P2P網(wǎng)絡(luò)借貸中存在地域歧視嗎？
——來自“人人貸”的經(jīng)驗(yàn)數(shù)據(jù)

蔣 彧 周安琪

一、引言

歧視，即不平等對待，通常是由偏見的認(rèn)識(shí)和態(tài)度引起的。地域歧視是基于地域差異而形成的一種區(qū)別對待，其源于地域偏見和長期負(fù)面的輿論導(dǎo)向，通常由地域文化差異、經(jīng)濟(jì)發(fā)展不平衡等因素所引發(fā)(黃國萍和姚本先，2006[1])。在借貸關(guān)系中，地域歧視會(huì)降低借貸市場的資金配置效率，同時(shí)也不利于和諧社會(huì)的構(gòu)建。因此，研究借貸市場中的地域歧視現(xiàn)象具有重要的理論和現(xiàn)實(shí)意義。然而，由于銀行個(gè)人借貸與傳統(tǒng)民間借貸數(shù)據(jù)不可得，對借貸關(guān)系中的地域歧視現(xiàn)象研究甚少。近年來，隨著互聯(lián)網(wǎng)的普及和民間借貸的興起，一種新興的借貸模式——P2P(Peer-to-Peer)網(wǎng)絡(luò)借貸——日益為公眾熟知，其快捷而便利的借貸方式吸引著越來越多的人參與到網(wǎng)絡(luò)借貸中。P2P網(wǎng)絡(luò)借貸平臺(tái)海量公開的數(shù)據(jù)，為實(shí)證研究提供了數(shù)據(jù)支撐，使得研究借貸市場中的地域歧視現(xiàn)象成為可能。

本文運(yùn)用“人人貸” P2P網(wǎng)絡(luò)借貸平臺(tái)2011—2014年的交易數(shù)據(jù)，考察P2P網(wǎng)絡(luò)借貸中是否存在由收入水平不均衡引發(fā)的地域歧視現(xiàn)象。首先，根據(jù)人均可支配收入將我國省級行政區(qū)劃分為高收入地區(qū)、低收入地區(qū)和中等收入地區(qū)；其次，檢驗(yàn)借款成功率與借款利率在不同收入水平地區(qū)之間是否存在差異；最后，分析地域歧視在不同特征借款人之間是否存在差異。實(shí)證結(jié)果表明，P2P網(wǎng)絡(luò)借貸中存在明顯的地域歧視，主要體現(xiàn)在兩方面：對貸款人而言，傾向于向高收入地區(qū)的借款人提供資金，而不愿提供給低收入地區(qū)的借款人；對借款人而言，低收入地區(qū)的借款人傾向于設(shè)定較高的借款利率以吸引資金，高收入地區(qū)的借款人傾向于設(shè)定較低利率。同時(shí)，分樣本回歸的結(jié)果表明，地域歧視程度在不同特征的借款人間存在顯著差異。具體來說，針對低學(xué)歷、低信用、低認(rèn)證數(shù)量、高借款金額借款人的地域歧視較為顯著，而對高學(xué)歷、高信用、高認(rèn)證數(shù)量、低借款金額的借款人的地域歧視不甚明顯。

二、文獻(xiàn)綜述

國外學(xué)者對P2P網(wǎng)絡(luò)借貸中可能存在的歧視現(xiàn)象進(jìn)行了廣泛研究，發(fā)現(xiàn)其中存在多種形式的歧視現(xiàn)象，如性別歧視、種族歧視、年齡歧視等。Herzenstein等(2011)[2]以Prosper網(wǎng)站為研究對象，發(fā)現(xiàn)非裔美國人比其他種群的人貸款成功率低，存在種族歧視。Pope和Sydnor(2011)[3]根據(jù)Prosper上借款人上傳的照片和借款描述數(shù)據(jù)，發(fā)現(xiàn)存在性別歧視和年齡歧視。Duarte等(2015)[4]以Prosper為研究樣本，研究發(fā)現(xiàn)存在性別歧視和對西班牙裔和亞裔借款人的種族歧視。

針對P2P網(wǎng)絡(luò)借貸中的地域歧視現(xiàn)象，國外學(xué)者也進(jìn)行了研究。Ravina(2008)[5]研究發(fā)現(xiàn)借款人與貸款人間若具有相同的地域、種族及性別，則會(huì)顯著提高借貸成功概率。Lin和Viswanathan(2015)[6]得出相似結(jié)論，他們以Prosper為研究樣本，發(fā)現(xiàn)眾籌交易更可能發(fā)生在同一區(qū)域的人群之間，而不是外部區(qū)域。Mollick(2014)[7]以美國眾籌網(wǎng)站Kickstarter為研究對象，發(fā)現(xiàn)地域上的不同會(huì)導(dǎo)致眾籌項(xiàng)目成功率的不同，即存在地域歧視。

隨著我國互聯(lián)網(wǎng)金融的蓬勃發(fā)展，國內(nèi)學(xué)者對我國P2P網(wǎng)絡(luò)借貸中可能存在的各類歧視現(xiàn)象也展開了深入研究。李悅雷等(2013)[8]研究發(fā)現(xiàn)借款利率、借款人信用等級、成功借款次數(shù)、有推薦對借貸結(jié)果有正向促進(jìn)作用。王會(huì)娟和廖理(2014)[9]從信息不對稱的理論框架出發(fā)，發(fā)現(xiàn)信用評級越高，借款成功率越高且借款成本越低。莊雷和周勤(2015)[10]研究發(fā)現(xiàn)，P2P網(wǎng)絡(luò)借貸中信息披露質(zhì)量總體較低，存在顯著的身份歧視；在較高信息披露質(zhì)量的群組中，身份歧視并不顯著。廖理等(2015)[11]發(fā)現(xiàn)高學(xué)歷借款者如約還款的概率更高，但貸款人并未青睞高學(xué)歷借款人，學(xué)歷價(jià)值并未得到體現(xiàn)。國內(nèi)針對P2P網(wǎng)絡(luò)借貸中的地域歧視現(xiàn)象研究較少。廖理等(2014)[12]以“人人貸”網(wǎng)站為研究對象，發(fā)現(xiàn)各省份之間的訂單成功率存在顯著差異，而成功率較低省份的訂單違約率并沒有顯著高于其他省份，這說明P2P網(wǎng)絡(luò)借貸中存在非理性的地域歧視現(xiàn)象。

現(xiàn)有文獻(xiàn)為我們研究P2P網(wǎng)絡(luò)借貸中的地域歧視現(xiàn)象提供了有益借鑒，但也存在以下不足。首先，現(xiàn)有文獻(xiàn)對P2P網(wǎng)絡(luò)借貸的地域歧視現(xiàn)象研究較少，尤其缺乏對收入水平不均衡引發(fā)的地域歧視的研究；其次，現(xiàn)有文獻(xiàn)大多研究貸款人在選擇借款訂單時(shí)對借款人的地域歧視，缺少從借款人角度出發(fā)的研究?；谝陨戏治?，我們從貸款人與借款人雙向角度出發(fā)，著重研究P2P網(wǎng)絡(luò)借貸中由收入水平不均衡引發(fā)的地域歧視現(xiàn)象。

三、理論分析與假設(shè)提出

本文從借貸雙方的角度出發(fā)，考察P2P網(wǎng)絡(luò)借貸是否存在地域歧視現(xiàn)象。從貸款人角度出發(fā)，指的是貸款人對借款人所在的地域產(chǎn)生歧視，從而影響借款人的借款成功率；從借款人角度出發(fā)，指的是借款人在發(fā)布借款訂單時(shí)考慮到其所在的地域可能會(huì)受到歧視，進(jìn)而影響其借款利率的設(shè)定。如果以上兩種地域歧視現(xiàn)象存在，那么將分別表現(xiàn)為借款成功率和借款利率在地域間存在顯著差異。

在我國，引起地域歧視的原因有很多，例如對經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)的歧視、對農(nóng)村地區(qū)的歧視、對低收入地區(qū)的歧視等。在借貸關(guān)系中，借款人的收入水平，尤其是可支配收入水平將直接影響借款人的還款能力和違約可能性。長期以來，我國存在地域間收入水平不均衡現(xiàn)象，不同地區(qū)居民收入存在較大差異，由此可能引發(fā)借貸關(guān)系中地域歧視及其造成的不公平對待現(xiàn)象，即低收入地區(qū)的借款人可能會(huì)受到歧視，高收入地區(qū)的借款人可能更受青睞?；谝陨戏治?，本文根據(jù)人均可支配收入水平將我國31個(gè)省份劃分為高收入地區(qū)、中等收入地區(qū)和低收入地區(qū)，進(jìn)而研究高低收入地區(qū)間在借款成功率和借款利率上是否存在顯著差異，以此判斷P2P網(wǎng)絡(luò)借貸是否存在由收入水平不均衡引發(fā)的地域歧視現(xiàn)象。

(一)貸款人的地域歧視

在借貸關(guān)系中，收入水平是借款人還款能力的保障。通常而言，高收入地區(qū)居民按時(shí)還款的可能性高，違約的可能性低；反之，低收入水平地區(qū)居民違約的可能性高。因此，在同等條件下，低收入地區(qū)的借款人會(huì)受到貸款人的地域歧視，即貸款人更青睞高收入地區(qū)的借款人，不愿借款給低收入地區(qū)的借款人。貸款人對借款人的地域歧視會(huì)影響借款成功率，表現(xiàn)為高收入地區(qū)借款人的借款成功率高，低收入地區(qū)借款人的借款成功率低。基于以上分析，本文提出以下假設(shè)：

假設(shè)1：貸款人在選擇借款訂單時(shí)，存在對借款人的地域歧視，因此，高收入地區(qū)借款人的借款成功率高，低收入地區(qū)借款人的借款成功率低。

由于借款人自身特征及其借款訂單信息的不同，其受到的地域歧視可能存在差異。我們從借款人學(xué)歷、信用等級、認(rèn)證數(shù)量、借款金額四個(gè)方面對借款人進(jìn)行分類，進(jìn)一步分析不同類型借款人所受地域歧視的差異。一般而言，借款人學(xué)歷越高、信用等級越高、認(rèn)證數(shù)量越多，其誠信度與可靠度就越高，更受貸款人青睞，此時(shí)其所在地域?qū)⒉辉偈琴J款人關(guān)注的主要因素。與此相反，對低學(xué)歷、低信用等級、少認(rèn)證數(shù)量的借款人而言，貸款人無法給予更多的信任，此時(shí)借款人所在的地域?qū)⒊蔀橘J款人關(guān)注的主要因素。高金額借款訂單的違約風(fēng)險(xiǎn)高，貸款人在選擇借款訂單時(shí)會(huì)關(guān)注借款人所在的地域，傾向于向高收入地區(qū)的借款人提供資金。低金額借款訂單的違約風(fēng)險(xiǎn)低，借款人所在地域則不再受貸款人關(guān)注?；谝陨戏治?，本文提出以下四個(gè)假設(shè)：

假設(shè)1a：貸款人在選擇借款訂單時(shí)，學(xué)歷低的借款人容易受到貸款人的地域歧視，學(xué)歷高的借款人不易受到貸款人的地域歧視。

假設(shè)1b：貸款人在選擇借款訂單時(shí)，信用等級低的借款人容易受到貸款人的地域歧視，信用等級高的借款人不易受到貸款人的地域歧視。

假設(shè)1c：貸款人在選擇借款訂單時(shí)，認(rèn)證數(shù)量少的借款人容易受到貸款人的地域歧視，認(rèn)證數(shù)量多的借款人不易受到貸款人的地域歧視。

假設(shè)1d：貸款人在選擇借款訂單時(shí)，借款金額高的借款人容易受到貸款人的地域歧視，借款金額低的借款人不易受到貸款人的地域歧視。

(二)借款人的地域歧視

借款人在發(fā)布借款訂單時(shí)考慮到其所在的地域可能會(huì)受到歧視，為了提高借款成功率，低收入地區(qū)的借款人傾向于設(shè)置較高的利率，以吸引貸款人提供資金。與之相反，高收入地區(qū)的借款人考慮到其所在地域的優(yōu)勢，傾向于設(shè)置較低的利率，以降低借款成本。基于以上分析，本文提出以下假設(shè)：

假設(shè)2：借款人在發(fā)布借款訂單時(shí)，受潛在地域歧視的影響，低收入地區(qū)的借款人會(huì)設(shè)置較高的借款利率，高收入地區(qū)借款人會(huì)設(shè)置較低的借款利率。

我們從借款人學(xué)歷、信用等級、認(rèn)證數(shù)量、借款金額四個(gè)方面做進(jìn)一步分析。擁有高學(xué)歷、高信用等級、高認(rèn)證數(shù)量的借款人，由于提供了優(yōu)質(zhì)的個(gè)人信息，在設(shè)定借款利率時(shí)，不會(huì)輕易受到潛在地域歧視的影響。低學(xué)歷、低信用等級、認(rèn)證數(shù)量少的借款人，由于無法提供更多信息，會(huì)更多地顧及地域歧視的影響。金額較低的借款訂單的違約風(fēng)險(xiǎn)低，借款人在設(shè)定利率時(shí)不會(huì)過多顧及地域因素，而金額較高的借款訂單的違約風(fēng)險(xiǎn)高，借款人在設(shè)定利率時(shí)會(huì)顧及地域因素?；谝陨戏治?，本文提出以下四個(gè)假設(shè)：

假設(shè)2a：借款人在發(fā)布借款訂單時(shí)，學(xué)歷低的借款人容易受到潛在地域歧視的影響，學(xué)歷高的借款人不易受到潛在地域歧視的影響。

假設(shè)2b：借款人在發(fā)布借款訂單時(shí)，信用等級低的借款人容易受到潛在地域歧視的影響，信用等級高的借款人不易受到潛在地域歧視的影響。

假設(shè)2c：借款人在發(fā)布借款訂單時(shí)，認(rèn)證數(shù)量少的借款人容易受到潛在地域歧視的影響，認(rèn)證數(shù)量多的借款人不易受到潛在地域歧視的影響。

假設(shè)2d：借款人在發(fā)布借款訂單時(shí)，借款金額高的借款人容易受到潛在地域歧視的影響，借款金額低的借款人不易受到潛在地域歧視的影響。

四、實(shí)證模型與變量說明

針對以上提出的假設(shè)，我們選取P2P網(wǎng)絡(luò)借貸平臺(tái)“人人貸”的借貸數(shù)據(jù)，構(gòu)建回歸模型進(jìn)行實(shí)證檢驗(yàn)。

(一)數(shù)據(jù)來源與說明

P2P網(wǎng)絡(luò)借貸平臺(tái)“人人貸”成立于2010年5月，現(xiàn)已成為我國最具影響力的P2P網(wǎng)絡(luò)借貸平臺(tái)之一。“人人貸”平臺(tái)將所有借款訂單信息公布在其網(wǎng)站上，我們收集了從創(chuàng)建初期至2014年所有借款訂單數(shù)據(jù)?？紤]到網(wǎng)站在創(chuàng)建初期進(jìn)行了數(shù)據(jù)測試，為保證數(shù)據(jù)的可靠性，本文選取2011—2014年期間發(fā)布的所有有效借款訂單數(shù)據(jù)作為原始研究樣本。同時(shí)，為符合研究目的，我們對原始數(shù)據(jù)做了如下處理：(1)剔除標(biāo)的類型不是信用認(rèn)證標(biāo)的借款訂單*人人貸網(wǎng)站借款訂單標(biāo)的的類型共有信用認(rèn)證標(biāo)、實(shí)地認(rèn)證標(biāo)、機(jī)構(gòu)擔(dān)保標(biāo)和智能理財(cái)標(biāo)四種。其中，信用認(rèn)證標(biāo)占總樣本的比例較大，為79.41%。同時(shí)，由于實(shí)地認(rèn)證標(biāo)和機(jī)構(gòu)擔(dān)保標(biāo)在樣本期內(nèi)借款成功率接近100%，貸款人在選擇此類標(biāo)的時(shí)更關(guān)注擔(dān)保人而非借款人信息。對于智能理財(cái)標(biāo)，網(wǎng)站采用貸款人認(rèn)購此類產(chǎn)品、網(wǎng)站統(tǒng)一進(jìn)行分配的方法。此類標(biāo)的更接近于理財(cái)產(chǎn)品，其中貸款人不參與對借款訂單的選擇。因此本文選取符合研究對象的信用認(rèn)證標(biāo)，剔除訂單標(biāo)的類型為其他三類的借款訂單。；(2)剔除信息披露不完全的借款訂單；(3)剔除借款人年齡在18周歲以下的借款訂單*我國法律規(guī)定，十八周歲以上的公民是成年人，具有完全民事行為能力。由于借貸屬于民事行為，因此，本文保留年齡在18周歲以上的觀測值作為研究樣本。。最終樣本共包含242 062個(gè)觀測值。

(二)變量選擇與說明

1. 被解釋變量。

成功訂單(success)：啞變量，表示借款訂單是否借款成功。若成功則取值為1，失敗則取值為0。

借款利率(rate)：借款人在發(fā)布借款訂單時(shí)設(shè)定的借款利率。平臺(tái)規(guī)定借款利率的下限為同期銀行一年期基準(zhǔn)貸款利率，上限是其四倍。網(wǎng)站會(huì)根據(jù)市場情況，適當(dāng)調(diào)整借款利率的上下限。

2.解釋變量。

(1)關(guān)鍵解釋變量。

高收入地區(qū)(high)：啞變量，表示借款人是否屬于高收入地區(qū)居民。本文根據(jù)樣本期內(nèi)我國31個(gè)省級行政區(qū)城鎮(zhèn)居民人均可支配收入*數(shù)據(jù)來源：《2014中國統(tǒng)計(jì)年鑒》。，從高到低進(jìn)行排序，取收入排名前十的省級行政區(qū)為高收入地區(qū)，分別是上海、北京、浙江、江蘇、廣東、天津、福建、山東、遼寧、內(nèi)蒙古。若借款人所在地為以上十個(gè)省級行政區(qū)之一，則認(rèn)為借款人屬于高收入地區(qū)居民，取值為1；否則，取值為0。

低收入地區(qū)(low)：啞變量，表示借款人是否屬于低收入地區(qū)居民。根據(jù)樣本期內(nèi)人均可支配收入水平，取排名后十的省級行政區(qū)為低收入地區(qū)，分別是四川、江西、吉林、寧夏、貴州、西藏、黑龍江、新疆、青海、甘肅。若借款人所在地為以上十個(gè)省級行政區(qū)之一，則認(rèn)為借款人屬于低收入地區(qū)居民，取值為1；否則，取值為0。

(2)訂單信息變量(LoanFeatures)。

借款金額(amount)：訂單借款金額的對數(shù)值?！叭巳速J”的借款金額在3 000～1 000 000元之間，且為50的倍數(shù)。根據(jù)借款人的信用等級，平臺(tái)設(shè)定其信用額度，借款人可在其信用額度范圍內(nèi)設(shè)定借款金額。

借款期限(duration)：訂單的借款期限?！叭巳速J”的借款期限最短為1月，最長為36月，由借款人自行設(shè)定。

借款利率(rate)：訂單的借款利率。研究借款成功率時(shí)作為被解釋變量。

彭紅楓等(2016)[13]研究發(fā)現(xiàn)，在美國Prosper網(wǎng)絡(luò)借貸平臺(tái)上，借款人提供的訂單描述內(nèi)容對借款利率有顯著影響，但對借款成功率沒有顯著影響。但是，由于中美P2P網(wǎng)絡(luò)借貸平臺(tái)發(fā)展成熟度以及中美文化、語言等方面存在較大差異，因此，我們沒有將訂單描述作為訂單信息變量。

(3)個(gè)人信息變量(PersonalChars)。

性別(gender)：啞變量，表示借款人的性別。女性取值為1，男性取值為0。

收入(income)：啞變量，反映借款人的收入水平。平臺(tái)對借款人的月收入設(shè)定了7個(gè)區(qū)間，分別為1 000元及以下、1 001～2 000元、2 001～5 000元、5 001～10 000元、10 001～20 000元、20 001～50 000元，50 001元及以上。當(dāng)借款人月收入為10 000元以上，取值為1；否則，取值為0。

年齡(age)：借款人的實(shí)際年齡。本文保留年齡在18周歲以上的觀測值作為研究樣本。

學(xué)歷(education)：啞變量，反映借款人的學(xué)歷水平。平臺(tái)對借款人學(xué)歷設(shè)定了4種類型，分別為高中或以下、大專、本科和研究生或以上。若借款人學(xué)歷為本科及以上，取值為1；否則，取值為0。

婚姻(marriage)：啞變量，反映借款人的婚姻狀況。平臺(tái)將借款人婚姻狀況分為4類，分別是未婚、已婚、離異和喪偶。若借款人已婚，取值為1；否則，取值為0。

工作年限(workingtime)：啞變量，反映借款人的工作年限。平臺(tái)設(shè)定4個(gè)工作年限，分別為1年以下、1～3年、3～5年、5年以上。若借款人工作年限在3年以上，取值為1；否則，取值為0。

信用等級(credit)：啞變量，反映借款人的信用等級。平臺(tái)根據(jù)借款人披露的各類信息、提交的認(rèn)證報(bào)告以及在網(wǎng)站進(jìn)行的交易記錄，對每位借款人進(jìn)行信用評級，由高到低分別為 AA、A、B、C、D、E、HR。若借款人信用等級為HR，取值為1；否則，取值為0。

認(rèn)證數(shù)量(num_cert)：借款人有效認(rèn)證的數(shù)量。平臺(tái)根據(jù)借款人提供的材料對其披露的信息進(jìn)行審核認(rèn)證。其中，身份證認(rèn)證、工作認(rèn)證、收入認(rèn)證和信用報(bào)告認(rèn)證屬于必要認(rèn)證，居住地證明、學(xué)歷認(rèn)證、結(jié)婚認(rèn)證、房產(chǎn)認(rèn)證、購車證明屬于可選認(rèn)證。通過平臺(tái)審核的認(rèn)證數(shù)量即為有效認(rèn)證數(shù)量。

借款人個(gè)人經(jīng)歷、性格、品質(zhì)等方面的描述性信息也會(huì)對借貸雙方產(chǎn)生影響，進(jìn)而影響借貸成功率及借款利率(李焰等，2014[14]；Duarte等，2012[15])。但是，由于借款人個(gè)人經(jīng)歷、性格、品質(zhì)等方面信息具有一定的主觀性，其可信度存疑，同時(shí)，“人人貸”并未提供相關(guān)的詳細(xì)信息，因此，我們沒有將描述性信息作為個(gè)人信息變量。

3.其他控制變量(Control)。

房貸(debt_house)：啞變量，表示借款人是否有房貸。若有房貸，取值為1；否則，取值為0。

車貸(debt_car)：啞變量，表示借款人是否有車貸。若有車貸，取值為1；否則，取值為0。

年度變量(year2012、year2013、year2014)：啞變量，表示借款年份。樣本區(qū)間涉及2011—2014年，共4個(gè)年度。為控制宏觀經(jīng)濟(jì)波動(dòng)和人人貸平臺(tái)制度改革的影響，本文為2012、2013和2014年分別設(shè)定年度變量。若借款時(shí)間處在相應(yīng)年份，取值為1；否則，取值為0。

(三)模型構(gòu)建

基于以上變量選擇，我們設(shè)定以下兩個(gè)實(shí)證模型，分別考察借款成功率和借款利率在地域間是否存在顯著差異，進(jìn)而對假設(shè)進(jìn)行檢驗(yàn)。

模型(1)采用Probit回歸模型檢驗(yàn)借款成功率在地域間是否存在顯著差異：

Pr(successi)=Φ(α0+α1highi+α2lowi

+α3LoanFeaturesi

+α4PersonalCharsi

+α5Controli+εi)

(1)

其中，α0,α1,...,α5為待估系數(shù)，Φ是標(biāo)準(zhǔn)正態(tài)分布函數(shù)，ε是誤差項(xiàng)。若系數(shù)α1顯著為正，則說明高收入地區(qū)借款人的借款成功率顯著高于其他地區(qū)；若系數(shù)α2顯著為負(fù)，則說明低收入地區(qū)的借款人借款成功率顯著低于其他地區(qū)。

模型(2)采用OLS回歸模型檢驗(yàn)借款利率在地域間是否存在顯著差異：

ratei=β0+β1highi+β2lowi+β3LoanFeaturesi

+β4PersonalCharsi+β5Controli+εi

(2)

其中，β0,β1,...,β5為待估系數(shù)，ε是誤差項(xiàng)。若系數(shù)β1顯著為負(fù)，則說明高收入地區(qū)借款人設(shè)定的借款利率顯著低于其他地區(qū)；若系數(shù)β2顯著為正，則說明低收入地區(qū)借款人設(shè)定的借款利率顯著高于其他地區(qū)。

五、實(shí)證檢驗(yàn)與結(jié)果分析

(一)描述性統(tǒng)計(jì)

表1列示了主要變量的描述性統(tǒng)計(jì)。由表1可知，所有借款訂單中只有6.91%借款成功，說明借款人通過P2P網(wǎng)絡(luò)借貸獲得資金的可能性較低。此外，借款人主要來自高收入地區(qū)，占總數(shù)的56.04%，而低收入地區(qū)的借款人只占14.92%，這說明高收入地區(qū)居民對資金需求更大，P2P網(wǎng)絡(luò)借貸在高收入地區(qū)發(fā)展更好。

對訂單變量的分析可以發(fā)現(xiàn)，借款利率最低為3%，最高為24.4%，平均借款利率為14.66%，遠(yuǎn)高于銀行貸款利率，說明P2P網(wǎng)絡(luò)借貸平均成本較高。平均借款期限約為15個(gè)月，平均借款金額約為2.45萬元，體現(xiàn)了市場對短期小額資金的迫切需求。

對借款人個(gè)人信息的分析可以發(fā)現(xiàn)，借款人信用等級普遍偏低，等級最低的HR占比高達(dá)95.55%。女性借款人占14.12%，說明男性在P2P網(wǎng)絡(luò)借貸活動(dòng)中更加活躍。此外，約有一半借款人月收入在1萬元以下，借款人平均年齡為30歲左右，已婚占比為49.41%。多數(shù)借款人學(xué)歷水平為本科以下，工作時(shí)間小于3年。這些數(shù)據(jù)說明，參與P2P網(wǎng)絡(luò)借貸活動(dòng)的借款人多為收入不高、學(xué)歷不高、工作時(shí)間不長的男性年輕人。

對年度變量的分析可以發(fā)現(xiàn)，所有借款訂單中59.05%是2014年的訂單，2011、2012、2013年借款訂單數(shù)分別占總訂單數(shù)的8.3%、11.55%、21.1%，借款訂單數(shù)量逐年增加，且2014年訂單數(shù)呈爆發(fā)式增長。這說明隨著互聯(lián)網(wǎng)金融的普及與發(fā)展，越來越多的借款人通過P2P網(wǎng)絡(luò)借貸渠道獲取資金，P2P網(wǎng)絡(luò)借貸發(fā)展勢頭迅猛。

表1 主要變量的描述性統(tǒng)計(jì)

(二)地域歧視的檢驗(yàn)

表2列示了模型(1)和模型(2)的全樣本回歸結(jié)果*由于篇幅所限，本文未列出控制變量的回歸系數(shù)及標(biāo)準(zhǔn)差。。模型(1)主要考察地域因素對借款成功率(success)的影響，模型(2)主要考察地域因素對借款利率(rate)的影響。

表2 借款成功率和借款利率的地域差異回歸結(jié)果

表2的第1、3、5、7列報(bào)告了對借款成功率的估計(jì)結(jié)果。從結(jié)果來看，高收入地區(qū)(high)的系數(shù)均顯著為正，表明高收入地區(qū)的借款人在P2P網(wǎng)絡(luò)借貸中更易借款成功，而低收入地區(qū)(low)的系數(shù)均為負(fù)。第7列結(jié)果顯示，當(dāng)同時(shí)控制訂單信息變量和個(gè)人信息變量時(shí)，low的系數(shù)顯著為負(fù)，這表明在相同條件下，低收入地區(qū)的借款人更難在P2P網(wǎng)絡(luò)借貸中獲得資金。以上結(jié)果說明，貸款人在選擇借款訂單時(shí)存在對借款人的地域歧視。貸款人認(rèn)為在同等條件下，高收入地區(qū)借款人按時(shí)還款的可能性高，違約的可能性低，而低收入水平地區(qū)居民違約的可能性高。因此，貸款人傾向于借款給高收入地區(qū)的借款人，而不愿借款給低收入地區(qū)的借款人。由此可知，假設(shè)1得到驗(yàn)證。

訂單變量方面，我們發(fā)現(xiàn)借款金額、借款利率與借款成功率呈顯著負(fù)相關(guān)關(guān)系，說明訂單的借款金額越大、借款利率越高，貸款人認(rèn)為其違約的可能性就越高，借款成功的可能性就越低。個(gè)人信息變量方面，我們發(fā)現(xiàn)收入水平、年齡、學(xué)歷、工作時(shí)間、信用等級、認(rèn)證數(shù)量與借款成功率之間呈顯著正相關(guān)關(guān)系，說明收入越高、年齡越大、學(xué)歷越高、工作時(shí)間越長、信用等級越高、認(rèn)證數(shù)量越多的借款人，在P2P網(wǎng)絡(luò)借貸中更易獲得資金，借貸成功的可能性越大。

表2的第2、4、6、8列報(bào)告了對借款利率的估計(jì)結(jié)果。從結(jié)果來看，高收入地區(qū)(high)的系數(shù)均顯著為負(fù)，低收入地區(qū)(low)的系數(shù)除第4列外其他列的系數(shù)均顯著為正，說明高收入地區(qū)借款人會(huì)設(shè)定較低的借款利率，低收入地區(qū)的借款人會(huì)設(shè)定較高的借款利率，借款人在設(shè)定借款利率時(shí)會(huì)受地域歧視的影響。高收入地區(qū)借款人認(rèn)為在同等條件下，貸款人會(huì)優(yōu)先選擇自己而非低收入地區(qū)的借款人，因而會(huì)降低借款利率以降低借款成本，而低收入地區(qū)的借款人認(rèn)為在同等條件下，貸款人不會(huì)優(yōu)先選擇自己，因而傾向于設(shè)置較高利率，以吸引貸款人投資。因此，假設(shè)2得到驗(yàn)證。

訂單變量方面，借款金額與借款利率呈顯著正相關(guān)關(guān)系，借款期限與借款利率呈顯著負(fù)相關(guān)關(guān)系，說明借款金額越小、期限越長，借款人設(shè)定的借款利率越高。個(gè)人信息變量方面，收入水平、年齡、工作時(shí)間與借款利率呈顯著正相關(guān)關(guān)系，性別、學(xué)歷水平、婚姻狀況、信用等級和認(rèn)證數(shù)量與借款利率呈顯著負(fù)相關(guān)關(guān)系，說明收入較高，年齡較大、工作時(shí)間越久、學(xué)歷越低、信用等級越低、認(rèn)證數(shù)量越少的未婚男性傾向于設(shè)定較高的借款利率。

(三)地域歧視的異質(zhì)性

我們進(jìn)一步分析地域歧視對不同特征借款人或借款訂單的影響。根據(jù)學(xué)歷水平、信用等級、認(rèn)證數(shù)量和借款金額對樣本進(jìn)行分組，進(jìn)而運(yùn)用模型(1)和模型(2)對每組樣本進(jìn)行回歸。表3～表6報(bào)告了分組回歸結(jié)果。

表3 按學(xué)歷分組的借款成功率和借款利率的地域差異回歸結(jié)果

我們根據(jù)借款人的學(xué)歷水平，將研究樣本分為以下四組：高中或以下、大專、本科、研究生或以上。表3列示了按學(xué)歷分組的回歸結(jié)果。對借款成功率(success)而言，研究生或以上學(xué)歷組high和low前的系數(shù)均不顯著，表明地域因素對借貸成功率影響不顯著，貸款人在考慮是否借款給高學(xué)歷借款人時(shí)，不存在明顯的地域歧視；其余三組high前的系數(shù)均顯著為正，low前的系數(shù)均顯著為負(fù)，這說明貸款人對本科及以下學(xué)歷借款人存在明顯的地域歧視。因此，假設(shè)1a得到驗(yàn)證。對借款利率(rate)而言，研究生或以上組high和low前的系數(shù)均不顯著，表明高學(xué)歷借款人在設(shè)定利率時(shí)不會(huì)過多考慮地域因素；其余三組high前的系數(shù)均為負(fù)，low前的系數(shù)均為正，并且除個(gè)別組別外系數(shù)均顯著，表明低學(xué)歷借款人在設(shè)定借款利率時(shí)會(huì)受到潛在地域歧視的影響。因此，假設(shè)2a得到驗(yàn)證。

表4 按信用等級分組的成功借款和借款利率的地域差異回歸結(jié)果

續(xù)前表

按照借款人信用等級從低到高，我們將樣本分為四組：HR、E&D、C&B、A&AA。表4列示了按信用等級分組的回歸結(jié)果。借貸成功率(success)的結(jié)果顯示，HR組high前的系數(shù)顯著為正，low前系數(shù)顯著為負(fù)，其余三組high和low前的系數(shù)均不顯著。這表明貸款人對信用等級低的借款人存在明顯的地域歧視，而對信用等級高的借款人不存在明顯的地域歧視。因此，假設(shè)1b得到驗(yàn)證。借款利率(rate)的結(jié)果顯示，HR組high前的系數(shù)顯著為正，low前的系數(shù)顯著為負(fù)，說明信用等級低的借款人在設(shè)定利率時(shí)，受到潛在地域歧視的影響。其余三組high前的系數(shù)顯著為負(fù)，說明信用等級較高的高收入地區(qū)借款人仍然會(huì)考慮到其地域優(yōu)勢而設(shè)置低借款利率；low前的系數(shù)不顯著，A&AA組甚至顯著為負(fù)，說明信用等級較高的低收入地區(qū)借款人沒有受潛在地域歧視影響而設(shè)置高借款利率?；谝陨戏治觯诵庞玫燃壐叩母呤杖氲貐^(qū)借款人仍受潛在地域歧視的影響，假設(shè)2b得到驗(yàn)證。

表5 按認(rèn)證數(shù)量分組的成功借款和借款利率的地域差異回歸結(jié)果

根據(jù)借款人的認(rèn)證數(shù)量，我們將樣本分為以下四組：0～1個(gè)、2～4個(gè)、5～7個(gè)、8～9個(gè)。表5列示了按認(rèn)證數(shù)量分組的回歸結(jié)果。借款成功率(success)的結(jié)果顯示，我們發(fā)現(xiàn)認(rèn)證數(shù)量為0～7個(gè)的三個(gè)組high系數(shù)顯著為正，認(rèn)證數(shù)量為8～9的組high前的系數(shù)不顯著；所有組low前的系數(shù)均不顯著。這說明認(rèn)證數(shù)量較多時(shí)，貸款人對借款人的地域歧視不明顯；認(rèn)證數(shù)量較少時(shí)，貸款人更青睞高收入地區(qū)借款人，但不歧視低收入地區(qū)借款人。因此，除了認(rèn)證數(shù)量少的低收入地區(qū)借款人不受地域歧視外，假設(shè)1c得到驗(yàn)證。借款利率(rate)的結(jié)果顯示，認(rèn)證數(shù)量達(dá)到5個(gè)以上時(shí)，high前的系數(shù)不顯著，說明擁有認(rèn)證數(shù)量較多的高收入地區(qū)借款人在設(shè)定借款利率時(shí)，沒有受到潛在地域歧視的影響；認(rèn)證數(shù)量為0～4的兩個(gè)組的high前的系數(shù)顯著為負(fù)，說明擁有較少認(rèn)證的高收入地區(qū)的借款人在設(shè)定借款利率時(shí)，受到潛在地域歧視的影響。除了2～4個(gè)認(rèn)證組，其余組low前的系數(shù)均顯著為正，表明低收入地區(qū)的借款人在設(shè)定借款利率時(shí)，普遍受到潛在地域歧視的影響而設(shè)置高借款利率。因此，除了認(rèn)證數(shù)量多的低收入地區(qū)借款人仍受潛在地域歧視的影響外，假設(shè)2c得到驗(yàn)證。

表6 按借款金額分組的成功借款和借款利率的地域差異回歸結(jié)果

續(xù)前表

根據(jù)訂單的借款金額，并考慮各組間樣本數(shù)量的均衡性，我們將樣本分為以下四組：9 000元及以下、9 001～30 000元、30 001～60 000元、60 001元及以上。表6列示了按借款金額分組的回歸結(jié)果。對借貸成功率(success)而言，借款金額為9 000元及以下組high前的系數(shù)不顯著，其余組high前的系數(shù)均顯著為正；借款金額為0～30 000元兩個(gè)組low前的系數(shù)不顯著，其余組low前的系數(shù)均顯著為負(fù)。這說明借款金額較高時(shí)，高收入地區(qū)借款人借款成功率高，低收入地區(qū)借款人不易得到借款；借款金額較低時(shí)，借款成功率在地域間沒有顯著差異。因此，假設(shè)1d得到驗(yàn)證。對借款利率(rate)而言，除了借款金額為9 001～30 000元組high前的系數(shù)不顯著，其余組high前的系數(shù)顯著為負(fù)；借款金額較高的兩組low前的系數(shù)顯著為負(fù)，其余組low前的系數(shù)不顯著。這說明在設(shè)定借款利率時(shí)，無論借款金額多少，高收入地區(qū)借款人普遍會(huì)受到潛在地域歧視的影響而設(shè)定較低的借款利率；借款金額較多的低收入地區(qū)借款人會(huì)受到潛在地域歧視的影響而設(shè)定較高的借款利率，借款金額較少的低收入地區(qū)借款人不受潛在地域歧視的影響。因此，除了借款金額較低的高收入地區(qū)借款人仍受潛在地域歧視的影響外，假設(shè)2d得到驗(yàn)證。

(四)穩(wěn)健性檢驗(yàn)

為檢驗(yàn)結(jié)果的穩(wěn)健性，我們將我國31個(gè)省級行政區(qū)進(jìn)行重新分組：將人均可支配收入排名前五的省級行政區(qū)設(shè)為高收入地區(qū)，分別為上海、北京、江蘇、浙江、廣東；將排名后五的省級行政區(qū)設(shè)為低收入地區(qū)，分別為甘肅、青海、新疆、黑龍江、西藏。對此分別設(shè)啞變量high_5和low_5，若借款人屬于高收入地區(qū)，則high_5取值為1，否則為0；若借款人屬于低收入地區(qū)，則low_5取值為1，否則為0。我們運(yùn)用模型(1)、模型(2)進(jìn)行全樣本回歸，表7報(bào)告了回歸結(jié)果。

表7 成功借款和借款利率地域差異的穩(wěn)定性檢驗(yàn)

樣本分組回歸結(jié)果與前述研究結(jié)果也基本一致，由于篇幅所限，結(jié)果沒有一一列出。

六、結(jié)論與啟示

由于我國區(qū)域收入水平不均衡，長期以來在社會(huì)經(jīng)濟(jì)發(fā)展中形成一種獨(dú)特的地域歧視現(xiàn)象。本文主要研究P2P網(wǎng)絡(luò)借貸中是否存在由收入水平不均衡引發(fā)的地域歧視。一地居民的收入水平與該地居民的償債能力密切相關(guān)，高收入地區(qū)居民還本付息的可能性更高，低收入地區(qū)居民還本付息的可能性更低。因此，低收入地區(qū)的借款人可能受到歧視，高收入地區(qū)的借款人可能受到青睞。對此，我們提出了相關(guān)假設(shè)，并以2011—2014年“人人貸”P2P網(wǎng)絡(luò)借貸平臺(tái)的交易數(shù)據(jù)為研究樣本，進(jìn)行了實(shí)證檢驗(yàn)。結(jié)果表明，P2P網(wǎng)絡(luò)借貸中存在地域歧視現(xiàn)象，主要體現(xiàn)在兩個(gè)方面：首先，貸款人對借款人的地域歧視，貸款人傾向于借款給高收入地區(qū)的借款人，而不愿借款給低收入地區(qū)的借款人。其次，借款人受地域歧視的影響，高收入地區(qū)的借款人傾向于設(shè)置較低利率以降低借款成本，低收入地區(qū)借款人傾向于設(shè)置較高利率以吸引投資。同時(shí)，我們對樣本進(jìn)行分組回歸，結(jié)果發(fā)現(xiàn)地域歧視現(xiàn)象存在異質(zhì)性，具體來說，低學(xué)歷、低信用、低認(rèn)證數(shù)量、高借款金額借款人受到的地域歧視較為顯著，而對高學(xué)歷、高信用、高認(rèn)證數(shù)量、低借款金額的借款人的地域歧視不甚明顯。本文的研究結(jié)論豐富了P2P網(wǎng)絡(luò)借貸中有關(guān)歧視的研究，有助于我們更深入、理性地看待借貸活動(dòng)中的地域歧視現(xiàn)象。

本文研究結(jié)論的啟示在于：首先，作為在P2P網(wǎng)絡(luò)借貸中提供資金的貸款人，在選擇借款訂單進(jìn)行投資時(shí)，應(yīng)摒棄固有的地域歧視觀念，更多關(guān)注借款人自身的收入水平、信用等級、學(xué)歷水平等個(gè)人信息以及借款訂單相關(guān)信息，充分運(yùn)用P2P網(wǎng)站提供的各類信息綜合判斷借款人的償債能力與信用水平。其次，對借款人而言，應(yīng)注重自身信用等級的培養(yǎng)，合理設(shè)計(jì)借款訂單，提供更多的有效個(gè)人信息，以消除地域歧視的影響，進(jìn)而提高借款成功率。最后，對P2P網(wǎng)絡(luò)借貸平臺(tái)而言，應(yīng)利用平臺(tái)優(yōu)勢，借助大數(shù)據(jù)分析技術(shù)，進(jìn)一步設(shè)計(jì)和完善個(gè)人信用評價(jià)體系，發(fā)揮信用評級在P2P借貸中的重要作用；在訂單信息公布中，突出能夠反映借款人償還能力的個(gè)人信息以及反映違約風(fēng)險(xiǎn)的訂單信息，進(jìn)而弱化地域歧視對借貸雙方的影響，提高P2P網(wǎng)絡(luò)借貸中的效率；應(yīng)敦促借款人完善個(gè)人信息，為借款訂單設(shè)計(jì)更為詳盡的信息提供方式，盡量避免地域歧視產(chǎn)生的影響。

[1]黃國萍，姚本先.地域歧視與和諧社會(huì)的構(gòu)建 [J].社會(huì)心理科學(xué)，2006(4)：50-52.

[2]Herzenstein M，Sonenshein S，Dholakia U M.Tell Me a Good Story and I May Lend You My Money: The Role of Narratives in Peer-to-Peer Lending Decisions [J].Journal of Marketing Research，2011，48(SPL)：138-149.

[3]Pope D G，Sydnor J R.What’s in a Picture? Evidence of Discrimination from Prosper.com [J].Journal of Human Resources，2011，46(1)，53-92.

[4]Duarte J，Siegel S，Young L A.To Lend or Not to Lend: Revealed Attitudes towards Gender,Ethnicity,Weight,and Age in the U.S.[R/OL].Working Paper，2015，SSRN: http://ssrn.com/abstract=2473240.

[5]Ravina E.Love & Loans: the Effect of Beauty and Personal Characteristics in Credit Markets [R/OL].Working Paper，2008，SSRN: http://ssrn.com/abstract=1101647.

[6]Lin M，Viswanathan S.Home Bias in Online Investments: An Empirical Study of an Online Crowdfunding Market [J].Management Science，2015，62(5)：1393-1414.

[7]Mollick E.The Dynamics of Crowdfunding: An Exploratory Study [J].Journal of Business Venturing，2014，29(1)：1-16.

[8]李悅雷，郭陽，張維.中國P2P小額貸款市場借貸成功率影響因素分析 [J].金融研究，2013(7)：126-138.

[9]王會(huì)娟，廖理.中國網(wǎng)絡(luò)借貸平臺(tái)信用認(rèn)證機(jī)制研究——來自“人人貸”的經(jīng)驗(yàn)證據(jù) [J].中國工業(yè)經(jīng)濟(jì)，2014(4)：136-147.

[10]莊雷，周勤.身份歧視：互聯(lián)網(wǎng)金融創(chuàng)新效率研究——基于P2P網(wǎng)絡(luò)借貸 [J].經(jīng)濟(jì)管理，2015(4)：136-147.

[11]廖理，吉霖，張偉強(qiáng).借貸市場能準(zhǔn)確識(shí)別學(xué)歷的價(jià)值嗎?——來自P2P平臺(tái)的經(jīng)驗(yàn)證據(jù) [J].金融研究，2015(3)：146-159.

[12]廖理，李夢然，王正位.中國互聯(lián)網(wǎng)金融的地域歧視研究 [J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2014(5)：54-70.

[13]彭紅楓，趙海燕，周洋.借款陳述會(huì)影響借款成本和借款成功率嗎?——基于網(wǎng)絡(luò)借貸陳述的文本分析 [J].金融研究，2016(4)：158-173.

[14]李焰，高弋君，李珍妮，才子豪，王冰婷，楊宇軒.借款人描述性信息對投資人決策的影響——基于P2P網(wǎng)絡(luò)借貸平臺(tái)的分析 [J].經(jīng)濟(jì)研究，2014(S1)：143-155.

[15]Duarte J，Siegel S，Young L A.Trust and Credit: The Role of Appearance in Peer-to-peer Lending [J].Review of Financial Studies，2012，25(8)：2455-2484.