论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　三、 模型说明与数据统计
　　1. 研究假设。人人贷平台的利率设定方式不同于国外的竞价机制，是由平台给定借款人一个利率设定范围，然后借款人在此范围内自行设定具体利率。这种由借款人自行决定利率的机制具有一定的市场化成分，原因在于借款人自行设定利率时需要考虑利率对于投资人的吸引力，进而需要分析借贷市场中的供需关系。由此拟定的利率水平通常也应包括借款人未来可能出现的违约风险，即可能存在借款利率越高、违约可能性越大的情况。投资人了解到这样的利率决定机制之后，由于自身的理性，通常会规避过高的风险，因此本文提出假设H1：
　　H1：借款成功率与借款利率呈负相关关系。
　　借款人在人人贷平台上进行借款申请时，需要提交个人基础信息，并进行多项安全认证。此后，人人贷平台会审核借款人提交的信息，同时给予相应的评分，加总得到该借款人的信用分数，并匹配相应的信用等级，包括AA、A、B、C、D、E、HR七个级别，代表的信用状况依次递减。信用等级衡量的是借款人未来的违约风险，故本文提出假设H2：
　　H2：借款成功率与借款人信用等级呈正相关关系。
　　2. 实证模型。本文采用计量回归模型对P2P平台借款成功率的影响因素进行分析，设定因变量为funded，在借款成功时赋值funded=1，借款失败时赋值funded=0。考虑到该变量为二元变量，本文由此选择了logistic回归模型用于预测该离散型因变量与其他解释变量之间的关系。本文构建logistic回归模型如公式（1）：
　　ln（■）=？茁0+？茁1IR+？茁2Credit+？茁3X+？着（1） 
　　ln（■）=？茁0+？茁1IR+？茁2Credit+？茁3X+？着（1）
　　其中：
　　P（funded=1）——借款成功事件发生的概率；
　　P（funded=0）——借款失败事件发生的概率；
　　IR——借款利率；
　　Credit——借款人信用等级（HR、E、D、C、B、A、AA对应赋值分别为0、1、2、3、4、5、6，信用等级越高代表借款人违约风险越低）；
　　X——控制变量。根据Klafft（2008）、Puro等（2010）、温小霓和武小娟（2014）的研究，本文选取借款人年龄、学历（按学历从低到高依次赋值，高中或以下=0，大专=1，本科=2，研究生或以上=3）、婚姻状况（已婚=1，未婚、丧偶、离异=0）、收入水平（人人贷平台上统计的收入共有7类，分别为1 000元以下、1 000元～2 000元、2 000元～5 000元、5 000元～10 000元、10 000元～20 000元、20 000元～50 000元、50 000元以上，对应赋值为income=0、1、2、3、4、5、6）及借款金额作为控制变量加入模型。
　　3. 数据描述性统计。本文通过爬虫技术获取了人人贷平台编号200 000-230 000的借贷项目样本，删除了其中的数据缺失样本，最终获得有效样本25 437个。通过描述性统计（见表1），发现：（1）成功项目个数为8 763个，失败项目个数为16 674个，借款成功率为34.45%。（2）借款利率最低为8%，最高为24%，平均借款利率为12.56%。相对而言，投资人偏好借款利率较低的借贷项目。（3）借款人信用等级平均值为1.531，反映了人人贷的借款人整体信用水平偏低，大多数借款人的信用等级为HR或E。（4）借款人最小21岁，最大63岁，平均年龄约33岁，说明目前需要融资的主要群体为中青年人。（5）借款人学历水平平均为0.896，反映人人贷的借款群体普遍学历不高。（6）借款人婚姻状况平均为0.572，说明已婚人士居多。（7）借款人收入均值为3.117，反映多数人收入在10 000元以下。
　　四、 实证结果与分析
　　本文利用STATA13.0这一统计软件对相关截面数据进行回归分析，回归结果见表2。
　　模型一、三、五中借款利率变量前面的系数在1%的显著性水平下为负值，表示借款利率越高，借款成功率越低，与本文的假设H1相符，同时体现了结果的稳定性。由此，可以认定，在市场化利率能反映出借款人违约风险的情况下，人人贷平台上的投资人面对“安全”和“收益”两难选择时，愿意放弃较高收益来确保投资的安全性。这背后的逻辑是，在借款人投资项目收益回报既定的前提下，高的借款利率压低了未来投资项目盈利的利润率，导致预期高收益的项目才会去P2P平台上筹款，但这些项目同时伴随着高风险。所以P2P平台高借款利率只能吸引来高收益同时高风险的项目，优质的借款人会离开P2P网贷市场，最终形成P2P网贷市场上的逆向选择。同时，需要注意的是，模型一的拟合度R2为4.83%；加入其他控制变量后，模型三的拟合度R2增至19.56%；进一步加入信用等级变量后，模型五的拟合度R2达到了79.10%，这反映了借款利率对借款成功率的解释力度较为有限。
　　模型二、四、五中借款人信用等级变量前的系数在1%的显著性水平下为正值，表示借款人信用等级越高，借款成功率越高，与本文的假设H2相符，同时体现了结果的稳定性。投资人在选择借贷项目时，偏好信用状况较好的借款人，以便降低违约风险，确保资金顺利收回。模型二的拟合度R2为74.52%，远高于模型一，说明借款人信用等级较借款利率对借款成功率的解释力度要强，也意味着投资人在进行贷款决策时，更关注借款人的信用等级，即借款人信用等级是影响P2P借款成功与否的关键因素。
　　借款金额与借款成功率在1%的显著性水平下呈现负相关，且结果具有稳定性，反映在其他条件不变的前提下，借款人的借款金额越高，借款成功率越低。背后原因很简单，借款金额越大，借款人的偿还压力也越大，违约概率相应提高，导致投资人惜贷，表现为借款成功率下降。
　　年龄、学历、婚姻以及收入水平与借款成功率均在1%的显著性水平下呈现正相关，且结果具有稳定性，这反映年龄越大、学历越高、已婚以及收入较高的借款人更容易获得借款。收入对于还款能力的重要性显而易见，借款人收入越高，违约风险越低，投资人自然愿意投资。通常而言，年龄大或者学历高的人，自身的财富积累以及资源渠道都较多，还款较有保障。而婚姻代表着一个人的稳定性，也是还款能力的一种体现。