金融投资中的教育溢价及其性别异质性——基于P2P网贷投资的实证检验

丁 杰，曾 燕，李悦雷， 郭 阳

(1.广东财经大学金融学院，广东 广州 510320；2.中山大学岭南(大学)学院，广东 广州 510275；3.天津大学管理与经济学部，天津 300072；4.北京国电通网络技术有限公司，北京 100070)

1 引言

多渠道增加居民财产性收入是深化收入分配制度改革的基本目标之一。随着财产性收入占我国居民收入的比重越来越大，教育怎样影响居民的财产性收入自然成为一个热点问题，而财产性收入的一个重要来源就是金融投资收益。金融投资中的教育溢价问题，最早由Golec[1]做了相关研究，其研究发现基金经理受教育程度对基金绩效有显著影响，并且尤其强调了有MBA学位的基金经理在基金绩效上有更好的表现。Chevalier和Ellison[2]的研究认为学校背景对提升基金绩效的贡献较大，名校毕业的经理其绩效比普通大学毕业的要好。但学历背景，如是否取得硕士和博士学位对基金绩效几乎没有影响。Gottesman和Morey[3]研究认为GMAT分数对业绩有显著正的影响，而是否拥有CFA证书或者硕士学位以及博士学位与业绩没有必然的联系。Li Haitao等[4]认为教育背景可能影响投资者的风险行为，受教育水平高的基金经理所选择的投资组合的风险更低。国内的研究中，艾洪德和刘聪[5]、赵秀娟和汪寿阳[6]的研究发现高学历的基金经理在风险控制方面更具有优势。这些关于机构投资者(以基金经理为典型代表)的研究结论对于理解金融市场上投资者的投资行为，提高投资绩效具有较强的现实意义。然而，不同于国外金融市场，我国金融市场上个体投资者居多，个体投资者与机构投资者在投资偏好、投资决策、投资行为等方面均存在较大差异，基于机构投资者的研究结论并不一定适用于个体投资者。

教育对个体投资者影响的研究主要出现在家庭金融领域。相关的研究主要包括两方面内容。一方面的研究涉及教育对投资者市场参与决策和资产配置决策的影响。如Vissing-Jorgensen[7]认为更高的教育水平使居民更容易学习和理解股票投资知识，推动其参与股市。Campbell[8]的研究发现教育对居民的股市参与有较强的正向影响，并且认为教育程度高的居民构建了更有效的投资组合。尹志超等[9]研究发现金融知识的增加有利于提高居民的股市参与。胡振何和臧日宏[10]研究认为金融教育对家庭在不同风险资产参与上的影响有差异，且金融教育对家庭金融市场参与的影响与家庭的收入风险相关。至于教育是如何影响金融投资决策的，劳动力市场的研究得出了教育提高认知能力的结论[11]。Christelis等[12]，Cole等[13]进一步得出了认知能力影响金融投资决策的结论，从而搭建出这一完整的影响路径：教育→认知能力→金融投资决策。吴卫星和沈涛[14]进一步又从金融认知和收入稳定性两方面检验了学历对金融参与决策的影响机制。

金融投资决策与投资行为必然影响投资绩效，因此第二方面的研究主要涉及到教育水平对个体投资者投资绩效的影响，即金融投资中的教育溢价问题。如Cole等[13]不仅检验了教育对参与决策的影响，还检验了教育对投资者金融产出的影响，发现教育显著提高了投资者投资收入。不同于国外的研究，由于数据缺失等原因，国内目前家庭金融领域的研究仍然停留在探讨个体投资者特征(包括教育)如何影响其金融投资决策，缺乏对个体投资者投资绩效的研究。仅有谭松涛和陈玉宇[15]基于中国数据，检验了股民投资经验对投资收益的影响，发现投资经验通过提高股民的择股能力和择时能力影响其投资收益。但教育对个体投资者投资绩效的影响是怎样的，尚缺乏相关的经验证据。因此，本文的研究对象之一为金融投资中个体投资者的教育溢价效应。

进一步，本文还检验了教育溢价的性别异质性，不仅关注个体投资者在投资绩效上是否存在显著的性别差异以及教育溢价，更关注教育溢价的性别差异。之所以同时考虑教育溢价的性别差异，源自于男女性在风险偏好等方面天然的异质性。一般认为女性投资者更重视资产的风险属性，在构建投资组合时会选择确定性较高的资产，并且尽量避免投资于风险性资产[16]。投资者性别差异的研究最早来自Lewellen等[17]，他们通过问卷调查等方式对美国1964年到1970年间基金经理的特征与投资风格进行了研究，结果证实了性别是投资风格最重要的决定因素之一。此后，大量学者的研究结论证实了投资者性别的重要性，并指出女性倾向于规避风险。Byrnes 等[16]使用Meta分析方法对150篇性别和风险偏好关系的相关研究进行了分析，得出女性比男性有更高的风险厌恶水平的结论。这种风险偏好上的差异也导致了投资绩效上的性别差异[18]。Barber和Odean[19]使用超过35000个家庭的数据分析了1991-1997年女性和男性的股票投资情况，发现男性比女性交易更加频繁，而获得的收益更少。以上关于金融投资中教育溢价和性别差异的研究对象无一例外为机构投资者，本文则将研究视角转向个体投资者。如果说教育对投资者的认知能力乃至投资决策和投资绩效的影响是一种后天影响，不同性别的投资者的行为差异则往往具有一定的先天性。本文感兴趣的是后天的教育带来的投资溢价对投资中性别差异的调节作用是怎样的，是有助于缓解个体投资者先天的性别差异，还是扩大了这种差异?

通过对P2P网贷投资中借款订单数据与投标记录数据相匹配，得到投资者的个人特征数据和投资数据，本文就教育溢价及其性别异质性进行了实证检验和分析。这一研究的边际贡献在于：①不同于国外以机构投资者为主，我国的金融市场上个体投资者居多，个体投资者的非理性投资行为除了给自己带来损失，也增加了市场的不稳定性。在此背景之下，对个体投资者的研究就显得尤其重要。但国内以往的相关研究主要基于机构投资者，基于个体投资者的研究则缺乏对投资绩效的衡量。本研究基于P2P网贷投资数据，这一数据集的特点之一在于包含了个体投资者的信息，特点之二在于包含了可以反映投资绩效的信息。本文运用这一数据检验了教育对个体投资者金融投资带来的溢价效应，这对于能否通过教育提高居民的财产性收入具有一定现实意义。本文还进一步检验了教育对投资领域性别差异的调节作用，目前还没有发现相关的研究，这对于能否通过教育溢价理解男女投资者在金融领域的不同投资表现具有一定启示意义。②随着互联网金融的兴起，P2P网贷投资成为家庭金融配置的渠道之一，但近几年爆发的P2P平台跑路潮引发了监管层面的担忧[20]。P2P市场的稳定发展，除了要关注市场结构的优化和制度的完善之外，还有一个重要的环节就是个体投资者的成熟与发展。投资者的个体特征往往决定了其能否做出适当的投资决策，减少系统性行为偏差，进而降低金融风险。但目前针对P2P市场参与者个体特征的实证研究无一例外以借款人为研究对象[21-24]，重点关注借款人特征对于借款可得性和借款违约性的影响，而忽略了对投资者的关注。本文的研究则基于P2P市场上的投资者特征展开分析。③Atkinson 等[25]对固定收益型基金的研究发现，无论在基金绩效、风险还是其它特征上，男女性管理的基金皆无差异。文章认为这一结论之所以不同于大多数基于股票型基金的研究，可能是因为固定收益型基金本身就具有风险较低的特性，限制了基金经理的风险行为。这对本文的启示在于投资者特征与投资绩效的关系是否随资产的风险特征发生变化？ P2P网贷投资相对于股票投资有不同的风险特征，其主要风险为违约风险而非市场风险。本文针对P2P网贷投资的研究也为比较不同风险特征的市场上投资者的表现提供了一定的依据。

2 数据说明、实证设计及变量定义

2.1 数据说明

本文选取人人贷(www.renrendai.com)2010年10月至2014年7月期间发布的借款订单和投标记录作为研究的样本来源。人人贷是我国主要的P2P网络借贷平台之一，于2010年10月正式上线。借款人将借款订单发布在平台上后，投资者依据借款订单中的公开信息进行投资决策，决定是否对订单进行投标以及投标的金额。每个借款订单限定的筹资时间为7天，7天内订单一旦筹集到目标资金，表示订单借款成功，称之为满标。订单满标之后将自动进入还款阶段，借款人将按照约定采取等额还本付息的方式向投资者归还本息，直至全部还清。若自订单发布7天内没有筹集到目标资金，则借款失败，则改订单流标。如果流标，订单获得的已投资金将返回到投资者账户中。

投资者每次投标将会形成一条投标记录，投标记录中的主要信息包括：①借款信息(借款订单编号，借款人id，借款期限，借款金额，借款利率，借款最终状态)，②投标信息(投标序号，投标人id，投标金额，投标时间，投标类型等)。人人贷平台不公布投资者的个人信息，但在借款订单的公开信息中，平台会公布每一个借款人的个人信息，如果一个投资者同时也作为借款人在人人贷平台有过借款记录，则可以从其借款订单信息中获取其个人信息。人人贷平台的借款订单中包含的借款人信息主要有：①借款人的基本信息(性别，年龄，婚姻状况，学历等)，②工作信息(岗位职位、工作时间、工作年限、工作收入等)，③信用信息(信用评级、成功借款次数)等。

本文的初始样本有210232笔借款订单，其中50879笔借款有投标记录，共1581817条投标记录。通过将投标记录中投标人id号与借款订单中借款人id号相匹配，共匹配出112356条投标记录中的投资者参与过借款，其个人信息可以从对应的借款订单中获取。人人贷的借款订单包括四种类型：信用认证标、实地认证标、机构担保标、智能理财标。由于其它三种类型订单在信息审核机制上存在较大差异，本文只分析其中的信用认证标。去掉变量缺失的样本，保留借款人年龄在22～65岁的投标记录，最终使用的样本包括60447笔投标记录及其投资者信息，其中，23860个流标，36587个满标。满标订单中处于还款中的订单319个，违约订单2129个，已还清订单34139个。由于还款中的订单无法判断其是否会违约，在进行违约分析时，去除流标订单以及仍处于还款中的订单，剩余36268个样本订单。

从投标标的来看，本文关注的主要变量为性别和受教育水平。其中，男性投标占比82.1%。高中及以下学历投资者投标占比12.56%，大专学历占比25.52%，本科学历占比48.38%，研究生及以上学历占比13.54%。至于其他特征变量，平均年龄33.56。已婚比例为70.8%。由低到高的7个收入等级占比分别为1.34%，2.69%，33.67%，27.64%，10.90%，19.02%，4.75%。

从投资者个体的角度来看，其分布也比较类似。全部样本投标由2369个投资者投出，2369个投资者中，男性占比为83.45%。高中及以下学历14.68%，大专学历26.1%，本科学历48.14%，研究生及以上学历11.08%。已婚比率为67.98%；平均年龄为32.75%。由低到高的7个收入等级占比分别为1.32%，4.36%，38.80%，29.81%，13.35%，7.60%，4.76%。总体而言，从样本数量和样本中投资者特征来看，本文所使用的研究样本对于反映平台上投资者的特征具有一定代表性。

2.2 实证设计

要检验教育的投资溢价及其性别异质性，首先需要衡量投资者的投资绩效。P2P网贷投资决策中，首先要考虑的是能否投资成功，其次才是风险和收益的权衡，基于P2P网贷投资的这一特点，本文从三方面衡量投资者的投资绩效：(1)是否投资成功；(2)投资是否违约；(3)投资收益率。因此，针对以上三个方面，分别设定三个回归方程实证检验投资绩效的教育溢价现象和教育溢价的性别异质性，实证方程设定如下：

Pr(successi=1|genderi,edui,Zi)

=Φ(genderi,edui,Zi)+δi

(1)

Pr(defaulti=1|genderi,edui,Zi)

=Φ(genderi,edui,Zi)+εi

(2)

(3)

其中，式(1)和式 (2)分别检验是否投资成功和投资是否违约，由于被解释变量均为0，1变量，采用Probit回归模型进行估计。式(3)用于检验投资收益率，根据后文对被解释变量的定义，采用Tobit回归模型进行估计。Pr(·)为条件概率，Φ(·)为累积分布函数，δi，εi，ξi分别为三个模型的随机扰动项。

2.3 变量定义

(1)被解释变量。①是否投资成功(success)，借款订单满标表示投资成功，取值为1，否则为0。P2P网贷投资以借款订单为投资对象，如果投资者所投资的借款订单在规定时间内没有筹集到所需资金，则投标人所投资金将被返回，表示投资失败，投资者不得不重新挑选借款订单进行投资，在此过程中投资者承担了资金的闲置成本，通常也称为资金站岗成本。因此，将是否投资成功作为投资绩效的指标之一，可以用来衡量投资者是否承担了较高的资金站岗成本，同时也反映投资者对投资机会的识别能力。②投资是否违约(default)，投资者所投资的订单如果违约取值为1，否则为0。投资成功后，如果所投订单的借款人在还款过程中出现了违约，没有按时归还本息，投资者将遭受损失。因此，通过检验投资者所投的订单是否违约以判断投资者是否承担了较高的违约损失，同时也反映了投资者的风险识别能力。借款订单有5种不同状态：已流标、还款中、已还清、已逾期、已垫付。已逾期是指超过约定还款时间30天未能按期还款，已垫付是指逾期达到90天后，人人贷依约向投资者垫付本金的订单。本文将订单状态为已逾期和已垫付订单都视为违约订单。③投资收益率(rate)，以投资者投资的年收益率来衡量。根据投资者所投订单的借款年利率以及订单的最终状况确定该笔投标的收益率。对于已还清的订单其投资者的收益按借款订单的年利率来衡量。对仍处于还款中的借款订单，尽管不能确定订单最终是否会违约，但在当前阶段能够正常定期归还本息，因此其收益率也按借款订单年利率来衡量。对于流标订单，投标者没有获得利息收益，反而由于资金被锁定以及需要再次选择借款订单，承担了一定的机会成本，但每笔资金投标的时间不一致，因此被锁定时间长短也不一致，且再次选择合适订单的时间长短也难以衡量，精确确定其机会成本较为困难。因此，虽然投资者总收益为负(机会成本)，但是只能观测到大于等于0的总收益，所以把该负的总收益归并到0。对于违约订单，人人贷平台设立了风险备用金制度和本金垫付机制，在一笔借款订单逾期超过30天后，人人贷会向投资者垫付剩余未归还的本金，不垫付利息。因此投资者可以收回全部本金，但本金的垫付存在时间上的滞后，投资者仍会承担一定的机会成本，其收益为负，由于无法观测到其负的总收益，和流标订单一样，本文将违约订单的收益统一归并到0。变量rate的取值始终大于等于0。表1为三个被解释变量的描述性统计。投资者所投订单的平均借款成功率为60.5%，平均违约率为5.87%。投资的平均收益率为7.975%。

表1 投资绩效的描述性统计

(2)解释变量。①投资者性别(gender)，男性取值为1，女性为0；②投标者受教育水平(edu)，以学历为代理变量，人人贷将学历共分成四个等级：高中及以下，大专，本科，研究生及以上。由于是否受过大学教育比较具有代表性，因此本文将edu定义为虚拟变量：高中及以下学历取值为0，表示没有接受过大学教育，大专以上学历取值为1。同时，在稳健性检验中本文也检验了不同学历层级的教育溢价效应。

(3)控制变量。Z为控制变量向量，包括投资者的其它个体特征和投标信息。参考已有的研究以及考虑数据的可得性，选取的控制变量主要有：①年龄(age)。②婚姻状况(married)，人人贷统计的婚姻状况有四种类型，分别为离异，丧偶，未婚，已婚。如果已婚，取值为1，其它状况取值为0。③收入等级(income)，借款人的月收入分为7个等级：1000元以下，1001～2000元，2001～5000元，5001～10000元，10001～20000，20001～50000，50000元以上。取值分别为1～7。④工作年限(jobtime)，工作年限分为四个时间段：1年以下，1-3年，3-5年，5年以上，取值分别为1～4。⑤投标次数(bidnum)，投资者的已有投标次数。可以反映投资者的投资经验。⑥投标金额(amount)，投标金额以元为单位，取对数。解释变量和控制变量的描述性统计如表2所示。

表2 解释变量和控制变量的描述性统计

3 实证结果及分析

3.1 教育溢价的实证检验结果

式(1)的回归结果见表3第(1)列，在控制其它变量的情况下，发现投资是否成功存在显著的性别差异，男性投资者具有更高的投资成功率，意味着男性具有更好的投资机会识别能力。变量edu的系数显著为正，表明投资者受教育水平的提高能显著提升其投资成功率，参照前文所列出的Hanushek和Woessmann[11]；Christelis等[12]；Cole等[13]研究结论，这可能是因为受教育水平的提高使得人们的认知能力得到提升，因而具有更好的投资机会识别能力。以上结果意味着在P2P网贷投资中，男性的资金站岗成本比女性低，投资者的受教育水平越高，资金站岗成本越低，也就表明P2P投资中存在性别差异和教育溢价。其它控制变量的结果显示，年龄、工作收入、工作时间、投标金额与投资成功率均呈显著的负相关关系，投标次数与投资成功率呈显著的正相关关系，这说明投资经验也起到了提高投资成功率，降低资金站岗成本的作用。此外，已婚者的投资成功率比未婚者要高。

式(2)的回归结果见表3第(2)列。结果表明P2P网贷投资中，投资是否违约也存在显著的性别差异，男性投资者在投资中遭受的违约风险显著高于女性，表明其风险识别能力弱于女性，这与股票投资的研究中普遍发现的女性投资者更重视投资的风险属性的结论是一致的。同时，通过与式(1)的回归结果对比，可以发现男性投资者是以承担更高的违约风险为代价获得了更高的投资成功率，因此并不能简单认为男性的投资绩效好于女性，两者的差异可能只是反映了男女性投资者在投资风险与投资机会上的权衡存在差异，男性可能通过更激进的投资选择提高了投资成功率，而女性更加规避风险，在借款订单的选择上更加谨慎，因此投资成功率也更低。变量edu的系数显著为负，说明教育水平的提高对投资者而言起到了提升其风险识别能力的作用，降低了投资者的违约损失。而且对比式(1)的回归结果，可以得出投资者受教育水平的提高能在实现更高投资成功率的同时保持较低的违约风险，这说明在P2P网贷投资中存在较高的教育溢价。控制变量中，高收入的投资者和投标次数越多的投资者其选择的投资订单违约概率更低。投资金额越多的投资者，其选择的投资订单违约的概率更高。其它变量不影响投资是否违约，表明这些个体特征对投资者风险识别能力没有显著影响。

式(3)的回归结果见表3第(3)列。投资收益存在显著的性别差异，男性的投资收益高于女性。edu的系数表明受教育水平能显著提高投资者的投资收益，表现出显著的教育溢价现象。控制变量中，年龄、工作时间、工作收入、投标次数与收益率之间显著负相关。投资金额与投资收益正相关，已婚者的投资收益显著高于未婚者，对比式(1)和式(2)的回归结果，可以发现已婚者在投资成功率和投资收益上都显著高于未婚者，但婚姻对违约风险没有显著影响，这说明在金融投资领域可能还存在婚姻溢价现象。

表3 教育溢价效应的检验结果

注：括号中为标准误；***p<0.01,**p<0.05,*p<0.1；下同。

综合以上回归结果，本文发现在P2P网贷投资中，投资的性别差异在投资成功率，投资违约风险，投资收益率三个方面都有体现。男性投资者在投资成功率和投资收益率上有更好的表现，女性投资者在投资遭受的违约风险上有更好的表现。除了先天性原因所导致的差异，Dwyer等[26]认为男女性在投资上的差异是也有可能是教育差异造成的，本文的样本中女性的受教育水平确实明显低于男性，但本文的结果在控制了教育变量的基础上，仍然存在显著的性别差异，说明男女性的投资差异并不能完全被教育差异所解释。结果还表明，投资者的受教育水平在提高投资成功率，降低违约风险，提高投资收益率三方面都存在显著的教育溢价现象。那么教育溢价是否还存在性别异质性，或者说教育溢价是减弱了男女性投资者原有的性别差异，还是扩大了这种性别差异，接下来通过分组回归做出检验。

3.2 教育溢价的性别异质性

为了检验教育溢价的性别异质性，接下来按照投资者的性别对样本进行分组回归。表4第(1)列和第(2)列检验教育影响投资是否成功的性别异质性。结果表明教育水平显著提高了男性的投资成功率，但教育水平的提高反而降低了女性的投资成功率。前面表3中的检验可以看到男性在投资成功率上原本就高于女性，因此，教育会使得男女在投资是否成功上的差异进一步扩大。第(3)和第(4)列检验了教育对投资违约风险影响的性别异质性。两个回归结果中，edu的系数均显著为负，表明投资者受教育水平的提高减少了其投资中所遭受的违约损失，意味着教育起到提高风险识别能力的作用，但从回归系数上看，受教育水平对女性降低违约风险的影响更大。前面表3中的检验结果表明女性在违约风险识别上原本就强于男性，因此，教育同样也导致这一差异进一步扩大。第(5)和第(6)列检验了教育对投资收益影响的性别异质性，结果表明这种影响也存在显著的性别异质性，教育水平的提高提升了男性投资者的投资收益，但对女性投资者的投资收益没有显著影响。因此，教育也扩大了投资收益率的性别差异。

以上研究结论表明，投资领域的教育溢价效应存在显著的性别异质性。女性投资者的教育溢价效应主要体现在进一步提高了其风险识别能力，男性投资者的教育溢价效应主要体现在提高了其投资成功率和投资收益率。这表明教育溢价效应表现为扩大了男女性投资者原有的投资绩效上的差异。这可能是因为男性投资者有更高的风险偏好，教育水平的提高进一步提高了其风险偏好，因此获得了更高的投资成功率和投资收益。女性投资者具有更低的风险偏好和更好的风险识别能力，教育水平的提高进一步提高了其风险识别能力。

4 进一步的讨论及稳健性检验

4.1 不同学历层级的教育溢价效应

进一步，本文检验教育溢价效应是否与学历层次呈线性关系。以高中及以下学历为基准学历，就不同学历层级的教育溢价进行了检验。检验结果如表5所示。按性别分组回归的结果如表6所示。表5的结果显示三个方程中性别变量gender和学历变量edu的系数与前面的结果相比没有发生变化。相对于高中及以下学历，除了研究生及以上学历在是否违约上不显著，其它各个层次的学历都具有较高的投资成功率，较低的违约率以及较高的收益率。这些都与前面的结论一致。但结果表明并非学历层级越高，教育的溢价效应就更高。从是否投资成功来看，研究生及以上学历的溢价效应最强，其次为大专，然后为本科。从投资是否违约来看，教育的溢价效应在本科层次最强，其次为大专，最后是研究生及以上学历。从投资收益率来看，研究生及以上学历的溢价效应最强，其次为大专，最后为本科。分组回归的结果表明，教育提升了男性的投资成功率和投资收益率，但在降低违约风险上的作用仅在本科阶段是显著的。教育对女性的作用主要还是降低了违约风险，总体上与前面的结论也基本一致。

表4 按性别分组回归的教育溢价效应

表5 不同学历层级的教育溢价

注：考虑篇幅原因，此处没有列出控制变量的回归系数，下同。

4.2 多项Probit模型检验结果

本文从是否投资成功、投资是否违约和投资收益率三个维度衡量投资结果。但这三个维度实质上也相互关联，特别是投资收益率也取决于投资是否成功和投资是否违约，而且为了便于衡量，我们将投资失败和投资违约时的收益统一设定为0，一定程度上高估了投资收益率。因此，在这里我们只考虑投资结果的状态进行稳健性检验。去掉处于还款中的投资标的，剩余投资标的有三种结果状态：投资失败，投资成功但违约，投资成功且还款。以投资失败为参照结果，采用多项Probit模型对教育溢价进行估计，检验结果如表7所示。全样本的估计结果表明，相对于投资失败这一参照结果，男性比女性更容易出现投资成功但违约以及投资成功且还款这两种结果。但从变量gender的系数大小来看，投资成功但违约这一组中的系数(0.124)比投资成功且还款这一组的系数(0.076)要大，说明男性尽管比女性更容易投资成功，但也更容易得到投资成功但违约的结果。从变量edu的系数来看，教育使得投资者更容易出现投资成功但违约和投资成功且还款这两种结果(系数分别为0.159和0.309)，但对投资成功且还款的正向影响更大。这些说明了教育溢价在提升投资成功率的同时更容易得到投资成功且还款的结果。分样本的回归中，教育提高了男性投资成功的情况，而且对投资成功且还款的正向影响更大。教育降低了女性投资成功的情况，但对投资成功但违约的负向影响更大。这说明教育溢价存在性别异质性。而且这些结果与前文的结论是一致的。进一步证实了结论的稳健性。

表6 不同学历层级教育溢价的性别差异

表7 多项Probit模型检验(以投资失败为基准结果)

4.3 控制宏观变量

前面几部分的实证研究没有控制宏观变量，但宏观因素也是影响P2P网贷投资的结果重要因素。因此，本文在此控制每笔订单发生月份的宏观变量对实证结果进行再检验，具体包括：(1)停业及问题平台数量。数据来自于网贷之家(www.wdzj.com)，网贷之家提供了所有的P2P问题平台及其出现问题的具体时间，据此可以得到停业及问题平台的月度数据。(2)无风险利率，以中国人民银行公布的银行贷款基准利率来衡量，对于基准利率发生调整的月份，我们按照天数加权平均计算月度利率。(3)经济增长率，以月度的工业增加值的增长来衡量。以上数据均采用月度数据，每一笔投标数据其宏观变量取值为对应的该笔投标所发生月份的变量取值。实证检验的结果如表8所示，分组回归的结果如表9所示。结果表明，即使控制宏观变量，本文之前得到的实证结论依然稳健。

表8 教育溢价(控制宏观变量)

4.4 以投资者为研究样本

之前的实证研究中，以借款人的每一笔投标作为一个观测样本，这会使得投资次数较多的投资者的权重被放大，可能影响最终的结果。为了避免这种情况导致结果出现偏误，在此，仅保留每个投资者的第一笔投资作为研究样本(自变量中剔除变量bidnum)，同时控制了宏观层面的因素(停业及问题平台数量，无风险利率，经济增长率)进行稳健性检验，实证检验的结果如表10和表11所示，本文之前得到的实证结论依然稳健。

表9 教育溢价的性别差异(控制宏观变量)

表10 教育溢价(以投资者为研究样本)

5 结语

通过对P2P网贷投资的借款订单数据和投标记录数据进行匹配获取投资者的个人信息数据以及投资数据，本文得以对个体投资者的教育溢价效应以及教育溢价效应的性别异质性进行了检验。本文的实证研究得出了如下的结论和启示：

(1)P2P网贷投资绩效存在性别差异。男性的投资成功率和投资收益率高于女性，但是遭受违约的可能性也高于女性。即使控制教育变量，这种性别异质性依然存在，意味着性别差异不仅仅是来自于男女在受教育水平上的差异。结合已有的关于股票市场的相关研究，投资绩效上的差异很可能源自于投资者在风险偏好上的性别差异。男性往往有更高的风险偏好，在投资上可能更加激进，能够较好把握投资机会以获取较高的收益，但也因此承担了更高的违约风险。女性投资者对投资风险更为关注，在风险识别上有更好的表现，但也因此丧失了一些投资机会和较高的投资收益。此外，本文的结果也意味着金融投资中的性别差异不仅在股票等以市场风险为主要风险特征的投资领域存在，在以违约风险为主要风险特征的P2P网贷投资中也有所体现。

表11 教育溢价的性别差异(以投资者为研究样本)

(2)P2P网贷投资存在教育溢价效应。教育溢价效应在衡量投资绩效的三个指标上都有所体现：受过大学教育的投资者相对于未受过大学教育的投资者在投资成功率，违约风险，投资收益率三方面均有更好的表现。这意味着普及高等教育有助于实现提高居民财产性收入的目标，进一步，还意味着缓解教育不公平有助于通过影响财产性收入来降低收入不平等。此外，由于当前社会女性的平均受教育水平低于男性，通过教育水平的提高还可以缓解男女性之间收入的不均衡。对于P2P网贷市场而言，本文的结论还意味着可以从投资者教育方面入手，通过投资者教育使其做出更合理的投资决策，降低高违约风险标的的资金可得性，实现P2P网贷市场的平稳发展。

(3)P2P网贷投资的教育溢价存在性别异质性。尽管教育溢价效应整体而言对投资者在三个投资绩效指标上都有所改善，但对于男性投资者，教育溢价效应主要体现在重点在于提高了其把握投资机会和获取投资收益的能力，对于女性投资者，教育溢价效应主要体现在提高了女性的风险识别能力。这意味着受教育水平的提升在改善投资者投资绩效的同时，并没有降低金融投资中投资者的性别差异，反而使得性别差异进一步扩大。