大學(xué)生消費信貸風(fēng)險因素調(diào)查分析

李明偉　劉亞娟　林祖鈺

摘要：消費信貸市場蓬勃發(fā)展，大學(xué)生成為消費市場主力軍指日可待，但在大學(xué)生消費信貸不斷發(fā)展的過程中也伴隨著很多風(fēng)險。本文以北京市屬某高校的學(xué)生為調(diào)查對象，依據(jù)問卷數(shù)據(jù)運用SPSS軟件進行相關(guān)分析。由于參與者基本都只使用螞蟻花唄，所以我們用芝麻信用分度量消費信貸風(fēng)險大小。通過問卷數(shù)據(jù)分析發(fā)現(xiàn)大學(xué)生對消費信貸的使用比例不高;消費信貸風(fēng)險與家庭收入、每月可支配資金是成反比的。

關(guān)鍵詞：大學(xué)生消費信貸 信貸風(fēng)險 螞蟻花唄 芝麻信用分 SPSS分析

近年來，中國經(jīng)濟穩(wěn)增長，消費已成為經(jīng)濟增長的主動力。人民的消費水平不斷提高，消費觀念也日益開放，消費信貸的發(fā)展成大勢所趨。與此同時，在現(xiàn)代科技的快速發(fā)展下，互聯(lián)網(wǎng)消費信貸更是飛速發(fā)展，大學(xué)生作為互聯(lián)網(wǎng)的主要使用群體和新興的消費群體，由于缺少獨立的經(jīng)濟收入來源，大學(xué)生使用消費信貸在所難免。本文通過收集朋友圈的調(diào)查問卷方式，調(diào)查了大學(xué)生有關(guān)消費信貸的態(tài)度與使用頻率等相關(guān)問題，探索影響大學(xué)生消費信貸風(fēng)險的影響因素，為商家與學(xué)生規(guī)避信貸風(fēng)險提供可供參考的建議。

一、大學(xué)生使用互聯(lián)網(wǎng)消費信貸產(chǎn)品的使用現(xiàn)狀

本文研究結(jié)論基于調(diào)研問卷得出。此次調(diào)查問卷通過微信朋友圈借助問卷星發(fā)放，最終收回有效問卷為110份。本文借助SPSS軟件，對調(diào)查數(shù)據(jù)進行相關(guān)分析，以找出影響大學(xué)生消費信貸風(fēng)險的因素。

調(diào)查數(shù)據(jù)顯示，使用螞蟻花唄消費信貸方式的人高達87.3%。因此螞蟻花唄是大學(xué)生最常用的互聯(lián)網(wǎng)消費信貸方式。至于原因，被調(diào)查的大學(xué)生有87.3%認為是螞蟻花唄相對于京東白條及其他消費金融方式更有安全性、保障性、利率低。

螞蟻花唄信貸方式的使用是基于芝麻信用這個重要的信用評分。芝麻信用基于阿里巴巴用戶淘寶支付寶交易數(shù)據(jù)和螞蟻金服的互聯(lián)網(wǎng)金融數(shù)據(jù)，并與公安網(wǎng)等公共機構(gòu)以及合作伙伴建立數(shù)據(jù)合作。與傳統(tǒng)征信數(shù)據(jù)不同，芝麻信用數(shù)據(jù)涵蓋了信用卡還款、網(wǎng)購、轉(zhuǎn)賬、理財、水電煤繳費、租房信息、住址搬遷歷史、社交關(guān)系等等。本質(zhì)上來說，芝麻信用是一套征信系統(tǒng)，因此芝麻信用指數(shù)可以在一定程度上反映大學(xué)生消費信貸風(fēng)險，且芝麻信用分和風(fēng)險成反向變動。大學(xué)生的芝麻信用分接近平均水平，且實際數(shù)據(jù)呈現(xiàn)兩極化趨勢。

二、影響互聯(lián)網(wǎng)消費信貸產(chǎn)品風(fēng)險的因素分析

通過調(diào)查，芝麻信用得分與被調(diào)查者的學(xué)校類型、性別、購物類型、是否愿意冒風(fēng)險以及是否了解消費信貸風(fēng)險、未來目標(biāo)是否明確不存在相關(guān)關(guān)系。如表1所示。

由表1可知，芝麻信用分與被調(diào)查者的學(xué)校類型、被調(diào)查者的性別之間相關(guān)系數(shù)值都為負，P值都大于0.05，因而說明芝麻信用分與這兩個因素之間沒有相關(guān)關(guān)系。

在表1中，芝麻信用分和被調(diào)查者常用購物類型之間的相關(guān)系數(shù)值為-0.073，接近于0，且P值為0.436>0.05，說明它們兩者之間也沒有相關(guān)關(guān)系。但是因為采用的分析標(biāo)準(zhǔn)是芝麻信用分，只能在線上分析時才會有，所以在分析線下購物類型與消費信貸之間的關(guān)系時不能用此分析結(jié)論。

另一方面，芝麻信用得分與被調(diào)查者的家庭收入、每月可支配收入金額以及對消費信貸的印象及使用頻率成正相關(guān)關(guān)系。如表2所示。

由表2可知，芝麻信用分和被調(diào)查者的家庭月收入之間的相關(guān)系數(shù)值為0.264，P值0.01<0.05，因而說明它們兩者之間有著顯著的正相關(guān)關(guān)系。此外，芝麻信用分與被調(diào)查者的每月可支配收入、對消費信貸的印象及使用頻率的相關(guān)系數(shù)都為正，且對應(yīng)的三個p值都小于0.05的顯著性水平。所以芝麻信用分與這三個因素也都正相關(guān)。

三、對影響大學(xué)生消費信貸風(fēng)險因素的深入分析

通過對調(diào)查數(shù)據(jù)深入分析可以發(fā)現(xiàn)：樣本中的大學(xué)生擁有一定的消費能力，同時較大比例的大學(xué)生喜歡在網(wǎng)上購物，擁有接觸消費信貸的條件，但對消費信貸的了解不多，使用欲望也不強。對大學(xué)生消費信貸影響較大的因素，主要是被調(diào)查者的家庭收入、每月可支配收入、對消費信貸的印象及使用頻率。

（我們收集的樣本中，女性占比較大，所以在上文中，我們就芝麻信用與性別進行了P值檢驗。）結(jié)果顯示消費信貸與性別之間系數(shù)較小，因此他們之間沒有太大的聯(lián)系。這說明你問卷的調(diào)查對象設(shè)置存在結(jié)構(gòu)性偏差，最好不用在文章中再細說。

從P值檢驗結(jié)果看，家庭月收入、每月可支配的收入金額都與芝麻信用成正相關(guān)，也就是家庭月收入與每月可支配的收入金額越高，消費信貸的風(fēng)險越小。其中，家庭收入在5000-10000元的大學(xué)生占比最高，達35.34%，約60%的大學(xué)生家庭月收入在5000元以上。

從每月能支配的流動金額來看，將近半數(shù)的大學(xué)生每月能夠支配的流動資金在1000-2000元之間，只有不到20%能夠達到2000元以上。“2018年北京居民人均可支配收入6.2萬元”，由此可見，大學(xué)生的可支配收入遠低于北京市人均水平。這可能是因為大學(xué)生不完全參與社會勞動，且消費支出相對簡單、大額支出已由父母支出，因此大學(xué)生只需要支配較少資金。但一定程度上也反映出：大學(xué)生具有一定的消費能力，但有很強的局限性，容易產(chǎn)生信貸風(fēng)險。

圖1 家庭月收入餅狀圖

圖2 每月能支配的流動金額餅狀圖

同時在調(diào)查之中，有80.17%的大學(xué)生更多的在網(wǎng)上購物。大學(xué)生接觸消費信貸的機會十分多，對于接受風(fēng)險的調(diào)查中，有50.86%的人表示不愿意接受風(fēng)險。說明大學(xué)生對消費信貸相對較為謹慎。

四、降低大學(xué)生消費信貸產(chǎn)品風(fēng)險的建議

在消費信貸上網(wǎng)購物日益成熟的今天，大學(xué)生對消費信貸的接受程度也會逐漸增大，對消費信貸的使用頻率也會增加，但由于大學(xué)生缺乏獨立收入、可支配收入水平低的特點，針對大學(xué)生的消費信貸風(fēng)險有特殊性。

因此，規(guī)范自己的消費行為、消費習(xí)慣對大學(xué)生顯得尤為重要。正確預(yù)估自己的消費水平，也是減少消費信貸風(fēng)險的一個有效方法，在可支配流動金額和家庭收入的范圍內(nèi)合理適度使用消費信貸，在降低消費信貸風(fēng)險的同時也會提高自己的生活水平。

同時，對商家而言，應(yīng)該加強消費信貸的推廣，增加大學(xué)生對消費信貸的認識度。目前，大學(xué)生消費信貸市場還主要由螞蟻花唄、東京白條個別商家占領(lǐng)，市場還有較大空隙。同時在大學(xué)生消費信貸的風(fēng)險上，由于大學(xué)生對網(wǎng)上購物的使用程度相對較大，可以用網(wǎng)上購物記錄簡易評價學(xué)生的可支配資金，并對其風(fēng)險進行估計，消費信貸機構(gòu)可以通過與網(wǎng)絡(luò)消費系統(tǒng)的聯(lián)系，建立健全的信用評價機構(gòu)。此外，也需加強與電商進行合作，分析消費者的消費習(xí)慣，定制多樣的消費信貸產(chǎn)品，在不同種類的網(wǎng)絡(luò)消費產(chǎn)品頁面上投放有針對性的廣告。

參考文獻：

[1]The SPSSAU project （2019）. SPSSAU. （Version 19.0）[Online Application Software].Retrieved from https：//www.spssau.com.

[2]Hauke J，Kossowski T. Comparison of Values of Pearson's and Spearman's Correlation Coefficients on the Same Sets of Data[J]. Quaestiones Geographica，2011，30（2）：87-93.

[3]Arndt S，Turvey C，Andreasen N C. Correlating and predicting psychiatric symptom ratings：Spearmans r versus Kendalls tau correlation[J]. Journal of Psychiatric Research，1999，33（2）：97-104.

[4]張厚粲，徐建平. 現(xiàn)代心理與教育統(tǒng)計學(xué).第3版[M]. 北京師范大學(xué)出版社，2009.

作者單位：北京信息科技大學(xué)