● 摘要
随着我国市场经济的快速发展，当前农村的产业结构发生了巨大改变，越来越多的农户申请贷款快步发展以规模经营为主的种植业、养殖业以及国茶林，为农户带来了可观的收入。但由于目前农村金融体系的不完善以及农户信用风险的独特性，致使在农户信用评定过程中出现信用评价标准尚不规范、农户信用等级评定失真的问题。加上农户的“协变风险”以及较低的技能操作水平，经常导致部分规模经营专业户拖欠情况十分严重，不仅使得信贷机构无法正常营运，甚至使得大多数的农户信贷发放机构资产严重缩水，这些都严重影响了信贷机构对农户申贷资金的发放，进一步加重了农户资金需求的紧缺程度。因此如何在申贷农户中区分信用等级较高的农户（好客户）和信用等级较低的农户（坏客户），将信贷拖欠从萌芽状态予以消除，实现信贷机构持续健康的发展，这成为各利益相关者的迫切要求。因此，构建一个有效适用的农户信用等级评判标准，无论对信贷机构还是农户以及其他利益相关者而言都具有重要的现实意义。本文的研究目的就是通过对申贷农户的各项指标的分析，找到能够显著区分信用等级较高的农户（好客户）和信用等级较低的农户（坏客户）的指标，通过构建模型计算农户为好客户的概率，进而得到信用得分，最终得到农户信用等级评判标准，为有关各方提供决策依据和参考意见。
本文在借鉴前人研究成果的基础上，采用理论分析和实证分析相结合的方式，在分析农户信用风险独特性的基础上得出了农户信用评级的重要性，然后对当前农户信用等级评定过程中存在的问题进行了分析，阐述了农户信用等级在客观上进行量化的必要性。接下来以我国发展种植业、果茶林专业户而申请贷款的农户为研究对象，总共选取了525户农户家庭作为样本，其中选取了160户严重违约的农户和250户从未违约的农户作为训练样本；剩余的115户农户家庭作为检验样本。借助SPSS统计分析软件，利用因子分析法对农户的资产经营指标、负债指标、道德威望指标等进行分析提取了5个主要指标，在此基础上利用logistic回归模型对申贷农户信用指标进行回归分析，筛选出对模型有显著贡献的4个指标作为建模的初始变量，利用410户训练样本和115户检验样本对所建模型的有效性进行了检验，结果显示:该模型的总体准确率为85.4%，其中将好客户判断为好客户的准确率为80%，将坏客户判断为坏客户的准确率为93.8%；预测准确率为84.35%，其中将好客户判断为好客户的准确率为85.26%，将坏客户判断为坏客户的准确率为80%。可见，此模型取得了较好的预测效果，具有一定的应用价值。之后利用模型方程表达式计算出农户的信用得分，在此基础上利用聚类分析方法对信用得分进行分类，最终得到了农户信用等级的评判标准。
本文的分析为信贷人员审核发放信贷时提供了相应的定量分析与信贷决策支持，同时得出了以下结论：人均年收入、人均年支出、人均农林特产种植面积以及道德威望四个指标很好地反映了农户的信用级别状况，信贷机构对于不同信用级别的农户所采取的放贷力度有所区别；信贷机构应该接纳更多不富裕但道德威望水平较高的贷款者，拒绝那些不贫困但道德威望水平较低的贷款者；农户的人均年支出在一定程度上反映了农户的违约状况；农户的种植规模应和其劳动力技术素质相一致。