就业经验和教育背景能否提高借贷成功率？_p2p网贷论文

从业经历和教育背景是否能提高借贷成功率？，本文主要内容关键词为：成功率论文,是否能论文,背景论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      近年来随着互联网技术的广泛运用，民间借贷借助互联网这一载体成为电子商务领域发展最为迅速的商业模式之一。建立在个人信用和商业信用基础上的P2P小额贷款模式(peer-to-peer lending)，使得贷款申请者与投资方可以便利地了解对方的有效信息，直接签署借贷的相关合同，无需金融中介的参与，极大节约了交易成本。

      P2P借贷的模式最早起源于欧美地区，以英国Zopa、美国的Prosper以及Lending Club等为主要代表。一直以来金融发展较为滞后的我国，在互联网借贷平台领域第一次跟上了世界金融创新的步伐，P2P小额借贷在中国的发展已走在了世界的前列。2007年，我国成立了第一家P2P网络借贷平台——拍拍贷(ppdai)，为个人及小微企业融资难融资贵等问题开辟了新的渠道和解决方案，同时也为社会的闲置资金提供了更多更好的投资方向，因而其一经产生就获得了很大的关注度和高速的发展。目前国内P2P网络借贷平台的龙头有人人贷、宜信、拍拍贷等，其主要发展情况如表1。

      

      然而，在我国目前的P2P借贷市场上，借款人的质量参差不齐，其信用状况、还款能力更是千差万别，因而对于平台投资者而言，依据合理的考察指标选择出值得信赖的融资者，对于其收回投资本金，进而获取投资收益来说十分重要。在如今注重考查人才综合实力的21世纪，拥有丰富的相关行业从业经历能为求职者在争取机会时添加不少的筹码；与此同时，丰富的从业经历相比于高学历、多证书而言能给人更高的可信赖度，反映了一个人较为全面的综合素质与实际工作能力。目前关于从业经历的研究大多局限在教育教学领域，有关从业经历在P2P借贷市场上价值体现的相关研究比较鲜见，这是本文研究的切入点之一。同时，作为历来被列为申请人资格审核重要标准的因素，教育背景在整个借贷市场的信用评价体系中占据了越来越重要的位置。相较于美国等发达信贷市场对于学历的重视程度，中国相关领域对于教育程度的关注依然远远不够，因而学历对于信贷市场上借贷成功率的影响状况将作为本文研究的另一个关键切入点。

      P2P网络借贷行业起源于欧美，因而国外对于这个领域的相关研究比较早且较为全面和深入。Freedman和Jin(2008)[1]指出，在P2P网络借贷平台中，借款人面临的贷款成本低于银行等传统金融机构的同期利率，这种模式对于借贷双方而言都构成一种互利共赢的局面，对于借款人而言可以方便快捷地获得还款成本较低的贷款，而资金借出方也可以得到高于银行利息收入的投资收益。Berger和Gleisner(2009)[2]认为，P2P网络借贷平台通过互联网上的电子协议在多对多的个人账户之间建立起较为安全、高效、便利的联系，同时平台运用掌握的大数据信息对借款人进行分类、分析和筛选，将最终合格的借款人进行信用评级，并据此区别定价以便不同类型的投资人根据自身偏好进行匹配和选择。

      对于借贷成功率影响因素的研究是国外P2P领域研究的重点，也是与本文内容密切相关的研究。lyer等(2009)[3]、Herzenstein等(2008)[4]的研究均发现借款人的财务状况与借款成功率密不可分，对借贷成功率影响十分显著。Ravina(2012)[5]的研究指出种族差异对借款成功率的影响并不显著，对利率的影响更大；而外貌条件优越的借款人在借贷时拥有优势，其借贷成功率更高，且利率普遍偏低。

      国内学者开展关于P2P网络借贷平台的研究相对较晚，且多集中在借款者借贷成功率的影响因素方面，如李悦雷等(2013)[6]以拍拍贷平台的数据为样本，对借款利率、信用等级、成功借款次数、借款期限、竞标时间、年龄等诸多影响借款成功率的因素进行了全面分析，逐个探讨其对于借贷成功率的作用情况。毋庸置疑，借贷者的从业经历也是影响借贷成功率的不可忽略的因素，但在现有研究中鲜有涉及。现有关于从业经历的研究大多集中在创业领域，Delmar和Shane(2006)[7]对瑞典的233家企业进行了为期两年的纵向研究，重点检验创业团队的创业经验对于新企业生存和销售增长方面的影响，并验证了这种影响随企业年龄而体现出的动态性及非线性。谢琳等(2012)[8]基于全国私营企业调查数据的实证研究得出结论，认为企业家的前再分配部门任职经历意味着企业创立时即拥有更多的政治资本，而那些创业后获得政治安排的人则主要意味着其能力得到更多的认可。

      关于教育背景对借贷市场作用的研究，Gathergood(2012)[9]基于英国消费信贷市场的调查数据，得出“受教育程度较低的借款人更倾向于过度负债”的结论。而廖理等(2015)[10]创新地选取了借款成功率和违约率两个全新的角度分析了借款人的学历水平在P2P市场中所起的作用，得出了“高学历融资者如约还款的概率更高，但没有显著提高借款成功率”的结论。

      从业经历与学历作为评价借款申请人个人能力的两个重要维度，具有不可分割的联系。学历是一个自然人迈入社会的通行证，是其进入职场的最初开端，更是证明其学生时代学习能力的最好标志。而从业经历则与学历具有一个承接的关系，它是自然人运用学历踏入工作岗位后一系列后续表现的反应，是评价其工作能力的最重要的指标之一。与借款申请人性别、房产车产拥有情况等指标不同的是，从业经历与教育程度能够更好地衡量申请人的内在特质与个人品格，更多地体现出其后天的勤奋和踏实程度，是申请人一贯学习和工作态度的完美体现。然而，关于借贷者从业经历对于P2P网络借贷成功率的研究目前在国内外的学术领域仍未引起足够关注，而将从业经历与教育程度两者结合的对P2P网络借贷市场进行的研究更是缺乏。因此，本文将从业经历与学历这两个反映借款申请人内在能力特质的因素加以结合考虑，选取成立较早并且在国内具有代表性的P2P平台“人人贷”作为研究样本，以该平台2010年10月11日至2015年1月25日的交易数据探究它们是否影响了P2P平台的借贷成功率。本文通过Probit模型和Logit模型进行回归分析，得到：借款人工作经历越丰富或学历越高，其借贷成功率越高，即此两者与借贷成功率呈现显著的正相关关系；但是，借款人工作时间与学历背景的交互影响却与直觉相反，即兼具这两种特质会在一定程度上削弱其单独存在时对于借贷成功率的正效应。

      二、研究假设

      由于借款申请人从业经历越丰富，通常意味着其积累了更多的社会经验与工作技能，拥有更强的社会适应性，这些积累与特质能够帮助他们更好地经营自己的事业，更便捷地迈向成功的人生，因而我们有理由认为，在自然人申贷时，工作时间这一因素也可能对其申贷成功率产生一定程度的影响。与此同时，Delmar和Shane(2006)[7]、谢琳(2012)[8]等均指出工作经验对于个人后续人生经历的重要价值以及从业经历对于个人来说有不可替代的重要意义，因而P2P网络借贷平台的投资方将借款人的工作经验丰富与否纳入到其对申贷结果评判的考量范围之内是合理的。基于以上分析，本文提出如下假说。

      假说1：工作经验丰富有助于借款人成功借贷；

      假说2：工作经验丰富对于借款人申贷结果并无影响。

      假说1与假说2是互相对立的，通过实证研究可以分析两者之一的正确性。由于工作经验丰富的借贷者通常意味着其经济基础较好，社会资源更加丰富，融资渠道广阔，因而工作经验丰富的申请人最终决定通过P2P小额平台借贷也可能使投资方怀疑其借贷的目的和诚意。假如在控制了其他因素后，工作经验较为丰富的借款人相比于工作经验欠缺的借款人拥有更高的借贷成功率，则假说1得到支持，反之，则支持假说2。

      相应地，受教育程度高的借款申请人通常被认为拥有较高的道德水平和诚信度，其信誉也更有保证，且高学历者的社会认同度普遍高于低学历者，使得高学历者更易达到人生的目标，因而我们有理由认为，在自然人申贷时，学历这一因素也可能对其申贷成功率产生一定程度的影响。除此之外，Gathergood(2012)[9]、廖理等(2015)[10]从不同的角度均论证了借款人受教育程度在信贷市场中的重要价值，这也与我们的分析相一致。据此，我们提出假设3。

      假说3：高等学历能有效地提高借款人的借贷成功率。

      考虑到P2P平台投资方认为学历越高者信用程度越低，其放贷意愿越弱的概率较小，我们提出假设4。

      假说4：高等学历对于提高借款人的借贷成功率并没有显著贡献。

      毫无疑问，假说3与假说4之间亦存在对立关系。一般而言，我们认为教育背景好的借款人是优质借款人，然而投资方有另一层顾虑，由于高学历者通常拥有的融资渠道也较为广阔，其最终选择P2P小额借贷平台的原因值得深究，投资方面临的违约风险或许更加巨大，因而高学历的价值是否被识别也是值得探讨的。在控制了其他变量后，假如高学历借款人相比于低学历借款人，其借贷成功率更高，则假说3得到验证，反之，则结果支持假说4。

      三、变量定义与描述性统计

      本文利用的数据来源于“人人贷”网站，采用的研究区间为2010年10月至2015年1月。初始样本数目为45万条观测，在剔除了信息不全的87 212条观测以及正在申请过程中、借贷成功与否无法获知的87 037条观测后，最终的样本观测数为275 751条记录。

      为了检验前文的假设，本文在考虑了数据的可获取性以及借鉴相关文献的基础上，构建了如下计量模型：

      

      模型(1)中，因变量Success代表申请人借贷的成功情况，当申请人成功借贷，则Success取1，否则取0；Worktime为借款人的工作时间，作为本文研究解释变量从业经历的量化衡量指标，工作时间为1年及以下时Worktime取0，2～3年时取1，4～5年时取2，5年以上取3；Edu代表申请贷款人接受教育的程度，以此来衡量其学历差异，同样采取哑变量的处理方法，高中或以下取0，专科取1，本科取2，研究生或以上则取3。

      关于控制变量的定义，本文同样将其处理为哑变量，以便于进一步的描述性统计与回归分析。Sex为借款人性别，男性取1，女性取0；Income描述了借款人的月收入的情况，月收入1 000元及以下时取1，1 001～2 000元时取2，2 001～5 000元时取3，5 001～10 000元时取4，10 001～20 000元时取5，20 001～50 000元时取6，50 000元以上时取7；Marriage代表借款人的婚姻状况，当借款人为已婚、离异或丧偶时取1，未婚时取0；House为借款人是否拥有房产，拥有房产则取1，否则取0；Car代表借款人是否已购车，已购车取1，否则取0；Housedebt表示借款人是否有房贷，有房贷时取1，否则取0；Cardebt代表借款人是否有车贷，有车贷时取1，否则取0；Creditrank为借款人信用等级，这里将所有借款人的信用等级分为7种，当信用等级为AA时取1，A时取2，B时取3，C时取4，D时取5，E时取6，HR时取7；Age没有采取哑变量的处理方法，直接反映了借款人的实际年龄。

      表2中对主要变量进行了相关描述性统计。根据描述性统计的结果，我们可以发现Success的均值仅为0.087 7，这表明仅有8.77%的申请人获得了借贷的成功。关键变量Worktime的均值为1.352 6，说明申请人的平均工作年限在3年左右。另一关键变量Edu的均值为0.815 4，表明借款人的平均学历为专科及以下。在控制变量方面，Sex均值为0.853 9，表明借贷群体中男性居多，女性样本过少，这可能导致在研究性别对于借贷成功率的影响时结果并不一定尽如人意，不过本文将其定为控制变量，性别因素并不是本文主要探讨的因子；Income均值为3.947 4，表明样本中借贷人月收入平均在5 001～10 000元的数量级；借款人平均年龄为30.754 1；已婚的占比数约为55%；拥有房产者占到41.16%；车辆拥有率较低，为6.91%；与此同时，借款人背负房贷的概率也明显大于其背负车贷的可能，分别为12.95%和5.18%；申请人的信用等级的均值较高，为6.636 8，说明样本中有相当一部分申请人的信用等级为HR，绝大部分申请人的信用级别较差。总的来说，借贷人样本的主体倾向的特征为中低收入、信用等级较差、工作时间较短、学历不高的男性申请人。

      

      四、实证分析结果

      本文采用Probit回归模型作为基准回归，并在回归过程中控制了有关借款人情况的相关变量，该回归模型可以用如下公式表述：

      Pr(成功借款｜工作时间，教育程度，借款人情况相关的控制变量)=

(工作时间，教育程度，借款人情况相关的控制变量)

      (一)基准回归结果

      表3列示了利用“人人贷”网站数据做出的从业经历、教育程度对借贷成功率影响的回归结果。根据模型(1)，我们分别对各变量对于成功借贷的影响情况进行了分析。

      在不含控制变量的回归结果中，我们可以发现哑变量从业经历前系数的点估计为0.054 2，且在1%的水平上显著为正，表明从业经历越丰富，成功获得贷款的几率就越大。从业经历丰富的借款人通常能给平台投资方留下更好的印象，因为丰富的就业经历意味着其能在失败中获得经验和教训，使得具有如此特质的借款人更加沉稳可靠。同理可以发现，教育程度亦在1%的显著水平上与借贷成功率呈正相关关系，这意味着在不控制其他变量的情况下，接受过高等教育的借款人更易获得融资。一般而言，高学历者被认为其诚信意识更强，未来的预期收入与经济能力也更为乐观，因而更易获得投资者信赖。

      表3的后两列反映了包含申请人性别、年龄、婚姻状况等控制变量的回归结果。哑变量工作年限前系数的点估计为0.051 6，依旧在1%的水平下显著。同样地，哑变量教育程度前系数的点估计为在1%的显著性水平上的0.035 7，说明即使控制了其他变量，高等教育程度本身能够使得申请人在投资方心目中的印象大大加分，从而在较大程度上提高借贷的成功率，即支持假说3。

      从表3中各个控制变量前的系数来看，申请人收入状况、年龄、婚姻状况与借贷成功率呈现出在1%的显著水平上的正相关关系，说明收入状况良好、年龄稍长、已婚的借款人更受投资方的青睐，在申请借贷时的成功率更高。收入状况良好表明申请人拥有较为可靠的还贷基础；年龄稍长的已婚申请人通常被认为拥有更强的社会责任感，潜在的道德风险小于年轻的未婚申请人。除此之外，拥有车贷将使得申请人在投资方心中的印象极大地受损，而是否拥有房贷对于借贷成功率的影响并不显著。这可能是由于在当前中国，背负房贷已成为一种普遍现象，较易获得投资人的理解；而在中国汽车价格一般而言低于房价，并且车贷并未融入到百姓的主流生活，因而背负车贷会在投资方心中被打下经济能力较弱的标签，在申请贷款时受到一定程度的歧视。由于哑变量信用评级设定时，数值越高表明其信用程度越差，因此从表3的回归结果我们可以发现申请人信用评级与借贷成功率存在显著的相关关系，信用评级越好的申请人，其成功借款的概率较其他申请人也会更高。

      除此之外，表3还陈列了利用probit模型进行偏效应分析的结果。在不含控制变量与包含控制变量的情况下，工作时间对于借贷成功率的偏效应均为正效应，系数的点估计分别为0.008 6和0.002 3，即表明若工作时间加长1%，借贷成功率将增加0.008 6%与0.002 3%；同样地，在不含控制变量与包含控制变量的情况下，学历对于借贷成功率的偏效应也均呈现为正效应，系数的点估计分别为0.022 3和0.001 7：表明偏效应分析进一步验证了假说1和假说3。

      

      为了区分工作时间和学历对于借贷成功率产生的不同结果，本文在前文模型中加入工作时间与受教育程度的交互项来进行进一步的实证分析。

      

      其中，X为模型中的控制变量，代表性别、收入、年龄等的综合作用。

      表4反映了加入工作时间与学历的交互项后的实证结果，我们可以从中发现：不含控制变量与含控制变量的情况下，交互项前的系数均为负值，分别为1%显著水平下的-0.059 9和-0.042 2；而工作时间与学历依旧与借贷成功率呈现显著的正相关关系，在不含控制变量与含控制变量下均为1%显著水平下的正值。可见，尽管借款人从业经历的丰富性能够提高其借贷成功率，受教育程度越高，借贷成功率亦是越高，然而学历高且从业经历丰富会削弱单个变量对于借贷成功率的正效应。表4系数I列中，工作时间与交互项前的系数相加(

)为0.11，这表示相对于从业经验极其欠缺的申请人而言，从业经历丰富且拥有高学历可以使其借贷成功率提高0.11；教育程度与交互项前的系数相加(

)为0.23，表明对于高中或以下学历的申请人而言，其他学历更高且工作经验丰富的申请人可以将借贷成功率提高0.23。同样地，根据表4系数II列的实证结果，从业经历丰富且拥有高学历的申请人，其借贷成功率能够提高0.076(

)；学历高且从业经历丰富者比低学历申请人增加了0.094(

)的借贷成功率。

      表4的结果表明，从业经历丰富与高学历的叠加效应反而在一定程度上削弱了其单个因素的正效应。尽管投资方认为从业经历丰富者与高学历者都是还款能力较强的借款人，但两种特质均有的借款人会让投资方怀疑其申贷的目的，认为其违约风险反而加大。与此同时，根据前文表1的平台基本情况可知，我国目前的P2P小额借贷平台作为“草根金融”的一种重要形式，主要针对的是中低收入的弱势群体以及刚踏入社会的大学生创业者。平台投资方认为工作经验丰富且拥有高学历的申请人，应当拥有广阔的融资渠道和社会资源，其求助于P2P借贷市场不能使P2P小额借贷市场的资金得到最大程度的利用，会使真正需要资金的弱势群体遭受一定程度上的不公平。除此之外，若工作经验丰富的高学历者不得不选择P2P借贷市场作为融资方式，表明其不会利用自身的固有优势，其未来的职场发展前景与还款能力堪忧，必将难以获得平台投资者的信赖。

      对加入交互项的probit模型进行偏效应分析后，我们发现在不含控制变量与包含控制变量的情况下，工作时间对于借贷成功率的偏效应依旧为正效应，系数分别为0.027 1和0.007 4；同样地，在不含控制变量与包含控制变量的情况下，学历对于借贷成功率的偏效应也与上文结果一致，仍呈现为正效应，系数分别为0.045 4和0.008 5。对于交互项进行偏效应分析后我们发现，从业经历与学历的交互项对于借贷成功率的偏效应呈现为一种负效应，系数在不包含与包含控制变量情况下分别为-0.009 5和-0.002 6，这进一步验证了从业经历丰富与高学历的叠加效应反而在一定程度上削弱了其单个因素的正效应。

      

      (二)稳健性检验

      表5延续了基准回归的变量分析，同时采用了另一种离散选择模型——Logit模型，以考察假设随机变量服从逻辑概率分布的情况下申请人的从业经历及教育程度与成功借款的关系是否与基准回归的结果保持一致。

      表5的回归结果显示，在不包含控制变量的情况下，工作时间与教育程度的系数的点估计都在1%的水平下显著为正；在讨论控制变量的情况下，结果也与之前的分析大体保持一致。与此同时，收入、年龄、婚姻状况、信用等级的影响情况也与基准回归结果类似，说明在正常情况下，收入状况稳定且良好的、年龄稍长、信用等级较高的已婚申请人总是更能获得投资方的青睐。在本轮回归分析中，拥有车贷的系数点估计为1%显著性水平下的-0.164，表明车贷的背负依旧会成为降低申请人借贷成功率的一个重要因素。

      

       为防止解释变量存在多重共线性问题，我们用方差膨胀因子(VIF)检验来进一步分析该回归模型的有效性。VIF检验结果显示，解释变量工作经历与教育程度之间，并不存在多重共线性，即从从业经历与教育背景两方面来探讨其对借贷成功率影响的模型是有效的。为进一步确认解释变量的有效性，我们对其进行了相关性的检验，见表6。

      由表6我们可以发现，工作时间与教育程度之间的相关系数为0.089，远低于0.5，表明了从业经历与学历这两个解释变量之间并不存在显著的相关关系，因而以它们为自变量来讨论其对借贷成功率的影响是合理的。与此同时，我们发现控制变量之间，控制变量与主变量之间的相关系数也普遍较小，都介于-0.5至0.5之间，意味着模型选取的变量之间的相关性较小，模型的解释力度较高。

      五、结论与建议

      本文以P2P小额贷款市场的真实交易数据为基础，通过人人贷网站的数据进行实证分析，创新地探讨了从业经历与教育背景在个人借贷市场中的作用和价值。

      实证结果表明，在含控制变量或不含控制变量的回归结果中，从业经历丰富的人在申请贷款的过程中拥有工作经验欠缺者无法弥补的优势；另一方面，教育程度与借贷成功率呈显著的正相关关系，贷款申请人学历越高，获得青睐的机会就越多。通过对从业经历与教育程度的交互项的研究发现，学历高且从业经历丰富会削弱单个变量对于借贷成功率的正效应。除此之外，根据包含控制变量的回归分析我们可以发现，收入状况稳定且良好的、年龄稍长、信用等级较高的已婚申请人成功获得借贷的概率越大，反之则获得贷款的概率越小。

      根据本文的实证结论以及理论分析，我们可以引申出如下建议。

      其一，进一步加强社会教育及平台投资者教育。由前文所述我们发现，受教育程度高的申请人在借贷市场中更受投资者的青睐和认可，因此，对于个人而言，提高受教育水平能够帮助自己获得更大的竞争优势，在申贷等多个领域获得优先权；对整个社会而言，提高教育程度在个人综合信息评估中所占的位置，有助于文明社会的建设，督促社会民众加强内在的底蕴修炼。

      其二，鼓励民众将理论运用于实践的精神，进一步强调实践经历的重要性。由于从业经历丰富与借贷的成功率具有显著的正相关关系，因而在借贷市场中，工作经验丰富能成为借款人申贷的一项重要筹码，其重要性并不亚于学历。在社会宣传教育中，我们除了不可忽略教育对于人生的价值之外，在实际工作中将理论运用于实践也应摆在极其突出的位置。

      其三，构建“普惠金融”，加强法律和政策方面的支持力度。互联网P2P借贷服务的对象主要是传统银行信贷服务无法覆盖的弱势群体以及初入社会的大学生创业者，对于在全国范围内构建服务大众的“普惠金融”具有十分重要的意义。除此之外，平台是由民间资本的自发流动形成的，能够极大地促进民间资本的优化配置，资金的流向决定了P2P借贷市场可以为百姓增加就业、创业机会，改善其生活条件，因而理应获得法律的保障与国家政策的扶持。

标签：p2p网贷论文;  控制变量论文;  p2p网络借贷平台论文;  收入效应论文;  正常工作时间论文;  相关性分析论文;  p2p模式论文;  教育背景论文;  p2p论文;  投资论文;  工作经验论文;  p2p信贷论文;  p2p金融论文;