劉紫薇,孫武軍

(1.新加坡國立大學(xué) 經(jīng)濟(jì)學(xué)系，新加坡 117570；2.南京大學(xué) 經(jīng)濟(jì)學(xué)院，江蘇 南京 210093)

一、引 言

隨著互聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用，P2P(peer-to-peer)網(wǎng)絡(luò)借貸作為互聯(lián)網(wǎng)金融商業(yè)模式之一快速發(fā)展起來。通過聚集小額社會(huì)資金，P2P網(wǎng)絡(luò)借貸平臺(tái)有效提高了閑散資金利用率，滿足了個(gè)人和小微企業(yè)的資金需求。這種互聯(lián)網(wǎng)借貸模式的優(yōu)勢(shì)在于緩解了借貸的信息不對(duì)稱問題，同時(shí)在不需要金融中介參與的情況下進(jìn)行交易，降低了借貸成本。作為第三方信息中介平臺(tái)，P2P的主要作用是整理和審核借款人以及項(xiàng)目信息。通過P2P平臺(tái)進(jìn)行投融資操作便利了借款人發(fā)布資金需求信息，也拓寬了投資者的資金使用渠道。P2P網(wǎng)絡(luò)借貸模式最早在2005年出現(xiàn)于英國，其靈活性和高回報(bào)使得該模式在全球得到快速發(fā)展。早期的代表性P2P平臺(tái)有英國的Zopa、美國的Lending Club和Prosper等。中國的網(wǎng)貸發(fā)展則相對(duì)滯后，2007年我國首家網(wǎng)貸平臺(tái)“拍拍貸”在上海成立，隨后網(wǎng)貸平臺(tái)數(shù)量快速增加(見表1)。截至2016年底，平臺(tái)數(shù)量已達(dá)到5 881家，其中以陸金所、宜人貸、人人貸、拍拍貸等為代表。

表1 國內(nèi)2013年至2016年網(wǎng)貸平臺(tái)數(shù)量統(tǒng)計(jì)

數(shù)據(jù)來源：整理自“網(wǎng)貸之家”.

網(wǎng)絡(luò)借貸在快速發(fā)展的同時(shí)，其風(fēng)險(xiǎn)也逐漸顯現(xiàn)出來，跑路以及兌付困難的平臺(tái)越來越多。由于網(wǎng)絡(luò)借貸市場(chǎng)上的借款人信息甄別困難，造成還款能力及可信度也都存疑，那么如何通過借款人信息準(zhǔn)確評(píng)價(jià)其真實(shí)信用水平是平臺(tái)和投資者都十分關(guān)注的問題。國內(nèi)外學(xué)者研究表明，借款人的婚姻狀況、收入水平、受教育程度等都是信用評(píng)價(jià)的重要影響因素。但是，職業(yè)屬性和借款人所在企業(yè)規(guī)模對(duì)P2P借貸的影響還鮮有人涉及。借款人的職業(yè)，作為其身份標(biāo)識(shí)之一，能夠反映借款人的社會(huì)地位；借款人所處企業(yè)規(guī)模的大小則與借款人的職業(yè)發(fā)展?jié)摿γ芮邢嚓P(guān)，這兩項(xiàng)指標(biāo)在信用評(píng)價(jià)中均具有潛在的重要影響。一般而言，白領(lǐng)工作者擁有更舒適的工作環(huán)境和正面的形象，藍(lán)領(lǐng)工作者的工作環(huán)境及公眾印象則相對(duì)較差；大企業(yè)被認(rèn)為具有雄厚的實(shí)力和完善的體制，而小微企業(yè)則具有較低的可信度。職業(yè)發(fā)展?fàn)顩r作為個(gè)人能力及潛力的體現(xiàn)，對(duì)完善個(gè)人信用評(píng)價(jià)具有重要價(jià)值，但目前其所獲得的關(guān)注還遠(yuǎn)遠(yuǎn)不夠，這正是本文所要關(guān)注的焦點(diǎn)。

職業(yè)偏見在世界范圍內(nèi)廣泛存在。所謂職業(yè)偏見，是指社會(huì)對(duì)部分職業(yè)存在歧視的現(xiàn)象，這與組成社會(huì)的個(gè)人素質(zhì)有一定的關(guān)系。職業(yè)本身無貴賤之分，但是不同的職業(yè)可以關(guān)聯(lián)到許多不同的方面，諸如收入、所從事工作的性質(zhì)、所接觸的社會(huì)層面等。美國于20世紀(jì)50年代提出了“藍(lán)領(lǐng)”這一概念，它被視為“白領(lǐng)”的相對(duì)一族。根據(jù)現(xiàn)代漢語詞典對(duì)“藍(lán)領(lǐng)”一詞的解釋，它泛指以體力勞動(dòng)為主、從事實(shí)際操作的工作人員，如農(nóng)業(yè)工人、工礦工人、建筑工人、碼頭工作者等，其收入水平通常處于中等狀態(tài)；“白領(lǐng)”則主要指在辦公室從事腦力勞動(dòng)、具有較高社會(huì)地位的人，包括專業(yè)性以及科技性工作人員，如會(huì)計(jì)、醫(yī)生、教師等，以及銷售人員和其他辦公室工作人員。實(shí)際上，有很多藍(lán)領(lǐng)工作人員也接受過良好的教育，具有較高的個(gè)人修養(yǎng)，甚至擁有高于部分白領(lǐng)職業(yè)工作人員的收入水平，但是社會(huì)仍然對(duì)藍(lán)領(lǐng)職業(yè)存在一定偏見，認(rèn)為他們是較為粗俗的人群代表。這種社會(huì)價(jià)值觀在金融領(lǐng)域同樣存在。在線金融搜索平臺(tái)融360曾發(fā)布的《360融譽(yù)榜年2013年融度報(bào)告》顯示， 80%以上的人認(rèn)為銀行在發(fā)放信用貸款中存在職業(yè)偏見。調(diào)查發(fā)現(xiàn)，不同的職業(yè)者在可申請(qǐng)的貸款額度、利率以及申請(qǐng)難易程度上有很大區(qū)別，其中公務(wù)員和國企員工最容易獲得貸款，而幾乎絕大多數(shù)銀行對(duì)農(nóng)民、工人則不提供貸款。從社會(huì)對(duì)不同職業(yè)的態(tài)度來看，在P2P網(wǎng)絡(luò)借貸中，放貸人對(duì)于借款人的職業(yè)也可能存在這樣的偏見。

除了借款人的職業(yè)性質(zhì)，借款人所在企業(yè)的規(guī)模大小也是影響其借貸成功率的重要因素。企業(yè)規(guī)模大小與該企業(yè)的可靠程度和信譽(yù)度密切相關(guān)。2008年發(fā)生的金融危機(jī)給眾多中小企業(yè)帶來了極大的打擊，很多企業(yè)面臨著倒閉破產(chǎn)的局面，其中以中小企業(yè)居多。這是因?yàn)樾∑髽I(yè)資金不夠雄厚，融資渠道有限，當(dāng)面對(duì)資金鏈斷裂的狀況時(shí)會(huì)更加難以渡過難關(guān)。而大型企業(yè)有更廣泛的融資渠道、更強(qiáng)大的社會(huì)影響力和財(cái)政支持，形成了大而不倒(too big to fall)的局面。這會(huì)讓社會(huì)形成一種普遍的印象：企業(yè)規(guī)模越大，其穩(wěn)定性越好，可信度也越高，在規(guī)模大的企業(yè)里任職的員工的收入水平也更加具有保障。基于這種認(rèn)識(shí)，我們合理地提出這樣的疑問：在網(wǎng)絡(luò)借貸中，借款人的借款成功率是否也受到其所在企業(yè)規(guī)模大小的影響，以及借款人職業(yè)屬性和所在企業(yè)規(guī)模的共同作用對(duì)于借貸成功率的影響又如何。這正是本文的研究目的所在。

二、文獻(xiàn)述評(píng)

國民消費(fèi)能力的提高，互聯(lián)網(wǎng)使用范圍的擴(kuò)大，消費(fèi)習(xí)慣的改變和透支習(xí)慣的養(yǎng)成將會(huì)促使P2P網(wǎng)貸平臺(tái)成為互聯(lián)網(wǎng)金融的一個(gè)重要運(yùn)作模式。由于P2P網(wǎng)絡(luò)借貸模式在歐美國家出現(xiàn)較早，國外學(xué)者對(duì)這一領(lǐng)域的研究開展亦較早。Jin(2008)[1]通過對(duì)美國第一家網(wǎng)貸平臺(tái)Prosper的研究，發(fā)現(xiàn)預(yù)期收益率與借款成功率之間有正相關(guān)關(guān)系，但網(wǎng)絡(luò)借貸中存在逆向選擇現(xiàn)象，由于質(zhì)量低的借款人對(duì)高利率表現(xiàn)出更大的興趣，有時(shí)投資者追求高利率反而會(huì)帶來低回報(bào)。Klafft(2008)[2]認(rèn)為，網(wǎng)絡(luò)借貸平臺(tái)對(duì)降低借貸雙方的中介費(fèi)用和交易成本具有重要意義，使得借款人獲得貸款的成本較低，投資者獲得的回報(bào)率高于銀行利息，構(gòu)成了一種雙贏的局面。Berger(2009)[3]則指出，P2P網(wǎng)絡(luò)借貸平臺(tái)利用大數(shù)據(jù)信息對(duì)申請(qǐng)人進(jìn)行篩選和評(píng)級(jí)，并將合格的申請(qǐng)者分類定價(jià)，以便于投資者按照自身需求進(jìn)行選擇。Herzenstein(2011)[4]提出，語言表達(dá)對(duì)借貸成功率有影響：借款描述的字?jǐn)?shù)和借款成功率呈正相關(guān)關(guān)系，但是與違約率也呈正相關(guān)關(guān)系，而內(nèi)容的可靠性反而容易被放貸人忽略。Ravina(2012)[5]的研究則表明，種族的差異對(duì)于借貸成功與否并沒有顯著的影響，但是優(yōu)越的外貌條件有助于提高借款的成功率。Freedman(2014)[6]在社交對(duì)網(wǎng)絡(luò)借貸影響的研究中發(fā)現(xiàn)，社會(huì)關(guān)系有助于借貸關(guān)系的建立，但是可能會(huì)導(dǎo)致更低的回報(bào)率。

隨著網(wǎng)絡(luò)借貸在中國的興起，相關(guān)研究逐漸豐富起來。李悅雷(2013)[7]利用“拍拍貸”的數(shù)據(jù)，對(duì)借款人的地域、年齡等基本信息和借款人的社會(huì)資本進(jìn)行了統(tǒng)計(jì)研究，發(fā)現(xiàn)了它們與借貸成功率之間的密切關(guān)系以及投資者的羊群行為特征。王會(huì)娟(2014)[8]基于“人人貸”的數(shù)據(jù)，證明了高信用評(píng)級(jí)有助于提高借款成功率和降低借款成本。廖理(2015)[9]指出，學(xué)歷的高低與違約率之間存在負(fù)相關(guān)關(guān)系，但是與借貸成功率并無顯著聯(lián)系。孫武軍(2016)[10]研究發(fā)現(xiàn)，從業(yè)經(jīng)歷的豐富和受教育水平的提升對(duì)借貸成功率的提高有積極作用。針對(duì)我國P2P市場(chǎng)發(fā)展方面，張正平(2013)[11]指出，法律法規(guī)不完善、監(jiān)管制度不到位、運(yùn)行機(jī)制存在缺陷、運(yùn)營過程中存在操作性風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)較高等是面臨的主要問題。

提高研發(fā)技術(shù)，公司可以招聘有這方面研究的專業(yè)人才，從而優(yōu)化機(jī)器人內(nèi)部結(jié)構(gòu)，由復(fù)雜變?yōu)楹?jiǎn)單。配備產(chǎn)品說明書，即使機(jī)器人出現(xiàn)了故障，普通人也能照著說明書進(jìn)行簡(jiǎn)單的維修。

梳理網(wǎng)絡(luò)借貸相關(guān)研究后我們發(fā)現(xiàn)，職業(yè)偏見和所在企業(yè)規(guī)模很少受到關(guān)注，更多的研究在于社會(huì)學(xué)或經(jīng)濟(jì)學(xué)等其他領(lǐng)域。下面我們對(duì)這兩個(gè)因素在其他領(lǐng)域的研究做一簡(jiǎn)單梳理，這將有助于為我們網(wǎng)絡(luò)借貸的研究提供新的視角與思路。

關(guān)于職業(yè)偏見的研究， Jacobson(1993)[12]提出，白領(lǐng)工作者和藍(lán)領(lǐng)工作者在工作崗位上具有不同程度的重要性。白領(lǐng)職業(yè)和藍(lán)領(lǐng)職業(yè)的錯(cuò)配在短期都會(huì)帶來巨大損失，但是從長期來看，白領(lǐng)職業(yè)的錯(cuò)配帶來的損失更大，藍(lán)領(lǐng)職業(yè)的錯(cuò)配帶來的影響則較微弱。這從某種程度上反映了白領(lǐng)職業(yè)比藍(lán)領(lǐng)職業(yè)具有更高的社會(huì)認(rèn)可度。Schwerdt(2010)[13]指出，社會(huì)上存在對(duì)藍(lán)領(lǐng)職業(yè)的無意識(shí)的偏見。中國學(xué)者陳淮(2003)[14]的研究指出，社會(huì)存在著認(rèn)為“白領(lǐng)”是經(jīng)濟(jì)增長的主要?jiǎng)恿Χ鴤鹘y(tǒng)“藍(lán)領(lǐng)”的重要性將被逐漸替代的誤區(qū)。許峻樺(2003)[15]則表示，對(duì)傳統(tǒng)觀念的更新和對(duì)錯(cuò)誤的社會(huì)認(rèn)知進(jìn)行糾正是解決藍(lán)領(lǐng)斷層問題的必要措施之一。張子剛(2004)[16]指出，我國的藍(lán)領(lǐng)技術(shù)工人缺失與我國的人口結(jié)構(gòu)變化、相關(guān)教育的缺失、不合理的薪酬制度以及社會(huì)觀念的制約有著密切的關(guān)系。

關(guān)于企業(yè)規(guī)模研究方面， Cobham(2000)[17]和Beck(2005)[18]均指出小規(guī)模企業(yè)更容易在財(cái)政支持、信息獲得等方面受到局限。這意味著小規(guī)模企業(yè)面臨著更加艱難的生存環(huán)境。李大武(2001)[19]指出，小企業(yè)本身的一些局限，如較大的經(jīng)營風(fēng)險(xiǎn)、較弱的競(jìng)爭(zhēng)力、信息不對(duì)稱、較高的融資成本等，再加上金融機(jī)構(gòu)對(duì)規(guī)模較小的企業(yè)存在認(rèn)識(shí)上的偏差，導(dǎo)致中小企業(yè)融資相對(duì)大企業(yè)更加困難。羅曉光(2015)[20]指出，企業(yè)發(fā)展規(guī)模越大，其資金力量越雄厚，企業(yè)機(jī)制越完善，越具有穩(wěn)定性和保障性，因此大企業(yè)獲得的商業(yè)信用要顯著高于小規(guī)模企業(yè)。相對(duì)的，小企業(yè)的發(fā)展則存在一定局限性。何光輝(2015)[21]通過對(duì)國有銀行的實(shí)證分析指出，規(guī)模因素對(duì)信用違約影響并不顯著，國有企業(yè)違約概率反而較高。

目前，雖然國內(nèi)外學(xué)者對(duì)P2P網(wǎng)絡(luò)借貸、職業(yè)偏見和企業(yè)規(guī)模分別進(jìn)行過較為深入的研究，但是將職業(yè)偏見、所處企業(yè)規(guī)模納入網(wǎng)絡(luò)借貸的研究還未出現(xiàn)。這兩項(xiàng)要素作為個(gè)人信用評(píng)價(jià)體系中不可或缺的指標(biāo)，反映了借款人的個(gè)人能力、職業(yè)發(fā)展前景、社會(huì)地位以及聲譽(yù)等信息，對(duì)網(wǎng)絡(luò)借貸成功率具有重要影響。因此，本文將以此為切入點(diǎn)，利用國內(nèi)代表性的網(wǎng)絡(luò)借貸平臺(tái)——“人人貸”2010年10月11日至2015年1月25日的真實(shí)交易數(shù)據(jù)，并采用Probit模型和Logit模型進(jìn)行實(shí)證檢驗(yàn)，進(jìn)而為促進(jìn)P2P網(wǎng)絡(luò)借貸的持續(xù)健康發(fā)展提出建議。

三、經(jīng)濟(jì)學(xué)分析與研究假設(shè)的提出

目前社會(huì)上仍然存在對(duì)藍(lán)領(lǐng)職業(yè)的偏見，白領(lǐng)職業(yè)則被視為更加穩(wěn)定和體面。2014年，在線金融搜索平臺(tái)360發(fā)布報(bào)告稱有八成的客戶在辦理貸款的過程中曾經(jīng)遭遇過職業(yè)不平等對(duì)待。根據(jù)調(diào)查，公務(wù)員、國有企業(yè)員工和世界500強(qiáng)企業(yè)職員是獲得貸款成功率最高的三類人群。同樣，在網(wǎng)絡(luò)借貸平臺(tái)上，放貸者對(duì)借款人的職業(yè)也可能存在相應(yīng)的偏見。由于通常情況下，白領(lǐng)工作者比藍(lán)領(lǐng)工作者接受過更加良好的教育，具有更強(qiáng)烈的信用意識(shí)和風(fēng)險(xiǎn)意識(shí)，放貸人會(huì)更加偏好將貸款發(fā)放給白領(lǐng)借款人。劉精明(2001)[22]指出，白領(lǐng)職業(yè)對(duì)文憑資格要求的不斷提高本身形成了一定的行業(yè)進(jìn)入壁壘，使得白領(lǐng)階層的文化水平普遍高于藍(lán)領(lǐng)階層。王遠(yuǎn)偉(2004)[23]亦通過調(diào)查統(tǒng)計(jì)研究得出，社會(huì)分層會(huì)影響接受教育的機(jī)會(huì)，從而影響不同程度受教育者的職業(yè)選擇，教育水平在腦力勞動(dòng)者和體力勞動(dòng)者之間存在明顯的差異。王甫勤(2010)[24]的研究表明，受教育程度越高、接觸的媒介越頻繁、社會(huì)階層越高的人具有越強(qiáng)的風(fēng)險(xiǎn)意識(shí)。因此，我們推測(cè)，在P2P網(wǎng)絡(luò)借貸平臺(tái)上白領(lǐng)工作者的違約率要普遍低于藍(lán)領(lǐng)工作者。據(jù)此，本文提出如下假設(shè)：

假設(shè)1(1)： 白領(lǐng)工作者比藍(lán)領(lǐng)工作者的借款成功率更高，白領(lǐng)工作者比藍(lán)領(lǐng)工作者的違約率更低。

假設(shè)1(2)：白領(lǐng)工作者與藍(lán)領(lǐng)工作者的借貸成功率和還款違約率均無顯著差異。

針對(duì)難以坐位的患兒,患兒家長要抱著患兒,促使膈肌下移,促使患兒氣體交換量增加,便于霧化液滴在終末細(xì)支氣管內(nèi)沉降。在吸入過程中,教導(dǎo)患兒緩慢地進(jìn)行深呼吸,如果患兒不能學(xué)會(huì)這種呼吸方式,則教導(dǎo)其張口呼吸。在患兒在治療過程中,護(hù)理人員要對(duì)患兒的面色、表情以及情緒進(jìn)行密切觀察,一旦發(fā)現(xiàn)患兒異常狀況,要及時(shí)告知醫(yī)生并采取方式處理。

假設(shè)1(1)與假設(shè)1(2)是一組相互對(duì)立的假設(shè)。如果實(shí)證研究表明，白領(lǐng)工作者相對(duì)藍(lán)領(lǐng)工作者獲得了更高的借款成功率，并且表現(xiàn)出更低的違約水平，則支持假設(shè)1(1)，否則支持假設(shè)1(2)。

一般而言，借款人所處的企業(yè)規(guī)模大意味著其工作更加穩(wěn)定可靠。大企業(yè)通常具有更規(guī)范的制度和經(jīng)營模式，更雄厚的資金來源和更強(qiáng)大的抗風(fēng)險(xiǎn)能力，因此在大規(guī)模企業(yè)工作的借款人的職業(yè)發(fā)展更具有保障性。反之，小企業(yè)由于其自身存在的競(jìng)爭(zhēng)力弱、道德風(fēng)險(xiǎn)較高、管理不規(guī)范、風(fēng)險(xiǎn)較大等問題，在信譽(yù)上較大企業(yè)相對(duì)偏低(李大武，2001)[19]。羅曉光(2015)[20]也曾通過分析企業(yè)的非財(cái)務(wù)影響因素證明，企業(yè)規(guī)模越大，其信用水平就越高。基于以上分析和文獻(xiàn)支撐，我們提出本文的第二個(gè)假設(shè)：

假設(shè)2(1)： 借款人所處企業(yè)規(guī)模越大，借款成功率越高。

seal函數(shù)用于處理挖礦的工作，需要一直遞歸調(diào)用，直到解決問題，解決問題之后退出。seal函數(shù)具有以下幾點(diǎn)作用：

假設(shè)2(2)： 借款人所處企業(yè)規(guī)模大小對(duì)借款成功率并無顯著影響。

Marriage表示借款人的婚姻情況。借款人為未婚狀態(tài)時(shí)取值為0，非未婚狀態(tài)(包括已婚、離異和喪偶等)取值為1。

如果網(wǎng)絡(luò)借貸市場(chǎng)的確存在對(duì)藍(lán)領(lǐng)職業(yè)的偏見現(xiàn)象，那么在一般情況下，其他信用指標(biāo)的提升可以作為信用補(bǔ)償提高其借貸成功率。為了探究較大的企業(yè)規(guī)模是否可以彌補(bǔ)投資者對(duì)于藍(lán)領(lǐng)職業(yè)本身的偏見，本文提出以下假設(shè)：

推動(dòng)式壓電驅(qū)動(dòng)器結(jié)構(gòu)如圖2所示[3]，基本步進(jìn)原理與行走式類似，但區(qū)別在于行走式壓電驅(qū)動(dòng)器中壓電驅(qū)動(dòng)機(jī)構(gòu)是動(dòng)子，而推動(dòng)式壓電驅(qū)動(dòng)器中壓電驅(qū)動(dòng)機(jī)構(gòu)是定子，驅(qū)動(dòng)機(jī)構(gòu)推動(dòng)一根輸出桿(主軸)輸出位移。

假設(shè)3(1)：藍(lán)領(lǐng)借款人所在企業(yè)規(guī)模越大，其借款成功率越高。

假設(shè)3(2)：藍(lán)領(lǐng)借款人所在企業(yè)規(guī)模大小對(duì)其借款成功率無顯著影響。

本文以“人人貸”平臺(tái)的真實(shí)交易數(shù)據(jù)為基礎(chǔ)，討論了職業(yè)偏見及借款人所在企業(yè)規(guī)模對(duì)P2P網(wǎng)絡(luò)借貸成功率的影響。實(shí)證研究結(jié)果表明，在包含控制變量和不包含控制變量的情況下，白領(lǐng)工作者在網(wǎng)絡(luò)借款上較藍(lán)領(lǐng)工作者都具有顯著優(yōu)勢(shì)，網(wǎng)絡(luò)借貸過程中存在明顯的職業(yè)偏見；同時(shí)，白領(lǐng)借款人的違約風(fēng)險(xiǎn)也普遍低于藍(lán)領(lǐng)借款人。另一方面，在不包含控制變量情況下，企業(yè)規(guī)模與借貸成功率呈負(fù)相關(guān)關(guān)系，而在加入其他控制變量后，企業(yè)規(guī)模的增大則會(huì)給借款成功帶來正效應(yīng)。在對(duì)職業(yè)屬性和企業(yè)規(guī)模的交互項(xiàng)進(jìn)行研究后，發(fā)現(xiàn)職業(yè)屬性與企業(yè)規(guī)模的綜合作用可以削弱職業(yè)因素給藍(lán)領(lǐng)借款人帶來的不利影響和企業(yè)規(guī)模的擴(kuò)大為借貸成功帶來的正效應(yīng)。此外，通過對(duì)包含控制變量的回歸結(jié)果分析發(fā)現(xiàn)，信用良好、收入水平較高、受教育程度較高、年齡偏大、已經(jīng)結(jié)婚以及參加工作時(shí)間較長的借款人在網(wǎng)絡(luò)借貸中更具有優(yōu)勢(shì)，借款成功的機(jī)會(huì)更大。

3.3 對(duì)居家老年糖尿病患者實(shí)施健康干預(yù)需患者家屬支持 糖尿病是一種慢性疾病，治療措施不是“藥到病除”的短暫過程，而是大部分時(shí)間在醫(yī)院外自我管理［5］。對(duì)居家老年糖尿病患者的健康教育并非一次即可完成，需長期進(jìn)行。不僅患者要受教育，家屬也應(yīng)了解糖尿病患者的教育內(nèi)容。幫助患者克服因疾病的遷延而產(chǎn)生消極情緒，給予心理上的安慰和生理上的督促，使老年糖尿病患者能樹立起控制疾病發(fā)展的信心，合理生活，引導(dǎo)患者自我管理和預(yù)防保健，使生活質(zhì)量得到提高。

臨床中房顫與血栓栓塞性事件密切相關(guān)，血栓栓塞也是非瓣膜性房顫患者發(fā)生殘疾與死亡的重要原因之一，故血栓栓塞也是治療房顫的重要目標(biāo)。

歌言的末尾補(bǔ)敘葛天明女兒與楊國忠妹妹的故事。楊國忠妹妹因家道沒落，改名楊梅香，出家為尼，但心里卻時(shí)刻想著鐘景祺；葛天明的女兒在家國破碎之際，欲赴四川投奔鐘景祺，歷盡艱險(xiǎn)，一日夜宿庵堂巧遇楊梅香，互訴衷腸，互知身世及與鐘景祺的關(guān)系，方知鐘景祺已調(diào)回京城，身侍帝王側(cè)，“巡司調(diào)轉(zhuǎn)皇帝門，天下闊來無處問”，侯門深似海，如今山河破碎，家國板蕩，容不下兒女情長，遂芳心冷似灰，與楊梅香一起歸依了青燈古佛。

四、實(shí)證設(shè)計(jì)與描述性統(tǒng)計(jì)

(一)數(shù)據(jù)來源與模型建立

本文使用了來自“人人貸”2010年10月11日至2015年1月25日的真實(shí)借貸數(shù)據(jù)。其中原始數(shù)據(jù)共45萬條，在剔除了100 055條信息不全或不可用的記錄和91 465條正在申請(qǐng)中的申請(qǐng)結(jié)果還未知的記錄后，最終獲得的樣本數(shù)量為258 489條。在考慮數(shù)據(jù)的可得性和對(duì)相關(guān)文獻(xiàn)資料借鑒的基礎(chǔ)上，針對(duì)假設(shè)1和假設(shè)2，構(gòu)建如下計(jì)量模型：

1.借款模型

Success = β0+ β1Profession + β2Size + β3Creditrank + β4Income + β5Age + β6Sex+β7Marriage + β8House + β9Car +β10Housedebt + β11Cardebt + β12Worktime + β13Edu + ε

(1)

2.違約模型①

Default = β0+ β1Profession +β2Size+β3Creditrank + β4Income + β5Age + β6Sex + β7Marriage + β8House + β9Car + β10Housedebt + β11Cardebt + β12Worktime + β13Edu + ε

(2)

在模型(1)和(2)中：

Success表示借款人借款是否成功。借款成功，則Success取值為1；借款失敗，則Success取值為0。

2.違約模型：職業(yè)屬性與還款違約率的關(guān)系

Profession表示借款人的職業(yè)分類。本文以主要從事體力勞動(dòng)還是腦力勞動(dòng)為劃分依據(jù)將借款人職業(yè)分為兩類：白領(lǐng)類和藍(lán)領(lǐng)類。其中白領(lǐng)類職業(yè)包括：專業(yè)性和科技性工作，如會(huì)計(jì)、設(shè)計(jì)師、程序員、法官、醫(yī)生、教師等，農(nóng)場(chǎng)以外的行政管理人員以及其他辦公室工作人員；藍(lán)領(lǐng)類包括：手工藝類工人，運(yùn)輸裝置工人，建筑工人，農(nóng)場(chǎng)以外工人如飼養(yǎng)、建筑、伐木工人以及服務(wù)性行業(yè)工人如農(nóng)場(chǎng)工人、清掃工人等。借款人職業(yè)為白領(lǐng)類Profession取值為1，藍(lán)領(lǐng)類則取值為0。

Size表示借款人所在企業(yè)的規(guī)模大小。企業(yè)規(guī)模為10人以下取值為1，10～100人取值為2，100～500人取值為3，500人以上取值為4。

Creditrank表示借款人的信用等級(jí)。本文將這一指標(biāo)劃分為七個(gè)等級(jí)并進(jìn)行量化。AA等級(jí)取值為1，A等級(jí)取值為2，B等級(jí)取值為3，C等級(jí)取值為4，D等級(jí)取值為5，E等級(jí)取值為6，HR等級(jí)取值為7。

Income表示借款人的月收入狀況。本文同樣將其分為七個(gè)區(qū)間。月收入在1 000元以內(nèi)取值為1，1 001元～2 000元取值為2，2 001元～5 000元取值為3，5 001元～10 000元取值為4，10 001元～20 000元取值為5，20 001元～50 000元取值為6，50 000元以上取值為7。

據(jù)不完全統(tǒng)計(jì)，現(xiàn)在銀行業(yè)貸款余額中，民營企業(yè)貸款占25%，而民營經(jīng)濟(jì)在國民經(jīng)濟(jì)中的份額超過60%。民營企業(yè)從銀行得到的貸款和它在經(jīng)濟(jì)中的比重還不相匹配、不相適應(yīng)。從長遠(yuǎn)來看，銀行業(yè)對(duì)民營企業(yè)的貸款支持，應(yīng)該契合民營經(jīng)濟(jì)在國民經(jīng)濟(jì)中的相應(yīng)比重。

Age表示借款人的年齡。本模型直接使用借款人的實(shí)際年齡進(jìn)行分析。

Sex表示借款人的性別。男性借款人取值為1，女性借款人取值為0。

假設(shè)2(1)和2(2)是相互對(duì)立的，通過實(shí)證分析可以驗(yàn)證其中一個(gè)假設(shè)的正確性。雖然大企業(yè)具有更加強(qiáng)大的背景條件，從另一方面來看，市場(chǎng)上也存在所謂的小企業(yè)效應(yīng)(Small Firm Effect)。在實(shí)際經(jīng)營中，小企業(yè)具有更加靈活高效的優(yōu)勢(shì)，這表明很多小企業(yè)擁有更大的潛在成長空間和更高的利潤空間。如果投資者考慮這一因素，企業(yè)規(guī)模越大對(duì)于借貸成功不一定會(huì)產(chǎn)生顯著優(yōu)勢(shì)。在實(shí)證分析中，如果在控制了其他變量后，所處企業(yè)規(guī)模越大的借款人獲得借款的成功率越高，則驗(yàn)證假說2(1)，反之則驗(yàn)證假說2(2)。

House表示借款人的房產(chǎn)擁有狀態(tài)。無房產(chǎn)狀態(tài)取值為0，有房產(chǎn)狀態(tài)(一處或多處)取值為1。

Car表示借款人的車產(chǎn)擁有狀態(tài)。無車產(chǎn)狀態(tài)取值為0，有車產(chǎn)(一輛或多輛)狀態(tài)取值為1。

Housedebt表示借款人的房貸狀況。無房貸取值為0，有房貸取值為1。

3.加入交互項(xiàng)的借款模型：借款人職業(yè)屬性及其所在企業(yè)規(guī)模對(duì)借貸成功率的聯(lián)合影響

Worktime表示借款人的工作時(shí)間。本文將該解釋變量分為三類：工作1年以內(nèi)的取值為0，1年～3年的取值為1，3年～5年的取值為2，超過5年的取值為3。

Edu表示借款人的受教育水平。本文以學(xué)歷作為受教育程度的衡量指標(biāo)之一，并對(duì)其進(jìn)行量化分類：高中及其以下學(xué)歷取值為0，?？茖W(xué)歷取值為1，本科學(xué)歷取值為2，研究生及其以上學(xué)歷取值為3。

3.加入職業(yè)屬性和企業(yè)規(guī)模交互項(xiàng)的借款模型

Success = β0+ β1Profession + β2Size + αProfession*Size + γX+ε

(3)

在模型(3)中，Profession*Size代表借款人職業(yè)屬性和所在企業(yè)規(guī)模大小對(duì)借款成功率的共同作用，X表示其他控制變量，反映了信用等級(jí)、收入、年齡、性別、婚姻、房產(chǎn)、車產(chǎn)、房貸、車貸、工作時(shí)間以及受教育程度的綜合作用。其他變量均與模型(1)所表示含義與取值情況相同。

(二)變量描述性統(tǒng)計(jì)

模型(1)所使用的數(shù)據(jù)中，借款失敗的數(shù)量為234 853個(gè)，借款成功的數(shù)量為23 636個(gè)，模型(2)中的觀測(cè)數(shù)據(jù)則來自借款成功的23 636條記錄，具體狀態(tài)分布見表2。

因?yàn)樨?fù)荷預(yù)測(cè)具有較高的實(shí)時(shí)性，本文采用ARMAX模型[14]對(duì)負(fù)荷進(jìn)行預(yù)測(cè)。ARMAX模型主要包括模型定階、參數(shù)優(yōu)化和參數(shù)檢驗(yàn)3方面內(nèi)容，可描述為

表2 描述性統(tǒng)計(jì)：借款狀態(tài)

表3對(duì)模型(1)中的主要變量進(jìn)行了相關(guān)的描述性統(tǒng)計(jì)。根據(jù)所示結(jié)果，我們發(fā)現(xiàn)Success的均值只有0.0914，意味著僅有9.14%的申請(qǐng)人借款成功；核心變量Profession的均值為0.5803，表明借款人中白領(lǐng)工作者略多于藍(lán)領(lǐng)工作者；另一核心變量Size的均值為2.3410，表示借款人平均的企業(yè)規(guī)模大小在100人左右。關(guān)于其他控制變量，Creditrank均值為6.6177，說明樣本中信用級(jí)別為HR的比例較大，平均信用水平偏低；Income均值為3.9318，意味著樣本借款人的平均月收入?yún)^(qū)間在5 001元～10 000元；Age的均值為30.8768，表示借款人的平均年齡為30.8767；Sex均值為0.8568，意味著樣本中的借款人以男性居多；已婚的借款人大約占55.5%；擁有房產(chǎn)的借款人比例為41.93%；擁有汽車的借款人比例則相對(duì)較低，為24.60%；同時(shí)，借款人中房貸背負(fù)者的比例也高于車貸背負(fù)者，這兩者的比例分別為13.14%和5.25%；工作時(shí)間均值1.3647，表示借款人平均已參加工作3年左右；Edu均值為0.8225，意味著樣本借款人的平均學(xué)歷在?？苹蛞韵滤健？傮w來看，借款樣本呈現(xiàn)出信用等級(jí)較低、收入水平中等、學(xué)歷水平偏低、男性居多等特征。

表3 借款模型主要變量的描述性統(tǒng)計(jì)

續(xù)表3 借款模型主要變量的描述性統(tǒng)計(jì)

表4所示的是對(duì)模型(2)中變量的相關(guān)描述性統(tǒng)計(jì)。被解釋變量Default的均值為0.0578，說明在借款成功的人中僅有5.78%的人出現(xiàn)違約；核心變量Profession的均值為0.7258，明顯高于借款模型中的均值，說明借款成功的人群中以白領(lǐng)工作者居多；控制變量方面，Creditrank均值為3.3700，較借款模型中該變量的均值顯著降低，說明借款成功者的信用水平普遍較好，平均等級(jí)位于B和C之間；Income均值為4.4698，較模型(1)中均值也有所提高，平均月收入水平在10 001～20 000元；借款成功者的平均年齡為36.3776，并且仍然以男性借款者居多；已婚借款者比例升高至79.51%；房產(chǎn)擁有者占比41.48%；車產(chǎn)擁有者比例上升至36.86%；房貸和車貸擁有者占比分別為18.56%和5.34%；Work time均值為1.4668，表明成功借款者參加工作年限仍為3年左右；Edu均值0.9867，說明成功借款者的平均受教育水平也在專科及以下水平?？傮w而言，借款成功者呈現(xiàn)出的主要特征為腦力勞動(dòng)者居多、男性借款者為主、已婚借款人較多、信用等級(jí)良好、收入水平中等偏上、學(xué)歷水平不高等。

表4 違約模型主要變量統(tǒng)計(jì)性描述

(三)變量相關(guān)性檢驗(yàn)

為了避免解釋變量之間出現(xiàn)多重共線性現(xiàn)象，我們對(duì)解釋變量進(jìn)行了相關(guān)性檢驗(yàn)，以進(jìn)一步確認(rèn)模型和解釋變量的有效性。檢驗(yàn)結(jié)果表明，職業(yè)屬性(Profession)和企業(yè)規(guī)模(Size)的相關(guān)系數(shù)僅為-0.148，兩者間不存在顯著線性關(guān)系，因此將其作為核心變量是合理的。同時(shí)，核心變量與控制變量之間以及控制變量與控制變量之間的相關(guān)系數(shù)都位于-0.5和0.5之間，這說明解釋變量間也均不存在線性關(guān)系，模型產(chǎn)生虛假回歸的可能性很小，具有較強(qiáng)的解釋度和可靠度。

五、實(shí)證結(jié)果及分析

由于所選被解釋變量(成功借款和是否違約)均為虛擬變量，本文采用Probit作為基準(zhǔn)回歸模型，回歸模型可分別表述為：

Pr(成功借款 | 職業(yè)屬性，企業(yè)規(guī)模，與借款人相關(guān)的控制變量)=Φ(職業(yè)屬性，企業(yè)規(guī)模，與借款人相關(guān)的控制變量)；

Pr(是否違約 | 職業(yè)屬性，與借款人相關(guān)的控制變量) = Φ(職業(yè)屬性，與借款人相關(guān)的控制變量)；

從實(shí)踐中看，隨著城市化的快速發(fā)展，城市供水設(shè)施完全由政府承擔(dān)是背不了，也是背不起的。因此，可逐步嘗試由國有資產(chǎn)管理局或國有資產(chǎn)經(jīng)營公司負(fù)責(zé)對(duì)供水企業(yè)國有資產(chǎn)進(jìn)行的監(jiān)管和水務(wù)局對(duì)供水企業(yè)進(jìn)行的行業(yè)監(jiān)督管理相結(jié)合，用委托人與被委托人之間的資產(chǎn)紐帶關(guān)系取代傳統(tǒng)體制下政府與企業(yè)之間的行政隸屬關(guān)系，供水企業(yè)在遵循嚴(yán)格統(tǒng)一的行業(yè)監(jiān)管條件下，成為享有自主經(jīng)營權(quán)的法人實(shí)體。政府不再直接干預(yù)企業(yè)的日常生產(chǎn)經(jīng)營活動(dòng)，企業(yè)按照市場(chǎng)經(jīng)濟(jì)原則開展生產(chǎn)經(jīng)營活動(dòng)，從而實(shí)現(xiàn)供水企業(yè)經(jīng)營機(jī)制的根本性轉(zhuǎn)換。

Pr(成功借款 | 職業(yè)屬性，企業(yè)規(guī)模，職業(yè)屬性與企業(yè)規(guī)模的聯(lián)合影響，與借款人相關(guān)的控制變量) = Φ(職業(yè)屬性，企業(yè)規(guī)模，職業(yè)屬性與企業(yè)規(guī)模的聯(lián)合影響，與借款人相關(guān)的控制變量)。

(一)基準(zhǔn)回歸結(jié)果

1.借款模型：職業(yè)屬性、企業(yè)規(guī)模與借貸成功率的關(guān)系

表5 職業(yè)偏見、所在企業(yè)規(guī)模與成功借款(Probit回歸)

注：*、**、***分別表示在10%、5%、1%的水平下顯著.

表5列示的是模型(1)的回歸結(jié)果。表格第2列、第3列展示了不包含控制變量情況下的核心變量對(duì)被解釋變量的回歸結(jié)果。在不包含控制變量的情況下，職業(yè)屬性(Profession)的系數(shù)估計(jì)值為0.3169，并且在1%的水平下顯著，說明白領(lǐng)工作者比藍(lán)領(lǐng)工作者在P2P平臺(tái)上更加容易獲得貸款，因?yàn)榘最I(lǐng)職業(yè)給人一種更加穩(wěn)定和體面的印象，從而讓貸款人覺得白領(lǐng)借款者更可靠。然而，在不控制其他變量情況下，借款人所在企業(yè)的規(guī)模(Size)與借款成功率之間呈現(xiàn)1%水平下顯著的負(fù)相關(guān)關(guān)系，這和我們的預(yù)期相反。說明在當(dāng)今社會(huì)里，企業(yè)規(guī)模的大小不再是衡量一個(gè)人工作發(fā)展空間的最重要標(biāo)準(zhǔn)，也許只擁有幾十人精英團(tuán)隊(duì)的高科技企業(yè)要比規(guī)模大的企業(yè)更有成長潛力，在小企業(yè)工作的人員也比在大型企業(yè)領(lǐng)取固定工資的人員具有更高的薪資水平。隨著市場(chǎng)經(jīng)濟(jì)的發(fā)展，小企業(yè)靈活、適應(yīng)性強(qiáng)的特性讓它們能夠更好地應(yīng)對(duì)多變的市場(chǎng)需求，而制度化的大企業(yè)正面臨著新一輪創(chuàng)業(yè)風(fēng)的沖擊。

表5的后兩列所列示的則是包含借款人的信用狀況、收入水平、婚姻狀態(tài)等控制變量的回歸結(jié)果。核心變量職業(yè)屬性(Profession)的系數(shù)估計(jì)值為0.0914，且仍然在1%的水平下統(tǒng)計(jì)顯著，說明在控制其他變量后，職業(yè)屬性對(duì)借貸成功率的影響增強(qiáng)了，進(jìn)一步驗(yàn)證了假說1(1)的前半部分。另一核心變量企業(yè)規(guī)模(Size)的系數(shù)估計(jì)值變成了正值，并且在5%的水平下顯著，這說明在控制了其他因素對(duì)企業(yè)規(guī)模和借貸成功率之間關(guān)系的影響后，借貸成功率會(huì)隨著企業(yè)規(guī)模的擴(kuò)大而增加，即支持假說2(1)：由于大規(guī)模企業(yè)比小企業(yè)更加穩(wěn)定可靠，具有更加穩(wěn)固的地位，在大企業(yè)工作的人員的收入也更有保障，因此更容易獲得投資人信賴?？傮w而言，假說1(1)的前半部分與假說2(1)得到了驗(yàn)證和支持。

表5中各控制變量前的偏回歸系數(shù)表示了不同的控制變量對(duì)借貸成功率的影響。借款人的收入水平(Income)、年齡(Age)、婚姻狀況(Marriage)、工作年限(Worktime)與借貸成功率(Success)均正相關(guān)，并且在1%的水平下統(tǒng)計(jì)顯著。這說明，貸款人更加偏好收入水平較高、年齡較大、已經(jīng)結(jié)婚以及參加工作時(shí)間較長的借款人。收入水平高意味著借款人擁有可靠的還款來源；年齡較大則被認(rèn)為具有較強(qiáng)的社會(huì)責(zé)任感，違約的風(fēng)險(xiǎn)相對(duì)較小；結(jié)婚是一種勇于付出和實(shí)踐承諾的表現(xiàn)，擁有家庭的借款人被視為更加穩(wěn)重、成熟和具有安全感，因此已婚借款人的借貸成功概率高于未婚借款人。擁有房產(chǎn)(House)的申請(qǐng)人不受投資者青睞但擁有車產(chǎn)(Car)的申請(qǐng)人會(huì)使投資者更愿意借款，這可能是由于房產(chǎn)作為不動(dòng)產(chǎn)變現(xiàn)能力較差，因而并不利于立即還款，而汽車作為一種變現(xiàn)能力較強(qiáng)的抵押物能夠提高投資者收回本息的信心。相反，擁有房貸(Housedebt)對(duì)于借貸成功并無顯著影響，車貸(Cardebt)卻會(huì)對(duì)借貸成功產(chǎn)生負(fù)作用。這可能是由于在當(dāng)前中國社會(huì)中，住房是家的象征，房子是必需品，同時(shí)高昂的房?jī)r(jià)使得背負(fù)房貸成為普遍的現(xiàn)象；而汽車作為消耗品存在，并且車貸還沒有成為主流生活的一部分，擁有車貸則意味著其還款能力會(huì)被大大削弱。另外，借款人信用等級(jí)與借貸成功率呈現(xiàn)1%水平下顯著的負(fù)相關(guān)，表示信用評(píng)價(jià)越高，借款成功的概率就越大。學(xué)歷水平與借貸成功率則表現(xiàn)出5%水平下顯著的正相關(guān)，這是因?yàn)楦邔W(xué)歷者通常被視為具有更強(qiáng)的誠信意識(shí)和更為樂觀的預(yù)期收入水平(孫武軍，2016)[10]。

Default表示借款人在成功借款后是否違約。出現(xiàn)違約情況(如逾期還款或者由人人貸代為墊付狀態(tài))，則Default取值為1；無違約情況，則Default取值為0。

表6列示的是職業(yè)屬性對(duì)違約率的回歸結(jié)果。從第2列與第3列的回歸結(jié)果可知，在不包含控制變量的情況下，職業(yè)屬性(Profession)的系數(shù)估計(jì)值為-0.2206，且在1%的水平下顯著為負(fù)，說明在成功借款的樣本人群中，白領(lǐng)工作者的違約率要普遍低于藍(lán)領(lǐng)工作者，支持了假說1(1)的后半部分。這與白領(lǐng)工作者通常具有更高的文化水平、更好的教育背景、更強(qiáng)的道德意識(shí)和風(fēng)險(xiǎn)控制能力有關(guān)。同時(shí)，白領(lǐng)工作者更加理解信用的重要性及其對(duì)他們的社會(huì)生活和地位的影響，所以他們會(huì)更加積極地維護(hù)自己的信用，按時(shí)還款。

表6 職業(yè)偏見與是否違約 (Probit回歸)

注：*、**、***分別表示在10%、5%、1%的水平下顯著.

表6后兩列展示的則是包含信用等級(jí)、工資水平、借款人年齡、性別、婚姻狀況等控制變量的回歸結(jié)果。此時(shí)核心變量職業(yè)屬性(Profession)前的系數(shù)估計(jì)值為-0.0732，在5%的水平下顯著為負(fù)，說明在控制了其他變量的情況下，白領(lǐng)借款人仍然比藍(lán)領(lǐng)借款人具有更低的違約傾向，進(jìn)一步使得假說1(1)的后半部分得到驗(yàn)證。

經(jīng)治療，觀察組總有效率(56.67%)高于對(duì)照組(36.67%)(Z=-2.546，P<0.05)，見表1。

從表6后兩列中其他控制變量和違約率之間的關(guān)系來看，借款人信用等級(jí)(Creditrank)和收入等級(jí)(Income)都在1%的顯著性水平下為正，意味著借款人信用等級(jí)越低，收入越高，違約的可能性越高。隨著信用等級(jí)的升高，違約率降低，這和我們的經(jīng)驗(yàn)是相符合的，但是收入水平與違約率之間的正相關(guān)關(guān)系卻和實(shí)際經(jīng)驗(yàn)相背離。這可能是由于低收入者對(duì)于長期的網(wǎng)絡(luò)借貸有更高的需求，因此更加重視維護(hù)自己的信用，降低違約率以提高長期借貸成功率；而高收入者擁有更豐富的借款資源和經(jīng)濟(jì)來源，對(duì)網(wǎng)絡(luò)借貸的需求是短期的、暫時(shí)的，因此重視程度相對(duì)較低。除此之外，車輛擁有狀況(Car)和房貸背負(fù)情況(Housedebt)在1%的置信水平下顯著為負(fù)，即表明擁有車輛以及擁有房貸的借款人更不容易產(chǎn)生違約情況，這可能是因?yàn)檐囕v作為一項(xiàng)可變現(xiàn)抵押資產(chǎn)增強(qiáng)了借款人的還款能力，而房貸的背負(fù)現(xiàn)在已經(jīng)成為一種普遍現(xiàn)象，給借款人帶來的壓力較小。借款人的受教育水平(Edu)與違約率也呈現(xiàn)1%置信水平下顯著的負(fù)相關(guān)關(guān)系，表明借款人的學(xué)歷越高，受教育程度越高，其違約率也越低，和實(shí)際相符。因?yàn)榻逃龔?qiáng)調(diào)一個(gè)人的誠信觀念和道德意識(shí)的建立，同時(shí)也強(qiáng)調(diào)信用對(duì)于社會(huì)和個(gè)人的重要影響，受教育程度越高，越能深刻認(rèn)識(shí)到建立良好信用的必要性。此外，婚姻狀況(Marriage)和房產(chǎn)擁有狀況(House)對(duì)于違約率的影響僅在10%的水平下顯著為正，即已婚的與擁有房產(chǎn)的借款人略微具有更高的違約率。這可能是因?yàn)橐鸦榻杩钫呔哂懈林氐募彝ベ狆B(yǎng)負(fù)擔(dān)和更多的生活支出，而房產(chǎn)作為不動(dòng)產(chǎn)，變現(xiàn)能力差，不能為借款人快速提供還款來源。年齡(Age)、性別(Sex)以及工作年限(Work time)因素則對(duì)違約率并沒有顯著的影響。

Cardebt表示借款人的車貸狀況。無車貸取值為0，有車貸取值為1。

表7 職業(yè)屬性、所在企業(yè)規(guī)模與成功借款 (帶交互項(xiàng)的Probit回歸)

注：*、**、***分別表示在10%、5%、1%的水平下顯著.

表7反映了加入了借款人的職業(yè)屬性和所在企業(yè)規(guī)模的交互項(xiàng)后解釋變量對(duì)借貸成功率的回歸結(jié)果。從表中結(jié)果可以得知，在不包含控制變量情況下，核心變量職業(yè)屬性(Profession)的系數(shù)估計(jì)值為0.4890，企業(yè)規(guī)模(Size)的系數(shù)估計(jì)值為-0.0924，且都在1%的水平下顯著；在包含控制變量的情況下，職業(yè)屬性(Profession)前的系數(shù)估計(jì)值為0.3847，企業(yè)規(guī)模(Size)的系數(shù)估計(jì)值則為0.0822，均在1%水平下顯著為正。這與本文之前所驗(yàn)證的情況相符，即白領(lǐng)工作者比藍(lán)領(lǐng)工作者更受投資者青睞，而在排除其他變量對(duì)企業(yè)規(guī)模的影響后，規(guī)模的增大會(huì)帶來借貸成功率的提高。除此之外，我們還發(fā)現(xiàn)，無論是包含還是不包含控制變量，交互項(xiàng)(Profession*Size)的系數(shù)估計(jì)值均為負(fù)數(shù)，分別為在1%的水平下顯著的-0.0772與-0.1232。這說明職業(yè)屬性與企業(yè)規(guī)模的共同作用可以削弱職業(yè)偏見給藍(lán)領(lǐng)借款人帶來的不利影響和企業(yè)規(guī)模的擴(kuò)大為借貸成功帶來的正效應(yīng)。

在不包含控制變量情況下，職業(yè)屬性的系數(shù)可以表示為(0.4890-0.0772*Size)，說明所在企業(yè)規(guī)模較大的藍(lán)領(lǐng)借款人比企業(yè)規(guī)模較小的藍(lán)領(lǐng)借款人更可能借到錢，且其所在企業(yè)規(guī)模每擴(kuò)大一個(gè)單位，投資者對(duì)于白領(lǐng)職業(yè)投資偏好就降低0.0772，即對(duì)藍(lán)領(lǐng)職業(yè)的偏好相應(yīng)上升0.0772。但規(guī)模的擴(kuò)大無法完全消除投資者對(duì)白領(lǐng)工作者的偏好：當(dāng)Size取最大值4時(shí)，職業(yè)屬性前的系數(shù)仍為正數(shù)。在包含控制變量情況下，其系數(shù)可表示為(0.3847-0.1232*Size)，此時(shí)企業(yè)規(guī)模每擴(kuò)大一個(gè)單位，投資者對(duì)白領(lǐng)職業(yè)投資偏好降低0.1232，同時(shí)對(duì)藍(lán)領(lǐng)職業(yè)投資偏好相對(duì)上升0.1232。此時(shí)如果企業(yè)規(guī)模為500人以上，即Size取值為4時(shí)，系數(shù)變?yōu)?0.1081，這說明當(dāng)企業(yè)規(guī)模擴(kuò)大到一定程度后，白領(lǐng)工作者不再具有顯著借款優(yōu)勢(shì)。企業(yè)規(guī)模作為一種信用補(bǔ)償，在一定程度上可以彌補(bǔ)投資人對(duì)藍(lán)領(lǐng)職業(yè)的偏見。大規(guī)模企業(yè)的藍(lán)領(lǐng)工作者通常會(huì)正式簽訂長期合同，享有完善的社會(huì)保障和企業(yè)福利、穩(wěn)定的工作環(huán)境、更可靠的收入來源以及更多的升職機(jī)會(huì)；而在小規(guī)模的私人企業(yè)，藍(lán)領(lǐng)工作者通常不享有完善的社會(huì)保障和退休福利，工作時(shí)間較為隨意，工作流動(dòng)性更大，更不穩(wěn)定，隨時(shí)有可能更換工作或者丟失工作，且由于其工作空間限制，也具有較小的內(nèi)部職位上升空間。另一方面，由于投資者對(duì)白領(lǐng)工作者本身不存在歧視現(xiàn)象，會(huì)較少地依賴其他信用指標(biāo)來提升對(duì)其的偏好程度，所以企業(yè)規(guī)模的改變對(duì)白領(lǐng)工作者借貸成功率產(chǎn)生的影響相對(duì)較弱。而且由于白領(lǐng)工作者通常具有良好的教育背景和較強(qiáng)的工作能力，在眾多小企業(yè)中擔(dān)任重要職務(wù)，更能發(fā)揮出自己的潛力，獲得更高的回報(bào)和更好的發(fā)展空間。大企業(yè)煩瑣的流程、僵化的體制和激烈的內(nèi)部競(jìng)爭(zhēng)則有可能限制白領(lǐng)工作者才能發(fā)揮，束縛其發(fā)展。因此，企業(yè)規(guī)模擴(kuò)大更傾向于提高投資者對(duì)藍(lán)領(lǐng)工作者的借款偏好。

對(duì)于另一核心變量企業(yè)規(guī)模(Size)，在不包含控制變量的情況下，其系數(shù)可表示為(-0.0924-0.0772*Profession)。當(dāng)借款人為藍(lán)領(lǐng)工作者，即Profession取值為0時(shí)，企業(yè)規(guī)模(Size)系數(shù)保持不變，為-0.0924；但是當(dāng)借款人為白領(lǐng)工作者，即Profession取值為1時(shí)，企業(yè)規(guī)模(Size)的系數(shù)降低到-0.0152，進(jìn)一步加強(qiáng)了企業(yè)規(guī)模與借貸成功之間的負(fù)相關(guān)性，說明小企業(yè)的白領(lǐng)借款人更受投資者的青睞。這是因?yàn)榘最I(lǐng)工作者比藍(lán)領(lǐng)工作者在小規(guī)模企業(yè)可能產(chǎn)生更大的經(jīng)濟(jì)效益，他們通常為小團(tuán)隊(duì)中的領(lǐng)導(dǎo)人物或者高層管理者，決定著團(tuán)隊(duì)的發(fā)展方向。同時(shí)，部分白領(lǐng)工作者在小規(guī)模企業(yè)里更受到重視，處于更重要的工作地位，在擺脫大企業(yè)僵化的體制和煩瑣的流程的束縛后，反而能夠更好地發(fā)揮出自己的才能。在包含控制變量情況下，企業(yè)規(guī)模(Size)的系數(shù)則可表示為(0.0822-0.1232*Profession)，意味著職業(yè)屬性和企業(yè)規(guī)模的聯(lián)合作用削弱甚至改變了企業(yè)規(guī)模對(duì)于借貸成功率的正效應(yīng)。對(duì)于藍(lán)領(lǐng)工作者(Profession=0)而言，系數(shù)估計(jì)值為0.0822，企業(yè)規(guī)模的擴(kuò)大仍然有利于提高其借款成功率；但是對(duì)于白領(lǐng)工作者(Profession=1)而言，系數(shù)估計(jì)值變?yōu)?0.041，說明企業(yè)規(guī)模的擴(kuò)大對(duì)其不再具有提高借款成功率的作用。因此，在小企業(yè)里，白領(lǐng)工作者相對(duì)藍(lán)領(lǐng)工作者更具借款優(yōu)勢(shì)，而小規(guī)模企業(yè)的白領(lǐng)則比大規(guī)模企業(yè)白領(lǐng)更有優(yōu)勢(shì)。

總的來看，表7的結(jié)果表明假設(shè)3(1)得到了驗(yàn)證，借款人所在企業(yè)規(guī)模與其職業(yè)屬性的共同作用能夠削弱放貸人對(duì)于藍(lán)領(lǐng)職業(yè)的偏見。藍(lán)領(lǐng)借款人所處的企業(yè)規(guī)模越大，借款成功的可能性就越大；且當(dāng)企業(yè)規(guī)模擴(kuò)大到一定程度后，藍(lán)領(lǐng)借款人不再具有明顯劣勢(shì)。同時(shí)我們還發(fā)現(xiàn)，在小規(guī)模企業(yè)里，白領(lǐng)借款人較藍(lán)領(lǐng)借款人有顯著優(yōu)勢(shì)；且對(duì)于白領(lǐng)借款人而言，企業(yè)規(guī)模的縮減有利于其借款成功。

(二)穩(wěn)健性檢驗(yàn)

為了驗(yàn)證前文中所做實(shí)證檢驗(yàn)的可靠性，本文在基準(zhǔn)回歸的基礎(chǔ)上同時(shí)使用另一種離散選擇模型——Logit模型，來考察隨機(jī)變量在服從邏輯概率分布情況下借款人的職業(yè)屬性及其所在企業(yè)規(guī)模分別對(duì)借貸成功率和違約率的回歸結(jié)果是否與基準(zhǔn)回歸結(jié)果保持一致。

從表8可知，用Logit模型對(duì)模型(1)進(jìn)行回歸所得的結(jié)論與前文一致：在不包含控制變量情況下，職業(yè)屬性(Profession)的系數(shù)估計(jì)值為正而企業(yè)規(guī)模(Size)的系數(shù)估計(jì)值為負(fù)，且均在1%的水平下統(tǒng)計(jì)顯著；在包含控制變量情況下，職業(yè)屬性(Profession)、收入水平(Income)、年齡(Age)、婚姻狀況(Marriage)、車輛擁有狀況(Car)和工作時(shí)間(Worktime)均在1%的水平下顯著為正，企業(yè)規(guī)模(Size)和學(xué)歷程度(Edu)則在5%的顯著水平下為正，信用等級(jí)(Creditrank)、房產(chǎn)擁有狀況(House)以及車貸擁有情況(Cardebt)均在1%的水平下顯著為負(fù)，而性別因素(Sex)和房貸擁有狀況(Housedebt)對(duì)借貸成功率沒有顯著影響。

表8 職業(yè)屬性、所在企業(yè)規(guī)模與成功借款(Logit回歸)

注：*、**、***分別表示在10%、5%、1%的水平下顯著.

同樣，職業(yè)屬性與還款違約率(Default)之間的關(guān)系也與前文中實(shí)證研究結(jié)果保持一致：在包含與不包含控制變量情況下，職業(yè)屬性(Profession)的系數(shù)估計(jì)值均為負(fù)，且分別在5%和1%的水平下統(tǒng)計(jì)顯著；控制變量中，信用等級(jí)(Creditrank)與收入水平(Income)在1%的水平下顯著為正，車輛擁有狀況(Car)、房貸擁有狀況(Housedebt)和教育水平(Edu)在1%水平下為負(fù)，婚姻狀況(Marriage)和房產(chǎn)擁有情況(House)均為正但僅在10%的水平下顯著，借款人年齡(Age)、性別(Sex)和工作時(shí)間(Worktime)與違約率之間則不呈現(xiàn)顯著的相關(guān)關(guān)系。加入借款人職業(yè)屬性和所在企業(yè)規(guī)模交互項(xiàng)的Logit回歸結(jié)果也與前文所得結(jié)論基本一致。②

六、結(jié)論與建議

在實(shí)證檢驗(yàn)中，我們將通過加入職業(yè)屬性和企業(yè)規(guī)模的交互項(xiàng)來研究它們的共同作用對(duì)借貸成功率的影響。如果企業(yè)規(guī)模的擴(kuò)大能夠有效地削弱藍(lán)領(lǐng)職業(yè)屬性對(duì)借貸成功的不利影響，即驗(yàn)證假說3(1)，否則驗(yàn)證假說3(2)。

醫(yī)學(xué)實(shí)習(xí)生的臨床實(shí)習(xí)是醫(yī)學(xué)教學(xué)的重要環(huán)節(jié)[1-2]。在傳統(tǒng)的醫(yī)院模式中，醫(yī)學(xué)生都需要在較為精細(xì)分科的?？瓶剖疫M(jìn)行輪轉(zhuǎn)實(shí)習(xí)，帶教老師對(duì)患者的關(guān)注以?？茷橹?，因此，實(shí)習(xí)生在實(shí)習(xí)的過程中也往往只注重?？频那闆r，對(duì)知識(shí)的掌握比較孤立，對(duì)患者的整體病情把控欠缺，這樣會(huì)導(dǎo)致醫(yī)學(xué)生從接觸臨床開始即局限于病種，而不是將患者看作一個(gè)整體，不利于其臨床思維的培養(yǎng)；重慶醫(yī)科大學(xué)附屬第三醫(yī)院是以系統(tǒng)疾病為主體的中心制新型教學(xué)醫(yī)院，它不同于傳統(tǒng)醫(yī)院模式，它是以系統(tǒng)疾病為基礎(chǔ)，多學(xué)科合作診療為主要手段的醫(yī)院，并充分利用中心制模式對(duì)臨床實(shí)習(xí)生進(jìn)行培養(yǎng)，現(xiàn)將其在臨床實(shí)習(xí)教學(xué)中的應(yīng)用初探匯報(bào)如下。

在以上實(shí)證分析的基礎(chǔ)上，我們針對(duì)性地提出以下建議：

在音樂教學(xué)中教師是學(xué)生學(xué)習(xí)的重要指導(dǎo)者，對(duì)學(xué)生各種音樂知識(shí)的學(xué)習(xí)具有重要的作用，實(shí)施對(duì)民族文化的教育也需要教師的積極參與和重視，因此需要教師積極進(jìn)行對(duì)音樂教學(xué)的分析，明確音樂課程的教學(xué)目標(biāo)，轉(zhuǎn)變教師的教學(xué)理念，堅(jiān)決貫徹民族文化傳承的思維觀念，積極進(jìn)行對(duì)各種民族文化的教學(xué)融入，結(jié)合學(xué)生的學(xué)習(xí)能力和興趣，進(jìn)行對(duì)教學(xué)方式的有效創(chuàng)新，提高音樂課堂的教學(xué)質(zhì)量，實(shí)現(xiàn)對(duì)民族文化的有效傳承。

(1) 對(duì)有融資需求的藍(lán)領(lǐng)工作者，要積極尋求再教育和工作經(jīng)驗(yàn)的積累，提高自身專業(yè)能力從而獲得“身份”的轉(zhuǎn)型。前文研究結(jié)論表明，投資者在網(wǎng)絡(luò)借貸過程中對(duì)藍(lán)領(lǐng)職業(yè)的確存在偏見，藍(lán)領(lǐng)工作者的借款成功率顯著低于白領(lǐng)工作者。因此，對(duì)個(gè)人而言，通過加強(qiáng)學(xué)習(xí)和接受再教育等方式提升自己的求職競(jìng)爭(zhēng)力，“轉(zhuǎn)身”為白領(lǐng)工作者，可以消除借貸過程中職業(yè)偏見為藍(lán)領(lǐng)工作者帶來的不利影響，從而提高借款成功率。同時(shí)，由于企業(yè)規(guī)模的擴(kuò)大有利于提高藍(lán)領(lǐng)借款人的借款成功率，因此藍(lán)領(lǐng)工作者可以通過培養(yǎng)自身能力、豐富工作經(jīng)驗(yàn)等尋求進(jìn)入大規(guī)模企業(yè)工作，這也有助于改善投資者對(duì)藍(lán)領(lǐng)職業(yè)的偏見。

(2)對(duì)有融資需求的白領(lǐng)工作者，相比較而言，進(jìn)入規(guī)模較小的企業(yè)能夠獲得更高的借款成功率。從前文分析中可以看出，企業(yè)規(guī)模的縮減有利于增強(qiáng)白領(lǐng)工作者的借款優(yōu)勢(shì)。白領(lǐng)工作者通常受教育水平較高，能力較強(qiáng)，在企業(yè)中許多白領(lǐng)工作者承擔(dān)著高層管理等重要工作。由于大企業(yè)的人員關(guān)系較冗雜，體制僵化，流程煩瑣，部分有才能的白領(lǐng)工作者無法得到重視和發(fā)揮才能的機(jī)會(huì)。小型企業(yè)具有體制機(jī)制靈活性強(qiáng)、發(fā)展?jié)摿Υ蟮葍?yōu)勢(shì)，有利于白領(lǐng)工作者能力的充分展現(xiàn)。

(3)平臺(tái)投資者應(yīng)更加重視職業(yè)屬性和企業(yè)規(guī)模因素在借款者信用評(píng)價(jià)中的作用。本文研究證實(shí)了職業(yè)屬性、企業(yè)規(guī)模與借貸成功率之間有顯著的相關(guān)關(guān)系。職業(yè)屬性作為借款人身份特征之一，是投資者衡量借款人信息的一項(xiàng)重要指標(biāo)；企業(yè)規(guī)模的擴(kuò)大可以為藍(lán)領(lǐng)借款人提供額外的征信優(yōu)勢(shì)。投資者在對(duì)借款人進(jìn)行信用評(píng)估時(shí)，除了關(guān)注年齡、婚姻狀況、收入水平、信用等級(jí)、工作經(jīng)驗(yàn)和受教育程度等傳統(tǒng)指標(biāo)外，還應(yīng)該重視職業(yè)發(fā)展因素帶來的潛在影響。

(4) P2P借貸平臺(tái)作為信息中介，需嚴(yán)格審核借款人資料的真實(shí)性和完整程度，動(dòng)態(tài)管理并評(píng)價(jià)借款人的信用等級(jí)。能夠?qū)杩钊诉M(jìn)行信用評(píng)價(jià)的指標(biāo)維度很多，但常常會(huì)有一些指標(biāo)被忽略或忽視它們的重要性，而未能在信用評(píng)價(jià)中被賦予一定的權(quán)重，例如本文所研究的“職業(yè)屬性”與 “企業(yè)規(guī)?！?。同時(shí)，平臺(tái)更要關(guān)注到某些指標(biāo)的動(dòng)態(tài)變化，以及由這些指標(biāo)變化所引起其他相關(guān)指標(biāo)的變化，從而引致對(duì)借款者信用評(píng)價(jià)的改變。例如，職業(yè)屬性由“藍(lán)領(lǐng)工人”變化為“白領(lǐng)工作者”，則會(huì)引起諸如“收入、車貸、受教育程度”等指標(biāo)的變化。這時(shí)更需要細(xì)致甄別這些指標(biāo)的變化是由“藍(lán)領(lǐng)工人”自然增長導(dǎo)致的，還是由于身份的轉(zhuǎn)型而造成的。再者，在風(fēng)險(xiǎn)可控情況下網(wǎng)絡(luò)借貸平臺(tái)應(yīng)不斷提高交易的便捷程度，減少不必要的過程和冗余手續(xù)，這有助于提高網(wǎng)絡(luò)借貸運(yùn)營效率，吸引更多優(yōu)質(zhì)投資人和借款人進(jìn)行網(wǎng)絡(luò)交易，提升交易量。

注釋：

①由于借款人所在企業(yè)規(guī)模的大小和借款人是否違約之間暫無合理的解釋關(guān)系，模型(2)中不包含Size變量.

②限于篇幅問題，部分表格沒有附在文章中，有興趣的讀者可以與作者聯(lián)系.

參考文獻(xiàn)：

[1]Jin G Z. Do Social Networks Solve Information Problems for Peer-to-Peer Lending? Evidence from Prosper Com[Z]. Working Paper，2008.

[2] Klafft M. Online Peer-to-Peer Lending: A Lenders' Perspective [J]. Social Science Electronic Journal, 2008, 2(2): 371-375.

[3] 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.

[4] Herzenstein M, Sonenshein S, Dholakia U M. Tell Me a Good Story and I May Lend You Money: The Role of Narratives in Peer-to-Peer Lending Decisions [J]. Journal of Marketing Research, 2011, 48: 138-149.

[5] Ravina E. The Effect of Beauty and Personal Characteristics in Credit Markets [Z]. Working paper，2012.

[6] Freedman S, Jin G Z. The signaling value of online social networks: lessons from peer-to-peer lending [Z]. Working Paper, 2014.

[7]李悅雷，郭 陽，張 維.中國P2P小額貸款市場(chǎng)借貸成功率影響因素分析[J].金融研究，2013,(7):126-138.

[8]王會(huì)娟,廖 理.中國P2P網(wǎng)絡(luò)借貸平臺(tái)信用認(rèn)證機(jī)制研究——來自“人人貸”的經(jīng)驗(yàn)證據(jù)[J].中國工業(yè)經(jīng)濟(jì),2014,(4):136-147.

[9]廖 理，吉 霖，張偉強(qiáng).借貸市場(chǎng)能準(zhǔn)確識(shí)別學(xué)歷的價(jià)值嗎?——來自P2P平臺(tái)的經(jīng)驗(yàn)證據(jù)[J].金融研究，2015,(3):146-159.

[10]孫武軍,樊小瑩.從業(yè)經(jīng)歷和教育背景是否能提高借貸成功率?——來自P2P平臺(tái)的經(jīng)驗(yàn)證據(jù)[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào),2016,(3):33-41.

[11]張正平,胡夏露.P2P網(wǎng)絡(luò)借貸:國際發(fā)展與中國實(shí)踐[J].北京工商大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2013,28(2):87-94.

[12]Jacobson L S, Lalonde R J, Sullivan D G. Earnings Losses of Displaced Workers [J]. American Economic Review, 1993, 83(4): 685-709.

[13] Schwerdt G, Ichino A, Ruf O, et al. Does the color of the collar matter? Employment and earnings after plant closure [J]. Economics Letters, 2010, 108(2): 137-140.

[14]陳 淮,江 林.藍(lán)領(lǐng)就業(yè):一個(gè)不容忽略的話題[J].經(jīng)濟(jì)與管理研究,2003,(1):22-25.

[15]許峻樺.由藍(lán)領(lǐng)斷代看人力資源素質(zhì)培養(yǎng)[J].中國人力資源開發(fā),2003,(4):24-26.

[16]張子剛,劉美玲.“中國制造”呼喚“高級(jí)藍(lán)領(lǐng)”[J].企業(yè)經(jīng)濟(jì),2004,(3):44-45.

[17]Cobham A. Making Bad Decisions: firm size and investment under uncertainty [R]. Queen Elizabeth House, University of Oxford, 2000.

[18]Beck T, Demirguec-Kunt A, Maksimovic V. Financial and Legal Constraints to Growth: Does Firm Size Matter? [J]. The Journal of Finance, 2005, 60(1): 137-177.

[19]李大武.中小企業(yè)融資難的原因剖析及對(duì)策選擇[J].金融研究,2001,(10):124-131.

[20]羅曉光,宋雁超,徐海秀.企業(yè)信用非財(cái)務(wù)影響因素分析[J].科技與管理,2015,17(4):59-66.

[21]何光輝,楊咸月.中國小微企業(yè)信用違約影響因素的實(shí)證檢驗(yàn)——來自某國有銀行地區(qū)分行的證據(jù)[J].上海財(cái)經(jīng)大學(xué)學(xué)報(bào),2015，(6):67-79.

[22]劉精明.教育與社會(huì)分層結(jié)構(gòu)的變遷——關(guān)于中高級(jí)白領(lǐng)職業(yè)階層的分析[J].中國人民大學(xué)學(xué)報(bào),2001,15(2):21-25.

[23]王遠(yuǎn)偉,高 巍.社會(huì)分層、高等教育與職業(yè)選擇[J].高教發(fā)展與評(píng)估,2004,(5):6-9.

[24]王甫勤.風(fēng)險(xiǎn)社會(huì)與當(dāng)前中國民眾的風(fēng)險(xiǎn)認(rèn)知研究[J].上海行政學(xué)院學(xué)報(bào),2010，(2):83-91.