农户模型(精选八篇)
农户模型 篇1
然而, 由于农户小额信用贷款不需抵押, 加之农村信用基础薄弱、农民控制风险能力有限, 使得农村信用社在小额信贷的实施过程中面临较大的信用风险, 农户违约现象时有发生, 严重影响农村信用社的贷款质量, 制约了小额信贷的可持续发展。据有关统计, 截至2007年末, 辽宁朝阳全市农户小额信用贷款25 428万元, 按五级分类划分, 其中不良贷款17 693万元, 高达69.6%;到2008年6月, 全市农户小额信用贷款22 372万元, 不良贷款17 349万元, 增长到77.5%。有效控制信用风险、杜绝不良贷款、提高信贷质量、促进小额信贷的可持续发展已成为农村信用社面临的重要任务。
目前, 农户小额信用贷款采取“等级管理、分级定额、随用随贷、余额控制、周转使用”的管理办法。在农户资信等级评定时, 一般通过信贷员或村委会的主观意见或者使用评分表打分来确定农户的信用等级。这些方法虽然简单易行, 但其有较大的主观性, 且执行过程不规范, 没有借助量化的数学模型, 缺乏科学性、不具备对新知识的获取能力, 容易导致对农户信用状况评价不准, 不能完全满足进行信用风险管理的需要。针对这一情况, 本文依据农户自身特征状况, 建立Logit模型对农户信用风险进行评估识别, 以严把贷款出口关, 提高农村信用社的贷款质量, 促进小额信贷的可持续发展。
一、Logit模型介绍
Logit模型的优点在于解决了因变量不连续回归问题, 不要求样本数据呈正态分布和等协方差作为前提假设, 它实际上是普通多元线性回归模型的延伸, 其基本思路如下:
当因变量为0/1二值变量时, 用P表示事件发生即Y取值为1的可能的概率, P的取值范围在0~1之间。一般线性回归模型要求被解释变量取值区间为 (-∞~+∞) , 对概率P作Logit变换处理, 使被解释变量取值范围与一般线性回归模型相吻合, 即:
其中P/ (1-P) 是事件发生的概率与不发生的概率之比, 称为发生比或相对风险。经过Logit变换后, 就可以利用一般线性回归模型建立被解释变量与解释变量之间的依存模型, 即Logistic回归模型:
结合 (1) 、 (2) 两式, 于是有:
即可得到Logistic函数:
Logistic函数回归模型建立起来后, 运用极大似然估计法求得估计参数。该模型没有理论上的临界值, 需要根据研究目标来选择, 一般取0.5作为临界值。
二、构建信用风险评估模型
1. 样本选择与初始指标确定。
本文所用样本来自陕西省杨凌区三家农村信用社提供的资料, 通过收集、整理, 删除不合格样本24个, 确定有效样本194个。按照五级分类标准, 逾期三个月以上的贷款为不良贷款, 按此标准来确定农户是否违约, 其中不违约样本102个, 违约样本92个。
本文选取的指标取自农村信用社小额信用贷款资信等级评定表和农户借款申请书等档案, 选取了年龄、性别、人口、劳力、耕地面积、农业收入、其他收入、年总支出、入股金额、房屋价值、机械价值、其他资产价值、借款数额、借款用途、借款利率共15个指标, 具体描述如表1。
2. 指标变量筛选。
为了选择对违约农户和非违约农户区分能力最强的指标变量, 以及消除变量间的多重共线性问题, 本研究分别进行正态性检验、参数及非参数检验和指标变量之间的多重共线性检验, 以此确定建立Logit模型所用指标变量。具体如下:
在进行样本差异性检验之前, 利用SPSS软件采用Kolmogorov-Smirnov检验法, 对每一个变量分别进行正态性检验, 检验结果表明:除年龄变量Age服从正态分布以外, 其余变量都不服从正态分布。
对服从正态分布的年龄变量Age采用两独立样本T检验, 其他不服从正态分布的变量采用两独立样本K-S检验, 检验结果表明在0.05的显著性水平下, 年龄Age、耕地面积Land、农业收入Agri Income、其他收入Other Income、年总支出Total Expend、房屋价值House、贷款数额Loan、借款用途Use这8个变量在违约和非违约组之间的差异显著, 其他变量在两组之间没有显著性的差异, 因此在模型建立过程中只保留8个差异显著的变量, 而将其他变量予以剔除。
根据模型的要求, 在做统计分析时要求变量间尽量保持独立性、不存在多重共线性问题。本文使用方差扩大因子法进行了变量间的多重共线性检验, 检验结果发现变量最大的方差扩大因子VIF仅为2.974, 远小于10, 表明所选择的8个变量之间并不存在多重共线性问题, 可以将这8个变量作为Logit回归模型的指标变量。
3. 模型建立及检验。
为了消除量纲影响和变量自身变异大小及数值大小的影响, 在进行分析前, 需在SPSS中采用Z分数法对变量进行标准化处理。在对原始数据进行处理后, 再利用SPSS软件进行Logit回归分析。由于借款用途Use变量为分类变量, 需要将其转化成虚拟变量后再参与回归分析, 故以种植业、养殖业等农业基本生产为参照类设置了2个虚拟变量。分析结果如表2:
(1) 建立模型。本文取0.05为阈值, 解释变量的筛选采用基于极大似然估计的逐步筛选策略即Forward:LR, 解释变量进入回归方程的标准是经回归系数Score检验的概率P值, 当P值小于0.05大于0.1时将其剔除出回归方程。经过5步计算, 最终有5个变量进入方程。由于篇幅有限, 计算过程及模型解释变量系数的回归结果 (表3) 、模型系数的综合检验结果 (表4) 、模型拟合优度的检验结果 (表5) 和模型识别违约农户准确率 (表6) 均省略。
(2) 检验回归系数。判断一个自变量是否应该包含在模型中, 可以使用Wald检验统计量或用其对应的概率P值来检验。经过5步计算, 最终模型中各变量P值都小于显著性水平0.05, 表明这几个变量对因变量的影响显著, 应该保留在方程中。可见在0.05的显著性水平下, 农户的农业收入、非农收入、房屋价值、贷款数额、贷款用途对违约行为影响显著;农户的年龄、耕地面积、年总支出对是否违约虽然有区别能力, 但影响不大, 所以并未进入模型。因此, 可建立如下方程:
回归方程的显著性检验采用了对数似然比卡方检验, 模型似然比卡方值概率P值小于0.05的显著性水平, 认为该模型中的所有回归系数不同时为零, 解释变量全体与因变量Logit P的线性关系显著, 模型合理。
(3) 检验回归方程的拟合优度。Hosmer-Lemeshow统计量的概率P值为0.339, 大于显著性水平0.05, 因此不应拒绝零假设, 可以确定因变量的观测值与模型预测值不存在差异, 从而表明模型的拟合度较高。
(4) 检验模型估计的准确程度。经检验, Logit模型识别违约农户的准确率为85.9%, 不违约农户的准确率为71.6%, 总的分类正确率为78.4%。整体来看, 模型拟合程度较好, 对农户的违约行为有较好的识别能力。
三、结论和政策建议
1. 结论。
本文所建立的Logit模型对违约农户的识别正确率达85.9%, 农村信用社在发放小额信贷时可借助Logit模型来识别违约农户、选择非违约农户。但总体来看, 模型的识别能力还需要进一步提高, 造成这种结果的主要原因是:一方面, 由于各种条件的限制使采集到的样本容量不够大;另一方面, 农村信用社对农户信息资料的调查不够深入, 农户档案不能全面反映农户特征状况。另外, 研究所用样本仅来自陕西省杨凌区三家农村信用社, 范围不够广泛, 所建模型在实践应用中可能会受到地区限制。
通过模型中各参数的系数可以看出, 农户的农业收入、非农收入、房屋价值、贷款用途与农户信用风险呈负相关关系, 而贷款数额与农户信用风险呈正相关关系: (1) 农户的收入越高, 还贷的能力越强, 违约的可能性就越低。 (2) 农户房屋价值越高, 越不可能违约。农户小额信贷是基于农户信用的贷款, 房屋不作为抵押, 但房屋价值在一定程度上反映了农户的经济实力, 故房屋价值越高, 农户就越不会违约。 (3) 农户的贷款用途对农户是否违约的影响最大, 当贷款用于种植业、养殖业等农业基本生产时, 农户违约的可能性最大, 而当贷款用于生活用品、建房、治病、上学等一般消费和加工、运输、经商等个体经营时违约的可能性最低。这与一般经验不太相符, 通常当贷款用于种植业、养殖业等农业基本生产时要比用于加工、运输、经商等个体经营时违约的可能性低。 (4) 农户贷款数额越多, 其还贷的压力越大, 违约的可能性越高。
2. 政策建议。
建立健全农户信用档案, 加快电子化建设步伐。建立农户的信用档案是农村信用体系建设的一项基础工作, 也是农户小额信贷信用评级的依据。完备的信用数据是建立有效的信用风险评估模型的基础, 能够使信用风险评估模型选择更多的特征变量, 进而提高模型的识别能力。因此, 必须规范农户的信用档案指标体系, 保证指标真实、全面地反映农户特征, 加快农村信用社的电子化建设步伐, 实现农户小额信贷的实时发放和日常管理, 提高金融管理能力;并对农户信用档案实行电子化管理, 建立农户信用档案数据库, 为信用风险评估模型的建立和完善提供大量的数据支持。
建立农业风险管理工具, 适当延长贷款期限。对农业生产的高风险性进行有效管理和控制, 必须开发和完善农业保险、订单农业等农业风险管理工具。政府应在财政上给予适当的补贴, 鼓励农户参加农业保险, 确保农业生产稳定发展。订单农业通过订单将农户面临的市场风险分散和转移给订单企业, 帮助农户获得稳定的收益, 确保其按时还贷。另外, 根据农户的不同贷款需求, 合理确定贷款期限, 使贷款期限与农业生产周期相匹配, 如在贷款授信额度内, 贷款可以跨年度使用, 最长期限可延长2~3年, 为农户贷款提供宽松的条件。
摘要:本文利用陕西省杨凌区三家农村信用社提供的数据资料, 对农户小额信贷信用风险进行实证研究, 建立Logit信用风险评估模型。研究结果表明:模型的识别能力较好, 对违约农户的识别正确率达85.9%, 农村信用社可借助Logit模型评估农户信用风险, 提高贷款质量;农户的农业收入、非农收入、房屋价值、贷款用途、贷款数额与农户信用风险有显著相关关系, 而农户的年龄、耕地面积、年总支出对农户的信用风险影响不大。
关键词:农户小额信贷,信用风险,Logit模型
参考文献
[1].薛薇.SPSS统计分析方法及应用.北京:电子工业出版社, 2004
[2].张峭, 徐磊.我国小额信贷信用风险管理研究.中国农村信用合作, 2008;11
[3].石晓军.商业银行信用风险管理研究——模型与实证.北京:人民邮电出版社, 2007
农户模型 篇2
小额信贷;农户;信贷配给简单模型
[中图分类号]F224;F832.4[文献标识码]A [文章编号]1009-9646(2011)06-0084-02
一、引言
本文将采用信贷配给简单模型中的企业家模型,将其运用到农户中,结合农户实际情况分析目前农户贷款难的原因,并在此基础上提出相关政策建议。
二、信贷配给简单模型前提假设
(1)假设信贷配给模型的参与方只有农户金融机构。
(2)假设从事农业生产的农户是理性经济人,会选择理性的行动使其拥有的各项资本发挥最大化效用,获得高额的收入报酬。
(3)假设农户将从事的某项农业生产活动需要的投资额为I,自有初始资金为A(A
(4)当农户从事农业生产并取得成功后将涉及利益在农户与金融机构之间的分配。假设农户可获得的收益为Rb,金融机构可获得的收益为Ri。
(6)由于农户存在风险道德,所以农户从事该项农业生产活动是否取得成功与农户的工作态度有关。设农户贷到资金后全身心投入到农业生产时,设该农业项目成功的概率为PH,则农户的私有收益为0;农户贷到资金后,存在卸责心理,谋取私利,此时,该项目获得成功的概率为PL,农户的私有收益为B,PL 三、信贷配给简单模型的构建 由前面的假设条件可知,农户努力工作后可获得的平均收益为: PHRb+(1PH)€?=PHRb。 农户卸责后可获得的平均收益为: PLRb+[(1PL)€?+B]=PLRb+B。 为激励努力工作的农户,一定要保证农户努力工作时得的利益大于或等于卸责时获得的利益,则有:PHRb≥PLRb+BRb≥ 即农户获得的最低收入(最低代理成本)为。那么发放贷款的金融机构获得的最高收入为R。则农户获得贷款的必要条件为 PH(R)≥IAA≥PH(PHRI)=A(1) 其中,(PHRI)即为农民从事该项农业生产的净值。 四、信贷配给简单模型分析 由式(1)可以看出,农户要想尽可能从金融机构获得融资,应满足以下三个条件:(1)农户尽可能多的增加自有资金;(2)农户尽可能小的获取代理成本;(3)应使农户从事的农业生产项目的净现值达到最大化。而目前农户的自身现状是这样的。 (1)初始自有资金少。据统计,2009年农村居民平均每人年收入为7115.57元,平均每人年支出为6333.89元,即农户平均每人年储蓄仅有781.68元,农户的自有资金是很少的,这增加了农户从金融机构获取贷款的门槛。 (2)农户的代理成本高。目前农村大多金融机构将对农户贷款的规模限定在3000元以下,农户的大额贷款申请存在审批程序复杂、周期长、获贷率低等特点,使得很多有大额贷款需求的农户面临极高的交易成本。此外,有些种植业、养殖业和农业发展项目具有一定周期性,而农户小额信用贷款一般都要求在一年内归还贷款本息,时间差异使有些农户在从事某项农业生产后不久就对生产失去信心,降低了其工作的努力程度,从而导致该项农业生产项目成功的概率PH下降,增加了代理成本。 (3)农业生产项目的净现值波动较大。农业是弱势高风险产业,对自然条件及生产环境有较强的依赖性。另外,农户的文化水平较低,对农业生产的先进技术不能较好地掌握,会影响到农业项目的收益;有的甚至在选择发展的农业产业时出现偏差,导致整个项目的失败。 五、政策建议 (1)政府给予一定补贴,加大农村金融支持力度。国家可以通过财政拨款,直接对需要且有发展前景的农业生产项目进行补贴,这样相当于增加了农户的初始自有资金A,降低了农户从金融机构获取贷款的门槛。 (2)银行完善贷款制度,降低农户的道德风险。考虑农业生产期限结构的特殊性,银行应针对农户从事的农业生产项目的周期制定贷款期限,以确保农户的正常收益,从而增加农户的信誉程度,降低其道德风险,同时,也降低农户的代理成本。 (3)创新贷款模式,减低贷款总门槛。现在,我们创新贷款模式,采用商会贷款。为简化分析,我们假设该商会里仅有两个农户,他们由商会融合两个农业项目后进行统一贷款。依据前面的推理原理,可以得出参与商会的农户获得金融机构贷款的临界点,即: A≥AIPH[R(1d2)] 而A=PH(PHRI),d2∈(0,) 2研究方法 2.1RC方法和AHP方法的原理分析 1)RC方法。RC(rank-centroid,等级法)方法主要是为构建支付矩阵提供依据,其操作原理主要包括:1专家根据指标的重要程度确定指标等级。按照指标的重要程度从小到大排序,例如最重要的指标等级为1,次重要的指标等级为2;2汇总所有专家的指标排序,求出每个指标的等级之和;3根据每个指标的等级和再进行排序,等级和最小的为1,第二小的为2,依此类推;第四,根据公式(1)或(2)把评价指标转化为相应的权重。公式(1)为每个指标的等级不同时使用的,若有评级 指标的等 级相同,则采用公 式 (2)。 其中,Sl为评级指标的等级,l=1,2,… M ,S评价指标的最大等级。RC方法确定权重时的缺点是将所有的评价指标看做是在一个层次上,忽视了各个评级指标属于不同的准则层这一现实。 2)AHP方法原理。层次分析法(analytic hierarchy process,AHP)方法是通过各专家根据1-9标度法进行打分,判断两个比较指标的重要程度,再构建支付矩阵求权重。这种方法完全靠专家的感觉确定各指标的重要程度,没有一个参照标准,带有很大的主观性。 3)RC-AHP方法原理。RC-AHP方法是首 先根据影响契约稳定的因素建立一个AHP层次分析模型,再采用RC方法确定每个评价指标的等级,专家再根据RC方法确定的等级值进行打分。这样既可以避免RC方法在同一层次上确定权重的缺点,又可以为专家打分提供一个参考依据。 2.2基于RC-AHP的契约稳定评价方法 1)建立契约稳定的AHP评价指标体系。根据前面对契约稳定的影响因素分析,建立契约稳定的AHP评价评价指标表体系,如表1。 2)运用RC方法确定 等级指标。 针对图1的AHP评价模型,采用RC方法确定每一个评价指标的等级值以及准则层B1,B2,…Bm的等级。具体操作如下:1请5个专家确定每个评价指标的等级,然后求出每个评价指标的等级和TL;2根据每个评价指标的等级和再进行排序,等级和最小的为1,第二小的为2,依次类推;3根据公式(3)求准则层的等级BMm。 其中,TSm为准则层BMm下各评级指标的等级和, CBm为BMm下评级指标的个数,Round表示四舍五入。最后得到表2所示的评价指标等级表。 3)构建支付矩阵。根据建立的AHP评价指标体系和表2所示的各评级指标的等级,构建支付矩阵,其中准则层的支付矩阵根据BM的值确定,评级指标层的支付矩阵根据表2中的SL确定。
4)一致性检验。根据各个支付矩阵,利用Matlab软件求出最大特征值λmax,并利用和积法求出各评级指标的权重,结果见表4。为了保证支付矩阵的一致性,需要进行一致性检验,按照公式(4)计算一致性比率CR。若CR<0.1,则通过检验,否则需调整判断矩阵的值。本文的CR分别为0.015 6、0.019、 0、0.015 6,都通过了一致性检验。
其中,CI为一致性指标,其计算方法按照公式(5), RI的值通过查表可得。
为了突出RC-AHP的优势,分别计算了RC方法和AHP方法的权重,见表3。通过表3可知,相对于RC方法和AHP方法,RC-AHP方法的物质资产专用性占得比重较大,符合影响契约稳定的研究。经专家鉴定,RC-AHP方法算出的权重更符合契约稳定的特点。
5)计算契约稳定的评价结果。根据公式(6)计算契约稳定的最终评价值。
其中,wm为准则层 的权重,wl为各评价 指标的权 重,phl为各评级指标的值,CBm为准则层下评价指标的个数。
3模拟算例
3.1数据来源和处理
本文利用2014年暑假期间,对山东省5家参加 “公司+农户”经营模式的肉鸡加工企业调研,获取企业在位置专用性、技术专用性、物质资产专用性和人力资本专用性的投入,由于市场价格不确定、销售渠道不确定和交易产品供给不确定造成的损失,以及交易周期、重复搜寻交易对象次数和交易产品种类等数据。参照陈伟对于数据的处理方法[9],将不同量纲的评价指标值进行统一规范化处理,具体处理方式为: 对于专用性投入和由于交易不确定多支付的费用等成本型数据,采用公式(7)(8)进行规范化处理,而对于交易周期、重复搜寻交易对象的次数和肉鸡产品的种类等区间值数据,其规范化处理方式参照表4。将调研数据运用上述规范化处理方式,得到表5的数据。
其中,aij(i=1,2,…n,j=1,2,…m)为评价指标的属性值,fij为aij的无化量纲值,S(aij)为aij的无化量纲函数。
3.2结果与分析
1)评价结果。根据前文RC-AHP方法的契约稳定评价模型,最后得出A、B、C、D、E五家肉鸡加工企业的契约稳定评价值分别为0.960 8、0.792 5、0.858 4、 0.945 4、0.817 1。可见,A、D两家企业的契约比较稳定,B、C、E三家企业的契约稳定性相对较差。其中,A企业的契 约最为稳 定,B企业的契 约稳定性 较差。
2)结果分析。根据A、B、C、D、E这五家肉鸡加工企业的契约稳定评价值可以看出,相对于A、D两家企业,B、C、E三家企业的契约稳定性弱一些。主要是因为:第一,B、C、E这三家企业的规模较大,它们在资产专用性方面投入较大。相对于A、D两家企业,B、C、E三家企业的厂房数量多和厂房的面积较大,肉鸡的加工设备也比较先进。同时,这三家企业雇佣的工人也比A、D两家企业多。这些资产的锁定效应,容易造成养殖户的“敲竹杠”行为,不利于契约的稳定。第二,B、C、E三家企业缺乏较为全面的风险防范系统,当不确定性因素发生时,例如养殖户违约将肉鸡卖给第三方,这些企业无法控制和减少不确定因素带来的损失。从长远角度看,这不利于契约的稳定。因此,提高契约的稳定性,要从预防风险因素的发生和降低不确定因素造成的损失两方面同时入手。第三,通过表5可以看出,A企业交易产品的种类比B企业少,违约概率小,这与理论分析相一致。 同时A企业比B企业的交易周期长,重复搜寻交易对象的次数也少,A企业的交易成本比B企业小,有利于契约的稳定。
从影响契约稳定因素的角度来看,资产专用性、 交易不确定性和交易频率所占的权重分别为0.653、 0.251和0.096,交易不确定性和交易频率的权重和仅为0.347。这说明资产专用性对契约稳定性的影响最大,交易不确定性和交易频率对契约稳定性影响较小。这主要是因为企业在资产专用性投入的成本较大,而由于交易不确定性和交易频率增加的交易成本较小。同时,从表5中可以看出,各个评价指标的权重差异较大。其中权重排在前三位的分别是交易周期、市场价格不确定性和物质资产专用性,其所占的权重分别为0.623 2、0.571 4和0.507 3,剩余的评级指标所占的权重较小。这说明,这三个评价指标对契约稳定具有重要的影响。因此,要提高契约的稳定性,需从交易周期、市场价格的不确定性和物质资产专用性这三个方面着手。
4结论和政策建议
本文基于RC-AHP方法建立了契约稳定性的评价模型,以山东省五家肉鸡加工企业为例进行评价和分析,最后得到以下两个结论:第一,在交易的三个维度中,资产专用性对契约稳定性影响最大,交易不确定性和交易频率对契约稳定性的影响相对较小。第二,在各个评价指标中,交易周期、市场价格不确定性和物质资产专用性对契约稳定性的影响较大。
基于以上结论,本文认为要提高契约的稳定性, 须从以下几个方面着手:第一,加强法律宣传,提高养殖户的法律意识,从根源上降低违约风险。同时,加强法制建设,完善相关法律法规,使违约案件有法可依、有法可循。第二,建立风险基金,企业和养殖户各出一部分,政府补贴一部分,用于弥补由于交易对象违约造成的损失。这样可以降低由于资产专用性投入差距悬殊违约造成的损失。第三,政府要充当有形的手,充分发挥调节市场的作用,加强宏观调控,稳定肉鸡市场的价格,降低市场不确定性对契约稳定性的影响。
摘要:契约稳定对于“公司+农户”的经营模式具有重要的意义,而契约稳定的评价模型是衡量契约稳定的重要工具。本文以山东省五家肉鸡加工企业为例,基于RC-AHP方法构建契约稳定评价模型进行评价和分析。研究表明,资产专用性对契约稳定影响较大,交易不确定性和交易频率对契约稳定性的影响相对较小。同时,交易周期、市场价格的不确定性和物质资产专用性对契约稳定性也有重要的影响。
农户模型 篇7
农业产业化龙头企业是构建现代农业产业体系的重要主体, 是推进农业产业化经营的关键。农户是农业龙头企业生产经营所需资源的重要供应者, 农户对与企业合作的满意程度直接影响农业龙头企业是否能够顺利获取资源、持续发展。此外, 农户对合作满意度越高, 也意味着农业龙头企业对农户的带动作用越好。如何提高农户的满意度?一些学者指出由于企业与农户间交易的强关系性, 以及中国特有的社会文化因素影响, 关系治理成为提高双方合作满意度的重要手段。[1][2]
现有的农业龙头企业与农户间关系治理研究多是案例分析或从企业角度出发的研究, 缺乏同时来自合作双方的证据, 然而, 由于交易主体一方为企业组织, 另一方为多个自然人, 双方地位不平等且性质迥异, 这一特殊领域的研究相比传统的组织间关系治理研究, 更需要同时从双边考查。陈灿等人的一个案例研究发现同一企业的合作农户完全可能有不同的满意度:一方面社会文化因素的影响使企业可能对不同的合作农户采用不同的关系治理行为, 从而产生不同满意度;另一方面, 农户对企业的相同的治理行为会有不同的反应, 也产生不同的满意度。[3]这一研究更进一步说明从双边考查关系治理及其影响十分重要。为了更好地弄清楚关系治理对农户满意度的影响, 本文将建立一个同时考虑企业层与农户层关系治理的阶层线性模型, 并利用来自554家农户和与之合作的34家农业龙头企业的数据进行验证。
二、理论和假设
1.农业龙头企业与农户双边关系治理的构成因素
长久以来, 研究者们对关系治理究竟由哪些因素构成众说纷纭。2000年Artz和Brush提出了一种观点:[4]对于不同的关系性交易, 治理交易的关系契约可能是相近的, 但支持契约的规则可能在程度和类型上都不相同。这一观点已经为众多研究者接受。本文亦支持这一观点, 将根据农业龙头企业与农户间联盟的特点提炼特定的关系治理构成因素。
关于农业龙头企业与农户间关系治理的构成, 一些研究者已经提出了自己的观点, 例如, 万俊毅通过对温氏集团的案例分析指出, 企业对农户的关系治理可能包含信任、互惠、沟通、交易灵活性等因素;[1]陈灿等人对企业层次关系治理的研究则认为关系治理包含信任、互惠、互动强度与伦理4个变量。[5]由于本文研究需要同时从企业与农户两个层次进行, 所选择的关系治理变量必须同时存在于企业层和农户层, 因此, 本文借鉴陈灿等人的研究, 选择了信任、互惠和互动强度3种构成因素。[5]排除“伦理”变量的原因是, 它主要考察企业的伦理观, 不存在于农户层次, 而在陈灿等的企业层研究中也发现伦理是通过其余3个变量产生作用, 而并不对合作绩效直接产生影响。[5]
本文将从两个层次对这3个变量进行研究。“信任”是几乎所有研究者都认可的关系治理的构成因素, [9][6][7]企业层信任指企业对农户的信任, 而农户层信任则主要指农户对企业派出的联系人的信任。后面两个变量在企业层和农户层的涵义并没差别。“互惠”也曾在诸多关系治理研究中出现, [8][9]意味着交易双方利益的均衡。“互动强度”则是陈灿等[5]综合前人关系治理研究中的[10][11]概念提出的用来衡量农业龙头企业与农户互动的频繁程度的变量。
2.关系治理与农户满意度
国外关系治理研究主要出现在战略联盟、企业网络等研究。诸多研究发现关系治理能和正式的合约治理一样, 能保证交易的顺利, 并提高合作绩效, [12][11]当前, 我国在农业龙头企业领域已经出现的少数关系治理文献以理论分析和案例研究为主, 也揭示了关系治理对于农业龙头企业与农户间合作绩效的促进作用。例如, 万俊毅以农业产业化经营的温氏模式为例, 提出信任、互惠、有效沟通、声誉机制和赋予合同执行的灵活性等关系治理方式能够降低双方的交易成本, 促进长期合作, 提高履约率。[1]陈灿等从企业层次进行了实证分析发现关系治理越强, 农业龙头企业对合作的满意程度越高。[5]
借鉴经典的关系治理研究文献, [12][22并考虑到构建阶层线性模型的要求, 本文以农户对合作的满意程度作为农业龙头企业与农户间关系治理的绩效变量。农户层关系治理将直接对农户满意度产生影响, 而企业层关系治理则通过农户层关系治理对农户满意度产生影响。企业层对农户满意度的间接作用将在交互作用部分提出假说, 下面先仅从农户层提出假说:
H1:农户层信任程度越高, 农户满意度越高。
H2:农户层互惠程度越高, 农户满意度越高。
H3:农户层互动强度越高, 农户满意度越高。
3.企业层与农户层关系治理的交互作用
关系治理意味着双边的治理行为, 然而由于获取数据的困难、统计方法的局限等原因, 少有实证研究同时对交易双方进行考查。Vandaele等人在2007年对关于服务业关系治理实证研究的二十多篇主要文献进行了梳理, 其中仅4篇同时有交易双方的数据, 而且其中2篇样本数过小而无法进行较好的统计分析。现有的少数双边研究已经揭示出关系治理在交易双方的不同视角存在差异。Ganesan发现零售商和供应商对彼此的依赖和信任的自我感知和相互评价之间存在差异;同时发现, 很多影响零售商的长期导向、依赖与信任等的因素同样也对供应商产生影响, 但双方各自的影响因素和作用程度又有差异。[13]Ferguson, Paulin和Bergeron通过使用银行客户经理和企业客户端访谈数据对商业银行交易治理模式进行了考查, 发现双方的模型在结构上存在显著差异。[24]这些均说明同时对双方数据进行研究的重要性。然而在研究的统计方法上, 现有研究明显不足:Ganesan的研究同时考查了124个零售采购商和52个面对这些零售商的供应商的数据, 但两方面的实证分析是割裂的, 他对零售商的数据进行了结构方程分析而对供应商数据进行了多元回归分析;[13]Ferguson等运用了EQS软件的多元分组分析 (multiple-group analysis) , [26]但仅能考查关系治理在交易双方的不同视角存在差异, 无法分析交易双方关系治理之间的相互作用;Siguaw, Simpson和Baker对179对供应商和分销商的研究虽分析了交易双方关系治理的相互作用, [14]但在方法上没有对两者进行层次上的区分, 而是将两方面的数据直接一一对应并纳入同一模型, 然后运用路径分析验证模型的拟合优度。
本研究同时从企业与农户两个层次获取了充足的数据, 延续此前关系治理研究文献对双边研究做出的努力, 并结合农业龙头企业与农户间合作的独特之处, 提出了两层次交互作用的假设。由于企业作为组织和法人在关系治理中的主动性地位, 企业层次的关系治理水平的不同会导致农户层次感受到的关系治理的差异, 从而导致农户满意度的差异, 因此首先提出假设:
H4:与不同企业合作的农户的满意度有显著差异。
Siguaw, Simpson和Baker分析了交易双方关系治理的相互作用, 发现供应商方的关系治理会对分销商方的关系治理产生影响。农业龙头企业的关系治理同样会影响农户层对应的关系治理从而影响农户对合作的满意程度。而中国乡土社会的特点更会强化这种影响:中国人崇尚“礼尚往来”、“人敬我一尺, 我敬人一丈”、“投之以木瓜, 报之以琼琚”, 这些特点被社会学家称为中国人的“面子观”、“人情游戏”, [15]并且这种观念深深影响了华人经济组织的活动。[16]由此, 针对企业层关系治理与农户层关系治理的交互作用, 提出以下假设:
H5:企业层信任程度越高, 则农户层信任程度越高, 农户满意度也就越高。
H6:企业层互惠程度越高, 则农户层互惠程度越高, 农户满意度也就越高。
H7:企业层互动强度越高, 则农户层互动强度越高, 农户满意度也就越高。
三、样本与方法
1.样本
为了保证数据的信度与效度, 本研究先对随机抽取的300余家农业龙头企业进行了普遍联系, 然后对取得同意的41家农业龙头企业的企业家进行问卷调查, 并由经过训练的访谈人员对与其合作的农户抽样进行访谈, 确定每个企业的合作农户抽样数的原则是:企业带动农户数的1‰~3‰, 且每家企业不少于10家农户。通过结构化访谈, 最终共获得适合本研究的有效农户问卷554份、企业问卷34份。
从企业样本情况来看, 企业成立时间长短不一, 而资产规模、员工数及带动农户数分布相对集中。企业的资产规模以1000万~10000万元居多, 员工人数以100~500人为主, 这符合农业龙头企业大多数是中小企业的现实状况。而农户方面, 受访者以男性为主, 占总样本的76.7%, 年龄主要集中在35~55岁, 平均年龄47岁, 这与中国农村男权文化以及当前留守务农的大多为年长者的现实相符;约70%的受访农户文化程度在初中以上, 为了减少因农户文化水平低可能带来的误差, 调研中挑选了懂得方言的访谈人员并对其进行了严格的培训, 而农户问卷也尽可能设计得浅显易懂。
2.变量的测量
由于农业龙头企业与农户间关系治理与满意度等的各种变量并无前例可循, 本文所有潜在变量, 均是自行设计测量量表, 因此进行了探索性因子分析。在设计农户层变量量表时, 特别注意了测项的口语化和简化。
(1) 因变量。
满意度的测量参照了Poppo和Zenger、[12]Claro等人[11]的量表, 设计了3个测项, 分别测量对合作收益满意度、对合作过程满意度及对合作总体情况的满意度。农户满意度变量的测项为: (NST1) 我们与企业合作所获得的收益情况令人满意; (NST2) 我们与企业的合作过程令人满意; (NST3) 该企业的总体情况令人满意。经因子分析, 3个测项都被保留, 信度系数α=0.88。
(2) 自变量。
信任:企业层信任本文借鉴了Wang和Wei[17]及Claro等人[11]的量表, 设计了3个测项, 分别是: (QT1) 与我们合作的农户值得信任; (QT2) 农户与我们打交道时是很诚恳的; (QT3) 农户们一般都能说话算话。在探索性因子分析后3个测项均得到保留。企业层信任的信度α=0.85。
中国社会公共信任缺失, [18]人们更依赖于私人信任。农户对企业的信任也依赖于对企业派出的联络人的信任。Claro等人的研究在测量企业层次信任的同时, 也特别测量了联络人间的私人信任。[35]因此农户层信任的测量主要考查农户对企业联络人的信任, 共设计了4个测项, 分别是: (NT1) 该企业和我们打交道的人 (下称“联络人”) 是值得信任的; (NT2) 联络人与我们打交道时态度很诚恳; (NT3) 我们相信联络人会维护我们的利益; (NT4) 联络人一般都能说话算话。经探索性因子分析, 全部测项被保留。信度系数α=0.85。
互惠:本文借鉴关系治理的相关研究, [19][9][8]结合实际调研, 设置了3个测项来测量企业层互惠, 包含交易公平、经济收益和态度友好3个方面: (QR1) 本公司与农户的交易方式是公平的; (QR2) 合作带来了企业与农户的“双赢”; (QR3) 本公司与合作农户都能非常友好地对待对方。探索性因子分析发现3个测项都可被保留, 信度系数α=0.71。
农户层的互惠变量在企业层互惠量表的基础上增加了一个非常口语化的测项, 即成为四个测项: (NR1) 企业与我们的交易方式是公平的; (NR2) 合作给企业和我们都带来了经济上的好处; (NR3) 我们和企业都能用非常友好的态度对待对方; (NR4) 企业对我们好, 我们也会对企业好。经过探索性因子分析, 四个测项都被保留, 信度α=0.91。
互动强度:互动强度的测量主要基于对农业龙头企业与农户的调研, 包含了企业与农户在生产和生活方面的非正式互动。企业层互动强度设置了5个测项: (QI1) 本公司经常派人检查农户生产; (QI2) 本公司经常派专人上门辅导农户生产; (QI3) 农户生产中出现重大问题时, 会派专人上门协助解决; (QI4) 本公司经常为农户提供各种生产方面的服务; (QI5) 本公司经常为农户提供生活方面的服务。探索性因子分析后删除了最后一个测项, 保留了前4个测项, 信度α=0.89。
农户层互动强度变量增加了1个测量笼统的交往情况的测项, 因此共6个测项: (NI1) 企业经常派人检查我们的生产; (NI2) 企业经常派专人上门辅导我们生产; (NI3) 我们生产中出现重大问题时, 企业会派专人上门协助解决; (NI4) 该企业经常为我们提供各种生产方面的服务; (NI5) 该企业会为我们提供一些生活方面的服务; (NI6) 企业的人经常和我们打交道。经因子分析后面3个测项被保留, 分别测量了企业与农户关于生产、生活和总体互动的情况。信度α=0.82。从表示生活帮助测项在企业层被删除而农户层被保留情况可以看到, 农户重视企业对其生活方面的帮助, 但企业并未将其与生产帮助视为一类。
企业层关系治理与农户层关系治理经主成分分析和正交旋转后的因子负荷矩阵分别如表2和表3所示。
注:表1、表2说明:主成分分析和正交旋转用于发现最优因子结构。测项在某因子上负荷高于0.6, 而在其他因子上负荷低于0.4的被保留。粗体表示主成分因子负荷。
3.统计软件与方法
在实证分析中, 本文使用了SPSS17.0和HLM6.06两种统计软件。SPSS17.0用于进行变量的因子分析、描述性统计和相关分析, 而HLM6.06用于进行阶层线性模型的检验。
阶层线性模型 (Hierarchical Linear Model) 适用于具有层次结构 (嵌套结构) 的数据分析, 简单来说, 就是同时考虑总体层次 (组间) 和个体层次的信息。一般而言阶层线性模型的完整模型研究需要至少有20个组的数据, 以及大于或等于组数的个体样本。本文的模型正包含了企业与农户两个层次, 且包含34个企业和554家农户, 完全满足应用阶层线性模型的要求。
四、实证分析结果
1.描述性统计与相关分析
对企业层变量和农户层变量分别进行描述性统计和相关性分析的结果如表3、表4所示。描述性统计显示, 企业层关系治理各个变量的平均值都比较高 (都高于4分) , 而农户层各变量的平均值则显示出高低不一的情况, 其中信任变量的分数高达4.28, 而互动强度变量的分数最低, 仅为3.00。这表明企业与农户对于关系治理的认识已经出现了差别, 企业认为其关系治理各方面普遍都处于较高水平, 而农户却觉得有一定差异, 尤其是企业与农户的互动方面, 农户的平均评分较低, 同时标准差较高 (标准差1.14) , 说明不同农户对互动的评分差异较大, 这正印证了陈灿等人的研究。[3]而农户层信任仍然处于较高的水平, 与企业层信任水平持平, 说明信任是企业与农户交易的基础, 同时, 在大多数企业与农户合作中, 有地方政府、村委会等代表政府的机构的担保作用, 也是信任度较高的原因。
表5中列出了企业层变量与农户层变量分别进行相关分析的结果, 可以看到, 企业层信任与互惠两变量间有显著相关性, 而农户层各变量之间的相关都比较显著。
注:* 代表p<0.05。
2.关系治理的阶层线性模型分析
在本部分为了区分两个层级的关系治理变量, 特别用斜体的变量名来表示企业层各变量, 例如“信任”;而农户层各变量不变。下面首先通过零模型, 验证假设H4, 再通过完整模型验证其它假设。
(1) 零模型检验。
零模型仅考察第一层的因变量的组间差异, 即验证农户层满意度是否在企业之间存在显著差异。因此仅代入一个因变量。模型如下:
Level1:农户满意度ij=β0j+εij
Level2:β0j=γ00+μ0j
Mixed:农户满意度ij=γ00+μ0j+εij
检验结果如表5所示, 由于γ00的估计值4.092, 且p值小于0.001, 所以虚无假设H0:γ00=0被拒绝, 说明34家企业的整体农户平均满意度得分是以各企业农户满意度得分的方差倒数为加权系数所计算出来的加权算术平均数;而随机系数估计值为0.481, 且p值小于0.001, 这说明与不同企业合作的农户的“满意度”是不一样的。即假设7通过了验证。
(2) 完整模型检验。
首先列出企业层与农户层关系治理变量交互作用的完整模型如下:
Level1:农户满意度ij=β0j+β1j·信任+β2j·互惠+β3j·互动强度+εij
Level2:β0j=γ00+μ0j
β1j=γ10+γ11·信任+μ1j
β2j=γ20+γ21·互惠+μ2j
β3j=γ30+γ31·互动强度+μ3j
Mixed:农户满意度ij=γ00+γ10·信任+γ11·信任·信任+μ1j·信任+γ20·互惠+γ21·互惠·互惠+μ2j·互惠+γ30·互动强度+γ31·互动强度·互动强度+μ3j·互动强度+εij+μ0j
分析结果如表6所示, 农户层的三个关系治理变量信任、互惠与互动强度都对农户满意度有的正向影响, 假设H1、H2、H3通过验证。而交互作用方面, 企业层信任与农户层信任、企业层互惠与农户层互惠之间的交互作用显著 (γ11=0.077, p<0.05;γ21=0.471, p<0.01) , 说明企业层的信任和互惠分别促进了农户层的信任与互惠从而也提升了农户的满意度, 即假设H5、H6得到了验证;但企业层互动强度和农户层互动强度之间的交互作用不显著, 即假设H7未通过验证。
从随机效应看, 农户层的信任与互惠的随机效应不显著, 说明农户层信任与互惠在企业层面上的变异已经得到了很好解释, 无需寻找另外的解释因素, 而农户层的互动强度变量的随机效应显著, 则说明这一变量在企业层面上的变异尚未得到很好解释, 还需要进一步寻找其他解释因素。
五、结论与讨论
本文试图从关系治理角度观察农业龙头企业如何起到带动农户的作用。从总体结果来看, 关系治理能够提高农户满意度, 且企业层关系治理程度越高, 农户层关系治理相应越强, 而农户满意度也越高。这一结论支持了交易双方的关系治理是企业提高农户满意度的重要手段的观点。
具体而言, 本文全部7个假设中, 前面6个得到实证分析结果的支持, 仅假设H7未得到支持。单从农户层的实证分析看, 假设H1、H2、H3通过了验证, 说明农户层次关系治理能够对合作绩效的提高产生积极影响。这与此前的大量关系治理研究相一致, 诸多管理学文献都认为关系治理能够与正式的合约治理相互补充保证关系契约的顺利履行并提高合作绩效 (例如, Poppo和Zenger;Claro等) 。[12][11]
从两层次交互作用部分的分析来看, 本文用来自农业领域的交易双边数据的分析丰富了现有关系治理研究。文中假设H4通过验证, 说明农户的满意度存在企业间差异, 可推断, 企业层的因素能够影响农户满意度。这为交易双方关系治理相互影响的观点提供了有力的证据。假设H5-H7则试图分析企业层关系治理如何通过影响农户层关系治理而影响农户满意度。假设H5和H6通过了验证, 说明企业层信任和互惠能够促进农户层信任和互惠, 从而提高农户满意度。这一结论验证了关系治理的作用机制:企业主动实施关系治理, 农户接受并影响农户满意度, 从而最终能对合作产生影响。然而关于互动强度的假设H7并未通过验证, 说明两个层次的互动强度没有产生交互作用。
为何互动强度变量未发现交互作用?首先是由于企业层互动强度与农户层互动强度脱节。两个层次互动强度变量的测量分别是由企业家和农户对测项进行评分, 描述性统计显示农户层互动强度相对企业层较低, 这说明企业家对互动强度的评价与农户对互动强度的评价有较大的差异。在现实中也可以看到, 大多数农业龙头企业可能与不同合作农户的“关系密切”程度不同, 而且企业常常仅与少部分合作农户有密切的互动。企业家在对此问题作答时, 往往只会考虑企业与农户合作最密切的情况, 因此无法与农户层的评价一致, 造成两个层次互动强度脱节。而在信任和互惠两个内在规范因素上, 企业对不同合作农户基本持一致态度, 而农户层评价也基本与企业层一致。其次, 从总体来看企业层互动强度也不一定能对农户层满意度产生影响。企业与农户的互动强度受到所生产的农产品的影响, 有些产品的生产要求企业与农户有更强的互动, 例如温氏集团的养殖模式, 企业将农户转化为“车间”, 而企业需要经常与农户在防疫、喂养等多个方面产生互动;而另一些企业则不需要与农户有太多互动, 例如东进农牧公司虽然也是养殖业企业, 但主要通过租赁与农户合作, 没有过多的与农户互动的行为, 合作农户的高满意度则主要由东进农牧公司的一些公益行为带来。
在完整模型部分, 常数项的回归系数很大且显著, 这说明农户满意度很有可能受到除关系治理以外的其它因素的显著影响。这也是本文研究的局限所在。未来的研究可以进一步考虑其它影响农户满意度的企业层因素, 例如, 可以探讨不同的行业、不同正式治理的措施是否也会带来不同的农户满意度。此外, 农业龙头企业与农户间关系治理的构成因素仍然值得进一步探讨, 例如, 可以分析企业对农户的公益行为是否可能直接或间接构成关系治理中某种成分。
农户模型 篇8
可见,学界对资本下乡的评价可谓毁誉参半,但无论是倡导者和持疑者,大多是从学理和经验层面进行论述,并没有转移到农民这个关键主体中来。诚然,立足于农民,通过大规模实证调查获得证据支撑的研究更是鲜见。农民是否希望资本下乡?不同区域经济状况、个体特征、家庭状况、权益保障程度的农户,其资本下乡意愿呈现何种差异?这些问题都能为我国未来的资本下乡政策调适提供经验借鉴。鉴于此,课题组在对全国241个村3183位农民调查数据的统计分析基础上,研究农民资本下乡意愿与区域特征、农户特征、农户权益保障之间的关系,并推演出制约农民资本下乡意愿的主要因素,以期为资本下乡和土地流转政策的进一步调整提供经验支持。
一、数据来源与样本特征
1.数据来源
从2006年开始,华中师范大学中国农村研究院与民政部共建“百村观察”调研平台,在全国抽样选择258个村庄3000个农户进行为期10年、20年甚至更长时间的跟踪观察。此外,中国农村研究院还分别于2009年和2014年启动“海外百村观察”和“百居观察”,“三百调查”平台覆盖了县—乡—村—户四级调查系统。[5]本研究数据来源于“百村观察”调研平台对样本村庄和农户关于“资本下乡”的专题调研,该项专题调研共收集到214个村庄3210个农户,最终收回有效问卷3183个,问卷回收率为99.16%。调查问卷主要包括农户土地被“下乡”企业承包的情况(包括承包面积、价格、意愿)、农户在“下乡”企业中打工的意愿和工资水平、农户对资本下乡的评价等内容。
2.样本特征
本研究涉及的3183位农户分布于全国31个省(区、市),具有较好的代表性(见表1)。其一,从地区分布来看,东部、中部和西部地区农民的比重分别为32.31%、49.97%和17.72%。其二,从受访者个体特征来看,男性占比83.81%,女性占比16.19%。其三,职业分布上,务农农民占比58.72%,务工农民占比25.76%,经商农民占比5.39%,教师占比2.28%,其他职业占比7.85%。其四,从农户家庭情况来看,家庭平均人口3.94人,平均劳动力2.57人;年收入在1.5万以下的农户占比21.32%,1.5万至3万的农户占比28.77%,3万至4.5万的农户占比18.37%,4.5万至6万的农户占比14.21%,6万以上的农户占比17.33%。
二、变量选取和模型建构
1.研究假设
所谓“资本下乡”,就是把城镇工商业的人才、技术、资金等优势资源引到农村去,解决农村土地、劳动力、资金持续外流的问题。农民希望出租土地给“下乡”资本及到“下乡”企业中工作的一种主观愿望。因此,本研究理论假设为:
假设一:区域特征对农户的资本下乡意愿有影响。经济发展条件好的地区,农民思想比较开放,市场经济观念较强,比较乐意接受资本下乡。
假设二:户主个体特征对农户的资本下乡意愿有影响。(1)年龄:年轻的农民观念开放、就业技能较好,对土地相对不太看重,因此资本下乡的意愿可能较高。(2)文化程度:文化程度较高的农民,非农就业能力相对较强,对资本下乡的意愿可能较高。(3)职业:从事非农业职业的农民,从事非农就业的能力较好,且可能比较乐意接受资本下乡。
假设三:农户家庭特征对农户的资本下乡意愿有影响。(1)家庭收入:家庭收入较高的农户,一般来说收入主要来自非农领域,土地对其来说不太重要,可能比较愿意给下乡资本承包。(2)农业收入占比:农业收入占家庭收入比重较低的农户,土地对其重要性较小。同时,农业收入占比较低的农户,他们可能不太愿意到“下乡”企业中工作。
假设四:农民权益保障程度对农民资本下乡意愿有影响。从理论上来说,如果资本下乡对农户的处置权和收益权保障较好,给农户带来了实实在在的好处,他们的资本下乡意愿可能较高。反之,农民对资本下乡的意愿可能较低。
2.变量选取
(1)因变量。本文将农民的资本下乡意愿作为因变量,研究其影响因素。根据概念界定和问卷设计,因变量分为两个层面:一是出租土地给“下乡”资本的意愿;二是到“下乡”企业工作的意愿。其中,出租土地给下乡资本的意愿取值分别设为:“不愿意”取值为1,“如果价格合适还是愿意”取值为2,“愿意”取值为3;到下乡企业工作的意愿取值分别设为:“不愿意”取值为1,“看情况再说”取值为2,“愿意”取值为3。而本研究所选的因变量,农民的资本下乡意愿是定性变量,是非连续的,传统的回归模型由于其赖以成立的前提假设不能满足而无法用于对这类现象加以模型化并予以解释。这种情况下,本文选择Logistic回归分析方法建立离散变量模型。
(2)自变量。结合农民资本下乡意愿理论、农民客观实际情况以及相关文献研究经验,本文把影响农民资本下乡意愿的因素归结为区域特征、户主个人特征、家庭特征、资本下乡对农民权益的保障度4个类别,总共选取8个自变量(见表2)。
3.模型建立
基于以上研究假设,农民对资本下乡的意愿(设为Y)受到区域特征因素(Reg)、户主个人特征因素(Cha)、农户家庭特征因素(Fam)、资本下乡对农民的权益保障度(Seu)等四个方面影响因素的共同影响。基于此,本研究将建立影响农民资本下乡意愿的计量经济模型:
各类影响因素又细分为8个自变量,包括区域特征、户主年龄、文化程度、职业、农户家庭收入、农业收入占家庭收入比重、农户的处置权和收益权保障情况。根据各自变量的定义,农民资本下乡意愿的回归方程可以表示为:
三、回归分析与模型预测
1.对农民承包土地给“下乡”资本意愿的回归分析
本文采用SPSS17.0对样本数据进行多元逻辑回归分析,以对8个自变量进行参数估计和显著性检验。在多元回归分析中,采用向后筛选策略,共经过3步完成回归方程的建立,最终模型为第三个模型。在检验中,模型整体的拟合优度(调整R方)达到0.224,即自变量对因变量“是否愿意出租土地给‘下乡’资本”的解释力达到22.4%(见表3),高于中度拟合的标准。同时,方程显著性检验的中F统计量的观测值变大了,且对应的概率P值为0。在0.10的置信水平下,由于概率P小于显著性水平α,应该拒绝回归方程显著性检验的零假设,认为各回归系数不同时为0,被解释变量与解释变量全体的线性关系是显著的,线性模型合理。(df=6,F=12.421,sig=.000)
通过模型分析,农户家庭收入、户主年龄这两个变量的偏F检验的概率p值均大于0.10的显著水平,因此均不能拒绝检验的零假设,这些变量的偏回归系数与零无显著性差异,依次被剔除出方程。最终在模型中保留下的自变量分别是区域、文化程度、职业、务农收入占家庭收入的比重、处置权、收益权这六个解释变量(见表4),这些变量的偏F检验的概率水平小于显著性水平α(0.10),对被解释变量有显著性影响。
本分析中,因变量为“是否愿意出租土地给‘下乡’资本”,“不愿意”取值为1、“如果价格合适还是愿意”取值为2,“愿意”取值为3,得分越高,表示出租土地给“下乡”资本的意愿越高。分析结果表明:
(1)区域特征与农民出租土地给“下乡”资本的意愿呈正相关性。解释变量“区域”的系数为0.163,由于赋值西部、中部、东部分别为1、2、3,因此模型表明受访者所在区域值每增加1个单位,因变量出租土地给“下乡”资本的意愿取值也会相应的增加0.163个单位。也就是说东部地区农民出租土地给“下乡”资本最高(比中部地区高16.5%),中部地区次之,西部地区最低,证实了研究假设。
(2)农民文化程度与农民出租土地给“下乡”资本的意愿呈负相关性。文化程度的系数为-0.079,说明文化程度愈高,农民出租土地给“下乡”资本的意愿愈低,且文化程度每提高一个层次,农民出租土地给“下乡”资本的意愿相应降低7.9%。
(3)农民职业、农业收入占比与农民出租土地给“下乡”资本的意愿呈正相关性。模型中职业因素的系数为0.063,而职业的赋值标准为:务农为1,务工为2,经商为3,教师为4,其他职业为5,表明教师及其他职业农民出租土地给“下乡”资本的意愿最高,经商和务工农民次之,务农农民最低。农户农业收入占家庭收入的比重也印证了这一结论,模型中农业收入占比的系数为-0.044,说明出租土地给“下乡”资本的意愿愈高。
(4)农民权益保障度与出租土地“下乡”资本的意愿呈正相关性。统计结果显示,农民的土地处置权对农民出租土地给“下乡”资本的意愿具有显著的正向影响(sig=0.000),且在模型中权重最大(系数为0.408),说明自愿出租土地给“下乡”资本的农民比被强制出租土地给下乡资本的农民,出租土地给下乡资本的意愿高40.8%。另外,农民的土地收益权,也对农民出租土地给“下乡”资本的意愿具有比较显著的正向影响(sig=0.030),承包价格较高,农民出租土地给“下乡”资本的意愿也较高。
注:*、**、***分别表示解释变量在0.1、0.05、0.01水平上显著。
2.农民到“下乡”企业工作意愿的回归分析
基于多元线性回归,通过检验,模型整体拟合优度(调整R方)为0.282,模型的解释力达到28.2%,高于高度拟合的标准。Anova检验证实模型有效(df=7,F=14.363,sig=0.000)(见表5)。通过模型分析,自变量“家庭收入”未通过检验(sig值大于0.10),被剔除出模型。因变量“是否愿意到‘下乡’企业工作”,其中“不愿意”赋值为1,“看情况再说”赋值为2,“愿意”赋值为3,得分愈接近3,农民的意愿愈高。
从模型系数可以看出(见表6):
(1)区域特征与农民到“下乡”企业工作的意愿呈正相关性。对于农民到“下乡”企业工作的意愿,区域宏观经济条件较高(系数为0.303),表明在经济最发达的东部地区,农民到“下乡”企业工作的意愿最高(高出中部地区30.3%),中部地区次之,西部地区农民意愿最低,证实了研究假设。
(2)农民的年龄、文化程度、职业特征与农民到“下乡”企业工作的意愿呈负相关性。年龄因素的系数为-0.112,由于年龄从低到高5个层次分别赋值1~5,因此模型分析结果表明受访者年龄每增加1个单位,因变量的取值会相应地减少0.112个单位,也就是说年轻农民到“下乡”企业工作的意愿最高,中年农民次之,老年农民最低,也证实了研究假设。文化程度在模型中的系数为-0.102,说明农户的文化程度愈高,到“下乡”企业工作的意愿愈低。职业因素的系数为-0.114由于赋值务农、务工、经商、教师、其他职业分布为1~5,因此模型系数表明务农农民到“下乡”企业中工作的意愿最高,务工农民次之,教师及其他职业农民的意愿最低。
(3)农业收入占比与农民到“下乡”企业工作的意愿呈正相关性。依据模型系数可知,农业收入占比与农民到“下乡”企业工作意愿正相关。农业收入占比愈高的农民,到“下乡”企业工作的意愿愈高,5个层级中相邻层级的意愿相差9.4%。因此,采取“下乡”企业吸纳纯农业户就业的方式来进行“资本下乡”可能不失为一条可行路径。
(4)权益保障度与农民到“下乡”企业工作的意愿呈正相关性。统计结果显示,农民的土地处置权对农民到“下乡”企业工作的意愿具有显著的正向影响(sig=0.000),且在模型中权重最大(系数为0.665),说明自愿出租土地给“下乡”企业的农民比被强制出租土地给“下乡”企业的农民,到“下乡”企业中工作的意愿高66.5%。另外,农民的土地收益权,也对农民到“下乡”企业工作的意愿具有比较显著的正向影响(sig=0.044),承包价格较高,农民到“下乡”企业中工作的意愿也较高。由此可见,如果给予农民权益较好的保障,他们到“下乡”企业中工作的意愿也会较高。
注:*、**、***分别表示解释变量在0.1、0.05、0.01置信水平上显著。
四、结论与政策启示
在当前农村普遍面临土地、劳动力、资金持续外流困境的情况下,鼓励和引导城市工商资本“下乡”,发挥其资金、技术和人才的优势,发展适合企业化经营的种养业,是国家治理体系和治理能力优化的重要标示。[6]也是党和国家的一项重要农村政策。本论文从区域特征、户主个人特征、农户家庭特征、资本下乡对农民权益的保障度四个层面研究了农民的资本下乡意愿。研究发现,区域特征、户主个人特征、农户家庭特征、农民权益保障等因素都对农民的资本下乡意愿具有一定程度的解释力:东部地区农户的资本下乡意愿强于中部和西部;年龄较小、文化程度较低的户主资本下乡的意愿较强;资本下乡对农民土地处置权的保障度,在模型中的系数最高,对农民的资本下乡意愿影响最大。土地处置权保障度的提高,能有效提升农民的资本下乡意愿。同时也可以看到,职业及家庭收入来源方面,农户的资本下乡意愿呈现分裂现象:纯农业户出租土地给下乡资本的意愿较低,但到下乡企业中工作的意愿较高;“离农户”出租土地给下乡资本的意愿较高,但到下乡企业中工作的意愿较低。
以上的研究给我国未来的资本下乡制度调整及现代农业发展提供两点政策启示:一是在推行资本下乡过程中,不能“一刀切”,要注意区分不同区域、不同特征、不同类别农民的意愿和需求,特别是要厘清“纯农户”、“兼业户”、“离农户”资本下乡意愿,激发农民对资本下乡的意愿。二是要认清一个现实,就是农民并不是反对资本下乡,而是反对侵害农民利益的资本下乡,资本下乡本身并不可怕,可怕的是对农民权益没有保障的资本下乡。[7]要从影响农民资本下乡意愿的因素着手,尊重农民的意愿,保障农民的权益,杜绝“伤农害农”的现象发生。
参考文献
[1]陈浩天.回应性治理:农户需求与国家政策整合的基层面向[J].西北师大学报(社会科学版),2014,(06).
[2]忠效博.社会管理到社会治理的嬗变[J].行政科学论坛,2014,(06).
[3]贺雪峰.为什么要维持小农生产结构[J].贵州社会科学,2009,(09).
[4]赵俊臣.资本下乡不能巧取豪夺农民土地[J].农村工作通讯,2009,(03).
[5]郝日虹.打造“接地气”的“三农”智库——记华中师范大学中国农村研究院学术团队[N].中国社会科学报,2013-10-14.
[6]何增科.政府治理现代化与政府治理变革[J].行政科学论坛,2014,(02).