互联网使用能否提升农户信贷获得水平

奥鹏网院作业

互联网使用能否提升农户信贷获得水平*
——基于CFPS面板数据的经验研究
柳 松 魏滨辉 苏柯雨
[提 要] 基于2014—2018年中国家庭追踪调查三期面板数据，运用联合估计的条件混合处理(CMP)模型和工具变量模型，本文分析了互联网使用对农户信贷获得水平的影响效应，并采用修正样本自选择偏差的双稳健IPWRA模型进行了稳健性检验。研究发现：互联网使用对农户信贷获得水平具有显著正向影响，既可以提升农户信贷的可得性，也可以提高农户的信贷规模。就不同贷款渠道而言，互联网使用同时显著提高了农户正规和非正规信贷获得水平。异质性分析表明，互联网使用对于处于中年、兼业程度大以及中西部地区的农户信贷获得水平促进作用更大；机制分析表明，互联网使用主要通过信息搜寻、社会互动以及收入增长三种效应来提升农户信贷获得水平。因此，贯彻落实“互联网+”政策，提升农村地区的互联网覆盖率，是缓解农户融资难和决胜脱贫攻坚战役的重要政策手段。
[关键词] 农户；信贷的获得水平；互联网的使用；CMP模型；IPWRA模型
一、引言及文献述评
《乡村振兴战略规划(2018—2022年)》指出，要健全适合农业农村特点的农村金融体系，把更多金融资源配置到农村经济社会发展的重点领域和薄弱环节，更好满足乡村振兴多样化金融需求。然而，面对严重的信息约束和抵押约束，农户融资难一直是中国农村金融体系改革面临的核心问题(洪正等，2010)。为此，中国政府无论是从存量上还是从增量上都推行了一系列的农村金融改革方案。然而，这些改革举措的现实绩效并不明显，远未达到改革预期。农户融资难的问题依然严重，总体上处于政策性失败和市场性失灵的双重困境之中，集中表现为农户信贷需求旺盛但满足程度不高(何广文等，2018)。
随着2013年“宽带中国”等战略的提出与兴起，中国农村地区的互联网实现了快速与发展普及。第45次《中国互联网络发展状况统计报告》显示，截至2020年3月，中国农村网民规模为2.55亿人，占整体网民的28.2%，较2018年底增加了3 308万。此外，《G20数字普惠金融高级原则》明确提倡各国应通过利用互联网等数字技术推动普惠金融发展，为各阶层提供便捷、低廉、安全的金融产品与服务。传统金融业依靠互联网技术加快金融产品的创新和供给，为人们提供更加多元化的金融服务(谢平和邹传伟，2012)。因此，正值我国全面决战小康社会之际，研究互联网使用能否提升农户信贷获得水平，对于缓解农户融资难，进而深化农村金融改革，决胜脱贫攻坚战役，乃至实现乡村的全面振兴都具有重要的战略和现实意义。
现有文献主要集中在研究互联网使用对经济增长和普惠金融发展的影响两个方面。就互联网的使用对经济增长的影响而言，自20世纪90年代中期以来，互联网等信息通信技术革命的影响力迅速渗透到经济社会的各个角落。大量文献就互联网等信息通信技术与经济增长的关系进行了探讨，并得出了相对统一的结论，即互联网等信息通信技术有利于推动经济增长(Madden & Savage，1997；蔡跃洲和张钧南，2015)。随着研究的深入，学术界逐渐意识到互联网等信息通信技术自身对经济增长的间接作用大于直接作用，而推动普惠金融发展就是互联网等信息通信技术影响经济增长的重要渠道之一(Repkine，2008)。由此，学术界开始聚焦于互联网等信息通信技术对普惠金融的影响。
互联网等信息通信技术是金融部门创新的重要来源，可以降低银行的交易成本并促进银行服务的地域扩张，为偏远地区人们提供持续的信贷服务(Diniz et al.，2012)。其在改善经济落后地区的银行准入方面发挥了重要作用(Claessens，2006)。在实证研究上，Roller & Waverman(2001)的研究表明互联网等信息通信技术的普及与普惠金融的发展存在显著正相关关系，对金融包容性产生了积极而显著的影响并推动了经济增长(Ghosh，2016)。进一步而言，刘海二(2014)研究发现在过去20年间互联网等信息通信技术对中国经济增长贡献显著，并认为主要是通过扩大交易边界和提高金融包容性水平来实现的。更为具体的是，在农村普惠金融方面，互联网等信息通信技术的发展对于促进农村金融服务创新和金融供给具有重要作用，可以有效降低农村金融排除概率，从而促进了农村普惠金融发展(徐光顺等，2018)。
显然，随着互联网的普及，现有研究更多的是从宏观层面证实了互联网使用可以推动经济增长和促进农村普惠金融发展，鲜有研究从微观层面——农户的角度出发，深入考察互联网使用对农户信贷获得水平的影响。此外，在影响农户信贷获得水平的因素方面，现有文献主要从信息非对称和缺乏有效抵押物的角度，重点关注了农户自身状况(颜志杰等，2005)、社会资本(杨汝岱等，2011)、农地产权改革(黄惠春等，2015)、金融市场改革(赵宸宇和李雪松，2017)等对农户信贷获得水平的影响。随着互联网在农村地区的普及，互联网使用能否促进农村经济主体获得更多的金融支持，进而缓解农户融资难的困境成为备受关注的问题。然而，学术界迄今并未对此提供有效的经验证据。
进而言之，互联网使用能否提升农户信贷获得水平？相应的作用机理如何？对此，已有研究既没有给予足够的重视，也没有给出明确的回答。事实上，农户作为农村微观经济主体，可以通过得到信贷改变初始禀赋，维持和扩大生产规模，进而缓解贫困(Feder et al.，1990)。因此，在实施乡村振兴战略和决胜脱贫攻坚之际，从微观层面剖析互联网的使用能否提升农户信贷获得水平及其机制就显得尤为重要。此外，现有研究对互联网使用可能存在的内生性讨论不足，而且也没有对互联网使用的作用机理展开详细分析和实证检验。
鉴于上述，本文集中关注互联网使用对农户信贷获得水平的影响效应，利用2014—2018年CFPS三期面板数据考察互联网的使用对农户信贷获得水平的影响及其作用机制。其边际贡献主要表现为：一是从微观层面农村经济主体——农户角度出发考察互联网使用对农户信贷的可得性和信贷规模的影响效应。二是在运用联合估计的条件混合处理(CMP)模型的基础上，进一步采用工具变量模型和修正样本自选择偏差的双稳健IPWRA模型进行检验，更好地处理了互联网的使用这一变量存在的潜在内生性问题，提高了估计的准确性。三是采用因果逐步回归的中介路径分析方法，检验了互联网使用对农户信贷获得水平产生影响的作用机制。这有助于理解互联网的使用产生影响的渠道且更具说服力。
二、作用机制与研究假说
“互联网+金融”拥有普惠金融属性及跨越地理鸿沟的能力。一些涉及农村金融业务的网贷平台可以利用互联网技术将城市闲置资金引入农村并将资金准确定位到最需要的农户手中，甚至可以对融资对象进行跟踪放款服务，有效减少融资过程的搜寻成本，提高了借贷服务产品的针对性(李建军和王德，2015)。同时，互联网的出现除了大大降低金融机构搜寻农户信息成本以外，也改变了农户触达金融的方式，提高了农户获得金融服务的便利程度，使得农户不再受地理范围的局限，成为金融服务的获得者。可见，互联网使金融服务的可触达性大幅提高，进而提升了农户信贷获得水平。进一步，本文特别关注由于互联网的使用而导致的信息搜寻、社会资本以及家庭收入的变化对农户信贷的获得水平的影响。
(一)互联网使用、信息搜寻与农户信贷获得水平
互联网技术使用可以提高用户信息搜寻能力(Bogan，2008)，具体表现在拓宽农户的信息渠道和降低信息的获取成本上。与传统电视和报纸相比，互联网已经成为农户更为重要的信息来源(Das，2014)。与此同时，依靠传统渠道，用户获取信息的渠道单一且成本较高，降低信息搜寻成本是一个无法克服的技术难题，而以云计算等数字技术为代表的互联网技术在收集信息时具有规模经济及边际成本递减效应。这为用户降低信息搜寻成本提供了技术条件(曹廷贵等，2015)。可见，互联网使用提高了农户的信息搜寻能力。
信息搜寻能力的提高对于农户获取更多的贷款具有重要作用。一方面，对于处于信息劣势较为明显的各类正规金融机构来说，通过高效的信息渠道能够更加有效地对农户进行信息甄别，从中筛选出真正符合贷款条件的农户，直接降低了农村地区金融机构对农户的信息不对称程度，提升金融机构对农户的放贷意愿(田杰等，2014)。另一方面，在融资交易中信息的获取成本是影响交易能否进行的主要因素(李建军和王德，2015)。信息获取成本的降低可以提高农户借贷意愿，帮助农户更好地了解信贷流程并对相关信贷信息进行分析和筛选，以便做出更加明智的信贷决策。总之，信息搜寻能力的提高可以从整体上提高农户信贷获得水平。
(二)互联网使用、社会资本与农户信贷获得水平
互联网提供了一种新的社交方式，能够促进农户间的相互交往，有效地改善邻里生活，帮助农户建立社会网络(Tsai，2001)。互联网作为一种特定的媒体，其自身就具备社会濡染和同群效应的互动功能(陈云松和范晓光，2010)，同时，基于互联网媒介的社会互动能够突破传统社会互动形式和媒介的限制，使得其在互动频率、范围等方面都有了更大程度的提高(周广肃和梁琪，2018)。可见，使用互联网能够帮助农户更好地构建社会网络，进而拥有更强大的社会资本。
社会资本主要是从弥补农户缺乏抵押品这一缺陷和传递金融机构需要的农户信息两方面来影响农户借贷行为(童馨乐等，2011)。社会资本具有类似抵押品的功能，能够分担风险、降低交易成本和减少违约行为(Chiles & McMackin，1996)。另外，社会资本能够缓解农户所受到的信贷配给(马光荣和杨恩艳，2011)。同时，社会资本存在于一定的组织或网络中，组织成员间相互熟悉，可以帮助金融机构甄别客户、监督贷款的使用并加速信息的流通，节约交易成本。胡枫和陈玉宇(2012)的实证研究也证明了社会资本对农户获得借贷的可能性和借贷额都具有显著的正向影响。可见，社会资本能够提高农户信贷获得水平。
(三)互联网使用、家庭收入与农户信贷获得水平
互联网使用大幅提高了个体的生产效率及收入水平(Krueger，1993)。具体而言，一方面，互联网的快速发展可以创造更多新的就业形式，有效提高农村劳动力选择非农就业的概率，丰富农户收入来源并释放农村剩余劳动力，有利于提升农户人力资本积累，进而提高农户收入水平。另一方面，农户通过使用互联网，可以及时准确地掌握市场信息，有利于做出更优的生产决策，从而降低生产成本，提高农副产品销量。这些都在一定程度上提高了农户的家庭收入(李雅楠和谢倩芸，2017)。可见，互联网对农户家庭收入具有正向促进作用。
收入是影响农户信贷获得的重要因素。家庭收入水平的提高有助于农户获得更多贷款(钟春平等，2010)。农户还款能力是银行信贷审查的重要方面。家庭收入的提高则意味着农户有能力偿还更多的贷款，进而可以申请到更大数量的贷款(彭克强和刘锡良，2016)。已有研究也对此观点进行了论证。例如，黄祖辉等(2009)在对贫困县820个农户借贷行为进行调研后发现，非农经营收入越高，农户获得正规信贷的可能性越大。可见，农户增收在一定程度上可以提升农户信贷获得水平。
综上所述，本文提出如下总体分析框架(见图1)以及两个有待检验的研究假说。

图1 互联网使用对农户信贷获得水平的影响机理
H1：互联网使用对农户信贷获得水平具有正向影响，既可以提升农户信贷可得性，也可以提升农户信贷规模。
H2：互联网使用影响农户信贷的获得水平主要有三条作用路径，即互联网的使用主要通过信息搜寻、社会互动以及收入增长三种效应，来提升农户信贷获得水平。
三、数据、变量与模型
(一)数据来源
本文所使用的微观数据来自北京大学中国社会科学调查中心在全国范围内开展的中国家庭追踪调查(China Family Panel Studies，CFPS)。作为一项全国性和综合性的社会跟踪调查项目，CFPS数据覆盖了全国25个省份，目前被广泛应用于各类研究中，具有较强的代表性。CFPS数据包括了个体、家庭和社区三个层面。本文所使用的数据主要来源于家庭问卷和个人问卷。CFPS从2010年至今总共开展了五轮全国调查，分别为2010年、2012年、2014年、2016年和2018年。其中，2010年和2012年的相关变量缺失较为严重，所以本文采用最新的2014年、2016年和2018年三轮调查所形成的面板数据。三期样本总量一共为14 361 个农户。
(二)变量选取
1.被解释变量：信贷可得性与信贷规模。采用信贷可得性和信贷规模指标分别衡量农户信贷获得水平的“有无”和“多少”。其中，农户信贷可得性为二值虚拟变量。如果样本农户在调查年份获得了贷款，则赋值为1，反之，则赋值为0。农户信贷规模是指调查年份获得的贷款金额。此外，由于农户可以从不同渠道获得贷款，因此，根据贷款来源不同将信贷可得性划分为正规信贷可得性和非正规信贷可得性，将信贷规模划分为正规信贷规模和非正规信贷规模。其中，正规信贷主要是指银行贷款，非正规信贷包括亲友借贷、民间金融机构贷款等(汪昌云等，2014)。
2.核心解释变量：互联网使用。采用农户家庭中户主“是否使用互联网”指标来衡量互联网使用情况。需要特别说明的是，在2014年CFPS的个人问卷中包含“是否上网”这个题项，而在2016年和2018年的个人问卷中则是将此问题分为“是否电脑上网”以及“是否手机上网”。本文为进行统一，只要有两者其中之一行为，笔者就将其认定为有上网行为。互联网使用为二值虚拟变量，当其回答为“是”时，赋值为1，否则赋值为0。
3.控制变量：参考张龙耀等(2019)的研究，并结合 CFPS 数据的可获得性和完整性，选取的控制变量主要包括两类：一类是描述户主个人特征层面的，主要包括年龄、性别、户口、婚姻状态、健康水平、文化程度、政治身份和工作状态；另一类是衡量家庭特征层面的，主要包括家庭是否有个体经营、家庭规模、土地流转、现金及存款总额、重大事件和自有房产。此外，笔者还控制了年份和区域虚拟变量，其中根据所在省份设置三个地区虚拟变量，分别为东部、中部和西部地区。
4.中介变量。(1)信息搜寻。参考周洋和华语音(2017)的研究，选自问卷中“互联网作为信息渠道对您的重要性”作为衡量互联网信息搜寻的代理变量。(2)社会资本。参考易行健等(2012)的研究，在中国社会网络主要是基于家庭的亲友关系，而亲友之间交往和维系感情的重要手段是在节日或者婚丧嫁娶时互赠礼品，因此选取农户人情礼支出并取对数作为“社会资本”的衡量指标。(3)家 庭收入。选用“过去12个月家庭总收入”并取对数进行衡量。具体见表1。
表1 变量的含义、赋值说明及其描述性统计

说明：(1)***，**，*分别表示群体差异的t检验结果在1%，5%，10%的显著性水平下显著，下表同；(2)使用互联网的观测值个数为3 155个，没有使用互联网的观测值个数为11 206个。
(三)描述性统计结果
根据是否使用互联网对样本农户进行分组，分析不同组农户的组间均值差异，结果见表1。从表1可见，使用互联网的农户与没有使用互联网的农户在信贷可得性和信贷规模方面均存在显著差异。具体而言，使用互联网的农户获得信贷的概率为0.443，没有使用互联网的农户为0.346。两组农户的均值差异为0.096，且在1%的显著性水平下显著。使用互联网的农户每年信贷规模为5.069万元，没有使用互联网的农户为2.240万元。两组农户的均值差异为2.829万元，且在1%的显著性水平下显著。就正规信贷而言，没有使用互联网与使用互联网的农户在正规信贷可得性与正规信贷规模上均值差异为0.093和1.848，且在1%的显著性水平下显著。就非正规信贷而言，没有使用互联网与使用互联网的农户在非正规信贷可得性与非正规信贷规模上均值差异为0.054和0.981，且在1%的显著性水平下显著。此外，使用互联网农户与没有使用互联网的农户在年龄、户口、健康水平、文化程度、工作状态方面也存在显著差异。由此可以初步推断，使用互联网与否的两组农户在信贷水平方面出现了显著差异。然而，若要进一步识别因果关系，须建立计量模型并控制相关变量，估计互联网使用的净效应。
(四)模型构建
考察互联网使用对农户信贷可得性的影响，使用Probit模型进行实证检验。模型的具体形式如下：
Prob(Yijt=1)
=φ(β0+β1Internetijt+β2Xijt+δt)
(1)
式中，Yijt表示第j地区i家庭第t年是否获得贷款；Internetijt为衡量农户互联网使用情况的变量；Xijt表示家庭和户主层面的控制变量；δt为控制时间趋势的虚拟变量。
同时，在考察互联网使用对农户信贷规模的影响时，考虑到存在大多数农户信贷规模为零的情况，采用Tobit 模型进行估计。对于限值因变量直接采用OLS模型得到的估计量是不一致的，而Tobit 模型能有效纠正限值因变量带来的估计偏差(Wooldridge，2007)，可以将没有获得过贷款的样本农户一并纳入计量模型，从而保有更大的样本容量。模型具体形式如下：

(2)
式中，Yijt代表农户获得的贷款金额，其他变量的含义与式(1)相同。
四、回归结果分析
(一)互联网使用对农户信贷获得水平的影响
表2报告的是互联网使用对农户信贷可得性与信贷规模(包括正规与非正规渠道)影响的估计结果。其中，表2第3列、第4列分别反映的是互联网使用对农户正规信贷和非正规信贷可得性影响的估计结果；表2第6列、第7列分别反映的是互联网使用对农户获得正规信贷和非正规信贷的规模影响的估计结果。
从表2第2列的回归结果可知，互联网使用变量在1%的显著性水平下显著，且系数为正。这表明互联网使用可以显著提升农户的信贷可得性。平均而言，在其他因素保持不变的情况下，使用互联网的农户比没有使用互联网的农户获得贷款的概率提高了5.5%。具体而言，互联网使用对农户正规与非正规信贷可得性都具有正向影响(分别为3.7%和4.3%)。这意味着农户通过使用互联网可以同时提高自己获得正规与非正规贷款的概率，且具有较强的经济意义。就控制变量而言，大部分变量也显著影响农户的正规与非正规信贷的可得性。值得注意的是，年龄的一次项都显著为正而年龄二次项都显著为负。可见户主年龄与农户信贷可得性之间的关系呈倒U型，即比起青年户主家庭或者老年户主家庭，中年户主家庭更可能获得贷款。这与大多数文献如金烨和李宏彬(2009)、胡枫和陈玉宇(2012)的发现一致。此外，家庭规模、农户进行个体经营以及重大事件的发生均对农户正规与非正规信贷可得性产生显著的正向影响，户主的政治身份只对正规信贷可得性影响显著，而户主的户口和婚姻状态的影响并不显著。
从表2第5列的回归结果可知，互联网使用这个变量在1%的显著性水平下显著，且系数为正。这表明互联网使用可以显著提升农户信贷规模。平
表2 互联网使用对农户信贷获得水平的影响分析

说明：报告结果为边际效应而非回归系数；括号内数字为异方差稳健标准误；所有回归均控制了年份以及地区虚拟变量。下表同。
均而言，在其他因素保持不变的情况下，使用互联网的农户比没有使用互联网的农户可以多获得贷款1.052万元。具体而言，互联网对农户正规与非正规信贷规模都具有正向影响且在1%的显著性水平下显著。这意味着农户通过使用互联网可以多获得正规贷款0.888万元与非正规贷款0.528万元，且具有较强的经济意义。就控制变量而言，与信贷可得性的回归结果相类似，除户主政治身份变量只对农户正规信贷规模有显著影响外，大部分变量都显著影响了农户的正规与非正规信贷规模。户主年龄对农户信贷规模的影响为倒U型，家庭规模、土地流转、重大事件和个体经营均对农户正规与非正规信贷规模具有正向的显著影响，而户主的户口、婚姻状态与工作状态的影响并不显著。
综上可知，笔者提出的研究假说H1得以证实。
(二)内生性处理
1.内生性问题与面板固定效应模型。遗漏变量可能是导致内生性问题的一个重要原因。考虑到本文所利用的数据为面板数据，笔者通过使用面板数据的固定效应模型来控制那些不随时间变化的家庭层面的遗漏变量的影响。由于Probit模型或Tobit模型难以控制个体层面的固定效应，在这里采用线性概率模型进行回归，结果如表3所示。回归结果显示，即使控制了个体层面的固定效应，互联网的使用依然可以显著提升农户信贷的获得水平。
表3 互联网使用对农户信贷获得水平影响的面板固定效应模型

2.内生性问题与CMP模型。考虑到农户可能同时从多个渠道获得贷款，即正规和非正规信贷渠道之间会相互影响，简单利用传统Probit模型或Tobit模型来分别研究互联网使用对不同渠道信贷水平的影响可能存在偏误。笔者将采用条件混合处理模型(Conditional Recursive Mixed-Process，CMP)来做联合估计，检验二者可能的内在联系是否会对基准结果造成干扰。选择该模型的原因主要是考虑到被解释变量是限值变量，使用传统的双变量模型无法根据方程的被解释变量类型指定所需的函数模型，而CMP估计方法是一种适用于估计有不同被解释变量类型联立方程组的混合模型系统。特别是在存在类别变量或截尾数据变量等作为内生变量的混合模型估计中具有明显的优势，可根据需要指定方程组合完成估算(Roodman，2011)。
atanhrho_12代表两阶段回归模型的残差相关性。由表4可知，其系数在1%的显著性水平下显著，说明模型间存在内生性，采用联合检验是必要的。在此情况下，CMP 估计结果将优于原基准模型估计结果。在控制了所有控制变量的情况下，信贷可得性模型中的互联网使用变量系数在正规与非正规信贷的可得性回归中均显著为正。同时，在信贷规模模型中，互联网使用变量系数在正规与非正规信贷规模回归中也是显著为正。与表2的结果相比，互联网使用对不同渠道借贷的影响程度发生了一些改变，但统计显著性并未发生改变。综上，这在一定程度上说明了前文结果的稳健性。
表4 正规信贷与非正规信贷的联合检验

3.内生性问题与工具变量模型。考虑到可能存在因互联网使用变量与农户信贷获得水平变量呈反向因果关系而引起内生性问题，笔者参考周洋和华语音(2017)、周广肃和梁琪(2018)的研究，采用区(县)层面的平均上网比例作为互联网使用的工具变量进行内生性检验。一方面，区(县)层面的平均上网比例可以衡量一个地区信息基础设施建设水平，平均上网比例越大，说明该地区互联网覆盖率越高，则农户使用互联网的概率越高，符合Ⅳ的相关性假设。另一方面，一个地区整体层面上互联网使用比例并不会对单个农户的信贷获得水平产生直接影响，也无法通过除单个农户互联网使用以外的途径影响其信贷获得水平，符合 IV 的外生性假设。
表5给出了分别利用工具变量Probit模型和Tobit模型进行估计的结果。如表5所示，一阶段估计中，工具变量的F值表明其不是弱工具变量，因此使用其他农户的平均上网比例作为农户互联网使用的工具变量是合适的。在二阶段估计中，使用工具变量估计之后，互联网使用变量的系数仍然显著为正且变大。即在使用工具变量控制内生性的情况下，互联网使用依旧能显著提高农户信贷获得水平。从估计结果来看，结论与上文一致。这说明上文的估计结果是稳健可靠的。因此，假说H1得到进一步验证。
表5 互联网使用对农户信贷获得水平影响的工具变量模型

(三)稳健性检验
1.IPWRA模型结果分析。虽然上文已经运用工具变量等模型尽可能地克服了遗漏变量、反向因果等内生性问题，但互联网使用与农户信贷获得水平之间可能存在自选择的问题，即互联网使用与农户样本并非是随机选择的。在这种情况下，若直接采用传统的Probit或Tobit模型可能会导致估计结果出现选择性偏差。因此，笔者在控制住农户异质性特征变量的前提下，通过使用IPWRA(Inverse-Probability-Weighted Regression Adjustment，IPWRA)模型验证了互联网使用对农户信贷获得水平的影响，从而进行稳健性检验。选择该模型的原因主要有两个，一是相比Probit等限值因变量模型，IPWRA模型可以通过逆概率赋权的估计方法来修正样本自选择偏差。二是IPWRA作为双稳健的估计模型，由IPW模型和RA模型相结合而得到，并且只需要这两个模型的其中之一能够被正确设定，即可获得待估参数的一致估计(Robins & Rotnitzky，1995；Wooldridge，2007)。
IPWRA模型的估计结果见表6。为了进行对比分析，RA模型与IPW模型的估计结果也一并在表中给出，从表6可知，在RA模型、IPW模型和IPWRA模型三种不同估计方法下，处理效应的估计结果大致相同。从表6第2列的模型结果可知，IPWRA模型的ATT估计结果为0.071，且在1%的显著性水平下显著。这表明互联网使用对农户信贷获得水平有显著的正向影响，即互联网使用使得农户获得贷款的概率显著提高了7%。从表6第5列的模型结果可知，IPWRA模型的ATT估计结果为2.218，且在1%的显著性水平下显著。这表明互联网使用对农户信贷规模有显著的正向影响，即互联网使用使得农户多获得2.218万元的贷款。从信贷可得性来看，相比没有使用互联网的农户，互联网使用可以提高农户获得正规与非正规信贷的概率(分别为5.5%和5.3%)，且在1%的显著性水平下显著。从信贷规模来看，相比没有使用互联网的农户，互联网使用可以分别促使农户多获得1.495万元的正规贷款和0.723万元的非正规贷款(且在1%的显著性水平下显著)。综上，互联网使用能够显著提升农户信贷获得水平，假说H1得到验证。
另外，本文采用的 IPWRA方法分别通过了平衡假定和匹配假定检验。但由于篇幅有限，略去具体的检验结果。因此，表6所示的IPWRA模型估计结果是有效的。可见，本文得出的计量结果是相对可靠的，不存在显著的样本自选择偏差。
表6 互联网使用对农户信贷获得水平影响的IWPRA模型

说明：(1)表内均为ATT估计值；(2)RA为Regression-Adjustment模型，IPW为Inverse-Probability Weighting模型。
2.剔除样本检验。总体样本中有一部分农户是没有借贷经历的，无论是正规信贷经历还是非正规经历，即有一部分样本的信贷规模为零。考虑到这种情况，虽然前文使用了Tobit模型分析了互联网的使用对农户信贷规模的影响，但将此部分样本纳入信贷规模的回归分析仍可能会导致结果偏差。因此，在针对信贷规模的分析中，笔者剔除了此部分样本，再运用固定效应模型对互联网使用的影响进行估计，估计结果如表7所示。可见，剔除样本后的结果与前文结果基本一致，互联网使用能够提升农户的正规与非正规信贷规模，即前文结果是稳健的。
表7 互联网使用对农户信贷规模影响的固定效应模型

五、异质性分析与机制检验
(一)异质性分析
上文研究证实了互联网使用对农户信贷获得水平具有显著的提升作用，但对于年龄、兼业程度以及所处区域不同的农户，互联网的使用对其信贷获得水平的影响可能存在差异。对此，本部分将全样本划分为不同类型的子样本，并对子样本进行回归，以进一步考察互联网使用对农户信贷获得水平的异质性影响。表8中Panel A的被解释变量为信贷可得性，Panel B的被解释变量为信贷规模。
表8的第2列～第4列根据户主年龄划分为青年、中年和老年三组。结果发现互联网使用对于中年农户信贷获得水平促进作用更大。这可能是因为青年更倾向于使用互联网进行娱乐和社交，而老年人的互联网普及率非常低，且学习能力较差，使用互联网的能力较弱。中年人通常掌握了一定的互联网使用技能，且拥有稳定的收入来源，因此互联网使用对于中年农户的信贷获得水平影响更显著。表8的第5列～第6列按照兼业程度将农户分为兼业程度大和兼业程度小两组。结果发现互联网使用对兼业程度大的农户信贷获得水平影响更显著。造成这种结果的原因可能有两方面：一是因为农村资金需求主体具有明显的行业特征，大多数从事非农行业的农户资金投入量较多，依靠自身积累已不能满足需要，因而信贷需求更大(熊学萍等，2007)。二是相比于农业生产，从事非农就业的农户更有可能需要使用互联网。表8的第7列～第8列按照农户所处区域的经济发达程度划分为两组。结果发现互联网使用对处于中西部地区的农户信贷获得水平促进作用更显著。这可能是因为东部作为经济较发达的地区，金融产品和服务发展得较好，农户进行贷款的成本更低且更便捷，导致互联网的使用形成的替代效应变小。
表8 互联网使用对农户信贷获得水平的异质性影响

(二)影响机制检验
前文的实证结果充分表明，互联网使用显著提升了农户信贷获得水平。然而，其中的作用机理是什么呢？这需要对前文提出的假说H2进行检验。笔者运用中介效应检验方法来进一步验证互联网提高农户信贷获得水平的具体作用机理，结果见表9。
1.“信息搜寻效应”的作用路径。由表9第2列可知，互联网使用变量在1%的显著性水平下显著，且系数符号为正。这表明互联网使用与信息搜寻之间存在显著的正向关系。即通过使用互联网，农户可以获取更多的信息资源，提高了自身的信息搜寻能力。表9第5列的结果显示，在基准模型中加入信息搜寻变量后，互联网使用和信息搜寻变量分别在1%与5%的显著性水平下显著，且系数为正。即两者均对农户信贷可得性有着显著的正向影响。这表明信息搜寻在互联网使用提高农户信贷可得性方面具有部分中介效应。同时，表9第6列的结果显示，在基准模型中加入信息搜寻变量后，互联网使用和信息搜寻变量都在1%的显著性水平下显著，且系数为正。两者都对农户信贷规模有着显著的正向影响，表明信息搜寻在互联网使用提高农户信贷规模中也具有部分中介效应。综上，帮助农户获取更多信息资源，降低信息不对称水平是互联网使用提高农户信贷获得水平的一个中介作用渠道。
2.“社会互动效应”的作用路径。从表9第3列的结果可以看到，互联网使用对农户社会资本具有正向影响，且在1%的显著性水平下显著。这意味着互联网使用促进了农户的社会互动。表9第5列和第6列的结果显示，在基准模型中加入社会资本变量后，互联网使用变量在信贷可得性与信贷规模模型中都在1%显著性水平下显著，且系数为正。同时，社会资本对信贷可得性和信贷规模均具有显著的正向影响。这表明社会互动的中介效应显著，即农户使用互联网不仅对农户信贷获得水平有直接影响，而且会通过社会资本对农户信贷获得水平产生间接影响。
3.“收入增长效应”的作用路径。由表9第4列的结果可以看到，互联网使用变量在1%的显著性水平下显著，且系数符号为正。这表明农户通过使用互联网可以显著提高家庭收入水平。表9第5列和第6列的结果显示，在基准模型中加入农户家庭总收入变量后，互联网使用变量在信贷可得性与信贷规模模型中都在1%显著性水平下显著，且系数为正。同时，农户家庭总收入对农户信贷可得性与信贷规模也都具有显著的正向影响。这表明通过使用互联网和增加家庭收入都能够提高农户信贷获得水平，“收入增长”的中介效应显著。
表9 信息搜寻、社会互动与收入增长的中介效应回归结果

综上所述，笔者提出的研究假说H2得以证实。
六、主要结论与政策蕴涵
在农户融资难的背景下，针对现有研究中内生性讨论不足和作用机制分析不够的缺陷，本文基于2014—2018年三期中国家庭追踪调查(CFPS)面板数据，运用Probit模型和Tobit模型，综合分析了互联网使用对农户信贷获得水平的影响程度，进而运用中介效应模型检验了其中的作用机理。同时，本文采用CMP和工具变量模型等方法较好地克服了研究中的内生性问题，并使用修正样本自选择偏差的双稳健IPWRA模型对研究结论进行了稳健性检验。研究发现：互联网使用对农户信贷获得水平具有显著正向影响，既可以提升农户信贷可得性，也可以提高农户的信贷规模。就不同贷款渠道而言，互联网使用同时显著提高了农户正规信贷获得水平和非正规信贷获得水平。互联网使用对于处于中年、兼业程度大以及中西部地区农户的信贷获得水平促进作用更大。互联网主要通过信息搜寻、社会互动以及收入增长三种效应来提升农户信贷获得水平。
本文的主要结论具有多重政策含义。首先，应充分意识到互联网可以作为提升农户信贷获得水平的有效工具，对于缓解农户融资难困境、深化农村金融改革乃至决胜全面小康具有重要的推动作用。2020年的《政府工作报告》明确提出要将宽带和专线平均资费降低15%，并将继续出台支持政策，全面推进“互联网+”，打造数字经济新优势。因此，各级政府一方面应加大农村地区信息基础设施的建设力度，切实降低农村互联网服务的使用成本，全面提升互联网在农村地区的覆盖率；另一方面应积极加强对农户互联网使用的宣传与推广，有效提高农户的互联网使用率。
其次，考虑到互联网使用对不同特征农户的信贷提升作用存在明显差异，即在中年、兼业程度大以及中西部地区农户的子样本中，互联网使用对其信贷获得水平的提升作用更大。因此，就缓解农户融资难和实现乡村振兴的长远目标而言，政府应向欠发达地区配置更多的互联网设施建设资源，缩小与发达地区的差异，更大程度地释放互联网使用的作用效应。同时，还应侧重推动互联网在中年和兼业程度大的农户人群中的普及与运用，让互联网成为其提升信贷获得水平的有效工具。
最后，鉴于互联网使用对提高农户信贷获得水平除直接作用效应外，还存在着显著的间接作用效应。其中的作用机制主要表现为信息搜寻、社会互动与收入增长。因此，政府应注重丰富农户获取信息的途径和提升农户的信息搜索能力，引导农户构建社会网络和提升社会资本，尽可能地创造条件拓宽农户的增收渠道。显然，这些对于加速数字乡村发展乃至最终实现乡村振兴都具有重要的政策意义。
参考文献
蔡跃洲、张钧南，2015：《信息通信技术对中国经济增长的替代效应与渗透效应》，《经济研究》第12期。
曹廷贵、苏静、任渝，2015：《基于互联网技术的软信息成本与小微企业金融排斥度关系研究》，《经济学家》第7期。
陈云松、范晓光，2010：《社会学定量分析中的内生性问题测估社会互动的因果效应研究综述》，《社会》第4期。
何广文、何婧、郭沛，2018：《再议农户信贷需求及其信贷可得性》，《农业经济问题》第2期。
洪正、王万峰、周轶海，2010：《道德风险、监督结构与农村融资机制设计——兼论我国农村金融体系改革》，《金融研究》第6期。
胡枫、陈玉宇，2012：《社会网络与农户借贷行为——来自中国家庭动态跟踪调查(CFPS)的证据》，《金融研究》第12期。
黄惠春、祁艳、程兰，2015：《农村土地承包经营权抵押贷款与农户信贷可得性——基于组群配对的实证分析》，《经济评论》第3期。
黄祖辉、刘西川、程恩江，2009：《贫困地区农户正规信贷市场低参与程度的经验解释》，《经济研究》第4期。
金烨、李宏彬，2009：《非正规金融与农户借贷行为》，《金融研究》第4期。
李建军、王德，2015：《搜寻成本、网络效应与普惠金融的渠道价值——互联网借贷平台与商业银行的小微融资选择比较》，《国际金融研究》第12期。
李雅楠、谢倩芸，2017：《互联网使用与工资收入差距——基于CHNS数据的经验分析》，《经济理论与经济管理》第7期。
刘海二，2014：《信息通讯技术、金融包容与经济增长》，《金融论坛》第8期。
马光荣、杨恩艳，2011：《社会网络、非正规金融与创业》，《经济研究》第3期。
彭克强、刘锡良，2016：《农民增收、正规信贷可得性与非农创业》，《管理世界》第7期。
田杰、刘勇、刘蓉，2014：《信息通信技术、金融包容与农村经济增长》，《中南财经政法大学学报》第2期。
童馨乐、褚保金、杨向阳，2011：《社会资本对农户借贷行为影响的实证研究——基于八省1 003个农户的调查数据》，《金融研究》第12期。
汪昌云、钟腾、郑华懋，2014：《金融市场化提高了农户信贷获得吗?——基于农户调查的实证研究》，《经济研究》第10期。
谢平、邹传伟，2012：《互联网金融模式研究》，《金融研究》第12期。
徐光顺、蒋远胜、王玉峰，2018：《技术与农户普惠金融》，《农业技术经济》第4期。
熊学萍、阮红新、易法海，2007：《农户金融行为、融资需求及其融资制度需求指向研究——基于湖北省天门市的农户调查》，《金融研究》第8期。
颜志杰、张林秀、张兵，2005：《中国农户信贷特征及其影响因素分析》，《农业技术经济》第4期。
杨汝岱、陈斌开、朱诗娥，2011：《基于社会网络视角的农户民间借贷需求行为研究》，《经济研究》第11期。
易行健、张波、杨汝岱、杨碧云，2012：《家庭社会网络与农户储蓄行为:基于中国农村的实证研究》，《管理世界》第5期。
张龙耀、徐曼曼、刘俊杰，2019：《自然灾害冲击与农户信贷获得水平——基于CFPS数据的实证研究》，《中国农村经济》第3期。
赵宸宇、李雪松，2017：《金融市场化、小额贷款与中国家庭信贷可得性——基于CHFS微观数据的实证研究》，《金融论坛》第8期。
钟春平、孙焕民、徐长生，2010：《信贷约束、信贷需求与农户借贷行为：安徽的经验证据》，《金融研究》第11期。
周广肃、梁琪，2018：《互联网使用、市场摩擦与家庭风险金融资产投资》，《金融研究》第1期。
周洋、华语音，2017：《互联网与农村家庭创业——基于CFPS数据的实证分析》，《农业技术经济》第5期。
Bogan,V.,2008,“Stock Market Participation and the Internet”,Journal of Financial and Quantitative Analysis,43(1): 191-211.
Chiles,T.H.,and J.F.McMackin,1996,“Integrating Variable Risk Preferences Trust and Transaction Cost Economics”,Academy of Management Review,21(1): 73-99.
Claessens,S.,2006,“Access to Financial Services: A Review of the Issues and Public Policy Objectives”,World Bank Research Observer,21(2): 207-240.
Das,B.,2014,“ICTS Adoption for Accessing Agricultural Information: Evidence from Indian Agriculture”,Agricultural Economics Research Review,27(2): 199-208.
Diniz,E.,R.Birochi,and M.Pozzebon,2012,“Triggers and Barriers to Financial Inclusion: The Use of Ict-based Branchless Banking in an Amazon County”,Electronic Commerce Research and Applications,11(6): 484-494.
Feder,G.,L.J.Lau,and L.X.Luo,1990,“Proceedings Issue Ⅱ the Relationship between Credit and Productivity in Chinese Agriculture: A Microeconomic Model of Disequilibrium”,American Journal of Agricultural Economics,72(5): 1151-1157.
Ghosh,S.,2016,“Does Mobile Telephony Spur Growth? Evidence from Indian States”,Telecommunications Policy,40(10-11) : 1020-1031.
Krueger,A.B.,1993,“How Computers Have Changed the Wage Structure: Evidence from Microdata,1984-1989”,Quarterly Journal of Economics,108(1): 33-60.
Madden,G.G.,and S.J.Savage,1997,“CEE Telecommunications Investment and Economic Growth”,Information Economics and Policy,10(2): 173-195.
Roller,L.H.,and L.Waverman,2001,“Telecommunications Infrastructure and Economic Development: A Simultaneous Approach”,American Economic Review,91(4): 909-923.
Repkine,A.,2008,“ICT Penetration and Aggregate Production Efficiency: Empirical Evidence for a Cross-section of Fifty Countries”,Mpra Paper,3(3): 8-36.
Robins,J.M.,and A.Rotnitzky,1995,“Semiparametric Efficiency in Multivariate Regression Models with Missing Data”,Journal of the American Statistical Association,90(429): 122-129.
Roodman,D.,2011,“Fitting Fully Observed Recursive Mixed-process Models with CMP”,Stata Journal,11: 159- 206．
Tsai,W.,2001,“Knowledge Transfer in Intraorganizational Networks: Effects of Network Position and Absorptive Capacity on Business Unit Innovation and Performance”,Academy of Management Journal,44(5): 996-1004.
Wooldridge,J.M.,2007,“Inverse Probability Weighted Estimation for General Missing Data Problems”,Journal of Econometrics,141(2): 1281-1301.
CAN INTERNET USAGE IMPROVE THE LEVEL OF CREDIT FOR FARMERS——Empirical Research Based on CFPS Panel Data
LIU Song1 WEI Bin-hui1 SU Ke-yu2
(1.College of Economics and Management，South China Agricultural University;2.National School of Agricultural Institution and Development，South China Agricultural University)
Abstract: Based on the panel data of three phases of China Family Panel Studies from 2014 to 2018,this paper uses the Conditional Recursive Mixed-Process(CMP) model and instrumental variable model of joint estimation to analyze the effect of Internet usage on the credit level of rural households,and uses the double-robust IPWRA model with modified sample self-selection bias to performs robustness test.The study finds that Internet usage has a significant positive impact on the level of credit for farmers,which can improve both the availability of credit and the scale of credit for farmers.For different loan channels,Internet usage has significantly improved both formal and informal credit access levels of farmers.The heterogeneity analysis shows that Internet usage plays a greater role in promoting the credit access level of farmers who are middle-aged,with part-time jobs and in central and western regions.The mechanism analysis shows that Internet usage mainly improves the level of credit obtained by farmers through three effects including information search,social interaction and income growth.Therefore,implementing the “Internet Plus” policy and increasing the Internet coverage rate in rural areas are important policy measures to alleviate the chronic financing problems of rural households and win the battle against poverty.
Key words:farmer; level of credit for farmers; Internet usage; CMP model; IPWRA model