几乎都包括内部治理这一基础性的因素，其他因素也是通过这一内因发生作用。因此，从某
种程度而言，农村合作金融机构内部治理水平是影响信贷风险管理成效的根本因素。

 

　　假设

5：农村合作金融机构的综合治理水平越高，其信贷风险越低。 

　　二、样本选择和模型设定

 

　　（一）样本选择和数据来源

 

　　本文研究覆盖

2006～2010 年陕西省 80 个县，24 个市区，共获得 520 个有效样本。变量

相关财务数据主要来源于中国银监会网站、

《中国统计年鉴》和陕西省各区县统计年鉴。部分

数据经计算整理而得。研究所选取主要变量统计指标见

. 

　　被解释变量：国内外的相关实证文献中，一般采用不良贷款率或违约率作为金融机构
信贷风险的代理变量，由于我国金融机构尚未建立违约概率数据库，出于数据可获得性考
虑，本文选择不良贷款率作为农村合作金融机构信贷风险的衡量变量。

 

　　解释变量：本文选择农村居民人均纯收入显示各区县的农村经济发展水平，反映农村
合作金融机构风险管理所面临的项目选择环境

[11]；选取地方政府财政支农资金反映当地

政府对

“三农”发展的财政支持情况[12]，其中 2006 年的财政支农资金用财政支出中支援农

业生产支出、科技三项支出和农林水利气象部门事业费三项数据之和，

2007 年之后用财政

支出中的农林水事务支出数据；选取地方政府财政收支差显示地方政府的财政压力，反映
地方政府干预农村合作金融机构金融资源配置和隐匿债务的可能性大小

[13]；另外，县域

农村合作金融机构与其他银行业金融机构在农业贷款领域存在业务同质，因此，本文选取
县域农村合作金融机构的农业贷款的市场份额，即该机构农业贷款占全部金融机构农业贷
款的比重来反映农村合作金融机构所处外部金融市场环境的发育程度

 [14]；农村合作金融

机构治理水平采用虚拟变量，改制为农村商业银行的，以现代商业银行的经营理念建立

“三

会一层

”的公司治理架构虚拟变量定义为 3，改制为农村合作银行的，采用现代企业的组织

管理方式，虚拟变量定义为

2，没有改制的农村信用社，按照一人一票，民主管理、合作互

助的原则进行规范，虚拟变量定义为

1。 

　　（二）模型设定

 

　　由于本文研究不同县（市）在不同时间点上的农村合作金融机构信贷风险的影响因素
牵涉到不同的横截面和时间序列，因此本文采用面板数据模型较合适。根据选定变量，我们
可以建立模型如下：

 

　　

Yit=α+β1NRit+β2GAit+β3GDit+β4FSit+β5FDit+ε 

　　（

1） 

　 　

Yit 为 回 归 变 量 ， 表 示 第 i 个 县 区 农 村 合 作 金 融 机 构 t 年 的 不 良 贷 款 率 ， i=1 ，

…，104，为横截面个数，分别表示 104 个区县；t=2006，…，2010，为考察的时期数。α 为
截距项，

β1，β2，β3，β4，β5 为各自变量的回归系数，ε 为随机扰动项。 

　　本文使用的面板数据具有截面成员较多而时期数较少的类型特点，对于这种数据类型
一般需要利用面板数据结构类型的工作文件进行变截距数据模型估计。根据对截面个体影响
形式的不同设定，变截距模型分为固定效应变截距模型和随机效应变截距模型。由于面板数
据的两维特性，模型设定的正误决定了参数估计的有效性。因此，首先要对模型的设定形式
进行

Hausman 检验。 

　　三、数据描述性分析与实证结果解释

 

　　（一）数据描述性分析

 

　　农村合作金融机构不良贷款率下降趋势明显不良贷款率由

2007 年的 25.3%降低至 2010

年

11.9%，降低了 13.4 个百分点。说明新一轮信用社改革取得了明显成效，对农村信用合作

社降低不良贷款率产生了有效激励。其一，央行专项票据置换不良资产，直接减轻了其历史
包袱。其二，农村合作金融机构增资扩股，贷款额急剧增加（见图

2）。其三，

“花钱买机