社會信用環(huán)境與私人借貸市場參與

　　[摘 要]利用百度指數(shù)數(shù)據(jù)構(gòu)造社會信用環(huán)境指標(biāo)，結(jié)合中國家庭金融調(diào)查數(shù)據(jù)，從供給和需求角度檢驗社會信用環(huán)境對私人借貸市場參與的影響及內(nèi)在機制。研究發(fā)現(xiàn)：從供給端來看，失信環(huán)境降低了私人借貸借出的概率和私人借出款占金融資產(chǎn)的比重;從需求端來看，失信環(huán)境抑制了私人借貸需求，且造成私人借貸供不應(yīng)求的現(xiàn)象，增大了私人借貸可獲得難度。在運用工具變量法緩解內(nèi)生性問題和大量穩(wěn)健性檢驗后上述結(jié)論仍然成立。機制分析表明，失信環(huán)境通過降低風(fēng)險容忍度和縮小社會網(wǎng)絡(luò)抑制私人借貸供給，通過縮小社會網(wǎng)絡(luò)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(jīng)大學(xué)學(xué)報 發(fā)表時間：2021-07-26

　　[關(guān)鍵詞]社會信用環(huán)境;私人借貸;非正規(guī)信貸;風(fēng)險承擔(dān);社會網(wǎng)絡(luò)

　　一、引言

　　私人借貸市場作為非正規(guī)信貸市場的主要形式，已逐漸成為正規(guī)信貸市場的重要補充，在資金需求端和供給端發(fā)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(chuàng)業(yè)啟動資金(馬光榮和楊恩艷，2011)[3]等方面發(fā)揮著積極作用，是小微經(jīng)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(guān)系化”社會中扮演著“人情資本積累”的獨特角色，雖然大多數(shù)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(wù)援助、關(guān)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(huán)境的影響較大。信用環(huán)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(jīng)濟關(guān)系，良好的信用環(huán)境是私人借貸合約達成與履行的外部基礎(chǔ)條件之一，也是私人借貸市場健康有序發(fā)展的關(guān)鍵所在。但是，近年來較為普遍的信用缺失現(xiàn)象對社會信用環(huán)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(jù)最高人民法院披露的失信被執(zhí)行人名單和中國家庭金融調(diào)查數(shù)據(jù)，在失信主體數(shù)量呈現(xiàn)上升態(tài)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(guī)劃綱要”明確提出通過健全社會信用體系，優(yōu)化社會信用環(huán)境，為私人借貸市場的良性發(fā)展奠定了制度基礎(chǔ)。

　　現(xiàn)有研究集中于探討信用環(huán)境對正規(guī)金融市場的影響，僅個別國外學(xué)者分析了信用環(huán)境在私人借貸市場中發(fā)揮的作用。Guiso 等(2004)[5]借助意大利銀行的家庭收入與財富調(diào)查(Survey of Household Income and Wealth，SHIW)進行研究，發(fā)現(xiàn)低社會信任水平地區(qū)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(jié)論似乎與理論預(yù)期和我國特征事實差異較大。從理論角度來看，失信環(huán)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(huán)境有所改善，但信用缺失現(xiàn)象仍屢見不鮮，失信環(huán)境與家庭私人借貸可獲得性之間呈現(xiàn)負相關(guān)關(guān)系。那么，是否信用環(huán)境對我國家庭私人借貸市場參與的影響同理論預(yù)期一致?如果符合理論預(yù)期，造成信用環(huán)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(huán)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(diào)查與多種信用環(huán)境指標(biāo)的匹配數(shù)據(jù)，從供給端和需求端檢驗信用環(huán)境對私人借貸的影響及內(nèi)在機制，并運用多種工具變量緩解內(nèi)生性問題。研究發(fā)現(xiàn)：失信環(huán)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(huán)境通過降低風(fēng)險容忍度和縮小社會網(wǎng)絡(luò)抑制私人借貸供給，通過縮小社會網(wǎng)絡(luò)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(xiàn)有研究多考察微觀特征對農(nóng)戶非正規(guī)信貸需求的影響，如：個人信任態(tài)度(Duarte et al.，2012;柴時軍和葉德珠，2019)[6,7]、社會網(wǎng)絡(luò)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(yǎng)(宋全云等，2017)[11]等，少量宏觀視角的研究分析了外部金融環(huán)境對非正規(guī)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(huán)境，同時，從供給和需求角度檢驗了社會信用環(huán)境對我國家庭私人借貸市場參與的影響，拓展了非正規(guī)信貸相關(guān)領(lǐng)域的文獻。第二，已有研究聚焦于分析社會信用環(huán)境對正規(guī)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(yè)的運行效率;錢先航和曹春芳(2013)[16]發(fā)現(xiàn)，良好的信用環(huán)境促使城市商業(yè)銀行發(fā)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(huán)境通過降低收益率波動，減小銀行風(fēng)險。本文考察社會信用環(huán)境對我國家庭私人借貸市場參與的影響，豐富了信用環(huán)境經(jīng)濟效應(yīng)的相關(guān)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(nèi)在機制)不同，本文通過搭建微觀理論框架，分析社會信用環(huán)境影響私人借貸市場參與的機制，研究發(fā)現(xiàn)失信環(huán)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(fēng)險容忍度、社會網(wǎng)絡(luò)和交易成本三方面予以詮釋，完善了非正規(guī)信貸機制的相關(guān)內(nèi)容。

　　二、文獻綜述與理論分析

　　(一)文獻綜述

　　與本文較為相關(guān)的文獻主要有三方面：(1)非正規(guī)信貸市場形成機制的文獻;(2) 非正規(guī)信貸市場影響因素的相關(guān)文獻;(3) 信用環(huán)境經(jīng)濟效應(yīng)的文獻。

　　關(guān)于非正規(guī)信貸市場的形成機制，現(xiàn)有研究主要持三種觀點。(1)正規(guī)信貸市場發(fā)展不充分不均衡論。由于小微經(jīng)濟主體的資金需求具有“金額小、頻率高、還款能力不穩(wěn)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(guī)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(guī)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(yè)向非正規(guī)信貸市場尋求資金(張杰，2000;陳東和劉志彪，2020)[19,20]。不過，當(dāng)金融市場高度市場化的發(fā)達國家也出現(xiàn)非正規(guī)信貸市場時，該論述似乎自相矛盾。(3)信息優(yōu)勢論。Stiglitz 和 Weiss(1981)[21]指出，道德風(fēng)險和逆向選擇是正規(guī)信貸市場無法回避的問題。私人借貸市場可適當(dāng)降低道德風(fēng)險和逆向選擇問題。一方面，由于私人借貸主要發(fā)生在同區(qū)縣范圍內(nèi)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(jiān)督成本，利于緩解道德風(fēng)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(fēng)險，利于緩解逆向選擇問題(Ghatak， 1999)[23]。因此，“信息優(yōu)勢”成為以私人借貸為主的非正規(guī)信貸市場存在的根本性原因(林毅夫和孫希芳，2005)[24]。

　　關(guān)于非正規(guī)信貸市場的影響因素，現(xiàn)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(tài)度和社會網(wǎng)絡(luò)特征對非正規(guī)信貸需求的影響。從信任態(tài)度角度來看，Duarte 等(2012)[6]借助美國某 P2P 平臺的數(shù)據(jù)進行研究，發(fā)現(xiàn)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(diào)查數(shù)據(jù)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(guī)信貸，并且需求額度更高。從社會網(wǎng)絡(luò)角度來看，楊汝岱等(2011)[8]利用農(nóng)村金融調(diào)查數(shù)據(jù)進行研究，發(fā)現(xiàn)社會網(wǎng)絡(luò)豐富度的提升顯著提高了農(nóng)戶非正規(guī)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(fā)現(xiàn)，豐富的社會網(wǎng)絡(luò)有助于提高農(nóng)戶非正規(guī)信貸使用的概率和規(guī)模。個別學(xué)者探討了金融素養(yǎng)與家庭信貸行為的關(guān)系。宋全云等(2017)[11]利用中國家庭金融調(diào)查數(shù)據(jù)的研究表明，金融知識的提升顯著降低了家庭非正規(guī)信貸的使用概率，提高了正規(guī)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(huán)境如何影響非正規(guī)信貸使用。Islam 等(2015)[14]基于 1987—2008 年孟加拉發(fā)展研究所的農(nóng)戶調(diào)查數(shù)據(jù)進行研究，發(fā)現(xiàn)微型金融組織可及性的提高顯著降低了非正規(guī)信貸的使用概率，但對使用規(guī)模無顯著影響。董艷等(2020)[12]借助中國家庭金融調(diào)查與銀行網(wǎng)點分布的匹配數(shù)據(jù)進行研究，發(fā)現(xiàn)區(qū)域內(nèi)銀行網(wǎng)點數(shù)量的增加會降低農(nóng)戶民間借貸市場參與率。吳雨等(2020)[13]結(jié)合中國家庭金融調(diào)查和北京大學(xué)數(shù)字金融指數(shù)進行研究，發(fā)現(xiàn)地區(qū)數(shù)字金融發(fā)展水平對私人借貸供給和需求存在擠出效應(yīng)。

　　綜上所述，已有研究主要關(guān)注微觀個體或家庭特征對非正規(guī)信貸市場參與的影響，鮮有研究提供社會信用環(huán)境如何影響我國家庭非正規(guī)信貸市場參與的微觀證據(jù)。鑒于非正規(guī)信貸形式繁多，本文將非正規(guī)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(huán)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(chǔ)，具有信息不對稱性低的優(yōu)點。失信環(huán)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(fēng)險問題，使得借出方面臨更高的資金損失風(fēng)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(guī)信貸市場的信息優(yōu)勢，促使部分人群轉(zhuǎn)向正規(guī)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(huán)境會抑制私人借貸供給和私人借貸需求。

　　失信環(huán)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(huán)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(huán)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(jù)此，提出假說 2。

　　假說 2a：失信環(huán)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(huán)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(gòu)建如下微觀研究框架，分析社會信用環(huán)境如何通過風(fēng)險承擔(dān)機制、社會網(wǎng)絡(luò)機制和交易成本機制影響私人借貸市場參與，見圖 1。

　　1.風(fēng)險承擔(dān)機制。風(fēng)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(fēng)險性投資，存在資金損失風(fēng)險，其余條件相同的情況下，風(fēng)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(huán)境會抑制積極情緒、誘發(fā)消極情緒，進而降低居民風(fēng)險容忍度。心理學(xué)和社會學(xué)的研究表明，失信環(huán)境中的個體在幸福感、獲得感和滿足度等方面表現(xiàn)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(fēng)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(huán)境通過降低風(fēng)險容忍度抑制私人借貸供給。

　　2.社會網(wǎng)絡(luò)機制。社會網(wǎng)絡(luò)具有信息傳遞的功能，豐富的社會網(wǎng)絡(luò)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(wǎng)絡(luò)對非正規(guī)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(xué)國家發(fā)展研究院與花旗銀行合作進行的“農(nóng)村金融入戶調(diào)查”數(shù)據(jù)的研究表明，豐富的社會網(wǎng)絡(luò)提高了農(nóng)戶非正規(guī)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(shù)據(jù)也發(fā)現(xiàn)，豐富的社會網(wǎng)絡(luò)通過緩解信息不對稱問題，促進農(nóng)戶參與民間借貸。胡楓和陳玉宇(2012)[9] 借助中國家庭追蹤調(diào)查數(shù)據(jù)(CFPS)進行研究，發(fā)現(xiàn)豐富的社會網(wǎng)絡(luò)顯著降低了農(nóng)戶非正規(guī)信貸市場的交易成本，提高了非正規(guī)信貸的可獲得性和規(guī)模。失信環(huán)境會提高信息不對稱性，不利于家庭拓展社會網(wǎng)絡(luò)，阻礙了私人借貸市場參與。社會網(wǎng)絡(luò)以彼此信任為基礎(chǔ)，受外部信用環(huán)境的影響較大。失信環(huán)境會破壞人際間信任感、淡化親友關(guān)系，使得社會網(wǎng)絡(luò)穩(wěn)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(huán)境通過縮小社會網(wǎng)絡(luò)抑制私人借貸供給和需求。

　　3.交易成本機制。失信環(huán)境會提高借貸雙方的信息不對稱性，增大資金損失風(fēng)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(guī)信貸市場的信息優(yōu)勢，誘發(fā)逆向選擇和道德風(fēng)險問題，放大資金損失風(fēng)險。為此，借出方往往會提高借出款利率，以對沖潛在的風(fēng)險和彌補相應(yīng)的機會成本。中國家庭金融調(diào)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(xiàn)上升態(tài)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(huán)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(shè)計

　　(一)計量模型

　　本文構(gòu)建如下計量模型分析社會信用環(huán)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(huán)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(guān)指標(biāo)。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(xiàn)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(qū)特征變量等;Trusti 為信任態(tài)度固定效應(yīng); Region 為東中西部固定效應(yīng)。⑥

　　(二)數(shù)據(jù)來源與處理

　　本文數(shù)據(jù)主要來自兩部分：私人借貸數(shù)據(jù)來自 2015 年和 2017 年中國家庭金融調(diào)查(簡稱，CHFS);信用環(huán)境數(shù)據(jù)來自百度指數(shù)統(tǒng)計分析平臺。

　　CHFS 是西南財經(jīng)大學(xué)中國家庭金融研究中心實施的全國范圍內(nèi)的家庭入戶調(diào)查，2017 年第四輪調(diào)查樣本覆蓋全國 29 個省(自治區(qū)、直轄市)，355 個縣(區(qū)、縣級市)，樣本規(guī)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(huán)境衡量指標(biāo)主要是百度搜索失信指數(shù)(Shixin_Baidu1)和百度資訊失信指數(shù)(Shixin_Baidu2)，指標(biāo)的構(gòu)建依托于百度指數(shù)統(tǒng)計分析平臺。百度指數(shù)是中國版的“谷歌指數(shù)”，廣泛應(yīng)用于學(xué)術(shù)界和實務(wù)界(李春濤等，2020)[28]。其中，百度指數(shù)分為百度搜索指數(shù)和百度資訊指數(shù)。百度搜索指數(shù)是以網(wǎng)民在百度的搜索量為數(shù)據(jù)基礎(chǔ)，以關(guān)鍵詞為統(tǒng)計對象，科學(xué)分析并計算出各個關(guān)鍵詞在百度網(wǎng)頁搜索中搜索頻次的加權(quán)。百度資訊指數(shù)是以百度智能分發(fā)和推薦內(nèi)容數(shù)據(jù)為基礎(chǔ)，將網(wǎng)民的閱讀、評論、轉(zhuǎn)發(fā)、點贊、不喜歡等行為的數(shù)量加權(quán)求和得出的資訊指數(shù)。具體而言，首先，選取反映失信的關(guān)鍵詞(老賴、失信被執(zhí)行人和失信人);其次，統(tǒng)計出各地級市(直轄市)各關(guān)鍵詞的日度百度搜索指數(shù)和百度資訊指數(shù)，匯總得到年度百度搜索指數(shù)和百度資訊指數(shù);最后，將所有關(guān)鍵詞的年度百度搜索指數(shù)和百度資訊指數(shù)按地級市(直轄市)進行加總，得到百度搜索失信指數(shù)和百度資訊失信指數(shù)，用以刻畫社會失信，指數(shù)越大表明失信問題在當(dāng)?shù)卦酵怀觥?/p>

　　(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(chǎn)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(diào)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(diào)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(huán)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(xù)變量“私人借出款年利率”衡量利息成本，將年利率上限設(shè)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(biāo)準(zhǔn)：第一，“是否因生產(chǎn)經(jīng)營、住房建設(shè)、商鋪經(jīng)營、汽車購買、教育、醫(yī)療和股票(其他金融資產(chǎn))投資等存在尚未還清的親戚朋友借款”;第二，“是否因農(nóng)業(yè)或工商業(yè)生產(chǎn)經(jīng)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?qū)Φ诙€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(biāo)準(zhǔn)，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(huán)境(CreditEnvironmentic)。以百度搜索失信指數(shù)(Shixin_Baidu1)和百度資訊失信指數(shù)(Shixin_Baidu2)表示，指數(shù)越大表明信用環(huán)境越嚴(yán)峻，并進行加 1 取對數(shù)處理以減小異方差的影響。同時，在穩(wěn)健性檢驗中匯報了基于“城市信用狀況排名”(Shixin_CR)的結(jié)果，基于“民間借貸糾紛案件數(shù)”(Shixin_ Judgement)的結(jié)果，以及基于自然人失信(Shixin_P)和企業(yè)失信(Shixin_C)(余永澤等，2020)[29]的結(jié)果，其中，自然人失信和企業(yè)失信分別以城市每萬人口中失信自然人數(shù)量和失信企業(yè)占比表示。⑨以上指標(biāo)越大，表明信用環(huán)境越差。相較于 Guiso 等(2004)[5]借助調(diào)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(huán)境指標(biāo)具有客觀性更強和覆蓋維度更廣的優(yōu)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(tǒng)計學(xué)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(xué)為 0、小學(xué)為 6、初中為 9、高中/中專/職高為 12、大專/高職為 15、大學(xué)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(tǒng)計學(xué)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(yè)經(jīng)營(Entrepreneurship)、信用卡持有(CreditCard，持有信用卡為 1，否則為 0)、正規(guī)信貸獲得(Credit_Formal，存在尚未還清的銀行等正規(guī)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(shù)量(Child1)、7 至 15 歲孩子數(shù)量(Child2)、家庭非金融類收入(Ln_income)、家庭非金融類資產(chǎn)(Ln_asset)和城鄉(xiāng)(Rural，農(nóng)村為 1，城鎮(zhèn)為 0)等;(4)宏觀變量主要包括城市人均銀行網(wǎng)點數(shù)量(BankNum_ per)、城市夜間經(jīng)濟活力 (Eco_vitality)、城市經(jīng)濟增速(GDP_rate)，省份人均 GDP(Ln_GDP_ per)、省份金融業(yè)市場化程度(Fmarketization)、省份司法文明程度(Jcivilization)等。⑩

　　描述性統(tǒng)計結(jié)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(guān)系失衡，私人借貸可獲得難度增大，表現(xiàn)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(yè)失信的均值為分組標(biāo)準(zhǔn)，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(jié)果見表 1。結(jié)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(yè)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(nèi)生性困擾是因果關(guān)系識別途中的“攔路虎”。信用環(huán)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(huán)境，并且通過將信用環(huán)境滯后 1 期，基本排除了雙向因果關(guān)系導(dǎo)致的內(nèi)生性問題。不過，在控制了大量個人、家庭和地區(qū)特征變量后，仍可能存在因遺漏變量和衡量偏誤導(dǎo)致的內(nèi)生性問題。因此，選擇以工具變量法緩解上述內(nèi)生性問題。具體而言，參考 Ang 等(2015)[30]、徐現(xiàn)祥等(2015)構(gòu)造的城市漢語次方言片數(shù)(Dialect_num)作為工具變量。一定程度上漢語次方言片數(shù)的增加表明占非主導(dǎo)地位方言的群體更易融入當(dāng)?shù)厣鐣从沉水?dāng)?shù)剌^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(huán)境。方言是在數(shù)千年的歷史發(fā)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(qū)經(jīng)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(gòu)造了一系列工具變量以增強穩(wěn)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(shù)量(Buddhism_sites)作為工具變量。佛教(宗教)教義與規(guī)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(guī)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(huán)境。同時，以歷史層面的佛教(宗教)場所數(shù)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(guān)關(guān)系，地形起伏度高的地區(qū)人口分布稀疏、鄉(xiāng)土氣息更濃、民風(fēng)更淳樸，當(dāng)?shù)厝烁诱湎нB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(huán)境負相關(guān)。同時，地形作為地理特征，與人為因素和社會經(jīng)濟環(huán)境無關(guān)，外生性較強。

　　四、實證結(jié)果

　　(一)基礎(chǔ)回歸結(jié)果

　　2 為基礎(chǔ)回歸結(jié)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(jié)果表明，百度搜索失信指數(shù)(Shixin_Baidu 1) 和 百 度 資 訊 失 信 指 數(shù)(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(xué)歷、創(chuàng)業(yè)和農(nóng)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(guī)信貸資金的家庭更不可能進行私人借貸供給。造成信用環(huán)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(shè)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(tǒng)性的社會信用體系建設(shè)，目前仍處于以“失信懲戒”為主的初期建設(shè)階段;(2)我國家庭更加依賴私人借貸市場，表現(xiàn)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(diào)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(diào)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(nèi)生性處理

　　表 3 為工具變量兩步法結(jié)果。第一階段表明百度搜索失信指數(shù)和百度資訊失信指數(shù)存在內(nèi)生性問題，漢語次方言片數(shù)(Dialect_num)顯著降低了百度搜索失信指數(shù)和百度資訊失信指數(shù)，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(jié)果表明，百度搜索失信指數(shù)和百度資訊失信指數(shù)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(wěn)健性檢驗

　　(一)變量穩(wěn)健性檢驗

　　1.替換自變量。(1)將信用環(huán)境指標(biāo)替換為城市信用狀況排名(Shixin_CR)。結(jié)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(huán)境指標(biāo)替換為民間借貸案件糾紛數(shù)(Shixin_ Judgement)。結(jié)果表明，民間借貸案件糾紛數(shù)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(huán)境指標(biāo)替換為自然人失信(Shixin_P)。基礎(chǔ)回歸和工具變量法結(jié)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(huán)境指標(biāo)替換為企業(yè)失信(Shixin_C)。結(jié)果表明，企業(yè)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(jié)果表明，百度搜索失信指數(shù)和百度資訊失信指數(shù)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(shù)顯著降低了新增私人借貸需求。

　　(二)樣本穩(wěn)健性檢驗

　　1.替換微觀調(diào)查數(shù)據(jù)庫。將 2017 年中國家庭金融調(diào)查替換為 2013 年中國家庭收入調(diào)查(CHIP)，匹配滯后 1 期的自然人失信指標(biāo)。結(jié)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(huán)境感知產(chǎn)生影響，因此剔除有過外地生活或工作的樣本。結(jié)果表明，百度搜索失信指數(shù)和百度資訊失信指數(shù)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(jié)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(jié)果表明，百度搜索失信指數(shù)和百度資訊失信指數(shù)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(huán)境通過風(fēng)險承擔(dān)機制抑制私人借貸供給，通過社會網(wǎng)絡(luò)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(gòu)建中介效應(yīng)模型檢驗上述機制，除式(1)和式(2)外，還需構(gòu)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(fēng)險容忍度、社會網(wǎng)絡(luò)和交易成本。在式(1)和式(2)已證實失信環(huán)境會降低私人借貸供給和需求的基礎(chǔ)上，如果系數(shù) χ1 和 δ2，或 χ1 和 γ2 同時顯著，則相應(yīng)機制得到驗證。

　　(一)風(fēng)險承擔(dān)機制

　　已有研究表明，高風(fēng)險容忍度家庭參與私人借貸借出的可能性更高，失信環(huán)境會降低風(fēng)險容忍度，降低家庭進行私人借貸借出的可能性。因此，構(gòu)建以風(fēng)險容忍度(Risk_Tolerance)為中介變量的中介效應(yīng)模型，檢驗失信環(huán)境是否會通過降低風(fēng)險容忍度限制私人借貸借出，具體結(jié)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(fēng)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(fēng)險高回報項目，5 為不愿承擔(dān)任何風(fēng)險”，取值越大，風(fēng)險承受能力越低。結(jié)果表明，百度搜索失信指數(shù)對風(fēng)險容忍度變量具有正向影響，意味著失信環(huán)境越嚴(yán)重，風(fēng)險承受能力越低，見表 6 第(1)列;風(fēng)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(yīng)模型成立，驗證了假說 3。

　　(二)社會網(wǎng)絡(luò)機制

　　理論分析表明，豐富的社會網(wǎng)絡(luò)有助于推動家庭參與私人借貸市場，失信環(huán)境會降低人際間信任感和淡化親戚朋友關(guān)系，降低社會網(wǎng)絡(luò)豐富度，進而抑制私人借貸需求。構(gòu)建以社會網(wǎng)絡(luò)為中介變量的中介效應(yīng)模型，檢驗失信環(huán)境是否通過縮小社會網(wǎng)絡(luò)抑制私人借貸的市場參與，詳細結(jié)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(wǎng)絡(luò)廣度(Social_Network1)”和“社會網(wǎng)絡(luò)強度(Social_Network2)”兩個維度測度社會網(wǎng)絡(luò)。輥輯訛

　　表 7Panel A 匯報了失信環(huán)境通過縮小社會網(wǎng)絡(luò)抑制私人借貸供給的結(jié)果。結(jié)果表明，百度搜索失信指數(shù)顯著降低了社會網(wǎng)絡(luò)廣度和強度，見第(1)列和第(4)列;社會網(wǎng)絡(luò)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(yīng)模型成立，社會網(wǎng)絡(luò)是失信環(huán)境抑制私人借貸供給的中介變量。Panel B 匯報了信用環(huán)境通過縮小社會網(wǎng)絡(luò)抑制私人借貸需求的結(jié)果。結(jié)果表明，百度搜索失信指數(shù)和百度資訊失信指數(shù)顯著降低了社會網(wǎng)絡(luò)廣度，見表 7 第(1)列、第(2)列和第(5)列;社會網(wǎng)絡(luò)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(yīng)模型成立，社會網(wǎng)絡(luò)是失信環(huán)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(huán)境通過增大私人借貸交易成本，抑制私人借貸需求。本文構(gòu)建以交易成本為中介變量的中介效應(yīng)模型，檢驗失信環(huán)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(jié)果見表 8。結(jié)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(huán)境抑制私人借貸需求的中介變量，假說 5 成立。為了穩(wěn)健性起見，將自然人失信替換為民間借貸糾紛案件數(shù) (Shixin_ Judgement) 和百度搜索失信指數(shù)(Shixin_Baidu1)，結(jié)論依舊穩(wěn)健，具體結(jié)果見表 8Panel B。

　　七、結(jié)論與啟示

　　(一)研究結(jié)論

　　信用環(huán)境不僅對正規(guī)金融市場的有序運行較為重要，也對非正規(guī)金融市場健康運轉(zhuǎn)具有重要意義。本文將中國家庭金融調(diào)查數(shù)據(jù)與多種信用環(huán)境衡量指標(biāo)進行匹配，從供給端和需求端檢驗信用環(huán)境對居民私人借貸市場參與的影響。研究發(fā)現(xiàn)：(1)失信環(huán)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(shù)、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(nèi)生性問題，并進行大量變量和樣本穩(wěn)健性檢驗后，上述結(jié)論依舊成立;(3)機制分析表明，失信環(huán)境通過降低風(fēng)險容忍度和社會網(wǎng)絡(luò)豐富度抑制私人借貸供給，通過降低社會網(wǎng)絡(luò)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(guī)信貸市場的定位，破解阻礙其健康發(fā)展的“信用風(fēng)險難題”，更好地發(fā)揮非正規(guī)信貸市場在服務(wù)實體經(jīng)濟發(fā)展中的作用。非正規(guī)信貸市場作為正規(guī)信貸市場的有益補充，其健康發(fā)展有助于提高資源配置效率，推動經(jīng)濟高質(zhì)量發(fā)展。然而，目前的制度與政策“強調(diào)規(guī)范、缺乏保護”，隱藏了非正規(guī)信貸市場背后的“信用風(fēng)險”。相關(guān)部門應(yīng)注重從兩方面降低信用風(fēng)險，更好地守住不發(fā)生系統(tǒng)性金融風(fēng)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(nèi)部降低信用風(fēng)險。第二，優(yōu)化非正規(guī)信貸市場賴以生存的信用環(huán)境，緩解信息不對稱性，從借貸雙方外部降低信用風(fēng)險。

　　2.完善現(xiàn)行失信被執(zhí)行人名單制度，擴大覆蓋面和設(shè)計差異化懲戒措施，優(yōu)化私人借貸市場健康發(fā)展所需的社會信用環(huán)境。自 2013 年失信被執(zhí)行人名單制度實施以來，社會信用體系建設(shè)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(wù)的失信主體，諸多失信現(xiàn)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(xiàn)有懲戒手段無法阻礙其多次失信，出現(xiàn)“政策失靈”現(xiàn)象。因此，不僅應(yīng)該擴大名單覆蓋面，還應(yīng)設(shè)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(fēng)，為居民從事私人借貸活動創(chuàng)造更優(yōu)的信用環(huán)境。

　　(三)研究不足與展望

　　本文將宏觀信用環(huán)境納入私人借貸市場參與的分析框架，不僅拓展了非正規(guī)信貸市場影響因素的相關(guān)研究，還豐富了信用環(huán)境微觀經(jīng)濟效應(yīng)的有關(guān)文獻。受數(shù)據(jù)所限，尚存在一些不足之處：(1)缺少時期更長的追蹤數(shù)據(jù)考察社會信用環(huán)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(qū)不同信用環(huán)境下借貸行為的變化;(2)由于缺乏交易對手的詳細數(shù)據(jù)，導(dǎo)致無法觀測到借貸雙方信用環(huán)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(huán)境更好地區(qū)的借出方會向處于信用環(huán)境更差地區(qū)的借款人收取更高的利息，即“失信環(huán)境的利率溢價”。以上不足之處，待數(shù)據(jù)可獲得性提高后將進行深入探討。