实证结果与分析：深度探讨

表6-4　全样本模型及按CRRA细分样本子模型的实证结果

续　表

注：＊＊＊、＊＊、＊分别表示系数在1％、5％、10％的水平上显著。
数据来源：根据4500名样本商业银行信贷员调查数据整理。

（1）在不引入强信息的情况下，家庭成员拥有农地承包权正向影响消费信贷的获取

如表6-4模型一部分所示，在不引入强信息的情况下，CR指标显著为正，通过了1％的显著性检验；细分客观信用评级后，这一指标在模型一的三个子模型中均显著为正，说明对于任意信用等级的申请人而言，其家庭成员拥有农村土地承包权对信贷员做出同意放贷决策和提高贷款额度有正向帮助。家庭成员拥有农村土地承包权是一个较弱的农业转移人口判别指标，这一指标考察的是申请人家庭整体的金融身份演化，因此具有三个方面的决策意义。第一，家庭成员拥有农村土地承包权意味着申请人及其家庭成员身份可追溯。2013年至2015年的中央一号文件均明确提出加快落实农村土地承包经营权确权登记制度，农村土地改革试点中，农地确权登记也分为“确权到人”和“确权到户”两种方式。在“确权到人”的模式下，外嫁女、农民工所拥有的承包权或股权并不会因为其转移行为而灭失，只要其户口保留在当地集体，即便其不承担集体义务，也能够长久地保留土地权利及其附属收益；而根据2015年中央一号文件而提出的“南海模式”试点了“确权到户”，这一模式更加符合2003年实施的《农村土地承包法》中对“以农户为承包单位，按户承包，按人分地”（第三十一条中第一款）的改革思想，将外嫁女、农民工土地分配的集体矛盾转移到农村家庭内部。不论是确权到人还是确权到户，权利人均需要在集体内部取得明确的权利人身份才能稳定地获得承包权及其附属收益，集体组织部分承担并长期维护了审核申请人身份真实性的工作，消除了信贷员对申请人高流动性的担忧。第二，农地承包权具有财富象征效应。从2013年中央一号文件的“全面开展农村土地确权登记颁证工作”，到2014年中央一号文件的“赋予农民对承包地占有、使用、收益、流转及承包经营权抵押、担保权能”，再到2015年中央一号文件的“引导土地经营权规范有序流转，创新土地流转和规模经营方式”，中央稳定承包权、放开经营权的土地改革思想趋于明确，与农户户籍身份紧密联系的农地、宅基地和农机具等农业产权均被盘活，形成农业户口的财富效应；特别是农村综合产权交易所试点以来，较为传统的产权交易类型（如农村房屋所有权及农村闲置宅基地使用权等）在农交所成立后仍保持着较为良好的发展势头，新增的产权交易类型（如农村土地承包经营权）也开始产生交易并逐步形成规模（程欣炜等，2014）。随着农业现代化和规模化的发展，适度规模经营的农业产业升级降低了农业人口向城市转移的机会成本，迫使集体组织为拥有承包权的农业转移人口提供收入分配解决方案，租金、股权分红成为拥有农业产权的转移人口最为稳定和可观的收入来源。第三，社会普遍看涨农业户口和农地承包权的综合预期价值。随着2006年全面取消农业税和2008年明确现有土地承包关系保持稳定并长久不变，农村土地拥有丰富的流转形式，农业人口既可以从土地中获取永续的经济收益，也可以将土地权利一次性变现；而由于农转非通道的日趋通畅和非转农通道的制度性障碍，短期内社会普遍看涨农业户口和农地承包权的综合预期价值。部分地区的农业人口甚至提出在向城市转移的同时保留农地权利的诉求，如安徽省阜阳市试点“转户不退地”模式，农业转移人口进城落户后，依然享受土地承包权、宅基地使用权、集体收益分配权[2]。

（2）在不引入强信息的情况下，申请人的口音显著影响消费信贷的获取

如表6-4模型一部分所示，在不引入强信息的情况下，AC1和AC2指标均通过了1％的显著性检验，其中，AC1的系数为负，说明申请人说普通话而非外地方言对获得消费信贷或更高的信贷额度有正向作用；AC2的系数为负，说明申请人说本地方言而非普通话对获得消费信贷或更高的信贷额度有正向作用。细分客观信用评级后，这两个虚拟变量在模型一的三个子模型中均显著为正，并通过5％的显著性检验，说明对于任意信用等级的申请人而言，使用本地方言优于使用普通话，而使用普通话优于使用外地方言。有趣的是，在对南京信贷员的访谈中，研究发现仅有不到三分之一的信贷员（17/53）是本地原住人口，其中还包含来自并不使用南京城区方言的高淳；而能够较为准确地分辨南京城区方言和安徽省滁州市方言差别的信贷员几乎没有。研究认为，真正影响信贷员决策的口音因素可能并非基于其对本地方言、外地方言与普通话的差别化认知，而是基于对北方语言区语种和吴语区语种的差别化认知。虽然限于实验设计而无法获知明确的差别化认知来源，但模拟实验证实信贷员对口音差异的认知歧视是显著存在的。Nguyen（1993）通过对生活在美国的移民进行细致研究，证实了口音偏见（prejudice）或歧视（discrimination）的存在，并指出让人难以理解（unintelligible）的口音会掩盖个体的卓越品质，而口音能在多大程度上影响信息传递并非基于客观评价，而是完全由人的主观认知决定。外地口音使信贷员能够快速证实申请人转移人口的身份，在此基础上对申请人口音的认知将通过3条路径影响其决策：第一，口音与受教育程度相关。义务教育阶段对汉语拼音和普通话有较为充分的普及，这使得口音足以在较大程度上成为判别申请人受教育程度的指标，至少在较大程度上成为判别申请人所接受基础教育质量的指标。重口音者往往伴随有受教育程度偏低，对金融机构和金融产品服务的了解程度也相对较少，信贷员容易产生对重口音申请者个人资料的不信任感。第二，口音与流动性相关。重口音者往往具有较高的流动性，在特定方言使用区的时间较短，与该地区原住人口的接触较少，使得重口音者没有足够的时间和机会弱化自身口音，转而使用易于被该地区人口理解的发音和词汇，也从另一个侧面指出申请人在该地区的社会性、文化性融入不足。第三，口音与自控力相关。对能够说出带轻微口音普通话的申请人而言，在长期的交流沟通中规避习惯性的发音和词汇需要一定自控力，而自控力差往往指向更为冒险的经济行为，即道德风险；Dolan（2015）的进一步研究指出，自控力差的人并非不具备风险控制意识，只是较之发生概率更易低估决定的不利后果，即重口音者容易将违约风险积累到无法弥补时才真正意识到风险的存在。需要注意的是，上述对重口音认知路径的分析仅适用于外地方言口音，信贷员对本地口音的偏好则更多是因为申请人使用处于语言舒适区的本地方言能够证实其城市原住人口身份。也有研究认为，口音不耐（accent intolerance）对认知的影响并不在于说话者口音本身，而在于基于口音的理解能力不足（Angle，1982）；不难看出，口音歧视在城市融入过程中较口音不耐更难克服，应当作为市民化进程中个人素质提升的重点项目。

（3）在不引入强信息的情况下，申请人子女就读学校性质对消费信贷的获取有显著影响

如表6-4模型一部分所示，在不引入强信息的情况下，SC指标显著为正，通过了1％的显著性检验；细分客观信用评级后，这一指标在模型一的三个子模型中均显著为正，说明对于任意信用等级的申请人而言，其子女就读学校的性质对信贷员做出同意放贷决策和提高贷款额度有正向帮助。就模型中SC指标的设计而言，将无学龄子女、在农民工子弟学校就读和在普通学校就读设置为顺序变量存在统计性意义上的瑕疵；但指标在模型中的显著性表现证实了这一顺序设置可以从两个层面被合理解释。第一，有学龄子女的申请人较无学龄子女的申请人更易获得信贷员的放贷偏好。研究所指的学龄为义务教育学龄，即6岁至15岁（可放宽到5岁至16岁），根据国家统计局2014年数据，将育龄妇女第一和第二孩次生育率超过10‰（即在1％水平上显著）的年龄18岁至37岁与义务教育学龄相加，可知有学龄子女的母亲年龄在24岁至52岁之间，父亲年龄应略高于母亲年龄。不难看出，有学龄子女的申请人在年龄指标上与银行信用评级系统的高评分区重叠，一般认为25岁以下和55岁以上的信贷申请人还款能力较差，违约风险较高。此外，有学龄子女的农业转移人口家庭以3至4人的核心家庭为主，根据Morton（1975）的研究，以核心家庭为转移单位的农业转移人口赡养人数较少，承担较轻的家族责任，因此具有较好的信用。第二，子女在普通学校就读的申请人较子女在农民工子弟学校就读的申请人更易获得信贷员的放贷偏好，而子女在农民工子弟学校就读的申请人较子女为随迁的申请人更易获得信贷员的放贷偏好。将BC指标用于对农业转移人口的判别时，会在较大程度上出现I型错误（假阳性错误），却不会在较大程度上出现II型错误（假阴性错误）；信贷员使用申请人子女就读学校性质这一指标主要基于两点认知：其一，政策规定城市人口子女无法就读农民工子弟学校，而取得居住证的农业转移人口子女可以就读普通学校；其二，将子女带入城市接受义务教育的农民工家庭大多具有常住意愿，可以被视为农业转移人口。因此运用这一指标对申请人农业转移人口身份的判别较为审慎，既肯定了将子女随迁进入城市的农业转移人口家庭较普通农民工具有更强的稳定性和融入意愿，也同时强调了城市人口较农业转移人口更易获得消费信贷。第8章的研究将继续这一话题，指出子女在不同性质的学校就读会在较大程度上影响父母的金融产品、服务使用需求，从而进一步影响其金融接触度和熟悉度。

（4）申请人与银行的业务往来和业务办理情况对消费信贷的获取有显著的正向影响(www.xing528.com)

如表6-4模型一部分所示，在不引入强信息的情况下，BC和P&S指标显著为正，通过了1％的显著性检验；细分客观信用评级后，这一指标在模型一的三个子模型中均显著为正，说明对于任意信用等级的申请人而言，其与银行业务往来和业务办理情况对信贷员做出同意放贷决策和提高贷款额度有正向帮助，随着申请人客观信用评级降低，业务往来指标的显著性下降，其作为决策依据的功能被弱化。在引入HR强信息的模型二中，BC指标仍表现出对因变量的显著正向影响，但在同时引入HR和RH强信息的模型三中，BC指标的显著性影响消失，而P&S指标在全体样本和高系统评级样本中表现出对因变量的显著反向影响。第一，在不引入强信息的情况下，BC和P&S指标对信贷可获性的正向影响是明确的，这说明信贷员认可申请人与银行的金融关系。虽然与本行有3年以上业务往来这一指标在信贷员对低系统评级申请人的主观决策中功能较弱，但模型仍肯定了这一群体的信贷可获性高于业务往来不足的申请人。需要特别说明的是，系统评级较低并不说明申请人的征信记录不良，系统评级中个人征信记录的权重仅20％至30％；申请人与某一银行存在3年以上业务往来，该行掌握申请人的信用历史较其他银行更多，这使得申请人在该行（而非在其他银行）取得消费信贷的机会更大[3]。第二，与其他弱信息指标不同，引入HR强信息指标后，业务往来指标的显著性并没有被强信息挤出。由于模型二的强信息约束与现实较为接近，可以认为在目前的信贷审核模式下，业务往来指标具有重要的决策作用；但引入RH强信息指标后，该指标系数的显著性消失，这也是研究将这一指标归入弱信息指标集的原因。第三，在引入HR和RH两项强信息指标后，业务办理指标的系数变为负，在全体样本和高系统评级样本中显著。对优质信贷客户而言，银行业务办理较多意味着可能存在申请行无法获知的弱担保负债，并不是所有银行都会对申请人的他行弱担保负债进行审核，南京银行信贷产品说明中明确指出申请人在他行的负债不影响其在南京银行的信贷申请；显然，他行弱担保负债使得信贷申请人的经济状况被高估。系统评级较低的申请人在他行获得弱担保贷款的可能性较低，因此虽然指标系数为负，但并未通过10％的显著性检验。

（5）引入强信息后，部分弱信息指标的决策作用被挤出

纵观表6-4的三个模型，在分步引入强信息指标HR和RH后，两项指标均在1％的水平上显著，说明户口形式和是否曾获得过农村户口等两项指标均对信贷员的放贷偏好有显著影响，其中，取得本地城市户口的申请人较持居住证的申请人更易获得消费信贷，而持居住证的申请人较持其他有效居住证明的申请人更易获得消费信贷；曾获得过农村户口的申请人较不曾获得过农村户口的申请人更难获得消费信贷，这说明农业转移人口的消费信贷歧视确实存在。强信息指标的引入使得部分弱信息指标失去了决策意义，无法在10％的显著性水平上对因变量产生影响，部分模型中的系数方向发生改变，失去了决策意义。实证结果表明，本研究提出的两种信贷员初审决策模型确实存在：第一，强信息指标挤出了弱信息指标的决策作用，使信贷员可以通过更少的指标来做出判断，增加了一个迭代步内所能做出的决策数量。不仅如此，通过对Pseudo R²伪拟合系数的对比不难发现，信贷员对低系统评级申请人的决策极大地受到强信息指标的影响，甚至在一定程度上超过了客观指标对决策的解释力度；而较之HR指标，RH指标显然是个更强的判别指标，在引入RH指标的模型三中，HR指标的显著性也大为下降，对系统评级为AAA和A的申请人已不再显著；可见，越强的指标越能简化审贷模型中决策的行为过程，加速一个迭代步内的决策。第二，在存在强信息指标的情形下，能够获得信贷的人数在下降，获得高额信贷的人数在上升。如图6-1所示，随着强信息逐步引入模型，信贷员驳回信贷的比例越来越大，HR和RH指标的系数符号表明，信贷驳回的数量增加主要来自信贷员判断的农业转移人口申请人；在模型三中，52.5％（787人）的信贷申请被驳回，高于模型一中信贷驳回数量66.7％，田野实验清楚揭示了引入强信息与这一现象存在直接的因果关系。与此同时，获得高额信贷（30万）的人数却不降反升，模型三中9.3％（139人）的申请人获得30万信贷额度，高于模型一中获得30万额度申请人数量178％；高额信贷数量的大幅增加，说明强信息指标使信贷员对城市人口的判别更加简便、快捷、准确，因此在确定授信额度时更为激进。

细分客观指标信用评级如表6-5所示，不难看出，随着强信息被引入模型，低系统评级（A）申请人被驳回申请的数量变化不大，而中（AA）高（AAA）系统评级申请人被驳回申请的数量则大幅上升。对于农业转移人口整体而言，信贷申请条件不及城市人口并不是其融资难的致命问题，信贷申请的客观条件并不存在歧视，而实证表明，信贷员的农业转移人口识别对客观申请条件较差的申请人群体影响不大；而对农业转移人口的金融歧视主要是针对客观申请条件较好的群体，即对于客观申请条件较好的申请人而言，其农业转移人口身份将降低其获得信贷的可能性，符合理论模型中信贷员通过识别一个特定身份申请人而淘汰若干具有相似客观申请条件的其他身份申请人的决策行为过程。是现实中信贷员对农业转移人口初审偏好的主流，因此从源头和行为上弱化强信息指标在决策中的作用，是提升农业转移人口消费信贷可获性的重要手段。

表6-5　不同模型中获得不同信贷额度的申请人数量

数据来源：根据4500名样本商业银行信贷员调查数据整理。

图6-1　不同模型中获得不同额度的申请人数量（全样本）

数据来源：根据4500名样本商业银行信贷员调查数据整理。