社会信用环境与私人借贷市场参与

　　[摘 要]利用百度指数数据构造社会信用环境指标，结合中国家庭金融调查数据，从供给和需求角度检验社会信用环境对私人借贷市场参与的影响及内在机制。研究发现：从供给端来看，失信环境降低了私人借贷借出的概率和私人借出款占金融资产的比重;从需求端来看，失信环境抑制了私人借贷需求，且造成私人借贷供不应求的现象，增大了私人借贷可获得难度。在运用工具变量法缓解内生性问题和大量稳健性检验后上述结论仍然成立。机制分析表明，失信环境通过降低风险容忍度和缩小社会网络抑制私人借贷供给，通过缩小社会网络和提高交易成本抑制私人借贷需求。

　　徐子尧; 马俊峰， 山西财经大学学报 发表时间：2021-07-26

　　[关键词]社会信用环境;私人借贷;非正规信贷;风险承担;社会网络

　　一、引言

　　私人借贷市场作为非正规信贷市场的主要形式，已逐渐成为正规信贷市场的重要补充，在资金需求端和供给端发挥着重要作用。①从资金需求端来看，私人借贷市场在家庭购置住房 (Fan et al.， 2017)[1]、积累耐用品(Besley and Levenson，1996)[2] 和补充创业启动资金(马光荣和杨恩艳，2011)[3]等方面发挥着积极作用，是小微经济主体不可替代的资金来源渠道(韩秀兰和赵敏，2020)[4]。从资金供给端来看，私人借贷市场在中国这个“关系化”社会中扮演着“人情资本积累”的独特角色，虽然大多数私人借出款不收取利息等显性货币回报，但往往要求借入方支付隐性报酬，如提供义务援助、关系融通或“小道消息”等。而且，私人借贷合约能否顺利达成和履行受社会信用环境的影响较大。信用环境作为一种反映交易主体间主观信任程度和客观信用水平的经济关系，良好的信用环境是私人借贷合约达成与履行的外部基础条件之一，也是私人借贷市场健康有序发展的关键所在。但是，近年来较为普遍的信用缺失现象对社会信用环境造成了不良影响，增加了借贷双方的信息不对称性，不利于家庭参与私人借贷市场。根据最高人民法院披露的失信被执行人名单和中国家庭金融调查数据，在失信主体数量呈现上升态势的情况下，私人借贷需求和获得私人借贷的家庭比例在逐年下降。②鉴于此，“十四五规划纲要”明确提出通过健全社会信用体系，优化社会信用环境，为私人借贷市场的良性发展奠定了制度基础。

　　现有研究集中于探讨信用环境对正规金融市场的影响，仅个别国外学者分析了信用环境在私人借贷市场中发挥的作用。Guiso 等(2004)[5]借助意大利银行的家庭收入与财富调查(Survey of Household Income and Wealth，SHIW)进行研究，发现低社会信任水平地区的家庭更可能获得私人借贷，并从融资需求次序和非家庭伦理主义两方面予以解释。③然而，这一结论似乎与理论预期和我国特征事实差异较大。从理论角度来看，失信环境会加剧借贷双方信息摩擦，增加信息搜寻和匹配的成本，提高借贷双方信息不对称性，进而抑制私人借贷市场参与。从特征事实来看，尽管我国的社会信用环境有所改善，但信用缺失现象仍屡见不鲜，失信环境与家庭私人借贷可获得性之间呈现负相关关系。那么，是否信用环境对我国家庭私人借贷市场参与的影响同理论预期一致?如果符合理论预期，造成信用环境对我国和意大利家庭私人借贷市场参与影响存在巨大差异的原因何在?信用环境通过哪些机制影响我国家庭私人借贷市场参与?这些都是本文试图回答的问题。

　　为回答上述问题，本文利用中国家庭金融调查与多种信用环境指标的匹配数据，从供给端和需求端检验信用环境对私人借贷的影响及内在机制，并运用多种工具变量缓解内生性问题。研究发现：失信环境抑制了私人借贷供给和私人借贷需求，推高了私人借贷利息成本，降低了私人借贷的可获得性。机制分析表明，失信环境通过降低风险容忍度和缩小社会网络抑制私人借贷供给，通过缩小社会网络和提高交易成本抑制私人借贷需求。

　　本文的边际贡献主要有三方面。第一，现有研究多考察微观特征对农户非正规信贷需求的影响，如：个人信任态度(Duarte et al.，2012;柴时军和叶德珠，2019)[6,7]、社会网络特征(杨汝岱等，2011;胡枫和陈玉宇，2012;Chai et al.，2018)[8-10]和金融素养(宋全云等，2017)[11]等，少量宏观视角的研究分析了外部金融环境对非正规借贷使用的影响 (董艳等，2020;吴雨等，2020;Islam et al.，2015)[12-14]。本文着眼于新的宏观视角——社会信用环境，同时，从供给和需求角度检验了社会信用环境对我国家庭私人借贷市场参与的影响，拓展了非正规信贷相关领域的文献。第二，已有研究聚焦于分析社会信用环境对正规金融市场运行的作用，如，陈雨露和马勇(2008)[15]指出，较高的社会信任水平有利于提高银行业的运行效率;钱先航和曹春芳(2013)[16]发现，良好的信用环境促使城市商业银行发放更多的短期贷款、信用贷款和个人贷款;李俊青等(2017)[17]研究表明，好的信用环境通过降低收益率波动，减小银行风险。本文考察社会信用环境对我国家庭私人借贷市场参与的影响，丰富了信用环境经济效应的相关研究。第三，与 Guiso 等(2004)[5]认为低社会信任水平降低了私人借贷使用(未检验内在机制)不同，本文通过搭建微观理论框架，分析社会信用环境影响私人借贷市场参与的机制，研究发现失信环境抑制了私人借贷供给和需求，降低了私人借贷可获得性，并从风险容忍度、社会网络和交易成本三方面予以诠释，完善了非正规信贷机制的相关内容。

　　二、文献综述与理论分析

　　(一)文献综述

　　与本文较为相关的文献主要有三方面：(1)非正规信贷市场形成机制的文献;(2) 非正规信贷市场影响因素的相关文献;(3) 信用环境经济效应的文献。

　　关于非正规信贷市场的形成机制，现有研究主要持三种观点。(1)正规信贷市场发展不充分不均衡论。由于小微经济主体的资金需求具有“金额小、频率高、还款能力不稳定”等特征，使得银行在满足其信贷需求时略显乏力，从而前者只能通过非正规信贷渠道寻求成本更高的资金。(2) 金融抑制论。 Rostow 和 Mckinnon(1974)[18]指出，金融抑制是非正规信贷市场存在的直接原因。该观点在我国得到部分印证，即信贷资源“所有制歧视”迫使民营企业向非正规信贷市场寻求资金(张杰，2000;陈东和刘志彪，2020)[19,20]。不过，当金融市场高度市场化的发达国家也出现非正规信贷市场时，该论述似乎自相矛盾。(3)信息优势论。Stiglitz 和 Weiss(1981)[21]指出，道德风险和逆向选择是正规信贷市场无法回避的问题。私人借贷市场可适当降低道德风险和逆向选择问题。一方面，由于私人借贷主要发生在同区县范围内的亲戚朋友之间，较近的居住距离和频繁的 “打交道”降低了合约监督成本，利于缓解道德风险问题(Karlan，2007)[22];另一方面，由于借贷双方较为熟悉，借出方可以较为容易地识别出潜藏在借入方背后的风险，利于缓解逆向选择问题(Ghatak， 1999)[23]。因此，“信息优势”成为以私人借贷为主的非正规信贷市场存在的根本性原因(林毅夫和孙希芳，2005)[24]。

　　关于非正规信贷市场的影响因素，现有研究主要从微观和宏观视角予以探讨。(1)微观层面的研究聚焦于分析个人信任态度和社会网络特征对非正规信贷需求的影响。从信任态度角度来看，Duarte 等(2012)[6]借助美国某 P2P 平台的数据进行研究，发现资金借出方对借入方的信任程度越低，借入方获得借款的难度越高。柴时军和叶德珠(2019)[7]利用 2016 年中国家庭追踪调查数据的研究表明，对父母和邻居等特殊群体信任水平更高的家庭，更可能寻求非正规信贷，并且需求额度更高。从社会网络角度来看，杨汝岱等(2011)[8]利用农村金融调查数据进行研究，发现社会网络丰富度的提升显著提高了农户非正规信贷市场参与的活跃度。类似的，胡枫和陈玉宇(2012)[9]、Chai 等(2018)[10]也发现，丰富的社会网络有助于提高农户非正规信贷使用的概率和规模。个别学者探讨了金融素养与家庭信贷行为的关系。宋全云等(2017)[11]利用中国家庭金融调查数据的研究表明，金融知识的提升显著降低了家庭非正规信贷的使用概率，提高了正规信贷的使用概率。(2)宏观层面的研究主要是探讨外部金融环境如何影响非正规信贷使用。Islam 等(2015)[14]基于 1987—2008 年孟加拉发展研究所的农户调查数据进行研究，发现微型金融组织可及性的提高显著降低了非正规信贷的使用概率，但对使用规模无显著影响。董艳等(2020)[12]借助中国家庭金融调查与银行网点分布的匹配数据进行研究，发现区域内银行网点数量的增加会降低农户民间借贷市场参与率。吴雨等(2020)[13]结合中国家庭金融调查和北京大学数字金融指数进行研究，发现地区数字金融发展水平对私人借贷供给和需求存在挤出效应。

　　综上所述，已有研究主要关注微观个体或家庭特征对非正规信贷市场参与的影响，鲜有研究提供社会信用环境如何影响我国家庭非正规信贷市场参与的微观证据。鉴于非正规信贷形式繁多，本文将非正规信贷市场的主要形式——私人借贷市场作为研究对象，分析社会信用环境对私人借贷供给和需求的影响。

　　(二)理论分析

　　私人借贷以借贷双方的彼此信任为基础，具有信息不对称性低的优点。失信环境造成了人际间信任感降低和借贷双方信息不对称性升高的后果。信任感的下降放大了道德风险问题，使得借出方面临更高的资金损失风险，抑制了私人借贷供给;信息不对称性的上升缩小了私人借贷市场相较于正规信贷市场的信息优势，促使部分人群转向正规信贷市场寻求资金，抑制了私人借贷需求。因此，提出本文的假说 1。

　　假说 1：失信环境会抑制私人借贷供给和私人借贷需求。

　　失信环境同时抑制私人借贷供给和需求，因此，私人借贷可获得难度的变化取决于失信环境对私人借贷供给和需求抑制作用的强度差异。如果失信环境对私人借贷供给的抑制作用强于对私人借贷需求的抑制作用，则私人借贷可获得难度上升，反之，难度下降。据此，提出假说 2。

　　假说 2a：失信环境对私人借贷供给的抑制作用强于对私人借贷需求的抑制作用，私人借贷可获得难度增大。

　　假说 2b：失信环境对私人借贷供给的抑制作用弱于对私人借贷需求的抑制作用，私人借贷可获得难度减小。

　　本文构建如下微观研究框架，分析社会信用环境如何通过风险承担机制、社会网络机制和交易成本机制影响私人借贷市场参与，见图 1。

　　1.风险承担机制。风险容忍度的提升，有利于推动家庭从事私人借贷供给(借出)活动。私人借贷供给作为一项风险性投资，存在资金损失风险，其余条件相同的情况下，风险容忍度越高，家庭进行私人借贷供给的可能性越高。④失信环境会抑制积极情绪、诱发消极情绪，进而降低居民风险容忍度。心理学和社会学的研究表明，失信环境中的个体在幸福感、获得感和满足度等方面表现更差，更容易积累焦虑和抑郁等负面情绪(Lu et al.，2020)[25]，负面情绪会降低个体风险容忍度 (Isen and Patrick，1983;Forgas and Joseph，1995)[26,27]，从而抑制私人借贷供给，因此，提出假说 3。

　　假说 3：失信环境通过降低风险容忍度抑制私人借贷供给。

　　2.社会网络机制。社会网络具有信息传递的功能，丰富的社会网络有利于信息交互与共享，降低信息不对称性，促进私人借贷市场参与。已有研究基本就社会网络对非正规信贷市场参与具有正向影响达成共识。杨汝岱等(2011)[8]基于 2009 年北京大学国家发展研究院与花旗银行合作进行的“农村金融入户调查”数据的研究表明，丰富的社会网络提高了农户非正规借贷市场参与的活跃性。马光荣和杨恩艳(2011)[3]使用同样的数据也发现，丰富的社会网络通过缓解信息不对称问题，促进农户参与民间借贷。胡枫和陈玉宇(2012)[9] 借助中国家庭追踪调查数据(CFPS)进行研究，发现丰富的社会网络显著降低了农户非正规信贷市场的交易成本，提高了非正规信贷的可获得性和规模。失信环境会提高信息不对称性，不利于家庭拓展社会网络，阻碍了私人借贷市场参与。社会网络以彼此信任为基础，受外部信用环境的影响较大。失信环境会破坏人际间信任感、淡化亲友关系，使得社会网络稳定性和丰富度下降，从而抑制私人借贷市场参与，因此，提出假说 4。

　　假说 4：失信环境通过缩小社会网络抑制私人借贷供给和需求。

　　3.交易成本机制。失信环境会提高借贷双方的信息不对称性，增大资金损失风险，⑤推高私人借贷利息成本，进而抑制私人借贷需求。具体而言，借贷双方信息不对称性的提高，会减小私人借贷市场相较于正规信贷市场的信息优势，诱发逆向选择和道德风险问题，放大资金损失风险。为此，借出方往往会提高借出款利率，以对冲潜在的风险和弥补相应的机会成本。中国家庭金融调查显示，近年来要求支付利息的借出方比例和借出款利率呈现上升态势。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贷交易成本的增大，抑制了部分私人借贷需求，因此，提出假说 5。

　　假说 5：失信环境通过推高私人借贷交易成本抑制私人借贷需求。

　　三、研究设计

　　(一)计量模型

　　本文构建如下计量模型分析社会信用环境对私人借贷市场参与的影响。 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 为第 i 个家庭所在地级市(直辖市)c 的社会信用环境。式(1)采用 Probit 模型进行回归分析，因变量为虚拟变量，包括私人借贷供给端(私人借贷借出、新增私人借贷借出和私人借出款付息)和需求端(私人借贷需求、新增私人借贷需求和私人借贷获得)的相关指标。式(2)因变量 y* i 为第 i 个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，由于二者呈现左归并于 0 的特征，故采用 Tobit 模型进行回归分析。Xi 为控制变量矩阵，包括户主个人、家庭及地区特征变量等;Trusti 为信任态度固定效应; Region 为东中西部固定效应。⑥

　　(二)数据来源与处理

　　本文数据主要来自两部分：私人借贷数据来自 2015 年和 2017 年中国家庭金融调查(简称，CHFS);信用环境数据来自百度指数统计分析平台。

　　CHFS 是西南财经大学中国家庭金融研究中心实施的全国范围内的家庭入户调查，2017 年第四轮调查样本覆盖全国 29 个省(自治区、直辖市)，355 个县(区、县级市)，样本规模为 4 万余户，约 2.8 万户是 2015 年的追访家庭样本，具有全国代表性。最重要的是，CHFS 包含详细的私人借贷市场参与问题，为深入研究提供了可靠的素材。

　　信用环境衡量指标主要是百度搜索失信指数(Shixin_Baidu1)和百度资讯失信指数(Shixin_Baidu2)，指标的构建依托于百度指数统计分析平台。百度指数是中国版的“谷歌指数”，广泛应用于学术界和实务界(李春涛等，2020)[28]。其中，百度指数分为百度搜索指数和百度资讯指数。百度搜索指数是以网民在百度的搜索量为数据基础，以关键词为统计对象，科学分析并计算出各个关键词在百度网页搜索中搜索频次的加权。百度资讯指数是以百度智能分发和推荐内容数据为基础，将网民的阅读、评论、转发、点赞、不喜欢等行为的数量加权求和得出的资讯指数。具体而言，首先，选取反映失信的关键词(老赖、失信被执行人和失信人);其次，统计出各地级市(直辖市)各关键词的日度百度搜索指数和百度资讯指数，汇总得到年度百度搜索指数和百度资讯指数;最后，将所有关键词的年度百度搜索指数和百度资讯指数按地级市(直辖市)进行加总，得到百度搜索失信指数和百度资讯失信指数，用以刻画社会失信，指数越大表明失信问题在当地越突出。

　　(三)变量解释

　　1.被解释变量：私人借贷借出(Plsupply)、私人借贷需求(Pldemand)和私人借贷获得(Plobtain)。参考吴雨等(2020)[13]的研究，定义私人借贷借出、私人借贷需求和私人借贷获得三个变量。

　　(1)私人借贷借出。如果受访者存在尚未收回的借出款且借出对象为亲戚朋友，则私人借贷借出取值为 1，否则为 0。同时，定义了私人借出款占比(Plsupply_ratio)，以私人借出款总金额占家庭金融资产总价值的比例表示。⑦此外，考虑到部分家庭的私人借贷借出时间早于调查年份，还定义了“新增私人借贷借出”(Plsupply_new) 变量，如果受访家庭 2015 年不存在私人借贷借出，但 2017 年追踪调查时有私人借贷借出，则“新增私人借贷借出”取值 1，否则为 0。进一步，考察社会信用环境对私人借出款利息支付情况的影响，分别以虚拟变量“私人借出款付息”和连续变量“私人借出款年利率”衡量利息成本，将年利率上限设置为 24%。⑧

　　(2)私人借贷需求。以对如下问题的回答作为判断是否存在私人借贷需求的标准：第一，“是否因生产经营、住房建设、商铺经营、汽车购买、教育、医疗和股票(其他金融资产)投资等存在尚未还清的亲戚朋友借款”;第二，“是否因农业或工商业生产经营原因需要从亲戚朋友处借款?(1.不需要;2.需要，但没有找别人借过;3.需要，找别人借过但没借到)”。如果受访家庭对第一个问题回答为“是”或对第二个问题回答为“2 或 3”，则认为存在私人借贷需求，取值为 1，否则为 0。类似的，定义了“新增私人借贷需求” (Pldemand_new)变量。

　　(3)私人借贷获得。以确定私人借贷需求的第一个问题作为判断是否存在私人借贷获得的标准，如果回答为“是”，则认为存在私人借贷获得，取值为 1，否则为 0。

　　2.解释变量：社会信用环境(CreditEnvironmentic)。以百度搜索失信指数(Shixin_Baidu1)和百度资讯失信指数(Shixin_Baidu2)表示，指数越大表明信用环境越严峻，并进行加 1 取对数处理以减小异方差的影响。同时，在稳健性检验中汇报了基于“城市信用状况排名”(Shixin_CR)的结果，基于“民间借贷纠纷案件数”(Shixin_ Judgement)的结果，以及基于自然人失信(Shixin_P)和企业失信(Shixin_C)(余永泽等，2020)[29]的结果，其中，自然人失信和企业失信分别以城市每万人口中失信自然人数量和失信企业占比表示。⑨以上指标越大，表明信用环境越差。相较于 Guiso 等(2004)[5]借助调查问卷中个人主观信任感测度社会信任水平而言，本文所用社会信用环境指标具有客观性更强和覆盖维度更广的优点。

　　3.控制变量。参考已有研究，选择控制如下变量：(1)户主人口统计学特征，如年龄(Age)、性别(Gender， 男 性 为 1， 女 性 为 0)、 受 教 育 年 限(Education，未上过学为 0、小学为 6、初中为 9、高中/中专/职高为 12、大专/高职为 15、大学本科为 16、硕士研究生为 19、博士研究生为 22)、婚姻状况(Marriage，已婚为 1，其他为 0);(2)户主非人口统计学特征，如主观幸福感(Happiness，有序变量， 1 =非常幸福，5 =非常不幸福)、身体健康状况(Health，有序变量，1=非常好，5=非常不好)、工作状况(Work，有工作取 1，否则为 0)、工商业经营(Entrepreneurship)、信用卡持有(CreditCard，持有信用卡为 1，否则为 0)、正规信贷获得(Credit_Formal，存在尚未还清的银行等正规信贷资金为 1，否则为 0)等;(3)户主家庭特征变量，如 0 至 6 岁孩子数量(Child1)、7 至 15 岁孩子数量(Child2)、家庭非金融类收入(Ln_income)、家庭非金融类资产(Ln_asset)和城乡(Rural，农村为 1，城镇为 0)等;(4)宏观变量主要包括城市人均银行网点数量(BankNum_ per)、城市夜间经济活力 (Eco_vitality)、城市经济增速(GDP_rate)，省份人均 GDP(Ln_GDP_ per)、省份金融业市场化程度(Fmarketization)、省份司法文明程度(Jcivilization)等。⑩

　　描述性统计结果表明：从供给端来看，18%的家庭存在私人借贷借出款，私人借贷借出款占比均值为 7%;从需求端来看，19%的家庭存在私人借贷需求，高于私人借贷借出的均值;私人借贷供给低于私人借贷需求造成供求关系失衡，私人借贷可获得难度增大，表现为私人借贷获得仅为 9%，远低于私人借贷需求。

　　此外，本文以自然人失信和企业失信的均值为分组标准，将城市分为高、低失信组城市，对高、低失信组城市的家庭私人借贷市场参与情况进行组间差异检验，具体结果见表 1。结果表明，从自然人失信组(Shixin_P)来看，相较于低失信组城市家庭而言，高失信组城市家庭的私人借贷需求和获得更低;从企业失信分组(Shixin_C)来看，相较于低失信组城市家庭而言，高失信组城市家庭的私人借贷需求和获得更低。

　　(四)工具变量选择

　　内生性困扰是因果关系识别途中的“拦路虎”。信用环境作为宏观变量，微观个体的私人借贷行为几乎不会反向影响信用环境，并且通过将信用环境滞后 1 期，基本排除了双向因果关系导致的内生性问题。不过，在控制了大量个人、家庭和地区特征变量后，仍可能存在因遗漏变量和衡量偏误导致的内生性问题。因此，选择以工具变量法缓解上述内生性问题。具体而言，参考 Ang 等(2015)[30]、徐现祥等(2015)构造的城市汉语次方言片数(Dialect_num)作为工具变量。一定程度上汉语次方言片数的增加表明占非主导地位方言的群体更易融入当地社会，反映了当地较高的社会包容性，社会包容性的提高有利于改善社会信用环境。方言是在数千年的历史发展与社会变迁中逐渐形成的，具有较强的外生性。同时，也控制了大量反映地区经济、金融、法律情况的变量，避免工具变量通过其他渠道影响私人借贷市场参与，以满足排他性要求。

　　此外，还构造了一系列工具变量以增强稳健性。(1)参考余永泽等(2020)[29]的研究，以历史上每万人佛教活动场所数量(Buddhism_sites)作为工具变量。佛教(宗教)教义与规范提倡诚实守信类似，佛教(宗教)的活动场所作为其宣传教义规范的地点，会通过道德宣教等方式约束或减少失信行为，改善社会信用环境。同时，以历史层面的佛教(宗教)场所数量作为工具变量，具有较强的外生性。(2)参考封志明等(2007)的方法，以 ArcGIS 软件处理得到城市地形起伏度(Relief_amplitude)作为工具变量。封志明指出，地形起伏度与人口分布密度大致呈负相关关系，地形起伏度高的地区人口分布稀疏、乡土气息更浓、民风更淳朴，当地人更加珍惜连接彼此的信任纽带，因为一旦失信就会面临较高的成本，进而失信于人的概率更低，即地形起伏度与失信环境负相关。同时，地形作为地理特征，与人为因素和社会经济环境无关，外生性较强。

　　四、实证结果

　　(一)基础回归结果

　　2 为基础回归结果，其中，第(1)列和第(5)列的因变量为私人借贷借出(Plsupply)，第(2)列和第(6)列的因变量为私人借出款占比(Plsupply_ratio)，第 (3) 列和第 (7) 列的因变量为私人借贷需求(Pldemand)，第(4)列和第(8)列的因变量为私人借贷获得(Plobtain)。结果表明，百度搜索失信指数(Shixin_Baidu 1) 和 百 度 资 讯 失 信 指 数(Shixin_Baidu2) 在 1%的显著性水平下降低了私人借贷借出、私人借出款占比、私人借贷需求和私人借贷获得，支持了假说 1 和假说 2a。此外，控制变量的符号方向与已有研究基本一致。例如，低学历、创业和农村家庭更可能参与私人借贷市场以寻求资金，已婚家庭进行私人借贷借出的可能性更低，健康状况更差的家庭具有更高的私人借贷需求、更不可能进行私人借贷借出，存在未还清正规信贷资金的家庭更不可能进行私人借贷供给。造成信用环境对我国和意大利家庭私人借贷市场参与影响存在巨大差异的原因主要是：(1)我国的社会信用体系建设更为滞后，相较于拥有更完善的社会信用体系的意大利而言，我国自 2013 年才开始进行系统性的社会信用体系建设，目前仍处于以“失信惩戒”为主的初期建设阶段;(2)我国家庭更加依赖私人借贷市场，表现为私人借贷借出和私人借贷获得的平均占比更高，意大利银行进行的家庭收入与财富调查(SHIW)显示，2008—2016 年间存在私人借贷借出和私人借贷获得的意大利家庭平均占比分别为 1.24% 和 2.88% ，而 中国 家庭 金 融调查(CHFS)显示，2011—2017 年间存在私人借贷借出和私人借贷获得的中国家庭平均占比为 14.17%和 23.83%，远高于意大利。

　　(二)内生性处理

　　表 3 为工具变量两步法结果。第一阶段表明百度搜索失信指数和百度资讯失信指数存在内生性问题，汉语次方言片数(Dialect_num)显著降低了百度搜索失信指数和百度资讯失信指数，第一阶段 F 值远大于 10%显著性水平下 Stock-Yogo 弱工具变量检验的阈值，工具变量选取合适。第二阶段结果表明，百度搜索失信指数和百度资讯失信指数显著降低了私人借贷借出、私人借出款占比、私人借贷需求和私人借贷获得。

　　五、稳健性检验

　　(一)变量稳健性检验

　　1.替换自变量。(1)将信用环境指标替换为城市信用状况排名(Shixin_CR)。结果表明，城市信用状况排名越靠后，私人借贷借出、私人借贷需求和私人借贷获得越低，分别见表 4Panel A 第(1)列、第(3)列和第(4)列。(2)将信用环境指标替换为民间借贷案件纠纷数(Shixin_ Judgement)。结果表明，民间借贷案件纠纷数显著降低了私人借贷借出、私人借出款占比、私人借贷需求和私人借贷获得，分别见表 4Panel B 第(1)列至第(4)列。(3)将信用环境指标替换为自然人失信(Shixin_P)。基础回归和工具变量法结果均表明，自然人失信显著降低了私人借贷借出、私人借出款占比、私人借贷需求和私人借贷获得，分别见表 4Panel C 第(1)列至第(4)列。(4)将信用环境指标替换为企业失信(Shixin_C)。结果表明，企业失信显著降低了私人借贷借出、私人借出款占比、私人借贷需求和私人借贷获得，分别见表 4Panel D 第(1)列至第(4)列。

　　2.替换因变量。将因变量私人借贷借出和私人借贷需求分别替换为新增私人借贷借出(Plsupply_new)和新增私人借贷需求(Pldemand_new)，分别见表 5 第(1)列和第(2)列、第(3)列和第(4)列。结果表明，百度搜索失信指数和百度资讯失信指数显著降低了新增私人借贷借出，自然人失信和民间借贷纠纷案件数显著降低了新增私人借贷需求。

　　(二)样本稳健性检验

　　1.替换微观调查数据库。将 2017 年中国家庭金融调查替换为 2013 年中国家庭收入调查(CHIP)，匹配滞后 1 期的自然人失信指标。结果显示，自然人失信显著降低了私人借贷借出、私人借出款占比和私人借贷需求。

　　2.子样本检验。(1)由于人口流动会对信用环境感知产生影响，因此剔除有过外地生活或工作的样本。结果表明，百度搜索失信指数和百度资讯失信指数显著降低了私人借贷借出、私人借出款占比、私人借贷需求和私人借贷获得。(2)为避免影响结果，剔除 2017 年前存在私人借贷借出、私人借贷需求和私人借贷获得的样本。结果表明，百度搜索失信指数和百度资讯失信指数显著降低了私人借贷借出、私人借贷需求和私人借贷获得。

　　六、机制分析

　　理论分析表明失信环境通过风险承担机制抑制私人借贷供给，通过社会网络机制抑制私人借贷供给和需求，通过交易成本机制抑制私人借贷需求。本文运用逐步回归法构建中介效应模型检验上述机制，除式(1)和式(2)外，还需构造如下计量模型： 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 为第 j 个中介变量，分别为风险容忍度、社会网络和交易成本。在式(1)和式(2)已证实失信环境会降低私人借贷供给和需求的基础上，如果系数 χ1 和 δ2，或 χ1 和 γ2 同时显著，则相应机制得到验证。

　　(一)风险承担机制

　　已有研究表明，高风险容忍度家庭参与私人借贷借出的可能性更高，失信环境会降低风险容忍度，降低家庭进行私人借贷借出的可能性。因此，构建以风险容忍度(Risk_Tolerance)为中介变量的中介效应模型，检验失信环境是否会通过降低风险容忍度限制私人借贷借出，具体结果见表 6。参考宋全云等(2017)[11]的研究，以受访者对如下问题的回答测度风险容忍度，“如果您有一笔资金用于投资，您最愿意选择哪种投资项目?答案为有序变量，1 为高风险高回报项目，5 为不愿承担任何风险”，取值越大，风险承受能力越低。结果表明，百度搜索失信指数对风险容忍度变量具有正向影响，意味着失信环境越严重，风险承受能力越低，见表 6 第(1)列;风险容忍度变量显著降低了私人借贷借出和私人借出款占比，见第(2)列和第(3)列。可知，χ1，δ2 和 γ2 均显著，中 介效应模型成立，验证了假说 3。

　　(二)社会网络机制

　　理论分析表明，丰富的社会网络有助于推动家庭参与私人借贷市场，失信环境会降低人际间信任感和淡化亲戚朋友关系，降低社会网络丰富度，进而抑制私人借贷需求。构建以社会网络为中介变量的中介效应模型，检验失信环境是否通过缩小社会网络抑制私人借贷的市场参与，详细结果见表 7。具体而言，参考杨汝岱等(2011)[8]、马光荣和杨恩艳(2011)[3]的研究，从“社会网络广度(Social_Network1)”和“社会网络强度(Social_Network2)”两个维度测度社会网络。輥輯訛

　　表 7Panel A 汇报了失信环境通过缩小社会网络抑制私人借贷供给的结果。结果表明，百度搜索失信指数显著降低了社会网络广度和强度，见第(1)列和第(4)列;社会网络广度和强度显著提高了私人借贷借出和私人借出款占比，见第(2)列、第(3)列、第(5)列和第(6)列。可知，χ1，δ2 和 γ2 均显著，中介效应模型成立，社会网络是失信环境抑制私人借贷供给的中介变量。Panel B 汇报了信用环境通过缩小社会网络抑制私人借贷需求的结果。结果表明，百度搜索失信指数和百度资讯失信指数显著降低了社会网络广度，见表 7 第(1)列、第(2)列和第(5)列;社会网络广度显著提高了私人借贷需求，见第(3)列、第(4)列和第(6)列。可知，χ1，δ2 和 γ2 均显著，中介效应模型成立，社会网络是失信环境抑制私人借贷需求的中介变量。因此，验证了假说 4。

　　(三)交易成本机制

　　理论分析表明失信环境通过增大私人借贷交易成本，抑制私人借贷需求。本文构建以交易成本为中介变量的中介效应模型，检验失信环境是否会通过提高交易成本抑制私人借贷需求。其中，交易成本分别以私人借出款付息(Plsupply_ pi)和私人借出款利率(Plsupply_i)表示，具体结果见表 8。结果表明，自然人失信(Shixin_P)显著提高了私人借出款付息和私人借出款利率，见 Panel A 第(1)列和第(3)列;私人借出款付息和私人借出款利率对私人借贷需求有显著负向影响，见 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环境抑制私人借贷需求的中介变量，假说 5 成立。为了稳健性起见，将自然人失信替换为民间借贷纠纷案件数 (Shixin_ Judgement) 和百度搜索失信指数(Shixin_Baidu1)，结论依旧稳健，具体结果见表 8Panel B。

　　七、结论与启示

　　(一)研究结论

　　信用环境不仅对正规金融市场的有序运行较为重要，也对非正规金融市场健康运转具有重要意义。本文将中国家庭金融调查数据与多种信用环境衡量指标进行匹配，从供给端和需求端检验信用环境对居民私人借贷市场参与的影响。研究发现：(1)失信环境降低了私人借贷供给和需求，推高了私人借贷利率，增大了私人借贷可获得难度;(2)以方言片数、历史上宗教活动场所密度和地形起伏度等工具变量缓解内生性问题，并进行大量变量和样本稳健性检验后，上述结论依旧成立;(3)机制分析表明，失信环境通过降低风险容忍度和社会网络丰富度抑制私人借贷供给，通过降低社会网络丰富度和提高交易成本抑制私人借贷需求。

　　(二)政策启示

　　1.明确非正规信贷市场的定位，破解阻碍其健康发展的“信用风险难题”，更好地发挥非正规信贷市场在服务实体经济发展中的作用。非正规信贷市场作为正规信贷市场的有益补充，其健康发展有助于提高资源配置效率，推动经济高质量发展。然而，目前的制度与政策“强调规范、缺乏保护”，隐藏了非正规信贷市场背后的“信用风险”。相关部门应注重从两方面降低信用风险，更好地守住不发生系统性金融风险的红线。第一，鼓励借贷双方以符合法律保护的形式签约，不逾越“利率保护”红线，从借贷双方内部降低信用风险。第二，优化非正规信贷市场赖以生存的信用环境，缓解信息不对称性，从借贷双方外部降低信用风险。

　　2.完善现行失信被执行人名单制度，扩大覆盖面和设计差异化惩戒措施，优化私人借贷市场健康发展所需的社会信用环境。自 2013 年失信被执行人名单制度实施以来，社会信用体系建设取得阶段性进展，累计公布 600 余万个主体的失信信息。不过，仍存在覆盖面窄和无法有效解决同一主体多次失信的问题。从覆盖面来看，名单仅收录了通过法律途径被诉诸至法院且拒绝履行法律文书义务的失信主体，诸多失信现象未纳入其中，如交通肇事逃逸和商品虚假宣传等。从多次失信问题来看，名单显示约20%的主体存在两次以上的失信行为，这些主体成为“老赖中的老赖”，现有惩戒手段无法阻碍其多次失信，出现“政策失灵”现象。因此，不仅应该扩大名单覆盖面，还应设计“累加或累乘式”的惩戒手段，加码失信成本以遏制失信之风，为居民从事私人借贷活动创造更优的信用环境。

　　(三)研究不足与展望

　　本文将宏观信用环境纳入私人借贷市场参与的分析框架，不仅拓展了非正规信贷市场影响因素的相关研究，还丰富了信用环境微观经济效应的有关文献。受数据所限，尚存在一些不足之处：(1)缺少时期更长的追踪数据考察社会信用环境变化过程中私人借贷行为的变化，无法观测到同一主体在同一地区不同信用环境下借贷行为的变化;(2)由于缺乏交易对手的详细数据，导致无法观测到借贷双方信用环境的差异性如何影响私人借贷市场参与，如是否居住在信用环境更好地区的借出方会向处于信用环境更差地区的借款人收取更高的利息，即“失信环境的利率溢价”。以上不足之处，待数据可获得性提高后将进行深入探讨。