基于價值創造理論的P2P貸款人參與度影響因素分析

吳慶田　李彬

內容提要：P2P網貸作為一種新型網絡融資模式，盡管發展迅速但仍存在貸款人參與度低下的問題。本文基于人人貸的交易數據，通過引入價值創造理論，采用因子分析法和PLS-SEM法，從貸款人感知價值和感知風險兩個維度實證分析P2P網貸貸款人參與度的影響因素及其影響程度，結果表明借款人的信用水平與貸款人的投資收益對貸款人參與度有顯著影響，借款人個人特征因素和償債能力因素對貸款人參與度影響不顯著，P2P網貸發展離不開借款人信用水平和貸款人投資收益的提高。

關鍵詞：價值創造；P2P網絡借貸；貸款人參與度

中圖分類號：F8305 文獻標識碼：A 文章編號：1001-148X（2017）03-0159-08

P2P網貸既彌補了借款人的資金缺口，也豐富了貸款人的投資渠道，沖擊著傳統信貸模式。截止2015年底，零壹研究院數據中心監測到有線上業務的P2P借貸平臺共3 657家，其中正常運營的1 924家，較2014年增長741%。盡管P2P網貸發展迅猛，但目前仍存在貸款人參與度低下的問題。事實上，2015年中國網貸行業投資人數是借款人數的兩倍，分別為586萬人和285萬人，而我國人人貸數據表明借貸成功率也只有316%左右[1]，特別是在一系列平臺倒閉、責任人跑路事件發生后，其表現出的高風險更加使得P2P網貸貸款人望而卻步。貸款人參與度低下的問題已經成為制約P2P網貸發展的主要障礙之一。

作為理性經濟人，貸款人具有趨利避險的基本特征，在投資借貸項目時，會比較該項投資可能獲得的收益和付出的成本，然后綜合考量其感知價值與感知風險的相對大小，從而決定是否參與。此外，Lloyd（2003）認為顧客參與是顧客在服務過程中所付出的成本、精力等一切代價，最終會影響他們所接受的服務和服務質量[2]。這說明顧客通過參與服務來更好地滿足自己消費的個性化需求，P2P網貸貸款人參與借貸過程就類似于顧客參與消費服務過程，在一個借貸雙方互動交流的平臺上，貸款人的參與度就不僅僅是指個別借貸項目的一次滿標，而應該是指貸款人為更好地滿足自己的投資需求，獲得投資收益，從而參與借貸，完成這一價值創造過程。因此，本文引入價值創造理論，分析貸款人參與度的衡量指標，從貸款人感知價值和感知風險兩個維度討論貸款人參與度的影響因素及其影響程度，以期厘清感知價值、感知風險及貸款人參與度這三者之間的關系。

一、文獻回顧

目前國內外關于P2P網貸投資人參與意愿及行為的研究較多，主要基于信息不對稱理論，風險理論，分析了“硬信息”、“軟信息”對P2P網貸項目成功的影響。在個人信息方面，Ravina（2007）研究表明借款人的年齡、性別、種族都會影響網貸成功率[3]。Pope等（2011）基于Prosper的實證研究，指出某一類人在選擇出借對象時會有主觀傾向，比如只選擇男性或只選擇女性，且35歲以下的年輕人更容易獲得貸款[4]。Barasinska等（2010）基于德國最大的P2P平臺（Smava），發現性別并沒有影響借貸的成敗[5]。在財務、信用信息方面，Puro等（2010）指出，P2P借款的成功率與出借人提供的利率、金額負相關[6]；Lin等（2009） 發現，借款者信用評級越低，借款成功可能性越小、借款利率越高[7]；Herzenstein 等（2013）則指出，與財務因素相比，借款人的人口特征對貸款成功的作用微不足道[8]。在社會資本因素方面，貸款人的社交網絡可以有效降低信息不對稱[9-11]。

綜上可知，對P2P網貸貸款人行為的研究主要聚焦在各類因素對借貸成功率以及參與意愿的影響，參與的衡量指標也都是借貸標的是否滿標，卻很少從其他指標來衡量貸款人的參與度，忽略了貸款人參與借貸時作為理性經濟人進行價值考量以及參與其中實現價值創造的研究。事實上，國內外學者對傳統交易模式下的顧客或消費者的參與已經做了大量研究，指出顧客也是價值創造的一員，比如Cronroos（1989）認為不是顧客獲得了參與企業創造價值的機會，而是企業獲得了參與顧客價值創造過程的機會而成為價值促進者[12]。此外，學者們還提出顧客是否參與服務或消費的過程主要受到顧客感知價值的影響。Zeithaml（1988）、Woodruff（1997）和Krishnan（1998）均認為顧客會從所感知到的利得和利失的角度來考慮真正得到的價值，消費者是否會做出購買決策是由其所獲得的感知利益與感知成本二者間的相對關系來決定，感知利益越大，感知價值就越大[13-15]。

隨著互聯網技術的發展，顧客或消費者由“線下”轉移至“線上”，無論是在交易環境方面，還是交易關系方面，P2P網貸就類似于C2C電子商務，只是雙方的交易產品變成了可獲得收益的資金。相對傳統交易模式來說，P2P貸款人作為網貸平臺的金融消費者考慮感知價值的同時，也需要考慮感知風險，與此相關的價值創造活動必然也會發生改變。葉乃沂（2014）指出感知風險對消費者購物決策、態度以及信息處理等行為都有顯著影響[16]。王崇和李一軍（2007）分析了購買成本、感知風險與感知價值三者之間的關系，表明購買成本與網絡消費者感知價值相關性不顯著，而感知風險是顧客對購買決策不良后果的預期，對感知價值具有重要負影響[17]。Pavlou（2003）的研究結論都說明產品類型、網站服務、感知風險等對消費者的消費意愿有影響[18]。Dan等（2008）使用PLS方法對感知收益的影響進行了驗證，與感知風險相反，感知收益為網絡環境中的交易提供一種有力的刺激[19]。陳冬宇和林漳希（2013）參照C2C電子商務的交易者行為，指出在P2P 信貸市場中，出借者既要考慮投資收益，也要考慮與之相應的風險，因此感知收益和感知風險都可能會影響出借者的出借意愿[20]。

二、理論分析

P2P網貸提供交易雙方交流的平臺，它的存續模式就在于吸引更多人參與其中并成為借貸雙方。其中，貸款人將閑散資金充分利用，投入借款人所需領域，在平臺上進行資源的交換與組合，實現了資源的跨行業、跨地區的整合，為價值創造提供了先決條件。同時借貸雙方的信息交流以及貸款人憑此做出的參與選擇也影響著資源的流向，從而影響著價值創造活動的進行。參與人不斷的交流互動給P2P網貸提供了源源不斷的發展動力，創造了屬于自身的價值。貸款人的參與，使得若干個貸款人的閑置資金組合在一起，滿足了借款人的資金缺口，同時也實現了貸款人的投資收益，正是這種資源的重新組合與再利用，使得借貸雙方創造并獲取了新的價值。

目前國內P2P平臺主要分為純中介型、復合型以及公益型三種類型，而貸款人一般會選擇純中介型或者復合型平臺，主要考慮借款人以及借貸項目對其收益與風險的影響。P2P網貸類似商品買賣，貸款人參與某一借貸項目時會綜合考慮這一交易的利得和利失。但是，對于P2P網貸這種線上交易來說，其與傳統的線下交易是有所差別的，“線上”交易更大的違約風險使得貸款人作為理性經濟人更看重的是感知價值，也即經濟利益或投資收益，而P2P網貸貸款人的投資收益主要取決于借貸項目的借貸利率、借貸金額以及還款期限，因此本文提出以下假設：

假設一：P2P網絡借貸貸款人感知價值越大，則貸款人參與度越高。具體包括借貸利率越高、借貸金額越大、借貸項目還款期限越長，則貸款人感知價值越大。

同時，鑒于P2P網貸是一種特殊的線上交易模式，其交易的利失不僅是傳統意義上的時間、人力、物力等有形成本，還包括來自于借款人的違約風險，因為信息不對稱、選擇多樣性等原因，貸款人參與其中時不得不考慮參與借貸所要承擔的各類風險，這也就是貸款人的感知風險，其對感知價值具有反向作用。從P2P網貸來看，這些感知風險主要來自貸款人對借款人的信用水平、償債能力以及個人特征的感知和評判，故本文提出以下假設：

假設二：P2P網絡借貸貸款人感知風險越大，則貸款人參與度越小。具體包括為借款人信用水平越高、借款人收入越高、借款人學歷越高，則貸款人感知風險越小；借款人為男性，則貸款人感知風險越大。

因此，貸款人的參與度受其感知價值和感知風險的影響，當感知價值大于感知風險時，貸款人會傾向參與借貸，反之，則傾向不參與借貸。

目前研究P2P貸款人參與行為主要用單一的借貸標的是否滿標來衡量，本文提出用參與度作為貸款人參與的衡量指標。徐晨飛和陳珂祺（2015）認為眾籌網站的參與度更加注重于用戶瀏覽項目的頻率及其參與項目的數量，因此將用戶的參與度以參與頻率和活躍程度作為衡量指標[21]。在P2P網貸中，一方面，對借款人而言，P2P網貸是一種籌資活動，貸款人的參與度直接影響借款人籌資活動的順利程度，反映的是借款人籌資活動的最終結果；而對貸款人來說，P2P網貸則相當于一種投資活動，其參與度反映了貸款人參與借貸項目的全過程。因此將采用三個相關指標來衡量貸款人的參與度，分別是借貸項目成功與否、借貸項目參與人數以及借貸項目籌資時間，其中項目成功與否代表了貸款人是否參與的結果；借貸項目參與人數與籌資時間則反映了貸款人參與借貸項目的過程，借貸項目參與人數越多，歷經時間越短，則表明貸款人參與度越高，反之亦然。其中，如果借款人發布的借款項目在其活躍期到期之時，籌集的借款金額大于等于其申請的借款金額，則為項目成功，反之失敗；項目參與人數為一個項目從發起到結束時進行投資的人數；項目籌資歷時為項目發起到籌資結束的時間。理論分析框架如圖1。

圖1貸款人參與度影響因素理論分析框架

三、實證分析

（一）數據搜集與整理

本文利用爬蟲程序搜集人人貸平臺上的數據（ID：761008-80400，步長為4），經過數據搜集與整理，刪除信息不全的數據，最終擬對剩余8 694條數據進行因子分析和PLS-SEM分析。

根據上文分析，本文規定具體變量及其取值，如表1所示，項目成功取值“1”，項目失敗，取值“0”；借款人性別為“男”取值“1”，為“女”取值“0”；婚姻：離異取值為0，喪偶取值為1，未婚取值為2，已婚取值為3；借款人的信用級別為人人貸上提供的數據分類，分別有AA、A、B、C、D、E、HR，這7個信用級別由AA到HR分別取值為6、5、4、3、2、1、0；信用報告、工作認證、收入認證、學歷認證、手機實名認證、實地認證①分別包括認證失敗取值為0，沒有認證取值為1，超過認證期限取值為2，認證中取值為3，認證成功取值為4；學歷：高中或以下取值0，大專取值1，本科取值2，研究生及以上取值3；月收入②：1 000-2 000取值為0，2 000-5 000取值為1，5 000-10 000取值為2，10 000-20 000取值為3，20 000-50 000取值為4，50 000以上取值為5；工作職務：一般員工取值為1，中層領導取值為2，高管取值為3，技術人員取值為4，其他取值為0；住址按西、北、中、東、南③分別取值為0、1、2、3、4。

（二）因子分析

分析數據為多變量大樣本，為研究提供豐富信息的同時也增加了分析問題的復雜程度，以上數據均為借款人的個人特征數據，各項變量之間存在著一定的相關關系。因子分析通過研究多個指標相關矩陣的內部依賴關系，找出控制所有變量的少數公因子，并將每個指標變量表示成公因子的線性組合，以再現原始變量與因子之間的相關關系。因子分析的目的是通過降維來尋求變量的基本結構，簡化觀測模型，以期用少數的變量來解釋整個問題。

矩陣A=（aij）則稱為因子載荷矩陣，ε為特殊因子，在實際分析中忽略不計。根據因子載荷矩陣判斷各公因子在哪些變量上載荷大，從而根據這些載荷大的變量來說明公因子的含義。

利用SPSS190對數據進行分析，首先檢驗樣本數據變量矩陣是否適合進行因子分析（見表2）得到，適當性的KMO（Kaiser-Meyer-Olkin）檢驗值為0933大于08；Bartlett球度檢驗結果顯示，近似卡方值為16 6854300，自由度為210，檢驗的顯著性水平為0000，拒絕假設H0（假設相關矩陣是一個單位矩陣），因此該數據樣本適合進行因子分析。

對各變量做因子分析，從表3可以發現，盡管數據適合做因子分析，但是申請借款次數、實地認證、居住地認證和住址這4個變量的共同度均低于50%，說明解釋程度很低，本文將剔除這四個變量；此外，由表4可知，申請借款次數與實地認證的因子載荷為負值，婚姻變量與居住地認證共同組成一個因子，這不僅不符合客觀實際，也不具有現實意義，同樣刪除這三個變量。綜上考慮剔除這5個變量之后，再進行因子分析。

接下來對剔除5個變量之后的剩余變量進行因子分析，首先檢驗剩余樣本數據變量矩陣是否適合進行因子分析（見表5）得到，適當性的KMO（Kaiser-Meyer-Olkin）檢驗值為0933，大于08；Bartlett球度檢驗結果顯示，近似卡方值為163 472787，自由度為120，檢驗的顯著性水平為0000，拒絕假設H0。因此剔除5個變量后的剩余數據樣本適合進行因子分析。

采用主成分分析法和方差最大法進行正交旋轉，得到主成分分析提取結果（見表6）和正交因子載荷矩陣（見表7）。由表6可知共抽取特征值大于1的公因子4個，占總方差的83172%，大于80%，能解釋變量的大部分差異，因此可認為這4個公因子構成這16個變量的主因子。正交因子載荷矩陣顯示出4個公因子各自對每個變量的載荷以及他們描述變量的良好程度。

根據各公共因子的載荷分布情況，每個變量的公因子方差以及各公因子所包含的高載荷變量的意義，對4個公因子的命名及含義作出如下解釋：

F1命名為信用水平因子。它包括的變量有：信用級別、信用報告、信用分數、成功借款次數、收入認證、工作認證、手機實名認證和學歷認證。這8個變量均是對借款人的信用描述以及歷史借貸表現的描述，同時這6個變量也通過對借款人信用情況的描述反映了借款人的違約風險，故而第一個公因子命名為信用水平因子，影響著貸款人的感知風險。

F2命名為投資收益因子。它包括的變量有：借貸金額、借貸利率、還款期限。這3個變量反映的是借貸項目合約的三個核心內容，對借貸項目的金額數目、利率大小以及還款時限作了說明，反映了貸款人可以從該項借貸項目所獲取的投資收益，因而第二個因子命名為投資收益因子，影響著貸款人的感知價值。

F3命名為償債能力因子。它包括的變量有：收入、學歷、職業。這3個變量反映的是借款人獲得收入的來源以及大小，同時學歷變量反映借款人的文化程度，間接反映出借款人取得收入的技能水平大小。這三個變量綜合反映了借款人的債務償還能力，因此第三個因子命名為償債能力因子，影響著貸款人的感知風險。

F4命名為個人特征因子。它包括的變量有：性別和年齡。這2個變量直接反映了借款人的生理特征差異，性別和年齡客觀上代表著不同性別群體和不同年齡段的風險行為與特征，直接影響到貸款人對借款人個人風險情況的整體判斷。所以第四個因子命名為個人特征因子，影響著貸款人的感知風險。

以上因子分析可知，借款人的各個行為特征變量以及借貸項目各變量之間存在著一定相關關系，提取的公因子分為四類，從不同角度反映了借款人的信用水平、償還能力以及貸款人的投資收益，影響著貸款人的感知風險與感知價值。

（三）PLS-SEM分析

為了進一步分析以上提取的四個因子對貸款人參與度的影響，接下來利用基于偏最小二乘法的結構方程進行分析，結構方程模型求解主要有基于最大似然估計（ML）的協方差結構分析方法和基于偏最小二乘（PLS）的分析方法。LISEREL的計算方法是基于ML的，AMOS的默認算法同樣基于ML，而PLS算法對數據要求較為寬松，限制條件也較少，研究結果比較可靠準確，具有相當優勢，比較適合結構方程模型，因此選擇SMartPLS20軟件進行分析。

根據表6的正交因子載荷矩陣和圖1的分析框架，對上文樣本數據進行整理與預處理。

構建參與度影響因素潛變量結構圖（見圖2）。

經過分析運算，得到結構方程模型的路徑系數檢驗結果（見表10），結構方程模型的路徑檢驗T統計量大于196則表明路徑系數在P=005水平上顯著，通過表10可以看出六條路徑中有四條路徑顯著，兩條路徑不顯著。此外，本文參與度Rsq（定標決定系數）為08964，信用水平因子Rsq為05028，投資收益因子Rsq為06902，表明外生潛在變量對內生潛在變量的解釋程度較好，特別是四個因子對貸款人參與度的解釋程度非常理想。綜上，表明樣本數據與模型擬合結果良好。

由表10可得信用水平因子對貸款人參與度影響的標準化系數是06359，投資收益因子對貸款人參與度影響的標準化系數為02684，兩者影響顯著，說明貸款人參與度的主要影響因素是借款人的信用水平和貸款人的投資收益，也就是說貸款人的感知價值與感知風險對貸款人參與度均有顯著影響，當投資收益越大，信用水平越高時，也即感知價值越大，感知風險越小時，貸款人參與度越高，表現為項目更容易成功，參與人數更多以及籌資歷時越短。特別是相對于投資收益來說，借款人的信用水平對貸款人參與度的影響更大，可見在貸款人參與借貸時首要考慮的是感知風險問題，當感知風險越大時，貸款人參與度越低，其次則是對投資收益的考量，當感知價值越高時，則貸款人參與度越高。其次，個人特征因子與償債能力因子對貸款人參與度的標準化系數分別為00307和00650，影響并不顯著，而目前學者們研究表明借款人性別、年齡、學歷、收入等因素會對貸款人的參與意愿有所影響，從本文分析結果來看，盡管這些因素會影響借貸項目的成功率，但是對貸款人參與度并沒有直接顯著影響。另外，個人特征對信用水平影響的標準化系數為01705，結果顯著，說明其在一定程度上間接影響著貸款人的參與度，體現了感知風險對貸款人參與度的影響。值得注意的是，信用水平對投資收益影響的標準化系數是04559，結果顯著，說明借款人的信用水平影響著其借貸金額、利率大小以及還款期限的長度，所以，感知風險與感知價值對貸款人參與度的影響并不孤立，而是交織一起共同影響著貸款人的參與度大小。

三、結論與建議

本文引入價值創造理論，分析了參與度的三個衡量指標，從貸款人的感知風險和感知價值兩個方面著手，采用因子分析法和PLS-SEM法探析了P2P網貸貸款人參與度的影響因素。實證結果表明，三個衡量指標可以較好地衡量貸款人的參與度，感知價值與感知風險對貸款人的參與度有顯著影響，當借款人信用水平越高，貸款人投資收益越大，即感知風險越小，感知價值越大時，貸款人參與度越高。所以對借款人而言，應該充分詳實個人信息，努力提高信用級別，取得貸款人的信任，從而更容易獲得借款；對平臺來說，首先應嚴格把關借款人的信用水平，建立一套嚴格的篩選機制，力求借款人的信用級別更高。此外，信用水平因子對投資收益因子有影響，這就表明感知風險通過影響感知價值而間接地影響著貸款人參與度，因此借款人也應該在財務實力上提升自己，借貸利率不能太低，特別對于自身信用級別不高的借款人，更應該提高利率，這樣才能彌補自身信用缺陷，吸引貸款人；平臺在借貸期間也要密切管理每一筆借貸業務，配備獎懲機制與舉報公布機制，對于違規行為要及時處理處罰并適時公布，表現好的借貸人給予獎勵，鼓勵參與人監督舉報；而且平臺也要多多向貸款人提出合適建議，幫助其選擇合適的借款人，正確投標，制定違約保障機制，減少違約風險，保證收益，促使貸款人參與度的提升。最后政府作為最高監管層，主要工作是完善信用評級制度與違規處罰規章。一方面，不斷加強對個人信用評估方面的制度建設，使個人的信用有記錄，有評級，逐步將高風險人群逐出網貸市場；另一方面，則應該加快網貸方面法律法規體系的建設，對于不同的違規行為有具體不同的懲罰措施，對于平臺的違規行為同樣不可懈怠，有法可依方能警醒交易雙方與平臺，才能有效監督網貸市場，讓貸款人放心貸款，安心投資，提高貸款人的參與度，促進P2P網貸市場的繁榮發展。

注釋：

①本文搜集的數據中身份認證均為已認證；因此實證分析中不予討論身份認證；部分借款人的房產與車產的所有權歸屬混亂，且質押抵押等情況無從證實，因此分析不予考慮房產、車產情況。

②收入單位為元。

③本文對東、南、西、北、中部區域劃分如下：西部地區：寧夏，青海，陜西，甘肅、云南，貴州，西藏，新疆；北部地區：遼寧，吉林，黑龍江，內蒙古，河北；中部地區：江西，安徽，河南，湖南，湖北，山西，四川，重慶；東部地區：山東，天津，北京，江蘇，上海，浙江；南部地區：廣東，廣西，海南，福建；港澳臺地區未列入其中。

參考文獻：

[1]張婧婕.P2P網貸成功率影響因素實證研究[D].西安：陜西師范大學，2015.

[2]Lloyd A E.The role of culture on customer participation in services[J].Hong Kong Polytechnic University，2003.

[3]Ravina E. Beauty， Personal Characteristics， and Trust in Credit Markets[J].Ssrn Electronic Journal，2007.

[4]Pope D G， Sydnor J R. What′s in a Picture？： Evidence of Discrimination from Prosper.com[J].Journal of Human Resources，2011，46（1）：53-92.

[5]Barasinska N， Schaefer D. Does Gender Affect Funding Success at the Peer-to-Peer Credit Markets？ Evidence from the Largest German Lending Platform[J].Ssrn Electronic Journal，2010.

[6]Puro L， Teich J E， Wallenius H， et al. Borrower Decision Aid for people-to-people lending[J].Decision Support Systems，2010，49（1）：52-60.

[7]Lin M， Prabhala N R， Viswanathan S， et al. Social Networks as Signaling Mechanisms： Evidence from Online Peer-to-Peer Lending[J].Wise，2009.

[8]Herzenstein M，Andrews R L，Dholakia U M. The Democratization of Personal Consumer Loans？ Determinants of Success in Online Peer-to-Peer Lending Communities[EB/OL].（2008-06-19）[2013-03-12]. http：//ssrn.com/abstract=1147856.

[9]Kumar S.Bank of One： Empirical Analysis of Peer-to-Peer Financial Marketplaces[J].Aap News，1997（2）：26.

[10]Berger S C， Gleisner F. Emergence of Financial Intermediaries in Electronic Markets： The Case of Online P2P Lending[J].Business Research，2009，2（1）：39-65.

[11]Greiner M E， Wang H. The Role of Social Capital in People-to-People Lending Marketplaces[C]//International Conference on Information Systems， Icis 2009， Phoenix， Arizona， Usa， December，2009.

[12]Grnroos C.Service logic revisited： who creates value？ And who co-creates？[J].European Business Review， 1989，20：298-314.

[13]Zeithaml V A. Consumer perceptions of price， quality， and value： a means-end model and synthesis of evidence[J].Journal of Marketing，1988，52（3）：2-22.

[14]Woodruff R B. Customer Value： The Next Source for Competitive Advantage[J].Journal of the Academy of Marketing Science， 1997，25（2）：139-153.

[15]Grewal D， Krishnan R.The Effects of Price Comparison Advertising on Buyers′ Perceptions of Acquisition Value and Transaction Value[J].Journal of Marketing，1998，62（2）：46-59.

[16]葉乃沂，周蝶. 消費者網絡購物感知風險概念及測量模型研究[J].管理工程學報，2014，28（4）：88-94.

[17]王崇，李一軍，葉強.互聯網環境下基于消費者感知價值的購買決策研究[J].預測，2007，26（3）：21-25.

[18]Pavlou P A. Consumer Acceptance of Electronic Commerce： Integrating Trust and Risk with the Technology Acceptance Model[J].International Journal of Electronic Commerce， 2003，7（7）：101-134.

[19]Dan J K， Ferrin D L， Rao H R. A trust-based consumer decision-making model in electronic commerce： The role of trust， perceived risk， and their antecedents[J].Decision Support Systems，2008，44（2）：544-564.

[20]陳冬宇， 林漳希.網絡信貸中的雙重信任及其對借貸意愿的影響機制[J].福州大學學報：哲學社會科學版，2013，27（1）：22-29.

[21]徐晨飛，陳珂祺.眾籌網站用戶參與度影響因素研究——以“眾籌網”為例[J].情報雜志，2015（11）：175-182.

[22]Fornell C， Larcker D F. Evaluating Structural Equation Models with Unobservable Variables and Measurement Error[J].Journal of Marketing Research，1981，18（1）：39-50.

[23]米子川.統計軟件方法[M].北京：中國統計出版社，2002.

Research on Lender Participation of P2P Lending based on Value Creation Theory

WU Qing-tian， LI Bin

（School of Business， Central South University， Changsha 410000，China）

Abstract： As a new network financing pattern， P2P lending financing is facing the problems of low-lender-participation. By using the transaction data of RenRenDai， based on value creation theory， the paper discussed influence factors and extent of lender-participation from two aspects of perceived value and perceived risk from the lender with factor analysis and PLS-SEM. Research shows that the borrower′s credit risk and lenders′ return on investment have an important impact on the lender participation，but borrowers′ characters and solvency have no significant impact. Healthy development of P2P network lending is inseparable from the borrower′s creditworthiness and increase of lenders′ investment revenue.

Key words：value creation； P2P lending； lender participation

（責任編輯：周正）

首先，對樣本數據建立的參與度影響因素指標體系進行信度和效度檢驗。（1）效度檢驗。根據上文因子分析可知樣本數據適合做因子分析，各因素因子載荷介于0643-0969之間，表明樣本數據具有較好的收斂效度。此外，比較各潛變量的平均方差提取量的平方根與相關系數，結果顯示各潛變量的平均方差提取量的平方根均大于相關系數，說明潛變量間具有較好的區別效度。由表8可知AVE值均在07以上，一般認為AVE值大于05即可，則內斂效度同樣存在[22]。（2）信度檢驗。表9表明除了個人特征因子的α系數大于06以外，其他三個潛變量的α系數均高于085，符合要求。另外，反映潛變量內部指標的一致性一般采用CR指標，要求CR指標大于07，本文CR值都高于075，結果較好[23]。因此，樣本數據具有良好的效度和信度，適合進一步做結構方程模型分析。