社交网络、债务融资与城镇家庭创业——基于CHFS2017的实证研究

张 涵,谢绵陛

(集美大学 财经学院,福建 厦门 361021)

一、文献回顾

在2020年“大众创业,万众创新活动周”启动仪式上李克强总理强调,要推动大众创新、万众创业向纵深发展,持续增强经济发展韧性和内生动力。创业是经济增长的重要推动力,也是创新的重要来源(Michelacci,2003;Acs等,2009)[1-2]。在我国经济进入“新常态”的背景下,作为推动创新与就业的重要支撑,家庭创业也再次成为学者所关注的热点问题。

对于创业,当前的研究主要从创业者的个人特征出发,如风险态度(Dohmen,2010)[3]、金融素养(尹志超,2015)[4]。除此之外,家庭特征、融资约束也是重要的研究方向,如家庭财富(倪云松,2020)[5]、家庭年龄结构(胡日东、康琛宇,2020)[6]、人口老龄化(杨阳、刘玉贵,2020)[7]等。

作为社会资本的一个维度,社交网络与信任、社会规制一同属于社会资本的范畴,能够通过推动合作提高社会效率(Putnam等,1994)[8],我国作为一个传统的关系社会,社交网络在家庭经济中发挥着重要作用,因此在我国的创业研究中,从社交网络角度进行分析便尤其重要。创业者的社交网络能够提供商业信息、启动资金、订单等资源(边燕杰和张磊,2006)[9],创业者社会交往面广、交往对象趋于多样化、与高社会地位个体之间关系密切的创业者更容易发现创新型更强的机会(张玉利,2008)[10]。马光荣和杨恩艳(2011)发现农户的社交网络越广泛,拥有的借贷渠道更多,进行工商业经营的可能性越高[11],中国社会关系的主要特征之一便是广泛渗透于经济政治领域的正式组织和科层制体系中的非正式关系(纪莺莺,2012)[12],其对于我国宏观经济的运行和微观家庭行为都有不可忽视的影响。在债务融资方面,已有研究普遍认为创业活动存在着一个最低的资金门槛,当创业者自有财富无法达到这一门槛,便会需要进行债务融资获取资金[13]。

也有学者对社交网络与债务融资间的关系及两者对于创业的影响进行了研究,胡金焱、张博(2014)研究发现社交网络通过民间融资,为受到金融约束抑制的农村家庭自营工商业提供资金支持[14]。郭云南(2013)研究发现宗族网络有助于提高农民家庭的非正规融资,缓解农民创业过程中面临的资金约束[15]。

综上可知,目前关于社交网络、债务融资与创业之间关系的研究十分丰富,但已有的研究对于创业大多仅限定于家庭创业决策,少有针对家庭创业类型与进入行业的研究。而对于债务融资与创业间的关系,大多数文章通过建立Probit与Logit模型进行研究,存在自我选择的风险。因此,本文将重点从理论与实证方面论证社交网络、债务融资与创业间的关系,并采用倾向得分匹配方法对债务融资与创业的关系进行探究。

二、理论分析与假设提出

社交网络是从其嵌入到社会关系连带或组织契约中动用资源或能力的综合(Coleman,1990)[16]。社交网络可以使家庭拓宽信息渠道,拥有广泛社交网络的家庭,可以通过与成员间的互动交流捕获商机(Francis等,2000)[17],并且通过与关系网络中成员的合作,还可获得相应的资源与能力(边燕杰和邱海雄,2000)[18]。关于社交网络对于家庭创业的影响主要从以下方面论述,首先,对于家庭创业来说,资金是最为重要的一环,因为不论是购置资产、招募人员还是为满足流动性需求都需要一定量的资金,拥有广泛社交网络的家庭,由于其关联家庭的数量更多,也便更有可能通过向亲朋好友借贷或请求亲朋好友为其提供担保以获取贷款等方式获取外部资金支持,因此其获取资金的能力也便更强。其次,创业也需配备相应的人力资源,比如从事餐饮服务便需要厨师,在需要雇佣员工的情况下,社交网络更广泛的家庭由于社会接触面更广,信息来源渠道更多,其就更有可能以更低的招募成本招聘到相应人员,也便更有利于进行创业。最后,家庭创业也应考虑从事经营活动是否能够带来收益,也即利润是否为正,而利润等于收入减去成本与费用,因此也便需要从收入与成本费用两方面来考虑这一问题,对于社交网络更为广泛的家庭来说,其更可能通过与网络内相关成员合作,而获得更优惠的原材料供应与更长的信用期,从而降低成本,也有可能通过网络内的信息交流,拓宽销售渠道,获取更优质的客户,从而增加收入。不论是增加收入还是降低成本,社交网络更广泛的家庭都更有优势,其参与创业或者在未来参与创业的意向也便会更强,此外,从创业类型方面来看,可将创业划分为生存型创业与机会型创业,前者是缺乏就业选择而被迫从事的创业活动,雇佣员工较少,后者是为捕获商机而主动开展的活动,雇佣员工相对更多。在资本投入与规模上,机会型创业相比生存型创业也往往需要更多资源的投入,因此相较于生存型创业,机会型创业对于社交网络也便更为依赖。更进一步的,从创业行业角度考虑,高资本密集度行业更为依赖资金支持(Hurst等,2004)[19],高资本密集度行业的资金门槛相对低资本密集度行业也更高,而由于高资本密集行业更高的资本成本以及经营风险,其对于各方面信息的要求也便更高。由以上分析提出如下假设H1-H3。

H1:社交网络对城镇家庭做出创业决策具有显著正向影响。

H2:高资本密集行业与低资本行业相比更依赖社交网络。

H3:机会型创业与生存型创业相比更依赖社交网络。

在创业初期,由于需要购置生产工具、雇佣员工等原因,需要大量的资本投入,而此时仅有少量甚至没有现金流,如果家庭自有财富水平并不能满足相关投入的需求,面临金融约束的家庭便需要通过外部获取融资,进行家庭创业。基于此提出假设H4。

H4:债务融资有利于促进家庭创业。

银行在做出信贷决策时需要依赖财务信息、抵押品此类硬信息以及借款人个人的品质、能力以及声誉这类软信息来做出判断(孙希芳,2005)[20]。社交网络作为软信息中的组成部分,在申请人硬信息缺乏的情况下可以提供部分支持,此外,申请人也可运用自己在社交网络中的关系网直接向网络成员借款或请求其提供担保以获取贷款,使之从软信息转化为硬信息,由此提出假设H5。

H5:债务融资对于社交网络与城镇家庭创业具有中介作用。

三、数据、变量与模型

1.数据来源

本文数据来源于西南财经大学的中国家庭金融调查(CHFS)2017数据,该调查采用PSP抽样、分层抽样等抽样方法,保障了调查数据的代表性。样本覆盖全国29个省(自治区、直辖市),363个县(区、县级市),1 439个村(居)委会。不仅含有家庭基本的资产负债信息,还设计问题考察受访者的个人特征、家庭特征等信息。根据研究需要,在剔除农村居民数据、异常数据与缺失值后,最终保留21 058个观测值。

2.变量选取

(1)解释变量

国内学者对于社交网络的度量主要采用礼金支出、春节拜年、村庄内姓氏结构等指标。马光荣、杨恩艳(2011)[11]采用家庭和亲友间的礼品收支金额作为社交网络的测量工具。郭云南(2013)[15]使用“家庭姓氏在村庄中所占人口比例”作为家庭宗族网络的代理变量。何翠香、宴冰(2015)[21]选择家庭网络通信费用、外出就餐花费与春节等节假日及红白喜事现金支出与收入总和作为社交网络的代理变量。柴时军(2017)[22]选取CFPS问卷中家庭娱乐支出占比、外出就餐费用占比、邮电交通费占比度量社交网络,选取“邻里和睦程度”度量邻里网络,选择“亲戚交往联络频率”衡量亲缘网络,运用主成分分析法构建社会网络指标。本文借鉴以上做法,选取CHFS问卷中家庭收入与支出的文化娱乐支出、在外就餐花费、电话与手机通信费用代表社交支出,选取CHFS问卷中“去年,您家给父母/岳父母/公婆的现金非现金一共多少钱”与“去年,您父母/岳父母/公婆给您的现金非现金一共多少钱”分别表示亲缘网络,选取CHFS问卷中“去年,除了父母和公婆/岳父母,您家给其他亲属和非亲属的现金或非现金一共有多少钱?”与“去年,除了父母和公婆/岳父母,其他亲属和非亲属给您家的现金或非现金一共有多少钱?”代表非亲缘网络,运用主成分分析法得出社交网络指标。进行KMO和Bartlett检验,KMO值为0.758,大于0.5,Bartlett检验对应的p值也显著小于0.001,因此可以做主成分分析,在对主成分提取、因子旋转之后,根据提取的公共因子计算因子得分,将各主要因子方差贡献率除以总方差贡献率作为权重进行加权汇总,得出加权式Score=0.479f1+0.291f2+0.23f3,最终计算得出社交网络指标,具体过程如表1-表4所示。

表1 KMO和Bartlett检验

表2 主成分提取结果

表3 旋转后的成分矩阵

表4 主成分命名

(2)中介变量

本文中介变量为家庭债务融资额,此变量为家庭通过正规与非正规方式获取贷款与借款之和。

(3)被解释变量

采用CHFS2017调查问卷中“家庭是否从事工商业生产经营项目,包括个体小手工业经营、网店、企业经营等”作为家庭创业决策的代理变量,如果选择为“是”,赋值为1,否则赋值为0。

本文参考倪云松(2020)[5]的做法,将家庭创业类型分为机会型创业与生存型创业,其中机会型创业家庭是指在CHFS问卷中当前工商业经营雇佣人数大于等于7人的家庭,生存型创业家庭是指工商业经营雇佣人数小于7人的家庭。

创业行业参考盛艳燕和李铁斌(2015)[23]的研究对高资本密集度行业和低资本密集度行业进行分类,其中高资本行业包括采矿业、房地产业等,低资本行业包括教育、勘察行业等。

(4)控制变量

借鉴已有研究成果,本文选取性别、年龄、婚姻状况、受教育程度与健康状况5个变量反映居民个体特征,选取家庭人口规模、家庭风险态度、收入与财富反映家庭基本特征。性别、年龄与婚姻状况的不同,家庭所面临的经济压力与社会压力也会有所不同,进而影响家庭的创业决策;受教育程度的差异会影响家庭对于风险的认知,以及对可获取的工作机会与创业的取舍,从而影响家庭的创业。家庭人口规模反映了家庭的负担状况与人力资源;家庭风险态度直接反映了户主的风险偏好情况,也会对家庭创业产生影响。家庭财富与家庭收入选取相关数据取对数后得出,其中家庭的收入水平会在一定程度上影响家庭对于风险的接受程度进而影响创业决策,而家庭财富则反映一个家庭的资本,家庭财富积累越多也便越倾向于创业。

3.模型设计

(1)Probit模型

家庭创业决策是一个二元选择的结果,因此利用Probit模型对家庭创业决策进行实证分析,如式(1)所示。

Probit(entr)=β0+β1sjwl+θ1Xi+εi

(1)

其中,entr为家庭创业决策,sjwl是社交网络,Xi为控制变量,β0、β1、θ1分别为常数项、社交网络和控制变量的系数或系数阵,εi为随机误差项。

(2)多项Probit模型

针对社交网络对于创业类型的研究,采用多项Probit估计,估计方程式如式(2)所示。

Entrtypeji=β0+β1sjwl+θ1Xji+εji

(2)

Entrtypeji为家庭创业类型,其中,j=0表示家庭不创业,j=1表示家庭从事生存型创业,j=2表示家庭从事机会型创业。

针对社交网络对于创业进入行业的研究,采用多项Probit估计,估计方程式如式(3)所示。

Etji=β0+β1sjwl+θ1Xji+εji

(3)

Etji为家庭进入类型,其中j=0表示家庭不创业,j=1表示家庭在低资本密集行业创业,j=2表示家庭在高资本密集度行业创业。

(3)PSM模型

参考江世银(2021)的做法[24],本文对于负债与家庭创业的关系采用PSM模型进行研究,目前已有的对于负债与家庭创业关系的研究多是采用Probit模型,但家庭在作出创业决策所选择的不同渠道融资却不是随机的,而是家庭自我选择的结果。Probit模型并不能很好的解决这一问题,因此需要比较同一家庭在“取得债务融资”(处理组)和“未取得债务融资”(控制组)两种状态下创业决策的差异表现,在其他状态都相同的情况下,引起家庭决策差异的唯一原因便是家庭是否取得债务融资。同一家庭不可能同时出现取得债务融资与未取得债务融资两种行为,现实中的结果却往往只能观测其中一个值,因此需要找到未获得债务融资家庭的创业决策进行替代。PSM不仅可以有效应对样本选择偏差,而且在处理内生性问题上更具优势。

4.描述性统计分析

表5列出了变量描述性统计信息。

表5 变量描述性统计

从表5的描述性统计结果来看,2017年受访者中有16%进行创业,创业的积极性并不算高。城镇家庭平均负债6.366万元且差异较大。社交网络均值最大值与最小值之间差距较大,表明我国城市家庭社会关系网等存在显著差异:户主的平均年龄为53.312岁,多为中老年人。平均受教育年限为10.413年,即仅完整接受过初中教育,表明城市居民受教育水平整体偏低。家庭风险态度均值为4.164,表明我国城市居民大部分为风险厌恶者,更为倾向风险规避。户主健康状况均值为2.391,表明大部分户主健康状况较好。家庭收入以及家庭财富的数据表明城市居民在家庭净资产与收入方面存在较大差异。

四、实证分析

1.社交网络与家庭创业决策、类型、行业

通过对社交网络对家庭创业决策、创业类型、进入行业进行回归估计,得到表6。表6显示,社交网络对于家庭创业决策具有正向的影响,对提高家庭作出创业决策的边际效应为0.205,且在1%的统计水平上显著,第二列与第三列为社交网络与创业类型的回归结果,社交网络对于二者均具有显著正向的影响,机会型创业中社交网络的系数为0.491,高于生存型创业中社交网络系数0.194,表明从创业类型角度来看,机会型创业相对于生存型创业对于社交网络的要求更高。第四、五列为社交网络对于创业进入行业的回归结果,高资本行业社交网络系数0.311大于低资本行业社交网络系数0.299,这可能是因为社交网络更广泛的家庭其可获取的信息与筹集的资金也会相对更多,因而也更有可能进入高资本行业创业,可见从行业角度来看,与选择低资本密集行业相比,在高资本密集行业创业的社交网络系数更高,说明从行业角度来说社交网络对于创业具有重要影响。假设H1、H2、H3得到证明。

表6 社交网络与家庭创业决策、类型、行业

续表6

2.债务融资与家庭创业决策

在将所有家庭进行配对后,处理组与控制组家庭除是否取得债务融资不同外,没有其他明显的差异,表7显示了匹配前后城市家庭创业情况差异的最终结果,如表7所示。

表7 匹配前后城市家庭债务融资差异

在匹配前后,创业情况的差异均显著大于0。如果未按照家庭各个特征变量进行匹配,在样本匹配前处理组和对照组样本之间的创业状况差异之差为0.1149,高于匹配后的结果,这会导致在研究城市家庭是否取得债务融资对创业情况差异影响的估计中出现偏差。从匹配后的样本结果来看,在控制了城市家庭其他特征的影响后,在最近邻匹配下,取得债务融资的城市家庭比与之相配的未取得债务融资的城市家庭创业几率高出30.54%(0.0562/0.1840),在半径匹配、核匹配、局部线性匹配下,创业几率分别高出26.58%、27.84%、25.95%。说明在城市家庭样本中,取得债务融资的家庭更加倾向于进行创业。

倾向得分匹配法估计结果可靠还需要满足平衡性假设这一要求。只要匹配后的家庭在匹配变量上不存在显著的差异,即可说明匹配方法的选择或变量的选取是有效的。本文选取均值与标准化偏差两个指标考察匹配是否平衡。一是采用t统计量检验在匹配前后取得债务融资与未取得债务融资的家庭变量均值是否有较大变动;二是通过标准化偏差评价匹配效果,标准化偏差越小则说明匹配效果越好。匹配标准化偏差的绝对值一般控制在20%以下被认为效果较好。匹配前后差异对比如表8所示。

表8 匹配前后差异对比

由表8可知,在进行平衡性检验后,结果显示匹配后变量的标准偏差都在降低且幅度较大,偏差率全部在10%以下;从均值t统计量来看,各变量在匹配后均不存在显著差异。这表明,匹配变量的选取以及匹配方法的选择是有效的,匹配后的城镇家庭除是否取得债务融资外其他特征基本一致,平衡假设检验通过。

在通过平衡检验后,运用匹配后数据进行回归,结果如表9所示,债务融资提高了家庭的创业概率。四种方法的回归结果均在1%的显著性水平上显著,由此可知债务融资对于家庭创业具有正向促进作用,假设H4得证。

表9 PSM债务融资第二阶段回归结果

3.中介效应检验

利用Probit模型验证社交网络是否能够通过债务融资来促进家庭创业,借鉴相关研究[25-26]提出的中介效应模型构建如式(4)-式(6)方程所示。

Yi=α0+α1M1i+θXi+μi

(4)

Wi=β0+β1M1i+ØXi+εi

(5)

(6)

Yi、Wi、M1i分别代表家庭创业决策、家庭债务融资和社交网络。式(4)代表社交网络对于家庭创业决策的总影响,式(5)代表社交网络对于家庭债务融资的影响,式(6)为在式(4)的基础上加入中介变量w进行回归检验,代表社交网络通过债务融资对家庭创业的影响。中介效应的检验步骤如下:第一步检验式(4)中的系数α1是否显著,若显著则进行第二步。第二步,检验式(5)中的系数β1和式(6)中的系数γ2是否显著,若均显著,则表示间接效应显著,进行第四步,若至少一个不显著,则进行第三步,第三步,Bootstrap法直接检验原假设β1×γ2=0,如果显著,则中介效应显著,进行第四步;若不显著,停止检验。第四步,式(6)中的系数γ1如果不显著,则证明中介变量发挥了完全中介作用;若显著,比较β1×γ2和γ1的符号,若符号一致,则存在部分中介效应。具体检验结果如表10所示。

表10 债务融资中介效应检验

由表10来看,模型(4)未加入债务融资时,社交网络对创业决策的影响为正,且在1%的统计水平上显著,通过检验步骤一。模型(5)则表明社交网络在1%的统计水平上显著,提高了家庭债务融资规模。模型(6)在模型(4)的基础上加入债务融资,社交网络与债务融资对于创业决策的影响均在1%的统计水平上正向影响家庭创业决策,通过检验步骤第二步与第四步。表明债务融资在社交网络影响家庭创业决策的过程中起到部分中介作用,假设H5得到证明。

4.稳健性检验

本文采用直接加总法重新衡量社交网络变量,将社交网络的指标包括交通支出、文化娱乐支出、在外就餐支出、电话网络通信费用支出,亲缘收入与支出、非亲缘收入与支出加总后取对数,得到新的社交网络指标,并将其分别对家庭创业决策,创业类型、进入行业进行回归,结果如表11所示。此回归结果与前文回归结果基本一致,说明社交网络依然对家庭创业有显著正向的影响。

表11 稳健性检验

五、结论

利用2017年的中国家庭金融调查与研究中心(CHFS)的大规模中国家庭金融调查数据,选取城镇家庭文化娱乐支出、在外就餐花费、电话与手机通信费用、亲缘网络、非亲缘网络,运用主成分分析法测度社交网络指标,采用Probit模型、多项Probit模型分析社交网络对于城镇家庭创业决策、创业类型、进入行业的影响,针对债务融资对于家庭创业决策影响的研究,由于Probit模型并不能很好应对样本自我选择问题,因此本文选择PSM模型进行研究,并实证检验债务融资在社交网络对家庭创业决策影响路径中的中介作用。研究发现了以下主要结论。

第一,社交网络提升家庭开展创业的可能性,社交网络广泛的家庭更倾向于进行创业。社交网络对创业行业和创业性质的影响存在差异。在将创业性质划分为生存型创业和机会型创业后发现,机会型创业的社交网络系数更高,表明机会型创业与生存型创业相比对社交网络要求更高。将行业按照资本密集度划分为高资本密集度行业和低资本密集度行业后发现,高资本密集度行业的社交网络系数更高,表明高资本行业与低资本行业相比对于社交网络依赖更强。

第二,债务融资在运用最近邻匹配、半径匹配、核匹配、局部线性匹配后,对家庭创业决策回归系数显著且全部为正,与匹配前的结果相比有所下降。表明在考虑样本自我选择风险后,债务融资对家庭创业决策仍起到正向促进作用。

第三,债务融资在社交网络影响城镇家庭创业决策的过程中存在中介效应,说明社交网络可通过改变债务融资来缓解城镇家庭创业资金约束进而促进家庭创业。