國內(nèi)P2P網(wǎng)絡(luò)借貸平臺借款人特征比較分析
——以人人貸和向上360為例

，

(浙江理工大學(xué)經(jīng)濟(jì)管理學(xué)院，杭州 310018)

隨著利率市場化、金融脫媒以及民間借貸的火爆，P2P網(wǎng)貸平臺數(shù)量快速增長。國際上很多學(xué)者對這些平臺進(jìn)行了研究。國內(nèi)學(xué)者對于P2P網(wǎng)貸領(lǐng)域的研究起步較晚，大多數(shù)研究都是分析P2P網(wǎng)貸平臺的運營模式和存在的問題、P2P網(wǎng)貸存在的風(fēng)險和監(jiān)管問題以及借款人違約特征。那么P2P網(wǎng)貸的借款人有哪些特征？哪些人更容易借到錢？本文利用網(wǎng)貸平臺的交易數(shù)據(jù)，分析不同模式下借款人的特征，全面地分析其中的差異以及擁有哪些特征的借款人容易借到款，從而給借款者一定的借鑒意義。本文的創(chuàng)新點在于：a)現(xiàn)有文獻(xiàn)大多利用單個網(wǎng)貸平臺的數(shù)據(jù)進(jìn)行研究，本文采用對比分析法，引入平臺虛擬變量，使結(jié)果更全面。b)較全面地分析了P2P網(wǎng)貸存在的各種歧視現(xiàn)象。

一、相關(guān)研究現(xiàn)狀

國內(nèi)P2P網(wǎng)貸始于2007年，發(fā)展時間較短，許多學(xué)者結(jié)合互聯(lián)網(wǎng)背景對P2P網(wǎng)貸進(jìn)行了研究。概括而言，研究熱點主要圍繞以下兩個方面。

(一)借款能力的影響因素研究

學(xué)者們發(fā)現(xiàn)P2P網(wǎng)貸存在一定的歧視現(xiàn)象，如地域歧視、學(xué)歷歧視、年齡歧視等。這些歧視本質(zhì)上反映了信息不對稱條件下的斟酌機(jī)制。廖理等[1]通過實證分析發(fā)現(xiàn)P2P網(wǎng)貸存在地域歧視問題，且借款成功率較高省份的借款人的違約率并沒有顯著低于其他省份，說明地域歧視是一種非理性行為，屬于偏好性歧視。尉麗婷[2]以拍拍貸為例，通過實證研究方法得出借款人認(rèn)證程度與借款能力成正比，借款人借出信用與借款能力成正比。相對于借款人努力程度而言，借款利率和個人基本情況對借款能力影響較小。安鑫等[3]證明借款人基本情況(年齡、性別、受教育年限等)對借款能力影響較小，且與傳統(tǒng)銀行業(yè)相比，P2P網(wǎng)貸不存在歧視現(xiàn)象。陳建中等[4]則得出完全的不同結(jié)論，即借款人基本情況對借款成功率有顯著影響，學(xué)歷、年齡和借款成功率存在正相關(guān)關(guān)系，有房產(chǎn)的人以及已婚人士更容易借到款。Barasinska等[5]研究發(fā)現(xiàn)，借貸中存在一定的年齡歧視，隨著年齡的增大借款利率升高、借款成功率降低，并進(jìn)一步分析原因是平臺的借款期限一般是3～5年，借款者考慮了其中的生命周期成本。莊雷等[6]認(rèn)為身份歧視影響了借款人的中標(biāo)概率，并將身份分為五個等級，身份等級越高，獲得貸款的概率越大。綜合已有文獻(xiàn)可知，借款能力受學(xué)歷、年齡、婚姻狀況、房產(chǎn)狀況等因素的影響。

(二)借款人違約特征研究

湯英漢[7]研究表明，違約金額與違約人的性別與所處區(qū)域、網(wǎng)貸平臺模式?jīng)]有顯著相關(guān)性。顧慧瑩等[8]則得出借款人籍貫所在地區(qū)、婚姻狀況和違約率有顯著的相關(guān)關(guān)系，O2O網(wǎng)貸模式下，有效的信息核實決定了本地借款人比外地借款人的違約率更低，此外已婚人士的違約率更高。廖理等[9]研究借款人的借款利率和違約風(fēng)險的關(guān)系，發(fā)現(xiàn)利率對違約風(fēng)險有一定的預(yù)測作用，利率高可能意味著更高的違約風(fēng)險。此外，廖理等[10]通過研究還發(fā)現(xiàn)高學(xué)歷的借款人違約率更低，說明高等教育對人的行為有約束作用，但投資者對高學(xué)歷借款人沒有明顯偏好，說明投資者通過學(xué)歷識別信用風(fēng)險的認(rèn)知存在不足。蘇亞等[11]研究了借款人違約受哪些因素影響，發(fā)現(xiàn)：年齡和違約概率正相關(guān)，可能和年長者經(jīng)濟(jì)收入不穩(wěn)定，且容易受突發(fā)狀況影響有關(guān)；高學(xué)歷有助于降低違約風(fēng)險；經(jīng)濟(jì)信息對違約概率影響不大；借款利率和違約風(fēng)險呈正相關(guān)。

現(xiàn)有文獻(xiàn)雖然從不同方面探討了P2P網(wǎng)貸平臺借款人借款成功率的影響因素，以及存在的歧視現(xiàn)象，總結(jié)了對P2P網(wǎng)貸的典型特征，但仍存在許多進(jìn)一步深入研究的空間。一方面，已有文獻(xiàn)雖然對借款人的借款能力受哪些因素影響進(jìn)行了研究，但并未進(jìn)一步深入探討，在不同的網(wǎng)貸模式下，各因素對借款成功率的影響程度是否相同，即缺少不同模式下的對比研究。另一方面，已有文獻(xiàn)對P2P網(wǎng)貸中存在歧視現(xiàn)象的研究比較單一，大多數(shù)學(xué)者只選取一個平臺的數(shù)據(jù)作為樣本，且單獨研究其中某一種歧視現(xiàn)象，結(jié)論存在一定的局限性。因此，本文選取了不同模式下的網(wǎng)貸平臺典型代表——人人貸和向上360平臺的交易數(shù)據(jù)為樣本，系統(tǒng)地分析借款人的特征以及其中存在的各種歧視現(xiàn)象，以期為P2P網(wǎng)貸和借款者提供一定的借鑒。

二、國內(nèi)P2P網(wǎng)絡(luò)借貸平臺發(fā)展現(xiàn)狀分析

2007年，我國首家P2P貸款公司拍拍貸成立，隨后宜信、紅嶺創(chuàng)投、陸金所等平臺相繼出現(xiàn)。目前中國幾乎每一個省份都成立了P2P平臺。根據(jù)網(wǎng)貸之家的數(shù)據(jù)，P2P網(wǎng)貸平臺主要集中在廣東，截至2016年6月份，廣東平臺數(shù)占全國的17.8%；P2P網(wǎng)貸行業(yè)累計成交量達(dá)到22075.06億元，投資人數(shù)、借款人數(shù)分別達(dá)338.27萬人、112.41萬人*數(shù)據(jù)來源：網(wǎng)貸之家。整個行業(yè)總量增長較快，而且上線的平臺數(shù)也在增長。

不過P2P網(wǎng)貸的高速且略帶野蠻式的發(fā)展也積累了巨大的風(fēng)險。2015年12月，e租寶被控非法集資七百多億元，隨即大大集團(tuán)也因非法融資問題被警方調(diào)查。2015年互聯(lián)網(wǎng)金融重大風(fēng)險事件頻發(fā)，監(jiān)管部門加緊了對包括P2P網(wǎng)貸在內(nèi)的互聯(lián)網(wǎng)金融的規(guī)范和整治。2016年P(guān)2P網(wǎng)貸平臺增長速度有所減緩。截至2016年6月30日，零壹研究院數(shù)據(jù)中心監(jiān)測到的P2P網(wǎng)貸平臺共4567家。圖1表示2014年9月至2016年9月的月平臺增長數(shù)量。可以看出2016年以來，每月新增平臺數(shù)量較2015年有較大幅度的下降。主要原因是政策面規(guī)范性要求提高，問題平臺主動停止運營的數(shù)量增多。

圖1 全國網(wǎng)貸平臺每月新增數(shù)量

三、國內(nèi)P2P網(wǎng)絡(luò)借貸平臺借款人特征比較分析

(一)樣本的選擇和容量的確定

本文選擇O2O模式下的向上360和混合模式下的人人貸的借款人為樣本。截至2016年9月，向上360總成交量為137222筆，鑒于樣本總量較大，所以設(shè)最大允許絕對誤差e為5%，置信區(qū)間為95%，則Z=1.96≈2。對于簡單隨機(jī)抽樣，樣本量的計算公式：

(1)

又p(1-p)的最大值為0.25(當(dāng)p=0.5時)，則

故最終確定樣本量為400份。同理，人人貸總成交量為275386筆，則

故最終確定樣本量為400份。

(二)相關(guān)機(jī)理分析

1.信息不對稱

貸款人和借款人之間的信息不對稱可能會導(dǎo)致道德風(fēng)險、逆向選擇，進(jìn)而產(chǎn)生風(fēng)險。借款人對自身的經(jīng)濟(jì)狀況、風(fēng)險偏好類型、還款意愿等較清楚，而貸款者只能通過平臺獲取基本信息，通過對借款者的收入、學(xué)歷、房產(chǎn)狀況等信息進(jìn)行甄別，作出決策。借款者存在謊報信息的可能性，雖然提供較高的借款利率，實際上卻無法還款，或者借款后從事高風(fēng)險的活動。因此網(wǎng)絡(luò)借貸平臺需要做好審核和監(jiān)管工作，以便貸款者做出正確判斷。研究P2P網(wǎng)貸的交易特征有利于借款人更有效率地借到款項，幫助投資者更安全地進(jìn)行投資決策，同時也能使平臺更好地發(fā)揮作用。

2.信任機(jī)制

理性行為理論研究有意識的行為動機(jī)的決定因素，模型如圖2所示。一個人的實際行為由行為意向決定，行為意向由行為態(tài)度和主觀準(zhǔn)則決定。

圖2 理性行為模型

海量的互聯(lián)網(wǎng)信息充滿不確定性，人們在辨別時會表現(xiàn)出對信息的偏好和信任。網(wǎng)絡(luò)借貸離不開信任，而信息的對稱和充分在信任形成過程中起重要作用。此外，若有第三方征信機(jī)構(gòu)提供有力依據(jù)，可信賴的網(wǎng)貸平臺實行充足的保障措施，更有利于信任產(chǎn)生。貸款人通過獲取借款人的基本信息產(chǎn)生信任，進(jìn)而影響借款意愿[12]。例如，貸款者認(rèn)為高等教育能規(guī)范人的行為，并且高學(xué)歷人群普遍擁有高收入，能夠降低借款人的違約概率，防止道德風(fēng)險發(fā)生，因此偏愛高學(xué)歷的借款人。此外，為了防止被迫違約發(fā)生，貸款人更愿意選擇還款能力強(qiáng)的借款人，而收入、房產(chǎn)狀況、學(xué)歷等因素又在一定程度上決定了還款能力。

(三)數(shù)據(jù)描述和研究假設(shè)

人人貸網(wǎng)站公布的借款人信息主要包括，標(biāo)的總額、還款期限、借款人年齡、性別、學(xué)歷、婚姻、收入、房產(chǎn)車產(chǎn)情況、房貸車貸、公司行業(yè)和規(guī)模、崗位職位、工作城市、工作時間等信息。

向上360網(wǎng)站抵押貸款公布借款金額、交易期限、年齡、性別、籍貫所在地區(qū)、出生年月、學(xué)歷、婚姻、收入、房產(chǎn)車產(chǎn)情況、房貸車貸、所處行業(yè)、企業(yè)類別、職位等信息。

根據(jù)已有文獻(xiàn)研究、實踐經(jīng)驗和數(shù)據(jù)可得性，建立以下模型：

lnγi=β0+β1ai+β2si+β3ei+β4hi+β5ti+

β6gi+β7mi+β8Di+εi

(2)

其中β0，β1，…，β8為待估參數(shù)。

1.被解釋變量

本文設(shè)定的被解釋變量是借款總額，即網(wǎng)貸平臺上公布的借款人的借款金額總額。《網(wǎng)絡(luò)借貸信息中介機(jī)構(gòu)業(yè)務(wù)活動暫行管理辦法》中設(shè)置了借款上限，同一自然人在同一網(wǎng)貸平臺的借款總額不超過人民幣20萬元。借款總額代表網(wǎng)貸平臺對借款人批復(fù)的授信額度，借款總額越高說明借款機(jī)構(gòu)對借款人的還款能力越認(rèn)可。

2.解釋變量

a)收入si，啞變量，借款人的收入為2000～5000元時設(shè)置該值為0，收入為5000～10000元時該值為1，收入為10000～20000元時該值為2，收入為20000～50000元時該值為3，收入為50000元以上時該值為4。收入越高，借款人的還款能力越強(qiáng)，投資人可能對高收入的借款人有更多偏好。因此，假設(shè)收入和借款總額正相關(guān)。

b)學(xué)歷ei，啞變量，借款人的學(xué)歷為高中或以下時設(shè)置該值為1，學(xué)歷為大專時設(shè)置該值為2，學(xué)歷為本科時設(shè)置該值為3，學(xué)歷為研究生或以上時設(shè)置該值為4。廖理等[10]對投資者是否更愿意借錢給高學(xué)歷的借款人進(jìn)行了研究，并得出結(jié)論高學(xué)歷借款者信用風(fēng)險低，但投資者未有明確認(rèn)知。王會娟等[13]發(fā)現(xiàn)資產(chǎn)狀況、婚姻穩(wěn)定性、學(xué)歷對借貸行為產(chǎn)生不同程度影響。假設(shè)學(xué)歷和借款總額正相關(guān)。

c)房產(chǎn)hi，啞變量，借款人無房產(chǎn)時設(shè)置該值為0，借款人有房產(chǎn)時設(shè)置該值為1。房產(chǎn)作為一種還款保障，投資人可能偏好有房產(chǎn)的借款人。溫小霓等[14]發(fā)現(xiàn)借款人的住宅情況對借款結(jié)果有影響。假設(shè)有房產(chǎn)的借款人有高的借款總額。

d)年齡ai，即人人貸和向上360網(wǎng)站上公布的借款人的年齡。根據(jù)生命周期假說，年輕時期人們會把大部分收入用于消費，甚至?xí)e債消費?，F(xiàn)有研究結(jié)論表明，借款成功率受到年齡的顯著影響，年齡的增加帶來信任度的增加。假設(shè)年齡和借款總額正相關(guān)。

e)地域ti，啞變量，即借款人的籍貫所在地區(qū)，籍貫所在地為華北地區(qū)時設(shè)置該值為1，東北地區(qū)時設(shè)置該值為2，華東地區(qū)時設(shè)置該值為3，中南地區(qū)時設(shè)置該值為4，西南地區(qū)時設(shè)置該值為5，華中地區(qū)時設(shè)置該值為6。廖理等[1]研究結(jié)論表明人人貸平臺存在地域歧視問題。假設(shè)經(jīng)濟(jì)發(fā)達(dá)地區(qū)的借款人能獲得高借款額。

f)婚姻狀況mi，啞變量，借款人的婚姻狀況為未婚時設(shè)置該值為1，已婚時設(shè)置該值為2，離異時設(shè)置該值為3，喪偶時設(shè)置該值為4。實踐經(jīng)驗證明，已婚人士且配偶支持貸款行為的，更易得到貸款。但是顧慧瑩等[8]發(fā)現(xiàn)已婚人士的違約率更高，可能和家庭負(fù)擔(dān)過重有關(guān)。

g)性別gi，啞變量，借款人的性別為女時設(shè)置該值為0，性別為男時設(shè)置該值為1?！?015上海網(wǎng)絡(luò)信貸服務(wù)業(yè)白皮書》顯示，借款人中男性超過七成。Barasinska等[5]認(rèn)為女性借款者融資成本高的原因不是性別歧視，而是預(yù)期自己會受到歧視。假設(shè)男性有更高的借款額。

表1是對人人貸、向上360平臺借款人的借款總額、月收入、年齡進(jìn)行一般性描述統(tǒng)計。從上表可知人人貸借款人借款總額的中值為86700元，在5000～10000元的占大多數(shù)。標(biāo)準(zhǔn)差為52657.53，說明借款總額差距大。月收入的中值為8000元，標(biāo)準(zhǔn)差為7436.60，說明借款人收入差距也很大。年齡的中值為36歲，標(biāo)準(zhǔn)差為8.85，說明借款人年齡差距較小，主要為25～45歲的青年。向上360車抵寶的借款人借款總額的中值為51265元，在50000元左右的占大多數(shù)。標(biāo)準(zhǔn)差為36101.36，說明借款總額差距較大。月收入的中值為8000元，標(biāo)準(zhǔn)差為7436.60，說明借款人收入差距也較大。年齡的中值為33歲，標(biāo)準(zhǔn)差為10.98，說明借款人年齡差距較小，且大多處于中青年。從借款金額來看，向上360的借款金額比人人貸低三萬元左右，但標(biāo)準(zhǔn)差較人人貸小，說明向上360比人人貸的借款金額集中。從借款金額來看，人人貸借款人的月收入平均比向上360借款人高5900元，兩個平臺的借款人月收入的差距都很大，也從側(cè)面反映了貧富差距較大。借款人主要為中青年，一方面符合現(xiàn)代消費的特點，中青年是主力軍；另一方面和傳統(tǒng)銀行貸款特征有相似之處，銀行擔(dān)心老年人的還款能力較差，在信用卡辦理時設(shè)置60或65歲的年齡限制。

表1 數(shù)量變量描述性統(tǒng)計

表2是對人人貸、向上360平臺借款人的婚姻狀況、房產(chǎn)狀況、性別進(jìn)行一般性描述統(tǒng)計的結(jié)果。從表2可以看出人人貸借款人未婚、已婚、離異的分別占17.0%、70.8%、12.3%、0.8%，已婚人士占了大多數(shù)的比例，未婚、離異的總和為29.2%。向上360借款人中未婚、已婚、離異的分別占22.8%、75.3%、2.0%，其中已婚占了最大的比重，未婚、離異的總和為24.7%。向上360婚姻狀況的分布和人人貸網(wǎng)站相似，已婚的借款人都占四分之三左右，說明雖說未要求申請人必須已婚，但經(jīng)驗證明已婚人士且配偶支持貸款行為的，其申請貸款的順利程度要遠(yuǎn)大于未婚或離異人士的。在房產(chǎn)方面，人人貸借款人有房產(chǎn)的占61.5%，向上360借款人有房產(chǎn)的占51.5%，向上360借款人有房產(chǎn)和無房產(chǎn)的比例較接近。說明房產(chǎn)狀況對借款成功率有一定的影響。借款人中男性人數(shù)遠(yuǎn)遠(yuǎn)超過女性，說明男性比女性更傾向于借款。這也可能和金融借貸中存在的性別歧視有關(guān)，認(rèn)為男性借款人的還款能力大于女性借款人。人人貸借款人的學(xué)歷主要是本科和大專，占借款總?cè)藬?shù)的82.8%。向上360抵押借款人中高中或以下學(xué)歷的比例有所上升，和本科人數(shù)基本持平，說明信用貸款比抵押貸款更看重學(xué)歷。

表2 屬性變量描述性統(tǒng)計

表3顯示了人人貸和向上360借款人的籍貫分布情況。人人貸借款人籍貫分布狀況為華北地區(qū)、華東地區(qū)、中南地區(qū)、西南地區(qū)、東北地區(qū)、華中地區(qū)各占11.8%、35.0%、18.0%、8.0%、12.8%、14.5%，華東地區(qū)占最多比例，大約為三分之一左右。各地區(qū)中最低百分比為8.0%，最高為35%，差距較大。向上360借款人籍貫分布狀況為華北地區(qū)、華東地區(qū)、中南地區(qū)、西南地區(qū)、東北地區(qū)、華中地區(qū)各占3.3%、66.0%、9.5%、8.0%、5.0%、8.3%，華東地區(qū)占最多比例，大約為三分之二，且為人人貸華東地區(qū)借款人的兩倍左右。各地區(qū)中最低百分比為3.3%，最高為66.0%，差距較大。向上360借款人籍貫分布狀況較人人貸更為集中，不同地域借款人百分比差距較大，說明不同地域之間借款成功率存在明顯差異。貸款人似乎更加偏好經(jīng)濟(jì)發(fā)達(dá)的華東地區(qū)的借款人，且這種偏好在向上360平臺中更明顯。

表4給出了變量的相關(guān)系數(shù)以及顯著性水平。從表4中可以看出，在1%的顯著性水平下，借款總額和收入、年齡、學(xué)歷、房產(chǎn)狀況之間呈現(xiàn)出顯著的正相關(guān)關(guān)系。說明高收入、高學(xué)歷、有房產(chǎn)的人更容易獲得高借款額。借款總額和收入、年齡、學(xué)歷、房產(chǎn)狀況的相關(guān)系數(shù)分別為0.278、0.132、0.213、0.174，說明存在弱相關(guān)，這可能和樣本容量較大有關(guān)。借款總額和婚姻的相關(guān)系數(shù)為0.097，p值為0.053，即邊緣顯著，二者可能存在相關(guān)性。性別和籍貫對借款總額影響不大。在1%的顯著性水平下，收入和學(xué)歷正相關(guān)，說明高學(xué)歷可能帶來更多的收入。年齡和婚姻以及房產(chǎn)存在顯著正相關(guān)。此外，在5%的顯著性水平下，收入和性別之間也呈現(xiàn)出相關(guān)關(guān)系，說明男性的薪酬待遇普遍高于女性。

表3 籍貫分布情況統(tǒng)計

表4 變量相關(guān)性

注：***代表在0.01水平(雙側(cè))上顯著相關(guān)。**代表在0.05水平(雙側(cè))上顯著相關(guān)。

(四)實證結(jié)果

根據(jù)上述相關(guān)性檢驗結(jié)果，以收入、年齡、學(xué)歷、房產(chǎn)狀況為核心解釋變量，并加入啞變量以區(qū)別兩個平臺的借款人，以借款總額的對數(shù)值為被解釋變量，建立如下模型：

lnγi=β0+β1ai+β2si+β3ei+β4hi+β5Di+εi

(3)

其中：γi表示第i個借款人的借款總額，ai表示第i個借款人的年齡，si表示第i個借款人的收入(0表示2000～5000元，1表示5000～10000元，2表示10000～20000元，3表示20000～50000元，4表示50000元以上)，ei表示第i個借款人的學(xué)歷(1表示高中或以下，2表示大專，3表示本科，4表示研究生或以上)，hi表示第i個借款人的房產(chǎn)狀況(0表示無房產(chǎn)，1表示有房產(chǎn))，Di為借款人來自的網(wǎng)貸平臺(0表示人人貸借款人，1表示向上360借款人)，β0，β1，…，β8為待估參數(shù)。

采用線性回歸分析，加入所有解釋變量，考慮可能存在多重共線性問題，因此采用逐步方法，得出表5的結(jié)果。

表5 線性回歸結(jié)果

注：因變量為借款總額的對數(shù)值。*表示p<0.1，**表示p<0.05，***表示p<0.01。

從表5發(fā)現(xiàn)，模型5的擬合度最高。年齡、學(xué)歷的系數(shù)在5%水平下顯著為正，收入、房產(chǎn)、都在1%水平下顯著為正，這意味著對于一項成功借款，借款總額和收入、學(xué)歷、年齡呈正相關(guān)，有房產(chǎn)的人更容易借到錢。從具體系數(shù)看，收入每提高一個水平，借款總額增加11.8%，學(xué)歷每提高一個水平，借款總額增加6.6%。有房產(chǎn)的借款人平均可以多借15.0%。年齡每增加一歲，借款總額平均增加0.6%，說明在一定的年齡范圍內(nèi)，貸款人可能對年長的人有偏好。網(wǎng)貸平臺的系數(shù)在1%水平下顯著為負(fù)，說明人人貸借款人比向上360借款人的借款總額平均多27.4%。根據(jù)多元回歸模型，可以得到lnγ=10.740+0.006a+0.066e+0.118s+0.150h-0.274D。

(五)穩(wěn)健性檢驗

首先，考慮樣本選取是否影響結(jié)果。從某種程度上說，行業(yè)、職位性質(zhì)不同，收入的穩(wěn)定性不同。貸款人對公務(wù)員、世界五百強(qiáng)企業(yè)員工、教師或醫(yī)生等更加青睞，貸款機(jī)構(gòu)通常會向此類人群批復(fù)相對較高的授信額度。相反，從事服務(wù)業(yè)、銷售借款人獲得的額度可能相對低一些。因此，利用向上360的數(shù)據(jù)，把樣本換成從事服務(wù)業(yè)、銷售崗位的借款人，進(jìn)行穩(wěn)定性檢驗，結(jié)果如表6所示。

表6 穩(wěn)定性檢驗1

注：因變量為借款總額的對數(shù)值。

表6中的結(jié)果表明，把樣本換成從事服務(wù)業(yè)、銷售崗位的借款人之后，相較于之前的結(jié)果，變量系數(shù)和符號都比較穩(wěn)定，其顯著性水平也沒有明顯變化，說明上文結(jié)果具有較好的穩(wěn)健性。

其次，為了排除異常值的影響，對所有變量進(jìn)行5%的縮尾處理，以檢驗結(jié)果的穩(wěn)健性。結(jié)果如表7所示。

表7 穩(wěn)定性檢驗結(jié)果

注：因變量為借款總額的對數(shù)值。

表7中的結(jié)果表明，網(wǎng)貸平臺的系數(shù)仍為負(fù)，年齡、學(xué)歷、收入和房產(chǎn)等變量的系數(shù)都為正。其中，年齡、學(xué)歷的系數(shù)在10%水平下顯著為正，收入和房產(chǎn)的系數(shù)在1%水平下顯著為正，網(wǎng)貸平臺的系數(shù)在1%水平下顯著為負(fù)。符號都比較穩(wěn)定，且顯著性水平?jīng)]有顯著變化，說明結(jié)果依舊穩(wěn)健。

(六)平臺差異比較分析

從上述實證結(jié)果可以發(fā)現(xiàn)，兩個網(wǎng)貸平臺的借款額有顯著差異。因此分別進(jìn)行兩個平臺的線性回歸分析，研究各因素對不同網(wǎng)貸平臺借款額的影響有何差異。得到表8、表9的結(jié)果。

由表8-表9中的結(jié)果可知，對于人人貸平臺來說，年齡、學(xué)歷、收入和房產(chǎn)等變量的系數(shù)在1%水平下都顯著為正。收入每提高一個水平，借款總額增加11.0%，學(xué)歷每提高一個水平，借款總額增加12.0%。有房產(chǎn)的借款人的借款額要高17.7%。對于向上360平臺來說，收入、房產(chǎn)對借款總額在1%水平下有顯著影響，學(xué)歷、年齡等變量對借款總額沒有顯著影響。可以發(fā)現(xiàn)，對于不同平臺，各因素對借款總額的影響不同，主要是由于向上360采用抵押貸款模式，人人貸采用信用貸款模式。信用貸款模式下貸款人可能需要更多的信息(如年齡、學(xué)歷等)才能產(chǎn)生信任和借款意愿，而抵押貸款下貸款人則無需過多考慮其他信息，因為抵押貸款對借款人的約束力較之信用貸款大大增強(qiáng)，且增強(qiáng)了借款人的信譽(yù)觀念。

表8 人人貸回歸結(jié)果

注：因變量為借款總額的對數(shù)值。*表示p<0.1，**表示p<0.05，***表示p<0.01。

表9 向上360回歸結(jié)果

五、結(jié)論與啟示

本文利用人人貸和向上360這兩家網(wǎng)貸平臺的交易數(shù)據(jù)進(jìn)行了系統(tǒng)的分析。首先，研究不同的網(wǎng)貸模式下，借款人的借款成功率是否相同，即通過在回歸方程中加入啞變量，表示來自不同網(wǎng)貸平臺的借款人。其次，針對現(xiàn)有研究中單一的歧視現(xiàn)象，本文加入各種借款人特征變量，如年齡、學(xué)歷、收入、房產(chǎn)、婚姻狀況等等，研究P2P網(wǎng)貸中存在的多種歧視現(xiàn)象。

實證結(jié)果顯示：a)借款人主要集中為中青年人，且男性比女性更傾向于借款。b)從前文可以得知華東地區(qū)的借款人占四分之三左右，這類人所處地區(qū)經(jīng)濟(jì)發(fā)達(dá)，資源豐富，收入相對較高，有更強(qiáng)的借款優(yōu)勢。但是借款人是否處于經(jīng)濟(jì)發(fā)達(dá)地區(qū)以及借款人的性別對借款額度的影響并不大，即貸款人對不同性別、不同籍貫的借款人的還款能力不存在歧視現(xiàn)象。c)婚姻狀況和借款額存在邊緣相關(guān)。雖然未要求申請人必須已婚，但實踐證明已婚人士且配偶支持貸款行為的，其申請貸款的順利程度要遠(yuǎn)大于未婚或離異人士的。

P2P網(wǎng)貸平臺通常偏好向以下人群批復(fù)相對較高的授信額度。第一類是有房產(chǎn)或車產(chǎn)的人群，這類人借錢的目的通常是為了資金周轉(zhuǎn)。通常抵押借貸逾期的可能性相對較小。第二類是高學(xué)歷的人群，這些人受過良好的教育。研究表明高學(xué)歷的借款者的實際違約率較低，高等教育在一定程度上有助于增強(qiáng)借款者的自我約束能力。第三類是高收入的借款人，通常他們的還款能力較強(qiáng)，違約風(fēng)險相對較小。此外，在一定年齡限制下，年紀(jì)稍長者可能容易借到更多的錢，可能因為年輕人比年長者有更大的風(fēng)險偏好，逾期還款的概率更大。

通過不同平臺的對比分析也可以為P2P貸款申請?zhí)峁┮恍┯幸娴膯⑹荆篴)向上360的車抵寶交易期限通常在兩個月內(nèi)，主要用于短期資金周轉(zhuǎn)，而信悅寶屬于信用貸款，其交易期限則較長，五萬以下的借款期限為一年左右，十萬以上的借款期限為三年左右。人人貸平臺借款的期限基本在兩年以上。借款人若以短期資金周轉(zhuǎn)為目的，且借款額較少，建議選擇向上360的抵押貸款。b)人人貸借款總額平均比向上360多兩萬元，若借款額較大，且周期較長，建議選擇人人貸。c)女性借款人和非經(jīng)濟(jì)發(fā)達(dá)地區(qū)借款人不必過于擔(dān)心受到歧視。d)信用貸款比抵押貸款更看重借款人的學(xué)歷。有房或車這兩個穩(wěn)定的抵押物，逾期可能性要小，借款人條件允許情況下，選擇抵押貸款更容易獲批。

本文的不足在于：只比較了兩種模式下的網(wǎng)貸平臺，未涉及其余模式的平臺。在以后的研究中將會深入，加入更多模式的平臺。

參考文獻(xiàn)：

[1] 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,2014,31(5):54-70.

[2] 尉麗婷.P2P網(wǎng)絡(luò)融資中借款能力的影響因素研究：以拍拍貸為例[J].時代經(jīng)貿(mào),2013,11(7):72-73.

[3] 安鑫,白靜.拍拍貸借款能力影響因素研究[J].當(dāng)代經(jīng)濟(jì),2016,32(28):60-61.

[4] 陳建中,寧欣.P2P網(wǎng)絡(luò)借貸中個人信息對借貸成功率影響的實證研究：以人人貸為例[J].財務(wù)與金融,2013,28(6):13-17.

[5] Barasinska N, Sch?fer D. Are Women More Credit-constrained than Men? Evidence from a Rising Credit Market[R]. German: Institute for Economic Research,2010.

[6] 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,2015,37(4):136-147.

[7] 湯英漢.中國P2P網(wǎng)貸違約特征實證研究[J].商業(yè)時代,2014,33(32):90-92.

[8] 顧慧瑩,姚錚.P2P網(wǎng)絡(luò)借貸平臺中借款人違約風(fēng)險影響因素研究——以WDW為例[J].上海經(jīng)濟(jì)研究,2015,34(11):37-46.

[9] 廖理,李夢然,王正位.聰明的投資者:非完全市場化利率與風(fēng)險識別——來自P2P網(wǎng)絡(luò)借貸的證據(jù)[J].經(jīng)濟(jì)研究,2014,60(7):125-137.

[10] 廖理,吉霖,張偉強(qiáng).借貸市場能準(zhǔn)確識別學(xué)歷的價值嗎？——來自P2P平臺的經(jīng)驗證據(jù)[J].金融研究,2015,58(3):146-159.

[11] 蘇亞,成春林.P2P網(wǎng)貸借款人違約行為影響因素的實證研究[J].金融發(fā)展研究,2017,36(1):70-76.

[12] 丁婕,古永紅,陳冬宇.交易信任、心理感知與出借意愿——P2P在線借貸平臺的出借意愿影響因素分析[C]//中國管理現(xiàn)代化研究會.第五屆(2010)中國管理學(xué)年會：信息管理分會場論文集.大連：中國管理現(xiàn)代化研究會,2010:112-121.

[13] 王會娟,廖理.中國P2P網(wǎng)絡(luò)借貸平臺信用認(rèn)證機(jī)制研究——來自“人人貸”的經(jīng)驗證據(jù)[J].中國工業(yè)經(jīng)濟(jì),2014,32(4):136-147.

[14] 溫小霓,武小娟.P2P網(wǎng)絡(luò)借貸成功率影響因素分析——以拍拍貸為例[J].金融論壇,2014,19(3):3-8.