李鑫 田秀娟

【摘要】區(qū)域金融發(fā)展不均衡作為亟需解決的問題， 長(zhǎng)期影響著我國(guó)金融系統(tǒng)的穩(wěn)定性。 本研究從資金供給端以體現(xiàn)投資者偏好的借貸滿標(biāo)時(shí)間構(gòu)建斷尾模型， 實(shí)證檢驗(yàn)非正規(guī)金融是否存在區(qū)域差異， 結(jié)果表明不同省份借款訂單滿標(biāo)時(shí)間存在顯著差異。 進(jìn)一步研究發(fā)現(xiàn)， 低收入地區(qū)借款人傾向于更快地獲得借款， 原因可能在于： 一方面正規(guī)金融的風(fēng)險(xiǎn)溢出使得放款人更傾向于低收入地區(qū)借款人; 另一方面針對(duì)不同地區(qū)的借款人， 借貸平臺(tái)執(zhí)行了差異化的信用審核標(biāo)準(zhǔn)。 因此， 非正規(guī)金融即使有高新技術(shù)的支持仍然存在區(qū)域差異等市場(chǎng)分割， 金融市場(chǎng)效率有待提升。

【關(guān)鍵詞】借貸滿標(biāo)時(shí)間;非正規(guī)金融;區(qū)域差異;影響因素

【中圖分類號(hào)】F830? ? ? 【文獻(xiàn)標(biāo)識(shí)碼】A? ? ? 【文章編號(hào)】1004-0994（2021）18-0153-8

一、引言

我國(guó)金融業(yè)歷經(jīng)多年的發(fā)展， 資產(chǎn)規(guī)模增長(zhǎng)迅速， 金融產(chǎn)品逐漸豐富， 取得了長(zhǎng)足的進(jìn)步。 但是囿于資本“嫌貧愛富”的本質(zhì)以及受到資源稟賦、金融政策或制度的影響[1] ， 我國(guó)的金融業(yè)卻呈現(xiàn)出區(qū)域發(fā)展失衡的狀態(tài)。 金融資源供給與需求的空間不對(duì)稱性勢(shì)必導(dǎo)致區(qū)域金融發(fā)展不均衡， 建立一個(gè)惠及全民的金融體系的重要性毋庸置疑。 然而， 傳統(tǒng)正規(guī)金融市場(chǎng)的路徑依賴特性和金融制度的約束使得金融體系的均衡發(fā)展任重而道遠(yuǎn)。

非正規(guī)金融是虛擬金融活動(dòng)的集合[2] ， 其作為傳統(tǒng)正規(guī)金融的重要補(bǔ)充， 彌補(bǔ)了正規(guī)金融的服務(wù)缺位， 滿足了中小企業(yè)和低收入個(gè)體等長(zhǎng)尾人群的資金需求， 尤其是近年來憑借互聯(lián)網(wǎng)等高新技術(shù)在我國(guó)迅速發(fā)展的網(wǎng)絡(luò)眾籌、網(wǎng)絡(luò)借貸等。 網(wǎng)絡(luò)借貸和眾籌等模式客觀上促進(jìn)了金融服務(wù)的多樣化[3] ， 那么非正規(guī)金融的存在是否提升了金融市場(chǎng)的效率？ 這是值得關(guān)注的問題。 金融市場(chǎng)效率體現(xiàn)為在資金供需雙方各自追求最佳收益的目標(biāo)下使得市場(chǎng)間的收益和成本均等化[4] ， 其中， 借款人對(duì)于最低融資成本的追求是促使金融市場(chǎng)效率提升的關(guān)鍵因素之一。 以借貸時(shí)間成本為例， 據(jù)2017年6月網(wǎng)貸之家公布的數(shù)據(jù)， 網(wǎng)絡(luò)借貸借款訂單平均26.4小時(shí)滿標(biāo)， 也就是說借款人在26.4小時(shí)內(nèi)便能籌到資金， 這一融資時(shí)間相比傳統(tǒng)資金借貸已顯著縮減。 網(wǎng)絡(luò)借貸借助技術(shù)優(yōu)勢(shì)突破了地域限制， 其效率應(yīng)體現(xiàn)為各地網(wǎng)絡(luò)借貸市場(chǎng)的一體化， 原因在于相比網(wǎng)絡(luò)借貸市場(chǎng)分割， 一體化的借貸市場(chǎng)更有效[5] 。 我國(guó)各地網(wǎng)絡(luò)借貸如果形成了一體化市場(chǎng)， 那么各地網(wǎng)絡(luò)借貸時(shí)間成本應(yīng)該無差異化; 反之， 如果各地網(wǎng)絡(luò)借貸時(shí)間成本存在顯著的區(qū)域差異， 則表明我國(guó)網(wǎng)絡(luò)借貸市場(chǎng)是分割的， 借貸效率有待提升。 因此， 擁有技術(shù)優(yōu)勢(shì)的網(wǎng)絡(luò)借貸是否存在區(qū)域差異及其影響因素便是本文研究的重點(diǎn)。

二、文獻(xiàn)綜述

稀缺的借貸資源使得金融資源的區(qū)域分布對(duì)借貸關(guān)系產(chǎn)生了重要影響。 傳統(tǒng)金融機(jī)構(gòu)若擁有金融資源， 便會(huì)對(duì)借款人實(shí)施信貸配給， 同時(shí)信貸配給中被剔除的主要是抵押品不足、資產(chǎn)規(guī)模較小、部分高風(fēng)險(xiǎn)和地區(qū)偏遠(yuǎn)的中小微企業(yè)或個(gè)人[6] 。 相比傳統(tǒng)金融機(jī)構(gòu)， 網(wǎng)絡(luò)借貸由于其虛擬屬性， 避免了借貸雙方的直接接觸， 因此對(duì)借款人更為友善[7] 。 Morales[8] 研究發(fā)現(xiàn)， 互聯(lián)網(wǎng)金融平臺(tái)可以完全消除借貸地域歧視。 國(guó)內(nèi)也有學(xué)者認(rèn)為借貸雙方可以通過互聯(lián)網(wǎng)金融平臺(tái)的信息甄選、匹配等機(jī)會(huì)均等地參與金融交易， 有效緩解金融排斥[9] ， 這一交易模式及其虛擬特征使其能為各區(qū)域的客戶提供普惠性的金融服務(wù)[10] ， 進(jìn)而有效提升資源配置效率。 同樣， 吳本健等[11] 認(rèn)為互聯(lián)網(wǎng)金融作為傳統(tǒng)金融的補(bǔ)充， 其滿足了借貸雙方多樣性的金融需求， 是提升金融包容性的重要工具。

然而， Mollick[12] 以美國(guó)眾籌網(wǎng)站為研究對(duì)象， 發(fā)現(xiàn)地域不同會(huì)顯著影響眾籌的成功率。 廖理、李夢(mèng)然和王正位[13] 經(jīng)過研究發(fā)現(xiàn)各省份的訂單成功率存在很大差異， 但成功率較低省份的訂單， 其違約率并沒有顯著高于其他省份， 因此認(rèn)為存在偏好性歧視。 在此基礎(chǔ)上， 低收入地區(qū)的借款人傾向于以較高的利率成本獲得貸款， 而高收入地區(qū)的借款人則傾向于以較低的利率成本來獲得貸款， 同時(shí)這種由于地區(qū)差異引起的借貸關(guān)系差異因借款人學(xué)歷、借款金額、信用等的不同而不同， 即存在異質(zhì)性[14] 。

在資金供給方面， 粟芳、方蕾[15] 認(rèn)為農(nóng)村互聯(lián)網(wǎng)金融排斥主要源自供給排斥。 網(wǎng)絡(luò)借貸的投資者具有較強(qiáng)的本土偏好， 更傾向于借款給本地的融資者， 與互聯(lián)網(wǎng)金融的虛擬化背道而馳[16] 。 孫濤、苗妙[17] 發(fā)現(xiàn)網(wǎng)絡(luò)借貸的投資者對(duì)金融可得水平較高區(qū)域的借款人存在偏好， 同時(shí)， 正規(guī)金融可得水平較低區(qū)域的借款人對(duì)于網(wǎng)絡(luò)借貸有著更強(qiáng)烈的融資需求。 這說明目前互聯(lián)網(wǎng)金融存在區(qū)域差異[5] ， 原因在于互聯(lián)網(wǎng)金融是傳統(tǒng)正規(guī)金融的延續(xù)， 其發(fā)展同樣依賴于實(shí)體經(jīng)濟(jì)和傳統(tǒng)金融[18，19] 。 彭紅楓等[20] 在證實(shí)地域差異對(duì)借貸關(guān)系影響的基礎(chǔ)上， 指出各地經(jīng)濟(jì)水平、金融發(fā)展水平和教育程度的不同是這種影響存在的根源; 同時(shí)“正規(guī)金融普及程度與借款成功率負(fù)相關(guān)”這一結(jié)論， 則為網(wǎng)絡(luò)借貸成為正規(guī)金融的有效補(bǔ)充提供了機(jī)會(huì)。

基于以上文獻(xiàn)梳理， 可以發(fā)現(xiàn)大多數(shù)研究都是從借貸成功率、違約率或者利率的角度來考察網(wǎng)絡(luò)借貸是否存在區(qū)域差異。 本文的貢獻(xiàn)體現(xiàn)在以下兩個(gè)方面： 第一， 區(qū)別于以往研究從借貸成功率和違約率等借貸結(jié)果的角度， 本文從資金供給端出發(fā)， 以借貸滿標(biāo)時(shí)間觀察網(wǎng)絡(luò)借貸是否存在區(qū)域差異; 第二， 研究并不止于探析網(wǎng)絡(luò)借貸是否存在區(qū)域差異， 而是基于此更深入地探究其影響因素。

三、實(shí)證設(shè)計(jì)

（一）實(shí)證思路

首先考察不同省份的借貸滿標(biāo)時(shí)間， 即網(wǎng)絡(luò)借貸滿標(biāo)時(shí)間是否存在差異， 如果存在差異則說明網(wǎng)絡(luò)借貸存在區(qū)域差異現(xiàn)象。 然后， 在此基礎(chǔ)上進(jìn)一步針對(duì)其影響因素進(jìn)行分析。 本文通過構(gòu)建不同省份的經(jīng)濟(jì)發(fā)展水平、居民收入、支出等實(shí)體經(jīng)濟(jì)因子來具體探究其影響因素。

（二）網(wǎng)絡(luò)借貸區(qū)域差異實(shí)證模型設(shè)定

網(wǎng)絡(luò)借貸中存在區(qū)域差異的直觀表現(xiàn)是各省份之間的借貸滿標(biāo)時(shí)間存在顯著差異。 但借貸滿標(biāo)時(shí)間除了有可能受區(qū)域差異影響， 還可能受到利率[21] 等因素的影響， 因此需要在控制借款人個(gè)人特征信息、信用信息和訂單信息的基礎(chǔ)上， 考察各省份的借貸滿標(biāo)時(shí)間是否存在顯著差異。

不同于借貸是否成功或違約的啞變量， 借貸滿標(biāo)時(shí)間是離散變量。 由于借貸滿標(biāo)時(shí)間是從借款人發(fā)起訂單至借款成功的時(shí)間間隔， 因此借貸滿標(biāo)時(shí)間受到借貸是否成功的影響， 數(shù)據(jù)中也只有借款成功的訂單才能觀測(cè)到借貸滿標(biāo)時(shí)間。 即：

（1）

其中： Interval為訂單滿標(biāo)時(shí)間， Interval*為實(shí)際的訂單滿標(biāo)時(shí)間; suci為訂單i是否成功， suci=1表示借貸成功， suci=0表示借貸失敗。 因此， 借貸滿標(biāo)時(shí)間在借貸失敗時(shí)就存在左邊斷尾， 本文將采用斷尾回歸來檢驗(yàn)如下模型設(shè)定：

Intervali=α+βn×Prn+δ×BIi+φ×OIi+γ×CIi+εi

（2）

其中： Prn表示第n個(gè)省份; BIi為借款人個(gè)人特征信息控制變量; OIi為借款訂單信息控制變量; CIi為借款人信用信息控制變量; εi為誤差項(xiàng)。 在模型（2）中， 如果回歸系數(shù)β1=β2=β3=…=βn是聯(lián)合顯著的， 則說明不同省份借款訂單滿標(biāo)時(shí)間沒有顯著差異， 即不存在區(qū)域差異; 反之， 說明網(wǎng)絡(luò)借貸存在區(qū)域差異。

（三）網(wǎng)絡(luò)借貸區(qū)域差異影響因素模型設(shè)定

若上述結(jié)果表明網(wǎng)絡(luò)借貸存在區(qū)域差異， 將繼續(xù)探討其影響因素。 由于借貸滿標(biāo)時(shí)間反映了投資者偏好， 而模型（2）中的工作地區(qū)為啞變量， 回歸系數(shù)βn的不同則體現(xiàn)了不同省份借貸滿標(biāo)時(shí)間的不同， 因此將βn作為借貸關(guān)系的代理變量。 經(jīng)濟(jì)發(fā)展水平和貨幣經(jīng)濟(jì)化會(huì)影響網(wǎng)絡(luò)借貸的區(qū)域差異[22] ， 因此將各省份職工平均貨幣工資（Wage）和各省人均地區(qū)生產(chǎn)總值（GDPP）作為解釋變量。 同時(shí)， 投資者在進(jìn)行投資時(shí)重點(diǎn)考察的是借款人的還款能力， 而還款能力受到收入和生活支出的影響， 因此將房屋平均銷售價(jià)格（P_estate）、人均稅收（Taxp）和居民消費(fèi)水平（C）作為解釋變量。 另外， 將政府行政壟斷力（M）、人力資本（H_capital）納入各省經(jīng)濟(jì)環(huán)境因素體系進(jìn)行控制， 設(shè)定如下模型：

βn=α+λ1×lnWagen+λ2×lnP_estaten+

λ3×lnTaxpn+λ4×lnCn+λ5×lnGDPPn+λ6×Mn+

λ7×lnH_capitaln+εn? ? ? ? ? ? （3）

模型（3）中系數(shù)λn若顯著不等于零， 則說明其對(duì)應(yīng)的解釋變量顯著影響各省借貸滿標(biāo)時(shí)間。 其中： 若λn>0， 說明各省借貸滿標(biāo)時(shí)間隨解釋變量的增加而增加; 若λn<0， 說明各省借貸滿標(biāo)時(shí)間隨解釋變量的增加而減少。 借貸滿標(biāo)時(shí)間越短表明放貸人越偏好該類借款人， λn>0表明放貸人偏好其對(duì)應(yīng)解釋變量的較小值， λn<0則表明放貸人偏好其對(duì)應(yīng)解釋變量的較大值。

四、數(shù)據(jù)選取與變量設(shè)定

（一）數(shù)據(jù)選取

本文選取了國(guó)內(nèi)網(wǎng)絡(luò)借貸綜合排名前十的某平臺(tái)2015年5月 ～ 2016年6月期間的借款標(biāo)的作為研究對(duì)象， 共205302條數(shù)據(jù)樣本。 申請(qǐng)借款成功的數(shù)據(jù)樣本， 即可以觀測(cè)到訂單滿標(biāo)時(shí)間的借款標(biāo)的有95547條， 其中訂單滿標(biāo)時(shí)間為0的數(shù)據(jù)有960條。

本文所用數(shù)據(jù)分為借款訂單信息、借款人個(gè)人特征信息、借款人信用信息。 由于篇幅有限， 詳細(xì)變量及其說明參見表1。

（二）變量設(shè)定

1. 網(wǎng)絡(luò)借貸區(qū)域差異模型。

（1）被解釋變量。 被解釋變量為訂單滿標(biāo)時(shí)間（Interval）， 由于訂單滿標(biāo)時(shí)間數(shù)值大而且較分散， 因此在估計(jì)時(shí)采用訂單滿標(biāo)時(shí)間的對(duì)數(shù)形式， 這樣也能剔除訂單滿標(biāo)時(shí)間為0對(duì)回歸結(jié)果的干擾。

（2）解釋變量。 解釋變量為借款人工作省份（Pr）， 選取31個(gè)啞變量進(jìn)行控制， 即：

如果Pr1=Pr2=…=Prn=0， 則表明借款人未提供工作省份信息。

（3）控制變量。 現(xiàn)有文獻(xiàn)表明借款人的個(gè)人特征、信用信息和訂單信息會(huì)影響借貸行為[23-25] ， 因此本文引入個(gè)人特征信息（BI）、信用信息（CI）和訂單信息（OI）作為控制變量。

2. 網(wǎng)絡(luò)借貸區(qū)域差異影響因素模型。

（1）被解釋變量。 基于前文所述， 被解釋變量為網(wǎng)絡(luò)借貸區(qū)域差異模型的回歸系數(shù)βn。

（2）解釋變量。 該模型中解釋變量有： 各省職工平均貨幣工資（Wage）， 收入不平等會(huì)影響家庭借貸行為[26] ， 那么地區(qū)間的收入差異同樣會(huì)影響地區(qū)間借貸關(guān)系; 各省人均地區(qū)生產(chǎn)總值（GDPP）， 彭紅楓等[20] 認(rèn)為人均地區(qū)生產(chǎn)總值的增加可以顯著提升該地區(qū)網(wǎng)絡(luò)借貸成功率; 房屋平均銷售價(jià)格（P_estate）， 在家庭借貸中， 房屋按揭貸款占據(jù)主導(dǎo)地位， 因此各省的房屋平均銷售價(jià)格能較好地衡量地方人民生活負(fù)擔(dān)。 同時(shí)， 本文也將衡量生活負(fù)擔(dān)的各地人均稅收（Taxp）和居民消費(fèi)水平（C）作為解釋變量。

（3）控制變量。 該模型控制變量包括： 省地方政府行政壟斷力（M）， 采用各省一般預(yù)算收入在GDP的比重作為地方政府行政壟斷力的代理變量[27] ; 人力資本（H_capital）， 采用每萬人中高等學(xué)校的在校生數(shù)量來衡量各省的人力資本。

由于可觀測(cè)到訂單滿標(biāo)時(shí)間的數(shù)據(jù)大部分發(fā)生在2015年， 因此網(wǎng)絡(luò)借貸區(qū)域差異影響因素模型中的解釋變量均采用2015年的年度數(shù)據(jù)， 在估計(jì)時(shí)除政府行政壟斷力以外， 均采用對(duì)數(shù)形式。

在表2 的基礎(chǔ)上， 本文統(tǒng)計(jì)了各省成功訂單平均滿標(biāo)時(shí)間①和借款成功訂單占比②的分布， 如圖1所示。

其中， 上海每筆成功借款平均需要的時(shí)間最長(zhǎng)， 其次為安徽省， 而西藏自治區(qū)、青海省、廣西自治區(qū)、內(nèi)蒙古自治區(qū)、新疆自治區(qū)和寧夏自治區(qū)平均用時(shí)較短， 其他省份成功借款訂單平均用時(shí)分布在2000秒附近。 訂單占比分布相對(duì)較為分散， 其中， 江蘇省的訂單占比最高， 其次是廣東省和福建省， 其余大部分省份的訂單占比則處于8%以下， 青海省、寧夏自治區(qū)、內(nèi)蒙古自治區(qū)、西藏自治區(qū)、廣西自治區(qū)和新疆自治區(qū)的訂單占比較少， 其中青海省的訂單占比最少。 巧合的是， 成功訂單占比較少的省份恰恰是成功訂單平均滿標(biāo)用時(shí)較少的省份。

五、實(shí)證結(jié)果分析

（一）網(wǎng)絡(luò)借貸區(qū)域差異模型的實(shí)證檢驗(yàn)

表3展示了網(wǎng)絡(luò)借貸區(qū)域差異模型的回歸結(jié)果。 為了檢驗(yàn)結(jié)果的穩(wěn)健性， 本文依次控制了借款人個(gè)人特征信息、訂單信息和借款人信用信息變量。 觀察檢驗(yàn)結(jié)果可知， 絕大部分系數(shù)都不同程度地顯著大于零， 說明借款人工作所在區(qū)域可以顯著影響其借貸滿標(biāo)時(shí)間。 在逐漸增加控制變量的過程中， R2也逐漸增加并在斷尾回歸（3）中達(dá)到了最大值。 以斷尾回歸（3）為基準(zhǔn)， 除西藏自治區(qū)外其他省份和直轄市的系數(shù)均顯著大于零， 其中系數(shù)最低的三個(gè)省份為海南省、吉林省和重慶市， 海南省的系數(shù)最低為1.191; 系數(shù)最高的前三個(gè)省份為上海市、寧夏自治區(qū)和新疆自治區(qū)， 上海市的系數(shù)最高為2.439。 但在所有斷尾回歸中， 西藏自治區(qū)的系數(shù)都不顯著， 結(jié)合各省訂單占比的分布狀況， 可推斷為西藏自治區(qū)訂單數(shù)量太少的緣故。 為了避免極端值對(duì)回歸的影響且為了使得回歸結(jié)果更加穩(wěn)健， 本文同時(shí)進(jìn)行了列（4）的中位數(shù)回歸和列（5）的最小二乘回歸， 其中在中位數(shù)回歸中各省份系數(shù)均顯著大于零， 最小二乘回歸中僅海南省系數(shù)不顯著。 在此基礎(chǔ)上對(duì)斷尾回歸（3）的系數(shù)β1=β2=β3=…=βn進(jìn)行了聯(lián)合顯著檢驗(yàn)， χ2（30）=442.27顯著地拒絕了系數(shù)相等的原假設(shè)， 即不同地區(qū)之間的回歸系數(shù)有顯著差異， 那么不同地區(qū)之間的借貸滿標(biāo)時(shí)間也存在顯著差異。 也就是說， 網(wǎng)絡(luò)借貸存在區(qū)域差異。 圖2 更直觀地展示了各省斷尾回歸系數(shù)情況。

（二）網(wǎng)絡(luò)借貸區(qū)域差異影響因素模型的實(shí)證檢驗(yàn)

由于網(wǎng)絡(luò)借貸存在區(qū)域差異， 接下來將進(jìn)一步考察網(wǎng)絡(luò)借貸區(qū)域差異的影響因素。 還款能力是投資人最關(guān)注的因素， 而借款人的收入和支出可以體現(xiàn)其還款能力， 因此通過各省職工平均貨幣工資、人均地區(qū)生產(chǎn)總值、房屋平均銷售價(jià)格、人均稅收和消費(fèi)水平等變量予以考察。 此外， 實(shí)體經(jīng)濟(jì)是金融的根基， 區(qū)域經(jīng)濟(jì)環(huán)境等因素勢(shì)必影響其金融發(fā)展， 因此同時(shí)控制了各省份的政府行政壟斷力和人力資本等變量。 回歸結(jié)果如表4所示。

在上述回歸中， 考慮到有可能存在遺漏變量以及各省份職工平均貨幣工資和借貸滿標(biāo)時(shí)間有可能存在雙向因果關(guān)系而引起的內(nèi)生性問題， 進(jìn)行了Ramsey檢驗(yàn)， F值為2.33， 接受無遺漏變量的原假設(shè)。 另外， 由于我國(guó)高工資地區(qū)主要集中在京津、長(zhǎng)三江和珠三角省份以及西藏自治區(qū)、青海省和寧夏自治區(qū)， 但西藏自治區(qū)、青海省以及寧夏自治區(qū)的借款訂單占比非常低， 因此選擇是否為沿海省份的啞變量（CM）作為省職工平均貨幣工資的工具變量， 是沿海省份則為1， 否則為0， 其與職工平均貨幣工資的相關(guān)系數(shù)為0.3610， 且在5%的水平上顯著（p值為0.0460）。 對(duì)解釋變量進(jìn)行豪斯曼內(nèi)生性檢驗(yàn)， 結(jié)果為接受所有解釋變量均為外生的原假設(shè)， 因此仍采用最小二乘法估計(jì)的結(jié)果。 在各解釋變量中， 各省份職工平均貨幣工資的系數(shù)在5%的水平上顯著， 且大于零， 說明各省份職工平均貨幣工資越高， 斷尾回歸系數(shù)越大， 即該省借款人借貸滿標(biāo)時(shí)間越長(zhǎng)， 投資人越不偏好。 這一結(jié)果與有些學(xué)者得出的貸款人傾向于向高收入地區(qū)提供資金， 而不愿向低收入地區(qū)提供資金[14，20] 的結(jié)果不同。

由于高收入地區(qū)的借款人更多地通過正規(guī)金融獲得資金， 而低收入地區(qū)的借款人則更多地依賴于非正規(guī)金融借貸[26] ， 即通過網(wǎng)絡(luò)借貸的更多的是該地區(qū)從正規(guī)金融溢出到網(wǎng)絡(luò)借貸的高風(fēng)險(xiǎn)、低收入借款人， 這會(huì)增加投資者面臨的不確定性， 導(dǎo)致投資者基于風(fēng)險(xiǎn)—收益的角度更傾向于將資金投向低收入地區(qū)， 減少對(duì)低收入地區(qū)的金融排斥。 廣東省、福建省、江蘇省和山東省等沿海發(fā)達(dá)地區(qū)居民收入水平較高， 通過網(wǎng)絡(luò)借貸的高風(fēng)險(xiǎn)、低收入借款人占比相對(duì)較多， 因此在網(wǎng)絡(luò)借貸中投資者并不偏好這些高收入地區(qū)， 而高收入地區(qū)訂單數(shù)量較多會(huì)更加凸顯這一現(xiàn)象。 相反在低收入地區(qū)由于自然稟賦、基礎(chǔ)設(shè)施薄弱[28] 、政府助推互聯(lián)網(wǎng)金融[19] 等因素導(dǎo)致可以通過網(wǎng)絡(luò)借貸的更多的是該區(qū)域收入較高的人群， 還款能力反而相對(duì)較好， 得到投資者的青睞。

另外， 也有可能針對(duì)不同地區(qū)的借款人， 借貸平臺(tái)實(shí)行了差異化的信貸審核制度。 上海市、江蘇省、廣東省等收入水平較高的地區(qū)由于經(jīng)濟(jì)發(fā)展迅速， 在資金供給一定的情形下不同行業(yè)的資金需求旺盛， 因此網(wǎng)貸平臺(tái)在實(shí)際操作中執(zhí)行了較為嚴(yán)格的信用審核制度; 相反由于低收入地區(qū)的資金需求相對(duì)較少， 網(wǎng)貸平臺(tái)執(zhí)行了較為寬松的信用審核制度。 因此， 現(xiàn)階段地區(qū)收入水平顯著地影響網(wǎng)絡(luò)借貸的訂單滿標(biāo)時(shí)間， 而且呈正相關(guān)關(guān)系。

為了保證結(jié)果的穩(wěn)健性， 本文采用各省城鎮(zhèn)居民可支配工資性收入替代職工平均工資作為解釋變量進(jìn)行回歸， 估計(jì)結(jié)果如表5所示。

由表5可知， 城鎮(zhèn)居民可支配工資性收入依然可以正向影響借貸滿標(biāo)時(shí)間， 且該影響顯著。 由于可支配工資剔除了社保繳費(fèi)等不可支配資金的影響， 因此借貸滿標(biāo)時(shí)間對(duì)于城鎮(zhèn)居民可支配工資性收入更敏感。 城鎮(zhèn)居民可支配工資的系數(shù)略大于職工平均貨幣工資系數(shù)， 結(jié)果依然穩(wěn)健。

六、結(jié)論與建議

本文首先利用網(wǎng)絡(luò)借貸國(guó)內(nèi)排名前十的某平臺(tái)交易數(shù)據(jù)從借貸滿標(biāo)時(shí)間的角度構(gòu)建斷尾模型， 對(duì)以網(wǎng)絡(luò)借貸為代表的非正規(guī)金融進(jìn)行區(qū)域差異研究。 研究發(fā)現(xiàn)， 在控制了借款人個(gè)人特征信息、信用信息和訂單信息等變量后， 網(wǎng)絡(luò)借貸顯著地存在區(qū)域差異現(xiàn)象， 這意味著網(wǎng)絡(luò)借貸即使是建立在先進(jìn)互聯(lián)網(wǎng)技術(shù)之上也存在區(qū)域差異的市場(chǎng)分割。 進(jìn)一步探究網(wǎng)絡(luò)借貸區(qū)域差異的影響因素， 發(fā)現(xiàn)體現(xiàn)放款人偏好的借貸滿標(biāo)時(shí)間隨著區(qū)域收入水平的提高而增加。

本文的研究結(jié)果為非正規(guī)金融的相關(guān)研究提供了理論依據(jù)和數(shù)據(jù)支持： 第一， 從借貸滿標(biāo)時(shí)間的角度觀察， 網(wǎng)絡(luò)借貸存在顯著的區(qū)域差異， 原因可能在于網(wǎng)絡(luò)借貸平臺(tái)過度介入借貸交易， 背離了信息中介的角色定位， 引起了借貸市場(chǎng)的混亂。 第二， 借貸滿標(biāo)時(shí)間與區(qū)域收入水平顯著正相關(guān)。 一方面意味著由于正規(guī)金融風(fēng)險(xiǎn)的溢出， 從借貸滿標(biāo)時(shí)間角度來看放款人并不偏好高收入地區(qū)， 相反更青睞低收入地區(qū)的借款人; 另一方面也意味著面對(duì)不同地區(qū)的借款人， 網(wǎng)絡(luò)借貸平臺(tái)執(zhí)行了差異化的信用審核標(biāo)準(zhǔn)。 因此， 本文認(rèn)為針對(duì)非正規(guī)金融市場(chǎng)， 政府應(yīng)提高非正規(guī)金融平臺(tái)的準(zhǔn)入門檻， 規(guī)范非正規(guī)金融中介的平臺(tái)操作， 同時(shí)制定合理的信用審核標(biāo)準(zhǔn)和流程以加快非正規(guī)金融市場(chǎng)一體化建設(shè)， 提升金融市場(chǎng)效率。

【 注 釋 】

① 某省成功訂單平均滿標(biāo)時(shí)間為該省借款成功的訂單滿標(biāo)時(shí)間的平均值。

② 某省成功訂單占比為該省借款成功訂單數(shù)量在所有提交工作省份信息且借款申請(qǐng)成功訂單數(shù)量中的比例。

【 主 要 參 考 文 獻(xiàn) 】

[1] 崔光慶，王景武.中國(guó)區(qū)域金融差異與政府行為：理論與經(jīng)驗(yàn)解釋[ J].金融研究，2006（6）：79 ～ 89.

[2] Andersons， Baland J.. The Economics of Roscas and Intra-householda Resource Allocation[ J].The Quarterly Journal of Econo-

mics，2002（3）：963 ～ 995.

[3] 謝平，鄒傳偉.互聯(lián)網(wǎng)金融模式研究[ J].新金融評(píng)論，2012（12）：11 ～ 22.

[4] 何光輝，楊咸月，陳詩(shī)一.入世以來中國(guó)證券市場(chǎng)動(dòng)態(tài)國(guó)際一體化研究[ J].經(jīng)濟(jì)研究，2012（10）：82 ～ 96.

[5] 楊何燦， 楊咸月.中國(guó)網(wǎng)絡(luò)借貸市場(chǎng)的區(qū)域差異及信息引導(dǎo)關(guān)系研究[ J].當(dāng)代經(jīng)濟(jì)科學(xué)，2016（5）：35 ～ 41.

[6] 王霄，張捷.銀行信貸配給與中小企業(yè)貸款—— 一個(gè)內(nèi)生化抵押品和企業(yè)規(guī)模的理論模型[ J].經(jīng)濟(jì)研究，2003（7）：68 ～ 75.

[7] Pope D. G.， Sydnor J. R.. What's in a Picture： Evidence of Discrimination from Prosper.com[ J].Journal of Human Resources，2011（1）：53 ～ 92.

[8] Morales M. F.. Financial Intermediation in a Model of Growth Through Creative Destruction[ J].Macroeconomic Dynamics，2010（7）：93 ～ 363.

[9] 郭喜才.互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)及其監(jiān)管研究[ J].江西社會(huì)科學(xué)，2015（7）：80 ～ 84.

[10] 吳曉求.互聯(lián)網(wǎng)金融：成長(zhǎng)的邏輯[ J].財(cái)貿(mào)經(jīng)濟(jì)，2015（2）：5 ～ 15.

[11] 吳本健，毛寧，郭利華.“雙重排斥”下互聯(lián)網(wǎng)金融在農(nóng)村地區(qū)的普惠效應(yīng)[ J].華南師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2017（1）：94 ～ 100.

[12] Mollick E.. The Dynamics of Crowdfunding： An Explora-

tory study[J]. Journal of Business Venturing，2014（1）：1 ～ 16.

[13] 廖理，李夢(mèng)然，王正位.中國(guó)互聯(lián)網(wǎng)金融的地域歧視研究[ J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2014（5）：54 ～ 70.

[14] 蔣彧，周安琪.P2P網(wǎng)絡(luò)借貸中存在地域歧視嗎？——來自“人人貸”的經(jīng)驗(yàn)數(shù)據(jù)[ J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2016（9）：29 ～ 39.

[15] 粟芳，方蕾.中國(guó)農(nóng)村金融排斥的區(qū)域差異：供給不足還是需求不足？——銀行、保險(xiǎn)和互聯(lián)網(wǎng)金融的比較分析[ J].管理世界，2016（9）：70 ～ 83.

[16] Lin M.， Viswanathan S.. Home Bias in Online Investments： An Empirical Study of an Online Crowdfunding Market[Z].Working Paper，2013.

[17] 孫濤，苗妙.互聯(lián)網(wǎng)金融對(duì)區(qū)域金融可得的均衡效應(yīng)——基于P2P網(wǎng)貸交易數(shù)據(jù)的實(shí)證研究[ J].技術(shù)經(jīng)濟(jì)，2016（8）：118 ～ 128.

[18] Feng G.， Kong S. T.， Wang J.. General Patterns and Regional Disparity of Internet Finance Development in China： Evidence from the Peking University Internet Finance Development Index[ J].China Economic Journal，2016（3）：1 ～ 19.

[19] 姚耀軍，施丹燕.互聯(lián)網(wǎng)金融區(qū)域差異化發(fā)展的邏輯與檢驗(yàn)——路徑依賴與政府干預(yù)視角[ J].金融研究，2017（5）：131 ～ 146.

[20] 彭紅楓，楊柳明，譚小玉.地域差異如何影響P2P平臺(tái)借貸的行為——基于“人人貸”的經(jīng)驗(yàn)證據(jù)[ J].當(dāng)代經(jīng)濟(jì)科學(xué)，2016（5）：21 ～ 34.

[21] 張曉玫，王博，周玉琴.非完全利率市場(chǎng)化下網(wǎng)絡(luò)借貸的利率定價(jià)有效嗎——來自“人人貸”的微觀借貸證據(jù)[ J].南開管理評(píng)論，2016（4）：98 ～ 110.

[22] 高鑫.區(qū)域差異視角下我國(guó)所有制結(jié)構(gòu)與非正規(guī)金融關(guān)系研究[ J].經(jīng)濟(jì)問題探索，2015（11）：98 ～ 105.

[23] Green T. C.， Jame R.. Company Name Fluency， Investor Recognition， and Firm Value[ J].Journal of Financial Economics，2013（3）：813 ～ 834.

[24] 葉德珠，陳霄.標(biāo)點(diǎn)與字?jǐn)?shù)會(huì)影響網(wǎng)絡(luò)借貸嗎——來自人人貸的經(jīng)驗(yàn)證據(jù)[ J].財(cái)貿(mào)經(jīng)濟(jì)，2017（5）：65 ～ 79.

[25] 郭峰.網(wǎng)絡(luò)昵稱與P2P借貸的成功率和違約率[ J].經(jīng)濟(jì)科學(xué)，2016（6）：102 ～ 116.

[26] 郭新華，劉輝，伍再華.收入不平等與家庭借貸行為——家庭為追求社會(huì)地位而借貸的動(dòng)機(jī)真的存在嗎[ J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2016（5）：84 ～ 99.

[27] 王開科，曾五一，王開泳.中國(guó)省域城鎮(zhèn)工資水平的區(qū)域分異機(jī)制與空間效應(yīng)[ J].地理研究，2013（11）：2107 ～ 2120.

[28] 馮湖，張璇.中國(guó)互聯(lián)網(wǎng)發(fā)展的區(qū)域差異與政策治理[ J].北京科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2011（3）：150 ～ 157.