劉 瓊，池仁勇

(1.浙江工業(yè)大學(xué) 管理學(xué)院，浙江 杭州 310023；2.浙江工業(yè)大學(xué) 經(jīng)濟(jì)學(xué)院，浙江 杭州 310023；3.浙江工業(yè)大學(xué) 中國中小企業(yè)研究院，浙江 杭州 310023)

一、 引 言

學(xué)歷作為標(biāo)識人才類別的顯性標(biāo)簽，一直被作為衡量人才綜合素質(zhì)的重要尺度。特別是在信貸領(lǐng)域，受信方的學(xué)歷水平一直是授信方評估額度的核心要素[1-2]。但目前學(xué)歷價值在信貸額度的映射大多基于常識和經(jīng)驗判斷，其背后科學(xué)機(jī)理的長期缺位是部分高學(xué)歷信貸壞賬產(chǎn)生的重要原因[3]。因此，學(xué)歷對信貸市場的影響機(jī)制正成為學(xué)界和業(yè)界廣泛關(guān)注的熱點問題之一。同時，由于中國不同地區(qū)經(jīng)濟(jì)發(fā)展不均衡、人才政策導(dǎo)向不同、資源稟賦存在地區(qū)差異等問題，不同地區(qū)信貸市場中的學(xué)歷價值效應(yīng)是否發(fā)揮作用？學(xué)歷價值如何影響信貸市場？這種影響背后的內(nèi)在作用機(jī)理與理論邏輯是什么？這些問題都有待進(jìn)一步深入分析。

之前學(xué)者對學(xué)歷價值的研究大多集中在求職、議價等勞動力市場回報[4]，以及個人收入、幸福指數(shù)[5]等方面，較少從市場信貸視角分析學(xué)歷價值的重要性及其影響效應(yīng)。特別是由于銀行系統(tǒng)中個人信息的保密性原則，無法為分析信貸市場中學(xué)歷價值重要性和作用導(dǎo)向的實證研究提供有效數(shù)據(jù)支撐，客觀上使得學(xué)歷背景提高信貸市場中信用配給效率的作用路徑研究遭遇了瓶頸。近年來，互聯(lián)網(wǎng)技術(shù)的快速發(fā)展帶動了網(wǎng)絡(luò)信貸平臺的崛起，信貸平臺下大量包含學(xué)歷信息在內(nèi)的借款信息能夠被有效識別，為信貸市場中學(xué)歷價值研究提供絕好的“機(jī)會窗口”。已有研究利用網(wǎng)絡(luò)信貸數(shù)據(jù)從不同角度分析學(xué)歷在借貸市場中的價值體現(xiàn)，認(rèn)為高學(xué)歷背景的借款者能夠獲得投資者的青睞[3，6-7]。但是現(xiàn)有研究仍然存在不足，一方面較少有文獻(xiàn)從整合視角將借貸成本、借貸成功率以及違約風(fēng)險這三方面的價值表征納入統(tǒng)一研究框架中，從而無法為學(xué)歷價值在信貸市場中的作用研究提供一個整體畫像；另一方面更為重要的是，現(xiàn)有研究并未就學(xué)歷信息所展現(xiàn)的風(fēng)險邏輯和價值邏輯進(jìn)一步展開區(qū)域異質(zhì)性分析。然而現(xiàn)實中，中國地緣遼闊、省份眾多，各地區(qū)之間教育水平投入的差異、經(jīng)濟(jì)發(fā)展?fàn)顩r存在的差異性，往往會導(dǎo)致學(xué)歷價值在信貸市場中的作用受到“扭曲”[8-9]。其一，不同地區(qū)資源稟賦存在差異性，東部發(fā)達(dá)地區(qū)無論是金融基礎(chǔ)設(shè)施還是金融配套能力都遠(yuǎn)遠(yuǎn)超過西部欠發(fā)達(dá)地區(qū)，能夠為高學(xué)歷價值借款人提供更多融資額度；其二，人才政策的招致效應(yīng)不同，發(fā)達(dá)地區(qū)的人才政策力度更大，高學(xué)歷價值人才能夠獲得更多政策上的金融傾斜；其三，人才心理建設(shè)導(dǎo)向不同，發(fā)達(dá)地區(qū)的高學(xué)歷人才市場競爭激烈、社會與家庭期望值高，在信貸市場具有更強(qiáng)烈的“價值訴求”；其四，人才集聚呈現(xiàn)規(guī)模效應(yīng)，相對于西部欠發(fā)達(dá)地區(qū)，東部發(fā)達(dá)地區(qū)人才集聚效應(yīng)顯著，相同學(xué)歷下個人價值總體上優(yōu)于西部地區(qū)人才，在信貸市場上獲得融資資源也會更多。因此，基于全國東、中、西部不同地區(qū)層面探討學(xué)歷價值對信貸市場影響的區(qū)域異質(zhì)性具有很強(qiáng)的現(xiàn)實與理論意義。

基于此，本文將在教育回報與信貸配給等相關(guān)理論基礎(chǔ)上，研究信貸市場中學(xué)歷信息背后的低信用風(fēng)險邏輯與價值主張邏輯對提高信貸配給效率的內(nèi)在機(jī)理，并重點分析不同地區(qū)金融發(fā)展水平對學(xué)歷價值的信貸效率提升效應(yīng)的扭曲程度。此外，通過使用國內(nèi)應(yīng)用較為廣泛的A網(wǎng)絡(luò)信貸平臺上的個人借貸數(shù)據(jù)對此作用機(jī)制進(jìn)行實證分析，以期規(guī)避一直以來學(xué)歷價值在信貸市場中重要性研究的“學(xué)而不術(shù)”問題。

本文可能的貢獻(xiàn)主要在以下兩個方面：一方面本文豐富了教育價值回報研究，特別是擴(kuò)展了教育價值在信貸市場中的研究。以往對教育價值的實證研究多停留在教育對個人收入[10-13]、緩解歧視等方面[3，7]，較少從信貸市場的角度去探究借款者教育價值的意義。本文借助網(wǎng)絡(luò)信貸市場中大量借款者學(xué)歷的微觀信息，肯定了信貸市場中教育價值的存在。另一方面本文拓展了地區(qū)間教育價值異質(zhì)性研究的相關(guān)層面[8-9]。地區(qū)間教育投入水平的差異會導(dǎo)致地區(qū)間教育回報率不同[14]，但較少考慮到教育價值對地區(qū)金融發(fā)展水平的影響，本文從地區(qū)金融發(fā)展這一視角，為地區(qū)教育價值異質(zhì)性的研究提供了一定的有益補(bǔ)充。

二、 影響機(jī)制與研究假設(shè)

教育的本質(zhì)是培養(yǎng)并提升受教育者個人勞動技能、價值觀、思想品德等綜合素質(zhì)[15]，學(xué)歷是受教育程度的主要標(biāo)識，具有權(quán)威性、可觀性、級差性等特征，因此過去經(jīng)驗研究廣泛認(rèn)為受信方學(xué)歷的提升能夠讓其在信貸市場具有更多優(yōu)勢。

1.學(xué)歷價值對借款成功率及成本的影響機(jī)制。一方面，受教育者學(xué)歷價值越大，其違約信用風(fēng)險越小，借款成功率越高。具體表現(xiàn)在：第一，受教育者的學(xué)歷程度越高，其掌握的勞動技能知識也會隨之增多[16]，從而能夠在就業(yè)市場中就任更高的職位，獲得更多的勞動收入，進(jìn)而具有更強(qiáng)的償還能力，其違約的可能性也會較小。第二，良好的教育不僅能讓受教育者具有追求更多資產(chǎn)回報的能力，更為重要的是在教育的熏陶下培養(yǎng)了良好的思想品德、正確的是非價值觀以及信用操守等[17]，因此具有高學(xué)歷價值的借款者一般都會信守諾言，按時履約，違約風(fēng)險較小。第三，學(xué)歷價值高的借款者一般從事重要的工作崗位，可能具有廣泛的社會影響力，會更加注重自身的聲譽(yù)價值[18]，而違約受到的聲譽(yù)懲罰機(jī)制會讓其更加積極完成履約義務(wù)[19]。第四，銀行等金融機(jī)構(gòu)資金借貸的信用配給大部分是基于市場主導(dǎo)邏輯展開[20]，當(dāng)借款人具有更低違約風(fēng)險、更高償還能力以及更低違約傾向時，其獲得借款的成功率以及借款額度均會得到提升[21]。因此，高學(xué)歷價值背后的低信用風(fēng)險價值邏輯能夠幫助借款人提高借款成功率。

另一方面，借款人學(xué)歷價值越高，其議價能力越高，借款成本越低。具體表現(xiàn)在：第一，根據(jù)教育回報相關(guān)理論研究，借款人要想擁有更高學(xué)歷水平，就需要在財力、腦力等方面付出更多[18]，繼而對未來的教育回報預(yù)期也就會越高，從而對降低借貸成本價值的訴求意愿也會更強(qiáng)。第二，高學(xué)歷價值借款人具有更高的償還能力，在借貸市場具有一定優(yōu)勢[22]，因此在與銀行等金融機(jī)構(gòu)協(xié)商時擁有更強(qiáng)的議價能力，能夠獲得更低的借貸利率[23]。因此，高學(xué)歷背后的價值主張邏輯使得借款人能夠獲得更低的借款成本?；诖?，本文提出以下2個假設(shè)：

假設(shè)1a：借款者學(xué)歷價值越高，借款成功率越高。

假設(shè)1b：借款者學(xué)歷價值越高，違約風(fēng)險越小，借款成本越小。

2.學(xué)歷價值對信貸市場的地區(qū)異質(zhì)性影響。中國省份較多、分布較廣，各地區(qū)之間教育水平的投入以及經(jīng)濟(jì)發(fā)展?fàn)顩r等存在很大差異[24]，地區(qū)發(fā)展的不均衡導(dǎo)致地區(qū)金融發(fā)展水平以及人才學(xué)歷價值也出現(xiàn)了不對稱現(xiàn)象[25]。這種不對稱現(xiàn)象在一定程度上會扭曲學(xué)歷價值在借貸市場中的促進(jìn)作用，具體表現(xiàn)為：第一，基于“資本—技能互補(bǔ)”假說，發(fā)達(dá)地區(qū)的金融發(fā)展程度會提高教育回報率[9]，也就意味著地區(qū)金融市場越發(fā)達(dá)，受信方能夠獲得更高的收入回報，因此，相同學(xué)歷背景的受信方在金融市場發(fā)達(dá)地區(qū)具有更高的償債能力，違約風(fēng)險更低。第二，發(fā)達(dá)地區(qū)的資源稟賦更強(qiáng)，擁有更加完善的金融管理體系，受信方能夠獲得更為廣泛的融資渠道[26]，從而具有更為寬裕的資金操作空間來提升自身的資金借貸冗余，繼而會提升其履約能力[27]，在信貸市場上獲得更多借貸資金的信用配給。第三，發(fā)達(dá)地區(qū)具有更強(qiáng)的人才集聚效應(yīng)，人才競爭力度更大，通過“人才漏斗機(jī)制”使得人才進(jìn)入門檻提高，因此相同學(xué)歷背景的東部人才價值會優(yōu)于西部地區(qū)，從而能夠獲得更好的信用評級和議價能力，使其能夠擁有更多的借款優(yōu)勢。第四，發(fā)達(dá)地區(qū)政策引導(dǎo)力度更大，配套設(shè)施更豐富，能夠為高學(xué)歷借款人背書，這種積極的“信號效應(yīng)”使其擁有超額信用配給，因此在借貸市場中可以更大程度上發(fā)揮其學(xué)歷價值。第五，由于發(fā)達(dá)地區(qū)存在人才競爭效應(yīng)以及經(jīng)濟(jì)壓力的倒逼機(jī)制，一方面，相同學(xué)歷背景的借款人在發(fā)達(dá)地區(qū)想要獲得更高的職位來實現(xiàn)自身價值，從而在借貸市場中對自身價值“主動訴求”的意愿更加強(qiáng)烈。另一方面，在發(fā)達(dá)地區(qū)獲得機(jī)會的難度大于欠發(fā)達(dá)地區(qū)，因此相同學(xué)歷背景的借款人在東部地區(qū)所付出的勞動要遠(yuǎn)大于欠發(fā)達(dá)地區(qū)，致使借款人內(nèi)心為了彌補(bǔ)這種付出差異，便會提高其心理預(yù)期，從而在信貸市場中“被動倒逼”地提高了其信用借貸需求，在發(fā)達(dá)地區(qū)供給充足的情況下，借款人能夠獲得更多融資。基于此，本文提出以下假設(shè)：

假設(shè)2：地區(qū)發(fā)達(dá)程度越高，信貸市場上學(xué)歷價值越能發(fā)揮作用。

三、 研究設(shè)計

(一) 變量選擇與數(shù)據(jù)來源

本文選取A網(wǎng)絡(luò)借貸平臺上發(fā)布的有效借款訂單作為實證樣本。由于該平臺的借貸條件不受地區(qū)限制，客戶分布涵蓋了中國34個省級行政區(qū)域，而且對借款者不設(shè)門檻，只要通過實名認(rèn)證均可申請貸款業(yè)務(wù)，因此其數(shù)據(jù)具有相對較高的代表性和隨機(jī)性。此外，考慮到新疆、西藏、香港、臺灣以及澳門地區(qū)的樣本相對不足，為了確保實證結(jié)果的準(zhǔn)確性，本文剔除了來自以上地區(qū)的數(shù)據(jù)以及一些信息不全的訂單，最終共獲得65534筆有效借款訂單，能滿足本研究的基本數(shù)據(jù)需求。其中各變量的構(gòu)成與說明如下：

本文選擇的主要被解釋變量包括三個：該筆借款申請最終是否成功(success)，借款成功后借款者是否如約還款(default)以及借款者設(shè)定的借款利率水平(rate)。核心的解釋變量為借款者的學(xué)歷水平(edu)。該平臺上公布的信息除本文主要研究的學(xué)歷狀況以外，還有借款金額、借款期限以及受信方的收入狀況、年齡、婚姻狀況等信息，而這些信息都會對借貸者行為產(chǎn)生影響。出于實證模型的穩(wěn)健性考慮，將這些相關(guān)變量作為控制變量放入實證模型。其中最主要的是受信方的收入狀況，當(dāng)控制了與借款者收入相關(guān)的變量后，借款者的學(xué)歷則更多地表示為與借款者誠信相關(guān)的特征。具體變量定義與賦值處理詳見表1。

表1 變量的定義及賦值處理

(二) 描述性統(tǒng)計分析

在建模分析前，本文先對數(shù)據(jù)進(jìn)行初步的描述性統(tǒng)計分析。通過從平臺上獲得的65534筆有效借款訂單數(shù)據(jù)(如表2)，研究發(fā)現(xiàn)隨著借款者學(xué)歷的提高，其借款成功率不斷增大，這說明授信方在選擇借款訂單時更青睞學(xué)歷高的借款者。從違約率來看，隨著借款者學(xué)歷的提高，其違約率也隨之降低，說明學(xué)歷這一指標(biāo)的確能夠在一定程度上反映受信方的違約風(fēng)險，學(xué)歷越高的借款者違約風(fēng)險越低。從借款利率來看，整體表現(xiàn)為學(xué)歷越高、利率水平越低，說明放貸者在設(shè)定借款利率時會充分考慮到借款人的學(xué)歷價值，從而設(shè)定一個較低水平的借款利率。表3為主要變量的描述性統(tǒng)計結(jié)果。

表2 樣本數(shù)據(jù)的學(xué)歷差異與借貸行為關(guān)系分析

表3 主要變量的描述性統(tǒng)計

(三) 實證模型

本文選擇Logistics回歸模型和OLS回歸模型分別檢驗區(qū)域差異和學(xué)歷因素對借款成功率、違約率和借款利率的影響。具體模型如下：

Pr(Success)i=β0+β1Edui+∑βControli+λi+Ii+ξi

(1)

Pr(Default)i=β0+β1Edui+∑βControli+λi+Ii+δi

(2)

Ratei=β0+β1Edui+∑βControli+λi+Ii+μi

(3)

其中，模型設(shè)計的變量含義以及賦值情況如表1描述，control表示的是一系列控制變量，β0表示截距項，ξ，δ和μ為誤差項。由于個體在所屬行業(yè)和地區(qū)層面可能存在很大的異質(zhì)性，因此本文在模型中加入地區(qū)固定效應(yīng)λi和行業(yè)固定效應(yīng)Ii。

如果式(1)中系數(shù)β1顯著為正，則說明學(xué)歷越高的借款者更易獲得借款。如果式(2)中系數(shù)β1顯著為負(fù)，則說明學(xué)歷能夠很好地反映受信方的違約風(fēng)險，學(xué)歷越高的受信方其違約風(fēng)險越低。如果式(3)中系數(shù)β1顯著為負(fù)，則說明授信方在設(shè)定利率時會考慮借款人的學(xué)歷價值，從而為學(xué)歷越高的借款者設(shè)定一個較低水平的借款利率。

四、 實證結(jié)果

(一) 基準(zhǔn)回歸

本文先將獲得的樣本進(jìn)行回歸分析，主要研究借款人的學(xué)歷差異是否會顯著影響借款成功率、違約率以及借款利率。具體回歸結(jié)果如表4所示。

表4第(1)、(2)列是對借款成功率的分析結(jié)果，當(dāng)不加入控制變量時，學(xué)歷(edu)的系數(shù)為0.45且顯著為正，這說明本科學(xué)歷對借款成功率的影響較為顯著。進(jìn)一步計算其邊際效應(yīng)，發(fā)現(xiàn)借款者學(xué)歷每增加一個單位，借款成功率增加了56.36%。加入一系列控制變量之后，學(xué)歷(edu)的系數(shù)降為0.12但依然顯著為正，說明在考慮了借款者收入狀況、婚姻情況等控制變量后，借款者學(xué)歷每增加一個單位，借款成功率增加12.84%，即在其他條件相同的情況下，投資者更青睞擁有較高學(xué)歷的借款者，高學(xué)歷的借款者相比低學(xué)歷借款者更易籌得借款，顯示出授信方對借款者學(xué)歷價值的“認(rèn)可”。

表4第(5)、(6)列是對借款利率的分析結(jié)果，學(xué)歷(edu)的系數(shù)顯著為負(fù)，借款者學(xué)歷每增加一個單位，借款利率降低88.16%(e^-0.1260)。說明放貸者在設(shè)定利率時會考慮到借款人的學(xué)歷價值，表現(xiàn)為對學(xué)歷價值的“認(rèn)可”。綜合表4(1)、(2)、(5)、(6)列數(shù)據(jù)可得，假設(shè)1a成立。

表4第(1)、(2)列和第(3)、(4)列有一個共同現(xiàn)象，加入控制變量后，學(xué)歷系數(shù)的絕對值變小但檢驗均顯著不為零，說明在模型中相較于收入，學(xué)歷才是借款成功的重要因素。第(3)(4)列是對違約率的分析結(jié)果，盡管加入控制變量，學(xué)歷(edu)的系數(shù)均顯著為負(fù)，說明在很大程度上學(xué)歷能夠反映借款人的違約風(fēng)險。與其他條件相比，學(xué)歷越高的借款者，其違約的可能性越低，借款者學(xué)歷每增加一個單位，借款違約率降低67.61%(e^-0.3914)，假設(shè)1b成立。

表4 基準(zhǔn)回歸結(jié)果

(二) 學(xué)歷價值的地區(qū)異質(zhì)性分析

中國省份較多、分布較廣，各地區(qū)之間經(jīng)濟(jì)發(fā)展?fàn)顩r及金融發(fā)展水平存在很大差異，因此學(xué)歷價值對信貸市場的地區(qū)異質(zhì)性影響分析就很有必要?；诖?，本文整理出借款人工作所在地，并按照國家統(tǒng)計局劃分標(biāo)準(zhǔn)，將數(shù)據(jù)分成東、中、西三組，從區(qū)域差異視角探究借款者學(xué)歷價值的表現(xiàn)，具體實證結(jié)果如表5所示。

從第(1)、(2)、(3)這3列可以看出，貸款者對借款者學(xué)歷認(rèn)可程度呈現(xiàn)區(qū)域性差異。第(4)、(5)、(6)列是對借款者違約行為的分析結(jié)果，東部地區(qū)高學(xué)歷的借款者相比西部地區(qū)高學(xué)歷的借款者表現(xiàn)出更低的借款違約率。第(7)、(8)、(9)列是對借款人利率水平的分析結(jié)果顯示，無論是在東、中部地區(qū)還是西部地區(qū)，學(xué)歷的系數(shù)都顯著為負(fù)，說明無論在哪個地區(qū)，在設(shè)定借款利率時，借貸雙方都會考慮到借款人的學(xué)歷價值。

綜合以上分析可知，在我國信貸市場中借款者的學(xué)歷能夠發(fā)揮一定的價值，學(xué)歷較高的借款者違約風(fēng)險較低，且這一價值在東部地區(qū)體現(xiàn)得更為明顯。此外，借貸雙方都會考慮到學(xué)歷的價值，從而設(shè)定一個較低水平的借款利率。而從授信方的角度來看，貸款者能夠很好地捕捉到隱含借款者風(fēng)險信息——“學(xué)歷”這一指標(biāo)，更傾向于向高學(xué)歷借款者放貸，且對東部地區(qū)的高學(xué)歷者更為青睞。(1)進(jìn)一步為了證明兩組之間的回歸系數(shù)存在顯著性差異，在分組回歸的基礎(chǔ)上，進(jìn)行suest檢驗，驗證了顯著性差異的存在，后文的分組回歸均進(jìn)行了組間系數(shù)差異檢驗。

表5 分組回歸結(jié)果

為更好地考察學(xué)歷價值的地區(qū)異質(zhì)性，本文進(jìn)一步引入地區(qū)金融發(fā)展程度(finance)和借款人學(xué)歷狀況的交叉變量來探究學(xué)歷價值地區(qū)差異的深層機(jī)制。其中，地區(qū)金融發(fā)展水平用地區(qū)金融機(jī)構(gòu)年末存貸款余額占該地區(qū)GDP的比重表示。實證結(jié)果如表6所示。

第(7)、(8)、(9)列分別是東、中、西部地區(qū)借款利率的回歸結(jié)果，交互項均顯著為負(fù)，說明地區(qū)金融發(fā)展水平在借款者學(xué)歷對借款利率的影響方面起到負(fù)向調(diào)節(jié)作用，但交互項的系數(shù)大小和顯著性水平在區(qū)域之間并不存在明顯的規(guī)律。

第(1)、(2)、(3)列分別是東、中、西部地區(qū)借款成功率的回歸結(jié)果，交互項的回歸系數(shù)均顯著為正，說明地區(qū)金融發(fā)展水平在借款者學(xué)歷對借款違約率的影響方面的確起到了正向調(diào)節(jié)作用；從邊際效應(yīng)和系數(shù)的顯著性水平來看，該調(diào)節(jié)效果在東部地區(qū)更為明顯，而中西部地區(qū)均有所降低，說明學(xué)歷價值表現(xiàn)出區(qū)域的差異性是由于地區(qū)金融發(fā)展水平所導(dǎo)致的。

第(4)(5)(6)列分別是東、中、西部地區(qū)借款違約率的回歸結(jié)果，交互項的回歸系數(shù)均為負(fù)，且存在顯著差異，東部地區(qū)的顯著性水平最高，其次是中部地區(qū)，西部地區(qū)并不顯著，說明在借款者學(xué)歷對借款違約率影響的過程中,地區(qū)金融發(fā)展水平的負(fù)向調(diào)節(jié)作用存在地區(qū)差異。這一結(jié)果進(jìn)一步證明了借款者學(xué)歷價值呈現(xiàn)地區(qū)差異是由地區(qū)金融水平的不同所造成的。綜上所述，假設(shè)2成立。

表6 金融差異的地區(qū)分組回歸結(jié)果

(三) 內(nèi)生性檢驗

本文因變量是否成功借款(success)和借款利率(rate)的觀測樣本均為65534，而因變量是否違約(default)的觀測樣本僅為15564，大量觀測樣本缺失可能導(dǎo)致該模型由于樣本選擇偏差而存在內(nèi)生性問題。借鑒Yu等的研究方法，本文將采用Heckman二階段模型來緩解潛在的內(nèi)生性問題[28]。同時，借鑒Chrisman和Patel等研究，本文將分別選擇以下三個工具變量：(1)個體i所在省份中披露是否違約的人數(shù)占比(report ratio1)；(2)個體i所在城市中披露是否違約的人數(shù)占比(report ratio2)；(3)個體i所在行業(yè)中披露是否違約的人數(shù)占比(report ratio3)[29]。選擇上述三個工具變量主要有兩點原因：一方面，個體i的同省份、同城市、同行業(yè)相似者披露是否違約這一數(shù)據(jù)的比例越高，就越容易產(chǎn)生同群效應(yīng)，能夠促進(jìn)個體i也傾向于披露是否違約數(shù)據(jù)；另一方面，同省份、同城市、同行業(yè)相似者披露是否違約數(shù)據(jù)的占比并不會對個體i是否違約產(chǎn)生顯著影響，因此上述變量符合工具變量的基本要求。

表7列示了本文Heckman二階段模型處理內(nèi)生性問題的檢驗結(jié)果。其中，模型(1)和模型(2)為本文利用個體i所在省份中披露是否違約的人數(shù)占比(report ratio1)為工具變量的內(nèi)生性檢驗?zāi)Ｐ?。結(jié)果顯示：工具變量回歸系數(shù)顯著為正(coef.=1.998,p<0.01)，表明同省份內(nèi)其他個體披露因變量否成功借款的比率越高，個體i也更傾向于披露這一變量。同時，本文將通過模型(1)估計獲得的尼米爾斯比率(Inverse mills ratio1)放入到模型(2)中作為控制變量，自變量學(xué)歷(edu)的回歸系數(shù)依舊顯著為負(fù)(coef.=-0.742,p<0.01)，表明在控制內(nèi)生性問題后，學(xué)歷對個體違約的負(fù)向作用依舊顯著。

模型(3)和模型(4)為本文利用個體i所在城市中披露是否違約的人數(shù)占比(report ratio2)為工具變量的內(nèi)生性檢驗?zāi)Ｐ?。結(jié)果顯示：工具變量回歸系數(shù)顯著為正(coef.=2.209,p<0.01)，表明同城市內(nèi)其他個體披露因變量否成功借款的比率越高，個體i也更傾向于披露這一變量。同時，本文將通過模型(3)估計獲得的尼米爾斯比率(Inverse mills ratio2)放入到模型(4)中作為控制變量，自變量學(xué)歷(edu)的回歸系數(shù)依舊顯著為負(fù)(coef.=-0.648,p<0.01)，表明在控制內(nèi)生性問題后，學(xué)歷對個體違約的負(fù)向作用依舊顯著。

模型(5)和模型(6)為本文利用個體i所在行業(yè)中披露是否違約的人數(shù)占比(report ratio3)為工具變量的內(nèi)生性檢驗?zāi)Ｐ汀＝Y(jié)果顯示：工具變量回歸系數(shù)顯著為正(coef.=2.016,p<0.01)，表明同行業(yè)內(nèi)其他個體披露因變量是否成功借款的比率越高，個體i也更傾向于披露這一變量。同時，本文將通過模型(5)估計獲得的尼米爾斯比率(Inverse mills ratio3)放入到模型(6)中作為控制變量，自變量學(xué)歷(edu)的回歸系數(shù)依舊顯著為負(fù)(coef.=-0.769,p<0.01)，表明在控制內(nèi)生性問題后，學(xué)歷對個體違約的負(fù)向作用依舊顯著。

表7 內(nèi)生性檢驗

(四) 傾向匹配得分回歸結(jié)果和分析

為了避免樣本的“自選擇”而引起的“選擇性偏差”，本文進(jìn)一步采用傾向匹配得分法(PSM)進(jìn)行分析。由于PSM需要確定實驗組和對照組，所以本文將東部地區(qū)設(shè)定為實驗組，中西部地區(qū)設(shè)定為對照組，采用1:1無放回近鄰匹配原則為對照組中每一個借款訂單在實驗組中尋找到一個與之匹配的另一借款訂單。(2)用psestimate法對協(xié)變量的一階形式進(jìn)行篩選，確定匹配變量edu、income、wage、work、car-loan、 house、 marriage、 level、wamount、car、time、house-loan、rate。最后，基于匹配后的樣本重新進(jìn)行實證分析。

在實證分析前，先對匹配的平衡性假設(shè)進(jìn)行檢驗，如表8所示，匹配后偏差均小于5%，對照組和實驗組之間不存在顯著性差異，表明匹配的效果較好，滿足匹配的平衡性假設(shè)。圖1是匹配前后實驗組和對照組的分布密度函數(shù)圖，從圖中可以看出匹配后實驗組和對照組之間的分布密度幾乎一致，同樣說明兩組樣本不存在顯著性差異。

在滿足平衡性假設(shè)的前提下，對匹配后的樣本重新進(jìn)行分組回歸。就借款利率水平而言，無論是在東部還是中西部地區(qū)，學(xué)歷的系數(shù)都顯著為負(fù)，該結(jié)果和上文表5的分析結(jié)果表現(xiàn)一致。表9是匹配后學(xué)歷價值的地區(qū)異質(zhì)性結(jié)果，可以看出東部地區(qū)高學(xué)歷的借款者相比中西部地區(qū)高學(xué)歷的借款者表現(xiàn)出更低更顯著的借款違約率，學(xué)歷的低風(fēng)險價值在東部地區(qū)表現(xiàn)得更為顯著。表10是匹配后加入地區(qū)金融發(fā)展水平和借款者學(xué)歷交互項的回歸結(jié)果，回歸結(jié)果與上文表6的分析結(jié)果一致，說明借款者學(xué)歷價值呈現(xiàn)地區(qū)的差異化的確是因為地區(qū)金融水平的不同導(dǎo)致的。

圖1 匹配前后密度函數(shù)圖

表9 PSM分組回歸結(jié)果

表10 PSM金融差異的地區(qū)分組回歸結(jié)果

(五) 穩(wěn)健性檢驗

為了避免偽回歸，進(jìn)行以下穩(wěn)健性檢驗。首先，替換金融發(fā)展水平這一變量。表10的回歸結(jié)果中地區(qū)金融發(fā)展水平采用的是金融機(jī)構(gòu)年末存貸款余額占GDP的比重，在這里本文用樊綱構(gòu)造的地區(qū)金融市場化指數(shù)來替代并重新進(jìn)行回歸，結(jié)果如表11所示，可以看出，當(dāng)替換解釋變量之后原結(jié)論依舊成立。其次，替換學(xué)歷變量，采用學(xué)歷的啞變量(3)本科及其以上取值為1，本科以下取值為0。代替之前的有序變量，對東部和中西部地區(qū)進(jìn)行分組回歸，結(jié)果如表12所示，該分析結(jié)果與上文保持一致。第三，用地區(qū)(east)和借款者學(xué)歷(edu)的交互項代替分組回歸，結(jié)果也依然不變(如表13)。

表11 穩(wěn)健性檢驗1——替換金融發(fā)展水平

表12 穩(wěn)健性檢驗2——替換學(xué)歷變量

表13 穩(wěn)健性檢驗3——地區(qū)交互項代替分組回歸

五、 結(jié)論與啟示

公民受教育水平對經(jīng)濟(jì)社會活動影響的研究成果豐碩，為我們理解學(xué)歷價值的特征提供了重要參考，但現(xiàn)有的研究較少從信貸視角來考察學(xué)歷的價值。網(wǎng)絡(luò)信貸市場的迅速發(fā)展，不僅積累了大量包含受信者學(xué)歷信息的借貸數(shù)據(jù)，也為這一研究提供了很好的契機(jī)?；诖耍疚倪\(yùn)用A網(wǎng)絡(luò)信貸平臺公開數(shù)據(jù)，探究借款者學(xué)歷價值的存在性及地區(qū)異質(zhì)性，得出如下結(jié)論與啟示：

第一，在中國信貸市場中，借款者的受教育水平能夠發(fā)揮其價值，表現(xiàn)為授信方能夠很好地識別出借款者學(xué)歷這一因素并表現(xiàn)出對高學(xué)歷價值的“認(rèn)可”。高學(xué)歷借款者的借款成功率更高，并可獲得較低借款利率。

第二，從地區(qū)異質(zhì)性的角度來看，在東部地區(qū)，借款者的學(xué)歷價值表現(xiàn)得更加顯著，即高學(xué)歷的借款者相比西部地區(qū)具有更低的借款違約率，且更易獲得授信方的青睞。說明經(jīng)濟(jì)社會發(fā)展水平越高的地區(qū)，高學(xué)歷借款者越有可能獲得更高的教育回報率。

本文的研究結(jié)論對學(xué)歷價值的存在性提供了有力支撐，證明了教育在信貸市場中的確發(fā)揮了其應(yīng)有之義，且能夠被授信方很好地識別和認(rèn)可。教育一直是中國社會建設(shè)的重要組成部分，歷年來在財政支出方面教育的投入巨大，但現(xiàn)有研究更多地還是關(guān)注教育對收入等層面的影響，較少地關(guān)注到信用這一層面，教育的目的不僅在于提高受教育者收入水平，其終極的目標(biāo)在于對受教育者的道德約束以及誠信理念的提升。由于教育是一項較為復(fù)雜的系統(tǒng)工程，其最終效用不僅依賴于經(jīng)費(fèi)資源投入，而且與制度設(shè)計、人才環(huán)境、資源稟賦等因素也存在重要關(guān)系。此外，本文的結(jié)論也為信貸市場的風(fēng)險防控提供了重要參考。借貸雙方的信息不對稱和識別困難是投資市場風(fēng)險增加、資金錯配的重要原因，如何在借款人的眾多信息中識別出能夠反映借款人真實違約風(fēng)險的指標(biāo)則對于貸款者而言具有重要意義。本文為貸款者對借款者學(xué)歷價值評估提供了一定的借鑒思路。作為市場上容易觀測的“學(xué)歷”這一因素，可以幫助貸款者較為準(zhǔn)確地識別出潛在的投資風(fēng)險，合理地進(jìn)行投資決策。