互联网借贷能否实践“扶弱解难”的普惠金融理念——基于“人人贷”数据的分析

胡金焱，韩 坤

1 山东大学 经济学院，济南 250100 2 青岛大学，山东 青岛 266071

引言

普惠金融(inclusive finance)这一概念由联合国在2005年提出，是指以可负担的成本为有金融服务需求的社会各阶层和群体提供适当、有效的金融服务[1]。不难发现，普惠金融需着重解决的是融资中被正规金融忽略的数量庞大、金融需求旺盛且风险较高的“长尾”群体的融资约束问题，这对于缩减收入差距、促进金融业可持续均衡发展具有重要意义[2]。从最初的公益性小额信贷，到包含支付、信贷、保险等在内的多业务综合性服务，从片面关注银行物理网点和信贷服务的可得性，到依托于金融科技手段的数字化普惠金融，无论国际还是国内，普惠金融的理论和实践都经历了一个逐步深化的过程[3]。在这个发展过程中，2016年杭州G20峰会通过的《G20数字普惠金融高级原则》在全球普惠金融发展史上具有里程碑意义，首次将互联网借贷纳入了数字普惠金融的范畴[4]。此后有诸多学者从学理视角出发肯定了互联网借贷为缓解“长尾”群体融资困境做出的重要贡献，称其为实现普惠金融的有效路径[5-7]。

互联网借贷在中国最初出现时的定位便是作为正规金融的有益补充[8]。2016年国务院印发的《推进普惠金融发展规划(2016-2020年)》，明确了小微企业、农民、城镇低收入者等弱势群体是现阶段中国普惠金融的重点服务对象。在互联网借贷的实践中，作为普惠金融重点服务对象之一的小微企业，由于资产规模小、缺乏有效抵押以及财务信息不透明等问题，始终面临着较为严峻的融资约束[9]。而仅通过发展大量金融机构和寻求第三方融资担保易使小微企业融资陷入怪圈，无法从根本上解决其融资困境[10]。随着金融科技的不断发展，依托于大数据技术的电商和P2P等平台为各类非银机构开展小额信贷业务提供新的途径，其中，最为典型的成功案例是基于大数据平台的阿里小贷模式。阿里小贷依据阿里巴巴集团旗下的电商平台(B2B、B2C和C2C)在十余年发展中积累的海量多维的小微企业交易、支付等数据，通过大数据挖掘了解小微企业用户的资金需求，提供个性化的金融服务，并通过大数据平台成功实现对小微企业贷款跟踪监控和实时预警的动态风险管理[11-12]。

农民和城镇低收入者作为普惠金融除小微企业以外的重点服务对象，同样也有以“人人贷”为代表的互联网个人借贷平台满足其资金需求。但此类平台普遍缺乏用户海量交易、支付等的大数据支撑，难以有效克服固有的信息不对称问题，更无法通过大数据平台对风险问题实时监控和预防，从而可能阻碍其真正成为践行普惠金融理念的新型工具。尤其，近些年网贷平台风险问题频发，使国家设想的“以互联网借贷为数字化普惠工具之一，促进普惠金融发展”的美好愿望进一步遭受质疑。尽管相关政府部门已出台了一系列政策法规，试图规范互联网借贷行业的健康发展[13]，但中国互联网借贷是否真正践行了“扶弱解难”的普惠金融理念依旧存疑，如何规范化监管以加强互联网借贷“助小助微”的服务性也有待进一步探究。

1 相关研究评述

关于互联网借贷的普惠性优势、不足及其对普惠金融理念的实践等问题，目前已有国内外诸多学者展开讨论和分析，但并未得到统一结论。

部分学者从互联网借贷的普惠性优势角度出发，认为互联网借贷能较好地实践普惠金融理念。他们认为互联网借贷作为传统金融经营模式的补充，是推动普惠金融发展的重要形式[14]。互联网借贷具有手续简便、方式灵活和审批快捷等优势，不仅可以提升金融普惠覆盖率，确保普惠金融持续性[15]，还深刻改变了资金筹集和分配的方式，提高了金融资源配置效率，进而提升了金融的普惠程度[16]。同时，以互联网作为平台，互联网借贷开创了一个高效、低成本、不问地位高低、人人皆可参与的新的金融运行模式[17]，金融可得性和金融服务效率的增加有利于减小收入差距[18]，并促进农村普惠金融发展[19]。部分学者从互联网借贷服务“长尾”群体角度出发，认为互联网借贷通过信用认证机制和信息披露机制能够触及“长尾”群体的金融需求，降低“长尾”群体的金融参与门槛[5]，有效解决传统金融供给中存在的“臂弯问题”[20]。同时，互联网借贷通过监管套利路径和资产价格渠道，可以有效弥补紧缩性货币政策引起的正规金融信贷不足问题[6]，已成为“长尾”群体融资的重要渠道，对实践普惠金融具有积极的战略意义[21]。也有部分学者从金融科技和居民生活视角展开研究，认为互联网借贷具有深刻的社会影响，其给居民带来的正向外部性与普惠金融的理念一致[22]；并将互联网借贷归于金融科技的范畴，认为金融科技满足了居民生活与投融资需求的结合，有利于普惠金融的开展和落实[23]。因此，需大力发展互联网借贷以支持普惠金融[24]。上述研究肯定了互联网借贷的天然优势及其对普惠金融实践做出的贡献，但多从理论层面加以探讨，缺乏实际数据的支撑。

与此同时，也有一些学者认为互联网借贷存在诸多金融排斥，如外貌歧视[25-26]、性别歧视[27-28]、种族歧视[29-30]、地域歧视[31]和身份歧视[32-33]等，对于实践普惠金融仍有较大差距。学者们发现互联网借贷本身不能解决低收入群体面临的金融排斥[34]，农民和低收入人群在互联网借贷市场均面临融资难问题，且农民并未真正享受到优惠的借款利率，低收入人群反而面临融资贵的问题[35]。此外，纯粹基于互联网的小额信贷模式并不能很好地适用于农村地区[36]，发展中国家互联网技术落后限制了居民参与互联网借贷的比例，影响了互联网借贷的普惠性[37]，同时农村缺乏信用体系基础以及农民金融知识薄弱也限制了其普惠性的发挥[38]。中国互联网借贷平台存在模式异化现象，虽然短期内模式异化能更好地控制信用风险和提高借款成功率，但长期发展时模式异化与普惠金融理念相悖[39]，使服务目标上移，走上传统金融的道路，最终背离了互联网金融平台的普惠特性[40]。上述研究多基于某些平台的微观数据，从金融排斥和模式异化等视角指出互联网借贷在普惠金融实践过程中存在的不足，但所得结果与理论研究的结果存在较大分歧。

综合已有研究，学界关于互联网借贷的普惠金融实践的结论并不统一，相关实证研究在用微观数据论证时也难以避免单一平台的局限性，且缺乏对宏观因素的考量。特别地，已有研究普遍忽略了从借款端和投资端两个角度对互联网借贷的普惠性进行探讨。也就是说，即使互联网借贷的初衷可能是重点服务融资困难者和弱势群体，但如果他们不能主动参与到互联网借贷之中，或是互联网借贷投资者对他们存在歧视，互联网借贷依然无法表现出普惠性。因此，在互联网借贷能否有效实践普惠金融这一问题仍存在争议的情况下，本研究充分考虑互联网借贷普惠性中借款端和投资端两方面的共同作用，并使用基于现实情况的全国范围内省际面板数据进行验证，对这一问题给予合理解答。

2 理论分析

首先，对中国普惠金融的服务对象加以界定。概括而言，普惠金融重点强调两个方面：一是从服务客体的外在环境角度强调“有金融服务需求”，即普惠金融给难以从正规金融获得金融服务的群体提供了投融资便利；二是从服务客体的自身禀赋角度强调弱势群体，即普惠金融的服务重点偏向小微企业、农民和城镇低收入者等在大众社会价值观中处于弱势地位的一类群体。因此，难以从正规金融获得金融服务的融资困难者和以小微企业、农民、城镇低收入者为代表的弱势群体是本研究的对象。

其次，普惠金融的内涵恰恰体现在对服务对象的偏向性。具体来说，并非融资困难者和弱势群体得到了金融服务就称之为普惠金融。普惠金融的定义强调，一项金融服务之所以称为普惠金融，不仅要求融资困难者和弱势群体可以从中得到金融服务，还必须要求融资困难者和弱势群体是其重点服务对象。也就是说，要证明互联网借贷实践了普惠金融理念，必须证明融资困难者和弱势群体是互联网借贷的重点服务对象。互联网借贷的服务性体现在解决借款人的融资问题，因此需且只需证明，与其对立方相比，互联网借贷更能解决融资困难者和弱势群体的融资问题。

根据中国互联网借贷的具体形式，当借款人使用互联网借贷的形式进行融资时，他们需将自己的借款金额、借款利率和借款期限等借款信息公布在互联网借贷平台上，同时互联网借贷平台还会披露一些涉及借款人还款能力的信息，如借款人的学历、年收入、车房情况等。幸运的是，部分互联网借贷平台还会披露借款人所在省份，这有助于本研究将中国31个省、自治区、直辖市(以下简称省，香港、澳门、台湾除外，下同)作为截面个体，结合不同省正规金融、传统民间金融、经济发展程度和城镇化率等宏观经济指标的差异，以省际面板数据的形式，从互联网借贷解决融资困难者和弱势群体融资问题能力的视角出发，分析互联网借贷的普惠性，并从借款端和投资端两个角度对该普惠性的原因进行解释。

以融资困难者为例，记互联网借贷成功解决融资困难者的融资问题为事件A，成功解决非融资困难者的融资问题为事件B，上述普惠金融对服务对象偏向性的问题可转化为证明事件A发生的概率大于事件B，即P(A)>P(B)，则有

E(Xi)=miP(A)+(ni-mi)P(B)

=mi[P(A)-P(B)]+niP(B)

(1)

其中，Xi为随机变量，表示i省成功使用互联网借贷借款的人数；mi为i省融资困难者人数；ni为i省总人口数。此处使用省际数据分析P(A)与P(B)的关系，之所以没有使用网贷平台单一融资者的数据，有两点原因：一是无法判断单一融资者是否属于融资困难者或弱势群体，二是使用网贷平台上单一融资者的数据会忽略未使用互联网借贷平台借款的那部分人的融资需求。

将(1)式两边同除ni，可得

(2)

互联网借贷的中介属性决定了其服务性的体现由借款端和投资端共同决定。只有当借款人愿意发标、投资者愿意投标的情况下，一笔交易才能成功达成。这使本研究可以从借款端和投资端两个角度对互联网借贷解决融资困难者和弱势群体融资问题的能力进行分解。假设互联网借贷对融资困难者体现出了普惠性，即融资困难者比例越高的省，成功使用互联网借贷借款的人数占该省总人口数的比例越高，原因可能有两方面，其一，借款端的借款人参与率方面，表现为融资困难者能够主动使用互联网借贷这一新型融资工具，即融资困难者比例越高的省，使用互联网借贷借款的人数占该省总人口数的比例越高；其二，投资端的投资者主观偏好方面，表现为融资困难者发布的标的更受投资者的青睐，也即融资困难者比例越高的省，使用互联网借贷借款成功的人数占该省使用互联网借贷借款的人数比例越高。

3 研究设计

3.1 样本数据来源

本研究被解释变量的数据来源于中国规模较大、覆盖范围广泛且披露信息最为完善的代表性互联网借贷平台——“人人贷”借贷平台，从中提取全国和各省平均每年的参与人数和成功借贷人数。解释变量和控制变量数据均来自于全国或各省历年《统计年鉴》、中国人民银行发布的《小额贷款公司统计数据报告》和中国互联网络信息中心(CNNIC)发布的《中国互联网络发展状况统计报告》等。因为“人人贷”借贷平台自2010年年末开始上线，并于2017年开始整顿，此后平台实际交易数据只剩下机构担保标、实地认证标等，没有本研究需要的信用认证标，致使平台违约率大大降低而不具研究价值，故本研究样本时间为2011年至2016年，样本量为186个。

3.2 指标选取

被解释变量方面，如前文所述，要证明互联网借贷体现出普惠性，需且只需证明融资困难者和弱势群体比例越高的省，成功使用互联网借贷借款的人数占省总人数的比例越高。部分互联网借贷平台披露借款人所在省的信息，因此本研究将2011年至2016年各省通过“人人贷”借贷平台成功借款的人数作为该省成功使用互联网借贷借款人数的代理指标。同时考虑以下两点：首先，各年各省的人口存在差异，有必要使用成功率测量互联网借贷的实际服务效果；其次，互联网借贷在中国属于新型金融模式，本研究的样本期是该行业发展的扩张期，全国使用互联网借贷的人数呈逐年上升趋势，因此有必要消除不同年份因行业扩张造成的成功率差异。因此定义

(3)

成功借款人数占比可以从借款端和投资端进行分解，一方面，成功借款的前提是借款人主动使用互联网借贷进行借款。为探究不同年度各省居民使用互联网借贷进行借款的主观能动性，定义

(4)

另一方面，成功借款的必要条件是投资者愿意投资于该借款人的标的。为探究不同年度投资者对各省居民所发布标的的主观偏好，定义

(5)

由上述定义可知，Proi,t=Pari,t·Suci,t，即把互联网借贷的实际服务效果看作借款人主观能动性和投资者主观偏好的复合作用，通过单独对Pari,t和Suci,t的回归探究影响Proi,t的决定性因素，以便于分析影响互联网借贷普惠性的根本原因。

解释变量方面，本研究从融资困难者和弱势群体两方面的测量指标入手。融资困难者指难以从正规金融获得金融服务的群体，关于正规金融的发展程度，普遍采用的替代变量是正规金融的可得性。参考MOOKERJEE et al.[41]的研究，本研究采用平均每万人占有银行网点数量测量正规金融发展程度。特别地，焦瑾璞等[42]认为公益性小额信贷是中国普惠金融的最早期实践，也就是说，小额信贷部分解决了融资困难者无法从正规金融获得金融服务的问题，因此有必要将小额信贷发展程度纳入到金融服务可得性的测量中。

弱势群体包括小微企业、农民、城镇低收入者等。由于本研究被解释变量的数据来源“人人贷”借贷平台多为个人用户的借款，不适用于从小微企业的角度进行弱势群体的测量，因此本研究在此使用各省经济发展程度和城镇化率两个指标。经济发展程度反映居民的平均生活水平，在假设各省贫富差距较为类似的前提下，经济发展程度越低，居民平均生活水平越低，有越多的人可能成为弱势群体；城镇化率反映各省城镇人口占总人口的比例，城镇化率越低，农村人口所占比例越高，弱势群体比例越高。

控制变量方面，本研究从信贷因素、其他经济因素和互联网因素3个方面对回归模型进行控制。信贷因素包括小额信贷公司从业人员比例和小额信贷公司人均贷款余额，控制信贷因素有助于模型准确反映各省正规金融发展程度和小额信贷发展程度对被解释变量的影响。其他经济因素包括经济增长率、人均可支配收入和人均消费支出，控制其他经济因素有助于模型准确反映各省城镇化率和经济发展程度对被解释变量的影响。互联网因素包括上网普及率和电子支付能力，由于使用互联网借贷需要通过互联网和电子支付进行，因此控制互联网因素可以消除因互联网普及程度差异和电子支付能力差异对模型解释造成的影响。上网普及率指标包括固定宽带家庭普及率和移动宽带用户普及率，前者指固定宽带接入互联网的用户数占全国家庭数的比例，后者指能够上网的手机用户数量占全国人口数的比例，数据来源于中国互联网络信息中心。本研究使用北京大学互联网金融研究中心发布的各省互联网支付发展指数测量电子支付能力。特别地，为尽可能控制不同年份难以捕捉的、对被解释变量造成影响的其他因素，本研究定义5个哑变量t2012、t2013、t2014、t2015和t2016，分别为2012年至2016年的时间固定效应。

表1 变量定义Table 1 Definition of Variables

表1给出本研究的变量定义。

3.3 模型构建

本研究的样本为省际面板数据，选择随机固定效应模型和混合效应模型的F检验结果和LM检验结果皆为接受原假设，即应选择混合效应模型进行回归，F检验结果为F=1.250，p=0.196，LM检验结果为LM=0.590，p=0.221。为探究中国互联网借贷是否真正实践了普惠金融理念，本研究构建回归模型，即

Proi,t=α0+α1Bani,t+α2Comi,t+α3GDPi,t+

(6)

进一步地，为分别从借款端和投资端对互联网借贷的普惠性进行解释分析，本研究构建回归模型，分别为

Pari,t=β0+β1Bani,t+β2Comi,t+β3GDPi,t+

(7)

Suci,t=γ0+γ1Bani,t+γ2Comi,t+γ3GDPi,t+

(8)

3.4 描述性统计

表2给出主要变量的描述性统计结果。由于本研究变量的数据离散程度较高，为保证模型估计结果精确，将解释变量和控制变量中除比率以外的变量Bani,t、Comi,t、GDPi,t、Loai,t、Inci,t、Coni,t和Epai,t进行对数化处理，以消除量纲和数量级上的差异。由表2可知，Pari,t和Suci,t的均值分别为0.983和0.883，说明借款端的相对参与率要高于投资端的相对成功率。同时，Bani,t和Comi,t对数化处理后的均值分别为0.258和-2.958，说明中国正规金融发展程度要远高于小额信贷发展程度。此外，本研究所选变量数据与已有研究相比不存在明显差异，可开展进一步的数据分析。

4 实证结果和分析

4.1 互联网借贷的普惠性

本研究首先基于31个省的省际面板数据，通过(6)式考察中国互联网借贷是否真正实践了普惠金融理念，回归结果见表3。表3中(1)列～(4)列为分别将4个解释变量纳入(6)式的回归结果，后文称为单独回归；(5)列为将所有解释变量同时纳入(6)式的回归结果，后文称为联合回归。

表2 描述性统计结果

由表3可知，Bani,t在单独回归和联合回归时的回归系数分别为-0.508和-0.372，均在1%水平上显著，说明某省平均每万人占有银行网点数量越少，该省成功使用互联网借贷借款的人数占总人口数的比例越高，表明正规金融可得性越低的省，互联网借贷的实际服务效果越好，但同时可以发现，联合回归模型中该指标每变动1%对于服务效果的影响比其他指标略小。互联网借贷的金融普惠性是一个强调效果和作用的金融理念，这证明了对于融资困难者，互联网借贷在缓解其融资困难问题上有一定正向作用，但能力有限。

Comi,t在单独回归和联合回归时的回归系数分别为3.600和3.350，均在1%水平上显著，说明某省平均每万人占有小额信贷公司数量越多，该省成功使用互联网借贷借款的人数占总人口数的比例越高。表明小额信贷发展程度越低的省，互联网借贷的实际服务效果越差。该结果将在下文进一步讨论，或对本研究主体部分结论的解释有所帮助。

GDPi,t在单独回归和联合回归时的回归系数分别为1.268和1.123，均在1%水平上显著，说明某省人均GDP越高，该省成功使用互联网借贷借款的人数占总人口数的比例越高。表明经济发展程度越低的省，互联网借贷的实际服务效果越差。Urbi,t在单独回归和联合回归时的回归系数分别为1.441和1.177，均在10%水平上显著，说明若某省城镇化率越低，则该省居民互联网借贷的相对成功借款人数占比越低。Urbi,t反映了农村人口所占比例，因此以上结果说明，农村人口所占比例越高的省，互联网借贷的实际服务效果越差。如前文所述，GDPi,t和Urbi,t为弱势群体的测量指标，综合这两部分回归结果，弱势群体所占比例越高的省，互联网借贷的实际服务效果越差，即弱势群体并不是互联网借贷的重点服务对象。互联网借贷明显对弱势群体没有表现出普惠性，这也与丁杰等[34]和NAIR et al.[37]的研究结果相近，而与王博等[5]和梁洪等[6]的研究结果有所差异。

表3 (6)式的回归结果

综上，本研究从实际服务效果的角度研究互联网借贷的普惠性，结果表明，互联网借贷在缓解难以获得正规金融服务人群的融资困难上有一定作用，但对关键的弱势群体没有表现出普惠性，距离真正践行“扶弱解难”的普惠金融理念仍有很长道路要走。这使本研究需要审慎考虑已有研究中“互联网借贷有效实践了普惠金融理念”这一论断的正确性。

4.2 决定互联网借贷普惠性的因素

本研究发现互联网借贷对于缓解融资困难者的困境有一定作用，且对最关键的弱势群体没有表现出明显的普惠性，造成这一现象的根本原因何在？根据前文分析，互联网借贷的实际服务效果可以从借款端和投资端进行分解，即将其看作借款人主观能动性和投资者主观偏好的复合作用。因此，本研究分别从借款端和投资端入手，探讨决定互联网借贷普惠性的因素。

4.2.1 借款端的因素

对于借款端，本研究通过(7)式分析不同服务客体类型参与互联网借贷的主观能动性差异，表4给出回归结果，(1)列～(4)列为分别将4个解释变量纳入(7)式的回归结果，(5)列为将所有解释变量纳入(7)式的回归结果。

表4 (7)式的回归结果

由表4可知，Bani,t在单独回归和联合回归时的回归系数分别为-0.380和-0.319，均在5%水平上显著，说明越难从正规金融获得金融服务的居民，越倾向于主动参与到互联网借贷中进行融资。基于实践考虑，尽管部分省居民从银行等正规金融机构获得贷款的比例很低，但却可能有着强烈的借贷意愿。新兴的互联网借贷确实给受到信贷约束的融资困难者提供了实现借贷意愿的机会，因此从借款端的角度看，融资困难者比非融资困难者参与互联网借贷的主观能动性更强，对互联网借贷的普惠性起正向推动作用。但同样因为信用缺失等问题的存在，这部分主动参与的融资困难者也加剧了互联网借贷的风险问题，个体风险易相互传染，进而引发平台风险。

Comi,t在单独回归和联合回归时的回归系数分别为3.342和3.040，均在1%水平上显著，说明小额信贷发展程度越低的省，居民越不倾向于主动参与到互联网借贷中进行融资。小额信贷是民间借贷的主要组成部分，李鑫[43]认为，互联网借贷是传统的民间借贷在网络平台上的实现。在此背景下，以上结果说明居民使用互联网借贷进行融资在一定程度上是以往参与民间借贷这一习惯的延续，民间借贷越活跃的地区，当地居民越愿意尝试民间借贷在互联网背景下所诞生的互联网借贷这一新型借贷模式。这一结论证明了前述对弱势群体未能主动参与互联网借贷的猜测，即农村居民和低收入人群仍未养成使用互联网的习惯，从而参与互联网借贷的比率较低。

GDPi,t在单独回归和联合回归时的回归系数分别为0.631和0.794，均在5%水平上显著，说明经济发展程度越低的省，居民越不倾向于主动参与到互联网借贷中进行融资；Urbi,t在单独回归和联合回归时的回归系数分别为1.812和1.262，均在10%水平上显著，说明农村人口所占比例越高的省，居民越不倾向于主动参与到互联网借贷中进行融资。如前文所述，GDPi,t和Urbi,t为弱势群体的测量指标，综合这两部分回归结果，弱势群体所占比例越高的省，居民越不倾向于主动参与到互联网借贷中进行融资。由于本研究的控制变量中加入了Inti,t和Epai,t，从而排除了农村居民和低收入人群无法使用互联网和电子支付的可能性。因此，造成这一结果的原因可能是农村居民和低收入人群仍未养成使用互联网融资的习惯，从而限制了他们参与到互联网借贷之中，根据CNNIC发布的2016年第38次《中国互联网络发展状况统计报告》，城镇地区互联网普及率超过农村地区35.6个百分点，且农村居民不上网的主要原因是对互联网使用需求较低；另一个原因可能是农村居民的融资需求较低，目前中国大多数农村的劳动方式为责任承包制，农民在种植期间几乎不存在借款的需求，在这种情况下难以调动农民参与互联网借贷的热情。因此，从借款端的角度看，弱势群体比非弱势群体参与互联网借贷的主观能动性更弱，对互联网借贷的普惠性起阻碍作用。

综上，本研究探讨了借款端对互联网借贷普惠性的影响，发现融资困难者比非融资困难者参与互联网借贷的主观能动性更强，弱势群体比非弱势群体参与互联网借贷的主观能动性更弱。以上结论充分证明借款端对互联网借贷的普惠性有显著影响，借款人的主观能动性是互联网借贷是否发挥作用的重要影响因素。

4.2.2 投资端的因素

对于投资端，本研究通过(8)式分析投资者对不同服务客体类型通过互联网借贷平台发布标的的主观偏好的差异，表5给出回归结果，(1)列～(4)列为分别将4个解释变量纳入(8)式的回归结果，(5)列为将所有解释变量同时纳入(8)式的回归结果。

表5 (8)式的回归结果

由表5可知，Bani,t在单独回归和联合回归时的回归系数分别为-0.183和-0.228，均在5%水平上显著，说明投资者对难从正规金融获得金融服务的居民发布标的表现为排斥。根据AGHION et al.[44]的研究，金融约束的一个重要原因是存在信息不对称；而根据叶德珠等[45]对互联网借贷行为的研究，借款人在借款描述中展示的有效信息越多，即信息不对称现象越轻，借款成功率越高。在此假设下，越难从正规金融获得金融服务的居民，他们自身存在越严重的信息不对称，投资者对其发布标的偏好程度越低，从而其使用互联网借贷借款的成功率越低。因此，从投资端的角度看，融资困难者比非融资困难者受到互联网借贷投资者的主观偏好程度更低，对互联网借贷的普惠性起阻碍作用。

Comi,t在单独回归和联合回归时的回归系数分别为1.349和1.335，均在1%水平上显著，说明投资者更偏好小额信贷发展程度较高省居民发布的标的。根据已有对互联网借贷违约率的研究，借款人的过往借款次数越多，其该笔借款的潜在违约概率越低。各地居民参与互联网借贷是之前参与民间借贷习惯的延续，可以将当下参与互联网借贷的行为近似地看作正在网络上参与传统民间借贷。因此，对于小额信贷发展程度越高的省，居民参与民间借贷的次数越多，反映在互联网借贷中即对应着其过往借款次数越多，从而潜在违约概率越低。显然，投资者倾向于投资潜在违约概率较低的标的，因此小额信贷发展程度越高的省，投资者对其居民发布标的的偏好程度越强，致使其居民使用互联网借贷借款的相对成功率越高。

GDPi,t和Urbi,t无论在单独回归还是联合回归，回归系数均不显著，说明投资者对低收入者和农村居民等弱势群体发布标的没有表现出明显的偏好或排斥。因此，从投资端的角度看，弱势群体与非弱势群体受到互联网借贷投资者的主观偏好程度无显著差异，对互联网借贷的普惠性没有起到明显作用。

综上，本研究探讨了投资端对互联网借贷普惠性的影响，发现融资困难者比非融资困难者受到互联网借贷投资者的主观偏好程度更低，弱势群体与非弱势群体受到互联网借贷投资者的主观偏好程度无显著差异。以上结果证明投资端对互联网借贷的普惠性没有显著影响，投资者的主观能动性并非互联网借贷发挥作用的重要影响因素。

根据以上对借款端和投资端的分析，决定互联网借贷普惠性的根本原因是借款人的主观能动性。对于融资困难者，尽管投资者对其主观偏好程度较低，但由于其参与互联网借贷的主观能动性较强，高参与率弥补了低成功率，最终使融资困难者比例越高的省，成功使用互联网借贷借款的人数占总人口数的比例越高；对于弱势群体，尽管投资者没有表现出对他们的主观偏好或排斥，但由于其参与互联网借贷的主观能动性较弱，最终使弱势群体比例越高的省，成功使用互联网借贷借款的人数占总人口数的比例越低，互联网借贷的实际服务效果越差。

5 稳健性检验

5.1 互联网借贷参与率变化情况

本研究认为居民使用互联网借贷进行融资在一定程度上是延续他们以往参与民间借贷这一习惯，并将其作为弱势群体未能主动参与互联网借贷的佐证。如果该结论为真，则去掉时间固定效应后，在本研究时间期内不同年度各省居民互联网借贷的相对参与率不应有显著变化。为检验这一点，本研究定义

ΔPari,t=Pari,t-Pari,t-1

(9)

其中，ΔPari,t为i省第t年居民使用互联网借贷的相对参与率与前一年相比的变化量。进而构建模型，即

ΔPari,t=λ0+λ1Bani,t+λ2Comi,t+λ3GDPi,t+

(10)

表6给出(10)式的回归结果，(1)列～(4)列为分别将4个解释变量纳入(10)式的回归结果，(5)列为将所有解释变量同时纳入(10)式的回归结果。由Sig.值可知，无论是联合回归还是单独回归，方程均没有表现出显著性，说明各解释变量对被解释变量ΔPari,t的贡献微乎其微，也就是说，某省正规金融发展程度、小额信贷发展程度、经济发展程度和城镇化率均不会影响该省居民参与互联网借贷程度的变化情况。这证实了本研究在上文所得结论，即居民使用互联网借贷进行融资在一定程度上是以往参与民间借贷这一习惯的延续。由于民间借贷在中国已有很长时间的历史，不同省居民参与民间借贷的习惯早已形成且程度已确定，互联网借贷出现后，各省居民将其之前参与民间借贷的习惯和程度延续到互联网借贷上，从而使各省互联网借贷参与率保持在一个相对稳定的状态，即参与率的变化并不显著。

表6 (10)式的回归结果

至此可知，①互联网借贷对弱势群体没有表现出明显的普惠性；②决定互联网借贷是否具有普惠性的因素在于借款人的主观能动性，即相对参与率；③各省居民参与互联网借贷是之前参与民间借贷习惯的延续，致使各年相对参与率的变化并不显著。对于弱势群体而言，在没有外界协助的情况下，之后一段时间内参与互联网借贷的主观能动性仍将保持在较低的水平，从而阻碍互联网借贷的普惠性。

5.2 互联网借贷发展程度的显著差异

根据北京大学互联网金融研究中心发布的互联网金融发展指数，北京、上海、广东、江苏、浙江的互联网借贷发展程度遥遥领先于其他各省，为避免样本选择偏误以及发展程度的巨大差异对回归结果准确性的影响，本研究将这5个省从研究样本中剔除，并将其余26个省的数据代入(6)式～(8)式和(10)式进行回归，回归结果见表7。由表7可知，除(1)列中Urbi,t的回归系数不显著外，其余各解释变量的经济学含义均与原回归结果相同。GDPi,t和Urbi,t共同作为弱势群体的代理变量，由于GDPi,t完全通过了稳健性检验，因此综合来看，Urbi,t出现的显著性差别对分析结论的影响不大，即回归结果表明本研究的结论具有稳健性。

表7 稳健性检验回归结果

6 结论

6.1 研究结果

中国普惠金融强调给难以从正规金融获得金融服务的人群以及小微企业、农民、城镇低收入者等弱势群体提供投融资便利，而互联网借贷在中国最初出现时的定位是作为正规金融的有益补充，并在后续被纳入了数字普惠金融的范畴。在经历了十余年的探索发展，就实际效果来看，中国互联网借贷在有效实践“扶弱解难”的普惠金融理念方面仍有较大差距。

本研究利用2011年至2016年31个省的省际面板数据分析互联网借贷的普惠性，研究结果表明，①从解决居民融资问题的实际效果看，互联网借贷在缓解难以获得正规金融服务人群的融资困难上发挥了一定作用，而弱势群体并没有成为互联网借贷的重点服务对象；②造成以上现象的决定性因素在于不同服务客体类型参与互联网借贷主观能动性的差异，投资者对不同服务客体类型的主观偏好并不显著影响互联网借贷的普惠性；③居民使用互联网借贷进行融资在一定程度上是以往参与民间借贷这一习惯的延续。需要注意的是，大量存在信用问题的融资困难者主动参与到互联网借贷中也极易由个体风险上升至平台风险，进一步加剧互联网借贷市场的风险问题。

6.2 启示和建议

国务院颁布的《推进普惠金融发展规划(2016-2020年)》将普惠金融提升为国家战略，而作为个人和小微企业融资的有效途径，互联网借贷本应是建立普惠金融服务和保障体系的重要环节。为充分响应国家普惠金融发展战略，切实解决小微企业、农民、城镇低收入者等弱势群体融资难问题，本研究根据研究结果提出以下启示。

(1)本研究的结论之一是中国互联网借贷在缓解融资困难者的融资困境上发挥了一定作用。从国际上看，互联网借贷能从提升借款速度、降低借贷成本等方面比传统金融更好地服务包括农民在内的广大资金需求者[19,46-47]，因此需肯定其在缓解借贷固有的信息不对称问题[48]、服务金融“长尾”群体的天然优势，不应因“跑路”“爆雷”等风险事件全盘否定其作为金融科技新兴产物带来的好处和便利。“一刀切”取缔的举措显示了中国相关政府部门对于把控借贷市场风险的决心和力度，但后续更加值得探讨的是，如何把握好这把双刃剑——防控风险、助力普惠，科学重启和规范治理互联网借贷市场。

(2)本研究发现借款人的主观能动性是导致互联网借贷普惠性的关键因素，弱势群体因未养成使用互联网融资的习惯，从而限制了他们参与到互联网借贷中。而融资困难者的主观能动性较强，使互联网借贷对其发挥的普惠性效果更好，但也容易造成大量存在信用问题的该类群体主动参与到互联网借贷中造成风险累积，加剧整个市场的风险。因此，无法有效识别借款人特别是此类积极性较高的融资困难者的信用风险，可能是中国互联网借贷频繁“爆雷”的一个重要原因。区别于中国借贷市场，无论是英国的Zopa还是美国的Lending Club和Prosper，国际上知名的互联网借贷平台之所以能长期稳健运行，离不开政府可靠的信用评级体系支持以及强有力的监管举措，可以较为准确地识别大量融资困难者的信用风险[49]。此外，与国外平台相比，中国互联网借贷平台的借款利率与信用评分之间关系并不紧密[50]，也缺乏类似Prosper平台的双向定价模式。基于此，如何借鉴国外先进理念和国内成功案例，通过金融科技的先进技术创新监管手段、识别信用风险，也是互联网借贷未来规范化发展的重中之重。

根据以上启示，本研究进一步提出以下建议。

(1)关于互联网借贷市场重启和风险防控，以期促进网贷市场健康稳定发展的建议，主要对于政府监管部门而言。①全面推进互联网借贷监管体制和制度建设。当前中国以分业监管金融体制为主，混业监管尚不成熟，中国银行保险监督管理委员会内设的各职能部门中并未有专门的互联网金融监管部门，而是分散管理。因此，要从根本上解决现行制度性错配的问题，需进一步明确各部门的监管职责范围，并成立专门的互联网金融监管机构，专职统筹互联网借贷等网络金融监管问题，需特别重视混业、套利等引发的金融风险，以真正实现对互联网借贷全过程的穿透式监管。②实行严格的市场准入和信息披露机制。借鉴英、美较为完善的征信体系经验，结合中国实情，以大数据技术为基础全面构建以中国人民银行为主体的征信体系，并加速共享征信信息，对平台的全部经营指标做统一规范，及时报送至监管部门。③完善平台资金存管模式。由于仅靠银行第三方存管往往给银行自身带来诸多不便和风险，在遵从中国监管框架的前提下，可利用蚂蚁金服等的服务经验和数据，进一步实行“第三方支付+银行存管并存”的模式。④借鉴英国金融行为监管局的相关经验，在充分研究“监管沙箱”适用性的基础上，建立符合中国国情的以监管部门为主导的互联网借贷“沙箱”测试工具。

(2)关于更好地引导互联网借贷助力普惠，以期真正达到“扶弱解难”效果的建议。①政府部门需多加干预，落实互联网借贷在数字普惠金融建设中的角色定位，通过规则奖励或政策约束鼓励互联网借贷平台完成相关的“扶弱”指标，并在平台得到规范化治理后鼓励农民、低收入群体等发挥主观能动性，积极参与到互联网借贷中。②各互联网借贷平台需学习阿里小贷的成功经验，它不仅通过相关电商平台和支付平台获取信用记录，建立起全国最为丰富的小微企业数据库，为发展小微企业金融服务带来了传统金融机构无法比拟的信息优势，还以金融科技为依托，基于大数据技术构建贷前、贷中、贷后三环节紧密衔接的风险管控体系。互联网借贷平台通过上述经验借鉴或与之合作，不仅可降低融资困难者和弱势群体的融资成本和风险，还能最大限度缓解该群体与平台之间的信息不对称程度，进而建立起针对普惠群体用户无须抵押和担保的征信体系和贷款风控机制，以最大可能帮助融资困难者和弱势群体缓解融资困境。

6.3 研究不足

本研究存在一定不足之处，限于可得数据，未能考虑弱势群体中的小微企业部分，致使研究全面性有待进一步加强；尽管选用了中国最具代表性的借贷平台交易数据作为研究样本，但也难以避免单一平台的局限性，在未来研究中需考虑将更多异质性平台纳入考量范围，进一步验证研究结果。