“互聯(lián)網(wǎng)+”背景下杭州高校學(xué)生校園貸現(xiàn)狀調(diào)查研究

孫 夢，房啟全

(浙江科技學(xué)院 理學(xué)院，浙江 杭州 310023)

0 引言

校園貸初衷是國家開發(fā)銀行向?qū)W生提供助學(xué)貸款，協(xié)助貧困大學(xué)生完成學(xué)業(yè)、解決生活困難。隨著互聯(lián)網(wǎng)的普及和“互聯(lián)網(wǎng)+”的風(fēng)行，互聯(lián)網(wǎng)與金融行業(yè)在校園內(nèi)的耦合孕育出了一種新型的校園金融—校園貸。隨著社會(huì)經(jīng)濟(jì)的縱深發(fā)展和生活水平的不斷提高，大學(xué)生的消費(fèi)水平也隨之改變。他們在面對五花八門的校園網(wǎng)貸平臺(tái)時(shí)，稍不防范就容易成為網(wǎng)貸平臺(tái)的“囊中物”。由于相關(guān)法律法規(guī)方面的滯后和缺位、風(fēng)險(xiǎn)防范意識(shí)不足以及相應(yīng)監(jiān)管不力等原因?qū)е麓髮W(xué)生們掉入了校園網(wǎng)貸的陷阱?；ヂ?lián)網(wǎng)技術(shù)發(fā)展的同時(shí)也給了非法分子鉆法律空子的機(jī)會(huì)。網(wǎng)貸平臺(tái)往往打著“低門檻”“無利息”“無擔(dān)?！钡纫幌盗械目谔?hào)，宣傳力度大而且貸款方式五花八門，在大學(xué)校園生活中泛濫衍生。

近年來，出現(xiàn)了許多對校園網(wǎng)貸的研究成果，為杭州高校大學(xué)生校園貸的現(xiàn)狀的調(diào)查研究提供了思路與方法。如胥青等[1-5]對校園貸亂象的危害、產(chǎn)生原因以及風(fēng)險(xiǎn)防范與教育引導(dǎo)機(jī)制等進(jìn)行了較系統(tǒng)的闡述。吳再發(fā)[6]闡述了校園貸的危害以及如何跨越校園貸的陷阱；在趙忠亮等[7-10]中，作者對校園貸類借貸監(jiān)管問題進(jìn)行了研究，并就校園貸類借貸平臺(tái)法律監(jiān)管、貸款程序等方面提出了若干建議；王德國等[11-12]中，作者分別以青島某高校和江蘇省大學(xué)生為例，通過問卷調(diào)查,分析了大學(xué)生校園貸的現(xiàn)狀，并探討了問題的解決方法，并指出校園貸良好市場秩序的回歸和維持需要政府等外界監(jiān)管力度的增強(qiáng)、校園貸平臺(tái)內(nèi)部運(yùn)行機(jī)制和管理體制的改革創(chuàng)新以及在校大學(xué)生法律意識(shí)和風(fēng)險(xiǎn)意識(shí)的加強(qiáng)。

在借鑒以上研究結(jié)果的基礎(chǔ)上，本文基于“互聯(lián)網(wǎng)+”大環(huán)境下，對杭州高校內(nèi)校園網(wǎng)貸現(xiàn)狀進(jìn)行調(diào)查，在獲取數(shù)據(jù)基礎(chǔ)上，以經(jīng)濟(jì)情況、消費(fèi)欲望、金融知識(shí)、風(fēng)險(xiǎn)意識(shí)和征信意識(shí)作為影響學(xué)生是否選擇校園貸的主要因素，利用主成分分析和Logistic回歸模型研究大學(xué)生校園貸的主要成因，探尋防范并遏制不良校園貸發(fā)展的對策，為各高校校園網(wǎng)貸現(xiàn)狀提供規(guī)避風(fēng)險(xiǎn)的參考途徑，致力于凈化“互聯(lián)網(wǎng)+”時(shí)代的校園貸生態(tài)環(huán)境，維護(hù)社會(huì)和金融市場的穩(wěn)定。

1 校園網(wǎng)貸主要影響因素回歸分析

1.1 數(shù)據(jù)來源與分析

本項(xiàng)目通過網(wǎng)上發(fā)放問卷和實(shí)地調(diào)查的方式，借助校圖書館相關(guān)資料編寫調(diào)查問卷，主要從經(jīng)濟(jì)情況、消費(fèi)欲望、金融知識(shí)、風(fēng)險(xiǎn)意識(shí)及征信意識(shí)等多方面探討在杭高校學(xué)生校園貸的情況及成因。

2019年上半年，在杭州小和山高教園區(qū)的三所高校和一所高職校內(nèi)，就“校園貸”進(jìn)行了初步調(diào)查。被調(diào)查的院校包括浙江科技學(xué)院、浙江工業(yè)大學(xué)、浙江外國語學(xué)院和浙江長征職業(yè)技術(shù)學(xué)院，涵蓋了省部共建雙一流高校、省屬重點(diǎn)高校、省屬普通高校、省屬高職院校4個(gè)層次，覆蓋面較廣，覆蓋學(xué)校層次具有代表性，能很好地表征杭州高校校園貸狀況。院校主要集中在省會(huì)杭州小和山高教園區(qū)，學(xué)校之間距離較近，方便問卷的發(fā)放與回收且能保證其有效性，都遠(yuǎn)離鬧市區(qū)，校園環(huán)境比較接近。

通過線下和線上發(fā)放問卷并進(jìn)行回收篩選，最終獲得有效電子問卷300份和有效紙質(zhì)問卷200份。問卷所涉及的問題主要為以下幾類：參與度、金融知識(shí)的知曉率、消費(fèi)去向、貸款額度、父母親人知曉情況、對利息計(jì)算、還款方式的接受程度、借貸平臺(tái)選擇的依據(jù)和面對風(fēng)險(xiǎn)時(shí)的處置辦法。對回收的有效問卷進(jìn)行數(shù)據(jù)整合，針對這幾個(gè)方面簡要分析高校學(xué)生使用“校園貸”情況。利用主成分分析法對數(shù)據(jù)進(jìn)行更為細(xì)致地處理，得出了使學(xué)生淪陷“校園高利貸”的成因有如下幾點(diǎn)：大學(xué)生不良的消費(fèi)行為、互聯(lián)網(wǎng)技術(shù)迅速發(fā)展、校園網(wǎng)貸的運(yùn)作流程是陷阱、法律體制不完善及社會(huì)監(jiān)管不嚴(yán)等因素。

1.2 數(shù)據(jù)預(yù)處理

通過對數(shù)據(jù)整理，發(fā)現(xiàn)各個(gè)因素?cái)?shù)據(jù)的格式及單位不統(tǒng)一，為使建立模型時(shí)計(jì)算機(jī)更好的識(shí)別數(shù)據(jù)，不考慮單位的轉(zhuǎn)化關(guān)系，可將各類數(shù)據(jù)按照程度分為4個(gè)等級，如表1所示。

表1 變量取值范圍和賦值內(nèi)容

1.3 主成分分析的原理及數(shù)學(xué)模型

在運(yùn)用統(tǒng)計(jì)方法解決實(shí)際問題時(shí)，人們常常會(huì)面對研究多個(gè)變量的問題，且在大部分情況下，多個(gè)變量之間存在某種相關(guān)性。由于變量個(gè)數(shù)多及變量之間的相關(guān)性，會(huì)增加分析解決問題的復(fù)雜性和難度。一般情況下，變量之間的相關(guān)性可以理解為變量在反映實(shí)際問題的信息時(shí)具有一定的重疊。在實(shí)際應(yīng)用中，人們希望變量數(shù)較少而得到的信息較多，主成分分析法就是將事先提出的所有變量中重復(fù)的或者關(guān)系緊密的變量刪去，找出盡可能少的綜合變量，使得這些綜合變量盡可能地代表原來變量的信息量，且兩兩之間互不相關(guān)[13-14]。

主成分分析法是利用線性代數(shù)技巧進(jìn)行降維的統(tǒng)計(jì)方法，概括而言就是根據(jù)某種正交變換，將原先給出的多個(gè)變量進(jìn)行線性組合，提煉出盡可能少的互不相關(guān)的新變量[14]，具體步驟如下：

(1) 原始數(shù)據(jù)標(biāo)準(zhǔn)化。

假定有n個(gè)樣本，每個(gè)樣本共有p個(gè)變量，構(gòu)造一個(gè)n×p階的數(shù)據(jù)矩陣：

(2) 計(jì)算相關(guān)系數(shù)矩陣。

其中rij為原始變量xi,xj的相關(guān)系數(shù)

(3) 求解相關(guān)系數(shù)矩陣R的特征根、特征向量及貢獻(xiàn)率，找出主成分。

首先，根據(jù)特征方程det(λE-R)=0，求出特征值，并且使其按大小順序排列：

λ1≥λ2≥…≥λp≥0;

取累計(jì)貢獻(xiàn)率在85%～95%的特征值λ1,λ2…λm所對應(yīng)的第一、第二…第m(m≤p)個(gè)主成分。

(4) 各主成分的載荷。

記x1,x2…xp為原變量指標(biāo)，z1,z2…zm(m≤p)為新變量指標(biāo)，則可得主成分得分函數(shù)：

1.4 主成分模型建立求解

(1) 將附件一表1中數(shù)據(jù)作標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化處理，計(jì)算相關(guān)系數(shù)矩陣，如表2所示。

由表2可知：家庭月均收入X1和月消費(fèi)水平X2的相關(guān)系數(shù)為0.831 5，因此解釋變量之間存在多重共線性。

(2) 為了消除回歸模型的多重共線性，將自變量X1～X8進(jìn)行降維處理，構(gòu)造原變量的一系列線性組合，使得各線性組合在互不相關(guān)的前提下盡可能多地反映原變量的信息，這些新變量稱為主成分。由相關(guān)系數(shù)矩陣計(jì)算特征值以及各個(gè)主成分的貢獻(xiàn)率與累計(jì)貢獻(xiàn)率，如表3所示。

表2 相關(guān)系數(shù)矩陣

表3 特征值及主成分貢獻(xiàn)率

實(shí)際應(yīng)用當(dāng)中，一般應(yīng)選取累計(jì)貢獻(xiàn)率≥80%的前幾個(gè)主成分。由表3可知： 第一至第五主成分的累積貢獻(xiàn)率高達(dá)85.88% (>85%)，因此可認(rèn)為Z1～Z5為我們所求的主成分。根據(jù)線性關(guān)系得到主成分Zi與原始變量Xi的相關(guān)系數(shù)，其絕對值的大小刻畫了該主成分的成因，體現(xiàn)了Xi對Zi的重要程度，如表4所示。

由表4 得，第一主成分Z1與X1,X2,X3,X5及X8呈現(xiàn)較強(qiáng)的正相關(guān)，主要代表了家庭經(jīng)濟(jì)情況；第二主成分Z2與X3,X6,X7及X8呈現(xiàn)較強(qiáng)的正相關(guān)，主要代表了風(fēng)險(xiǎn)意識(shí)的強(qiáng)度；第三主成分Z3與X1,X2,X4及X6呈現(xiàn)較強(qiáng)的正相關(guān)，主要代表了消費(fèi)欲望的強(qiáng)度；第四主成分Z4與X3,X4及X5呈現(xiàn)較強(qiáng)的正相關(guān)，主要代表了征信意識(shí)的強(qiáng)度；第五主成分Z5與X6及X8呈現(xiàn)較強(qiáng)的正相關(guān)，主要代表了金融知識(shí)的掌握情況。于是以第一、二、三、四、五主成分作為自變量進(jìn)行回歸分析，其中第一至第五主成分的表達(dá)式分別為:

表4 主成分特征向量

Z1=0.6053X1+0.6343X2+0.2380X3-0.2838X4+0.2485X5-0.1365X6-0.0597X7+0.1007X8，Z2=-0.1493X1-0.0022X2+0.4797X3+0.1845X4+0.2303X5+0.3289X6+0.5491X7+0.5008X8，Z3=0.2958X1+0.2805X2-0.1221X3+0.2475X4-0.5827X5+0.5666X6+0.2154X7-0.2250X8，Z4=0.0048X1+0.0439X2+0.4794X3+0.6163X4+0.2495X5-0.0628X6-0.2107X7-0.5271X8，Z5=0.0040X1+0.0075X2-0.0860X3+0.1455X4+0.1703X5+0.5182X6-0.7177X7+0.3983X8。

2 Logistic回歸模型

Logistic回歸模型是一種概率模型，屬于概率型非線性回歸，是分析因變量為定性變量時(shí)常用的統(tǒng)計(jì)分析方法，適用于對照研究和橫斷面研究，且結(jié)果發(fā)生的變量必須是二分的或多項(xiàng)分類的，可用影響結(jié)果變量發(fā)生的自變量與因變量來建立回歸方程[15]，其在醫(yī)學(xué)、社會(huì)學(xué)、經(jīng)濟(jì)學(xué)等領(lǐng)域有著廣泛的應(yīng)用。

2.1 Logistic回歸方程

設(shè)有一個(gè)因變量Y和p個(gè)自變量X1,X2…Xp，對每個(gè)實(shí)驗(yàn)對象共有n次觀測結(jié)果，可將原始資料列成表5形式。

表5 Logistic回歸模型的數(shù)據(jù)結(jié)構(gòu)

其中，Y取值為0或1，其中，Y=1：選擇校園貸，Y=0：不選擇校園貸。將選擇校園貸的概率記為P(0≤P≤1)，它與自變量X1,X2…Xp之間的Logistic回歸模型為：

則不選擇校園貸的概率為：

即

ln[P/(1-P)]=β0+β1X1+…+βpXp,

定義Logistic變換：

Logit(P)=ln[P/(1-P)],

即Logistic回歸方程為：

Logit(P)=β0+β1X1+…+βpXp。

2.2 Logistic模型求解

根據(jù)主成分分析得到的結(jié)果，將所得的主成分作為自變量，各變量賦值內(nèi)容如表6所示。

表6 Logistic回歸模型的變量賦值

根據(jù)主成分分析方法知影響學(xué)生是否選擇校園貸的主要因素有5個(gè)，分別對這5個(gè)因素按照程度的高低劃分為4個(gè)等級，再根據(jù)附件當(dāng)中的數(shù)據(jù)二，得出5個(gè)因素與是否選擇校園貸概率的密度圖，如圖1-5所示。

圖1 經(jīng)濟(jì)情況與選擇校園貸概率密度

圖2 消費(fèi)欲望與選擇校園貸概率密度

圖3 金融知識(shí)與選擇校園貸概率密度

圖4 風(fēng)險(xiǎn)意識(shí)與選擇校園貸概率密度

根據(jù)概率密度圖，在經(jīng)濟(jì)情況等級中，一般貧困的學(xué)生選擇校園貸的概率較大；在消費(fèi)欲望等級中，消費(fèi)欲望較低的學(xué)生選擇校園貸的概率較大；在金融知識(shí)等級中，了解一點(diǎn)金融知識(shí)的學(xué)生選擇校園貸的概率較大；在風(fēng)險(xiǎn)意識(shí)等級中，有風(fēng)險(xiǎn)意識(shí)但不強(qiáng)的學(xué)生選擇校園貸的概率較大；在征信意識(shí)等級中，有一點(diǎn)征信意識(shí)的學(xué)生選擇校園貸的概率較大。因此，所選取的主成分在一定程度上能夠反映學(xué)生選擇校園貸的影響因素。運(yùn)用SPSS軟件對因變量和自變量進(jìn)行二元Logistic回歸分析，如表7所示。

圖5 征信意識(shí)與選擇校園貸概率密度

表7 參數(shù)

在5%顯著性水平上，對多元回歸模型進(jìn)行總體顯著性檢驗(yàn)，由上表知，統(tǒng)計(jì)量Z=3.179 53>2.58，P=0.001 475 16<<0.01，說明各個(gè)因素的共同影響是顯著的，此時(shí)校園貸影響因素的Logistic回歸方程為：

即，

Logit(P)=-10.266 3+1.556 7X1+1.621 4X2+1.304 54X3+0.538 1X4+0.725 2X5。

2.3 模型檢驗(yàn)

為檢驗(yàn)所設(shè)定的多元函數(shù)參數(shù)在應(yīng)用過程中所得結(jié)果與實(shí)際結(jié)果的偏差程度，我們按照5%的置信水平對多元函數(shù)的參數(shù)進(jìn)行檢驗(yàn)，所得結(jié)果如表8所示。

表8 參數(shù)置信區(qū)間

由上表知：估計(jì)值均在置信區(qū)間內(nèi)，故可認(rèn)為該模型的參數(shù)估計(jì)的可信度為95%。根據(jù)Logistic模型結(jié)果，經(jīng)濟(jì)情況等級、消費(fèi)欲望等級、金融知識(shí)等級主要體現(xiàn)大學(xué)生自身的主觀條件，這些為影響大學(xué)生校園貸的重要因素，風(fēng)險(xiǎn)意識(shí)等級、征信意識(shí)等級主要體現(xiàn)大學(xué)生客觀風(fēng)險(xiǎn)知識(shí)的積累，為影響大學(xué)生校園貸的外在因素。

校園貸現(xiàn)狀調(diào)查顯示，當(dāng)代大學(xué)生一是沒有妥善的財(cái)務(wù)規(guī)劃能力，不知如何管理與支配自己的財(cái)產(chǎn)；二是自控能力不足，超前消費(fèi)，因此在資金短缺時(shí)，會(huì)在網(wǎng)上申請信用貸來解決燃眉之急；三是多數(shù)大學(xué)生由于專業(yè)受限，他們本身對于違約金、滯納金等一系列收費(fèi)項(xiàng)目的計(jì)算方式和金額了解不多；四是一些大學(xué)生存在攀比心理，誠信缺失。因此經(jīng)濟(jì)情況等級、消費(fèi)欲望等級、金融知識(shí)等級是影響大學(xué)生校園貸的重要因素，這也進(jìn)一步說明主成分分析法研究的結(jié)果是比較合理的。

3 對策與建議

針對校園貸款平臺(tái)發(fā)展過程中出現(xiàn)的問題以及對大學(xué)校園環(huán)境造成的影響，按照銀監(jiān)會(huì)和教育部等的統(tǒng)一部署，明確要求各高校應(yīng)建立校園不良網(wǎng)絡(luò)借貸日常監(jiān)測機(jī)制、實(shí)時(shí)預(yù)警機(jī)制和校園不良網(wǎng)絡(luò)借貸應(yīng)對處理機(jī)制[11-12]。本文根據(jù)以上實(shí)證研究結(jié)果，給出如下相應(yīng)的對策建議。

3.1 政府相關(guān)部門加強(qiáng)監(jiān)督管理

政府應(yīng)該組織公安、工商、銀監(jiān)、銀行等相關(guān)職責(zé)部門進(jìn)行統(tǒng)一協(xié)調(diào)，加強(qiáng)校園貸款監(jiān)督體系的建設(shè)力度，完善對消費(fèi)金融類公司的監(jiān)管辦法。政府應(yīng)進(jìn)一步明確監(jiān)管主體、監(jiān)管措施和監(jiān)管責(zé)任，出臺(tái)嚴(yán)格的行業(yè)審批及監(jiān)管制度。針對校園網(wǎng)貸的源頭、網(wǎng)絡(luò)貸款平臺(tái)的資質(zhì)、借貸方面的利息、暴力催生等情況都必須進(jìn)行嚴(yán)格監(jiān)管。例如，在網(wǎng)貸平臺(tái)上需要設(shè)置更多的風(fēng)控門檻，其次核實(shí)借款人還款能力、是否多平臺(tái)借貸等信息，建立擔(dān)保人制度，以保證大學(xué)生的貸款行為有知情人知悉；或是限制貸款次數(shù)，防止大學(xué)生因多次貸款以致無力償還帶來不良后果，最后再根據(jù)借款人的資信能力來發(fā)放貸款，建立校園網(wǎng)貸行業(yè)的自律準(zhǔn)則。

3.2 鼓勵(lì)扶持合理合法校園貸，嚴(yán)厲打擊不良借貸平臺(tái)

一方面，校園貸行業(yè)應(yīng)該嚴(yán)格規(guī)范催收方式以及篩查合法的催收機(jī)構(gòu)，轉(zhuǎn)變其核心職能，從原來的營銷型轉(zhuǎn)變成服務(wù)型；加強(qiáng)對在校大學(xué)生還款能力的審查，提高貸款門檻。另一方面，校園貸應(yīng)加強(qiáng)自身平臺(tái)的貸款流程的嚴(yán)謹(jǐn)性，將貸款額度限制在適合大學(xué)生群體的范圍內(nèi)；同時(shí)注意收集資料，并協(xié)助監(jiān)管部門建立一套相應(yīng)的適合大學(xué)生群體的信用體系，且平臺(tái)自身加入征信系統(tǒng)，從而提升自身的規(guī)范性和合法性。校園貸平臺(tái)具有簡單快捷的優(yōu)勢，能夠短時(shí)間內(nèi)快速解決高校大學(xué)生資金短缺的問題，市場前景廣闊。若運(yùn)營得當(dāng)，將有利于促進(jìn)社會(huì)經(jīng)濟(jì)的發(fā)展。因此，對于合理合法校園貸平臺(tái)應(yīng)當(dāng)鼓勵(lì)和扶持其發(fā)展，但對于不良平臺(tái)，例如存在違法暴力催收、高額利息等行為的平臺(tái)應(yīng)嚴(yán)厲打擊、堅(jiān)決取締，從而營造良好的網(wǎng)絡(luò)借貸市場環(huán)境。

3.3 學(xué)校要給在校大學(xué)生提供勤工助學(xué)的崗位和規(guī)范的創(chuàng)新創(chuàng)業(yè)平臺(tái)

為社會(huì)培養(yǎng)具有創(chuàng)新精神和實(shí)踐能力的高級專門人才是高等教育的任務(wù)，要在大學(xué)教育教學(xué)實(shí)習(xí)中為大學(xué)生提供創(chuàng)新創(chuàng)業(yè)的相關(guān)培訓(xùn)及實(shí)踐平臺(tái)和基地，積極正面地引導(dǎo)他們參與相關(guān)的創(chuàng)新創(chuàng)業(yè)活動(dòng)，在實(shí)踐中激發(fā)他們的潛能去探索、去積累經(jīng)驗(yàn)，從而增強(qiáng)風(fēng)險(xiǎn)防范意識(shí)，充分認(rèn)識(shí)個(gè)人信息和信用的重要性。同時(shí)使大學(xué)生能夠體驗(yàn)到創(chuàng)業(yè)的艱辛，有利于大學(xué)生建立正確的消費(fèi)意識(shí)，進(jìn)而重新審視自己的消費(fèi)方式的合理性，糾正一些錯(cuò)誤的消費(fèi)觀念。這樣，可導(dǎo)致校園網(wǎng)貸的消費(fèi)頻率的減少，使得非法網(wǎng)絡(luò)借貸產(chǎn)品在校園難以衍生。

4 結(jié)語

本文以經(jīng)濟(jì)情況、消費(fèi)欲望、金融知識(shí)、風(fēng)險(xiǎn)意識(shí)和征信意識(shí)作為影響學(xué)生是否選擇校園貸的主要因素作了實(shí)證分析。根據(jù)主成分分析法，建立主成分模型并求解得影響學(xué)生是否選擇校園貸的上述5個(gè)主要因素，將它們作為自變量建立Logistic回歸模型，分別對這5個(gè)因素按照程度的高低劃分為4個(gè)等級，可得5個(gè)因素與是否選擇校園貸概率的密度圖。利用Logistic回歸分析，按照5%的置信水平對所得結(jié)果與實(shí)際結(jié)果的偏差程度進(jìn)行檢驗(yàn)，上述5個(gè)因素對學(xué)生是否選擇校園貸影響是顯著的。從經(jīng)濟(jì)情況、消費(fèi)欲望、金融知識(shí)、風(fēng)險(xiǎn)意識(shí)和征信意識(shí)等方面，探尋防范并遏制不良校園貸發(fā)展的措施，對凈化“互聯(lián)網(wǎng)+”時(shí)代的校園貸生態(tài)環(huán)境，維護(hù)社會(huì)和金融市場的穩(wěn)定，促進(jìn)浙江省經(jīng)濟(jì)發(fā)展有積極意義。