P2P網絡借貸中的婚姻歧視現象
——基于“人人貸”的經驗數據

蔣 彧，施一舟

(南京大學商學院，江蘇 南京 210093)

P2P網絡借貸中的婚姻歧視現象
——基于“人人貸”的經驗數據

蔣 彧，施一舟

(南京大學商學院，江蘇 南京 210093)

近年來，隨著P2P網絡借貸在我國的快速發展，借貸關系中的歧視現象開始受到關注。本文利用P2P網絡借貸平臺“人人貸”的數據，從借貸雙方的角度出發，對P2P網絡借貸中的婚姻歧視現象進行實證研究。結果表明：P2P網絡借貸中存在貸款人對借款人的婚姻歧視，表現為已婚借款人的借款成功率顯著為高，離異借款人的借款成功率顯著為低；借款人受到婚姻歧視的影響，在發布借款訂單時，已婚借款人設定的借款利率顯著為低，離異借款人設定的借款利率顯著為高。進一步對婚姻歧視的異質性進行研究，發現婚姻狀態對不同信用等級、學歷、收入、地區、資產、借款期限借款人的影響各不相同。

P2P網絡借貸；婚姻歧視；借款成功率；借款利率

一、引 言

近年來，P2P(Peer-to-Peer)網絡借貸作為一種新興的互聯網金融模式迅速發展，引起了廣泛關注，它突破了熟人、地域等傳統限制，代表著未來民間個人借貸發展的新趨勢，在一定程度上解決了借貸關系中信息不對稱與高交易成本的問題，填補了銀行的業務空白。但是，P2P網絡借貸中各類信息的公布也造成了借貸關系中的歧視現象，如種族歧視、性別歧視、地域歧視等，引起了國內外諸多學者的關注，相關研究開始出現。

歧視在社會學意義上是不同利益群體間發生的一種情感反應及行為，在世界各個角落都普遍存在，其成因包括廣泛競爭的壓力、個人偏好的驅動、對陳規陋習的惰性等。歧視也是經濟學領域的重要研究對象，比如在勞動經濟學領域，學者們很早就開始研究具有相同勞動生產率的勞動者由于自身的非經濟個人特征(種族、性別、年齡、家庭背景等)在就業、職業選擇、晉升、工資水平等方面受到不公平待遇。

中國是一個有著幾千年傳統歷史的國家，婚姻歧視現象自古存在，“不孝有三，無后為大”是對單身者的歧視，“倒插門”是對男子入贅的歧視，諸如此類，即使在文化相對開放的當今社會，個人的婚姻狀態依舊會對其社會交際、經濟生活等諸多方面產生影響。在借貸關系中，已婚借款人給人以安全感與信賴感，同等條件下，還款現金流更有保證，容易獲得借貸；而離異借款人給人的印象是家庭事業的不穩定，償還貸款能力相對不足，可能會受到貸款人歧視，不易獲得借貸。作為一個具有中國特色的熱點話題，研究P2P網絡借貸中的婚姻歧視現象，能為P2P網絡借貸平臺上的借款人與貸款人的投融資決策提供指導，有利于解決民間借貸中的信息不對稱問題，同時，對中國P2P網絡借貸的合理運營與有效監管，具有積極的理論與現實意義。

本文利用P2P網絡借貸平臺“人人貸”2011～2014年的借貸數據，對P2P網絡借貸中的婚姻歧視現象進行研究。“人人貸”的借款流程如下：首先，借款人發布借款訂單，填寫相應的基本信息，包括年齡、性別、婚姻狀態、地區、學歷、月收入等，設定訂單的借款金額、借款期限以及借款利率，提交資料進行相關認證(包括身份認證、信用報告認證、婚姻認證、工作認證等)；其次，在訂單發布后，貸款人根據所獲取的借款人與訂單信息，自由選擇訂單進行投資。“人人貸”的借款機制為我們從借貸雙方兩個角度，研究P2P網絡借貸中的婚姻歧視現象提供了便利。根據婚姻狀態，本文將借款人分為三類：單身、已婚、離異。從貸款人角度出發，本文利用借款成功率，考察貸款人對借款人的婚姻歧視現象，發現已婚借款人借款成功率更高，離異借款人的借款成功率更低，說明P2P網絡借貸中存在婚姻歧視現象。從借款人角度出發，本文利用借款利率，考察借款人受婚姻歧視的影響，發現已婚借款人會設定較低的借款利率，離異借款人會設定較高的借款利率，表明借款人在發布訂單時受到婚姻歧視的影響。

進一步研究發現，婚姻歧視在不同特征的借款人之間存在差異。從貸款人角度看，信用等級低、收入低、中西部地區、擁有資產少、借款期限長的借款人的婚姻狀態對借款成功率有顯著影響，說明具有這些特征的借款人更容易受到貸款人的婚姻歧視，信用等級高、收入高、東部地區、擁有資產多、借款期限短的借款人則沒有受到明顯的婚姻歧視。從借款人角度看，對信用等級低、學歷低的借款人而言，婚姻狀態不同，設定的借款利率差異顯著，表明此類借款人發布訂單時更容易受到婚姻歧視的影響，而信用等級高、學歷高的借款人發布訂單時，不會輕易受到婚姻歧視的影響。

二、文獻綜述

由于P2P網絡借貸在國外起步較早，國外學者對P2P網絡借貸中的各類歧視現象進行了大量研究，包括種族、性別、年齡、相貌、社交關系等方面的歧視，Freedman and Jin (2008)考察了借款人與貸款人之間的人際關系對借款成功率的影響，研究結果顯示加入P2P網絡借貸平臺群組的借款人的借款成功率比未加入的更高[1]。Pope and Sydnor (2011)根據借款人上傳的照片和借款描述數據，通過實證研究指出網絡借貸中存在年齡歧視現象，35歲以下的借款人更易獲得資金[2]。Ravina (2012)使用Prosper的數據，研究了美貌、種族和借款人展現自我方式等因素對貸款人決策的影響，發現在其他條件不變時，種族對借款成功率有顯著影響，美貌可以使女性獲得比男性更低的貸款利率[3]。更多的研究集中于性別歧視，Blanchflower et al. (2002)、Storey (2004)、Alesina et al. (2013)等學者都先后對小微借貸市場的性別歧視進行了考察[4][5][6]。Barasinska and Schafer (2014)針對德國P2P平臺Smava的數據也進行了性別歧視考察，證實在其他條件不變的情況下，性別差異對于借款成功率的影響并不顯著，但是女性借款人認為自己會被歧視所以設定一個更高的利率來吸引貸款人[7]。Duarte et al. (2015)考察了Prosper上的性別歧視問題，發現女性在網絡借貸中相較于男性獲得資金的成功率更小，獲得的資金更少[8]。此外，Armendariz and Morduch (2010)、Bert et al. (2011)、Aggarwal et al. (2015)還深入探討了P2P網絡借貸中產生性別歧視的原因[9][10][11]。

近年來，關于中國P2P網絡借貸中的歧視現象開始受到學者們的關注。Chen et al. (2014)使用“拍拍貸”2007～2011年的數據，考察了中國P2P網絡借貸中的性別歧視，結果顯示女性的借款成功率更高，違約概率更小，但是利率卻更高[12]。廖理等(2014)通過對“人人貸”數據的實證分析驗證了我國的P2P網絡借貸中地域歧視的存在性，并進一步指出中國網絡借貸中的地域歧視是非理性的[13]。廖理等(2015)從借款成功率與還款違約率兩個角度對網絡借貸中的學歷歧視進行了考察，發現高學歷借款人實際違約概率會更低，但借款成功率并沒有顯著提高[14]。莊雷和周勤(2015)利用2008～2014年的拍拍貸數據驗證了身份歧視的存在性，并通過進一步細分市場得出結論，信息披露質量高時身份歧視不明顯，從而揭示了互聯網金融創新的重要性[15]。

現有文獻為我們研究P2P網絡借貸中的歧視現象提供了有益借鑒，但目前尚缺乏P2P網絡借貸中的婚姻歧視研究，多數學者只是將婚姻狀態作為實證研究中的一個解釋變量，并未單獨進行深入研究。在西方社會，由于婚姻家庭觀念比較淡薄，婚姻歧視不具有較大的研究價值，但是在中國，婚姻家庭觀念作為傳統文化的一個重要部分，對于P2P網絡借貸活動會產生不可忽視的影響，因此，研究P2P網絡借貸中的婚姻歧視是對現有研究的有益補充。此外，P2P網絡借貸平臺呈現明顯的雙邊市場特征，已有文獻大多僅從貸款人角度考察歧視現象，分析立場不夠全面。針對現有研究的不足，我們結合中國國情，根據中國P2P網絡借貸平臺的特征，從借款人和貸款人的雙向角度出發，全面深入地研究P2P網絡借貸中的婚姻歧視現象。

三、研究設計

(一)研究思路

與西方文化強調個人自由不同，中國傳統觀念向來重視家庭，在中國“家國同構”的傳統社會中，社會和諧是建立在家庭修齊與和諧基礎之上的。在當今中國社會發展模式中，家庭的獨特社會地位和功能依舊不容忽視，婚姻對個人生活具有重要意義。處于已婚狀態的人因家庭圓滿往往能給人一種安全感，所謂“家和萬事興”；而人們往往對離婚者存在偏見，沒有完整的家庭會給人一種“居無定所”的感覺，不易獲取信任。在借貸活動中，已婚狀態的借款人現金流相對更有保證，貸款人相信其還款能力較高，會更愿意出借資金，離異狀態的借款人則處于相對劣勢，缺乏安全感、誠信度與可靠度，不易獲得貸款。因此，在P2P網絡借貸中，婚姻狀態是借款人的重要特征，也是貸款人選擇借款訂單時的重要參考依據。

本文著重考察婚姻狀態對P2P網絡借貸活動的影響，具體分析P2P網絡借貸中是否存在婚姻歧視現象。研究思路如下：首先，考察已婚與非已婚借款人之間、離異與非離異借款人之間的借貸成功率是否存在顯著差異，在其他條件相同的情況下，如果已婚借款人的借款成功率高，離異借款人的借款成功率低，則說明貸款人傾向于借款給已婚借款人，不愿意借款給離異借款人，進而說明存在貸款人對借款人的婚姻歧視；其次，考察已婚與非已婚借款人、離異與非離異借款人設定的借款利率是否存在顯著差異，在其他條件相同的情況下，如果已婚借款人設定的借款利率低，離異借款人設定的借款利率高，則說明在發布借款訂單時，已婚借款人存在心理優勢，離異借款人存在心理劣勢，進而說明借款人在發布訂單時受到婚姻歧視的影響。

(二)模型構建

根據以上研究思路，本文構建以下實證模型考察婚姻狀態對借款成功率和借款利率的影響。模型(1)運用Probit回歸考察婚姻狀態與借款成功率之間的關系：

Pr(successi)=Φ(α0+α1marriedi+α2divorcedi+α3OtherDemoi+α4LoanInfoi+α5Controli)

(1)

其中，success表示是否借款成功，married表示是否已婚，divorced表示是否離異，OtherDemo表示借款人除婚姻狀態外的其他個人信息(包括性別、學歷、信用等級等)，LoanInfo為訂單信息(包括借款金額、借款期限、借款利率等)，Control為其他控制變量(包括認證信息、地區、年度等)。α0,…,α5為待估系數，Φ是標準正態分布函數。如果α1顯著為正，α2顯著為負，則說明存在貸款人對借款人的婚姻歧視。

模型(2)運用OLS回歸考察婚姻狀態與借款利率之間的關系：

interesti=β0+β1marriedi+β2divorcedi+β3OtherDemoi+β4LoanInfoi+β5Controli+εi

(2)

其中，interest表示借款利率，除LoanInfo中不包含借款利率外，其他變量設置與模型(1)相同。β0,…,β5為待估系數，ε是隨機擾動項。如果β1顯著為正，β2顯著為負，則說明借款人發布訂單信息時受到婚姻歧視的影響。

(三)變量描述

1.被解釋變量

成功訂單(success)：啞變量，表示訂單借款是否成功。若借款成功，則取值為1，否則為0。

借款利率(interest)：借款訂單的利率。“人人貸”借貸平臺的借款利率由借款人在給定的區間內自行設定，下限為同期銀行一年期基準貸款利率，上限為其4倍，平臺根據市場情況，適時調整利率的上下限。

2.解釋變量

(1)婚姻狀態變量*“人人貸”設定的借款人婚姻狀態包括未婚、已婚、離異和喪偶。由于喪偶狀態的樣本數過少，因而，實證研究針對剩余的三種婚姻狀態設定兩個啞變量。

已婚狀態(married)：啞變量，表示借款人是否已婚。若已婚則取值為1，否則為0。

離異狀態(divorced)：啞變量，表示借款人是否離異。若離異則取值為1，否則為0。

(2)個人信息變量(OtherDemo)

信用等級(grade)：借款人在“人人貸”上的信用等級。“人人貸”根據借款人提交的認證信息以及以往的交易記錄為每位借款人進行信用評級，由高到低依次為AA、A、B、C、D、E、HR。我們對信用等級進行賦值：HR=1，E=2，D=3，C=4，B=5，A=6，AA=7。

性別(gender)：啞變量，表示借款人的性別。若為女性則取值為1，否則為0。

學歷(education)：啞變量，表示借款人的學歷水平。若學歷為本科及以上則取值為1，否則為0。

工作年限(worktime)：啞變量，表示借款人工作時間。若工作時間在3年以上(不含3年)則取值為1，否則為0。

收入(income)：啞變量，表示借款人的月收入水平。若月收入在10000以上則取值為1，否則為0。

年齡(age)：借款人的實際年齡。本文研究樣本中借款人年齡范圍為20到74歲。

房產(house)：啞變量，表示借款人是否擁有房產。若有房產則取值為1，否則為0。

車產(car)：啞變量，表示借款人是否擁有車產。若有車產則取值為1，否則為0。

房貸(houseloan)：啞變量，表示借款人是否有房貸。若有房貸則取值為1，否則為0。

車貸(carloan)：啞變量，表示借款人是否有車貸。若有車貸則取值為1，否則為0。

(3)訂單信息變量(LoanInfo)

訂單金額(amount)：借款訂單金額的對數。“人人貸”根據借款人的信用等級設定信用額度，借款人可以在其信用額度范圍內自行選擇訂單金額。

訂單期限(month)：借款訂單的借款期限。借款人自行設定，期限包括3、6、9、12、15、18、24、36個月。

借款利率(interest)：借款訂單的利率。研究借款成功率時作為解釋變量。

3.其他控制變量

認證信息：啞變量，表示借款人是否進行各類認證。“人人貸”對借款人提供的信息進行審核認證，包括身份證認證、工作認證、收入認證、信用報告、房產認證、車產認證、婚姻認證、居住地認證、學歷認證九項認證。本文為每項認證設定一個啞變量，若認證通過則賦值為1，沒有進行認證或認證未通過則為0。

地區：啞變量，表示借款人所在地區。國務院區域發展規劃將31個省級行政區劃分為東部、中部和西部三個地區*東部地區：北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南；中部地區：山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南；西部地區：四川、重慶、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆、廣西、內蒙古。。本文對東部和中部分別設置啞變量。若借款人在該地區則取值為1，否則為0。

年度：啞變量，表示借款訂單發布的年度。樣本期限為2011～2014年，本文對2011年、2012年、2013年分別設置三個啞變量。若訂單在該年度發布則取值為1，否則為0。

四、實證研究

(一)數據來源與說明

“人人貸”P2P借貸平臺成立于2010年5月，由于建設初期存在一定的測試數據，會對研究產生干擾，故本文選取“人人貸”2011年1月1日至2014年12月31日期間發布的所有有效“信用認證標”訂單數據作為研究樣本*“人人貸”網站借款訂單標的類型共有四種：信用認證標、實地認證標、機構擔保標以及智能理財標。其中，信用認證標是主要訂單種類，約占總樣本的79.41%。由于實地認證標和機構擔保標在樣本期內借款成功率接近100%，貸款人在選擇此類標的時更關注擔保人而非借款人信息。對于智能理財標，網站采用貸款人認購此類產品、網站統一進行分配的方法，因而此類標的更接近于理財產品，其中貸款人不參與對借款訂單的選擇。故本文選取符合研究目標的信用認證標，剔除其他三類的借款訂單。。另外，出于數據穩定性和適用性考慮，本文剔除了以下訂單數據：(1)披露信息不全的；(2)婚姻狀態為喪偶的；(3)借款人年齡小于20歲的*《中華人民共和國婚姻法》第六條規定：“結婚年齡，男不得早于二十二周歲，女不得早于二十周歲。”因此，在法定結婚年齡前的借款人訂單不具有研究意義，予以剔除。。最終樣本包含241390個訂單數據，其中2011年的訂單數為20069個，2012年的訂單數為27905個，2013年的訂單數為50820個，2014年的訂單數為142596個。

表1給出了主要變量的描述性統計。從中可以發現，P2P網絡借貸的成功率較低，成功訂單約占總數的6.93%；已婚借款人與非已婚借款人數量相當，已婚借款人約占49.5%，而離異借款人數量較少，約占4%；多數借款人信用等級較低，等級為HR的借款人約占95.5%；多數借款人學歷水平較低、工作時間不長、收入水平不高，其中，本科及以上的借款人約占21.1%；工作時間在3年以上的借款人約占36.3%，月收入在10000元以上的借款人約占24.6%；個人資產方面，有房產的約占42.3%，有車產的約占24.2%，有房貸的約占13.1%，有車貸的約占5.27%；借款人平均年齡約為30歲；平均借款金額較低，為24563元；平均借款利率遠高于銀行借貸利率，約為14.7%；平均借款期限不長，約為15個月。

表2給出了主要變量均值在已婚與非已婚借款人、離異與非離異借款人之間的差異。結果顯示，從平均意義上看，已婚借款人與非已婚借款人在主要變量上均存在顯著差異，已婚借款人相對于非已婚借款人的借款成功率更高，收入更高，年齡更大，信用等級更高，工作時間更長，借款期限更長，更多的有房產、車產。離異借款人與非離異借款人在大部分變量上存在顯著差異，離異借款人相對于非離異借款人的借款成功率更低。

表1 主要變量的描述性統計*由于篇幅所限，其他控制變量的描述性統計未在表中給出。

表2 主要變量在不同婚姻狀態間的差異分析

注：*** 、** 、* 分別代表在1%、5%、10%水平下顯著。下同。

(二)實證結果與分析

表3給出了模型(1)和模型(2)的估計結果。對借款成功率而言，已婚狀態變量(married)前的系數顯著為正，離異狀態變量(divorced)前的系數顯著為負，說明已婚借款人比非已婚借款人更容易獲得貸款，而離異借款人比非離異借款人更難獲得貸款。這意味著在同等條件下，貸款人更傾向于向已婚借款人提供資金，而不愿意借款給離異借款人。由此可知，在P2P網絡借貸中，存在貸款人對借款人的婚姻歧視現象。我們認為，這種婚姻歧視除了與中國傳統文化息息相關，也有更深層次的社會學原因。社會學認為婚姻與家庭是一種社會制度性的設置，其本質是社會性的責任與義務，因此，不同的婚姻狀態的穩定性反映了不同的個人價值觀，與個人責任義務的實踐情況密切相關。貝克爾(2005)指出，具有不同專業化優勢的、在能力與收入方面存在差別的男女，通過婚姻的形式可以實現規模經濟、優化組合，使雙方的收益達到最大化，因此，婚姻家庭的經濟狀況一般好于單身[16]。從貸款人角度看，已婚借款人責任感更強，還貸風險較低，如約還款概率更高，而離異借款人責任感低，還貸能力差，貸款回收往往隱藏較大風險，這些因素導致了貸款人對借款人存在婚姻歧視。

其他解釋變量方面，可以發現借款人收入越高、年齡越大、信用等級越高、學歷越高、工作年限越長、借款金額越少，其獲得貸款的成功率越高。這與其他學者的研究以及事實情況基本相符。

表3 模型(1)與模型(2)的估計結果

對借款利率而言，已婚狀態變量(married)前的系數顯著為負，離異狀態變量(divorced)前的系數顯著為正，說明已婚借款人會設定一個較低的利率，離異借款人會設定一個較高的利率。已婚借款人認為自己比非已婚借款人具有相對優勢，因此在發布借款訂單時，會設定一個相對較低的借款利率，以此降低借款成本。與之相對，離異借款人認為自己具有相對劣勢，會設定一個相對較高的借款利率以吸引資金。這說明借款人發布訂單時會受到婚姻歧視的影響。其他解釋變量方面，可以發現借款人學歷越低、信用等級越低、借款金額越小，設定的借款利率就越高，這些結果與現實情況基本相符。

(三)進一步研究

全樣本回歸結果發現P2P網絡借貸中存在著婚姻歧視現象，但我們認為婚姻歧視在不同特征的借款人間可能存在差異。具體而言，一些具有低違約風險特征的借款人相對于高違約風險特征的借款人受到婚姻歧視的影響可能不同。我們根據信用等級、學歷、收入、地區、資產、借款期限這6個特征對借款人進行分組，進一步研究婚姻歧視現象的異質性。

表4 按信用等級分組的回歸結果

按照借款人信用等級由低到高，我們把借款人分成三組：HR、C/D/E、B/A/AA，表4給出了分組回歸的結果。結果顯示，貸款人對信用等級低的借款人有明顯的婚姻歧視，對信用等級高的借款人沒有明顯的婚姻歧視；在發布訂單時，婚姻歧視對信用等級低的借款人影響明顯，對信用等級高的借款人則不明顯。

表5 按學歷分組的回歸結果

我們根據學歷水平把借款人分成三組：專科及以下、本科、研究生及以上，分組回歸結果見表5。結果顯示，貸款人對不同學歷水平的未婚借款人都存在婚姻歧視，對學歷低的離異借款人存在婚姻歧視；在發布訂單時，學歷低的借款人明顯受到婚姻歧視的影響，學歷高的借款人沒有受到影響。

表6 按月收入分組回歸結果

表6是按照借款人月收入水平分組回歸的結果，我們把借款人分成三組：月收入5000元以下、5000～20000元、20000元以上。結果說明，貸款人對低收入借款人有明顯的婚姻歧視，對高收入借款人沒有明顯的婚姻歧視；在發布訂單時，不同收入水平的已婚借款人都會受到婚姻歧視的影響，收入低的離異借款人會受到婚姻歧視的影響。

表7 按地區分組回歸結果

表7顯示了按照地區分組的回歸結果。我們按照之前變量設置中的地區劃分，將借款人分為東部、中部、西部三組。從表7可以發現，經濟欠發達的中西部地區借款人受到明顯的婚姻歧視，而經濟較發達的東部地區借款人受到的婚姻歧視不明顯；不同地區的借款人在發布訂單時，都會明顯受到婚姻歧視的影響。

表8 按擁有資產分組回歸結果

根據借款人擁有資產的情況，我們把借款人分成三組：無房無車、有房無車、有房有車，表8顯示了分組回歸的結果。我們發現，貸款人對于擁有資產較少的借款人有明顯的婚姻歧視，對擁有資產較多的借款人沒有明顯的婚姻歧視；在發布訂單時，不同資產情況的已婚借款人都會明顯受到婚姻歧視的影響，資產較多的離異借款人沒有受到婚姻歧視的影響。

表9 按借款期限分組回歸結果

表9是按照借款期限分組回歸的結果。借款期限從短到長共分為三組：不超過3個月、不超過1年、大于1年。結果顯示，貸款人對借款期限短的借款人沒有明顯的婚姻歧視，而對借款期限較長的借款人有明顯的婚姻歧視；不同借款期限的借款人在發布訂單時，均會受到婚姻歧視的明顯影響。

根據上述分組回歸結果，我們發現P2P網絡貸款中的婚姻歧視存在異質性。貸款人對信用等級低、收入低、中西部地區、擁有資產少、借款期限長的借款人存在明顯的婚姻歧視，對信用等級高、收入高、東部地區、擁有資產多、借款期限短的借款人的婚姻歧視不明顯。信用等級低、學歷低的借款人發布訂單時更容易受到婚姻歧視的影響，信用等級高、學歷高的借款人發布訂單時不會受到婚姻歧視的影響。

從貸款人角度分析，具有信用等級低、收入低、擁有資產少、借款期限長這些特征的借款人通常會有較高違約風險，給人以不安全感，此時已婚狀態更能使借款人獲得信任，婚姻歧視明顯；與此相反，信用等級高、收入高、擁有資產多、借款期限短的借款人的違約風險相對較低，還款能力更有保障，此時貸款人不會太注重借款人的婚姻狀態，婚姻歧視顯得不明顯。地區間的婚姻歧視差異實際上體現了地區間婚姻觀念的差異，在東部經濟發達地區，比如北京、上海等一線城市，越來越多的人崇尚單身主義，婚姻狀態對于這些地區的借款人而言并不重要，因此，婚姻歧視不明顯。在中西部經濟相對落后的地區，婚姻觀念較強，人們會更信任已婚狀態的借款人，婚姻歧視明顯。

從借款人角度分析，低信用等級、低學歷的借款人認為自己在借貸關系中處于相對劣勢地位，在發布訂單時更希望通過設定較高利率來吸引投資，因此，受婚姻歧視的影響變得顯著；與此相反，高信用等級、高學歷的借款人認為自己處于相對優勢地位，并不在意婚姻狀態對自身的影響，因此，受到婚姻歧視的影響并不顯著。

六、結 論

歧視作為借貸關系中的重要現象，在研究中受到廣泛關注。本文根據中國的傳統文化與具體國情，重點考察P2P網絡借貸關系中的婚姻歧視現象。選取2011～2014年“人人貸”P2P借貸平臺上的數據，將借款人分成單身、已婚、離異三類，利用借款成功率和借款利率，從借貸雙向角度出發，實證檢驗P2P網絡借貸中的婚姻歧視現象。結果顯示：在同等條件下，已婚借款人的借款成功率顯著為高，離異借款人的借款成功率顯著為低，表明P2P網絡借貸中存在貸款人對借款人的婚姻歧視；在同等條件下，已婚借款人設定的借款利率顯著為低，離異借款人設定的借款利率顯著為高，表明借款人在發布借款訂單時受到婚姻歧視的影響。本文對婚姻歧視的異質性進行了進一步研究，發現貸款人對信用等級低、收入低、中西部地區、擁有資產少、借款期限長的借款人有明顯的婚姻歧視，信用等級高、收入高、東部地區、擁有資產多、借款期限短的借款人受到的婚姻歧視不明顯；信用等級低、學歷低的借款人在發布訂單時更容易受到婚姻歧視的影響，信用等級高、學歷高的借款人發布訂單時不易受到婚姻歧視的影響。

本文的研究結合中國特色，豐富了P2P網絡借貸中有關歧視現象的研究，有助于更深入理性地看待民間借貸中的婚姻歧視現象，為P2P網絡借貸中借貸雙方進行投融資決策提供了理論指導，有助于解決民間借貸中的信息不對稱問題，對中國P2P網絡借貸的發展和監管提供了參考依據。

[1] Freedman S., Jin G. Z. Do Social Networks Solve Information Problems for Peer-to-Peer Lending? Evidence from Prosper. com[J]. Social Science Electronic Publishing, 2008, pp. 8-43.

[2] 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), pp. 53-92.

[3] Ravina E. Love & Loans: The Effect of Beauty and Personal Characteristics in Credit Markets[J]. SSRN Electronic Journal, 2012.

[4] Blanchflower D. G., Levine P. B., Zimmerman D. J. Discrimination in the Small Business Credit Market[J]. Social Science Electronic Publishing, 2002, 85(4), pp. 930-943.

[5] Storey D. J. Racial and Gender Discrimination in the Micro Firms Credit Market?: Evidence from Trinidad and Tobago[J]. Small Business Economics, 2004, 23(5), pp. 401-422.

[6] Alesina A. F., Lotti F., Mistrulli P. E. Do Women Pay More for Credit? Evidence From Italy[J]. Journal of the European Economic Association, 2013, 11(s1), pp. 45-66.

[7] Barasinska N., Schafer D. Is Crowdfunding Different? Evidence On the Relation Between Gender and Funding Success From a German Peer-to-Peer Lending Platform[J]. German Economic Review, 2014, 15(4), pp. 436-452.

[8] Duarte J., Siegel S., Young L. A. Do Individual Investors Form Rational Expectations? Evidence from Peer-to-Peer Lending[J]. SSRN Electronic Journal, 2015.

[9] Armendariz B., Morduch J. The Economics of Microfinance[M]. Second Edition. The MIT Press, 2007.

[10] Bert D., Guerin I., Mersland R. Women and Repayment in Microfinance: A Global Analysis[J]. World Development, 2011, 39(5), pp. 758-772.

[11] Aggarwal R., Goodell J. W., Selleck L. J. Lending to Women in Microfinance: Role of Social Trust[J]. International Business Review, 2015, 24(1), pp. 55-65.

[12] D. Chen, X. Li, F. Lai. Gender Discrimination in Online Peer-to-Peer Credit Lending: Evidence from Lending Platform in China[J]. Electronic Commerce Research, 2016, forthcoming.

[13] 廖理， 李夢然， 王正位. 中國互聯網金融的地域歧視研究[J]. 數量經濟技術經濟研究， 2014， (5)： 54-70.

[14] 廖理， 吉霖， 張偉強. 借貸市場能準確識別學歷的價值嗎？——來自P2P平臺的經驗證據[J]. 金融研究， 2015， (3)： 146-159.

[15] 莊雷， 周勤. 身份歧視： 互聯網金融創新效率研究——基于P2P網絡借貸[J]. 經濟管理, 2015， (4)： 136-147.

[16] [美]加里·斯坦利·貝克爾著. 家庭論[M]. 王獻生， 王宇, 譯. 北京： 商務印書館， 2005.

TheMaritalDiscriminationinP2PLending:Evidencefromrenrendai.com

JIANG Yu, SHI Yizhou

(School of Business, Nanjing University, Nanjing 210093, China)

With the quick development of P2P lending in China, discriminations in the lending relationship have begun to attract attention. This paper investigates the marital discrimination, a phenomenon of Chinese characteristics, in P2P lending. Using the data of renrendai.com, a P2P online lending platform in China, this paper empirically studies the marital discrimination in the P2P lending from the perspective of both lenders and borrowers. Results indicate that there does exist marital discrimination in P2P lending. First, lenders prefer to lend money to married borrowers rather than divorced borrowers. Second, influenced by the marital discrimination, lenders tend to set lower interest rates for married borrowers and higher interest rates for divorced borrowers. It’s further found that the marital discrimination exhibits heterogeneity for borrowers with different features, that is, the effects of marital status vary among borrowers with different credit ratings, educational levels, income, regions, assets and loan terms.

P2P Online Lending; Marital Discrimination; Success Rate of Obtaining Loan; Interest Rate of Loan

2016-04-11

國家自然科學基金資助項目(71301072)；國家社會科學基金重大項目(14ZDA043)；江蘇2011計劃區域經濟轉型與管理變革協同創新中心重大招標課題(2015-11)

蔣彧(1980-)，男，江蘇常州人，南京大學商學院副教授，中國特色社會主義經濟建設協同創新中心副教授；施一舟(1993-)，女，江蘇蘇州人，南京大學商學院碩士生。

F830.5

:A

:1004-4892(2017)09-0045-11