吳慶田　李彬

內(nèi)容提要：P2P網(wǎng)貸作為一種新型網(wǎng)絡(luò)融資模式，盡管發(fā)展迅速但仍存在貸款人參與度低下的問題。本文基于人人貸的交易數(shù)據(jù)，通過引入價(jià)值創(chuàng)造理論，采用因子分析法和PLS-SEM法，從貸款人感知價(jià)值和感知風(fēng)險(xiǎn)兩個(gè)維度實(shí)證分析P2P網(wǎng)貸貸款人參與度的影響因素及其影響程度，結(jié)果表明借款人的信用水平與貸款人的投資收益對(duì)貸款人參與度有顯著影響，借款人個(gè)人特征因素和償債能力因素對(duì)貸款人參與度影響不顯著，P2P網(wǎng)貸發(fā)展離不開借款人信用水平和貸款人投資收益的提高。

關(guān)鍵詞：價(jià)值創(chuàng)造；P2P網(wǎng)絡(luò)借貸；貸款人參與度

中圖分類號(hào)：F8305 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1001-148X（2017）03-0159-08

P2P網(wǎng)貸既彌補(bǔ)了借款人的資金缺口，也豐富了貸款人的投資渠道，沖擊著傳統(tǒng)信貸模式。截止2015年底，零壹研究院數(shù)據(jù)中心監(jiān)測(cè)到有線上業(yè)務(wù)的P2P借貸平臺(tái)共3 657家，其中正常運(yùn)營(yíng)的1 924家，較2014年增長(zhǎng)741%。盡管P2P網(wǎng)貸發(fā)展迅猛，但目前仍存在貸款人參與度低下的問題。事實(shí)上，2015年中國(guó)網(wǎng)貸行業(yè)投資人數(shù)是借款人數(shù)的兩倍，分別為586萬人和285萬人，而我國(guó)人人貸數(shù)據(jù)表明借貸成功率也只有316%左右[1]，特別是在一系列平臺(tái)倒閉、責(zé)任人跑路事件發(fā)生后，其表現(xiàn)出的高風(fēng)險(xiǎn)更加使得P2P網(wǎng)貸貸款人望而卻步。貸款人參與度低下的問題已經(jīng)成為制約P2P網(wǎng)貸發(fā)展的主要障礙之一。

作為理性經(jīng)濟(jì)人，貸款人具有趨利避險(xiǎn)的基本特征，在投資借貸項(xiàng)目時(shí)，會(huì)比較該項(xiàng)投資可能獲得的收益和付出的成本，然后綜合考量其感知價(jià)值與感知風(fēng)險(xiǎn)的相對(duì)大小，從而決定是否參與。此外，Lloyd（2003）認(rèn)為顧客參與是顧客在服務(wù)過程中所付出的成本、精力等一切代價(jià)，最終會(huì)影響他們所接受的服務(wù)和服務(wù)質(zhì)量[2]。這說明顧客通過參與服務(wù)來更好地滿足自己消費(fèi)的個(gè)性化需求，P2P網(wǎng)貸貸款人參與借貸過程就類似于顧客參與消費(fèi)服務(wù)過程，在一個(gè)借貸雙方互動(dòng)交流的平臺(tái)上，貸款人的參與度就不僅僅是指?jìng)€(gè)別借貸項(xiàng)目的一次滿標(biāo)，而應(yīng)該是指貸款人為更好地滿足自己的投資需求，獲得投資收益，從而參與借貸，完成這一價(jià)值創(chuàng)造過程。因此，本文引入價(jià)值創(chuàng)造理論，分析貸款人參與度的衡量指標(biāo)，從貸款人感知價(jià)值和感知風(fēng)險(xiǎn)兩個(gè)維度討論貸款人參與度的影響因素及其影響程度，以期厘清感知價(jià)值、感知風(fēng)險(xiǎn)及貸款人參與度這三者之間的關(guān)系。

一、文獻(xiàn)回顧

目前國(guó)內(nèi)外關(guān)于P2P網(wǎng)貸投資人參與意愿及行為的研究較多，主要基于信息不對(duì)稱理論，風(fēng)險(xiǎn)理論，分析了“硬信息”、“軟信息”對(duì)P2P網(wǎng)貸項(xiàng)目成功的影響。在個(gè)人信息方面，Ravina（2007）研究表明借款人的年齡、性別、種族都會(huì)影響網(wǎng)貸成功率[3]。Pope等（2011）基于Prosper的實(shí)證研究，指出某一類人在選擇出借對(duì)象時(shí)會(huì)有主觀傾向，比如只選擇男性或只選擇女性，且35歲以下的年輕人更容易獲得貸款[4]。Barasinska等（2010）基于德國(guó)最大的P2P平臺(tái)（Smava），發(fā)現(xiàn)性別并沒有影響借貸的成敗[5]。在財(cái)務(wù)、信用信息方面，Puro等（2010）指出，P2P借款的成功率與出借人提供的利率、金額負(fù)相關(guān)[6]；Lin等（2009） 發(fā)現(xiàn)，借款者信用評(píng)級(jí)越低，借款成功可能性越小、借款利率越高[7]；Herzenstein 等（2013）則指出，與財(cái)務(wù)因素相比，借款人的人口特征對(duì)貸款成功的作用微不足道[8]。在社會(huì)資本因素方面，貸款人的社交網(wǎng)絡(luò)可以有效降低信息不對(duì)稱[9-11]。

綜上可知，對(duì)P2P網(wǎng)貸貸款人行為的研究主要聚焦在各類因素對(duì)借貸成功率以及參與意愿的影響，參與的衡量指標(biāo)也都是借貸標(biāo)的是否滿標(biāo)，卻很少?gòu)钠渌笜?biāo)來衡量貸款人的參與度，忽略了貸款人參與借貸時(shí)作為理性經(jīng)濟(jì)人進(jìn)行價(jià)值考量以及參與其中實(shí)現(xiàn)價(jià)值創(chuàng)造的研究。事實(shí)上，國(guó)內(nèi)外學(xué)者對(duì)傳統(tǒng)交易模式下的顧客或消費(fèi)者的參與已經(jīng)做了大量研究，指出顧客也是價(jià)值創(chuàng)造的一員，比如Cronroos（1989）認(rèn)為不是顧客獲得了參與企業(yè)創(chuàng)造價(jià)值的機(jī)會(huì)，而是企業(yè)獲得了參與顧客價(jià)值創(chuàng)造過程的機(jī)會(huì)而成為價(jià)值促進(jìn)者[12]。此外，學(xué)者們還提出顧客是否參與服務(wù)或消費(fèi)的過程主要受到顧客感知價(jià)值的影響。Zeithaml（1988）、Woodruff（1997）和Krishnan（1998）均認(rèn)為顧客會(huì)從所感知到的利得和利失的角度來考慮真正得到的價(jià)值，消費(fèi)者是否會(huì)做出購(gòu)買決策是由其所獲得的感知利益與感知成本二者間的相對(duì)關(guān)系來決定，感知利益越大，感知價(jià)值就越大[13-15]。

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，顧客或消費(fèi)者由“線下”轉(zhuǎn)移至“線上”，無論是在交易環(huán)境方面，還是交易關(guān)系方面，P2P網(wǎng)貸就類似于C2C電子商務(wù)，只是雙方的交易產(chǎn)品變成了可獲得收益的資金。相對(duì)傳統(tǒng)交易模式來說，P2P貸款人作為網(wǎng)貸平臺(tái)的金融消費(fèi)者考慮感知價(jià)值的同時(shí)，也需要考慮感知風(fēng)險(xiǎn)，與此相關(guān)的價(jià)值創(chuàng)造活動(dòng)必然也會(huì)發(fā)生改變。葉乃沂（2014）指出感知風(fēng)險(xiǎn)對(duì)消費(fèi)者購(gòu)物決策、態(tài)度以及信息處理等行為都有顯著影響[16]。王崇和李一軍（2007）分析了購(gòu)買成本、感知風(fēng)險(xiǎn)與感知價(jià)值三者之間的關(guān)系，表明購(gòu)買成本與網(wǎng)絡(luò)消費(fèi)者感知價(jià)值相關(guān)性不顯著，而感知風(fēng)險(xiǎn)是顧客對(duì)購(gòu)買決策不良后果的預(yù)期，對(duì)感知價(jià)值具有重要負(fù)影響[17]。Pavlou（2003）的研究結(jié)論都說明產(chǎn)品類型、網(wǎng)站服務(wù)、感知風(fēng)險(xiǎn)等對(duì)消費(fèi)者的消費(fèi)意愿有影響[18]。Dan等（2008）使用PLS方法對(duì)感知收益的影響進(jìn)行了驗(yàn)證，與感知風(fēng)險(xiǎn)相反，感知收益為網(wǎng)絡(luò)環(huán)境中的交易提供一種有力的刺激[19]。陳冬宇和林漳希（2013）參照C2C電子商務(wù)的交易者行為，指出在P2P 信貸市場(chǎng)中，出借者既要考慮投資收益，也要考慮與之相應(yīng)的風(fēng)險(xiǎn)，因此感知收益和感知風(fēng)險(xiǎn)都可能會(huì)影響出借者的出借意愿[20]。

二、理論分析

P2P網(wǎng)貸提供交易雙方交流的平臺(tái)，它的存續(xù)模式就在于吸引更多人參與其中并成為借貸雙方。其中，貸款人將閑散資金充分利用，投入借款人所需領(lǐng)域，在平臺(tái)上進(jìn)行資源的交換與組合，實(shí)現(xiàn)了資源的跨行業(yè)、跨地區(qū)的整合，為價(jià)值創(chuàng)造提供了先決條件。同時(shí)借貸雙方的信息交流以及貸款人憑此做出的參與選擇也影響著資源的流向，從而影響著價(jià)值創(chuàng)造活動(dòng)的進(jìn)行。參與人不斷的交流互動(dòng)給P2P網(wǎng)貸提供了源源不斷的發(fā)展動(dòng)力，創(chuàng)造了屬于自身的價(jià)值。貸款人的參與，使得若干個(gè)貸款人的閑置資金組合在一起，滿足了借款人的資金缺口，同時(shí)也實(shí)現(xiàn)了貸款人的投資收益，正是這種資源的重新組合與再利用，使得借貸雙方創(chuàng)造并獲取了新的價(jià)值。

目前國(guó)內(nèi)P2P平臺(tái)主要分為純中介型、復(fù)合型以及公益型三種類型，而貸款人一般會(huì)選擇純中介型或者復(fù)合型平臺(tái)，主要考慮借款人以及借貸項(xiàng)目對(duì)其收益與風(fēng)險(xiǎn)的影響。P2P網(wǎng)貸類似商品買賣，貸款人參與某一借貸項(xiàng)目時(shí)會(huì)綜合考慮這一交易的利得和利失。但是，對(duì)于P2P網(wǎng)貸這種線上交易來說，其與傳統(tǒng)的線下交易是有所差別的，“線上”交易更大的違約風(fēng)險(xiǎn)使得貸款人作為理性經(jīng)濟(jì)人更看重的是感知價(jià)值，也即經(jīng)濟(jì)利益或投資收益，而P2P網(wǎng)貸貸款人的投資收益主要取決于借貸項(xiàng)目的借貸利率、借貸金額以及還款期限，因此本文提出以下假設(shè)：

假設(shè)一：P2P網(wǎng)絡(luò)借貸貸款人感知價(jià)值越大，則貸款人參與度越高。具體包括借貸利率越高、借貸金額越大、借貸項(xiàng)目還款期限越長(zhǎng)，則貸款人感知價(jià)值越大。

同時(shí)，鑒于P2P網(wǎng)貸是一種特殊的線上交易模式，其交易的利失不僅是傳統(tǒng)意義上的時(shí)間、人力、物力等有形成本，還包括來自于借款人的違約風(fēng)險(xiǎn)，因?yàn)樾畔⒉粚?duì)稱、選擇多樣性等原因，貸款人參與其中時(shí)不得不考慮參與借貸所要承擔(dān)的各類風(fēng)險(xiǎn)，這也就是貸款人的感知風(fēng)險(xiǎn)，其對(duì)感知價(jià)值具有反向作用。從P2P網(wǎng)貸來看，這些感知風(fēng)險(xiǎn)主要來自貸款人對(duì)借款人的信用水平、償債能力以及個(gè)人特征的感知和評(píng)判，故本文提出以下假設(shè)：

假設(shè)二：P2P網(wǎng)絡(luò)借貸貸款人感知風(fēng)險(xiǎn)越大，則貸款人參與度越小。具體包括為借款人信用水平越高、借款人收入越高、借款人學(xué)歷越高，則貸款人感知風(fēng)險(xiǎn)越??；借款人為男性，則貸款人感知風(fēng)險(xiǎn)越大。

因此，貸款人的參與度受其感知價(jià)值和感知風(fēng)險(xiǎn)的影響，當(dāng)感知價(jià)值大于感知風(fēng)險(xiǎn)時(shí)，貸款人會(huì)傾向參與借貸，反之，則傾向不參與借貸。

目前研究P2P貸款人參與行為主要用單一的借貸標(biāo)的是否滿標(biāo)來衡量，本文提出用參與度作為貸款人參與的衡量指標(biāo)。徐晨飛和陳珂祺（2015）認(rèn)為眾籌網(wǎng)站的參與度更加注重于用戶瀏覽項(xiàng)目的頻率及其參與項(xiàng)目的數(shù)量，因此將用戶的參與度以參與頻率和活躍程度作為衡量指標(biāo)[21]。在P2P網(wǎng)貸中，一方面，對(duì)借款人而言，P2P網(wǎng)貸是一種籌資活動(dòng)，貸款人的參與度直接影響借款人籌資活動(dòng)的順利程度，反映的是借款人籌資活動(dòng)的最終結(jié)果；而對(duì)貸款人來說，P2P網(wǎng)貸則相當(dāng)于一種投資活動(dòng)，其參與度反映了貸款人參與借貸項(xiàng)目的全過程。因此將采用三個(gè)相關(guān)指標(biāo)來衡量貸款人的參與度，分別是借貸項(xiàng)目成功與否、借貸項(xiàng)目參與人數(shù)以及借貸項(xiàng)目籌資時(shí)間，其中項(xiàng)目成功與否代表了貸款人是否參與的結(jié)果；借貸項(xiàng)目參與人數(shù)與籌資時(shí)間則反映了貸款人參與借貸項(xiàng)目的過程，借貸項(xiàng)目參與人數(shù)越多，歷經(jīng)時(shí)間越短，則表明貸款人參與度越高，反之亦然。其中，如果借款人發(fā)布的借款項(xiàng)目在其活躍期到期之時(shí)，籌集的借款金額大于等于其申請(qǐng)的借款金額，則為項(xiàng)目成功，反之失敗；項(xiàng)目參與人數(shù)為一個(gè)項(xiàng)目從發(fā)起到結(jié)束時(shí)進(jìn)行投資的人數(shù)；項(xiàng)目籌資歷時(shí)為項(xiàng)目發(fā)起到籌資結(jié)束的時(shí)間。理論分析框架如圖1。

圖1貸款人參與度影響因素理論分析框架

三、實(shí)證分析

（一）數(shù)據(jù)搜集與整理

本文利用爬蟲程序搜集人人貸平臺(tái)上的數(shù)據(jù)（ID：761008-80400，步長(zhǎng)為4），經(jīng)過數(shù)據(jù)搜集與整理，刪除信息不全的數(shù)據(jù)，最終擬對(duì)剩余8 694條數(shù)據(jù)進(jìn)行因子分析和PLS-SEM分析。

根據(jù)上文分析，本文規(guī)定具體變量及其取值，如表1所示，項(xiàng)目成功取值“1”，項(xiàng)目失敗，取值“0”；借款人性別為“男”取值“1”，為“女”取值“0”；婚姻：離異取值為0，喪偶取值為1，未婚取值為2，已婚取值為3；借款人的信用級(jí)別為人人貸上提供的數(shù)據(jù)分類，分別有AA、A、B、C、D、E、HR，這7個(gè)信用級(jí)別由AA到HR分別取值為6、5、4、3、2、1、0；信用報(bào)告、工作認(rèn)證、收入認(rèn)證、學(xué)歷認(rèn)證、手機(jī)實(shí)名認(rèn)證、實(shí)地認(rèn)證①分別包括認(rèn)證失敗取值為0，沒有認(rèn)證取值為1，超過認(rèn)證期限取值為2，認(rèn)證中取值為3，認(rèn)證成功取值為4；學(xué)歷：高中或以下取值0，大專取值1，本科取值2，研究生及以上取值3；月收入②：1 000-2 000取值為0，2 000-5 000取值為1，5 000-10 000取值為2，10 000-20 000取值為3，20 000-50 000取值為4，50 000以上取值為5；工作職務(wù)：一般員工取值為1，中層領(lǐng)導(dǎo)取值為2，高管取值為3，技術(shù)人員取值為4，其他取值為0；住址按西、北、中、東、南③分別取值為0、1、2、3、4。

（二）因子分析

分析數(shù)據(jù)為多變量大樣本，為研究提供豐富信息的同時(shí)也增加了分析問題的復(fù)雜程度，以上數(shù)據(jù)均為借款人的個(gè)人特征數(shù)據(jù)，各項(xiàng)變量之間存在著一定的相關(guān)關(guān)系。因子分析通過研究多個(gè)指標(biāo)相關(guān)矩陣的內(nèi)部依賴關(guān)系，找出控制所有變量的少數(shù)公因子，并將每個(gè)指標(biāo)變量表示成公因子的線性組合，以再現(xiàn)原始變量與因子之間的相關(guān)關(guān)系。因子分析的目的是通過降維來尋求變量的基本結(jié)構(gòu)，簡(jiǎn)化觀測(cè)模型，以期用少數(shù)的變量來解釋整個(gè)問題。

矩陣A=（aij）則稱為因子載荷矩陣，ε為特殊因子，在實(shí)際分析中忽略不計(jì)。根據(jù)因子載荷矩陣判斷各公因子在哪些變量上載荷大，從而根據(jù)這些載荷大的變量來說明公因子的含義。

利用SPSS190對(duì)數(shù)據(jù)進(jìn)行分析，首先檢驗(yàn)樣本數(shù)據(jù)變量矩陣是否適合進(jìn)行因子分析（見表2）得到，適當(dāng)性的KMO（Kaiser-Meyer-Olkin）檢驗(yàn)值為0933大于08；Bartlett球度檢驗(yàn)結(jié)果顯示，近似卡方值為16 6854300，自由度為210，檢驗(yàn)的顯著性水平為0000，拒絕假設(shè)H0（假設(shè)相關(guān)矩陣是一個(gè)單位矩陣），因此該數(shù)據(jù)樣本適合進(jìn)行因子分析。

對(duì)各變量做因子分析，從表3可以發(fā)現(xiàn)，盡管數(shù)據(jù)適合做因子分析，但是申請(qǐng)借款次數(shù)、實(shí)地認(rèn)證、居住地認(rèn)證和住址這4個(gè)變量的共同度均低于50%，說明解釋程度很低，本文將剔除這四個(gè)變量；此外，由表4可知，申請(qǐng)借款次數(shù)與實(shí)地認(rèn)證的因子載荷為負(fù)值，婚姻變量與居住地認(rèn)證共同組成一個(gè)因子，這不僅不符合客觀實(shí)際，也不具有現(xiàn)實(shí)意義，同樣刪除這三個(gè)變量。綜上考慮剔除這5個(gè)變量之后，再進(jìn)行因子分析。

接下來對(duì)剔除5個(gè)變量之后的剩余變量進(jìn)行因子分析，首先檢驗(yàn)剩余樣本數(shù)據(jù)變量矩陣是否適合進(jìn)行因子分析（見表5）得到，適當(dāng)性的KMO（Kaiser-Meyer-Olkin）檢驗(yàn)值為0933，大于08；Bartlett球度檢驗(yàn)結(jié)果顯示，近似卡方值為163 472787，自由度為120，檢驗(yàn)的顯著性水平為0000，拒絕假設(shè)H0。因此剔除5個(gè)變量后的剩余數(shù)據(jù)樣本適合進(jìn)行因子分析。

采用主成分分析法和方差最大法進(jìn)行正交旋轉(zhuǎn)，得到主成分分析提取結(jié)果（見表6）和正交因子載荷矩陣（見表7）。由表6可知共抽取特征值大于1的公因子4個(gè)，占總方差的83172%，大于80%，能解釋變量的大部分差異，因此可認(rèn)為這4個(gè)公因子構(gòu)成這16個(gè)變量的主因子。正交因子載荷矩陣顯示出4個(gè)公因子各自對(duì)每個(gè)變量的載荷以及他們描述變量的良好程度。

根據(jù)各公共因子的載荷分布情況，每個(gè)變量的公因子方差以及各公因子所包含的高載荷變量的意義，對(duì)4個(gè)公因子的命名及含義作出如下解釋：

F1命名為信用水平因子。它包括的變量有：信用級(jí)別、信用報(bào)告、信用分?jǐn)?shù)、成功借款次數(shù)、收入認(rèn)證、工作認(rèn)證、手機(jī)實(shí)名認(rèn)證和學(xué)歷認(rèn)證。這8個(gè)變量均是對(duì)借款人的信用描述以及歷史借貸表現(xiàn)的描述，同時(shí)這6個(gè)變量也通過對(duì)借款人信用情況的描述反映了借款人的違約風(fēng)險(xiǎn)，故而第一個(gè)公因子命名為信用水平因子，影響著貸款人的感知風(fēng)險(xiǎn)。

F2命名為投資收益因子。它包括的變量有：借貸金額、借貸利率、還款期限。這3個(gè)變量反映的是借貸項(xiàng)目合約的三個(gè)核心內(nèi)容，對(duì)借貸項(xiàng)目的金額數(shù)目、利率大小以及還款時(shí)限作了說明，反映了貸款人可以從該項(xiàng)借貸項(xiàng)目所獲取的投資收益，因而第二個(gè)因子命名為投資收益因子，影響著貸款人的感知價(jià)值。

F3命名為償債能力因子。它包括的變量有：收入、學(xué)歷、職業(yè)。這3個(gè)變量反映的是借款人獲得收入的來源以及大小，同時(shí)學(xué)歷變量反映借款人的文化程度，間接反映出借款人取得收入的技能水平大小。這三個(gè)變量綜合反映了借款人的債務(wù)償還能力，因此第三個(gè)因子命名為償債能力因子，影響著貸款人的感知風(fēng)險(xiǎn)。

F4命名為個(gè)人特征因子。它包括的變量有：性別和年齡。這2個(gè)變量直接反映了借款人的生理特征差異，性別和年齡客觀上代表著不同性別群體和不同年齡段的風(fēng)險(xiǎn)行為與特征，直接影響到貸款人對(duì)借款人個(gè)人風(fēng)險(xiǎn)情況的整體判斷。所以第四個(gè)因子命名為個(gè)人特征因子，影響著貸款人的感知風(fēng)險(xiǎn)。

以上因子分析可知，借款人的各個(gè)行為特征變量以及借貸項(xiàng)目各變量之間存在著一定相關(guān)關(guān)系，提取的公因子分為四類，從不同角度反映了借款人的信用水平、償還能力以及貸款人的投資收益，影響著貸款人的感知風(fēng)險(xiǎn)與感知價(jià)值。

（三）PLS-SEM分析

為了進(jìn)一步分析以上提取的四個(gè)因子對(duì)貸款人參與度的影響，接下來利用基于偏最小二乘法的結(jié)構(gòu)方程進(jìn)行分析，結(jié)構(gòu)方程模型求解主要有基于最大似然估計(jì)（ML）的協(xié)方差結(jié)構(gòu)分析方法和基于偏最小二乘（PLS）的分析方法。LISEREL的計(jì)算方法是基于ML的，AMOS的默認(rèn)算法同樣基于ML，而PLS算法對(duì)數(shù)據(jù)要求較為寬松，限制條件也較少，研究結(jié)果比較可靠準(zhǔn)確，具有相當(dāng)優(yōu)勢(shì)，比較適合結(jié)構(gòu)方程模型，因此選擇SMartPLS20軟件進(jìn)行分析。

根據(jù)表6的正交因子載荷矩陣和圖1的分析框架，對(duì)上文樣本數(shù)據(jù)進(jìn)行整理與預(yù)處理。

構(gòu)建參與度影響因素潛變量結(jié)構(gòu)圖（見圖2）。

經(jīng)過分析運(yùn)算，得到結(jié)構(gòu)方程模型的路徑系數(shù)檢驗(yàn)結(jié)果（見表10），結(jié)構(gòu)方程模型的路徑檢驗(yàn)T統(tǒng)計(jì)量大于196則表明路徑系數(shù)在P=005水平上顯著，通過表10可以看出六條路徑中有四條路徑顯著，兩條路徑不顯著。此外，本文參與度Rsq（定標(biāo)決定系數(shù)）為08964，信用水平因子Rsq為05028，投資收益因子Rsq為06902，表明外生潛在變量對(duì)內(nèi)生潛在變量的解釋程度較好，特別是四個(gè)因子對(duì)貸款人參與度的解釋程度非常理想。綜上，表明樣本數(shù)據(jù)與模型擬合結(jié)果良好。

由表10可得信用水平因子對(duì)貸款人參與度影響的標(biāo)準(zhǔn)化系數(shù)是06359，投資收益因子對(duì)貸款人參與度影響的標(biāo)準(zhǔn)化系數(shù)為02684，兩者影響顯著，說明貸款人參與度的主要影響因素是借款人的信用水平和貸款人的投資收益，也就是說貸款人的感知價(jià)值與感知風(fēng)險(xiǎn)對(duì)貸款人參與度均有顯著影響，當(dāng)投資收益越大，信用水平越高時(shí)，也即感知價(jià)值越大，感知風(fēng)險(xiǎn)越小時(shí)，貸款人參與度越高，表現(xiàn)為項(xiàng)目更容易成功，參與人數(shù)更多以及籌資歷時(shí)越短。特別是相對(duì)于投資收益來說，借款人的信用水平對(duì)貸款人參與度的影響更大，可見在貸款人參與借貸時(shí)首要考慮的是感知風(fēng)險(xiǎn)問題，當(dāng)感知風(fēng)險(xiǎn)越大時(shí)，貸款人參與度越低，其次則是對(duì)投資收益的考量，當(dāng)感知價(jià)值越高時(shí)，則貸款人參與度越高。其次，個(gè)人特征因子與償債能力因子對(duì)貸款人參與度的標(biāo)準(zhǔn)化系數(shù)分別為00307和00650，影響并不顯著，而目前學(xué)者們研究表明借款人性別、年齡、學(xué)歷、收入等因素會(huì)對(duì)貸款人的參與意愿有所影響，從本文分析結(jié)果來看，盡管這些因素會(huì)影響借貸項(xiàng)目的成功率，但是對(duì)貸款人參與度并沒有直接顯著影響。另外，個(gè)人特征對(duì)信用水平影響的標(biāo)準(zhǔn)化系數(shù)為01705，結(jié)果顯著，說明其在一定程度上間接影響著貸款人的參與度，體現(xiàn)了感知風(fēng)險(xiǎn)對(duì)貸款人參與度的影響。值得注意的是，信用水平對(duì)投資收益影響的標(biāo)準(zhǔn)化系數(shù)是04559，結(jié)果顯著，說明借款人的信用水平影響著其借貸金額、利率大小以及還款期限的長(zhǎng)度，所以，感知風(fēng)險(xiǎn)與感知價(jià)值對(duì)貸款人參與度的影響并不孤立，而是交織一起共同影響著貸款人的參與度大小。

三、結(jié)論與建議

本文引入價(jià)值創(chuàng)造理論，分析了參與度的三個(gè)衡量指標(biāo)，從貸款人的感知風(fēng)險(xiǎn)和感知價(jià)值兩個(gè)方面著手，采用因子分析法和PLS-SEM法探析了P2P網(wǎng)貸貸款人參與度的影響因素。實(shí)證結(jié)果表明，三個(gè)衡量指標(biāo)可以較好地衡量貸款人的參與度，感知價(jià)值與感知風(fēng)險(xiǎn)對(duì)貸款人的參與度有顯著影響，當(dāng)借款人信用水平越高，貸款人投資收益越大，即感知風(fēng)險(xiǎn)越小，感知價(jià)值越大時(shí)，貸款人參與度越高。所以對(duì)借款人而言，應(yīng)該充分詳實(shí)個(gè)人信息，努力提高信用級(jí)別，取得貸款人的信任，從而更容易獲得借款；對(duì)平臺(tái)來說，首先應(yīng)嚴(yán)格把關(guān)借款人的信用水平，建立一套嚴(yán)格的篩選機(jī)制，力求借款人的信用級(jí)別更高。此外，信用水平因子對(duì)投資收益因子有影響，這就表明感知風(fēng)險(xiǎn)通過影響感知價(jià)值而間接地影響著貸款人參與度，因此借款人也應(yīng)該在財(cái)務(wù)實(shí)力上提升自己，借貸利率不能太低，特別對(duì)于自身信用級(jí)別不高的借款人，更應(yīng)該提高利率，這樣才能彌補(bǔ)自身信用缺陷，吸引貸款人；平臺(tái)在借貸期間也要密切管理每一筆借貸業(yè)務(wù)，配備獎(jiǎng)懲機(jī)制與舉報(bào)公布機(jī)制，對(duì)于違規(guī)行為要及時(shí)處理處罰并適時(shí)公布，表現(xiàn)好的借貸人給予獎(jiǎng)勵(lì)，鼓勵(lì)參與人監(jiān)督舉報(bào)；而且平臺(tái)也要多多向貸款人提出合適建議，幫助其選擇合適的借款人，正確投標(biāo)，制定違約保障機(jī)制，減少違約風(fēng)險(xiǎn)，保證收益，促使貸款人參與度的提升。最后政府作為最高監(jiān)管層，主要工作是完善信用評(píng)級(jí)制度與違規(guī)處罰規(guī)章。一方面，不斷加強(qiáng)對(duì)個(gè)人信用評(píng)估方面的制度建設(shè)，使個(gè)人的信用有記錄，有評(píng)級(jí)，逐步將高風(fēng)險(xiǎn)人群逐出網(wǎng)貸市場(chǎng)；另一方面，則應(yīng)該加快網(wǎng)貸方面法律法規(guī)體系的建設(shè)，對(duì)于不同的違規(guī)行為有具體不同的懲罰措施，對(duì)于平臺(tái)的違規(guī)行為同樣不可懈怠，有法可依方能警醒交易雙方與平臺(tái)，才能有效監(jiān)督網(wǎng)貸市場(chǎng)，讓貸款人放心貸款，安心投資，提高貸款人的參與度，促進(jìn)P2P網(wǎng)貸市場(chǎng)的繁榮發(fā)展。

注釋：

①本文搜集的數(shù)據(jù)中身份認(rèn)證均為已認(rèn)證；因此實(shí)證分析中不予討論身份認(rèn)證；部分借款人的房產(chǎn)與車產(chǎn)的所有權(quán)歸屬混亂，且質(zhì)押抵押等情況無從證實(shí)，因此分析不予考慮房產(chǎn)、車產(chǎn)情況。

②收入單位為元。

③本文對(duì)東、南、西、北、中部區(qū)域劃分如下：西部地區(qū)：寧夏，青海，陜西，甘肅、云南，貴州，西藏，新疆；北部地區(qū)：遼寧，吉林，黑龍江，內(nèi)蒙古，河北；中部地區(qū)：江西，安徽，河南，湖南，湖北，山西，四川，重慶；東部地區(qū)：山東，天津，北京，江蘇，上海，浙江；南部地區(qū)：廣東，廣西，海南，福建；港澳臺(tái)地區(qū)未列入其中。

參考文獻(xiàn)：

[1]張婧婕.P2P網(wǎng)貸成功率影響因素實(shí)證研究[D].西安：陜西師范大學(xué)，2015.

[2]Lloyd A E.The role of culture on customer participation in services[J].Hong Kong Polytechnic University，2003.

[3]Ravina E. Beauty， Personal Characteristics， and Trust in Credit Markets[J].Ssrn Electronic Journal，2007.

[4]Pope D G， Sydnor J R. What′s in a Picture？： Evidence of Discrimination from Prosper.com[J].Journal of Human Resources，2011，46（1）：53-92.

[5]Barasinska N， Schaefer D. Does Gender Affect Funding Success at the Peer-to-Peer Credit Markets？ Evidence from the Largest German Lending Platform[J].Ssrn Electronic Journal，2010.

[6]Puro L， Teich J E， Wallenius H， et al. Borrower Decision Aid for people-to-people lending[J].Decision Support Systems，2010，49（1）：52-60.

[7]Lin M， Prabhala N R， Viswanathan S， et al. Social Networks as Signaling Mechanisms： Evidence from Online Peer-to-Peer Lending[J].Wise，2009.

[8]Herzenstein M，Andrews R L，Dholakia U M. The Democratization of Personal Consumer Loans？ Determinants of Success in Online Peer-to-Peer Lending Communities[EB/OL].（2008-06-19）[2013-03-12]. http：//ssrn.com/abstract=1147856.

[9]Kumar S.Bank of One： Empirical Analysis of Peer-to-Peer Financial Marketplaces[J].Aap News，1997（2）：26.

[10]Berger S C， Gleisner F. Emergence of Financial Intermediaries in Electronic Markets： The Case of Online P2P Lending[J].Business Research，2009，2（1）：39-65.

[11]Greiner M E， Wang H. The Role of Social Capital in People-to-People Lending Marketplaces[C]//International Conference on Information Systems， Icis 2009， Phoenix， Arizona， Usa， December，2009.

[12]Grnroos C.Service logic revisited： who creates value？ And who co-creates？[J].European Business Review， 1989，20：298-314.

[13]Zeithaml V A. Consumer perceptions of price， quality， and value： a means-end model and synthesis of evidence[J].Journal of Marketing，1988，52（3）：2-22.

[14]Woodruff R B. Customer Value： The Next Source for Competitive Advantage[J].Journal of the Academy of Marketing Science， 1997，25（2）：139-153.

[15]Grewal D， Krishnan R.The Effects of Price Comparison Advertising on Buyers′ Perceptions of Acquisition Value and Transaction Value[J].Journal of Marketing，1998，62（2）：46-59.

[16]葉乃沂，周蝶. 消費(fèi)者網(wǎng)絡(luò)購(gòu)物感知風(fēng)險(xiǎn)概念及測(cè)量模型研究[J].管理工程學(xué)報(bào)，2014，28（4）：88-94.

[17]王崇，李一軍，葉強(qiáng).互聯(lián)網(wǎng)環(huán)境下基于消費(fèi)者感知價(jià)值的購(gòu)買決策研究[J].預(yù)測(cè)，2007，26（3）：21-25.

[18]Pavlou P A. Consumer Acceptance of Electronic Commerce： Integrating Trust and Risk with the Technology Acceptance Model[J].International Journal of Electronic Commerce， 2003，7（7）：101-134.

[19]Dan J K， Ferrin D L， Rao H R. A trust-based consumer decision-making model in electronic commerce： The role of trust， perceived risk， and their antecedents[J].Decision Support Systems，2008，44（2）：544-564.

[20]陳冬宇， 林漳希.網(wǎng)絡(luò)信貸中的雙重信任及其對(duì)借貸意愿的影響機(jī)制[J].福州大學(xué)學(xué)報(bào)：哲學(xué)社會(huì)科學(xué)版，2013，27（1）：22-29.

[21]徐晨飛，陳珂祺.眾籌網(wǎng)站用戶參與度影響因素研究——以“眾籌網(wǎng)”為例[J].情報(bào)雜志，2015（11）：175-182.

[22]Fornell C， Larcker D F. Evaluating Structural Equation Models with Unobservable Variables and Measurement Error[J].Journal of Marketing Research，1981，18（1）：39-50.

[23]米子川.統(tǒng)計(jì)軟件方法[M].北京：中國(guó)統(tǒng)計(jì)出版社，2002.

Research on Lender Participation of P2P Lending based on Value Creation Theory

WU Qing-tian， LI Bin

（School of Business， Central South University， Changsha 410000，China）

Abstract： As a new network financing pattern， P2P lending financing is facing the problems of low-lender-participation. By using the transaction data of RenRenDai， based on value creation theory， the paper discussed influence factors and extent of lender-participation from two aspects of perceived value and perceived risk from the lender with factor analysis and PLS-SEM. Research shows that the borrower′s credit risk and lenders′ return on investment have an important impact on the lender participation，but borrowers′ characters and solvency have no significant impact. Healthy development of P2P network lending is inseparable from the borrower′s creditworthiness and increase of lenders′ investment revenue.

Key words：value creation； P2P lending； lender participation

（責(zé)任編輯：周正）

首先，對(duì)樣本數(shù)據(jù)建立的參與度影響因素指標(biāo)體系進(jìn)行信度和效度檢驗(yàn)。（1）效度檢驗(yàn)。根據(jù)上文因子分析可知樣本數(shù)據(jù)適合做因子分析，各因素因子載荷介于0643-0969之間，表明樣本數(shù)據(jù)具有較好的收斂效度。此外，比較各潛變量的平均方差提取量的平方根與相關(guān)系數(shù)，結(jié)果顯示各潛變量的平均方差提取量的平方根均大于相關(guān)系數(shù)，說明潛變量間具有較好的區(qū)別效度。由表8可知AVE值均在07以上，一般認(rèn)為AVE值大于05即可，則內(nèi)斂效度同樣存在[22]。（2）信度檢驗(yàn)。表9表明除了個(gè)人特征因子的α系數(shù)大于06以外，其他三個(gè)潛變量的α系數(shù)均高于085，符合要求。另外，反映潛變量?jī)?nèi)部指標(biāo)的一致性一般采用CR指標(biāo)，要求CR指標(biāo)大于07，本文CR值都高于075，結(jié)果較好[23]。因此，樣本數(shù)據(jù)具有良好的效度和信度，適合進(jìn)一步做結(jié)構(gòu)方程模型分析。