声誉机制、社会信任与分享经济发展

李晓东 佟昕 王念

内容提要：基于博弈模型和实证数据分析分享经济平台通过声誉机制增进社会信任、促进合作的内在机制。研究表明，分享经济平台通过声誉机制增进间接信任水平，从而带动了总体信任水平，并最终促进了分享经济的发展;社会信任水平越低的地区越需要分享经济平台通过声誉机制来弥补社会信任的缺失，而表现为分享经济也越发达。据此，需要将基于以分享经济为代表的互联网平台的信誉数据纳入个人征信体系，并与监管机构共同探讨合理的失信惩罚机制，以及由监管机构和公共安全责任部门共同将相应的消费者数据保护政策落实、落细。

关键词：社会信任; 声誉机制; 分享经济

中图分类号：F069.9  文献标识码：A  文章编号：1001-148X（2020）11-0035-08

收稿日期：2020-06-19

作者简介：李晓东（1988-），男，河南焦作人，中国矿业大学（北京）管理学院博士研究生，研究方向：管理科学及决策理论与方法;佟昕（1975-），女，沈阳人，中央财经大学经济学院博士后，研究方向：区域经济、控制决策;王念（1989-），男，武汉人，中央财经大学经济学院博士，研究方向：分享经济。

基金项目：中国国家留学基金第60批博士后项目，项目编号：2016M601240。

随着信息技术的发展，分享经济应运而生。 信任因素是分享经济得以发展的重要基础，信息不对称的存在使得陌生个体之间很难获得对方相关信任的信息。通过大数据支撑和第三方担保模式，分享经济平台在一定程度上填补了信任缺失，基于传导性建立的信任不仅是分享经济商业模式的出发点，也是实现价值的创造源泉。 分享经济经历了在线共享一般信息、相信在线提供信用卡信息是安全行为，直到相信当下的完全由陌生人组成的分享经济市场三个阶段（Botsman和Rogers， 2010），在发展过程中积累了重要的 “声誉资本”，利用声誉机制促进陌生人之间的信任促成了许多交易达成（Schleeter， 2012）。目前，关于社会信任水平对分享经济发展的影响尚未达成一致，尚未针对声誉增进交易的内在机制进行充分研究。借助博弈模型，本文通过网络爬虫技术收集了国内70个城市样本的数据，针对分享经济如何协助陌生个体间建立纽带进行分析，试图分析分享经济平台声誉机制提高信任、增加合作的内在机制，探究社会信任水平预测分享经济发展的可行性，以期扩展对信任影响对象的研究范围，丰富分享经济的理论研究。

一、理论分析与研究假说的提出

信任包含主观信任偏好和理性判断两方面，主观信任偏好是相对稳定的个人特质，不轻易受场合的影响（McKnight等，1998）;理性判断来自于对方的特征，包括个体的能力、善良和正义以及群体的特质和规范（Zucker，1986）。以下使用博弈模型分析分享经济平台采用声誉机制提高信任、增加合作的内在机制，并提出相应的理论假说。

（一）资源需求者和供给者的单次博弈

首先，单个资源的供需双方进行首次博弈。（1）假设分享经济平台上的需求者为D，履约概率为PD，供给者为S，履约概率为PS;（2）假设D和S为利益最大化为目标的理性人;（3）D向S支付的租金为r，获得的效用为U;（4）分享经济平台对S收取中介费c，代表交易成本，该设定贴切真实经济活动，即平台方对供给者实施单向收费，甚至为了增加流量向需求方提供额外补贴;（5）D或S任意一方违约，平台索取违约金fD和fS;（6）当D违约时，S发生额外损失L，L∈（0，+

SymboleB@ ）表示资源损坏程度的不确定性;（7）当S违约时，获得D的租金但并未和D进行交易，同时与其他需求方进行交易，此时S获得双倍租金2r并支付违约金fS，D获得效用U为0。

关于声誉的其他影响因素，解析式中RXi和NXi的增加会引起β（xi）的增加，RXi、NXi和β（xi）的增加表示间接信任水平在决定总体信任水平中占据更多比重，对陌生个体间交易是否达成至关重要，强化了声誉机制在分享经济市场中的地位和影响力。本文梳理声誉机制通过对间接信任度的影响，带动提升整体信任度，并传递至当期收益和未来收益，进而形成合作的机理，形成声誉机制的作用过程，如图1所示。

首先，由图1可知整体信任度的变动是声誉机制通过影响间接信任度引起的。令分享经济市场内只有两种主体，即优质主体S1和劣质主体S2。在随机选择的情况下，选中S1的概率为P，选中S2的概率为（1-P）。假设S1的履约率为m，S2的履约率为n，则m>n。因博弈双方相互为陌生个体，故而只有通过平均社会信任水平、声誉机制、信用级别等信息进行初步判断，记为P0。此时发生履约的先验概率P11=P0×m+（1-P0）×n，发生违约的先验概率P12=P0×（1-m）+（1-P0）×（1-n）。当博弈开始，依据贝叶斯定理对随机事件的条件概率的推理，后驗概率也会随之变动。如果达成履约，则为优质主体的后验概率P21=（P0×m）[P0×m+（1-P0）×n）]。显然，P21P11。如果进行违约，则交易为劣质交易人的后验概率P22=[（1-P0）×（1-n）][P0×（1-m）+（1-P0）×（1-n）]P21。因此，若交易方在博弈中持续履约，该声誉将会持续累计，不断的形成更高的间接信任;若交易方进行连续性违约行为，其信誉将负向累计，直至完全失去间接信任，该策略无法在相对较小的群体或熟人中存在。

其次，总体信任度提升后，当期和未来的收益随之增加。在前文多期重复博弈的分析中，D的当期收益和未来收益分别为：

（U-rPS1）+γ×δ×（U-rPS1）+…+γT-1×δT-1×（U-rPS1）

和 ∑T-1i=1PSi×δi-1×（U-rPS1）+PST×δT-1×（U-fD）

S经过多期重复博弈，持续累计的信誉使得间接信任度增加，进而导致总体信任度相应上升。即D提升对S履约率PS的判断，导致上述两个式子绝对值增加，当期和未来的收益均有所提升。S的当期收益和未来收益分别为：

[（2r+L）-（r+c+L）PD1]+γ×δ×[（2r+L）-（r+c+L）PD1]+…+γT-1×δT-1×[（2r+L）-（r+c+L）PD1]和∑T-1i=1PDi×δi-1×[（2r+L）-（r+c+L）PD1]+PDT×δT-1×（2r-fS-c）

當D通过和其他人的交易积累的声誉引起总体信任度提升时，S对D的履约率判断PD也会提高，同时引起D的当期收益和未来收益的增加。由此，本文提出理论假说：分享经济平台通过声誉机制增进间接信任水平，从而影响总体信任水平，并最终促进分享经济市场的发展。

二、研究数据与描述性统计

本文将分享经济发展程度作为被解释变量，将分享经济市场细分之后选取其中具有典型特征的民宿分享市场进行分析。“蚂蚁短租”（网址：http：//www.mayi.com/）是当前在中国市场占有率最高的民宿分享平台，该平台将国内家庭出行游玩新趋势作为自身的宣传标语，以短租的形式在全国各地提供不同类型的多种房源，包含CBD区域高档公寓、各大高校及地铁房、海景洋房、农家民宿等，“蚂蚁短租”平台提供了国内和海外共296城市的优质房源。

本文的分享经济发展程度指标选用2015年城市房源数量除以城市常住人口数量，获得对应城市的指标，核心解释变量是社会信任水平，其度量方法大致可以分为三类：问卷调查、实验设计和自然实验。在问卷调查形式中，国外通常使用世界价值观调查（World Values Survey）、综合社会调查（the General Social Survey）和欧洲社会调查（the European Social Survey），国内主要采用“全国城乡居民生活综合研究”（CGSS）和“中国家庭追踪调查”（CFPS）;实验设计法依据数理统计的方法获得相关的证据，如使用博弈实验的方法;自然实验法是基于自然环境，设定相关外生事件来获得数据，如霍桑实验。碍于研究条件的限制，本文选择问卷调查法，一般认为社会信任水平在一个区域需要长时间来形成，形成后在短期内不会产生剧烈波动，据此本文数据来源于CGSS的2013年截面数据。

为了尽量消除噪音对结果的干扰，本文将省、市和人三方的维度添加在控制变量中，最大程度去除其他因素的干扰。其中，省级层面考虑该省的经济、人力、市场和文化因素并作为控制变量。经济的繁荣和人力资本水平为市场提供了发展的基础，市场的开放吸引更多的游客人数，商业创新和不同理念的容纳度取决于当地文化。高翔和龙小宁（2016）指出方言往往被用于体现不同文化的代理变量。本文选取方言作为省级层面的文化特征纳入控制变量。市级层面选择城市面积、手机普及率和互联网覆盖率为控制变量。城市面积的大小对房源供给的密度存在相应的联系，Sundararajan（2016）指出服务信息数据主要来源于手机和网站的数据提取;同时，省会城市的特殊身份带来的行政因素也可能对结果造成影响，本文以虚拟变量的形式将其添加到市级层面的控制变量。个体层面将性别和年龄作为控制变量。张新红等（2016）发现性别的不同对网络中陌生人表现的态度也不同，而手机的普及大部分体现在年轻群体，说明在分享经济市场以年轻群体为主体，并对其发展产生影响。以上数据来源于国家统计局、2016年各城市统计年鉴、官方报告和CGSS数据库，并对部分数据进行人均和对数处理。

表2报告的是截面数据的样本均值，分享经济发展程度波动较大表明城市间存在明显差距，但是信任水平比较稳定。手机普及率大于互联网覆盖率，其结果和我国电子信息行业的飞速发展相吻合，男女比例相对平均说明样本的选取保持相对均衡。

三、计量模型与回归结果分析

（一）普通最小二乘（OLS）回归估计

依据上文数据列出如下模型：

ShareEcoij=α0+β1Trustij+λControlij+Xij+μij（5）

其中，ShareEcoij表示省份j中市级i的分享经济市场的发展程度，Trustij表示省份j中城市i的信任水平，Controlj表示省级层面控制变量，Controli表示市级层面控制变量，X表示个体层面控制变量，μ表示残差。β1表示信任水平对分享经济市场发展的影响，是本文的核心。如表3结果所示，列（1）表示当信任水平每增加1%，分享经济发展程度对应减少5.237%，呈显著负相关性。列（2-4）依次加入省级层面、市级层面和个体层面的对应数据，其信任水平和分享经济发展程度的结果依然保持显著负相关关系，其结果可能是由不同信任水平下产生的不同交易费用引发的成本最优选。信任水平越低则个体间的交易费用越高，高昂的交易费用使得分享经济平台成为最小成本下的最优选择，从而促进分享经济发展;而信任水平的增加可以降低因不信任产生的交易费用，使得分享经济平台并非最优选，因此抑制分享经济发展。观察其他自变量发现，自变量市场开放程度与因变量表现出正相关关系，该结果可能由于市场越开放的省份对外来游客的包容度越大，更多的游客导致其自身更多元化，从而促进分享经济发展;同时自变量省会城市也与因变量呈现出显著正相关关系，这体现了我国经济发展的新常态，相对于其他城市，省会城市的特殊地位对于政策的执行和推广具有领先优势，对分享经济的发展提供更多条件。

表3显示省会城市对政策推广的先验性可能对回归估计的有效性造成影响，可将省会城市剔除并再次进行回归分析。如表4所示，信任水平和分享经济发展程度关系未发生变化，但是R2较表3有所提升，整体解释能力更加优化，由此在之后的回归估计中将排除省会城市的因素开展研究。

（二）工具变量估计

表3和表4的估计结果显示自变量信任水平和因变量分享经济发展程度之间呈现显著负相关性，因为单纯的控制变量无法防止遗漏变量和反向因果的出现，并不能对其因果关系进行准确的判断。信息产业化的飞速发展带来一系列“互联网+”的商业形态不仅对传统产业进行冲击，也改变了消费者对消费的意识形态。在分享经济中，蔡丹旦和于凤霞（2016）认为个体间的互动已然打破了传统对陌生人的认知习惯，进而提高了整体社会信任度，使得OLS结果中自变量信任水平对因变量分享经济发展程度的判断产生低估。通过选取的问卷调查法所得到的数据也可能出现误差，进而对其结果产生影响，需要选择工具变量（IV）尝试解释出现的内生性问题。

随着重复博弈的不断进行，误解的可能性随之增加，进而减少彼此双方的信任（郑也夫，2015）。Acemoglu和Wolitzky（2014）指出，由不完全信息引发的误会通过持续进行的重复博弈扩大，使得群体间无法准确判别善恶，导致不信任增加。养老金的数据可以显现退休人数相对较多的地区，而年长者在退休群体中占据多数，年龄的优势带来重复博弈次数的增加，产生的误解也可能更多。本文将养老金数据选为解决内生问题的工具变量，数据来自于国家统计局，使用养老金发放量除以省常住人口量，得到省人均养老金发放量。具体模型如下：

ShareEcoij=α0+α1Trustij+λControlij+Xij+μij（6）

Trustij=β0+β1Pensionij+λControlij+Xij+μij（7）

式（6）为第二阶段最小二乘法（2SLS），其中各变量含义和式（5）相同。式（7）为第一阶段估计方程，其中Pensionij表示省份j中城市i的人均养老金发放量，其他变量与式（6）相同。

表5显示式（6）的回归结果，列（1-3）依次为省级层面、市级层面和个体层面的对应数据，其自变量信任水平和因變量分享经济发展程度的结果始终保持显著负相关性。列（4）选用对样本信息不敏感的有限信息最大似然估计（LIML）进行估计，如果所选择的工具变量和列（3）中任一变量之间有相关性，列（4）的估计结果都会体现出明显的差异，如果两者之间未发现明显差异，说明所选择的工具变量具有良好的外生性。表5显示了估计结果的稳健性，而通过表5和之前的回归结果对比发现，测度方式的误差和反向因果关系可能是引发内生性的原因。

表6列（1）显示自变量人均养老金发放量和因变量分享经济发展程度为显著负相关性，因工具变量测试结果带来的是局域平均处理效应（LATE），即由工具变量产生的内生变量变化而进行局部处理的平均处理效应，由此可将表6的结果解释为人均养老金发放量产生变化，而改变信任水平对分享经济发展程度影响的平均处理效应。表5和表6估计结果显示人均养老金发放量相对高的地区对应的退休年长者居多，带来更多重复博弈次数使得误解几率增加，导致信任水平降低，进而推动分享经济的快速发展。

（三）稳定性检验

基于本文选取的工具变量可能和因变量存在相关性，或两者都和当地经济繁荣度相关，现将自变量人均GDP进行对数处理后进行回归分析，发现并未影响主要变量的显著性，可排除其存在相关性的可能。另外，人均养老金发放量可能并不局限于通过信任水平对因变量产生影响，如居民收入、消费和住宿也可能对其产生影响，居民收入的增加将促进消费，而消费的升级引发更多服务类型的产生，退休后产生的空闲时间也刺激旅游业的发展。本文使用居民人均收入、支出和住宿业房源收入验证该工具变量是否依然有效并满足排他性，数据来自于国家统计局。加入该三项变量后，表7结果显示信任水平的系数依然显著，而其他三项均不显著，证明了工具变量的有效性且满足排他性。

分享经济作为“互联网+”模式的基础，经济模式突出包容和创新，业务形态多种多样，主要涉及互联网借贷、共享住宿、共享出行等领域。本文将针对多领域的存在检验其是否产生异质性，基于市场调查，将国际知名民宿Airbnb爱彼迎和国内互联网借贷市场占有率前三的“借贷宝”、“你我贷”和“人人贷”作为自变量进行OLS估计，市场占有率使用该应用软件在各省的覆盖率表示。相对于之前的分析，表8结果显示拟合优度R2提升幅度较大，可能是城市样本量减少所致，而信任水平对分享经济各领域的发展始终表现为显著负相关。

四、结论与政策建议

本文借助博弈模型分析了声誉机制如何解决陌生人之间的不信任问题、提高合作达成率以促进分享经济发展的整个过程，并通过收集我国70个城市的相关数据对信任水平和分享经济发展程度展开实证检验。实证结果显示信任水平更低的区域其分享经济发展程度相对信任水平高的区域更发达，该结果似乎与我们对发展分享经济必须先提升社会信任水平的观点相悖。其实，这个检验结果很现实地诠释了信任因素对分享经济发展的基础性作用。一方面，正是由于分享经济平台在这些地区发挥了填补信任相对缺失的作用，信任缺失越严重，越需要第三方平台发挥作用。另一方面，由于上述原因，第三方平台机构则更倾向于在信任水平低的区域开展商业活动。因为在信任相对缺失的情况下，人们所付出的交易成本更高，而平台的盈利性更大，大量商机导致更多的机构涌入，从而促进分享经济市场的发展。

声誉机制通过对个人信用数据的积累和社会征信体系的填充，形成公共资源不可或缺的要素。公共资源是现代市场交易的主体，公共资源的完善性和规模性对人民群众如何看待重复博弈起着重要的影响（史宇鹏和李新荣，2016），进而改变社会整体信任等级（张维迎和柯荣住，2002）。征信数据是重要的公共资源，虽然当前我国还未将网络经济的数据并入国家征信体系，但不可否认该部分数据重要的价值和对未来国民经济发展形成的推动力。随着第四次工业革命的到来，分享经济的规模和占比会越来越大，基于分享经济等多种互联网平台的征信数据有很大的潜力成为公共资源，那么通过发展分享经济，收集并合理利用这些数据使之成为公共资源，有可能会促进社会信任水平的提高与整体福利的提升。因此，本文建议我国合理有序地收集并保管相关数据，以备在合适的时机将其并入征信系统，为未来信用评级提供支持和参考。

信任建立在良好的声誉基础上，所谓破坏容易建造难，当信任被利用和辜负的时候，再次建立信任不仅需要更多的成本，也会对整体经济环境形成不良之风;同时，声誉数据中往往包含大量个人信息，违约的低成本和巨大的利益空间会进一步诱发恶性事件的发生，严重拖累经济市场的繁荣发展。如滴滴私家车事件、爱彼迎谋害租客的事件时有发生，突显在缺乏监管的情况下，个人隐私数据被非法获取的严重后果。为了促使分享经济长期绿色发展，一是建议平台方和政府部门加强合作，共同提升监管力度，如平台可以采取引入预付款机制和增加对违约行为罚款的方式，监管机构则应当从市场准入管理、社会舆论的引导和诚信价值观方面进行考量。二是建议国家监管机构和公共安全责任部门对人民群众数据安全问题进行细化管理，切实保障人民隐私信息的合法权益，确保相关政策法规落地落实落细，为人民群众提供强力保障，增强民众安全感和幸福感。

参考文献：

[1] 蔡丹旦， 于凤霞. 分享经济重构社会关系[J].电子政务， 2016（11）：12-18.

[2] 高翔， 龙小宁. 省级行政区划造成的文化分割会影响区域经济吗？[J].经济学：季刊， 2016（2）：647-674.

[3] 李小勇， 桂小林. 动态信任预测的认知模型[J].软件学报， 2010，21（1）：163-176.

[4] 史宇鹏， 李新荣. 公共资源与社会信任：以义务教育为例[J].经济研究， 2016（5）：86-100.

[5] 张贯一， 达庆利， 刘向前. 信任问题研究综述[J].经济学动态， 2005（1）：99-102.

[6] 张维迎， 柯荣住. 信任及其解释：来自中国的跨省调查分析[J].经济研究， 2002（10）：59-70+96.

[7] 张新红，高太山，等. 中国分享经济发展报告：现状、问题与挑战、发展趋势[J].电子政务， 2016（4）：11-27.

[8] 郑也夫. 信任论[M].北京：中信出版社， 2015.

[9] Acemoglu， D， Wolitzky， A. Cycles of Conflict： An Economic Model[J].American Economic Review， 2014， 104（4）：1350-1367（18）.

[10]Botsman， R.， & Rogers， R. What′s mine is yours： the rise of collaborative consumption[M].HarperBusiness， 2010.

[11]McKnight， D.H.， Cummings， L.L.， Chervany， N.L. Initial Trust Formation in New Organizational Relationships[J].Academy of Management Review， 1998（3）.

[12]Schleeter， R. Innovating for smart， sustainable cities： Q&A with zipcar founder robin chase[J].Social Science Electronic Publishing， 2012.

[13]Sundararajan， A. The Sharing Economy：The End of Employment and the Rise of Crowd-Based Capitalism[M].The MIT Press， 2016.

[14]Zucker， L.G. Production of trust： Institutional sources of economic structure， 1840-1920.[J].Research in Organizational Behavior， 1986， 8（2）：53-111.

Abstract：Based on the game model and empirical data， this paper analyzes the internal mechanism of sharing economy platform to enhance social trust and cooperation through reputation mechanism.The results show that the sharing economy platform promotes the level of indirect trust through reputation mechanism， which drives the overall trust level and ultimately promotes the development of sharing economy;the lower the level of social trust is， the more sharing economy platform is needed to make up for the lack of social trust through reputation mechanism， and the more developed the sharing economy is.Therefore， it is necessary to bring the reputation data based on the Internet platform represented by the sharing economy into the personal credit system， discuss with the regulatory authorities a reasonable punishment mechanism for dishonesty， implement and refine the corresponding consumer data protection policies jointly by the regulatory authorities and public security departments.

Key words：social trust; reputation mechanism; sharing economy

（責任编辑：关立新）