社会资本影响民间借贷风险吗？

奥鹏网院作业

社会资本影响民间借贷风险吗？
——来自中国家庭金融调查的经验证据

摘 要： 社会资本是一个多维度的概念，能有效降低民间借贷风险，是我国民间借贷规制中不可忽视的因素。本文基于2013年中国家庭金融调查数据(CHFS)，运用条件混合过程(CMP)方法改进的Ordered Probit模型从社会网络、社会规范、信任三个维度研究社会资本对民间借贷风险的影响。研究发现：社会网络维度中，有效社会网络的扩大能够降低民间借贷风险，强社会网络加剧民间借贷风险；社会规范维度中，金融认知水平的提高有助于防范民间借贷风险；信任维度中，家庭与正规金融机构之间的信任有助于降低民间借贷风险。进一步讨论社会资本对不同民间借贷类型风险的异质性影响，发现随着借贷范围扩大，社会网络降低民间借贷风险的作用出现弱化，而社会规范和信任的激励与约束功能则更有助于降低民间借贷风险。
关键词： 社会资本； 民间借贷风险； 异质性影响
一、引言
民间借贷作为一种自发的民间资金融通活动，是满足各类市场主体融资需求的重要补充渠道，凭借其在信息搜集加工、交易方式、风险防控等方面的独特优势，对缓解中小微企业融资难题、支持“三农”发展、增强宏观经济运行适应性发挥了重要的支撑作用。然而，随着民间借贷覆盖范围逐步扩大、种类形式不断创新，民间借贷的负面效应如逆向选择和道德风险等问题也频繁显现，信息不对称程度日益加剧。如轰动全国的吴英案、温州企业家跑路事件等，都将民间借贷推向风口浪尖。进一步将视线聚焦到线上融资平台，近年来借贷风险呈线下向线上蔓延趋势，钱宝网、e租宝、大大集团高达数百亿的涉案金额都让我们不得不警惕民间借贷风险。鉴于当前防范我国民间借贷风险的重要性与紧迫性，中国银行保险监督管理委员会会同中国人民银行等多部门印发了《关于规范民间借贷行为维护经济金融秩序有关事项的通知》，以达到进一步规范民间借贷行为，防范金融风险，维护经济金融秩序和社会稳定的目的。因此，准确识别民间借贷风险与影响机制，对规范民间借贷发展具有重要意义。
以往对民间借贷风险的研究中，学者们多从经济学角度展开。然而，与正规信贷的“资源导向型”特点不同，民间借贷的信用机制更多建立在借贷双方的血缘、地缘和业缘等关系之上，其动因不仅蕴含着经济学原理，还缱绻着错综复杂的“社会资本”因素，仅从经济学范畴研究民间借贷风险问题，显然不足以完整剖析民间借贷风险产生的根源。部分学者开始尝试从社会网络和信任等社会资本维度对民间借贷风险进行研究[1-3]，但此类研究多停留于运用理论模型探索社会资本的某一维度如何影响民间借贷风险，研究略显粗泛。其实，社会资本是一个多维度概念，包含社会网络、社会规范和信任三个维度，且在不同的民间借贷用途下，不同维度的社会资本对民间借贷风险可能具有异质性影响。为此，本文采用2013年中国家庭金融调查(CHFS)数据，实证研究不同维度社会资本对民间借贷风险的影响。本文的核心问题是：(1)总体上看，不同维度的社会资本是否影响我国民间借贷风险？在何种程度上影响民间借贷风险？其中，社会网络有效性是否比社会网络广度更具重要性？强社会网络是否具有负效应？社会规范与信任在防范民间借贷风险过程中是否能发挥其激励与约束功能？(2)从不同借贷用途的差异上看，生产性民间借贷相比生活性借贷，其社会网络的作用是否出现弱化？社会规范与信任的激励与约束功能对生产性借贷的影响是否更为显著？本文希望通过验证上述问题来厘清社会资本影响民间借贷风险的机理，丰富相关理论研究成果，为同类研究提供借鉴，也为政府制定相关政策提供依据。
本文的贡献主要在三个方面：首先，将社会资本划分为社会网络、社会规范、信任三个维度，运用实证模型全面系统研究不同维度的社会资本对民间借贷风险的影响，丰富了现有民间借贷风险研究的成果。其次，以现有文献为基础，进一步探讨社会网络有效性、社会网络广度、强社会网络这三个因素对民间借贷风险的影响，并确认了社会规范和信任在民间借贷风险防控中的作用。最后，探讨不同维度的社会资本在生产性借贷和生活性借贷中的异质性影响，揭示了随着借贷范围的扩大，社会网络的作用具有弱化的趋势，社会规范和信任的激励与约束功能则更有助于降低民间借贷风险。
二、文献回顾及机制梳理
(一)文献回顾
当前关于民间借贷风险的研究主要从宏观和微观两个层面展开。从定义上看，宏观层面的民间借贷风险主要指民间借贷资金脱离实体经济、加剧资产泡沫，民间借贷涉嫌非法集资、扰乱金融秩序，以及民间借贷利率高企造成中小企业融资和偿债困难并引发连锁反应[4-5]；微观层面的民间借贷风险更多指的是因个人或家庭未能按期履行还款义务而对出借方经济活动造成的影响。本文所研究的民间借贷风险属于微观层面的民间借贷风险。
以往关于民间借贷风险影响因素的研究主要围绕借贷订立形式[6-7]、借款者特征[8-9]、借款特征等方面展开[5]。从本质上看，借款者的客观还款能力和主观还款意愿是决定民间借贷风险大小的主要因素[10]，也是民间借贷风险的关键诱因。以往研究也表明，社会资本作为一种隐形的客观存在，内嵌于个人和组织之中，与个体收入、行为规范等显著相关，是影响借款人还款能力和还款意愿的重要因素[11]。可见，社会资本是民间借贷风险研究中不可忽视的重要影响因素之一。
社会资本是一个多维度概念，目前学界对社会资本的定义还未形成一致的看法。Putnam(1995)[12]指出社会资本可分为社会网络、社会规范和信任等，其有助于促进社会成员相互协作，缔结利益联结机制；Nahapiet和Ghoshal(1998)[13]则将社会资本划分为结构维度、关系维度、认知维度等。本文选择目前接受度较广的Putnam划分方法，从社会网络、社会规范及信任三个维度对社会资本进行归纳[12]。
社会网络是社会资本的重要组成部分，具有度量便捷的特点，在民间借贷及其他经济领域的作用日益显现。社会网络衍生于家庭社群间的相互联系，具有提高收入、促进就业和分担风险的作用[14-16]，亦能够为网络成员的生产经营活动提供经验、技术、信息和资金支持[17]。稳定的社会网络能够消除个体间的信息不对称，也能够通过成员筛选、群体压力等方式来形成有效的监督机制，防范道德风险，减少机会主义行为[18]。与此同时，稳定的社会网络也有助于在风险发生后以风险分担的形式为缓解消费水平波动及平滑收入风险提供保障[19]。由此可知，社会资本对民间借贷和正规借贷皆具有广泛深远的影响。但本文的研究视角定位于民间借贷，故仅对社会网络对民间借贷的影响进行梳理。现有研究表明，社会网络能够增加农户民间借贷活跃度，是农户缓解流动性约束的重要手段；但经济发展和社会转型会使得社会网络的功能出现弱化和虚化，具体表现为“农村强、城镇弱”，这也在一定程度上揭示了我国城乡金融发展的系统性差异[17，20]。除此之外，社会网络对农户参与民间借贷借出也具有影响。社会网络强度同农户民间借贷借出参与率呈正相关，但伴随着收入增加和正规金融发展，社会网络对农户参与民间借贷借出的作用呈减弱趋势[21]。整体上看，目前我国关于社会网络或社会资本与民间借贷风险关系的研究文献较少，运用实证方法进行验证的文献更少，现有的相关成果多来自国外。Lee和Persson(2016)[22]通过构建理论模型，发现社会关系有助于降低道德风险。Karlan等(2009)[23]则以秘鲁两个低收入贫困区为例，运用实证方法揭示了强关系对降低非正式借贷违约风险的作用。刘西川和陈立辉(2012)[1]基于理论模型对温州民间借贷进行了研究，发现在社会转型阶段，相较于血缘型和地缘型社会关系，业缘型社会关系和关联性交易能够更为有效地甄别和降低民间借贷风险。有必要指出的是，目前社会网络相关研究数量虽多，但就社会网络本身却存在两点争议。一是社会网络有效性之争。有学者指出，相较于社会网络的广泛性，社会网络的质量更为重要，即有效社会网络才能真正发挥社会网络的作用[24-26]。二是社会网络强弱影响的异质性之争。有学者指出强社会关系网络并不总是有利的，成员之间过于熟悉会导致个体隐私及个体行为自主性降低[27]，故当借贷双方关系过于亲密时，由于双方个体行为自主性降低，使得借贷过程更容易受到非经济因素(亲情、友情等)的干扰，进而导致借贷违约风险增加[4，28]。
信任具有降低道德风险的作用。在经济交易中，经济主体所获的信任度越高，发生策略违约的风险就越小[29]。当交易各方具有良好的信任水平时，成员之间将彼此依赖、相互合作，凭借各方的诚信和认可的合理行为进行交易，形成所谓的期望资产；在这一状态下，任何一方的违约行为都将破坏这一平衡并造成期望资产损失，这无形中增加了交易各方的违约成本，有助于降低道德风险[30]。综合现有关于信任与借贷关系的研究发现，长期合作、团体贷款、担保抵押、关联交易等均有益于借贷双方信任的构建。进一步地，根据借贷对象的不同，可以将信任划分为借款者与金融机构间的信任或与熟人间的信任，而我国农户由于缺乏抵押物、收入低等原因，较难取得金融机构的信任[31]。有学者将经济和非经济因素结合起来对标会展开研究，发现信任等文化因素嵌入标会行为，有助于降低小规模、社区性标会的风险[32]。关于社会规范与民间借贷的研究数量较少，主要原因在于指标较难量化，故本文仅对社会规范的广义作用进行梳理。社会规范是社会网络成员中认可并一致遵守的非正式行为准则，有助于促进网络成员间通过诚实守信、自觉履约、互利互惠等行为实现高效合作，能够激励成员放弃个人私利服从集体利益，进而对个人信用行为产生约束作用[11，28，33]，显然，这是社会规范的约束功能。从本质上看，在信任和社会规范背后起关键作用的是声誉机制，声誉价值的高低同交易次数与合作时间呈正相关，较高的声誉价值也意味着较大的违约成本[34]。
随着经济市场化程度的提高，民间借贷范围逐渐由传统的亲缘、血缘等强关系生活性借贷向业缘、学缘等弱关系生产性借贷转变；出借方以谋求资金收益为目的参与的弱关系民间借贷多以生产性借贷为主，此类借贷信息不对称问题突出[35]。在弱关系民间借贷中，声誉充当了抵押品的角色，有助于降低借贷风险[34]。除声誉外，借款者身份特征、交易习惯、履约历史，甚至是否提前还款等因素，均是出借方决定是否托付信任的重要因素[36]。由此可见，传统社会网络对弱关系生产性借贷的影响逐渐弱化[36]。但与生活性借贷主要用于平滑消费和满足临时性资金需求不同，生产性借贷具有回收期长、受外部经济环境及投资收益影响大等特点，故当借款者出现决策失误或遭遇经济环境波动时，生产性借贷的风险将显著增大[4]。
综上所述，虽已有文献对社会资本与民间借贷的关系进行了分析，但囿于研究视角、研究数据和研究方法，这些文献尚不够系统和全面，主要存在以下三个问题：(1)从研究视角上看，目前国内涉及社会资本与民间借贷关系的研究成果虽然较为丰富，但研究视角均较为单一，多是围绕社会网络与民间借贷之间的关系展开，缺乏对社会资本其它维度和负面效应的讨论，导致现有成果虽具一定代表性但仍然不够全面。(2)从数据使用上看，现有关于社会网络与民间借贷关系的研究文献多使用省级地方数据。相较于全国层面的抽样调查数据，省级地方数据的样本代表性略有不足。(3)从研究方法上看，国际上已有学者针对民间借贷风险展开相关实证研究，而国内目前关于这一主题的研究较少，尤其是针对社会资本影响民间借贷风险的研究更是缺乏，且国内现有的相关文献多运用理论分析框架进行研究，缺乏以定量分析为主的实证研究。
(二)社会资本影响民间借贷风险的机制
本文借鉴Putnam(1995)[12]的观点，将社会资本划分为社会网络、社会规范和信任三个维度[12]。根据已有相关研究，本文将社会资本对民间借贷风险的影响机制进行梳理(如图1)，并进一步概括为以下两个方面[11]。

图1 社会资本影响民间借贷风险机制图
第一，社会网络对民间借贷风险的影响。相对于社会网络的数量，社会网络的质量更为重要，有效社会网络才能真正发挥社会网络的作用。有效社会网络对民间借贷风险的影响通常有以下三个路径：一是收入路径。有效社会网络通过促进就业、为借款者提供工具性支持(如免费劳动力)等来提高借款者的收入水平，从而提升其还款能力，进而减少民间借贷风险。二是信贷路径。有效社会网络通过缓解借贷双方信息不对称来提高借款者正规借贷或民间借贷可得性，这有利于缓解借款者的资金约束，为其生产生活提供资金支持，并且能通过“借新帐还旧账”的方式提高民间借贷额还款能力，最终减少民间借贷风险。三是风险管理路径。有效社会网络能够通过事前风险防控，如在生产经营活动中利用成员筛选、群体压力及有效监督机制等方式来形成有效的监督机制，实现道德风险防范，减少机会主义行为，进而减少发生损失的可能。在事后风险管控中，社会网络具有分担风险、平滑消费的作用，有助于提高借款者的风险承受力。通过事前与事后的风险管理，有效社会网络能够在一定程度上保证借款者的还款能力，减少民间借贷风险的发生。需要指出的是，在民间借贷中，社会网络并不总是有益的。当借贷双方关系过于亲密时，由于双方个体行为自主性降低，使得借贷过程更容易受到非经济因素(亲情、友情等)的干扰，这会导致借贷违约风险增加。
第二，社会规范与信任对民间借贷风险的影响。如果说社会网络对民间借贷风险的影响更多地是通过影响借款人的还款能力来实现的，那社会规范与信任则主要是通过影响借款人的还款意愿来实现减少民间借贷风险的目的。具体可以归纳为约束与激励两项功能：一是约束功能。从社会规范维度看，当社会规范形成时，借贷双方同时受到外界期望、群体压力及违反社会规范所带来的社会惩罚等因素的制约，这会督促其自觉行使权利和履行义务，进而有助于规范民间借贷行为，提升借款人还款意愿，减少借贷风险。从信任维度看，当交易双方具有良好的信任水平时，成员之间将彼此依赖、相互合作，凭借双方的诚信和认可的合理行为进行交易。当借贷双方相互信任时，借款者会选择通过提高还款意愿来维持这一信任关系，这有助于降低道德风险和交易成本。二是激励功能。社会规范能够激励成员放弃个人私利服从集体利益。出于维护已建立的社会规范这一目的，借款人更具有按期还款意愿，这有助于降低民间借贷风险。就信任而言，借贷双方彼此间的互信是建立于声誉机制之上的，每一次良好的交易记录都将有助于提高声誉的价值。一旦借款人选择违约，很可能消耗其之前所积累的声誉价值，故信任有助于激励借款人履约还款，进而降低民间借贷风险。
实际上，社会资本各维度之间存在着千丝万缕的联系，不同维度的社会资本之间往往具有相互促进、相互强化的效果。考虑到本文的研究重点不在于探讨社会资本各维度之间的联系，为此仅针对社会资本各维度的主要特征进行讨论，以实现厘清不同维度的社会资本与民间借贷风险之间的联系。
三、数据来源、变量选择与模型构建
(一)数据来源
本文采用西南财经大学中国家庭金融调查与研究中心于2013年进行的第二轮中国家庭金融调查(CHFS)的横截面数据。CHFS采用分层、三阶段与规模度量成比例(PPS)的随机抽样设计方案，随机抽取的样本共覆盖29个省、262个县、1 048个社区，累计达27 775个家庭，包含每个家庭的700余项信息，且根据所处的地理位置不同，将样本所在的区位划分为东部、中部、西部地区[37][注]东部地区包括：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中部地区包括：山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部地区包括：内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏。，一直被广泛应用于经济金融领域的研究。
CHFS数据库中的民间借贷样本涉及农业、工商业、住房、购车以及其他方面信息。在去除关键变量缺失的样本后，本文共筛选出1 109个目标样本，覆盖东部、中部、西部地区29个省市；其中生产性借贷(包括农业生产借款与工商业经营借款)和生活性借贷(包括修建及购置住房、购置车辆和其他生活用途而产生的借款)家庭样本各有513个和596个，分别占总样本的46.26%和53.74%。
(二)变量选择与描述性统计
本文在前人的基础上总结经验，结合中国实际，从社会网络、社会规范、信任这三个维度研究其对民间借贷的影响。各变量具体设定如下。
1.因变量
鉴于以往多数研究未能对微观层面的民间借贷风险进行明确定义，本文借鉴刘成玉对银行信贷风险的定义“信贷风险为借款人在其借款到期时未能按期归还本息或者贷款逾期未还而造成金融机构收益变动的可能性”，将民间借贷风险界定为：借款者未能按期履行还款义务可能引发出借方本息受损的风险[38]。结合CHFS数据库中现有数据，选取受访者家庭最大一笔民间借款是否按期还款作为因变量。
2.社会网络
社会网络是社会资本研究的重要着力点。针对社会网络广度的度量，有学者选取亲戚个数、合得来的朋友数量等测度网络的规模[8，19，39]。类似地，本文选用“同城亲戚个数”度量社会网络广度。针对社会网络有效性比社会网络广度更为重要这一观点[24，25-26]，考虑到以往选用礼金作为度量指标存在一定程度的代表性不足等问题[20，40]，本文选用代表性更强的“年社交投资总额”来度量有效社会网络规模的大小。此外，学者还针对社会网络强弱的异质性影响进行了讨论[4，28]，指出民间借贷容易受到非经济因素(亲情、友情等)的干扰。因此，本文选用“家庭最大一笔借款来源”来考察社会网络强弱对民间借贷风险的影响。
3.社会规范
社会规范是调整人际间社会关系的行为规范，更多体现于群体间的共识，包括人际道德、群体认知、相互监督、义务与期待等，是多数社会成员一致遵守的非正式行为准则[11，28，33]。针对道德水平的度量，本文选用受访者本人及其配偶“年拜访父母次数”作为度量指标。一年中拜访父母的次数可以在一定程度上反映借款者个人品德水平。针对群体认知及义务与期待，考虑其在现实中难以确切度量，本文借鉴以往学者的相关经验[8,41]，选用具有身份特质的度量指标来探究其对民间借贷风险的影响，分别为“金融知识”、“家庭党员比例”。其中，“家庭党员比例”是一项衡量政治身份的重要指标，拥有党员身份意味着受到更高道德水平的约束，需要承担更多的义务与期待，但也享有较高的声誉水平，是社会规范中衡量群体认知、相互监督、义务与期待的合适指标。另外，“金融知识”这一度量指标反映受访者遵守金融纪律、履行还款意识的程度，用以探究金融认知度高低对民间借贷还款的影响。
4.信任
信任是对某一个体能力、主观意志和可靠性的信心，是交易或交换关系的基础。Fukuyam(1995)[42]指出高信任水平的关系总体上可以促进社会交换及合作交流；而合作交流又可以增进群体信任。因此，信任也可由过往活动所累积的经验逐步建立，其关乎过往声誉，又对未来活动产生影响。本文借鉴以往学者的分类[31]，从与正规金融机构之间的信任和与熟人之间的信任这两个层面来对信任进行度量。选用“能否从银行获得贷款”度量与正规金融机构之间的信任。家庭成员能否从正规金融机构获得贷款，在较大程度上取决于历史交易记录及声誉，可以反映正规金融机构对家庭成员的信任水平。选用“民间借贷是否获得他人担保”度量与熟人之间的信任。与熟人之间的信任主要建立在人际交往与合作基础上，是基于人际关系的信任和声誉的重要体现。
5.控制变量
本文借鉴以往研究[9，19]，设置以家庭为单位的人口统计学变量，包括“家庭劳动力比率”、“家庭成员平均年龄”、“家庭成员平均年龄的平方”、“家庭成年人中高中及以上学历比率”、“家庭中未还贷款数额”、“家庭年总收入”、“家庭总资产”等可能影响民间借贷风险的相关变量。此外，为揭示社会资本对生产性、生活性民间借贷风险的不同影响，本文还选取了“民间借贷用途”这一虚拟变量。具体变量设定情况及描述统计见表1。
(三)实证模型构建
本文以2013年CHFS调查数据为基础，研究社会资本对民间借贷风险的影响。因此，民间借贷风险为本文的因变量，不同维度的社会资本则为本文的核心变量。基础模型形式如下
Riski=α0+α1NETWORKt+βNORMi+γTRUSTi+λXi+δPAIMi+FEi+μi
(1)
在式(1)中，Riski为民间借贷风险，表示家庭i在民间借贷到期时是否按期还款。当借款者选择按期还款时，Risk=1，即不存在风险；当借款者还未开始还款时，Risk=2，因为到期时借款者可能按期还款，也可能不按期还款，即存在按期还款的不确定性，其风险介于按期还款与未按期还款之间；当借款者未按期还款时，风险达到最大，Risk=3。可见，因变量之间存在内在次序，民间借贷风险依次增大。因此，采用Ordered Probit模型进行分析较为合理。此外，NETWORKi表示家庭i社会网络维度特征变量；NORMi表示家庭i社会规范维度特征变量；TRUSTi表示家庭i信任维度特征变量；Xi为可被观测的受访者[注]西南财经大学家庭金融调查中，将最了解家庭中资金、财务状况的成年家庭成员作为受访者。个人及其家庭的特征；PAIMi表示家庭i最大一笔民间借贷的用途；考虑到我国东中西部经济发展不平衡，FEl表示区域固定效应，用以消除有可能存在未观察到区域特征对模型结果的影响；μi为误差项，用以衡量影响家庭最大一笔民间借贷是否按期还款的不可观测个体因素；α、β、γ、λ、δ为待估参数。
表1 主要变量定义及描述性统计

四、实证结果分析
(一)基础模型结果
表2是采用Ordered Probit模型估计的回归结果。由结果(1)可知，“能否从银行获得贷款”、“金融知识”对民间借贷风险有负向影响；“家庭最大一笔借款来源”对民间借贷风险有正向影响；其他社会资本变量的统计结果不显著。考虑到部分核心变量受内生性影响会导致估计结果失真，故应进一步讨论。
(二)社会资本的内生性问题
本文采用的社会资本变量共有八个，关于这些变量的内生性，应当结合变量的特点具体分析。
家庭成员与正规金融机构之间的信任、家庭成员与熟人之间的信任，很大程度上取决于家庭在金融市场上以往交易行为的长期表现，对家庭在面临民间借贷还款时选择是否按期还款可能具有影响。然而，当家庭做出是否按期还款这一选择时，并不会影响家庭过往在金融市场上积累的声誉，故“能否从银行获得贷款”、“民间借贷是否获得他人担保”不存在内生性，在以往的文献中也未提及相关问题[8]。另外，“同城亲戚个数”、“家庭党员比例”、“年拜访父母次数”、“家庭最大一笔借款来源”、“金融知识”等也具有外生变量的特点，显然这些变量不受家庭是否按期还款的影响。
“年社交投资总额”在过去的一些研究中被认为具有内生性[20]。“年社交投资总额”作为衡量家庭有效社会网络规模的变量，其数额体现了家庭有效社会网络规模大小。虽然，家庭最大一笔借款是否按期还款同其不存在直接的因果关系，但考虑到家庭中不可观测的因素，如风俗习惯、行为偏好、收入水平等均可能同时影响家庭最大一笔民间借贷是否按期还款和家庭社会资本投资总额，这意味着可能存在因遗漏变量偏差而导致的内生性问题。
本文引入工具变量来克服模型中的内生性问题。借鉴林建浩等的思路[9]，结合现有数据，选取以下两个工具变量：(1)家庭年通讯费用。家庭年通讯费用越多，表明家庭成员往来的人员越多，家庭有效社会网络可能越广，故其应当与“年社交投资总额”呈正相关；且“家庭年通讯费用”与家庭最大一笔民间借贷是否按期还款没有必然的因果关系，符合工具变量外生的要求。(2)普通话水平。一方面，普通话水平的好坏，在一定程度上影响家庭社会网络的拓展，进而影响年社交投资总额大小，故其应当与“年社交投资总额”呈正相关；另一方面，“普通话水平”与家庭最大一笔借款是否按期还款没有必然的因果关系，因此适合作为工具变量。
图2为年社交投资总额与通讯费用、普通话水平比例关系图。横轴表示年社交投资总额百分位数分布区间，左右两侧纵轴分别表示在年社交投资总额不同百分数区间内的家庭年通讯费用均值和受访者中普通话水平为良好及以上的比例。由图可见，“普通话水平”、“家庭年通讯费用”与“年社交投资总额”确实呈正相关。

图2 社交投资与通讯费用、普通话水平比例关系图
基于上述工具变量的集合，结合因变量为多元有序离散变量的特点，本文选用Roodman(2011)[43]提出的条件混合过程(Conditional Mixed Process，CMP)联立释然方法进行两阶段回归(见表2，回归结果(2))。估计结果表明，社交投资与家庭年通讯费用、受访者普通话水平呈正相关，估计系数分别为0.000 1和0.048 4，且在1%和5%水平显著，表明工具变量与内生变量显著相关，结果与图2一致。在对“年社交投资总额”的外生性检验中，CMP估计的回归结果(2)中atanhrho_12在1%水平上显著为正，拒绝了其为外生变量的原假设，这表明Ordered Probit单方程估计存在较大偏误，二阶段回归结果更为一致有效。
表2 社会资本与民间借贷风险模型回归结果

注：(1)*、**、***分别代表10%、5%、1%的显著水平；(2)每列括号中的数字为固定于地域水平的稳健标准误(Robusted Std. Err.)；(3)为节省篇幅，本表没有汇报Ordered Probit估计的截断点的估计值和标准差及第一阶段估计结果。
在二阶段回归估计中控制了“年社交投资总额”的内生性后，相较于回归结果(1)，回归结果(2)中“年社交投资总额”由原来的不具统计显著性变为1%水平显著，且系数显著增大，由原先-0.032 8上升至-0.480 0，说明家庭“年社交投资总额”同民间借贷风险存在显著负相关。另外，控制变量“民间借贷用途”对民间借贷风险影响的估计值得到了修正，由不显著性转为5%水平显著且呈正向影响。
(三)边际贡献估计及整体结果分析
1.边际贡献估计
为分析在其他条件不变的情况下，各自变量变化对民间借贷风险的影响大小，本文通过对控制内生性后的模型运用边际贡献估计的方法，估计自变量在取均值时对民间借贷还款的影响(Marginal Effects at the Means，MEMs)、自变量所有样本观察值对家庭民间借贷还款影响的边际贡献平均值(Average Marginal Effects，AMEs)、自变量在取特定值时对民间借贷还款的影响(Marginal Effects at Point，MEP)。若自变量与民间借贷风险呈正相关，则伴随该自变量取值增大，家庭在民间借贷还款时更倾向于选择不按期还款，此时在Risk=3处的边际贡献率应当为正；若自变量与民间借贷风险呈负相关，则伴随该自变量取值增大，家庭在民间借贷还款时更倾向于选择按期还款，此时在Risk=3处的边际贡献率应当为负。具体估计结果如下所示。
(1)自变量取均值对民间借贷风险概率的边际贡献及自变量平均边际贡献。自变量取均值边际贡献(MEMs)是指自变量各值在取均值时对因变量的边际贡献；自变量平均边际贡献(AMEs)则是指自变量的所有样本对因变量边际贡献的平均影响[44]。考虑到MEMs在估计过程中可能出现虚拟变量数值在取均值时所得出的边际效用没有意义的情况[44]。因此，AMEs的估计结果在分析和应用中更科学有效[44-45]。为便于后文做进一步分析，本文同时提供MEMs及AMEs估计结果，见表3。
表3 自变量取均值对民间借贷风险概率的边际贡献及自变量平均边际贡献

注：(1)*、**、***分别代表10%、5%、1%的显著水平；(2)每列括号中的数字为以Delta方法计算的标准误；(3)边际贡献率的值为百分数；(4)为节省篇幅，此处仅报告社会资本各维度变量的边际贡献值，控制变量估计结果备索。
(2)自变量取特定值与民间借贷风险概率的边际贡献。相较于MEMs与AMEs，自变量取特定值对民间借贷还款的边际贡献(MEP)能揭示自变量在某一取值下对于民间借贷风险的影响，具体估计结果如表4所示。自变量对因变量取各序次类别概率的边际贡献通过求因变量取各序次类别的概率对自变量偏导数得到[46]，具体可表示如下

(2)
表4 自变量取特定值与民间借贷风险概率的边际贡献

注：(1)*、**、***分别代表10%、5%、1%的显著水平；(2)每列括号中的数字为以Delta方法计算的标准误；(3)边际贡献率的值为百分数；(4)为节省篇幅，此处仅报告社会资本各维度变量的边际贡献值，控制变量估计结果备索。
自变量取特定值对因变量取各次序类别概率的边际贡献可表示为

(3)
2.整体结果分析
(1)社会网络。本文通过“同城亲戚个数”、“年社交投资总额”、“家庭最大一笔借款来源”这三个指标分别衡量社会网络的广度、有效性及强社会网络的负效应对民间借贷风险的影响。
其中，“同城亲戚个数”的估计系数较小且不具统计显著性，因此无法确认社会网络规模与民间借贷风险的关系。从上表2中的估计结果(2)可知，“年社交投资总额”的估计系数在所有自变量中最大(-0.480 0)，且OR值为0.618 8，在1%水平上对民间借贷风险有显著负向影响；从上表3可知，“年社交投资总额”不论在MEMs或AMEs估计中对家庭最大一笔民间借贷按期还款均具有显著正向影响，其按期还款的概率分别增加18.679 1%及14.571 3%；同时其减小了家庭选择不按期还款的可能性，分别为-9.772 9%及-9.759 2%；考察“年社交投资总额”取特定值对民间借贷风险的边际贡献结果(见表4)可得，其增加了家庭在还款时选择按期还款的可能性(12.580 8%)，也减少了家庭选择不按期还款的可能性(6.276 9%)。可见，扩大有效社会网络规模可以降低民间借贷风险。
从估计结果(2)可知“家庭最大一笔借款来源”的估计系数为0.323 0，OR值为1.381 3，在1%水平上对民间借贷风险有显著正向影响(见表2)；从上表3、4可知，以从非亲友及非关系密切朋友处借款作为参照，从亲友及关系密切朋友处借款的家庭在民间借贷到期时选择按期还款的可能性显著减小(MEMs、AMEs及MEP分别为-12.570 8%、-9.806 3%及-8.466 7%)，而选择不按期还款的可能性显著增加(MEMs、AMEs及MEP分别为6.577 1%、6.567 8%及4.224 3%)。可能的原因是借贷双方的关系越紧密，当家庭在民间借贷到期不能按期还款时，出借方往往出于两者关系考虑，允许其不按期还款，这在一定程度上加剧了民间借贷风险。
通过对“同城亲戚个数”、“年社交投资总额”及“家庭最大一笔借款来源”的估计，可以得出以下结论：家庭社会网络的广度并不一定影响家庭民间借贷风险，但家庭有效社会网络的扩大能有效降低民间借贷风险。这一结论也与Bourdieu和Coleman(1991)[24]及刘林平(2000)[26]等学者的结论类似，即在社会网络中，仅当社会网络可以被有效利用时，社会资本才是有价值的资源并能发挥作用。此外，社会网络并非都能降低民间借贷风险，强社会网络会导致借贷过程更容易受到非经济因素干扰。
(2)社会规范。本文通过“年拜访父母次数”、“家庭党员比例”、“金融知识”这三个指标衡量社会规范对民间借贷风险的影响。
“年拜访父母次数”估计所得系数较小且不具统计显著性，因此无法确认“年拜访父母次数”与民间借贷风险的关系。“家庭党员比例”作为衡量政治身份指标，其估计的系数在上表2的基础模型估计结果(1)和控制内生性后的估计结果(2)中都不显著。可能的原因是，在多数情况下道德水平、行为规范和声誉机制可以对人的行为起到约束和激励作用，但当面临民间借贷还款抉择时，是否还款更多时候取决于一个家庭当时的经济情况，此时道德约束的作用力有限；也可能是由于相对于其他因素，道德水平和政治身份特征对民间借贷风险的影响并不明显，导致其估计结果不具统计显著性。
相对于其他社会规范变量，“金融知识”在10%水平上显著，估计系数为-0.347 7，OR值为0.706 3，故对民间借贷风险有负向影响；从上表3、4可知，以未接受过金融知识相关教育的家庭作为参照，接受过金融知识相关教育的家庭在面临还款时选择按期还款的概率显著增加(MEMs，AMEs及取特定值的边际贡献分别为13.532 3%、10.556 4%及9.114 3%)，而选择不按期还款的概率显著降低(MEMs，AMEs及MEP分别为-7.080 1%、-7.070 2%及-4.547 4%)。由此可见，金融教育相比于其它社会规范变量，更有助于防范民间借贷风险发生。一般而言，接受过金融教育的家庭对金融知识较为了解，也对未按期还款可能产生的危害更为清楚，因而金融认知和行为规范的双重驱动可以激励其按期还款。
(3)信任。本文通过“能否从银行获得贷款”、“民间借贷是否获得他人担保”这两个指标衡量信任对民间借贷风险的影响。
从表2的估计结果(2)可知，“能否从银行获得贷款”在1%水平上显著，估计系数为-0.261 8，OR值为0.769 7，表明正规金融机构特别是银行对家庭的信任显著降低了民间借贷风险；从表3看，以不能从银行获得贷款的家庭作为参照，能从银行获得贷款的家庭选择在最大一笔民间借贷到期时按期还款的概率在MEMs和AMEs的估计结果中分别显著增加了10.189 2%和7.948 5%；从上表4看，能从银行获得贷款的家庭在民间借贷到期时选择按期还款的概率增加了6.862 7%。上表2、3、4的结果均表明，与正规金融机构建立较好信任关系的家庭在民间借贷还款时倾向于按期还款，违约风险较小。而在家庭与他人之间的信任对民间借贷风险影响的估计中，该变量不具统计显著性，因此无法确定家庭与他人之间的信任对民间借贷风险的影响。
家庭与正规金融机构之间的信任促使家庭在民间借贷到期时倾向选择按期还款，其原因可能是家庭与正规金融机构之间的信任是建立在过往的交易记录及声誉累积的基础之上，能够取得这份信任的家庭往往拥有较强的经济实力和良好的借贷习惯，履约意识强；即使是借贷范围从正规借贷延伸至民间借贷时，履约意识仍然不易改变。但在估计家庭与他人之间的信任与民间借贷风险之间的关系时，估计结果不具统计显著性，原因可能是我国多数民间借贷均无担保人。这从样本数据也可以看出，在1 109个样本中仅130个样本具有担保人，占比低于15%。另一方面，由于民间借贷通常以口头协议或非正式契约来确定借贷关系，是否有担保人这一因素约束力有限。这两个因素都可能导致这一变量不具统计显著性。
(四)稳健性检验
本文通过对因变量进行替换的方法，再次对模型进行回归以检验结果的稳健性。现将因变量重新编码，设定家庭最大一笔借款按期还款为1，否则为0，考察影响家庭最大一笔民间借贷按期还款的因素。在此基础上，以Probit模型为基础采用CMP估计法进行二阶段估计，结果如表5所示。可以发现，关键系数的符号和显著性仍然同原模型的估计结果保持一致，未发生明显变化；由于此处的因变量为民间借贷是否按期还款，其含义与原模型的因变量相反，故相应的变量符号方向与原模型相反。这表明，原模型的估计结果是稳健的。
五、社会资本影响民间借贷风险的进一步讨论
有学者指出，随着民间借贷的日益兴盛，个体的借贷行为从审慎依附强关系，演化为积极搭建弱关系联结，关系本身的性质也发生了由情感性向工具性的转变，借贷形式由强关系生活性借贷逐渐向弱关系生产性借贷转变[36]。这一趋势下，社会网络的作用弱化，声誉充当起了“抵押品”的角色，发挥着防范民间借贷风险的作用[34]。生产性借贷具有回收期长、受外部经济环境及投资收益影响大等特点，故当借款者出现决策失误或遭遇经济环境波动时，生产性借贷的风险将显著增大[4]。然而，关于这一问题的现有研究多停留在理论分析层面。因此，有必要采用实证方法对社会资本与不同用途民间借贷风险的关系进行进一步讨论。
本文依据借贷用途将总样本分为生产性借贷与生活性借贷两个子样本，以观察两者之间的特征并分析差异。通过统计可知，生产性借贷样本的借款来源为亲戚、合作伙伴等的比例为86.58%，而生活性借贷样本的借款来源为亲戚、合作伙伴等的比例为92.80%，可见生产性借贷确有弱关系化的趋势。为了从更深层次发掘二者的内在特点，本文首先针对子样本中的民间借贷还款特征进行概率预测(结果见下表6)。其后，以Ordered Probit为基础运用CMP估计法对子样本进行回归分析(结果见表7)。
概率预测的基本公式为
(4)
从原始数据统计结果上看，家庭在最大一笔民间借贷到期时的还款情况占比与概率预测中的结果较为一致。通过比较可知，生产性借贷家庭具有较高的未按期还款概率及较低的按期还款概率。同时，在生产性借贷家庭中，未开始还款的比例高于生活性借贷中未开始还款的比例，其原因可能是生产性借贷的借款期限较长，而生活性借贷借款期限较短。基于数据事实及前文实证结果，本文认为生产性借贷风险大于生活性借贷。
就生活性借贷估计结果看，社会资本各维度变量中具有统计显著性的有：社会网络维度的“年社交投资总额”、“家庭最大一笔借款来源”以及社会规范维度的“金融知识”。对比系数大小可知，“年社交投资总额”、“家庭最大一笔借款来源”、“金融知识”的估计系数较整体回归结果有所增加，且都大于生产性借贷样本。而与整体回归结果不同的是，信任维度的“能否从银行获得贷款”由原来的1%水平显著转为不具统计显著性。
在生产性借贷中，社会资本各维度变量的统计显著性出现了较大变化，其中社会网络变量均不具统计显著性；社会规范维度中的“年拜访父母次数”、“家庭党员比例”和信任维度中的“能否从银行获得贷款”具有统计显著性。值得注意的是，相比整体回归结果，“年拜访父母次数”由不具统计显著性转为10%水平显著，并呈负向影响；“家庭中近亲为党员比例”由不具统计显著性转为1%水平显著，也对民间借贷风险有负向影响。
表5 民间借贷按期还款影响因素分析

注：(1)*、**、***分别代表10%、5%、1%的显著水平；(2)每列括号中的数字为固定于地域水平的稳健标准误(Robusted Std.Err.)；(3)为节省篇幅本表没有汇报第一阶段估计结果及控制变量估计结果，估计结果备索。
表6 不同用途民间借贷风险概率预测

注：表中概率预测结果为各样本观察值概率预测的平均值。
表7 子回归：不同用途民间借贷风险影响因素分析

注：(1)*、**、***分别代表10%、5%、1%的显著水平；(2)每列括号中的数字为固定于地域水平的稳健标准误(Robusted Std. Err.)；(3)为节省篇幅，本表没有汇报Ordered Probit估计的截断点估计值、标准差及第一阶段估计和控制变量估计结果，估计结果备索。
综合生活性借贷和生产性借贷这两个子样本的回归结果，可以得出以下结论：(1)社会网络在生活性借贷样本中，无论是估计系数大小或是系数统计显著性，都明显高于生产性借贷。据此可知，社会网络对民间借贷风险的影响在生产性民间借贷中出现了弱化。这也证明，有生活性借贷的家庭更注重对社会资本的投资，以构建一个更为强大的社会网络，这有利于形成风险分担机制，实现家庭平滑消费。但即便如此，仍需警惕由于强社会网络引致的生活性借贷风险加剧的可能性。(2)就社会规范维度变量在生产性借贷和生活性借贷这两个子样本中的明显异质性影响可以推断：在从事生产活动的家庭样本中，道德水平、声誉好坏、外界对家庭成员行为约束程度(如家庭成员是否孝顺、家庭党员比例高低等)对民间借贷风险的影响大于生活性借贷的家庭。由此可见，声誉机制是生产性民间借贷风险控制的重要手段。而对于生活性借贷而言，由于其借款的主要目的是平滑消费及用于缓解临时性资金短缺。因此，借款者自身是否遵守规则、是否了解违反规则的危害更能影响其是否按期还款。(3)就信任维度看，参与生产性借贷的家庭可能由于资金实力提升转而选择向正规借贷市场寻求贷款，此时其家庭与正规金融机构间的信任更具重要性，这些家庭也在与银行信贷往来中养成了良好的借款习惯并获得了更多融资渠道，其在民间借贷到期时按时还款的可能性更高。而对于参与生活性借贷的家庭，由于此类家庭收入水平相对较低、资质较差，不易获得银行贷款，因此其与正规金融机构间的信任对民间借贷风险影响有限。
六、研究结论与启示
本文利用2013年CHFS调查数据构建社会资本影响民间借贷风险模型，采用条件混合过程进行联立释然方法对模型进行两阶段回归，从社会网络、社会规范、信任三个维度对社会资本影响民间借贷风险进行实证研究，得到以下结论。
从总体来看：(1)社会网络维度。家庭社会网络规模并不一定影响家庭民间借贷风险，但家庭有效社会网络规模能够显著影响民间借贷风险；家庭强社会网络对于民间借贷风险的影响并不都是积极的，由于强社会关系使得借贷双方行为自主性降低，导致借款方还款意愿降低，民间借贷风险反而加大。(2)社会规范维度。借款家庭的金融认知程度越高按期还款意愿也越高，而身份特征、道德水平对民间借贷风险的影响不显著。(3)信任维度。家庭与金融机构之间的信任有助于降低民间借贷风险。综合三个维度的结论可知，家庭社会资本的积累在总体上有利于控制民间借贷风险。
此外，为研究不同维度社会资本对不同类型民间借贷风险的异质性影响，本文针对生产性和生活性借贷子样本进行了回归分析，结果发现：(1)我国民间借贷确实呈现出向弱关系生产性借贷发展的趋势，且在这一趋势中，社会网络对民间借贷风险的防控作用出现了弱化。(2)声誉机制能有效激励生产性借贷的借款者按期还款，有助于减小民间借贷风险；而对生活性借贷而言，则可以通过金融教育推动借款者遵守借贷行为规范，也可以通过约束提高借款者还款意愿，进而实现对民间借贷风险的防控。
基于以上研究结论，本文得出如下启示：第一，应注重人际关系中有效社会网络的维持与构建。民间借贷出借者可以根据借款者的有效社会网络规模来甄别和防控风险，避免过度扩大民间借贷放贷范围。第二，加强培育借贷主体的契约精神，规范化民间借贷流程。可结合社会网络特点设计借贷合约，实现民间借贷从“关系联结”到“契约精神”转化，推动民间借贷从“熟人社会”向“契约社会”过渡，以减轻强关系对民间借贷的负面影响，推动民间借贷理性化发展。第三，加快我国普惠金融的发展步伐，提高社会公众与金融机构之间的整体信任水平，在开拓个人和企业融资新渠道的同时，激励借款者养成良好借贷习惯。第四，进一步推行民间借贷信息共享平台试点工作，保证借贷双方信息的真实透明，并做好优秀信息平台管理和运营经验总结，将其作为典型示范向全国推广。第五，继续完善“老赖”公示制度，运用声誉机制引导居民注重经济活动中的诚信积累，提高信任水平，推动形成良好的社会规范，防范民间借贷弱关系化带来的消极影响，保障民间借贷市场健康运行。
参考文献
[1]刘西川,陈立辉. 风险防范中的非利率条件、业缘型社会关系和关联性交易——基于温州民间借贷的经验考察[J]. 财贸研究,2012,23(5):104-111.
[2]Lu Y, Gu B, Ye Q, et al. Social Influence and Defaults in Peer-to-peer Lending Networks[C]. Orlando: Thirty Third International Conference on Information Systems, 2012.
[3]Lin M, Prabhala N R, Viswanathan S. Judging Borrowers by the Company they Keep: Friendship Networks and Information Asymmetry in Online Peer-to-peer Lending[J]. Management Science,2013,59(1):17-35.
[4]周孟亮,蒋文华. 我国民间借贷的风险防范研究[J].四川理工学院学报(社会科学版),2014,29(5): 47-55.
[5]方先明,孙利. 民间金融风险:形成、传染与演化[J]. 中央财经大学学报,2015(7):28-34.
[6]林毅夫,孙希芳. 信息、非正规金融与中小企业融资[J]. 经济研究,2005(7):35-44.
[7]Ghosh P, Ray D. Information and Enforcement in Informal Credit Markets[J]. Economica, 2016, 83(329):59-90.
[8]童馨乐,褚保金,杨向阳. 社会资本对农户借贷行为影响的实证研究——基于八省1003个农户的调查数据[J]. 金融研究,2011(12):177-191.
[9]林建浩,吴冰燕,李仲达. 家庭融资中的有效社会网络:朋友圈还是宗族?[J]. 金融研究,2016(1):130-144.
[10]马九杰,郭宇辉,朱勇. 县域中小企业贷款违约行为与信用风险实证分析[J]. 管理世界,2004(5):58-66+87.
[11]李爱喜. 社会资本对农户信用行为影响的机理分析[J]. 财经论丛,2014(1):49-55.
[12]Putnam R D. Tuning in, Tuning out: The Strange Disappearance of Social Capital in America[J]. Ps: Political Science & Politics, 1995, 28(4): 664-683.
[13] Nahapiet J, Ghoshal S. Social Capital, Intellectual Capital and the Organizational Advantage[J]. Academy of Management Review, 1998, 23(2):242-266.
[14] Grootaert C. Social Capital, Household Welfare and Poverty in Indonesia[J]. Policy Research Working Paper, 2010, 11(1):4-38.
[15]Munshi K, Rosenzweig M. Traditional Institutions Meet the Modern World: Caste, Gender and Schooling Choice in a Globalizing Economy[J]. American Economic Review, 2006, 96(4):1225-1252.
[16] Fafchamps M, Gubert F. The Formation of Risk Sharing Networks[J]. Journal of Development Economics, 2007, 83(2):326-350.
[17]胡金焱,张博. 社会网络、民间融资与家庭创业——基于中国城乡差异的实证分析[J]. 金融研究,2014(10):148-163.
[18]周广肃,樊纲,申广军. 收入差距、社会资本与健康水平——基于中国家庭追踪调查(CFPS)的实证分析[J]. 管理世界,2014(7):12-21+51+187.
[19]吴本健,郭晶晶,马九杰. 社会资本与农户风险的非正规分担机制:理论框架与经验证据[J]. 农业技术经济,2014(4):4-13.
[20]杨汝岱,陈斌开,朱诗娥. 基于社会网络视角的农户民间借贷需求行为研究[J]. 经济研究,2011(11):116-129.
[21]王晓青. 社会网络、民间借出款与农村家庭金融资产选择——基于中国家庭金融调查数据的实证分析[J]. 财贸研究,2017,28(5):47-54.
[22]Lee S, Persson P. Financing from Family and Friends[J]. The Review of Financial Studies, 2016, 29(9): 2341-2386.
[23]Karlan D, Mobius M, Rosenblat T, et al. Trust and Social Collateral[J]. The Quarterly Journal of Economics, 2009, 124(3): 1307-1361.
[24]Bourdieu P, Coleman J S. Social Theory for a Changing Society[M]. Russell Sage Foundation, 1991.
[25]胡枫,陈玉宇. 社会网络与农户借贷行为——来自中国家庭动态跟踪调查(CFPS)的证据[J]. 金融研究,2012(12):178-192.
[26]刘林平. 企业的社会资本:概念反思和测量途径——兼评边燕杰、丘海雄的《企业的社会资本及其功效》[J]. 社会学研究,2006(2):204-216.
[27] Boissevain J. Friends of Friends: Networks, Manipulators and Coalitions[J].Man,1974,12(2):347.
[28]Burt R S. Structural Holes: The Social Structure of Competition[M]. Harvard University Press, 1993.
[29]Turvey C G, Kong R. Informal Lending among Friends and Relatives: Can Microcredit Compete in Rural China?[J]. China Economic Review, 2010, 21(4):544-556.
[30]Knez M, Camerer C. Creating Expectational Assets in the Laboratory: Coordination in ‘Weakest-Link’Games[J]. Strategic Management Journal, 1994, 15(S1): 101-119.
[31]蒋永穆,纪志耿. 农户借贷过程中信任机制的构建——一种基于完全信息动态博弈模型的分析[J].四川大学学报(哲学社会科学版),2006(1):5-9.
[32]胡必亮. 村庄信任与标会[J]. 经济研究,2004(10):115-125.
[33]Delanty G.The Foundations of Social Theory[J].Wiley-Blackwell,2009,85(3):19-25.
[34]赵丙奇. 基于弱关系的民间借贷声誉形成机制和担保机制研究[J]. 社会科学战线,2013(10):63-68.
[35]赵丙奇. 基于弱关系的生产性民间借贷信号传递机制研究[J]. 社会科学战线,2014(9):49-53.
[36]白乙辰. 信任视角下的鄂尔多斯民间借贷危机研究[J]. 社会学评论,2016,4(3):73-84.
[37]甘犁等.中国家庭资产状况及住房需求分析[J]. 金融研究,2013 (4):1-14.
[38]刘成玉,黎贤强,王焕印. 社会资本与我国农村信贷风险控制[J]. 浙江大学学报(人文社会科学版),2011 (2):106-115.
[39]Yuan Y, Xu L. Are Poor Able to Access the Informal Credit Market? Evidence from Rural Households in China[J].China Economic Review, 2015, 33:232-246.
[40]章元,陆铭. 社会网络是否有助于提高农民工的工资水平?[J]. 管理世界,2009 (3):45-54.
[41]陈雨露,马勇,杨栋. 农户类型变迁中的资本机制：假说与实证[J]. 金融研究,2009(4):52-62.
[42]Fukuyama F. Trust: The Social Virtues and the Creation of Prosperity[M]. Free Press Paperbacks, 1995.
[43]Roodman D. Fitting Fully Observed Recursive Mixed-Process Models with CMP[J]. Stata Jour-nal,2011,11(2):159-260.
[44]Bartus T. Estimation of Marginal Effects Using Margeff[J].Stata Journal,2005,5(3):309-329.
[45]Hill R C, Griffiths W E, Lim G C. Principles of Econometrics[M].Wiley,2011.
[46]杨婷怡,罗剑朝. 农户参与农村产权抵押融资意愿及其影响因素实证分析——以陕西高陵县和宁夏同心县919个样本农户为例[J]. 中国农村经济,2014(4):42-57.
Does Social Capital Affect Informal Credit Risk?——Empirical Evidence from China Household Finance Survey
LIN Li-qiong1, WANG Yi-peng2
(1. College of Economics, Fujian Agriculture and Forestry University, Fuzhou 350002, China; 2. College of Finance and Statistics, Hunan University, Changsha 410079, China)
Abstract：Social capital is a multidimensional concept. It can effectively reduce the informal credit risk, which cannot be ignored in the regulation of informal credit in China. Based on the data obtained from the China Household Finance Survey(CHFS) in year 2013, this study applied Ordered Probit Model and Conditional Mixed Process(CMP) method to estimate the effects of social capital on informal credit risk from three dimensions of social network, social norm and trust. The empirical results show that the scale of efficient social network can reduce informal credit risk effectively, and social network with dense ties exacerbates informal credit risk in social network dimension; the improvement of financial cognition helps to guard against the occurrence of informal credit risk in the social norm dimension; the trust between family and formal financial institutions reduces informal credit risk in the trust dimension. Further examination for the heterogeneous impacts that varies with different purposes of informal credit shows that the role of social network in reducing informal credit risk is weakened, and the incentive and restraint functions of social norms and trust are more helpful to reduce informal credit risk with the expansion of the scope of informal credit.
Key words：social capital; informal credit risk; heterogeneous impacts