信贷排斥对农民非农创业的影响

■孙浩男，夏 咏

一、引言与文献综述

自改革开放以来，中国的经济迅速发展，跻身世界经济大国。但随着经济发展进入“新常态”，经济增速由2011年的9.6%下降到2018年的6.6%，人口红利处于向人才红利的转变过程之中，如何由原来粗放式的经济发展模式转变为依靠创新创业的高质量发展模式，实现新旧动能转换，摆脱中等收入陷阱是当前我国经济社会面临的重大问题。因此，在2014年9月夏季达沃斯论坛上李克强总理提出了“大众创业，万众创新”的口号，目的就在于进一步激发市场活力和社会创造力，推动创新创业高质量发展。据统计，2013年全国就业总人口约为7.70亿，其中城镇就业人口达到3.82亿，同比增长3.07%，而农村就业人口为3.87亿，同比下降2.19%。城乡之间劳动力就业不平衡可能会进一步扩大城乡收入差距，同时，农村地区存在一定的贫困问题，有的地区甚至出现了“一方水土不能养一方人”的严重贫困问题。促进农民个体自主创业，可以提高农民收入水平，减缓城乡收入差距逐渐扩大的趋势。因此，为促进城乡平衡发展，解决城乡收入差距日益扩大的问题，2015年国务院出台《关于支持农民工等人员返乡创业的意见》等支持政策。创新创业不但可以进一步释放市场活力，增加居民收入，而且能起到推进产业升级转型的作用，是新常态下重要的经济增长点。但一个令人奇怪的现象是：农民在这一过程中虽然有所参与，但大多数仍旧从事传统的农业生产，并未投入到能大幅提高收入的工商业经营当中，根据中国家庭收入调查（CHIP）2013年的调查数据，选择非农创业的农民在农民中的占比仅为7.12%，这与农民自身特征和小农思想有关，也和广泛存在于我国农村地区的信贷排斥有密切联系，信贷排斥无疑为农民选择非农创业（除非特别说明，下文的农民创业皆为非农创业）设置了一个门槛，降低了农民选择工商业创业的可能性。因此，为了消除信贷排斥对农民创业的阻碍，我国制定并出台了《国务院关于大力推进大众创业万众创新若干政策措施的意见》、《关于推动创新创业高质量发展打造“双创”升级版的意见》等文件，提出继续推进普惠金融发展，提高金融包容性，为创新创业提供金融支持，但在具体实施过程中，由于农民创业者生产规模有限，缺乏合格抵押品，导致相当部分农民不符合商业银行信贷标准；同时，商业银行和创业主体之间存在严重的信息不对称，道德风险和逆向选择问题，这加大了个体创业融资过程中的议价成本、搜寻成本等，信贷排斥状况并未得到根本改善，选择创业的可能性也未见明显提高。因此，信贷排斥是否直接影响农户的创业可能性？如果产生影响，那么信贷排斥在多大程度上影响到农民非农创业的可能性？研究信贷排斥和农民非农创业可能性之间的作用机理，对于中国更好地引导农民创业、缩小城乡收入差距具有重要意义。

国内外部分学者将农民创业的主要影响因素归结为农民个体禀赋特征、社会网络和经济、社会与政策环境三个方面。首先，就农民创业者个体角度而言，年龄（赵清军，2018）、性别（Rosenthal&Strange，2012）、婚姻状况（钟王黎和郭红东，2010）、受教育程度（尹志超等，2019）、工作经历（Evan&Leighton，1989）、企业家才能（张秀娥等，2010）、社交能力（刘滨等，2019）、风险偏好程度（Parker，1996）和民族（陈龙涛等，2016）等因素在不同方向和程度上对其创业可能性产生影响。其次，社会网络、社会资本均同农民创业息息相关，社会网络可以在一定程度上降低信息不对称所带来的成本，并补充由于受到信贷排斥导致的不能从正规金融机构获取的创业资金，良好的社会网络可以为农民创业提供丰富的信息和广泛的渠道（赵清军，2018；马光荣和杨恩艳，2011），而且农民创业的最终结果也受到社会资本的影响（阮荣平等，2014）；创业所需的信贷资源通常为乡村中的“精英”农民及其家庭所“俘获”（温涛等，2016）。家庭和亲朋好友中有干部或者公务员的农民有更强的创业意愿（尹志超等，2019），这与赵清军（2018）所得出的结论不谋而合。最后，国内外学者也分析了农民所处的经济、政策环境和创业氛围（郑军，2013；张开迪等，2018；张龙鹏等，2016），研究者的结论较为一致：良好的经济、社会与政策环境对于农民创业必不可少。

信贷排斥与农民创业融资密切相关，而信贷排斥问题在世界范围内广泛存在。Leyshon et al.（1993）发现英国金融机构减少农村网点会阻碍农民的正常借贷行为。Gómez（2019）发现欧洲12个国家金融体系中存在的信贷排斥问题不利于就业与创业。在中国农村，信贷排斥的存在妨碍了农民的正常借贷行为（李明贤和唐文婷，2017）。相关研究表明融资成本越高，创业的活跃度就越低（刘宇娜和张秀娥，2013；谢绚丽等，2018），信贷约束会对经济主体进行创业产生负面影响（刘宇娜和张秀娥，2013；张龙耀和张海宁，2013；马光荣和杨恩艳，2011）。这均表明信贷排斥的存在降低了农民创业的可能性。与此相反的是研究者发现如果能够降低融资成本，那么农民创业的可能性将得到提高，卢亚娟等（2014）基于中国健康与养老追踪调查（CHARLS）2008的实证研究发现，农户家庭贷款总额每增加1万元，家庭选择创业的概率会提高8.8%。

综上所述，国内外学者对农民创业的影响因素进行了充分的定性分析和定量分析，尤其是实证分析了融资约束对农民创业意愿的影响。但现有文献在评价金融对农民创业的作用时，主要分析融资约束、融资成本高对创业的消极作用，却未充分分析这一现象背后的原因即广泛存在于我国农村的信贷排斥问题（谭洪业，2018），这一问题致使农民创业可能性降低、创业效率下降。因此，笔者将从造成融资难、融资贵背后的原因——信贷排斥入手，根据Evans&Jovanovic（1989）的创业模型，采用中国家庭收入调查（CHIP）2013年数据中31970个农民样本和中国银保监会发布的分县银行和分支机构数量，分析全国14省（直辖市、自治区）①14个省（直辖市、自治区）为北京、山西、辽宁、江苏、安徽、山东、河南、湖北、湖南、广东、重庆、四川、云南和甘肃。农村地区信贷排斥和农民创业可能性之间的关系。

二、理论分析与研究思路

国家出台的关于创新创业的支持政策，为广大农民进行创业提供了良好的外部机会和相关培训，此时农民所拥有的或者能够整合的金融资源无疑成为影响创业的关键因素。故而，有必要从个体融资的角度出发考察金融资源对于创业的重要性。对于个体而言，工资性收入被看作是进行创业的机会成本，当且仅当创业的净收益大于工资性收入时，农民才有创业的可能性，这意味着农民放弃原有工作进行创业必须具有较高的创业净收益才行，高的净收益要求高收入和低成本，当满足上述条件时，创业才是一种理性行为，但信贷排斥会降低农民的非农收入。此外，信贷排斥导致的高融资成本为创业设置了一个准入门槛，当农民自身资金有限并受到信贷排斥而无法获得外部融资时，农民的创业也仅仅停留在想法之上，而无法转化为有效的创业行为。由此可见，信贷排斥是影响农民创业可能性的重要因素。

为了更清楚地说明信贷排斥对农民创业可能性的影响，根据Evans&Jovanovic（1989）的个体职业选择模型，笔者构建了一个静态模型。考虑农民个体在职业选择初期，面临两个选择，被雇佣或者自主创业，如果选择前者那么农民个体劳动收入为：

其中，l为农民个体的劳动投入，θ为常系数，γ为劳动产出弹性系数（0＜γ＜1）。

同时，农民自有资本k也会产生一定的利息收入，假设利息率为r，那么被雇佣农民的总产出为：

如果农民选择创业，那么农民创业产出为：

其中，k为农民创业资本投入，α和β分别为劳动和资本的产出弹性系数（0＜α，β＜1），μ为常系数。

进而，农民的创业净收益可表示为创业产出减去资本及其机会成本：

当且仅当创业的净收益大于工资性收入时，农民的创业行为才会发生：

整理可得：

假设在一定时期内农民的劳动投入不变，通过推导创业净收益函数最大值的一阶条件，可得劳动投入水平为l条件下的农民最优资本投入水平：

化简可得：

将k*带入创业净收益表达式当中，可得：

当且仅当创业的净收益大于工资性收入时，农民进行创业才是理性的，如图1所示。但是从中国农村金融和农民自身的现状进行分析，信贷排斥问题较为严重（董晓林、徐虹，2012），信贷排斥决定了农民难以获取金融资源（尹志超等，2019），这意味着农民创业投入的资本低于最优资本投入水平k*，在此种情况下，农民选择创业是非理性的，选择创业的可能性较低。

图1 金融资源与农民创业

据此，提出假设：当信贷排斥广泛存在时，受到信贷排斥的农民选择创业的可能性会降低。

三、数据及基本回归

（一）数据来源

所使用数据来源于2013年中国家庭收入调查（CHIP）①该数据由北京师范大学中国收入分配研究院提供，CHIP2013数据是2014年7～8月份，中国居民收入项目进行的第五轮全国范围调查，主要收集了2013年全年的收入和支出信息。样本覆盖了从15个省份126城市234个县区抽选出的18948个住户样本和64777个个体样本，其中包括7175户城镇住户样本、11013户农村住户样本和760户外来务工住户样本。本文所使用的CHIP2013数据主要为农户调查样本，涉及到农民是否自主经营工商业、融资途径、农民个体和家庭特征、资产与收入等相关信息。。选择该数据库的原因在于：一是该数据库涉及到被调查农民近三年内的个人借贷情况，并详细说明了借贷需求是否被满足，以及导致未申请贷款或贷款失败的原因，为区分农民是否受到信贷排斥提供了科学的划分依据；二是数据库详细分类了农民个体从事行业的数据；三是这一数据是已公开的较新的数据。

同时，对数据做了如下处理：剔除家庭成员中年龄小于16周岁的样本；根据尹志超等（2015）剔除自主经营农林牧渔业的农民样本，原因在于个体经营农业不能摆脱农业脆弱性，也缺乏创新所要求的内容；剔除县级代码不能与中国银保监会发布的县级银行及分支机构匹配的样本；剔除缺失重要观测值和存在异常值的样本。经上述处理后剩余31970个农民个体样本。样本涉及中国14个省（直辖市、自治区），分布于全国东中西部地区，且个体特征差异较大，具有较强的代表性。

（二）变量设置和描述性统计

1.被解释变量

被解释变量为农民自主经营工商业，如果农民以雇主或自营劳动者的身份从事制造业、电力、燃气及水的生产和供应业、建筑业、批发和零售业、交通运输、住宿和餐饮业、信息传输、软件和居民服务和其他服务业等则令其创业=1，否则创业=0。

2.核心解释变量

核心解释变量为农民是否受到信贷排斥，如果农民个体在3年内申请银行、信用社等金融机构贷款未被完全满足或有贷款需求却未向金融机构申请贷款，则令信贷排斥=1，否则为0。

3.控制变量

根据相关文献，选取反映农民个体禀赋特征、社会网络和经济、社会与政策环境的变量作为控制变量：已有文献认为农民选择创业的可能性与年龄有关（张秀娥和张峥等，2010；赵清军，2018）。部分文献认为性别会影响到农民创业的可能性（Rosenthal&Strange，2012）。已有文献发现婚姻状况会影响到农民选择创业的可能性（钟王黎和郭红东，2010），如尹志超（2015）发现已婚农民有更高的创业积极性。部分文献认为受教育程度也会影响到农民创业的可能性（尹志超等，2019），受教育水平高的农民更容易掌握与创业相关的知识，避免创业的盲目性，提高创业的可能性。也有文献发现工作经历会影响到农民创业的可能性（Evan&Leighton，1989），董晓林等（2019）在中国家庭金融调查数据中发现外出务工经历可以有效提高农民创业积极性。因此，本文控制变量包括年龄、性别、婚姻状况、受教育程度、是否有亲属担任公职、工作经历、民族等。上述控制变量均在不同方向和程度上影响到农民创业的可能性（如表1所示）。

表1 相关变量解释及描述性统计

表1报告了相关变量的描述性统计情况。从创业决策来看，样本中有7.12%的农民选择了自主经营工商业。从信贷排斥角度来看，非创业农民遭受的信贷排斥问题可能更多，约有23.62%的农民在创业中遭受到信贷排斥的问题，平均约有26.47%的非创业农民遭受到信贷排斥的问题，这与卢亚娟等（2014）的发现极为相似。就婚姻状况而言，创业农民结婚的比例为0.9246，而非创业农民的结婚比例约为0.7540。创业农民与非创业农民在受教育水平上有较大差异，创业农民普遍接受了完整的初中教育，而非创业农民平均受教育程度则为未完成初中教育。在年龄、性别、工作经历、家庭中亲人担任公职情况等其他变量方面，创业农民和非创业农民并没有明显区别。

本文共选取了9个变量来解释影响农民创业可能性的因素，虽然降低了遗漏变量的威胁，但解释变量间可能会产生多重共线性问题。使得参数估计量缺乏经济意义、变量的显著性检验失去意义，计量模型失去统计学意义。为此，采用方差膨胀因子对解释变量进行多重共线性检验，根据方差膨胀因子VIF值，最大的VIF值为1.84①限于篇幅，结果置于附录，如有需要请联系作者。，解释变量的VIF值均小于经验值10，因此解释变量间不存在严格多重共线性，不需要进行整合或剔除，全部解释变量均予以保留。

（三）基本回归

运用Logit模型进行信贷排斥对创业影响的估计，具体模型形式设定如下：

Y=β0+β1exclusion+β2X+μ （10）

式（10）是农民自主创业的概率选择模型。其中，Y为被解释变量，Y=1表示农民进行工商业创业，Y=0表示农民没有进行工商业创业。创业概率选择模型的解释变量包括：核心解释变量exclusion为信贷排斥，exclusion=1表示农民受到信贷排斥，exclusion=0表示农民未受到信贷排斥。控制变量X（年龄age、年龄的平方项age_squ、性别gender、婚姻状况marry、教育程度edu、家中亲属担任公职的情况administrator、工作经历social_exp和民族ethnic）。βi（i=0，1，2）分别为常数项、核心解释变量系数和控制变量系数，同时控制县/市固定效应。

表2 基本回归结果

续表2

表2报告了基准回归结果，结果表明在控制了年龄、年龄的平方项、性别、婚姻状况、教育程度、家庭中亲属担任公职情况（工作经历、民族）等特征后，信贷排斥对农户创业选择具有显著的负向作用。相对于未受到信贷排斥的农民来说，受到信贷排斥农民选择创业的可能性下降0.8697（0.8686、0.8699），说明信贷排斥导致农民无法有效获取创业所需的金融资源，遭受信贷排斥的农民创业积极性受到了较大的挫伤，信贷排斥严重地降低了到了农民选择创业的可能性，证明了本文的基本假设。

此外，从农民年龄和年龄平方项的系数可以看出，农户年龄与农民选择创业的可能性呈显著的“倒U型”关系，说明农民选择创业的可能性随着农民年龄的增长而增长，当农民超过一定年龄之后选择创业的可能性就会显著地下降，这与董晓林等（2019）的研究结论不谋而合。从性别来看，男性农民较女性农民有更大的可能性选择创业。已婚农民更可能选择创业，结婚之后家庭规模扩大，家庭劳动人口数上升，以及结婚致使夫妻双方的社会资源共享并扩大，降低了农民创业的成本和负担，提高了农民的风险承受能力，这为农民创业创造了有利条件（张龙耀和张海宁，2013；尹志超等，2019）。接受过的学历教育水平越高，农民创业的可能性也就越高，这也印证了董晓林等（2019）关于学历教育通过增强农民的人力资本进而提高创业的可能性的观点。家中有公职亲属的农民比没有公职亲属的农民选择创业的可能性低，这与赵清军等（2018）的观点相反。与董晓林等（2019）研究结果所不同的是，有外出打工经历的农民较无外出打工经历的在农村创业的可能性更低，这是由于外出务工农民在外地务工过程中收入较高，为选择存在较高风险的创业而放弃外出务工赚取高薪，机会成本过高。相对于少数民族农民，汉族农民创业可能性更高，但不显著。

在基本回归中通过控制上述与处理变量相关且会影响结果变量的控制变量，尽可能地消除遗漏变量偏误，在逐渐添加变量的过程中，各解释变量系数及显著性未见异常变动，这也证明回归结果基本稳健。

四、稳健性分析

（一）工具变量回归

考虑到双向因果和遗漏变量以及农民创业自选择的问题可能会致使模型存在内生性问题。农民可能在创业初期完全使用的是自有资金，但在进行创业的过程，由于生产规模的扩大，可能会面临融资的问题。此外，农民自身的能力及习惯等既可能会影响到其自身是否选择创业，又会影响到其是否受到信贷排斥，而这些因素是难以观测度量的。为解决内生性问题，使用银行等金融机构县级支行及分支机构数量作为工具变量进行稳健性检验。

该工具变量主要通过如下渠道影响到农民面临的信贷排斥：第一，银行等金融机构的县级机构及其分支机构网点数量，能够反映出信贷排斥中的地理排斥（王修华等，2013），银行网点数量越多，农民面临的地理排斥也就越低，会提高农民贷款的便利度，从而改善农民所面临的信贷排斥问题。第二，因为农民个体并不能控制其所在地区县级银行机构及其分支机构的数量，因此银行的县级支行及其分支机构是严格外生的。第三，这一变量一般也很难通过除信贷排斥之外的途径影响到农民是否选择创业。因而从理论上来说，这一变量是一个较为有效的工具变量。故本文选取银行等正规金融机构在县级及以下分支机构的数量作为工具变量，进行两阶段Probit回归，结果见表3。

表3报告了两阶段的工具变量Probit回归与基本回归（方程3）的比较①由于篇幅有限，在正文中并没有对比工具变量的两阶段Probit回归结果与方程1、方程2的结果，如有需要请联系作者。，Wald检验结果表明，在1%的水平上拒绝了信贷排斥不存在内生性的假设。在两阶段的工具变量回归结果当中，一阶段的工具变量F检验值为20.39，工具变量的t值为-2.69。因为F检验值大于经验值10（Stock&Yogo，2002），故拒绝了弱工具变量的假设，因此本文选取的工具变量有效。在控制其他变量不变的情况下，工具变量回归结果中核心解释变量系数仍然有较强的显著性，与基本回归相比，核心解释变量的影响方向基本是一致的，即信贷排斥对农民创业有显著的负向影响，因此基本回归的结果稳健。

表3 工具变量回归结果

（二）缩尾处理

虽然工具变量的回归结果符合预期，但这一结果是否由极端值造成的尚不能确定，为避免异常值对回归结果的干扰，改变农民年龄的筛选规则，对农民的年龄变量进行1%的缩尾处理，回归结果见表4。

由表4可知，信贷排斥对农民选择创业的可能性仍然具有显著的负向作用，相对于未受到信贷排斥的农民来说，受到信贷排斥的农民选择创业的可能性会下降86.97%（86.85%，86.99%）。农户年龄与农民选择创业的可能性仍然呈显著的“倒U型”关系。从性别来看，男性农民较女性农民有更大的可能性选择创业。已婚农民更可能选择创业。接受过的学历教育水平越高，农民创业的可能性也就越高。家中有亲属为干部和有外出打工经历对农民选择创业有显著的负向影响。

表4 缩尾处理后的基本回归结果

为保证回归结果稳健，在不断添加控制变量的过程中，各解释变量系数和显著性未见异常变动。同时，缩尾后的结果与缩尾前并无较大差异，显著性没有明显变化，因此前述基本回归结果稳健。

五、异质性分析

为进一步分析信贷排斥对不同地区、不同城市、家中是否有亲属担任公职以及不同行业的创业可能性的影响是否具有异质性，本文加入信贷排斥与地区、城市等的交互项，具体结果分析如下。

表5第（1）列报告了信贷排斥对不同地区的影响，相对于居住在东部地区的农民而言，信贷排斥对居住在中部地区的农民创业的可能性有显著的负向影响，这与谢绚丽等（2018）的分析结果相似，与其不同的是，信贷排斥对西部地区的农民虽然也具有负向影响，但是并不显著。第（2）列参考新一线城市研究所公布的城市分级排行，将研究样本所属地区划分为一线、二线、三线、四线和五线城市，加入了信贷排斥和分级城市的交互项，从回归结果可以看出，相对于属于一线城市的农民而言，信贷排斥对属于二线、三线城市农民的创业可能性有显著的负向影响，与尹志超等（2019）分析结果相反的是，信贷排斥对属于四线、五线城市农民的创业可能性并无显著影响。

表5 信贷排斥对农民创业影响的异质性

结合表5前两列报告的结果来看，一方面，东部地区的一线城市下属农村地区，受到发达城市的辐射作用较强，通常具备发达的村镇银行体系，除正规金融机构以外，还存在丰富而又发达的民间借贷网络，信贷排斥的存在并不会显著地影响农民创业的可能性；另一方面，相较于东部地区的一线发达城市，处于中部地区的大量二线、三线城市下属的农村地区缺乏丰富的融资手段，更需要正规金融支持，当信贷排斥存在时，会严重干扰到农民正常的借贷行为，降低农民选择创业的可能性。

表5第（3）列报告了信贷排斥与家中亲属担任公职的交互项结果。结果表明，与家中没有亲属担任公职的农民相比，信贷排斥对家中有亲属担任公职的农民的创业可能性并无显著影响。

表5的第（4）列和第（5）列为分别报告了信贷排斥对选择不同行业进行创业的影响结果。将行业分类为居民生活消费行业及非居民生活消费行业，其中与居民生活消费相关的行业具体包括批发和零售业、住宿和餐饮业、居民服务和其他服务业以及文体娱乐业等，非居民生活消费行业包括采矿业、制造业、电力、燃气及水的生产和供应业等。回归结果表明，信贷排斥对不同行业具有不同的影响，信贷排斥显著地降低了农民选择居民消费相关行业进行创业的可能性，对农民选择非居民消费相关行业进行创业也具有负向影响，但并不显著。从农民选择创业的行业来看，农村居民更有可能进入与居民消费相关的行业进行创业，这与他们的个体特征和自身性格有关（李强，2018）；此外，非居民消费行业通常为资本密集型行业，需要投入大量资本，要求创业者本人有较高的企业家才能，这些要求往往是当前农民个体难以达到的，即使农民要在这类行业进行创业，信贷排斥也不是农民面临的最大障碍，农民难以克服的问题在于缺乏正规培训和指导，没有足够经验且社会资源匮乏。此外，也没相关方面的政策扶持（刘宇娜、张秀娥，2013）。

六、结论

农民参与创业不仅是缩小城乡居民收入差距的可靠途径，也是经济新常态下内涵式发展的新增长点。近年来随着鼓励、促进“大众创业、万众创新”的相关政策提出，中国的创新创业活动也取得了长足发展，但信贷排斥降低了农民参与创业的积极性，大多数农民仍旧从事于传统的农业生产，并未投入到能大幅提高收入的工商业经营创业当中，这阻碍了缩小城乡收入差距的进程，不利于消除农村地区的贫困问题。

文章以农民创业可能性为研究对象，采用中国家庭收入调查（CHIP）2013的数据，实证分析了信贷排斥与农户创业可能性之间的关系。研究发现：首先，信贷排斥显著地降低了农户进行非农创业的可能性；其次，信贷排斥和农民所处地区对农民创业可能性具有联动影响，在信贷排斥存在的条件下，中部地区的农民创业可能性会显著地下降，属于二线、三线城市的农民的创业可能性也会显著下降；最后，信贷排斥对农民选择不同行业进行创业具有不同影响，对选择在居民消费相关的行业进行创业具有显著的负向作用。

基于结论，可获得的政策启示有：适当放松农村金融市场管制，推进普惠金融发展，降低金融服务门槛，丰富融资渠道，调整农村地区借贷模式，增加正规金融机构对乡镇和农村层面的金融供给，从供给侧逐步消除融资难、融资贵的问题。一方面，可以继续推进村镇银行建设，提高网点渗透度，增强金融的普惠性；另一方面，可以放宽农村小额贷款公司经营范围，补充银行服务。同时，借助新兴的移动互联网技术，加快发展数字金融，为农民创业融资提供便利条件，打破正规金融物理网点服务的时空限制；在促进金融向纵深发展的同时，要不断拓宽农民创业融资渠道，支持正规金融机构进行小微创业贷款产品和服务的创新，完善信贷评价体系，健全筛选机制，将更多具有创业意愿的农民纳入正规金融服务当中；作为正规金融重要补充的民间借贷，应当得到更好的引导和监管，政府应完善立法，从制度层面设计民间借贷框架，形成良好有序的非正规金融市场环境，在深度和广度上不断推进农村金融市场完善，提升金融普惠性，减少信贷排斥对农民创业的影响。未来，在农民信贷支持上，主要的努力方向仍在于提升金融普惠性，消除由于信贷排斥带来的融资难、融资贵问题，让广大农村居民在需要创业信贷支持时能够以合理的成本方便地获得资金，增强农村居民创业信心和积极性，随着创业农民的逐渐增多，实现农村产业振兴，消除农村多发易发的贫困问题，不但让一方水土能养一方人，更让一方水土能养好一方人。