论文部分内容阅读
内容提要：P2P网贷作为一种新型网络融资模式，尽管发展迅速但仍存在贷款人参与度低下的问题。本文基于人人贷的交易数据，通过引入价值创造理论，采用因子分析法和PLS-SEM法，从贷款人感知价值和感知风险两个维度实证分析P2P网贷贷款人参与度的影响因素及其影响程度，结果表明借款人的信用水平与贷款人的投资收益对贷款人参与度有显著影响，借款人个人特征因素和偿债能力因素对贷款人参与度影响不显著，P2P网贷发展离不开借款人信用水平和贷款人投资收益的提高。
关键词：价值创造；P2P网络借贷；贷款人参与度
中图分类号：F8305 文献标识码：A 文章编号：1001-148X（2017）03-0159-08
P2P网贷既弥补了借款人的资金缺口，也丰富了贷款人的投资渠道，冲击着传统信贷模式。截止2015年底，零壹研究院数据中心监测到有线上业务的P2P借贷平台共3 657家，其中正常运营的1 924家，较2014年增长741%。尽管P2P网贷发展迅猛，但目前仍存在贷款人参与度低下的问题。事实上，2015年中国网贷行业投资人数是借款人数的两倍，分别为586万人和285万人，而我国人人贷数据表明借贷成功率也只有316%左右[1]，特别是在一系列平台倒闭、责任人跑路事件发生后，其表现出的高风险更加使得P2P网贷贷款人望而却步。贷款人参与度低下的问题已经成为制约P2P网贷发展的主要障碍之一。
作为理性经济人，贷款人具有趋利避险的基本特征，在投资借贷项目时，会比较该项投资可能获得的收益和付出的成本，然后综合考量其感知价值与感知风险的相对大小，从而决定是否参与。此外，Lloyd（2003）认为顾客参与是顾客在服务过程中所付出的成本、精力等一切代价，最终会影响他们所接受的服务和服务质量[2]。这说明顾客通过参与服务来更好地满足自己消费的个性化需求，P2P网贷贷款人参与借贷过程就类似于顾客参与消费服务过程，在一个借贷双方互动交流的平台上，贷款人的参与度就不仅仅是指个别借贷项目的一次满标，而应该是指贷款人为更好地满足自己的投资需求，获得投资收益，从而参与借贷，完成这一价值创造过程。因此，本文引入价值创造理论，分析贷款人参与度的衡量指标，从贷款人感知价值和感知风险两个维度讨论贷款人参与度的影响因素及其影响程度，以期厘清感知价值、感知风险及贷款人参与度这三者之间的关系。
一、文献回顾
目前国内外关于P2P网贷投资人参与意愿及行为的研究较多，主要基于信息不對称理论，风险理论，分析了“硬信息”、“软信息”对P2P网贷项目成功的影响。在个人信息方面，Ravina（2007）研究表明借款人的年龄、性别、种族都会影响网贷成功率[3]。Pope等（2011）基于Prosper的实证研究，指出某一类人在选择出借对象时会有主观倾向，比如只选择男性或只选择女性，且35岁以下的年轻人更容易获得贷款[4]。Barasinska等（2010）基于德国最大的P2P平台（Smava），发现性别并没有影响借贷的成败[5]。在财务、信用信息方面，Puro等（2010）指出，P2P借款的成功率与出借人提供的利率、金额负相关[6]；Lin等（2009） 发现，借款者信用评级越低，借款成功可能性越小、借款利率越高[7]；Herzenstein 等（2013）则指出，与财务因素相比，借款人的人口特征对贷款成功的作用微不足道[8]。在社会资本因素方面，贷款人的社交网络可以有效降低信息不对称[9-11]。
综上可知，对P2P网贷贷款人行为的研究主要聚焦在各类因素对借贷成功率以及参与意愿的影响，参与的衡量指标也都是借贷标的是否满标，却很少从其他指标来衡量贷款人的参与度，忽略了贷款人参与借贷时作为理性经济人进行价值考量以及参与其中实现价值创造的研究。事实上，国内外学者对传统交易模式下的顾客或消费者的参与已经做了大量研究，指出顾客也是价值创造的一员，比如Cronroos（1989）认为不是顾客获得了参与企业创造价值的机会，而是企业获得了参与顾客价值创造过程的机会而成为价值促进者[12]。此外，学者们还提出顾客是否参与服务或消费的过程主要受到顾客感知价值的影响。Zeithaml（1988）、Woodruff（1997）和Krishnan（1998）均认为顾客会从所感知到的利得和利失的角度来考虑真正得到的价值，消费者是否会做出购买决策是由其所获得的感知利益与感知成本二者间的相对关系来决定，感知利益越大，感知价值就越大[13-15]。
随着互联网技术的发展，顾客或消费者由“线下”转移至“线上”，无论是在交易环境方面，还是交易关系方面，P2P网贷就类似于C2C电子商务，只是双方的交易产品变成了可获得收益的资金。相对传统交易模式来说，P2P贷款人作为网贷平台的金融消费者考虑感知价值的同时，也需要考虑感知风险，与此相关的价值创造活动必然也会发生改变。叶乃沂（2014）指出感知风险对消费者购物决策、态度以及信息处理等行为都有显著影响[16]。王崇和李一军（2007）分析了购买成本、感知风险与感知价值三者之间的关系，表明购买成本与网络消费者感知价值相关性不显著，而感知风险是顾客对购买决策不良后果的预期，对感知价值具有重要负影响[17]。Pavlou（2003）的研究结论都说明产品类型、网站服务、感知风险等对消费者的消费意愿有影响[18]。Dan等（2008）使用PLS方法对感知收益的影响进行了验证，与感知风险相反，感知收益为网络环境中的交易提供一种有力的刺激[19]。陈冬宇和林漳希（2013）参照C2C电子商务的交易者行为，指出在P2P 信贷市场中，出借者既要考虑投资收益，也要考虑与之相应的风险，因此感知收益和感知风险都可能会影响出借者的出借意愿[20]。
二、理论分析
P2P网贷提供交易双方交流的平台，它的存续模式就在于吸引更多人参与其中并成为借贷双方。其中，贷款人将闲散资金充分利用，投入借款人所需领域，在平台上进行资源的交换与组合，实现了资源的跨行业、跨地区的整合，为价值创造提供了先决条件。同时借贷双方的信息交流以及贷款人凭此做出的参与选择也影响着资源的流向，从而影响着价值创造活动的进行。参与人不断的交流互动给P2P网贷提供了源源不断的发展动力，创造了属于自身的价值。贷款人的参与，使得若干个贷款人的闲置资金组合在一起，满足了借款人的资金缺口，同时也实现了贷款人的投资收益，正是这种资源的重新组合与再利用，使得借贷双方创造并获取了新的价值。 目前国内P2P平台主要分为纯中介型、复合型以及公益型三种类型，而贷款人一般会选择纯中介型或者复合型平台，主要考虑借款人以及借贷项目对其收益与风险的影响。P2P网贷类似商品买卖，贷款人参与某一借贷项目时会综合考虑这一交易的利得和利失。但是，对于P2P网贷这种线上交易来说，其与传统的线下交易是有所差别的，“线上”交易更大的违约风险使得贷款人作为理性经济人更看重的是感知价值，也即经济利益或投资收益，而P2P网贷贷款人的投资收益主要取决于借贷项目的借贷利率、借贷金额以及还款期限，因此本文提出以下假设：
假设一：P2P网络借贷贷款人感知价值越大，则贷款人参与度越高。具体包括借贷利率越高、借贷金额越大、借贷项目还款期限越长，则贷款人感知价值越大。
同时，鉴于P2P网贷是一种特殊的线上交易模式，其交易的利失不仅是传统意义上的时间、人力、物力等有形成本，还包括来自于借款人的违约风险，因为信息不对称、选择多样性等原因，贷款人参与其中时不得不考虑参与借贷所要承担的各类风险，这也就是贷款人的感知风险，其对感知价值具有反向作用。从P2P网贷来看，这些感知风险主要来自贷款人对借款人的信用水平、偿债能力以及个人特征的感知和评判，故本文提出以下假设：
假设二：P2P网络借贷贷款人感知风险越大，则贷款人参与度越小。具體包括为借款人信用水平越高、借款人收入越高、借款人学历越高，则贷款人感知风险越小；借款人为男性，则贷款人感知风险越大。
因此，贷款人的参与度受其感知价值和感知风险的影响，当感知价值大于感知风险时，贷款人会倾向参与借贷，反之，则倾向不参与借贷。
目前研究P2P贷款人参与行为主要用单一的借贷标的是否满标来衡量，本文提出用参与度作为贷款人参与的衡量指标。徐晨飞和陈珂祺（2015）认为众筹网站的参与度更加注重于用户浏览项目的频率及其参与项目的数量，因此将用户的参与度以参与频率和活跃程度作为衡量指标[21]。在P2P网贷中，一方面，对借款人而言，P2P网贷是一种筹资活动，贷款人的参与度直接影响借款人筹资活动的顺利程度，反映的是借款人筹资活动的最终结果；而对贷款人来说，P2P网贷则相当于一种投资活动，其参与度反映了贷款人参与借贷项目的全过程。因此将采用三个相关指标来衡量贷款人的参与度，分别是借贷项目成功与否、借贷项目参与人数以及借贷项目筹资时间，其中项目成功与否代表了贷款人是否参与的结果；借贷项目参与人数与筹资时间则反映了贷款人参与借贷项目的过程，借贷项目参与人数越多，历经时间越短，则表明贷款人参与度越高，反之亦然。其中，如果借款人发布的借款项目在其活跃期到期之时，筹集的借款金额大于等于其申请的借款金额，则为项目成功，反之失败；项目参与人数为一个项目从发起到结束时进行投资的人数；项目筹资历时为项目发起到筹资结束的时间。理论分析框架如图1。
图1贷款人参与度影响因素理论分析框架
三、实证分析
（一）数据搜集与整理
本文利用爬虫程序搜集人人贷平台上的数据（ID：761008-80400，步长为4），经过数据搜集与整理，删除信息不全的数据，最终拟对剩余8 694条数据进行因子分析和PLS-SEM分析。
根据上文分析，本文规定具体变量及其取值，如表1所示，项目成功取值“1”，项目失败，取值“0”；借款人性别为“男”取值“1”，为“女”取值“0”；婚姻：离异取值为0，丧偶取值为1，未婚取值为2，已婚取值为3；借款人的信用级别为人人贷上提供的数据分类，分别有AA、A、B、C、D、E、HR，这7个信用级别由AA到HR分别取值为6、5、4、3、2、1、0；信用报告、工作认证、收入认证、学历认证、手机实名认证、实地认证①分别包括认证失败取值为0，没有认证取值为1，超过认证期限取值为2，认证中取值为3，认证成功取值为4；学历：高中或以下取值0，大专取值1，本科取值2，研究生及以上取值3；月收入②：1 000-2 000取值为0，2 000-5 000取值为1，5 000-10 000取值为2，10 000-20 000取值为3，20 000-50 000取值为4，50 000以上取值为5；工作职务：一般员工取值为1，中层领导取值为2，高管取值为3，技术人员取值为4，其他取值为0；住址按西、北、中、东、南③分别取值为0、1、2、3、4。
（二）因子分析
分析数据为多变量大样本，为研究提供丰富信息的同时也增加了分析问题的复杂程度，以上数据均为借款人的个人特征数据，各项变量之间存在着一定的相关关系。因子分析通过研究多个指标相关矩阵的内部依赖关系，找出控制所有变量的少数公因子，并将每个指标变量表示成公因子的线性组合，以再现原始变量与因子之间的相关关系。因子分析的目的是通过降维来寻求变量的基本结构，简化观测模型，以期用少数的变量来解释整个问题。
矩阵A=（aij）则称为因子载荷矩阵，ε为特殊因子，在实际分析中忽略不计。根据因子载荷矩阵判断各公因子在哪些变量上载荷大，从而根据这些载荷大的变量来说明公因子的含义。
利用SPSS190对数据进行分析，首先检验样本数据变量矩阵是否适合进行因子分析（见表2）得到，适当性的KMO（Kaiser-Meyer-Olkin）检验值为0933大于08；Bartlett球度检验结果显示，近似卡方值为16 6854300，自由度为210，检验的显著性水平为0000，拒绝假设H0（假设相关矩阵是一个单位矩阵），因此该数据样本适合进行因子分析。
对各变量做因子分析，从表3可以发现，尽管数据适合做因子分析，但是申请借款次数、实地认证、居住地认证和住址这4个变量的共同度均低于50%，说明解释程度很低，本文将剔除这四个变量；此外，由表4可知，申请借款次数与实地认证的因子载荷为负值，婚姻变量与居住地认证共同组成一个因子，这不仅不符合客观实际，也不具有现实意义，同样删除这三个变量。综上考虑剔除这5个变量之后，再进行因子分析。 接下来对剔除5个变量之后的剩余变量进行因子分析，首先检验剩余样本数据变量矩阵是否适合进行因子分析（见表5）得到，适当性的KMO（Kaiser-Meyer-Olkin）检验值为0933，大于08；Bartlett球度检验结果显示，近似卡方值为163 472787，自由度为120，检验的显著性水平为0000，拒绝假设H0。因此剔除5个变量后的剩余数据样本适合进行因子分析。
采用主成分分析法和方差最大法进行正交旋转，得到主成分分析提取结果（见表6）和正交因子载荷矩阵（见表7）。由表6可知共抽取特征值大于1的公因子4个，占总方差的83172%，大于80%，能解释变量的大部分差异，因此可认为这4个公因子构成这16个变量的主因子。正交因子载荷矩阵显示出4个公因子各自对每个变量的载荷以及他们描述变量的良好程度。
根据各公共因子的载荷分布情况，每个变量的公因子方差以及各公因子所包含的高载荷变量的意义，对4个公因子的命名及含义作出如下解释：
F1命名为信用水平因子。它包括的变量有：信用级别、信用报告、信用分数、成功借款次数、收入认证、工作认证、手机实名认证和学历认证。这8个变量均是对借款人的信用描述以及历史借贷表现的描述，同时这6个变量也通过对借款人信用情况的描述反映了借款人的违约风险，故而第一个公因子命名为信用水平因子，影响着贷款人的感知风险。
F2命名为投资收益因子。它包括的变量有：借贷金额、借贷利率、还款期限。这3个变量反映的是借贷项目合约的三个核心内容，对借贷项目的金额数目、利率大小以及还款时限作了说明，反映了贷款人可以从该項借贷项目所获取的投资收益，因而第二个因子命名为投资收益因子，影响着贷款人的感知价值。
F3命名为偿债能力因子。它包括的变量有：收入、学历、职业。这3个变量反映的是借款人获得收入的来源以及大小，同时学历变量反映借款人的文化程度，间接反映出借款人取得收入的技能水平大小。这三个变量综合反映了借款人的债务偿还能力，因此第三个因子命名为偿债能力因子，影响着贷款人的感知风险。
F4命名为个人特征因子。它包括的变量有：性别和年龄。这2个变量直接反映了借款人的生理特征差异，性别和年龄客观上代表着不同性别群体和不同年龄段的风险行为与特征，直接影响到贷款人对借款人个人风险情况的整体判断。所以第四个因子命名为个人特征因子，影响着贷款人的感知风险。
以上因子分析可知，借款人的各个行为特征变量以及借贷项目各变量之间存在着一定相关关系，提取的公因子分为四类，从不同角度反映了借款人的信用水平、偿还能力以及贷款人的投资收益，影响着贷款人的感知风险与感知价值。
（三）PLS-SEM分析
为了进一步分析以上提取的四个因子对贷款人参与度的影响，接下来利用基于偏最小二乘法的结构方程进行分析，结构方程模型求解主要有基于最大似然估计（ML）的协方差结构分析方法和基于偏最小二乘（PLS）的分析方法。LISEREL的计算方法是基于ML的，AMOS的默认算法同样基于ML，而PLS算法对数据要求较为宽松，限制条件也较少，研究结果比较可靠准确，具有相当优势，比较适合结构方程模型，因此选择SMartPLS20软件进行分析。
根据表6的正交因子载荷矩阵和图1的分析框架，对上文样本数据进行整理与预处理。
构建参与度影响因素潜变量结构图（见图2）。
经过分析运算，得到结构方程模型的路径系数检验结果（见表10），结构方程模型的路径检验T统计量大于196则表明路径系数在P=005水平上显著，通过表10可以看出六条路径中有四条路径显著，两条路径不显著。此外，本文参与度Rsq（定标决定系数）为08964，信用水平因子Rsq为05028，投资收益因子Rsq为06902，表明外生潜在变量对内生潜在变量的解释程度较好，特别是四个因子对贷款人参与度的解释程度非常理想。综上，表明样本数据与模型拟合结果良好。
由表10可得信用水平因子对贷款人参与度影响的标准化系数是06359，投资收益因子对贷款人参与度影响的标准化系数为02684，两者影响显著，说明贷款人参与度的主要影响因素是借款人的信用水平和贷款人的投资收益，也就是说贷款人的感知价值与感知风险对贷款人参与度均有显著影响，当投资收益越大，信用水平越高时，也即感知价值越大，感知风险越小时，贷款人参与度越高，表现为项目更容易成功，参与人数更多以及筹资历时越短。特别是相对于投资收益来说，借款人的信用水平对贷款人参与度的影响更大，可见在贷款人参与借贷时首要考虑的是感知风险问题，当感知风险越大时，贷款人参与度越低，其次则是对投资收益的考量，当感知价值越高时，则贷款人参与度越高。其次，个人特征因子与偿债能力因子对贷款人参与度的标准化系数分别为00307和00650，影响并不显著，而目前学者们研究表明借款人性别、年龄、学历、收入等因素会对贷款人的参与意愿有所影响，从本文分析结果来看，尽管这些因素会影响借贷项目的成功率，但是对贷款人参与度并没有直接显著影响。另外，个人特征对信用水平影响的标准化系数为01705，结果显著，说明其在一定程度上间接影响着贷款人的参与度，体现了感知风险对贷款人参与度的影响。值得注意的是，信用水平对投资收益影响的标准化系数是04559，结果显著，说明借款人的信用水平影响着其借贷金额、利率大小以及还款期限的长度，所以，感知风险与感知价值对贷款人参与度的影响并不孤立，而是交织一起共同影响着贷款人的参与度大小。
三、结论与建议
本文引入价值创造理论，分析了参与度的三个衡量指标，从贷款人的感知风险和感知价值两个方面着手，采用因子分析法和PLS-SEM法探析了P2P网贷贷款人参与度的影响因素。实证结果表明，三个衡量指标可以较好地衡量贷款人的参与度，感知价值与感知风险对贷款人的参与度有显著影响，当借款人信用水平越高，贷款人投资收益越大，即感知风险越小，感知价值越大时，贷款人参与度越高。所以对借款人而言，应该充分详实个人信息，努力提高信用级别，取得贷款人的信任，从而更容易获得借款；对平台来说，首先应严格把关借款人的信用水平，建立一套严格的筛选机制，力求借款人的信用级别更高。此外，信用水平因子对投资收益因子有影响，这就表明感知风险通过影响感知价值而间接地影响着贷款人参与度，因此借款人也应该在财务实力上提升自己，借贷利率不能太低，特别对于自身信用级别不高的借款人，更应该提高利率，这样才能弥补自身信用缺陷，吸引贷款人；平台在借贷期间也要密切管理每一笔借贷业务，配备奖惩机制与举报公布机制，对于违规行为要及时处理处罚并适时公布，表现好的借贷人给予奖励，鼓励参与人监督举报；而且平台也要多多向贷款人提出合适建议，帮助其选择合适的借款人，正确投标，制定违约保障机制，减少违约风险，保证收益，促使贷款人参与度的提升。最后政府作为最高监管层，主要工作是完善信用评级制度与违规处罚规章。一方面，不断加强对个人信用评估方面的制度建设，使个人的信用有记录，有评级，逐步将高风险人群逐出网贷市场；另一方面，则应该加快网贷方面法律法规体系的建设，对于不同的违规行为有具体不同的惩罚措施，对于平台的违规行为同样不可懈怠，有法可依方能警醒交易双方与平台，才能有效监督网贷市场，让贷款人放心贷款，安心投资，提高贷款人的参与度，促进P2P网贷市场的繁荣发展。 注釋：
①本文搜集的数据中身份认证均为已认证；因此实证分析中不予讨论身份认证；部分借款人的房产与车产的所有权归属混乱，且质押抵押等情况无从证实，因此分析不予考虑房产、车产情况。
②收入单位为元。
③本文对东、南、西、北、中部区域划分如下：西部地区：宁夏，青海，陕西，甘肃、云南，贵州，西藏，新疆；北部地区：辽宁，吉林，黑龙江，内蒙古，河北；中部地区：江西，安徽，河南，湖南，湖北，山西，四川，重庆；东部地区：山东，天津，北京，江苏，上海，浙江；南部地区：广东，广西，海南，福建；港澳台地区未列入其中。
参考文献：
[1]张婧婕.P2P网贷成功率影响因素实证研究[D].西安：陕西师范大学，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]叶乃沂，周蝶. 消费者网络购物感知风险概念及测量模型研究[J].管理工程学报，2014，28（4）：88-94.
[17]王崇，李一军，叶强.互联网环境下基于消费者感知价值的购买决策研究[J].预测，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]陈冬宇， 林漳希.网络信贷中的双重信任及其对借贷意愿的影响机制[J].福州大学学报：哲学社会科学版，2013，27（1）：22-29.
[21]徐晨飞，陈珂祺.众筹网站用户参与度影响因素研究——以“众筹网”为例[J].情报杂志，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.统计软件方法[M].北京：中国统计出版社，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
（責任编辑：周正）
首先，对样本数据建立的参与度影响因素指标体系进行信度和效度检验。（1）效度检验。根据上文因子分析可知样本数据适合做因子分析，各因素因子载荷介于0643-0969之间，表明样本数据具有较好的收敛效度。此外，比较各潜变量的平均方差提取量的平方根与相关系数，结果显示各潜变量的平均方差提取量的平方根均大于相关系数，说明潜变量间具有较好的区别效度。由表8可知AVE值均在07以上，一般认为AVE值大于05即可，则内敛效度同样存在[22]。（2）信度检验。表9表明除了个人特征因子的α系数大于06以外，其他三个潜变量的α系数均高于085，符合要求。另外，反映潜变量内部指标的一致性一般采用CR指标，要求CR指标大于07，本文CR值都高于075，结果较好[23]。因此，样本数据具有良好的效度和信度，适合进一步做结构方程模型分析。
关键词：价值创造；P2P网络借贷；贷款人参与度
中图分类号：F8305 文献标识码：A 文章编号：1001-148X（2017）03-0159-08
P2P网贷既弥补了借款人的资金缺口，也丰富了贷款人的投资渠道，冲击着传统信贷模式。截止2015年底，零壹研究院数据中心监测到有线上业务的P2P借贷平台共3 657家，其中正常运营的1 924家，较2014年增长741%。尽管P2P网贷发展迅猛，但目前仍存在贷款人参与度低下的问题。事实上，2015年中国网贷行业投资人数是借款人数的两倍，分别为586万人和285万人，而我国人人贷数据表明借贷成功率也只有316%左右[1]，特别是在一系列平台倒闭、责任人跑路事件发生后，其表现出的高风险更加使得P2P网贷贷款人望而却步。贷款人参与度低下的问题已经成为制约P2P网贷发展的主要障碍之一。
作为理性经济人，贷款人具有趋利避险的基本特征，在投资借贷项目时，会比较该项投资可能获得的收益和付出的成本，然后综合考量其感知价值与感知风险的相对大小，从而决定是否参与。此外，Lloyd（2003）认为顾客参与是顾客在服务过程中所付出的成本、精力等一切代价，最终会影响他们所接受的服务和服务质量[2]。这说明顾客通过参与服务来更好地满足自己消费的个性化需求，P2P网贷贷款人参与借贷过程就类似于顾客参与消费服务过程，在一个借贷双方互动交流的平台上，贷款人的参与度就不仅仅是指个别借贷项目的一次满标，而应该是指贷款人为更好地满足自己的投资需求，获得投资收益，从而参与借贷，完成这一价值创造过程。因此，本文引入价值创造理论，分析贷款人参与度的衡量指标，从贷款人感知价值和感知风险两个维度讨论贷款人参与度的影响因素及其影响程度，以期厘清感知价值、感知风险及贷款人参与度这三者之间的关系。
一、文献回顾
目前国内外关于P2P网贷投资人参与意愿及行为的研究较多，主要基于信息不對称理论，风险理论，分析了“硬信息”、“软信息”对P2P网贷项目成功的影响。在个人信息方面，Ravina（2007）研究表明借款人的年龄、性别、种族都会影响网贷成功率[3]。Pope等（2011）基于Prosper的实证研究，指出某一类人在选择出借对象时会有主观倾向，比如只选择男性或只选择女性，且35岁以下的年轻人更容易获得贷款[4]。Barasinska等（2010）基于德国最大的P2P平台（Smava），发现性别并没有影响借贷的成败[5]。在财务、信用信息方面，Puro等（2010）指出，P2P借款的成功率与出借人提供的利率、金额负相关[6]；Lin等（2009） 发现，借款者信用评级越低，借款成功可能性越小、借款利率越高[7]；Herzenstein 等（2013）则指出，与财务因素相比，借款人的人口特征对贷款成功的作用微不足道[8]。在社会资本因素方面，贷款人的社交网络可以有效降低信息不对称[9-11]。
综上可知，对P2P网贷贷款人行为的研究主要聚焦在各类因素对借贷成功率以及参与意愿的影响，参与的衡量指标也都是借贷标的是否满标，却很少从其他指标来衡量贷款人的参与度，忽略了贷款人参与借贷时作为理性经济人进行价值考量以及参与其中实现价值创造的研究。事实上，国内外学者对传统交易模式下的顾客或消费者的参与已经做了大量研究，指出顾客也是价值创造的一员，比如Cronroos（1989）认为不是顾客获得了参与企业创造价值的机会，而是企业获得了参与顾客价值创造过程的机会而成为价值促进者[12]。此外，学者们还提出顾客是否参与服务或消费的过程主要受到顾客感知价值的影响。Zeithaml（1988）、Woodruff（1997）和Krishnan（1998）均认为顾客会从所感知到的利得和利失的角度来考虑真正得到的价值，消费者是否会做出购买决策是由其所获得的感知利益与感知成本二者间的相对关系来决定，感知利益越大，感知价值就越大[13-15]。
随着互联网技术的发展，顾客或消费者由“线下”转移至“线上”，无论是在交易环境方面，还是交易关系方面，P2P网贷就类似于C2C电子商务，只是双方的交易产品变成了可获得收益的资金。相对传统交易模式来说，P2P贷款人作为网贷平台的金融消费者考虑感知价值的同时，也需要考虑感知风险，与此相关的价值创造活动必然也会发生改变。叶乃沂（2014）指出感知风险对消费者购物决策、态度以及信息处理等行为都有显著影响[16]。王崇和李一军（2007）分析了购买成本、感知风险与感知价值三者之间的关系，表明购买成本与网络消费者感知价值相关性不显著，而感知风险是顾客对购买决策不良后果的预期，对感知价值具有重要负影响[17]。Pavlou（2003）的研究结论都说明产品类型、网站服务、感知风险等对消费者的消费意愿有影响[18]。Dan等（2008）使用PLS方法对感知收益的影响进行了验证，与感知风险相反，感知收益为网络环境中的交易提供一种有力的刺激[19]。陈冬宇和林漳希（2013）参照C2C电子商务的交易者行为，指出在P2P 信贷市场中，出借者既要考虑投资收益，也要考虑与之相应的风险，因此感知收益和感知风险都可能会影响出借者的出借意愿[20]。
二、理论分析
P2P网贷提供交易双方交流的平台，它的存续模式就在于吸引更多人参与其中并成为借贷双方。其中，贷款人将闲散资金充分利用，投入借款人所需领域，在平台上进行资源的交换与组合，实现了资源的跨行业、跨地区的整合，为价值创造提供了先决条件。同时借贷双方的信息交流以及贷款人凭此做出的参与选择也影响着资源的流向，从而影响着价值创造活动的进行。参与人不断的交流互动给P2P网贷提供了源源不断的发展动力，创造了属于自身的价值。贷款人的参与，使得若干个贷款人的闲置资金组合在一起，满足了借款人的资金缺口，同时也实现了贷款人的投资收益，正是这种资源的重新组合与再利用，使得借贷双方创造并获取了新的价值。 目前国内P2P平台主要分为纯中介型、复合型以及公益型三种类型，而贷款人一般会选择纯中介型或者复合型平台，主要考虑借款人以及借贷项目对其收益与风险的影响。P2P网贷类似商品买卖，贷款人参与某一借贷项目时会综合考虑这一交易的利得和利失。但是，对于P2P网贷这种线上交易来说，其与传统的线下交易是有所差别的，“线上”交易更大的违约风险使得贷款人作为理性经济人更看重的是感知价值，也即经济利益或投资收益，而P2P网贷贷款人的投资收益主要取决于借贷项目的借贷利率、借贷金额以及还款期限，因此本文提出以下假设：
假设一：P2P网络借贷贷款人感知价值越大，则贷款人参与度越高。具体包括借贷利率越高、借贷金额越大、借贷项目还款期限越长，则贷款人感知价值越大。
同时，鉴于P2P网贷是一种特殊的线上交易模式，其交易的利失不仅是传统意义上的时间、人力、物力等有形成本，还包括来自于借款人的违约风险，因为信息不对称、选择多样性等原因，贷款人参与其中时不得不考虑参与借贷所要承担的各类风险，这也就是贷款人的感知风险，其对感知价值具有反向作用。从P2P网贷来看，这些感知风险主要来自贷款人对借款人的信用水平、偿债能力以及个人特征的感知和评判，故本文提出以下假设：
假设二：P2P网络借贷贷款人感知风险越大，则贷款人参与度越小。具體包括为借款人信用水平越高、借款人收入越高、借款人学历越高，则贷款人感知风险越小；借款人为男性，则贷款人感知风险越大。
因此，贷款人的参与度受其感知价值和感知风险的影响，当感知价值大于感知风险时，贷款人会倾向参与借贷，反之，则倾向不参与借贷。
目前研究P2P贷款人参与行为主要用单一的借贷标的是否满标来衡量，本文提出用参与度作为贷款人参与的衡量指标。徐晨飞和陈珂祺（2015）认为众筹网站的参与度更加注重于用户浏览项目的频率及其参与项目的数量，因此将用户的参与度以参与频率和活跃程度作为衡量指标[21]。在P2P网贷中，一方面，对借款人而言，P2P网贷是一种筹资活动，贷款人的参与度直接影响借款人筹资活动的顺利程度，反映的是借款人筹资活动的最终结果；而对贷款人来说，P2P网贷则相当于一种投资活动，其参与度反映了贷款人参与借贷项目的全过程。因此将采用三个相关指标来衡量贷款人的参与度，分别是借贷项目成功与否、借贷项目参与人数以及借贷项目筹资时间，其中项目成功与否代表了贷款人是否参与的结果；借贷项目参与人数与筹资时间则反映了贷款人参与借贷项目的过程，借贷项目参与人数越多，历经时间越短，则表明贷款人参与度越高，反之亦然。其中，如果借款人发布的借款项目在其活跃期到期之时，筹集的借款金额大于等于其申请的借款金额，则为项目成功，反之失败；项目参与人数为一个项目从发起到结束时进行投资的人数；项目筹资历时为项目发起到筹资结束的时间。理论分析框架如图1。
图1贷款人参与度影响因素理论分析框架
三、实证分析
（一）数据搜集与整理
本文利用爬虫程序搜集人人贷平台上的数据（ID：761008-80400，步长为4），经过数据搜集与整理，删除信息不全的数据，最终拟对剩余8 694条数据进行因子分析和PLS-SEM分析。
根据上文分析，本文规定具体变量及其取值，如表1所示，项目成功取值“1”，项目失败，取值“0”；借款人性别为“男”取值“1”，为“女”取值“0”；婚姻：离异取值为0，丧偶取值为1，未婚取值为2，已婚取值为3；借款人的信用级别为人人贷上提供的数据分类，分别有AA、A、B、C、D、E、HR，这7个信用级别由AA到HR分别取值为6、5、4、3、2、1、0；信用报告、工作认证、收入认证、学历认证、手机实名认证、实地认证①分别包括认证失败取值为0，没有认证取值为1，超过认证期限取值为2，认证中取值为3，认证成功取值为4；学历：高中或以下取值0，大专取值1，本科取值2，研究生及以上取值3；月收入②：1 000-2 000取值为0，2 000-5 000取值为1，5 000-10 000取值为2，10 000-20 000取值为3，20 000-50 000取值为4，50 000以上取值为5；工作职务：一般员工取值为1，中层领导取值为2，高管取值为3，技术人员取值为4，其他取值为0；住址按西、北、中、东、南③分别取值为0、1、2、3、4。
（二）因子分析
分析数据为多变量大样本，为研究提供丰富信息的同时也增加了分析问题的复杂程度，以上数据均为借款人的个人特征数据，各项变量之间存在着一定的相关关系。因子分析通过研究多个指标相关矩阵的内部依赖关系，找出控制所有变量的少数公因子，并将每个指标变量表示成公因子的线性组合，以再现原始变量与因子之间的相关关系。因子分析的目的是通过降维来寻求变量的基本结构，简化观测模型，以期用少数的变量来解释整个问题。
矩阵A=（aij）则称为因子载荷矩阵，ε为特殊因子，在实际分析中忽略不计。根据因子载荷矩阵判断各公因子在哪些变量上载荷大，从而根据这些载荷大的变量来说明公因子的含义。
利用SPSS190对数据进行分析，首先检验样本数据变量矩阵是否适合进行因子分析（见表2）得到，适当性的KMO（Kaiser-Meyer-Olkin）检验值为0933大于08；Bartlett球度检验结果显示，近似卡方值为16 6854300，自由度为210，检验的显著性水平为0000，拒绝假设H0（假设相关矩阵是一个单位矩阵），因此该数据样本适合进行因子分析。
对各变量做因子分析，从表3可以发现，尽管数据适合做因子分析，但是申请借款次数、实地认证、居住地认证和住址这4个变量的共同度均低于50%，说明解释程度很低，本文将剔除这四个变量；此外，由表4可知，申请借款次数与实地认证的因子载荷为负值，婚姻变量与居住地认证共同组成一个因子，这不仅不符合客观实际，也不具有现实意义，同样删除这三个变量。综上考虑剔除这5个变量之后，再进行因子分析。 接下来对剔除5个变量之后的剩余变量进行因子分析，首先检验剩余样本数据变量矩阵是否适合进行因子分析（见表5）得到，适当性的KMO（Kaiser-Meyer-Olkin）检验值为0933，大于08；Bartlett球度检验结果显示，近似卡方值为163 472787，自由度为120，检验的显著性水平为0000，拒绝假设H0。因此剔除5个变量后的剩余数据样本适合进行因子分析。
采用主成分分析法和方差最大法进行正交旋转，得到主成分分析提取结果（见表6）和正交因子载荷矩阵（见表7）。由表6可知共抽取特征值大于1的公因子4个，占总方差的83172%，大于80%，能解释变量的大部分差异，因此可认为这4个公因子构成这16个变量的主因子。正交因子载荷矩阵显示出4个公因子各自对每个变量的载荷以及他们描述变量的良好程度。
根据各公共因子的载荷分布情况，每个变量的公因子方差以及各公因子所包含的高载荷变量的意义，对4个公因子的命名及含义作出如下解释：
F1命名为信用水平因子。它包括的变量有：信用级别、信用报告、信用分数、成功借款次数、收入认证、工作认证、手机实名认证和学历认证。这8个变量均是对借款人的信用描述以及历史借贷表现的描述，同时这6个变量也通过对借款人信用情况的描述反映了借款人的违约风险，故而第一个公因子命名为信用水平因子，影响着贷款人的感知风险。
F2命名为投资收益因子。它包括的变量有：借贷金额、借贷利率、还款期限。这3个变量反映的是借贷项目合约的三个核心内容，对借贷项目的金额数目、利率大小以及还款时限作了说明，反映了贷款人可以从该項借贷项目所获取的投资收益，因而第二个因子命名为投资收益因子，影响着贷款人的感知价值。
F3命名为偿债能力因子。它包括的变量有：收入、学历、职业。这3个变量反映的是借款人获得收入的来源以及大小，同时学历变量反映借款人的文化程度，间接反映出借款人取得收入的技能水平大小。这三个变量综合反映了借款人的债务偿还能力，因此第三个因子命名为偿债能力因子，影响着贷款人的感知风险。
F4命名为个人特征因子。它包括的变量有：性别和年龄。这2个变量直接反映了借款人的生理特征差异，性别和年龄客观上代表着不同性别群体和不同年龄段的风险行为与特征，直接影响到贷款人对借款人个人风险情况的整体判断。所以第四个因子命名为个人特征因子，影响着贷款人的感知风险。
以上因子分析可知，借款人的各个行为特征变量以及借贷项目各变量之间存在着一定相关关系，提取的公因子分为四类，从不同角度反映了借款人的信用水平、偿还能力以及贷款人的投资收益，影响着贷款人的感知风险与感知价值。
（三）PLS-SEM分析
为了进一步分析以上提取的四个因子对贷款人参与度的影响，接下来利用基于偏最小二乘法的结构方程进行分析，结构方程模型求解主要有基于最大似然估计（ML）的协方差结构分析方法和基于偏最小二乘（PLS）的分析方法。LISEREL的计算方法是基于ML的，AMOS的默认算法同样基于ML，而PLS算法对数据要求较为宽松，限制条件也较少，研究结果比较可靠准确，具有相当优势，比较适合结构方程模型，因此选择SMartPLS20软件进行分析。
根据表6的正交因子载荷矩阵和图1的分析框架，对上文样本数据进行整理与预处理。
构建参与度影响因素潜变量结构图（见图2）。
经过分析运算，得到结构方程模型的路径系数检验结果（见表10），结构方程模型的路径检验T统计量大于196则表明路径系数在P=005水平上显著，通过表10可以看出六条路径中有四条路径显著，两条路径不显著。此外，本文参与度Rsq（定标决定系数）为08964，信用水平因子Rsq为05028，投资收益因子Rsq为06902，表明外生潜在变量对内生潜在变量的解释程度较好，特别是四个因子对贷款人参与度的解释程度非常理想。综上，表明样本数据与模型拟合结果良好。
由表10可得信用水平因子对贷款人参与度影响的标准化系数是06359，投资收益因子对贷款人参与度影响的标准化系数为02684，两者影响显著，说明贷款人参与度的主要影响因素是借款人的信用水平和贷款人的投资收益，也就是说贷款人的感知价值与感知风险对贷款人参与度均有显著影响，当投资收益越大，信用水平越高时，也即感知价值越大，感知风险越小时，贷款人参与度越高，表现为项目更容易成功，参与人数更多以及筹资历时越短。特别是相对于投资收益来说，借款人的信用水平对贷款人参与度的影响更大，可见在贷款人参与借贷时首要考虑的是感知风险问题，当感知风险越大时，贷款人参与度越低，其次则是对投资收益的考量，当感知价值越高时，则贷款人参与度越高。其次，个人特征因子与偿债能力因子对贷款人参与度的标准化系数分别为00307和00650，影响并不显著，而目前学者们研究表明借款人性别、年龄、学历、收入等因素会对贷款人的参与意愿有所影响，从本文分析结果来看，尽管这些因素会影响借贷项目的成功率，但是对贷款人参与度并没有直接显著影响。另外，个人特征对信用水平影响的标准化系数为01705，结果显著，说明其在一定程度上间接影响着贷款人的参与度，体现了感知风险对贷款人参与度的影响。值得注意的是，信用水平对投资收益影响的标准化系数是04559，结果显著，说明借款人的信用水平影响着其借贷金额、利率大小以及还款期限的长度，所以，感知风险与感知价值对贷款人参与度的影响并不孤立，而是交织一起共同影响着贷款人的参与度大小。
三、结论与建议
本文引入价值创造理论，分析了参与度的三个衡量指标，从贷款人的感知风险和感知价值两个方面着手，采用因子分析法和PLS-SEM法探析了P2P网贷贷款人参与度的影响因素。实证结果表明，三个衡量指标可以较好地衡量贷款人的参与度，感知价值与感知风险对贷款人的参与度有显著影响，当借款人信用水平越高，贷款人投资收益越大，即感知风险越小，感知价值越大时，贷款人参与度越高。所以对借款人而言，应该充分详实个人信息，努力提高信用级别，取得贷款人的信任，从而更容易获得借款；对平台来说，首先应严格把关借款人的信用水平，建立一套严格的筛选机制，力求借款人的信用级别更高。此外，信用水平因子对投资收益因子有影响，这就表明感知风险通过影响感知价值而间接地影响着贷款人参与度，因此借款人也应该在财务实力上提升自己，借贷利率不能太低，特别对于自身信用级别不高的借款人，更应该提高利率，这样才能弥补自身信用缺陷，吸引贷款人；平台在借贷期间也要密切管理每一笔借贷业务，配备奖惩机制与举报公布机制，对于违规行为要及时处理处罚并适时公布，表现好的借贷人给予奖励，鼓励参与人监督举报；而且平台也要多多向贷款人提出合适建议，帮助其选择合适的借款人，正确投标，制定违约保障机制，减少违约风险，保证收益，促使贷款人参与度的提升。最后政府作为最高监管层，主要工作是完善信用评级制度与违规处罚规章。一方面，不断加强对个人信用评估方面的制度建设，使个人的信用有记录，有评级，逐步将高风险人群逐出网贷市场；另一方面，则应该加快网贷方面法律法规体系的建设，对于不同的违规行为有具体不同的惩罚措施，对于平台的违规行为同样不可懈怠，有法可依方能警醒交易双方与平台，才能有效监督网贷市场，让贷款人放心贷款，安心投资，提高贷款人的参与度，促进P2P网贷市场的繁荣发展。 注釋：
①本文搜集的数据中身份认证均为已认证；因此实证分析中不予讨论身份认证；部分借款人的房产与车产的所有权归属混乱，且质押抵押等情况无从证实，因此分析不予考虑房产、车产情况。
②收入单位为元。
③本文对东、南、西、北、中部区域划分如下：西部地区：宁夏，青海，陕西，甘肃、云南，贵州，西藏，新疆；北部地区：辽宁，吉林，黑龙江，内蒙古，河北；中部地区：江西，安徽，河南，湖南，湖北，山西，四川，重庆；东部地区：山东，天津，北京，江苏，上海，浙江；南部地区：广东，广西，海南，福建；港澳台地区未列入其中。
参考文献：
[1]张婧婕.P2P网贷成功率影响因素实证研究[D].西安：陕西师范大学，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]叶乃沂，周蝶. 消费者网络购物感知风险概念及测量模型研究[J].管理工程学报，2014，28（4）：88-94.
[17]王崇，李一军，叶强.互联网环境下基于消费者感知价值的购买决策研究[J].预测，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]陈冬宇， 林漳希.网络信贷中的双重信任及其对借贷意愿的影响机制[J].福州大学学报：哲学社会科学版，2013，27（1）：22-29.
[21]徐晨飞，陈珂祺.众筹网站用户参与度影响因素研究——以“众筹网”为例[J].情报杂志，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.统计软件方法[M].北京：中国统计出版社，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
（責任编辑：周正）
首先，对样本数据建立的参与度影响因素指标体系进行信度和效度检验。（1）效度检验。根据上文因子分析可知样本数据适合做因子分析，各因素因子载荷介于0643-0969之间，表明样本数据具有较好的收敛效度。此外，比较各潜变量的平均方差提取量的平方根与相关系数，结果显示各潜变量的平均方差提取量的平方根均大于相关系数，说明潜变量间具有较好的区别效度。由表8可知AVE值均在07以上，一般认为AVE值大于05即可，则内敛效度同样存在[22]。（2）信度检验。表9表明除了个人特征因子的α系数大于06以外，其他三个潜变量的α系数均高于085，符合要求。另外，反映潜变量内部指标的一致性一般采用CR指标，要求CR指标大于07，本文CR值都高于075，结果较好[23]。因此，样本数据具有良好的效度和信度，适合进一步做结构方程模型分析。