互联网+视角下农户借贷行为研究以沭阳县为例
由于农民小额贷款分散的特点，农民融资困难，融资问题更为严重。本文基于“互联网+农业金融视角”研究了影响农户借贷行为的各项因素。利用江苏沭阳县150户农户的数据，分析在互联网+的视角下影响农户借贷行为的各项因素。这8个指标已经线性转换，由此8个指标因素作为自变量。两变量Logistic回归模型是基于农户是否借贷而构建的。实证结果如下:家庭收入特征，家庭贷款行为会随着农村互联网金融和家庭投资的发展水平的提高而上升，交易成本并没有对农户的贷款行为产生什么影响。由此，此篇论文目的在于建设完善的农村金融体系来提高农民的发展潜力。关键字互联网+；农村金融；借贷行为；影响因素Study on Farmers Borrowing and Loan Behavior from the Perspective of Internet+- Take Shuyang County in Jiangsu Province as an exampleStudent majoring in Finance QiuShengdong Tutor SangXiuzhiAbstract: Due to the decentralized characteristics of small-scale loans for farmers, the problem of "financing difficulties and expensive financing" of rural households is more serious. Based on the "Internet + Agricultural Finance Perspective", this paper studies the influencing factors of household loan behavior. Using the data of 150 households in Suiyang County, Jiangsu Province, the farmers willingness to use Internet finance was analyzed through factor analysis. These 8 indicators have been co *好棒文|www.hbsrm.com +Q: &351916072&
nverted linearly, eight factors are used as independent variables. The two-variable logistic regression model is based on whether farmers have borrowed or not. The empirical results are as follows: The characteristics of household income, the development level of rural internet finance and household investment are positively correlated with the households lending behavior, family risk preferences are negatively correlated with rural households lending behavior, and transaction costs have no obvious effect on rural household lending behavior. In view of this, this paper proposes policy recommendations to broaden the financing channels for farmers, speed up the construction of the rural Internet finance system, and improve farmers self-development capabilities.（一）研究背景中国农村人口众多，在2010年前（含2010年），全中国人口比例超过50％。 2010年以后，虽然这一比例有所下降，但仍保持在43％以上的稳定水平。可以看出，农户数量众多，对中国的发展至关重要。但是，在人均年收入方面比较的话，非农业人口收入远远高于农业人口收入。在1978年后的37年间，更是农业人口平均收入只有城镇人口的三分之一左右。中国农村经济发展一直落后于城镇发展。如果想要发展农村经济，提高农村居民收入水平，我们首先要做到的就是必须重视农村经济发展的农户主体。近年来，由于农业生产费用和生活费用的增加，农户现有资金不足以支付费用，因此对借贷需求强劲。但从正规贷款机构获得贷款对许多农户来说是比较困难的，所以当我们关注农民时，我们必须关注他们所面临的问题并尽力去帮助他们解决各项问题。这个问题涉及两个方面一是农民自身的内在因素，导致金融机构不愿意为其提供资金;二是金融借贷机构的因素，传统金融机构借贷门槛高，新的互联网金融机构借钱风险很大。随着互联网技术的不断发展，传统金融借贷机构和新型互联网金融借贷机构都在不同程度上面临着各种机遇和挑战。我们该如何在互联网的潮流中越来越好地发展，这正是我们需要从互联网金融的角度对农户借贷行为进行研究与探索。党中央国务院对加快农村金融发展问题异常关切，近些年不断不加大对农村贷款的力度，去年的中央一号文件把加快农村经融创新的概念明确的提了出来。进一步地完善内部控制和风险管理体系。因此，当前研究互联网时代农户借贷模式对于农户来说极为迫切。（二）研究意义为了解决农民“融资困难和融资成本高”问题，解决加速转型期农村经济紧迫的融资需求，研究“互联网+”背景下的农户行为现如今成为了首要的手段和目标。根据“2016年中国互联网络发展状况统计报告”，在2016年12月之前，中国农村网民已达到2.01亿这一恐怖数量，占我国整体网民的27.4％，想比2015年末已增加800万。农村网民在整个网民中的比例有所增加。互联网在农村的渗透率为33.1％。规模增长率与城镇基本一致，反映了农村互联网普及工作的有效性。在这种背景下，由于互联网金融的进入，农村金融市场发生了变化。所以更进一步研究互联这一举措不但可以促进农村互联网金融的发展，还能够为农户及小微企业提供更多的农业融资渠道和融资机会。本文利用江苏省沭阳县农村地区的调查数据，从互联网+的角度来研究农户的实际借贷行为和借贷难易程度，进而帮助农户更好更快地获得借贷，具有一定的实用价值及理论意义。（三）研究内容本文的结构如上图，大体有五个主要板块，其中课题的背景以及意义放在了第一板块中，面对当前在互联网+的背景下影响农户借贷行为的因素。把有关农户借贷以及当今的互联网金融的相关研究放在了第二个板块中进行探讨，互联网金融和农户借贷行为这两个方面对国内外学者进行一个总结概述，并结合先前众多学者的研究结论从而对互联网+背景下的农户借贷各项因素进行研究分析。第三板块则是对调查问卷进行分析，对农户的年龄、性别、用地面积、借款来源、主要经济来源、农户的家庭背景、接受互联网金融的自愿程度等各个具体方面进行分析比对。第四部分是从互联网加的角度来分析影响农户借贷行为的影响程度。利用二分类logit模型进行第一步分析，再利用自相关检测进行验证排除变量的多重共线性，并得出结论。在最后一个板块针对前面的分析结合自己所学提出了几点自己的看法以及可行性完善当前制度的建议。（四）研究方法基于以上的研究背景，本文研究在互联网+视角下农户借贷行为。采用统计分析方法对江苏省沭阳县的调查数据进行分析和描述，研究农户贷款的来源和用途以及不同收入水平的借款人的特点。本文先从理论角度上分析了各项因素对互联网+背景下对农户借贷行为研究的影响，为实证分析做了理论基础。为了能够进一步确认理论分析的结果。对于农户贷款要求和有无借贷能力的分析是通过回归模型的科学方法得出的结论。基于此，确定了农民和金融机构就农民贷款做出各种决策的具体原因。并由此找出农户在互联网+背景下农户借贷行为的各项影响因素的原因。本文运用上述研究方法，对江苏沭阳县农户贷款行为进行深入分析，有针对性的实践性的得出结论以及相应提出的改善建议。相关理论和文献综述由于在学术研究中“互联网金融”一词仍然是一种新事物，它的研究处于一种非常分散的状态，本文将互联网作为一种新型的融资手段，可以加快农户的借贷，更好地获得借贷。（一）互联网金融的研究1.互联网金融的相关概念互联网金融目前正以一种新型的金融形式出现在大众面前。已经出现的计算机技术已经深刻地改变了现有的金融服务。由于计算机存在极大的便利条件和技术优势、不仅能够对资本进行融资，还可以作为中介的形式出现。目前，许多金融机构，中小企业和个人也将其作为融资手段。在一定程度上减轻了由于掌握信息的不对称从而可能造成的金融排斥现象，能够有效的提高资源配置效率，而且可以为分配资源，资金支付，信息收集和处理提供了广阔的平台，极大地方便了客户对金融服务的需求。2.互联网金融的特征一般而言，互联网金融包括以下几个特征成本低。因为它的简单的手续，使得整个过程耗费的时间大大缩短，资本的时间效率上升。宽领域覆盖。随着互联网经济越来越发达，地理空间和时间的影响程度越来越小。并在互联网平台上找到自己需要的金融服务，包括贷款和支付。随着越来越多的互联网公司的推出，用户可以享受更直接，更便捷的服务。互联网金融具有高效的资源配置效果，因为它的主要服务对象是小微企业和用户个人，这从很大程度上弥补了传统银行所无法惠及的行业，加速农户借贷的效率，也推进了小微企业发展。（3）信息处理迅速。高效的信息化交流使得互联网金融在对信息的分析处理方面有着特殊的优势。最终形成一系列持续而动态的变化，降低资金投入供需之间的信息不对称。加快对农户个人及小微企业的借贷申请的处理速度与提升效率。（二）农户借贷行为的相关理论1.农户的概念 大家所认为的农户的概念不尽相同，但一般概念上认为农户的单位是家庭，主要劳动形式是从事传统农业生产，而且满足以下几个特征(1)能够基本自给自足;（2）靠传统农业为生;（3）封闭作业;（4）生活在农村地区;（5）小规模生产;（6）简单再生产。2.农户借贷的相关理论在银行进行贷款的过程中，具备相同贷款条件的借贷人有很多，由于存在着道德上的风险和逆向选择性的问题，银行选择贷款人时也存在着不平衡的配给，即有资格申请贷款的也不一定能申请到，这是在1981年Stiglitz和Weizz共同提出的观点总是有人无法在任何利率水平下获得贷款。这一理论表明，在城乡地区，正规金融信贷市场不能匹配现有的农村经济的发展，这就有了非正规金融市场的繁殖土壤。对此Mckinnon,Ronald提出对金融的中介作用加以开发，但在现实中国家往往忽视了这个作用转而对农村金融进行压制，这就严重阻碍了农村的金融发展，这就是著名的金融抑制理论。农村金融理论受现代金融理论和政策主张的影响下，大致经历了农业信贷补贴论、农村金融市场论和不完全竞争论。（三）国内外互联网金融研究在国外研究方面，Fleisig和De La Pena（2003）研究了农村正规金融机构与法律监督之间的关系，发现完善的法律监督体系有利于提高农村正规金融机构的效率，并强调改善农村金融市场的准入和准出机制。Garg AK和Pandey N（2007年）发现，印度农村的大多数贫困家庭无法通过对印度农村金融贷款的研究获得正规金融贷款机构的贷款，这样很明显农村的金融问题没有得到实质性的改变。 Wahid H（2013）认为，白沙瓦的正规金融机构的运作机制和运作效率相对较低。平均每年大约有51天，对农民的贷款信息进行评估和审查。双方的交易成本很高。只有农户的贷款申请量足够大，交易成本才会相对降低。在国内研究方面，早在2014年学者肖瑶和邱冬阳就提出了互联网金融的本质还是金融。互联网技术只是一种改善传统金融体系的手段。涉及金融服务的互联网机构分为财富管理机构，融资机构支付机构三大基础机构。站在金融职能的方面加以研究，著名专家李洪梅先生（2014）认为高效便捷的互联网金融，使得支付与支付相关的基本功能更加便捷高效，资源的有效配置更高效，成本更低。互联网金融还具有一定的风险管理以及风险分散功能。刘晛（2016）认为互联网金融面临的风险因不同的运营模式而变化。其中，在金融的操作和信用方面，众筹和p2p面临更大的压力，而互联网上面的各色理财产品由于存在诸多不稳定的因素，所以技术风险相对较大，而p2p也面临相同风险。只有不断加强信息安全，晚上金融系统，减少系统漏洞，加强网络保护措施，防止投资者信息被泄露和利益被损失。（四）农户借贷行为研究综述1.国外农户借贷行为研究针对我国农户进行借贷行为的特点，大量专家学者做了深刻研究。他们把研究领域主要集中在影响农户产生借贷行为的因素以及不同收入来源的不同借贷情况。查阅很多资料发现记载农民进行贷款行为中，非正式贷款是占据主体。有数据表明，正规的农村金融贷款机构占得比重相当小，亚洲和拉丁美洲的贷款占15％，非洲占5％。款资源分配相当不均衡，占人口极少数的一部分人可以获得80%甚至更多的贷款资源，而占人数众多的农民只占到相当小的一部分。据统计越有五分之四的农民并没有得到过贷款。在影响农户贷款行为因素方面，Aleem（2015）对巴勒斯坦的研究发现，非正式借款人主要利用与借款人建立的关系作为筛选借款人的基础。以尼日利亚为例，为了减少道德风险以及逆向选择等因素的影响，通常在签订合同时会附带有抵押品，这就极大减少了借贷后违约的风险。从这可以看出，相关市场的参与能在很大程度上影响借贷人的借贷多少。2.国内农户借贷行为研究我国学者对农户经济的调研开始于上个世纪八十年代。由农户的主要家庭支出进行分析，发现农民的经济行为正在由储蓄慢慢向投资转变，并且研究范围包括发达、欠发达等地区的农户，研究范围广泛全面。在2007年李翠梅等人通过研究农户贷款行为，进而提出了以下几点看法，户内非劳动户数占户数的比例，所有耕地面积、对贷款的熟识度、生产费用和生产费用等因素对农户的贷款行为有重大影响。陈晓声（2016）指出，对于有金融环境的农户而言，金融政策的公示程度和农户居住银行数量和农户贷款活跃度呈线性正相关，跟户主的知识水平、所处人生阶段、土地规模、生活支出等有很大关联。其中村中的风气对农户是否有贷款行为有很大的影响。朱青在针对不发达地区进行农户贷款调研时将之分为三个种类自身特点，家庭经济状况和农民的小额信贷意识。通过马晓青的研究发现，在发达地区的农户仍然有很高的借贷需要。而贷款主要集中在非农业产业中。通过2010年马晓青的调查发现，在像上海这样发达地区的农户中，有很大的借贷需要，其中主要借贷用于非农业生产，而且借贷人往往收入不低，属于中等收入的家庭，贷款基本都用于消费，主要是子女教育和改善住房。3.互联网+视角下农户借贷行为研究方法有关农户贷款行为的研究，目前绝大数的研究都是通过统计学以及经济学上的计量模型法进行实际案例的分析。比如2004年周小斌就综合分析了辽宁、河南以及贵州三省的数据进行分析，并且运用Tobit模型研究对借贷行为产生影响的原因。最终得出了在正面影响方面涉及农户的投资方向、家庭收入规模大小以及进行支付能力的强弱。而阻碍借贷因素主要是农户的投资倾向是否对家庭的正常支出产生影响。在对2001年有关全国农民抽样调查的数据中，颜志杰（2005）综合Tobit模型和Logit模型得出了具体涉及农户借贷行为的影响要素。张庆昉（2010）比较了家庭结构和行为对正式贷款和非正式贷款供求趋势的影响通过离散选择模型Biprobit模型。运用博弈论对农户借贷现象的分析相关资料不多，2008年史清华等人在对农户借款的分析时采用了博弈论的相关理论进行验证。曹玉贵和李一秀（2009）等人通过对博弈论的使用，进而创建了金融机构与金融行为的博弈关系模型，并完成了对金融机构和农户贷款行为存在缺陷进行了完整的博弈分析。（五）互联网+与农户借贷的文献综述Malone（1987）认为，在互联网这样信息高效便捷的交流方式下，极大的节约了沟通以及时间的成本。这将逐渐推动市场交易方式从间接到直接，循序渐进，促进经济活动发展。此外，传统金融市场的相关方面也受到了互联网的重大影响。 Economides（2001）认为互联网将对金融市场产生十分深远影响。首先，在个体经济的发展中，得益于互联网快捷的交流渠道，以及加快实体经济在市场上的发展。Granados（2006）认为，市场在很大程度上受着互联网技术的影响，并对市场的结构和透明度产生了一定程度的影响，有利于电子市场的公正性和透明性。互联网金融的不断发展会推动农户借贷行为的飞速前进。（六）文献评述学术界关于农户借贷模式如何应对互联网时代的挑战和机遇的研究尚处于起步阶段。就国内外当前的研究成果而言，他们大多认为互联网技术的发展将对农户借贷起到积极的推动作用。虽然目前关于农户贷款和互联网金融研究成果的文章很多，但以互联网时代为背景的农村家庭贷款模式的转变非常少见。同样的个别文章涉及互联网与农民贷款之间的关系，但它们在具体内容方面也缺乏系统性和深度。从经验和认识的角度来看，影响农户借贷需求的主要因素有自己的基本条件。包括年龄，性别，文化程度，家庭状况，如家庭人数，公司规模，收入，主要经济来源，互联网意识，互联网金融意愿等。进行贷款时的不确定因素很多，比如户主的年龄就是一个影响因素。年龄越大一般观念就会趋于保守，而且支出会减少也就没有那么大的金融需求。而年轻一代则大都有一份稳定的工作来源，对于借贷也没有十分迫切的需要。在性别方面没有什么特殊的影响，主要是由于普通农户以男户主为户主，女户主为家户，因此没有任何分析。?家庭教育水平对家庭贷款行为的影响仍不确定，一般我们把受教育程度的高低与农户生产能力的强弱联系起来，受更好的教育，投资意识和贷款需求就越强。家庭劳动力人数对家庭借款需求的影响不确定家庭的家庭规模。但一般认为，劳动比例越高，农民收入越高。?农户经营规模，由于耕地和花卉园的种植规模往往很大，需要投入的也很多，资金需求量较大。农户的收入多少跟是否有借贷行为有明显的关联性，经济收入越高往往有贷款行为，这是因为他的支出也很大。但是，与此同时，收入越高，就越有可能借钱。影响农户贷款的一大重要因素就是他的收入来源。一般认为从事生产经营活动的农民通常需要更多的资金。?农户对互联网的认知与使用意愿也会对农户的借贷行为产生影响，一般对互联网金融了解更多的人会更倾向于网络借贷。此篇论文是以沭阳县地区农户的借贷行为作为研究对象，并且结合大量相关论文研究成果，选定样区是一个发展迅速的农业县，人口众多，经济发展强劲。对农户贷款行为的研究结合农户所处的实地特点，综合以上分析，提出了具体的改善举措。以更好地为农民提供适当的贷款服务。帮助农民更快更好地贷款，促进农村金融的发展。三、互联网视角下农户借贷行为描述统计分析—以江苏省沭阳县为例（一）背景介绍沭阳县位于江苏省北部，占地3300平方公里，全县总户数49.44万户，户籍总人口197.05万人。其中，男性102.89万人，女性94.16万人。沭阳县农业种植制度是一年两熟，农民的收入主要就是靠种植水稻麦子和营销花木，同时也有较多的一部分人外出务工。作为著名的花木之乡，沭阳县的花木驰名国内外，为沭阳的经济发展提供了巨大的支撑。2017年，沭阳县实现地区生产总值770.14亿元，取得了人均可支配收了达两万余元，财政总收入更是达到了48亿元的高峰;消费品零售总额219.13亿元，项目500万元以上固定资产投资548.8亿元。（二）数据来源本次是通过本人采访韩山镇和官墩乡农户以及龙庙镇乡政府的协助所直接获取到的数据，调查问卷共有 150 份。所进行的实验分布为对韩山镇的凤沂村、赵口村和韩西村分别发放问卷20份、30份和20份，在官墩乡的戴山村和花圩村各发放了20份问卷，在龙庙的陇集村和李徐村各发放了20份问卷，有效问卷为142份。（三）农户基本情况分析（1）户主年龄分析/图3-1 户主年龄分布对调查问卷主要得出了两个结果，绝大多数的男性户主以及主要年龄分布于41-50岁和31-40岁这两个年龄组，占比46.67％和32％，≤30岁和≥50岁的户主这部分比例很小，其数值见图3-1。这与当地的风俗习惯更符合乡下地方。当孩子达到家庭年龄时，他们通常不会与父母分开。家长仍然是父亲。一般来说，差不多都到了30岁就是户主。（2）户主受教育程度分析/图3-2户主受教育程度被调查家庭的受教育程度普遍较低。一方面，由于户主年龄大，生活水平相对较低，教育机会很少。另一方面，农民对教育的关注程度也各不相同。低教育程度导致了低水平，初中文化程度最高的比例约为70.67％（这个数字高于实际情况，包括了未完成初中学业的），小学水平与文盲的比例约为16.67％，2％，中学占9.33％，高等教育占1.33％。这里的教育水平仅指户主接受的教育水平，而不是家庭户中最高的教育水平。（3）家庭人口数分析/图3-3家庭人口数量分析根据调查资料显示，家庭规模基本在3-4人左右，其中家庭人口比例分别为，42％和35.33％，在5人及以上的占13.33％，最少的是1和2人所占的比例分别为8％和1.33％。就实际状况而言，的确如此。但是在计划生育的影响下，农村最多也就两个孩子。户主的平均年龄大约为50岁，孩子结婚但仍然没有分居，将有更多的人口。家庭人口与劳动力占比较高，取值为（0.67,1），比例为41.33％；而全部人口都成为劳动力的比例则占了28％；剩下的包括与劳动力有相关性的人口，在0.5-0.67，比例约为21.33％。劳动力比例小于0.5的只发生在少数情况下，只占9.33％。这与当地的家庭情况也相符合。如图3-3所示。（4）农户用地面积分析/ 图3-4农户用地面积在本文中，农户的经营规模指的是农民自己种植作物和花木的田地面积。因此，从经营规模方面进行分析。有21户经营10亩以上的耕地，占比14％，其中3户规模达30亩；在5-10亩的所占比例为30.67％；而小于5亩的超过一半，有78户，占农户总数的52％。有5户没有农田占3.33%。如图3-4所示。农户非农化日益显著。首先是工业化和城市化的现代化。二是沭阳县是农业县，但其优势在于花木种植较为发达，因此可以有效的形成劳动力的积累。最后，在花木业发展的影响下，使得部分农民进行了非农转化。综上所述，非农农民的人口在日益增加。（5）农户年收入分析/图3-5年收入结构所占比由所获得资料显示，沭阳县整体具有较高的生活水平，家庭年收入在3万以下的农户数量较少，共计81户，占比54％。农户占第二大比，年所得收入3万到5万为54户，占36％的比例。最后，5万到10万和大于10万分别所占的比例为7％和3％。如图3-5关于年收入的详细说明（6）农户主要经济来源分析/图3-6各项农户经济来源的农户数根据所得出的结果表示，农户的经济来源主要包括纯农业，农业为主兼营，非农业为主兼营和纯非农业四个部分。其中以农业为主兼营的农户最多有54户，占36％，其次是纯非农业36户，占24％，再次是以非农业为主兼营，占总数的21％，最后则是纯农业的农户有29户占19%。由于农民经营规模小，机械化农业逐步普及，一些年轻的富余劳动力得到了解放。40岁以上的平均农户在家工作，年龄在20-40岁，在家外工作或在家工作。事实上，农业基本与其无关，再加上收割机等大机器的使用，使得劳动力的需求大幅度减少，花费时间也迅速缩减。从事农业的人也会在闲暇时间工作，从事农业和就业的农民比例将大大增加。此外，由于农业收入预期偏低，一些农民自愿放弃农业，或因征地而被迫放弃农业，转而从事自营业务。如图3-6所示。（7）农户对互联网金融的认知程度分析/图3-7农户对互联网金融的认知程度根据研究所得，农村目前对互联网金融的了解正在缓步加深。目前农村信用社，农商银行以及其他的商业银行都有网上进行借贷的手段，文化程度越高的农户越是愿意使用网上借贷，因为网上借贷的效率更为高效和便利。对互联网金融有所了解的人数已经高达79人，而对互联网金融不了解的人仅有71人连一半的数量都没有达到，如图3-7。证明农村对互联网金融的接受程度越来越高，对互联网金融推动农村经济的发展起到一个有效地推动作用。四、互联网金融视角下农户借贷行为分析——以江苏省沭阳县为例（一） 变量设计及模型构建1.变量设计在原有的研究方式和结果的基础上，，通过问卷调查的方式，将基于现有的研究方法和结果，本文在问卷调查的基础上，选择贷款行为设置为因变量。对于农民本身，农户借贷行为最为重要，因而将作为自变量。具体说明见于表4-1。本次将确定8个自变量，分别为户主受教育程度（x1）、户主的年龄（x2）、家庭人口数（x3）、用地面积（x4）、家庭年收入状况(x5)以及最主要的收入来源（x6），再加上互联网金融的认知程度（x7）和使用互联网的意愿（x8），将是否发生借贷行为作为因变量（y）所建立的计量经济模型。表1和表2是变量和变量的描述性统计以及测量方法的意义说明。表1变量含义及测量变量标识单位测量方式法是否发生借贷Y-两分类变量（需要=1；不需要=0）户主受教育程度X1-次序型变量（文盲=0；小学=1；初中=2；中专或高中=3；大专或大专以上=4）户主年龄X2岁次序型变量（小于30=1；31-40岁=2；41-50岁=3；大于50岁=4）家庭人口数X3个次序型变量（1人=1；2人=2；3人=3；4人=4；5人及以上=5）用地面积X4亩次序型变量（0亩=0，1亩-5亩=1；5亩-10亩=2；10亩以上=3）年收入X5元次序型变量（3万元以下=1；3万-5万=2；5万-10万=3；10万以上=4）主要经济来源X6-次序型变量（纯农业=1;农业为主兼营=2;非农业为主兼营=3;非农业=4）对互联网金融的认知程度X7-次序型变量（不了解=0；一般=1；了解=2）使用互联网的意愿X8-两分类变量（愿意=1；不愿意=0）表2变量的描述性统计变量均值标准差最小值最大值Y0.5600.49801X11.9000.64204X22.5007.66614X32.5801.03815X42.1404.32303X52.5000.85715X61.3730.97304X71.5600.89202X81.8500.742012.模型简介因变量y取值为[0,1]。当y = 1时，P表示农民向贷款对象贷款的概率（贷款对象包括债务、亲属朋友、贷款和正规金融机构等）；当y=0时，p表示农户无贷款概率。p取[0，1]。将 p/(1- p)取自然对数，得到 ln( p/(1- p))，y的logit转换写为以下线性回归方程logity=ln????1?????=????+????1????1+????2????2+????3????3+????4????4+????5????5+????6????6+????7????7+????8????8以y做因变量，logit回归模型可以表示为p=11+?????????????????????????(????)=11+?????(????+????1????1+????2????2+????3????3+????4????4+????5????5+????6????6+????7????7+????8????8)（二）单因素方差分析为了区分每个自变量对因变量以及自变量与自变量之间相互作用的影响的显着性，要首先进行自变量的单因素方差分析，所得出的结果如表3所示表3单因素方差分析表平方和自由度均方根F值显著性受教育程度X1组间0.8581.0000.8582.1700.154组内60.752146.0000.420总数61.510147.000年龄X2组间321.4761.000321.4765.6200.018组内8445.378146.00056.896总数8754.833147.000劳动力数X3组间1.8651.0001.8651.7400.180组内158.785146.0001.062总数161.540147.000用地面积X4组间114.4001.000114.4006.2530.014组内2661.160146.00018.148总数2784.550147.000年收入X5组间0.2341.0000.2340.3320.577组内119.256146.0000.748总数119.500147.000主要经济来源X6组间1.1941.0001.1941.1580.026组内139.989146.0000.936总数141.083147.000对互联网金融的认知程度X7组间0.7661.0000.7660.5900.035组内125.653146.0000.385总数126.429147.000使用互联网金融的意愿X8组间0.6301.0000.6300.4570.024组内158.655146.0000.696总数159.325147.000从表中可以看出，各年龄组，用地面积，主要经济来源，互联网金融意识和互联网金融意愿的统计差异显着（显着性小于0.05）;农村家庭在教育水平，劳动力和年收入方面没有显着差异。因此，可以看出，影响农民贷款的主要因素包括年龄，家族经营规模以及所从事的主要经济活动。农户的受教育程度可能没有太大差异，高等教育水平一般都是从事非农活动，所以教育水平对农户借贷意义不大;家庭户数对家庭年收入有直接影响，但贷款与年收入之间却几乎毫无关系。在低于显着性0.05的情况下，影响贷款的因素主要包括农户年龄，用地面积，主要经济来源，互联网金融意识，互联网金融意愿等5个因子。这里我们会知道互联网金融的程度。而使用互联网金融的意愿结合了这两个因素互联网金融中的惠普程度。因此，在进行下面的回归分析时，可以进行简化的线性分析。（三） logisitic 回归模型分析表4所表示的是并不在第一次拟合中的方程中变量。这个测试表明，如果将方程中的变化分别包含在方程中，那么方程中的变化是否会显着。可以看出，如果方程中包括教育水平X1系列的变量，则方程的变化是显着的，X4，X6，X8和X7（在此将X7和X8合为一项X9）是如此。然后使用逐步回归法（逐步计算）来计算模型中包含的变量的显着性，也验证一下模型中的变量是否存在多重共线性。表4第一次拟合不在方程中的变量得分dfSig.步骤0变量受教育程度X15.51610.029年龄X22.07210.152劳动力数X31.74310.198用地面积X46.12910.014年收入X50.34410.574主要经济来源X61.15410.026互联网金融惠普程度X90.18610.017总统计量17.14480.186表5 回归结果—方程中的变量系数值标准误差卡方值自由度显著性OR值OR值95%可信区间.下限上限步骤1用地面积X40.1670.0745.15010.0241.1691.0131.369常量-0.0480.1960.05810.8120.956步骤2用地面积X40.2620.0988.37610.0061.2861.0881.556主要经济来源X60.4890.2463.81510.0521.6150.9962.622常量-1.3700.5745.83210.0180.262步骤3用地面积X40.9060.13416.12910.0051.7581.1081.624主要经济来源X60.3860.2045.91410.0411.8541.0272.477互联网金融惠普程度X90.7510.18616.73210.0382.0460.9432.342常量-1.7660.23855.41610.0140.247在显著性水平为0.05的标准下，用地面积，主要经济来源和惠普互联网金融的统计显着性分别为0.005， 0.041和0.038。这是非常显着的，OR值分别为1.758，1.854和2.046，它们也在OR值的95％置信区间内;同时，在逐步回归中，并没有因为一个新的变量的引入导致之前的变量不再显著，因此用地面积，主要经济来源以及互联网金融的惠普程度彼此间并不存在多重共线性。因此，变量都可以保留在方程中。所以该回归方程可以写为logity=ln????1?????=?1.766+0.906????4+0.386????6+0.751????9综上所述，对贷款行为产生影响的因素包括农户用地面积，主要经济来源，惠普互联网金融度。农田一般种植大米和小麦两种作物。由普通农民管理的农田面积小，自给自足。与此同时，一些农户已经放弃农田，转向非农业农场。因此，部分农户的经营规模会有扩大的趋势。但这类农户虽然可以完成自给自足，但在经营上会占用较多的资金，以用于种肥和机械化。所以资金的需求强度完全取决于耕地面积。此外农民经营的花木主要是出售，只有一小部分的花木被观看。沭阳县盛产花木，所以它可以被看作是经济作物，预期收益将高于稻米和小麦。花圃面积越大，农民的经济需求越强。所以，农户用地面积越大，经济需求越强。农民的主要经济来源也对农民的贷款行为产生重大影响。农民工和半工半农的贷款所需并不多，只需要通过自筹以满足资金，但就纯农户而言，其需求往往较高。另一方面，由于前期投入生产，种植前期资金需求强劲，个体和私人农户一般从事个体经营的工商业，这需要大量的流动性和强大的资本要求。互联网金融的惠普程度将对借贷产生正相关的效果。这也表示普惠程度越高，所借贷的可能性也就越大。（四）主要结论本文在“互联网+农村金融”的大背景下，利用江苏省沭阳县150个农户调研数据，农村金融市场中心就是贷款，因而对于经济的发展具有至关重要的影响。由沭阳县的150户所得出的总体结果是贷款的需求相对较少，所借取的额度也较低。主要得出以下结论（一）农户借贷行为的基本特征。（1）借贷的方法较为普遍。在所进行的150个实验样本中，得到了84个借款样本，占总数的56%；（2）贷款额度范围并不是很大，一般都是小额信贷，其中35％是50-10000元的额度范围，28%是1万-5万元，高于10万元的只有5笔；（3）主要贷款渠道是非正式渠道，包括违约行为和亲友借款。信用拖欠贷款一般用于农业生产，而亲友借款则是为了生活更多，尤其是建房；（4）不同类型的农户有不同类型的资金管理要求，借款方式也有差异。农民工的资金需求普遍疲软。其次，半农户和农户对资金需求不强。纯农户和农户的资金需求相对较强。纯粹的农民倾向于违约，而经营农民往往有大量的贷款倾向于正式的金融机构；（5）农民对信用社依旧处于低认知状态，大多数人并不清楚信贷项目。 其中，约有60％的农户知道一点，约有50％的农户对农村信用社的贷款程序不满意。77％的农民对信用社的认知只单纯停留在存款方面。（二）农户借贷行为的影响因素。通过对样本数据的研究与分析发现，贷款的影响因素主要是用地面积，主要经济来源以及互联网金融的惠普程度三部分。从统计数据来看，贷款的需求额度往往与用地面积以成正相关的关系，但往往进行拖欠。所以需要完成农业的季节性收入，并在收获实现后返还。其次，如果农户的主要经济收入来源是高工资收入，那么贷款便成为一个无关紧要的问题了。最后，互联网金融的惠普程度越高，农户获得贷款就越快捷。（三）农村互联网普惠金融的发展对农户借贷行为有正向关系。互联网金融在农村已经取得了一定的成果，具有了拓宽融资渠道，增加融资手段的效果。但就现实而言，农户关于互联网金融的了解有限，通过互联网进行借贷的借贷人员依旧很少，可以看出互联网金融的普及程度不足。五、政策建议1.拓宽农民融资渠道由于农村的互联网金融工具并未大范围的普及，所以要加大普及程度，进而扩大融资渠道，相关的部门也要采取措施，例如定期举办讲座，教导农户关于金融工具的使用以及由本村先了解金融工具的农户指导和教学暂时遇到困难的农户等方式，从而完成初步的宣传计划。2.快速建设互联网金融体系鉴于金融机构在支农惠农等方面缺乏服务的不足，加快农村的互联网金融体系建设不仅可以尽快打通融资渠道，而且在融资手段上也具有明显的优势。所以当地机构和相关部门应加快金融体系建设，以完成互联网与现实的双金融融合。3.提升农户自我发展能力我们不仅要完成支付比例的改变，而且要有“授人以渔”的方法，使农户具有较好的自我完善和发展的能力。其目标应主要在于人口少、收入低，但农业经营占比的资金流向盲点群众。当地的机构应进行职业的技能培训，使其具有自我完善和发展的能力，从而提升经营水平，实现借贷可得性。致谢参考文献[1]S.Popkin.The Rational of Economy Political Peasant:the Rurul Society in Vietnam[M].University?of?Cal?ifornia?Presee,1979 129-?140[2]A.V.Chayanov. The Theory of?Peasant. Economy, Madison [M].University of Wisconsin Presee,1986，39-47[3]Aleem. I. Imperfect information screening and the cost of informal lending:A study of rurual credit market in Pakistan [J]World Bank Economic Review,vol.4,no.3: 329-349[4]Undy.C. Credit markets in north Nigeria: Credit as Insurance in rurual economy. [J]World?Bank?Economic?Review,vol.4,no.3:?297-327.[5]张杰中国农村金融制度:结构、变迁与政策[M]北京: 中国人民大学出版社，2003:5-12[6]T.W.舒尔茨.改造传统农业[M].中译本，北京:商务印书馆，1987[7]王曙光，乔郁.农村金融学[M]北京:北京大学出版社，2008，46-77[8]李延敏.中国农户借贷行为研究[M]北京:人民出版社，2010,23-34[9]黎翠梅，陈巧玲.传统农区农户借贷行为影响因素的实证分析_基于湖南省华容县和安乡县农户借贷行为的调查[J].农业技术经济，2007，(05);44-48[10]马晓青.上海地区农户信贷需求与融资偏好的实证分析[J].消费导刊,2010,(02):45-46[11]史清华.农户经济可持续发展研究一浙江十村千户变迁(1986-2002)?[M]北京.中国农业出版社，2005[12]温铁军.重新解读我国农村的制度变迁[J]天涯，2001(02)[13]霍学喜，屈小博.西部传统区域农户资金借贷需求与供给分析一一对陕西渭北地区农户资金借贷的调查与思考[J]中国农村经济，2005(08)60-67[14]汪丽媛，冯庆水.把握农户借贷特征完善农村金融体系[J].安徽农学通报，2010,16(13):15-16[15]史清华.农户家庭储蓄与借贷行为及演变趋势研究[J]中国经济问题，2002，(6)66-78[16]郑世忠.交易成本对农户借贷行为的影响分析[J]内蒙古科技与经济，2008，(11);4-10[17]官建强，张兵.影响农户借贷需求的因素分析[J]中国农学通报，2008，(05):501-507[18]张庆昉.农户结构和行为对借贷倾向的影响矿究_基于湖南2000户农户的问卷调查[J]财经理论与实践，2010，(05):25-29[19]李延敏.不同类型农户借贷行为特征[J]财经科学,2008，(07):23-30[20]邱书钦.转型期传统农户借贷特征实证分析[J]经济研究导刊，2008，(20):105-106[21]刘松林，杜辉.基于农户收入水平的借贷需求特征分析[J]统计与决策，2010，(08);90-92[22]罗俊勤.浙江农户借贷需求的差异分析一一基于浙江省农户借贷行为的调查[J]特区经济,2010，(02):183-185[23]周小斌，耿洁，李秉龙.影响中国农户借贷需求的因素分析[J]中国农村经济，2004，(8):26-30[24]颜志杰，张林秀，张兵.中国农户借贷特征及其影响因素分析[J]农业技术经济，2005，(4):16-20[25]陈晓声, 吴晓忠, 张志超.普惠金融视角下农户借贷行为分析与福利效果测算[J].中国流通经济,2016，(3):94-101. [26]鲁钊阳.P2P网络借贷能解决农户贷款难问题吗?[J].中南财经政法大学学报,2016，(2):149-156. [27]杨小玲, 杨建荣, 尹倩文.互联网金融的信息比较优势与农村金融改革探讨[J].农村金融研究,2017，(1):68-71. [28]易小兰, 莫媛.放宽市场准入下农户借贷渠道选择及其影响因素分析[J].财政与金融, 2016, (3) :67-72[29]张海滨. 凉城县农户借贷行为研究[D].内蒙古农业大学,2017.附录 一、被调查农户的家庭情况户主姓名____ 年龄____性别□男 □女受教育程度□未上过学 □小学 □初中 □中专或高中 □大专或大专以上家庭人口数____? 劳动力个数____?用地面积□0亩 □0-5亩 □5亩-10亩 □10亩以上年收入 □3万以下 □3万-5万 □5万-10万 □10万以上主要经济来源□纯农业 □以农业为主兼营 □以非农业为主兼营 □纯非农业二、农户金融需求情况?最近三年是否存在赊欠行为??□有 □没有若有，一年内赊欠的次数？□一次 □两次 □三次 □三次以上具体用途□教育 □医疗 □生活用品 □农业生产资料 □非农业生产资料□建房购房 □其它（请注明）每次情况分别是赊欠的金额 □500—1000? □1000—5000? □5000-1万 □1万以上赊欠的期限____最近三年，您是否向亲戚朋友或者民间借贷者提出过借款？□是 □否若有，一年内借款的次数？□一次 □两次 □三次 □三次以上具体用途□教育 □医疗 □生活用品 □农业生产 □非农生产经营 □婚丧嫁娶 □建房购房 □日常生活 □其他（请注明）借款的金额____? 借款的期限____?3.最近三年，您是否有向信用社或其他银行申请过贷款？□是 □否您贷款是在在哪里办理的 ？□信用社 □其他银行借款的用途 □日常生活 □建房购房 □教育 □医疗 □农业生产 □非农生产经营 □生活用品 □人情往来 □其他（请注明）您贷款的类型 □抵押贷款 □小额信用贷款 □担保贷款 □扶贫贷款 □其它若没有，原因是□不需要 □提出也得不到 □利息高 □贷款手续太麻烦 □贷了也还不起 □其他三、互联网金融的惠普程度您对互联网金融的认知程度□不了解 □一般 □了解您曾经使用过网上借贷吗□是 □否如果有，并且贷款成功的话请注明贷款的金额____? 贷款的期限____?您愿意使用互联网吗□愿意 □不愿意
目录
摘要1
关键词1
Abstract 1
Key words 1
一、引言1
（一）研究背景1
（二）研究意义2
（三）研究内容2
（四）研究方法 3
二、相关理论和文献综述3
（一）互联网金融的研究3
（二）农户借贷行为相关理论4
（三）国内外互联网金融研究 4
（四）农户借贷行为研究综述4
（五）互联网+与农户借贷的文献综述 6
（六）文献评述6
三、互联网视角下农户借贷行为描述统计分析—以江苏省沭阳县为例6
（一）背景介绍6
（二）数据来源7
（三）农户基本情况分析7
四、互联网金融视角下农户借贷行为分析——以江苏省沭阳县为例10
（一）变量设计及模型构建10
（二）单因素方差分析 12
（三） logisitic 回归模型分析 13
（四）主要结论 15
五、政策建议 15
六、致谢 16
七、参考文献 16
八、附录 17 互联网+视角下农户借贷行为研究
——以江苏省沭阳县为例
引言
引言
nverted linearly, eight factors are used as independent variables. The two-variable logistic regression model is based on whether farmers have borrowed or not. The empirical results are as follows: The characteristics of household income, the development level of rural internet finance and household investment are positively correlated with the households lending behavior, family risk preferences are negatively correlated with rural households lending behavior, and transaction costs have no obvious effect on rural household lending behavior. In view of this, this paper proposes policy recommendations to broaden the financing channels for farmers, speed up the construction of the rural Internet finance system, and improve farmers self-development capabilities.（一）研究背景中国农村人口众多，在2010年前（含2010年），全中国人口比例超过50％。 2010年以后，虽然这一比例有所下降，但仍保持在43％以上的稳定水平。可以看出，农户数量众多，对中国的发展至关重要。但是，在人均年收入方面比较的话，非农业人口收入远远高于农业人口收入。在1978年后的37年间，更是农业人口平均收入只有城镇人口的三分之一左右。中国农村经济发展一直落后于城镇发展。如果想要发展农村经济，提高农村居民收入水平，我们首先要做到的就是必须重视农村经济发展的农户主体。近年来，由于农业生产费用和生活费用的增加，农户现有资金不足以支付费用，因此对借贷需求强劲。但从正规贷款机构获得贷款对许多农户来说是比较困难的，所以当我们关注农民时，我们必须关注他们所面临的问题并尽力去帮助他们解决各项问题。这个问题涉及两个方面一是农民自身的内在因素，导致金融机构不愿意为其提供资金;二是金融借贷机构的因素，传统金融机构借贷门槛高，新的互联网金融机构借钱风险很大。随着互联网技术的不断发展，传统金融借贷机构和新型互联网金融借贷机构都在不同程度上面临着各种机遇和挑战。我们该如何在互联网的潮流中越来越好地发展，这正是我们需要从互联网金融的角度对农户借贷行为进行研究与探索。党中央国务院对加快农村金融发展问题异常关切，近些年不断不加大对农村贷款的力度，去年的中央一号文件把加快农村经融创新的概念明确的提了出来。进一步地完善内部控制和风险管理体系。因此，当前研究互联网时代农户借贷模式对于农户来说极为迫切。（二）研究意义为了解决农民“融资困难和融资成本高”问题，解决加速转型期农村经济紧迫的融资需求，研究“互联网+”背景下的农户行为现如今成为了首要的手段和目标。根据“2016年中国互联网络发展状况统计报告”，在2016年12月之前，中国农村网民已达到2.01亿这一恐怖数量，占我国整体网民的27.4％，想比2015年末已增加800万。农村网民在整个网民中的比例有所增加。互联网在农村的渗透率为33.1％。规模增长率与城镇基本一致，反映了农村互联网普及工作的有效性。在这种背景下，由于互联网金融的进入，农村金融市场发生了变化。所以更进一步研究互联这一举措不但可以促进农村互联网金融的发展，还能够为农户及小微企业提供更多的农业融资渠道和融资机会。本文利用江苏省沭阳县农村地区的调查数据，从互联网+的角度来研究农户的实际借贷行为和借贷难易程度，进而帮助农户更好更快地获得借贷，具有一定的实用价值及理论意义。（三）研究内容本文的结构如上图，大体有五个主要板块，其中课题的背景以及意义放在了第一板块中，面对当前在互联网+的背景下影响农户借贷行为的因素。把有关农户借贷以及当今的互联网金融的相关研究放在了第二个板块中进行探讨，互联网金融和农户借贷行为这两个方面对国内外学者进行一个总结概述，并结合先前众多学者的研究结论从而对互联网+背景下的农户借贷各项因素进行研究分析。第三板块则是对调查问卷进行分析，对农户的年龄、性别、用地面积、借款来源、主要经济来源、农户的家庭背景、接受互联网金融的自愿程度等各个具体方面进行分析比对。第四部分是从互联网加的角度来分析影响农户借贷行为的影响程度。利用二分类logit模型进行第一步分析，再利用自相关检测进行验证排除变量的多重共线性，并得出结论。在最后一个板块针对前面的分析结合自己所学提出了几点自己的看法以及可行性完善当前制度的建议。（四）研究方法基于以上的研究背景，本文研究在互联网+视角下农户借贷行为。采用统计分析方法对江苏省沭阳县的调查数据进行分析和描述，研究农户贷款的来源和用途以及不同收入水平的借款人的特点。本文先从理论角度上分析了各项因素对互联网+背景下对农户借贷行为研究的影响，为实证分析做了理论基础。为了能够进一步确认理论分析的结果。对于农户贷款要求和有无借贷能力的分析是通过回归模型的科学方法得出的结论。基于此，确定了农民和金融机构就农民贷款做出各种决策的具体原因。并由此找出农户在互联网+背景下农户借贷行为的各项影响因素的原因。本文运用上述研究方法，对江苏沭阳县农户贷款行为进行深入分析，有针对性的实践性的得出结论以及相应提出的改善建议。相关理论和文献综述由于在学术研究中“互联网金融”一词仍然是一种新事物，它的研究处于一种非常分散的状态，本文将互联网作为一种新型的融资手段，可以加快农户的借贷，更好地获得借贷。（一）互联网金融的研究1.互联网金融的相关概念互联网金融目前正以一种新型的金融形式出现在大众面前。已经出现的计算机技术已经深刻地改变了现有的金融服务。由于计算机存在极大的便利条件和技术优势、不仅能够对资本进行融资，还可以作为中介的形式出现。目前，许多金融机构，中小企业和个人也将其作为融资手段。在一定程度上减轻了由于掌握信息的不对称从而可能造成的金融排斥现象，能够有效的提高资源配置效率，而且可以为分配资源，资金支付，信息收集和处理提供了广阔的平台，极大地方便了客户对金融服务的需求。2.互联网金融的特征一般而言，互联网金融包括以下几个特征成本低。因为它的简单的手续，使得整个过程耗费的时间大大缩短，资本的时间效率上升。宽领域覆盖。随着互联网经济越来越发达，地理空间和时间的影响程度越来越小。并在互联网平台上找到自己需要的金融服务，包括贷款和支付。随着越来越多的互联网公司的推出，用户可以享受更直接，更便捷的服务。互联网金融具有高效的资源配置效果，因为它的主要服务对象是小微企业和用户个人，这从很大程度上弥补了传统银行所无法惠及的行业，加速农户借贷的效率，也推进了小微企业发展。（3）信息处理迅速。高效的信息化交流使得互联网金融在对信息的分析处理方面有着特殊的优势。最终形成一系列持续而动态的变化，降低资金投入供需之间的信息不对称。加快对农户个人及小微企业的借贷申请的处理速度与提升效率。（二）农户借贷行为的相关理论1.农户的概念 大家所认为的农户的概念不尽相同，但一般概念上认为农户的单位是家庭，主要劳动形式是从事传统农业生产，而且满足以下几个特征(1)能够基本自给自足;（2）靠传统农业为生;（3）封闭作业;（4）生活在农村地区;（5）小规模生产;（6）简单再生产。2.农户借贷的相关理论在银行进行贷款的过程中，具备相同贷款条件的借贷人有很多，由于存在着道德上的风险和逆向选择性的问题，银行选择贷款人时也存在着不平衡的配给，即有资格申请贷款的也不一定能申请到，这是在1981年Stiglitz和Weizz共同提出的观点总是有人无法在任何利率水平下获得贷款。这一理论表明，在城乡地区，正规金融信贷市场不能匹配现有的农村经济的发展，这就有了非正规金融市场的繁殖土壤。对此Mckinnon,Ronald提出对金融的中介作用加以开发，但在现实中国家往往忽视了这个作用转而对农村金融进行压制，这就严重阻碍了农村的金融发展，这就是著名的金融抑制理论。农村金融理论受现代金融理论和政策主张的影响下，大致经历了农业信贷补贴论、农村金融市场论和不完全竞争论。（三）国内外互联网金融研究在国外研究方面，Fleisig和De La Pena（2003）研究了农村正规金融机构与法律监督之间的关系，发现完善的法律监督体系有利于提高农村正规金融机构的效率，并强调改善农村金融市场的准入和准出机制。Garg AK和Pandey N（2007年）发现，印度农村的大多数贫困家庭无法通过对印度农村金融贷款的研究获得正规金融贷款机构的贷款，这样很明显农村的金融问题没有得到实质性的改变。 Wahid H（2013）认为，白沙瓦的正规金融机构的运作机制和运作效率相对较低。平均每年大约有51天，对农民的贷款信息进行评估和审查。双方的交易成本很高。只有农户的贷款申请量足够大，交易成本才会相对降低。在国内研究方面，早在2014年学者肖瑶和邱冬阳就提出了互联网金融的本质还是金融。互联网技术只是一种改善传统金融体系的手段。涉及金融服务的互联网机构分为财富管理机构，融资机构支付机构三大基础机构。站在金融职能的方面加以研究，著名专家李洪梅先生（2014）认为高效便捷的互联网金融，使得支付与支付相关的基本功能更加便捷高效，资源的有效配置更高效，成本更低。互联网金融还具有一定的风险管理以及风险分散功能。刘晛（2016）认为互联网金融面临的风险因不同的运营模式而变化。其中，在金融的操作和信用方面，众筹和p2p面临更大的压力，而互联网上面的各色理财产品由于存在诸多不稳定的因素，所以技术风险相对较大，而p2p也面临相同风险。只有不断加强信息安全，晚上金融系统，减少系统漏洞，加强网络保护措施，防止投资者信息被泄露和利益被损失。（四）农户借贷行为研究综述1.国外农户借贷行为研究针对我国农户进行借贷行为的特点，大量专家学者做了深刻研究。他们把研究领域主要集中在影响农户产生借贷行为的因素以及不同收入来源的不同借贷情况。查阅很多资料发现记载农民进行贷款行为中，非正式贷款是占据主体。有数据表明，正规的农村金融贷款机构占得比重相当小，亚洲和拉丁美洲的贷款占15％，非洲占5％。款资源分配相当不均衡，占人口极少数的一部分人可以获得80%甚至更多的贷款资源，而占人数众多的农民只占到相当小的一部分。据统计越有五分之四的农民并没有得到过贷款。在影响农户贷款行为因素方面，Aleem（2015）对巴勒斯坦的研究发现，非正式借款人主要利用与借款人建立的关系作为筛选借款人的基础。以尼日利亚为例，为了减少道德风险以及逆向选择等因素的影响，通常在签订合同时会附带有抵押品，这就极大减少了借贷后违约的风险。从这可以看出，相关市场的参与能在很大程度上影响借贷人的借贷多少。2.国内农户借贷行为研究我国学者对农户经济的调研开始于上个世纪八十年代。由农户的主要家庭支出进行分析，发现农民的经济行为正在由储蓄慢慢向投资转变，并且研究范围包括发达、欠发达等地区的农户，研究范围广泛全面。在2007年李翠梅等人通过研究农户贷款行为，进而提出了以下几点看法，户内非劳动户数占户数的比例，所有耕地面积、对贷款的熟识度、生产费用和生产费用等因素对农户的贷款行为有重大影响。陈晓声（2016）指出，对于有金融环境的农户而言，金融政策的公示程度和农户居住银行数量和农户贷款活跃度呈线性正相关，跟户主的知识水平、所处人生阶段、土地规模、生活支出等有很大关联。其中村中的风气对农户是否有贷款行为有很大的影响。朱青在针对不发达地区进行农户贷款调研时将之分为三个种类自身特点，家庭经济状况和农民的小额信贷意识。通过马晓青的研究发现，在发达地区的农户仍然有很高的借贷需要。而贷款主要集中在非农业产业中。通过2010年马晓青的调查发现，在像上海这样发达地区的农户中，有很大的借贷需要，其中主要借贷用于非农业生产，而且借贷人往往收入不低，属于中等收入的家庭，贷款基本都用于消费，主要是子女教育和改善住房。3.互联网+视角下农户借贷行为研究方法有关农户贷款行为的研究，目前绝大数的研究都是通过统计学以及经济学上的计量模型法进行实际案例的分析。比如2004年周小斌就综合分析了辽宁、河南以及贵州三省的数据进行分析，并且运用Tobit模型研究对借贷行为产生影响的原因。最终得出了在正面影响方面涉及农户的投资方向、家庭收入规模大小以及进行支付能力的强弱。而阻碍借贷因素主要是农户的投资倾向是否对家庭的正常支出产生影响。在对2001年有关全国农民抽样调查的数据中，颜志杰（2005）综合Tobit模型和Logit模型得出了具体涉及农户借贷行为的影响要素。张庆昉（2010）比较了家庭结构和行为对正式贷款和非正式贷款供求趋势的影响通过离散选择模型Biprobit模型。运用博弈论对农户借贷现象的分析相关资料不多，2008年史清华等人在对农户借款的分析时采用了博弈论的相关理论进行验证。曹玉贵和李一秀（2009）等人通过对博弈论的使用，进而创建了金融机构与金融行为的博弈关系模型，并完成了对金融机构和农户贷款行为存在缺陷进行了完整的博弈分析。（五）互联网+与农户借贷的文献综述Malone（1987）认为，在互联网这样信息高效便捷的交流方式下，极大的节约了沟通以及时间的成本。这将逐渐推动市场交易方式从间接到直接，循序渐进，促进经济活动发展。此外，传统金融市场的相关方面也受到了互联网的重大影响。 Economides（2001）认为互联网将对金融市场产生十分深远影响。首先，在个体经济的发展中，得益于互联网快捷的交流渠道，以及加快实体经济在市场上的发展。Granados（2006）认为，市场在很大程度上受着互联网技术的影响，并对市场的结构和透明度产生了一定程度的影响，有利于电子市场的公正性和透明性。互联网金融的不断发展会推动农户借贷行为的飞速前进。（六）文献评述学术界关于农户借贷模式如何应对互联网时代的挑战和机遇的研究尚处于起步阶段。就国内外当前的研究成果而言，他们大多认为互联网技术的发展将对农户借贷起到积极的推动作用。虽然目前关于农户贷款和互联网金融研究成果的文章很多，但以互联网时代为背景的农村家庭贷款模式的转变非常少见。同样的个别文章涉及互联网与农民贷款之间的关系，但它们在具体内容方面也缺乏系统性和深度。从经验和认识的角度来看，影响农户借贷需求的主要因素有自己的基本条件。包括年龄，性别，文化程度，家庭状况，如家庭人数，公司规模，收入，主要经济来源，互联网意识，互联网金融意愿等。进行贷款时的不确定因素很多，比如户主的年龄就是一个影响因素。年龄越大一般观念就会趋于保守，而且支出会减少也就没有那么大的金融需求。而年轻一代则大都有一份稳定的工作来源，对于借贷也没有十分迫切的需要。在性别方面没有什么特殊的影响，主要是由于普通农户以男户主为户主，女户主为家户，因此没有任何分析。?家庭教育水平对家庭贷款行为的影响仍不确定，一般我们把受教育程度的高低与农户生产能力的强弱联系起来，受更好的教育，投资意识和贷款需求就越强。家庭劳动力人数对家庭借款需求的影响不确定家庭的家庭规模。但一般认为，劳动比例越高，农民收入越高。?农户经营规模，由于耕地和花卉园的种植规模往往很大，需要投入的也很多，资金需求量较大。农户的收入多少跟是否有借贷行为有明显的关联性，经济收入越高往往有贷款行为，这是因为他的支出也很大。但是，与此同时，收入越高，就越有可能借钱。影响农户贷款的一大重要因素就是他的收入来源。一般认为从事生产经营活动的农民通常需要更多的资金。?农户对互联网的认知与使用意愿也会对农户的借贷行为产生影响，一般对互联网金融了解更多的人会更倾向于网络借贷。此篇论文是以沭阳县地区农户的借贷行为作为研究对象，并且结合大量相关论文研究成果，选定样区是一个发展迅速的农业县，人口众多，经济发展强劲。对农户贷款行为的研究结合农户所处的实地特点，综合以上分析，提出了具体的改善举措。以更好地为农民提供适当的贷款服务。帮助农民更快更好地贷款，促进农村金融的发展。三、互联网视角下农户借贷行为描述统计分析—以江苏省沭阳县为例（一）背景介绍沭阳县位于江苏省北部，占地3300平方公里，全县总户数49.44万户，户籍总人口197.05万人。其中，男性102.89万人，女性94.16万人。沭阳县农业种植制度是一年两熟，农民的收入主要就是靠种植水稻麦子和营销花木，同时也有较多的一部分人外出务工。作为著名的花木之乡，沭阳县的花木驰名国内外，为沭阳的经济发展提供了巨大的支撑。2017年，沭阳县实现地区生产总值770.14亿元，取得了人均可支配收了达两万余元，财政总收入更是达到了48亿元的高峰;消费品零售总额219.13亿元，项目500万元以上固定资产投资548.8亿元。（二）数据来源本次是通过本人采访韩山镇和官墩乡农户以及龙庙镇乡政府的协助所直接获取到的数据，调查问卷共有 150 份。所进行的实验分布为对韩山镇的凤沂村、赵口村和韩西村分别发放问卷20份、30份和20份，在官墩乡的戴山村和花圩村各发放了20份问卷，在龙庙的陇集村和李徐村各发放了20份问卷，有效问卷为142份。（三）农户基本情况分析（1）户主年龄分析/图3-1 户主年龄分布对调查问卷主要得出了两个结果，绝大多数的男性户主以及主要年龄分布于41-50岁和31-40岁这两个年龄组，占比46.67％和32％，≤30岁和≥50岁的户主这部分比例很小，其数值见图3-1。这与当地的风俗习惯更符合乡下地方。当孩子达到家庭年龄时，他们通常不会与父母分开。家长仍然是父亲。一般来说，差不多都到了30岁就是户主。（2）户主受教育程度分析/图3-2户主受教育程度被调查家庭的受教育程度普遍较低。一方面，由于户主年龄大，生活水平相对较低，教育机会很少。另一方面，农民对教育的关注程度也各不相同。低教育程度导致了低水平，初中文化程度最高的比例约为70.67％（这个数字高于实际情况，包括了未完成初中学业的），小学水平与文盲的比例约为16.67％，2％，中学占9.33％，高等教育占1.33％。这里的教育水平仅指户主接受的教育水平，而不是家庭户中最高的教育水平。（3）家庭人口数分析/图3-3家庭人口数量分析根据调查资料显示，家庭规模基本在3-4人左右，其中家庭人口比例分别为，42％和35.33％，在5人及以上的占13.33％，最少的是1和2人所占的比例分别为8％和1.33％。就实际状况而言，的确如此。但是在计划生育的影响下，农村最多也就两个孩子。户主的平均年龄大约为50岁，孩子结婚但仍然没有分居，将有更多的人口。家庭人口与劳动力占比较高，取值为（0.67,1），比例为41.33％；而全部人口都成为劳动力的比例则占了28％；剩下的包括与劳动力有相关性的人口，在0.5-0.67，比例约为21.33％。劳动力比例小于0.5的只发生在少数情况下，只占9.33％。这与当地的家庭情况也相符合。如图3-3所示。（4）农户用地面积分析/ 图3-4农户用地面积在本文中，农户的经营规模指的是农民自己种植作物和花木的田地面积。因此，从经营规模方面进行分析。有21户经营10亩以上的耕地，占比14％，其中3户规模达30亩；在5-10亩的所占比例为30.67％；而小于5亩的超过一半，有78户，占农户总数的52％。有5户没有农田占3.33%。如图3-4所示。农户非农化日益显著。首先是工业化和城市化的现代化。二是沭阳县是农业县，但其优势在于花木种植较为发达，因此可以有效的形成劳动力的积累。最后，在花木业发展的影响下，使得部分农民进行了非农转化。综上所述，非农农民的人口在日益增加。（5）农户年收入分析/图3-5年收入结构所占比由所获得资料显示，沭阳县整体具有较高的生活水平，家庭年收入在3万以下的农户数量较少，共计81户，占比54％。农户占第二大比，年所得收入3万到5万为54户，占36％的比例。最后，5万到10万和大于10万分别所占的比例为7％和3％。如图3-5关于年收入的详细说明（6）农户主要经济来源分析/图3-6各项农户经济来源的农户数根据所得出的结果表示，农户的经济来源主要包括纯农业，农业为主兼营，非农业为主兼营和纯非农业四个部分。其中以农业为主兼营的农户最多有54户，占36％，其次是纯非农业36户，占24％，再次是以非农业为主兼营，占总数的21％，最后则是纯农业的农户有29户占19%。由于农民经营规模小，机械化农业逐步普及，一些年轻的富余劳动力得到了解放。40岁以上的平均农户在家工作，年龄在20-40岁，在家外工作或在家工作。事实上，农业基本与其无关，再加上收割机等大机器的使用，使得劳动力的需求大幅度减少，花费时间也迅速缩减。从事农业的人也会在闲暇时间工作，从事农业和就业的农民比例将大大增加。此外，由于农业收入预期偏低，一些农民自愿放弃农业，或因征地而被迫放弃农业，转而从事自营业务。如图3-6所示。（7）农户对互联网金融的认知程度分析/图3-7农户对互联网金融的认知程度根据研究所得，农村目前对互联网金融的了解正在缓步加深。目前农村信用社，农商银行以及其他的商业银行都有网上进行借贷的手段，文化程度越高的农户越是愿意使用网上借贷，因为网上借贷的效率更为高效和便利。对互联网金融有所了解的人数已经高达79人，而对互联网金融不了解的人仅有71人连一半的数量都没有达到，如图3-7。证明农村对互联网金融的接受程度越来越高，对互联网金融推动农村经济的发展起到一个有效地推动作用。四、互联网金融视角下农户借贷行为分析——以江苏省沭阳县为例（一） 变量设计及模型构建1.变量设计在原有的研究方式和结果的基础上，，通过问卷调查的方式，将基于现有的研究方法和结果，本文在问卷调查的基础上，选择贷款行为设置为因变量。对于农民本身，农户借贷行为最为重要，因而将作为自变量。具体说明见于表4-1。本次将确定8个自变量，分别为户主受教育程度（x1）、户主的年龄（x2）、家庭人口数（x3）、用地面积（x4）、家庭年收入状况(x5)以及最主要的收入来源（x6），再加上互联网金融的认知程度（x7）和使用互联网的意愿（x8），将是否发生借贷行为作为因变量（y）所建立的计量经济模型。表1和表2是变量和变量的描述性统计以及测量方法的意义说明。表1变量含义及测量变量标识单位测量方式法是否发生借贷Y-两分类变量（需要=1；不需要=0）户主受教育程度X1-次序型变量（文盲=0；小学=1；初中=2；中专或高中=3；大专或大专以上=4）户主年龄X2岁次序型变量（小于30=1；31-40岁=2；41-50岁=3；大于50岁=4）家庭人口数X3个次序型变量（1人=1；2人=2；3人=3；4人=4；5人及以上=5）用地面积X4亩次序型变量（0亩=0，1亩-5亩=1；5亩-10亩=2；10亩以上=3）年收入X5元次序型变量（3万元以下=1；3万-5万=2；5万-10万=3；10万以上=4）主要经济来源X6-次序型变量（纯农业=1;农业为主兼营=2;非农业为主兼营=3;非农业=4）对互联网金融的认知程度X7-次序型变量（不了解=0；一般=1；了解=2）使用互联网的意愿X8-两分类变量（愿意=1；不愿意=0）表2变量的描述性统计变量均值标准差最小值最大值Y0.5600.49801X11.9000.64204X22.5007.66614X32.5801.03815X42.1404.32303X52.5000.85715X61.3730.97304X71.5600.89202X81.8500.742012.模型简介因变量y取值为[0,1]。当y = 1时，P表示农民向贷款对象贷款的概率（贷款对象包括债务、亲属朋友、贷款和正规金融机构等）；当y=0时，p表示农户无贷款概率。p取[0，1]。将 p/(1- p)取自然对数，得到 ln( p/(1- p))，y的logit转换写为以下线性回归方程logity=ln????1?????=????+????1????1+????2????2+????3????3+????4????4+????5????5+????6????6+????7????7+????8????8以y做因变量，logit回归模型可以表示为p=11+?????????????????????????(????)=11+?????(????+????1????1+????2????2+????3????3+????4????4+????5????5+????6????6+????7????7+????8????8)（二）单因素方差分析为了区分每个自变量对因变量以及自变量与自变量之间相互作用的影响的显着性，要首先进行自变量的单因素方差分析，所得出的结果如表3所示表3单因素方差分析表平方和自由度均方根F值显著性受教育程度X1组间0.8581.0000.8582.1700.154组内60.752146.0000.420总数61.510147.000年龄X2组间321.4761.000321.4765.6200.018组内8445.378146.00056.896总数8754.833147.000劳动力数X3组间1.8651.0001.8651.7400.180组内158.785146.0001.062总数161.540147.000用地面积X4组间114.4001.000114.4006.2530.014组内2661.160146.00018.148总数2784.550147.000年收入X5组间0.2341.0000.2340.3320.577组内119.256146.0000.748总数119.500147.000主要经济来源X6组间1.1941.0001.1941.1580.026组内139.989146.0000.936总数141.083147.000对互联网金融的认知程度X7组间0.7661.0000.7660.5900.035组内125.653146.0000.385总数126.429147.000使用互联网金融的意愿X8组间0.6301.0000.6300.4570.024组内158.655146.0000.696总数159.325147.000从表中可以看出，各年龄组，用地面积，主要经济来源，互联网金融意识和互联网金融意愿的统计差异显着（显着性小于0.05）;农村家庭在教育水平，劳动力和年收入方面没有显着差异。因此，可以看出，影响农民贷款的主要因素包括年龄，家族经营规模以及所从事的主要经济活动。农户的受教育程度可能没有太大差异，高等教育水平一般都是从事非农活动，所以教育水平对农户借贷意义不大;家庭户数对家庭年收入有直接影响，但贷款与年收入之间却几乎毫无关系。在低于显着性0.05的情况下，影响贷款的因素主要包括农户年龄，用地面积，主要经济来源，互联网金融意识，互联网金融意愿等5个因子。这里我们会知道互联网金融的程度。而使用互联网金融的意愿结合了这两个因素互联网金融中的惠普程度。因此，在进行下面的回归分析时，可以进行简化的线性分析。（三） logisitic 回归模型分析表4所表示的是并不在第一次拟合中的方程中变量。这个测试表明，如果将方程中的变化分别包含在方程中，那么方程中的变化是否会显着。可以看出，如果方程中包括教育水平X1系列的变量，则方程的变化是显着的，X4，X6，X8和X7（在此将X7和X8合为一项X9）是如此。然后使用逐步回归法（逐步计算）来计算模型中包含的变量的显着性，也验证一下模型中的变量是否存在多重共线性。表4第一次拟合不在方程中的变量得分dfSig.步骤0变量受教育程度X15.51610.029年龄X22.07210.152劳动力数X31.74310.198用地面积X46.12910.014年收入X50.34410.574主要经济来源X61.15410.026互联网金融惠普程度X90.18610.017总统计量17.14480.186表5 回归结果—方程中的变量系数值标准误差卡方值自由度显著性OR值OR值95%可信区间.下限上限步骤1用地面积X40.1670.0745.15010.0241.1691.0131.369常量-0.0480.1960.05810.8120.956步骤2用地面积X40.2620.0988.37610.0061.2861.0881.556主要经济来源X60.4890.2463.81510.0521.6150.9962.622常量-1.3700.5745.83210.0180.262步骤3用地面积X40.9060.13416.12910.0051.7581.1081.624主要经济来源X60.3860.2045.91410.0411.8541.0272.477互联网金融惠普程度X90.7510.18616.73210.0382.0460.9432.342常量-1.7660.23855.41610.0140.247在显著性水平为0.05的标准下，用地面积，主要经济来源和惠普互联网金融的统计显着性分别为0.005， 0.041和0.038。这是非常显着的，OR值分别为1.758，1.854和2.046，它们也在OR值的95％置信区间内;同时，在逐步回归中，并没有因为一个新的变量的引入导致之前的变量不再显著，因此用地面积，主要经济来源以及互联网金融的惠普程度彼此间并不存在多重共线性。因此，变量都可以保留在方程中。所以该回归方程可以写为logity=ln????1?????=?1.766+0.906????4+0.386????6+0.751????9综上所述，对贷款行为产生影响的因素包括农户用地面积，主要经济来源，惠普互联网金融度。农田一般种植大米和小麦两种作物。由普通农民管理的农田面积小，自给自足。与此同时，一些农户已经放弃农田，转向非农业农场。因此，部分农户的经营规模会有扩大的趋势。但这类农户虽然可以完成自给自足，但在经营上会占用较多的资金，以用于种肥和机械化。所以资金的需求强度完全取决于耕地面积。此外农民经营的花木主要是出售，只有一小部分的花木被观看。沭阳县盛产花木，所以它可以被看作是经济作物，预期收益将高于稻米和小麦。花圃面积越大，农民的经济需求越强。所以，农户用地面积越大，经济需求越强。农民的主要经济来源也对农民的贷款行为产生重大影响。农民工和半工半农的贷款所需并不多，只需要通过自筹以满足资金，但就纯农户而言，其需求往往较高。另一方面，由于前期投入生产，种植前期资金需求强劲，个体和私人农户一般从事个体经营的工商业，这需要大量的流动性和强大的资本要求。互联网金融的惠普程度将对借贷产生正相关的效果。这也表示普惠程度越高，所借贷的可能性也就越大。（四）主要结论本文在“互联网+农村金融”的大背景下，利用江苏省沭阳县150个农户调研数据，农村金融市场中心就是贷款，因而对于经济的发展具有至关重要的影响。由沭阳县的150户所得出的总体结果是贷款的需求相对较少，所借取的额度也较低。主要得出以下结论（一）农户借贷行为的基本特征。（1）借贷的方法较为普遍。在所进行的150个实验样本中，得到了84个借款样本，占总数的56%；（2）贷款额度范围并不是很大，一般都是小额信贷，其中35％是50-10000元的额度范围，28%是1万-5万元，高于10万元的只有5笔；（3）主要贷款渠道是非正式渠道，包括违约行为和亲友借款。信用拖欠贷款一般用于农业生产，而亲友借款则是为了生活更多，尤其是建房；（4）不同类型的农户有不同类型的资金管理要求，借款方式也有差异。农民工的资金需求普遍疲软。其次，半农户和农户对资金需求不强。纯农户和农户的资金需求相对较强。纯粹的农民倾向于违约，而经营农民往往有大量的贷款倾向于正式的金融机构；（5）农民对信用社依旧处于低认知状态，大多数人并不清楚信贷项目。 其中，约有60％的农户知道一点，约有50％的农户对农村信用社的贷款程序不满意。77％的农民对信用社的认知只单纯停留在存款方面。（二）农户借贷行为的影响因素。通过对样本数据的研究与分析发现，贷款的影响因素主要是用地面积，主要经济来源以及互联网金融的惠普程度三部分。从统计数据来看，贷款的需求额度往往与用地面积以成正相关的关系，但往往进行拖欠。所以需要完成农业的季节性收入，并在收获实现后返还。其次，如果农户的主要经济收入来源是高工资收入，那么贷款便成为一个无关紧要的问题了。最后，互联网金融的惠普程度越高，农户获得贷款就越快捷。（三）农村互联网普惠金融的发展对农户借贷行为有正向关系。互联网金融在农村已经取得了一定的成果，具有了拓宽融资渠道，增加融资手段的效果。但就现实而言，农户关于互联网金融的了解有限，通过互联网进行借贷的借贷人员依旧很少，可以看出互联网金融的普及程度不足。五、政策建议1.拓宽农民融资渠道由于农村的互联网金融工具并未大范围的普及，所以要加大普及程度，进而扩大融资渠道，相关的部门也要采取措施，例如定期举办讲座，教导农户关于金融工具的使用以及由本村先了解金融工具的农户指导和教学暂时遇到困难的农户等方式，从而完成初步的宣传计划。2.快速建设互联网金融体系鉴于金融机构在支农惠农等方面缺乏服务的不足，加快农村的互联网金融体系建设不仅可以尽快打通融资渠道，而且在融资手段上也具有明显的优势。所以当地机构和相关部门应加快金融体系建设，以完成互联网与现实的双金融融合。3.提升农户自我发展能力我们不仅要完成支付比例的改变，而且要有“授人以渔”的方法，使农户具有较好的自我完善和发展的能力。其目标应主要在于人口少、收入低，但农业经营占比的资金流向盲点群众。当地的机构应进行职业的技能培训，使其具有自我完善和发展的能力，从而提升经营水平，实现借贷可得性。致谢参考文献[1]S.Popkin.The Rational of Economy Political Peasant:the Rurul Society in Vietnam[M].University?of?Cal?ifornia?Presee,1979 129-?140[2]A.V.Chayanov. The Theory of?Peasant. Economy, Madison [M].University of Wisconsin Presee,1986，39-47[3]Aleem. I. Imperfect information screening and the cost of informal lending:A study of rurual credit market in Pakistan [J]World Bank Economic Review,vol.4,no.3: 329-349[4]Undy.C. Credit markets in north Nigeria: Credit as Insurance in rurual economy. [J]World?Bank?Economic?Review,vol.4,no.3:?297-327.[5]张杰中国农村金融制度:结构、变迁与政策[M]北京: 中国人民大学出版社，2003:5-12[6]T.W.舒尔茨.改造传统农业[M].中译本，北京:商务印书馆，1987[7]王曙光，乔郁.农村金融学[M]北京:北京大学出版社，2008，46-77[8]李延敏.中国农户借贷行为研究[M]北京:人民出版社，2010,23-34[9]黎翠梅，陈巧玲.传统农区农户借贷行为影响因素的实证分析_基于湖南省华容县和安乡县农户借贷行为的调查[J].农业技术经济，2007，(05);44-48[10]马晓青.上海地区农户信贷需求与融资偏好的实证分析[J].消费导刊,2010,(02):45-46[11]史清华.农户经济可持续发展研究一浙江十村千户变迁(1986-2002)?[M]北京.中国农业出版社，2005[12]温铁军.重新解读我国农村的制度变迁[J]天涯，2001(02)[13]霍学喜，屈小博.西部传统区域农户资金借贷需求与供给分析一一对陕西渭北地区农户资金借贷的调查与思考[J]中国农村经济，2005(08)60-67[14]汪丽媛，冯庆水.把握农户借贷特征完善农村金融体系[J].安徽农学通报，2010,16(13):15-16[15]史清华.农户家庭储蓄与借贷行为及演变趋势研究[J]中国经济问题，2002，(6)66-78[16]郑世忠.交易成本对农户借贷行为的影响分析[J]内蒙古科技与经济，2008，(11);4-10[17]官建强，张兵.影响农户借贷需求的因素分析[J]中国农学通报，2008，(05):501-507[18]张庆昉.农户结构和行为对借贷倾向的影响矿究_基于湖南2000户农户的问卷调查[J]财经理论与实践，2010，(05):25-29[19]李延敏.不同类型农户借贷行为特征[J]财经科学,2008，(07):23-30[20]邱书钦.转型期传统农户借贷特征实证分析[J]经济研究导刊，2008，(20):105-106[21]刘松林，杜辉.基于农户收入水平的借贷需求特征分析[J]统计与决策，2010，(08);90-92[22]罗俊勤.浙江农户借贷需求的差异分析一一基于浙江省农户借贷行为的调查[J]特区经济,2010，(02):183-185[23]周小斌，耿洁，李秉龙.影响中国农户借贷需求的因素分析[J]中国农村经济，2004，(8):26-30[24]颜志杰，张林秀，张兵.中国农户借贷特征及其影响因素分析[J]农业技术经济，2005，(4):16-20[25]陈晓声, 吴晓忠, 张志超.普惠金融视角下农户借贷行为分析与福利效果测算[J].中国流通经济,2016，(3):94-101. [26]鲁钊阳.P2P网络借贷能解决农户贷款难问题吗?[J].中南财经政法大学学报,2016，(2):149-156. [27]杨小玲, 杨建荣, 尹倩文.互联网金融的信息比较优势与农村金融改革探讨[J].农村金融研究,2017，(1):68-71. [28]易小兰, 莫媛.放宽市场准入下农户借贷渠道选择及其影响因素分析[J].财政与金融, 2016, (3) :67-72[29]张海滨. 凉城县农户借贷行为研究[D].内蒙古农业大学,2017.附录 一、被调查农户的家庭情况户主姓名____ 年龄____性别□男 □女受教育程度□未上过学 □小学 □初中 □中专或高中 □大专或大专以上家庭人口数____? 劳动力个数____?用地面积□0亩 □0-5亩 □5亩-10亩 □10亩以上年收入 □3万以下 □3万-5万 □5万-10万 □10万以上主要经济来源□纯农业 □以农业为主兼营 □以非农业为主兼营 □纯非农业二、农户金融需求情况?最近三年是否存在赊欠行为??□有 □没有若有，一年内赊欠的次数？□一次 □两次 □三次 □三次以上具体用途□教育 □医疗 □生活用品 □农业生产资料 □非农业生产资料□建房购房 □其它（请注明）每次情况分别是赊欠的金额 □500—1000? □1000—5000? □5000-1万 □1万以上赊欠的期限____最近三年，您是否向亲戚朋友或者民间借贷者提出过借款？□是 □否若有，一年内借款的次数？□一次 □两次 □三次 □三次以上具体用途□教育 □医疗 □生活用品 □农业生产 □非农生产经营 □婚丧嫁娶 □建房购房 □日常生活 □其他（请注明）借款的金额____? 借款的期限____?3.最近三年，您是否有向信用社或其他银行申请过贷款？□是 □否您贷款是在在哪里办理的 ？□信用社 □其他银行借款的用途 □日常生活 □建房购房 □教育 □医疗 □农业生产 □非农生产经营 □生活用品 □人情往来 □其他（请注明）您贷款的类型 □抵押贷款 □小额信用贷款 □担保贷款 □扶贫贷款 □其它若没有，原因是□不需要 □提出也得不到 □利息高 □贷款手续太麻烦 □贷了也还不起 □其他三、互联网金融的惠普程度您对互联网金融的认知程度□不了解 □一般 □了解您曾经使用过网上借贷吗□是 □否如果有，并且贷款成功的话请注明贷款的金额____? 贷款的期限____?您愿意使用互联网吗□愿意 □不愿意
目录
摘要1
关键词1
Abstract 1
Key words 1
一、引言1
（一）研究背景1
（二）研究意义2
（三）研究内容2
（四）研究方法 3
二、相关理论和文献综述3
（一）互联网金融的研究3
（二）农户借贷行为相关理论4
（三）国内外互联网金融研究 4
（四）农户借贷行为研究综述4
（五）互联网+与农户借贷的文献综述 6
（六）文献评述6
三、互联网视角下农户借贷行为描述统计分析—以江苏省沭阳县为例6
（一）背景介绍6
（二）数据来源7
（三）农户基本情况分析7
四、互联网金融视角下农户借贷行为分析——以江苏省沭阳县为例10
（一）变量设计及模型构建10
（二）单因素方差分析 12
（三） logisitic 回归模型分析 13
（四）主要结论 15
五、政策建议 15
六、致谢 16
七、参考文献 16
八、附录 17 互联网+视角下农户借贷行为研究
——以江苏省沭阳县为例
引言
引言
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jmgl/jjymy/811.html
