受教育水平如何影响自身风险评估？
——基于人人贷数据的实证研究*
● 李 汛1，夏从灵2
(1.武汉大学 经济与管理学院，湖北 武汉 430072；2.北京大学 经济学院，北京 100871)
摘 要： 受教育水平的高低是否会带来自身风险评估的差异尚不明确。本文利用人人贷平台2012—2016年31万多个借贷样本数据对该问题进行实证分析。实证结果表明，借款金额及信用等级越高，借款人提供的利率溢价越低；借款期限越长，利率溢价越高，并且在面对借款不利因素时，低学历群体更容易更悲观地评估自己的风险，倾向于提供更高的利率溢价。同时，研究考虑了P2P网络借贷中大部分是低学历水平的小企业主，在融资时面对着较高的借贷门槛。该研究结果为实现普惠金融提供了政策思考。
关键词： 受教育水平；风险认知；P2P网络借贷
一、引言
教育水平对金融决策有重要影响。相关研究表明，对投资者而言，教育能提高其金融市场参与度和投资收益率，并且投资者更有可能投资于股票等风险资产(Cole and Shastry，2009；Cole，Paulson and Shastry，2014)[1-2]。而对借贷市场中的借款者而言，较高的受教育水平与较高的信用分数、较低的违约率相关(廖理等，2015)[3]。产生这些影响的原因一方面可能是教育使得金融市场参与者拥有了更丰富的金融知识，另一方面也可能是教育提高了人们的与专业知识无关的认知能力，从而能较好地处理复杂的金融决策(Cole and Shastry，2009)[1]。
风险是金融学关注的核心问题。在营销研究领域，Bauer于1960年提出“感知风险”的概念，指消费者的购买行为会产生消费者不能完全确定地预期到的结果，并且某些结果对消费者来说是不好的。这种结果的不确定性是消费者所感知并承担的风险，且“个体只能回复或者处理他主观感知的风险”，而且“只有感知风险影响消费者决策”(曾照英等，2009)[4]。金融市场上的投资、借贷等行为同样具有不能完全确定或预期到的结果，其中某些结果是不利的。因此，金融市场参与者的决策行为也必然受其对风险的认识的影响。
当前有关风险评估和风险认知的研究多集中于食品、环境安全、电子商务、投资者行为上。然而，教育如何影响借款者对自身的评价和风险感知尚不明确。在银行等传统金融机构之外，准入门槛低、参与度广泛的P2P网贷平台近几年在中国发展迅猛，形成了大量交易数据。同时，伴随着央行于2013年7月20日全面放开金融机构贷款利率管制，金融机构自主定价能力也不断提高，这为研究借贷市场上的决策行为提供了契机。“人人贷”是中国P2P行业的代表性企业，每一笔借款订单发生时，都有相应的借款总额、期限、利率等订单信息。此外，为了减少借贷双方的信息不对称问题，平台要求借款人披露自身相关信息，如性别、年龄、学历、职业、婚姻状况及信用分数等。该平台的利率是在平台审核借款人信用资料后，由借款人自主设定的，而投资者并不直接参与利率决定，故该平台上的借款利率可以视为借款人评估自身风险后做出的决策，从而将风险感知量化并对其进行研究。因此，本研究利用借款利率溢价，即借款者在借贷市场中的支付意愿来衡量其对自身在借贷市场中所处位置的认知和评价，进而探究受教育水平对借款人感知风险的影响。具体而言，借鉴Hedonic model的思想，分解出借款订单的总标的额、借款期限、借款者信用等级等多个因素，并按照受教育水平分样本回归，研究分析每增加一单位该因素，借款者愿意为此额外支付的费用。实证结果表明，借款金额及信用等级越高，借款人提供的利率溢价越低；借款期限越长，利率溢价越高。此外，在面对借款不利因素，例如，较低的信用等级或较长的借款期限时，与高学历群体相比，低学历群体容易更悲观地评估自己的风险，在相同情况下更倾向于提供较高的利率溢价。
本文的贡献在于：第一，借助真实数据分析受教育水平如何影响人们的自我风险评价，为受教育水平在个体行为决策中所发挥的作用提供了经验证据；第二，当前，有关P2P平台的实证研究集中于两个方向：一是关于借款人的信息识别，即根据借款人所提供的信息研究其借款成功率和违约概率；二是关于出借人的行为研究，如出借人的甄别能力、决策行为和羊群效应等(廖理等，2017)[5]，从借款人行为出发，为当前P2P网贷平台的研究提供了新的角度。
二、相关研究评述
“风险”一词在不同的研究领域有着不同的定义。金融、保险等领域常用的市场风险、信用风险、利率风险、人身风险等，通常具有客观性，不以人的意志为转移。而在消费者行为领域，Bauer于1960年提出了“感知风险”的概念，即人们对风险的严重程度和可能性作出的主观判断[6]。当消费者在作出购买决策时，感知到购买结果有可能达不到自己预期的效果，并对这些不愉快的事情发生的可能性及其对自己生活的影响进行判断，这一过程即为消费者的风险认知。可见，感知风险更多地基于个人的主观评价。
从已有文献来看，受教育水平在不同的市场领域如何影响风险认知并不明确。Spence等(1970)[7]研究表明学历越高，对邮购行为的感知风险越高；于丹等(2007)[8]收集数据发现学历对网购行为感知风险的影响不显著；杨慧婷(2017)[9]则发现学历越高，对网约车的感知风险越高。一般而言，消费者感知到的风险越高时，为降低风险所愿意支付的溢价就更高。Yun等(2016)[10]发现具有较弱科学背景的人群愿意付出更多金钱来降低核电站对自身的危害；Misra等(1991)[11]认为受过大学教育的消费者对蔬果上的农药残留问题有着更理智的认识，不会特意为带有认证标志的无农药残留蔬果付高价；王志刚等(2014)[12]发现学历越低的消费者对安全液态奶的支付意愿越高。
年龄及其平方项：均为正整数值。
近年来，宝胜党建工作创新开拓和稳健务实并重，党委切实履行从严管党治党责任，围绕“党旗领航发展”主题，实施五大工程，开展具有特色化品牌化党建项目，构建“1+5+X”党建新模式，实现党建工作与企业生产经营互融互促，以党建工作促进生产经营，以经营业绩检验党建成效。
总的来看，目前关于教育对风险认知作用的文献，它们评价和认识的对象通常都是资产、电子商务、环境、食物等个人之外的具体事物。在进行个人决策时，个体如何认识自身，又如何评价自己的风险？据我们现有的了解，目前对这一问题的研究基本上还处于空白。本文将通过借贷市场中借款人所设置的利率，观察他们如何评估自身的风险，添补这一领域研究的空白。
三、模型构建与数据描述
利率是借款人使用资金的价格，同时也是对投资者机会成本、流动性偏好和投资风险等因素的补偿。在一般的银行贷款中，银行根据信用情况、抵押物、国家政策等来确定贷款利率水平，利率反映的是金融机构对借款者的风险评价。在Prosper等美国P2P网贷平台中，通常以竞价拍卖的方式确定借贷双方最终的成交利率(Herzenstein等，2008)[16]。利率是市场各方共同决定的结果。而在人人贷平台中，则是由借款人自行设置利率，只要投标金额在订单持续期内达到借款金额即可成交；否则投资者已投的资金返回其账户，筹资失败，因此，设定利率后的筹资结果是不确定的。如果借款者对自己在借贷市场上所处的位置有信心，相信以自己的条件可以比较容易地筹集到资金，那么他只会设定一个适中或者偏低的利率。反之，如果借款者对自己的认识较为悲观，认为自己条件不利，他将不得不设定一个较高的利率以吸引投资者。因此，“人人贷”平台上的利率反映了借款者对自身的主观评价和风险认知；借款人的感知风险越高，则愿意付出越多的借款成本。
办学校不是一两年就能办好的，是百年大计，必须建立一个非常好的管理体制。真正实行委员会制度，就是在学校内部形成一种民主管理制度，在管理过程中对校长权力形成监督和制衡，实现学校内部管理的民主化和科学化。
由于每个借款人希望借款的金额、期限以及他们在平台上的信用等级是不一样的。当这些因素变化时，借款利率便不能直接拿来比较，有必要将借款成本按这些因素进行分解。借鉴房地产市场中常用的Hedonic 模型(Hedonic回归 )方法。这种方法认为，住宅由众多不同的特征组成，如区位、建筑结构、周边环境等；价格将由所有特征带给人们的效用决定。通过回归分析，便能得到每种特征对房屋住宅价格的偏效应，也即消费者对每种特征的边际支付意愿。同理，将利率视为P2P网贷平台上使用资金的价格时，借款人是资金的消费方，而金额、期限等各种订单信息则是借款资金的特征，从而可以通过回归方法将价格分解。
考虑到感知风险的主观性，消费者异质性，如性别、年龄、收入等，应该予以控制。这样，就可以排除其他因素，比如受教育水平通过改变收入水平对利率产生的影响，从而识别出受教育程度通过改变认知能力对利率产生的影响。另外，民间借贷利率受到当时央行基准利率的影响，借款利率数据也应该据此进行调整。本文从借款利率中减去订单发生时同期限的央行贷款基准利率，排除了借款人对投资者机会成本和流动性偏好的补偿，仅留下对投资者投资风险的补偿。用该借款利率溢价作为被解释变量，订单特征作为主要解释变量，借款人的人口统计学特征、订单发生年份等作为控制变量，构建模型如下：
婚姻状况：虚拟变量，借款人已婚取1，未婚、离异或丧偶取0。
Risk_Premiumi=β0+β1Loan_Infoi+β2Zi+εi
其中Risk_Premiumi表示第i位借款者的利率溢价，Loan_Infoi表示第i位借款者的借款金额、期限、信用等级等订单信息，Zi表示借款人特征、订单发生省市及年份等控制变量，β0、β1、β2为待估系数，εi为随机扰动项。为了探究不同学历借款人的支付意愿是否相同，将对高学历和低学历的样本分别进行回归，比较所得到的系数。
本文使用的数据为2012年1月1日至2016年12月31日“人人贷”P2P网络借贷平台上借款订单数据，共315 410条。由于研究关注的是借款人如何设定利率，故对其中未满标或未及时还款的样本也予以保留，以避免样本选择偏误。去除学历等关键变量缺失的记录，最终样本数量为313 355个。按学历将样本分为两组：大专、高中或以下为低受教育水平组，占总样本的69.97%；本科、研究生及以上为高受教育水平组，占总样本的30.33%。结合已有文献的方法和实际数据情况，模型中其他变量的选择如下：
(一)被解释变量
得到总标的额、借款期限和信用等级对借款利率溢价的影响方向后，我们按数据描述中的方法将样本划分为高学历群体和低学历群体，以此探究受教育水平对风险认知的影响。
(二)订单特征变量
总标的额：以万元为单位，由借款人设定，但借款人单笔借款的金额受到平台所给的信用额度的限制。样本中99.99%的订单的总标的额在50万元以下。
以上变量的描述性统计见表1。从表中可以看出，整体而言，“人人贷”平台上的借款利率高于央行基准贷款利率约6个百分点。这是因为P2P平台门槛较低，借款者常常是无法通过银行等良好渠道进行融资的群体，再加上目前国内P2P平台缺乏完善的监督管理机制，使得在此类平台上交易的风险较高，因而对应有较高的利率。此外，总体上低学历群体所设定的利率溢价高于高学历群体(均值分别为6.13和6.01，t检验的p值小于0.001)，意味着低学历群体的感知风险更高。
成品设备管道，水箱、雨水回收池等可以采用装配式成品。生活用水水箱采用装配式不锈钢水箱，实用美观、耐久性好。厨房隔油设备采用成品一体化气浮隔油设备，全封闭结构，无臭无异味，易清理；雨水回收池采用PP模块化装配式水池，安装方便，承载力大，清洁卫生。
女性主义翻译研究之所以在国内产生巨大反响并持续生热,还有一些必要的外在条件,例如:作者所在院校的学术研究倾向、基金支持等都保障了该研究领域的发展动力与持续影响,这些都获得了相关数据支撑,见表1。
借款期限：以月为单位，由借款人设定。
两组患者相较于治疗前均有明显改善，其中观察组改善情况优于对照组，P＜0.05，差异有统计学意义，详见表2。
表 1被解释变量及订单特征变量描述性统计
(三)借款人人口统计学特征变量
性别：虚拟变量，借款人为女性时取1，为男性时取0。
教育在金融市场也发挥着作用。Cole等(2009，2014)[1-2]发现教育水平的提高能显著增加家庭金融市场参与率和投资收益，即使控制了收入等因素，教育的这一影响也是重要的。这说明教育导致的工资收入增加不足以完全解释家庭在金融市场的表现。Cole(2014)[2]、罗靳雯等(2016)[13]认为人们的金融知识水平和认知能力也会影响家庭的金融决策。Stango等(2009)[14]研究表明，认知出现偏差的家庭倾向于低估贷款的真实成本，产生较多的借款并承担较高的借款利率。Gathergood(2014)[15]基于英国消费信贷市场数据，发现个人自控力较差或金融知识较少的借款人更容易过度负债。这些现象的背后是否有风险认知的作用尚不得而知。
平凹吃面，笔下自然要写面。他曾经写了一篇《话说岐山面》的美文，流传甚广。他是以文字向心中的美食致敬呢！
信用等级：“人人贷”平台中，借款人的信用水平由高到低分有AA、A、B、C、D、E、HR七个等级，分别用正整数7至1表示，数值越高代表信用越好。借款人申请借款并上传认证资料，经审核后将获得信用等级。提交更多的认证资料和良好的还款记录可提高信用等级。
月收入：衡量借款人的收入水平，共分为4个等级：5 000元及以下、5 000-10 000元、10 000-20 000元、20 000元以上。文中分别用4个虚拟变量表示。
各变量的描述性统计如表2所示。可以看出，借款者大多为男性、已婚、中青年及月收入10 000元以下的群体。这类人群正处于巩固、扩大事业，改善家庭生活的关键时期，融资需求较大。
另外，考虑到不同年份和省份间地方政策、经济环境等因素的影响，订单发生年份及借款人所在省份也将作为控制变量。2012—2015年，“人人贷”平台上的订单数量从5 077急速增长至112 756，这与P2P网贷平台在中国的整体发展趋势是相符的。2016年略降至103 779，可能与2015—2016年国家逐渐加强对此类平台的监管有关，如2015年7月央行联合十部委发布了《关于促进互联网金融健康发展的指导意见》，2016年8月银监会发布了《网络借贷信息中介机构业务活动管理暂行办法》等。地域方面，借款订单数量最多的五个省份分别是广东、江苏、福建、山东、辽宁，但平均利率溢价最高的则是新疆、西藏、青海、宁夏和内蒙。
表 2借款人人口统计学特征变量描述性统计
四、实证检验与结果分析
首先，使用总样本，探究总体上借款金额、借款期限及信用等级与利率溢价的关系。接着，我们将通过分样本回归，探究此类订单信息对利率溢价的影响是否与借款人受教育水平有关，即不同学历的借款人的支付意愿是否相同，进而反映出人们的风险认知。
(一)总样本的回归结果
以借款利率溢价为被解释变量，总标的额、借款期限和信用等级为解释变量的回归结果见表3模型(1)。可以看出，借款期限的估计系数为正，总标的额、信用等级的估计系数为负，且都在1%的水平下显著。按照前文的分析，我们依次引入借款人人口统计学特征变量、年份变量、省份变量。回归结果如表3第二至第四列所示。结果显示，各估计系数的符号及显著性都没有发生变化，并且从模型(1)至(4)可知，模型的解释力度由15.2%上升至57.1%
表1统计了句酷批改网和教师批改的语际错误和语内错误比例。语际错误包括语言类错误，文化差异造成的表达错误，以及由母语迁移造成的大小写和标点符号错误。根据表1，我们发现，句酷批改网发现语际错误共412处，占46%，教师批改发现467处语际错误，占52%，可见，母语负迁移是高职学生英语写作的一大障碍。
公式(1)中：Fij为城市i和j的旅游经济联系度；Pi 、Pj分别为2016年城市i和城市j接待旅游者总人次(单位：万人次)；Gi、Gj分别为2016年城市i和城市j的旅游总收入(单位：亿元)；Dij为城市i和城市j之间的最短公路距离(单位：千米)。
具体而言，总标的额与借款利率溢价有反向关系，可能的原因是借款金额较高反映了借款人的高授信额度及其背后蕴含的良好信用，借款人将不太担心筹资失败，支付意愿较低(郑迎飞，2017)[17]。但考虑到样本中99.99%的标的额都在50万元以下，即使借款金额从0元提升至50万元，在模型(4)中对利率溢价的影响也只有0.44个百分点，因此这一系数在经济上是不显著的。
借款期限与利率溢价有正向关系，这与银行贷款利率的规律是相同的，即对投资者的流动性补偿；在模型(4)中，借款期限延长一个月时，利率将提高0.06个百分点。
大力发展现代物流业，提高船用品供给的质量和效率，优化船用品市场的资源配置。广西应进一步拓展物流网络通道，完善提升物流设施，培育物流龙头企业，着力打造覆盖船用品主要生产厂家、主要港口、主要船舶修造基地和船用品集散地的船用品现代物流配送体系，进一步减低物流成本，提高船用品市场供应水平，强化广西航运服务业整体功能，提高竞争力。
信用等级与利率溢价有反向关系，这与Iyer等(2009)[18]的研究结论相同，因为信用等级高的借款人越容易获得借款，故其感知风险较低，设定的利率也就越低；每当信用等级下降一级，平均而言借款人就将为这一不利因素付出0.36%的利率溢价，可见低信用等级对借款成本有较大影响。
表 3总样本回归结果
注：为了体现不同模型之间估计系数的差异，本文估计结果保留至四位小数；括号内数字为标准误；
、、分别表示在1%、5%、10%显著性水平下显著；下同。
(二)分样本回归结果
借款利率溢价：由借款人自行设定的年利率，减去订单发生时相同期限的央行贷款基准利率得来，以百分之一为单位。该年利率为借款人支付给投资者的全部利率，不包含平台收取的服务费、管理费、手续费等其他借款费用。
分样本回归结果显示，各项估计系数的符号和显著性都与上文总样本回归结果相同。更为重要的是，从绝对值来看，低学历群体的各项估计系数均大于高学历群体。即使控制了年份和省份后，这一关系依然成立。
以表4第三组(控制了个人特质、年份及省份)为例，在其他条件一定时，若所借金额减少1万元，根据(一)中的分析，这种变化对借款人来说是不利的，借款人将增加利率支付。对于低学历群体，借款人愿意多支付0.0085个百分点的利息。而高学历群体仅愿意多支付0.0081个百分点，前者比后者高出4.9%。这意味着低学历群体对自身的不自信，担心无法成功借款，感知风险更高，因此才会用高利率来吸引投资。
同理，当借款期限延长一个月时，低学历群体将为此多支付0.063个百分点，比高学历群体高出7.5%；当信用等级下降一级时，低学历群体将为此多支付0.36个百分点，比高学历群体高出5.3%。这些都反映了低学历群体悲观的自我风险评估，愿意为较长期限、较低信用这些不利因素支付更高价格。
“本我”处于金字塔的低端，“超我”则与“本我”形成一个对立面，处于金字塔的顶端，其作用是抑制“本我”中不合理的冲动和原始欲望，按照社会伦理、道德规范行事，是理想状态中的自己，并追求完美的境界。根据弗洛伊德学说，“超我”是父亲形象与文化规范的符号内化，由于对客体的冲突，超我倾向于站在“本我”的原始渴望的反对立场，而对“自我”带有侵略性，“超我”是一种理想状态，完全遵守社会道德，“超我”的形成发生在恋母情结的崩解时期，是一种对父亲形象的内化认同。
(三)系数差异性检验
虽然上述各估计系数都是显著异于零的，并且我们也观察到两类样本的估计系数有所不同，但这一差异是否统计显著呢？为了得到风险认知水平和学历的可靠关系，使用了基于似无相关模型(SUR)的检验来检验分组回归后估计系数的差异(连玉君，2017)[19]。该方法假设高学历样本和低学历样本的误差项存在相关性，并对两个样本组进行联合估计，再对估计系数的差异进行联合假设检验。
表 4分样本回归结果
表 5系数差异性检验
结果如表5所示。可见借款期限、信用等级的系数差异是显著的，即低学历群体和高学历群体确实对这两种属性的支付意愿不同，他们的自我风险评估也不同。但总标的额的系数差异不显著，这可能是因为其系数本身很小，经济上不显著，差异也较小。
通过对云南省地震资料的搜集与研判，结合灾害损失进行分析，宏观考量云南省地震灾害具有空间集中性、时间周期性、人员损失增、小震而大灾、次生灾害重等特征。
五、稳健性检验
“人人贷”平台上借款人可以多次发布借款请求，只要单笔借款及累积尚未还清借款均不超过其信用额度即可。那么借款人是否会通过多次发标的方式，“试探”市场的反应，逐步调整自己设定的利率呢？这种学习行为可能导致利率无法准确反映个人的风险评估水平，而倾向成为市场作用的结果。针对这一问题，我们注意到该平台上的每位注册用户都有一个唯一的“借款人编号”。将数据按照该编号归类，可以看出每位借款人总共发布了多少笔借款。再结合订单发生时间，即能识别出每条数据属于哪位用户的第几次借款。取所有用户的第一次借款数据进行研究，便可以排除借款人多次发标行为带来的影响。
数据显示，在所研究的时间范围内，有92.79%的样本总共只借款一次，99.42%的样本总借款次数在5次及以下。取所有用户的第一次借款数据，样本量为300 388。利用与第五部分相同的方法，回归结果见表6。表中显示，各估计系数的符号、显著性，以及两个分样本估计系数的大小关系都没有改变。此外我们也对系数差异性进行了检验，结果与表5相同。表明实证结果具有较好的稳健性。
表 6回归结果：仅保留第一次借款数据
六、结论与启示
受教育水平对人们的认知能力有重要影响，而自我风险评估又与个体在金融市场中的表现密切相关。本文利用P2P网络借贷平台“人人贷”的数据，采用借款利率溢价衡量借款人对自身风险的评估，溢价越高，表明自我评估的风险越高。实证结果表明，借款金额及信用等级越高，借款人提供的利率溢价越低；借款期限越长，利率溢价越高。并且，在面对借款不利因素，例如较低的信用等级或较长的借款期限时，相较于高学历群体，低学历群体容易更悲观地评估自己的风险，从而在相同情况下倾向于提供较高的利率溢价。
从借款人的角度出发，为目前国内关于自我风险评估及P2P网贷平台研究提供了参考。研究结论的启示在于，受教育程度会影响借贷人的自我风险评估，导致学历较低的借款人承担较高的借款成本。虽然P2P网络借贷平台的发展为广大民间小额借款者融资提供了方便，但如果缺乏足够自我评估能力的借款者盲目涌入，不仅不能促进民间企业发展、个人生活改善，反而可能使他们背上更多的债务，P2P网贷平台便无法最大化其普惠金融的作用。因此，有必要加强对公众的金融知识普及，引导公众合理管理资金，同时推动网贷市场建立更加合理的利率定价机制[20]，促进良好借贷市场的形成。
参考文献
[1]Cole S A，Shastry G K.Smart Money：The Effect of Education，Cognitive Ability，and Financial Literacy on Financial Market Participation[M].Harvard Business School Boston，MA，2009.
[2]Cole S A，Paulson A L，Shastry G K.Smart Money? The Effect of Education on Financial Outcomes[J].The Review of Financial Studies，2014，27(7)：2022-2051.
[3]廖理，吉霖，张伟强.借贷市场能准确识别学历的价值吗?——来自 P2P平台的经验证据[J].金融研究，2015(3)：146-159.
[4]Stango V，Zinman J.Exponential Growth Bias and Household Finance[J].The Journal of Finance，2009，64(6)：2807-2849.
[5]Gathergood J，Weber J.Self-control，Financial Literacy and the Co-holding Puzzle[J].Journal of Economic Behavior and Organization，2014，107：455-469.
[6]Bauer R A.Consumer Behavior as Risk Taking[A].In：Proceedings of the 43rd National Conference of the American Marketing Association，Chicago，Illinois，1960.American Marketing Association.
[7]Spence H E，Engel J F，Blackwell R D.Perceived Risk in Mail-order and Retail Store Buying[J].Journal of Marketing Research，1970，7(3)：364-369.
[8]于丹，董大海，等.网上购物风险来源、类型及其影响因素研究[J].大连理工大学学报(社会科学版)，2007(2)：13-19.
[9]杨慧婷.网约车消费感知风险与决策研究[D].厦门大学，2017.
[10]Yun M，Lee S H，Kang H G.Analysis of the Relationship between Risk Perception and Willingness to Pay for Nuclear Power Plant Risk Reduction[J].Science and Technology of Nuclear Installations，2016.
[11]Misra S K，Huang C L，Ott S L.Consumer Willingness to Pay for Pesticide-free Fresh Produce[J].Western Journal of Agricultural Economics，1991：218-227.
[12]王志刚，杨胤轩，彭佳.消费者安全液态奶支付意愿及其影响因素——基于北京、天津、石家庄市 676 份调查问卷[J].湖南农业大学学报(社会科学版)，2014(1)：7-13.
[13]罗靳雯，彭湃.教育水平、认知能力和金融投资收益——来自CHFS的证据[J].教育与经济，2016(6)：77-85.
[14]Stango V,Zinman J.Exponential Growth Bias and Household Finance[J].The Journal of Finance,2009,64(6):2807-2849.
[15]Gathergood J,Weber J.Self-control,Financial Literacy and the Co-holding Puzzle[J].Journal of Economic Behavior and Organization,2014,107:455-469.
[16]Herzenstein M，Andrews R L，Dholakia U M，et al.The Democratization of Personal Consumer Loans? Determinants of Success in Online Peer-To-Peer Lending Communities[J].Boston University School of Management Research Paper，2008，14(6)：1-36.
[17]郑迎飞，陈晓静，辛苑.中国P2P网贷利率决定——基于跨平台横截面数据的实证研究[J].当代财经，2017(4)：47-56.
[18]Iyer R，Khwaja A I，Luttmer E F，et al.Screening in New Credit Markets：Can Individual Lenders Infer Borrower Creditworthiness in Peer-To-Peer Lending?[J].NBER Working Paper Series，2009(15242).
[19]连玉君，廖俊平.如何检验分组回归后的组间系数差异?[J].郑州航空工业管理学院学报，2017(6)：97-109.
[20]彭承亮，何启志.P2P网络借贷市场利率风险测度研究[J].兰州财经大学学报，2016(6)：62-69.
How Does Education Level of Borrowers Affect Their Own Risk Assessment ?——An Empirical Research Based on Data from Renren 's Loan
LI Xun 1，XIA Cong -ling 2
(1.School of Economics and Management，Wuhan University，Wuhan 430072；2.School of Economics，Peking University，Beijing 100871，China)
Abstract ： It was not clear whether the level of education will bring about differences in borrowers' own risk assessment.This paper uses more than 310,000 sample data from the Renren's online Lending platform from 2012-2016 to empirically analyze the subject.The results show that the higher the loan amount and credit rating，the lower the interest rate premium is offered by the borrowers.The longer the maturity，the higher the interest rate premium is.At the same time，the research takes into account the fact that most of P2P online borrowersare small business owners with low educational level，and they are faced with higher borrowing threshold when financing.This study provides policy considerations for achieving inclusive financing.
Key words ： education level；risk assessment；P2P online borrowing
中图分类号： F832.4；F724.6
文献标识码： A
文章编号： 1004-5465(2019)04-001-09
* 收稿日期： 2019-04-01
基金项目： 国家自然科学基金青年项目“不对称信息下我国P2P网贷平台进出决策与投资者动态学习行为研究”(71602149)；中央高校基本科研业务费专项资金项目“武汉大学自主科研青年项目”。
作者简介： 李汛(1986—)，男，湖北黄冈人，博士，副教授、硕士生导师，研究方向：应用微观经济学、行为经济学、政策分析；通讯作者：夏从灵(1997—)，女，广东韶关人，博士研究生，研究方向：应用微观经济学。
(责任编辑：张宏峰)
标签：受教育水平论文; 风险认知论文; p2p网络借贷论文; 武汉大学经济与管理学院论文; 北京大学经济学院论文;