2013年-世界发展银行全球_Microfinance_and_Moneylenders__Long-Run_Effects_of_MFIs_on_Informal_Credit_Market_in_Bangladesh_38页_672kb

总结：Microfinance and Moneylenders: Long-run Effects of MFIs on Informal Credit Market in Bangladesh

核心内容

本研究分析了孟加拉国农村地区微型金融机构（MFIs）扩张对非正式信贷市场的影响，特别是对钱庄利率和家庭对非正式贷款的依赖。研究使用了两个来自孟加拉国的调查数据集，结合先进的计量经济学方法，对MFIs与钱庄之间的互动关系进行了深入探讨。

主要观点

1. MFIs与钱庄利率的关系

   • 研究发现，当MFIs的覆盖率足够高时，钱庄的利率会显著上升，而低覆盖率下则没有明显影响。
   • 这一结果部分反驳了支持者认为MFIs通过竞争降低钱庄利率的观点。
   • 高利率可能是由于钱庄在面对更差的借款人池时，不得不提高利率以覆盖固定成本。

2. 家庭对非正式贷款的依赖

   • 家庭成为MFIs成员后，其对钱庄贷款的依赖显著下降，这与部分批评者的观点相矛盾。
   • 这表明MFIs的加入可能促使家庭转向更正规的信贷渠道，从而减少对钱庄的依赖。

3. 竞争效应与选择性偏差

   • MFIs通过“筛选效应”（Cream Skimming）吸引更好的借款人，导致钱庄面临更差的借款人池，从而提高利率。
   • 家庭在选择是否加入MFIs时也存在自我选择偏差，即那些更具企业家精神和风险承受能力的家庭更可能加入MFIs。

4. 识别方法的创新

   • 研究采用非传统的识别方法，如最小偏差（MB）倾向得分重加权估计和异方差性（Heteroskedasticity）基于的识别方案，以应对传统方法中未观测变量带来的偏误。
   • 这些方法利用了MFIs在不同村庄中设立分支机构时的异方差性，例如固定成本和贷款员的私人信息，从而提供更准确的因果效应估计。

关键信息

• 数据来源：研究使用了孟加拉国西北部的800个村庄的横截面数据（2006-2007年）以及BIDS-BRAC的7年面板数据。
• 样本特征：约40%的农村家庭已成为MFIs成员，2011年孟加拉国MFIs借款人数达到3500万。
• 理论模型：研究基于一个三角模型，其中钱庄利率与MFIs覆盖率之间存在复杂的因果关系。
• 识别挑战：由于MFIs的选址并非随机，传统的OLS回归容易受到未观测变量的偏误影响。
• 计量方法：研究采用了匹配法、IPW估计和MB估计，以及Klein和Vella（2009a）的异方差性识别方法，以提高估计的准确性。

结构分析

2.1. 实证策略

• 使用二元处理变量（高覆盖率或低覆盖率）来分析MFIs对钱庄利率的异质性影响。
• 识别关键阈值，如平均覆盖率（42%）作为处理变量的定义标准。
• 考虑不同阈值下处理组和对照组的设定，以确保估计的稳健性。

2.2. 无需标准排除限制的识别方法

• 匹配、IPW和MB估计：这些方法旨在减少OLS估计中的偏差。
• 异方差性识别方法：Klein和Vella（2009a）的方法利用了处理方程中的异方差性，作为识别因果效应的工具。
• 异方差性来源：包括固定成本、贷款员的私人信息和家庭特征（如贫困程度和土地拥有情况）。

结论

本研究的结果表明，MFIs的扩张在一定程度上提高了钱庄的利率，但减少了家庭对非正式贷款的依赖。这与支持者的预期相悖，但也部分反驳了批评者的观点。研究强调了在评估MFIs对非正式信贷市场的影响时，识别方法的重要性，以及未观测变量可能带来的偏误。通过创新的计量方法，研究为理解MFIs与钱庄之间的复杂互动提供了新的视角。