引言
当前我国政府不断加大对农村的投入，农村经济得到快速发展的同时，农户对贷款资金需求逐步增加，但由于当前农信社农户征信体系不完善，农信社缺乏客观标准判断农户的违约风险，致使农信社对农户贷款的积极性不高，贷款资金大多流向城市地区，抑制农村经济发展。所以利用主要信用指标甄别农户的违约风险，是农信社和守约农户首要解决的问题。
理论基础——信息不对称理论及对农户违约的影响
1.信息不对称理论
信息不对称理论指在不完全信息市场的前提下，交易双方对相关信息的了解是不对称分布的，即一方了解或拥有，而另外一方则刚好相反。正是由于不完全市场中的信息是不对称的，另外一方想要获得信息时需要支付较大的成本，有时成本过大，导致其收益为负，此时另外一方会放弃了解交易伙伴的信息，只能根据交易伙伴提供的信息预测对方以后的行为。斯蒂格利茨（1981）认为农村金融市场是不完全竞争的市场，金融机构对贷款者的信息不了解，完全依靠市场机制无法解决此问题。
2.信息不对称理论对农户违约的影响
（1）信贷配给下的利率无法判断贷款农户的违约风险
我国农村金融市场是典型的信息不对称市场，农户在借贷时，农信社和农户之间信息不对称。基于农信社的角度，由于农户每笔贷款数额较少，贷款农户数量较多，使农信社无法准确了解农户各方面的信息，无法甄别农户的违约风险。农信社通过信贷配给（农信社减少贷款供给量，在贷款需求未发生改变时，导致利率提升，以此剔除部分贷款农户）决定是否给予农户贷款。基于农户的角度，当存在信贷配给时，市场有高风险和低风险农户，利率较高时低风险的农户不愿意借贷，只有高风险的农户积极借贷。而三原当地的农户种养殖产业的结构趋于相同，一旦收益无法保证，农户整体的违约率随之上升。
（2）农信社依据主观放贷易于产生寻租行为，加剧农户违约风险
当前放贷人员也依据其主观判断决定农户的授信额度和贷款利率，此时易于产生寻租行为。寻租理论认为，市场经济中的当事人为追求个人经济利益的最大化，从个人角度出发，不论通过何种途径实现，都是合乎理性的。此时人们往往会采用一些非市场手段，例如贿赂、走关系等。
农信社对农户发放贷款的过程中，缺乏对农户违约判断的量化标准，单纯依靠相关人员主观上的评价，存在较大的盲目性、随意性、可操作性。农户会向放贷人员或负责人支付租金以获得贷款。这点无法体现在农信社和农户之间的账内交易，体现为两者的账外交易，此时农户贷款成本高于信用社法定贷款利率。虽然如此，但农户可以决定是否还贷以及何时还贷。由于贷款前期他们向放贷人员支付了租金，其实际支付的利率较高，农户在收益较低时会一直拖欠贷款。
通过以上分析可以看出，由于农信社和农户之间的信息不对称，农信社无法甄别农户的违约风险。所以我们需要对农户违约风险进行客观量化，提取主要指标判断其违约风险。
实证分析
1.样本选择与数据来源
我们通过调查问卷的方式选择了陕西三原农户家庭作为样本，发放问卷800份，回收问卷625份。将其分为475户训练样本和150户检验样本，同时训练样本包括160户曾经违约的农户和315户从未违约的农户，违约农户的比例是33.6%，目的是为了构建守约农户的概率模型。检验样本包括45户曾经违约的农户和105户从未违约的农户，违约农户所占比重为30%，其作用是评估该模型预测的准确性。
2.农户违约风险指标的选取
通过对三原农户的实际调查和数据整理，选定了以下14个指标。
因变量：Y=（1，0）（1=守约农户，0=违约农户）
自变量如下：X1：家庭人均收入；X2：子女上学培训支出；X3：已婚嫁子女收入；X4：家庭人均支出；X5：受教育年限；X6：家庭劳动力人数；X7：家庭人均信用社贷款金额；X8：家庭人均民间贷款金额；X9：人均农林特产种植面积；X10：贷款利率；X11：农户参与联保；X12：贷款投向第一产业比例；X13：贷款用于消费比例；X14：品行信誉。
其中已婚嫁子女收入、农户参与联保、人均农林特产种植面积是本文与前人有差异的指标，以下对其进行解释。
3.选取差异指标及说明
（1）已婚嫁子女收入指标。此指标的选取是源于农户特有的生产生活方式，当前农村是以家庭为单位进行土地生产，农户的收入、成本、信用体现出非常浓厚的家庭化特征。当家庭劳动力较多时，就会出现子女外出谋生的现象， 但子女外出谋生的想法多是希望自己的收入能够更好地贴补家用。这种观念一直会持续到婚嫁，婚嫁后的子女经济状况较好时，会一直补贴婚前家庭。通过调查我们发现，33%的已婚女性会补贴婚前家庭，在自身经济条件较好的情况下，当婚前家庭发生较大事故时（包括由于收益下降无法偿还贷款），她们会代为偿还。因此选择加入已婚嫁子女收入指标。
（2）农户参与联保指标。农信社规定“凡居住在农村信用社服务辖区内没有直系亲属关系的农户、非农户在自愿结合基础上组成联保小组，农村信用社对联保小组提供的贷款称为联保贷款”。农户参与联保时，若其违约，其他农户要为其进行归还。采用这一指标能够从其他农户的角度搜集该农户的信用信息。由于在我国农村，农户通过长期的共同生活和交往，各农户之间的信息是完全对称的。通过农户联保指标，能够反映出农户的信用程度，若该农户信用较低，其借钱不还行为在乡村内被多次传播，导致得不到其他农户的合作，无法得到贷款；若该农户信用较高，其他农户对其进行联保的积极性越高。
（3）人均农林特产种植面积指标。此指标的选取是源于三原当地大多数农户种植果树，纯粮食种植农户比例很少，不到5%。通过调查发现农林特产种植收入占到农户收入的42%-78%。为了能突出人均农林特产种植对农户违约风险的作用，故选择加入此指标。
构建Logistic模型分析农户违约风险
1.Logistic回归的基本形式
在二分类因变量分析中使用最广的是Logistic分布，定义如下：Y=0表示违约农户，Xi表示解释变量，则农户违约的条件概率为P（Y=0|Xi）=Pi ，再写出农户违约与农户守约概率的表达式，对其去对数，可得到Ln（Pi /1-Pi）=B0+B1X1+…BmXm
上式左边表示农户违
约与农户守约概率之比的自然对数，右边表示各自变量发生变动时对农户违约所产生的影响程度。
2.变量的定义与模型的建立
由于调查问卷设计的答案采用区间段的方式，故对采集的变量定义。如家庭人均收入（万元/年）X1定义：1=0.3以下；2=0.3-0.5；3=0.5-1；4=1-2；5=2以上，均值为3.85，标准差为0.83；其余变量也采用类似方式进行定义。
对以上变量进行回归，利用SPSS16软件下的二元Logistic回归，采用向前逐步回归，经过五步计算后，软件保留了X3、X4、X9、X11、X145个变量，sig.较强，分别为：0、0、0.002、0.005、0.005，B值分别为-0.14、0.31、0.46、-0.21、-0.01，常数的B值为-0.82。
方程表达式为：Ln（p/1-p）=-0.82-0.14X3+0.31X4+0.46X9-0.21X11-0.01X14
3.结论
（1）X3、X11、X14会使农户违约率下降。三者的回归系数分别为-0.14、-0.21、-0.01，表明当已婚嫁子女收入增加1个单位、农户参与联保、品行信誉增加1个单位时，农户违约风险分别下降0.14 、0.21、0.01个单位。前两者结论与前文分析一致，X14回归系数为-0.01，源于三原当地乡镇的民风较为淳朴，对自身品行较为注重。
（2）X4、X9会使农户违约率增加。X4回归系数为0.31，表明当家庭人均年支出增加1个单位时，农户违约概率增加0.31 个单位。当农户收入不变，支出增加时，可偿还贷款的金额随之减少，因此农户违约概率增加。
X9回归系数为0.46，表明当人均农林特产种植面积增加1个单位时，农户违约概率增加0.46个单位。这主要源于农户的跟风现象较为明显，一旦某经济作物行情较好，收益较高，农户随即投入大量资金，忽略农作物供给缺乏弹性这一事实，直接导致供给大于需求，价格大幅下降，农户无法收回前期投资。如当地农户基本都有果园，但挂果的只占46%，其余农户果园刚起步。原因在于前几年当地种植果园的农户收入较高，其他农户跟风，大量种植果树，三年后当果子成熟销售时，市场供大于求，果农收益下降；此时小麦价格大幅上涨，多数果农砍伐果树，种植小麦，以求较高收益。又导致市场上果子供给下降，其价格大幅上涨，先前砍伐果树的农户又再次种植果树，如此反复行为导致其收益不高。同时其他因素（缺乏仓储条件、异常的病虫害问题无法快速解决、人工方式进行果园土壤整培、育苗、疏花、除草使成本增加）也减少农户的收益。
4.模型检验
将另外150户数据代入模型进行检验，结果表明模型总的准确率为87.6%，其中将守约农户判断准确的百分比为89.2%，将违约农户判断准确的百分比为84%，表明拟合模型效果较为理想。
结束语
通过以上分析，当地农信社可注重采集农户人均支出、已婚嫁子女收入、人均农林特产种植面积、农户参与联保、品行信誉等指标，以此判断农户违约的风险，有利于农信社减少信息采集的工作量及较准确额地把握农户信用风险。
参考文献：
[1]熊学萍.农户金融信用度及其征信制度指向研究——基于湖北省561个农户数据[J].农业经济问题，2011，（8）.
[2]黄海源.基于Logistic模型的农户信用影响因素实证研究[J].南方金融，2012，（9）.
[3]张春海.Logistic模型下农户借贷参与意愿特征及影响因素分析[J].农村金融，2013，（2）.
