社會信用環境與私人借貸市場參與

　　[摘 要]利用百度指數數據構造社會信用環境指標，結合中國家庭金融調查數據，從供給和需求角度檢驗社會信用環境對私人借貸市場參與的影響及內在機制。研究發現：從供給端來看，失信環境降低了私人借貸借出的概率和私人借出款占金融資產的比重;從需求端來看，失信環境抑制了私人借貸需求，且造成私人借貸供不應求的現象，增大了私人借貸可獲得難度。在運用工具變量法緩解內生性問題和大量穩健性檢驗后上述結論仍然成立。機制分析表明，失信環境通過降低風險容忍度和縮小社會網絡抑制私人借貸供給，通過縮小社會網絡和提高交易成本抑制私人借貸需求。

　　徐子堯; 馬俊峰， 山西財經大學學報 發表時間：2021-07-26

　　[關鍵詞]社會信用環境;私人借貸;非正規信貸;風險承擔;社會網絡

　　一、引言

　　私人借貸市場作為非正規信貸市場的主要形式，已逐漸成為正規信貸市場的重要補充，在資金需求端和供給端發揮著重要作用。①從資金需求端來看，私人借貸市場在家庭購置住房 (Fan et al.， 2017)[1]、積累耐用品(Besley and Levenson，1996)[2] 和補充創業啟動資金(馬光榮和楊恩艷，2011)[3]等方面發揮著積極作用，是小微經濟主體不可替代的資金來源渠道(韓秀蘭和趙敏，2020)[4]。從資金供給端來看，私人借貸市場在中國這個“關系化”社會中扮演著“人情資本積累”的獨特角色，雖然大多數私人借出款不收取利息等顯性貨幣回報，但往往要求借入方支付隱性報酬，如提供義務援助、關系融通或“小道消息”等。而且，私人借貸合約能否順利達成和履行受社會信用環境的影響較大。信用環境作為一種反映交易主體間主觀信任程度和客觀信用水平的經濟關系，良好的信用環境是私人借貸合約達成與履行的外部基礎條件之一，也是私人借貸市場健康有序發展的關鍵所在。但是，近年來較為普遍的信用缺失現象對社會信用環境造成了不良影響，增加了借貸雙方的信息不對稱性，不利于家庭參與私人借貸市場。根據最高人民法院披露的失信被執行人名單和中國家庭金融調查數據，在失信主體數量呈現上升態勢的情況下，私人借貸需求和獲得私人借貸的家庭比例在逐年下降。②鑒于此，“十四五規劃綱要”明確提出通過健全社會信用體系，優化社會信用環境，為私人借貸市場的良性發展奠定了制度基礎。

　　現有研究集中于探討信用環境對正規金融市場的影響，僅個別國外學者分析了信用環境在私人借貸市場中發揮的作用。Guiso 等(2004)[5]借助意大利銀行的家庭收入與財富調查(Survey of Household Income and Wealth，SHIW)進行研究，發現低社會信任水平地區的家庭更可能獲得私人借貸，并從融資需求次序和非家庭倫理主義兩方面予以解釋。③然而，這一結論似乎與理論預期和我國特征事實差異較大。從理論角度來看，失信環境會加劇借貸雙方信息摩擦，增加信息搜尋和匹配的成本，提高借貸雙方信息不對稱性，進而抑制私人借貸市場參與。從特征事實來看，盡管我國的社會信用環境有所改善，但信用缺失現象仍屢見不鮮，失信環境與家庭私人借貸可獲得性之間呈現負相關關系。那么，是否信用環境對我國家庭私人借貸市場參與的影響同理論預期一致?如果符合理論預期，造成信用環境對我國和意大利家庭私人借貸市場參與影響存在巨大差異的原因何在?信用環境通過哪些機制影響我國家庭私人借貸市場參與?這些都是本文試圖回答的問題。

　　為回答上述問題，本文利用中國家庭金融調查與多種信用環境指標的匹配數據，從供給端和需求端檢驗信用環境對私人借貸的影響及內在機制，并運用多種工具變量緩解內生性問題。研究發現：失信環境抑制了私人借貸供給和私人借貸需求，推高了私人借貸利息成本，降低了私人借貸的可獲得性。機制分析表明，失信環境通過降低風險容忍度和縮小社會網絡抑制私人借貸供給，通過縮小社會網絡和提高交易成本抑制私人借貸需求。

　　本文的邊際貢獻主要有三方面。第一，現有研究多考察微觀特征對農戶非正規信貸需求的影響，如：個人信任態度(Duarte et al.，2012;柴時軍和葉德珠，2019)[6,7]、社會網絡特征(楊汝岱等，2011;胡楓和陳玉宇，2012;Chai et al.，2018)[8-10]和金融素養(宋全云等，2017)[11]等，少量宏觀視角的研究分析了外部金融環境對非正規借貸使用的影響 (董艷等，2020;吳雨等，2020;Islam et al.，2015)[12-14]。本文著眼于新的宏觀視角——社會信用環境，同時，從供給和需求角度檢驗了社會信用環境對我國家庭私人借貸市場參與的影響，拓展了非正規信貸相關領域的文獻。第二，已有研究聚焦于分析社會信用環境對正規金融市場運行的作用，如，陳雨露和馬勇(2008)[15]指出，較高的社會信任水平有利于提高銀行業的運行效率;錢先航和曹春芳(2013)[16]發現，良好的信用環境促使城市商業銀行發放更多的短期貸款、信用貸款和個人貸款;李俊青等(2017)[17]研究表明，好的信用環境通過降低收益率波動，減小銀行風險。本文考察社會信用環境對我國家庭私人借貸市場參與的影響，豐富了信用環境經濟效應的相關研究。第三，與 Guiso 等(2004)[5]認為低社會信任水平降低了私人借貸使用(未檢驗內在機制)不同，本文通過搭建微觀理論框架，分析社會信用環境影響私人借貸市場參與的機制，研究發現失信環境抑制了私人借貸供給和需求，降低了私人借貸可獲得性，并從風險容忍度、社會網絡和交易成本三方面予以詮釋，完善了非正規信貸機制的相關內容。

　　二、文獻綜述與理論分析

　　(一)文獻綜述

　　與本文較為相關的文獻主要有三方面：(1)非正規信貸市場形成機制的文獻;(2) 非正規信貸市場影響因素的相關文獻;(3) 信用環境經濟效應的文獻。

　　關于非正規信貸市場的形成機制，現有研究主要持三種觀點。(1)正規信貸市場發展不充分不均衡論。由于小微經濟主體的資金需求具有“金額小、頻率高、還款能力不穩定”等特征，使得銀行在滿足其信貸需求時略顯乏力，從而前者只能通過非正規信貸渠道尋求成本更高的資金。(2) 金融抑制論。 Rostow 和 Mckinnon(1974)[18]指出，金融抑制是非正規信貸市場存在的直接原因。該觀點在我國得到部分印證，即信貸資源“所有制歧視”迫使民營企業向非正規信貸市場尋求資金(張杰，2000;陳東和劉志彪，2020)[19,20]。不過，當金融市場高度市場化的發達國家也出現非正規信貸市場時，該論述似乎自相矛盾。(3)信息優勢論。Stiglitz 和 Weiss(1981)[21]指出，道德風險和逆向選擇是正規信貸市場無法回避的問題。私人借貸市場可適當降低道德風險和逆向選擇問題。一方面，由于私人借貸主要發生在同區縣范圍內的親戚朋友之間，較近的居住距離和頻繁的 “打交道”降低了合約監督成本，利于緩解道德風險問題(Karlan，2007)[22];另一方面，由于借貸雙方較為熟悉，借出方可以較為容易地識別出潛藏在借入方背后的風險，利于緩解逆向選擇問題(Ghatak， 1999)[23]。因此，“信息優勢”成為以私人借貸為主的非正規信貸市場存在的根本性原因(林毅夫和孫希芳，2005)[24]。

　　關于非正規信貸市場的影響因素，現有研究主要從微觀和宏觀視角予以探討。(1)微觀層面的研究聚焦于分析個人信任態度和社會網絡特征對非正規信貸需求的影響。從信任態度角度來看，Duarte 等(2012)[6]借助美國某 P2P 平臺的數據進行研究，發現資金借出方對借入方的信任程度越低，借入方獲得借款的難度越高。柴時軍和葉德珠(2019)[7]利用 2016 年中國家庭追蹤調查數據的研究表明，對父母和鄰居等特殊群體信任水平更高的家庭，更可能尋求非正規信貸，并且需求額度更高。從社會網絡角度來看，楊汝岱等(2011)[8]利用農村金融調查數據進行研究，發現社會網絡豐富度的提升顯著提高了農戶非正規信貸市場參與的活躍度。類似的，胡楓和陳玉宇(2012)[9]、Chai 等(2018)[10]也發現，豐富的社會網絡有助于提高農戶非正規信貸使用的概率和規模。個別學者探討了金融素養與家庭信貸行為的關系。宋全云等(2017)[11]利用中國家庭金融調查數據的研究表明，金融知識的提升顯著降低了家庭非正規信貸的使用概率，提高了正規信貸的使用概率。(2)宏觀層面的研究主要是探討外部金融環境如何影響非正規信貸使用。Islam 等(2015)[14]基于 1987—2008 年孟加拉發展研究所的農戶調查數據進行研究，發現微型金融組織可及性的提高顯著降低了非正規信貸的使用概率，但對使用規模無顯著影響。董艷等(2020)[12]借助中國家庭金融調查與銀行網點分布的匹配數據進行研究，發現區域內銀行網點數量的增加會降低農戶民間借貸市場參與率。吳雨等(2020)[13]結合中國家庭金融調查和北京大學數字金融指數進行研究，發現地區數字金融發展水平對私人借貸供給和需求存在擠出效應。

　　綜上所述，已有研究主要關注微觀個體或家庭特征對非正規信貸市場參與的影響，鮮有研究提供社會信用環境如何影響我國家庭非正規信貸市場參與的微觀證據。鑒于非正規信貸形式繁多，本文將非正規信貸市場的主要形式——私人借貸市場作為研究對象，分析社會信用環境對私人借貸供給和需求的影響。

　　(二)理論分析

　　私人借貸以借貸雙方的彼此信任為基礎，具有信息不對稱性低的優點。失信環境造成了人際間信任感降低和借貸雙方信息不對稱性升高的后果。信任感的下降放大了道德風險問題，使得借出方面臨更高的資金損失風險，抑制了私人借貸供給;信息不對稱性的上升縮小了私人借貸市場相較于正規信貸市場的信息優勢，促使部分人群轉向正規信貸市場尋求資金，抑制了私人借貸需求。因此，提出本文的假說 1。

　　假說 1：失信環境會抑制私人借貸供給和私人借貸需求。

　　失信環境同時抑制私人借貸供給和需求，因此，私人借貸可獲得難度的變化取決于失信環境對私人借貸供給和需求抑制作用的強度差異。如果失信環境對私人借貸供給的抑制作用強于對私人借貸需求的抑制作用，則私人借貸可獲得難度上升，反之，難度下降。據此，提出假說 2。

　　假說 2a：失信環境對私人借貸供給的抑制作用強于對私人借貸需求的抑制作用，私人借貸可獲得難度增大。

　　假說 2b：失信環境對私人借貸供給的抑制作用弱于對私人借貸需求的抑制作用，私人借貸可獲得難度減小。

　　本文構建如下微觀研究框架，分析社會信用環境如何通過風險承擔機制、社會網絡機制和交易成本機制影響私人借貸市場參與，見圖 1。

　　1.風險承擔機制。風險容忍度的提升，有利于推動家庭從事私人借貸供給(借出)活動。私人借貸供給作為一項風險性投資，存在資金損失風險，其余條件相同的情況下，風險容忍度越高，家庭進行私人借貸供給的可能性越高。④失信環境會抑制積極情緒、誘發消極情緒，進而降低居民風險容忍度。心理學和社會學的研究表明，失信環境中的個體在幸福感、獲得感和滿足度等方面表現更差，更容易積累焦慮和抑郁等負面情緒(Lu et al.，2020)[25]，負面情緒會降低個體風險容忍度 (Isen and Patrick，1983;Forgas and Joseph，1995)[26,27]，從而抑制私人借貸供給，因此，提出假說 3。

　　假說 3：失信環境通過降低風險容忍度抑制私人借貸供給。

　　2.社會網絡機制。社會網絡具有信息傳遞的功能，豐富的社會網絡有利于信息交互與共享，降低信息不對稱性，促進私人借貸市場參與。已有研究基本就社會網絡對非正規信貸市場參與具有正向影響達成共識。楊汝岱等(2011)[8]基于 2009 年北京大學國家發展研究院與花旗銀行合作進行的“農村金融入戶調查”數據的研究表明，豐富的社會網絡提高了農戶非正規借貸市場參與的活躍性。馬光榮和楊恩艷(2011)[3]使用同樣的數據也發現，豐富的社會網絡通過緩解信息不對稱問題，促進農戶參與民間借貸。胡楓和陳玉宇(2012)[9] 借助中國家庭追蹤調查數據(CFPS)進行研究，發現豐富的社會網絡顯著降低了農戶非正規信貸市場的交易成本，提高了非正規信貸的可獲得性和規模。失信環境會提高信息不對稱性，不利于家庭拓展社會網絡，阻礙了私人借貸市場參與。社會網絡以彼此信任為基礎，受外部信用環境的影響較大。失信環境會破壞人際間信任感、淡化親友關系，使得社會網絡穩定性和豐富度下降，從而抑制私人借貸市場參與，因此，提出假說 4。

　　假說 4：失信環境通過縮小社會網絡抑制私人借貸供給和需求。

　　3.交易成本機制。失信環境會提高借貸雙方的信息不對稱性，增大資金損失風險，⑤推高私人借貸利息成本，進而抑制私人借貸需求。具體而言，借貸雙方信息不對稱性的提高，會減小私人借貸市場相較于正規信貸市場的信息優勢，誘發逆向選擇和道德風險問題，放大資金損失風險。為此，借出方往往會提高借出款利率，以對沖潛在的風險和彌補相應的機會成本。中國家庭金融調查顯示，近年來要求支付利息的借出方比例和借出款利率呈現上升態勢。例如，2011—2017 年，要求支付利息的借出人比例由 6.12%上升到 7.37%，借出款平均年利率由 6.48%上升到 8%。利息成本的提升造成私人借貸交易成本的增大，抑制了部分私人借貸需求，因此，提出假說 5。

　　假說 5：失信環境通過推高私人借貸交易成本抑制私人借貸需求。

　　三、研究設計

　　(一)計量模型

　　本文構建如下計量模型分析社會信用環境對私人借貸市場參與的影響。 Prob (Yi=1|X)i =α0+α1CreditEnvironmentic+β′Xi+ Trusti+Region+εi (1) y* i=β0+β1CreditEnvironmentic+β′Xi+Trusti+Region+ εi，yi= y* i，if y* i>0 0，if y* ≤ i≤0 (2)其中，CreditEnvironmentic 為第 i 個家庭所在地級市(直轄市)c 的社會信用環境。式(1)采用 Probit 模型進行回歸分析，因變量為虛擬變量，包括私人借貸供給端(私人借貸借出、新增私人借貸借出和私人借出款付息)和需求端(私人借貸需求、新增私人借貸需求和私人借貸獲得)的相關指標。式(2)因變量 y* i 為第 i 個家庭私人借出款占比和借出款利率，yi 表示借出款占比和借出款利率大于 0 的部分，由于二者呈現左歸并于 0 的特征，故采用 Tobit 模型進行回歸分析。Xi 為控制變量矩陣，包括戶主個人、家庭及地區特征變量等;Trusti 為信任態度固定效應; Region 為東中西部固定效應。⑥

　　(二)數據來源與處理

　　本文數據主要來自兩部分：私人借貸數據來自 2015 年和 2017 年中國家庭金融調查(簡稱，CHFS);信用環境數據來自百度指數統計分析平臺。

　　CHFS 是西南財經大學中國家庭金融研究中心實施的全國范圍內的家庭入戶調查，2017 年第四輪調查樣本覆蓋全國 29 個省(自治區、直轄市)，355 個縣(區、縣級市)，樣本規模為 4 萬余戶，約 2.8 萬戶是 2015 年的追訪家庭樣本，具有全國代表性。最重要的是，CHFS 包含詳細的私人借貸市場參與問題，為深入研究提供了可靠的素材。

　　信用環境衡量指標主要是百度搜索失信指數(Shixin_Baidu1)和百度資訊失信指數(Shixin_Baidu2)，指標的構建依托于百度指數統計分析平臺。百度指數是中國版的“谷歌指數”，廣泛應用于學術界和實務界(李春濤等，2020)[28]。其中，百度指數分為百度搜索指數和百度資訊指數。百度搜索指數是以網民在百度的搜索量為數據基礎，以關鍵詞為統計對象，科學分析并計算出各個關鍵詞在百度網頁搜索中搜索頻次的加權。百度資訊指數是以百度智能分發和推薦內容數據為基礎，將網民的閱讀、評論、轉發、點贊、不喜歡等行為的數量加權求和得出的資訊指數。具體而言，首先，選取反映失信的關鍵詞(老賴、失信被執行人和失信人);其次，統計出各地級市(直轄市)各關鍵詞的日度百度搜索指數和百度資訊指數，匯總得到年度百度搜索指數和百度資訊指數;最后，將所有關鍵詞的年度百度搜索指數和百度資訊指數按地級市(直轄市)進行加總，得到百度搜索失信指數和百度資訊失信指數，用以刻畫社會失信，指數越大表明失信問題在當地越突出。

　　(三)變量解釋

　　1.被解釋變量：私人借貸借出(Plsupply)、私人借貸需求(Pldemand)和私人借貸獲得(Plobtain)。參考吳雨等(2020)[13]的研究，定義私人借貸借出、私人借貸需求和私人借貸獲得三個變量。

　　(1)私人借貸借出。如果受訪者存在尚未收回的借出款且借出對象為親戚朋友，則私人借貸借出取值為 1，否則為 0。同時，定義了私人借出款占比(Plsupply_ratio)，以私人借出款總金額占家庭金融資產總價值的比例表示。⑦此外，考慮到部分家庭的私人借貸借出時間早于調查年份，還定義了“新增私人借貸借出”(Plsupply_new) 變量，如果受訪家庭 2015 年不存在私人借貸借出，但 2017 年追蹤調查時有私人借貸借出，則“新增私人借貸借出”取值 1，否則為 0。進一步，考察社會信用環境對私人借出款利息支付情況的影響，分別以虛擬變量“私人借出款付息”和連續變量“私人借出款年利率”衡量利息成本，將年利率上限設置為 24%。⑧

　　(2)私人借貸需求。以對如下問題的回答作為判斷是否存在私人借貸需求的標準：第一，“是否因生產經營、住房建設、商鋪經營、汽車購買、教育、醫療和股票(其他金融資產)投資等存在尚未還清的親戚朋友借款”;第二，“是否因農業或工商業生產經營原因需要從親戚朋友處借款?(1.不需要;2.需要，但沒有找別人借過;3.需要，找別人借過但沒借到)”。如果受訪家庭對第一個問題回答為“是”或對第二個問題回答為“2 或 3”，則認為存在私人借貸需求，取值為 1，否則為 0。類似的，定義了“新增私人借貸需求” (Pldemand_new)變量。

　　(3)私人借貸獲得。以確定私人借貸需求的第一個問題作為判斷是否存在私人借貸獲得的標準，如果回答為“是”，則認為存在私人借貸獲得，取值為 1，否則為 0。

　　2.解釋變量：社會信用環境(CreditEnvironmentic)。以百度搜索失信指數(Shixin_Baidu1)和百度資訊失信指數(Shixin_Baidu2)表示，指數越大表明信用環境越嚴峻，并進行加 1 取對數處理以減小異方差的影響。同時，在穩健性檢驗中匯報了基于“城市信用狀況排名”(Shixin_CR)的結果，基于“民間借貸糾紛案件數”(Shixin_ Judgement)的結果，以及基于自然人失信(Shixin_P)和企業失信(Shixin_C)(余永澤等，2020)[29]的結果，其中，自然人失信和企業失信分別以城市每萬人口中失信自然人數量和失信企業占比表示。⑨以上指標越大，表明信用環境越差。相較于 Guiso 等(2004)[5]借助調查問卷中個人主觀信任感測度社會信任水平而言，本文所用社會信用環境指標具有客觀性更強和覆蓋維度更廣的優點。

　　3.控制變量。參考已有研究，選擇控制如下變量：(1)戶主人口統計學特征，如年齡(Age)、性別(Gender， 男 性 為 1， 女 性 為 0)、 受 教 育 年 限(Education，未上過學為 0、小學為 6、初中為 9、高中/中專/職高為 12、大專/高職為 15、大學本科為 16、碩士研究生為 19、博士研究生為 22)、婚姻狀況(Marriage，已婚為 1，其他為 0);(2)戶主非人口統計學特征，如主觀幸福感(Happiness，有序變量， 1 =非常幸福，5 =非常不幸福)、身體健康狀況(Health，有序變量，1=非常好，5=非常不好)、工作狀況(Work，有工作取 1，否則為 0)、工商業經營(Entrepreneurship)、信用卡持有(CreditCard，持有信用卡為 1，否則為 0)、正規信貸獲得(Credit_Formal，存在尚未還清的銀行等正規信貸資金為 1，否則為 0)等;(3)戶主家庭特征變量，如 0 至 6 歲孩子數量(Child1)、7 至 15 歲孩子數量(Child2)、家庭非金融類收入(Ln_income)、家庭非金融類資產(Ln_asset)和城鄉(Rural，農村為 1，城鎮為 0)等;(4)宏觀變量主要包括城市人均銀行網點數量(BankNum_ per)、城市夜間經濟活力 (Eco_vitality)、城市經濟增速(GDP_rate)，省份人均 GDP(Ln_GDP_ per)、省份金融業市場化程度(Fmarketization)、省份司法文明程度(Jcivilization)等。⑩

　　描述性統計結果表明：從供給端來看，18%的家庭存在私人借貸借出款，私人借貸借出款占比均值為 7%;從需求端來看，19%的家庭存在私人借貸需求，高于私人借貸借出的均值;私人借貸供給低于私人借貸需求造成供求關系失衡，私人借貸可獲得難度增大，表現為私人借貸獲得僅為 9%，遠低于私人借貸需求。

　　此外，本文以自然人失信和企業失信的均值為分組標準，將城市分為高、低失信組城市，對高、低失信組城市的家庭私人借貸市場參與情況進行組間差異檢驗，具體結果見表 1。結果表明，從自然人失信組(Shixin_P)來看，相較于低失信組城市家庭而言，高失信組城市家庭的私人借貸需求和獲得更低;從企業失信分組(Shixin_C)來看，相較于低失信組城市家庭而言，高失信組城市家庭的私人借貸需求和獲得更低。

　　(四)工具變量選擇

　　內生性困擾是因果關系識別途中的“攔路虎”。信用環境作為宏觀變量，微觀個體的私人借貸行為幾乎不會反向影響信用環境，并且通過將信用環境滯后 1 期，基本排除了雙向因果關系導致的內生性問題。不過，在控制了大量個人、家庭和地區特征變量后，仍可能存在因遺漏變量和衡量偏誤導致的內生性問題。因此，選擇以工具變量法緩解上述內生性問題。具體而言，參考 Ang 等(2015)[30]、徐現祥等(2015)構造的城市漢語次方言片數(Dialect_num)作為工具變量。一定程度上漢語次方言片數的增加表明占非主導地位方言的群體更易融入當地社會，反映了當地較高的社會包容性，社會包容性的提高有利于改善社會信用環境。方言是在數千年的歷史發展與社會變遷中逐漸形成的，具有較強的外生性。同時，也控制了大量反映地區經濟、金融、法律情況的變量，避免工具變量通過其他渠道影響私人借貸市場參與，以滿足排他性要求。

　　此外，還構造了一系列工具變量以增強穩健性。(1)參考余永澤等(2020)[29]的研究，以歷史上每萬人佛教活動場所數量(Buddhism_sites)作為工具變量。佛教(宗教)教義與規范提倡誠實守信類似，佛教(宗教)的活動場所作為其宣傳教義規范的地點，會通過道德宣教等方式約束或減少失信行為，改善社會信用環境。同時，以歷史層面的佛教(宗教)場所數量作為工具變量，具有較強的外生性。(2)參考封志明等(2007)的方法，以 ArcGIS 軟件處理得到城市地形起伏度(Relief_amplitude)作為工具變量。封志明指出，地形起伏度與人口分布密度大致呈負相關關系，地形起伏度高的地區人口分布稀疏、鄉土氣息更濃、民風更淳樸，當地人更加珍惜連接彼此的信任紐帶，因為一旦失信就會面臨較高的成本，進而失信于人的概率更低，即地形起伏度與失信環境負相關。同時，地形作為地理特征，與人為因素和社會經濟環境無關，外生性較強。

　　四、實證結果

　　(一)基礎回歸結果

　　2 為基礎回歸結果，其中，第(1)列和第(5)列的因變量為私人借貸借出(Plsupply)，第(2)列和第(6)列的因變量為私人借出款占比(Plsupply_ratio)，第 (3) 列和第 (7) 列的因變量為私人借貸需求(Pldemand)，第(4)列和第(8)列的因變量為私人借貸獲得(Plobtain)。結果表明，百度搜索失信指數(Shixin_Baidu 1) 和 百 度 資 訊 失 信 指 數(Shixin_Baidu2) 在 1%的顯著性水平下降低了私人借貸借出、私人借出款占比、私人借貸需求和私人借貸獲得，支持了假說 1 和假說 2a。此外，控制變量的符號方向與已有研究基本一致。例如，低學歷、創業和農村家庭更可能參與私人借貸市場以尋求資金，已婚家庭進行私人借貸借出的可能性更低，健康狀況更差的家庭具有更高的私人借貸需求、更不可能進行私人借貸借出，存在未還清正規信貸資金的家庭更不可能進行私人借貸供給。造成信用環境對我國和意大利家庭私人借貸市場參與影響存在巨大差異的原因主要是：(1)我國的社會信用體系建設更為滯后，相較于擁有更完善的社會信用體系的意大利而言，我國自 2013 年才開始進行系統性的社會信用體系建設，目前仍處于以“失信懲戒”為主的初期建設階段;(2)我國家庭更加依賴私人借貸市場，表現為私人借貸借出和私人借貸獲得的平均占比更高，意大利銀行進行的家庭收入與財富調查(SHIW)顯示，2008—2016 年間存在私人借貸借出和私人借貸獲得的意大利家庭平均占比分別為 1.24% 和 2.88% ，而 中國 家庭 金 融調查(CHFS)顯示，2011—2017 年間存在私人借貸借出和私人借貸獲得的中國家庭平均占比為 14.17%和 23.83%，遠高于意大利。

　　(二)內生性處理

　　表 3 為工具變量兩步法結果。第一階段表明百度搜索失信指數和百度資訊失信指數存在內生性問題，漢語次方言片數(Dialect_num)顯著降低了百度搜索失信指數和百度資訊失信指數，第一階段 F 值遠大于 10%顯著性水平下 Stock-Yogo 弱工具變量檢驗的閾值，工具變量選取合適。第二階段結果表明，百度搜索失信指數和百度資訊失信指數顯著降低了私人借貸借出、私人借出款占比、私人借貸需求和私人借貸獲得。

　　五、穩健性檢驗

　　(一)變量穩健性檢驗

　　1.替換自變量。(1)將信用環境指標替換為城市信用狀況排名(Shixin_CR)。結果表明，城市信用狀況排名越靠后，私人借貸借出、私人借貸需求和私人借貸獲得越低，分別見表 4Panel A 第(1)列、第(3)列和第(4)列。(2)將信用環境指標替換為民間借貸案件糾紛數(Shixin_ Judgement)。結果表明，民間借貸案件糾紛數顯著降低了私人借貸借出、私人借出款占比、私人借貸需求和私人借貸獲得，分別見表 4Panel B 第(1)列至第(4)列。(3)將信用環境指標替換為自然人失信(Shixin_P)。基礎回歸和工具變量法結果均表明，自然人失信顯著降低了私人借貸借出、私人借出款占比、私人借貸需求和私人借貸獲得，分別見表 4Panel C 第(1)列至第(4)列。(4)將信用環境指標替換為企業失信(Shixin_C)。結果表明，企業失信顯著降低了私人借貸借出、私人借出款占比、私人借貸需求和私人借貸獲得，分別見表 4Panel D 第(1)列至第(4)列。

　　2.替換因變量。將因變量私人借貸借出和私人借貸需求分別替換為新增私人借貸借出(Plsupply_new)和新增私人借貸需求(Pldemand_new)，分別見表 5 第(1)列和第(2)列、第(3)列和第(4)列。結果表明，百度搜索失信指數和百度資訊失信指數顯著降低了新增私人借貸借出，自然人失信和民間借貸糾紛案件數顯著降低了新增私人借貸需求。

　　(二)樣本穩健性檢驗

　　1.替換微觀調查數據庫。將 2017 年中國家庭金融調查替換為 2013 年中國家庭收入調查(CHIP)，匹配滯后 1 期的自然人失信指標。結果顯示，自然人失信顯著降低了私人借貸借出、私人借出款占比和私人借貸需求。

　　2.子樣本檢驗。(1)由于人口流動會對信用環境感知產生影響，因此剔除有過外地生活或工作的樣本。結果表明，百度搜索失信指數和百度資訊失信指數顯著降低了私人借貸借出、私人借出款占比、私人借貸需求和私人借貸獲得。(2)為避免影響結果，剔除 2017 年前存在私人借貸借出、私人借貸需求和私人借貸獲得的樣本。結果表明，百度搜索失信指數和百度資訊失信指數顯著降低了私人借貸借出、私人借貸需求和私人借貸獲得。

　　六、機制分析

　　理論分析表明失信環境通過風險承擔機制抑制私人借貸供給，通過社會網絡機制抑制私人借貸供給和需求，通過交易成本機制抑制私人借貸需求。本文運用逐步回歸法構建中介效應模型檢驗上述機制，除式(1)和式(2)外，還需構造如下計量模型： Mediatiori，j=χ0+χ1CreditEnvironmenti+β′Xi+Trusti+ Region+εi (3) Prob (Yi =1 |X)i =δ0 +δ1CreditEnvironmentic + δ2Mediatori，j+β′Xi+Trusti+Region+εi (4) y* i=γ0+γ1CreditEnvironmentic+γ2Mediatori，j+β′Xi+ Trusti+Region+εi，yi= y* i，if y* i>0 0，if y* ≤ i≤0 (5)其中，Mediatori,j 為第 j 個中介變量，分別為風險容忍度、社會網絡和交易成本。在式(1)和式(2)已證實失信環境會降低私人借貸供給和需求的基礎上，如果系數 χ1 和 δ2，或 χ1 和 γ2 同時顯著，則相應機制得到驗證。

　　(一)風險承擔機制

　　已有研究表明，高風險容忍度家庭參與私人借貸借出的可能性更高，失信環境會降低風險容忍度，降低家庭進行私人借貸借出的可能性。因此，構建以風險容忍度(Risk_Tolerance)為中介變量的中介效應模型，檢驗失信環境是否會通過降低風險容忍度限制私人借貸借出，具體結果見表 6。參考宋全云等(2017)[11]的研究，以受訪者對如下問題的回答測度風險容忍度，“如果您有一筆資金用于投資，您最愿意選擇哪種投資項目?答案為有序變量，1 為高風險高回報項目，5 為不愿承擔任何風險”，取值越大，風險承受能力越低。結果表明，百度搜索失信指數對風險容忍度變量具有正向影響，意味著失信環境越嚴重，風險承受能力越低，見表 6 第(1)列;風險容忍度變量顯著降低了私人借貸借出和私人借出款占比，見第(2)列和第(3)列。可知，χ1，δ2 和 γ2 均顯著，中 介效應模型成立，驗證了假說 3。

　　(二)社會網絡機制

　　理論分析表明，豐富的社會網絡有助于推動家庭參與私人借貸市場，失信環境會降低人際間信任感和淡化親戚朋友關系，降低社會網絡豐富度，進而抑制私人借貸需求。構建以社會網絡為中介變量的中介效應模型，檢驗失信環境是否通過縮小社會網絡抑制私人借貸的市場參與，詳細結果見表 7。具體而言，參考楊汝岱等(2011)[8]、馬光榮和楊恩艷(2011)[3]的研究，從“社會網絡廣度(Social_Network1)”和“社會網絡強度(Social_Network2)”兩個維度測度社會網絡。輥輯訛

　　表 7Panel A 匯報了失信環境通過縮小社會網絡抑制私人借貸供給的結果。結果表明，百度搜索失信指數顯著降低了社會網絡廣度和強度，見第(1)列和第(4)列;社會網絡廣度和強度顯著提高了私人借貸借出和私人借出款占比，見第(2)列、第(3)列、第(5)列和第(6)列。可知，χ1，δ2 和 γ2 均顯著，中介效應模型成立，社會網絡是失信環境抑制私人借貸供給的中介變量。Panel B 匯報了信用環境通過縮小社會網絡抑制私人借貸需求的結果。結果表明，百度搜索失信指數和百度資訊失信指數顯著降低了社會網絡廣度，見表 7 第(1)列、第(2)列和第(5)列;社會網絡廣度顯著提高了私人借貸需求，見第(3)列、第(4)列和第(6)列。可知，χ1，δ2 和 γ2 均顯著，中介效應模型成立，社會網絡是失信環境抑制私人借貸需求的中介變量。因此，驗證了假說 4。

　　(三)交易成本機制

　　理論分析表明失信環境通過增大私人借貸交易成本，抑制私人借貸需求。本文構建以交易成本為中介變量的中介效應模型，檢驗失信環境是否會通過提高交易成本抑制私人借貸需求。其中，交易成本分別以私人借出款付息(Plsupply_ pi)和私人借出款利率(Plsupply_i)表示，具體結果見表 8。結果表明，自然人失信(Shixin_P)顯著提高了私人借出款付息和私人借出款利率，見 Panel A 第(1)列和第(3)列;私人借出款付息和私人借出款利率對私人借貸需求有顯著負向影響，見 Panel A 第(2)列和第(4)列。因此，私人借出款付息和私人借出款利率是失信環境抑制私人借貸需求的中介變量，假說 5 成立。為了穩健性起見，將自然人失信替換為民間借貸糾紛案件數 (Shixin_ Judgement) 和百度搜索失信指數(Shixin_Baidu1)，結論依舊穩健，具體結果見表 8Panel B。

　　七、結論與啟示

　　(一)研究結論

　　信用環境不僅對正規金融市場的有序運行較為重要，也對非正規金融市場健康運轉具有重要意義。本文將中國家庭金融調查數據與多種信用環境衡量指標進行匹配，從供給端和需求端檢驗信用環境對居民私人借貸市場參與的影響。研究發現：(1)失信環境降低了私人借貸供給和需求，推高了私人借貸利率，增大了私人借貸可獲得難度;(2)以方言片數、歷史上宗教活動場所密度和地形起伏度等工具變量緩解內生性問題，并進行大量變量和樣本穩健性檢驗后，上述結論依舊成立;(3)機制分析表明，失信環境通過降低風險容忍度和社會網絡豐富度抑制私人借貸供給，通過降低社會網絡豐富度和提高交易成本抑制私人借貸需求。

　　(二)政策啟示

　　1.明確非正規信貸市場的定位，破解阻礙其健康發展的“信用風險難題”，更好地發揮非正規信貸市場在服務實體經濟發展中的作用。非正規信貸市場作為正規信貸市場的有益補充，其健康發展有助于提高資源配置效率，推動經濟高質量發展。然而，目前的制度與政策“強調規范、缺乏保護”，隱藏了非正規信貸市場背后的“信用風險”。相關部門應注重從兩方面降低信用風險，更好地守住不發生系統性金融風險的紅線。第一，鼓勵借貸雙方以符合法律保護的形式簽約，不逾越“利率保護”紅線，從借貸雙方內部降低信用風險。第二，優化非正規信貸市場賴以生存的信用環境，緩解信息不對稱性，從借貸雙方外部降低信用風險。

　　2.完善現行失信被執行人名單制度，擴大覆蓋面和設計差異化懲戒措施，優化私人借貸市場健康發展所需的社會信用環境。自 2013 年失信被執行人名單制度實施以來，社會信用體系建設取得階段性進展，累計公布 600 余萬個主體的失信信息。不過，仍存在覆蓋面窄和無法有效解決同一主體多次失信的問題。從覆蓋面來看，名單僅收錄了通過法律途徑被訴諸至法院且拒絕履行法律文書義務的失信主體，諸多失信現象未納入其中，如交通肇事逃逸和商品虛假宣傳等。從多次失信問題來看，名單顯示約20%的主體存在兩次以上的失信行為，這些主體成為“老賴中的老賴”，現有懲戒手段無法阻礙其多次失信，出現“政策失靈”現象。因此，不僅應該擴大名單覆蓋面，還應設計“累加或累乘式”的懲戒手段，加碼失信成本以遏制失信之風，為居民從事私人借貸活動創造更優的信用環境。

　　(三)研究不足與展望

　　本文將宏觀信用環境納入私人借貸市場參與的分析框架，不僅拓展了非正規信貸市場影響因素的相關研究，還豐富了信用環境微觀經濟效應的有關文獻。受數據所限，尚存在一些不足之處：(1)缺少時期更長的追蹤數據考察社會信用環境變化過程中私人借貸行為的變化，無法觀測到同一主體在同一地區不同信用環境下借貸行為的變化;(2)由于缺乏交易對手的詳細數據，導致無法觀測到借貸雙方信用環境的差異性如何影響私人借貸市場參與，如是否居住在信用環境更好地區的借出方會向處于信用環境更差地區的借款人收取更高的利息，即“失信環境的利率溢價”。以上不足之處，待數據可獲得性提高后將進行深入探討。