庭相比，戶主年齡對受助前后農戶的借款決策影響顯著。戶主年齡每增加10歲，受助前家庭借款發生概率將會增加7.48%，受助前后均發生借款的概率增加52.6%和4.42%。這說明年齡較大的戶主在撫養子女、贍養老人及維持家庭發展方面承擔有更多責任，家庭支出項目較多，除了維持正常的家庭生產和日常消費支出外，他們還要擔負子女高等教育及子女婚嫁等費用支出，因而相對于年輕者，其家庭發生借款的概率更大。戶主作為家庭領導者和主要勞動力，其身體狀況對受助后農戶借款有著顯著影響。相對于救助前后都沒有借款的農戶，身體健康的戶主較身體不健康的戶主，受助前和受助后其家庭借款的概率均顯著降低。此外，文化水平較高的戶主在接受NGO小額貸款后，其家庭借款概率將會降低。
（2）從家庭人口構成來看，相對于受助前后家庭都沒有借款而言，家庭人口構成對農戶借款決策影響顯著。受助后，有外出打工的農戶，其家庭借款概率將會降低，即外出務工能夠增加家庭收入，一定程度上能夠滿足家庭資金需求，進而降低貧困農戶借款概率。從家庭人口數看，家庭人口規模與借款概率呈正向變動關系，家庭成員每增加1人，受助前后農戶借款概率均會增加。
（3）從居住地類型看，與受助前后農戶均沒有借款相比，居住在平原的農戶較山區農戶，其受助前有借款、受助后無借款、受助前后均有借款的概率明顯降低。這表明NGO扶貧貸款在一定程度上滿足了貧困農戶的貸款需求，它通過幫助貧困農戶發展項目，短期內提高了其家庭收入水平，降低了貧困農戶的借款概率，且對平原農戶借款行為的影響較山區農戶更為明顯。同時表明，由于自然環境惡劣，交通不便，山區貧困農戶對資金的需求更為迫切，但山區農戶的金融抑制也相對更為嚴重。
（二）NGO小額信貸對受助前后家庭借款額度的影響因素分析
前文中我們只比較了受助前后農戶借款決策的影響因素，NGO小額貸款對家庭借款額度的影響還需進一步驗證。
我們設定因變量為受助前后家庭借款額度的變化，即Y=受助前借款額-受助后借款額-NGO小額貸款額。如果Y>0，則記為1，表示NGO小額貸款減少了家庭借款額度；Y≤0，則記為0，表示NGO小額貸款未能減少家庭借款額度，這樣受助前后農戶借款額度的增減變化成為一個＼[0，1＼]變量。同時，我們將戶主個人、家庭特征以及項目經營狀況等作為自變量納入模型。構建模型如下
其中，P為受助前后貧困農戶家庭借款增減概率，為模型解釋變量。Xhouseholder表示戶主個人特征，Xfamily表示家庭特征，Xinvest表示家庭項目投資總額。δ是無法觀測到的影響農戶借款額的隨機因素，假定δ服從標準正態分布。
在此，本文利用最小二乘估計（OLS）和二元離散變量（Logit）模型，對受助前后農戶借款額變動影響因素進行分析，所得結果見表3。
OLS與二元Logit模型中自變量回歸系數的變動方向類似。從回歸結果看，戶主年齡、職業類型對受助前后家庭借款額的增減有著顯著影響，隨著戶主年齡的增加，受助前后農戶借款總額也會增大。相對其他經營類別而言，從事種植業和養殖業的戶主，其家庭借款總額增加的概率將會降低。戶主的健康、文化水平、有無技能、家庭人口規模、耕地面積以及項目投資總額對受助前后農戶借款總額未產生顯著影響。
從家庭特征變量看，房屋作為家庭主要財富，對農戶借款額度增減變動影響顯著。受助前，房屋價值對農戶借款總額增加有顯著的正影響；受助后，房屋價值對農戶借款總額增加有顯著負影響。即受助前房屋價值越高，受助前家庭借款額高于受助后借款額的概率就越大；受助后房屋價值越高，受助前家庭借款額高于受助后借款額的概率就越小。這表明，其一，對于貧困農戶而言，受助前房屋價值越大，意味著家庭用于修建住房的支出越高，這會增加貧困農戶的借款概率；其二，接受NGO小額貸款后，很多農戶都能夠在短期內脫貧，其中部分受助前已建新房的農戶將不會增加對住房的支出，沒有修建新房的農戶也積累了一定的建房資本，受助后即使修建住房也不用借款，一定程度上降低了農戶借款概率。
四、結論及對策建議
受各種因素制約，貧困農戶借款面臨多重困難。本文通過河北省NGO小額信貸扶貧項目調查數據，對貧困農戶借款行為進行分析，提出如下對策建議：
一是分類幫扶，完善小額信貸對象瞄準機制。實證研究表明，戶主年齡、健康狀況、文化水平對受助前后貧困農戶借款行為影響顯著，尤其是處在壯年時期的貧困農戶，他們承擔著撫育子女、贍養父母的重任，對小額信貸的需求更為強烈。在資金有限的條件下，應采取分類幫扶模式，將小額貸款重點投向壯年期的貧困農戶。可以貧困農戶生產經營狀況和還款情況為依據，對于項目經營好和還款及時的貧困農戶，給予其持續性貸款扶助，以緩解資金緊缺，快速幫助他們發展生產、脫貧致富。
二是健全機制，促進小額信貸可持續發展。小額信貸通過幫助貧困農戶發展項目，能夠在短期內增加農戶收入，使農戶積累資本，具備向正規金融貸款的條件；它改變了農戶的借款行為，使其借款由私人轉向了信用社和其他途徑，對緩解農村金融抑制、繁榮農村經濟發揮了重要的促進作用。今后，應進一步完善小額信貸運行機制，堅持“小額、滾動、持續”的原則，不斷擴大幫扶群體和覆蓋面，促進小額信貸的可持續運行，為貧困群體提供金融支持。
三是改善環境，構建多元化立體式融資格局。家庭居住地類型是影響農戶借款行為的重要變量。當前，應以城鄉發展一體化為理念，加強農村貧困地區尤其是貧困山區的文、教、衛等社會事業建設，提高農民文化水平和技能素質，提高農民個人發展能力。同時，要進一步改善和優化農村金融環境，建立多元化、全方面、多層次的立體式農村金融發展格局，創新農村信用社金融服務模式，針對農戶貸款規模小、期限短、風險高等特點，政府要給予政策優惠，鼓勵農村信用社貸款向貧困農戶傾斜，充分發揮信用社及其他金融機構的扶貧功效。此外，還應適當鼓勵、規范民間借貸的發展，逐步建立農村金融資源與經濟發展良性互動的長效機制，真正發揮農村金融資源促發展、促和諧的推動作用。
【關鍵詞】風險型金融資產 金融資產選擇 Probit模型
一、引言
隨著金融市場發展，居民投資理財意識不斷增強，越來越多的家庭開始通過股票、基金、理財等金融工具實現財富的保值增值。居民金融資產總量增速早已遠高于國民生產總值和居民可支配收入的增速，并在居民生活和宏觀經濟運行
中發揮著重要作用。微觀來看，研究居民家庭金融資產選擇問題，能夠引導居民家庭合理規劃金融資產投資，為金融產品創新提供重要依據；宏觀來看，通過分析家庭的金融資產選擇特點，了解家庭參與金融市場的程度以及相關傳導機制，對于優化我國家庭金融資產結構、推動我國金融市場改革、調整經濟結構具有重要的指導意義。
與過去研究相比本文具有如下特點：1）從研究層面來看，以家庭微觀調查數據為基礎，克服了以往研究由于微觀數據缺乏而導致研究只停留于宏觀層面的不足；2）在指標選取方面，將房產加入組合選擇模型，考慮了房產消費對居民家庭金融資產持有行為的影響；3）從評估方法來看，采用定性分析與定量評價相結合的分析方法，對變量的刻畫更加精細，評價結果更加準確。
二、文獻綜述
（一）家庭金融資產選擇行為影響因素研究
Heaton（2001）[1]研究發現股市參與度與年齡呈現弱的負相關關系，與收入、教育呈現強的正相關關系。Guiso，Sapienza and Zingales（2004）[1]發現對外界社會、金融機構等信任度高的家庭更情愿投資風險資產。Puri and Robinson（2005）研究發現對未來持有樂觀預期的家庭更多地投資于風險較大的股票。Guven（2013）[2]認為房產的投資與消費的雙重性質使家庭金融投資呈現隨生命周期變化的特點，對房產的過度投資會減少對風險性金融資產的需求。于蓉（2006）考慮到消費者預期、信任度、社會互動、投資者情緒等行為特征對股票市場投資的影響。雷曉燕，周月剛（2010）[3]研究發現，健康狀況變差會使其減少風險型金融資產的持有，并將資產向安全性較高的生產性資產和房產轉移。王剛貞，左騰飛（2015）[4]認為投資者的風險偏好與投資經驗、文化水平、性格特征、財富水平正相關與年齡負相關性。
（二）家庭金融資產選擇行為分析方法的研究
國外研究方面，Markowiz（1952）提出均值――方差模型，提供了一種尋求風險與收益的最佳配比的金融資產選擇方法。Angerer（2010）通過構建資產定價模型，把住房的雙重屬性都考慮在內，討論住房――消費這一資產定價模型對預期股票的回報率產生的影響。史代敏和宋艷（2005）運用四川省2002年城鎮居民家庭資產調查數據，采用Tobit模型對居民家庭金融資產選擇進行實證研究。盧家昌，顧金宏（2010）[5]構建出家庭金融資產投資決策的結構方程模型，對影響家庭金融資產選擇的各個變量之間的邏輯關系和內在機制進行了實證研究。竇婷婷（2013）運用因子分析法結合Logistic回歸模型分析了家庭選擇證券類、保險類貨幣類、這三類金融投資品種的影響因素及其作用程度。張兵等（2015）利用Heckman兩階段模型分析了宏觀經濟情況和地區特征對我國家庭證券類金融資產選擇行為的影響。
通過對過去學者在家庭金融資產選擇行為研究的分析可知，其不足之處有如下三點：1）在研究視角方面，數據來源多為宏觀統計數據，研究主要停留在宏觀層面，對于家庭微觀層面的研究存在較大的不足；2）在研究方法方面，較多的是采用描述性統計分析，評價結果較為粗糙，對變量間關系刻畫不夠精確；3）在指標的選取方面，較少有考慮到房產投資對居民風險型金融資產選擇行為的影響。
三、數據來源與樣本統計性描述
（一）數據來源
本文數據來源于中國人民銀行贛州市中心支行組織的“2016年贛州市城鎮居民金融資產負債基本情況調查”。合計發放問卷1076份，剔除無效問卷后篩選出有效問卷1043份。
（二）問卷設計
由于城鎮居民的金融資產存量和金融投資活動要明顯多于農村居民，本次問卷調點選擇城鎮居民。在調查問卷中，主要設計了家庭成員、年齡、受教育程度、職業、收入水平、房產持有數。
（三）描述性統計
在1043張有效問卷中，持有風險性金融資產的家庭有238戶，占比為22.82%。家庭常住人口均值在3.93，從人口結構上看，主要集中在3人～4人之間。決策者年齡均值為2.91，主要分布于31～40歲及41～50歲兩個年齡層次。決策者文化水平度均值為4.55，從分布結構上看，學歷按由高到低排布呈現正態分布態勢。家庭月收入水平均值為4.01，介于5001～10000及10001～20000元兩選項占比合計達到68.64%。家庭持有住房套數主要以1套為主，占比為77.18%，無住房及持有3、4套住房均屬于少數占比。具體統計情況見表2。
四、實證分析
（一）變量的選取及度量
外部金融環境會決定家庭金融資產的選擇范圍和配置比例，但即使投資決策者面對同樣的外部環境，不同的投資決策者依然會根據自身狀況做出不同的投資決策，為了進一步探討影響居民家庭金融資產選擇的微觀因素，在借鑒Rosen（2004）[2]、Guiso（2004）[4]、Clark（2012）[6]、于蓉（2006）[8]、李濤（2006）[9]、雷曉燕（2010）[11]、段軍山（2016）[13]等學者的研究的基礎上，結合實際調查數據，選取決策者年齡（age）、決策者文化水平（doe）、決策者職業（pro）、家庭收入狀況（fme）、家庭人員數（fp）、持有房產套數（hn）六個因素對贛州市居民家庭金融資產選擇影響因素進行分析。相關變量的度量方法見表1。
（二）居民金融資產選擇行Probit模型的構建
研究居民金融資產持有問題，即“持有”和“不持有”風險型金融資產的二元決策問題，故可通過構建Probit模型對該問題進行分析。居民金融資產選擇行Probit模型具體表達形式如下：
式（5）中，εi為隨機擾動項，服從N（0，1）的標準正態分布。因此，居民家庭金融資產選擇行為影響因素的Probit模型可建立為：
式（6）中，prob（Y=1/Xi）是居民“持有金融資產”（即Y=1）的概率。x1，x2，x3…xn為解釋變量。α0為常數項，β1，β2，β3…βn為對應自變量的Probit回歸系數，εi為隨機擾動項，服從N（0，1）分布。根據前文的分析，選擇了家庭人員數、年齡、文化水平、決策者職業、家庭收入狀況、房產持有數6個解釋變量研究贛州居民金融資產持有行為并構建出probit回歸模型，各變量的具體說明見表1。
（三）Probit回歸結果
以2016年4月在贛州市對居民進行網絡問卷調查所獲得的1043份有效問卷為數據來源，采用Stata11.0軟件的probit運算工具對六個變量進行Probit回歸分析（回歸結果略），從全變量模型的回歸結果來看，決策者年齡（age）、決策者職業（Pro）家庭人員數（fp）三項解釋變量的P值分別為0.254，0.055，0.175，無法通過變量的顯著性檢驗，為進一步提高模型和變量的顯著性水平，故采用逐步回歸法對6個解釋變量分別進行回歸分析，以確定模型最終的解釋變量個數，最終Probit模型回歸結果見表3所示。
五、結論
（1）在六個設定的主要模型影響因素中，決策者年齡、家庭人口數兩個變量在回歸模型中不顯著，予以剔除，決策者文化水平、決策者職業、家庭收入狀況、房產持有數四個變量回歸效果較為顯著，是居民家庭風險型金融資產持有行為的主要影響因素。
（2）在決策者文化水平方面，變量Z統計值達到-5.11，顯著性檢驗通過且系數為負（注：文化水平越高，評分越低），即戶主受教育水平越高，居民持有風險型金融資產需求的可能性就越大。可能的解釋是文化水平高的戶主其個人素質和能力均較高，具備較強的接受新事物、風險辨識和學習新技術的能力，能幫助他們在控制風險的基礎上獲取收益，故而有較強的風險型金融資產持有需求。
（3）在決策者職業方面，指標的Z統計值為-2.01，模型的顯著性檢驗通過，其系數為負（注：職業穩定性越高，評分越低）。說明職業越穩定的決策者，其持有風險型金融資產需求的可能性越大。究其原因，職業穩定性越高的職業收入的穩定性越高，對金融資產的抗風險能力更強，因此對風險型金融資產的持有概率更高。
（4）在家庭收入水平方面，指標Z統計值為2.91，模型顯著性檢驗通過，指標系數為正，說明隨著家庭收入的增加，居民的風險型金融資產的持有需求呈現上升的趨勢。原因很大程度是由于隨著收入水平的增加，家庭可支配收入更多，居民對于風險投資的需求逐步上升所導致。
（5）在房產持有量方面，指標的Z統計值為4.02，模型的顯著性檢驗通過，且其系數為正，說明家庭房產持有行為對家庭風險性金融資產投資存在正相關性，即房產投資并沒有對家庭的風險性金融資產投資產生“擠出效應”。可能的解釋有兩點：首先，居民在持有房產后，購房壓力降低，家庭可支配收入增加，促進了金融投資行為；其次，持有房產越多，居民家庭財富積累越大，家庭金融資產投資活動的抗風險能力提高，使該類家庭風險資產金融資產投資需求增加。
參考文獻
[1]Guiso，L.，P.Sapienza & L.Zingales.the Role of Social Capital in Financial Development[J].American Economic Review，2004（94）：526-556.
[2]Guven C..Reversing the Question：Does Happiness Affect Consumption and Savings Behavior[J].Journal of Economics is Psychology，2012，33 （4）：29-36.
[3]雷曉燕，周月剛.中國家庭的資產組合選擇：健康狀況與風險偏好[J].金融研究，2010，（1）：31-45.
[4]王剛貞，左騰飛.城鎮居民家庭金融資產選擇行為的實證分析[J].統計與決策，2015，（12）：151-154.
關鍵詞：家庭金融 資產投資組合
經過30多年的改革開放，我國城鄉居民家庭經濟行為的市場化程度不斷提高，家庭需求已從一般商品和勞務需求發展到更高層次的金融產品與服務的需求，金融消費的多樣化和復雜化趨勢日益凸顯。隨著家庭金融資產總量增加和種類的不斷豐富，居民對家庭金融資產選擇行為開始發生變化，家庭金融資產管理的內涵不斷得到豐富，家庭金融理論研究也成為國內外金融學者研究的前沿領域之一。
一、理論背景與研究綜述
一般認為，居民金融資產管理的研究是以家庭資產組合選擇理論為基礎的。現代金融理論中，關于投資者組合選擇的理論經歷了從靜態到動態決策的發展過程。靜態分析框架的基礎是馮，紐曼和摩根斯坦(Von Neumannn&Morgenstern。1944)在不確定條件下的標準化決策公理。該公理表明，投資者關于最終消費的效用函數是凹的(concave utility function)，家庭將選擇投資組合使得其最終消費的預期效用達到最大化。而效用函數的某種凹性度量，可以反映投資者的風險厭惡程度，遞增的絕對風險厭惡會降低對風險資產的需求；而當家庭財富增加時，遞減的絕對風險厭惡將會提高對風險資產的需求。在上個世紀60年代，經濟學家將時間引入組合策略中，Mossin(1968)，Merton(1969)等人的研究表明，在常數相對風險(CRRA)效用函數的假定下，靜態最優組合選擇也是動態最優選擇。如果效用函數不是CRRA的，則意味著家庭可以選擇時變金融資產組合結構，家庭投資者可以平滑一生的消費，達到分散生命周期中的風險目的。還有另外的兩個重要因素影響家庭金融資產組合：一個是流動性限制，另一個是家庭可能面臨著不可保險的風險，如影響其人力資本的風險。當出現這兩種情況時，家庭會減少風險資產投資。
二、家庭金融資產管理的國際比較
(一)歐美發達國家家庭金融資產管理現狀
歐美發達國家的金融市場相對完善，家庭的金融資產組合選擇值得借鑒。隨著歐美各國關于資產組合微觀數據庫的建立，對家庭金融資產選擇的實證研究逐漸增加。以John Heaton(2000)和Guiso，Haliassos&Jappelli(2003)為代表，歐美發達國家家庭金融資產管理情況主要表現在以下幾個方面：
首先，歐美發達國家的家庭中，參與風險資產投資的比例并不高，平均的風險金融資產在家庭總資產中占的份額很低。不同國家的家庭參與風險金融資產投資的比例也有較大差異。風險投資比例最高的美國、瑞典家庭中，參與股票市場的投資比例大約為50％，英國的比例是1／3，而荷蘭、德國、法國和意大利等國家庭參與股票市場的比例在15％～25％之間。美國中產階層家庭中，平均風險金融資產只占家庭總資產的5％，其他國家的相應比例還要低一點。
其次，家庭金融資產投資存在明顯的財富效應、教育效應以及一定程度的年齡效應。金融市場的參與成本將低收入家庭阻擋在風險投資門外，只有家庭收入達到一定水平，參與風險金融資產投資才有利可圖。收入越高，家庭參與風險金融資產投資的比例越大。在歐美家庭中，低收入家庭只持有很少的金融資產，幾乎不考慮風險金融資產的投資。收入超過平均水平以上的家庭占有總風險投資價值的絕大多數，尤其是位于前20％的高收入家庭，持有很大比例的金融資產。家庭成員受教育的程度對是否參與股市投資的家庭也有重要影響。美國家庭中，那些成員最高學歷都不夠高中程度的家庭只有非常低的比例涉足股市，而成員受過高等教育的家庭有近半數參與股市投資。年齡構成對家庭參與股票市場也有顯著影響，但這種影響在不同國家有所差異。
再次，雖然不同國家的家庭資產配置有較大差異，但有一點很相似，不少家庭金融資產配置不夠分散，尤其是一些高收入家庭。主要有以下幾種具體表現：1、將家庭財富投資于極少數品種的風險資產上；2、投資局限于相對較小的市場范圍，比如國內資產甚至更小范圍的區域性資產，很少擁有國際化金融產品；3、一些家庭財富中，很大比例投資于家庭成員受雇的企業股票，雖然部分歸因于公司的各種政策(如薪酬激勵、養老保險政策)，但有的家庭則是基于歷史業績和股票在市場上的表現，而過多持有所在公司的股票。
(二)我國居民家庭金融資產管理現狀
首先，我國目前還沒有關于居民家庭金融資產方面的統計指標，只是在某些年份，一些地區做了局部調查。筆者將這些調查結果加以整理，概括出我國家庭的金融資產管理現狀。
首先，自改革開放以來，我國家庭的金融資產數量快速增加，同時，家庭之間的金融資產數量差距也越來越大。國家統計局的數據表明，1996年最高收入的20％家庭金融資產占有全部家庭總金融資產的48％，而最低收入的20％家庭只占有總金融資產的4％，兩者相比為12:1；而2002年的相應比例分別是66.4％、1.3％和51:1(趙人偉，2003)。1999年的調查數據表明：8.6％的最富裕家庭擁有總家庭金融資產中的60.4％，其中1.3％的最富裕家庭占有31.43％；而43.73％的最貧窮家庭只占有總金融資產的2.99％，貧富差距相當懸殊(孫學文，2004)。
其次，我國家庭金融資產配置從一元化發展到多元化，但是結構仍然很不合理。在我國的現代金融體系初步形成之前，家庭金融資產只限于銀行存款，隨著現代金融市場的建立和發展，家庭的金融資產從現金、銀行存款等“安全”金融資產到各種較低風險的債券、保險金以及股票、期貨和外匯等“風險性金融資產”，家庭金融資產品種日益多樣化，但資產配置仍然很不合理。具體表現在收益很低的“安全”資產占據家庭金融資產中的太大比例。我國家庭的金融資產中，近七成是儲蓄存款，其中定期存款占有很大的比例。即使在2006-2007年股市高漲期間，大量家庭金融資產由銀行轉移到股市時，城市家庭儲蓄存款仍然不低于五成。另外，在家庭金融資產增加的同時，還存在有效保險需求不足的矛盾(魏華林，楊霞，2007)。
再次，我國家庭金融資產數量和配置結構都存在明顯的區域差異。統計數據表明，不同地區居民金融資產分布極不均衡。截至2008年底，儲蓄存款最多的5個省份，分別是廣東、江蘇、山東、浙江和北京，占全國儲蓄存款的40％。其中，廣東占全國儲蓄的14.2％；儲蓄存款最少的5個省份，分別是、青海、寧夏、海南和貴州，儲蓄存款只占全國儲蓄的2％(資料來源：國家發改委網站)。從家庭金融資產數據來看，黑龍江2007年的抽樣調查數據表明(孫麗穎，2008)，
該省城鄉居民家庭平均擁有不到2.2萬人民幣的金融資產，而江蘇省江陰市農村家庭2005年的平均金融資產達到5.66萬元(符國華，2006)。區域差異不僅表現在家庭金融資產數量上，不同地區居民金融資產結構也不同。2002年廣東省居民金融資產中，居民儲蓄存款和手持現金占金融資產總額的92.2％，證券投資占5％，其他金融資產占比為2.8％(資料來源：國家發改委網站，下同)；云南省居民儲蓄存款和手持現金占比83.6％，證券投資占比16.4％，其它金融資產占比為0.19％；河南省居民居民儲蓄存款和手持現金占比81.3％，證券投資占比10.1％，其它金融資產占比為8.6％；遼寧省居民儲蓄存款和手持現金比例為88.8％，證券比例7.7％，其他金融資產為3.6％。這些省份的數據大致代表了我國不同區域的家庭金融資產結構情況。
最后，我國家庭風險性金融資產存在明顯的財富效應和教育效應。2002年，我國對廣東、山東、天津、河北、江蘇、甘肅、四川和遼寧8省份的22個城市家庭做了金融資產抽樣調查，按照家庭金融財富將城市家庭分為5個層次，從最貧窮的20％家庭到最富裕的20％家庭，擁有全部家庭股票總價值的比例分別是0.4％，3.0％，62％，15.4％，75％。可以看出，隨著家庭財富的增加，擁有的風險性金融資產比例顯著增多。將家庭按照文化程度分為小學、初中、高中、中專、大專、本科和碩士以上等7個文化層次，戶均金融資產分別為48222,51994,56910、64460、106338、160176,220032元，可以看出，家庭金融資產與家庭成員受教育程度存在正相關關系。
三、結論與啟示
(一)發揮金融中介的功能，降低投資者參與金融市場的成本
通過歐美各國家庭資產組合的國際比較來看，共同基金和養老基金等金融中介的存在使家庭更多間接地投資于風險性資產，金融中介可運用風險管理功能，輔助一般投資者參與日益復雜的金融市場和更有效的使用創新型金融工具，降低了一般投資者的參與成本。此外，應重視加強金融中介的職業標準和道德規范水平，因為他們的職業信譽會通過影響家庭的信任度而間接影響到參與股票的程度。
(二)建立多層次保險體系和新型福利制度，推進社會保障制度改革
近年來，隨著收入分配體制、社會保障制度、住房、醫療、教育體制等方面改革不斷深化，居民更多地面臨未來收入與支出的不確定性。由于缺乏發達國家通常都有的社會保險和福利體系，使得個人需要更多的儲蓄來保障自己的未來。因此，發展家庭金融需要推進社會保障制度改革，建立多層次保險體系和新型福利制度。
(三)增加城鄉居民收入，盡快縮短貧富差距
收入是決定家庭金融發展的關鍵因素。上述研究也表明，家庭的收入(財富)對股票參與決策和投資比例都有顯著的正向影響。目前。我國居民家庭財產總量雖然快速增加，但總量相對于發達國家仍然較低。因此，經濟穩定發展，居民收入持續增加，家庭財富水平不斷提升，家庭金融才能有更健康和堅實的發展基礎。
基金項目：國家自然科學基金項目，項目編號：71073126；教育部“長江學者和創新團隊發展計劃”創新團隊項目，項目編號：IRT1176；教育部高等學校博士學科點專項科研基金課題，項目編號：20100204110030；陜西省社科基金項目，項目編號：09E044；西北農林科技大學人才專項資金資助項目資助。
摘要：本文利用山東泰安農村地區抽樣調查數據，從實證角度考察了我國農村正式金融機構向農戶提供信貸供給時的信貸完全滿足、信貸完全配給和信貸部分配給行為。結果表明：與金融機構信貸完全滿足行為相比，申貸農戶家庭自有土地數量越多、面積越大，越有助于其降低遭受金融機構完全信貸配給行為；戶主具有非農勞動專業技能和家庭資產價值越高反而促使金融機構對其申貸金額滿足度下降。
關鍵詞：MNL模型；金融機構；信貸供給
中圖分類號：F83243文獻標識碼：A
農村金融市場為滿足農戶資金需求提供了場所。雖然部分農戶能夠從正規金融機構獲得足夠的金融資源額度，但是由于信息不對稱和交易成本問題導致的嚴重信貸配給（Credit Rationing）現象則更為普遍，具體表現為：（1）在所有的貸款申請人當中，一部分人的貸款申請被接受，而另一部分人即使愿意支付高利率也得不到貸款；（2）貸款人的貸款申請只能部分被滿足。同其他發展中國家一樣，信貸配給現象也是我國農村金融市場一個不爭的事實，正規金融機構仍然不能很好地滿足農戶的信貸需求，對農戶的生產投資、生活消費等方面有著負面影響。不容否認的是，為改善農村金融市場的運行，我國政府自1996年起就啟動了一系列的農村金融改革，最近又從國家層面進一步加大了對農村金融改革發展的扶持和引導。當前正規金融機構信貸供給行為究竟如何？什么樣的農戶容易遭受正規金融機構的信貸配給？或者說容易遭受金融機構信貸配給的農戶家庭的特征是什么？了解這些問題對于找準農村金融改革的著力點，明晰改革的途徑和突破點等具有重要意義。
一、相關文獻回顧
對于農村正規金融機構的信貸供給行為，以往的研究主要集中于金融市場常見的信貸配給現象。國際上，經濟學家 Jaffee & Russlle （1976）、Stiglitz & Weiss（1981）等人將不完全信息和合約理論運用到信貸市場中，建立逆向選擇模型與道德風險模型，提出信貸配給的主要原因是金融市場信息不對稱和成本的存在。Williamson（1988）從事后信息不對稱的角度進一步拓展了基于信息經濟學基礎的信貸配給理論，認為即使不存在逆向選擇和道德風險，只要存在信息不對稱和監督成本，就會產生信貸配給。近年來其他學者，例如Meza & Webb（2006）、Arnold & Riley（2009）等從其他角度解釋、分析和論證了信貸配給的存在和影響。
國內學者近年來主要從理論分析和數據調查論證對農村金融的信貸配給進行了研究，主要包括兩個層面：第一，關于信貸配給影響農村經濟的研究。例如，林毅夫（2000）研究了金融改革對農村經濟發展的意義；徐忠和程恩江（2004）研究了利率政策引發農村信貸市場扭曲及其對農村金融機構行為、效率及農村信貸資金的配置造成的影響。第二，關于信貸配給下農村信貸市場的狀況。例如，朱喜和李子奈（2006）利用2003年約3 000戶農村家庭的抽樣調查數據， 考察了我國農村正規金融機構向農戶提供信貸服務時的配給行為；褚保金等人（2009）利用江蘇省欠發達的北部地區372個農戶數據研究了信貸配給下農戶借貸的福利效果；朱喜等人（2009）實證分析了我國欠發達地區不同農村金融機構的信貸供給行為；李慶海等人（2012）采用2003-2009年我國1 000個樣本農戶的調查數據，估計農戶遭受信貸配給的程度及其對農戶家庭凈收入和消費支出的影響等。
這些研究無疑非常重要，它們有助于我們了解農村金融市場，特別是正規信貸市場的現狀， 并為破解當前農村金融困境和尋求合適的改革方案提供了思路。但是這些研究僅僅局限于金融機構信貸配給理論的一般性探討和分析，既沒有很好區分金融機構供給行為中的完全信貸配給行為和部分信貸配給行為，也沒有探討申貸農戶的家庭特征與金融機構的信貸供給行為的關聯性。基于此，本文將嘗試彌補這方面的空白。
二、理論框架
為了消除金融市場中存在的信息不對稱，金融機構通常要收集以貸款申請者家庭特征為主的多方面信息，這些信息經過量化處理后就構成了金融機構的信貸評價指標。依據這些指標，金融機構對每一位貸款申請者做出判斷，確定最佳信貸供給行為，以達到自身期望收益最大。
假定農戶為申請貸款向金融機構提供其家庭特征信息為HI，金融機構信貸評價優等指標為EI，差等評價指標為BI，如果HI≥EI，即金融機構認定農戶的家庭特征（信貸評價指標最重要的組成部分）達到或超過其設定發放貸款的優等水平，則金融機構就會滿足農戶的全部貸款申請，這時，金融機構的信貸供給等于申貸農戶的資金需求。如果BI≥HI，即金融機構認定農戶的家庭特征只能達到或低于金融機構設定發放貸款的差等水平，則金融機構就會拒絕農戶的貸款申請（信貸供給為零），也即金融機構對農戶的信貸配給程度為100%。如果EI>HI>BI，則農戶的家庭特征水平是介于金融機構信貸評價的優等水平和差等水平之間，因此農戶的貸款申請只能被金融機構部分滿足，即金融機構對農戶的信貸配給介于0%和100%之間，或者金融機構認為滿足農戶的部分貸款申請所帶來的期望收益是大于全部拒絕或全部接受貸款申請所帶來的期望收益。總之，金融機構對每位申請信貸的農戶所做的最終信貸供給行為或是（1）接受農戶的貸款申請，或是（2）部分接受農戶的貸款申請，或是（3）拒絕農戶的貸款申請。其中，金融機構的信貸供給行為（2）和（3）就是金融機構對貸款申請者的信貸配給。
如上所述，金融機構的信貸供給行為都是按照效用最大化（utility-maximizing）的原則進行的，這符合MNL（Multinomial Logit）模型的隨機效用理論（random utility theory）基礎。假定上述的供給行為（1），（2）和（3）構成金融機構信貸供給行為的選擇集C。在選擇集中的每一個信貸供給行為對金融機構而言都存在一定的效用。金融機構信貸供給行為只會采取選擇集中效用對他最大的那一個。我們假設用n來表示申貸農戶，n=1，…，N；用J表示選擇集中的全部的三種金融機構的信貸供給行為。我們把金融機構對申貸農戶n的信貸供給行為j所獲得的效用表示為Unj，j∈J，且j為上述金融機構信貸供給行為（1），（2）和（3）之一。因此，信貸供給行為i（i也為上述金融機構信貸供給行為之一）被選中所必須滿足的條件是：Uni>Unj，其中j是指不包括信貸行為i在內的選擇集中的全部其他信貸行為。
金融機構的每一個信貸行為的效用由兩部分構成：決定部分（deterministic component）和隨機部分（random component）。效用的決定部分是由可觀察到的申貸農戶的家庭特征所決定的。家庭特征包括戶主的性別，年齡，教育水平等。對于金融機構給予申貸農戶n的信貸供給行為j的效用的系統部分通常用Vnj表示。還有一部分效用是研究人員觀察不到的，也就是說Unj≠Vnj。決定部分效用與全部效用之間的差便是效用的隨機部分。對于金融機構給予申貸農戶i的信貸行為j，把隨機部分效用表示為εnj。這樣，我們把全部效用分解成了兩部分，如下方程所示：
在選擇集C中，金融機構對申貸農戶i的信貸供給行為j的概率可以表示為：
對效用的隨機部分εni，i∈C，假設：（1）εni是獨立分布的隨機變量；（2）該概率變量服從雙重冪函數概率分布（double exponential distribution），如下所示：
綜合公式（1）至（3），金融機構對申貸農戶i的信貸供給行為j的概率表示為如下公式（推導及證明過程，參考McFadden， 1974）：
上式中，分子是金融機構信貸供給行為i決定部分效用的冪函數，分母是選擇集中所有金融機構信貸供給行為決定部分效用冪函數的和。此時，式（4）中效用的隨機部分已不復存在，因此簡化了選擇概率計算過程。
三、計量模型
如上所述，效用的決定部分是由可觀察到的申貸農戶的家庭特征的有關變量決定的。假設有K個可觀察變量共同決定效用的決定部分，因此這些變量與效用有如下線性關系：
上式中，aj是每一個信貸供給行為的固有效用（intrinsic utility）。每一個信貸供給行為都有其獨特的aj值，所以共有J個這樣的參數。通常這些參數被解釋為控制了其他變量以后的信貸供給行為的收益值。由于模型估計的需要，將J個參數中的一個限定為0，因此只需要估計J-1個這樣的參數。xnjk是可觀察到的每一個申貸農戶都有的共同家庭特征變量。在這里，“共同”是指每一個申貸農戶都有這個變量，但并不表示它們的值相等。bk是第k個共同變量所對應的參數或權數。每一個變量都有一個參數與之對應，但是對于同一個變量不同的申貸農戶分享相同的參數，所以，申貸農戶標志n就在參數的下標中省去了。可以看到，雖然申貸農戶在同一變量上分享相等的參數，但是由于變量觀察值的不同，金融機構同一信貸供給行為的決定效用在不同申貸農戶之間不等。
進一步，將公式（5）代入公式（4），可得公式：
在上面的公式中，xnjk是已知的觀察值，aj和bk是未知的參數，需要估計。雖然不知道選擇概率pni，但是知道金融機構對申貸農戶的具體的信貸供給行為，因此可用ynj來表示金融機構對申貸農戶n信貸供給行為選擇的結果。如果金融機構給予申貸農戶n的信貸供給行為是j，則ynj=1；否則，ynj=0。推廣開來，金融機構對申貸農戶n從J個信貸供給行為選擇集中采用一種信貸供給行為，統計似然（likelihood）的計算公式則為：
對于全部N個申貸農戶而言，似然的計算公式則為：
對公式（8）兩邊去對數后，采用最大似然估計法（Maximum Likelihood Method）可求得模型參數aj和bk的解。應用最大似然法所估計的參數具有一致性（consistent）、漸進效率性（asymptotically efficient）和趨于正態分布（normally distributed）的特點。因此，對數似然值的計算公式為：
將公式（6）代入到公式（9），并通過對LL進行最大化，便可以求得參數aj和bk的解。在本研究中，是通過程序STATA 110來實現上面的模型估計過程的。
四、數據與結果
（一）數據來源
由于農村正規金融機構（信用社、農業銀行等）不愿向研究者提供分筆貸款的相關數據，因此，筆者的數據收集都是建立在農戶訪談調查基礎上的。本文的數據來源于2011年初筆者在山東泰安農村地區收集的數據，采用了三階段分層抽樣策略。第一階段，按照不同經濟發展水平采取分類抽樣的方法，隨機選擇了山東泰安的兩個鄉鎮，分別是滿莊鎮和伏山鎮；第二階段，在每個所選的鄉鎮中再隨機抽取兩個村，共計四個村，分別是滿莊鎮的曹家寨村和新莊村，伏山鎮的馬家廟村和朱家莊村；第三階段，在每個被抽取村莊中隨機選擇50-70戶農戶發放問卷或入戶調查，共收集有效問卷220戶。數據庫中，收集了這些農戶2006-2010年間的金融信貸活動、家庭基本情況等方面的經濟社會數據。這為估計金融機構對農戶的信貸配給程度提供了數據資源和經驗證據。然而，這些農戶中，未參與金融信貸調查、未在2006-2010年間向金融機構申請貸款的農戶有30戶，在此期間向金融機構申請信貸的190戶農戶中有19戶提供的信息不全，因此本文分析中將這些農戶剔除掉，最終本文采用的樣本農戶為171戶。
筆者的調查采用直接法進行，即通過發放問卷或實地調查以誘導農戶透露出有關信貸申請金額和實際獲取金額的真實信息。本文關于金融機構信貸配給的度量如下：“過去5年內（2006-2010年），您家是否向金融機構申請過貸款？如果申請過，最近一次申請的意愿貸款額是多少？金融機構最后給予的實際貸款額又是多少？”只要信貸申請農戶沒有從金融機構獲取任何信貸額或獲取的實際貸款額小于其意愿貸款額，則金融機構對農戶的信貸供給行為就是信貸配給。其中，申請貸款但未獲信貸的農戶為完全信貸配給，申請貸款僅獲部分貸款的農戶為部分信貸配給。171戶樣本中，102戶遭受金融機構的信貸配給，占總樣本的596%，這也證實了農戶的信貸配給程度是很高的，也同我國大部分學者的研究所表明中國農戶受到信貸配給的程度至少在50%以上的情況相吻合（田俊麗， 2006）。在遭受信貸配給的農戶中，84戶遭受完全信貸配給，占總樣本的491%；18戶遭受部分信貸配給，占總樣本的105%。這表明農戶遭受的信貸配給主要是完全信貸配給，這一點也同國內許多學者（例如李慶海等人， 2012）的調查相類似。其余69戶的信貸申請均獲得金融機構的信貸滿足。
（二）變量選取及統計特征
基于前述的理論模型及計量方法，本文所用的被解釋變量為：金融機構對農戶的信貸供給行為。為了便于描述和區分金融機構三種不同的信貸供給行為，筆者賦值0，1，2分別表示信貸供給的完全滿足、信貸供給的完全配給、信貸供給的部分配給行為。在這里，被解釋變量是離散選擇變量。
估計MNL模型時，需要將一類信貸供給行為作為參照組。解釋變量的估計系數為正，意味著相對于參照組的信貸供給行為來說，解釋變量對處于此類信貸供給行為的相對概率為正的影響；解釋變量的估計系數為負，意味著相反的情形。本文中解釋變量反映農戶的家庭特征，主要有：（1）農戶自有的土地規模（land）。作為最基本的生產資料，承包的土地規模在一定程度上能夠衡量信貸農戶的期望收益，因此我們預測該變量對金融機構信貸滿足行為的影響為正，對信貸配給行為的影響為負。（2）農戶信貸前的家庭全部資產的市場價值（asset，包括土地，房屋，銀行存款，農產品等）。家庭資產值在一定程度上反映了農戶潛在的生產能力和財富創造能力。其越大，可被用作抵押、擔保的資產就越多，金融機構對農戶的信貸滿足的可能性就越大，或者信貸配給的可能性就越小。（3）戶主的受教育水平（education）。戶主受教育水平在一定程度上可以代表信貸申請農戶家庭的綜合能力。其越高，越容易及時把握農產品的市場信息，快速了解農業新技術的動態，從而能夠靈活地安排農業生產，降低各種生產經營風險，有利于獲取最佳收益。因此，預測該變量對金融機構的信貸滿足行為影響為正，信貸配給行為的影響為負。（4）戶主的性別（gender）。國外學者的調查研究發現，女性借款者信用往往好于男性借款者（Fletschner & Kenney，2011）。既然我國農戶借款都是戶主代表家庭出面申請，因此預測金融機構對戶主為男性的家庭較戶主為女性的家庭更容易給予信貸配給。（5）戶主的年齡（age）。戶主的年齡可以在一定程度上代表農戶家庭的家庭結構，即青年家庭（18-35歲）、中年家庭（36-45歲）、中老年家庭（46-55歲），老年家庭（56歲以上）。在我國當前大部分農業生產方式仍舊屬于勞動密集型，因此農戶的家庭結構越年輕，其農業生產能力和效率相對要好些，從而金融機構對其的信貸需求能予以滿足。（6）農戶家庭農業勞動力總數（labor1）。我國目前以勞動密集型的農業生產方式決定了一個家庭勞動力越充裕，農業生產的期望收益才會越高，因此金融機構對這樣的家庭信貸需求的滿足性較高。（7）農戶家庭外出務工勞動力總數（labor2）。外出務工勞動力越多意味著農戶家庭收入來源越多，抗擊風險能力就越強，有助于信貸的償還，因此金融機構也會較多地滿足這樣的家庭信貸需求。（8）農戶家庭無勞動能力成員總數（nonlabor）。相對于勞動能力，無勞動能力通常意味著無法創造財富。因此，家庭成員中無勞動能力成員人數越多，就意味著家庭消費支出越大，這樣的家庭遭受金融機構的信貸配給的可能性也越大。（9）戶主是否具有非農專業勞動技能（skill）。在我國農村地區，戶主通常意味家庭經濟的頂梁柱，戶主具有非農的專業勞動技能意味著這樣的家庭獲取財富途徑和手段多元化。因此，同家庭有較多的外出務工的勞動力一樣，這樣的家庭也可能較少遭受金融機構的信貸配給。表1給出了所有變量的定義、說明及統計特征。
（三） 實證結果分析
本文將金融機構信貸完全滿足行為作為參照組，即金融機構信貸完全滿足行為的參數被限值為0，因此金融機構的完全信貸配給行為和部分信貸配給行為的參數是它們與金融機構信貸滿足行為參數的對數機會比（log odds），是一個相對值。從估計結果可以看出（見表2），申貸農戶的家庭自有土地面積的大小、戶主是否具有非農勞動專業技能以及申貸農戶家庭資產市場價值的大小對金融機構的信貸供給行為有顯著影響。
與金融機構信貸完全滿足行為相比，申貸農戶家庭自有土地數量越多、面積越大，越有助于其降低遭受金融機構完全信貸配給的行為，這同我們前述的理論預期一致，也與褚保金等人（2009）和李慶海等人（2012）的研究結論一致。同時，這一發現也說明金融機構對信貸資金的供給更傾向于種植大戶。
然而，與金融機構信貸完全滿足行為相比，申貸農戶的戶主具有非農勞動專業技能和家庭資產價值越高反而促使金融機構對其申貸金額的滿足度下降，這些發現同我們前述的理論預期截然相反。造成這一現象的可能原因是本文調查的農戶所涉及的貸款均為涉農貸款，同其他的消費貸款、非農生產貸款不同，涉農貸款主要服務于農業生產，因而戶主具有非農技能容易加深金融機構對其可能挪用貸款從事非農生產，從而引發可能的債務風險的懷疑，進而采用部分信貸配給的信貸供給行為。另外，本文受訪農戶家庭資產的市場價值最主要的貢獻值是自有農田的市場價值和建于宅基地上的住房的市場價值，然而按照我國現行法律，農戶的自有土地和宅基地是無法在市場上進行產權買賣的，因而農戶家庭資產的市場價值主要部分反映的是市場的理論價值。這一理論的市場價值所占比重越大，農戶其他的可流動資產就越少，從而減少了申貸農戶尋求資產擔保或抵押的可能性，加大了債務風險。從這點考慮，金融機構會更傾向于給予申貸農戶部分信貸配給。
研究結果表明農戶的其他家庭特征變量如戶主的性別、教育水平、年齡，農戶家庭農業勞動力人數、非農勞動力人數和無勞動能力人數等對金融機構的信貸供給行為的影響不顯著，這反映出被調查地區的金融機構對上述變量不敏感，可能的原因是金融機構并沒有把向農戶提供貸款真正作為自己的經營方向，而且其在信息收集成本方面也較高，因此沒有積極去了解或評估樣本農戶的信用狀況。
五、結論與啟示
本文以山東泰安地區抽樣調查的農戶數據為例，采用MNL（Multinomial Logit）模型，以受訪農戶的家庭特征為自變量，實證分析了農村正規金融機構信貸供給行為。研究發現，金融機構對69戶樣本農戶（占總樣本的404%）給予了信貸滿足，對84戶樣本農戶（占總樣本的491%）給予了完全信貸配給，對18戶樣本農戶（占總樣本的105%）給予部分信貸配給。同以往文獻調查類似，本文調查也顯示了信貸配給仍然是當前金融機構對農戶的信貸供給的主要行為。本文將金融機構信貸完全滿足行為作為參照組，實證研究發現，與金融機構信貸完全滿足行為相比，申貸農戶家庭自有土地數量越多、面積越大，越有助于其降低遭受金融機構完全信貸配給的行為。然而，與金融機構信貸完全滿足行為相比，戶主具有非農勞動專業技能和家庭資產價值越高反而促使金融機構對其申貸金額的滿足度下降，這些發現同我們前述的理論預期截然相反。造成這種現象的可能原因是調查地區的樣本農戶的信貸類型屬于涉農貸款以及家庭資產主要構成部分是沒有實際市場價值且無抵押功能的自有耕地和宅基地，從而影響了金融機構對其的信貸供給。
本文的結論也為我國農村金融改革提供了重要啟示。未來我國農村金融改革深化離不開農村土地制度的改革。我國當前法律明確禁止農業用地和宅基地進行抵押或者轉讓，這導致農戶在信貸申請中能夠提供給金融機構的抵押物相當有限，以至于相當部分涉農貸款只能開展小額信貸業務，雖然此類金融產品符合我國農村基層的信貸生態環境，但從建立現代金融業的理念看其成本收益比不佳，而且無法滿足種養大戶和農業產業化經營對資金的有效需求。因此，如果允許農戶將土地作為抵押品進行融資，那么金融機構會更主動地開展涉農貸款業務，因為相對于其他抵押品而言，土地無論是在價值穩定性還是市場接受程度上都較高，能極大地降低銀行的信貸管理風險，進而可以發展出具備可持續性的農村金融商業模式。總之，鑒于目前農村金融市場上信貸配給現象依然嚴重，除了繼續加大農村金融體制自身改革以外，農村金融體制的進一步改革也需要同農村土地產權改革結合起來。
參考文獻：
[1]Williamson， O.Corporate Finance and Corporate Governance[J].Journal of Finance，1988， 43（3）： 567-591.
[2]Meza， D.D. and D. C. Webb. Credit Rationing： Something’s Gotta Give[J].Economica，2006， 73（292）： 563-578.
[3]Arnold， L.G. and J. G. Riley.On the Possibility of Credit Rationing in the Stiglitz-Weiss Model[J].American Economic Review，2009，99（5）： 2012-2021.
[4]林毅夫.再論制度、技術與中國農業發展[M].北京：北京大學出版社，2000.
[5]鐘笑寒， 湯荔. 農村金融機構收縮的經濟影響：對中國的實證研究[J].經濟評論， 2005（1）： 109-115.
[6]朱喜，李子奈. 我國農村正式金融機構對農戶的信貸配給——一個聯立離散選擇模型的實證分析[J].數量經濟技術經濟研究，2006（3）：37-49.
[7]褚保金，盧亞娟，張龍耀.信貸配給下農戶借貸的福利效果分析[J]. 中國農村經濟，2009（6）： 51-61.
[8]McFadden， D. Conditional logit analysis of qualitative choice behavior[M].In Frontiers in Econometrics. P. Zarembka， New York： Academic Press， 1974：105-142.
[8]田俊麗. 中國農村信貸配給及農村金融體系重構[D].成都：西南財經大學博士學位論文，2006.
關鍵詞：農村家庭；資產組合；非正式制度
中圖分類號：F323.9 文獻標識碼：A doi：10.3969/j.issn.1672-3309（x）.2012.06.51 文章編號：1672-3309（2012）06-124-03
一、引言
非正式制度，又稱為非正式約束，包括價值信念、風俗習慣、文化傳統、道德倫理、意識形態等人們在社會交往中發展形成的準則。本文研究的就是在這些非正式制度下貴州農村居民家庭資產組合的選擇。在現代生活中，家庭作為社會的一個組成部分，每時每刻都有經濟行為的發生，概括起來就是：創造價值和創造消費。隨著現代經濟的發展，家庭資產由少到多，并且隨著金融市場與房地產市場的建立、發展和深化，家庭資產形式日漸豐富，家庭資產組合的結構也呈多元化。投資模式以家庭為研究單位的投資組合偏好不同而不同，不同的投資工具可能成為家庭的首選項，資產的不同組合所帶來的風險和收益會影響到家庭財富的增長方式與增長量。很多文獻集中于對進入資本市場的投資者的資產組合選擇進行研究，很少研究那些沒有進入資本市場的家庭投資行為，銀行存款仍是居民金融資產選擇的主要途徑，房地產支出在實物資產中占比最大，因此，根據家庭生活的不同背景，對家庭資產組合選擇的影響因素進行分析，不僅可以認識家庭資產選擇的特點，完善家庭資產選擇行為理論，而且有助于了解不同家庭投資需求，促進家庭資產選擇行為合理化。對于家庭的界定不同，研究所得的結論當然也會各異。于2012年5月公布的《中國家庭金融調查報告》中對于家庭的定義就是：調查對象必須滿足共同居住、收入共享、支出共擔這3個條件才算一戶家庭。本文所研究的居民家庭指同時滿足上述3個條件的家庭。
家庭資產組合的目的多為避險與獲利。根據經典資產組合理論，給定資產的收益分布，居民的風險規避程度越高，投資于風險金融資產的可能性越低，即使進行了投資，持有的比重也越低。實證研究卻發現居民家庭的資產組合選擇并不遵從經典資產組合理論的預期（Vissing-Jorgensen，2002）。經典資產組合理論告誡人們“不要把雞蛋放在一個籃子里”，但實證卻發現很多居民家庭并不是持有一個分散的資產組合（Campell，2006）。因此，以貴州省為例，研究農村居民家庭資產組合的選擇具有重要的理論和現實意義。
二、文獻綜述
居民家庭資產組合一般分為金融資產和實物資產。現有的研究中，大部分文獻都偏向于金融資產的組合。張學勇（2010）以河北省居民金融資產的調查問卷數據為參考，詳細研究了河北省居民金融資產結構的決定因素。張海云（2010）針對我國家庭金融資產選擇行為的異質性特征，從宏微觀層面分析了家庭金融資產選擇的影響性因素，最后對其財富效應進行了分析。何興強等（2009）運用2006年中國9城市“投資者行為調查”數據，實證探討了勞動收入風險、健康狀況及房產投資等背景風險對居民金融資產投資的影響。王敏（2009）在不確定性條件下構建金融投資模型來分析居民的投資組合。對于實物資產的研究，多數也與金融資產相結合，并且大都是從總量上利用宏觀數據進行分析。徐茂衛（2005）以Markowitz的投資組合理論為基礎，從行為金融學的角度選取了風險規避程度、最大風險容忍度、偏好和經濟狀況等4個投資者行為屬性，構建了居民的最佳風險投資組合。李慧英（2005）以四川省城鎮居民家庭為研究對象得出，1995至2004年內，四川省城鎮居民戶均金融資產增長了76.2%，年均增長6.5%，實物資產增長快于金融資產達14%。王嵐（1998）通過分析1978至1994城鎮居民人均資產存量構成得出，居民資產存量中的金融資產和實物資產的比例發生了重大變化。陳國進等（2008）從理論上分析了影響居民家庭資產組合總量和結構的各種因素。
雖然已有研究中有很多對于農村家庭財產進行分析，但涉及具體農村家庭資產組合選擇的文獻卻不多。駱祚炎（2007）實證分析得出農村居民資產規模小、資產種類尤其是金融資產缺乏和可支配收入低，是導致農村居民資產財富效應弱小的重要原因。鄧大松（2009）選取家庭資產規模作為家庭富裕程度的變量，通過交互分析發現，農村家庭資產規模顯著影響其家庭成員健康和保險決策。李銳（2007）采用3000個農村家庭的調查數據，計量分析了農村家庭金融抑制的程度及其福利損失的大小。韓喜平（2004）對農村家庭投資行為特征進行分析，研究農村家庭該如何利用好生產要素，合理配置資源，以達到利潤最大化。
本文以處于我國欠發達地區的貴州農村家庭為例，對農村家庭資產的現狀、差異、問題進行分析。通過時間序列數據分析農村居民家庭資產總量、結構及變動情況，這有助于了解不同農村家庭資產投資的需求，促進資產組合選擇行為的合理化。
三、貴州家庭資產總量分析
據調查數據（見表1）顯示，2010年貴州省農村居民家庭純收入人均3471.93元，其中，家庭經營純收入占比最大，為1706.33元，占人均純收入的49.1%；其次是工資性收入，占37.55%；可見人均純收入主要來自家庭經營純收入和工資性收入。這與整個西部的人均純收入分配比例是相似的，但是貴州省農村居民家庭人均純收入還沒有達到西部地區的平均水平，貴州農村收入水平仍是處于落后階段。在人均服務消費量方面，2010年貴州省農村家庭人均消費支出（見表2）為2852.5元，比2005年提高了1300.1元，增長率為83.7%，其中食品支出由2005年的819.87元上升到2010年的1319.4元，上升幅度接近61%；食品占比（即恩格爾系數）明顯下降，從2005年的52.8%下降為2010年的46.3%，下降了6.5個百分點，居住占消費比重為21.8%，可見貴州農村居民家庭的消費支出大部分仍花在了食品和居住上。交通通訊消費由2005年的99.22元上升到2010年的229.66元，上升幅度為131.5%，表明在國家實施西部大開發戰略的帶動下，貴州省交通通訊等基礎設施的加強提高了農村居民家庭在這方面的支出。從貴州農村家庭居住環境來看，2010年人均住房面積27m2，同2005年相比，增加了14.9%，可見，貴州農村家庭的居住環境有所改善。
根據中國統計年鑒、貴州統計年鑒的調查數據，在貴州農村居民家庭平均每百戶耐用消費品擁有量方面（見表3），近十年來貴州農村家庭的傳統耐用消費品如黑白電視機、自行車等擁有量有所下降，而反映生活水平的現代家用電器擁有量有較大幅度的上升。2010年，每百戶家庭擁有洗衣機55.18臺，較2009年上升了13.3%；每百戶電冰箱擁有量27.23臺，較2009年的19.29臺上升了不少；空調每百戶擁有1.47臺，雖然較2009年的0.98臺有所上升，可是仍低于全國平均水平；除了的電話機擁有量較2009年略有所下降，這可能受移動電話擁有量上升的影響，其他耐用消費品如汽車、摩托車、彩色電視機、照相機等擁有量都有所上升。但與東部地區農戶相比，差距仍然很大。
生產性固定資產數量反映了農村家庭物質資本的積累水平。對于農村特有的生產性固定資產擁有情況統計（見表4），貴州農村家庭傳統和現代工具并用，其中漲幅最大的應該是農用水泵，從2009年的每百戶7.32臺上升為2010年的每百戶9.96臺，增加了36.1%。役畜和產品畜的數量都有所下降，拖拉機、脫粒機等機械生產工具數量有所上升，可以看出，貴州山區農村家庭生產性工具正向機械化慢慢轉變。
綜上所述，貴州地區農村居民家庭近10年來生活消費水平和收入水平都迅速提高，但是與全國平均水平相比，仍有較大的差距。
四、結論與建議
貴州是我國貧困人口較為集中的省份，農村人口數占貴州總人口的很大比例，農村家庭的資產組合行為從微觀角度看是理性的經濟行為，從宏觀層面看，家庭的經（上接125頁）濟行為也會帶來高效益。但是貴州農村家庭收入預期難以預測，家庭資產組合的研究受到限制，面臨以下幾個問題。
1. 收入是資產組合行為的起點，有了收入才會有投資、消費等行為，但是農村家庭較城市家庭收入來源更是各異，由于未來收入預期的不確定性，必然導致家庭經濟行為的發展受到限制，人們也不敢進行多種類的資產組合配置，以避免風險，導致近些年來居民家庭尤其是農村家庭優先考慮儲蓄的傾向仍在繼續，資產組合的品種較單一。
2. 依賴政府的傳統型生活方式，使得家庭自主創新能力較差。多數農村家庭仍然基本停留在靠有限工資過日子的層面上，沒有意識到用過家庭理財的渠道來進行創收。
3. 市場導向不夠。與企業經濟相比，微觀家庭經濟行為沒有受到足夠重視，家庭經濟行為，尤其是資產組合選擇行為具有較強的多元化趨勢，是市場發展的重要支持力量。目前，貴州省家庭經濟行為缺乏有效的市場支持。
影響家庭資產組合選擇的因素眾多，不管是收入還是健康、偏好，對資產配置都有復雜的影響，家庭資產組合的選擇和影響因素的研究對金融政策和家庭福利帶來的影響是十分重要的。因此，要重視家庭經濟主體地位，加強家庭對資產有效配置的相關認識，促進家庭資產的多元化組合。
參考文獻：
[1] 黃朗輝、孟慶欣等.中國城市居民家庭財產現狀[J].中國統計，2002，（12）.
[2] 孫元欣.美國家庭資產結構和變化趨勢[J].上海經濟研究，2005，（11）.
[3] 劉洪玉、鄭思齊.住宅資產：居民家庭資產組合中的重要 角色[J].經濟與管理研究，2003，（04）.
[4] 伍燕然.資產管理中客戶偏好的研究——兼論考慮偏好條件下基金的評估 [J].經濟研究，2002，（08）.
【關鍵詞】互聯網保險 購買行為 在校大學生
一、引言
大學生群體將會在現在以及未來的互聯網金融時代中扮演重要角色。本次調研工作中的問卷調查將基于在校大學生為研究主體，問卷設計主題為大學生群體對于互聯網保險產品的購買行為探求，希望能從回收后的有效數據中獲知大學生對互聯網保險產品的認知程度，借此分析影響消費者對互聯網保險產品購買行為的因素和各個因素間的相關性，對今后的保險行業發展，消費者的理性購買行為具有深刻的指導意義。
二、影響大學生群體購買互聯網保險產品行為的理論分析
（一）大學生個體特征對互聯網保險產品購買行為的影響。
由于本次研究的對象主體為在校大學生，在年齡上的分布方差不會很大，對于調查結果很難有明顯的影響。男性群體天生較女性群體活躍，對于金融保險產品的敏感度可能高于女性，購買行為兩者存在著偏差。至于研究對象選擇的學習專業，一般來說，金融及相關專業的學生對于互聯網保險產品的接受認知程度會高于其他專業，另外不同專業的學生對于互聯網保險產品的認知程度存在著明顯的不同，這一點也是本文所要驗證的。
（二）大學生客觀環境特征對互聯網保險產品購買行為的影響。
客觀環境特征可以比較簡單的細分為家庭環境和社會環境兩個方面。家庭環境方面，大學生群體的家庭收入情況在一定程度上決定了消費能力和規避風險的意愿。一般來說收入較高的家庭對于風險的規避重視程度較高。家庭的信貸習慣（或者說是消費習慣）對于購買行為也存在著相當大的影響，習慣于信貸消費的家庭可能會面臨著較高的風險，同時人們往往認為不動產等投資比金融信貸投資更加可靠，在浙江工商大學一位保險學碩士生的問卷調查的結果中，有高達六成的調查對象認為當前買房的重要性高于買保險（基于問卷調查的居民家庭保險需求行為研究――朱麗莎）。
而在社會環境角度，互聯網保險產業由于依托互聯網大數據海量信息源的特征，在市場宣傳方面有著得天獨厚的優勢，產品的市場宣傳程度在很大一方面決定了消費者的認知程度。
三、影響大學生群體購買互聯網保險產品行為的實證分析
（一）數據樣本來源與描述性分析。
由于本文是基于在校大學生群體為研究對象的購買行為調研，通過為期一周在寧波大學科學技術學院校區內的問卷分發，基本符合了本次調研的群體為在校大學生的基本要求。本次調研一共分發出105份問卷，收回104份問卷，經過初步整理和篩選，得出有效問卷90份，有效率達到85.71%，初步保證了調查數據的科學嚴謹性。
針對于此次問卷的描述性分析可以從以下三個方面進行闡述：被調查的大學生個體特征描述，傳統保險購買行為的描述和互聯網保險認知接受程度的描述。在描述完以上三方面情況后將使用數量分析進行回歸尋因。
1.個體特征描述
本次調查中占據調查者性別主體的為女性，占據了調查群體總量的80%。而在學科專業的分布上，本次問卷調查涉及的專業范圍除主要集中與經濟管理大類專業之外，也加入了語言類和理工類專業的學生，年級分布上以大二為主。在家庭客觀環境方面，家庭成員數量集中于兩位和三位（占據總體的88.9%），家庭年收入狀況主要分布在8-20萬區間，均值為12.97萬元。
2.傳統保險購買行為描述
對于在校大學生對傳統保險產品的購買行為的描述性分析主要可以從購買因素與購買金額上來描述。通過對于九十份問卷的分析，筆者發現占據在校大學生家庭對購買傳統保險的認知渠道前三位的是：親朋好友推薦，營業員推薦和電視廣告。占據購買傳統保險種類的前三位的是：醫療保險，長輩壽險和規避風險類的保險。此外，在涉及到影響購買的首要因素一題中，家庭收入水平（50%）占據了主要比重，投資理財（20%）和養老保險（18.9%）成為了重要影響之一。這一點驗證了筆者先前對家庭收入與保險購買關系的假設。最后，在每年家庭具體投入金額方面，3000-5000元成為了主要區間，但是考慮到在校大學生對家庭保險事務的不熟悉，這個區間的真實可信性還有待商榷，目前可作為參考。
3.互聯網保險產品認知程度的描述
在本次調查中，有超過70%的被調查者聽說過互聯網保險產品，另外有52.2%的被調查者接觸使用過余額寶此類的互聯網金融產品。網絡渠道毫無疑問成為了在校大學生群體認知互聯網保險產品的最主要渠道，比重遠遠超過其他途徑。互聯網保險產品目前主要服務于運費險和銷保險這兩類，通過對網購行為的數據整理，筆者發現，有購買現有互聯網保險產品和未來購買互聯網保險產品的人數比例均未超過50%，與此同時，有購買意愿的群體購買金額大多集中于500元以下（41.1%）。對此筆者也在預料之中，對于一個新興的產業和事物，缺乏足夠認知程度的消費者會持有觀望態度，而不急于盡早試水。
（二）影響在校大學生互聯網保險產品購買行為的計量分析。
1.模型闡述和變量說明
對于研究在校大學生互聯網保險產品購買行為的問題，筆者采用了二元logistic回歸分析模型，采用對于因變量進行0-1限定，同時根據極大偏似然估計對回歸參數進行估計。
在此模型中，我們將調查者是否會在未來進行互聯網保險產品的購買設為因變量Y（0=不會進行購買，1=會進行購買），同時對于其他回歸參數分別設為X1 ，X2 ……Xn，則Y與X的關系為：E（y）=Pi =β0 +β1X1+β2X2+ … +βNXN
其中Pi 表示在校大學生未來購買互聯網保險產品的預期情況，即買與不買，X1 ，X2 ……Xn為影響購買的各個因素，β0為方程組的對應常數，β1，β2，…，βN為對應自變量的系數。
2.分析結果陳述
通過運用SPSS20.0統計軟件，筆者對收集得到的90份有效問卷進行了二元logistic回歸處理，同時運用直接進入分析篩選法，對以上9個變量進行了初步的分析，得到了9種對應的計量結果。出于篇幅限制，在這里僅進行針對于數據結果的說明（數據結果見表1）。
表1 影響在校大學生互聯網保險購買行為的logistic模型回歸結果
注：“*”、“**”、“***”表示統計檢驗分別達到10%，5%和1%顯著性水平。
通過對于調查數據的初步回歸分析我們可以找到影響在校大學生互聯網保險產品購買行為的因素。如表三所示，協變量的系數表明該協變量對于因變量（是否會在將來購買互聯網保險產品）的正負相關性，系數為正表明存在正相關，反之亦然。
為使得實驗數據更加客觀有效，方程中各個因素間的相關性作用對于方程整體的影響也必須得以檢驗分析。比如家庭年收入的數目對承擔的保費數目是否如同預期一樣為正相關？網購經歷是否與互聯網金融產品的使用存在相關聯系，接下來的部分筆者將運用一些基本的相關性分析工具探討這些問題。
*. 在 0.05 水平（雙側）上顯著相關。
**. 在 .01 水平（雙側）上顯著相關。
在之前的二元logistic回歸分析中，部分因素間的相關性已經能被明顯發現，其中家庭收入和每年承擔的保費屬于數量程度變量，故不再進入0-1變量的相關性討論。筆者選取了以下三個0-1變量進行討論，分別為是否聽說過互聯網保險產品，是否使用過互聯網金融產品以及是否有過網購經歷，采用雙變量相關性分析后得出結果見表2。
我們可以明顯發現，是否使用過互聯網金融產品這一因素與其他兩個因素間存在著較為緊密的關系，達到了較為顯著的程度。
四、結論
基于上述的數理模型可以得到以下幾方面結論：
第一，被調查者對于互聯網保險產品，以及與之存在聯系的同類金融衍生品的認知程度將在一定程度上影響被調查者在將來購買互聯網保險產品的意愿。在回歸模型中，是否使用過互聯網金融產品這一項的統計檢驗在顯著性水平5%的水平，估計系數為正，可以得出使用過互聯網金融產品的在校大學生很有可能會在將來嘗試使用互聯網保險產品的結論。
近期公布的《2011年國土資源公報》顯示，2011年全國出讓國有建設用地面積33.39 萬公頃，出讓合同價款3.15萬億元，同比分別增長13.7%和14.6%。其中通過招拍掛出讓土地30.47 萬公頃，出讓合同價款3.02 萬億元，分別占出讓總面積的91.3%和總價款的95.9%。此外，2011年全年共1.08 萬個土地整治項目通過驗收，項目總規模73.79 萬公頃，新增農用地23.91 萬公頃，新增耕地23.37 萬公頃。全年國有建設用地實際供應總量58.77 萬公頃，同比增長35.9%。其中，工礦倉儲用地、商服用地、住宅用地和其他用地供應量分別為19.26 萬公頃、4.21 萬公頃、12.52 萬公頃和22.78 萬公頃，全年中央累計下達土地整治資金457.1 億元。
2011 年綜合地價為3049 元／平方米，同比增長6%
2001-2011年全國主要城市監測地價情況
全國105 個主要城市2011 年第四季度末綜合地價為3049 元／平方米，同比增長6.0%，環比增長0.3%；其中商業、住宅、工業用地分別為5654 元／平方米、4518 元／平方米和652 元／平方米；同比分別增長9.0%、6.6%和3.9%；環比分別增長0.7%、0.0%和0.4%。
84個重點城市2011年度凈增土地抵押面積和抵押金額
截至2011 年末，全國84 個重點城市處于抵押狀態的土地30.08萬公頃，抵押貸款4.8萬億元，抵押面積和抵押貸款同比分別增長16.5%和36.3%。全年抵押土地面積凈增4.19 萬公頃，抵押貸款凈增1.27 萬億元，同比分別增長12.1%和37.6%。
每周一數
近日，由中國家庭金融調查與研究中心完成的《中國家庭金融調查報告》。報告顯示，中國家庭財富凈值平均為66.51萬元，城市家庭平均為146.79萬元，農村家庭平均為11.79萬元。中國城市家庭的金融資產為111714元，非金融資產為1456961元，資產合計為1568675元，城市家庭負債總額為101815元，城市家庭財富凈值為1467860元。中國農村家庭金融資產為30996元，非金融資產為123436元，資產合計為154432元，農村家庭負債總額為36504元，農村家庭財富凈值為117928元，因此，城鄉家庭財富差距大。另外，處于財富分布90%以上分位數家庭的財富占社會財富的比例高達86.69%，在城市，這一比例更高，達到89.50%。因此，家庭財富分布差異依然較大。
大學教育及碩士生教育回報顯著。本科學歷收入是大專或高職學歷的1.75倍，碩士學歷收入則為本科學歷的1.73倍，而博士學歷收入則只有碩士學歷的70%。另外，到海外接受高等教育已經成為中國公民重要選擇之一。中國家庭中9.78%在校大學生（含研究生）留學海外。在有15歲以下小孩家庭中，8.31%打算送小孩出國，29.43%看情況決定是否送小孩出國。中國高等教育已經面臨著激烈的國際競爭，還將面臨更為激烈的競爭。
中國家庭自有住房擁有率為89.68%，遠高于世界平均的60%。其中，城市家庭為85.39%。城市家庭擁有兩套以上住房的家庭占19.07%。城市家庭第一套住房價值平均為84.10萬，成本價格平均19.10萬，市價-成本比為4.4；城市家庭第二套住房價值平均為95.67萬，成本價格平均為39.33萬，市價-成本比為2.43。因此，城市住房收益可觀。
摘要：基于CHFS2015數據，研究家庭基金投資的影響因素。發現家庭決策者的年齡、性別、學歷、風險偏好和金融素養等個人特征，總資產、房產等家庭經濟特征和家庭地區特征，都對家庭投資基金投資產生顯著影響。
關鍵詞：家庭基金投資；基金收益率；Probit模型；Tobit模型
一、提出問題
目前，大多數家庭仍舊缺乏金融投資的主動性，家庭資產端難見股票、債券、基金等風險金融產品的身影。若要提高家庭金融市場參與度，就要研究制約家庭金融投資因素。拋開宏觀經濟環境的限制，是否可以從微觀家庭視角尋求答案呢？羅靳雯等利用CHFS2011數據，發現教育水平和認知能力對家庭金融資產配置和投資收入有顯著正向影響[1]。吳衛星等研究發現金融素養高的家庭，其資產組合的有效性更高[2]。學界關于家庭金融投資或者資產配置的研究已是遍地開花，但是大部分都是以股票作為家庭金融投資的代表，鮮少有家庭基金投資的相關研究。本文基于CHFS2015微觀調查數據，從家庭決策者特征、家庭經濟特征、區域特征及持有基金類型等角度切入，探究影響家庭基金投資的因素。
二、數據、變量與模型
（一）數據來源本文所用數據來源于2015年中國家庭金融調查數據（CHFS2015），在數據清理過程中，剔除了各變量異常值和缺失值，限制家庭經濟決策者的年齡為18-85歲，家庭總資產為正值，得到了27505個有效家庭樣本。
（二）變量說明被解釋變量。基金持有fund（1=持有，0=未持有）、基金占金融資產比重percent（基金投入/家庭金融資產總額）為被解釋變量。各變量均由問卷相關問題回答得到，家庭金融資產總額由家庭現金、活期存款、定期存款、股票、基金、金融理財產品、債券和其他金融資產加總得到。解釋變量。決策者特征選取有可能影響基金投資及其收益的變量，包括：性別gender（1=男性，0=女性）、年齡age、學歷edu（1-9表示未上過學、小學、初中、高中、中專/職高、大專/高職、大學本科、碩士、博士）、婚姻marriage（1=同居、結婚；0=未婚、離婚、喪偶）、風險態度riskattitude（1-5表示風險態度非常厭惡至非常偏好）和金融素養finliteracy（3個金融知識問題的因子分析得分）。其中，風險態度由問題“如果您有一筆資金用于投資，您最愿意選擇哪種投資項目？”的回答賦值得到，金融素養由問卷上的3個對家庭經濟決策者的金融知識問題通過因子分析得到因子分來衡量。家庭經濟特征包含總資產asset（實際值）和房產數house。地區特征包含農村rural（農村=1，城鎮=0）和東部east（1=東部地區；0=其他）。
（三）模型設定家庭是否投資基金為二值選擇變量，采用Probit模型，設定如下：由于基金占金融資產比重在很多樣本家庭中為0，數據刪截特征明顯，采用Tobit模型進行回歸，設定如下：
三、實證結果與分析
家庭基金投資及收益的影響因素的回歸結果見表1。列（1）為Probit模型回歸結果，列（2）（3）為Tobit回歸結果。根據列（1），只有性別和農村在1%水平上顯著負向影響家庭持有基金，說明女性決策者投資基金的積極性更高，城鎮家庭更可能投資基金，這與城鄉間金融機構數量、金融基礎設施建設以及居民金融知識水平差距大有關。年齡、學歷、婚姻狀況、風險態度、金融素養、總資產、房產和東部地區變量都顯著正向影響家庭投資基金。一般，決策者的年齡越大、學歷越高、婚姻狀況越穩定，家庭的財富積累得越多，知識和能力也越強，家庭越可能投資基金。其次，決策者越偏好風險，金融素養越高，更有可能購買各種風險金融產品。總資產和房產奠定了家庭的經濟基礎，家庭只有在牢固的經濟基礎之上才有可能進行基金投資。東部地區的金融市場最為發達，信息獲取也最為通常便捷，利于家庭參與金融市場，投資基金。列（2）的基金占金融資產比重的回歸結果和列（1）大致相同，不再詳細說明。四、結語本文基于CHFS2015數據實證研究了家庭基金投資影響因素。發現家庭決策者的年齡、性別、學歷、風險偏好和金融素養等個人特征，總資產、房產等家庭經濟特征和家庭地區特征都對家庭投資基金投資產生顯著影響。基金具有專業管理、靈活申贖的特點，而且進入門檻也較低，流動性很強，可以滿足家庭日益增長的理財需求。我國基金市場尤其是家庭基金板塊，發展前景廣闊，基金從業者以及相關部門應該深入思考，如何針對不同階層家庭，推出多樣化基金產品，以及強化家庭的基金認知，引導家庭積極參與基金市場。
一、貧困地區農戶信貸需求的主要特點
（一）相當部分農戶對正規金融的認識存在誤區，放棄信貸支持的占比較高。
隨著電視的普及和網絡逐步進入鄉村，廣大農民的視野也日益開闊。但在落后地區，仍有相當部分的農民對金融業務和金融知識缺乏必要的了解，他們往往會因畏難而放棄向金融機構貸款，選擇民間借貸方式。調查顯示，有30戶不知道有專門服務農村的金融機構，占比達25%；有52戶從未向銀行或信用社申請過貸款，占比達43.33%。對貸款不成功的原因，被調查者認為是借款未按期歸還的44戶，占36.67%；認為缺少抵押擔保的22戶，占18.33%，認為和信貸人員不熟的40戶，占33.33%，認為有其他因素影響的14戶，占11.67%。
（二）農戶信貸需求的結構呈多元化趨勢。
隨著新農村建設的深入，貧困地區農民的生活水平日益提高，其信貸需求結構也發生了較大變化，借款的用途呈現出多元化趨勢。根據此次調查，農戶在借款用途一項，用于農業生產的有50戶，占比為41.67%；用于建房、購房的有20戶，占16.67%；用于子女上學的有30戶，占25%；用于婚喪嫁娶、看病醫療的有4戶，占3.33%；用于其他的有16戶，占13.33%。由于農村合作醫療的推廣和九年制義務教育的普及，因讀書難和看病難而尋求貸款的比例較以往大大降低。
（三）農戶生產性資金需求出現兩極分化。
隨著交通和物流的日益順暢，廣大農村的農業生產結構發生一定變化。多數農戶逐步放棄傳統的農業種植模式，開始結合地方實際，發展特色種植和養殖。農業生產的資金需求出現了明顯變化。主要表現為季節性資金需求的小額信貸需求逐漸減少、因農業開發啟動的大額資金需求日益增多。在50戶借款用途為農業生產的農戶中，僅有10戶需要借款滿足現有的生產需要，其他40戶均為改良現有品種、開發新品種、擴大生產等信貸需求。
（四）農戶信貸需求的有效性和合理性降低。
貧困地區經濟落后，廣大農戶家庭收入相對偏低。據保靖縣統計局提供數據，2011年全縣農村居民人均收入僅3705元，遠遠低于全國平均水平。在120戶調查對象中，家庭總收入在1萬元以下的7戶，占5.83%；家庭總收入在1至3萬元之間的57戶，占47.50%；家庭總收入在3至5萬元之間的40戶，占33.33%，家庭總收入在5萬元以上的16戶，占13.33%。多數農戶無法提供金融機構所需的有效抵押物。
同時調查發現，相當部分中青年農民對現已成熟的農業項目的收入不太滿意，預想通過規模開發在短時間內實現致富。信貸需求缺乏有效性和合理性，是抑制部分農戶信貸的重要因素。
二、貧困地區農戶信貸需求難以滿足的原因分析
（一）貧困地區國有商業銀行對農村的信貸支持力度偏弱。
目前，在多數貧困地區均設有縣級國有商業銀行、農業發展銀行、農村信用社、郵政儲蓄銀行等金融機構，但國有商業銀行和郵政儲蓄銀行主要發揮吸儲功能，對貸款則從嚴控制、發放力度偏小。以保靖縣為例，截止2011年末，國有商業銀行和郵政儲蓄銀行的存款占比高達60.21%、貸款占比僅為25.48%、貸款新增占比僅為10.36%。國有商業銀行的利益考核機制和貸款門檻偏高，直接導致農戶信貸供給不足。
（二）農村金融服務的廣度和深度不夠。
目前，農村信用社為農村貸款的主力。隨著效益考核力度的日益加大，農村信用社也從部分偏遠鄉鎮退出。以保靖縣為例，農村信用聯社在全縣有17個網點，但真正設在農村的只有11個網點，平均1.55個鄉鎮、5910戶農戶、2.15萬人才擁有1家能提供服務的金融網點機構。由于貧困山區的村寨交通不便、相對分散，在資金需求旺盛的季節，信用社的信貸人員根本無法滿足貸前實地查看、貸后跟蹤等業務要求。農村金融信貸服務的廣度和深度不夠，不能滿足農戶的信貸需求。
（三）農戶信貸需求缺乏必要的支撐體系。
首先，在廣大貧困地區，土地分散、基礎設施不健全，農業產業化程度低，農業基礎相對薄弱。其次，農業生產對氣候的依賴性較大，抵御自然災害的能力偏弱，而針對農戶的保險品種相對較少，多數地區農業保險尚未推開。其三，金融機構與廣大農戶存在信息不對稱、農戶有效抵押欠缺，而在多數落后地區，尚未建立農業信貸擔保基金。在財政資金投入不足、政策性金融信貸資金投入不充分、抵押擔保體系不健全以及其他支持缺位的情況下，以盈利為最終目的的商業性金融也就失去了介入的基本前提，農村多層次、多元化的信貸需求就無法得到滿足。
（四）偏高的貸款利率提高了農業生產成本，抑制了部分農戶的信貸需求。
目前，農村的信貸需求絕大多數都是由農村信用社解決，而農村信用社的貸款利率偏高，通常是執行政策允許的上限，而不是根據農業的實際效益制訂合理的利率。農戶貸款的平均年利率高達15%，遠遠高出基準利率，使利潤較低的農業根本不能承受，從而使大多數農民放棄了依靠貸款來發展的想法，抑制了農村合理、有效的信貸需求。
三、對策和建議
（一）健全政策性金融與商業性金融并存、商業性金融有序競爭的農村金融體系。
當前，貧困地區農村的金融服務十分欠缺，金融支持缺乏必要的平臺，因而建立健全農村金融體系是滿足農村信貸需求的前提。一是要進一步拓展農業銀行、農業發展銀行、郵政儲蓄銀行等金融機構的服務領域，延伸政策性信貸業務的觸角，直接實現對廣大農戶的信貸支持；二是適時建立村鎮銀行，完善金融服務體系，有效改變因壟斷而造成的農戶信貸成本過高的不合理現狀。
（二）創新農戶信貸模式，改善農村金融服務。
為貫徹中央西部大開發和新農村建設的戰略決策，涉農金融機構要增強對“三農”的重視，充分考慮農戶的實際需求，改進金融服務方式，推動農戶信貸業務。一是大力開展對農戶的信用評級工作，改善信用環境，為發放信用貸款創造必要的條件，解決農戶抵押不足的信貸瓶頸。二是創新農戶信貸模式，推廣農戶聯保、“企業+公司+農戶”等貸款模式，通過利益捆綁方式加大農戶供發放。三是加大金融知識和信貸產品的宣傳力度，正確引導和激發廣大農戶潛在的資金需求，助推落后地區的農業生產。
