林业金融创新背景下关系网络对林农借贷偏好影响研究

陆祎雯 石道金

摘要：农户借贷偏好是农村信贷市场结构的重要反映，关系网络在农户金融资源获取中发挥着信息“桥梁”作用。随着新型林业金融产品介入农村信贷市场，有效解决了林农正规借贷抵押物不足的问题后，不同维度关系网络对林农借贷偏好是否会产生影响？本文基于浙江省丽水市实地调研数据，采用Logistic模型，以关系网络为切入点，探讨不同维度的关系网络对林农借贷偏好的影响。结果表明：①关系网络规模和达高性对林农正规借贷偏好有显著的正向影响；②关系网络强度对林农正规借贷偏好有显著的负向影响；③林地面积对林农正规借贷偏好产生正向影响，但影响较弱。

关键词：林业金融创新 关系网络 借贷偏好

中图分类号：F326

一、引言

在农村信贷市场中，农户融资渠道一般由正规借贷渠道和非正规借贷渠道组成[1-2]。正规借贷主要包括农户从一般商业银行、农村信用社等正规金融机构获得贷款[3]。农户通过正规借贷获取所需金融资源，存在较高的信息壁垒，而金融机构为了减少农户违约损失，往往会设置较高的价格壁垒；与正规借贷相比，从亲戚朋友、地下钱庄等获得借款的非正规借贷与农户间信息壁垒相对较低[4]。但非正规借贷金融力量薄弱，农户遇到较大融资难题时，非正规借贷很难满足农户融资需求；非正规借贷之间可能存在高利贷等违法现象，不利于农村信贷市场监管。

关系网络在农户借贷信息获取中起到了重要作用，为农户借贷选择提供了重要的判断依据[5]。一方面，关系网络在农户借贷选择中承担信息沟通作用，关系网络可传递农村信贷市场中相关信息，为农户融资需求寻找到更多的选项，从而为其借贷选择提供参考依据[6-7]；另一方面，关系网络可以充当农户抵押物，农户遇到融资难题可以利用网络成员间的关系，获取更多的借贷支持[8]。

新一轮林业金融改革后，林权抵押贷款、公益林补偿收益权质押贷款等信贷产品作为正规金融机构林业金融创新项目介入到农村信贷市场，有效盘活了偏远山区林业资源、解决了林农正规借贷抵押物不足问题、拓宽了林农融资渠道，为林农借贷提供了更多选项。关系网络是影响林农借贷偏好的重要影响因素[9]，而不同维度关系网络对林农借贷偏好的影响尚未得到实证检验。本文在林业金融创新背景下，探讨关系网络不同维度对林农借贷选择的内在影响机理，为林农借贷选择、优化及规范农村信贷市场提供合理的参考建议。

二、理论分析框架与研究方法

为深入分析关系网络对林农借贷偏好影响研究，本文首先构建关系网络对林农借贷偏好影响的理论分析框架，然后建立关系网络对林农借贷偏好影响的实证检验模型。

（一）理论分析与研究假说

1.关系网络规模对林农借贷偏好的影响。关系网络规模是个体所拥有社会资源的数量[10]。一方面，关系网络具有传递信息和搜寻信息的作用[11]，关系网络规模越大，正规借贷的农业贴息政策、林业金融创新政策以及相关信息越有可能在较大的关系网络范围内传播，越有利于林农对不同借贷渠道做比较，而正规金融机构可以得到政府资金的支持，提供的资金利率也比市场利率更低更稳定，更激励林农去寻租。另一方面，关系网络具有充当抵押物的作用，关系网络规模越大，能为林农作抵押担保的可能性就越高。基于以上分析，本文提出假说H1。

H1：关系网络规模越大，林农正规借贷偏好越强。

2.关系网络达高性对林农借贷偏好的影响。关系网络达高性是指个体通过关系网络触碰到的顶尖资源，是关系网络质量的体现[12]。对于林农借贷而言，关系网络的顶端资源包括政府工作人员和在正规金融机构工作的人员。首先，林农认识政府和正规金融机构工作的人员越多，越有可能获得更多更新的有效借贷知识与政策；其次，拥有这一类关系网络的林农，可能会利用自身职务优势和关系优势谋取个人利益，从而越可能获得低息贷款；最后，政府和正规金融机构的工作往往被稱为“铁饭碗”，这类关系网络在社会上有较高的认可度和影响力，能更好的在正规金融机构起到抵押、担保作用。基于以上分析：本文提出假说H2。

H2：关系网络达高性越高，林农正规借贷偏好越强。

3.关系网络强度对林农借贷偏好的影响。关系网络强度是指关系网络成员间亲疏远近和凝聚力，是关系网络质量的又一重要体现。关系网络的强度在网络成员间的互惠互利、风险分担或其他行为等方面发挥的作用可能比规模层面的作用更加明显[13]。在农村金融体系中，林农关系网络强度越强，为林农提供的担保也就越多。正规金融机构发放信贷的监督成本越低，正规借贷契约就越容易实施。基于以上分析，本文提出假说H3。

H3：关系网络强度越强，林农正规借贷偏好越强。

（二）研究方法

在理论分析基础上，构建关系网络对林农借贷偏好影响的实证检验模型，并选定了实证模型相关变量。

1.实证模型。借贷偏好包括正规借贷偏好和非正规借贷偏好，是一个二分类变量。实证模型为非线性概率模型，选用Logistic模型衡量关系网络对林农借贷偏好较为合理。模型的具体形式如（1）所示。

Y1=Logit（p/y=1）=ln[p（1-p）]=α0+∑3i=1αiXi+∑8i=1αj Hj+ε1（1）

式（1）中，Y1 是解释变量，Logit表示使用Logistic模型，ln表示取对数；y=1表示林农正规借贷偏好；p表示林农正规借贷偏好的概率，1-p表示林农非正规借贷偏好的概率；i为关键解释变量的第i个变量，j为控制变量的第j个变量；α0 表示模型的常数项，αi 与αj 表示关键变量和控制变量的系数；Xi 与Hj 表示关键解释变量和控制变量；ε1 表示随机扰动项。

2.变量选取。基于理论分析和实证模型，选定相关的变量作为本文研究的被解释变量、关键解释变量和控制变量。

（1）被解释变量。本文被解释变量为林农借贷偏好，是二分类变量，林农正规借贷偏好，赋值为1，林农非正规借贷偏好，赋值为0。

（2）关键解释变量。本文借鑒徐秀英等（2018）的做法，将关系网络划分为关系网络规模、关系网络达高性和关系网络强度三个维度。本文选取“林农经常来往的亲友数量”指标来测量关系网络规模；采用“林农亲戚朋友在政府工作的人数”和“亲戚朋友在正规金融机构工作的人数”的平均数这一指标来测量关系网络达高性；采用“从亲戚朋友中借10万元的难度”这一指标来测量关系网络强度。关系网络维度的划分如表1所示。

（3）控制变量。本文借鉴童馨乐等（2011）研究，选取户主受教育年限、户主年龄、户主健康状况、林农家庭年收入、林农家庭经营项目、林农家庭林地面积以及借贷经历作为控制变量。

三、数据来源及样本描述性统计

（一）数据来源

浙江省丽水市林地面积达1466万hm2，森林覆盖率达817%，为浙江省重点林业县市、浙江省林业金融改革先行县市、首批全国农村金融改革试点地区、林权抵押贷款和公益林收益权质押贷款全国先行县市。为研究新型林业金融产品的介入，是否会影响林农金融资源信息的获取提供了良好基础。选取丽水市下辖4个县（市）作为样本，于2019—2021年期间先后两次开展农户调研，总共调查320户农户，收回有效问卷300份，问卷有效率达9375%。问卷内容包括林农借贷偏好、林农个人特征、林农家庭特征和林地特征等。

（二）样本描述性统计分析

主要变量的描述性统计如表2所示，大部分林农倾向于非正规借贷，林农关系网络规模较大、关系网络达高性和强度较弱。样本林农平均年龄相对较大、平均受教育程度集中在小学和初中，平均家庭年收入差距较大；样本中平均林地面积为11008hm2，林农间拥有林地面积差异较大；在样本林农中超过半数的林农拥有贷款经历。

四、经验性结果与分析

据前文理论分析和计量分析，本文运用stata150将数据代入到方程（1）进行估计，并对模型进行稳健性检验，验证模型能否取得一致估计。

（一）估计结果

首先，为观察关系网络不同维度对林农借贷偏好的影响，本文将方程（1）中关系网络三个维度进行分别估计，得到模型1～模型3，再将关系网络三个维度进行联合估计，得到模型4。

Logistic模型拟合结果为：模型1、模型2、模型3、模型4的Prob＞X2值均为0000，伪R2分别为0058、0123、0121、0258，模型4的R2明显大于模型1～模型3。这说明，若同时考虑关系网络的3个维度，模型的拟合效果更优。考虑到关系网络规模、关系网络达高性和关系网络强度三者的代理变量之间可能存在一定的相关性，将他们同时放入模型可能会导致多重共线性，本文对解释变量进行了多重共线性检验。结果表明，模型4中解释变量方差膨胀因子的平均值为123，最大值为147，最小值111，远小于10。这说明关系网络3个维度之间不存在多重共线性问题。

依据前文假设，本文先对林农关系网络对借贷偏好进行估计，估计结果如表3所示。

（二）关系网络对林农借贷偏好影响

1.关系网络规模（X1）对林农正规借贷偏好有显著的正向影响，并在1%显著性水平上通过检验。林农经常往来的亲友数量每增加1人，林农正规借贷偏好的几率上升0062倍，实证结果符合前文假说H1。林农关系网络规模越大，获取政策和借贷信息越多，同时能为林农做抵押担保的可能性就越大。在权衡正规借贷和非正规借贷的利弊时，更倾向于不使用“人情成本”的正规借贷。

2.关系网络达高性（X2）对林农正规借贷偏好有显著的正向影响，并在1%显著性水平上通过检验。林农认识政府和正规金融机构工作的人员每增加1人，林农正规借贷偏好的几率上升0489倍，实证结果符合前文假说H2。林农关系网络中政府和正规金融机构工作的人员越多，林农获取相关政策和正规借贷的信息越多越全面，越可能获得低息贷款。同时，林农关系网络达高性越高，能够为林农提供担保的社会资源也就越丰富。

3.关系网络强度（X3）对林农正规借贷偏好有显著的负向影响，并在1%显著性水平上通过检验。林农关系网络强度每增加1单位，林农正规借贷偏好下降1547倍，实证结果拒绝了前文假说H3。可能是相对于正规借贷的复杂手续、担保抵押等壁垒，非正规借贷通过信任、人情即可获得相应的资金帮助更符合强关系网络林农的借贷需求。且可能关系网络强度越强，越无助于新的信息和观念的传播，相关信贷政策、信息就无法传递，林农对林业金融创新等政策信息的了解度越低，越倾向于非正规借贷。

（三）控制变量对林农借贷偏好影响

控制变量估计结果，户主健康状况（H2）在模型4中，10%的显著性水平上通过统计检验，林农健康状况每上升1个单位，林农正规借贷偏好下降0284倍，可能是林农健康状况越好，与亲友间关系越密切，遇到融资难题时，越倾向于非正规借贷。林农的受教育年限（H3）在模型4中，在5%的显著性水平上通过统计检验，林农受教育年限每提高1年，林农正规借贷偏好上升0111倍；可能是户主受教育程度越高，对正规借贷以及相关政策的了解越多、理解越深，使林农偏向正规借贷。而林地面积（H7）对林农正规借贷偏好有正向影响，在模型2和模型3中通过统计检验，林农家中林地面积提高1hm2，林农正规借贷偏好上升11%，表明抵押物或质押物的不足是林农获取正规借贷的重要影响因素。同时，林业金融改革对林农正规借贷偏好的影响相对较弱，这可能是林业金融产品的价格相对较高，导致林农的正规借贷需求相对不足。

（四）稳健型检验

本文利用Probit模型替换Logistic模型检验原模型估计结果，关系网络与模型4有近一致的趋势，说明模型4具有一定的稳健型，具体结果如表4所示。

五、结论与建议

（一）结论

1.关系网络规模和达高性对林农正规借贷偏好有显著的正向影响。林农经常往来的亲友每多1人，其正规借贷偏好提高62%，并在1%的显著性水平上显著；当林农认识政府和正规金融机构工作人员每增加1人，其正规借贷偏好就上升489%，并在1%的显著性水平上显著。关系网络规模和达高性在林农正规借贷偏好中，起着传递信息和抵押担保的良好作用。

2.关系网络强度对林农正规借贷偏好有显著的负向影响。林农与亲友间的网络强度每提升1个单位，林农正规借贷偏好降低1547%，并在1%的显著性水平上显著。在农村金融体系中，林农关系网络强度越强，林农关系网络的信任程度就越高，越有助于私人借贷契约的实施。且强关系网络间彼此亲密、熟悉，不利于新政策、信息的传播，无助于林农正规借贷政策信息的传递，对林农正规借贷偏好有显著的负向影响，林农关系网络越强，越倾向非正规借贷。

3.林地面积对林农正规借贷偏好产生正向影响，但影响较弱，且未通过统计检验。随着林业金融创新的推动，林农家中林地面积给林农提供了合法的抵押物和质押物，为林农正规借贷奠定了基础。但林业金融创新可能尚未达到预期的效果，对林农借贷偏好产生的影响较弱。

（二）建议

1.政府应完善林业金融创新并积极宣传推广。林地是林农重要生产资料，扩大林业普惠金融创新覆盖广度和使用深度，开发出与林农金融需求相适应的林业普惠金融产品；增加政府林业普惠金融产品的扶持力度，制定相关补贴管理办法，对正规金融机构工作成效进行定期评估；定期开展正规借贷培训和工作人员下乡宣传，减少因缺乏借贷知识而导致的借贷偏误问题，从而规范农村信贷市场。

2.正规金融机构可建立熟人社会信用联结机制。关系网络在山区农户借贷中起着规范和约束作用，通过熟人社会信用联结机制，将获得的林农信用信息公开共享，使正规金融机构更容易获得山区农户信用信息，降低金融机构的服务成本和借贷风险；同时，也扩大了林农可获得正规金融机构信贷支持和额度。

3.山区林农应利用关系网络获取各类借贷信息。林农相对城市居民信息获取渠道有限，而关系网络所具备的信息傳递功能可以帮助农户获取借贷信息，从而做出生产经营活动中的最优借贷选择。

参考文献：

[1]周天芸，李杰.农户借贷行为与中国农村二元金融结构的经验研究[J].世界经济，2005（11）：19-25.

[2]童馨乐，褚保金，杨向阳.社会资本对农户借贷行为影响的实证研究——基于八省1003个农户的调查数据[J].金融研究，2011（12）：177-191.

[3]甘涛.社会网络与农户二元信贷可得性分析——基于河南和安徽两省的经验研究[J].社会科学家，2016（4）：66-71.

[4]吴雨，宋全云，尹志超. 农户正规信贷获得和信贷渠道偏好分析——基于金融知识水平和受教育水平视角的解释[J].中国农村经济，2016（5）：43-55.

[5]马宏，张月君.不同社会关系网络类型对农户借贷收入效应的影响分析[J].经济问题，2019（9）：25-31，61.

[6]周月书，班丝蓼，周通平，牛遵博.正规与非正规金融下农户借贷选择行为研究——基于南京与徐州农户的调查[J].农业经济与管理，2013（6）：52-59.

[7]雷梦雨，余国新，李先东.产业链组织模式、信息获取能力与农户借贷行为——基于新疆492户棉农的实地调查[J].金融发展研究，2020（5）：26-34.

[8]陈芳.社会资本、融资心理与农户借贷行为——基于行为经济学视角的逻辑分析与实证检验[J].南方金融，2018（4）：51-63.

[9]严武，陈熹.社会资本视角下农户借贷行为影响因素分析——基于江西1294个调查样本的实证[J].江西社会科学，2014，34（8）：210-215.

[10]郭云南，张晋华，黄夏岚.社会网络的概念、测度及其影响：一个文献综述[J].浙江社会科学，2015（2）：122-132，160.

[11]钱龙，钱文荣.社会资本影响农户土地流转行为吗？——基于CFPS的实证检验[J].南京农业大学学报（社会科学版），2017，17（5）：88-99，154.

[12]Nan Lin，Walter M. Ensel，John C. Vaughn.Social resources and strength of ties： structural factors in occupational status attainment[J].Am Sociol Rev，1981，46（4）：393-405.

[13]郭云南，张晋华，黄夏岚.社会网络的概念、测度及其影响：一个文献综述[J].浙江社会科学，2015（2）：122-132，160.

[14]徐秀英，徐畅，李朝柱.关系网络对农户林地流入行为的影响——基于浙江省的调查数据[J].中国农村经济，2018（9）：62-78.

责任编辑：田国双